Académique Documents
Professionnel Documents
Culture Documents
MPSI
TOME II - Mathématiques
Jean-Baptiste Théou
J’ai décidé d’éditer cet ouvrage sous la licence Créative Commons suivante : CC-by-nc-sa.
Pour plus d’information :
http ://creativecommons.org/licenses/by-nc-sa/2.0/fr/.
Ce type de licence vous offre une grande liberté, tout en permettant de protéger mon travail contre
une utilisation commercial à mon insu par exemple.
Pour plus d’information sur vos droits, consultez le site de Créative Commons
i
Avant-propos
Il y a un plus d’un an, au milieu de ma SUP MP, j’ai décidé de faire mes fiches de révision à
l’aide de Latex, un "traitement de texte" très puissant. Il en résulte les fiches qui suivent. Je pense
que travailler sur des fiches de révision, totalement séparé de notre cours, est un énorme plus, et
réduit grandement la quantité de travail pour apprendre son cours, ce qui laisse plus de temps
pour les exercices. Mon experience en tout cas va dans ce sens, j’ai notablement progressé à l’aide
de ces fiches.
J’ai décidé de les rassembler sous forme d’un "livre", ou plutôt sous forme d’un recueil. Ce livre
à pour principal interet pour moi d’être transportable en cours. C’est cet interet qui m’a poussé à
faire ce livre.
Dans la philosophie de mes fiches de révision, ce livre est disponible gratuitement et librement
sur mon blog. Il est édité sous License Créative Commons. Vous pouvez librement adapter ce
libre à vos besoins, les sources Latex sont disponibles sur mon blog. Je pense que pour être en
accord avec la philosophie de ces fiches, il serai bien que si vous effectuez des modifications de
mon ouvrage, vous rendiez ces modifications disponible à tous. Je laisserai volontiers une place
pour vos modifications sur mon blog. Je pense sincèrement que ce serai vraiment profitable au
plus grand nombre, et dans la logique de mon travail.
J’ai hiérarchisé mon ouvrage de façon chronologique, tout en rassemblant les chapitres portant
sur le même sujet sous une même partie. Les parties sont rangées dans l’ordre "d’apparition" en
MPSI. J’ai mis en Annexe des petites fiches de méthodologie, qui peuvent s’avérer utiles.
Je vous souhaite une bonne lecture, et surtout une bonne réussite.
Jean-Baptiste Théou
iii
Remerciements
S RINIVÂSA A IYANGÂR
R ÂMÂNUJAN(1886-1920)
v
Première partie
Fonctions de R dans R
1
Chapitre 1
R
1.1 Définitions
1.2 Structure
Définition 1 (R,+,×) est un corps totalement ordonnée. On dit qu’il est archimédien.
Majorant
Définition 3 Si M est un majorant de A, avec M ∈ A, alors :
M = M ax(A)
Définition 4 Si M est le plus petit des majorants de A, alors M est la borne supérieure de A :
M = Sup(A)
Sup(A) = M ax(A)
Minorant
Définition 5 Si M est un minorant de A, avec M ∈ A, alors :
M = M in(A)
3
Définition 6 Si M est le plus grand des minorant de A, alors M est la borne inférieure de A :
M = Inf (A)
Propriété 4 Toute partie de R non vide et majorée possède une borne supérieure.
Propriété 5 Toute partie de Z non vide et majorée possède un plus grand éléments. (Max)
∃M ∈ R tq ∀a ∈ A, |a| ≤ M
∃p ∈ Z tq y < px
D(x) = x − E(x)
1.2.5 Densité
Définition 9 Soit A une partie de R
A est dense dans R si, avec x 6= y :
∀(x, y) ∈ R2 ∃a ∈ A tq a ∈]x; y[
Propriété 7 Puisque l’espace des fractions rationnels, notée Q, est dense dans R, si x ∈ R, alors il existe
une suite de rationnelle qui converge vers x.
1.3 Partie de R
Définition 10 Soient (a,b)∈ R2 . On appelle segment d’extrémité a,b :
[a, b] = {x ∈ R/a ≤ x ≤ b}
∀x ∈ I, ∀y ∈ I, [x; y] c I
1.3.1 Sous-groupes de (R ;+)
Critère de reconnaissance des sous-groupes
Définition 12 Soit H une partie de R.
On dit de H est un sous-groupe de (R ;+) si (H ;+) est un groupe.
2.1 Définitions
2.1.1 Définitions
Définition 13 Soit f définie sur un voisinage d’un réel a. f est dérivable en a si :
f (x) − f (a)
lim
x7→a x−a
existe dans R
Si f est dérivable, cette limite est le nombre dérivée de f en a.
Propriété 9 Le nombre dérivé est la pente d’une droite passant par a. Cette droite est appelé tangente à la
courbe représentative de f au point d’abscisse a.
L’équation de cette tangente est :
y = f (a) + f 0 (a)(x − a)
avec :
lim ε(x) = 0
x→a
7
2.1.4 Théorème de Rolle
Théorème 1 Si :
f est continue sur [a,b]
f est dérivable sur ]a,b[
f (a) = f (b)
alors :
∃c ∈]a, b[ tq f 0 (c) = 0
|f (b) − f (a)| ≤ M |b − a|
Conséquence
→ Si f est croissante sur I, alors f’(a) ≥ 0
→ Si f et g sont dérivable sur [a,b], avec : ∀x ∈ [a, b] f 0 (x) ≤ g 0 (x), alors :
Opération
2.1.8 Formulaire
∀n ∈ N , ∀x ∈ R :
nπ
cos(n) (x) = cos(x + )
2
nπ
sin(n) (x) = sin(x + )
2
2.1.9 Formule de Leinbniz
Soient f et g deux fonctions n fois dérivable sur I :
n
n)
X n
(f g) = f (k) .g (n−k)
k
k=0
Chapitre 3
Étude locale d’une fonction
f (x) h(x)
f (x) h(x)
11
→ Si f (x) ∼ g(x), g(x) h(x) alors :
f (x) h(x)
f (x) ∼ u(x)
Alors f (x) × g(x) ∼ u(x) × v(x)
g(x) ∼ v(x)
De plus :
f (x) u(x)
∼
g(x) v(x)
Soit α un réel :
(f (x))α ∼ (u(x))α
| f (x) |∼| u(x) |
Changement de variable
Le changement de variable dans un équivalent est autorisé, mais pas la composé ne l’est pas.
Propriété 14 Si f (x) ∼ g(x), alors lima f et limb f ont même nature et si elles existent sont égales
xn (n)
f (x) = f (0) + f 0 (0)x + ... + f (0) + o(xn )
n!
Si f est de classe C n sur un voisinage de a, Va , a ∈ R, alors ∀x ∈ Va :
(x − a)n (n)
f (x) = f (0) + ... + f (a) + o((x − a)n )
n!
Chapitre 4
Développements limités
f (x) = o(g(x))
4.2 Définitions
Définition 20 Soit f une fonction définie au voisinage de O.
On dit que f possède un développement limité d’ordre n si il ∃(a0 , ...an ) ∈ Rn telque :
x 7→ a0 + a1 x + ... + an xn
f (x) ∼ ap xp
15
→ f est dérivable ⇔ ∃ un développement limité d’ordre 1
De plus :
(f est dérivable en a)⇔ (f est défini en a,
et f possède au voisinage de a un développement limité d’ordre 1)
4.7.1 Tangente
Propriété 15 Si, au voisinage de a, f(x) = λ0 + λ1 (x − a) + o((x − a)), alors :
y = λ0 + λ1 (x − a)
est tangent à la courbe en a. Le terme suivant non nul détermine la position relative de la tangente par
rapport à la courbe.
