Resume de Cours (MPSI MP)

Résumé de cours MPSI – MP
Année 2020-2021
MATHÉMATIQUES 2020 – 2021 1
Résumé 1 – Structures algébriques
Structure de groupe → Groupe (Z/n Z, +)
→ Groupes et sous-groupes On suppose ici n ∈ N∗ . Rappelons que si a , b ∈ Z,
Définition : Groupe a ≡ b [n ] ⇐⇒ n | (a − b ) ⇐⇒ a − b ∈ nZ
Un groupe est un couple (G , ∗) où G est un ensemble La congruence modulo n est une relation d’équivalence.
et ∗ une loi de composition interne tels que : On note Z/n Z l’ensemble des classes d’équivalence de Z
(i) la loi ∗ est associative : pour cette relation.
∀x , y , z ∈ G , x ∗ (y ∗ z ) = (x ∗ y ) ∗ z On munit alors Z/n Z d’une addition et d’une multiplica-

tion (qui ne dépendent pas du choix du représentant).
(ii) il existe un élément neutre :
Théorème
∀x ∈ G , x ∗e =e ∗x = x Pour tout n ∈ N∗ , (Z/n Z, +) est un groupe abélien.
(iii) tout élément de G possède un inverse :
∀x ∈ G , ∃y ∈ G , x ∗y = y ∗x =e → Groupes monogènes et groupes cycliques
Définition
Proposition Un groupe (G , ∗) est dit :
Soit (G , ∗) un groupe. H ⊂ G est un sous-groupe de • monogène s’il est engendré par un élément :
G si H est non vide et si :
G = 〈a 〉 = {a k , k ∈ Z}
∀x , y ∈ H , x ∗ y −1 ∈ H
• cyclique s’il est monogène et fini.
• Le produit fini de groupes est encore un groupe.

• L’intersection (quelconque) de sous-groupes de G est Théorème
un sous-groupe de G .
• Le groupe (Z/n Z, +) est cyclique.
Théorème : Sous-groupes de Z • Z/n Z = 〈k 〉 si et seulement si k ∧ n = 1.

Si G est un sous-groupe de (Z, +), alors il existe un
unique n ∈ N tel que G = n Z.
Théorème : Classification des groupes monogènes
Soit G un groupe monogène.
→ Morphismes de groupes • Si G est infini, G ' Z.
• Si G est cyclique, G ' Z/n Z avec card(G ) = n .
Définition : Morphisme de groupes
Un morphisme du groupe (G , ∗) dans le groupe (G 0 , ?)
est une application φ : G → G 0 qui vérifie :
→ Ordre d’un élément dans un groupe
∀x , y ∈ G , φ(x ∗ y ) = φ(x ) ? φ(y )
Définition
Parmi les morphismes classiques, on rencontre exp, ln, Soient (G , ∗) un groupe dont l’élément neutre est
det et la signature d’une permutation. noté e et a un élément de G .
Les images directe et réciproque d’un sous-groupe par un • a est d’ordre fini s’il existe n ∈ N∗ tel que a n = e .
morphisme de groupes est un sous-groupe. • L’ordre de a est alors min{n ∈ N∗ | a n = e }.
Définition : Noyau et image d’un morphisme

L’ordre de a est aussi le cardinal du sous-groupe engendré
Soit φ un morphisme du groupe (G , ∗) dans le groupe par a . De plus, si a est d’ordre fini d , alors,
(G 0 , ?).
• On appelle image de φ et on note Im(φ) le sous- an = e ⇐⇒ d |n
groupe φ(G ) = {φ(x ), x ∈ G }.
• On appelle noyau de φ et on note Ker(φ) le sous- Théorème
groupe φ −1 ({e 0 }) = {x ∈ G , φ(x ) = e 0 }. L’ordre d’un élément d’un groupe fini divise le cardi-
nal du groupe.
Le noyau permet de caractériser l’injectivité.
Année 2020/2021
2 Fiche 1 – Structures algébriques
Structures d’anneau et de corps → Idéaux d’un anneau commutatif
→ Anneaux et corps Définition : Idéal d’un anneau commutatif

Soit (A, +, ×) un anneau commutatif. On appelle
Définition : Anneau idéal de A toute partie I de A tel que :
Un anneau est un triplet (A, +, ×) où l’ensemble A est (i) (I , +) est un sous-groupe de (A, +) ;
muni de deux lois de composition de sorte que :
(ii) ∀x ∈ I , ∀a ∈ A, xa ∈ I .
(i) (A, +) est un groupe commutatif ;
(ii) la loi × est associative, admet un élément Le noyau d’un morphisme d’anneaux est un idéal.
neutre et est distributive sur + :
Si I1 et I2 sont deux idéaux d’un anneau commutatif A,
∀x , y , z ∈ A, x × (y + z ) = x × y + x × z I1 ∩ I2 et I1 + I2 sont des idéaux de A.
et (x + y ) × z = x × z + y × z
Soit x un élément d’un anneau commutatif A.
• L’anneau est commutatif si la loi × est commutative. (x ) = x A = {x a | a ∈ A}

• Un anneau commutatif est dit intègre si :
est le plus petit idéal de A contenant x . De plus,
∀(x , y ) ∈ A 2 , x × y = 0A =⇒ x = 0A ou y = 0A
x|y ⇐⇒ yA ⊂ xA ⇐⇒ (y ) ⊂ (x )
• Tout produit fini d’anneaux est un anneau.
• Si x et y commutent,
→ Arithmétique dans Z
n n −1
X n k n −k X
n
(x +y ) = x y ; x n −y n = (x −y ) x k y n −1−k Théorème
k =0
k k =0
Les idéaux de Z sont les n Z, où n ∈ N.
Proposition : Caractérisation d’un sous-anneau
Soient a , b ∈ Z non nuls. On appelle :
Soit (A, +, ×) un anneau. B est un sous-anneau de A
si et seulement si 1A ∈ B et : • plus grand diviseur commun de a et b l’unique entier
naturel d tel que a Z + b Z = d Z. Notation : a ∧ b .
∀x , y ∈ B , x −y ∈B et x ×y ∈B • plus petit commun multiple de a et b l’unique entier
naturel c tel que a Z ∩ b Z = c Z. Notation : a ∨ b .
Définition : Corps
Un corps K est un anneau commutatif pour lequel Théorème : Théorème de Bézout
tout élément non nul admet un inverse pour la loi ×. Soient a , b ∈ Z. Alors a ∧ b = 1 si et seulement s’il
existe un couple (u , v ) ∈ Z2 tel que a u + b v = 1.
Dans le cadre du programme, les corps sont supposés
commutatifs. Un corps est un anneau intègre. L’algorithme d’Euclide permet de déterminer le pgcd de
Définition : Sous-corps deux entiers ou une relation de Bézout.
Soit K un corps. K0 ⊂ K est un sous-corps de K si : Théorème : Lemme de Gauss
∀x , y ∈ K0 × K0∗ , x − y ∈ K0 et x × y −1 ∈ K0 Soient a , b , c ∈ Z. Si a | b c et a ∧ b = 1, alors a | c .
Si p est premier et p | a b , alors p | a ou p | b .

→ Morphismes d’anneaux
→ L’anneau (Z/n Z, +, ×)
Définition : Morphisme d’anneaux
Soient A et B deux anneaux. On appelle morphisme Théorème
de A dans B toute application φ : A → B qui vérifie : (Z/n Z, +, ×) est un anneau.
(i) ∀x , y ∈ G , φ(x + y ) = φ(x ) + φ(y )
(ii) ∀x , y ∈ G , φ(x × y ) = φ(x ) × φ(y )
Théorème
(iii) φ(1A ) = 1B .
Les assertions suivantes sont équivalentes :
Un morphisme d’anneaux est un morphisme de groupes. (i) Z/n Z est un corps.
Définition : Noyau et image d’un morphisme (ii) Z/n Z est un anneau intègre.
Si φ un morphisme de l’anneau A dans l’anneau B , (iii) n est premier.
• Im(φ) = φ(A) = {φ(x ), x ∈ A} ;
L’élément k est inversible dans l’anneau Z/n Z si et seule-
• Ker(φ) = φ −1 ({0B }) = {x ∈ A, φ(x ) = 0B }.
ment si k ∧ n = 1.
L’image d’un morphisme d’anneaux est un anneau, mais
pas le noyau.
Année 2020/2021
Fiche 1 – Structures algébriques 3
Théorème : Lemme chinois

Si m et n sont deux entiers premiers entre eux,
Z/m nZ est isomorphe à Z/mZ × Z/n Z
Définition : Indicatrice d’Euler

Pour n ∈ N∗ , on pose ϕ(n ) = card {k ∈ ¹1, n º | k ∧ n = 1}.
La fonction ϕ est appelée indicatrice d’Euler.
ϕ(n ) représente :
• le nombre d’entiers inférieurs à n et premiers avec n ;
• le nombre d’éléments inversibles de l’anneau Z/n Z ;
• le nombre de générateurs du groupe (Z/n Z, +), donc
celui de (Un , ×).
Proposition
Soient m, n ∈ N∗ . Si m ∧ n = 1, ϕ(mn) = ϕ(m)ϕ(n ).
Proposition
Y 1

Pour tout n ∈ N∗ , ϕ(n ) = n · 1− .
p premier
p
p |n
Proposition : Théorème d’Euler

Soient a ∈ Z et n ∈ N \ {0, 1}. Si a ∧ n = 1, alors :
a ϕ(n ) ≡ 1 [n ]
Corollaire : Petit théorème de Fermat

Soient p un entier premier et a ∈ Z. Alors,
a p ≡ a [p ]
Si de plus p ne divise pas a , a p −1 ≡ 1 [p ].
Structure d’algèbre
Définition : K-algèbre
Une algèbre sur un corps K, ou K-algèbre, est un
ensemble A munis de trois lois +, × et · tels que :
(i) (A , +, ·) est un K-espace vectoriel ;
(ii) (A , +, ×) est un anneau ;
(iii) les lois × et · sont compatibles :
∀a , b ∈ K, ∀x , y ∈ A , (a ·x )×(b ·y ) = a b ·(x ×y )
Une sous-algèbre de A est une partie B de A telle que

B est à la fois un sous-anneau de A et un sous-espace
vectoriel de A .
Définition : Morphisme d’algèbres
Soient A et B deux K-algèbres. On appelle mor-
phisme de A dans B toute application φ : A → B
telle que φ est un morphisme d’anneaux et φ un
morphisme d’espaces vectoriels.
Année 2020/2021
4 MATHÉMATIQUES 2020 – 2021
Résumé 2 – Polynômes et fractions rationnelles
Polynômes → Racines n ièmes de l’unité
→ Généralités Ce sont les n racines simples du polynôme X n − 1 de la

2k π
forme ωk = ei n pour k ∈ ¹0, n −1º. Leur somme est nulle :
Un polynôme est défini par la suite de ses coefficients, n −1 n −1 2nπ
supposés nuls à partir d’un certain rang.
X X 2π
k 1 − ei n
ωk = ei n = 2π = 0.
+∞
X k =0 k =0 1 − ei n
P= a k X k ∈ K[X ] De même, on peut déterminer les racines de X n − a pour

n =0 1 θ
a ∈ C. On écrit a = ρei θ et on trouve αk = ρ n ei n ωk .
+∞ X
n
X
Par définition, P Q = a i bk −i X k .
k =0 i =0 → Arithmétique des polynômes
Théorème Les idéaux de K[X ] sont tous principaux, i.e. de la forme :

• (K[X ], +, ×) est un anneau intègre commutatif. (P ) = P · K[X ] = {P · Q | Q ∈ K[X ]}
• (K[X ], +, ×, ·) est une K-algèbre. Tout idéal de K[X ] distinct de {0̃} est engendré par un
unique polynôme unitaire, appelé polynôme minimal.
On pose deg(P ) = max{k ∈ N | a k 6= 0} avec deg(0̃) = −∞.
Si P,Q ∈ K[X ], deg(P + Q ) ¶ max(deg(P ), deg(Q )). Soient A, B ∈ K[X ] non nuls. On appelle :
De plus, deg(P × Q ) = deg(P ) + deg(Q ) et deg(P ◦ Q ) = • plus grand diviseur commun de A et B l’unique poly-
deg(P ) × deg(Q ). nôme unitaire D tel que (A) + (B ) = (D ). Notation : A ∧ B .
• plus petit commun multiple de A et B l’unique poly-
Théorème : Formule de Leibniz
nôme unitaire C tel que (A) ∩ (B ) = (C ). Notation : A ∨ B .
Soit P et Q deux polynômes à coefficients dans K.
n
X n (k ) (n −k ) Théorème : Théorème de Bézout
Alors, (P Q )(n ) = P Q .
k Soient A, B ∈ K[X ]. A et B sont premiers entre eux
k =0
ssi il existe (U , V ) ∈ K[X ]2 tel que AU + BV = 1.
Théorème : Formule de Taylor Si A, B ∈ K[X ], on peut trouver (U , V ) ∈ K[X ]2 tel que

Soit P un polynôme de degré n et a ∈ K. Alors, AU + BV = A ∧ B à l’aide de l’algorithme d’Euclide .
n Théorème : Lemme de Gauss

X P (k ) (a ) k
P= (X − a ) Si A | B C et A ∧ B = 1, alors A | C .
k =0
k!
→ Polynômes irréductibles
→ Racines et factorisation
Définition
Théorème : Division euclidienne
Un polynôme P est dit irréductible si :
Soit A et B deux polynômes tels que deg(B ) ¶ deg(A)
et B non nul. Alors, P = Q R avec Q , R ∈ K[X ] =⇒ Q ou R constant
∃!(Q , R ) ∈ K[X ], A = BQ + R avec deg(R ) < deg(B ) Proposition
On appelle racine de P tout élément α ∈ K tel que P (α) = 0. Tout polynôme P ∈ K[X ] admet une unique décom-
position comme produit d’un scalaire par un produit
Théorème : Théorème de factorisation de facteurs unitaires irréductibles.
Si α1 , . . . , αp sont p racines d’un polynôme P alors :
Théorème : Théorème de d’Alembert-Gauss
∃!Q ∈ K[X ] P = (X − α1 ) · · · (X − αp )Q
Un polynôme complexe non constant admet au
moins une racine dans C.
α ∈ K est dite racine de P d’ordre de multiplicité k si l’une
des deux assertions équivalentes suivantes est vérifiée : Tout polynôme P ∈ C[X ] non nul est scindé sur C et :
• P = (X − α)k Q avec Q ∈ K[X ] ; n
Y
• P (α) = · · · = P (k −1) (α) = 0. P =λ (X − αi ) (αi ∈ C)
i =1
On dit que P de degré n est scindé sur K (ou dans K[X ])
s’il possède n racines dans K. Si c’est le cas, Si P ∈ R[X ] et P (α) = 0, alors P (α) = 0. Si α ∈
/ R, alors on
peut factoriser P par :
P = a n X n + · · · + a 1 X + a 0 = a n (X − α1 ) · · · (X − αn )
(X − α)(X − α) = X 2 − 2Re(α)X + |α|2 ∈ R[X ]
ce qui donne n + 1 relations entre racines et coefficients.
Année 2020/2021
Fiche 2 – Polynômes et fractions rationnelles 5
Théorème : Polynômes irréductibles En pratique, pour déterminer une décomposition en élé-

• Les polynômes irréductibles de C[X ] sont les poly- ments simples, on pourra :
nômes de degré 1. • mettre au même dénominateur et identifier ;
• Les polynômes irréductibles de R[X ] sont les po- • évaluer en un point pour un pôle simple ;
lynômes de degré 1 et de degré 2 à discriminant • multiplier par (X − α)p puis évaluer en α ;
négatif.
• multiplier par X puis passer à la limite en +∞.
En pratique, on commencera par décomposer un poly- En outre, pour tout pôle simple α ∈ C de la fraction irré-
A
nôme dans C[X ] pour faire apparaître les facteurs réels ductible , l’élément simple associé sera de la forme :
en regroupant les racines conjuguées et ainsi obtenir sa B
décomposition dans R[X ]. a A(α)
avec a=
X −α B 0 (α)
→ Polynômes interpolateurs de Lagrange
r
Y
Théorème Si P = λ (X − αi )mi avec α1 , . . . , αr distinctes,
i =1
Si x1 , . . . , xn ∈ K sont distincts et y1 , . . . , yn ∈ K alors
il existe un et un seul P ∈ Kn −1 [X ] tel que : P 0 X mi
r
=
∀i ∈ ¹1, n º, P (xi ) = yi P i =1
X − αi
L’existence est assurée en écrivant :

n n
X Y X − xj
P= yi L i où Li =
i =1 j =1
xi − x j
j 6=i
On a bien deg(P ) ¶ n − 1 et L i (x j ) = δi , j donc P (xi ) = yi .
Fractions rationnelles
Les fractions rationnelles sont définies à l’aide de couples
de polynômes au moyen d’une relation d’équivalence.
Théorème
(K(X ), +, ×) est un corps commutatif.
Soit R ∈ K(X ). On appelle forme irréductible de R toute

écriture de la forme :
A
R= avec A∧B =1
B
A
Si R = est irréductible, on appelle partie entière de R le
B
quotient de la division euclidienne de A par B .
On appelle pôle de R d’ordre r tout α ∈ K racine de B
d’ordre de multiplicité r .
Décomposition en éléments simples
Soit R ∈ C(X ) de partie entière P et de pôles distincts
α1 , . . . , αr de multiplicité m1 , . . . , m r . Il existe une unique
famille (a i ,k ) 1¶i ¶r de nombres complexes telle que :
1¶k ¶mi
ri m
A XX ai k
R= =P +
B i =1 k =1
(X − αi )k
La décomposition en éléments simples dans R(X ) (unique

elle aussi) fait apparaître une somme de termes de la
forme :
mi mi
X ai k X bi k X + c i k
et
k =1
(X − αi )k k =1
(X 2 + d X + e )k
j j
où les X 2 + d j X + e j sont irréductibles dans R[X ].

Ces expressions ne sont pas à connaître par cœur !
Année 2020/2021
Résumé 3 – Matrices, espaces vectoriels et applications linéaires
Matrices Théorème
Deux matrices de Mn ,p (K) sont équivalentes si, et
→ Puissances de matrices
seulement si, elles ont le même rang.
Le calcul des puissances successives d’une matrice peut
s’effectuer, par exemple, Deux matrices sont équivalentes si et seulement si on
• en réduisant la matrice ; peut passer de l’une à l’autre par une série d’opérations
élémentaires sur les lignes.
• en utilisant la formule du binôme de Newton ; si A et
B commutent alors, pour p ∈ N quelconque, Proposition

p I 0
X p k p −k Si rg(A) = r , A est équivalente à Jr = r .
(A + B )p = A B 0 0
k =0
k
• en ayant recours à un polynôme annulateur.

→ Matrices semblables
→ Inversion de matrices Soient A, B ∈ Mn (K).
Définition Définition
Une matrice A ∈ Mn (K) est inversible si et seulement A et B sont semblables s’il existe P ∈ GL n (K) telle
s’il existe une matrice B ∈ Mn (K) telle que : que :
B = P −1 AP
AB = B A = In
A et B représentent alors le même endomorphisme dans
Il suffit en fait que AB = In pour que B A = In . deux bases différentes.
Deux matrices semblables ont même rang, même trace,
A ∈ Mn (K) est inversible ⇐⇒ det(A) 6= 0 ⇐⇒ rg(A) = n même déterminant, même polynôme caractéristique
donc même valeurs propres.
Pour inverser une matrice, on peut :
• résoudre le système linéaire associé à l’aide du pivot Systèmes d’équations linéaires
de Gauss ;
On considère le système d’équations linéaires :
• appliquer les opérations élémentaires sur la matrice

jusqu’à obtenir l’identité ; 
 a 11 x1 + a 12 x2 + . . . + a 1p xp = b1
a 21 x1 + a 22 x2 + . . . + a 2p xp = b2

• utiliser un polynôme annulateur ; 
• calculer la comatrice. ..


 .

a n 1 x1 + a n 2 x2 + . . . + a np xp = bn

→ Trace
n
a 11 a 12 ... a 1p
X  
Si A ∈ Mn (K), Tr(A) = ak k . . .. .. 
k =1 On lui associe A =  .. . . ∈ Mn ,p (K).
La trace est une forme linéaire sur K et Tr(AB ) = Tr(B A). an 1 an 2 ... a np
La trace est la somme des valeurs propres complexes de A.
x1 b1
  

..   .. 
→ Transposée Le système se réécrit sous la forme : A . = . .

xp bn
Si A ∈ Mn ,p (K), A T = (a j ,i ) 1¶i ¶n .
1¶ j ¶p L’ensemble des solutions est un sous-espace affine. Un
A et A T ont même rang et même déterminant (si n = p ). tel système admet donc 0, 1 ou une infinité de solutions.
Lorsqu’il n’admet pas de solution, on dit qu’il est incom-
→ Matrices équivalentes patible. On dit qu’il est de Cramer lorsque n = p et qu’il
admet une unique solution (x1 , . . . , xp ) ∈ Kp .
Soient A, B ∈ Mn ,p (K).
Pour un système de Cramer avec n = p = 2,
Définition : Matrices équivalentes
b1 a 12

a 11 b1
A et B sont dites équivalentes s’il existe P ∈ GL p (K)

b2 a 22 a 21 b2
et Q ∈ GL n (K) telles que : x1 = et x2 =
a 11 a 12 a 11 a 12

B = Q −1 AP a 21 a 22 a 21 a 22
Ce sont les formules de Cramer (en dimension 2).
Année 2020/2021
Fiche 3 – Matrices, espaces vect. et applications linéaires 7
Espaces vectoriels Théorème : Théorème de la base incomplète

E désigne désormais un K-espace vectoriel et F ⊂ E . Si F est une famille libre de E ,
• on peut compléter F en une base de E .
Définition
• Card(F ) ¶ n ; si Card(F ) = n , c’est une base de E .
F est un sous-espace vectoriel de E ssi
Par définition, rg F = dim Vect(u 1 , . . . , u p ).

