INTÉGRALES GÉNÉRALISÉES -

SÉRIES

UP MATHS
Table des matières

NOTATIONS 4

1 Espaces Métriques 5
1.1 Distances - Espaces métriques . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Distance associée à une norme . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Distances équivalentes - Normes équivalentes . . . . . . . . . . . . . . . 9
1.4 Sous-espace métrique, produit des espaces métriques . . . . . . . . . . . 10
1.5 Ouverts, fermés et voisinages . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5.1 Boules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5.2 Voisinage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5.3 Ouverts, fermés . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6 Intérieur et adhérence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.7 Suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.8 Limites et Continuité d’applications dans les métriques . . . . . . . . . . 22
1.8.1 limites de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.8.2 propriétés des limites dans les espaces métriques . . . . . . . . . 22
1.8.3 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.9 Espace métriques complets . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.10 Compacité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

2 Séries de fourier 35
2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2 Séries trigonométriques . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.3 Série de Fourier d’une fonction périodique . . . . . . . . . . . . . . . . . 39
2.4 Règles de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.5 Développement des fonctions T −périodiques . . . . . . . . . . . . . . . 50
2.6 Un problème d’approximation . . . . . . . . . . . . . . . . . . . . . . . 51

3 Intégrales dépendant d’un paramètre 57

3.1 Continuité et dérivabilité d’une intégrale dépendant d’un paramètre . . . . 57

1
TABLE DES MATIÈRES

3.1.1 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.1.2 Dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.2 Théorème de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.3 Cas où les bornes d’intégration dépendent du paramètre . . . . . . . . . . 69

4 Équations différentielles ordinaires 71

4.1 Formes différentielles de degré 1 . . . . . . . . . . . . . . . . . . . . . . 71
4.1.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.1.2 Forme exacte . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.1.3 Forme fermée . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.1.4 Condition nécessaire pour ω exacte . . . . . . . . . . . . . . . . 73
4.1.5 Ouverts particuliers . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.1.6 Théorème de Poincaré . . . . . . . . . . . . . . . . . . . . . . . 73
4.2 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.3 Equations à variables séparables . . . . . . . . . . . . . . . . . . . . . . 74
4.4 Équation différentielle linéaire du premier ordre . . . . . . . . . . . . . . 75
4.4.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.4.2 Equation homogène . . . . . . . . . . . . . . . . . . . . . . . . 76
4.4.3 Solution générale . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.4.4 Recherche de solution particulière . . . . . . . . . . . . . . . . . 77
4.4.5 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.5 Exemples d’équations non linéaires du premier ordre . . . . . . . . . . . 80
4.5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.5.2 Equations de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . 81
4.5.3 Equations de Riccati . . . . . . . . . . . . . . . . . . . . . . . . 82
4.6 Méthode d’Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.7 Équations différentielles exactes . . . . . . . . . . . . . . . . . . . . . . 86
4.7.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.7.2 Méthode de résolution . . . . . . . . . . . . . . . . . . . . . . . 86
4.7.3 Le facteur intégrant . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.7.4 Détermination de facteurs intégrants . . . . . . . . . . . . . . . . 89
4.7.5 Exercices dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.8 Équation différentielle linéaire du second ordre . . . . . . . . . . . . . . 93
4.8.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.8.2 Equation à coefficients constants . . . . . . . . . . . . . . . . . . 93
4.8.3 Equation à coefficients non tous constants . . . . . . . . . . . . . 97
4.9 Equation d’Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104

ESATIC 2 UP MATHS
TABLE DES MATIÈRES

5 Exercices 107
5.1 Espaces Métriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.2 Séries de fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.3 Intégrales dépendant d’un paramètre . . . . . . . . . . . . . . . . . . . . 112
5.4 Équations différentielles ordinaires . . . . . . . . . . . . . . . . . . . . . 113

BIBLIOGRAPHIE 114

ESATIC 3 UP MATHS
Notations

Notation Définition
N Ensemble des entiers naturels
Z Ensemble des entiers relatifs
R Ensemble des nombres réels
Im Image d’une application
ker Noyau d’une application linéaire
|.| Valeur absolue
k.kX Application norme sur l’ensemble X
⊕ La somme directe
P
Symbole de sommation
Q
Symbole du produit
◦ La composition des applications
∩ L’intersection
∪ L’union
6 = La non égalitïé
⊂ L’inclusion
∈ Appartenance
∈
/ non Appartenance
∀ Symbole universel "pour tout"
∃ Symbole universel "il existe"
u(k) Dérivée d’ordre k de u définie sur une partie de R
E(x) = [x] partie entière de x

4
Chapitre 1

Espaces Métriques

1.1 Distances - Espaces métriques

La définition suivante généralise la notion de distance dans R et Rn .
Définition 1.1.1 (Distance). s'assurer que la distance est positive
Soit X un ensemble. Une distance ou métrique sur X est une application d : X × X →
R+ , qui satisfait les propriétés suivantes :
(D1 ) d(x, y) = 0 si et seulement si x = y. (axiome de séparation)
(D2 ) d(x, y) = d(y, x), (symétrie).
(D3 ) ∀x, y, z ∈ X, d(x, z) ≤ d(x, y) + d(y, z), (inégalité triangulaire).
Le nombre d(x, y) s’appelle distance des points x et y.
Définition 1.1.2 (Espace métrique).
On appelle espace métrique tout ensemble non vide X muni d’une distance d. On le note
(X, d).
Proposition 1.1.1.
1 ∀x, y, z ∈ X, d(x, z) ≥ |d(x, y) − d(y, z)|, (inégalité triangulaire dans l’autre
sens)
n−1
X
2 ∀(x1 , x2 , · · · , xn ) ∈ X × X × · · · × X, d(x1 , xn ) ≤ d(xk , xk+1 )
k=1

Démonstration.

1 La condition (D2 ) que vérifie la distance d nous donne

d(x, z) − d(x, y) ≤ d(y, z). En utilisant la symétrie, on obtient
d(x, y) − d(x, z) ≤ d(z, y) = d(y, z). De ces deux inéquations, on en déduit que

|d(x, y) − d(x, z)| ≤ d(y, z).

5
Espaces Métriques

2 A faire en exercice.

Remarque 1.1.1.
Lorsqu’on a à majorer d(x, y), on introduit un troisième élément z (à choisir convenable-
ment) de sorte que d(x, y) ≤ d(x, z) + d(z, y)

Exemple 1.1.1.
Sur l’espace R, On définit la distance

d(x, y) = |x − y|, x, y ∈ R.

Exemple 1.1.2.
Sur l’espace Rn , on peut définir plusieurs distances faisant intervenir les distances entre
les composantes. Soient x = (x1 , · · · , xn ) et y = (y1 , · · · , yn ) ∈ Rn . On définit les
distances :
1 d∞ (x, y) = max{|xi − yi |, i = 1, · · · , n}
n
X
2 d1 (x, y) = |xi − yi |
i=1
v
u n
uX
3 d2 (x, y) = t (xi − yi )2 (distance euclidienne)
i=1

Exemple 1.1.3.
On peut définir une distance, dite discrète, sur un ensemble quelconque X en posant, pour
x, y ∈ X : (
0 si x = y
d(x, y) =
1 si x 6= y

Exemple 1.1.4 (Distance induite).

Si (X, d) est un espace métrique et A un sous-ensemble de X, la restriction :

d|A×A : A × A → R

est une distance sur A.

Exemple 1.1.5.
La distance euclidienne sur R3 induit une distance sur la sphère

S = {(x, y, z) ∈ R3 | x2 + y 2 + z 2 = 1}.

ESATIC 6 UP MATHS
Espaces Métriques

Exemple 1.1.6 (Distance produit).

Soient (X, dX ) et (Y, dY ) deux espaces métriques ; on peut définir une distance sur l’es-
pace produit X × Y par :

d[(x1 , y1 ), (x2 , y2 )] = sup{dX (x1 , x2 ), dY (y1 , y2 )},

faisant de (X × Y, d) un nouveau espace métrique.

Exemple 1.1.7.
Soit C([0, 1], R) = {f : [0, 1] → R| f continue}. Si f, g ∈ C([0, 1], R) on pose :

d∞ (f, g) = sup {|f (t) − g(t)|}.

t∈[0,1]

d∞ est une distance sur C([0, 1], R).

Exemple 1.1.8.
R = R ∪ {−∞, +∞} est la droite numérique achevée. Soit ϕ : [−1, +1] → R la bijection
définie par ϕ(y) = y/(1 − |y|) si y 6= ±1, ϕ(−1) = −∞, ϕ(+1) = +∞ Notons ψ = ϕ−1
et posons pour x, y ∈ R :
d(x, y) = |ψ(x) − ψ(y)|.
d définit une distance sur R

Définition 1.1.3.
Une application θ : R+ → R+ est dite sous-additive si

∀x, y ∈ R+ , θ(x + y) ≤ θ(x) + θ(y).

Proposition 1.1.2.
Soient (X, d) un espace métrique et θ : R+ → R+ une application croissante sous-
additive et ne s’annulant qu’en 0. Alors θ ◦ d est une distance sur X.

Exemple 1.1.9.
Soit (X, d) un espace métrique. Comme, les applications
u
θ(u) = min{1, u} et γ(u) =
1+u
sont sous-additives croissantes et ne s’annulant que pour 0, alors

d(x, y)
σ(x, y) = min{1, d(x, y)} et δ(x, y) =
1 + d(x, y)

sont deux distances sur X qui ont la propriété d’ètre bornées par 1.

ESATIC 7 UP MATHS
Espaces Métriques

1.2 Distance associée à une norme

Définition 1.2.1.
Soit E un espace vectoriel sur K = R ou C. Une norme sur l’espace vectoriel E est une
application ν : E → R+ telle que
(N1 ) ν(x) = 0 ⇒ x = 0E (séparation )
(N2 ) ∀x ∈ E, ∀λ ∈ K, ν(λx) = |λ|ν(x) (homogénéité )
(N3 ) ∀x ∈ E, ∀y ∈ E, ν(x + y) ≤ ν(x) + ν(y) (sous-additivité ou inégalité trian-
gulaire )
Un espace vectoriel normé (plus précisément un K-espace vectoriel normé (en abrégé
e.v.n., plus précisément K-e.v.n.)) est un couple (E, ν) où E est un K-e.v. et ν une norme
sur E.
On note en général une norme par ||.|| ; si x ∈ E e.v.n., ||x|| s’appelle la norme de x.

Exemple 1.2.1.
— la valeur absolue est une norme sur R, le module une norme sur C.
— Normes usuelles sur Rn , n ∈ N∗ ; soit x = (x1 , · · · , xn ) ∈ Rn ; on pose
n
X n
X
norme ν2 (x) = ( 2 1/2
|xj | ) , ν∞ (x) = max |xj | et ν1 (x) = |xj |.
ecludienne 1≤j≤n
j=1 j=1

ν2 s’appelle la norme euclidienne, ν∞ la norme sup.

— Si z = x + iy ∈ C où (x, y) ∈ R2 , le module de z est égal à la norme euclidienne
de (x, y).
— Norme de la convergence uniforme.
Soient a, b deux réels, a < b et E = C([a, b]; C) l’espace des fonctions définies
continues sur [a, b] et à valeurs complexes. Pour f ∈ E, on pose
||f ||∞ = sup |f (t)| ; ||.||∞ est une norme sur E.
t∈[a,b]

Définition-Proposition 1.2.1. Soit (E, ||.||) un e.v.n.

L’application d : (x, y) ∈ E × E 7→ d(x, y) = ||x − y|| est une distance sur E, invariante
par translation (i.e. ∀x, y, z ∈ E, d(x + z, y + z) = d(x, y)), appelée distance associée
à la norme ||.||. En pratique, on suppose toujours qu’un e.v.n. est muni de la distance
associée à la norme.

Exemple 1.2.2.

ESATIC 8 UP MATHS
Espaces Métriques

les distances usuelles sur Rn , n ≥ 1, sont associées aux trois normes rappelées plus haut :
pour x = (x1 , · · · , xn ), y = (y1 , · · · , yn ) ∈ Rn :

d2 (x, y) = [(x1 − y1 )2 + · · · + (xn − yn )2 ]1/2 (distance euclidienne)

d1 (x, y) = |x1 − y1 | + · · · + |xn − yn |

d∞ (x, y) = max(|x1 − y1 |, · · · , |xn − yn |).

Remarque 1.2.1.
1 Sur R, ν2 = ν1 = ν∞ et les trois distances associées sont les mêmes.
2 Sur C, δ(z, w) = |z − w| est la distance dite euclidienne.
3 On peut définir sur Cn des distances analogues à d2 , d1 et d∞ .

1.3 Distances équivalentes - Normes équivalentes

Définition 1.3.1.
Deux distances d et δ sur le même ensemble X sont équivalentes si et seulement s’il existe
k1 , k2 > 0 tels que :

∀(x, y) ∈ X × X, k1 d(x, y) ≤ δ(x, y) ≤ k2 d(x, y).

Définition 1.3.2.
Deux normes N et N 0 sur le même ensemble E sont équivalentes si et seulement s’il existe
k1 , k2 > 0 tels que :

∀x ∈ E, k1 N 0 (x) ≤ N (x) ≤ k2 N 0 (x).

Remarque 1.3.1.
L’équivalence des normes équivaut à l’équivalence des distances associées.

Définition 1.3.3.
On dit que deux distances sur un même ensemble sont topologiquement équivalentes si les
familles d’ouverts qu’elles définissent sont les mêmes, c’est-à-dire si toute partie ouverte
de E pour l’une de ces distances est ouverte aussi pour l’autre.

Exemple 1.3.1.
Les diverses normes sur Rn définies à l’exemple 1.2.1 sont équivalentes, car on vérifie
facilement que l’on a
√
∀x ∈ Rn , kxk∞ ≤ kxk1 ≤ nkxk2 ≤ nkxk∞ .

Plus précisement, on a : Toutes les normes sur Rn sont équivalentes.

ESATIC 9 UP MATHS
Espaces Métriques

1.4 Sous-espace métrique, produit des espaces métriques

Soit (E, d) un espace métrique et F une partie non vide de E. Il est évident que la
restriction dF de d à F × F est une distance sur F . L’espace métrique (F, dF ) sera dit
sous-espace métrique de (E, d).
Soit (Ei , di )i∈{1,··· ,n} une famille finie de n espaces métriques. Sur l’ensemble
E = E1 × · · · × En (produit cartésien) on définit la distance d0 : E × E → R par :
n
X
0
∀x = (x1 , · · · , xn ), y = (y1 , · · · , yn ) ∈ E, d (x, y) = di (xi , yi )
i=1

On appelle (E, d) espace métrique produit de la famille (Ei , di )i∈{1,··· ,n} . Dans le cas
d’une famille dénombrable d’espace métriques (En , dn )n∈N , on ne peut pas généraliser
Q P
la formule précédente sur E = n∈N En car, en général la série n∈N dn (xn , yn ) ne
converge pas. Par contre, en considérant les distances sur les espaces En données, pour
tout n ∈ N, par
1 dn (xn , yn )
(xn , yn ) 7→ n ·
2 1 + dn (xn , yn )
qui sont topologiquement équivalentes aux distances dn on définit :
X 1 dn (xn , yn )
∀x = (xn )n∈N , y = (yn )n∈N ∈ E, d(x, y) = ·
n 1 + d (x , y )
.
n∈N
2 n n n

Il est évident que la série définissant d(x, y) converge, car son terme général est majoré par
1
qui est le terme général d’une série géométrique convergente. Il est facile de montrer
2n
que d est une distance sur E. On appelle (E, d) espace métrique produit de la famille
dénombrable d’espaces métriques (En , dn )n∈N . Il est utile de remarquer que dans le cas
d’une famille finie d’espaces métriques (Ei , di )i∈{1,··· ,n} , l’application
n
X 1 di (xi , yi )
(x, y) 7→ i
·
i=1
2 1 + di (xi , yi )

définit une distance sur E = E1 × · · · × En topologiquement équivalente à la distance d0

donnée auparavant.

1.5 Ouverts, fermés et voisinages

1.5.1 Boules
(X, d) est un espace métrique.

ESATIC 10 UP MATHS
Espaces Métriques

Définition 1.5.1.
Etant donné a ∈ X et r ∈ R+ .
• B(a, r) = {x ∈ X| d(a, x) < r} est appelé boule ouverte de centre a et de
rayon r.
• Bf (a, r) = {x ∈ X| d(a, x) ≤ r} est appelé boule fermée de centre a et de
rayon r.
• S(a, r) = {x ∈ X| d(a, x) = r} est appelé sphere de centre a et de rayon r.

Exemple 1.5.1.
Dans R muni de la distance usuelle d(x, y) = |x − y| on a

B(1, 1) =]0, 2[ et Bf (1, 1) = [0, 2].

Pour a ∈ R et r un réel strictement positif, on a

B(a, r) =]a − r, a + r[ et Bf (a, r) = [a − r, a + r].

Exemple 1.5.2.
Dans R2 , les boules ouvertes (resp. fermées) de rayon 1 :

pour les distances d1 , d2 et d∞ (resp. y compris les frontières).

1.5.2 Voisinage
Définition 1.5.2.
(X, d) est un espace métrique. Une partie V est un voisinage de a ∈ X s’il existe une
boule ouverte centrée en a et incluse dans V .
On note par V(a) l’ensemble des voisinages du point a ∈ X.

Exemple 1.5.3.
]1, 2] est un voisinage de 1.95, mais n’est pas un voisinage de 2.

ESATIC 11 UP MATHS
Espaces Métriques

1.5.3 Ouverts, fermés

Définition 1.5.3.
Soient a ∈ (X, d) et r ∈ R+ .
1 Le sous-ensemble U de (X, d) est dit ouvert, si

∀x ∈ U, ∃r > 0 tel que B(x, r) ⊂ U.

2 Le sous-ensemble F de (X, d) est dit fermé, si son complémentaire est un ouvert :

F ⊂ X, F fermé ⇔ ∀x ∈ CX F, ∃r > 0 tel que B(x, r) ⊂ CX F.

Exemple 1.5.4.
On considère X = R, muni de la distance usuelle d(x, y) = |y − x|.
1 U =]0, 1[ est un ouvert. En effet, si on pose, pour tout x ∈ U , r = min{x, 1 − x}
on vérifie aisément que B(x, r) ⊂ U .
2 Si a < b, on vérifie que :
a les ensembles ]a, b[, ]b, +∞[ et ] − ∞, a[ sont des ouverts de (R, d) ;
b les ensembles [a, b], [b, +∞[, ] − ∞, a] et {a} sont des fermés de (R, d) ;
c les ensembles [a, b[ et ]a, b] ne sont ni des ouverts, ni des fermés de (R, d)·
Remarque 1.5.1.
∅ et E sont des parties à la fois ouvertes et fermés.
Théorème 1.5.1.
Pour 0 < r < r0 . On a les inclusions suivantes.

B(x, r) ⊂ Bf (x, r) ⊂ B(x, r0 )

Démonstration.
La première inclusion étant facile. La seconde se démontre ainsi : Si y ∈ B(x, r) alors
d(x, y) ≤ r comme r < r0 alors d(x, y) < r0 donc y ∈ B(x, r0 ) d’où l’inclusion souhaitée.

Théorème 1.5.2.
Toute boule ouverte de l’espace métrique (X, d) est un ouvert. Toute boule fermée de
l’espace métrique (X, d) est un fermé.
Démonstration.
Soit y un point de la boule ouverte B(x, r) de centre x et de rayon r. On a d(x, y) < r.
Si on pose ρ = r − d(x, y) > 0 alors B(y, ρ) ⊂ B(x, r). Pour le voir, supposons que
z ∈ B(y, ρ), alors

d(x, z) ≤ d(x, y) + d(y, z) < d(x, y) + ρ = r

ESATIC 12 UP MATHS
Espaces Métriques

ce qui montre que z ∈ B(x, r).

De même, si y n’appartient pas à la boule fermée B(x, r), on a ρ = d(x, y) − r > 0. La
boule ouverte B(y, ρ) est disjointe de Bf (x, r). En effet, considérons z ∈ B(y, ρ)\B(x, r),
on doit avoir
d(x, y) ≤ d(x, z) + d(z, y) < r + ρ = d(x, y)
ce qui est absurde. Donc E\Bf (x, r) est un ouvert et Bf (x, r) sera alors un fermée.

Définition 1.5.4.
Si F est une partie fermée non vide de l’espace métrique (X, d), on appelle distance d’un
point x de X au fermé F le nombre positif ou nul

d(x, F ) = inf d(x, z).

z∈F

Théorème 1.5.3.
La distance d’un point x au fermé F est nulle si et seulement si x appartient à F . De plus,
si x et y sont des points de E, on a

|d(x, F ) − d(y, F )| ≤ d(x, y).

Démonstration.
Si x ∈ F , on a clairement 0 ≤ d(x, F ) ≤ d(x, x) = 0. Inversement, si x ∈
/ F , il existe une
boule ouverte B(x, r) disjointe de F , ce qui montre que, pour tout y de F , d(x, y) ≥ r,
donc d(x, F ) ≥ r > 0. Si z est un point quelconque de F , on a d(x, z) ≤ d(x, y)+d(y, z),
donc, en passant à la borne inférieure, on a d(x, F ) ≤ d(x, y) + d(y, z) pour tout z de
F . Et passant à nouveau à la borne inférieure d(x, F ) ≤ d(x, y) + d(y, F ), c’est-à-dire
d(x, F ) − d(y, F ) ≤ d(x, y). En intervertissant x et y, on obtient d(y, F ) − d(x, F ) ≤
d(x, y), d’où l’inégalité cherchée.

Définition 1.5.5.
Soit (X, d) un espace métrique. Soit A et B deux parties de X on appelle distance entre
A et B la quantité
d(A, B) = inf{d(x; y) : x ∈ A, y ∈ B}

Exemple 1.5.5.
n 1 o
Si on prend A = {0} ⊂ R et B = , n ∈ N alors d(A, B) = 0 tandis que
n+1
A 6= B. Ainsi, la distance entre les parties ne définit pas vraiment une distance sur P(X).

Définition 1.5.6.
On appelle diamètre d’une partie A de (X, d) et on note diam(A) la quantitée

diam(A) = sup{d(x, y) : x ∈ A, y ∈ A}.

ESATIC 13 UP MATHS
Espaces Métriques

Définition 1.5.7.
Soit (X, d) un espace métrique. On dit qu’une partie A de X est bornée s’il existe une
boule fermée Bf (x0 , r) tel que

A ⊂ Bf (x0 , r) ⇔ ∀x ∈ A, d(x0 , x) ≤ r.

Remarque 1.5.2.
On vérifie immédiatement qu’une partie A de X est bornée si et seulement si son diamètre
est fini.

Définition 1.5.8.
Soit X un ensemble et (Y, d) un espace métrique. Une application f : X → Y est bornée
si son image f (X) ⊂ Y est bornée pour la distance d. On note par Fb (X, Y ) le sous-
ensemble de F(X, Y ) des fonctions bornées. Où F(X, Y ) est l’ensemble des fonctions de
l’ensemble X dans l’ensemble Y .
Remarque 1.5.3.
Soit X un ensemble et (Y, d) un espace métrique. On peut munir l’ensemble Fb (X, Y )
d’une distance dite distance de la convergence uniforme, notée d∞ . Elle est définie comme
suit
∀f, g ∈ Fb (X, Y ), d∞ (f, g) = sup{d(f (x), g(x)); x ∈ X}.
x∈X

Exemple 1.5.6.

ESATIC 14 UP MATHS
Espaces Métriques

La boule de centre f et de rayon r est l’ensemble des fonctions dont le graphe se trouve
entre les deux courbes en bleu, déduites de f par translation paralèlement à l’axe des
ordonnées. Dans ce cas, on a d∞ (f, g) ≤ 2.

Proposition 1.5.1.
Soit (X, d) un espace métrique. On a les propriétés suivantes :
(O1 ) Toute intersection finie d’ouverts de X est un ouvert de X.
(O2 ) Toute réunion, finie ou non, d’ouverts de X est un ouvert de X.
Démonstration.
n
\
1 Soit (Ui )i≥1 une famille finie d’ouverts de X. Posons U = Ui . Si U est vide,
i=1
il est ouvert. Sinon, pour tout x ∈ U , x ∈ Ui pour i ∈ I ⊂ {1, · · · , n}. Comme
chaque Ui , i ∈ I est ouvert, il existe ri ∈ R+ tel que B(x, ri ) ⊂ Ui . Posons
r = min ri . Alors, pour tout i ∈ I, on a
i∈I

B(x, r) ⊂ B(x, ri ) ⊂ Ui .

Donc n n
\ \ \
B(x, r) ⊂ B(x, ri ) ⊂ B(x, ri ) ⊂ Ui = U.
i∈I i=1 i=1

D’où U est un ouvert de X.

