Maths Spe MP Fiches

G ROUPES
: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique. : Attention. : Information
G ROUPES M ORPHISMES DE GROUPES G ROUPES MONOGÈNE , CYCLIQUE

Soit (G, .), (G0 , ?) deux groupes de neutres respectifs e et e0 .
Groupe Groupe monogène, groupe cyclique
On appelle groupe tout ensemble G muni d’une loi de composition in- Morphismes de groupes 1. S’il existe a 2 G tel que G = gr(a), le groupe est dit monogène.
terne ? vérifiant : Une application f : G ! G est dite morphisme de groupes si:
0
2. Un groupe cyclique est un groupe monogène fini.
• la loi ? est associative: 8x, y, z 2 G : (x ? y) ? z = x ? (y ? z) 8x, y 2 G, f (x.y) = f (x) ? f (y)
• G possède un élément neutre: 9e 2 G tel que: 8x 2 G, x ? e = Propriété
e?x=e Si de plus f est bijectif, on dit que f est un isomorphisme de groupes Tout groupe monogène est abélien
• Tout élément x de G admet un symétrique, c’est-à-dire 8x 2 G,
9x0 2 G tel que x ? x0 = x0 ? x = e Opérations de morphismes Classification de groupes monogènes
Si de plus 8x, y 2 G: x ? y = y ? x, on dit que la loi ? est commutative, et • La composée de deux morphismes est un morphisme; Soit G = gr(a) un groupe monogène, alors
que le groupe est abélien. • L’application réciproque d’un isomorphisme est un isomorphisme
• Si G est infini, il est isomorphe à Z
Groupe produit Propriétés de morphismes ⇣ . ⌘
• Si G est d’ordre n, il est isomorphe à Z ,+
Soit f : (G, .) ! (G0 , ?) un morphisme de groupes. nZ
Soit (G1 , ?1 ), ..., (Gn , ?n ) des groupes. En définissant dans G1 ⇥ · · · ⇥ Gn
Alors 8x, y 2 G et n 2 Z:
la loi ? par: 8(x1 , · · · , xn ), (y1 , · · · , yn ) 2 G1 ⇥ · · · ⇥ Gn :
1. f (e) = e0 1 Générateurs d’un groupe monogène
3. f xy 1 = f (x) ? f (y)
(x1 , · · · , xn ) ? (y1 , · · · , yn ) = (x1 ?1 y1 , · · · , xn ?n yn ) 1 Soit G = gr(a) un groupe monogène
2. f (x 1 ) = f (x) 4. f (xn ) = f (x)n
1. Si G est infini, alors a et a 1
sont les seuls générateurs de gr(a)
Alors (G1 ⇥ · · · ⇥ Gn , ?) est un groupe d’élément neutre (eG1 , · · · , eGn ) et Images de sous-groupes
pour tout (x1 , · · · , xn ) 2 G1 ⇥ · · · ⇥ Gn , on a Soit f : (G, .) ! (G0 , ?) un morphisme de groupes. Alors 2. Si G est cyclique d’ordre n, alors les générateurs de G sont exacte-
1 1 1
ment ar avec r 2 [[0, n 1]] et r ^ n = 1
(x1 , · · · , xn ) = (x1 , · · · , xn ) • Si H est un sous-groupe de G, alors f (H) est un sous-groupe de G . 0
• Si H 0 est un sous-groupe de G0 , alors f 1 (H 0 ) est un sous-groupe Générateurs de Z/nZ et de Un

Un tel groupe est appelé le groupe produit de G. 2⇡
Soit k 2 [[0, n
1]] et ! = ei n
Sous-groupe En particulier ⇣ . ⌘
• k engendre Z , + () n ^ k = 1
Soit (G, .) un groupe. Une partie H ⇢ G est un sous-groupe de G nZ
• Ker(f ) = f 1 ({e0 }), le noyau de f , est un sous-groupe de G.
8 • Im (f ) = f (G), l’image de f , est un sous-groupe de G0 . • ! k engendre (Un , ⇥) () n ^ k = 1
< H 6= ;;
() 8x, y 2 H : x.y 2 H; (x + y 2 H)
:
8x 2 H : x 1 2 H ( x 2 H)
Injectivité et surjectivité
( Un morphisme de groupe f : (G, .) ! (G0 , ?) est T HÉORÈME DE L AGRANGE
H 6= ;;
() 1. injectif si, et seulement, si Kerf = {eG }
8x, y 2 H : x.y 1 2 H. (x y 2 H) Théorème de Lagrange
2. surjective si, et seulement, si Imf = G0
Soit G un groupe fini. Alors:
Théorème
Un sous-groupe d’un groupe est un groupe. 1. Tout élément de G est d’ordre fini;
O RDRES
2. l’ordre de tout élément de G divise le cardinal G.
Les sous-groupes de (Z, +) En particulier: 8a 2 G, aCardG = eG
Soit H un sous groupe de Z, alors il existe un unique entier n 2 N tel que Caractérisation de l’ordre
H = nZ Un élément a 2 G est d’ordre fini s’il existe k 2 Z⇤ tel que ak = e. Au quel
cas (a) = min{k 2 N⇤ | ak = e} est appelé l’ordre de a et aussi l’unique
Exemple: Groupe d’ordre premier
Sous-groupe engendré entier n de N⇤ tel que l’on ait : 8k 2 Z, ak = e () n | k Soit G un groupe fini d’ordre premier p. Alors G est cyclique.
• L’intersection d’une famille non vide de sous-groupes est un sous-
groupe Ordre des itérés
n
Si a 2 G est d’ordre fini n et r 2 Z, alors (ar ) =
• Soit S ⇢ G. L’ensemble gr(S) intersection de tous les sous-groupes n^r
de G contenant S est le plus petit sous-groupe de (G, .), au sens de
l’inclusion, contenant S, dit le sous-groupe engendré par S Ordre et cardinal
Si a est d’ordre n, alors
Exemple C ONTACT I NFORMATION
• Le groupe gr(a) est de cardinal n et gr(a) := e, a, · · · , an 1
Pour a 2 G, gr(a) = {ak , k 2 Z}. ⇣ . ⌘
• gr(a) est isomorphe à Z ,+ Web: www.elamdaoui.com
En notation additive gr(a) = {ka , k 2 Z} nZ Email: elamdaoui@gmail.com
Phone: 06 62 30 38 81 Page: 01
A NNEAUX , CORPS ET ALGÈBRES
A NNEAUX ET CORPS M ORPHISME D ’ ANNEAUX I NDICATEUR D ’E ULER

Anneau Morphisme d’anneaux Indicateur d’Euler
⇣ ⇣ . ⌘⌘
Soit A un ensemble et + et ⇥ deux lois de composition interne sur A. On dit Soient A,A0 deux anneaux. Une application f : A ! A0 est dite morphisme Soit n 2 N⇤ , on note '(n) = Card U Z .
que (A, +, ⇥) a une structure d’anneau lorsque : d’anneaux si: nZ
L’application ' est appelée l’indicateur d’Euler
• (A, +) est un groupe abélien d’élément neutre 0A ; dit le neutre de A • f (1A ) = 1A0 ;
• ⇥ est associative, distributive par rapport à + et elle admet un élément Calcul de '
neutre 1A ; dit l’unité de A • 8(x, y) 2 A2 : f (x + y) = f (x) + f (y) et f (xy) = f (x)f (y). 1. Si m ^ n = 1, alors '(mn) = '(m)'(n)
Si de plus f est bijective, on parle d’isomorphisme d’anneaux 2. Soit p un nombre premier et k 2 N⇤ , alors
Si de plus ⇥ est commutative, on dit que (A, +, ⇥) est un anneau commutatif.
Même définition que morphisme de corps. '(pk ) = pk pk 1
Anneau intègre Kerf = f 1 ({0A0 }) et Im(f ) = f (A). r

Y
3. Si n = pki i est la décomposition en facteurs premiers de l’entier n.
Un anneau (A, +, ⇥) est dit intègre s’il est commutatif et f est injective ssi Kerf = {0A }
i=1
Alors r ⇣
Y ⌘ r ✓
Y ◆
8a, b 2 A, a ⇥ b = 0 ) a = 0 ou b = 0 Lemme de Chinois . . . '(n) = pki i pki i 1
=n 1
1
pi
Soit m, n 2 N⇤ tels que m ^ n = 1, alors Z ' Z ⇥ Z i=1 i=1
Formules importantes mnZ mZ nZ
Soit a, b deux éléments d’un anneau A tels que ab = ba. Alors pour tout n 2 N
Théorème d’Euler
Xn Propriété Soit n un entier strictement positif et a un entier premier avec n, alors a'(n) ⌘ 1
n
• Formule de binôme de Newton: (a + b) = Cnk ak bn k Les images, directe et réciproque, d’un sous-anneau par un morphisme (mod n).
k=0 d’anneaux est un sous-anneau Si n est premier on retrouve le théorème de Fermat
n
X
n+1 n+1
• Formule de factorisation: a b = (a b) a k bn k
k=0
I DÉAUX D ’ UN ANNEAU COMMUTATIF A LGÈBRES
Groupes des unités
Idéal Algèbre
Soit (A, +, ⇥) un anneau. U (A) l’ensemble des éléments inversibles muni de
⇥ est un groupe appelé groupe des inversibles. On appelle idéal d’un anneau commutatif A tout sous-groupe additif I de A Soit un corps commutatif K et un ensemble A muni de deux lois de composi-
tion interne +, ⇥ et d’une loi de composition externe ".". On dit que (A, +, ⇥, .)
vérifiant la propriété d’absorption : 8(a, b) 2 A ⇥ I, ab 2 I
est une algèbre sur K si et seulement si :
Corps 1. (A, +, .) est un K-espace vectoriel;
(K, +, ⇥) est corps si, et seulement, si : Propriété
2. (A, +, ⇥) est un anneau ;
• (K, +, ⇥) est un anneau commutatif; Soit I un idéal de A. Alors I = A () 1A 2 I () U(A) \ I 6= ;
3. 8x, y 2 A, 8↵ 2 K, ↵.(x ⇥ y) = (↵.x) ⇥ y = x ⇥ (↵.y)
• U (K) = K⇤ = K \ {0} Les seuls idéaux d’un corps K sont K et {0}.
Tout corps est un anneau intègre Images d’un idéal Sous-algèbre

• L’image réciproque (directe ) d’un idéal par un morphisme d’anneaux Soit (A, +, ⇥, .) une K-algèbre et B ⇢ A. On dit B est une sous-algèbre de A si,
L’ensemble Z/nZ (surjectif) est un idéal et seulement, si
⇣ . ⌘ 1. 1A 2 B
• Z , +, ⇥ est un anneau commutatif. • Le noyau d’un morphisme d’anneaux est un idéal
⇣ nZ
. ⌘ 2. 8x, y 2 B, 8↵, 2 K ↵x + y 2 B
• U Z = {x, x 2 [[0, n 1]] et x ^ n = 1} Idéal engendré par une partie
3. 8x, y 2 B, x ⇥ y 2 B
⇣ . nZ ⌘
• Z , +, ⇥ est un corps si et seulement si n est premier; Soit S une partie d’un anneau A. On appelle idéal engendré par S Alors munie des lois restreintes, B est une K-algèbre.
nZ
l’intersection de tous les idéaux de A contenant S: c’est donc le plus petit idéal
(au sens de l’inclusion) de A contenant S. Morphisme d’algèbres
Sous-anneau
Soient (A, +, ⇥, .) et (A0 , +, ⇥, .) deux K-algèbres. On dit f : A ! A0 est un
Soit (A, +, ⇥) un anneau. Un sous-ensemble B de A est dit sous-anneau de A Idéal principal morphisme d’algèbres si et seulement si:
si, et seulement, si L’idéal qui engendré par un singleton {a} est dit principal: aA = {ab | b 2 A}
• 1A 2 B 1. f (1A ) = 1A0
• Pour x, y 2 B, x y 2 B et x ⇥ y 2 B Les idéaux de Z 2. 8x, y 2 A, 8↵, 2 K, f (↵x + y) = ↵f (x) + f (y)
Auquel cas B muni des lois restreintes est un anneau Soit I un idéal de Z, alors il existe un unique n 2 N tel que I = nZ. 3. 8x, y 2 A, f (x ⇥ y) = f (x) ⇥ f (y)
En conséquence pour tous a, b 2 Z, alors
• aZ + bZ = pgcd(a, b)Z. Un morphisme d’algèbres est à la fois une application linéaire et un mor-
Sous-corps
• aZ \ bZ = ppcm(a, b)Z. phisme d’anneaux
Soient (K, +, ⇥) un corps. On dit qu’une partie L de K est un sous-corps de K
si et seulement si : Les idéaux de K[X]
• 1K 2 L Tout idéal I de K[X] peut s’écrire de façon unique sous la forme : P K[X] avec
P 2 K[X] normalisé. En conséquence pour tous P, Q 2 K[X]
C ONTACT I NFORMATION
• Pour x, y 2 L, x y 2 L et x ⇥ y 2 L
• 8x 2 L \ {0}, x 1 2 L • P K[X] + QK[X] = pgcd (P, Q) K [X]; Web www.elamdaoui.com
• P K[X] \ QK[X] = ppcm (P, Q) K [X]. Email elamdaoui@gmail.com
Auquel cas L muni des lois restreintes est un corps Phone 06 62 30 38 81 Page: 02
R ÉDUCTION
É LÉMENTS PROPRES P OLYNÔME MINIMAL T RIGONALISATION

Soit u 2 L (E) et A 2 Mn (K).
Éléments propres Polynômes annulateurs et minimal
Soit E un K-espace vectoriel et u 2 L (E). • Le noyau {P 2 K[X] | P (u) = 0} du morphisme d’évaluation P 7 ! Définition
• Soit 2 K. On dit que est valeur propre de u s’il existe x 2 E \ {0} tel P (u) est un idéal de K[X]. On l’appelle l’idéal annulateur de u. • u est dite trigonalisable s’il existe une base B de E pour laquelle MB (u)
que u(x) = x. • On appelle polynôme annulateur de u tout élément de l’idéal annulateur; est triangulaire supérieure.
• Soit x 2 E. On dit que x est vecteur propre de u si x 6= 0 et s’il existe • On appelle polynôme minimal de u 2 L (E) l’unique polynôme unitaire • A est dite trigonalisable si elle est semblable à une matrice T triangulaire
2 K tel que u(x) = x. qui engendre l’idéal des polynômes annulateurs. supérieure.
• L’ensemble des valeurs propres d’un endomorphisme est appelé le spec-
tre de u et noté SpK (u). Même définition pour les matrices Propriétés caractéristiques
• Soit 2 Sp(u). E (u) = Ker (u · IdE ) est un sev de E distinct de Les quatres affirmations sont équivalentes :
{0E } appelé le sous-espace propre de u associé à Théorème de décomposition des noyaux
Si P1 , . . . , Pk sont k polynômes deux à deux premiers entre eux, alors : 1. u est trigonalisable.
Caractérisation en dim finie " k
! # k 2. u est scindé.
Y M
Si E est de dimension finie n > 1, alors Ker Pi (u) = Ker (Pi (u))
2 Sp(u) , (u · IdE ) n’est pas injectif 3. u annule un polynôme scindé
i=1 i=1
, (u · IdE ) n’est pas surjectif k k
4. ⇡u est scindé.
Y M
, (u · IdE ) n’est pas bijectif Si P = Pi un polynôme annulateur de u, alors E = Ker (Pi (u))
Corollaire
, rg (u · IdE ) < n i=1 i=1
Si K = C, alors tout u 2 L(E) est trigonalisable.
, det (u · IdE ) = 0
Théorème de Cayley-Hamilton Toute matrice A 2 Mn (C) est trigonalisable.
Soit u le polynôme caractéristique de u , alors u (u) = 0L(E) .
Éléments propres d’une matrice En conséquence ⇡u | u .
Les éléments propres d’une matrice A sont ceux de l’endomorphisme canon- E NDOMORPHISMES NILPOTENTS
iquement associé
Soit u 2 L (E) et A 2 Mn (K), avec dim E = n.
⇢
Mn,1 (K) ! Mn,1 (K) D IAGONALISATION
uA :
X 7 ! AX
Définition
Définition Un endomorphisme u 2 L (E) est dit nilpotent s’il existe p 2 N tel que up = 0.
On écrit A à la place de uA Soit u 2 L (E) et A 2 Mn (K). Ce vocabulaire se transpose aux matrices
• On dit que u 2 L(E) est diagonalisable s’il existe une base B de E telle Propriété caractéristique
que MB (u) est diagonale.
P OLYNÔME CARACTÉRISTIQUE • On dit que A 2 Mn (K) est diagonalisable si elle est semblable à une
• u est nilpotent () u est trigonalisable avec Sp(u) = {0}
E est de dimension finie matrice diagonale. • A est nilpotente () est trigonalisable avec Sp(A) = {0}
Définition A est nilpotente ssi elle est semblable à une matrice triangulairs sup stricte
Propriété
• Le polynôme caractéristique de A est A = det (XIn A).
Si A est diagonalisable et = P 1 AP , alors les valeurs propres sont les
• Le polynôme caractéristique de u est u = det (XIdE u). éléments de la diagonale de et la multiplicité de chacune est son nombre D ÉCOMPOSITION SPÉCTRALE
d’occurence dans cette diagonale.
Endomorphisme induit Les vecteurs colonnes de P sont des vecteurs propres de A Décomposition spéctrale
Si F est stable par u , alors uF | u . Si u est diagonalisable où E est de dim finie, avec Sp(u) = { i , i 2 [[1, k]]}.
Propriétés caractéristiques Mk
Spectre et polynôme caractéristique Soit Sp (u) = { 1, · · · , k }. Les affirmations suivantes sont équivalentes. Pour i 2 [[1, k]], on pose pi la projection de E sur E i (u) ( de direction Ej ).
Sp (u) = { 2 K , u ( ) = 0} = Rac ( u) l’ensemble des racines de u
j=1
1. u est diagonalisable. j6=i
Alors
Coefficients du polynôme caractéristique 2. E possède une base de vecteurs propres de u;
k k
X
Soit A 2 Mn (K), alors A est un polynôme unitaire, de degré n et M
3. E = E i; 1. u = i pi
n i=1
A = Xn tr(A)Xn 1
+ · · · + ( 1) det(A) i=1
k
X k
X
c’est-à-dire an = 1, an = tr(A) et a0 = ( 1)n det A 4. dim(E i ) = n;
1 2. 8P 2 K[X], P (u) = P ( i )pi
i=1
i=1
5. u est scindé et 8i 2 [[1, k]], dim E i = mi .
Ordre de multiplicité 6. ⇡u est scindé à racines simples.
La multiplicité d’une racine de u est appelée l’ordre de multiplicité de , et
ona: elle est noté m( ).
7. u annule un polynôme scindé à racines simples. C ONTACT I NFORMATION
1 6 dim E (u) 6 m ( ) En particulier si u est scindé à racines simples, alors u est diagonalisable. Web www.elamdaoui.com
Email elamdaoui@gmail.com
Phone 06 62 30 38 81 Page: 03
N ORMES ET SUITES
N ORMES B OULES , SPHÈRES ET BORNITUDE S UITES EXTRAITES