4.8 Développement limité généralisé
Soit α ∈ R
Les suites
19
Chapitre 5
Suite numérique - Géneralité
5.1 Propriétés
5.1.1 Opérations
Soit (a),(b),(c) trois suites. On peut effectuer trois types d’opérations sur les suites :
→ Une somme :
((a) + (b) = (c)) ⇔ (∀n ∈ N a + b = c)
→ Un produit :
((a).(b) = (c)) ⇔ (∀n ∈ N a.b = c)
→ Un produit par un scalaire :
((a) = λ(c)) ⇔ (∀n ∈ N a = λc)
21
Donc :
∃(A, B) ∈ <2 tq (un ) = A(r1 )n + B(r2 )n
Chapitre 6
Convergence des suite numériques
réelles
→ Si (an ) converge vers 0 et ∃n0 ∈ N tq ∀n ≥ n0 |un | ≤ |an |, alors (un ) converge vers 0
23
6.1.2 Caractérisation d’une partie dense
Soit A une partie de R
→ Le produit d’une suite bornée par une suite convergente de limite nul est une suite conver-
gente de limite nul.
→ Le produit d’une suite convergente par une suite convergente de limite nul est une suite
convergente de limite nul.
Propriété 17 Si :
(uϕ(n) ) et (uψ(n) ) converge vers la même limite
{ϕ(n) / n ∈ N} ∪ {ψ(n) / n ∈ N} = N
Alors la suite (un ) converge
∀A ∈ R+ , ∃n0 ∈ N tq ∀n ≥ n0 un > A
∀B ∈ R− , ∃n0 ∈ N tq ∀n ≥ n0 un < B
Propriétés
→ ((un ) diverge vers −∞) ⇔ ((−un ) diverge vers +∞)
→ La somme d’une suite bornée et d’une suite qui diverge vers +∞ diverge vers +∞
→ L’inverse d’une suite qui tend vers +∞ converge vers 0
Propriété 18 Si (un ) et (vn ) sont adjacentes, alors elles convergent vers la même limite, notée l et :
∀n ∈ N, un ≤ l ≤ vn
6.3.2 Segments emboités
Définition 33 On considère une suite de segments. On dit que la suite est emboitée si :
7.1 Convergence
Définition 34 Soit (zn ) une suite à valeur complexe. On dit que cette suite converge vers λ si et seulement
si :
∀ε > 0, ∃n0 ∈ N tq ∀n ≥ n0 |un − λ| < ε
Propriété 21 Si :
(ρn ) converge vers a
(θn ) converge vers b
alors (zn ) converge vers aeib
Mais si la suite des arguments ne converge pas, la suite (zn ) peut quand meme converger.
7.4 Opération
7.4.1 Somme de deux suites convergente
Propriété 22 Soient (zn ) et (zn0 ) deux suites convergentes de limite λ et λ0 .
On obtient que (zn + zn0 ) converge vers λ + λ0
27
Chapitre 8
Etude des suites
Propriété 24
((zn ) converge vers λ) ⇔ (Re(zn ) converge vers Re(λ) et Im(zn ) converge vers Im(λ))
Propriété 26 Si le module de zn converge vers R et que l’argument de zn converge vers α, alors (zn )
converge vers Reiα
∀n ∈ N zn = an
Avec a ∈ C. Si :
→ a=0, (zn ) est une suite constante
→ |a| = 1.
u0 ∈ R
29
8.2.1 Existance de la suite
Propriété 28 Soit (un ) une suite de réel, défini par récurrence à l’aide de la fonction f.
∃A ∈ R+ tq ∀n ∈ N |un | ≤ A.|vn |
On note un =O(vn )
Définition 37 On dit que (un ) est négligable devant (vn ) ou que (vn ) est préponderant devant (un ) si :
On note un vn ou un = o(vn )
Définition 38 On dit que (un ) est équivalent à (vn ) si (un − vn ) est négligable devant (vn )
lim |cn | = +∞
n→+∞
an bn cn
Comparaison des suites qui divergent vers +∞
Soit A > 1, α > 0 :
ln(n) nα An n! nn
un vn et vn wn ⇒ un wn
un ∼ vn et vn ∼ wn ⇒ un ∼ wn
un ∼ vn et vn wn ⇒ un wn
un vn et vn ∼ wn ⇒ un wn
Propriété 32 Soient (un ), (vn ) deux suites et (an ), (bn ) deux autres suites.
Si :
(un ) ∼ (vn ) et (an ) ∼ (bn )
alors :
(un )(an ) ∼ (vn )(bn )
Ceci n’est pas vrai dans le cas de l’addition.
Propriété 33 Soient (un ), (vn ) et (an ) trois suites et λ, µ deux réels de somme non nuls.
Si :
(un ) ∼ λ(an ) et (vn ) ∼ λ(an )
Alors :
un + vn ∼ (λ + µ)an
Si la somme des deux réels est nul, nous n’avons aucun résultats.
Propriété 34 Si un ∼ vn , alors uα α
n ∼ vn
Arcs Paramétré
33
Chapitre 9
Arcs Paramétrés et Arcs Polaire
F : I → R2
t 7→ M (t)
x(t)
avec : M(t) =
y(t)
Propriété 36 Supposons que x et y soient de classe C n sur I, alors on dit que (τ ) est de classe C n
35
Coordonnée de M(t) dans un repère particulier
−
→ −
→
dp M dq M
Soit R le repère défini par : (M (t0 ), (t0 ), (t0 ))
dtp dtq
Dans ce repère, on obtient les coordonnées suivantes pour M(t) :
(t − t0 )p
X(t) ∼
p!
Y (t) ∼
(t − t0 )q
q!
On obtient donc :
→ p paire, q impaire : Point de rebroussement du première ordre
→ p paire, q paire : Point de rebroussement du deuxième ordre
→ p impaire, q paire : Point ordinaire
→ p impaire, q impaire : Point d’inflexion
ds
R=
dϕ
dϕ
1 dϕ dt
γ= = = ds
R ds dt
→ Periodicité
→ Symétrie
→ Partié
4- Tangentes
→ En un point singulier :
y 0 (t)
lim
t7→t0 x0 (t)
y(t) − limy
t0
lim
t7→t0 x(t) − limx
t0
→ ∞ : Branche de direction Oy
→ a∈R:
→ limy − ax :
t0
→ b ∈ R : y = ax+b asymptote
→ ∞ ou ∅ : Branche de direction ax
→ 0 : Branche de direction Ox
→ ∅ : Aucune méthode
6- Concavité :
→
−
→ Etude du signe de Det(→
−
v ; Γ)
→
−
→ L’angle (→
−
v ; Γ ) donne la position de la tangente
y(t) = y(t0 )
10.1 Définition
Définition 43 On appelle conique de foyer F, de directrice ∆ et d’excentricité e l’ensemble :
{M/e.distance(M, ∆) = M F }
avec a la valeur absolue de la distance du point d’intersection entre l’axe 0x et l’hyperbole avec l’origine.
x2 y2
2
+ 2 =1
a b
Avec a>b, a est appelé le demi grand axe, et b le demi petit axe. On peut aussi paramétrer un point
M de l’ellipse par :
x(t) = acos(t)
y(t) = bsin(t)
Avec t l’angle entre l’axe Ox et OP, avec P le point correspondant à M sur le cercle principale de
l’ellipse. M est obtenir à partir de P à l’aide d’une affinité.
