Académique Documents
Professionnel Documents
Culture Documents
EDITEUR
Immeuble ACCET
4, place de la Pergola
95021 Cergy-Pontoise
Plus fournis qu’un formulaire, moins dense qu’un cours, c’est ce que
j’ai cherché à faire avec mes fiches de révisions. Ces fiches de révisions
m’ont suivit tout au long de mes années de prépa. Et elles m’ont été
grandement bénéfiques. J’espère qu’il en sera de même pour vous. Tra-
vailler sur ces fiches, détachées de mon cours, et donc coupées des dé-
monstrations et des exemples, a été une très bonne chose. Je pense que
ces fiches sont utiles pour réviser avant un contrôle, avant une colle ou
avant un concours. C’est à ce moment là qu’elles m’ont été bénéfiques.
Ces fiches sont à vous maintenant. N’hésitez pas à écrire dessusA , à ra-
jouter vos annotations et vos remarques. Bon courage et bonne réussite.
Jean-Baptiste Théou
A J’ai ajouté à cet effet un chapitre Vos annexes, dans les annexes, pour vous
permettre d’insérer facilement dans cet ouvrage vos trucs, astuces, méthodes.
iii
iv AVANT-PROPOS
Remerciements
Srinivâsa Aiyangâr
Râmânujan(1886-1920)
B Pour ce coté historique des choses, que j’affectionne particulièrement, j’ai inseré,
tout au long de l’oeuvre, des petites informations historiques sur les différents mathé-
maticiens rencontrés au cours du programme de MPSI. Je vous invite à utiliser ces
petites informations pour poursuivre vos recherches sur l’histoire des mathématiques,
et plus généralement sur l’histoire des sciences.
v
vi REMERCIEMENTS
Table des matières
Avant-propos iii
Remerciements v
I Fonctions de R dans R 13
1 R 15
1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.1.1 Structure . . . . . . . . . . . . . . . . . . . . . . 15
1.1.2 Majorant - Minorant . . . . . . . . . . . . . . . . 16
1.1.3 Borne supérieure - Borne inférieure . . . . . . . . 16
1.2 Partie de R . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.1 Partie bornée de R . . . . . . . . . . . . . . . . . 17
1.2.2 Partie entière . . . . . . . . . . . . . . . . . . . . 17
1.2.3 Densité . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.4 Segment et intervalle de R . . . . . . . . . . . . . 18
1.2.5 Sous-groupes de (R,+) . . . . . . . . . . . . . . . 18
2 Fonctions de R et R 19
2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.1 Domaine de définition . . . . . . . . . . . . . . . 19
2.1.2 Majoration et croissance . . . . . . . . . . . . . . 19
2.1.3 Fonction k-lipschitzienne . . . . . . . . . . . . . . 20
2.1.4 Limite et continuité . . . . . . . . . . . . . . . . 20
1
2 TABLE DES MATIÈRES
II Nombres complexes 43
5 Nombres complexes 45
5.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.1.1 Conjugué . . . . . . . . . . . . . . . . . . . . . . 46
5.2 Vision géométrique . . . . . . . . . . . . . . . . . . . . . 46
5.2.1 Forme trigonométrique . . . . . . . . . . . . . . . 47
5.3 Racine n-ème d’un complexe . . . . . . . . . . . . . . . 49
5.3.1 Racine n-ème de l’unité . . . . . . . . . . . . . . 49
IV Arcs Paramétrés 75
10 Arcs Paramétrés et Arcs Polaires 77
10.1 Arcs Paramétrés . . . . . . . . . . . . . . . . . . . . . . 77
10.1.1 Tangente en un point de l’arc . . . . . . . . . . . 77
10.2 Étude métrique des arcs paramétrés . . . . . . . . . . . 79
10.2.1 Longueur d’un arc . . . . . . . . . . . . . . . . . 79
10.2.2 Abscisse curviligne . . . . . . . . . . . . . . . . . 79
10.2.3 Courbure d’un arc en un point . . . . . . . . . . 80
10.2.4 Formules de Frenet . . . . . . . . . . . . . . . . . 80
10.3 Arcs polaires . . . . . . . . . . . . . . . . . . . . . . . . 81
10.3.1 Lien polaire-cartésien . . . . . . . . . . . . . . . 82
10.3.2 Équivalence et symétrie . . . . . . . . . . . . . . 82
10.3.3 Étude des tangentes . . . . . . . . . . . . . . . . 82
10.3.4 Étude d’une branche infinie . . . . . . . . . . . . 83
11 Les coniques 85
11.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . 85
11.1.1 Définition bifocale d’une ellipse . . . . . . . . . . 85
11.1.2 Définition bifocale d’une hyperbole . . . . . . . . 86
11.2 Les différentes coniques . . . . . . . . . . . . . . . . . . 86
11.2.1 L’ellipse . . . . . . . . . . . . . . . . . . . . . . . 86
11.2.2 L’hyperbole . . . . . . . . . . . . . . . . . . . . . 86
11.2.3 Parabole . . . . . . . . . . . . . . . . . . . . . . . 87
11.3 Équation polaire dans un repère . . . . . . . . . . . . . . 87
V Fonctions de R2 dans R 89
12 Fonctions de R2 dans R 91
12.1 Norme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
12.1.1 Cas particuliers de normes . . . . . . . . . . . . . 92
12.2 Boules . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
12.2.1 Boules ouvertes . . . . . . . . . . . . . . . . . . . 92
12.2.2 Boules fermées . . . . . . . . . . . . . . . . . . . 92
12.2.3 Normes équivalentes . . . . . . . . . . . . . . . . 92
12.2.4 Convergence d’une suite . . . . . . . . . . . . . . 93
6 TABLE DES MATIÈRES
VI Equations différentielles 99
13 Équations différentielles linéaires 101
13.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . 101
13.2 Équations différentielles linéaire d’ordre 1 . . . . . . . . 102
13.2.1 Cas particulier . . . . . . . . . . . . . . . . . . . 102
XI Matrice 151
21 Matrices 153
21.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . 153
21.1.1 Vecteur ligne . . . . . . . . . . . . . . . . . . . . 153
21.1.2 Vecteur colonne . . . . . . . . . . . . . . . . . . . 154
21.1.3 Matrice carrée . . . . . . . . . . . . . . . . . . . 154
21.2 Espace vectoriel des matrices . . . . . . . . . . . . . . . 155
21.2.1 Opération . . . . . . . . . . . . . . . . . . . . . . 155
21.2.2 Structure . . . . . . . . . . . . . . . . . . . . . . 156
21.3 Transposition et trace . . . . . . . . . . . . . . . . . . . 156
21.3.1 Transposition . . . . . . . . . . . . . . . . . . . . 156
21.3.2 Trace . . . . . . . . . . . . . . . . . . . . . . . . 157
21.3.3 Transposition et trace du produit . . . . . . . . . 157
21.4 Produits particuliers . . . . . . . . . . . . . . . . . . . . 158
21.5 Matrice Carrée inversible . . . . . . . . . . . . . . . . . 158
21.6 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . 159
21.6.1 Rang de matrices particulières . . . . . . . . . . 159
21.6.2 Opération élémentaire . . . . . . . . . . . . . . . 159
23 Déterminants 167
23.1 Forme n-linéaire . . . . . . . . . . . . . . . . . . . . . . 167
23.1.1 Forme n-linéaire alternée . . . . . . . . . . . . . 168
23.2 Déterminant dans deux bases différentes . . . . . . . . . 169
23.3 Déterminant d’un endomorphisme . . . . . . . . . . . . 170
23.4 Déterminant d’une matrice carrée . . . . . . . . . . . . . 170
23.4.1 Déterminant singulier . . . . . . . . . . . . . . . 171
23.4.2 Opérations élémentaires et déterminant . . . . . 171
23.4.3 Déterminants remarquables . . . . . . . . . . . . 171
23.5 Développement du déterminant d’une matrice . . . . . . 171
23.5.1 Calcul des cofacteurs . . . . . . . . . . . . . . . . 172
23.5.2 Inverse d’une matrice inversible . . . . . . . . . . 172
C Intégrale 201
C.1 Étude de la fonction . . . . . . . . . . . . . . . . . . . . 201
C.1.1 Définition . . . . . . . . . . . . . . . . . . . . . . 201
C.2 Primitive . . . . . . . . . . . . . . . . . . . . . . . . . . 201
C.2.1 Dérivabilité . . . . . . . . . . . . . . . . . . . . . 202
I Trigonométrie 215
I.1 Formules . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
I.1.1 Décomposition . . . . . . . . . . . . . . . . . . . 215
I.1.2 Angle double . . . . . . . . . . . . . . . . . . . . 215
I.1.3 Linéarisation . . . . . . . . . . . . . . . . . . . . 216
I.1.4 Somme . . . . . . . . . . . . . . . . . . . . . . . 216
I.2 Fonctions inverses . . . . . . . . . . . . . . . . . . . . . 216
I.2.1 Fonctions Hyperboliques . . . . . . . . . . . . . . 216
I.2.2 Fonctions Trigonométriques . . . . . . . . . . . . 217
Fonctions de R dans R
13
Chapitre 1
R
1.1 Définitions
1.1.1 Structure
Définition 1. Soit E un ensemble. La relation R est une relation d’ordre
sur E si elle est
→ Réflexive :
∀x ∈ E, xRx
→ Anti-symétrique :
→ Transitive :
15
16 CHAPITRE 1. R
Majorant
Définition 3. Si M est un majorant de A, avec M ∈ A, alors
M = max(A)
Définition 4. Lorsqu’elle existe, la borne sup est le plus petit des ma-
jorants.
