Vous êtes sur la page 1sur 208

COURS DE MATH

EMATIQUES PREMI
`
ERE ANN

EE (L1)
UNIVERSIT

E DENIS DIDEROT PARIS 7


Marc HINDRY
Introduction et presentation. page 2
1 Le langage mathematique page 4
2 Ensembles et applications page 8
3 Groupes, structures algebriques page 23
4 Les corps des reels R et le corps des complexes C page 33
5 Lanneau des entiers Z page 46
6 Lanneau des polynomes page 53
7 Matrices page 65
8 Espaces vectoriels page 74
9 Applications lineaires page 84
10 Introduction aux determinants page 90
11 Geometrie dans le plan et lespace page 96
Appendice : Resume dalg`ebre lineaire page 105
12 Suites de nombres reels ou complexes page 109
13 Limites et continuite page 118
14 Derivees et formule de Taylor page 125
15 Integration page 135
16 Quelques fonctions usuelles page 144
17 Calcul de primitives page 153
18 Integrales impropres page 162
19 Courbes parametrees et developpements limites page 167
20 Equations dierentielles page 178
21 Fonctions de plusieurs variables page 189
1
Tous les chapitres sont importants. Le premier chapitre est volontairement bref
mais fondamental : il y aura interet `a revenir sur les notions de langage mathematique et
de raisonnement tout au long du cours, `a loccasion de demonstrations. Les chapitre 19
et 20 reposent sur une synth`ese de lalg`ebre (lineaire) et de lanalyse (calcul dierentiel et
integral) tout en etant assez geometriques. Le chapitre 21 (fonctions de plusieurs variables)
appartient en pratique plutot `a un cours de deuxi`eme annee; il a ete ajoute pour les
etudiants desirant anticiper un peu ou ayant besoin, par exemple en physique, dutiliser
les fonctions de plusieurs variables et derivees partielles, d`es la premi`ere annee.
Lordre des chapitres. Lordre choisi nest que lun des possibles. En particulier
on pourra vouloir traiter lanalyse (chapitres 12-20) en premier : pour cela on traitera
dabord le chapitre sur les nombres reels et complexes (ou la notion de limite est introduite
tr`es tot), le principe de recurrence et on grapillera quelques notions sur les polynomes
et lalg`ebre lineaire. La sequence dalg`ebre lineaire (chapitres 7-11) est tr`es inspiree de
la presentation par Mike Artin (Algebra, Prentice-Hall 1991) mais on peut choisir bien
dautres presentations. On pourra aussi par exemple preferer etudier Z avant R et C (du
point de vue des constructions, cest meme preferable!). Le chapitre 16 sur les fonctions
usuelles peut etre aborde `a peu pr`es `a nimporte quel moment, quitte `a sappuyer sur les
notions vues en terminale.
Nous refusons le point de vue : ... cet ouvrage part de zero, nous ne
supposons rien connu.... Au contraire nous pensons quil faut sappuyer sur les con-
naissances de terminale et sur lintuition (notamment geometrique). Il semble parfaitement
valable (et utile pedagogiquement) de parler de droites, courbes, plans, fonction exponen-
tielle, logarithme, sinus, etc ... avant de les avoir formellement introduit dans le cours. Il
semble aussi dommage de se passer compl`etement de la notion tr`es intuitive dangle sous
pretexte quil sagit dune notion delicate `a denir rigoureusement (ce qui est vrai).
Illustrations : Nous avons essaye dagrementer le cours dapplications et de motiva-
tions provenant de la physique, de la chimie, de leconomie, de linformatique, des sciences
humaines et meme de la vie pratique ou recreative. En eet nos pensons que meme si
on peut trouver les mathematiques interessantes et belles en soi, il est utile de savoir que
beaucoup des probl`emes poses ont leur origine ailleurs, que la separation avec la physique
est en grande partie arbitraire et quil est passionnant de chercher `a savoir `a quoi sont
appliquees les mathematiques.
Indications historiques Il y a helas peu dindications historiques faute de temps,
de place et de competence mais nous pensons quil est souhaitable quun cours contienne
des allusions : 1) au developpement historique, par exemple du calcul dierentiel 2) aux
probl`emes ouverts (ne serait-ce que pour mentionner leur existence) et aux probl`eme resolus
disons dans les derni`eres annees. Les petites images (mathematiques et philatheliques)
incluses `a la n de certains chapitres sont donc une invitation `a une recherche historique.
Importance des demonstrations Les mathematiques ne se reduisent pas `a lexac-
titude et la rigueur mais quelque soit le point de vue avec lequel ont les aborde la notion de
demonstration y est fondamentale. Nous nous eorcons de donner presque toutes les de-
monstrations. Lexception la plus notable est la construction des fonctions cosinus et sinus,
pour laquelle nous utiliserons lintuition geometrique provenant de la representation du
cercle trigonometrique ; lintegrabilite des fonctions continues sera aussi en partie admise.
2
Il y a l`a une diculte qui sera levee avec letude des fonctions analytiques (faite en seconde
annee).
Diculte des chapitres Elle est inegale et bien s ur dicile `a evaluer. Certains
chapitres developpent essentiellement des techniques de calculs (chapitres 6, 7, 10, 16, 17,
18, 19, 20), le chapitre 11 reprend du point de vue de lalg`ebre lineaire des notions vues en
terminales, dautres developpent des concepts (chapitres 2, 3, 4, 5, 8, 9, 12, 13, 15) et sont
donc en ce sens plus diciles ; le chapitre 14 est intermediaire dans cette classication un
peu arbitraire. Enn le chapitre 21 nest destine `a etre appronfondi quen deuxi`eme annee.
Resumes En principe les enonces importants sont donnes sous lentete th`eor`eme
suivis par ordre decroissant dimportance des propositions et des lemmes. Un resu-
me de chaque chapitre peut donc etre obtenu en rassemblant les enonces des theor`emes
(et les denitions indispensables `a la comprehension des enonces). Nous avons seulement
inclus un chapitre resumant et synthetisant les dierents points de vue developpes en
alg`ebre lineaire (apr`es le chapitre 11).
Archim`ede [A ] ( 287 212)
Al Khwarizm (n VIII
e
, debut IX
e
)
3
CHAPITRE 1 LE LANGAGE MATH

EMATIQUE
Ce chapitre, volontairement court, precise les modalites du raisonnement mathematique.
En eet on necrit pas un texte mathematique comme un texte de langage courant : ce
serait theoriquement possible mais totalement impraticable pour de multiples raisons (le
raccourci des formules est notamment une aide precieuse pour lesprit).
Une denition precise le sens mathematique dun mot ; par exemple :
Denition: Un ensemble E est ni si il nest pas en bijection avec lui-meme prive dun
element. Un ensemble est inni si il nest pas ni.
On voit tout de suite deux dicultes avec cet exemple : dabord il faut avoir deni
ensemble (ce que nous ne ferons pas) et etre en bijection (ce quon fera au chapitre
suivant) pour que la denition ait un sens ; ensuite il nest pas immediat que la denition
donnee concide avec lidee intuitive que lon a dun ensemble ni (cest en fait vrai).
Un enonce mathematique (nous dirons simplement enonce) est une phrase ayant un
sens mathematique precis (mais qui peut etre vrai ou faux) ; par exemple :
(A) 1=0
(B) Pour tout nombre reel x on a x
2
0
(C) x
3
+x = 1
sont des enonces ; le premier est faux, le second est vrai, la veracite du troisi`eme
depend de la valeur de la variable x. Par contre, des phrases comme les fraises sont des
fruits delicieux, jaime les mathematiques sont clairement subjectives. Larmation :
lamiante est un cancerog`ene provoquant environ trois mille dec`es par an en France et
le campus de Jussieu est oque `a lamiante nest pas un enonce mathematique, meme si
larmation est exacte. Nous ne chercherons pas `a denir precisement la dierence entre
enonce mathematique et enonce non mathematique.
Un theor`eme est un enonce vrai en mathematique ; il peut toujours etre paraphrase de
la mani`ere suivante : Sous les hypoth`eses suivantes : .... , la chose suivante est toujours
vraie :... . Dans la pratique certaines des hypoth`eses sont omises car consideres comme
vraies a priori : ce sont les axiomes. La plupart des mathematiciens sont daccord sur un
certain nombre daxiomes (ceux qui fondent la theorie des ensembles, voir chapitre suivant)
qui sont donc la plupart du temps sous-entendus.
Par exemple nous verrons au chapitre 5 que :
TH

EOR
`
EME: Soit n un nombre entier qui nest pas le carre dun entier alors il nexiste
pas de nombre rationnel x tel que x
2
= n (en dautres termes

n nest pas un nombre
rationnel).
Pour appliquer un theor`eme `a une situation donnee, on doit dabord verier que les
hypoth`eses sont satisfaites dans la situation donnee, traduire la conclusion du theor`eme
dans le contexte et conclure.
Par exemple : prenons n = 2 (puis n = 4) alors 2 nest pas le carre dun entier donc
le theor`eme nous permet darmer que

2 nest pas un nombre rationnel. Par contre
lhypoth`ese nest pas veriee pour n = 4 et le theor`eme ne permet pas darmer que

4
nest pas un nombre rationnel (ce qui serait dailleurs bien s ur faux!).
4
Les connecteurs logiques permettent de fabriquer de nouveaux enonces `a partir dau-
tres ; nous utiliserons exclusivement les connecteurs suivants :
non : non(A) est vrai si et seulement si (A) est faux
ou : (A) ou (B) est vrai si et seulement si (A) est vrai ou (B) est vrai.
et : (A) et (B) est vrai si et seulement si (A) est vrai et (B) est vrai.
implique (en symbole ) : (A) implique (B) est vrai si et seulement si chaque fois
que (A) est vrai alors (B) est aussi vrai.
equivaut (en symbole ) : (A) equivaut (B) est vrai si (A) est vrai chaque fois que
(B) est vrai et reciproquement.
Une demonstration logique (nous dirons ensuite simplement une demonstration) est
un enonce, comportant eventuellement comme variable dautres enonces de sorte quil soit
vrai quel que soit les enonces variables. Voici des exemples de demonstration :
Si (A) (B) et (B) (C) alors (A) (C)
non(non(A)) equivaut `a (A)
Si (A) (B) et non(B) alors non(A).
Si (A) ou (B) et non(B) alors (A).
Bien entendu, les demonstrations interessantes en mathematiques sont plus longues
et sont composees de chanes dimplications elementaires comme celles qui prec`edent. Une
mani`ere simple (mais fastidieuse) de verier ce type denonce est faire un tableau avec
les diverses possibilites : chaque enonce est vrai ou faux (V ou F). Par exemple, pour le
premier enonce il y a huit possibilites :
A B C A B B C A C
V V V V V V
V V F V F F
V F V F V V
V F F F V F
F V V V V V
F V F V F V
F F V V V V
F F F V V V
On constate bien que chaque fois que A B et B C sont simultanement vrais alors
A C est vrai aussi.
Exemples de raisonnements parmi les plus utilises :
Raisonnement cas par cas :
Schema : si (A) ou (B), (A) (C) et (B) (C), alors C
Raisonnement par contraposee :
Schema : si (A) (B), alors non(B) non(A)
Raisonnement par labsurde :
Schema : si (B) (A) et non(A), alors non(B) .
On voit quil ny a aucune diculte fondamentale avec les raisonnements logiques,
la seule diculte est parfois darriver `a enchaner les deductions. A titre dexercice on
veriera les deductions suivantes :
5
non((A) ou (B)) (non(A) et non(B))
non((A) et (B)) (non(A) ou non(B))
non(A) ou (B) (A B)
(A et B) ou (C) (A ou C) et (B ou C)
Les quanticateurs permettent de transformer un enonce contenant une variable en
un enonce absolu : nous utiliserons exclusivement deux quanticateurs :
il existe (en symbole )
pour tout (en symbole )
Exemple : considerons les enonces suivants contenant la variable x R.
A(x) : x
2
1 = 0
B(x) : x
2
+x = x(x + 1)
C(x) : x + 1 = x
Larmation (x R non(C(x))) tout comme (x R A(x)) est vraie. Par contre il est
faux que : x R A(x)
La negation de x A(x) est x non(A(x)). La negation de x A(x) est x non(A(x)).
Par exemple la negation de :
(A) : x R, R

+
, R

+
, y R, [x y[ [f(x) f(y)[
est :
non(A) : x R, R

+
, R

+
, y R, [x y[ et [f(x) f(y)[ >
Remarque : lenonce (A) ecrit que la fonction f est continue en tout point alors que
non(A) ecrit quil existe un point o` u f nest pas continue (voir chapitre 13).
Commentaires : la necessite de la formalisation du raisonnement mathematique et
de la notion densemble a accompagne historiquement lapparition de paradoxes au tour-
nant de ce si`ecle. Ceux-ci sont essentiellement de deux types : paradoxes semantiques et
paradoxes logiques.
Un exemple de paradoxe semantique est le suivant : on choisit un dictionnaire de
langue francaise et on consid`ere lensemble S des nombres entiers que lon peut denir `a
laide de moins de vingt mots de ce dictionnaire. Comme le nombre de mots est ni et le
nombre de phrase de moins de vingt mots est ni, lensemble S est ni ; il existe donc Le
plus petit nombre entier que lon ne peut pas denir en moins de vingt mots. Mais nous
venons de le denir en moins de vingt mots!
Un exemple de paradoxe logique (d u `a Russel) est le suivant : considerons lensemble
S forme de tous les elements qui ne sappartiennent pas `a eux-memes ; en symboles :
S := x [ x / x
6
Cet ensemble `a lair inoensif mais si on pense que S S alors on en deduit S / S et
inversement!
La methode pour eliminer les paradoxes du premier type est de se restreindre au
langage purement mathematique (ou plus precisement de separer langage et metalangage,
nous ne precisons pas cette notion) : on se borne `a travailler avec des notions qui peuvent
secrire en langage symbolique (idealement on pourrait penser `a ecrire tout en langage
symbolique, mais on sapercoit vite que pour des raisons de longueur, cest impraticable).
La methode pour eliminer les paradoxes du type Russel est de restreindre la notion
densemble ; en particulier on declare quon ne peut pas former un ensemble seulement `a
partir dun enonce avec variables. Ainsi S := x [ A(x) ne denit pas necessairement un
ensemble ; par contre, si T est un ensemble alors S := x T [ A(x) denit encore un
(sous-)ensemble.
Terminons ce premier chapitre par une description lapidaire de lusage et de la place des
mathematiques au sein des autres sciences.
Un des paradigmes des sciences peut etre succintement decrit par le diagramme suiv-
ant :
observation modelisation
Math.
experience prediction
Concernant les applications des notions de ce cours en sciences indiquons par une `eche
quelques unes des plus marquantes :
Alg`ebre et Arithmetique informatique;
Theorie des groupes chimie;
Calcul dierentiel et integral physique;
Equations dierentielles physique, biologie, economie;
Exercice : (logique, inegalites, . . .)
Sachant que les statistiques disponibles (code 163 de lINSERM) indiquent 902 dec`es
pour lannee 1994 par mesotheliome de la pl`evre (cancer mortel, cause par linhalation
de bres damiante), discuter la compatibilite des declarations suivantes du professeur
Brochard, chercheur `a lINSERM, membre du Comite Permanent Amiante (C.P.A) :
(a) Le mesotheliome est un cancer rare, moins de 200 cas par an [en France] (C.P.A,
lamiante et la sante, page 13, 1994). (b) Au moins 150 mesotheliomes dus `a lamiante [par
an en France] (declaration sur TF1, n 1994). (c) On aurait en fait 440 mesotheliomes
par an en France (rapport destine au minist`ere du travail, novembre 1994)
Environ 600 mesotheliomes pleuraux en 1992, en France (conference internationale sur
le mesotheliome `a Creteil, 1995)
()
Indications : on pourra utiliser les tables de verite et aussi le fait que le C.P.A a ete cree et
nance par les industriels de lamiante et gere par lagence de communnication et lobbying
Communications Economiques et Sociales (C.E.S. 10 Avenue de Messine, 75008 Paris).
()
Post-Scriptum (1996) Le rapport INSERM sur les eets sur la sante de lamiante
conclut quil y a au minimum 750 dec`es par an en France dus aux mesotheliomes causes
par lamiante.
7
CHAPITRE 2 ENSEMBLES ET APPLICATIONS.
Georg Cantor, le fondateur de la theorie des ensembles denissait un ensemble comme
un groupement dobjets determines et bien distincts, de notre perception ou de notre en-
tendement, et que lon appelle les elements de lensemble. Nous consid`ererons la no-
tion densemble comme intuitive en gardant neanmoins en memoire le fait quon ne peut
pas considerer nimporte quoi comme un ensemble si lon veut eviter les contradictions.
Nous allons donc juste denir les operations usuelles sur les ensembles (sous-ensembles,
complementaires, intersections, unions, produits, ensemble des parties) puis nous abordons
les deux points cruciaux : la notion de fonction (ou application) qui est fondamentale dans
toutes les mathematiques et le concept dinni avec lexemple fondamental : lensemble des
entiers naturels, note N, est inni.
2.1 ENSEMBLES
Dans la pratique il y a deux facons de construire ou decrire des ensembles : en donnant
la liste de ses elements, par exemple E := 0, 1, 2, 3, 5, 7, 8 est un ensemble, ou bien
en decrivant une caracterisation des elements, par exemple nous admettrons que N :=
n [ n est un entier naturel est un ensemble. Parmi les ensembles les plus importants nous
etudierons outre N dej`a cite, lensemble des nombres entiers relatifs, note Z, lensemble
des nombres rationnels, note Q, lensemble des nombres reels, note R et lensemble des
nombres complexes, note C.
Ensemble vide : il sagit de lensemble ne contenant aucun element ; on le note ; on
peut aussi le denir comme := x [ x ,= x
Relations entre elements et ensembles :
Un ensemble E est donc une collection dobjets quon appelle elements ; pour chaque
element x on ecrit x E (lire x appartient `a E). Si lelement x nest pas dans lensemble
E on ecrira x / E (lire x nappartient pas `a E).
Par exemple il est clair que 4 N et 4 / . Quelque soit lelement x on a toujours
x / .
On dit quun ensemble E est inclus dans un autre ensemble F (ce quon note E F),
si tous les elements de E sont aussi dans F ; en dautres termes si x E x F. Deux
ensembles sont egaux si ils ont les memes elements ; en particulier :
E F et F E E = F
Par exemple N mais les ensembles ne sont pas egaux (donc non(N ) ou encore
N , ).
Operations sur les ensembles :
Sous-ensemble : si E est un ensemble et A(x) un enonce avec une variable x dans E,
on peut fabriquer lensemble :
x E [ A(x)
Par exemple lensemble des nombres entiers pairs est decrit par :
T := x N [ y N, x = 2y
8
Complementaire : Soit F un sous-ensemble de E ; on denit le complementaire de F
dans E que lon note
CE
F (ou simplement
C
F si E est sous-entendu) comme lensemble
des elements de E qui nappartiennent pas `a F :
CE
F := x E [ x / F
Si F nest plus necessairement un sous-ensemble de E on emploiera la notation : E F
pour designer x E [ x / F.
Par exemple le complementaire de T dans N est lensemble des nombres impairs :
CN
T = 1 := x N [ y N, x = 2y + 1
Intersection : si E et F sont deux ensembles on peut former un ensemble appele leur
intersection notee E F et denie par :
E F := x E [ x F = x F [ x E = x [ x E et x F
Par exemple, si E = 0, 1, 2, 3, 5, 7, 8 et T designe lensemble des entiers pairs, alors
E T = 0, 2, 8.
Union : si E et F sont deux ensembles on peut former un ensemble appele leur union
et notee E F et denie par :
E F := x [ x E ou x F
Par exemple si E := 0, 1, 2, 3, 5, 7, 8 et F := 0, 1, 2, 4, 8, 16, 32 alors E F =
0, 1, 2, 3, 4, 5, 7, 8, 16, 32
Produit : Si x E et y F on peut fabriquer un nouvel element appele couple et
note (x, y), caracterise par le fait que (x, y) = (z, t) si et seulement si x = z et y = t.
Lensemble de ces couples sappelle le produit (cartesien) de E et F et se note :
E F := (x, y) [ x E et y F
Pour se representer un produit cartesien on aura avantage `a avoir en tete lexemple
suivant : soit E := [0, 3] (lintervalle des nombres reels compris entre 0 et 3) et F := [0, 1]
alors E F est le rectangle de la gure suivante
Un autre exemple familier est celui du plan que lon peut representer comme le produit
RR.
9
Ensemble des parties : Soit E un ensemble, on peut former un nouvel ensemble dont
les elements sont les sous-ensembles de E et que lon note T(E) :
T(E) := F [ F E
Par exemple T() = (ensemble avec un element) mais on a aussi T(0, 1) =
, 0, 1, 0, 1 (ensemble avec quatre elements)
Remarque : on notera que lon na pas donne de demonstration pour lexistence de
lunion, du produit etc. En fait il faut comprendre ces enonces comme des axiomes i.e. des
enonces elementaires que lon admet etre vrais et `a partir desquels on va demontrer toutes
les autres armations. Le caract`ere extremement intuitif (on a envie de dire evident de
ces axiomes fait quils sont admis par presque tout le monde).
Calculs sur les ensembles : il est tr`es important de savoir calculer et raisonner sur les
ensembles ; il faut aussi remarquer que le calcul sur les ensembles est enti`erement analogue
au calcul sur les propositions ; en eet lunion correspond au connecteur ou, lintersection
correspond au connecteur et et la relation dinclusion correspond `a limplication, prendre
le complementaire correspond au connecteur non : si les elements x de A sont caracterises
par la propriete P(x) et ceux de B par la propriete Q(x) alors :
Les elements x de A B sont caracterises par la propriete P(x) ou Q(x).
Les elements x de A B sont caracterises par la propriete P(x) et Q(x).
La relation A B equivaut `a limplication x, P(x) Q(x).
Les elements x de
CE
A sont caracterises, parmi les elements de E par la propriete
non(A(x)).
Ainsi le calcul sur les ensembles peut toujours se ramener au calcul propositionnel ;
voici une liste (non exhaustive) de formules o` u A, B, C, . . . sont des ensembles :
Formulaire
A B = B A et A B = B A (commutativite)
A (B C) = (A B) C et A (B C) = (A B) C (associativite)
A (B C) = (A B) (A C) et A (B C) = (A B) (A C) (distributivite)
CE
(
CE
A) = A
(A B) (
CE
B
CE
A)
CE
(A B) =
CE
A
CE
B et
CE
(A B) =
CE
A
CE
B (loi de Morgan)
A(B C) = (AB) (AC) et A(B C) = (AB) (AC)
(A B) et (C D) AC B D
Demonstration: Demontrons la premi`ere formule de distributivite :
x A (B C) x A et (x B ou x C) (x A et x B)ou(x A et x
C) x (A B) (A C).
La loi de Morgan se demontre de mani`ere similaire :
x
C
(A B) non(x A ou x B) non(x A) et non(x B) x
C
A
C
B
Les autre demonstrations sont similaires et laissees en exercice.
2.2 APPLICATIONS
10
Denition: Une application (ou fonction) denie sur X et `a valeurs dans Y est une loi
qui, `a tout element de X fait correspondre un unique element de Y . Si on note f cette
application, lelement associe `a x par f est note f(x). Lensemble X sappelle lensemble
de depart, lensemble Y sappelle lensemble darrivee de f. On note souvent une fonction
f : X Y ou, si les ensembles X et Y sont sous-entendus x f(x). Lelement f(x) = y
sappelle limage de x par f et x sappelle un antecedent de y par f.
Remarque : une fonction peut etre denie par son graphe, un sous-ensemble XY
qui poss`ede la propriete suivante : x X, y Y, (x, y) et de plus (x, y) et
(x, y

) y = y

. Le graphe dune fonction f est lensemble des couples (x, f(x)) pour
x X.
Remarque : une phrase usuelle comme la fonction cos(x) comporte une ambig uite
qui devient transparente si on augmente la phrase en la fonction cos(x) est une bijection
qui est manifestement fausse si on parle dune fonction de R dans R et neanmoins vraie
si lon parle dune fonction de [0, ] vers [1, +1] (voir le chapitre 16).
Remarque : on ne fait pas de distinction entre fonction et application.
Exemples :
Lassociation x x
2
+ 1 denit une application de R dans R.
Lassociation x

x denit une application de N dans R (mais pas de N dans N).
Lassociation x
1
x
2
1
denit une application de R +1, 1 dans R.
La loi qui associe `a un point du plan son symetrique par rapport `a un point donne
O, denit une application de dans .
Lassociation F
CE
F denit une application de T(E) dans T(E).
Lapplication qui `a tout element x X associe x sappelle lapplication identique et
se note id
X
.
Si f est une application de X dans Y et si X

est un sous-ensemble de X, on peut


denir f

la restriction de f `a X

par : x X

, f

(x) := f(x).
Composition : Si f : X Y et g : Y Z sont deux applications, on peut denir la
composee de f et g par (g f)(x) = g(f(x)). Une propriete importante de la composition
des applications est lassociativite :
PROPOSITION: La composition des applications est associative. Cest-`a-dire que si
h : X Y , g : Y Z et f : Z W sont trois applications, alors (f g) h = f (g h)
(que lon note donc simplement f g h).
Demonstration: En eet x X, (f (g h)(x) = f((g h)(x)) = f(g(h(x))) et
((f g) h)(x) = (f g)(h(x)) = f(g(h(x))) sont bien egaux.
Exemples : Si f est donnee par x
1
x
2
1
de R+1, 1 dans R et g est donnee par
x x
2
+ 1 de R dans R; alors g f est une application de R +1, 1 dans R decrite
par g f(x) = (
1
x
2
1
)
2
+ 1.
Si f est la symetrie du plan par rapport au point O, alors f f = id

.
Il est souvent interessant de decomposer une application (par exemple pour calculer
sa derivee) ; par exemple lapplication denie par f(x) :=
_
e
cos(x)
+ 1
_
3
se decompose en
f = g h k o` u k(x) = cos(x), h(x) = e
x
et g(x) = (x + 1)
3
.
11
Il est naturel, disposant dune fonction f detudier les equations du type : f(x) = f(y)
ou encore y = f(x). Cela conduit `a la notion dapplication injective ou surjective.
Denition: Une application f : X Y est injective si (pour tout x, y X) legalite
f(x) = f(y) entrane x = y. En dautres termes tout element de Y a au plus un antecedent
ou encore est limage dau plus un element de X.
Exemple : les fonctions x x+2 (de R dans R) et x log(x) (de R

+
dans R) sont
injectives mais les fonctions x x
2
et x sin(x) de R dans R ne sont pas injectives.
Denition: Une application f : X Y est surjective si, pour tout y Y il existe
x X tel que y = f(x). En dautres termes tout element de Y a au moins un antecedent.
Exemple : La fonction f denie par f(x) = x + 2 de R dans R est surjective. La
fonction denie par g(x) = x
2
de R dans R nest pas surjective. Par contre la meme
fonction consideree de R dans R
+
est surjective. On voit donc quil faut bien preciser
ensemble de depart et darrivee pour parler de surjectivite et dinjectivite.
Remarque : considerons les memes fonctions mais sur des ensembles dierents. Les
fonctions x x
2
restreinte `a R
+
et x sin(x) `a lintervalle [

2
,

2
] sont injectives. La
fonction x x
2
consideree de R dans R
+
est surjective. On voit donc quil faut bien
preciser ensemble de depart et darrivee pour parler de surjectivite et dinjectivite.
Denition: Une application f : X Y est bijective si elle est `a la fois injective et
surjective. En dautres termes tout element de Y a exactement un antecedent.
Exemple : La fonction f de R dans R donnee par x x + 2 est une bijection ; de
meme la fonction x log(x) est une bijection de R

+
dans R.
Lorsque f : X Y est une bijection, on peut denir une application de Y dans X
par la loi qui `a y associe lunique element x tel que y = f(x) (le fait que f soit bijective
garantit exactement lexistence et lunicite dun tel x).
Denition: On appelle bijection reciproque dune bijection f et on note f
1
lapplication
caracterisee par : x = f
1
(y) y = f(x). Il est clair que f
1
est aussi une bijection.
Exemple : la bijection reciproque de x x+2 est donnee par x x2. La bijection
reciproque de x log(x) de R

+
dans R est la fonction x exp(x) de R dans R

+
. La
symetrie par rapport `a un point du plan est sa propre bijection reciproque.
Denition: Soit f : E F une application.
i) Si A est une partie de E on appelle image directe de A par f et on note f(A)
lensemble :
f(A) := y F [ x A, f(x) = y
ii) Si B est une partie de F on appelle image reciproque de B par f et on note f
1
(B)
lensemble :
f
1
(B) := x E [ f(x) B
Remarques : On prendra bien garde `a ne pas confondre lapplication f
1
: T(F)
T(E) ainsi denie (qui existe pour toute fonction f) avec la bijection reciproque f
1
:
F E (qui nexiste que si f est bijective).
12
On pourra verier en exercice que :
(i) f est surjective si et seulement si F = f(E)
(ii) f est injective si et seulement si f : E f(E) est une injection.
PROPOSITION: Soit f : E F une application, on a les formules suivantes
(i) Pour toutes parties A, B de E
f(A B) = f(A) f(B) , A B f(A) f(B) et f(A B) f(A) f(B)
(les deux derniers ensembles sont, en general, distincts).
(ii) Pour toutes parties A, B de F, on a f
1
(AB) = f
1
(A)f
1
(B) , f
1
(AB) =
f
1
(A) f
1
(B) , A B f
1
(A) f
1
(B) et egalement f
1
(
CF
A) =
CE
f
1
(A)
Demonstration: Supposons y f(A B) cest-`a-dire y = f(x) avec x A B soit
encore x A ou x B ; alors y = f(x) f(A) ou y = f(x) f(B) donc y = f(x)
f(A)f(B) ; ainsi f(AB) f(A)f(B). Si maintenant y f(A)f(B) alors y = f(x

)
avec x

A ou bien y = f(x

) avec x

B donc il existe x A B (egal `a x

ou x

) tel
que y = f(x) donc y f(A B) et f(A) f(B) f(A) f(B) et nalement legalite des
deux ensembles.
Supposons y f(A B), alors y = f(x) avec x A B donc x A et y = f(x)
f(A) mais aussi x B donc y = f(x) f(B) ; on peut conclure y f(A) f(B) et
f(A B) f(A) f(B). Lexemple suivant montre quon na pas en general egalite :
prenons E := a, b, F := c, f(a) = f(b) = c, A := a et B := b. Alors =
f(A B) ,= f(A) f(B) = c.
Pour changer un peu raisonnons par equivalence : x f
1
(A B) equivaut `a f(x)
A B, qui equivaut `a f(x) A ou f(x) B, qui equivaut `a x f
1
(A) ou x f
1
(B) ,
qui equivaut `a x f
1
(A) f
1
(B). Ainsi on a bien f
1
(A B) = f
1
(A) f
1
(B).
On fait de meme avec lintersection ; enn x f
1
(
CF
A) equivaut `a f(x)
CF
A, qui
equivaut `a f(x) / A ou encore non(f(x) A), qui equivaut `a non(x f
1
(A)) equivaut
`a x
CE
f
1
(A) ; do` u legalite f
1
(
CF
A) =
CE
f
1
(A).
2.3 RELATION DORDRE ET DEQUIVALENCE
Une relation sur un ensemble E est un enonce 1(x, y) (ou x1y) `a deux variables : si
1(x, y) est vrai on dira que x est relie `a y par la relation 1. Les deux exemples les plus
importants sont les relations dordre et dequivalence. Une relation dordre etablit une r`egle
de comparaison entre tous ou certains des elements : par exemple dans un dictionnaire
les mots sont classes suivant une certaine loi, on peut classer les habitants dun pays par
ordre croissant dage. Une relation dequivalence regroupe les elements dun ensemble par
des proprietes mutuellement exclusives. Par exemple on peut regrouper ensemble les mots
commencant par la meme lettre, on peut separer les habitants dun pays dapr`es leur sexe,
leur annee de naissance etc...
2.3.1 Relation dordre.
Denition: Une relation dordre sur un ensemble E est une relation 1 telle que :
13
(i) (Reexivite) Pour tout x E on a x 1 x.
(ii) (Transitivite) Si x 1 y et y 1 z alors x 1 z
(iii) (Antisymetrie) Si x 1 y et y 1 x alors x = y.
Remarques : ces proprietes correspondent aux proprietes de la relation etre plus
petit que, ou egal. En fait en mathematique la phrase etre plus petit que doit presque
toujours sinterpreter comme etre plus petit ou egal `a. Si lon veut ajouter que les
elements sont distincts on dira etre strictement plus petit.
Exemples : Les ensembles N, Z, Q, R sont tous munis dune relation dordre que
lon peut decrire par : x y si et seulement si y x est positif (ou nul). Si x y et x ,= y
on ecrit x < y. La notion dordre permet de caracteriser les intervalles :
Denition: Soit E lun des ensembles N, Z, Q ou R. Un intervalle est un sous-ensemble
I tel que, si x, y I et x z y alors z I.
Par contre lensemble C na pas de relation dordre naturelle et la notion dintervalle
ny a pas de sens ; on peut neanmoins denir par exemple un ordre lexicographique ainsi
(rappelons que tout nombre complexe secrit de mani`ere unique x +iy avec x, y reels) :
decr`etons que x +iy 1 x

+iy

si et seulement si x < x

ou x = x

et y y

(comme
pour classer les mots dans un dictionnaire, on compare dabord les premi`eres lettres et, si
elles sont egales on compare les secondes lettres et ainsi de suite).
La relation dinclusion est aussi une relation dordre ; en eet on a bien F F pour
tout ensemble F ; si E F et F G alors E G et enn si E F et F E alors
E = F.
Il y a une dierence importante entre les premiers exemples et ce dernier : dans les
premiers cas deux elements sont toujours comparables ; parmi deux elements lun est plus
petit que lautre. Par contre deux ensembles ne sont pas necessairement comparables : si
E := 0, 1, 2, 3 et F := 0, 1, 4 alors on a E , F et F , E. Ceci sugg`ere la denition
suivante: un ordre 1 sur un ensemble E est dit total (ou encore lensemble E totalement
ordonne) si deux elements sont toujours comparables i.e. si :
x, y E, x 1 y ou y 1 x
Par exemple : la relation sur lensemble N denie par x [ y si et seulement si x divise y
(ou encore y est un multiple entier de x) est une relation dordre (verication laissee en
exercice) mais ce nest pas un ordre total ; en eet 5 ne divise pas 6 et 6 ne divise pas 5.
Si f : X Y est une application entre deux ensembles ordonnes par les relations
il est naturel de se demander si f preserve lordre :
Denition: Une application f est croissante si pour tout x, y dans lensemble de depart
de f, la relation x y entrane f(x) f(y). Si x y entrane f(y) f(x) on dit que f
est decroissante (ou renverse lordre). On dit que f est monotone si elle est croissante ou
decroissante.
Exemples : Les fonctions de R dans R donnee par x 2x 3 ou x exp(x) sont
croissantes, lapplication donnee par x 4x + 1 est decroissante, lapplication donnee
par x sin(x) nest pas monotone (sur R).
14
Soit f : E F une fonction, alors les applications A f(A) (de T(E) dans T(F))
et B f
1
(B) (de T(F) dans T(E)) sont toutes deux croissantes (si T(E) et T(F) sont
ordonnes par linclusion).
Limportance pratique des fonctions croissantes (ou decroissantes) est quelles permet-
tent de transformer des inegalites ; par exemple :
x y
3
z
2
exp(
x y
3
) exp(z
2
) 4 exp(
x y
3
) + 1 4 exp x(z
2
) + 1
Nous verrons que la methode la plus puissante pour voir si une fonction (de R dans R)
est monotone est le calcul dierentiel. En eet nous demontrerons au chapitre 14 quune
fonction derivable sur un intervalle est monotone si et seulement si sa derivee est de signe
constant (resultat admis en terminale).
2.3.2 Plus grand element, borne superieure.
Une des traductions les plus frequentes dun probl`eme est la recherche dun minimum
ou dun maximum : si lon veut placer son argent on cherchera naturellement `a le placer
de mani`ere `a obtenir un rendement maximum ; pour se deplacer dun point `a un autre
on cherche le chemin le plus court ; ayant construit (ou dessine) un pont il est important
de connatre le poids maximal quil peut supporter ; de nombreux probl`emes en physique
(ou chimie) peuvent se formuler ainsi : par exemple un rayon lumineux se reechit ou
se refracte en suivant un chemin minimal (principe de Fermat) ; un solide pose sur un
plan horizontal restera en equilibre seulement si son centre de gravite est situe dans une
position minimale.
Denition: Soit (E, ) un ensemble ordonne, un element y de E est le plus grand
element de E si tous les autres elements sont plus petits, cest-`a-dire si x E, x y.
Remarque : il y a bien s ur une denition analogue du plus petit element.
Exemples : Le plus petit element de N est 0 mais N na pas de plus grand element.
Considerons la relation dinclusion sur lensemble T(E) ; ce nest pas un ensemble totale-
ment ordonne mais il a un plus petit element : lensemble vide et un plus grand element :
lensemble E.
Considerons maintenant un sous-ensemble F dun ensemble ordonne E ; il est souvent
interessant de connatre un element de E qui est plus grand que tous les elements de F ;
on peut aussi chercher un tel element le plus petit possible. Cest le but des denitions
suivantes :
Denition: Soit F E un sous-ensemble dun ensemble ordonne, un element M de E
est un majorant de F si pour tout x dans F on a x M. Le plus petit des majorants de
F (sil existe) sappelle la borne superieure de F (dans E).
On peut bien s ur denir de la meme facon un minorant et la borne inferieure comme
le plus grand des minorants.
Exemples : Soit N R, tout nombre reel negatif est un minorant de N et sa borne
inferieure est donc 0 (qui est aussi le plus petit element de N).
15
Soit E := [0, 1[ R lintervalle des nombres reels positifs et strictement plus petits
que 1. Il est clair que 0 est la borne inferieure de E (et son plus petit element) et que 1
est sa borne superieure bien que E nait pas de plus grand element.
Soit F := x Q [ x <

2 considere comme sous-ensemble de Q, alors F admet des


majorants (par exemple 2 ou
3
2
) mais pas de borne superieure. En eet, si elle existait,
la borne superieure m de F verierait m
2
2 et 2 m
2
donc m
2
= 2, mais ceci est
impossible (voir par exemple le chapitre 5). Bien s ur le meme ensemble F, considere
comme sous-ensemble de R admet

2 comme borne superieure.
Une caracterisation commode de la borne superieure dun ensemble de reels est la
suivante :
PROPOSITION: Un reel M est la borne superieure dun ensemble E R si et
seulement si :
(i) x E, x M
(ii) > 0, x E, M x
Demonstration: En eet la premi`ere propriete dit que M est un majorant et la
seconde que cest le plus petit des majorants : si m est un majorant de E on voit que
> 0, M m et donc M m.
En fait nous verrons quune propriete tr`es importante de R est que tout sous-ensemble
(non vide) majore admet une borne superieure ; cette derni`ere propriete est fausse dans
lensemble Q..
2.3.3 Relation dequivalence.
Denition: Une relation dequivalence sur un ensemble E est une relation 1 telle que :
(i) (Reexivite) Pour tout x E on a x 1 x.
(ii) (Transitivite) Si x 1 y et y 1 z alors x 1 z
(iii) (Symetrie) Si x 1 y entrane y 1 x.
Exemples : Sur lensemble N la relation x 1 y si x y est pair denit une relation
dequivalence.
Denition: La classe dequivalence dun element x est lensemble des elements qui lui
sont relies par 1 :
C(x) := y E [ x 1 y
Remarque : Les classes dequivalence forment une partition de E, i.e. on peut ecrire E
comme union disjointe de classes dequivalence. En eet si x, x

E ou bien C(x)C(x

) =
ou bien C(x) = C(x

) (si y C(x) C(x

) alors y1x et y1x

entrane x1x

).
Denition: Lensemble des classes dequivalence de E pour la relation 1 sappelle
lensemble quotient de E par 1 et se note E/1.
Commentaire : il sagit dune notion delicate qui permet de nombreuses constructions :
lensemble Z est construit `a partir de N comme le quotient de N N par la relation
16
dequivalence (x, y)1(x

, y

) x +y

= x

+y et lensemble Q est construit `a partir de Z


comme le quotient de Z(Z0) par la relation dequivalence (x, y)1(x

, y

) xy

= x

y.
Le seul exemple densemble quotient que nous approfondirons est le suivant : Soit n
un entier 1, considerons la relation dequivalence suivante sur Z :
x1
n
y n divise x y
Cette relation sappelle relation de congruence modulo n et se note souvent (Cf chapitre
5) x y mod n. Lensemble quotient est un ensemble `a n elements : les classes de
0, 1, . . . , n 1 et se note dhabitude Z/nZ.
2.4 CARDINAUX ET ENTIERS NATURELS
La notion de cardinal est probablement la premi`ere notion mathematique abstraite : il
y a quelque chose de commun `a trois carottes et trois etoiles, cest le nombre de ces objets.
Lidee de nombre entier est en fait issue de cette intuition. Avec les notions introduites
precedemment on voit que deux ensembles ont meme cardinal si on peut les mettre en
bijection. Ainsi un nombre entier un cardinal apparat comme une classe dequivalence
densembles. Ces denitions qui peuvent paratre pedantes (et le sont) quand on parle de
cardinaux nis deviennent indispensables pour aborder les cardinaux innis, cest-`a-dire
pour parler du nombre delements dun ensemble inni.
2.4.1 Ensembles et cardinaux nis
Denition: Deux ensembles ont meme cardinal si il existe une bijection entre les deux
ensembles. On dit aussi quils sont equipotents.
Il sagit bien de la traduction mathematique de avoir le meme nombre delements ;
mais cette intuition correspond en fait au cas des ensembles nis et pour les ensembles
innis, la denition mathematique est la seule qui permette de raisonner.
Cardinaux nis : un entier naturel est le cardinal dun ensemble ni. Par exemple
card() = 0, card() = 1, card(, ) = 2 etc... De mani`ere plus parlante, si a, b, c, d
sont des elements distincts carda = 1, carda, b = 2 et carda, b, c, d = 4.
Un ensemble est donc ni et de cardinal n si et seulement si il est en bijection avec
lensemble 0, 1, . . . , n 1.
Une propriete tr`es importante des ensembles nis (qui en fait les caracterise) est la
suivante :
TH

EOR
`
EME: Soient E et F des ensembles nis de meme cardinal ; soit f une
application de E dans F alors les proprietes suivantes sont equivalentes :
(i) Lapplication f est bijective.
(ii) Lapplication f est injective.
(iii) Lapplication f est surjective.
Demonstration: Appelons n le cardinal de E. Pour que f soit surjective il faut et il
sut que f(E) ait n elements, mais card(f(E)) card(E) avec egalite si et seulement si
17
f est injective. On conclut que (ii) equivaut `a (iii) ; par ailleurs (i) equivaut par denition
`a (ii) et (iii) do` u le theor`eme.
Remarque : On voit en particulier que si x E et E est ni alors E x nest pas
en bijection avec E. Ceci est une caracterisation des ensembles nis.
Une autre application simple des ensembles nis est le principe des tiroirs ; si on range
n + 1 chaussettes dans n tiroirs, lun (au moins) des tiroirs contiendra deux chaussettes
(on laisse la preuve en exercice).
Il est naturel, sachant quune ensemble est ni de chercher `a determiner son cardi-
nal (un entier naturel). On appelle combinatoire cette partie des mathematiques. Voici
quelques resultats utiles.
TH

EOR
`
EME: Soient E et F des ensembles nis de cardinaux m et n respectivement,
alors :
(i) card(E) + card(F) = card(E F) + card(E F)
(ii) card(E F) = mn
(iii) Soit T(E, F) lensemble des applications de E vers F alors card(T(E, F)) = n
m
.
En particulier card(T(E)) = 2
m
.
(iv) Le nombre dinjection de E dans F est 0 si m > n et n(n1)(n2) . . . (nm+1)
si m n.
(v) Lensemble des bijections de F vers F a pour cardinal n! = n(n 1)(n 2) . . . 2.1
Demonstration: (i) Commencons par observer que dans le cas plus facile o` u EF = ,
la formule est evidente ; en eet si X = A B avec A B = alors card(X) = card(A) +
card(B). Revenons au cas general et posons E

:= E (E F), alors E F est union


disjointe de F et E

donc card(E F) = card(F) + card(E

). Mais E est union disjointe


de E

et E F donc on a aussi : card(E) = card(E

) +card(E F) et on tire de ces deux


egalites la formule : card(E) + card(F) = card(E F) + card(E F)
(ii) On peut ecrire E F =
xE
x F ; or ces ensembles sont disjoints donc on a
card(E F) =

xE
card(x F). Mais F est en bijection avec chacun des ensembles
x F par lapplication y (x, y) donc card(x F) = n et card(E F) =

xE
n =
mn.
(iii) Pour construire une fonction de E = a
1
, a
2
, . . . , a
m
vers F il faut choisir f(a
1
)
(il y a n choix possibles), f(a
2
) (il y a n choix possibles),. . . etc. Il y a donc nn. . . n = n
m
fonctions de E vers F.
Soit A un sous-ensemble de E, on lui associe la fonction f
A
: E 0, 1 denie par
f
A
(x) = 1 si x A et f
A
(x) = 0 si x / A (la fonction f
A
sappelle la fonction caracteristique
de A). On obtient ainsi une bijection entre T(E) et T(E, 0, 1) (la bijection reciproque est
donnee par f x E [ f(x) = 1). On conclut que card(T(E)) = card(0, 1)
m
= 2
m
.
(iv) Tout dabord, il est clair que si card(E) > card(F) il nexiste aucune injection de
E dans F. Si maintenant E = a
1
, a
2
, . . . , a
m
et m n, pour construire une application
injective de E dans F on doit choisir f(a
1
) F (il y a n choix possibles) puis f(a
2
)
F f(a
1
) (il y a n1 choix possibles) puis f(a
3
) F f(a
1
), f(a
2
) (il y a n2 choix
possibles) et ainsi de suite. On obtient donc bien en tout n(n 1)(n 2) . . . (n m + 1)
injections.
18
(v) Si E = F est ni on sait quune fonction de E dans F est bijective si et seulement
si elle est injective donc dapr`es le resultat precedent il y a n(n1)(n2) . . . (nn+1) = n!
bijections.
Introduisons maintenant une notation tr`es utile en combinatoire :
Denition: Soit F un ensemble de cardinal n et soit 0 p n, le nombre de parties
de F ayant p elements se note C
p
n
ou
_
n
p
_
.
TH

EOR
`
EME: On a les formules suivantes :
(i) C
p
n
=
n(n1)(n2)...(np+1)
p!
=
n!
p!(np)!
(ii) C
p
n
= C
np
n
(iii) C
p
n
= C
p
n1
+C
p1
n1
Demonstration: (i) Un sous-ensemble ` a p elements de F est donne `a permutation
pr`es de ses elements (il y a p! permutations dapr`es le theor`eme precedent) par une in-
jection de 0, 1, 2, . . . , p dans F ; il y a n(n 1)(n 2) . . . (n p + 1) injections et donc
n(n1)(n2)...(np+1)
p!
parties `a p elements.
Demontrons maintenant les deux proprietes (ii) et (iii). On peut bien s ur demontrer
ces formules en utilisant la formule C
p
n
=
n!
p!(np)!
(veriez-le `a titre dexercice) mais nous
trouvons plus instructive une demonstration en termes densembles `a partir de la denition
des C
p
n
.
(ii) Soit E un ensemble de cardinal n. Lapplication A
CE
A denit une bijection
entre lensemble des parties de E `a p elements et lensemble des parties de E `a n p
elements, do` u la formule (ii).
(iii) Soit E un ensemble de cardinal n et soit x E. Lensemble des parties de E `a p
elements se repartit en deux sous-ensembles disjoints : lensemble des parties `a p elements
de E contenant lelement x et lensemble des parties `a p elements de E ne contenant pas
lelement x. Le premier est en bijection avec lensemble des parties `a p 1 elements de
E x qui a pour cardinal C
p1
n1
, et le second est en bijection avec lensemble des parties
`a p elements de E x qui a pour cardinal C
p
n1
, do` u le resultat cherche.
Remarque : Si lon ecrit dans un tableau les coecients C
p
n
(o` u n sera le numero de la
ligne et p le numero de la colonne), les proprietes (i) et (ii) se traduisent par la symetrie de
chaque ligne et en observant que chaque coecient est la somme de deux coecients de la
ligne precedente : celui situe juste au-dessus et son predecesseur. Ces remarques permet-
tent dailleurs de calculer tr`es facilement les premiers coecients. Ce tableau sappelle le
triangle de Pascal (bien quil ait ete connu par exemple des mathematiciens arabes avant
sa redecouverte par Pascal).
19
Les coecients C
p
n
pour 0 p n 7 :
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
1 6 15 20 15 6 1
1 7 21 35 35 21 7 1
2.4.2 Ensembles innis, N et principe de recurrence.
Nous ne donnerons pas de construction de lensemble N bien que celle-ci puisse se faire
dans le cadre de la theorie des ensembles. Il faut pour cela introduire laxiome dexistence
dun ensemble inni. Quelque soit la presentation, lensemble des entiers naturels est
le premier ensemble inni quon rencontre. Il peut etre caracterise par lexistence dun
element initial (zero) et pour chaque element n dun successeur n+1 (distinct de 0, 1, . . . , n)
et pour chaque element dierent de zero dun predecesseur ainsi que par le principe de
recurrence.
Nous supposons connu donc lensemble :
N := 0, 1, 2, 3, 4, 5, . . .
Il est muni dune loi daddition et de multiplication et dun ordre ; une loi moins evidente
qui le caracterise essentiellement est la suivante :
TH

EOR
`
EME: (principe de recurrence) Soit S un sous-ensemble de N contenant 0 et
tel que :
n N, n S (n + 1) S
alors S = N.
Lutilite du theor`eme est de permettre de verier une propriete T(n) pour tout entier
naturel n en montrant que T(n) T(n + 1) et en veriant T(0).
Exemple : Demontrons que
n

i=0
i =
n(n + 1)
2
Pour cela appelons T(n) cette formule et S := n N [ T(n). On voit tout de suite que
T(0) est vrai car 0 = 0 ; supposons donc T(n) vrai et demontrons donc T(n + 1) `a partir
de T(n) :

n+1
i=0
i =

n
i=0
i +(n +1) qui dapr`es T(n) vaut
n(n+1)
2
+(n +1) =
(n+1)(n+2)
2
soit donc :

n+1
i=0
i =
(n+1)(n+2)
2
ce qui est bien T(n+1). Le theor`eme permet de conclure
que S = N ce qui signie bien que pour tout entier n la formule T(n) est vraie.
20
Exercice : demontrer de la meme mani`ere les formules suivantes :
n

i=0
i
2
=
n(n + 1)(2n + 1)
6
n

i=0
i
3
=
_
n(n + 1)
2
_
2
Pouvez-vous trouver (et prouver) une formule semblable pour
n

i=0
i
4
?
TH

EOR
`
EME: Lensemble N est inni.
Demonstration: Le contraire serait surprenant, mais donnons neanmoins la demons-
tration compl`ete. Considerons lensemble N

:= N 0 et lapplication de N vers N

denie par n n + 1. Cest une bijection (verication facile) mais nous avons vu quun
ensemble ni ne peut pas etre en bijection avec lui-meme moins un element donc N est
bien inni.
La theorie des ensembles permet de construire `a partir de N les ensembles Q, R et
C. Nous ne developperons pas ces constructions mais signalons quil y a beaucoup plus de
nombres reels que de nombres entiers ou rationnels et en particulier quil existe plusieurs
innis.
Denition: Un ensemble X est denombrable sil existe une injection de X dans N. Il
revient au meme de dire que X est en bijection avec un sous-ensemble de N.
TH

EOR
`
EME: (Cantor) Lensemble Q est denombrable. Lensemble R nest pas
denombrable.
Demonstration: Si R etait denombrable, lintervalle [0, 1] le serait egalement. On
pourrait donc ecrire [0, 1] = x
1
, x
2
, . . . , x
n
, . . .. Notons x
n
= 0, a
(n)
1
a
(n)
2
. . . a
(n)
m
. . . le
developpement decimal de x
n
. Pour chaque n 1, on peut choisir un chire b
n
tel que
b
n
,= a
(n)
n
et fabriquer le nombre reel x := 0, b
1
b
2
. . . b
m
. . .. On voit alors immediatement
que, pour tout n, on a x ,= x
n
, ce qui contredit lhypoth`ese initiale.
Un peu dhistoire :
Le theor`eme de Cantor arme donc quil y a beaucoup plus de nombres reels que
de nombres rationnels, en dautre termes il nexiste pas de bijection entre Q et R. Intro-
duisons une denition : un nombre reel est dit algebrique sil est racine dun polynome `a
coecients dans Q (ainsi 1+

5,
3
_
4 +
5

2 sont des nombres algebriques) ; il est dit tran-


scendant sil nest pas algebrique. Lexistence de nombres transcendants nest pas evidente
et historiquement ils ont ete decouverts dans lordre suivant :
Liouville montre en 1844 quil existe des nombres transcendants ; par exemple les
nombres du type 0, 10 . . . 010 . . . 010 . . . o` u, `a chaque fois, la suite de zeros est beaucoup
plus longue que la precedente, sont transcendants.
21
Hermite prouve en 1873 que le nombre e (base du logarithme neperien) est transcen-
dant. Il est tr`es dicile de demontrer quun nombre donne est transcendant et cest le
premier nombre naturel pour lequel cela a ete demontre.
Cantor etablit en 1874 que presque tous les nombres sont transcendants. En eet
lensemble des nombres algebriques a le meme cardinal que Q (ou N).
Lindemann montre en 1882, en adaptant la methode de Hermite, que est transcen-
dant. Ce resultat ach`eve de demontrer limpossibilite de la quadrature du cercle.
Pascal Blaise (16231662)
22
CHAPITRE 3 GROUPES, STRUCTURES ALG

EBRIQUES
La formalisation des structures algebriques groupes, anneaux, corps, espaces vec-
toriels est relativement recente mais lidee est presente partout dans les sciences et en
particulier en mathematique. Il sagit grosso modo dextraire des r`egles operatoires, valables
independemment de la nature des objets consideres. Par exemple les r`egles pour faire la
somme de deux nombres, la somme de deux vecteurs du plan ou la composition de deux
rotations sont les memes. Lidee sous-jacente `a la notion de groupe est celle de la symetrie ;
cest pourquoi nous choisissons detudier dans une premi`ere partie les symetries de quelques
gures simples avant dintroduire formellement la denition de groupe.
3.1 SYM

ETRIES ET GROUPES.
Considerons une gure simple comme un rectangle (avec sa largeur dierente de sa
longueur) :
On distingue deux axes de symetrie : laxe horizontal L
1
et laxe vertical L
2
; on voit
quon peut aussi appliquer le rectangle sur lui-meme en le faisant pivoter dun demi-tour
autour du point O (on peut aussi interpreter cela par une symetrie par rapport au point
O). On admettra que ce sont les seules transformations (avec lidentite!) qui appliquent
le rectangle sur lui-meme en respectant les formes.
On verie sans peine les faits suivants :
1) Appliquer deux fois la meme transformation revient `a appliquer lidentite
2) Appliquer la symetrie s
1
par rapport `a L
1
puis la symetrie s
2
par rapport `a L
2
revient `a appliquer la symetrie s
O
par rapport `a O ; en fait appliquer deux de ces trois
symetries revient `a appliquer la troisi`eme (lordre etant indierent).
On peut regrouper cela dans un tableau o` u lon inscrit dans la ligne de lelement s et
la colonne de lelement t la composee s t :
id s
O
s
1
s
2
id id s
O
s
1
s
2
s
O
s
O
id s
2
s
1
s
1
s
1
s
2
id s
O
s
2
s
2
s
1
s
O
id
Considerons maintenant un carre :
Les transformations qui appliquent le carre sur lui-meme, en respectant les formes,
sont maintenant :
23
Les symetries par rapport `a laxe horizontal L
1
et `a laxe vertical L
2
(que nous noterons
s
1
et s
2
), les symetries par rapport `a la diagonale D
1
et `a la diagonale D
2
(que nous noterons
s
3
et s
4
), les rotations autour du point O faisant un quart de tour (que nous noterons r
1
),
un demi-tour (que nous noterons r
2
), trois quarts de tour (que nous noterons r
3
), et enn
bien s ur lidentite.
On veriera que : 1) Appliquer deux fois la meme symetrie ou la rotation dun demi-
tour revient `a appliquer lidentite ; mais appliquer deux fois la meme rotation dun quart
ou trois quarts de tour revient `a appliquer la rotation dun demi-tour. Toutefois appliquer
quatre fois la meme rotation dun quart ou trois quarts de tour revient `a appliquer lidentite.
2) Appliquer la symetrie par rapport `a L
1
puis la symetrie par rapport `a L
2
revient
`a appliquer la rotation dun demi-tour ; en fait appliquer deux des trois symetries revient
`a appliquer une des rotations, appliquer une des rotations et une des symetries revient `a
appliquer une des symetries. Toutefois, lordre nest pas cette fois indierent : par exemple
s
1
s
3
= r
3
,= r
1
= s
3
s
1
.
On peut regrouper cela dans un tableau o` u lon inscrit dans la ligne de lelement s et
la colonne de lelement t la composee s t :
id r
1
r
2
r
3
s
1
s
2
s
3
s
4
id id r
1
r
2
r
3
s
1
s
2
s
3
s
4
r
1
r
1
r
2
r
3
id s
3
s
4
s
2
s
1
r
2
r
2
r
3
id r
1
s
2
s
1
s
4
s
3
r
3
r
3
id r
1
r
2
s
4
s
3
s
1
s
2
s
1
s
1
s
4
s
2
s
3
id r
2
r
3
r
4
s
2
s
2
s
3
s
1
s
4
r
2
id r
1
r
2
s
3
s
3
s
1
s
4
s
2
r
1
r
3
id r
2
s
4
s
4
s
2
s
3
s
1
r
3
r
1
r
2
id
Observons experimentalement quelques faits : tous les elements apparaissent une et une
seule fois dans chaque ligne et colonne ; dans le premier tableau, lordre dans lequel on
compose des elements nimporte pas ; dans le second tableau, lordre est important, mais
une chose est preservee : si on veut faire le produit : s t u alors on sait quil nest pas
necessaire de mettre les parenth`eses, cest-`a-dire que (s t) u = s (t u).
Nous venons de decortiquer larchetype dun groupe ; de mani`ere generale :
Lensemble des transformations preservant une gure forme un groupe.
Pour voir linteret de denitions plus abstraites, essayez de donner une description des
48 transformations preservant un cube.
3.2 GROUPES, EXEMPLES
Denition: Une loi de composition sur un ensemble E est une application de E E
vers E.
Exemples : La plupart des operations usuelles sont des lois de composition : laddition
ou la multiplication sont des lois de composition sur N,Z,Q,R ou C ; la soustraction denit
une loi de composition sur Z,Q,R ou C (mais pas sur N) ; lapplication de T(E, E)
T(E, E) vers T(E, E) denie par (f, g) f g est aussi une loi de composition.
24
Denition: Un groupe est la donnee dun ensemble G et dune loi de composition
(x, y) x y telle que :
(i) (element neutre) Il existe e dans G tel que pour tout x dans G on a ex = xe = x.
(ii) (associativite) Pour tout x, y, z dans G on a : (x y) z = x (y z).
(iii) (element inverse) Pour tout x dans G il existe x

dans G tel que : xx

= x

x = e.
Si de plus pour tout x, y dans G on a : xy = yx, on dit que la loi est commutative
et que le groupe (G, ) est commutatif.
Convention : pour calculer dans un groupe, on omettra souvent le signe et on ecrira
gh au lieu de g h.
Exemples : 1) Lensemble des transformations du rectangle (respectivement du carre)
avec la loi de composition naturelle forme un groupe de cardinal 4 (respectivement 8). Le
premier groupe est commutatif, le second ne lest pas.
2) Les ensembles Z,Q,R et C, munis de laddition sont des groupes (noter que (N, +)
ne verie pas (iii)). Les ensembles Q

,R

ou C

munis de la mutiplication sont des groupes


(noter que (Z 0, ) ne verie pas (iii)). Tous ces groupes sont commutatifs.
3) Soit E un ensemble et soit o(E) lensemble des bijections de E vers E ; soit la loi
de composition naturelle de deux bijections, alors (o(E), ) est un groupe. En particulier
lensemble des bijections de 1, 2, 3, . . . , n vers lui-meme, muni de la composition des
applications, forme un groupe quon note o
n
. Cest un groupe avec n! elements, on lappelle
le groupe des permutations sur n elements.
Denition: Un sous-groupe H dun groupe (G, ) est un sous-ensemble de G tel que la
loi restreinte `a H H denisse une loi interne qui donne une loi de groupe sur H.
Ainsi un sous-groupe est stable pour la loi (cest-`a-dire que si x, y H alors x y
H), lelement neutre e appartient `a H et si x H alors x
1
H. Remarquons quil est
inutile de verier lassociativite : puisque x, y, z G, (xy)z = x(yz), il est clair quon a
x, y, z H, (xy)z = x(yz). En fait on peut meme raccourcir ces verications :
PROPOSITION: Soit H un sous-ensemble dun groupe G, cest un sous-groupe si et
seulement si il satisfait :
(i) e H
(ii) x, y H entrane xy
1
H.
Demonstration: Ces conditions sont necessaires. Reciproquement, supposons les
proprietes (i) et (ii) veriees et montrons qualors H est un sous-groupe. Si y H alors
ey
1
= y
1
H; si x est egalement dans H alors xy = x(y
1
)
1
H donc H est bien un
sous-groupe.
Exemples :
1) Lensemble
n
des racines complexes de lequation X
n
= 1, muni de la multipli-
cation des nombres complexes forme un sous-groupe de C

: en eet si z, z


n
alors
(z/z

)
n
= z
n
/z
n
= 1 donc z/z


n
.
2) Lensemble nZ := nx [ x Z muni de laddition est un sous-groupe de Z. Nous
verrons au chapitre 5 que ce sont les seuls sous-groupes de Z.
25
3) Lensemble des rotations preservant le carre secrit en reprenant les notations du
premier paragraphe id, r
1
, r
2
, r
3
et est un sous-groupe du groupe des transformations
preservant le carre.
4) les inclusions suivantes sont des inclusions de sous-groupes : Z Q R C (pour
la loi daddition) ; +1, 1 Q

(pour la loi de multiplication). Lensemble


R

+
(mais pas R

) est un sous-groupe de R ; le cercle z C [ [z[ = 1 est un sous-groupe


de C

.
Denition: Un homomorphisme de groupe est une application f : (G, ) (H, ) telle
que :
x, y G, f(x y) = f(x) f(y)
Si de plus f est une bijection, on dit que f est un isomorphisme de groupe et que G et H
sont isomorphes.
Exemples :
1) Considerons lapplication x x
n
. Cest un homomorphisme de Q

dans Q

(resp.
R

, resp. C

). Cette application donne un isomorphisme de groupe de R

+
dans R

+
(en
eet tout reel positif poss`ede une unique racine n-`eme positive, voir chapitre 4).
2) Soit G le groupe des transformations du carre ; soit E := A, B, C, D lensemble
des sommets du carre et H lensemble des bijections de E dans E. Toute transformation
du carre, preservant les formes, doit envoyer un sommet sur un sommet et donne donc une
bijection de E sur E. Lapplication qui `a un element s G associe sa restriction `a E est
un homomorphisme de groupes de G vers H.
3) Soit G un groupe et g un element de ce groupe, denissons par recurrence g
0
:= e
et g
n+1
:= gg
n
(pour n N) et enn g
n
:= (g
n
)
1
. Lapplication n g
n
de Z vers
G est un homomorphisme de groupes, cest-`a-dire que g
m+n
= g
m
g
n
. Remarquons que si
G est ni alors cette application nest pas injective et il existe donc un plus petit entier
positif et non nul d tel que g
d
= e.
Denition: Le plus petit entier d 1 tel que g
d
= e, sil existe, sappelle lordre de g,
sil nexiste pas on dit que g est dordre inni.
Par exemple, lelement 2 est dordre inni dans Q

alors que 1 est dordre 2 dans le


meme groupe.
Nous avons vu quil est important de savoir si une application est injective ou surjec-
tive. Dans le cas dhomomorphismes de groupes il existe un crit`ere simple qui necessite les
denitions suivantes :
Denition: Le noyau dun homomorphisme de groupe f : G H est lensemble
f
1
(e
H
) = g G [ f(g) = e
H
. On le note Ker(f) (`a cause de lallemand Kern).
Limportance du noyau vient du theor`eme suivant :
TH

