Académique Documents
Professionnel Documents
Culture Documents
Cours de MPSI
14 septembre 2021
2
Table des matières
4
TABLES DES MATIÈRES
5
TABLES DES MATIÈRES
6
Chapitre I
Nous nous placerons dans tout ce chapitre dans 2. Soit k ∈ Z tel que a = b + kθ, alors b = a + (−k)θ, or
le plan R2 , muni de son repère orthonormal cano- −k ∈ Z, donc b ≡ a [θ].
nique (O, →
−ı , →
− ). 3. Soit k, ` ∈ Z tels que a = b + kθ et b = c + `θ, alors
a = c + (k + `)θ, or k + ` ∈ Z, donc a ≡ c [θ].
4. Soit k, ` ∈ Z tels que a = b + kθ et c = d + `θ,
1 Relation de congruence mo- alors a + c = b + d + (k + `)θ, or k + ` ∈ Z, donc
a + c ≡ b + d [θ].
dulo un réel 5. C’est un cas particulier du point suivant (avec n =
−1).
6. Soit k ∈ Z tel que a = b + knθ, alors a = b + (nk)θ,
Définition 1.0.1. or nk ∈ Z, donc a ≡ b [θ].
Soit θ ∈ R. On dit que deux réels a et b sont 7. Soit k ∈ Z tel que a = b + kθ, alors ac = bc + k(cθ),
congrus modulo θ s’il existe k ∈ Z tel que a = or k ∈ Z, donc ac ≡ bc [cθ].
b + kθ. On note alors a ≡ b [θ], ou aussi a = b [θ].
Exercice 1.0.5.
π π 5π Parmi la famille de réels suivants, déterminer les-
Exemple 1.0.2. • , − et sont congrus
2 2 2 quels sont congrus entre eux modulos 2π. Même
modulo π ; π 2π
π 9π 15π question pour π, et .
• , et − sont congrus modulo 2π. 2 3
4 4 4 5π
• α=1 • ε=
Remarque 1.0.3. 6
• β = 3π 28π
La relation a = b [θ] se lit aussi « a et b sont
• γ = 4π • ζ=
égaux à un multiple de θ près ». π 4
• δ=−
2
Proposition 1.0.4. Au besoin, vous placerez les points/angles cor-
Soit θ ∈ R, et a, b, c, d quatre réels. respondants sur le cercle trigonométrique (voir
1. On a a ≡ a [θ] (on dit que la relation de partie 3.4).
congruence modulo θ est réflexive).
Remarque 1.0.6 (Irrationnalité de π).
2. Si a ≡ b [θ], alors b ≡ a [θ] (on dit que la Tout au long de cette année, vous pourrez utiliser
relation de congruence modulo θ est symé- le résultat suivant :
trique).
3. Si a ≡ b [θ] et b ≡ c [θ], alors a ≡ c [θ] (on π∈
/ Q.
dit que la relation de congruence modulo θ Ce résultat sera démontrable en milieu d’année
est transitive). de MPSI.
4. Si a ≡ b [θ] et c ≡ d [θ], alors a+c ≡ b+d [θ].
5. Si a ≡ b [θ], alors a ≡ b [−θ]. 2 Les fonctions sinus, cosinus et
6. Si n ∈ Z et a ≡ b [nθ], alors a ≡ b [θ]. tangente
7. Si a ≡ b [θ], alors ac ≡ bc [cθ].
Une relation vérifiant les trois premiers points de 2.1 Définitions géométriques
cette proposition est appelée une relation d’équi- Soit (ABC) un triangle du plan, rectangle en
valence. B. On suppose les troins points A, B, C deux à
deux distincts. On note α l’angle (non orienté)
Démonstration. \ Alors nous posons :
BAC.
C’est immédiat en revenant à la définition. AB
1. On a a = a + 0θ, donc a ≡ a [θ]. • cos α = ;
AC
8
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
Cette relation entre sinus et cosinus est la Figure I.1 – Fonctions cos et sin.
première formule de trigonométrie à connaître !
9
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
10
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
!
−−→ a →
−
b M = (a, b), OM = 1. On a kuk = 0 ⇔ u = 0 .
b
2. On a kλuk = |λ| kuk.
→
− Et pour finir, l’inégalité triangulaire, qui sera dé-
montrée plus tard grâce aux nombres complexes :
kuk − u0 6 u ± u0 6 kuk + u0 .
11
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
Remarque 3.2.2. • Par abus, on parle sou- 3.3 Angles orientés de droites
vent de « l’angle (u, v) » plutôt que d’ « une
mesure de l’angle (u, v) » 1 . Il est aussi possible de définir l’angle orienté
• Il est important de retenir qu’un angle entre deux droites :
orienté de vecteurs se donne toujours mo-
dulo 2π.
Définition 3.3.1.
• Géométriquement, l’angle (u, v) vaut θ si v 0
Soit D et D 0 deux droites. On appelle mesure de
est l’image de u0 par la rotation vectorielle
l’angle orienté(D, D 0 ) tout réel θ pour lequel il
d’angle θ.
existe u un vecteur directeur de D et v un vecteur
Nous pourrons démontrer les résultats suivants directeur de D 0 tel que θ est une mesure de l’angle
plus tard dans l’année mais nous allons les ad- (u, v).
mettre ici : Il existe une infinité de tels réels, mais si θ0 est
1. en toute rigueur l’angle (u, v) est l’ensemble de toutes l’un d’entre eux, l’ensemble des mesures de l’angle
les mesures de l’angle (u, v) : il s’agit d’une classe d’équi- (D, D 0 ) est l’ensemble de tous les réels congrus à
valence ; nous en reparlerons plus tard dans l’année
12
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
Proposition 3.3.3.
Soit D, D 0 , D 00 trois droites du plan. Théorème 3.4.1 (Représentation paramétrique
1. (D, D 0 ) = −(D 0 , D) [π] ; du cercle trigonométrique).
2. Relation de Chasles : (D, D 0 ) + (D 0 , D 00 ) = Une représentation
( paramétrique du cercle trigo-
(D, D 00 ) [π]. x = cos t
nométrique est , t ∈ R.
y = sin t
Ou encore, U = {(cos t, sin t), t ∈ R}.
Démonstration.
3.4 Cercle trigonométrique L’inclusion U ⊂ {(cos t, sin t), t ∈ R} se démontre direct-
ment grâce au lemme 2.2.2
Le cercle dit trigonométrique, souvent noté U
Remarque 3.4.2 (radians).
(nous en reparlerons), est tout simplement le cercle
La longueur du cercle trigonométrique étant de
de rayon 1 et de centre O.
2π, par proportionnalité, la mesure d’un angle
Son utilité est principalement de représenter est la longueur de l’arc du cercle trigonométrique
graphiquement les propriétés trigonométriques intersecté par ledit angle (voir figure I.3).
usuelles. La mesure d’un angle « en radians » est le rap-
Le point de départ est le suivant : pour tout port entre la longueur de l’arc d’un cercle centré
θ ∈ R, posons Mθ le point de coordonnées en O intersecté par ledit angle et le rayon de ce
(cos θ, sin θ) : puisque cos2 θ + sin2 θ = 1, ce point cercle, c’est donc une mesure sans dimension (du
est sur le cercle trigonométrique.
! Si nous posons point de vue des physiciens). Le cercle trigonomé-
−−−→ cos θ trique étant de rayon 1, on obtient immédiatement
uθ = OMθ = , alors (→
−ı , u ) = θ [2π] (voir
θ
sin θ que la mesure en radians d’un angle est la mesure
figure I.4). donnée précédemment.
13
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
Remarque 3.4.3.
On retrouve sur ce cercle les relations « cosinus =
→
− (→
−ı , u ) = θ [2π]
M = (a, b) b θ
14
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
U
B
U
√
3/2
√
2/2
π/3
1/2
O Q A
π/4
π/6
√ √ π
1 2 3 Figure I.8 – Détermination de cos .
3
2 2 2
Démonstration.
π
π π π π
i h
Figure I.6 – Angles usuels dans 0, . Comme ∈ 0, , on a cos > 0 et sin > 0.
2 4 2 4 4
Si nous notons M, N, P les points de coordonnées respec-
tives (cos π4 , sin π4 ), (cos π4 , 0) et (0, sin π4 ), alors ON M P
est un carré dont la diagonale est de longueur 1. Ainsi,
grâce au théorème √ de Pythagore, ses côtés sont √ de longueur
1 2 π π 2
√ , ou encore . Dons cos = sin = .
2 2 4 4 2
Démonstration.
π π π π
i h
Comme ∈ 0, , on a cos > 0 et sin > 0.
3 2 3 3
Si nous notons maintenant A, B les points de coor-
données respectives (1, 0) et (cos π3 , sin π3), alors OAB
U est équilatéral, de côtés de longueur 1. Ainsi, la média-
trice de [O, A] passe par B. Si Q est le milieu de [OA],
M alors (QB) ⊥ (OA), donc Q a pour coordonnées (cos π3 , 0),
P 1
donc cos π3 = . De plus, avec le théorème de Pythagore,
2 √
1 3
QB = OB − OQ2 = 1 − . Ainsi sin π3 = QB =
2 2
.
4 2
Remarque 4.1.1 ( ).
Il est fréquent d’hésiter dans les valeurs des sinus
O N π π
et cosinus des angles et : encore une fois, au
3 6
moindre doute, tracez un cercle trigonométrique.
π
Vous y verrez clairement que le point du cercle
Figure I.7 – Détermination de cos . π
4 trigonométrique désigné par l’angle a une abs-
6
cisse supérieure à celle du√point correspondant à
π π 3 π 1
l’angle . Donc cos = et cos = . Même
3 6 2 3 2
méthode pour les sinus.
15
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
Proposition 4.2.1.
Les fonctions sin et cos sont 2π-périodiques sur
R.
La fonction tan est π-périodique sur son en-
semble de définition.
De plus, pour tout réel α on a :
16
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
17
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
U Proposition 4.4.4.
Soit a, b ∈ R. Alors :
a+b a−b
1. cos(a) + cos(b) = 2 cos cos
2 2
a+b a−b
Figure I.10 – Formules d’addition : première 2. sin(a) + sin(b) = 2 sin cos
2 2
preuve.
a+b a−b
3. cos(a)−cos(b) = −2 sin sin
2 2
a+b a−b
4. sin(a) − sin(b) = 2 cos sin
2 2
5. cos(a) cos(b) = 2 (cos(a + b) + cos(a − b))
1
A −
2 2 2 2
les formules de base. Ainsi, pour la première formule :
sin(a) cos(b) a+b
b a−b
cos(a) + cos(b) = cos +
2 2
a+b a−b
a + cos −
2 2
a+b a−b
I = cos cos
O cos(a) cos(b) 2 2
a+b a−b
− sin sin
2 2
a+b a−b
+ cos cos
Figure I.11 – Formules d’addition : deuxième 2 2
a+b a−b
preuve. + sin sin
2 2
a+b a−b
= 2 cos cos .
2 2
18
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
6.
Pour finir, voici les formules de trigonométrie
2 tan(a)
concernant la fonction tangente : 1 + tan2 (a)
= 2 tan(a) cos2 (a)
= 2 sin(a) cos(a)
= sin(2a)
Proposition 4.4.5.
Soit a, b ∈ R. Lorsque les tangentes qui suivent
sont bien définies, nous avons les égalités sui-
Proposition 4.4.6.
vantes :
Soit a, b ∈ R. Alors il existe A, ϕ ∈ R tels que
tan(a) + tan(b)
1. tan(a + b) = ; pour tout t ∈ R, a cos(t) + b sin(t) = A cos(t − ϕ).
1 − tan(a) tan(b)
tan(a) − tan(b)
2. tan(a − b) = ; Démonstration.
1 + tan(a) tan(b)
a
Il s’agit de normaliser le vecteur puis d’utiliser des
2 tan(a) b
3. tan(2a) = ; formules de trigonométrie :
1 − tan2 (a) a
a √
1 Posons A = = a2 + b2 . Ainsi A = 1. Par
4. = 1 + tan2 (a) ;
b
b A
cos2 (a) a b
conséquent il existe ϕ ∈ R tel que = cos ϕ et = sin ϕ.
1 − tan2 (a) Alors :
A A
5. cos(2a) = ;
1 + tan2 (a) a
b
a cos(t) + b sin(t) = A cos(t) + sin(t)
2 tan(a) A A
6. sin(2a) = .
1 + tan2 (a) = A(cos(ϕ) cos(t) + sin(ϕ) sin(t))
= A cos(t − ϕ)
Démonstration. 1. On factorise :
Remarque 4.4.7.
sin(a + b)
tan(a + b) = Ce résultat sera utilisé dans le chapitre sur les
cos(a + b)
équations différentielles, pour exprimer sous une
sin(a) cos(b) + sin(b) cos(a)
= certaine forme les solutions de certaines équations.
cos(a) cos(b) − sin(a) sin(b)
cos(a) cos(b) tan(a) + tan(b)
= × .
cos(a) cos(b) 1 − tan(a) tan(b) 4.5 Régularité des fonctions trigonomé-
triques circulaires
2. Utiliser le point précédent en utilisant l’imparité de
la fonction tangente. Commençons par démontrer l’inégalité fonda-
3. Utiliser le premier point en posant b = a. mentale suivante.
sin2 a cos2 a + sin2 a 1
4. 1 + tan2 (a) = 1 + = = .
cos a
2 cos2 a cos2 (a)
19
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
Proposition 4.5.2.
U
Les fonctions sinus et cosinus sont continues sur
R.
M
Démonstration.
T Rappelons qu’une fonction f est continue en un point a
lorsque f (x) −−−→ f (a).
x→a
Commençons par démontrer la continuité en 0.
π
Si 0 < x < , alors 0 6 sin(x) 6 x. Par encadrement, on
2
obtient donc que sin(x) −−−−→ 0 = sin(0). Mais imparité
O C A x→0+
π
de sin et x 7→ x, nous avons x 6 sin x 6 0 si < x < 0,
T 2
donc encore par encadrement, sin(x) −−−−→ 0 = sin(0). Les
x→0−
limites à gauche à droite valant sin(0), sin(x) −−−→ sin(0),
x→0
Figure I.12 – Preuve du lemme 4.5.1. d’où la continuité de sin en 0.
Pour le cosinus, il suffit d’observer que si x ∈ R,
x x
cos(x) = cos 2 = 1 − 2 sin2 .
2 2
Lemme 4.5.1.
π Il suffit d’utiliser la limite précédente pour obtenir que
Si 0 < x < , alors
2 cos(x) −−−→ 1 = cos(0).
x→0
0 6 x cos(x) 6 sin(x) 6 x.
Ainsi cos est aussi continue en 0.
20
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
tan
Théorème 4.5.4. 1. La fonction cosinus est dé-
π 3π 5π
rivable sur R, est sa dérivée est cos0 = − sin ;
0 2 2 2
2. La fonction sinus est dérivable sur R, est sa
dérivée est sin0 = cos ; 5π 3π −
π
− − 2
2 2
3. La fonction tangente est dérivable là où elle
est définie, et sa dérivée est
1 Figure I.13 – Fonction tan.
tan0 = 1 + tan2 = .
cos2
21
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
résolution de certaines équations algébriques de vue géométrique. Tous les résultats sur les
du troisième degré. Mais ils sont confrontés complexes s’interprètent géométriquement : ne
à un problème : ils ont besoin de la racine l’oubliez pas, cela vous aidera à mieux vous les
carrée d’un nombre réel négatif pour exprimer représenter, mieux mémoriser les résultats et éla-
certaines solutions réelles qui existent bel et borer vos raisonnements.
bien ! Ils « imaginent » alors que ces racines
carrées existent. 5.2 Une définition géométrique
Pendant trois siècles, des mathématiciens vont
se pencher sur ces travaux, avec des points de À tout point du plan de coordonnées (a, b),
vue divers. Pour certains, l’existence de ces nous allons associer un nouvel objet noté a + ib,
« nombres imaginaires » n’a aucun sens. D’autres appelé un nombre complexe. À tout point il cor-
vont chercher à comprendre ces nombres. Il respond exactement un nombre complexe. Ainsi,
faudra attendre des travaux d’Euler à la fin du si a, a0 , b, b0 sont quatre réels, a + ib = a0 + ib0 ssi
XVIIIème siècle pour que la situation s’éclaircisse (a, b) = (a0 , b0 ) ssi a = a0 et b = b0 .
et que les mathémticiens acceptent et utilisent La même construction peut être ! faite à partir
ces nombres. de vecteurs : à tout vecteur
a
, on associe le
À partir du XIXème siècle, plusieurs mathé- b
maticiens vont proposer des définitions plus complexe a + ib.
modernes et abouties de ces nombres alors
appelés « complexes ». Il en existe plusieurs, Introduisons maintenant un peu de vocabu-
ce qui fait l’intérêt et la richesse des nombres laire :
complexes : on peut les comprendre et les
utiliser de plusieurs manières, et il existe des Définition 5.2.1 (voir figure I.14). 1. On note
correspondances entre tous ces points de vue. C l’ensemble des nombres complexes, c’est-à-
Les nombres complexes sont très importants. dire que C = {a + ib , a, b ∈ R}.
Vous les rencontrerez dans la plupart des cha-
2. Soit M un point du plan de coordonnées
pitres de MPSI : dans les résolutions d’équations
(a, b). On appelle affixe de M le complexe
polynomiales, des équations différentielles, des
a + ib.
suites récurrentes linéaires, en algèbre linéaire, et
en géométrie bien sûr. Vous les utiliserez aussi 3. Soit! u un vecteur du plan de coordonnées
énormément en physique et en SI. a
. On appelle affixe de u le complexe a +
C’est pourquoi il est essentiel de bien les b
appréhender. Ne vous laissez pas influencer par ib.
leur dénomination de « complexes ». Ils doivent 4. Soit z un nombre complexe. Il existe donc un
cet attribut à trois siècles d’assimilation difficile. unique (a, b) ∈ R2 tel que z = a + ib. Le réel
Mais vous avez suivi une formation moderne, a est appelé la partie réelle de z. On le note
dans laquelle les nombres imaginaires (adjectif Re z. Le réel b est appelé la partie imaginaire
plus positif que complexes) vont trouver leur de z. On le note Im z.
place facilement. Après tout, les nombres négatifs 5. Un complexe de partie réelle nulle est dit ima-
ont aussi mis plusieurs siècles à être acceptés, ginaire pur. Les imaginaires purs s’écrivent
mais vous les maniez au moins depuis que vous donc sous la forme 0+ib, avec b ∈ R, que nous
avez 12 ans, parfois même bien avant. écrirons plus simplement ib. Un complexe de
partie imaginaire nulle est dit réel. Les réels
Aucune construction des nombres complexes s’écrivent donc sous la forme a + i.0, avec
n’est au programme. Mais il faut bien les intro- a ∈ R, que nous écrirons plus simplement a.
duire, et nous allons le faire en gardant un point
22
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
b = Im(a + ib) ∈ R
Définition 5.2.3. 1. Soit z = a + ib et z 0 =
c + id deux complexes. On définit leur somme
−−→ z + z 0 = (a + c) + i(b + d). Ainsi Re(z + z 0 ) =
M (a + ib)), OM (a + ib),
Re(z)+Re(z 0 ) et Im(z +z 0 ) = Im(z)+Im(z 0 ).
2. Soit z = a + ib un complexe et λ ∈ R. On
définit le complexe λz = (λa) + i(λb). Ainsi
Re(λz) = λ Re(z) et Im(λz) = λ Im(z).
I(i)
Remarque 5.2.4.
Un complexe de partie imaginaire nulle est un
O(0) A(1) a = Re(a + ib) ∈ R réel. Mais alors pour les réels, nous disposons
maintenant de deux additions : celle entre deux
réel, que vous connaissez depuis toujours ; et celle
entre complexes, que nous venons d’introduire.
Mais, si a et b sont deux réels, nous pouvons les
Figure I.14 – Repérage d’un point par ses coor- voir comme des complexes : a = a + i × 0, et
données cartésiennes. b = b + i × 0. Si nous les additionnons comme des
complexes, il vient : a + b = a + i × 0 + b + i × 0 =
(a + b) + i × (0 + 0) = a + b, cette dernière somme
6. Soit z un complexe de partie réelle a et de étant celle entre a et b vus comme des réels. Pour
partie imaginaire b. On appelle image de z des réels, il n’y a donc aucune différence entre
le point du!plan de coordonnées (a, b), ou le ces deux additions : on dit que l’addition des
a complexes prolonge celle des réels.
vecteur .
b Nous pouvons alors aller plus loin dans les iden-
tifications point / complexe et vecteur / com-
plexe :
Remarque 5.2.2.
L’ensemble des réels correspond donc aux points Théorème 5.2.5 (Règles de calcul).
du plan qui se trouvent sur l’axe des abscisses. On a les propriétés suivantes :
D’une certaine manière, cela permet de voir R
comme une partie de R2 . (i) Soient →−
u et → −u 0 deux vecteurs d’affixes res-
L’ensemble des imaginaires pur correspond quant pectifs z et z , et soit λ ∈ R. Alors le vecteur
0
→
−u + λ→−u 0 a pour affixe z + λz 0 . En particu-
à lui à l’axe des ordonnées.
lier, pour tout couple de vecteurs, l’affixe
Jusque-là, tout cela a peu d’intérêt : nous nous de la somme de ces vecteurs est la somme
sommes contentés de « réécrire » les objets (a, b) et des affixes et pour tout scalaire λ et tout
vecteur →−u d’affixe z, l’affixe de λ→−
u est λz.
!
a
sous une autre forme. Pour qu’un ensemble
b (ii) Soient A et B deux points d’affixes respectifs
d’objets ait un intérêt, il faut pouvoir faire des −−→
a et b. Alors le vecteur AB a pour affixe b−a.
opérations entre ces objets. Nous allons donc dé-
finir deux opérations, une addition et un produit
externe, sur C : Démonstration. (i) Notons a et b respectivement les
parties réelle et imaginaire de z, et a0 et b0 celles
de z 0 . Alors −
→
u (resp. −
→
u 0 ) a pour coordonnées (a, b)
−
→ −
→
(resp. (a , b )). u + λ u 0 a alors pour coordonnées
0 0
23
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
(a+λa0 , b+λb0 ), donc pour affixe (a+λa0 )+i(b+λb0 ). Remarque 5.3.3. 1. Si x ∈ R, on peut le voir
Or on a comme un complexe. On se retrouve alors
z + λz 0 = (a + ib) + λ(a0 + ib0 ) avec deux objets notés de la même manière,
= (a + λa0 ) + i(b + λb0 ) |x| : son module et sa valeur absolue.√ Mais
x
√ = x + i.0, donc son module est x 2+0=
Donc − →u + λ− →
u 0 a bien pour affixe z + λz 0 . x2 : il est donc bien égal à sa valeur absolue.
Il suffit alors d’étudier les cas particuliers où λ = 1, Là encore, le module prolonge sur C la valeur
−
→ −
→
où −→
u = 0 et où − →u = 0 et λ = −1 pour conclure.
−→ absolue réelle.
(ii) Il suffit d’utiliser la relation fondamentale AB =
−−→ −→ 2. Si M (ou le vecteur u) est l’image de z, alors
OB − OA et le point précédent pour conclure.
|z| n’est autre que la distance OM (ou la
norme kuk).
Remarque 5.2.6.
3. En particulier, soit a et z deux complexes et
Soit b ∈ C. L’application
R > 0. Notons M et A les points du plans
d’affixes respectives z et a. Alors |z − a| est
C → C
la distance AM . Et M appartient au cercle
z 7→ z + b
(resp. disque ouvert, resp. disque fermé) de
s’interprète géométriquement comme la transla- centre A et de rayon R si et seulement
tion de vecteur d’affixe b. si |z − a| = R (resp. |z − a| < R, resp.
|z − a| 6 R).
Mais cela est encore peu. Pour aller plus loin,
4. L’ensemble des affixes des points du cercle tri-
nous voulons pouvoir multiplier des complexes
gonométrique est donc U. Nous identifierons
entre eux.
donc ces deux objets.
Démonstration.
Définition 5.3.1. Écrivons sous forme algébrique z = a + ib.
Soit un nombre complexe, que l’on écrit sous 1. On a l’encadrement fondamental
forme algébrique z = a + ib (i.e. a = Re(z) et 0 6 a2 6 a2 + b2 ,
b = Im(z)). √ √
donc par croissance de la √
racine carrée 0 6 a2 6
On appelle module de z le réel a2 + b2 . On le √
a2 + b2 , donc 0 6 |a| 6 a2 + b2 , ce qui est exac-
note |z|. tement le premier encadrement demandé.
On procède de même pour b.
2. Si z = 0 = 0 + i0, on a immédiatement |z| = 0.
Notation 5.3.2. Si |z| = 0, on a par l’encadrement précédent : 0 6
a2 6 a2 + b2 = 0, donc a2 = 0, donc a = 0. On
On note U le cercle unité complexe : procède de même pour b, donc z = 0.
3. On a λz = (λa) + i(λb), or λa et λb sont des réels,
U = { z ∈ C | |z| = 1 } , donc
24
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
Corollaire 5.3.5.
z
Si z ∈ C \ {0}, alors = 1, i.e
|z|
I(i) |z| = OM
z
∈ U.
|z| e iθ
−→
\ −−→
θ = arg(z) = OA; OM [2π]
U
Démonstration.
Immédiat avec le dernier point de la proposition précédente. O(0) Re(z)
A(1)
Définition 5.3.6.
Soit θ ∈ R. On appelle exponentielle complexe de
iθ le complexe e iθ = cos θ + i sin θ.
Figure I.15 – Interprétation géométrique du
module et de l’argument de z ∈ C∗ .
25
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
0
zz 0 = rr0 e i(θ+θ )
Ou encore, si z, z 0 ∈ C :
(
Re(zz 0 ) = Re(z) Re(z 0 ) − Im(z) Im(z 0 )
.
0 r0 z = rr0 e iθ Im(zz 0 ) = Re(z) Im(z 0 ) + Im(z) Re(z 0 )
z 0 e iθ = r0 e i(θ+θ )
Démonstration.
z = re iθ 0 0 Les deux formulations de l’énoncé sont équivalentes : dé-
z = r0 e iθ montrons la seconde.
0
Soit z, z 0 ∈ C. Notons-les z = re iθ et z 0 = r0 e iθ . Ainsi
0 i(θ+θ 0 )
θ zz = rr e
0
. Nous avons donc :
θ0 Re(zz 0 ) = Re rr0 (cos(θ + θ)0 + i sin(θ + θ0 )
O = rr0 cos(θ + θ0 )
= rr0 cos(θ) cos(θ0 ) − sin(θ) sin(θ0 )
26
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
Démonstration.
Il suffit d’écrire cela avec la définition 5.4.1, ou bien à partir 5.5 Conjugué et module d’un nombre
des formules obtenues à la proposition 5.4.3. complexe
Remarque 5.4.8.
Toutes ces propriétés des opérations + et × sur C,
font que C est appelé un corps : nous en reparle- Définition 5.5.1.
rons dans le chapitre sur les groupes, anneaux et On appelle conjugué d’un complexe z le complexe
corps. z = Re(z) − i Im(z).
Théorème 5.4.9.
Proposition 5.5.2 (Interprétation géométrique).
On a i2 = −1.
Soit M (z) un point du plan. Alors |z| = OM et z̄
est le symétrique de M par rapport à l’axe (O→
−ı )
(voir figure I.17).
Remarque 5.4.10 ( ).
Ce dernier résultat indique que la règle des signes
Démonstration.
n’est pas vraie sur C. On ne peut donc prolonger
Immédiat
la relation d’ordre 6 de R à C.
En résumé, on ne peut pas comparer deux com-
plexes (non réels). Lorsque l’on travail dans un
27
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
1
les réels, il est interdit d’écrire . De manière géné-
Proposition 5.5.3. 0
Soit z un complexe non nul, écrit z = re iθ sous rale, avant d’écrire une fraction (de complexes ou
forme trigonométrique. Alors z̄ = re −iθ . d’autre chose), on s’assurera que le dénominateur
n’est pas nul.
Démonstration.
Pour l’existence, il suffit d’utiliser l’égalité z z̄ = |z 2 | vue
Proposition 5.5.4 (Règles de calcul). précédemment. Si z 6= 0, alors |z 2 | est un réel non nul donc
Soit (z, z 0 ) ∈ C2 , on a les identités suivantes. z̄
z × 2 = 1.
|z |
z+z z−z Pour l’unicité, si z 00 est un autre inverse, alors z 0 zz 00 =
Re(z) = Im(z) = (z 0 z)z 00 = 1.z 00 = z 00 mais aussi z 0 zz 00 = z 0 (zz 00 ) = z 0 .1 = z 0 ,
2 2i
par associativité.
z + z = z + z0
0 z × z = z × z0
0
Remarque 5.6.4.
Corollaire 5.5.5.
L’inverse d’un complexe est donc
Soit z ∈ C, on a
1 a − ib
z ∈ R ⇔ z̄ = z, = 2
a + ib a + b2
z ∈ iR ⇔ z̄ = −z.
Exercice 5.6.5.
1 + 2i
Écrire sous forme algébrique.
3 − 4i
5.6 Inverse d’un nombre complexe non
5.7 Technique de l’angle moitié
nul
La méthode suivante est indispensable : elle
permet d’additionner deux complexes de même
Proposition 5.6.1. module, le tout sous forme trigonométrique.
Soit z ∈ C tel que z 6= 0. Il existe un unique
complexe z 0 tel que zz 0 = 1 : on dit que z est
Théorème 5.7.1 (technique de l’angle moitié).
inversible pour la multiplication, et que z 0 est son
1 Pour tout (x, y) ∈ R2 , on a
inverse. On notera ce dernier ou encore z −1 .
z
1 z̄ e ix
+e iy
=e i
(x+y)
e i
(x−y)
+e −i
(x−y)
De plus : = 2 . 2 2 2
z |z|
x−y
(x+y)
= 2e i 2 cos
2
Remarque 5.6.2.
Attention : 0 n’est pas inversible, et comme avec
28
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
Corollaire 5.7.2.
Soit t ∈ R, alors
t
i 2t
1+e it
= 2e cos
2
t
t
1 − e it = −2e i 2 i sin
2
Démonstration.
Il suffit de remarquer que 1 = ei0 et d’appliquer la tech-
nique.
Exercice 5.7.3.
Mettre sous forme trigonométrique les nombre
complexe e 3iπ/5 + e 4iπ/9 .
29
CHAPITRE I. TRIGONOMÉTRIE ET NOMBRES IMAGINAIRES
30
Chapitre II
Fonctions usuelles
Sommaire
1 Rappels d’analyse. . . . . . . . . . . . . 32
1.1 Régularité de fonctions. . . . . . . . . 32
1.2 Parité, imparité, périodicité. . . . . . . 33
1.3 Monotonie. . . . . . . . . . . . . . . . 34
1.4 Lecture de tableaux de variations. . . . 35
2 Effet d’une transformation sur le graphe. 36
3 Composée de fonctions, réciproque. . . 38
3.1 Rappels de dérivation. . . . . . . . . . 38
3.2 Composée de deux fonctions. . . . . . 38
3.3 Propriétés d’une composée. . . . . . . 39
3.4 Cas des bijections. . . . . . . . . . . . 40
4 Fonction valeur absolue . . . . . . . . . 41
5 Fonctions puissances entières, polyno-
miales et rationnelles . . . . . . . . . . . 43
5.1 Fonctions puissances entières . . . . . 43
5.2 Fonctions polynomiales et rationnelles 43
6 Fonctions exponentielles, logarithmes
et puissances quelconques . . . . . . . . 44
6.1 Exponentielle et logarithme . . . . . . 44
6.2 Exponentielle de base quelconque . . . 46
6.3 Racines énièmes. . . . . . . . . . . . . 47
6.4 Croissances comparées . . . . . . . . . 48
7 Fonctions circulaires réciproques . . . . 48
7.1 Arccos et Arcsin . . . . . . . . . . . . 48
7.2 Arctangente . . . . . . . . . . . . . . . 50
7.3 Coordonnées polaires . . . . . . . . . . 51
8 Fonctions hyperboliques . . . . . . . . . 51
8.1 ch, sh et th . . . . . . . . . . . . . . . 51
8.2 Fonctions hyperboliques inverses . . . 53
CHAPITRE II. FONCTIONS USUELLES
32
CHAPITRE II. FONCTIONS USUELLES
(λf + µg)0 = λf 0 + µg 0 .
Proposition 1.2.6.
2. La fonction f g est dérivable et Soit A ⊂ R, soit f : A → R dérivable.
1. Si f est paire, alors f 0 est impaire.
0 0 0
(f g) = f g + f g.
2. Si f est impaire, alors f 0 est paire.
Démonstration.
Exemple 1.1.11. Dans le cas où f est impaire, on a, pour tout x ∈ R,
d
(cos(x) sin(x)) = cos2 (x) − sin2 (x). f (x) = −f (−x).
dx La fonction f est la fonction x 7→ −f (−x) sont donc
égales, et dérivables. Leurs dérivées sont donc égales. On
dérive donc de part et d’autre : pour tout x ∈ R, f 0 (x) =
1.2 Parité, imparité, périodicité.
−(−f 0 (−x)) = f 0 (−x).
On procède de même dans le cas où f est paire.
Définition 1.2.1.
Soit A ⊂ R, soit f : A → R. Définition 1.2.7.
1. On dit que f est paire si, pour tout x ∈ A, Soit A ⊂ R, soit f : A → R, soit T > 0. On dit
que f est T -périodique si, pour tout x ∈ A,
−x ∈ A et f (−x) = f (x).
x+T ∈A et f (x + T ) = f (x).
2. On dit que f est impaire si, pour tout x ∈ A,
Dans ce cas T est appelé UNE période de f .
−x ∈ A et f (−x) = −f (x). La fonction f est périodique s’il existe T > 0
tel que f est T -périodique.
33
CHAPITRE II. FONCTIONS USUELLES
Proposition 1.2.10.
Soit A ⊂ R, T > 0 et soit f : A → R dérivable et Une fonction n’est pas toujours crois-
T -périodique. sante ou décroissante. Le contraire de croissant
Alors, f 0 est T -périodique. n’est pas décroissant.
Exemple 1.3.3.
Démonstration.
Il suffit d’écrire que, pour tout x ∈ A, f (x) = f (x + T ), La fonction carré n’est ni croissante, ni décrois-
puis de dériver de part et d’autre. sante.
Exercice 1.2.11. Exercice 1.3.4.
Déterminer l’allure de la fonction f paire, 4- Déterminer toutes les fonctions qui sont à la fois
périodique et telle que pour tout x ∈ [0, 2], croissantes et décroissantes.
f (x) = x (cela s’écrit f |[0,2] = Id[0,2] ).
Remarque 1.3.5.
Une fonction monotone strictement l’est bien en-
1.3 Monotonie. tendu au sens large.
À chaque fois que l’on vous demande d’étu-
dier la monotonie d’une fonction, on attend le
Définition 1.3.1 (Monotonie au sens large).
résultat le plus précis possible. Si la fonction est
Soit A ⊂ R, soit f : A → R.
croissante strictement mais que vous n’établissez
1. On dit que f est croissante si, pour tout que sa croissance, votre réponse ne pourra être
x, y ∈ A, : considérée comme complète.
x > y ⇒ f (x) > f (y).
2. On dit que f est décroissante si, pour tout Proposition 1.3.6 (Injectivité d’une fonction
x, y ∈ A, : strictement croissante).
Soit A ⊂ R, soit f : A → R strictement monotone.
x > y ⇒ f (x) 6 f (y).
Alors, pour tout x, x0 ∈ A, si x 6= x0 , alors f (x) 6=
3. On dit que f est monotone si elle croissante f (x0 ). Ceci est équivalent à dire que, pour tout
ou décroissante. x, x0 ∈ A, si f (x) = f (x0 ), alors x = x0 .
34
CHAPITRE II. FONCTIONS USUELLES
35
CHAPITRE II. FONCTIONS USUELLES
36
CHAPITRE II. FONCTIONS USUELLES
x 7→ f (x) + 1, 5 x 7→ 3f (x)
f : x 7→ x2
0 1 f : x 7→ x2 + 1
x 7→ f (x) − 0, 7 1
x 7→ −f (x)/10
Figure II.1 – Translation verticale du graphe. 1
0
f : x 7→ x2
1
Figure II.4 – Dilatation verticale du graphe.
0 1
x 7→ f (x + 2.9) x 7→ f (x − 1)
x 7→ f (5x) 0 1
x 7→ f (−x) f : x 7→ ·x(x − 1)
f : x 7→ x2 + 1
1
Figure II.5 – Symétrie du graphe par rapport à
x 7→ f (x/10) l’axe vertical.
0 1
Exercice 2.0.4.
Quelle symétrie la courbe d’une fonction f : R →
(plus formellement, il est invariant par la R vérifiant, pour un a ∈ R, ∀x ∈ R f (a−x) = f (x)
présente-t-elle ?
37
CHAPITRE II. FONCTIONS USUELLES
x 7→ −f (−x) d u0 (x)
(ln (u(x))) = .
dx u(x)
38
CHAPITRE II. FONCTIONS USUELLES
f (x) ∈ B
2. Si f et g sont dérivables, alors g ◦ f est déri-
vable sur A et
g
f (g ◦ f )0 = f 0 × g 0 ◦ f.
g◦f
x∈A g(f (x))
Démonstration.
Cela sera démontré ultérieurement.
Figure II.8 – Diagramme de composition de
fonctions. Exercice 3.3.2.
Dériver les expressions suivantes :
1. sin 3x2 + 2 ;
Exemple 3.2.2.
2. 1 + ln(cos(t)).
p
On peut donc écrire, sous réserve de validité,
Remarque 3.3.3.
u0
0 0
(exp ◦u) = u × exp ◦u et 0
(ln ◦u) = . Sous réserve de définition, on a donc de manière
u générale
Remarque 3.2.3. d
Pour déterminer le domaine de définition d’une (f (ax + b)) = af 0 (ax + b).
dx
composée g ◦ f , il convient de déterminer dans
l’ordre : Proposition 3.3.4.
1. le domaine de définition de f , noté ici Df ; Soit A, B ⊂ R, f : A → R et g : B → R telles que
g ◦ f soit définie.
2. puis le domaine de définition de g, noté ici
Dg ; 1. Si f est paire, g ◦ f est paire.
2. Si f est impaire et g est paire, g ◦ f est paire.
3. enfin, déterminer l’ensemble des x ∈ Df pour
lesquels f (x) ∈ Dg . 3. Si f et g sont impaires, g ◦ f est impaire.
En particulier, il est impossible de conclure sans
avoir avoir étudié l’ensemble d’arrivée de f ! Démonstration.
Soit x ∈ A. Si f est paire,
Exercice 3.2.4.
g ◦ f (−x) = g(f (−x)) = g(f (x)) = g ◦ f (x).
Déterminer le domaine de définition de
s Si f est impaire et g paire,
2 g ◦ f (−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = g ◦ f (x).
x 7→ x−2− .
x−3
Si f et g sont impaires,
g◦f (−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −g◦f (x).
3.3 Propriétés d’une composée.
39
CHAPITRE II. FONCTIONS USUELLES
40
CHAPITRE II. FONCTIONS USUELLES
Théorème 3.4.5. x a b
Soit I un intervalle de R et f : I → R continue et c
strictement monotone. f (x)
d
1. La fonction f −1 est strictement monotone,
de même monotonie que f . x d c
Démonstration.
On ne démontre que les deux premier points. par symétrie celui de f −1 possède une tangente
1. Dans le cas où f est strictement décroissante. Soit verticale au point de coordonnées (y, x).
x, y des images par la fonction f , posons a = f −1 (x)
et b = f −1 (y), de sorte que a, b ∈ I, x = f (a) et
Exemple 3.4.9.
y = f (b). On peut observer tous ces résultats sur les fonc-
Supposons que x < y. Si a 6 b, alors, par décroissance tions carré et racine carrée (voir figure II.10).
de f , f (a) > f (b), i.e. x > y : c’est impossible. La fonction carré est strictement croissante sur
Ainsi, f −1 (x) > f −1 (y), donc f −1 est strictement
R+ (mais pas sur R), est continue, 02 = 0 et
décroissante.
x2 −−−−→ +∞. Ainsi, la fonction carré réalise une
2. Soit x une image par la fonction f , on a par imparité x→+∞
de f bijection de R+ sur R+ . On appelle sa réciproque
√ √
f (−f −1 (x)) = −f (f −1 (x)) = −x. la fonction racine carrée, notée · : si x > 0, x
Ainsi, par définition, f −1 (−x) = −f −1 (x), donc f −1 est l’unique réel t > 0 vérifiant t2 = x. La fonction
est impaire. racine carrée est donc strictement croissante et
√
x −−−−→ +∞.
x→+∞
Remarque 3.4.6. d 2
On a, pour tout x > 0, (x ) = 2x, qui s’an-
Une fois que l’on sait que f −1 est dérivable, la dx
dernière formule peut se retrouver en dérivant nule exactement en 0. La fonction racine carrée
f ◦ f −1 = Id, ce qui donne : est donc dérivable sur R∗+ , mais pas en 0, et pour
tout x > 0,
(f −1 )0 × f 0 ◦ f −1 = 1. d √ 1
x = √ .
dx 2 x
Remarque 3.4.7.
Avec quelques considérations de limites, le théo-
rème précédent permet de relier les tableaux de
variations d’une fonction et de sa réciproque (voir 4 Fonction valeur absolue
figure II.9 dans le cas où f est strictement décrois-
sante).
Remarque 3.4.8. Définition 4.0.1.
Plus précisément, si f 0 (x) = 0, alors f −1 ne sera Soit x√∈ R On appelle valeur absolue de x le réel
pas dérivable en y = f (x). |x| = x2 . Il vaut x si x > 0 et −x sinon (voir la
En effet, le graphe de f possède une tangente figure II.11).
horizontale au point de coordonnées (x, y), donc
41
CHAPITRE II. FONCTIONS USUELLES
Démonstration.
Il suffit de discuter selon les signes de x et de y.
1 √
x 7→ x Proposition 4.0.6 (Inégalité triangulaire).
Soit x, y ∈ R, alors :
1. |x + y| 6 |x| + |y| ;
2. ||x| − |y|| 6 |x + y| ;
0 3. enfin, |x + y| = |x| + |y| si et seulement si x
1
et y sont de même signe.
d d = 2(|xy| − xy)
a (|x|) = 1 et si x < 0, (|x|) = −1.
dx dx > 0,
42
CHAPITRE II. FONCTIONS USUELLES
Définition 5.1.1.
Soit x ∈ R, n ∈ N. On appelle x puissance n le
réel x × . . . × x (n fois), noté xn . x 7→ x2
Par convention x0 = 1 pour tout x ∈ R, x 7→ x4
même 0. 1
Si n est un entier strictement négatif, et si x 6= 0,
1
on pose xn = −n .
x
0 1
Remarque 5.1.2.
Cela peut se définir rigoureusement par récur-
rence. x 7→ x
x 7→ x3
Proposition 5.1.3.
Soit m, n ∈ Z, de manière générale :
43
CHAPITRE II. FONCTIONS USUELLES
Démonstration.
On factorise an xn :
a0 a1 an−1
f (x) = an xn + + ··· + +1
1 an xn an xn−1 an x
x 7→ n−1
!
x2 X ak
= an x n
1+ .
1 k=0
an xn−k
0 ak
1 −−−−−→ 0.
an xn−k x→±∞
1
x 7→
x
1
x 7→ Définition 5.2.3.
x3
On appelle fonction rationnelle toute fonction de
g(x)
la forme f : x 7→ où g et h sont des fonctions
h(x)
Figure II.13 – Quelques fonctions puissance, polynomiales. Si an x et bm xm sont les monômes
n
exposants négatifs. an xn
dominants de g et h, alors f (x) et ont
bm xm
même limite en ±∞.
44
CHAPITRE II. FONCTIONS USUELLES
Proposition 6.1.2.
La fonction ln est continue, dérivable sur R∗+ ,
strictement croissante (donc injective) et bijective exp y=x
de R∗+ dans R.
1
Si x ∈ R∗+ , on a ln0 (x) = . 1
x
Démonstration.
0 1
Les outils pour cela seront vus plus tard, mais il suffit y =x+1
de dire que c’est la primitive d’une fonction continue et
positive.
ln
Définition 6.1.3.
On appelle fonction exponentielle notée exp la y =x−1
réciproque de ln. On a donc exp : R → R∗+ .
45
CHAPITRE II. FONCTIONS USUELLES
1
Démonstration. 4. a = ∈ Q, q > 0 : définie sur R+ , donc
Il suffit d’étudier les fonctions x 7→ e x − 1 − x et x 7→ ln(1 + q
x) − x, en dressant leurs tableaux de signes/variations. prolongeable en zéro, comme réciproque de
la fonction x 7→ xq . Et même prolongeable
Remarque 6.1.10.
sur R si q impair.
Ces inégalités s’observent aisément sur la fi-
gure II.14. • Pour traiter un exercice avec des puissances
Elles découlent immédiatement de la propriété quelconques, il faut quasiment toujours repasser
de convexité de l’exponentielle et de la propriété par l’écriture exponentielle.
de concavité du logarithme.
Remarque 6.1.11. Proposition 6.2.3.
Les dérivées de l’exponentielle en 0 et du loga- Soit x, x0 ∈ R∗+ et y, y 0 ∈ R, on a :
rithme en 1 donnent les limites suivantes, fort 0
utiles : 1. (xx0 )y = xy .x y .
0 0
2. xy+y = xy .xy .
exp(x) − 1
−−−→ 1, 0
3. x(yy ) = (xy )y .
0
x x→0
1 1
y
ln(1 + x)
−−−→ 1. 4. x−y = y = .
x x→0 x x
Remarque 6.2.2.
Proposition 6.2.5.
• Si a ∈ N, cette définition coïncide avec la défi-
Soit a ∈ R. On note fa : R∗+ → R∗+ .
nition donnée précédemment.
x 7→ xa
• On a alors pour tout x > 0, exp(x) = e x . La
notation e x est alors utilisée pour tout x ∈ R 1. La fonction fa est continue, dérivable et ∀x ∈
pour désigner exp(x). R∗+ , fa0 (x) = axa−1 .
2. Si a =
6 0, fa est bijective de R∗+ sur R∗+ . Sa
• Cas particuliers :
réciproque est f1/a .
1. a ∈ N : xa défini sur R. 0
3. Soit a < a0 : si x > 1, xa < xa , si x ∈]0, 1[,
2. a ∈ Z : xa défini sur R∗ . xa > xa
0
46
CHAPITRE II. FONCTIONS USUELLES
a = 1, 5
a = 0, 7
a = 0, 5
1
a = −0, 5
0
1 Définition 6.3.1.
Soit n ∈ N∗ . La fonction x 7→ xn est continue.
• Si n est pair, x 7→ xn est strictement crois-
Figure II.15 – Quelques fonctions de la forme
sante sur R+ et réalise une bijection de R+
x 7→ xa .
sur R+ . Sa réciproque sur R+ est appelée
√
« racine ne », notée n ·.
• Si n est impair, x 7→ xn est strictement
croissante sur R et réalise une bijection de
R sur R. Sa réciproque sur R est appelée
Définition 6.2.6 (Logarithme de base a). √
« racine ne », notée n ·.
Soit a ∈ R∗+ \{1}. La fonction « puissance en base
a », R → R∗+ , x 7→ ax , est bijective. Sa réciproque
est le logarithme de base a Démonstration.
Il suffit de montrer la croissance stricte. Cela peut se faire
∗ en dérivant, ou bien en factorisant xn − y n (la formule sera
R+ −→ R, vue bientôt).
loga : ln(x) Notamment, pour n = 2, x2 − y 2 = (x − y)(x + y) donne
x 7−→ .
ln(a) directement la croissance stricte de x 7→ x2 sur R∗+ .
Exemple 6.3.2. √ √
(−2)
√
3 = −8, donc −2 = 3 −8, et ( 3)4 =
√ √
Remarque 6.2.7. 1. Cas particuliers utiles : (− 3)4 = 9, donc 4 9 = 3.
log10 et log2 . Ils donnent le nombre de chiffres
dans l’écriture d’un entier en base 10 ou 2 : Proposition 6.3.3.
√
si 10p−1 6 n < 10p , alors n s’écrit avec p Soit n ∈ N∗ et x > 0, alors n x = x1/n .
chiffres en base 10 et blog10 nc = p − 1.
47
CHAPITRE II. FONCTIONS USUELLES
Exercice 6.4.1.
Montrer que ∀x ∈ R+ , exp(x) > 1 + x + x2 /2. En La fonction cosinus n’est pas bijective :
déduire la limite de exp(x)/x lorsque x → +∞. pour tout x ∈ [−1, 1], il n’existe pas un unique
t ∈ R vérifiant x = cos(t).
Proposition 6.4.2 (Croissances comparées des
exponentielles, puissances et logarithmes). Définition 7.1.1 (Arc cosinus).
Soient a, b ∈ R∗+ . Alors : Pour tout x ∈ [−1, 1], il existe un unique t ∈ [0, π]
1. l’exponentielle l’emporte sur les puissances : tel que x = cos(t). On dit que ce t est l’arc cosinus
de x (noté t = Arccos(x)).
e bx Plus formellement : la fonction cosinus est bi-
xa e bx −−−−→ 0 et −−−−→ +∞ ;
x→−∞ xa x→+∞ jective de [0, π] sur [−1, 1]. Sa fonction réciproque
est appelée arc cosinus et noté Arccos.
2. les puissances l’emportent sur les loga-
rithmes :
Démonstration.
xa La fonction cosinus est continue, strictement décroissante
xa ·|ln x|b −−−→ 0 et −−−−→ +∞ ;
x→0 (ln x)b x→+∞ sur [0, π], cos(0) = 1 et cos(π) = −1. On conclut par le
théorème de la bijection.
3. l’exponentielle l’emporte sur les logarithmes
(repasser par les deux premiers points).
Proposition 7.1.2.
La fonction arc cosinus est strictement décrois-
Démonstration. 1. On utilise le résultat de l’exer- sante, continue sur [−1, 1], dérivable sur ] − 1, 1[,
cice 6.4.1, en factorisant 1
de dérivée x 7→ − √ , c’est-à-dire que pour
1 − x2
a a
e bx e bx/a e bx/a
a
b
= = . .
xa x a bx/a tout x ∈] − 1, 1[,
2. En composant la limite de l’exercice 6.4.1 par ln(x), 1
x Arccos0 (x) = − √ .
on a directement −−−−−→ +∞. Puis, en compo- 1 − x2
ln x x→+∞
1
sant par , on obtient et x ln x −−−→ 0. Son graphe est représenté sur la figure II.16.
x x→0
Ensuite, on factorise
b b b
xa xa/b a xa/b Démonstration.
= = .
(ln x)b ln x b ln (xa/b ) Tout découle du tableau de variations du cosinus et des
théorèmes généraux précédents.
On obtient l’autre limite par composition. Comme cos0 (0) = 0 et cos0 (π) = 0, Arccos n’est pas
3. Repasser par les deux premiers points. dérivable en cos(0) = 1 et en cos(π) = −1. La dérivée du
cosinus ne s’annule pas sur ]0, π[, donc Arccos est dérivable
sur ] − 1, 1[. Ensuite, si −1 < x < 1,
Exercice 6.4.3.
1 −1
Déterminer la limite de la suite de terme général Arccos0 (x) = = .
cos0 (Arccos x) sin(Arccos x)
3n − n2 + ln2 (n) Il suffit d’utiliser√le résultat du théorème 7.1.6 pour obtenir
√ n sin(Arccos x) = 1 − x2 .
ne + e − 2 ln(n)
48
CHAPITRE II. FONCTIONS USUELLES
π Démonstration.
C’est la même chose que pour l’arc cosinus.
Pour l’imparité, si x ∈ [−1, 1], posons t = Arcsin(x),
Arccos
donc t ∈ [−π/2, π/2] et sin(t) = x. Par imparité du sinus,
y=x sin(−t) = −x, et −t ∈ [−π/2, π/2], donc par définition
π
−t = Arcsin(−x). On vient de montrer que Arcsin(−x) =
2 − Arcsin(x).
1
π
2 π
π Arcsin y=x
−1 0 1 2
cos
−1 1
1 π
2
La fonction sinus n’est pas bijective :
pour tout x ∈ [−1, 1], il n’existe pas un unique
t ∈ R vérifiant x = sin(t). −1
π
Définition 7.1.3 (Arc sinus). −
2
Pour tout x ∈ [−1, 1], il existe un unique t ∈
π π
− , tel que x = sin(t). On dit que ce t est
2 2 Figure II.17 – Fonctions sin et Arcsin.
l’arc sinus de x (noté t = Arcsin(x)).
Plus formellement : la fonction sinus est bijec-
tive de [−π/2, π/2] sur [−1, 1]. Sa fonction réci-
proque est appelée arc sinus et noté Arcsin. Exercice 7.1.5.
Déterminer les arc cosinus
√ et
√ arc sinus des valeurs
1 2 3
Démonstration. usuelles : 0, ± , ± ,± et ±1.
La fonction sinus 2 2 2
est continue, strictement
croissante sur
π π
[−π/2, π/2], sin − = −1 et sin = 1. On conclut
2 2
par le théorème de la bijection. Théorème 7.1.6.
Pour tout = x ∈ [−1, 1],
Proposition 7.1.4.
La fonction arc sinus est strictement croissante, sin(Arccos x) = cos(Arcsin x)
impaire, continue sur [−1, 1], dérivable sur ]−1, 1[,
p
= 1 − x2 .
1
de dérivée x 7→ √ , c’est-à-dire que pour
1 − x2
tout x ∈] − 1, 1[,
Démonstration.
1 On a cos ◦ Arccos = Id[−1,1] , c’est-à-dire que, par définition,
Arcsin0 (x) = √ .
1 − x2 pour tout x ∈ [−1, 1], cos(Arccos x) = x.
Ainsi, si x ∈ [−1, 1], on a
Son graphe est représenté sur la figure II.17.
sin2 (Arccos x) = 1 − cos2 (Arccos x) = 1 − x2 .
49
CHAPITRE II. FONCTIONS USUELLES
Pour finir, on remarque que le sinus est positif sur [0, π],
or la fonction Arccos prend ses valeurs dans [0, π], donc Définition 7.2.1 (Arc tangente).
sin(Arccos x) > 0.. π π
Pour tout x ∈ R, il existe un unique t ∈ − ,
2 2
tel que x = tan(t). On dit que ce t est l’arc
Arccos ◦ cos 6= IdR , on a juste que pour tangente de x (noté t = Arctan(x)).
tout x ∈ [0, π], Arccos(cos(x)) = x. Plus formellement, la fonction tangente est bi-
Exercice 7.1.7. jective de ] − π/2, π/2[ sur R. Sa fonction réci-
17π
Calculer Arccos cos . proque est appelée arctangente et noté Arctan
7 (parfois atan).
Exercice 7.1.8.
4
Résoudre l’équation Arcsin x = Arccos , d’incon-
5
nue x ∈ [−1, 1]. Proposition 7.2.2.
La fonction arc tangente est continue sur R, dé-
1
Toujours faire attention aux signes des rivable sur R de dérivée x 7→ , impaire
1 + x2
objets, et aux ensembles auxquels ils appar- et strictement croissante. Son graphe est donné
tiennent. figure II.18 (noter les asymptotes).
Proposition 7.1.9.
Démonstration.
Pour tout x ∈ [−1, 1], on a Arcsin x + Arccos x = Tout découle du tableau de variations de la tangente et
π/2. des théorèmes généraux précédents.
On a tan0 = 1 + tan2 , donc pour tout x ∈] − π/2, π/2[,
tan0 (x) > 1. La dérivée de la tangente ne s’annule pas sur
Démonstration. ] − π/2, π/2[, donc Arctan est dérivable sur R. Ensuite, si
Notons f : [−1, 1] → R, x 7→ Arcsin x + Arccos x. Il suffit x ∈ R,
de montrer que f est constante sur [−1, 1], de valeur π/2.
Pour cela on peut vérifier les trois points suivants : 1 1 1
Arctan0 (x) = = = .
1. f est constante sur ] − 1, 1[. En effet, f est dérivable tan0 (Arctan x) 1 + tan2 (Arctan x) 1 + x2
sur ] − 1, 1[ et d’après ce qui précède sa dérivée est
nulle. Notons C sa valeur sur ] − 1, 1[. L’imparité s’obtient comme pour l’arc sinus.
2. f est constante sur [−1, 1]. En effet, on a ∀x ∈] −
1, 1[ f (x) = C, donc f admet une limite à droite en
−1 et f (x) −−−−→ C. Or f est continue en −1 car
x→−1
x>−1
Arcsin et Arccos le sont. Donc f (x) −−−−→ f (−1). Proposition 7.2.3.
À nouveau, remarquer que tan ◦ Arctan = IdR ,
x→−1
x>−1
Donc f (−1) = C.
mais pas Arctan ◦ tan : ce n’est l’identité que sur
De même f (1) = C.
] − π/2, π/2[.
On a donc ∀x ∈ [−1, 1] f (x) = C.
3. La valeur de f sur [−1, 1] est π/2. En effet, en 0, f
vaut Arcsin 0 + Arccos 0, qui est égal à 0 + π/2.
Exercice 7.2.4.
Résoudre l’équation Arctan(2x) + Arctan(3x) =
π
.
7.2 Arctangente 4
Exercice 7.2.5.
Étudier la fonction
La fonction tangente n’est pas bijective :
pour tout x ∈ R, il n’existe pas un unique t ∈ R 1
vérifiant x = tan(t). f : x 7→ Arctan(x) + Arctan .
x
50
CHAPITRE II. FONCTIONS USUELLES
4
5, − Arccos .
5
tan
Remarque 7.3.3.
π y=x Trouver le module et un argument d’un nombre
2 complexe est le même problème que de déterminer
un couple de coordonnées polaires d’un point du
plan. Il se résout avec les mêmes méthodes.
0
Arctan
π 8 Fonctions hyperboliques
2
8.1 ch, sh et th
Définition 8.1.1.
On appelle :
1. Sinus hyperbolique et on note sh l’application
51
CHAPITRE II. FONCTIONS USUELLES
x −∞ 0 +∞ ch
ch(x) +
+∞
1
sh(x) 0
−∞ 0
sh(x) − 0 + 1
+∞ +∞
ch(x) sh
52
CHAPITRE II. FONCTIONS USUELLES
1 Démonstration.
On raisonne par analyse-synthèse.
þ 0 Analyse : On suppose que l’on a g et h qui conviennent
et l’on essaie d’obtenir des informations dessus. Indice
1 : si x ∈ A, calculer f (x) + f (−x).
On a en fait montré l’unicité de g et de h.
Synthèse : On vérifie que les fonctions trouvées dans la
phase d’analyse conviennent.
Figure II.21 – Fonction þ. On a alors montré l’existence de g et de h.
Exemple 8.1.11.
cercle trigonométrique C , donc (x, y) ∈ C ssi Les fonctions cosinus et sinus hyperboliques, sont
∃t ∈ R x = cos t et y = sin t. les parties paires et impaires de la fonction expo-
De même, x2 − y 2 = 1 est l’équation de l’hyper- nentielle.
bole équilatère H d’asymptotes x = ±y. Donc
(x, y) ∈ H ssi ∃t ∈ R x = ch t et y = sh t. 8.2 Fonctions hyperboliques inverses
Remarque 8.1.8. Elles sont hors-programme. :’(
Toutes les formules de trigonométrie circulaire ont Mais vous pouvez très bien les retrouver, ainsi
une analogue hyperbolique. Par exemple : que leurs propriétés, en tant qu’exercice ! :)
ch(a + b) = ch a ch b + sh a sh b,
sh(a + b) = sh a ch b + ch a sh b.
Définition 8.1.10.
Soit A ⊂ R et f : A → R. Supposons que A est
centré (∀x ∈ A, −x ∈ A). Alors, il existe deux
uniques fonctions g : A → R et h : A → R
vérifiant :
• g est paire ;
• h est impaire ;
• f = g + h.
On dit que g est la partie paire de f et h sa partie
impaire.
53
CHAPITRE II. FONCTIONS USUELLES
54
Chapitre III
Un peu de calcul
Sommaire
1 Le symbole somme : Σ . . . . . . . . . . 56
1.1 Définition d’une somme simple et pre-
mières propriétés . . . . . . . . . . . . 56
1.2 Sommes doubles . . . . . . . . . . . . 58
1.3 Somme d’une famille d’objets . . . . . 59
2 Le symbole produit : Π . . . . . . . . . 60
3 Quelques formules à connaître . . . . . 60
3.1 Sommes classiques . . . . . . . . . . . 60
3.2 Coefficients binomiaux . . . . . . . . . 61
3.3 Binôme de Newton, identités remar-
quables et sommation géométrique . . 62
4 Systèmes linéaires et pivot de Gauss . 64
4.1 Définitions . . . . . . . . . . . . . . . . 64
4.2 Interprétation géométrique . . . . . . . 64
a Dans le plan . . . . . . . . . . . . 64
b Dans l’espace . . . . . . . . . . . 64
4.3 Opérations sur les lignes d’un système 65
4.4 Algorithme du pivot . . . . . . . . . . 65
a Cas d’un système diagonal . . . . 65
b Cas d’un système triangulaire in-
versible . . . . . . . . . . . . . . . 65
c Cas d’un système triangulaire non
inversible . . . . . . . . . . . . . . 67
d Systèmes échelonnés . . . . . . . 67
e Cas général . . . . . . . . . . . . 67
CHAPITRE III. UN PEU DE CALCUL
1 Le symbole somme : Σ
Proposition 1.1.4 (Linéarité de la somme).
Soit am , . . . , an , bm , . . . , bn des nombres com-
1.1 Définition d’une somme simple et
plexes, soit λ, µ ∈ C. Alors
premières propriétés
n n n
(λak + µbk ) = λ ak + µ
X X X
bk .
k=m k=m k=m
Définition 1.1.1.
Soit m, n ∈ Z tels que m 6 n. Soit zm , . . . , zn des
nombres complexes. Leur somme est notée Démonstration.
n On le montre par récurrence sur n, après avoir fixé m.
X
zk , Il est important de savoir manipuler des sommes
k=m
écrites avec le symbole Σ. Pour cela, nous utilise-
c’est le nombre complexe que l’on peut noter de rons principalement les deux outils suivants.
manière abusive Le premier consiste à observer que la somme
k=m
la variable k est muette. En effet, on peut rempla-
cer la lettre k par un autre nom de variable non Démonstration.
encore utilisé, sans changer le sens de l’expression. On le montre par récurrence sur n, en ayant fixé un entier
n n n m.
Ainsi f (k), f (i) et f (Brandon)
X X X
Si n = m, alors
k=m i=m Brandon=m n n+1
sont synonymes. Par contre on ne peut pas écrire X
zk+1 = zm+1 =
X
zk .
n n n
f (m), f (n) ou f (f ), qui n’ont au-
X X X
k=m k=m+1
m=m n=m f =m Soit un entier n > m, supposons que l’identité soit vraie
cun sens. au rang n. Alors,
On essaiera bien entendu de garder des no- n+1 n
!
tations cohérentes avec le contexte ... et raison-
X X
zk+1 = zk+1 + zn+1+1
nables. k=m k=m
!
n+1
56
CHAPITRE III. UN PEU DE CALCUL
Ainsi, la propriété est vraie au rang n + 1 et l’on peut Ainsi, la propriété est vraie au rang n + 1 et l’on peut
conclure par récurrence. conclure par récurrence.
La seconde identité se déduit immédiatement de celle-là
Exercice 1.1.6. avec un décalage d’indice.
Soit n ∈ N, écrire comme une somme partant de
l’indice 0 : Exemple 1.1.8.
n+1 6 5 3 3
i2 = (i + 1)2 = (i + 3)2 = (6 − i)2 .
X X X X X
2
k .
k=2 i=3 i=2 i=0 i=0
Le second outil consiste à remarquer que la Le résultat suivant est fondamental. Savoir re-
somme pérer une somme télescopique et la simplifier (ou,
z0 + z1 + · · · + zn−1 + zn réciproquement, faire apparaître une somme téles-
copique à la place de la différence de deux termes)
peut s’écrire
est un savoir faire important.
zn−0 + zn−1 + · · · + zn−(n−1) + zn−n .
Théorème 1.1.9 (Simplification téléscopique).
Proposition 1.1.7 (Renversement d’indices). Soit zm , . . . , zn+1 des nombres complexes. Alors :
Soit n ∈ N, soit z0 , . . . , zn des nombres complexes. n
On a (zk+1 − zk ) = zn+1 − zm .
X
n n
zk =
X X
zn−k k=m
k=0 k=0
et
n n−1 Remarque 1.1.10.
zk =
X X
zn−k . Ceci est l’analogue discret du résultat d’intégra-
k=1 k=0 Z b
tion f 0 (t) dt = f (b) − f (a), pour les fonctions
a
f éligibles.
Démonstration.
On montre la première par récurrence sur n. Démonstration.
Si n = 0, alors Commencer par écrire la somme « à la main »avec des
n n « petits points » pour voir les simplifications apparaître.
Ensuite, par changement d’indice :
X X
zk = z0 = zn−0 = zn−k .
k=0 k=0 n n n
X X X
Soit un entier naturel n, supposons que l’identité soit vraie (zk+1 − zk ) = zk+1 − zk
au rang n. Alors, en effectuant un décalage d’indice pour k=m k=m k=m
57
CHAPITRE III. UN PEU DE CALCUL
1 − p) nombres complexes, que l’on peut représen- La somme des éléments de ce tableau situés au
ter dans le tableau suivant : dessus de sa diagonale, diagonale comprise, est
zm,p . . . zm,q
notée X
.. .. . zk,` .
. . 16k6`6n
zn,p ... zn,q
La somme des éléments de ce tableau situés stric-
Leur somme est notée tement au dessus de sa diagonale, est notée
X
zk,` .
X
zk` .
m6k6n, p6`6q 16k<`6n
58
CHAPITRE III. UN PEU DE CALCUL
Définition 1.3.4.
Démonstration.
Cela revient, à chaque fois, à sommer les éléments du Soient I un ensemble fini et (zi )i∈I une famille
tableau ligne par ligne ou colonne par colonne. indicée par I d’objets que l’on peut sommer (par
exemple : des nombres, des fonctions, des ma-
Remarque 1.2.7.
trices).
Par convention, une somme vide est nulle. On
La somme des zi , pour i parcourant l’ensemble
peut donc écrire :
I, est notée X
n X
n n j−1 zi
zij = zij =
X X X X
zij . i∈I
16i<j6n i=1 j=i+1 j=1 i=1 Dans le cas où I = ∅, on convient que
Exercice 1.2.8. X
zi = 0,
Combien y a-t-il de cases dans un tableau de i∈∅
dimension n × n ?
Retrouver cela en calculant 1. cet objet s’entendant comme le nombre zéro, la
X
Remarque 1.3.6.
Exemple 1.3.2. On pourrait formellement définir ces symboles par
Un n-uplet (x1 , . . . , xn ) ∈ Rn est une famille de récurrence sur le nombre d’objets sommés.
59
CHAPITRE III. UN PEU DE CALCUL
i∈I
Par convention, un produit vide vaut 1 :
Il y a pour les produits l’exact analogue du
zi = 1 théorème 1.2.6 pour les sommes, et la démonstra-
Y
k=1
Théorème 3.1.1.
Soit n un entier naturel. Alors
Par convention, 0! = 1. n
1. 1=n+1 ;
X
k=0
Exemple 2.0.4. n
n(n + 1)
Il est bon de connaître les 5 ou 6 premières fac- 2. k= ;
X
2
torielles : 0! = 1, 1! = 1, 2! = 2, 3! = 6, 4! = 24, k=0
5! = 120 et 6! = 720. n
n(n + 1)(2n + 1)
3. k2 = .
X
Démonstration.
Proposition 2.0.5. Les trois se démontrent facilement par récurrence. Par
Pour tout n ∈ N, (n + 1)! = (n + 1) × n!. curiosité et pour s’entraîner, voici deux autres démonstra-
tions :
60
CHAPITRE III. UN PEU DE CALCUL
n
X
2. On note Sn = k. On fait un changement d’indice :
k=0
On étend cette
! définition à tout (n, k) ∈ N × Z
n n
n
en posant = 0 pour k > n ou k < 0.
X X
Sn = (n − k) et on développe : Sn = n−
k
k=0 k=0
n
X
k = n(n + 1) − Sn , d’où 2Sn = n(n + 1).
k=0 Remarque 3.2.2.
On utilisera souvent :
n
X
3. On note Sn0 = k . Pour tout k ∈ J0, nK, on a :
2
k=0 n
Y
(k + 1)3 − k3 = 3k + 3k + 1. On somme tout ça de 0 à
2
i
n × (n − 1) × · · · × (n − k + 1)
!
n, et on obtient, après simplification téléscopique du n i=n−k+1
n(n + 1) = = .
membre de gauche : (n + 1)3 = 3Sn0 + 3 + k k k × (k − 1) × · · · × 1
2
Y
n + 1. Ça se simplifie pour donner le résultat voulu. j
j=1
Remarque 3.1.2.
On pourrait montrer de la même manière que si Théorème 3.2.3 (Formule du triangle de Pas-
a, b ∈ Z tels que a 6 b, alors cal).
Soit (n, k) ∈ N∗ × Z. Alors
b
(b − a + 1)(a + b)
k=
X ! ! !
2 n n−1 n−1
k=a = + .
k k−1 k
On pourra remarquer cette somme correspond
bien au nombre de termes de la somme, fois la
moyenne du plus petit et du plus grand élément.
Démonstration.
On pourrait la calculer de la manière suivante : Se fait par un calcul direct.
b b−a
Remarque 3.2.4.
k= (a + k)
X X
k=a k=0
Cette formule permet de calculer par récurrence
b−a tous les coefficients binomiaux, en les représentant
= a(b − a + 1) + par exemple dans le triangle de Pascal.
X
k
k=0
(b − a)(b − a + 1)
= a(b − a + 1) + Corollaire 3.2.5.
2
!
n
(b − a + 2a)(b − a + 1) Soit (n, k) ∈ N × Z, est un entier.
= k
2
Il n’est toutefois par nécessaire de retenir cette
Démonstration.
formule : vous saurez la retrouver au besoin. La démonstration se fait
par
récurrence sur n, avec l’hypo-
n
thèse : « ∀k ∈ J0, nK, est un entier », en utilisant la
3.2 Coefficients binomiaux k
formule de Pascal pour l’hérédité.
61
CHAPITRE III. UN PEU DE CALCUL
Démonstration.
On le démontre par récurrence sur n, après avoir fixé a et
Proposition 3.2.7. ! ! b.
n n Pour n = 0, c’est évident :
Soit n ∈ N∗ et k ∈ J0, nK. On a = .
k n−k 0
X 0
(a + b) = 1 =
0
a0 b0 .
0
k=0
La figure 1 illustre le calcul de ces coefficients On écrit alors, avec un décalage d’indice, la première somme
pour 4 répétitions. n−1
X n
La formule suivante n’est pas exigible mais est k+1−1
ak+1 bn+1−(k+1) + an+1
fort utile. k=0
n
X n
= ak bn+1−k + an+1
k−1
k=1
+ an+1
Démonstration. n
n + 1 n+1 X n + 1 k n+1−k
Facile et laissée en exercice. = b + a b
0 k
k=1
n + 1 n+1
3.3 Binôme de Newton, identités re- + a
n+1
marquables et sommation géomé- n+1
n+1
trique
X
= ak bn+1−k .
k
k=0
62
CHAPITRE III. UN PEU DE CALCUL
E 0 succès et 4 échecs
E
S 1 succès et 3 échecs
E
E 1 succès et 3 échecs
S
E
S 2 succès et 2 échecs
E 1 succès et 3 échecs
E
S 2 succès et 2 échecs
S
E 2 succès et 2 échecs
S
S 3 succès et 1 échec
E 1 succès et 3 échecs
E
S 2 succès et 2 échecs
E
E 2 succès et 2 échecs
S
S
S 3 succès et 1 échec
E 2 succès et 2 échecs
E
S 3 succès et 1 échec
S
E 3 succès et 1 échec
S
S 4 succès et 0 échec
Figure III.1 – Chemins des succès et échecs pour 4 répétitions d’une expérience
k=0
Théorème 3.3.3.
Soient n ∈ N et a, b ∈ C. Alors :
Démonstration.
n−1
a2n+1 + b2n+1 = a2n+1 − (−b)2n+1 et on utilise le théorème
a − b = (a − b)
X
n n k n−k−1
a b . précédent.
k=0
= a − bn
n
63
CHAPITRE III. UN PEU DE CALCUL
n−1
X
• Sinon, z n − 1 = z n − 1n = (z − 1) z k 1n−1−k = On dit que le système est compatible s’il admet
k=0
n−1
X une solution.
(z − 1) zk . Le système homogène associé est le système :
k=0
+ . . . + a1p xp = 0
a11 x1
.
Remarque 3.3.6. . .
Si p 6 n sont deux entiers relatifs, et si z ∈ C\{1},
. . .
on a + . . . + anp xp = 0
an1 x1
n n
zk = zp
X X
z k−p
k=p k=p
n−p Dans la suite nous noterons S le premier
= zp système et SH son système homogène associé,
X
zk
k=0 et nous noterons Sol et SolH leurs ensembles de
z n−p+1 − 1 solutions respectifs.
= zp ×
z−1
z n+1 − z p
= .
z−1 4.2 Interprétation géométrique
a Dans le plan
La formule de sommation géométrique
revient très souvent (c’est la formule que nous Si p = 2, chaque ligne du système s’inter-
utiliserons le plus cette année), mais rarement prète comme l’équation d’une droite dans le plan.
avec les mêmes indice de début et de fin. Il faut Chaque droite y est en effet représentée par une
donc être extrêmement vigilant quant à ces deux équation cartésienne. On « sait » de plus que l’in-
indices et bien penser à factoriser par le premier tersection de deux droites est
terme pour revenir à une somme partant de l’in- • soit l’ensemble vide (droites parallèles dis-
dice zéro. tinctes) ;
• soit une droite (droites confondues) ;
4 Systèmes linéaires et pivot de • soit un point (droites non parallèles).
Ainsi, l’ensemble des solutions est soit vide, soit
Gauss un point, soit représente une droite.