Norme Boules et sphères Suites extraites
On appelle norme toute application k.k : E ! R+ telle que : 8x, y 2 E et (E, k.k) un espace normé, a 2 E et r 2 R⇤+ . On dit que (vn ) est une suite extraite de (un ) s’il existe une application stricte-
↵2K ment croissante ' : N ! N telle que 8n 2 N, vn = u'(n) .
• Boule ouverte: B(a, r) = {x 2 E | kx ak < r}
• Séparation: k x k = 0 =) x = 0E • Boule fermée: Bf (a, r) = {x 2 E | kx ak 6 r} Propriété
• sphère: S(a, r) = {x 2 E | kx ak = r} Les suites extraites d’une suite convergente sont convergentes vers la même
• Homogénéité: k ↵ · x k = |↵| · k x k
Si a = O et r = 1, on parle des boules et sphère unités. limite
• Inégalité triangulaire : k x + y k 6 k x k + k y k
Boules et convexité Valeur d’adhérence
Auquel cas E est dit un espace vectoriel normé.
Si de plus E est une K-algèbre, Les boules de E sont convexes de E. Soit (un )n 2 E N et ↵ 2 E. On dit que ↵ est valeur d’adhérence de la suite (un )n
si elle est limite d’une suite extraite de (un )n .
• la norme est dite sous-multiplicative si: 8x, y 2 E, kxyk 6 kxkkyk. Partie bornée
• la norme est dite d’algèbre si elle est sous-multiplicative et k 1E k = 1 Une partie A non vide de E est dite bornée si 9k 2 R+ tel que 8x 2 A, kxk 6 k. Propriété
Autrement-dit A ⇢ Bf (O, k) • Toute suite convergente admet une et une seule valeur d’adhérence.
Seconde inégalité triangulaire • Toute suite ayant au moins deux valeurs d’adhérence est divergente.
Fonction bornée • Toute suite n’ayant pas de valeur d’adhérence est divergente.
8x, y 2 E, |kxk kyk| 6 kx yk
Une fonction f : X ! E où X est un ensemble quelconque non vide est dite
Distance Théorème de Bolzano-Weierstrass
bornée si la partie f (X) = {f (x) | x 2 X} est bornée. Ou encore 9k 2 R+ tel
Si E est un K-espace vectoriel de dimension finie, toute suite bornée
Soit k.k une norme sur E que 8x 2 X, kf (x)kE 6 k.
d’éléments de E admet au moins une valeur d’adhérence.
• On appelle distance associée à la norme k.k sur E l’application d : E ⇥
E ! R+ , (x, y) 7 ! kx yk
Suite bornée
Une suite (un )n2N d’éléments de E est bornée si E SPACES DE B ANACH
• Soit x 2 E et A une partie non vide de E. On appelle distance de x à A
le nombre 9M > 0, 8n 2 N, kun k 6 M
Suites de Cauchy
d(x, A) = inf {d(x, y) , y 2 A}
Une suite (un )n2N 2 E N est dite de Cauchy si :
Et on a 8x, y 2 E, |d(x, A) d(y, A)| 6 d(x, y) S UITES CONVERGENTES 8" > 0, 9n0 2 N, 8n > m > n0 ) kun um k 6 "
Normes équivalentes (E, k.k) désigne un espace normé.
Propriété caractéristique
Soit N1 et N2 deux normes sur E. On dit que N1 est équivalente à N2 si 9↵, 2 Suite convergente Une suite (un )n2N 2 E N est de Cauchy si et seulement s’il existe une suite
R?+ tels que: On dit qu’une suite (un )n2N d’éléments de E tend vers ` 2 E si kun `k ! ("n )n2N de réels positifs telle que
8x 2 E, ↵N2 (x) 6 N1 (x) 6 N2 (x) n!+1
0, c’est-à-dire (
On note N1 ⇠ N2 . Une telle relation ⇠ est d’équivalence 8n, p 2 N, k un+p un k 6 "n
8" > 0, 9n0 2 N, n > n0 =) kun `k 6 " "n !0
Propriété fondamentale n!+1
Soit N1 et N2 deux normes sur E. Alors les assertions suivantes sont équiva- ` est unique, appelé la limite de la suite (un )n2N , et on note ` = lim un ou
lentes un ! `. Propriété
n!+1
• Toute suite convergente est une suite de Cauchy.
Une suite non convergente est dite divergente.
1. N1 ⇠ N2 • Toute suite de Cauchy est bornée.
⇢ ⇢ • Toute suite de Cauchy qui admet une valeur d’adhérence est conver-
2.
N1 (x)
et
N2 (x)
sont majorés.
Domination
/x 2 E \ {0} /x 2 E \ {0} gente.
N2 (x) N1 (x) Soit (un ) une suite de E et ` 2 E. Alors la suite (un ) converge vers ` si, et
seulement, s’il existe une suite réelle et positive (↵n )n convergeant vers 0 et • Une suite de Cauchy possède au plus une valeur d’adhérence.
3. Toute suite d’éléments de E convergente pour une norme converge pour
telle que
l’autre vers la même limite. Espace de Banach
8n 2 N; kun `k 6 ↵n
On appelle espace de Banach tout espace vectoriel normé dont lequel toute
Méthode pratique Convergence et bornitude suite de Cauchy est convergente.
Pour montrer que les deux normes N1 et N2 ne sont pas équivalentes, on
Toute suite convergente est bornée
cherche une suite (xn ) 2 E N telle que
Propriété
N2 (xn ) N2 (xn ) Opérations algébriques Tout espace vectoriel normé de dimension finie est un espace de Banach
lim = +1 ou lim =0 • Si un ! ` 2 E, alors kun k ! k`k;
n!+1 N1 (xn ) n!+1 N1 (xn ) n!+1 n!+1
Théorème de Riesz
• Si ↵n 2 K ! ↵ et un ! ` 2 E alors ↵n .un ! ↵.`; C ONTACT I NFORMATION
• Si un ! ` et vn ! `0 alors un + µvn ! ` + µ`0 ;
Dans un espace vectoriel normé de dimension finie, toutes les normes sont Web www.elamdaoui.com
• Si de plus, E est une algèbre normée, un vn ! ``0 .
équivalentes. Email elamdaoui@gmail.com
Phone 06 62 30 38 81 Page: 04
TOPOLOGIE , LIMITES ET CONTINUITÉ
O UVERTS A DHÉRENCE D ’ UN PARTIE C ONTINUITÉ

Définition Définition Continuité
Soit O ⇢ E . On dit que O est un ouvert de E si Soit A une partie de E et a 2 E. Soit f : A ⇢ E ! F et a 2 A.
8x 2 O, 9" > 0, B(a, ") ⇢ O • On dit a est dit adhérent à A si :8r > 0, B(a, r) \ A 6= ?. • On dit que f est continue en a si x!a
lim f (x) = f (a)
• On note A l’ensemble des points adhérents à A. x2A
• On dit que f est continue sur A si elle est continue en chaque point de A.
Propriété • On dit que A est dense dans E si A = E.
1. ; et E sont des ouverts de E. C (A, F ) désigne l’ensemble des fonctions continues de A à valeurs dans F
2. Union quelconque d’ouverts est un ouvert. Caractérisation séquentielle
3. Intersection finie d’ouverts est un ouvert. • a 2 A () 9(an )n 2 A , tq N
an ! a. Caractérisation séquentielle
n!+1
Soit f : A ⇢ E ! F et a 2 A.
Propriété • A = E () 9(an )n 2 AN , tq an !a
n!+1 f est continue en a si, et seulement si, 8(xn ) 2 AN ,
Une boule ouverte est un ouvert.
Propriété xn
n!+1
! a ) f (xn )
n!+1
! f (a)
Ouverts relatifs à une partie Soit A et B deux parties de E.
On appelle ouvert dans A ou relativement à A tout ensemble de la forme A\O
˚
_
Opérations algébriques
où O est un ouvert de E. 1. {A = {A {Å = {A, donc A est un fermé ; • C (A, F ) est un K-espace vectoriel
2. A ⇢ A et A ⇢ B ) A ⇢ B ; • Si F est une algèbre normée, alors C (A, F ) est une K-algèbre
3. A est un fermé et A = A • Si ↵ : A ⇢ E ! K et f : A ⇢ E ! F sont continues alors ↵.f est
I NTÉRIEURS 4. A fermé , A = A; continue.
1
5. A est le plus petit fermé contenant A . • Si ↵ : A ⇢ E ! K est continue et elle ne s’annule pas, alors :A⇢
Définition ↵
E ! K est continue
Soit A une partie de E et a 2 E.
Frontière
On dit que a est intérieur à A si: 9r > 0, tel que B(a, r) ⇢ A Composition
On note Å l’ensemble des points intérieurs à A. Soit A une partie de E. La frontière de A est l’ensemble: Fr (A) = A\Å = A\{Å
La composée de deux fonctions continues est continue
Propriété Propriété
Soit A, B deux parties de E. L IMITE D ’ UNE FONCTION EN UN POINT Soit f : A ⇢ E ! F
(E, k . kE ), (F, k . kF ) et (G, k . kG ) sont des K-espaces vectoriels normés • Si F est un espace produit alors f est continue si, et seulement si, ses
1. Å ⇢ A et A ⇢ B =) Å ⇢ B̊;
˚ fonctions composantes le sont.
2. Å est ouvert et Å = Å; limite d’une fonction en un point • Si F est de dimension finie alors f est continue si, et seulement si, ses
3. A ouvert , A = Å. Soit f : A ⇢ E ! F une application, a 2 A et ` 2 F . fonctions coordonnées dans une base de F le sont.
4. Å est le plus grand ouvert contenu dans A . On dit que f admet pour limite ` en a selon A, lorsque 8" > 0, 9↵ > 0 tel que
kx akE < ↵ et x 2 A, alors kf (x) `kF < ". On note x!a lim f (x) = ` Continuité et densité
Propriété x2A Soit f, g : E ! F deux fonctions continues. Si A est dense dans E et f et g
z }|
˚ { coïncident sur A, alors f et g sont égales.
Soit a 2 E et r > 0, alors Bf (a, r) = B(a, r) Caractérisation séquentielle
lim f (x) = ` si, et seulement si, toute suite (xn )n2N 2 AN qui converge vers a,
x!a
Continuité et topologie
x2A
Soit f : A ⇢ E ! F . Les trois affirmations suivantes sont équivalentes :
la suite (f (xn ))n converge vers `
F ERMÉS 1. f est continue sur A;
Opérations sur les limites 2. l’image réciproque de tout ouvert de F est ouvert de A;
Définition Soient f, g 2 F A , ↵ 2 KE et a adhérent à A telles que: 3. l’image réciproque de tout fermé de F est fermé de A.
On appelle fermé tout ensemble F dont le complémentaire {E F est ouvert. f x!a! `, g x!a ! `0 et ↵ x!a! . Alors
x2A x2A x2A Continuité uniforme
Propriété 1. f + g ! ` + `0 On dit que f : A ⇢ E ! F est uniformément continue si
1. ; et E sont des fermés. x!a
8" > 0, 9⌘ > 0, 8x, y 2 A, k x y k < ⌘ ) k f (x) f (y) k < "
2. Si F est une algèbre normée f.g ! `.`0
2. Intersection quelconque de fermés est fermé x!a
3. Union finie de fermés est un fermé. 3. ↵f ! .` Caractérisation séquentielle
x!a
1 1 f : A ⇢ E ! F est uniformément continue sur A ssi 8(xn ), (yn ) 2 AN
Propriété 4. Si 6 0, alors 9W 2 VA (a) sur lequel ↵ ne s’annule pas et
= ! 2
↵ x!a
x2A x n yn ! 0 ) f (xn ) f (yn ) !0
Une boule fermée est un fermé. K⇤ n!+1 n!+1
Caractérisation sequentielle Composition

Une partie F d’un espace vectoriel normé E est fermée , si et seulement, si Soient f : A ⇢ E ! F et g : B ⇢ F ! G telles que f (A) ⇢ B et a adhérent
toute suite (un )n2N d’éléments de F qui converge admet une limite qui appar- à A. Si f ! b et g ! `, alors g f !` Web www.elamdaoui.com
tient à F. x!a x!b x!a
Phone 06 62 30 38 81 Page: 05
A PPLICATIONS MULTILINÉAIRES , COMPACITÉ ET CONNEXITÉ PAR ARCS
A PPLICATIONS LINÉAIRES C OMPACITÉ C ONNEXITÉ PAR ARCS

(E, k . kE ) et (F, k . kF ) des K-evns (E, k . kE ) et (F, k . kF ) des K-evns
Connexité par arcs
Théorème fondamental Partie compacte On appelle chemin de a à b dans A toute application continue : [0, 1] ! A
Soit u 2 L(E, F ). Les affirmations suivantes sont équivalentes : Une partie A de E est dite compacte dans E si toute suite d’éléments de A telle que (0) = a et (1) = b.
1. u est continue; admet une valeur d’adhérence dans A On dit que A est connexe par arcs si pour tous x, y 2 A il existe un chemin de
x à y dans A.
2. u est continue en 0E ; Compacité, fermeture et bornitude
Tout compact est nécessairement fermé et borné. Convexité et connexité par arcs
3. 9k 2 tel que 8x 2 E, ku(x)kF 6 kkxkE ;
R⇤+
Si A convexe alors A est connexe par arcs.
n o Fermé dans un compact
4. l’ensemble ku(x)k
kxk | x 2 E \ {0} est majoré; Tout fermé d’un compact est compact E. Partie étoilée
5. u est lipschitzienne; A une partie d’un espace vectoriel normé E est dite étoilée si 9a 2 A tel que
Produit cartésien des compacts
8b 2 A, [a, b] ⇢ A.
6. u est bornée sur la boule Bf (0, 1) Le produit cartésien de compacts est compact
7. u est bornée sur la sphère S(0, 1) Propriété

Propriété
Toute partie étoilée est connexe par arcs
Les compacts d’un espace vectoriel normé de dimension finie sont ses fermés
Propriété fondamentale en dim finie bornés.
Si E est de dimension finie, alors toute u 2 L (E, F ) est continue Connexité par arcs et continuité
Propriété Soit f : A ⇢ E ! F continue. Si A est connexe par arcs alors f (A) est connexe
Propriété Soit f 2 C(E, F ) et A un compact de E, alors par arcs.
Soit N1 et N2 deux normes de E un espace vectoriel normé. Les affirmations
suivantes sont équivalentes : • f (A) est un compact de F . Les connexes par arcs de R
• f (A) est borné et il existe a, b 2 A tels que Les connexes par arcs de R sont les intervalles.
1. N1 et N2 sont équivalentes ;
⇢ kf (a)k = inf kf (x)k et kf (b)k = sup kf (x)k Théorème des valeurs intermédiaires
(E, N1 ) ! (E, N2 ) x2A x2A
2. IdE : . est bicontinue ; Soient A connexe par arcs, f 2 C(A, R) et (a, b) 2 A2 . Alors pour tout m entre
x 7 ! x
On dit que f atteint ses bornes de sa norme. f (a) et f (b) il existe c 2 A tel que f (c) = m.
3. les ouverts de E pour la norme N1 sont les ouverts de E pour la norme • F = R, alors f est bornée sur A et elle atteint ses bornes: il existe a, b 2 A
N2 . tels que: Propriété
f (a) = inf f (x) et f (b) = sup f (x) Soit A une partie d’espace vectoriel normé E. La relation R définie sur A par:
x2A x2A pour tout (x, y) 2 A2
A PPLICATIONS MULTILINÉAIRS (
Définition (0) = x
xRy () 9 2 C ([0, 1], A) ,
Propriété On dit que l’application f : A ⇢ E ! F est uniformément continue si: (1) = y
Si u : E ⇥ F ! G est bilinéaire. u est continue si et seulement si
8" > 0, 9⌘ > 0 : 8x, y 2 A, kx y k < ⌘ =) k f (x) f (y) k < " est une relation d’équivalence.
9k 2 R, 8x 2 E, 8y 2 F, kB(x, y)k 6 kkxkkyk La classe de a pour cette relation est appelée la composante connexe par arcs
Propriété de a dans A est connexe par arcs et notée C(a).
Lorsque E et F sont de dimensions finies, alors toute application bil- Toute application lipschitzienne f : A ⇢ E ! F est uniformément continue.
inéaire sur E ⇥ F est continue Groupe orthogonal
Caractérisation séquentielle de la continuité uniforme Pour n 2 N, avec n > 2. On note On (R) le groupe orthogonal
Propriété f : A ⇢ E ! F est uniformément continue sur A ssi
Soient E1 , . . . , En , F des K-espaces vectoriels normés. Si E1 , . . . , En sont de On (R) = A 2 Mn (R) , t AA = In
dimensions finies alors toute application multilinéaire M : E1 ⇥· · ·⇥En ! F 8(xn ), (yn ) 2 AN , xn yn ! 0 ) f (xn ) f (yn ) !0
n!+1 n!+1
est continue. Au quel cas 9k 2 R⇤+ tel que ,8(x1 , . . . , xn ) 2 E1 ⇥ · · · ⇥ En : • On (R) est compact et non connexe par arcs
kM (x1 , . . . , xn )k 6 kkx1 k · · · kxn k Méthode pratique • Les composantes connexes par arcs de On (R) sont On+ (R) et On (R). Où
Pour montrer que f n’est pas uniformément continue sur A on cherche deux 1
suites (xn ), (yn ) 2 AN tels que xn yn ! 0 et f (xn ) f (yn ) 6 ! 0. On+ (R) = On (R) \ det ({1})
Inégalité de Hadamard n!+1 n!+1
Soit M une matrice carrée dont les vecteurs colonnes sont C1 , · · · , Cn . On note et
1
kCi k2 la norme euclidienne de Ci . On a l’inégalité suivante : On (R) = On (R) \ det ({ 1})
Propriété
Toute application uniformément continue est évidemment continue
det(M ) 6 kC1 k2 · · · kCn k2
Théorème de Heine C ONTACT I NFORMATION
Toute fonction continue sur un compact est uniformément continue.
Web www.elamdaoui.com
Phone 06 62 30 38 81 Page: 06
L ES SÉRIES DANS UN ESPACE VECTORIEL NORMÉ DE DIMENSION FINIE
C ONVERGENCE ET CONVERGENCE ABSOLUE S ÉRIES À TERMES POSITIFS S OMMATION DES RELATIONS DE COMPARAISON
X X X X X
E un K-espcae vectoriel de dim finie et un une série de E Soit un et vn deux séries à termes positifs. Soit vn une SATP et un une série numérique.
n>0
Définition Critère de majoration Théorème