0E ∈ F
∀x , y ∈ F, ∀λ ∈ K, λx + y ∈ F
Théorème
• rg F ¶ n et rg F ¶ p .
Quelques exemples classiques d’espaces vectoriels : R, C,
Kn , K[X ], Mn ,p (K), F (R, R), C ∞ (R), etc. munis des lois • rg F = n ssi la famille est génératrice.
usuelles. L’intersection de deux sous-espaces vectoriels • rg F = p ssi la famille est libre.
est un sous-espace vectoriel.
→ Famille de vecteurs (u 1 , . . . , u n ) base de E ⇐⇒ rg(u 1 , . . . , u n ) = n

Soient u 1 , . . . , u n ∈ E . ⇐⇒ det(u 1 , . . . , u n ) 6= 0
n
¨ «
→ Espaces supplémentaires et sommes directes
X
n
Vect(u 1 , . . . , u n ) = αi u i | (α1 , . . . , αn ) ∈ K
i =1 F et G désignent deux sous-espaces vectoriels de E .
C’est le plus petit sous-espace vectoriel de E contenant
les vecteurs u 1 , . . . , u n . Définition
On dit que F et G sont supplémentaires dans E si
Définition E = F + G et F ∩ G = {0E }. On note alors E = F ⊕ G .
La famille (u 1 , . . . , u n ) est dite génératrice de F si
F = Vect(u 1 , . . . , u n ). Autrement dit, Un supplémentaire n’est pas unique. Rappel : dans un
n
X espace euclidien E , E = F ⊕ F ⊥ .
∀x ∈ F, ∃(α1 , . . . , αn ) ∈ Kn , x= αi u i dim(F + G ) = dim(F ) + dim(G ) − dim(F ∩ G ) lorsque F et
i =1
G sont de dimension finie.
,→ Existence de la décomposition.
Théorème : Caractérisation en dim. finie
Si E est un espace de dimension finie, F et G sont
Définition supplémentaires dans E si et seulement si deux des
La famille (u 1 , . . . , u n ) est dite libre dans F si : trois assertions suivantes sont vérifiées :
n
X (i) E = F + G (ii) F ∩ G = {0E }
∀(α1 , . . . , αn ) ∈ Kn αi u i = 0 =⇒ α1 = · · · = αn = 0
i =1
(iii) dim(E ) = dim(F ) + dim(G )
,→ Unicité de la décomposition.
E = F ⊕ G si et seulement si l’on obtient une base de E
Une famille de deux vecteurs est libre lorsqu’ils ne sont en concaténant une base de F et une base de G . On parle
pas colinéaires. Cette propriété est fausse dès qu’il y a plus alors de base adaptée à la somme directe.
de deux vecteurs.
Définition : Somme directe
Une famille infinie de vecteurs de E est libre ssi toute
sous-famille est libre. Les espaces F1 , . . . , Fp sont en somme directe lorsque
la décomposition de tout vecteur de F1 + · · · + Fp est
Définition M p
• Une base de E est une famille libre et génératrice. unique. On la note alors Fi ou bien F1 ⊕ · · · ⊕ Fp .
i =1
• Un espace de dimension finie est un espace qui
admet une famille génératrice finie. p p
X X
• Toutes les bases d’un espace E de dimension finie On a dim Fi ¶ dim(Fi ). Il y a égalité si et seule-
ont même cardinal. On l’appelle dimension de E . i =1 i =1
ment si les sous-espaces sont en somme directe.
Soient désormais E un espace vectoriel de dimension
Théorème : Caractérisation de la somme directe
n=6 0 et F = (u 1 , . . . , u p ) une une famille de vecteurs de E .
Les sous-espaces F1 , . . . , Fp sont en somme directe si
Théorème : Théorème de la base extraite et seulement si la décomposition du vecteur nul est
Si F est une famille génératrice de E , unique.
• on peut extraire de F une base de E .

E = F1 ⊕ · · · ⊕ Fp si et seulement si la famille obtenue par
• Card(F ) ¾ n ; si Card(F ) = n , c’est une base de E . concaténation de bases des espaces F1 , . . . , Fp est une base
de E , appelée base adaptée à la somme directe.
Année 2020/2021
8 Fiche 3 – Matrices, espaces vect. et applications linéaires
→ Hyperplans On dispose d’une forme version plus forte de ce résultat,

sans hypothèse sur les dimensions :
Définition : Hyperplan
Théorème : Forme géométrique
Un hyperplan de E est un sous-espace vectoriel de E
admettant une droite comme supplémentaire. Soient E et F deux espaces vectoriels et f ∈ L (E , F ).
Si Ker(f ) possède un supplémentaire I dans E , alors
f|I est un isomorphisme de I sur Im(f ).
Autrement dit, si H est un hyperplan de E , il existe u ∈ E
non nul tel que E = H ⊕ Vect(u ).
De plus, H est un hyperplan si et seulement si, Théorème
• dim(H ) = n − 1 si E est de dimension n ; Soit f un endomorphisme de E de dimension finie.
• H = Ker(ϕ) où ϕ ∈ L (E , K) est non nulle. f injective ⇐⇒ f sujective ⇐⇒ f bijective
Proposition : Intersection de p hyperplans

Théorème
Si E est de dimension finie n et p ¶ n ,
Soit f ∈ L (E , F ). f est un isomorphisme si et seule-
(i) L’intersection de p hyperplans de E est un sous- ment si l’image d’une base (de toute base) de E est
espace de dimension au moins n − p . une base de F .
(ii) Tout sous-espace de dimension n − p est l’in-
tersection de p hyperplans de E .
→ Formules de passage et changement de base(s)
On suppose E de dimension finie. Soient B et B 0 deux
Applications linéaires bases de E . On note P ∈ GL n (K) la matrice de passage de
B à B 0 (ses colonnes représentent les coordonnées des
→ Généralités
vecteurs de B 0 dans la base B).
E et F désignent des espaces vectoriels sur K.
Théorème : Formules de passage
Définition • Soit x ∈ E . On note X (resp. X 0 ) le vecteur coor-
On dit que f : E → F est une application linéaire si : données de x dans la base B (resp. B 0 ).
∀x , y ∈ E , ∀λ ∈ K, f (λx + y ) = λf (x ) + f (y ). X =PX0 c-à-d X 0 = P −1 X
• Soit f ∈ L (E ). On note M (resp. M 0 ) la matrice de

L (E , F ) désigne le K-e.v. des applications linéaires de E
f dans la base B (resp. B 0 ).
dans F . Si E et F sont de dimension finie,
M 0 = P −1 M P
dim(L (E , F )) = dim(E ) × dim(F )
Ne pas oublier que pour déterminer X 0 en fonction de X ,
• Un endomorphisme de E est une application linéaire
on doit inverser un système. D’où la présence de P −1 dans
de E dans lui-même.
la formule X 0 = P −1 X .
• Un isomorphisme est une application linéaire bijective.
Plus généralement, soit f ∈ L (E , F ). On considère deux
• Un automorphisme est un endomorphisme bijectif. bases B et B 0 de E et deux bases C et C 0 de F . On
• Une forme linéaire est une application linéaire à valeurs pose P = PB→B 0 , Q = PC →C 0 ainsi que M = MatB,C (f )
dans K. et M 0 = MatB 0 ,C 0 (f ). On a alors :
f désigne désormais un élément de L (E , F ). M 0 = Q −1 M P
Définition
→ Endomorphismes induits
• Ker(f ) = {x ∈ E | f (x ) = 0F } = f −1 ({0F }).
• Im(f ) = f (E ) = { f (x ) | x ∈ E }. Définition
Soit F un sous-espace vectoriel de E stable par
f ∈ L (E ), c-à-d f (F ) ⊂ F . f|F est alors un endomor-
• Ker(f ) est un s.e.v. de E et Im(f ) un s.e.v. de F . phisme de F appelé endomorphisme induit.
• Si (ei )i ∈I est une base de E , Im(f ) = Vect(f (ei )).
i ∈I
Si (e1 , . . . , ep ) est une base de F que l’on complète en une
• f est injective ssi Ker f = {0E }. base (e1 , . . . , en ) de E , on a alors :
• f est sujective ssi Im f = F .
Mat f|F ×
Mat(f ) = .
Par définition, rg f = dim Im f . 0 ×
Théorème : Théorème du rang Si E = F ⊕ G et si F et G sont stables par f , on aura dans

Si E est de dimension finie et f ∈ L (E , F ), une base adaptée :

Mat f|F 0
dim E = dim Ker f + rg f Mat(f ) = .
0 Mat f|G
Année 2020/2021
Fiche 3 – Matrices, espaces vect. et applications linéaires 9
→ Projections et symétries vectorielles
Définition
Soit E = F ⊕ G . Si x ∈ E , il existe un unique couple
(x1 , x2 ) ∈ F × G tel que x = x1 + x2 .
• On appelle projection sur F parallèlement à G l’ap-
plication linéaire p vérifiant :
∀x ∈ E , p (x ) = x1 .
• On appelle symétrie par rapport à F parallèlement

à G l’application linéaire s vérifiant :
∀x ∈ E , s (x ) = x1 − x2 .
G G
x x
)
p (x
x2
x−
F
x1
x2 =
2
−x
F
x1 = p (x ) s (x )
Théorème : Caractérisation
Soient p , s ∈ L (E ).
• p est une projection vectorielle sur Im p parallèle-
ment à Ker p si et seulement si p ◦ p = p .
On a alors E = Im(p )⊕Ker(p ) et Im p = Ker(p −idE ).
• s est une symétrie vectorielle par rapport Ker(s −
idE ) parallèlement à Ker(s + idE ) si et seulement si
s ◦s = idE . On a alors E = Ker(s −idE )⊕Ker(s +idE ).
Dans une base adaptée, les matrices de p et s sont :

Ir 0 Ir 0
MatB (p ) = et MatB (s ) =
0 0 0 In −r
p est diagonalisable et
• dim Im p = Tr(p ) = r , dim Ker p = n − r ;
• χp = (X − 1)r X n −r et πp = X (X − 1) si p ∈
/ {0L (E ) , idE }.
s est diagonalisable et
• dim Ker(s − idE ) = r , dim Ker(s + idE ) = n − r ;
• χs = (X −1)r (X +1)n −r et πs = (X +1)(X −1) si s 6= ±idE .
Si E = E1 ⊕ · · · ⊕ En , tout vecteur x de E se décompose de

façon unique sous la forme x = x1 + · · · + xn où xi ∈ Ei .
Notons alors, pour i ∈ ¹1, n º, pi l’application définie sur
E par pi (x ) = xi .
Théorème
Pour tout i ∈ ¹1, nº, pi est la projection vectorielle
Mn
sur Ei parallèlement à Ek . De plus,
k =1
k 6=i
p1 + · · · + pn = idE et ∀i 6= j pi ◦ p j = 0L (E )
Année 2020/2021
Résumé 4 – Déterminant
Déterminant d’une matrice carrée Définition : Mineurs et cofacteurs

Soit A = (a i , j ) ∈ Mn (K). On note A i , j la matrice obte-
Définition nue en ôtant la i ème ligne et la j ème colonne de A.
Soit A ∈ Mn (K). On appelle déterminant de A le sca- On appelle alors :
laire :
X n
Y • mineur relatif à a i , j le scalaire det(A i , j ).
det(A) = "(σ) a σ(i ),i • cofacteur de a i , j le scalaire (−1)i + j det(A i , j ).
σ∈Sn i =1
• comatrice de A la matrice des cofacteurs de A.
La comatrice est souvent notée Com(A) ou Ã.
"(σ) désigne la signature de la permutation σ de ¹1, n º.
Toute permutation σ s’écrit comme composée de transpo-
sitions. La parité du nombre de transpositions est quelle Théorème : Développement
que soit la décomposition fixe, fixe. S’il est pair (resp. im- n
X
pair), "(σ) prend la valeur +1 (resp. −1). • ∀i ∈ ¹1, n º det(A) = (−1)i + j det(A i , j )a i , j
j =1
det(A) est un polynôme en les coefficients de la matrice. n
X
• ∀ j ∈ ¹1, n º det(A) = (−1)i + j det(A i , j ) a i , j
Théorème i =1
| {z }
cofacteur
Soient A, B ∈ Mn (K) et λ ∈ K.
(i) Le déterminant est n -linéaire par rapport aux
colonnes. En particulier, det(λA) = λn A. Théorème : Inversion par la comatrice
(ii) det(AB ) = det(A) × det(B ). Soit A ∈ Mn (K). Alors,
(iii) A ∈ GL n (K) si, et seulement si, det(A) =

6 0. A × Com(A)T = Com(A)T × A = det(A)In
1
Dans ce cas, det(A −1 ) = . 1
det(A) En particulier, si A ∈ GL n (K), A −1 = Com(A)T .
(iv) det(A ) = det(A).
T det(A)
(v) Si A et B sont semblables, det(A) = det(B ). −1
a b 1 d −b
Si a d − b c =
6 0, alors = .
c d a d − b c −c a
Théorème : Déterminant triangulaire par blocs Déterminant d’une famille de vecteurs

Soit A une matrice triangulaire par blocs, c’est-à-dire
E désigne un K-espace vectoriel de dim. finie n ∈ N∗ .
de la forme :
Définition
A1 ? ?
 
.. Le déterminant d’une famille F de n vecteurs de E
A= . ?  où A 1 ∈ Mp1 (K), . . . , A r ∈ Mpr (K) dans une base (quelconque) B de E est le détermi-
Ar nant de sa matrice représentative. Notation : det(F ).
B
Alors, det(A) = det(A 1 ) × · · · × det(A r ).
Pour une base B de E , detB est l’unique forme n -linéaire
alternée sur E vérifiant det(B) = 1.
B

A B
En général, det 6 det(A) det(D ) − det(B ) det(C ).
=
C D Théorème : Bases et déterminant
Soient F = (u 1 , . . . , u n ) ∈ E n et B, B 0 deux bases.
Pour calculer certains déterminants, on pourra opérer sur
les lignes et les colonnes pour faire apparaître des déter- • Formule de changement de base
minants de matrices diagonales ou triangulaires (éven-
tuellement par blocs). Effets des opérations du pivot : det(·) = det(B 0 ) × det(·)
B B B0
• Ci ↔ C j : on multiplie le déterminant par −1.
• Caractérisation d’une base
• Ci ← λCi : on multiplie le déterminant par λ.
X (u 1 , . . . , u n ) libre ⇐⇒ (u 1 , . . . , u n ) base de E
• Ci ← Ci + λ j C j : le déterminant reste identique.
j 6=i ⇐⇒ det(u 1 , . . . , u n ) 6= 0
B
Une autre possibilité pour calculer un déterminant 1

consiste à le développer par rapport à une de ses lignes Dans ce cas, det(B) = .
F det(F )
ou une de ses colonnes. B
Année 2020/2021
Fiche 4 – Déterminant 11
Déterminant d’un endomorphisme
Définition
Soit f ∈ L (E ). det(MatB (f )) ne dépend pas de la
base B choisie. On l’appelle déterminant de l’endo-
morphisme f et on le note det(f ).
Théorème
Soient f , g ∈ L (E ) et λ ∈ K.
(i) det(idE ) = 1 et det(λf ) = λn det(f ).
(ii) det(f ◦ g ) = det(f ) × det(g ).
(iii) f ∈ GL (E ) si, et seulement si, det(f ) 6= 0.
1
Dans ce cas, det(f −1 ) = .
det(f )
Pour calculer le déterminant d’un endomorphisme, on

se ramènera de façon quasi-systématique à un calcul de
déterminant matriciel.
Orientation de l’espace, produit vectoriel

Soient B et B 0 deux bases orthonormales de E .
PB→B 0 est orthogonale donc det P = ±1.
Définition : Orientation de l’espace

On dit que B et B 0 définissent la même orientation
si et seulement si det PB→B 0 = 1.
Orienter l’espace consiste à choisir arbitrairement
une base orthonormale de E . Toutes celles qui dé-
finissent la même orientation seront dites directes.
Les autres indirectes.
Par convention, les bases orthonormales directes de R3

sont celles qui respectent la règle des trois doigts (ou règle
du tire-bouchon).
On munit R3 du produit scalaire usuel.
Théorème : Propriétés du produit vectoriel

Soient x , y et z trois vecteurs de R3 .
1. (x ∧ y |z ) = [x , y , z ].
2. Si x et y ne sont pas colinéaires, (x , y , x ∧ y )
est une base directe de R3 .
3. Si (x , y ) est orthonormée, (x , y , x ∧ y ) est une
base orthonormée directe de R3 .
4. Identité de Lagrange :
(x |y )2 + kx ∧ y k2 = kx k2 ky k2
5. Double produit vectoriel :
x ∧ (y ∧ z ) = (x |z )y − (x |y )z
Année 2020/2021
Résumé 5 – Réduction d’endomorphismes
Éléments propres Polynômes d’endomorphismes et de matrices

Soit u ∈ L (E ) où E désigne un K-espace vectoriel. → Algèbre commutative K[u ]
Pour u ∈ L (E ) (ou M ∈ Mn (K)), on définit :
→ Généralités
K[u ] = {P (u ) | P ∈ K[X ]} = Vect(u n )
Définition n ∈N
• On dit que λ ∈ K est une valeur propre de u associé (K[u ], +, ◦, ·) possède une structure d’algèbre commuta-
au vecteur propre x ∈ E si : tive. L’application P 7→ P (u) définit un morphisme d’al-
gèbres de K[X ] dans L (E ) ; son image est K[u ].
u (x ) = λx avec x 6= 0E
Si E est de dimension finie, K[u ] ⊂ L (E ) l’est aussi.
On appelle spectre de u et on note Sp(u) l’en-
semble des valeurs propres de u . Proposition
Si P ∈ K[X ], les sous-espaces Im(P (u)) et Ker(P (u))
• On appelle sous-espace propre associé à λ l’espace
sont stables par u .
vectoriel Eλ (u ) = Ker(u − λidE ).
Théorème → Polynômes annulateurs et polynôme minimal

• Les sous-espaces propres associés à des valeurs Définition : Polynôme annulateur
propres distinctes sont en somme directe.
Soient u ∈ L (E ) et P ∈ K[X ]. P est appelé polynôme
• Toute famille de vecteurs propres associés à des annulateur de u si P (u ) = 0L (E ) .
valeurs propres distinctes est libre.
La définition est identique pour une matrice M ∈ Mn (K).
En dimension finie, il existe toujours un polynôme annu-
→ Polynôme caractéristique lateur non trivial (donc une infinité).
On suppose désormais E de dimension finie n . Si P et Q annulent u , pgcd(P,Q ) annule u (Bézout).
Définition Théorème / Définition : Polynôme minimal

On appelle polynôme caractéristique de u le poly- Si u ∈ L (E ) est non nul et E de dimension finie, il
nôme χu = det(X idE − u ). existe un unique polynôme unitaire qui divise tous
les polynômes annulateurs de u .
Ce polynôme est appelé polynôme minimal de u et
Théorème on le note πu .
• Les valeurs propres de u sont exactement les ra-
cines de χu . Un endomorphisme en dimension infinie n’admet pas
toujours de polynôme minimal.
• χu = X n − Tr(u )X n −1 + · · · + (−1)n det(u ).
• La somme des valeurs propres (complexes) vaut Proposition
Tr(u ) et leur produit det(u ). Deux matrices semblables ont même polynôme mi-
nimal.
Si E est un C-espace vectoriel, u admet exactement n
valeurs propres comptées avec leur ordre de multiplicité. Proposition
Lorsque E est un R-espace vectoriel, elle en admet au Si d est le degré du polynôme minimal de u, alors la
plus n . famille (u k )0¶k ¶d −1 est une base de K[u ].
Si F est stable par u, le polynôme caractéristique χu |F de
l’endomorphisme induit divise χu . En particulier, dim(K[u ]) = deg(πu ).
Théorème Proposition
Soit λ ∈ Sp(u ) d’ordre de multiplicité m(λ). Soit F un sous-espace stable par u non réduit à {0E }.
Alors, le polynôme minimal de l’endomorphisme
1 ¶ dim(Ker(u − λidE )) ¶ m(λ) induit u |F divise celui de u .
Si λ est valeur propre simple, alors Ker(u − λidE ) est une Cela fournit un argument utile de diagonalisabilité pour
droite vectorielle. un endomorphisme induit.
Année 2020/2021
Fiche 5 – Réduction d’endomorphismes 13
→ Polynômes annulateurs et valeurs propres Théorème : CNS de diagonalisabilité

Les assertions suivantes sont équivalentes.
Théorème
Si P annule u, toute valeur propre de u est racine de (i) u est diagonalisable
M
P . Si u (x ) = λx , alors P (u )(x ) = P (λ)x . (ii) E = Eλ
λ∈Sp(u )
X
Attention, l’ensemble des racines d’un polynôme annula- (iii) dim(E ) = dim(Eλ )
teur contient les valeurs propres mais n’est pas égal, en λ∈Sp(u )
général, au spectre de u . (iv) χu est scindé et, ∀λ ∈ Sp(u ), dim Eλ = m (λ)

(v) il existe un polynôme scindé à racines simples
→ Théorème de Cayley-Hamilton annulant u .
(vi) le polynôme minimal de u est scindé à racines
Théorème : Théorème de Cayley-Hamilton
simples.
Le polynôme caractéristique d’un endomorphisme
en dimension finie (ou d’une matrice) est un poly-
Une matrice est diagonalisable si, et seulement si, elle est
nôme annulateur. Autrement dit, si E est de dimen-
annulée par un polynôme scindé à racines simples.
sion finie,
Pour que u soit diagonalisable, πu ne doit pas contenir
∀u ∈ L (E ), χu (u ) = 0L (E ) de facteur de la forme (X − λ)α avec α > 1.
Le polynôme minimal d’un endomorphisme divise ainsi Théorème : CS de diagonalisabilité (1)

le polynôme caractéristique. Le degré du polynôme mini- Si χu est scindé et n’admet que des racines simples
mal est donc inférieur ou égal à dim(E ). alors u est diagonalisable.
Théorème
Les racines du polynôme minimal de u sont exacte- Théorème : CS de diagonalisabilité (2)
ment ses valeurs propres. • Tout endomorphisme symétrique d’un espace eu-
clidien est diagonalisable à l’aide d’une base or-
thonormale de vecteurs propres.
Proposition • Toute matrice symétrique réelle est diagonalisable
Une matrice de Mn (C) est nilpotente si, et seulement au moyen d’une matrice orthogonale.
si, son polynôme caractéristique est X n .
Plan de diagonalisation (à l’aide de χu ) :
• Étude de la diagonalisabilité de u .
→ Lemme des noyaux – On détermine χu .
– Si χu n’est pas scindé, u n’est pas diagonalisable.
Théorème : Lemme des noyaux
Si P1 , . . . , Pr sont des polynômes deux à deux pre- – Si χu est scindé, on compare dim Eλ et m (λ).
miers entre eux de produit égal à P , alors : • Diagonalisation de u lorsque c’est possible.
On détermine une base de Eλ pour tout λ ∈ Sp(u ) en ré-
r
M solvant l’équation u(x ) = λx et on concatène les bases
Ker (P (u )) = Ker (Pi (u ))
i =1
obtenues.
r
Corollaire
M
En particulier, si P annule u , E = Ker (Pi (u )). Si u est diagonalisable, alors pour tout sous-espace
i =1 vectoriel F non réduit à {0E } et stable par u, l’endo-
E est alors la somme de sous-espaces stables par u. morphisme induit par u sur F est diagonalisable.
Diagonalisation
Définition Trigonalisation
• Un endomorphisme f de E est dit diagonalisable Définition : Trigonalisabilité
s’il existe une base de E dans laquelle sa matrice
• Un endomorphisme u de E est dit trigonalisable
est diagonale.
s’il existe une base de E dans laquelle la matrice
• Une matrice est dite diagonalisable si elle est sem- de u est triangulaire supérieure.
blable à une matrice diagonale.
• Une matrice est dite trigonalisable si elle est sem-
blable à une matrice triangulaire supérieure.
Un endormorphisme est diagonalisable si et seulement
s’il existe une base de vecteurs propres de f . Dans cette
base, la matrice de f est diagonale.
Année 2020/2021
14 Fiche 5 – Réduction d’endomorphismes
Théorème : CNS de trigonalisablité