4.1 Définitions
b Dans l’espace
64
CHAPITRE III. UN PEU DE CALCUL
• soit l’ensemble vide (droite parallèle au plan, Si l’on a effectué Li ← Li + λLj , il suffit d’effectuer
non incluse dedans) ; Li ← Li − λLj pour revenir au système de départ.
• soit une droite (droite incluse dans le plan) Si λ 6= 0 et si l’on a effectué Li ↔ λLi , il suffit d’effectuer
Li ↔ λ−1 Li pour revenir au système de départ.
;
• soit un point (droite non parallèle au plan).
Ainsi, l’ensemble des solutions est soit vide, soit un 4.4 Algorithme du pivot
point, soit représente une droite, soit représente
un plan. L’idée du pivot de Gauss pour résoudre un
système est de de se ramener à un système simple
4.3 Opérations sur les lignes d’un sys- à résoudre, grâce à une succession d’opérations
tème sur les lignes. Ainsi, l’on se ramène d’abord à
un système triangulaire (processus d’élimination),
puis, si cela est possible, à un système diagonal
Définition 4.3.1. (processus de remontée).
On dit que deux systèmes linéaires sont équiva- Pour étudier d’abord les cas les plus simples et
lents s’ils ont le même ensemble de solutions. finir par le cas général, étudions ces étapes à
rebours.
Si i et j sont deux indices différents compris
entre 1 et n, et λ est un scalaire, on note : a Cas d’un système diagonal
• Li ↔ Lj l’opération consistant à échanger les
ième et j ème lignes du système S ; On dit que le système S est diagonal si pour
• Li ← λLi l’opération consistant à multiplier tout i, j ∈ J1, nK, i 6= j ⇒ aij = 0. Dans ce cas le
par λ la ième ligne du système ; système se résout de manière immédiate.
• Li ← Li + λLj l’opération consistant à ajouter
Exemple 4.4.1.
la j ème ligne multipliée par λ à la ième ligne du
x = 2
système.
Résoudre les systèmes 2y = 1 et
z = −2
Il faut effectuer ces opérations sur toute x
= 2
la ligne du système sans oublier le membre de 0 = 1 .
droite. z = −2
65
CHAPITRE III. UN PEU DE CALCUL
récurrence. 0 1 0 −2
0 0 −1 2
Nous pouvons également appliquer une succes-
ce qui correspond au système
sion d’opérations sur les lignes du système pour
se ramener de manière équivalente à un système
x = 1
diagonal. y = −2
−z = 3
Ce processus est parfois appelé principe de re-
montée car l’on y fait apparaître des zéros dans qui est bien diagonal. Il vient alors directement
le haut de la matrice du système, en partant des
x = 1
lignes du bas.
y = −2 .
Cette méthode peut être présentée en utilisant
z = −3
une suite de systèmes équivalents.
66
CHAPITRE III. UN PEU DE CALCUL
e Cas général
67
CHAPITRE III. UN PEU DE CALCUL
x =
7
intéressant de choisir une variable qui apparaît 9
dans un minimum de lignes, comme cela une par- Il vient finalement y = − 13 .
tie du travail est déjà fait. = 5
z
9
Si la variable choisie est x et que la ligne conservée Exemple 4.4.9.
L est de la forme ax + by + . . . et que l’on veuille x +y +z = 1
éliminer x d’une ligne L0 de la forme cx + dy + . . .,
x −2y +z = 2
il suffit d’effectuer l’opération L0 ← L0 − ac L. La Considérons le système .
2x +y −z = 1
ligne L0 devient alors d − bc a y + . . .. 2y +z = 2
Après avoir éliminé la variable choisie dans toutes Codons-le et exécutons l’algorithme du pivot. Il
les lignes sauf celle conservée, on ne touche plus vient successivement :
à cette dernière ligne, et on réitère le procédé
1 1 1 1
avec les lignes restantes, en choisissant une autre 1 −2 1 2 L ← L − L
2 2 1
variable. On continue jusqu’à ce que le système (III.1)
2 1 −1 1 L3 ← L3 − 2L1
soit triangulaire ou trivialement sans solution.
0 2 1 2
1 1 1 1
0 −3 0 1
Exemple 4.4.8.
0 −1 −3 −1 L3 ← L3 + 3L4
x +y +z = 1
0 2 1 2
Considérons le système x −2y +z = 2
2x
−z = 1 (III.2)
que l’on écrira sous forme matricielle 1 1 1 1
1 1 1 1
0 −3 0 1
(III.3)
1 −2 1 2. Puisque y n’apparaît 0 5 0 5
2 0 −1 1 0 2 1 2
pas dans la dernière ligne, choisissons d’éliminer
y dans les deux premières lignes. Afin d’éviter Or les deuxième et troisième lignes sont contra-
de manipuler des fractions, nous choisissons de dictoires, donc le système n’a pas de solution.
conserver la première ligne, car le coefficient
devant y y est 1.
Effectuons l’opération L2 ← L2 + 2L1 : le
1 1 1 1
système est donc équivalent à 3 0 3 4.
2 0 −1 1
On choisit ensuite d’éliminer z de la seconde
ligne en utilisant la dernière ligne, car la variable
z y a un coefficient égal à −1. Après l’opération
1 1 1 1
68
Chapitre IV
Quelques fondamentaux
Sommaire
1 Propositions. . . . . . . . . . . . . . . . . 70 a Suite négative minorée par un réel
2 Connecteurs logiques. . . . . . . . . . . 70 positif. . . . . . . . . . . . . . . . . 82
2.1 Négation. . . . . . . . . . . . . . . . . 70 b n valeurs sont égales . . . . . . . 83
2.2 Conjonction « et » et disjonction « ou ». 70 c Toutes les puissances valent 1 . . 83
2.3 Implication. . . . . . . . . . . . . . . . 71
2.4 Équivalence. . . . . . . . . . . . . . . . 72
3 Quantificateurs universel et existentiel. 73
3.1 Définition. . . . . . . . . . . . . . . . . 73
3.2 Permutation de quantificateurs. . . . . 74
3.3 Négation d’un quantificateur. . . . . . 75
3.4 Le pseudo-quantificateur ∃!. . . . . . . 75
3.5 Quantificateurs et inégalités. . . . . . . 75
4 Raisonnements par récurrence. . . . . . 76
4.1 Principe du minimum. . . . . . . . . . 76
4.2 Principe de récurrence simple. . . . . . 76
4.3 Erreurs classiques. . . . . . . . . . . . 77
4.4 Bonne définition d’une suite définie par
récurrence. . . . . . . . . . . . . . . . . 78
4.5 Récurrence double. . . . . . . . . . . . 79
a Exemple : suite définie par récur-
rence. . . . . . . . . . . . . . . . . 79
b Énoncé du principe. . . . . . . . . 79
c Rédaction par récurrence double. 79
4.6 Récurrence triple, etc. . . . . . . . . . 80
4.7 Récurrence forte. . . . . . . . . . . . . 80
a Exemple : suite définie par récur-
rence. . . . . . . . . . . . . . . . . 80
b Énoncé du principe. . . . . . . . . 80
c Rédaction par récurrence forte. . 81
4.8 Méthodologie : choix du type de récur-
rence. . . . . . . . . . . . . . . . . . . 81
4.9 Récurrence à partir d’un certain rang. 81
4.10 Récurrence sur un intervalle fini d’entiers 82
4.11 Récurrence descendante . . . . . . . . 82
4.12 Quelques récurrences fausses. . . . . . 82
CHAPITRE IV. QUELQUES FONDAMENTAUX
1 Propositions.
Définition 2.1.1.
Soit p une proposition. La proposition « non p »,
notée ¬p, est la proposition qui est vraie quand p
Définition 1.0.1. est fausse, et fausse quand p est vraie. Sa table
Une proposition est un énoncé qui peut prendre de vérité est :
deux valeurs de vérité : « vrai » (V) ou « faux »
p ¬p
(F).
V F
F V
Exemple 1.0.2.
•2>7
• Pour tout nombre réel x, il existe un entier n
tel que n 6 x < n + 1. Théorème 2.1.2 (Loi de la double négation).
Soit p une proposition, p et « non (non p) » sont
deux propositions équivalentes, ce qui s’écrit :
2 Connecteurs logiques. p ≡ ¬(¬p).
70
CHAPITRE IV. QUELQUES FONDAMENTAUX
Définition 2.3.1.
Proposition 2.2.3 (Tiers exclu). Soient p et q deux propositions. On appelle p ⇒ q,
Pour toute proposition p, p ∨ ¬p est vraie. qui se dit « p implique q », ou « si p alors q », la
proposition (¬p) ∨ q. Dans l’implication p ⇒ q, p
est l’antécédent, q le conséquent.
Proposition 2.2.4 (Non contradiction).
Pour toute proposition p, p ∧ ¬p est fausse.
Exercice 2.3.2.
Construire la table de vérité de p ⇒ q.
Démonstration.
Écrire les tables de vérités de p ∨ ¬p et p ∧ ¬p. Remarque 2.3.3.
En pratique, pour démontrer une implication, on
commence toujours, bêtement, par « supposons
Théorème 2.2.5 (Lois de De Morgan). p vraie ». Il faut alors montrer que sous cette
Soit p et q deux propositions. hypothèse q est vraie.
1. ¬(p ∧ q) ≡ (¬p) ∨ (¬q).
2. ¬(p ∨ q) ≡ (¬p) ∧ (¬q).
• p ⇒ q peut être vraie même si p et q n’ont
Démonstration. 1. Construire les tables de vérité de
rien à voir. Par exemple : si 1 > 0 alors
ces deux propositions et constater que ce sont les l’eau mouille.
mêmes. • p ⇒ q est toujours vraie si p est fausse (le
2. Par le premier point et la loi de double négation, faux implique n’importe quoi) ou q est vraie.
Ainsi, si « 0 6= 0 » alors « 0 = 0 »(cela peut
¬(p ∨ q) ≡ ¬([¬¬p] ∨ [¬¬q])
paraître étonnant, on reviendra dessus à la
≡ ¬(¬[(¬p) ∧ (¬q)])
fin du paragraphe « équivalence ») .
≡ (¬p) ∧ (¬q).
• p ⇒ q n’implique ni que p est vraie ni que
q est vraie. Par exemple : Si les pommes
étaient des citrouilles, Newton serait mort
Exemple 2.2.6.
assommé. Ou bien : si je mesurais 2 m 20,
• Nier « je n’aime ni le chocolat ni la vanille ».
je serais entraîneur de basket.
• Dans R2 , dessiner l’ensemble {(x, y) ∈ R2 | x <
2 et y 6 3}, dessiner et décrire son complémen-
taire.
71
CHAPITRE IV. QUELQUES FONDAMENTAUX
Remarque 2.3.9.
Remarque 2.4.5.
On peut formaliser ainsi le principe de « démons-
Le ⇔ est commutatif (si P ⇔ Q, alors Q ⇔ P ),
tration par l’absurde » : on veut montrer que p
transitif (si P ⇔ Q et Q ⇔ R, alors P ⇔ R) et
est vraie, sachant qu’une certaine proposition q
réflexif (on a toujours P ⇔ P ).
est fausse.
On suppose alors que p est fausse et si l’on Remarque 2.4.6.
arrive à montrer que q est vraie : on a obtenu En pratique, pour montrer p ⇔ q, il y a 2 mé-
une contradiction ! En fait on a montré ¬p ⇒ q, thodes :
72
CHAPITRE IV. QUELQUES FONDAMENTAUX
73
CHAPITRE IV. QUELQUES FONDAMENTAUX
i=1 eux.
74
CHAPITRE IV. QUELQUES FONDAMENTAUX
75
CHAPITRE IV. QUELQUES FONDAMENTAUX
On suppose ∀x ∈ R f (x) = 0.
Remarque 4.1.2. 1. Certains ensembles
Montrer que les coefficients a0 , a1 , . . . , aN sont
de réels n’admettent pas de minimum.
tous nuls.
Exemples : ]0, 1], ]0, 1], R, R∗+ , R− .
Indication : si ces coefficients ne sont pas tous
2. Tout ensemble de réels admet au plus un nuls, on pourra s’intéresser au plus dernier coeffi-
minimum. cient ak non nul et regarder la limite de f en +∞.
On pourra aussi considérer le premier coefficient
Lorsqu’il existe, le minimum d’un ensemble E
ak non nul et s’intéresser à une limite en zéro.
est noté min(E).
L’ensemble des entiers naturels possède la pro-
priété fondamentale suivante qu’on admettra : 4.2 Principe de récurrence simple.
76
CHAPITRE IV. QUELQUES FONDAMENTAUX
k=0
2
k=0
2 k=0
2
77
CHAPITRE IV. QUELQUES FONDAMENTAUX
k=0
2 mathématiquement un sens.
Montrons P (n) par récurrence.
Pour n donné, montrer que un est bien définie
Explications : on ne précise pas ici ce qu’est
est un préalable à la démonstration de toute
n. De plus, le principe de récurrence ne montre
propriété de un .
pas P (n) pour un n donné mais pour tout n. Il
convient donc d’écrire
Ici, il s’agit
√ de montrer que pour tout n l’ex-
Montrons ∀n ∈ N P (n) par récurrence pression 2 + un − 1 est bien définie, c’est-à-dire
ou une variante, comme que un −1 est positif ou nul, autrement dit un > 1.
Montrons par récurrence que pour tout
entier naturel n on a P (n). Pour n donné, on voit alors que d’une part,
pour montrer que un+1 est bien défini, il va
Mauvaise démonstration de l’hérédité falloir montrer tout d’abord un > 1 et d’autre
Forme classique de cette erreur : part, pour montrer un > 1, on va avoir besoin au
préalable de s’assurer que un est bien défini.
Supposons ∀n ∈ N P (n).
Montrons ∀n ∈ N P (n + 1).
Autrement dit : on va avoir besoin de démon-
Explications : une fois que l’on a supposé ∀n ∈ trer simultanément ces deux propriétés.
N P (n), il n’y a pas beaucoup de travail à fournir Pour n ∈ N, notons P (n) l’assertion
pour montrer ∀n ∈ N P (n) ...
Variante 1 : «un est bien défini et un > 1»
78
CHAPITRE IV. QUELQUES FONDAMENTAUX
Montrons ∀n ∈ N P (n) par récurrence : De plus, pour montrer cette P à un rang donné,
• On a clairement P (0). il va falloir supposer qu’elle est vérifiée au deux
• Soit n ∈ N. Supposons P (n) et montrons rangs précédents.
P (n + 1). Il ne suffit donc pas de chercher à démontrer P
un est bien défini et un > 1. par récurrence. Pour répondre à cette question on
Donc u va utiliser un principe de récurrence double, dans
√n − 1 > 0.
Donc un − 1 est bien défini. lequel l’initialisation consiste à montrer P (0) et
Donc un+1 est bien défini, et de plus P (1) et la démonstration de l’hérédité consiste à
√ montrer
un+1 > 2 + un − 1 > 2 > 1
P (n) et P (n + 1) ⇒ P (n + 2)
∀n ∈ N
Donc on a P (n + 1).
On a donc
∀n ∈ N P (n) b Énoncé du principe.
79
CHAPITRE IV. QUELQUES FONDAMENTAUX
80
CHAPITRE IV. QUELQUES FONDAMENTAUX
81
CHAPITRE IV. QUELQUES FONDAMENTAUX
82
CHAPITRE IV. QUELQUES FONDAMENTAUX
x1 = x2 = . . . = xn
x2 = . . . = xn+1
Donc on a
x1 = x2 = . . . = xn+1
Donc on a P (n + 1).
On a donc ∀n > 1 P (n).
83
CHAPITRE IV. QUELQUES FONDAMENTAUX
84
Chapitre V
Nombres complexes
Sommaire
1 L’inégalité triangulaire . . . . . . . . . . 86
2 Propriétés supplémentaires de l’expo-
nentielle complexe et des arguments . . 86
3 Groupe U des nombres complexes de
module 1 . . . . . . . . . . . . . . . . . . 87
4 Équations du second degré . . . . . . . 87
4.1 Calcul des racines carrées d’un complexe
sous forme algébrique . . . . . . . . . . 87
4.2 Résolution des équations du second degré 88
5 Racines énièmes. . . . . . . . . . . . . . 89
6 Techniques de calcul . . . . . . . . . . . 90
6.1 Formules trigonométriques . . . . . . . 90
6.2 Technique de l’angle moitié . . . . . . 90
6.3 Factorisation . . . . . . . . . . . . . . 90
6.4 Linéarisation . . . . . . . . . . . . . . 91
7 L’exponentielle complexe . . . . . . . . 91
8 Nombres complexes et géométrie plane 91
8.1 Colinéarité et orthogonalité . . . . . . 91
a Interprétation géométrique du rap-
port . . . . . . . . . . . . . . . . . 91
8.2 Transformations usuelles . . . . . . . . 92
8.3 Similitudes et isométries . . . . . . . . 94
CHAPITRE V. NOMBRES COMPLEXES
|z| − |z 0 | 6 |z ± z 0 | 6 |z| + |z 0 |.
2 Propriétés supplémentaires de
De plus, |z + = |z| +
z0| si et seulement s’il
|z 0 | l’exponentielle complexe et
existe (λ, λ ) ∈ (R ) tel que (λ, λ0 ) 6= (0, 0) et
0 + 2
des arguments
λz = λ0 z 0 .
Démonstration.
On montre l’encadrement pour |z + z 0 |. Pour |z − z 0 | il
Théorème 2.0.1 (Formules d’Euler).
suffit de remplacer z 0 par −z 0 . Soit θ ∈ R, alors
Pour montrer |z + z 0 | 6 |z| + |z 0 |, il suffit de montrer
2 2 2
|z + z 0 | 6 (|z| + |z 0 |) . Posons d = (|z| + |z 0 |) − |z + z 0 |
2
e iθ + e −iθ
et calculons d. On obtient successivement
cos θ = ,
2
d = |z|2 + z 0
2
+ 2|z| z 0 − z + z 0
z + z0
e iθ − e −iθ
sin θ = .
= 2|z| z 0 − zz 0 − z 0 z
2i
zz 0 + z 0 z
0
= 2 |z| z −
2
! Démonstration.
zz 0 + zz 0 Direct.
= 2 |z| z 0 −
2
= 2 zz 0 − Re zz 0
Proposition 2.0.2.
>0 Soit θ ∈ R :
On a donc |z + z 0 | 6 |z| + |z 0 |. 1. e iθ × e −iθ = e i0 = 1 ;
Pour la seconde inégalité : |z| = |(z + z 0 ) + (−z 0 )| 6 2. e iθ 6= 0 ;
|z + z 0 | + | − z 0 |, d’où |z| − |z 0 | 6 |z + z 0 |. On permute les
rôles de z et z 0 et on a |z 0 | − |z| 6 |z + z 0 |, ce qui permet 1
3. iθ = e −iθ = e iθ .
de conclure, car e
|z| − |z 0 | = max |z| − |z 0 |; |z 0 | − |z| .
Démonstration.
Montrons maintenant le cas d’égalité. Dans le cas où Direct.
z = z 0 = 0, le résultat est immédiat.
Sinon, d’après la démonstration de l’inégalité triangu-
laire, l’égalité est vérifiée si et seulement si zz 0 = Re zz 0 ,
Proposition 2.0.3 (Formule de De Moivre).
i.e. si et seulement si zz 0 est un réel positif.
Soit θ ∈ R et n ∈ N. On a
z zz 0
Dans le cas où z 0 6= 0, on remarque que 0 = ,
|z 0 |2
z n
z e inθ = e iθ ,
donc l’égalité est vérifiée si et seulement si 0 ∈ R+ si et
z
seulement si il existe λ ∈ R+ tel que z = λz 0 . cos(nθ) + i sin(nθ) = (cos θ + i sin θ)n .
En inversant les rôles de z et z 0 dans le cas où z 0 = 0
on obtient le résultat voulu.
86
CHAPITRE V. NOMBRES COMPLEXES
Démonstration. R → C
Utiliser l’écriture trigonométrique. θ 7→ e iθ
Remarque 2.0.5. est un paramétrage de U, autrement dit, pour tout
L’écriture a = b [2π] signifie que a et b sont égaux nombre complexe z on a
à un multiple de 2π près, i.e. ∃k ∈ Z, a = b + 2kπ.
Les manipulations d’arguments doivent tou- z ∈ U ⇔ ∃θ ∈ R z = e iθ (V.1)
jours s’effectuer en indiquant à quel angle près
cela s’entend ([π], [2π] le plus souvent). De plus, pour tout complexe z ∈ U donné, le
paramètre correspondant est unique à 2π près,
Exercice 2.0.6.
a b autrement dit, on a
Si a = b [2π], a-t-on = [2π] ? A-t-on 2a =
2 2 0
2b [2π] ? ∀(θ, θ0 ) ∈ R2 e iθ = e iθ ⇔ θ = θ0 [2π] (V.2)
Proposition 3.0.3.
Soit z, z 0 ∈ U. Alors : 4 Équations du second degré
1. 1 ∈ U ;
4.1 Calcul des racines carrées d’un
2. zz 0 ∈ U ;
complexe sous forme algébrique
1
3. ∈ U.
z Soit z et t deux complexes. On veut résoudre
explicitement l’équation t2 = z, d’inconnue z,
87
CHAPITRE V. NOMBRES COMPLEXES
a − b = x
2 2
Démonstration.
Pour tout z ∈ C, on a
2ab = y
(E) ⇐⇒
b c
q
z+
az 2 + bz + c = a z 2 +
a + b2 = x2 + y 2
2
a a
b 2 b2 c
x + x2 + y 2
p
=a z+ − 2 +
a =
2
2a 4a a
2
b2 − 4ac
2
b
(E) ⇐⇒ −x + x2 + y 2
p
=a z+ −
b2 = 2a 4a2
2
2 2
b δ
2ab = y
=a z+ −
2a 2a
b δ b δ
h ih i
=a z+ − z+ +
2a 2a 2a 2a
Exercice 4.1.1.
−b − δ
−b + δ
=a z− z−
Trouver les racines carrées de z = 3 − 4i. 2a 2a
On calcule finalement :
4.2 Résolution des équations du second −b − δ −b + δ b
+ =− ,
degré 2a 2a a
−b − δ −b + δ b2 − δ 2 c
× = = .
2a 2a 4a2 a
Proposition 4.2.1.
Soit A un polynôme en z à coefficients complexes,
Remarque 4.2.5.
admettant un complexe λ comme racine. Alors
• N’importe quelle racine carrée du discriminant
il existe un polynôme B en z à coefficients com-
convient, puisqu’elles sont égales au signe près.
plexes tel que A(z) = (z − λ)B(z).
• Si le discriminant est nul, il n’y a qu’une racine,
qui est alors dite double.
Remarque 4.2.2. • Si a, b, c ∈ R, alors le discriminant est réel. S’il
Nous admettons pour l’instant ce résultat, il sera est strictement positif, il y a deux racines réelles
démontré dans le chapitre sur les polynômes. distinctes ; s’il est nul, il y a une racine réelle
88
CHAPITRE V. NOMBRES COMPLEXES
Définition 5.0.1.
Remarque 5.0.4 (Interprétation géométrique).
Soient z ∈ C et n ∈ N∗ . On appelle racine ne de
Soit n > 3. Posons zi = 2ikπ n et notons Ai le point
z tout complexe t tel que tn = z.
d’affixe zi pour i ∈ [[0, n − 1]]. Alors A0 A1 . . . An
Les racines de 1 sont appelées racines nes de
est un polygone régulier à n côtés, inscrit dans le
l’unité.
cercle unité.
L’ensemble des racines nes de l’unité est noté
Les racines deuxièmes de 1 sont −1 et 1 (racines
Un .
carrées de 1).
En posant j = e 2iπ/3 , les racines troisièmes de
Remarque 5.0.2. l’unité sont 1, j et j 2 (et on a j 2 = j). Ce sont les
√
La notation n . est interdite sur les complexes sommets d’un triangle équilatéral inscrits dans le
quelconques. En effet, elle désigne l’application ré- cercle unité.
ciproque de la fonction x 7→ xn qui n’est bijective Les racines quatrièmes de l’unité sont 1, i, −1
que considérée comme application de R+ dans R+ et −i : ce sont les sommets d’un carré inscrit
si n est pair et de R dans R si n est impair. dans le cercle unité.
Les racines cinquièmes de l’unité sont 1, e 2iπ/5 ,
Théorème 5.0.3. 1. La seule racine ne de zéro e 4iπ/5 , e −4iπ/5 et e −2iπ/5 : ce sont les sommets
est zéro. d’un pentagone régulier inscrit dans le cercle
unité.
2. Soit z ∈ C non nul, donné sous une forme
Les racines sixièmes de l’unité sont 1, e iπ/3 ,
trigonométrique z = re iθ , avec r > 0. Alors
j, −1, j 2 et e −iπ/3 : ce sont les sommets d’un
z possède exactement n racines nes, qui sont
hexagone régulier inscrit dans le cercle unité.
les nombres complexes
Tout cela est représenté dans la figure V.1.
√
r × e(n+ )
iθ 2ikπ
n n
89
CHAPITRE V. NOMBRES COMPLEXES
e n = e n = 2iπ = 0.
k=0 k=0
1−e n
e −4iπ/5
La somme des racines ne de l’unité est nulle, i.e. : 6.2 Technique de l’angle moitié
n−1
2ikπ
Déjà vu. Elles permet aussi de retrouver les
ω= e = 0.
X X
n formules de factorisation du type cos(a) + cos(b).
ω∈Un k=0
90
CHAPITRE V. NOMBRES COMPLEXES
1 3 Remarque 7.0.5.
cos3 x = cos(3x) + cos x L’exponentielle n’est ni surjective, ni injective, et
4 4
1 1 il n’existe pas de « logarithme complexe ».
sin (x) cos (x) = − sin(5x) + sin(x)
3 2
16 8
1
+ sin(3x)
16 8 Nombres complexes et géomé-
trie plane
7 L’exponentielle complexe
Dans toute cette partie, on considère un plan,
muni d’un repère orthonormé (O, →
−ı , →
− ).
Définition 7.0.1.
Soit z ∈ C, donné sous forme algébrique z = x+iy.
On appelle exponentielle de z notée e z le nombre 8.1 Colinéarité et orthogonalité
complexe e z = e x e iy .
a Interprétation géométrique du rapport
Remarque 7.0.2.
e z n’est toujours pas une puissance : ce n’est
qu’une notation. Théorème 8.1.1.
Soit z et z 0 deux complexes non nuls. On note
Exemple 7.0.3. →
−
u et →−
u 0 les vecteurs d’affixes respectives z et z 0 .
e 2+iπ/2 = ie 2 .
91
CHAPITRE V. NOMBRES COMPLEXES
Alors
M 0 = τ−
u (M )
→
z0 k→−
u 0k
= → −
z kuk A
0
z
arg = (→
−u,→−
u 0) [2π]
z
−→ →
Démonstration. OA = −
u
Le premier point est immédiat, le second découle de
l’interprétation géométrique de l’argument. En notant M
−
→
i le vecteur d’affixe 1, et en posant θ = arg z, on a
−
→ →
z = |z|(cos θ + i sin θ), donc ( i , − u ) = arg z [2π]. De
−
→ −
même ( i , →u 0 ) = arg z 0 [2π]. D’où O(0)
−
→ →0 −
→ →
(−
→
u,−→u 0) = ( i , − u ) − ( i ,−
u) [2π]
= arg z 0 − arg z [2π]
0
z
= arg [2π]
z
→
Figure V.2 – Translation de vecteur u , OM M 0 A
est un parallélogramme.
Corollaire 8.1.2.
Soit A, B et M trois points deux à deux distincts
8.2 Transformations usuelles
d’affixes respectives a, b et z. Alors
(i) A, B et M sont alignés si et seulement si
z−a Définition 8.2.1 (Translation).
∈ R;
z−b Soit →
−
u un vecteur
(ii) (AM )⊥(BM ) si et seulement si
z−a
∈ iR. La translation de vecteur → −
u est l’application
z−b qui envoie un point M sur le point M 0 vérifiant
−−−→0 →
MM = − u (voir figure V.2). On la note souvent
Exemple 8.1.3. u.
τ−
→
i, 1 et 2 − i sont alignés, et 1 + i, 2 et −2i forment
un angle droit en 2. Remarque 8.2.2.
Exercice 8.1.4. La translation de vecteur nul est l’identité. Si →
−
u
→
−
n’est pas nul, la translation de vecteur u n’a pas
Soit A(a), B(b) et C(c) trois points du plan.
On rappelle que le centre de gravité du triangle de point fixe.
1
ABC est le point d’affixe (a + b + c).
3 Définition 8.2.3 (Rotation).
Montrer que ce centre de gravité est le point
Soit Ω un point du plan, θ ∈ R .
d’intersection des médianes de ABC.
La rotation de centre Ω et d’angle θ est l’appli-
Exercice 8.1.5. cation qui et
Soit A(a), B(b) et C(c) trois points du plan. On • fixe Ω ;
suppose que le cercle circonscrit au triangle ABC • envoie tout point M différent de Ω sur
a pour centre O(0). le point M 0 vérifiant ΩM = ΩM 0 et
Montrer que l’orthocentre de ABC a pour affixe −−→ −−→
(ΩM , ΩM 0 ) = θ[2π].
a + b + c.
92
CHAPITRE V. NOMBRES COMPLEXES
hΩ,λ (M ), λ > 1
ρΩ,θ (M ) M = hΩ,1 (M )
θ Ω
Ω M
hΩ,λ (M ), −1 < λ < 0
O(0)
O(0) hΩ,λ (M ), λ < −1
93
CHAPITRE V. NOMBRES COMPLEXES
94
CHAPITRE V. NOMBRES COMPLEXES
Remarque 8.3.5.
On pourrait montrer que réciproquement toutes
les similitudes planes directes sont de cette forme.
Exemple 8.3.6.
Translations, rotations et homothéties vs. symé-
tries axiales.
Démonstration. 1. Direct.
2. Supposons donc que a =6 1. L’équation f (z) = z n’a
b
qu’une solution : ω = . On a alors :
1−a
95
CHAPITRE V. NOMBRES COMPLEXES
96
Chapitre VI
K désigne R ou C.
Définition 1.1.4. 1. On dit que f est continue
(resp. dérivable) en a si Re(f ) et Im(f ) le sont.
1 Résultats d’analyse Dans le cas où f est dérivable, on appelle
dérivée de f en a notée f 0 (a) le complexe
On utilise ici les notions d’analyse vues en ter-
minale : continuité, dérivabilité, intégrales. Elles f 0 (a) = (Re(f ))0 (a) + i(Im(f ))0 (a).
seront définies et travaillées ultérieurement.
2. On dit que f est continue (resp. dérivable)
1.1 Continuité et dérivabilité d’une sur un intervalle si elle l’est en tout point de
fonction à valeurs complexes. cet intervalle.
Si on ne le précise pas, I est toujours un inter- 3. On note (notations non officielles) C (I, K)
valle de R et f : I → C. et D(I, K) l’ensemble des fonctions respec-
tivement continues et dérivables de I dans
K.
Définition 1.1.1.
On appelle partie réelle de f la fonction
Remarque 1.1.5.
Re(f ) : I → R . Le premier point de la définition précédente assure
x 7→ Re(f (x)) que, si f : I → C est dérivable, alors
et Démonstration.
À chaque fois, décomposer tous les objets selon leurs par-
Im(f ) : R → C . ties réelles et imaginaires, puis revenir aux définitions en
x 7→ e x (cos(x) + 2 sin(x)) utilisant les propriétés de la dérivation réelle.
98
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
99
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
Exercice 1.2.5.
Définition 1.2.1. Déterminer l’ensemble des primitives de la fonc-
Soit A ⊂ R, soit f : A → K et F : A → K. On dit tion inverse, définie sur R∗ .
que F est UNE primitive de f si F est dérivable
sur A et si F 0 = f .
Il convient de connaître toutes les pri-
mitives du formulaire.
Théorème 1.2.2.
Soit I un intervalle de R, soit f : I → K dérivable. 1.3 Intégration de fonctions complexes.
La fonction f est constante si et seulement si
{ F + λ | λ ∈ K }. et Z b ! Z b
Im f = Im(f ).
a a
Exemple 1.3.3.
2π
L’hypothèse fondamentale est ici que
Z
(1 + i)e ix dx = 0.
l’on se place sur un intervalle. 0
Démonstration.
Soit F et G deux primitives d’une même application sur Proposition 1.3.4.
un intervalle.
Soit I un intervalle de R, a, b ∈ I, f, g : I → C
Alors, F 0 = G0 , donc (F − G)0 est nulle sur cet inter-
valle, donc F − G est constante sur cet intervalle. Donc continues et λ, µ ∈ C. Alors,
toutes les primitives d’une même application diffèrent d’une Z b Z b Z b
constante. (λf + µg) = λ f +µ g.
Réciproquement, si F est une primitive de f , il est a a a
aisé de voir que F + λ est une primitive de f pour tout
λ ∈ K.
100
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
Démonstration.
Exemple 1.3.7. Puisque u, v sont de classe C 1 , (uv)0 = u0 v + uv 0 est conti-
Refaire le calcul de l’exemple 1.3.3 en primitivant nue, donc par le théorème fondamental du calcul intégral
directement. :
Z b Z b Z b Z b
[uv]ba = (uv)0 = u0 v + uv 0 = u0 v + uv 0 .
a a a a
NotationZ 1.3.8.
x
On note f (t) dt une primitive « générique »
de la fonction f , c’est-à-dire faisant abstraction Exemple 1.4.2 (Grands classiques).
d’une quelconque constante d’intégration. Toutes ces exemples se résolvent par intégration
par parties.
101
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
b Changement de variables. s
x2 y 2 x2
+ 2 =1 y =b 1−
a2 b a2
Théorème 1.4.4. πab
Soit I, J deux intervalles de R, a, b ∈ I, ϕ ∈ b
4
C 1 (I, R) et f ∈ C 0 (J, R)
On suppose que ϕ(I) ⊂ J. Alors, a
Z ϕ(b) Z b
f (x) dx = ϕ0 (t) · (f ◦ ϕ)(t) dt.
ϕ(a) a
Figure VI.1 – Ellipse de demi-axes a et b.
On dit que l’on a effectué le changement de va-
riable « x = ϕ(t) ».
Remarque 1.4.5.
Moyen mnémotechnique : on écrit « x = ϕ(t) » Le quart supérieur
droit
s de cette
ellipse peut
(au brouillon seulement !). Alors dx = ϕ0 (t) dt, x2
Z Z être paramétré par x, b 1 − 2 , x allant de
donc f (x) dx = f (ϕ(t))ϕ0 (t) dt. Reste le pro- a
s
blème des bornes. Quand t va de a à b, x = ϕ(t) Z a
x2
va de ϕ(a) à ϕ(b). Et voilà ... 0 à a. On calcule donc I = b 1− dx.
0 a2
Démonstration.
f est continue sur I, donc y admet une primitive F . Ainsi, On effectue le changement de variable x =
F est C 1 , comme ϕ ∈ C 1 . On voit que F ◦ ϕ est C 1 , et a cos θ :
(F ◦ ϕ)0 = ϕ0 · f ◦ ϕ est continue. s
On déduit alors le résultat du théorème fondamental x2
(utilisé deux fois) : • la fonction f : [0, a] → R, x 7→ 1− est
a2
Z ϕ(b)
ϕ(b)
continue,
f (t) dt = [F ]ϕ(a) • la fonction ϕ : [0, π/2], θ 7→ a cos θ est de
ϕ(a)
102
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
Z a
et si θ ∈ [0, π/2], f (ϕ(θ)) = |sin θ|. On obtient : Démonstration. 1. On considère f (t) dt et on pose
Z 0 0
x = −t.
I = −ab |sin θ| sin θ dθ Ainsi,
π/2
Z 0 Z a Z −a
= −ab sin θ dθ
2 f (t) dt = −f (−x) dx
π/2 0 0
Z −a
Z π/2 1
− cos(2θ)
= ab dθ =− f (x) dx
0 2 Z 0
0
1 ab 1
π/2
= f (x) dx.
= πab − sin(2θ)
4 2 2 0
−a
et Z 0 Z a
f (t) dt = − f (t) dt. 1.5 Primitives de fonctions de la forme
−a 0 1
x 7→ 2
3. Soit a ∈ R et T > 0, si f est T -périodique, ax + bx + c
alors 1
Soit a, b, c ∈ R, a =
6 0, et f : x 7→ .
Z T Z a+T
+ bx + c ax2
f (t) dt = f (t) dt. Le programme demande de savoir calculer une
0 a
primitive de f à ce stade de l’année. Mais nous
reverrons cela dans le chapitre sur les fractions
103
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
1 Remarque 2.1.2.
car ∆ < 0. Donc f (x) = , dont
(x −b/2)2 + δ 2 Nous ne nous intéresserons pas dans le reste de
1 x − b/2 ce chapitre au cas plus général d’une équation
une primitive est x 7→ arctan .
δ δ
an (t)y (n) + an−1 (t)y (n−1) + . . .
Remarque 1.5.1. +a1 (t)y 0 + a0 (t)y = b(t) (E )
Ces formules ne sont en aucun cas à apprendre
par cœur, mais il convient de savoir mener ces où on a également affecté y (n) d’un coefficient
calculs sur des exemples concrets. an (t).
104
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
et f (n−1) (t0 ) = yn−1 f (n) (t) = b(t) − an−1 (t)f (n−1) (t) − . . .
− a1 (t)f 0 (t) − a0 (t)f (t).
est appelé problème de Cauchy linéaire d’ordre n
Or b, an−1 , f (n−1) , . . . , a0 , f sont des applications
continues. Donc f (n) est continue, donc f ∈ C n (I, K).
2. L’application nulle est une solution triviale de SH ,
Exemple 2.1.4. donc SH est non vide.
En physique les déplacement d’un mobile sont Pour toute application f n fois dérivable et tout t ∈ I,
notons ψf (t) le scalaire
régis par l’équation de la dynamique reliant la
dérivée seconde de la position et les forces qui f (n) (t) + an−1 (t)f (n−1) (t) + . . .
s’appliquent au mobile, qui dépendent en général + a1 (t)f 0 (t) + a0 (t)f (t).
de sa position et ou de sa vitesse. Il s’agit donc
On a alors f ∈ SH ⇐⇒ ∀t ∈ I ψf (t) = 0 (ou, de
d’une équation différentielle d’ordre 2. 1 Il est rai- façon plus concise : f ∈ SH ⇐⇒ ψf = 0KI ).
sonnable de penser que le problème de Cauchy a Soit alors f et g deux applications n fois dérivables de
alors une unique solution : une position initiale I dans K et λ et µ deux éléments de K. Alors λf + µg
et une vitesse initiale étant données, une seule est évidemment n fois dérivable. Et pour tout t ∈ I,
on a ψλf +µg (t) = λψf (t) + µψg (t) (autrement dit
trajectoire est possible.
ψλf +µg = λψf + µψg ).
En particulier, si f et g sont solutions de l’équation
1. En général linéaire dans les problèmes de prépa mais homogène, on a ψf = 0 et ψg = 0, donc ψλf +µg = 0
dans la vraie vie c’est parfois plus compliqué. donc λf + µg ∈ SH .
105
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
106
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
107
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
Soit alors t ∈ I. On a
Théorème 3.2.2.
y 0 + ay = C 0 yH + CyH
0
+ aCyH
Soit a et b deux applications continues de I dans
= C 0 yH + C yH
0
+ ayH .
C, et A une primitive de a.
Alors le problème de Cauchy y 0 + ay = b et Or yH est solution de (H ), donc yH 0
+ ayH = 0. Donc y
y(t0 ) = y0 admet une unique solution : est solution de E si et seulement si C 0 yH = b, c’est-à-dire
si et seulement si C 0 est l’application t 7→ e A(t) b(t), c’est-à-
→ K dire si et seulement si C est une primitive de t 7→ e A(t) b(t),
I Z t i.e. si et seulement s’il existe λ ∈ K tel que
t 7→ e A(t0 )−A(t) y 0 + e −A(t) e A(u) b(u) du Z t
t0
C : t 7→ λ + e A(u) b(u) du.
t0
Soit λ ∈ K et
Remarque 3.2.3. Z t
L’unicité est aisée à démontrer : si on dispose de y : t 7→ λe −A(t) + e −A(t) e A(u) b(u) du.
t0
deux solutions de ce problème, leur différence est
Remarque : On vient donc de prendre une solution quel-
une solution de l’équation homogène du problème conque de (H ).
s’annulant en t0 , c’est donc l’application nulle. Alors, y est solution du problème de Cauchy (y 0 +ay = b
On peut également assez directement montrer et y(t0 ) = y0 ) si et seulement si y(t0 ) = y0 , donc si et
que l’application donnée est solution par calcul. seulement si λ = y0 e A(t0 ) , c’est-à-dire si et seulement si y
est l’application
Nous donnons cependant ci-dessous une autre
démonstration qui a l’avantage de permettre de re- t
Z
−A(t)
t 7→ e A(t0 )−A(t)
y0 + e e A(u) b(u) du.
trouver la formule. Cette méthode est à connaître t0
108
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
4.1 Définitions.
Théorème 4.2.3 (Solutions complexes de (H )).
Une équation différentielle linéaire du second Soit a, b, c ∈ C, avec a 6= 0.
ordre est une équation de la forme y 00 +αy 0 +βy =
1. Si (EC) a deux solutions complexes distinctes
d où α, β et d sont des applications continues,
r1 , r2 , alors les solutions complexes de (H )
d’inconnue y : I → K deux fois dérivable sur I.
sont les applications de la forme
Dans la suite de ce chapitre, on ne s’intéressera
qu’au cas où α et β sont des constantes. Plus
(
R → C
généralement, on s’intéressera aux équations de t 7→ λe r1 t + µe r2 t
la forme ay 00 + by 0 + cy = d, où a, b, c sont des
constantes de K avec a 6= 0 et d ∈ C (I, K), d’in- pour (λ, µ) ∈ C2 .
connue y : I → K deux fois dérivable sur I. d est
2. Si (EC) a une unique solution complexe r,
appelé le second membre de cette équation. On
alors les solutions complexes de (H ) sont les
dit qu’elle est homogène si son second membre
applications de la forme
est nul. On appelle équation homogène associée à
ay 00 + by 0 + cy = d l’équation ay 00 + by 0 + cy = 0.
(
R → C
t 7→ (λt + µ)e rt
4.2 Résolution d’une équation homo-
gène. pour (λ, µ) ∈ C2 .
109
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
110
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
Synthèse : Soit λ, µ ∈ R et
Lemme 4.2.6.
Soit α, ω ∈ R, avec ω 6= 0. Les deux ensembles de y:
R −→ R
t 7−→ λ cos(ωt)e αt + µ sin(ωt)e αt
fonctions exposés au point 3. du théorème 4.2.5
sont égaux. D’après le théorème de structure des solutions homogène
(2.2.1 – une combinaison linéaire de solutions homogènes
est solution homogène), il suffit de montrer que
Démonstration.
Soit A ∈ R+ et ϕ ∈] − π, π], soit R −→ R
s1 :
t 7−→ cos(ωt)e αt
R −→ R
f: . et
t 7−→ A cos(ωt + ϕ)e αt
R −→ R
s2 :
Par les formules d’addition, si t ∈ R, t 7−→ sin(ωt)e αt
sont solution de (H ). Or, si t ∈ R, par les formules d’Euler,
f (t) = A cos(ϕ) cos(ωt)e αt − A sin(ϕ) sin(ωt)e αt ,
1 (α+iω)t 1 (α−iω)t
donc f est bien de la première forme. s1 (t) = e + e .
2 2
Réciproquement, soit λ, µ ∈ R. Si λ = µ = 0, il suffit
de prendre A = 0 et ϕ quelconque. Sinon, posons A = D’après le théorème 4.2.3, t 7→ e (α+iω)t et t 7→ e (α−iω)t
p λ sont solutions de (H ), donc s1 aussi. On effectue le même
λ2 + µ2 et ϕ ∈] − π, π] tel que cos ϕ = p et
λ + µ2
2 raisonnement pour s2 .
µ
sin ϕ = − p . Alors, Remarque 4.2.7.
λ2 + µ2
Dans tous les cas, les solutions sont les combi-
λ cos(ωt) + µ sin(ωt) naisons linéaires de deux solutions linéairement
indépendantes. On dit que cet ensemble a une
!
p λ µ
= λ 2 + µ2 cos(ωt) + p sin(ωt)
p
λ2 + µ 2 λ 2 + µ2 structure de plan vectoriel.
=A(cos(ωt) cos(ϕ) + sin(ωt) sin(ϕ)) Exemple 4.2.8. 1. Les solutions complexes de
=A cos(ωt + ϕ). y 00 + y 0 + 2y = 0 sont les fonctions de la forme
√ √
−1−i 7 −1+i 7
t 7→λe 2
t
+ µe 2
t
Démonstration (Théorème 4.2.5). √ √
1 −i 7 i 7
• Les cas où (EC) admet une ou deux solutions réelles se = e − 2 t λe 2
t
+ µe 2
t
traitent exactement comme le cas complexe.
• Supposons donc que (EC) admette deux solutions com-
plexes conjuguées distinctes α±iω. On raisonne par analyse- avec λ, µ ∈ C.
synthèse. 2. La solution du problème de Cauchy y 00 +2y 0 +
Analyse : Soit y : R → R solution de (H ). Alors y est
solution complexe de (H ), donc il existe λ, µ ∈ C tels que y = 0, avec y(1) = 1, y 0 (1) = 0 est la fonction
t 7→ te 1−t .
y : t 7→ λe (α+iω)t + µe (α−iω)t
111
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
tions a une structure de plan affine, car l’ensemble (E ), et donc en développant, on remarque
des solutions est l’ensemble des ỹ + y pour y par- qu’il existe deux polynômes réels R et S tels
courant un plan vectoriel. que c(x) = R(x) cos(ωx) + S(x) sin(ωx) ;
112
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
4. il existe un polynôme Q à coefficients dans premier ordre (la méthode serait la même pour le
C tel que x 7→ Im Q(x)e iωx est solution de second ordre) :
y est solution de (E )
⇔ ∀x ∈ R, (Q (x) + 2Q0 (x) + Q(x))e x
00
113
CHAPITRE VI. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
114
Chapitre VII
116
CHAPITRE VII. THÉORIE DES ENSEMBLES
117
CHAPITRE VII. THÉORIE DES ENSEMBLES
2 Définitions.
Axiome 1.2.7 (Schéma de compréhension).
Pour tout ensemble E et tout prédicat P , il existe Nous développons ici la notion d’ensemble, en
un ensemble, noté { x ∈ E | P (x) } dont les élé- partant d’une définition intuitive et peu formelle :
ments sont exactement les éléments de E vérifiant un ensemble est une collection d’objets mathéma-
P : tiques. Si un objet x est dans cette collection-
ensemble E, on note alors x ∈ E la phrase « x
x ∈ { x ∈ E | P (x) } ⇐⇒ (x ∈ E et P (x)) appartient à E ». Sa négation, « x n’appartient
pas à E », s’écrit x ∈
/ E.
Remarque 2.0.1.
Axiome 1.2.8 (Schéma de remplacement). Traditionnellement, on essaie de noter les en-
Étant donné un ensemble E et un prédicat P à sembles avec des lettres majuscules et leurs élé-
deux arguments ayant la propriété d’être fonction- ments avec des lettres minuscules.
nel, c’est-à-dire que pour tout x, il existe un et
un seul y tel que P (x, y) est vérifié, il existe un 2.1 Appartenance, égalité.
ensemble X, noté { y | ∃x ∈ E P (x, y) } dont les
éléments sont exactement les y tels qu’il existe
x ∈ E vérifiant P (x, y). Autrement dit, pour tout
Proposition 2.1.1 (Extentionnalité).
y, on a
Deux ensembles E et F sont égaux si et seulement
y ∈ X ⇐⇒ ∃x ∈ E P (x, y) s’ils ont les mêmes éléments :
118
CHAPITRE VII. THÉORIE DES ENSEMBLES
119
CHAPITRE VII. THÉORIE DES ENSEMBLES
Axiome 2.2.1 (Ensemble des parties de E). Démonstration. 1. L’existence de A∪B est assurée par
l’axiome de la réunion appliqué à la paire { A, B }.
Pour tout ensemble E, on admet l’existence d’un
2. L’existence de A ∩ B est assurée par le schéma
ensemble, noté P(E) et appelé ensemble des par- de compréhension. Il s’agit en effet simplement de
ties de E et dont les éléments sont exactement les { x ∈ A | x ∈ B }.
sous-ensembles de E. Ainsi pour tout ensemble
F , on a Exemple 2.3.2.
F ∈ P(E) ⇔ F ⊂ E. On pose E = { 0, 1, 2, 4 } et F = { 0, 1, 3, 4, 5, 6 }.
Que vaut E ∪ F ? E ∩ F ?
120
CHAPITRE VII. THÉORIE DES ENSEMBLES
n∈N
[n, n + 1] ?
\
Démonstration.
Élémentaire, revenir aux définitions. n∈N∗
2. Quel est l’ensemble de définition de tan ?
Remarque 2.3.4.
La dernière propriété signifie que A 7→ A ∩ C et 3. Que vaut chacun des ensembles ci-dessous ?
A 7→ A ∪ C sont croissantes (au sens de l’inclu-
[ε, 1] ]ε, 1] [0, ε] [0, ε[
[ [ \ \
sion).
ε∈]0,1] ε∈]0,1] ε∈]0,1] ε∈]0,1]
3. Si j ∈ I, alors Ai .
\ [
X∈E Ai ⊂ Aj ⊂
et, dans le cas où E est non vide,
\
X i∈I i∈I
X∈E
l’intersection de tous les éléments de E. Pour
tout x, on a les propriétés : Démonstration.
[ Élémentaire.
x∈ X ⇐⇒ ∃X ∈ E, x ∈ X;
X∈E
\
x∈ X ⇐⇒ ∀X ∈ E, x ∈ X. Théorème 2.3.9 (Distributivité).
X∈E La réunion et l’intersection sont distributives l’une
sur l’autre. Plus précisément, soit A, B et C trois
2. Plus généralement, si on considère[une fa-
ensembles. Alors on a les deux égalités suivantes :
mille d’ensemble (Ai )i∈I , on note Ai la
i∈I \
(A ∩ B) ∪ C = (A ∪ C) ∩ (B ∪ C);
réunion de tous les Ai pour i ∈ I et Ai
i∈I (A ∪ B) ∩ C = (A ∩ C) ∪ (B ∩ C).
121
CHAPITRE VII. THÉORIE DES ENSEMBLES
Plus généralement, soit (Ai )i∈I une famille d’en- Proposition 2.3.14.
sembles et B un ensemble, alors Si A et B sont deux parties de E, on a A \ B =
! A ∩ BC .
Ai ∪ B = (Ai ∪ B); (VII.1)
\ \
x ∈ A \ B ⇐⇒ x ∈ A et x ∈
/B
⇐⇒ x ∈ A et (x ∈ E et (x ∈
/ B))
Démonstration. ⇐⇒ x ∈ A et x ∈ E \ B
Faire un dessin pour les deux premières égalités.
Les résultats se montrent aisément par double inclusion. ⇐⇒ x ∈ A ∩ B C .
On donne la démonstration de l’égalité (VII.2).
Pour tout x :
! !
[ [
x∈ Ai ∩ B ⇔ x ∈ B et x ∈ Ai
i∈I i∈I
Proposition 2.3.15.
⇔ x ∈ B et ∃i0 ∈ I, x ∈ Ai0
Soit E un ensemble et A une partie de E, alors
⇔ ∃i0 ∈ I, x ∈ Ai0 ∩ B A = A.
[
⇔x∈ (Ai ∩ B).
i∈I
Démonstration.
C’est une conséquence de la propriété de double négation :
soit x un élément de E, on a x ∈ A ⇔ ¬(¬(x ∈ A)).
Exercice 2.3.10.
Montrer les propriétés (VII.2) et (VII.1) en rai-
Proposition 2.3.16.
sonnant par double inclusion et en prenant soin de
Soit E un ensemble et A une partie de E, alors
bien revenir aux définitions des objets manipulés.
A ∪ Ā = E et A ∩ Ā = ∅.
Cet ensemble est bien défini d’après le schéma Théorème 2.3.17 (Relations de De Morgan).
de compréhension. Soit (Ai )i∈I une famille de parties d’un ensemble
Exercice 2.3.12. E. Alors on a
Montrer que A \ B = A \ (A ∩ B). !C
[
= i ;
\
Ai AC
i∈I i∈I
Définition 2.3.13. !C
Si A ⊂ E, on appelle complémentaire de A dans \
=
[
Ai AC
i .
E noté {E A ou AC ou A quand il n’y a pas de i∈I i∈I
confusion, l’ensemble E \ A.
122
CHAPITRE VII. THÉORIE DES ENSEMBLES
Démonstration. On considère
On montre le deuxième point. Les deux termes de l’égalité
sont évidemment des sous-ensembles de E. Considérons
F0 = { n ∈ Z | n ≡ 0 [3] }
donc un x ∈ E quelconque et montrons que x appartient
au premier ensemble si et seulement s’il appartient au = { n ∈ Z | ∃p ∈ Z, n = 3p }
deuxième. On a les équivalences :
F1 = { n ∈ Z | n ≡ 1 [3] }
= { n ∈ Z | ∃p ∈ Z, n = 3p + 1 }
!C
[ [
x∈ Ai ⇐⇒ x ∈
/ Ai
F2 = { n ∈ Z | n ≡ 2 [3] }
i∈I i∈I
⇐⇒ ¬(∃i ∈ I x ∈ Ai ) = { n ∈ Z | ∃p ∈ Z, n = 3p + 2 }
⇐⇒ ∀i ∈ I x ∈
/ Ai
\
AC
⇐⇒ x ∈ i .
i∈I Alors, {F0 , F1 , F2 } est une partition de Z (en trois
parties).
Le premier se déduit de la seconde en passant au complé-
mentaire pour la famille (AC
i )i∈I .
2.4 Produit cartésien.
∀i ∈ I, Fi 6= ∅.
Définition 2.4.3.
Soient E et F deux ensembles. On admet qu’on
peut construire un ensemble noté E × F , appelé
Remarque 2.3.19. produit cartésien de E et F , dont les éléments
On pourrait bien entendu parler de recouvrement, sont les couples avec x1 ∈ E et x2 ∈ F . On défi-
mais nous n’aurons pas l’occasion d’utiliser ce nit de même le produit cartésien de n ensembles
vocabulaire cette année. E1 . . . En , noté E1 ×. . .×En , et formé des n-uplets
Nous utiliserons davantage les partitions que (x1 , . . . , xn ) avec x1 ∈ E1 , . . . , xn ∈ En . Si les Ei
les recouvrements disjoints. sont égaux à un ensemble E, on note ce produit
En.
Exemple 2.3.20.
123
CHAPITRE VII. THÉORIE DES ENSEMBLES
Remarque 2.4.4.
Attention à ne pas confondre l’ensemble {x, y}
avec le couple (x, y).
Exemple 2.4.5.
L’ensemble R2 , le rectangle [1, 3]×[−1, 4], la partie
[1, 3[×] − 1, 4] (voir figure VII.1), la bande [0, 1] ×
(x, y) ∈ R2 y = 0 (le représenter).
0 1 2 3
−1
3 Interprétation logique
Soit E un ensemble, P et Q deux prédicats. On
pose
A = { x ∈ E | P (x) } ;
B = { x ∈ E | Q(x) } .
Soit x ∈ E. On a alors les équivalences logiques
suivantes :
x ∈ A ∩ B ⇐⇒ P (x) et Q(x);
x ∈ A ∪ B ⇐⇒ P (x) ou Q(x);
/ A ⇐⇒ ¬(P (x));
x∈
A = E ⇐⇒ ∀x ∈ E, P (x);
A 6= ∅ ⇐⇒ ∃x ∈ E, P (x);
A ⊂ B ⇐⇒ ∀x ∈ E, (P (x) ⇒ Q(x));
A = B ⇐⇒ ∀x ∈ E, (P (x) ⇐⇒ Q(x)).
124
Chapitre VIII
Notion d’application
Sommaire
1 Vocabulaire. . . . . . . . . . . . . . . . . 126
2 Restriction, prolongement . . . . . . . . 127
3 Composition d’applications . . . . . . . 128
4 Injectivité, surjectivité, bijectivité . . . 128
4.1 Injectivité . . . . . . . . . . . . . . . . 128
4.2 Surjectivité . . . . . . . . . . . . . . . 129
4.3 Bijectivité . . . . . . . . . . . . . . . . 131
4.4 Un peu de vocabulaire anglais ... . . . 132
5 Image directe, tiré en arrière. . . . . . . 132
5.1 Image directe . . . . . . . . . . . . . . 132
5.2 Tiré en arrière . . . . . . . . . . . . . . 133
CHAPITRE VIII. NOTION D’APPLICATION
1 Vocabulaire.
• En toute rigueur, une application est un objet F
différent d’une fonction, mais la différence est hors
programme. On emploiera donc les deux termes E
indifféremment.
• Une application d’un ensemble E dans un en-
semble F est une relation qui, à tout élement de Figure VIII.1 – Exemple d’application – on
E associe un unique élément de F . Attention : remarque qu’une image a deux antécédents.
on a forcément unicité de l’image et les ensembles
de départ et d’arrivée sont une donnée de l’appli-
cation.
Exemple 1.0.1.
F
Les applications qui à x associe x2 , partant res-
pectivement de R et de R+ , sont différentes : la E
√
seconde permet de définir la fonction ., pas la
première. Dans les deux cas, on pourra considérer
comme ensemble d’arrivée R ou R+ . Une formule Figure VIII.2 – Cette relation n’est pas une
ne définit donc pas à elle seule une application. application.
Définition 1.0.2. F
On appelle fonction (ou application) tout triplet
y
f = (E, F, Γ) où E est un ensemble appelé en-
semble de départ ou domaine de définition, F est
un ensemble appelé ensemble d’arrivée, et Γ est E
une partie de E × F appelée graphe de f telle
que ∀x ∈ E, ∃!y ∈ F , (x, y) ∈ Γ. Si (x, y) ∈ Γ, on
note plus simplement y = f (x). On dit que x est
alors un antécédent de y, et y l’image de x. Figure VIII.3 – y a ici trois antécédents repré-
sentés.
Remarque 1.0.3.
Il peut y avoir plusieurs antécédents d’un élément
dans l’espace d’arrivée, mais une seule image d’un Remarque 1.0.4.
élément de l’espace de départ : cela se voit sur le La notation
graphe, que l’on représente comme suit.
f: E → F,
• On note une application f allant d’un ensemble
x 7→ f (x).
E dans un ensemble F de la manière suivante :
f : E → F. n’est pas informative.
• Si l’application est de plus définie par une for-
mule, on écrit alors : Remarque 1.0.5.
Si f, g : E → F , alors f = g équivaut à ∀x ∈ E,
f: E → F, f (x) = g(x).
x 7→ Formule dépendant de x.
126
CHAPITRE VIII. NOTION D’APPLICATION
Exemple 1.0.13.
R{1,2} : on peut l’identifier à R × R, que l’on note
Définition 1.0.6. opportunément R2 .
Soit E, F deux ensembles et f : E → F une ap-
plication. On appelle image de f le sous-ensemble Définition 1.0.14.
de F , noté f (E) ou Im(f ), égal à {f (x), x ∈ E}. Soit E un ensemble et A une partie de E. On
appelle fonction indicatrice de A la fonction notée
Remarque 1.0.7. 1A telle que pour tout x ∈ A, 1A (x) = 1, et pour
La notation f (E) indique bien l’ensemble tout x ∈ E\A, 1A (x) = 0.
de départ, contrairement à la notation
Im f . Cet ensemble peut aussi s’écrire Exercice 1.0.15.
{y ∈ F | ∃x ∈ E, y = f (x)}. Soit A et B deux ensembles. Calculer 1A∩B , 1Ā
Remarque 1.0.8. et 1A∪B en fonction de 1A et de 1B .
Les ensembles de départ et d’arrivée peuvent être
n’importe quoi, pas forcément de R dans R. 2 Restriction, prolongement
Notation 1.0.9.
On note F (E, F ), ou F E , l’ensemble des applica- Définition 2.0.1.
tions de E dans F . Soit E, E 0 , F , F 0 quatre ensembles, f : E → F
et f 0 : E 0 → F 0 deux applications.
Remarque 1.0.10. (i) Pour toute partie G de E, la restriction de
Comment se souvenir de cette dernière notation ? f à G est l’application
Penser que pour des ensembles finis, Card(F E ) =
Card(F )Card(E) . f|G : G → F,
En effet, il y a autant de manières de choi- x 7→ f (x).
sir une fonction f : E → F que de manières
de choisir une image pour chaque élément de E. (ii) On dit que f 0 est un prolongement de f si
Or, il y a Card(F ) choix pour chaque élément de E ⊂ E 0 , F ⊂ F 0 et ∀x ∈ E, f (x) = f 0 (x).
F et Card(E) éléments de E. Il y a donc bien
127
CHAPITRE VIII. NOTION D’APPLICATION
Remarque 3.0.4.
Nous avons vu (et nous reverrons en TD) que
Définition 3.0.1.
certaines fonctions (dans ce cas, f : N → N)
Soit E, F , G trois ensembles, f : E → F et
ne sont pas inversibles (au sens de la structure
g : F → G deux applications. On définit alors la
(E E , ◦)).
composée de f par g comme l’application
128
CHAPITRE VIII. NOTION D’APPLICATION
I
Théorème 4.1.7 (Composée d’injections.).
Soit E, F et G trois ensembles, f : E → F et
g : F → G deux applications injectives. Alors
g ◦ f est injective.
Figure VIII.8 – Graphe d’application injective
sur un segment I. Démonstration.
Soit (x, y)) ∈ E 2 , supposons que g ◦ f (x) = g ◦ f (y). Alors,
par injectivité de g puis de f , f (x) = f (y) puis x = y.
Exercice 4.1.8.
Remarque 4.1.3.
Soit E, F deux ensembles, soit f : E → F . Mon-
La donnée de l’ensemble de départ est primordiale.
trer que f est injective si et seulement s’il existe
Exemple : l’application [−π/2, π/2] → R, x 7→
g : F → E vérifiant g ◦ f = IdE .
sin(x) est injective alors que R → R, x 7→ sin(x)
ne l’est pas (le montrer et tracer les courbes re-
présentatives de ces deux applications ). On peut 4.2 Surjectivité
aussi se demander ce qu’il adviendrait de la figure
VIII.8 si l’on ne précise pas que l’espace de départ
129
CHAPITRE VIII. NOTION D’APPLICATION
J
Définition 4.2.1.
Soit E et F deux ensembles, f : E → F une appli-
cation. On dit que f est surjective (ou est/réalise
une surjection) si ∀y ∈ F, ∃x ∈ E, y = f (x). I
C \ {i} → C \ {1}
Figure VIII.12 – Graphe d’une application sur- f: z+i .
z 7→
jective d’un segment I dans un segment J. z−i
130
CHAPITRE VIII. NOTION D’APPLICATION
131
CHAPITRE VIII. NOTION D’APPLICATION
Remarque 5.1.3.
La notation f (E) utilisée pour l’image de f est
Théorème 4.3.9 (Composée de bijections.).
bien cohérente.
Soit E, F et G trois ensembles, f : E → F et
g : F → G deux bijections. Alors g ◦ f est une Remarque 5.1.4.
bijection et (g ◦ f )−1 = f −1 ◦ g −1 . On a toujours f (A) ⊂ Im(f ).
Démonstration.
Utilise les résultats analogues sur injectivité et surjectivité.
•
Ou encore : on donne l’inverse (formule à connaître !) A• f
(g◦f )−1 = f −1 ◦g −1 , et surtout ne pas inverser les membres •
!
f (A) •
•
•
Exercice 4.3.10.
Trouver deux applications f et g toutes les deux • •
•
non bijectives, telles que g ◦ f est bijective. E F
4.4 Un peu de vocabulaire anglais ... Figure VIII.14 – Image directe d’une partie A
• Application : mapping ou map . par une application f .
• Injection : injection ou one-to-one mapping .
• Surjection : surjection ou onto mapping .
• « non injection » : many-to-one mapping . • Cela se lit aisément sur un graphe.
• Bijection : bijection ou one-to-one correspon-
Exercice 5.1.5.
dance .
Soit c : R → R , déterminer c([2, 4]) et
x 7→ x2
c(] − 1, 3]).
5 Image directe, tiré en arrière. Exercice 5.1.6.
Soit E et F deux ensembles, f : E → F une
5.1 Image directe application, A et B deux parties de E.
• Si A ⊂ B, est-ce que f (A) ⊂ f (B) ?
• Comparer f (A∪B) et f (A)∪f (B), puis f (A∩B)
Définition 5.1.1. et f (A) ∩ f (B).
Soit E et F deux ensembles, f : E → F une
application et A une partie de E. On appelle
image directe de A par f l’ensemble des images
des éléments de A (voir figure VIII.14), i.e. la
partie de F :
Proposition 5.1.7.
f (A) = { f (x) | x ∈ A } Soit E et F deux ensembles, f : E → F une
= { y ∈ F | ∃x ∈ A, y = f (x) } . application. Alors f est surjective si et seulement
si f (E) = F .
132
CHAPITRE VIII. NOTION D’APPLICATION
x ∈ f −1 (B) ⇔ ∃y ∈ B, x = f −1 (y)
⇔ ∃y ∈ B, f (x) = y
Remarque 5.2.2. ⇔ f (x) ∈ B
Le vocabulaire officiel est plutôt « image réci- ⇔ x ∈ f ← (B)
proque de B par f » et la notation officielle est :
f −1 (B).
D’expérience, cette terminologie et cette nota- Exercice 5.2.5.
tion sont une source de confusions désastreuses. Soit E et F deux ensembles, f : E → F une
Ne l’utilisez qu’une fois cette notion solidement application, A et B deux parties de F .
acquise. • Si A ⊂ B, est-ce que f ← (A) ⊂ f ← (B) ?
• Comparer f ← (A ∪ B) et f ← (A) ∪ f ← (B), puis
f ← (A ∩ B) et f ← (A) ∩ f ← (B).
•
• f
• • Proposition 5.2.6.
f ← (B) B
• Soit E, F deux ensembles non vides, soit f : E →
•
F.
• • Alors, { f ← (y) | y ∈ F } est un recouvrement
•
E F disjoint de E, tandis que { f ← (y) | y ∈ Im(f ) }
est une partition de E.
De même, si (Fi )i∈I est une partition de Im(f ),
Figure VIII.15 – Tiré en arrière d’une partie B alors { f ← (Fi ) | i ∈ I } est une partition de E.
par une application f .
133
CHAPITRE VIII. NOTION D’APPLICATION
134
Chapitre IX
Calcul matriciel
Sommaire
1 Définitions élémentaires . . . . . . . . . 136
1.1 Opérations sur les matrices . . . . . . 136
1.2 Matrices carrées . . . . . . . . . . . . . 138
1.3 Matrices inversibles . . . . . . . . . . . 139
1.4 Opérations élémentaires . . . . . . . . 140
1.5 Transposition et matrices symétriques 142
1.6 Inversion de matrices triangulaires. . . 143
2 Systèmes linéaires . . . . . . . . . . . . . 144
CHAPITRE IX. CALCUL MATRICIEL
136
CHAPITRE IX. CALCUL MATRICIEL
137
CHAPITRE IX. CALCUL MATRICIEL
138
CHAPITRE IX. CALCUL MATRICIEL
= 2 −1 0 + 0 1 0
Remarque 1.2.4.
0 −2 0 1 2 0
On remarque que les puissances d’une même ma-
trice commutent entre elles : = B + C.
Calculer A3 avec
Mk × Mj = M × M{z. . . × M} × M × M{z. . . × M}
3 0 0
| |
k fois j fois
= |M × M{z. . . × M} A = 0 1 −2
0 4 6
(k+j) fois
1 0 0 2 0 0
= |M × M{z. . . × M} × M × M{z. . . × M}
= 0 1 −1 + 0 0 −1
|
j fois k fois
0 1 2 0 3 4
=M ×M . j k
= B + C.
Démonstration (Unicité).
Lemme 1.2.6. Soit B, C ∈ Mn (K) deux « inverses » de A. Alors,
Soit A, B ∈ Mn (K) vérifiant AB = BA. Alors,
B = BIn = B(AC) = (BA)C = In C = C.
pour tout p, q ∈ N, Ap B q = B q Ap .
139
CHAPITRE IX. CALCUL MATRICIEL
M=
X
mi,j Ei,j .
Définition 1.3.6. 16i,j6n
Le déterminant d’une matrice carrée d’ordre 2
Commençons par donner deux résultats tech-
!
a b
A= est det A = ad − bc.
c d niques, dont la maîtrise se révélera être impor-
tante : vous devrez savoir les retrouver efficace-
ment.
140
CHAPITRE IX. CALCUL MATRICIEL
Démonstration.
Soit α ∈ [[1, n]]. La αe colonne de Eij × Ekh est Eij Cα où 1. l’échange de deux lignes ou deux colonnes ;
Cα est la αe colonne de Ekh .
Si α =
6 h, Cα = 0n1 , donc toutes les colonnes de Eij ×
2. la multiplication d’une ligne/colonne par un
Ekh sont nulles sauf peut-être la he. scalaire non nul ;
Cette he colonne de Ekh est égale à Eij Ch . Or, Ch = Eh 3. l’addition à une ligne/colonne d’une autre
(voir remarque 1.1.9), donc Eij Ch est la ke colonne de Eij .
Celle-ci est nulle si j 6= k. Sinon, il s’agit du ie vecteur de
ligne/colonne multipliée par un scalaire.
la base canonique de Mn,1 (K). Ces opérations sont notées respectivement :
On en déduit le résultat.
On peut également adopter une démonstration purement 1. Li ↔ Lj et Ci ↔ Cj ;
calculatoire. Notons (mab )(a,b)∈[[1,n]]×∈[[1,q]] les coefficients 2. Li ← λLi avec λ =
6 0 (idem avec des co-
du produit Eij Ekh . Alors, soit (a, b) ∈ [[1, n]] × [[1, q]]. On a
lonnes) ;
p
3. Li ← Li + λLj , avec i 6= j (idem avec des
X
mab = (δai δcj )(δck δbh )
c=1 colonnes).
= (δai δcc )(δjk δbh )
= δjk (δai δbh )
mab est donc le coefficient de la ligne a, colonne b de Définition 1.4.6 (matrices d’opérations élémen-
δjk Eih .
taires).
Soit i, j ∈ J1, nK, λ ∈ K.
Lemme 1.4.4. 1. On appelle matrice d’échange de coefficients
Soit M ∈ Mn (K), dont on note les colonnes i, j la matrice εij = In − Eii − Ejj + Eij + Eji
C1 , . . . , Cn et dont on note les lignes L1 , . . . , Ln . (la dessiner).
Soit 1 6 i, j 6 n.
2. On appelle matrice de dilatation de coeffi-
1. M Ei,j est la matrice dont toutes les colonnes cient i et de rapport λ la matrice Di (λ) =
sont nulles, sauf la j e qui vaut Ci . In + (λ − 1)Eii (la dessiner).
2. Ei,j M est la matrice dont toutes les lignes 3. On appelle matrice de transvection de co-
sont nulles, sauf la ie qui vaut Lj . efficients i, j et de rapport λ la matrice
Tij (λ) = In + λEij (la dessiner).
Démonstration. Remarquons que ces trois matrices sont inver-
Le plus efficace est de réaliser le dessin du produit matriciel. sibles.
On peut aussi effectuer un calcul :
X
M Ei,j = mk,` Ei,j Ek,`
16k,`6n Théorème 1.4.7.
Soit A ∈ Mn (K), et i, j ∈ J1, nK.
X
= mk,` δj,k Ei,`
16k,`6n
1. L’opération Li ↔ Lj est équivalente à la
n
=
X
mj,` Ei,` , multiplication de la matrice A à sa gauche
`=1 par la matrice εij .
ce qui est exactement le résultat annoncé. 2. L’opération Li ← λLi est équivalente à la
On procède de même pour l’autre produit. multiplication de la matrice A à sa gauche
par la matrice Di (λ) = In + (λ − 1)Eii .
Définition 1.4.5. 3. L’opération Li ← Li + λLj est équivalente à
Il existe trois types d’opérations élémentaires sur la multiplication de la matrice A à sa gauche
les lignes et colonnes d’une matrice : par la matrice Tij (λ) = In + λEij .
141
CHAPITRE IX. CALCUL MATRICIEL
Remarque 1.4.10.
4. L’opération Ci ↔ Cj est équivalente à la Si par opérations élémentaires sur les lignes ou les
multiplication de la matrice A à sa droite par colonnes d’une matrice on arrive à In , on obtient
la matrice εij . donc rapidement l’inverse de cette matrice.
5. L’opération Ci ← λCi est équivalente à la
Exercice 1.4.11. !
multiplication de la matrice A à sa droite par 1 3
la matrice Di (λ). Avec A = , montrer que A est inver-
−2 2
6. L’opération Cj ← Cj + λCi est équivalente à sible et calculer A−1 en procédant par opérations
la multiplication de la matrice A à sa droite élémentaires sur les lignes et/ou les colonnes de
par la matrice Tij (λ) = In + λEij (attention A.
aux coefficients !).
1.5 Transposition et matrices symé-
Démonstration. triques
On appelle L1 , . . . , Ln les lignes de A. Tout est basé sur le
fait que Eij A est la matrice nulle où on a rajouté Lj à la
ième ligne (le montrer). Et c’est tout.
Définition 1.5.1.
Soit A ∈ Mn,p (K), A = (aij ). On appelle transpo-
Exemple 1.4.8. sée de A la matrice de dimension p × n notée A>
Calculer et définie par
1 0 0 1 2 3 1 0 0 1 0 0
∀i ∈ J1, pK, ∀j ∈ J1, nK, (t A)i,j = aj,i .
0 2 0 4 5 6 0 0 1 2 1 0
0 0 1 7 8 9 0 1 0 0 0 1
7 3 2
Remarque 1.5.2.
On trouve 32 12 10.
On trouvera parfois aussi la notation t A.
25 9 8 Exemple 1.5.3.
! !> !
> 4 1 0 1 2
Théorème 1.4.9 (inversion des matrices d’opé- 4 2 = et = .
2 2 3 0 3
rations élémentaires).
On a aussi In = In .
>
Soit i, j ∈ J1, nK, λ ∈ K. Alors, les trois matrices
d’opérations élémentaires introduites ci-dessus
sont inversibles et Proposition 1.5.4.