EOR
`
EME: Un homomorphisme de groupe f : G H est injectif si et seulement
si Ker(f) = e
G
. Le noyau de f est toujours un sous-groupe de G.
Demonstration: En eet f(x) = f(y) equivaut `a f(x)f(y)
1
= e
H
ou encore
f(xy
1
) = e
H
, ce qui signie xy
1
Ker(f). Si Ker(f) = e
G
on voit que f(x) = f(y)
26
entrane xy
1
= e ou encore x = y donc f est injective. Si Ker(f) contient un element
g ,= e
G
alors f(g) = f(e
G
) = e
H
et f nest pas injective.
La deuxi`eme armation est facile : si x, y Ker(f) alors f(xy
1
) = f(x)f(y
1
) =
f(x)f(y)
1
= ee
1
= e donc xy
1
Ker(f).
Dans le paragraphe suivant nous etudions toutes les notions denies ici, sur lexemple
du groupe des permutations sur n elements.
3.3 LE GROUPE o
n
.
Un element s de o
n
est une permutation de lensemble 1, 2, 3, . . . , n et est donc
deni par la suite s(1), s(2), s(3), . . . , s(n). On doit aussi se souvenir que si i ,= j alors
s(i) ,= s(j). Lelement neutre sera note id. On notera en general une permutation par un
tableau :
s =
_
1 2 3 . . . n
s(1) s(2) s(3) . . . s(n)
_
Par exemple le groupe o
2
poss`ede 2 elements : id et t =
_
1 2
2 1
_
; le groupe o
3
poss`ede 6 elements : lidentite et les cinq permutations :
23
=
_
1 2 3
1 3 2
_
,
12
=
_
1 2 3
2 1 3
_
,
13
=
_
1 2 3
3 2 1
_
,
1
=
_
1 2 3
2 3 1
_
et
2
=
_
1 2 3
3 1 2
_
Le tableau de
la loi de groupe de o
3
est :
id
12

23

13

1

2
id id
12

23

13

1

2

12

12
id
1

2

23

13

23

23

2
id
1

13

12

13

13

1

2
id
12

23

1

1

13

12

23

2
id

2

2

23

13

12
id
1
On voit en particulier que o
3
nest pas commutatif.
Sur ces deux exemples on peut facilement denir le signe dune permutation : (id) =
+1 et (t) = 1 pour o
2
et ensuite (id) = (
1
) = (
2
) = +1 et (
12
) = (
23
) =
(
13
) = 1 pour o
3
. On verie facilement que est un homomorphisme de groupes (`a
valeurs dans le groupe `a deux elements +1, 1).
Pour etudier les groupes o
n
, commencons par y denir des elements particuli`erement
simples.
Denition: Un m-cycle ou cycle de longueur m dans o
n
est une permutation s de
lensemble E := 1, . . . , n qui laisse xes n m elements et permute circulairement les
autres. Plus precisement, il existe un sous-ensemble `a m elements I = i
1
, . . . , i
m
de E
tel que : si i / I alors s(i) = i mais s(i
k
) = i
k+1
(pour k = 1, . . . , m 1) et s(i
m
) = i
1
.
Lensemble I sappelle le support du cycle.
27
Une transposition est un cycle de longueur 2.
Nous noterons s = (i
1
, i
2
, . . . , i
m
) le cycle decrit dans la denition. Une transposition
ayant pour support i, j sera aussi notee
ij
(ce qui est coherent avec la notation dej`a
utilisee pour les elements de o
2
et o
3
).
Exemple : lelement t o
2
est une transposition, tout comme
12
,
13
,
23
o
3
. Les
elements
1
,
2
o
3
sont des 3-cycles. Par contre la permutation s =
_
1 2 3 4
2 1 4 3
_
nest pas un cycle. On peut verier que la permutation s

=
_
1 2 3 4 5 6 7
3 2 7 5 1 6 4
_
est
un cycle de longueur 5 et de support 1, 3, 7, 4, 5, cest-`a-dire que s

= (1, 3, 7, 4, 5).
TH

EOR
`
EME: Toute permutation se decompose de mani`ere unique (`a lordre pr`es) en
produit de cycles dont les supports sont deux `a deux disjoints.
Demonstration: On utilise une recurrence sur lentier n, larmation etant claire pour
n 3 (puisque toutes les permutations sont alors des cycles). Supposons donc lenonce
demontre pour les permutations de k elements avec k < n et considerons s o
n
. En regar-
dant la suite 1, s(1), s
2
(1) . . . on voit quil existe un plus petit entier m 1 tel que s
m
(1) = 1
(on nexclut pas que m = 1). Denissons lensemble I := 1, s(1), s
2
(1) . . . , s
m1
(1) et
le m-cycle r := (1, s(1), s
2
(1) . . . , s
m1
(1)) ; alors la permutation t := sr
1
laisse xe les
elements de I et pour i / I on a t(i) = s(i). La restriction de t `a J := 1, . . . , nI est donc
une permutation des elements de J que nous notons s

. Comme card(J) < n on sait (par


lhypoth`ese de recurrence) que s

= s

1
. . . s

r
avec s

i
des cycles de J `a supports disjoints.
Denissons s
i
o
n
par s
i
(j) = s

i
(j) si j J et s
i
(j) = j si j / I ; on voit qualors on a
t = s
1
. . . s
r
et par consequent s = s
1
. . . s
r
r. Ceci prouve lexistence de la decomposition
en cycles ; pour lunicite on observe que le cycle r est uniquement determine par s et que
par hypoth`ese de recurrence s

1
, . . . , s

r
(et par consequent s
1
, . . . , s
r
) sont uniques.
Voyons comment on obtient en pratique cette decomposition sur un exemple : Prenons
la permutation =
_
1 2 3 4 5 6 7
3 6 7 5 1 2 4
_
. On choisit un premier element disons 1 et
on calcule ses images successives par : on a (1) = 3,
2
(1) = (3) = 7,
3
(1) = (7) =
4,
4
(1) = (4) = 5 et
5
(1) = (5) = 1 et on obtient ainsi un premier cycle s

qui est le
5-cycle dans lexemple precedant le theor`eme. On prend alors un autre element qui nest
pas dans le suppport de s

, par exemple 2 et on recommence : (2) = 6,


2
(2) = (6) = 2.
on obtient ainsi la decomposition = s

26
.
Cette decomposition est tr`es utile pour calculer lordre dune permutation (si vous
navez jamais vu la notion de PPCM plus petit commun multiple consultez le chapitre
5) :
PROPOSITION: Soit s une permutation qui se decompose en le produit de r cycles
`a supports disjoints de longueurs m
1
, . . . , m
r
, alors lordre de la permutation s est egal au
PPCM(m
1
, . . . , m
r
).
Demonstration: Demontrons dabord que si la permutation s est un m-cycle, elle a
pour ordre m: il sut de le faire pour le cycle s = (1, 2, . . . , m). Or, si i > mon a s(i) = i et
28
donc s
m
(i) = i ; si maintenant 1 i m on a s
m
(i) = s
i
(s
mi
(i)) = s
i
(m) = s
i1
(1) = i
donc au total s
m
= id. Par ailleurs si 1 k m1 alors s
k
(1) = k +1 ,= 1 donc s
k
,= id ;
ainsi lordre de s est bien m.
Dans le cas general o` u s = s
1
. . . s
r
avec s
i
cycles de longueurs m
i
`a supports disjoints,
notons N := PPCM(m
1
, . . . , m
r
). Observons que, comme les s
i
commutent, on a s
k
=
s
k
1
. . . s
k
r
et que, dapr`es lunicite de la decomposition en cycles on a s
k
= id si et seulement
si s
k
1
= . . . = s
k
r
= id donc si et seulement si lordre de s
i
(cest-`a-dire m
i
) divise k donc si
et seulement si N divise k.
Exemples : considerons les deux permutations suivantes dans o
10
:
s =
_
1 2 3 4 5 6 7 8 9 10
4 10 6 8 9 3 1 7 2 5
_
, t =
_
1 2 3 4 5 6 7 8 9 10
2 3 4 5 1 7 8 6 10 9
_
alors les decompositions en cycles de s et t secrivent s = (1, 4, 8, 7)(2, 10, 5, 9)(3, 6) et
t = (1, 2, 3, 4, 5)(6, 7, 8)(9, 10) et donc ordre(s) = PPCM(4, 4, 2) = 4 et ordre(t) =
PPCM(5, 3, 2) = 30.
PROPOSITION: Tout cycle peut secrire comme produit de transpositions et donc
toute permutation peut secrire comme produit de transpositions.
Demonstration: Quitte `a changer de notation il sut de montrer que le cycle
s = (1, 2, . . . , m) secrit comme produit de transpositions. Or considerons le produit
s

=
12

23
. . .
i,i+1
. . .
m1,m
on verie que s

(m) =
12

23
. . .
m2,m1
(m 1) = . . . =

12

23
. . .
i,i+1
(i+1) = . . . =
12
(2) = 1 et que si i m1 alors s

(i) =
12

23
. . .
i,i+1
(i) =

12

23
. . .
i1,i
(i + 1) = i + 1 et nalement on a bien s = s

, ce qui ach`eve la preuve.


Remarque : la decomposition en produit de transpositions nest pas du tout unique
mais la parite du nombre de transposition ne change pas comme on pourra le verier `a
laide de la notion suivante.
Denition: Le signe dune permutation s o
n
est deni par le produit :
(s) =

1i<jn
s(j) s(i)
j i
Il est aise de verier que (s) +1, 1 et que le signe dune transposition est 1 ;
la principale propriete est la suivante :
PROPOSITION: Le signe est un homomorphisme de o
n
vers +1, 1. Son noyau
(lensemble des permutations paires que lon notera /
n
) est un sous-groupe de cardinal
n!
2
.
Demonstration: Pour montrer la premi`ere propriete, on calcule le signe du produit de
deux permutations s, t :
(st) =

1i<jn
st(j) st(i)
j i
=

1i<jn
_
st(j) st(i)
t(j) t(i)
__
t(j) t(i)
j i
_
=
=

1i<jn
s(j) s(i)
j i

1i<jn
t(j) t(i)
j i
= (s)(t)
29
Le signe dune transposition est 1 ; considerons lapplication s s. Cest une
application de /
n
vers o
n
/
n
qui est injective (car s = s

entrane s = s

) et surjective
(car (s) = s) donc bijective. Ainsi n! = card(o
n
) = card(/
n
) + card(o
n
/
n
) =
2card(/
n
).
Remarque : on voit donc (s) = +1 si s est le produit dun nombre pair de trans-
positions et (s) = 1 si s est le produit dun nombre impair de transpositions. Plus
generalement un cycle de longueur m aura donc un signe (1)
m+1
, ce qui donne une
methode de calcul du signe dune permutation connaissant sa decomposition en cycles.
3.4 STRUCTURE DANNEAU ET STRUCTURE DE CORPS.
Denition: Un anneau est la donnee dun ensemble A et de deux lois de composition
+ (addition) et (Multiplication) telles que :
(i) (A, +) est un groupe commutatif (dont on note lelement neutre 0 = 0
A
).
(ii) La loi est associative.
(iii) La loi poss`ede un element neutre (quon notera 1 = 1
A
)
(iv) La loi est distributive par rapport `a laddition :
x, y, z A, x (y +z) = (x y) + (x z) et (y +z) x = (y x) + (z x)
Si de plus la loi est commutative on dit que lanneau A est commutatif.
Remarquons que lon a toujours x 0 = 0 x = 0 dans un anneau ; en eet x 0 =
x (0 + 0) = x 0 +x 0 et donc (la loi + est une loi de groupe) x 0 = 0.
Denition: Un corps est un anneau tel que :
(v) Tout element x A 0
A
poss`ede un inverse.
Convention : Un anneau (ou un corps) est donc un triplet (A, +, ), lensemble A
sappelle lensemble sous-jacent `a lanneau ; toutefois on parle souvent de lanneau A en
sous-entendant les lois + et quand il est clair dans le contexte de quelles lois il sagit.
Exemples : Nous etudierons tout specialement lanneau des entiers relatifs (Z, +, ) ;
ce nest pas un corps car les seuls elements de Z possedant un inverse pour la multiplication
sont +1 et 1. Les corps les plus importants que nous etudierons sont le corps des nombres
rationnels Q, le corps des nombres reels Ret le corps des nombres complexes C. Un nombre
rationnel peut bien s ur secrire comme une fraction
a
b
avec a Z et b Z 0 avec la
r`egle
a
b
=
a

si ab

= a

b ; laddition et la multiplication sont denis par


a
b
+
c
d
=
ad+bc
bd
.
Nous verrons aussi que, si K designe Q, R ou C, lensemble des polynomes `a coecients
dans K, que lon note K[X], muni de laddition et de la multiplication naturelles, forme
un anneau qui poss`ede beaucoup de proprietes communes avec Z. Tous ces anneaux sont
commutatifs.
Lensemble des matrices 2 2 `a coecients reels (voir chapitre 7) muni des lois :
_
a b
c d
_
+
_
a

_
=
_
a +a

b +b

c +c

d +d

_
_
a b
c d
_
.
_
a

_
=
_
aa

+bc

ab

+bd

ca

+dc

cb

+dd

_
30
forme un anneau qui nest pas commutatif ; par exemple :
_
1 1
0 1
_
.
_
0 1
1 1
_
=
_
1 2
0 1
_
,=
_
0 1
1 2
_
=
_
0 1
1 1
_
.
_
1 1
0 1
_
R`egles de calcul dans un anneau :
(distibutivite generalisee) x

n
i=1
y
i
=

n
i=1
xy
i
Attention : dans un anneau, il nest pas vrai en general que lorsque x A 0
on ait xy = xz y = z ; par exemple
_
0 1
0 1
_
.
_
1 1
0 1
_
=
_
0 1
0 1
_
.
_
2 3
0 1
_
mais
_
1 1
0 1
_
,=
_
2 3
0 1
_
Si lanneau est commutatif : (xy)
n
= x
n
y
n
Lexpression de la puissance n-`eme dune somme est souvent utile :
TH

EOR
`
EME: (Formule du binome de Newton) Soient a, b deux elements dun anneau
commutatif et soit n un entier 1, on a la formule :
(a +b)
n
=
n

p=0
C
p
n
a
p
b
np
o` u C
p
n
=
n!
p!(np)!
est le nombre de parties `a p elements dans un ensemble `a n elements.
A cause de cette formule, les coecients C
p
n
sont aussi appeles coecients binomiaux.
Les premiers exemples de cette formule secrivent :
(a +b)
1
= a +b, (a +b)
2
= a
2
+ 2ab +b
2
, (a +b)
3
= a
3
+ 3a
2
b + 3ab
2
+b
3
(a+b)
4
= a
4
+4a
3
b +6a
2
b
2
+4ab
3
+b
4
, (a+b)
5
= a
5
+5a
4
b +10a
3
b
2
+10a
2
b
3
+5ab
4
+b
5
Demonstration: La demonstration se fait par recurrence sur le nombre n : la formule
est evidente pour n = 0 ou n = 1, on la suppose donc vraie pour lentier n, pour tout a, b
et on cherche `a en deduire la formule pour lentier n + 1.
On a : (a +b)
n+1
= (a +b)(a +b)
n
qui dapr`es lhypoth`ese de recurrence vaut :
(a +b)
n

p=0
C
p
n
a
p
b
np
=
n

p=0
C
p
n
a
p+1
b
np
+
n

p=0
C
p
n
a
p
b
np+1
,
cette derni`ere expression est egale `a :
a
n+1
+
n

h=1
(C
h
n
+C
h1
n
)a
h
b
n+1h
+b
n+1
31
et, si on se rappelle que C
h
n
+C
h1
n
= C
h
n+1
celle-ci vaut :
n+1

h=0
C
h
n+1
a
h
b
n+1h
ce qui est bien la formule de Newton pour lentier n + 1.
Remarque : Lhypoth`ese que lanneau est commutatif ne peut pas etre enlevee (dans
un anneau non commutatif, en general ba
p
b
np
nest egal `a a
p
b
n+1p
comme le montre
lexemple des matrices A =
_
1 1
0 1
_
et B =
_
0 1
1 1
_
puisque (A + B)
2
=
_
3 6
3 6
_
mais
A
2
+ 2AB +B
2
=
_
4 7
1 5
_
.
Exercice : Le dessin suivant fournit une illustration de la formule (a+b)
2
= a
2
+2ab+b
2
en decomposant un carre de cote a + b en deux carres de cotes a et b et deux rectangles
de longueur b et largeur a.
Donner une illustration de la formule (a+b)
3
= a
3
+3a
2
b +3ab
2
+b
3
en decomposant
un cube de cote a +b en deux cubes de cotes a et b, trois parallelipip`edes daretes a, a et
b et trois parallelipip`edes daretes a, b et b.
Un peu dhistoire :
Les notions de groupes et corps ont tire leur premi`ere illustration spectaculaire du
probl`eme de la resolution des equations polynomiales. On connait depuis le lycee la
resolution de a +bx +cx
2
= 0 `a laide de la fonction racine carree

; au XVI`eme si`ecle,
Cardan (egalement inventeur du syst`eme darticulation mecanique portant son nom) a
donne des formules pour resoudre a + bx + cx
2
+ dx
3
= 0 `a laide des fonctions

et
3

; son el`eve Ferrari (aucun rapport connu avec Enzo) a ensuite donne des formules pour
resoudre a+bx+cx
2
+dx
3
+ex
4
= 0 `a laide des fonctions

,
3

et
4

. Les mathematiciens
ont longtemps cherche `a resoudre ainsi les equations de degre 5 avant que Abel (1802-
29) et Galois (1811-32) ne montrent que cela est impossible. Par exemple les solutions
de x
5
x + 1 = 0 ne peuvent pas sexprimer `a laide de

,
3

,
4

et
5

. Ces proprietes
des equations de degre 3,4,5, etc sont liees aux proprietes des groupes o
3
, o
4
, o
5
etc. La
theorie de Galois (`a luniversite Paris 7) setudie en matrise (M1) de mathematiques.
Galois Evariste (18111832)
32
CHAPITRE 4 LE CORPS DES R

EELS R ET DES COMPLEXES C


Les nombres reels ont ete ainsi baptises car on pensait que ce sont ceux qui per-
mettaient de decrire les phenom`enes physiques. Il est vrai que tout le calcul dierentiel,
et donc toute la mecanique classique repose sur la notion de nombre reel (meme si cela
nest pas explicite chez Newton et Leibniz). Les nombres reels ont donc ete utilises tr`es
tot bien que la demonstration de leurs proprietes et surtout de leur existence (du point
de vue mathematique!) date du si`ecle dernier. Nous naborderons donc pas cet aspect et
renvoyons aux traites classiques pour une description de R par les coupures de Dedekind
ou les classes dequivalence de suites de Cauchy (Voir par exemple louvrage de Dixmier
cite en bibliographie). Quant aux nombres complexes, meme les mathematiciens ont mis
longtemps `a accepter leur emploi (ils se sont longtemps appeles nombres imaginaires tant
leur existence etait sujette `a doute). Neanmoins ils sont assez faciles `a construire `a partir
des nombres reels et sav`erent aussi utiles que les reels, y compris dans les autres sciences
comme la physique.
4.1 NOMBRES R

EELS.
La necessite de considerer des nombres plus generaux que les nombres rationnels ap-
parat dej`a avec labsence de solution `a lequation x
2
= 2, plus generalement lexistence
de suite de nombres rationnels (ou de points dune droite) ayant lair de converger vers
un point mais ne convergeant pas vers un nombre rationnel (ou un point commensurable)
conduit `a lintroduction des nombres reels que nous denirons ici de mani`ere axiomatique,
i.e. sans demontrer leur existence. Nous introduisons aussi la notion de limite dej`a
abordee en terminale qui est fondamentale dans toute lanalyse : les nombres reels per-
mettent de nombreux procedes innitesimaux ou de passage `a la limite. Ceci nous
permet aussi de traiter precisement et rigoureusement le developpement decimal des nom-
bres reels : il est classique de representer un nombre reel sous forme de developpement
decimal x = a
0
, a
1
a
2
a
3
. . . a
n
. . . avec a
0
N et a
i
0, 1, 2, 3, 4, 5, 6, 7, 8, 9. Par exem-
ple :
= 3, 1415926535897932384626433832795028841971693993751058209749445923078 . . .
Mais si on cherche `a denir un nombre reel comme une telle suite on trouve quelques
dicultes ; considerons par exemple le nombre x := 0, 99999 . . . 9 . . ., il est raisonnable de
penser que 10x = 9, 99999 . . . 9 . . . et aussi que 10xx = 9 et donc x = 1 ; la multiplication
est assez dicile `a denir sur les developpements decimaux.
Une notion fondamentale sur les reels est celle dordre ; lensemble des reels est muni
dune addition et dune multiplication qui en font un corps ; la relation dordre pour etre
utile doit etre compatible avec ces operations, plus precisement elle doit verier les r`egles
suivantes :
(i) Pour tous x, y, z reels, x y x +z y +z
(ii) Pour tous x, y reels, pour tout a reel positif x y ax ay
On peut aussi en deduire :
(iii) 0 < x y 0 <
1
y

1
x
(iv) x y x y et x, x
2
0
33
Un corps satisfaisant ces r`egles est appele un corps ordonne.
A ces r`egles il faut rajouter une propriete qui formalise une intuition :
Denition: Un corps ordonne est dit archimedien si pour tout x > 0 et y > 0 il existe
un entier n 1 tel que nx = x +. . . +x > y (ici 0 designe lelement neutre).
Autrement dit, une quantite, aussi petite soit-elle, ajoutee susamment de fois `a elle-
meme depasse nimporte quelle quantite donnee. Par exemple le groupe (Z, +) est bien
s ur archimedien, de meme que (Q, +) ; les reels forment aussi un corps archimedien :
CARACT

ERISATION : Le corps (R, +, , ) contient le corps des rationnels, est un


corps totalement ordonne archimedien et verie la propriete dite des intervalles emboites :
Soit I
n
= [a
n
, b
n
] une suite decroissante dintervalles fermes bornes non vides alors

nN
I
n
est non vide (cest-`a-dire : il existe x R tel que pour tout n on ait x I
n
).
Un element de ce corps sappelle un nombre reel.
Ainsi, R est caracterise par le fait detre un corps (il y a une addition et une multi-
plication avec les bonnes proprietes) detre totalement ordonne (ce qui le dierencie de
C), archimedien et enn la derni`ere propriete le dierencie de Q.
La representation la plus usuelle des reels est celle des points dune droite, nous la
supposons connue.
La relation dordre permet aussi de denir la distance entre deux reels et donc de dire
si deux reels sont proches :
Denition: La valeur absolue dun nombre reel x est maxx, x et se note [x[. La
distance entre deux reels x et y est [x y[.
La valeur absolue dun nombre est donc toujours positive. Rappelons les deux pro-
prietes bien connues et fondamentales de la valeur absolue :
TH

EOR
`
EME: (i) [xy[ = [x[[y[
(ii) (inegalite triangulaire) [x +y[ [x[ +[y[
Demonstration: Laissee en exercice (ou voir les cours au lycee).
La deuxi`eme inegalite sappelle triangulaire (bien quil ny ait pas ici de vrai triangle :
les points sont situes sur une droite) ; en eet, si lon designe par d(x, y) la distance
entre deux nombres reels x et y, on peut aussi exprimer linegalite (ii) sous la forme
d(a, c) d(a, b) +d(b, c)
Remarque : linegalite [x a[ b equivaut `a a b x a + b. Ainsi les ensembles
du type x R [ [x a[ b (respectivement x R [ [x a[ < b) sont des intervalles
fermes (respectivement ouvert) aux deux extremites. Inversement un intervalle [a, b] peut
aussi secrire [a, b] = x R [ [x
a+b
2
[
ba
2
.
La notion de distance permet de formaliser lidee de tendre vers un point. Intuitive-
ment une suite u
n
tend vers R si u
n
est de plus en plus proche de quand n augmente
34
ou encore si u
n
se retrouve dans nimporte quel intervalle autour de , aussi petit soit-il,
d`es que n est assez grand.
Denition: Une suite u
n
de nombres reels (ou rationnels) tend vers 0 si elle verie :
> 0, n
0
N, n n
0
[u
n
[
Une suite u
n
de nombres reels (ou rationnels) tend vers si u
n
tend vers 0. On dit aussi
que u
n
converge vers ou que est la limite de la suite u
n
, ce que lon note limu
n
= .
Autrement dit : soit nimporte quel (petit) intervalle centre en , alors tous les termes
de la suite, sauf un nombre ni sont situes dans lintervalle.
Exemples : La suite u
n
=
1
n+1
a pour limite = 0 ; montrons cela directement `a
partir de la denition. Soit > 0, le corps R etant archimedien, il existe un entier n
0
plus
grand que 1/ ; soit alors n n
0
alors 0 < 1/n 1/n
0
donc [u
n
[ . Par contre, la
suite u
n
= (1)
n
ne converge pas (si est dierent de 1 un intervalle susamment petit
centre en ne contient aucun terme u
n
et si = 1, un nombre inni de termes eviteront
un petit intervalle centre en ).
TH

EOR
`
EME: Soit u
n
une suite convergente vers une limite , supposons que pour
tout n on ait u
n
> a (respectivement u
n
a) alors a.
Demonstration: Raisonnons par labsurde et supposons que < a. Choisissons un
intervalle I contenant mais pas a (par exemple I = x R [ [x [
a
2
) alors les
elements de la suite u
n
sont dans I (sauf un nombre ni dentre eux) mais pour tous les
elements x de I on a x < a do` u une contradiction.
Remarque : Si u
n
:=
1
n+1
on a u
n
> 0 mais limu
n
= 0 ; on ne peut donc pas garder
les inegalites strictes en passant `a la limite.
Exploitons maintenant la propriete des intervalles emboites :
TH

EOR
`
EME: (i) Tout sous-ensemble de R non vide et majore admet une borne
superieure. Tout sous-ensemble de R non vide et minore admet une borne inferieure.
(ii) Toute suite croissante et majoree (respectivement decroissante et minoree) est
convergente.
(Ce resultat est tr`es important mais on peut omettre la demonstration assez technique)
Demonstration: (i) Soit E un ensemble non vide majore de reels on va construire des
intervalles emboites I
n
= [a
n
, b
n
] tels que lintersection contienne au plus un point (et donc
exactement un point) qui sera la borne superieure. Soit e E et M un majorant de E, on
pose I
0
:= [e, M]. Pour construire I
1
on distingue deux cas : si
M+e
2
est un majorant de E
on choisit a
1
= e et b
1
=
M+e
2
; sinon il existe dans E un element qui est plus grand que
M+e
2
et on choisit a
1
egal `a cet element et a
2
= M. En iterant ce procede on obtient une
suite decroissante dintervalles I
n
= [a
n
, b
n
] tels que b
n
soit un majorant de E, tel que a
n
35
soit un element de E et tel que [b
n+1
a
n+1
[
|a
n
b
n
|
2
donc [a
n
b
n
[
(Me)
2
n
. Montrons
maintenant quil ne peut y avoir quun seul point dans lensemble S :=

nN
I
n
et que
cest la borne superieure. Tout dabord soit s, t S alors ces deux nombres appartiennent
aussi I
n
donc, pour tout n on a [s t[
(Me)
2
n
donc [s t[ = 0 et s = t. Par construction
la suite des a
n
comme celle des b
n
converge vers s. Comme tous les b
n
sont des majorants
de E, s est aussi un majorant de E ; comme tous les a
n
sont des elements de E, on a que
s est le plus petit majorant.
(ii) Considerons E = u
n
[ n N, cest un ensemble majore par hypoth`ese donc il
admet une borne superieure . Montrons que u
n
converge vers . Soit > 0, la denition de
la borne superieure entrane quil existe un element de E, disons u
n
0
tel que u
n
0
;
mais alors comme u
n
est croissante on a pour tout n n
0
les inegalites u
n
0
u
n

et donc [u
n
[ , ce qui prouve bien que u
n
tend vers .
Notation : on sait que si x R alors il existe un unique entier relatif m tel que
m x < m+1 on lappelle la partie enti`ere de x et on le note [x]. Par exemple [] = 3 et
[3/2] = 2.
APPLICATION: D

EVELOPPEMENT D

ECIMAL DUN NOMBRE R

EEL.
On appelle bien s ur chire un element de C := 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 (on pourrait
dailleurs faire les memes raisonnements dans une autre base que 10). Considerons une
suite a
1
, a
2
, a
3
, . . . de chires et associons lui la suite de nombres rationnels
s
n
:=
a
1
10
+
a
2
10
2
+. . . +
a
n
10
n
quon notera aussi s
n
:= 0, a
1
a
2
. . . a
n
.
1`ere etape : la suite s
n
converge vers un reel x appartenant `a lintervalle [0, 1].
Demonstration: En eet la suite s
n
est croissante (car s
n+1
= s
n
+a
n+1
10
n1
s
n
)
et majoree par 1 :
s
n
9
_
1
10
+
1
10
2
+. . . +
1
10
n
_
= 1
1
10
n
1
enn comme 0 s
n
1 on a bien 0 x = lims
n
1.
On introduit naturellement la notation : x = 0, a
1
a
2
a
3
. . . a
n
. . . et on appelle cette
ecriture un developpement decimal de x. Deux questions se posent naturellement :
1) Est-ce-que tout nombre reel admet un developpement decimal? Autrement dit tout
nombre x [0, 1] est-il limite dune suite s
n
?
2) Un tel developpement est-il unique?
(en remarquant que x [x] [0, 1[, on peut se borner `a considerer les reels dans
lintervalle [0, 1[).
2`eme etape : Tout nombre reel x [0, 1[ admet un developpement decimal x =
0, a
1
a
2
a
3
. . . a
n
. . ..
36
Demonstration: Fabriquons la suite a
1
:= [10x], a
2
:= [10
2
x 10a
1
] . . . a
n
:= [10
n
x
10
n1
a
1
. . . 10a
n1
] et ensuite s
n
:=
a
1
10
+
a
2
10
2
+ . . . +
a
n
10
n
. Comme 0 x < 1 on
a 0 10x < 10 donc a
1
10x < a
1
+ 1 donc a
1
9 et lentier a
1
est bien un chire.
Par ailleurs s
1
=
a
1
10
x <
a
1
10
+
1
10
donc 0 x s
1
<
1
10
. Montrons par recurrence
que a
n
9 (i.e. lentier a
n
est un chire) et 0 x s
n
<
1
10
n
; ce qui prouvera que
x = 0, a
1
a
2
a
3
. . . a
n
. . .. Si 0 x s
n
<
1
10
n
alors 0 10
n+1
x 10
n+1
s
n
= 10
n+1
x
10
n
a
1
. . . 10a
n
< 10 donc 0 a
n+1
< 10 et donc a
n+1
est bien un chire. Ensuite
a
n+1
10
n+1
x10
n
a
1
. . .10a
n
< a
n+1
+1 donc 0 x
a
1
10
. . .
a
n
10
n

a
n+1
10
n+1
< 10
n1
;
ce quil fallait demontrer.
3`eme etape : Le developpement decimal x = 0, a
1
a
2
a
3
. . . a
n
. . . existe et est unique si
lon impose la condition :
N N, n > N, a
n
,= 9
Autrement dit on exclut les developpements du type 0, a
1
a
2
. . . a
n
9999 . . . 9 . . . (avec a
n
,=
9) que lon remplace par 0, a
1
a
2
. . . (a
n
+ 1)0 . . .
Par exemple 0,1234567899999. . . =0,12345679
Demonstration: Supposons x = 0, a
1
a
2
a
3
. . . a
n
. . . = 0, b
1
b
2
b
3
. . . b
n
. . . et disons a
1
=
b
1
, . . . , a
r1
= b
r1
mais a
r
< b
r
. On obtient facilement (b
r
a
r
)10
r
= 0, 0 . . . 0a
r+1
. . .
0, 0 . . . 0 . . . b
r+1
. . .. Le membre de gauche vaut au moins 10
r
car b
r
a
r
1 mais
0, 0 . . . 0a
r+1
. . . =
a
r+1
10
r+1
+. . . +
a
n
10
n
. . . <
9
10
r+1
+. . . +
9
10
n
. . . = 10
r
Linegalite est stricte car il existe des a
n
< 9 par hypoth`ese ; on obtient donc une contra-
diction du type 10
r
< 10
r
.
Remarque : on peut observer que les seuls nombres reels qui admettent deux deve-
loppements sont exactement les nombres rationnels decimaux x =
m
10
n
APPLICATION: RACINE n-I
`
EME DUN R

EEL POSITIF
Soit a R
+
et n un entier 1 alors il existe un unique x R
+
tel que x
n
= a. On
lappelle la racine n-i`eme de a et on le note x =
n

a.
Demonstration: Lunicite est facile car si 0 < x < x

alors 0 < x
n
< x
n
. Pour
montrer lexistence, considerons S := y R
+
[ y
n
a alors S est non vide et minore
(par exemple par 0) donc poss`ede une borne inferieure que nous baptisons x. Comme pour
tout y S on a y
n
a on en deduit x
n
a. Si on avait x
n
< a alors pour e > 0 (mais
tr`es petit) on en deduirait (x+e)
n
< a (on donne une demonstration de ce fait ci-dessous)
et donc x + e / S. Mais alors S ne contient aucun point de lintervalle [x, x + e] ce qui
contredit le fait que x est la borne inferieure de S.
Il nous reste `a montrer la continuite de la fonction y y
n
, cest-`a-dire `a montrer
que si y est tr`es proche de x alors y
n
est tr`es proche de x
n
. Nous verrons au chapitre
13 une methode generale pour demontrer cela ; donnons neanmoins une demonstration
directe (o` u lon pourra supposer que x > 0).
37
Verions par recurrence que pour 0 h
x
2
on a (x+h)
n
x
n
+(2
n
1)hx
n1
en eet
(x+h)
n+1
= (x+h)(x+h)
n
(x+h)(x
n
+(2
n
1)hx
n1
) = x
n+1
+hx
n
(2
n
+(2
n
1)
h
x
)
x
n+1
+(2
n+1
1)hx
n
do` u la propriete annoncee. On en deduit que si x y x+

2
n
x
n1
alors x
n
y
n
x
n
+ ; ce quil fallait demontrer.
4.2 NOMBRES COMPLEXES.
La necessite detendre le corps des reels se fait sentir si on cherche `a resoudre des
equations comme x
2
+1 = 0. Si on ajoute formellement un nombre i tel que i
2
+1 = 0
alors on peut dej`a resoudre les equations de degre 2 ; en eet pour etudier ax
2
+bx+c = 0
on introduit := b
2
4ac et si 0 les racines sont
b

2
alors que si < 0 il
ny a pas de racines reelles mais on peut fabriquer des racines par la formule
bi

2
.
Ceci sugg`ere detudier les nombres de la forme x +iy ; il est clair ce que doivent etre la
somme et le produit de tels expressions ; nous prendrons ce guide pour denir les nombres
complexes.
Denition: Un nombre complexe secrit z = x + iy avec x, y R ; lensemble des
nombres complexes se note C et est en bijection avec R
2
= RR.
Denition: Soient z = x +iy et z

= x

+iy

deux nombres complexes.


On appelle partie reelle (respectivement imaginaire) de z = x + iy le nombre reel x
(respectivement le nombre y).
On denit la somme de deux nombres complexes par :
z +z

:= (x +x

) +i(y +y

)
On denit le produit de deux nombres complexes par :
zz

:= (xx

yy

) +i(yx

+xy

)
Le conjugue de z est z := x iy. Le module de z est [z[ :=
_
x
2
+y
2
=

z z.
Remarque : on peut considerer un nombre reel x comme un nombre complexe en
lecrivant x = x + i0 ; un nombre reel est egal `a son conjugue, la somme et le produit de
deux nombres reels concident avec leur somme et produit comme nombres complexes, le
module dun nombre reel est sa valeur absolue.
TH

EOR
`
EME: (i) Lensemble C muni de la somme et de le multiplication est un corps
commutatif. Linverse dun nombre complexe non nul z = x +iy est donne par
z
1
=
z
[z[
2
=
x
x
2
+y
2
i
y
x
2
+y
2
(ii) La conjugaison complexe z z est un isomorphisme de corps, cest-`a-dire que

1 = 1,
x +y = x + y et xy = x y. La conjugaison est involutive, cest-`a-dire que x = x.
Demonstration: La verication des axiomes dun anneau ne pose aucune diculte et
est laissee au lecteur. Verions lexistence dun inverse pour tout nombre complexe non
38
nul. Soit z = x + iy C

. Comme [z[
2
= z z = x
2
+ y
2
R

on peut denir z

:= z/[z[
2
et clairement zz

= 1. La deuxi`eme partie de lenonce se verie par un calcul direct.


Exemples : on veriera (en appliquant directement la denition) que :
(1 +i)
2
= 2i, (1 +i

3)
3
= 8,
(1 + 2i)
(2 + 3i)
=
8 +i
13
,
_
1 +i

3
2
_
2
+
_
1 +i

3
2
_
+ 1 = 0
Donnons maintenant des representations geometriques des nombres complexes :
Representation dans le plan
On utilise la bijection C R
2
donnee par z (Re(z), Im(z)) et on represente le
nombre complexe z par le point M = M(z) dabscisse Re(z) et dordonnee Im(z). Le
module [z[ est la distance entre O et M.
On peut denir la distance comme pour les nombres reels par d(z, z

) := [z z

[, on
a alors :
TH

EOR
`
EME: (i) [zz

[ = [z[[z

[.
(ii) (inegalite triangulaire) Pour tous nombres complexes z, z

on a [z +z

[ [z[ +[z

[.
Demonstration: (i) est immediat car [zz

[
2
= zz

zz

= z zz

= [z[
2
[z

[
2
. La preuve
de (ii) est plus subtile : considerons la fonction de variable reelle P(t) := [z + tz

[
2
=
[z[
2
+ t(z

z + z z

) + t
2
[z

[
2
; cest un polynome du second degre avec au plus une racine
(aucune racine si z

/z nest pas reel) donc := (z

z + z z

)
2
4[z[
2
[z

[
2
0 ou encore
[(z

z +z z

)[ 2[z[[z

[. Nantis de cette inegalite, developpons :


[z +z

[
2
= [z[
2
+z

z +z z

+[z

[
2
[z[
2
+ 2[z[[z

[ +[z

[
2
= ([z[ +[z

[)
2
Ce qui donne bien linegalite cherchee.
Remarque : Cette fois, linegalite (ii) peut se traduire par d(M, M

) d(M, M

) +
d(M

, M

) qui est linegalite sur un triangle : la somme des longueurs de deux des cotes
est plus grande que la longueur du troisi`eme cote.
Ayant la notion de distance, on peut denir quand un point est proche dun autre en
particulier la notion de limite (on rep`ete ici la denition par commodite) :
Denition: Une suite z
n
de nombres complexes tend vers 0 si elle verie :
> 0, n
0
N, n n
0
[z
n
[
Une suite z
n
de nombres complexes tend vers C si z
n
tend vers 0. On dit aussi que
z
n
converge vers ou que est la limite de la suite z
n
, ce que lon note limu
n
= .
39
Autrement dit : soit nimporte quel (petit) disque de centre , alors tous les termes
de la suite, sauf un nombre ni sont situes dans le disque.
TH

EOR
`
EME: Soit z
n
une suite de nombres complexes ; limz
n
= z equivaut `a
limRe(z
n
) = Re(z) et limIm(z
n
) = Im(z).
Demonstration: En remplacant z
n
par z
n
z il sut de prouver que limz
n
= 0 si et
seulement si limRe(z
n
) = 0 et limIm(z
n
) = 0. Mais comme [Re(z
n
)[ [z
n
[, [Im(z
n
)[
[z
n
[ et [z
n
[ [Re(z
n
)[ +[Im(z
n
)[ ceci est clair.
Exemple : Si [[ < 1 alors la suite z
n
:=
n
converge vers 0 car [z
n
[ converge vers 0.
Cependant si = e
i

2
la suite
n
ne converge pas, bien que lim[
n
[ = 1.
On admet ici lexistence des fonctions sinus et cosinus telles que si langle sur la
gure ci-dessous est donne en radians (un tour complet vaut 2, un demi-tour , un quart
de tour

2
) alors OA = cos() et OB = sin(). Il y a l`a une diculte qui sera levee en
deuxi`eme annee apr`es letude de fonctions analytiques.
On voit donc que tout nombre complexe peut sexprimer comme :
z = r(cos() +i sin())
avec r = [z[ R
+
et R. Ou encore : si z = a +ib ,= 0 avec a, b reels, alors il existe un
angle (i.e. un reel) tel que cos() = a/

a
2
+b
2
et sin() = b/

a
2
+b
2
. Le nombre
nest determine qu`a un multiple entier de 2 pr`es, il sappelle largument de z et se note
Arg(z) (si on veut etre tout-`a-fait rigoureux, on doit dire un argument). Plus precisement :
TH

EOR
`
EME: (i) Supposons r(cos()+i sin()) = r

(cos(

)+i sin(

)) avec r, r

+
alors r = r

et il existe n Z tel que =

+ 2n.
(ii) [ z[ = [z[, Arg(zz

) = Arg(z) +Arg(z

) + 2n et Arg( z) = Arg(z) + 2n.


Demonstration: (i) En prenant les modules on arrive `a [r[ = [r

[ et comme r et r

sont
positifs on a bien r = r

. On en tire cos() = cos(

) et sin() = sin(

) ce qui entrane
=

+ 2n. (ii) La formule donnant le module du conjugue est claire, celle donnant son
argument decoule de celle donnant largument dun produit : Arg(z z) = Arg(z)+Arg( z)+
40
2k doit etre un multiple de 2 car z z est reel et positif. La formule donnant largument
dun produit se deduit des formules classiques cos(y + y

) = cos(y) cos(y

) sin(y) sin(y

)
et sin(y + y

) = cos(y) sin(y

) + sin(y) cos(y

) ; en eet si z = r(cos(y) + i sin(y)) et


z

= r

(cos(y

) +i sin(y

)) alors le produit zz

vaut :
zz

=rr

(cos(y) cos(y

) sin(y) sin(y

)) +i(cos(y) sin(y

) + sin(y) cos(y

))
=rr

cos(y +y

) +i sin(y +y

)
do` u Arg(zz

) = y +y

+ 2n.
La meilleure facon de decrire les cordonnees polaires `a travers les nombres complexes
est dintroduire la fonction exponentielle dune variable complexe :
Denition: On pose e
i
:= cos() +i sin() et plus generalement si z = x +iy :
e
z
= e
x+iy
:= e
x
cos(y) +ie
x
sin(y)
Exemples :
e
2i
= 1, e
i
= 1, e
2i
3
=
1 +i

3
2
, e
log 2+
i
2
= 2i.
TH

EOR
`
EME: (i) Tout nombre complexe z non nul peut secrire z = e
z

pour un
certain nombre complexe z

.
(ii) e
z
= e
z

equivaut `a Re(z) = Re(z

) et Im(z) = Im(z

) + 2n.
(iii) e
z+z

= e
z
e
z

(iv) e
z
= e
z
Demonstration: (i) provient du fait que tout point du cercle [z[ = 1 peut secrire
z = cos() +i sin() pour un R et du fait que lexponentielle reelle est surjective de R
sur R

+
.
(ii) est une redite du theor`eme precedent.
(iii) On sait que e
x+x

= e
x
e
x

pour x, x

R ; il sut donc de verier que e


i(y+y

)
=
e
iy
e
iy

pour y, y

R. Mais cette derni`ere egalite equivaut `a la formule donnee pour


largument dun produit de deux nombres complexes.
(iv) e
xiy
= e
x
(cos(y) +i sin(y)) = e
x
(cos(x) i sin(x)) = e
x+iy
.
On peut utiliser cette representation pour determiner les racines n-i`eme dun nombre
complexe :
TH

EOR
`
EME: Soit z
0
C

et n un entier 1, alors il existe n nombres complexes


tels que z
n
= z
0
.
Plus explicitement si z
0
= r
0
e
i
alors les n racines n-i`eme sont :
z =
n

r
0
e
i(

n
+
2k
n
)
avec k 0, 1, . . . , n 1
Demonstration: Cherchons z sous la forme re
i
; lequation z
n
= z
0
equivaut alors `a
r
n
e
in
= r
0
e
i
ou encore `a r
n
= r
0
et n = + 2k (avec k Z), do` u lenonce.
En particulier les racines n-i`emes de 1 sappellent racine de lunite ; elles forment les
sommets dun polygone regulier `a n cotes :
41
Racines 5-i`eme de lunite :
Ce dernier theor`eme est en fait un cas un peu particulier du cel`ebre theor`eme de
DAlembert-Gauss (il fut enonce pour la premi`ere fois par DAlembert mais demontre
rigoureusement plus tard par Gauss) :
TH

EOR
`
EME: (DAlembert-Gauss). Soit P(X) un polynome `a coecients complexes,
si P est non constant, alors il poss`ede une racine, i.e. C, P() = 0.
Tout polynome P de degre d 1 secrit :
P(X) = a
0
(X
1
)(X
2
) . . . (X
d
)
avec a
0
C

et
1
,
2
, . . . ,
d
C (non necessairement distincts).
Demonstration: Nous admettrons la premi`ere partie. Le fait que la premi`ere partie de
lenonce entrane la seconde est un resultat assez simple dalg`ebre que nous demontrerons
dans le chapitre 6 sur les polynomes.
Une autre application classique de la representation exponentielle est la formule de
Moivre :
cos(nx) +i sin(nx) = (cos(x) +i sin(x))
n
o` u x R et n Z.
Demonstration: On sait que e
inx
= (e
ix
)
n
do` u la formule.
Cest un exercice classique, en utilisant la formule du binome de Newton et la for-
mule cos
2
(x) + sin
2
(x) = 1 den tirer une expression de cos(nx) et sin(nx)/ sin(x) comme
polynome en cos(x). Faisons-le pour cos(nx) :
(cos(x) +i sin(x))
n
=

n
k=0
C
k
n
(i sin(x))
k
(cos(x))
nk
donc cos(nx) vaut :
Re(cos(x) +i sin(x))
n
=
[
n
2
]

h=0
C
2h
n
(1)
h
(sin(x))
2h
(cos(x))
n2h
=
[
n
2
]

h=0
C
2h
n
(1)
h
(1 cos
2
(x))
h
(cos(x))
n2h
Ainsi cos(nx) = P
n
(cos(x)) avec P
n
(X) =

[
n
2
]
h=0
C
2h
n
(1)
h
(1 X
2
)
h
X
n2h
. Par exemple
P
2
(X) = 2X
2
1, P
3
(X) = 4X
3
3X et P
4
(X) = 8X
4
8X
2
+ 1.
42
Ces formules permettent aussi dexprimer cos
n
(x) comme combinaison lineaire de
cos(nx), cos((n 2)x),. . . Par exemple :
cos
2
(x) =
cos(2x) + 1
2
, cos
3
(x) =
cos(3x) + 3 cos(x)
4
et cos
4
(x) =
cos(4x) + 4 cos(2x) + 3
8
4.3 G

EOM

ETRIE ET NOMBRES COMPLEXES


Nous avons vu que les nombres complexes peuvent etre representes par des points du
plan ; inversement les nombres complexes permettent une formulation elegante de nom-
breux probl`emes de geometrie du plan. Nous donnons dans cette partie deux exemples de
ce phenom`ene.
4.3.1 Similitudes du plan.
En geometrie comme en physique, on etudie toujours les transformations preservant les
distances ou les formes (ou des quantites bien adaptees au probl`eme que lon veut traiter) ;
on sinteresse ici aux transformations du plan preservant les formes au sens suivant :
Denition: Une similitude est une application f du plan vers lui-meme telle que, pour
tout x, y dans le plan, d(f(x), f(y)) = d(x, y), o` u R

+
est une constante qui sappelle
le rapport de la similitude f. Une similitude de rapport 1 sappelle une isometrie.
Exemples : une translation, une rotation (autour dun point selon un angle donne),
une symetrie (orthogonale par rapport `a une droite), une homothetie sont des similitudes ;
ce sont des isometries sauf les derni`eres.
Les gures suivantes sont semblables deux `a deux (il existe une similitude du plan qui
transforme lun en lautre).
Remarque : lensemble des similitudes forme un groupe ; lapplication qui `a une
similitude associe son rapport est un homomorphisme de groupe `a valeurs dans R

+
et
dont le noyau est constitue par le sous-groupe des isometries.
Les nombres complexes permettent une description simple des similitudes :
TH

EOR
`
EME: Lensemble des similitudes est decrit par les transformations de C dans
C donnees par :
z az +b ou z a z +b
o` u a C

et b C. Ces transformations sont des isometries si et seulement si [a[ = 1.


Demonstration: Il est immediat de verier que les transformations decrites sont
des similitudes (de rapport [a[) ; pour la reciproque, quitte `a remplacer f par g(z) =
(f(z) f(0))/(f(1) f(0)), on peut supposer que f(0) = 0 et f(1) = 1. Ecrivons alors les
deux conditions [f(z) f(0)[ = [z 0[ et [f(z) f(1)[ = [z 1[, on obtient : [f(z)[ = [z[
43
et [f(z)[
2
2Re f(z) + 1 = [z[
2
2Re z + 1 do` u Re f(z) = Re z et [f(z)[ = [z[. On
obtient ainsi que z C, f(z) = z ou z. Reste `a voir que si, disons f(z
0
) = z
0
, pour un
nombre complexe non reel, alors pour tout z C on a f(z) = z. On ecrit bien s ur que
[f(z) f(z
0
)[ = [z z
0
[ donc Re (f(z) z
0
) = Re (z z
0
). Or lequation Re ( z z
0
) = Re (zz
0
)
entrane (puisque Im(z
0
) ,= 0) que Im(z) = 0 donc dans tous les cas f(z) = z.
Exemples. La rotation de centre lorigine et dangle correspond `a la multiplication
par a = e
i
; lapplication z z correspond `a la symetrie orthogonale par rapport `a laxe
des abscisses.
4.3.2 Droites, cercles et transformations homographiques.
Commen cons par exprimer dans le plan complexe lequation dune droite et dun
cercle. Si z = x + iy (avec x, y R) on sait que x =
z+ z
2
et y =
z z
2i
; comme lequation
cartesienne dune droite est de la forme ax + by + c = 0 (avec a, b, c R et a ou b non
nul) on en tire, en terme de z, lequation de la droite :
aib
2
z +
a+ib
2
z + c ou encore, en
posant =
a+ib
2
, on obtient lequation z +z +c. Lequation dun cercle de centre et
de rayon r peut secrire [z [ = r ou encore en elevant au carre : z z +z + z +[[
2
= r
2
.
Reciproquement considerons lequation az z + z + z + c = 0 (o` u C et a, c R) ; si
a = 0 on retrouve lequation dune droite (sauf si est aussi nul, cas trivial quon ecarte) ;
si a ,= 0, on peut diviser par a lequation et en tirer : z z +

a
z +

a
z +
||
2
a
2
=
c
a
+
||
2
a
2
=
ca+||
2
a
2
. On a ainsi montre :
TH

EOR
`
EME: Lensemble des cercles et droites du plan complexe est decrit par des
equations du type :
az z +z + z +c = 0
(o` u C et a, c R non tous nuls). On obtient ainsi une droite si a = 0 et ,= 0, un
cercle si a ,= 0 et ac < [[
2
(resp. un point et lensemble vide si ac = [[
2
ou ac > [[
2
).
Il est clair que les similitudes preservent lensemble des droites et des cercles mais il y
a des transformations beaucoup plus generales qui font cela :
Denition: On appelle fonction homographique toute transformation du type z
az+b
cz+d
o` u ad bc ,= 0. On appelle fonction anti-homographique toute transformation du type
z
a z+b
c z+d
o` u ad bc ,= 0.
Il faut tout de suite observer que, si c ,= 0, la fonction f(z) =
az+b
cz+d
nest pas denie
en z =
d
c
; on dit que
d
c
est le pole de f ; de meme la fonction f natteint pas la valeur
a
c
puisque
az+b
cz+d
=
a
c
entranerait bd = ac. Pour ne pas alourdir les enonces, on sous-entend
souvent ce fait. Par ailleurs la condition ad bc ,= 0 est mise pour eviter les fonctions
constantes ; en eet si adbc = 0 avec disons c ,= 0 alors b =
ad
c
et donc f(z) =
az+
ad
c
cz+d
=
a
c
.
Dun autre cote considerons g(z) =
dzb
cz+a
, alors f g(z) =
adbc
adbc
z = z (si ad bc ,= 0).
Exemples :
Les translations f(z) = z +a sont des homographies.
Les homotheties f(z) = z (avec R

) sont des homographies.


44
Les rotations f(z) = z (avec = e
i
) sont des homographies.
La symetrie f(z) = z est une anti-homographie.
Linversion f(z) = 1/ z est une anti-homographie.
Les quatre premiers exemples sont des similitudes et preservent donc toutes les formes ;
ce nest pas le cas de linversion, mais elle a tout de meme la propriete remarquable de
transformer une droite D en une droite (si 0 D) ou un cercle (si 0 / D) et de transformer
un cercle C en une droite (si 0 C) ou un cercle (si 0 / C). Nous allons voir que cest
une propriete generale des (anti-)homographies.
TH

EOR
`
EME: Les fonctions homographiques (resp. anti-homographiques) preservent
lensemble des droites et des cercles. Une droite D est transformee en cercle par f, si le
pole de f nest pas situe sur la droite D, ou en droite, si le pole de f est situe sur la droite
D. Un cercle C est transforme en cercle par f, si le pole de f nest pas situe sur le cercle
C, ou en droite, si le pole de f est situe sur le cercle C.
Demonstration: Nous verions seulement que les (anti-)homographies transforment
cercles et droites en cercles et droites et admettrons que ce sont les seules transformations
ayant cette propriete. Une premi`ere demonstration est fournit par un calcul formel : par
exemple lequation uz z +z + z +v = 0 se transforme par z
az+b
cz+d
en
(u[a[
2
+a c + ac +v[c[
2
)z z + (u ab +b c + ad +v cd)z
+(u ab +b c + ad +v cd) z + (u[b[
2
+bd +

bd +v[d[
2
) = 0.
Une deuxi`eme demonstration consiste `a ecrire f(z) =
az+b
cz+d
comme composee de trans-
formations simples ; il reste alors `a verier la propriete pour transformations simples.
Or, si c ,= 0 on a f(z) =
bcad
c(cz+d)
+
a
c
, donc si lon pose g(z) = cz + d, i(z) = 1/z et
h(z) =
bcad
c
z +
a
c
alors f = h i g. Il sut donc de verier la propriete pour i ou encore
pour linversion z / z, ce que nous avons dej`a fait.
Remarque : on a omis de preciser dans lenonce que si
a
c
appartient `a une droite ou
un cercle, ce point nest jamais dans limage.
Exemple dapplication : on veut transformer le demi-plan H := z C [ Im(z) > 0
en le disque T := z C [ [z[ < 1. La transformation f(z) =
zi
z+i
transforme laxe des
imaginaires en laxe reel et laxe reel en le cercle de centre O et de rayon 1 et H en T.
DAlembert Jean (1717-1783)
45
CHAPITRE 5 LANNEAU DES ENTIERS Z.
La theorie des nombres est une des plus belles branches des mathematiques (Zut!
Lauteur sest devoile comme specialiste de la theorie des nombres). Traditionnellement
letude des proprietes de divisibilite fait apparatre la notion de nombres premiers : les
entiers naturels divisibles uniquement par 1 et par eux-memes (on exclut 1 par convention)
dont le debut de la liste peut etre obtenu par le crible dEratosth`ene : on raye les multiples
de 2, puis les multiples de 3,5,7 et on obtient :
2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97, 101, . . .
ainsi que letude dequations diophantiennes comme x
2
+ y
2
= z
2
(triangle pythagori-
ciens). Longtemps consideree comme une des branches les plus pures, la theorie des nom-
bres a trouve des applications en informatique, cryptographie (code de cartes bancaires par
exemple). Un des probl`emes fondamentaux est de trouver (ou de prouver quil nexiste pas)
un algorithme rapide de factorisation en produit de nombres premiers. Larithmetique
dans N est souvent simpliee par lintroduction des nombres negatifs, i.e. par lintroduction
de lanneau Z.
5.1 ARITHM

ETIQUE
Nous supposons connu lensemble
Z := . . . , n, n + 1, . . . , 2, 1, 0, 1, 2, . . . , n 1, n, . . .
qui est muni dune loi daddition et dune loi de multiplication qui en font un anneau
commutatif. Il est aussi muni dune relation dordre qui permet de denir la valeur absolue
dun entier par la formule [n[ := maxn, n.
Divisibilite : on dira que a divise b si b est un multiple de a ou encore si il existe
c Z tel que b = ac. Un entier a est inversible si il existe b Z tel que ab = 1 ; on voit
facilement que ceci equivaut `a a = 1. Ainsi, si a divise b et b divise a alors a = b. Un
nombre est premier si ses seuls diviseurs positifs sont 1 et lui-meme (on exclut +1 et -1
par convention) ; on se restreint parfois aux nombres premiers positifs.
La propriete la plus fondamentale de lanneau Z est lexistence de la division eucli-
dienne qui est utilisee par letudiant depuis lecole primaire (au moins pour les nombres
positifs) :
TH

EOR
`
EME: Soit a, b Z avec b ,= 0 alors il existe q, r Z, uniques, tels que :
a = bq +r 0 r < [b[
Lentier r sappelle le reste de la division de a par b, et lentier q sappelle le quotient
de la division de a par b.
Demonstration: Supposons dabord pour simplier que b est positif. On regarde
la suite des multiples (positifs et negatifs) de b. On constate quil existe q Z tel que
qb a < (q + 1)b (il sut de prendre pour q le plus grand entier tel que qb a) ; posons
r := a bq alors il vient 0 r < b do` u le resultat. Si b est negatif, on proc`ede de meme
avec a et b : on obtient a = q
1
(b) +r
1
avec 0 r
1
< b = [b[ do` u a = q
1
b r
1
. Si
46
r
1
= 0 on a dej`a la division, sinon on ecrit a = (q
1
+ 1)b + (b r
1
) et on note quon a
bien 0 b r
1
< [b[.
Pour prouver lunicite, on suppose que a = bq + r = bq

+ r

avec 0 r, r

< [b[. On
en tire [b[[q q

[ = [r r

[ < [b[ ce qui entrane [q q

[ = 0 et donc q = q

puis r = r

.
Remarque : la demonstration donnee est proche mais un peu dierente de lalgorithme
appris `a lecole primaire et qui peut etre decrit ainsi : on cherche c
0
0, 1, . . . , 9 et n 0
tel que (c
0
10
n
)b a < (c
0
+1)10
n
b et on remplace a par a
1
= ac
0
10
n
b et on calcule c
1
tel
que (c
1
10
n1
)b a
1
< (c
1
+1)10
n1
b et `a la n on obtient a = b(c
0
10
n
+. . . +c
n
) +a
n+1
.
TH

EOR
`
EME: Les sous-groupes de Z sont tous de la forme nZ avec n N.
Demonstration: Soit G un sous groupe de Z. On sait que 0 G, si G = 0 alors
G = 0.Z, sinon il existe n le plus petit element strictement positif de G. Lensemble
des multiples de n est contenu dans G ; inversement, soit g G, eectuons la division
euclidienne de g par n, on obtient g = nq + r avec 0 r < n. On a donc legalite
r = g nq et donc (comme g et n sont dans G) lensemble G contient r mais par choix de
n ceci entrane que r = 0 et que g est un multiple de n. On a donc bien G = nZ.
Remarque : les sous-groupes de Z sont aussi ses ideaux i.e. les sous-ensembles I Z
tels que I soit un sous-groupe et tels que a Z et b I entrane ab I.
Denition: Le plus grand commun diviseur (PGCD) de deux nombres a et b est un
nombre d qui divise a et b et tel que tout diviseur commun de a et b divise d.
Denition: Le plus petit commun multiple (PPCM) de deux nombres a et b est un
nombre m qui est un multiple a et b et tel que tout multiple commun de a et b est multiple
de m.
Remarque : il nest pas evident que le PGCD ou le PPCM existe mais ceci est garanti
par la proposition suivante. Quand `a lunicite, la remarque faite sur les elements inversibles
montre que le PGCD (ou le PPCM) est unique au signe pr`es. On choisit bien s ur le signe
plus.
Remarque : si a, b Z on peut denir le sous-ensemble suivant de Z :
aZ +bZ := au +bv [ u, v Z
dont on verie aisement que cest un sous-groupe. De meme aZ bZ est un sous-groupe.
PROPOSITION: Soit a et b deux entiers non nuls alors il existe deux entiers d et m
tels que aZ +bZ = dZ et aZ bZ = mZ. De plus lentier d est un PGCD de a et b, et m
est un PPCM de a et b. Enn on a legalite ab = md.
Demonstration: Soit d Z tel que aZ+bZ = dZ, montrons que d est un PGCD de a
et b. Tout dabord a = a.1+b.0 est un multiple de d donc d divise a (et aussi b par le meme
raisonnement ; on peut aussi ecrire d = au +bv pour certains entiers u, v, par consequent
tout entier e diviseur commun de a et b divise au, bv et donc leur somme cest-`a-dire d.
Soit m Z tel que aZ bZ = mZ, montrons que d est un PPCM de a et b. Tout
dabord m aZ donc m est un multiple de a (et aussi de b par le meme raisonnement) ;
47
si m

est un multiple de a et b alors m

aZ et m

bZ et donc m

mZ cest-`a-dire que
m

est un multiple de m.
On sait donc que a = a

d et b = b

d donc r := a

d est un multiple de a et b et est


donc divisible par m ; donc md divise rd = ab. Par ailleurs, dapr`es la premi`ere partie du
theor`eme, il existe u, v Z tels que d = au + bv donc md = aum + bvm ; mais ab divise
am et bm donc md et on peut conclure que md = ab.
Si PGCD(a, b) = 1 on dit que a et b sont premiers entre eux. Le resultat precedent
nous permet de caracteriser ces nombres :
TH

EOR
`
EME: (Bezout) Soit d := PGCD(a, b) alors il existe deux entiers u et v tels
que
au +bv = d
En particulier deux entiers a et b sont premiers entre eux si et seulement si il existe u, v
entiers tels que au +bv = 1.
Demonstration: La premi`ere partie de lenonce est une consequence directe de la
proposition precedente. Pour la deuxi`eme partie, notons que si PGCD(a, b) = 1 alors il
existe u, v Z tels que au +bv = 1 ; inversement si de tels u, v existent, alors un diviseur
d de a et b diviserait au + bv et donc 1 ce qui donne bien que a et b sont premiers entre
eux.
Une des methodes les plus rapides pour calculer le PGCD (et par consequent le PPCM)
est la suivante :
TH