X
X X n
X 1. On suppose que vn est convergente
On dit que un converge ssi (Sn ) la suite des sommes partielles converge vn converge () la suite (Sn ) est majorée où Sn = vk .
n>0 n>0 k=0 +1 +1
!
+1 X X X
X X +1
X • Si un = (vn ), alors un est AC et uk = o vk
dans E. la limite de (Sn ) est appelée somme de la série un , notée un . En cas de convergence vn = sup Sn n>1 k=n+1 k=n+1
n>0 n=0 n=0
n
+1 +1
!
X X X
Une série est dite divergente si elle n’est pas convergente • Si un = O (vn ), alors un est AC et uk = O vk
Principes de comparaison n>1 k=n+1 k=n+1
Série télescopique 1. Si un = (vn ) ou un = O(vn ) alors X +1
X +1
X
X X X
La série télescopique (un+1 un ) converge ssi la suite (un ) est convergente. • vn converge ) un converge. • Si un ⇠ vn , alors un est AC et uk ⇠ vk
X X n>1 k=n+1 k=n+1
• un diverge ) vn diverge. X
Condition nécessaire X X 2. On suppose que vn est divergente
X
Si la série un converge, alors la suite (un ) tend vers 0 2. Si un ⇠ vn , alors un et vn sont de même nature
n n
!
n>0 X X
Séries de Riemann • Si un = (vn ), alors uk = o vk
Série géométrique X 1 k=0 k=0 !
1
Soit ↵ 2 R. la série de Riemann converge si, et seulement, si ↵ > 1 Xn Xn
X X 1 n↵ • Si un = O (vn ), alors uk = O vk
n>1
Soit q 2 C. Alors q converge ssi |q| < 1. Au quel cas
n n
q =
n=0
1 q k=0 k=0
n>0 n n
Règle de Riemann X X X
✓ ◆ ✓ ◆ • Si un ⇠ vn , alors un est DIV et uk ⇠ vk
X
Reste d’une série convergente 1. Si 9↵ > 1 tel que un = O
1
ou un =
1
, alors un converge n>1 k=0 k=0
X +1
X n↵ n↵
Le reste d’ordre n d’une série convergente un est défini par Rn := uk , 1 1 X
2. S’il existe ↵ 6 1 tel que = O (un ) ou ↵ = (un ), alors un diverge
1
X n
X
n>0 k=n+1 n↵ n
X S ÉRIE DE N EUMANN ET SÉRIE EXPONENTIELLE
et on a: 8n 2 N, un = u k + Rn et Rn !0 3. S’il existe > 0 et ↵ 2 R tels que : un ⇠ ↵ . Alors un CV ssi ↵ > 1
n!+1
n Soit A une K-algèbre normée de dimension finie.
n=0 k=0
Série de Bertrand Série de Neumann
Séries numériques coordonnées 8 Soit u 2 A tel que k u k < 1
>
<↵ > 1
p
X X 1 X
Soit = (e1 , · · · , ep ) une base de E et un = un,i ei le terme général de la Pour ↵ et deux réels, alors CV () ou 1. La série un est absolument convergente.
↵
n ln (n) >
:
X X i=1 X
n>2 ↵ = 1 et >1 n>0
série un . Alors: un converge () 8i 2 [[1, p]], la série un,i converge +1
X
! 2. 1A u est inversible dans A et (1A u)
1
= un .
+1
X X p +1
X Critères de D’Alembert
En cas de convergence: un = un,i ei un+1 n=0
Si (un )n>0 ne s’annule pas à partir d’un certain rang et !`2R +
1
n=0 i=1 n=0 un n!+1 3. k(1A u) 1
k6 .
X 1 kuk
Critère spécial des séries alternées 1. Si 0 6 ` < 1, alors un converge
X X L’application exponentielle
Soit ( 1)n un une série telle que (un ) décroît et est de limite nulle. Alors: 2. Si ` > 1, alors un diverge X un
X n>0
3. Si ` = 1 on ne peut pas conclure. Soit u 2 A, alors la série est absolument convergente.
n!
( 1) un converge et sgn (Rn ) = sgn ( 1)
n n+1
un+1 et |Rn | 6 un+1 . n>0
+1 n
X
n>0 Comparaison série-intégrale exp : u 7!
u
s’appelle la fonction exponentielle sur A.
Soit f : R+ ! R+ une fonction décroissante continue sur R+ . Alors n=0
n!
Convergence absolue Z n+1
X X
On dit que la série un converge absolument si la série k un k est conver- 1. La série de terme général f (t) dr f (n) converge. Propriété
gente. Z +1 n
X Soit u, v 2 A tels que u ⇥ v = v ⇥ u, alors exp(u + v) = exp(u) ⇥ exp(v)
2. L’intégrale f (t)dt et la série f (n) sont de même nature.
Convergence absolue ) convergence 0
X X Z +1 Z
Si un converge absolument, alors la série un est convergente et +1 X +1
• En cas de CV: 8n 2 N, f (t) dt 6 f (k) 6 f (t) dt
n>0 n>0
n+1 k=n+1 n C ONTACT-I NFORMATION
Z n+1 Xn Z n
1
X 1
X Web www.elamdaoui.com
un 6 kun k Inégalité triangulaire • En cas de DIV: 8n 2 N , ⇤
f (t) dt 6 f (k) 6 f (0) + f (t) dt
0 0 Email elamdaoui@gmail.com
n=0 n=0 k=0
Phone 06 62 30 38 81 Page: 07
L ES FAMILLES NUMÉRIQUES SOMMABLES
E NSEMBLES DÉNOMBRABLES FAMILLES NUMÉRIQUES SOMMABLES S UITES DOUBLES

Soit E un ensemble. Soit I un ensemble dénombrable et (xk )k2I , (yk )k2I deux familles numériques.
Théorème
Ensemble au plus dénombrable Soit (am,n )(m,n)2N2 une suite numérique double. Les assertions suivantes sont
On dit que: Famille numérique sommable équivalentes :
La famille (xk )k2I est dite sommable si la famille (|xk |)k2I est sommable.
• E est dénombrable s’il existe une bijection entre E et N. 1. La famille (am,n )(m,n)2N2 est sommable.
Cas de I = N !
• E est au plus dénombrable s’il est fini ou dénombrable X X +1
X
X 2. Pour tout n 2 N, la série |am,n | converge et la série |am,n |
Une suite numérique (xn )n2N est sommable si, et seulement, si la série xn
Propriété m>0 n>0 m=0
n>0 converge.
Une sous-famille d’une famille sommable est sommable X +1
X !
est absolument convergente. Auquel cas xn = xn X X +1
X
Opérations n2N n=0 3. Pour tout m 2 N, la série |am,n | converge et la série |am,n |
• Une partie de N est dénombrable si, et seulement si, elle est infinie. n>0 m>0 n=0
Retour aux séries converge.
• Une partie d’un ensemble dénombrable est au plus dénombrable. Si : N ! I une bijection, alors, (xk )k2I est sommable si, et seulement, si X X
+1 4. La série |ap,q | converge.
• Un produit fini d’ensembles dénombrables est dénombrable. X X X
x (n) est absolument convergente. Auquel cas n>0 p+q=n
x (n) = xk (p,q)2N2
• Une union dénombrable de parties dénombrables est dénombrable n>0 n=0 k2I
Auquel cas :
Opérations X +1 X
X +1
FAMILLES POSITIVES SOMMABLES Soit (xk )k2I , (yk )k2I deux familles sommables et
X X
2 K. Alors la famille
X
am,n = am,n
n=0 m=0
Soient I un ensemble dénombrable et (xi )i2I , (yi )i2I deux familles de réels positifs (xi + yi )i2I est sommable et ( x i + yi ) = xi + yi (m,n)2N2
k2I k2I k2I +1 X

X +1
= am,n
Définition Sous-famille d’une famille sommable m=0 n=0
On dit que la famille (xi )i2I est sommable si Soit (xk )k2I une famille sommable et J une partie dénombrable de I. Alors +1
X X
(xk )k2J est sommable = ap,q .
X
9M > 0, 8J ⇢ I et J fini , xi 6 M n=0 p+q=n
(n,m)2N2
i2J
(
X
) S OMMATION PAR PAQUETS
Auquel cas, sup xi , J ⇢ I et J fini s’appelle la somme de la famille Soit I un ensemble dénombrable et (In )n2N une famille de parties de I tels que
P RODUIT DE C AUCHY
i2J
X [
(xi )i2I et on la note xi . 8n 6= m, In \ Im = ; et In = I
Propriété
i2I X X
n2N Si un et vn deux séries numériques absolument convergentes alors leur
Critère suffisant de sommabilité
Critère de comparaison Soit (xi )i2I une famille numérique. Si :
n>0 n>0
n
!
X X
Si: 8i 2 I, xi 6 yi . Alors produit de Cauchy up v n est absolument convergent et on a
1. Pour tout n 2 N la famille (xi )i2In est sommable. p
n>0 p=0
1. Si la famille (yi )i2I est sommable, alors (xi )i2I est sommable et: X X
2. La série Tn est convergente avec Tn = |xi |. ! ! !
X X +1 X
X n +1
X +1
X
xi 6 yi n>0 i2In up v n p = un ⇥ vn
i2I i2I
+1
! n=0 p=0 n=0 n=0
X X X
Alors: (xi )i2I est sommable et xi = xi
2. La non sommabilité de la famille (xi )i2J entraîne la non sommabilité de Propriété
i2I n=0 i2In
(yi )i2I Soit A une K-algèbre normée de dimension finie et a, b 2 A tels que ab = ba.
Sommation par paquets Alors
Retour aux séries exp (a + b) = exp(a) exp(b)
Soit (xk )k2I une famille numérique sommable. Alors :
Si : N ! I est une Xbijection, alors, la famille (xi )i2I est sommable si, et
seulement si, la série x (n) est convergente. Auquel cas 1. Pour tout n 2 N, la famille (xi )i2In est sommable.
n>0 X X
2. La série Sn converge avec Sn = xi .
+1 n>0 i2In
X X
x = xi +1
X X
(n)
n=0 i2I 3. Sn = xi .
n=0 i2I
! C ONTACT-I NFORMATION
+1
X X X
Autrement dit : xi = xi Web www.elamdaoui.com
n=0 i2In i2I
Phone 06 62 30 38 81 Page: 08
D ÉRIVATION ET INTÉGRATION DES FONCTIONS VECTORIELLES
C ONTEXTE O PÉRATIONS M ÉTHODES DE CALCUL

E, F , G sont normés et de dimensions finies sur K et parfois ils sont euclidiens. I, J
désignent des intervalles de R. Somme et multiplication par un scalaire Intégration par parties
Soit f : I ! E, B = (e1 , · · · , ep ) une base de E et (fi )16i6p les applications coor- Soient n 2 N, 2 K et f, g 2 Dn (I, E) . Alors f + g 2 Dn (I, R) et Soit f : I ! E et g : I ! F deux fonctions de C 1 sur I et B : E ⇥ F ! G.
données de f dans la base B: Z b Z b
(n) (n) (n)
( f + g) = f +g 8a, b 2 I, B(f 0 (t), g(t))dt = [B(f (t), g(t))]ba B(f (t), g 0 (t))dt.
p
X a a
8t 2 I, f (t) = fi (t) ei Propriété
i=1 Soit f 2 Dn (I, E) et L 2 L (E, F ). Alors L f 2 Dn (I, F ) et Changement de variable
Soient ' de classe C 1 sur I à valeurs dans J, f 2 C(J, E) et a, b 2 I. Alors:
(n) Z '(b) Z b
(L f ) = L f (n)
f (t)dt = '0 (t)f ('(t)) dt
D ÉRIVATION '(a) a
Formule de Leibniz
Soit B : E ⇥ F ! G une application bilinéaire, n 2 N, f 2 D (I, E) et n
Dérivation
g 2 Dn (I, F ). Alors B(f, g) 2 Dn (I, G) et
Soit f : I ! E et a 2 I. I NÉGALITÉ DES ACCROISSEMENT FINIS
n
X
• On dit que f admet une dérivée en a si B(f, g) (n)
= Cni B(f (i) , g (n i) ) des accroissements finis
i=0 Soit f : [a, b] ! R une fonction continue sur [a, b] et dérivable sur ]a, b[. Alors
f (x) f (a)
lim existe 2 E f (b) f (a)
x!a x a Dérivation et composition il existe c 2]a, b[ tel que f 0 (c) =
b a
df Soit f 2 Dn (I, E), ' 2 Dn (J, I). Alors (f ') 2 Dn (J, E) En particulier si f (a) = f (b) on retrouve le théorème de Rolle
Cette limite est noté f (a) on note aussi
0
(a).
dx Tous les résultats précédents restent vrais si on remplace Dn par C n
Inégalité des accroissements finis
• Lorsque f est dérivable en tout point de I on dit que f est dérivable sur
Soit f 2 C 1 (I, E) telle que kf 0 k soit bornée sur I i.e. il existe M 2 R+ tel que
I et la fonction de I vers E qui à x associe f 0 (x) est appelée dérivée de f
sur I, on la note f 0 I NTÉGRATION SUR UN SEGMENT 8t 2 I, kf 0 (t)k 6 M , alors 8a, b 2 I, kf (b) f (a)k 6 M |b a|
Définition de prolongement par dérivabilité

Dérivées successives
Soit f 2 Cpm (I, E). Soit f une application de [a, b] dans E et p 2 N⇤ tels que
Soit f 2 F(I, E). On définit les dérivées successives de f , si elles existent, au
moyen d’une récurrence Pour tout a, b 2 I, on appelle intégrale de f de a à b le vecteur • f est continue sur [a, b];
Z b p Z b ! • f est de classe C p sur [a, b[
• f (0) = f X
f (t) dt := fi (t) dt ei • Pour tout k 2 [[1, p]], f (k) a une limite `k en b
• Soit k 2 N. Supposons avoir défini f (k) sur I, si f (k) est dérivable sur I, a a
0 i=1
on pose f (k+1) = f (k) Alors f est de classe C p sur [a, b] et 8k 2 [[1, p]], f (k) (b) = `k
Z b
La fonction f (k) , si elle existe, est appelée la dérivée k ème de la fonction f . S’il n’y a pas de confusion l’intégrale se note f
a
• L’ensemble des fonctions n-fois dérivable sur I se note D (I, E) n F ORMULES DE TAYLOR
Propriété
• f est dite de C n sur I si f est n-fois dérivable sur I et f (n) est continue Soient f, g 2 Cpm (I, E), a, b, c 2 I et 2 K, alors: Formules de Taylor et Inégalité de Taylor-Lagrange
sur I Z b Z b Z b Soit f 2 C n+1 (I, E) et a, b 2 I
• f est dite de C sur I ou f est lisse sur I si f est k-fois dérivable sur I
1 1. Linéarité: ( f + g) = f+ g n
X Z b
(b a)k (k) (b t)n (n+1)
pour tout k 2 N
a
Z b a
Z c aZ b 1. f (b) = f (a) + f (t) dt
k! a n!
2. Relation de Chasles: f= f+ f k=0
• C n (I, E) l’ensemble des fonctions de classe C n sur I a
Z !a Z c Xn
(b a)k (k) |b a|
n+1
b b 2. f (b) f (a) 6 sup kf (n+1) k
• C (I, E) l’ensemble des fonctions de classe C
1 1
sur I 3. Si L 2 L(E, F ), alors L f = L f k! (n + 1)! [a,b]
k=0
a a
Fonctions coordonnées Formule de Taylor-Young

Soit f : I ! E de fonctions coordonnées f1 , · · · , fp dans une base de E. On a Somme de Riemann Soit f : I ! E une fonction de C n sur I et a 2 I, alors f admet un DLn (a):
n
X1 ✓ ◆ Z
équivalence entre: b a b a b
Soit f 2 Cpm ([a, b], E), alors f a+k ! f n
X (x a)k (k)
n n n!+1 n
1. f 2 Dn (I, E) k=0 a f (x) =
k!
f (a) + o ((x a) )
k=0
2. 8i 2 [[1, p]] , fi 2 Dn (I, E) Inégalité triangulaire
p
X Soit f 2 Cpm (I, E), a, b 2 I tels que a 6 b alors:
(n)
Auquel cas f (n) = fi .ei Z Z C ONTACT-I NFORMATION
i=1
Mêmes résultats si on remplace Dn par C n ou par C 1 f 6 kf k Web www.elamdaoui.com
[a,b] [a,b]
Phone 06 62 30 38 81 Page: 09
S UITES DE FONCTIONS
C ONTEXTE C ONTINUITÉ R ÉGULARITÉ DE LA LIMITE