41
10.2.2 L’hyperbole
Une hyperbole est définie par l’équation suivante :
x2 y2
2
− 2 =1
a b
Pour vérifier cette formule, on prend y=0, et on doit obtenir deux solutions. De plus, on obtient
les asymptotes en annulant 1. On peut aussi paramétrer un point M de l’hyperbole par :
x(t) = ach(t)
y(t) = bsh(t)
10.2.3 Parabole
L’équation réduite est :
y 2 = 2px
a2
→ x∆ =
c
→ Si e = 1 : C’est une parabole.
a2
→ x∆ =
c
Quatrième partie
Fonctions de R2 dans R
43
Chapitre 11
Fonctions de R2 dans R
11.1 Norme
Définition 47 Soit E un espace vectoriel.
n est une norme de E si :
n:E→R
telque :
→ ∀x ∈ E n(x) ≥ 0
→ ∀λ ∈ R, ∀x ∈ E, n(λx) = |λ|n(x)
→ ∀x ∈ E, n(x) = 0 ⇔ x = 0
→ ∀(x, y) ∈ E 2 n(x + y) ≤ n(x) + n(y)
11.1.1 Boules
Définition 50 Soit n une norme sur E, soit x0 ∈ E, et r ∈ R+ .
On appelle Boule de centre x0 , de rayon r :
B(x0 , r) = {x ∈ E/n(x0 − x) ≤ r}
45
11.1.3 Convergence d’une suite
Soit (un ) une suite de vecteur de E :
→ On dit que (un ) converge vers 0 pour la norme n si la suite des réels (n(un )) converge vers
0
→ Si deux normes sont équivalente, toutes suites convergentes pour l’une est convergente
pour l’autre
→ Dans un espace de dimension finie, la définition de la convergence ne dépend pas de la
norme considéré.
lim ϕof = m
(a,b)
11.2.3 Continuité
Définition 53 Si f est une fonction définie en (a,b) et sur un voisinage de (a,b), avec :
lim f = f (a, b)
(a,b)
∂f f (x, b) − f (a, b)
(a, b) = lim
∂x x→a x−a
Définition 55 On appelle deuxième dérivée partielle de f en (a,b) :
∂f f (a, y) − f (a, b)
(a, b) = lim
∂y y→b y−b
∂f ∂f
∀(x, y) ∈ A f (x, y) = f (a, b) + (a, b).(x − a) + (a, b).(y − b) + o(||(x, y) − (a, b)||)
∂x ∂y
Propriété 40 Soit →
−
u (α, β) et f une fonction de classe C 1 au voisinage de (a,b).
∂f ∂f
d→
u f = α.
− (a, b) + β (a, b)
∂x ∂y
Equations differentielles
49
Chapitre 12
Équation différentielle
ax2 + bx + c = 0
On détermine ∆ et on obtient :
→ ∆>0:
∃(A, B) ∈ R2 tq ∀x ∈ R y(x) = Aer1 x + Ber2 x
→ ∆=0:
∃(A, B) ∈ R2 tq ∀x ∈ R y(x) = (Ax + B)er0 x
→ ∆ > 0 : Solution dans C, avec r0 = ±iω
ay 00 + by 0 + cy = d
51
Si C 6= 0 :
d
y0 : x 7→
c
est une solution particulière. Si C = 0 :
d
y0 : x 7→ x
b
est une solution particulière
y 00 + 3y = 2x + 1
On pose :
y0 : x 7→ ax + b
On dérive deux fois y0 et on remplace dans l’équation pour déterminer a et b
x 7→ eαx
y(x) b
z(x) = b ⇔ y(x) = z(x)e− a x
e− a x
Puis on injecte cette expression y(x) dans (E) pour déterminer z(x)
On considere :
(E1 ) : ay 00 + by 0 + cy = 0
(E2 ) : ay 00 + by 0 + cy = f1 (x)
(E3 ) : ay 00 + by 0 + cy = f2 (x)
Soit y1 , y2 solutions respective de (E2 ) et (E3 ). La solution particuliere de (E) est y1 + y2
Chapitre 13
Équations différentielle linéaire
13.1 Généralité
Définition 61 On considère (E) l’équation d’inconnue la fonction y n fois dérivable sur une partie A de
R:
∀x ∈ A, an (x).y (n) (x) + ... + a0 .y(x) = b(x)
avec : an , .., a0 , b des fonctions définies sur A.
On dit que (E) est une équation differentielle linéaire d’ordre n.
53
Chapitre 14
Équations différentielles linéaire
d’ordre 1
Définition 62 Soit A ∈ R.
Soit a,b,c trois fonctions définies sur A, et (E) :
55
Sixième partie
Intégration
57
Chapitre 15
Intégration
Si les intervalles sont tous de la mêmes longueurs, la subdivision est dite régulière. De plus, si σ
est celle d’une subdivision régulière de [a,b], alors :
b−a
∀k, xk = a + k
n
Définition 65 On dit que f est en escalier si il existe une subdivision de [a,b] : (xi )0≤i≤n telle que :
59
Définition 66 f est continue par morceaux sur [a,b] si :
15.1.4 Approximation d’une fonction continue par morceaux par des fonc-
tions en escalier
Soit f continue par morceaux sur [a,b] ( ce qui comprend les fonctions continues sur [a,b])
Définition 67
Si b < a : Z Z a
ϕ= ϕ
[a,b] b
Convention : Z b Z a
ϕ=− ϕ
a b
Z a
ϕ=0
a
Définition 69 La valeur commune de ces deux réels est l’intégrale de Riemannsur [a,b] de f. On la note :
Z
f
[a,b]
15.3.2 Linéarité
Propriété 48 Soient λ,µ réels, f, g fonctions continues par morceaux.
Z Z Z
λϕ + µϕ = λ ϕ+µ ψ
[a,b] [a,b] [a,b]
1 R
Définition 70 g est la valeur moyenne de g sur [a,b].
b − a [a,b]
Z
g = µ(b − a)
[a,b]
De la dernière propriété, on déduit que g est de classe C 1 sur I. En résumé, si f est de classe C n
alors g est de classe C n+1
Propriété 53 Si ϕ est une fonction positive et continue sur [a,b] d’inégalité nulle, alors :
ϕ=0
Il en découle que :
Z x
(F est une primitive de f sur I ) ⇔ (∃K ∈ R tq ∀x ∈ I F (x) = f (t)dt + K)
a
15.4.3 Notation
R
Définition 72 Si f est continue sur I : f (x)dx désigne la valeur de x d’une primitive de f.
15.4.4 Technique de calcul d’une intégrale
Intégrale par partie
Définition 73 Si f,g sont de classe C 1 sur I, (a, b) ∈ I 2 , alors :
Z b Z b
0 b
f g = [f g]a − f 0g
a a
Changement de variables
Définition 74 Soit u une bijection de classe C 1 de [α, β] sur un intervalle [a,b]
Soit f continue sur [a,b].