Propriété 3. Si A ⊂ R, si max(A) existe, alors sup(A) existe et
sup(A) = max(A)
Minorant
Définition 5. Si M est un minorant de A, avec M ∈ A, alors
M = min(A)
Définition 6. Lorsqu’elle existe, la borne inf est le plus grand des
minorants.
Propriété 4. Si A ⊂ R, si min(A) existe, alors inf(A) existe et
min(A) = inf(A)
1.2 Partie de R
Soit A une partie de RB .
B L’ensemble des parties de R est noté P(R)
1.2. PARTIE DE R 17
Donc
x − 1 < E(x) ≤ x
Définition 8. En complément, on définit la partie décimale de x, notée
D(x).
D(x) = x − E(x)
Propriété 11. Soit x ∈ R et n ∈ N.
E(x + n) = E(x) + n
1.2.3 Densité
Définition 9. Soit A une partie de R. A est dense dans R si et seulement
si
∀(x, y) ∈ R2 , avec x 6= y, ∃a ∈ A tel que a ∈]x, y[
Propriété 12. L’espace des nombres rationnels, noté Q, défini par
p
Q= / (p, q) ∈ Z × N − {0}
q
est dense dans R.
Propriété 13. Soit x ∈ R. Soit E un ensemble dans R. Si E est dense
dans R, alors il existe une suite d’éléments de E qui converge vers x.
18 CHAPITRE 1. R
[|a, b|] = {n ∈ Z / a ≤ n ≤ b
I = [a, b]
f :R→R
x 7→ f (x)
2.1 Définitions
2.1.1 Domaine de définition
Soit a ∈ R. Soit f une fonction de R dans R.
Définition 18. On dit que f est définie en a si f (a) existe. On note
l’ensemble de ces réels Df :
Df = {a ∈ R / f (a) existe }
19
20 CHAPITRE 2. FONCTIONS DE R ET R
Limite à droite
Soit a ∈ I. Soit f une fonction définie sur un intervalle I, sauf peut
être en a.
Limite à gauche
Définition 24. La limite à gauche, de f en a est, si elle existe, la limite
en a de la restriction de f à I ∩ ]−∞, a[. On la note :
Si a ∈
/ Df :
lim f (x) = b
x→a+
lim f (x) = b ⇔
x→a lim f (x) = b
x→a−
f : I → f (I)
g:J→R
avec f (I) ⊂ J.
lim f (x) = b
x→a
⇒ lim (gof )(x) = c
lim g(x) = c x→a
x→b
22 CHAPITRE 2. FONCTIONS DE R ET R
Continuité
Soit f une fonction de R dans R, soit a ∈ R.
Propriété 31. Soit f une fonction continue sur [a, b]. Alors :
∃(m, M ) ∈ R2 , tels que f ([a, b]) = [m, M ]
Ici, m = min f (x) et M = max f (x).
x∈[a,b] x∈[a,b]
1881 à Halle)
24 CHAPITRE 2. FONCTIONS DE R ET R
3.1 Dérivation
3.1.1 Dérivabilité
Soit a ∈ R.
Définition 26. Soit f une fonction définie sur un voisinage du réel a.
On dit que f est dérivable en a si :
f (x) − f (a)
lim existe dans R
x→a
x6=a
x−a
25
26 CHAPITRE 3. ÉTUDE DES FONCTIONS DE R DANS R
À gauche
Définition 27. On dit que f est dérivable à gauche en a si
f (x) − f (a)
lim existe
x→a− x−a
On appelle cette limite nombre dérivé de f à gauche en a, et on le note
fg0 (a).
À droite
Définition 28. On dit que f est dérivable à droite en a si
f (x) − f (a)
lim existe
x→a+ x−a
On appelle cette limite nombre dérivé de f à droite en a, et on le note
fd0 (a).
Propriété 39. f est dérivable en a si et seulement si :
f est dérivable à droite en a
f est dérivable à gauche en a
0
fd (a) = fg0 (a)
3.1. DÉRIVATION 27
Théorème 2. Si :
f est continue sur [a, b]
f est dérivable sur ]a, b[
f (a) = f (b)
alors :
∃c ∈]a, b[ tel que f 0 (c) = 0
Ceci montre l’existence d’une tangente horizontale en cas de changement
de pente.
Théorème 3. Si :
f est continue sur [a, b]
f est dérivable sur]a, b[
alors :
f (b) − f (a)
∃c ∈]a, b[ tel que = f 0 (c)
b−a
Ceci montre l’existence d’une tangente parallèle à la droite liant f (a) et
f (b).
A Michel Rolle (Ambert le 21 avril 1652 - Paris le 8 novembre 1719) était un
mathématicien français.
28 CHAPITRE 3. ÉTUDE DES FONCTIONS DE R DANS R
Théorème 4. Si :
f est continue sur [a, b]
f est dérivable sur ]a, b[
0
f est bornée sur ]a, b[
alors :
|f (b) − f (a)| ≤ sup(|f 0 |)|b − a|
]a,b[
Conséquences
→ Si ∀x ∈ I, f (x) ≥ 0, alors f est croissante sur I.
→ Si f et g sont dérivables sur [a,b], avec : ∀x ∈ [a, b] f 0 (x) ≤ g 0 (x),
alors :
f (b) − f (a) ≤ g(b) − g(a)
Opérations
Propriété 40. Soit n ∈ N. La somme, le produit, la composé de fonc-
tion C n sont des fonctions C n sur leur domaine de définition.
3.1.8 Formulaire
∀n ∈ NB , ∀x ∈ R :
nπ
cos(n) (x) = cos x +
2
nπ
sin(n) (x) = sin x +
2
B Ces formules sont obtenue par récurrence.
3.2. INJECTIVITÉ, SURJECTIVITÉ ET BIJECTIVITÉ 29
avec :
n n!
=
k k!(n − k)!
3.2.1 Injectivité
Définition 30. f est injective si tout élément de J possède au plus un
antécédent par f dans I.
f (x1 ) = f (x2 ) ⇒ x1 = x2
3.2.2 Surjectivité
Définition 31. f est surjective si tout élément de J possède au moins
un antécédent par f dans I.
3.2.3 Bijectivité
Définition 32. f est bijective de I sur J si elle est injective et surjective.
Ce qui s’exprime aussi en disant que f est bijective de I sur J si tout
élément de J possède par f un unique antécédent.
Théorème de la bijection
Propriété 43. Soit I un intervalle et f une fonction. Si f est continue,
strictement monotoneE sur I, alors f est une bijection de I sur l’intervalle
f (I), et f −1 est continue sur f (I).
sh(x)
∀x ∈ R th(x) =
ch(x)
1
∀x ∈]1, +∞[ argch0 (x) = √
x2 −1
F Car ∀x ∈ R ch(x) 6= 0.
G Même argument que pour sh
H Car argch(1)=0.
32 CHAPITRE 3. ÉTUDE DES FONCTIONS DE R DANS R
1
∀x ∈ R argsh0 (x) = √
1 + x2
1
∀x ∈] − 1, 1[ arcsin0 (x) = √
1 − x2
35
36 CHAPITRE 4. ÉTUDE LOCALE D’UNE FONCTION
f (x) h(x)
a
f (x) h(x)
a
f (x) h(x)
a
f (x) ∼ h(x)
a
f (x) u(x)
∼
g(x) a v(x)
|f (x)| ∼ |u(x)|
a
Changement de variable
Le changement de variable dans un équivalent est autorisé, mais la
composé ne l’est pasD .
Propriété 45. Si f (x) ∼ g(x), alors lim f (x) et lim g(x) ont même
a x→a x→a
natureE .
f (x) − (a0 + a1 x + · · · + an xn ) xn
0
g : x 7→ a0 + a1 x + · · · + an xn
f (x) ∼ ap xp
0
Préliminaire
Théorème 5. Si ϕ est une fonction dérivable sur V0 , et si
)
ϕ(0) = 0
∃n ∈ N tel que, ϕ0 (x) = O(xn ) alors ϕ(x) = O(xn+1 )
0
0
Formule de Taylor
Définition 49. Si f est de classe C n sur V0 , alors :
xn (n)
f (x) = f (0) + f 0 (0)x + · · · + f (0) + o(xn )
n!
x3 x2n+1
→ sin(x) = x − + · · · + (−1)n + o(x2n+1 )
0 3! (2n + 1)!
x2 xn
→ ex = 1 + x + + ··· + + o(xn )
0 2! n!
x2 x4 x2n
→ ch(x) = 1 + + + ... + + o(x2n+1 )
0 2! 4! 2n!
x3 x5 x2n+1
→ sh(x) = x + + + ... + + o(x2n+2 )
0 3! 5! (2n + 1)!
x2 xn
→ ln(1 + x) = x − + · · · + (−1)n+1 + o(xn )
0 2 n
an n+1
F (x) = F (0) + a0 x + ... + x + o(xn+1 )
0 n+1
4.2.8 Tangente
Propriété 50. Si, au voisinage de a, f (x) = λ0 + λ1 (x − a) + o((x − a)),
alors
y = λ0 + λ1 (x − a)
est l’équation de la tangent à la courbe en a. Le terme suivant non nul,
dans le développement de f à un ordre supérieur, détermine la position
relative de la tangente par rapport à la courbe.