ESATIC 15 UP MATHS
Espaces Métriques

2 Soit [I un ensemble quelconque. A tout i ∈ I on associe un ouvert Ai . Or soit

a∈ Ai . Il existe au moins un indice i tel que a appartient à Ai . Ainsi, il existe
i∈I [
B(a; ε) contenu dans Ai et donc dans Ai .
i∈I

Remarque 1.5.4.
Il découle, de cette preuve, qu’un ouvert contient au moins une boule centrée en chacun
de ses points. Ainsi, U contient toute boule centrée en chacun de ses points, donc il est
ouvert.
Remarque 1.5.5.
Le caractère "fini"est important pour la propriété (O1 ) puisque l’intersection d’un nombre
infini d’ouverts n’est pas toujours un ouvert. Prenons, par exemple, dans X = Rn , chaque
 1 \n  1
B 0, est un ouvert alors que B 0, = {0} n’est pas ouvert.
n i=1
n

Exemple 1.5.7.
Dans R muni de la distance usuelle, tout intervalle ouvert est ouvert, tout intervalle fermé
est fermé. Un intervalle de la forme ] − ∞, a] ou [a, +∞[ est fermé. En effet, R est ouvert.
Un intervalle de la forme ]a, b[, avec a et b finis, est une boule ouverte car
a+b a−b
]a, b[= B(x0 , r) où x0 = et r = .
2 2
De même, [a, b] est une boule fermée car [a, b] = B(x0 , r). Par ailleurs
[
]a, +∞[= ]a, a + n[
n∈N∗

donc ]a, +∞[ est un ouvert. Le même raisonnement s’applique à ] − ∞, a[ qui est ouvert.
Il s’ensuit que [a, +∞[=] − ∞, a[c est fermé et de même ] − ∞, a] est fermé.
Proposition 1.5.2.
Soit (X, d) un espace métrique. On a les propriétés suivantes :
(F1 ) Toute réunion finie de fermés de X est un fermé de X.
(F2 ) Toute intersection, finie ou non, de fermés de X est un fermé de X.
Démonstration.
Immédiat, par passage au complémentaire.

Remarque 1.5.6.
La réunion
 infinie de fermés
 peut ne pas être fermé. Prenons dans R la famille de fermés
1 1 S
Fn = −1 + , 1 − . Leurs réunion n∈N Fn =] − 1, 1[ n’est pas fermé.
n n

ESATIC 16 UP MATHS
Espaces Métriques

Remarque 1.5.7.
Dans un espace métrique (X, d), il existe des ensembles à la fois ouverts et fermés, par
exemple ∅ et X. Lorsque d est la distance discrètes, tous les sous-ensembles de X sont à
la fois ouverts et fermés. D’autre part, il se peut que des ensembles ne soient ni ouvert ni
fermé, par exemple, l’intervalle semi-ouvert ]a, b] n’est ni ouvert ni fermé dans R.

1.6 Intérieur et adhérence

Définition 1.6.1.
Soit A une partie de (E, d)
1 On dit que a ∈ E est adhérent à A lorsque

∀r > 0, B(a, r) ∩ A 6= ∅.

L’ensemble des points adhérents à A se note A et est appelé l’adhérence ou la

fermeture de A. A ⊂ A.

A = {x ∈ X | ∀r > 0, B(x, r) ∩ A 6= ∅}.

2 On dit que a ∈ E est intérieur à A lorsque

∃r > 0, tel que B(a, r) ⊂ A.

L’ensemble des points intérieurs à A se note Å et est appelé l’intérieur de A.

Å ⊂ A.
Å = {x ∈ X | ∃r > 0, B(x, r) ⊂ A}.

3 Les éléments de A \Å sont les éléments frontières de A. A \Å s’appelle la fron-
tière de A. Elle est notée f r A ou ∂A.

Remarque 1.6.1.
• A ⊂ A car : si x ∈ A alors pour tout r > 0, on a x ∈ B(x, r) ∩ A.
• Å ⊂ A.
Proposition 1.6.1.
On établit un lien entre un fermé et l’adhérence par : A est fermé si et seulement si A = A.

Démonstration.
(⇒) Si A est fermé, alors X\A est ouvert. Soit x ∈/ A, donc x ∈ X\A, il existe r > 0 tel
que B(x, r) ⊂ X\A et x ∈ / A c’est-à-dire que A ⊂ A donc A = A car A ⊂ A.
(⇐) Réciproquement, si A = A et x ∈ X\A, alors x ∈ / A, donc ∃r > 0 tel que B(x, r) ∩
A = ∅, c’est-à-dire B(x, r) ⊂ X\A.

ESATIC 17 UP MATHS
Espaces Métriques

En fait, on peut caractériser A de la manière suivante :

Proposition 1.6.2.
L’adhérence A est le plus petit fermé contenant A c’est-à-dire que si F est un fermé et
A ⊂ F alors A ⊂ F :
\
A= F.
A⊂F fermé

Démonstration.
Supposons que F est un fermé contenant A et montrons que A ⊂ F , ce qui est équivalent
à montrer que X\F ⊂ X\A. Mais si x ∈ X\F , alors x ∈ / F alors x est un point de
l’ouvert U = X\F qui ne rencontre pas A c’est-à-dire U ∩ A = ∅ donc x ∈ A soit que
x ∈ X\A.

Proposition 1.6.3.
L’intérieur Å de A est le plus grand ouvert contenu dans A c’est-à-dire
[
Å = U.
U ⊂A ouvert

Exemple 1.6.1.
On considère, dans R muni de la distance usuelle, A = [0, 1[. Alors Å =]0, 1[ et A = [0, 1].

Exemple 1.6.2.
L’adhérence de Q est R puisque tout nombre réel est limite de nombres rationnels.

Exemple 1.6.3.
D’après le théorème de Weierstrass, toute fonction f ∈ C([0, 1], R) est limite uniforme
(pour la norme k.k∞ ) d’une suite de polynôme de P([0, 1], R). Donc

P([0, 1], R) = C([0, 1], R).

Exemple 1.6.4 (Frontière des ensembles usuels Dans R).

1 F r(Z) = Z car Z est un fermé d’intérieur vide Z̊ = ∅.
2 Comme tout boule ouverte de R contient des nombres rationnels et des nombres
˚ = ∅. Comme Q = R\Q = R alors F r(Q) =
irrationnels alors Q̊ = ∅ et (R\Q)
F r(R\Q) = R.
3 F r([0, 1]) = {0, 1}.
4 Dans R2 , la frontière d’un carrée est

F r([0, 1] × [0, 1]) = ([0, 1] × {0}) ∪ ([0, 1] × {1}) ∪ ({0} × [0, 1]) ∪ ({1} × [0, 1]).

Notons que l’on a une certaine dualité entre fermeture et intérieur.

ESATIC 18 UP MATHS
Espaces Métriques

Proposition 1.6.4.
Soit A une partie non vide d’un espace métrique (X, d), alors

CX (Å) = CX A et CX A = (C˚
X A).

Démonstration.
[
Montrons la première égalité. Par définition, Å = Ui où (Ui )i∈I désigne la famille de
i∈I
tous les ouverts contenus dans A. Donc
[  \ \
CX Å = CX Ui = CX Ui = Fi
i∈I i∈I i∈I

avec Fi = CX Ui , fermé de X. La famille (Fi )i∈I désigne la famille des fermés contenant
CX A. La partie CX (Å) est donc l’adhérence de CX A. La deuxième formule se déduit de
la première en y remplaçant A par CX A.

On est parfois, amené à faire la différence entre deux notions subtiles de points d’adhé-
rence à savoir : point isolé et point d’accumulation.
Définition 1.6.2.
1 Un point x ∈ A est dit isolé s’il existe un voisinage V de x tel que V ∩ A = {x}.
2 Un point x ∈ X est dit point d’accumulation si tout voisinage V de x contient au
moins un point de A distinct de x.
Exemple 1.6.5.
Si A = [1, 2[∪{3}
1 Le point 3 est isolé dans A.
2 Le point 1 n’est pas isolé dans A.
3 Le point 3 n’est pas un point d’accumulation de A,
4 tout point de [1, 2] est point d’accumulation de A.
Définition 1.6.3.
Soit A un sous-ensemble d’un espace métrique (X, d). On dit que A est dense dans X si
A = X.
Traduction : Pour tout x ∈ X, il existe une suite (xn ) ⊂ A qui converge vers x.
On notera que, si on remplace une distance par une distance équivalente, les ensembles
denses restent les mêmes.
Exemple 1.6.6.
Dans R, un nombre est décimal lorsqu’il s’écrit : n10−k , n ∈ Z, k ∈ N. L’ensemble D des
nombres décimaux est un anneau pour les deux opérations usuelles et l’on a Z ⊂ D ⊂ Q.
Comme tout x ∈ R est limite de la suite de ses approximations décimales de la forme
xn = E(x10−n ).10−n alors D = R et on obtient que Q = R.

ESATIC 19 UP MATHS
Espaces Métriques

Exemple 1.6.7.
Dans R muni de la distance usuelle, Q et R\Q sont denses. En effet, soient x ∈ R et
r > 0. Alors B(x, r) =]x − r, x + r[. On rappelle qu’entre deux réels distincts il y a
toujours un nombre rationnel et un nombre irrationnel ; ce qui implique B(x, r) ∩ Q 6= ∅ ;
et B(x, r) ∩ (R\Q) 6= ∅. ∀x ∈ R.
Théorème 1.6.1 (Séparation de Hausdorff).
Soit (E, d) un espace métrique et deux points x 6= y de E. Alors il existe deux boules
ouvertes disjointes contenant respectivement x et y.
Démonstration.
d(x, y)
Il suffit de prendre r = et de choisir x ∈ B(x, r) et y ∈ B(y, r). Les boules
2
choisis sont dijointes. En effet, si point z ∈ B(x, r) ∩ B(y, r), on obtient : d(x, z) < r et
d(y, z) < r. L’inégalité triangulaire nous donne

2r = d(x, y) ≤ d(x, z) + d(y, z) < 2r,

une contradiction. Donc z n’existe pas.

1.7 Suites
Définition 1.7.1.
Une suite (xn )n d’un espace métrique (X, d) converge dans X s’il existe x ∈ X tel que

lim d(xn , x) = 0.
n→+∞

On dit que x est un point limite de la suite (xn )n .

plus précisément (xn )n converge vers x si

∀ε > 0, ∃N (ε) ∈ N, n ≥ N ⇒ d(xn , x) < ε

ou encore si
∀ε > 0, ∃N (ε) ∈ N, n ≥ N ⇒ xn ∈ B(x, ε).
Définition 1.7.2 (Sous-suites).
si u : N → X est une suite d’un ensemble X, une sous-suite (ou suite extraite) de u est
une suite de la forme u ◦ ϕ, où ϕ est une application strictement croissante de N dans N.
Notation 1.7.1. Soit (X, d) un espace métrique. Si (xn ) ⊂ (X, d) est une suite, on notera
une suite extraite de cette suite par (xnk ) ⊂ (X, d).

Proposition 1.7.1.
Si une suite (un )n d’un espace métrique X converge dans X vers un point limite x, alors
toute sous-suite de (un )n converge vers ce même point limite x.

ESATIC 20 UP MATHS
Espaces Métriques

Proposition 1.7.2 (Caractérisation de l’adhérence via les suites).

Soit (X, d) un espace métrique et A ⊂ X.
1 A = {x ∈ X | ∃ une suite xn ⊂ A telle que lim xn = x}.
n→+∞

2 A = {x ∈ X | d(x, A) = 0}.

Démonstration.

1 (⇒) Si x0 ∈ A, pour tout n ∈ N, alors B(x0 , 1/n) ∩ A 6= ∅, donc il existe

xn ∈ B(x0 , 1/n) ∩ A 6= ∅ et lim xn = x0 .
n→+∞
(⇐) Réciproquement, s’il existe une suite xn de A telle que lim xn = x0 alors
n→+∞
∀r > 0, ∃xn ∈ B(x0 , r) ∩ A pour n > N et on a bien B(x0 , r) ∩ A 6= ∅.

Corollaire 1.7.1.
Les parties fermées d’un espace métrique sont celles qui contiennent les limites de leurs
suites convergentes.

Définition 1.7.3.
Soit (X, d) un espace métrique. Soit (xn ) ⊂ X. Le point x ∈ X est une valeur d’adhé-
rence de la suite (xn ) s’il existe une sous-suite (xnk ) de (xn ) telle que xnk → x.

Exemple 1.7.1.
Dans R muni de la distance usuelle, soit xn = (−1)n , n ∈ N. Alors 1 est une valeur
d’adhérence de cette suite car (x2n ) → 1. De même, −1 est une valeur d’adhérence de
cette suite car (x2n+1 ) → −1.

Proposition 1.7.3.
Si xn → x, alors x est la seule valeur d’adhérence de la suite (xn ). En particulier la
limite d’une suite convergente est unique.

Démonstration.
x est une valeur d’adhérence, car la suite extraite (xn ) convrege vers x. Soit y une valeur
d’adhérence de (xn ). Il existe une sous-suire (xnk ) telle que xnk → y. Par ailleurs, on a
aussi xnk → x. On suppose par l’absurde y 6= x. alors d(x, y) > 0.
d(x, y)
Posons ε = > 0. Comme xnk → x, il existe un k1 > 0 tel que d(xnk , x) < ε
2
si k > k1 . De même, il existe un k2 > 0 tel que d(xnk , y) < ε si k > k2 . Alors, pour
k ≥ max{k1 , k2 }, on a

d(x, y) ≤ d(x, xnk ) + d(xnk , y) < 2ε = d(x, y),

ce qui est absurde.

ESATIC 21 UP MATHS
Espaces Métriques

1.8 Limites et Continuité d’applications dans les métriques

1.8.1 limites de fonctions
Définition 1.8.1.
Soient (X, d), (Y, δ) deux espaces métriques, A ⊂ X, β ∈ A, y ∈ Y et une application
f :A→Y.
On dit que f (x) tend vers y ∈ Y lorsque x tend vers β en restant dans A si

∀ε > 0, ∃η(ε) > 0, [x ∈ A et d(x, β) < η(ε)] ⇒ δ(f (x), y) < ε.

y est appelée une valeur limite de f lorsque x → β, x ∈ A et on écrit

lim f (x) = y.
x→β, x∈A

De manière équivalente :

f (x) tend vers y ∈ Y lorsque x tend vers β en restant dans A ssi pour tout voisinage W
de y dans Y , il existe un voisinage V de β dans X tel que f (A ∩ V ) ⊂ W .

1.8.2 propriétés des limites dans les espaces métriques

Proposition 1.8.1.
Soient (X, d) et (Y, δ) des espaces métriques, A ⊂ X, β ∈ A, et f : X → Y .
(a) (unicité d’une éventuelle limite).
si f admet une limite quand x tend vers β, x restant dans A, cette limite est unique.
(b) (caractérisation séquentielle).
y = lim f (x) ⇔ ∀(an )n ⊂ A telle que (an )n converge vers β, (f (an ))n
x→β, x∈A
converge vers y.
Corollaire 1.8.1.
Si une suite converge dans un métrique (Y, δ), il y a unicité de la limite.
Démonstration.
Soit une suite u : N → Y ; considérer (X, d) = (R, d), A = N et β = +∞.

1.8.3 Continuité
Soient X et E deux ensembles et f une application de X dans E. On rappelle que :
◦ Pour tout sous-ensemble A de X, on appelle image de A par f , et on note f (A),
le sous-ensemble de E défini par :
f (A) = {f (x)| x ∈ A}.

ESATIC 22 UP MATHS
Espaces Métriques

◦ Pour tout sous-ensemble B de E, on appelle image réciproque (ou antécédent) de

B par f , et on note f −1 (B) le sous-ensemble de X défini par :

f −1 (B) = {x ∈ E| f (x) ∈ B}.

Une suite (xn ) de l’espace métrique (E, d) est dite convergente vers ` ∈ E si

∀ε > 0, ∃n0 ∈ N : n ≥ n0 ⇒ d(xn , `) < ε.

Définition 1.8.2.
Soient (X, d) et (E, δ) deux espaces métriques. Une application f : X → E est dite
continue en x ∈ X si, pour toute suite (xn )n∈N d’éléments de X qui converge vers x, la
suite (f (xn ))n∈N d’éléments de E converge vers l’image de x par f . Soit :

lim f (xn ) = f (lim xn ).

n∈N n∈N

L’application f : X → E est dite continue si f est continue en tout x ∈ X.

Théorème 1.8.1.
Pour une application f : (X, d) → (E, δ), les quatre propriétés suivantes sont équiva-
lentes :
1 f est continue.
2 f (A) ⊂ f (A) pour tout A ⊂ X.
3 L’image réciproque de tout fermé de E est un fermé de X.
4 L’image réciproque de tout ouvert de E est un ouvert de X.
Démonstration.

1. ⇒ 2. Soit y ∈ f (A), c’est à dire qu’il existe x ∈ A tel que f (x) = y. Comme
x ∈ A, il existe une suite (xn )n∈N d’éléments de A qui converge vers x. Comme f est
continue (hypothèse 1), f (xn ) converge vers f (x) = y. Comme xn ∈ A, nous avons
f (xn ) ∈ f (A). Par conséquent, y = f (x) ∈ f (A).

2. ⇒ 3. Soit F 0 un fermé de E. Par définition, l’image réciproque

F = f −1 (F 0 ) = {x ∈ X| f (x) ∈ F 0 } vérifie f (f −1 (F 0 )) ⊆ F 0 (égalité si f est sur-
jective) et f −1 (f (F )) ⊆ F (égalité si f est injective). Nous voudrions montrer que sous
l’hypothèse 2., F est fermé. Nous allons montrer que F = F . Nous savons déja F ⊂ F ;
il reste à montrer F ⊂ F . On a

f (F ) ⊂ f (F ) = f (f −1 (F 0 )) ⊂ F 0 = F 0 car F 0 est fermé.

Ainsi f (F ) ⊂ F 0 équivaut par définition à F ⊂ f −1 (F 0 ) = F .

ESATIC 23 UP MATHS
Espaces Métriques

3. ⇒ 4. Nous utilisons la propriété suivante : pour toute application f , nous avons

f (E\F 0 ) = X\f −1 (F 0 ). Nous obtenons donc f −1 (U 0 ) = f −1 (E\F 0 ) = X\f −1 (F 0 ).
−1

D’après 3., f −1 (F 0 ) est un fermé de X donc son complémentaire est un ouvert U =

f −1 (U 0 ).

4. ⇒ 1. Soit (xn )n∈N une suite convergeant vers x. Il faut monter que sous l’hypo-
thèse 4, (f (xn )) converge vers f (x) dans (E, δ), c’est-à-dire que toute boule B(f (x), ε)
contient presque tous les f (xn ). L’hypothèse 4. implique que l’image réciproque U =
f −1 (B(f (x), ε)) est un ouvert de X ; comme f (x) ∈ B(f (x), ε), U contient x et il existe
B(x, r) ⊂ U . Comme (xn )n∈N tend vers x, presque tous les xn appartiennent à B(x, r).
Par conséquent, presque tous les f (xn ) appartiennent à f (B(x, r)) ⊂ f (U ) ⊂ B(f (x), ε).
Donc f (xn ) converge vers f (x).

Remarque 1.8.1.
L’image direct d’un ouvert (resp. fermé) par une application continue n’est pas forcément
un ouvert (resp. fermé).
Ainsi, l’application f : R → R2 telle que f (x) = (x2 , ex ) est continue. L’intervalle ouvert
i1 h
I =] − 1, 1[ a pour image f (I) = [0, 1[× , e , non ouvert dans R2 .
e
L’intervalle fermé R− a pour image f (R− ) = R+ ×]0, 1], non fermé dans R2 .

Définition 1.8.3.
Soient (X, d) et (E, δ) sont deux espaces métriques. Une application f : X → E est dite
uniformément continue si

∀ε > 0, ∃η > 0, ∀(x, y) ∈ X 2 , d(x, y) < η ⇒ δ(f (x), f (y)) < ε.

Autrement dit, le diamètre de l’image par f de tout ensemble de diamètre inférieur à η est
inférieur à ε. A noter que toute application uniformément continue est continue.

Exemple 1.8.1.
La fonction f (x) = x2 n’est pas uniformément continue sur R, par contre elle l’est sur
tout intervalle fermé [a, b] de R. En effet, pour tous réel ε > 0 et x, x0 ∈ [a, b], on a

|x2 − x20 | = |x − x0 | · |x + x0 | ≤ (|x| + |x0 |)(|x − x0 ||)

≤ 2 max{|b|, |a|}|x − x0 |.
ε
On choisira η indépendamment de x, par exemple η =
2 max{|b|, |a|}

Exemple 1.8.2.

ESATIC 24 UP MATHS
Espaces Métriques

La fonction f (x) = x2 n’est pas uniformément continue sur l’intervalle [1, +∞[. En effet,
1
considérons les suites xn = n + et yn = n. On a toujours
n
1
|f (xn ) − f (yn )| = 2 + >2
n2
1
bien que |xn − yn | = . Aucun nombre η ne peut correspondre à ε = 2.
n
Définition 1.8.4.
Une application f : (X, d) → (E, δ) est dite k-lipschitzienne s’il existe un réel k > 0 tel
que pour tout
(x, y) ∈ X × X, δ(f (x), f (y)) ≤ kd(x, y).
f est lipschitzienne s’il existe un k > 0 tel que f soit k-lipschitzienne.

Exemple 1.8.3.
Soit A une partie de l’espace métrique (X, d). Considérons la fonction f : E → R définie
par f (x) = d(x, A) = inf a∈A d(x, a). Elle est 1-Lipchitzienne car

|f (x) − f (y)| = |d(x, A) − d(y, A)| ≤ d(x, y).

En particulier, l’application norme : x 7→ kxk est 1-Lipchitzienne, car

|kxk − kyk| ≤ kx − yk.

Proposition 1.8.2.
Toute fonction k-lipschitziene est uniformément continue,

Démonstration.
ε
Pour ε > 0, on peut choisir η = indépendamment de x.
k
Définition 1.8.5.
Une application f : (X, d) → (E, δ) est dite isométrie si,

∀(x, y) ∈ X 2 , δ(f (x), f (y)) = d(x, y).

Proposition 1.8.3.
Une isométrie est injective et 1-lipschitzienne, donc uniformément continue, donc conti-
nue.
Définition 1.8.6.
Soient (X, d) et (Y, δ) des espaces métriques ; un homéomorphisme de X sur Y est une
bijection bi-continue de X sur Y (i.e. la bijection f et sa réciproque f −1 sont continues).
S’il existe un homéomorphisme de X sur Y on dit que X est homéomorphe à Y ou que
X et Y sont homéomorphes.

ESATIC 25 UP MATHS
Espaces Métriques

Remarque 1.8.2.
La relation "est homéomorphe à" est symétrique ; elle est aussi réflexive et transitive. la
composée de deux homéomorphismes est un homéomorphisme.

Proposition 1.8.4.
Un homéomorphisme transporte les notions topologiques de X dans E. Ainsi, les ouverts,
fermés et voisinages de X se transforme en ouverts, voisinages et fermés de E.

1.9 Espace métriques complets

Définition 1.9.1.
Soit (X, d) un espace métrique. Une suite (xn ) de X est de Cauchy si et seulement si

∀ε > 0, ∃n0 tel que n, m ≥ n0 ⇒ d(xn , xm ) < ε.

Proposition 1.9.1.
1 Si (xn ) converge, alors (xn ) est une suite de Cauchy.
2 Une suite de Cauchy a au plus une valeur d’adhérence.
3 Une suite de Cauchy converge ⇔ elle a une valeur d’adhérence.
4 On considère une suite de réels strictement positifs (an ) tel que an → 0. Si (xn ) est
une suite de Cauchy, il existe une suite extraite (xnk ) telle que d(xnk , xnk+1 ) < ak ,
∀k.
Démonstration.
1 Si x = limn→∞ xn et ε > 0, il existe un n0 tel que d(xn , x) < ε/2 si n ≥ n0 . Si
m, n ≥ n0 , on trouve alors

d(xn , xm ) ≤ d(xn , x) + d(xm , x) < ε.

2 Soient a, b ∈ X tels que, pour deux sous-suites, (xϕ(n) ) et (xψ(n) ), on ait xϕ(n) → a
et xψ(n) → b. On suppose par l’absurde que a 6= b et soit ε = d(a, b) > 0. Il existe
trois entiers, n0 , n1 , n2 , tels que : d(xn , xm ) < ε/3 si n, m ≥ n0 , d(xϕ(n) , a) < ε/3
si n ≥ n1 , d(xψ(n) , b) < /3 si n ≥ n2 .
Par ailleurs, on a ϕ(n) → ∞ et ψ(n) → ∞, et donc il existe un n3 tel que n3 ≥ n1
et ϕ(n3 ) ≥ n0 , respectivement un n4 tel que n4 ≥ n2 et ψ(n4 ) ≥ n0 . On obtient la
contradiction

ε = d(a, b) ≤ d(xϕ(n3 ) , a) + d(xϕ(n3 ) , xψ(n4 ) ) + d(xψ(n4 ) , b) < ε.

3 (⇒) Une suite convergente a une valeur d’adhérence.

(⇐) Si a est une valeur d’adhérence de (xn ), il existe une sous-suite (xϕ(n) ) telle

ESATIC 26 UP MATHS
Espaces Métriques

que xϕ(n) → x. Soit ε > 0. Il existe un n1 tel que d(xϕ(n) , a) < ε/2 si n ≥ n1 .
Avec le n0 correspondant à ε/2 dans la définition d’une suite de Cauchy, il existe
un n2 ≥ n1 tel que ϕ(n2 ) ≥ n0 . Pour n ≥ n2 , on trouve

d(xn , a) ≤ d(xn , xϕ(n2 ) ) + d(xϕ(n2 ) , a) < ε.

4 Pour chaque k, il existe un nk tel que d(xn , xm ) < ak , ∀n, m ≥ nk . Comme

cette propriété reste vraie en remplaçant nk par un nombre supérieur à nk , on peut
supposer n0 < n1 < · · · Donc (xnk ) est une sous-suite et la propriété demandée
est vérifiée par construction.