Les assertions suivantes sont équivalentes.
(i) u est trigonalisable.
(ii) Son polynôme caractéristique est scindé.
(iii) Son polynôme minimal est scindé
(iv) u est annulé par un polynôme scindé.
Toute matrice est donc trigonalisable dans Mn (C). On a

T = P −1 M P avec T une matrice triangulaire supérieure
dont la diagonale est constituée par les valeurs propres
de M .
Lorsque n = 2 ou n = 3, on cherchera généralement T
sous la forme :
 
λ1 × ×
λ1 1
ou  0 λ2 1 
0 λ2
0 0 λ3
Théorème
Soit M ∈ Mn (K). S’il existe un polynôme scindé an-
nulant M , alors M est semblable à une matrice dia-
gonale par blocs triangulaires supérieurs. Autrement
dit, à une matrice de la forme :
T1 λi
 
.. avec Ti =
 . 
λi
Tr
Année 2020/2021
Résumé 6 – Espaces préhilbertiens réels
Produit scalaire Orthogonalité

E désigne un R-espace vectoriel. → Familles orthonormales
Définition Soient x , y ∈ E .
On appelle produit scalaire sur E toute application
Définition
ϕ : E × E → R telle que :
x et y sont dits orthogonaux si (x |y ) = 0.
• ϕ est une forme bilinéaire :
Pour tous x1 , x2 , y ∈ E et λ ∈ R,
Le vecteur nul est le seul vecteur orthogonal à tous les
ϕ(λx1 + x2 , y ) = λϕ(x1 , y ) + ϕ(x2 , y ) autres.
Pour tous x , y1 , y2 ∈ E et λ ∈ R, Théorème : Pythagore

kx + y k2 = kx k2 + ky k2 ⇐⇒ (x |y ) = 0.
ϕ(x , λy1 + y2 ) = λϕ(x , y1 ) + ϕ(x , y2 )
• ϕ est symétrique : ∀x , y ∈ E , ϕ(x , y ) = ϕ(y , x ). Définition : Familles orthogonales et orthonormales

• ϕ est définie positive : Soit I un ensemble d’indices fini ou infini.
∀x ∈ E , ϕ(x , x ) ¾ 0 et ϕ(x , x ) = 0 ⇐⇒ x = 0E • Une famille de vecteurs (ei )i ∈I de E est dite ortho-

gonale si :
(E , ϕ) est alors appelé espace préhilbertien réel.
∀(i , j ) ∈ I 2 , i 6= j =⇒ (ei |e j ) = 0.
Si dim E < +∞, E est qualifié d’espace euclidien.
• Elle est dite orthonormale si ses vecteurs sont de
Exemples fondamentaux d’espaces préhilbertiens réels : plus unitaires.
n
X
• E = Rn muni du produit scalaire usuel (x , y ) 7→ xi yi .
i =1
Cela revient à dire que pour tout (i , j ) ∈ I 2 , (ei |e j ) = δi , j .
Z 1
• E = R[X ] muni de (P,Q ) 7→ PQ. Théorème
0 • Une famille orthogonale constituée de vecteurs
Z b non nuls est libre.
• E = C ([a , b ], R) muni de (f , g ) 7→ f g.
• Une famille orthonormale est libre.
a
T
• E = Mn (R) muni de (A, B ) 7→ Tr(B A).
Théorème : Décomposition dans une BON
Théorème : Inégalité de Cauchy-Schwarz Soient E un espace euclidien de dimension n ∈ N∗
Soit (E , (·|·)) un espace préhilbertien réel. On a alors : et (e1 , . . . , en ) une base orthonormale de E .
n
∀x , y ∈ E |(x |y )| ¶ kx k · ky k
X
∀x ∈ E , x = (x |e1 )e1 + · · · + (x |en )en = (x |ei )ei
i =1
Il y a égalité si et seulement si x et y sont colinéaires.
(x |x ) = kx k est une norme sur E .

p
L’application x 7→ Proposition
Soient B = (e1 , . . . , en ) une base orthonormale de E .
Identités remarquables vérifiées par la norme euclidienne : On considère x , y ∈ E de coordonnées respectives
X = (x1 , . . . , xn ) et Y = (y1 , . . . , yn ). On a alors :
Pour tous x , y ∈ E ,
n n
• kx + y k2 = kx k2 + ky k2 + 2(x |y ).
X X
(x |y ) = xi yi = (x |ei )(y |ei ) = X T Y
• kx − y k = kx k + ky k − 2(x |y ).
2 2 2 i =1 i =1
• Identité du parallélogramme : n
X n
X
kx k2 = xi2 = (x |ei )2 = X T X
2 2 2 2
kx + y k + kx − y k = 2kx k + 2ky k i =1 i =1
• Identité de polarisation :
1
kx + y k2 − kx − y k2

(x |y ) =
4
Année 2020/2021
16 Fiche 6 – Espaces préhilbertiens réels
−→ → Projection orthogonale et distance

u2
Dans toute cette partie, F est supposée de dimension finie.
→
On a E = F ⊕ F ⊥ .
u 2 − ( u 2 | e1 ) e1
→− →−
Définition
→ −
On appelle projection orthogonale sur F la projec-

−→ tion sur F parallèlement à F ⊥ .
e2
−
−→
u1
−→ Théorème
e1
− →− →− → On note p la projection orthogonale sur F .
( u 2 | e1 ) e1
• p (x ) est entièrement caractérisé par :
p (x ) ∈ F et x − p (x ) ∈ F ⊥
Tout espace euclidien admet une base orthonormale, que
l’on peut construire à l’aide de l’algorithme d’orthonorma-
• Si (e1 , . . . , ep ) est une base orthonormale de F alors
lisation de Gram-Schmidt. On part d’une base (u 1 , . . . , u n )
quelconque de E et on construit pas à pas une base or-
p (x ) = (x |e1 )e1 + · · · + (x |ep )ep
thonormale (e1 , . . . , en ) en posant :
k −1
X ek0 Définition
ek0 = u k − (u k |ei )ei puis ek =
i =1
kek0 k Soit x ∈ E . On appelle distance de x à F le réel
d (x , F ) = inf kx − u k
u ∈F
Théorème
Soient n ∈ N∗ et (u 1 , . . . , u n ) une famille libre de vec-
teurs de E . Il existe alors une famille orthonormale Théorème
(e1 , . . . , en ) de E telle que : Soit x ∈ E . d (x , F ) = kx −p (x )k où p est la projection
orthogonale sur F .
Vect(e1 , . . . , en ) = Vect(u 1 , . . . , u n )
→ Suites totales
→ Orthogonal d’une partie Définition : Suite totale

On dit qu’une suite de vecteurs (ei )i ∈N de E est totale
Définition : Orthogonal si Vect(ei ) est dense dans E , c’est-à-dire,
i ∈N
Soit F une partie de E . On appelle orthogonal de F
l’ensemble : ∀x ∈ E , ∀" > 0, ∃y ∈ Vect(ei ), kx − y k < "
i ∈N
F ⊥ = {x ∈ E | ∀y ∈ F (x |y ) = 0}
Théorème
F ⊥ est un espace vectoriel. Soient (ei )i ∈N une suite orthonormale totale d’élé-
ments de E et pour tout n ∈ N, pn le projecteur or-
Théorème thogonal sur Vect(e0 , ..., en ). Alors, pour tout x de E ,
Soit F un sous-espace vectoriel de E . (pn (x ))n∈N converge vers x .
• u ∈ F ⊥ si et seulement si u est orthogonal aux
vecteurs d’une base de F .
x − pn (x )
• Si F est de dimension finie, E = F ⊕ F ⊥ .

⊥ x
• Si E est de plus un espace euclidien, F ⊥ = F et :
dim F ⊥ = dim(E ) − dim(F )

)
pn ( x
Vect(e0 , ..., en )
Corollaire : Inégalité de Bessel
Soient (e1 , . . . , ep ) une famille orthonormale de E et Corollaire : Égalité de Parseval
p
X Si (ei )i ∈N une suite orthonormale totale de E ,
x ∈ E . Alors (x |ei )2 ¶ kx k2 .
i =1 +∞
Il y a égalité si et seulement si x ∈ Vect(e1 , . . . , ep ).
X
∀x ∈ E , kx k2 = (x |ei )2
i =0
Année 2020/2021
Résumé 7 – Endomorphismes d’un espace euclidien
(E , (·|·)) désignera par la suite un espace euclidien. → Symétries orthogonales
Endomorphismes orthogonaux Soit F un sous-espace vectoriel de E . On a E = F ⊕ F ⊥ .
→ Matrices orthogonales Définition : Symétries orthogonales

• On appelle symétrie orthogonale par rapport à F
Définition : Matrices orthogonales la symétrie par rapport à F parallèlement à F ⊥ .
On dit que M ∈ Mn (R) est une matrice orthogonale • Une réflexion est une symétrie orthogonale par
si et seulement si M T M = M M T = In . rapport à un hyperplan.
On note On (R) l’ensemble des matrices orthogonales
de Mn (R).
Une matrice orthogonale est inversible, d’inverse M T et
Une isométrie vectorielle est une symétrie orthogo-
de déterminant ±1. On note S On (R) l’ensemble des ma-
nale si et seulement si sa matrice dans une base or-
trices orthogonales de déterminant 1 (groupe spécial or-
thonormale est symétrique.
thogonal). On (R) et S On (R) sont des groupes.
Une matrice est orthogonale si et seulement si l’une → Classification des isométries planes
des deux conditions suivantes est vérifiée :
• Les isométries positives du plan sont les rotations.
• ses vecteurs colonnes forment une famille ortho-
normale.

cos θ − sin θ
M ∈ S O2 (R) ⇐⇒ ∃θ ∈ R tel que M =
• ses vecteurs lignes forment une famille orthonor- sin θ cos θ
male.
Cas particuliers : idE (θ = 0), −idE (θ = π).
Une matrice orthogonale s’interprète comme la matrice • Les isométries négatives de l’espace sont les réflexions.
de passage d’une base orthonormée à une base orthonor-
mée. Lorsque les bases de départ et d’arrivée ont même − cos θ sin θ
M ∈ O2 (R) ⇐⇒ ∃θ ∈ R tel que M =
orientation, son déterminant vaut +1. sin θ − cos θ
→ Isométries vectorielles → Classification des isométries de l’espace
Définition • Les isométries positives de l’espace sont les rotations.

Soit f un endomorphisme de E . Les conditions sui- Si f ∈ S O (R3 ), il existe une base B de R3 dans laquelle :
vantes sont équivalentes :  
1 0 0
(i) f conserve la norme : ∀x ∈ E , k f (x )k = kx k
MatB (f ) = 0 cos θ − sin θ 
(ii) f conserve le produit scalaire : 0 sin θ cos θ
∀x , y ∈ E , (f (x )| f (y )) = (x |y ) Cas particuliers : idE (θ = 0), demi-tour (θ = π).

• Les isométries négatives de l’espace sont les composées
On dit alors que f est une isométrie vectorielle de E
(commutatives) de rotation et de réflexion.
(ou un endomorphisme orthogonal).
Si f ∈ O − (R3 ), il existe une base B de R3 dans laquelle :
Une isométrie vectorielle est bijective, c’est un automor-  
phisme. La composée d’isométries (positives) reste une −1 0 0
isométrie (positive) : O (E ) et S O (E ) sont des groupes. MatB (f ) =  0 cos θ − sin θ 
0 sin θ cos θ
Théorème
Soit F un sous-espace vectoriel stable par f ∈ O (E ). Cas particuliers : réflexion (θ = 0), −idE (θ = π).
Alors F ⊥ est stable par f . Plan d’identification :
On note f l’endomorphisme de R3 canoniquement asso-
cié à la matrice A.
Théorème : Caractérisation à l’aide d’une b.o.n.
Un endomorphisme est orthogonal si et seulement 1. On vérifie que A T A = I3 , i.e. A ∈ O3 (R).
si l’une des deux conditions suivantes est vérifiée : f est une isométrie vectorielle.
• l’image d’une b.o.n. est une b.o.n. 2. On calcule det(A).
• sa matrice dans une b.o.n. est orthogonale. • Si det(A) = 1, A ∈ S O3 (R) et f est une rotation
d’axe dirigé par u et d’angle θ . (cas 1)
Année 2020/2021
18 Fiche 7 – Endomorphismes d’un espace euclidien
• Si det(A) = −1, A ∈ O3− (R) et f est la composée Théorème : Théorème spectral

d’une rotation d’axe dirigé par u et d’angle θ et Si f est un endomorphisme symétrique de E alors f
d’une réflexion par rapport à Vect(u )⊥ . (cas 2) est diagonalisable dans une base orthonormale. Au-
3. On détermine l’axe Vect(u) de la rotation en résol- trement dit, il existe une base orthonormale formée
vant AX = X (cas 1) ou AX = −X (cas 2). de vecteurs propres de f .
4. L’angle de la rotation est donné par :
• Tr(A) = 1 + 2 cos(θ ) (cas 1),
• Tr(A) = −1 + 2 cos(θ ) (cas 2) Théorème : Théorème spectral – version matricielle
sin(θ ) = [u , x , f (x )] où kx k = ku k = 1, x ∈ Vect(u)⊥ . Toute matrice M ∈ Mn (R) symétrique réelle est dia-
Dans le deuxième cas, si θ = 0, f est une simple gonalisable au moyen d’une matrice de passage or-
réflexion. thogonale :
∃P ∈ On (R) P −1 M P = P T M P diagonale.
xD
x Les sous-espaces propres d’une matrice symétrique réelle

f (x )
sont orthogonaux, toutes ses valeurs propres sont réelles.
Si la matrice représentative d’un endomorphisme dans
une certaine base est symétrique réelle, alors il existe une
base orthonormale constituée de vecteurs propres de cet
endomorphisme.
xD⊥ θ
f (x D ⊥ )
D⊥
D = Vect(u )
Représentation d’une rotation de l’espace
Endomorphismes symétriques
Définition : Endomorphisme symétrique

On appelle endomorphisme symétrique tout endo-
morphisme f de E vérifiant :
∀x , y ∈ E , (f (x )|y ) = (x | f (y ))
L’ensemble S (E ) des endomorphismes symétriques de E

est un sous-espace vectoriel de L (E ).
Les projecteurs orthogonaux sont des endomorphismes
symétriques, ce sont même les seuls projecteurs à l’être.
Proposition
Un projecteur est orthogonal si et seulement s’il est
symétrique.
Proposition
Soit f ∈ S (E ). Si un sous-espace vectoriel F de E est
stable par f , alors F ⊥ est stable par f .
Proposition : Caractérisation à l’aide d’une b.o.n.

Un endomorphisme est symétrique si et seulement
si l’une des deux conditions suivantes est vérifiée :
• pour une (et même toute) b.o.n. (e1 , . . . , en ) de E ,
∀i , j ∈ ¹1, n º, (f (ei )|e j ) = (ei | f (e j ))
• sa matrice dans une b.o.n est symétrique.
Année 2020/2021
Résumé 8 – Espaces vectoriels normés et topologie
Soit E un K-espace vectoriel. Une partie A est bornée si, et seulement si,
Norme et distance ∃M > 0, ∀x ∈ A, kx k ¶ M
Définition : Norme sur un espace vectoriel Comparaison de normes

Une norme est une application N : E → R+ vérifiant :
Soient N et N 0 deux normes définies sur E .
• ∀x ∈ E , N (x ) = 0 ⇐⇒ x = 0E
Proposition
• ∀λ ∈ K, ∀x ∈ E , N (λx ) = |λ| · N (x )
Toute suite convergeant au sens de N converge aussi
• ∀x , y ∈ E , N (x + y ) ¶ N (x ) + N (y )
au sens de N 0 si, et seulement s’il existe α > 0 tel que
(E , N ) est un espace vectoriel normé. pour tout x ∈ E , N 0 (x ) ¶ αN (x ).
(E , k · k) désigne désormais un K-espace vectoriel normé.

Définition : Normes équivalentes
Une norme sur E vérifie l’inégalité triangulaire étendue :
N et N 0 sont équivalentes s’il existe α, β > 0 tels que :
∀x , y ∈ E , kx k − ky k ¶ kx + y k ¶ kx k + ky k
∀x ∈ E αN (x ) ¶ N 0 (x ) ¶ β N (x )
Exemples de normes à connaître :
• Normes sur Kn – pour x = (x1 , . . . , xn ) ∈ Kn ,
L’équivalence des normes est une relation d’équivalence.
v
n
X uXn
kx k1 = |xi | ; kx k2 =
t
|xi |2 ; kx k∞ = max |xi | Théorème : Équivalence des normes
1¶i ¶n
i =1 i =1 En dimension finie, toutes les normes sont équiva-
• Normes sur C ([a , b ], K) – pour f ∈ C ([a , b ], K), lentes.
v
Z b uZ b Pour montrer que deux normes ne sont pas équivalentes,
k f k1 = | f | ; k f k2 = | f |2 ; k f k∞ = sup | f |
t
il suffit de construire une suite de vecteurs telle que
I
a a N (u n ) ¶ αN 0 (u n ) est impossible, en passant à la limite.
• Norme euclidiennep : si (E , (·|·)) est un espace préhilber-
tien réel, alors x 7→ (x |x ) définit une norme sur E . Notions générales de topologie
• Norme produit : si (Ei , Ni ) sont p espaces vectoriels, on → Voisinages, ouverts et fermés
peut munir E1 × · · · × Ep de la norme définie par :
Soit A une partie de E et x ∈ E .
∀x = (x1 , . . . , xp ) ∈ E1 × · · · × Ep , N (x ) = sup Ni (xi )
1¶i ¶p
Définition : Voisinage, ouvert, fermé
Définition : Distance associée à une norme • A est un voisinage de x s’il existe r > 0 tel que
B (x , r ) ⊂ A.
On appelle distance associée à k · k l’application :
• A est un ouvert de E si :
d : E × E −→ R+
(x , y ) 7−→ kx − y k ∀x ∈ A, ∃r > 0, B (x , r ) ⊂ A
• A est un fermé de E si son complémentaire

Proposition A c = E \ A est un ouvert.
Une distance d associée à une norme k · k vérifie :
• ∀(x , y ) ∈ E 2 , d (x , y ) = d (y , x ) ∅ et E sont des parties ouvertes et fermées de E .
• ∀(x , y ) ∈ E 2 , d (x , y ) = 0 ⇐⇒ x = y • Toute réunion d’ouverts est un ouvert, toute intersec-

tion finie d’ouverts est un ouvert.
• ∀(x , y , z ) ∈ E 3 , d (x , y ) ¶ d (x , z ) + d (z , y )
• Toute réunion finie de fermés est un fermé, toute inter-
section de fermés est un fermé.
• la boule ouverte de centre a ∈ E et de rayon r ¾ 0 est
B (a , r ) = {x ∈ E | kx − a k < r } Théorème : Caractérisation séquentielle

A est une partie fermée de E si et seulement si la
• la boule fermée de centre a ∈ E et de rayon r ¾ 0 est
limite de toute suite convergente de A est dans A.
B f (a , r ) = {x ∈ E | kx − a k ¶ r }
Deux normes équivalentes définissent sur un espace la
• la sphère de centre a ∈ E et de rayon r ¾ 0 est
même topologie : les parties ouvertes et les parties fer-
S (a , r ) = {x ∈ E | kx − a k = r } mées sont les mêmes pour l’une comme pour l’autre.
Année 2020/2021
20 Fiche 8 – Espaces vectoriels normés et topologie
→ Intérieur, adhérence et frontière Continuité dans un espace vectoriel normé
Définition : Point intérieur, point adhérent Soient f : E → F , où E et F désignent des espaces vecto-
riels munis des normes k · kE et k · kF , et A ⊂ E .
• x est un point intérieur à A s’il existe r > 0 tel
que B (x , r ) ⊂ A.
→ Limites
• x est un point adhérent à A si pour tout r > 0,
B (x , r ) ∩ A 6= ∅. Définition
f admet comme limite b ∈ F en a ∈ A si,
∀" > 0, ∃α > 0, ∀x ∈ A,

x1 est un point extérieur
x1 kx − a kE ¶ α =⇒ kf (x ) − b kF < "
x0 x2 est un point adhérent

x2
x0 est un point intérieur a b
x
f (x ) "
α
Définition : Intérieur, adhérence et frontière