42 CHAPITRE 4. ÉTUDE LOCALE D’UNE FONCTION
Deuxième partie
Nombres complexes
43
Chapitre 5
Nombres complexes
5.1 Généralités
Définition 50. L’ensemble des nombres complexes, noté C, est défini
par :
C = {z / z = a + ib, (a, b) ∈ R2 }
Avec i le nombre imaginaire défini par i2 = −1. a est appelé partie réelle
de z et b est appelé partie imaginaire de z.
z−z
Im(z) =
2i
La partie réelle de z est donnée par :
z+z
Re(z) =
2
A Voir la fiche d’annexe sur les propriétés vérifiées par un corps.
45
46 CHAPITRE 5. NOMBRES COMPLEXES
5.1.1 Conjugué
Définition 52. Soit z ∈ C. On appelle conjugué de z, noté z, le nombre
complexe possédant la même partie réelle que z et une partie imaginaire
opposée par rapport à celle de z. Soit (a, b) ∈ R2 . Si z = a + ib, alors
z = a − ib
Propriété 54. Soit (z, z 0 ) ∈ C2 .
z + z0 = z + z0
zz 0 = zz 0
1 1
=
z z
Module
|z| = OM
p
= a2 + b2
Complexe de module 1
Propriété 57. Soit z ∈ C tel que |z| = 1. Soit M son point image dans
P. M appartient donc, dans le plan complexe, au cercle trigonométrique.
→
− −−→
Soit θ l’angle entre i et OM . On obtient que :
z = cos(θ) + i sin(θ)
z = eiθ
= cos(θ) + i sin(θ)
Cette notation est bien plus pratique à l’utilisation. θ est appelé argu-
ment de z.
relations d’EulerB :
z−z
Im(z) =
2i
eiθ − e−iθ
=
2i
= sin(θ)
z+z
Re(z) =
2
eiθ + e−iθ
=
2
= cos(θ)
z = |z|eiθ
z n = z0
Propriété 62. Si z est une racine n-ème de l’unité, alors z l’est aussi.
Propriété 63. La somme des racines n-ème, pour n ≥ 2, de l’unité est
nulle.
50 CHAPITRE 5. NOMBRES COMPLEXES
Chapitre 6
Nombres complexes et
géométrie dans le plan
6.1.1 Alignement
Pour savoir si A, B, C sont alignés, nous avons la caractérisation
suivante
−−→ −→
A, B, C alignés ⇔ (AB, AC) = 0 [π]
c−a
⇔ arg = 0 [π]
b−a
c−a
⇔ ∈R
b−a
51
52 CHAPITRE 6. NOMBRES COMPLEXES - GÉOMÉTRIE
6.1.2 Orthogonalité
−−→ −→
Pour savoir si AB et AC sont orthogonaux, nous avons la caractéri-
sation suivante
−−→ −→ −−→ −→ π
AB et AC orthogonaux ⇔ (AB, AC) = [π]
2
c−a π
⇔ arg = [π]
b−a 2
c−a
⇔ ∈ iR
b−a
6.1.3 Cocyclicité
Soit A, B, C trois points distincts d’un cercle C de centre O.
Propriété 65. Nous avons la propriété suivante
−−→ −−→ −−→ −→
(OB, OC) = 2(AB, AC) [2π]
Condition de cocyclicité
Soit A, B, C, D quatre points de P.
−−→ −→ −−→ −−→
Propriété 66. Si (AB, AC) = (DB, DC) [π] alors A, B, C, D sont soit
cocycliquesA , soit alignés.
6.2 Transformations
Soit M et M 0 deux points de P, d’affixes respectives z et z 0 .
6.2.1 Translation
Définition 58. Soit →−u un vecteur de P. On appelle translation de
→
−
vecteur u l’application
u :P→P
t→
−
M 7→ M 0
−−−→ −
telle que : M M 0 = →
u
A Ils sont sur un même cercle.
6.2. TRANSFORMATIONS 53
Bijectivité
t→
u est bijective. Son inverse est t−→
− u.
−
6.2.2 Homothétie
Définition 59. Soit Ω un point d’affixe ω. Soit k ∈ R. On appelle
homothétie de centre Ω et de rapport k l’application
h:P→P
M 7→ M 0
−−→ −−→
telle que ΩM 0 = k ΩM
Cas particuliers
Selon les valeurs de k, nous avons les cas particuliers suivant :
→ Si k = 1 : L’homothétie est en réalité l’identité.
→ Si k = 0 : L’homothétie ramène l’ensemble du plan au point Ω.
→ Si k = −1 : L’homothétie est une symétrie centrale de centre Ω.
Réciproquement, soit
f :P→P
M 7→ M 0
Avec z 0 = kz + b, b ∈ C.
→ Si k = 1, f est un translation.
→ Sinon f est une homothétie.
Bijectivité
h est une application bijective. Son inverse est défini par
h−1 : P → P
M 7→ M 0
1
telle que : z 0 − ω = (z − ω)
k
6.2.3 Rotation
Définition 60. Soit Ω un point d’affixe ω et θ ∈ R. On appelle rotation
de centre Ω et d’angle θ l’application
r:P→P
M 7→ M 0
−−→ −−→
telle que ΩM 0 =ΩM et (ΩM , ΩM 0 ) = θ [2π]
Bijectivité
r est une application bijective. Son inverse est défini par :
r−1 : P → P
M 7→ M 0
6.2.4 Similitude
Définition 61. Soit Ω un point d’affixe ω et (θ, k) ∈ R2 . On appelle
similitude direct de centre Ω, d’angle θ, et de rapport k l’application
S:P→P
M 7→ M 0
−−→ −−→
telle que ΩM 0 =kΩM et (ΩM , ΩM 0 ) = θ [2π]C .
z 0 − ω = keiθ (z − ω)
f :P→P
M 7→ M 0
Bijectivité
S est une application bijective. On défini son inverse par
S −1 : P → P
M 7→ M 0
1 −iθ
telle que z 0 − ω = e (z − ω)
k
Troisième partie
Les suites
57
Chapitre 7
Suite numérique - Généralité
Définition 62. Une suite numérique, notée (un ), est une application
définie par
un : N → R
n 7→ un
7.1 Propriétés
7.1.1 Opérations
Soit (an ), (bn ), (cn ) trois suites. On peut effectuer trois types d’opé-
rations sur les suites :
→ Une somme :
→ Un produit :
59
60 CHAPITRE 7. SUITE NUMÉRIQUE - GÉNÉRALITÉ
(an ) = λ · (cn ) ⇔ ∀n ∈ N an = λ · cn
7.1.2 Structures
Propriété 67. (RN , +, ·) est un R espace vectoriel.
Propriété 68. (RN , +, ·, ×) est une algèbre commutative.
∀n ∈ N, un+1 = q + un
∀n ∈ N, un+1 = q · un
∀n ∈ N un = Ar1n + Br2n
∀n ∈ N un = (An + B)r0n
Si cette équation n’admet pas de racines réelles, mais deux racines com-
plexes, r1 et r1 , on obtient qu’il existe (A, B) ∈ R tel que
∀n ∈ N un = Ar1n + Br1 n
62 CHAPITRE 7. SUITE NUMÉRIQUE - GÉNÉRALITÉ
Chapitre 8
Convergence des suites
numériques réelles
On le note
lim un = l
n→∞
Propriété 73. Si la suite (un ) converge, elle converge vers une limite
qui est unique.
63
64 CHAPITRE 8. CONVERGENCE DES SUITES RÉELLES
Propriété 82. Le produit d’une suite bornée par une suite convergente
de limite nulle est une suite convergente de limite nulle.
A Mais lim un + vn existe 6⇒ lim un existe et lim vn existe.
n→∞ n→∞ n→∞
8.1. SUITES CONVERGENTES 65
Propriété 83. Si (un ) est une suite convergente de terme tous non
1 1
nuls, si l 6= 0, alors converge vers
un l
Propriété 84. Si (un ) est une suite convergente de limite l, alors (|un |)
converge vers |l|
Propriétés
Propriété 87. La somme d’une suite bornée et d’une suite qui diverge
vers +∞ diverge vers +∞.
Propriété 88. L’inverse d’une suite qui diverge vers +∞ converge vers
0.
69
70 CHAPITRE 9. ÉTUDE DES SUITES
Propriété
97. Soit (zn ) une suite convergente de limite λ 6= 0. La suite
1 1
converge vers .
zn λ
Propriété 98. Si (zn ) converge vers λ, alors (|zn |) converge vers |λ|.
Mais nous n’avons aucune information sur le comportement de l’argu-
ment.
∀n ∈ N zn = ρn eiθn
Si : (
(ρn ) converge vers a
(θn ) converge vers b
∀n ∈ N, zn = an
Avec a ∈ C. Si :
→ |a| = 0, (zn ) est la suite constante nulle.
→ |a| ∈]0, 1[, (zn ) converge vers 0.
→ |a| > 1, (zn ) diverge vers +∞.
→ |a| = 1.
→ Si a 6= 1, alors la suite diverge.
→ Si a = 1, (zn ) est la suite constante égale à 1.
A Par continuité de l’exponentielle complexe.
B La suite (θn )
9.3. SUITES DÉFINIES PAR RÉCURRENCE 71
u0 ∈ Df et f (Df ) ⊂ Df ⇒ ∀n ∈ N, un existe
Propriété 102. Soit (un ) une suite de réels, définie par récurrence à
l’aide de la fonction f .