Soient A, B ∈ Mn,p (K), λ ∈ K.
ε−1
ij = εij ,
1. (A + λB)> = A> + λ B > , i.e. A 7→ A> est
Di (λ)−1 = Di (λ−1 ), linéaire.
Tij (λ)−1 = Tij (−λ). 2. Si C ∈ Mp,q (K), (AC)> = C > A> .
3. (A> )> = A.
4. Si A est inversible, alors A> est inversible et
Démonstration.
Il suffit d’utiliser le résultat précédent. Par exemple, effec- (A−1 )> = (A> )−1 .
tuer le calcul
ε2ij = εij εij In
revient à échanger deux fois les lignes i et j de In . On Démonstration. 1. Élémentaire.
revient donc à la configuration de départ, et donc ε2ij = 2. A = (aij ), C = (cij ), A> = (αij ), C > = (γij ), avec
In . αij = aji , γij = cji , et on conclut par calcul direct.
142
CHAPITRE IX. CALCUL MATRICIEL
Ainsi, avec T 0 = T1 . . . Tp , on a
Démonstration.
Soit i ∈ [[1, n]], on a aii = −aii donc aii = 0. T 0 T = In .
Exercice 1.5.11. Il suffit d’observer qu’avec les mêmes opérations sur les
colonnes, dans l’ordre inverse, on obtient
Soit M ∈ Mn (R). Montrer qu’il existe un unique
couple (A, S) tel que T T 0 = In .
• M =A+S ; Comme produit de matrices triangulaires supérieures, T 0
• A ∈ An (R) ; est triangulaire supérieure. Ainsi, T est inversible et T 0 =
• S ∈ Sn (R). T −1 est triangulaire supérieure.
143
CHAPITRE IX. CALCUL MATRICIEL
Réciproquement, supposons qu’il existe 1 6 i 6 n tel tricielle AX = B, avec A = (aij )16i6n, 16j6p ,
que ti,i = 0. Notons k le plus grand tel indice i. Alors, x1
b1
en effectuant les mêmes opérations que précédemment, il .. ..
existe une matrice T 0 inversible telle que X = . et B = . .
∗ ... ∗ ∗
xp bn
.. .. .. SH s’écrit alors AX = 0.
. . .
∗ ∗ ∗
...
T 0T =
0 ,
Définition 2.0.3.
1
Cette matrice A est appelée matrice du système
.. S.
.
1
les coefficients non inscrits étant nuls. Or, une matrice Théorème 2.0.4. 1. SolH contient toujours
possédant une ligne nulle ou une colonne nulle n’est pas
l’élément (0, . . . , 0) et est stable par com-
inversible : si une matrice A a sa ie ligne nulle, alors pour
toute matrice B la ie ligne de AB sera nulle, donc AB 6= In . binaison linéaire.
Ainsi, T 0 T n’est pas inversible, donc T 0 étant inversible, 2. L’ensemble Sol est :
T ne l’est pas.
• soit vide ;
• soit non vide, et dans ce cas, si X0 =
2 Systèmes linéaires (x1 , . . . , xp ) est un élément de Sol, alors
Sol= {X0 + XH , XH ∈ SolH }, ce que l’on
Rappel 2.0.1. note SolH + (x1 , . . . , xp ).
On appelle système linéaire à n équations et p Par conséquent, Sol contient 0, 1 ou une infi-
inconnues tout système de la forme : nité d’éléments.
+ . . . + a1p xp = b1
a11 x1 Démonstration.
On utilise les notations matricielles, le système S s’écrivant
. . .
S : AX = B, avec A ∈ Mn,p (K) et B ∈ Mn,1 (K). Le
. . .
système homogène associé à S est SH : AX = 0. Soit
+ . . . + anp xp = bn
an1 x1 X, Y ∈ Mp,1 (K) et λ, µ ∈ K. On a bien
où les aij et les bi sont dans K, et les xi sont les 0 0
.. ..
inconnues. A × . = . ,
On dit que le système est compatible s’il admet 0 0
une solution. donc le vecteur nul est solution du système homogène. De
Le système homogène associé est le système : plus, si X et Y sont solutions de SH , alors
0
+ . . . + a1p xp = 0
A(λX + µY ) = λAX + µAY = ... .
a11 x1
. . .
0
. . .
Notamment, si X est une solution de SH , tous les vecteurs
+ . . . + anp xp = 0
an1 x1
colinéaires à X seront aussi solution de SH , donc SH est
infini.
Dans la suite nous noterons S le premier Ensuite, soit X0 ∈ Mn,1 (K) solution de S. On a
système et SH son système homogène associé, X ∈ Sol ⇔ AX = B
et nous noterons Sol et SolH leurs ensembles de
⇔ AX = AX0
solutions respectifs.
⇔ A(X − X0 ) = 0
⇔ X − X0 ∈ SolH ,
Remarque 2.0.2. ce qui montre bien que Sol = { X0 + XH | XH ∈ SolH }.
Le système S peut aussi s’écrire sous forme ma-
144
CHAPITRE IX. CALCUL MATRICIEL
Remarque 2.0.5.
Si SolH 6= {(0, . . . , 0)}, alors SolH est infini.
Exemple 2.0.6.
On considère le système
(
x + 3y = 2
2y + z = 1
Si (x, y, z) ∈ R3 , on a
( x −3
x + 3y = 0
⇔ y = y 1 .
2y + z = 0
z −2
145
CHAPITRE IX. CALCUL MATRICIEL
146
Chapitre X
148
CHAPITRE X. RELATIONS D’ORDRE ET D’ÉQUIVALENCE.
Exemple 2.0.2.
f
• L’égalité sur E est l’exemple le plus classique
de relation d’équivalence.
a c d
• La relation de congruence modulo n sur Z en
est aussi une : on fixe n ∈ Z non nul, et on dit
que deux entiers p et q sont congrus modulo n s’il Figure X.1 – À compléter (voir exercice 2.0.4).
existe k ∈ Z tel que p = q + kn, ce qui se note
p = q[n] ou p ≡ q[n].
• Si x ∈ R, on définit sur R la relation d’équiva-
lence modulo x par a ≡ b [x] s’il existe k ∈ Z tel
que a − b = kx. Proposition 2.0.5.
Attention, cette relation n’est pas compatible Soit E un ensemble et R une relation d’équiva-
avec la multiplication. lence sur E. Soit (x, y) ∈ E 2 . Alors,
• Sur Rn , on a la relation d’équivalence : M RN 1. x ∈ x.
−−→ −−→
si OM et ON sont colinéaires. C’est le point de
2. xRy ⇐⇒ x ∈ y.
départ de la géométrie projective.
• Sur Mn (K), deux matrices M et N sont dites 3. xRy ⇐⇒ x = y.
semblables si ∃P ∈ GLn (K), M = P −1 N P . Cela
définit une relation d’équivalence.
Démonstration.
• Sur Mn (K), deux matrices M et N sont dites Le premier point découle de la réflexivité. Le second découle
équivalentes si ∃(P, Q) ∈ GLn (K)2 , M = Q−1 N P . de la définition de y. Pour le troisième, il s’agit de montrer
Cela définit une relation d’équivalence. l’équivalence. Le sens direct se fait en montrant une double
• Sur un intervalle I, et parmi les fonctions de inclusion, qui découle de la transitivité. Le sens indirect
découle du premier point et du second.
classe C 1 sur I, on peut considérer la relation «
f et g sont deux primitives d’une même fonction
», i.e. f 0 = g 0 . C’est une relation d’équivalence,
qui donne son sens à la manipulation du symbole Définition 2.0.6.
x
Soit E un ensemble, (Ai )i∈I une famille de parties
Z
de primitivation générique .
de E indexée par un ensemble I. On dit que
(Ai )i∈I est une partition de E si les éléments de
Définition 2.0.3. cette famille sont tous non vides, sont disjoints et
Soit E un ensemble et R une relation d’équiva- si leur réunion vaut E.
lence sur E. Alors, pour tout élément x de E,
149
CHAPITRE X. RELATIONS D’ORDRE ET D’ÉQUIVALENCE.
Exemple 3.0.3.
Proposition 2.0.7. 1. Si R est une relation Reprendre tous les exemples précédents et repérer
d’équivalence sur E, alors l’ensemble des les relations d’ordre.
classes d’équivalences de R forme une parti-
tion de E.
2. Réciproquement, si (Ai )i∈I est une partition Définition 3.0.4.
de E, alors la relation binaire définie sur E Soit 4 une relation d’ordre sur E.
par xRy si ∃i ∈ I, (x ∈ Ai ) ∧ (y ∈ Ai ) est
1. On dit que x, y ∈ E sont des éléments com-
une relation d’équivalence.
parables si x 4 y ou y 4 x.
2. On dit que 4 est une relation d’ordre totale
Nous introduisons maintenant dans un but (ou que cet ordre est total) si tous les éléments
culturel l’ensemble quotient (hors programme). de E sont comparables deux à deux. Sinon la
relation est dite partielle (ou l’ordre est dit
partiel).
Définition 2.0.8.
Si R est une relation d’équivalence sur E, on
appelle ensemble quotient de E par R l’ensemble Exemple 3.0.5. • On définit la relation
des classes d’équivalences, noté E/R. d’ordre usuelle sur N, notée 6 par : a 6 b si
∃k ∈ N, b = a+k. C’est une relation d’ordre
totale.
Exemple 2.0.9. • La relation d’ordre usuelle 6 sur R est to-
Si f : E → F est une application, la relation tale : quand on choisit deux réels, il y en
binaire sur E définie par xRy si f (x) = f (y) a toujours un des deux qui est inférieur ou
est une relation d’équivalence. Quelle est alors la égal à l’autre.
partition qui lui est naturellement associée ? On • La relation d’ordre ⊂ sur P(E) est partielle
pourra alors se poser la question suivante : y a- (si Card E > 2) : en effet, quand on choisit
t-il un moyen naturel de construire une injection deux parties de E, il n’y a aucune raison
f˜ : E/R → F ? pour que l’une soit incluse dans l’autre.
• La relation de divisibilité sur N est une re-
Exemple 2.0.10.
lation d’ordre partielle : quand on choisit
On manipule naturellement certains ensembles
deux entiers positifs, l’un n’est pas forcé-
quotients : les vecteurs de Rn et les fractions, par
ment multiple ou diviseur de l’autre.
exemple.
Exercice 3.0.6.
Compléter le graphe suivant (voir figure X.2)
3 Relations d’ordre. avec le moins de flèches possibles de manière à
obtenir le graphe d’une relation d’ordre sur
E = {a, b, c, d, e, f, g} : la flèche x ← y signifie
Définition 3.0.1. x y. Continuer ensuite avec l’exercice 4.3.3.
On appelle relation d’ordre toute relation binaire
réflexive, transitive et antisymétrique.
4 Majorants, minorants et com-
pagnie.
Remarque 3.0.2.
L’usage est de noter 4, parfois 6, les relations Dans toute cette section, 4 est une relation
d’ordre. d’ordre sur E et A est une partie de E.
150
CHAPITRE X. RELATIONS D’ORDRE ET D’ÉQUIVALENCE.
b d f
maximum (resp. plus petit élément ou minimum)
de A si x est un majorant (resp. minorant de A)
a
ET x ∈ A.
c e g
Exemple 4.2.2.
Figure X.2 – À compléter (voir exercice 3.0.6). • I = [−1, 2[ a un plus petit élément, mais pas de
plus grand élément. En effet, −1 est un minorant
de I et −1 ∈ I. Mais supposons par l’absurde
que I ait un plus grand élément M . Alors M ∈ I,
4.1 Majorants, minorants.
donc M < 2. Ainsi il existe a ∈]M, 2[, donc a ∈ I
et M < a, ce qui est en contradiction avec le fait
que M majore I.
Définition 4.1.1. (i) On dit que A est majorée
• R n’est ni majoré ni minoré, donc n’a ni plus
(resp. minorée) pour 4 s’il existe un élément
grand ni plus petit élément.
M ∈ E tel que pour tout a ∈ A, a 4 M
(resp. M 4 a) ; on dit alors que M est UN
majorant (resp. minorant) de A ou que M
Théorème 4.2.3.
majore (resp. minore) A.
Si A a un plus grand élément, ce dernier est unique.
(ii) on dit que A est bornée si elle est à la fois Il en est de même pour un petit élément, s’il existe.
majorée et minorée. Dans le cas d’existence, le plus grand élément de
A est alors noté max A, et le plus petit élément
de A est noté min A.
En général, une partie majorée a plu-
sieurs majorants, et peut même en avoir une infi- Démonstration.
nité ! On suppose que A a deux maxima : ils sont alors récipro-
quement plus grand l’un que l’autre, et par antisymétrie
ils sont égaux.
Exemple 4.1.2.
Exemple 4.2.4.
• [1, 2] dans R est majoré par tout réel x tel que
Dans N muni de la relation d’ordre | : 0 est le
2 6 x, et minoré par tout réel y tel que y 6 1.
plus grand élément et 1 est le plus petit. En effet
• ] − ∞, 2[ est majoré mais non minoré.
tout entier divise 0, et 1 divise tout entier.
• Pour la relation ⊂, P(E) est minorée par ∅ et
majorée par E. Exercice 4.2.5.
En reprenant les notations de l’exercice 4.1.3, dé-
Exercice 4.1.3.
terminer si A possède un maximum, ainsi qu’un
On considère dans P(Z) muni de ⊂ la partie
minimum.
A = { J0, nK | n ∈ N }.
Déterminer l’ensemble des minorants et celui
des majorants de A. 4.3 Bornes supérieure et inférieure.
151
CHAPITRE X. RELATIONS D’ORDRE ET D’ÉQUIVALENCE.
3. C = { 2p + 1 | p ∈ N }
(ii) S’il existe, le plus grand élément de l’en-
4. D = { 2p | p ∈ N }
semble des minorants de A est appelé la
borne inférieure de A et noté inf A.
Proposition 4.3.6.
Soit A ⊂ E et M ∈ E.
Il y a une grosse différence entre max 1. Si A admet une borne supérieure, alors
et sup : le premier doit appartenir à A, pas le sup A 4 M ⇔ ∀x ∈ A x 4 M .
deuxième.
2. (M = sup A) si et seulement si M vérifie
deux points :
Exemple 4.3.2. (i) M majore A
I = [−1, 2[ a une borne inférieure et une borne (ii) si x ∈ E et x ≺ M , alors il existe a ∈ A
supérieure : l’ensemble des minorants de I est tel que x ≺ a 4 M .
] − ∞, −1], qui admet −1 comme maximum, et
donc −1 est la borne inférieure de I. De même
[2, +∞[ est l’ensemble des majorants de I, et il Remarque 4.3.7.
admet 2 comme minimum, donc 2 est la borne L’idée est la suivante : si on peut « caser » un
supérieure de I. élément de E entre M et A, ce qui revient en fait
à trouver un majorant de A plus petit que M ,
Exercice 4.3.3. alors M n’est pas la borne supérieure de A : la
On reprend l’exercice 3.0.6. Répondre aux ques- borne supérieure « colle » à A.
tions suivantes.
Démonstration. 1. ⇒ : car sup A est un majorant de
1. Cet ordre est-il total ? Si ce n’est pas le cas, A.
donner deux éléments non comparables. ⇐ : car sup A est le plus petit majorant de A.
2. Remarquons qu’ici, x ≺ y signifie x 4 y et x 6= y.
2. E est-il majoré ? Possède-t-il un plus grand Par définition d’une borne supérieure, il suffit pour
élément ? Une borne supérieure ? montrer cette équivalence de démontrer que le point
3. Même question avec {c, d}. (ii) équivaut à : M est le plus petit majorant de A.
Supposons que nous avons (ii). Soit alors N un ma-
4. Même question avec {d, e}. jorant de A, tel que N ≺ M . Alors avec (ii), il existe
a ∈ A tel que N ≺ a. Ceci est absurde car N majore
5. Même question avec {b, d, e}. A, donc M 4 N : M est bien inférieur à tout majo-
6. Même question avec {a, c, f }. rant de A.
Suposons réciproquement que M est le plus petit
Exercice 4.3.4. majorant de A. Soit x ∈ E tel que x ≺ M . Alors, x
En reprenant les notations de l’exercice 4.1.3, dé- étant plus petit que M , x n’est pas un majorant de
A. En prenant la négation de la phrase « x majore
terminer si A possède une borne supérieure, ainsi
A », nous obtenons : il existe a ∈ A tel que x ≺ a.
qu’une borne inférieure. Mais si de plus M majore A, alors a 4 M et nous
avons fini.
Exercice 4.3.5.
Ce dernier raisonnement sera très souvent utilisé dans
On considère la relation d’ordre | sur N. Déter- les exercices.
miner les ensembles des minorants et majorants
des parties suivantes, puis dire si ces parties sont
majorées, minorées, admettent un maximum, un
minimum, une borne supérieure ou inférieure (que Théorème 4.3.8.
l’on déterminera le cas échéant). Si A possède un maximum (resp. minimum), alors
A a une borne supérieure (resp. inférieure) et
1. A = {1}
cette borne est justement le maximum (resp. le
2. B = {2, 3}
152
CHAPITRE X. RELATIONS D’ORDRE ET D’ÉQUIVALENCE.
minimum) de A : sup A = max A (resp. inf A = d’une fonction est donc un majorant ou minorant
min A). ATTEINT.
On appelle extremum de f tout minimum ou
Démonstration.
maximum de f .
On ne donne la démonstration que pour la borne supérieure
(c’est la même pour la borne inférieure) : soit E l’ensemble
des majorants de A. Il faut montrer que E a un plus petit
élément. Par définition max A est un majorant de A, donc Les extrema sont uniques mais peuvent
max A ∈ E . Soit M ∈ E . M est plus grand que tout être atteints plusieurs fois. Considérer pas
élément de A, or max A appartient à A donc A 4 M , et exemple les fonctions continues périodiques
ce pour tout M de E : max A est donc un minorant de
comme sin ou cos.
E . De ces deux points on tire max A = min E , et donc
max A = sup A.
Exemple 4.4.3.
4.4 Application aux fonctions réelles. • x 7→ x2 admet un minimum mais pas de majo-
rant sur R.
• Arctan est majorée et minorée sur R, mais n’ad-
Définition 4.4.1. met ni minimum ni maximum.
Soient A une partie de R et f : A → R.
(i) On dit que f est majorée (resp. minorée) Définition 4.4.4.
sur A si f (A) l’est pour la relation naturelle Si l’ensemble f (A) admet une borne supérieure
sur R, i.e. : ∃M ∈ R ∀x ∈ A f (x) 6 M (resp. une borne inférieure), alors cette dernière est
(resp. M 6 f (x)). Dans ce cas on dit que M appelée la borne supérieure (resp. inférieure) de
est un majorant (resp. minorant) de f , ou f sur A. On la note sup f ou sup f (x) (resp.inf f
que M majore (resp. minore) f . A x∈A A
ou inf f (x)). Ainsi sup f (A) = sup f .
(ii) On dit que f est bornée si elle est majorée x∈A A
et minorée. Ceci est équivalent à : |f | est
majorée.
Théorème 4.4.5.
Si f admet un maximum (resp. un minimum) sur
A, alors f admet également une borne supérieure
Un majorant ou minorant ne doit pas
(resp. une borne inférieure) sur A, et sup f =
dépendre de la variable de la fonction ! Ainsi sur A
R+ , x 7→ x n’est pas un majorant de sin, bien max f (resp. inf f = min f ).
A A A
que ∀x ∈ R+ , sin x 6 x. Un majorant est une
CONSTANTE.
Exercice 4.4.6.
Soit
Définition 4.4.2. f : R → R
Si l’ensemble f (A) a un maximum (resp. un x 7→ max (0, Arctan(x))
minimum), alors ce dernier est appelé le maxi-
mum (resp. minimum) de f sur A, et noté max f Déterminer les ensembles de majorants et de mi-
A
norants de f , puis si f admet un maximum, un
ou max f (x) (resp. min f ou min f (x)). Ainsi
x∈A A x∈A minimum, une borne supérieure ou inférieure (que
max f (A) = max f . Un maximum ou minimum l’on déterminera le cas échéant). Tracer l’allure
A
de la fonction
153
CHAPITRE X. RELATIONS D’ORDRE ET D’ÉQUIVALENCE.
154
CHAPITRE X. RELATIONS D’ORDRE ET D’ÉQUIVALENCE.
Remarque 6.2.4.
Il y a des formes indéterminées : + et Dans le cas d’une fonction réelle (définie sur un
× ne sont pas des lois de composition interne sur ensemble non vide), l’image de cette fonction est
R. forcément non vide.
155
CHAPITRE X. RELATIONS D’ORDRE ET D’ÉQUIVALENCE.
Ainsi, une fonction réelle majorée admet une 6.3 Caractère archimédien de R et par-
borne supérieure et une fonction réelle minorée tie entière.
admet une borne inférieure.
a Propriété d’Archimède.
On a aussi une caractérisation fort utile des
bornes supérieures et inférieures.
Proposition 6.3.1.
Soient deux réels x et y tels que x > 0. Alors il
existe un entier N tel que N x > y.
Proposition 6.2.5. 1. Soit A une partie non
vide, majorée de R. Alors, a ∈ R est la
borne supérieure de A si et seulement si • Slogan : « quelle que soit la taille de nos en-
∀x ∈ A, x 6 a et ∀ε > 0, ∃x ∈ A∩]a − ε, a]. jambées, on peut aller au bout du monde si on
2. Soit A une partie non vide, minorée de R. fait assez de pas ».
Alors, a ∈ R est la borne inférieure de A si et Démonstration.
seulement si ∀x ∈ A, x > a et ∀ε > 0, ∃x ∈ Soit A = {nx|n ∈ N}. On souhaite montrer que A n’est
pas majoré et l’on raisonne par l’absurde. Si A est majoré,
A ∩ [a, a + ε[.
comme 0 = 0x ∈ A, A est aussi non vide et par la propriété
de la borne supérieure, A admet une borne supérieure, que
nous noterons α. Remarquons que α − x < α, donc α − x
Démonstration. ne majore pas A, donc il existe n ∈ N tel que α − x < nx.
On ne démontre que la partie concernant les bornes supé- On a alors α < (n + 1)x, ce qui contredit le fait que α
rieures, l’autre en découle immédiatement. majore A. Ainsi, A n’est pas majoré.
Supposons d’abord que a est la borne supérieure de
A. Alors, a majore A et donc ∀x ∈ A, x 6 a. Soit ε > 0, Exercice 6.3.2.
a−ε < a et a−ε n’est donc pas un majorant de A. Il existe En revenant aux définitions vues en terminale,
donc x ∈ A vérifiant a − ε < x et, comme a majore A, on 1
a x 6 a, ce qui permet de conclure pour cette implication. montrer que −−−−−→ 0.
n n→+∞
Réciproquement, si a vérifie : ∀x ∈ A, x > a et ∀ε >
0, ∃x ∈ A∩]a − ε, a]. Ainsi, a est bien un majorant de A.
Montrons que c’en est le plus petit. Sinon, il existerait b Partie entière.
b ∈ R majorant A, avec b < a. Alors, ]b, a[∩A = ∅, ce qui
contredit l’hypothèse. a est donc la borne supérieure de
A.
Définition 6.3.3.
Exercice 6.2.6. Soit x ∈ R, il existe un unique entier, noté bxc
Soit (un ) une suite rélle croissante et majorée. (parfois E(x) ou E(x)) et que l’on appelle partie
Montrer que ` = sup { un | n ∈ N } existe. entière de x, vérifiant : bxc 6 x < bxc + 1.
En utilisant la définition de limite vue en ter-
minale, montrer que un −−−−−→ `. Démonstration.
n→+∞
Est-ce toujours le cas si (un ) n’est pas bornée ? Soit A = {k ∈ Z | k 6 x}.
La propriété d’Archimède implique qu’il existe k ∈ N
Remarque 6.2.7 (passage à la borne supérieure). tel que k × 1 > −x, donc −k 6 x, donc −k ∈ A. Ainsi, A
Soit A une partie non vide de R, soit M ∈ R est non vide.
Une seconde fois, la propriété d’Archimède implique
vérifiant qu’il existe ` ∈ N tel que ` × 1 > x. Ainsi, si k ∈ A, alors
∀a ∈ A, a 6 M. k 6 x 6 `, donc A est majorée par `.
Ainsi, A est une partie non vide et majorée de Z, donc
Alors, M est un majorant de A, donc sup(A) 6 A possède un plus grand élément, noté n. On a alors n 6 x
et comme n + 1 > n, n + 1 ∈ / A donc n + 1 > x, d’où
M.
l’existence.
Cet enchaînement est souvent couvert par la Soit N un entier vérifiant N 6 x < N + 1. Alors N ∈ A.
locution « par passage à la borne supérieure ». De plus, si k ∈ A, alors k 6 x < N + 1 donc k < N + 1
156
CHAPITRE X. RELATIONS D’ORDRE ET D’ÉQUIVALENCE.
Remarque 6.3.4.
On vient de montrer que bxc est le plus grand Définition 6.3.8.
entier relatif inférieur ou égal à n. On peut très Soit x un réel et ε un réel strictement positif. On
bien définir bxc de cette manière, et voir la défi- appelle valeur approchée de x à la précision ε tout
nition 6.3.3 comme une caractérisation de bxc. réel y tel que |x − y| 6 ε. Si y 6 x on dit que y
est une valeur approchée par défaut, si y > x, on
Remarque 6.3.5. dit que y est une valeur approchée par excès.
Ce résultat permet de montrer que si deux réels x
et y vérifient y −x > 1, il existe un entier n tel que
x < n < y : il suffit de prendre n = bxc + 1. On a • Souvent on cherche des valeurs approchées qui
alors x < n et aussi n 6 x + 1 < x + (y − x) = y. soient des décimaux.
Démonstration.
En vertu du théorème précédent, il existe un rationnel r
6.4 Intervalles de R.
√ √
non nul
√ entre x 2 et y 2. En effet, si 0 6 x < y, on a Il existe neuf types d’intervalles dans R (avec
r > x 2 donc r 6= 0, si x < y > 0, même raisonnement, et
si x < 0 < y, on applique le théorème précédent à 0 et y par
a, b ∈ R) :
r
exemple pour obtenir r. Il suffit alors de prendre q = √ . 1. [a, b] = {x ∈ R | a 6 x 6 b} ;
√ 2
q est forcément irrationnel, sinon 2 serait rationnel. 2. [a, b[= {x ∈ R | a 6 x < b} ;
157
CHAPITRE X. RELATIONS D’ORDRE ET D’ÉQUIVALENCE.
Théorème 6.4.1.
Soit I une partie de R. Alors les deux propositions
suivantes sont équivalentes :
(i) I est un intervalle de R ;
(ii) Pour tous u, v ∈ I et pour tout t ∈ R, on a :
u 6 t 6 v ⇒ t ∈ I.
Démonstration.
C’est trivial si I = ∅ (on a alors (ii) et (i) car I = [0, −1]).
(i)⇒(ii) Facile et connu.
(ii)⇒(i) On distingue plusieurs cas :
• Supposons d’abord que I majoré et minoré. On
pose a = inf I et b = sup I. Alors pour tout
x ∈ I, on a x 6 b et x > a, donc x ∈ [a, b], et
donc I ⊂ [a, b] (1).
• Si a = b, alors I = {a} = [a, a] (car I non
vide).
• Si a < b, alors soit x ∈]a, b[. Par définition de
la borne inf il existe u ∈ I tel que a 6 u < x. De
même il existe v ∈ I tel que x < v 6 b. Alors
x ∈ [u, v] et donc x ∈ I. Donc ]a, b[⊂ I (2)
Ainsi on a la chaîne d’inégalité : ]a, b[⊂ I ⊂ [a, b],
donc I est de de l’un des types précédents. On
détermine précisément lequel en regardant juste
si a et b appartiennent ou pas à I.
158
Chapitre XI
Définition 1.1.1.
On dit que n divise m, que n est un diviseur de Définition 1.1.6.
m ou que m est un multiple de n et on note n|m On dit que a est congru à b modulo n et on note
si et seulement s’il existe k ∈ Z vérifiant m = kn. a ≡ b [n] (voire a = b [n]) si et seulement si n
divise a − b :
a ≡ b [n] ⇐⇒ n|a − b.
Proposition 1.1.2. 1. La relation | est ré-
flexive, transitive, mais pas symétrique (sur Z
comme sur N). Elle n’est pas antisymétrique
sur Z mais l’est sur N : plus précisément on Remarque 1.1.7.
a sur Z : Pour tout entier n, la relation de congruence mo-
dulo n est une relation d’équivalence.
a|b et b|a ⇐⇒ |a| = |b| ⇐⇒ a = ±b
Proposition 1.1.8.
2. Si a divise b et c, il divise toute combinaison La relation de congruence modulo n est com-
linéaire à coefficients entiers de b et c : patible avec l’addition et la multiplication : si
a ≡ b[n] et c ≡ d[n], alors a + c ≡ b + d[n] et
a|b et a|c ⇒ a|bn + cm
ac ≡ bd[n].
3. La relation | est compatible avec le produit :
Démonstration.
a|b et c|d ⇒ ac|bd On sait qu’il existe (k, `) ∈ Z2 vérifiant a = b + nk et
c = d + n`. On a alors a + c = b + d + n(k + `), donc
En particulier, pour tout k ∈ N, a|b implique a + c ≡ b + d[n], et ac = bd + n(b` + dk + nk`), donc
ac ≡ bd[n].
ak |bk ;
4. Si c 6= 0, a|b ⇔ ac|bc. Remarque 1.1.9.
Attention, ce n’est pas le cas de la relation usuelle
de congruence modulo 2π. Ainsi, 2π ≡ 0 [2π]
Démonstration. 1. on ne montre que la dernière partie mais 4π 2 6≡ 0 [2π].
(le reste a déjà été fait dans le chapitre VIII). Soient
a, b ∈ Z tels que a|b et b|a. Alors il existe k, ` ∈ Z tels Remarque 1.1.10.
que a = kb et b = a`, donc b = bk`. Si b = 0, alors On a n|a si et seulement si a ≡ 0[n].
a = 0 également, car b|a. Si b 6= 0, alors k` = 1, et
donc k 6= 0, ` 6= 0, et |k| 6 1, ainsi que |`| 6 1. Par Exercice 1.1.11.
conséquent k = ` = 1 ou k = ` = −1, et donc a = b
Retrouver les critères de divisibilité énoncés au
ou a = −b.
collège.
2. Élémentaire.
3. Élémentaire. Exercice 1.1.12.
4. Élémentaire. Soit a ∈ Z. Montrer que a est pair si et seulement
si a2 est pair.
160
CHAPITRE XI. ENTIERS RELATIFS ET ARITHMÉTIQUE DE Z
161
CHAPITRE XI. ENTIERS RELATIFS ET ARITHMÉTIQUE DE Z
162
CHAPITRE XI. ENTIERS RELATIFS ET ARITHMÉTIQUE DE Z
Démonstration.
L’idée de la démonstration est de regarder ce qui se passe Le couple des coefficients de Bézout n’est
dans l’algorithme d’Euclide. On constate qu’à chaque étape, pas unique. Par exemple on a −1 × 2 + 1 × 3 = 1
les variables R0 et R1 sont des combinaisons linéaires de et 2 × 2 + (−1) × 3 = 1.
a et b. À la fin de l’algorithme, le pgcd R0 est donc une
combinaison linéaire de a et b.
Pour calculer les coefficients de Bézout, on aura recours à Exercice 2.1.9.
l’algorithme d’Euclide étendu. Celui-ci est un simple ajout
à l’algorithme vu précédemment ; on introduit en effet des Calculer un couple de Bézout pour 1750 et 644.
variables Ui et Vi pour i = 0, 1 qu’on va modifier au fur et
On peut alors faire la remarque suivante :
à mesure de l’exécution de façon à garantir R0 = U0 a + V0 b
et R1 = U1 a + V1 b.
Corollaire 2.1.10.
Fonction euclide_etendu( a, b ) : Soit (a, b) ∈ Z2 \ { (0, 0) }. Alors
# Précondition : a > 0 et b > 0 n o
(R0 , R1 ) ← (a, b) aZ + bZ = au + bv (u, v) ∈ Z2 = (a ∧ b)Z
(u0 , u1 ) ← (1, 0)
(v0 , v1 ) ← (0, 1)
Démonstration.
# Invariant : R0 = u0 a + v0 b et R1 = u1 a + v1 b
L’inclusion gauche-droite découle du fait que, a et b étant
TantQue R1 > 0 Faire des multiples de a ∧ b, toute combinaison linéaire de a et b
R2 ← reste de R0 ÷ R1 est également un multiple de a ∧ b.
L’inclusion droite-gauche découle du fait que a ∧ b s’écrit
q ← quotient de R0 ÷ R1 comme combinaison linéaire à coefficients entiers de a et b
(u2 , v2 ) ← (u0 − qu1 , v0 − qv1 ) (d’après le théorème de Bézout) et que tout multiple d’une
combinaison linéaire de a et b à coefficients entiers est
(R0 , u0 , v0 ) ← (R1 , u1 , v1 ) encore une combinaison linéaire à coefficients entiers.
(R1 , u1 , v1 ) ← (R2 , u2 , v2 )
Remarque 2.1.11.
FinTantQue C’est en fait une caractérisation du PGCD : pour
Renvoyer (R0 , u0 , v0 ) tout d ∈ N,
163
CHAPITRE XI. ENTIERS RELATIFS ET ARITHMÉTIQUE DE Z
i=1
De plus, on remarque que D(0) = Z, donc si l’un
Théorème 2.2.3.
des entiers de la famille (a1 , . . . , ap ) est nul, on
Soient a1 , . . . , ap des entiers tous non nuls. Alors
peut l’enlever de cette famille sans changer l’en-
il existe des entiers u1 , . . . , up tels que
semble des diviseurs de ces entiers. Par exemple,
D(a1 , a2 , 0, a3 ) = D(a1 , a2 , a3 ). Dans la suite nous u1 a1 + . . . + up ap = a1 ∧ . . . ∧ ap .
pourrons donc ne considérer que des familles d’en-
tiers tous non nuls.
Démonstration.
Proposition 2.2.1. Montrons-le par récurrence sur p.
Soient (a1 , . . . , ap ) ∈ (Z∗ )p une famille d’entiers On sait déjà que la propriété est vraie pour p = 2.
tous non nuls, avec p ∈ N∗ . Soit p > 2 tel que la propriété soit vraie, et soient
a1 , . . . , ap , ap+1 des entiers.
(i) Soit k ∈ D(a1 , . . . , ap ), alors k|a1 ∧ . . . ∧ ap . Par hypothèse de récurrence, il existe des entiers
u1 , . . . , up tels que u1 a1 + . . . + up ap = a1 ∧ . . . ∧ ap . Mais
(ii) a1 ∧ . . . ∧ ap = (a1 ∧ . . . ∧ ap−1 ) ∧ ap . a1 ∧ . . . ∧ ap ∧ ap+1 = (a1 ∧ . . . ∧ ap ) ∧ ap+1 et d’après le
théorème de Bézout pour deux entiers, il existe b, c ∈ Z
tels que b.a1 ∧ . . . ∧ ap + c.ap+1 = a1 ∧ . . . ∧ ap+1 . D’où
Démonstration. a1 ∧ . . . ∧ ap+1 = bu1 a1 + . . . + bup ap + cap+1 , et l’hérédité
Démontrons les deux résultats en une récurrence, en posant est démontrée.
pour chaque p ∈ N∗ :
Exemple 2.2.4.
(Hp ) : pour tout (a1 , . . . , ap ) ∈ (Z∗ )p , on a (i) et (ii).
Trouver trois entiers a, b, c tels que 72a + 180b +
Le résultat est connu pour p = 1 et p = 2. 120c = 12.
Soit p ∈ N∗ tel (Hp ) soit vraie.
Soient a1 , . . . , ap+1 ∈ Z∗ . Remarque 2.2.5.
Notons d = a1 ∧ . . . ∧ ap , D = a1 ∧ . . . ∧ ap ∧ ap+1 et Le corollaire 2.1.12 se généralise : soient
164
CHAPITRE XI. ENTIERS RELATIFS ET ARITHMÉTIQUE DE Z
i=1 i=1
bv = d n’implique pas a ∧ b = d, mais simplement
(a ∧ b)|d.
2.3 Nombres premiers entre eux.
Corollaire 2.3.6.
Soit (a, b) ∈ Z2 \ { (0, 0) }. Alors en posant d =
Définition 2.3.1. a ∧ b, a0 = a/d et b0 = b/d, on a
Deux entiers relatifs a et b sont dit premiers entre
eux si et seulement si (a, b) 6= (0, 0) et a ∧ b = 1. a0 ∧ b0 = 1
165
CHAPITRE XI. ENTIERS RELATIFS ET ARITHMÉTIQUE DE Z
Remarque 2.4.2.
Corollaire 2.3.11 (Forme irréductible d’un ra- |ab| est un multiple commun à a et b. De plus,
tionnel). comme a et b sont non nuls, c’est un nombre stric-
Soit r ∈ Q. Il existe un unique couple (p, q) ∈ tement positif. L’ensemble des multiples communs
p
Z × N∗ tel que r = et p ∧ q = 1. Ce couple est de a et de b strictement positifs est donc non vide.
q
appelé la forme irréductible de r. Il est évidemment minoré (par 0), donc il admet
un plus petit élément.
166
CHAPITRE XI. ENTIERS RELATIFS ET ARITHMÉTIQUE DE Z
Proposition 2.4.6.
Proposition 3.0.4.
Soient a, b, c ∈ Z. Alors :
Soit p et q sont deux nombres premiers distincts.
(i) (ac) ∨ (bc) = |c|(a ∨ b). Alors p et q sont premiers entre eux.
(ii) si (a, b) 6= (0, 0), alors |ab| = (a ∧ b).(a ∨ b).
Démonstration.
Par l’absurde, supposons p ∧ q 6= 1. Alors p ∧ q est un
Remarque 2.4.7. diviseur de p et de q autre que 1. p et q étant premiers,
Avant de calculer un PPCM, on factorisera au ce ne peut être un diviseur strict, donc p = p ∧ q = q. Or
maximum les nombres manipulés. p 6= q, donc c’est absurde.
Exercice 2.4.8.
Calculer 1750 ∨ 644. Proposition 3.0.5.
Soit a ∈ Z et p un nombre premier, si p ne divise
pas a, alors a et p sont premiers entre eux.
Corollaire 2.4.9.
Si a ∧ b = 1, alors a ∨ b = |ab|.
Démonstration.
Notamment, dans le cas où a ∧ b = 1, si a | c L’ensemble des diviseurs positifs de p est {1, p}, si p ne
et b | c, alors ab | c. divise pas a, l’ensemble des diviseurs positifs communs à a
et p est donc {1}.
167
CHAPITRE XI. ENTIERS RELATIFS ET ARITHMÉTIQUE DE Z
168
CHAPITRE XI. ENTIERS RELATIFS ET ARITHMÉTIQUE DE Z
L’ensemble k ∈ N pk |n est non vide car il contient fini, donc la valuation de a n’est non nulle que pour
0 ; de plus pk −−−−−→ +∞, donc il existe K ∈ N tel que un nombre fini d’entiers premiers. Il en est de même
k→+∞ pour b, et donc min(νp (a), νp (b)) n’est non nulle que
pK > n, donc cet ensemble est majoré. Comme c’est une pour un nombre Y finimin(ν
d’entiers premiers p.
partie de N, il admet bien un maximum. On note d = p p (a),νp (b))
. Alors :
p∈P
Exemple 3.0.10.
ν5 (50) = 2, ν3 (50) = 0. d×
Y
pνp (a)−min(νp (a),νp (b)) =
Y
pνp (a) = a
Exercice 3.0.11. p∈P p∈P
169
CHAPITRE XI. ENTIERS RELATIFS ET ARITHMÉTIQUE DE Z
170
Chapitre XII
1 Vocabulaire.
leur somme u + v, définie comme (un + vn )n∈N .
• Étant donnéune suite u et un scalaire λ, on
peut former la suite λu définie comme (λun )n∈N .
Définition 1.0.1 (Suite réelle).
• On dit que RN muni de ces deux opérations est
• Une suite à valeurs réelles ou suite réelle u
un espace vectoriel.
est une application de N dans R, u. On note en
• Étant donné deux suites u et v on peut former
général un au lieu de u(n) l’image de n par u.
leur produit uv, définie comme (un vn )n∈N .
• Étant donnée une expression e contenant la
• Étant donné deux suites u et v telles que v ne
variable n, on note (e)n∈N la suite N → R . u
n 7→ e s’annule pas, on peut former leur quotient ,
v
Ainsi, la suite u est souvent notée (un )n∈N . un
définie comme .
• La suite (un )n∈N est aussi appelée la suite de vn n∈N
terme général un . • Étant donné une suite u , on peut former la
• On note RN l’ensemble des suites réelles. suite |u| définie comme (|un |)n∈N .
• Étant donné deux suites u et v, on peut
former les suites min(u, v) et max(u, v), défi-
Remarque 1.0.2 (Représentation graphique des nie comme (min(un , vn ))n∈N et (max(un , vn ))n∈N .
termes d’une suite).
Cela peut se faire en plaçant les termes sur la
droite des réels (représentation unidimensionnelle)
ou en traçant le “graphe” de la suite (représen- Définition 1.0.5.
tation bidimensionnelle). Chacune présente des • Étant donné une propriété P sur les suites réelles
avantages et des inconvénients. et un entier n0 et une suite réelle u, on dit que P
est vraie à partir du rang n0 si la propriété P est
Remarque 1.0.3 (Modes de définition). vraie pour la suite des termes un0 , un0 +1 , un0 +2 ,
Il existe plusieurs manières de définir une suite. . . . autrement dit pour la suite v où v est définie
Définition explicite : on donne le terme géné- par ∀n ∈ N vn = un0 +n .
ral. On peut par exemple étudier la suite de • On dit que P est vraie à partir d’un certain
1 n rang s’il existe un entier n0 tel que la propriété P
terme général un = 1 + .
n est vraie à partir du rang n0 .
Définition par récurrence : on définit le pre-
mier terme, ainsi qu’une relation de récur- Remarque 1.0.6.
rence vérifiée par la suite. On peut par En général, seul le comportement des suites quand
exemple étudier la suite définie par u0 = 1 n tend vers l’infini nous intéresse, et non les pre-
et ∀n ∈ N, un+1 = sin(un ). Ces suites feront miers termes de la suite, d’où l’intérêt de la notion
l’objet d’une première étude dans la partie 6. de propriété vraie à partir d’un certain rang.
Définition implicite : on étudie souvent des
Exemple 1.0.7.
suites dont le terme général est solution d’une
• La suite (n(n − 5))n∈N n’est pas à valeurs po-
équation. On peut par exemple étudier la
sitives ou nulles mais elle est à valeurs positives
suite dont le terme général est l’unique réel
ou nulles à partir du rang 5 (ainsi d’ailleurs qu’à
solution sur R+ de l’équation x2 + x = n.
partir du rang 10, du rang 2389, . . . ).
• La suite u définie par
Définition 1.0.4 (Opérations sur les suites).
si n < 735
(
• Étant donné deux suites u et v on peut former n
∀n ∈ N un =
735 sinon
172
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
(iv) strictement monotone si la suite est stric- ∀ε ∈ R∗+ , ∃n0 ∈ N, ∀n ∈ N, n > n0 ⇒ |un − `| < ε.
tement croissante ou strictement décrois-
sante ; En pratique, on préférera souvent (mais pas tou-
(v) majorée (resp. minorée) s’il existe M ∈ R jours) utiliser des inégalités larges.
tel que pour tout n ∈ N, un 6 M (resp.
Remarque 2.1.3.
un > M ) ;
On utilise souvent les abus de notation suivant :
(vi) bornée si elle est majorée et minorée.
∀ε > 0, ∃n0 ∈ N, ∀n > n0 , |un − `| 6 ε.
173
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Théorème 2.1.6.
Toute suite convergente est bornée. Théorème 2.1.11 (Unicité de la limite).
Soit (un ) une suite réelle, soit `1 , `2 ∈ R tels que
Démonstration. un −−−−−→ `1 et un −−−−−→ `2 . Alors, `1 = `2 .
n→+∞ n→+∞
Soit (un ) convergeant vers ` ∈ R. Alors d’après la proposi-
tion précédente, il existe n0 ∈ N tel que pour tout n > n0 ,
|un − `| 6 1, et donc ` − 1 6 un 6 ` + 1. Par conséquent,
(un ) est bornée à partir du rang n0 . Mais les n0 premiers Démonstration.
termes de la suite étant en nombre fini, ils forment un Il convient a priori de distinguer 9 cas. Par symétrie, et
ensemble borné. L’ensemble des termes de la suite (un ) en supposant `1 6= `2 , il suffit de considérer les cas :
étant la réunion de deux ensembles bornées, il est borné • `1 ∈ R et `2 ∈ R ;
également, et donc la suite (un ) est bornée. • `1 ∈ R et `2 = −∞ ;
• `1 ∈ R et `2 = +∞ ;
Remarque 2.1.7. • `1 = −∞ et `2 = +∞.
La réciproque est évidemment fausse, comme le Nous ne détaillerons ici que les deux premiers, les deux
derniers sont laissés au lecteur.
prouve la suite ((−1)n )n∈N . 1
Si `1 ∈ R et `2 ∈ R, posons ε = |`1 − `2 | > 0. Alors, il
3
existe n1 , n2 ∈ N tels que, pour tout n ∈ N :
• si n > n1 , |un − `1 | 6 ε ;
Définition 2.1.8. • si n > n2 , |un − `2 | 6 ε.
Soit (un ) ∈ RN . On dit que (un ) tend vers +∞ si Alors, pour n > max(n1 , n2 ), on a par l’inégalité triangu-
laire
∀A ∈ R, ∃n0 ∈ N, ∀n ∈ N, n > n0 ⇒ un > A.
|`1 − `2 | = |`1 − un − (`2 − un )|
On note ceci un −−−−−→ +∞, ou plus simplement 6 |`1 − un | + |`2 − un |
n→+∞ 2
u → +∞. 6 |`1 − `2 |.
3
C’est impossible !
1
Si `1 ∈ R et `2 = −∞, posons A = `1 − 1 et ε = .
Définition 2.1.9. 2
Alors, il existe n1 , n2 ∈ N tels que, pour tout n ∈ N :
Soit (un ) ∈ RN . On dit que (un ) tend vers −∞ si • si n > n1 , |un − `1 | 6 ε ;
• si n > n2 , un 6 A.
∀A ∈ R, ∃n0 ∈ N, ∀n ∈ N, n > n0 ⇒ un 6 A. 1
Alors, pour n > max(n1 , n2 ), on a un 6 A < `1 − 6 un .
2
C’est impossible !
On note ceci un −−−−−→ −∞, ou plus simplement
n→+∞
u → −∞.
174
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Exemple 2.1.17.
Définition 2.1.12 (Limite).
Étudier la convergence de la suite cosn n
Soit u ∈ RN . Lorsqu’il existe un élément ` ∈ R n∈N∗
vérifiant un −−−−−→ `, on l’appelle la limite de u,
n→+∞
et on le note lim u ou lim un .
n→+∞
175
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Exemple 2.2.4.
` ∈ R∗− Déterminer les limites (si elles existent) des suites
de termes généraux suivants :
0
3n2 +n+15
1. un = n2 +sin n
+∞ 2. un = e n −3n
n2 −2n
1
n
−∞ 3. un = 1 + .
n
c Étude de
1
2.3 Limites et suites extraites.
un n∈N .
176
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Démonstration. Démonstration.
On traite le cas ` ∈ R, les deux autres cas sont laissés au 1
On pose ε = min (` − a; b − `) > 0. Soit n0 ∈ N tel que,
lecteur. 2
pour tout n > n0 , |un − `| 6 ε. On a a < ` − ε < ` + ε < b,
Soit ϕ une extractrice, soit ε > 0. Il existe donc un rang Alors, si n > n0 , on a `−ε 6 un 6 `+ε, donc a < un < b.
n0 ∈ N tel que , pour tout n > n0 , |un − `| 6 ε. Soit n > n0 ,
on a alors ϕ(n) > n > n0 et donc uϕ(n) − ` 6 ε.
Corollaire 2.4.2.
Corollaire 2.3.7. En particulier toute suite convergeant vers une
Si une suite admet deux suites extraites ne conver- limite strictement positive (resp. strictement né-
geant pas vers la même limite alors cette suite n’a gative) est strictement positive (resp. strictement
pas de limite. négative) à partir d’un certain rang.
Si une suite admet une suite extraite n’ayant
pas de limite, alors cette suite n’a pas de limite.
Corollaire 2.4.3.
Exemple 2.3.8. Soit u ∈ RN et (a, `) ∈ R2 . Supposons u −−−−−→ `.
n→+∞
Montrer que les suites ((−1)n )n∈N et cos nπ
3 n∈N 1. Si à partir d’un certain rang un 6 a, alors
ne convergent pas. ` 6 a.
2. Si à partir d’un certain rang a 6 un , alors
a 6 `.
Théorème 2.3.9.
Soit u une suite à valeurs réelles et ` ∈ R.
Si on a u2n −−−−−→ ` et u2n+1 −−−−−→ `,
n→+∞ n→+∞
alors un −−−−−→ `. Ne pas croire que si à partir d’un cer-
n→+∞
tain rang un < a, alors ` < a. En passant à la
limite dans une inégalité, les inégalités strictes
Démonstration. deviennent
des inégalités larges. (Par exemple :
On traite le cas ` ∈ R, les deux autres cas sont laissés au la suite n1 converge vers 0, et pourtant tous
lecteur. ∗
n∈N
Soit ε > 0. Il existe donc deux rangs N et N 0 tels que, les termes sont strictement positifs).
pour tout entier naturel n,
• si n > N , |u2n − `| 6 ε ;
• si n > N 0 , |u2n+1 − `| 6 ε. Corollaire 2.4.4.
Ainsi, si n > max(2N, 2N 0 + 1), on a |un − `| 6 ε (il suffit Soient u et v deux suites réelles telles que, à partir
de distinguer selon la parité de N ), d’où le résultat. d’un certain rang, un 6 vn . Si les suites u et v
convergent respectivement vers ` et `0 , alors ` 6 `0 .
2.4 Limites et inégalités.
b. Autrement dit : et 1 + 1
n −
−−−−→ 1.
n→+∞
Exercice 2.4.6.
∃n0 ∈ N ∀n ∈ N n > n0 ⇒ a < un < b n
1
!
Montrer que la suite (Hn ) = ne
X
k=1
k
n∈N∗
177
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Remarque 3.1.2.
Ce théorème est temporairement admis, la défi- b Suites monotones.
nition de convergence pour les fonctions n’ayant
pas encore été donnée.
178
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Exemple 3.2.5.
La définition et le théorème des suites
On exprime souvent le premier point du théo-
adjacentes sont fondamentaux. Le fait qu’ils
rème en disant que «toute suite croissante majorée
s’écrivent de façon très concise n’en réduit pas
converge». Soit u et v les suites définies par
l’importance mais rend en revanche inexcusable
les confusions entre ce qui relève de la définition
∀n ∈ N un = n et vn = n + n2
et ce qui relève du théorème.
La suite u est croissante, majorée par la suite v : Remarque 3.2.9.
c’est donc une suite croissante majorée. Donc u Soient (un )n∈N et (vn )n∈N deux suites réelles ad-
converge ? jacentes, avec (un )n∈N croissante.
Notons ` leur limite commune. Alors, ∀n ∈
N, un 6 ` 6 vn et ∀(p, q) ∈ N2 , up 6 ` 6 vq .
Une suite croissante majorée converge
vers le plus petit de tous ses majorants. Le plus Exemple 3.2.10.
petit de ses majorants n’est pas nécessairement Les suites (un )n∈N∗ et (vn )n∈N∗ définies par un =
n
le plus petit de ceux que vous avez déjà trouvés ! 1
et vn = un + n.n! sont adjacentes.
X
1
Retenir : k=0
k!
179
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
180
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Le principe est relativement simple : on prend u0 le milieu de I : aucune suite à valeurs dans X ne peut
pour premier terme de cette suite extraite. On a converger vers `. En effet, en considérant ε le quart du
u0 ∈ I0 . On prend alors pour terme suivant le premier diamètre de I, on a, pour tout x ∈ X, |x − `| > ε. Ainsi,
terme suivant de u appartenant à I1 . Un tel terme X rencontre I.
existe puisque u prend une infinité de fois ses valeurs
dans I1 . On prend alors pour terme suivant le premier
terme suivant de u appartenant à I2 . Etc. Proposition 4.0.4.
Plus formellement, on définit par récurrence l’appli- Soit X une partie non vide de R. Alors il existe
cation ϕ comme suit :
une suite u à valeurs dans X de limite sup X.
(a) ϕ(0) = 0.
(b) pour tout n ∈ N, ϕ(n + 1) est le plus petit 1. Si X est majorée, sup X ∈ R et u converge.
entier k strictement supérieur à ϕ(n) vérifiant 2. Si X n’est pas majorée, alors sup X = +∞
uk ∈ In+1 . La suite u prenant une infinité de
et u tend vers +∞.
fois ses valeurs dans I(n + 1), un tel k existe.
Posons alors, pour n ∈ N, vn = uϕ(n) .
On a pour tout n ∈ N, vn ∈ In . Donc v converge. Démonstration.
La suite u admet donc bien une suite extraite conver- Si X n’est pas majorée, c’est facile : pour tout n ∈ N, il
gente. existe x ∈ X vérifiant x > n. On construit donc une suite
u à valeurs dans X vérifiant ∀n ∈ N, un > n.
Si X est majorée, revenir à la caractérisation de la borne
supérieure dans le cas réel donnée dans le chapitre VIII.
4 Traduction séquentielle de cer- Remarque 4.0.5.
taines propriétés. Un résultat analogue existe concernant la borne
inférieure.
Exercice 4.0.6.
Définition 4.0.1. Soit X une partie non vide de R majorée par un
On dit qu’une partie de R est dense dans R si elle réel a tel qu’il existe une suite u à valeurs dans
rencontre tout intervalle ouvert non vide de R. X de limite a. Montrer que a = sup X.
Proposition 4.0.3.
Soit X ⊂ R. X est dense dans R si et seulement Définition 5.1.1.
si pour tout ` ∈ R il existe une suite u à valeurs Soit α et r deux complexes. On appelle suite
dans X convergeant vers `. arithmétique de premier terme α et de raison r la
suite u définie par
Démonstration.
u0 = α,
(
Supposons que X est dense dans R, soit ` ∈ R. Alors, pour
tout entier naturel n, X∩]` −
1
,` +
1
[ est non ∀n ∈ N, un+1 = r + un .
n+1 n+1
vide et l’on peut donc construire une suite u d’éléments de
1
X telle que, pour tout entier naturel n, ` − 6 un 6
n+1
1 Remarque 5.1.2.
`+ . Par encadrement, u converge vers `.
n+1 Une suite arithmétique est à valeurs réelles si et
Réciproquement, soit une telle partie X, montrons que
X est dense dans R. Soit I un intervalle ouvert non vide seulement si son premier terme et sa raison sont
de R. Si I ∩ X = ∅, il suffit de prendre ` comme étant réels.
181
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Remarque 5.1.3.
u est arithmétique de raison r si et seulement si Définition 5.2.1.
Soit α et r deux complexes. On appelle suite
(un+1 − un )n∈N = (r)n∈N . géométrique de premier terme α et de raison r la
suite u définie par
On peut voir cela comme une équation portant
u0 = α,
(
sur une transformation linéaire de u.
Ce que l’on pourrait appeler « l’équation homo- ∀n ∈ N, un+1 = r · un .
gène associée » a pour solution toutes les suites
constantes.
Le résultat suivant montre d’ailleurs que l’en-
Remarque 5.2.2.
semble des suites arithmétiques de raison r est
Une suite géométrique est à valeurs réelles si et
de la forme « solution particulière + solutions
seulement si son premier terme est nul ou son
homogènes ».
premier terme et sa raison sont réels.
Remarque 5.2.3.
Proposition 5.1.4. u est géométrique de raison r si et seulement si
Soit r ∈ C et u une suite arithmétique de raison r.
Alors ∀n ∈ N, un = nr + u0 . De plus (un+1 − run )n∈N = (0)n∈N .
n
u0 + un On peut voir cela comme une équation homogène
uk = (n + 1)
X
∀n ∈ N .
k=0
2 portant sur une transformation linéaire de u.
Le résultat suivant montre d’ailleurs que l’en-
semble des suites géométriques de raison q a la
structure habituelle d’un ensemble de solutions
Démonstration.
n
X homogènes.
Revenir à la formule donnant k.
k=0
Démonstration.
n
X
Revenir à la formule donnant rk .
5.2 Suites géométriques.
k=0
182
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Démonstration.
∀n ∈ N, un+1 = aun + b. (AG)
Direct d’après la question précédente.
Remarque 5.3.4.
On peut aussi énoncer les résultats de conver- On peut écrire cela
gence dans C (voir la partie 7 pour une définition
précise de la notion de limite de suite de com- (un+1 − aun )n∈N = (b)n∈N .
plexes).
Ce que l’on pourrait appeler « l’équation homo-
gène associée » a pour solution toutes les suites
Proposition 5.2.6. géométriques de raison a.
Soit r ∈ C et u une suite complexe géométrique Le résultat suivant montre d’ailleurs que l’en-
de raison r, avec u0 6= 0. semble des suites solutions de AG est de la forme
• La suite u converge si et seulement si |r| < 1 « solution particulière + solutions homogènes ».
ou r = 1.
• Si |r| < 1, alors u tend vers 0.
Proposition 5.3.5.
Soit v une solution de (AG) et u une suite. Alors
Démonstration.
Il suffit de voir que |u| est géométrique de raison |q|. Le u est solution de AG si et seulement si u − v (i.e.
cas où q ∈ U \ {−1, 1} sera traité en TD. la suite de terme général un − vn pour n ∈ N) est
géométrique de raison a.
5.3 Suites arithmético-géométriques.
Démonstration.
Très facile.
Définition 5.3.1.
Une suite u est dite suite arithmético-géométrique Proposition 5.3.6.
s’il existe deux nombres complexes a et b véri- Si a 6= 1, alors il existe une unique suite constante
fiant : solution de (AG).
∀n ∈ N, un+1 = aun + b.
Démonstration.
Très facile.
Remarque 5.3.2.
Il s’agit d’une généralisation des notions de suites Remarque 5.3.7.
arithmétiques et géométriques : Si a = 1, on étudie une suite arithmétique ...
183
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
184
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
185
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
186
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
187
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Proposition 7.0.7.
Soit u, v deux suites complexes convergeant res-
Définition 7.0.3. pectivement vers ` et `0 , soit λ, µ ∈ C. Alors
On dit que u converge vers ` si λu + µv converge, vers λ` + µ`0 .
|un − `| −−−−−→ 0.
n→+∞
Définition 7.0.8.
On dit que u est bornée si son module l’est.
Démonstration.
C’est une conséquence directe de la remarque précédente.
Remarque 7.0.9.
C’est équivalent au fait que Re(u) et Im(u) soient
Remarque 7.0.4. 1. Cette définition étend la
bornées.
définition de la convergence pour les suites à
valeurs réelles.
2. Il n’y a pas de notion similaire à +∞ et −∞
Proposition 7.0.10.
sur C, donc pas de notion de limite infinie
Toute suite complexe convergente est bornée.
pour les suites à valeurs complexes (mais on
peut regarder si |u| tend vers +∞).
3. Les résultats usuels sur les suites à valeurs
réelles s’étendent naturellement aux suites à Théorème 7.0.11 (Bolzano-Weierstrass).
valeurs complexes... sauf ceux qui font appel De toute suite à valeurs complexes bornée, on
à l’ordre sur R vu qu’il n’y a pas d’ordre peut extraire une sous-suite convergente.
«raisonnable» sur C.
La proposition suivante peut être utile. Démonstration (non exigible).
Considérons une suite u à valeurs complexes bornées. No-
tons r et j respectivement les suites Re(u) et Im(u).
Proposition 7.0.5. r et j sont bornées et à valeurs réelles. D’après le théo-
rème de Bolzano-Weierstrass sur les suites à valeurs réelles,
on peut donc extraire de chacune une sous-suite conver-
u −−→ ` ⇒ |un | −−−−−→ |`| gente. Pourtant cela ne suffit pas à montrer le résultat.
+∞ n→+∞
Pourquoi ?
Considérons ϕ une extraction de r telle que r ◦ ϕ
converge.
Démonstration.
Alors j ◦ ϕ est bornée. On peut donc en trouver une
De la définition 7.0.3 et de l’inégalité triangulaire :
extraction ψ telle que j ◦ ϕ ◦ ψ converge.
∀n ∈ N ||un | − |`|| 6 |un − `| r ◦ ϕ converge donc r ◦ ϕ ◦ ψ converge vers la même
valeur.
on déduit immédiatement |un | −−−−−→ |`|, d’où le résultat. Or r ◦ ϕ ◦ ψ = Re(u ◦ ϕ ◦ ψ) et j ◦ ϕ ◦ ψ = Im(u ◦ ϕ ◦ ψ).
n→+∞
Donc u ◦ ϕ ◦ ψ converge.
188
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Proposition 8.1.1.
N
!
9 Annexe : unification des no-
Les suites (un )n∈N et (un+1 − un ) ont
X
n=0
tions de limites.
N ∈N
même nature.
Dans le cas de convergence, si un −−−−−→ `, alors On note R l’ensemble R ∪ { +∞, −∞ }.
n→+∞
Remarque 9.0.1.
N
X Nous avons étudié trois types de limites diffé-
un+1 − un −−−−−→ ` − u0 . rents : vers un point réel, vers +∞ et vers −∞.
N →+∞
n=0
Vous avez remarqué que les définitions « naïves »
de ces trois notions de limites ont une structure en
Démonstration. commun. Afin d’éviter des répétitions fastidieuses
Nous savons déjà que les suites (un )n∈N et (un+1 )n∈N ont et de mettre en avant les idées pertinentes, nous
même nature.
N
sommes ammenés à développer un vocabulaire
permettant de traiter simultanément ces trois no-
X
De plus la somme (un+1 − un ) vaut uN +1 − u0 par
n=0 tions : c’est le début de la topologie, qui fait
sommation télescopique. Elle est donc égale au terme uN +1 , intervenir la notion de voisinage. Il convient de
à une constante près, et a donc la même nature que la
suite (un+1 )n∈N . bien savoir utiliser de manière pertinent les deux
Dans le cas de convergence, il reste à passer à la limite visions, :
N
X • dans les cas où l’on sait si la limite étudiée
dans la relation (un+1 − un ) = uN +1 − u0 .
est finie, vaut +∞ ou −∞, on utilisera les
n=0
définitions naïves des limites (propositions
8.2 Séries géométriques. 9.2.4, 9.2.5 et 9.2.6) ;
• dans les autres cas, il peut être judicieux de
Soit z un nombre complexe, p un entier naturel. raisonner en termes de voisinages.
189
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
réels situés à une distance de a strictement réduit à un point) contenant a dont a n’est
inférieure à ε : pas une extrémité.
B(a, ε) = { x ∈ R | |x − a| < ε }
Démonstration.
= ]a − ε, a + ε[ Simple, une fois que l’on a remarqué que si a ∈ R et ε > 0,
ε ε
(ii) On appelle boule fermée de centre a et de B a,
2
⊂ Bf a,
2
⊂ B(a, ε).
rayon ε, et on note Bf (a, ε) l’ensemble des
réels situés à une distance de a inférieure ou
égale à ε :
Définition 9.1.3.
Bf (a, ε) = { x ∈ R | |x − a| 6 ε } Soit a ∈ R et P un prédicat sur les réels. On dit
= [a − ε, a + ε] que P est vraie au voisinage de a si l’ensemble
{ x ∈ R | P (x) } est un voisinage de a.
(iii) On appelle voisinage de a toute partie de
R contenant au moins une boule ouverte de Exemple 9.1.4.
centre a. L’ensemble des voisinages de a est Soit f : R → R. Traduire l’expression « f est à
noté V(a). valeurs positives au voisinage de a » :
n o
1. pour a ∈ R ?
V(a) = E ∈ P(R) ∃ε ∈ R+∗ B(a, ε) ⊂ E
2. pour a = +∞ ?
(iv) On appelle voisinage de +∞ toute partie 3. pour a = −∞ ?
de R contenant au moins un intervalle de la Mêmes questions pour
forme ]A, +∞[, où A est un réel. L’ensemble
1. «f est nulle au voisinage de a»
des voisinages de +∞ est noté V(+∞).
2. «f est non nulle au voisinage de a»
V(+∞) = { E | ∃A ∈ R ]A, +∞[⊂ E } Au voisinage de quels points les fonctions 1Z et
1R\Z sont-elles nulles ?
(v) On appelle voisinage de −∞ toute partie
de R contenant au moins un intervalle de la 9.2 Convergence de suite dans R
forme ]−∞, A[, où A est un réel. L’ensemble
des voisinages de −∞ est noté V(−∞).
Définition 9.2.1.
V(−∞) = { E | ∃A ∈ R ] − ∞, A[⊂ E }
Soit u ∈ RN et ` ∈ R.
(i) On dit que u tend vers `, ou que un tend vers
` quand n tend vers +∞ (noté u −−→ ` ou
+∞
Proposition 9.1.2. un −−−−−→ `), si, pour tout voisinage V de `,
n→+∞
Soit V ⊂ R et a ∈ R. Les conditions suivantes les valeurs prises par u appartiennent toutes
sont équivalentes : à V à partir d’un certain rang. Autrement
(i) V est un voisinage de a dit, si l’on a
(ii) V contient au moins un intervalle ouvert ∀V ∈ V(`) ∃n0 ∈ N ∀n ∈ N n > n0 ⇒ un ∈ V
(non vide) contenant a
(iii) V contient au moins un intervalle fermé (non (ii) Si ` ∈ R, on dit alors que u converge vers `.
190
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Démonstration.
À faire en exercice.
Remarque 9.2.2.
Si u −−→ `, on dit que ` est une limite de u. Nous
+∞ 9.3 Démonstrations des résultats pré-
montrerons bientôt l’unicité de cette limite.
cédemment obtenus
Remarque 9.2.3.
Les propriétés énoncées auparavant peuvent
Une suite qui tend vers +∞ (ou vers −∞) diverge.
maintenant se prouver plus rapidement !
191
CHAPITRE XII. SUITES RÉELLES ET COMPLEXES
Démonstration. Démonstration.
Il suffit de démontrer que u ne peut admettre deux limites ]a, b[ est un voisinage de `.
distinctes. Par l’absurde, supposons que u admette deux
limites `1 et `2 distinctes. D’après le lemme précédent, on 9.4 Suites complexes
peut choisir des voisinages V1 et V2 respectivement de `1
et `2 qui soient disjoints. u ayant pour limite `1 (resp. `2 ), Il est possible de définir la notion de limite d’une
choisissons un rang n1 (resp. n2 ) tel que les termes de u
suite complexe de la même manière que pour les
appartiennent à V1 (resp. V2 ) à partir du rang n1 (resp.
n2 ). Notons n0 le plus grand de ces deux rangs. Alors un0 suites réelles, en utilisant les voisinages. Ainsi, si
appartient à la fois à V1 et à V2 , ce qui est absurde puisque l’on définit ce qu’est une boule ouverte dans C (ce
V1 ∩ V2 = ∅. qui a été fait dans le chapitre sur les complexes),
on dira qu’un voisinage d’un complexe ` est toute
partie de C contenant une boule ouverte contenant
Théorème 9.3.4. `. La définition 9.2.1 peut alors être répétée dans
Soit u ∈ RN et ` ∈ R. Si u −−→ ` alors toute suite le cas d’une suite complexe. Faisons le bilan : dans
+∞
extraite de u tend aussi vers `. la définition 9.1.1, on change les valeurs absolues
en modules et on ne parle plus d’intervalle, on
Démonstration. exclut le cas des limites infinies qui n’ont pas de
Soit ϕ une extractrice, soit V un voisinage de `. Il existe sens dans C, et le reste est commun aux suites
donc un rang n0 ∈ N tel que , pour tout n > n0 , un ∈ V . réelles et complexes.
Soit n > n0 , on a alors ϕ(n) > n > n0 et donc uϕ(n) ∈
V.
De manière générale, dans tout ensemble sur
lequel on peut construire une distance on peut
donner les définitions de boule ouverte, voisinage
Théorème 9.3.5. et limite d’une suite de cette manière.
Soit u une suite à valeurs réelles et ` ∈ R.
Si on a u2n −−−−−→ ` et u2n+1 −−−−−→ `,
n→+∞ n→+∞
alors un −−−−−→ `.
n→+∞
Démonstration.
Soit V un voisinage de `. Il existe donc deux rangs N et
N 0 tels que, pour tout entier naturel n,
• si n > N , u2n ∈ V ;
• si n > N 0 , u2n+1 ∈ V .
Ainsi, si n > max(2N, 2N 0 + 1), on a un ∈ V (il suffit de
distinguer selon la parité de N ), d’où le résultat.
Proposition 9.3.6.
Soit u ∈ RN et (a, b, `) ∈ R. Supposons u −−→ `
+∞
et a < ` < b. Alors à partir d’un certain rang, les
192
Chapitre XIII
Définition 1.1.2.
Définition 1.2.4. 1. Soit e ∈ E. on dit que
On appelle magma tout couple constitué d’un
e est un élément neutre à gauche (resp. à
ensemble et d’une lci.
droite) pour ∗ si pour tout x ∈ E on a
e ∗ x = x (resp. x ∗ e = x). On dit que e
Exemple 1.1.3. est un élément neutre pour ∗ si c’est un élé-
(Z, −) est un magma, mais pas (N, −), car −4 6∈ N. ment neutre à gauche et à droite, i.e. pour
tout x ∈ E, e ∗ x = x ∗ e = x.
Dans toute la suite, ∗ est une lci sur E.
2. Soit e un neutre pour ∗ et soit x ∈ E. On dit
que x est inversible à gauche (resp. à droite)
1.2 Propriétés usuelles des lci. s’il existe un élément y ∈ E tel que y ∗ x = e
(resp. x ∗ y = e). Un tel élément y s’appelle
UN inverse à gauche (resp. à droite) de x.
Définition 1.2.1. On dit que x est inversible s’il est inversible
Soit (E, ∗) un magma. à gauche et à droite, i.e. il existe y ∈ E tel
194
CHAPITRE XIII. GROUPES, ANNEAUX, CORPS
Démonstration.
que y ∗ x = x ∗ y = e. Dans ce cas y est UN Soient y et y 0 deux inverses 2 de x ∈ E. Alors y ∗ x = e et
inverse de x. x ∗ y 0 = e. Donc y ∗ (x ∗ y 0 ) = y ∗ e = y et (y ∗ x) ∗ y 0 =
e ∗ y 0 = y 0 , d’où y = y 0 .
1. On pourra remarquer que dans cette démonstration 2. On pourra remarquer que dans cette démonstration
on utilise uniquement le fait que e est neutre à gauche et on utilise uniquement le fait que y est inverse à gauche et
e0 neutre à droite. Donc en fait tout neutre à gauche est y 0 inverse à droite. Donc en fait tout inverse à gauche est
égal à tout neutre à droite, d’où l’on déduit d’une part que égal à tout inverse à droite, d’où l’on déduit d’une part que
l’existence d’un neutre à gauche et d’un neutre à droite l’existence d’un inverse à gauche et d’un inverse à droite
suffit à assurer l’existence d’un neutre et d’autre part que pour x suffit à assurer l’existence d’un inverse et d’autre
ce neutre est alors le seul neutre à gauche et le seul neutre part que cet inverse est alors le seul inverse à gauche et le
à droite. Pour qu’un élément ait plusieurs neutres à gauche, seul inverse à droite de x. Pour qu’un élément ait plusieurs
il est donc nécessaire (mais pas suffisant) qu’il n’ait aucun inverses à gauche, il est donc nécessaire qu’il n’ait aucun
neutre à droite et vice-versa. inverse à droite et vice-versa
195
CHAPITRE XIII. GROUPES, ANNEAUX, CORPS
forcément !
Définition 2.1.1.
Dans toute la suite, on adoptera la notation On appelle groupe tout magma associatif, ayant
multiplicative, et on suppose que E a un un neutre, et dont tout élément est inversible.
neutre noté 1. Si un groupe est commutatif (ce qui signifie en
fait que sa loi est commutative), il est dit abélien.
2 Structure de groupe.
2.2 Sous-groupes.
2.1 Définition et exemples. Dans toute la suite, (G, ∗) est un groupe de
neutre e. On adopte la notation multiplica-
tive.
196
CHAPITRE XIII. GROUPES, ANNEAUX, CORPS
∀(x, y, z) ∈ H 3 (x ∗ y) ∗ z = x ∗ (y ∗ z)
Proposition 2.2.3.
Donc la restriction de ∗ à H est associative, d’où le
Un ensemble H est un sous groupe de G si et
résultat.
seulement si H est un sous-ensemble non vide de
3. e est neutre pour la loi induite par ∗ sur H. En effet,
G et pour tout (x, y) ∈ H 2 , on a x−1 ∗ y ∈ H. e est le neutre de ∗, donc
Démonstration. ∀x ∈ G e∗x=x∗e=x
Montrons l’implication et sa réciproque :
D’où le résultat.
• Supposons que H est un sous-groupe de G. Alors
H contient e et n’est donc pas vide. De plus, soit 4. Tout élément de H admet un inverse pour la loi
(x, y) ∈ H. H étant stable par passage à l’inverse, induite par ∗. En effet tout élément x de H admet un
on a alors x−1 ∈ H et par stabilité par produit, on inverse x−1 dans G pour la loi ∗ et par stabilité de
a donc x−1 ∗ y ∈ H. l’inverse sur le sous-groupe H, on a x−1 ∈ H. Donc
• Réciproquement, supposons que H est non vide et tout élément de H admet un inverse dans H pour la
que pour tout (x, y) ∈ H 2 , on a x−1 ∗ y ∈ H. Mon- loi induite par ∗.
trons que H possède les trois propriétés énumérées 5. On déduit des points précédents que H muni de la
dans sa définition : loi induite par ∗ est un groupe.
(i) H étant non vide, il possède au moins un élé-
ment x0 . On a alors e = x−1
0 x0 ∈ H.