• L’intérieur de A est l’ensemble A8 des points in- lim f (x ) = b ⇐⇒ ∀" > 0, ∃α > 0, f (B (a , α)) ⊂ B (b , ")
x →a
térieurs à A.
⇐⇒ ∀V ∈ V (b ), ∃U ∈ V (a ), f (U ) ⊂ V
• L’adhérence de A est l’ensemble A des points
adhérents à A.
→ Continuité
• La frontière de A est l’ensemble Fr(A) = A \ A.
8
f est continue en a ∈ A ssi f (x ) −−→ f (a ).
x →a
Les opérations classiques sur les limites nous permettent
de montrer que :
• A8 ⊂ A ⊂ A.
• l’ensemble C (A, F ) des fonctions continues sur A est
• L’intérieur de A est la réunion de tous les ouverts inclus un espace vectoriel.
dans A, c’est même le plus grand ouvert de A.
• l’ensemble C (A, K) des fonctions continues sur A et à
• L’adhérence de A est l’intersection de tous les fermés valeurs dans K est une K-algèbre (le produit de deux
contenant A, c’est le plus petit des fermés contenant A. fonctions continues est en particulier continu).
• si f : A → F et g : B → G sont continues avec f (A) ⊂ B ,
alors g ◦ f est continue sur A.
Proposition : Caractérisation séquentielle
Un point x de E est adhérent à A si et seulement s’il Proposition : Caractérisation séquentielle
existe une suite d’éléments de A convergeant vers x .
f est continue en a ∈ A si pour toute suite (xn )n ∈N
a ∈A ⇐⇒ ∀r > 0, B (a , r ) ∩ A 6= ∅ d’éléments de A convergeant vers a , f (u n ) n ∈N
converge dans F . Dans ce cas,
⇐⇒ ∃(xn ) ∈ A , N
xn −−−−→ a
n →+∞
⇐⇒ d (a , A) = 0 lim f (u n ) = f lim u n = f (a )
n→+∞ n →+∞
Si A est une partie bornée et non vide de R, sup(A) et inf(A) Deux applications continues qui coïncident sur une partie
appartiennent à A. dense de E sont égales.
Définition Applications lipschitziennes

Soient A et B deux parties de E . Définition
• On dit que A est dense dans E si A = E . f est dite lipschitzienne de rapport K ¾ 0 si :
• On dit que A est dense dans B si B ⊂ A.
∀x , y ∈ E , k f (x ) − f (y )kF ¶ K · kx − y kE
De façon équivalente, A est dense dans B si et seulement Pour f : R → K, lien avec les accroissements finis.
si l’une des assertions suivantes est vérifiée :
Proposition
• tout élément de B est limite d’une suite de A.
Toute fonction lipschitzienne est continue.
• pout tout x ∈ B , il existe r > 0 tel que B (x , r ) ∩ A 6= ∅
x 7→ kx k et x 7→ d (x , A) = inf kx − a k sont continues.
a ∈A
Année 2020/2021
Fiche 8 – Espaces vectoriels normés et topologie 21
Applications uniformément continues → Applications polynomiales et multilinéaires
Définition • toute application polynomiale définie sur un espace

f : E → F est uniformément continue sur A si : vectoriel normé de dimension finie est continue.
• toute application multilinéaire définie sur E1 × · · · × En
∀" > 0, ∃α > 0, ∀x , y ∈ A, supposé de dimension finie est continue.
kx − y kE < α =⇒ kf (x ) − f (y )kF < "
Parties compactes
→ Définition et premières propriétés
f lipschitzienne =⇒ f uniformément continue
Définition : Partie compacte

=⇒ f continue A est compacte si toute suite d’éléments de A admet
une sous-suite qui converge dans A.
Caractérisations topologiques de la continuité
Toute suite d’un compact admet donc au moins une va-
Si X ⊂ F et f : E → F ,
leur d’adhérence.
f −1 (X ) = {x ∈ E | f (x ) ∈ X } ⊂ E
Théorème
A ⊂ f −1 (X ) si et seulement si f (A) ⊂ X . Toute partie compacte est fermée et bornée.
Théorème : Image réciproque et continuité
Une application de E dans F est continue si et seule- Les parties compactes d’un compact sont les parties fer-
ment si l’une des deux assertions suivantes est vraie : mées de ce compact.
• L’image réciproque de tout ouvert de F est un ou-
Proposition
vert de E .
Soit X ⊂ A où A est une partie compacte de E . Alors,
• L’image réciproque de tout fermé de F est un X est compacte si et seulement si X est fermée.
fermé de E .
Par exemple, si f : E → R est continue, Proposition

−1
{x ∈ E , f (x ) > 0} = f (R∗+ ) est ouvert ; Le produit fini de compacts d’espaces normés est
compact (pour la norme produit).
{x ∈ E , f (x ) ¾ 0} et {x ∈ E , f (x ) = 0} sont fermés.
→ Continuité d’une application linéaire → Compacité et continuité

La continuité d’une application linéaire se ramène par
linéarité à sa continuité en 0. Théorème
L’image d’un compact par une application continue
Théorème : Continuité d’une application linéaire
est compacte.
L’application linéaire u ∈ L (E , F ) est continue si, et
seulement s’il existe C > 0 tel que,
Corollaire : Théorème des bornes atteintes
∀x ∈ E , ku (x )kF ¶ C kx kE Si f est une application continue sur un compact et
à valeurs dans R, f est bornée et atteint ses bornes.
Pour justifier la continuité d’une application linéaire,
• on peut invoquer un argument de dimension :
On peut ainsi montrer qu’une norme est atteinte ou justi-
Théorème fier l’existence d’un minimum/maximum.
Si E est de dimension finie, toute application li-
Théorème : Théorème de Heine
néaire de E dans F est continue.
Toute application continue sur un compact y est uni-
• on peut majorer ku (x )k afin de trouver C tel que pour formément continue.
tout x ∈ E , ku (x )k ¶ C kx k.
Pour justifier la non-continuité, on peut chercher une
→ Compacité en dimension finie
suite (xn )n ∈N tel que pour tout n ∈ N, ku (xn )k > n kxn k.
Tout noyau d’application linéaire en dimension finie est En dimension finie, les parties compactes sont les fermés
fermé et plus généralement : bornés de l’espace.
Théorème Théorème : Caractérisation en dimension finie

Tout sous-espace vectoriel de dimension finie d’un Une partie d’un espace de dimension finie est com-
espace normé est fermé. pacte si et seulement si elle est fermée et bornée.
Année 2020/2021
22 Fiche 8 – Espaces vectoriels normés et topologie
Trois conséquences immédiates :

• En dimension finie, la boule unité fermée et la sphère
unité sont compactes.
• Toute application continue sur un fermé borné en di-
mension finie et à valeurs dans R est bornée et atteint
ses bornes.
• Le théorème de Bolzano-Weierstrass s’étend à tout es-
pace vectoriel de dimension finie.
Parties connexes par arcs
Définition : Connexité par arcs

Soient A une partie de E non vide et a , b ∈ A.
• On appelle chemin continu (ou arc) joignant
les points a et b toute application γ : [0, 1] → A
continue et vérifiant γ(0) = a et γ(1) = b .
• A est dite connexe par arcs si pour tous a , b ∈ A,
il existe un chemin continu joignant a et b .
b
γ(t )
Les composantes connexes de la partie A sont les classes

d’équivalences de A relativement à la relation d’équiva-
lence « il existe un chemin continu de A joignant a et b ».
A est connexe par arcs si elle possède une seule compo-
sante connexe.
• Les parties convexes et les parties étoilées de E sont
connexes par arcs.
• Les parties connexes par arcs de R sont les intervalles.
Théorème
Soient f : E → F une application continue et A une
partie connexe par arcs de E . Alors f (A) est connexe
par arcs.
Ce résultat permet de montrer qu’une partie est connexe

par arcs.
Corollaire : Théorème des valeurs intermédiaires

Soient A une partie connexe par arcs et f : A → R une
application continue. Alors f (A) est un intervalle.
Année 2020/2021
Résumé 9 – Fonctions d’une variable réelle
À l’exception de la dernière partie, on ne considère que La fonction arcsin définie et continue sur [−1, 1] et à
est
valeurs dans − π2 , π2 . Elle est dérivable sur ] − 1, 1[.

des fonctions définies sur un intervalle I de R et à valeurs
dans R.
∀x ∈ [−1, 1], sin(arcsin(x )) = x
Continuité h π πi
∀x ∈ − , , arcsin(sin(x )) = x
2 2
→ Continuité en un point, sur un intervalle
La fonction arcsin est enfin impaire :
f est continue en x0 ∈ I si lim f (x ) = f (x0 ), i.e. si :
x →x0
∀x ∈ [−1, 1] arcsin(−x ) = − arcsin(x )
∀" > 0, ∃η > 0, ∀x ∈ I , |x − x0 | < η =⇒ |f (x ) − f (x0 )| < "
f est continue sur I si f est continue en tout point de I . π

La somme, le produit et la composée de fonctions conti-
y = arccos(x)
nues sont continues.
π
Théorème : Théorème des valeurs intermédiaires 2
Soit f continue sur I avec a , b ∈ I vérifiant a < b .
Alors pour tout réel y compris entre f (a ) et f (b ), il y = cos(x)
existe x ∈ [a , b ] tel que y = f (x ).
−1 1 2 3
L’image d’un intervalle par une fonction continue est un
intervalle. (TVI bis)
Une fonction continue qui change de signe sur I s’annule Représentation de la fonction arccos
(au moins une fois) sur I . La fonction arccos est définie et continue sur [−1, 1] et à
Théorème : Théorème des bornes atteintes valeurs dans [0, π]. Elle est dérivable sur ] − 1, 1[.
Toute fonction continue sur un segment est bornée ∀x ∈ [−1, 1], cos(arccos(x )) = x
et atteint ses bornes.
∀x ∈ [0, π] , arccos(cos(x )) = x
L’image d’un segment par une fonction continue est un
La fonction arccos vérifie enfin :
segment.
On remarquera qu’en général, f ([a , b ]) 6= [f (a ), f (b )]. ∀x ∈ [−1, 1] arccos(−x ) = π − arccos(x )
Théorème : Théorème de la bijection

Si f est continue et strictement monotone sur I alors y = tan(x)
f réalise une bijection de I sur l’intervalle J = f (I ). π

De plus, la bijection réciproque f −1 : J → I est conti- 2
nue et de même monotonie que f .

y = arctan(x)
Le graphe de f −1 est symétrique à celui de f par rapport

à la première bissectrice. −3 −2 −1 1 2 3
− π2
→ Fonctions circulaires réciproques
π y = arcsin(x)
2 Représentation de la fonction arctan
La fonction arctan est définie et continue sur R et à valeurs

y = sin(x)
dans − π2 , π2 . Elle est dérivable sur R.

∀x ∈ R, tan(arctan(x )) = x
−2 −1 1 2 i π πh
∀x ∈ − , , arctan(tan(x )) = x
2 2
− π2 La fonction arctan est impaire et vérifie :
1 π

∀x ∈ R∗ , arctan(x ) + arctan = sgn(x ) ·
Représentation de la fonction arcsin x 2
Année 2020/2021
24 Fiche 9 – Fonctions d’une variable réelle
Dérivabilité Formules de Taylor

f (x ) − f (x0 ) Soient f une fonction de classe C n +1 sur I et a , b ∈ I .
f est dérivable en x0 ∈ I si possède une li-
x − x0 • Formule de Taylor avec reste intégral
mite finie en x0 .
n b
(b − a )k (k ) (b − t )n (n +1)
Z
Théorème X
f (b ) = f (a ) + f (t ) dt
Si f est dérivable en x0 , alors f est continue en x0 . k =0
k! a
n!
f est dérivable en x0 si et seulement si, • Inégalité de Taylor-Lagrange

0
f (x0 + h ) = f (x0 ) + h f (x0 ) + o(h )
n

h →0 (b − a )k (k ) |b − a |n +1
X
f (b ) − f (a ) ¶ M

La somme, le produit et la composée de fonctions déri- k =0
k! (n + 1)!
vable sont dérivables.
où M = sup | f (n +1) |.
0
f g f 0− f g0
= ; (g ◦ f )0 = f 0 · (g 0 ◦ f ) [a ,b ]
g g2
• Formule de Taylor-Young
Théorème : Dérivabilité de la bijection réciproque n
X (b − a )k (k )
Soit f une fonction continue et strictement mono- f (b ) = f (a ) + o((b − a )n )
tone sur l’intervalle I et f −1 sa bijection réciproque. k =0
k !
Si f est dérivable en x0 et si f 0 (x0 ) 6= 0 alors f −1 est
dérivable en y0 = f (x0 ) et Ces formules sont utiles pour déterminer un développe-
ment limité, pour justifier l’existence d’un développement
0 1 1 en série entière, etc.
f −1 (y0 ) = =
0 (x
0)
f f 0 (f −1 (y ))
0
Développements limités et relations de com-
Dérivées des fonctions circulaires réciproques : paraison
−1 1
∀x ∈]− 1, 1[, arccos0 (x ) = p ; arcsin0 (x ) = p ; Soient f , g : I → R avec g ne s’annulant pas au voisinage
1− x 2 1− x2 de x0 , sauf éventuellement en x0 . On dit que :
1
∀x ∈ R, arctan0 (x ) = • f et g sont équivalentes au voisinage de x0 si :
1+ x2
f (x )

Théorème : Limite de la dérivée −−−→ 1 notation : f (x ) ∼ g (x )
g (x ) x →x0 x →x0
Soit f une fonction continue sur I et dérivable sur
I \ {x0 }. Si f 0 (x ) admet une limite ` ∈ R en x0 , • f est négligeable devant g au voisinage de x0 si :
• f est dérivable en x0 et f 0 (x0 ) = ` ;
f (x )

0
• f est de plus continue en x0 . −−−→ 0 notation : f (x ) = o(g (x ))
g (x ) x →x0 x →x0
Théorème : Formule de Leibniz • f est dominée par g au voisinage de x0 si :

n
Soient f et g deux fonctions de classe C sur I . Alors, f (x )

f g est également de classe C n sur I et est bornée notation : f (x ) = O(g (x ))
g (x ) x →x0
n
(n )
X n (k ) (n−k )
(f g ) = f g .
k
k =0 Proposition : Lien entre ∼ et o
f (x ) ∼ g (x ) ⇐⇒ f (x ) = g (x ) + o(g (x ))
x →x0 x →x0
Théorème : Théorème de Rolle
Si f est continue sur [a , b ], dérivable sur ]a , b [ et si
f (a ) = f (b ) alors il existe x ∈]a , b [ tel que f 0 (x ) = 0. Définition : Développement limité
On dit qu’une fonction f admet un développe-
Théorème : Formule des accroissements finis ment limité à l’ordre n au voisinage de x0 s’il existe
Si f est continue sur [a , b ] et dérivable sur ]a , b [ alors a 0 , . . . , a n ∈ R tels que :
il existe c ∈]a , b [ tel que :
f (x ) = a 0 +a 1 (x −x0 )+· · ·+a n (x −x0 )n +o((x −x0 )n )
x →x0
0
f (b ) − f (a ) = f (c )(b − a )
Si | f 0 | est majorée par un réel M sur I , on a alors (inégalité À connaître : Opérations usuelles sur les développe-
des accroissements finis) : ments limités, intégration terme à terme (sans oublier
la constante d’intégration), utilisation de la formule de
∀x , y ∈ I , | f (y ) − f (x )| ¶ M |x − y | Taylor-Young...
Application à l’étude des suites du type u n +1 = f (u n ).
Année 2020/2021
Fiche 9 – Fonctions d’une variable réelle 25
n n
X xk 1 X
ex = + o(x n ) = x k + o(x n )
x →0
k =0
k! 1 − x x →0 k =0
n n
X x 2k 1 X
cos x = (−1)k + o(x 2n ) = (−1)k x k + o(x n )
x →0
k =0
(2k )! 1 + x x →0 k =0
n n
X x 2k +1 X xk
sin x = (−1)k + o(x 2n +1 ) ln(1 + x ) = (−1)k +1 + o(x n )
x →0
k =0
(2k + 1)! x →0
k =1
k
n n
X x 2k X α(α − 1) · · · (α − k + 1) k
chx = + o(x 2n ) (1 + x )α = 1 + x + o(x n )
x →0
k =0
(2k )! x →0
k =1
k !
n
X x 2k +1 x3
shx = + o(x 2n+1 ) tan x = x + + o(x 4 )
x →0
k =0
(2k + 1)! x →0 3
Développements limités usuels
Fonctions convexes Proposition

Une fonction est convexe si et seulement si son épi-
→ Généralités
graphe est une partie convexe de R2 .
Définition : Fonction convexe, fonction concave
Une fonction f est convexe sur l’intervalle I de R si
pour tout (x , y ) ∈ I 2 et tout λ ∈ [0, 1] :
Cf
f (1 − λ)x + λy ¶ (1 − λ)f (x ) + λf (y )
Une application f est dite concave lorsque − f est

E
convexe.
f (x 0 )
f (x )
x x0
(1 − λ)f (x ) + λf (y ) Théorème : Croissance de la pente

Soit f : I → R. f est convexe si et seulement si pour
f (1 − λ)x + λy f (t ) − f (x )
tout x ∈ I , t 7→ est croissante sur I \ {x }.
x y t −x
(1 − λ)x + λy
Une fonction est convexe si et seulement si son graphe

est au-dessous de toutes ses cordes.
Cf
Proposition : Inégalité de Jensen
Soit f : I → R une fonction convexe.
Pour tous x1 , . . . , xn ∈ I et λ1 , . . . , λn des réels positifs f (x )
de somme 1. Alors, f (y )
n n
X X
f λi xi ¶ λi f (xi )
i =1 i =1 f (z )
x z y
→ Caractérisations géométriques
Corollaire : Inégalité des pentes
Définition
Soient f : I → R une fonction convexe et x , y , z ∈ I
Soit f : I → R. On appelle épigraphe de f l’ensemble
vérifiant x < z < y . Alors,
des points du plan situés au-dessus du graphe de f .
Autrement dit, f (z ) − f (x ) f (y ) − f (x ) f (y ) − f (z )
¶ ¶
z −x y −x y −z
E = {(x , y ) ∈ R2 | y ¾ f (x )}
Année 2020/2021
26 Fiche 9 – Fonctions d’une variable réelle
→ Caractérisation par la dérivée → Intégration sur un segment
La croissance de la dérivée permet d’établir facilement la Si f : [a , b ] → R est continue sur E , e.v.n. de dimension
convexité d’une fonction dérivable. finie muni d’une base B = (e1 , . . . , ep ), on pose :
b b
p p
Z b

Théorème
Z Z
X X
f (t ) dt = fi (t )ei dt = fi (t ) dt ei
Soit f une fonction dérivable sur l’intervalle I . Alors,
a a i =1 i =1 a
les trois propriétés suivantes sont équivalentes :
(i) f est convexe On vérifie que l’intégrale ne dépend pas de la base choi-
sie et on retrouve les propriétés classiques de l’intégrale
(ii) f 0 est croissante
(linéarité, relation de Chasles, sommes de Riemann, in-
(iii) le graphe de f est au-dessus de toutes ses tan- égalité triangulaire). De plus, pour tous a , b ∈ I ,
gentes Z x
• F : x 7→ f (t ) dt est de classe C 1 sur I et F 0 = f .
a
Z b
Corollaire • Si f : I → E est de classe C 1 , f 0 (t ) dt = f (b ) − f (a ).
Soit f une fonction deux fois dérivable sur l’inter- a
valle I . Alors f est convexe (resp. concave) si et seule-

ment si f 00 > 0 (resp. f 00 < 0). Proposition : Inégalité des accroissements finis
Soit f : I → E une fonction de classe C 1 , où I est un
intervalle de R. S’il existe un réel M > 0 tel que pour
Fonctions vectorielles et arcs paramétrés tout t ∈ I , k f 0 (t )k ¶ M , alors :
On appelle fonction vectorielle d’une variable réelle toute ∀a , b ∈ I , k f (b ) − f (a )k ¶ M · |b − a |

fonction définie sur un intervalle I de R, à valeurs dans un
espace vectoriel normé E de dimension finie. On travaille On retrouve également les formules de Taylor.
avec E = Rp , d’où des fonctions de la forme :
→ Courbes planes et arcs paramétrés
f : I −→ Rp
t 7−→ (f1 (t ), . . . , fp (t )) Un arc paramétré est une application f : t 7→ (x (t ), y (t ))
de classe C 1 sur un intervalle I à valeurs dans R2 . Le sup-
Les fonctions numériques fi : I → R pour i ∈ {1, . . . , p } port de l’arc est alors l’ensemble :
sont appelées fonctions composantes ou fonctions coor-
données de f . Si E est muni d’une base B = (e1 , . . . , ep ), {(x (t ), y (t )) ∈ R2 | t ∈ I }
on peut toujours écrire f = f1 e1 + · · · + fp ep .
par le point M 0 (x0 , y0 )
• Paramétrage de la droite passant
Soit f : I ⊂ R → E , où E est de dimension p . a
et dirigée par le vecteur u~ = :
b
→ Dérivabilité d’une fonction vectorielle

x = x0 + t a
(t ∈ R)
f (t ) − f (t 0 ) y = y0 + t b
f est dérivable en t 0 ∈ I si lim existe. Alors,
t →t 0 t − t0
• Paramétrage du cercle de centre Ω(a , b ) et de rayon R :
f (t ) = f (t 0 ) + (t − t 0 ) · f 0 (t 0 ) + o(t − t 0 )
x (t ) = a + R cos(t )

t →t 0
(t ∈ R)
y (t ) = b + R sin(t )
La dérivabilité de f équivaut à celle de ses fonctions com-
posantes. De plus,
Plan d’étude pour f : t 7→ (x (t ), y (t )) de classe C 1 sur I
• Toute combinaison linéaire de fonctions dérivables est
dérivable. (i) Domaine de définition
• Toute composée de fonctions dérivables est dérivable. (ii) Recherche des symétries (parité/périodicité)
(iii) Étude des variations de x et y
• Si f : I → F et g : I → G sont dérivables sur I et
B : F × G → E est bilinéaire, B (f , g ) est dérivable et : (iv) Tangente en un point régulier
−−→
dO M x 0 (t 0 ) ~, il dirige la tangente la
B (f , g )0 = B (f 0 , g ) + B (f , g 0 ) Si (t 0 ) = =
6 0
dt y 0 (t 0 )
tangente à la courbe en M (t 0 ).
Application classique : dérivation d’un produit scalaire ou
d’un produit vectoriel.
L’application f est dite de classe C k sur I si elle est déri-

vable k fois sur I et si sa dérivée k -ième, notée f (k ) , est
continue sur I .
Année 2020/2021
Résumé 10 – Suites numériques et vectorielles
Suites numériques classiques Théorème : Théorème de la limite monotone

• Suite arithmétique de raison r ∈ K : Toute suite croissante et majorée converge vers sa
borne supérieure.

u0 ∈ K
u n +1 = u n + r Une suite croissante et non majorée diverge vers +∞.
Outre les théorèmes de comparaison et des gendarmes,
Alors, pour tout n ∈ N, u n = u 0 + n r . le théorème suivant est à connaître.
Théorème : Suites adjacentes
• Suite géométrique de raison q ∈ K
Soit (u n )n ∈N et (vn )n ∈N deux suites réelles vérifiant :
(i) (u n )n∈N croissante et (vn )n ∈N décroissante.