(fn )n2N est une suite de fonctions définies sur A à valeurs dans F où A ⇢ E avec E
et F sont de K-espaces vectoriels normés de dimensions finies.I intervalle de R. Continuité par convergence uniforme Interversion limite-dérivée
( Si:
8n 2 N (ou à pcr) fn est continue sur A;
Si: cvu 8
fn ! f. 8n 2 N, fn est de classe C 1 (I, F );
M ODE DE CONVERGENCE A
>
<
Alors: f est continue sur A. (fn ) converge simplement sur I;
>
:
Convergence simple (fn0 ) converge uniformément sur tout segment inclus dans I.
Continuité par convergence uniforme locale
On dit que (fn )n converge simplement sur A si, et seulement si, pour tout (
8n 2 N (ou à pcr) fn est continue sur A; Alors:
x 2 A la suite (fn (x)) converge dans F . Si: cvu 8
On appelle limite ou limite simple de la suite (fn (x)), la fonction f 2 F A fn ! f sur tout compact inclus dans A. > • lim fn 2 C 1 (I, F );
>
> n!+1
définie par: 8x 2 A, f (x) = lim fn (x). Alors: f est continue sur A. < ✓ ◆0
n!+1
cvs
> • lim fn = lim fn0 ;
On écrit fn !f Si A est un intervalle de R, on remplace compact par segment >
> n!+1 n!+1
A :
• (fn ) converge uniformément sur tout segment inclus dans I.
Convergence uniforme R
I NTERVERSION lim ET Interversion limite-dérivées successives
On dit que la suite de fonction (fn )n converge uniformément vers f si :
Z Soit p 2 N⇤ .
1. Il existe n0 à partir duquel (fn f ) est bornée
Interversion lim et Si:
2. kfn f k1 !0 8
n!+1
Soit (fn ) une suite de fonctions de [a, b] dans F 8n 2 N ( ou à pcr
⇣ ) fn⌘2 C (I, F );
>
>
p
cvu cvu <
On note fn ! f ou fn !f ( 8k 2 [[0, p 1]], fn
(k)
converge simplement sur I;
A 8n 2 N ( ou à pcr) fn 2 C([a, b], F ); >
>
Si: : (p)
(fn ) converge uniformément sur tout segment inclus dans I.
(fn ) converge uniformément sur [a, b]
8 Alors:
8 >
> • lim fn est continue sur [a, b];
< • fn cvs
!f >
>
> Z b ! 8
fn
cvu
!f () A < > lim fn est de classe C p sur I;
>• n!+1
:• k fn f kA • La suite fn converge; < ⇣ ⌘
A
1 n!+1 !0 Alors: (k)
>
>
a
n Z Z > • 8k 2 [[0, p]], fn CU sur tout segment inclus dans I;
( >
> b b >
9("n ) 2 RN > :
+ , telle que lim "n = 0 :• On a l’interversion lim fn (t) dt = lim fn (t) dt • On a les interversions
() n!+1 a n!+1
8x 2 A, k fn (x) f (x) k 6 "n à pcr a
✓ ◆(k)
Convergence uniforme et primitivation 8k 2 [[0, p]] , lim fn = lim fn(k)
La non convergence uniforme Soit (fn ) une suite de fonctions de C(I, F ). Si :
n!+1 n!+1
cvs
Si fn ! f et 9(xn ) 2 AN tq (fn (xn ) f (xn )) 6! 0, alors fn ne converge pas (fn ) converge uniformément sur tout segment inclus dans I vers f . Pour tout
A Interversion limite-dérivées successives
uniformément vers f sur A a 2 I, on pose
Si:
Z x Z x 8
CU =) CS ':x7 ! f (t)dt et 8n 2 N, 'n : x 7 ! fn (t)dt >
>
< 8n 2 N ( ou à pcr ) fn 2 C 1 (I, F );
cvu cvs
Si fn ! f , alors fn ! f. a a
La suite⇣(fn )⌘CS sur I;
A A >
Alors ('n ) converge uniformément sur tout segment inclus dans I vers ' >
: 8p > 1, fn
(p)
CU sur tout segment inclus dans I.
I NTERVERSION DES LIMITES Alors:

T HÉORÈME DE CONVERGENCE DOMINÉ 8
>
<•
> lim fn est de classe C 1 sur I;
Théorème d’interversion des limites n!+1
Soit a 2 A. Théorème de convergence dominée •
(k)
8k > 0, fn CU sur tout segment inclus dans I;
>
>
8 Soit (fn )n2N une suite de fonctions de I à valeurs dans K telle que : :• On a les interversions
< 8n 2 N, lim fn (x) existe et vaut bn 2 F ; 8
Si: cvu
x!a
>
> Pour tout n 2 N, fn 2 Cm (I, K); ✓ ◆(k)
: fn ! f >
> cvs
A < fn ! f 2 Cm (I, K); 8k 2 N, lim fn = lim fn(k)
8 Si: I n!+1 n!+1
> La suite (bn ) converge ; >
> il existe ' 2 Cm (I, R+ ) intégrable telle que:
<•
> >
>
:
Alors: • f admet une limite en a; 8n 2 N, |fn | 6 ' [hypothèse de domination]
>
> 8
:• lim f (x) = lim bn
x!a n!+1 <• Les applications
✓Z ◆fn et f sont intégrables sur I;
Z Z
✓ ◆ Alors:
Autrement-dit: lim lim fn (x) = lim
⇣
lim fn (x)
⌘ :• La suite fn converge et lim fn = f
n!+1
x!a n!+1 n!+1 x!a I I I
Si 8n 2 N, fn admet une limite bn en a 2 A et la suite (bn ) diverge, alors Le théorème TCVD ne nécessite pas la convergence uniforme de la suite Email elamdaoui@gmail.com
(fn ) ne converge pas uniformément de fonctions (fn ), mais la fonction limite doit être cpm sur I. Phone 06 62 30 38 81 Page: 10
S ÉRIES DE FONCTIONS
P
C ONTEXTE I NTERVERSION lim ET R ÉGULARITÉ DE LA LIMITE
(fn )n2N est une suite de fonctions définies sur A à valeurs dans F où A ⇢ E avec
E et F sont de K-espaces vectoriels normés de dimensions finies. Le plus souvent, Interversion limite-somme Dérivation terme à terme: Classe C 1
E = F = R et A = I un intervalle de R. Soit a 2 A un point adhérent. Si:
X n
8 X 8
On note, pour tout entier naturel n : Sn = fk >
< fn converge uniformément sur A; >
> 8n 2 N, fn 2 C 1 (I, F );
>
> X
k=0 Si: n>0 < La série fn converge simplement sur I;
>
: 8n 2 N, fn (x) ! `n 2 F n>0
x!a >
> X
> fn0 converge uniformément sur tout segment inclus I.
M ODES DE CONVERGENCE 8 X
>
:
>
> • La série `n converge; n>0
>
>
Convergence simple >
> n>0 Alors:
>
> +1
X X < X 8
On dit que fn converge simplement sur A, si 8x 2 A la série fn (x) Alors: • La somme fn admet une limite en a; >
+1
X
> >
> • fn 2 C 1 (I, F ) ;
n>0 n>0 >
> n=0 >
>
>
> +1
X +1
X +1
X >
>
+1
X >
> >
<
n=0 !0 +1
>
:• lim fn (x) = `n = lim fn (x) +1
X X
converge et f : x 7 ! fn (x) est appelée sa somme. x!a x!a
n=0 n=0 n=0
> • fn = fn0 ;
n=0 >
>
>
> n=0 X n=0
>
>
:•
> La série fn converge uniformément sur tout segment inclus I
Convergence absolue
X X C ONTINUITÉ n>0
On dit que fn converge absolument si la série de fonction k fn kF con-
verge simplement. Continuité par convergence uniforme sur tout compact Dérivation terme à terme: Classe C p
( Soit p > 1.
8n 2 N, fn 2 C(A, F );
Convergence normale Si: X 8
X fn converge uniformément sur tout compact inclus dans A. >
> 8n 2 N, fn 2 C p (I, F );
N >
> X
Soit (fn )n2N 2 (B(A, K)) . On dit que fn converge normalement si la série < 8k 2 [[0, p 1]] , fn(k) CS sur I;
X +1
X Si:
numérique kfn k1 converge. Alors : la somme fn est continue sur A. >
> X n>0
>
> fn(p) converge uniformément sur tout segment inclus dans I.
n=0 :
n>0
caractéristique de la convergence normale Si A est un intervalle de R, on remplace compact par segment
P 8
( fn converge normalement (cvn) sur A ssi >
>
+1
X
> • fn 2 C p (I, F );
• 9 (an ) 2 R+ N / 8n 2 N, 8x 2 A : kfn (x)k 6 an P R >
>
>
X >
• an converge I NTERVERSION ET >
>
<
n=0
+1
!(k) +1
X X
Alors: • 8k 2 [[0, p]] , fn = fn(k) ;
>
Proprieté caractéristique de la convergence uniforme Intégration terme à terme sur un segment >
>
> n=0 n=0
X X ( >
> X
8n 2 N, fn 2 C ([a, b], F ) ; >
> fn(k) converge uniformément sur tout segment ⇢ I
fn converge uniformément sur A si, et seulement, si fn converge sim- Si: X :•
> 8k 2 [[0, p]] ,
cvu fn converge uniformément sur [a, b]. n>0
plement sur A et Rn !0
A 8
>
>
1
X Dérivation terme à terme: Classe C 1
Condition nécessaire >•
> fn est continue; 8
X < >
> 8n 2 N, fn 2 C 1 (I, F );
cvu Alors: n=0 ! ! ! >
> X
Si fn converge uniformément vers f , alors fn ! 0. > X Z b Z b +1
X +1
X Z b < fn converge simplement sur I;
A >
> fn CV et on a: fn (t) dt = Si:
:•
> fn (t)dt
> n>0 X
a a a >
>
n>0 n=0 n=0
>
: 8p > 1, fn(p) converge uniformément sur tout segment ⇢ I.
Cas d’une série alternée n>0
On suppose que F = R. Convergence dominée (Intervalle quelconque)
X X 8 +1
Si 8x 2 A, la série fn (x) est alternée vérifiant le CSSA, alors fn converge 8n 2 N, fn : I ! K est contnue par morceaux et intégrable; X
>
> X Alors: la somme fn est de classe C 1 sur I et on a :
>
>
n>0 >
> La série fn converge simplement sur I de somme f ;
cvu >
<
n=0
uniformément sur A si, et seulement, si fn !0 n>0
A Si: !(p)
>
> f est continue par morceaux sur I; +1
X +1
X
>
>
> XZ 8p 2 N, fn = fn(p) .
Comparaison des modes de convergence >
>
: La série |fn | converge. n=0 n=0
n>0 I
CU 8
CN CS <•
> La fonction f est intégrable sur I;
Z Z X+1 +1 Z
X
CA Alors:
>
:• f= fn = fn
Toutes les autres implications sont fausses. En outre
I I n=0 n=0 I
Z Z +1
X +1 Z
X Web www.elamdaoui.com
|f | = | fn | 6 |fn |. Email elamdaoui@gmail.com
I I n=0 n=0 I
Phone 06 62 30 38 81 Page: 11
S ÉRIES ENTIÈRES
S ÉRIES ENTIÈRES C ALCUL DE RAYON C AS DES SÉRIES RÉELLES

Définition Critère de comparaison Primitive
X X X
Soit (an ) 2 CN . Soient an z n et bn z n de rayons respectifs Ra et Rb . Soit an xn une série entière réelle de rayon de convergence R et de somme
X
On appelle série entière associée à la suite (an ) la série de fonctions an z .
n n>0 n>0 n>0
+1
X
n>0 • si an = O(bn ) ou an = o(bn ), alors Ra > Rb ; f : x 2 ] R, R[ 7 ! an xn .
X n=0
• Les nombres an s’appellent coefficients de la série entière an z .
n • si an ⇠ bn , alors Ra = Rb . Alors les primitives de f sur ] R, R[ s’écrivent
n>0 +1
X Critère de D’Alembert X xn+1
• Le domaine de convergence de la série entière an z n est l’ensemble x 7! k + an où k 2 C
an+1 n+1
n>0 Si (an ) ne s’annule pas à partir d’un certain rang et lim = ` 2 R. n=0
n!+1 an
X 1
X
Alors le rayon de convergence de la série entière an z est R = . Avec la
n Régularité et coefficients
D := {z 2 C/ an z n converge} ` X
n>0
n>0 Soit an xn une série entière réelle de rayon de convergence R et de somme
1 1
convention = +1 et = 0. n>0
+1
X 0 +1 f . Alors f 2 C 1 (] R, R[, K):
• L’application S : D ! C, z 7 ! an z n est appelée la somme de la
n=0 +1
X
série n!
O PÉRATIONS SUR LES SÉRIES ENTIÈRES 8x 2] R, R[, 8p 2 N, f (p) (x) =
(n p)!
an xn p
n=p
Lemme d’Abel
Soit r 2 R+? tel que (an rn )n soit une suite bornée avec (an )n 2 CN . Alors Somme et produit
X X f (n) (0)
X En particulier an = et ainsi
8z 2 B(0C , r), la série an z n converge absolument Soient an z n et bn z n de rayons de convergences respectifs Ra et Rb et n!
n>0 n>0 n>0 +1 (n)
X
X X f (0) n
soient sn z n et pn z n respectivement somme et produit de Cauchy des 8x 2] R, R[, f (x) = x
n!
Rayon de convergence n>0 n>0
n=0
X n
X
Le rayon de convergence de la série an z n est l’élément de R+ [ {+1}: deux séries précédentes i.e. 8n 2 N, sn = an + bn et pn = an k bk . Soit Rs Fonction développable en série entière
n>0
et Rp les rayons de convergence de ces deux dernières. Alors
k=0
Soit I un intervalle tel que 0 2 ˚
I et f : I ! C
R = sup{r 2 R+ , (an rn )n est bornée } = inf{r 2 R+ , (an rn )n non bornée}
1. Rs > min(Ra , Rb ), Rp > min(Ra , Rb ) ; • Soit r > 0. On dit que f est développable en série entière sur ] r, r[
= sup{r 2 R+ , an rn ! 0} = inf{r 2 R+ , an rn 6 ! 0} X
n!+1
X X s’il existe une série entière an xn de rayon de convergence R > r telle
= sup{r 2 R+ , an rn converge } = inf{r 2 R+ , an rn dinverge} 2. si Ra 6= Rb , alors Rs = min(Ra , Rb ) ; n>0
n>0 n>0 +1
X
X X 3. on pose R = min(Ra , Rb ). 8z 2 D(0, R),
= sup{r 2 R , +
|an | r converge}
n
= inf{r 2 R , +
|an | r diverge}
n que 8x 2] r, r[, f (x) = an xn .
+1
X +1
X +1
X n=0
n>0 n>0
• sn z n = an z n + bn z n ;
0 1 0 1 0 1 • On dit que f est développable en série entière en 0 s’il existe r > 0 tel
n=0 n=0 n=0
X X X ! ! que f soit développable en série entière sur ] r, r[ .
Rc @ an z nA
= Rc @ an z n+p A
= Rc @ an+p z nA +1
X +1
X +1
X
• pn z n = an z n ⇥ bn z n .
n>0 n>0 n>0
n=0 n=0 n=0
Proprieté caractéristique
Si f existe de classe C 1 au voisinage de 0. Les assertions suivantes sont équiv-
Série dérivée alentes
C ONVERGENCES D ’ UNE SÉRIE ENTIÈRE X X
Soit an z n une série entière de rayon R. La série nan z n 1
est de rayon 1. f est développable en série entière;
Convergence d’une série entière n>0 n>1 n
!
X X f (k) (0)
X de convergence R et dite série dérivée de an z n 2. 9r > 0, 8x 2] r, r[, lim f (x) xk = 0;
Soit an z n une série entière de rayon de convergence R > 0. n!+1
k=0
k!
n>0
n>0
Soit p 2 N, Z x
(x t)n
• La série entière converge absolument sur le disque de convergence 0 1 0 1 0 1 3. 9r > 0, 8x 2] r, r[, lim f (n+1) (t) dt = 0.
n!+1 0 n!
D(0, R) = {z 2 C/ |z| < R} ; X X X an
• La série entière converge normalement sur tout disque fermé Df (0, R1 ) Rc @ a n z n A = Rc @ np a n z n A = R c @ znA Auquel cas les primitives et les dérivées successives de f sont DSE en 0
np
avec 0 < R1 < R ; n>0 n>0 n>1
+1
X
• f : z 7! an z n est continue sur D(0, R).
X
n=0
X
• Si an Rn CA, alors an z n CN sur Df (0, R). Web www.elamdaoui.com
n>0 n>0 Email elamdaoui@gmail.com
Phone 06 62 30 38 81 Page: 12
C ALCUL DIFFÉRENTIEL
C ONTEXTE F ONCTIONS DE CLASSE C k D ÉVELOPPEMENT DE TAYLOR D ’ ORDRE 2