Remarque 1.9.1.
La réciproque de 1 de la proposition 1.9.1 est fausse. Il existe des suite de cauchy qui ne
convergent pas, comme dans l’exemple suivant
Exemple 1.9.1.
1
Dans X =] − 1, 1[ muni de la distance usuelle dans R, la suite {1 − } est de Cauchy
n
puisqu’elle converge vers 1 dans R, mais 1 ∈
/ X.
Exemple 1.9.2.
√
Dans Q muni de la distance usuelle dans R, la suite (xn ) définie par xn = E(2n 2)/2n
est de Cauchy, mais ne converge pas. En effet, on a
√ √
(2n 2 − 1)/2n < xn ≤ 2,
√ √
d’où xn → 2 dans R. Donc (xn ) est une suite de Cauchy. Par ailleurs, 2 ∈
/ Q.
L’unicité de la limite implique que (xn ) ne converge pas dans Q.

Définition 1.9.2.
Si (X, d) est un espace métrique,
1 une partie A de X est bornée s’il existe a ∈ X et r > 0 tels que d(a, x) ≤ r,
∀x ∈ A ;
2 une suite (xn ) ⊂ X est bornée s’il existe a ∈ X et r > 0 tels que d(a, xn ) ≤ r,
∀n.
Proposition 1.9.2.
Une suite de Cauchy est bornée.

Démonstration.
Fixons a ∈ X. Il existe un n0 tel que d(xn , xm ) < 1 si n, m ≥ n0 . Si n ≥ n0 , on trouve

d(a, xn ) ≤ d(a, xn0 ) + d(xn , xn0 ) ≤ d(a, xn0 ) + 1.

ESATIC 27 UP MATHS
 Espaces Métriques

Finalement, d(a, xn ) ≤ r, ∀n, où

r = max{d(a, x0 ), · · · , d(a, xn0 −1 ), d(a, xn0 ) + 1}.

Remarque 1.9.2.
La réciproque est fausse.
bbbbbbbb
Exemple 1.9.3.
Dans R, la suite de terme général xn = (−1)n , est bornée, mais pas de Cauchy. En effet,
d(0, xn ) ≤ 1, ∀n. Comme 1 et −1 sont des valeurs d’adhérence de (xn ), cette suite n’est
pas de Cauchy.

Définition 1.9.3.
L’espace métrique (X, d) est dit complet si toute suite de Cauchy dans X converge dans
X.
Un espace normé (E, k · k) est de Banach ⇔ E est complet pour la distance associée a
k · k.

Remarque 1.9.3.
L’intérèt évident de la notion d’espace complet réside dans le fait que, dans un tel espace,
pour montrer qu’une suite est convergente, il suffit d’établir qu’elle vérifie la propriété de
Cauchy, ce qui ne suppose pas que l’on connaisse la limite.

Exemple 1.9.4.
L’espace R muni de la norme usuelle est complet.

Exemple 1.9.5.
n
Y
Soient (Xi , di ), i = 1, · · · , n des espaces complets. Alors X = Xi muni de la distance
i=1
produit d est un espace complet. En particulier, l’espace produit Rn l’est aussi pour la
norme produit.

Exemple 1.9.6.
Les espaces Rn et Cn sont des espaces de Banach pour les normes equivalentes définies
précédement.

Exemple 1.9.7.
Etant donné un ensemble non vide X, on note par `∞ (X, R) l’espace des foncions bornées
de X dans R. Pour f ∈ `∞ (X, R), on définit la norme kf k∞ = sup |f (x)|. L’espace
x∈X
(`∞ (X, R), k · k∞ ) est un espace de Banach.

ESATIC 28 UP MATHS
Espaces Métriques

Exemple 1.9.8.
L’espace C([0, 1], R) muni de la norme || · ||1 n’est pas complet. Pour le voir, il suffit
remarquer que la suite des fonctions continues
(
2n tn si t ∈ [0, 1/2]
fn (t) =
1 si t ∈ [1/2, 1]

est de Cauchy car

Z 1
1  1 1 
kfn − fm k = |fn (t) − fm (t)|dt =  − .
0 2 n+1 m+1

Si fn convergeait, sa limite f devrait être nulle dans l’intervalle [0, 1/2[ et égale à 1 dans
l’intervalle [1/2, 1].

Définition 1.9.4.
Soient (X, dX ) et (E, dE ) deux espaces métriques. On dit que l’application f : X → E
est bornée si son image f (X) est bornée.

Notation 1.9.1.

Cb (X, E) = {f : X → E; f continue et bornée}.

Si f, g ∈ Cb (X, E), on défini une distance par d∞ (f, g) = sup{d(f (x), g(x))}.
x∈X

Proposition 1.9.3.
L’espace (Cb (X, E), d∞ ) est un espace métrique complet si (E, dE ) est complet.

Démonstration.
Si (fn ) est une suite de Cauchy dans Cb (X, E), alors, pour tout x ∈ X, (fn (x)) est une
suite de Cauchy dans E. On pose f (x) = lim fn (x). Soit ε > 0, il existe n0 tel que
n→∞
dE (fn (x), fm (x)) ≤ ε/2 pour m, n ≥ n0 . Pour tout x ∈ X, on a dE (fn (x), f (x)) ≤ ε/2
si n ≥ n0 ; ceci s’obtient en faisant tendre m à l’infini et en utilisant la continuité de
la distance y 7→ dE (a, y). Donc d∞ (fn , f ) < ε, n ≥ n0 . Il s’en suit que d∞ (fn , f ) →
0 et la suite (fn ) converge uniformément vers f donc f est continue. Comme fn0 ∈
(Cb (X, E), d∞ ) , il existe a ∈ E et r > 0 tels que dE (a, fn0 (x)) ≤ r, x ∈ X. Posons
ε = 1. On a alors

dE (a, f (x)) ≤ dE (a, fn0 (x)) + dE (fn0 (x), f (x)) ≤ r + 1.

Ainsi f ∈ Cb (X, E).

Proposition 1.9.4.
Si (X, d) est un espace métrique et (E, k · kE ) un espace normé. L’espace (Cb (X, E), d∞ )
est un espace de Banach si (E, k · kE ) est de Banach.

ESATIC 29 UP MATHS
Espaces Métriques

Démonstration.
Il suffit de vérifier que Cb (X, E) est un espace vectoriel sur K = R ou C. Or, si f, g ∈
Cb (X, E) et λ, µ ∈ K, il existe r1 et r2 tel que ∀x ∈ X, kf (x)kE ≤ r1 et kg(x)kE ≤ r2
donc
k(λf + µg)(x)kE ≤ |λ|r1 + |µ|r2 , x ∈ X.
Par suite, λf + µg ∈ Cb (X, E).

Proposition 1.9.5.
Soient (X, d) un espace métrique et A ⊂ X.
1 Si (A, d) est complet, alors A est un fermé de X.
2 Si (X, d) est complet et A est un fermé de X, alors (A, d) est complet.
Démonstration.
1 Soient (xn ) une suite de A et a ∈ X tels que xn → a. Alors (xn ) est une suite de
Cauchy, donc convergente (dans A) vers un b ∈ A. L’unicité de la limite (dans X)
implique a = b ∈ A. Il s’ensuit que A ⊂ A, d’où A fermé.
2 Soit (xn ) une suite de Cauchy dans A. Alors il existe un a ∈ X tel que xn → a. Il
s’ensuit que a ∈ A, et donc (xn ) converge dans A.

Corollaire 1.9.1.
Dans un espace métrique complet :

A complet ⇔ A fermé.
Corollaire 1.9.2.
Soit A ⊂ (X, d).
Si (A, dA ) est complet, alors A est un fermé de X.
Si (X, d) est complet et A est un fermé de X, alors (A, dA ) est complet.

Exemple 1.9.9.
L’espace C([0, 1], R) des fonctions continues sur [0, 1] à valeurs réelles est un espace de
Banach pour la norme k.k.

Proposition 1.9.6.
Soit (X, d) un espace métrique. Si toutes les parties fermées et bornées de X sont com-
plètes, alors X est complet.
Démonstration.
Soit (xn ) une suite de Cauchy dans X. Alors (xn ) est bornée, et donc (xn ) ⊂ B(a, r)
pour a ∈ X et un r > 0. B(a, r) étant un fermé borné, alors (xn ) converge dans B(a, r),
et donc dans X.

ESATIC 30 UP MATHS
Espaces Métriques

Exemple 1.9.10.
Soit K = R ou C On note

C0 (K) = {x = (xn )n : ∀n, xn ∈ K et lim xn = 0}

n→+∞

`∞ (K) = {x = (xn )n : ∀n, xn ∈ K et (xn )n borné}.

On pose kxk∞ = sup |xn |. L’espace (`∞ (K), kxk∞ ) est un espace de Banach. L’espace
n∈N
C0 (K) est un sous-espace vectoriel fermé de `∞ (K), donc c’est un espace de Banach.
Montrons que `∞ (K) est complet : Soit (xp )p∈N une suite de Cauchy de `∞ (K) ; c’est en
fait une suite de suites. Pour chaque p, on a une suite bornée
xp = (xp,0 , xp,1 , · · · , xp,n , · · · ) dont la norme est kxp k∞ = sup |xp,n |. Pour chaque n, la
n∈N
suite p 7→ xp,n est une suite de Cauchy de K, comme K est complet, elle converge ; soit
kn = lim xp,n . Il vient que
p→+∞

∀ε > 0, ∃N ∈ N; ∀p ≥ N, ∀n ∈ N |xp,n − kn | ≤ ε.

Considérons, maintenant, la suite k = (kn )n . Elle est bornée, car

|kn | ≤ |xN,n | + |kn − xN,n | ≤ kxN k∞ + ε

et d’après ce qui précède, on a

∀ε > 0, ∃N ∈ N, ∀p ≥ N, sup |xp,n − kn | ≤ ε

n∈N

soit que
∀ε > 0, ∃N ∈ N, ∀p ≥ N, kxp − kk∞ ≤ ε.
Ce qui prouve que (xp )p converge vers k dans `∞ (K).

Théorème 1.9.1 (Théorème du point fixe de Picard).

Soient (X, d) un espace métrique complet et f : (X, d) → (X, d) contractante. Alors :
1 f a exactement un point fixe a ;
2 pour tout x0 ∈ X, la suite (xn ), xn = f ◦ f ◦ · · · ◦ f (x0 ), converge vers a ;
| {z }
nf ois

kn
3 Pour k < 1 et tel que f soit k-lipschitzienne, on a d(xn , a) ≤ d(x1 , x0 ).
1−k
Démonstration.
1. et 2. Soit 0 < k < 1 tel que f soit k-lipschitzienne. f a au plus un point fixe : si, par
l’absurde, a et b sont des points fixes et a 6= b, on aboutit à la contradiction

0 < d(a, b) = d(f (a), f (b)) ≤ kd(a, b) < d(a, b).

ESATIC 31 UP MATHS
Espaces Métriques

Soit x0 ∈ X et (xn ) une suite de X telle que xn = f ◦ f ◦ · · · ◦ f (x0 ).

| {z }
nf ois
On a, pour tout n ∈ N, xn+1 = f (xn ).
Par suite, pour tout n ∈ N, d(xn+1 , xn ) = k n d(x1 , x0 ) (par récurrence sur n). Par consé-
quent, si m ≥ n, alors

d(xm , xn ) ≤ d(xn , xn+1 ) + d(xn+1 , xn+2 ) + · · · + d(xm−1 , xm )

≤ d(x1 , x0 )k n (1 + k + · · · + k m−n−1 ) (1.1)
X+∞
≤ d(x1 , x0 )k n ki
i=0
kn
≤ d(x1 , x0 ) (1.2)
1−k
n
≤ Ck .

Comme Ck n → 0, pour tout ε > 0 il existe un n0 tel que Ck n < ε si n ≥ n0 . Il s’ensuit

que d(xm , xn ) < ε si m, n ≥ n0 . La suite (xn ) étant de Cauchy, elle converge vers un
a ∈ X. Mais puisque f est continue, nous avons

f (a) = f ( lim xn ) = lim f (xn ) = lim xn+1 = a.

n→+∞ n→+∞ n→+∞

De ce qui précède, a est l’unique point fixe de f .

3. Comme xm → a, la conclusion s’obtient en faisant tendre m vers +∞ dans (1.1).

1.10 Compacité
Définition 1.10.1.
Une partie A d’un espace métrique E est compacte si toute suite de A admet une sous-
suite convergente dans A.

Remarque 1.10.1.
Cette définition met clairement en évidence le fait qu’il est équivalent de dire que A est
compact comme partie de E, ou compact comme partie de A. La compacité, contraire-
ment aux notions d’ouvert et de fermé est une notion absolue. En particulier, on peut
parler d’espace métrique compact.

Lemme 1.10.1.
Si A est une partie compacte de E, alors A est une partie fermée de E.

Démonstration.
soit x un point de E adhérent à A. Il existe donc une suite de A qui converge vers x.
Comme A est compact, cette suite doit avoir une valeur d’adhérence dans A. Comme x
est sa seule valeur d’adhérence , x est dans A.

ESATIC 32 UP MATHS
Espaces Métriques

Lemme 1.10.2.
Tout espace métrique compact est borné et complet.

Démonstration.
Soit E un espace métrique compact. S’il est vide, il est évidemment borné et complet.
Sinon, soit x un point de E. Si E n’était pas borné, il existerait une suite (xn ) dans E,
telle que la distance de x à xn soit au moins égale à n. Cette suite a une valeur d’adhé-
rence γ. Soit B une boule ouverte de centre γ et de rayon plus petit que 1. Cette boule
contient une infinité de termes de la suite. Soit xn un terme de la suite, appartenant à B,
et soit d la distance de x à xn . Soit enfin m un entier assez grand pour que m − d soit plus
grand que le diamètre de la boule B, et tel que xm soit aussi dans la boule B. Alors, par
la deuxième inégalité triangulaire, la distance de xn à xm est plus grande que m − d. Ce
qui est impossible. E est donc borné.

Soit maintenant (xn ) une suite de Cauchy de E. Comme E est compact, cette suite a
une valeur d’adhérence γ dans E. Cette valeur d’adhérence ne peut être que la limite de la
suite. En effet, soit ε > 0, et soit N un entier tel que deux termes quelconques de la suite
de rangs plus grands que N soient distants de moins de ε. Prenons n > N assez grand
pour que la distance de xn à γ soit plus petite que ε. Alors, pour tout m > N la distance
de xm à γ est plus petite que 2ε, ce qui montre que la suite converge vers γ.

Théorème 1.10.1.
Les parties compactes de Rn sont précisément celles qui sont fermées et bornées.

Démonstration.
Soit A une partie fermée et bornée de Rn . Soit (xn )n∈N une suite de A. D’après le théo-
rème de Bolzano-Weierstrass, cette suite a une valeur d’adhérence (dans Rn ). Cette valeur
d’adhérence est en fait dans A, car A est fermée.

Réciproquement, on a déja vu que les compacts de Rn sont tous fermés et bornés.

Théorème 1.10.2.
L’espace métrique produit E1 × · · · × En de n espaces métriques E1 , · · · , En est compact
si et seulement si chaque espace Ei est compact.

Théorème 1.10.3.
Soient (E, d) et (F, d0 ) deux espaces métriques et f continue de E dans F . Si E est
compact, f (E) est compact.

On en déduit le corollaire suivant :

ESATIC 33 UP MATHS
Espaces Métriques

Corollaire 1.10.1.
Soit f une application continue d’un espace métrique compact K dans R. Alors f est
bornée et atteint ses bornes, c’est-à-dire qu’il existe x ∈ K tel que f (x) = supK f et il
existe y ∈ K tel que f (y) = inf K f .

Théorème 1.10.4 (Heine).

Soient (E, d) et (F, d0 ) deux espaces métriques et f continue de E dans F . Si E est
compact, alors f est uniformément continue sur E.

ESATIC 34 UP MATHS
Chapitre 2

Séries de fourier

Les séries de Fourier sont un outil fondamental dans l’étude des fonctions périodiques.
Elles ont été introduites par Joseph Fourier en 1822, même si leur étude systématique et
approfondie n’a réellement démarré qu’avec l’apparition de l’intégrale de Lebesgue en
1902. Les séries de Fourier sont encore aujourd’hui l’objet de recherches actives pour
elles-mêmes, et ont suscité plusieurs branches nouvelles telles que la théorie du signal et
la théorie des ondelettes.
L’étude d’une fonction périodique par la série de Fourier comprend deux volets
◦ L’analyse, qui consiste en la détermination de la suite de ses coefficients de Fou-
rier.
◦ La synthèse, qui permet de retrouver, en un certaine sens, la fonction à l’aide de la
suite de ses coefficients.

2.1 Généralités
Définition 2.1.1.
Une application f : R → C est dite périodique s’il existe un nombre réel T > 0 tel que

∀x ∈ Df, f (x + T ) = f (x). (2.1)

On dit que f est périodique de période T (ou simplement T −périodique) si T est le plus
petit des nombres réels strictement positifs vérifiant la relation (2.1).

Remarque 2.1.1.

35
Séries de fourier

De façon générale, l’étude d’une fonction T -périodique f peut toujours se ramener à

l’étude d’une fonction 2π−périodique g donnée pour tout x réel par
 
T
g(x) = f x .
2π

C’est pourquoi nous avons choisi pour cadre naturel de ce chapitre celui des fonctions
2π−périodiques.

Proposition 2.1.1.
Soit f est une fonction admettant 2π pour période et intégrable sur un intervalle [α, α +
2π] alors elle est intégrable sur [0, 2π] et l’on a :
Z α+2π Z 2π
f (t)dt = f (t)dt.
α 0

pour tout α ∈ R. Cette valeur commune s’appelle l’intégrale de f sur une période.

Démonstration.
On a Z α Z α Z α+2π
f (t)dt = f (t − 2π)dt = f (t)dt.
0 0 2π

À l’aide de la relation de Chasles, on a alors

Z α+2π Z 0 Z 2π Z α+2π
f (t)dt = f (t)dt + f (t)dt + f (t)dt
α α 0 2π
Z 0 Z 2π Z α
= f (t)dt + f (t)dt + f (t)dt
α 0 0
Z 2π
= f (t)dt
0

D’où la proposition.

Remarque 2.1.2.

Z α ∈ R et pour tout f 2π−périodiques et

1 Le résultat précédent montre que, pour
α+2π
continues par morceaux, l’intégrale f (t)dt ne dépend pas de α.
α

2 Le résultat précédent montre aussi que si f est 2π−périodiques et intégrable sur

[0, 2π] elle l’est sur tout intervalle de longueur 2π et l’intégrale de f sur un inter-
valle de longueur 2π ne dépend pas des extrémités de cet intervalle.
Pour calculer cette intégrale on choisit un nombre α adapté à f . Par exemple, si
f est paire ou impaire on prend α = −π.

ESATIC 36 UP MATHS
Séries de fourier

2.2 Séries trigonométriques

Définition 2.2.1.
On appelle série trigonométrique, toute série dont le terme général est de la forme :
a0
u0 (x) = et ∀n ≥ 1, un (x) = an cos nx + bn sin nx x ∈ R, (2.2)
2
où (an ) et (bn ) désignent deux suites de nombres réels ou complexes.

Remarque 2.2.1.
1 On précise que b0 = 0 ; nous adopterons cette convention.
2 La relation (2.2) équivaut à :

un (x) = cn einx + c−n e−inx

avec
1 1
cn = (an − ibn ) et c−n = (an + ibn ).
2 2
Cette expression du terme général est utilisée de préférence lorsque les coefficients
an et bn sont complexes.
Dans ce cas, on écrit souvent la série
a0 X
+ (an cos nx + bn sin nx)
2 n≥1

sous la forme d’une série double entrée, soit

+∞
X
cn einx
n=−∞

avec
a0
c0 =
2

 1 (an + ibn ) pour n < 0

cn = 2
1
 (an − ibn ) pour n > 0.

2
3 Pour ne pas modifier la notion de convergence d’une série, nous conviendrons de
+∞
X +∞
X
dire que la série à double entrée cn converge si et seulement si (cn +c−n )
n=−∞ n=0
converge.

Proposition 2.2.1.

ESATIC 37 UP MATHS
Séries de fourier

P P
Si les séries |an | et |bn | sont convergentes alors la série trigonométrique
a0 X
+ (an cos nx + bn sin nx)
2 n≥1

est normalement convergente sur R. Elle est donc uniformément convergente sur R et sa
somme est une fonction continue de x sur R.

Exemple 2.2.1.
X cos nx X sin nx X einx
, ,
n≥1
n2 n≥1
n2 n≥0
n!

Proposition 2.2.2.
Si (an )n≥0 et (bn )n≥0 sont deux suites décroissantes de nombres réels positifs ou nuls
tendant vers 0, alors :
1 les séries trigonométriques
X X
an cos nt et bn sin nt

convergent uniformément sur tout segment inclus dans ]0, 2π[.

2 la série trigonométrique
a0 X
+ (an cos nx + bn sin nx)
2 n≥1

est convergente pour tout x ∈ R\2πZ, et sa convergence est uniforme, sur chaque
intervalle de la forme

[2kπ + a, 2(k + 1)π + a], ∀k ∈ Z et a > 0.

Sa somme est donc une fonction continue de x sur R\2πZ.

Plaçons nous dans l’hypothèse où la série trigonométrique est uniformément conver-

gente dans un intervalle de longueur supérieur à 2π. Alors la somme
a0 X
S(x) = + (an cos nx + bn sin nx)
2 n≥1

est périodique de période 2π et continue sur R. On peut alors intégrer terme à terme
Z 2π Z 2π +∞  Z 2π Z 2π 
a0 X
S(x) cos pxdx = cos pxdx+ an cos nx cos pxdx + bn sin nx cos pxdx ,
0 2 0 n=1 0 0

Z 2π Z 2π +∞  Z 2π Z 2π 
a0 X
S(x) sin pxdx = sin pxdx+ an cos nx sin pxdx + bn sin nx sin pxdx ,
0 2 0 n=1 0 0

ESATIC 38 UP MATHS
Séries de fourier

Pour calculer les intégrales figurants au second membre de deux égalités, nous pou-
vons procéder par linéarisation en utilisant :

2 cos nx cos px = cos(n − p)x + cos(n + p)x

où à partir des relations :

(
2π
2p si n = −p
Z
einx eipx dx =
0 0 si n 6= −p.

Par de calculs faciles, on obtient pour tout n, p ∈ N,

Z 2π Z 2π
sin nx cos pxdx = cos nx sin pxdx = 0;
0 0
(
2π 2π
0 si n 6= p
Z Z
cos nx cos pxdx = sin nx sin pxdx =
0 0 π si n = p 6= 0.
On obtient alors : (
Z 2π
πa0 si p = 0
S(x) cos pxdx =
0 πap si p > 0;
Z 2π
S(x) sin pxdx = πbp ∀p ∈ N∗ .
0
Par conséquent Z 2π
1
a0 = S(x)dx;
π 0
Z 2π Z 2π
∗ 1 1
∀n ∈ N , an = S(x) cos nxdx et bn = S(x) sin nxdx.
π 0 π 0

Remarque 2.2.2.
La formule trouvée pour an convient pour a0 , c’est pourquoi le premier terme de la série
a été noté a0 .

2.3 Série de Fourier d’une fonction périodique

Définition 2.3.1.
Soit f une fonction numérique périodique de période 2π sur R, intégrable sur tout inter-
valle fermé borné (compact). On appelle coefficients de Fourier exponentiels de f , les
nombres Z 2π
1
cn (f ) = f (t)e−int dt (n ∈ Z) (2.3)
2π 0
La série de Fourier de f de type complexe est la série
+∞
X
cn (f )einx .
n=−∞

ESATIC 39 UP MATHS
Séries de fourier

Définition 2.3.2.
Soit f une fonction numérique périodique de période 2π sur R, intégrable sur tout inter-
valle fermé borné (compact). Les coefficients de Fourier trigonométriques de f sont les
nombres an et bn (n ∈ N) définis par les relations

1 2π 1 2π
Z Z
an (f ) = f (x) cos nxdx et bn (f ) = f (x) sin nxdx. (2.4)
π 0 π 0
et la série de Fourier de f est la série trigonométrique :
a0 X
(f ) + (an (f ) cos nx + bn (f ) sin nx)
2 n≥1

Remarque 2.3.1.
Le problème fondamental qui se pose à propos de cette série est le suivant :
• Cette série est-elle convergente ?
• Dans l’affirmative, sa somme est-elle égale à f (x) ?

Proposition 2.3.1.
En posant b0 (f ) = 0, on a pour tout n ∈ N

 cn (f ) = an (f ) − ibn (n)
 (
2 an (f ) = cn (f ) + c−n (f )
et
 c−n (f ) =
 a n (f ) + ibn (n) bn (f ) = i(cn (f ) − c−n (f )).
2
Démonstration.
Pour tout n ∈ N, les formules d’Euler et la linéarité de l’intégration donnent
Z 2π
1
cn (f ) = f (t)e−int dt
2π 0
1 2π
Z
= f (t)(cos nt − i sin nt)dt
π 0
an (f ) − ibn (f )
=
2
On obtient de la même manière la formule donnant cn (f ). De même, on a

1 2π
Z
an (f ) = f (t) cos ntdt
π 0
Z 2π
1
= f (t)(eint + e−int )dt
2π 0
= cn (f ) + c−n (f ).