En pratique, si (
∀x ∈ I, f (x) ≥ x
∀n ∈ N, un ∈ I
Définition 76. On dit que (un ) est négligeable devant (vn ) ou que (vn )
est prépondérant devant (un ) si :
Définition 77. On dit que (un ) est équivalent à (vn ) si (un − vn ) est
négligeable devant (vn ). On le note un ∼ vn . Dans le cas particulier où
∞
∀n ∈ N, vn 6= 0
un
un est équivalent à vn ⇔ lim =1
n→∞ vn
un ∼ vn et vn ∼ wn ⇒ un ∼ wn
∞ ∞ ∞
un ∼ vn et vn wn ⇒ un wn
∞ ∞ ∞
un vn et vn ∼ wn ⇒ un wn
∞ ∞ ∞
alors :
(un )(an ) ∼ (vn )(bn )
∞
Propriété 106. Soit (un ), (vn ) et (an ) trois suites et λ, µ deux réels
de somme non nulle. Si :
Alors :
un + vn ∼ (λ + µ)an
∞
Si la somme des deux réels est nulle, nous n’avons aucun résultats. On
doit dans ce cas utiliser des développements limités.
Propriété 107. Si un ∼ vn , alors uα α
n ∼ vn
∞ ∞
Arcs Paramétrés
75
Chapitre 10
Arcs Paramétrés et Arcs
Polaires
F : I → R2
x(t)
t 7→ M (t) =
y(t)
77
78 CHAPITRE 10. ARCS PARAMÉTRÉS ET ARCS POLAIRES
Point Régulier
−
→
dM →
−
Si (t0 ) 6= 0 , on dit alors que M (t0 ) est un point régulier de
dt −
→
dM
l’arc. Dans ce cas, (t0 ) est un vecteur directeur de la tangente au
dt
support de l’arc en M (t0 ).
Point Singulier
−
→
dM →
−
Si (t0 ) = 0 , alors M (t0 ) est un point singulier. Par application
dt
de la formule de Taylor, on obtient les deux entiers caractéristiques
suivants.
Z b −
→
\(b)) = dM
l(M (a)M || (t)||dt
a dt
ds
R=
dϕ
1
γ=
R
dϕ
=
ds
dϕ
dt
= ds
dt
On obtient →
−
dT →
−
= γ(t) N
ds
De même, on obtient
→
−
dN →
−
= −γ T
ds
On a donc :
p
ρ = ± x2 + y 2
dM
= ρ0 (θ)−
→ + ρ(θ)→
uθ
−
vθ
dθ
avec :
−
→= cos(θ) →
− − sin(θ)
uθ et vθ
sin(θ) cos(θ)
→ Si ρ(θ) = 0, −
→ est tangent en 0
uθ
lim ρ(θ) = ∞
θ→θ0
lim Y (θ)
θ→θ0
11.1 Définitions
Définition 85. On appelle conique de foyer F A , de directrice ∆ et
d’excentricité e l’ensemble :
{M / e · d(M, ∆) = M F }
85
86 CHAPITRE 11. LES CONIQUES
11.2.1 L’ellipse
Définition 89. Une ellipse est définie par l’équation suivante :
x2 y2
+ =1
a2 b2
max(a, b) est appelé le demi-grand axe. min(a, b) est appelé le demi-
petit axe. Soit P le point correspondant à M sur le cercle principale de
l’ellipse. On peut aussi paramétrer un point M de l’ellipse par :
x(t) = a cos(t)
y(t) = b sin(t)
Avec t l’angle entre l’axe Ox et OP.
11.2.2 L’hyperbole
Une hyperbole est définie par l’équation suivante :
x2 y2
2
− 2 =1
a b
Pour vérifier cette formule, on prend x = 0 et on vérifie qu’il n’y à
pas de solutions réelles pour y B . De plus, on obtient les asymptotes en
annulant le second membre. On peut aussi paramétrer un point M de
l’hyperbole par :
x(t) = a ch(t)
y(t) = b sh(t)
B Une hyperbole ne coupe jamais l’axe des ordonnées.
11.3. ÉQUATION POLAIRE DANS UN REPÈRE 87
11.2.3 Parabole
L’équation réduite d’un parabole est :
y 2 = 2px
Fonctions de R2 dans R
89
Chapitre 12
Fonctions de R2 dans R
12.1 Norme
Définition 90. Soit E un espace vectoriel. Soit n une application de E
dans R. n est une norme sur E si :
→ Elle est positive
∀x ∈ E, n(x) ≥ 0
→ Elle est définie
∀x ∈ E, n(x) = 0 ⇒ x = 0
∀λ ∈ R, ∀x ∈ E, n(λx) = |λ|n(x)
91
92 CHAPITRE 12. FONCTIONS DE R2 DANS R
12.2 Boules
12.2.1 Boules ouvertes
Définition 91. Soit n une norme sur E, soit x0 ∈ E, et r ∈ R+ . On
appelle boule ouverte de centre x0 , de rayon r, notée B(x0 , r) :
B(x0 , r) = {x ∈ E / n(x0 − x) ≤ r}
B(x0 , r) = {x ∈ E / n(x0 − x) ≤ r}
1 1
∀x ∈ E, n1 (x) ≤ n2 (x) ≤ n1 (x)
β α
f : R2 → R et ϕ : R → R
Si
lim f = l
(a,b)
limϕ = m
l
Alors
lim ϕof = m
(a,b)
et si
lim g = lim h
(a,b) (a,b)
=l
alors
lim f = l
(a,b)
Et
lim f (x1 (t), y1 (t)) = c
t→t0
lim f (x2 (t), y2 (t)) = d
t→α
12.3.3 Continuité
Définition 95. Soit f une fonction de R2 dans R. Si f est définie sur
un voisinage de (a, b), avec :
lim f = f (a, b)
(a,b)
12.4 Dérivation
12.4.1 Dérivation suivant un vecteur
Définition 96. Soit M (a, b) ∈ R2 . Soit →−
u (α, β) un vecteur de R2 . On
définit le nombre dérivé de f en M suivant →
−
u , noté D→
u f (M ), par :
−
f (M + t→
−
u ) − f (M )
D→
u f (M ) = lim
−
t→0 t
On note aussi
→
−
u f (M ) = df (M ) · u
D→
−
Avec
df (M ) : R2 → R
→
−u 7→ df (M ) · →
−
u
∂f f (M + t→ −
e1 ) − f (M )
(M ) = lim
∂x t→0 t
f (a + t, b) − f (a, b)
= lim
t→0 t
Définition 98. On appelle deuxième dérivée partielle de f en M (a, b)
le nombre dérivé de f selon le deuxième vecteur de base de la base
canonique de R2 , →−
e2 . :
∂f f (M + t→ −
e2 ) − f (M )
(M ) = lim
∂y t→0 t
f (a, b + t) − f (a, b)
= lim
t→0 t
96 CHAPITRE 12. FONCTIONS DE R2 DANS R
avec :
0
1
−→ 0 −→ 1
t→
− = et t→
− =
i ∂f j ∂f
(a, b) (a, b)
∂x ∂y
∂2f ∂ ∂f
=
∂y 2 ∂y ∂y
∂2f ∂ ∂f
=
∂x∂y ∂x ∂y
∂2f ∂2f
Théorème 12. Théorème de SchwarzC : Si et sont conti-
∂x∂y ∂y∂x
nues sur A, alors :
∂2f ∂2f
=
∂x∂y ∂y∂x
g:A→R
(x, y) 7→ ϕ(f (x, y))
C Hermann Amandus Schwarz (Hermsdorf le 25 janvier 1843 - Berlin le 30 no-
ϕ:R→R
t 7→ f (x(t), y(t))
Equations différentielles
99
Chapitre 13
Équations différentielles
linéaires
13.1 Généralités
Définition 103. Soit A une partie de R. Soit (a0 , . . . , an , b) n + 1 fonc-
tions définies sur A. Soit (E) l’équation d’inconnue y, fonction n fois
dérivable sur une partie A de R :
101
102 CHAPITRE 13. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
∀t ∈ R, ay 0 (t) + by(t) = 0
b
∃K ∈ R, tel que ∀t ∈ R, y(t) = Ke− a t
On observe bien que l’espace des solutions ici est un espace vectoriel de
dimension 1.
103
104 CHAPITRE 14. ÉQUATION DIFFÉRENTIELLE
ar2 + br + c = 0
On détermine ∆C et on obtient :
→ ∆ > 0 : Il y a deux racines réelles, r1 et r2 . On obtient donc :
y : t 7→ y0 (t) + z(t)
Avec :
(
y0 : Solution particulière de l’équation avec second membre
z : Solution de l’équation homogène
A Qui est de dimension 2.
B Car ∀x ∈ R ex > 0.
C Le discriminant de l’équation caractéristique.
p
D r = −b et ω = |∆|
0 0 .
2a 2a
E Le x , qui ”fixe” l’espace vectoriel.
0
14.3. ÉQUATION DIFFÉRENTIELLE AVEC SECOND MEMBRE105
d
→ Si c 6= 0 : y0 : t 7→ est une solution particulière de l’équation
c
avec second membre.
d
→ Si c = 0 et b 6= 0 : y0 : t 7→ t est une solution particulière de
b
l’équation avec second membre.
f : t 7→ eαt
Intégration
107
Chapitre 15
Intégration de RiemannA
b−a
∀k ∈ [|0, n|], xk = a + k
n
A Georg Friedrich Bernhard Riemann (Breselenz le 17 septembre 1826 - Selasca le
109
110 CHAPITRE 15. INTÉGRATION DE RIEMANN
Propriété 129. Une fonction continue sur [a, b] est continue par mor-
ceaux.