(iii) Soit x ∈ H. On a alors (x, e) ∈ H 2 , donc x−1 ∗ Remarque 2.2.6.
e ∈ H. Il est plus facile de montrer qu’un ensemble est un
(ii) Soit (x, y) ∈ H. D’après ce qui précède, on sous-groupe que de montrer que c’est un groupe
a alors x−1 ∈ H, donc (x−1 , y) ∈ H 2 , donc
−1 (pas besoin de redémontrer l’associativité, etc.).
x ∗ y = x−1 ∗ y ∈ H.
Par exemple (U, ×) est un groupe, vu comme sous-
groupe de (C∗ , ×).
Remarque 2.2.4. À chaque fois que l’on essaiera de montrer qu’un
On obtient une proposition vraie également en ensemble est muni d’une structure de groupe, on
remplaçant ci-dessus la condition x−1 y ∈ H par tentera de le voir comme un sous-groupe d’un
xy −1 ∈ H. groupe bien connu.
197
CHAPITRE XIII. GROUPES, ANNEAUX, CORPS
198
CHAPITRE XIII. GROUPES, ANNEAUX, CORPS
Théorème 2.3.9. (i) La composée de deux Théorème 2.3.12. (i) L’image d’un sous-
morphismes de groupes est un morphisme groupe par un morphisme de groupes est
de groupe. Plus précisément, soit (G1 , ∗1 ), un sous-groupe.
(G2 , ∗2 ) et (G3 , ∗3 ) trois groupes, ϕ un mor- (ii) L’image réciproque d’un sous-groupe par un
phisme de G1 dans G2 et ψ un morphisme morphisme est un sous-groupe.
199
CHAPITRE XIII. GROUPES, ANNEAUX, CORPS
200
CHAPITRE XIII. GROUPES, ANNEAUX, CORPS
Remarque 2.3.24.
Pour montrer qu’un morphisme est injectif, on Tous les éléments de A ne sont pas inver-
utilisera TOUJOURS le noyau et JAMAIS (ou sibles pour ×. Les éléments inversibles sont parfois
presque) la méthode classique pour des fonctions appelés éléments unités de A et leur ensemble est
quelconques : c’est beaucoup plus rapide ! noté U (A), A× , A∗ , voire E(A) (Einheit).
201
CHAPITRE XIII. GROUPES, ANNEAUX, CORPS
=0×b k=0
=0 d’après (1)
n(a × b) =(−n)(−(a × b)) par définition de Proposition 3.1.8 (Groupe des inversibles).
la multiplication par un entier Soit (A, +, ×) un anneau. Alors (A∗ , ×) est un
=(−n)((−a)b) d’après 2 groupe, autrement dit l’ensemble des éléments
=((−n)(−a))b inversibles de A, muni de (la loi induite par) la
d’après le cas précédent multiplication de A est un groupe.
202
CHAPITRE XIII. GROUPES, ANNEAUX, CORPS
∀(a, b) ∈ A2 ab = 0 ⇒ (a = 0 ou b = 0).
Définition 3.2.1.
Soit (A, +, ×) un anneau, soit B un ensemble.
Alors, B est un sous-anneau de (A, +, ×) si
Remarque 3.1.11.
• B⊂A ;
Pour tout anneau A, on a 0A = 1A si et seulement
• B est un sous-groupe de (A, +) ;
si A est un anneau nul. En effet, supposons 0A =
• B est stable par × : pour tout x, y ∈ B,
1A , alors pour tout x ∈ A, on a x = 1A × x =
xy ∈ B ;
0A × x = 0A , donc tout élément de A est nul,
• 1A ∈ B.
donc A est l’anneau nul. Réciproquement si A est
un anneau nul, tous les éléments de A sont égaux
(puisqu’il n’y en a qu’un !) donc 0A = 1A . Remarque 3.2.2.
Remarque 3.1.12. Le caractère de sous-groupe d’un sous-anneau B
Un élément inversible a n’est jamais un diviseur implique que B 6= ∅, la condition 1A ∈ B est
de 0. En effet, pour tout b vérifiant ab = 0, on a toutefois primordiale.
nécessairement a−1 ab = 0, donc b = 0. Par exemple, 2Z vérifie les trois premiers points,
mais n’est pas un sous-anneau de (Z, +, ×).
Exemple 3.1.13.
• Les anneaux usuels C, R, Q, Z sont intègres. Exemple 3.2.3.
• (F (R, R), +, ×) n’est pas intègre : ex : consi- Si (A, +, ×) est un anneau, alors A est un sous-
dérer f, g : R → R, f (x) = 0 si x > 0 et g(x) = 0 anneau de (A, +, ×).
si x 6 1. Z est un sous-anneau de (R, +, ×).
• Z/6Z n’est pas intègre : 2̄ × 3̄ = 0̄. De manière Exercice 3.2.4 (anneau des entiers de Gauss).
générale, Z/nZ n’est pas intègre quand n est com- On note Z[i] = { a + ib | a, b ∈ Z }.
posé. Montrer que Z[i] est un sous-anneau de
• (L (R2 ), +, ◦) n’est pas intègre. Par exemple (C, +, ×).
avec f (x, y) = (x, 0) et g(x, y) = (0, y) nous avons
f ◦ g = 0. Exercice 3.2.5.
• Mn (K) n’est pas intègre non plus, comme nous Quel est le plus petit sous-anneau d’un anneau
l’avons déjà vu en début d’année. En effet, Mn (K) (A, +, ×) ?
n’est pas un anneau commutatif, et de plus cet 3. Regarder l’ensemble des suites à valeurs entières muni
anneau possède des diviseurs de zéro non nuls. de l’addition et de la multiplication terme à terme
203
CHAPITRE XIII. GROUPES, ANNEAUX, CORPS
204
CHAPITRE XIII. GROUPES, ANNEAUX, CORPS
Remarque 4.0.4.
Un corps est un anneau qui est intègre, par contre
un anneau intègre n’est pas forcément un corps !
Trouvez un exemple ...
205
CHAPITRE XIII. GROUPES, ANNEAUX, CORPS
206
Chapitre XIV
208
CHAPITRE XIV. LIMITE D’UNE FONCTION
pour x au voisinage de 0 (elle n’est vraie qu’en nombre fini d’intervalles disjoints est l’union de
0). leurs adhérences (resp. leurs intérieurs).
On va s’intéresser dans la suite à la notion de Remarque 1.0.12.
limite de fonction. Étant donné une partie E de E est dense dans R si et seulement si E = R.
R, une fonction f définie sur E et a ∈ R, sans
même connaître f , il est intuitivement clair que la
notion de limite de f n’a pas de sens dans certains
cas. Par exemple si E = R− , se questionner sur Définition 1.0.13.
la limite de f en +∞ ou en 1 n’a aucun sens. Soit I un intervalle de la forme (a, b), avec a, b ∈ R,
La définition ci-dessous va nous permettre, étant tels que a 6 b, et où les symboles ( et ) peuvent
donné E, de définir précisément en quels points prendre la valeurs [ ou ].
chercher si f admet une limite a un sens. Cet 1. On appelle intérieur de I, noté Int(I) ou
ensemble de points est appelé l’adhérence de E. ˚
I, l’intervalle ]a, b[, c’est-à-dire I privé de
ses extrémités. C’est le plus grand intervalle
Exercice 1.0.9.
ouvert contenu dans I.
Pour les ensembles E suivants, quelles sont les
valeurs sur lesquelles chercher si f admet une 2. On appelle fermeture ou adhérence de I, noté
limite a un sens ? I, l’intervalle [a, b], c’est-à-dire I augmenté
de ses extrémités. C’est le plus petit intervalle
1. R 5. ]π, 42] fermé de R̄ contenant I.
2. [0, +∞[ 6. R∗
3. ]0, +∞[ 7. ]−∞, −7]∪]6, 42]
Définition 1.0.14.
4. ]π, 42[ 8. {0}
Soit I un intervalle de R, soit a ∈ R. Si a ∈ I, on
dit que a adhère à I.
Définition 1.0.10 (HP – sera vu en MP).
Soit E un sous-ensemble de R.
1. On appelle intérieur de E et l’on note E̊ 2 Définitions de la limite d’une
l’ensemble des x ∈ R tels que E soit un
fonction.
voisinage de x, c’est-à-dire l’ensemble des
x appartenant à E tels que E contienne un Comme pour les suites, nous allons donner diffé-
intervalle ouvert centré en x. rentes définitions naïves de limites de fonctions :
2. On appelle adhérence de E et l’on note E on peut considérer la limite d’une fonction en un
l’ensemble des éléments de R limites de suites point réel, en +∞ et en −∞ ; on peut considé-
d’éléments de E. rer une limite réelle ou infinie. On traite donc
3. On appelle frontière de E l’ensemble E \ E̊ séparément neuf cas différents.
La notion topologique de voisinage, que vous
verrez l’année prochaine, permet d’unifier tout
Exercice 1.0.11. cela en un seul vocabulaire : quel gain en efficacité
Vérifier que pour les exemples de l’exercice 1.0.9, et en élégance !
cette définition donne bien la même chose.
En pratique, on pourra essentiellement se 2.1 Limite en un point.
contenter de la définition suivante, en se rappelant
que l’adhérence (resp. l’intérieur) de l’union d’un
209
CHAPITRE XIV. LIMITE D’UNE FONCTION
Remarque 2.1.5.
Définition 2.1.1 (Limite en un point réel). On préférera parfois écrire x > B sous la forme
Soit a ∈ I ∩ R, soit ` ∈ R. x ∈ [B, +∞[.
• On dit que f tend vers ` en a et l’on note f −
→` Le bloc ∀x ∈ I, x > B ⇒ [...] s’écrit alors
a
ou f (x) −−−→ ` si ∀x ∈ I ∩ [B, +∞[, [...].
x→a
On remarquera la structure commune :
∀ε > 0, ∃α > 0, ∀x ∈ I, |x−a| 6 α ⇒ |f (x)−`| 6 ε.
∀[...], ∃B ∈ R, ∀x ∈ I, x > B ⇒ f (x) ∈ [...].
• On dit que f tend vers +∞ en a et l’on note
f−→ +∞ ou f (x) −−−→ +∞ si
a x→a Définition 2.1.6 (Limite en −∞).
Supposons que inf I = −∞, soit ` ∈ R.
∀A ∈ R, ∃α > 0, ∀x ∈ I, |x − a| 6 α ⇒ f (x) > A.
• On dit que f tend vers ` en −∞ et l’on note
• On dit que f tend vers −∞ en a et l’on note f −−→ ` ou f (x) −−−−→ ` si
−∞ x→−∞
f−→ −∞ ou f (x) −−−→ −∞ si
a x→a ∀ε > 0, ∃B ∈ R, ∀x ∈ I, x 6 B ⇒ |f (x) − `| 6 ε.
∀A ∈ R, ∃α > 0, ∀x ∈ I, |x − a| 6 α ⇒ f (x) 6 A.
• On dit que f tend vers +∞ en −∞ et l’on note
f −−→ +∞ ou f (x) −−−−→ +∞ si
−∞ x→−∞
Remarque 2.1.2.
∀A ∈ R, ∃B ∈ R, ∀x ∈ I, x 6 B ⇒ f (x) > A.
On préférera parfois écrire |x − a| 6 α sous la
forme x ∈ [a − α, a + α]. • On dit que f tend vers −∞ en −∞ et l’on note
Le bloc ∀x ∈ I, |x − a| 6 α ⇒ [...] s’écrit alors f −−→ −∞ ou f (x) −−−−→ −∞ si
∀x ∈ I ∩ [a − α, a + α] , [...]. −∞ x→−∞
On remarquera la structure commune :
∀A ∈ R, ∃B ∈ R, ∀x ∈ I, x 6 B ⇒ f (x) 6 A.
∀[...], ∃α > 0, ∀x ∈ I, |x − a| 6 α ⇒ f (x) ∈ [...].
Remarque 2.1.3.
On voit facilement que, si f tend vers +∞ ou Remarque 2.1.7.
−∞ en a, alors f n’est pas définie en a. On préférera parfois écrire x 6 B sous la forme
x ∈] − ∞, B].
Définition 2.1.4 (Limite en +∞). Le bloc ∀x ∈ I, x 6 B ⇒ [...] s’écrit alors
Supposons que sup I = +∞, soit ` ∈ R. ∀x ∈ I∩] − ∞, B], [...].
• On dit que f tend vers ` en +∞ et l’on note On remarquera la structure commune :
f −−→ ` ou f (x) −−−−→ ` si ∀[...], ∃B ∈ R, ∀x ∈ I, x 6 B ⇒ f (x) ∈ [...].
+∞ x→+∞
210
CHAPITRE XIV. LIMITE D’UNE FONCTION
211
CHAPITRE XIV. LIMITE D’UNE FONCTION
(ii) f − ` −
→0
a
Définition 2.1.17.
Soit a ∈ I. S’il existe ` ∈ R tel que f (x) −−−→ `, (iii) |f − `| −
→0
a
x→a
alors cet élément est appelé « limite de f en a » (iv) f (a + h) −−−→ `
h→0
et est noté lim f ou lim f (t).
a t→a Exemple 2.1.22.
Pour s’entraîner à manipuler la définition (mais ce
n’est pas la meilleure méthode dans la pratique),
Le symbole lim ne peut s’utiliser considérons la fonction f : R → R Mon-
x→a
qu’après avoir montré l’existence de ladite limite. x 7→ x + x 3
L’utiliser avant est une erreur grave. On préfèrera trons f (x) −−−→ 2.
x→1
systématiquement utiliser l’écriture f (x) −−−→ `. On a, pour tout x ∈ R, f (x) − 2 = (x − 1)(x2 +
x→a
x + 2).
Théorème 2.1.18. Si x ∈ [0, 2], alors |x| 6 2 et donc (inégalité
Toute fonction possédant une limite finie en a ∈ triangulaire) x2 + x + 2 68.
ε ε
R est bornée au voisinage de a. Soit ε > 0. Si x ∈ 1 − ; 1 + , alors
8 8
|x − 1| 6 8ε .
ε
Démonstration.
Comme pour les suites. Ainsi, avec α = min 1; , si |x − 1| 6 α, on
8
Remarque 2.1.19. a simultanément x2 + x + 2 6 8 et |x − 1| 6 8ε .
Si f admet une limite infinie en a ∈ R, alors f On a alors |f (x) − 2| 6 ε.
n’est pas bornée au voisinage de a. Donc on a bien
212
CHAPITRE XIV. LIMITE D’UNE FONCTION
Exemple 2.2.3.
On note alors f (x) −−−−→ `, f (x) −−−→ ` ou 1 1
x→a− x→a On a −−−→ +∞ et −−−→ −∞.
x<a x x→0 x x→0
encore f −−→ `. x>0 x<0
a−
Si elle existe, la limite à gauche est unique
(puisque c’est une limite) et dans ce cas elle Théorème 2.2.4.
est notée lim f , lim f (x) ou lim f (x). Soit a un réel appartenant à I, et qui n’est pas
a− x→a− x→a
x<a une borne de I. Soit ` ∈ R. Alors f − → ` si et
a
(ii) On définit de la même manière la notion de seulement si on a simultanément
limite à droite. (i) f −−→ `
a−
(ii) f −−→ `
a+
(iii) f (a) = `.
f (a)
Dans la définition de limite à gauche, Figure XIV.2 – Fonction f ayant des limites à
c’est la fonction f |I∩]−∞,a[ qu’il faut considérer, et gauche et à droite en a égales, mais pas de limite
non la fonction f |I∩]−∞,a] (intervalle fermé en a). en a.
En effet, on veut que la fonction de la figure XIV.1
ait une limite à gauche, ce qui n’est le cas qu’avec
une restriction à un intervalle ouvert en a. Démonstration. (⇒) Supposons d’abord f −
→ `.
a
Nous avons déjà observé que f (a) = ` est néces-
Remarque 2.2.2.
saire. Il est alors immédiat d’après les définitions
Comme pour les limites, l’existence d’une limite que f −−→ ` et f −−→ `.
à gauche / droite s’écrit avec des ε. Par exemple, a− a+
(⇐) Réciproquement, supposons qu’on ait les trois
dans le cas où a, ` ∈ R, f admet ` pour limite à conditions (i), (ii) et (iii). On a f (a) = `, donc ` ∈ R.
gauche en a si et seulement si on a Soit ε > 0. Il existe α− , α+ ∈ R∗+ vérifiant
∀x ∈ I a − α− 6 x < a ⇒ |f (x) − `| 6 ε
∀ε > 0 ∃α > 0 ∀x ∈ I ∀x ∈ I a < x 6 a + α+ ⇒ |f (x) − `| 6 ε
a − α 6 x < a ⇒ |f (x) − `| 6 ε
Posons alors α = min{α− , α+ } et montrons ∀x ∈
I |x − a| 6 α ⇒ |f (x) − `| 6 ε.
On a le même genre de proposition pour les 5 Soit x ∈ I tel que |x − a| 6 α, c’est-à-dire a − α 6
autres cas (il y a au total 6 cas suivant qu’il s’agit x 6 a + α. Alors
d’une limite à gauche ou à droite d’une part et 1. si a − α 6 x < a, on a en fait a − α− 6 x < a
que la limite est réelle, égale à +∞ ou −∞ d’autre et donc |f (x) − `| 6 ε ;
part). 2. si x = a, f (x) = f (a) = ` et donc |f (x) − `| 6 ε ;
213
CHAPITRE XIV. LIMITE D’UNE FONCTION
sin x
−−−−→ 0.
Exemple 2.2.5. x x→+∞
Le théorème précédent permet de montrer que, Pour les opérations usuelles (somme, produit
l’application f : R → R ( et inverse), les résultats valables pour les limites
ex si x > 0 de suites sont toujours valables pour les fonctions,
x 7→
1 − x si x < 0 et les démonstrations sont tout à fait similaires.
tend vers 1 en 0. Nous ne les redémontrerons donc pas, mais vous
Remarque 2.2.6. devez savoir les faire sans problème.
On n’utilisera la caractérisation d’une limite par Voyons le théorème sur la composition de deux
le théorème 2.2.4 que quand la fonction n’est pas fonctions ayant une limite :
définie de la même manière à gauche et à droite
du point considéré. Sinon, cela n’a aucun intérêt
et l’on travaillera directement avec la définition Théorème 3.1.2.
générale de limite, ou ses caractérisations. Soient f : I → R et g : J → R deux applications
vérifiant f (I) ⊂ J et soit a ∈ I, b ∈ J et ` ∈ R.
Remarque 2.2.7.
Si f −→ b et g →
− `, alors g ◦ f −
→ `.
On pourrait aussi définir, mais le besoin s’en a b a
fera rarement sentir, la notion de « limite époin-
tée », que l’on noterait f (x) −−−→ `, qui signifie
x→a Remarque 3.1.3.
x6=a
f|I\{a} −
→ `. L’hypothèse b ∈ J est superflue : si f : I → J a
a
une limite b en a, alors automatiquement, b ∈ J.
De même, les notations f (x) −−−→ ` et
x→a
x6a Démonstration.
f (x) −−−→ ` ne devraient pas vous faire peur. On a vingt-sept cas à distinguer, selon si a, b et ` sont
x→a chacun réel, +∞ ou −∞. Nous ne détaillerons pas tous
x>a
ces cas, le lecteur intéressé saura les retrouver facilement.
Si a ∈ R, b ∈ R et ` ∈ R. Soit ε > 0, posons V` =
[` − ε, ` + ε]. Il existe α > 0 tel que, pour tout y ∈ J ∩ Vb ,
3 Propriétés des limites de fonc- avec Vb = [b − α, b + α], on a g(y) ∈ V` . Il existe donc η > 0
tel que, pour tout x ∈ I ∩ Va , avec Va = [a − η, a + η], on
tions. a f (x) ∈ Vb . Soit x ∈ I ∩ Va . On a, d’une part, f (x) ∈ Vb
et, d’autre part, f (x) ∈ J. Donc g(f (x)) ∈ V` . On a bien
3.1 Opérations sur les limites. montré g ◦ f − → `.
a
Si a = +∞, b = −∞ et ` = +∞. Soit A ∈ R, posons
Les résultats usuels valables pour les limites de V` = [A, +∞[. Il existe B ∈ R tel que, pour tout y ∈ J ∩ Vb ,
suite restent valables : avec Vb =] − ∞, B], on a g(y) ∈ V` . Il existe donc C ∈ R
tel que, pour tout x ∈ I ∩ Vc , avec Vc = [C, +∞[, on a
1. Soit f : I → R, a ∈ I et ` ∈ R. Alors f (x) ∈ Vb . Soit x ∈ I ∩ Va . On a, d’une part, f (x) ∈ Vb
et, d’autre part, f (x) ∈ J. Donc g(f (x)) ∈ V` . On a bien
f− →0
→ ` ⇐⇒ f − ` − montré g ◦ f → +∞.
a a +∞
→ 0 ⇐⇒ |f (x)| −−−→ 0
f− Remarque 3.1.4.
a x→a
La structure de la preuve précédente ne change
→ ` ⇐⇒ |f (x) − `| −−−→ 0
f−
a x→a pas en fonction des natures de a, b et `, mais
seulement les formes des intervalles Va , Vb , V` .
214
CHAPITRE XIV. LIMITE D’UNE FONCTION
1
À cause des vingt-sept cas à distinguer, cette Soit alors n ∈ N. Comme ∈ R∗+ , d’après l’as-
n+1
démonstration est un exemple typique de démons- sertion (XIV.1), il existe un ∈ I vérifiant
tration où la notion de voisinage fait gagner du (a) un ∈ [a − 1
,a + 1
]
n+1 n+1
temps. Redémontrons donc ce résultat : (b) et |f (un ) − `| > ε.
Démonstration. On a donc construit une suite u d’éléments de I. Le
Soit V ∈ V (`). Montrons qu’il existe un voisinage W de a point (a) nous assure qu’elle converge vers a, le second
vérifiant (g ◦ f )(W ∩ I) ⊂ V . que f (un ) ne tend pas vers ` (une suite minorée par
On a g −→ `, donc il existe un voisinage W 0 de b vérifiant un réel strictement positif ne saurait tendre vers 0).
b
g(W 0 ∩ J) ⊂ V .
Or f −→ b, donc il existe un voisinage W de a vérifiant
a Exercice 3.1.8.
f (W ∩ I) ⊂ W 0 .
Or f (I) ⊂ J, donc f (W ∩ I) ⊂ J, donc f (W ∩ I) ⊂
La fonction f : R∗+ → R admet-elle
W 0 ∩ J. x 7→ sin (1/x)
Donc (g ◦ f )(W ∩ I) ⊂ g(W 0 ∩ J) ⊂ V . une limite en 0 ?
On a donc bien g ◦ f −
→ `.
a
215
CHAPITRE XIV. LIMITE D’UNE FONCTION
4 Théorèmes d’existence.
Ce résultat est faux avec des inégalités
larges : ainsi x2 −−−→ 0 et donc sa limite est 4.1 Théorèmes des gendarmes et de
x→0
négative. Mais dire que pour x au voisinage de 0 minoration/majoration.
on a x2 6 0 est faux.
On retrouve sur les limites de fonctions les
mêmes théorèmes d’encadrement que pour les
Corollaire 3.2.3 (Passage à la limite dans une suites.
inégalité).
Soit a ∈ I et f : I → R vérifiant f −→ `. Soit
a Théorème 4.1.1 (Théorème d’encadrement, ou
(m, M ) ∈ R2 . théorème des gendarmes).
(i) Si M majore f au voisinage de a, alors ` 6 Soit f, m, M : I → R trois applications, a ∈ I
M. et ` ∈ R.
(ii) Si m minore f au voisinage de a, alors m 6 Supposons qu’on a m − → ` et M −→ ` et qu’au
a a
`. voisinage de a on a m(x) 6 f (x) 6 M (x).
Alors, f tend vers ` en a.
Démonstration.
On traite le cas a ∈ R, les autres cas sont laissés au lecteur. Démonstration.
(i) Supposons que M majore f sur l’intersection de I et On traite le cas a ∈ R. Les autres cas sont laissés au lecteur,
d’un intervalle V1 = [a − α, a + α], avec α > 0. la structure de la démonstration de changeant pas.
Par l’absurde, supposons ` > M . D’après le théo- Soit ε > 0, posons V` = [` − ε, ` + ε]. Il existe α, β > 0
rème 3.2.1, il existe η > 0 tel que, avec V2 = tels que, pour tout x ∈ I,
[a − η, a + η], pour tout x ∈ V2 ∩ I, on a f (x) > M . • si x ∈ Va , alors m(x) ∈ V` ;
• si x ∈ Va0 , alors M (x) ∈ V` ;
Pour tout x ∈ V1 ∩ V2 ∩ I, on a alors f (x) > M et
avec Va = [a − α, a + α] et Va0 = [a − β, a + β]. Soit
f (x) 6 M .
enfin η > 0 tel que, pour tout x ∈ I, si x ∈ I ∩ Va00 ,
Or V1 ∩ V2 ∩ I est non vide, c’est donc absurde. avec Va00 = [a − η, a + η], alors m(x) 6 f (x) 6 M (x). Il
On a donc ` 6 M . suffit de remarquer que, si x ∈ I ∩ Va ∩ Va0 ∩ Va00 , alors
(ii) On constate qu’au voisinage de a, −m majore −f et m(x) 6 f (x) 6 M (x) et m(x), M (x) ∈ V` , donc f (x) ∈ V` ,
l’on applique le résultat du (i) à −f , −` et −m. car V` est un intervalle. On a donc bien f − → `.
a
Démonstration. Démonstration.
On a (g − f )(x) > 0 pour x au voisinage de a et g − f −
→ On traite le cas a = −∞. Les autres cas sont laissés au
a
lecteur, la structure de la démonstration de changeant pas.
`0 − `. Donc d’après le corollaire 3.2.3, on a `0 − ` > 0, donc
Soit A ∈ R, posons V+∞ = [A, +∞[. Il existe B ∈ R tel
` 6 `0 .
que, pour tout x ∈ I, avec Va =] − ∞, B], si x ∈ Va , alors
m(x) ∈ V+∞ . Soit enfin C ∈ R tel que, avec Va0 =] − ∞, C],
pour tout x ∈ I, si x ∈ Va0 , alors m(x) 6 f (x). Il suffit
Les inégalités strictes ne sont pas conser- de remarquer que, si x ∈ I ∩ Va ∩ Va0 , alors m(x) 6 f (x)
vées par passage à la limite. Par exemple, au voisi- et m(x) ∈ V+∞ , donc f (x) ∈ V+∞ . On a donc bien f − →
nage de +∞ on e −x > 0, mais on a e −x −−−−→ 0. +∞.
a
x→+∞
216
CHAPITRE XIV. LIMITE D’UNE FONCTION
Théorème 4.1.3 (Théorème de majoration). et l’on a, pour chaque a où ces limites ont
Soit f, M : I → R deux applications, a ∈ I et un sens,
` ∈ R.
Supposons qu’on a M − → −∞ et qu’au voisi- f (x) −−−→ sup f
a x→a I∩]−∞,a[
x<a
nage de a, on a f (x) 6 M (x).
Alors, f admet une limite en a et cette limite ainsi que
vaut −∞.
f (x) −−−→ inf f .
x→a I∩]a,+∞[
x>a
Démonstration.
Il suffit d’appliquer le théorème de minoration à −f .
(ii) Soient a, b ∈ ˚
I tels que a < b. Alors,
217
CHAPITRE XIV. LIMITE D’UNE FONCTION
218
CHAPITRE XIV. LIMITE D’UNE FONCTION
Démonstration.
Deux démonstrations sont possibles : ou bien on utilise
le théorème 5.0.8, ou bien on reprend la démonstration
donnée dans le cas réel (il suffit alors essentiellement de
changer des R en C).
219
CHAPITRE XIV. LIMITE D’UNE FONCTION
220
Chapitre XV
Continuité
Sommaire
1 Définitions et premières propriétés. . . 222
1.1 Définitions. . . . . . . . . . . . . . . . 222
1.2 Prolongement par continuité en un point. 223
1.3 Caractérisation séquentielle de la conti-
nuité. . . . . . . . . . . . . . . . . . . . 224
1.4 Opérations sur la continuité. . . . . . . 224
2 Les grands théorèmes. . . . . . . . . . . 225
2.1 Théorème des valeurs intermédiaires. . 225
2.2 Image d’un segment par une fonction
continue. . . . . . . . . . . . . . . . . . 227
2.3 Rappels concernant les fonctions stric-
tement monotones. . . . . . . . . . . . 228
2.4 Monotonie stricte, bijectivité et conti-
nuité. . . . . . . . . . . . . . . . . . . . 228
3 Extension au cas des fonctions à va-
leurs complexes. . . . . . . . . . . . . . . 230
CHAPITRE XV. CONTINUITÉ
222
CHAPITRE XV. CONTINUITÉ
f (a) f
Définition 1.2.1.
Soit a ∈ I et f : I \ { a } → R. On dit que f est
prolongeable par continuité en a s’il existe une
application f˜ : I → R qui coïncide avec f sur
a I \ { a } (c’est-à-dire vérifiant f˜|I\{ a } = f ), et qui
est continue en a.
remment à gauche et à droite du point considéré. Donc f˜(a) est nécessairement la limite de f en a.
Sinon, on reviendra à la définition générale. Cette limite est donc finie. Donc f˜ est nécessaire-
223
CHAPITRE XV. CONTINUITÉ
Corollaire 1.2.5.
1 Soient a ∈ ˚I et g : I\{a} → R une application. Si
les limites de g en a, à gauche et à droite, existent,
1 1
sont égales et sont finies, alors, en notant `
x 7→ + exp − cette limite, il existe un unique prolongement par
2 x
continuité ge de g obtenu en posant ge(a) = `.
0
1
Démonstration.
C’est immédiat, puisqu’on sait que la limite de g en a
Figure XV.3 – Illustration d’une fonction pro- existe si et seulement si les limites de g en a, à gauche et
longeable par continuité en 0. à droite, existent et sont égales.
Exemple 1.2.6.
Peut-on prolonger par continuité en 0 l’application
ment l’application
f : ] − 1, +∞[\ {0} → R
I → R
si x > 0
(
sin x
f (x) si x 6= a
x 7→ x
x 7→ ln(1+x)
` si x = a x si x < 0
Donc si f admet un prolongement par continuité
Même question en −1.
alors la limite de f en a existe et est finie ; le
prolongement par continuité est alors bien celui
donné dans l’énoncé. 1.3 Caractérisation séquentielle de la
• Réciproquement, supposons que la limite de f en a
continuité.
existe et est finie, notons la `. Alors, définissons f˜
comme donné dans l’énoncé. f˜ coïncide alors avec
f sur I \ { a } et on a donc
Théorème 1.3.1.
f˜(x) −−−→ `
x→a
x6=a
Les assertions suivantes sont équivalentes :
Donc (i) f est continue en a ;
f˜(x) −−−→ f˜(a) (ii) pour toute suite (un ) à valeurs dans I véri-
x→a
1. R∗ → R ?
1 1.4 Opérations sur la continuité.
x 7→
x
2. R∗ → R ?
sin(x) Lemme 1.4.1.
x 7→ Soit g : I → R continue en a ∈ I et telle que
x
3. R → R
∗ ? g(a) > 0. Alors g est strictement positive dans un
1 voisinage de a (idem avec < 0).
x 7→ sin
x
224
CHAPITRE XV. CONTINUITÉ
225
CHAPITRE XV. CONTINUITÉ
f ([α, β])
Ainsi, il existe une suite (vn ) à valeurs dans ]c, b[ telle
que vn −−−−−→ c. Pour tout n ∈ N, on a donc f (vn ) > m.
n→+∞
Par continuité et par passage à la limite, f (c) > m.
On a donc bien f (c) = m.
α β
Remarque 2.1.5.
Une autre démonstration de ces résultats repose
α β sur le principe de dichotomie, qui donne directe-
ment un algorithme. Voici un algorithme python.
Pour tester si l’intervalle étudié est bien un inter-
Figure XV.4 – Illustration du TVI pour une valle où f (a) et f (b) sont de signes opposés, on
fonction continue, sur un intervalle. étudie le signe du produit f (a)f (b). On s’arrête
lorsque la largeur de l’intervalle est inférieure à
un pas donné.
def zeros ( f , a , b , p ) :
" " " Recherche d ’ un z e r o de f dans
f l ’ i n t e r v a l l e [ a , b ] . Retourne l e
f ([α, β] ∪ [γ, δ])
r é s u l t a t a v e c une pr é c i s i o n p .
Pr é c o n d i t i o n : f c o n t i n u e ,
a<b e t f ( a )∗ f ( b)<=0 " " "
g, d = a, b
# [ g , d ] : I n t e r v a l l e courant
α β γ δ while d−g > p :
# Invariant :
# f s ’ annule entre g e t d
Figure XV.5 – Contre-exemple au TVI pour # s o i t ( f ( g )∗ f ( d)<= 0)
une fonction continue, non sur un intervalle. # V a r i a n t : g−d e s t d i v i s é
# par deux à chaque é t a p e
m = ( g+d ) / 2 # M i l i e u de [ g , d ]
i f ( f ( g ) ∗ f ( m))<= 0 :
Corollaire 2.1.4. d = m
Soit f ∈ C (I), et a, b ∈ I tels que f (a) > 0 et # On g a r d e l a m o i t i é de gauche
f (b) < 0. Alors il existe c entre a et b tel que else :
f (c) = 0. g = m
# On g a r d e c e l l e de d r o i t e
226
CHAPITRE XV. CONTINUITÉ
return m Démonstration.
Notons I = [a, b], f : I → R continue, et J = f ([a, b]).
Il existe deux variantes du TVI, officiellement D’après le TVI, J est un intervalle. Il suffit de montrer que
ses extrémités gauche et droite sont réelles et lui appar-
hors-programme mais très souvent utilisées. tiennent.
Notons M la borne supérieure de J dans R et montrons
M ∈ J. Tout d’abord, nous savons que l’on peut construire
Proposition 2.1.6 (TVI à l’infini). une suite u de points de I vérifiant f (un ) −−−−−→ M .
n→+∞
Soit f : R → R, continue, telle que f admette Ensuite, u est à valeurs dans [a, b] or [a, b] est un segment
une limite `1 ∈ R̄ en −∞ et une limite `2 ∈ R̄ donc d’après le théorème de Bolzano-Weierstrass, on peut
en +∞. Soit y compris strictement entre `1 et `2 . extraire de u une suite v convergeant vers une valeur c ∈
[a, b]. Comme f est continue sur [a, b], on en déduit que
Alors il existe c ∈ R tel que f (c) = y.
(f (vn ))n∈N converge vers f (c).
Or (f (vn ))n∈N est une suite extraite de (f (un ))n∈N , donc
elle tend vers M .
On a donc M = f (c), donc M ∈ f ([a, b]) = J.
Proposition 2.1.7 (TVI aux limites). De la même manière, on montre inf(J) ∈ J.
Soit a, b ∈ R tels que a < b, et f : ]a, b[→ R, telle
que f admette une limite `1 ∈ R̄ en a et une limite
`2 ∈ R̄ en b. Soit y compris strictement entre `1 Corollaire 2.2.2 (Théorème des bornes at-
et `2 . Alors il existe c ∈]a, b[ tel que f (c) = y. teintes).
Toute fonction continue sur un segment est bornée
Démonstration. et atteint ses bornes.
Donnons une première démonstration générale (il suffit de
poser a = −∞ et b = +∞). Soit y compris strictement
Démonstration.
entre `1 et `2 . Comme f tend vers `1 en a et vers `2 en b, il
Soit f continue sur un segment [a, b]. D’après le théorème,
existe a0 , b0 dans ]a, b[ tels que f (a0 ) < y < f (b0 ). Comme
f ([a, b]) est un segment [c, d]. f est donc majorée par d, mi-
f est continue sur l’intervalle ]a, b[, par le théorème des
norée par c. Or d ∈ f ([a, b]) donc d possède un antécédent
valeurs intermédiaires, il existe c ∈]a, b[ tel que f (c) = y.
dans [a, b] par f . f atteint donc ce majorant (qui est donc
Démontrons d’une autre manière le premier point dans
un maximum). De la même façon, f atteint son minorant
le cas `1 , `2 ∈ R, le second se montre de la même manière
c, qui est donc un minimum de f sur [a, b].
que la fin de la démonstration du premier point.
Exemple 2.2.3.
Utilisons l’astuce suivante : soit ϕ : ] − π/2, π/2[,
x 7→ f (tan(x)). Alors par composition, ϕ est continue, et
C’est un résultat intuitif, voici des contre-
elle admet `1 et `2 comme limites en moins et plus π/2. On exemples lorsque les hypothèses ne sont pas véri-
peut alors la prolonger en une fonction continue ϕ̃, avec fiées.
ϕ̃(−π/2) = `1 et ϕ̃(π/2) = `2 . • Sur un intervalle fermé, non borné : R →
Le (vrai) TVI assure alors qu’il existe d ∈] − π/2, π/2[
tel que ϕ(d) = y, et il suffit de poser c = tan d pour avoir
R, x 7→ x est continue, mais n’a ni maximum
f (c) = y. ni minimum.
• Sur un intervalle ouvert non fermé : ]0, 1] →
R, x 7→ 1/x est continue mais n’a pas de
2.2 Image d’un segment par une fonc-
maximum.
tion continue.
• Avec une fonction non continue : sur le seg-
Dans le cas d’un segment, le TVI peut-être ment [0, 1], la fonction qui a un réel associe
complété. 0, sauf aux 1/n avec n ∈ N∗ qui leur associe
n. Cette fonction est discontinue et n’a pas
de maximum.
Théorème 2.2.1.
L’image d’un segment par une fonction continue Exemple 2.2.4.
est un segment. Toute fonction périodique continue et définie sur
R est bornée et atteint ses bornes.
227
CHAPITRE XV. CONTINUITÉ
Alors f est continue et dérivable sur R, f 0 (0) = 2.4 Monotonie stricte, bijectivité et
1/2, mais f n’est monotone sur aucun voisinage continuité.
de 0.
Explorons maintenant les liens entre ces trois
Dans la suite, nous ne parlerons pas du tout de notions.
dérivabilité.
228
CHAPITRE XV. CONTINUITÉ
229
CHAPITRE XV. CONTINUITÉ
Exemple 2.4.5.
Cela permet de montrer que les fonctions Arccos,
Arcsin et Arctan sont continues.
Théorème 3.0.1.
Soit f : I → C, a ∈ I. On a équivalence entre :
1. f est continue en a (resp. sur I)
2. Im(f ) et Re(f ) sont continues en a (resp. sur
I).
230
Chapitre XVI
Polynômes
Sommaire
1 K[X] : définitions et résultats algé-
briques. . . . . . . . . . . . . . . . . . . . 232
1.1 Premières définitions. . . . . . . . . . . 232
1.2 Somme et produit. . . . . . . . . . . . 233
1.3 Composition. . . . . . . . . . . . . . . 234
1.4 Opérations et degré. . . . . . . . . . . 234
1.5 Fonctions polynomiales. . . . . . . . . 235
1.6 Division euclidienne. . . . . . . . . . . 237
1.7 L’algorithme de Horner. . . . . . . . . 238
2 Décomposition. . . . . . . . . . . . . . . 240
2.1 Racines, ordre de multiplicité. . . . . . 240
2.2 Nombres de racines. . . . . . . . . . . 240
2.3 Polynômes scindés et relations
coefficients-racines. . . . . . . . . . . . 241
2.4 Le théorème fondamental de l’algèbre. 242
2.5 Décomposition en produit de facteurs
irréductibles. . . . . . . . . . . . . . . 244
3 Dérivation des polynômes. . . . . . . . . 245
3.1 Définition. . . . . . . . . . . . . . . . . 245
3.2 Propriétés. . . . . . . . . . . . . . . . . 246
4 Arithmétique de K[X]. . . . . . . . . . . 248
4.1 PGCD. . . . . . . . . . . . . . . . . . . 248
4.2 Polynômes premiers entre eux. . . . . 251
4.3 PGCD de n polynômes. . . . . . . . . 253
4.4 PPCM. . . . . . . . . . . . . . . . . . 254
5 Formule d’interpolation de Lagrange. . 254
6 Annexe : construction de K[X] . . . . . 256
7 Annexe : fonctions polynomiales à va-
leurs dans un anneau . . . . . . . . . . . 258
CHAPITRE XVI. POLYNÔMES
X n
232
CHAPITRE XVI. POLYNÔMES
k=0
Définition 1.1.5 (Degré).
+∞ Autrement dit, la suite des coefficients de P +Q est
Soit P un polynôme de la forme ak X k . On
X
la somme de leurs suites de coefficients respectives.
k=0
appelle degré de P , et note deg P la valeur En ce qui concerne le produit, on a
+∞
sup { k ∈ N | ak 6= 0 } , P ×Q= ai bj X i+j =
X X
ck X k
(i,j)∈N2 k=0
prise dans R.
(i) Si P est le polynôme nul, deg P = −∞. où (ck )k∈N est la suite vérifiant, pour tout k ∈ N,
(ii) Si P n’est pas le polynôme nul, le support de k k
(ak )k∈N est un ensemble d’entiers non vide ck = ai bj = ai bk−i =
X X X
ak−i bi .
et majoré, donc (i,j)∈N2 i=0 i=0
i+j=k
deg P = max { k ∈ N | ak 6= 0 } .
semble des polynômes de degré égal à n. Or ak et bk sont nuls pour tout k ∈ N \ (S ∪ S 0 ), donc la
somme
2. K = K0 [X] ⊂ K1 [X] ⊂ K2 [X] ⊂ · · · ⊂ K[X]. +∞
X
(ak + bk )X k
3. Kn [X] est un sous-groupe de (K[X], +).
k=0
233
CHAPITRE XVI. POLYNÔMES
(i,j)∈S×S 0
Démonstration. (i) Direct.
X X (ii) Traiter d’abord le cas P = X n et Q = X m , puis le
= ai bj X i+j
cas P quelconque et Q = X m , puis le cas général.
k∈S 00 (i,j)∈S×S 0
i+j=k (iii) Montrer par récurrence que Qk ◦ R = (Q ◦ R)k .
X X
= ai bj X k
k∈S 00 (i,j)∈S×S 0
i+j=k
Attention à la composition à gauche, qui
n’est pas distributive. Par exemple :
X X
= ai bj X k X 2 ◦ (X + 2) = (X + 2)2 6= X 2 + 22
k∈S 00 (i,j)∈N2
i+j=k (1 ◦ X) + (1 ◦ 2) = 2 6= 1 ◦ (X + 2)
+∞
X (1 + X) ◦ (X.X) 6= ((1 + X) ◦ X).((1 + X) ◦ X).
X
= ai bj X k .
k=0 (i,j)∈N2 Exemple 1.3.3.
Un polynôme P est dit pair si P ◦ (−X) = P ,
i+j=k
Définition 1.3.1.
Soit P et Q deux polynômes de K[X]. P s’écrit Théorème 1.4.1.
sous la forme Soient P, Q ∈ K[X].
+∞
X (i) deg(P + Q) 6 max(deg P, deg Q) ;
ak X k .
k=0 (ii) deg(P Q) = deg P + deg Q ;
234
CHAPITRE XVI. POLYNÔMES
Démonstration.
(iii) si Q n’est pas constant, alors deg(P ◦ Q) = P A = P B si et seulement si P (A − B) = 0 si et seulement
deg P ×deg Q. Si Q est constant, deg P ◦Q = si (P = 0 ou A − B = 0) si et seulement si A − B = 0 si et
seulement si A = B.
0 ou −∞.
(ii) On a ck =
X
ai bk−i .
veut simplifier une égalité de la forme P A = P B
i=0
(on multiplie alors des deux côtés par l’inverse de
Soit k > m + n. Si i > n, alors ai = 0, et si i < n, P ) mais heureusement, elle n’est pas nécessaire
alors bm+n−i = 0.
pour cela, l’intégrite de K[X] suffit.
Ainsi, si k = m+n, la somme définissant ck n’a qu’un
terme non nul, et cm+n = an bm 6= 0.
Si k > m + n, tous les termes de la somme sont nuls,
donc ck = 0. Ceci prouve bien le résultat. Définition 1.4.6.
(iii) Q non constant équivaut à deg Q > 1. Donc si k1 et Deux polynômes P et Q de K[X] sont dits associés
k2 sont deux entiers tels que k2 > k1 , on a deg Qk2 >
s’il existe λ ∈ K∗ vérifiant P = λQ.
deg Qk1 . Ainsi deg P ◦ Q = deg an Qn = deg(Qn ). Or
d’après (ii), deg(Qn ) = n deg Q.
Remarque 1.4.7.
Ainsi, deux polynômes sont associés si et seule-
ment si on passe de l’un à l’autre en multipliant
Corollaire 1.4.3.
par un polynôme inversible. On pourra effectuer
K[X] est intègre.
un rapprochement avec les entiers ainsi qu’avec
l’arithmétique sur les entiers : les éléments inver-
Démonstration. sibles de Z sont 1 et −1, et les objets construits
Il suffit de montrer que pour tout (P, Q) ∈ K[X]2 , P Q = en arithmétique des entiers (PGCD, nombres pre-
0 ⇒ (P = 0 ou Q = 0). Soit donc (P, Q) ∈ K[X]2 vérifiant
P Q = 0. Alors d’après le point (iii) du théorème 1.4.1,
miers, etc.) le sont toujours « à un élément inver-
−∞ = deg(P Q) = deg P +deg Q, donc on a nécessairement sible près ». Ce sera encore le cas en arithmétique
deg P = −∞ ou deg Q = −∞. des polynômes.
235
CHAPITRE XVI. POLYNÔMES
2. P^
× Q = Pe × Q
e;
Définition 1.5.1.
Soit P ∈ K[X] écrit sous forme développée réduite 3. P
^ ◦ Q = Pe ◦ Q
e
+∞
P = ak X k un polynôme et x un élément de Exemple 1.5.6.
X
k=0 Posons P = X 2 + 2X + 3.
K.
1. Que vaut Pe .
On appelle évaluation du polynôme P en x et
on note Pe (x) l’élément de K défini par 2. A t-on P = Pe ?
+∞ En pratique, on note en général P (x) la valeur
Pe (x) = de Pe (x). On va même parfois jusqu’à identifier
X
k
ak · x .
k=0 P et Pe , c’est-à-dire identifier les polynômes et
les fonctions polynomiales. Cela se justifie par le
résultat suivant :
Remarque 1.5.2.
+∞
Comme précédemment, le symbole a un sens
X
236
CHAPITRE XVI. POLYNÔMES
2. et deg R < deg D. • Montrons maintenant l’existence d’un tel couple, par le
principe du minimum. Soit les ensembles
Q et R sont respectivement appelé le quotient et
le reste de la division euclidienne de P par D. E = { P − DS | S ∈ K[X] }
et
Exemple 1.6.3. E = { deg A | A ∈ E } .
237
CHAPITRE XVI. POLYNÔMES
En vertu de la remarque sur la division eucli- plications) puis les produits ak xk0 (n multiplica-
dienne, lorsque P et D sont deux polynômes à tions supplémentaires), puis calculer la somme (n
coefficients dans R, P est divisible par D en tant additions). Total : 2n − 1 multiplications et n
qu’éléments de R[X] si et seulement si il l’est en additions.
tant qu’éléments de C[X]. On peut cependant faire mieux.
Exemple 1.6.11. L’algorithme de Horner consiste à remarquer
Pour tout n ∈ N et tout a ∈ K, on a qu’on peut écrire P (x0 ) sous la forme
238
CHAPITRE XVI. POLYNÔMES
Exemple 1.7.1.
Posons P = 2X 4 − 4X 3 − 7X 2 + 2X − 1 par
X − x0 et x0 = 3. On exécute parfois l’algorithme Calculer le reste de la division est facile par la
de Horner en traçant un tableau. Dans le cas méthode de Horner. Comment calculer le quotient
n−1
présent, cela donne : Q ? Q est de la forme bk X k . On a alors :
X
k=0
k 4 3 2 1 0
ak 2 −4 −7 2 −1 n n−1
rk 2 2 −1 −1 −4 ak X k = (X − x0 ) bk X k + P (x0 )
X X
k=0 k=0
On a donc P (x0 ) = −4.
Associé à la proposition suivante, l’algorithme En identifiant les termes de même degré, il vient :
de Horner permet également d’effectuer la division
euclidienne d’un polynôme P par un polynôme
an = bn−1
de degré 1.
an−1 = bn−2 − x0 bn−1
..
Proposition 1.7.2. .
Soit P ∈ K[X] et x0 ∈ K. Alors il existe Q ∈ K[X] a2 = b1 − x0 b2
vérifiant P = (X − x0 )Q + P (x0 ).
a1 = b0 − x0 b1
Démonstration.
Nous donnerons deux démonstrations : On en déduit :
Première méthode Posons la division euclidienne de P
par X − x0 : il existe Q, R ∈ K[X] tels que P = bn−1 = an
(X − x0 )Q + R, avec deg R = 0 ou −∞. R est donc
un polynôme constant, notons-le λ. bn−2 = an−1 + x0 bn−1
Évaluons l’égalité P = (X − x0 )Q + λ en x0 : il reste ..
exactement P (x0 ) = λ, d’où le résultat. .
Deuxième méthode Cette deuxième méthode ne fait b1 = a2 + x0 b2
pas appel à la division euclidienne. Elle consiste à
b0 = a1 + x0 b1
constater, en posant n = deg P et en écrivant P sous
n
X
la forme ak X k , où ak ∈ K pour k ∈ [[0, n]], que
k=0 On peut remarquer que les valeurs des coeffi-
pour tout k ∈ N, X k − xk0 s’écrit (X − x0 )Qk , où cients de Q sont exactement celles calculées pour
k−1
X le calcul de P (x0 ) : on constate en effet qu’on a
Qk = xk−1−i
0 X i , donc
i=0
n
X bn−1 = rn
P − P (x0 ) = ak X k − xk0
bn−2 = rn−1
k=0
n ..
=
X
ak (X − x0 )Qk .
k=0 b1 = r2
n
b0 = r1
X
= (X − x0 ) ak Qk
k=0
n
X Exemple 1.7.3.
Donc en posant Q = ak Qk , on a P = (X −x0 )Q+
k=0
En reprenant l’exemple 1.7.1, on trouve P = (X −
P (x0 ). 3)(2X 3 + 2X 2 − X − 1) − 4.
239
CHAPITRE XVI. POLYNÔMES
P (a) = 0 ⇐⇒ X − a|P.
Proposition 2.1.10.
Soit P ∈ K[X], a ∈ K et r ∈ N. a est racine
d’ordre r de P si et seulement si P s’écrit sous la
Démonstration.
forme (X − a)r Q où Q(a) 6= 0.
Le sens indirect est évident.
Le sens direct découle directement de la proposition 1.7.2
avec x0 = a.
Démonstration.
Supposons que a est racine d’ordre r de P . Alors P est
divisible par (X −a)r , donc s’écrit sous la forme (X − a)r Q.
Corollaire 2.1.3. Par l’absurde, supposons Q(a) = 0, alors X − a|Q, donc
Soit P ∈ K[X], n ∈ N et a1 , . . . , an n éléments (X − a)r+1 |P , ce qui est absurde. Donc Q(a) 6= 0.
de K distincts. Alors a1 , . . . , an sont des racines Supposons que P s’écrit sous la forme (X − a)r Q où
n Q(a) 6= 0. Alors l’ordre de multiplicité de a dans P est
de P si et seulement si (X − ak ) divise P .
Y
au moins r. Supposons par l’absurde que cet ordre soit
k=1 strictement supérieur. Alors (X − a)r+1 divise P , donc P
s’écrit sous la forme (X − a)r+1 R, donc (X − a)r+1 R =
(X − a)r Q, donc (X − a)R = Q. Donc Q(a) = 0, ce qui
Démonstration. est absurde.
Là encore le sens indirect est évident.
Le sens direct se fait par récurrence sur le nombre de
racines en utilisant la proposition précédente. 2.2 Nombres de racines.
Définition 2.1.4.
Proposition 2.2.1.
Soit P ∈ K[X] un polynôme non nul, a ∈ K
Soit P ∈ K[X] un polynôme non nul. Alors P a
et r ∈ N. On dit que a est racine d’ordre de
au plus deg (P ) racines distinctes.
multiplicité r de P si r est le plus grand entier k
tel que (X − a)k divise P . On dit que a est racine
simple (resp. multiple) de P si r = 1 (resp. r > 1). Démonstration.
Soit P un polynôme non nul de degré n, et λ1 , . . . , λn+1
Q+
n
n+1
1 racines distinctes de P . Alors P est divisible par
Remarque 2.1.5. k=1
(X − λi ), qui est un polynôme de degré strictement
L’ensemble des k tel que (X − a)k | P contient 0 supérieur au degré de P : c’est absurde.
et est majoré par le degré de P , donc possède bien
un plus grand élément.
240
CHAPITRE XVI. POLYNÔMES
241
CHAPITRE XVI. POLYNÔMES
242
CHAPITRE XVI. POLYNÔMES
Proposition 2.4.3.
Démonstration.
Tout polynôme non constant se décompose comme
On sait déjà que tous les polynômes de degré 1 sont irré-
produit de polynômes irréductibles. ductibles. De plus, pour tout n > 2, tout polynôme P de
degré n admet une racine complexe a, donc est le produit
Démonstration. de X − a par un polynôme de degré n − 1. Or n − 1 > 1,
Par récurrence forte sur le degré du polynôme. donc P est réductible.
243
CHAPITRE XVI. POLYNÔMES
Démonstration. Démonstration.
Il suffit d’utiliser les résultats 2.4.3 et 2.4.5. Notons a une racine complexe de P . D’après ce qui précède
a est également une racine de P .
Pour les polynômes à coefficients réels, il est Or, a ∈
/ R donc a 6= a, donc (X − a)(X − a) | P .
intéressant de noter le résultat suivant : On voit alors que
244
CHAPITRE XVI. POLYNÔMES
Démonstration.
Corollaire 2.5.3. Par contraposition : un polynôme à coefficients réels
Soit n ∈ N, P ∈ C[X] de degré n et de coeffi- n’ayant pas de racine réelle s’écrit sous la forme
cient dominant c. Alors, en notant p le nombre m
Y
X 2 − 2 Re(zk )X + |zk |2 et est donc de degré
c
de racines distinctes de P , z1 , . . . , zp les racines
k=1
distinctes de P , et n1 , . . . , np leurs multiplicités pair.
respectives, on a :
Exercice 2.5.7.
p Factoriser sur R les polynômes X 5 + 1 et X 4 + 1.
P =c (X − zk )nk ,
Y
k=1
p 3 Dérivation des polynômes.
n=
X
nk .
k=1 On introduit maintenant la notion de dériva-
tion formelle de polynômes. Le mot « formel »
est à prendre au sens suivant : on effectue des
Démonstration. opérations algébriques, qui n’ont pas forcément de
La première égalité découle directement du corollaire pré-
sens analytique (même si la dérivation formelle de
cédent, et la seconde est l’égalité des degrés dans l’égalité
polynomiale précédente. polynômes coïncide avec la dérivation de fonctions
polynomiales).
Théorème 2.5.4.
Soit P un polynôme à coefficients réels, alors on 3.1 Définition.
peut écrire P sous la forme
n m Définition 3.1.1.
P =c (X − ak ) (X − zk )(X − z k )
Y Y
+∞
Soit P ∈ K[X], que l’on écrit P = ak X k . Son
X
k=1 k=1
k=0
où a1 , . . . , an sont les racines réelles de P (répétées polynôme dérivé est
avec leur multiplicité), z1 , . . . , zm , z 1 , . . . , z m les
+∞
racines complexes non réelles (répétées avec leur P0 =
X
ak kX k−1 .
multiplicité), c le coefficient dominant de P , et k=1
n + 2m = deg (P ).
On a donc
n m Remarque 3.1.2.
P =c (X − ak ) X 2 − 2 Re(zk )X + |zk |2
Y Y
• La somme ne commence qu’à l’indice 1 :
k=1 k=1
245
CHAPITRE XVI. POLYNÔMES
k=0
Proposition 3.2.1.
Cette formule est intéressante lorsqu’il s’agit de Soit (P, Q) ∈ K[X]2 et (λ, µ) ∈ K2 . Alors
manipuler plusieurs polynômes, tous exprimés
comme sommes commençant à l’indice 0. (λP + µQ)0 = λP 0 + µQ0 , (XVI.1)
• Sur R[X], cette opération coïncide avec la déri- 0 0
(P Q) = P Q + P Q , 0
(XVI.2)
vation des applications à valeurs réelles : 0 0 0
(P ◦ Q) = Q × (P ◦ Q). (XVI.3)
g0 ) = Pe 0 .
∀P ∈ R[X] (P
k=0
+∞ +∞
ak
P =C+
X
X k+1
X
= k(λak + µbk )X k−1
k=0
k + 1
k=1
+∞
! +∞
!
X X
(donner un nom aux coefficients de P , calculer =λ +µ
k−1 k−1
kak X kbk X
P 0 et utiliser l’unicité de la forme développée k=1 k=1
réduite). = λP + µQ0 .
0
246
CHAPITRE XVI. POLYNÔMES
On a alors successivement :
! !!0 Proposition 3.2.3 (Formule de Leibniz).
(P Q)0 =
X
ai Ai
X
bj Aj Soit (P, Q) ∈ K[X]2 et n ∈ N. Alors
i∈N j∈N
n
!
0 (n) n
(P Q) =
X
P (k) Q(n−k) .
k
X
= ai bj Ai Aj k=0
(i,j)∈N2
X
= ai bj (Ai Aj )0
(i,j)∈N2 Démonstration.
X Elle se démontre par récurrence et est laissée en exercice
= ai bj A0i Aj + Ai A0j
au lecteur, qui remarquera une très très forte ressemblance
(i,j)∈N2 avec la démonstration d’une formule de début d’année.
X X
= ai bj A0i Aj + ai bj Ai A0j .
(i,j)∈N2 (i,j)∈N2
Lemme 3.2.4 (Formule de Taylor Mac-Laurin).
Or on a Soit n ∈ N et P ∈ Kn [X]. Alors
! !
n
X
ai bj A0i Aj =
X
ai A0i
X
P (k) (0)
P =
X
bj Aj Xk.
(i,j)∈N2 i∈N j∈N
k=0
k!
= P 0Q
! !
X X X
et ai bj Ai A0j = ai Ai bj A0j Démonstration.
(i,j)∈N2 i∈N j∈N Démontrons-la par récurrence :
= P Q0 , pour tout n ∈ N, soit (Hn ) : pour tout P ∈ Kn [X],
n
X P (k) (0) k
donc (P Q)0 = P 0 Q + P Q0 . P = X .
k!
On en déduit par récurrence que pour tout entier k ∈ N∗ , k=0
0 • Pour n = 0, la propriété est évidente.
on a Qk = kQ0 × Qk−1 . En outre, on a évidemment
0 0 • Soit n ∈ N tel que la propriété soit vraie, et soit
Q0 = 1K[X] = 0. P ∈ Kn+1 [X]. Puisque P 0 ∈ Kn [X], on peut lui appli-
On a alors successivement n
X (P 0 )(k) (0) k
!0 quer l’hypothèse de récurrence : P 0 = X =
+∞ k!
0
X k=0
(P ◦ Q) = ak Q k
n
X P (k+1) (0)
k=0 X k . Il existe donc une constante C ∈ K telle
+∞
k!
X k=0
= ak kQ0 × Qk−1 n
X P (k+1) (0)
n+1
X P (k) (0)
que P = X k+1 + C = Xk + C
k=1 (k + 1)! k!
+∞ k=0 k=1
0
X après un changement d’indice. Pour calculer C, on peut
=Q × ak kQ k−1
étudier les fonctions polynomiales associés aux polynômes
k=1
! ! de l’égalité précédente, et les évaluer en 0 : on trouve alors
+∞
X P (k) (0) k
=Q × 0
kak X k−1
◦Q C = P (0) = X avec k = 0, et donc Hn+1 est bien
k!
k=1 vérifiée.
= Q0 × P 0 ◦ Q .
247
CHAPITRE XVI. POLYNÔMES
on obtient
r−1
Corollaire 3.2.6. X P (k) (a)
(X − a)k = 0.
On en déduit immédiatement k!
k=0
n On écrit alors
P (k) (a)
P ◦ (a + X) =
X
Xk 0 = 0 ◦ (X + a)
k=0
k!
r−1
X P (k) (a)
= (X)k .
k!
k=0
=
XP (k)
(a)
(X − a)k + 85X 4 + 97X 3 + 78X 2 + 44X + 24.
k!
k=0
Corollaire 3.2.9.
Soit P ∈ K[X], r ∈ N∗ et a ∈ K.
Si a est racine d’ordre r de P , alors a est racine
Proposition 3.2.7. d’ordre r − 1 de P 0 .
Soit P ∈ K[X] non nul, r ∈ N et a ∈ K.
a est racine d’ordre r de P si et seulement si
P (r) (a) 6= 0 et pour tout k ∈ [[0, r−1]], P (k) (a) = 0 La réciproque est fausse ! Par exemple si
P = X 2 − 1, alors 0 est racine de multiplicité 1
Démonstration.
de P 0 , mais n’est pas racine de multiplicité 2 de
On écrit P (ce n’est même pas une racine de P ).
r−1 n
On peut cependant énoncer le résultat sui-
X P (k) (a) X P (k) (a) vant : si a est racine d’ordre r − 1 de P 0
P = (X − a)k + (X − a)k .
k! k!
k=0 k=r et si a est racine, de P , alors a est racine d’ordre
Si
r de P .
P (a) = P 0 (a) = · · · = P r−1 (a) = 0,
alors directement (X − a)r | P et (X − a)r+1 - P . 4 Arithmétique de K[X].
Réciproquement, si (X − a)r | P , alors
r−1
X P (k) (a)
4.1 PGCD.
(X − a)r | (X − a)k .
k=0
k! Dans cette partie, pour tout a ∈ K[X], on note
D(a) l’ensemble des diviseurs de a et pour tout
Comme
! couple (a, b) ∈ K[X], D(a, b) l’ensemble des di-
viseurs communs à a et b. On remarquera que
r−1
X P (k) (a)
deg (X − a) k
6 r − 1,
k=0
k! D(a, b) = D(a) ∩ D(b).
248
CHAPITRE XVI. POLYNÔMES
Remarque 4.1.1. 1. Soit d et d0 deux poly- Un autre point de vue sur cet algorithme est la suite r
nômes. D(d) = D(d0 ) si et seulement si d définie de la façon suivante :
et d0 sont associés.
r0 = a
r1 = b
2. En particulier, si on a D(d) = D(d0 )
et que
diveuclide(rn , rn+1 ) si rn+1 6= 0
d et d0 sont unitaires, alors d = d0 et pour ∀n ∈ N, rn+2 =
0 sinon
tout polynôme d, il existe d0 unitaire vérifiant
D(d0 ) = D(d). À partir d’un certain rang, cette suite est nulle, sinon
la suite (deg(rn ))n∈N serait strictement décroissante (du
moins, à partir du rang 1), ce qui serait absurde. Par
Lemme 4.1.2 (lemme d’Euclide). ailleurs, pour toutes les valeurs de n pour lesquelles
Soient (a, b) ∈ K[X]2 , avec b 6= 0. Notons r le (rn , rn+1 ) 6= (0, 0), on a D(rn , rn+1 ) = D(a, b). En particu-
lier, pour la dernière valeur non nulle rn , on a D(rn , 0) =
reste de la division euclidienne de a par b. Alors D(a, b).
D(a, b) = D(b, r). L’algorithme d’Euclide n’est rien d’autre que le calcul
des termes successifs de la suite (rn ) : en numérotant les
tours de boucle (à partir de 0) dans l’algorithme précédent,
Démonstration. on peut d’ailleurs noter qu’au nème tour de boucle, R0
Soit d ∈ D(a, b). Alors a s’écrit sous la forme bq + r donc contient la valeur de rn , et R1 celle de rn+1 .
r = a − bq, or d|a et d|b, donc d divise bq, donc divise r.
Donc D(a, b) ⊂ D(b, r). Remarque 4.1.4.
Réciproquement, soit d ∈ D(b, r), alors a s’écrit sous la D’après la remarque 4.1.1, il existe donc un unique
forme bq + r or d|b et d|r donc d divise a. Donc D(b, r) ⊂
d unitaire tel que D(a, b) = D(d).
D(a, b).
249
CHAPITRE XVI. POLYNÔMES
250
CHAPITRE XVI. POLYNÔMES
Démonstration.
Le cas (a, b) = (0, 0) est trivial (dans ce cas, a et b ne
Le couple des coefficients de Bézout n’est
sont pas premiers entre eux et il n’existe pas de couple de
pas unique. Par exemple on a Bézout).
Considérons donc (a, b) ∈ K[X]2 \ { (0, 0) }.
1× (2X 2 + X) −2X× X = X Supposons a et b premiers entre eux. Alors, d’après le
(X + 1)× (2X + X) −(2X + 3X)× X = X
2 2 théorème de Bézout première partie, on a le résultat.
Réciproquement, supposons qu’il existe deux polynômes
Exemple 4.1.10. u et v vérifiant au + bv = 1. Soit alors d ∈ D(a, b). On a
d|a et d|b, donc d|(au + bv), donc d|1, donc d ∈ K∗ . Donc
Calcul d’un couple de Bézout pour
D(a, b) ⊂ K∗ .
P = 2X 6 − 5X 5 + 8X 4 − 6X 3 + 3X − 2
au+bv = 1 implique a∧b = 1, mais au+
et bv = d n’implique pas a ∧ b = d, mais simplement
(a ∧ b)|d.
Q = 2X 5 − 7X 4 + 14X 3 − 17X 2 + 12X − 4
251
CHAPITRE XVI. POLYNÔMES
(ii) Si a et b sont premiers entre eux, alors pour Théorème 4.2.9 (Unicité de la décomposition
tous m, n ∈ N∗ , am et bn sont également en facteurs irréductibles).
premiers entre eux. Tout polynôme non nul se décompose de façon
unique comme produit d’un scalaire par des irré-
Démonstration. (i) On traite le cas k = 2, le cas gé- ductibles unitaires, à l’ordre près des facteurs.
néral s’en déduit immédiatement par récurrence. Il
existe ai et bi vérifiant aui +bi vi = 1 pour i = 1, 2. En Démonstration.
multipliant ces deux relations, il vient successivement On a déjà vu l’existence. Il reste donc à montrer l’unicité.
Par l’absurde, supposons qu’il existe un polynôme admet-
1 = (au1 + b1 v1 )(au2 + b2 v2 ) tant deux décompositions. Alors il existe un polynôme P de
1 = a2 u1 u2 + au1 b2 v2 + b1 v1 au2 + b1 v1 b2 v2 degré
Qa minimal admettant
Qb deux décompositions distinctes
1 = a(au1 u2 + u1 b2 v2 + b1 v1 u2 ) + b1 b2 (v1 v2 ) λ k=1 Ak et µ k=1 Bk , où (a, b) ∈ N2 , (λ, µ) ∈ K2 et
les Ak et les Bk sont irréductibles pour k appartenant
D’où le résultat. respectivement à [[1, a]] et [[1, b]].
(ii) On applique (i) à a et b.b.b. . . . .b, puis (i) à bn et Alors λ et µ sont le coefficient dominant de P , donc
a.a.a. . . . .a. Plus proprement, la résultat se démontre sont égaux.
Qa Qb
par récurrence. Donc k=1 Ak = k=1 Bk .
On a a =6 0. En effet, sinon on aurait b = 0 et on aurait
dans les deux cas à un produit vide, il aurait donc unicité.
De même b 6= 0.
Proposition 4.2.7. Remarquons que pour tout k ∈ [[1, b]], Aa est premier
avec Bk . En effet, sinon il existerait k0 ∈ [[1, b]] tel que
Deux polynômes complexes sont premiers entre Aa et Bk0 ne soient pas premiers entre eux. Or ils sont
eux si et seulement s’ils n’ont aucune racine com- irréductibles, donc ils sont égaux. Donc on a
plexe en commun. a−1
Y Y
Ak = Bk
k=1 k∈[[1,b]]
Démonstration. k6=k0
252
CHAPITRE XVI. POLYNÔMES
i=1 seulement si
diviseurs communs à tous ces polynômes.
1. ∀i ∈ {1, . . . , n} , D|Ai ;
2. ∀P ∈ K[X], (∀i ∈ {1, . . . , n} , P |Ai ) ⇒
Proposition 4.3.2. P |D.
Soit (A1 , . . . , An ) ∈ K[X]n , il existe un po-
lynôme D unique à association près tel que
D(A1 , . . . , An ) = D(D). Définition 4.3.7.
Des polynômes A1 , . . . , An sont dits premiers
Démonstration. entre eux dans leur ensemble si A1 ∧ · · · ∧ An = 1,
L’unicité à association près est évidente. On montre par ré- c’est-à-dire si D(A1 , . . . , An ) = K∗ .
currence que ∀n ∈ N∗ , Hn : ∀(A1 , . . . , An ) ∈ K[X]n , ∃D ∈
K[X], D(A1 , . . . , An ) = D(D).
Initialisation : OK.
Hérédité : Soit n ∈ N∗ , supposons Hn et montrons Théorème 4.3.8 (Théorème de Bézout.).
Hn+1 . Soit (A1 , . . . , An+1 ) ∈ K[X]n+1 . D’après Hn , Soit (A1 , . . . , An ) ∈ K[X]n , non tous nuls.
il existe D1 tel que D(A1 , . . . , An ) = D(D1 ). On a
alors 1. Il existe (U1 , . . . , Un ) ∈ K[X]n tel que
n+1
\ n
D(A1 , . . . , An+1 ) = D(Ai )
Ai U i = A1 ∧ · · · ∧ An .
X
i=1
i=1
= D(A1 , . . . , An ) ∩ D(An+1 )
= D(D1 ) ∩ D(An+1 ) 2. S’il existe (U1 , . . . , Un ) ∈ K[X]n tel que
= D(D1 ∧ An+1 ), n
Ai Ui = 1, alors les (Ai )ni=1 sont premiers
X
d’où Hn+1 .
i=1
entre eux dans leur ensemble.
Remarque 4.3.3.
On a toujours D(A1 , . . . , An , 0) = D(A1 , . . . , An ). Démonstration.
Exactement comme pour les entiers, en remarquant que
n
X
Définition 4.3.4. s’il existe D et U1 , . . . , Un vérifiant Ai Ui = D, alors
Soit (A1 , . . . , An ) ∈ K[X]n , non tous nuls. On i=1
A1 ∧ · · · ∧ An |D.
note alors A1 ∧ · · · ∧ An = PGCD(A1 , . . . , An )
l’unique polynôme unitaire D vérifiant Remarque 4.3.9.
D(A1 , . . . , An ) = D(D) (un polynôme non Si une famille finie de polynômes contient deux
unitaire vérifiant ceci est un PGCD). polynômes premiers entre eux, alors les polynômes
On convient que PGCD(0, . . . , 0) = 0. de cette famille sont premiers entre eux dans leur
ensemble.
253
CHAPITRE XVI. POLYNÔMES
Exemple 4.3.10.
Comme dans le cas des entiers, des polynômes On appelle le ppcm de a et b le seul de ces ppcm
qui ne sont pas premiers entre eux deux à deux qui soit unitaire ou nul. Il est noté PPCM(a, b)
peuvent être premiers entre eux dans leur en- ou a ∨ b.
semble. Exhiber une telle famille.
Remarque 4.4.4. 1. Cette définition est justi-
4.4 PPCM. fiée par la remarque 4.4.1 et le théorème 4.4.2.
Pour tout polynôme a, b, l’ensemble des mul- 2. a ∨ b = 0 si et seulement si a ou b est nul.
tiples de a est noté aK[X]. L’ensemble des mul- Remarque 4.4.5.
tiples communes à a et b est donc aK[X] ∩ bK[X]. Sur l’ensemble des polynômes unitaires, le ppcm
Remarque 4.4.1. 1. Soit d et d0 deux poly- de deux polynômes a et b est donc la borne supé-
nômes. dK[X] = d0 K[X] si et seulement d rieure de a et b pour l’ordre |.
et d0 sont associés. On peut donner la caractérisation suivante :
2. En particulier, si on a dK[X] = d0 K[X] et
que d et d0 sont unitaires, alors d = d0 et
Proposition 4.4.6.
pour tout polynôme d, il existe d0 unitaire
Soient a, b, m ∈ K[X]. m est un ppcm de a et b si
vérifiant d0 K[X] = dK[X].
et seulement si on a
1. a|m ;
Théorème 4.4.2.
Soit (a, b) ∈ K[X]2 . Alors il existe m ∈ K[X] tel 2. et b|m ;
que aK[X] ∩ bK[X] = mK[X]. 3. et pour tout n ∈ K[X], a|n et b|n ⇒ m|n.
Démonstration.
Dans le cas où a ou b est nul, on a évidemment aK[X] ∩ On a également :
bK[X] = 0K[X]. On suppose donc par la suite que a et b
sont tous deux non nuls.
Posons d = a ∧ b. Alors a (resp. b) est de la forme a0 d Proposition 4.4.7.
(resp. b0 d) et a0 et b0 sont premiers entre eux. Soient a, b, c ∈ K[X], avec c 6= 0.
Posons m = a0 b0 d. m est un multiple de a et de b, donc
mK[X] ⊂ aK[X] et mK[X] ⊂ bK[X]. Donc mK[X] ⊂ (i) (ac) ∨ (bc) et c(a ∨ b) sont associés.
aK[X] ∩ bK[X]. (ii) ab et (a ∧ b).(a ∨ b) sont associés.
Réciproquement, soit c ∈ aK[X] ∩ bK[X]. Comme c est
multiple de a, il existe u ∈ K[X] tel que c = ua = ua0 d.
De même, c est multiple de b, il existe v ∈ K[X] tel que
c = vb = vb0 d. Exemple 4.4.8.
On a donc, comme d = 6 0, ua0 = vb0 . Ainsi, b0 |ua0 . Or, Calculer X 2 − 4X + 3 ∨ X 2 + X − 2.
a0 et b0 sont premiers entre eux, donc d’après le lemme
de Gauss b0 |u. Ainsi, b0 a0 d|ua0 d, or m = b0 a0 d et c = ua0 d.
donc c ∈ mK[X]. 5 Formule d’interpolation de La-
grange.
Définition 4.4.3.