On procède de la même façon pour bn (f )-

ESATIC 40 UP MATHS
Séries de fourier

Proposition 2.3.2.
On a pour tout α ∈ R :

1 α+2π α+2π
Z Z
1
an (f ) = f (x) cos nxdx et bn (f ) = f (x) sin nxdx (2.5)
π α π α

Démonstration. Les fonctions

x 7→ f (x) cos nx et x 7→ f (x) sin nx,
sont 2π-périodique et intégrables sur sur tout intervalle fermé borné de R. Alors les inté-
grales de ces fonctions sur un intervalle de longueur 2π ne dépend pas des extrémités de
cet intervalle. D’où le résultat.
Remarque 2.3.2.
En particulier on a :
1 π π
Z Z
1
an (f ) = f (x) cos nxdx et bn (f ) = f (x) sin nxdx (2.6)
π −π π −π

Les relations (2.6) sont particuliérement intéressantes lorsque f est une fonction paire ou
impaire.
Proposition 2.3.3.
Soit f une fonction numérique périodique de période 2π sur R, intégrable sur tout inter-
valle fermé borné. On a :
• Si f paire (c’est-à-dire f (−x) = f (x) pour tout x ∈ R) alors

2 π
Z
an (f ) = f (t) cos ntdt et bn (f ) = 0.
π 0

• Si f impaire (c’est-à-dire f (−x) = −f (x) pour tout x ∈ R) alors

2 π
Z
an (f ) = 0 et bn (f ) = f (t) sin ntdt.
π 0
Exemple 2.3.1.
Calculer les coefficients de Fourier réels de la fonction f définie sur R par f (x) = cos3 x.

Il suffit d’écrire
cos 3x = 4 cos 3x − 3 cos x
pour obtenir
1 3
f (x) = cos 3x + cos x.
4 4
On a donc
3 1
a1 (f ) = , a3 (f ) = ,
4 4
et tous les autres coefficients de Fourier sont nuls.

ESATIC 41 UP MATHS
Séries de fourier

Exemple 2.3.2.
Calculer les coefficients de Fourier réels de la Calculer les coefficients de Fourier réels
de la fonction f 2π−périodique qui vaut 1 sur ]0, π[ et −1 sur ] − π, 0[.

La fonction f est impaire donc an (f ) est nul. On a

π
2 1 − (−1)n
Z
2
bn (f ) = sin(nx)dx = .
π 0 π n
Donc b2k (f ) est nul, et
4
b2k+1 (f ) =
(2k + 1)π.

Exemple 2.3.3.
Soit f 2π−périodique vérifiant f (x) = −1 sur ] − π, 0[ et f (x) = 1 sur ]0, π[ (on ne
précise pas ses valeurs sur πZ, ce qui n’a aucune importance pour le calcul des coeffi-
cients de Fourier). On vérifie alors que la fonction F (x) vérifie F (x) = |x| sur [−π, π].
Cette fonction étant ensuite prolongée par périodicité. Comme f est impaire, les ak (f )
sont tous nuls et

2
Z π  0 si k est pair
bk (f ) = sin ktdt = 4
π 0  si k est impair
πk
La série de Fourier de f est donc
+∞
4 X sin(2k + 1)t
.
π k=0 2k + 1

Celle de F peut donc être obtenue par intégration terme à terme, sans oublier la
"constante d’intégration"
1 π
Z
π
c0 (F ) = tdt =
π 0 2
Cette série de Fourier s’écrit donc
+∞
π 4 X cos(2k + 1)t
−
2 π k=0 (2k + 1)2

La série de Fourier de F converge normalement sur R. Celle de f converge (au moins sim-
plement) sur R, ce qu’on prouve par exemple par transformation d’Abel. Nous n’avons
pas, pour le moment, d’information sur le lien entre les sommes de ces séries et les fonc-
tions f et F .

Exemple 2.3.4.

ESATIC 42 UP MATHS
Séries de fourier

Soit f 2π-périodique, impaire et définie sur ]0, π[ par :

∀x ∈]0, π[, f (x) = 1.

La fonction étant impaire, an = 0, pour tout entier n. D’autre part, pour tout n ≥ 1,
1 π
Z
bn = sin(nx)dx
π −π
2 π
Z
= sin(nx)dx
π 0
2
= (1 − (−1)n ).
nπ
On en déduit que la série de Fourier de f s’écrit
X 2 X 4
(1 − (−1)n ) sin(nx) = sin((2p + 1)x).
n∈N∗
nπ p∈N
π(2p + 1)

Exemple 2.3.5.
Considérons sur ] − π, π], la fonction f (x) = x. Cette fonction étant impaire, on a

2 π (−1)k+1
Z
ak = 0, bk = x sin kxdx = 2 .
π 0 k
Par conséquent, la série de Fourier associée à f est
∞
X (−1)k+1
f (x) v 2 sin kx, x ∈ [−π, π].
k=1
k

Exemple 2.3.6.
Considérons sur [−π, π], la fonction f (x) = x2 . Cette fonction étant paire, on a

2 π 2 2π 2
Z
bk = 0, a0 = x dx =
π 0 3
et
π
(−1)k
Z
2
ak = x2 cos kxdx = 4 .
π 0 k2
D’où,
∞
π2 X (−1)k
S(f ) = +4 cos kx, x ∈] − π, π].
3 k=1
k2

Exemple 2.3.7.

ESATIC 43 UP MATHS
Séries de fourier

Soit f la fonction 2π−périodique, définie sur ] − π, π[ par f (x) = ex , −π < x < π. La

valeur de f pour x = π est arbitraire. On a
Z π
1 eπ − e−π sinh π
c0 = ex dx = = ,
2π −π 2π π
et
π
sinh π (−1)k
Z
1
ck = ex e−ikx dx = .
2π −π π 1 − ik
a0 ak − ibk ak + ibk
Or c0 = , ck = , c−k = d’où
2 2 2
sinh π
a0 = 2c0 = 2 ,
π
sinh π (−1)k
ak = ck + c−k = 2 ,
π 1 + k2
sinh π (−1)k k
bk = i(ck − c−k ) = −2
π 1 + k2
Par conséquent,
∞
sinh π sinh π X (−1)k
S(f ) = +2 (cos kx − k sin kx).
π π k=1 1 + k 2

2.4 Règles de convergence

Pour étudier la convergence des séries de Fourier, il est nécessaire d’abord de s’assurer
que le terme général tend vers 0. A l’aide de la proposition suivante, on va prouver que
cette condition est satisfaite pour une fonction localement intégrable.
Lemme 2.4.1 (Riemann-Lebesgue).
Soit f une fonction numérique, intégrable sur un segment [a, b] de R. Alors
Z b Z b
itx
lim f (t)e dt = 0 et lim f (t)eitx dt = 0.
x→+∞ a x→−∞ a

Démonstration.
— Supposons que f soit constante égale à 1 sur le segment [a, b]. Alors, pour x ∈ R∗ ,
on a Z b Z b
itx eibx − eiax
f (t)e dt = eitx dt = .
a a ix
d ’où Z b
2
0≤| f (t)eitx dt| ≤ −→ 0.
a |x| |x|→+∞
Le théorème des gendarmes permet d’en déduire que le résultat annoncé est vrai
pour f constante égale à 1 sur [a, b].

ESATIC 44 UP MATHS
Séries de fourier

— Supposons maintenant f en escalier sur [a, b]. Si (t0 , t1 , · · · , tp−1 , tp ) est une sub-
division de [a, b] associée à f , alors
Z b p Z tk p Z tk
X X
itx itx
f (t)e dt = ( λk e dt) = (λk eitx dt)
a k=1 tk−1 k=1 tk−1

Où λk désigne la valeur de la fonction f sur l’intervalle ]tk−1 , tk [. D’après le cas

R tk itx
précédent, chaque intégrale tk−1 e dt tend vers 0 lorsque |x| tend vers +∞. On
en déduit que le résultat annoncé est vrai pour toute fonction en escalier sur [a, b].
— Supposons enfin f continue par morceaux sur [a, b]. Un réel ε > 0 étant donné, il
existe une fonction en escalier ϕ sur [a, b] telle que
ε
||f − ϕ||∞ ≤ .
2(b − a)

Alors
Z b  Z b Z b 
itx  itx 
f (t)e dt ≤ |f (t) − g(t)|dt + ϕ(t)e dt
 
   
a a a
ε  b
Z 
itx 
≤ + ϕ(t)e dt.
2 a

Mais, d’après ce qui précède, ϕ étant en escalier sur [a, b], on a

Z b  ε
itx 
ϕ(t)e dt ≤

2

a

pour |x| suffisamment grand. Pour de tels x, on a alors

Z b 
itx 
f (t)e dt ≤ ε,


a

ce qui termine la démonstration du lemme.

Remarque 2.4.1.
Comme application directe du lemme de Riemann-Lebesgue, on retrouve le fait que, pour
tout f 2π-périodique et continue par morceaux, les coefficients de Fourier an (f ) ,bn (f ) ,
cn (f ) et c−n (f ) tendent vers 0 lorsque n tend vers +∞.

On a la proposition suivante :

Proposition 2.4.1.
On a : n
1 X sin(n + 12 )u
c(u) = + cos ku = (u ∈ R\2πZ (2.7)
2 k=1 2 sin u2

ESATIC 45 UP MATHS
Séries de fourier

Démonstration. Si u ∈ R\2πZ, on a eiu 6= 1 et donc :

n
1 X iku 1 ei(n+l)u − eiu 2ei(n+l)u − eiu − 1
+ e = + = ,
2 k=1 2 eiu − 1 2(eiu − 1)
u
multiplions le numérateur de la fraction ci-dessus par e−i 2 ,on obtient :
n
1 X iku 2ei(n+l)u − cos u2
+ e = .
2 k=1 4i sin u2

Enfin en prenant la partie réelle de l’expression ci-dessus, on obtient la formule (2.7).

Théorème 2.4.1 (Règle de Dirichlet).

Soit f une fonction numérique de période 2π sur R et intégrable sur tout intervalle com-
pact et soit x ∈ R tel que les limites f (x + 0) = f (x+ ) et f (x − 0) = f (x− ) existent. Si
le rapport
1
[f (x + u) + f (x − u) − f (x + 0) − f (x − 0)]
u
reste borné au voisinage de 0 (u ∈ R∗ ), alors la série de Fourier de f converge au point
x vers
1
[f (x + 0) + f (x − 0)].
2
Remarque 2.4.2.
Cette condition est une condition su ?sante de convergence ponctuelle.

Remarque 2.4.3.
Les hypothèses du théorème (2.4.1) sont réalisées en particulier si les limites f (x + 0) et
f (x − 0) existent et si chacun des rapports
1 1
[f (x + u) − f (x + 0)], [f (x − u) + f (x − 0)]
u u
admet une limite lorsque u tend vers 0 par valeurs positives. Par extension, les limites de
ces rapports sont appelées dérivée à droite et dérivée à gauche de f au point x.
On a :

Proposition 2.4.2.
Soit f une fonction numérique de période 2π et intégrable sur tout intervalle borné et soit
x un point tel que les limites f (x + 0) et f (x − 0) existent. Si de plus f admet une dérivée
à droite et une dérivée à gauche, sa série de Fourier au point x converge vers
1
[f (x + 0) + f (x − 0)].
2
En particulier la série de Fourier de f converge vers f (x) en tout point x où f est continue
et dérivable.

ESATIC 46 UP MATHS
Séries de fourier

Définition 2.4.1.
Soit f une fonction numérique définie sur un intervalle [a, b] de R. Nous dirons que f
est continue par morceaux (respectivement dérivable par morceaux) sur cet intervalle s’il
existe une subdivision (x0 = a, xl , · · · , xn = b) de [a, b] tel que la restriction de f à
chacun des intervalles ouverts ]xk−l , xk [ (1 ≤ k ≤ n) coïncide avec la restriction d’une
fonction continue (respectivement dérivable) sur l’intervalle fermé [xk−l , xk ].

Remarque 2.4.4.
Une fonction continue par morceaux (respectivement dérivable par morceaux) est évi-
demment intégrable sur [a, b] et on voit immédiatement que toute fonction numérique de
période 2π sur R et dérivable par morceaux, vérifie les hypothèses de la proposition
(2.4.2) en tout point x. Nous pouvons donc énoncer :

Proposition 2.4.3.
Si f est une fonction numérique de période 2π sur R et dérivable par morceaux, sa série de
1
Fourier converge vers f (x) en tout point x où f est continue et vers [f (x+0)+f (x−0)]
2
en ces points de discontinuités.

Définition 2.4.2.
Soit f une fonction numérique, 2π-périodique sur R et localement intégrable. On dit que
f est développable en série de Fourier sur R si sa série de Fourier converge sur R et en
chaque point x ∈ R, elle a pour somme f (x).

Exemple 2.4.1.

ESATIC 47 UP MATHS
Séries de fourier

Soit f la fonction 2π−périodique, définie dans l’intervalle [−π, π] par f (x) = |x|. La
fonction f est continue sur R et dérivable à droite et à gauche sur R. Comme elle est
paire, on a donc bk = 0, ∀k ≥ 1 et
2 π
Z
a0 = xdx = π,
π 0
(
2 π 0 si k = 2π
Z
ak = x cos kxdx = 4
π 0 − π(2p+1)2 si k = 2p + 1

On obtient ainsi la série :

∞
π 4 X cos(2p + l)x
− , −π ≤ x ≤ π
2 π p=0 (2p + 1)2

D’après le théorème de Dirichlet, cette série converge et sa somme est égale à f (x),
∀x ∈ R En particulier, pour x = 0,
∞
π 4X 1
f (0) = 0 = −
2 π p=0 (2p + 1)2

donc ∞
X 1 π2
= .
p=0
(2p + 1)2 8
Notons enfin que
∞ ∞ ∞ ∞
X 1 X 1 X 1 π2 1 X 1
= + = + ,
k=1
k2 p=0
(2p + 1)2 p=1 (2p)2 8 4 k=1 k 2

d’où la somme d’Euler ∞

X 1 π2
2
= .
k=1
k 6

Exemple 2.4.2.

ESATIC 48 UP MATHS
Séries de fourier

Reprenons l’exemple 2.3.7 de la fonction f , 2π−périodique, définie sur l’intervalle ] −

π, π] par f (x) = ex , −π < x < π. La valeur de f en x = π est quelconque. Nous avons
montré précédemment que
∞
sinh π sinh π X (−1)k
f (x) ∼ +2 (cos kx − k sin kx).
π π k=1 1 + k 2

La fonction f est réglée et dérivable à droite et à gauche sur R D’après le théorème de

Dirichlet, en tout point où f est continue, c’est-à-dire pour tout x 6= (2l + l)π, l ∈ Z, on
a ∞
x sinh π sinh π X (−1)k
e = +2 (cos kx − k sin kx).
π π k=1 1 + k 2
Au point de discontinuité x = π, on a

f (π + ) + f (π − ) e−π + ex
= = cosh π,
2 2
et par conséquent,
∞
sinh π sinh π X 1
cosh π = +2 .
π π k=1 1 + k 2

Exemple 2.4.3.

ESATIC 49 UP MATHS
Séries de fourier

Soit une application f : R → C, 2π−périodique, continue par morceaux et qui vérifie

π−x
pour tout x réel : f (x) = 21 [f (x+ ) + f (x− )] avec f (x) = sur ]0, 2π[.
2
Déterminer les coefficients de Fourier trigonométriques de f .
Etudier la convergence de la série de Fourier de f .

• Montrons que f est impaire.

Si x ∈ R\2πZ, il existe k ∈ Z et y ∈]0, 2π[ tels que x = 2kπ + y donc f (x) =
π−y
f (y) =
2
On a de plus, −x = 2(k + 1)π + 2π − y avec 2π − y ∈]0, 2π[
π−y
donc f (−x) = f (2π − y) =
2
Ainsi f (−x) = −f (x) pour x ∈ R\2πZ. En conséquence, on a f (0+ ) = −f (0− )
donc f (0) = 0 et par périodicité f (x) = 0 pour x ∈ 2πZ.
2 Rπ π −x
• Comme f est impaire : an = 0 et bn = sin nxdx.
π 0
∗
2
Par intégration par parties pour n ∈ N :
Z π
1h cos nxdx iπ 1 1
bn = (π − x) − cos nxdx; bn =
π n 0 nπ 0 n
sin nx
La série de Fourier de f a pour terme général Un : R → R, x 7→ .
n
La suite (bn )n∈N ∗ étant réelle, décroissante et de limite nulle, le théorème s’ap-
plique : la série de Fourier de f converge simplement sur R, (un (x) = 0 sur 2πZ),
et uniformément sur [α, 2π − α] pour tout α ∈]0, π]
Le théorème de Dirichlet va nous donner l’égalité
+∞
π − x X sin nx
= pour x ∈]0, 2π[.
2 n=1
n

2.5 Développement des fonctions T −périodiques

Si f : R → C est T −périodique et continue par morceaux, la fonction
Tx
g : x 7→ f est 2π−périodique et continue par morceaux. Les coefficients de
2π
Fourier de f sont par définition ceux de g :
Z 2π
1 T
Z
1 T x −inx 2iπ
cn (f ) = cn (g) = f ( )e dx = f (u)e− T nu du
2π 0 2π T 0

2 T
Z
2πnu
an (f ) = an (g) = f (u) cos du
T 0 T
2 T
Z
2πnu
bn (f ) = bn (g) = f (u) sin du
T 0 T

ESATIC 50 UP MATHS
Séries de fourier

Dans les conditions de la proposition 2.4.2, on obtient, pour tout x réel :

1 1
(f (x+ ) + f (x− )) = [f (x + 0) + f (x − 0)]
2 2
+∞
2iπnx
X
= cn (f )e T
n=−∞
+∞  
a0 (f ) X 2πnx 2πnx
= + an (f ) cos + bn (f ) sin .
2 n=1
T T

Exemple 2.5.1.
Développer en série de Fourier la fonction 2-périodique f définie par f (x) = |x| sur
l’intervalle [−1; 1].
Comme cette fonction est paire, on a bn = 0.
(
2 1 2 1 a2n = 0
Z Z
a0 = xdx = 1; an = x cos(nπx)dx ⇒ −4
1 0 1 0 a2n+1 = π2 (2n+1) 2

Alors,
+∞
1 4 X cos((2n + 1)πx)
Sf (x) = − 2 = f (x)
2 π n=1 (2n + 1)2

2.6 Un problème d’approximation

Définition 2.6.1.
Un polynome trigonométrique est une fonction P : C → C de la forme :
n
X
P (x) = (ak cos kx + bk sin kx) (2.8)
k=0

où les ak et bk (k = 0, · · · , n) désignent les nombres réels ou complexes et n désigne un

entier quelconque.
Si l’un des coefficients an et bn est non nul, le polynôme trigonométrique P est d’ordre n.
Dans le cas général, P est d’ordre au plus égal n.

Remarque 2.6.1.
Un polynome d’ordre au plus égal à n peut aussi s’écrire sous la forme complexe :
n
X
P (x) = ck eikx ,
k=−n

où les ck désignent des nombres complexes.

Définition 2.6.2.

ESATIC 51 UP MATHS
Séries de fourier

On appelle polynôme de Fourier d’indice n de f le polynome trigonométrique :

n n
X
ikx a0 X
Sn (x) = ck e = + (ak cos kx + bk sin kx)
k=−n
2 k=0

(où les ak et bk désignent les coe ?cients de Fourier de type réel).

Il en résulte le théoréme d’approximation suivant :

Théorème 2.6.1.
Le polynome de Fourier d’indice n d’une fonction f est le polynôme trigonométrique P
d’ordre au plus égal à n, qui réalise le minimum de l’écart quadratique moyen défini par :
  21
1
kP − f k = |P (x) − f (x)|2 dx .
2π

Théorème 2.6.2 (Inégalité de Bessel).

Soit f ∈ CM2π (R, C). On a
N Z 2π
X 1 2
∀N ∈ N, |cn (f )| ≤ |f (t)|2 dt = kf k22 .
n=−N
2π 0

Démonstration.
Nous avons vu que f = SN (f ) + h avec h orthogonal à PN . On en déduit que h est
orthogonal à SN (f ) et d ’après la formule de Pythagore on a alors

kSN (f )k22 + khk22 = kf k22 .

On en conclut que
N
X
|cn (f )|2 = kSN (f )k22 ≤ kf k22 ,
n=−N

ce qui est bien l’inégalité désirée.

Théorème 2.6.3 (Formule de Parseval).

Pour toute fonction f 2π-périodique et continue par morceaux sur [0, 2π], on a la formule
+∞ Z 2π
X 12
|cn (f )| = |f (t)|2 dt
n=−∞
2π 0

qui s ’écrit aussi

+∞ Z 2π
1 1X 1
|a0 |2 + (|an (f )|2 + |bn (f )|2 ) = |f (t)|2 dt
4 2 n=1 2π 0

ESATIC 52 UP MATHS
Séries de fourier

Démonstration.
Notons g la fonction donnée par g(x) = fσ (x) où fσ (x) = f (−x). En appliquant le 3. de
la proposition précédente avec t = 0, on obtient
Z 2π +∞
1 X
(f ∗ g)(0) = f (x)g(−x)dx = cn (f )cn (g).
2π 0 n=−∞

Or f (x)g(−x) = |f (x)|2 , et la proposition ?? donne

cn (g) = cn (fσ ) = c−n (fσ ) = cn (f ).

D’où le résultat désiré.

Exemple 2.6.1.
Soit une application f : R → C, 2π−périodique, continue par morceaux et qui vérifie
pour tout x réel : f (x) = 21 [f (x+ ) + f (x− )] avec f (x) = x(2π − x) pour tout x ∈]0, 2π[.
Développer f en série de Fourier.
En déduire les sommes des séries :
+∞ +∞ +∞ +∞ +∞
X 1 X 1 X 1 X 1 X (−1)n−1
, , , , ,
n=1
n4 n=0
(2n + 1)4 n=1
n2 n=0
(2n + 1)2 n=1
n2

+∞ +∞ +∞
X 1 X 1 X (−1)n
, ,
n=1
n6 n=0
(2n + 1)6 n=0
(2n + 1)3

ESATIC 53 UP MATHS
Séries de fourier

• Une fonction f : R → C, 2π−périodique, continue par morceaux et qui vérifie pour

tout x réel : f (x) = 12 [f (x+ ) + f (x− )] est caractérisée par sa restriction à ]0, 2π[.
Ici f (0) = f (0+ ) = f ((2π)− ) = 0. Donc f est continue sur R. La restriction de f à [0.2π]
est de classe C ∞ , donc f est C ∞ par morceaux. La courbe représentative de f est formée
d’arcs de paraboles :

• Calculons les coefficients trigonométriques de f .

2 Rπ
f est paire, donc bn = 0 (n ∈ N) et an = f (x) cos nxdx.
π 0

2 π x3 iπ 4π 2
Z h
2
a0 = x(2π − x)dx = πx − =
π 0 3 0 3
Z π Z π
2 2 h iπ 4
an = x(2π − x) cos nxdx = x(2π − x) sin nx − (π − x) sin nxdx
π 0 nπ 0 nπ 0
Z π
2 h iπ 4 4
= (π − x) cos nx − 2 cos nxdx = − 2 (n ∈ N∗ )
nπ 0 nπ 0 n

• Développement en série de Fourier de f .

Comme f est continue sur R et de classe C 1 par morceaux, le théorème de Dirichlet
prouve que f est développable en série de Fourier :
+∞  2π 2 +∞
a0 (f ) X  X cos nx
∀x ∈ R, f (x) = + an (f ) cos nt + bn (f ) sin nt = −4
2 n=1
3 n=1
n2

La convergence normale sur R est évidente.

ESATIC 54 UP MATHS
Séries de fourier

• Calcul des sommes de séries.

Exploitons l’égalité de Parseval :
Z 2π +∞
1 1 1X
|f (t)|2 dt = |a0 |2 + (|an (f )|2 + |bn (f )|2 )
2π 0 4 2 n=1

donne
+∞
8π 4 4π 4 X 1
= +8
15 9 n=1
n4
Pour p > 1, nous utiliserons les égalités :
+∞ +∞  +∞ +∞
X 1 X 1 1  X 1 1 X 1
= + = +
n=1
np k=1
(2k − 1)p (2k)p n=0
(2n + 1)p 2p n=1 np

pour obtenir
+∞ +∞
X 1 1 X 1
= (1 − )
n=0
(2n + 1)p 2p n=1 np
Ainsi
+∞ +∞
X 1 π4 X 1 π4
= et =
n=1
n4 90 n=0
(2n + 1)4 96
La somme de la série de Fourier de f au point x = 0 donne :
+∞ +∞
X 1 π2 X 1 π2
= et donc =
n=1
n2 6 n=0
(2n + 1)2 8

De même, x = π donne
+∞
X (−1)n π2
= .
n=1
n2 12

ESATIC 55 UP MATHS
Séries de fourier

La convergence normale sur R de la série de Fourier de f permet, par intégration terme

à terme, de définir une fonction g 2π−périodique, continue par morceaux et qui vérifie
pour tout x réel : g(x) = 12 [g(x+ ) + g(x− )] par :

x +∞
2π 2
Z X sin nx
g : R → R, x 7→ (f (t) − )dt = −4
0 3 n=1
n2

g est somme d’une série trigonométrique normalement convergente sur R qui fournit di-
4
rectement les coefficients de Fourier trigonométriques de g : an (g) = 0 bn (g) = − 3
n
Le calcul donne l’expression de g sur [0, 2π] g(x) = − 31 (x3 − 3πx2 + 2π 2 x).
Le choix de x = π2 donne
+∞ +∞
π  π3 X sin n π2 X (−1)n
g = − = −4 = −4
2 8 n=1
n3 n=0
(2n + 1)3

d’où la somme
+∞
X (−1)n π3
=
n=0
(2n + 1)3 32
L’égalité de Parseval appliquée à g :
Z 2π +∞
1 21X
|g(t)| dt = |bn (f )|2
2π 0 2 n=1

conduit à :
2π 1
16π 6
Z Z
1 1 3
(x − 3πx2 + 2π 2 x)2 dx = (2u3 − 3u2 + 2u)2 du
2π 0 9 9 0

puis
+∞
2π 6 1 6 2π 6 1
Z
X 1 5 4 3 2
= (4u − 12u + 13u − 6u + u )du =
n=1
n6 9 0 9 210
d’où
+∞ +∞
X 1 π6 X 1 π6
= et = .
n=1
n6 945 n=0
(2n + 1)6 960

ESATIC 56 UP MATHS
Chapitre 3

Intégrales dépendant d’un paramètre

Très souvent, la solution d’une équation différentielle aboutit au calcul d’une primi-
tive : Z b
F (x) = f (x, t) dt . (avec − ∞ ≤ a < b ≤ +∞)
a
Dans de nombreux cas, il n’y a pas de forme explicite pour cette primitive et il faut donc
étudier la fonction F (x) telle qu’elle nous est donnée, c’est-à-dire sous la forme d’une
intégrale, qui dépend du paramètre x. Dans ce chapitre nous donnons des conditions afin
que cette fonction F (x) soit continue et dérivable.