Théorème 13. Soit ε > 0. Il existe deux fonctions en escalier sur [a, b],
ϕ et ψ, telles que
(
∀x ∈ [a, b], ϕ(x) ≤ f (x) ≤ ψ(x)
0 ≤ ψ(x) − ϕ(x) ≤ ε
Si b < a Z Z a
ϕ(x)dx = ϕ(x)dx
[a,b] b
Par convention
Z b Z a
ϕ(x)dx = − ϕ(x)dx
Z aa b
ϕ(x)dx = 0
a
C Définie par ε.
112 CHAPITRE 15. INTÉGRATION DE RIEMANN
Propriété 131. Soit ϕ et ψ deux fonctions en escalier sur [a, b]. Soit λ
et µ deux réels.
Z Z Z
(λϕ(x) + µψ(x))dx = λ ϕ(x)dx + µ ψ(x)dx
[a,b] [a,b] [a,b]
A+ = n [a,b] ϕ / ϕ ∈ E+ o
R
A− = ϕ / ϕ ∈ E−
[a,b]
R
Alors (un ) et (vn ) convergent vers [a,b]
f (x)dx
15.3.2 Linéarité
Propriété 135. Soit λ et µ deux réels, et f et g deux fonctions continues
par morceaux sur [a, b].
Z Z Z
(λϕ(x) + µϕ(x))dx = λ ϕ(x)dx + µ ψ(x)dx
[a,b] [a,b] [a,b]
Z b Z a
D Car f (x)dx = − f (x)dx.
a b
E Michel Chasles (Épernon le 15 novembre 1793 - Paris le 18 décembre 1880) était
un mathématicien français.
114 CHAPITRE 15. INTÉGRATION DE RIEMANN
Z Z
f (x)g(x)dx ≤ M |f (x)|dx
[a,b] [a,b]
Z
1
Définition 110. Soit µ = g(x)dx. µ est la valeur moyenne
b−a [a,b]
de g sur [a, b].
Z
g = µ(b − a)
[a,b]
∃K ∈ R, ∀x ∈ I, G(x) = F (x) + K
Changement de variables
Propriété 147. Soit (α, β) ∈ R2 . Soit [a, b] ⊂ R. Soit u une bijection
de classe C 1 de [α, β] sur un intervalle [a, b]. Soit f une fonction continue
sur [a, b].
Z b Z β
f (x)dx = f (u(t))u0 (t)dt
a α
Fonction impaire
Propriété 149. Si f est une fonction continue et impaire sur [−a, a],
alors : Z a
f (x)dx = 0
−a
Fonction périodique
Propriété 150. Si f est une fonction continue et T périodique sur R.
Soit a ∈ R.
Z a+T
f est indépendante de a
a
x
(x − t)n (n+1) (x − a)n+1
Z
∀x ∈ I, | f (t)dt| ≤ Mn+1
a n! (n + 1)!
Polynômes
119
Chapitre 16
Les polynômes
16.1 Définitions
Soit K un corpsA .
Définition 112. Un polynôme à coefficients dans K est une suite d’élé-
ments de K tous nuls à partir d’un certain rang. Soit P un polynôme.
Ceci s’écrit aussi :
P = a0 + a1 X + · · · + an X n
Xn
= ak X k
k=0
X∞
= ak X k
k=0
121
122 CHAPITRE 16. LES POLYNÔMES
16.1.1 Opérations
∞
X ∞
X
Soit P = ak X k et Q = bk X k deux polynômes. Soit λ ∈ K.
k=0 k=0
On définit les opérations suivantes sur les polynômes.
X∞
→ Une addition : P + Q = (ak + bk )X k
k=0
∞
X 0
→ Un produit : P × Q = (ak bk0 )X k+k
k,k0 ≥0
∞
X
→ Un produit par un scalaire : λ · P = (λak )X k
k=0
∞
X
→ Une composée : P (Q) = ak Qk
k=0
Il est à noter que le produit défini sur l’ensemble des polynômes n’est
pas le même que celui défini sur l’ensemble des suitesB . Nous allons voir
dans la suite l’utilité de cette définition.
P = a0 + a1 X + · · · + an X n
B Un polynôme est une suite, nous l’avons vu.
C Soit (P, Q) ∈ K[X]2 : (P Q = 0) ⇔ (P = 0 ou Q = 0). Cette propriété est une
conséquence de la définition du produit entre polynômes.
D Mais cet isomorphisme justifie cet abus.
16.1. DÉFINITIONS 123
16.1.5 Degré
∞
X
Définition 114. Soit P = ak X k un polynôme. On définit le degré
k=0
de P , noté deg(P ), par
deg(P ) = max {k ∈ N / ak 6= 0}
On appelle terme dominant de P le terme adeg(P ) X deg(P ) . Par conven-
tion
deg(0) = −∞
Définition 115. Soit n ∈ N. L’ensemble des polynômes de degré infé-
rieur ou égale à n est noté Kn [X].
16.1.6 Valuation
∞
X
Définition 116. Soit P = ak X k un polynôme. On définit la valua-
k=0
tion de P , notée val(P ), par
val(P ) = min {k ∈ N / ak 6= 0}
Par convention
val(0) = +∞
E Ce qui est possible grâce l’isomorphisme.
124 CHAPITRE 16. LES POLYNÔMES
Propriété 154. Les polynômes constants non nuls divisent tous les
autres.
Division euclidienne
Définition 118. Soit (A, B) ∈ K[X]2 tels que B soit non nul. Alors :
Propriété 156.
(
^
∀i ∈ [|0, α − 1|] D i (P )(r) = 0
r est une racine d’ordre α de P ⇔
D^α (P )(r) 6= 0
P = an (X − r1 )α1 . . . (X − rn )αn
16.2.4 Factorisation
Polynôme irréductible
Définition 122. Un polynôme est irréductible dans K[X] si il n’est
divisible dans K[X] que par les polynômes constants et par les produits
de lui-même par un constante.
Dans C[X]
Théorème 17. Tout polynôme non constant dans C[X] possède au
moins une racine complexe. (Théorème de D’Alembert-GaussF )
Propriété 158. Le Théorème de D’Alembert-Gauss nous permet donc
de dire que
→ Tout polynôme dans C[X] est scindé
→ Les seuls polynômes irréductibles de C[X] sont ceux de degré 1
Dans R[X]
Propriété 159. Soit P ∈ R[X]. Soit r ∈ C. Si r est une racine de
d’ordre α de P dans C, alors r est une racine d’ordre α de P dans C.
Propriété 160. Les polynômes irréductibles de R[X] sont :
→ Les polynômes de degré 1
→ Les polynômes de degré 2 avec un discriminant strictement né-
gatif
Espace vectoriel
127
Chapitre 17
Espace vectoriel
17.1 Définitions
Définition 123. Soit E un espace et K un corps. On dit que (E, +, ·)
est un K espace vectoriel si (E, +) est un groupe commutatifA et si la
loi · munie sur E vérifie les propriétés suivantes :
1- · est une loi de composition externe :
∀x ∈ E, ∀λ ∈ K, λ·x∈E
∀x ∈ E 1K · x = x
3- · vérifie :
∀x ∈ E, ∀(λ, µ) ∈ K2 , λ · (µ · x) = (λ · µ) · x
4- · vérifie :
∀x ∈ E, ∀(λ, µ) ∈ K2 , (λ + µ) · x = (λ · x) + (µ · x)
5- · vérifie :
∀(x, y) ∈ E2 , ∀λ ∈ K, λ · (x + y) = λ · x + λ · y
A Voir la fiche de méthodologie sur les structures.
129
130 CHAPITRE 17. ESPACE VECTORIEL
x=y+z
G = Vect(A)
17.3.1 Vocabulaire
1. Une application linéaire de E dans F est appelée un morphismeD
d’espace vectoriel.
2. Une application linéaire de E dans E est appelée un endomor-
phisme de E.
3. Une application linéaire bijective est appelée un isomorphisme.
4. Une application linéaire bijective de E dans E est appelée un au-
tomorphisme de E.
On note L(E, F) l’ensemble des applications linéaires de E dans F. Si
F=E, on note cette ensemble L(E).
Image
Définition 129. On appelle image de f l’ensemble des images de tous
les vecteurs de E par f :
Im(f ) = {f (x) / x ∈ E}
Noyau
Définition 130. On appelle noyau de f l’ensemble des antécédents de
OF par f :
Ker(f ) = {x ∈ E / f (x) = 0}
Ker(f ) est un sous espace vectoriel de E.
Propriété 168. f est une application injective si et seulement si Ker(f )
est réduit au vecteur nul :
17.3.3 Structures
1. (L(E, F) est un espace vectoriel.
2. (L(E), +, ×, ·) est une K Algèbre commutative : On peut donc
utiliser les identités remarquables.
3. (L(E), +, o, ·) est une K Algèbre.