Z b Z β
f (u)du = f (u(t))u0 (t)dt
a α
Fonction impaire
Propriété 55 Si f est continue et impaire sur [-a,a], alors :
Z a
f =0
−a
Fonction periodique
Propriété 56 Si f est continue et T periodique sur R
Soit a ∈ R Z a+T
f est indépendant de a
a
g = −λ0 f
Nombres complexes
65
Chapitre 16
Nombres complexes
16.1 Formules
16.1.1 Généralités
→ (C,+,x) est un corps
→ (a+ib)+(a’+ib’) = (a+a’)+i(b+b’)
→ (a+ib).(a’+ib’) = (aa’-bb’)+i(ab’+a’b)
→ z + z0 = z + z0
→ z.z 0 = z.z 0
z+z
→ Re(z) =
2
z−z
→ Im(z) =
2
→ z−
−→ = zb − za
AB
αzA + βzB
α + β 6= 0, zg =
α+β
→ |z|2 = z.z
→ (z ∈ R) ⇔ (z = z)
→ (z ∈ iR) ⇔ (z = −z)
67
→ |Im(z)| ≤ |z|
→ |Re(z)| ≤ |z|
→ |z.z 0 | = |z|.|z 0 |
→ |z + z 0 | ≤ |z| + |z 0 |
0
→ ei(θ+θ ) = cos(θ + θ0 ) + isin(θ + θ0 )
eiθ + e−iθ
→ = cos(θ)
2
eiθ − e−iθ
→ = sin(θ)
2
→ cos(iy) = ch(y)
→ sin(iy) = ish(y)
→ Formule de Moivre :
→ z = x+iy = ρeiθ
k2π
i
n
z = z0 ⇔ ∃k ∈ {0, 1, ..., n − 1} z = A.e n
Soit :
c−a
z=
b−a
17.1.1 Alignements
c−a c−a
A,B,C alignées ⇔ ∈R ⇔ arg =0
b−a b−a
−−→ −→
A,B,C alignées ⇔ (z = z) ⇔ (Det(AB; AC)) = 0
→
−
avec Det(→
−
u , v) = xy 0 − x0 y
17.1.2 Orthogonalité
−−→ −→ c−a c−a π
AB; AC orthogonaux ⇔ ∈ iR
⇔ arg = [π]
b−a b−a 2
−−→ −→ −−→ −→
AB; AC orthogonaux ⇔ (z = −z) ⇔ (AB.AC) = 0
17.1.3 Cocyclicité
Soit A,B,C trois points d’un cercle C de centre O.
−−→ −−→ −−→ −→
(OB; OC) = 2(AB; AC) [2π]
Condition de cocyclicité
−−→ −→ −−→ −−→
Propriété 57 Si (AB; AC) = (DB; DC) [π] alors A,B,C,D sont soit cocyclique, soit alignés.
69
17.2 Similitude
Soit z l’affixe de M, z’ l’affixe de M’.
17.2.1 Translation
Définition 78 Soit →
−
u vecteur du plan. On appele translation de vecteur →
−
u l’application :
u :P →P
t→
−
M 7→ M 0
−−−→ −
avec M M 0 = →
u
Bijectivité
−1
t→
−
u
:P →P
M 7→ M 0
avec z’ = z - α
17.2.2 Homothetie
Définition 79 Soit Ω un point d’affixe ω. Soit k ∈ R. On appele homothétie de centre Ω et de rapport k
l’application :
h:P →P
M 7→ M 0
−−→ −−→
avec ΩM 0 = k ΩM
z 0 − ω = k(z − ω)
On détermine le centre d’une homothétie en déterminant son point fixe, donc en résolvant :
z = z0
Bijectivité
h est une application bijective. Soit :
h−1 : P → P
M 7→ M 0
1
avec z’ - ω = (z − ω)
k
17.2.3 Rotation
Définition 80 Soit Ω un point d’affixe ω et θ un réel. On appele rotation de centre Ω et d’angle θ l’appli-
cation
r:P →P
M 7→ M 0
−−→ −−→
avec ΩM 0 =ΩM et (ΩM ; ΩM 0 ) = θ [2π]
z 0 − ω = eiθ (z − w)
On détermine le centre d’une rotation en déterminant son point fixe, donc en résolvant :
z = z0
Bijectivité
h est une application bijective. Soit :
r−1 : P → P
M 7→ M 0
avec z’ - ω = e−iθ (z − ω)
17.2.4 Similitude
Définition 81 Soit Ω un point d’affixe ω et (θ,k) ∈ R2 . On appele similitude direct de centre Ω, d’angle θ,
et de rapport k l’application :
S:P →P
M 7→ M 0
−−→ −−→
avec ΩM 0 =kΩM et (ΩM ; ΩM 0 ) = θ [2π]
z 0 − ω = keiθ (z − w)
On détermine le centre d’une similitude en déterminant son point fixe, donc en résolvant :
z = z0
Bijectivité
S est une application bijective. Soit :
S −1 : P → P
M 7→ M 0
1 −iθ
avec z’ - ω = e (z − ω)
k
17.2.5 Affinité
Soit ϕ l’application défini par :
ϕ : P lan 7→ P lan
b
P (x, y) 7→ M (x, .y)
a
b
ϕ est appelé affinité de base Ox, de direction Oy et de rapport
a
Huitième partie
Polynomes
73
Chapitre 18
Les polynomes
18.1 Définitions
Soit K un corps ( Soit R, soit C)
Définition 82 Un polynome à coefficiants dans K est une suite d’élement de K tous nul à partir d’un
certain rang.
P = (a0 , ....., an , 0, ...)
On peut l’écrire aussi sous la forme :
P = a0 + a1 X + ... + an X n
avec X l’indéterminé.
Il existe aussi la forme suivante :
n
X
P = ak X k
k=0
P = Q ⇔ ∀k ∈ N ak = bk
18.1.1 Opérations
On peut effectuer quatres opérations :
→ Une addition :
∞
X
P +Q= (ak + bk )X k
k=0
→ Un produit :
∞
X 0
P.Q = (ak .b0k )X k+k
k,k0 ≥0
→ Un produit par λ, λ ∈ K :
∞
X
λP = (λak )X k
k=0
→ Une composée :
∞
X
P (Q) = ak Qk
k=0
75
18.1.2 Structure
18.1.3 Polynome constante
On observe qu’un polynome constant s’identifie à un élement du corps. On obtient donc que :
K c K[X]
Structure de (K[X],+,x)
→ (K[X],+) est un groupe commutatif
→ (K[X],+,x) est un anneau commutatif : On peut donc utiliser les identités remarquables sur
les polymones. Cette anneau est intègre, ce qui signifie que :
(P.Q = 0) ⇔ (P = 0 ou Q = 0)
∀x ∈ K, Pe(x) = a0 + a1 x + ... + an xn
L’application qui lie le polynome à sa fonction associée est une bijection.
Toutes les notions de partié se transmette de la fonction polynome associée au polynome.
18.1.5 Degrés
Définition 83 On défini le degrés d’un polynome par :
deg(P ) = M ax {k ∈ N/ak 6= 0}
Par convention :
deg(0) = −∞
deg(PConstant ) = 0
18.1.6 Valuation
Définition 84 On défini la valuation d’un polynome par :
val(P ) = M in {k ∈ N/ak 6= 0}
Par convention :
deg(0) = +∞
∃Q ∈ K[X] A = B.Q
Il en découle que les polynomes constant non nuls divisent tous les autres.