3.1 Continuité et dérivabilité d’une intégrale dépendant

d’un paramètre
Dans cette sous partie, I désigne un intervalle quelconque de R et E désigne un espace
vectoriel normé (e.v.n) complet.

3.1.1 Continuité
Théorème 3.1.1 (Continuité sous le signe intégral).
Soit A un espace métrique et une application

f : A × I → E, (x, t) 7→ f (x, t)

vérifiant les propriétés suivantes

57
Intégrales dépendant d’un paramètre

(i) pour tout x ∈ A, l’application f (x, ·) : t 7→ f (x, t) est continue par morceaux sur
I,
(ii) pour tout t ∈ I, l’application f (·, t) : x 7→ f (x, t) est continue sur A
(iii) il existe une fonction positive ϕ, continue par morceaux et intégrable sur I, telle
que kf (x, t)k ≤ ϕ(t) pour tout x ∈ A (Hypothèse de domination).
Alors l’application Z b
Φ:A→E x 7→ f (x, t)dt
a
est bien définie, et elle est continue sur A.

Démonstration.
L’hypothèse de domination montre que f (x, ·) est intégrable pour tout x ∈ A, donc Φ est
bien définie. Pour prouver qu’elle est continue en tout point x ∈ A, il suffit de montrer
que pour toute suite (xn ) dans A convergeant vers x, on a bien lim Φ(xn ) = Φ(x).
n→+∞
Soit (xn ) une telle suite. La suite de fonctions (fn ) définie par fn : I → E t 7→ f (xn , t)
converge simplement vers t 7→ f (x, t) d’après l’hypothèse (ii). L’hypothèse (iii) nous
Z b
permet d’appliquer le théorème de convergence dominée, qui donne lim fn (t)dt =
n→+∞ a
Z b
f (x, t)dt, c’est à dire lim Φ(xn ) = Φ(x).
a n→+∞

Remarque 3.1.1.
1 Les résultats du théorème précédent restent vrais lorsque l’hypothèse de domina-
tion est vérifiée uniquement sur un voisinage de tout point de A (la continuité, la
dérivabilité, sont des propriétés locales). C’est en particulier le cas si A ⊂ Rn et
si l’hypothèse de domination est vraie sur tout compact K de A.
2 Lorsque les intégrales définissant Φ sont semi-convergentes, les théorèmes
précédents ne s’appliquent plus. On passe en général par une suite de fonctions
R
fn (x) = Kn f (x, ·)dt où les Kn sont des segments de I qui tendent vers I, puis
on prouve des résultats de convergence uniforme pour (fn ).

3 Dans le cas où I est un segment de R (et A un intervalle de R), et f continue,

l’hypothèse de domination n’est plus nécessaire, comme l’exprime le corollaire
suivant.

ESATIC 58 UP MATHS
Intégrales dépendant d’un paramètre

Corollaire 3.1.1.
Soit A un intervalle de R et [a, b] un segment de R. Soit une application

f : A × [a, b] → E, (x, t) 7→ f (x, t)

continue sur A × [a, b]. Alors l’application

Z b
Φ:A→E x 7→ f (x, t)dt.
a

est continue sur A.

Démonstration.
Soit K un compact de A. On peut appliquer le théorème 3.1.1 sur K × [a, b] (l’hypothèse
de domination est vérifiée car f , continue sur le compact K × [a, b], y est bornée) qui
prouve que Φ est continue sur K. Donc Φ est continue sur tout compact de A, donc sur A
tout entier.

Remarque 3.1.2.
Dans le corollaire ci-dessus, il faut s’assurer de la continuité de f comme fonction de
deux variables et non comme fonction séparément continue en x et en t.

Exemple 3.1.1.
Soit Z π
2
F (x) = sin(x + t) · ext dt,
0
2
définie pour x ∈ I = R. La fonction (x, t) 7→ f (x, t) = sin(x + t) · ext est continue sur
R × [0, π], donc la fonction x 7→ F (x) est continue sur R.
Rπ h iπ
On calcule que F (0) = 0 sin(t) · 1 dt = − cos(t) = 2. Même si on n’a pas de
0
formule pour F (x) en général, on déduit de la continuité que F (x) → F (0) = 2 lorsque
x → 0.
Exemple 3.1.2.
Pour établir la continuité sur R de la fonction
1 3
e−tx
Z
F : R → R, x 7→ dt,
0 1 + t2 x2
il suffit d’observer que la fonction
3
e−tx
f : R × [0, 1] → R, (x, t) 7→
1 + t2 x2
est continue sur R → [0, 1] comme composée et quotient de fonctions continues sur cet
ensemble (le dénominateur ne s’annulant jamais sur le produit R × [0, 1]).

ESATIC 59 UP MATHS
Intégrales dépendant d’un paramètre

Exemple 3.1.3 (Convolution des fonctions continues et T −périodiques).

Soient T ∈ R∗T , f, g : R → C continues et T −périodiques, f ∗ g la convoluée de f et g,
c’est-à-dire l’application de R dans C définie par :
Z T
∀x ∈ R, (f ∗ g)(x) = f (t)g(x − t)dt.
0

Puisque l’application h : R × [0; T ] → C h(x, t) = f (t)g(x − t) est continue par

rapport à x, continue par morceaux (car continue) par rapport à t et vérifie l’hypothèse
de domination sur R × [0; T ] en prenant l’application constante kf k∞ kgk∞ , le théorème
précédent montre que f ∗ g est continue sur R.
De plus, f ∗ g est T −périodique, puisque, pour tout x ∈ R :
Z T Z T
(f ∗ g)(x + T ) = f (t)g(x + T − t)dt = f (t)g(x − t)dt = (f ∗ g)(x).
0 0

3.1.2 Dérivation
Théorème 3.1.2 (Dérivation sous le signe intégral).
Soit A un intervalle de R et

f : A × I → E, (x, t) 7→ f (x, t)

une application vérifiant les propriétés suivantes

(i) pour tout x ∈ A, l’application f (x, ·) : t 7→ f (x, t) est continue par morceaux et
intégrable sur I,
∂
(ii) f admet une dérivée partielle f vérifiant les hypothèses du théorème précédent.
∂x
Alors l’application Z b
Φ:A→E x 7→ f (x, t)dt.
a

est de classe C 1 sur A et on a

Z b
0 ∂
∀x ∈ A, Φ (x) = f (x, t)dt.
a ∂x

Démonstration.
Soit x ∈ A et (xn ) une suite dans A\{x} convergeant vers x. La suite de fonctions (gn )
f (xn , t) − f (x, t) ∂
définie par gn : I → E t 7→ converge simplement vers f (x, ·) sur
xn − x ∂x
I. La fonction gn est bien continue par morceaux et intégrable sur I. De plus, comme
∂
|| f (y, t)|| ≤ ϕ(t) pour tout y ∈ I. l’inégalité des accroissements finis entraîne que
∂x
||gn (t)|| ≤ ϕ(t). Ainsi, on peut appliquer le théorème de convergence dominée qui nous

ESATIC 60 UP MATHS
Intégrales dépendant d’un paramètre

R R ∂ R Φ(xn ) − Φ(x)
assure la convergence de I
gn dt vers
I
f (x, ·)dt. Comme I gn dt = ,
∂x xn − x
R ∂
nous venons de démontrer que Φ est dérivable en x et que Φ0 (x) = I f (x, ·)dt. La der-
∂x
nière intégrande vérifiant les hypothèses du théorème de continuité sous le signe intégral,
on en déduit que Φ0 est continue.

Remarque 3.1.3.
1 Les résultats du théorème précédent restent vrais lorsque l’hypothèse de domina-
tion est vérifiée uniquement sur un voisinage de tout point de A (la continuité, la
dérivabilité, sont des propriétés locales). C’est en particulier le cas si A ⊂ Rn et
si l’hypothèse de domination est vraie sur tout compact K de A.
2 Lorsque les intégrales définissant Φ sont semi-convergentes, les théorèmes
précédents ne s’appliquent plus. On passe en général par une suite de fonctions
R
fn (x) = Kn f (x, ·)dt où les Kn sont des segments de I qui tendent vers I, puis
on prouve des résultats de convergence uniforme pour (fn ).

3 Dans le cas où I est un segment de R (et A un intervalle de R), et f continue,

l’hypothèse de domination n’est plus nécessaire, comme l’exprime le corollaire
suivant.
Corollaire 3.1.2.
Soit A un intervalle de R et [a, b] un segment de R. Soit une application

f : A × [a, b] → E, (x, t) 7→ f (x, t)

continue sur A × [a, b]. Alors l’application

Z b
Φ:A→E x 7→ f (x, t)dt.
a

∂
est continue sur A. Si de plus, f est dérivable par rapport à x et si f est continue sur
∂x
Rb ∂
A × [a, b], alors Φ est de classe C 1 sur A et on a Φ0 (x) = a f (x, t)dt.
∂x
Démonstration.
Soit K un compact de A. On peut appliquer le théorème 3.1.1 sur K × [a, b] (l’hypothèse
de domination est vérifiée car f , continue sur le compact K × [a, b], y est bornée) qui
prouve que Φ est continue sur K. Donc Φ est continue sur tout compact de A, donc sur A
tout entier. On montre de la même manière les résultats relatifs à la dérivation de Φ.

Remarque 3.1.4.

ESATIC 61 UP MATHS
Intégrales dépendant d’un paramètre

On peut également obtenir les corollaires 3.1.1 et 3.1.2 sans passer par le théorème de
∂
convergence dominée, à partir de l’uniforme continuité de f (et f ) sur K × [a, b].
∂x
Remarque 3.1.5.
Sans l’hypothèse de convergence dominée, les corollaires 3.1.1 et 3.1.2 ne sont plus va-
lides.
Exemple 3.1.4.
Z 1
dt 1
Étudions F (x) = pour x ∈]0, +∞[. Posons f (x, t) = 2 . Alors :
0 +t x2
2 x + t2
— f est continue sur ]0, +∞[×[0, 1],
∂f −2x
— (x, t) = 2 est continue sur ]0, +∞[×[0, 1].
∂x (x + t2 )2
On aura donc Z 1
0 −2x
F (x) = 2 2 2
dt.
0 (x + t )

Pour cet exemple on peut calculer explicitement F (x) :

t=1
1 1
Z 
dt 1 t 1 1
— F (x) = 2 = arctan = arctan .
x 0 1+ t
2 x x t=0 x x
 x 
0 d 1 1 1 1 1 1
— F (x) = arctan = − 2 arctan − 3 .
dx x x x x x 1 + x−2
Z 1
−2x 1 1 1
— Ce qui prouve 2 2 2
dt = − 2 arctan − .
0 (x + t ) x x x(1 + x2 )

Exemple 3.1.5.

ESATIC 62 UP MATHS
Intégrales dépendant d’un paramètre

Calculons l’intégrale de Gauss :

Z +∞ √
−t2 π
e dt =
0 2

Posons, pour x ∈ I = [0, +∞[ :

1 2 2 x 2
e−x (t +1)
Z Z
−t2
F (x) = dt G(x) = e dt H(x) = F (x) + G(x)
0 t2 + 1 0

1 Étude de F (x).
2 2
e−x (t +1)
En posant f (x, t) = 2 , on note que :
t +1
— f est une fonction continue sur [0, +∞[×[0, 1],
∂f 2 2
— (x, t) = −2xe−x (t +1) est aussi continue.
∂x
Donc, par le corollaire 3.1.2, F est continue, dérivable et
Z 1 Z 1 Z 1
0 ∂f −x2 (t2 +1) −x2 2 2
F (x) = (x, t) dt = −2 xe dt = −2xe e−x t dt.
0 ∂x 0 0

ESATIC 63 UP MATHS
Intégrales dépendant d’un paramètre

2 Étude de G(x).
G n’est pas à proprement parler une intégrale dépendant d’un paramètre. Si on note
Rx 2 2
G0 (x) = 0 e−t dt, G0 est simplement une primitive de x 7→ e−x et G(x) =
2
G0 (x)2 . Comme G00 (x) = e−x (la dérivée d’une primitive est la fonction elle-
même), on a :
d
G0 (x) = G0 (x)2


dx
= 2G00 (x)G0 (x)
Z x
−x2 2
= 2e e−t dt
0
Z 1
−x2 2 2
= 2xe e−x u du.
0

Pour la dernière égalité, on a posé le changement de variable t = xu (et donc

t
dt = xdu, u = et u varie de 0 à 1 lorsque t varie de 0 à x).
x
3 Étude de H(x).
Par nos calculs précédents, on trouve H 0 (x) = F 0 (x) + G0 (x) = 0, pour tout
x ∈ [0, +∞[. Cela veut dire que la fonction H est une fonction constante. Or
Z 1
1 h i1 π
H(0) = F (0) + G(0) = 2
dt + 0 = arctan t = .
0 t +1 0 4
π
Donc H est la fonction constante égale à .
4
4 Limite de H(x) en +∞.
R 2
+∞ 2
— Lorsque x → +∞, alors G(x) → 0 e−t dt .
— Et F (x) → 0 car
Z  Z
  1 e−x2 (t2 +1)  1 Z 1
−x 2 −x 2 2
1 · dt = e−x → 0.

F (x) = 
2
dt ≤ e dt = e
 0 t +1  0 0

R 2
+∞ −t2
— Donc H(x) = F (x) + G(x) → 0
e dt .

5 Conclusion.
π π
H est une fonction constante : H(x) = , sa limite en +∞ est donc aussi . Mais
4 4
on a calculé cette limite d’une autre façon, ce qui prouve :
Z +∞ r √
−t2 π π
e dt = =
0 4 2

ESATIC 64 UP MATHS
Intégrales dépendant d’un paramètre

Exemple 3.1.6.
Pour chaque n ∈ N, la fonction donnée par
Z 1
dt
Fn (x) =
0 (t2 + x2 )n

est définie et dérivable sur R∗ , et on a

Z 1
0 dt
Fn (x) = −2nx = −2nxFn+1 (x).
0 (t2 + x2 )n+1

Partant de
1 1
F1 (x) = arctan ,
x x
on peut ainsi, par dérivations successives, obtenir les valeurs de Fk (x) pour tout entier k
vérifiant 2 ≤ k ≤ n.

Exemple 3.1.7.
Calculons, pour x ∈ R, Z +∞
2
F (x) = cos(2xt)e−t dt.
0

1 F est continue.
2
Soit f (x, t) = cos(2xt)e−t définie et continue sur I × J = R × [0, +∞[. On a
f (x, t) ≤ e−t2 . Or +∞ e−t2 dt converge. Donc, avec g(t) = e−t2 , on vient de
  R
0
prouver que f vérifie l’hypothèse de convergence dominée. Ainsi, par le corollaire
3.1.1, la fonction x 7→ F (x) est continue sur R.
2 Dérivée de F .
On a
∂f 2
(x, t) = −2t sin(2tx)e−t .
∂x
−t2
R +∞
Avec cette fois g(t) = 2te (dont l’intégrale 0 g(t) dt converge), on sait que
∂f
est continue et vérifie l’hypothèse de convergence dominée. Par le corollaire
∂x
3.1.2, on obtient que x 7→ F (x) est dérivable sur R, de dérivée continue, et sur-
tout :
Z +∞
0 d 2
F (x) = cos(2xt)e−t dt
dx
Z +∞0
∂  2
= cos(2xt)e−t dt
0 ∂x
Z +∞
2
= −2 sin(2tx) te−t dt
0

ESATIC 65 UP MATHS
Intégrales dépendant d’un paramètre

3 Calcul de F 0 (x) en fonction de F (x).

2
On fait une intégration par parties avec u(t) = sin(2xt) et v 0 (t) = te−t (donc
2
−e−t
u0 (t) = 2x cos(2xt) et v(t) = ):
2
Z +∞
0 2
F (x) = −2 sin(2tx) · te−t dt
0
2 Z +∞ 2
h −e−t i+∞ −e−t
= −2 sin(2xt) · +2 2x cos(2xt) · dt
2 0 0 2
Le crochet vaut 0 et ainsi :

F 0 (x) = −2xF (x)

4 Calcul de F (x).
Ainsi F vérifie l’équation différentielle élémentaire F 0 (x) = −2xF (x). En écri-
F 0 (x)  
vant = −2x et en intégrant, on obtient ln F (x) = −x2 + c, d’où
F (x)
2
F (x) = F (0)e−x .
√
R +∞ −t2 π
Or, on a vu que F (0) = 0 e dt = (voir l’exemple 3.1.5), d’où
2
√
π −x2
F (x) = e .
2

Exemple 3.1.8.
x
Soit f (x, t) = . Alors f est continue sur R × [0, +∞[ et
1 + (xt)2
Z A Z A Z xA
x dt du
FA (x) = f (x, t) dt = = avec u = xt
0 0 1 + (xt)2 0 1 + u2
h ixA
= arctan(u) = arctan(xA).
0

Donc :

+π/2 si x > 0


Z +∞ 
F (x) = f (x, t) dt = lim FA (x) = lim arctan(xA) = −π/2 si x < 0
0 A→+∞ A→+∞ 

0

si x = 0

Ainsi F est discontinue.

ESATIC 66 UP MATHS
Intégrales dépendant d’un paramètre

3.2 Théorème de Fubini

Théorème 3.2.1 (Théorème de Fubini).
Soient I = [α, β] et J = [a, b] deux intervalles fermés bornés. Soit f une fonction continue
sur I × J, à valeurs dans R (ou C). Alors la fonction F définie pour tout x ∈ I par
Z b
F (x) = f (x, t) dt
a

est intégrable sur I et

Z β Z β Z b  Z b Z β 
F (x) dx = f (x, t) dt dx = f (x, t) dx dt .
α α a a α

Remarque 3.2.1.
On retient que l’on peut intervertir l’ordre d’intégration :
Z βZ b Z bZ β
=
α a a α

Démonstration.
Par le corollaire 3.1.1, la fonction F est continue sur I, donc intégrable. Pour x ∈ I,
considérons la fonction : Z x
ϕ(x, t) = f (y, t) dy .
α

C’est une fonction continue sur I × J. (Pour le prouver considérer ϕ(x, t) − ϕ(x0 , t0 ) =
Rx R x0

x0
f (y, t) dy + a
f (y, t) − f (y, t0 ) dy. Le premier terme est petit pour x proche de
x0 car f est bornée ; le second est petit par continuité uniforme de f , exactement comme
dans la preuve du corollaire 3.1.1.)
∂ϕ
La dérivée partielle par rapport à x de ϕ(x, t) est (x, t) = f (x, t), qui est elle aussi
∂x
continue sur I × J. On peut donc lui appliquer le corollaire 3.1.2. La fonction qui à x
associe Z b Z Z  b x
Φ(x) = ϕ(x, t) dt = f (y, t) dy dt
a a α

est dérivable et sa dérivée est :

Z b Z b
0 ∂ϕ
Φ (x) = (x, t) dt = f (x, t) dt .
a ∂x a

On obtient donc, pour tout x ∈ I :

Z b Z x  Z x Z x Z b 
0
f (y, t) dy dt = Φ(x) = Φ (y) dy = f (y, t) dt dy .
a α α α a

D’où le résultat en prenant x = β.

ESATIC 67 UP MATHS
Intégrales dépendant d’un paramètre

Remarque 3.2.2.
Rb
Géométriquement, on se souvient que calculer une intégrale a f (t) dt revient à détermi-
ner l’aire sous le graphe, comme somme de segments de hauteur f (t). Ces segments sont
en fait des rectangles de largeur infinitésimale dt.

Ici, pour nos fonctions de deux variables, on calcule d’abord l’aire d’une tranche paral-
lèle à l’axe des t (en vert sur la figure), puis on fait la somme (c’est-à-dire on effectue
une seconde intégration) des aires de toutes les tranches (qui ont en fait une épaisseur
infinitésimale). On pourrait faire la même opération en commençant par les tranches pa-
rallèles à l’axe des x (en rouge sur la figure). Le théorème de Fubini affirme que ces deux
méthodes conduisent à la même valeur. Ce nombre correspond au volume sous la portion
de surface.

Exemple 3.2.1.
Calculons : Z π Z 1 
I= (t sin x + 2x) dt dx
0 0

Première méthode. On intègre d’abord par rapport à t, puis à x :

Z x=π Z t=1  Z x=π h 2
t it=1
I= (t sin x + 2x) dt dx = sin x + 2xt dx
x=0 t=0 x=0 2 t=0
Z x=π   h − cos x
sin x ix=π
= + 2x dx = + x2 = π2 + 1
x=0 2 2 x=0

Seconde méthode. On utilise le théorème de Fubini qui affirme que l’on peut d’abord
intégrer par rapport à x, puis par rapport à t :
Z x=π Z t=1  Z t=1 Z x=π 
I= (t sin x + 2x) dt dx = (t sin x + 2x) dx dt par Fubini
x=0 t=0 t=0 x=0
Z t=1 h ix=π Z t=1 h it=1
2
= − t cos x + x dt = (2t + π 2 ) dt = t2 + π 2 t = π2 + 1
t=0 x=0 t=0 t=0

ESATIC 68 UP MATHS
Intégrales dépendant d’un paramètre

Théorème 3.2.2 (Théorème de Fubini (cas impropres)).

Soient I = [α, β] un intervalle fermé borné et J = [0, +∞[. Soit f une fonction continue
sur I × J, à valeurs dans R (ou C) et qui vérifie l’hypothèse de convergence dominée.
Alors la fonction F est intégrable sur I et
Z β Z β Z +∞  Z +∞ Z β 
F (x) dx = f (x, t) dt dx = f (x, t) dx dt .
α α 0 0 α

3.3 Cas où les bornes d’intégration dépendent du para-

mètre
Théorème 3.3.1.
Soient I un intervalle de R non vide ni réduit à un point, [a, b] un intervalle compact de
R, et soit f : (x, t) 7→ f (x, t) une fonction continue de I × [a, b] dans R. Alors la fonction
Z v
Φ : I × [a, b] × [a, b] → R, (x, u, v) 7→ (x, t)dt
u

est continue sur I × [a, b] × [a, b].

Démonstration.
Quels que soient les points x0 , x de I et les points u, v, u0 , v0 de [a, b], on a

Φ(x, u, v, ) − Φ(x0 , u0 , v0 ) = Φ(x, u, v, ) − Φ(x0 , u, v) + Φ(x0 , u, v, ) − Φ(x0 , u0 , v0 )

Z v Z v Z u
= [f (x, t) − f (x0 , t)]dt + f (x0 , t)dt − f (x0 , t)dt.
u v0 u0

Le nombre ε > 0 étant donné, il existe un voisinage V de x0 tel que, pour tout t ∈ [a, b]
et tout x ∈ V , on ait
ε
|f (x, t) − f (x0 , t)| < .
3(b − a)
Si on désigne par M un majorant de la fonction continue t 7→ f (x0 , t) sur le compact
[a, b] alors, pour tout x ∈ V :
ε
|Φ(x, u, v, ) − Φ(x0 , u0 , v0 )| ≤ + M |v − v0 | + M |u − u0 |.
3
Les points x0 , u0 , v0 étant fixés, les relations
ε ε
x ∈ V, |v − v0 | < et |u − u0 | <
3M 3M
entraînent donc l’inégalité

|Φ(x, u, v, ) − Φ(x0 , u0 , v0 )| ≤ ε

ce qui prouve la continuité de Φ sur I × [a, b] × [a, b].

ESATIC 69 UP MATHS
Intégrales dépendant d’un paramètre

Proposition 3.3.1.
Si les hypothèses du théorème ?? sont réalisées et si les deux fonctions x 7→ u(x) et
x 7→ v(x) sont continues de I dans [a, b], alors la fonction
Z v(x)
Ψ : I → R, x 7→ f (x, t)dt
u(x)

est continue sur I.

Proposition 3.3.2.
Si les hypothèses du théorème 3.3.1 sont réalisées et si les deux fonctions x 7→ u(x) et
x 7→ v(x) sont dérivables de ]α, β[ dans [a, b], alors la fonction
Z v(x)
Ψ :]α, β[→ R, x 7→ f (x, t)dt
u(x)

est dérivable et sa dérivée est donnée par

Z v(x)
0
Ψ (x) = f (x, t)dt + f (x, v(x))v 0 (x) − f (x, u(x))u0 (x).
u(x)

ESATIC 70 UP MATHS
Chapitre 4

Équations différentielles ordinaires

4.1 Formes différentielles de degré 1

4.1.1 Définition
Définition 4.1.1.
Une forme différentielle de degré 1 est une application ω, définie sur un ouvert U de Rn ,
et à valeurs dans le dual L(Rn , R).