4. GL(E) est appelé groupe des automorphismes de E. Dans ce groupe :
(f og)−1 = g −1 of −1
17.3.4 Projecteur
Définition 131. Soit E un K espace vectoriel, soit F et G deux sous
espaces vectoriels supplémentaires de E. Soit x ∈ E
2. Ker(q) = F
3. poq = OE
4. p + q = Ide
Propriété caractéristique
Propriété 172. Si :
f est linéaire
f of = f
Alors f est une projection sur F parallèlement à G avec :
F = {x ∈ E / f (x) = x}
G = Ker(f )
17.3.5 Symétrie
Définition 132. Soit E un K espace vectoriel. Soit F et G deux sous
espaces vectoriels supplémentaires de E. Soit x ∈ E
s(x) = y − z
avec :
s(x) = x ⇔ x ∈ F
s(x) = −x ⇔ x ∈ G
Propriété 173. Soit s une symétrie :
1. s est une application linéaire
2. sos = Ide, donc s est une bijection
Propriété caractéristique
Propriété 174. Si :
f est linéaire
f of = Ide
Alors f est une symétrie
Chapitre 18
Espace vectoriel de dimension
finie
λ1 u1 + · · · + λp up = OE
135
136 CHAPITRE 18. ESPACE VECTORIEL - DIMENSION FINIE
Vecteurs colinéaires
Soit u et v deux vecteurs de E. u et v sont colinéaire si et seulement
si la famille {u, v} est liée.
∀i ∈ [|1, p|], λi = 0
18.1.4 Base
Soit E un K espace vectoriel.
Base de référence
Dans certains espaces, il y a des bases de références. Ces bases sont
appelé bases canoniques. Par exemple :
1. Rn [X] = Vect{1, X, X 2 , . . . , X n }A
mathématicien allemand.
138 CHAPITRE 18. ESPACE VECTORIEL - DIMENSION FINIE
xp
Si f ∈ L(E, F), alors :
Alors f = g F .
F Car f et g sont linéaires, et donc l’image de tout vecteur de E peut s’exprimer
sous la forme d’une combinaison linéaire des images des vecteurs de base
18.4. APPLICATION LINÉAIRES ENTRE DEUX ESPACES DE DIMENSION FIN
rang(f ) = dim(Im(f ))
Propriété 192.
Propriété 194. Le noyau d’une forme linéaire non nuls est un hyper-
planG .
18.4.6 Isomorphisme
Définition 142. On considère E et F deux espaces vectoriels de dimen-
sions finies. On dit que E et F sont isomorphes si il existe un isomor-
phisme de E dans F. Dans cette situation, on obtient :
1. Ker(f ) = {OE }
2. Im(f ) = F
3. Deux espaces isomorphe ont même dimensionH
4. Soit BE une base de E, f un isomorphisme, alors f (BE ) est une
base de E.
Espace Affine
143
Chapitre 19
Espace Affine
19.1 Définitions
Définition 143. Soit ξ un ensemble. On dit que ξ est un espace affine
de direction l’espace vectoriel E si il existe ϕ définie par :
ϕ : ξ2 → E
−−→
(A, B) 7→ →
−
u = AB
telle que :
→ ∀(A, B, C) ∈ ξ 3 , ϕ(A, B) + ϕ(B, C) = ϕ(A, C) (Relation de
Chasles)
−−→ −
→ ∀A ∈ ξ, ∀→−
u ∈ E, ∃!B ∈ ξ tel que AB = →
u
145
146 CHAPITRE 19. ESPACE AFFINE
ϕ f
Identité Translation
RotationD d’angle θ [2π] RotationE d’angle θ [2π] de centre Ω
f = t−
→ or
u1
= rotu−
→
1
D vectorielle
E affine
Chapitre 20
Équation linéaire
f (x) = b
149
150 CHAPITRE 20. ÉQUATION LINÉAIRE
1. b ∈ Im(f )
2. f est injective
Matrice
151
Chapitre 21
Matrices
21.1 Définition
Définition 149. Une matrice à n lignes et p colonnes à coefficient dans
K est définie par :
a11 a12 . . . a1p
a21 a12 . . . a1p
M = .
.. .. ..
.. . . .
an1 an2 . . . anp
= [aij ]1≤i≤n
1≤j≤p
Li = (xi1 , . . . , xip )
153
154 CHAPITRE 21. MATRICES
Cj = (x1j , . . . , xnj )
Addition
Définition 158. L’addition, notée +, des matrices est une addition
composantes par composantes.
Multiplication interne
Définition 159. Soit M = [xij ] ∈ Mn,p (K) et N = [yij ] ∈ Mp,q (K).
La matrice du produit de M par N , notée M × N , est une matrice de
Mn,q (K). Notons M × N = [zij ]. On pose
p
X
∀(i, j) ∈ [|1, n|] × [|1, q|], zij = xik ykj
k=1
Multiplication externe
Soit λ ∈ K. La loi de multiplication externe est notée ·. La multipli-
cation d’une matrice par un scalaire est la multiplication de chacune de
ces composantes par ce scalaire.
156 CHAPITRE 21. MATRICES
21.2.2 Structure
Propriété 207. Nous avons les structures suivantes pour l’ensemble
des matrices :
→ (Mn,p (K), +) est un groupe commutatif d’élément neutre [0]A .
→ (Mn,p (K), +, ·) est un K espace vectoriel.
→ (Mn (K), +, ×, ·) est une K algèbre de dimension n2 . Soit A et B
deux matrices carrée d’ordre n. Si A et B commutentB , alors les
identités remarquables sont utilisables.
j
0 ... 0
Eij = ..
..
. 1 . i
0 ... 0
L’ensemble {E11 , . . . , Enp } est une base de Mn,p (K) et dim(Mn,p (K)) =
n × p. Cette base est appelé base canonique de Mn,p (K).
21.3.2 Trace
Définition 161. Soit M ∈ Mn (K). On définit la trace de la matrice
carrée M comme la somme des termes de sa diagonale :
n
X
Trace(M ) = xkk
i=1
t
(A × B) = tB × tA
et
Trace(A × B) = Trace(B × A)
mais généralement A × B 6= B × A.
158 CHAPITRE 21. MATRICES
M ×T =λ·M
M × In = In × M
=M
(A × B)−1 = B −1 × A−1
rang(A) = rang({C1 , . . . , Cp })
= dim(Vect{C1 , . . . , Cp })
et de plus
0 ≤ rang(A) ≤ min({n, p})
Matrice triangulaire
Soit T = [tij ] ∈ Mn (K). Si ∀i ∈ [|1, n|], tii 6= 0, alors T est de rang
n.
C C’est aussi le rang de la famille formée de ses vecteurs lignes, ce qui revient à
u = x1 e1 + · · · + xn en
xn
161
162 CHAPITRE 22. MATRICE - ESPACE DE DIMENSION FINIE
xnj
Alors :
x11 ... x1p
.. .. ..
matB (u1 , . . . , up ) = . . .
xn1 ... xnp
Alors :
Y = MX
Propriété 217. Soit u ∈ E. Soit f une application de E dans F. Soit
(
X = matBE (u)
Y = matBF (f (u))
Propriété 219. P est une matrice inversible, et son inverse est donnée
par :
P −1 = matB0 (B)
X = P X0
Alors :
M 0 = Q−1 M P
Si f est un endomorphisme, Q = P , donc :
M 0 = P −1 M P
0
A On note aussi cette matrice PB B .
B Cette matrice est un cas particulier de la matrice M étudiée dans la section
précédente, dans lequel l’application f est l’identité de E.
164 CHAPITRE 22. MATRICE - ESPACE DE DIMENSION FINIE
Alors
Trace(M ) = Trace(M 0 )
La trace est donc invariante par changement de baseD .
ϕ : En → K
(u1 , . . . , un ) 7→ ϕ(u1 , . . . , un )
ϕ est une forme n-linéaire si elle est linéaire par rapport à chacune de
ses variables.
167
168 CHAPITRE 23. DÉTERMINANTS
1
detB0 (B) =
detB (B0 )
Formulaire
→ detB (B) = 1
→ detB (λu1 , . . . , λun ) = λn det(u1 , . . . , un )
B D’après la propriété précédente.
C Concient que l’on travaille dans un espace de dimension n
170 CHAPITRE 23. DÉTERMINANTS
det(A) = d1 d2 . . . dn
Matrice triangulaire
Soit A une matrice triangulaire de diagonale (t11 , . . . , tnn ). On ob-
tient :
det(A) = t11 . . . tnn
Espace vectoriel
euclidien
173
Chapitre 24
Espaces vectoriels euclidiens
Positive : ∀x ∈ E, < x, x >≥ 0
Définie : ∀x ∈ E, < x, x >= 0 ⇒ x = 0
|| || : E → K
√
u 7→ ||u|| = < u, u >
est une norme sur E. Cette norme est appelé norme déduite du produit
scalaire < , >.
175
176 CHAPITRE 24. ESPACES VECTORIELS EUCLIDIENS
24.2 Propriétés
Soit E un R espace euclidien.
< u, v >= x1 y1 + · · · + xn yn
A Pour le produit scalaire < , >. L’orthogonalité est dépendant du produit scalaire
défini sur l’espace E.
B Pythagore (Samos, le 580 av J.C - 497 av J.C) était un mathématicien grec.
C Augustin Louis, baron Cauchy, (Paris le 21 août 1789 - Sceaux le 23 mai 1857)
Bases orthonormées
Propriété 251. Soit B1 une base orthonormée directe de E. Soit B une
base de E.