Division euclidienne
^
avec D k (P )(a) la dérivé k eme de P prise en a.
^
Propriété 59 (r est une racine d’ordre α de P) ⇔ (∀i ∈ {0, .., α − 1} D i (P )(r) = 0 et D
^ α (P )(r) 6= 0)
Définition 89 P est scindé si le nombre de racine, en comptant les ordres de multiplicité, est n :
a0
r1 ...rn = (−1)n
an
Dans C[X]
Théorème 10 Tout polynome non constant dans C[X] possède au moins une racine complexe.
Espace vectoriel
79
Chapitre 19
Espace vectoriel
19.1 Définitions
Définition 91 Soit E un espace et K un corps.
Donc dit que (E,+,.) est un K-espace vectoriel si il vérifie les propriétés suivantes :
1- + est une loi de composition interne :
∀(x, y) ∈ E 2 x + y ∈ E
∀(x, y, z) ∈ E 3 (x + y) + z = x + (y + z)
∀x ∈ E x + OE = OE + x = x
∀x ∈ E x + (−x) = (−x) + x = OE
∀x ∈ E, ∀λ ∈ K, λ.x ∈ E
8- "." vérifie :
∀x ∈ E, ∀(λ, µ) ∈ K 2 λ.(µ.x) = (λ × µ).x
9- "." vérifie :
∀x ∈ E, ∀(λ, µ) ∈ K 2 (λ + µ).x = (λ.x) + (µ.x)
Si un espace ne vérifie que les 4ere propriétés, on dit que c’est un groupe. Si il vérifie les 5ere , c’est un
groupe commutatif.
81
Propriété 60 Soit E un K-espace vectoriel :
→ ∀x ∈ E, 0K .x = 0E
→ ∀x ∈ E − x = (−1K ).x
→ Soit x un vecteur de E, λ ∈ K :
(λ.x = OE ) ⇔ (λ = OK ou x = OE )
F ∩ G = {OE }
F +G=E
On le note :
F ⊕G=E
∀x ∈ E
x=y+z
19.2.4 Partie génératrice d’un sous-espace
Sous espace engendré par un partie
Soit A une partie de E.
Soit G le plus petit espace contenant A.
Définition 95 G est le sous espace engendré par A. On le note :
G = V ect(A)
∀(x, y) ∈ E × F, ∀(x0 , y 0 ) ∈ E × F, ∀λ ∈ K
(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 )
λ.(x + y) = (λx, λy)
19.3.1 Vocabulaire
→ Application linéaire → Morphisme d’espace vectoriel
→ Application linéaire de E dans E → Endomorphisme
→ Application linéaire bijective → Isomorphisme
→ Application linéaire bijective de E dans E → Automorphisme
On note L(E, F ) l’ensemble des applications linéaire de E dans F
Propriété 65 Soit f isomorphisme de E dans F.
Alors f −1 existe et est linéaire de F dans E
Image
Définition 98 On appele image de f l’ensemble des images de tous les vecteurs de E par f :
Im(f ) = {f (x)/x ∈ E}
Propriété 66 f est une application injective si et seulement Ker(f) est réduit au vecteur nul :
19.3.4 Structure
→ (L(E),+,o,.) est un K-Algèbre : On peut donc utiliser les identites remarquables
→ GL(E) : Groupe des automorphisme de E. Dans ce groupe :
(f og)−1 = g −1 of −1
19.3.5 Projecteur
Définition 100 Soit E un K-espace vectoriel, soient F et G deux sous espaces supplémentaire de E.
Soit x ∈ E
∃!(y, z), y ∈ F, z ∈ G, x = y + z
→ Im(p) = F
→ Ker(p) = G
→ pop = p
→ ∀x ∈ E (p(x) =x ) ⇔ (x ∈ F)
→ Ker(q) = F
→ poq = OE
→ p+q = Ide
Propriété caractéristique
Propriété 70 Si :
f est linéaire
f of = f
Alors f est une projection sur F parallement à G avec :
F = {x ∈ E/f (x) = x}
G = Ker(f )
19.3.6 Symétrie
Définition 101 Soit E un K-espace vectoriel, soient F et G deux sous espaces supplémentaire de E.
Soit x ∈ E
∃!(y, z), y ∈ F, z ∈ G, x = y + z
On appelle symétrie de x par rapport à F parallement à G :
s(x) = y − z
avec :
(s(x) = x) ⇔ (x ∈ F )
(s(x) = −x) ⇔ (x ∈ G)
Propriété caractéristique
Propriété 72 Si :
f est linéaire
f of = Ide
Alors f est une symétrie
Chapitre 20
Espace vectoriel de dimensions finies
Vecteurs colinéaires
Soit u,v deux vecteurs de E.
( u et v sont colinéaire ⇔ (∃λ ∈ K tq u = λv ou v = 0))
87
20.1.4 Base
Définition 104 Une base d’un espace E est une partie génératrice de E et libre.
Propriété 76 Si B = e1 , ..., en est une base fini de E, alors, ∀u ∈ E, ∃! n uplet de scalaire (x1 , ..., xn )
telque :
u = x1 e1 + ... + xn en
Le n-uplet (x1 , ..., xn ) est appelé le n-uplet de coordonées de u dans la base B. On le note aussi :
x1
.
matB (u) =
.
xn
Base de référence
→ Rn [X] : {1,X,X 2 ,...,X n }
→ Rn : {(1,...,0),...,(0,...,1)}
Propriété 77 Soit E un espace de dimension finies et G = {u1 , ..., up } une partie génératrice de E.
Si G est libre, alors G est une base de E.
Théorème 12 Si E est de dimension finie, toutes les bases de E ont le meme nombre d’élements et ce
nombre commun est la dimension de l’espace.
Si B est une base de E :
dim(E) = card(B)
Propriété 86 → dim(∅) = 0
→ Si D est un sous espace de dimension 1, c’est une droite vectorielle
→ Si P est un sous espace de dimension 2, c’est un plan vectoriel
→ Si H est un sous espace de dimension n-1, c’est un hyperplan
→ Tout supplémentaires d’un hyperplan est une droite vectoriel
Propriété 87 Soit A c E :
→ (rang(A) = dim(E)) ⇔ (A est une partie génératrice de E)
→ (A est libre) ⇔ (rang(A) = card(A))
xp
Si f ∈ L(E,F), alors :
f (u) = x1 f (e1 ) + ... + xp f (ep )
20.5 Isomorphisme
Définition 109 On considère E,F deux espaces de dimension finie.
On dit que E et F sont isomorphe si il existe un isomorphisme de E dans F.
Dans cette situation, on obtient :
→ Ker(f) = OE
→ Im(f) = F
→ rang(f) = dim(F) = dim(E)
→ Deux espaces isomorphe ont meme dimension
→ Soit BE une base de E, f un isomorphisme, alors f(BE ) est une base.