EOR
`
EME: (Algorithme dEuclide)
Lalgorithme suivant fournit un calcul du PGCD de a et b :
a = bq
1
+r
1
(division de a par b)
b = r
1
q
2
+r
2
(division de b par r
1
)
r
1
= r
2
q
3
+r
3
(division de r
1
par r
2
)
. . . . . .
r
n1
= r
n
q
n+1
+r
n+1
(division de r
n1
par r
n
)
Jusqu`a ce que r
n+1
= 0 et alors PGCD(a, b) = r
n
Demonstration: Elle consiste `a verier que
PGCD(a, b) = PGCD(b, r
1
) = PGCD(r
1
, r
2
) = . . . = PGCD(r
n1
, r
n
) = PGCD(r
n
, r
n+1
)
car clairement PGCD(r
n
, r
n+1
) = r
n
. Il sut donc de montrer que pour a,b et q entier
on a PGCD(a, b) = PGCD(a bq, b) ; ceci resulte du fait que d divise a et b equivaut `a d
divise b et a bq.
Remarque : si on le souhaite, une variante de cet algorithme permet de trouver u, v
entiers tels que au + bv = PGCD(a, b). En eet il sut decrire PGCD(a, b) = r
n
=
r
n2
q
n
r
n1
, r
n1
= r
n3
q
n1
r
n2
etc pour en tirer r
n
comme combinaison de
r
n2
, r
n3
et ainsi de suite jusqu`a lexprimer comme combinaison de a et b (ceci fournit
dailleurs une autre demonstration du theor`eme de Bezout).
48
Faisons ce calcul sur un exemple ;
1932=6.301+126
301=2.126+49
126=2.49+28
49=1.28+21
28=1.21+7
21=3.7+0 (FIN du calcul du PGCD)
et
7=2821=2.2849=2.1265.49=5.301+12.126=12.193277.301 (FIN du calcul)
Resultat : PGCD(1932, 301) = 7 = 12.1932 77.301
TH

EOR
`
EME: (i) (Euclide) Soit p un nombre premier, si p divise ab alors p divise a
ou b.
(ii) (Gauss) Si PGCD(a, b) = 1 et a divise bc alors a divise c.
Demonstration: (i) Supposons que p ne divise pas a alors 1 = PGCD(a, p) = pu +av
donc b = pbu +abv donc p divisant pbu et abv divise b.
(ii) On a de meme 1 = PGCD(a, b) = au +bv donc c = acu +bcv donc a divise c.
TH

EOR
`
EME: (Unicite de la decomposition en facteurs premiers) Soit n un entier
distinct de 0, 1, 1 alors il existe = 1, il existe des nombres premiers p
1
, . . . , p
r
et des
entiers m
1
, . . . , m
r
1 tels que
n = p
m
1
1
. . . p
m
r
r
de plus cette decomposition est unique `a lordre pr`es.
Exemples : 6440 = 2
3
.5.7.23, 1932 = 2
2
.3.7.23, 301 = 7.43 Question : Avez-vous dej`a
factorise votre numero de telephone? Celui de la police est un nombre premier alors que
celui des pompiers se decompose en 2.3
2
.
Demonstration: Lexistence se prouve par recurrence sur n : si n est premier alors,
on est content, sinon on a n = ab avec a < n et b < n donc a et b, dapr`es lhypoth`ese de
recurrence se decomposent en produit de nombres premiers et donc n aussi.
Lunicite decoule de lapplication repetee du theor`eme dEuclide (ou de Gauss).
Remarques : si lon connait la decomposition en facteurs premiers de deux nombres
on peut facilement en deduire leur PGCD, mais ce nest pas en general une methode
ecace de calcul. Par exemple on retrouve PGCD(1932, 301) = 7 et on peut calculer
PGCD(6440, 1932) = 23 et PGCD(6440, 301) = 1.
APPLICATION: Soit n N qui ne soit pas le carre dun entier naturel, alors n nest
pas non plus le carre dun nombre rationnel ; en dautres termes le nombre

n nest pas
un nombre rationnel.
Demonstration: Ecrivons n = p
m
1
1
. . . p
m
r
r
; comme n nest pas un carre, lun des
nombres premiers p
i
apparat dans la decomposition avec un exposant m
i
impair. Si lon
pouvait ecrire

n = a/b avec a, b N on aurait b


2
= na
2
; appelons m (resp. n) lexposant
de p
i
dans la decomposition de a (resp. de b), alors lunicite de la decomposition entrane
que 2n = 2m+m
i
ce qui est absurde puisque m
i
est impair.
49
APPLICATION: Il existe une innite de nombres premiers :
Demonstration: Soient p
1
, . . . , p
r
un ensemble ni de nombres premiers, montrons
quil existe un nombre premier distinct de ceux-ci, ce qui ach`evera la demonstration. Pour
cela considerons N := (p
1
. . . p
r
) + 1 et q un facteur premier de N (il en existe) ; comme
les p
i
ne divisent pas N on doit avoir q distinct des p
i
.
Cet enonce peut etre considerablement ane en quantiant combien il y a de nom-
bres premiers. Appelons (x) le nombre de nombres premiers x ; par exemple (2) = 1,
(3) = 2, (10) = 4 et (100) = 25. Il y a un si`ecle Hadamard et De La Vallee-Poussin
ont reussi `a montrer que (x) valait `a peu pr`es x/ log(x) (presisement (x) log(x)/x tend
vers 1 quand x tend vers linni). On peut interpreter ceci en disant que la probabilite pour
quun nombre x soit premier est environ 1/ log(x) ; par exemple 100/ log 100 = 21, 71 . . .
et (100) log(100)/100 = 1, 15 . . . est dej`a proche de 1 ; en poussant un peu plus loin le
calcul on obtient (1000000) log(1000000)/1000000 = 1, 084 . . . . . .
5.2 CONGRUENCES
Letudiant connait depuis lecole primaire les raisonnements de parite, la preuve par
neuf et (peut-etre) la preuve par onze du resultat dune multiplication. La theorie des
congruences est une generalisation de ce type de raisonnement.
5.2.1 Proprietes des congruences
Soit n un entier (strictement) positif, rappelons la denition de la relation de congru-
ence modulo n
Denition: Deux nombres entiers a et b sont congruents modulo n si leur dierence
est divisible par n. On note cela a b mod n.
Cest une relation dequivalence : elle est reexive, symetrique, transitive (voir chapitre
2). Enoncons quelques unes de ses proprietes :
PROPOSITION: 1) Supposons que a b mod n et c d mod n, alors a + c
b +d mod n et ac bd mod n et si r 0, on a a
r
b
r
mod n.
2) Si PGCD(c, n) = 1 alors il existe c

Z tel que cc

1 mod n et donc la congruence


ac bc mod n entrane a b mod n.
3) a b mod mn entrane a b mod n.
Demonstration: 1) Lhypoth`ese se traduit par a = b + kn et c = d + jn donc
a +c = b +d +(j +k)n et ac = bd +(kd +bj +kjn)n. Legalite a
r
= b
r
+n sobtient par
recurrence sur r.
2) Si c et n sont premiers entre eux il existe u, v Z tels que cu + nv = 1 et par
consequent cu 1 mod n. Si maintenant ac bc mod n, en multipliant par u on obtient
bien a b mod n.
3) Cest immediat.
Remarque : sans lhypoth`ese PGCD(c, n) = 1 la conclusion de lenonce 2) peut etre
fausse car par exemple 2.4 2.1 mod 6 mais 4 , 1 mod 6.
Exemples de calculs : 1995 5 mod 10 donc 1995
4
5
4
mod 10 mais 5
2
5 mod 10
donc 1995
4
5 mod 10. De meme on peut calculer 1991
1991
1 mod 10.
50
APPLICATION: Preuves par 9 et 11.
Lecriture dun nombre M en base decimale M = c
n
c
n1
. . . c
1
c
0
signie :
M = c
n
10
n
+c
n1
10
n1
+. . . +c
1
10 +c
0
et par consequent M c
n
+c
n1
. . . +c
1
+c
0
mod 9 (puisque 10 1 mod 9) et egalement
M c
0
c
1
+c
2
. . .+(1)
n1
c
n1
+(1)
n
c
n
mod 11 (puisque 10 1 mod 11). Supposons
quon veuille verier le resultat dune multiplication M N = L?, on calcule les restes
, m, n de la division par 9 (idem avec 11) de L, M, N et on verie si mn mod 9.
Cela ne donne quune verication et non une preuve, mais on ne fait pas souvent 9 erreurs
de retenue. . . Le choix de 9 ou 11 provient du fait quon a une astuce simple permettant
de calculer le reste modulo 9 ou 11 sans faire de division euclidienne. Exemple : M =
1111114444 et N = 1234567 alors M 22 4 mod 9 et M 0 mod 11, N 28 1 mod 9
et N 4 mod 11 donc MN 4 mod 9 et MN 0 mod 11.
TH

EOR
`
EME: (theor`eme des restes chinois)
Supposons que PGCD(m, n) = 1 alors le syst`eme de congruence :
_
x a mod m
x b mod n
poss`ede une solution x
0
Z et toutes les autres sont de la forme x
0
+mnk avec k Z.
Demonstration: Dapr`es le theor`eme de Bezout, il existe deux entiers u, v (dont on
poss`ede un algorithme de calcul) tels que um+vn = 1, posons donc x
0
:= a + (b a)um
alors x
0
= b (b a)vn et cest donc bien une solution du syst`eme de congruence. Soit x
une autre solution, on a donc x x
0
0 mod m et x x
0
0 mod n donc (comme m et n
sont premiers entre eux) x x
0
0 mod mn.
Exemple : soit `a resoudre
_
x 5 mod 276
x 2 mod 43
On a vu que 276(=1932/7) et 43(=301/7) sont premiers entre eux et que 1 = 12.27677.43 ;
on obtient donc une solution x
0
= 5 + (2 5)12.276 = 9936 et les autres solution sont
donnes par x = 9936 + 11868k ; la plus petite solution positive est 1932.
TH

EOR
`
EME: (Petit theor`eme de Fermat)
Soit p un nombre premier, alors pour tout entier a Z on a la congruence a
p

a mod p ; si de plus p ne divise pas a alors a


p1
1 mod p.
Demonstration: Commencons par etablir que (x + y)
p
x
p
+ y
p
mod p. En eet,
dapr`es la formule du binome de Newton, cette formule est surement vraie si tous les C
k
p
pour 1 k p 1 sont divisibles par p. Mais C
k
p
k!(p k)! = p! et p ne divise ni k! ni
p k (cest l`a quon utilise que p est premier) car sinon, dapr`es le theor`eme dEuclide, il
diviserait un des facteurs cest `a dire un nombre < p ; par consequent en appliquant encore
une fois Euclide on obtient que p divise C
k
p
. On peut maintenant en deduire :
a
p
a (a 1)
p
(a 1) . . . 1
p
1 0 mod p
51
Si de plus p ne divise pas a alors a poss`ede un inverse modulo p et donc a
p1
1 mod p.
COROLLAIRE: Si a b , 0 mod p et si c d mod(p 1) alors a
c
b
d
mod p.
Demonstration: On sait dej`a que a
c
b
c
mod p et par ailleurs c = d + k(p 1) donc
b
c
b
d
_
b
p1
_
d
b
d
mod p.
Exemple : 112345
149785
2
5
32 1 mod 11.
5.2.2 Lanneau Z/nZ
Notation : on designera par a le reste de la division de a par n (cest donc par
convention un entier dans 0, 1, 2, . . . , n 1.
Denition: On appelle Z/nZ lensemble 0, 1, 2, . . . , n 1 muni des lois daddition et
de multiplication suivantes : (a, b) (a +b) et (a, b) ab.
PROPOSITION: Lensemble Z/nZ, muni de ses lois daddition et de multiplication
est un anneau commutatif.
Demonstration: Decoule immediatement des proprietes de Z et des proprietes des
congruences.
On peut se demander sil sagit dun corps, la reponse est la suivante :
TH

EOR
`
EME: Lanneau Z/nZ est un corps si et seulement si n est premier.
Demonstration: Si n nest pas premier, alors n = ab avec a, b ,= 1 et donc ni a, ni b
nest un multiple de n. Mais dans Z/nZ on a donc a ,=

0 et

b ,=

0 mais a

b = ab = n = 0
donc Z/nZ ne peut pas etre un corps. Inversement si n est premier, montrons que tout
element a Z/nZ 0 poss`ede un inverse : a et n sont premier entre eux donc il existe
u, v tels que au +vn = 1 et donc au 1 mod n et donc (dans Z/nZ) on a a u = 1.
On peut traduire le theor`eme des restes chinois ainsi :
Considerons lapplication : Z/mnZ Z/mZZ/nZ qui a un element a Z/nmZ
associe son reste modulo m et son reste modulo n ; les proprietes des congruences perme-
ttent de verier que cest un morphisme danneaux : (a + b) = (a) + (b) et (ab) =
(a)(b), le theor`eme des restes chinois dit que si PGCD(m, n) = 1 alors est une bijection
(un isomorphisme).
Le calcul sur ordinateur seectue en fait modulo 2
N
(avec N dependant de la machine,
du logiciel, etc). Par exemple, Turbo-Pascal recquiert, pour le type entier, des nombres
compris entre -32768 et 32767 ; cela signie quil travaille modulo 2
16
(note : 2
16
1 =
65535 = 32768 + 32767.
Enn indiquons que la cryptographie (cartes bancaires, transaction par internet, etc.)
fait un usage massif, `a travers le syst`eme RSA notamment, des groupes nis des elements
inversibles de Z/nZ et des (grands) nombres premiers. les espaces vectoriels sur le corps
Z/pZ sont eux `a la base des codes correcteurs derreurs (compact disque, transmission
dimage, etc).
52
CHAPITRE 6 LANNEAU DES POLYN

OMES
Vous avez etudie depuis la seconde jusqu`a la terminale les fonctions de variable reeelle
de la forme x a
n
x
n
+ . . . + a
1
x + a
0
et appris `a resoudre les equations du premier et
du second degre. Il est commode pour approfondir cette etude de considerer les expressions
formelles du type a
n
x
n
+ . . . + a
1
x + a
0
et de travailler directement sur elles. Cest ce
point de vue quon adopte ici : un polynome est deni comme la suite de ses coecients ;
cela permet notamment de developper lanalogie entre les proprietes de divisibilite dans
lanneau des polynomes et dans lanneau Z. Bien entendu la notation P = (a
0
, . . . , a
n
),
meme si elle presente lavantage dinsister sur le role des coecients, est impraticable et
on utilisera la notation usuelle P = a
0
+ . . . + a
n
X
n
, celle de tout le monde, meme des
mathematiciens.
6.1 POLYN

OMES
K designera ici un sous-corps de C que lon pourra prendre egal `a R ou C pour simplier.
Denition: Un polynome `a coecient dans K est une suite delements de K, disons
P = (a
0
, a
1
, . . . , a
n
, . . .) telle quil existe n
0
avec n n
0
, a
n
= 0. Les a
i
sappellent les
coecients du polynome P.
Un polynome du type (a
0
, 0, 0, . . .) sappelle un polynome constant. Le polynome
(0, 0, . . .) sappelle le polynome nul.
Le degre dun polynome non nul P = (a
0
, a
1
, . . . , a
n
, . . .) est lentier
deg(P) := maxn N [ a
n
,= 0
Il nous faut bien s ur denir laddition et la multiplication :
Denition: Soit P = (a
0
, a
1
, . . . , a
n
, . . .) et Q = (b
0
, b
1
, . . . , b
n
, . . .) deux polynomes,
alors leur somme et leur produit sont denis par : P +Q := (a
0
+b
0
, a
1
+b
1
, . . . , a
n
+b
n
, . . .)
et PQ := (c
0
, c
1
, . . . , c
n
, . . .) avec c
n
:=

n
i=0
a
i
b
ni
.
TH

EOR
`
EME: Lensemble des polynomes, muni de laddition et de la multiplication
est un anneau commutatif ; lelement neutre pour laddition est le polynome nul, lelement
neutre pour la multiplication est le polynome constant 1 := (1, 0, 0, . . .).
On a les relations (lorsque ni P, ni Q ni P +Q ne sont nuls) :
deg(P +Q) maxdeg(P), deg(Q) et deg(PQ) = deg(P) + deg(Q)
Demonstration: Il est immediat de verier que laddition denit une loi de groupe. Le
polynome constant dont le premier coecient est 1 est bien lelement neutre car si b
0
= 1
et b
i
= 0 pour i 1 on a bien

n
i=0
a
i
b
ni
= a
n
. Verier lassociativite est un exercice
sur la notation Sigma que lon laisse au lecteur.
Demontrons maintenant les formules sur les degres : si deg(P) = d (resp. deg(Q) = e)
et p
d
(resp. q
e
) est le dernier coecient non nul de P (resp. de Q) on voit facilement que
53
p
i
+ q
i
= 0 d`es que i > max(d, e) do` u la premi`ere inegalite. Remarquons que si d > e
le dernier coecient non nul de P + Q est p
d
et donc dans ce cas on a deg(P + Q) =
maxdeg(P), deg(Q) (idem si d < e) alors que si d = e tous les coecients de P + Q
dindice strictement superieur `a d sont nuls et le coecient dindice d vaut p
d
+q
e
et donc
peut fort bien etre nul. Si n > d + e alors

n
i=0
p
i
q
ni
= 0 car chacun des termes est nul
(ou bien i > d ou bien ni > e) ; par ailleurs le (d+e)-`eme coecient de PQ est p
d
q
e
,= 0.
De ces deux remarques on tire que deg(PQ) = d +e.
Voyons maintenant comment justier et revenir `a une notation plus usuelle : intro-
duisons le polynome X = (0, 1, 0, 0 . . .) ; on voit facilement que X
2
= X.X = (0, 0, 1, 0, . . .)
et plus generalement que X
n
= (0, 0, . . . , 0, 1, 0, . . .) (o` u le 1 est le coecient dindice n).
On en deduit une ecriture plus commode (qui est celle que lon utilisera dans toute la
suite!) :
(a
0
, a
1
, . . . , a
n
, . . .) = a
0
1 +a
1
X +a
2
X
2
+. . . +a
n
X
n
Ceci justie la
Notation : lensemble des polynomes `a coecients dans K se note K[X]. On dit que X
est une indeterminee.
Remarque : nous distinguons donc le polynome a
0
+a
1
X +a
2
X
2
+. . . +a
n
X
n
de la
fonction x a
0
+a
1
x +a
2
x
2
+. . . +a
n
x
n
.
La propriete fondamentale de lanneau des polynomes est, tout comme pour Z, lexis-
tence dune division euclidienne :
TH

EOR
`
EME: Soit A K[X] et B K[X] 0, il existe Q, R K[X], uniques tels
que :
A = BQ+R et R = 0 ou deg(R) < deg(B)
Demonstration: (unicite) Supposons A = BQ + R = BQ

+ R

; alors B(Q Q

) =
R

R. Si R

etait distinct de R alors deg(B) deg(B(QQ

)) = deg(R

R) < deg(B)
am`enerait une contradiction donc R = R

et par consequent Q = Q

.
(existence) La preuve se fait par recurrence sur n := deg(A). Observons que si
deg(A) < deg(B) alors A = 0.B + A fournit une division euclidienne. Supposons donc
demontree lexistence de la division euclidienne pour les polynomes de degre n 1 et
etablissons son existence pour A de degre n. On peut supposer n deg(B) = m sinon on
est dans un cas dej`a traite ; ecrivons A = a
n
X
n
+ . . . et B = b
m
X
m
+ . . . et considerons
A
1
:= A
a
n
b
m
X
nm
B ; si A
1
= 0 la demonstration est terminee et sinon, on voit aisement
que deg(A
1
) n 1 car le coecient de degre n sannule (cest fait pour!) donc dapr`es
lhypoth`ese de recurrence on sait que A
1
= BQ
1
+ R
1
avec deg(R
1
) < deg(B) do` u lon
tire A = B
_
Q
1
+
a
n
b
m
X
nm
_
+R
1
ce qui ach`eve la demonstration de lexistence.
Exemple : La demonstration fournit dailleurs un algorithme pour calculer Q et R ;
illustrons cela avec A = 2X
5
+3X
3
+X
2
X +5 et B = X
2
+X 1 : on peut presenter
les calculs comme ceux de la division euclidienne usuelle (dans Z) :
54
2X
5
+ 3X
3
+X
2
X + 5 X
2
+X 1
2X
5
+ 2X
4
2X
3
2X
3
2X
2
+ 7X 8
2X
4
+ 5X
3
+X
2
X + 5
2X
4
2X
3
+ 2X
2
7X
3
X
2
X + 5
7X
3
+ 7X
2
7X
8X
2
+ 6X + 5
8X
2
8X + 8
14X 3
ainsi 2X
5
+ 3X3 +X
2
X + 5 = (X
2
+X 1)(2X
3
2X
2
+ 7X 8) + (14X 3).
Lexistence de la division euclidienne permet de developper les proprietes de divis-
ibilite : PGCD,PPCM, theor`eme de Bezout, algorithme dEuclide, theor`eme de Gauss,
decomposition en produit de facteurs, de mani`ere enti`erement analogue `a Z. Nous donnons
donc seulement les enonces et renvoyons au chapitre precedent pour les demonstrations en
signalant seulement les endroits o` u le vocabulaire introduit des dierences. Les polynomes
inversibles sont les constantes non nulles : en eet il est clair que ces polynomes sont
inversibles et reciproquement si PQ = 1 on a deg(P) + deg(Q) = 0 et on conclut que P
est constant. Lanalogue des nombres premiers est donne par les polynomes irreductibles,
i.e. par les polynomes P, non constants, qui ne peuvent secrire P = QR avec Q, R deux
polynomes non constants. Les polynomes inversibles sont les constantes non nulles.
Denition: Le plus grand diviseur commun ou PGCD de deux polynomes A et B
K[X] est un polynome D qui divise A et B et tel que tout polynome divisant A et B divise
necessairement D. Le plus petit commun multiple est un polynome M multiple de A et B
et tel que tout polynome multiple de A et B soit divisible par M.
TH

EOR
`
EME: Soient A, B deux polynomes, lun dentre eux non nul (au moins), le
PGCD de A et B existe et, si lon impose quil soit unitaire, il est unique. De meme le
PPCM existe et lon a PPCM(A, B) PGCD(A, B) = AB.
Lalgorithme (dEuclide) suivant fournit un calcul du PGCD :
A = BQ
1
+R
1
(division de A par B)
B = R
1
Q
2
+R
2
(division de B par R
1
)
R
1
= R
2
Q
3
+R
3
(division de R
1
par R
2
)
. . . . . .
R
n1
= R
n
Q
n+1
+R
n+1
(division de R
n1
par R
n
)
Jusqu`a ce que R
n+1
= 0 et alors PGCD(A, B) = R
n
Demonstration: La demonstration est identique au cas arithmetique : on doit seule-
ment observer que deg(R
i+1
) < deg(R
i
) pour sassurer que lalgorithme converge.
Exemple de calcul : prenons A := X
6
+ X
5
+ X
4
+ X
2
+ X + 1 et B = X
5
+ X
4
+
X
3
+X
2
+X + 1 alors
A = BQ
1
+R
1
(avec Q
1
= X et R
1
= 1 X
3
)
B = R
1
Q
2
+R
2
(avec Q
2
= X
2
X 1 et R
2
= 2X
2
+ 2X + 2)
R
1
= R
2
Q
3
+R
3
(avec Q
3
=
1
2
et R
3
= 0)
55
donc R
2
= 2(X
2
+X+1) est le PGCD. Si lon impose quils soient unitaires PGCD(A, B) =
X
2
+ X + 1 et PPCM(A, B) = (X
4
+ 1)B = X
9
+ X
8
+ X
7
+ X
6
+ 2X
5
+ 2X
4
+ X
4
+
X
3
+X
2
+X + 1.
TH

EOR
`
EME: (Bezout) Soit A, B K[X] alors il existe U, V K[X] tels que
AU + BV = PGCD(A, B). De plus lalgorithme dEuclide fournit egalement un calcul
de U et V .
Remarque : Les polynomes U et V ne sont pas uniques (en eet U

= U + QB et
V

= V QA font aussi laaire) mais on peut imposer (si A et B non constants) que
deg(U) deg(B) 1 et deg(V ) deg(A) 1.
Demonstration: On copie la demonstration faite pour Z :
Considerons lensemble I := AP + BQ [ P, Q K[X] ; cest un ideal de K[X] : la
somme de deux elements de I est dans I et le produit par un polynome quelconque dun
element de i est encore dans I ; lexistence de la division euclidienne entrane, comme dans
Z, que tout ideal est engendre par un element, cest-`a-dire que I = DK[X] = DP [ P
K[X]. Par denition de I il existe U, V K[X] tels que D = AU + BV . Voyons que
D = PGCD(A, B) : tout dabord A I donc A est un multiple de D, idem pour B donc
D divise A et B ; si maintenant C divise A et B alors C divise D = AU +BV donc D est
bien le PGCD.
Exemple : reprenons le cas precedent A := X
6
+ X
5
+ X
4
+ X
2
+ X + 1 et B =
X
5
+ X
4
+ X
3
+ X
2
+ X + 1 alors en remontant les etapes de lalgorithme dEclide on
obtient : R
2
= B R
1
Q
2
= B (A BQ
1
)Q
2
do` u PGCD(A, B) = X
2
+ X + 1 =
(
1
2
Q
2
)A+
1
2
(1 +Q
1
Q
2
)B.
Denition: Un polynome P K[X] est dit irreductible sil nest pas constant et si les
seules factorisations P = QR (avec Q, R K[X]) sobtiennent avec P ou Q constant.
Remarques : i) La notion de polynome irreductible correspond `a celle de nombre
premier dans Z.
ii) Les polynomes de degre 1 sont irreductibles car X a = QR entrane Q ou
R constant pour des raisons de degre. Neanmoins il y a beaucoup dautres polynomes
irreductibles en general ; par exemple X
2
+ 1 est irreductible dans R[X], X
3
X + 1 est
irreductible dans Q[X]
iii) Il est indispensable de preciser le corps K car par exemple X
2
+ 1 nest pas
irreductible dans C[X] et X
3
X + 1 nest pas irreductible dans R[X] (ils ont chacun au
moins une racine).
TH

EOR
`
EME:
(i) (Euclide) Soit P irreductible dans K[X] et divisant QR alors P divise Q ou R.
(ii) (Gauss) Si PGCD(P, Q) = 1 et P divise QR alors P divise R.
Demonstration: La demonstration est enti`erement analogue `a celle faite dans Z.
TH

EOR
`
EME: Soit P K[X] un polynome non constant, alors il existe a K

et des
polynomes unitaires distincts P
1
, . . . , P
r
et des entiers m
1
, . . . , m
r
tous 1 tels que :
P = aP
m
1
1
. . . P
m
r
r
56
De plus les P
i
, les m
i
et a sont uniques.
Demonstration: La demonstration est enti`erement analogue `a celle faite dans Z. Il
faut seulement observer que les polynomes inversibles (i.e. les P tels quil existe Q avec
PQ = 1) sont les polynomes constants non nuls.
Exemple : reprenons les polynomes A et B dont nous avons calcule le PGCD. Dans
Q[X] on a A = (X
2
+X+1)(X
4
+1) et B = (X
2
+X+1)(X
2
X+1)(X+1) alors que sur
R[X] on a A = (X
2
+X+1)(X
2
+

2X+1)(X
2

2+1) et B = (X
2
+X+1)(X
2
X+
1)(X+1) et sur C[X] on a A = (Xj)(X

j) et B = (Xj)(X

j)(X+j)(X

j)(X+1)
(o` u lon note j :=
1
2
+i

3
2
).
Remarque : on peut montrer que K[X] poss`ede une innite de polynomes irreductibles
unitaires en copiant la demonstration faite pour les nombres premiers.
6.2 RACINES DUN POLYN

OME
On etudie dans ce paragraphe les premi`eres proprietes de la fonction associee `a un
polynome : si P := a
0
+ a
1
X + . . . + a
n
X
n
K[X] alors on peut lui associer la fonction
de K dans K denie par x a
0
+ a
1
x + . . . + a
n
x
n
. En particulier on sinteresse aux
valeurs de cette fonction ; en fait il nous sura de regarder quand la fonction sannule, ce
qui nous am`ene `a la notion de racine dun polynome.
PROPOSITION: Soit P K[X] et soit K alors P() = 0 si et seulement si
(X ) divise P.
Demonstration: Si P = (X)Q alors visiblement P() = 0. Supposons inversement
que P() = 0 et eectuons la division de P par X . On a P = (X )Q + R avec
R = 0 ou deg(R) < deg(X ) = 1 ; donc R est constant et en calculant P() on trouve
que R = P() donc R = 0 et X divise P.
Denition: On dit que est une racine de P si P() = 0 ou si (X ) divise P. On
dit que est une racine dordre r de P si (X )
r
divise P mais (X )
r+1
ne divise
pas P.
TH

EOR
`
EME: Un polynome de degre n poss`ede au plus n racines (comptee avec
multiplicites).
Demonstration: Supposons que
1
, . . . ,
s
soient des elements distincts et racines
dordre m
1
, . . . , m
s
de P alors les polynomes (X
i
)
m
i
sont premiers entre eux (deux
`a deux) et divisent P donc leur produit divise P. Or le produit

s
i=1
(X
i
)
m
i
a pour
degre

s
i=1
m
i
donc

s
i=1
m
i
deg(P) = n.
Par analogie avec le calcul dierentiel, on peut denir la derivee dun polynome et il
est raisonnable de penser que lannulation des derivees correspond `a une racine multiple.
Pour demontrer cela on etablit la formule de Taylor pour les polynomes qui servira de
prototype pour la formule de Taylor generale (chapitre 14).
Denition: Soit P = a
n
X
n
+ a
n1
X
n1
. . . + a
1
X + a
0
un polynome, le polynome
derive est P

:= na
n
X
n1
+ (n 1)a
n1
X
n2
. . . + a
1
. On note P
(r)
la derivee n-`eme
denit par P
(r+1)
= (P
(r)
)

.
57
Cette operation de derivation est donc denie sans passage `a la limite mais jouit des
memes proprietes que la derivation des fonctions :
PROPOSITION: (P +Q)

= P

+Q

(PQ)

= P

Q+PQ

Plus generalement on a la formule Leibniz


(PQ)
(n)
=
n

i=0
C
i
n
P
(i)
Q
(ni)
Les proprietes suivantes sont equivalentes :
(i) P poss`ede un racine dordre r en X =
(ii) P() = P

() = . . . = P
(r1)
() = 0 et P
(r)
() ,= 0
Demonstration: La demonstration de la premi`ere formule est laissee en exercice. Pour
la deuxi`eme formule on se ram`ene facilement au cas o` u P = X
m
et Q = X
n
; alors
PQ

+ QP

= X
n
(mX
m1
) + X
m
(nX
n1
) = (m + n)X
m+n1
= (PQ)

. Un calcul par
recurrence, `a partir de la formule precedente donne la formule de Leibniz (ce calcul est fait
au chapitre 14 pour la derivation usuelle).
Si P poss`ede une racine dordre r en alors P = (X )
r
Q avec X ne divisant
pas Q donc Q() ,= 0. En appliquant la formule de Leibniz on voit que
P() = P

() = . . . = P
(r1)
() = 0
et P
(r)
() = r!Q() ,= 0. Pour etablir la reciproque on va se servir de la formule suivante :
PROPOSITION: (Formule de Taylor pour les polynomes) Soit P un polynome de
degre n et K alors
P = P() +P
(1)
()(X ) +
P
(2)
()
2!
(X )
2
+. . . +
P
(n)
()
n!
(X )
n
Demonstration: (de la formule de Taylor) Tout polynome P de degre n peut secrire
P =

n
i=0
a
i
(X)
i
(en eet il sut de le verier pour P = X
k
et X
k
= (X+)
k
=

k
i=0
C
i
k

ki
(X)
i
). La derivation etant additive il sut de verier la formule de Taylor
pour le polynome P = (X )
k
. Mais dans ce cas P() = P

() = . . . = P
(k1)
() = 0
et P
(k)
() = k! donc la formule est vraie.
Terminons maintenant la preuve de la proposition :
Si P() = P

() = . . . = P
(r1)
() = 0 et P
(r)
() ,= 0 alors
P =
n

i=0
P
(i)
()
i!
(X )
i
= (X )
r
_
P
(r)
()
r!
+
n

i=r+1
P
(i)
()
i!
(X )
ir
_
et on a bien P = (X )
r
Q avec Q() =
P
(r)
()
r!
,= 0.
58
Remarque : Jusqu`a present nous aurions pu supposer le corps K commutatif quel-
conque, par exemple K = Z/pZ mais la formule de Taylor nest pas valable (telle quelle)
sur Z/pZ et de droles de choses peuvent arriver en derivant les polynomes : considerons
le polynome P = X
3p
+X
p
+1 alors P nest pas constant et pourtant P

= 0 ; par ailleurs,
dapr`es le petit theor`eme de Fermat, le polynome P = X
p
X a pour racine tous les
elements du corps Z/pZ.
Explicitons maintenant la factorisation des polynomes `a coecients dans R et C
TH

EOR
`
EME: (Factorisation dans R[X] et C[X])
(i) Les polynomes irreductibles dans C[X] sont les polynomes du premier degre ; tout
polynome de degre n se factorise sous la forme :
P = a
n
X
n
+. . . +a
0
= a
n
(X
1
)
m
1
. . . (X
r
)
m
r
avec les
i
distincts et m
1
+. . . +m
r
= n.
(ii) Les polynomes irreductibles dans R[X] sont les polynomes du premier degre et les
polynomes du second degre de la forme P = aX
2
+bX +c avec b
2
4ac < 0 ;
Remarque : on voit ainsi que, sur R, tout polynome de degre n se factorise sous la
forme :
P = a
n
X
n
+. . . +a
0
= a
n
(X
1
)
m
1
. . . (X
r
)
m
r
(X
2
+b
1
X+c
1
)
n
1
. . . (X
2
+b
s
X+c
s
)
n
s
avec les
i
reels distincts, les couples (b
i
, c
i
) distincts veriant b
2
i
4c
i
< 0 et m
1
+ . . . +
m
r
+ 2(n
1
+. . . +n
s
) = n.
Demonstration: (i) Il faut demontrer que les seuls polynomes unitaires irreductibles
sur C sont les X mais ceci est clair car tout polynome non constant poss`ede un facteur
de ce type dapr`es le theor`eme de dAlembert-Gauss.
(ii) Il faut demontrer que les seuls polynomes unitaires irreductibles sur R sont les
X et les X
2
+ bX + c (avec b
2
4c < 0). Pour cela soit P un polynome unitaire
irreductible ; il poss`ede une racine complexe . Si R alors X divise P et donc
P = X . Sinon, observons que, comme P est `a coecient reel :
P() =

P() = P() = 0
dautre part (X)(X) = X
2
2Re()X +[[
2
est `a coecient reel et divise P donc
P = X
2
2Re()X +[[
2
.
Terminons ce paragraphe en etudiant, sur R, le graphe des fonctions polynomes de
degre 3 :
59
Si P = aX +b on obtient une droite :
Si P = aX
2
+ bX + c on obtient une parabole qui a pour axe de symetrie la droite
verticale x =
b
2a
Si P = aX
3
+ bX
2
+ cX + d on obtient une cubique qui a toujours un point de
symetrie ; pour etudier le signe de la derivee P = 3ax
2
+2bX +c, on a besoin du signe de
:= b
2
3ac
6.3 FRACTIONS RATIONNELLES
Une fraction rationnelle F `a une indeterminee est une expression du type F =
P
Q
avec
P et Q polynomes (Q est suppose non nul et bien s ur
PR
QR
=
P
Q
). Lensemble des fractions
rationnelles forme un corps quon peut construire formellement `a partir de lanneau des
polynomes de la meme facon que Q est construit `a partir de Z.
Denition: Un element simple de C(X) est une fraction rationnelle de la forme :
F =
b
(X a)
n
avec a, b C et n N

.
Un element simple de R(X) est une fraction rationnelle de la forme :
F =
b
(X a)
n
ou F =
cX +d
(X
2
+aX +b)
n
avec a, b, c, d R et n N

et (dans le deuxi`eme cas a


2
4b < 0).
Linteret de cette notion est illustre par le theor`eme suivant :
TH

EOR
`
EME: Soit K = R ou C, une fraction rationnelle de K(X) peut secrire
de mani`ere unique comme somme dun polynome et delements simples, cette ecriture
sappelle la decomposition en elements simples de la fraction rationnelle.
60
Exemples : La decomposition en elements simples de F =
X
3
+X
2
+X1
X
3
X
est F =
1 +
1
(X1)

1
(X+1)
+
1
X
Remarque : lunicite de cette decomposition est tr`es utile pour la calculer comme on
le verra sur les exemples. Nous allons faire la demonstration sur C et laissons le lecteur
adapter largument au corps des reels ; en fait si F est une fraction `a coecient reels, on
peut la decomposer en elements simples sur R et sur C.
Demonstration: (Unicite) Il sut de voir que si :
F = P +
r

i=1
m
i

j=1
b
ij
(X a
i
)
j
= 0
alors les coecients b
ij
et le polynome P sont nuls. Pour cela multiplions F par (Xa
i
)
m
i
;
on obtient une egalite de la forme 0 = (Xa
i
)
m
i
F = b
im
i
+(Xa
i
)G avec G une fraction
rationnelle sans pole en a
i
. En calculant les valeurs en a
i
, on obtient donc b
im
i
= 0. En
repetant loperation pour chaque coecient on obtient b
ij
= 0 et donc P = 0.
(existence) Commencons par observer que si P et Q sont des polynomes premiers entre
eux alors, dapr`es le theor`eme de Bezout, il existe deux polynomes A, B tels que AP+BQ =
1 ; donc toute fraction rationnelle de la forme F =
R
PQ
peut secrire F =
R(AP+BQ)
PQ
=
AR
Q
+
BR
P
. Par ailleurs tout polynome secrit `a un coecient pr`es D =

r
i=1
(Xa
i
)
m
i
donc
toute fraction rationnelle F =
C
D
va se decomposer en

r
i=1
P
i
(Xa
i
)
m
i
mais si on utilise
maintenant la formule de Taylor pour P
i
au point a
i
on obtient P
i
=

deg(P
i
)
j=0
p
ij
(Xa
i
)
j
do` u en reportant une expression de F comme somme delements simples et de polynomes.
Lutilisation la plus frequente de la decomposition en elements simples est le calcul
de primitives (voir chapitre 17) mais elle peut etre utilisee aussi pour calculer la derivee
n-`eme ; par exemple si F =
X
3
+X
2
+X1
X
3
X
= 1 +
1
X1

1
X+1
+
1
X
alors, comme on sait que
_
dt
(ta)
= Log[t a[ +C

on en tire
_
F(t)dt = t + log [
t
2
t
t + 1
[ +C
En observant que (
d
dt
)
m
(
1
ta
) = (1)
m m!
(ta)
m+1
on en tire :
F
(m)
(t) = (1)
m
m!
_
1
(t 1)
m+1

1
(t + 1)
m+1
+
1
t
m+1
_
Pratique de la decomposition en elements simples : On peut appliquer la methode sui-
vante : on factorise le denominateur, puis on ecrit formellement le type de la decomposition
en elements simples avec des coecients inconnus, on calcule ensuite ces coecients `a laide
des lemmes qui suivent.
61
La partie polynomiale de la decomposition simple sappelle la partie enti`ere de la
fraction rationnelle ; elle se calcule ainsi :
LEMME: Soit F = P/Q une fraction rationnelle et soit E le quotient de la division de
P par Q, i.e. P = EQ+R avec deg(R) < deg Q alors E est la partie enti`ere de la fraction
F.
Demonstration: En eet, en reduisant au meme denominateur la somme des elements
simples, on obtient une egalite de la forme F = E+R/Q avec P, R polynomes et deg(R)
deg(Q) 1. Apr`es multiplication par Q cette egalite devient P = EQ+R qui indique que
E est le quotient de P par Q et R le reste puisque deg(R) < deg(Q).
Il est egalement aise de trouver le coecient correspondant `a un pole dordre maximal :
LEMME: Soit Q = (X a)
m
Q
1
avec Q
1
(a) ,= 0 et F = P/Q dont la decomposition
secrit : F =
u
m
(Xa)
m
+. . . alors u
m
= P(a)/Q
1
(a) = m!P(a)/Q
(m)
(a).
Demonstration: On a (Xa)
m
F = P/Q
1
= u
m
+(Xa)G avec G fraction rationnelle
sans pole en a ; en calculant les valeurs pour X = a, on en deduit u
m
= P(a)/Q
1
(a). Par
ailleur la formule de Leibniz nous donne Q
(m)
(a) = m!Q
1
(a) do` u la deuxi`eme expression.
Ces deux lemmes sont dej`a susants pour calculer la decomposition dune fraction
rationnelle sans pole double.
Exemple : soit F =
X
2n
X
n
1
on eectue la division X
2n
= (X
n
+ 1)(X
n
1) + 1 ;
on sait que les racines de X
n
1 sont les racines n-`emes de lunite et on peut factoriser
X
n
1 =

n1
h=0
(X
h
) avec
h
:= exp(
2ih
n
) do` u une expression a priori :
F = E +
n1

h=0
u
h
X
h
Dapr`es le premier lemme on a E = X
n
+ 1 et si on applique le deuxi`eme lemme avec
P = X
2n
et Q = X
n
1 on obtient u
h
=
(
h
)
2n
n(
h
)
n1
=
h
/n et donc
F =
X
2n
X
n
1
= X
n
+ 1 +
1
n
n1

h=0

h
(X
h
)
Pour traiter les calculs avec des poles multiples le plus economique est dutiliser le
lemme suivant :
LEMME: (division aux puissances croissantes) Soit K, P, Q K[X] avec Q() ,= 0
alors pour tout k N il existe a
i
K et R K[X] tels que :
P = (a
0
+a
1
(X ) +. . . +a
k1
(X )
k1
)Q+ (X )
k
R
En particulier si F := P/(X)
k
Q alors la partie de la decomposition en elements simples
de F correspondant au pole secrit :
a
0
(X )
k
+. . . +
a
k1
(X )
62
Demonstration: Observons que le polynome P (P()/Q())Q sannule en donc
P (P()/Q())Q = (X)R ; raisonnons maintenant par recurrence sur k et supposons
P = (a
0
+ a
1
(X ) + . . . + a
k1
(X )
k1
)Q + (X )
k
R
k
; on sait que R
k
=
rQ + (X )R
k+1
(avec r := R
k
()/Q()) do` u P = (a
0
+ a
1
(X ) + . . . + a
k1
(X
)
k1
+r(X )
k
)Q+ (X )
k+1
R
k+1
. La deuxi`eme armation est immediate.
Exemple : f =
X
10
+X
2
+ 1
X
9
2X
5
+X
Nous allons calculer la decomposition en elements
simples sur C et en deduire celle sur R. Cette fraction est aussi loccasion de faire des
remarques sur lutilisation des symetries (coecients reels, parite).
Factorisation : le polynome Q := X
9
2X
5
+X se decompose en :
X(X
4
1)
2
= X(X 1)
2
(X + 1)
2
(X
2
+ 1)
2
= X(X 1)
2
(X + 1)
2
(X +i)
2
(X i)
2
Decomposition a priori de f avec A, B, C, D, E, F, G, H, I C et R C[X] :
R+
A
X
+
B
X + 1
+
C
(X + 1)
2
+
D
(X 1)
+
E
(X 1)
2
+
F
(X i)
+
G
(X i)
2
+
H
(X +i)
+
I
(X +i)
2
Utilisation des symetries : on sait que

f = f et on observe que f(X) = f(X) ;
en reportant cela dans la decomposition et en utilisant lunicite de la decomposition on
obtient R(X) = R(X), B = D, E = C, F = H et I = G dune part et dautre part

E = E,

A = A,

B = B,

C = C,

D = D,

E = E,

F = H,

G = I do` u lon tire que A, B,
C, F sont reels (et D = B, E = C) et G est imaginaire pur (et I = G).
Le premier lemme permet de calculer R ; on trouve R = X (qui est bien impair et `a
coecients reels).
Le deuxi`eme lemme permet de calculer A (et si on voulait C et G) : f
0
:= Xf =
X
10
+X
2
+1
(X
4
1)
2
donc f
0
(0) = A = 1
Le troisi`eme lemme permet de calculer simultanement C et B :
Q = (X + 1)
2
Q
1
avec Q
1
= X
7
2X
6
+ 3X
5
4X
4
+ 3X
3
2X
2
+ X do` u lon
tire (par la formule de Taylor par exemple) Q
1
= 16 + 64(X + 1) + (X + 1)
2
Q
2
et de
meme P = X
10
+X
2
+ 1 = 3 12(X + 1) + (X + 1)
2
P
2
do` u lecriture de la division aux
puissances croissantes de P par Q
1
par rapport `a (X + 1) :
3 12(X + 1) = (a
0
+a
1
(X + 1))(16 + 64(X + 1)) + (X + 1)
2
R
do` u lon tire a
0
= 3/16 et a
1
= 0 soit C = 3/16 et B = 0
On proc`ede de meme pour les coecients G et F : On a Q = (X i)
2
Q
i
avec
Q
i
= X(X
2
1)
2
(X + i)
2
. Ceci permet de calculer Q
i
(i) = 16i et Q

i
(i) = 64 do` u
Q
i
= 16i 64(X i) + (X i)Q
2
. De la meme facon P(i) = 1 et P

(i) = 12i donc


P = 1 + 12(X i) + (X i)
2
P
2
do` u lecriture de la division aux puissances croissantes
de P par Q
i
par rapport `a (X i) :
1 + 12(X i) = (b
0
+b
1
(X i))(16i 64(X i)) + (X i)
2
R
63
do` u lon tire aisement G = b
0
= i/16 et F = b
1
= 1/2 (on verie bien que G est
purement imaginaire et F reel).
Conclusion : f secrit :
X +
1
X
+
3/16
(X + 1)
2
+
3/16
(X 1)
2
+
1/2
X i
+
i/16
(X i)
2
+
1/2
X +i
+
i/16
(X +i)
2
Pour obtenir la decomposition sur R il sut ici de regrouper les termes complexes
conjugues :
1
(X+i)
+
1
(Xi)
=
2X
X
2
+1
et
i
(X+i)
2

i
(Xi)
2
=
4X
(X
2
+1)
2
donc
f = X +
1
X
+
3
16(X + 1)
2
+
3
16(X 1)
2

X
X
2
+ 1
+
X
4(X
2
+ 1)
2
Remarque. On peut souvent utiliser avantageusement un calcul de valeur particuli`ere
ou de limite pour calculer certains coecients ou des relations entre eux. Par exemple, en
gardant les notations de lexemple precedent, une fois calcule R, on a facilement F R =
(2X
6
+ 1)/(X
9
2X
5
+X) donc
lim
x
x(F(x) R(x)) = 0 = A+B +D +F +H.
On voit quil ny a pas de diculte fondamentale pour calculer la decomposition en
elements simples sinon celle de bien ordonner les calculs.
Noether Emmy (18821935 )
64
CHAPITRE 7 MATRICES
Ce chapitre introduit un outil de calcul tr`es commode : les matrices. Celles-ci sont
denies comme un tableau de nombres mais on en verra une interpretation plus abstraite
au chapitre 9. La technique centrale de ce chapitre est celle dite du pivot de Gauss qui
est `a la fois simple, ecace et versatile.
7.1 OP

ERATIONS SUR LES MATRICES


Denition: Soient m, n 1 des entiers ; une matrice mn est un tableau de nombres
avec m lignes et n colonnes :
A :=
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . .
a
m1
a
m2
. . . a
mn
_
_
_
Les elements a
ij
sappellent les coecients de la matrice A. Par convention, le premier
indice est le numero de la ligne, le deuxi`eme indice est le numero de la colonne. On
designera par Mat(mn, R) lensemble des matrices mn `a coecients dans R.
Remarque : on travaillera pour le moment avec des nombres reels mais il ny a pas de
diculte `a etendre les notions de ce chapitre au cas o` u les coecients sont dans un corps
commutatif K.
Exemple : A =
_
0 1 3 4
1 2 3 4
_
est une matrice 24 et son coecient a
22
est egal
`a 2, alors que a
13
= 3.
Une matrice 1 n est un vecteur ligne. Une matrice m1 est un vecteur colonne.
Denissons maintenant les operations sur les matrices :
Addition :
Si A := (a
ij
) et B := (b
ij
) sont des matrices mn alors A+B est une matrice mn
dont les coecients sont donnes par c
ij
:= a
ij
+b
ij
.
Exemple :
_
0 1 3 4
1 2 3 4
_
+
_
1 2 0 0
1 3 2 1
_
=
_
1 1 3 4
0 5 1 5
_
Multiplication par un scalaire : Si A := (a
ij
) est une matrice m n et R alors
A est une matrice mn dont les coecients sont donnes par c
ij
:= a
ij
.
Exemple : 3
_
0 1 1 3 4
1 2 3 4 1
_
=
_
0 3 3 9 12
3 6 9 12 3
_
Enn loperation la plus interessante (et la plus compliquee) :
Multiplication de deux matrices :
Si A := (a
ij
) et B := (b
ij
) sont des matrices mn et n p alors AB est une matrice
mp dont les coecients sont donnes par c
ij
:=

n
k=1
a
ik
b
kj
.
Remarque : il faut bien noter que la multiplication de deux matrices nest denie que
si le nombre de colonnes de la premi`ere matrice est egal au nombre de lignes de la seconde
matrice.
65
Cas particulier : Le produit dun vecteur ligne par un vecteur colonne (de meme
longueur) est un nombre :
( x
1
x
2
. . . x
n
)
_
_
_
_
_
y
1
y
2
.
.
y
n
_
_
_
_
_
= x
1
y
1
+x
2
y
2
+. . . +x
n
y
n
Exemple : ( 3 1 4 )
_
_
1
1
1
_
_
= 0
(ce produit est en fait le produit scalaire et la derni`ere egalite signie que les vecteurs
(3, 1, 4) et (1, 1, 1) sont orthogonaux).
Cas general : Le produit dune matrice sobtient en faisant le produit de chaque ligne
de la premi`ere matrice par les colonnes de la seconde :
_
_
_
_
_
a
11
. . . . . . a
1n
. . . . . . . .
a
i1
. . . . . . a
in
. . . . . . . .
a
m1
. . . . . . a
mn
_
_
_
_
_
_
_
_
_
_
_
_
_
_
b
11
. . . b
1j
. . . b
1p
.
.
.
.
.
b
n1
. . . b
nj
. . . b
np
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
c
11
c
1p
c
ij
c
m1
c
mp
_
_
_
_
_
Exemple :
_
0 1 3 4
1 2 3 4
_
_
_
_
1 1 0
1 2 1
0 1 1
1 0 0
_
_
_
=
_
5 5 4
1 8 5
_
Plus generalement on peut faire le produit de matrices par blocs (de tailles compatibles) :
_
A B
C D
__
A

_
=
_
AA

+BC

AB

+BD

CA

+DC

CB

+DD

_
o` u A, B, . . . , D

sont des matrices, en les manipulant comme des scalaires, mais en faisant
attention `a ne pas les faire commuter car :
La multiplication des matrices nest pas commutative, on a en general AB ,= BA,
ainsi par exemple :
_
1 1
1 0
__
0 1
1 1
_
=
_
1 2
0 1
_
,=
_
1 0
0 1
_
=
_
0 1
1 1
__
1 1
1 0
_
.
On peut aussi rajouter une operation qui est plutot une notation : on peut juxtaposer
une matrice mn et une matrice mr pour obtenir une matrice m(n +r). Si A et B
sont les deux matrices initiales, on note la nouvelle matrice (A[B)
66
Les matrices permettent de compacter des formules et donc de les manipuler de facon
plus ecace ; nous allons appliquer cela au probl`eme de la resolution dun syst`eme lineaire,
cest-`a-dire dun syst`eme dequation du type :
_
_
_
a
11
x
1
+. . . +a
1n
x
n
= b
1
. . .
a
m1
x
1
+. . . +a
mn
x
n
= b
m
On peut reecrire un tel syst`eme en termes de matrices en posant
A := (a
ij
), X :=
_
_
_
_
_
x
1
.
.
.
x
n
_
_
_
_
_
et b :=
_
_
_
_
_
b
1
.
.
.
b
n
_
_
_
_
_
Alors le syst`eme equivaut `a :
AX = b
Avant de manipuler plus avant les matrices, il convient de connatre les r`egles de calcul :
PROPOSITION: Les operations sur les matrices verient les r`egles suivantes :
1) (distributivite) A(B +C) = AB +AC et (A+B)C = AC +BC
2) (associativite) (AB)C = A(BC)
3) (compatibilite) (AB) = (A)B = A(B)
Demonstration: La verication ne presente pas de diculte.
On peut aussi introduire des matrices particuli`eres :
La matrice nulle mn est la matrice dont tous les coecients sont nuls ; on la note
0
mn
ou simplement 0 si le contexte rend clair sa taille. Observons que pour toute matrice
A (de taille n p) on a 0
mn
A = 0
mp
.
La matrice identite mm est la matrice dont tous les coecients sont nuls sauf ceux
situes sur la diagonale qui valent 1 ; on la note I
m
ou simplement I si le contexte rend
clair sa taille. Ainsi
I =
_
_
_
_
_
1 0
1
.
.
0 1
_
_
_
_
_
(o` u les coecients laisses en blanc sont nuls). Observons que pour toute matrice A de
taille mn on a I
m
A = A = AI
n
.
Une matrice diagonale mm est une matrice dont tous les coecients sont nuls sauf
ceux situes sur la diagonale ; ainsi
D =
_
_
_
_
_
a
11
0
a
22
.
.
0 a
mm
_
_
_
_
_
67
(o` u les coecients laisses en blanc sont nuls).
Une matrice triangulaire superieure m m est une matrice dont tous les coecients
sont nuls sauf ceux sur la diagonale et au dessus de la diagonale ; ainsi
T =
_
_
_
_
_
a
11

a
22

.
.
0 a
mm
_
_
_
_
_
(o` u les coecients laisses en blanc sont nuls et les etoiles designent des coecients quel-
conques).
COROLLAIRE: Lensemble des matrices carrees Mat(n n, R), muni de laddition
et de la multiplication est un anneau ; si n = 1 cest un corps egal `a R, si n 2 cest
un anneau non commutatif qui nest pas un corps.
Demonstration: Les proprietes danneau sont contenues dans les proprietes generales
des matrices, lelement neutre de la loi daddition etant 0
nn
et lelement neutre de la
multiplication etant I
n
. On a dej`a vu que lanneau nest pas commutatif si n = 2 et de
meme ce nest pas un corps car
_
0 1
0 0
__
0 1
0 0
_
= 0
22
est nul sans quaucun des facteurs
ne soit nul.
Il est donc interessant de rechercher si une matrice a un inverse (`a gauche ou `a droite
si elle nest pas carree). Faisons le explicitement sur les matrices 2 2 : observons que
_
a b
c d
__
d b
c a
_
= (ad bc)I
2
On voit donc que si ad bc ,= 0 alors la matrice A =
_
a b
c d
_
est inversible et
A
1
=
_
d
adbc
b
adbc
c
adbc
a
adbc
_
Dautre part si on a ad bc = 0 la matrice A nest pas inversible car sinon on obtiendrait
_
d b
c a
_
= 0.I
2
= 0
22
et donc A = 0
22
ce qui serait contradictoire.
Un interet clair du calcul de linverse dune matrice (quand il existe) est la resolution
des syst`emes lineaires associes : en eet si A est inversible alors AX = b equivaut `a
X = A
1
b. Il est neanmoins rare que lon ait recours a cette methode : tout dabord
elle ne sadapte qu`a des cas particuliers et ensuite il existe une methode permettant de
traiter tous les cas et qui de plus est beaucoup plus pratique et performante du point de
vue algorithmique (et qui fournit linverse quand il existe).
68
7.2 LA M

ETHODE DU PIVOT
On decrit une procedure de resolution des syst`emes lineaires : lidee est de se ramener
`a un syst`eme triangulaire que lon peut ensuite resoudre simplement.
Denition: Une operation elementaire sur les lignes dune matrice consiste `a :
Remplacer une ligne L
i
par la ligne L
i
+L
j
(avec i ,= j).
Echanger deux lignes.
Multiplier une ligne par un scalaire non nul.
Remarque : en combinant ces operations, on voit quon peut remplacer L
i
par L
i
+L
j
.
Montrons sur un exemple que ces operations permettent de simplier considerablement
une matrice ; indiquons par une `eche le fait de passer `a une autre matrice (par une
operation elementaire).
A =
_
_
1 0 2 3 4
1 1 1 1 0
2 1 3 7 2
_
_

_
_
1 0 2 3 4
0 1 3 2 4
2 1 3 7 2
_
_

_
_
1 0 2 3 4
0 1 3 2 4
0 1 7 1 6
_
_

_
_
1 0 2 3 4
0 1 3 2 4
0 0 4 3 2
_
_

_
_
1 0 2 3 4
0 1 3 2 4
0 0 1 3/4 1/2
_
_

_
_
1 0 2 3 4
0 1 0 17/4 5/2
0 0 1 3/4 1/2
_
_

_
_
1 0 0 9/2 3
0 1 0 17/4 5/2
0 0 1 3/4 1/2
_
_
Le grand interet, du point de vue de la resolution des syst`emes lineaires, est le suivant :
TH

EOR
`
EME: Considerons le syst`eme lineaire
() AX = b
Supposons que lon passe de la matrice A
1
:= ( A [ b ) `a la matrice A
2
:= ( A

[ b

) par une
succession doperations elementaires, alors les solutions du syst`eme lineaire :
() A

X = b

sont les memes que celles du syst`eme (*).


Demonstration: Echanger lordre de deux equations ou en multiplier une, par un
scalaire non nul, ne change pas les solutions ; passer de deux equations L
1
= L
2
= 0 `a
deux autres equations L
1
+L
2
= L
2
= 0 nen change pas les solutions, do` u lenonce.
Exemple : Le syst`eme dequations
_
_
_
x
1
+2x
3
+3x
4
= 4
x
1
+x
2
x
3
+x
4
= 0
2x
1
+x
2
3x
3
+7x
4
= 2
69
poss`ede les memes solutions que le syst`eme :
_
_
_
x
1

9
2
x
4
= 3
x
2

17
4
x
4
=
5
2
x
3

3
4
x
4
=
1
2
Or resoudre ce dernier syst`eme est immediat ; on donne une valeur arbitraire `a x
4
et on
en tire :
_
_
_
x
1
=
9
2
x
4
+ 3
x
2
=
17
4
x
4

5
2
x
3
=
3
4
x
4
+
1
2
En vue de donner une autre preuve du theor`eme, interpretons les operations elemen-
taires en termes de matrices : soit
E
k,
:=
_
_
_
_
_
_
_
1
.

.
.
1
_
_
_
_
_
_
_
la matrice dont tous les coecients sont nuls sauf ceux situes sur la diagonale qui valent 1
et le coecient k (-`eme ligne et k-`eme colonne) qui vaut . Calculons EA en appelant
a
ij
les coecients de A et c
ij
ceux de EA. Un calcul direct donne que si i ,= alors
c
ij
= a
ij
alors que c
j
= a
j
+a
kj
, donc :
Multiplier `a gauche par E revient `a transformer A en ajoutant `a sa -`eme ligne fois
sa k-`eme ligne.
On veriera que :
Multiplier `a gauche par
E
i,j
:=
_
_
_
_
_
_
_
1
.
0 1
1
1 0
1
_
_
_
_
_
_
_
la matrice A revient `a echanger les i-`eme et j-`eme lignes de A.
Exemple :
_
0 1
1 0
__
a b c
d e f
_
=
_
d e f
a b c
_
Multiplier `a gauche par
E
i
() :=
_
_
_
_
_
1
.