u0 ∈ K
u n +1 = q u n (ii) u n − vn −−−−→ 0.
n →+∞
Alors, pour tout n ∈ N, u n = q u 0 . n Alors (u n )n ∈N et (vn )n ∈N convergent vers la même li-

mite.
• Suite arithmético-géométrique
→ Suites extraites et valeurs d’adhérence

u0 ∈ K
u n+1 = a u n + b (a 6= 1) Toute suite de la forme (u ϕ(n ) )n ∈N avec ϕ : N → N stricte-
ment croissante est appelée suite extraite ou sous-suite
On note ` le point fixe de la suite : ` = a ` + b . (u n − `) de (u n )n ∈N . On a ϕ(n ) −−−−→ +∞ puisque ϕ(n ) ¾ n .
est géométrique de raison a et u n = a n (u 0 − `) + `. n →+∞
• Suite récurrente linéaire d’ordre 2 Théorème

Si (u n )n∈N converge vers ` alors toute suite extraite
u0, u1 ∈ R
converge vers `.
u n+2 = a u n +1 + b u n
On résout l’équation caractéristique X 2 − a X − b = 0 de Théorème : Bolzano-Weierstrass

discriminant associé ∆.
De toute suite complexe bornée, on peut extraire
(i) Si ∆ > 0, deux racines réelles distinctes r1 et r2 . une sous-suite convergente.
∃(λ, µ) ∈ R2 , ∀n ∈ N, u n = λr1n + µr2n

Relations de comparaison
(ii) Si ∆ = 0, une racine réelle double r .
Si (u n )n ∈N et (vn )n ∈N sont deux suites numériques réelles
∃(λ, µ) ∈ R2 , ∀n ∈ N, u n = (λ + nµ)r n avec vn 6= 0 à partir d’un certain rang, on dit que :
un
• (u n )n ∈N et (vn )n ∈N sont équivalentes si lim = 1.
(iii) Si ∆ < 0, deux racines complexes ρe±i θ . n→+∞ vn
Notation : u n ∼ vn ;
n →+∞
∃(λ, µ) ∈ R2 , ∀n ∈ N, u n = ρ n (λ cos(n θ )+µ sin(n θ )) un
• (u n )n ∈N est négligeable devant (vn )n ∈N si lim = 0.
n →+∞ vn
Convergence des suites numériques Notation : u n = o(vn ) ;
n →+∞
un
(u n )n∈N désigne ici une suite à valeurs dans R ou C. • (u n )n ∈N est dominée par (vn )n∈N si est borné.
vn
Définition Notation : u n = O(vn ).
n →+∞
On dit qu’une suite (u n )n ∈N converge vers ` ∈ K si, Si (u n )n ∈N converge vers un réel ` et u n ∼ vn alors
n →+∞
(vn )n ∈N converge vers la même limite `.
∀" > 0, ∃N ∈ N, ∀n ¾ N , ku n − `k < "
De plus, si deux suites sont équivalentes, les termes géné-
raux sont de même signe à partir d’un certain rang.
La limite, lorsqu’elle existe, est unique. Toute suite conver-
gente est bornée, mais la réciproque est fausse.
Théorème
Pour deux suites (u n )n ∈N et (vn )n ∈N données,
→ Cas des suites réelles
Axiome de la borne supérieure : toute partie non vide et un ∼ vn ⇐⇒ un = vn + o(vn )

n →+∞ n→+∞
majorée de R admet une borne supérieure.
Année 2020/2021
28 Fiche 10 – Suites numériques et vectorielles
Suites vectorielles Proposition

On note (E , k · k) un K-espace vectoriel normé de dimen- Une suite converge vers ` ∈ E si, et seulement si,
sion quelconque. toutes ses sous-suites convergent vers `.
→ Convergence d’une suite La limite est donc l’unique valeur d’adhérence d’une suite
convergente. Ainsi, une suite ayant au moins deux valeurs
Définition d’adhérence diverge.
Soit (u n )n ∈N une suite d’éléments de E . On dit que : Si K est une partie compacte de E , toute suite admet au
• la suite (u n )n ∈N est bornée s’il existe M > 0 tel que moins, par définition, une valeur d’adhérence dans K .
pour tout n ∈ N, ku n k ¶ M .
• la suite (u n )n ∈N converge vers ` ∈ E si :
∀" > 0, ∃N ∈ N, ∀n ¾ N , ku n − `k < "
On dit qu’elle diverge sinon.
On remarquera que la suite (u n )n∈N converge vers ` si, et

seulement si, la suite numérique (ku n − `k)n ∈N converge
vers 0.
Proposition
(i) La limite d’une suite, lorsqu’elle existe est
unique.
(ii) Toute suite convergente est bornée.
L’ensemble des suites convergentes est un espace vec-

toriel et l’application (u n )n ∈N 7→ lim u n est une forme
n→+∞
linéaire sur cet espace.
Proposition
Soient p espaces vectoriels normés (Ei , Ni ). On pose
E = E1 × · · · × Ep et on munit E de la norme produit
notée N . Une suite u = (u 1 , . . . , u p ) de E converge si,
et seulement si, chaque suite u i converge dans Ei .
Dans ce cas,

lim u n = lim u 1,n , . . . , lim u p ,n
n→+∞ n →+∞ n →+∞
Une suite définie sur un espace vectoriel normé produit

converge si et seulement si chacune des suites compo-
santes converge. Ainsi,
• pour étudier une suite à valeurs dans Kp , on se ramè-
nera à l’étude des p suites composantes (elles, à valeurs
dans K).
• pour déterminer la nature d’une suite à valeurs dans C,
on pourra étudier la convergence des parties réelle et
imaginaire.
→ Suites extraites et valeurs d’adhérence
Définition : Suite extraite

On appelle suite extraite ou sous-suite d’une suite
(u n )n ∈N de E toute suite de la forme (u ϕ(n ) )n∈N où
ϕ : N → N est strictement croissante.
Définition : Valeur d’adhérence

On appelle valeur d’adhérence d’une suite (u n )n ∈N
de E toute limite d’une e sous-suite de (u n )n∈N .
Année 2020/2021
Résumé 11 – Séries numériques et vectorielles
Sommes classiques → Cas des séries à termes positifs

n
X n (n + 1) Xn
n (n + 1)(2n + 1) Attention, ces résultats ne sont valables que pour des sé-
k= et k2 = ries à termes positifs (au moins à partir d’un certain rang).
k =0
2 k =0
6
n n Théorème
X
k 1 − q n +1 X 1 − q n −p +1
Si q 6= 1, q = qk = qp ·
P
et On suppose que u n est une série à termes positifs.
1−q 1−q
k =0 k =p Si la suite (Sn )n ∈N est majorée alors la série converge.
X n
n k n −k
n −1
X Sinon, elle diverge vers +∞.
n
(x +y ) = x y n n
et x −y = (x −y ) x k y n −1−k
k =0
k k =0
Théorème : Règle de majoration
Convergence des séries numériques
On suppose que pour tout n ∈ N, 0 ¶ u n ¶ vn .
La suite (u n )n ∈N est supposée à valeurs dans K. vn converge =⇒ u n converge.
P P
(i)
On appelle : +∞
X +∞
X
n
X Et alors, un ¶ vn .
• somme partielle au rang n le terme Sn = uk . n=0 n =0
k =0
u n diverge =⇒
P P
(ii) vn diverge.
• série de terme général u n la suite (Sn )n ∈N , notée
P
un .
• somme de la série de terme général la limite de (Sn )n ∈N
La série de terme général u n est dite convergente lorsque Théorème : Règle des équivalents
(Sn )n ∈N converge. On appelle alors :
P
On suppose vn à termes positifs et u n ∼ vn .
n →+∞
• somme de la série la limite de (Sn )n ∈N . P P
Alors, u n et vn sont de même nature.
+∞
X
Notation : S = lim Sn = un .
n→+∞
n =0 +∞
X Théorème : Règle de d’Alembert
• reste au rang n la différence Rn = S − Sn = uk . P
k =n+1
Soit u n une série à termes strictement positifs vé-
u n +1
On ne modifie pas la nature d’une série en modifiant ses rifiant de plus −−−−→ `.
u n n →+∞
premiers termes.
• Si ` < 1, la série converge.
Petit passage en revue des techniques au programme per-
mettant de déterminer la nature d’une série. • Si ` > 1, la série diverge.
• Si ` = 1, on ne peut rien dire.
→ Divergence grossière
Théorème Théorème : Comparaison séries/intégrales

Si f : [a , +∞[→ R est continue, positive et décrois-
P
Si u n converge alors u n −−−−→ 0. R +∞
n→+∞
sante, f (n ) et a f (t ) dt sont de même nature.
P
Ainsi, si (u n )n ∈N ne converge pas vers 0, la série diverge

(de manière grossière). Ce théorème fournit de nouvelles séries de référence.
La réciproque est fausse comme le montre l’exemple n1 .
P
Théorème : Séries de Riemann
X 1
Soit α ∈ R. converge si et seulement si α > 1.
→ Calcul direct nα
Théorème : Série géométrique

x converge si et seulement si |x | < 1 (pour x ∈ C). Théorème : Règles du petit o et du grand O
P n
1
P
Dans ce cas, sa somme vaut . Soit vn une série à termes positifs convergente.
1− x • Si u n = O(vn ), alors u n converge (absolument).
P
• Si u n = o(vn ), alors u n converge (absolument)

P
On peut également prouver la convergence de séries à
l’aide de sommes télescopiques.
On peut comparer les restes de deux séries à termes posi-
Proposition
tifs convergentes :
La suite (u n )n∈N converge ssi la série (u n +1 − u n )
P
• Si u n ∼ vn alors Rn ∼ Rn0 .
converge. n →+∞ n →+∞

• Si u n = o(vn ) alors Rn = o Rn0 .
n →+∞ n →+∞
Application au développement asymptotique de la série
harmonique. • Si u n = O(vn ) alors Rn = O Rn0 .
n→+∞ n →+∞
Année 2020/2021
30 Fiche 11 – Séries numériques et vectorielles
On peut comparer les sommes partielles de deux séries à Séries à valeurs dans un e.v.n. de dim. finie
termes positifs divergentes :
Soit (E , k·k) un espace vectoriel normé de dimension finie.
• Si u n ∼ vn alors Sn ∼ S0 .
n →+∞ n →+∞ n La nature de la série est ainsi indépendante de la norme

• Si u n = o(vn ) alors Sn = o Sn0 . choisie.
n →+∞ n →+∞
→ Convergence d’une série à valeurs dans un e.v.n.

• Si u n = O(vn ) alors Sn = O Sn0 .
n →+∞ n→+∞ P P
On dit que u n converge absolument lorsque ku n k
→ Convergence absolue converge.
Lorsque la série n’est plus à termes positifs (cas réel ou Théorème

complexe), on étudie sa convergence absolue.
Une série absolument convergente d’un espace vec-
Définition toriel normé de dimension finie est convergente.
P
On dit que u n convergeP absolument lorsque la
série à termes positifs |u n | converge. → Exponentielles de matrices et d’endomorphismes
n
X
Théorème : CV abs =⇒ CV Soit n ∈ N∗ . L’application A 7→ max |a i , j | définit une
1¶i ¶n
j =1
Une série absolument convergente est convergente. norme sur Mn (K). Elle vérifie :
P (−1)n
La réciproque est fausse : n est semi-convergente. ∀A, B ∈ Mn (K), kAB k ¶ kAk · kB k
→ Produit de Cauchy Par récurrence simple, ∀k ∈ N, kA k k ¶ kAkk .
Théorème : Produit de Cauchy Théorème / Définition : Exponentielle de matrice

P P X Ak
Si u n et vn convergent absolument alors leur
Pour tout A ∈ Mn (K), la série converge abs.
produit de Cauchy converge (absolument) et : k ∈N
k!
Sa somme est appelée exponentielle de A et on pose :
+∞
+∞ +∞ n
X X X X
wn = un · vn avec wn = u k vn −k +∞ k
X A
n =0 n =0 n =0 k =0 exp(A) = eA =
k =0
k!
→ Critère spécial des séries alternées

+∞ k
X f
Théorème : Théorème spécial des séries alternées De même, pour f ∈ L (E ) (en dim. finie), exp(f ) = .
k =0
k!
(−1)n αn une série à termes réels telle que :
P
Soit
Proposition
(αn )n ∈N positive, (αn )n∈N & et lim αn = 0.
n →+∞ Si A, B ∈ Mn (K) commutent,
Alors (−1) αn converge et |Rn | = |S − Sn | ¶ αn +1 .
P n
exp(A + B ) = exp(A) exp(B ) = exp(B ) exp(A)
Rn est de plus du signe du premier terme « négligé ».
Application à l’étude de la convergence uniforme de cer-

taines séries de fonctions.
Série alternée ?
non
Convergence absolue ? ?
oui
n
no
Règle de majoration
Règle des équivalents
non P oui
Divergence grossière ? u n à termes positifs ? Règle de d’Alembert
P R
Comparaison /
Règle du petit o ou O
Année 2020/2021
Résumé 12 – Familles sommables
Ensembles dénombrables → Cas des familles de nombres réels ou complexes
Définition : Ensemble dénombrable Définition

• Un ensemble E est dit dénombrable s’il existe une La famille (u i )i ∈I de nombres complexes est dite
bijection entre E et N. sommable si la famille de réels positifs (|u i |)i ∈I l’est.
• Il sera dit au plus dénombrable s’il est fini ou en
bijection avec N. Toute combinaison linéaire de familles sommables est
sommable et pour une famille sommable (u i )i ∈I :
Si E est dénombrable, on peut numéroter ses éléments :
X X
E = {xn | n ∈ N} ui ¶ |u i |

i ∈I i ∈I
∗
Les ensembles N, N , Z, N2 , Q sont dénombrables.
• Le produit cartésien d’un nombre fini d’ensembles dé-
Théorème : Sommation par paquets (cas complexe)
nombrables est dénombrable.
Soient (In ) une partition de I et (u i )i ∈I une famille
• La réunion finie ou dénombrable d’ensembles dénom-
de nombres complexes supposée sommable. Alors,
brables est dénombrable.
(i) pour tout entier n , (u i )i ∈In est sommable ;
Les ensembles R, {0, 1}N et NN ne sont pas dénombrables. !
X X
Familles sommables de nombres complexes (ii) la série |u i | converge.
n ∈N i ∈In
(u i )i ∈I désigne une famille de nombres complexes indexée
!
X +∞ X
X
par un ensemble dénombrable I . De plus, ui = ui .
i ∈I n =0 i ∈In
→ Cas des familles de réels positifs
Définition Corollaire : Convergence commutative

La famille de réels positifs (u i )i ∈I est sommable si
X
Si la série u n converge absolument, pour toute

permutation σ de N, u σ(i ) i ∈N est sommable et :
¨ «
X
u i | J ⊂ I , J finie est majoré. +∞ +∞
X X
i ∈J
u σ(n ) = un
X X n =0 n =0
Dans ce cas, on pose : u i = sup ui
i ∈I J ⊂I i ∈J
J finie
X Application aux séries doubles

Si (u i )i ∈I n’est pas sommable, on pose u i = +∞.
i ∈I Théorème : Tonelli discret
Proposition : Lien avec les séries numériques Soit (u n ,p )(n ,p )∈N2 une famille de réels positifs. Cette
famille est sommable si, et seulement si, les deux
P (u i )i ∈N est sommable si,
La famille de réels positifs
conditions suivantes sont vérifiées :
et seulement si, la série u n converge. X
+∞
X X (i) pour tout entier n , u n ,p converge
Dans ce cas, ui = ui . p ∈N
i ∈N i =0
!
X X
(ii) la série u n ,p converge
n∈N p ∈N
Théorème : Sommation par paquets (cas positif )
+∞ X
+∞ +∞
+∞ X
Soient (In )n∈N une partition de I et (u i )i ∈I une fa- X X
Si c’est le cas, u n ,p = u n ,p .
mille de réels positifs. Alors, la famille (u i )i ∈I est n =0 p =0 p =0 n=0
sommable si, et seulement si, les deux conditions
suivantes sont vérifiées :
(i) pour tout entier n , (u i )i ∈In est sommable ; Théorème : Fubini discret
Si la famille de complexes (u n ,p )(n ,p )∈N2 est som-
!
X X
(ii) la série u i converge. +∞ X
X +∞ +∞ X
X +∞
n ∈N i ∈In mable, alors u n ,p = u n ,p .
+∞ X
! n =0 p =0 p =0 n =0
X X
Dans ce cas, ui = ui .
i ∈I n =0 i ∈In On retrouve également le théorème du produit de Cauchy.
Année 2020/2021
Résumé 13 – Suites et séries de fonctions
Suites de fonctions Méthode : établir la non-convergence uniforme
→ Modes de convergence Ls possibilités sont multiples. On peut justifier :

Ê la non-convergence simple (condition minimale) ;
On considère une suite de fonctions fn n∈N
définies sur
Ë le non-respect des théorèmes de continuité et de
un intervalle I et à valeurs dans K.
double limite.
Définition : Convergence simple Ì l’existence d’une suite (u n )n ∈N telle que :

On dit que la suite fn n∈N converge simplement vers
| fn (u n ) − f (u n )| −−−−
6 →0
la fonction f sur I si : n→+∞
∀x ∈ I , fn (x ) −−−−→ f (x ) → Convergence uniforme, continuité et double limite

n →+∞
En cas de convergence uniforme, la continuité se transmet

par passage à la limite.

Établir la convergence simple de la suite fn n ∈N revient à
montrer la convergence de (fn (x ))n ∈N pour tout x ∈ I .
Théorème : Continuité de la limite uniforme

Définition : Convergence uniforme Soit fn n ∈N une suite de fonctions de I dans K

On dit que la suite fn n ∈N converge uniformément convergeant uniformément vers f sur I et soit a ∈ I .
vers la fonction f sur I si fn − f est bornée à partir Si, pour tout n ∈ N, fn est continue en a , alors f est
d’un certain rang sur I et : continue en a .
k fn − f k∞ −−−−→ 0, La continuité étant une propriété locale, on peut se

n →+∞ contenter de travailler seulement au voisinage de a .
c’est-à-dire : sup | fn (x ) − f (x )| −−−−→ 0 Théorème : Théorème de la double limite
x ∈I n →+∞

Soit fn n ∈N une suite de fonctions de I dans K
convergeant uniformément vers f sur I et soit a
y
un point adhérent à I (ou bien a = ±∞). Si, pour
f +"
tout n ∈ N, fn admet une limite `n en a , alors (`n )
admet une limite ` et f (x ) −→ `.
f x →a
fn
f −" Ce résultat généralise le précédent.
→ Convergence uniforme, intégration sur un segment
Théorème
Soit (fn ) une suite de fonctions continues sur un seg-
ment [a , b ] et à valeurs dans K, convergeant unifor-
x mément sur le segment [a , b ]. Alors,
Illustration de la convergence uniforme Z b Z b
lim fn (x ) dx = lim fn (x ) dx
n →+∞ n →+∞
Proposition : CVU =⇒ CVS a a

Si une suite fn n ∈N converge uniformément vers f
Si l’intervalle n’est pas un segment, on exploitera le théo-
sur I , alors elle converge simplement vers f sur I .
rème de convergence dominée.
Proposition : Convergence uniforme et primitives

Méthode : établir la convergence uniforme Soit (fn ) une suite de fonctions continues définies
On commence par déterminer la limite simple f de la sur un intervalle I et à valeurs dans K, convergeant

suite de fonctions fn n ∈N . S’offrent deux possibilités : uniformément vers f sur tout segment de I . Soit
x0 ∈ I . On définit, pour n ∈ N et x ∈ I ,
Ê La borne supérieure sur I de | fn − f | s’obtient par-
fois par simple étude de fonction. Il suffit dans ce
Z x Z x
cas de passer à la limite. Fn (x ) = fn (t ) dt et F (x ) = f (t ) dt

x0 x0
Ë Le calcul explicite de la borne sup est malaisé, on
majore alors en cherchant M n ∈ R+ tel que : Alors (Fn ) converge uniformément vers F sur tout
segment de I .
∀x ∈ I , | fn (x ) − f (x )| ¶ M n avec M n −−−−→ 0
n →+∞
Année 2020/2021
Fiche 13 – Suites et séries de fonctions 33
→ Convergence uniforme et dérivation Définition : Convergence simple, uniforme

X
Théorème On dit que la série de fonctions fn converge sim-
plement (respectivement uniformément) sur I si la
Soit (fn ) une suite de fonctions définies sur un inter-
suite de fonctions (Sn )n ∈N converge simplement (res-
valle I de R, à valeurs dans K. On suppose que :
pectivement uniformément) sur I .
• Pour tout n ∈ N, fn est de classe C 1 sur I . En cas de convergence, on pose :
• (fn ) converge simplement sur I vers f .
+∞ n
• (fn0 ) converge uniformément sur (tout segment
X X
∀x ∈ I , S (x ) = fk (x ) = lim fk (x )
n →+∞
de) I vers une fonction g . k =0 k =0
Alors (fn ) converge uniformément vers f sur (tout

segment de) I , f est de classe C 1 sur I et f 0 = g . La convergence uniforme d’une série entraîne sa conver-
gence simple.
La convergence uniforme de la suite des dérivées s’éta- Proposition
blira sur l’intervalle I ou, si nécessaire, seulement sur tout
Une série de fonctions converge uniformément si et
segment inclus dans I .
seulement si elle converge simplement et si la suite
Corollaire de ses restes converge uniformément vers 0.
Soit (fn ) une suite de fonctions définie sur un inter-
Il n’est pas commode de justifier la convergence uniforme
valle I de R, à valeurs dans K. On suppose que :
d’une série de fonctions (à l’exception de celles vérifiant
• Pour tout n ∈ N, fn est de classe C p sur I . le critère spécial des séries alternées) : il faut au préalable
• Pour tout k ∈ ¹0, p − 1º, (fn(k ) ) converge simple- montrer la convergence simple pour ensuite étudier la
ment sur I vers une fonction fk . convergence uniforme du reste vers 0.
(p )
• fn converge uniformément sur tout segment Définition : Convergence normale
de I vers une fonction fp . X
On dit que la série de fonctions fn converge nor-
Alors (fn ) converge uniformément vers f = f0 sur malement sur I si les fonctions fn sont bornées sur
tout segment de I . La fonction f est de plus de classe I (à partir d’un certain rang) et si la série numérique
C p sur I et pour tout k ∈ ¹0, p º, f (k ) = fk .
X
k fn k∞,I converge.
Pour justifier la convergence normale,

X on établit souvent
→ Convergence dominée la majoration k fn k∞ ¶ αn avec αn convergente.
Théorème : Convergence dominée Théorème
Soit (fn ) une suite de fonctions définies sur un inter- Si la série de fonctions converge normalement sur I
valle I de R, à valeurs dans K. On suppose que : alors elle converge uniformément sur I .