Soit a et b deux polynômes. Alors on appelle Dans cette partie, on considère un entier n et
plus petits communs multiples de a et b (ppcm (x0 , y0 ), . . . , (xn , yn ) des couples d’éléments de K.
de a et b) les polynômes d tels que l’ensemble On aimerait savoir s’il existe un polynôme P
aK[X] ∩ bK[X] des multiples communs à a et b vérifiant
soit l’ensemble dK[X] des multiples de d.
∀i ∈ [[0, n]] P (xi ) = yi , (XVI.4)
254
CHAPITRE XVI. POLYNÔMES
où
Corollaire 5.0.3. n
Soit (λ0 , . . . , λn ) ∈ Kn+1 . Alors, en posant D= (X − xi ),
Y
i=0
n
n
P =
X
λi Li , P0 =
X
yi Li .
i=0
i=0
P (xi ) = λi . Démonstration.
Remarquons tout d’abord que pour tout i ∈ [[0, n]], on a
D(xi ) = 0.
255
CHAPITRE XVI. POLYNÔMES
Analyse Soit Q un polynôme vérifiant l’équation (XVI.4). On peut alors construire l’anneau des poly-
En effectuant la division euclidienne de Q par D, on nômes à coefficients dans K comme suit.
peut écrire Q sous la forme P ×D +R où P ∈ K[X] et
R ∈ K[X] avec deg R < n + 1. On a donc deg R 6 n.
De plus, pour tout i ∈ [[0, n]], on a R(xi ) = Q(xi ) −
P (xi )D(xi ) = yi − P (xi ) × 0 = yi . Donc R est néces-
sairement le polynôme P0 et P s’écrit sous la forme Définition 6.0.3.
P × D + P0 . On note K[X] l’ensemble des suites à support fini
Synthèse Réciproquement, soit P un polynôme. Posons à valeurs dans K.
Q = P × D + P0 . Alors pour tout i ∈ [[0, n]], on a
Q(xi ) = P (xi ) × 0 + P0 (xi ) = yi . Donc Q vérifie
l’équation (XVI.4).
Conclusion L’ensemble des polynômes vérifiant l’équa- Définition 6.0.4.
tion (XVI.4) est
Soit P = (Pn )n∈N un polynôme. Si P n’est pas la
{ P × D + P0 | P ∈ K[X] } . suite nulle, le degré de P est le plus grand rang
d pour lequel Pd 6= 0. Si P est la suite nulle, on
considère que c’est −∞.
Remarque 5.0.8. Dans tous les cas, on peut écrire :
En exprimant l’équation (XVI.4) sous la forme
deg P = sup {d ∈ N, Pd 6= 0} .
(P (x0 ), . . . , P (xn )) = (y0 , . . . , yn ),
256
CHAPITRE XVI. POLYNÔMES
Démonstration.
Si P ou Q sont nuls, il est évident que P Q = 0. Sinon,
notons p et q les degrés respectifs de P et de Q. Soit Corollaire 6.0.14.
n > p + q, soit k ∈ J0, nK. Si k > p, alors Pk = 0 et Soit P = (Pn )n∈N un polynôme de degré d. On a
si k 6 p, n − k > n − p > q, donc Qn−k = 0. Ainsi, alors
n
X d
si n > p + q, Pk Qn−k = 0 et P Q est donc bien un
P =
X
Pn X n .
k=0
polynôme, de degré au plus p + q. Il suffit ensuite de voir n=0
que (P Q)p+q = Pp Qq 6= 0 pour obtenir le degré de P Q. De plus, pour tout entier d0 > d,
d0
Théorème 6.0.10.
P =
X
Pn X n .
(K[X], +, ×) est un anneau.
n=0
Démonstration. d
Le caractère de groupe abélien a déjà été vu, le reste et, pour tout polynôme Q = Pn X n , on a bien
X
des propriétés se montre de manière élémentaire, mais n=0
fastidieuse. L’écriture canonique introduite plus bas permet
un peu d’alléger les notations. +∞
P +Q= (Pn + Qn )X n
X
257
CHAPITRE XVI. POLYNÔMES
k=0
ce dont nous aurons besoin dans cette partie, sans
plus avoir besoin de distinguer le cas A = K du
cas A = Mn (K). Par exemple, le fait que pour
7 Annexe : fonctions polyno- élément x de A on a 0 · x peut se montrer en
miales à valeurs dans un an- remarquant qu’on a 0 · x = (0 + 0) · x = 0 · x + 0 · x.
neau
Définition 7.0.1.
+∞
Dans cette section, on considère un entier na- Soit P =
X
ak X k un polynôme et x un élément
turel n fixé et on pose A = K ou A = Mn (K). k=0
Dans tous les cas, A, muni de l’addition et de la de K.
multiplication usuelle est un anneau. Notons 0A On appelle évaluation du polynôme P en x et
et 1A les neutres respectifs pour l’addition et la on note Pe (x) l’élément de A défini par
multiplication dans A. Il s’agit de 0 et 1 si A = K
+∞
et de 0Mn (K) et In si A = Mn (K).
Pe (x) =
X
ak · xk
Dans les deux cas, on dispose d’une loi de com- k=0
position externe, que nous noterons · : K×A → A.
C’est la multiplication usuelle dans K si A = K
et la multiplication d’une matrice par un scalaire
Exemple 7.0.2.
si A = Mn (K).
On pose P = X 2 + 2X + 3
Dans les deux cas, on a d’une part les propriétés
suivantes 6 : 7. Un anneau (A, +, ×) tel que (A, +, ·) est un K-espace
vectoriel et qui vérifie cette propriété est appelé une K-
6. On dit que (A, +, ·) est un K-espace vectoriel. algèbre.
258
CHAPITRE XVI. POLYNÔMES
Proposition 7.0.3.
Soit x ∈ A fixé. Alors l’application d’évalua-
tion en x, evalx : K[X] → A est un
P 7→ P (x)
e
morphisme d’anneau ; autrement dit pour tout
(P, Q) ∈ K[X]2 , on a
1. P^
+ Q(x) = Pe (x) + Q(x)
e ;
2. P^× Q(x) = Pe (x) × Q(x)
e ;
3. 1]
K[X] (x) = 1A .
De plus, on a
P
^ ◦ Q(x) = P (Q(x))
259
CHAPITRE XVI. POLYNÔMES
260
Chapitre XVII
Dérivabilité
Sommaire
1 Définitions et premières propriétés. . . 262
1.1 Taux d’accroissement. . . . . . . . . . 262
1.2 Définitions. . . . . . . . . . . . . . . . 262
1.3 Opérations sur la dérivabilité. . . . . . 264
1.4 Dérivées successives. . . . . . . . . . . 266
2 Les grands théorèmes. . . . . . . . . . . 268
2.1 Extremums locaux. . . . . . . . . . . . 268
2.2 Le théorème de Rolle. . . . . . . . . . 269
2.3 Égalité et inégalité des accroissements
finis. . . . . . . . . . . . . . . . . . . . 270
2.4 Dérivabilité et sens de variation. . . . 271
2.5 Limite de la dérivée. . . . . . . . . . . 272
2.6 Théorème des accroissements finis et
suites récurrentes. . . . . . . . . . . . . 274
3 Extension au cas des fonctions com-
plexes. . . . . . . . . . . . . . . . . . . . . 275
4 Convexité. . . . . . . . . . . . . . . . . . 275
4.1 Parties convexes de R2 (HP). . . . . . 275
4.2 Fonctions convexes. . . . . . . . . . . . 276
4.3 Régularité des fonctions convexes. . . . 279
CHAPITRE XVII. DÉRIVABILITÉ
262
CHAPITRE XVII. DÉRIVABILITÉ
263
CHAPITRE XVII. DÉRIVABILITÉ
3. Les fonctions
Définition 1.2.12 (Interprétation géométrique).
Si f est dérivable (resp. dérivable à gauche, resp. fn : R → R
dérivable à droite) en a, on appelle tangente à xn sin 1
si x 6= 0
f en a (resp. demi-tangente à f à gauche en a, x 7→ x
resp. demi-tangente à f à droite en a) la droite
0 si x = 0
d’équation
pour n ∈ N, sont-elles dérivables en 0 ?
0
y = f (a) + f (a)(x − a)
1.3 Opérations sur la dérivabilité.
(resp. la demi-droite d’équation y = f (a) +
fg0 (a)(x − a) et x 6 a, resp. la demi-droite d’équa-
tion y = f (a) + fd0 (a)(x − a) et x > a). Théorème 1.3.1.
si f, g : I → R sont dérivables en a, alors :
Remarque 1.2.13. 1. f + g aussi, et (f + g)0 (a) = f 0 (a) + g 0 (a) ;
Le membre droit de cette équation n’est autre que 2. f × g aussi, et (f × g)0 (a) = f 0 (a) × g(a) +
la partie linéaire du développement limité donné f (a) × g 0 (a) ;
par la caractérisation de Hilbert. 3. λf aussi et (λf )0 (a) = λf 0 (a) ;
4. si g ne s’annule pas au voisinage de a,
alors 1/g est dérivable au voisinage de a et
0 0
g (a)
Théorème 1.2.14. 1
(a) = − g(a) 2
g
f est dérivable en a si et seulement si f est déri-
5. si g ne s’annule pas au voisinage de a, alors
vable à gauche et à droite en a et fg0 (a) = fd0 (a).
f /g est aussi dérivable en a et
264
CHAPITRE XVII. DÉRIVABILITÉ
4. Supposons que g ne s’annule pas au voisinage de a, Or, lorsque x tend vers a, ϕf,a (x)g(a) + f (a)ϕg,a (x) +
alors pour x au voisinage épointé de a, on a (x − a)ϕf,a (x)ϕg,a (x) tend vers f 0 (a)g(a) + f (a)g 0 (a).
Donc f × g est dérivable en a, de dérivée f 0 (a)g(a) +
1/g(x) − 1/g(a) 1 g(x) − g(a)
=− × f (a)g 0 (a).
x−a g(x)g(a) x−a
3. On a
Lorsque x tend vers a, le membre droit de cette égalité
tend vers −g 0 (a)/g(a)2 , d’où le résultat. (λf )(x) − (λf )(a) = (x − a)(λϕf,a )(x)
5. Ce résultat se déduit cas du produit appliqué à f et
1/g : En effet, supposons que g ne s’annule pas au 4.
voisinage de a. Alors 1/g est dérivable en a d’après
1 1 g(a) − g(x) (x − a)ψg,a (x)
le point précédent, donc f × 1/g est dérivable en a. On a − = =−
g(x) g(a) g(a)g(x) g(a)g(x)
De plus
ψf,a (x) g (a)
0
g 0 (a)
et − −−−→ −
(f × 1/g)0 (a) = f 0 (a) × 1/g(a) + f (a) × − g(a)g(x) x→a g(a)2
g(a)2
1. On a donc (g ◦ f )0 = f 0 × (g 0 ◦ f )
(f + g)(x) − (f + g)(a) = (x − a)(ϕf,a + ϕg,a )(x)
Or ϕf,a + ϕg,a a pour limite f 0 (a) + g 0 (a) en a, donc
c’est une application continue, donc d’après la carac-
térisation de Carathéodory, f + g est dérivable en a,
Le second point est évidemment une consé-
de dérivée f 0 (a) + g 0 (a). quence immédiate du premier.
2. On a Démonstration (Erronée).
f est dérivable en a donc continue en a, donc f (x) −−−→
(f × g)(x) − (f × g)(a) x→a
f (a).
=(f (a) + (x − a)ϕf,a (x)) × (g(a) + (x − a)ϕg,a (x))
Par composition, on a donc
− f (a)g(a)
=(x − a)ϕf,a (x)g(a) + f (a)(x − a)ϕg,a (x) g(f (x)) − g(f (a))
−−−→ g 0 (f (a))
f (x) − f (a) x→a
+ (x − a) ϕf,a (x)ϕg,a (x)
2
De plus
=(x − a) ϕf,a (x)g(a) + f (a)ϕg,a (x) f (x) − f (a)
−−−→ f 0 (a)
x−a
x→a
+ (x − a)ϕf,a (x)ϕg,a (x)
Par produit, on obtient bien le résultat voulu.
265
CHAPITRE XVII. DÉRIVABILITÉ
x→a
y − b = f −1 (y) − f −1 (b) ϕ(f −1 (y))
D’où le résultat.
Si y =
6 b, on a y − b 6= 0, donc ϕ(f −1 (y)) 6= 0, et si y = b,
on sait déjà que ϕ(f −1 (y)) 6= 0. Donc dans les deux cas,
Théorème 1.3.5.
on a :
Soit f : I → J bijective continue (de réciproque
1
f −1 : J → I). Soit a ∈ I, on note f (a) = b. Si f (f −1 (y) − f −1 (b)) = (y − b)
ϕ(f −1 (y))
est dérivable en a (resp. sur I) et si f 0 ne s’annule
pas en a (resp. sur I), alors f −1 est dérivable On sait ϕ(f −1
1
(b))
= f 01(a) , donc pour conclure, il suffit de
1 montrer que y 7→ ϕ(f −1 1
est continue en b.
en b (resp. sur J) et (f −1 )0 (b) = 0 (resp. (y))
f (a) Or f est une bijection continue de I sur J donc f −1 est
1 également continue sur J donc en particulier en b et vaut
(f −1 )0 = 0 ). a en b. Par ailleurs on sait déjà que ϕ est continue en a.
f ◦ f −1
On en déduit donc le résultat.
Exemple 1.3.7.
Remarque 1.3.6. 1. Moyen mnémotechnique :
On admet que exp et sin sont dérivables. Grâce
f ◦ f −1 = Id, donc est dérivable de dérivée
aux résultats précédents, on peut montrer les
1. Or on sait d’après le th. de composition,
résultats connus de dérivabilité de toutes les
(f ◦ f −1 )0 = (f −1 )0 × f 0 ◦ f −1 .
fonctions usuelles (ln, cos, tan, Arctan, Arcsin,
2. Ce résultat est faux sans l’hypothèse de conti- Arccos, ch, sh, th, Argth, Argch, Argsh)
nuité. Considérer par exemple
Exercice 1.3.8.
f : [0, 2[ → [−1, 1[ Se faire un formulaire reprenant tout ça sur
x 7→ x − 2 bxc) un intervalle, ainsi notamment que les cas de
(f + g)0 , (f g)0 , (f n )0 , (f ◦ g)0 , (1/f )0 , (f −1 )0 ,
f est bijective et dérivable en 0 de dérivée 1 (ln ◦f )0 , (exp ◦f )0 .
mais sa réciproque n’est même pas continue
en f (0). En effet il s’agit de
266
CHAPITRE XVII. DÉRIVABILITÉ
(k)
Déterminer fn pour tout k ∈ N.
si f : I → R, on commence par définir f (0) = f .
Pour tout n ∈ N, si f (n) est définie et dérivable,
on pose h i0 Théorème 1.4.6.
f (n+1) = f (n) . Soit n ∈ N. Soient f, g ∈ C n (I, R) et λ ∈ R.
1. (f + g) ∈ C n (I, R) et (f + g)(n) = f (n) + g (n) .
Si f (n) existe, on dit que f est n-fois dérivable.
2. λf ∈ C n (I, R) et (λf )(n) = λf (n) .
3. (f g) ∈ C n (I, R) et (formule de Leibniz) :
Définition 1.4.2 (Classes de régularité). n
!
On note pour tout n ∈ N (f g)(n) =
X n (k) (n−k)
f g .
k
n o k=0
D n (I, R) = f : I → R f (n) existe ;
n o 4. Si g ne s’annule pas, (f /g) ∈ C n (I, R).
C n (I, R) = f ∈ D (n) f (n) est continue ;
+∞
∞
C (I, R) = C n (I, R).
\
Démonstration. 1. Facile par récurrence, en notant
n=0 pour f et g fixées et pour tout n ∈ N, (Hn ) l’as-
sertion «si f et g appartiennent à C n (I, R) alors
Si f ∈ C n (I, R), on dit que f est n-fois continu- (f + g) ∈ C n (I, R) et (f + g)(n) = f (n) + g (n) ».
ment dérivable (ou de classe C n ) sur I. 3. On fait encore une démonstration par récurrence,
Si f ∈ C ∞ (I, R), on dit que f est infiniment en notant (Hn ) l’assertion «si f et g appartiennent
dérivable (ou de classe C ∞ ) sur I. à C n (I, R) alors (f g) ∈ C n (I, R) et (f g)(n) =
n
X n
f (k) .g (n−k) » :
k
k=0
• (H0 ) est évidemment vraie.
Proposition 1.4.3. • L’hérédité se démontre à l’aide de la formule 2 du
Soit I un intervalle non vide, non réduit à un théorème 1.3.1, et se conduit de la même manière
point. Pour tout n ∈ N, que la démonstration de la formule du binôme
de Newton.
C n+1 (I, R) ( D n+1 (I, R) ( C n (I, R). 4. Encore une récurrence, mais plus subtile car cette
fois on ne fixe pas f et g. Pour n ∈ N, on note (Hn )
l’assertion «pour toutes f, g ∈ C n (I, R) telles que g
ne s’annule pas, on a f /g ∈ C n ».
Démonstration.
• De nouveau (H0 ) se démontre aisément.
Les inclusions sont immédiates. On obtient le caractère
• Soit n ∈ N. Supposons (Hn ) et montrons (Hn+1 ).
strict en primitivant n fois l’exemple suivant, ainsi que la
Soit f, g ∈ C n+1 (I, R), g ne s’annulant pas.
fonction valeur absolue, après avoir opéré une translation
Alors on sait que f /g est dérivable et (f /g)0 =
pour se ramener de 0 en un point à l’intérieur de I.
f 0 g − f g0
. Mais f 0 g − f g 0 est de classe C n , ainsi
Exemple 1.4.4 (Exemple fondamental). g2
1
que g 2 , et g 2 ne s’annule pas. On peut donc appli-
Soit f : x 7→ x2 sin , prolongée par continuité quer l’hypothèse de récurrence (Hn ) à f 0 g − f g 0
x et g 2 et en déduire que (f /g)0 est de classe C n ,
en 0 en posant f (0) = 0. Alors f est dérivable donc que f /g est de classe C n+1 .
en 0 (ainsi que sur R), mais sa dérivée n’est pas
continue en 0.
Exercice 1.4.5.
Théorème 1.4.7.
Soit n ∈ Z, soit
Soit n ∈ N∗ . Soient f ∈ C n (I, R) et g ∈ C n (J, I).
fn : R∗+ → R∗+ . Alors (f ◦ g) ∈ C n (J, R).
x 7→ xn
267
CHAPITRE XVII. DÉRIVABILITÉ
Démonstration.
(non exigible). La démonstration se fait là encore par récur- 2
rence, avec la même subtilité que dans la démonstration pré- x 7→ x3 − 3x2 + 4x − 1
cédente. Pour n ∈ N, on note (Hn ) l’assertion «pour toutes 3
f ∈ C n (I, R) et g ∈ C n (J, I), on a (f ◦ g) ∈ C n (J, R)».
• De nouveau (H0 ) est triviale.
• Soit n ∈ N. Supposons (Hn ) et montrons (Hn+1 ).
Soit f ∈ C n+1 (I, R) et g ∈ C n+1 (J, I). Alors on
sait que f ◦ g est dérivable et que (f ◦ g)0 = g 0 .f 0 ◦ g.
Or f 0 est de classe C n , ainsi que g. En appliquant
l’hypothèse de récurrence (Hn ) à f 0 et g, on obtient
que f 0 ◦ g est de classe C n . Or g 0 est aussi de classe
C n , donc le produit g 0 .f 0 ◦ g est de classe C n . Ainsi
(f ◦ g)0 est de classe C n , donc f ◦ g est de classe 1 2
C n+1 .
268
CHAPITRE XVII. DÉRIVABILITÉ
269
CHAPITRE XVII. DÉRIVABILITÉ
f (b) − f (a)
f 0 (c) = .
b−a
a c b
Remarque 2.3.2. 1. Ce théorème est une gé-
néralisation du théorème de Rolle : les hy-
pothèses sont les mêmes, à l’exception de Figure XVII.4 – Illustration du théorème des
l’hypothèse f (a) = f (b), qui n’est ici pas né- accroissements finis (existence d’une tangente de
cessaire, et la conclusion est la même que même pente que la corde).
celle du théorème de Rolle dans le cas où
f (a) = f (b).
Pour montrer le TAF, on se ramène à Rolle par
2. Cependant, on va utiliser le théorème de une transformation géométrique (x, y) 7→ (x, y −
Rolle pour démontrer le théorème des accrois- px). Où p est la pente de la droite D. passant
sements finis. Dans ces conditions affirmer par les points (a, f (a)) et (b, f (b)). En effet, on
que le théorème de Rolle n’est qu’un corol- peut remarquer que D est parallèle au graphe de
laire du TAF laisserait croire que l’on n’a pas pId, donc f (a) − pa = f (b) − pb. On peut alors
bien saisi l’enchaînement des démonstrations. appliquer le théorème de Rolle à l’application
270
CHAPITRE XVII. DÉRIVABILITÉ
271
CHAPITRE XVII. DÉRIVABILITÉ
272
CHAPITRE XVII. DÉRIVABILITÉ
dérivée n’admet pas de limite. ver les valeurs de a et b pour lesquelles f est de
classe C 1 .
Exemple 2.5.3.
On considère les fonctions fn pour n ∈ N définies Correction.
au point 3 de l’exemple 1.2.15. Pour n > 1, fn est Remarquons que f est dérivable sur R \ { 1 } et
continue sur R et dérivable sur R∗ . De plus que sa dérivée est continue sur R \ { 1 }.
De plus f est continue à gauche et dérivable à
1 1 gauche en 1, de dérivée à gauche fg0 (1) = e.
∀x ∈ R∗ , fn0 (x) = nxn−1 sin − xn−2 cos
x x
Analyse Supposons f ∈ C 1 (R, R). Alors f est
Pour n > 3, fn0 (x) −−−→ 0. Donc, d’après le théo- continue, donc f (x) −−−−→ f (1), donc 1 + a +
x→0 x→1+
x6=0 b = e.
rème ci-dessus, pour tout n > 3, fn est déri-
De plus f est dérivable. Sa dérivée à gauche
vable en 0, de dérivée égale à 0 et on a même
en 1 est e . Pour x > 1, on a f 0 (x) = 2x + a,
fn ∈ C 1 (R, R).
donc f 0 (x) −−−−→ 2 + a, donc f 0 est dérivable
Pour n ∈ { 1, 2 }, fn0 n’a pas de limite en 0. Le x→1+
théorème précédent ne permet alors de conclure ni à droite en 1, de dérivée 2 + a.
à la dérivabilité, ni à la non-dérivabilité de fn en f étant dérivable en 1, on a e = fg0 (1) =
273
CHAPITRE XVII. DÉRIVABILITÉ
fd0 (1) = 2 + a. 1
R+ → R, x 7→ à 10−2 . R+ est stable par f ,
Donc a = e − 2 et b = 1. 1+x
1
f est dérivable sur R+ , de dérivée x 7→ −
Synthèse Supposons a = e − 2 et b = 1. Par les (1 + x)2
calculs précédents, f est continue à droite en bornée par 1.
1, donc f est continue en 1. Malheureusement cette borne est insuffisante
De plus, f est dérivable en tout x ∈]1, +∞[, pour appliquer les idées vues ci-dessus : on aime-
et f 0 (x) = 2x + a, donc f 0 (x) −−−−→ 2 + rait avoir une borne K strictement inférieure à
x→1+ 1.
a, donc grâce au théorème de la limite de
Pour cela, on va chercher un intervalle stable
la dérivée, f est dérivable à droite en 1 et
par f sur lequel f 0 est bornée par un K < 1. f 0
fd0 (1) = 2 + a = e .
étant strictement croissante et à valeurs négatives,
Ainsi, f est dérivable en 1, de dérivée e. f il suffit de trouver un invervalle de la forme [a, b]
est donc dérivable sur R. avec a < b et a > −1. √
De plus f 0 est continue à droite et à gauche −1 + 5
Le point fixe de f est par calcul α = .
en 1, donc f 0 est continue en 1, donc sur R. 2
On peut constater que f (1) = 1/2, et comme
Donc f ∈ C 1 (R, R).
α 6 1, en déduire que 1/2 6 f (α) = α.
Conclusion f ∈ C 1 (R, R) si et seulement si a = On peut alors constater aisément que [1/2, 1]
e − 2 et b = 1. est stable par f . On peut choisir une valeur arbi-
traire dans [1/2, 1]. En itérant f sur cette valeur
2.6 Théorème des accroissements finis on obtient des approximations successives de α
et suites récurrentes. convergeant vers α.
274
CHAPITRE XVII. DÉRIVABILITÉ
Démonstration.
• Les grands théorèmes :
La fonction f est constante si et seulement si Re(f ) et Im(f )
sont constantes, ce qui équivaut à (Re(f ))0 = (Im(f ))0 = 0,
- le théorème de Rolle ne se généralise pas. ce qui équivaut à (Re(f ))0 + i(Im(f ))0 = 0, c’est-à-dire à
Ex : R → C, x 7→ e ix . f 0 = 0.
275
CHAPITRE XVII. DÉRIVABILITÉ
Ef
f (y)
276
CHAPITRE XVII. DÉRIVABILITÉ
donc toujours supposer, sans perte de généralité, Comme I est un intervalle, on a (1 − λ)x + λx0 ∈ I. Comme
que x < y. f est convexe, on a (1−λ)f (x)+λf (x0 ) > f ((1−λ)x+λx0 ),
donc
(1 − λ)y + λy 0 > f ((1 − λ)x + λx0 ).
Remarque 4.2.4 ( ). Ainsi, ((1−λ)x+λx0 , (1−λ)y+λy 0 ) appartient à l’épigraphe
« concave » n’est pas le contraire de « convexe ». de f , donc cet épigraphe est bien convexe.
Il existe des fonctions ni concaves, ni convexes Réciproquement, supposons que l’épigraphe de f soit
convexe. Si x, y ∈ I, on a bien entendu f (x) > f (x) (idem
(par exemple, x 7→ x3 ) ; il existe des fonctions pour y), donc (x, f (x)) et (y, f (y)) sont deux points de
concaves et convexes (par exemple, les fonctions l’épigraphe de f . Ainsi, si λ ∈ [0, 1], alors ((1 − λ)x +
constantes). λy, (1 − λ)f (x) + λf (y)) est dans l’épigraphe de f , ce qui
signifie exactement que
Exercice 4.2.5.
Caractériser les fonctions à la fois concaves et f ((1 − λ)x + λy) 6 (1 − λ)f (x) + λf (y).
convexes. Ainsi, f est convexe.
(1 − λ)y + λy 0 > (1 − λ)f (x) + λf (x0 ). f (λ1 x1 + · · · + λn+1 xn+1 ) 6 µf (S) + λn+1 f (xn+1 ).
277
CHAPITRE XVII. DÉRIVABILITÉ
Par hypothèse de récurrence, on a Ainsi, par disjonction de cas, τf,a est croissante.
λ1 λn Réciproquement, supposons que, pour tout a ∈ I, τf,a
f (S) 6 f (x1 ) + · · · + . . . f (xn ), soit croissante sur I \ {a}.
µ µ
Soit x, y ∈ I, supposons sans perte de généralité que
de sorte que l’on obtient bien x < y. Soit λ ∈]0, 1[, montrons que f ((1 − λ)x + λy) 6
(1 − λ)f (x) + λf (y). Posons a = (1 − λ)x + λy ∈]x, y[.
f (λ1 x1 + · · · + λn+1 xn+1 ) 6 λ1 f (x1 ) + · · · + λn+1 f (xn+1 ). a−x y−a
Notamment, λ = et 1 − λ = . On a par
Le résultat est donc bien établi par récurrence. y−x y−x
croissance de τf,a :
278
CHAPITRE XVII. DÉRIVABILITÉ
f (c)
S
f
f (a)
f (b)
f
a b c I
Figure XVII.7 – Les trois cordes du théorème Figure XVII.8 – Position d’une sécante S par
des trois pentes. rapport à la courbe d’une fonction convexe f .
279
CHAPITRE XVII. DÉRIVABILITÉ
280
CHAPITRE XVII. DÉRIVABILITÉ
T0
Définition 4.3.12.
Soit f : I → R continue, soit a ∈ I. Alors, a est un
point d’inflexion pour f si la courbe de f change
T de concavité en a, c’est-à-dire s’il existe ε > 0
tel que f|[a−ε,a] et f[a,a+ε] soient de concavités
f
opposées (l’une est convexe et l’autre est concave).
Proposition 4.3.13.
Soit f : I → R deux fois dérivable. Alors tout
I point d’annulation de f 00 où f 00 change de signe
est un point d’inflexion de f .
Si a est un point d’inflexion de f , la tangente à
Figure XVII.9 – Position de deux tangentes la courbe de f en a traverse la courbe de f , en a.
T et T 0 par rapport à la courbe d’une fonction
convexe f .
T
En effectuant leur combinaison linéaire avec les coefficients
λ > 0 et (1 − λ) > 0, on obtient
f
λf (x) + (1 − λ)f (y) > f (a) + f 0 (a)(λx + (1 − λ)y − a),
Démonstration.
Immédiat avec la proposition 4.2.6.
Exemple 4.3.11.
La fonction ln est concave.
281
CHAPITRE XVII. DÉRIVABILITÉ
282
Chapitre XVIII
Fractions rationnelles
Sommaire
1 Corps des fractions rationnelles K(X). . 284
1.1 Définitions. . . . . . . . . . . . . . . . 284
1.2 Fonctions rationnelles. . . . . . . . . . 285
1.3 Dérivées, degrés et pôles. . . . . . . . . 285
1.4 Zéros et pôles. . . . . . . . . . . . . . . 287
2 Étude locale d’une fraction rationnelle. 288
2.1 Partie entière. . . . . . . . . . . . . . . 288
2.2 Partie polaire associée à un pôle. . . . 288
2.3 Décomposition en éléments simples dans
C(X). . . . . . . . . . . . . . . . . . . 288
2.4 Décomposition en éléments simples dans
R(X). . . . . . . . . . . . . . . . . . . 289
2.5 Quelques méthodes de calcul. . . . . . 289
a Avant même de commencer. . . . 289
b Simplification par symétrie, parité
et imparité. . . . . . . . . . . . . 290
c Simplification par conjugaison de
fractions rationnelles réelles. . . . 290
d Méthode de base. . . . . . . . . . 290
e Résidus. . . . . . . . . . . . . . . 291
f Un exemple. . . . . . . . . . . . . 291
g Évaluation en un point différent
d’un pôle. . . . . . . . . . . . . . 292
h Identification. . . . . . . . . . . . 292
i Développements limités. . . . . . 292
2.6 Décomposition de P 0 /P . . . . . . . . . 293
3 Application au calcul intégral. . . . . . 293
3.1 Si K = C . . . . . . . . . . . . . . . . . 293
3.2 Si K = R . . . . . . . . . . . . . . . . . 294
CHAPITRE XVIII. FRACTIONS RATIONNELLES
284
CHAPITRE XVIII. FRACTIONS RATIONNELLES
Exemple 1.2.2.
X2 − 1 X +1 Proposition 1.2.6.
n’est pas irréductible, mais Soient R1 , R2 deux fractions rationnelles. Alors
X(X − 1) X
l’est. R1 = R2 ⇔ R̃1 = R̃2 .
Remarque 1.2.3.
Démonstration.
Le sens direct découle des propriétés de l’égalité en mathé-
Il existe une infinité de formes irréduc- matiques.
1 2 3
tibles : ainsi , et sont trois formes P A
X 2X 3X Étudions le sens indirect : on note R1 = et R2 = ,
irréductibles d’une même fraction rationnelle. Q B
A C P̃ Ã
deux formes irréductibles. Alors les fonctions et
Cependant, si et sont deux formes irré- Q̃ B̃
B D
ductibles d’une même fraction rationelle, alors il coïncident sur leur ensemble de définition D, d’où P̃ B̃ et
ÃQ̃, qui sont deux fonctions polynomiales, coïncident sur
existe λ ∈ K∗ vérifiant C = λA et D = λB. (en D, qui est infini. Donc les polynômes sous-jacents sont
effet, on a alors AD = BC donc D|BC or D et égaux, i.e. P B = AQ. Donc on a R1 = R2 .
C sont premiers entre eux, donc D divise B ; de
même B|AD donc B|D, B et D sont donc asso-
ciés, il existe donc λ non nul vérifiant D = λB, 1.3 Dérivées, degrés et pôles.
donc λAB = BC, or B 6= 0 donc C = λA).
285
CHAPITRE XVIII. FRACTIONS RATIONNELLES
Démonstration.
Définition 1.3.1. A C
Si F = = , alors AD = BC, donc deg(AD) =
A B D
Soit R = . On appelle dérivée de R la fraction deg(BC), soit deg(A) + deg(D) = deg(B) + deg(C). On
B 0 obtient donc deg(A) − deg(B) = deg(C) − deg(D).
A B − B0A
rationnelle . Cette fraction rationnelle
B2 Remarque 1.3.4.
ne dépend pas du choix de A et de B, et est donc
bien définie. Le degré sur K(X) prolonge celui sur K[X].
On a alors les propriétés suivantes, pour R1 , R2 ∈ Remarque 1.3.5.
K(X) et λ ∈ K : La fraction rationnelle nulle est la seule à ne pas
(i) (R1 + λR2 )0 = R10 + λR20 avoir pour degré un entier.
(ii) (R1 × R2 )0 = R10 R2 + R1 R20
Exemple 1.3.6.
R1 0 R10 R2 − R1 R20
(iii) si R2 6= 0, = .
R2 R22
!
X4
deg =4−2=2
Démonstration. • Montrons que R0 ne dépend pas X(X − 1)
P A A
du choix de A et B : si R = = , avec
X(X 2 + 5)
!
Q B B
irréductible. Alors P B = AQ, donc A|P B et, avec deg = 3 − 5 = −2
X (X 2 + X − 2)
3
le lemme de Gauss, A|P , d’où il existe C ∈ K[X]
X 2 (X + 1)
!
tel que P = AC, et par suite Q = BC. Dans ce cas,
deg =3−3=0
0 X 3 − 2X + 3
P P 0 Q − Q0 P
=
Q Q2
(A0 C + AC 0 )BC − (B 0 C + BC 0 )AC On voit là qu’une fraction rationnelle de degré
=
B2C 2
nul n’est pas forcément constante.
C (A B − AB )
2 0 0
=
C 2B2
A0 B − AB 0
=
B2
0
A
= .
B
• Il suffit de remplacer les expressions par leurs défini-
tions et d’un simple calcul pour vérifier les propriétés
énoncées. Proposition 1.3.7.
Soient R1 , R2 ∈ K(X).
Remarque 1.3.2. (i) deg(R1 + R2 ) 6 max(deg R1 , deg R2 )
La dérivation sur K(X) prolonge celle sur K[X]. (ii) deg(R1 R2 ) = deg R1 + deg R2
R1
(iii) Si R2 6= 0, deg = deg R1 − deg R2 .
R2
Définition 1.3.3 (Degré). (iv) Si deg R1 6= 0, alors deg R10 = deg R1 − 1.
A
Soit R = , avec A, B ∈ K[X], B = 6 0. On ap- (v) Si R1 6= 0, alors deg R10 < deg R1 .
B
pelle degré de R, noté deg R, la quantité deg R =
deg A−deg B. Si A 6= 0, il s’agit d’un entier relatif.
Sinon, deg R = −∞. Cette définition ne dépend
là encore pas du représentant choisi. Démonstration.
P A
On note R1 = et R2 = .
Q B
286
CHAPITRE XVIII. FRACTIONS RATIONNELLES
P B + AQ
(i) On a : R1 + R2 = . Donc 1.4 Zéros et pôles.
QB
deg(R1 + R2 )
= deg(P B + AQ) − deg(QB)
6 max(deg(P B), deg(AQ)) − deg Q − deg B
6 max(deg P + deg B, deg A + deg Q) − deg Q − deg B
6 max(deg P + deg B − deg Q − deg B, Définition 1.4.1.
deg A + deg Q − deg Q − deg B)
A
Soit R = , irréductible.
6 max(deg P − deg Q, deg A − deg B) B
1. Toute racine de A est appelée racine ou zéro
6 max(deg(P/Q), deg A/B)
de R. Si elle est de multiplicité m dans A, on
6 max(deg(R1 ), deg(R2 )).
dira aussi qu’elle est de multiplicité m dans
R.
(ii) Simple calcul.
2. Toute racine de B est appelée pôle de R. Si
(iii) Idem. elle est de multiplicité m dans B, on dira
(iv) On note d = deg P , e = deg Q, p le coefficient domi- aussi qu’elle est de multiplicité m dans R.
nant de P et q celui de Q. On utilise les expressions pôle ou racine simple
• Si e = 0, alors R1 est un polynôme et le résultat
ou double quand la multiplicité vaut 1 ou 2.
est alors connu.
Q0
• Si d = 0 et e 6= 0, alors deg R1 = −e et R10 = −p 2 ,
Q
dont le degré est e − 1 − 2e = −e − 1 = deg R1 − 1.
P 0 Q − Q0 P
• Si d 6= 0 et e 6= 0, alors on a R10 = , donc
Q2
deg P Q = deg P Q = deg P + deg Q − 1 = d + e − 1.
0 0
287
CHAPITRE XVIII. FRACTIONS RATIONNELLES
k=1
(X − λ)k Démonstration.
Hors programme.
288
CHAPITRE XVIII. FRACTIONS RATIONNELLES
289
CHAPITRE XVIII. FRACTIONS RATIONNELLES
290
CHAPITRE XVIII. FRACTIONS RATIONNELLES
291
CHAPITRE XVIII. FRACTIONS RATIONNELLES
a b c d
+ + + .
X + 1 (X + 2) 3 (X + 2) 2 X +2 h2 R(λ + h) = b + ah + h2 G(λ + h)
La méthode de base nous donne immédiatement Or G n’a pas pour pôle λ, donc G est bornée au
a = −3 et b = 4. Par ailleurs, la méthode des voisinage de λ.
résidus nous donne a + d = 0, donc d = 3.
Donc h2 R(λ+h) admet le développement limité
En évaluant alors, par exemple en 2, on obtient :
b + ah + o(h) pour h au de 0. Les développements
−3 4 c 3 limités étant uniques (sous réserve d’existence),
0= + + + il suffit de calculer le développement limité de
2 + 1 (2 + 2) 3 (2 + 2) 2 2+2
h2 R(λ + h) pour obtenir a et b.
−3 c
= + Cette méthode s’applique aussi très bien à des
16 16
pôles de multiplicité supérieure à 2, quitte à dé-
d’où c = 3. velopper assez loin.
On aurait bien sûr pu évaluer en un autre point, Par exemple posons
par exemple, en évaluant en −3, on obtient :
3X − 1
−5 −3 4 c 3 R=
= + + + (X − 1)2 (X 2 + 1)
2 −2 −1 1 −1
292
CHAPITRE XVIII. FRACTIONS RATIONNELLES
Pour h au voisinage de 0, on a
Proposition 2.6.2.
3(h + 1) − 1 Soit P ∈ R[X] un polynôme non nul. Alors P
h2 R(1 + h) =
(h + 1)2 + 1 s’écrit n
3h + 2 Hkpk ,
Y
= λ
2 + 2h + h2 k=1
1 3h + 2 où λ ∈ R et où les Hk , pour k = 1, . . . , n sont des
= .
2 1 + h + h2 /2 polynômes irréductibles deux à deux distincts et
1 p1 , . . . , pk sont des entiers naturels non nuls.
= (3h + 2)(1 − h + o(h))
2 Alors
1 P0 n
pk Hk0
= (3h + 2 − 2h + o(h)) =
X
2 .
P k=1
H k
= 1 + h/2 + o(h)
293
CHAPITRE XVIII. FRACTIONS RATIONNELLES
de savoir intégrer les polynômes ainsi que toute et la valeur absolue s’enlève sans problème car
1 X 2 +βX +γ étant irréductible, il n’a pas de racine
fonction de la forme t 7→ , avec k ∈ N∗ .
(t − λ)k et est donc de signe constant.
Traitons différents cas : Le second terme se réécrit quant à lui
Si k = 1 on sépare alors la partie réelle et la par-
1 b − aβ b − aβ
tie imaginaire de , puis on intègre. 2
= 2
.
(t − λ)k t2 + βt + γ (t + β/2)2 + (γ − β 2 /4)
Si on note λ = α + iβ, cela donne :
Or, comme ∆ < 0,
1 t − α + iβ
=
(t − α)2 + β 2 1
√ 2
t−λ
γ − β 2 /4 = −∆/4 = −∆ .
t−α iβ 2
= + .
(t − α)2 + β 2 (t − α)2 + β 2
1√
En posant alors θ = −∆, on a θ > 0 et
Or 2
1
Z x
t−α
dt = ln (x 2
+ 2 b − aβ b − aβ x + β/2
Z x
− α) β
(t − α)2 + β 2 2 2
dt = 2
Arctan
Z x (t + β/2)2 + θ2 θ θ
β x−α
et dt = Arctan .
(t − α)2 + β 2 β Remarque 3.2.1.
Ces formules ne sont en aucun cas à apprendre
Si k > 1 alors par cœur, mais il convient de savoir mener ces
1 1 1 calculs sur des exemples concrets.
Z x
dt = − × .
(t − λ)k k − 1 (x − λ)k−1
3.2 Si K = R
Il s’agit de savoir intégrer d’une part les
1
, ce qu’on sait déjà faire et d’autre part
(t − λ)k
at + b
les termes de la forme t 7→ 2 où a,
(t + βt + γ)n
b, β et γ sont des constantes réelles, où n est un
naturel non nul et où le polynôme X 2 + βX + γ
n’admet pas de racine réelle.
On se limitera au cas où n = 1. Pour gérer les
autres cas, on peut décomposer R en éléments
simple dans C(X) et calculer l’intégrale par les
méthodes données ci-dessus.
En posant ∆ = β 2 − 4γ, on a donc ∆ < 0.
On écrit alors
at + b a 2t + β b − aβ
= 2 + 2
.
t2 + βt + γ 2 t + βt + γ t2 + βt + γ
Le premier terme est un rapport de la forme
:
u0 /u
2t + β
Z x
a a
dt = ln |x2 + βx + γ|
2 t2 + βt + γ 2
294
Chapitre XIX
Espaces vectoriels
Sommaire
1 Espaces vectoriels et combinaisons li-
néaires. . . . . . . . . . . . . . . . . . . . 296
1.1 Définitions. . . . . . . . . . . . . . . . 296
1.2 Règles de calcul. . . . . . . . . . . . . 296
1.3 Exemples. . . . . . . . . . . . . . . . . 297
1.4 Combinaisons linéaires. . . . . . . . . . 298
2 Sous-espaces vectoriels. . . . . . . . . . 298
2.1 Définitions. . . . . . . . . . . . . . . . 298
2.2 Exemples. . . . . . . . . . . . . . . . . 300
2.3 Opérations sur les sous-espaces vectoriels. 300
a Intersection. . . . . . . . . . . . . 300
b Sous-espace vectoriel engendré par
une partie. . . . . . . . . . . . . . 300
c Somme. . . . . . . . . . . . . . . 302
2.4 Somme directe et supplémentaires. . . 303
3 Translations, sous-espaces affines. . . . 304
3.1 Translations. . . . . . . . . . . . . . . 305
3.2 Sous-espaces affines. . . . . . . . . . . 305
3.3 Barycentres (hors programme) . . . . 306
3.4 Convexité (hors programme) . . . . . . 308
CHAPITRE XIX. ESPACES VECTORIELS
296
CHAPITRE XIX. ESPACES VECTORIELS
Démonstration. (i) (a) Remarquons tout d’abord (iv) Soit λ ∈ K, (x1 , . . . , xn ) ∈ E et (y1 , . . . , yn ) ∈ E. En
qu’on a 0 · x = (0 + 0) · x = 0 · x + 0 · x et donc posant
par simplification dans (E, +), donc 0 · x = 0.
z = λ · (x1 +1 y1 , . . . , xn +n yn )
(b) Remarquons ensuite qu’on a λ · 0 = λ(0 + 0) =
λ · 0 + λ · 0, d’où λ · 0 = 0. on a successivement :
F ×F −→ F
Alors, (E, +, ·) est un K-ev appelé espace vectoriel (
produit. +: X → E
(f, g) 7−→
x 7→ f (x) + g(x)
Démonstration. et
Il suffit de vérifier les 5 points de la définition d’espace
vectoriel :
K ×F −→ F
(
(i) (E, +) est un groupe (cf. exercices sur les groupes ·: X → E .
produits vu en TD), et commutatif car tous les Ei le (λ, f ) 7−→
x 7→ λ · (f (x))
sont.
(ii) Soit (x1 , . . . , xn ) ∈ E, on a 1 · (x1 , . . . , xn ) = (1 ·1 Alors (F , +, ·) est un K-ev.
x1 , . . . , 1 ·n xn ) = (x1 , . . . , xn ).
(iii) Soit (λ, µ) ∈ K2 , (x1 , . . . , xn ) ∈ E. En posant
Démonstration.
z = (λ + µ) · (x1 , . . . , xn ) Il suffit de vérifier les 5 points de la définition d’ev. On
a déjà vu que (E X , +) était un groupe commutatif. Le
on a successivement : lecteur saura vérifier les points (ii) à (v).
297
CHAPITRE XIX. ESPACES VECTORIELS
298
CHAPITRE XIX. ESPACES VECTORIELS
299
CHAPITRE XIX. ESPACES VECTORIELS
∀i ∈ I (x, y) ∈ Fi2
Théorème 2.3.1. 1. F ∩ G est un sous-espace
vectoriel de E. ∀i ∈ I λx + y ∈ Fi2
\
2. F ∪ G est un sous-espace vectoriel de E si et λx + y ∈ Fi
seulement si F ⊂ G ou G ⊂ F .
i∈I
Démonstration. 1. On a évidemment 0 ∈ F ∩ G. On
vérifie aisément que pour tout (x, y) ∈ (F ∩ G)2 et Un exemple important d’intersection a priori
tout λ ∈ K, on a λx + y ∈ F ∩ G. infinie est donnée dans la partie suivante.
2. Si un des deux espaces vectoriels est inclus dans
l’autre, alors F ∪ G est trivialement un sous-espace
vectoriel de E. b Sous-espace vectoriel engendré par une
Supposons à l’inverse qu’aucun des deux sous-espaces partie.
vectoriels ne soit inclus dans l’autre et montrons
qu’alors F ∪ G n’est pas un sous-espace vectoriel.
F \ G contient au moins un élément x, et G \ F au
moins un élément y. Posons alors z = x + y. Si z Définition 2.3.4 (Sous-espace vectoriel engendré
appartenait à F , on aurait y = z − x ∈ F ce qui n’est par une partie).
pas le cas. De même, on ne peut avoir z ∈ G. Donc Soit X une partie (quelconque) du K-espace vec-
z∈ / F ∪ G, donc F ∪ G n’est pas stable par addition.
toriel E. On appelle K-sous-espace vectoriel en-
gendré par X et on note VectK (X) (ou Vect(X)
Exemple 2.3.2. lorsqu’il n’y a pas d’ambiguïté) le plus petit sous-
Dans l’espace, toute droite passant par 0 est l’in- espace vectoriel de E contenant X (« plus petit »
tersection de deux plans passant par 0, donc est est à entendre au sens de l’inclusion).
un sous-espace vectoriel.
300
CHAPITRE XIX. ESPACES VECTORIELS
Démonstration.
Cette définition présuppose qu’un tel sous-espace existe et Théorème 2.3.7.
qu’il est unique. L’unicité sous réserve d’existence du plus Soit X une partie de E. Alors Vect(X) est exac-
petit élément d’un ensemble muni d’une relation d’ordre
tement l’ensemble de toutes les combinaisons li-
est connue. Montrons l’existence.
Notons F l’ensemble des F tels que : néaires d’éléments de X. Autrement dit :
1. F est un sous-espace vectoriel de E ; 1. Toute combinaison linéaire d’éléments de X
2. et X ⊂ F . appartient à Vect(X).
On veut montrer que cet ensemble F possède un plus petit
élément pour l’inclusion.
2. Pour tout élément x de Vect(X), il existe une
Posons alors famille de coefficients (λα )α∈X à support fini
telle qu’on a
\
V = F
F ∈F
et montrons que V est ce plus petit élément. x=
X
λα α.
Comme E ∈ F , on a F 6= ∅, donc V est bien défini. α∈X
Montrons tout d’abord V ∈ F .
Pour tout F ∈ F , on a X ⊂ F , donc Dit autrement : il existe un entier n ∈ N, des
vecteurs u1 , . . . , un de X (∀k ∈ [[1, n]], uk ∈
\
X⊂ F =V
F ∈F X) et des scalaires λ1 , . . . , λn tels qu’on a
De plus, V est une intersection de sous-espaces vectoriels
n
de E donc c’est un sous-espace vectoriel de E.
x=
X
Donc on a V ∈ F . λk uk .
Il suffit donc maintenant de montrer que V est un mi- k=1
norant de F , c’est-à-dire que pour tout F ∈ F , on a
V ⊂ F.
Soit F ∈ F . On a
\ Démonstration.
V = G Notons V l’ensemble des combinaisons linéaires d’éléments
G∈F de X.
donc tout élément de V appartient à tout élément de F , Pour montrer V = Vect(X), nous allons montrer que V
donc en particulier à F . On a donc V ⊂ F . est le plus petit sous-espace vectoriel de E contenant X.
V minore donc F pour l’inclusion. 1. V est un sous-espace vectoriel de E. En effet :
V est donc un élément de F qui minore F : c’est donc
(a) il contient 0E (combinaison linéaire de 0 vecteur
son plus petit élément.
de X) ;
Remarque 2.3.5. 1. Tout sous-espace vectoriel (b) il est stable par addition car la somme d’une
de E contenant X contient donc Vect(X). combinaison linéaire de p vecteurs de X et
d’une combinaison linéaire de q vecteurs de X
2. Si F est un sous-espace vectoriel de E, alors est une combinaison linéaire (d’au plus) p + q
F est le plus petit sous-espace vectoriel conte- vecteurs de X ;
nant F , donc Vect(F ) = F . (c) il est stable par multiplication par un scalaire
car le produit par un scalaire λ d’une combi-
Remarque 2.3.6. naison linéaire de n vecteurs de X est la com-
Soit I un ensemble et (xi )i∈I une famille de vec- binaison linéaire de ces mêmes vecteurs où les
teurs de E. On notera Vect (xi )i∈I le sous-espace coefficients ont tous été multiplié par λ.
Vect ({ xi | i ∈ I }). En particulier si I est de la 2. V contient X. En effet pour tout x ∈ X, x est la
combinaison linéaire 1 · x, donc appartient à V . Donc
forme [[1, n]], on notera Vect (x1 , . . . , xn ) le sous-
X ⊂V.
espace Vect ({ x1 , . . . , xn }).
3. V minore l’ensemble des sous-espaces vectoriels de E
Le procédé de construction de Vect(X) présenté contenant X. En effet, soit F un sous-espace vectoriel
de E contenant X. Montrons V ⊂ F .
plus haut est très élégant et peut s’utiliser dans de
Soit x ∈ V alors x est combinaison linéaire d’éléments
nombreuses situations. En revanche, il est assez de X. Or F contient X et est un sous-espace-vectoriel
peu concret. Heureusement, le théorème suivant donc est stable par combinaison linéaire. Il contient
nous dit très précisément ce que contient Vect(X). donc x en particulier. On a donc ∀x ∈ V x ∈ F .
301
CHAPITRE XIX. ESPACES VECTORIELS
Donc V ⊂ F .
Donc V est le plus petit sous-espace vectoriel de E conte-
Proposition 2.3.10.
nant X. Soit X et Y deux parties de E. Alors :
Remarque 2.3.8. 1. X ⊂ Y ⇒ Vect(X) ⊂ Vect(Y ) ;
En particulier, pour toute famille finie de vecteurs 2. Vect(Vect(X)) = Vect(X).
x1 , . . . , xn , Vect(x1 , . . . , xn ) est l’ensemble
Démonstration. 1. Supposons X ⊂ Y . Alors X ⊂ Y ⊂
( n )
λk xk (λ1 , . . . , λk ) ∈ K
X
n
. Vect(Y ). Donc Vect(Y ) est un sous-espace vectoriel
k=1 de E contenant X donc contient Vect(X).
2. Posons F = Vect(X). F est un sous-espace vecto-
Exemple 2.3.9. 1. Pour α ∈ R, on note riel de E. Donc d’après la remarque faite plus haut,
( Vect(F ) = F .
R −→ R
fα : .
x 7−→ e αx
c Somme.
Alors Vect (fα )α∈R est un sous-espace vec-
302
CHAPITRE XIX. ESPACES VECTORIELS
F + G = Vect(F ) + Vect(G)
= Vect(F ∪ G)
F +G =
6 F ∪ G (sauf si F ⊂ G ou
G ⊂ F ). = Vect(G ∪ G)
= F + F.
Exemple 2.3.15.
Soit D et D 0 deux droites du plan passant par 0
et non confondues. Alors R2 = D + D 0 . Remarque 2.3.19.
On peut aussi définir la notion de somme de plus
Exercice 2.3.16.
de deux sev.
Soit P1 le plan de représentation cartésienne x +
3z = 0 et P2 le plan de représentation cartésienne
x + y + z = 0. 2.4 Somme directe et supplémentaires.
Montrer que R3 = P1 + P2 . Étant donné des sous-espaces vectoriels F, G
de E, F + G est l’ensemble des vecteurs x de
E pouvant s’écrire au moins d’une façon sous la
forme f + g avec, f ∈ F et g ∈ G.
Lemme 2.3.17. On va s’intéresser ici au cas où, pour tout x, la
Soit X et Y des parties de E. Alors décomposition est unique.
Vect(X) + Vect(Y ) = Vect(X ∪ Y ).
Définition 2.4.1 (Somme directe).
Soit F, G deux sev de E, on dit que la somme F G
Démonstration. est directe si
Vect(X ∪ Y ) est un sous-espace vectoriel contenant X ∪ Y ,
donc contient X. Or tout espace vectoriel contenant X ∀x ∈ F + G, ∃!(f, g) ∈ F × G, x = f + g.
contient Vect(X), donc Vect(X ∪ Y ) contient Vect(X).
De même, il contient Vect(Y ). Vect(X ∪ Y ) est donc un Dans ce cas, le sous-espace vectoriel F + G est
espace vectoriel contenant les deux sous-espaces vectoriels
noté
Vect(X) et Vect(Y ), donc il contient leur somme. On a
donc Vect(X) + Vect(Y ) ⊂ Vect(X ∪ Y ). F ⊕ G.
Par ailleurs, Vect(X) + Vect(Y ) contient Vect(X), donc
contient X. De même, il contient Y . Il contient donc X ∪ Y .
Or Vect(X) + Vect(Y ) est un sous-espace vectoriel, donc il Remarque 2.4.2.
contient Vect(X ∪ Y ). On a donc Vect(X ∪ Y ) ⊂ Vect(X) +
On peut de même définit la notion de somme
Vect(Y ).
On a donc Vect(X ∪ Y ) = Vect(X) + Vect(Y ). directe pour plus de deux sev.
303
CHAPITRE XIX. ESPACES VECTORIELS
Démonstration. 1. Montrer R2 = D ⊕ D 0
Supposons que F + G est directe. Soit f ∈ F , g ∈ G
2. Montrer R2 = D ⊕ D 00
vérifiant f + g = 0E . Alors,
Remarquez qu’il n’y a donc pas unicité du sup-
f + g = 0E + 0E , plémentaire (croire le contraire est une faute clas-
|{z} |{z} |{z} |{z}
∈F ∈G ∈F ∈G
sique et très grave !).
donc par unicité on a f = g = 0E .
Supposons que ∀f ∈ F, ∀g ∈ G, f + g = 0E ⇒ f = g = Remarque 2.4.8.
0E . Soit x ∈ F ∩ G, alors On peut montrer de même que dans R3 , un plan
et une droite passant par 0 et tel que le plan ne
x + −x = 0E ,
|{z}
∈F
|{z} contienne pas la droite sont toujours supplémen-
∈G
taires.
donc x = 0E . Comme F ∩ G est un sev de E, 0E ∈ F ∩ G,
donc F ∩ G = {0E }. Exemple 2.4.9.
Supposons que F ∩ G = {0E }, montrons que F + G est P : x − y + z = 0 et D : x = t + 1, y = 0, z =
directe. Soit x ∈ F + G, soit f, f 0 ∈ F , g, g 0 ∈ G vérifiant →
− →− → −
2t + 2. On montre que ( I , J , K ) est une base
→
− →
− → −
x = f + g = f 0 + g0 . de R3 , avec I vecteur directeur de D et ( J , K )
Alors, base de P.
f − f 0 = g0 − g ∈ F ∩ G
Exemple 2.4.10.
donc 0E = f − f 0 = g 0 − g, donc f = f 0 et g = g 0 , donc R et iR dans C.
F + G est directe.
Exercice 2.4.11.
On note E l’ensemble des applications de R dans
Définition 2.4.4.
R, I celui des applications impaires, et P celui
On dit que F est un supplémentaire de G (ou que
des applications paires.
F et G sont supplémentaires) si
Montrer E = I ⊕ P .
E = F ⊕ G,
3 Translations, sous-espaces af-
i.e. si les deux conditions suivantes sont remplies :
fines.
1. la somme F + G est directe ;
2. E = F + G. Les sous-espaces affines (sea) généralisent la
notion de sev, en s’affranchissant de la contrainte
« passer par 0 ». Ainsi, dans la théorie des ev, un
sev passe toujours par 0.
Proposition 2.4.5.
Là encore on pourra identifier points et vecteurs,
F et G sont supplémentaires si et seulement si tout
mais on essaiera de noter les points avec des
élément de E s’écrit de manière unique comme
majuscules et les vecteurs avec des minuscules,
somme d’un élément de F et d’un élément de G.
comme en géométrie, mais nous passerons souvent
d’un point de vue à l’autre.
Démonstration.
Direct d’après les définitions.
304
CHAPITRE XIX. ESPACES VECTORIELS
Théorème 3.2.7.
3.2 Sous-espaces affines. Soit F un sea de direction F .
(i) F est le translaté de sa direction par n’im-
Définition 3.2.1. porte lequel de ses points : ∀a ∈ F F =
On appelle sous-espace affine de E toute partie de a + F.
E qui est le translaté d’un sev de E, i.e. toute par- (ii) Soit a ∈ F et b ∈ E. Alors on a
tie F de la forme F = u + F = { u + x | x ∈ F },
où F est un sev de E et u est un vecteur de E, b ∈ F ⇐⇒ a − b ∈ F.
ensemble que l’on note aussi u + F .
L’ensemble b − a (a, b) ∈ F 2 est appelé la
direction de F et ses éléments sont appelés les Démonstration.
vecteurs directeurs de F . F est de la forme c + F , où c ∈ E.
(i) Soit a ∈ F . On a alors a ∈ c + F , il existe donc
u ∈ F tel que a = c + u.
Proposition 3.2.2. Si v ∈ F , alors a + v = c + (u + v) ∈ c + F , donc
a + F ⊂ F.
Soit u ∈ E, F un sous-espace vectoriel de E. Alors
Réciproquement, si v ∈ F , alors c + v = a + (v − u) ∈
la direction du sous-espace affine u + F est F . En a + F , donc F ⊂ a + F .
particulier cette direction est un espace vectoriel. Ainsi, a + F = F .
(ii) On a donc F = a + F .
Démonstration. Si b ∈ F , alors par définition de la direction a−b ∈ F .
Notons D la direction de u + F . Réciproquement, si a − b ∈ F , alors b − a ∈ F et
On a b = a + (b − a) ∈ a + F , donc b ∈ F .
D= b − a (a, b) ∈ F 2 On a donc bien b ∈ F ⇐⇒ a − b ∈ F .
= (u + x) − (u + y) (x, y) ∈ F 2
= x − y (x, y) ∈ F 2
. Remarque 3.2.8.
Or on a directement Tout sea contenant 0 est donc un sev.
F ⊂{x−0|x∈F }⊂ x − y (x, y) ∈ F 2
⊂ F,
305
CHAPITRE XIX. ESPACES VECTORIELS
Démonstration. k=1
Supposons F ∩ G 6= ∅, alors il existe a ∈ F ∩ G . Donc n
−−−→
(i) Si Λ = 0, alors le vecteur λk M Ak ne
X
F = a + F et G = a + G.
Montrons alors que F ∩ G = a + F ∩ G : k=1
Soit b ∈ E. On a successivement : dépend pas du point M .
b ∈ F ∩ G ⇐⇒ b ∈ F et b ∈ G (ii) Si Λ 6= 0, il existe un unique point G tel
n
⇐⇒ b − a ∈ F et b − a ∈ G
−−→
que λk GAk = 0. Ce point est appelé le
X
⇐⇒ b − a ∈ F ∩ G k=1
⇐⇒ b ∈ a + F ∩ G barycentre du système pondéré (Ai , λi )i∈[[1,n]]
n
1 X
D’où le résultat. et il vérifie G = λ k Ak .
Λ k=1
306
CHAPITRE XIX. ESPACES VECTORIELS
307
CHAPITRE XIX. ESPACES VECTORIELS
Définition 3.4.3.
Soit P une partie de E. On dit que P est convexe
si ∀(A, B) ∈ P 2 [AB] ⊂ P.
Exemple 3.4.4.
Faire des dessins dans R2 , puis dans R3 .
Théorème 3.4.5.
Tout sea est convexe.
Démonstration.
Immédiat avec le théorème 3.3.6.
Exemple 3.4.6.
On reprend un exemple ancien : pour montrer
qu’un cercle n’est pas un sea (ou un sev), on peut
montrer qu’il n’est pas convexe.
Exemple 3.4.7.
Dans C, tout disque (fermé ou ouvert) est convexe.
Se fait avec inégalité triangulaire en revenant à
la définition.
308
Chapitre XX
Analyse asymptotique
Sommaire
1 Comparaison asymptotique de suites. . 310
1.1 Définitions : notations de Landau. . . 310
1.2 Opérations. . . . . . . . . . . . . . . . 311
a o et O. . . . . . . . . . . . . . . . 311
b Équivalents. . . . . . . . . . . . . 312
1.3 Exemples classiques (formulaire). . . . 312
1.4 Formule de Stirling. . . . . . . . . . . 313
2 Comparaison de fonctions. . . . . . . . . 313
2.1 Définitions. . . . . . . . . . . . . . . . 313
a o et O. . . . . . . . . . . . . . . . 313
b Équivalents. . . . . . . . . . . . . 314
2.2 Opérations. . . . . . . . . . . . . . . . 314
a o et O. . . . . . . . . . . . . . . . 314
b Équivalents. . . . . . . . . . . . . 315
3 Développements limités. . . . . . . . . . 316
3.1 Définition et premières propriétés. . . 316
3.2 Opérations sur les DL. . . . . . . . . . 318
a Somme. . . . . . . . . . . . . . . 318
b Produit. . . . . . . . . . . . . . . 318
c Composition. . . . . . . . . . . . 319
d Quotient. . . . . . . . . . . . . . . 320
3.3 Intégration et dérivation. . . . . . . . . 321
3.4 Formule de Taylor-Young. . . . . . . . 321
3.5 Étude locale d’une fonction. . . . . . . 322
a Allure d’une courbe au voisinage
d’un point. . . . . . . . . . . . . . 322
b Prolongement de fonction. . . . . 323
c Développements asymptotiques. . 323
d Branche infinie d’une courbe
d’équation y = f (x). . . . . . . . 324
4 Théorèmes de comparaison pour les
séries. . . . . . . . . . . . . . . . . . . . . 324
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
310
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
1 par
et on a bien + o(1/n3 ) = o(1/n2 ). Attention,
6n3 h i 1
1 1 1 e 1/n − 1 ∼
écrire e 1/n = 1 + + 2 + 3 + o(1/n2 ) est n
n 2n 6n
juste mais n’apporte rien de plus que e 1/n = ou, mieux, par
1 1 1
1 + + 2 + o(1/n2 ). Pire : e 1/n = 1 + + 1 1
n 2n n e 1/n
=1+ +o .
1 40000 n n
+ + o(1/n ) est juste aussi !
2
2n2 n3
1.2 Opérations.
Définition 1.1.8. a o et O.
Soient (un ) et (vn ) deux suites. Là encore la défi-
nition donnée n’est valable que dans le cas parti-
culier où (vn ) ne s’annule pas. Théorème 1.2.1.
On dit que (un ) est équivalente à (vn ), ce qui se Soit λ ∈ R∗ , ϕ une extractrice.
note un ∼ vn , si un /vn → 1. (i) Multiplication par un réel non nul : si un =
o(vn ) alors un = o(λvn ) et λun = o(vn ).
(ii) Somme : si un = o(vn ) et wn = o(vn ) alors
Là encore, un ∼ 0 n’a aucun sens. un + wn = o(vn ).
Remarque 1.1.9.
Ce sont des petits o de la même suite.
On traduira souvent la relation un ∼ vn par : il
existe une suite (εn ) telle que (iii) Transitivité : si un = o(vn ) et vn = o(wn ),
• εn −−−−−→ 1 ; alors un = o(wn ).
n→+∞
• ∀n ∈ N, un = εn vn . (iv) Produit 1 : si un = o(vn ), alors wn un =
o(wn vn ).
(v) Produit 2 : si un = o(vn ) et u0n = o(vn0 )
Proposition 1.1.10. alors un u0n = o(vn vn0 ).
Les propositions suivantes sont équivalentes : (vi) Suites extraites : si un = o(vn ) alors uϕ(n) =
o(vϕ(n) ).
(i) un ∼ vn (iii) un = vn + o(vn )
(vii) Tout reste vrai en remplaçant les o par des
(ii) un − vn = o(vn ) (iv) vn = un + o(un )
grands O.
Démonstration. Démonstration.
(i) implique (ii) : un /vn → 1 et vn /vn → 1, donc Simple : revenir à la définition.
(un − vn )/vn → 0.
(ii) implique (i) : même raisonnement.
(iii) et (iv) ne sont que des reformulations des points pré- Deux opérations sur les o sont formelle-
cédents. ment INTERDITES :
Exemple 1.1.11. • Sommer deux égalités en o si les suites dans
• 1/n ∼ 1/n + 1/n2 . les o ne sont pas les mêmes. Ex : 1/n = o(1) et
• n 6∼ e n . 1/n = o(−1), mais 2/n 6= o(0).
• On traduit la limite usuelle • Composer une égalité en o par une fonction :
un = o(vn ) 6⇒ f (un ) = o(f (vn )). Ex : f (x) =
e 1/n − 1 1/x, 1/n = o(1) mais n = 6 o(1). De même,
−−−−−→ 1 1/n = o(1/n) mais e
2 1/n 2
6= o(e 1/n ).
1/n n→+∞
311
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
b Équivalents.
(ii) Si un ∼ vn , alors (un ) a une limite
n→+∞
dans R ssi (vn ) en a une aussi. Dans le cas
Théorème 1.2.2.
d’existence de la limite, ces deux limites
Soit ϕ une extractrice.
sont égales. La réciproque est fausse, sauf si
(i) La relation ∼ est une relation d’équivalence un −−−−−→ ` ∈ R∗ .
n→+∞
(a : réflexive, b : symétrique, c : transitive).
(ii) Dans un petit o, on peut remplacer la suite
par toute suite équivalente : si un = o(vn ) Démonstration.
et vn ∼ wn , alors un = o(wn ). Simple : revenir aux définitions.
n→+∞
(iii) Deux suites équivalentes ont le même signe
à partir d’un certain rang. La réciproque de (ii) est fausse. Ex :
(iv) Produit : si un ∼ vn et u0n ∼ vn0 n → +∞, n2 → +∞, 1/n → 0, 1/n2 → 0. Pire :
n→+∞ n→+∞ un 6∼ un+1 si un = (1/2)n .
alors un u0n ∼ vn vn0 .
n→+∞
(v) Passage à l’inverse : si un ∼ vn alors Il est tentant d’utiliser les symboles ∼
n→+∞
1/un ∼ 1/vn . et o à tort et à travers, ce qui mène souvent à de
graves erreurs.
(vi) Puissances : si un ∼ vn et si un > 0
n→+∞ • Il est interdit de les utiliser simultanément.
à partir d’un certain rang, alors pour tout • On s’interdira le plus souvent d’écrire une équi-
a ∈ R, uan ∼ vna . valence à une somme, on préfèrera dans ce cas
n→+∞
(vii) Suites extraites : si un ∼ vn alors l’écriture en o.
n→+∞
uϕ(n) ∼ vϕ(n) .
n→+∞
1.3 Exemples classiques (formulaire).
Démonstration. • Les exemples donnés dans le formulaire sont à
Simple : revenir aux définitions. connaître par cœur.
• Ne pas oublier l’hypothèse un −−−−−→ 0.
n→+∞
Trois opérations sur les équivalents sont • Les formules en ∼ ne sont pas des doublons
n→+∞
INTERDITES : de celles en o. Il est faux d’écrire (1 + un )a ∼
• Sommer des équivalents. Ex : n ∼ n, n→+∞
n→+∞ 1 + aun + o(un ) et idiot d’écrire (1 + un )a ∼
−n + 1 ∼ −n mais −1 6∼ 0. n→+∞
n→+∞ 1 + aun (pourquoi ?).
• Composer par une fonction. Ex : n2 ∼
n→+∞ Démonstration.
2 2
n2 + n mais en
6∼ e n+n . Démontrons les formules du formulaire.
La technique générale est la suivante : on part d’une
• Élever un équivalent à une
puissance dépendant
fonction f définie et dérivable au voisinage de 0, et on utilise
1 1 n
de n : 1 + ∼ 1 mais 1 + ∼ e . Remar- f (t) − f (0)
n n f 0 (0) = lim , ce qui, en composant avec un
t→0 t
quons que c’est un cas particulier de composition. f (un ) − f (0)
donne = f 0 (0) + o(1), et finalement, f (un ) =
un
f (0) + f (0)un + o(un ).
0
Théorème 1.2.3. Pour cos et ch, une autre méthode est nécessaire : pour
Soit ` ∈ R. cos on utilise cos(2x) = 1 − 2 sin2 (x), et on l’applique à
un
x= .
(i) un → ` ∈ R∗ si et seulement si un ∼ `. 2
n→+∞ Idem avec ch avec ch(2x) = 1 + 2 sh2 (x).
312
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
313
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
En 0 :
f (x)
1. Soient α, β ∈ R tels que α < β. Les propositions « lim = 1»
Alors xβ = o(xα ). g(x)
x→a
x→0 et « (f (x) − g(x)) −−−→ 0 » ne sont en aucun
x→a
2. Soient α, β ∈ R avec α > 0. cas équivalentes : aucune n’implique l’autre !
Alors |ln x|β = o(x−α ). Avec le théorème précédent, on voit en effet que
x→0
f (x)
3. Soient α, β ∈ R avec α> 0. −−−→ 1 signifie f − g = o(g) tandis que
g(x) x→a x→a
Alors xα = o |ln x|β . (f (x) − g(x)) −−−→ 0 signifie f − g = o(1).
x→0 x→a x→a
Par exemple, x + 1 ∼ x, mais
Exemple 2.1.6. 1. x2 = o(x4 ), et x4 = x→+∞
x→+∞ x→0
(x + 1) − x 6→ 0.
o(x2 ). x→+∞
b Équivalents. 2. x 6∼ e x.
x→+∞
Théorème 2.2.1.
f ∼a 0 n’a pas de sens. Soit λ ∈ R∗ .
314
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
315
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
Exemple 2.2.5.
ln (1 + tan(2x)) L’entier p est alors la valuation du DL : c’est le
Donner la limite en 0 de x 7→ . degré du premier terme non nul du DL.
sin(4x)
a0 + a1 (x − x0 ) + a2 (x − x0 )2 + . . . + an (x − x0 )n Remarque 3.1.5.
Si f admet un DL d’ordre n en x0 , et si m ∈ N
est la partie principale ou régulière du DL, et est inférieur à n, alors f admet un DL d’ordre
que le terme o((x − x0 )n ) est son reste. m en x0 . En effet, il suffit de ne garder que les
L’écriture termes de degré inférieur à m : on réalise ainsi
une troncature du DL. En particulier, le premier
f (x) = (x − x0 )p a0 + a1 (x − x0 )
x→x0 terme non nul d’un DL fournit un équivalent de f .
+ a2 (x − x0 )2 + . . . Par exemple, si
f (x) = 2(x − x0 )2 − (x − x0 )3 + o((x − x0 )3 ),
+ an (x − x0 )n + o((x − x0 )n ) x→x0
alors f (x) ∼ 2(x − x0 )2 .
x→x0
avec a0 6= 0 est appelée forme normalisée du DL,
c’est aussi
f (x) = a0 (x − x0 )p + a1 (x − x0 )p+1
x→x0
Théorème 3.1.6 (unicité du DL).
+ a2 (x − x0 )p+2 + . . . La partie principale d’un DL(x0 , n) de f est
+ an (x − x0 )p+n + o((x − x0 )p+n ). unique, c’est-à-dire : si a0 . . . an et b0 . . . bn sont
316
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
et f (x) = b0 + b1 (x − x0 ) + b2 (x − x0 ) 2
alors le coefficient du terme de degré 1 d’un
x→x0
DL(x0 , n) de f donne toujours la valeur de
+ . . . + bn (x − x0 )n + o((x − x0 )n )
f 0 en x0 .
alors ∀i ∈ {0, . . . , n} , ai = bi .
317
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
Exemple 3.2.5.
Démonstration. Avec
Les parties principales des deux DL donnent un poly-
nôme. À ce polynôme s’ajoutent deux restes : l’un d’ordre f (x) = 2 − x + 3x2 + o(x2 )
x→0
n et l’autre d’ordre m. C’est le plus petit exposant, i.e.
min(n, m) qui désigne le reste dominant.
g(x) = 1 + 2x − 3x2 + x3 + o(x3 )
x→0
= 1 + 2x − 3x2 + o(x2 )
x→0
318
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
Démonstration.
Démonstration. On a f (x) = F (x) + o(xn ) et g(x) = G(x) + o(xn ).
Écrivons les formes normalisées des deux DL : x→0 x→0
Comme f est continue en 0 et comme f (0) = 0, on a
f (x) −−−→ 0, donc
f (x) = (x − x0 )p a0 + a1 (x − x0 ) x→0
x→x0
+ a2 (x − x0 ) + . . .