20.5.1 Caractérisation des isomorphismes
Soit ϕ une application linéaire de E dans F :
Propriété 92
Ker(ϕ) = {OE }
(ϕ est bijective) ⇔
dim(E) = dim(F )
rang(ϕ) = dim(F )
(ϕ est bijective) ⇔
dim(E) = dim(F )
(ϕ est bijective) ⇔ (ϕ(BE ) est une base de F)
93
Chapitre 21
Espaces vectoriels euclidiens
ϕ:E×E →R
∀u ∈ E, (||u|| = 0) ⇔ (u = 0)
< u, v >= 0
21.2 Propriétés
Propriété 93 Soit E un R-espace euclidien.
Soient u,v deux vecteurs de E :
95
Théorème 14 Théorème de Pythagore :
Propriété 97 Si {u1 , ..., un } sont des vecteurs non nuls et 2 à 2 orthogonaux, alors la partie est libre.
Propriété 98 Tout R espace vectoriel euclidien de dimension finie admet au moins une base orthonormée.
Propriété 99 Soit B une base orthonormée de E. Soient u,v deux vecteurs de E de coordonnée respectif
(x1 , ..., xn ) et (y1 , ..., yn ), alors :
< u, v >= x1 y1 + ... + xn yn
Propriété 101 Pour déterminer les coordonnées dans une base orthonormée, on détermine :
Propriété 102 Soit B une base orthonormée. Soit B’ une autre base. Soit P = matB (B 0 ).
det(P ) = ±1
Propriété 104 Si P est orthogonale, alors t P est orthogonale et (l1 , ..., ln ) forme aussi une base orthonor-
mée de Rn
21.3.2 Orientation de l’espace vectoriel
Définition 113 Soit E un espace vectoriel.
On oriente une base en définisant une base dites directe.
Bases orthonormée
Propriété 107 Soit B1 une base orthonormée directe
detB1 (B) = 1 alors B est orthonormée directe
detB1 (B) = −1 alors B est orthonormée indirecte
Ce déterminant commun à toutes les bases orthonormée directe est notée Det(u1 , ..., un )
(F ⊥ )⊥ = F
ϕ(u) = a1 x1 + ... + an xn
On obtient donc :
ϕ(u) =< a, u >
Par conséquence :
Ker(ϕ) = (V ect(a))⊥
Et on note :
d(x, F ) = inf k x − y k
y∈F
Propriété 117 Si :
→ y∈F
→ x − y ∈ F⊥
Alors y = p(x).
Chapitre 22
Espace euclidien de dimension 3
22.1 Définitions
22.2 Angle de deux vecteurs non nuls
Soient →
−
u,→−
v deux vecteurs non nuls, non colinéaire.
Soit n vecteur orthogonale à →
→
− −
u et →
−
v . On obtient :
<→ −u;→ −
v >
cos(θ) =
|| u ||.||→
→
− −
v ||
et :
Det(→ −u;→−v ;→ −
n)
sin(θ) = →
− →
− →
−
|| u ||.|| v ||.|| n ||
– Alternée : →−
u ∧→−
v = −→ −
v ∧→ −u
– Bilinéaire →
−
→
− → −
i ∧ j = k
− →
→ − →
−
– Vérifiant : j ∧ k = i
→
− →
− →
−
k ∧ i = j
La définition du produit vectoriel est indépendante du choix de la base orthonormée.
Propriété 118 Soit → −
u,→ −
v deux vecteurs :
→
−
(→
−
u ∧→
−
v = 0 ) ⇔ (→
−
u et →
−
v sont colinéaire)
Propriété 119 Soient →
−
u,→
−
v deux vecteurs non colinéaire :
→
−u ∧→ −
v ⊥→−u
Propriété 120 On obtient la propriété suivante, pour la norme du produit vectoriel :
||→
−
u ∧→ −v || = ||→
−
u ||.||→
−
v ||.|sin(θ)|
99
22.2.3 Produit mixte
Définition 119 Soient →
−
u,→
−
v ,→
−
w trois vecteurs de E :
→
−
u ∧→
−
v .→
−
w = Det(→
−
u,→
−
v ,→
−
w)
Chapitre 23
Isométrie Vectorielle
23.1 Généralités
Définition 120 Soit E un espace euclidien, soit f ∈ L(E).
f est une isométrie vectorielle si :
∀x ∈ E ||f (x)|| = ||x||
(f est une isométrie vectorielle) ⇔ (∀x ∈ E ∀y ∈ E, < f (x), f (y) >=< x, y >)
Propriété 124 La réciproque d’une isométrie vectorielle est une isométrie vectorielle
Propriété 125 La composée de deux isométries vectorielles est une isométrie vectorielle
Propriété 126 L’ensemble des isométrie vectorielles, munie de la loi de composition des applications est un
groupe, appelé le groupe orthogonale de E, notée O(E)
101
23.2.3 Rotation orthogonales
Propriété 129 La composée de deux symétries orthogonales par rapport à deux droites est une rotation
d’angle deux fois l’angle entre les deux droites.
23.3.2 Propriété de la matrice d’un symétrie orthogonale dans une base ortho-
normée
Si B est une base orthonormée et s une symétrie orthogonale.
Soit M=matB (s).
Sachant que s est une symétrie, M est inversible et M −1 = M . De plus, la symétrie est orthogonale,
donc la matrice l’est aussi, donc M −1 =t M .
On obtient donc M = t M . Donc M est une symétrie.
23.3.3 Rotation
Définition 121 Soit D une droite vectorielle orienté et θ un réel.
La rotation d’axe de D et d’angle θ est l’application linéaire r telque :
→ ∀u ∈ D r(u)=u
→ Le plan D⊥ est stable par r et la restriction de r à ce plan est une rotation plane d’angle θ orienté
par D.
Propriété 130 Soit B= (e1 , e2 , e3 ) base orthonormée directe telle que D=Vect(e1 ) et D⊥ = V ect(e2 , e3 ),
alors :
1 0 0
0 cos(θ) −sin(θ)
0 sin(θ) cos(θ)
Donc :
det(r) = 1
23.3.5 Classification
Soit Inv(f) l’ensemble des vecteurs invariants.
dim(Inv(f)) f Base Matrice
Det
1 0 0
3 Ide Quelconque 0 1 0 1
0 0 1
1 0 0
2 Réflexion sp Base adaptée 0 1 0 -1
0 0 −1
1 0 0
1 Rotation d’axe D, d’angle θ Base adaptée 0 cos(θ) −sin(θ) 1
0 sin(θ) cos(θ)
1 0 0
0 Réflexion o rotation Base adaptée 0 cos(θ) −sin(θ) -1
0 sin(θ) cos(θ)
Espace Affine
105
Chapitre 24
Espace Affine
24.1 Définitions
Définition 122 Soit E un < espace vectoriel.
Soit ξ un ensemble.
On dit que ξ est un espace affine de direction l’espace vectoriel E si il existe ϕ défini par :
ϕ:ξ×ξ →E
→
−
(a, b) 7→ ab
telle que :
→ ∀(A, B, C) ∈ ξ 3 ϕ(A, B) + ϕ(B, C) = ϕ(A, C)
−−→ −
→ ∀A ∈ ξ, ∀u ∈ E, ∃!B ∈ ξ tq AB = → u
Vocabulaire 1 Si ξ est un espace affine, ses éléments sont appelé points.
Vocabulaire 2 Si B est une base de E, O∈ ξ, alors (O,B) est un repère de ξ
−−→
Vocabulaire 3 Si M∈ ξ, les coordonées de M dans (O,B) sont celles de OM dans B.