(
detB1 (B) = 1 alors B est une base orthonormée directe
detB1 (B) = −1 alors B est une base orthonormée indirecte
Propriété 252. Soit (u1 , . . . , un ) ∈ Rn . Soit B et B’ deux bases ortho-
normées directes :
detB (u1 , . . . , un ) = detB0 (u1 , . . . , un )
Ce déterminant commun à toutes les bases orthonormées directes est
noté Det(u1 , . . . , un ).
F⊥ = {x ∈ E / ∀y ∈ F, < x, y >= 0}
(F⊥ )⊥ = F
ϕ(u) = a1 x1 + · · · + an xn
On obtient donc :
ϕ(u) =< a, u >
Avec < , > le produit scalaire usuel de Rn . Par conséquence :
Ker(ϕ) = (Vect(a))⊥
‘
182 CHAPITRE 24. ESPACES VECTORIELS EUCLIDIENS
Chapitre 25
Espace euclidien de dimension
3
25.1 Définitions
25.1.1 Angle de deux vecteurs non nuls
Soit →
−u et →
−
v deux vecteurs non nuls de E, non colinéaires. Soit θ
l’angle entre u et →
→
− −v . Soit →
−n un vecteur orthogonale à → −
u et →
−
v . On
obtient :
<→−u,→−v >= ||→ −
u ||||→
−
(
v || cos(θ)
Det( u , v , n ) = || u ||||→
→
− →
− →
− →
− −
v ||||→
−
n || sin(θ)
183
184 CHAPITRE 25. ESPACE EUCLIDIEN DE DIMENSION 3
1. Alternée : →−
u ∧→−
v = −→−v ∧→ −
u
2. Bilinéaire.
→
− → − →
−
i ∧ j = k
− →
→ − →
−
3. Vérifiant : j ∧ k = i
→
− → − →
−
k ∧ i = j
La définition du produit vectoriel est indépendante du choix de la base
orthonormée.
Propriété 263. Soit → −
u et →
−
v deux vecteurs de E.
→
− →
−
u ∧→−v = 0 ⇔→ −u et →−v sont colinéaires
Propriété 264. Soit →
−u et →
−v deux vecteurs de E et θ l’angle entre ces
deux vecteurs.
||→
−u ∧→−
v || = ||→
−
u || · ||→
−
v || · | sin(θ)|
→
− →
−
Propriété 265. Soit u et v deux vecteurs de E non colinéaires. Alors :
(→
−
u ∧→
−
v )⊥→
−
u
→
−u ∧→ −v est l’unique vecteur orthogonal à →
−
u et à →
−
v A tel que la base
→
− →
− →
− →
−
( u , v , u ∧ v ) soit directe.
→
− →
− − −c )→
− →
− −
a ∧(b ∧→ c ) = (→
−
a ·→ b − (→
−a · b )→
c
On peut le retenir avec l’écriture suivante :
→
− →
− − →
− − → →
−
a ∧(b ∧→ c ) = b (→a · −c ) − →
−c (→
−
a · b)
En se souvenant du BAC - CAB. Cependant, cette écriture n’est pas
standardB .
26.1 Généralités
Définition 190. Soit f ∈ L(E). f est une isométrie vectorielle si et
seulement si
∀x ∈ E, ||f (x)|| = ||x||
Autrement dit, une isométrie vectorielle est une application vectorielle
qui conserve la norme.
Définition 191. Nous avons une définition équivalente à la précédente
pour une isométrie vectorielle. Soit f ∈ L(E). f est une isométrie vec-
torielle si et seulement si :
∀(x, y) ∈ E2 , < f (x), f (y) >=< x, y >
Autrement dit, une isométrie vectorielle est une application vectorielle
qui conserve le produit scalaire.
Propriété 268. Soit f une isométrie vectorielle. On dit que f est un
endomorphisme orthogonale.
Propriété 269. Une isométrie vectorielle est bijective.
Propriété 270. La réciproque d’une isométrie vectorielle est une iso-
métrie vectorielle.
185
186 CHAPITRE 26. ISOMÉTRIE VECTORIELLE
f mat
B (f ) Det Inv(f )
cos(x) − sin(x)
Rotation d’angle θ +1 {0}A
sin(x) cos(x)
cos(x) sin(x)
Symétrie ⊥ par rapport à D -1 D
sin(x) − cos(x)
26.3.2 Rotation
Définition 192. Soit D une droite vectorielle orientée et θ un réel. La
rotation d’axe de D et d’angle θ est l’application linéaire r telle que :
B Base orthonormée directe, avec F = Vect(e1 ).
C Base orthonormée directe, F = Vect(e1 , e2 ).
188 CHAPITRE 26. ISOMÉTRIE VECTORIELLE
→ ∀u ∈ D, r(u) = u
→ Le plan D⊥ soit stable par r et que la restriction de r à ce plan
soit une rotation plane d’angle θ orienté par D.
26.3.3 Classification
Soit f une isométrie vectorielle. Soit Inv(f ) l’ensemble des vecteurs
invariants par f .
D Car un sous espace vectoriel et son orthogonale sont en somme directe.
26.3. ISOMÉTRIE VECTORIELLE DE DIMENSION 3 189
FE f Base Matrice
Det
1 0 0
3 Ide Quelconque 0 1 0 1
0 0 1
1 0 0
2 sp F (→
−
e1 , →
−
e2 , →
−
e3 ) 0 1 0 -1
0 0 −1
1 0 0
1 r(D,θ)G (→
−
e1 , →
−
e2 , →
−
e3 ) 0 cos(θ) − sin(θ) 1
0 sin(θ) cos(θ)
−1 0 0
0 sp or(D, θ)H (→
−
e1 , →
−
e2 , →
−
e3 ) 0 cos(θ) − sin(θ) -1
0 sin(θ) cos(θ)
Autre résultat
Propriété 279. La matrice d’une projection orthogonale dans une base
orthonormée est symétrique
E La dimension de F.
F Une réflexion
G Rotation d’axe D, avec D = Inf(f ) et d’angle θ
H Composé une rotation et d’une réflexion.
190 CHAPITRE 26. ISOMÉTRIE VECTORIELLE
Treizième partie
Les Annexes
191
Annexe A
Matrices
A.1.1 Interprétation
193
194 ANNEXE A. MATRICES
A.1.3 Astuce
Si n est assez faible, 2 ou 3, on multiplie A par elle même jusqu’à
obtenir une matrice de la forme :
An = λA + µIn
M 0 = P −1 M P
avec :
M 0 = matB0E (f )
M = matBE (f )
P = matBE (B0E )
2nd méthode
Cette méthode est valable si on connait l’endomorphisme associé à
la matrice M . On sait que M 0 , la matrice dans la nouvelle base, est
construite à l’aide des l’images par f des vecteurs de l’ancienne base,
BE , en fonction de la nouvelle, B0E . On calcule donc l’image des vecteurs
de BE par f , puis on les expriment en fonction des vecteurs de la base
B0E .
X 0 = P −1 X
A.3. BASE DU NOYAU 195
avec :
X = matBE (x)
X 0 = matB 0 E (x)
−1
P = matBE0 (BE )
N um λ1 λα µ1 µβ
= ... ...
(X − a)α (X − b)β (X − a) (X − a)α (X − b) (X − b)β
197
198 ANNEXE B. FRACTION RATIONNELLE
B.2.1 Dans C
Pôle simple
P P
Si F = = , avec a qui n’est pas racine de Q1 . On
Q (X − a)Q1
obtient que la décomposition de F est de la forme :
λ
F = F0 +
X −a
Avec a qui n’est pas un pôle de F0 . Il existe deux techniques principale
pour déterminer λ :
I) On multiple F par le dénominateur, X − a
P
(X − a)F = = F0 (X − a) + λ
Q1
Et on détermine la valeur en a.
P̃ (a)
λ=
Q̃1 (a)
II) On utilise la dérivé. On applique la formule de Taylor en a pour
Q. Et on obtient, au final, que
P̃ (a)
λ=
Q̃0 (a)
Parité
Si on a F (−X) = −F (X) ou F (−X) = F (X), on développe les
expressions et on obtient entre les différentes coefficients des relations,
ce qui limite le nombre de coefficients à déterminer.
B.2.2 Dans R
Décomposition indirecte
Si on a la décomposition dans C, avec des pôles imaginaires, on met
sous le même dénominateur les fractions avec les pôles conjugués. On
obtient la décomposition dans R.
B.2. DÉCOMPOSITION EN ÉLÉMENTS SIMPLES 199
Décomposition direct
→ Soit on passe par un ensemble de valeurs particulières, pour dé-
terminer les différents coefficients.
→ Soit, si possible, on utilise un pôle complexe, et on détermine les
coefficient. Par exemple, on utilise la valeur en i de (X 2 + 1)F .
200 ANNEXE B. FRACTION RATIONNELLE
Annexe C
Intégrale
C.2 Primitive
Soit f définie sur un ensemble E :
→ Si E n’est pas un intervalle, alors on ne peut rien dire à priori.
→ Si E est un intervalle :
→ Si f n’est pas continue en un réel de E, alors on ne peut rien
dire à priori.
→ Si f est continue par morceaux sur E, alors f admet un en-
semble de primitives.
201
202 ANNEXE C. INTÉGRALE
C.2.1 Dérivabilité
On définit une fonction primitive de f , qui est une fonction continue
par morceaux sur son domaine de définition. On la note F . On obtient :
Ce qui permet de dire que g est dérivable, comme F est par définition
dérivable et d’obtenir l’expression de la dérivée.