Soient E, F , G et H des R-espaces vectoriels de dimensions finies non nulles. On
pose dimE = n et dimF = p. Définition Propriété
n
X
Soient U ⇢ E et V ⇢ F deux ouverts non vide, a 2 U , f : U ! F , B = (e1 , . . . , en ) On dit que f est de classe :
Soit f 2 C 2 (U ). Alors 8h = hi ei 2 E tel que a + h 2 U on a :
une base de E et C = ("1 , . . . , "p ) une base de F .
• C k ( k > 1 ) sur U si ses dérivées partielles d’ordre k existent et sont i=1
continues sur U . n
X n n
1 XX @2f
D ÉRIVÉES PARTIELLES ET DIFFÉRENTIELLES • C 1
sur U si 8k 2 N , f est de C sur U .
⇤ k f (a + h) = f (a) + hi
@f
(a) + hi hj (a) + khk2 .
i=1
@xi 2 i=1 j=1 @xi @xj
Dérivée selon un vecteur La notion de fonction de classe C k ne dépend pas du choix de la base B.
f (a + th) f (a)
On dit que f admet une dérivée en a suivant h 2 E\{0} si lim
t!0 t Somme A PPLICATIONS AUX EXTRÉMUMS
existe ou encore si ' : t 7 ! f (a+th) est dérivable en 0. Dans ce cas, cette limite Soit k 2 N⇤ [ {1}. Soiet f, g : U ⇢ E ! F et , µ 2 R.
s’appelle la dérivée de f en a suivant h et on la note '0 (0) = Dh f (a). Si f et g sont de classe C k alors f + µg est de classe C k et Caractérisation de points critiques
Si f : U ⇢ E ! R de classe C 1 et a 2 U . Alors
@( f + µg) @f @g
Dérivées partielles = +µ
@xi @xi @xi @f
• On appelle dérivées partielles de f en a les dérivées, lorsqu’elles existent, a est point critique de f () 8i 2 [[1, n]] , (a) = 0
@xi
de f en a suivant les vecteurs e1 , . . . , en .
@f
Composition par une application bilinéaire
• La dérivée en a selon ei se note Di f (a) ou (a). Soit k 2 N⇤ [ {1}. Soit f : U ⇢ E ! F, g : U ⇢ E ! G et B : F ⇥ G ! H Extrémums en dimension 2
@xi
@f bilinéaire. Si f et g sont de classe C k alors B(f, g) l’est aussi et @2f
• x 7! (x) s’appelle la i-ème application dérivée partielle de f sur U . Soit f : U ⇢ R2 ! R de classe C 2 et a critique de f . On note r = (a, b), s =
@xi ✓ ◆ ✓ ◆ @x2
@B(f, g) @f @g @2f @2f
On la note
@f
.
=B , g + B f, (a, b) et t = (a, b).
@xi @xi @xi @y@x @y 2
@xi
Propriété 1. Si s2 rt < 0 et r > 0 alors f admet un minimum local stricte en a.
2. Si s2 rt < 0 et r < 0 alors f admet un maximum local stricte en a.
Si f 2 C (U, F ) et g 2 C (U, K), alors gf 2 C (U, F ). Si de plus g ne s’annule
k k k
D IFFÉRENTIELLE f 3. Si s2 rt > 0 alors a est un point col ou selle de f
pas sur U alors est de classe C k 4. Si s2 rt = 0, on ne peut pas conclure
g
Différentielle en un point
On dit que f est différentiable en a s’il existe une application linéaire ` de E Lien avec les composantes
vers F et " une application de E dans F continue et nulle en 0 telles que 8h 2 E Soit f : U ⇢ E ! F . Alors f est de classe C k sur U ssi ses fonctions com- M ATRICE J ACOBIENNE
tel que a + h 2 U : f (a + h) = f (a) + `(h) + k h k "(h) L’application ` est posantes sont de classe C k sur U
h!0E
unique, appelée la différentielle de f en a et notée dfa . On écrit o(k h k) pour Définition
k h k "(h). Règle de la chaine On appelle matrice jacobienne relative aux bases B et C d’une application f :
Soit f : U ⇢ E ! F et g : V ⇢ F ! G deux fonctions de C k telles que U ⇢ E ! F différentiable en a 2 U la matrice de l’application linéaire dfa
Propriété f (U ) ⇢ V , alors g f est de C k et 8a 2 U relative aux bases B et C: Jf (a) = Mat (dfa ) 2 Mp,n (R)
B,C
1. f est différentiable en a ) f est continue en a. ✓ ◆
X @fi p @fi
2. f est différentiable en a ) f est dérivable en a selon tout vecteur et: @(g f ) @g Si f1 , · · · , fp les coordonnées de f : Jf (a) = (a)
8j 2 [[1, n]] , (a) = (a). (f (a)) @xj
8h 2 E \ {0}, dfa (h) = Dh f (a).
16i6p
@xj i=1
@x j @yi 16j6n
3. Si E = R. L’application f est différentiable en a si, et seulement, si f est G RADIENT

dérivable en a. avec f1 , · · · , fples fonctions coordonnées de f .
Auquel cas, 8h 2 R, dfa (h) = hf 0 (a). E désigne un espace euclidien dont on note (.|.) le produit scalaire G RADIENT
4. Si f est différentiable en a alors les dérivées partielles de f en a existent Formule
Gradientd’intégration
X n E désigne un espace euclidien dont on note (.|.) le produit scalaire
Soit
Si f f: :UU⇢⇢EE ! !R uneune
F est application de classe
application C 1 etC 1 alors
de classe !E
: [0, 1]pour estaun
tout 2 arc
U,
et on a 8h = hi ei 2 E, de classeun inscrit dans
C 1 unique U d’extrémités a rf
= (a) et appelé
(0) et alors de f en a
b = (1)gradient Gradient
i=1
il existe vecteur dans E noté
Z 1
vérifiant 8h 2 E, Dh f (a) = (rf (a)|h) Si f : U ⇢ E ! R est une application de classe C 1 alors pour tout a 2 U ,
f (b) f (a) = df (t) ( 0 (t)) dt il existe un unique vecteur dans E noté rf (a) et appelé gradient de f en a
n
X @f De plus, si B = (e1, · · · , en ) est une BON0 de E alors
dfa (h) = Dh f (a) = hi (a) En particulier si U est un ouvert connexe par arcs alors f est constante si, et vérifiant 8h 2 E, Dh f (a) = (rf (a)|h)
@x
i=1 i
seulement si, df = e 0
n
X @f De plus, si B = (e1, · · · , en ) est une BON de E alors
rf (a) = (a)ei
@xi Xn
Différentielle Théorème de Schwarz
i=1
rf (a) =
@f
(a)ei
On dit que f est différentiable sur U si f est différentiable en tout point de U . Soit f 2 C (U, F ). Alors :
2
i=1
@xi
L’application df : x 2 U 7! dfx 2 L(E, F ) s’appelle la différentielle de f sur
U. @2f @2f
2
8i 6= j 2 [[1, n]] ,
@xi @xj
=
@xj @xi
. C ONTACT-I NFORMATION
Phone 06 62 30 38 81 Page: 13
E SPACES PRÉHILBERTIENS RÉELS 1/2
P RODUIT SCALAIRE P ROJECTEURS ORTHOGONAUX S YMÉTRIE ORTHOGONALE

E désigne un R-espace vectoriel Soit F un sous-espace vectoriel d’un préhilbertien E tel que F et F ? sont supplé- Soit F un sous-espace vectoriel d’un préhilbertien E tel que F et F ? sont supplé-
mentaires dans E mentaires dans E
Définition
On appelle produit scalaire sur E toute application ' : E ⇥ E ! R vérifiant Définition Définition
On appelle projection orthogonale sur F la projection vectorielle pF sur F par- On appelle symétrie orthogonale par rapport à F la symétrie vectorielle sF par
1. ' est bilinéaire allèlement à F ? . rapport à F parallèlement à F ? .
2. ' est symétrique i.e. 8x, y 2 E, '(x, y) = '(y, x) Si F est un hyperplan de E, on dit que sF est la réflexion par rapport à F .
3. ' est positive i.e. 8x 2 E, '(x, x) > 0 Propriété
4. ' est définie i.e. 8x 2 E, '(x, x) = 0 ) x = 0. pF est un endomorphisme de E vérifiant p2 = p, Imp = F et Kerp = F ? . De Propriété
plus id p projection orthogonale sur F ? Soient a, b 2 E tels que kak = kbk et a 6= b.
E est dit espace préhilbertien Il existe une réflexion et une seule qui échange a et b.
Propriété
Norme euclidienne Soit p un projecteur de E. Alors H = Vect(a b)?
Soit E un espace préhilbertien. p ? ?
Kerp ? Imp () Kerp = (Imp) () Imp = (Kerp) Propriété
L’application k . k : x 2 E 7 ! < x|x > est une norme sur E dite norme
euclidienne Tout projecteur vérifiant l’une des trois assertions est projecteur orthogonal sF est un endomorphisme de E vérifiant s2 = id, Ker(s id) = F et Ker(s +
id) = F ? . De plus sF = sF ? et sF = 2pF id
Identités et inégalités classiques Propriété caractéristique
Soit E un préhilbertien. Pour tout x, y 2 E Soit p 2 L(E) un projecteur. On a équivalence entre : Expression du symétrique
Si B = (e1 , · · · , ep ) est une base orthonormée de F alors
• Inégalité de Cauchy-Schwarz: 8x, y 2 E, |< x|y >| 6 kxk.kyk. 1. p est un projecteur orthogonal
Il y a égalité si, et seulement si, (x, y) est liée. 2. 8x, y 2 E, < p(x)|y >=< x|p(y) >. p
X
3. 8x 2 E, kp(x)k 6 kxk 8x 2 E, sF (x) = 2 < ej , x > e j x
• Inégalité de Minkowski: 8x, y 2 E, kx + yk  kxk + kyk. j=1
Il y a égalité ssi x et y sont positivement liés La matrice d’un projecteur orthogonal dans une base orthonormée est
symétrique. Exemple
Soit D = Vect (a) et H = D? avec a 6= 0. Alors
O RTHOGONALITÉ Expression du projeté
Si B = (e1 , · · · , ep ) est une base orthonormée de F alors < x|a >
8x 2 E, sD (x) = 2 a x
Définition p
kak2
X
La famille (xi )i2I de vecteurs de E est dite 8x 2 E, pF (x) = < ej , x > e j et
• orthogonale si 8i, j 2 I, i 6= j )< xi , xj >= 0. j=1 < x|a >
8x 2 E, sH (x) = x 2 a
• orthonormale si 8i, j 2 I, < xi , xj >= ij . kak2
Exemple
Propriété ?
Soit D = Vect (a) et H = Vect(a) avec a 6= 0. Alors Propriété caractéristique
• Une famille orthogonale sans vecteur nul est libre. Soit s une symétrie de E. On a équivalence entre:
• Toute famille orthonormale est libre. < a|x > < a|x >
8x 2 E, pD (x) = a et pH (x) = x a 1. s est une symétrie orthogonale
• Tout espace euclidien, non nul, admet une base orthonormale; kak2 kak2
2. 8x, y 2 E, (s(x)|y) = (x|s(y)).
• Toute famille orthonormale d’un euclidien se complète en une BON.
Minimisation de distance 3. 8x 2 E, k s(x) k = kxk
Calcul avec une BON Pour tout y 2 F , kx yk > kx pF (x)k avec égalité ssi, y = pF (x).
E euclidien et B = (e1 , . . . , en ) une BON sur E et soit u 2 L(E). Autrement-dit d (x, F ) = kx pF (x)k La matrice d’une symétrie orthogonale dans une base orthonormée est
Xn Xn
symétrique.
Soit x = xk ek , y = yk ek , alors: Algorithme de Gram-Schmidt
Les symétries ? conservent le produit scalaire
k=1 k=1
Soit (e1 , . . . , en ) une famille libre de E . Il existe une et une seule famille or-
v thonormée ("1 , . . . , "n ) de E telle que : 8k 2 [[1, n]] 8x, y 2 E, (s(x)|s(y)) = (x|y)
u n
uX
• 8k 2 [[1, n]] , xk =< ek , x > et kxk = t x2k . En particulier, les symétries orthogonales conservent la norme
• Vect("1 , . . . , "k ) = Vect(e1 , . . . , ek ).
k=1 8x 2 E, ks(x)k = kxk
v • < "k , ek >> 0.
n u n
X uX
yk = t
2
• < x, y >= xk yk et kx (xk yk ) Cette famille est donnée par :
k=1 k=1
• Mat(u) = (hei , u(ej )i)16i,j6n e1 ek Pk 1 (ek )
B
"1 = et 8k 2 [[2, n]] , "k =
ke1 k kek Pk 1 (ek )k
Existence de supplémentaire orthogonal Avec Pi désigne le projecteur ? sur Vect("1 , . . . , "i ) C ONTACT I NFORMATION
Si F un sev de dimension finie d’un préhilbertien E alors les espaces F et F ?
sont supplémentaires dans E. Web www.elamdaoui.com
Phone 06 62 30 38 81 Page: 14
E SPACES PRÉHILBERTIENS RÉELS 2/2
FAMILLE TOTALE E XTRÉMUM SUR LA SPHÈRE A PPLICATIONS AUX EXTREMA

E un espace préhilbertien réel et (en )n2N une suite de E
Extrémum sur la sphère Applications aux extrema
Inégalité de Bessel Soit u 2 S(E). Posons = min (Sp (u)) et = max (Sp (u)). Alors Soit U ⇢ E
min max ✓ un 2ouvert ◆non vide, a 2 U et f : U ! R une fonction de classe C 2 .
Si (en )n2N est orthonormale. Alors 8x 2 E la famille (< en | x >)n2N est de @ f
carré sommable et
2
• 8x 2 E : min k x k 6< u(x), x >6 max kxk
2 Hf (a) = (a) est la matrice Hessienne de f en a. On suppose
X @xi @xj 16i,j6n
hen | xi2 6 kxk2 • min {< u(x), x > , k x k = 1} = min que f admet un point critique en a, alors:
n2N • max {< u(x), x > , k x k = 1} = max
1. Si Sp (Hf (a)) ⇢ R⇤+ , alors f admet un minimum local en a;
Famille totale 2. Si Sp (Hf (a)) ⇢ R⇤ , alors f admet un maximum local en a;
La famille (en )n2N est dite totale si l’espace vectoriel qu’elle engendre est dense E NDOMORPHISMES ORTHOGONAUX 3. Si Hf (a) admet deux valeurs propres de signes opposés, alors a est un
dans E. Autrement-dit point col ou selle.
E désigne un euclidien de dimension n > 1
Vect((en )n2N ) = E
Endomorphisme orthogonal
Base hilbertienne Soit u 2 L(E). On dit que u est orthogonal si R ÉDUCTION DES ENDOMORPHISMES ?
(en )n2N est dite base hilbertienne si elle est à la fois orthonormale et totale E désigne un plan euclidien orienté,
8x 2 E, ku(x)k = kxk
Propriété Réduction des endomorphismes ?
O(E), l’ensemble des automorphismes orthogonaux, est un groupe, ap- Soit u 2 O(E) avec n > 2. Il existe une BON B de E telle que
Soit (en )n2N base hilbertienne de E et Pn le projecteur orthogonal de E sur
pelé le groupe orthogonal de E. 0 1
Vect (e0 , · · · , en ), alors 8x 2 E, Pn (x) !x Ip 0 ··· ··· 0
n!+1
Propriété B .. .. C
B0
B Iq . . C
C
Égalité de Parseval Si u 2 O(E), alors Sp (u) ⇢ { 1, 1}.
Mat (u) = B ... ..
B .. .. C
Soit (en )n2N une base hilbertienne de E. Alors pour tout x 2 E la famille . R1 . .C
B B C
X Propriété caractéristique B. .. .. C
(< ei | x >)i2N est de carré sommable et hen | xi2 = kxk2 . @ .. . . 0A
Soit u 2 L(E). Les assertions suivantes sont équivalentes: 0 ··· ··· 0 Rr
n2N
1. 8x 2 E, ku(x)k = kxk; ✓ ◆
cos ✓k sin ✓k
2. 8x, y 2 E, < u(x), u(y) >=< x, y >; où pour tout k 2 [[1, r]], on note : Rk = avec ✓k 2 ]0, 2⇡[\{⇡}
E NDOMORPHISMES SYMÉTRIQUES 3. u transforme toute BON de E une BON de E;
sin ✓k cos ✓k
et p, q, r sont des entiers naturels tels p + q + 2r = n (si l’un de ces entiers est
E un espace préhilbertien 4. u transforme une BON de E une BON de E. nul, les blocs de matrices correspondants n’existent pas).
Endomorphisme symétrique Matrices orthogonales Isométries positives en dim 3
Soit u 2 L(E). On dit que u est symétrique si: Une matrice réelle A 2 Mn (R) est dite orthogonale si t AA = In . Soit f 2 O+ (E), alors il existe une BON directe B = (u, v, w) dans laquelle la
8x, y 2 E, < u(x), y >=< x, u(y) > On (R), l’ensemble de matrices orthogonales, est un groupe, appelé matrice de f est de la forme
groupe orthogonal d’ordre n. 0 1
1 0 0
S (E) désigne l’ensemble des endomorphismes symétriques de E @0 cos ✓
Propriétés caractéristiques sin ✓A
0 sin ✓ cos ✓
Stabilité- Image et noyau Soit A 2 Mn (R) de colonnes C1 , · · · , Cn et de lignes L1 , · · · , Ln . On a équiva-
Soit u 2 S(E) et F un sev de E stable par u. Alors F ? est stable par u lence entre :
f est dite la rotation d’axe dirigé et orienté par u et d’angle ✓.
1. la matrice A est orthogonale
Cas euclidien 2. la famille (C1 , · · · , Cn ) est orthonormale Comment déterminer les éléments de f
?
Soit E un espace euclidien et u 2 S (E), alors Im (u) = (Keru) 3. la famille (L1 , · · · , Ln ) est orthonormale. • Pour déterminer une telle base on prend u normé qui engendre Ker(f
4. A est la matrice de passage d’une BON à une BON id), v unitaire et orthogonal à u et w = u ^ v;
Soit E un espace euclidien, B une BON de E et u 2 L(E). • Pour déterminer cos ✓, on utilise la trace de f ;
Propriété
Alors u 2 S(E) () Mat (u) 2 Sn (R)
B • A 2 On (R), alors det A = ±1. • le signe de sin ✓ est celui de Det(u, x, f (x)) où x est un vecteur non col-
• On+ (R) = {M 2 On (R), det M = 1} est un sous-groupe de On (R) inéaire à u
Endomorphismes involutifs, idempotents • On (R) = {M 2 On (R), det M = 1} n’est pas un groupe
Soit E un espace euclidien et u 2 L(E).
Lien avec les matrices
1. u est un projecteur ? ssi u 2 S(E) et u2 = u;
Soit u 2 L(E) et B une BON de E. Alors
2. u est une symétrie ? ssi u 2 S(E) et u2 = idE .
• u 2 O(E) () MatB (u) 2 On (R)
Théorème spectral • On (R) est isomorphe à O(E); C ONTACT I NFORMATION
Tout endomorphisme symétrique d’un espace euclidien E est diagonalisable • On+ (R) w O+ (E) = {u 2 O(E); det u = 1}; Web www.elamdaoui.com
dans une BON. • On (R) w O (E) = {u 2 O(E); det u = 1}. Email elamdaoui@gmail.com
Soit A 2 Sn (R), alors il existe P 2 On (R) tel que t P AP soit diagonale. Phone 06 62 30 38 81 Page: 15
I NTÉGRALES PARAMÉTRÉES
R
C ONVERGENCE DOMINÉE POUR LES SUITES C ONTINUITÉ PAR DOMINATION LOCALE D ÉRIVATION SOUS SIGNE - C LASSE C n
Convergence dominée pour les suites Propriété Classe C n
⇢
Soit (fn )n2N une suite de fonctions telle que: A⇥I !K Soit n 2 N⇤ et f : J ⇥ I ! K une fonction admettant des dérivées partielles
Soit F : où A ⇢ Rn telle que: @f @nf
(x, t) 7! f (x, t) , · · · , n tels que:
• 8n 2 N, fn : I ! K est cpm; @x @x
cvs
• fn ! f et f : I ! K cpm sur I; • 8t 2 I, x 7 ! f (x, t) est continue sur A;
I @if
• il existe ' 2 Cm (I, R+ ) intégrable telle que • 8i 2 [[0, n 1]] et 8x 2 J, l’application t 7 ! (x, t) est cpm et inté-
• 8x 2 A, t 7 ! f (x, t) est cpm sur I; @xi
grable sur I;
8n 2 N, 8x 2 I |fn (x)| 6 '(x) • Pour tout compact K contenu dans A, il existe ' 2 Cm (I, R+ ) intégrable @nf
telle que • qui est continue par rapport à la première variable et cpm par rap-
✓Z ◆ @xn
8(x, t) 2 K ⇥ I, |f (x, t)| 6 '(t) port à la seconde
Alors les applications fn et f sont intégrables sur I, la suite fn con-
Z Z I n2N • Pour tout [a, b] ⇢ J, il existe 'n 2 Cm (I, R+ ) intégrable telle que:
Alors 8x 2 A, la fonction t 7 ! f (x, t) est intégrable sur I et
verge et fn ! f @nf
n!+1 Z 8(x, t) 2 [a, b] ⇥ I, (x, t) 6 'n (t)
I I @xn
F : x 2 A 7 ! f (x, t)dt est continue sur A
I
Z
Alors F : x 7 ! f (x, t)dt est de classe C n sur J et
C ONVERGENCE DOMINÉE POUR LES SÉRIES I
Z
Convergence dominée pour les séries ' ne dépend pas de x @kf
8k 2 [[1, n]] , 8x 2 J, F (k) (x) = (x, t)dt
Soit (fn )n2N une suite de fonctions telle que: I @xk
Lorsque A intervalle de R, on remplace K par [a, b]
• 8n 2 N, fn : I ! K est cpm et intégrable sur I;
X Dans la troisième assertion, on peut remplacer K par A et obtenir une 'n ne dépend pas de x
• La série fn cvs sur I de somme f cpm sur I; domination globale
n>0
XZ R
• La série |fn | converge. R D ÉRIVATION SOUS SIGNE - C LASSE C 1
n>0 I
Z X
D ÉRIVATION SOUS SIGNE - C LASSE C 1
+1 Z
+1 X
R Classe C 1
Alors f est intégrable sur I et on a: fn = fn Soit f : J ⇥ I ! K une fonction telle que:
I n=0 n=0 I Dérivation sous le signe
Soit f : J ⇥ I ! K une fonction telle que: • Pour tout x 2 J, t 7 ! f (x, t) est cpm et intégrable sur I;
Astuce • 8x 2 J, t 7 ! f (x, t) est cpm et intégrable sur I; @nf
• Pour tout n 2 N⇤ , l’application f admet une dérivée partielle con-
Si la domination dans le cas des séries n’est pas accessible vous pouvez utiliser @f @xn
le TCVD appliqué à la suite des sommes partielles. • f admet sur J ⇥ I une dérivée partielle qui est continue par rapport tinue par rapport à la première variable, continue par morceaux par rap-
@x port à la seconde
à la première variable et cpm par rapport à la seconde
• Pour tout [a, b] contenu dans J il existe ' 2 Cm (I, R+ ) intégrable telle • Pour tous [a, b] ⇢ J et n 2 N⇤ , il existe 'n 2 Cm (I, R+ ) intégrable telle
que:
C ONTINUITÉ PAR DOMINATION GLOBALE que @nf
@f 8(x, t) 2 [a, b] ⇥ I, (x, t) 6 'n (t)
8(x, t) 2 [a, b] ⇥ I, (x, t) 6 '(t) @xn
Propriété @x Z
⇢ Z
A⇥I !K Alors F : x 7 ! f (x, t)dt est de classe C 1 sur J et
Soit F : où A ⇢ Rn telle que: Alors F : x 7 ! f (x, t)dt est de classe C 1 sur J et
(x, t) 7! f (x, t) I
I
Z Z
• 8t 2 I, x 7 ! f (x, t) est continue sur A; @f @nf
8x 2 J, F 0 (x) = (x, t)dt (Formule de Leibniz) 8n 2 N⇤ , 8x 2 J, F (n) (x) = (x, t)dt
@xn
I @x
I
• 8x 2 A, t 7 ! f (x, t) est cpm sur I;
• Il existe ' 2 Cm (I, R+ ) intégrable telle que ' ne dépend pas de x 'n ne dépend pas de x
8(x, t) 2 A ⇥ I, |f (x, t)| 6 '(t) Gamma d’Euler