.
1
_
_
_
_
_
70
la matrice A revient `a multiplier la i-`eme ligne de A par .
En resume on voit que lon passe dune matrice A
1
`a une matrice A
2
par une suite
doperations elementaires si il existe une suite de matrices E
1
,E
2
, . . . , E
r
chacune de lun
des trois types precedents telles que A
2
= E
1
E
2
. . . E
r
A
1
. En particulier, si lon revient aux
syst`emes lineaires, legalite (A

[ b

) = E
1
E
2
. . . E
r
(A [ b) equivaut `a A

= E
1
E
2
. . . E
r
A et
b

= E
1
E
2
. . . E
r
b donc les syst`emes AX = b et A

X = b

sont equivalents.
Voyons maintenant quelle est la forme la plus simple que lon puisse obtenir pour une
matrice (ou un syst`eme lineaire).
Denition: Une matrice est echelonnee si
1) Le premier coecient non nul dune ligne est 1 (on dit que cest un pivot).
2) Le premier coecient non nul de la (i + 1)-`eme ligne est `a droite de celui de la
i-`eme ligne.
3) Les coecients au dessus dun pivot sont nuls.
Exemple :
_
_
1 2 0 0 4
0 0 1 2 9
0 0 0 0 0
_
_
et
_
_
_
_
_
1 0 0 5 1
0 1 0 2 1
0 0 1 0 2
0 0 0 0 0
0 0 0 0 0
_
_
_
_
_
sont echelonnees.
Remarques : Une ligne est soit nulle soit de la forme (0, . . . , 0, 1, , . . . , ) ; si une ligne
est nulle, toutes les lignes situees en dessous sont nulles.
Indiquons comment, en pratique, on peut appliquer des transformations elementaires
`a nimporte quelle matrice pour la rendre echelonnee : on choisit un coecient non nul
situe le plus `a gauche possible ; par multiplication par un scalaire et echange des lignes on
se ram`ene au cas ou ce coecient est 1 et est situe sur la premi`ere ligne :
A

=
_
_
0 0 1
0 0
0 0
_
_
En ajoutant `a chacune des lignes un multiple adequat de la premi`ere ligne on fait apparatre
des zeros en dessous du pivot 1 de la premi`ere ligne. On rep`ete loperation sans toucher la
premi`ere ligne et au bout dun certain temps on arrive `a une matrice du type :
A

=
_
_
0 0 1
0 0 0 1
0 0 0 0 0 1
_
_
Et il ne reste qu`a faire apparatre des zeros au dessus de chaque pivot, ce qui peut se faire
en retranchant un multiple adequat de la ligne du pivot.
Il nous reste `a discuter de la resolution des syst`emes echelonnes.
71
TH

EOR
`
EME: Soit AX = b un syst`eme dequation tel que la matrice (A[b) soit
echelonnee.
1) Le syst`eme poss`ede une solution si et seulement si il ny a pas de pivot sur la
derni`ere colonne.
2) Si il ny a pas de pivot sur la derni`ere colonne, la solution generale du syst`eme
sobtient en xant arbitrairement chacun des x
i
tels que la i-`eme colonne ne contienne pas
de pivot et en calculant chacun des autres x
i
en fonction de ceux-l`a grace `a lequation
correspondant `a la i-`eme ligne.
Exemples : La matrice
(A[b) =
_
_
1 2 0 1 2 0
0 0 1 3 4 0
0 0 0 0 0 1
_
_
poss`ede un pivot sur la derni`ere colonne et le syst`eme associe :
_
_
_
x
1
+2x
2
+x
4
+2x
5
= 0
x
3
+3x
4
+4x
5
= 0
0 = 1
na evidemment pas de solution.
La matrice
(A[b) =
_
_
1 0 0 1 2 2
0 0 1 3 4 1
0 0 0 0 0 0
_
_
ne poss`ede pas de pivot sur la derni`ere colonne et le syst`eme associe a pour solutions
x
1
= 2 x
4
2x
5
, x
3
= 1 3x
4
4x
5
, les coordonnee x
2
,x
4
et x
5
des solutions etant
arbitraires.
COROLLAIRE: Un syst`eme lineaire homog`ene (cest-`a-dire b = 0) avec m equations,
n inconnues et n > m poss`ede au moins une solution non nulle.
Demonstration: En eet un syst`eme homog`ene poss`ede toujours une solution : le
vecteur nul ; ensuite le decompte des equations et variables entrane que, une fois le syst`eme
rendu echelonne, une variable au moins va pouvoir prendre nimporte quelle valeur.
APPLICATION: Calcul de linverse dune matrice par operation elementaires :
Pour calculer linverse dune matrice A carree nn on reduit par operation elementai-
res la matrice (A [ I
n
) `a une matrice echelonnee ; si la matrice A est inversible la matrice
echelonnee obtenue sera (I
n
[ A
1
).
Demonstration: La seule matrice carree inversible et echelonnee est lidentite, donc la
reduction de la matrice A est de la forme suivante : E
r
. . . E
1
A = I avec E
i
des matrices
correspondant `a des operations elementaires. La reduction `a une matrice echelonnee de
(A [ I) est donc E
r
. . . E
1
(A [ I) = (I [ E
r
. . . E
1
) mais lidentite E
r
. . . E
1
A = I signie
precisement que E
r
. . . E
1
= A
1
.
72
Exemple : soit A :=
_
_
5 2 1
1 1 0
2 0 1
_
_
on peut calculer son inverse a laide des operations :
_
_
5 2 1 1 0 0
1 1 0 0 1 0
2 0 1 0 0 1
_
_

_
_
0 3 1 1 5 0
1 1 0 0 1 0
0 2 1 0 2 1
_
_

_
_
1 1 0 0 1 0
0 1 1/2 0 1 1/2
0 3 1 1 5 0
_
_

_
_
1 1 0 0 1 0
0 1 1/2 0 1 1/2
0 0 1/2 1 2 3/2
_
_

_
_
1 1 0 0 1 0
0 1 1/2 0 1 1/2
0 0 1 2 4 3
_
_

_
_
1 0 0 1 2 1
0 1 0 1 3 1
0 0 1 2 4 3
_
_
Ainsi lon a :
A
1
=
_
_
1 2 1
1 3 1
2 4 3
_
_
ce que lon peut dailleurs verier directement.
Remarque : si en echelonnant la matrice (A[I) on trouve une matrice (B[C) avec
B ,= I alors on peut conclure que A nest pas inversible. En eet il sut dobserver que les
matrices elementaires sont toutes inversibles (permuter deux fois deux lignes revient `a ne
rien changer, de meme ajouter puis retrancher un multiple dune ligne ou multiplier puis
diviser par un scalaire non nul).
Exemple : cherchons par cette methode linverse, sil existe de A =
_
1 3
2 6
_
_
1 3 1 0
2 6 0 1
_

_
1 3 1 0
0 0 2 1
_

_
1 3 1 0
0 0 1
1
2
_

_
1 3 0
1
2
0 0 1
1
2
_
donc A nest pas inversible.
Hamilton William Rowan (18051865)
73
CHAPITRE 8 ESPACES VECTORIELS
Le petit prince demanda Dessine-moi un espace vectoriel. Le pilote commenca par
le dessin suivant :
et lui commenta : Voila, les vecteurs cest comme ca, on les note avec des `eches
au-dessus, on peut les ajouter, les multiplier par un nombre.
Le petit prince, un peu etonne, lui repondit, non sans quelques raisons : Mais
pourquoi parler de vecteurs pour ajouter des nombres? Et mettre des `eches, cest un
peu enfantin, non? Tu crois que je ne saurai pas reconnatre un vecteur sans sa `eche?
Un peu vexe, Antoine essaya un deuxi`eme dessin en se justiant ainsi : Cetait un
espace vectoriel de dimension 1, en voila un de dimension 2 ; et je tai enleve les `eches!
Lenfant contempla le nouveau dessin et ajouta un peu perplexe : Ecoute, ta plan`ete
nest dej`a pas vraiment plate, mais la mienne ne lest vraiment pas !. Laviateur grommela
Bon daccord et dessina ceci :
Le petit prince contempla avec plaisir ce troisi`eme dessin mais au bout dun moment
il sinquieta : Mais . . . on ne peut pas voir les mouvements . . . le temps . . . est-ce-quon ne
pourrait pas rajouter une dimension?. Carrement agace, lhomme t le dessin suivant :
et ajouta : Tiens! Jai mis dans ce core un cours dalg`ebre lineaire o` u tu trouveras
des espaces de dimension 4 et aussi de dimension n et peut-etre meme (je ne me souviens
plus) des exemples despaces vectoriels de dimension innie.
Le petit prince sen fut, tr`es content.
8.1 INTRODUCTION
`
A LALG
`
EBRE LIN

EAIRE
Lexemple type de lespace vectoriel, au niveau de ce cours, est lespace R
n
. Nous
noterons le plus souvent e = (x
1
, . . . , x
n
) un element (un vecteur) de R
n
et nous appellerons
74
coordonnees du vecteur e les nombres reels x
i
. On utilisera toutefois aussi, de temps en
temps, la notation en vecteur colonne e =
_
_
x
1
.
.
.
x
n
_
_
.
On dispose de deux operations fontamentales sur R
n
:
l

addition :
si e = (x
1
, . . . , x
n
) et f = (y
1
, . . . , y
n
) alors
e +f := (x
1
+y
1
, . . . , x
n
+y
n
)
la multiplication par un scalaire :
si e = (x
1
, . . . , x
n
) et R alors
.e := (x
1
, . . . , x
n
)
Bien entendu on ne peut dessiner cet espace que lorsque n = 1, 2 ou 3. Nous ne
formalisons les proprietes dun espace vectoriel que dans le paragraphe suivant, mais sur
cet exemple les proprietes sont bien connues.
Pourquoi considerer une dimension quelconque? Une premi`ere (et mauvaise?) reponse
est que les mathematiciens aiment bien travailler dans la plus grande generalite possible
et que ce sont eux qui decident du contenu des cours de premi`ere annee. Une deuxi`eme
(et meilleure?) reponse est que presque tous les probl`emes de la vie courante moderne
conduisent `a des espaces de dimension plus grande que 4. Nous ne pensons pas `a lespace-
temps de dimension 4 dans la theorie dEinstein, mais `a nimporte quelle gestion de banque
ou dentreprise. Une entreprise qui evalue ses stocks va devoir noter la quantite de liq-
uidites, de bien immobiliers, de machines, des produits stockes ou fabriques. Prenons un
petit exemple : un agriculteur produit des pommes de terre, du tournesol, du fourrage,
du ble et des olives. Pour noter sa production annuelle (disons en tonnes) il a besoin dun
vecteur avec cinq coordonnees p = (x
1
, . . . x
5
). Si la production des memes produits par
un autre agriculteur est p

= (x

1
, . . . x

5
) alors leur production totale sera representee par
la somme des deux vecteurs p et p

. Si lon veut la production en kilo du premier, elle sera


donnee par le vecteur 1000p = (1000x
1
, . . . 1000x
5
).
Le bureau des douanes (minist`ere du commerce exterieur) comptabilise les importa-
tions/exportations de plusieurs milliers de produits (ayant chacun plusieurs param`etres :
prix, code du pays, etc). Il est clair que la manipulation de telles donnees se fait sur
ordinateur et quil y a donc besoin de procedures mathematiques (et de personnel sachant
les utiliser!).
Quels sont les probl`emes poses quon veut resoudre? Lalg`ebre lineaire est un outil
precieux pour letude de la geometrie. Nous aborderons ceci `a partir dexemples. Larche-
type du probl`eme dalg`ebre lineaire est un syst`eme lineaire :
Exemple (simple) :
On dispose dun budget de 200F pour preparer une sangria en melangeant deux pro-
portions de jus de fruit pour une proportion de vin ; sachant que le vin co ute 20F le litre
et le jus de fruit 10F le litre combien de litres de sangria pourra-t-on preparer?
75
Appelons x le nombre de litres de vin et y le nombre de litres de jus de fruits, le
probl`eme se traduit par le syst`eme dequations :
_
y = 2x
20x + 10y = 200
do` u lon tire aisement 20x + 10(2x) = 200 et donc x = 5 et y = 10. On pourra donc
preparer 15 litres.
Un syst`eme lineaire general `a n inconnues et m equations secrit :
_
_
_
a
11
x
1
+. . . +a
1n
x
n
= b
1
. . . . . . . . .
a
m1
x
1
+. . . +a
mn
x
n
= b
m
(o` u les a
ij
et les b
i
sont des constantes et les x
j
sont les inconnues). Si n et m sont
grands (de lordre de quelques milliers par exemple) on ne peut resoudre `a la main ces
syst`emes et on a developpe au chapitre precedent un algorithme pour les traiter. Les
syst`emes lineaires ont tous une structure similaire : si lon consid`ere le syst`eme obtenu en
rempla cant les b
i
par 0, quon appelle le syst`eme lineaire homog`ene associe :
_
_
_
a
11
x
1
+. . . +a
1n
x
n
= 0
. . . . . . . . .
a
m1
x
1
+. . . +a
mn
x
n
= 0
on voit que les solutions forment un espace vectoriel contenu dans R
n
(la denition formelle
nest donnee quau paragraphe suivant) : la somme de deux solutions est encore une
solution, le produit par un scalaire dune solution est encore une solution. De plus si lon
connat une solution particuli`ere du syst`eme de depart, toutes les autres sont sommes de
la solution particuli`ere et dune solution du syst`eme homog`ene.
Exemple : une solution du syst`eme
_
_
_
x +y +z = 1
x y + 2z = 0
3x y + 5z = 1
est donnee par (2, 0, 1) (verication directe) alors que le syst`eme homog`ene
_
_
_
x +y +z = 0
x y + 2z = 0
3x y + 5z = 0
a pour solutions les vecteurs de la forme (3t, t, 2t) avec t R. Ainsi les solutions du
syst`eme de depart sont toutes donnees par (3t + 2, t, 2t 1) quand t varie.
Ces equations lineaires denissent aussi les objets geometriques simples comme les
droites, les plans :
Dans le plan R
2
, lequation ax + by = c (o` u a, b, c sont des constantes) denit une
droite (sauf si a = b = 0). Dans lespace R
3
lequation ax + by + cz = d (o` u a, b, c, d sont
76
des constantes) denit un plan (sauf si a = b = c = 0) mais il faut deux equations pour
denir une droite. Toutefois deux equations lineaires dans R
3
ne denissent pas toujours
une droite : par exemple les equations 2xy +3z = 2, 6x+3y 9z = 6 denissent un
plan.
8.2 ESPACES VECTORIELS
Ce paragraphe contient la formalisation de la notion despace vectoriel. On ne gagne
rien `a supposer que le corps de base est toujours R, on travaillera donc sur un corps K,
mais dans les exemples, on pourra supposer K = R. Si le go ut du lecteur lincline vers
les situations concr`etes ou le souci du
`
A quoi ca sert?, il pourra mediter le fait que la
theorie des codes de telecommunication utilise largement les espaces vectoriels sur les corps
nis Z/pZ.
Denition: Un espace vectoriel sur un corps K est un ensemble E, muni de deux lois
(+, .), la loi + etant une application de E E vers E, la loi . (multiplication par un
scalaire) etant une application K E vers E, telles que :
1) (E, +) est un groupe commutatif (avec element neutre note 0 ou 0
E
).
2) a K, x, y E a.(x +y) = a.x +a.y
3) a, b K, x E (a +b).x = a.x +b.x
3) a, b K, x E (ab).x = a.(b.x)
4) x E 1.x = x
Convention : On omettra tr`es souvent le point notant la multiplication par un scalaire.
On dira souvent un K-espace vectoriel au lieu dun espace vectoriel sur K
Exemples : on verie (immediatement) que (K
n
, +, .) (o` u laddition et la multiplica-
tion par un scalaire sont denies comme au paragraphe precedent pour R
n
) est un espace
vectoriel.
- Lensemble des solutions dun syst`eme lineaire homog`ene est un espace vectoriel
(comme cest un sous-ensemble de K
n
laddition et la multiplication par un scalaire sont
dej`a denies).
- Lensemble des matrices mn est un espace vectoriel.
- Le corps des complexes C est un espace vectoriel de deux facons (au moins) : cest
dabord un espace vectoriel sur lui-meme, mais cest aussi un espace vectoriel sur R.
- Lespace des fonctions de R dans R est un R-espace vectoriel : si f, g sont des
fonctions et un reel, on pose (f +g)(x) := f(x) +g(x) et (f)(x) := f(x).
- Lespace des fonctions continues de R dans R est un R-espace vectoriel. En eet la
somme de deux fonctions continues est continue de meme que le produit par une constante.
- Lespace des fonctions f(t) deux fois derivables de R dans R et veriant lequation
dierentielle :
f

(t) +cos(t)f

(t) + 3tf(t) = 0
est un R-espace vectoriel. En eet la somme de deux fonctions deux fois derivables
et veriant lequation dierentielle est encore deux fois derivable et verie lequation
dierentielle (voir le chapitre 20 pour lutilisation de cet exemple).
- Lensemble K[X] des polynomes forme un K-espace vectoriel.
77
- Lensemble des suites u := (u
n
)
nN
`a valeurs reelles forme un espace vectoriel : si
u := (u
n
)
nN
et v := (v
n
)
nN
sont des suites et un reel, on pose u +v := (u
n
+v
n
)
nN
et u := (u
n
)
nN
- Lensemble des suites reelles u := (u
n
)
nN
veriant la relation de recurrence :
u
n
+ (2n + 1)u
n1
+n
2
u
n2
= 0
forme un espace vectoriel. En eet la somme de deux telles suites et le produit par une
constante est encore une suite du meme type (voir le chapitre 12 pour lutilisation de cet
exemple).
On peut aussi `a partir despaces vectoriels donnes en fabriquer dautres.
Denition: Un sous-ensemble F dun espace vectoriel E est un sous-espaces vectoriel
si muni des deux lois de E (restreintes `a F) il devient un espace vectoriel.
Cela signie donc que la loi daddition est une loi interne de F F dans F, que pour
tout R et x F on a x F et que F muni de ces deux operations verie les axiomes
dun espace vectoriel.
PROPOSITION: Soit F E, alors F est un sous-espace vectoriel de E si et seulement
si on a :
(i) 0
E
F
(ii) , K, x, y F, x +y F
Demonstration: En eet cette condition equivaut au fait que laddition et la multipli-
cation par un scalaire (dans E) denissent bien deux lois F F F et K F F et
les axiomes despace vectoriel sont alors veries puisquils le sont dans E.
Exemples : Une droite passant par lorigine, un plan passant par lorigine sont des
sous-espaces vectoriels de R
3
. Si x E (et x ,= 0) alors lensemble des vecteurs x (o` u
parcourt K) est un sous-espace vectoriel : cest la droite engendree par x.
Comme application, on peut observer que lintersection de deux sous-espaces vectoriels
est encore un sous-espace vectoriel mais que lunion nest pas un sous-espace vectoriel (sauf
si lun des deux espaces contient lautre).
Si F, F

sont des sous-espaces vectoriels de E on peut denir leur somme comme :


F +F

:= f +f

[ f F et f

On dira que les deux sous-espaces vectoriels sont en somme directe si F F

= 0 et on
notera, dans ce cas la somme F F

.
Si S est un sous-ensemble de E, on peut denir lespace vectoriel engendre par S
comme la somme des droites engendrees par les elements de S. Par exemple si e := (1, 0, 0),
78
f := (0, 1, 0), g := (1, 1, 0) et h := (0, 0, 1) R
3
alors lespace vectoriel engendre par
e, f, g est un plan alors que lespace vectoriel engendre par e, f, h est lespace R
3
tout
entier. Les sous espaces engendres par e, f et par f, g ne sont pas en somme directe
mais les sous espaces engendres par e, f et par h sont en somme directe.
Notation : Soit e
1
, . . . , e
r
des vecteurs dun espace vectoriel E. Lensemble des combi-
naisons lineaires des e
1
, . . . , e
r
est un sous-espace vectoriel de E, on le note :
Vect(e
1
, . . . , e
r
) = x =
1
e
1
+. . . +
r
e
r
[
1
, . . . ,
r
R
Si E, F sont des espaces vectoriels, on peut denir de mani`ere naturelle une structure
despaces vectoriel sur le produit :
x, x

E, y, y

F : (x, y) + (x

, y

) := (x +x

, y +y

) et (x, y) := (x, y)
Par exemple R
m
R
n
sidentie `a R
m+n
.
8.3 BASES ET DIMENSION
Dans tout ce paragraphe on travaille dans un espace vectoriel E sur un corps K que
lon pourra prendre egal `a R. Ce paragraphe donne une denition precise de la notion de
dimension dun espace vectoriel et est fondamental pour la suite. Le point clef est quun
espace vectoriel E (de dimension nie) est toujours isomorphe `a K
n
et plus precisement
quil existe n vecteurs e
1
, . . . , e
n
tels que tout vecteur de E secrivent de facon unique
comme combinaison lineaire des e
i
. Ceci generalise la notion de rep`ere du plan (deux
vecteurs) et de lespace (trois vecteurs).
Commen cons par un peu de vocabulaire :
Une famille de vecteurs est une suite (nie dans la pratique) de vecteurs indexes par
un ensemble I (dans la pratique on prend souvent I := 1, . . . , n) ; on note (e
i
)
iI
une
telle famille.
Une combinaison lineaire des vecteurs e
i
est un vecteur x de la forme x :=

iI

i
e
i
avec
i
K ; si lensemble I est inni on impose que pour tout i I, sauf un nombre ni,
on ait
i
= 0.
Denition: 1) Une famille (e
i
)
iI
de vecteurs est libre si la seule combinaison lineaire
nulle des e
i
est obtenue en prenant tous les
i
nuls ; elle est liee si elle nest pas libre.
2) Une famille (e
i
)
iI
de vecteurs est generatrice de lespace vectoriel E si tout vecteur
de E est une combinaison lineaire des e
i
.
3) Une famille (e
i
)
iI
est une base si elle est libre et generatrice.
Exemples : 1) Une famille contenant le vecteur nul 0 ou bien contenant deux vecteurs
egaux est liee. Plus generalement une famille est liee si et seulement lun de ses vecteurs
est combinaison lineaire des autres vecteurs.
2) Prenons E := R
3
et
e
1
:=
_
_
2
2
2
_
_
, e
2
:=
_
_
0
1
1
_
_
, e
3
:=
_
_
2
1
5
_
_
, e
4
:=
_
_
1
0
2
_
_
79
On verie les relations : e
3
= e
1
3e
2
et 2e
4
= e
2
+e
3
ainsi la famille e
1
, e
2
, e
3
, e
4
nest
pas libre, la famille e
1
, e
2
, e
3
non plus. Par contre la famille e
1
, e
2
est libre ; en eet
si
1
e
1
+
2
e
2
= 0 alors
1
=
1
+
2
= 2
1

2
= 0 ce qui entrane
1
=
2
= 0.
Geometriquement cela traduit que les deux vecteurs e
1
, e
2
ne sont pas situes sur une meme
droite : ils ne sont pas colineaires ; par contre les quatre vecteurs e
1
, e
2
, e
3
, e
4
sont tous
situes dans un meme plan P. On peut dailleurs verier que ce plan est donne par :
P =
_
_
_
_
_
x
1
x
1
x
2
_
_
R
3
[ 2x
1
+x
2
+x
3
= 0
_
_
_
Considerons maintenant le vecteur e
5
:=
_
_
1
0
0
_
_
et verions que e
1
, e
2
, e
5
forme une base
de E = R
3
. Tout dabord prouvons que cette partie est libre : pour cela on consid`ere
une combinaison lineaire nulle :
1
e
1
+
2
e
2
+
3
e
5
= 0 ; ceci equivaut `a : 2
1
+
3
=
0,2
1
+
2
= 0 et 4
1

2
= 0 ; en sommant les deux derni`eres egalites on obtient 3
1
= 0
donc
1
= 0 puis
2
=
3
= 0. Pour montrer (directement) que e
1
, e
2
, e
5
est generatrice
on doit montrer que pour tout vecteur e :=
_
_
a
b
c
_
_
il existe une combinaison lineaire telle
que e =
1
e
1
+
2
e
2
+
3
e
5
. Ceci equivaut `a
1
+
3
= a,
1
+
2
= b, 2
1

2
= c dont
on determine lunique solution
3
= (3a b c)/3,
2
= (2b c)/3 et
1
= (b +c)/3.
3) (Base canonique) Il est facile de verier que dans K
n
, les vecteurs e
1
:= (1, 0, . . . , 0),
e := (0, 1, 0, . . . , 0), . . . ,e
n
:= (0, . . . , 0, 1) forment une base : en eet tout vecteur x =
(x
1
, . . . , x
n
) secrit de mani`ere unique comme combinaison lineaire des e
i
de la facon suiv-
ante : x = x
1
e
1
+. . . +x
n
e
n
. Cette base sappelle la base canonique de K
n
.
Commentaires : On voit que si lon consid`ere une famille nie e
1
, . . . , e
n
et si lon
examine les combinaisons lineaires de ces vecteurs :
1) Si la famille est libre, un vecteur, qui est combinaison lineaire, lest de mani`ere
unique.
2) Si la famille est generatrice, tout vecteur est combinaison lineaire des vecteurs de
cette famille, autrement dit Vect(e
1
, . . . , e
n
) est lespace tout entier.
3) Si la famille est une base, tout vecteur secrit de mani`ere unique comme combinaison
lineaire. En dautres termes lapplication de K
n
vers E donnee par (
1
, . . . ,
n
)
1
e
1
+
. . . +
n
e
n
est une bijection.
Nous dirons (provisoirement) quun espace vectoriel E est de dimension nie si il
admet une famille generatrice nie.
Exemple : Lespace vectoriel K[X] nest pas de dimension nie sur K. En eet si
P
1
, . . . , P
n
est une famille nie de polynomes, soit d := max(deg(P
i
)), alors toute combi-
naison lineaire des P
i
est un polynome de degre inferieur ou egal `a d.
80
Lespace vectoriel K
n
est de dimension nie (heureusement . . . ) puisque les vecteurs
e
i
:= (0, . . . , 1, . . . , 0) (avec un 1 sur la i-`eme coordonnee) forment une base. Nous allons
maintenant voir que tout espace vectoriel de dimension ni est en fait de ce type.
PROPOSITION: Soient e
1
, . . . , e
n
des vecteurs de E, soient f
1
, . . . , f
n+1
des combi-
naisons lineaires des e
1
, . . . , e
n
, alors la famille des f
j
est liee.
Demonstration: Ecrivons f
i
=

j
a
ij
e
j
, alors

n+1
i=1
x
i
f
i
=

j
(

i
a
ij
x
i
) e
j
mais on
sait que le syst`eme

i
a
ij
x
i
= 0 pour j = 1, . . . , n poss`ede une solution non nulle car cest
un syst`eme homog`ene avec plus dinconnues que dequations (la demonstration de ce fait
a ete donnee en etudiant la methode du pivot au chapitre 7) ; donc celle-ci fournit une
combinaison lineaire des f
i
qui est nulle.
COROLLAIRE: Deux bases ont toujours le meme cardinal.
Demonstration: Soient e
1
, . . . , e
n
et f
1
, . . . , f
m
deux bases. Si on avait m > n, comme
les f
j
sont des combinaisons lineaires des e
i
, on en tirerait que les f
j
sont lies, ce qui nest
pas. On a donc etabli que m n et par symetrie n m et donc m = n.
Remarque : le corollaire reste vrai si lespaces est de dimension innie, mais la preuve
est plus dicile.
TH

EOR
`
EME: (de la base incompl`ete) Soit L une partie libre de E contenue dans (
une partie generatrice de E. Alors il existe une base B de E contenant L et contenue dans
(.
Le nom du theor`eme provient du fait quil indique que lon peut completer la partie
libre L en une base (`a laide delements dune partie generatrice). On pourrait aussi
lappeler theor`eme de la base extraite puisquil dit aussi que lon peut extraire une base
de toute partie generatrice.
Demonstration: Choisissons un sous-ensemble b
1
, b
2
, . . . = B de ( donnant une
partie libre, contenant L et de cardinal maximal pour ces proprietes ; montrons que cest
bien une base. Il sut de voir que cest une partie generatrice ; mais comme tout vecteur
est combinaison lineaire des elements de (, il sut de voir quun vecteur de ( est une
combinaison lineaire des vecteurs de B. Soit donc e un vecteur de ( alors la famille Be
est liee et la relation de dependance lineaire e +

i
b
i
= 0 ne peut pas correspondre
`a = 0 (sinon les b
i
B seraient lies) et permet donc dexprimer e comme combinaison
lineaire des vecteurs de B.
On en deduit immediatement :
COROLLAIRE: Tout espace vectoriel de dimension nie admet une base (nie).
Demonstration: On prend une partie generatrice nie et on peut en extraire une
base.
Toutes les bases ayant meme cardinal, on peut denir :
Denition: Le cardinal dune base de E sappelle la dimension de E. On le note
dim(E).
81
Denition: La dimension de lespace vectoriel engendre par un syst`eme de vecteurs
u
i
[ i I sappelle le rang du syst`eme. En dautres termes le rang de u
i
[ i I est
dimVect(u
i
[ i I).
Ainsi un espace est de dimension n si lune de ses bases (et donc toutes) est de cardinal
n. La dimension est linvariant le plus important dun espace vectoriel. Lespace K
n
`a une
base de cardinal n et est donc bien de dimension n (ouf!) et en fait si E est de dimension
n sur K et a pour base e
1
, . . . , e
n
, lapplication (
1
, . . . ,
n
)
1
e
1
+ . . . +
n
e
n
est
une bijection (et meme un isomorphisme d`es que nous aurons vu la notion dapplication
lineaire).
COROLLAIRE: Soit F un sous-espace vectoriel de E espace vectoriel de dimension
nie, alors il existe un autre sous-espace vectoriel F

tel que E = F F

. On dit que F

est un supplementaire de F dans E.


Demonstration: On choisit une base de F, disons e
1
, . . . , e
m
que lon compl`ete en une
base de E, disons e
1
, . . . , e
n
; alors le sous-espace vectoriel F

engendre par e
m+1
, . . . , e
n
repond `a la question.
Un supplementaire nest pas unique ; un decompte des cardinaux des diverses bases
montre que la dimension du supplementaire est independante du choix du supplementaire
et vaut dim(E) dim(F).
COROLLAIRE: Supposons que E est de dimension n alors :
1) Toute famille libre est de cardinal au plus n (avec egalite si et seulement si cest
une base).
2) Toute famille generatrice est de cardinal au moins n (avec egalite si et seulement
si cest une base).
Demonstration: 1) Une partie libre peut etre completee en une base de cardinal n et a
donc un cardinal n avec egalite si il ny a pas besoin de completer, i.e. si cest une base.
2) Si une partie est generatrice, on peut trouver un sous-ensemble qui est une base
de cardinal n, donc le cardinal est au moins n avec egalite si la partie generatrice est une
base.
En particulier, dans un espace de dimension n, le rang dun syst`eme u
1
, . . . , u
m
est
toujours inferieur ou egal `a min(m, n), il est egal `a m si et seulement si le syst`eme est libre
et il est egal `a n si et seulement si le syst`eme est generateur.
COROLLAIRE: 1) Si F E alors dimF dimE, avec egalite si et seulement si
E = F.
2) dim(E F) = dimE + dimF
3) dim(E F) = dimE + dimF
Demonstration: Ces trois enonces peuvent se demontrer en denombrant des bases de
chacun des espaces vectoriels. Ainsi pour 1) on compl`ete une base e
1
, . . . , e
m
de F en une
base e
1
, . . . , e
n
de E et bien s ur m n, legalite ayant lieu si E = F. Pour 2) on constate
que lunion dune base de E et dune base de F est disjointe et donne une base de E F.
82
Pour 3) on observe que si e
1
, . . . , e
m
est une base de E et f
1
, . . . , f
n
est une base de F
alors (e
1
, 0), . . . , (e
m
, 0), (0, f
1
), . . . , (0, f
n
) fournit une base de E F.
Descartes Rene (15961650)
83
CHAPITRE 9 APPLICATIONS LIN

EAIRES
On formalise dans ce chapitre le deuxi`eme concept abstrait fondamental en alg`ebre
lineaire : celui dapplication lineaire ; le lecteur connait dej`a un bon nombre dexemples :
hormis les applications denies par des matrices, on etudie au lycee des rotations, syme-
tries, projections, homotheties que lon retrouve ici.
9.1 TH

EOR
`
EME DE LA DIMENSION
Denition: Soient E, F des K-espaces vectoriels, une application u : E F est
K-lineaire (ou lineaire si le contexte est clair) si elle verie :
e
1
, e
2
E,
1
,
2
K, u(
1
e
1
+
2
e
2
) =
1
u(e
1
) +
2
u(e
2
)
Exemple : si E = K
n
et F = K
m
alors toute matrice A mn denit une application
X AX (o` u X est un vecteur colonne) de E vers F qui est lineaire puisque A(
1
X
1
+

2
X
2
) =
1
AX
1
+
2
AX
2
.
On utilise frequemment la linearite de la derivation, de lintegrale ; traduit en termes
despaces vectoriels cela signie que, par exemple lapplication f f

qui a une fonction


associe sa derivee est lineaire (de lespace des fonctions derivables dans lespace des fonc-
tions), que lapplication f
_
b
a
f(t)dt est lineaire (de lespace des fonctions continues dans
R disons). Voyons comment u agit sur les sous-espaces vectoriels :
PROPOSITION: Soient E, F des K-espaces vectoriels et u une application lineaire
de E vers F, limage dun sous-espace vectoriel de E par u est un sous-espace vectoriel de
F, limage reciproque dun sous-espace vectoriel de F par u est un sous-espace vectoriel
de E.
Demonstration: Soit E

un sous-espace vectoriel de E, soient y


1
, y
2
u(E

) alors il
existe x
1
, x
2
E

tels que y
i
= u(x
i
) donc
1
y
1
+
2
y
2
= u(
1
x
1
+
2
x
2
) u(E

) ; donc
u(E

) est un sous-espace vectoriel. Par ailleurs si F

est un sous-espace vectoriel de F et


si x
1
, x
2
u
1
(F

) alors u(
1
x
1
+
2
x
2
) =
1
u(x
1
) +
2
u(x
2
) F

donc
1
x
1
+
2
x
2

u
1
(F

) et u
1
(F

) est bien un sous-espace vectoriel.


En particulier le noyau de u, lensemble Ker(u) := x E [ u(x) = 0 est un sous-
espace vectoriel de E et limage de E par u, lensemble Im(u) := y F [ x E, u(x) =
y est un sous-espace vectoriel de F. On verie aisement que :
- Une application lineaire u est injective si et seulement si son noyau est nul : Ker(u) =
0
- Une application lineaire u est surjective si et seulement si limage dune partie
generatrice est generatrice.
Denition: Un isomorphisme despaces vectoriels est une application lineaire u : E F
qui est bijective.
Remarque : il est immediat que si u est bijective et lineaire, la bijection reciproque
est aussi lineaire et que u transforme une base de E en une base de F.
84
Exemples : Soit u(x, y) := 2x + y de R
2
vers R alors le noyau est la droite donnee
par lequation 2x +y = 0 et limage est R entier.
Soit v(x, y, z) = (2x +y, 3y +z, z +y +x, x +y) de R
3
dans R
4
, alors un petit calcul
fournit que Ker(v) = 0 et que limage est lhyperplan dequation 3XY +Z+5T = 0.
Une rotation, une symetrie, une homothetie de rapport non nul est bijective (noyau
nul et image egale `a lespace entier). Une projection se fait parall`element `a son noyau et
sur son image.
Rotation dans le plan Rotation dans lespace
Symetrie dans le plan Symetrie dans lespace
Projection sur une droite Projection sur un plan
parall`element `a un plan parall`element `a une droite
Les rotations et les symetries sont des isomorphismes alors que les projections ne sont
pas surjectives et ont un noyau non nul. On peut observer sur ces exemples la loi generale
sur les dimensions que lon enonce maintenant :
TH

EOR
`
EME: Soient E, F des K-espaces vectoriels et u une application lineaire deE
vers F, alors
dimE = dimIm(u) + dimKer(u)
Demonstration: Soit E

un supplementaire de Ker(u) (i.e. E

Ker(u) = E) alors la
restriction de u `a E

avec pour but F

:= Im(u) est un isomorphisme u

: E

: en eet
elle est surjective car si y F

alors il existe x E tel que u(x) = y mais x = x

+x

avec
x

et x

Ker(u) donc y = u(x) = u

(x

) ; par ailleurs Ker(u

) = Ker(u) E

= 0
donc u

est injective. On a donc dimE

= dimIm(u) et dimKer(u) +dimE

= dimE do` u
le theor`eme.
85
COROLLAIRE: dimu(E) dimE (avec egalite si et seulement si u est injective).
Demonstration: En eet dimu(E) = dimE dimKer(u) dimE avec egalite si et
seulement si Ker(u) est nul cest-`a-dire si u est injective.
COROLLAIRE: Soient E, F des K-espaces vectoriels et u une application lineaire de
E vers F, supposons dimE = dimF = n, alors u est bijective si et seulement si elle est
injective ou bien si et seulement si elle est surjective.
Demonstration: Lapplication u est surjective si et seulement si dimIm(u) = n donc
si et seulement si dimKer(u) = 0 cest-`a-dire si u est injective.
COROLLAIRE: Soient E et F des sous-espaces vectoriels dun espace vectoriel G.
dimE + dimF = dim(E +F) + dim(E F)
Demonstration: Considerons lapplication lineaire u : E F E + F donnee par
(x, y) x+y. Elle est surjective par construction et son noyau est le sous-espace vectoriel
(x, y) E F [ x + y = 0 = (x, x) [ x E F qui est isomorphe `a E F. On en
deduit que dimE + dimF = dimE F = dim(E +F) + dim(E F).
9.2 MATRICE DUNE APPLICATION LIN

EAIRE
Un moyen simple de construire des applications lineaires est de xer limage des
elements dune base de lespace de depart u(e
1
), . . . , u(e
n
). Si lon dispose dune base
de lespace darrivee on peut exprimer les vecteur u(e
i
) comme combinaisons lineaires des
vecteurs de la base. On arrive `a une description de u par un ensemble de nombres qui se
range naturellement dans un tableau, i.e. une matrice. Cette construction est linverse de
celle qui a une matrice A associe lapplicaton lineaire X AX et est extremement utile
pour letude des applications lineaires et des matrices.
Denition: Soient e
1
, . . . , e
n
une base de E et f
1
, . . . , f
m
une base de F et u : E F
une application lineaire, alors u(e
j
) := a
1j
f
1
+ . . . + a
mj
f
m
et on denit la matrice de u
dans les bases e = e
1
, . . . , e
n
, f = f
1
, . . . , f
m
comme :
Mat(u; (e), (f)) := (a
ij
)
Cette correspondance entre matrices et application lineaire est si naturelle que la compo-
sition dapplication lineaires correspond `a la multiplication des matrices :
TH

EOR
`
EME: Soient e
1
, . . . , e
n
une base de E, f
1
, . . . , f
m
une base de F et g
1
, . . . g
k
une base de G, soient u : E F et v : F G des applications lineaires, alors
Mat(v u; (e), (g)) = Mat(v; (f), (g))Mat(u; (e), (f))
86
Demonstration: Notons B := Mat(v; (f), (g)) = (b
ij
) cest-`a-dire v(f
j
) =

k
i=1
b
ij
g
i
et A := Mat(u; (e), (f)) = a
ij
cest-`a-dire u(e
j
) =

m
i=1
a
ij
f
i
et enn BA = (c
ij
) donc
c
ij
=

m
h=1
b
ih
a
hj
. On peut calculer :
v u(e
j
) = v
_
m

h=1
a
hj
f
h
_
=
m

h=1
a
hj
_
k

i=1
b
ih
g
i
_
=
k

i=1
_
m

h=1
b
ih
a
hj
_
g
i
Remarque : soit e
1
, . . . , e
n
la base canonique de R
n
et f
1
, . . . , f
m
la base canonique
de R
m
alors les vecteurs colonnes de la matrice de u : R
n
R
m
sont les vecteurs
u(e
1
), . . . , u(e
n
).
Exemples : (on choisit la base canonique de R
2
dans les exemples qui suivent)
La matrice dune rotation u dangle est donnee par R

=
_
cos() sin()
sin() cos()
_
. En
eet u(e
1
) =
_
cos()
sin()
_
et u(e
2
) =
_
sin()
cos()
_
.
La matrice de la symetrie par rapport `a la droite faisant un angle /2 avec laxe des x
est donnee par
_
cos() sin()
sin() cos()
_
. En eet u(e
1
) =
_
cos()
sin()
_
et u(e
2
) =
_
sin()
cos()
_
.
La matrice de la projection sur laxe des x parall`element `a laxe des y est
_
1 0
0 0
_
.
La matrice dune homothetie de rapport est
_
0
0
_
.
APPLICATION: Formules daddition de cosinus et sinus :
En appliquant le theor`eme precedent `a la composition de deux rotations dangles et

on obtient R
+
= R

et donc :
_
cos( +

) sin( +

)
sin( +

) cos( +

)
_
=
_
cos() sin()
sin() cos()
__
cos(

) sin(

)
sin(

) cos(

)
_
=
=
_
cos() cos(

) sin() sin(

) cos() sin(

) cos(

) sin()
cos() sin(

) + cos(

) sin() cos() cos(

) sin() sin(

)
_
87
ce qui donne bien les formules daddition de cosinus et sinus :
cos( +

) = cos() cos(

) sin() sin(

) et sin( +

) = cos() sin(

) + cos(

) sin()
9.3 CHANGEMENTS DE BASES
Reprenons lexemple de la symetrie par rapport `a une droite dont la matrice dans
la base canonique est
_
cos() sin()
sin() cos()
_
; si lon choisit comme base les vecteurs f
1
, f
2
comme indique ci-dessous on obtient comme matrice pour la symetrie
_
1 0
0 1
_
On se propose dans ce paragraphe de systematiser les calculs de ces changements
de base. Le but est le plus souvent de trouver des bases dans lesquelles la matrice de
lapplication etudiee est la plus simple possible.
Denition: Soient e
1
, . . . , e
n
et e

1
, . . . , e

n
deux bases de E, la matrice de passage de e
`a e

est la matrice n n dont la j-`eme colonne est formee des composantes de e

j
dans la
base e
1
, . . . , e
n
.
En dautres termes P(e, e

) = (a
ji
) avec e

j
=

n
i=1
a
ij
e
i
.
Commentaires : 1) La matrice P = P(e, e

) est aussi Mat(id, (e

), (e)) la matrice de
lapplication identite de E (muni de la base e

1
, . . . , e

n
) vers E (muni de la base e
1
, . . . , e
n
).
2) Si on pose P

= P(e

, e) alors PP

= Id ou encore P
1
= P(e

, e).
3) Le sens decriture est bien s ur une convention ; limportant est detre coherent (on
roule `a gauche en Angleterre).
TH

EOR
`
EME: Soit u : E F une application lineaire et soient e
1
, . . . , e
n
, e

1
, . . . , e

n
deux bases de E et f
1
, . . . , f
m
, f

1
, . . . , f

m
deux bases de F ; notons A la matrice de u dans
les bases e et f et A

la matrice de u dans les bases e

et f

; notons encore P = P(e, e

)
et Q = P(f, f

) les matrices de passage de e vers e

(resp. de f vers f

), alors :
A

= Q
1
AP
Demonstration: Considerons la suite dapplications :
(E, e

)
id
E
(E, e)
u
(F, f)
id
F
(F, f

)
On peut en deduire legalite de matrices :
Mat(u, (e

), (f

)) = Mat(id
E
, (f), (f

))Mat(u, (e), (f))Mat(id


E
, (e

), (e))
88
ce qui correspond bien `a legalite A

= Q
1
AP.
Exemples :
1) Considerons lapplication lineaire u de R
2
dans R
2
dont la matrice dans la base
canonique e
1
, e
2
est
_
4 3
2 1
_
et choisissons e

1
:=
_
1
1
_
et e

2
:=
_
3
2
_
. La matrice
de passage de e vers e

est P =
_
1 3
1 2
_
et son inverse se calcule facilement P
1
=
_
2 3
1 1
_
. Par ailleurs u(e

1
) = e

1
et u(e

2
) = 2e

2
donc la matrice de u dans la base e

est
_
1 0
0 2
_
; on veriera quon a bien
P
1
_
4 3
2 1
_
P =
_
1 0
0 2
_
2) Soit u : E F, on peut choisir des bases bien adaptees `a u ainsi : pour E on
choisit e
1
, . . . , e
n
de sorte que e
r+1
, . . . , e
n
forment une base du noyau de u et e
1
, . . . , e
r
forment une base dun supplementaire du noyau. Les vecteurs f
1
= u(e
1
), . . . , f
r
= u(e
r
)
sont lineairement independants et on peut les completer en une base f
1
, . . . , f
m
de F ; la
matrice de u secrit alors :
Mat(u; (e), (f)) =
_
_
_
_
_
1 0
0 .
0 1
0 0
0 0
_
_
_
_
_
=
_
I
r
0
0 0
_
En particulier on voit que pour toute matrice A il existe P, Q inversibles telles que Q
1
AP
soit de la forme precedente. Lentier r est le rang de la matrice ou de lapplication lineaire,
cest-`a-dire la dimension de limage. 3) Soit e
1
, e
2
, e
3
la base canonique de R
3
et soit u la
rotation dangle 2/3 daxe e
1
+e
2
+e
3
. Choisissons f
3
=
1

3
(e
1
+e
2
+e
3
) et ensuite f
1
,
f
2
formant une base orthonorme du plan orthogonal `a f
3
de sorte que f
1
, f
2
, f
3
forment
une base directe de lespace. Pour xer les idees on peut prendre f
1
=
1

2
(e
1
e
2
) et
f
2
=
1

6
(e
1
+e
2
2e
3
). Alors
Mat(u; (f)) =
_
_
cos(2/3) sin(2/3) 0
sin(2/3) cos(2/3) 0
0 0 1
_
_
=
_
_
1
2

3
2
0

3
2
1
2
0
0 0 1
_
_
et, en posant P := P(e, f) =
_
_
_

2
2

6
6

3
3

2
2

6
6

3
3
0

6
3

3
3
_
_
_
, on obtient
Mat(u; (e)) = P
_
_
cos(2/3) sin(2/3) 0
sin(2/3) cos(2/3) 0
0 0 1
_
_
P
1
=
_
_
0 0 1
1 0 0
0 1 0
_
_
(exercice : verier que u est une isometrie du cube ( := [1, 1]
3
).
89
CHAPITRE 10 INTRODUCTION AUX D

ETERMINANTS
On denit et etudie dans ce chapitre le determinant de n vecteurs e
1
, . . . , e
n
dans
R
n
; cest un nombre reel (ou un element de K si on travaille dans K
n
). Linterpretation
geometrique de la valeur absolue de ce determinant est simple et importante : cest le
volume du parallelipip`ede engendre par les vecteurs e
1
, . . . , e
n
:
Dans R
2
, on a [ det(e
1
, e
2
)[ = aire hachuree
Dans R
3
, on a [ det(e
1
, e
2
, e
3
)[ = volume du parallelipip`ede
Avec cette interpretation, il est clair que le determinant sannule si et seulement si
le parallelipip`ede est plat, cest-`a-dire si les vecteurs e
1
, . . . , e
n
sont lies. Le signe du
determinant est plus subtil et correspond `a lorientation de lespace, concept que nous
nelaborerons pas (voir neanmoins le chapitre suivant) ; voici le signe sur des exemples :
Les determinants fournissent egalement un crit`ere theorique (et parfois pratique) pour
calculer le rang dune matrice et resoudre certains syst`emes lineaires ; cest lapplication
qui est exposee ici. La construction du determinant est assez abstraite et pourra etre
survolee en premi`ere lecture.
10.1 FORMES n-LIN

EAIRES ALTERN

EES
Denition: Soit E un K-espace vectoriel et n 1, une application f : E. . . E K
est n-lineaire si elle est lineaire par rapport ` a chaque variable, cest-`a-dire si :
f(x
1
, . . . , x
i1
, y
i
+z
i
, x
i+1
, . . . , x
n
) = f(x
1
, . . . , x
i1
, y
i
, x
i+1
, . . . , x
n
)+
f(x
1
, . . . , x
i1
, z
i
, x
i+1
, . . . , x
n
)
Elle est symetrique si elle est invariante par permutation des facteurs et antisymetrique
ou alternee si linterversion de deux facteurs change le signe, cest-`a-dire si
x
1
, . . . , x
n
E, i < j, f(x
1
, . . . , x
i
, . . . , x
j
, . . . , x
n
) = f(x
1
, . . . , x
j
, . . . , x
i
, . . . , x
n
)
Remarque : on deduit immediatement que si f est alternee, alors f(. . . , x, . . . , x, . . .) =
0 et puis plus generalement que si x
i
est une combinaison lineaire des autres vecteurs
x
1
, . . . , x
i1
, x
i+1
, . . . , x
n
alors f(x
1
, . . . , x
n
) = 0.
90
Exemples : Le produit scalaire R
n
R
n
R est bilineaire et symetrique. Lapplica-
tion de R
2
R
2
vers R denie par ((a, b), (c, d)) ad bc est bilineaire alternee.
Il y a assez peu de formes alternees comme le prouve lenonce suivant :
PROPOSITION: Si dim(E) = n, lensemble des formes n-lineaires alternees est un
espace vectoriel de dimension 1. Si e
1
, . . . , e
n
forment une base de E et si f est une forme
n-lineaire alternee non nulle, alors f(e
1
, . . . , e
n
) ,= 0.
Demonstration: (la demonstration nest compliquee que par les notations) Soient
x
1
, . . . , x
n
des vecteurs de E ; ecrivons leurs coordonnees dans la base e
1
, . . . , e
n
ainsi :
x
i
=

n
j=1
a
ij
e
j
et donc
f(x
1
, . . . , x
n
) =

j
1
,...,j
n
_
n

i=1
a
ij
i
_
f(e
j
1
, . . . , e
j
n
)
mais f(e
j
1
, . . . , e
j
n
) = 0 si lun des j
i
apparat deux fois et si les j
i
sont une permutation
de 1, 2, . . . n alors f(e
j
1
, . . . , e
j
n
) = f(e
1
, . . . , e
n
) o` u est le signe de la permutation en
question. En denitive on obtient, en changeant un peu les notations :
f(x
1
, . . . , x
n
) =
_

sS
n
(s)
_
n

i=1
a
is(i)
__
f(e
1
, . . . , e
n
)
On voit donc que toutes les formes n-lineaires alternees sont proportionnelles et que f est
non nulle si et seulement si f(e
1
, . . . , e
n
) ,= 0.
Exemple : Si f est n-lineaire alternee sur R
n
, on peut calculer explicitement :
si n = 2 :
f((a, b), (c, d) = acf((1, 0), (1, 0))+adf((1, 0), (0, 1))+cbf((01, ), (1, 0))+bdf((0, 1), (0, 1)) =
(ad bc)f((1, 0), (0, 1))
Si n = 3, on veriera par un calcul similaire la r`egle de Sarrus :
f((a, b, c), (d, e, f), (g, h, i)) = (aei+bfg+cdhafhbdiceg)f((1, 0, 0), (0, 1, 0), (0, 0, 1))
On denit maintenant le determinant de n vecteurs dans un espace de dimension n.
Denition: Soit e
1
, . . . , e
n
une base de E, le determinant par rapport `a la base e
1
, . . . , e
n
est lunique application n-lineaire alternee det : E
n
K telle que det(e
1
, . . . , e
n
) = 1.
Exemple : Si E = K
n
on sous-entend que lon a choisi comme base la base canonique.
On obtient alors (en ecrivant les vecteurs en colonnes) :
det
__
a
b
_
,
_
c
d
__
= ad bc
det
_
_
_
_
a
b
c
_
_
,
_
_
d
e
f
_
_
,
_
_
g
h
i
_
_
_
_
= aei +bfg +cdh afh bdi ceg
91
La propriete fondamentale du determinant est la suivante :
TH

EOR
`
EME: Le determinant de n vecteurs x
1
, . . . , x
n
dans K
n
est nul si et seulement
si ces vecteurs sont lies.
Demonstration: On a dej`a vu que si les vecteurs sont lies le determinant est nul ;
inversement si les vecteurs x
1
, . . . , x
n
sont libres, ils forment une base (puisque K
n
est de
dimension n) et donc, dapr`es la proposition precedente, det(x
1
, . . . , x
n
) ,= 0, .
Ayant deni le determinant de n vecteurs de K
n
, on peut facilement denir le determinant
dune matrice carree :
Denition: Le determinant dune matrice carree est le determinant de ses vecteurs
colonnes par rapport `a la base canonique de K
n
.
Le theor`eme precedent se traduit alors ainsi pour les matrices :
TH

EOR
`
EME: Soit A une matrice carree, alors A est inversible si et seulement si
det(A) ,= 0.
Demonstration: Dapr`es le theor`eme precedent, le determinant de A est non nul si et
seulement si les vecteurs colonnes de la matrice A sont lineairement independants. Comme
les vecteurs colonnes de la matrice A engendre limage de lapplication associee `a A, cela
equivaut `a dire que cette application est surjective ou encore quelle bijective, ce qui signie
bien que A est inversible.
TH

EOR
`
EME: Le determinant des matrices est multiplicatif, cest-`a-dire : si A et B
sont deux matrices carrees de meme ordre n, on a :
det(AB) = det(A) det(B)
Demonstration: Soient x
1
, . . . , x
n
des vecteurs de K
n
, les applications n-lineaires
alternees de K
n
. . . K
n
vers K denies par (x
1
, . . . , x
n
) det(Ax
1
, . . . , Ax
n
) et
(x
1
, . . . , x
n
) det(x
1
, . . . , x
n
) sont proportionnelles dapr`es la premi`ere proposition de ce
chapitre, donc det(Ax
1
, . . . , Ax
n
) = det(x
1
, . . . , x
n
). En appliquant ceci aux vecteurs de
la base canonique on obtient que = det(A) et ainsi :
det(Ax
1
, . . . , Ax
n
) = det(A) det(x
1
, . . . , x
n
)
Maintenant on peut calculer :
det(AB) det(x
1
, . . . , x
n
) =det(ABx
1
, . . . , ABx
n
)
=det(A) det(Bx
1
, . . . , Bx
n
)
=det(A) det(B) det(x
1
, . . . , x
n
)
do` u la formule det(AB) = det(A) det(B), puisque det(x
1
, . . . , x
n
) ,= 0.
92
Les determinants peuvent servir `a calculer le rang dune matrice de taille quelconque :
le point est que lon peut extraire dune matrice des matrices carrees en ne gardant que
les coecients correspondant `a certaines lignes et colonnes.
Denition: Soit r min(m, n), on appelle mineurs dordre r dune matrice mn les
determinants dune matrice extraite de taille r r.
Exemples : Les mineurs dordre 1 sont simplement les coecients de la matrice ; les
mineurs dordre 2 dune matrice A = (a
ij
) sont les expressions M
i,j;k,l
= a
ik
a
jl
a
jk
a
il
;
quelques mineurs dordre trois de la matrice A :=
_
_
_
1 2 3 0
0 1 2 3
1 1 1 4
5 4 3 1
_
_
_
sont donnes par
det
_
_
1 3 0
1 1 4
5 3 1
_
_
= 46, det
_
_
1 2 3
0 1 2
1 1 1
_
_
= 0, det
_
_
1 2 0
0 1 3
5 4 1
_
_
= 10
TH

EOR
`
EME: Soit A une matrice mn alors Rang(A) = r si et seulement si :
i) On peut extraire un mineur non nul dordre r de la matrice A.
ii) Tous les mineurs de A dordre r + 1 sont nuls.
Demonstration: Si un mineur dordre r est non nul, alors il y a r vecteurs colonnes
independants donc le rang est au moins r. Inversement pour prouver quune matrice de
rang r contient un mineur dordre r, il est plus simple dutiliser que le rang ainsi que
lexistence dun mineur de taille donnee non nul ne change pas par operations elementaires
sur les lignes o` u les colonnes. On est amene alors `a prouver lenonce pour les matrices de
la forme
_
I 0
0 0
_
, ce qui est immediat.
Exemple : Le determinant de la matrice A de taille 4 4 donnee ci-devant est nul et
lun (au moins) de ses mineurs dordre 3 est non nul, par consequent cette matrice est de
rang 3.
Donnons maintenant une des applications classiques des determinants aux syst`emes
lineaires.
TH

EOR
`
EME: (Syst`emes de Cramer) Considerons un syst`eme lineaire carre :
_
_
_
a
11
x
1
+. . . +a
1n
x
n
= b
1
. . . . . . . . .
a
n1
x
1
+. . . +a
nn
x
n
= b
n
dont la matrice associee est inversible ; alors il a pour unique solution
x
i
=
det
_
_
a
11
. . . b
1
. . . a
1n
. . . . . . . . . . . .
a
n1
. . . b
n
. . . a
1n
_
_
det
_
_
a
11
. . . a
1i
. . . a
1n
. . . . . . . . . . . .
a
n1
. . . a
ni
. . . a
1n
_
_
93
Demonstration: Appelons C
1
, . . . , C
n
les vecteurs colonnes de la matrice associee au
syst`eme lineaire et b le vecteur colonne de coordonnees b
i
; alors le syst`eme se traduit
par

n
i=1
x
i
C
i
= b donc det(C
1
, . . . , b, . . . , C
n
) = x
i
det(C
1
, . . . , C
i
, . . . , C
n
). On obtient
lenonce annonce en divisant par det(C
1
, . . . , C
i
, . . . , C
n
).
10.2 CALCULS DE D

ETERMINANTS
Les theor`emes precedents ont motive, nous lesperons, lapprentissage de quelques
techniques de calcul de determinant.
Remarque : Dapr`es la propriete de multilinearite du determinant, les operations
elementaires modient de la facon suivante le determinant :
Remplacer une colonne C
i
par C
i
+C
j
ne modie pas le determinant.
Inverser deux colonnes ne change pas la valeur absolue, mais change le signe.
Multiplier une colonne par multiplie le determinant par .
On est ramene alors au cas dune matrice triangulaire qui est assez facile :
TH

EOR
`
EME: Le determinant dune matrice triangulaire est egal au produit de ses
coecients diagonaux :
det
_
_
_
a
11

a
22

.
0 a
nn
_
_
_
= a
11
. . . a
nn
Demonstration: Notons e
1
, . . . , e
n
les vecteurs de la base canonique de R
n
. Ce
determinant est le determinant des vecteurs a
11
e
1
+ . . ., a
22
e
2
+ . . ., . . . , a
nn
e
n
et est
donc aussi le determinant de a
11
e
1
, a
22
e
2
, . . . , a
nn
e
n
. Ce dernier determinant est egal `a
a
11
. . . a
nn
det(e
1
, . . . , e
n
) = a
11
. . . a
nn
.
Une autre technique souvent utile et egalement basee sur la multilinearite du deter-
minant est la suivante :
TH

EOR
`
EME: (developpement par rapport `a une colonne) On a la formule suivante :
det
_
_
_
_
_
a
1j
.
.
.
a
nj
_
_
_
_
_
=
n

i=1
(1)
i+j
a
ij
det
_
_
_
_
_
a
1j
.
a
i1
a
ij
a
in
.
a
nj
_
_
_
_
_
o` u la croix signie que lon a retire la i-`eme ligne et la j-`eme colonne.
Demonstration: La j-`eme colonne secrit

i
a
ij
e
i
donc par linearite on peut se ramener
au cas o` u la colonne est le vecteur e
i
. Si lon ram`ene la i-`eme ligne sur la premi`ere ligne,
94
on multiplie le determinant par (1)
i+j
(compter le nombre de transpositions) et on doit
juste verier que
det
_
1
0
0
A
_
= det(A)
Ce qui est laisse au lecteur.
Exemple (calcul de determinant 3 3 `a partir de determinants 2 2 :
det
_
_
3 4 6
8 1 1
2 0 1
_
_
= (+3) det
_
1 1
0 1
_
(8) det
_
4 6
0 1
_
+ (2) det
_
4 6
1 1
_
= 9
Lagrange Joseph (17361813)
95
CHAPITRE 11 G

EOM

ETRIE DANS LE PLAN ET LESPACE


Ce chapitre reprend les notions dalg`ebre lineaire en integrant les concepts de produit
scalaire et dorthogonalite etudies au lycee. Outre la description dexemples disometries
(rotations, symetries orthogonales, translations) lillustration principale est le calcul de la
distance dun point `a une droite ou un plan. Dun point de vue algebrique, on identie
le plan avec R
2
et lespace `a trois dimensions avec R
3
. On notera quavec ces identi-
cations une droite dans le plan poss`ede une equation du type ax + by + c et nest pas
un espace vectoriel (sauf si c = 0); on appellera droite vectorielle une droite dequation
ax + by = 0. De meme on parlera de plan dequation ax + by + cz + d = 0 dans lespace
R
3
; un plan vectoriel est un plan dequation ax +by +cz = 0.
11.1 PRODUIT SCALAIRE ET ISOM

ETRIES.
Commencons par rappeler les denitions suivantes dans lespace `a trois dimensions
R
3
(nous vous laissons formuler les memes denitions dans le plan R
2
).
Denition: On appelle produit scalaire de deux vecteurs x, y R
3
de coordonnees
x
1
, x
2
, x
3
, resp. y
1
, y
2
, y
3
le nombre :
(x y) := x
1
y
1
+. . . +x
n
y
n
.
Les vecteurs x et y sont orthogonaux si (x y) = 0.
Denition: On appelle norme euclidienne du vecteur x de R
3
le nombre :
[[x[[ :=
_
(x x) =
_
x
2
1
+x
2
2
+x
2
3
.
La distance euclidienne entre deux vecteurs x et y de R
3
est denie par la formule :
distance (x, y) := d(x, y) = [[x y[[ =
_
(x
1
y
1
)
2
+ (x
2
x
3
)
2
+ (x
3
y
3
)
2
.
Enn un vecteur x est dit unitaire si [[x[[ = 1.
Remarques. a) (Theor`eme de Pythagore!) Soient x, y, z R
n
tels que x z soit
orthogonal `a y z (i.e. les trois points forment un triangle rectangle en z) alors :
d(x, y)
2
= [[x y[[
2
= [[(x z) (y z)[[
2
= [[x z[[
2
2(x z) (y z) +[[y z[[
2
= [[x z[[
2
+[[y z[[
2
= d(x, z)
2
+d(y, z)
2
.
b) Soit x un vecteur non nul, on peut toujours ecrire x = [[x[[
x
||x||
donc comme un vecteur
unitaire (la direction donnee par x) multiplie par un scalaire positif (sa longueur ou norme).
c) Pour ecrire lequation dune droite vectorielle D dans le plan, disons ax + by = 0, on
peut aussi simplement prendre le vecteur u de coordonnee a et b et observer que, si X est
le vecteur de coordonnees x, y, on peut ecrire lequation du plan
(u X) = 0.
96
Ainsi la donnee de la droite (vectorielle) equivaut `a la donnee dun vecteur orthogonal `a
cette droite. Cette remarque permet de passer facilement dune base de D `a une equation.
Les principales proprietes de la norme euclidienne sont resumees dans la proposition
suivante (les trois premi`eres proprietes caracterisant les normes).
PROPOSITION: La norme euclidienne sur R
3
verie pour tout x, y R
3
(i) On a [[x[[ 0 avec egalite si et seulement si x = 0;
(ii) Pour a R, on a [[ax[[ = [a[[[x[[;
(iii) (inegalite triangulaire) [[x + y[[ [[x[[ + [[y[[. De plus on a linegalite de Cauchy-
Schwarz :
[(x y)[ := [x
1
y
1
+x
2
y
2
+x
3
y
3
[ [[x[[ [[y[[.
(iv) distance (x, y) 0 (avec egalite seulement si x = y)
(v) distance (x, y) distance (x, z) + distance (z, y).
Remarque. Dans le plan, on sait (et lon va revoir cela) que, si est langle entre les
deux vecteurs x et y, alors (x y) = cos [[x[[ [[y[[ ; linegalite de Cauchy-Schwarz equivaut
donc dans ce cas `a [ cos [ 1.
Demonstration: Les deux premi`eres proprietes sont immediates, les points (iv) et (v)
se deduisent facilement de (i), (ii) et (iii) ; montrons la troisi`eme `a laide de linegalite de
Cauchy-Schwarz. On ecrit pour cela :
[[x +y[[
2
= (x
1
+y
1
)
2
+ (x
2
+y
2
)
2
+ (x
3
+y
3
)
2
= [[x[[
2
+ 2 (x y) +[[y[[
2
[[x[[
2
+ 2[[x[[ [[y[[ +[[y[[
2
= ([[x[[ +[[y[[)
2
.
Pour demontrer linegalite de Cauchy-Schwarz on utilise lastuce suivante. On calcule,
pour t R :
0 [[x +ty[[
2
= [[x[[
2
+ 2t(x y) +t
2
[[y[[
2
.
On remarque alors que, si un polynome a + 2bt + ct
2
est constamment positif, alors =
b
2
ac 0, ce qui secrit ici (x y)
2
[[x[[
2
[[y[[
2
0, do` u linegalite cherchee se deduit.
PROPOSITION: Soit D une droite vectorielle de R
3
, lorthogonal de D, note D

:=
x R
3
[ y D, (x y) = 0 est un plan vectoriel supplementaire de D (cest-`a-
dire que R
3
= D D

). Soit une plan vectoriel de R


3
, lorthogonal de , note

:= x R
3
[ y , (x y) = 0 est une droite vectorielle supplementaire de
(cest-`a-dire que R
3
=

).
Demonstration: Du point de vue de lalg`ebre lineaire, il est immediat que D

est
un sous-espace vectoriel et que D D

= 0, il faut donc prouver que dimD

= 2.
Pour cela introduisons une base f
1
de D et lapplication lineaire : R
3
R denie par
(x) = (f
1
x). Par construction Ker = D

; montrons que est surjective et donc


que dimD

= dimKer = 2 comme annonce. Si netait pas surjective, limage serait


nulle et on aurait, pour tout x R
3
: (f
1
x) = 0, ce qui entranerait f
1
= 0 et une
contradiction. La deuxi`eme armation se prouve de facon analogue.
97
Remarque. Lorthogonal dune droite dans le plan R
2
est une droite, on peut resumer
cela en disant que si E est un sous-espace, E E

est lespace total.