• Pour tout n ∈ N, fn est continue par morceaux X+∞ +∞
X
Dans ce cas, fn k fn k∞,I .

sur I . ¶
n =0 n=0
∞,I
• La suite (fn ) converge simplement sur I vers une
fonction continue par morceaux f .
• Il existe une fonction ϕ positive, continue par
CV normale =⇒ CV uniforme =⇒ CV simple
morceaux et intégrable sur I vérifiant :
∀n ∈ N, | fn | ¶ ϕ (hypothèse de domination) Toute série convergeant uniformément ne converge pas

nécessairement normalement. Bien que pratique, la
Alors, les fonctions f et fn sont intégrables sur I et, convergence normale ne sera pas la réponse à tout !
Z Z
→ Continuité et double limite
lim fn (x ) dx = f (x ) dx
n →+∞
I I
Théorème
P
Soit fn une série de fonctions de I dans K conver-
Séries de fonctions geant uniformément vers f sur I et soit a ∈ I .
+∞
X
→ Modes de convergence Si, pour tout n ∈ N, fn est continue en a , alors fn
n =0
Soit (fn ) une suite de fonctions définies sur un intervalle I est continue en a .
et à valeurs dans K. On appelle :
X n En pratique, la convergence uniforme sur tout segment
• somme partielle au rang n la fonction Sn = fk ; inclus dans I assure la continuité sur I . Cette condition
k =0 s’avère pratique lorsqu’il n’y pas convergence uniforme
• série de terme général fn la suite de fonctions (Sn )n∈N . (ou mieux, normale) sur I .
Année 2020/2021
34 Fiche 13 – Suites et séries de fonctions
Théorème : Théorème de la double limite Les théorèmes qu iprécèdent sont encore valables pour
P fn : I → F avec F un espace normé de dimension finie. Les
Soient fn une série de fonctions de I dans K et a
théorèmes de continuité et de double limite sont même
un point adhérent à I (ou bien a = ±∞). On suppose
encore vérifiés pour fn : A ⊂ E → F avec A une partie d’un
que :
espace normé E de dimension finie.
• Pour tout n ∈ N, fn admet une limite `n en a .
Théorème : Intégration terme à terme
P
• La série fn converge uniformément sur I .
+∞
X Soit ( fn ) une suite de fonctions définies sur un inter-
Alors la série `n converge, la somme
P
fn admet valle I de R, à valeurs dans K. On suppose que :
n =0
+∞
X +∞
X • Pour tout n ∈ N, fn est continue par morceaux
une limite en a et lim fn (x ) = lim fn (x ). sur I .
x →a x →a
n =0
P
n=0 • La série fn converge simplement sur I vers
une fonction continue par morceaux.
PR
• La série | f | converge.
I n
→ Dérivation et intégration d’une série de fonctions
+∞
X
Théorème : Dérivation terme à terme Alors, fn est intégrable sur I et
P n =0
Soit fn une série de fonctions définies sur un in- +∞
X
Z Z +∞
X

tervalle I de R, à valeurs dans K. On suppose que : fn (x ) dx = fn (x ) dx
• Pour tout n ∈ N, fn est de classe C 1 sur I . n =0 I I n =0
P
• fn converge simplement sur I .
Attention àZne pas oublier la valeur absolue dans l’hypo-
P 0
• fn converge uniformément sur tout segment
de I .
X
+∞
thèse « | fn | converge ».
I
X
Alors, fn converge uniformément sur tout seg-
n =0
+∞
Approximation uniforme
X
ment de I , fn est de classe C 1 sur I et
n=0
Définition : Fonctions continues par morceaux
+∞
X
0 +∞
X Une fonction f : [a , b ] → C est dite continue par mor-
fn = fn0 ceaux si pour une certaine subdivision (x0 , . . . , xn ) de
n =0 n =0 [a , b ], pour tout i ∈ ¹0, n − 1º,
• f]xi ,xi +1 [ est continue sur ]xi , xi +1 [
On généralise alors aux séries de fonctions de classe C p . • f]xi ,xi +1 [ est prolongeable par continuité en xi et
xi +1
Corollaire : Dérivation terme à terme
P La subdivision (x0 , . . . , xn ) est dite adaptée à f .
Soit fn une série de fonctions définies sur un in-
tervalle I de R, à valeurs dans K. On suppose que :
Les fonctions en escalier et les fonctions continues sont
• Pour tout n ∈ N, fn est de classe C p sur I .
continues par morceaux.
• Pour tout k ∈ ¹0, p − 1º, fn(k ) converge simple-
P
ment sur I . Proposition

P (p )
• fn converge uniformément sur tout seg- Toute fonction continue par morceaux sur un seg-
ment de I . ment est bornée.
+∞
X
Alors, fn est de classe C p sur I et,
n =0 Théorème : Approximation uniforme (segment)
+∞ (k ) +∞
X X Toute fonction continue par morceaux sur [a , b ] est
∀k ∈ ¹0, p º, fn = fn(k ) la limite uniforme d’une suite de fonctions en esca-
n =0 n =0
lier sur [a , b ].
Théorème : Intégration terme à terme (segment) Théorème : Théorème de Weierstrass

P
Soit fn une série de fonctions continues sur un seg- Toute fonction continue sur un segment y est limite
ment [a , b ] et à valeurs dans K, convergeant unifor- uniforme de fonctions polynomiales.
X b
Z
mément sur le segment [a , b ]. Alors fn (x ) dx
a
converge et :
+∞
Z b
Z b
+∞
X X
fn (x ) dx = fn (x ) dx
n =0 a a n =0
Année 2020/2021
Résumé 14 – Séries entières
Pvariable réelle ou complexe z est une

Une série entière de → Opérations sur les séries entières
série de la forme a n z n avec a n ∈ K. Son domaine de
convergence le domaine de définition D de la fonction : Théorème : Somme et produit
(a n + bn )z n est une série entière de rayon de
P
+∞
X •
z 7→ an z n convergence R avec R = min(Ra , R b ) si Ra 6= R b
n =0 ou R ¾ Ra si Ra = R b .
Rayon de convergence λa n z n est une série entière de rayon de
P
•
convergence Ra si λ 6= 0 ou +∞ si λ = 0.
→ Définition et propriétés
• Le produit de Cauchy des deux séries est de la
n
Lemme : Lemme d’Abel
X
forme cn z n avec cn =
P
a k bn −k et son rayon
Soit z 0 ∈ C. Si la suite (a n z 0n )n ∈N est bornée, alors, k =0
pour Ptout nombre complexe z tel que |z | < |z 0 |, la de convergence R vérifie R ¾ min(Ra , R b ).
série a n z n est absolument convergente.
Définition Propriétés de la somme (variable réelle)

On
P appelle rayon de convergence de la série entière
Soient désormais la série entière réelle a n x n , R > 0 son
P
a n z n l’élément R ∈ R+ défini par :
+∞
X
R = sup r ¾ 0 | (a n r n )n ∈N est bornée rayon de convergence et f : x 7→ a n x n sa somme.

n =0
f est définie sur l’intervalle I , où ] − R , R [⊂ I ⊂ [−R , R ].
Théorème
P
Soit a n z n une série entière de rayon de conver- Théorème
gence R . Une série entière converge normalement, donc uni-
• Si |z | < R alors a n z n converge absolument. formément, sur tout segment inclus dans l’intervalle
P
ouvert de convergence.
• Si |z | > R alors a n z n diverge grossièrement.
P
• Si |z | = R alors on ne peut rien dire.

Attention, il n’y a a priori pas convergence normale sur
Autrement dit, l’intervalle de convergence, seulement sur tout segment
inclus dans l’intervalle ouvert !
X
R = sup{r ¾ 0 | a n r n converge absolument}
Théorème : Continuité
→ Détermination pratique du rayon de convergence
La fonction f est continue sur l’intervalle ouvert de
P P
On considère deux séries entières a n z n et bn z n de convergence.
rayons de convergence respectifs Ra et R b .
Théorème : Encadrement Pour justifier la continuité au bord du domaine, on s’inté-
Soit z 0 ∈ C. ressera à la convergence uniforme ou normale sur [−R , R ].
P
• Si a n z 0n converge, alors |z 0 | ¶ R
P Théorème : Dérivation terme à terme
• Si a n z 0n diverge, alors |z 0 | ¾ R .
f est de classe C ∞ sur ] − R , R [, na n x n −1 est une
P
• Si a n z 0n est semi-convergente, alors |z 0 | = R .
P
série entière de rayon de convergence R et :
+∞
X
Théorème : Comparaison ∀x ∈] − R , R [, f 0 (x ) = na n x n −1
• si |a n | ¶ |bn | à partir d’un certain rang, Ra ¾ R b . n =1
• si |a n | ∼ |bn |, Ra = R b .
n →+∞
• si a n = o(bn ), Ra ¾ R b . Théorème : Intégration terme à terme
n →+∞
X a
x n +1 est une
n
On appliquera également la règle de d’Alembert (pour On note F une primitive de f .
n +1
une série numérique à termes strictement positifs). série entière de rayon de convergence R et :
+∞
Théorème X a n n +1
∀x ∈] − R , R [, F (x ) = F (0) + x
+1
P P
Les séries a n z n et na n z n ont même rayon de n =0
n
convergence.
Année 2020/2021
36 Fiche 14 – Séries entières
Développements en série entière
Définition
Une application est développable en série P entière
sur ] − r, r [ s’il existe une série entière a n x n de
rayon de convergence R avec R ¾ r telle que :
+∞
X
∀x ∈] − r, r [, f (x ) = an x n .
n =0
Théorème
Si f admet un développement en série entière sur
]−r, r [ alors f est de classe C ∞ sur ]−r, r [, son déve-
loppement en série entière est unique et est donné
+∞ (n )
X f (0) n
par sa série de Taylor : x .
n =0
n!
La réciproque est fausse : toute fonction de classe C ∞

n’est pas développable en série entière.
→ Détermination pratique
• Utilisation des développements usuels (♥).
• Dérivation et intégration terme à terme.
• Formule de Taylor avec reste intégral.
• Décomposition en éléments simples d’une fraction
rationnelle.
• Utilisation d’une équation différentielle.
→ Développements en série entière usuels
+∞ n
X z
C ez =
n=0
n!
+∞ +∞
X x 2n X x 2n +1
R ch(x ) = ; sh(x ) =
n=0
(2n )! n =0
(2n + 1)!
+∞ +∞
X (−1)n x 2n X (−1)n x 2n +1
R cos(x ) = ; sin(x ) =
n =0
(2n )! n =0
(2n + 1)!
+∞ +∞
1 X (−1)n+1 n X
] − 1, 1[ = (−1)n x n ; ln(1 + x ) = x
1 + x n =0 n =1
n
+∞
X α(α − 1) · · · (α − n + 1)
] − 1, 1[ (1 + x )α = 1 + x n (α ∈
/ N)
n=1
n!
Année 2020/2021
Résumé 15 – Calcul intégral
Intégration sur un segment • Changement de variables

Si f : J → R est continue et ϕ : [a , b ] → J de classe C 1 ,
→ Construction et propriétés Z ϕ(b ) Z b
On définit l’intégrale en approchant sur le segment [a , b ] f (t ) dt = f (ϕ(u ))ϕ 0 (u ) du
toute fonction continue par morceaux par une suite de ϕ(a ) a
de fonctions en escalier. • Fractions rationnelles

b
1
Z
Ainsi, si f est continue p.m. sur [a , b ], alors f existe. Intégration directe lorsqu’elles sont du type .
(x − a )n
a
Sinon, on décompose en éléments simples.
Propriétés de l’intégrale : (f , g ∈ Cm ([a , b ]; K) et λ ∈ K) x
1 1
x 7→ se primitive en x 7→ arctan .
Z b Z b Z b x2 +a2 a a
• Linéarité : λf + g = λ f + g • Fractions rationnelles en exp : on pose u = e x .
a a a • Produit d’un polynôme par une exponentielle
Z b Z c Z b
On effectue des intégrations par parties successives jus-
• Relation de Chasles : f = f + f (c ∈ [a , b ]) qu’à éliminer le polynôme.
a a c
Z b • Produit d’un polynôme trigonométrique par une expo-
• Positivité : f ¾ 0 =⇒ f ¾0 (seulement pour a < b ) nentielle : on passe en complexe.
a
Z b Z b
→ Calcul approché d’intégrales
• Croissance : f ¶ g =⇒ f ¶ g (idem)
Za aZ La méthode des rectangles (ici « à gauche ») est à connaître.
b b
• Inégalité triangulaire : f ¶ |f | (idem)

a a
Théorème : Sommes de Riemann
Soit f une fonction continue sur [a , b ]. Alors,
Théorème Z b
n −1
Soit f une fonction positive et continue sur [a , b ]. b −a X b −a

f a +i −−−−→ f (t ) dt
n i =0 n n →+∞
a
Z b
f = 0 ⇐⇒ f est identiquement nulle sur [a , b ]. Pour a = 0 et b = 1, on trouve :
a
n −1 Z1
1X k
f −−−−→ f (t ) dt
n k =0 n n →+∞ 0
→ Primitives
Une primitive d’une fonction continue f sur un inter-
valle I est une fonction F dérivable sur I telle que F 0 = f . Intégrales généralisées
Théorème I désigne désormais un intervalle quelconque de R.
Soient f : I → R continue sur l’intervalle I et a , b ∈ I .
Z x → Définition
x 7→ f (t ) dt est une primitive de f sur I .
a Définition
Z b
Si F est une primitive de f , f (t ) dt = F (b )−F (a ). Soit f : [a , b [→ K continue, avec b ∈ R ou b = +∞.
Z x
a
Si f admet une limite finie lorsque x → b − , on
a
Toutes les primitives sur un même intervalle sont égales à Z b
une constante près. dit que l’intégrale converge et on note f la limite.
a
→ Recherche de primitives
Dans le cas contraire, on dit que l’intégrale impropre di-
Il existe de nombreuses façons de calculer des primitives. verge.
• Reconnaissance de formes usuelles. Ex. : f 0 f α se « pri- Il y a deux types d’intégrales impropres : l’intégrale de
f α+1
mitive » en si α 6= −1, en ln | f | si α = −1. fonctions non bornées sur un intervalle borné (x 7→ ln x
α+1 sur ]0, 1]) et celle de fonctions continues sur un intervalle
• Intégration par parties
non borné (x 7→ e−x sur [0, +∞[).
Si f et g sont de classe C 1 sur [a , b ],
Z b Z b On peut étendre la définition précédente au cas ]a , b ] avec
b a ∈ R ou a = −∞. Pour un intervalle de la forme ]a , b [ on
f 0g = f g a − f g0
découpe l’intégrale en deux.
a a
Année 2020/2021
38 Fiche 15 – Calcul intégral
→ Étude de la nature d’une intégrale Des encadrements séries-intégrales permettent en outre

d’obtenir des équivalents de sommes et d’intégrales.
On peut quelquefois calculer une primitive et passer à la
limite pour prouver la convergence/divergence. Théorème : Règle du petit o et du grand O
Z +∞
1
Z 1
1 Soient f , g : [a , b [→ R. On suppose g continue, po-
dt CV ssi α > 1 ; dt CV ssi α < 1 ; sitive et d’intégrale convergente sur [a , b [.
1
tα 0
tα Rb
• si f = o(g ) alors a f converge (absolument) ;
Z +∞ Z 1 b−
−αt
e dt CV ssi α > 0 ; ln t dt CV. • si f = O(g ) alors
Rb
f converge (absolument).
0 0 b− a
Si f : [a , b [→ K est continue sur [a , b [ et prolongeable par Ainsi, g intégrable =⇒ f intégrable (cf. ci-dessous).
Z b
continuité en b (attention, b 6= ∞ !), f converge. 1

a Application à f (t ) = o avec α > 1.
t →+∞ tα
Z b Z b
f = f˜ où f˜ est le prolongement continu de f → Calcul intégral
a a
On se placera sur un segment avant d’utiliser une intégra-
Théorème : Divergence grossière à l’infini tion par parties, quitte à passer à la limite.
Soit f : [a , +∞[→ R continue par morceaux. Si f ad- Théorème : Changement de variable
Z +∞
met une limite ` 6= 0 en +∞, f (t ) dt diverge. Soient f :]a , b [→ K continue et ϕ :]α, β [→]a , b [ une
a bijection strictement croissante de classe C 1 .
Z b Zβ
Contrairement aux séries, on ne peut rien dire lorsque la f (t ) dt et f (ϕ(u))ϕ 0 (u ) du sont de même
a α
limite n’existe pas. nature et en cas de convergence, elles sont égales.
→ Intégrales de fonctions positives Idem pour ϕ strictement décroissante (aux bornes près).
On dispose de plusieurs méthodes lorsque la fonction est
positive (ou tout du moins de signe constant). → Convergence absolue et fonctions intégrables
Théorème : Règle de majoration Définition

Soient f , g : I → R deux fonctions continues p.m. Soit f : [a , b [→ R continue p.m. sur [a , b [.
Z b
sur I telles que 0 ¶ f ¶ g . Alors,
Z Z On dit que f est absolument convergente
(i) g converge =⇒ f converge. Z b
a
I ZI
lorsque | f | converge.
Z
Dans ce cas, f ¶ g a
I I
Z Z
(ii) f diverge =⇒ g diverge. Théorème : CV absolue =⇒ CV
I I
Une intégrale absolument convergente converge.
+∞
Théorème : Règle des équivalents sin(t )
Z
est semi-convergente.
Soient f , g : [a , b [→ R deux fonctions continues p.m. t
0
sur I , de signe constant au voisinage de b , telles que
f (t ) ∼ g (t ). Alors, Définition
t →b −
Soit f : I → K uneZfonction continue p.m. sur I est
Z b Z b
f et g sont de même nature. dite intégrable si f est absolument convergente.
a a I
Les propriétés de linéarité, positivité, croissance, relation

Théorème : Comparaison séries/intégrales de Chasles et inégalité triangulaire se vérifient encore pour
Soit f une application continue par morceaux, posi- des fonction intégrables sur un intervalle quelconque.
tive et décroissante sur [a , +∞[.R
n
Alors la série de terme général n −1 f (t ) dt − f (n) Théorème
converge. En particulier, L’ensemble L 1 (I ) des fonctionsZcontinues et inté-
Z +∞
grables sur I muni de k · k1 : f 7→ | f | est un espace
f (n ) et f (t ) dt sont de même nature.
P
I
a vectoriel normé.
Année 2020/2021
Fiche 15 – Calcul intégral 39
Si f , g : [a , b [→ K sont continues et g est de plus positive L’hypothèse de domination peut simplement être vérifiée
et intégrable sur [a , b [, sur tout segment K inclus dans I , c’est-à-dire :
Z b Z b
• Si f (x ) ∼ g (x ), f (t ) dt ∼ g (t ) dt . ∀(x , t ) ∈ K × J , | f (x , t )| ¶ ϕK (t )
x →b x →b
x x
Z b
Z b
La continuité de g sur tout segment de I assure alors sa
• Si f (x ) = o(g (x )), f (t ) dt = o g (t ) dt . continuité sur I .
x →b x →b
x x
Z b
Z b
Si J = [a , b ] est un segment et si f est continue sur
• Si f (x ) = O(g (x )), f (t ) dt = O g (t ) dt . I × [a , b ], la domination sur tout segment sera automati-
x →b
x
x →b
x quement vérifiée (à justifier).
Si g est supposée positive et non intégrable sur [a , b [,
Z x Z x → Dérivabilité d’une intégrale à paramètre
• Si f (x ) ∼ g (x ), f (t ) dt ∼ g (t ) dt .
x →b x →b
a a Théorème : Théorème de Leibniz
Z x Z x
Si une fonction f : I × J → K vérifie :
• Si f (x ) = o(g (x )), f (t ) dt = o g (t ) dt .
x →b
a
x →b
a • Pour tout t ∈ J , x 7→ f (x , t ) est de classe C 1 sur I .
Z x Z x
• Pour tout x ∈ I , t 7→ f (x , t ) est continue (p.m.),
• Si f (x ) = O(g (x )), f (t ) dt = O g (t ) dt .
x →b x →b ∂f
a a intégrable et t 7→ (x , t ) continue (p.m.) sur J .
∂x
Intégrales à paramètre • Il existe ϕ : J → R+ continue (p.m.) et intégrable
sur J telle que :
On note I et J deux intervalles de R et on considère :
∂ f
Z

g : x 7→ f (x , t ) dt avec f : I × J → R ∀(x , t ) ∈ I × J , (x , t ) ¶ ϕ(t )
∂x
J Z
Étudier le domaine de définition de g revient à étudier Alors, g : x 7→ f (x , t ) dt est de classe C 1 sur I et
J
pour chaque x ∈ I l’existence d’une intégrale.
∂f
Z
0
∀x ∈ I , g (x ) = (x , t ) dt
∂x
→ Convergence dominée J
Théorème : Convergence dominée (extension) On peut là encore se contenter d’une domination sur tout
Soit (f x ) x ∈I une famille de fonctions définies sur J à segment inclus dans I . L’hypothèse de domination est
valeurs dans K. Soit également x0 un point adhérent automatiquement vérifiée lorsque J est un segment.
à I (ou bien x0 = ±∞). On suppose que :
Extension aux fonctions de classe C k : on opère en plu-
• Pour tout x ∈ I , f x est continue (p.m) sur J . sieurs fois sur f 0 , f 00 , . . . ou bien on raisonne par récur-
• Pour tout t ∈ J , f x (t ) −−−→ f (t ) où f est une fonc- rence. On peut également appliquer directement :
x →x0
tion continue par morceaux sur J . Théorème : Théorème de Leibniz – version C n
• Il existe ϕ : J → R+ continue (p.m.) et intégrable Si une fonction f : I × J → K vérifie :
sur J telle que pour tous (x , t ) ∈ I × J , | f x (t )| ¶ ϕ(t ).
• Pour tout t ∈ J , x 7→ f (x , t ) est de classe C n sur I .
Alors, les fonctions f x et f sont intégrables sur J et
∂kf
• Pour tous k ∈ ¹0, n º et x ∈ I , t 7→ (x , t ) est
∂ xk
Z Z
lim f x (t ) dt = f (t ) dt 7 f (x , t ) est intégrable sur J .
continue (p.m) et t →
x →x0
J J
• Pour tout k ∈ ¹1, n º, Il existe ϕk : J → R+ continue
(par morceaux) et intégrable sur J telle que :
∂ f
k
→ Continuité d’une intégrale à paramètre
∀(x , t ) ∈ I × J ,
(x , t ) ¶ ϕk (t )
R ∂ xk
Théorème : Continuité sous le signe Z
Si une fonction f : I × J → K vérifie : Alors, g : x 7→ f (x , t ) dt est de classe C n sur I et
J
• Pour tout t ∈ J , x 7→ f (x , t ) est continue sur I .
∂nf
Z
• Pour tout x ∈ I , t 7→ f (x , t ) est continue par mor- ∀x ∈ I , g (n ) (x ) = (x , t ) dt
J
∂ xn
ceaux) sur J .
• Il existe ϕ : J → R+ continue (par morceaux) et
Ces hypothèses sont à savoir retrouver.
intégrable sur J telle que :
∀(x , t ) ∈ I × J , | f (x , t )| ¶ ϕ(t )
Z
Alors, x 7→ f (x , t ) dt est définie et continue sur I .
J
Année 2020/2021
Résumé 16 – Équations différentielles linéaires
Équations linéaires scalaires d’ordres 1 et 2 → Équations différentielles linéaires d’ordre 2
→ Équations différentielles linéaires d’ordre 1 On considère l’équation différentielle linéaire d’ordre 1

suivante et on note (H ) l’équation homogène associée :
On considère l’équation différentielle linéaire d’ordre 1 et
l’équation homogène associée : a (t )y 00 + b (t )y 0 + c (t )y = d (t ) (E )
y 0 = a (t )y + b (t ) (E ) y 0 = a (t )y (H ) On suppose a , b , c , d : I → R continues sur l’intervalle I .