Cas d’un segment Z +1
Soit f : J ⇥ [a, b] ! K une fonction de classe C n sur J ⇥ [a, b].
Alors 8x 2 A, la fonction t 7 ! f (x, t) est intégrable sur I et Z b x7 ! tx 1
e t
dt est de classe C 1 sur R⇤+
0
Z Alors F : x 2 J 7 ! f (x, t)dt est de classe C n sur J
a
F : x 2 A 7 ! f (x, t)dt est continue sur A
I
' ne dépend pas de x

Phone 06 62 30 38 81 Page: 16
P ROBABILITÉS
T RIBU L ES THÉORÈMES DE PROBABILITÉS U NIVERS AU PLUS DÉNOMBRABLE

(⌦, T, P) un espace probabilisé
Tribu Univers au plus dénombrable
Continuité croissante Soit ⌦ un ensemble au plus dénombrable , T = P(⌦) et P une probabilité sur
Soit ⌦ un ensemble et T une partie de P(⌦). On dit que T est une tribu de
Soit (An )n2N une suite d’événements, alors (⌦, T ). Alors (P ({!}))!2⌦ est une famille de réels positifs, sommable et de
parties de ⌦ si : +1
! n
!
[ [ somme égale à 1.
• ⌦ 2 T et 8A 2 T, on a A 2 T P An = lim P Ak
[ n!+1
• Pour toute (Ai )i2I au plus dénombrable d’éléments de T, on a Ai 2 T.
n=0 k=0
Univers au plus dénombrable
i2I En particulier si (An )n2N est croissante, alors: Soit ⌦ un ensemble au plus dénombrable. Si (p! )!2⌦ est une famille de réels
! positifs, sommable et de somme égale à 1 alors il existe une unique probabilité
Le couple (⌦, T) s’appelle un espace probabilisable. Les éléments de T sont +1
[ P sur (⌦, P (⌦)) vérifiant
appelés des événements et on a: P An = lim P (An )
n!+1
• ; 2 T et 8A, B 2 T, on a A [ B, A \ B et A \ B sont dans T.
n=0 8! 2 ⌦, P ({!}) = p!
\
• Pour toute (Ai )i2I au plus dénombrable d’éléments de T, on a Ai 2 T. Continuité décroissante De plus, celle-ci est déterminée par
i2I Soit (An )n2N une suite d’événements, alors
X
! ! 8A ⇢ ⌦, P(A) = p!
Système complet d’événements +1
\ n
\
!2A
P An = lim P Ak
Une famille au plus dénombrable (Ai )i2I d’événements est dite un système n!+1
n=0 k=0
complet d’événements si Cas particulier ⌦ = N
En particulier si (An )n2N est décroissante, alors: Une probabilité sur (N, P (N)) est déterminée par le choix de (pn )n2N 2 RN
• 8i 2 I, Ai 6= ; +
! +1
X
• 8(i, j) 2 I 2 i 6= j =) Ai \ Aj = ;, +1
\
[ avec pn = 1
• ⌦= Ai . P An = lim P(An )
n!+1 n=0
n=0
i2I
Probabilité conditionnelle
I NDÉPENDANCE
P ROBABILITÉ Soit A un événement avec P(A) > 0. Alors l’application
8
< T ! R+ Indépendance d’événements
Soit (⌦, T) un espace probabilisable P(A \ B)
PA :
: B 7 ! PA (B) = Soit (Ai )i2I une suite d’événements où I est au plus dénombrable.
Probabilité P(A)
On appelle probabilité toute application P de T dans R+ telle que • On dit que (Ai )i2I est une famille d’événements deux à deux indépen-
est une probabilité sur (⌦, T ) dite conditionnée à A
dants pour la probabilité P si pour tout i, j 2 I,
• P(⌦) = 1,
• Si (An )n2N une suite d’événements deux à deux incompatibles, alors Fromule des probabilité composées i 6= j ) P (Ai \ Aj ) = P (Ai ) P (Aj )
n
!
! +1 \
+1
[ X Soit (Ai )16i6n une suite d’événements telle que P Ai 6= 0. Alors
• On dit que (Ai )i2I est une famille d’événements mutuellement indépen-
P An = P(An ) -additivité ! i=1
n=0 n=0 n
\ dants pour la probabilité P si pour toute partie J finie de I, on a
P Ai = P(A1 )P(A2 |A1 ) · · · P(An |A1 \ · · · An 1 ). !
Le triplet (⌦, T, P) est appelé espace probabilisé et on a: i=1
\ Y
P Ai = P(Ai )
• P(;) = 0. Formule des probabilités totales i2J i2J
• Soit A0 , · · · , An sont des événements deux à deux incompatibles Soit (Ai )i2I un système complet d’événements. Pour tout événement B, la
! X Propriété
[n Xn famille (P(B \ Ai ))i2I est sommable et P(B) = P(B \ Ai ). Soit (Ai )i2I une suite d’événements indépendants pour la probabilité P avec
P Ak = P(Ak ) Additivité finie i2I I est au plus dénombrable.
X
k=0 k=0
Si de plus 8i 2 I, P (Ai ) 6= 0, alors P(B) = P(B|Ai )P(Ai ). Si pour tout i 2 I, Bi = Ai ou Ai alors (Bi )i2I est une suite d’événements
indépendants pour la probabilité P .
• P A = 1 P(A) et 0 6 P(A) 6 1. i2I
• P(A [ B) = P(A) + P(B) P(A \ B).

Formule de Bayes
• Si A ⇢ B, alors P(A) 6 P(B) et P(B \ A) = P(B) P(A)
Si A et B sont deux événements de probabilités non nulles, on a :
• Soit (An )n2N une suite des événements. Alors
! P(A) ⇥ PA (B)
+1
[ +1
X PB (A) =
P An 6 P(An ) Sigma sous-additivité P(B)
n=0 n=0
Soient (Ai )i2I un système complet d’événements de probabilités non nulles et
A et B deux événements de probabilités non nulles. On a :
Événement négligeable, quasi-certain
PA (B)P(A)
• On dit qu’un événement A est négligeable si P(A) = 0. PB (A) = X Web : www.elamdaoui.com
PAi (B)P(Ai )
• On dit qu’un événement A est quasi-certain ou presque sûr si P(A) = 1. i2I
Email : elamdaoui@gmail.com
Phone: 06 62 30 38 81
VARIABLES ALÉATOIRES DISCRÈTES 1/2
VARIABLES A LÉATOIRES DISCRÈTES M OMENTS L OIS DISCRÈTES USUELLES

(⌦, T, P) désigne un espace probabilisé. X est une variable aléatoire discrète
Loi de Bernoulli
Variable aléatoire discrète Espérance Soit p 2 [0; 1]. On dit qu’une VAR X suit la loi de Bernoulli de paramètre p
On appelle variable aléatoire définie sur (⌦, T ) toute application X de ⌦ dans On dit que X admet une espérance lorsque la famille (xP(X = x))x2X(⌦) est (notée B(p)) X ,! B(p) si :
un ensemble R telle que: sommable.
On appelle alors espérance de X, le réel X(⌦) = {0; 1}, P (X = 0) = 1 p et P (X = 1) = p
1
8x 2 X(⌦), X (] 1, x]) 2 T X
E(X) = xP(X = x) et on a:E(X) = p et V (X) = p(1 p)
Si de plus X(⌦) est un ensemble au plus dénombrable, on dit que la variable x2X(⌦)
est discrète Loi binomiale (ou des tirages avec remise)
Lorsque E(X) = 0, on parle de variable centrée Soit p 2 [0; 1] et n 2 N. On dit que la VAR X suit la loi binomiale de taille n et
Loi d’une VARD de paramètre p (notée B(n, p)) X ,! B(n, p) si :
On appelle loi de probabilité de la VARD X (ou distribution de X) Propriétés
X(⌦) = [[0; n]] et 8k 2 [[0; n]], P (X = k) = Cnk pk (1 p)n k
l’application ⇢ • Si X > 0 et admet une espérance, alors E(X) > 0.
X(⌦) ! R Si de plus E(X) = 0 alors X = 0 est quasi certain. et on a:E(X) = np et V (X) = np(1 p)
PX :
x 7 ! P (X = x) • Si X et Y admettent des espérances et X 6 Y alors E(X) 6 E(Y ).
PX est bien déterminée par l’ensemble de couples (x, P (X = x))x2X(⌦) • Si Y admet une espérance et |X| 6 Y , alors X aussi. Loi uniforme
Soit n 2 N⇤ . On dit que X suit la loi uniforme U ([[1; n]]) X ,! U ([[1, n]]) si :
Propriété Théorème du transfert
Soit g une fonction définie au moins sur X (⌦) et à valeurs dans R.Alors g(X) 1
Soit X une VARD. Alors X(⌦) = [[1; n]], 8k 2 [[1; n]], P (X = k) =
admet une espérance ssi (g(x)P(X = x))x2X(⌦) est sommable. n
1. La famille ([X = x])x2X(⌦) est un système complet d’événements. Au quel cas X n+1 n2 1
2. La famille (P (X = x))x2X(⌦) est sommable de somme 1 E(g(X)) = g(x)P(X = x) et on a: E(X) = et V (X) =
2 12
3. Pour tout A sous-ensemble de R, l’ensemble x2X(⌦)
Loi géométrique
1
X (A) = {! 2 ⌦/X(!) 2 A} Moments d’ordre r Soit p 2]0; 1[. On dit qu’une VAR X suit la loi géométrique de paramètre p
Soit r 2 N⇤ . Si X r admet une espérance alors on dit que X admet un moment (notée G(p)) X ,! G (p), si :
est un événement de T que l’on notera [X 2 A]. et
d’ordre r qui est le réel mr (X) = E(X r ).
X X(⌦) = N⇤ , 8n 2 N⇤ , P (X = n) = (1 p)n 1
p
P (X 2 A) = P (X = x) Propriété 1 1 p
x2X(⌦)\A
Soit r 2 N⇤ . Si X admet un moment d’ordre r alors X admet des moments et on a: E(X) = et V (X) =
p p2
d’ordre s pour tout s 2 [[1; r]].
Définition Loi sans mémoire (Concours Français)
Soit X une variable aléatoire réelle. Variance Une variable X discrète à valeurs dans N⇤ . Alors X est sans mémoire si, et
On appelle fonction de répartition de X l’application FX : R ! R définie par Soit X une VAR discrète admettant une espérance et telle que la variable X seulement si, elle suit une loi géométrique
: E(X) admet un moment d’ordre 2. On appelle variance de X le réel :
FX (x) = P(X 6 x) Loi de Poisson
X ⇣ ⌘
On a aussi FX (x) = P (X = k) V (X) = E (X E(X))
2
Soit > 0. On dit qu’une VAR X suit une loi de Poisson (notée P( )) X ,!
k2X(⌦)
P( ) si :
n
De e
p plus lorsque V (X) existe, on appelle écart-type de X le réel
k6x
(X) = X(⌦) = N, 8n 2 N, P (X = n) =
V (X). n!
Propriété
et on a: E(X) = et V (X) =
1. 8x 2 R, FX (x) 2 [0; 1]
Formule de Huygens ou de Kœnig
2. FX est croissante.
Si X admet un moment d’ordre 2, alors: Poisson et Binomiale
3. lim FX (x) = 0 et lim FX (x) = 1.
x! 1 x!+1 Soit (Xn )n2N une suite de variables aléatoires indépendantes. On suppose que
2 2
4. 8a 6 b 2 R, P (a < X 6 b) = FX (b) FX (a) V (X) = E(X ) E(X) pour tout n 2 N la variable Xn suit une loi binomiale B(n, pn ) avec lim npn =
n!1
5. FX est continue à droite en tout point de R > 0.
6. FX est continue à gauche en x si, et seulement si, P(X = x) = 0 Propriété Alors
Si X est une VAR discrète admettant une variance alors pour tout (a, b) 2 R2 , k
aX + b admet une variance et 8k 2 N, P(Xn = k) ! e

Loi d’une VARD et fonction de répartition n!+1 k!
Si X(⌦) = {xi /i 2 I} tel que les xi sont rangés par ordre croissant alors pour
V (aX + b) = a2 V (X)
tout x 2 I tel que i 1 2 I (on a donc xi 1 < xi ) on a
P(X = xi ) = FX (xi ) FX (xi 1) C ONTACT I NFORMATION

Phone 06 62 30 38 81 Page: 18
VARIABLES ALÉATOIRES DISCRÈTES 2/2
L OIS D ’ UN COUPLE DE VARD L OI DE PROBABILITÉ F ONCTION GÉNÉRATRICE