Denition: Une base e
1
, e
2
, e
3
de R
3
est orthogonale si les vecteurs e
i
sont deux `a deux
orthogonaux; la base est orthonormee si de plus [[e
i
[[ = 1.
Exemple : on voit immediatement que la base canonique de R
3
est orthonormee.
TH

EOR
`
EME: (Procede dorthogonalisation de Gram-Schmidt) Soit u
1
, u
2
, u
3
une base
(quelconque) de R
3
, on peut obtenir une base orthogonale v
1
, v
2
, v
3
de la forme suivante :
v
1
:= u
1
, v
2
= u
2
+ au
1
, v
3
= u
3
+ bu
2
+ cu
1
pour certains reels a, b, c. Pour obtenir une
base orthonormee, on remplace v
i
par v

i
:= v
i
/[[v
i
[[.
Demonstration: La construction se realise etape par etape. On pose donc v
1
= u
1
ensuite on cherche a R tel que (u
2
+au
1
) u
1
= 0 et on trouve donc a = (u
2
u
1
)/[[u
1
[[
2
,
ainsi on choisit v
2
:= u
2

(u
2
u
1
)
||u
1
||
2
u
1
. Ensuite on cherche v
3
de la forme v
3
= u
3
+v
2
+v
1
(il sera bien de la forme u
3
+ bu
2
+ cu
1
) tel que (v
3
v
2
) = (v
3
v
1
) = 0; on trouve
comme conditions (u
3
v
2
) + [[v
2
[[
2
= (u
3
v
1
) + [[v
1
[[
2
= 0 do` u le choix v
3
= u
3

(u
3
v
2
)
||v
2
||
2
v
2

(u
3
v
1
)
||v
1
||
2
v
1
. La matrice faisant passer de u
1
, u
2
, u
3
`a v
1
, v
2
, v
3
est inversible (elle
est triangulaire avec des 1 sur la diagonale) donc v
1
, v
2
, v
3
est bien une base orthogonale.
Denition: On appelle isometrie de R
3
une application f : R
3
R
3
qui preserve la
distance, cest-`a-dire telle que pour tout x, y R
3
on a [[f(x) f(y)[[ = [[x y[[.
PROPOSITION: Soit u : R
3
R
3
une application lineaire, alors les proprietes
suivantes sont equivalentes :
(i) u preserve la distance (i.e. est une isometrie).
(ii) u preserve la norme (i.e.pour tout x R
3
on a [[f(x)[[ = [[x[[).
(iii) u preserve le produit scalaire (i.e.pour tout x, y R
3
on a (f(x) f(y)) = (x y)).
Demonstration: Si une application lineaire f preserve la distance, elle preserve la
norme car [[f(x)[[ = d(f(x), 0) = d(f(x), f(0)) = d(x, 0) = [[x[[. Si f preserve la norme
elle preserve le produit scalaire car
(x y) =
1
2
_
[[x +y[[
2
[[x[[
2
[[y[[
2
_
.
Enn si f preserve le produit scalaire elle preserve la distance puisque d(f(x), f(y)) vaut
_
(f(x) f(y)) (f(x) f(y)) =
_
f(x y) f(x y) =
_
(x y) (x y) = d(x, y).
Remarque. On peut demontrer quune isometrie secrit necessairement f(x) = u(x)+a
avec u isometrie lineaire (en particulier telle que u(0) = 0) et a R
3
. En eet quitte `a
remplacer f(x) par f(x) f(0) on peut supposer que f(0) = 0. Soit e
1
, e
2
, e
3
une base
orthonormee (par exemple la base canonique) alors les e

i
:= f(e
i
) forment aussi une base
98
orthonormee. Soit x R
3
, on peut lecrire x = x
1
e
1
+x
2
e
2
+x
3
e
3
et on note que (xe
i
) = x
i
.
Si on ecrit de meme f(x) = y
1
e

1
+y
2
e

2
+y
3
e

3
et on observe que (f(x) e

i
) = y
i
et ainsi :
x
i
= (x e
i
) = (f(x) f(e)
i
) = (f(x) e

i
) = y
i
,
ce qui montre bien que f(x
1
e
1
+x
2
e
2
+x
3
e
3
) = x
1
f(e
1
) +x
2
f(e
2
) +x
3
f(e
3
) et que f est
lineaire.
Caracterisation matricielle des isometries.
PROPOSITION: Soit A la matrice dune application lineaire R
3
R
3
, lapplication
est une isometrie si et seulement si
t
AA = I ou encore si ses colonnes fournissent une base
orthonormee de R
3
.
Demonstration: Le produit scalaire de deux vecteurs (ecrits en colonne) X et Y
secrit en termes de matrices
t
XY donc si A est la matrice dune application lineaire de
R
3
dans R
3
, celle-ci est une isometrie si et seulement si
t
(AX)(AY ) =
t
XY ou encore
t
X(
t
AA)Y =
t
XY pour tout X, Y R
3
ce qui entrane facilement
t
AA = I. Ensuite une
autre interpretation dune isometrie lineaire est une transformation lineaire qui transforme
la base canonique en une base orthonormee, ou encore que ses vecteurs colonnes forment
une base orthonormee de R
3
.
Remarque : Si A est la matrice dune isometrie, on observe que 1 = det(
t
AA) =
det(
t
A) det(A) = det(A)
2
et donc det(A) = 1. Ceci justie la denition suivante :
Denition: Une base e
1
, e
2
, e
3
est une base directe (resp. indirecte) si det(e
1
, e
2
, e
3
) > 0
(resp. si det(e
1
, e
2
, e
3
) < 0). Une isometrie lineaire u est directe (resp. indirecte) si
det(u) = +1 (resp. si det(u) = 1). Une isometrie est directe (resp. indirecte) si sa partie
lineaire est directe (resp. indirecte).
base directe base indirecte
Exemples disometrie de R
2
ou R
3
.
(a) Translation dans R
3
. Lapplication f(x) = x+a est clairement une isometrie, remar-
quons que, sauf le cas trivial a = 0, la transformation na aucun point xe. Cest une
isometrie directe.
(b) Rotation dans le plan (cest une isometrie directe). On peut decrire en coordonnees
cartesiennes la rotation f dangle et centre C = (x
0
, y
0
) en notant
_
x

_
= f
_
x
y
_
:
_
x

x
0
y

y
0
_
=
_
cos() sin()
sin() cos()
__
x x
0
y y
0
_
.
(c) Symetrie par rapport `a une droite dans le plan (resp. par rapport `a un plan dans
99
lespace). Soit un hyperplan de R
3
et y un vecteur unitaire orthogonal `a ; tout
vecteur x de R
3
se decompose de facon unique en x = y +x
2
avec R et x
2
.
On pose alors
f(x) := y +x
2
.
Par exemple la symetrie orthogonale par rapport au plan (y x) = 0 secrit :
f(x) = x 2
(y x)
[[y[[
2
x
1
.
On verie que f est bien une isometrie qui est indirecte.
Enn on peut composer deux isometries ou prendre la bijection inverse (verier que le
resultat est toujours une isometrie). Une notion un peu plus generale est celle de similitude
i.e. de transformation de R
3
qui dilate dun facteur constant les distances, cest-`a-dire telle
quil existe > 0 tel que :
x, y R
3
, d(f(x), f(y)) = d(x, y).
On montre facilement quune similitude est la composee dune isometrie et dune ho-
mothetie.
11.2 LE PLAN EUCLIDIEN (DIMENSION 2)
Rappel. Nous avons vu que e
i
= e
i

si et seulement si

= + 2k (avec k Z),
ce qui se traduit par :
_
cos() = cos(

)
sin() = sin(

= + 2k (avec k Z)
Nous dirons simplement que cosinus et sinus determinent langle `a 2 pr`es. Inversement si
a, b R verient a
2
+b
2
= 1 alors il existe un reel (unique `a 2 pr`es) tel que cos() = a
et sin() = b. Introduisons formellement la denition de langle.
Denition: Soit u, v deux vecteurs unitaires non nuls du plan euclidien oriente (disons
muni de la base canonique), on appelle angle de u vers v le reel (unique modulo 2)
tel que v sobtienne en appliquant la rotation
_
cos() sin()
sin() cos()
_
. Langle entre deux
vecteurs non nuls u et v est langle entre u/[[u[[ et v/[[v[[.
Nous avons dej`a vu deux exemples disometries lineaires : les rotations dangle et les
symetries orthogonales par rapport `a une droite vectorielle, on peut montrer que ce sont
les seules (on donne lenonce sous forme matricielle).
100
TH

EOR
`
EME: Soit A une matrice orthogonale (la matrice dune isometrie) et soit
= 1 son determinant, alors il existe R (unique modulo 2) tel que
A =
_
cos() sin()
sin() cos()
_
.
Ainsi A correspond soit `a la rotation dangle , soit `a la symetrie orthogonale par rapport
`a la droite vectorielle faisant un angle /2 avec laxe des x.
Demonstration: Posons A =
_
a b
c d
_
. Les colonnes sont des vecteurs de normes
1 donc on peut ecrire a = cos(), c = sin() et b = cos(), d =: sin() et le produit
scalaire des deux vecteurs colonne est nul, soit cos() cos() + sin() sin() = 0 ou encore
cos( ) = 0. On conclut donc que =

2
+ modulo 2 (avec = 1) et ainsi
b = cos(

2
+) = sin() et d = sin(

2
+) = cos(), do` u le resultat annonce.
rotation dangle : symetrie orthogonale par rapport `a D :
A titre dexercice on pourra en deduire une liste des isometries anes; ce sont : les
rotations dangle et centre C, les symetries orthogonales par rapport `a une droite ane,
les translations et les glissements (symetrie orthogonale par rapport `a la droite D composee
avec une translation parall`ele `a la droite D).
Denition: On appelle distance dun point P `a une droite D (dans le plan) la borne
inferieure des distances du point avec les points de la droite. En symbole :
d(P, D) := inf
QD
d(P, Q).
En particulier on voit que P D entrane que d(P, D) = 0. Voici le calcul en general :
TH

EOR
`
EME: Soit D une droite du plan ayant pour equation ax + by + c = 0 et
P = (x
0
, y
0
) un point du plan; la distance de P `a D est donnee par
d(P, D) =
[ax
0
+by
0
+c[

a
2
+b
2
.
De plus il existe un unique point Q D tel que d(P, D) = d(P, Q) et il peut etre caracterise
par le fait que la droite PQ est orthogonale `a D.
Demonstration: Soit u un vecteur orthogonal `a la droite D, la droite passant par P
et de direction u rencontre D en un unique point Q. Commen cons par montrer que Q
101
est lunique point qui realise la distance d(P, D). Soit en eet un autre point Q

D,
par construction le vecteur PQ (qui est proportionnel `a u) est orthogonal `a QQ

et donc
dapr`es le theor`eme de Pythagore :
d(P, Q

)
2
= d(P, Q)
2
+d(Q, Q

)
2
d(P, Q)
2
avec egalite si et seulement si Q = Q

. Calculons maintenant d(P, Q) = d(P, D). Ecrivons


pour cela lequation de D ainsi : (x
1
z) + c = 0 et notons z
0
le vecteur correspondant `a
P. On peut aussi ecrire z = z
0
+ x
1
et on aura [[z z
0
[[ = [[ [[x
1
[[. En ecrivant que
z D, on obtient 0 = (x
1
z) +c = (x
1
z
0
) +c +[[x
1
[[
2
do` u [[ =
|(x
1
z
0
)+c|
||x
1
||
2
. On en tire
d(P, Q) = [[z z
0
[[ = [(x
1
z
0
) +c[/[[x
1
[[, ce qui est le resultat cherche.
11.3 LESPACE EUCLIDIEN (DIMENSION 3)
Lobservation de la geometrie en dimension trois devrait nous apparatre naturelle. Il
faut toutefois faire attention `a certains phenom`enes lies aux deux orientations possibles de
lespace, ainsi la question nave suivante est en fait depourvue de sens : dans quel sens
tourne la terre autour du soleil?. Nous commencerons par y denir une notion dangle
entre deux vecteurs dont on verra quelle est dierente de celle du plan (oriente).
Le probl`eme de denir et calculer langle de deux vecteurs dans lespace peut sembler
simple : on se dit quil sut de considerer le plan engendre par les deux vecteurs et de
calculer langle dans le plan. . . Observons cependant sur le dessin ci-dessous ce qui se passe
si lon se deplace dans lespace.
On sapercoit que lon peut donner `a langle plusieurs valeurs : , ou 2 . . . En
particulier on peut toujours faire un choix tel que langle soit situe dans lintervalle [0, ].
Denition: Langle entre u et v dans lespace (N.B. ne pas separer les mots) est le reel
[0, ] tel quil existe une orientation du plan u, v) tel que la rotation dangle envoie
u sur v.
Le procede suivant permet de fabriquer des bases directes ou orthonormees directes.
Observons que, si u, v R
3
et x R
3
(de coordonnees x
1
, x
2
et x
3
) alors :
det(u, v, x) = Ax +By +Cz =
_
_
A
B
C
_
_

_
_
x
1
x
2
x
3
_
_
ce qui permet de denir
Denition: Le produit vectoriel de u et v, note u v est le vecteur de R
3
tel que, pour
tout x R
3
on ait :
(u v) x = det(u, v, x).
102
On en tire lexpression analytique du produit vectoriel :
_
_
u
1
u
2
u
3
_
_

_
_
v
1
v
2
v
3
_
_
=
_
_
u
2
v
3
u
3
v
2
u
3
v
1
u
1
v
3
u
1
v
2
u
2
v
1
_
_
ainsi que ses principales proprietes :
PROPOSITION: Le produit vectoriel est bilineaire (i.e. lineaire en u et en v) et verie
les formules suivantes.
(i) v u = u v; en particulier u u = 0.
(ii) u v est orthogonal `a u et v.
(iii) Si u, v sont independants et si langle de u `a v est [0, ] alors
[[u v[[ = sin() [[u[[ [[v[[.
(On observera que, comme [0, ], on a sin() = [ sin()[ 0).
Demonstration: La premi`ere formule decoule du fait que det(u, v, x) = det(v, u, x)
et la seconde du fait que (u v) u = det(u, v, u) = 0. Pour la demonstration de (iii)on va
introduire le determinants de Gram de deux (ou trois ou etc) vecteurs :
G(x
1
, x
2
) := det
_
[[x
1
[[
2
(x
1
x
2
)
(x
1
x
2
) [[x
2
[[
2
_
.
Dans le cas de deux vecteurs u, v comme dans lenonce, on observera que lon peut calculer
ce dernier ainsi :
G(u, v) = [[u[[
2
[[v[[
2
(u v)
2
= (1 cos
2
())[[u[[
2
[[v[[
2
= sin
2
()[[u[[
2
[[v[[
2
.
Ensuite, posons w := uv et calculons de deux mani`eres G(u, v, w). Dabord G(u, v, w) =
[[w[[
2
G(u, v) car w est orthogonal `a u et v. Ensuite montrons que
G(u, v, w) = det(u, v, w)
2
()
ce qui montrera que
[[u v[[
2
= (u v) w = det(u, v, w) =
_
G(u, v, w) = [[w[[
_
G(u, v) = [[w[[ sin()[[u[[[[v[[
ce qui est la formule voulue apr`es avoir divise par [[w[[. Pour prouver la formule ()
on montre la r`egle de transformation suivante: G(f(u), f(v), f(w)) = det(f)
2
G(u, v, w);
comme det(f(u), f(v), f(w)) = det(f) det(u, v, w) et que la formule () est clairement vraie
lorsque u, v, w est la base canonique, on en tire quelle est toujours vraie.
COROLLAIRE: Soit u, v deux vecteurs unitaires orthogonaux, posons w := uv alors
u, v, w forment une base orthonormee directe.
103
Demonstration: Les proprietes (i) et (iii) garantissent que u, v, w est une base or-
thonormee et on a par construction det(u, v, w) = (u v) w = [[u v[[
2
> 0.
Remarque. La donnee dun plan vectoriel dans lespace, dequation disons ax +
by + cz = 0, equivaut `a la donnee du vecteur u de coordonnees a, b, c et on peut ecrire en
abrege cette equation, en notant X le vecteur de coordonnee x, y, z :
(u X) = 0.
Connaissant une base u, v du plan on peut en deduire une equation du plan en calculant
w := u v; en eet une equation de sera donnee par (w X) = 0.
Denition: On appelle distance dun point `a P un plan (dans lespace) la borne
inferieure des distances du point avec les points du plan. En symbole :
d(P, ) := inf
Q
d(P, Q).
En particulier on voit que P entrane que d(P, ) = 0. Voici le calcul en general :
TH

EOR
`
EME: Soit un plan dans lespace ayant pour equation ax +by +cz +d = 0
et P = (x
0
, y
0
, z
0
) un point de lespace; la distance de P `a est donnee par
d(P, ) =
[ax
0
+by
0
+cz
0
+d[

a
2
+b
2
+c
2
.
De plus il existe un unique point Q tel que d(P, ) = d(P, Q) et il peut etre caracterise
par le fait que la droite PQ est orthogonale `a .
Demonstration: Le lecteur observera la similarite de cet enonce avec la formule donnant
la distance dun point `a une droite dans le plan et, en regardant sa demonstration, verra
quelle sapplique presque mot pour mot.
Euclide [E] (environ 300 ans avant JC)
104
APPENDICE : R

ESUM

E DALG
`
EBRE LIN

EAIRE
Cet appendice contient un resume des resultats dalg`ebre lineaire developpes dans ce
cours et une synth`ese des dierentes methodes. On donne des applications du cours mais
aucune demonstration (celles-ci sont contenues ou peuvent etre extraites des chapitres
precedents), en cela ce chapitre empi`ete un peu sur le travail de TD.
A. D

EFINITIONS ET PROBL
`
EMES
Doivent etre connues les denitions dun (sous-)espace vectoriel, dune
base, dune partie libre ou generatrice.
Etant donne une famille de vecteurs f
1
, f
2
, . . . , f
s
, on veut savoir si elle est libre,
generatrice ou forme une base. On veut savoir aussi quel est son rang, cest-`a-dire quelle
est la dimension de lespace vectoriel quelle engendre. Si elle est libre, on veut savoir
comment la completer en une base (ce qui est possible dapr`es le theor`eme de la base
incompl`ete).
Un sous-espace vectoriel de R
n
peut etre donne par une base, une partie generatrice,
par des equations ou par des equations en nombre minimal. Dans le premier et le dernier
cas la dimension du sous-espace vectoriel est facile `a calculer : cest le cardinal dune base
et cest aussi n moins le nombre minimal dequations.
Exemple: le sous-espace vectoriel E = (x, y, z) R
3
[ x+y+z = 0, x+y = 0, z = 0
est aussi egal `a (x, y, z) R
3
[ x+y = 0, z = 0 ; il est engendre par les vecteurs (1, 1, 0),
(2, 2, 0) et (18, 18, 0) et admet pour base le vecteur (1, 1, 0). Il a pour dimension 1.
Remarque: en geometrie analytique, on obtient souvent un sous-espace vectoriel sous
forme parametrique; en fait cela revient `a se donner une partie generatrice: le sous-espace
vectoriel engendre par f
1
, f
2
, . . . , f
s
est lensemble t
1
f
1
+t
2
f
2
+. . . +t
s
f
s
[ (t
1
, . . . , t
s
)
R
s
.
Un probl`eme se pose souvent : ayant des equations pour un sous-espace vectoriel,
trouver une base et la dimension de ce sous-espace vectoriel. Inversement, ayant une base
ou une partie generatrice, on veut trouver des equations.
On sait que lintersection ou la somme de deux sous-espaces vectoriels est encore un
sous-espace vectoriel; un probl`eme naturel est de calculer une base ou des equations de
cette intersection ou (somme). En particulier deux sous-espaces vectoriels E et F sont en
somme directe si E F = 0.
Doivent etre connues les denitions dune application lineaire, du noyau
et de limage, de la matrice de lapplication lineaire par rapport `a une base de
lespace de depart et une base de lespace darrivee.
Une application lineaire u, disons de R
n
vers R
m
peut etre donnee explicitement
(exemple : u(x, y, z) = (x+y, z, x+y +z, x+y)) ou par sa matrice dans des bases donnees
de R
n
et R
m
ou encore par une description geom`etrique (exemples : la projection de
R
3
vers R
3
sur un plan parall`element `a une droite, la rotation dangle /5 autour dune
droite de R
3
). Dans le dernier cas, on veut trouver la matrice de u dans des base donnees,
dans les premiers cas on veut trouver une interpretation geom`etrique : ceci se fait le plus
105
souvent en choisissant de bonnes bases et en calculant la matrice de u dans ces bases. Les
methodes pour trouver de bonnes bases ne font pas partie du programme de premi`ere
annee, elles seront donc toujours donnees dans les probl`emes et exemples.
Dans tous les cas on veut calculer le noyau et limage de lapplication lineaire.
On doit connatre les r`egles de calcul des matrices ainsi que la formule de
changement de bases `a laide des matrices de passages.
Faire le produit de matrices permet de calculer la composee de deux applications
lineaires (et vice versa). La formule de changement de bases (A

= Q
1
AP) permet
de calculer la matrice dune application lineaire dans de nouvelles bases, connaissant la
matrice de lapplication lineaire dans certaines bases.
B. CALCULS PRATIQUES
On donne une liste (non exhaustive) de probl`emes dalg`ebre lineaire et de methodes
pour les resoudre. Un autre titre `a ce paragraphe aurait pu etre : application de la methode
du pivot.
a) Resolution de syst`eme lineaire.
Soit `a resoudre le syst`eme :
_
_
_
a
11
x
1
+. . . +a
1n
x
n
= b
1
. . . . . . . . .
a
m1
x
1
+. . . +a
mn
x
n
= b
m
- On forme la matrice (A[b) avec A matrice mn formee des coecients a
ij
et b vecteur
colonne forme des coecients b
i
. - On echelonne la matrice (A[b) (A

[b

) et on regarde
si il y a un pivot sur la derni`ere colonne. Sil y a un pivot, le syst`eme na pas de solution.
Sinon, on rep`ere les colonnes sans pivot de la matrice A

, elles correspondent aux vari-


ables x
i
1
, . . . , x
i
s
. Les solutions sobtiennent toutes en xant des valeurs arbitraires aux
inconnues x
i
1
, . . . , x
i
s
et en exprimant les autres en fonction de celles-ci.
Commentaires : lensemble des solutions est de la forme solution particuli`ere +
solution de lequation homog`ene et la dimension des solutions est le nombre de colonne
de A

sans pivot. Si b = 0, il sut dechelonner A A

et de raisonner sur A

.
b) calcul sur les vecteurs.
Soit f
1
, . . . , f
s
une famille de vecteurs dun espace vectoriel (disons R
n
pour xer les
ideees).
Pour verier si f
1
, . . . , f
s
est libre, on resoud le syst`eme lineaire x
1
f
1
+. . . +x
r
f
r
= 0.
Les vecteurs f
1
, . . . , f
s
sont libres si la seule solution est x
1
= . . . = x
r
= 0 (si la matrice
echelonnee correspondante na pas de colonne sans pivot).
Pour verier si f
1
, . . . , f
s
est generatrice de R
n
, on resoud le syst`eme x
1
f
1
+. . .+x
r
f
r
=
b. Les vecteurs f
1
, . . . , f
s
sont generateurs si le syst`eme a une solution pour tout b R
n
.
106
Note: Les vecteurs f
1
, . . . , f
s
ne peuvent etre independants dans R
n
que si s n et
generateurs que si s n. Dans le cas particulier s = n, rappelons que libres entrane
generateurs (et base), ce qui economise souvent des calculs.
Pour extraire une partie libre maximale, on echelonne et on ne garde que les f
i
cor-
respondant `a une colonne avec pivot.
Pour completer une partie libre f
1
, . . . , f
s
en une base, on peut ajouter `a ces vecteurs
des generateurs de lespace (par exemple la base canonique) et extraire de la partie gene-
ratrice f
1
, . . . , f
s
, e
1
, . . . e
n
une partie libre maximale par la methode precedente.
Pour exprimer un vecteur b dans une base f
1
, . . . , f
s
, on resoud le syst`eme x
1
f
1
+. . . +
x
r
f
r
= b (dont on sait quil poss`ede une solution unique).
c) calcul sur les sous espaces vectoriels.
Soit un sous-espace vectoriel E de R
n
deni par les equations:
_
_
_
a
11
x
1
+. . . +a
1n
x
n
= 0
. . . . . . . . .
a
m1
x
1
+. . . +a
mn
x
n
= 0
La resolution (par la methode du pivot) du syst`eme lineaire decrit par ces equations donne
la dimension de E et permet dexprimer les variables avec pivot en fonction des autres,
do` u le calcul dune base.
Exemple : si le resultat des calculs donne comme solution que x
1
et x
2
sont des
variables libres et que x
3
= 2x
1
7x
2
, x
4
= 2x
1
+ 4x
2
alors
_
_
_
x
1
x
2
x
3
x
4
_
_
_
= x
1
_
_
_
1
0
2
2
_
_
_
+
x
2
_
_
_
0
1
7
4
_
_
_
et donc une base est donnee par
_
_
_
1
0
2
2
_
_
_
et
_
_
_
0
1
7
4
_
_
_
.
Soit maintenant un sous-espace vectoriel E de R
n
donne par une partie generatrice
f
1
, . . . , f
s
, pour calculer des equations denissant E on cherche `a resoudre le syst`eme
x
1
f
1
+. . . +x
s
f
s
=
_
_
_
b
1
.
.
b
n
_
_
_
. La methode du pivot donne des conditions lineaires sur les b
i
pour que le syst`eme ait une solution ; ces conditions donnent les equations pour que
_
_
_
b
1
.
.
b
n
_
_
_
soit dans E. Une base de E sobtient en extrayant une partie libre maximale de f
1
, . . . , f
s
.
d) calcul d

intersection, somme de sous espaces.


107
Si E et F sont donnes par des equations, alors EF est donne par la reunion des deux
paquets dequations. Si E et F sont donnes chacun par une partie generatrice, alors une
partie generatrice de lespace E+F est donne par la reunion des deux parties generatrices
de E et F. Grace `a c) ont peut donc calculer intersection et somme de sous-espace vectoriel
(leurs dimensions, une base etc).
e) calcul du noyau et image d

une application lineaire.


Soit u : R
n
R
m
donnee par
u
_
_
x
1
.
x
n
_
_
=
_
_
a
11
x
1
+. . . +a
1n
x
n
. . .
a
m1
x
1
+. . . +a
mn
x
n
_
_
Pour calculer Ker(u) et Im(u), ainsi que leurs dimensions, on forme la matrice (A[b)
avec A = (a
ij
) et b R
m
; on lechelonne : (A[b) (A[b

). Le noyau est obtenu en


calculant les solutions du syst`eme avec b = 0, sa dimension est le nombre de colonnes sans
pivot de A

; limage est denie par les equations lineaires en b


i
ecrivant que le syst`eme
associe `a (A[b) a une solution, sa dimension est le nombre de colonnes avec pivot de A

(on peut verier que dimKer(u) + dimIm(u) = n). De plus une base de Im(u) peut
etre obtenue `a laide des vecteurs e
i
de la base canonique en ne retenant que les indices
correspondant `a une colonne avec pivot.
f) calcul sur les matrices.
Le chapitre sur les matrices etant essentiellement calculatoire on ne revise que quelques
points; en particulier il faut aller voir dans le chapitre 7 la methode donnee pour calculer
linverse A
1
dune matrice (ou conclure quil nexiste pas) et reviser dans le chapitre 9 le
calcul des matrices de passage et de changements de base.
Soit u : R
n
R
m
donnee par
u
_
_
x
1
.
x
n
_
_
=
_
_
a
11
x
1
+. . . +a
1n
x
n
. . .
a
m1
x
1
+. . . +a
mn
x
n
_
_
Soit e
1
, . . . , e
n
une base de R
n
et f
1
, . . . , f
m
une base de R
m
. Pour calculer B la matrice
de u dans ces bases, on exprime chacun des vecteurs u(e
i
) comme combinaison lineaire des
f
j
avec la methode donnee en b):
u(e
i
) = b
1i
f
1
+. . . +b
mi
f
m
et les coecients de B sont donnes par les b
ij
.
108
CHAPITRE 12 SUITES DE NOMBRES R

EELS OU COMPLEXES
La notion de suite est connue et etudiee depuis la terminale ; elle permet de decrire
des processus iteratifs numeriques et contient en germe la notion de limite. La raison
fondamentale de son importance est la possibilite dapprocher des phenom`enes continus
par des quantites discr`etes : on approche un nombre reel par son developpement decimal
`a lordre n, on trace un graphe en calculant des valeurs discr`etes tout calcul numerique
eectue sur un ordinateur repose sur ce principe. Inversement cest un sujet qui se prete
bien aux experimentations sur machine ou calculatrice. Ceci explique aussi que souvent on
ne se contente pas de savoir quune suite approche un nombre ; on veut aussi savoir avec
quelle precision le n-i`eme terme approche le nombre.
12.1 PROPRI

ET

ES G

EN

ERALES DES SUITES


Repetons les denitions donnees au chapitre 4 :
Denition: Une suite reelle ou complexe est une application u : N R ou C. On note
u
n
:= u(n) et on lappelle le n-i`eme terme de la suite. La suite elle-meme est notee (u
n
)
nN
ou plus simplement (u
n
) (cette derni`ere notation etant un peu abusive mais usuelle).
Denition: Une suite (reelle ou complexe) (u
n
)
nN
est convergente vers si
> 0, n
0
N, n n
0
[u
n
[
On dit aussi que est la limite de la suite. Une suite est divergente si elle ne converge vers
aucun nombre.
Remarques : i) les premiers termes dune suite nont pas dimportance ; en particulier
leurs valeurs ninuent en rien sur la convergence de la suite ; cest pourquoi on les neglige
souvent et on commettra meme labus de langage consistant par exemple `a parler de la
suite u
n
= 1/n alors que le terme u
0
nest pas deni.
ii) Par ailleurs une suite nest pas forcement convergente, par exemple les suites u
n
=
(1)
n
ou v
n
= sin(n) ne sont pas convergentes (essayez de le demontrer!).
iii) On peut generaliser la denition de limite (pour une suite reelle) en decretant que
limu
n
= +si M > 0, n
0
N, n n
0
u
n
> M (idem pour ). Nous reserverons
neanmoins lappellation convergente aux suites ayant une limite nie.
PROPOSITION: Une suite convergente est bornee.
Demonstration: Si (u
n
) est convergente, il existe n
0
et tel que pour n n
0
on ait
[u
n
[ 1 donc [u
n
[ [[ + 1. Posons donc M := max[u
0
[, . . . , [u
n
0
[, [[ + 1 alors on a
pour tout n N linegalite [u
n
[ M.
La reciproque est fausse puisque les deux suites dej`a mentionnees u
n
= (1)
n
ou
v
n
= sin(n) ne sont pas convergentes mais pourtant bornees. Neanmoins une propriete
saute aux yeux, au moins pour la premi`ere suite : la sous-suite u
2n
converge (elle est
en fait constante). Lexistence dune sous-suite convergente est une propriete generale des
suites bornees (theor`eme de Bolzano-Weierstrass) que nous citons pour memoire. Voyons
maintenant quelles operations on peut eectuer sur les limites de suites.
109
TH

EOR
`
EME: Si limu
n
= et limv
n
=

alors
i) lim(au
n
+bv
n
) = a +b

ii) lim(u
n
v
n
) =

iii) Si

,= 0 alors lim(u
n
/v
n
) = /

Dans le cas ou lune de ces limites est innie ces formules restent valables `a condition
dappliquer les r`egles suivantes :
++ = +
++a = +
=
+a =
Si a > 0 alors a(+) = +
si a < 0 alors a(+) =
(+).(+) = +
().() = +
Si limu
n
= 0 mais (au moins `a partir dun certain rang) u
n
,= 0 alors lim
1
|u
n
|
= +.
De plus si en fait u
n
> 0 (resp. u
n
< 0) alors lim
1
u
n
= + (resp. = ).
Demonstration: (i) Soit > 0 donne, choisissons

> 0 tel que ([a[ + [b[)

< ; par
denition des limites, il existe n
0
et n
1
tels que si n n
0
alors [u
n
[

et si n n
1
alors [v
n

. Si maintenant n max(n
0
, n
1
) alors [(au
n
+ bv
n
) (a + b

)[
[a[[u
n
[ +[b[[v
n

[ ([a[ +[b[)

< ; ce qui prouve bien que lim(au


n
+bv
n
) = a +b

.
(ii) Observons que dapr`es les hypoth`eses et la proposition precedente u
n
est bornee
par, disons, M. Soit > 0 donne, choisissons

> 0 tel que (M+[

[)

< ; par denition


des limites, il existe n
0
et n
1
tels que si n n
0
alors [u
n
[

et si n n
1
alors
[v
n

. Si maintenant n max(n
0
, n
1
) alors [u
n
v
n

[ [u
n
[[v
n

[+[

[[u
n
[
(M +[

[)

< ; ce qui prouve bien que limu


n
v
n
=

.
(iii) On utilise cette fois-ci que si n n
0
alors
1
|v
n
|

2
|

|
et linegalite

u
n
v
n


|u
n
|
|v
n
|
+
|v
n

|
|v
n

|
.
La demonstration des autres enonces est assez immediate en appliquant le meme
raisonnement (il est recommande toutefois dessayer de faire la demonstration des cas
laisses indetermines et de voir quest-ce-qui ne marche pas). Demontrons par exemple
le dernier enonce lorsque u
n
> 0 et limu
n
= 0 : soit donc M > 0 alors il existe n
0
N tel
que si n n
0
alors 0 < u
n
<
1
M
et donc
1
u
n
> M ; ce qui prouve bien que lim
1
u
n
= +.
Remarque : par contre 0.,

et + ne sont pas denis (cest-`a-dire que ces


seules informations ne sont pas susantes pour conclure). En eet choisissons par exemple
u
n
:= 1/n et v
n
:= n, w
n
:=

n, t
n
:= n
2
alors la premi`ere tend vers zero alors que les
autres tendent vers plus linni ; pourtant limu
n
v
n
= 1, limu
n
w
n
= 0 et limu
n
t
n
= +.
COROLLAIRE: Soit u
n
une suite convergente et v
n
une suite divergente alors u
n
+v
n
est divergente.
Demonstration: En eet si u
n
+ v
n
etait convergente cela entranerait que la suite
v
n
= (u
n
+v
n
) (u
n
) serait egalement convergente.
110
Exemple : considerons la suite u
n
:= sin(n) +
1
n+1
+ (1)
n
e
n
. Alors les deux suites
1
n+1
et (1)
n
e
n
sont convergentes (vers 0) mais la suite sin(n) est divergente donc la
suite u
n
est divergente.
Rappelons quune suite (reelle) monotone et bornee est convergente (chapitre 4). La
variante suivante est souvent utile :
TH

EOR
`
EME: (suites adjacentes) Soient u
n
et v
n
deux suites reelles telles que :
(i) u
n
est croissante et v
n
est decroissante
(ii) La suite v
n
u
n
est positive et converge vers 0
alors u
n
et v
n
convergent toutes deux vers la meme limite.
Demonstration: La suite u
n
est croissante et majoree par v
0
donc est convergente
(disons vers ) ; la suite v
n
est decroissante et minoree par u
0
donc convergente (disons
vers

). La derni`ere condition entrane que =

.
Exemples : 1) Un des exemples les plus classiques est le suivant : on choisit 0 < a < b et
on pose u
0
:= a et v
0
= b et on denit par recurrence u
n+1
:=

u
n
v
n
et v
n+1
:= (u
n
+v
n
)/2.
La limite commune sappelle la moyenne arithmetico-geometrique de a et b.
Verions que u
n
et v
n
sont adjacentes : on a u
0
< v
0
par hypoth`ese et si n 1 alors
v
n
u
n
=
1
2
(u
n1
+v
n1
2

u
n1
v
n1
) =
1
2
(

v
n1

u
n1
)
2
0 donc u
n
v
n
. Ensuite
v
n+1
= (u
n
+ v
n
)/2 v
n
et u
n+1
:=

u
n
v
n
u
n
donc u
n
est croissante et majoree donc
convergente, disons vers et v
n
est decroissante et minoree donc convergente vers

mais

= ( +

)/2 donc =

.
De v
n
u
n
=
1
2
(

v
n1

u
n1
) =
1
2(

v
n1
+

u
n1
)
2
(v
n1
u
n1
)
2
on tire [v
n
u
n
[
C(v
n1
u
n1
)
2
(avec C :=
1
8u
0
) donc la convergence de la suite est tr`es rapide (chaque
pas double le nombre de chires de precision). Par exemple si a := 2 et b := 8 on trouve
u
1
= 4, u
2
= 4, 47213 . . ., u
3
= 4, 48604 . . . et v
1
= 5, v
2
= 4, 5, v
3
= 4, 48606 . . ..
2) Nous avons dej`a etudie (chapitre 4) un autre exemple de suites adjacentes : soit x un
reel et soit u
n
son developpement decimal par defaut `a lordre n et v
n
son developpement
decimal par exc`es `a lordre n alors u
n
et v
n
sont adjacentes et convergent vers x (bien s ur,
chaque pas ajoute un chire de precision).
3) La suite u
n
:= 1 +
1
1!
+
1
2!
+ . . . +
1
n!
est convergente. En eet introduisons v
n
:=
u
n
+
1
nn!
; visiblement u
n
est croissante, u
n
v
n
et lim(v
n
u
n
) = 0 mais de plus v
n+1
v
n
=
1
n(n+1)(n+1)!
< 0 donc v
n
est decroissante et les suites sont adjacentes. Si lon appelle e la
limite commune (nous verrons au chapitre 14 que cest bien la base du logarithme neperien)
on a : 0 < e u
n
<
1
nn!
. La suite u
n
fournit donc de tr`es bonnes approximations de e.
Par exemple u
1
= 2, u
2
= 2, 5, u
3
= 2, 66666 . . ., u
4
= 2, 708333 . . ., u
5
= 2, 71666 . . . et
v
1
= 3, v
2
= 2, 75, v
3
= 2, 72222 . . ., v
4
= 2, 71874 . . ., v
5
= 2, 718333 . . ..
12.2 SUITES R

ECURRENTES
Le cas le plus general est celui dune suite o` u u
n
sexprime en fonction de u
0
, . . . , u
n1
;
nous etudierons seulement deux cas.
12.2.1 Suites du type u
n+1
= f(u
n
)
Les exemples les plus simples de telles suites sont :
111
Les suites arithmetiques denies par u
n+1
= u
n
+ a : on deduit immediatement que
u
n
= u
0
+ na et que u
0
+ . . . + u
n
= (n + 1)u
0
+
n(n+1)
2
a. En particulier, si u
n
est reelle
limu
n
= + si a > 0, limu
n
= si a < 0 (et u
n
= u
0
si a = 0).
Les suites geometriques denies par u
n+1
= au
n
: on deduit immediatement que
u
n
= u
0
a
n
et que u
0
+ . . . + u
n
= (n + 1)u
0
si a = 1 et
a
n+1
1
a1
u
0
si a ,= 1. En particulier
limu
n
= 0 si [a[ < 1 et lim[u
n
[ = + si [a[ > 1. Si [a[ = 1 donc a = e
i
, la situation est
plus compliquee : la suite reste sur le cercle [z[ = [u
0
[ et u
n+1
sobtient `a partir de u
n
par
une rotation dangle ; si / Q alors la suite est periodique, sinon elle tourne de facon
dense sur le cercle (cest nettement plus dicile `a montrer).
On peut donner un exemple plus complique o` u lon arrive neanmoins `a exprimer u
n
par une formule fermee : soit la suite denie par u
n+1
=
1
2
_
u
n
+
1
u
n
_
; posons w
n
=
u
n
+1
u
n
1
alors un calcul direct fournit la relation w
n+1
= w
2
n
do` u w
n
= w
2
n
0
et
u
n
=
w
2
n
0
+ 1
w
2
n
0
1
=
_
u
0
+1
u
0
1
_
2
n
+ 1
_
u
0
+1
u
0
1
_
2
n
1
On en deduit par exemple que si

u
0
+1
u
0
1

< 1 alors limu


n
= 1 alors que si

u
0
+1
u
0
1

> 1
alors limu
n
= 1. On a vu au chapitre 4 que lequation
|z+1|
|z1|
= 1 denit, dans le plan
complexe, un cercle ou une droite ; ici cest la droite des imaginaires. Si Re(u
0
) > 0
(resp. si Re(u
0
) < 0) alors limu
n
= 1 (resp. limu
n
= 1) ; si u
0
iR la suite ne peut
pas converger (ses valeurs sont purement imaginaires) et peut meme ne pas etre denie `a
partir dun certain rang (si
u
0
+1
u
0
1
= e
ki/2
m
).
En general toutefois il est impossible dexprimer u
n
par une formule simple et on doit
recourir au raisonnement et `a des considerations qualitatives. Une des proprietes les plus
utiles de ces suites est la suivante (voir le cours de terminale ou le chapitre suivant pour
la denition de la continuite) :
TH

EOR
`
EME: Soit f : R R une fonction continue et soit u
n
une suite veriant la
relation u
n+1
= f(u
n
) ; si u
n
converge vers alors = f()
Remarque : le theor`eme ne dit pas que cette suite converge mais seulement que
lensemble des limites potentielles est restreint.
Demonstration: Dapr`es une propriete des fonctions continues : limf(u
n
) = f(limu
n
)
donc vues les hypoth`eses
= limu
n+1
= limf(u
n
) = f(limu
n
) = f().
Pour nous aider `a determiner quand une telle suite converge eectivement vers un
point xe de f, il est tr`es eclairant de tracer le diagramme suivant qui decrit visuellement
literation de la fonction f : on represente le graphe y = f(x) de la fonction f et la droite
112
y = x ; connaissant u
0
, lintersection de la droite verticale x = u
0
avec le graphe donne
le point (u
0
, f(u
0
)) = (u
0
, u
1
), lintersection de la droite horizontale passant par ce point
avec la droite y = x donne le point (u
1
, u
1
), lintersection de la droite verticale passant par
ce dernier point avec le graphe de f fournit le point (u
1
, f(u
1
) = (u
1
, u
2
) et ainsi de suite
Representation graphique de quelques suites recurrentes suivant la valeur de := f

()
Ces graphiques sugg`erent que si [[ = [f

()[ < 1 alors la suite semble converger vers


(disons que le point xe est attracteur ou stable) et si [[ = [f

()[ > 1 alors la suite


ne semble pas converger vers (disons que le point xe est repulsif ou instable). Dans le
premier cas, si 0 < < 1 la suite semble converger de facon monotone vers , par contre
si 1 < < 0 la suite semble converger de facon alternee vers . On peut demontrer (si f
est deux fois continument derivable) grace `a la formule de Taylor que cest bien ce qui se
passe pourvu que u
0
soit susamment proche de . Illustrons cela par quelques exemples :
u
n+1
=

u
n
+ 5 (avec u
0
5) :
On constate que u
1
0 et ensuite u
n
0 donc la suite est bien denie. Si elle
converge vers alors doit etre positive et verier =

+ 5 donc =
1+

21
2
est la seule
limite possible. Le trace du graphe y =

x + 5 et de literation sugg`ere que si u
0

(resp. u
0
) alors u
n
est croissante (resp. decroissante) et converge vers , demontrons
cela. Tout dabord la fonction f(x) :=

x + 5 est croissante donc u
n
(resp. u
n
)
113
entrane u
n+1
= f(u
n
) f() = (resp. u
n+1
). Ensuite
u
n+1
u
n
=
u
n
+ 5 u
2
n

u
n
+ 5 +u
n
=
(u
n

1+

21
2
)(u
n

1

21
2
)

u
n
+ 5 +u
n
est positif si u
n
et negatif si u
n
. En conclusion si u
0
alors u
n
est croissante et
majoree par donc convergente et la limite doit etre ; si u
0
alors u
n
est decroissante
et minoree par donc convergente et la limite doit etre . On remarquera que la pente du
graphe en x = est positive et inferieure `a 1 (exactement : 0 < =
1
2
).
Si lon reprend la suite u
n+1
=
1
2
(u
n
+ 1/u
n
) on observe sur le graphe que les deux
limites possibles, +1 et 1, sont attracteurs.
On voit que si u
0
> 0 alors la suite va converger vers 1 et si u
0
< 0 alors elle va
converger vers 1 (ce que lon a dej`a demontre directement).
u
n+1
=
au
n
+b
cu
n
+d
: on suppose ad bc et c dierent de zero (sinon la suite est constante
ou lineaire) et egalement u
0
,= d/c. Si la suite converge vers une limite alors celle-ci
verie c
2
+(d a) b = 0. On doit distinguer deux cas : ou bien (d a)
2
+4bc ,= 0 et il
y a deux limites possibles (reelles ou complexes), disons et , ou bien (d a)
2
+4bc = 0
et il y a une seule limite possible, disons .
Si a, b, c, d sont reels, pour tracer le graphe des fonctions f(x) =
ax+b
cx+d
observons que
y = f(x) equivaut `a y
a
c
=
adbc
c
/(x+
d
c
) et donc, `a translation pr`es le graphe est celui
de la fonction C/x et depend donc du signe de C.
Cas o` u ad bc < 0 :
Cas o` u ad bc > 0
On constate que dans le premier cas il y a deux limites possibles et que la suite semble
converger vers lune delles (toujours la meme) : lun des points est attracteur, lautre est
repulsif. Dans le deuxi`eme cas il peut y avoir deux limites possibles, une seule ou aucune
(i.e. et sont complexes) ; dans ce dernier cas il est clair que la suite ne peut converger.
114
On peut etudier un peu plus profondement ces suites ainsi : dans le cas ou et
sont distinctes, introduisons la suite v
n
=
u
n

u
n

. Un calcul direct utilisant que et sont


les racines de cX
2
+ (d a)X b donne v
n+1
= v
n
avec :=
ac
ac
. Alors si [[ < 1 on
en deduit limv
n
= 0 et limu
n
= ; si [[ > 1 on en deduit lim[v
n
[ = + et limu
n
= .
Le cas o` u [[ = 1 est plus complique ; cest notamment ce qui se produit si les coecients
sont reels et , complexes conjugues.
Si est la seule limite possible, on introduit v
n
:=
1
u
n

et de nouveau un calcul
direct fournit v
n+1
= v
n
+ avec :=
c
ac
. On en tire lim[v
n
[ = + et donc limu
n
= .
On pourra verier cette theorie sur les exemples suivants : u
n+1
=
u
n
+1
u
n
2
(deux limites
possibles =
3

13
2
et =
3+

13
2
et > 1 donc limu
n
=
3

13
2
sauf si u
0
= ) ;
u
n+1
=
2u
n
1
u
n
(une seule limite possible = 1) ; u
n+1
=
u
n
+1
u
n
1
(les deux limites possibles
sont = 1 +

2 et = 1

2 mais = 1 et la suite est periodique non convergente


sauf si u
0
= ou ).
Terminons par deux exemples o` u la limite possible est un point faiblement attracteur
ou repulsif (i.e. la pente vaut 1) :
u
n+1
= sin(u
n
). En tracant le graphe on constate que la suite semble converger vers
0 ;
Prouvons cela. Le point clef est linegalite (classique mais demontre au chapitre 15) :
0 < x /2 0 < sin(x) < x. Elle permet detablir que la seule limite possible est 0 ;
dautre part [u
1
[ 1 et si u
1
= 0 la suite est constamment nulle ensuite donc on peut
supposer 0 < u
1
1 (le cas 1 u
1
< 0 se traite parall`element en utilisant limparite
de sin(x)) et en demontre alors que 0 < u
n+1
= sin(u
n
) < u
n
1. La suite est donc
decroissante et minoree donc convergente et la limite ne peut etre que 0.
u
n+1
= u
n
+u
3
n
. La seule limite possible est 0 et le graphe semble indiquer que cest
un point repulsif.
En fait si u
0
> 0 (on peut faire un raisonnement parall`ele si u
0
< 0) alors u
1
> u
0
et
la suite u
n
est strictement croissante. Si u
n
etait bornee, elle convergerait vers une limite
nie et strictement positive, ce qui est absurde donc elle tend vers linni.
115
12.2.2 Suites lineaires recurrentes.
Il sagit des suites veriant une relation du type :
() u
n
= au
n1
+bu
n2
pour n 2
On suppose que b ,= 0 sinon on est ramene `a une suite geometrique. On verie im-
mediatement que lensemble des suites veriant une telle relation donnee est un espace
vectoriel (un sous-espace vectoriel de lespace des suites) : en eet soit u
n
et v
n
deux telles
suites, considerons w
n
:= cu
n
+ dv
n
alors w
n
= c(au
n1
+ bu
n2
) + d(av
n1
+ bv
n2
) =
a(cu
n1
+dv
n1
) +b(cu
n2
+dv
n2
) = aw
n1
+bw
n2
. Dautre part les valeurs u
0
et u
1
determinent enti`erement le reste de la suite ; donc si v
n
est la suite obtenue avec v
0
:= 1
et v
1
:= 0 et w
n
est la suite obtenue avec w
0
:= 0 et w
1
:= 1 on voit que ces deux suites
forment une base de lespace des suites veriant (*) (qui est donc de dimension 2) . On
peut trouver une base plus explicitement de la facon suivante : considerons lequation
X
2
aXb = 0 (qui sappelle lequation caracteristique de la suite lineaire) et choisissons
une racine alors la suite u
n
:=
n
verie :
u
n
au
n1
bu
n2
=
n2
(
2
a b) = 0
Distinguons donc deux cas :
Cas n
o
1 : Les deux racines et de X
2
aX b = 0 sont distinctes et alors une
solution de (*) secrit u
n
=
n
+
n
; si lon veut tout exprimer en terme de u
0
et u
1
on ecrit le syst`eme :
u
0
= + et u
1
= +
do` u lon tire =
u
1
u
0

et =
u
0
u
1

do` u :
u
n
=
u
1
u
0


n
+
u
0
u
1


n
Cas n
o
2 : Les deux racines de X
2
aX b = 0 sont confondues (disons egales `a
) et donc
2
a b = 0 mais aussi a + 2b = 0. La suite
n
est encore une solution
mais il faut en trouver une autre : on remarque alors que v
n
:= n
n
verie la relation de
recurrence lineaire (*) :
v
n
av
n1
bv
n2
=
n2
(n
2
a(n 1) b(n 2)) =
n2
(a + 2b) = 0
Donc les deux suites
n
et n
n
forment une base des suites veriant (*) ; toute suite u
n
veriant (*) secrit :
u
n
=
n
+n
n
ou encore en terme de u
0
et u
1
on obtient :
u
n
= u
0

n
+
_
u
1

u
0
_
n
n
116
Bien entendu, dans chaque cas, il est facile, en general, detudier la convergence de la
suite : elle depend des modules des racines , ; le seul cas delicat est celui o` u [[ = [[.
Donnons quelques exemples :
1) (Suite de Fibonacci) u
n
= u
n1
+u
n2
Lequation caracteristique secrit X
2
X 1 = 0 et a pour racines =
1+

5
2
(connu
comme le nombre dor) et =
1

5
2
et donc u
n
=
n
+
n
se comporte comme
n
(si ,= 0) o` u

5 = u
1
u
0
. On en tire limu
n
= + si u
1
> u
0
et limu
n
= si
u
1
< u
0
. On observe aussi que (si u
1
,= u
0
) alors lim
u
n+1
u
n
= .
Par contre si u
1
= u
0
alors u
n
=
n
et limu
n
= 0, lim
u
n+1
u
n
= .
2) Considerons les suites veriant u
n
= u
n1

1
4
u
n2
.
Lequation caracteristique secrit X
2
X +
1
4
= 0 et a pour racine double =
1
2
. On
en deduit u
n
= u
0
2
n
+ (2u
1
u
0
)n2
n
et donc limu
n
= 0 et lim
u
n+1
u
n
=
1
2
.
3) Considerons les suites veriant u
n
= u
n1
u
n2
.
Lequation caracteristique secrit X
2
X + 1 = 0 et a pour racines =
1+i

3
2
et
=
1i

3
2
. Observons que
6
=
6
= 1 donc la suite u
n
=
n
+
n
verie u
n+6
= u
n
.
La suite est donc periodique et elle nest convergente que si elle est constante et nulle.
4) Considerons les suites veriant u
n
= 2 cos()u
n1
u
n2
.
Lequation caracteristique secrit X
2
2 cos()X +1 = 0 et a pour racines = e
i
et
= e
i
. Si / Z alors cos() = 1 et lequation caracteristique a une racine double
= 1 donc u
n
= (u
0
+ (u
1
u
0
)n)(1)
n
. Si / / Z alors on ecrit
u
n
=
u
1
e
i
u
0
2i sin()
e
in
+
e
i
u
0
u
1
2i sin()
e
in
=
u
0
sin((n 1)) +u
1
sin(n)
sin()
Si / Q on voit que la suite est periodique et non constante (puisquon a suppose
/ / Z) donc elle est bornee et non convergente. Si / / Q la suite est encore bornee
(facile) et non convergente (un peu plus delicat `a prouver).
Cauchy Augustin (17891857)
117
CHAPITRE 13 LIMITES ET CONTINUIT

E
La notion de continuite est intimement liee aux proprietes des nombres reels (Cantor
appelait le cardinal de R la puissance du continu). Lidee de la continuite est simple et
peut se decrire de diverses facons imagees : une fonction est continue si on peut tracer
son graphe sans soulever le crayon du papier, le graphe de la fonction na pas de saut
ou encore si x se rapproche de x
0
alors f(x) se rapproche de f(x
0
). En particulier on
doit avoir la propriete suivante :
limx
n
= a limf(x
n
) = f(a)
On remarquera que cette propriete est fausse pour des fonctions simples comme les fonc-
tions en escalier :
Tout comme la notion intuitive de limite, la notion de continuite est delicate `a denir
rigoureusement : la denition epsilon-delta donnee ci-dessous est due `a Weierstrass et
date donc du XIXe si`ecle. Voici une derni`ere approche avant la denition formelle : si
lon se donne un petit intervalle I centre en f(a) alors il existe un petit intervalle autour
de a dont limage par f est contenue dans I. Les denitions sont un peu arides et on aura
interet `a passer rapidement dessus jusqu`a arriver aux premi`eres applications et revenir
ensuite pour les approfondir.
13.1 FONCTIONS CONTINUES
Commen cons par denir la notion de limite ou de tendre vers pour une fonction.
Convention : dans tout ce chapitre on appellera constamment intervalle un vrai
intervalle, cest-`a-dire un intervalle non vide et non reduit `a un point (la plupart des
enonces seraient vides et sans interet pour des intervalles singleton).
Denition: Soit f : I R et x
0
un point de lintervalle I, on dit que f tend vers
quand x tend vers x
0
si
> 0, > 0, 0 < [x x
0
[ et x I [f(x) [
On ecrit alors
lim f(x) =
x x
0
x ,= x
0
Remarques : 1) limportance et la signication de prendre x ,= x
0
sont eclairees par
lexemple suivant : on regarde f(x) := 1 si x ,= 0 et f(0) := 2 alors
lim f(x) = 1 ,= f(0)
x 0
x ,= 0
118
2) On peut denir de la meme facon la limite dune fonction `a valeurs complexes et
on montre alors facilement que comme pour les suites, limf(x) = a +ib si et seulement si
limRe(f(x)) = a et limIm(f(x)) = b.
3) On peut denir des variantes de la notion de limite en faisant tendre la variable
vers linni ou la fonction elle-meme : par exemple une fonction f(x) tends vers quand x
tend vers linni si pour tout > 0 il existe M > 0 tel que x M entrane [f(x) [ .
4) Il faut remarquer que la limite dune fonction, si elle existe, est unique.
Denition: Une fonction f : I R est continue au point x
0
I si
> 0, > 0, x I et [x x
0
[ entrane [f(x) f(x
0
)[ .
Il revient au meme dimposer :
lim f(x) = f(x
0
)
x x
0
x ,= x
0
Une fonction est continue sur I si elle est continue en tout point de I.
Remarque : `a cause des quanticateurs, la denition ne change pas si on remplace les
inegalites par des inegalites strictes, i.e. si on ecrit [x x
0
[ < et/ou [f(x) f(x
0
)[ < .
Exemple : montrons directement `a partir de la denition que la fonction f(x) = x
2
est continue sur R.
Soit x
0
R et soit > 0 ; si [x x
0
[ 1 alors [x +x
0
[ 2[x
0
[ +1 donc si lon choisit
< min1, /(2[x
0
[ + 1) et si [x x
0
[ on obtient [x
2
x
2
0
[ = [x + x
0
[[x x
0
[ ce
qui prouve bien que la fonction x x
2
est continue en x
0
.
TH

EOR
`
EME: Soit f : I R continue et soit x
n
I ; si limx
n
= et si I alors
limf(x
n
) = f().
Demonstration: En eet soit > 0 alors il existe > 0 tel que [x [ entrane
[f(x) f()[ (car f est continue en ) mais comme limx
n
= , il existe n
0
N tel que
si n n
0
alors [x
n
[ donc [f(x
n
) f()[ , ce qui est bien lenonce cherche.
Remarque : on peut montrer que si pour toute suite limplication du theor`eme est
vraie alors la fonction f est continue.
On peut eectuer sur les limites de fonctions les memes operations que sur les limites
de suites (en fait si on prenait une denition plus abstraite on verrait quil sagit du meme
concept).
TH

EOR
`
EME: 1) Si I est un intervalle contenant x
0
et si deux fonctions f, g : I R
verient :
lim f(x) =
x x
0
x ,= x
0
et lim g(x) =

x x
0
x ,= x
0
alors on a les formules suivantes :
119
i) lim af(x) +bg(x) = a +b

x x
0
x ,= x
0
ii) lim f(x)g(x) =

x x
0
x ,= x
0
iii) Si

,= 0 alors lim f(x)/g(x) = /

x x
0
x ,= x
0
Dans le cas o` u lune de ces limites est innie ces formules restent valables `a condition
dappliquer les r`egles suivantes :
++ = +
++a = +
=
+a =
Si a > 0 alors a(+) = +
si a < 0 alors a(+) =
(+).(+) = +
().() = +
Si lim
x x
0
x ,= x
0
f(x) = 0 mais f(x) ,= 0 alors lim
1
|f(x)|
= +. De plus si en fait f(x) > 0
(resp. f(x) < 0) alors lim
1
f(x)
= + (resp. = ).
2) Si I, J sont deux intervalles contenant respectivement a, x
0
, si f : I R et
g : J R verient g(J) I (de sorte que f g est bien denie) et :
lim g(x) = a
x x
0
x ,= x
0
avec f est continue en a avec f(a) = alors
lim f g(x) =
x x
0
x ,= x
0
.
Demonstration: 1) (i) On utilise linegalite [af(x) + bg(x) (a + b

)[ [a[[f(x)
[ +[b[[g(x)

[.
(ii) Commencons par observer que si f tend vers quand x tend vers x
0
, alors il existe
un intervalle autour de x
0
sur lequel f est bornee. On conclut alors en utilisant linegalite
[f(x)g(x)

[ [f(x)[[g(x)

[ +[

[[f(x) [.
(iii) On observe dans ce cas que [1/g(x)[ 2/[

[ si x est susamment proche de x


0
et on utilise la majoration [
f(x)
g(x)

[
|f(x)|
|g(x)||

|
[g(x)

[ +
1
|

|
[f(x) [.
La demonstration des cas particuliers se fait par les memes methodes et est laissee au
lecteur.
120
2) Soit > 0 alors il existe > 0 tel que [y a[ entrane [f(y) [ mais par
ailleurs il existe > 0 tel que [xx
0
[ entrane [g(x) a[ et donc [f g(x) [ ;
ainsi f g tend bien vers quand x tend vers x
0
.
COROLLAIRE: Soient f, g : I deux fonctions continues alors :
(i) f +g et fg sont continues.
(ii) f/g et f g sont continues sur chaque intervalle o` u elles sont denies.
Demonstration: Immediat `a partir du theor`eme precedent en traduisant la continuite
en terme de limites. Par exemple limf g(x) = f(limg(x)) = f g(x
0
) (la premi`ere egalite
`a cause de la continuite de f, la seconde `a cause de la continuite de g) ; ainsi f g est bien
continue.
Comme les fonctions constantes et la fonction identite x x sont clairement contin-
ues, on obtient immediatement
COROLLAIRE: Les fonctions polynomes sont continues, les fonctions rationnelles
sont continues sur leurs intervalles de denition.
Si lon sait (voir chapitre 16) que les fonctions valeur absolue, e
x
, log x, cos(x), sin(x)
sont continues, on en tire que toutes les fonctions que lon fabrique `a partir de celles-ci
(par operations et composition) sont continues l`a o` u elles sont denies.
13.2 PROPRI

ET

ES DES FONCTIONS CONTINUES


Les enonces de ce paragraphe sont assez parlants mais les demonstrations sont rela-
tivement delicates ; on pourra dabord se concentrer sur lapplication des resultats.
TH

EOR
`
EME: (theor`eme des valeurs intermediaires) Soit I = [a, b] un intervalle ferme
et f : I R une fonction continue ; si est un reel compris entre f(a) et f(b) alors il
existe c I tel que f(c) = . En dautres termes limage dun intervalle par une fonction
continue est un intervalle.
Demonstration: Supposons par exemple f(a) < f(b) et donc f(a) f(b).
Considerons lensemble E := x I [ f(x) ; cest un ensemble borne non vide (il
contient a) donc il admet une borne superieure c := sup(E). Montrons que f(c) = . Il
existe une suite delements x
n
de E tels que limx
n
= c dapr`es les proprietes de la borne
superieure, par ailleurs f(x
n
) par denition de E. Comme f est continue en c on
en tire : f(c) = limf(x
n
) ; Supposons f(c) < et voyons que lon aboutit `a une
contradiction. En eet il existerait alors > 0 tel que f(c) + < et en utilisant de
nouveau la continuite de f en c on obtient lexistence de > 0 tel que [x c[ < entrane
[f(x) f(c)[ < et donc f(x) < f(c) + < . On conclurait que [c, c + [ E ce qui
contredirait que c est la borne superieure de E.
121
Graphiquement cela signie quun graphe de fonction continue prenant des valeurs en
dessous et au dessus dune droite doit couper celle-ci en au moins un point.
APPLICATION: Un polynome P `a coecients reels de degre impair poss`ede une
racine reelle. En eet si a
n
est le coecient du terme de plus haut degre n :
lim P(x) = sgn(a
n
) et
x +
lim P(x) = (1)
n
sgn(a
n
)
x
donc il existe a avec P(a) < 0 et il existe b avec P(b) > 0 donc il existe c avec P(c) = 0
dapr`es le theor`eme des valeurs intermediaires.
TH

EOR
`
EME: Soit I = [a, b] un intervalle ferme et f : I R une fonction continue,
alors :
(i) f est bornee
(ii) f atteint son minimum et son maximum, cest-`a-dire que :
c [a, b], f(c) = supf(x) [ x [a, b] et d [a, b], f(c) = inff(x) [ x [a, b]
En particulier limage dun intervalle ferme par une application continue est un intervalle
ferme.
Demonstration: (i) Considerons lensemble E := x [a, b] [ f est borne sur [a, x].
Visiblement E est un intervalle et si c := sup(E) on a E = [a, c[ ou [a, c] ; on veut donc
prouver que c = b et que c E. Montrons que c E : comme f est continue en c il existe
> 0 tel que f soit bornee sur [c , c], mais c E donc f est bornee sur [a, c ]
egalement et donc sur [a, c].
Supposons maintenant c < b, la continuite de f en c entrane quil existe un intervalle
[c , c +] [a, b] sur lequel f est bornee et donc comme precedemment on peut conclure
que f est bornee sur [a, c +], donc c + E ce qui contredit que c est la borne superieure
de E.
(ii) Posons M := sup
x[a,b]
f(x). On denit une suite dintervalles emboites I
0
:=
[a, b], . . . ,I
n
:= [a
n
, b
n
] de sorte que `a chaque pas I
n+1
soit egal soit `a [a
n
, (a
n
+b
n
)/2] soit
`a [(a
n
+b
n
)/2, b
n
] et tel que sup
xI
n
f(x) = M. On choisit c
n
I
n
(cette intersection est
non vide dapr`es la propriete des segments emboites) et on utilise la continuite de f en c
pour conclure que pour tout > 0, il existe n tel que x I
n
entrane [f(x) f(c)[ /2.
Par ailleurs, comme sup
xI
n
f(x) = M, il existe x I
n
tel que f(x) M /2 donc
nalement M f(c) M . Ceci etant valable pour tout > 0 on conclut bien que
f(c) = M.
Remarquons que la conclusion peut etre fausse si f nest pas continue ou si lintervalle
nest pas borne. Par exemple f(x) = 1/x nest pas bornee sur ]0, 1] et natteint pas son
minimum sur [1, +).
122
TH

EOR
`
EME: Soit f une fonction continue strictement croissante sur un intervalle
dextremites a et b. Supposons que
lim f(x) = et
x a
x > a
lim f(x) =
x b
x < b
Alors f determine une bijection de lintervalle dextremites a et b vers lintervalle dextre-
mites et et la bijection reciproque est egalement continue et croissante.
Remarque : en particulier si f est continue et croissante sur I contenant [a, b] alors
f([a, b]) = [f(a), f(b)].
Demonstration: Comme x < y entrane f(x) < f(y), la fonction f est injective.
Soit y ], [ alors il existe x
1
]a, b[ tel que f(x
1
) < y et il existe x
2
]a, b[ tel que
f(x
2
) > y donc, dapr`es le theor`eme des valeurs intermediaires, il existe c ]x
1
, x
2
[ tel que
f(c) = y. Ainsi f est surjective et denit une bijection de ]a, b[ sur ], [. Voyons que f
1
est croissante et continue. Si x < y et f
1
(x) f
1
(y), on aurait alors x = f(f
1
(x))
f(f
1
(y)) = y ce qui est contradictoire. Choisissons maintenant y
0
], [ et montrons
que f est continue en y
0
. Soit donc > 0, on sait que y
0
= f(x
0
) avec x
0
]a, b[ et on peut
choisir a

, b

]a, b[ tels que x


0
a

< x
0
< b

x
0
+ . On sait que si

:= f(a

) et

:= f(b

) alors f(]a

, b

[) =]

[ et donc que si y ]