Théorème : Problème de Cauchy
Théorème
Si a ne s’annule pas sur l’intervalle I , le problème
On suppose a , b : I → K continues sur l’intervalle I . de Cauchy
Soit A une primitive de a sur I .
a (t )y 00 + b (t )y 0 + c (t )y = d (t )

• L’équation homogène y 0 = a (t )y admet pour so-
lution générale t 7→ λeA(t ) où λ ∈ K. y (t 0 ) = y0 ; y 0 (t 0 ) = y00
• L’équation y 0 = a (t )y + b (t ) admet pour solution
admet une unique solution sur I .
générale t 7→ yp (t ) + λeA(t ) où yp est une solution
particulière de l’équation complète.
Théorème : Structure de l’ensemble des solutions
On peut même écrire :
Lorsque a : I → R ne s’annule pas sur l’intervalle I ,
Z t
y (t ) = λeA(t ) + eA(t ) b (x )e−A(x ) dx (λ ∈ K) • l’ensemble SH des solutions de (H ) est un plan
t0 vectoriel ;
On considère maintenant l’équation différentielle linéaire • l’ensemble SE des solutions de (E ) est un plan
d’ordre 1 et son équation homogène associée, où les fonc- affine de direction SH .
tions a , b , c : I → R sont continues sur l’intervalle I :
a (t )y 0 + b (t )y = c (t ) et a (t )y 0 + b (t )y = 0 Proposition : Principe de superposition
Si y1 est solution de l’équation a y 00 +b y 0 +c y = d 1 (t )
Théorème : Problème de Cauchy et y2 de l’équation a y 00 +b y 0 +c y = d 2 (t ) alors y1 + y2
Si a ne s’annule pas sur l’intervalle I , le problème est solution de a y 00 + b y 0 + c y = d 1 (t ) + d 2 (t ).
de Cauchy
Résolution de (H ) lorsque les coefficients sont constants :
a (t )y 0 + b (t )y = c (t ) On résout l’équation caractéristique a X 2 + b X + c = 0 de

y (t 0 ) = y0 discriminant associé ∆.
• Si ∆ > 0, deux racines réelles distinctes r1 et r2 .
admet une unique solution sur I . y (t ) = λ1 er1 t + λ2 er2 t avec λ1 , λ2 ∈ R.
• Si ∆ = 0, une racine réelle double r .
Corollaire : Structure de l’ensemble des solutions y (t ) = (λ1 + λ2 t )er t avec λ1 , λ2 ∈ R.
Lorsque a : I → R ne s’annule pas sur l’intervalle I , • Si ∆ < 0, deux racines complexes conjuguées α ± i β .
y (t ) = (λ1 cos(β t ) + λ2 sin(β t ))eαt avec λ1 , λ2 ∈ R.
• l’ensemble SH des solutions de (H ) est une
On peut déterminer une solution particulière de (E )
droite vectorielle ;
lorsque le second membre d (t ) est de la forme :
• l’ensemble SE des solutions de (E ) est une
• d (t ) = P (t )em t avec P ∈ R[X ], on cherche y0 sous
droite affine de direction SH .
la forme y0 (t ) = Q (t )em t avec Q ∈ R[X ] et deg(Q ) =
deg(P ) + k , k étant l’ordre de multiplicité de m en tant
Plan de résolution :
que racine de l’équation caractéristique.
• Identification de l’équation.
• d (t ) = cos(ωt ), on passe en complexe.
• Mise sous forme résolue en divisant par a (t ) sur les in-
On pourra utiliser le principe de superposition.
tervalles où a ne s’annule pas.
• Résolution de l’équation homogène y 0 = f (t )y . Résolution lorsque les coefficients ne sont pas constants :
y (t ) = λeF (t ) où F est une primitive de f sur I et λ ∈ R. (on se laisse guider par l’énoncé)
• Résolution de l’équation avec second membre. • Recherche de solutions polynomiales (on commence
On recherche une solution particulière y0 de (E ). S’il par l’étude du degré).
n’y a pas de solution évidente, on utilise la méthode de • Recherche de solutions développables en série entière.
variation de la constante en posant y (t ) = λ(t )eF (t ) . • Recherche d’une solution sous la forme y (t ) = z (t )y0 (t )
La solution générale est y (t ) = λeF (t ) + yp (t ). où y0 est une solution déjà connue (méthode dite de
• Recollement éventuel des solutions (souvent via un DL). Lagrange).
• Utilisation des conditions initiales. • Changement de variables ou d’inconnues.
Année 2020/2021
Fiche 16 – Équations différentielles linéaires 41
Systèmes différentiels linéaires → Méthode de variation des constantes
→ Systèmes différentiels à coefficients continus Il s’agit de trouver les solutions de X 0 = A(t )X + B (t )

connaissant une base (X 1 , . . . , X n ) de l’équation homogène
Soit le système linéaire à coefficients continus suivant : X 0 = A(t )X . La famille (X 1 , . . . , X n ) est alors qualifiée de
 0 système fondamental des solutions.

 x1 (t ) = a 11 (t )x1 (t ) + · · · + a 1n (t ) xn (t ) + b1 (t )
 x20 (t ) = a 21 (t )x1 (t ) + · · · + a 2n (t )xn (t ) + b2 (t ) X 0 = A(t )X +B (t ) ⇐⇒ λ01 (t )X 1 (t )+· · ·+λ0n (t )X n (t ) = B (t )


.. ..
 . .
→ Wronskien d’une équation linéaire d’ordre 2



xn0 (t ) = a n 1 (t )x1 (t ) + · · · + a n n (t )xn (t ) + bn (t )

Définition : Wronskien
Il se réécrit sous la forme X 0 (t ) = A(t )X (t ) + B (t ) avec : On appelle wronskien de deux solutions y1 et y2 de
1 n n a (t )y 00 + b (t )y 0 + c (t )y = 0, l’application :
X ∈ C (I , K ) ; A ∈ C (I , Mn (K)) ; B ∈ C (I , K )

y1 (t ) y2 (t )
De manière équivalente, W : t 7→ 0 = y1 (t )y 0 (t ) − y2 (t )y 0 (t )
y (t ) y 0 (t )
1 2
2 1
x 0 = a (t )(x ) + b (t ) avec a ∈ C (I , L (E )) et b ∈ C (I , E )
Soient y1 et y2 deux solutions de l’équation a (t )y 00 +
b (t )y 0 + c (t )y = 0, avec a ne s’annulant par sur I .
Théorème : Cauchy-Lipschitz linéaire Les assertions suivantes sont équivalentes :
Soient I un intervalle de R, t 0 ∈ I et X 0 ∈ Mn ,1 (K).
Si A : I → Mn (K) et B : I → Mn ,1 (K) sont continues (i) (y1 , y2 ) est un système fondamental de solutions
sur I , le problème de Cauchy
(ii) ∀t ∈ I , W (t ) 6= 0 (iii) ∃t 0 ∈ I , W (t 0 ) 6= 0
X 0 = A(t )X + B (t )

X (t 0 ) = X 0 → Résolution des systèmes à coefficients constants

Lorsque le système différentiel linéaire est à coefficients
admet une et une seule solution.
constants, on sait le résoudre explicitement.
Théorème
Théorème : Structure de l’ensemble des solutions
Soit A ∈ Mn (K). L’équation homogène X 0 = AX ad-
Lorsque A : I → Mn (K) et B : I → Kn sont continues met pour solution générale X : t 7→ et A C où C ∈ Kn .
sur l’intervalle I ,
• l’ensemble SH des solutions de X 0 = A(t )X est
un s.e.v. de C 1 (I , Kn ) de dimension n ; Théorème : Cas diagonalisable
• l’ensemble des solutions de X 0 = A(t )X + B (t ) Soit A ∈ Mn (C) une matrice diagonalisable. Il existe
est un sous-espace affine de C 1 (I , Kn ) de direc- alors une base (X 1 , . . . , X n ) de vecteurs propres asso-
tion SH . ciés aux valeurs propres λ1 , . . . , λn , éventuellement
multiples. Les solutions de l’équation X 0 = AX sont
de la forme :
→ Équations différentielles linéaires scalaires X (t ) = C1 eλ1 t X 1 +· · ·+Cn eλn t X n avec C1 , . . . , Cn ∈ K
On peut transformer une équation linéaire scalaire
d’ordre n en un système différentiel linéaire d’ordre 1. Lorsque le système est à coefficients réels et que l’on dia-
gonalise A dans C, il suffit d’extraire les parties réelles et
y (n ) = a 0 (t )y +a 1 (t )y 0 +· · ·+a n −1 (t )y (n−1) ⇐⇒ Y 0 = A(t )Y imaginaires de eλt X pour trouver les solutions.
On retrouve le résultat du théorème en écrivant :
 
0 1 0 ··· 0
y
 
.. .. .. .. 
0
0 . . . . 
 y   X 0 = AX ⇐⇒ X 0 = P D P −1 X ⇐⇒ P −1 X 0 = D P −1 X
avec Y =  ..  et A =  .
 ..
..
.
..
.
..
.
.
0 
. ⇐⇒ Y 0 = D Y avec Y = P −1 X
0 ··· 0 0 1
 
y (n−1)
a0 a1 ··· ··· a n−1
Le calcul de P −1 est inutile.
• L’ensemble des solutions de l’équation Y 0 = AY sur
Cette méthode fonctionne également lorsque A est seule-
un intervalle est donc un e.v. de dimension n .
ment trigonalisable ou bien lorsque le système comporte
• Le problème de Cauchy un second membre.
y (n) = a 0 (t )y + a 1 (t )y 0 + · · · + a n −1 (t )y (n −1)
¨
y (t 0 ) = y0 , y 0 (t 0 ) = y1 , . . . , y (n −1) (t 0 ) = yn −1
admet une et une seule solution.
Année 2020/2021
Résumé 17 – Calcul différentiel
Applications de classe C 1 Proposition

Soit f : U ⊂ E → F où E et F désignent deux e.v.n. sur R Si f est différentiable en a alors f est dérivable en a
de dimensions respectives p et n et U un ouvert de E . selon u pour tout vecteur u ∈ E et Du (f )(a ) = d fa (u).
→ Différentielle On munit désormais E d’une base (e1 , . . . , ep ).
Définition : Différentielle en un point Définition : Dérivées partielles

L’application f est dite différentiable en a ∈ U s’il Pour j ∈ ¹1, p º, on appelle dérivée partielle en a d’in-
existe ϕ ∈ L (E , F ) tel que : dice j la dérivée de f en a suivant e j , c’est-à-dire :
f (a + h ) = f (a ) + ϕ(h ) + o(h ) ∂f f (a + t e j ) − f (a )
h →0 (a ) = lim
∂ xj t →0 t
L’application est alors unique, on l’appelle différen-
tielle de f au point a . On la note dfa ou d f (a ).
Si f est différentiable en a , alors les dérivées partielles
Notation : o(h ) = kh k"(h ) où " : E → F et "(h ) −−−→ 0F . existent et :
h →0E
∂f
f (a + h ) = f (a ) + d fa (h ) + o(h ) ∀ j ∈ ¹1, p º, (a ) = dfa (e j )
h →0 ∂ xj
!
p p p
Proposition X X X ∂f
d fa (h ) = d fa hj ej = h j dfa (e j ) = hj (a ).
Si f est différentiable en a , f est continue en a .
j =1 j =1 j =1
∂ xj
En notant dx j les applications h 7→ h j ,
• Si f et g sont différentiables en a , λg + µg aussi et :
p
d(λf + µg )a = λd fa + µdg a ∂f ∂f X ∂f
dfa = (a )dx1 + · · · + (a )dxp = (a )dx j
∂ x1 ∂ xp j =1
∂ xj
• Si f est différentiable en a et g en f (a ), alors g ◦ f est
différentiable en a et :
d(g ◦ f )a = dg f (a ) ◦ dfa Théorème : Caractérisation
Soit f : U ⊂ E → F . f est de classe C 1 sur U si et
Définition : Différentielle, application de classe C 1 seulement si les dérivées partielles de f existent et
• f est dite différentiable sur U si f est différen- sont continues en tout point de U .
tiable en tout point de U . On appelle alors diffé-
rentielle de f l’application : Si f est de classe C 1 sur U et a ∈ U , alors :
df : U ⊂ E −→ L (E , F ) p
X ∂f
a 7−→ d f (a ) = dfa f (a + h ) = f (a ) + hj (a ) + o(h )
h →0
j =1
∂ xj
• L’application f : U ⊂ E → F est dite de classe C 1

Pour calculer la différentielle en un point, on peut revenir
sur U si f est différentiable sur U et si sa différen-
à la définition ou bien calculer les dérivées partielles.
tielle d f est continue sur U .
Si f est de classe C 1 sur U , on dira aussi que f est conti- → Jacobienne

nûment différentiable sur U . On munit désormais F d’une base (e10 , . . . , en0 ). On appelle
jacobienne de f au point x = (x1 , . . . , xp ) la matrice repré-
→ Dérivée selon un vecteur et dérivées partielles sentative de df x dans les bases (e j )1¶ j ¶p et (ei0 )1¶i ¶n :
Définition : Dérivée selon un vecteur ∂ f1 ∂ f1

 
(x ) ... (x )
Soit u ∈ E . L’application f est dite dérivable en a  ∂ x1 ∂ xp
∂ fi

selon le vecteur u si la fonction t 7→ f (a + t u ) est J f (x ) = (x )

=
.. .. 
. .

dérivable en 0. On pose dans ce cas : ∂ xj 1¶i ¶n

∂ f

1¶ j ¶p n ∂ fn 
(x ) ... (x )
f (a + t u) − f (a ) ∂ x1 ∂ xp
Du (f )(a ) = lim
t →0 t
Si f est de classe C 1 sur U , pour tout x ∈ U ,
Quand une fonction est différentiable, elle est dérivable
dans toutes les directions. Jg ◦ f (x ) = Jg (f (x )) × J f (x ) car d(g ◦ f ) x = dg f (x ) ◦ d f x
Année 2020/2021
Fiche 17 – Calcul différentiel 43
. Soient U un ouvert de R2 et I un intervalle de R. On f admet un maximum en x0 ∈ E si et seulement s’il existe

considère les deux applications de classe C 1 : un voisinage U de x0 tel que :
ϕ : I −→ U et f : U −→ R ∀x ∈ U , f (x ) ¶ f (x0 )
t 7−→ (x (t ), y (t )) (x , y ) 7−→ f (x , y )
Théorème : CN d’existence d’un extremum
L’application t 7→ f (x (t ), y (t )) est de classe C 1 sur I et
Si f : U ⊂ E → R de classe C 1 sur l’ouvert U admet
pour tout t ∈ I ,
un extremum au point a ∈ U alors x est un point
∂f ∂f ~.
critique. Cela revient à dire que ∇f (a ) = 0
(f ◦ ϕ)0 (t ) = x 0 (t ) (x (t ), y (t )) + y 0 (t ) (x (t ), y (t ))
∂x ∂y
. On considère les applications f : R2 → R, ϕ : R2 → R et La propriété est fausse ailleurs que sur un ouvert. De plus,
ψ : R2 → R de classe C 1 sur R2 et : tout point critique ne correspond pas nécessairement à
un extremum (cas des points selles).
F : R2 −→ R
(x , y ) 7−→ f (ϕ(x , y ), ψ(x , y )) → Dérivées le long d’un arc et vecteurs tangents
Alors F est de classe C sur R et pour tout (x , y ) ∈ R ,
1 2 2
Proposition : Dérivation le long d’un arc
∂F ∂ϕ ∂f Si f : U ⊂ E → F et γ : I ⊂ R → E sont de classe C 1 ,
(x , y ) = (x , y ) · (ϕ(x , y ), ψ(x , y ))
∂x ∂x ∂x alors f ◦ γ est de classe C 1 sur I et :
∂ψ ∂f
+ (x , y ) · (ϕ(x , y ), ψ(x , y )) ∀t ∈ I , (f ◦ γ)0 (t ) = dfγ(t ) (γ0 (t ))
∂x ∂y
∂F ∂ϕ ∂f
(x , y ) = (x , y ) · (ϕ(x , y ), ψ(x , y ))
∂y ∂y ∂x Proposition : Intégration le long d’un arc
∂ψ ∂f
+ (x , y ) · (ϕ(x , y ), ψ(x , y )) Si f : U ⊂ E → F et γ : [0, 1] ⊂ R → E sont de classe
∂y ∂y C 1 et si γ(0) = a et γ(1) = b , alors :
1
→ Gradient associé à une fonction numérique
Z
f (b ) − f (a ) = d fγ(t ) (γ0 (t )) dt
Soit f : U ⊂ E → R une fonction numérique, que l’on 0
suppose différentiable en a . On peut alors définir le gra-
dient de f au point a par ses coordonnées : Si U est un ouvert connexe par arcs et f : U ⊂ E → F , f

∂f
 est constante sur U ssi pour tout a ∈ U , d fa = 0L (E ,F ) .
(a )
 ∂ x1 
 ..  Définition
∇f (a ) = 

.

∂f
 Si X est une partie de E et x un point de X , un vec-
teur v de E est tangent à X en x s’il existe " > 0 et un

(a )
∂ xn arc γ défini sur ] − ", "[ dérivable en 0 à valeurs dans
On peut aussi avoir recours au théorème de Riesz. X , tels que γ(0) = x , γ0 (0) = v .
Théorème : Représentation des formes linéaires

Soit (E , 〈·, ·〉) un espace euclidien. Pour tout forme Applications de classe C k
linéaire ϕ, il existe un unique vecteur u ∈ E tel que :
On définit par récurrence les dérivées partielles d’ordres
∀x ∈ E , ϕ(x ) = 〈u , x 〉 supérieurs :
∂kf ∂ ∂ k −1 f

=
Définition : Gradient ∂ xi k · · · ∂ xi 1 ∂ xi k ∂ xi k −1 · · · ∂ xi 1
On appelle gradient de f en a et on note ∇f (a ) le vec-
teur associé à la forme linéaire d fa . Pour tout h ∈ E , Définition : Application de classe C k
Une application est dite de classe C k sur un ouvert
dfa (h ) = ∇f (a ) · h
U si toutes ses dérivées partielles d’ordre k existent
et sont continues.
Définition : Point critique
Soit f : U ⊂ E → R de classe C 1 sur l’ouvert U . On Théorème : Théorème de Schwarz
dit que a ∈ U est un point critique de f si : Soit f : U ⊂ E → F une application de classe C 2 sur
un ouvert U de R2 . Alors,
∂f
 
(a )
 ∂ x1 ∂ 2f ∂ 2f
(a ) = (a )

. ∀a ∈ U ,
~ ∂ x∂ y ∂ y∂ x
 
d fa = 0L (E ,R) c’est-à-dire ∇ f (a ) = 

.. =0

∂f 
(a )
∂ xn
Année 2020/2021
Résumé 18 – Probabilités discrètes
Dénombrement Définition : Tribu

Par la suite, Ω est un ensemble à n éléments et p ∈ ¹0, n º. Une tribu sur Ω est une partie A de P (Ω) qui vérifie :
(i) Ω ∈ A ;
Définition
(ii) Si A ∈ A alors A ∈ A
• Un p -uplet ou une p -liste de Ω est une famille de p +∞
éléments de Ω.
[
(iii) Si (A n )n ∈N ∈ A N , alors An ∈ A
• Un arrangement de p éléments de Ω est un p -uplet n =0
constitué d’éléments de Ω distincts.