X et Y désigneront deux variables discrètes définies sur un même espace probabil- g désigne une fonction de R2 dans R et X, Y deux variables réelles Soit X une variable aléatoire à valeurs dans N.
isé (⌦, T, P). discrètes. Définition
Définition Propriété On définit sa fonction génératrice GX par
On appelle loi du couple (X, Y ), ou encore loi conjointe des X et Y , Z = g(X, Y ) est une variable aléatoire réelle discrète.
+1
X
l’ensemble des couples ((x, y), P(X = x, Y = y))(x,y)2X(⌦)⇥Y (⌦) où
Propriété 8t 2 [ 1, 1] , GX (t) = E tX = P(X = k)tk
k=0
P(X = x, Y = y) = P([X = x] \ [Y = y]) Soit Z = g(X, Y ). Alors, Pour tout z 2 Z (⌦), on a :
X Fonctions génératrices usuelles
Propriété P(Z = z) = P([X = x] \ [Y = y])
• Si X suit la loi de Bernoulli B (1, p), alors
Avec les notations précédentes, alors la famille (x,y)2X(⌦)⇥Y (⌦)
g(x,y)=z
(P(X = x, Y = y))(x,y)2X(⌦)⇥Y (⌦) est sommable de somme 1 GX (t) = 1 p + pt
Loi d’une somme
Lois marginales S = X + Y est une variable aléatoire réelle discrète, et • Si X suit la loi binomiale B (n, p), alors
La loi de X est appelé la première loi marginale du couple (X, Y ) et la loi de X n
Y est appelée la deuxième loi marginale du couple (X, Y ). P (X + Y = s) = P (X = x, Y = y) GX (t) = (1 p + pt)
On peut obtenir les lois marginales à partir de la loi conjointe à l’aide des (x,y)2X(⌦)⇥Y (⌦)
x+y=s
égalités X • Si X suit la loi de poisson P ( ) avec > 0, alors
X = P (X = x, Y = s x)
(t 1)
• 8x 2 X(⌦), P(X = x) = P(X = x, Y = y) x2X(⌦) GX (t) = e
s x2Y (⌦)
y2Y (⌦) X
X = P (X = s y, Y = y) • Si X suit la loi géométrique G (p) avec p 2 ]0, 1[, alors
• 8y 2 Y (⌦), P(Y = y) = P(X = x, Y = y) y2Y (⌦)
s y2X(⌦) tp
x2X(⌦) GX (t) =
Si X et Y sont des variables aléatoires réelles discrètes indépendantes, alors 1 qt
Loi conditionnelle X Loi et fonction génératrice
Soit y 2 Y (⌦) tel que P(Y = y) 6= 0. P (X + Y = s) = P (X = x) P (Y = y) Soit X une variable aléatoire à valeurs dans N et GX sa fonction génératrice,
On appelle loi conditionnelle à [Y = y] de X l’ensemble des couples (x,y)2X(⌦)⇥Y (⌦)
x+y=s alors
x, P[Y =y] (X = x) x2X(⌦) . X (n)
G (0)
= P (X = x) P (Y = s x) 8n 2 N, P (X = n) = X
8(x, y) 2 X(⌦) ⇥ Y (⌦) tel que P(Y = y) 6= 0 on a : n!
x2X(⌦)
s x2Y (⌦)
P(X = x, Y = y) X Propriété
P[Y =y] (X = x) = = P (X = s y) P (Y = y)
P(Y = y) Les assertions suivantes sont équivalentes
y2Y (⌦)
s y2X(⌦)
1. X admet une espérance
Indépendance
X et Y sont indépendantes si :8(x, y) 2 X(⌦) ⇥ Y (⌦) Stabilité des lois binomiales 2. GX est dérivable en 1.
Si X et Y sont deux VARD indépendantes suivant des lois binomiales de
P(X = x, Y = y) = P(X = x)P(Y = y) paramètres respectifs (m, p) et (n, p) alors X + Y suit une loi binomiale de Dans ce cas: E (X) = G0X (1)
paramètre (m + n, p).
Propriété Propriété
Les assertions suivantes sont équivalentes Stabilité des lois de poisson Les assertions suivantes sont équivalentes
Si X et Y sont deux VAR indépendantes suivant des lois de Poisson de
1. X et Y sont indépendantes 1. X admet un moment d’ordre 2
paramètres respectifs et µ alors X + Y suit une loi de Poisson de paramètre
+ µ. 2. GX est deux fois dérivable en 1.
2. 8(x, y) 2 R2 , [X 6 x] et [Y 6 y] sont indépendants
3. 8A, B ⇢ R, [X 2 A] et [Y 2 B] sont indépendants. Théorème de Transfert Dans ce cas: V (X) = G00X (1) + G0X (1) (G0X (1))
2
La variable Z = g(X, Y ) a une espérance ssi la famille

Indépendance héritée (g(x, y)P(X = x, Y = y))(x,y)2X(⌦)⇥Y (⌦) est sommable et dans ce cas
Si X et Y sont indépendantes et si f et g sont deux fonctions numériques X
définies respectivement sur X(⌦) et Y (⌦) alors f (X) et g(Y ) sont indépen- E(g(X, Y )) = g(x, y)P(X = x, Y = y)
dantes. (x,y)2X(⌦)⇥Y (⌦)
L’espérance d’une somme

Si X1 , · · · , Xn admettant toutes des espérances.
! Alors C ONTACT I NFORMATION
Xn Xn Xn
Xi admet une espérance: E Xi = E (Xi ) Web www.elamdaoui.com
i=1 i=1 i=1 Email elamdaoui@gmail.com
Phone 06 62 30 38 81 Page: 19
VARIABLES ALÉATOIRES À DENSITÉS
VARIABLE À DENSITÉ M OMENTS L OIS USUELLES

M OMENTS ET VARIANCE
(⌦, T, P ) est un espace probabilisé
Définition Loi uniforme
Propriété
Définition Soit r 2 N⇤ et X une VAR à densité f . Soient
Soit r 2 a et deux
N⇤b et réelsVAR
X une tels que a < b. On
admettant un dit qu’une
moment variable
d’ordre r, aléatoire
alors pour suit
X tout
Une variable aléatoire réelle X est dite de loi à densité si: On dit que X admet un moment d’ordre r, notée mr (X), si X r admet une la
s 2loi
[[1,uniforme
r]] la VARsur [a; b] si un
X admet ellemoment
admet pour densité
d’ordre s la fonction f définie par:
espérance et on a 8
• sa fonction de répartition FX est continue sur R Z +1 Définition < 1 si t 2]a; b[
mr (X) = xr f (x) dx f (t) = b a
• FX est de C 1 sur R privé d’un sous-ensemble fini F . Si la variable aléatoire X admet:
2
1 une
0 espérance
sinon et si la variable (X E(X))
admet une espérance, on appelle variance de X le réel
On appelle la densité de X la fonction définie sur R par fX (t) = FX
0
(t) pour Le moment d’ordre 1 est appelé l’espérance On note X ,! U([a; b]) et on a: ⇣ ⌘
t 2 R \ F et fX (t) = 0 pour t 2 F 2
V(X) = E (X E(X))
Domination a+b (b a)2
Propriétés caractéristiques de la densité Soit X et Y deux VAR . E (X) = et V p
(X) =
2
On appelle alors écart-type le réel (X) = V(X) 12
Soit fX une densité d’une variable aléatoire réelle X. Si Y admet une espérance et si |X| 6 Y alors X admet une espérance
Loi gaussienne de paramètres
1. fX est à valeurs réelles positives Propriété Théorème de Huygens Kœing
Soit µ un réel, et un réel strictement positif.
2. fX est continue sur R, sauf éventuellement en un nombre fini de points Soient X et Y deux VAR admettant des espérances. Soitdit
On une X
X que VAR
est àdedensité.
loi gaussienne de paramètres (µ, 2 ) ou de loi normale de
Z +1 Z +1
X admet une
paramètres (µ,variance
2 si, admet
) si elle et seulement, si X admet
pour densité un moment
la fonction d’ordre
f définie et en
sur R2par:
3. fX (t) dt est convergente et f (t) dt = 1 1. Pour tous réels a et b, E(aX + b) = aE(X) + b cas d’existence, on a :
1 1 2✓ 2 2◆
2. E(X + Y ) = E(X) + E(Y ). V(X) = 1E X E(X)µ)
(x
3. Si X > 0 presque sûrement, alors E(X) > 0 f (x) = p exp
Règles de calcul 2⇡ 2 2
Soit X une variable aléatoire admettant une densité f . 4. Si X > Y presque sûrement, alors E(X) > E (Y ) Propriété
5. Inégalité triangulaire: |E(X)| 6 E (|X|) On
Soitécrit
X une variable
X ,! et on admettant
N µ, à 2densité a une variance. Alors pour tout réels a
1. Pour tout x réel : 6. Si X ?? Y , alors E(XY ) = E(X)E(Y ). et b, aX + b admet une variance et V(aX + b) = a2 V(X)
(a) P (X = x) = 0 E(X) = µ et V(X) = 2
Z x
Théorème du transfert Définition
(b) P (X < x) = P (X 6 x) = f (t) dt Soient X une VAR de densité f et g une fonction continue sur R sauf Lorsque µ = 0 et = 1 on parle de la loi normale centrée réduite
1 Si X est une variable à densité telle que (X) = 1, on dit que X est une vari-
Z +1 éventuellement en un nombre fini de points. Alors g(X) admet une espérance
Z +1 able réduite.
(c) P (X > x) = f (t) dt = 1 F (x) Loi gamma
x si, et seulement, si l’intégrale g(t)f (t) dt est absolument convergente. Au Soit ↵ et deux réels strictement positifs.
Z 1 Définition
2. Pour tout intervalle I:P (X 2 I) = f (t) dt quel cas On dit qu’une variable aléatoire X suit la loi Gamma de paramètre (↵, ); et
Z on note (↵, ), si elle X E(X)
I +1 Si X X ,!
admet un écart-type nonadmet
nul, Xpour
⇤
= densité la fonction f définie
est appelée sur R
la variable
E(g(X)) = g(t)f (t) dt par: 8 ↵ (X)
1 centrée réduite associée à X.<
x↵ 1 e x si x > 0
S OMME DE DEUX VARIABLES Propriété
f (x) =
:
(↵)
0 si x 6 0
Si r 2 N⇤ et X admet un moment d’ordre r, alors 8s 2 [[1, r]] la VAR X admet
Discrète + à Densité un moment d’ordre s Et on a: ↵ ↵
Soient X et Y deux variables aléatoires réelles indépendantes dont les lois E(X) = et V(X) = 2
sont discrète pour X et à densité pour Y . Alors la loi de S = X + Y est de Définition
fonction de répartition
Si la variable aléatoire X admet une espérance et si la variable (X E(X))
2 Loi exponentielle
X admet une espérance, on appelle variance de X le réel V(X) = Soit un réel strictement positif.
FS : s 7 ! P (X = x) .FY (s x) ⇣ ⌘
E (X E(X))
2
. On dit qu’une variable aléatoire X suit la loi exponentielle de paramètre ; et
x2X(⌦)
p on note X ,! E( ), si elle admet pour densité la fonction f définie sur R par:
On appelle alors écart-type le réel (X) = V(X) (
Somme de deux VAR à densité e x si x > 0
Soient X et Y deux variables aléatoires réelles indépendantes admettant re- Théorème de Huygens Kœing f (x) = e x ]0,+1[ (x) =
spectivement des densités fX et fY . Alors la loi de S = X + Y est à densité, de 0 si x 6 0
Une VAR X admet une variance si, et seulement, si X admet un moment
densité d’ordre 2 et en cas d’existence, on a : Et on a: 1 1
Z +1 Z +1 E(X) = et V(X) =
fS : s 7 ! fX (t)fY (s t) dt = fX (s t)fY (t) dt V(X) = E X 2 E(X)2 2
1 1
Propriété
Somme de deux variables à densités et positives
Soit X une variable à densité admettant une variance. Alors 8a, b 2 R, aX + b
Si de plus X et Y sont à valeurs positives ou nulles, alors fS est définie sur R +
admet une variance et
par Z V(aX + b) = a2 V(X)
s
fS (s) = fX (t)fY (s t) dt C ONTACT I NFORMATION
0
et est nulle sur R ⇤
Phone 06 62 30 38 81 Page: 20
V ECTEURS DE VARIABLES ALÉATOIRES ET CONVEGENCES
I NÉGALITÉS CLASSIQUES C OVARIANCE C ONVERGENCE EN PROBABILITÉ

Inégalité de Markov Inégalité de Cauchy-Schwarz Convergence en probabilité
Soit X une variable aléatoire réelle définie sur un espace probabilisé (⌦, T, P ) Si les variables X et Y admettent chacune un moment d’ordre 2. Alors XY Soit (Xn )n2N une suite de variables aléatoires réelles et X une variable aléa-
positive et possédant une espérance m = E(X), alors on a admet une espérance et toire réelles. On dit que (Xn ) converge en probabilité vers X si:
E (X) 2 8" > 0 lim P [|Xn X| > "] = 0
8 > 0 P (X > ) 6 . E (XY ) 6 E X 2 E Y 2 P
n!1
On écrit Xn ! X
Il y a égalité si et seulement si X est quasi nulle ou Y est une fonction quasi
Inégalité de Bienaymé-Tchebychev linéaire de X, c’est-à-dire, il existe un réel a tel que P (Y = aX) = 1. Propriété
Soit X une variable aléatoire réelle définie sur un espace probabilisé (⌦, T, P) On considère (fn )n2N une suite de fonctions continues à valeurs réelles
possédant un moment d’ordre 2, alors on a Propriété définies sur R qui converge simplement sur R vers l’application f . On con-
V (X) L’ensemble des variables admettant un moment d’ordre 2 est un sous-espace sidère X une VAR et on définit des variables aléatoires réelles par
8" > 0 P (|X E(X)| > ") 6 .
"2 vectoriel de l’espace des variables admettant un moment d’ordre 1. Xn = fn (X) , Y = f (X)
Inégalité de Jensen Alors la suite (Xn ) converge en probabilité en Y

Définition
Si X est une variable aléatoire réelle admettant une espérance, si f : R ! R
est une application convexe telle que Y = f (X) admet une espérance alors
Soient X et Y deux variables aléatoires admettant des moments d’ordre 2. Théorème central limite
On appelle covariance de X et de Y le nombre réel Soit (Xn )n2N une suite de variables aléatoires réelles indépendantes, de même
f (E (X)) 6 E (f (X))
loi, possédant une espérance m = E(X) et une variance 2 = V(X). Alors
cov(X, Y ) = E((X E(X))(Y E(Y )))
n
X
V ECTEURS DE VARIABLES ALÉATOIRES Si (X) (Y ) 6= 0, le coefficient de corrélation de X et de Y est : Xi
i=1 P
X1 , · · · , Xn des variables aléatoires réelles cov(X, Y ) !m
⇢(X, Y ) = . n
Définition (X) (Y )
On appelle vecteur aléatoire discret défini à partir des X1 , · · · , Xn la variable On dit que X et Y sont non corrélées si cov(X, Y ) = 0.
aléatoire discrète Z donnée par C ONVERGENCE EN LOI
Propriété
8! 2 ⌦, Z(!) = (X1 (!), · · · , Xn (!)) Convergence en loi
Soit X et Y admettant un moment d’ordre 2 alors
La loi de la variable Z est appelée loi conjointe des variables X1 , · · · , Xn tandis Soit (Xn )n2N une suite de variables aléatoires réelles et X une variable aléa-
que les lois de X1 , · · · , Xn sont les lois marginales de Z. cov(X, Y ) = E(XY ) E(X)E(Y ) toire réelles. On note Fn la fonction de répartition de Xn et F celle de X. On
dit que (Xn ) converge en loi vers X si en tout point x où F est continue
Fonction de répartition d’un vecteur Propriété lim Fn (x) = F (x).
La fonction de répartition de (X1 , · · · , Xn ) est la fonction de n variables Soit X, Y, Z des variables aléatoires admettant des moments d’ordre 2 et soit a n!1
L
et b deux réels On note Xn ! X
F(X1 ,··· ,Xn ) définie par
F(X1 ,··· ,Xn ) (x1 , · · · , xn ) = P (X1 6 x1 , · · · , Xn 6 xn ) 1. cov(X, X) = V(X), Propriété
La convergence en probabilité ) la convergence en loi.
2. cov(X, Y ) = cov(Y, X),
Espérance d’un vecteur
Si 8i 2 [[1, n]] la variable Xi admet une espérance, on définit le vecteur es- 3. cov(aX + bZ, Y ) = a.cov(X, Y ) + b.cov(Z, Y ) Cas de variables discrètes
pérance E (X1 , · · · , Xn ) du vecteur aléatoire (X1 , · · · , Xn ) par l’égalité 2
Soit (Xn )n2N une suite de variables aléatoires et Y une variable aléatoire. On
4. cov (X, Y ) 6 V (X) V (Y ) suppose que 8n 2 N Xn (⌦) ⇢ Y (⌦) ⇢ N. La convergence en loi (Xn ) vers Y
E (X1 , · · · , Xn ) = (E (X1 ) , · · · , E (Xn )) équivaut à:
5. |⇢(X, Y )| 6 1
8k 2 N lim P (Xn = k) = P (Y = k).
Indépendance de n variables 6. ⇢(X, Y ) = 1 () Y = ↵X + p.p pour un certain (↵, ) 2 R⇤+ ⇥ R.
n!1
On dit que X1 , ..., Xn sont indépendantes lorsque pour tous I1 , · · · , In inter- Théorème central limite
valles de de R: ! 7. ⇢(X, Y ) = 1 () Y = ↵X + p.p pour un certain (↵, ) 2 R⇤ ⇥ R.
\n n
Y Soit (Xn )n2N une suite de variables aléatoires réelles indépendantes, de même
P [Xi 2 Ii ] = P (Xi 2 Ii ) loi, possédant une espérance m = E(X) et une variance 2 = V(X) > 0. Alors
Variance d’une somme
i=1 i=1 n
X n
X
Si X1 , · · · , Xn admettant de moments d’ordre 2, alors Xi admet une vari- Xi nm
Indépendance héritée ou lemme de coalition i=1 i=1 L
Si la famille (Xi )16i6nk est indépendante et si Soit n0 = 0 < n1 < n2 < · · · < ance et on a p ! N (0, 1)
! n
nk et (Xi )16i6nk une famille de VAR indépendantes. Pour i 2 [[1, k]], on pose n
X n
X X
Yi = fi Xni 1 +1 , · · · , Xni , alors Y1 , · · · , Yk sont indépendantes V Xi = V (Xi ) + 2 cov (Xi , Xj ).
i=1 i=1 16i<j6n
n
! n
X X
En cas de l’indépendance: V Xi = V (Xi ). Web www.elamdaoui.com
i=1 i=1 Email elamdaoui@gmail.com
Phone 06 62 30 38 81 Page: 21
L ES ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
É QUA - DIFF LINÉAIRE D ’ ORDRE 1 É QUA - DIFF LINÉAIRES À COEFS CONSTANTS É QU - DIFF LINÉAIRES D ’ ORDRE 2
F est un K-espace vectoriel normé de dimension finie n > 1, une base de F . Si
u 2 L(F ) et x 2 F , on note u.x plutôt que u(x). Soit a 2 C I, L(F ) et b 2 C(I, F ). Les problèmes de Cauhy Le problème de Cauchy
a constante ⇢
x00 + a(t) · x0 + b(t) · x = c(t)
où t0 2 I, u0 , v0 2 K
1. 8(t x(t0 ) = u0 , x0 (t0 ) = v0
Équation différentielle linéaire du 1er ordre ( 0 , x0 ) 2 R ⇥ F , l’unique solution au problème de Cauchy
On appelle équation différentielle linéaire du premier ordre toute équation du x0 = a.x admet une et une seule solution.
est t 7 ! e(t t0 )a x0
type : (L) : x0 = a.x + b. x(t0 ) = x0
On appelle équation homogène associée à (L) l’équation: (H) : x0 = a.x
Structure des solutions de (L) et de (H)
2. Pour tout (t0 , x0 ) 2 I ⇥ F , l’unique solution au problème de Cauchy
( Z t 1. L’ensemble SH des solutions de H est un sous-espace vectoriel de di-
x0 = a.x + b mension 2 du K-espace vectoriel C 2 (I, K).
Solution de l’équation différentielle linéaire est t 7 ! e(t t0 )a .x0 + e(t s)a b(s) ds
x(t0 ) = x0 t0
Une solution de l’équation différentielle linéaire (L) est une fonction ' 2 2. L’ensemble SL des solutions de (L) est un sous-espace affine de C 2 (I, K)
D(I, F ) telle que : 8t 2 I, '0 (t) = a(t).'(t) + b(t) Système différentiel de direction SH .
Aux applications a et b sont associées les applications A : t 7 ! Mn (K) et
Régularité des solutions B : t 7 ! Mn,1 (K), où, pour tout t 2 I, A(t) et B(t) sont les matrices de Méthode de variation des constantes
Si ' est solution de (L), alors ' 2 C (I, F ).
1
a(t) et b(t) dans la base B. On appelle système différentiel l’équation notée Soit (h1 , h2 ) une base de SH : pour tout f 2 C 2 (I, K), il existe un unique couple
Si a et b sont de classe C k alors ' sera de classe C k+1 . X 0 = A(t)X + B(t) dont les inconnues X sont à valeurs dans Mn,1 (K). (u1 , u2 ) d’applications de C l (I, K) tel que: f = u1 .h1 + u2 .h2 . Alors
( 0
Théorème de Cauchy-Lipschitz-linéaire A est diagonalisable ou trigonalisable u1 .h1 + u02 h2 = 0
⇢ f solution de (L) ()
x0 = a(t).x + b(t) u01 h01 + u02 h02 = c
Le PC : où (t0 , x0 ) 2 I ⇥ F admet une et une seule solu- Si A est diagonalisable ( resp trigonalisable ), 9P 2 GLn (C) telle que P 1 AP =
x(t0 ) = x0
T diagonale ( resp triangulaire supérieure). On effectue alors le changement
tion.
de fonction inconnue défini par:
Structures de SH et de SL Y =P 1
X () X = P Y É QU - DIFF LINÉAIRE D ’ ORDRE 2 ( CONSTANT )
1. SH est un sev de C 1 (I, F ) isomorphe à F , dim SH = n qui aboutit aux nouveaux systèmes différentiels: Soit a, b, c 2 K avec a 6= 0 et (H) l’équation différentielle
2. SL est un sous-espace affine de C 1 (I, F ) de direction SH
(L2 ) : Y 0 = TY + P 1
B(t) (H) : ay 00 (t) + by 0 (t) + cy(t) = 0
Wronskien (H2 ) : Z0 = T Z d’équation caractéristique (EC) : ar2 + br + c = 0