[ alors f
1
(y) ]a

, b

[ et donc
[f(y) f(y
0
)[ ; ce qui montre que f
1
est continue en y
0
.
Remarque : on obtient ainsi des bijections de [a, b] vers [, ] ou de ]a, b[ vers ], [
etc.
On exploitera au chapitre 16 ce theor`eme pour denir les fonctions exponentielle
(comme fonction reciproque du logarithme), Arcsin, Arcos, Arctg, Argsh, Argch et Argth.
Donnons ici un exemple de construction de fonction reciproque : Soit la fonction f(x) :=
x+xlog(x) ; on verie aisement quelle est strictement croissante sur [1, +) (en eet log
est croissante et positive sur [1, +) donc x > y entrane 1 +log(x) > 1 +log(y) 1 donc
x(1 +log(x)) > y(1 +log(y))). Ainsi f denit une bijection de [1, +) sur [1, +) ; pour
tracer le graphe de la fonction g = f
1
on prend simplement le symetrique du graphe de
f par rapport `a la droite y = x.
13.3 LIMITES DE FONCTIONS
On entame ici letude de quelques techniques de calculs de limites qui seront beaucoup
plus developpees au chapitre 19 (developpements limites).
123
Denition: Soient deux fonctions f et g denies sur un intervalle I ; elles sont
equivalentes au voisinage de x
0
I (resp. de ) si
lim
xx
0
(f(x)/g(x)) = lim
xx
0
(g(x)/f(x)) = 1
On ecrit alors f(x) g(x) en sous-entendant le point o` u f et g sont equivalentes.
Commentaire : lidee dun equivalent est simple : dire que f(x) 1 quand x tend
vers 0, equivaut `a dire que limf(x) = 1 mais f(x) x entrane et est beaucoup plus precis
que limf(x) = 0 : cela dit avec quelle vitesse f(x) tend vers zero (par exemple moins vite
que x
2
mais plus vite que
3

x).
Exemples : On verra au chapitre 16 une demonstration geometrique du fait suivant :
sin(x) x lorsque x tend vers 0 ; de meme cos(x) 1 x
2
/2.
Soit F(x) :=
a
m
x
m
+...+a
0
b
n
x
n
+...+b
0
une fraction rationnelle (avec a
m
b
n
,= 0), alors lorsque x
tend vers on a F(x)
a
m
b
n
x
mn
. En eet
F(x)x
nm
=
_
a
m
+. . . +
a
0
x
m
_
/
_
b
n
+. . . +
b
0
x
n
_
tend bien vers a
m
/b
n
.
Remarque : Il ne faut pas confondre f(x) g(x) + h(x) et f(x) g(x) h(x) ;
par exemple si f(x) = 2x
2
+ x, g(x) = 2x
2
et h(x) = 1 alors f(x) g(x) + h(x) mais
f(x)g(x) x , h(x) quand x tend vers linni. Parmi les autres pi`eges `a eviter, signalons
aussi que f(x) g(x) nentrane pas h f h f(x), meme si h est continue ; en eet en
choissant f et g comme dans lexemple precedent et h = exp on a h f(x)/h g(x) = e
x
qui ne tend pas vers 1 (quand x tend vers linni).
On ne peut pas donc en general ajouter des equivalents mais on peut les multiplier :
PROPOSITION: Supposons que f(x) g(x) et h(x) k(x) quand x tend vers a
alors f(x)h(x) g(x)k(x) quand x tend vers a.
Demonstration: En eet, si lim
_
f(x)
g(x)
_
= 1 et lim
_
h(x)
k(x)
_
= 1 alors lim
_
f(x)h(x)
g(x)k(x)
_
= 1.
Exemple : lorsque x tend vers linni exp(x 1/x) exp(x) et x
m
+ . . . + a
0
x
m
donc (x
m
+. . . +a
0
)exp(x 1/x) x
m
exp(x).
PROPOSITION: (prolongement par continuite) Soit c [a, b] et f : [a, b] c R
une fonction continue et supposons que lim
x c
x ,= c
f(x) = . Alors la fonction

f : [a, b] R
denie par

f(x) =
_
f(x) si x ,= c
si x = c
est continue.
Demonstration: Le seul probl`eme est bien s ur la continuite en c mais on a par
hypoth`ese : lim
x c
x ,= c

f(x) = =

f(c) donc

f est continue en c.
124
Exemples : La fonction f(x) = sin(x)/x (si x ,= 0) et f(0) = 1 est continue.
La fonction g(x) = (1 cos(x))/x
2
(si x ,= 0) et g(0) = 1/2 est continue.
La fonction h(x) = sin(x)/x (si x ,= 0) et h(0) = 1 est continue.
La fonction k(x) = exp(1/x
2
) (si x ,= 0) et k(0) = 0 est continue.
Euler Leonhard (1707-1783)
125
CHAPITRE 14 D

ERIV

EES ET FORMULE DE TAYLOR


Vous connaissez dej`a la notion de derivee dune fonction (en un point) dont nous
rappelons neanmoins ci-dessous la denition ainsi que linterpretation geometrique : la
tangente `a une courbe en un point (quand elle existe) est la droite qui epouse le mieux
possible la forme de la courbe en ce point ; la derivee dune fonction f est la pente de
la tangente `a la courbe dequation y = f(x). Il est assez facile de voir que la derivee
dune fonction croissante est positive, mais la reciproque qui est delicate et generalement
admise en terminale est demontree ici. Pour etudier plus nement une courbe, apr`es avoir
determine sa tangente en un point on peut chercher quel est le cercle ou la parabole qui
lapproche le mieux ; on peut aussi vouloir savoir si le point est un point dinexion la
courbe traverse-t-elle sa tangente en ce point? ou si la fonction atteint en un point un
maximum ou un minimum. La reponse `a toutes ces questions est donnee par la formule
de Taylor, qui grosso modo decrit la courbe y = f(x) pr`es du point x
0
en fonction de ses
derivees successives en x
0
.
14.1 RAPPELS SUR LE CALCUL DES D

ERIV

EES
Comme au chapitre precedent nous prenons comme convention que les intervalles sont
des intervalles non vides et non reduits `a un point.
Denition: Soit I un intervalle reel ouvert et x
0
I, soit f : I R une fonction `a
valeurs reelles ; on dit que f est derivable en x
0
si la limite
lim
f(x)f(x
0
)
xx
0
x x
0
x ,= x
0
existe et dans ce cas cette limite sappelle la derivee de f en x
0
et se note f

(x
0
) ou
df
dx
(x
0
).
Si f est derivable en tout point, la fonction x f

(x) ainsi denie sappelle la fonction


derivee. Si f

est elle meme derivable, sa derivee sappelle la derivee seconde de f et se


note f

ou f
(2)
. On denit de meme la derivee n-i`eme (si elle existe, on la note f
(n)
ou
d
n
f
dx
n
) par la relation de recurrence
f
(0)
(x) = f(x), f
(1)
(x) = f

(x), f
(n+1)
(x) =
_
f
(n)
_

(x)
Exemples : Une fonction qui nest pas continue en un point x
0
nest pas derivable ;
la fonction f(x) := [x[ est continue au point x
0
:= 0 mais ny est pas derivable (en eet
la limite de [x[/x en restreignant x `a etre positif est +1 alors quen restreignant x `a etre
negatif la limite est 1).
Calculons directement `a partir de la denition la derivee de f(x) := 3x
2
5x + 4 en
x
0
= 1 : on a
f(x)f(1)
x1
=
3x
2
5x+2
x1
= 3x 2 et donc
f

(1) = lim
f(x)f(1)
x1
= lim 3x 2 = 1
x 1 x 1
x ,= 1
126
Pour calculer les derivees successives on calcule plus generalement f

(x
0
) = 6x
0
5 puis
f

(x
0
) = 6 puis f
(n)
(x
0
) = 0 pour n 3.
Interpretation : Si lon trace la courbe y = f(x) la derivee f

(x
0
) sinterpr`ete comme
la pente de la droite tangente au point de coordonnees (x
0
, f(x
0
)) `a la courbe.
Lequation de la tangente est :
y f(x
0
) = f

(x
0
)(x x
0
)
On peut aussi ecrire la denition de la derivee sous la forme dun developpement limite
`a lordre 1 (voir le chapitre 19) :
f(x
0
+h) = f(x
0
) +f

(x
0
)h +(h)h
avec lim
h0
(h) = 0.
Sous cette forme il est clair quune fonction derivable en x
0
est continue en x
0
puisqualors lim
h0
f(x
0
+h) = f(x
0
). Une autre facon de dire que f est derivable en x
0
est de dire que la fonction g(x) :=
f(x)f(x
0
)
xx
0
peut etre prolongee par continuite en x
0
en
lui donnant la valeur g(x
0
) = f

(x
0
).
Variantes :
1) Il est parfois utile de denir la notion de derivee `a droite notee f

d
(x
0
) (resp. `a
gauche notee f

g
(x
0
)) dune fonction en un point x
0
:
f

d
(x
0
) = lim
f(x)f(x
0
)
xx
0
et
x x
0
x > x
0
f

g
(x
0
) = lim
f(x)f(x
0
)
xx
0
x x
0
x < x
0
Par exemple si f(x) = [x[ alors f

d
(0) = 1 et f

g
(0) = 1. Une fonction est derivable
en x
0
si et seulement si elle est derivable `a droite et `a gauche et ces deux derivees sont
egales.
2) Dans le cas o` u la limite de
f(x)f(x
0
)
xx
0
vaut , on ne consid`ere pas la fonction
derivable mais on peut parler de tangente verticale : cest le cas par exemple de la fonction
f(x) :=
3

x au point x
0
= 0 :
3) Parfois une autre notation pour le calcul des derivees est utile ; on aurait pu denir
la derivee en x
0
de f comme
f

(x
0
) = lim
f(x
0
+h)f(x
0
)
h
h 0
h ,= 0
127
Revisons rapidement les r`egles principales de calcul des derivees :
TH

EOR
`
EME: Supposons f et g derivables, alors f + g et fg sont derivables, f/g et
g f sont derivables l`a o` u elles sont denies ; si f est une bijection et f

(x) ,= 0 alors f
1
est derivable en x. De plus on a les r`egles de calcul suivantes
(i) (derivee dune somme) (f +g)

= f

+g

(ii) (derivee dun produit) (fg)

= f

g +fg

(iii) (derivee dun quotient)


_
f
g
_

=
f

gfg

g
2
(iv) (derivee dune fonction composee) (g f)

= f

.g

f
(v) (derivee dune fonction reciproque) Si f admet une bijection reciproque, si y
0
=
f(x
0
) (et donc x
0
= f
1
(y
0
)) et si f

(x
0
) ,= 0 alors
_
f
1
_

(y
0
) =
1
f

(x
0
)
.
Demonstration: Laissons au lecteur le soin de reviser les trois premi`eres formules et
demontrons les deux derni`eres qui sont plus delicates.
(iv) Posons f(x
0
) = y
0
et g(y
0
) = z
0
, dapr`es les hypoth`eses f(x) y
0
= (x
x
0
)(f

(x
0
) +
1
(x x
0
)) et g(y) z
0
= (y y
0
)(g

(y
0
) +
2
(y y
0
)) avec lim
h0

1
(h) =
lim
h0

2
(h) = 0. En remplacant y par f(x), on en tire
g f(x) z
0
=(f(x) y
0
)(g

(y
0
) +
2
(f(x) y
0
)
=(x x
0
)(f

(x
0
) +
1
(x x
0
))(g

(y
0
) +
2
((x x
0
)(f

(x
0
) +
1
(x x
0
)))
=(x x
0
)f

(x
0
)g

(y
0
) + (x x
0
)(x x
0
)
Il reste `a verier que lim
h0
(h) = 0 et on aura donc bien montre que g f est derivable
et que (g f)(x
0
) = f

(x
0
)g

(y
0
). Or quand x tend vers x
0
, la quantite f

(x
0
) +
1
(xx
0
)
tend vers f

(x
0
) et donc (x x
0
)(f

(x
0
) +
1
(x x
0
)) tend vers 0 et donc
2
de cette
derni`ere quantite tend bien vers 0.
(v) Par hypoth`ese f(x) y
0
= (x x
0
)(f

(x
0
) + (x x
0
)) avec lim
h0
(h) = 0 ;
comme f

(x
0
) ,= 0 on sait que si [x x
0
[ est tr`es petit alors [(x x
0
)[ < [f

(x
0
)[ et
f

(x
0
) +(x x
0
) ,= 0 et on peut alors ecrire :
x x
0
f(x) f(x
0
)
=
1
f

(x
0
) +(x x
0
)
Changeons de notation et appelons g(y) = f
1
(y) = x ; legalite precedente peut se
reecrire :
g(y) g(y
0
)
y y
0
=
1
f

(x
0
) +(g(y) g(y
0
))
or lim
yy
0
(g(y) g(y
0
)) = 0 puisque g est continue et lim
h0
(h) = 0 donc on obtient
bien que g = f
1
est derivable et que g

(y
0
) =
1
f

(x
0
)
.
Ces r`egles, jointes `a la connaissance de quelques derivees permettent de calculer toutes
les derivees usuelles (voir le chapitre 16 pour des revisions et complements concernant
les fonctions usuelles).
TH

EOR
`
EME: (calcul de derivee de fonctions usuelles) Les formules suivantes sont
valables
128
(x
n
)

= nx
n1
pour n Net plus generalement (si x R

+
et a R) on (x
a
)

= ax
a1
(log[x[)

=
1
x
(e
x
)

= e
x
(sin(x))

= cos(x) et (cos(x))

= sin(x)
Demonstration: La premi`ere formule sobtient, en faisant une recurrence sur n et
en utilisant la derivee dun produit : si (x
n
)

= nx
n1
alors (x
n+1
)

= (xx
n
)

= x
n
+
xnx
n1
= (n + 1)x
n
. Par denition on a x
a
:= e
a log(x)
, en appliquant les deuxi`eme et
troisi`eme formules et la r`egle de derivation de fonctions composees on obtient : (x
a
)

=
(a log(x))

e
a log(x)
= ax
a1
.
Nous reviserons dans le chapitre 16 (sur les fonctions usuelles) le fait que, par
construction, x R

+
, (log x)

=
1
x
. Si maintenant x R

alors log [x[ = log(x) et en


utilisant la r`egle de calcul des derivees de fonctions composees on obtient bien (log[x[)

_
1
x
_
=
1
x
.
Comme lexponentielle est la fonction reciproque du logarithme, la r`egle (v) du theo-
r`eme precedent permet de calculer en posant y
0
= log x
0
, f(x) = log x et g(y) = e
y
:
g

(y
0
) =
1
f

(x
0
)
= x
0
= e
y
0
Pour calculer la derivee de la fonction sinus admettons provisoirement la formule suivante,
qui sera demontree par un argument geometrique au chapitre 16 :
lim
sin(h)
h
= 1
h 0
h ,= 0
De la relation cos
2
(h) 1 = sin
2
(h) on tire
cos(h) 1
h
=
cos
2
(h) 1
h
1
cos(h) + 1
=
_
sin(h)
h
_
2
h
cos(h) + 1
et donc
cos(h)1
h
tend vers 0 quand h tend vers 0. On peut utiliser cela pour exprimer
ainsi :
sin(x +h) sin(x)
h
=
sin(x) cos(h) + cos(x) sin(h) sin(x)
h
= cos(x)
_
sin(h)
h
_
+ sin x
_
cos(h) 1
h
_
,
do` u lon tire
(sin(x))

= lim
h0
sin(x +h) sin(x)
h
= cos(x).
Le calcul pour la fonction cosinus est similaire et laisse au lecteur.
Exemples de calculs :
129
Soit f(x) =
_
e
cos(x)
+ 1
_
3
et posons comme au deuxi`eme chapitre k(x) := cos(x),
h(x) := e
x
et g(x) := (x + 1)
3
de sorte que f = g h k. En appliquant deux fois la
r`egle de derivation de fonctions composees on obtient : f

(x) = (h k)

(x)g

(h k(x)) =
k

(x)h

(k(x))g

(h k(x)) ; par ailleurs k

(x) = sin(x), h

(x) = e
x
et g

(x) = 3(x + 1)
2
do` u f

(x) = 3 sin(x)e
cos(x)
_
e
cos(x)
+ 1
_
2
.
Prenons maintenant f(x) = (cos(2

x + 1) + e
3x
)/(tg(x
2
) + 4x + 1)
3
. Pour calculer
la derivee de f on la decompose : f = uv
3
avec u := cos(2

x + 1) + e
3x
et v :=
tg(x
2
) + 4x + 1 ; la r`egle de derivation dun quotient jointe `a celle dune puissance donne
f

= (u

v 3uv

)v
4
. Pour calculer u

posons g(x) := 2

x + 1 alors g

(x) =
1

x
et
(cos(g(x))

= g

(x) sin(g(x)) =
1

x
sin (2

x + 1) et enn u

=
1

x
sin (2

x + 1) +
3e
3x
. Dautre part (tg(x))

= (sin(x)/ cos(x))

= 1/ cos
2
(x) donc (tg(x
2
))

= 2x/ cos
2
(x)
et v

= 4 + 2x/ cos
2
(x).
APPLICATION: on peut deduire du theor`eme les r`egles suivantes :
(i) (derivee dune puissance) (u
n
)

= nu

u
n1
(ii) (derivee logarithmique dun produit) si v = u
m
1
1
. . . u
m
r
r
alors
v

v
= m
1
u

1
u
1
+. . . +
m
r
u

r
u
r
(iii) la derivee dune fonction de periode T (i.e. telle que f(x +T) = f(x)) est encore
periodique de periode T.
(iv) la derivee dune fonction paire (resp. impaire) est impaire (resp. paire).
Demonstration: (i) on applique la formule de derivee dune fonction composee `a f u
o` u f(x) = x
n
.
(ii) Faisons le calcul lorsque v = u
1
u
2
et laissons au lecteur le soin decrire une
demonstration par recurrence pour le cas general.
v

v
=
u

1
u
2
+u
1
u

2
u
1
u
2
=
u

1
u
1
+
u

2
u
2
.
(iii) Posons g(x) = x+T alors f = f g et donc f

(x) = (f g)

(x) = f

(g(x))g

(x) =
f

(x +T).
(iv) Supposons f(x) = f(x) (avec = 1) et posons i(x) = x alors (f i)

(x) =
f

(x) = f

(i(x))i

(x) = f(x) do` u lenonce.


Le calcul de la derivee n-i`eme dune fonction ne pose pas plus de probl`eme theorique
mais peut etre dicile `a mener dans la pratique. En fait il est souvent interessant seulement
de savoir quune fonction poss`ede une derivee dun certain ordre.
Denition: Un fonction f :]a, b[ R est n fois contin ument derivable ou de classe
(
n
si elle poss`ede des derivees continues jusqu`a lordre n. Un fonction f :]a, b[ R est
indeniment derivable ou de classe (

si elle poss`ede des derivees `a tout ordre.


Exemples : Les fonctions polynomes, exponentielles, logarithmes etc sont (

de meme
que les fonctions compliquees dont on a calcule la premi`ere derivee (pour la preuve, il
sut de formuler convenablement une recurrence). La fonction [x[ est seulement de classe
(
0
, cest-`a-dire continue. La fonction denie par :
f(0) := 0 et f(x) = x
2
sin
_
1
x
_
si x ,= 0
130
est continue et derivable ; en eet f

(0) = lim
x0
xsin
_
1
x
_
= 0 et si x ,= 0 on a f

(x) =
2xsin
_
1
x
_
cos
_
1
x
_
. Toutefois f

(x) nest pas continue en 0 puisque cos


_
1
x
_
na pas de
limite quand x tend vers 0. Cette fonction nest donc pas de classe (
1
sur R.
Voici une formule bien utile donnant la derivee n-i`eme dun produit :
TH

EOR
`
EME: (formule de Leibniz) Soient f et g deux fonctions n fois derivables, alors
le produit fg est n fois derivable et la derivee n-i`eme est donnee par la formule :
(fg)
(n)
=
n

i=0
C
i
n
f
(i)
g
(ni)
Demonstration: La preuve se fait bien s ur par recurrence sur lentier n. Pour n = 0
la formule dit que fg = fg, pour n = 1 la formule dit que (fg)

= fg

+ f

g, ce que lon
sait dej`a. Supposons donc la formule vrai pour n 1 et deduisons-en la formule pour n.
Donc on suppose
(fg)
(n1)
=
n1

i=0
C
i
n1
f
(i)
g
(n1i)
on en deduit que (fg)
(n)
=
_
(fg)
(n1)
_

vaut
n1

i=0
C
i
n1
_
f
(i+1)
g
(n1i)
+f
(i)
g
(ni)
_
= fg
(n)
+
n1

j=1
f
(j)
g
(nj)
_
C
j
n1
+C
j1
n1
_
+f
(n)
g
or dapr`es la r`egle du triangle de Pascal C
j
n1
+ C
j1
n1
= C
j
n
ce qui donne la formule de
Leibniz pour n.
14.2 TH

EOR
`
EME DES ACCROISSEMENTS FINIS, FORMULE DE TAYLOR
Commencons par une propriete simple des points o` u une fonction atteint un maximum
(ou un minimum) :
TH

EOR
`
EME: Soit f :]a, b[ R une fonction qui atteint un maximum (ou minimum)
en x
0
; si f est derivable en x
0
, alors f

(x
0
) = 0.
Demonstration: Supposons que f atteigne un maximum en c (le raisonnement est
analogue si cest un minimum) ; si x > c alors
f(x)f(c)
xc
0 et donc
f

(c) = lim
f(x)f(c)
xc
0
x c
x > c
131
de meme si x < c alors
f(x)f(c)
xc
0 et donc
f

(c) = lim
f(x)f(c)
xc
0
x c
x < c
et on peut conclure que f

(c) = 0.
Le lemme qui suit est geometriquement assez intuitif :
LEMME: (Lemme de Rolle) Soit f : [a, b] R une fonction continue sur [a, b] et
derivable sur ]a, b[ telle que f(a) = f(b) = 0, alors il existe c ]a, b[ tel que f

(c) = 0.
Demonstration: Si f est constamment nulle, la conclusion est evidente, sinon on a
linegalite sup
x[a,b]
[f(x)[ > 0 et de plus dapr`es un theor`eme du chapitre precedent cette
borne superieure est atteinte en un point c (necessairement distinct de a et b). Il existe
donc c ]a, b[ tel que ou bien x [a, b], f(x) f(c) ou bien x [a, b], f(x) f(c).
Dapr`es le theor`eme precedent on doit avoir f

(c) = 0.
Nous pouvons maintenant demontrer le theor`eme des accroissements nis
TH

EOR
`
EME: (theor`eme des accroissements nis) Soit f : [a, b] R une fonction
continue sur [a, b] et derivable sur ]a, b[ alors :
(1`ere forme) Il existe c ]a, b[ tel que f(b) f(a) = f

(c)(b a).
(2`eme forme) Supposons de plus la fonction derivee bornee sur ]a, b[ et posons M :=
sup
x]a,b[
[f

(x)[ alors [f(b) f(a)[ M[b a[.


Demonstration: Lidee est de modier la fonction f par une fonction lineaire de
sorte que lon puisse lui appliquer le lemme de Rolle. Considerons la fonction g(x) :=
(b a)f(x) + (f(a) f(b))x + af(b) bf(a) alors g est bien continue et derivable avec
g

(x) = (ba)f

(x)+f(a)f(b). Par ailleurs par construction g(b) = (ba)f(b)+(f(a)


f(b))b +af(b) bf(a) = 0 et g(a) = (b a)f(a) +(f(a) f(b))a +af(b) bf(a) = 0 donc
il existe c ]a, b[ tel que g

(c) = (b a)f

(c) + f(a) f(b) = 0 ce qui donne la premi`ere


partie de lenonce. La deuxi`eme est claire en notant que [f

(c)[ M.
Commentaire. Bien que la deuxi`eme forme du theor`eme soit moins precise, cest la plus
utile : cest celle qui se generalise aux fonctions de plusieurs variables. Cest cet enonce qui
132
permet de calculer sur ordinateur une valeur approchee du minimum (ou maximum) dune
fonction sur un intervalle, `a condition que la fonction derivable et quon sache controler sa
derivee.
COROLLAIRE: Soit f : [a, b] R une fonction continue sur [a, b] et derivable sur
]a, b[ ;
La fonction f est constante si et seulement si f

= 0
La fonction f est croissante (resp. decroissante) si et seulement si f

0 (resp. f

0)
De plus si f

> 0 (resp. f

< 0) alors f est strictement croissante (resp. strictement


decroissante).
Demonstration: Il est clair que si f est constante alors f

= 0 ; reciproquement
supposons f

= 0 alors pour tout x ]a, b], le theor`eme des accroissements nis donne
lexistence dun c ]a, x[ tel que f(x) f(a) = (x a)f

(c) = 0 donc f(x) = f(a) est bien


constante.
Si f est croissante alors le rapport
f(x)f(x
0
)
xx
0
est toujours positif, donc la limite quand
x tend vers x
0
(si elle existe) est positive. Reciproquement supposons que pour c ]a, b[
on ait f

(c) 0 ; si a x < y b alors le theor`eme des accroissements nis applique


`a lintervalle [x, y] donne f(y) f(x) = (y x)f

(c) 0 (et si f

(c) > 0 on a meme


f(y)f(x) > 0) do` u le resultat. Le raisonnement est bien s ur identique pour les fonctions
decroissantes.
On a vu (Cf Chapitre 6) que si f(x) est une fonction polynome de degre n alors :
f(b) = f(a) +f

(a)(b a) +
f

(a)
2!
(b a)
2
+. . . +
f
(n)
(a)
n!
(b a)
n
Bien s ur une telle formule ne peut etre exacte si f nest pas un polynome mais il est
raisonnable de penser quelle donne une bonne approximation de la fonction f au voisinage
du point a ; cest le contenu de lenonce suivant :
TH

EOR
`
EME: (Formule de Taylor-Lagrange) Soit f : [a, b] R une fonction continue
sur [a, b] et n + 1 fois derivable sur ]a, b[ alors il existe c ]a, b[ tel que
f(b) = f(a) +f

(a)(b a) +
f

(a)
2!
(b a)
2
+. . . +
f
(n)
(a)
n!
(b a)
n
+
f
(n+1)
(c)
(n + 1)!
(b a)
n+1
Si lon suppose de plus que [f
(n+1)
[ est bornee par disons M alors on en deduit
[f(b) f(a) f

(a)(b a)
f

(a)
2!
(b a)
2
. . .
f
(n)
(a)
n!
(b a)
n
[
M
(n + 1)!
[b a[
n+1
Demonstration: Considerons la fonction g(x) := f(x)f(b)+

n
i=1
(bx)
i
i!
f
(i)
(x) alors
un calcul simple montre que g

(x) = f
(n+1)
(x)
(bx)
n
n!
. Choisissons maintenant tel que
la fonction h(x) := g(x) +
(bx)
n+1
(n+1)!
sannule en x = a. Comme on a h(a) = h(b) = 0, le
133
lemme de Rolle garantit lexistence de c ]a, b[ tel que 0 = h

(c) =
(bc)
n
n!
_
f
(n+1)
(c)
_
=
0. En reportant = f
(n+1)
(c) dans lequation h(a) = 0 on obtient la formule de Taylor.
La deuxi`eme armation est claire `a partir de la formule.
Par exemple cette formule appliquee `a b = 1, a = 0 et f(x) := e
x
donne :
e = e
1
= 1 +
1
1!
+
1
2!
+. . . +
1
n!
+
e
c
(n + 1)!
et donc en particulier lim
n
_
1 +
1
1!
+
1
2!
+. . . +
1
n!
_
= e.
14.3 EXTREMA DUNE FONCTION
Calculer le tableau de variation dune fonction et ses minima et maxima est une des
utilisations les plus frequentes du calcul dierentiel ; on en donne ici quelques exemples.
Nous avons vu quune condition necessaire pour quune fonction derivable ait un
maximum sur un intervalle ouvert est que sa derivee sannule en un point. Ce nest
clairement pas susant comme le montre lexemple de f(x) = x
3
dont la derivee sannule
en zero mais qui est croissante. La formule de Taylor permet detablir des conditions
susantes lorsque la fonction est susamment de fois derivable.
TH

EOR
`
EME: Soit une fonction f :]a, b[ R qui est n + 1 fois contin ument derivable
et soit x
0
]a, b[ ; supposons que f

(x
0
) = . . . = f
(n1)
(x
0
) = 0 et f
(n)
(x
0
) ,= 0 alors
(i) Si n est impair, f ne poss`ede ni maximum ni minimum en c.
(ii) si n est pair alors il existe un intervalle ]x
0
, x
0
+ []a, b[ sur lequel f admet
f(x
0
) comme maximum si f
(n)
(x
0
) < 0 (resp. minimum si f
(n)
(x
0
) > 0).
Demonstration: Cest une application directe de la formule de Taylor : dapr`es les
hypoth`eses on peut ecrire f(x) f(x
0
) = (x x
0
)
n
_
f
(n)
(x
0
) + (x x
0
)f
(n+1)
(c)
_
(o` u c
depend de x). Comme f
(n+1)
(x) est continue, elle est bornee sur un intervalle autour de
x
0
et donc si [x x
0
[ est assez petit f
(n)
(x
0
) + (x x
0
)f
(n+1)
(c) est du meme signe que
f
(n)
(x
0
) et bien s ur (x x
0
)
n
est positif si n est pair et du signe de (x x
0
) si n est
impair ; ainsi le signe de f(x) f(x
0
), quand x est dans un petit intervalle autour de x
0
,
est comme annonce dans le theor`eme.
Remarquons que la conclusion du theor`eme nest pas que le maximum (ou minimum)
sur tout lintervalle ]a, b[ de la fonction f est atteint mais seulement que f atteint en x
0
son maximum (ou minimum) sur un (petit) intervalle autour de x
0
. On dit que f admet
un maximum (ou minimum) local.
On peut illustrer ce theor`eme par le diagramme suivant :
CAS n impair :
f
(n)
(x
0
) > 0 f
(n)
(x
0
) > 0
134
CAS n pair et f
(n)
(x
0
) < 0 :
CAS n pair et f
(n)
(x
0
) > 0
COROLLAIRE: Soit f une fonction continue de [a, b] vers R, derivable sur ]a, b[, alors
f atteint son maximum (resp. son minimum) soit en a ou b, soit en un point c ]a, b[ o` u
f

(c) = 0
Demonstration: On sait que f atteint ses extrema, si ce nest pas en a ou b, dapr`es
un theor`eme du paragraphe precedent, cela doit etre en un point o` u f

sannule.
Terminons par letude de la position dune courbe y = f(x) par rapport `a sa tangente.
Denition: Une courbe y = f(x) poss`ede un point dinexion en x
0
si la courbe est
situe de part et dautre de sa tangente au voisinage de x
0
.
Exemple (en x
0
= 0) :
Point dinexion f(x) = x
3
+x Pas dinexion f(x) = x
4
+x
Avec les memes methodes ou en appliquant le theor`eme precedent `a g(x) := f(x)
f(x
0
) f

(x
0
)(x x
0
) on demontre facilement la caracterisation suivante :
APPLICATION: (i) Supposons que f soit deux fois derivable, alors si f a un point
dinexion en x
0
, on a f

(x
0
) = 0.
(ii) Supposons que f soit n fois derivable, f

(x
0
) = . . . = f
(n1)
(x
0
) = 0 et f
(n)
(x
0
) ,=
0 alors x
0
est un point dinexion si et seulement si n est impair.
Leibniz Wilhelm Gotfried (16461716)
135
CHAPITRE 15 INT

EGRATION
Lobjet de ce chapitre est le calcul des aires. Plus precisement on voit assez facilement
que, en decoupant les aires, on se ram`ene `a savoir calculer les aires delimitees par deux
axes verticaux, un axe horizontal et le graphe dune fonction :
Il existe deux cas o` u le resultat est tr`es simple `a trouver : celui o` u la fonction est
constante (un rectangle), celui o` u la fonction est lineaire (un trap`eze) :
f(x) = c f(x) = ux +v
A = (b a)c A = (b a)
_
(ua+v)+(ub+v)
2
_
=
1
2
ub
2
+bv
1
2
ua
2
av
On peut d`es `a present observer que laire, vue comme fonction de b est une fonction
derivable dont la derivee dans le premier cas est A

= c = f(b) et dans le second cas


A

= ub + v = f(b). Ce phenom`ene est general et constitue le theor`eme fondamental du


calcul integral, decouvert par Newton. Avant de demontrer ce theor`eme il faut construire
la theorie de lintegration du calcul daires disons pour les fonctions continues. Lidee
est assez simple : on approche toute fonction par des fonctions en escalier, cest-`a-dire
quon approche une surface par une somme de rectangle ; on prend un decoupage de plus en
plus n et le resultat `a la limite est laire cherchee. Ce programme comporte des dicultes
techniques mais est essentiellement correct. En particulier Archim`ede est le premier `a
lavoir utilise et ses calculs daires delimitees par des arcs de cercles, des arcs de paraboles
doivent etre vus comme les premiers elements du calcul integral.
15.1 INT

EGRATION DES FONCTIONS CONTINUES.


Commen cons par denir precisement les fonctions en escalier :
Denition: Une fonction f : [a, b] R est une fonction en escalier si il existe une
subdivision de lintervalle [a, b] par a = a
0
< a
1
< a
2
< . . . < a
n
= b telle que f soit
constante sur chaque intervalle ]a
i
, a
i+1
[.
Exemple : la fonction E(x) partie enti`ere est une fonction en escalier sur tout
intervalle de R.
Remarque : Lavantage des fonctions en escalier est quil est facile de calculer laire
quelles delimitent. En eet si f(x) = c
i
pour x ]a
i
, a
i+1
[ alors laire est donnee par le
nombre
S(f) :=
n1

i=0
c
i
(a
i+1
a
i
)
136
`a condition de compter positivement laire situee au dessus de laxe des x et negativement
celle qui est situee au dessous.
Comme nous voulons approcher les fonctions continues par des fonctions en escalier, il
est commode dintroduire une classe de fonctions qui contient les deux types de fonctions :
Denition: Une fonction f : [a, b] R est une fonction continue par morceaux si il
existe une subdivision de lintervalle [a, b] par a = a
0
< a
1
< a
2
< . . . < a
n
= b telle que
f soit continue chaque intervalle ]a
i
, a
i+1
[ et admette une limite `a droite et `a gauche en
chaque a
i
.
Exemple : une fonction continue ou une fonction en escalier est continue par morceaux.
Une fonction continue par morceaux a lallure suivante :
Nous allons maintenant denir lintegrale dune fonction continue par morceaux, cest-
`a-dire laire quelle delimite (en comptant positivement laire situee au dessus de laxe des
x et negativement celle qui est situee au dessous).
Soit donc f une fonction continue par morceaux sur [a, b].
Comme nous allons considerer des subdivisions de plus en plus nes de lintervalle
[a, b], il faut introduire une notion pour mesurer cela :
Denition: Soit a = a
0
< a
1
< a
2
< . . . < a
n
= b une subdivision de lintervalle
[a, b], le pas de la subdivision est la quantite max(a
i+1
a
i
). On notera S

lensemble des
subdivisions de pas inferieur `a .
Soit une subdivision a = a
0
< a
1
< a
2
< . . . < a
n
= b de lintervalle [a, b], on notera
I(f, ) la somme (souvent appelee somme de Riemann) :
I(f, ) :=
n1

i=0
f(a
i
)(a
i+1
a
i
)
Il est clair intuitivement que cette somme approche la valeur de laire delimite par le
137
graphe de la fonction f et quelle lapproche dautant mieux que le pas de la subdivision
est petit.
Il est donc raisonnable de denir :
Denition: Une fonction f : [a, b] R est integrable si la limite de I(f, ) quand le
pas de la subdivision tend vers 0 existe ; la valeur de cette limite sappelle lintegrale de
f entre a et b et se note
_
b
a
f(t)dt.
Une justication de cette notation (due `a Leibniz) est quelle sav`ere commode pour
eectuer de facon mecanique des calculs (integration par parties, changement de variables,
etc, voir chapitre 17) ; une justication plus heuristique est que dt represente un accroisse-
ment innitesimal de la variable et que
_
b
a
f(t)dt est la limite de

n
i=1
f(a+
i
n
(ba))(1/n).
TH

EOR
`
EME: (i) Une fonction continue par morceaux est integrable.
(ii) Si f est une fonction en escalier et f(]a
i
, a
i+1
[) = c
i
alors
_
b
a
f(t)dt =
n1

i=0
c
i
(a
i+1
a
i
)
.
Demonstration: Il ny a pas de diculte `a prouver la seconde partie (sauf peut-
etre la diculte des notations . . . ). Nous ne donnerons helas pas la preuve compl`ete de
lintegrabilite dune fonction continue par morceaux. Indiquons neanmoins quelques unes
des etapes de la demonstration. Le point clef est de montrer que si f est continue par
morceaux sur [a, b], alors on peut lencadrer par deux suites monotones de fonctions en
escalier lapprochant de mieux en mieux. Plus precisement on peut montrer :
LEMME: Soit f une fonction continue par morceaux sur [a, b]. Alors il existe deux
suites de fonctions en escalier g
n
et h
n
telles que sur [a, b] telles que, pour tout n 1 et
t [a, b] on ait
(i) g
n
(t) g
n+1
(t) f(t) h
n+1
(t) h
n
(t)
(i) 0 h
n
(t) g
n
(t) 1/n.
Demonstration: (en partie admis) En decoupant [a, b] en un nombre ni dintervalles
et en prolongeant par continuite f sur chaque intervalle ouvert o` u elle est continue on se
ram`ene au cas o` u f est continue sur [a, b]. On utilise alors le fait (admis ici) quelle est
uniformement continue, cest `a dire quil existe = (n) tel que [x x

[ entrane
[f(x) f(x

)[ 1/2n. On choisit une subdivision de pas (n) et on denit h


n
comme
le maximum (resp. g
n
comme le minimum) de f sur chaque intervalle de la subdivision.
Les suites aisni construites ont toutes les proprietes voulues sauf peut-etre la monotonie.
Il sut alors de remplacer h
n
et g
n
par h

n
= min
1mn
h
m
et g

n
= max
1mn
g
m
.
Si lon choisit g
n
et h
n
comme dans le lemme, alors les suites v
n
=
_
b
a
h
n
(t)dt et
u
n
=
_
b
a
g
n
(t) sont adjacentes et leur limite denit
_
b
a
f(t)dt.
138
Observons aussi quil decoule de ces constructions que si par exemple f est continue
par morceaux alors
lim
n1

i=0
f
_
a +
i
n
(b a)
_
(b a)
n
=
_
b
a
f(t)dt
Par exemple si f(t) = t
2
et [a, b] = [0, 1] on en tire que
_
1
0
t
2
dt = lim
n
n1

i=0
_
i
n
_
2
1
n
= lim
n(n + 1)(2n + 1)
6n
3
=
1
3
Ce que lon veriera par la suite bien s ur par une autre methode.
15.2 PROPRI

ET

ES DE LINT

EGRALE
Rassemblons en un theor`eme les principales proprietes de lintegrale :
TH

EOR
`
EME: Soient f, g des fonctions continues par morceaux, lintegrale verie les
proprietes suivantes :
i) (Linearite)
_
b
a
(f(t) +g(t))dt =
_
b
a
f(t)dt +
_
b
a
g(t)dt,
ii) (Positivite)
f g
_
b
a
f(t)dt
_
b
a
g(t)dt
de plus si les fonctions sont continues et on a f(t
0
) > g(t
0
) en un point t
0
appartenant `a
lintevalle [a, b], alors
_
b
a
f(t)dt >
_
b
a
g(t)dt,
iii)

_
b
a
f(t)dt

_
b
a
[f(t)[dt
iv) (formule de Chasles) Si a < c < b alors
_
b
a
f(t)dt =
_
c
a
f(t)dt +
_
b
c
f(t)dt
Demonstration: Le principe est detablir ces formules pour les fonctions en escalier
et den deduire la formule dans le cas general par passage `a la limite. (i) La linearite de
lintegrale
_
b
a
f(t)dt =

n1
i=0
c
i
(a
i+1
a
i
) est claire pour les fonctions en escaliers. En eet
la somme ne depend pas de la subdivision choisie (cest clair sur le dessin, pouvez-vous en
ecrire la preuve formelle?) et en choisissant une subdivision adaptee aux deux fonctions
en escalier f et g la linearite provient de la distributivite de la multiplication par rapport
`a laddition. Soit donc f
n
et g
n
des fonctions en escalier telles que [f
n
f[ 1/n et
139
[g
n
g[ 1/n, alors [(f
n
g
n
) (f + g)[ ([[ + [[)/n et donc, en passant `a la
limite
_
b
a
(f +g)(t)dt =lim
_
b
a
(f
n
+g
n
)(t)dt
=lim
_

_
b
a
f
n
(t)dt +
_
b
a
g
n
(t)dt
_
=
_
b
a
f(t)dt +
_
b
a
g(t)dt
(ii) Vu la linearite, il sut de verier que si f est positive alors
_
b
a
f(t)dt 0. Mais
il existe une suite de fonction en escalier f
n
f telle que lim
_
b
a
f
n
(t)dt =
_
b
a
f(t)dt ; or
bien s ur
_
b
a
f
n
(t)dt est somme de termes positifs donc est positif. La deuxi`eme armation
provient de ce que, si f est continue et, disons, f(c) ,= 0 avec c [a, b] alors il existe
un intervalle [d, e] [a, b] (avec d < e) sur lequel f(x) f(c)/2 et donc
_
b
a
f(t)dt
(e d)c/2 > 0.
(iii) Si f est une fonction en escalier egale `a c
i
sur ]a
i
, a
i+1
[ alors

_
b
a
f(t)dt

n1

i=0
c
i
(a
i+1
a
i
)

n1

i=0
[c
i
[(a
i+1
a
i
) =
_
b
a
[f(t)[dt
Linegalite pour une fonction integrable sen deduit par passage `a la limite.
(iv) De nouveau il sut de demontrer la formule pour une fonction en escalier, ce qui
est immediat.
Remarques : 1) `a condition de denir, lorsque b < a, lintegrale par
_
b
a
f(t)dt :=

_
a
b
f(t)dt la formule (iv) est valable quelque soit a, b, c.
2) Si m f(t) M sur lintervalle [a, b], on deduit aisement de (ii) et du calcul
_
b
a
dt = (b a) linegalite
m(b a)
_
b
a
f(t)dt M(b a).
15.3 TH

EOR
`
EME FONDAMENTAL DE LINT

EGRATION
Denition: Une primitive dune fonction f est une fonction F derivable telle que F

= f
Remarque : Sur un intervalle I une primitive (si elle existe) est unique `a une constante
pr`es. En eet si F
1
et F
2
sont deux primitives, on voit que F
1
F
2
a une derivee nulle
donc est constante.
Il est dicile de surestimer limportance du theor`eme suivant :
140
TH

EOR
`
EME: (theor`eme fondamental de lintegration) Soit f une fonction continue
sur lintervalle [a, b] alors une primitive F est donnee par la fonction x
_
x
a
f(t)dt et si
F est une primitive de f on a la formule :
_
b
a
f(t)dt = F(b) F(a).
Demonstration: Il sut de verier que la fonction G(x) :=
_
x
a
f(t)dt est derivable et
verie G

(x) = f(x) car alors on aura bien prouve lexistence dune primitive et comme
G(a) = 0 on a bien
_
b
a
f(t)dt = G(b) G(a) et si F est une autre primitive de f on a
F(x) = G(x) +C donc F(b) F(a) = G(b) G(a). Soit > 0 et soit a x < x +h b,
les proprietes de lintegrale permettent decrire :
G(x +h) G(x)
h
f(x) =
1
h
_
_
x+h
a
f(t)dt
_
x
a
f(t)dt
_
f(x) =
1
h
_
x+h
x
(f(t)f(x))dt
mais f est continue en x donc il existe tel que si x t x+h x+ alors [f(x)f(t)[
donc on obtient (si [h[ ) :

G(x +h) G(x)


h
f(x)


_
1
h
_
x+h
x
dt
_
=
Ce qui exprime bien que G est derivable et que G

(x) = f(x)
Limportance de ce theor`eme vient du fait quil permet de calculer la plupart des aires
(ou integrales) de mani`ere assez simple. Nous etudierons plus systematiquement le calcul
des primitives au chapitre 17 et donnons lexemple tr`es simple suivant :
_
b
a
t
m
dt =
b
m+1
m+ 1

a
m+1
m+ 1
En particulier
_
1
0
t
2
dt = 1/3 comme nous lavons dej`a verie.
15.4 CALCULS APPROCH

ES DINT

EGRALES
Nous developperons au chapitre 17 des techniques de calcul de primitives et donc
dintegrales mais ces techniques ne sappliquent pas `a toutes les fonctions et il est souhaita-
ble de pouvoir evaluer ces integrales. Par exemple la fonction logarithme est denie comme
log(x) :=
_
x
1
dt/t donc si lon veut etablir une table de logarithmes, il faut savoir calculer
de mani`ere approchee une integrale. De nos jours, bien s ur, ces calculs sont programmes
sur ordinateurs mais, demandez `a vos parents (ou grands-parents) de vous montrer une
vieille table de logarithmes Bouvard et Ratinet (dont le nom semble avoir inspire Flaubert
pour son oeuvre inachevee Bouvard et Pecuchet).
141
Commen cons par le cas leg`erement plus facile des fonctions monotones. Si f(x) est
croissante et a < b on observe que f(a)(b a)
_
b
a
f(t)dt f(b)(b a) donc plus
generalement si a = a
0
< . . . < a
n
= b est une subdivision de lintervalle [a, b] on obtient :
n1

i=0
f(a
i
)(a
i+1
a
i
)
n1

i=0
_
a
i+1
a
i
f(t)dt =
_
b
a
f(t)dt
n1

i=0
f(a
i+1
)(a
i+1
a
i
)
En particulier si lon choisit a
i
:= a+(i/n)(ba) et si lon pose S
n
(f) :=
_
ba
n
_
n1
i=0
f(a
i
)
on en tire S
n
(f)
_
b
a
f(t)dt S
n
(f) +
(ba)
n
(f(b) f(a)) do` u un calcul approche de
lintegrale. Ce type de calcul est illustre par la gure suivante :
On peut aussi utiliser le meme calcul pour estimer des sommes. Par exemple en
prenant la fonction decroissante f(x) = 1/x
a
(avec a > 0) on obtient
N

n=2
1/n
a

_
N
1
dt/t
a

N1

n=1
1/n
a
En utilisant le theor`eme fondamental de lintegration et, pour a = 1, la denition du
logarithme, on sait que
_
N
1
dt/t
a
=
_
1
1a
_
_
1
N
a1
1
_
si a ,= 1 et
_
N
1
dt/t
a
= log N si
a = 1. Ainsi, si a ,= 1 on a :
_
1
1 a
__
1
N
a1
1
_

n=1
1
n
a
1 +
_
1
1 a
__
1
N
a1
1
_
et si a = 1 on obtient :
log N
N

n=1
1
n
1 + log N
On peut conclure par exemple que lim
N
N

n=1
1
n
= +.
Remarque : il nest peut-etre pas inutile de remarquer, pour ceux qui aiment expe-
rimenter sur machine, que, si lon programme le calcul de la suite u
N
=

N
n=1
1
n
, celle-ci
semble converger!
142
Donnons maintenant une mani`ere un peu plus generale et plus ne dapprocher la
valeur dune integrale. Lidee est dapprocher la fonction par une fonction lineaire par
morceau comme dans la gure ci-dessous :
TH

EOR
`
EME: (methode des trap`ezes) Soit f : [a, b] R une fonction deux fois
contin ument derivable et soit M un majorant de f

sur lintervalle et a
i
:= a+
i(ba)
n
alors

_
b
a
f(t)dt
(b a)
n
_
1
2
f(a) +
1
2
f(b) +f(a
1
) +. . . +f(a
n1
)
_

M
12n
2
(b a)
3
Demonstration: On proc`ede en integrant par parties puis en choisissant judicieusement
les constantes dintegration.
_
a
i+1
a
i
f(t)dt = [(t )f(t)]
a
i+1
a
i

_
a
i+1
a
i
(t )f

(t)dt
= [(t )f(t)]
a
i+1
a
i

__
t
2
2
t
_
f

(t)
_
a
i+1
a
i
+
_
a
i+1
a
i
_
t
2
2
t
_
f

(t)dt
Pour eviter davoir `a calculer les derivees f

(a
i
), on sarrange pour que le deuxi`eme
crochet sannule, cest-`a-dire que lon choisit t
2
2t 2 = (t a
i
)(t a
i+1
) donc
= (a
i
+a
i+1
)/2 et on obtient :
_
a
i+1
a
i
f(t)dt =
f(a
i+1
) +f(a
i
)
2n
+
1
2
_
a
i+1
a
i
(t a
i
)(t a
i+1
)f

(t)dt
or cette derni`ere integrale est bornee en module par
M
2
_
a
i+1
a
i
(t a
i
)(a
i+1
t)dt =
M(ba)
3
12n
3
.
En sommant les inegalites on obtient lenonce.
Commentaires : la majoration enonce est interessante d`es les premiers pas ; elle secrit
pour n = 1 :

_
a
i+1
a
i
f(t)dt
(b a)
2
(f(a) +f(b))

M
12
(b a)
3
Pour n = 2 on obtient :

_
a
i+1
a
i
f(t)dt
(b a)
2
_
1
2
f(a) +
1
2
f(b) +f
_
a +b
2
__

M
48
(b a)
3
143
La majoration est meilleure si M est petit (cest-`a-dire si la fonction noscille pas trop) et
si n est grand (cest-`a-dire si la subdivision est ne) et moins bonne si (b a) est grand
(cest-`a-dire si lintervalle dintegration est grand).
Exemple : (calcul approche de log 2) Prenons a = 1, b = 2, n = 4 et f(t) = 1/t.
On a max
t[1,2]
[f

(t)[ = 2 et S
4
=
1
4
_
1
2
+
1
4
+
4
5
+
2
3
+
4
7
_
= 0, 69702 . . . et donc la valeur
approchee : [ log 2 S
4
[ 0, 010166 . . ..
Newton Isaac (16421727)
144
CHAPITRE 16 QUELQUES FONCTIONS USUELLES
Ce chapitre est destine `a fournir une biblioth`eque de fonctions utiles : les fonctions
polynomes (dej`a etudiees au chapitre 6), la fonction logarithme, lexponentielle (et plus
generalement les fonctions a
x
ou x
a
), les fonctions circulaires sin(x), cos(x) et tg(x) ainsi
que leurs reciproques Arcsin(x), Arcos(x) et Arctg(x). Les fonctions hyperboliques sh(x),
ch(x) et th(x) et leurs reciproques Argsh(x), Argch(x) et Argth(x) ces derni`eres
etant moins indispensables puisque lon peut les exprimer `a partir du logarithme et de
lexponentielle.
16.1 FONCTIONS LOGARITHME ET EXPONENTIELLE
Denition: On appelle logarithme la fonction denie sur R

+
`a valeurs reelles :
log(x) :=
_
x
1
dt
t
On voit immediatement que log(1) = 0 et que log(x) > 0 pour x > 1 (resp. log(x) < 0
pour x ]0, 1[).
TH

EOR
`
EME: La fonction log : R

+
R est croissante, continue, indeniment
derivable ; en fait
log

(x) =
1
x
, lim
x 0
x > 0
log x = et lim
x+
log x = +
De plus la fonction log est une bijection et un homomorphisme de groupe (elle transforme
multiplication en addition)
log(xy) = log(x) + log(y)
Demonstration: Dapr`es le theor`eme fondamental de lintegration, la fonction log a
pour derivee 1/x et est donc croissante. Ensuite
d
dx
log(xy) =
y
xy
=
1
x
donc log(xy) log x
est une fonction constante en x. En prenant x = 1, on voit que cette constante vaut log y,
do` u la formule log(xy) = log(x) + log(y). On en deduit que log(2
n
) = nlog(2) tend vers
linni quand n tend vers linni et comme log est croissante cela entrane que log(x) tend
vers linni quand x tend vers linni. Enn comme log(x) = log(1/x) on en tire que
lorsque x tend vers zero (par valeurs positives) log(x) tend vers .
Remarque : Nous ne considererons que cette fonction logarithme appelee parfois lo-
garithme neperien. Historiquement, on utilisait pour les calculs `a la main le logarithme
decimal cest-`a-dire log
10
x = log x/ log 10. La generalisation des calculatrices et ordi-
nateurs a rendu desu`etes les tables de logarithmes et enleve son interet au logarithme
decimal.
Denition: La bijection reciproque de la fonction logarithme sappelle la fonction
exponentielle et se note exp : R R

+
.
145
TH

EOR
`
EME: La fonction exponentielle est indeniment derivable et croissante ; en
fait
d
dx
exp(x) = exp(x). De plus
lim
x
exp(x) = 0 et lim
x+
exp(x) = +
et on a
exp(x +y) = exp(x) exp(y)
Demonstration: On a dej`a vu que exp(x) est egale `a sa derivee ; ensuite les lim-
ites decoulent de celles calculees pour les logarithmes au theor`eme precedent ainsi que la
derni`ere formule.
Il est indispensable de memoriser lallure des graphes des fonctions usuelles
Remarque : Soit n N (ou meme n Z) alors x
n
= exp(nlog(x)) ; en eet dapr`es
le theor`eme precedent on a exp(log(x) +. . . +log(x)) = (exp(log(x)))
n
= x
n
. Ceci sugg`ere
la possibilite de denir a
b
ainsi :
Denition: (Puissances generalisees) Soit a R

+
et b R on pose
a
b
:= exp(b log a)
En particulier, on retrouve pour n N

les fonctions racine n-i`eme : a


1/n
= exp(
1
n
log a).
TH

EOR
`
EME: On a les formules suivantes, pour a, a

> 0 et b, c R :
a
b+b

= a
b
a
b

(aa

)
b
= a
b
a
b
_
a
b
_
c
= a
bc
a
0
= 1 = 1
b
De plus
d
dx
_
x
b
_
= bx
b1
et
d
dx
(a
x
) = log(a)a
x
.
Demonstration: Ces formules decoulent immediatement de la denition et des pro-
prietes de lexponentielle et du logarithme : par exemple a
b+b

= exp((b + b

) log a) =
exp(b log a) exp(b

log a) et
d
dx
_
x
b
_
=
d
dx
(exp(b log x)) = b
d
dx
(log x) exp(b log x) = bx
b1
.
146
Lallure des graphes des fonctions f(x) = x
a
est la suivante :
Denition: On appelle base du logarithme le nombre e tel que log(e) = 1 ou 1 =
_
e
1
dt
t
ou encore e = exp(1).
Remarque : on a vu que e = lim
n
_
1 +
1
1!
+. . . +
1
n!
)
_
= lim
n
_
1 +
1
n
_
n
.
Notation : On a donc exp(x) = e
x
et on utilisera desormais cette notation.
TH

EOR
`
EME:
i) lim
x 0
x > 0
x
a
(log x)
n
= 0 si a > 0 et n Z
lim
x+
x
a
(log x)
n
= 0 si a < 0
Cest-`a-dire les puissances lemportent sur le logarithme
ii) lim
x+
x
a
e
x
= + et
lim
x
x
a
e
x
= 0
Cest-`a-dire lexponentielle lemporte sur les puissances
Demonstration: i) Remarquons que pour x superieur `a un on a :
log(x) =
_
x
1
dt/t
_
x
1
dt/

t = (1/2)(

x 1),
ainsi donc log(x)/x tend vers zero quand x tend vers linni. De facon plus generale
(log x)
n
/x
a
= ((n/a)
n
_
log x
a/n
/x
a/n
_
n
tend donc aussi vers zero quand x tend vers linni.
Les autres limites sobtiennent par des calculs similaires.
16.2 FONCTIONS CIRCULAIRES ET R

ECIPROQUES
Commen cons par quelques rappels sur les fonctions cos(x) et sin(x). Tout dabord
prouvons lenonce admis aux chapitres precedents.
PROPOSITION:
lim
x 0
x ,= 0
sin(x)
x
= 1
147
Demonstration: Considerons un cercle de rayon r (avec des angles mesures en radian) :
Nous allons utiliser deux faits geometriques assez simples : laire dun secteur angulaire
(dangle x) est donne par xr
2
/2 et la longueur de larc de cercle est donnee par xr (en
particulier la surface du cercle est r
2
et sa circonference 2r), pour demontrer linegalite
suivante :
LEMME: Soit 0 < x /2 alors sin(x) < x < tg(x).
Demonstration: Appelons x langle sur la gure ci-dessus en prenant r = 1 ; alors
sin(x) = OA = CB CD arc(CD) = x. Par ailleurs laire du secteur dangle x est
egale `a x/2 et est majoree par laire du triangle OED qui vaut ED/2 = tg(x)/2 do` u le
lemme.
COROLLAIRE: Pour 0 < [x[ /2 on a cos(x) <
sin(x)
x
< 1 ; en particulier
lim
x0
sin(x)
x
= 1.
Demonstration: En eet on obtient pour 0 < x < /2 linegalite cos(x) < sin(x)/x < 1
qui est donc valable pour 0 < [x[ < /2 puisque cos(x) et sin(x)/x sont paires ; enn comme
cos(x) est continue on a lim
x0
cos(x) = cos(0) = 1.
Tracons le graphe de la fonction sinus, celui de cosinus sen deduit par translation
puisque cos(t) = sin(

2
+t) :
148
FORMULAIRE :
sin(t) = sin(t), cos(t) = cos(t) et tg(t) = tg(t)
sin(t +) = sin(t), cos(t +) = cos(t) et tg(t +) = tg(t)
cos
2
(t) + sin
2
(t) = 1
sin(x +t) = cos(t) sin(x) + cos(x) sin(t) et cos(x +t) = cos(x) cos(t) sin(x) sin(t)
tg(x +t) = (tg(t) + tg(x))/(1 tg(x) tg(t))
sin(t) = 2 tg(t/2)/(1 + tg
2
(t/2)) et cos(t) = (1 tg
2
(t/2))/(1 + tg
2
(t/2))
On peut aussi signaler que cos(t) = cos(x) equivaut `a t = x+2k (avec k Z) alors
que sin(t) = sin(x) equivaut `a t = x+2k ou t = x+2k (avec k Z). On peut aussi
observer que a cos(x) +b sin(x) =

a
2
+b
2
sin(x+) o` u est tel que sin() = a/

a
2
+b
2
et cos() = b/

a
2
+b
2
.
La fonction sin : [

2
, +

2
] [1, 1] est une bijection (strictement) croissante ; en
eet il sut dutiliser le theor`eme du chapitre 13.
Denition: (Arc sinus) La bijection reciproque de la fonction sin : [

2
, +

2
]
[1, +1] se note Arcsin : [1, +1] [

2
, +

2
].
On peut en tracer le graphe par symetrie `a partir de celui de sin(x) :
TH

EOR
`
EME: La fonction Arcsin : [1, +1] [

2
, +

2
] est continue, croissante,
impaire et verie :
i) y = Arcsin(x)
_
x = sin(y) et y [

2
, +

2
]
_
ii) Arcsin(x) est indeniment derivable sur ] 1, +1[ et
Arcsin

(x) =
1

1 x
2
.
Demonstration: i) Decoule de la denition de Arcsin comme bijection reciproque.
ii) Provient du theor`eme donnant la derivee dune fonction reciproque : si x = sin(y)
et y ]

2
, +

2
[ alors dx/dy = cos(y) > 0 et donc vaut
_
1 sin
2
(y) =

1 x
2
do` u
dy/dx = 1/

1 x
2
.
On peut faire une construction analogue en observant que cos : [0, ] [1, +1] est
une bijection decroissante.
149
Denition: (Arc cosinus) La bijection reciproque de la fonction cos : [0, ] [1, +1]
se note Arcos : [1, +1] [0, ].
On peut en tracer le graphe par symetrie `a partir de celui de cos(x) :
Toutes les proprietes de la fonction Arcos(x) se deduisent de celle de Arcsin(x) et de
la formule suivante (visible sur le graphe) :
PROPOSITION: Si x [1, +1] on a Arcsin(x) + Arcos(x) = /2
Demonstration: On calcule (comme pour Arcsinus) que Arcos

(x) = 1/

1 x
2
donc
la derivee de la fonction Arcsin(x) + Arcos(x) est nulle, donc la fonction est constante et
en calculant la valeur en x = 0 on conclut.
La fonction tg :]

2
, +

2
[ R est une bijection (strictement) croissante ; en eet il
sut dutiliser le theor`eme du chapitre 13.
Denition: (Arc tangente) La bijection reciproque de la fonction tg :]

2
, +

2
[ R
se note Arctg : R ]

2
, +

2
[.
On peut en tracer le graphe par symetrie `a partir de celui de tg(x) :
TH

EOR
`
EME: La fonction Arctg : R ]

2
, +

2
[ est continue, croissante, impaire et
verie :
i) y = Arctg(x) x = tg(y) et y ]

2
, +

2
[
150
ii) Arctg(x) est indeniment derivable sur R et
Arctg

(x) =
1
x
2
+ 1
iii) lim
x+
Arctg(x) =

2
et lim
x
Arctg(x) =

2
Demonstration: i) et iii) decoulent de la dention de Arctg comme bijection reciproque.
ii) Le calcul est similaire `a ceux dej`a eectues : si x = tg(y) alors dx/dy = (1 +
tg
2
(y)) = 1 +x
2
donc dy/dx = 1/(1 +x
2
).
Remarque : La fonction Arctg verie une interessante equation fonctionnelle :
PROPOSITION: Soit x R

alors Arctg(x) + Arctg(1/x) = sgn(x)

2
(o` u le signe
sgn(x) vaut +1 si x > 0 et 1 si x < 0).
Demonstration: Le calcul de la derivee du membre de gauche donne : (Arctg(x) +
Arctg(1/x))

=
1
x
2
+1
+
1
x
2
1
1+1/x
2
= 0 donc cette fonction est constante sur R

+
et R

(notez quelle nest pas constante sur R

tout entier!). Par ailleurs Arctg(1) = /4 et


Arctg(1) = /4 permettent de calculer ces constantes.
16.3 FONCTIONS HYPERBOLIQUES ET R

ECIPROQUES
On peut denir des fonctions sinus, cosinus et tangente hyperboliques et travailler
avec elles de mani`ere tout-`a-fait analogue. Nous serons brefs car ces fonctions sont moins
importantes que les vraies fonctions sinus, cosinus et tangente.
Denition: La fonction sinus hyperbolique est denie par
sh(x) :=
e
x
e
x
2
La fonction cosinus hyperbolique est denie par
ch(x) :=
e
x
+e
x
2
La fonction tangente hyperbolique est denie par
th(x) :=
sh(x)
ch(x)
=
e
x
e
x
e
x
+e
x
Le nom de ces fonctions vient du fait que t (cos(t), sin(t)) parametrise le cercle
dequation x
2
+y
2
= 1 alors que t (ch(t), sh(t)) parametrise (une branche de) lhyperbole
dequation x
2
y
2
= 1.
Une autre explication (que nous ne formaliserons pas) aux noms et analogies entre
fonctions circulaires et hyperboliques est la suivante : on se souvient que cos(x) = (e
ix
+
e
ix
)/2 et sin(x) = (e
ix
e
ix
)/2i et on en tire (formellement) que ch(x) = cos(ix) et
sh(x) = i sin(ix)
151
Donnons les representations graphiques des trois principales fonctions hyperboliques,
les fonctions sh(x), ch(x) et th(x) :
Passons `a la construction des fonctions reciproques
La fonction sh : R R est une bijection croissante, donc :
Denition: (Argument sinus hyperbolique) La bijection reciproque de la fonction
sh : R R se note Argsh : R R.
La fonction ch : R
+
[1, +) est une bijection croissante, donc :
Denition: (Argument cosinus hyperbolique) La bijection reciproque de la fonction
ch : R
+
[1, +) se note Argch : [1, +) R
+
.
La fonction th : R ] 1, +1[ est une bijection croissante, donc :
Denition: (Argument tangente hyperbolique) La bijection reciproque de la fonction
th : R ] 1, +1[ se note Argth :] 1, +1[ R.
TH

EOR
`
EME: Les fonctions Argsh, Argch et Argth son continues sur leurs domaine
de denition et derivable `a linterieur de celui-ci, de plus :
i) Argsh