Remarque 4.1.1.
En notant dxi la iê projection de Rn sur R (définie par dxi (h) = hi ), ω s’écrit :
n
X
∀x = (x1 , · · · , xn ) ∈ U, ω(x) = Pi (x)dxi .
i=1

Les Pi , applications de U dans R, sont les fonctions coordonnées de ω.

Exemple 4.1.1.
1 α = (x21 + sin x2 )dx1 + ex1 −2x2 dx2 est une forme différentielle de degré 1 sur R2 .
2 α = cos(x1 x2 x3 )dx1 +(x21 x3 −x22 )dx2 +tan(x2 x43 )dx3 est une forme différentielle
de degré 1 sur R3 .

Remarque 4.1.2.
→
−
En physique, on associe à ω le champ de vecteurs V de composantes (P1 , P2 ) dans le
plan et (P1 , P2 , P3 ) dans l’espace. Si tous les Pi sont de classe C k sur U , on dit que ω est
de classe C k sur U .

71
Équations différentielles ordinaires

4.1.2 Forme exacte

Définition 4.1.2.
Une forme différentielle ω est exacte s’il existe une fonction f de U dans R telle que :

df = ω.

On dit alors que f est une primitive de ω sur U .

Exemple 4.1.2.
U = R2 et ω = (y − 3x2 )dx + (x − 4y)dy.
ω est exacte car ∃f : U → R telle que
∂
f (x, y) = y − 3x2 (4.1)
∂x
∂
f (x, y) = x − 4y (4.2)
∂y

f (x, y) = xy − x3 + g(y) vérifie (4.1) pour toute g de classe C 1 . En reportant dans (4.2),
la fonction g doit satisfaire :
∂
f (x, y) = x + g 0 (y) = x − 4y ⇔ g 0 (y) = −4y ⇔ g(y) = −2y 2 + Cte.
∂y

Finalement, avec f (x, y) = xy − x3 − 2y 2 + Cte on a df = ω.

Remarque 4.1.3.
→
− →
−
En physique, ω exacte signifie que V est un champ de gradients, c’est-à- dire que V =
−−→ →
−
gradf . On dit aussi que V dérive d’un potentiel scalaire f . En fait, on écrit le plus
→
− −−→
souvent V = −gradf .

4.1.3 Forme fermée

Théorème 4.1.1.
ω est fermée si :
∂ ∂
∀i, ∀j Pi = Pj .
∂xj ∂xi

Exemple 4.1.3.
U = R2 et ω = (y − 3x2 )dx + (x − 4y)dy.
ω est fermée car
∂ ∂
(y − 3x2 ) = 1 = f (x − 4y).
∂y ∂x

Remarque 4.1.4.
−→→− →
− →
−
En physique, cette condition signifie que rot V = 0 . On dit aussi que V est irrotationnel.

ESATIC 72 UP MATHS
Équations différentielles ordinaires

4.1.4 Condition nécessaire pour ω exacte

Théorème 4.1.2.
Une forme différentielle exacte de classe C 1 est toujours fermée.

Remarque 4.1.5.
En physique, cela signifie que l’on a toujours :
−→ −−→ →
−
rot(gradf ) = 0 .

4.1.5 Ouverts particuliers

Définition 4.1.3.
Un ouvert U de Rn est étoilé s’il existe a ∈ U tel que, pour tout x ∈ U , le segment
d’extrémités a et x soit inclus dans U .
Exemple 4.1.4.
1 un ouvert convexe est un ouvert étoile par rapport à chacun de ses points.
2 Dans R2 , l’ouvert R2 − (R− × {0}) est étoile.
3 Dans R2 , l’ouvert R2 − {(0, 0)} n’est pas étoile.

Définition 4.1.4.
Un ouvert U de Rn est simplement connexe si toute courbe fermée incluse dans U peut se
ramener à un point par déformation continue.

4.1.6 Théorème de Poincaré

Théorème 4.1.3.
Si U est un ouvert étoilé, ou si U est simplement connexe, alors :

ω exacte sur U ⇔ ω fermée sur U .

Remarque 4.1.6.
Attention, cette équivalence exige une hypothèse sur U . Elle n’est pas vraie dans le cas
du plan privé d’un point, de l’espace privé d’une droite.

ESATIC 73 UP MATHS
Équations différentielles ordinaires

4.2 Définitions
Définition 4.2.1.
Une équation différentielle est une relation du type

F (x, u(x), u0 (x), u00 (x), ..., u(n) (x)) = 0,

entre la variable x ∈ R et les dérivées de la fonction inconnue u au point x. La fonction

F est une fonction de plusieurs variables (x, y) 7→ F (x, y) où x est dans R (ou parfois
dans un intervalle de R) et y = (y0 , ..., yn ) est dans Rn+1 .

Définition 4.2.2 (Solution.).

On appelle solution (ou intégrale) d’une équation différentielle d’ordre n sur un certain
intervalle I de R, toute fonction y définie sur cet intervalle I, n fois dérivable en tout point
de I et qui vérifie cette équation différentielle sur I. On notera en général cette solution
(y; I).
Si I contient sa borne inférieure α, (resp. sa borne supérieure β), ce sont des dérivées
à droite (resp. à gauche) qui interviennent au point t = α (resp. t = β). Intégrer une
équation différentielle consiste à déterminer l’ensemble de ses solutions.

Définition 4.2.3.
Soient (y; I) et (y1 ; I1 ) deux solutions d’une même équation différentielle. On dit que
(y1 ; I1 ) est un prolongement de (y; I) si et seulement si I ⊂ I1 et y1 |I = y.

Définition 4.2.4 ( Solution maximale, solution globale.).

Soient I1 et I2 , deux intervalles sur R tels que I1 ⊂ I2 . On dit qu’une solution (y; I1 ) est
maximale dans I2 si et seulement si (y; I1 ) n’admet pas de prolongement (e y ; I)
e solution de
l’équation différentielle telle que I1 ⊂ Ie ⊂ I2 . On dit qu’une solution (y; I1 ) est globale
dans I2 si et seulement si (y; I1 ) admet un prolongement (e y ; I2 ) solution.

4.3 Equations à variables séparables

Définition 4.3.1.
On appelle équation différentielle à variables séparables une équation qui peut se mettre
sous la forme :
y 0 (x) = g(x)h(y(x)).
Ici on va supposer que g est continue sur un intervalle I, et h est continue sur un intervalle
J.
Proposition 4.3.1.
Si h(a) = 0, alors y(x) = a est une solution constante.

ESATIC 74 UP MATHS
Équations différentielles ordinaires

Proposition 4.3.2.
On suppose que h ne s’annulle pas sur J. Si W est une primitive de h1 , et si G est une
primitive de g, alors l’équation y 0 (x) = g(x)h(y(x)), x ∈ I et y ∈ J est équivalente à

W (y(x)) = G(x) + C, C ∈ R.
Remarque 4.3.1.
si la fonction W admet une fonction réciproque, on pourra exprimer y comme fonction de
x.
Exemple 4.3.1.
Considérons l’équation
2y(x)
y 0 (x) = , x > 0. (4.3)
x
Nous avons
2
g(x) = et h(x) = x.
x
Comme h(0) = 0, (4.3) admet la solution y(x) = 0.
1
W (x) = ln |x| est une primitive de h(x) , et si G(x) = 2 ln |x| est une primitive de g(x)
(4.3) admet aussi pour solutions les solutions de ln |y(x)| = 2 ln x + C qui sont

y(x) = kx2 , k ∈ R.

4.4 Équation différentielle linéaire du premier ordre

4.4.1 Définitions
Définition 4.4.1.
Une équation différentielle linéaire du premier ordre est du type :

a(x)y 0 (x) + b(x)y(x) = f (x) (4.4)

où les fonctions a et b avec a 6= 0, sont données et s’appellent les coefficients de l’équation

différentielle et la fonction f est donnée et s’appelle le second membre.
Définition 4.4.2.
Une solution de (4.4) sur un intervalle I est une fonction y de classe C 1 sur I vérifiant
(4.4) pour tout x ∈ I.
Définition 4.4.3.
(4.4) est dite normalisée si a est la fonction constante identiquement égale à 1.

Définition 4.4.4 (Condition initiale).

Soit I un intervalle de R. Soit (x0 , y0 ) ∈ I × R. On dit que la solution ϕ de (4.4) vérifie
la condition initiale (x0 , y0 ) si et seulement si ϕ(x0 ) = y0 .

ESATIC 75 UP MATHS
Équations différentielles ordinaires

4.4.2 Equation homogène

Définition 4.4.5.
On appelle équation différentielle homogène associée à (4.4) l’équation :

a(x)y 0 (x) + b(x)y(x) = 0. (4.5)

a) Equation à coefficients constants

On se place dans le cas où a et b sont des constantes.

Proposition 4.4.1.
Supposons que a et b sont des constantes telles que a 6= 0. Alors :
1 Les solutions de l’équation différentielle ay 0 + by = 0 sont de la forme

v(x) = Cerx ,

avec r = −b
a
et C une constante arbitraire. Elles forment un espace vectoriel de
b
dimension 1 dont une base est la fonction e− a x .
2 Si l’on fixe une condition y(x0 ) = y0 , alors cette solution est unique.
3 En particulier, si y s’annule en un point, y est identiquement nulle.

b) Equation à coefficients variables

On se place dans le cas où a et b sont des fonctions.

Proposition 4.4.2.
Soit I un intervalle de R où les fonctions a et b sont définies et continues et tel que
a(x) 6= 0, pour tout x ∈ I.
1 Les solutions de l’équation différentielle a(x)y 0 + b(x)y = 0 sur I sont de la forme

v(x) = CeG(x) , ∀x ∈ I

où G est une primitive de −b(x)

a(x)
, c’est-à-dire G0 (x) = −b(x)
a(x)
. Elles forment un
espace vectoriel de dimension 1 dont une base est la fonction eG(x) .
2 Si l’on fixe une condition y(x0 ) = y0 , alors cette solution est unique.
3 En particulier, si y s’annule en un point, y est identiquement nulle.

ESATIC 76 UP MATHS
Équations différentielles ordinaires

4.4.3 Solution générale

Définition 4.4.6.
Soit v0 une solution particulière de (4.4) ; alors les solutions générales de (4.4) s’écrivent

y(x) = v(x) + v0 (x)

où v est la solution générale de l’équation homogène (4.5).

Proposition 4.4.3.
La solution générale v de l’équation (4.4) sur I telle que v(x0 ) = y0 pour un certain x0
dans I est donnée par
 Z x b(s)  Z x
f (s)
Z s
b(σ)

v(x) = exp − ds y0 + exp dσ ds .
x0 a(s) x0 a(s) x0 a(σ)

4.4.4 Recherche de solution particulière

On commence toujours par regarder s’il n’y a pas de solution évidente, sinon on peut
appliquer l’une des méthodes suivantes

Second membre de la forme : f (x) = eλx Pn (x)

Pour une équation à coefficients constants, si le second membre est de la forme f (x) =
eλx Pn (x) où Pn est un polynôme de degré n :
1er cas : λ 6= r = −b
a
,
alors on cherche une solution sous la forme v0 (x) = eλx Qn (x) où Qn est un
polynôme de degré n.
2eme cas : λ = r = −ba
,
on cherche une solution sous la forme v0 (x) = eλx xQn (x) où Qn est un polynôme
de degré n.

Second membre de la forme : η1 cos(ωx) + η2 sin(ωx)

Soient η1 , η2 , ω ∈ R avec ω 6= 0. L’équation

∀x ∈ I, ay 0 (x) + by(x) = η1 cos(ωx) + η2 sin(ωx)

admet une solution particuliere sur I de la forme t 7→ µ1 cos(ωx)+µ2 sin(ωx) où µ1 , µ2 ∈

R.

ESATIC 77 UP MATHS
Équations différentielles ordinaires

Méthode de variation de la constante

Si v(x) est une solution de l’équation homogène, on cherche une solution particulière sous
f (x)
la forme v0 (x) = C(x)v(x) et C 0 vérifie alors : C 0 (x) = .
a(x)v(x)

ESATIC 78 UP MATHS
Équations différentielles ordinaires

4.4.5 Exemples
Exemple 4.4.1.
Soit l’équation différentielle suivante :

y 0 (t) + 2y(t) = 1; ∀t > 0 (4.6)

sous la condition initiale y(0) = y0 = 1.

L’équation homogène associée est

y 0 (t) + 2y(t) = 0 (4.7)

Les solutions de (4.7) sont de la forme yh (t) = Ae−2t . Recherchons une solution particu-
lière yp de l’équation (4.17) :
utilisant la méthode de la variation de la constante : On pose donc yp (t) = A(t)e−2t .

yp (t) + 2yp (t) = 1;

A0 (t)e−2t − 2A(t)e−2t + 2A(t)e−2t = 1;

A0 (t) = e2t
1
A(t) = e2t .
2
On en déduit donc
1 1
yp (t) = e2t e−2t = .
2 2
Autre méthode pour la recherche de solution particulière
Remarquons que le second membre est une constante. Nous aurions pu deviner la forme
de la solution en posant yp (t) = α. Il vient alors : yp0 (t) + 2yp (t) = 1 ; 2α = 1 ; yp (t) = 21 .
La solution générale s’écrit donc
1
y(t) = Ae−2t + ,
2
qui dépend d’une constante A. Celle ci est déterminée à l’aide la condition initiale. Si on
suppose que y(0) = y0 = 1, alors la constante A est déterminée par l’équation :
1 1
y(0) = A + =1⇔A= .
2 2
La solution de l’équation (4.17) avec la condition initiale y(0) = y0 = 1 est donc
1
y(t) = (1 + e−2t ).
2

ESATIC 79 UP MATHS
Équations différentielles ordinaires

Utilisation de le proposition 4.4.3

 Z t  Z t Z s


v(t) = exp − 2ds 1 + exp 2dσ ds ;
Z0 t
0 0

= e−2t (1 + e2s ds);

0
1
= e−2t (1 + [ e2s ]t0 );
2
1 1
= e−2t (1 + ( e2t − ));
2 2
1 1
= e−2t ( + e2t );
2 2
1
= (1 + e−2t ).
2

Exemple 4.4.2.
Résoudre y 0 + y = e2x
La solution de l’équation homogène est y(x) = λe−x avec λ ∈ R
1
Une solution particulière de la forme ae2x est e2x
3
1 2x
La solution générale est donc e + λe−x avec λ ∈ R
3

4.5 Exemples d’équations non linéaires du premier ordre

4.5.1 Introduction
On sait résoudre quelques types d’équation non linéaire. Considérons par exemple
y 0 = ex+y . Cette équation est dite à variables séparables car on peut séparer les termes en
y des termes en x.

y 0 e−y = ex ⇔ −e−y = ex + A ⇔ y = − ln(A − ex ).

Certaines équations non linéaires sont difficiles à résoudre. Considérons par exemple

u0 (t) √
p = ln(u(t)2 + t).
1 − (u0 (t))2

ESATIC 80 UP MATHS
Équations différentielles ordinaires

4.5.2 Equations de Bernoulli

a) Définition - remarques

Définition 4.5.1.
On appelle équation de Bernoulli toute équation différentielle de la forme

y 0 (x) + a(x)y(x) = b(x)y(x)α (4.8)

où a et b sont des fonctions continues sur un intervalle I, de la variable indépendante x,

ou des constantes connues, avec la condition α ∈ R tel que α 6= 0 et α 6= 1.
Remarque 4.5.1.
— Si α = 0, alors l’équation (4.8) devient une équation linéaire avec second membre

y 0 (x) + a(x)y(x) = b(x);

— Si α = 1, alors l’équation (4.8) devient une équation linéaire sans second membre

y 0 (x) + (a(x) − b(x))y(x) = 0;

— Si α > 0, alors la fonction nulle sur I est une solution de (4.8). Dans la suite, nous
nous limiterons à recherche de solutions non identiquement nulles.

b) Transformation d’une équation de Bernoulli à une équation linéaire

Il est aisé de voir que l’on peut ramener l’équation différentielle de Bernoulli à une
équation différentielle linéaire par les transformations suivantes.

• Divisons tous les termes de l’équation (4.8) par y α ; on obtient

y(x)−α y 0 (x) + a(x)y(x)1−α = b(x) (4.9)

• Faisons le changement de variables suivant

z = y 1−α ; (4.10)

d’où la dérivée des deux membres de la fonction (4.10) donne

z 0 = (1 − α)y −α y 0 .

• Substituons ces transformations dans l.équation (4.9). Il vient

z 0 (x) + (1 − α)a(x)z(x) = (1 − α)b(x). (4.11)

Il est à remarquer que l’équation différentielle (4.11) est linéaire, simple à résoudre
par la méthode de variation des constantes.

ESATIC 81 UP MATHS
Équations différentielles ordinaires

c) Exemple

Résoudre l’équation différentielle suivante

2 exp(x)
y 0 (x) + y(x) = p . (4.12)
x y(x)
−1
L’équation différentielle (4.12) est de Bernoulli avec α = 2
. Divisons tous les termes
−1
par y 2 (x) = √ 1 , on obtient l’équation suivante
y(x)

1 2 3
y 2 (x)y 0 (x) + y 2 (x) = exp(x). (4.13)
x
3
Introduisons la nouvelle fonction z donnée en fonction de y par la relation z = y 2 ,
d’où la dérivée des deux membres de la fonction z(t) donne
3p
z0 = y(x)y 0 (x).
2
Portons ces expressions dans l.équation (4.13), on est ramené à une équation linéaire avec
second membre
2 0 2
z (x) + z(x) = exp(x).
3 x
Il est aisé de voir que cette équation se résout par la méthode de variation des constantes.

4.5.3 Equations de Riccati

a) Définition - remarques

Définition 4.5.2.
On appelle équation de Riccati toute équation différentielle de la forme

y 0 (x) + a(x)y(x) = b(x)y 2 (x) + c(x) (4.14)

ou encore
y 0 (x) + a(x)y(x) + b(x)y 2 (x) = c(x)
où a ; b et c sont des fonctions continues de la variable indépendante x ou des constantes
connues avec la condition

b(x) 6= 0 et c(x) 6= 0.

b) Transformation d’une équation de Riccati à une équation de Bernoulli

Il est simple de voir que l’on peut ramener l’équation différentielle de Riccati à une
équation différentielle de Bernoulli par les transformations suivantes.

ESATIC 82 UP MATHS
Équations différentielles ordinaires

• Connaissons une solution particulière y1 (x) de l’équation de Riccati.

• Utilisons le changement de variable

y(x) = y1 (x) + z(x);

pour aboutir à une équation de Bernoulli de la forme

z 0 (x) + A(x)z(x) = b(x)z(x)2 ;

où A(x) est une fonction continue donnée par

A(x) = a(x) − 2b(x)y1 (x).

• Intégrons l’équation obtenue par ce changement.

c) Transformation d’une équation de Riccati à une équation linéaire

Il est aisé de voir que l’on peut ramener l’équation différentielle de Riccati à une équa-
tion linéaire avec second membre par les transformations suivantes.

• Connaissons une solution particulière y1 (t) de équation de Riccati.

• Utilisons le changement de variable

1
y(x) = y1 (x) +
z(x)

pour aboutir à une équation différentielle linéaire non homogène de la forme

z 0 (x) + A(x)z(x) = −b(x)

où A(x) est une fonction continue donnée par

A(x) = 2b(x)y1 (x) − a(x).

• Intégrons l’équation obtenue par ce changement.

d) Remarque

Il n’est pas toujours évident de trouver la solution particulière de l’équation de Riccati.

ESATIC 83 UP MATHS
Équations différentielles ordinaires

e) Exemple

Résoudre l’équation différentielle suivante

y 0 (x) − y(x) + y(x)2 = 4t2 + 2t + 2 (4.15)

On remarque dans équation (4.15) que les termes du premier membre sont semblables
à ceux du second membre, il suffit donc de prendre le changement de variable suivant

y(x) = ax + b (4.16)

Portons l’expression (4.16) dans l’équation (4.15) et égalons les coefficients des termes
semblables, on trouve les constantes a et b. Si la solution particulière du type donné existe,
ce qui n’est pas toujours le cas, on trouve

a2 x2 + (−a + 2ab)x + a − b + b2 = 4x2 + 2t + 2.

En égalant les coefficients de même puissance de t dans les deux membres, on obtient le
système 
2
 a
 = 4
−a + 2ab = 2

a − b + b2 = 2


Il est simple de voir que les valeurs a = 2 et b = 1 sont solution de ce système.

Soit le changement de variables suivant
1 1
y(x) = y1 (x) + = 2x + 1 +
z z
substituons cette expression dans l’équation différentielle (4.15), afin d’obtenir une équa-
tion linéaire non homogène de la forme

z 0 (x) + (−4x − 1)z(x) = −1,

qui se résout par la méthode de variation des constantes.

Comme, on peut mettre le changement de variables suivant

y(x) = y1 (x) + z(x) = 2x + 1 + z(x)

dans l’équation différentielle (4.15), afin d’obtenir une équation de Bernoulli de la forme

z 0 (x) + (4x + 1)z(x) = −z(x)2 .

ESATIC 84 UP MATHS
Équations différentielles ordinaires

e) Propositions

Proposition 4.5.1.
Etant donné une équation de Riccati de la forme
B C
y 0 (x) = Ay(x)2 + y(x) + 2
x x
où A, B et C sont des constantes, si de plus, on a (B + 1)2 ≥ 4AC, alors cette équation
admet une solution particulière y1 (x) de la forme y1 (x) = xa .
Proposition 4.5.2.
Etant donné une équation de Riccati de la forme
1 A
y 0 (x) − y(x) = y(x)2 + B
2t x
où A et B sont des constantes, alors cette équation se ramène à une équation à variables
séparables par la substitution de la fonction suivante
√
y(x) = z(x) x.

4.6 Méthode d’Euler

On considère le problème de Cauchy pour une équation différentielle du premier ordre
explicite : (
y 0 = f (t, y)
(4.17)
y(t0 ) = y0
Même si l’équation différentielle est linéaire, sa résolution passe par un calcul de primi-
tives, or on ne sait calculer que très peu de primitives. Lorsque l’équation différentielle est
non-linéaire, il est en général impossible de déterminer la solution explicite du problème
de Cauchy. On a recours à des méthodes numériques de calcul approché de solutions. La
plus simple de ces méthodes est la méthode d’Euler qui se base sur une idée géométrique
simple.
L’idée est d’approximer la dérivée de y au point t par un taux d’accroissement :
y(t + h) − y(t)
y 0 (t) ≈
h
ou de manière équivalente, d’approximer la courbe de y par sa tangente en t0 . Comme
y(t0 + h) − y(t0 )
≈ f (t0 , y0 ), on en déduit que y(t0 +h) ≈ y0 +f (t0 , y0 ). Connaissant la
h
valeur de y en t0 + h, on peut recommencer pour obtenir une approximation de y(t0 + kh).

yn+1 = yn + hf (t0 + nh, yn ).

Le réel yn est une approximation de y(t0 + nh).

ESATIC 85 UP MATHS
Équations différentielles ordinaires

4.7 Équations différentielles exactes

4.7.1 Définition
Définition 4.7.1.
Une équation de la forme

M (x, y)dx + N (x, y)dy = 0 (4.18)

∂M ∂N
est dite exacte si My = = = Nx
∂y ∂x

Remarque 4.7.1.
1 L’équation (4.18) est exacte s’il existe une fonction F (x, y) telle que

dF = M dx + N dy.

c’est à dire dF (x, y) = M (x, y)dx + N (x, y)dy.

Sa solution générale est alors donnée implicitement par F (x, y) = C.
2 Les équations à variables séparables sont des cas particuliers des équations
exactes.

4.7.2 Méthode de résolution

Méthode 4.7.1.
∂M (x, y) ∂N (x, y)
1 Vérifier si = , auquel cas on a bien affaire à une équation
∂y ∂x
exacte, et on peut aller à l’étape 2. de cette procédure.
R R
2 Évaluer u(x, y) = N (x, y).dy + l(x) = M (x, y).dx + k(y).
3 Dériver ensuite pour trouver l(x) ou k(x) :
Z
∂u(x, y) ∂  
= M (x, y) ⇒ l0 (x) + N (x, y)dy = M (x, y)
∂x ∂x
Z
∂u(x, y) ∂  
= N (x, y) ⇒ k 0 (y) + M (x, y)dx = N (x, y)
∂y ∂x
4 Vérifier que la solution finale en u(x, y) redonne bien M (x, y) et N (x, y).

Exemple 4.7.1.
Soit à résoudre : (x3 + 3xy 2 )dx + (3x2 y + y 3 )dy = 0.