Soient ('1 , . . . , 'n ) une famille de fonctions de I à valeurs dans F . Pour tout On résout ces systèmes par la méthode de la remontée. Propriété
t 2 I la matrice W (t) = Mat ('1 (t), . . . , 'n (t)) est appelée matrice wronski- 1. Si (EC) possède des racines distinctes r1 et r2 , les solutions de l’équation
enne en t du système H = ('1 , . . . , 'n ) par rapport à la base B. A n’est pas trigonalisable homogène (H) sont les fonctions définies par y(t) = 1 er1 t + 2 er2 t où
Le déterminant w(t) = det W (t) est appelé le wronskien en t du système 1, 2 2 K
Si A n’est pas trigonalisable, dans ce cas K = R, alors on résout le système
H = ('1 , . . . , 'n ) par rapport à la base B 2. Si (EC) possède une racine double r, les solutions de l’équation ho-
différentiel avec le corps de base C puis on cherche les solutions réelles.
mogène (H) sont les fonctions définies par y(t) = ( 1 t + 2 ) ert où
Base de SH 1, 2 2 K
Soit H = ('1 , . . . , 'n ) une famille de n éléments de SH espace solution de
(H) : x0 = a(t).x. Alors É QUATION SCALAIRE D ’ ORDRE n Propriété
Une équation différentielle scalaire linéaire d’ordre n définie sur I est toute équation Soit a, b, c 2 R. Si l’équation ar2 + br + c = 0 possède des racines distinctes
1. Pour tout t 2 I, rg (H) = rg ('1 (t), . . . , 'n (t)) n
X1 complexes conjuguées:
2. Les trois affirmations suivantes sont équivalentes: (E) : x(n) + ak x(k) = b, avec a0 , · · · , an 1 : I ! K et b : I ! K continues, et
(a) ('1 , . . . , 'n ) est une base de SH ; k=0 p + iq et p iq avec (p, q) 2 R ⇥ R⇤
(b) 8t 2 I, w(t) 6= 0; d’inconnue x : I ! K fonction n fois dérivable. On a
Les solutions réelles sont les fonctions:
(c) 9t0 2 I / w(t0 ) 6= 0. n
X1 ⇢
Au quel cas ('1 , . . . , 'n ) est un système fondamental de solutions de (H) x(n) + ak x(k) = b () X 0 = AX + B R ! R
f: où (↵, ) 2 R2
k=0 t 7 ! (↵ cos(qt) + sin(qt)) ept
Variation des constantes 0
0 1 0 ··· 0
1
0 1
Soit ('1 , . . . , 'n ) un système fondamental de solutions de (H). Soient B .. .. .. .. .. C 0 Propriété
n
X B
B . . . . . C
C B .. C L’équation ay 00 +by 0 +cy = P (t)e↵t admet une solution particulière de la forme
1 , . . . , n 2 C (I, K) tel que ' =
1
i 'i . Alors Avec A = B .. .. .. C et B = B
B .CC yp (t) = tm Q(t)e↵t où Q est une fonction polynomiale de même degré que P
B . . . 0 C @0A
i=1 B C
@ 0 ··· ··· 0 1 A
n
b • Si ↵ n’est pas solution de (EC), alors m = 0
X a0 ··· ··· ··· an
' est solution de (L) , 0
=b, 0 1 1 • Si ↵ est solution simple de (EC), alors m = 1
i 'i =W B
i=1 Propriété • Si ↵ est solution double de (EC), alors m = 2
• L’ensemble S0 des solutions sur I de l’équation homogène (E0 ) : x(n) +
Où = Mat (') et B = Mat (b)
B B n
X1
ak x(k) = 0 est un sev de dimension n de l’espace C n (I, K).
k=0 Web www.elamdaoui.com
• L’ensemble S des solutions sur I de l’équation complète (E) est un sous- Email elamdaoui@gmail.com
espace affine de C n (I, K) de direction S0 . Phone 06 62 30 38 81 Page: 22
L ES FONCTIONS HOLOMORPHES
C ONTEXTE F ONCTIONS ANALYTIQUES P RINCIPE DES ZÉROS ISOLÉS

˜ = (x, y) 2 R2 | x + iy 2 ⌦ .
• ⌦ est un ouvert non vide de C et ⌦
Fonctions analytiques Définition
˜ est un ouvert non vide de R2
• ⌦ f est dite analytique sur ⌦ si pour tout z0 2 ⌦ il existe r > 0 et une série entière Soit f 2 H(⌦) et a 2 ⌦ .
X
• f : ⌦ ! C une fonction; an z n de rayon de convergence R > r tels que 1. On dit que a est un zéro de f si f (a) = 0 .
n>0
+1
X
• On note f˜ l’application définie sur ⌦
˜ par f˜(x, y) = f (x + iy) 2. On dit que a est un zéro isolé de f si a est un zéro de f et 9" > 0 tel que
8z 2 D(z0 , r), f (z) = an (z z0 ) n
8z 2 D(a, ") \ {a}, f (z) 6= 0.
˜ 7! <ef (x + iy) et Q : (x, y) 2 ⌦
• On pose P : (x, y) 2 ⌦ ˜ 7! =mf (x + iy) n=0
On note O (⌦) l’ensemble des fonctions analytiques sur ⌦ Principe des zéros isolés
• Pour tout z0 2 C et r 2 R+ [ {+1}, on note
Si ⌦ est un ouvert connexe par arcs et f une fonction non identiquement nulle
Propriété holomorphe sur ⌦ alors les zéros de f sont isolés.
D (z0 , r) = {z 2 C , |z z0 | < r} +1
X
Soit f (z) = an z n la somme une série entière dont le rayon de convergence
F ONCTIONS HOLOMORPHES n=0
X f (n) (z0 ) Attention
R > 0 et z0 2 D(0, R). Alors la série entière un a un rayon de Le résultat est faux si l’ouvert n’est pas connexe par arcs. En effet, l’application
n!
Définition n>0 f définie sur C \ {z 2 C/|z| = 1} par f (z) = 0 si |z| < 1 et f (z) = 1 si |z| > 1
f (z) f (z0 ) convergence au moins égal à R |z0 | et on a est holomorphe, non nulle et tous ses zéros sont non isolés.
On dit que f est C-dérivable en z0 2 ⌦ si lim existe dans C.
z!z0 z z0 +1 (n)
X
Auquel cas elle est notée f 0 (z0 ) 8z 2 D (z0 , R |z0 |) , f (z) =
f (z0 )
(z z0 )
n Corollaire
n=0
n! 1. Soient ⌦ un ouvert connexe par arcs, f et g deux fonctions analytiques
Propriété sur ⌦ . Si f g = 0 alors f = 0 ou g = 0 sur ⌦ .
Si f est C -dérivable en z0 2 ⌦ alors f est continue en z0 . Propriété 2. Soient ⌦ un ouvert connexe par arcs, f , g et h trois fonctions analytiques
On suppose que f est analytique sur ⌦. Alors : sur ⌦ avec h non identiquement nulle sur ⌦ . Si f h = gh sur ⌦ alors
Fonction holomorphe f = g sur ⌦ .
1. f est holomorphe sur ⌦.
Une fonction f : ⌦ ! C est dite holomorphe, si elle est C-dérivable en tout C’est-à-dire H (⌦) est intègre
2. f est infiniment dérivable sur ⌦.
point de ⌦ et si la fonction z 7 ! f 0 (z) est continue sur ⌦.
3. f admet un développement de Taylor au voisinage de tout point z0 2 ⌦.
La fonction z 7 ! f 0 (z) est alors appelée la dérivée de f , notée f 0 . Principe d’identification
+1 (n)
X f (z0 ) Soient ⌦ un ouvert connexe par arcs, f et g holomorphes sur ⌦.
Propriété 8z0 2 ⌦, 9r > 0, 8z 2 D(z0 , r), f (z) = (z z0 ) n Si 9(zn ) 2 ⌦N à valeurs deux à deux distinctes et convergente dans ⌦ telle que
n!
H (⌦) l’ensemble des fonctions holomorphes sur ⌦. est une C-algèbre n=0
8n 2 N, f (zn ) = g(zn ) alors f = g sur ⌦ .
Conditions de Cauchy-Riemann Analyticité des fonctions holomorphes

Principe d’identification
Soit f : ⌦ ! C une fonction. Les assertions suivantes sont équivalentes : Si f est holomorphe sur ⌦, z0 2 ⌦ et R > 0 tels que D (z0 , R) ⇢ ⌦. Alors X X
Z 2⇡ Soient ⌦ un ouvert connexe par arcs, an z n et bn z n deux séries entières
1. f est holomorphe sur ⌦. 1
1. an = f z0 + rei✓ e in✓ d✓ ne dépend pas du choix r 2 ]0, R[ n>0 n>0
2⇡rn 0 de rayons de convergence non nuls et de sommes respectives f et g . Les
2. f˜ est différentiable de C 1 sur ⌦ et vérifie l’équation d’Euler X
assertions suivantes sont équivalentes :
2. La série entière an z n a un rayon de convergence au moins égal à R,
@ f˜ @ f˜ n>0
1. 8n 2 N, an = bn .
(x, y) + i (x, y) = 0. +1
X
@x @y et on a l’égalité 8z 2 D(z0 , R), f (z) = z0 ) n
an (z 2. Il existe une suite (zn ) 2 CN de points deux à deux distincts qui tend vers
n=0 0 et telle que 8n 2 N, f (zn ) = g(zn ).
3. P et Q sont de classe C 1 sur ⌦ et elles vérifient les équations d’Euler
+1 (n)
X f (z0 )
@P @Q @P @Q 8z 2 D(z0 , R), f (z) = (z z0 )n .
(x, y) = (x, y) et (x, y) = (x, y). n=0
n!
P RINCIPE DE PROLONGEMENT ANALYTIQUE
@x @y @y @x
Z 2⇡
f (n) (z0 ) 1
Propriété 80 < r < R, 8n 2 N, = n
f (z0 + reit )e int
dt. Théorème
n! 2⇡r 0
On suppose que ⌦ est ouvert connexe par arcs et f holomorphe sur ⌦. Alors f Soit g une fonction holomorphr sur un ouvert non vide ⌦1 ; s’il existe un ou-
est constante sur ⌦ si et seulement si f 0 = 0 sur ⌦. Propriété vert connexe par arcs ⌦ contenant ⌦1 et une fonction f holomorphe sur ⌦ et
1. Soient f et g deux fonctions analytiques sur ⌦ et 2C. prolongeant g, alors f est unique
Holomorphie et séries entières
X Alors f + g, f et f g sont analytiques sur ⌦. Si de plus, 8z 2 ⌦, g(z) 6= 0
Soient an z n une série entière de rayon de convergence R > 0 et de somme f
alors est analytique sur ⌦ .
n>0 g
f . Alors f est infiniment C -dérivable sur D(0, R) et on a
2. Soit V un ouvert de C . Soit f et g deux fonctions analytiques sur ⌦ et V C ONTACT I NFORMATION
+1
X respectivement avec f (⌦) ⇢ V . Alors g f , est analytique sur ⌦ . Web www.elamdaoui.com
(k) k
8k 2 N, 8z 2 D(0, R), f (z) = k!Cn+k an+k z n Email elamdaoui@gmail.com
n=0
Phone 06 62 30 38 81 Page: 23

Maths Spe MP Fiches

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Maths Spe MP Fiches

Transféré par

Droits d'auteur :

Formats disponibles

G ROUPES

G ROUPES M ORPHISMES DE GROUPES G ROUPES MONOGÈNE , CYCLIQUE

• Si H 0 est un sous-groupe de G0 , alors f 1 (H 0 ) est un sous-groupe Générateurs de Z/nZ et de Un

A NNEAUX ET CORPS M ORPHISME D ’ ANNEAUX I NDICATEUR D ’E ULER

Anneau intègre Kerf = f 1 ({0A0 }) et Im(f ) = f (A). r

Tout corps est un anneau intègre Images d’un idéal Sous-algèbre

É LÉMENTS PROPRES P OLYNÔME MINIMAL T RIGONALISATION

N ORMES B OULES , SPHÈRES ET BORNITUDE S UITES EXTRAITES

O UVERTS A DHÉRENCE D ’ UN PARTIE C ONTINUITÉ

Caractérisation sequentielle Composition

A PPLICATIONS LINÉAIRES C OMPACITÉ C ONNEXITÉ PAR ARCS

7. u est bornée sur la sphère S(0, 1) Propriété

Définition Critère de majoration Théorème

E NSEMBLES DÉNOMBRABLES FAMILLES NUMÉRIQUES SOMMABLES S UITES DOUBLES

k2I k2I k2I +1 X

C ONTEXTE O PÉRATIONS M ÉTHODES DE CALCUL

Définition de prolongement par dérivabilité

Fonctions coordonnées Formule de Taylor-Young

C ONTEXTE C ONTINUITÉ R ÉGULARITÉ DE LA LIMITE

I NTERVERSION DES LIMITES Alors:

S ÉRIES ENTIÈRES C ALCUL DE RAYON C AS DES SÉRIES RÉELLES

C ONTEXTE F ONCTIONS DE CLASSE C k D ÉVELOPPEMENT DE TAYLOR D ’ ORDRE 2

3. Si E = R. L’application f est différentiable en a si, et seulement, si f est G RADIENT

P RODUIT SCALAIRE P ROJECTEURS ORTHOGONAUX S YMÉTRIE ORTHOGONALE

FAMILLE TOTALE E XTRÉMUM SUR LA SPHÈRE A PPLICATIONS AUX EXTREMA

8(x, t) 2 A ⇥ I, |f (x, t)| 6 '(t) Gamma d’Euler

' ne dépend pas de x

T RIBU L ES THÉORÈMES DE PROBABILITÉS U NIVERS AU PLUS DÉNOMBRABLE

• P(A [ B) = P(A) + P(B) P(A \ B).

VARIABLES A LÉATOIRES DISCRÈTES M OMENTS L OIS DISCRÈTES USUELLES

aX + b admet une variance et 8k 2 N, P(Xn = k) ! e

P(X = xi ) = FX (xi ) FX (xi 1) C ONTACT I NFORMATION

L OIS D ’ UN COUPLE DE VARD L OI DE PROBABILITÉ F ONCTION GÉNÉRATRICE

La variable Z = g(X, Y ) a une espérance ssi la famille

L’espérance d’une somme

VARIABLE À DENSITÉ M OMENTS L OIS USUELLES

I NÉGALITÉS CLASSIQUES C OVARIANCE C ONVERGENCE EN PROBABILITÉ

Inégalité de Jensen Alors la suite (Xn ) converge en probabilité en Y

Wronskien (H2 ) : Z0 = T Z d’équation caractéristique (EC) : ar2 + br + c = 0

C ONTEXTE F ONCTIONS ANALYTIQUES P RINCIPE DES ZÉROS ISOLÉS

Conditions de Cauchy-Riemann Analyticité des fonctions holomorphes

Vous aimerez peut-être aussi