Propriété 134 = est un sous espace affine de ξ si :
→ ==∅
→ ou ∃ A ∈ ξ et F sous espace vectoriel de E telque :
==A+F
107
24.2.1 Homothétie affine
Définition 124 Soit A ∈ ξ et k ∈ <.
On appelle homothétie de centre A et de rapport k l’application :
h:ξ→ξ
M 7→ M 0
−−→ −−→
avec AM 0 = k AM .
h est une application affine.
Vocabulaire 4 Si :
→ det(ϕ) = 1, alors f est un déplacement
→ det(ϕ) = -1, alors f est un anti-déplacement
f =−
→or = ro−
u1
→
u1
Chapitre 25
Equations linéaires
Propriété 140 Les espaces vectorielles sont des espaces affines particuliers.
Propriété 141 Si F est de dimension finies, on dit que {x0 } + F est un espace affine de dimension finies.
Si F est une droite vectorielle, alors {x0 } + F est une droite affine.
111
(x1 , ..., xn ) → (a1,1 x1 + ... + a1,p xp , ..., an,1 x1 + ... + an,p xp )
Notons :
→ x = (x1 , ..., xn )
→ b = (b1 , ..., bn )
On dit que :
→ f est l’application associée à (S)
→ Le rang du système est le rang de A ou rang de f
→ Si b ∈ Im(f), alors S est un espace affine de dimension p-rang(A) = p-rang(S)
On obtient la formule :
1
xj = detϕ (c1 , ..., cj−1 , b, cj+1 , ..., cn )
det(A)
Douzième partie
Matrice
113
Chapitre 26
Matrice et espaces vectoriel de
dimension finies
26.1 Matrice
26.1.1 Définition
Définition 131 La matrice à n lignes et p colonnes est défini par :
M = [ai,j ]
avec i variant de 1 à n, et j variant de 1 à p
115
Définition 137 On dit que T est une matrice scalaire si :
λ 0 0
T = 0 λ 0
0 0 λ
alors
a e i
t
d f j
M =
c
g k
d h l
On a :
t t
( M) = M
Définition 140 On défini la trace d’un matrice carrée comme la somme des termes de sa diagonale :
n
X
T race(A) = xk,k
i=1
26.1.9 Transposition
Définition 141 Soit :
ϕ : Mn,p (K) → Mp,n (K)
M 7→t M
ϕ est un isomorphisme, donc c’est une application linéaire. De plus, si la matrice est une matrice carrée :
ϕ est symétrie de Mn (K)
t
M = M ⇔ M est symétrique
t Ce sont deux espaces supplémentaire
M = −M ⇔ M est antisymétrique
avec [ae+bf+cg+dh] = a1 Le produit l2 .c1 donne le terme a2,1 Le produit est non commutatif
Cas particuliers
Si M ∈ Mn,p (K)et[0] ∈ Mp,q (K) alors :
M × [0] = 0
Soit T une matrice scalaire ∈ Mp,q (K), alors :
M × T = λM
Soit In matrice unité d’ordre n, et M ∈ Mn (K) alors :
M I n = In M = M
B est inversible et A = B −1
Matrice carrée et inverse
Voir Méthodologie.
et de plus :
0 ≤ rang(A) ≤ M in {n, p}
Si dans une matrice carrée d’ordre n, les termes diagonaux sont non tous nul, alors rang(A) = n
u = x1 e1 + ... + xn en
x1
.
. ∈ M1,n (K) la matrice de de u dans B
On note matB (u) =
xn
xn,j
x1,1 . . x1,p
. . . .
matB (u1 , ..., up ) =
.
. . .
xn,1 . . xn,p
P −1 = matB 0 (B)
Le nombre de colonne de la matrice est défini par la dimension de l’espace de départ, celui des ligne par la
dimension de l’espace d’arrivé
Cas Particuliers
I) La matrice de l’application nul ∈ L(E, F ) est la matrice nul de Mdim(F ),dim(E) (K)
II) La matrice d’un endomorphisme de E est une matrice carrée d’ordre dim(E)
III) La matrice de l’identité est In
IV) La matrice de l’homothétie est de rapport k par rapport à In
Y = M.X
De plus :
Théorème 15 Si f est une application de E dans F telque ∃M ∈ Mn,p telque ∀u ∈ E, l’égalité ci-dessus
est vérifié, alors f est une application linéaire
f → matBE ,BF (f )
ϕ est une application linéaire. On en déduit donc que :
Y = AX
Si f est un endomorphisme, on a :
(matBE (f ))n = matBE (f n )
Alors :
M 0 = Q−1 M P
ou, si f est un endomorphisme :
M 0 = P −1 M P
B = P −1 M P
Ce qui revient à :
Donc si :
f ∈ L(E,F) tel qu’il ∃BE 0 , BF 0 bases de E et F telque matBE0 ,BF 0 (f ) = Jr , alors rang(f)=r
De plus, on a :
(t P )−1 =t (P −1 )
On montre que t A et t Jr sont semblable, donc le rang d’une matrice est le rang de ses vecteurs
colonnes comme celui de ses vecteurs lignes.
Et on obtient :
rang(t A) = rang(A)
Chapitre 27
Déterminants
ϕ est une forme n-linéaire si elle est linéaire par rapport à chacune de ses variables.
xn,j
Si ϕ est une forme n-linéaire, alors :
X
ϕ(u1 , ..., un ) = xi1 ,1 ...xin ,n ϕ(ei1 , ..., ein )
1≤i1 ,...,in ≤n
123
Expression dans une base
Soit ϕ forme n linéaire alterné et B base de E.
X
ϕ(u1 , ..., un ) = xi1 ,1 ...xin ,n ϕ(ei1 , ..., ein )
1≤i1 ,...,in ≤n
Définition 161 Le déterminant dans la base B est l’unique forme n-linéaire alternée ϕ vérifiant :
ϕ(e1 , ..., en ) = 1
On le note : detB
Propriété 146 Toutes les applications de E × E × .... × E → K défini par ∀(u1 , ..., un ) ∈ E n :
X
ϕ(u1 , ..., un ) = A ε(σ)xσ(1),1 ...xσ(n),n
σ∈Sn
avec A scalaire fixé, est une forme n-linéaire de alterné et ϕ(B) = A, avec B base de E.
Autre formulation :
Propriété 147 L’ensemble des formes n-linéaire alternée est une droite vectorielle.
V ect(detb ) = { A.detb / A scalaire quelconque }
Propriété 148
(detB (u1 , ..., un ) = 0) ⇔ ({u1 , ..., un } est liée)
(detB (u1 , ..., un ) 6= 0) ⇔ ({u1 , ..., un } est une base)
Propriété 149 Si B et B’ sont deux bases :
1
detB 0 (B) =
detB (B 0 )
Formulaire
→ detB (B) = 1
→ detB (λu1 , ..., λun ) = λn .det(u1 , ..., un )
→ det(Ide) = 1
det(A) = d1 d2 ...dn
Matrice triangulaire
Soit A, matrice triangulaire de diagonale : (t11 , ..., tnn On obtient :
∆i,j = (−1)i+j × A
Avec :
→ A : Déterminant de la matrice obtenu en enlevant la ligne i et la colonne j.