ESATIC 86 UP MATHS
Équations différentielles ordinaires

1 Vérifions que nous avons bien une équation exacte :

∂M (x, y)
On a M (x, y) = x3 +3xy 2 et N (x, y) = 3x2 y+y 3 . Ce qui donne = 6xy
∂y
∂N (x, y) ∂M (x, y) ∂N (x, y)
et = 6xy. Par suite, =
∂x ∂y ∂x
2 Trouver u(x, y) :
Z Z
1 3
u(x, y) = M (x, y).dx+k(y) = (x3 +3xy 2 ).dx+k(y) = x4 + x2 y 2 +k(y).
4 2

3 Dérivons pour déterminer k(y) :


∂u(x, y) 2 0
= 3x y + k (y)  1
∂y ⇒ k 0 (y) = y 3 ⇒ k(y) = y 4 + C
e
4
N (x, y) = 3x2 y + y 3


4 Vérification de la solution en u(x, y) : u(x, y) = 41 x4 + 32 x2 y 2 + 14 y 4 = C

La solution étant donné sous forme implicite d’une équation entre x et y, il suffit
de faire :
∂u ∂u
du = .dx + .dy = (x3 + 3xy 2 )dx + (3x2 y + y 3 )dy = 0.
∂x ∂y

∂u(x, y)


 = x3 + 3xy 2 = M (x, y)
Et identifier que de nouveau on a : ∂x
∂u(x, y)

 = 3x2 y + y 3 = N (x, y)
∂y

Exemple 4.7.2.
Soit à résoudre le problème suivant avec valeur initiale :
(
(sin x cosh y).dx − (cos x sinh y).dy = 0
y(0) = 0

1 Vérifier que c’est une équation exacte :

∂M

M (x, y) = sin x cosh y ⇒ = sin x sinh y 

∂y donc on a affaire à une
∂N
N (x, y) = − cos x sinh y ⇒ = sin x sinh y


∂x
équation exacte
2 Trouvons u(x, y) :
Z Z
u(x, y) = M (x, y).dx + k(y) = (sin x cosh y).dx + k(y)
= − cos x cosh y + k(y)

ESATIC 87 UP MATHS
Équations différentielles ordinaires

3 Dérivons pour déterminer k(y) :

∂ ∂

u(x, y) = − cos x sinh y + k(y)  n∂ o
∂y ∂y ⇒ k(y) ⇒ k(y) = c1
N (x, y) = − cos x sinh y
 ∂y

Or la condition initiale y(0) = 0 entraine : u(0, 0) = cos(0) cosh(0) + c1 = c2 , par

suite c2 − c1 = cos(0) cosh(0) = 1.
On peut fixer arbitrairement c1 = 0, de sorte que l’expression implicite de la
solution est : u(x, y) = cos x cosh y = 1.
4 Vérification de la solution en u(x, y) :

du = (− sin x cosh y).dx + (− cos x sinh y).dy = 0

et on identifie bien que de nouveau on a : M (x, y) = sin x cosh y et

N (x, y) = cos x sinh y.

4.7.3 Le facteur intégrant

En général l’équation (4.18) n’est pas exacte. Parfois, il est possible de la transfor-
mer en une équation différentielle exacte par une multiplication judicieuse. Une fonction
I(t, x) est un facteur intégrant ou multiplicateur d’Euler pour (4.18) si l’équation

I(t, x)M (t, x)dx + I(t, x)N (t, x)dt = 0 (4.19)

est exacte. Une solution de (4.18) est obtenue alors en résolvant l’équation différentielle
exacte définie en (4.19). En général les facteurs intégrants sont difficiles à déterminer.
Exemple 4.7.3.
Soit à résoudre l’équation :
y.dx − x.dy = 0 (4.20)
∂M (x, y) ∂N (x, y)
On a M (x, y) = y et N (x, y) = −x. Ce qui donne = 1 et = −1. Par
∂y ∂x
1
suite, cette équation n’est pas exacte. Par contre si nous la multiplions par F (x, y) = 2 ,
x
on obtient
y 1
2
.dx − .dy = 0 (4.21)
x x
Alors on peut poser l’équation (4.21) sous la forme :

M (x, y).dx + N (x, y).dy = 0

 y
 M = FP =
avec x2
 N = FQ = −1
x

ESATIC 88 UP MATHS
Équations différentielles ordinaires

Dès lors l’équation est ramenée à une forme de différentielle exacte puisque :
∂M 1 ∂N 1
= 2 et = 2.
∂y x ∂x x
L’équation (4.21) est donc une équation exacte.
On peut donc par la suite utiliser la méthode 4.7.1 pour trouver la fonction implicite :
Z Z
y y
u(x, y) = M (x, y).dx + k(y) = .dx + k(y) = − + k(y)
x2 x

∂u(x, y) 1 0
= − + k (y) 
puis : ∂y x ⇒ k 0 (y) = 0 ⇒ k = C1
1
N (x, y) = − x

y
D’où la solution : u(x, y) = − xy + C1 = C2 donc = C3 = C1 − C2 .
x
Remarque 4.7.2.
Dans l’exemple précédent, on aurait pu utiliser d’autres facteurs intégrants tels que :
1 1 1
F (x, y) = 2 , , 2 .
y xy x + y 2

4.7.4 Détermination de facteurs intégrants

∂ ∂ ∂ ∂
Il s’agit de trouver F(x, y) telle que : (F P ) = (F Q) ⇔ M = N . Ce
∂y ∂x ∂y ∂x
développement conduit à :
∂ ∂ ∂ ∂
P F +F P =Q F +F Q
∂y ∂y ∂x ∂x
Règle de simplicité : En général on ne cherche pas une fonction F (x, y), mais une fonc-
tion F (x) ou F (y) plus simple à trouver. Donc, si F = F (x) seulement, alors :
∂ ∂ ∂
F P =Q F +F Q
∂y ∂x ∂x
1 ∂ 1 ∂ 1 ∂
Soit, en réarrangeant et en divisant par F Q : P = F+ Q
Q ∂y F ∂x Q ∂x
1 ∂ 1 ∂ ∂ 
Soit encore : F = P − Q De la même façon, si on posait : F =
F ∂x Q ∂y ∂x
∂ ∂ ∂
F (y), on trouvera alors que : F Q = P F + F P . Et en réarrangeant et en divisant
∂x ∂y ∂y
1 ∂ 1 ∂ 1 ∂ 1 ∂ 1 ∂ ∂ 
par FP : Q = F + P Soit : F = Q− P . Et
P ∂x F ∂y P ∂y F ∂y  P ∂x ∂y
1 ∂ ∂
R
Q ∂y
P − ∂x Q dx
alors le facteur  est obtenu par : F (x) = e
 intégrant ou
1 ∂ ∂
R
P ∂x
Q− ∂y P dy
F (y) = e

ESATIC 89 UP MATHS
Équations différentielles ordinaires

Méthode 4.7.2.
Soit à résoudre P (x, y)dx + Q(x, y)dy = 0.
∂ ∂
1 Vérifier si P (x, y) 6= ∂x Q(x, y), auquel cas on a bien affaire à une équation
∂y
non-exacte, et on peut aller à l’étape 2. de cette procédure. Sinon aller directement
à l’étape 3 de cette procédure.
 
1 ∂ ∂
R
Q ∂y
P − ∂x Q dx
2 Évaluer le facteur  : F (x) = e
 intégrant
1 ∂ ∂
R
P ∂x
Q− ∂y P dy
ou F (y) = e
3 Continuer avec la procédure pour une équation exacte après avoir posé :

M (x, y) = F P (x, y) N (x, y) = F Q(x, y)

Exemple 4.7.4.
Soit à résoudre l’équation :

2 sin(y 2 ).dx + xy cos(y 2 ).dy = 0 (4.22)

1 Vérifier que c’est une équation non-exacte :

On a P (x, y) = 2 sin(y 2 ) et Q(x, y) = xy cos(y 2 ).
∂ ∂
Par suite, P = 4y cos(y 2 ) et Q = y cos(y 2 ).
∂y ∂x
∂ ∂
Donc P 6= Q
∂y ∂x
2 Trouver le facteur intégrant F(x) ou F(y) :
 
1 ∂ ∂
R
P − ∂x Q dx 1
(4ycos(y 2 )−ycos(y 2 ))dx
R
3
R
dx
F (x) = e Q ∂y
=e xy cos(y 2 ) =e x = x3
 
1 ∂ ∂
R
Q− ∂y P dy 1
(ycos(y 2 )−4ycos(y 2 ))dy
R
3
coth(y 2 )dy
R
P ∂x
F (y) = e =e 2 sin(y 2 ) =e 2 = ···
En général on choisira de F (x) ou de F (y), le facteur intégrant le plus facile à
intégrer.
En prenant F (x, y) = x3 , on obtient l’équation exacte

2x3 sin(y 2 ).dx + x4 y cos(y 2 ).dy = 0. (4.23)

∂
Avec M = F P = 2x3 sin(y 2 ) et N = F Q = x4 y cos(y 2 ). Ce qui donne M =
∂y
∂ ∂ ∂
4x3 y cos(y 2 ) et N = 4x3 y cos(y 2 ), donc M= N.
∂x ∂y ∂x

ESATIC 90 UP MATHS
Équations différentielles ordinaires

3 Trouvons u(x, y) :
Z Z
1
u(x, y) = M (x, y).dx + k(y) = (2x3 sin y 2 ).dx + k(y) = x4 sin y 2 + k(y)
2

4 Dérivons pour déterminer k(y) :


∂ x4 2 0
u(x, y)= (2y cos y ) + k (y)

∂y
2 ⇒ k 0 (y) = 0 ⇒ k = c
4 2
N (x, y) = x y cos y 

5 Vérification de la solution en u(x, y) :

u(x, y) = x4 cos y 2 = C

La solution étant donné sous forme implicite d’une équation entre x et y, il suffit
d’effectuer la dérivée par rapport à x et identifier à nouveau les termes :
∂
u(x, y) = 4x3 sin(y 2 ) + 2x4 y cos(y 2 ).y 0 = 0.
∂x
Soit finalement :

4x3 sin(y 2 )dx + 2x4 y cos(y 2 2).y 0 = 0.

4.7.5 Exercices dirigés

Exercice dirigé 4.7.1. Montrer que l’équation suivante est exacte et trouver sa solution :

(2x + 3) + (2y − 2)y 0 = 0.

SOLUTION :
Nous devons d’abord mettre cette équation sous la forme identifiable : M (x, y)dx +
N (x, y)dy = 0. C’est à dire identifier les termes M (x, y) et N (x, y), Donc :

(2x + 3) + (2y − 2)y 0 = 0 ⇔ ( )dx + ( )dy = 0

| {z } | {z }
M (x,y) N (x,y)

Ensuite on doit prouver que :

∂ ∂
M (x, y) = N (x, y) ⇔ ( )=( ).
∂y ∂x

Dès lors il faut déterminer u(x, y) :

Z Z
u(x, y) = M (x, y).dx + k(y) = ( ).dx + k(y) = ( ) + k(y).

ESATIC 91 UP MATHS
Équations différentielles ordinaires

Puis dériver selon la seconde variable pour fixer k(y) :

∂
u(x, y) = N (x, y) ⇔ ( ) + k 0 (y) = ( ).
∂y
Donc k(y) = ( ) + C.
D’où l’expression de la solution sous forme implicite :
u(x, y) = ( + + − ) = C1
√
À comparer avec y = 1 ± 1 − x2 − 3x − C2 .
Exercice dirigé 4.7.2. Trouver le facteur intégrant et résolvez l’équation suivante :
ydx + (2xy − e − 2y)dy = 0.
SOLUTION :
On peut vérifier rapidement qu’il s’agit d’une équation non-exacte :
P (x, y) = ( ) et Q(x, y) = ( ).
On a :
∂ ∂
P (x, y) = ( ) et Q(x, y) = ( ).
∂y ∂x
Ce qui donne
∂ ∂
P (x, y) 6= Q(x, y).
∂y ∂x
Maintenant, trouvons le facteur intégrant :
 
1 ∂ ∂
R
P − ∂x Q dx 1
R
Q ∂y ( − )dx
F (x) = e =e 2xy−e−2y =
 
1 ∂ ∂
1
R
Q− ∂y P dy R 1
( − )dy
F (y) = e P ∂x
=e y = = e(2 )
.
y
L’équation devenue exacte est maintenant :
e( )
dx + ( − )dy = 0
Dès lors il faut déterminer u(x, y) :
Z Z
u(x, y) = M (x, y).dx + k(y) = ( ).dx + k(y) = ( ) + k(y).

Puis dériver selon la seconde variable pour fixer k(y) :

∂
u(x, y) = N (x, y) ⇔ ( ) + k 0 (y) = ( ).
∂y
Donc k(y) = ( ) + C.
D’où l’expression de la solution sous forme implicite :
u(x, y) = ( − ) = C1
Comparer avec la solution suivante :
xe2y − ln y = C3

ESATIC 92 UP MATHS
Équations différentielles ordinaires

4.8 Équation différentielle linéaire du second ordre

4.8.1 Définitions
Définition 4.8.1.
Une équation différentielle linéaire du second ordre est du type :

a(x)y 00 (x) + b(x)y 0 (x) + c(x)y(x) = f (x) (4.24)

où a, b et c sont des fonctions données avec a 6= 0, appelées coefficients de l’équation dif-

férentielle et f une fonction donnée, appelée second membre de l’équation différentielle.

Définition 4.8.2.
Une équation différentielle linéaire du second ordre à coefficients constants est du type :

(Ec) ay 00 (x) + by 0 (x) + cy(x) = f (x)

où les réels a, b et c sont donnés dans R avec a 6= 0 et f une fonction donnée.

Définition 4.8.3.
Une solution de (4.24) est une fonction y de classe C 2 sur un intervalle I vérifiant (4.24)
pour tout x ∈ I.

Définition 4.8.4.
La solution générale de l’EDO de (4.24) s’écrivent :

y(x) = yh (x) + y0 (x),

où yh est solution de l’équation homogène associée et y0 une solution particulière de

(4.24).

Remarque 4.8.1.
Soit :
(Eh ) : a(x)y 00 (x) + b(x)y 0 (x) + c(x)y(x) = 0.
Contrairement aux EDO linéaires homogènes du premier ordre, on n’a pas d’expression
explicite des solutions lorsque les coefficients sont non constants.

4.8.2 Equation à coefficients constants

a) Solution de l’équation homogène

Considérons l’équation différentielle linéaire du second ordre du type :

(E) ay 00 (x) + by 0 (x) + cy(x) = 0

ESATIC 93 UP MATHS
Équations différentielles ordinaires

où les réels a, b et c sont donnés dans R × R × R avec a 6= 0. On appelle équation

caractéristique associée à (Ec) :

ar2 + br + c = 0. (4.25)

Notons ∆ = b2 − 4ac son discriminant.

1 Si ∆ > 0 alors l’équation caractéristique admet deux solutions r1 6= r2 réelles.

Les solutions de (Ec) s’écrivent :

y(x) = C1 er1 x + C2 er2 x ,

avec : C1 , C2 ∈ R constantes arbitraires.

2 Si ∆ < 0 alors l’équation caractéristique admet deux solutions complexes conju-
guées r = α + iβ et r = α − iβ. Les solutions de (Ec) s’écrivent :

y(x) = eαx (A cos(βx) + B sin(βx)),

avec A, B ∈ R.
−b
3 Si ∆ = 0 alors l’équation caractéristique admet une unique solution r = 2a
(racine
double) et les solutions de (Ec) s’écrivent :

y(x) = (A + Bx)erx ,

où A et B sont deux constantes arbitraires réelles.

b) Recherche de solution particulière

On commence toujours par regarder s’il n’y a pas de solution évidente, sinon on peut
appliquer l’une des méthodes suivantes

Second membre de la forme : f (x) = α cos(x) + β sin(x)

Pour une équation à coefficients constants, si le second membre est de la forme f (x) =
α cos(x) + β sin(x) alors on peut chercher une solution sous la forme :

y0 (x) = c1 cos(x) + c2 sin(x).

Second membre de la forme : f (x) = eλx Pn (x)

Pour une équation à coefficients constants, si le second membre est de la forme f (x) =
eλx Pn (x) où Pn est un polynôme de degré n :

ESATIC 94 UP MATHS
Équations différentielles ordinaires

1er cas : si aλ2 + bλ + c 6= 0 i.e. λ 6= r1 et λ 6= r2 ,

alors on cherche une solution sous la forme v0 (x) = eλx Qn (x) où Qn est un
polynôme de degré n.
2eme cas : si aλ2 + bλ + c = 0 et 2aλ + b 6= 0 i.e. si λ = r1 ou λ = r2 avec r1 6= r2 ,
alors on cherche une solution sous la forme v0 (x) = eλx xQn (x) où Qn est un
polynôme de degré n.
3eme cas : si λ = r1 = r2
alors on cherche une solution sous la forme v0 (x) = eλx x2 Qn (x) où Qn est un
polynôme de degré n.

Méthode de variation de la constante

Le principe est le suivant : on a trouvé une solution de l’équation homogène de la forme :

yh (x) = Ay1 (x) + By2 (x).

On va chercher une solution particulière sous la forme :

y0 (x) = A(x)y1 (x) + B(x)y2 (x).

On va être amenés à chercher des fonctions A et B vérifiant le système suivant :


 y1 (x)A0 (x) + y2 (x)B 0 (x) = 0
(S)
 y10 (x)A0 (x) + y20 (x)B 0 (x) = f (x)
a
Ce système est un système linéaire en (A0 (x), B 0 (x)) de déterminant :
 
y (x) y (x)
 1 2
W (x) =  0

0

y1 (x) y2 (x)

appelé Wronskien de y1 et y2 . Le système (S) a-t-il des solutions ? Oui car son déterminant
W(x) est non nul :
 0
0 0 2 y2
W (x) = y1 (x)y2 (x) − y1 (x)y2 (x) = (y1 (x)) (x) 6= 0,
y1

puisque y1 et y2 sont linéairement indépendants. On calcule donc A0 (x) et B 0 (x) solutions

du système (S), on a
   
f f
− y2 y1
0 a 0 a
A = et B = ,
W W
puis on integre pour trouver A(x) et B(x) et en déduire y0 (x).

ESATIC 95 UP MATHS
Équations différentielles ordinaires

Exemple 4.8.1.
Soit l’équation différentielle suivante :

y 00 (t) + 3y 0 (t) + 2y(t) = t (4.26)

Le polynôme caractéristique associée est r2 + 3r + 2, dont les racines sont r = −1 ;

r = −2. La solution de l’équation sans second membre est donc :

yh (t) = A1 e−t + A2 e−2t .

Nous recherchons une solution particulière de la forme :

(
yp (t) = A1 (t)e−t + A2 (t)e−2t
. (4.27)
yp0 (t) = −A1 (t)e−t − 2A2 (t)e−2t

La dérivée seconde de yp (t) s’écrit alors :

yp00 (t) = −A01 (t)e−t − 2A02 (t)e−2t + A1 (t)e−t + 4A2 (t)e−2t .

En replacant l’expression de yp (t), yp0 (t) et yp00 (t) dans l’équation (4.26), on obtient :

−A01 (t)e−t − 2A02 (t)e−2t = t.

On ajoute à cette l’équation, la seconde équation

A01 (t)e−t + A02 (t)e−2t = 0,

pour obtenir le système :

(
−A01 (t)e−t − 2A02 (t)e−2t = t
A01 (t)e−t + A02 (t)e−2t = 0

La résolution de ce système de deux équations à deux inconnues nous donne :

(
A02 (t) = −te2t ⇒ A2 (t) = − 21 te2t + 41 (e2t − 1) + C2 ;
A01 (t) = tet ⇒ A1 (t) = tet − et + 1 + C1 ,

où C1 et C2 sont des constantes, respectivement les valeurs des fonctions t 7→ A1 (t) et

t 7→ A2 (t) en zéro. En choisissant finalement C1 = −1 et C2 = 14 , on obtient alors

1 3
yp (t) = t − .
2 4

ESATIC 96 UP MATHS
Équations différentielles ordinaires

4.8.3 Equation à coefficients non tous constants

a) Equation homogène

Considérons d’abord l’équation homogène

y 00 + a1 (x)y 0 + a2 (x)y = 0

où a1 , a2 : I → R sont des applications continues, définies sur un intervalle de R (non

réduit à un point).
Nous admettrons sans démonstration le résultat suivant :

Toutes les solutions de l’équation ci-dessus peuvent être définie sur I tout entier. Len-
semble des solutions est un sous espace vectoriel de dimension deux de l’espace vectoriel
de toutes les applications dérivables de I dans R. Deux solutions V1 , V2 : I → R sont
linéairement indépendantes si et seulement si leur wronskien
 
v (x) v (x)
 1 2
W : I → R; W (x) =  0

0

v1 (x) v2 (x)

est non nul pour tout x ∈ I.

Remarque 4.8.2.
1 Si v1 et v2 sont deux solutions linéairement indépendantes, la solution générale de
l’équation est donc :

y(x) = C1 v1 (x) + C2 v2 (x), (C1 , C2 ∈ R).

2 Pour que deux applications dérivables v1 , v2 : I → R soient linéairement indé-

pendantes, il suffit qu’il existe x0 ∈ I tel que leur wronskien soit non nul en x0 .
En effet, si C1 v1 + C2 v2 = 0, ((C1 , C2 ) est l’unique solution du ystème linéaire,
homogène et de Cramer :
(
C1 v1 (x0 ) + C2 v2 (x0 ) = 0
C1 v10 (x0 ) + C2 v20 (x0 ) = 0.

D’où C1 = C2 = 0

Malheureusement, sauf dans des cas particuliers (par exemple, si l’équation est à co-
efficients constants), on ne connait pas de méthode générale pour calculer deux solutions
linéairement indépendantes.

ESATIC 97 UP MATHS
Équations différentielles ordinaires

Cependant, si l’on connait une solution non nullr v1 , voici un procédé pour calculer
une seconde solution v2 , linéairement indépedante de la première. On cherche à détermi-
ner une fonction u(x) telle que v2 (x) = u(x)v1 (x) soit solution. On a successivement :

0 = v200 + a1 v20 + a2 v2
= (u00 v1 + 2u0 v10 + uv100 ) + a1 (u0 v1 + uv10 ) + a2 uv1
= u00 vv + u0 (2v10 + a1 v1 ) + u(v100 + a1 v10 + a2 v1 )
= u00 v1 + u0 (2v10 + a1 v1 ).

Cela montre que u0 est solution de l’équation linéaire homogène du premier ordre

2v10 + a1 v1
z0 + z = 0.
v1
du moins sur un sous intervalle J sur lequel v1 n’est jamais nulle. Choisissont une solution
u0 : J → R de l’équation en z, autre que la solution 0. On a donc u0 (x) 6= 0 pour tout
x ∈ J (puisque u0 est de la forme Ce−A(x) , avec C 6= 0). Soit u : J → R une primitive de
u0 . Alors
v2 : J → R; v2 (x) = u(x)v1 (x)
est solution de l’équation de départ et, par conséquent, elle s’étend en une solution v2
définie sur I tout entier. Soit W le wronskien de v1 et v2 , et remarquons que sur J on a :
 
v uv 
 1 1
W = 0  = u0 v12 6= 0.

v1 u0 v1 + uv10 

Il résulte que v1 et v2 sont linéairement indépendantes.

Exemple 4.8.2.
Soit à résoudre l’équation différentielle
2x 0 2
y 00 − y + y = 0,
1 + x2 1 + x2
sachant que v1 (x) = x est solution (à vérifier). Cherchons une seconde solution v2 telle
que v2 (x) = u(x)x. On a successivement
2x 0 2
0 = v200 − v2 + v2
1 + x2 1 + x2
2x 2
= (u00 x + 2u0 ) − 2
(u0 x + u) + xu
1+x 1 + x2
2x 2x 2
= u00 vv + u0 (2 − 2
x) + u(− 2
+ x)
1+x 1+x 1 + x2
2x 2u0
= u00 x + u0 (2 − x) = xu 00
+ .
1 + x2 1 + x2

ESATIC 98 UP MATHS
Équations différentielles ordinaires

2
Par conséquent u0 est solution de z 0 + z = 0, dont on vérifie facilement que la
x(1 + x2 )
1 1
solution générale est z = 1 + 2 + C, (x > 0 ou x < 0). Choisissont u0 (x) = 1 + 2 et
x x
1 1 2
ensuite u(x) = x − , (x > 0 ou x < 0). On obtient v2 (x) = (x − )x = x − 1, (x > 0
x x
ou x < 0), et on vérifie de suite que v2 (x) = x2 − 1 est solution sur R tout entier de
l’équation de départ. On sait que v1 et v2 sont linéairement indépendantes et, finalement,
la solution générale de l’équation de départ est :

y(x) = C1 x + C2 (x2 − 1), (C1 , C2 ∈ R).

b) Equation non homogène

Considérons, à présent, l’équation non homogène

y 00 + a1 (x)y 0 + a2 (x)y = b(x)

où a1 , a2 , b : I → R sont des applications continues, définies sur un intervalle de R (non

réduit à un point).

En procédent exactement comme dans le cas d’une équation à coefficients constants,

on montre que :
• L’équation ci-dessus possède une solution particulière, définie sur I tout entier, de
la forme
yp (x) = k1 (x)v1 (x) + k2 (x)v2 (x),
où v1 et v2 sont deux solutions linéairement indépendantes de l’équation homo-
gène associée et où k1 (x) et k2 (x) sont des fonctions à determiner et vérifiant la
condition k10 v1 + k20 v2 = 2 (méthode de variation de constantes). On a
−bv2 bv1
k10 = , k20 = ,
W W
où W est le wronskien de v1 et v2 .

• Toutes les solutions de l’équation ci-dessus peuvent être définies sur I tout entier
et, si chaque solution de l’équation homogène assiciée, on ajoute une même solu-
tion de léquation non homogène, on obtient toutes les solutions de l’équation non
homogène.

• Pour tout x0 ∈ I et tous y0 , y00 ∈ R, l’équation y 00 + a1 (x)y 0 + a2 (x)y = b(x),

(x ∈ I), homogène ou non, admet une solution unique y telle que y(x0 ) = y0 et
y 0 (x0 ) = y00 .

ESATIC 99 UP MATHS
Équations différentielles ordinaires

Remarque 4.8.3.
Lorsque l’équation n’est pas à coefficients constants, le procédé, qui permet d’éviter dans
certains cas la méthode de variation des constantes, n’ pas applicable.

Exemple 4.8.3.
Soit à résoudre l’équation différentielle
2x 0 2
y 00 − 2
y + y = 1,
1+x 1 + x2
sachant que x est solution de l’équation homogène associées. D’après l’exemple précé-
dent, on sait que la solution de l’équation homogène associée est

yh (x) = C1 x + C2 (x2 − 1), (C1 , C2 ∈ R).