(t) =
1

1 +t
2
et Argsh(t) = log(t +

t
2
+ 1)
ii) Argch

(t) =
1

t
2
1
et Argch(t) = log(t +

t
2
1)
152
iii) Argth

(t) =
1
1 t
2
et Argth(t) =
1
2
log
_
1 +t
1 t
_
Demonstration: Les trois enonces se demontrent de mani`ere similaire ; prouvons le
premier : si x = sh(y), alors dx/dy = ch(y) =
_
1 + sh
2
(y) =

1 +x
2
. Un calcul direct
montre que la derivee de log(x +

x
2
+ 1) vaut
1

1 +x
2
; on en tire donc Argsh(x) =
log(x +

x
2
+ 1) +C et levaluation des deux fontion en x = 0 donne C = 0.
FORMULAIRE :
sh(t) = sh(t), ch(t) = ch(t)
ch
2
(t) sh
2
(t) = 1
sh(x +t) = sh(x) ch(t) + ch(x) sh(t)
ch(x +t) = ch(x) ch(t) + sh(t) sh(x)
th(x +t) =
th(x)+th(t)
1+th(x) th(t)
sh(t) =
2 th(t/2)
1th
2
(t/2)
et ch(t) =
1+th
2
(t/2)
1th
2
(t/2)
sh(x) + sh(t) = 2 sh(
x+t
2
) ch(
xt
2
) et ch(x) + ch(t) = 2 ch(
x+t
2
) ch(
xt
2
).
Napier (ou Neper) John (1550-1617)
153
CHAPITRE 17 CALCUL DE PRIMITIVES
Nous avons vu au chapitre 15 que le calcul dune integrale peut se ramener au calcul
dune primitive de la fonction `a integrer. Nous avons constitue au chapitre 16 une biblio-
th`eque de fonctions usuelles. Un espoir un peu naf consisterait `a penser que les primitives
de ces fonctions usuelles sexprime de nouveau `a partir de ces fonctions usuelles. Mais
des fonctions comme exp(t
2
) ou
1

t
3
+1
detruisent cet espoir : les fonctions N(x) :=
_
x
0
exp(t
2
)dt et M(x) :=
_
x
0
dt

t
3
+1
ne peuvent pas sexprimer `a partir des fonctions
usuelles ; on peut neanmoins etudier et utiliser ces fonctions (la fonction normale N est
utilisee en statistiques et probabilites et la fonction M liee aux fonctions elliptiques est
utilisee en physique et dans diverses branches des mathematiques). Apr`es tout la fonction
logarithme a ete introduite pour donner une primitive `a la fonction
1
x
. Il existe ainsi une
theorie du calcul formel de primitives qui est assez complexe ; nous nous contenterons donc
detudier un certain nombre de techniques ou recettes permettant de calculer (dexprimer
en termes de fonctions usuelles) quelques primitives.
17.1 QUELQUES PRIMITIVES CLASSIQUES
Rappelons que sur un intervalle, une primitive dune fonction continue existe et est
unique `a une constante pr`es. Introduisons la notation fort commode suivante
Notation Lecriture
_
f(t)dt designera une primitive de la fonction f.
Il ne faut pas confondre
_
b
a
f(t)dt, qui est un nombre et
_
f(t)dt qui designe une
fonction ; par exemple on ecrira
_
dt
t
2
+1
= Arctg(t) +C.
Il faut faire la remarque quil y a parfois une facon assez bete de calculer des
primitives : si on trouve (par quelque procede que ce soit) une fonction F(t) dont on sait
calculer la derivee et qui verie F

(t) = f(t), alors on a bien s ur trouve une primitive de


f. Commencons ici par une liste de primitives assez faciles `a etablir :
fonction primitive
t
a
t
a+1
a + 1
+C si a ,= 1
t
1
log [t[ +C
e
at
e
at
a
+C
a
t
a
t
log(a)
+C si a > 0
cos(t) sin(t) +C
sin(t) cos(t) +C
154
fonction primitive
1
cos(t)
log

tg
_
t
2
+

4
_

+C si t /

2
+Z
1
sin(t)
log

tg
_
t
2
_

+C si t / Z
tg(t) log [ cos(t)[ +C si t /

2
+Z
cotg(t) log [ sin(t)[ +C si t / Z
ch(t) sh(t) +C
sh(t) ch(t) +C
1
ch(t)
+C 2 Arctg(e
t
) +C
1
sh
2
(t)
+C log

th
_
t
2
_

+C si t ,= 0
th(t) log ch(t) +C
coth(t) log [ sh(t)[ +C si t ,= 0
1
t
2
+a
2
1
a
Arctg
_
t
a
_
+C
1
t
2
a
2
1
2a
log

t a
t +a

+C si t ,= a
1

t
2
+a
2
log [t +
_
t
2
+a
2
[ +C
1

t
2
a
2
log [t +
_
t
2
a
2
[ +C si [t[ > [a[
1

a
2
t
2
Arcsin
_
t
a
_
+C si [t[ < [a[
Remarque : on peut souvent donner plusieurs expressions dune primitive et, dans
ce cas, ces expressions sont egales `a une constante pr`es. Par exemple une primitive de
1

t
2
+a
2
est aussi Argsh
_
t
|a|
_
; une primitive de
1

t
2
a
2
est aussi Argch
_
t
|a|
_
(si t > 0) ou
155
Argch
_
|t|
|a|
_
(si t < 0).
Demonstration: La plupart de ces formules ont dej`a ete etablies et de toutes facons
peuvent se verier directement en derivant ; dans la partie suivante on donne des techniques
generales permettant dailleurs de les retrouver. Par exemple calculons la derivee de la
fonction f(t) := log [ tg(
t
2
+

4
)[ :
f

(t) =
1
2
tg

(
t
2
+

4
)
tg(
t
2
+

4
)
=
1
2 tg(
t
2
+

4
) cos
2
(
t
2
+

4
))
=
1
sin(2(
t
2
+

4
))
=
1
cos(t)
.
17.2 TECHNIQUES G

EN

ERALES
On consid`ere dans ce paragraphe uniquement des fonctions f, g, etc continues reelles.
Linearite : soient , R et f, g continues :
_
b
a
(f(t) +g(t))dt =
_
b
a
f(t)dt +
_
b
a
f(t)dt
Exemple : nous savons (voir les formules etudiees au chapitre 4 donnant cos(nt) comme
polynome en cos(t)) que :
cos
4
(t) =
1
8
(cos(4t) + 4 cos(2t) + 3)
donc on en deduit :
_
cos
4
(t)dt =
1
32
(sin(4t) + 8 sin(2t) + 12t) +C
Ainsi, par exemple,
_
/2
0
cos
4
(t)dt = 3/16. Le meme style de calcul permet dintegrer
sans dicultes cos
m
(t) ou sin
m
(t) (au moins si m nest pas trop grand).
Integration par parties :
TH

EOR
`
EME: Soient f, g deux fonctions contin ument derivables, alors :
_
b
a
f(t)g

(t)dt = f(b)g(b) f(a)g(a)


_
b
a
f

(t)g(t)dt
Demonstration: Il sut dintegrer la relation entre derivees fg

= (fg)

g.
Sous forme mnemotechnique on retiendra :
_
udv = uv
_
vdu.
Exemples :
1) en prenant u := log(t), v := t on obtient :
_
log(t)dt = t log(t)
_
dt = t log(t) t +C
156
Plus generalement si a R 1 et m N, posons u = log
m
(t) et v =
t
a+1
a+1
; on obtient
alors
_
t
a
log
m
(t)dt =
1
a + 1
t
a+1
log
m
(t)dt
m
a + 1
_
t
a
log
m1
(t)dt
Cette formule, appliquee m fois permet dexprimer la primitive cherchee sous la forme
t
a+1
P(log(t)) o` u P est un polynome de degre m.
2) en prenant u := t
m
et v := e
at
on obtient :
_
t
m
e
at
dt =
1
a
t
m
e
at

m
a
_
t
m1
e
at
dt
do` u lon tire, en iterant m fois, une expression dune primitive de la forme e
at
P(t) avec P
polynome de degre m.
3) deux integrations par parties permettent de calculer I :=
_
sin(t)e
at
dt :
I =
1
a
sin(t)e
at

1
a
_
cos(t)e
at
dt =
1
a
sin(t)e
at

1
a
2
cos(t)e
at

1
a
2
_
sin(t)e
at
dt
do` u
I =
1
1 +a
2
(a sin(t) cos(t))e
at
.
4) lintegration par parties permet aussi de demontrer la formule de Taylor avec reste
integral : si f est une fonction n + 1 fois continument derivable alors :
f(b) = f(a) +
(b a)
1!
f

(a) +. . . +
(b a)
n
n!
f
(n)
(a) +
_
b
a
(b t)
n
n!
f
(n+1)
(t)dt
Demonstration: La preuve seectue par recurrence sur lentier n : pour n = 0, la
formule equivaut au theor`eme fondamental de lintegration f(b) = f(a)+
_
b
a
f

(t)dt. Si lon
pose u := f
(n+1)
(t) et v := (b t)
n+1
/(n + 1)! alors la formule dintegration par parties
fournit :
_
b
a
bt)
n
n!
f
(n+1)
(t)dt =
ba)
n+1
(n+1)!
f
(n+1)
(a) +
_
b
a
bt)
n+1
(n+1)!
f
(n+2)
(t)dt. Cette derni`ere
egalite est exactement celle dont on a besoin pour la recurrence.
Par exemple, pour la fonction e
x
entre 0 et 1 on trouve :
e = 1 +
1
1!
+
1
2!
+. . . +
1
n!
+
_
1
0
(1 t)
n
n!
e
t
dt
Changement de variables :
TH

EOR
`
EME: (premi`ere forme) soit g contin ument derivable, f continue, alors :
_
b
a
f g(t)g

(t)dt =
_
g(b)
g(a)
f(u)du
157
Demonstration: Considerons les deux fonctions F
1
(x) :=
_
x
a
f g(t)g

(t)dt et F
2
(x) :=
_
g(x)
g(a)
f(u)du et soit F une primitive de f alors le theor`eme fondamental donne que F

1
(x) =
f g(x)g

(x) et F
2
(x) = F g(x) F g(a) do` u F

2
(x) = F

(g(x)g

(x) = f g(x)g

(x). On
en tire que F
1
F
2
est constante, mais F
1
(a) = F
2
(a) = 0 donc F
1
= F
2
.
En fait on emploie rarement le theor`eme de changement de variables sans que la
fonction g ne determine une bijection de [a, b] sur lintervalle dextremites g(a), g(b). Dans
ce cas la formule secrit (en notant h := g
1
) sous sa deuxi`eme forme :
_
h(d)
h(c)
f g(t)g

(t)dt =
_
d
c
f(u)du
Apr`es avoir verie que g determine bien une bijection on peut presenter les calculs de la
facon suivante :
(1) On pose t = g(u) ( u = g
1
(t)).
(2) On calcule dt = g

(u)du.
(3) On obtient alors
_
f(t)dt =
_
f(g(u))g

(u)du.
Il nest pas du tout evident de trouver un bon changement de variables mais voici
quelques exemples (on donne quelques applications supplementaires dans le paragraphe
suivant) :
1) Dans le domaine ]0, a[ on cherche `a integrer la fonction f(t) := (t

a
2
t
2
)
1
. Pour
cela on choisit le changement de variables u := a/t (ou encore t := a/u) qui determine
bien une bijection de tout intervalle [c, d] sur [a/d, a/c] (pourvu que 0 < c < d) on obtient
alors :
_
dt
t

a
2
t
2
=
1
a
_
du

u
2
1
.
On choisit alors le changement de variables u = ch(y) (possible car u > 1) en observant
que

u
2
1 =
_
ch
2
(y) 1 =
_
sh
2
(y) = sh(y) donc
_
du

u
2
1
=
_
sh(y)dy
sh(y)
= y +C = Argch(u)
et enn
_
dt
t

a
2
t
2
=
1
a
Argch(u) +C =
1
a
Argch
_
a
t
_
+C
2) En introduisant le changement de variables u = t on obtient :
_
b
a
f(t)dt =
_
b
a
f(u)(du) =
_
a
b
f(u)du
158
En particulier si f est paire on voit que
_
b
0
f(t)dt =
_
0
b
f(t)dt alors que si f est
impaire
_
b
0
f(t)dt =
_
0
b
f(t)dt; graphiquement on obtient :
f paire f impaire
3) Le changement de variable u := t + c (o` u c est une constante donne la formule
_
b
a
f(t)dt =
_
b+c
a+c
f(u c)du donc par exemple si la fonction f admet pour periode T on
obtient
_
b
a
f(t)dt =
_
b+T
a+T
f(t)dt et ensuite
_
a+T
a
f(t)dt =
_
T
0
f(u)du. En eet
_
a+T
a
f(t)dt =
_
a
0
f(t)dt +
_
T
0
f(t)dt +
_
a+T
T
f(t)dt =
_
T
0
f(t)dt.
17.3 PRIMITIVES DE FRACTIONS RATIONNELLES
La decomposition en elements simples dune fraction rationnelle (chapitre 6) permet
de ramener le calcul des primitives de fractions rationelles au calcul dune primitive de
1
(ta)
n
et de
ct+d
(t
2
+at+b)
n
. La premi`ere est tr`es simple : on obtient log [t a[ si n = 1 et
1
(n1)(ta)
n1
sinon ; la seconde se ram`ene au calcul dune primitive de
1
(t
2
+1)
n
et est un
peu plus complexe.
FORMULE 1 :
_
dt
(t a)
n
=
_
1
(n 1)(t a)
n+1
+C si n ,= 1
log [t a[ +C si n = 1
Remarquons maintenant que
ct +d
(t
2
+at +b)
n
=
c
2
2t +a
(t
2
+at +b)
n
+
_
d
ac
2
_
1
(t
2
+at +b)
n
et donc on est ramene par linearite `a integrer chacun des deux morceaux.
FORMULE 2 :
_
2t +a
(t
2
+at +b)
n
dt =
_
1
(n1)(t
2
+at+b)
n1
+C si n ,= 1
log [t
2
+at +b[ +C si n = 1
159
Pour traiter le deuxi`eme membre rappelons que 4b a
2
> 0 et notons :=

4b a
2
et
utilisons la reduction standard dun polynome du second degre :
t
2
+at +b =
_
t +
a
2
_
2
+

2
4
=

2
4
_
_
2t +a

_
2
+ 1
_
Ceci sugg`ere deectuer le changement de variables u :=
2t+a

; on obtient alors :
_
dt
(t
2
+at +b)
n
=
_

2
_
12n
_
du
(u
2
+ 1)
n
On est donc bien ramene `a calculer une primitive I
n
=
_
du
(u
2
+1)
n
. Cela peut se faire ainsi :
_
u
(u
2
+ 1)
n
_

=
1
(u
2
+ 1)
n

2nu
2
(u
2
+ 1)
n+1
=
1 2n
(u
2
+ 1)
n
+
2n
(u
2
+ 1)
n+1
En integrant on obtient la formule de recurrence :
FORMULE 3 : (rappelons quon a pose I
n
=
_
du
(u
2
+1)
n
)
2nI
n+1
= (2n 1)I
n
+
u
(u
2
+ 1)
n
+C
En particulier
I
1
=
_
du
(u
2
+ 1)
= Arctg(u) +C
I
2
=
_
du
(u
2
+ 1)
2
=
1
2
Arctg(u) +
u
2(u
2
+ 1)
+C
I
3
=
_
du
(u
2
+ 1)
3
=
3
8
Arctg(u) +
3u
8(u
2
+ 1)
+
u
4(u
2
+ 1)
2
+C
(Comme il se doit, la Formule 1 est la plus rapide)
Exemples de calculs explicites :
1) reprenons la fraction rationnelle du chapitre 6, i.e. f(t) := (t
10
+t
2
+1)/(t
9
2t
5
+t)
dont la decomposition en elements simples est
f(t) = t +
1
t
+
3
16(t + 1)
2
+
3
16(t 1)
2

t
t
2
+ 1
+
t
4(t
2
+ 1)
2
et ainsi
_
f(t)dt =
t
2
2
+ log [t[ +
3
32
_
1
t + 1

1
t 1
_

1
2
log [t
2
+ 1[
1
8(t
2
+ 1)
+C
160
2) soit n impair, on a calcule durant le chapitre 6 la decomposition suivante :
t
2n
/(t
n
1) = t
n
+ 1 +
1
n
_
_
_
1
t 1
+
n1
2

h=1
2t cos(2h/n) 2
t
2
2t cos(2h/n) + 1
_
_
_
Pour calculer une primitive de chacun des derniers elements simples on observe que t
2

2 cos(a) + 1 = (t cos(a))
2
+ sin
2
(a) =
_
(t cos(a)/ sin(a))
2
+ 1

sin
2
(a) donc si lon pose
u := (t cos(a))/ sin(a) on obtient
_
dt
t
2
2 cos(a)t + 1
=
1
sin(a)
_
du
u
2
+ 1
=
1
sin(a)
Arctg(u) +C
=
1
sin(a)
Arctg ((t cos(a))/ sin(a)) +C
et donc par linearite on en tire
_
t
2n
dt
(t
n
1)
=
t
n+1
n + 1
+t +
1
n
n1
2

h=1
_
cos(2h/n) log [t
2
2 cos(2h/n)t + 1[
2 sin(2h/n) Arctg
_
t cos(2h/n)
sin(2h/n)
_
+C.
Un grand nombre de calculs de primitives se ram`ene, grace `a un changement de va-
riables adequat, au calcul dune primitive de fraction rationnelle. Nous citons ici quelques
applications.
i) Si f est une fraction rationnelle en posant le changement de variables u = e
x
on
obtient la formule
_
f(e
x
)dx =
_
f(u)du
u
et lon sait donc calculer une primitive des fractions
rationnelles en e
x
.
ii) Soit f une fraction rationnelle en deux indeterminees et cherchons une primitive
de f(cos(x), sin(x)) ; pour cela on eectue le changement de variables t := tg(x/2) ou
encore x = 2 Arctg(t) et dx = 2dt/(1 + t
2
) en utilisant cos(x) = (1 t
2
)/(1 + t
2
) et
sin(x) = 2t/(1 +t
2
) on en deduit :
_
f(cos(x), sin(x))dx =
_
f
_
1 t
2
1 +t
2
,
2t
1 +t
2
_
dt
t
2
+ 1
donc on saura calculer une primitive.
Par exemple retrouvons par ce principe une primitive de 1/ sin(x) et 1/ cos(x). On
peut ecrire
_
dx
sin(x)
=
_
dt
t
= log [t[ +C = log [ tg(x/2)[ +C
161
et en faisant le changement x :=

2
u
_
dx
cos(x)
=
_
du
sin(u)
= log [ tg(u/2)[ +C = log [ tg(/4 x/2)[ +C
iii) un autre exemple interessant est celui des integrales (dites abeliennes) suivantes :
il sagit des primitives de f(x,
m
_
(ax +b)/(cx +d)) o` u f est de nouveau une fraction
rationnelle en deux indeterminees. On supposera ad bc ,= 0 (sinon le calcul est dej`a fait)
et on posera
u :=
m
_
ax +b
cx +d
u
m
=
ax +b
cx +d
x =
du
m
b
cu
m
+a
donc dx = (ad bc)
mu
m1
du
(cu
m
+a)
2
do` u la formule de changement de variables :
_
f(x,
m
_
(ax +b)/(cx +d))dx = (ad bc)
_
f
_
du
m
b
cu
m
+a
, u
_
mu
m1
du
(cu
m
+a)
2
Prenons un exemple concret : le changement u :=
3
_
x1
x+1
donne
_
3
_
x 1
x + 1
dx = 6
_
u
3
du
(u
3
1)
2
(il resterait bien s ur `a calculer une primitive de u
3
/(u
3
1)
2
en la decomposant en elements
simples).
iv) considerons les integrales du type
_
f(x,

ax
2
+bx +c)dx. On factorise le poly-
nome du second degre en posant = b
2
4ac =
2
(o` u = 1) et alors
ax
2
+bx +c =
a
2
4a
2
_
_
2ax

_
2

_
on eectue naturellement le changement de variable u :=
2ax

et, si designe le signe de


a on obtient une integrale du type
_
g(u,
_
u
2
)du o` u g est une fraction rationnelle.
On distingue alors les cas suivants :
CAS = = 1 : on pose u = ch(t) (avec disons t > 0) donc

u
2
1 = sh(t) et
_
g(u,

u
2
1)du devient
_
g(ch(t), sh(t)) sh(t)dt que lon sait integrer.
CAS = 1, = 1 : on pose u = sh(t) et donc on a

u
2
+ 1 = ch(t) et lintegrale
_
g(u,

u
2
+ 1)du devient
_
g(sh(t), ch(t)) ch(t)dt que lon sait integrer.
CAS = 1, = 1 : on pose u := sin(t) (sur un intervalle convenable) donc

1 u
2
=
[ cos(t)[ et
_
g(u,

1 u
2
)du devient
_
g(sin(t), [ cos(t)[) cos(t)dt que lon sait integrer (le
cas = = 1 est, bien s ur, exclus).
162
CHAPITRE 18 INT

EGRALES IMPROPRES
Nous avons vu que lintegrale dune fonction continue par morceau sur un intervalle
ferme [a, b] est toujours denie. Une integrale indenie ou posant probl`eme est une
integrale soit dune fonction non continue sur un intervalle [a, b] (par exemple
_
1
1
dx/x)
ou dune fonction continue sur un intervalle non borne comme [a, +) (par exemple
_
+
1
dx/x). Ces integrales nexistent pas toujours et on etudie dans ce chapitre des condi-
tions de convergence et meme dans certains cas des methodes de calcul. Il faut remarquer
que de nombreuses integrales de ce type surgissent naturellement dans les sciences : les
calculs de potentiel cree par une masse conduisent `a de tels integrales ; on peut signaler
une formule importante (entre autres) en probabilite et statistique :
_
+

e
x
2
dx =

Rappelons que lon ne peut pas exprimer par des fonctions elementaires une primitive de
la fonction e
x
2
.
18.1 INT

EGRALES IMPROPRES
Denition: Soit f une fonction continue [a, b[ R ; si lim
cb
_
c
a
f(t)dt existe, alors on
appelle cette limite lintegrale impropre de f entre a et b et on ecrit :
_
b
a
f(t)dt := lim
c b
c < b
_
c
a
f(t)dt
Convention : on devrait normalement se garder decrire
_
b
a
f(t)dt avant de savoir que cette
limite existe ; il est neanmoins dusage decrire lintegrale
_
b
a
f(t)dt est divergente si cette
limite nexiste pas.
Donnons quelques exemples :
1) Soit f(t) = log(t) alors
_
1
x
log(t)dt = [t log(t) t]
1
x
= x xlog(x) 1 donc
_
1
0
log(t)dt = lim
x0
(x xlog(x) 1) = 1
Laire hachuree vaut 1
2) Soit f(t) = t
a
alors
_
c
1
t
a
dt = [t
a+1
/(a + 1)]
c
1
= c
a+1
/(a + 1) 1/a + 1 (resp.
[log(t)]
c
1
= log(c)) si a ,= 1 (resp. si a = 1). La limite lorsque c tend vers + existe
163
seulement quand a < 1, la limite quand c tend vers zero existe seulement quand a > 1
et on obtient
_
+
1
t
a
dt =
_
1
a1
si a > 1
diverge si a 1
_
1
0
t
a
dt =
_
1
1a
si a < 1
diverge si a 1
Par exemple
_
1
0
dt/

t = 2 et
_
+
1
dt/t
2

t = 2/3.
Remarque : Si une integrale est impropre en plusieurs points, on dira quelle est
convergente si elle convergente au voisinage de chaque point. Par exemple lintegrale
_
+

e
|t|
dt/
_
[t[ est denie comme :
lim
Y
_
1
Y
f(t)dt + lim
d0

_
d
1
f(t)dt + lim
c0
+
_
1
c
f(t)dt + lim
X+
_
X
1
f(t)dt
ou f(t) := e
|t|
dt/
_
[t[. En termes concrets : pour etudier une integrale impropre on
decoupe les dicultes.
Pour demontrer le theor`eme on utilisera le crit`ere assez intuitif suivant (dit crit`ere de
Cauchy) : soit F : [a, b[ R telle que F(c) F(c

) tende vers zero lorsque a c c

< b
et c tend vers b, alors F(x) tend vers une limite nie lorsque x tend vers b.
TH

EOR
`
EME: Si lintegrale
_
b
a
[f(t)[dt, impropre en b, est convergente alors lintegrale
_
b
a
f(t)dt est egalement convergente et lon a [
_
b
a
f(t)dt[
_
b
a
[f(t)[dt.
Demonstration: Dapr`es le crit`ere evoque precedemment (applique `a F(x) =
_
x
a
f(t)dt)
lintegrale
_
b
a
f(t)dt converge si et seulement si
_
c

c
f(t)dt tend vers 0 lorsque a c c

b
et c tend vers b. Le theor`eme decoule alors de linegalite [
_
c

c
f(t)dt[
_
c

c
[f(t)[dt.
La reciproque est fausse ; par exemple nous verrons que
_
+
0
sin(x)
x
dx est convergente
alors que
_
+
0

sin(x)
x

dx est divergente.
TH

EOR
`
EME: Supposons que [f(t)[ g(t) alors la convergence de lintegrale
_
b
a
g(t)dt
entrane la convergence de
_
b
a
f(t)dt ; la divergence de
_
b
a
f(t)dt entrane la divergence
_
b
a
g(t)dt.
Demonstration: Dapr`es le theor`eme precedent, il sut de voir que
_
b
a
[f(t)[dt est
convergente. Or la fonction F(x) :=
_
x
a
[f(t)[dt est croissante et bornee par
_
b
a
g(t)dt donc
converge vers une valeur nie lorsque x tend vers b.
TH

EOR
`
EME: Soient f(x), g(x) deux fonctions positives equivalentes quand x tend
vers b alors lintegrale
_
b
a
f(t)dt est convergente si et seulement si lintegrale
_
b
a
g(t)dt est
convergente.
164
Demonstration: Comme les fonctions sont equivalentes, on a sur un voisinage de b des
inegalites de la forme : Cf(x) g(x) C

f(x) ; en appliquant le theor`eme precedent on


en deduit que la convergence dune des deux integrales entrane la convergence de lautre.
Exemples de calculs (les details sont laisses en exercice) :
_
b
a
dt
_
(t a)(b t)
=
_
1
1
dt

1 t
2
= ,
_
+

dt
1 +t
2
= .
18.2 CALCULS DINT

EGRALES IMPROPRES
Les techniques de calcul que nous abordons peuvent se resumer ainsi : on applique les
techniques de calcul des integrales nies (linearite, integration par parties, changement de
variable) et on passe `a la limite. Ce paragraphe est donc un paragraphe dexercices et ex-
emples, on determine notamment quand
_
+
0
(a
1
t
s
1
+. . . +a
r
t
s
r
) e
t
dt/t est convergente.
PROPOSITION: (Linearite) Soient , R et f, g : [a, b[ R deux fonctions
continues dont les integrales sur [a, b] convergent, alors lintegrale de f +g converge et :
_
b
a
(f(t) +g(t))dt =
_
b
a
f(t)dt +
_
b
a
g(t)dt.
Demonstration: On utilise la linearite de lintegrale usuelle et on passe `a la limite.
Exemple : Posons (s) :=
_
+
0
e
t
t
s
dt/t, les crit`eres du paragraphe precedent per-
mettent detablir que lintegrale converge si et seulement si s > 0. Si donc s
1
, . . . , s
r
> 0
alors
_
+
0
(a
1
t
s
1
+. . . +a
r
t
s
r
) e
t
dt/t = a
1
(s
1
) +. . . +a
r
(s
r
).
PROPOSITION: (Integration par parties) Soient f, g : [a, b[ R contin ument deriva-
bles alors :
_
b
a
f(t)g

(t)dt = lim
cb
f(c)g(c) f(a)g(a)
_
b
a
f

(t)g(t)dt
o` u la convergence de deux termes entrane la convergence du troisi`eme.
Demonstration: On utilise lintegration par parties de lintegrale usuelle et on passe `a
la limite.
Exemple :
(s) =
_
+
0
e
t
t
s1
dt = lim
c+
e
c
c
s
s
lim
c

0
e
c
c
s
s
+
1
s
_
+
0
e
t
t
s
dt =
(s + 1)
s
En calculant (1) = 1, on en tire (m) = (m1)! pour m N

.
165
PROPOSITION: (Changement de variable) Soit f : [c, d[ R continue dont lintegrale
sur [c, d] converge, soit g : [a, b[ [c, d[ une bijection contin ument derivable alors :
_
b
a
f g(t)g

(t)dt =
_
d
c
f(u)du
Demonstration: On utilise le changement de variable de lintegrale usuelle et on passe
`a la limite.
Exemple : 1) Soit I(b) :=
_
+

e
(xa)
2
/b
dt. Faisons le changement de variable

bu := xa, on obtient I(b) =



bI(1). Si lon sait que I(1) =

on obtient la formule :
_
+

e
(xa)
2
/b
dx =

b
2) On peut aussi en deduire la valeur de (1/2) (et donc de (n+1/2) ) ; on eectue cette
fois le changement de variable u =

t :
(1/2) =
_
+
0
e
t
dt

t
= 2
_
+
0
e
u
2
du =
_
+

e
u
2
du =

Terminons ce chapitre par letude dune integrale semi-convergente :


Lintegrale
_
+
0

sin(x)
x

dx est divergente mais


_
+
0
sin(x)
x
dx est convergente (sa
valeur est en fait /2 mais nous ne prouverons pas cela).
Demonstration: Lorsque x tend vers 0 alors sin(x)/x tend vers 1 donc lintegrale nest
quapparemment impropre en 0. Utilisons les inegalites suivantes :
_
(N+1)
N

sin(x)
x

dx
_
(N+1)
N
[ sin(x)[
(N + 1)
dx =
1
(N + 1)
_

0
[ sin(x)[dx =
2
(N + 1)
donc
_
(M+1)
0

sin(x)
x

dx
2

M
N=0
1
N+1
, or cette derni`ere somme tend vers linni donc
lintegrale
_
+
0

sin(x)
x

dx est divergente.
Pour prouver la convergence de
_
+
0
sin(x)
x
dx, on peut utiliser une integration par
parties :
_
X
1
sin(x)
x
dx =
cos(X)
X
+ cos(1)
_
X
1
cos(x)
x
2
dx
or
_
+
1
cos(x)
x
2
dx est convergente car [
cos(x)
x
2
[
1
x
2
et
_
+
1
1
x
2
dx = 1 est convergente. Ainsi
_
+
0
sin(x)
x
dx est convergente.
166
Remarque : Pour calculer une valeur approchee dune integrale impropre comme la
precedente on proc`ede en deux temps. On majore
_
+
X
sin(x)
x
dx, ce qui peut se faire ainsi :
_
+
X
sin(x)
x
dx =
cos(X)
X

_
+
X
cos(x)
x
2
dx
La derni`ere integrale est majoree,en valeur absolue, par
_
+
X
dx/x
2
= 1/X donc on a
[
_
+
X
sin(x)
x
dx[ 2/X. Ensuite on calcule une valeur approchee I de
_
X
0
sin(x)
x
dx `a pr`es,
par exemple par la methode des trap`ezes et on conclut que [
_
+
0
sin(x)
x
dx I[ +2/X.
Abel Niels (18021829)
167
CHAPITRE 19 COURBES PARAM

ETR

EES ET D

EVELOPPEMENTS
LIMIT

ES
Lobjet de ce chapitre est letude du comportement local (i.e. au voisinage dun point)
des courbes. Le premier paragraphe est consacre `a des techniques de calculs de limites ou
dequivalents. Par exemple les deux limites suivantes
lim
x0
cos(x) 1
xsin(x)
et lim
x0
e
x
2

1 +x + 1
x
2
ne sont pas accessibles avec les methodes developpees avant ce chapitre ; le calcul des
developpements limites permet dy remedier. La deuxi`eme partie est consacree `a letude
des courbes proprement dites ; plus precisement on etudie des courbes un peu plus generales
que les graphes de fonctions et qui interviennent souvent par exemple en cinematique ou en
mecanique (o` u les coordonnees dun mobile sont connues en fonction du temps). Lexemple
le plus basique en physique est le mouvement dun solide soumis `a la gravitation : avec
les notations usuelles en physique

F = m

donc mg = my

et 0 = mx

do` u y(t) =
gt
2
/2 +y

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

(0)t +x(0), ce qui determine une parabole.


19.1 D

EVELOPPEMENTS LIMIT

ES
Notation : on designera dans tout ce chapitre par (x) une fonction denie au voisi-
nage de 0 et tendant vers 0 lorsque x tend vers 0.
Denition: Une fonction f : I R admet un developpement limite (DL) `a lordre n
au voisinage de x
0
I si il existe une fonction polynome P(x) = a
0
+ a
1
(x x
0
) + . . . +
a
n
(x x
0
)
n
tel que
f(x) = P(x) + (x x
0
)
n
(x x
0
)
Exemple : une fonction admet un DL en un point x
0
dordre 1 si et seulement si elle est
derivable en ce point.
Remarque sur les notations : nous nous contenterons de la notation (x) qui designera
dans tout ce chapitre une fonction tendant vers zero quand x tend vers zero (qui ne sera pas
toujours la meme!). Plusieurs auteurs utilisent (au moins) deux autres notations que nous
signalons donc : la notation O(x
n
) (grand O) designe une fonction bornee en valeur
absolue par C[x[
n
lorsque x tend vers zero ; la notation o(x
n
) (petit o) designe une
fonction dont le quotient par x
n
tend vers zero quand x tend vers zero.
PROPOSITION: Un developpement limite dordre n, si il existe, est unique.
Demonstration: Supposons que f(x) = P(x) + x
n
(x) = Q(x) + x
n
(x) o` u P, Q sont
des polynomes de degre n et , tendent vers zero quand x tend vers zero. Alors, si le
polynome P Q netait pas nul, la fonction (P Q)(x) serait equivalente `a une fonction
ax
r
avec a ,= 0 et 0 r n et ne pourrait etre egale `a une fonction du type (x)x
n
car
lim
(x)x
n
ax
r
= 0.
Remarque : lunicite permet de simplier certains calculs car elle entrane quune
fonction paire (resp. impaire) naura que des termes de degre pair du type x
2m
(resp.
impair du type x
2m+1
) dans un developpement limite.
168
La methode la plus courante pour montrer lexistence des DL est dutiliser la formule
de Taylor qui entrane que :
TH

EOR
`
EME: (Formule de Taylor-Young)Soit f une fonction n fois continument
derivable sur un intervalle I contenant x
0
, alors
f(x) = f(x
0
)+f

(x
0
)(xx
0
)+
f

(x
0
)
2!
(xx
0
)
2
+. . .+
f
(n)
(x
0
)
n!
(xx
0
)
n
+(xx
0
)
n
(xx
0
)
Demonstration: Quitte `a faire une translation, on peut supposer que x
0
= 0. La
formule de Taylor-Lagrange secrit :
f(x) = f(0) +f

(0)x +
f

(0)
2!
x
2
+. . . +
f
(n)
(c)
n!
x
n
avec c compris entre 0 et x. Ainsi lorsque x tend vers zero, c tend aussi vers zero et
comme f
(n)
est continue f
(n)
(c) f
(n)
(0) tend vers zero quand x tend vers zero donc
f
(n)
(c)x
n
= f
(n)
(0)x
n
+ (x)x
n
; en reportant dans la formule de Taylor-Lagrange, on
obtient le resultat escompte.
Par application directe on trouve :
COROLLAIRE: Les fonctions e
x
, cos(x), sin(x) et (1+x)
a
admettent les DL suivants :
e
x
=1 +x +
x
2
2!
+. . . +
x
n
n!
+x
n
(x)
cos(x) =1
x
2
2!
+
x
4
4!
+. . . + (1)
n
x
2n
(2n)!
+x
2n
(x)
sin(x) =x
x
3
3
!
+
x
5
5!
+. . . + (1)
n
x
2n+1
(2n + 1)!
+x
2n+1
(x)
(1 +x)
a
=1 +ax +
a(a 1)
2
x
2
+. . . +
a(a 1) . . . (a n + 1)
n!
x
n
+x
n
(x)
Exemple dutilisation : lim
x0
cos(x) 1
xsin(x)
=
1
2
et lim
x0
e
x
2

1 +x + 1
x
2
=
3
4
.
En eet cos(x)1 = x
2
/2+x
2
(x) et xsin(x) = x
2
+x
2
(x) donc
cos(x)1
x sin(x)
=
1
2
+(x)
tend vers
1
2
. Par ailleurs

1 +x = 1 + x/2 x
2
/8 + x
2
(x) donc e
x
2

1 +x + 1 =
(1 +x +x
2
/2) 2(1 +x/2 x
2
/8) + 1 +x
2
(x) =
3
4
x
2
+x
2
(x) do` u la deuxi`eme limite.
TH

EOR
`
EME: Soient f, g deux fonctions continues de variables reelles dont on suppose
quelles admettent un DL `a lordre n de la forme : f(x) = a
0
+a
1
x+. . . +a
n
x
n
+(x)x
n
=
P(x) +(x)x
n
et g(x) = b
0
+b
1
x +. . . +b
n
x
n
+(x)x
n
= Q(x) +(x)x
n
(i) (Somme) La fonction f +g admet un DL `a lordre n en 0 qui secrit :
(f +g)(x) = (a
0
+b
0
) + (a
1
+b
1
)x +. . . + (a
n
+b
n
)x
n
+(x)x
n
169
(ii) (Produit) La fonction fg admet un DL `a lordre n en 0 qui secrit : (fg)(x) =
c
0
+. . . +c
n
x
n
+(x)x
n
avec c
i
=

i
k=0
a
k
b
ik
(iii) (Quotient) Supposons b
0
,= 0 (cest-`a-dire g(0) ,= 0) alors la fonction f/g admet
un DL `a lordre n en 0 qui secrit : (f/g)(x) = c
0
+ . . . + c
n
x
n
+ (x)x
n
avec des c
i
que
lon peut determiner par la relation a
i
=

i
k=0
c
k
b
ik
.
(iv) (Composee) Supposons b
0
= 0 alors la fonction f g admet un DL `a lordre n en
0 qui secrit : (f g)(x) = R(x) + (x)x
n
o` u R(x) est le polynome P Q(x) auquel on a
retire les termes de degre > n.
(v) (Integration) Soit F(x) une primitive de f alors elle admet un DL dordre n + 1
qui secrit F(x) = F(0) +a
0
x +a
1
x
2
/2 +. . . +a
n
x
n+1
/(n + 1) +(x)x
n+1
.
Demonstration: Les deux premiers enonces sobtiennent immediatement en addition-
nant ou multipliant les DL de f et g. Les points (iii) et (iv) sont egalement un simple
calcul si lon admet lexistence dun DL, qui est un peu plus delicate `a prouver et que
nous admettrons. Enn le dernier point sobtient par integration du DL de f(x) ; en eet
_
x
0
t
m
dt = x
m+1
/(m+ 1) et, si lon note (x) = sup
t[0,x]
[(t)[, on a :

_
x
0
(t)t
n
dt

(x)
_
x
0
t
n
dt = (x)
x
m+1
(m+ 1)
do` u le resultat.
APPLICATION: Par application directe on obtient les DL suivants :
log(1 +x) =x
x
2
2
+
x
3
3
+. . . + (1)
n+1
x
n
n
+x
n
(x)
Arctg(x) =x
x
3
3
+. . . + (1)
n
x
2n+1
2n + 1
+(x)x
2n+1
Argsh(x) =x
x
3
6
+. . . + (1)
n
C
n
2n
x
2n+1
4
n
(2n + 1)
+(x)x
2n+1
tg(x) =x +
x
3
3
+
2x
5
15
+(x)x
6
Par la formule de Taylor on a calcule le DL de (1 +x)
1
et de (1 +x)
1/2
Le premier
sobtient en integrant le DL de 1/(1 + x) ; en utilisant le DL dune fonction composee on
obtient le DL de 1/(1 +x
2
) et (1 +x
2
)
1/2
et en integrant on obtient le DL de Arctg(x) et
Argsh(x). En utilisant la formule de Taylor et le fait que la fonction tangente est impaire,
on sait que tg(x) = c
1
x +c
3
x
3
+c
5
x
5
+(x)x
6
; on peut determiner les coecients c
i
soit
en calculant les derivees successives de tg soit en utilisant les DL de sin(x) et cos(x) et la
r`egle pour le quotient de deux DL.
19.2 COURBES PARAM

ETR

EES
Denition: On appelle courbe parametree une application de I dans R
2
o` u I est un
intervalle ou une union dintervalles.
170
Notation : on ecrira en general M(t) = (x(t), y(t)) le point du plan donne par la valeur
t du param`etre.
Remarque : dapr`es la denition il faudrait distinguer lensemble C = (x(t), y(t))
R
2
[ t I qui correspond `a lappellation usuelle de courbe et la courbe parametree
elle-meme qui est lapplication t (x(t), y(t)) ; mais, conformement `a lusage, on dira
aussi que la courbe C est parametree par lapplication. En particulier une courbe (au
sens usuel) peut etre parametree de diverses facons. De nombreux probl`emes conduisent
`a des courbes parametrees, commencons par donner des exemples de parametrisations de
courbes simples.
Exemples :
1) La courbe parametree denie par x(t) = at +b et y(t) = ct +d est une droite dont
la pente est c/a.
2) Lellipse dequation x
2
/a
2
+ y
2
/b
2
= 1 peut etre parametree de plusieurs facons :
dabord `a laide de fonctions circulaires : M(t) = (a cos(t), b sin(t)) mais aussi `a laide de
fractions rationnelles : si lon coupe lellipse par la droite de pente t passant par le point
(a, 0) on obtient (apr`es un petit calcul) un point
M(t) =
_
a
a
2
t
2
b
2
a
2
t
2
+b
2
, t
_
a
a
2
t
2
b
2
a
2
t
2
+b
2
a
__
=
_
a
a
2
t
2
b
2
a
2
t
2
+b
2
,
2ab
2
t
a
2
t
2
+b
2
_
Ceci fournit une parametrisation de lellipse moins le point (a, 0) qui nest pas atteint.
Remarque : ces deux parametrisations peuvent bien s ur etre reliees. Explicitons cela
dans le cas du cercle avec a = b = 1. Le point
_
t
2
1
t
2
+1
,
2t
t
2
+1
_
correspond `a (cos(), sin())
lorsque t = tg(/2).
Nous nous concentrons maintenant sur letude et le trace des courbes parametrees.
Determinons, dans certains cas, la pente de la tangente dune courbe parametree :
TH

EOR
`
EME: Soit t (f(t), g(t)) une courbe parametree par un intervalle I (avec
t
0
I) ; supposons les deux fonctions f et g contin ument derivables en t
0
et telle que
f

(t
0
) ,= 0 alors la pente de la tangente, au point M(t
0
) = (f(t
0
), g(t
0
)) de la courbe
parametree, est donnee par
p =
g

(t
0
)
f

(t
0
)
.
Demonstration: Pour xer les idees, disons que f

(t
0
) > 0 alors f

(t), etant continue,


reste strictement positive sur un (petit) intervalle ]a, b[ contenant t
0
et donc f determine
une bijection de ]a, b[ sur un autre intervalle ; notons h := f
1
la bijection reciproque,
171
on sait que si t = h(x) alors h

(x) = 1/f

(t), de plus on aura alors y = g h(x) et


dy/dx = g

(h(x))h

(x) = g

(t)/f

(t).
Remarques :
i) Mnemotechniquement on pourra utiliser :
dy
dx
=
dy
dt
/
dx
dt
.
ii) Si f

(t
0
) = 0 mais g

(t
0
) ,= 0 alors, en intervertissant les roles des coordonnes on
voit que la pente est verticale. Ceci nous laisse `a traiter le cas o` u f

(t
0
) = g

(t
0
) = 0.
Denition: Le point t
0
I (ou I est un intervalle) est dit singulier pour la courbe
parametree M : I R
2
donnee par t (f(t), g(t)) si f

(t
0
) = g

(t
0
) = 0.
Pour etudier un point singulier, nous allons utiliser les DL des fonctions f, g au voisi-
nage de t
0
(quand ils existent).
Notation : si f(t) = a
0
+a
1
t +. . . a
n
t
n
+(t)t
n
et g(t) = b
0
+b
1
t +. . . b
n
t
n
+(t)t
n
,
notons M(t) =
_
f(t)
g(t)
_
et e
i
=
_
a
i
b
i
_
, nous ecrirons :
M(t) = e
0
+te
1
+. . . +t
n
e
n
+t
n
(t)
o` u (t) designera un vecteur dont les coordonnees tendent vers 0 quand t tend vers 0. On
introduit aussi la notation M

(t) =
_
f

(t)
g

(t)
_
et plus generalement M
(n)
(t) =
_
f
(n)
(t)
g
(n)
(t)
_
.
On obtient alors, sous lhypoth`ese que f et g sont susamment derivable une formule de
Taylor-Young vectorielle :
M(t) = M(t
0
)+
(t t
0
)
1!
M

(t
0
)+
(t t
0
)
2
2!
M

(t
0
)+. . .+
(t t
0
)
n
n!
M
(n)
(t
0
)+(tt
0
)
n
(tt
0
)
TH

EOR
`
EME: Soient m < n les plus petits entiers tels que les vecteurs M
(m)
(t
0
)
et M
(n)
(t
0
) soient lineairement independants, notons e
1
= M
(m)
(t
0
) et e
2
= M
(n)
(t
0
) et
supposons que det(e
1
, e
2
) > 0, alors lallure de la courbe parametree au voisinage de M(t
0
)
est la suivante :
m, n impairs m impair, n pair
m pair n impair m pair, n pair
172
Si det(e
1
, e
2
) < 0, il faut operer une symetrie (par rapport `a la droite engendree par e
1
)
pour obtenir lallure de la courbe au voisinage de M(t
0
).
Demonstration: (esquisse) Apr`es eventuellement une symetrie et `a un changement
de rep`ere pr`es (qui ne modie pas lallure du graphe) on peut se ramener `a etudier les
courbes M(t) := (t
m
, t
n
) ce qui est relativement aise : si m est impair on aura t = x
1/m
et la courbe est le graphe de la fonction f(x) =
_
x
1/m
_
n
, cest-`a-dire :
Si m est pair alors x 0 et, pour t 0 on a t = x
1/m
et y =
_
x
1/m
_
n
alors que pour
t 0, on a y = (1)
n
_
x
1/m
_
n
cest-`a-dire :
Comme illustration, incluons lexemple suivant dont les details sont laisses en exercice.
On veut etudier le comportement au voisinage de t = 0 de la courbe M(t) = (x(t), y(t)) =
(t
2
+ t
4
, t
2
+ t
5
). On a M

(0) = M

(0) = 0 et M

(0) = (2, 2) independant de M


(4)
(0) =
(24, 40). Pour determiner la position de la demi-branche t > 0 par rapport `a celle t < 0
on observe quici, x(t) = x(t) et que, pour t > 0 on a y(t) = y(t) + 10t
5
> y(t) do` u
lesquisse suivante :
Passons maintenant `a letude pratique dune courbe parametree ; un plan general
detude possible est le suivant
Determination du domaine, des periodes et des symetries eventuelles ;
Calcul de x

(t) et de y

(t), tableau de variations, asymptotes ;


Etude des points singuliers, calcul de quelques tangentes ;
Determination des points doubles ;
Representation graphique.
Plutot que de faire une etude theorique, illustrons cela sur un exemple :
Etudions la courbe :
M(t) =
_
x(t)
y(t)
_
=
_
t +
4
t1
t + 1 +
4
(t1)
2
_
Les fonctions x(t) et y(t) sont denies pour t R 1 ; il ny a ni periode ni
symetrie apparente.
173
On calcule x

(t) = (t3)(t+1)/(t1)
2
et y

(t) = (t3)(t
2
+3)/(t1)
3
donc le point
correspondant `a t = 3 cest-`a-dire M(3) =
_
5
5
_
est singulier, et le point M(1) =
_
3
1
_
a une tangente verticale. Les limites de x(t) et y(t) lorsque t tend vers 1 ou sont
faciles `a calculer ainsi que les sens de variation ; on resume ceci dans un tableau :
t 1 1

1
+
3 +
x

(t) + 0 0 +
x(t)
3


+ +

5
y(t)
+

+ +

5
y

(t) + 0 +
Pour determiner si la courbe admet une asymptote lorsque t tend vers 1

ou vers
on calcule le rapport y(t)/x(t) = t
3
t
2
t + 5/(t 1)(t
2
t + 4). Ce rapport ne
tend pas vers une limite nie lorsque t tend vers 1 donc il ny a pas dasymptote dans
ce cas. Par contre lim
t
y(t)/x(t) = 1 et donc sil existe une asymptote elle sera de la
forme y = x + b ; donc il nous faut maintenant voir si y(t) x(t) tend vers une limite
nie : y(t) x(t) = 1 + 4/(t 1)
2
4/(t 1) tend vers 1 donc la droite y = x + 1 est
asymptote ; de plus si t tend vers + on a y(t) x(t) 1 < 0 et si t tend vers on
a y(t) x(t) 1 > 0 donc dans le premier cas la branche de la courbe est au dessous de
lasymptote et dans le deuxi`eme cas elle est au dessus de lasymptote.
On etudie le comportement de la courbe au voisinage du point singulier M(3) =
_
5
5
_
: on calcule tout dabord M

(3) = 0 (bien s ur) puis M

(3) =
_
1
3/2
_
et ensuite
M

(3) =
_
3/2
3
_
. Ces deux derniers vecteurs sont lineairement independants et un
calcul immediat montre que det(M

(3), M

(3)) < 0. Ceci permet donc de determiner


lallure de la courbe au voisinage de M(3) :
Il ny a pas de point double, cest-`a-dire que les equations x(t) = x(s) et y(t) = y(s)
entranent t = s. Verions cela : t + 4/(t 1) = s + 4/(s 1) equivaut `a (t s) =
4(t s)/(s 1)(t 1) donc `a t = s ou (s 1)(t 1) = 4. Par ailleurs t + 1 + 4/(t
174
1)
2
= s + 1 + 4/(s 1)
2
equivaut `a (t s) = 4(s t)(s + t 2)/(s 1)
2
(t 1)
2
donc
`a t = s ou s + t = 2 + (s 1)
2
(t 1)
2
/4. Si lon exclut t = s on aboutit `a ce que
(s 1)(t 1) = 4 et (t 1) + (s 1) = 4 ce qui signie que s 1 et t 1 sont les racines
de X
2
4X + 4 = (X 2)
2
= 0 ce qui entrane s = t = 3.
Avant de tracer la courbe, notons que lon peut preciser un peu le comportement
de la courbe quand t tend vers 1

. En eet on observe que


y(t)
_
x 1
2
_
2
= (t 1)(1 (t 1)/4)
donc lorsque t tend vers 1, la courbe se rapproche de la parabole dequation y = (x1)
2
/4.
On peut meme preciser que lorsque t 1
+
la courbe est au dessus de la parabole et lorsque
t 1

la courbe est au dessous de la parabole. On generalise, sur cet exemple, la notion


de courbe asymptote : on se contente souvent de rechercher les droites asymptotes, mais
on peut rechercher plus generalement des courbes asymptotes.
On peut aussi calculer les points dintersection de la courbe avec lasymptote y =
x +1, on trouve t = 2 et M(2) =
_
6
7
_
ainsi que les points dintersection avec la parabole
y
_
x1
2
_
2
, on trouve t = 5 et M(5) =
_
6
25/4
_
.
On peut maintenant tracer le graphe de la courbe que lon vient detudier (voir page
suivante).
Comme autre exemple on decrit tr`es succintement letude de la courbe (il sagit dun
exemple de courbes dites de Lissajoux).
M(t) =
_
x(t)
y(t)
_
=
_
sin(2t)
cos(3t)
_
La caracteristique de cette courbe est de posseder beaucoup de symetries; mettons en
evidence les principales symetries.
On a bien s ur M(t+2) = M(t) donc la courbe est periodique et il sut de letudier
pour t dans un intervalle de longueur 2.
On remarque aussi que
_
x(t +)
y(t +)
_
=
_
x(t)
y(t)
_
donc on peut prendre un intervalle
de longueur , on obtiendra la courbe compl`ete par symetrie par rapport `a laxe des x.
On a aussi
_
x(t)
y(t)
_
=
_
x(t)
y(t)
_
donc on peut prendre un intervalle centre en 0 et
le reduire de moitie, on obtiendra la courbe compl`ete par symetrie par rapport `a laxe des
y.
175
Trace de la courbe M(t) = (x(t), y(t)) =
_
t +
4
t1
, t + 1 +
4
(t1)
2
_
:
176
Apr`es avoir fait un tableau de variations (ce qui est laisse en exercice), on peut
tracer la courbe (en trait continu la partie correspondant `a t [0, /2], en pointille le reste
de la courbe obtenu par symetrie) :
Trace de la courbe M(t) =
_
x(t)
y(t)
_
=
_
sin(2t)
cos(3t)
_
.
Nous laissons en exercice le soin de determiner les sept points doubles (si lon restreint
le param`etre t `a lintervalle [, +[).
Remarque : on peut observer cette courbe sur lecran dun oscilloscope `a condition
dy entrer deux tensions dont les frequences sont dans un rapport
3
2
(ou
2
3
).
Gauss Carl Friedrich (17771855)
177
CHAPITRE 20 EQUATIONS DIFF

ERENTIELLES
Il y a peu de concept mathematique aussi universellement utilise dans les autres scien-
ces que celui dequation dierentielle. On les retrouve aussi bien en biologie, en chimie
quen economie. Newton disait que traiter mathematiquement un probl`eme physique revient
`a trouver lequation dierentielle qui le decrit. Il ny a donc que lembarras du choix pour
donner des exemples de modelisation de phenom`enes par des equations dierentielles. Ob-
servons que dans ce contexte lidee dunicite qui apparat si importante au mathematicien
et parfois si inutile au profane rev`ele son importance : si la solution est unique, on peut
esperer que les equations que lon a ecrites decrivent compl`etement le phenom`ene. Remar-
quons quil serait aussi illusoire de penser que lon peut resoudre toutes les equations
dierentielles explicitement. En eet nous avons dej`a mentionne que des equations comme
y

= e
x
2
navait pas de solution elementaire ; on peut raner la question en sautorisant
les quadratures (i.e. on sautorise `a prendre des primitives), la reponse est de nouveau
negative : cela ne sut pas pour exprimer les solutions des equations dierentielles en
general. Il est donc important de developper une etude qualitative des equations dieren-
tielles ; nous abordons tr`es succintement ce th`eme dans le premier paragraphe avant de
nous concentrer sur des types tr`es importants dequations que lon sait en fait resoudre
explicitement.
20.1 INTRODUCTION, EXEMPLES
On donne quelques exemples dequations dierentielles et quelques considerations geo-
metriques sur ces equations.
Commen cons par donner une denition (un peu restrictive) dune equation dierentielle :
Denition: Une equation dierentielle dordre n est une equation de la forme :
y
(n)
= f(y
(n1)
, . . . , y

, y, x)
Une solution de lequation dierentielle est une fonction g : I R qui est n fois derivable
et verie g
(n)
(x) = f(g
(n1)
(x), . . . , g

(x), g(x), x)
Remarques :
i) Si g : I R est une solution et si J I alors visiblement la restriction de g `a
J est encore une solution, mais cela ne nous apprend rien sur lequation ; on conviendra
donc de ne sinteresser quaux solutions maximales, i.e. les solutions qui ne sont pas des
restrictions de solutions denies sur des intervalles plus grands.
ii) Le cas general serait plutot une equation du type f(y
(n)
, y
(n1)
, . . . , y

, y, x) = 0.
iii) Il est clair quune tel equation na presque jamais une solution unique (penser au
calcul de primitives i.e. aux equations du type y

= f(x)) ; lintuition physique peut nous


guider : pour esperer avoir unicite des solutions il faut rajouter des conditions initiales,
cest-`a-dire connatre y
(n1)
(x
0
),. . . ,y

(x
0
), y(x
0
) ; par exemple pour une equation de la
mecanique de Newton qui fait intervenir derivee premi`ere (vitesse) et derivee seconde
(acceleration), il faut connatre la position et la vitesse initiales dun solide pour connatre
son mouvement.
178
EXEMPLES : Etudions les solutions de lequation : y

=
3

y.
Soit I un intervalle o` u une solution y ne sannule pas, alors on peut reecrire lequation
y

/
3

y = 1 ce qui equivaut `a
2
3
y
2/3
= xC soit encore y =
_
2
3
(x C)
_
3/2
. On obtient ainsi
des solutions sur tout intervalle [C, +). Par ailleurs y = 0 est une solution evidente ; ceci
permet de decrire un certain nombre de solutions ; nous nous contenterons de les dessiner
et dobserver que lequation nest pas deterministe : si disons y(0) = 0, rien ne permet
de dire quand y decollera pour prendre des valeurs positives.
On na trace que des solutions positives ; on peut en obtenir dautres en utilisant la
symetrie : si y(x) est une solution, alors y
1
(x) := y(x) est egalement solution.
Lequation precedente est un cas particulier des equations `a variables separees i.e.
celles que lon peut ecrire sous la forme
f(y)y

= g(x) (E)
Pour chercher les solutions de (E), on introduit F une primitive de f et G une primitive
de g. Si y(x) est une solution de (E) alors F(y(x)) = G(x) + K (o` u K designe une
constante). Si on se place sur un intervalle o` u F denit une bijection, on poura alors ecrire
y(x) = F
1
(G(x) +K). A titre dexemple etudions lequation
sin
2
(x)y

cos(x)y
2
= 0
En se placant hors de x = 0 et la o` u y(x) ,= 0, on peut reecrire lequation y

/y
2
=
cos(x)/ sin
2
(x) qui donne 1/y(x) = 1/ sin(x) +K do` u y(x) = sin(x)/(1 K sin(x)).
Considerations geometriques
Denition: Un champ de vecteurs dans le plan est la donnee en chaque point du plan
dun vecteur du plan ; en dautre termes cest une application de R
2
dans R
2
.
Le champ de vecteur v(x, y) = (x, x +y
2
)
Le lien avec les equations dierentielles est donne par lobservation suivante : si on
souhaite etudier une equation dierentielle du type y

= f(x, y), on denit un champ de


vecteur en choisissant en chaque point (x, y) un vecteur de pente f(x, y). Alors il est clair
quune solution de lequation dierentielle est une courbe tangente en chaque point au
champ de vecteurs.
179
On peut representer cela ainsi
Ceci permet dej`a une certaine analyse qualitative des solutions. Par exemple le trace
des courbes f(x, y) = a decoupe le plan en region dans lesquelles la pente des solutions
est a ou a ; en particulier la courbe f(x, y) = 0 partage le plan en plusieurs parties :
celles o` u les solutions sont croissantes et celles o` u les solutions sont decroissantes.
Donnons des exemples de proprietes geometriques veriables par le calcul et par le
dessin du champ de vecteurs.
Champ associe `a y

= ay +b
Lallure des solutions sera conrme au prochain paragraphe o` u lon verra quelles sont
de la forme y(x) = e
ax
b/a
Champ associe `a y

= f(x)
Vu le parallelisme du champ de vecteur on voit que si y(x) est solution y(x) + C
egalement ; ceci est clair car y doit etre une primitive de f
180
Champ associe `a y

= f(y)
Vu le parallelisme du champ de vecteur on voit que si y(x) est solution y(x + C)
egalement ; ceci est clair car x doit etre une primitive de y

/f(y).
Exemples de modelisation par des equations dierentielles :
1) Une piscine de 40000 litres a son eau renouvelee au rythme de 200 litres par heures.
Par accident leau de regeneration est polluee avec une concentration de 5% par un produit
toxique dont on sait quune concentration superieure `a 3% peut etre dangereuse. Comment
varie la concentration du produit toxique en fonction du temps, la concentration dangereuse
est-elle atteinte? Au bout de combien de temps?
Modelisation : appelons y(t) la concentration et Y (t) = 40000y(t) la quantite (en
litres) du produit toxique dans la piscine. Considerons un petit accroissement du temps
h, alors Y (t +h) est egal Y (t) augmente de 200 0, 05 h (la quantite de produit deverse
durant lintervalle de longueur h) et diminue de 200 y(t) h ; ici on neglige des termes
du second ordre (par rapport `a h), i.e. on fait lapproximation que la concentration est
constante, cette approximation est justie (au moins intuitivement) car on va faire tendre
h vers zero. On obtient donc Y (t + h) = Y (t) + 10h 200y(t)h do` u en faisant tendre h
vers zero
Y

(t) + 0, 0005Y (t) = 10


On verra (il sagit dune equation lineaire du premier ordre avec coecients constants) que
les solutions sont de la forme Y (t) = Ce
0,005t
+2000 et donc si Y (0) = 0 (eau non polluee
avant laccident) on obtient Y (t) = 2000(1 e
0,005t
) et y(t) = 0, 05(1 e
0,005t
). Letude
du champ de vecteurs associe donna dailleurs lallure de ces courbes. On voit ainsi que la
concentration tendra vers 5% avec le temps et atteindra 3% au bout de 200 log(2, 25) 183
heures.
VARIANTE : Lamiante est un poison dont linhalation provoque diverses maladies
pulmonaires dont des cancers mortels (cancers broncho-pulmonaires, et mesotheliomes de
la pl`evre et du peritoine) dont le temps de latence est particuli`erement long (respectivement
30 ans et 40 ans en moyenne) ; heureusement on nest pas presse! Sachant que lair quon
respire `a Jussieu contient de lordre de quelques bres par litre, que letre humain respire
plusieurs milliers de litres dair par jour, que la concentration de bres damiante dans lair
peut etre multipliee par 50 par lactivite dans une pi`ece, par 500 lors de travaux dans les
faux-plafonds (passage de cables, reparation de circuit electrique, de canalisation), sachant
que lon ignore sil existe un seuil au dessous duquel lamiante cesse dinduire des cancers,
pouvez-vous evaluer, `a laide dune equation dierentielle, le risque encouru `a Jussieu 1)
par un etudiant (qui passe en moyenne 3 `a 4 ans `a luniversite), 2) par un enseignant ou
administratif (qui y travaille de facon permanente) 3) par un agent de maintenance ou de
nettoyage (qui sera amene `a operer dans les faux-plafonds ou `a nettoyer apr`es)?
181
2) Si on consid`ere quun ressort exerce une force proportionnelle `a leloignement du
solide qui lui est attache, lequation de la mecanique

F = m

se traduit ainsi, en notant


y la position du solide, m sa masse, 0 le point de xation du ressort et k le rapport de
proportionalite donnant la force exercee : ky = my

.
Posons :=
_
k/m alors lequation secrit :
y

+
2
y = 0
Nous verrons que les solutions de cette equation sont du type y(t) = Asin(t) +Bcos(t)
ou si lon pref`ere y(t) = C cos(t + ). Ceci permet de voir que les oscillations restent
bornees (damplitude C) et periodiques (de periode 2/) ; on peut aussi constater que la
connaissance de la position et vitesse initiale (disons y(0) et y

(0)) permet de determiner


enti`erement le mouvement du solide (B = y(0) et A = y

(0)/).
Letude dun circuit electrique RLC (avec resistance, inductance et capacite) conduit
`a des equations du meme type.
3) On consid`ere un pendule de longueur , de masse m accroche en un point O et on
note y langle que la tige du pendule fait avec la verticale ; comme dans cette gure :
Lequation de la mecanique

F = m

se traduit par mg sin(y) = my

(o` u g est la
constante universelle de gravitation) et en posant :=
_
g/ on obtient :
y

+
2
sin(y) = 0
Cette equation est nettement plus compliquee que les deux precedentes car elle nest pas
lineaire en y et lon ne sait pas exprimer ses solutions par une formule. On peut neanmoins
letudier qualitativement, par exemple essayer de savoir si il y a des solutions periodiques ou
si une solution doit etre periodique. Ces probl`emes sont diciles et nous nous contenterons
dobserver que si les oscillations du pendule sont susamment petites, on aura sin(y(t))
y(t) et donc que les solutions de lequation y