• Une permutation de Ω est un arrangement de Ω La donnée d’un univers Ω et d’une tribu A définit un es-
à n éléments. pace probabilisable (Ω, A ) ; tout élément de A est appelé
événement de Ω.
• Une combinaison de p éléments de Ω est un sous-
ensemble de Ω contenant p éléments. Soit (Ω, A ) un espace probabilisable.
Définition : Système complet d’événements

On modélise les tirages successifs avec remise à l’aide de
listes, les tirages successifs sans remise avec des arrange- On appelle système complet d’événements toute
ments et les tirages simultanés avec des combinaisons. famille finie ou dénombrable (A i )i ∈I d’événements
telle que :
Théorème
(i) Pour tous i et j distincts, A i ∩ A j = ∅ ;
• Il y a n p p -listes de Ω. [
(ii) A i = Ω.
n!
• Il y a arrangements de p éléments de Ω. i ∈I
(n − p )!
• Il y a n ! permutations de Ω.

n Définition : Probabilité
• Il y a combinaisons de p éléments de Ω.
p On appelle probabilité sur (Ω, A ) toute application
P : A → [0, 1] vérifiant :
Soient n , p , m ∈ N. • P(Ω) = 1
• Pour toute suite (A n )n ∈N d’événements deux à deux

n n n n
• = 1, =n • = incompatibles,
0 1 p n −p
+∞ +∞

n n −1 n −1 n −1 n X
=n + =
[
• p • P An = P(A n ) (σ-additivité)
p p −1 p −1 p p n =0 n=0
n p
n +m

X n X n m
• = 2n • =
k k p −k p Le triplet (Ω, A , P) est appelé espace probabilisé.
k =0 k =0
Une probabilité est une application qui va opérer sur les
Probabilités discrètes événements. La σ-additivité assurera la convergence des
séries qui seront manipulées.
→ Tribus et probabilités
Théorème
Définition
Soient Ω= {ωn }n ∈N dénombrable et une famille de
On appelle univers l’ensemble des résultats pos-
réels pn n ∈N . Il existe une probabilité P sur (Ω, P (Ω))
sibles d’une expérience aléatoire donnée.
telle que pour tout n ∈ N, P({ωn }) = pn ssi :
Les éléments de l’univers Ω sont qualifiés de possibles (ou (i) pour tout n ∈ N, pn ¾ 0 ;
de résultats possibles). +∞
X
pi = 1.
P
(ii) la série pn converge et
Définition : Réunion et intersection dénombrables n =0
Soit (A n )n ∈N une suite de

[parties\ de l’ensemble Ω. On P est alors unique et pour tout A ∈ P (Ω),
définit les ensembles A n et A n par : X
n∈N n∈N P(A) = pn
n ∈N
ωn ∈A
[
ω∈ An ⇐⇒ ∃n ∈ N ω ∈ A n
n ∈N
\ Dans le cas fini, on appelle probabilité uniforme sur
ω∈ An ⇐⇒ ∀n ∈ N ω ∈ A n Ω l’unique probabilité qui prend la même valeur pour
n ∈N
chaque événement élémentaire.
Année 2020/2021
Fiche 18 – Probabilités discrètes 45
Proposition Théorème : Formule de Bayes

Soient (Ω, A , P ) un espace probabilisé et A, B ∈ A . Soient A et B deux événements,
• P(∅) = 0 et P(A) = 1 − P(A). P(A)
P(A|B ) = × P(B |A)
• Si A ⊂ B alors P(A) ¶ P(B ). P(B )
• P(A ∪ B ) = P(A) + P(B ) − P(A ∩ B ).
(Ω, A , P) désignera par la suite un espace probabilisé. Définition : Indépendance de deux événements
Proposition : Continuité croissante Deux événements de l’espace probabilisé (Ω, A , P)
sont dits indépendants si P(A ∩ B ) = P(A) · P(B ).
Si (A n )n ∈N est une suite croissante d’événements (au
sens de l’inclusion), alors :
+∞ On dit alors des événements A 1 , . . . , A n qu’ils sont deux à
[ deux indépendants si :
P A n = lim P(A n )
n →+∞
n =0
∀i , j ∈ ¹1, n º, i 6= j =⇒ P(A i ∩ A j ) = P(A i )P(A j )
De même, si (A n )n ∈N est une suite décroissante
+∞ d’événe-
\
ments (au sens de l’inclusion), P A n = lim P(A n ). Définition : Mutuelle indépendance
n →+∞
n=0 On dit des événements A 1 , . . . , A n qu’ils sont mutuel-
Proposition : Sous-additivité lement indépendants si :
• Si (A 1 , . . . , A n ) est une famille d’événements, alors : n
Y
P(A 1 ∩ A 2 ∩ · · · ∩ A n ) = P(A i )
n
n
i =1
[ X
P Ak ¶ P(A k )
k =0 k =0
L’indépendance mutuelle d’une famille d’événements im-
P(A n )n∈N est une suite d’événements et si la série
• Si plique qu’ils sont deux à deux indépendants mais la réci-
P(A n ) converge, alors : proque est fausse.
+∞
[
+∞
X
P An ¶ P(A n )
n =0 n =0
→ Conditionnement et indépendance
Théorème / Définition : Probabilité conditionnelle

Soit A un événement tel que P(A) 6= 0. L’application
PA : A −→ R
P(A ∩ B )
B 7−→
P(A)
est une probabilité sur Ω. On l’appelle probabilité

conditionnelle relative à A (ou sachant A).
En tant que probabilité, PA vérifie toutes les propriétés

énoncées précédemment.
Théorème : Formule des probabilités composées
Soient n ¾ 2 et (A 1 , A 2 , . . . , A n ) une famille d’événe-
ments telle que P(A 1 ∩ · · · ∩ A n−1 ) 6= 0. Alors,
P(A 1 ∩ · · · ∩ A n ) = P(A 1 )PA 1 (A 2 ) × · · · × PA 1 ∩···∩A n−1 (A n )
Théorème : Formule des probabilités totales

Soit (A n )n ∈N un système complet d’événements.
Pour tout événement B , la série de terme général
P(B ∩ A n ) est convergente et :
+∞
X +∞
X
P(B ) = P(B ∩ A n ) = P(B |A n )P(A n )
n =0 n =0
Année 2020/2021
Résumé 19 – Variables aléatoires discrètes
(Ω, A , P) désigne un espace probabilisé. Définition : Variance

Si X admet un moment d’ordre 2, (X − E(X ))2 est
Variables aléatoires discrètes
d’espérance finie. On appelle variance de X et on
note V(X ) le réel positif :
Définition : Variable aléatoire discrète
X
On appelle variable aléatoire réelle discrète toute V(X ) = E (X − E(X ))2 = (x − E(X ))2 P(X = x )

application X : Ω → R telle que : x ∈X (Ω)
• X (Ω) est un ensemble fini ou dénombrable ;
On appelle écart type de X le réel σ(X ) = V(X ).
p
• Si x ∈ X (Ω) alors (X = x ) ∈ A .
X désigne désormais une variable aléatoire discrète. Proposition : Formule de Kœnig-Huygens

Si X admet un moment d’ordre 2,
X (Ω) = {xn | n ∈ N}
V(X ) = E(X 2 ) − E(X )2
La famille ((X = xn ))n∈N est un système complet d’événe-
ments. Vecteurs aléatoires discrets
Définition : Loi d’une variable aléatoire On étend la définition de variable aléatoire à valeurs
On appelle loi de probabilité de X l’application : réelles aux variables à valeurs dans Rn .
(X , Y ) désigne un couple de variables aléatoires discrètes.
PX : X (Ω) −→ R
x 7−→ P(X = x ) Définition : Lois conjointe et marginales
• La loi conjointe de X et de Y est l’application
Se donner une une famille dénombrable de réels posi-
tifs de somme égale à 1 revient à se donner une variable P(X ,Y ) : X (Ω) × Y (Ω) −→ [0, 1]
aléatoire sur (Ω, A , P). (x , y ) 7−→ P X = x , Y = y
Moments d’une variable aléatoire • Les lois marginales de (X , Y ) sont celles de X et Y .
Définition : Espérance La formule des probabilités totales permet de trouver les

lois marginales à partir de la loi conjointe.
X
X est dite d’espérance finie si xn · P(X = xn )
n ∈N
converge absolument. Définition : Lois conditionnelles
Dans ce cas, on appelle espérance de X le réel : • On appelle loi conditionnelle de X sachant (Y = y )
l’application x 7→ P(X = x |Y = y ) ;
+∞
• On appelle loi conditionnelle de Y sachant (X = x )
X
E(X ) = xn · P(X = xn )
n=0 l’application : y 7→ P(Y = y |X = x ).
Plus généralement, si X r admet une espérance finie, on Généralisation du théorème de transfert :

appelle moment d’ordre r ∈ N le réel E(X r ). Si Z = f (X , Y ) est d’espérance finie,
X
Théorème : Théorème de transfert

E(Z ) = f (x , y )P X = x , Y = y
X f : X (Ω) → R. f (X ) est d’espérance finie ssi
Soit (x ,y )∈X (Ω)×Y (Ω)
f (xn ) · P(X = xn ) converge absolument et, alors,

n ∈N Définition : Indépendance
+∞
X
E(f (X )) = f (xn ) · P(X = xn ) Les variables X et Y sont dites indépendantes si pour
n=0 tout (x , y ) ∈ X (Ω) × Y (Ω),
P X = x , Y = y = P (X = x ) × P Y = y

L’espérance est linéaire, positive et croissante.
Si X est à valeurs dans N et d’espérance finie, Si X et Y sont indépendantes, alors f (X ) et g (Y ) sont indé-
pendantes. Plus généralement (lemme des coalitions) : si
+∞
X les variables X 1 , . . . , X n sont mutuellement indépendantes,
E(X ) = P(X ¾ n ) f (X 1 , . . . , X p ) et g (X p +1 , . . . , X n ) sont indépendantes.
n=1
Année 2020/2021
Fiche 19 – Variables aléatoires discrètes 47
Définition Inégalités de concentration et convergence

Si X et Y admettent un moment d’ordre 2, alors la
variable aléatoire (X − E(X ))(Y − E(Y )) admet une Lemme : Inégalité de Markov
espérance. On appelle alors covariance de X et Y et Si X est à valeurs positives et admet une espérance,
on note cov(X , Y ) le réel :
E(X )
∀a > 0 P(X ¾ a ) ¶
cov(X , Y ) = E ((X − E(X ))(Y − E(Y ))) a
On suppose que X et Y admettent un moment d’ordre 2. Proposition : Inégalité de Bienaymé-Tchebychev

Théorème : Formule de Kœnig-Huygens Si X admet un moment d’ordre 2,
cov(X , Y ) = E(X Y ) − E(X ) · E(Y ). V(X )
∀" > 0 P (|X − E(X )| ¾ ") ¶
"2
X
cov(X , X ) = V(X ) et E(X Y ) = x y P X = x,Y = y
x ∈X (Ω) Théorème : Loi faible des grands nombres
y ∈Y (Ω)
Soit (X n )n ¾1 une suite de variables indépendantes et
Proposition de même loi, admettant un moment d’ordre 2.
n
Pour tous a , b ∈ R, X
En notant m l’espérance commune et Sn = Xi ,
i =1
V(a X + b Y ) = a 2 V(X ) + b 2 V(Y ) + 2a b cov(X , Y )
Sn
∀" ¾ 0, P − m ¾ " −−−−→ 0
Pour a = b = 1, V(X + Y ) = V(X ) + V(Y ) + 2cov(X , Y ). n n →+∞
Cas particulier : V(a X + b ) = a 2 V(X ).

Lois usuelles
Inégalité de Cauchy-Schwarz : |cov(X , Y )| ¶ σ(X ) · σ(Y )
Théorème
Nom Notation X (Ω) P(X = k ) E(X ) V(X )
Si X et Y sont indépendantes, alors :
p si k = 1

E(X Y ) = E(X )E(Y ) ; cov(X , Y ) = 0 ; Bernoulli B(p ) {0; 1} p pq
q si k = 0
V(X + Y ) = V(X ) + V(Y )
n k n −k
Binomiale B(n , p ) ¹0; nº p q np n p q
La réciproque est fausse. k
1 n + 1 n2 − 1
Fonctions génératrices Uniforme U (¹1; n º) ¹1; nº
n 2 12
Définition : Fonction génératrice 1 q
Géométr. G (p ) N∗ q k −1 p
Si X est à valeurs dans N, la fonction génératrice de p p2
la variable X est définie par :
λk
+∞ Poisson P (λ) N e−λ λ λ
X
X
n
k!
G X : t 7→ E t = P(X = n )t
n =0
X • Si X 1 , . . . , X n ,→ B(mi , p ) sont mutuellement indépen-

La série entière P(X = n )t n a un rayon de convergence dantes, alors X 1 + · · · + X n ,→ B(m1 + · · · + mn , p ).
n ∈N
supérieur ou égal à 1. • Si X 1 , . . . , X n ,→ P (λi ) sont mutuellement indépen-
dantes, alors X 1 + · · · + X n ,→ P (λ1 + · · · + λn ).
Théorème : Fonction génératrice et moments
Soit X une variable aléatoire à valeurs dans N. • Si pour tout n ∈ N∗ , X n ,→ B(n , pn ) et lim npn = λ,
n →+∞
(i) La variable aléatoire X admet une espérance λk

E(X ) si et seulement si G X est dérivable en 1. ∀k ∈ N, P(X n = k ) −−−−→ e−λ
n →+∞ k!
Si tel est le cas, E(X ) = G X0 (1).
• Si X (Ω) = N∗ , alors X ,→ G (p ) si et seulement si :
(ii) La variable aléatoire X admet une variance si
et seulement si G X est deux fois dérivable en 1. ∀(k , n ) ∈ N2 , P(X > n + k |X > n) = P(X > k )
Théorème : Somme de variables indépendantes

Si X et Y sont à valeurs dans N et indépendantes,
alors, pour tout t ∈] − R , R [ où R ¾ min(R X , R Y ),
G X +Y (t ) = E t X +Y = E t X E t Y = G X (t )G Y (t )

Année 2020/2021
11 Séries numériques et vectorielles 29

Table des matières A Sommes classiques . . . . . . . . . . . . . . . . . . 29
B Convergence des séries numériques . . . . . 29
C Séries à valeurs dans un e.v.n. de dim. finie 30
1 Structures algébriques 1 12 Familles sommables 31
A Structure de groupe . . . . . . . . . . . . . . . . . 1 A Ensembles dénombrables . . . . . . . . . . . . . 31
B Structures d’anneau et de corps . . . . . . . . . 2 B Familles sommables de nombres complexes 31
C Structure d’algèbre . . . . . . . . . . . . . . . . . . 3 C Application aux séries doubles . . . . . . . . . 31
2 Polynômes et fractions rationnelles 4 13 Suites et séries de fonctions 32

A Polynômes . . . . . . . . . . . . . . . . . . . . . . . . 4 A Suites de fonctions . . . . . . . . . . . . . . . . . . 32
B Fractions rationnelles . . . . . . . . . . . . . . . . 5 B Séries de fonctions . . . . . . . . . . . . . . . . . . 33
C Approximation uniforme . . . . . . . . . . . . . 34
3 Matrices, espaces vect. et applications linéaires 6
A Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 6 14 Séries entières 35
B Systèmes d’équations linéaires . . . . . . . . . 6 A Rayon de convergence . . . . . . . . . . . . . . . 35
B Propriétés de la somme (variable réelle) . . . 35
C Espaces vectoriels . . . . . . . . . . . . . . . . . . . 7
C Développements en série entière . . . . . . . . 36
D Applications linéaires . . . . . . . . . . . . . . . . 8
15 Calcul intégral 37
4 Déterminant 10
A Intégration sur un segment . . . . . . . . . . . . 37
A Déterminant d’une matrice carrée . . . . . . . 10 B Intégrales généralisées . . . . . . . . . . . . . . . 37
B Déterminant d’une famille de vecteurs . . . 10 C Intégrales à paramètre . . . . . . . . . . . . . . . 39
C Déterminant d’un endomorphisme . . . . . . 11
D Orientation de l’espace, produit vectoriel . . 11 16 Équations différentielles linéaires 40
A Équations linéaires scalaires d’ordres 1 et 2 40
5 Réduction d’endomorphismes 12 B Systèmes différentiels linéaires . . . . . . . . . 41
A Éléments propres . . . . . . . . . . . . . . . . . . . 12
B Polynômes d’endomorphismes et de matrices 12 17 Calcul différentiel 42
C Diagonalisation . . . . . . . . . . . . . . . . . . . . 13 A Applications de classe C 1 . . . . . . . . . . . . . 42
B Applications de classe C k . . . . . . . . . . . . . 43
D Trigonalisation . . . . . . . . . . . . . . . . . . . . . 13
18 Probabilités discrètes 44
6 Espaces préhilbertiens réels 15
A Dénombrement . . . . . . . . . . . . . . . . . . . . 44
A Produit scalaire . . . . . . . . . . . . . . . . . . . . . 15 B Probabilités discrètes . . . . . . . . . . . . . . . . 44
B Orthogonalité . . . . . . . . . . . . . . . . . . . . . . 15
19 Variables aléatoires discrètes 46
7 Endomorphismes d’un espace euclidien 17 A Variables aléatoires discrètes . . . . . . . . . . . 46
A Endomorphismes orthogonaux . . . . . . . . . 17 B Moments d’une variable aléatoire . . . . . . . 46
B Endomorphismes symétriques . . . . . . . . . 18 C Vecteurs aléatoires discrets . . . . . . . . . . . . 46
D Fonctions génératrices . . . . . . . . . . . . . . . 47
8 Espaces vectoriels normés et topologie 19 E Inégalités de concentration et convergence 47
A Norme et distance . . . . . . . . . . . . . . . . . . 19 F Lois usuelles . . . . . . . . . . . . . . . . . . . . . . . 47
B Comparaison de normes . . . . . . . . . . . . . . 19
C Notions générales de topologie . . . . . . . . . 19
D Continuité dans un espace vectoriel normé 20
E Parties compactes . . . . . . . . . . . . . . . . . . . 21
F Parties connexes par arcs . . . . . . . . . . . . . 22
9 Fonctions d’une variable réelle 23

A Continuité . . . . . . . . . . . . . . . . . . . . . . . . 23
B Dérivabilité . . . . . . . . . . . . . . . . . . . . . . . 24
C Formules de Taylor . . . . . . . . . . . . . . . . . . 24
D Développements limités et relations de
comparaison . . . . . . . . . . . . . . . . . . . . . . 24
E Fonctions convexes . . . . . . . . . . . . . . . . . . 25
F Fonctions vectorielles et arcs paramétrés . . 26
10 Suites numériques et vectorielles 27

A Suites numériques classiques . . . . . . . . . . 27
B Convergence des suites numériques . . . . . 27
C Relations de comparaison . . . . . . . . . . . . . 27
D Suites vectorielles . . . . . . . . . . . . . . . . . . . 28
Année 2020/2021

Resume de Cours (MPSI MP)

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Resume de Cours (MPSI MP)

Transféré par

Droits d'auteur :

Formats disponibles

Résumé de cours MPSI – MP

Résumé 1 – Structures algébriques

Structure de groupe → Groupe (Z/n Z, +)

→ Groupes et sous-groupes On suppose ici n ∈ N∗ . Rappelons que si a , b ∈ Z,

∀x , y , z ∈ G , x ∗ (y ∗ z ) = (x ∗ y ) ∗ z On munit alors Z/n Z d’une addition et d’une multiplica-

(iii) tout élément de G possède un inverse :

∀x ∈ G , ∃y ∈ G , x ∗y = y ∗x =e → Groupes monogènes et groupes cycliques

• Le produit fini de groupes est encore un groupe.

Théorème : Sous-groupes de Z • Z/n Z = 〈k 〉 si et seulement si k ∧ n = 1.

Définition : Noyau et image d’un morphisme

Structures d’anneau et de corps → Idéaux d’un anneau commutatif

→ Anneaux et corps Définition : Idéal d’un anneau commutatif

• L’anneau est commutatif si la loi × est commutative. (x ) = x A = {x a | a ∈ A}

∀x , y ∈ K0 × K0∗ , x − y ∈ K0 et x × y −1 ∈ K0 Soient a , b , c ∈ Z. Si a | b c et a ∧ b = 1, alors a | c .

Si p est premier et p | a b , alors p | a ou p | b .

Théorème : Lemme chinois

Z/m nZ est isomorphe à Z/mZ × Z/n Z

Définition : Indicatrice d’Euler

Proposition : Théorème d’Euler

Corollaire : Petit théorème de Fermat

Si de plus p ne divise pas a , a p −1 ≡ 1 [p ].

Une sous-algèbre de A est une partie B de A telle que

Résumé 2 – Polynômes et fractions rationnelles

Polynômes → Racines n ièmes de l’unité

→ Généralités Ce sont les n racines simples du polynôme X n − 1 de la

P= a k X k ∈ K[X ] De même, on peut déterminer les racines de X n − a pour

Théorème Les idéaux de K[X ] sont tous principaux, i.e. de la forme :

Théorème : Formule de Taylor Si A, B ∈ K[X ], on peut trouver (U , V ) ∈ K[X ]2 tel que

n Théorème : Lemme de Gauss

∃!(Q , R ) ∈ K[X ], A = BQ + R avec deg(R ) < deg(B ) Proposition

Théorème : Polynômes irréductibles En pratique, pour déterminer une décomposition en élé-

L’existence est assurée en écrivant :

On a bien deg(P ) ¶ n − 1 et L i (x j ) = δi , j donc P (xi ) = yi .

Soit R ∈ K(X ). On appelle forme irréductible de R toute

La décomposition en éléments simples dans R(X ) (unique

où les X 2 + d j X + e j sont irréductibles dans R[X ].

Résumé 3 – Matrices, espaces vectoriels et applications linéaires

• en ayant recours à un polynôme annulateur.

→ Inversion de matrices Soient A, B ∈ Mn (K).

Ce sont les formules de Cramer (en dimension 2).

Espaces vectoriels Théorème : Théorème de la base incomplète

Par définition, rg F = dim Vect(u 1 , . . . , u p ).

→ Famille de vecteurs (u 1 , . . . , u n ) base de E ⇐⇒ rg(u 1 , . . . , u n ) = n

• on peut extraire de F une base de E .

→ Hyperplans On dispose d’une forme version plus forte de ce résultat,

• H = Ker(ϕ) où ϕ ∈ L (E , K) est non nulle. f injective ⇐⇒ f sujective ⇐⇒ f bijective

Proposition : Intersection de p hyperplans

∀x , y ∈ E , ∀λ ∈ K, f (λx + y ) = λf (x ) + f (y ). X =PX0 c-à-d X 0 = P −1 X

• Soit f ∈ L (E ). On note M (resp. M 0 ) la matrice de

Théorème : Théorème du rang Si E = F ⊕ G et si F et G sont stables par f , on aura dans

→ Projections et symétries vectorielles

• On appelle symétrie par rapport à F parallèlement

Dans une base adaptée, les matrices de p et s sont :

Si E = E1 ⊕ · · · ⊕ En , tout vecteur x de E se décompose de

Déterminant d’une matrice carrée Définition : Mineurs et cofacteurs

(iii) A ∈ GL n (K) si, et seulement si, det(A) =

Théorème : Déterminant triangulaire par blocs Déterminant d’une famille de vecteurs

Une autre possibilité pour calculer un déterminant 1

Déterminant d’un endomorphisme

Pour calculer le déterminant d’un endomorphisme, on

Orientation de l’espace, produit vectoriel

Définition : Orientation de l’espace

Par convention, les bases orthonormales directes de R3