2 g(f (x)) = G(f (x)) + o(f n (x)).
x→0
+ an−p (x − x0 ) n−p
+ o((x − x0 ) n−p
) Comme f admet un développement limité à l’ordre 1 de la
forme f (x) = ax + o(x), on peut écrire f (x) = O(x),
et x→0
donc f n (x) = O(xn ), donc
x→0
x→0
g(x) = (x − x0 )q b0 + b1 (x − x0 )
x→x0 g(f (x)) = G(f (x)) + o(xn ).
x→0
+ b2 (x − x0 )2 + . . .
Un calcul simple (par exemple avec le binôme de Newton,
+ bm−q (x − x0 )m−q + o((x − x0 )m−q ) ou une récurrence sur k en utilisant la propriété de produit
de deux DL) assure que, si k > 1 :
Le produit de ces deux DL est donc
f k (x) = (F (x) + o(xn ))k
x→0
(x − x0 )p+q (a0 + . . . + o((x − x0 )n−p ) = F k (x) + o(xn ).
x→0
319
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
320
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
P (x − x0 )
le terme constant de P n’est pas nul, si p > 0,
(x − x0 )p Proposition 3.3.3.
n’est pas un polynôme mais une fraction rationnelle qui
tend vers l’infini (en valeur absolue) en x0 , et le dévelop- Si f admet un DL(x0 , n)
pement est dit asymptotique. et si l’on sait que f 0 admet un DL(x0 , n − 1)
(par exemple parce que f est de classe C n ), alors
Exemple 3.2.15.
le DL de f 0 s’obtient en dérivant celui de f .
Donner un développement de
1
en 0.
x2 + 2x3 − x4 + o(x5 ) Exemple 3.3.4.
√ 1
Le DL de 1 + x redonne celui de √ .
3.3 Intégration et dérivation. 1+x
1 1
Le DL de donne celui de .
1+x (1 + x)2
Proposition 3.3.1.
Si f est continue et dérivable au voisinage de 3.4 Formule de Taylor-Young.
x0 et si f 0 admet un DL(x0 , n), alors f admet
un DL(x0 , n + 1) dont la partie principale est la
primitive de la partie principale du DL de f 0 qui Théorème 3.4.1 (Formule de Taylor-Young).
vaut f (x0 ) en x0 . Si f est de classe C n sur I, alors f possède un
DL(x0 , n) donné par la formule de Taylor-Young :
Démonstration. n
Donnons la démonstration dans le cas x0 = 0. On a f (k) (x0 )
f (x) = (x − x0 )k + o((x − x0 )n ),
X
0
x→x0 k!
f (x) = a0 + a1 x + a2 x + . . . + an x + o(x )
2 n n k=0
x→0
Posons soit
F : I → f 00 (x0 )
R
a1 2 an n+1 f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + (x − x0 )2
x 7 → f (x) − f (0) − a0 x − x − ... − x x→x0 2
2 n+1
f (n) (x0 )
Alors F (0) = 0 et + ... + (x − x0 )n + o((x − x0 )n ).
n!
∀x ∈ I F 0 (x) = f 0 (x) − a0 − a1 x − a2 x2 − . . . − an xn
321
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
Exemple 3.4.2.
La formule de Taylor-Young permet d’obtenir les Tangente
DL des fonctions exp, sin, cos, x 7→ (1 + x)α , sh
et ch.
Ils sont à savoir par cœur : vous les trouverez
dans le formulaire déjà distribué. f (x0 )
Exemple 3.5.2.
Considérer les applications x 7→ x3 , x 7→ x2 , x 7→
x4 , sin, x 7→ x cos x et x 7→ x(1 + sin3 x) en 0
322
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
Corollaire 3.5.7.
En particulier si f admet un DL d’ordre au moins
Figure XX.4 – Cas k impair, ak < 0
1 en a, alors fˆ est dérivable en a.
Exercice 3.5.8.
Étudier la fonction f en 0 (continuité, dérivabilité,
Corollaire 3.5.3.
position) :
Si f , de classe C 2 admet un point d’inflexion en 1 1
x0 , on a nécessairement f 00 (x0 ) = 0. f (t) = −
t sin t
c Développements asymptotiques.
Remarque 3.5.4.
On pourra regarder ce que donne cette condition Nous avons déjà vu dans la Proposition 3.2.14
sur les exemples précédents. En particulier, on de la Partie 3.2.11 un exemple de développement
verra clairement que la réciproque est fausse. asymptotique.
Plus généralement, un développement asymp-
Nous savons déjà que si f a un extremum local
totique a ceci en commun avec un DL d’être une
en a, alors f 0 (a) = 0, mais la réciproque est fausse.
approximation d’une fonction, que l’on présente
Allons plus loin, en utilisant la proposition 3.5.1 :
également comme une somme de fonctions, al-
lant de la plus « grosse » à la plus « petite »,
et d’un reste, négligeable devant tous les autres
Corollaire 3.5.5. termes de la somme. C’est ce que l’on appelle
Soit f telle que f 0 (a) = 0. Si f 00 (a) 6= 0, f a un une échelle de comparaison. Ces fonctions sont
extremum local en a. de nature quelconque, alors qu’un DL ne contient
que des termes polynomiaux (on travaille avec des
Démonstration. échelles de comparaisons polynomiales).
f 0 (a) = 0, donc la tangente de f en a est horizontale.
De plus la première dérivée non nulle en a est d’ordre 2,
Exemple 3.5.9. n o
donc le graphe de f , dans un certain voisinage de a, est Dans l’échelle de comparaison x 7→ xk , k ∈ Z ,
en-dessous ou au -dessus de la tangente en a. Ceci s’écrit : ordonnée par l’ordre usuel au voisinage de +∞,
(pour tout t dans ce voisinage, f (t) > f (a)) ou (pour tout
t dans ce voisinage, f (t) 6 f (a)). Donc f a un extremum
on peut écrire :
local en a. 3x2 + 2 3x + 2
= 3x + = 3x + o(x)
x−1 x→+∞ x−1
b Prolongement de fonction. 5
= 3x + 3 + = 3x + 3 + o(1)
x→+∞ x − 1
On considère une fonction f non définie en a 5 1
mais définie au voisinage épointée de a. = 3x + 3 + + o .
x→+∞ x x
323
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
Notamment,
Proposition 4.0.2.
5 5 1 5 5 1
= × = (1 + o(1)) = +o . Soient (un ) et (vn ) deux suites réelles telles que
x−1 x 1− 1 x→+∞ x x→+∞ x x pour tout n ∈ N, 0 6 un 6 vn .
x N
!
(i) Si converge, alors
X
Exemple 3.5.10. vn
n=0
Dans
n l’échelle de
o comparaison N
! N ∈N
x 7→ x ln x, (α, β) ∈ R
α β 2 au voisinage également et
X
un
de +∞, ordonnée par l’ordre lexicographique sur n=0 N ∈N
(α, β), on peut écrire en développant le carré :
N N
06 lim lim
X X
1
2 un 6 vn .
N →+∞ N →+∞
x + ln x + n=0 n=0
ln x
= x2 + o x2 N
!
(ii) Si diverge, alors
X
x→+∞ un
= x2 + 2x ln x + o(x ln(x)) n=0 N ∈N
x→+∞ N
!
également.
X
x x
vn
= x2 + 2x ln x + 2 +o .
x→+∞ ln x ln x n=0 N ∈N
324
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
n=0
(n + 1)2
N ∈N
Corollaire 4.0.6.
Soient (un ) et (vn ) deux suites réelles positives,
Théorème 4.0.8.
(vn ) ne s’annulant pas à partir d’un certain rang. N
1
!
Soit α ∈ R. La suite converge si et
X
(i) Si un = O(vn ), alors la convergence nα
N
! n=1 N ∈N
de entraîne celle de seulement si α > 1.
X
vn
n=0 N ∈N
N
!
Démonstration.
. 1
X
un Si α = 1, remarquons que ∼ ln(n + 1) −
n=0 N ∈N ! n
N
1
(ii) Si un = o(vn ), alors la convergence
X
ln n. Donc est de même nature que
N
! nα
n=1
!N ∈N
de entraîne celle de
X
vn N
X
n=0 N ∈N (ln(n + 1) − ln n) , qui elle-même est de même
N
! n=1 N ∈N
. nature que la suite (ln n) par sommation télescopique, d’où
X
un
n=0 la divergence.
N ∈N
1 1 1 1
(iii) Si un ∼ vn (donc (un ) ne s’annule pas à par- Si α 6= 1, α ∼
n α − 1 nα−1
−
(n + 1)α−1
(ef-
N
!
1
tir d’un certain rang), alors et fectuer un développement asymptotique de α−1 −
X
vn n
n=0 N ∈N 1
ou appliquer l’inégalité des accroissements finis
N (n + 1)α−1
!
sont de même nature. 1 1
X
un à x 7→ x1−α ). La série de terme général α−1 −
n=0 n (n + 1)α−1
N ∈N
1
est de même nature que la suite , d’où le résul-
nα−1
tat.
un
Démonstration. (i) est bornée par un certain réel
vn
M > 0, donc à partir d’un certain rang, 0 6 un 6
M vn car (un ) et (vn ) sont positives. On conclut donc
avec 4.0.2.
(ii) si un = o(vn ), alors en particulier un = O(vn ).
(iii) si un ∼ vn , alors un = O(vn ) et vn = O(un ).
Exemple 4.0.7.
1 1
Puisque sin n ∼ n , d’après le résultat
2 2
N
1
!
sur les séries géométriques, sin n
X
n=0
2
N ∈N
converge.
Pour pouvoir utiliser le dernier corollaire, nous
avons besoin de « séries étalon » dont la nature est
bien connue, et auxquelles on compare les séries à
étudier. Les quelques exemples déjà étudiés font
partie de ces séries de référence standard, mais la
famille de séries la plus utilisée est celle des séries
325
CHAPITRE XX. ANALYSE ASYMPTOTIQUE
326
Chapitre XXI
∀(x, y) ∈ E12 , ∀λ ∈ K
∀(x, y) ∈ E12 , ∀(λ, µ) ∈ K2
ϕ(λx + y) = λϕ(x) + ϕ(y) (XXI.2)
ϕ(λx + µy) = λϕ(x) + µϕ(y). (XXI.1)
ainsi qu’à
Autrement dit, l’image d’une combinaison li-
néaire est la combinaison linéaire des images :
∀(x, y) ∈ E12 , ϕ(x + y) = ϕ(x) + ϕ(y)
une application linéaire préserve les combinaisons
linéaires. et ∀(λ, x) ∈ K × E1 , ϕ(λx) = λϕ(x).
• L’ensemble des applications linéaires de E1
La démonstration est analogue à celle pour les
dans E2 est noté L (E1 , E2 ).
sev.
• Une application linéaire de E1 dans
E1 est appelé endomorphisme. On note Exemple 1.1.5.
L (E1 , E1 ) = L (E1 ). • Soit u ∈ R3 . Alors ϕ : R3 → R est une
• Une application linéaire bijective est ap- v 7→ u · v
pelée isomorphisme. L’ensemble des iso- forme linéaire (on dit que le produit scalaire est
morphismes de E1 dans E2 est noté linéaire à droite).
G L (E1 , E2 ). • Soit A ∈ Mn,p (K). Alors ϕ :
• Un automorphisme est un endomorphisme Mq,n (K) → Mq,p (K) est linéaire (on
qui est aussi un isomorphisme, on note B 7→ BA
G L (E1 ) = G L (E1 , E1 ) l’ensemble des au- dit que le produit matriciel est linéaire à gauche).
tomorphismes de E1 , appelé groupe linéaire.
• Une application linéaire de E1 dans K est Exemple 1.1.6.
une forme linéaire. ϕ : R3 → R3 est
(x, y, z) 7→ (3x + y, 2z, x − y + z)
un endomorphisme.
Remarque 1.1.2.
Une application linéaire ϕ de E1 dans E2 est un Remarque 1.1.7.
morphisme de groupes de (E1 , +) dans (E2 , +), Toute application polynomiale (en plusieurs va-
avec une propriété supplémentaire vis-à-vis de la riables) faisant intervenir des termes de degrés
loi externe. différents de 1 n’est pas linéaire.
328
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
329
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
Démonstration.
Élémentaire. 1. On appelle noyau de ϕ noté Ker ϕ, l’ensemble
{ x ∈ E1 | ϕ(x) = 0E2 }
Remarque 1.2.2.
Ces résultats montrent, avec E1 = E2 = E3 , que 2. On appelle image de ϕ et on note Im ϕ, l’en-
(L (E1 ), +, ◦) est un anneau. semble { ϕ(x) | x ∈ E1 }.
330
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
Exemple 1.3.8.
Soit ϕ : RR → RR . On montre que ϕ est Théorème 1.4.1.
f 7→ f × sin Soit ϕ ∈ L (E1 , E2 ).
linéaire, puis que ϕ n’est pas injective, en trouvant 1. Si ϕ est un isomorphisme, alors ϕ−1 aussi.
une fonction f non nulle dans Ker ϕ. Par exemple
2. Une composée d’isomorphismes est un iso-
f (x) = 0 si x 6= 0 et f (0) = 1.
morphisme : si ϕ ∈ G L (E1 , E2 ) et ψ ∈
On montre enfin que ψ = ϕ|C 0 (R) est injective, en
G L (E2 , E3 ), alors ψ ◦ ϕ ∈ G L (E1 , E3 ).
montrant que son noyau est réduit à {0}.
3. (G L (E1 ), ◦) est un groupe appelé groupe
On peut maintenant unifier les résultats sur les linéaire (groupe des automorphismes).
structures des solutions de nombreux problèmes
linéaires étudiés auparavant (systèmes linéaires,
Démonstration. 1. Soit (y1 , y2 ) ∈ E22 , soit λ ∈ K et
équations différentielles linéaires).
soit (x1 , x2 ) ∈ E12 vérifiant x1 = ϕ−1 (y1 ) et x2 =
ϕ−1 (y2 ). On a alors, par linéarité de ϕ, ϕ(x1 +λx2 ) =
ϕ(x1 ) + λϕ(x2 ) = y1 + λy2 , donc ϕ−1 (y1 + λy2 ) =
ϕ−1 (y1 ) + λϕ−1 (y2 ). Ainsi, ϕ−1 est linéaire.
Proposition 1.3.9. 2. On a déjà vu que ψ ◦ ϕ est bijective et linéaire : c’est
Soit f ∈ L (E1 , E2 ) et a ∈ E2 . Alors f −1 ({a}) est fini !
soit vide, soit un sea de E1 de direction Ker f . 3. Montrons que c’est un sous-groupe du groupe des
permutations de E1 : (SE1 , ◦). L’application identité
est bijective et linéaire, donc IdE1 ∈ G L (E1 ). Les
deux résultats précédents montrent que G L (E1 ) est
Remarque 1.3.10. stable par passage à l’inverse et composition, ce qui
f −1 ({a}) est l’ensemble des solutions de l’équa- permet de conclure.
tions f (x) = a, avec x ∈ E1 .
Démonstration. Remarque 1.4.2.
Reprendre chaque preuve effectuée lorsque l’on a rencontré Notation : Si n ∈ N∗ , G L (Kn ) est noté G Ln (K).
ce type de structure de solution.
Exemple 1.4.3.
Exemple 1.3.11.
L’ensemble des suites réelles (un )ni nN vérifiant ϕ : R2 → R2 ∈ G L2 (R)
pour tout n ∈ N, un+2 = 3un+1 − 2un − 4 est le (x, y) 7→ (x − y, x + 2y)
sea de direction Vect((2n )n∈N , 1) et passant par
(4n)n∈N . On résout le système ϕ(x, y) = (a, b), et cela
montre que ϕ est bijective, et donne l’expression
Remarque 1.3.12. de ϕ−1 .
On retrouve ainsi que l’ensemble des solutions
d’un système linéaire est soit vide soit un sea. Remarque 1.4.4.
GL(E) ayant une structure de groupe, on utilise
les notations multiplicatives usuelles.
1.4 Isomorphismes. Notamment, si u est un automorphisme de E
et si k ∈ N, on note
Un isomorphisme transporte la structure d’ev,
comme pour les groupes. u−k = (uk )−1 = (u−1 )k = u
|
−1
· · ◦ u−1} .
◦ ·{z
k fois
Dire que E1 et E2 sont isomorphes ne
signifie pas que toute application linéaire de E1 2 Familles de vecteurs.
dans E2 est un isomorphisme. On peut donner
un exemple : f : R2 → R2 , (x, y) 7→ (x, 0). Dans cette partie, sauf mention expresse du
contraire, I désigne un ensemble et (xi )i∈I une
331
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
famille de vecteurs de E indexée par cet ensemble. Donc f (V ) ⊂ Vect (f (xi ))i∈I .
Exemple 2.1.2.
Définition 2.0.1. Soit ϕ : R3 [X] → R2 [X] . Donner Im ϕ.
Étant donné deux familles de vecteurs (xi )i∈I et P 7→ P 0 − XP 00
(yj )j∈J , on note (xi )i∈I ] (yj )j∈J leur concaténa-
tion.
2.2 Sev engendré par une famille finie.
Remarque 2.0.2. Dans cette sous-partie, on s’intéressera exclu-
Ce n’est pas une notation officielle et nous ne dé- sivement au cas où I = [[1, n]]. La famille (xi )i∈I
finirons pas formellement cette notion. On pourra est donc le n-uplet (x1 , . . . , xn ).
n
aussi utiliser le symbole pour écrire la conca-
]
332
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
333
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
Remarque 2.3.5.
On a aussi la notion de famille génératrice d’un Exemple 2.3.10.
sev F de E. Soit
Remarque 2.3.6. f : R
3→ R 3
.
3x − y
On appelle droite vectorielle tout sev engendré x
par un seul vecteur (non nul), qui est alors vecteur y 7→ 2x + y + z
334
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
2. On considère l’ensemble S des suites réelles Remarque 2.4.2. • Une famille est donc liée
vérifiant un+2 + 2un+1 − 3un = 0. S est un si et seulement s’il existe une combinaison
sous-espace vectoriel de RN (le vérifier). On linéaire de valeur nulle à coefficients non
veut en donner une famille génératrice. On tous nuls.
résout comme dans le cours, on trouve deux • Si l’un des xi est nul, la famille est liée.
vecteurs générateurs. Ça marcherait pareil • Si la famille comporte deux fois le même
avec les solutions d’une équation différen- vecteur, elle est liée.
tielle.
Remarque 2.4.3.
Ainsi, dans le cas où I = J1, nK, (xi )i∈I est libre si
Théorème 2.3.13. et seulement si l’application ψ de la proposition
Soient F et G deux sous-espaces vectoriels de E. 2.2.1 est injective.
Alors toute concaténation d’une famille généra-
trice de F et d’une famille génératrice de G est
Proposition 2.4.4.
une famille génératrice de F + G.
La famille (xi )i∈I est libre si et seulement si tout
élément x de E s’écrit d’au plus une façon comme
Démonstration.
combinaison linéaire d’éléments de (xi )i∈I .
Soit (xi )i∈I1 une famille génératrice de F et (xi )i∈I2 une fa-
mille génératrice de G. Notons (xi )i∈I = (xi )i∈I1 ] (xi )i∈I2
Toute combinaison linéaire d’éléments de la famille Démonstration.Sens direct Supposons que la famille
(xi )i∈I est dans F + G. (xi )i∈I est libre et montrons que tout élément x de
Réciproquement, tout élément de F + G s’écrit comme E s’écrit d’au plus une façon comme combinaison
somme d’un élément de F et d’un élément de G. Le pre- linéaire d’éléments de (xi )i∈I .
mier est une combinaison linéaire d’éléments de la fa- Soit x un élément de E. Supposons qu’il existe deux
mille (xi )i∈I1 et le second de la famille (xi )i∈I2 . Donc familles de scalaires à support fini (λi )i∈I et (µi )i∈I
leur somme est une combinaison linéaire d’éléments de la vérifiant
famille (xi )i∈I
X X
x= λi xi = µi xi
i∈I i∈I
λi xi = 0E ⇒ (λ1 , . . . , λn ) = (0, . . . , 0)
X
Ainsi, 0E s’écrit de deux façons comme combinaison
i=1 linéaire de la famille (xi )i∈I : les deux familles (λi )i∈I
et (µi )i∈I sont donc la même famille, donc
Une famille non libre est dite liée.
∀i ∈ I λi = 0
335
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
La famille (xi )i∈I est donc libre. 2. Dans R3 , une famille de 3 vecteurs est liée si
et seulement si les 3 vecteurs sont coplanaires,
donc une famille de trois vecteurs est libre si
Proposition 2.4.5. et seulement si c’est une base.
La famille (xi )i∈I est libre si et seulement si aucun
Remarque 2.4.7.
élément de cette famille ne peut s’exprimer comme
Dans Rn , si on utilise la définition pour chercher si
combinaison linéaire des autres éléments de la
une famille est libre, on est ramené à la résolution
famille.
d’un système linéaire (une fois de plus).
Démonstration. Exemple 2.4.8.
On fera ici la démonstration dans le cas où I = [[1, n]] qui • Montrer que ((1, 0), (−1, 2), (2, 4)) est liée dans
est le cas qu’on rencontrera le plus fréquemment par la
R2 .
suite. La démonstration n’est pas plus compliquée dans le
cas général. • Montrer que ((1, 0, 0), (0, −1, 1), (1, 0, 2)) est
Montrons que la famille considérée est liée, c’est-à-dire libre dans R3 .
qu’il existe une combinaison linéaire non triviale valant • (x 7→ sin x, x 7→ sin 2x, x 7→ sin 3x) est libre.
0, si et seulement si au moins un élément de la famille
s’écrit comme combinaison linéaire des autres éléments de
la famille.
Sens indirect Supposons qu’il existe une combinaison Définition 2.4.9.
linéaire non triviale de (x1 , . . . , xn ) valant 0. Notons Soit x, y deux vecteurs de E. On dit que
λ1 , . . . λn ses coefficients. L’un d’eux au moins étant
non nul, on peut supposer λ1 6= 0, quitte à permuter
• x est colinéaire à y s’il existe λ ∈ K tel que
les vecteurs. Alors on a x = λy ;
n
X • x et y sont colinéaires si x est colinéaire à
λk xk = 0E , y ou si y est colinéaire à x.
k=1
donc
n
λk Remarque 2.4.10.
X
x1 = − xk .
k=2
λ1 Si x et y sont tous les deux non nuls, x est coli-
Donc x1 est combinaison linéaire des autres vecteurs néaire à y si et seulement si x et y sont colinéaires.
de la famille.
Sens direct Supposons que x1 s’écrive
n
Proposition 2.4.11.
X
x1 = λk xk ,
k=2 La famille vide est toujours libre.
où x2 , . . . , xn sont d’autres éléments de la famille Soit x et y deux vecteurs de E.
et λ1 , . . . , λk sont des scalaires. Alors, en posant
1. (x) est libre si et seulement si x 6= 0E .
λ1 = −1, on a
n 2. (x, y) est libre si et seulement si x et y ne
sont pas colinéaires.
X
λk uk = 0E .
k=1
336
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
famille liée est liée. Comme F et G sont libres, tous les λi , µj sont nuls. Ainsi,
2. Toute sous-famille d’une famille libre est F + G est libre.
libre. Enfin, terminons par un résultat bien pratique :
3. Si (x1 , . . . , xn ) est une famille libre, alors
(x1 , . . . , xn , xn+1 ) est libre si et seulement
Définition 2.4.17.
si xn+1 n’est pas combinaison linéaire des
Soit n ∈ N∗ et E = Kn . Soit p ∈ J1, nK et
x1 , . . . , x n .
(v1 , · · · , vp ) une famille de vecteurs de E. Pour
tout i ∈ J1, pK, notons (vi,j )j∈J1,nK les coordonnées
Démonstration. 1. Il existe une combinaison linéaire du vecteur vi . On dit que la famille (v1 , · · · , vp )
nulle non triviale de la sous-famille. Il suffit de la
compléter par des 0 pour en obtenir une pour la est échelonnée si :
sur-famille. 1. pour tout i ∈ J1, pK il existe ri ∈ J1, nK tel
2. C’est la contraposée du point précédent. que vi,ri 6= 0 et pour tout j ∈ J1, nK tel que
3. Le sens direct est évident. Pour l’autre sens, par j > ri , vi,j = 0 ;
contraposée supposons que (x1 , . . . , xn , xn+1 ) est liée.
Alors il existe une combinaison linéaire nulle non 2. la suite des ri est strictement croissante.
triviale de x1 ,. . . xn , xn+1 . Si le coefficient de xn+1
337
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
Remarque 2.5.2.
Proposition 2.4.21.
Ainsi, dans le cas où I = J1, nK, (xi )i∈I est une
Toute famille échelonnée est libre.
base si et seulement si l’application ψ de la pro-
position 2.2.1 est un isomorphisme.
Démonstration.
Soit n ∈ N∗ et E = Kn . Soit p ∈ J1, nK et (v1 , · · · , vp ) une Exemple 2.5.3.
famille échelonnée de vecteurs de E. Les bases canoniques des Rn .
Le résultat est assez intuitif et se voit facilement, par
p
X Remarque 2.5.4.
exemple en considérant le système λi vi = 0. En écri-
On a aussi la notion de base d’un sev de E.
i=1
vant le système, on se rend compte qu’en remontant les Remarque 2.5.5.
lignes, les coefficients λi s’annulent les uns après les autres
(le faire sur un exemple). Comme pour les familles libres et génératrices, on
Donnons tout de même une démonstration propre, par peut permuter l’ordre des vecteurs d’une base, et
récurrence sur le nombre de vecteurs. Pour tout p ∈ J1, nK, on a toujours une base.
posons (Hp ) : toute famille échelonnée de E ayant p vec-
teurs non nuls est libre.
Un vecteur non nul formant à lui seul une famille libre, Proposition 2.5.6.
(H1 ) est immédiate. Soit B = (xi )i∈I une famille de E. Alors B est
Soit p ∈ J1, n−1K tel que (Hp ) soit vraie. Soit (v1 , · · · , vp+1 ) une base si et seulement si pour tout y ∈ E, il
une famille échelonnée à vecteurs non nuls. Définissons
existe une unique famille de scalaires (λi )i∈I à
les ri comme dans la définition 2.4.17. Soit λ1 , · · · , λp+1
p+1
X support fini telle que
des scalaires tels que λi vi = 0. La rp+1 -ème ligne de
y=
X
i=1 λ i xi .
ce système s’écrit λp+1 vp+1,rp+1 = 0, puisque pour tout i∈I
i 6 p, vi,rp+1 = 0, par définition d’une famille échelonnée.
Mais comme vp+1,rp+1 6= 0, alors λp+1 = 0. Il reste alors En particulier dans le cas où I = [[1, n]], B est une
p
X
λi vi = 0. Mais (v1 , · · · , vp ) est échelonnée, donc par base si et seulement si pour tout y ∈ E, il existe
i=1
338
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
339
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
340
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
ce qui est une contradiction. Ainsi, les λi sont tous nuls, Démonstration.
donc la famille (Pk )k∈ N est libre. Ce résultat peut très bien se démontrer en n’utilisant que
On montre maintenant par récurrence simple que pour des considérations de degré : c’est un bon exercice, clas-
tout n ∈ N, Kn [X] ⊂ Vect((Pk )k∈ N ). sique, et laissé au lecteur.
Pour n = 0, c’est immédiat car P0 est constant non nul. Mais démontrons-le en utilisant des coordonnées dans la
Soit n ∈ N, supposons que Kn [X] ⊂ Vect((Pk )k∈ N ) et base canonique.
montrons que Kn+1 [X] ⊂ Vect((Pk )k∈ N ). Il suffit pour cela Soit F une telle famille. Nous pouvons toujours supposer
de montrer que X n+1 ∈ Vect((Pk )k∈ N ). Comme Pn+1 est que les polynômes de cette famille sont classés de telle sorte
de degré n + 1, il existe a 6= 0 et Q ∈ Rn [X] tel que que la suite de leurs degrés soit strictement croissante. No-
tons n le degré maximum de ces polynômes. Cette famille
Pn+1 = aX n+1 + Q. est donc une famille de Kn [X]. La famille des (n+1)-uplets
des coordonnées des polynômes de F dans la base cano-
On a donc
nique B est donc une famille échelonnée de Kn+1 : elle
1 1 est donc libre. Par conséquent, F aussi.
X n+1 = Pn+1 − Q ∈ Vect((Pk )k∈ N ),
a a
par hypothèse de récurrence. Ainsi, ((Pk )k∈ N ) engendre
bien K[X]. Proposition 2.6.4 (Base canonique de
Mn,p (K)).
2.6 Bases canoniques. Soit n, p ∈ N∗ , pour tout i ∈ J1, nK et j ∈ J1, pK,
Les espaces vectoriels de référence viennent sou- posons Ei,j la matrice dont tous les coefficients
vent avec des bases «par construction», que l’on sont nuls, sauf celui de la ligne i et la colonne j,
appellera canoniques. Elles n’ont pas de propriétés qui vaut 1.
particulières, mais vous pouvez les utiliser sans Alors (Ei,j )16i6n,16j6p est une base de
justifier leur caractère de base. Mn,p (K), appelée base canonique de Mn,p (K).
341
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
Théorème 3.2.6.
Remarque 3.2.2. Toute projection est un projecteur.
Voir le dessin sur la figure XXI.1. Exemple dans R3
avec F = {x = 0} et G = {x + y = 0, y + z = 0}.
Démonstration.
Démonstration. Il s’agit essentiellement d’utiliser que si x = y + z
Il convient de montrer que cette définition est correcte, pF kG (pF kG (x)) = pF kG (y) = pF kG (y + 0E ) = y.
c’est-à-dire qu’il existe une unique application vérifiant les
conditions demandées.
Analyse Soit pF kG un endomorphisme vérifiant les condi- Théorème 3.2.7 (Réciproque).
tions demandées. Alors pour tout x ∈ E, pF kG (x) = y Soit f un projecteur. Alors Ker f ⊕ Im f = E, et
où (y, z) est l’unique couple 1 de F × G tel que f est la projection sur Im f parallèlement à Ker f .
x = y + z. pF kG est donc déterminé.
342
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
343
CHAPITRE XXI. APPLICATIONS LINÉAIRES ET FAMILLES DE VECTEURS
xG x = xF + xG
p(x) = xF
F
0E 2p(x)
s(x) = xF − xG
344
Chapitre XXII
Intégration
Sommaire
1 Continuité uniforme. . . . . . . . . . . . 346
2 Construction de l’intégrale. . . . . . . . 347
2.1 Fonctions en escalier sur un segment. . 347
2.2 Fonctions continues par morceaux sur
un segment. . . . . . . . . . . . . . . . 348
2.3 Extension au cas où b 6 a. . . . . . . . 352
3 Le théorème fondamental du calcul
différentiel. . . . . . . . . . . . . . . . . . 353
3.1 Primitives. . . . . . . . . . . . . . . . . 353
3.2 Existence de primitives. . . . . . . . . 353
4 Méthodes de calcul. . . . . . . . . . . . . 354
5 Formules de Taylor. . . . . . . . . . . . . 354
6 Cas des fonctions à valeurs complexes. 356
7 Approximation d’intégrales. . . . . . . . 356
7.1 Sommes de Riemann. . . . . . . . . . . 357
7.2 La méthode des trapèzes. . . . . . . . 358
8 Comparaison série-intégrale. . . . . . . 359
9 Annexes. . . . . . . . . . . . . . . . . . . 360
9.1 Règles de Bioche. . . . . . . . . . . . . 360
9.2 Fonctions dont la variable intervient
dans les bornes d’une intégrale (cas par-
ticulier d’intégrales dépendant d’un pa-
ramètre). . . . . . . . . . . . . . . . . 361
CHAPITRE XXII. INTÉGRATION
Dans tout ce chapitre, a et b sont deux réels Démonstration. 1. Facile : on réécrit f uniformément
tels que a 6 b. continue en fixant y = a, et on trouve f continue en
a.
ε
2. On fixe ε, on pose α = . Et on déroule les défini-
K
1 Continuité uniforme. tions.
Remarque 1.0.5.
Définition 1.0.1. Nous avons déjà vu que la fonction f :
On dit que f est uniformément continue sur I [1, +∞[ → R est 1-lipschitzienne. Ce théo-
si : 1
x 7→
x
∀ε > 0 ∃α > 0 ∀(x, y) ∈ I 2 rème n’est-il pas contradictoire avec ce dernier
point et avec 1.0.3 ?
|x − y| 6 α ⇒ |f (x) − f (y)| 6 ε.
et un −−−−−→ `.
n→+∞
Posons ε = 12 . Soit α > 0. Posons x = min(α, 1)
x x Donc, par somme de limites :
et y = . On a |x − y| = 6 α/2 < α. De plus
2 2 vn −−−−−→ `.
|1/x − 1/y| = |1/x − 2/x| = 1/x > 1 > ε. n→+∞
346
CHAPITRE XXII. INTÉGRATION
Remarque 1.0.7. •
Attention : ce résultat est faux si l’ensemble de
départ considéré pour f n’est pas un segment. •
Ainsi ]0, 1] → R est continue mais pas uni- x0 = a x1 x2 x3 x4 = b
x 7→ x1
formément continue.
Figure XXII.1 – Illustration de la définition
2 Construction de l’intégrale. d’une fonction en escalier.
347
CHAPITRE XXII. INTÉGRATION
Z b Z b
On se contentera de donner la démonstration du premier exprimons f et g :
point : étant donné une subdivision S = { x0 , . . . , xn } a a
adaptée à f en escalier sur [a, b], et un point supplémentaire Z b
x0 , comparons la valeur calculée pour la subdivision S et (f + λg)
pour la subdivision S ∪ { x0 }. En notant i l’entier tel que a
xi < x0 < xi+1 le terme vi (xi+1 − xi ) dans la somme pour q−1
zi+1 + zi
la subdivision S est remplacée par la somme des deux
X
= (f + λg) × (zi+1 − zi )
termes vi (x0 − xi ) + vi (xi+1 − x0 ) dans la somme obtenue 2
k=0
pour la subdivision S ∪ { x0 }. Or ces deux valeurs sont les q−1
zi+1 + zi
mêmes.
X
= f × (zi+1 − zi )
2
k=0
Remarque 2.1.5. 1. L’intégrale d’une fonction q−1
zi+1 + zi
en escalier est bien la somme des aires algé-
X
+λ g × (zi+1 − zi )
2
briques des rectangles délimités par les sub- k=0
divisions.
Z b Z b
= f +λ g.
a a
2. L’intégrale de f ne dépend pas de la valeur Z b
de f aux points de la subdivision choisie. 2. On exprime f avec une subdivision adaptée à f :
a
3. Changer la valeur de f ∈ E ([a, b]) en un tous les termes sont positifs.
348
CHAPITRE XXII. INTÉGRATION
b−a
On choisit n tel que h = 6 α et l’on pose pour
n
• 06k6n :
xk = a + kh.
Ainsi, {x0 , ..., xn } est une subdivision régulière de
[a, b], et
• ∀i ∈ J0, n − 1K, ∀x, y ∈ [xi , xi+1 ], |f˜(x) − f˜(y)| 6 ε
• •
Soit i ∈ J0, n − 1K, f˜ est continue sur le segment [a, b],
donc est bornée et atteint ses bornes sur [xi , xi+1 ].
On pose
x0 = a x1 x2 x3 x4 = b ˜
ϕ+i = max f
[xi ,xi+1 ]
ϕ−
i = min f˜
[xi ,xi+1 ]
Figure XXII.2 – Illustration de la définition
ε :
ϕ+ [a, b] → R
d’une fonction continue par morceaux.
ϕ+
i si x ∈ [xi , xi+1 [
x 7→
ϕ+
n−1 si x = b
ϕ−
ε : [a, b] → R .
Remarque 2.2.2. ϕ−
i si x ∈ [xi , xi+1 [
x 7→
ϕ− si x = b
Attention aux valeurs prises aux points de la sub- n−1
a toujours |yi − zi | 6 α,
2. La fonction tangente, prolongée en R en lui
donnant la valeur 0 là où elle n’est pas définie, ∀i ∈ J0, n − 1K, 0 6 ϕ+ − ˜ ˜
i − ϕi = f (yi ) − f (zi ) 6 ε
n’est pas continue par morceaux car elle n’est donc nécessairement
pas prolongeable par continuité en les points −
de discontinuité. 0 6 ϕ+
ε − ϕε 6 ε.
3. Idem pour R∗ → R .
x 7→ sin 1/x ε et ϕε
ϕ+ −
conviennent pour f˜ et non
f : il suffit alors de changer leurs valeurs en
On construit l’intégrale d’une fonction conti- a et b, en posant ϕ+ ε (a) = ϕε (a) = f (a) et
−
nue par morceaux en approchant celle-ci par des ϕε (b) = ϕε (b) = f (b).
+ −
fonctions en escaliers.
Deuxième étape On traite le cas général.
Soit f ∈ Cm ([a, b]) et {x0 , . . . , xn } une subdivision
Théorème 2.2.4. adaptée. Alors on définit des ϕ+ ε et ϕε sur chaque
−
Soit f ∈ Cm ([a, b]). Soit ε > 0. Alors il existe morceau de la subdivision, et on recolle en définissant
ε et ϕε ∈ E ([a, b]) telles que ϕε 6 f 6 ϕε et ε et ϕε comme valant f (xi ) en chaque xi .
− − −
ϕ+ + ϕ+
0 6 ϕε − ϕε 6 ε.
+ −
349
CHAPITRE XXII. INTÉGRATION
Z b
et l’on voit directement que f ∈ I + (f )∩I − (f ).
Définition 2.2.5 (Intégrale d’une fonction conti- a
nue par morceaux). Remarque 2.2.8.
Soit f ∈ Cm ([a, b]). On note : Changer la valeur de h ∈ E ([a, b]) en un point
• E + (f ) = { h ∈ E ([a, b]) | h > f }, seulement ne change pas la valeur de son inté-
• E − (f ) = (
{ h ∈ E ([a, b]) | h 6)f }, grale : il suffit de rajouter ce point dans la subdi-
Z b
• I + (f ) = h h ∈ E + (f ) , vision. On peut en déduire que changer la valeur
( Za ) de f ∈ Cm ([a, b]) en un point seulement ne change
b
pas la valeur de son intégrale.
• I − (f ) = h h∈ E − (f ) .
a
Exercice 2.2.9.
Alors sup I − (f ) et inf I + (f ) existent et sont
Le démontrer.
égales. On appelle alors cette constante l’intégrale
Z Z b Z
de f sur [a, b], notée f ou f ou f (t) dt
[a,b] a [a,b]
Z b
ou f (t) dt. Proposition 2.2.10.
a Soient f, g ∈ Cm ([a, b]), λ ∈ R.
Z b Z b Z b
Démonstration.
1. Linéarité : (f + λg) = f +λ g.
a a a
D’après le théorème d’approximation, il existe ϕ+ ∈ E + (f ) Z b
et ϕ− ∈ E − (f ), donc E + (f ) et E − (f ) ne sont pas vides, 2. Positivité : f > 0 ⇒ f > 0.
donc I ± (f ) non plus. De plus I + (f ) est minorée par a
Z b Z b Z b Z b
ϕ− et I − (f ) est majorée par ϕ+ . Ainsi, avec le 3. Croissance : f > g ⇒ f> g.
a a
a a
théorème de la borne sup, sup I (f ) et inf I (f ) existent, − +
Z b 4. Continuité (ou inégalité triangulaire) :
et sup I − (f ) 6 ϕ+ . Z b Z b
a f 6 |f |.
Mais cette inégalité est valable pour tout ϕ+ ∈ E + (f ), a a
donc sup I − (f ) 6 inf I + (f ).
Pour conclure, montrons l’inégalité inverse : soit ε > 0,
5. Inégalité de la moyenne :
Z b Z b
alors il existe ϕ+ ε ∈ E (f ) et ϕε ∈ E (f ) telles que
+ − −
(f g) 6 (sup[a,b] |f |) × |g|.
ϕε − ϕε 6 ε. Ainsi
+ −
a a
Z b Z b Z b Cas particulier :
ϕ+
ε 6 ϕ−
ε + ε Z b
a a a f 6 (b − a) sup[a,b] |f |.
Z b a
6 ϕ− + (b − a)ε.
a
ε
6. Relation deZChaslesZ :
b c Z b
On obtient donc inf I (f ) 6 sup I (f )+(b − a)ε pour tout
+ − si c ∈]a, b[, f= f+ f.
a a c
ε > 0, donc par passage à la limite, on a : inf I + (f ) 6
sup I − (f ).
350
CHAPITRE XXII. INTÉGRATION
f − ϕf 6 ε et ϕg − ϕg 6 ε.
− −
ϕ+ +
en escalier sur Ii encadrant la restriction de f à Ii
Alors onZa : vérifiant
Z b b
−
f> ϕ−
f
ϕ+ i − ϕi 6 ε.
a a
Z b Z b Posons alors
g> ϕ−
g
Za b a Z b
ϕ− : [a, b] → R
1 (x)
ϕ− si x < c
(f + g) 6 ϕ+ + ϕg +
f x 7→
2 (x)
ϕ− si x > c
a a
car ϕ+
f + ϕg ∈ E (f + g)
− +
b b b
et ϕ+ : [a, b]
Z Z Z
→ R
(f + g) 6 f +
ϕ+ ϕ+
g
1 (x)
ϕ+ si x < c
a a a
x 7→
car (ϕ+
f , ϕg ) ∈ E ([a, b]) 2
+
2 (x)
ϕ+ si x > c
351
CHAPITRE XXII. INTÉGRATION
352
CHAPITRE XXII. INTÉGRATION
353
CHAPITRE XXII. INTÉGRATION
Z x Z x
f f (x0 )
x0 x0
= −
x − x0 x − x0
Z x
(f − f (x0 ))
Théorème 3.2.5 (Théorème fondamental du cal- x0
=
cul différentiel). |x − x0 |
Soit f ∈ C 0 (I, R), et a ∈ I. |x − x0 |ε
6
|x − x0 |
1. f a une primitive, par exemple la fonction
F : I → Z R . 6 ε.
x
x 7→ f (t) dt On a montré que pour ε fixé, il existe α > 0 tel que
a
2. Soit A ∈ R. Alors f admet une unique primi- F (x) − F (x0 )
∀x ∈ I |x−x0 | 6 α ⇒ − f (x0 ) 6 ε,
tive valant A en a. Il s’agit de la fonction x − x0
F (x) − F (x0 )
F : I → R . donc −− −−→ f (x0 ), d’où le résultat.
Z x
x − x0 x→x0
x6=x 0
x 7→ f (t) dt + A 2. Facile.
a Z x
3. Il existe K tel que F̃ (x) = f + K, la suite est
3. Soient a, b ∈ I et F̃ une primitive de f sur laissée en exercice.
a
Z b
I. Alors f = F̃ (b) − F̃ (a). Cette quantité
a
est aussi notée [F̃ ]ba , ou [F̃ (t)]bt=a . Exemple 3.2.7. 1. Calculer l’intégrale
1
Z 2
n dx.
1 (x + 1)
tn
Z 1
2. Calculer lim dt.
Remarque 3.2.6. n→+∞ 0 (2 + t)n
C’est souvent le deuxième ou le troisième point
que l’on appelle théorème fondamental du calcul
différentiel, mais en fait le point le plus impor- 4 Méthodes de calcul.
tant est le premier, les deux autres en découlent
Se référer au chapitre sur les équations différen-
facilement.
tielles.
Démonstration. 1. Montrons que F est dérivable et
F 0 = f.
Soit x0 ∈ I, montrons que F est dérivable en x0 , de 5 Formules de Taylor.
dérivée f (x0 ).
Soit alors ε > 0. Puisque f est continue en x, alors Nous allons maintenant voir deux nouvelles
on peut trouver α > 0 tel que formules de Taylor, mais qui sont cette fois des
résultats globaux, alors que la formule de Taylor-
∀y ∈ I, |x0 − y| 6 α ⇒ |f (x0 ) − f (y)| 6 ε Young est un résultat local.
354
CHAPITRE XXII. INTÉGRATION
355
CHAPITRE XXII. INTÉGRATION
On a aussi
Z Z b Z
de f de a à b , notée f ou f ou f (t) dt Z b
[a,b] a [a,b] G(b) = Re e −iθ
f (t) dt
Z b Z b Z b Z b
ou f (t) dt, le complexe f= g+i
a
h. Z b
a a a a
= Re(e −iθ f (t) dt)
a
Z b
356
CHAPITRE XXII. INTÉGRATION
f
Théorème 7.1.1 (Sommes de Riemann).
Soient a, b ∈ R tels que a < b, f ∈ C 0 ([a, b], R)
et n ∈ N∗ . On note alors, pour tout k ∈ J0, nK, S6
b−a
xk = a + k . Les {xk }k∈J0,nK forment alors
n
une subdivision régulière de [a, b] (i.e. tous les
sous-intervalles sont de la même longueur).
En posant
b − a n−1 0
n
b−a X
Sn = f (xk ) et Sn = f (xk ),
X
n k=0 n k=1
1
Z b
Sn − f =O ,
a n
1
Z b
Sn0 − f =O , f
a n
n Z b n Z xk
b−a X X
Mais f est continue sur le segment [a, b], donc d’après le
f (xk ) − f (t) dt = (f (xk ) − f (t)) dt .
n
k=1 a x k=1 k−1
théorème de Heine, elle y est uniformément continue. Si
357
CHAPITRE XXII. INTÉGRATION
l’on considère ε > 0, alors il existe α > 0 tel que Remarque 7.1.2.
∀x, y ∈ [a, b], |x − y| < α ⇒ |f (x) − f (y)| < ε. Si f est de classe C 1 sur [a, b], alors f est lipschit-
zienne sur [a, b] (on peut prendre comme constante
b−a
Choisissons N ∈ N tel que
N
< α. Pour tout n > N , de Lipschitz K = sup f 0 ).
b−a [a,b]
on a donc < α.
n Alors, l’erreur d’approximation obtenue en ap-
Par conséquent, si n > N et si l’on note encore {xk } Z b
1
la subdivision de l’énoncé associée à ce n, on a, pour tout prochant par Sn ou Sn0 est un O .
t ∈ [xk−1 , xk ], a n
b−a Exercice 7.1.3.
|t − xk | 6 |xk − xk−1 | = < α. Montrer que la première partie du résultat reste
n
Dans ce cas, on obtient de (♥) : vraie si on suppose seulement f de classe Cm .
Remarque 7.1.4.
b n Z xk
Quand f est continue, on peut toujours écrire
Z X
Sn0 − f (t) dt 6 ε dt
a k=1 xk−1
n
b−a X b−a
n
Sn = f a+k
X
6ε (xk − xk−1 )
n k=1 n
k=1
n
n
1X k
X b−a
6ε = (b − a) × g
k=1
n n k=1 n
Z 1
6 ε(b − a).
−−−−−→ (b − a) g,
Ainsi, par définition, n→+∞ 0
Z b
Sn0 − f (t) dt −−−−−→ 0. avec g : [0, 1] → R, t 7→ f (a + t(b − a)).
n→+∞
a
Exercice 7.1.5.
Soit K > 0 tel que f est K-lipschitzienne sur [a, b]. On
obtient alors de (♥) : Faire apparaître une somme de Riemann dans
b n Z xk n
Z
n
X
Sn0 − f (t) dt 6 K|xk − t| dt Sn =
X
a k=1 xk−1
k=1
k2 + 3n2
n xk
XZ
6K (xk − t) dt
k=1 xk−1 puis étudier la convergence de (Sn ).
n
Xh 1 ixk
6K − (xk − t)2
Exercice 7.1.6.
2 xk−1 Déterminer pour tout p ∈ N un équivalent lorsque
k=1
KX
n n tend vers +∞ de
6 (xk − xk−1 )2
2 n
k=1
Snp =
X
n
K X b−a 2
kp .
6 k=1
2 n
k=1
K b−a 2
6
2
n
n 7.2 La méthode des trapèzes.
K(b − a)2 1
6 × , La méthode d’approximation des sommes de
2 n
Riemann est couramment appelée méthode des
donc par définition
rectangles. Sa convergence n’est pas très rapide car
b
1 elle est seulement en O(1/n). Une amélioration
Z
Sn0 − f (t) dt = O .
a
n possible est la méthode qui suit : la méthode des
trapèzes.
358
CHAPITRE XXII. INTÉGRATION
Théorème 7.2.1.
On reprend les mêmes notations que dans le théo-
rème 7.1.1, mais cette fois f est de classe C 2 . f
Alors :
= O(1/n2 ).
Remarque 7.2.2.
Ce résultat est admis, mais remarquons tout de
même les choses suivantes :
1. la somme des aires des trapèzes obtenus avec Figure XXII.5 – Exemple de la méthode des
la subdivision {xk } vaut trapèzes pour une fonction f , avec 6 subdivision.
n−1
b−a f (xk+1 ) + f (xk )
Tn =
X
×
n
k=0 | {z } | 2
{z }
base moyenne des deux hauteurs n
!
Alors la suite f (k) converge si et seule-
X
b − a n−1 n−1
!
= f (xk+1 ) + f (xk )
X X
2n k=0 k=0
k=0
Z n
n∈N
n n−1
! ment si la suite f (t) dt est convergente.
b−a 0
= f (xk ) + f (xk )
X X
n
2n k=1 k=0 De plus la suite définie par un =
X
f (k) −
n−1
!
k=0
b−a Z n
= f (x0 ) + f (xn ) + 2 f (xk )
X
2n f (t) dt converge.
k=1 0
n−1
!
b−a
= f (a) + f (b) + 2 f (xk ) .
X
2n k=1
Démonstration.
Soit k ∈ N. Par décroissance de f , on a :
2. il est aisé de voir que (Tn )n∈N∗ converge vers ∀t ∈ [k, k + 1], 0 6 f (k + 1) 6 f (t) 6 f (k).
l’intégrale, et que la différence entre Tn et
sa limite est un O(1/n). En effet, pour tout Puis, par intégration de cet encadrement sur [k, k + 1],
n ∈ N∗ , Tn = 12 (Sn + Sn0 ). Z k+1
0 6 f (k + 1) 6 f (t) dt 6 f (k) (XXII.4)
k
359
CHAPITRE XXII. INTÉGRATION
n Z n
X
Les suites f (k) et f (t) dt ont donc la même nature.
k=0 0
De plus, il vient
n Z n
X
0 6 f (n) 6 f (k) − f (t) dt
k=0 0
k=0 n=1
nα
N ∈N
pour α > 0.
f Exemple 8.0.4.
1
On pose f : x 7→ . On sait alors que la suite
1+x
n Z n
de terme général un = f (k) − f (t) dt =
X
k=0 0
1 1 1
1 + + + . . . + − ln n converge, vers une limite
2 3 n
0 1 2 3 4 5 6 notée γ et nommée constante d’Euler.
6
f (k)
X
k=1 9 Annexes.
Figure XXII.6 – Exemple de comparaison série- 9.1 Règles de Bioche.
intégrale pour une fonction f décroissante, posi-
Ces règles sont explicitement hors-programme
tive.
et ne sont pas exigibles.
Soit f une expression rationnelle en sin t et cos t,
c’est-à-dire qu’il existe deux polynômes P et Q
P (sin t, cos t)
tels que f (t) = . Les régles de Bioche
Q(sin t, cos t)
indiquent suivant certains cas, quel changementZ
de variable poser pour pouvoir calculer f (t) dt.
On pose W (t) = f (t) dt. Alors, si :
1. W est pair 1 , un changement de variable ju-
dicieux est u = cos t.
1. Attention : W n’est pas une application, on considère
que W (−t) = f (−t) d(−t) = −f (−t) dt.
360
CHAPITRE XXII. INTÉGRATION
Théorème 9.2.1.
Soit ϕ, ψ ∈ C 1 (I, J) où I et J sont deux inter-
valles de R, et soit f ∈ C 0 (J, R). Alors la fonction
I
→ R
Γ :
Z ψ(x)
x
7→ f (t) dt
ϕ(x)
Démonstration.
f étant continue, elle admet une primitive F . On a alors,
pour tout x ∈ I :
Z ψ(x)
Γ(x) = f (t) dt = F (ψ(x)) − F (ϕ(x))
ϕ(x)
= F ◦ ψ(x) − F ◦ ϕ(x).
361
CHAPITRE XXII. INTÉGRATION
362
Chapitre XXIII
Dénombrement
Sommaire
1 Cardinal d’un ensemble fini. . . . . . . . 364
2 Dénombrement. . . . . . . . . . . . . . . 366
2.1 Réunion, intersection et complémentaire. 366
2.2 Produit cartésien. . . . . . . . . . . . . 366
2.3 Applications entre ensembles finis. . . 367
2.4 Parties d’une ensemble fini. . . . . . . 368
CHAPITRE XXIII. DÉNOMBREMENT
364
CHAPITRE XXIII. DÉNOMBREMENT
365
CHAPITRE XXIII. DÉNOMBREMENT
Théorème 2.2.1.
Définition 2.1.1. Soient E et F deux ensembles finis. Alors E × F
Lorsque deux ensembles A et B sont disjoints, la est fini et
réunion de A et B est appelée union disjointe de
A et B, et est notée A t B. Card(E × F ) = (Card E) × (Card F ).
Théorème 2.1.2.
Soient A et B deux parties de E. Il existe beaucoup d’analogies entre la
dimension d’un espace vectoriel et le cardinal
1. Pour mémoire, il y a plus de 43.1012 combinaisons d’un ensemble, mais dim(E×F ) = dim E+dim F .
possibles sur un Rubik’s Cube classique.
366
CHAPITRE XXIII. DÉNOMBREMENT
Remarque 2.3.5.
Théorème 2.3.1. Les arrangements sont utilisés pour modéliser des
Soient E et F deux ensembles finis. Alors F E est tirages successifs et sans remise.
fini et
Exercice 2.3.6.
Vous jouez « au hasard » au tiercé lors d’une
Card F E
= (Card F ) Card E
.
course avec 10 partants : combien avez-vous de
chance d’avoir le tiercé dans l’ordre ?
Démonstration.
∼
On pose ϕ : J1, nK −
→ E, et : Corollaire 2.3.7.
Le groupe Sn des permutations sur n éléments
µ : FE → Fn
f 7 → (f ◦ ϕ(1), · · · , f ◦ ϕ(n)) = (f ◦ ϕ(i))i∈J1,nK
est fini de cardinal n!.
ν : Fn → F E
. Démonstration.
Sn correspond à l’ensemble des n-arrangements de J1, nK.
E → F
(f1 , · · · , fn ) = (fi )i∈J1,nK 7→
x 7 → fϕ−1 (x)
367
CHAPITRE XXIII. DÉNOMBREMENT
368
CHAPITRE XXIII. DÉNOMBREMENT
Théorème 2.4.9.
Si E est fini, l’ensemble P(E) des parties l’est
aussi et
Card P(E) = 2Card E .
Démonstration.
Pour tout i ∈ J0, nK, notons Pi l’ensemble des parties
Fn de E
ayant i éléments. Nous avons alors P(E) = i=0 Pi . Or
n
chaque Pi est de cardinal , donc P(E) est fini et :
i
n
X n
Card P(E) =
i
i=0
Exercice 2.4.10.
Dans une urne, on place quatre boules rouges (nu-
mérotées 1 à 4) et trois boules vertes (numérotées
5 à 7). On réalise trois tirages avec remise, un
résultat est le triplet des boules tirées.
Combien y a-t-il de résultats contenant exacte-
ment une boule rouge ? Au moins une boule rouge
? Au plus deux boules rouges ? Dont les deux
dernières boules sont de couleurs différentes ?
Et si les tirages se font sans remise ?
369
CHAPITRE XXIII. DÉNOMBREMENT
370
Chapitre XXIV
αi,1
Si l’on pose wi = vi − v1 , alors pour tout i ∈ J2, n +
1.2 Théorème fondamental. α1,1
2K wi ∈ Vect(g2 , . . . , gn+1 ). Par hypothèse de récurrence,
Dans toute la suite du chapitre, E est un K-ev (w2 , . . . , wn+2 ) est liée. Il existe donc une combinaison
de dimension finie. linéaire nulle en les wi , à coefficients non tous nuls. Il est
facile de voir que cette combinaison linéaire est aussi une
1. Le «si» est facile à voir, le «seulement si» est beau- combinaison linéaire nulle en les v1 , . . . , vn+2 , à coefficients
coup plus difficile à démontrer ; on pourra utiliser le résul- non tous nuls. Ainsi (Hn+1 ) est vraie.
tat 1.2.1
372
CHAPITRE XXIV. ESPACES VECTORIELS DE DIMENSION FINIE
Remarque 1.2.2.
On notera que l’idée de la démonstration précé- Lemme 1.3.1.
dente est très proche de celle de l’algorithme du Soit p ∈ N et (xi )i∈[[1,p]] une famille de vecteurs
pivot de Gauss. de E.
La famille (xi )i∈[[1,p]] est liée si et seulement s’il
Exemple 1.2.3. existe k ∈ [[1, p]] vérifiant
• Dans R2 , toute famille de trois vecteurs est liée.
Mais une famille de strictement moins de trois xk ∈ Vect (x1 , . . . , xk−1 ).
vecteurs n’est pas forcément libre !
• Dans R3 , toute famille de quatre vecteurs est Autrement dit si et seulement si l’un des vecteurs
liée. de la famille est combinaison linéaire des précé-
• Dans Rn [X], toute famille de n + 2 polynômes dents.
est liée.
• Dans Cn [X], vu comme C-espace vectoriel, toute Démonstration.
famille de n + 2 polynômes est liée. Supposons que la Pfamille est liée. Alors il existe une com-
p
• Dans Cn [X], vu comme R-espace vectoriel, binaison linéaire λ x non triviale de valeur 0. On
i=1 i i
toute famille de 2n + 3 polynômes est liée, note k le plus grand entier i tel que λi 6= 0. Alors on a
successivement :
tandis que la famille de 2n + 2 polynômes
(1, i, X, iX, . . . , X n , iX n ) est libre. k
X
λi xi = 0,
Nous verrons dans la partie 1.4 que ce résultat i=1
xk = − λi xi ,
suivant. λk
i=1
373
CHAPITRE XXIV. ESPACES VECTORIELS DE DIMENSION FINIE
374
CHAPITRE XXIV. ESPACES VECTORIELS DE DIMENSION FINIE
Démonstration.
Remarque 1.4.3. Il est clair que si F est une base alors elle est libre et
Pour que cette définition ait un sens il est néces- génératrice.
saire et suffisant d’être assuré : Supposons que F est génératrice. Par le théorème de la
base incomplète, on peut extraire de F une base B, qui
• d’une part que toutes les bases d’un espace
possède dimK (E) vecteurs, c’est-à-dire autant que F . On
vectoriel de dimension finie ont toutes le a donc B = F , donc F est une base de E.
même nombre d’éléments De même, supposons que F est libre. On pourrait rai-
• d’autre part que tout espace vectoriel de sonner comme précédemment en complétant F en une
dimension finie possède bien au moins une base de E. Voici un autre raisonnement. Si x ∈ E, alors
F ] (x) contient strictement plus de dimK (E) donc est liée.
base. Par le corollaire 1.3.2, x ∈ Vect(F ). Ainsi, Vect(F ) = E,
Ce qu’on a bien vérifié plus haut. donc F engendre E, donc est une base de E.
375
CHAPITRE XXIV. ESPACES VECTORIELS DE DIMENSION FINIE
376
CHAPITRE XXIV. ESPACES VECTORIELS DE DIMENSION FINIE
1. ψ est linéaire,
Proposition 1.6.2.
2. ψ est injective (les familles (ei )i∈[[1,n]] et
Soit E et F deux K-espaces vectoriels de dimen-
(fi )i∈[[1,p]] étant libres),
sions finies.
Alors E × F est de dimension finie et 3. ψ est surjective (les familles (ei )i∈[[1,n]]
et (fi )i∈[[1,p]] étant génératrice).
dimK (E × F ) = dimK E + dimK F. Donc E × F est isomorphe à Kn+p . En par-
ticulier, d’une part dim E × F = n + p et
Plus précisément, posons n = dim E et p =
d’autre part l’image de la base canonique
dim F et choisissons (e1 , . . . , en ) une base de E
de Kn+p est une base de E × F . Or cette
et (f1 , . . . , fp ) une base de F . Alors (bi )i∈[[1,n+p]]
image n’est autre que la famille (bi )i∈[[1,n+p]]
est une base de E × F , où
donnée dans l’énoncé de la proposition.
bi = (ei , 0F ) pour i ∈ [[1, n]],
(
377
CHAPITRE XXIV. ESPACES VECTORIELS DE DIMENSION FINIE
378
CHAPITRE XXIV. ESPACES VECTORIELS DE DIMENSION FINIE
379
CHAPITRE XXIV. ESPACES VECTORIELS DE DIMENSION FINIE
380
CHAPITRE XXIV. ESPACES VECTORIELS DE DIMENSION FINIE
Corollaire 3.2.5.
Démonstration.
Soient E et F deux K-ev de dimension finie, et On a déjà montré que si ϕ était un isomorphisme les trois
u ∈ L (E, F ). Alors, propositions étaient vraies. Montrons que si deux sont
vraies, alors l’autre l’est aussi.
381
CHAPITRE XXIV. ESPACES VECTORIELS DE DIMENSION FINIE
où p : N → N
(
0 si n = 0,
n 7→
Corollaire 3.2.10 (Éléments inversibles de n−1 si n 6= 0.
L (E)).
Remarque 3.2.13.
Soit E un K-espace vectoriel de dimension finie.
De la même manière que le corollaire 3.2.12, on
Soit ϕ ∈ L (E).
peut montrer que si E et F sont deux K-espaces
Alors les trois propositions suivantes sont équi-
vectoriels de dimension finie tels que dim E =
valentes :
dim F , et si ϕ est un élément de L (E, F ), alors
1. ϕ est injective, les trois propositions suivantes sont équivalentes :
2. ϕ est surjective,
1. il existe ψ ∈ L (F, E) telle que ψ ◦ ϕ = IdE ,
3. ϕ est bijective.
2. il existe χ ∈ L (F, E) telle que ϕ ◦ χ = IdF ,
3. ϕ est bijective.
382
CHAPITRE XXIV. ESPACES VECTORIELS DE DIMENSION FINIE
Lemme 4.0.6.
Exemple 4.0.3.
Soit H un hyperplan d’un espace vectoriel E et
• Les droites vectorielles sont les hyperplans de
soit e un vecteur non nul n’appartenant pas à H.
R2 .
Alors pour toute forme linéaire u de noyau H,
• Les plans vectoriels sont les hyperplans de R3 .
on a u = λϕ, où λ = u(e) et ϕ est l’application
• L’espace est un hyperplan de l’espace-temps.
associant α à tout vecteur de la forme h + αe.
• Kn [X] est un hyperplan de Kn+1 [X].
• Kn peut être vu comme un hyperplan de Kn+1 ,
si l’on considère que Kn est isomorphe à Kn × {0}, Démonstration.
qui est un hyperplan de Kn+1 . Posons D = Vect(e). L’application ϕ est bien définie car
E = H ⊕ D et elle est linéaire. Soit u ∈ L (E, K) vérifiant
Ker u = H. Alors soit x ∈ E. x s’écrit sous la forme h + αe
et on a u(x) = u(h) + αu(e) = 0 + αλ = λϕ(x).
Proposition 4.0.4. Donc ∀x ∈ Eu(x) = λϕ(x). Donc u = λϕ. De plus,
Soit E un K-espace vectoriel de dimension finie λ 6= 0 (sinon ker u = E 6= H).
et H un hyperplan de E. Alors toute droite vecto-
rielle D non contenue dans H est supplémentaire
de H dans E. Proposition 4.0.7.
Deux formes linéaires de même noyau sont pro-
Démonstration. portionnelles.
Soit D une droite vectorielle non contenue dans H. Alors
D ∩ H est strictement inclus dans D, donc dim D ∩ H <
dim D = 1, donc D ∩ H = { 0 }, donc D et H sont en Démonstration.
somme directe. De plus dim D + dim H = dim E. Donc D Direct d’après le lemme précédent.
et H sont supplémentaires.
383
CHAPITRE XXIV. ESPACES VECTORIELS DE DIMENSION FINIE
Lemme 4.0.9.
Soit H un hyperplan d’un espace vectoriel E de
dimension finie n. Soit F un sous-espace vectoriel
de E de dimension p. Alors H ∩F est de dimension
p − 1 ou p.
Démonstration.
Si H ∩ F = F , le résultat est évident.
Sinon, considérons un supplémentaire S de H ∩ F dans
F . H ∩ F 6= F , donc dim S > 1. On a S ⊂ F , donc
S ∩ H = (S ∩ F ) ∩ H = S ∩ (H ∩ F ) = { 0 }. Donc S et H
sont en somme directe, donc dim H ⊕ S > n − 1 + 1 = n.
Donc H ⊕ S = E, donc dim S = n − (n − 1) = 1, donc
dim H ∩ F = dim F − dim S = p − 1.
384
Chapitre XXV
La théorie des probabilités cherche à modéli- partie { (♥, 3), (♥, 4), (♦, 3), (♦, 4) }.
ser des phénomènes faisant intervenir le hasard. Dans toute la suite de ce chapitre, on utilisera
Puisqu’il s’agit d’une modélisation, il conviendra, souvent des expériences imagées : tirages de dés,
pour chaque définition que nous allons donner, de boules dans une urne etc. On adoptera les
d’une part d’apprendre sa définition mathéma- conventions suivantes, sauf mention du contraire :
tique et d’autre part de comprendre en quoi cette • les dés sont équilibrés, à six faces ;
définition modélise un phénomène aléatoire. • les urnes sont opaques, les boules sont indis-
cernables au toucher et, si une urne contient
n boules, ces dernières sont numérotées de
1 Événements, probabilités. 1àn ;
• les jeux de cartes sont parfaitement mélan-
1.1 Expérience aléatoire et univers. gés.
a Introduction.
b Univers, événements.
On parlera d’expérience aléatoire pour modé-
liser un processus dont le résultat est incertain.
Exemple : tirage au sort d’une boule dans une Définition 1.1.1 (Univers).
urne, tirage à pile ou face avec une pièce de mon- On appelle univers un ensemble non vide Ω.
naie, lancer d’un ou plusieurs dés, choix au hasard Cette année, on se limitera au cas où Ω est fini.
d’une personne dans la population française, ti- Dans ce cas 1 , on appelle événement toute partie
rage de trois cartes à jouer au hasard dans un de l’univers, c’est-à-dire tout élément de P(Ω) et
paquet, etc. on appelle événement élémentaire ou éventualité
On appellera généralement univers des pos- les événements singletons, c’est-à-dire de la forme
sibles ou univers, l’ensemble des résultats pos- { ω }, pour ω ∈ Ω (selon le contexte, le terme
sibles d’une expérience aléatoire. Cet univers dé- événement élémentaire peut parfois désigner les
pend bien évidemment de la modélisation choisie : éléments de Ω et non les singletons).
par exemple pour un tirage à pile ou face, on Un événement est dit impossible s’il désigne la
peut modéliser l’univers comme étant l’ensemble partie vide (∅) et certain s’il désigne la partie
{ pile, face } ou comme { pile, face, tranche }. pleine (Ω).
Il arrive parfois qu’on s’intéresse à une Étant donnés deux événements A et B, on dé-
expérience aléatoire donnant plusieurs ré- finit
sultats. Par exemple, si on tire une carte à • l’événement contraire de A : Ω \ A, noté Ā.
jouer dans un jeu, on peut s’intéresser à la • l’événement «A et B» (conjonction de A et
couleur de la carte, auquel cas on considérera B) : A ∩ B.
l’univers Ω1 = { ♥, ♦, ♠, ♣ } ou à sa valeur, • l’événement «A ou B» (disjonction de A et
auquel cas on s’intéressera à l’univers Ω2 = B) : A ∪ B.
{ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, Valet, Dame, Roi }. Si On dit que A et B sont incompatibles si A∩B = ∅,
on s’intéresse aux deux simultanément, on autrement dit si leur conjonction est impossible.
prendra plutôt comme univers Ω = Ω1 × Ω2 . On dit que des événements A1 , . . . , An sont
De manière générale, on prendra pour univers mutuellement incompatibles si leur conjonction
un ensemble nous permettant de représenter simul- est impossible. On dit qu’ils sont deux à deux
tanément tous les résultats qui nous intéresseront. incompatibles si pour tout i et j, i 6= j implique
Sur l’exemple précédent, on peut s’intéresser à Ai et Aj incompatibles. Dans ce dernier cas, on
l’événement qui consiste à tirer une carte rouge dit que leur union A1 ∪ . . . ∪ An est une union
et de valeurs trois ou quatre. Cet événement est disjointe.
modélisé comme une partie de Ω, en l’espèce la
386
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
387
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
B=
G
B ∩ Ai .
Proposition 1.1.12. i∈I
Si A est un événement, A, A est un système
complet d’événements, appelé système complet
d’événements associé à A. Démonstration.
Montrons tout d’abord que B est inclus dans cette réunion.
Soit b ∈ B. On a b ∈ Ω et la réunion des Ai pour i ∈ I est
Démonstration.
égale à Ω, donc il existe un i0 ∈ I vérifiant b ∈ Ai0 . On a
Immédiat en revenant à la définition.
alors b ∈ B ∩ Ai0 . On a donc
[
b∈ B ∩ Ai
Proposition 1.1.13. i∈I
Soit X une variable aléatoire à valeurs dans un en-
Ce qui montre cette première inclusion.
semble fini E. Alors ([X = x])x∈E est un système L’inclusion réciproque est immédiate : pour tout i ∈ I,
complet d’événements, appelé système complet on a B ∩ Ai ⊂ B, donc
d’événements associé à X. [
B ∩ Ai ⊂ B
i∈I
Démonstration.
On a donc l’égalité voulue.
Soit ω ∈ Ω, alors ω ∈ [X = X(ω)] donc ∪x∈E [X = x] = Ω.
On peut aussi montrer cela par calcul sur les ensembles :
Soit (x, y) ∈ E 2 , avec x 6= y. Si ω ∈ [X = x] ∩ [X = y],
par la relation de De Morgan,
alors X(ω) = x = y, ce qui est impossible, donc [X =
x] ∩ [X = y] = ∅.
[ [
B =B∩Ω=B∩ Ai = B ∩ Ai .
i∈I i∈I
Remarque 1.1.14.
On utilisera presque tout le temps un de ces deux Le fait que l’union soit disjointe est immédiat : soit
(i, j) ∈ [[1, n]]2 vérifiant i =
6 j. Alors (B ∩ Ai ) ∩ (B ∩ Aj ) ⊂
types de systèmes complets d’événements. Ai ∩ Aj = ∅.
Exercice 1.1.15. Remarque 1.1.18.
On lance un dé à 6 faces, on note X le numéro Cette écriture est typique des énoncés en probabi-
obtenu. Montrer que les événements [X = 1], lités. Il faut bien voir qu’elle dissimule deux résul-
[X = 2] et [X > 3] forment un système complet. tats : l’égalité ensembliste et le fait que l’union
Remarque 1.1.16. écrite est disjointe.
La notion de système complet d’événements est
très proche de celle de partition. Les différences 1.2 Espaces probabilisés finis
sont les suivantes :
a Définition
1. un système complet d’événements est une
famille de parties de Ω alors qu’une partition À tout événement, on veut associer sa probabi-
est un ensemble de parties de Ω ; lité, qui modélise la « probabilité de réalisation »
388
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
de cet événement lors de la réalisation de cette cet événement est nulle (la probabilité d’obte-
expérience aléatoire. Mais que veut dire cette nir un réel situé dans un intervalle donné est
phrase ? On peut le voir comme la fréquence proportionnelle au diamètre de cet intervalle).
de la réalisation de cet événement au bout d’un C’est donc un événement quasi-impossible
« grand » nombre de répétitions « indépendantes » mais non impossible.
de cette expérience. La loi des grands nombres (sa 3. Il est important de retenir que la notion de
version faible dans le cas dénombrable sera vue quasi impossibilité ne veut pas dire «pro-
en seconde année) justifie la consistance de la dé- babilité faible». Un physicien dirait qu’un
finition suivante avec son interprétation concrète. événement de probabilité 10−100 est impos-
sible (le nombre d’atomes dans l’univers est
de l’ordre de 1080 ) mais pour un mathéma-
Définition 1.2.1. ticien, un tel événement n’est même pas un
Une probabilité (ou mesure de probabilité) sur un événement quasi impossible.
univers fini Ω est une application P de P(Ω) dans
R vérifiant les trois propriétés suivantes :
Définition 1.2.3.
1. Pour tout événement A, 0 6 P (A) 6 1.
Un prédicat défini sur Ω vrai sur un événement
2. P (Ω) = 1. de probabilité 1 sera dit « presque-sûr ».
3. Pour tout couple (A, B) d’événements, si A
et B sont incompatibles alors P (A t B) = Exemple 1.2.4.
P (A) + P (B). Reprenons l’exemple 1.1.4 : on tire successive-
Un espace probabilisé fini est un couple (Ω, P ), ment, sans remise, deux boules dans une urne
où Ω est un univers fini et P une probabilité. contenant n > 2 boules numérotées de 1 à n. Il est
Pour tout événement A d’un espace probabilisé pratique de considérer comme univers Ω = J1, nK2 .
(Ω, P ), la valeur P (A) est appelée probabilité de On prend alors une probabilité P telle que l’évé-
l’événement A. nement { (i, i) | 1 6 i 6 n } est négligeable.
On dit qu’un événement A est presque sûr (ou Sur cet univers, presque-sûrement on aura « i 6=
quasi certain) si P (A) = 1 et est négligeable (ou k » pour 1 6 i, k 6 n.
quasi impossible) si P (A) = 0.
b Probabilité uniforme
Remarque 1.2.2. 1. Dans le cas où l’univers
est infini, il faut adapter un peu la définition :
l’ensemble de départ de P est alors la tribu Définition 1.2.5 (probabilité uniforme).
des événements et on donne au troisième Soit Ω un univers fini. L’application
axiome une forme plus générale. Comme on
P : P(Ω) → R
ne verra cette année que le cas fini, on s’au- A
A 7→ Card
torisera à omettre la précision « fini » quand Card Ω
389
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
1. Soit A ∈ P(Ω), alors 0 6 Card A 6 Card(Ω) donc 3. Il suffit de remarquer que A = (A\B) t (A ∩ B).
0 6 P (A) 6 1. 4. On a A ∪ B = A t (B \ A), donc P (A ∪ B) = P (A) +
2. On a bien P (Ω) = 1. P (B \ A) = P (A) + P (B) − P (A ∩ B).
3. Soit (A, B) deux événements incompatibles. Alors 5. Ω = A t Ā, donc 1 = P (Ω) = P (A) + P (Ā) d’où le
A ∩ B = ∅ donc Card(A ∪ B) = Card A + Card B, résultat.
donc P (A ∪ B) = P (A) + P (B).