+
2
y = 0 representerons une bonne
approximation des solutions de lequation dierentielle originale.
182
20.2

EQUATIONS DIFF

ERENTIELLES LIN

EAIRES DU PREMIER ORDRE


Il sagit des equations du type y

= a(x)y + b(x). Une observation simple a montre


que le champ de vecteurs associe `a une forme simple au dessus de chaque intervalle o` u le
signe de a(x) est constant. On va voir que lon peut en fait resoudre par quadrature ces
equations.
Commencons par observer que lensemble des solutions forme un espace ane ; cest-`a-
dire que si y
0
est une solution et y en est une autre alors yy
0
est solution de lequation z

=
a(x)z. Or lensemble des solutions de cette derni`ere equation dierentielle est visiblement
un espace vectoriel.
Denition: On appelle equation dierentielle homog`ene associee `a lequation y

=
a(x)y +b(x), lequation y

= a(x)y.
Ainsi toute solution dune equation dierentielle lineaire du premier ordre est somme
dune solution particuli`ere et dune solution de lequation homog`ene associee.
Commencons par la resolution de lequation homog`ene (remarquez quil sagit dune
equation `a variables separees) :
TH

EOR
`
EME: Soit (x
0
, y
0
) R
2
et soit a : I R une fonction continue avec x
0
I ;
il existe une unique solution de lequation dierentielle y

= a(x)y telle que y(x


0
) = y
0
;
celle-ci est donne explicitement par
y(x) := y
0
exp
__
x
x
0
a(t)dt
_
La solution generale de lequation dierentielle est y(x) = C exp (A(x)) o` u A(x) designe
une primitive de a(x).
Demonstration: On verie facilement que la fonction annoncee est une solution ; in-
versement, si y est une solution, posons z(x) := y(x) exp
_

_
x
x
0
a(t)dt
_
alors z est derivable
et un calcul direct donne
z

(x) = (y

(x) a(x)y(x)) exp


_

_
x
x
0
a(t)dt
_
= 0
do` u z(x) = C et on trouve donc y(x) = C exp
_
_
x
x
0
a(t)dt
_
. Imposer la condition y(x
0
) =
y
0
revient alors `a imposer C = y
0
.
Exemples : soient , b des reels non nuls, on se restreint `a x R

+
, alors lequation
y

= x
b
y a pour solution y(x) = C exp
_
x
b+1
b+1
_
si b ,= 1 et y(x) = Cx

si b = 1.
Passons `a la recherche dune solution particuli`ere pour une equation du type
y

= a(x)y +b(x)
Dans certains cas il est facile de trouver une solution simple ; par exemple lequation
dierentielle y

= y + admet visiblement comme solution particuli`ere y = / par


183
consequent la solution generale de lequation est y(x) = Ce
x
/. Toutefois il se peut
quaucune solution ne soit visible et alors il est utile de recourir `a une methode generale
dite de variation de la constante (sic).
Lidee est la suivante : lequation homog`ene a pour solution y
1
(x) = C exp
_
_
x
x
0
a(t)dt
_
et on va chercher une solution y sous la forme y(x) = C(x) exp
_
_
x
x
0
a(t)dt
_
.
TH

EOR
`
EME: Soit (x
0
, y
0
) I R et soit a, b : I R deux fonctions continues ; il
existe une unique solution de lequation dierentielle y

= a(x)y+b(x) telle que y(x


0
) = y
0
;
celle-ci est donne explicitement par
y(x) := y
0
exp
__
x
x
0
a(t)dt
_
+
_
x
x
0
b(t) exp
_

_
t
x
a(u)du
_
dt
La solution generale de lequation dierentielle est obtenue en faisant varier y
0
.
Demonstration: Soit y une solution de lequation dierentielle etudiee, posons C(x) :=
y(x) exp
_

_
x
x
0
a(t)dt
_
; alors
C

(x) = (y

(x) a(x)y(x)) exp


_

_
x
x
0
a(t)dt
_
= b(x) exp
_

_
x
x
0
a(t)dt
_
donc si on designe par y
1
(x) la fonction exp
_
_
x
x
0
a(t)dt
_
on obtient C(x) = C
0
+
_
x
x
0
b(t)dt
y
1
(t)
et y(x) = C
0
y
1
(x)+y
1
(x)
_
x
x
0
b(t)dt
y
1
(t)
. Inversement il est facile de verier quune telle fonction
est bien solution de lequation dierentielle. La condition y(x
0
) = y
0
equivaut `a C
0
= y
0
.
Exemples
Considerons lequation y

= 2xy + 1 alors le calcul donne (en prenant x


0
= 0)
une solution homog`ene y
1
(x) = C exp(x
2
) et une solution generale y(x) = C exp(x
2
) +
exp(x
2
)
_
x
0
exp(t
2
)dt.
Lequation y

= 2y/x + e
x
a pour solution homog`ene y
1
(x) = C[x[
2
et, sur
chacun des intervalles (, 0[ et ]0, +), la solution generale secrit y(x) = C[x[
2
+
[x[
2
_
x
x
0
e
t
t
2
dt ou encore
y(x) = Cx
2
+
_
1 2x
1
+ 2x
2
_
e
x
20.3

EQUATIONS DIFF

ERENTIELLES LIN

EAIRES DU SECOND ORDRE


On sinteresse maintenant aux equations dierentielles lineaires du second ordre. On
traitera plus particuli`erement le cas des coecients constants mais le debut de la discussion
est generale ne necessite pas cette hypoth`ese. Il sagit dequations du type :
y

+a(x)y

+b(x)y = c(x)
184
La premi`ere observation est que de nouveau lensemble des solutions forme un espace ane
et que toute solution sera somme dune solution particuli`ere et dune solution de lequation
homog`ene correspondante
y

+a(x)y

+b(x)y = 0
Commen cons par traiter lequation homog`ene en montrant le theor`eme general suivant :
TH

EOR
`
EME: Soit a, b : I R deux fonctions continues, lespace vectoriel des
solutions de lequation y

+a(x)y

+b(x)y = 0 a une dimension egale au plus `a deux. En


fait il existe au plus une solution telle que y

(x
0
) = y

0
et y(x
0
) = y
0
.
Demonstration: Pour chaque paire de solutions y
1
, y
2
fabriquons la fonction
W(x) := det
_
y
1
(x) y

(x)
y
2
(x) y

2
(x)
_
= (y
1
y

2
y

1
y
2
)(x)
Un calcul direct donne
W

(x) = y
1
y

2
y

1
y
2
= y
1
(a(x)y

2
b(x)y
2
) y
2
(a(x)y

1
b(x)y
1
) = a(x)W(x)
donc W(x) est elle-meme solution dune equation dierentielle lineaire du premier ordre
et donc W(x) = W(x
0
) exp
_

_
x
x
0
a(t)dt
_
; en particulier on a soit x I, W(x) ,= 0 soit
x I, W(x) = 0.
Supposons quil existe deux solutions y
1
, y
2
lineairement independantes (sil nen existe
pas alors lespace des solutions est de dimension 1) ; on sait que (y
1
y

2
y

1
y
2
)(x
0
) ,= 0
donc pour toute autre solution y il existe , tels que y(x
0
) = y
1
(x
0
)+y
2
(x
0
) et y

(x
0
) =
y

1
(x
0
) + y

2
(x
0
) (le syst`eme lineaire correspondant est de Cramer). Par consequent la
fonction W associee `a y et y
1
+ y
2
est nulle et donc y est une combinaison lineaire de
y
1
et y
2
.
Le determinant W considere dans la preuve sappelle le wronskien en lhonneur du
mathematicien H. Wronsky.
Remarquons que la demonstration contient des renseignements plus riches que ceux
donnes dans lenonce du theor`eme ; on a en particulier montre :
COROLLAIRE: Soit y
1
, y
2
deux solutions de y

+ a(x)y

+ b(x)y = 0 telles que


(y
1
y

2
y

1
y
2
)(x
0
) ,= 0 pour un point x
0
alors y
1
et y
2
forment une base de lespace vectoriel
des solutions de lequation dierentielle.
Exemple : on peut verier que sur R

+
les deux fonctions y
1
(x) = cos(

x) et y
2
(x) =
sin(

x) forment une base des solutions de 4xy

+ 2y

+ y = 0. Remarquons que pour


appliquer la theorie precedente il faut dabord diviser par 4x et donc travailler sur un
intervalle de R

. De meme une base des solutions sur R

est fournie par les deux fonctions


y
1
(x) = exp
_
x
_
et y
1
(x) = exp
_

x
_
.
Nous allons maintenant considerer des equations avec a, b constants ; ce cas est tr`es
important dabord parce que le principe general des developpements limites nous a ap-
pris que toute fonction assez reguli`ere peut etre approchee par une fonction lineaire donc
185
les equations lineaires, `a coecients constants, decrivent au moins localement le com-
portement des solutions de beaucoup dequation dierentielles ; de plus un bon nombre
de modelisations conduisent naturellement `a des equations de ce type et elles presentent
lavantage quon peut decrire explicitement leurs solutions.
Denition: Lequation caracteristique associee `a une equation dierentielle y

+ay

+
by = 0 est lequation polynomiale X
2
+aX +b = 0
Bien s ur cette notion est analogue `a celle introduite pour les suites lineaires recurrentes
(chapitre 12).
TH

EOR
`
EME: Considerons lequation dierentielle `a coecients constants y

+ay

+
by = 0 et appelons
1
,
2
les racines de lequation caracteristique associee.
i) Si
1
,=
2
alors une base des solutions de lequation dierentielle est donnee par
les fonctions x e

1
x
et x e

2
x
.
ii) Si
1
=
2
= alors une base des solutions de lequation dierentielle est donnee
par les fonctions x e
x
et x xe
x
.
De plus dans le premier cas, si les coecients sont reels et les racines complexes

1
= u + i et
2
= u i, une base de solutions reelles est donnee par les fonctions
x e
ux
cos(x) et x e
ux
sin(x).
Demonstration: Dapr`es le theor`eme precedent, il sut de verier que les deux
fonctions sont solutions de lequation dierentielle (ce qui est immediat `a verier) et
independantes en un point x
0
, mais dans le premier cas (y
1
y

2
y

1
y
2
)(x
0
) = (
2

1
)e
(
1
+
2
)x
0
,= 0 et dans le second cas (y
1
y

2
y

1
y
2
)(x
0
) = e
x
0
,= 0.Pour la derni`ere ar-
mation il sut de se rappeler que e
(u+i)x
+e
(ui)x
= 2e
ux
cos(x) et e
(u+i)x
e
(ui)x
=
2ie
ux
sin(x).
Remarque : Le comportement general des solutions quand x tend vers linni est
gouverne par les racines de lequation caracteristique : si les racines verient Re(
i
) < 0
alors toutes les solutions tendent vers zero quand x tend vers + ; si les racines verient
seulement Re(
i
) 0 et sont distinctes, toutes les solutions sont bornees, lorsque x tend
vers +.
La recherche dune solution particuli`ere de lequation y

+ay

+by = c(x) est possible


par une variante de la methode de la variation des constantes mais nous ne traiterons
que le cas o` u c(x) est le produit dun polynome et dune exponentielle (ou dune fonction
circulaire).
TH

EOR
`
EME: Soit P(x) un polynome de degre m alors il existe une solution partic-
uli`ere de lequation dierentielle y

+ay

+by = P(x)e
x
de la forme suivante :
i) Si
2
+a +b ,= 0 on peut prendre y(x) = Q(x)e
x
avec deg(Q) = m
ii) Si
2
+ a + b = 0 mais 2 + a ,= 0 on peut prendre y(x) = Q(x)e
x
avec
deg(Q) = m+ 1
iii) Si
2
+a+b = 0 et 2+a = 0 on peut prendre y(x) = Q(x)e
x
avec deg(Q) = m+2
Demonstration: Appelons E
m
lensemble des fonctions f de la forme f(x) = P(x)e
x
avec P polynome de degre m ; cest un espace vectoriel de dimension m + 1 (il est
186
clairement isomorphe `a lespace vectoriel des polynomes de degre m. et notons L
lapplication qui `a f associe f

+af

+f. On calcule
L(f) =
_
P

+ (2 +a)P

+ (
2
+a +b)P
_
e
x
On voit tout de suite que L est donc une application lineaire de E
m
vers E
m
.
i) Comme
2
+ a + b ,= 0, le degre de P

+ (2 + a)P

+ (
2
+ a + b)P est egal `a
celui de P et donc L(f) = 0 equivaut `a f = 0. Lapplication L etant injective doit etre
surjective, ce qui est la premi`ere armation du theor`eme.
ii) Comme
2
+a +b = 0 mais 2 +a ,= 0 on a
deg
_
P

+ (2 +a)P

+ (
2
+a +b)P
_
= deg(P) 1
ainsi limage de E
m
par L se trouve dans E
m1
et le noyau de L est constitue des fonctions
Ce
x
donc est de dimension 1 ; limage Im(L) a donc meme dimension que E
m1
et lui est
donc egale ; cest-`a-dire que pour tout polynome P de degre m1 il existe un polynome
Q de degre m tel que L(Q(x)e
x
= P(x)e
x
.
iii) Comme
2
+a +b = 0 et 2 +a = 0, on a
deg
_
P

+ (2 +a)P

+ (
2
+a +b)P
_
= deg(P) 2
ainsi le noyau de L est constitue des fonctions (C
1
+C
2
x)e
x
donc est de dimension deux ;
limage Im(L) est de dimension m1 et contenue dans E
m2
donc lui est egale ; cest-`a-
dire que pour tout polynome P de degre m 2 il existe un polynome Q de degre m tel
que L(Q(x)e
x
= P(x)e
x
.
APPLICATION: (Resonance) Etudions le probl`eme dun ressort recevant une agita-
tion periodique, ou dun circuit electrique recevant un courant sinusodal. Un tel pheno-
m`ene est decrit par une equation du type
y

+
2
y = a cos(x) +b sin(x)
Si ,= alors y est la superposition dune solution generale de lequation dierenti-
elle homog`ene : cos(x) + sin(x) et dune solution particuli`ere du type cos(x) +
sin(x) ; en particulier les solutions sont bornees.
Si = alors y est la superposition dune solution generale de lequation die-
rentielle homog`ene : cos(x) + sin(x) et dune solution particuli`ere du type (ax +
c) cos(x) +(bx +d) sin(x) ; en particulier les solutions ne sont pas bornees ce qui veut
dire que le ressort va casser ou que le circuit electrique va griller. Ce phenom`ene (le fait
quun syst`eme poss`ede une frequence critique) sappelle le phenom`ene de resonance ; cest
la raison pour laquelle les deles militaires cessent de se faire au pas cadence quand ils
passent sur un pont.
Remarquons aussi que pour chercher une solution particuli`ere de y

+
2
y = g
1
(x) +
. . . +g
s
(x) il sut de chercher une solution particuli`ere y
i
de y

+
2
y = g
i
(x) et ensuite
dadditionner les y
i
. Par exemple si g
i
(x) = A
i
cos(
i
x +
i
) avec
2
i
,=
2
alors il y aura
187
une solution particuli`ere de la forme y
0
(x) = C
1
cos(
1
x +
1
) + . . . + C
s
cos(
s
x +
s
).
Cest le principe de superposition.
Terminons ce chapitre en donnant un exemple dequation dierentielle (lineaire, `a
coecients non constants) se ramenant `a une equation dierentielle lineaire `a coecients
constants.
Equation dEuler :
x
2
y

+axy

+by = g(x)
Pla cons nous sur R

+
(ou R

) avec := sgn(x) = 1 et posons t := log [x[ (donc x = e


t
)
et z(t) := y(e
t
) ; on obtient aisement : z

(t) = e
t
y

(e
t
) et z

(t) = e
2t
y

(e
t
) +e
t
y

(e
t
)
do` u z

+(a 1)z

+bz = g(e
t
) qui est une equation lineaire `a coecients constants. Les
solutions sont du type z(t) = e

1
t
+e

2
t
+z
0
(t) (ou (+t)e
t
+z
0
(t)) o` u z
0
(t) designe
une solution particuli`ere. On en tire les solutions de lequation originale sur R

+
(ou R

) :
y(x) = [x[

1
+[x[

2
+z
0
(log [x[) (ou ( +log [x[)[x[

+z
0
(log [x[)
Exemples : Lequation x
2
y

+xy

+y = x+1 conduit `a lequation z

+z = e
t
+1 et
donc aux solutions de la forme : z(t) = cos(t) + sin(t) + e
t
/2 + 1 qui correspond aux
solutions y(x) = cos(log [x[) +sin(log [x[) +x/2 + 1.
Lequation x
2
y

2xy

+ 2y = x + 1 conduit `a lequation z

3z

+ 2z = e
t
+ 1 et
donc aux solutions de la forme : z(t) = e
t
+e
2t
) te
t
+1/2 qui correspond aux solutions
y(x) = [x[ +x
2
(log [x[)[x[ + 1/2.
Letude de la possibilite de raccorder deux solutions sur R

+
et R

est laissee en
exercice.
Exercice. (Methode de variation des constantes pour les equations dordre deux). On
souhaite calculer les solutions de
y

(x) +a(x)y

(x) +b(x)y(x) = g(x) (E)


lorsquon connait une base y
1
(x), y
2
(x) des solutions de lequation homog`ene. En partic-
ulier W(x) := y
1
(x)y

2
(x) y
2
(x)y

1
(x) est une fonction ne sannulant pas.
a) Montrer que si C
1
et C
2
sont deux fonctions derivables veriant :
_
C

1
y
1
+C

2
y
2
= 0
C

1
y

1
+C

2
y

2
= g
alors la fonction y(x) = C
1
(x)y
1
(x) +C
2
(x)y
2
(x) est solution de lequation (E).
b) En deduire une expression de la solution generale de (E) :
y(x) =
_
A
1

_
x
x
0
y
2
(t)g(t)
W(t)
dt
_
y
1
(x) +
_
A
2
+
_
x
x
0
y
1
(t)g(t)
W(t)
dt
_
y
2
(x)
o` u A
1
et A
2
sont des constantes
188
CHAPITRE 21 FONCTIONS DE PLUSIEURS VARIABLES
Nous avons jusqu`a present etudie les fonctions dune variable reelle. Si ce th`eme est
tr`es riche et utile, il est cependant tr`es loin de permettre daborder la totalite des situa-
tions. En eet on peut meme dire que la plupart des phenom`enes font intervenir plusieurs
variables : un probl`eme de thermodynamique (par exemple letude dun gaz) fait inter-
venir pression, temperature, volume, un probl`eme deconomie fait souvent intervenir de
tr`es nombreux param`etres, etc. Letude des fonctions de plusieurs variables simpose donc
naturellement, les lois de la nature secrivant le plus souvent comme des relations entre
plusieurs quantites. Comme on va le voir certains aspects des fonctions `a plusieurs vari-
ables sont dej`a presents dans letude des fonctions dune variable, cependant elles font
egalement apparatre des phenom`enes nouveaux. Dun point de vue mathematique une
premi`ere explication est que la topologie du plan, de lespace (`a trois dimensions) ou plus
generalement de R
n
est nettement plus compliquee que celle de R. Ce point est suc-
cintement developpe, on va surtout sattacher `a traiter lanalogue du calcul dierentiel
(derivees partielles, accroissements nis et formule de Taylor, extrema locaux et globaux)
pour une fonction de plusieurs variables. La generalisation des equations dierentielles
ordinaires (EDO), cest-`a-dire pour les fonctions dune variable, sappelle naturellement
equations aux derivees partielles (EDP). Dans cette premi`ere approche les EDP sont
`a peine evoquees, mais on sest eorce de mentionner, lors dexemples et dexercices, au
moins trois des EDP les plus importantes en physique :
f :=

2
f
x
2
1
+. . . +

2
f
x
2
n
= 0 (equation de Laplace)
f c
2

2
f
t
2
= 0 (equation des ondes, DAlembert)
f
f
t
= 0 (equation de la chaleur ou de la diusion, Fourier)
Cependant letude generale des solutions de ces equations depasse largement le niveau de
ce cours. Cette partie du cours se termine avec une discussion des methodes de calcul
dierentiel visant `a determiner les extrema dune fonction de plusieurs variables.
1. INTRODUCTION ET REPR

ESENTATION
Soit U une partie de R
n
, une fonction f : U R sappelle une fonction de n variables.
Par exemple les fonctions f(x, y, z) = x
2
+ y
2
+ z
2
et g(x, y, z) = x
2
y
2
z
2
sont deux
fonctions (assez simples) de trois variables denies sur U = R
3
. La fonction h(x, y) =
log(x
2
+ y + 1)/(x y) est une fonction de deux variables denie sur lensemble plus
complique :
U := (x, y) R
2
[ x
2
+y + 1 > 0, et x ,= y.
Lanalogue du graphe dune fonction dune variable est facile `a denir. Si f : U R est
une fonction de n variables, on denit le graphe de f comme lensemble :
Graphe
f
:= (x, y) U R [ y = f(x).
189
Cependant on percoit tout de suite une diculte pour le dessiner : cest un sous-ensemble
de R
n+1
; or le tableau ou notre feuille de papier na que deux dimensions ! En utilisant
les conventions visuelles de la perspective, on peut encore en partie representer le graphe
dune fonction de deux variables (voir les exemples ci-dessous) mais cela devient impossible
pour une fonction de 3 ou plus variables. On devra donc se contenter de representations
partielles. Cest-`a-dire que, pour une fonction de 3 variables par exemple f(x, y, z), on
peut tracer soit un certain nombre de surfaces (quon pourra appeler tranches)
u = f(x, y, c), avec c xe,
soit tracer un certain nombre de surfaces de niveau i.e. les surfaces dequation :
f(x, y, z) = a, avec a xe.
Exemples. Montrons comment tracer le graphe de la fonction h(x, y) = x
2
y
2
, cest-`a-dire
la surface dequation z = x
2
y
2
. On trace la courbe intersection de la surface avec les
plans x = 0 et y = 0. Ce sont des paraboles dont lune est renversee. En particulier on
remarquera que le point (0, 0) correspond `a un minimum le long de la courbe obtenue en
xant y = 0 mais correspond `a un maximum le long de la courbe obtenue en xant x = 0.
Remarque : cette surface a la forme dune selle, ce qui justiera dappeler point-
selle un point dune surface ayant la meme allure (on lappelle aussi col).
Considerons la fonction f(x, y, z) = x
2
+ y
2
+ xyz. Le trace de quelques tranches
u = x
2
+y
2
+cxy (pour c xe) donne :
c = 2 c = 0 c = 2
On obtient le trace approximatif pour c = 0 en faisant tourner autour de laxe vertical
la parabole contenue dans le plan y = 0 dequation u = x
2
. Le trace des courbes de niveau
x
2
+y
2
+xyz = a est laisse en exercice (choisir par exemple c = 3, c = 0 et c = 3).
190
Si lon choisit maintenant g(x, y, z) = x
2
y
2
z
2
. Le trace de quelques tranches
u = x
2
y
2
c
2
(pour c xe) donne :
c = 0 c = 1
Le trace des courbes de niveau est egalement assez simple dans ce cas : il sagit
dhyperbolodes de revolution x
2
y
2
z
2
= a :
a = 1 a = 0 a = 1
Remarquons au passage quon a utilise le mot surface en un sens que nous esperons
etre clair mais que nous navons pas deni.
Nous allons maintenant etudier les questions de continuite et de derivabilite, mais pour
cela il faut faire un detour et etudier un peu plus le plan et plus generalement lespace R
n
.
2. UN PEU DE TOPOLOGIE DE R
n
La notion de continuite sur R a ete etudiee `a partir de la distance entre deux reels, qui
permet de denir la notion de tendre vers ou de limite; il existe bien s ur une notion
analogue de distance dans R
n
que nous rappelons. Notons (x y) = x
1
y
1
+ . . . + x
n
y
n
le
produit scalaire de deux vecteurs de R
n
. Il est utile de se souvenir que (x y) = 0 equivaut
`a dire que les vecteurs x et y sont orthogonaux.
Denition: On appelle norme euclidienne dun vecteur x = (x
1
, . . . , x
n
) de R
n
le
nombre :
[[x[[ :=
_
(x x) =
_
x
2
1
+. . . +x
2
n
.
191
On denit la distance euclidienne entre deux vecteurs x = (x
1
, . . . , x
n
) et y = (y
1
, . . . , y
n
)
de R
n
par la formule :
distance (x, y) := [[x y[[ =
_
(x
1
y
1
)
2
+. . . + (x
n
y
n
)
2
.
Lanalogue dun intervalle (ouvert) de R qui secrit ]a r, a + r[= x R [ [x a[ < r,
est une boule (ouverte) de R
n
: on appelle boule (ouverte) de centre a R
n
et de rayon r
lensemble
B(a, r) := x R
n
[ [[x a[[ < r.
Les principales proprietes de la norme euclidienne sont resumees dans la proposition sui-
vante (les trois premi`eres proprietes caracterisant les normes) vue au chapitre 11 en di-
mension 2 et 3.
PROPOSITION: La norme euclidienne sur R
n
verie pour tout x = (x
1
, . . . , x
n
) R
n
(i) On a [[x[[ 0 avec egalite si et seulement si x = 0;
(ii) Pour a R, on a [[ax[[ = [a[[[x[[;
(iii) (inegalite triangulaire) [[x + y[[ [[x[[ + [[y[[. De plus on a linegalite de Cauchy-
Schwarz :
[(x y)[ := [x
1
y
1
+. . . +x
n
y
n
[ [[x[[ [[y[[.
(iv) distance (x, y) 0 (avec egalite seulement si x = y)
(v) distance (x, y) distance (x, z) + distance (z, y).
Remarque. Dans le plan, on sait que, si est langle entre les deux vecteurs x et y,
alors (x y) = cos [[x[[ [[y[[ ; linegalite de Cauchy-Schwarz equivaut donc dans ce cas `a
[ cos [ 1.
Remarque. Il est quelquefois commode dutiliser dautres normes comme par exemple :
[[x[[
1
= [x
1
[ +. . . +[x
n
[, ou encore [[x[[

= max
i=1 `a n
[x
i
[.
Les inegalites suivantes sont assez faciles `a etablir et sont laissees en exercice :
[[x[[ [[x[[
1
n[[x[[, et
[[x[[

n
[[x[[

[[x[[.
Elles permettent de voir que [[x[[ tend vers zero si et seulement si [[x[[
1
(ou [[x[[

) tend vers
zero. Par contre les boules nont pas la meme forme :
Boule [[x[[ 1 dans R
3
, Boule [[x[[
1
1 dans R
3
, Boule [[x[[

1 dans R
3
.
192
On peut maintenant denir la notion de limite et continuite.
Denition: Soit U contenant une boule centree en x
0
(dans R
n
) et soit f : U R une
fonction de n variables. On dit que f(x) tend vers quand x tend vers x
0
si on a
> 0, > 0, 0 < [[x x
0
[[ [f(x) [ .
Si de plus = f(x
0
), on dit que f est continue au point x
0
. Si f est continue en tout point
x U, on dit que f est continue sur U.
Les proprietes usuelles suivantes restent vraies (et se demontrent comme pour les fonc-
tions dune variables) :
(i) La somme et le produit de fonctions continues sont encore continus. Les polynomes
(`a plusieurs variables) sont des fonctions continues.
(ii) La composee de fonctions continues `a plusieurs variables est encore continue. Plus
precisement si f(u
1
, . . . , u
n
) est une fonction continue `a n variables et si g
i
(x
1
, . . . , x
m
)
est une fonction continue `a m variables pour 1 i n, alors la fonction
F(x
1
, . . . , x
m
) := f(g
1
(x
1
, . . . , x
m
), . . . , g
n
(x
1
, . . . , x
m
))
est une fonction continue `a m variables.
Exemple. La fonction h(x, y) = log(x
2
+y+1)/(xy) est continue sur son domaine de
denition. En eet on peut lecrire en composant polynomes, fonction inverse (cest-`a-dire
f(x) = 1/x) et fonction logarithme.
Etudions deux exemples o` u la continuite est plus delicate et o` u il nous faut revenir `a
la denition. Considerons les deux fonctions
f(x, y) =
_
xy
x
2
+y
2
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
g(x, y) =
_
x
4
+y
4
x
2
+y
2
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
Par les memes arguments que precedemment, on voit que f et g sont continues en tout point
de R
2
(0, 0). La question de la continuite au point (0, 0) est plus delicate. Montrons
que g est continue au point (0, 0) alors que f nest pas continue au point (0, 0).
Pour montrer la continuite de g en (0, 0) on doit montrer que g(x, y) devient arbi-
trairement petit quand la norme de (x, y) devient petite. Pour voir cela on peut majorer
x
4
+y
4
(x
2
+y
2
)
2
et donc ecrire
[g(x, y)[ x
2
+y
2
qui montre que g(x, y) tend vers 0 quand (x, y) tend vers 0. En eet d`es que [[(x, y)[[ =
_
x
2
+y
2


on aura [g(x, y)[ .
Pour montrer que f nest pas continue, on peut observer que, pour a xe,
lim
x0
f(x, ax) = lim
x0
ax
2
(1 +a
2
)x
2
=
a
1 +a
2
193
existe mais varie avec a, et en particulier nest pas toujours egale `a f(0, 0).
Un peu de vocabulaire. Nous utiliserons le minimum de topologie de R
n
et nous
concentrerons sur le calcul dierentiel mais nous denissons neanmoins les notions suiv-
antes abordees dans de nombreux ouvrages. Si a A et A R
n
, on dit que a est un
point interieur de A sil existe une boule B(a, r) contenue dans A; lensemble A est un
ouvert si tout point de A est interieur (il revient au meme de dire que A est reunion de
boules ouvertes). Un element a est dans la fronti`ere (ou bord) de A si toute boule B(a, r)
contient un element de A et un element hors de A. Un ensemble A est ferme si cest
le complementaire dun ouvert (il revient au meme de dire que A contient sa fronti`ere).
Lensemble A est borne sil est contenu dans une boule; il est dit compact sil est ferme et
borne. Denissons enn la notion densemble nayant quun seul morceau : un ensemble
ouvert A est connexe (ou en un seul morceau) si on ne peut pas lecrire comme reunion
disjointe de deux ouverts; cette propriete equivaut au fait que deux points de A peuvent
etre joints, `a linterieur de A par une ligne polygonale (une suite nie de segments).
Exemples et commentaires. Un ouvert de R est une reunion dintervalles ouverts ; lana-
logue dun intervalle ouvert est un ouvert connexe. Les proprietes suivantes des fonctions
continues se transposent :
(i) Une fonction continue sur un ensemble compact (ferme, borne) est bornee et atteint
son maximum et son minimum.
(ii) Une fonction continue sur un ensemble connexe satisfait la propriete des valeurs in-
termediaires.
3. D

ERIV

EES PARTIELLES
La denition des derivees partielles est assez simple : on xe toute les variables sauf
une et on calcule, si elle existe, la derivee de la fonction dune variable ainsi obtenue. Plus
precisement :
Denition: Soit f : U R une fonction de n variables x = (x
1
, . . . , x
n
) et soit
a = (a
1
, . . . , a
n
) un point de U tel que U contienne une boule centre en a, on denit la
derivee partielle de f par rapport `a la variable x
i
en a comme la limite suivante (si elle
existe) :
f
x
i
(a) = lim
h0
f(a
1
, . . . , a
i1
, a
i
+h, a
i+1
, . . . , a
n
) f(a
1
, . . . , a
n
)
h
.
Si la fonction admet des derivees partielles en tout point de U, on peut considerer la
fonction
f
x
i
(x) et etudier sa derivabilite ; sa derivee partielle par rapport `a x
j
au point a
ne note

2
f
x
j
x
i
(a) = lim
h0
f
x
i
(a
1
, . . . , a
j1
, a
j
+h, a
j+1
, . . . , a
n
)
f
x
i
(a
1
, . . . , a
n
)
h
.
On peut bien s ur denir des derivees partielles de nimporte quelle ordre mais nous
nutiliserons pas les derivees dordre superieur `a 3. Nous utiliserons toujours la notation
f
x
i
mais signalons que les notations f

x
i
ou encore D
i
f sont egalement utilisees.
194
On a vu que, pour une fonction dune variable, lexistence de la derivee en un point
equivaut `a lexistence dun DL `a lordre 1 en ce point. La situation est un peu plus
complique en plusieurs variables. Ainsi la fonction f(x, y) = xy/(x
2
+y
2
) verie
f
x
(0, 0) =
f
x
(0, 0) = 0 sans que la fonction soit meme continue!
Denition: Une fonction f est dierentiable en a R
n
si elle admet un DL `a lordre 1
au voisinage de ce point, cest-`a-dire si il existe
i
R tels que :
f(a +h) = f(a) +
1
h
1
+. . . +
n
h
n
+(h)[[h[[,
avec lim
h0
(h) = 0. La forme lineaire g(h) :=
1
h
1
+. . . +
n
h
n
sappelle la dierentielle
de f en a.
On voit facilement que, si f est dierentiable, elle admet des derivees partielles et on
a
i
=
f
x
i
(a). On verra plus loin que, si f admet des derivees partielles continues, alors
elle est dierentiable.
Remarquons quil est denue de sens de demander si une fonction de deux ou plusieurs
variables est croissante ou non (il ny a pas dordre naturel sur les couples de reels). On peut
neanmoins se donner une direction (i.e. restreindre la fonction `a une droite) et regarder si
la fonction est croissante ou non dans cette direction. Ceci sugg`ere dintroduire la notation
suivante.
Denition: Soit f une fonction admettant des derivees partielles en a, on appelle
gradient de f en a le vecteur de R
n
donne par :

gradf(a) :=
_
f
x
1
(a), . . . ,
f
x
n
(a)
_
.
Si f est dierentiable au point a on peut donc ecrire :
f(a +h) = f(a) +
_

gradf(a) h
_
+(h)[[h[[,
On constate alors que lhyperplan ane dequation z = f(a) +
_

gradf(a) (x a)
_
est
lhyperplan approchant le mieux lhypersurface z = f(x).
Si par exemple, f(x, y, z) est une fonction dierentiable de trois variables, le plan
tangent `a la surface de niveau f(x, y, z) = en (x
0
, y
0
, z
0
) a pour equation :
f
x
(x
0
, y
0
, z
0
)(x x
0
) +
f
y
(x
0
, y
0
, z
0
)(y y
0
) +
f
z
(x
0
, y
0
, z
0
)(z z
0
) = 0.
195
En particulier, on constate que le vecteur gradient

gradf(x
0
, y
0
, z
0
) est orthogonal au plan
tangent de la surface de niveau.
Exemple. Considerons la fonction f(x, y) = xcos(x
2
+ yx). Ses derivees partielles se
calculent avec les r`egles de calcul de derivees ordinaires (`a une variables) en prenant soin
de garder xe une des deux variables; on obtient
f
x
(x, y) = cos(x
2
+yx) x(2x +y) sin(x
2
+yx)
f
y
(x, y) = x
2
sin(x
2
+yx)

2
f
x
2
(x, y) = (6x + 2y) sin(x
2
+yx) x(2x +y)
2
cos(x
2
+yx)

2
f
xy
(x, y) = 2xsin(x
2
+yx) x
2
(2x +y) cos(x
2
+yx)

2
f
y
2
(x, y) = x
3
cos(x
2
+yx)

2
f
yx
(x, y) = 2xsin(x
2
+yx) (2x
2
+xy)xcos(x
2
+yx)
On remarque que, sur cet exemple on a

2
f
yx
(x, y) =

2
f
xy
(x, y) ; on va voir que ce nest
pas une concidence.
TH

EOR
`
EME: (Theor`eme de Schwarz) soit f une fonction de deux variables, deux fois
contin ument derivable, alors on a :

2
f
yx
(a, b) =

2
f
xy
(a, b).
Demonstration: Posons F(x) := f(x, b + k) f(x, b) et G(y) := f(a + h) f(a, y),
alors on a
A := f(a+h, b+k) f(a+h, b) f(a, b+k) +f(a, b) = F(a+h) F(a) = G(b+k) G(b).
On applique une premi`ere fois le theor`eme des accroissements nis (en une variable) en
remarquant que F

(x) =
f
x
(x, b +k)
f
x
(x, b) donc
A = hF

(a +
1
h) = h
_
f
x
(a +
1
h, b +k)
f
x
(a +
1
h, b)
_
.
196
Une deuxi`eme application du theor`eme des accroissements nis (en une variable) `a la
fonction H(y) =
f
x
(a +
1
h, y) qui a pour derivee H

(y) =

2
f
yx
(a +
1
h, y) donne
A = hkH

(b +
2
k) = hk

2
f
yx
(a +
1
h, b +
2
k).
Un raisonnement symetrique `a partir de la fonction G donnerait
A = kh

2
f
xy
(a +
3
h, b +
4
k).
On obtient ainsi lexistence de
1
,
2
,
3
,
4
]0, 1[ (dependant de h et k) tels que

2
f
yx
(a +
1
h, b +
2
k) =

2
f
xy
(a +
3
h, b +
4
k).
En faisant tendre h et k vers zero et en utilisant la continuite des deux derivees secondes
on obtient alors le resultat escompte :

2
f
yx
(a, b) =

2
f
xy
(a, b).
Exercices. 1) On denit une fonction de n + 1 variables par la formule
F(x
1
, . . . , x
n
, t) := t
n/2
exp([[x[[
2
/4t).
Determiner le domaine de denition de F, calculer les derivees partielles jusquau second
ordre et montrer que F verie lequation de la chaleur (ou equation de diusion ou equation
de Fourier) :
F
F
t
=

2
F
x
2
1
+. . . +

2
F
x
2
n

F
t
= 0.
2) Soit f, g deux fonctions dune variable deux fois derivables. Montrer que la fonction
F(x, t) = f(cx +t) +g(cx t) verie lequation aux ondes

2
F
x
2
c
2

2
F
t
2
= 0.
Quelle interpretation physique peut-on donner `a ce fait ?
3) Soient f, g deux fonctions derivables de n variables, montrer les formules suivantes :

grad(f +g)(a) =

gradf(a) +

gradg(a)

grad(fg)(a) = g(a)

gradf(a) +f(a)

gradg(a)

grad
_
f
g
_
(a) =
1
g
2
(a)
_
g(a)

gradf(a) f(a)

gradg(a)
_
.
197
Donnons maintenant en trois variables une des principale r`egles de calcul des derivees
partielles de fonctions composees (il ny a pas de dicultes `a faire ces calculs avec un autre
nombre de variables).
TH

EOR
`
EME: Soit f(u, v, w) une fonction de trois variables ; soient u(t), v(t), w(t) trois
fonctions dune variable et posons F(t) = f(u(t), v(t), w(t)). Si u, v, w sont contin ument
derivables et f egalement, alors F est contin ument derivable et :
F

(t) = u

(t)
f
x
(u(t), v(t), w(t)) +v

(t)
f
y
(u(t), v(t), w(t)) +w

(t)
f
z
(u(t), v(t), w(t)).
Demonstration: Posont a(t) = (u(t), v(t), w(t). Comme u, v, w sont contin ument
derivables on a u(t +h) u(t) = u

(t +
1
h)h = u

(t)h +(h)h (et de meme pour v et w).


On peut ecrire
f(u(t +h), b, c) f(u(t), b, c) =
f
x
(u(t) +(h), b, c)u

(t +h)h.
Do` u lon tire
F(t +h) F(t) =f(u(t +h), v(t +h), w(t +h)) f(u(t), v(t), w(t))
=f(u(t +h), v(t +h), w(t +h)) f(u(t), v(t +h), w(t +h))
+f(u(t), v(t +h), w(t +h)) f(u(t), v(t), w(t +h))
+f(u(t), v(t), w(t +h)) f(u(t), v(t), w(t))
=
f
x
(u(t) +
1
(h), v(t +h), w(t +h))u

(t +
1
h)h
+
f
y
(u(t), v(t) +
2
(h), w(t +h))v

(t +
2
h)h
+
f
z
(u(t), v(t), w(t) +
3
(h))w

(t +
3
h)h
=
_
u

(t)
f
x
(a(t)) +v

(t)
f
y
(a(t)) +w

(t)
f
z
(a(t))
_
h +(h)h.
do` u le resultat.
Dans le cas o` u F(x
1
, . . . , x
n
) = f(u
1
(x
1
, . . . , x
n
), . . . , u
m
(x
1
, . . . , x
n
)), la formule
generale secrirait, :
F
x
i
(x
1
, . . . , x
n
) =
m

j=1
u
j
x
i
(x
1
, . . . , x
n
)
f
y
j
(u
1
(x
1
, . . . , x
n
), . . . , u
m
(x
1
, . . . , x
n
)).
APPLICATION : Calcul du Laplacien en coordonnees polaires et spheriques.
198
Les coordonnees polaires dans le plan peuvent etre denies par les formules (x, y) =
(r cos(), r sin(). Si f(x, y) est une fonction de deux variables et si lon pose g(r, ) :=
f(r cos(), r sin()), alors le theor`eme precedent permet de calculer
g
r
= cos()
f
x
+ sin()
f
y
et
g

= r sin()
f
x
+r cos()
f
y

2
g
r
2
= cos
2
()

2
f
x
2
+ 2 cos() sin()

2
f
xy
+ sin
2
()

2
f
y
2

2
g

2
= r
2
sin
2
()

2
f
x
2
2r
2
cos() sin()

2
f
xy
+r
2
cos
2
()

2
f
y
2
r cos()
f
x
r sin()
f
y
et de verier :
f =

2
f
x
2
+

2
f
y
2
=

2
g
r
2
+
1
r
g
r
+
1
r
2

2
g

2
.
En particulier, une fonction radiale (cest-`a-dire independante de ) et harmonique (cest-
`a-dire avec laplacien nul) verie donc lequation dierentielle ordinaire
g

(r) +r
1
g

(r) = 0,
ce qui entrane g

(r) = C
1
/r puis g(r) = C
1
log r +C
2
.
Exercice. On denit egalement les coordonnees spheriques dans R
3
par les formules
(x, y, z) = (r cos() cos(), r cos() sin(), r sin())
correspondant geometriquement `a la gure ci-dessous :
Coordonnees spheriques (r, , ).
Si f(x, y, z) est une fonction de trois variables et si lon pose
g(r, , ) = f(r cos() cos(), r cos() sin(), r sin()),
verier la formule
f =

2
f
x
2
+

2
f
y
2
+

2
f
z
2
=

2
g
r
2
+
2
r
g
r
+
1
r
2
cos
2
()

2
g

2
+
1
r
2

2
g

2

tg()
r
2
g

.
199
En deduire lexpression des fonctions radiales de laplacien nul sur R
3
0 (on trouve
g(r) = C
1
+C
2
/r).
Plus generalement, posons r :=
_
x
2
1
+. . . +x
2
n
et f(x
1
, . . . , x
n
) := g(r). Montrer que
f(x
1
, . . . , x
n
) = g

(r) +
n 1
r
g

(r)
et en deduire que les fonctions radiales harmoniques en n 3 variables ont pour expression :
f(x
1
, . . . , x
n
) = C
1
+C
2
r
n+2
= C
1
+
C
2
(x
2
1
+. . . +x
2
n
)
(n2)/2
.
TH

EOR
`
EME: (Theor`eme des accroissement nis) Soit f : U R une fonction
contin ument derivable ; soient x = (x
1
, . . . , x
n
) et y = (y
1
, . . . , y
n
) deux points de U tels
que le segment joignant x `a y soit inclus dans U alors il existe un point c de ce segment
tel que :
f(x) f(y) =

gradf(c) (x y) =
f
x
1
(c)(x
1
y
1
) +. . . +
f
x
n
(c)(x
n
y
n
).
En particulier on linegalite suivante
[f(x) f(y)[ M[[x y[[
o` u M est un majorant de [[

gradf[[ sur le segment joignant x `a y.
Demonstration: Posons g(t) = f(y +t(x y)), alors g est une fonction dune variable
reelle t dont la derivee peut se calculer comme fonction composee :
g

(t) =
f
x
1
(y +t(x y))(x
1
y
1
) +. . . +
f
x
n
(y +t(x y))(x
n
y
n
).
La derivee de g est continue et on peut lui appliquer le theor`eme des accroissements nis
(en une variable) et conclure quil existe t
0
[0, 1] tel que g(1) = g(0) + g

(t
0
), ce qui
donne la premi`ere formule avec c = x+t
0
(xy). Pour obtenir la majoration, on applique
linegalite de Cauchy-Schwarz :

_

gradf(c) (x y)
_

[[

gradf(c)[[ [[x y[[.
Remarques. 1) Lhypoth`ese que le segment [x, y] soit contenue dans U ne peut pas
etre enlevee (voir par exemple lexercice `a la n de ce chapitre). 2) Cet enonce permet de
voir quune fonction admettant des derivees partielles continues est dierentiable.
COROLLAIRE: Soit f : U R une fonction contin ument derivable. Soit a U tel
que U contienne une boule centree en a. Soit v R
n
, alors la fonction g(t) = f(x + tv)
est croissante en t = 0 si et seulement si
_

gradf(x) v
_
0.
200
Demonstration: Soit h un vecteur de norme plus petit que le rayon de la boule de
lhypoth`ese, le theor`eme nous garantit lexistence dun reel [0, 1] tel que
f(a +h) f(a) =

gradf(a +h) h =
f
x
1
(a +h)h
1
+. . . +
f
x
n
(a +h)h
n
.
En rempla cant h par tv (pour t assez petit) on obtient
f(a +tv) f(a) =

gradf(a +tv) tv = t
_
(

gradf(a) v) +(t)
_
do` u le resultat.
COROLLAIRE: Soit f : U R une fonction contin ument derivable. Soit a U
tel que U contienne une boule centree en a et sur laquelle f admet un maximum ou
un minimum en a (cest-`a-dire que a est un extremum local pour la fonction f), alors

gradf(a) = 0.
Demonstration: En appliquant le corollaire precedent `a v et v on voit que le produit
scalaire

gradf(a) v est nul. Le seul vecteur orthogonal `a tous les vecteurs de R
n
est le
vecteur nul.
Denition: Un point a o` u

gradf(a) = 0 sera appele point critique de f.
Remarque. Une fonction dierentiable sur un ferme borne (par exemple une boule
fermee [[x a[[ r) atteint donc son maximum soit en un point du bord, soit en un point
critique de linterieur (par exemple de la boule ouverte [[x a[[ < r).
COROLLAIRE: Soit f : U R une fonction contin ument derivable telle que pour
tout x U on ait

gradf(x) = 0. Supposons de plus que deux points de U puissent etre
joint par une ligne polygonale dans U, alors la fonction f est constante sur U.
Demonstration: Il sut de demontrer que f est constante sur un segment contenu
dans U et ceci est clair `a partir du theor`eme precedent.
Remarque. Lhypoth`ese sur U est necessaire comme le montre lexemple suivant.
Considerons la fonction
f(x, y) = Arctg(x/y) + Arctg(y/x).
On calcule aisement et on verie que
f
x
(x, y) =
f
y
(x, y) = 0 ; pourtant f(1, 1) =
et f(1, 1) = . Le probl`eme vient de ce que louvert de denition U = (x, y)
R
2
[ x ,= 0 et y ,= 0 est constitue de 4 morceaux. Sur le quadrant superieur droit
U
1
= (x, y) R
2
[ x > 0 et y > 0 on a f(x, y) = ; sur le quadrant superieur gauche
U
2
= (x, y) R
2
[ x < 0 et y > 0 on a f(x, y) = ; sur le quadrant inferieur
gauche U
3
= (x, y) R
2
[ x < 0 et y < 0 on a f(x, y) = et sur le quadrant inferieur
droit U
4
= (x, y) R
2
[ x > 0 et y < 0 on a f(x, y) = .
201
4. EXTREMA
Nous avons vu quune fonction derivable dune variable ne peut avoir un extremum
local quen un point ou sa derivee sannule ou en une extremite de lintervalle ; de plus la
consideration de la valeur de la derivee seconde (et dordre superieur) permet en general
de preciser si le point o` u la derivee sannule est bien un extremum ou non. Le point clef
de la preuve etait le developpement de Taylor
f(x
0
+h) = f(x
0
) +f

(x
0
)h +f

(x
0
)
h
2
2
+(h)h
2
qui permet de dire que, si f

(x
0
) ,= 0, la fonction f se comporte au voisinage de x
0
comme
le polynome f(x
0
) +f

(x
0
)h+f

(x
0
)h
2
/2. Nous allons voir que lanalogue de ces resultats
persiste en plusieurs variables. Tout dabord donnons lanalogue de la formule de Taylor `a
lordre 2. Pour simplier les notations et les calculs, nous ecrirons la plupart des enonces de
ce paragraphe en 2 variables mais lessentiel sadapte sans diculte au cas de n variables.
TH

EOR
`
EME: (formule de Taylor `a lordre deux) Soit f : U R une fonction de deux
variables deux fois contin ument derivable au voisinage du point x = (x
0
, y
0
) U.
f(x
0
+h, y
0
+k) =f(x
0
, y
0
) +
f
x
(x)h +
f
y
(x)k
+
1
2!
_

2
f
x
2
(x)h
2
+ 2

2
f
xy
(x)hk +

2
f
y
2
(x)k
2
_
+(h, k)(h
2
+k
2
)
o` u (h, k) est une fonction qui tend vers zero quand (h, k) tend vers (0, 0).
Bien s ur 2! est egal `a 2 et nous lavons ecrit ainsi uniquement pour suggerer que la
formule `a lordre 3 ferait intervenir un coecient 1/3!, etc.
Demonstration: Comme pour la preuve du theor`eme des accroissement nis, on pose
g(t) = f(x
0
+th, y
0
+tk). Au vu des hypoth`eses, la fonction g est deux fois derivable et :
g

(t) =
f
x
(x
0
+th, y
0
+tk)h +
f
y
(x
0
+th, y
0
+tk)k
g

(t) =

2
f
x
2
(x
0
+th, y
0
+tk)h
2
+ 2

2
f
xy
(x
0
+th, y
0
+tk)hk +

2
f
y
2
(x
0
+th, y
0
+tk)k
2
et, en appliquant la formule de Taylor `a lordre 2 `a g on obtient
g(1) = g(0) +g

(0) +
1
2!
g

(t
0
), pour un t
0
[0, 1].
Il sut maintenant dobserver que, comme les derivees partielles secondes sont continues,
on a par exemple

2
f
xy
(x
0
+t
0
h, y
0
+t
0
k) =

2
f
xy
(x
0
, y
0
) +(h, k)
202
do` u le theor`eme.
Ce theor`eme permet essentiellement de ramener letude locale en (x
0
, y
0
) `a celle de la
fonction quadratique
g(h, k) :=

2
f
x
2
(x)h
2
+ 2

2
f
xy
(x)hk +

2
f
y
2
(x)k
2
.
On peut etudier ce polynome homog`ene de deux variables essentiellement comme un
polynome de degre 2 en 1 variable (ici le cas de deux variables est un peu plus simple) de
la fa con suivante. Posons
a :=

2
f
x
2
(x), b :=

2
f
xy
(x), et c :=

2
f
y
2
(x)
de sorte quon veut etudier g(h, k) = ah
2
+ 2bhk +ck
2
. Si a ,= 0 on peut remarquer que
g(h, k) = ah
2
+ 2bhk +ck
2
= a
_
(h +
b
a
k)
2
+
ac b
2
a
2
k
2
_
.
On voit immediatement quil faut distinguer suivant le signe de = b
2
ac ; on obtient :
(i) Si < 0 alors g(h, k) ne sannule que pour (h, k) = (0, 0) et si (h, k) ,= (0, 0) alors
g(h, k) est du meme signe que a. Ainsi on obtient un maximum (resp. un minimum)
en (h, k) = (0, 0) si a < 0 (resp. si a > 0).
(ii) Si > 0 alors g(h, k) sannule le long de deux droites et prend des valeurs positives
et negatives de part et dautre de ces deux droites. Il ny a pas dextremum.
(iii) Si = 0 alors g(h, k) sannule le long dune droite et chaque point de cette droite
est un extremum pour la fonction g(h, k). On dit que la forme quadratique g est
degeneree.
Tra cons le graphe z = g(h, k) dans quelques exemples
(i), g(h, k) = h
2
+hk +k
2
(ii), g(h, k) = h
2
+ 3hk + 2k
2
(i), g(h, k) = (h k)
2
Nous allons demontrer `a la main une propriete generale des formes quadratiques qui
nous sera utile pour le theor`eme suivant; le lemme dit quune forme quadratique positive
se comporte comme x
2
+y
2
.
LEMME: Soit Q(x, y) = ax
2
+2bxy +cy
2
une forme quadratique avec := b
2
ac ,= 0.
203
(i) Si < 0, alors il existe une constante C > 0 (ne dependant que de a, b, c) telle que,
si a > 0 alors Q(x, y) C(x
2
+y
2
) et si a < 0 alors Q(x, y) C(x
2
+y
2
).
(ii) Si > 0, alors il existe C > 0 et , tels que Q(x, x) Cx
2
et Q(x, x) Cx
2
.
Demonstration: Dans le cas (i), si b = 0 on peut prendre C = max[a[, [c[; si
b ,= 0 on peut reprendre lexpression Q(x, y) = a
_
(x +by/a)
2


a
2
y
2
_
. Distinguons le
cas o` u [by/a[ [x/2[ alors x
2
+ y
2
(1 + a
2
/4b
2
)x
2
et (x + by/a)
2


a
2
y
2
[x/2[
2
do` u linegalite cherchee. Dans le cas o` u [by/a[ [x/2[ alors x
2
+ y
2
(1 + 2b
2
/a
2
)x
2
et
(x +by/a)
2


a
2
y
2

a
2
y
2
do` u linegalite cherchee. Dans le cas (ii) il sut de choisir
et tels que Q(1, ) > 0 et Q(1, ) < 0.
Ces proprietes permettent de prouver le theor`eme suivant.
TH

EOR
`
EME: Soit f : U R une fonction de deux variables deux fois contin ument
derivable au voisinage du point x = (x
0
, y
0
) U. Supposons

gradf(x
0
, y
0
) = 0 et posons
a :=

2
f
x
2
(x), b :=

2
f
xy
(x), et c :=

2
f
y
2
(x)
Alors on a :
(i) Supposons := b
2
ac < 0. Si a < 0, alors f(x, y) admet un maximum local en
(x
0
, y
0
) ; si a > 0, alors f(x, y) admet un minimum local en (x
0
, y
0
) ;
(ii) Si := b
2
ac > 0 alors f(x, y) ne poss`ede pas dextremum local en (x
0
, y
0
). On dit
que f admet un point-selle en (x
0
, y
0
).
(iii) Si = 0 on ne peut pas conclure sans autres considerations.
Demonstration: Sous les hypoth`eses, la formule de Taylor secrit :
f(x
0
+h, y
0
+k) f(x
0
, y
0
) =
1
2
_
ah
2
+ 2bhk +ck
2
_
+(h, k)(h
2
+k
2
).
Dans le cas (i) avec disons a > 0 on peut ecrire, en utilisant le lemme precedent :
f(x
0
+h, y
0
+k) f(x
0
, y
0
)
_
C
2
+(h, k)
_
(h
2
+k
2
),
qui montre bien que la fonction admet un minimum local en (x
0
, y
0
). On proc`ede de meme
si a < 0. Dans le cas (ii) on observe que
f(x
0
+h, y
0
+h) f(x
0
, y
0
)
_
C
2
+(h, h)
_
h
2
,
alors que
f(x
0
+h, y
0
+h) f(x
0
, y
0
)
_
C
2
+(h, h)
_
h
2
,
ce qui montre bien que le point (x
0
, y
0
) ne peut etre un extremum.
204
Exemple. Recherchons les extrema de la fonction f(x, y) = (x
2
y
2
)e
x
2
y
2
. La
fonction admet des derivees continues `a tout ordre donc on sait a priori que

2
f
xy
(x, y) =

2
f
yx
(x, y). Le calcul des derivees ne presente pas de diculte, on trouve:
f
x
(x, y) = (2x 2x(x
2
y
2
))e
x
2
y
2
= 2x(1 x
2
+y
2
)e
x
2
y
2
f
y
(x, y) = (2y 2y(x
2
y
2
))e
x
2
y
2
= 2y(1 +x
2
y
2
)e
x
2
y
2

2
f
x
2
(x, y) = (2 6x
2
+ 2y
2
2x(2x 2x
3
+ 2xy
2
))e
x
2
y
2

2
f
xy
(x, y) =

2
f
yx
(x, y) = (4xy 2y(2x 2x
3
+ 2xy
2
))e
x
2
y
2

2
f
y
2
(x, y) = (2 2x
2
+ 6y
2
2y(2y 2yx
2
+ 2y
3
))e
x
2
y
2
.
Comme la fonction exponentielle ne sannule jamais, lequation dun point critique
secrit x(1 x
2
+ y
2
) = y(1 + x
2
y
2
) = 0. Comme 1 + x
2
y
2
= 1 x
2
+ y
2
= 0 est
impossible, on obtient x = y = 0 ou x = 1 + x
2
y
2
= 0 ou y = 1 x
2
+ y
2
= 0, soit
encore (x, y) = (0, 0) ou (0, 1) ou (1, 0). Il y a donc 5 points critiques.
Pour conclure, on evalue les derivees secondes en chacun des points critiques; notons
a :=

2
f
x
2
(x, y), b :=

2
f
xy
(x, y), c :=

2
f
y
2
(x, y) et := b
2
ac.
En le point (x, y) = (0, 0), on obtient a = 2, b = 2, c = 0 et = 4 donc on
est en presence dun point-selle. En le point (x, y) = (1, 0), on obtient a = 4/e,
b = 0, c = 4/e et = 16/e
2
donc on est en presence dun maximum. En le point
(x, y) = (0, 1), on obtient a = 4/e, b = 0, c = 4/e et = 16/e
2
donc on est en
presence dun minimum. [ On peut remarquer que, comme f tend vers zero quand (x, y)
tend vers linni, le maximum de f est donc f(1, 0) = e
1
et le minimum de f est donc
f(0, 1) = e
1
].
Nous terminons ce chapitre en considerant le probl`eme un peu plus general suiv-
ant dit des extrema lies. Le probl`eme consiste `a determiner les extrema dune fonction
f(x
1
, . . . , x
n
) o` u les variables x
1
, . . . , x
n
sont restreintes en leur imposant une condition
g(x
1
, . . . , x
n
) = 0. Le theor`eme de Lagrange suivant est le resultat central.
TH

EOR
`
EME: Soit f, g deux fonctions contin ument derivables U R. Si la fonction
f, avec les variables contraintes par g(x
1
, . . . , x
n
) = 0, admet un extremum local en a alors
il existe un reel (appele multiplicateur de Lagrange) tel que

gradf(a) =

gradg(a).
Nous donnons ci-dessous une intuition geometrique et egalement une demonstration sous
lhypoth`ese (`a vrai dire peu restrictive) que lon peut remplacer lequation g(x
1
, . . . , x
n
) = 0
par une equation du type x
n
= h(x
1
, . . . , x
n1
).
205
Interpretation geometrique. Nous allons pouvoir faire un dessin si le nombre de vari-
ables est 2 ou 3. Soit a = (a
1
, a
2
) o` u la fonction f(x, y) atteint un extremum sous la
contrainte g(x, y) = 0. Tracons les deux courbes (
1
: f(x, y) = f(a
1
, a
2
) et (
2
: g(x, y) = 0;
si les tangentes `a (
1
et (
2
en le point (a
1
, a
2
) ne sont pas confondues, cest-`a-dire si

gradf(a)
nest pas colineaire avec

gradg(a), un petit deplacement le long de la courbe (
2
fera tra-
verser la courbe de niveau (
1
, ce qui contredit (au moins visuellement) lhypoth`ese dun
extremum local.
Le meme raisonnement peut se visualiser avec deux fonctions de trois variables et les
surfaces o
1
: f(x, y, z) = f(a
1
, a
2
, a
3
) et o
2
: g(x, y, z) = 0.
Demonstration: Si lon suppose g(x
1
, . . . , x
n
) = x
n
h(x
1
, . . . , x
n1
) et on pose
x

= (x
1
, . . . , x
n1
) on peut ecrire

gradf(x) =
_

h
x
1
(x

), . . . ,
h
x
n1
(x

), 1
_
.
En remarquant que, sous la contrainte g(x
1
, . . . , x
n
) = 0 on a
f(x
1
, . . . , x
n
) = f(x
1
, . . . , x
n1
, h(x
1
, . . . , x
n1
)),
on voit quun extremum local ne peut exister que si les derivees de la fonction de droite
par rapport `a x
1
, . . . , x
n1
sannulent, cest-`a-dire si :
f
x
1
+
h
x
1
f
x
n
= . . . =
f
x
n1
+
h
x
n1
f
x
n
= 0
ce qui donne bien, en posant fx
n
(x) = :

gradf(x) =
f
x
n
(x)

gradg(x) =

gradg(x).
Exemples. Soit trois reels 0 < c < b < a, on cherche le vecteur le plus long situe sur
lellipsode dequation :
g(x, y, z) =
x
2
a
2
+
y
2
b
2
+
z
2
c
2
= 1.
Solution. Le probl`eme se ram`ene `a chercher les extremums de f(x, y, z) := x
2
+ y
2
+ z
2
sous la contrainte g(x, y, z) 1 = 0. Le theor`eme nous garantit quun tel extremum ne
206
peut survenir quen un point o` u il existe R tel que

gradf(x, y, z) =

gradg(x, y, z) ou
encore
(2x, 2y, 2z) =
_
2x
a
2
+
2y
b
2
+
2z
c
2
_
.
Si x est non nul on en tire = a
2
et ensuite y = z = 0 donc en n de compte (x, y, z) =
(a, 0, 0); de meme si y est non nul on obtient (x, y, z) = (0, b, 0) et si z est non nul
on obtient (x, y, z) = (0, 0, c). On verie alors aisement que f(a, 0, 0) = a
2
est bien le
maximum et f(0, 0, c) = c
2
le minimum. Ce que lon peut voir sur le dessin suivant.
Lellipsode
x
2
a
2
+
y
2
b
2
+
z
2
c
2
= 1.
Exercice/exemple. Considerons la region du plan U := (x, y) R
2
[ y ,= 0 ou x >
0 que lon peut recouvrir par trois ouverts U
1
= (x, y) R
2
[ y > 0, U
2
= (x, y)
R
2
[ x > 0 et U
3
= (x, y) R
2
[ y < 0. Denissons les trois fonctions
f
1
(x, y) := Arctg(x/y) pour (x, y) U
1
f
2
(x, y) :=

2
Arctg(y/x) pour (x, y) U
2
f
3
(x, y) := + Arctg(x/y) pour (x, y) U
3
Verier que ces trois fonctions se recollent pour donner une fonction f : U R, cest-`a-
dire que f
1
(x, y) = f
2
(x, y) pour (x, y) U
1
U
2
et ainsi de suite et que f est harmonique,
i.e. :
f(x, y) =

2
f
x
2
(x, y) +

2
f
y
2
(x, y) = 0
Montrer de plus que, si x < 0, alors
lim
0
+
f(x, ) = /2
lim
0

f(x, ) = +3/2
207
Remarques.
(i) On observera en particulier que linegalite du theor`eme des accroissements nis (dont
les hypoth`eses ne sont pas veriees dans ce cas) est en defaut; en eet laccroissement
[f(x, ) f(x, )[ ne tend pas vers zero quand tend vers zero.
(ii) Cette fonction permet de construire une solution de lequation de Laplace g(x, y) = 0
sur U avec condition au bord g(x, 0
+
) = +1 et g(x, 0

) = 1 pour x < 0 : il sut


de prendre g(x, y) =
1
(/2 f(x, y)). Ceci permet de modeliser par exemple un
potentiel electrique correspondant `a une barre (laxe des reels negatifs) avec une charge
+1 au dessus et une charge 1 en dessous.
Kovalevskaa Soa (18501891)
Laplace Pierre Simon (1749-1827) Poincare Henri (1854-1912)
208

Vous aimerez peut-être aussi