Annexe D
Procédé d’orthonormalisation
de Gram-Schmidt
Soit (u, v, w) une base de R3 . (On peut étendre cette méthode pour
une base de Rn ). On recherche une base orthonormée de R3 : (e1 , e2 , e3 ).
Cette base doit vérifier :
→ Vect(e1 )=Vect(u)
→ Vect({e1 , e2 }) = Vect({u, v})
→ Vect({e1 , e2 , e3 }) = R3
On construit la base de la façon suivante. Pour e1 , on pose directement :
u
e1 =
||u||
A2 = v + λu
< A2 , e1 >= 0
On obtient λ. On pose :
A2
e2 =
||A2 ||
203
204ANNEXE D. PROCÉDÉ D’ORTHONORMALISATION DE GRAM-SCHMIDT
A3 = w + λu + µv
Et on obtient e3 :
A3
e3 =
||A3 ||
Annexe E
Fonctions de R2 dans R
205
206 ANNEXE E. FONCTIONS DE R2 DANS R
→ lim y2 (t) = b
t→α
Puis si on obtient, avec l différents de l0 :
→ lim f (x1 (t), y1 (t)) = l
t→t0
→ lim f (x2 (t), y2 (t)) = l0
t→α
Alors on en déduit que la limite en (a, b) de f n’existe pas.
Annexe F
Plan d’étude des fonctions de
R dans R
207
208ANNEXE F. PLAN D’ÉTUDE DES FONCTIONS DE R DANS R
y 0 (t)
lim
t7→t0 x0 (t)
209
210 ANNEXE G. PLAN D’ÉTUDE D’UN ARC PARAMÉTRÉ
y(t)
→ lim
t→t0 x(t)
→ ∞ : Branche de direction Oy
→ a∈R
→ lim y(t) − ax(t)
t→t0
→ b ∈ R : y = ax + b asymptote
→ ∞ ou ∅ : Branche de direction ax
→ 0 : Branche de direction Ox
→ ∅ : Aucune méthode
6. Concavité :
→
−
→ Étude du signe de Det(→−
v A , Γ B ).
→
−
→ L’angle (→
−
v , Γ ) donne la position de la tangente.
→ Les points d’inflexion sont les points de changements de conca-
vité.
7. Point double. On résout le système suivant, d’inconnues (t, t0 ),
avec t 6= t0 :
x(t) = x(t0 )
y(t) = y(t0 )
A La vitesse.
B L’accélération.
Annexe H
Les structures d’algèbre
H.1 Groupe
Un groupe est un ensemble munie d’une loi de composition interne.
Soit E un ensemble munie de la loi de composition interne +, noté
(E, +). (E, +) est un groupe si et seulement si
1. + est une loi de composition interne :
∀(x, y) ∈ E2 x+y ∈E
2. + est une loi associative :
∀(x, y, z) ∈ E3 (x + y) + z = x + (y + z)
3. + possède un élément neutre, noté OE A :
∀x ∈ E x + OE = OE + x
=x
4. Tous éléments x de EB est symétrisable pour + dans E. Ce symé-
trique est −x :
∀x ∈ E x + (−x) = (−x) + x = OE
A On l’appelle vecteur nul de E.
B Soit x ∈ E. x est appelé vecteur de E.
211
212 ANNEXE H. LES STRUCTURES D’ALGÈBRE
H.2 Anneau
Un anneau est un ensemble muni de deux lois : Une loi de composi-
tion interne et une loi de composition externe. Soit E un ensemble munie
de la loi de composition interne + et de la loi de composition externe ·,
noté (E, +, ·) E est un anneau si et seulement si
1. (E, +) est un groupe commutatif.
2. La loi · est associative et distributiveG par rapport à la loi +.
H.3 Corps
Un corps est un ensemble muni de deux lois de compositions in-
ternes, généralement notées + et ×. Soit K un ensemble muni des lois
de compositions internes + et ×. (K, +, ×) est un corps si et seulement
si
1. (K, +) est un groupe commutatif.
2. × est distributive par rapport à +.
H.4 K algèbre
Une K algèbre est un ensemble muni de deux lois de compositions in-
ternes, généralement notées + et ×, et d’une loi de composition externe,
généralement notée ·. Soit (E, +, ·, ×) une K algèbre. Une K algèbre vé-
rifie les propriétés suivantes :
C+ est une loi de composition interne.
D + est une loi de composition associative.
E + possède un élément neutre.
F Aussi appelé magma associatif unifère commutatif.
G ∀(λ, µ) ∈ K 2 , ∀(x, y) ∈ E 2 , (λ + µ) · (x + y) = λ · x + λ · y + µ · x + µ · y.
H.4. K ALGÈBRE 213
I.1 Formules
I.1.1 Décomposition
→ cos(a + b) = cos(a) cos(b) − sin(a) sin(b)
tan(a) + tan(b)
→ tan(a + b) =
1 − tan(a) tan(b)
tan(a) − tan(b)
→ tan(a − b) =
1 + tan(a) tan(b)
215
216 ANNEXE I. TRIGONOMÉTRIE
2 tan(a)
→ tan(2a) =
1 − tan2 (a)
I.1.3 Linéarisation
→ 2 cos(a) cos(b) = cos(a + b) + cos(a − b)
1 + cos(2a)
→ cos2 (a) =
2
1 − cos(2a)
→ sin2 (a) =
2
I.1.4 Somme
Soit (p, q) ∈ R2 .
p+q p−q
→ cos(p) + cos(q) = 2 cos cos
2 2
p+q p−q
→ cos(p) − cos(q) = −2 sin sin
2 2
p+q p−q
→ sin(p) + sin(q) = 2 sin cos
2 2
p+q p−q
→ sin(p) − sin(q) = 2 cos sin
2 2
Fonctions trigonométriques
sin(x)
lim =1
x→0 x
1 − cos(x) 1
lim 2
=
x→0 x 2
arcsin(x)
lim =1
x→0 x
tan(x)
lim =1
x→0 x
Fonctions hyperboliques
ch(x) 1
lim =
x→+∞ ex 2
sh(x) 1
lim x
=
x→+∞ e 2
ch(x) − 1 1
lim =
x→+∞ x2 2
219
220 ANNEXE J. LIMITES CLASSIQUES
Fonctions exponentielles
ex
lim = +∞
x→+∞ xα
ex − 1
lim =1
x→0 x
lim |xα |ex = 0
x→−∞
Fonctions logarithmes
(ln(x))α
lim =0
x→+∞ xβ
ln(1 + x)
lim =1
x→0 x
lim xα |ln(x)|β = 0
x→0
Fonction polynômes
P (x)
lim = Limite des termes de plus bas degré
x→0 Q(x)
P (x)
lim = Limite des termes de plus haut degré
x→∞ Q(x)
Autres
(1 + x)α − 1
lim =α
x→0 x
∞
∞
∞−∞
∞×0
1∞
Annexe K
Vos annexesA
221
222 ANNEXE K. VOS ANNEXES
223
224 ANNEXE K. VOS ANNEXES
225
226 ANNEXE K. VOS ANNEXES
227
228 ANNEXE K. VOS ANNEXES
Index
229
230 INDEX
O Relation d’ordre, 15
Ordre de multiplicité d’une racine, Riemann (Intégrale de), 111
125 Rolle (Théorème de), 27
Orthogonal d’un sous espace, 179 Rotation, 54
Orthogonalité, 52
S
P Schwarz (Théorème de), 97
Parabole, 87 Segment, 18
Partie bornée, 17 Segments emboités, 67
Partie dense, 17 Similitude, 55
Partie entière, 17
Sinus hyperbolique, 30
Partie imaginaire, 45
Solution particulière d’une équation
Partie principale d’un développe-
différentielle, 105
ment limité, 39
Somme de Riemann, 112
Partie réelle, 45
Somme directe, 130
Pas d’une subdivision, 109
Sous espace orthogonaux, 178
Plan complexe, 46
Sous espaces vectoriels supplémen-
Point régulier d’un arc, 78
taires, 131
Point singulier d’un arc, 78
Sous-espace vectoriel, 130
Points, 145
Sous-espaces vectoriels supplémen-
Polynôme, 121
taires, 139
Polynôme irréductible, 126
Sous-groupe de R, 18
Polynôme scindé, 125
Steinitz (Lemme de), 137
Principe de superposition, 106
Subdivision, 109
Produit mixte, 184
Subdivision régulière, 109
Produit scalaire, 175
Suite équivalente, 73
Produit vectoriel, 183
Projecteur, 133 Suite adjacente, 67
Projecteurs associés, 133 Suite arithmétique, 60
Projection orthogonale, 179 Suite convergente, 63
Pythagore (Théorème de), 176 Suite définie par récurrence, 71
Suite divergente, 66
R Suite dominée, 72
Règle de D’Alembert Suite extraite, 65
Pour les suites numérique, 72 Suite géométrique, 60
Racine multiple d’un polynôme, 125 Suite négligeable, 72
Racine n-ème d’un complexe, 49 Suite numérique, 59
Racine n-ème de l’unité, 49 Suite numérique complexe, 69
Racine simple d’un polynôme, 125 Suite vérifiant une relation de ré-
Rang d’une famille, 139 currence, 60
Rang d’une matrice, 159 Suites de même nature, 74
INDEX 233
U
Unicité du développement limité,
39
V
Valuation d’un polynôme, 123
Vecteur colonne, 154
Vecteur ligne, 153
Vecteurs colinéaires, 136