On a donc
4. P (A ∪ B) = P (A) + P (B) − P (A ∩ B) ; ! ! !
k k
5. P (A) = 1 − P (Ā).
G G
P Ai t Ak+1 =P Ai + P (Ak+1 )
i=1 i=1
Or on a E(k), donc
Démonstration. 1. ∅ = ∅ t ∅ donc P (∅) = P (∅) +
P (∅) = 0, d’où le résultat. k+1
! k
!
G X
2. Supposons A ⊂ B. Alors B = A ∪ (B \ A). De plus, P Ai = P (Ai ) + P (Ak+1 )
A et B \ A sont incompatibles, donc P (B) = P (A) + i=1 i=1
390
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
Démonstration.
D’après la proposition 1.1.17, on a Proposition 1.2.16.
[n Soit p1 , . . . , pn , n réels positifs ou nuls de somme
B= Ai ∩ B. égale à 1. Alors il existe une (unique) fonction P
i=1
de probabilité sur Ω telle que pour tout i ∈ [[1, n]],
et cette union est une union disjointe. Donc d’après la on a P ({ ωi }) = pi .
proposition 1.2.11, on a le résultat.
Démonstration.
d Détermination par les images des évé- On a déjà vu l’unicité sous réserve d’existence. Montrons
nements élémentaires. l’existence. Notons P l’application de P(Ω) dans R qui à
tout événement A associe
Dans cette partie, on considère un univers fini
Ω = {ω1 , . . . , ωn } de cardinal n ∈ N∗ .
X
P (A) = pi
i∈J1,nK,ωi ∈A
Corollaire 1.2.14.
X X
= pi + pi
En particulier, des réels p1 , . . . , pn étant donnés, i∈J1,nK,ωi ∈A i∈J1,nK,ωi ∈B
il existe au plus une probabilité sur Ω vérifiant = P (A) + P (B).
∀i ∈ [[1, n]] P ({ ωi }) = pi .
Ainsi, P est donc bien une probabilité.
391
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
Exemple 1.2.17.
Nous pouvons maintenant définir des mesures de Définition 1.3.1 (Probabilité conditionnelle).
probabilités de la manière suivante : « la proba- Soit (Ω, P ) un espace probabilisé et A et B deux
bilité P est définie sur J0, 5K par événements, avec B de probabilité non nulle. On
appelle probabilité de A sachant B, et on note
0 1 2 3 4 5 P (A ∩ B)
k
». PB (A) le réel .
P ({k}) 1/4 0 1/2 1/12 1/12 1/12 P (B)
Exemple 1.2.18.
Remarque 1.3.2.
Étant donné des points A1 , . . . , An dans un en-
La notation donnée est la notation officielle. Vous
semble (fini) Ω, on définit la (mesure de) probabi-
retrouverez parfois la notation usuelle P (A|B),
lité empirique par rapport à A1 , . . . , An par
que nous vous déconseillons fortement.
1 Remarque 1.3.3.
∀x ∈ Ω, Pn ({x}) = Card { i ∈ J1, nK | Ai = x } .
n Même si l’exemple donné concernait une proba-
bilité uniforme, la définition donnée s’applique à
1.3 Probabilités conditionnelles. toute probabilité.
a Définition.
Proposition 1.3.4.
Le résultat d’une expérience aléatoire dépend
Sous les hypothèses de la définition ci-dessus, l’ap-
parfois du résultat d’une autre. Par exemple, en
plication PB : P(Ω) → R est une probabilité
prenant pour univers l’ensemble des jours de l’an-
sur Ω.
née 2021 muni de la probabilité uniforme P , si
on appelle A l’événement «j’attrape un rhume
aujourd’hui» et B l’événement «il fait un temps Démonstration.
En effet, elle est bien définie car P (B) > 0. Elle est à
froid et humide aujourd’hui», on aimerait pouvoir valeurs positives ou nulles et pour tout A ∈ P(Ω), on a
exprimer que lorsque B est réalisé, A a une plus A ∩ B ⊂ B donc P (A ∩ B) 6 P (B) donc PB (A) 6 1. De
grande probabilité d’être réalisé. plus PB (Ω) = P (B)/P (B) = 1. Enfin, pour tout couple
Pour cela, on peut restreindre notre univers Ω (A, C) d’événements incompatibles, A ∩ B et C ∩ B sont
incompatibles, donc
à l’ensemble des jours où B est réalisé et regarder
quelle est la probabilité de l’événement «attraper PB (A ∪ C) =
P ((A ∩ B) ∪ (C ∩ B))
un rhume» dans cet univers restreint. On appel- P (B)
lera cette probabilité la probabilité de A sachant P (A ∩ B) + P (C ∩ B)
=
P (B)
B.
= PB (A) + PB (C)
Dans l’univers Ω, l’événement A est l’ensemble
des jours où j’attrape un rhume, B est l’ensemble
des jours froids et humides. Notre univers res-
Remarque 1.3.5.
treint est B et l’événement «j’attrape un rhume»
Dans les exercices de probabilités, l’un des points
dans cet univers est l’ensemble A ∩ B. Sa proba-
délicats (et donc intéressant) est souvent de tra-
bilité, si on le munit de la probabilité uniforme
duire correctement l’énoncé en termes de probabi-
est Card(A ∩ B)/ Card B = P (A ∩ B)/P (B).
lités conditionnelles. En effet, les énoncés ne sont
Cet exemple nous conduit à la définition sui-
pas toujours donnés de manière mathématisée et
vante.
vous avez alors un (petit) travail de modélisation
à effectuer. On pourra commencer par s’entraîner
sur les exercices 1.3.11 et 1.3.12.
392
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
Exercice 1.3.6.
Dans une urne, on place deux boules blanches et
une boule noire. On effectue un premier tirage
dans l’urne, dans laquelle on remet la boule tirée Démonstration.
en y rajoutant une boule de même couleur. On C’est une conséquence immédiate de la première forme
effectue un second tirage dans l’urne. (proposition 1.2.12) et de la formule des probabilités com-
Modéliser (i.e. traduire l’énoncé mathémati- posées.
quement, ici en termes de probabilités condition-
Exercice 1.3.11.
nelles).
On considère une urne contenant quatre boules
blanches et trois boules noires. On tire successi-
b Probabilités composées, probabilités to- vement et sans remise trois boules.
tales.
Calculer la probabilité de tirer exactement deux
boules noires.
Proposition 1.3.7 (Formule des probabilités Note : il peut être intéressant de dessiner un
composées). arbre des possibilités pour raisonner. Mais un tel
Soit A et B deux événements, avec P (A) > 0. arbre n’est en aucun cas une justification.
Alors
P (A ∩ B) = P (A) × PA (B). Exercice 1.3.12.
On effectue N > 2 tirages successifs dans une
Dans le cas où P (A) = 0, on utilise la convention urne, contenant initialement une boule blanche et
P (A) × PA (B) = 0. une boule noire.
Chaque fois que l’on tire une boule blanche, on
Démonstration.
C’est une simple réécriture de la définition. la remet et on rajoute une boule blanche supplé-
mentaire dans l’urne.
Remarque 1.3.8.
Chaque fois que l’on tire une boule noire, on la
On généralise cela au cas de plusieurs événements.
remet dans l’urne.
Soit par exemple A, B, C et D quatre événements
tels que P (A ∩ B ∩ C ∩ D) 6= 0. Alors On suppose que cette expérience est modélisée
par un espace probabilisé fini (Ω, P ). Quelle est la
P (A ∩ B ∩ C ∩ D) = P (A) × PA (B) probabilité pN d’obtenir la première boule noire
× PA∩B (C) × PA∩B∩C (D). au N e tirage ?
Exercice 1.3.9. Remarque 1.3.13. • Un des points attendus
Soit (A1 , . . . , An ) des événements dont la proba- est de justifier rigoureusement l’utilisation
bilité de !l’intersection est non nulle. Exprimer d’une certaine formule ...
n
• L’exercice précédent est souvent modifié en
à l’aide de la formule des probabilités
\
P Ai
i=1
« si l’on tire une boule noire, on s’arrête ».
composées. Cela change-t-il la modélisation ?
• L’année prochaine, vous pourrez modéliser
Proposition 1.3.10 (Formule des probabilités cela en considérant une suite infinie de ti-
totales, deuxième forme). rages. Comme nous ne considérons que des
Soit n ∈ N∗ , (Ai )i∈[[1,n]] un système complet d’évé- espaces probabilisés finis, nous nous limitons
nements et B un événement. Alors à N tirages successifs ... avec N quelconque.
+∞
n
• Que vaut pn ? Pouvez-vous l’interpréter,
X
P (B) = PAi (B) × P (Ai ).
X
n=1
i=1
au moins intuitivement ?
393
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
c Formule de Bayes.
de probabilités toutes non nulles et B un événe-
Exercice 1.3.14 (fondamental). ment de probabilité non nulle. Alors pour tout
On effectue un test de dépistage d’une maladie. j ∈ [[1, n]], on a
Le test rend un résultat binaire : positif ou négatif.
La probabilité que le test rende un résultat positif PAj (B)P (Aj )
PB (Aj ) = .
pour une personne si cette personne a contracté la n
PAi (B)P (Ai )
X
maladie est appelé sensibilité du test et est notée
i=1
p1 . La probabilité que le test rende un résultat né-
gatif pour une personne qui n’a pas contracté cette
maladie est appelée spécificité et est notée p2 .
Démonstration.
Une personne prise au hasard dans la popula- Soit j ∈ [[1, n]]. Alors en utilisant la version précédente du
tion française effectue le test et celui-ci rend un théorème de Bayes, on obtient
résultat positif. Quelle est la probabilité que cette PAj (B)P (Aj )
personne soit malade ? PB (Aj ) = .
P (B)
On donne : p1 = 0, 99, p2 = 0, 98, population
Or d’après le théorème des probabilités totales, on a
française : N = 6 × 107 personnes, nombre de
n
personnes ayant contracté la maladie dans la po- P (B) =
X
PAi (B)P (Ai ).
pulation française : m = 103 . i=1
394
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
correctement le problème n’est pas toujours chose dé rouge et d’un dé vert, il est encore raisonnable
facile (voir le problème des trois portes). de penser que les deux événements sont indépen-
dants, même si les dés sont pipés et même s’ils
1.4 Événements indépendants. sont pipés de deux façons différentes. À moins par
exemple que les dés soient aimantés, auquel cas
a Couple d’événements indépendants. les résultats des deux dés pourraient être reliés.
Exercice 1.4.5.
On considère une urne contenant 10 boules noires
Définition 1.4.1.
et 10 boules blanches. On tire successivement deux
Soit A et B deux événements. On dit que A et B
boules, sans remise. On note A (resp. B) l’événe-
sont indépendants si et seulement si P (A ∩ B) =
ment «la première (resp. seconde) est blanche».
P (A) × P (B).
Modéliser ce problème.
A et B sont-elles indépendantes ? Calculer P (A)
Remarque 1.4.2. 1. Si P (B) > 0, alors cette et P (B). Que vaut PB (A) ? Que vaut PA (B) ?
condition est équivalente à PB (A) = P (A). Mêmes questions si on tire maintenant simul-
Autrement dit, de façon informelle, savoir B tanément deux boules, l’une de la main gauche,
ne modifie pas la probabilité de A. l’autre de la main droite et qu’on note A (resp. B)
2. Si P (B) > 0 et P (B̄) > 0, elle est également l’événement «la boule tirée par la main gauche
équivalente à PB (A) = PB̄ (A). (resp. droite) est blanche».
3. Il arrive que l’on démontre l’indépendance
b Famille finie d’événements mutuelle-
de deux événements mais le plus souvent, il
ment indépendants.
s’agit d’une hypothèse de modélisation du
problème considéré.
4. Dans tout exercice de probabilités, il est pri- Définition 1.4.6.
mordial de bien repérer dans l’énoncé les Soit n un entier. On dit que des événements A1 ,
hypothèses d’indépendance. . . . , An sont mutuellement indépendants si pour
Exercice 1.4.3. toute partie I de [[1, n]], on a
Quels sont les événements indépendants d’eux- !
mêmes ? = P (Ai ).
\ Y
P Ai
i∈I i∈I
Exemple 1.4.4.
Si on lance deux fois un dé à six faces et qu’on On dit qu’ils sont deux à deux indépendants
note A et B les événements «obtenir un 6» res- si et seulement si pour tout (i, j) ∈ [[1, n]]2 , avec
pectivement au premier et deuxième tirage, on i 6= j, Ai et Aj sont indépendants.
aura tendance à modéliser le problème en disant
que les deux événements sont indépendants ce qui
Remarque 1.4.7. 1. L’ordre des éléments n’a
correspond à l’intuition physique : le fait qu’on
aucune importance.
obtienne un 6 au deuxième tirage ne dépend pas
du fait qu’on a obtenu un 6 au tirage précédent, 2. L’indépendance mutuelle entraîne l’indépen-
le dé n’ayant pas de «mémoire» de ce qui s’est dance deux à deux (prendre pour I une paire
passé. Attention : même si le dé est pipé, il est d’indices).
raisonnable de considérer que les deux événements 3. La réciproque est fausse. Considérer par
sont indépendants. exemple deux tirages d’un dé et les événe-
Si au lieu de considérer deux lancers d’un même ments «le premier tirage donne un nombre
dé, on considère plutôt le lancer simultané d’un pair», «le second tirage donne un nombre
395
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
pair» et «la somme des deux nombres obte- dans une famille d’événements mutuellement indépendants,
nus est paire». on change l’un des événements en son contraire, on ob-
tient de nouveau une famille d’événements mutuellement
4. Si (A1 , . . . , An ) sont mutuellement indépen- indépendants. Par une récurrence immédiate, il vient alors
dants et si J ⊂ [[1, n]], alors (Aj )j∈J est une que si on change p événements en leurs contraires, on ob-
famille d’événements mutuellement indépen- tient de nouveau une famille d’événements mutuellement
indépendants.
dants.
Posons donc Bi = Ai pour i ∈ [[1, n − 1]] et Bn = A¯n .
Remarque 1.4.8. 1. Il ne suffit pas de vérifier Soit alors I une partie de [[1, n]], montrons qu’on a
que la probabilité de l’intersection des Ai est !
égale au produit des P (Ai ) pour l’ensemble
\ Y
P Bi = P (Bi )
de tous les indices mais bien de le vérifier i∈I i∈I
pour tous les ensembles d’indices possibles. Si I ne contient pas n, c’est évident.
Considérer par exemple l’univers Ω = [[1, 8]] Si I contient n, alors posons J = I \ { n }. On a succes-
des résultats possibles d’un dé équilibré à sivement :
8 faces, et les événements A1 = { 1, 2, 3, 4 }, ! !
A2 = { 1, 2, 3, 4 } et A3 = { 1, 5, 6, 7 }. A¯n ∩
\ \
P Bi =P Ai
2. Le plus souvent, l’indépendance mutuelle est i∈I i∈J
!
une hypothèse faite lors de la modélisation =P (Ω \ An ) ∩
\
Ai
du problème. Le problème, c’est que dans i∈J
de nombreux énoncés, cette hypothèse n’est \ \
!!
écrite nulle part : c’est le mathématicien qui =P Ai \ An ∩ Ai
analyse le problème 2 qui doit se poser la i∈J
!
i∈J
!
question de l’indépendance des événements. \ \
=P Ai −P Ai
3. Lorsqu’il s’agit de montrer l’indépendance i∈J i∈I
I possède 0 ou 1 élément).
Y
= P (Bn ) P (Bi )
i∈J
Y
Proposition 1.4.9. = P (Bi ).
Remplacer, dans une famille d’événements mu- i∈I
396
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
Remarque 2.2.6.
Définition 2.2.1. Pour déterminer la loi d’une variable aléatoire
Soit X une variable aléatoire à valeurs dans un X, on procédera systématiquement de la manière
ensemble E. suivante :
On appelle loi de la variable aléatoire X la • on détermine l’image de X ;
loi de probabilité PX : P(X(Ω)) → R qui à • pour chaque k ∈ X(Ω), on calcule P (X = k) ;
tout élément x de X(Ω) associe la probabilité de • si on obtient une loi connue, on la nomme.
l’événement X = x :
Exercice 2.2.7.
∀x ∈ X(Ω) PX ({x}) = P (X = x). Soit X à valeurs dans {−1; 0; 1} dont la loi est
déterminée par
et associe 0 aux autres éléments de P(E).
1
P (X = −1) = P (X = 0) = P (X = 1) = .
3
Comment s’appelle la loi de X ? Quelle est la loi
Notation 2.2.2.
de −X ? A-t-on X = −X ?
Si X et Y sont deux variables aléatoires à valeurs
dans un même ensemble, X ∼ Y signifie que X Remarque 2.2.8.
et Y ont la même loi. La définition ci-dessus pose problème dans le cas
où X est une variable aléatoire réelle continue
(hors-programme mais vu en terminale) : la pro-
Proposition 2.2.3. babilité d’avoir P (X = x) ne donne aucune infor-
Soit X une variable aléatoire définie sur un espace mation puisque pour tout x fixé, P (X = x) = 0.
probabilisé fini (Ω, P ). Alors X(Ω) est fini et PX C’est pourquoi on trouve parfois une autre
est une probabilité sur X(Ω). définition de PX : PX est alors l’application de
P(E) dans R qui, à une partie A de E, asso-
cie P (X ∈ A). Dans ce cas, PX a la propriété
Démonstration.
Par la caractérisation d’une loi par l’image de ses singletons, d’être une probabilité sur E (lorsque E est fini)
il suffit de remarquer que et est déterminée de façon unique par les va-
X leurs des P (XX= x) pour x ∈ E puisqu’on a
P (X = x) = 1.
P (X ∈ A) = P (X = x).
x∈X(Ω)
x∈A
Cette deuxième définition pose également des
problèmes dans le cas des variables continues mais
ils sont plus facilement réparables (on ne peut
Corollaire 2.2.4. plus définir PX sur P(E) mais seulement sur une
Si A ⊂ X(Ω), PX (A) = P (X ∈ A). partie).
k 0 1 2 3 4 5 Remarque 2.2.10.
».
P (X = k) 1/4 0 1/2 1/12 1/12 1/12 Le terme «image d’une variable aléatoire» vient
397
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
398
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
Proposition 2.3.6.
La fonction de répartition caractérise la loi d’une
variable X, au sens où pour tout réel t P (X = Définition 2.4.2.
t) > 0 si et seulement si FX n’est pas continue en Soit E un ensemble fini, non vide. On dit qu’une
t, et P (X = t) = FX (t) − lim FX . variable aléatoire réelle X suit la loi uniforme sur
t− E et on note X ∼ U (E) (voire X ≡ U (E)) si
X(Ω) = E et PX est la probabilité uniforme sur
Démonstration. E (autrement dit, pour tout x ∈ E, P (X = x) =
Là encore, cela découle de ce qui précède. 1/#E).
En particulier pour tout couple (a, b) d’entiers
relatifs avec a 6 b, on a X ∼ U ([[a, b]]) si et
2.4 Loi usuelles
seulement si
Dans cette partie, on étendra automatique- 1
ment les définitions données en commettant l’abus ∀x ∈ [[a, b]] P (X = x) = .
b−a+1
de notation suivant. Soit X une variable aléa-
toire X à valeurs dans E, A ⊂ E tel que ∀x ∈
399
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
b Loi de Bernoulli.
Définition 2.4.9.
Soit n ∈ N et p ∈ [0, 1]. On dit qu’une variable
aléatoire X suit la loi binomiale de paramètres n
Définition 2.4.6. et p et on note X ∼ B(n, p) si X est à valeurs
Soit p ∈ [0, 1]. On dit qu’une variable aléatoire dans [[0, n]] et pour tout k ∈ [[0, n]], on a
X est une variable de Bernoulli (ou suit la loi de !
Bernoulli) de paramètre p et on note X ∼ B(p) n k
P (X = k) = p (1 − p)n−k .
si X est à valeurs dans { 0, 1 } et P (X = 1) = p. k
400
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
y∈Y (Ω)
Démonstration.
Soit (i, j) ∈ [[1, N ]] × [[1, P ]], il suffit de remarquer que Symétriquement, pour tout y ∈ Y (Ω), on a
[(X, Y ) = (xi , yj )] = [X = xi ] ∩ [Y = yj ] et d’utiliser la
P (Y = y) = PY ({y}) = PX,Y ({(x, y)})
X
proposition 1.1.13.
x∈X(Ω)
Remarque 2.5.3.
= P (X = x, Y = y).
X
On notera souvent l’événement [X = x] ∩ [Y = y]
par [X = x, Y = y]. x∈X(Ω)
401
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
alors qu’on a
[ Définition 2.6.1.
(X = x) = (X = x) ∩ (Y = y). On dit que X et Y sont indépendantes si pour
y∈Y (Ω)
tout x ∈ E et tout y ∈ F on a
Or cette union est une union disjointe, d’où l’égalité
X P ([X = x]∩[Y = y]) = P (X = x)P (Y = y).
P (X = x) = P ((X = x) ∩ (Y = y)). (XXV.2)
y∈Y (Ω)
On dira que deux variables aléatoires sont indé-
D’où le premier point. Autrement dit : la famille des pendantes et identiquement distribuées (i.i.d.) si
(Y = y) pour y ∈ Y (Ω) constitue un système complet elles sont indépendantes et de même loi.
d’événements et le résultat se déduit immédiatement de la
formule des probabilités totales.
Pour le second point, il suffit de montrer que deux
couples peuvent avoir des lois différentes bien qu’ayant les
Notation 2.6.2.
mêmes lois marginales. On peut par exemple considérer,
sur l’univers Ω = { 1, 2 } muni de la probabilité uniforme, On note X ⊥⊥ Y pour signifier que X et Y sont
les variables de Bernoulli X et Y définies par X(1) = 1, indépendantes.
X(2) = 0, Y (1) = 0 et Y (2) = 1. Alors les variables X et Y
ont même loi, les deux couples de variables aléatoires (X, X)
et (X, Y ) ont donc mêmes lois marginales. Cependant, ils Remarque 2.6.3.
ont des lois conjointes différentes puisque PX,X (1, 1) = 12 On écrira souvent cela comme
et PX,Y (1, 1) = 0.
402
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
g(Y ) ∈ B 0 = Y ∈ g −1 (B 0 ) .
[
[Y ∈ B] = [Y = y]
y∈B
[ On en déduit
[(X, Y ) ∈ A × B] = [X = x] ∩ [Y = y]
(f (X), g(Y )) ∈ A0 × B 0
(x,y)∈A×B
= f (X) ∈ A0 ∩ g(Y ) ∈ B 0
Or ces trois unions sont des unions disjointes, donc :
= X ∈ f −1 (A0 ) ∩ Y ∈ g −1 (B 0 )
= (X, Y ) ∈ f −1 (A0 ) × g −1 (B 0 ) .
[
P ((X, Y ) ∈ A × B) = P [X = x] ∩ [Y = y]
(x,y)∈A×B Puis :
X
= P ([X = x] ∩ [Y = y]) P (f (X), g(Y )) ∈ A0 × B 0
(x,y)∈A×B
=P (X, Y ) ∈ f −1 (A0 ) × g −1 (B 0 )
X
= P (X = x) × P (Y = y)
=P X ∈ f −1 (A0 ) × P Y ∈ g −1 (B 0 )
(x,y)∈A×B
=P f (X) ∈ A0 × P g(Y ) ∈ B 0 ,
! !
X X
= P (X = x) × P (Y = y)
qui est ce qu’on voulait démontrer.
x∈A y∈B
! !
[ [
=P [X = x] ×P [Y = y]
x∈A y∈B Définition 2.6.9.
= P (X ∈ A) × P (Y ∈ B). Soit n un entier et X1 , . . . , Xn des variables
aléatoires à valeurs dans des ensembles respectifs
E1 , . . . , En . On dit que les variables X1 , . . . , Xn
Exercice 2.6.7. sont mutuellement indépendantes si pour tous x1 ,
Soit X, Y indépendantes de loi uniforme sur J1, nK. . . . , xn appartenant respectivement à X1 (Ω), . . . ,
Calculer P (X 6 Y ). Xn (Ω), on a
n n
!
(Xi = xi ) = P (Xi = xi ). (XXV.4)
\ Y
P
Proposition 2.6.8. i=1 i=1
Soit E, E 0 , F et F 0 quatre ensembles. Soit f :
E → E 0 et g : F → F 0 . Soit alors X et Y deux On dira que des variables aléatoires sont indépen-
variables aléatoires indépendantes. Alors f (X) et dantes et identiquement distribuées (i.i.d.) si elles
g(Y ) sont des variables aléatoires indépendantes. sont mutuellement indépendantes et de même loi.
403
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
404
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
Démonstration. Démonstration.
Supposons que les événements A1 , . . . , An sont indépen- On a, pour tout i ∈ [[1, n]], Xi (Ω) = { 0, 1 }, donc X(Ω) ⊂
dants. Soit alors x1 , . . . , xn n éléments de { 0, 1 }. Notons [[0, n]].
Bi l’événement Xi = xi pour i ∈ [[1, n]]. Alors pour tout Posons E = { 0, 1 }n , et pour tout élément
Tn (x1 , . . . , xn )
i, on a Bi = Ai ou Bi = Āi . Donc les événements B1 , de E, on note A(x1 ,...,xn ) l’événement i=1 (Xi = xi ). La
405
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
famille (Ax )x∈E est un système complet d’événements. des probabilités totales
Donc on a, pour tout k ∈ [[0, n]]
P (S = k) = P ([S = k] ∩ [Xn = 0])
[
(X = k) = (X = k) ∩ Ax + P ([S = k − 1] ∩ [Xn = 1])
x∈E = P ([Y = k] ∩ [Xn = 0])
[
= A(x1 ,...,xn ) . + P ([Y = k − 1] ∩ [Xn = 1])
(x1 ,...,xn )∈E
x1 +···+xn =k
= P (Y = k)P (Xn = 0)
ind.
n
Y par la formule du triangle de Pascal, ce qui permet
P (A(x1 ,...,xn ) ) = P (Xi = xi ). de conclure.
i=1
Or pour tout i ∈ [[1, n]], Xi est une variable de Bernoulli Remarque 2.6.22.
de paramètre p, donc si xi = 1, P (Xi = xi ) vaut p et si Dans le dernier calcul, on pouvait aussi écrire
xi = 0, P (Xi = xi ) vaut (1 − p). Donc si k est le nombre
de membres du n-uplet (x1 , . . . , xn ) valant 1, on a
P (S = k) = P[X=0] (S = k)P (X = 0)
P (A(x1 ,...,xn ) ) = p (1 − p)
k n−k
+ P[X=1] (S = k)P (X = 1)
D’où = P[X=0] (Y = k)P (X = 0)
+ P[X=1] (Y = k − 1)P (X = 1)
X
P (X = k) = pk (1 − p)n−k
(x1 ,...,xn )∈E
406
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
E(X) = P ({ ω })X(ω).
X
On a alors successivement :
Proposition 2.7.9 (Espérance des lois usuelles.).
X X Soit C ∈ R, p ∈ [0, 1], n ∈ N, a, b ∈ Z.
E(X) = P ({ ω })x
1. L’espérance d’une variable aléatoire
x∈X(Ω) ω∈Ω
X(ω)=x
constante de valeur C est égale à C.
=
X X
P ({ ω })X(ω)
2. L’espérance d’une variable aléatoire suivant
la loi de Bernoulli de paramètre p est p.
x∈X(Ω) ω∈Ω
X(ω)=x
X 3. L’espérance d’une variable aléatoire suivant
= P ({ ω })X(ω)
ω∈Ω
la loi binomiale de paramètres n et p vaut
np.
4. L’espérance d’une variable aléatoire suivant
Proposition 2.7.5. la loi uniforme sur Ja, bK, avec a < b, vaut
L’espérance est linéaire et positive, donc crois- a+b
.
sante. Plus précisément, soit X et Y deux va- 2
riables aléatoires réelles et α et β deux réels.
Alors Démonstration.
E(αX + βY ) = αE(X) + βE(Y ) Les deux premiers points se déduisent directement de la
définition. Pour le troisième, on sait que l’espérance d’une
De plus si X est presque sûrement à valeurs posi- variable aléatoire ne dépend que de sa loi. Étant donné
une variable X sur un espace probabilisé Ω suivant la loi
tives (P (X > 0) = 1) alors E(X) > 0.
binomiale de paramètres n et p où n ∈ N et p ∈ [0, 1], on
Enfin, si l’événement X 6 Y est presque sûr, construit une variable aléatoire Y , sur un autre espace de
alors E(X) 6 E(Y ). probabilité Ω0 , de façon à ce que d’une part Y suive la loi
binomiale de paramètres n et p et d’autre part Y s’écrive
407
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
408
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
dépendantes).
X
> P ({ ω })X(ω)
Soit X et Y deux variables à valeurs réelles indé- ω∈Ω
X(ω)>t
409
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
On dit que X est une variable aléatoire réduite En particulier, si σ(X) 6= 0, la variable Y définie
si sa variance est 1. par
X − E(X)
Y =
σ(X)
Remarque 2.8.2. 1. La variance et l’écart-
type ne dépendent que de la loi de X. est une variable centrée réduite.
2. Intuitivement la variance mesure la
Démonstration.
« moyenne » du carré des écarts à la
On connaît déjà le premier point. Il suffit de remplacer
« moyenne ». C’est donc une mesure de la par les définitions et de calculer pour conclure pour les
dispersion des valeurs autour de la valeur autres.
moyenne prise par la variable aléatoire X. Si
la variable X est exprimée dans une unité u,
la variance sera exprimée dans l’unité u2 (et Proposition 2.8.5 (Variance des lois usuelles).
l’écart-type dans l’unité u). Soit p ∈ [0, 1] et n ∈ N∗ .
1. Toute variable aléatoire constante p.s. est de
variance nulle.
Proposition 2.8.3 (Formule de König-Huygens). 2. Toute variable aléatoire réelle suivant la loi
Soit X une variable aléatoire réelle. Alors la va- de Bernoulli de paramètre p a pour variance
riance est la différence entre l’espérance de son p(1 − p).
carré et le carré de son espérance : 3. Toute variable aléatoire réelle suivant la loi
binomiale de paramètres p et n a pour va-
V (X) = E(X 2 ) − E(X)2 .
riance np(1 − p).
4. Toute variable aléatoire rélle suivant la loi
n2 − 1
uniforme sur J1, nK, a pour variance .
Démonstration. 12
Il suffit d’utiliser la définition, la linéarité de l’espérance
et le résultat sur l’espérance d’une variable constante pour
obtenir successivement : Démonstration. 1. Direct.
V (X) = E (X − E(X)) 2 2. Considérons X une variable aléatoire réelle suivant
la loi de Bernoulli de paramètre p. Alors V (X) =
= E X − 2E(X)X + E(X)
2 2
E(X 2 ) − E(X)2 . Or P (X 2 = 1) = P (X = 1) = p et
= E X 2 − 2E(X)E(X) + E(X)2 donc E(X 2 ) = p. Donc V (X) = p − p2 = p(1 − p).
410
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
=
1 X 2
k Soit X et Y deux variables aléatoires réelles. On
n+1 appelle covariance de X et Y et on note Cov(X, Y )
k=0
n(2n + 1) le réel
= .
6
Ainsi, Cov(X, Y ) = E((X − EX)(Y − EY )).
2n(2n + 1) 3n2 n(n + 2) Si Cov(X, Y ) = 0, on dit que X et Y sont décor-
V (Y ) = − = .
12 12 12 rélées.
(b − a)(b − a + 2)
Donc V (X) = et l’on retrouve
12
bien l’énoncé avec b = n et a = 1. Remarque 2.8.10.
Cov(X, X) n’est autre que V (X) et Cov(X, Y ) =
Cov(Y, X).
Théorème 2.8.6 (Inégalité de Bienaymé-Tche- Remarque 2.8.11.
bychev). Si σ(X) = 0, nous avons vu que X = E [X] p.s,
Soit X une variable aléatoire réelle, V (X) sa va- donc Cov(X, Y ) = 0.
riance, soit ε > 0. Alors Si σ(X) et σ(Y ) ne sont pas nuls, on définit le
coefficient de corrélation de X et de Y par
V (X)
P (|X − EX| > ε) 6 .
ε2 Cov(X, Y )
ρ(X, Y ) = .
σ(X)σ(Y )
411
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
Corollaire 2.8.15.
Deux variables aléatoires indépendantes ont une
covariance nulle.
Remarque 2.8.16.
Comme montré par l’exemple X ∼ U (−1, 0, 1) et
Y = X 2 , deux variables peuvent être non corrélées
mais sans être indépendantes.
Proposition 2.8.17.
Soit n ∈ N et X1 , . . . , Xn n variables aléatoires
réelles. Alors on a
Figure XXV.2 – Exemple de régression affine n n
V( Xi ) = V (Xi ) + 2 Cov(Xi , Xj ).
X X X
3
r
par moindres carrés, ici ρ(X, Y ) = ≈ 0, 65. i=1 i=1 16i<j6n
7
412
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
Corollaire 2.8.18.
Dans le cas particulier où les variables X1 , . . . , Xn
sont deux à deux décorrélées, la variance de leur
somme est égale à la somme de leurs variances.
Remarque 2.8.19.
On déduit de ce résultat la variance de la loi
binomiale, comme on l’a vu plus haut.
413
CHAPITRE XXV. PROBABILITÉS SUR UN UNIVERS FINI
414
Chapitre XXVI
Dans tout ce chapitre et sauf mention expresse • d’autre part que toute combinaison linéaire des (Eij )
du contraire, n, m, p, q, r et t désignent des entiers est égale à une matrice dont les coefficients sont
ceux de la combinaison linéaire, P qu’en conséquence
naturels non nuls, et K désigne R ou C.
toute combinaison linéaire λ E
(i,j)∈[[1,n]]×[[1,p]] ij ij
de valeur nulle est aussi égale à la matrice des
(λij )(i,j)∈[[1,n]]×[[1,p]] qui ne peut donc avoir que des
1 Structure de Mn,p (K). coefficients tous nuls et que la famille des (Eij ) est
donc libre.
On reviendra avec profit sur le cours sur les
matrices du premier semestre.
1.2 Remarques sur le produit.
1.1 Structure d’espace vectoriel. a Colonnes d’un produit.
M=
X
mij Eij .
Définition 1.2.2.
(i,j)∈[[1,n]]×[[1,p]]
Soit M ∈ Mn,p (K). On appelle application li-
néaire canoniquement associée à M l’application
On en déduit donc :
• d’une part que toute matrice M s’écrit d’au moins
(
Mp,1 (K) −→ Mn,1 (K)
une façon comme combinaison linéaire des Eij pour u:
(i, j) ∈ [[1, n]] × [[1, p]] et que la famille (Eij ) est X 7−→ M X
génératrice ;
416
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
Proposition 1.2.3.
Remarque 1.2.7.
Cette application est bien une application linéaire.
Dessiner les matrices pour voir de quoi il retourne.
La démonstration suivante n’est que la description
Démonstration.
du dessin.
Pour tout (X, Y ) ∈ Mp,1 (K) et tout λ ∈ K, on a
Démonstration.
u(λX + Y ) = M (λX + Y )
Soit α ∈ [[1, q]]. La αe colonne de Eij × Ekh 0
est Eij Cα où
= λ(M X) + M Y Cα est la α colonne de Ekh . Si α 6= h, Cα = 0p1 , donc
e 0
417
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
1 1 −2
0 Remarque 2.2.2.
1 0
MatB (F ) =
.
Si B = C , on note MatB (u) = MatB,B (u).
1 1 0
0 1 1 Remarque 2.2.3.
On pourra représenter f et sa matrice dans un
3. Matrice d’une famille de vecteurs de Kn dans schéma comme représenté dans la figure XXVI.1.
la base canonique.
4. La matrice d’une famille de vecteurs colonnes
C1 , . . . , Cp éléments de Mn,1 (K) dans la base f
E, B F, C
canonique est la matrice dont les colonnes MatB,C (f )
sont C1 , . . . , Cp .
MatB (u) =
X X
Soient x, y ∈ E tels que x = xk ek et y = yk ek . Soit .
k=1 k=1
3 2
418
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
! !!
1 0
Avec C la base (f1 , f2 ) = ; , on a tout j ∈ [[1, p]], au j e vecteur de la base B le
1 −1
u(e1 ) = f1 − 2f2 et u(e2 ) = −f1 − 3f2 . Ainsi, vecteur dont la colonne des coordonnées dans la
! base C est la j e colonne de M .
1 −1
MatB,C (u) = .
−2 −3 Démonstration.
Notons (mij )(i,j)∈[[1,n]]×[[1,p]] les coefficients de M et C1 ,
Exercice 2.2.5. 1. Avec les mêmes u, B et C , . . . , Cp les colonnes de M . Pour j ∈ [[1, p]], on note vj
l’unique vecteur de E tel que MatC (vj ) = Cj (il s’agit du
calculer MatC ,B (u). vecteur m1j f1 + . . . mnj fn ).
2. Réciproquement, trouver l’application li- Soit alors u ∈ L (E, F ). On a M = MatB,C (u) si et
seulement si
!
0 3
néaire associée à M = relativement
−1 2 MatC (v1 , . . . , vp ) = MatC (u(e1 ), . . . , u(ep )),
aux bases canoniques de R2 . c’est-à-dire si et seulement si ∀i ∈ [[1, p]]vi = u(ei ), or on
sait qu’il existe une unique application linéaire u vérifiant
3. Notons ϕ : R3 [X] → R4 [X], P 7→ cette dernière condition.
P 0 + 3XP , B = (1, X, X 2 , X 3 ) et C = Il existe donc une unique application linéaire u vérifiant
(X 3 , X, X 2 , 1, X 4 ) Trouver la matrice de ϕ M = MatB,C (u).
relativement aux bases B et C . Remarque 2.2.8.
4. Réciproquement, avec les mêmes bases, no- Dans le cas où les espaces vectoriels de départ et
tons ϕ l’unique application linéaire telle que d’arrivée sont le même, la matrice de l’identité
est In si on considère la même base au départ
0 0 3 0
3 et à l’arrivée.
0 2 0
MatB,C (ϕ) = 0 3 0 3 dans des bases différentes, la matrice
0 1 0 0
de l’identité n’est pas l’identité ! Exemple : cal-
0 0 0 3 culer MatB,C (IdR2 ) où C = (→ −ı , →
− ) est la base
canonique de R2 et B = (→ −ı + →− , →
−ı − →− ).
retrouver l’expression de ϕ.
5. Donner la matrice de R3 [X] → R3 [X]
Proposition 2.2.9.
P 7→ P 0
Soit M ∈ Mn,p (K). La matrice de l’application li-
dans les bases canoniques.
néaire canoniquement associée à M dans les bases
6. Donner la matrice de R3 [X] → R canoniques de Mn,1 (K) et Mp,1 (K) est M .
P 7→ P (π)
dans les bases canoniques.
Démonstration.
Exercice 2.2.6. Notons u l’application canoniquement associée à M .
Soit a, b ∈ R. Dans R-ev C, exprimer la matrice D’après la remarque 1.1.9, pour tout k ∈ [[1, p]], l’image
par u du ke vecteur de la base canonique est la ke colonne
de z 7→ (a + ib)z dans la base canonique (1, i). de M . Donc la matrice de u est la matrice des vecteurs
colonnes de M dans la base canonique : c’est donc M .
Théorème 2.2.7.
Soient E un K-ev de dimension finie p et F un K- Théorème 2.2.10.
ev de dimension finie n. Soient B = (e1 , . . . , ep ) et On garde les mêmes notations. On considère l’ap-
C = (f1 , . . . , fn ) des bases de E et F respective- plication
ment. Soit M ∈ Mn,p (K). Il existe une unique ap- (
plication u ∈ L (E, F ) telle que M = MatB,C (u) : (L (E, F ), +, .) −→ (Mn,p (K), +, .)
ϕ: .
c’est l’unique application linéaire associant, pour u 7−→ MatB,C (u)
419
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
On a donc
Alors, ϕ est un isomorphisme d’espaces vectoriels. p
X n
X
u(x) = xj mij fi
j=1 i=1
n p
Démonstration. X X
On a déjà vu que cette application était bijective. Voir = xj mij fi
pourquoi elle est linéaire est laissé en exercice au lecteur. i=1 j=1
n
Remarquons que, puisqu’on sait que les deux espaces X
= yi f i .
vectoriels considérés sont de dimension finie et de même
dimension, on aurait pu se dispenser de montrer précé- i=1
demment qu’elle était injective ou se dispenser de montrer Ainsi, MatC (u(x)) a pour coefficients la famille (yi )i∈[[1,n]] .
qu’elle était surjective.
420
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
N M
Démonstration.
g f Le théorème 2.2.10 assure que c’est un isomorphisme de
f ◦g groupes pour la loi +, le théorème 2.2.16 montre que
E, B G, D l’image du produit est le produit des images et l’image du
MN neutre de L (E) pour la composition (qui est l’application
identité sur E) est le neutre de Mn (K) pour le produit
(qui est In ).
Figure XXVI.3 – Diagramme de composition
d’applications linéaires et de leurs représentations 2.3 Inversibilité.
matricielles.
421
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
Corollaire 2.3.4.
Démonstration. Soit A et B deux matrices carrées de taille n.
Soit E et F deux espaces vectoriels de dimension finies Alors AB = In si et seulement si A et B sont
respectives p et n. Soit B une base de E et C une base de F .
Soit u ∈ L (E, F ) et v ∈ L (F, E). Posons A = MatB,C (u)
inversibles et sont inverses l’une de l’autre.
et B = MatC ,B (v). Il est donc équivalent pour une matrice (carrée)
On a : d’être :
1. inversible ;
u ◦ v = IdF ⇐⇒ MatC ,C (u ◦ v) = In
⇐⇒ MatB,C (u) × MatC ,B (v) = In
2. inversible à gauche ;
⇐⇒ AB = In 3. inversible à droite.
De même
Démonstration.
v ◦ u = IdE ⇐⇒ BA = Ip
Pour montrer cette équivalence, il suffit de montrer le
En particulier, si u est un isomorphisme, d’isomorphisme sens direct, l’autre découlant directement de la définition
réciproque v, alors AB = In et BA = Ip . De plus, on a d’inverse.
alors dim E = dim F , donc n = p. Donc A est une matrice Supposons donc AB = In .
carrée et B est son inverse. Notons u et v les applications linéaires canoniquement
associées respectivement à A et B relativement à la base
Réciproquement, si u ∈ L (E, F ) possède une matrice
canonique.
inversible A, alors en notant v l’unique application linéaire
En reprenant la démonstration précédente, on peut re-
telle que A−1 = MatC ,B (v), on a u ◦ v = IdF et v ◦ u =
marquer que u ◦ v = IdF , donc v est un endomorphisme
IdE .
injectif et u un endomorphisme surjectif.
La dimension de Kn étant finie, on u et v sont donc des
Remarque 2.3.2. automorphismes et on a v = u−1 ◦ u ◦ v = u−1 ◦ IdF = u−1 .
Soit M une matrice carrée, u l’endomorphisme Donc d’après la proposition précédente A et B sont
qui lui est canoniquement associé. On peut utiliser inversibles et sont inverses l’une de l’autre.
la proposition précédente pour montrer que M
est inversible et déterminer, le cas échéant, son Corollaire 2.3.5.
inverse. Dans un espace vectoriel E de dimension finie n,
• On commence par prendre X, Y deux vec- la matrice d’une famille de vecteurs est inversible
teurs colonne ayant autant de lignes que si et seulement si cette famille de vecteurs est une
M. base.
• On résout en X le système M X = Y .
• S’il y a toujours existence et unicité de la Démonstration.
solution, on lit X = M −1 Y . Pour que la matrice soit inversible, il est nécessaire qu’elle
Cela correspond bien à ce qui était fait auparavant, soit carrée. Pour que la famille de vecteur soit une base, il
est nécessaire qu’elle possède exactement n vecteurs. On
la proposition précédente justifie bien que l’on peut donc se restreindre au cas d’une famille de n vecteurs
puisse conclure à l’inversibilité de M directement, v1 , . . . , vn et de la matrice M associée relativement à une
et obtenir son inverse. base B de E. Notons (e1 , . . . , en ) les vecteurs de B.
Notons u l’unique endomorphisme de E tel que
Exemple 2.3.3. MatB (u) = M .
422
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
Corollaire 2.3.6.
Une matrice M ∈ Mn (K) est inversible si et seule- Théorème 2.4.3.
ment si ses colonnes forment une base de Mn,1 (K) On note P = MatB (B 0 ) et P 0 = MatB0 (B 00 ).
et si et seulement si ses lignes forment une base 1. P = MatB0 ,B (IdE ).
de M1,n (K). 2. P est inversible est son inverse est MatB0 (B)
(matrice de passage de B 0 dans B).
Démonstration. 3. La matrice de passage de B dans B 00
Considérer la famille des colonnes de M et la base cano-
est MatB (B 00 ) = P P 0 = MatB (B 0 ) ×
nique de Kn , puis transposer.
MatB0 (B 00 ) (« transitivité »).
Remarque 2.3.7.
Ainsi, s’il y a une relation de dépendance entre
les colonnes de M , M n’est pas inversible. Remarque 2.4.4.
Exemple 2.3.8. On pourra représenter schématiquement le point 1
1 0 1 comme dans la figure XXVI.4. Ce schéma sera le
423
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
E, B 0
Pour une application linéaire Avec les
B
PB 0
B0
PB mêmes notations et en notant de plus F un
K-ev de dimension finie, C et C 0 deux bases
IdE IdE
de F , u ∈ L (E, F ), et enfin Q = MatC (C 0 ).
IdE Alors MatB0 ,C 0 (u) = Q−1 MatB,C (u)P .
E, B E, B
In
424
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
1 0 1
essaiera, pour chaque changement de base, de
Inverser 0 1 0 en passant par des matrices
reproduire le schéma de la figure XXVI.9 pour se
2 −1 1
rappeler de cette formule.
de passage.
MatB (f ) Remarque 2.4.15.
B B On appelle P = MatB (B 0 ) « matrice de passage
f
de B dans B 0 » car elle permet de transformer une
équation exprimée dans B en équation exprimée
i−1 dans B 0 . En effet, avec ϕ une forme linéaire et
B 0
h
B 0 B
= PB
PB Id Id PB 0 L = MatB,1 (ϕ), l’équation cartésienne de Ker ϕ
(c’est un hyperplan) s’écrit, dans la base B, LX =
0. Dans la base B 0 , cela s’écrit alors LP X 0 = 0.
f La ligne donnant l’équation dans la base B 0 est
B0 B0 donc LP .
MatB0 (f )
3 Matrices remarquables.
Figure XXVI.9 – Illustration de la relation de
changement de bases pour un endomorphisme. 3.1 Matrices triangulaires.
Exemple 2.4.11.
Définition 3.1.1.
Mêmes choses que dans l’exemple 2.4.2. F =
Soit A ∈ Mn (K). On dit que A est triangulaire
R3 , C = (e1 , e2 , e3 ) (base canonique), C 0 =
supérieure (resp. inférieure) si ∀i, j ∈ J1, nK tels
(h1 , h2 , h3 ) avec h1 = e1 , h2 = (1, 1, 0) = e1 + e2 ,
que i > j (resp. i < j), aij = 0.
h3 = (−1, 0, 1) = −e1 + e3 .
On note τn+ (K) (resp. τn− (K)) l’ensemble des ma-
On considère
( trices triangulaires supérieures (resp. inférieures)
R2 −→ R3 d’ordre n.
u:
(x, y) 7−→ (x − y, x, 2x + y).
425
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
Théorème 3.1.4.
Démonstration.
Une matrice triangulaire est inversible si et seule-
Nous donnons la démonstration pour les matrices trian-
ment si elle n’a aucun zéro sur sa diagonale. gulaires supérieures. Pour les matrices triangulaires infé-
rieures, on peut exploiter la remarque ci-dessus ou utiliser
les résultats sur la transposée en remarquant que la trans-
Démonstration. posée d’une matrice triangulaire supérieure est triangulaire
Soit A triangulaire sup. d’ordre n. On note (v1 , . . . , vn ) la inférieure et vice-versa.
famille de vecteurs telle que A = MatB (v1 , . . . , vn ), avec
Soit M ∈ τn+ (K) ∩ G L n (K).
B base canonique de Kn .
On choisit E un espace vectoriel de dimension n, B =
• Si pas de zéro sur la diag. : on montre que (v1 , . . . , vn )
(e1 , . . . , en ) une base de E et on note u l’endomorphisme
est libre, avec λ1 v1 + . . . + λn vn = 0, on pose le système,
de E de matrice M relativement à B.
on résout : même pas besoin de faire de pivot de Gauss.
M étant inversible, u est bijective.
Donc c’est une base, donc c’est inversible.
• S’il y a un zéro à la ke position, alors (v1 , . . . , vk ) ont D’après le lemme, tous les Ek sont stables par u. En
tous des zéros après leur (k − 1)e coordonnées, donc sont appliquant le lemme, il suffit de montrer qu’ils sont stables
dans Vect(e1 , . . . , ek−1 ), ils sont donc liés. par u−1 pour montrer que MatB (u−1 ) = M −1 est trian-
gulaire supérieure.
Soit k ∈ [[1, n]]. On a u(Ek ) ⊂ Ek , donc Ek ⊂ u−1 (Ek ).
Or dim u−1 (Ek ) = dim Ek (image d’un sous-espace vecto-
Lemme 3.1.5. riel par un morphisme bijectif), donc u−1 (Ek ) = Ek . On
Soit E un espace vectoriel de dimension n et a donc l’inclusion souhaitée : u−1 est donc triangulaire
B = (e1 , . . . , en ) une base de E. Pour k ∈ [[1, n]], supérieure.
on pose Ek = Vect(e1 , . . . , ek ). Soit u ∈ L (E) et
M = MatB (u).
3.2 Matrices diagonales.
Alors M est triangulaire supérieure si et seule-
ment si pour tout k ∈ [[1, n]], Ek est stable par u.
Définition 3.2.1.
Démonstration. On appelle matrice diagonale toute matrice carrée
Soit k ∈ [[1, n]]. Pour que Ek soit stable par u, il faut que
(aij )16i,j6n telle que pour tous i, j ∈ J1, nK, i 6=
u(ek ) ∈ Ek , c’est-à-dire que seuls les k premières lignes de
la matrice colonne des coordonnées de u(ek ) dans B soient j ⇒ ai,j = 0.
non nulles. On note Dn (K) l’ensemble des matrices diagonales
Or la matrice M de u est la matrice formée de ces d’ordre n.
colonnes. Pour que tous les Ek , pour k ∈ [[1, n]] soient
426
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
Remarque 3.2.2.
• On note diag(λ1 , . . . , λn ) la matrice diagonale De plus, Sn (K) et An (K) sont supplémentaires
dont les termes diagonaux sont (λ1 , . . . , λn ). dans Mn (K).
• Dn (K) = τn+ (K) ∩ τn− (K).
Démonstration.
Ce sont respectivement les noyaux de A 7→ t A − A et
Définition 3.2.3.
A 7→ t A + A, donc ce sont des sous-espaces vectoriels de
On appelle matrice scalaire toute matrice dia- Mn (K).
gonale dont les coeffs de la diagonale sont tous Soit M = (mi,j ) ∈ Mn (K). On a M ∈ Sn (K) si et
égaux, i.e. de la forme λIn . seulement si pour tout i, j, mi,j = mj,i . Si M ∈ Sn (K),
on a donc
n
X X
M= mi,i Ei,i + mi,j (Ei,j + Ej,i ).
Théorème 3.2.4. i=1 16i<j6n
(Dn (K), +, ×) est un anneau et (Dn (K), +, .) est
Ainsi, la famille (Ei,i )16i6n ] (Ei,j + Ej,i )16i<j6n engendre
un K-ev de dimension n.
Sn (K). On vérifie aisément que cette famille est libre : c’est
donc une base de Sn (K), et elle contient bien n(n + 1)/2
Démonstration. vecteurs.
Anneau et ev : immédiat avec Dn (K) = τn+ (K) ∩ τn− (K). De même, si M = (mi,j ) ∈ Mn (K), on a M ∈ An (K)
Dimension : (Eii )16i6n en forme une base. si et seulement si pour tout i, j, mi,j = −mj,i . La famille
(Ei,j − Ej,i )16i<j6n alors An (K) et est libre, c’est donc une
Remarque 3.2.5. base de An (K), et elle contient bien n(n − 1)/2 vecteurs.
Une matrice diagonale est inversible si et seule- Enfin, si M ∈ An (K) ∩ Sn (K), on a M = t M = −t M ,
ment si tous ses coefficients diagonaux sont donc M = 0. An (K) et Sn (K) sont donc en somme directe,
la somme de leurs dimensions vaut n2 , d’où le résultat.
non nuls. Et dans ce cas diag(λ1 , . . . , λn )
−1 =
On pouvait aussi observer que s : A 7→ t A est une
1 1
diag ,..., . symétrie vectorielle de Mn (K), donc que An (K) = Ker(s −
λ1 λn Id) et Sn (K) = Ker(s + Id) sont supplémentaires.
De plus, pour tout p ∈ N, (diag(λ1 , . . . , λn ))p =
diag(λp1 , . . . , λpn ). Et si aucun coefficient diagonal
n’est nul, cette relation est aussi valable pour Ce ne sont pas des sous-anneaux de
p ∈ Z. Mn (K) !
427
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
Définition 4.1.2.
Soit A ∈ Mn,p (K). Notons C1 , . . . , Cp les colonnes
de A. Alors on appelle rang de A et on note rg(A)
Théorème 4.1.6.
l’entier rg (C1 , . . . , Cp ).
A ∈ Mn (K) est inversible si et seulement si rg A =
n.
Remarque 4.1.3.
Soit A ∈ Mn,p (K). Alors Démonstration.
Soient B = (e1 , . . . , en ) la base canonique de Kn , et
1. Pour tout r ∈ [[0, p]] et tout choix de (v1 , . . . , vn ) une famille de vecteurs de E telle que A =
r colonnes C1 , . . . , Cr de A, la famille MatB (v1 , . . . , vn ). Alors A inversible si et seulement si
(C1 , . . . , Cr ) est de rang inférieur ou égal à (v1 , . . . , vn ) base si et seulement si rg(v1 , . . . , vn ) = n si et
seulement si rg A = n.
rg A. C’est une conséquence du fait que l’es-
pace engendré par C1 ,. . . , Cr est inclus dans Exercice 4.1.7.
Im A. Calculer les rangs suivants.
428
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
!
1 1
• rg ; équivalente à MatB,C (u). Alors il existe une
2 2
• rg(diag(λ 1 , . . . , λn )) ;
base B 0 de E et une base C 0 de F telles que
1 2 3 0 0 0
MatB0 ,C 0 (u) = A.
0 2 1 0 −1 0
• rg 0 0 −1 0 1 2. Démonstration. 1. D’après le théorème de changement
0 0 0 0 0 0 de base, on a
429
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
∗
!
Ir
.
0n−r,r 0n−r,p−r
430
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
0 0 0 0 0 0 noyau.
passant à la transposée, i.e. en raisonnant sur les
Pour le calcul de l’image d’une matrice non
lignes au lieu des colonnes. On peut aussi faire un
nécessairement carrée, on peut remarquer
mix.
que les opérations sur les colonnes la laissent
invariante car multiplier à droite une matrice
par une matrice inversible ne change pas son
Théorème 4.2.6.
image.
Les opérations élémentaires sur les lignes et co-
lonnes préservent le rang. Pour le calcul de l’inverse d’une matrice car-
rée on peut travailler sur les lignes ou sur les
colonnes mais surtout pas sur les deux.
Démonstration.
En effet, l’algorithme du calcul de l’inverse
Facile car ces opérations reviennent à multiplier par des
matrices inversibles. consiste à multiplier la matrice A par des ma-
trices élémentaires jusqu’à obtenir l’identité,
et à multiplier en parallèle la matrice identité
Théorème 4.2.7. par les mêmes matrices.
Supprimer une ligne ou une colonne de zéros dans
une matrice ne change pas son rang. 4.4 Matrices extraites.
Démonstration.
Pour les colonnes : analogue du résultat sur les vecteurs. Définition 4.4.1.
Pour les lignes : passer à la transposée. Soit M ∈ Mn,p (K). On appelle matrice extraite
de M toute matrice obtenue en supprimant h des
4.3 Calculs pratiques. lignes de M et k de ses colonnes avec h ∈ [[0, n−1]]
et k ∈ [[0, p − 1]].
Remarque 4.3.1.
Calcul du rang et de l’inverse d’une matrice grâce
au pivot de Gauss. Proposition 4.4.2.
Pour le rang On peut appliquer la méthode du Soit M ∈ Mn,p (K) et A une matrice extraite de
pivot à une matrice M ∈ Mn,p (K) non néces- M . Alors rg(A) 6 rg(M ).
sairement carrée.
On peut mélanger les opérations sur les lignes Démonstration.
et les colonnes. Posons r = rg(A). Alors on peut trouver r colonnes C1 ,
. . . , Cr de A linéairement indépendantes. Notons C10 , . . . ,
On arrive au final à une matrice contenant Cr0 les r colonnes de M correspondantes. Pour tout i ∈
des lignes non nulles L1 , . . . , Lk , dont le pre- [[1, r]], Ci est obtenue en supprimant certaines lignes de Ci0 .
mier élément est situé colonne c1 , . . . , ck Soit (λ1 , . . . , λP r ) r scalaires. Considérons
r Pr les combinaisons
avec c1 < . . . < ck , puis n − k lignes nulles. linéaires S 0 = i=1 λi Ci0 et S = i=1 λi Ci . S est obtenue
en rayant certaines lignes de S 0 , donc si S 0 est nulle, S l’est
Alors rg M = rg(Vect(L1 , . . . , Lk )) = k car également et tous les λi , sont alors nuls.
les lignes L1 , . . . , Lk forment une famille C10 , . . . , Cr0 sont donc linéairement indépendantes, donc
libre. rg(M ) > r.
431
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
432
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
Proposition 6.1.3.
Définition 5.2.3. La relation de similitude est une relation d’équi-
Soit (S) un système linéaire écrit sous forme ma- valence sur Mn (K).
tricielle AX = B. Si A est inversible, on dit que
(S) est un système de Cramer.
Démonstration.
Cette relation est
Réflexive car pour tout A ∈ Mn (K), on a A = I−1
n AIn .
Théorème 5.2.4. Symétrique car pour tout (A, B) ∈ Mn (K)2 et tout P ∈
Tout système de Cramer a une unique solution, GLn (K) vérifiant A = P −1 BP , alors P −1 ∈ GLn (K)
qui est A−1 B.
−1 −1
et B = P −1 AP .
Transitive car pour tout (A, B, C) ∈ Mn (K)3 et tout
Démonstration. (P, Q) ∈ GLn (K)2 vérifiant A = P −1 BP et B =
Il est facile de voir que A−1 B est une solution. C’est la Q−1 CQ, on a A = P −1 Q−1 CQP = (QP )−1 C(QP ).
seule car S est un sea dont la direction est de dimension
n − n = 0.
Remarque 6.1.4.
Deux matrices semblables sont nécessairement
6 Matrices semblables et trace. équivalentes mais la réciproque n’est pas vraie.
Par exemple, dans R2 , I2 et 17I2 ont même rang
Dans toute cette partie, on ne considère que
(2) donc sont équivalentes mais ne sont pas sem-
des matrices carrées.
blables car pour tout matrice carrée P de taille 2
inversible, P −1 (I2 )P = I2 6= 17I2 .
6.1 Matrices semblables.
a Changement de base pour un endomor- Proposition 6.1.5.
phisme. Soit A et B deux matrices carrées de taille n. A
et B sont semblables si et seulement si ce sont les
matrices d’un même endomorphisme u exprimées
Proposition 6.1.1.
dans deux bases différentes.
Soit E un K-ev de dimension finie, B et B 0 deux
Plus exactement, A et B sont semblables si
bases de E et u ∈ L (E). Alors,
et seulement s’il existe un espace vectoriel E de
MatB0 (u) = MatB (B 0 )−1 MatB (u)MatB (B 0 ). dimension n, deux bases B et B 0 et un endomor-
phisme u tel que MatB (u) = A et MatB0 (u) = B.
Démonstration. Démonstration.
C’est une conséquence immédiate de la formule de change- Le sens indirect est une conséquence de la formule de
ment de base dans le cas où F = E, C = B et C 0 = B 0 changement de base pour un endomorphisme (proposi-
(théorème 2.4.7). tion 6.1.1).
433
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
Proposition 6.1.6.
Démonstration.
Considérons deux matrices A et B semblables de Soit (A, B) ∈ Mn (K)2 et λ ∈ K. Posons C = λA + B et
taille n. Alors pour tout k ∈ N, Ak et B k sont des montrons tr (λA+B) = λtr (A)+tr (B). Notons (aij ), (bij )
matrices semblables. et cij les coefficients respectivement de A, de B et de C.
Alors, on a
n
Démonstration. X
Ce résultat peut être démontré au moins des deux manières tr (C) = cii
suivantes : i=1
n
Par le calcul On montre par récurrence sur k que pour X
= (λaii + bii )
tout k, on a Ak = P −1 B k P . Pour montrer que ce
i=1
prédicat est héréditaire, il suffit de constater que n n
pour tout k ∈ N tel que le prédicat est vérifié, on a X X
=λ aii + bii
également Ak+1 = Ak A = P −1 B k P P −1 BP .
i=1 i=1
Géométriquement A et B sont deux matrices d’un
= λtr (A) + tr (B).
même endomorphisme u, donc Ak et B k sont deux
matrices de uk .
434
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
D’où :
n
X n
X Remarque 6.2.7.
tr (C) = La réciproque de ce résultat est
! fausse. Par
aik bki ,
2 0
i=1 k=1
n X
n
exemple, montrez que A = et I2 ne sont
0 0
X
tr (D) = aki bik .
i=1 k=1 pas semblables.
Ainsi,
435
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
Exemple 6.2.9.
L’endomorphisme IdE a pour trace dim(E). un projecteur. Alors, la trace de p est la dimension
de Im p :
Exercice 6.2.10. tr (p) = rg p.
Déterminer la trace de l’endomorphisme de déri-
vation dans Kn [X].
Démonstration.
Notons n la dimension de E, q celle de Im p. p étant un
f Propriétés. projecteur, on a E = Im p⊕Ker p. Soit (e1 , . . . , eq ) une base
de Im p. On a dim Ker p = n − q, donc on peut trouver
une base (eq+1 , . . . , en ) de Ker p. La famille (e1 , . . . , en )
est alors une base B de E et relativement à cette base, la
Proposition 6.2.11. matrice de p est une matrice diagonale dont les q premiers
Soit E un espace vectoriel de dimension finie. La coefficients valent 1 et tous les autres sont nuls. Sa trace
trace est une forme linéaire sur L (E). est donc q.
Remarque 6.2.15.
Démonstration. Ce résultat est faux pour d’autres endomor-
Il suffit de choisir une base de B de E et constater que phismes que les projecteurs. Considérer par
pour tous endomorphismes u et v, de matrices respectives
A et B, et pour tout scalaire λ, on a
exemple un endomorphisme de matrice E12 .
tr (λu + v) = tr (λA + B)
= λtr (A) + tr (B)
7 Matrices par blocs (HP).
= λtr (u) + tr (v).
Définition 7.0.1.
Soit M ∈ Mn,p (K). On peut écrire la matrice sous
la forme
Proposition 6.2.12.
Soit E un espace vectoriel de dimension finie et v m11 m12 ··· m1p
et u deux endomorphismes de E. Alors, m21 m22 ··· m2p
M =
.. .. ..
.
. . .
tr (v ◦ u) = tr (u ◦ v).
mn1 mn2 · · · mnp
436
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
où
1. Pour tout i ∈ [[1, q]], les matrices Mi1 , . . . , ! !
Mir ont un même nombre de lignes ni (toutes 1 2 3
B= , C= ,
les matrices d’une même ligne ont même 7 8 9
nombre de lignes).
!
4 5 6
D= , E = 13 14 ,
2. Pour tout j ∈ [[1, r]], les matrices M1j , . . . , 10 11 12
Mqj ont un même nombre de colonnes pj
F = 15 , G = 16 17 18 ,
(toutes les matrices d’une même colonne ont
19 20 21
même nombre de colonnes).
3. En notant aij H = 25 26 , I = 27 ,
hk le coefficient de la ligne h,
colonne k de la matrice Mij pour (i, j) ∈ 31 32 33
[[1, q]] × [[1, r]] et (h, k) ∈ [[1, ni ]] × [[1, pj ]], on a 22 23 24
aij
hk = m(s+h)(t+k) où s = n1 + . . . + ni−1 et
J = 28 29 30 .
t = p1 + . . . + pj−1 . 34 35 36
On dira que la décomposition précédente est Remarque 7.0.3.
triangulaire supérieure par blocs si n = p et que :
1. pour tout i ∈ [[1, q]], Mii est carrée ; Lorsqu’on parle de décomposition trian-
2. pour tout (i, j) ∈ [[1, q]]2 avec i > j, Mij est gulaire supérieure (resp. triangulaire inférieure,
nulle. diagonale) par bloc, c’est bien la décomposition
qui est triangulaire supérieure (resp. triangulaire
On définit de même les décompositions triangu-
inférieure, diagonale). Toute matrice carrée admet
laires inférieures par blocs.
en effet une décomposition (triviale) triangulaire
Enfin, les décompositions diagonales par blocs
supérieure (resp. triangulaire inférieure, diago-
sont celles dont tous les blocs Mij tels i 6= j sont
nale) par bloc.
nuls et tous les blocs Mii sont carrés.
437
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
438
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
439
CHAPITRE XXVI. MATRICES ET ALGÈBRE LINÉAIRE
On en déduit
n
X
Cij = MatB,D ( vik ◦ ukj )
k=1
n
X
= MatC ,D (vik ) × MatB,C (ukj )
k=1
n
X
= Aik × Bkj .
k=1
Exercice 7.0.7.
Calculer A2 , avec
1 0 0 1
0 1 0 0
A= .
0 0 −1 0
1 0 0 −1
440
Chapitre XXVII
Déterminants
Sommaire
1 Groupe symétrique. . . . . . . . . . . . . 442
1.1 Permutations. . . . . . . . . . . . . . . 442
1.2 Permutations particulières. . . . . . . . 442
1.3 Décomposition d’une permutation. . . 443
1.4 Signature d’une permutation. . . . . . 445
2 Applications multilinéaires. . . . . . . . 446
2.1 Définition et exemples. . . . . . . . . . 446
2.2 Applications multilinéaires symétriques,
antisymétriques et alternées. . . . . . . 446
3 Déterminant d’une famille de vecteurs. 449
3.1 Définition en dimension finie. . . . . . 449
3.2 Interprétation en géométrie réelle. . . . 450
a Orientation d’un ev réel de dimen-
sion finie (HP). . . . . . . . . . . 451
b Déterminant et aire dans le plan. 451
c Déterminant et volume dans l’espace. 452
4 Déterminant d’un endomorphisme. . . 452
5 Déterminant d’une matrice carrée. . . . 454
5.1 Définitions et propriétés. . . . . . . . . 454
5.2 Matrices triangulaires et triangulaires
par blocs. . . . . . . . . . . . . . . . . 455
5.3 Opérations élémentaires et pivot de
Gauss. . . . . . . . . . . . . . . . . . . 456
5.4 Développement par rapport à une ligne
ou une colonne. . . . . . . . . . . . . . 456
CHAPITRE XXVII. DÉTERMINANTS
Définition 1.1.1.
On appelle permutation de E toute bijection Exemple 1.2.4. !
de E dans E. On note SE l’ensemble des permu- 1 2 3 4
σ = est une permutation circu-
tations de E. Alors (SE , ◦) est un groupe appelé 2 4 1 3
groupe des permutations de E. laire.
442
CHAPITRE XXVII. DÉTERMINANTS
Exemple 1.2.10.
! Théorème 1.3.4.
1 2 3 4
est une transposition, notée τ24 . Toute permutation se décompose en produit de
1 4 3 2
cycles de supports disjoints. À l’ordre près des
Remarque 1.2.11. facteurs, cette décomposition est unique.
Toute transposition est une involution, i.e. est sa
propre inverse. Démonstration.
D’après le lemme 1.3.1, si cette décomposition existe on
peut permuter l’ordre des facteurs.
1.3 Décomposition d’une permutation. Notons O1 , . . . , Op les orbites de σ de cardinal au moins
2. Pour tout i ∈ J1, pK on définit la permutation Ci de la
Dans toute la suite de la section 1, E = J1, nK. manière suivante :
On se place donc dans Sn . (i) ∀x ∈ Oi , Ci (x) = σ(x) ;
(ii) ∀x ∈ J1, nK\Oi , Ci (x) = x.
On vérifie que les Ci sont des cycles, que leurs supports
sont deux à deux disjoints, et que C1 ◦ C2 ◦ . . . ◦ Cp = σ.
Lemme 1.3.1. La démonstration de l’unicité n’est pas exigible, nous la
Deux cycles de supports disjoints commutent. donnons à but d’information. Soit (C1 , . . . , Cp ) des cycles
p
Y
à supports disjoints, vérifiant Ci = σ. Soit 1 6 i 6 p,
Démonstration. i=1
soit x appartenant au support de Ci (Ci (x) 6= x et si j 6= i,
Ceci est dû au fait que deux cycles de supports disjoints
Cj (x) = x). Alors, comme les cycles Cj commutent, on a
agissent sur des éléments distincts. Soient σ1 et σ2 deux
cycles de supports respectifs I et J inclus dans J1, nK et p
! " ! #
Y Y
tels que I ∩ J = ∅. Soit x ∈ I, y ∈ J et z ∈ (I ∪ J)C . σ(x) = Cj (x) = Ci Cj (x) = Ci (x).
Alors σ1 (x) 6= x et σ1 (x) ∈ I, donc σ1 (x) ∈/ J. Ainsi j=1 j6=i
σ2 (x) = x et σ2 (σ1 (x)) = σ1 (x). On en tire σ1 ◦ σ2 (x) = Ainsi, l’orbite de x par Ci et par σ coïncident : l’orbite de
σ1 (x) = σ2 ◦ σ1 (x). x (par σ) est donc le support de Ci . Réciproquement, si
De même, σ2 ◦ σ1 (y) = σ2 (y) = σ1 ◦ σ2 (y). σ(x) 6= x, alors il existe forcément un i tel que Ci (x) 6= x.
Enfin, σ1 (z) = z = σ2 (z) et donc σ1 ◦ σ2 (z) = z = Il y a donc exactement autant de cycles que d’orbites de
σ2 ◦ σ(1)(z). σ non réduites à un élément, donc p est unique. De plus,
Ainsi σ1 ◦ σ2 et σ2 ◦ σ1 coïncident en tous les éléments chaque cycle a un support correspondant à une orbite de σ,
de J1, nK, et sont bien égales. non réduite à un point. Il suffit maintenant de voir que pour
chaque orbite de σ de longueur ` > 1, il existe un unique
Exemple 1.3.2. cycle dont le support est exactement cette orbite : c’est,
Pour vous en assurer, calculez pour n = 7, (1 4 3)◦ avec un élément x de cette orbite, (x, σ(x), . . . , σ `−1 (x)).
(2 5) et (2 5) ◦ (1 4 3).
443
CHAPITRE XXVII. DÉTERMINANTS
Il faut savoir décomposer une permutation en l’écriture sous forme de deux lignes : elle est plus
produit de cycles de supports disjoints. Dans la courte et permet de repérer immédiatement les
pratique, voici comment l’on procède (le procédé orbites. L’écriture à deux lignes s’en déduit très
est celui de la démonstration précédente). Soit simplement.
σ ∈ Sn .
L’idée est la suivante : on part d’un élément De la décomposition précédente découle une
de J1, nK, et on regarde ses images successives autre, primordiale pour la suite du chapitre :
par σ. On parcourt alors son orbite. Au bout
d’un nombre fini d’étapes, on revient au point de
départ. On a alors parcouru une boucle, ce qui
correspond à un cycle C1 . Pour autant, tous les élé- Théorème 1.3.6.
ments de J1, nK n’ont pas forcément été rencontrés Toute permutation se décompose en produit de
lors de cette boucle. On peut donc recommencer transpositions (on dit que Sn est engendré par ses
une autre promenade en partant d’un élément transpositions).
que nous n’avons pas encore rencontré. On fait
alors une nouvelle boucle qui est une deuxième
orbite, ce qui correspond à un second cycle C2 . En Démonstration.
D’après le théorème précédent, il suffit de savoir dé-
faisant cela pour toutes les orbites, on a construit
composer un cycle en produit de transpositions. Soit
autant de cycles que d’orbites. Ils ont tous des C = (x1 , . . . , xp ) un cycle. On montre alors que C =
supports disjoints et leur composition donne σ. (x1 , x2 )(x2 , x3 ) . . . (xp−1 , xp ), et c’est fini.
On remarque pour finir que puisque leurs sup- Notons T = (x1 , x2 )(x2 , x3 ) . . . (xp−1 , xp ). Si x ∈
ports sont disjoints, ils commutent. On peut donc J1, nK\ {x1 , . . . , xp }, alors x est invariant par toutes les
transpositions ainsi que par le cycle, donc T (x) = C(x) = x.
composer ces cycles dans l’ordre que l’on veut. Un Si 1 6 i < p, on a
exemple pour illustrer tout cela :
p−1
!
Y
Exemple 1.3.5. ! T (xi ) = (xj , xj+1 ) (xi )
1 2 3 4 5 6 j=1
Soit σ = . Déterminons l’or-
5 2 6 1 4 3 i−1
!
Y
= (xj , xj+1 ) (xi , xi+1 )(xi )
bite de 1, par le schéma suivant, où une flèche va
j=1
d’un élément à son image par σ : 1 7→ 5 7→ 4 7→ 1, i−1
!
et la boucle est bouclée. L’orbite de 1 est donc,
Y
= (xj , xj+1 ) (xi+1 )
dans l’ordre, {1, 5, 4}. Prenons ensuite un élément j=1
444
CHAPITRE XXVII. DÉTERMINANTS
=ε(σ) × ε(σ 0 ).