1 t
A−1 = Com(A)
det(A)
27.5.3 Formule de Sarrus, pour n=3
La formule de Sarrus est de reporte la 1er et la 2nd ligne de la matrice sous la matrice, puis de
trace les diagonales et les anti-diagonales. Les diagonales sont comptées positivement, les anti-
diagonales négative
Treizième partie
Annexe
129
Annexe A
Matrices
A.1.1 Interprétation
1ère méthode
On pose que A est la matrice d’une application linéaire f dans la base canonique de Rn . On
montre que f est un isomorphisme et on détermine f −1 . Dans ce cas, A−1 = matB (f −1 )
2nd méthode
Soit (e1 , e2 , ..., en ) vecteurs de Rn telque A=matCn (e1 , ..., en ), avec Cn la base {c1 , c2 , ...cn }. On
pose le système correspondant par lecture en colonne de la matrice, à savoir :
e1 = a1 c1 + .... + an cn
e2 = b1 c1 + .... + bn cn
........
Puis on retourne le système, on exprime {c1 , c2 , ...cn } en fonction de (e1 , ..., en ). On en déduit donc
que la base de C n est génératrice, donc base car le bon nombre d’élément. A est donc inversible.
On injecte le tout par colonne dans une matrice, et on obtient la matrice inverse
131
Propriété 156 Si rang(A) = n, alors A est inversible
On utilise la formule, dans le cas d’un endomorphisme, pour passer d’une base BE à une base
0
BE :
M 0 = P −1 M P
avec :
M 0 = matBE0 (f )
M = matBE (f )
0
P = matBE (BE )
2nd méthode
On sait que M’, la matrice dans la nouvelle base, est constitué de l’image par f de l’ancien
0
base,BE en fonction de la nouvelle, BE . On calcule donc l’image des vecteurs de BE par f, puis
0
on les expriment en fonction des vecteurs de la base BE
A.2.2 Calcul des coordonnée d’un vecteur dans une autre base
On utilise la formule suivante :
X 0 = P −1 X
avec :
X = matBE (x)
X 0 = matB 0 E (x)
−1
P = matBE0 (BE )
avec
Y = matBE (f (x))
X = matBE (x)
M = matBE (f )
f :E→E
Changement de variable
Quand on effectue un changement de variable, on pose toujours une variable qui tend vers 0.
Par la suite, quand on a exprimé le développement limité usuel en fonction de t, on détermine
t, t2 , ..., tn jusqu’à obtenir juste un o(xp ) si on cherche un développement limité d’ordre p.
On peut être aussi amené à factoriser pour obtenir la forme voulu Ex :
Soit f, la fonction : √
f : x → ln(1 + 1 + x)
√
On observe bien que 1 + x tend vers 1 quand x tend vers 0, et non vers 0. Posons donc :
√
t= 1+x−1
En effet, quand t → 0, f(x) tend bien vers 2. Or le développement usuel est ln(1 + u), avec u qui
tend vers 0. Dans ce genre de situation, on factorise toujour par 2. En effet si :
f (x) = ln(a + u)
u
f (x) = ln(a(1 + ))
a
u
f (x) = ln(a) + ln(1 + )
a
Et on effectue le développement limité de ln(1+t) à ce niveau.
B.2 Asymptote
Pour determiner l’asymptote à une courbe, on détermine en premier lieu :
f (x)
lim =a
x→d x
135
Avec a 6= 0 Puis :
lim f (x) − ax = b
x→d
λi = λi1 X + λi2
C.2.1 Dans C
Pôle simple
P P
Si F = = , avec a qui n’est pas racine de Q1 , on obtient donc :
Q (X − a)Q1
λ
F = F0 +
X −a
Avec a qui n’est pas un pôle de F0 . Il existe deux techniques pour déterminer λ :
I) On multiple F par le dénominateur, X-a, et on détermine la valeur en a.
P
(X − a)F = = F0 (X − a) + λ
Q1
P̃ (a)
λ=
Q̃1 (a)
II) On utilise la dérivé. On applique la formule de Taylor en a pour Q.
137
Et on prend la valeur en a de cette expression. On obtient :
P̃ (a)
λ=
Q̃0 (a)
Pôle double
→ Sans ordre de multiplicité : Si une fraction F possède un pôle double, a et b, alors on déter-
mine les coefficiants c et d en prenant la valeur en a de (X-a)F et la valeur en b de (X-b)F.
→ Avec ordre de multiplicité : Si une fraction F possède un pôle double, a et b, avec les ordres
de multiplicité respectif α et β, alors on détermine deux des coefficiants en prenant la valeur
en a de (X − a)α et la valeur en b de (X − b)β . Pour déterminer les autres coefficiants, on
détermine des valeurs particulière. En géneral, pour α=2, on prend la valeur en 0 et la limite
en +∞
Parité
Si on a : F (−X) = −F (X) ou F (−X) = F (X) on développe les expressions et on obtient entre
les différentes coefficiants des relations, ce qui limite les calculs.
C.2.2 Dans R
Décomposition indirecte
Si on a la décomposition dans C, avec des pôles imaginaire, on met sous le même dénomina-
teur les fractions avec les pôles conjugés. On obtient la décomposition dans R.
Décomposition direct
→ Soit on passe par un ensemble de valeur particulier, pour déterminer les différents coeffi-
ciants
→ Soit, si possible, on utilise un pole complexe, et on détermine les coefficiant. Ex : On utilise
la valeur en i de (X 2 +1)F.
Annexe D
Intégrale
D.2 Primitive
Soit f défini sur un ensemble E :
→ Si E n’est pas un intervalle, alors ? ? ? ?
→ Si E est un intervalle :
→ Si f n’est pas continue en un réel de E, alors ? ? ?
→ Si f est continue sur E, alors f admet un ensemble de primitive
D.2.1 Dérivabilité
On défini 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 f est dérivable, comme F est par définition dérivable.
139
Annexe E
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(u) = Vect(e1 )
→ Vect({u, v} = Vect({e1 , e2 })
→ Vect({e1 , e2 , e3 }) = R3
Pour e1 , on pose directement :
u
e1 =
||u||
Pour e2 , on détermine tout d’abord un vecteur A2 , colinéaire à e2 . A l’aide d’une représation plan,
on déduit que :
A2 = v + λu
On détermine λ sachant qu’il faut que :
< A2 , e1 >= 0
A3 = w + λu + µv
Et on obtient e3 :
A3
e3 =
||A3 ||
141
Annexe F
Arithmétique
a.u + b.v = c
143
Annexe G
Fonctions de R2 dans R
145
Annexe H
Vrac - Analyse
→
− −−→
n .AM = 0
147
Annexe I
Trigonométrie
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)
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
149
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 trigonométrique
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 hyperbolique
ch(x) 1
lim =
x→+∞ ex 2
sh(x) 1
lim =
x→+∞ ex 2
ch(x)
lim =1
x→+∞ x
ch(x) − 1 1
lim 2
=
x→+∞ x 2
Exponentielle
ex
lim = +∞
x→+∞ xα
ex − 1
lim =1
x→0 x
151
Logarithme
(ln(x))α
lim =0
x→+∞ xβ
ln(1 + x)
lim =1
x→0 x
lim xα |ln(x)|β = 0
x→0
Polynomes
P
lim = Limite des termes de plus bas degres
0 Q
P
lim = Limite des termes de plus haut degres
∞ Q
Autres
(1 + x)α − 1
lim =α
x→0 x
∞
∞
∞−∞
∞×0
1∞