Posons v1 (x) = x, v2 (x) = x2 − 1, et cherchons, par la métode de variation des

constantes, une solution particulière yp (x) = k1 (x)v1 (x) + k2 (x)v2 (x) de l’équation non
homogène. Puisque b(x) = 1, on a :

−bv2 1 − x2
Z Z
k1 (x) = dx = dx = −x + 2 arctan x + C, C ∈ R,
v1 v20 − v10 v2 1 + x2
Z
bv1
Z
x √
k2 (x) = dx = dx = ln( x2 + 1) + C, C ∈ R,
v1 v20 − v10 v2 1 + x2
En choisissant C = 0 dans les deux cas, on obtient :
√
yp (x) = x(2 arctan x − x) + (x2 − 1) ln( x2 + 1).

La solution générale de l’équation non homogène est donc

y(x) = yh (x) + yp (x)

√
= C1 x + C2 (x2 − 1) + x(2 arctan x − x) + (x2 − 1) ln( x2 + 1), (C1 , C2 ∈ R)

Nous considérons finalement un type d’équations à coefficients non constants qui, par
un changement de variable approprié, se ramène à une équation à coefficients constants.
Il s’agit des équations de la forme

x2 y 00 + α1 xy 0 + α2 y = β(x),

où α1 et α2 sont des constantes et où β : I → R est une application continue, définie sur

un intervalle de R (non réduit à un point). Remarquons que cette équation n’est pas écrite
sous la forme habituelle, qui est

α1 0 α2 β(x)
y 00 + y + 2y = 2 .
x x x

ESATIC 100 UP MATHS

Équations différentielles ordinaires

α1 α2
Comme intervalle de définition de a1 , a2 et b avec a1 (x) = , a2 (x) = 2 et b(x) =
x x
β(x)
, on peut prendre I+∗ = I ∩ R∗+ ou I−∗ = I ∩ R∗− (du moins si I+∗ ou I−∗ n’est pas vide
x2
ou réduit à un point).

Pour x ∈ I+∗ , on change de varible en posant x = et , et de fonction inconnue en posant

z(t) = y(et ) = y(x). On a successivement :

z 0 (t) = y 0 (et )et = y 0 (x)x

z 00 (t) = y 00 (et )e2t + y 0 (et )et = y 00 (x)x2 + y 0 (x)x,

y 00 (x)x2 = z 00 (t) − z 0 (t).
L’équation à résoudre devient

z 00 − z 0 + α1 z 0 + α2 z = β(et ),

ou encore
z 00 + (α1 − 1)z 0 + α2 z = β(et ),
qui est une équation à coefficients constants. On peut donc trouver les solutions z(t) de
cette équation, et les fonctions z(ln x) sont alors les solution sur x ∈ I+∗ de l’équation de
départ.

Pour x ∈ I−∗ , on change de varible en posant x = −et , et de fonction inconnue en

posant z(t) = y(−et ) = y(x). On a successivement :

z 0 (t) = y 0 (−et )(−et ) = y 0 (x)x

z 00 (t) = y 00 (−et )e2t + y 0 (−et )(−et ) = y 00 (x)x2 + y 0 (x)x,

y 00 (x)x2 = z 00 (t) − z 0 (t).
L’équation à résoudre devient

z 00 − z 0 + α1 z 0 + α2 z = β(−et ),

ou encore
z 00 + (α1 − 1)z 0 + α2 z = β(−et ),
et, ayant trouver les solutions z(t) de cette équation, et les fonctions z(ln(−x)) sont alors
les solution sur x ∈ I−∗ de l’équation de départ.

ESATIC 101 UP MATHS

Équations différentielles ordinaires

Remarque 4.8.4.
Il est parfois plus simple de ne résoudre que l’équation homogène associée par la méthode
ci-dessus, puis de chercher une solution particulière de l’équation non homogène par la
méthode de variation des constantes
Exemple 4.8.4.
Soit à résoudre l’équation différentielle
1
x2 y 00 − xy 0 − 3y = , (x > 0 ou x < 0).
x
Pour x > 0, posons x = et et z(t) = y(e( t)). L’équation se transforme en

z 00 − 2z 0 − 3z = e−t ,

dont la solution générale est

t
z(t) = C1 e−t + C2 e3t − e−t .
4
Sur R∗+ , la solution générale de l’équation de départ est donc

1 ln x
y(x) = C1 + C 2 x3 − .
x 4x
Pour x < 0, posons x = −et et z(t) = y(−e( t)). L’équation se transforme en

z 00 − 2z 0 − 3z = −e−t ,

dont la solution générale est

t
z(t) = C1 e−t + C2 e3t + e−t .
4
Sur R∗+ , la solution générale de l’équation de départ est donc

(−1) ln(−x)
y(x) = C1 + C2 (−x3 ) − .
x 4x
C1 et C2 étant des constantes arbitraires, la solution générale s’écrit

1 ln |x|
y(x) = C1 + C 2 x3 − ,
x 4x
aussi bien sur R∗+ que sur R∗− .

ESATIC 102 UP MATHS

Équations différentielles ordinaires

Exemple 4.8.5.
Soit à résoudre l’équation différentielle

x2 y 00 − xy 0 − 3y = x4 ex , (x > 0).

Si l’on effectue le changement de variable x = et et z(t) = y(e( t)). L’équation se trans-

forme en
z 00 − 2z 0 − 3z = e4t exp(et ),
et il faut utiliser la méthode de variation des constantes avec e4t exp(et ) pour second
membre. Il vaut donc mieux n’utiliser le changement de variable que pour résoudre
l’équation homogène associée, qui devient z 00 − 2z 0 − 3z = 0, admettant C1 e−t + C2 e3t
pour solutions. La solution de l’équation homogène associée est donc
1
yh (x) = C1 + C 2 x3 (C1 , C2 ) ∈ R2 .
x
1
Posant v1 (x) = et v2 (x) = x3 , on cherche ensuite une solution particulière yp (x) =
x
k1 v1 + k2 (x)v2 (x) de l’équation de départ. Mais, sous sa forme habituelle, celle-ci s’écrit
1 3
y 00 − y 0 − 2 y = x2 ex , (x > 0),
x x
et, par conséquent, b(x) = x2 ex (et non x4 ex ). On obtient :

−bu2
Z Z
1
k1 (x) = dx = x4 ex dx
v1 v20 − v10 v2 4
1
= − ex (x4 − 4x3 + 12x2 − 24x + 24) + C
4
(on intègre quatre fois par partie),
Z Z
bu1 1 1
k2 (x) = 0 0
dx = ex dx = ex + C.
v1 v2 − v1 v2 4 4

D’où :
1 24 1
yp (x) = − ex (x3 − 4x2 + 12x − 24 + ) + x3 ex
4 x 4
6
= ex (x2 − 3x + 6 − ).
x
Finalement, la solution générale de l’équation de départ est :
1 6
y(x) = C1 + C2 x3 + ex (x2 − 3x + 6 − ), (C1 , C2 ) ∈ R2 .
x x

ESATIC 103 UP MATHS

Équations différentielles ordinaires

4.9 Equation d’Euler

Définition 4.9.1.
On appelle équation d’Euler toute équation différentielle linéaire de la forme

xn y (n) + a1 xn−1 y n−1 + · · · + an−1 xy 0 + an y = 0 (4.28)

où a1 , a2 , · · · , an désignent des constantes réelles ou complexes, et y une fonction

inconnue de la variable réelle x.

Nous allons voir que l’on peut ramener l’équation différentielle d’Eler à une équation
différentielle à coefficients constants par le chagement de variable x = ±et .
L’équation (4.28) reste invariante dans le changement de variable x 7→ −x. Nous pouvons
supposer x > 0. En posant x = et , z(t) = y(et ), on a y(x) = z(log x), d’où

xy 0 (x) = z(log x) x2 y 00 (x) = z 00 (log x) − z 0 (log x).

Par récutrence sur l’entier p, en supposant que la fonction y est p fois dérivable, un obtient
une relation de la forme
p
X
p (p)
x y (x) = αp,k z (k) (log x), (4.29)
k=1

où les αp,k (k ≤ p) désignent des constantes.

En effet, la relation (4.29) est vraie pour p = 1 avec α1,1 = 1 et pour p = 2 avec
α2,1 = −1 et α2,2 = 1. Si une telle relation est vraie à l’ordre p, on a, par dérivation et
multiplication par x
p
X
p+1 (p+1) p (p)
x y (x) + px y (x) = α1,k z (k+1) (log x)
k=1

d’où la relation (4.29) à l’ordre p + 1 avec αp+1,k+1 = αp,k − pαp,k+1 si 1 ≤ k ≤ p,

αp+1,1 = −pαp,1 et αp+1,p+1 = αp,p .

On en déduit que l’équation différentielle (4.28) se ramène ( pour x > 0 ) à une équation
linéaire à coefficients constants, de la forme

z (n) + b1 z (n−1) + · · · + bn z = 0, (4.30)

dont la variable est t = log x. En pratique, pour obtenir l’équation différentielle (4.30),
on a pas besoin de calculer les coefficients des relation (4.29) ; car on obtient l’équation

ESATIC 104 UP MATHS

Équations différentielles ordinaires

caractéristique de (4.30) en cherchhant les solutions de la forme t 7→ z(t) = eλt et cela

revient à chercher les solutions de (4.28) de la forme

x 7→ y(x) = xλ .

On voit immédiatement que l’équation caractéristique de (4.30) est :

λ(λ − 1) · · · (λ − n + 1) + a1 λ(λ − 1) · · · (λ − n + 2) + · · · + (4.31)

ap λ(λ − 1) · · · (λ − n + p + 1) + · · · + an−1 λ + an = 0

Par suite, on obtient

Proposition 4.9.1.
Les solutions de l’équation d’Euler (4.28) sont toutes les fonctions de la forme
p
X
y(x) = |x|λi Qi (log |x|) (x ∈ R∗+ ou x ∈ R∗− )
i=1

où λ1 , λ2 , · · · , λp désignent les racines distinctes de (4.31), et Qi un polynôme arbitraire

de degré strictement inferieur à l’ordre de multiplicité de la racine λi (i = 1, 2, · · · , p)

Exemple 4.9.1.
Considérons l’équation
x3 y 000 + 6y = 0 (4.32)
L’équation caractéristique de (4.32) est

λ(λ − 1)(λ − 2) + 6 = 0.
√ √
Les racines sont −1, 2 − i 2 et 2 + i 2. Les solutions de l’équation (4.32) sont ( pour
x>0):
A √ √
y(x) = + Bx2+i 2 + Cx2−i 2 A, B, C sont des constantes;
x
et les solutions de l’équation (4.32) sont de la forme
a 2
h √ √ i
y(x) = + x b cos( 2 log x) + c sin( 2 log x) a, b, c ∈ R.
x

ESATIC 105 UP MATHS

Équations différentielles ordinaires

Exemple 4.9.2.
Considérons l’équation
4x2 y 00 + y = 0 (4.33)
L’équation caractéristique de (4.33) est

4λ(λ − 1) + 1 = 0.
1
Elle a une racine double λ = . Les solutions de l’équation (4.33) sont de la forme
2
h i
y(x) = |x|1/2 A log |x| + B A, B, sont des constantes

Remarque 4.9.1.
Le même changement de variable nous permet d’obtenir une solution particulièrede toute
équation différentielle de la forme

xn y (n) + a1 xn−1 y n−1 + · · · + an−1 xy 0 + an y = bxα (log x)p

où ai , b et α désignent des constantes réelles ou complexes quelconques, et p ∈ N un

entier.

ESATIC 106 UP MATHS

Chapitre 5

Exercices

5.1 Espaces Métriques

Exercice 5.1.1. Répondre à chaque question par vraie on faux.
1 Dans un espace métrique toute intersection d’ouverts est un ouvert.
2 Dans un espace métrique tout voisinage d’un point contient un boule ouverte cen-
trée en ce point.
3 On prend E = (R, d1 ) où d1 (x, y) = |x − y|, F =]0, 2]. L’intervalle ]1, 2] est un
ouvert de F .
4 Un espace métrique complet est compact.
5 Dans espace métrique compact, toute suite converge.
6 Toute application continue sur un compact est uniformément continue sur ce com-
pact.

Exercice 5.1.2. C étant le corps des complexes, on considère les applications d : C×C →
R+ définie par (
|z − z 0 | si |z| = |z 0 |,
d(z, z 0 ) = ,
|z| + |z 0 | si |z| =
6 |z 0 |

1 d est elle une distance sur C ?

2 Déterminer les boules ouvertes et fermées des espaces métriques (C, d).

Exercice 5.1.3. On munit le sous ensemble X = [0, 1] ∪ [2, 4[ de R muni de la distance

usuelle d(x, y) = |x − y|.
1 A = [2, 4[ est-il ouvert dans l’espace topologique X ? Est-il fermé ?
2 Montrer que B = [0, 1] est ouvert et fermé dans X.
3 La suite un = 4 − 3−n est -elle convergente dans X ?

107
Exercices

Exercice 5.1.4. Soient (X, d) un espace métrique. Soient f et g deux fonctions continues
sur X et à valeurs dans R muni de la distance usuelle d(x, y) = |x − y|.
1 Vérifier que l’ensemble A = {x ∈ X/ f (x) = g(x)} est un fermé de X.
2 Montrer que l’ensemble B = {x ∈ X| 1 < f (x) < 2} est fouvert.
3 Montrer que l’ensemble C = {x ∈ X| f (x) = g(x)} est fermé.

Exercice 5.1.5. Soit A un ensemble non vide. On dit qu’une fonction f de A dans C
est bornée s’il existe un réel M , qui dépend de f , tel que, pour chaque x ∈ A, on a
|f (x)| ≤ M . On note `∞ (A, C) l’ensemble des fonctions bornées de A dans C. Pour
f, g ∈ `∞ (A, C) on pose
d(f, g) = sup |f (x) − g(x)|.
x∈A

1 Montrer que d est une distance sur `∞ (A, C).

2 Soit (fn )n une suite de Cauchy de `∞ (A, C) relativement à cette métrique d.
a Montrer que : ∃C ∈ R tel que, ∀n ∈ N et x ∈ A, on a |fn (x)| ≤ C.
b Fixons α ∈ A. Montrer que la suite (fn (α))n est convergente dans C.
3 Pour chaque α ∈ A on pose f (a) = lim fn (α). On définit une fonction de A dans
n
C.
a Montrer que f ∈ `∞ (A, C).
b Montrer que lim d(fn , f ) = 0. Que peut-on dire de l’espace métrique (`∞ (A, C), d) ?
n→+∞

Exercice 5.1.6. Soit K un espace métrique compact.

1 Montrer qu’une suite (an )n∈N dans K converge si et seulement si elle admet (au
plus) une valeur d’adhérence.
2 Soient (an )n∈N , (bn )n∈N deux suites dans [0, 1]. On supose que la suite (an bn )n∈N
converge vers 1. Montrer que (an )n∈N et (bn )n∈N convergent.

Exercice 5.1.7. Soit X et Y deux espaces métriques et f une application X → Y .

1 Montrer que si f est uniformément continue, alors elle conserve les suites de Cau-
chy. Qu’en est-il de la réciproque ?
2 Supposons f uniformément continue, bijective et de réciproque continue. Montrer
que si Y est complet, X l’est aussi.

Exercice 5.1.8. Soit a un réel positif et (E, d) l’espace des fonctions continues sur l’in-
tervalle [0, a] à valeurs réelles, muni de la distance de la convergence uniforme. Soit T la
fonction E → E d´efinie sur [0, a] par :
Z t
T (x)(t) = 1 + x(s)ds.
0

ESATIC 108 UP MATHS

Exercices

1 Montrer que l’on a bien T (x) ∈ E si x ∈ E et que l’application T est lipschit-

zienne.
2 On suppose désormais a < 1. Montrer qu’il existe une fonction x unique dans E
telle que T (x) = x.
3 En déduire que la fonction exponentielle est limite uniforme sur [0, a] des poly-
n
X tj
nomes Pn (t) = pour n ∈ N.
j=0
j!

Exercice 5.1.9. Soit A = {(x; y) ∈ R2 ; y ≥ x2 }

1 Représenter A,
2 Déterminer sa frontière,
3 Déterminer son intérieur
4 Déterminer son adhérence
5 Est-ce un ouvert, un fermé de R2 ?

Exercice 5.1.10. Soient (X1 , d1 ) et (X2 , d2 ) des espaces métriques, f une application de
X1 dans X2 d’ensemble de définition Df et a un point de l’espace X1 .
1 Exprimer que f est continue en a.
2 Exprimer que f est continue dans X1
3 On suppose que f est continue dans X1 . Montrer que, pour un point b de X2 , la
partie
A = {x ∈ X1 / f (x) = b}
est fermé.

Exercice 5.1.11. Soit (X, d) un espace métrique.

d(x, y)
1 Montrer que h(x, y) = est une métrique sur X bornée par 1.
1 + d(x, y)
2 On pose X = R et d(x, y) = |x − y|. Déterminer dans (X, h), Bf (0; 21 ) la boule
fermée de centre 0 et rayon 12 .
(
1 si x 6= y
3 On pose X = R et d(x, y) = .
0 si x = y
a Déterminer dans (X, h), Bf (0; 12 ) la boule fermée de centre 0 et rayon 12 .
b Déterminer dans (X, h), B(0; 12 ) la boule ouverte de centre 0 et rayon 12 .
c Déterminer dans (X, h), l’adhérence de B(0; 12 ).

Exercice 5.1.12.
Soit X =]0, +∞[. Pour x, y ∈ X, on note
1 1
d(x, y) =  − .
 
x y

ESATIC 109 UP MATHS

Exercices

1 Démontrer que d est une distance sur X.

2 Déterminer B(1, 1) pour cette distance où B(1, 1) est la boule ouverte de (X, d)
de centre 1 et de rayon 1.
3 La partie A =]0, 1] est-elle bornée pour cette distance ? fermée ?
4 Déterminer les boules ouvertes pour cette distance.

5.2 Séries de fourier

Exercice 5.2.1. Soit f : R → R, 2π−périodique, impaire et telle que
 π
 t si 0 ≤ t <
f (t) = 2
 π − t si π ≤ t ≤ π
2

1 Vérifier que f appartient à CM2π (R, R) et calculer ses coefficients de Fourier

trigonométriques.
2 Étudier la convergence de la série de Fourier de f .
3 En déduire les sommes des séries :
+∞ +∞ +∞ +∞
X 1 X 1 X 1 X 1
n=0
(2n + 1)2 n=1
n2 n=1
(2n − 1)2 n=1
n4

Exercice 5.2.2. Soit x ∈ R+ , et considérons la fonction f 2π−périodique, telle que

f (π) = 0 et
∀t ∈] − π, π[, f (t) = sinh(xt).
1 Vérifier que f appartient à CM2π (R, R) et calculer ses coefficients de Fourier
trigonométriques.
2 Étudier la convergence de la série de Fourier de f , et montrer que pour tout t ∈
] − π, π[, on a
X 2(−1)n+1 n sinh(πx)
sinh(xt) = sin(nt).
n≥1
π(n2 + x2 )

3 En déduire que Z +∞
cos(xt) π
dt = .
0 cosh(t) 2 cosh(πx/2)
Exercice 5.2.3. Soit f la fonction 2π−périodique définie sur [0, 2π[ par

f (x) = cosh(π − x).

ESATIC 110 UP MATHS

Exercices

1 a Calculer les coefficients de Fourier exponentiels cn (f ) de f .

b Montrer que la série de Fourier de f converge uniformément vers f sur R.
+∞ +∞
X 1 X (−1)n
c Calculer la somme des séries et .
n=0
n2 + 1 n=0 n2 + 1
+∞
X sin(nx)
d Déterminer la fonction somme .
n=1
n + n3
+∞
X 1
2 À l ’aide de la formule de Parseval, calculer la somme .
n=0
n4 + 2n2 + 1

Exercice 5.2.4. Soit f : R → R une fonction 2π−périodique, paire et telle que f (t) = t
sur [0; π]
(a) Déterminer les coefficients de Fourier de f .
(b) Déterminer la nature de convergence de la série de Fourier de f (simple ou uni-
forme).
+∞ +∞ +∞
X 1 X 1 X 1
(c) Déterminer 2
, 2
et
k=0
(2k + 1) k=0 k k=0
(2k + 1)4

Exercice 5.2.5. Soit f la fonction définie par

f (x) = sup{sin x, 0}, x ∈ R.

1 Montrer que cette fonction est développable en série de Fourier.

2 Déterminer cette série ainsi que le domaine de convergence uniforme.
+∞
X (−1)n
3 En déduire la valeur de
n=1
4n2 − 1
4 Développer en série de Fourier la fonction g définie par

g(x) = | sin x|, x ∈ R.

Exercice 5.2.6.
Soit f : R → R la fonction 2π−périodique, impaire, telle que
(
1 si x ∈]0; π[
f (x) =
0 si x = π

1 Calculer les coefficients de Fourier trigonométriques de f .

2 Etudier la convergence (simple, uniforme) de la série de Fourier de f .
3 En déduire les valeurs des sommes
+∞ +∞ +∞
X (−1)n X 1 X 1
.
n=0
2n + 1 n=0
(2n + 1)2 n=1
n 2

ESATIC 111 UP MATHS

Exercices

5.3 Intégrales dépendant d’un paramètre

Exercice 5.3.1. Z π
2
On pose I(x) = ln(cos2 t + x2 sin2 t)dt.
0
1 Montrer que I est de classe C 1 sur R∗+ .
2 Calculer I 0 (x) et en déduire I(x).
Exercice 5.3.2. Soit f : R → R définie par
Z +∞
sin x
f (α) = e−αx dx
0 x
1 Déterminer l’ensemble de définition de f .
2 Déterminer l’ensemble de continuité de f .
3 Montrer que f est dérivable sur ]0, +∞[.
Z +∞
sin x π
4 En déduire que dx =
0 x 2
Z +∞
cos tx
Exercice 5.3.3. Soit f : x 7→ dt
0 1 + t2
1 ) Montrer que f est continue sur R et de classe C 2 sur R∗ .
2 ) Montrer que f satisfait à une équation différentielle du deuxième ordre à coeffi-
cients constants sur R∗ .
3 ) En déduire une expression simplifiée de f .
Exercice 5.3.4. Soit g une fonction continue, strictement positive sur [0; 1] on pose
Z 1
1
∀x ∈ [0; 1], G(x) = g(t)x dt = exp(x ln(g(t)))dt et F (x) = G(x) x .
0
Z 1 Z 1
0
1 Démontrer que G (0) = ln(g(t))dt. On note dorénavant K = ln(g(t))dt.
0 0
2 En déduire lim ln F (x) (le résultat sera donné en utilisant K).
x→0
3 En déduire toujours en fonction de K la limite de F en 0.
Exercice 5.3.5.
Soit
f :R → R
Z +∞
2
x 7→ e−t cos(2tx)dt
0
1 Montrer que f est définie sur R.
2 Étudiez la continuité de f .
3 Étudiez la dérivabilité de f .
4 Montrer que f est solution d’une équation différentielle que l’on précisera.
5 Calculez f (x).

ESATIC 112 UP MATHS

Exercices

5.4 Équations différentielles ordinaires

Exercice 5.4.1. 1 Résoudre l’ équations différentielle
√
(E1 ) : y 0 + 2y − (x + 1) y = 0 y(0) = 1.

2 On considère l’équation différentielle

(E2 ) : x2 (y 0 + y 2 ) = xy − 1.

1
a Vérifier que f (x) = x
est une solution particulière de (E2 )
b Résoudre (E2 )
3 Trouver le facteur intégrant et résolvez l’équation suivante :

(E3 ) : ydx + (2xy − e−2y )dy = 0.

Exercice 5.4.2. 1 Résoudre l’ équations différentielle

(E1 ) : y 0 + 2y − 4y 3 = 0.

2 On considère l’équation différentielle

(E2 ) : (1 + t4 )y 0 (t) = 2ty 2 (t) − 4ty(t) + 4t où t ∈ R.

a Vérifier que f (t) = t2 + 1 est une solution particulière de (E2 )

b Résoudre (E2 )
3 Trouver le facteur intégrant et résolvez l’équation suivante :

(E3 ) : ydx + (2xy − e−2y )dy = 0.

ESATIC 113 UP MATHS

Bibliographie

[1] A. Bodin : Analyse. Exo 7 (2016).

[2] A. Hitta : Topologie des espaces Métriques . Université 8 Mai 1945 Guelma (2008 - 2009).
[3] A. Lesfari : Distributions, analyse de FOURIER et transformation de LAPLACE. ellipses
(2012).
[4] B. Calvo, J. Doyen, A. Calvo, F. Boschet : Cours d’analyse. Armand Colin - collection U
(1977).
[5] D. Fredon : Mathématiques Résumé du cours en fiches MPSI - MP. Dunod, Paris, (2010).
[6] D. Guinin - B. Joppin : Analyse Géometrie, Précis de Mathematiques, Prépa MP 2e année.
Bréal (1997).
[7] J. lelong-Ferrand, J. M. Arnaudièe : Cours de Mathématiques Tome 4 2e édition, Dunod,
Paris, (1977).
[8] J. M. Monier : Analyse MP, Dunod, Paris, (2013).
[9] J. Voedts : Cours de Mathématiques MP - MP*ˆ , ellipses, (2002).
[10] M. El Amrani : Suites et séries numériques Suites et séries de fonctions . ellipses, (2011).
[11] R. Gomez : Séries de Fourier : Cours et exercices corrigés. (10 octobre 2010 ).

114