Lemme 1.4.4.
Si σ ∈ Sn , on a
445
CHAPITRE XXVII. DÉTERMINANTS
Remarque 1.4.9.
La signature d’une permutation est très souvent tous les Ei sont égaux et notés E, on utilise alors
définie comme ceci, et il faut donc connaître cette la notation Ln (E; F ). Enfin l’ensemble des formes
caractérisation, qui est de plus très pratique pour n-linéaires sur E n est noté Ln (E) (c’est-à-dire si
le calcul de la signature. Si cette définition est F = K).
choisie, il faut dans ce cas montrer que le nombre
de transpositions de n’importe quelle décompo- Remarque 2.1.2.
sition en produit de transpositions a toujours la • On remarque facilement que tous ces ensembles
même parité. d’applications multilinéaires sont des K-ev.
• Une application linéaire est une application 1-
Corollaire 1.4.10. linéaire.
La signature est l’unique morphisme de groupes • Toute application multilinéaire s’annule sur un
ε de Sn dans {−1, 1} telle que ε(τ ) = −1 pour vecteur dont une coordonnée est nulle, par linéa-
toute transposition τ . rité par rapport à cette coordonnée.
Exemple 2.1.3.
Démonstration. Les applications suivantes sont bilinéaires :
Soit ε un tel morphisme. Alors ε correspond avec la • K × E → E, (λ, x) 7→ λ · x, où E est un K-ev.
signature sur l’ensemble des transpositions, et puisque • R3 × R3 → R, (u, v) 7→ u · v.
ε(σ ◦ σ 0 ) = ε(σ)ε(σ 0 ) pour toutes permutations σ et σ 0 ,
• R3 × R3 → R3 , (u, v) 7→ u ∧ v.
alors si σ est le produit de p transpositions, ε(σ) = (−1)p ,
qui vaut donc la signature de σ. • Mn,p (K) × Mp,q (K) → Mn,q (K), (A, B) 7→ AB.
• L (E, E 0 ) × L (E 0 , E 00 ) → L (E, E 00 ), (f, g) 7→
g ◦ f , où E, E 0 , E 00 sont trois K-espaces vectoriels
2 Applications multilinéaires. (la linéarité par rapport à g est vraie sans supposer
que f et g sont linéaires ; pour la linéarité par
Désormais, E et F sont deux K-espaces vecto- rapport à f , g doit être linéaire).
riels. Z 1
• C 0 ([0, 1])2 → R, (f, g) 7→ f (t)g(t) dt.
0
2.1 Définition et exemples. • (R2 )2 → R, (u, v) 7→ det(u, v).
446
CHAPITRE XXVII. DÉTERMINANTS
447
CHAPITRE XXVII. DÉTERMINANTS
448
CHAPITRE XXVII. DÉTERMINANTS
3.1 Définition en dimension finie. On conclut en remarquant que comme σ ◦ σ −1 = Id, alors
ε(σ) = ε(σ −1 ) et que σ 7→ σ −1 est une permutation de Sn .
Désormais, E est un K-ev de dimension finie n.
Notons An (E) l’ensemble des formes n-linéaires (i) Ce point découlera directement du point (iii).
alternées sur E n . (ii) À vous de montrer que detB est n-linéaire.
Montrons déjà qu’elle est non nulle. Pour
n
Exercice 3.1.1. X
tout i, on peut écrire ei = δi,j ej
Si n = 2, soit B = (e1 , e2 ) une base de E, soit
j=1
f ∈ A2 (E) et soit les vecteurs x = x1 e1 + x2 e2 et (δ étant le symbole de Kronecker), donc
y = y1 e1 + y2 e2 . X n
Y
detB (B) = detB (e1 , . . . , en ) = ε(σ) δi,σ(i) .
Développer par linéarité f (x, y) par rapport à
σ∈Sn i=1
sa première coordonnée, puis sa deuxième. Mais si σ =
6 Id, il existe i tel que i 6= σ(i),
Faire de même en dimension 3. et ainsi δi,σ(i) = 0. Par conséquent,
n
Y
detB (B) = ε(Id) δi,Id(i) = 1, ce qui montre
Théorème 3.1.2. i=1
449
CHAPITRE XXVII. DÉTERMINANTS
f (X1 , . . . , Xn ) !
n n
Attention, la valeur du déterminant va-
X X
= f xi1 1 ei1 , . . . , xin n ein
i1 =1 in =1 rie suivant la base, comme le montre l’exemple
suivant :
n n n
!
X X X
= xi1 1 f ei1 , xi2 2 ei2 , . . . , xin n ein
i1 =1
nn n
i2 =1 in =1 Exemple 3.1.6.
On pose E = R2 , et B = {(1, 0), (0, 1)} = {e1 , e2 }
XX X
= ... xi1 1 xi2 2 . . . xin n f (ei1 , . . . , ein )
i1 =1 i2 =1 in =1 et B 0 = {(1, 1), (2, 0)} = {f1 , f2 } deux bases de
E. On pose v = e1 + e2 et w = e1 − e2 . Alors
X
= xi1 1 . . . xin n f (ei1 , . . . , ein )
i1 ,...,in ∈J1,nK
X v = f1 et w = −f1 + f2 . Alors detB (v, w) = −2
= xi1 1 . . . xin n f (ei1 , . . . , ein ) et detB0 (v, w) = 1.
i1 ,...,in ∈J1,nK
tq. si k6=` alors ik 6=i`
X
= xσ(1)1 . . . xσ(n)n f (eσ(1) , . . . , eσ(n) )
σ∈Sn
Théorème 3.1.7.
n
! !
X Y
= xσ(i)i ε(σ)f (e1 , . . . , en ) Soient B et B 0 deux bases de E et F une famille
σ∈Sn i=1
X n
Y
! de n vecteurs de E. On a alors :
= f (e1 , . . . , en ) ε(σ) xσ(i)i (i) Formule de changement de base :
=
σ∈Sn
f (B) detB (X1 , . . . , Xn ).
i=1
detB (F ) = detB (B 0 ) detB0 (F ).
(ii) F est une base ssi detB (F ) 6= 0. Dans ce
1
cas detF (B) = .
detB (F )
Définition 3.1.3.
Cette fonction detB est appelée déterminant
dans la base B.
Démonstration.
Ces résultats découlent de résultats précédents :
Exemple 3.1.4. (i) On utilise le point (iii) du théorème 3.1.2. Si on ap-
Si n = 2, remarquons que Sn = {Id, τ12 }. Si pelle f l’application detB , f est n-linéaire alternée et
B = {e1 , e2 } est une base de E, et si x, y ∈ E donc f = f (B 0 ) detB0 , ce qui exactement le résultat
ont pour coordonnées (x1 , x2 ) et (y1 , y2 ) dans B, voulu.
on a : detB (x, y) = ε(Id)x1 y2 + ε(τ12 )x2 y1 = (ii) On utilise le point (iv) de la proposition 2.2.8 : D’une
x1 y2 − x2 y1 , ce qui est la formule habituelle du part, si F est liée, on a detB (F ) = 0, d’autre part,
si F n’est pas liée, comme card(F ) = n, F est alors
déterminant en dimension 2. une base, donc detF (F ) = 1, et le point i précédent
De même, si n = 3, on remarque que Sn = assure que detF (F ) = detF (B) detB (F ).
{Id, (1, 2), (1, 3), (2, 3), (1, 2, 3), (1, 3, 2)}, ce qui
donne :
Exemple 3.1.8.
det(x, y, z) = x1 y2 z3 +x2 y3 z1 +x3 y1 z2 −x3 y2 z1 En reprenant les bases B et B 0 de l’exemple
B
précédent, on trouve bien detB (B 0 ) = −2 et
| {z } | {z } | {z } | {z }
Id (1,2,3) (1,3,2) (1,3)
1
− x 2 y1 z3 − x 1 y3 z2 . detB0 (B) = − .
| {z } | {z } 2
(1,2) (2,3)
450
CHAPITRE XXVII. DÉTERMINANTS
Démonstration.
Le fait qu’il s’agisse d’une relation d’équivalence ne pose
aucune difficulté :
• réflexivité : detB (B) = 1.
1
• symétrie : detB0 (B) = , donc ces deux
detB (B 0 )
déterminants ont le même signe.
• transitivité : detB (B 00 ) = detB (B 0 ). detB0 (B 00 ).
Soit B = (e1 , . . . , en ) une base de E : elle définit une e2 Aire algébrique : −13
orientation. Soit B 0 = (−e1 , . . . , en ) une seconde base. v
Puisque detB (B 0 ) = −1, B 0 définit une seconde orienta-
tion. Montrons qu’il n’y en pas d’autre : soit B 00 une troi- e1
sième base. Puisque detB (B 00 ) = detB (B 0 ). detB0 (B 00 ),
et detB (B 0 ) < 0, alors detB (B 00 ) et detB0 (B 00 ) sont de
signes opposés, donc l’un des deux est strictement positif, Figure XXVII.1 – Aire du parallélogramme
donc B 00 a la même orientation que B ou que B 0 . engendré par (u, v), avec u = (2, 5) et v = (3, 1).
Orienter E, c’est dire que l’une de ces deux
orientations est directe. Les bases représentant
l’autre orientation seront alors dites indirectes. Démonstration.
Posons u = (u1 , u2 ) et v = (v1 , v2 ) (voir la figure XXVII.2).
Exemple 3.2.2. Quitte à échanger u et v, on peut supposer que (u, v)
Pour tout θ ∈ R, les bases (→
−
u θ, →
−
v θ ) ont la même est directe, l’aire algébrique du parallélogramme est donc
orientation que la base canonique dans R2 . positive.
On peut aussi supposer que u 6= (0, 0). Rappelons que
l’aire d’un parallélogramme est le produit de la longueur
b Déterminant et aire dans le plan. d’un de ses côtés par la hauteur correpondante. Avec
u0 = (−u2 , u1 ), on remarque que u · u0 = 0 donc que
On considère ici que E = R2 , que l’on munit du u et u0 sont orthogonaux, ainsi que kuk = ku0 k,. La hau-
produit scalaire usuel ainsi que de la norme eucli- teur correspondant à u est donc h =
u0
· v et l’aire du
dienne induite. Notons (e1 , e2 ) la base canonique ku0 k
de R2 . parallélogramme est donc h kuk = |u · v| = |u1 v2 − u2 v1 |.
0
451
CHAPITRE XXVII. DÉTERMINANTS
h u0
v
|
u
|
e3
u
e2
Figure XXVII.2 – Illustration du lien entre e1
l’aire d’un parallélogramme et le déterminant.
Figure XXVII.3 – Représentation du pavé en-
gendré par (u, v, w).
par u par :
452
CHAPITRE XXVII. DÉTERMINANTS
1/2 1/2
detB0 (g(B 0 )) = = 0 et det(g + IdR2 ) =
Définition 4.0.2. 1/2 1/2
On appelle déterminant de f le scalaire noté det f
3/2 1/2
tel que = 9/4 − 1/4 = 2.
1/2 3/2
det f = detB (f (B)) = detB (f (e1 ), . . . , f (en )).
Proposition 4.0.5.
Ce scalaire ne dépend pas de la base B choisie.
Soit F une famille de n vecteurs de E.
1. detB (f (F )) = det f × detB (F ) ;
Remarque 4.0.3.
2. si g ∈ L (E), det(g ◦ f ) = det f × det g ;
Pour pouvoir calculer ce déterminant, il faut que
pour tout i, f (ei ) ∈ E, donc que f soit un endo- 3. det(IdE ) = 1 ;
morphisme. 4. f est un automorphisme de E ssi det f 6= 0 ;
Démonstration. 1
5. Si det f 6= 0, alors det f −1 = .
On introduit
l’application det f
En → K
ϕ :
(v1 , . . . , vn ) 7→ detB (f (v1 ), . . . , f (vn ))
. 6. det(λf ) = λn det f .
On montre que ϕ est n-linéaire (à vous de le faire) et al-
ternée :
supposons qu’il existe i, j ∈ J1, nK tels que i 6= j et Démonstration. 1. En utilisant la démonstration pré-
vi = vj . Il faut montrer que ϕ(v1 , . . . , vn ) = 0. On cédente, on a : detB (f (F )) = ϕ(F ) = ϕ(B) ×
a ϕ(v1 , . . . , vn ) = detB (f (v1 ), . . . , f (vn )). Mais f (vi ) = detB (F ), et on a montré que ϕ(B) = det f .
f (vj ) donc detB (f (v1 ), . . . , f (vn )) = 0, car detB est al- 2.
terné.
Il existe donc λ ∈ K tel que ϕ = λ detB , et on a vu que det(g ◦ f ) = det(g(f (e1 )), . . . , g(f (en ))
B
λ = ϕ(B).
= det g(f (e1 ), . . . , f (en ))
Soit B 0 une seconde base de E. B | {z }
Alors : =F
453
CHAPITRE XXVII. DÉTERMINANTS
De plus,
De manière générale, det(f + g) 6= n
!n
det(f ) + det(g).
X
det(f ) = det(f (B)) = det ai,j ei
B B
i=1 j=1
X n
Y
5 Déterminant d’une matrice = ε(σ) aiσ(i)
σ∈Sn i=1
carrée. = det A
= ε(σ) aσ(i),i
σ∈Sn i=1
n
X Y
= ε(σ) ai,σ(i)
Théorème 5.1.2. déjà vu
σ∈Sn i=1
Soit E un K-ev et f ∈ L (E), et soit B une base = det A.
quelconque de E. Alors,
det A =
X
ε(σ)
Y
aiσ(i) .
Montrer de deux manières différentes que deux
σ∈Sn i=1
matrices semblables ont même déterminant.
454
CHAPITRE XXVII. DÉTERMINANTS
Remarque 5.2.6.
Nous avons
! bien sûr de la même manière
Démonstration. In B
Supposons A triangulaire supérieure. Alors pour tous i, j ∈ det = det C.
0 C
J1, nK, i > j ⇒ ai,j = 0. On sait que
n
X Y
det A = ε(σ) ai,σ(i) . Théorème 5.2.7.
σ∈Sn i=1 [Déterminant d’une
! matrice triangulaire par blocs]
Soit σ ∈ Sn tel que σ 6= Id. Alors d’après le lemme 5.2.1, A B
Soit M = une matrice triangulaire par
il existe i0 tel que σ(i0 ) < i0 . Alors ai0 σ(i0 ) = 0 donc 0 C
n n
Y
ai,σ(i) = 0. Ainsi, dans la somme
X
ε(σ)
Y
ai,σ(i) ,
blocs. Alors,
i=1 σ∈Sn i=1
seule le terme pour σ = Id est non nul, et donc det M = det A × det C.
n
Y n
Y
det A = ai,Id(i) = ai,i .
i=1 i=1 Démonstration.
On a évidemment le même résultat pour les matrices tri- Il suffit d’écrire
angulaires inférieures.
A B In 0 A B
= .
0 C 0 C 0 Ip
Exemple 5.2.3.
Une matrice A dont les coefficients sont écrits
455
CHAPITRE XXVII. DÉTERMINANTS
456
CHAPITRE XXVII. DÉTERMINANTS
457
CHAPITRE XXVII. DÉTERMINANTS
Exemple 5.4.6.
1 3 4 Alors,
Comparer le calcul de 2 −1 2 avec les deux
V (x0 , . . . , xn ) = (xj − xi ).
Y
−5 1 7
06i<j6n
méthodes (développement ou pivot de Gauss).
→ si i 6= j : on note ∆ la matrice obtenue à partir de A ce qui, en utilisant l’hypothèse de récurrence, est bien le
en remplaçant la j e ligne par la ie ligne : cette matrice à résultat recherché.
deux lignes égales, donc det ∆ = 0. On développe det ∆
par rapport à la j e ligne, et on a : Remarque 5.4.10.
n
X On peut utiliser la matrice de Vandermonde pour
0 = det ∆ = (−1)k+j aik ∆jk = Cij , résoudre le problème d’interpolation polynomial,
k=1 déjà étudié différemment avec les polynômes de
d’où le résultat. Lagrange.
On procède de la même manière pour calculer t com A ×
A.
1 x0 x20 . . . xn0
1 x1 x21 . . . xn1
V (x0 , x1 , . . . , xn ) = . . .. .. .
.. .. . .
1 xn x2n . . . xnn
458
Chapitre XXVIII
Séries numériques
Sommaire
1 Prolégomènes . . . . . . . . . . . . . . . 460
2 Séries à termes réels positifs . . . . . . 462
3 Comparaison série-intégrale . . . . . . . 464
4 Séries absolument convergentes . . . . . 466
5 Familles sommables . . . . . . . . . . . . 468
5.1 Familles sommables de réels positifs . 468
5.2 Familles sommables de nombres com-
plexes . . . . . . . . . . . . . . . . . . 472
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
n>0 n>0
dice n est bien entendu muet. n ∈ N, la série uk converge également. Sa
X
+∞
X X
Remarque 1.2. Comme (SN ) converge vers uk , alors uk converge
Une série n’est donc qu’une suite, et on peut k=0 k>n+1
et sa somme est donc
donc lui appliquer tous les résultats connus sur
+∞ +∞
les suites. Réciproquement, toute suite est une X X
uk = uk − S n .
série (cf. 1.9). k=n+1 k=0
460
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
u0 = S0 et ∀n ∈ N∗ , un = Sn − Sn−1 .
Exemple 1.6 (Séries géométriques).
Les séries de la forme z n , avec z ∈ C, sont
X
n>0
n(n + 1)
−→ KN 1 1 1
N
K
n
! tout n ∈ N∗ , = − , et la suite
ϕ: n(n + 1) n n + 1
u 7−→ S =
X
uk 1
converge.
k=0 n∈N
n n>0
est un automorphisme d’espaces vectoriels. Nous pouvons même aller plus loin :
n +∞
Sa réciproque est l’application ϕ−1 : KN → KN , 1 1 1
=1− donc = 1.
X X
où pour tout S ∈ KN , u = ϕ−1 (S) est la suite k(k + 1) n+1 n=1
n(n + 1)
k=1
définie par 1
On voit aussi que le reste d’ordre n vaut .
n+1
461
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
n
Exercice 1.13.
Mais uk = ln(n + 2), par sommation téles-
X
(n + 1) − n
En simplifiant , montrer que k=0
1 + n(n + 1)
copique. La série un diverge donc.
X
1
arctan converge et calculer sa
X
1 + n + n2 Concluons sur un dernier exemple, fondamen-
somme.
tal.
converge. Puisque pour tout n > 0, un = Sn − Sn−1 , Or, si 0 6 t 6 1, en écrivant sous forme algébrique z =
alors un est la différence des termes généraux de deux a + ib, on a
suites convergeant vers la même limite. La suite (un )
tend donc vers 0. z N +1 e tz = |z|N +1 e ta e itb = |z|N +1 e ta 6 |z|N +1 max(1, e a ).
(ii) C’est la contraposée du premier point.
Ainsi,
N
ExempleX 1.16. X zn (t|z|)N +1
ez − 6 max(1, e a )
La série cos n diverge grossièrement. En ef- n! (N + 1)!
n=0
fet, en supposant que cos n −−−−−→ 0, la relation
n→+∞ (t|z|)N +1
Par croissances comparées, −−−−−→ 0, ce qui
cos(2n) = 2 cos2 n − 1 donne une contradiction. (N + 1)! N →+∞
permet de conclure.
Remarque 1.17 ( ).
La réciproque du premier point du théorème 1.15 2 Séries à termes réels positifs
est fausse. On peut citer en exemple la série har-
X 1
monique , qui sera revue plus tard. Étudions maintenant le cas particulier où tous
n>1
n les termes d’une série sont des réels positifs ou
Donnons également l’exemple de la suite un = nuls. La propriété fondamentale est dans ce cas
1
ln(n + 2) − ln(n + 1) = ln 1 + . Évidem- la suivante.
n+1
ment, un −−−−−→ 0.
n→+∞
462
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
Remarque 2.5.
Proposition 2.1. Si la relation 0 6 un 6 vn n’est vérifiée qu’à partir
Soit (un ) une suite à valeurs positives et Sn = d’un certain rang, le résultat du théorème 2.4 est
n
X
uk . Alors la suite (Sn ) est croissante. valable, à ceci près que dans le point (i) on ne
+∞ +∞
k=0
peut pas conclure que 0 6 vn , mais
X X
un 6
n=0 n=0
+∞ +∞
Démonstration.
seulement 0 6 vn .
X X
Tout simplement, Sn+1 − Sn = un+1 > 0.
un 6
n=N n=N
Remarque 2.2. Exemple 2.6.
Attention, une série peut ne pas être à terme 1
converge et
X
positifs mais avoir toutesX
ses sommes partielles (n + 1)2
positives, comme la série (−1)n .
+∞
n>0 1
1< < 2.
X
n=0
(n + 1)2
Proposition 2.3. 1
Une série à termes positifs converge si et seulement En effet, pour tout n > 0, 0 < <
(n + 1)2
si la suite de ses sommes partielles est majorée. +∞
1 1
, donc 0 < < 1 car
X
n(n + 1) n=1
(n + 1)2
Démonstration. +∞
La suite des sommes partielles est croissante. Elle est donc 1
= 1. Puisque pour n = 0,
X
convergente si et seulement si elle est majorée, comme
n=1
n(n + 1)
conséquence directe du théorème de la limite monotone. 1
= 1, il vient le résultat.
(n + 1)2
463
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
Exemple 2.8.
1 1 (ii) S’il existe α 6 1 telle que nα un −−−−−→ +∞,
Puisque sin n ∼ n , d’après le résultat sur n→+∞
2 2
alors un diverge.
X
1
les séries géométriques, sin n converge.
X
2 (iii) Si la suite (nα un )X
converge vers une limite
Pour pouvoir utiliser le dernier corollaire, nous non nulle, la série un converge si et seule-
avons besoin de « séries étalon », dont la nature est ment si α > 1.
bien connue, et auxquelles on compare les séries à
étudier. Les quelques exemples déjà étudiés font Démonstration. (i) si nα un −−−−−→ 0 alors un =
n→+∞
partie de ces séries de référence standard, mais la
1
X 1
o , et converge.
famille de séries la plus utilisée est celle des séries nα nα
de Riemann, dont font partie la série harmonique 1 X 1
(ii) si nα un −−−−−→ +∞ alors α = o (un ), et
1 n→+∞ n nα
et la série .
X
diverge.
(n + 1)2 X
(iii) si la suite nα un −−−−−→ ` avec ` ∈ R∗+ , un et
n→+∞
X 1
ont même nature.
Théorème 2.9. nα
X 1
Soit α ∈ R. La série converge si et seule-
n>1
nα Exemple 2.11 (Séries de Bertrand).
ment si α > 1. Soient α, β ∈ R. On considère la série
1
.
X
n>2
(ln n)β nα
Démonstration.
1 • Si α > 1 : il existe γ ∈]1, α[ et
Si α = 1, remarquons que ∼ ln(n + 1) − ln n. Donc
X 1 n 1
nγ −−−−−→ 0 par croissances comparées,
X
est de même nature que (ln(n + 1) − ln n), qui
nα (ln n)β nα n→+∞
n>1 n>1
car α − γ > 0. Ainsi la série converge.
elle-même est de même nature que la suite (ln n) d’après
1.11, d’où la divergence. • Si α < 1 : il existe γ ∈]α, 1[ et
1 1
1 1
1
Si α = 6 1, α ∼ − (ef- nγ −−−−−→ +∞ par croissances com-
n α − 1 nα−1 (n + 1)α−1 (ln n)β nα n→+∞
1 parées, car α − γ < 0. Ainsi la série diverge.
fectuer un développement asymptotique de α−1 −
1
n • Si α = 1 : si β 6 0, le terme général est plus
ou appliquer l’inégalité des accroissements finis 1
(n + 1)α−1 grand que , donc la série diverge. Nous traite-
1 1 n
à x 7→ x1−α ). La série de terme général α−1 −
n (n + 1)α−1 rons le cas β > 0 en 3.3.
1
est de même nature que la suite , d’où le résultat.
nα−1
On peut aussi remarquer que si α 6 0, la divergence est 3 Comparaison série-intégrale
1 1
grossière, et si 0 < α < 1, la série diverge car α > .
n n
Le résultat classique suivant est une application
directe de 2.7 et 2.9 : Proposition 3.1.
Soit f : R+ → R+ une fonction continue par
morceaux et décroissante.
Alors la série f (n) converge si et seulement si
X
Corollaire 2.10 (Règle nα un ). Z n
Soient (un ) une suite réelle positive et α ∈ R. la suite f (t) dt est convergente.
0
(i) S’il existe α > 1 telle que nα un −−−−−→ 0, n
n→+∞
De plus la suite définie par un = f (k) −
X
alors un converge.
X
k=0
464
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
Z n
f (t) dt converge. 5
0
f (k)
X
k=0
Démonstration.
Soit k ∈ N. Par décroissance de f , on a :
f
∀t ∈ [k, k + 1], 0 6 f (k + 1) 6 f (t) 6 f (k).
Remarque 3.2.
L’encadrement XXVIII.1 est à rapprocher de la Exercice 3.4.
méthode des rectangles, vue dans le chapitre sur Redémontrer le résultat 2.9 en utilisant 3.1.
l’intégration.
Exemple 3.5.
Exemple 3.3. 1
On pose f : x 7→ . On sait alors que la suite
Achevons l’étude des séries de Bertrand commen- 1+x
cée en 2.11. n−1 Z n−1
de terme général un = f (k) − f (t) dt =
X
Si β > 0, considérons l’application f : t 7→ 0
1 k=0
. Elle est continue et décroissante sur 1 1 1
t(ln t)β 1 + + + . . . + − ln n converge, vers une limite
[2, +∞[. 2 3 n
notée γ et nommée constante d’Euler.
Si
Z β = 1, une primitive de f est F : t 7→ ln(ln t)
n
et f (t) dt = F (n) − F (2). Or F (n) −−−−−→ Exemple 3.6.
2 n→+∞
+∞ donc la série diverge. L’encadrement (XXVIII.2) permet d’avoir une
Par comparaison, la série diverge également si estimation
X du reste d’une série convergente de la
0 6 β < 1. forme f (n) avec f décroissante.
465
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
1
Par exemple, soit f : x 7→ . Alors Démonstration.
x2 Commençons par établir le résultat pour des suites à va-
leurs réelles. Pour cela, définissons pour une suite (un ) les
N
1 1 dt 1 dt deux suites (u− n ) et (un ) définies par : un = max(un , 0)
Z N Z N −1 + +
=
X
− 6 6 et un = max(−un , 0). Nous avons alors :
−
n+1 N n+1 t2
n+1
n2 n t2
1 1 0 si un < 0
6 − n =
u+
|un | si un > 0
n N −1
et en passant à la limite quand N −−−−−→ +∞, 0 si un > 0
u− =
n→+∞ n
|un | si un 6 0
+∞ 0 6 u+
n 6 |un | (XXVIII.3)
1 X 1 1
6 6 . 06 u− 6 |un | (XXVIII.4)
n + 1 n+1 n 2 n n
un = u+
n − u−
n (XXVIII.5)
+∞
1
Si l’on veut une approximation de à 10−3
X
−
2 |un | = u+
n + un .
n=1
n X X
près, il suffit donc de choisir n = 1000 et de De (XXVIII.3) et (XXVIII.4) on tire que n et
u+ u−
n
1000
X 1
X
sont convergentes car |un | est convergente.
calculer .
n2
X
n=1 De (XXVIII.5) on tire que un est convergente.
466
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
Démonstration. X
Par comparaison de séries à termes positifs, un +∞
1. S2n+1 6 (−1)n un 6 S2n ,
X
converge absolument, donc converge.
n=0
Remarque 4.5. 2. Rn > 0 si n est pair,
Une série à termes de signe constant converge
3. Rn 6 0 si n est impair,
absolument si et seulement si elle converge.
4. |Rn | 6 un+1
Proposition 4.6.
L’ensemble des séries absolument convergentes est Démonstration.
un sous-espace vectoriel de l’ensemble des séries Notons Sn la somme partielle d’ordre n de cette série. Il
convergentes. suffit de montrer que (S2n ) et (S2n+1 ) sont adjacentes, pour
obtenir qu’elles convergent vers uneX même limite et donc
que (Sn ) converge, c’est-à-dire que (−1)n un converge.
Démonstration. n>0
Élémentaire par l’inégalité triangulaire. Tout ceci est élémentaire. Considérons n ∈ N.
• S2n+1 − S2n = −u2n+1 −−−−−→ 0.
n→+∞
• S2n+2 − S2n = u2n+2 − u2n+1 6 0 par décroissance
Proposition 4.7.
de (un ), donc (S2n ) est décroissante.
Soit un une série absolument convergente. Alors
P
• S2n+3 −S2n+1 = u2n+2 −u2n+3 > 0 par décroissance
de (un ), donc (S2n+1 ) est décroissante.
+∞ +∞
X X Ainsi, (S2n ) et (S2n+1 ) sont adjacentes.
un 6 |un |. Par adjacence de ces suites, on a donc pour tout n ∈ N :
n=0 n=0
+∞
X
S2n+1 6 (−1)n un 6 S2n .
n=0
Démonstration.
Soit N ∈ N, alors, par l’inégalité triangulaire, On obtient donc immédiatement que
N N +∞ +∞
X X X X
un 6 |un | 6 |un |. R2n = S2n − (−1)n un > 0
n=0 n=0 n=0 n=0
+∞
On conclut par passage à la limite en N . X
R2n+1 = S2n+1 − (−1)n un 6 0
Les séries convergeant mais ne convergeant n=0
467
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
468
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
Définition 5.8 (famille sommable). Notamment, les familles (ui )i∈I et (uσ(i) )i∈I ont
Une famille (ui )i∈IX∈ (R+ )I est dite sommable même nature.
si l’ensemble des ui , pour F parcourant les
i∈F Démonstration.
parties finies de I, est majoré. Il suffit de voir que si F parcourt toutes les parties finies
La nature d’une famille est son caractère som- de I, alors σ(F ) parcourt aussi toutes les parties finies de
mable ou non. I. Ainsi,
( )
X
Remarque 5.9. ui F ⊂ (N∗ )2 t.q. F est fini
Pour une famille de réels positifs, la famille
i∈F
(uiX
)i∈I ∈ (R+ )I est sommable si et seulement X
= ui F ⊂ (N∗ )2 t.q. F est fini
si ui < +∞.
i∈σ(F )
i∈I ( )
Exemple 5.10 (sommes finies).
X
= uσ(i) F ⊂ (N∗ )2 t.q. F est fini
Dans le cas où I = {i1 , . . . , ip } est un ensemble i∈F
fini, alors
ui = ui1 + · · · + uip ,
X
Bien entendu, les opérations usuelles sont tou-
i∈I jours valides sur cette notion de somme.
et la famille (ui )i∈I ∈ (R+ )I est sommable si et
seulement si tous les ui sont réels. Proposition 5.13 (opérations).
Exemple 5.11 (séries numériques). Soit (ui )i∈I , (vi )i∈I ∈ (R+ )I , soit λ ∈ R∗+ , alors
Si I = N et si (ui ) ∈ (R+ )N , alors la famille 1. (ui + vi ) = ui + vi .
X X X
469
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
Soit F une partie finie de I, alors Par passage à la borne supérieure, on obtient le résultat.
X X X
λui = λ ui 6 λ ui .
i∈F i∈F i∈I L’outil principal de calcul de somme est le théo-
Ainsi, par passage à la borne supérieure, rème de sommation par paquets. En pratique, il
conviendra de procéder à un regroupement par
X X
λui 6 λ ui .
i∈I i∈I paquets judicieux pour calculer les sommes en
Il suffit d’appliquer ce qui précède à la famille des (λui )i∈I jeu.
et au scalaire λ−1 , ce qui donne
X X
ui 6 λ−1 λui ,
Théorème 5.16 (sommation par paquets).
i∈I i∈I
Soit J un ensemble. Pour chaque j ∈ J, on consi-
soit
dère Ij ⊂ I et l’on suppose que I est la réunion
X X
λ ui 6 λui
i∈I i∈I disjointe des Ij :
X X
Ainsi, λui = λ ui .
I=
G
i∈I i∈I Ij .
j∈J
Proposition 5.14 (comparaison).
Soit (ui )i∈I , (vi )i∈I ∈ (R+ )I . Soit (ui )i∈I ∈ (R+ )I .
Si pour tout i ∈ I, ui 6 vi , alors Alors,
ui =
X X X X X
ui 6 vi . ui .
i∈I i∈I i∈I j∈J i∈Ij
470
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
Alors, F et G sont disjointes et F t G est une partie finie On a donc bien l’égalité.
de A t B. De plus,
X X X X X Remarque 5.19.
ui = ui + ui > ui + ui − 2ε.
Ce théorème, fondamental, a deux usages princi-
i∈F tG i∈F i∈G i∈A i∈B
paux : montrer qu’une famille est sommable, et
Par la caractérisation de la borne supérieure,
X X X calculer la somme d’une famille.
ui = ui + ui .
i∈AtB i∈A i∈B
Exercice 5.20.
+∞
1 π2 X 1
On sait que = . Calculer .
X
n=1
n 2 6 n∈Z∗
n2
Remarque 5.18.
Par récurrence, on généralise le lemme à une
somme finie sur des parties disjointes deux à deux.
471
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
i = max(0, ui ),
u+
5.2 Familles sommables de nombres u−
i = max(0, −ui ).
complexes
−
Alors, (u+i )i∈I et (ui )i∈I sont sommables et l’on
L’extension de la notion de somme à un en-
définit la somme de la famille (ui )i∈I comme
semble quelconque est bien plus délicate, dès lors
que l’on abandonne l’hypothèse de positivité des ui = u−
X X X
u+
i − i .
nombres sommés. i∈I i∈I i∈I
Prenons l’exemple de la somme n. Le dé-
X
n∈Z
coupage
Démonstration.
− 1} + |2 {z
0 + 1| {z − 2} + |3 {z
− 3} + . . . On a pour tout i ∈ I, 0 6 u+ i 6 |ui | et 0 6 ui 6 |ui |, ce
−
0 + 1 + |2 {z
− 1} + |3 {z
− 2} + |4 {z
− 3} + . . .
Définition 5.4 (somme d’une famille complexe).
donne un regroupement par paquets de somme
Soit (ui )i∈I ∈ CI sommable. Alors, (Re(ui ))i∈I
+∞. Pire, le regroupement
et (Im(ui ))i∈I sont sommables et l’on définit la
+∞ +∞ somme de la famille (ui )i∈I comme
k+ (−k)
X X
ui = Re(ui ) + i Im(ui ).
X X X
n=0 n=1
i∈I i∈I i∈I
donne un regroupement par paquets n’ayant au-
cun sens.
472
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
X X
Im(ui ) − Im(ui ) 6 ε,
i∈I i∈Fi
Proposition 5.8. Par la remarque précédente, on peut considérer F = Fr ∪Fi
Soit (ui )i∈I ∈ CI une famille sommable. Pour tout (qui est une partie finie de I) et supposer que
ε > 0, il existe F ⊂ I finie telle que X X
Re(ui ) − Re(ui ) 6 ε,
X X i∈I i∈F
ui − ui 6 ε. X X
i∈I i∈F Im(ui ) − Im(ui ) 6 ε,
i∈I i∈F
X X X X X
u+
i > u+
i > u+
i − ε, + Im(ui ) − Im(ui )
i∈I i∈F+ i∈I i∈I i∈F
6 2ε.
X X X
u−
i > u−
i > u−
i − ε.
ε
i∈I i∈F− i∈I Quitte à changer ε et , on a donc le résultat demandé.
2
473
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
I=
G
Ij .
j∈J
Théorème 5.10 (argument de comparaison).
Soit (ui )i∈I ∈ CI et (vi )i∈I ∈ (R+ )I vérifiant Soit (ui )i∈I ∈ CI une famille sommable.
Alors,
∀i ∈ I, |ui | 6 vi .
ui =
X X X
ui .
Alors, si la famille (vi )i∈I est sommable, la famille
i∈I j∈J i∈Ij
(ui )i∈I l’est aussi.
474
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
+∞ +∞
! +∞ !
cn =
X X X
an bn .
Théorème 5.15. n=0 n=0 n=0
Soit I, J deux ensembles, soit (ui )i∈I ∈ CI et
(vj )j∈J ∈ CJ deux familles sommables.
Alors, la famille (ui vj )(i,j)∈I×J est sommable et Démonstration.
Il suffit d’appliquer le théorème 5.15 aux deux familles
!
sommables (an )n∈N et (bn )n∈N pour obtenir que la famille
ui vj =
X X X
ui vj . (an bm )(n,m)∈N2 est sommable, puis de procéder par regrou-
(i,j)∈I×J i∈I j∈J pement par paquets avec les paquets
In = { (p, n − p) | 0 6 p 6 n } .
Démonstration.
Il suffit de démontrer la sommabilité, l’égalité venant en-
suite directement du théorème de Fubini. Soit F ⊂ I × J Annexe 1 : représentation déci-
finie, il existe G ⊂ I et H ⊂ J finies telles que F ⊂ G × H
(prendre G = { i ∈ I | ∃j ∈ J, (i, j) ∈ F }). Alors, male illimitée des réels
Notons D l’ensembles des décimaux, c’est-à-dire
X X
|ui vj | 6 |ui vj |
(i,j)∈F (i,j)∈G×H l’ensemble
! !
X X
6 |ui | |vj | { x ∈ R | ∃n ∈ N, 10n x ∈ Z }
i∈G j∈H
k
= k ∈ n ∈ .
! !
Z, N
10n
X X
6 |ui | |vj | .
i∈I j∈J
Rappelons le résultat suivant, démontré dans
le chapitre sur les réels : si x ∈ R, on pose pour
X
Par majoration, ui vj est sommable.
b10n xc
(i,j)∈I×J
tout n ∈ N, rn = appelé approximation
10n
décimale par défaut de x à 10−n près. La suite
Remarque 5.16. (rn ) est alors une suite de décimaux inférieurs à
Cela se généralise par récurrence des sommes x, et elle a x pour limite.
doubles aux sommes multiples. Nous pouvons alors donner le théorème suivant :
Une utilisation importante de tous ces résultats
concerne le produit de Cauchy de deux séries. Théorème 5.18.
Pour tout y ∈ [0, 1[ :
475
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
Alors :
• Si y ∈
/ D, il existe une unique suite (yn )n∈N∗ N −1 N 0 −1
+∞ X −n −N
X
−n y = yn 10 + yN 10 + yn 10−n
d’éléments de J0, 9K telle que y = yn 10 .
X
n=1 n=N +1
n=1 +∞
• Si y ∈ D, il y a existence de deux telles −N 0
X
+yN 0 10 + yn 10−n
suites : l’une finissant par une infinité n=N 0 +1
Annexe 2 : compléments
Voici deux critères de convergence qui peuvent
Démonstration.
être utiles.
Prouvons l’existence. Considérons la suite de terme gé-
b10n yc
néral rn = (approximation décimale par défaut
10n
de y), et posons y0 = byc = 0, et pour tout n > 1 : Proposition 5.19 (Test de comparaison logarith-
yn = 10n (rn − rn−1 ) = b10n yc − 10 10n−1 y . mique).
Les yn sont donc bien des entiers de J0, 9K.
N N Soient (un ) et (vn ) deux suites à termes réels
strictement positifs telles que pour tout n ∈ N,
X X
De plus, : yn 10−n = (rn − rn−1 ) = rN − r0 = rN .
un+1 vn+1
n=1 n=1 6 .
+∞
X un vn
Puisque (rn ) a pour limite y, alors y = yn 10−n . Alors :
n=1
(i) si vn converge, il en est de même de
X
Si la suite (yn ) ne converge pas vers 9, il s’agit bien du
développement propre. un ;
X
Sinon, la suite est stationnaire. Il existe un rang n0 qui
est le maximum de l’ensemble {n ∈ N, yn 6= 9}. Le déve- (ii) si un diverge, il en est de même de vn .
X X
loppement propre est alors obtenu en changeant yn0 en
yn0 + 1, et en changeant tous les termes suivants en 0.
+∞ +∞
X X
Nous avons toujours y = yn 10−n car 9.10−n = Démonstration.
un+1 un
n=1 n=n0 +1 Nous avons pour tout n, 6 , et donc par ré-
vn+1 vn
1 un u0 u0
9.10−n0 −1 . = 10−n0 . currence : 6 . En posant µ = , il vient donc :
1 − 10
1
vn v0 v0
Prouvons enfin l’unicité du développement propre. Suppo- un 6 µvn . Le résultat découle alors directement de 2.4.
sons que y admette deux développements propres distincts :
+∞ +∞
X X
y= yn 10−n = zn 10−n . Notons N le plus petit in-
Proposition 5.20 (Règle de d’Alembert).
n=1 n=1
dice tel que yN 6= zN , et N le plus petit indice strictement
0 Soit (un ) une suite à termes réels strictement
supérieur à N tel que yN 0 =6 9. Pour fixer les idées, suppo- positifs.
sons que yN < zN .
476
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
gente ;
• si ` > 1, la série un est divergente ;
X
X
Démonstration. (i) Posons vn = q n . Alors vn
un+1 vn+1
converge, et pour tout n, 6 . Le critère
un vn
de comparaison logarithmique 5.19 permet alors de
conclure.
(ii) Même démonstration (ou même divergence grossière).
(iii) Découle des deux points précédents.
Exemple 5.21.
xn un+1
• Soient x ∈ R∗ et un = . Alors −−−−−→
n! un n→+∞
0, donc un converge, et de plus on en tire que
X
un −−−−−→ 0.
n→+∞
un+1
• Soient α ∈ R et un = nα . Alors −−−−−→ 1,
un Xn→+∞
et pourtant, suivant la valeur de α, un peut
aussi bien diverger que converger.
477
CHAPITRE XXVIII. SÉRIES NUMÉRIQUES
478
Chapitre XXIX
n
!
Le corps de base est R. n, p, q, r et s désignent
ak bk .
X
des entiers naturels non nuls. E désigne un espace
k=0
vectoriel. • Soit a et b deux réels avec a < Z bb. Sur
C ([a, b], R), l’application (f, g) 7→ f g est
a
1 Produit scalaire, norme et dis- un produit scalaire (attention : cet espace
est de dimension infinie, donc n’est pas eu-
tance.
clidien, mais préhilbertien réel).
Exercice 1.4.
L’espérance munit-elle l’ensemble des variables
Définition 1.1.
aléatoires réelles sur un espace probabilisé fini
On appelle produit scalaire sur E toute appli-
d’un produit scalaire (via hX, Y i = E(XY )) ?
cation ϕ : E × E → R bilinéaire symétrique
Proposer une solution à ce « problème ».
et telle que pour tout x ∈ E, on ait d’une part
ϕ(x, x) > 0 et d’autre part ϕ(x, x) = 0 si et seule-
ment si x = 0. Un espace vectoriel réel muni d’un Définition 1.5 (Distance).
produit scalaire est dit préhilbertien. Si de plus il Soit E un ensemble (quelconque, pas nécessaire-
est de dimension finie, il est dit euclidien. ment un espace vectoriel). On appelle distance
sur E toute application d : E 2 → R+ vérifiant
les trois conditions suivantes :
Remarque 1.2. • Différentes nota-
(i) ∀(x, y) ∈ E 2 d(x, y) = 0 ⇐⇒ x = y ;
tions sont utilisées couramment
pour le produit scalaire de x et y : (ii) ∀(x, y) ∈ E 2 d(x, y) = d(y, x) (symé-
(x | y), hx | yi , (x, y), hx, yi , x · y. trie) ;
• Par bilinéarité, si x ou y = 0, hx | yi = 0. (iii) ∀(x, y, z) ∈ E 3 d(x, z) 6 d(x, y) +
• La symétrie et la linéarité par rapport à une d(y, z) (inégalité triangulaire).
variable suffisent à montrer la bilinéarité. Un ensemble muni d’une distance est appelé es-
• Jusqu’à maintenant on définissait le produit pace métrique.
scalaire à partir d’angles. En fait c’est l’in-
verse que l’on fait lorsque l’on théorise tout
cela. Remarque 1.6.
Il convient de ne pas oublier la positivité dans la
Exemple 1.3. • Les produits scalaires usuels définition d’une distance.
vus en début d’année sur R2 et R3 sont bien
évidemment des produits scalaires. Exemple 1.7. • La distance usuelle dans le
• Il existe de nombreux produits scalaires plan est une distance.
sur R2 ; par exemple ((x1 , y1 ), (x2 , y2 )) 7→ • La distance de deux points sur un graphe
x1 x2 − y1 x2 + 2y1 y2 − x1 y2 . connexe, comptée comme le nombre mini-
• Il existe également sur Rn un produit sca- mal d’arêtes à parcourir sur ce graphe pour
laire canonique ; (x1 , . . . , xn ).(y1 , . . . , yn ) = relier ces deux points.
n
X
xi yi . Remarque 1.8.
k=1 Soit E un ensemble muni d’une distance d. Soit
• Par extension, tout R-ev de dimension n, (x, y, z) ∈ E 3 . Alors, on a
étant isomorphe à Rn , est muni d’un produit
scalaire. Ainsi, sur Rn [X]! le produit !sca- | d(x, y) − d(x, z)| 6 d(y, z).
n n
laire usuel est =
X X
ak X k . bk X k Démonstration.
k=0 k=0
On a d(x, z) 6 d(x, y) + d(y, z), donc d(x, z) − d(x, y) 6
480
CHAPITRE XXIX. ESPACES EUCLIDIENS ET PRÉHILBERTIENS RÉELS
Exemple 1.15.
Définition 1.9 (Norme).
La distance associée à k·k1 est parfois appelée
Soit E un R-espace vectoriel. On appelle norme
distance de Manhattan. Dans Manhattan, les rues
sur E toute application k.k : E → R+ vérifiant
forment un damier « orthogonal », on ne peut
les trois conditions suivantes :
donc que se déplacer parallèlement à ces axes. La
(i) ∀x ∈ E kxk = 0 ⇐⇒ x = 0 ; distance parcourue entre deux points n’est donc
(ii) ∀λ ∈ R, ∀x ∈ E kλxk = |λ| kxk (homo- pas la distance « euclidienne » usuelle ...
généité) ; Exercice 1.16.
(iii) ∀(x, y) ∈ E kx + yk 6 kxk + kyk (inéga- Pour une norme k·k, on appelle boule centrée en
lité triangulaire). a ∈ E et de rayon r > 0 l’ensemble
B(a, r) = { x ∈ E | ka − xk 6 r } .
Remarque 1.10.
Il convient de ne pas oublier la positivité dans la Tracer les boules centrée en 0 et de rayon 1 pour
définition d’une norme. les normes k·k1 , k·k2 et k·k∞ sur R2 .
Exemple 1.11. Démonstration.
Soit d la distance associée à une norme k.k sur un R-espace
Sur Rn et pour p ∈ [1, +∞[, les applications
vectoriel E. On a clairement ∀(x, y) ∈ E 2 d(x, y) > 0,
n
!1/p donc d est bien une application de E 2 dans R+ . On vé-
p rifie aisément les trois conditions de la définition d’une
k·kp : (x1 , . . . , xn ) 7→
X
|xk |
distance :
k=1
(i) Soit (x, y) ∈ E 2 . On a d(x, y) = kx − yk. Or
et kx − yk = 0 ⇐⇒ x − y = 0. Donc d(x, y) =
k·k∞ : (x1 , . . . , xn ) 7→ max |xk | 0 ⇐⇒ x = y.
k∈[[1,n]]
(ii) Soit (x, y) ∈ E 2 . On a d(y, x) = ky − xk =
sont des normes. k−(x − y)k = |−1| kx − yk = d(x, y).
(iii) Soit (x, y, z) ∈ E 3 . On a d(x, z) = kx − y + y − zk 6
Remarque 1.12. kx − yk + ky − zk = d(x, y) + d(y, z).
Soit E un R-espace vectoriel muni d’une norme
k.k. Alors pour tout (x, y) ∈ E 2 , on a
481
CHAPITRE XXIX. ESPACES EUCLIDIENS ET PRÉHILBERTIENS RÉELS
= kxi k2 + 2
X X
hxi | xj i . (faire un dessin). On a alors
i=1 16i<j6n
x0 | x00 = x0 | x − x0 | x0 = hx | ui2 −hx | ui2 = 0.
2 2
Dans tout ce qui suit, sauf mention expresse = x0 + x00
du contraire, (E, h· | ·i) désigne un espace vecto- > x0
2
.
riel préhilbertien, et k.k la norme associée à son
On en déduit kxk . kyk > kx0 k . kyk. Or on a :
produit scalaire.
x0 . kyk = |hx | ui|. kyk
= |hx | yi|.
D’où le résultat.
Proposition 1.19.
Algébrique pour tout t ∈ R, on a : kx + tyk2 = kxk2 +
Soit (E, h· | ·i) un espace préhilbertien et k.k la
2t hx | yi+t2 kyk2 . C’est un polynôme toujours positif,
norme associée. On a donc son discriminant est négatif ou nul.
1. ∀x ∈ E kxk = 0 ⇐⇒ x = 0 ; Il y a égalité dans l’inégalité de Cauchy-Schwarz si
et seulement si ce discriminant est nul, donc si et
2. ∀λ ∈ R ∀x ∈ E kλxk = |λ| · kxk. seulement si ce polynôme a une racine réelle, donc si
et seulement si il existe t tel que [à vous de l’écrire],
donc si et seulement si x et y sont colinéaires.
Démonstration. 1. Soit x ∈ E. On a kxk = 0 ⇐⇒ Une idée calculatoire astucieuse Si x = 0 ou y = 0,
hx | xi = 0. h· | ·i étant un produit scalaire, on a donc le résultat est évident. Sinon, on remarque que
kxk = 0 ⇐⇒ x = 0. x
= 1 et l’on écrit (± signifie qu’on le fait
p kxk
2. Soit λ ∈ R et x ∈ E. On a kλxk = hλx | λxi =
p p pour + puis pour −) :
λ2 hx | xi = |λ| hx | xi.
2 2 2
x y x y hx | yi
06 ± = + ±2
kxk kyk kxk kyk kxk kyk
Avec ce qui précède, il suffit maintenant de dé-
montrer que k.k vérifie l’inégalité triangulaire pour ce qui donne
hx | yi
démontrer qu’il s’agit bien d’une norme. Pour cela, 061±
kxk kyk
on démontre tout d’abord le théorème suivant. et c’est fini !
482
CHAPITRE XXIX. ESPACES EUCLIDIENS ET PRÉHILBERTIENS RÉELS
Exemple 1.25.
Proposition 1.21 (Inégalité triangulaire). Existe-t-il un produit scalaire donnant la norme
Soit (E, h· | ·i) un espace préhilbertien, x, y ∈ E. k(x, y)k2 = (x + y)2 + x2 ?
Alors,
kx + yk 6 kxk + kyk .
2 Orthogonalité.
De plus, on a l’égalité si et seulement si x et y
sont colinéaires et de même sens. Soit (E, h· | ·i) un ev préhilbertien et k · k la
norme associée.
Démonstration.
On a kx + yk2 = hx + y | x + yi = kxk2 + 2 hx | yi + kyk2 .
Or (kxk + kyk)2 = kxk2 + 2 kxk . kyk + kyk2 et hx | yi 6
2.1 Premières définitions.
kxk . kyk, donc kx + yk2 6 (kxk + kyk)2 . kx + yk et kxk +
kyk étant positifs, on en déduit le résultat.
L’égalité a lieu si et seulement si hx | yi = kxk . kyk. Pour Définition 2.1.
cela, il est nécessaire d’avoir hx | yi > 0 (car le produit de
Soient x, y ∈ E. On dit que x est unitaire (ou
deux normes est positif ou nul) et x et y colinéaires (cas
d’égalité de Cauchy-Schwarz), donc il est nécessaire que normé) si kxk = 1. On dit que x et y sont ortho-
x et y soient colinéaires — l’un s’écrit comme produit de gonaux et l’on note x ⊥ y si hx | yi = 0.
l’autre par un scalaire — et de même sens — ce scalaire est
positif ou nul. Cette condition est clairement suffisante.
Remarque 2.2.
Si x 6= 0E , il y a exactement deux vecteurs uni-
taires colinéaires à x.
Théorème 1.22.
Soit (E, h· | ·i) un espace préhilbertien, x, y ∈ E. Exemple 2.3.
• Tout vecteur est toujours orthogonal au vecteur
1. Identité du parallélogramme :
nul.
kx + yk2 + kx − yk2 = 2(kxk2 + kyk2 ). • Dans R2 muni du produit scalaire usuel, (1, 3)
et (−6, 2) sont orthogonaux.
2. Identité de polarisation : • Dans R2 muni du produit scalaire
(x, y) · (x0 , y 0 ) = 2xx0 − xy 0 − x0 y + 3yy 0 ,
1 les vecteurs (1, 1) et (2, −1) sont orthogonaux.
hx | yi = (kx + yk2 − kxk2 − kyk2 )
2
1
= (kx + yk2 − kx − yk2 ).
4
2.2 Familles orthogonales.
483
CHAPITRE XXIX. ESPACES EUCLIDIENS ET PRÉHILBERTIENS RÉELS
k=1
avoir kvk+1 k = 1 (2 choix possibles).
• Synthèse : on a vu unicité au signe près. On vérifie que
* n +
X
λk vk | vi = 0 or quand on développe la somme les vecteurs trouvés conviennent bien.
k=1
on a λi hvi | vi i. Exemple 2.10.
Orthonormaliser (1, X, X 2 ) pour le produit sca-
Remarque 2.6. Z 1
Toute famille orthonormale est une famille ortho- laire de R2 [X], hP | Qi = P (t)Q(t) dt. On
0
gonale ne comportant aucun vecteur nul. trouve (P1 , P2 , P3 ), où
P1 = 1,
Corollaire 2.7. X − 1/2 √
Toute famille orthogonale ne comportant aucun P2 = √ = 3(2X − 1),
1/(2 3)
vecteur nul et de cardinal dim E est une base
X 2 − X + 1/6 √
de E. P2 = = 5(6X 2 − 6X + 1).
k. . .k
Exemple
2.8. Corollaire 2.11.
0 1 5
Tout espace euclidien a une base orthonormale.
1, −2 et 2 forment une famille ortho-
Toute famille orthonormale peut être complétée
2 1 −1
en une base orthonormale.
gonale, et donc une base de R3 .
484
CHAPITRE XXIX. ESPACES EUCLIDIENS ET PRÉHILBERTIENS RÉELS
Démonstration.
Pour l’existence, il suffit d’orthonormaliser une base quel- Corollaire 2.16.
conque. Avec les mêmes notations,
Soit (e1 , . . . , ep ) une famille orthonormale de E. On peut
la compléter en base de E : (e1 , . . . , ep , e0p+1 , . . . , e0n ). n
2
kxk =
X
On orthonormalise ensuite cette base : pour les p pre- x2i .
miers vecteurs, on a à chaque fois le choix entre ei et −ei , i=1
on choisit bien entendu ei .
On obtient donc une base orthonormée de E dont les p
premiers vecteurs sont e1 , . . . , ep .
Remarque 2.17.
Tous les produits scalaires ont la même expression
Proposition 2.12. «usuelle» à condition de se placer dans une base
[Coordonnées dans une base orthonormale] E orthonormale pour ce produit scalaire.
euclidien, (v1 , . . . , vn ) base orthonormale de E.
n Remarque 2.18.
Alors, pour tout x ∈ E, x = hx | vk i vk . Ces formules d’adaptent encore dans le cas de
X
= λk . ∀x ∈ F ∀y ∈ G x ⊥ y.
485
CHAPITRE XXIX. ESPACES EUCLIDIENS ET PRÉHILBERTIENS RÉELS
Démonstration.
(⇒) par définition
Xde F ⊥ G. X Si de plus E est euclidien, alors E = F ⊕ F ⊥ et
(⇐) soient f = λi fi et g = µj gj . Alors hf | gi = F⊥ est l’unique sous-espace vectoriel G vérifiant
E = F ⊕ G et F ⊥ G. C’est pourquoi on appelle
XX
λi µj hfi | gj i = 0.
i j F ⊥ le supplémentaire orthogonal de F dans E.
De plus, dans le cas euclidien, on a F = (F ⊥ )⊥ .
Définition 2.5.
Soit X une partie (quelconque) de E. On appelle Démonstration.
orthogonal de X et on noté X ⊥ (ou X o ) l’ensemble On sait déjà que F ⊥ est un sous-espace vectoriel. F et F ⊥
sont clairement orthogonaux (donc en somme directe) et
{ y ∈ E | ∀x ∈ X hx | yi = 0 }.
de plus pour tout sous-espace vectoriel G tel que F et G
sont orthogonaux, tout élément x de G est orthogonal à
tout élément de F , donc appartient à F ⊥ , donc G ⊂ F ⊥ .
Supposons de plus que E est euclidien. Alors le sous-
Proposition 2.6. espace vectoriel F est aussi un espace vectoriel euclidien,
Soit X une partie de E. Alors donc possède une base orthonormale (f1 , . . . , fq ). Cette
1. X ⊥ est un sev de E ; base est une famille orthonormale de E, qu’on peut com-
pléter en une base orthonormale (f1 , . . . , fq , g1 , . . . , gp ) de
2. Pour toute partie Y de E telle que X ⊂ Y , E. Posons G = Vect(g1 , . . . , gp ). On a alors dim E =
on a Y ⊥ ⊂ X ⊥ ; p + q = dim F + dim G. De plus pour tout i ∈ [[1, q]] et tout
⊥ j ∈ [[1, p]], on a fi ⊥ gj , donc F ⊥ G, donc G ⊂ F ⊥ . Donc
3. X ⊂ X ⊥ . dim E 6 dim F + dim F ⊥ . Or F et F ⊥ sont en somme
directe, donc dim(F ⊕ F ⊥ ) 6 dim E, donc G = F ⊥ et
E = F ⊕ F ⊥ (et de plus, F ⊥ = Vect (g1 , . . . , gp )).
On en déduit, dim(F ⊥ )⊥ = dim E − dim F ⊥ = dim F .
Démonstration. 1. On a 0 ∈ X ⊥ car 0 est orthogonal Or on sait qu’on a F ⊂ (F ⊥ )⊥ , donc F = (F ⊥ )⊥ .
à tout vecteur, donc à tout vecteur de X ; de plus
toute combinaison linéaire de vecteurs orthogonaux Remarque 2.9 (Important).
à tout vecteur de X est orthogonale à tout vecteur Le résultat ne se généralise pas à des espaces
de X.
préhilbertiens E qui ne sont pas de dimension
Sinon, il suffit de voir que
finie. Dans ce cas (non euclidien), on peut trouver
des sous-espaces vectoriels F tels que F et F ⊥ ne
\
X⊥ = Ker hx | ·i .
⊥
x∈X
soient pas supplémentaires et tels que F ⊥ 6=
2. Tout élément de Y ⊥ est orthogonal à tout vecteur de F (on peut même trouver F tel que F 6= E et
Y , donc a fortiori à tout vecteur de X. F ⊥ = { 0 }). On verra ce résultat en exercice dans
3. Soit x un vecteur de X. Tout vecteur de X ⊥ est le cas de R[X].
orthogonal à tout vecteur de X, donc en particulier à
x. Donc x est orthogonal à tout vecteur de X ⊥ , donc
⊥ Remarque 2.10 (Culturelle).
appartient à X ⊥ . En revanche, pour toute partie X d’un espace pré-
⊥ ⊥
hilbertien, on a toujours X⊥ = X ⊥ (une
Remarque 2.7. ⊥
Il n’y a pas forcément égalité dans le dernier point. inclusion est la conséquence du fait que X ⊥
Par exemple, avec X = ∅, (X ⊥ )⊥ = {0}. contient X et qu’en conséquence leurs orthogo-
naux sont inclus dans l’autre sens ; l’autre in-
clusion vient du fait que le biorthogonal de X ⊥
Théorème 2.8. contient X ⊥ ).
Soit F un sev de E. Alors F ⊥ est le plus grand
sous-espace vectoriel orthogonal à F (et F et F ⊥ Exemple 2.11.
sont de plus en somme directe). On pose, pour tout couple (P, Q) d’éléments de
R2 [X], hP | Qi = P 0 (1)Q0 (1) + P (−1)Q(−1) +
486
CHAPITRE XXIX. ESPACES EUCLIDIENS ET PRÉHILBERTIENS RÉELS
P (0)Q(0). Vérifier qu’il s’agit d’un produit sca- Par bilinéarité du produit scalaire, ϕ est linéaire. De plus,
laire et trouver R1 [X]⊥ dans R2 [X]. avec v1 , v2 ∈ E, si ϕ(v1 ) = ϕ(v2 ), alors pour tout x ∈ E,
hv1 | xi = hv2 | xi, i.e. pour tout x ∈ E, hv1 − v2 | xi = 0,
Exercice 2.12. donc v1 − v2 ∈ E ⊥ .
On considère dans R[X] le sev F = Vect(1+X, 1+ Or E ⊥ = { 0 } car pour tout x ∈ E ⊥ , hx | xi = 0. Donc
v1 = v2 et ϕ est injective.
X 2 , . . . , 1+X n , . . .). On rappelle qu’un hyperplan
Mais comme dim E = dim L (E, R), alors ϕ est un iso-
est un sev admettant un supplémentaire de di- morphisme. D’où le résultat.
mension 1.
Démonstration (Preuve matricielle.).
On munit R[X] du produit scalaire Soit B une base orthonormée de E. Notons
MatB,1 (f ) = a1
+∞ +∞ +∞
!
... an .
=
X X X
k k
ak X , bk X ak bk .
k=0 k=0 k=0
Posons
n
X
a= ai ei .
1. Montrer que F est un hyperplan de R[X]. i=1
2. Déterminer F ⊥ pour le produit scalaire usuel Si x ∈ E est de coordonnées (x1 , . . . , xn ) dans B, alors
de R[X]. n
X
f (x) = ai xi = ha | xi .
3. Quel résultat vrai en dimension finie est ici i=1
mis en défaut ?
L’unicité se déduit immédiatement de la représentation
Dans toute la suite, (E, h· | ·i) est un es- matricielle.
pace vectoriel euclidien de dimension n.
Définition 2.2.
2.4 Formes linéaires et hyperplans d’un Soit H un hyperplan d’un espace euclidien, alors
espace euclidien. H ⊥ est une droite vectorielle appelée droite nor-
male à H.
Tout vecteur v vérifiant H ⊥ = Vect(v) est ap-
Théorème 2.1 (Théorème de représentation de pelé vecteur normal à H.
Riesz-Fréchet).
Soit (E, h· | ·i) euclidien. Soit f ∈ L (E, R). Alors
il existe un unique vf ∈ E vérifiant ∀x ∈ E f (x) =
Proposition 2.3.
hvf | xi ou encore f = hvf | ·i.
Soit H un hyperplan d’un espace euclidien E, soit
v ∈ E. Alors v est un vecteur normal à H si et
On trois preuves de ce résultats. seulement si v 6= 0E et v ∈ H ⊥ .
Démonstration (Preuve géométrique.).
La forme linéaire f est définie par son noyau (hyperplan Démonstration.
H) et la valeur prise sur un vecteur qui n’est pas dans le Immédiat.
noyau.
De même, (Vect vf )⊥ est de dimension n − 1, donc c’est Remarque 2.4.
un hyperplan. Si on choisit vf vecteur normal à H, alors f Si H est un hyperplan de E, considérons f une
et hvf | ·i sont des formes linéaires de même noyau, donc forme linéaire non nulle telle que H = Ker(f ). Il
sont proportionnelles. La norme de vf est alors choisie de
sorte qu’elle corresponde avec la valeur précédente de f
existe alors v ∈ E tel que f = hv, ·i.
sur un vecteur qui n’est pas dans le noyau. Alors, v est un vecteur normal à H
Démonstration (Preuve algébrique.). Remarque 2.5 (Écriture matricielle du produit
On considère l’application scalaire).
E −→ L (E, R) Soit e = (e1 , . . . , en ) base orthonormale de E, x
ϕ: . et y des vecteurs de matrices (dans e) X et Y .
v 7−→ (x 7→ hv | xi)
487
CHAPITRE XXIX. ESPACES EUCLIDIENS ET PRÉHILBERTIENS RÉELS
i=1
Exemple 2.3.
Le minimum de la fonction
Démonstration.
On complète (f1 , . . . , fp ) en une base orthonormale de E R2
→ R
notée (f1 , . . . , fn ). Alors (fp+1 , . . . , fn ) est une base de F ⊥
f:
Z 1
X n
(a, b) 7→ (−a − bx + x2 )2 dx
(⊥ + dimension). Donc x = hx | fi i fi , donc somme 0
i=1
d’un élément de F et d’un élément de F ⊥ : cet élément de est atteint pour a = −1/6 et b = 1 et vaut 1/180.
F est le projeté de x sur F .
488
CHAPITRE XXIX. ESPACES EUCLIDIENS ET PRÉHILBERTIENS RÉELS
x hx, ui
Vect(u). Ainsi, x − u est le projeté orthogonal de x
kuk2
sur Vect(u)⊥ .
Corollaire 2.2.
hx, ui
u ∈ H⊥ Soit (e1 , . . . , en ) une b.o.n. de E, dans laquelle on
kuk2 écrit
u = u1 e1 + · · · + un en ,
x = x1 e1 + · · · + xn en .
u
Alors, la distance de x à H est
|x1 u1 + · · · + xn un |
.
p(x) ∈ H
q
u21 + · · · + u2n
0E
H
Démonstration.
Figure XXIX.1 – Projection orthogonale sur un Immédiat.
hyperplan H.
hx, ui
p(x) = x − u.
kuk2
La distance de x à H est
|hx, ui|
d(x, H) = .
kuk
Démonstration.
Il suffit d’observer que
hx, ui hx, ui
x=x− u+ u
kuk2 kuk2
et que
hx, ui
hx − u, ui = hx, ui − hx, ui = 0,
kuk2
donc que
hx, ui
x− u ∈ H.
kuk2
u
On peut aussi observer que est une b.o.n. de H ⊥ ,
kuk
hx, ui
et donc que u est le projeté orthogonal de x sur
kuk2
489
CHAPITRE XXIX. ESPACES EUCLIDIENS ET PRÉHILBERTIENS RÉELS
490
Chapitre XXX
492
CHAPITRE XXX. FONCTIONS DE DEUX VARIABLES
f(x,y)
0.0
0.1
0.2
0.3 Démonstration.
0.4 C’est la même chose que pour les fonctions réelles.
2
1
0 y
Proposition 1.3 (composition à gauche).
2
1
0 1 Soit f : A → R une fonction continue sur A, soit
x 1 2 ϕ : R → R continue.
2
Alors, ϕ ◦ f est continue sur A.
Figure XXX.2 – Représentation de f : (x, y) 7→
2 2
(x2 + y)e −(x +y ) . Démonstration.
C’est la même chose que pour les fonctions réelles.
Démonstration.
Définition 1.1. Il suffit de voir que pour tout a, b ∈ R2 et pour i ∈ {1, 2},
Soit a ∈ A, la fonction f est continue en a si |πi (a) − πi (b)| = |πi (a − b)| 6 ka − bk .
∀ε > 0, ∃α > 0, ∀x ∈ A,
kx − ak 6 α ⇒ |f (x) − f (a)| 6 ε.
Définition 1.6.
La fonction f est continue sur A si elle est continue On appelle fonction polynomiale de deux variables
en tout point a de A. toute fonction f : R2 → R combinaison linéaire
des fonctions de la forme
(x, y) 7→ xp y q ,
Proposition 1.2 (opérations).
Soit f, g : A → R deux fonctions continues sur A. pour p, q ∈ N.
493
CHAPITRE XXX. FONCTIONS DE DEUX VARIABLES
Remarque 2.3.
Proposition 1.7. ∂f
La notation signifie la dérivation par rapport à
Toute fonction polynomiale de deux variables est ∂x
continue sur R. la première variable de la fonction f , et est parfois
notée D1 f , ou ∂1 f , idem pour la dérivation par
rapport à la seconde variable.
Démonstration.
Il suffit d’utiliser le résultat du lemme 1.3.5, puis la stabilité
Si l’on a noté une fonction f : (u, v) 7→ [...], on
de l’ensemble des fonctions continues par combinaison
∂f
pourra bien entendu écrire pour signifier la
linéaire et produit. ∂u
dérivation par rapport à la première variable de f ,
idem pour la dérivation par rapport à la seconde
2 Introduction au calcul diffé- variable.
On évitera absolument de considérer une fonc-
rentiel tion f : (y, x) 7→ [...].
∂
Dans cette partie on considère U un ouvert de On pourra aussi utiliser le symbole pour
∂♥
R2 , et f une application de U dans R. signifier la dérivation partielle d’une expression
par rapport à la variable ♥, toutes les autres
2.1 Dérivées partielles variables étant considérées comme fixées.
Exemple 2.4.
2
Avec f : (x, y) 7→ x2 e −x+y , définie sur R2 , on a
Définition 2.1. pour tout (x, y) ∈ R2 :
On dit que la fonction f est dérivable en un point ∂f 2
(x0 , y0 ) par rapport à sa première variable si la (x, y) = (2x − x2 )e −x+y ,
∂x
fonction partielle f1 : x 7→ f (x, y0 ) est dérivable ∂f 2
en x0 . On note alors (x, y) = 2x2 ye −x+y .
∂y
∂f f (x, y0 ) − f (x0 , y0 )
(x0 , y0 ) = f10 (x0 ) = lim .
∂x x→x 0 x − x0
La fonction f est dite dérivable par rapport à sa Remarque 2.5 ( ).
première variable sur U si elle l’est en tout point Une fonction de deux variables peut être dérivable
de U . par rapport à chacune de ses deux variables, sans
De même, On dit que la fonction f est dérivable pour autant être continue.
en un point (x0 , y0 ) par rapport à sa deuxième Par exemple, la fonction définie par
variable si la fonction partielle f2 : y 7→ f (x0 , y)
xy
si (x, y) 6= (0, 0)
est dérivable en y0 . On note alors
f : (x, y) 7→ x + y2
2
0 si x=y=0
∂f f (x0 , y) − f (x0 , y0 )
(x0 , y0 ) = f20 (y0 ) = lim . admet des dérivées partielles en tout point de R2 ,
∂y y→y0 y − y0
mais n’est pas continue.
La fonction f est dite dérivable par rapport à sa La dérivabilité par rapport à chacune des va-
deuxième variable sur U si elle l’est en tout point riables est élémentaire, la non continuité en 0
de U . découle par exemple du fait que pour tout x ∈ R∗ ,
1
f (x, x) = .
Remarque 2.2. 2
Le lemme 1.5 assure la validité de cette définition, Il suffit ensuite prendre x suffisamment petit pour
vu le caractère ouvert de U . nier la continuité de f .
494
CHAPITRE XXX. FONCTIONS DE DEUX VARIABLES
∂f
Soit f, g : U → R, soit a ∈ U . + f (x0 , y0 + k) − f (x0 , y0 ) − k (a)
∂y
On dit que f est négligeable devant g au voi- | {z }
sinage de a s’il existe une fonction ε : U → R ∆2
495
CHAPITRE XXX. FONCTIONS DE DEUX VARIABLES
f (a + tv) − f (a)
Dv f (a) = lim .
t→0 t
496
CHAPITRE XXX. FONCTIONS DE DEUX VARIABLES
Il existe donc une fonction ε continue en (0, 0) et vérifiant Comme x et y sont dérivables, on peut écrire des dévelop-
ε(0, 0) = 0 telle que, pour tous tels a, v, t, pements limités à l’ordre 1. Il existe donc deux fonctions
ε1 et ε2 de limite nulle en 0 telles que, pour tout t ∈ I,
∂f ∂f
f (a + tv) = f (a) + th (a) + tk (a) + |t| kvk ε(|t| kvk),
∂x ∂y x(t) − x(t0 ) = (t − t0 )x0 (t0 ) + (t − t0 )ε1 (t),
ce que l’on écrit y(t) − y(t0 ) = (t − t0 )y 0 (t0 ) + (t − t0 )ε2 (t).
∂f ∂f On a donc
f (a + tv) = f (a) + th (a) + tk (a) + o(t).
∂x ∂y
∂f ∂f
f (ϕ(t)) = f (a) + (t − t0 ) x0 (t0 ) (a) + y 0 (t0 ) (a)
Ainsi, t 7→ f (a + tv) admet un DL à l’ordre 1 en 0, donc ∂x ∂y
est dérivable en 0, et immédiatement
+ R(t),
∂f ∂f
Dv f (a) = h (a) + k (a). où
∂x ∂y
∂f ∂f
R(t) = (t − t0 ) ε1 (t) (a) + ε2 (t) (a)
∂x ∂y
Remarque 2.6. + kϕ(t) − ak ε(kϕ(t) − ak).
Par l’inégalité de Cauchy-Schwarz, ∇f (a) est la
Il suffit de montrer que R(t) = o(t − t0 ). Comme f est de
direction selon laquelle croît/décroît le plus vite, ∂f ∂f
classe C 1 , et sont bornées au voisinage de 1, et
c’est-à-dire la direction de pente la plus forte. ∂x ∂y
comme ε1 et ε2 tendent vers 0, on peut écrire que
∂f ∂f
2.4 Composition, règle de la chaîne ε1 (t) (a) + ε2 (t) (a) = o(1).
∂x ∂y
De plus, comme ϕ est dérivablea, en généralisant les nota-
tions de Landau,
Théorème 2.1 (règle de la chaîne).
Soit f : U → R de classe C 1 , soit I un intervalle ϕ(t) − ϕ(t0 )
kϕ(t) − ak = |t − t0 |
t − t0
ouvert de R et x, y : I → R de classe C 1 telles
que x(I) × y(I) ⊂ U . = |t − t0 | × O(1)
Alors, t 7→ f (x(t), y(t)) est de classe C 1 sur I = O(t − t0 )
et pour tout t ∈ I Par composition, on a ε(kϕ(t) − ak) = o(1), ce qui permet
de conclure.
d ∂f
(f (x(t), y(t))) = x0 (t) (x(t), y(t)) Remarque 2.2.
dt ∂x Sous les mêmes hypothèses, notons γ : t 7→
∂f (x(t), y(t)). Cette fonction γ est appelée arc de
+ y 0 (t) (x(t), y(t)).
∂y classe C 1 . La règle de la chaîne donne la dérivée
de f suivant l’arc γ, et peut s’écrire comme suit :
∂f
Exemple 2.4.
f (ϕ(t)) = f (a) + (x(t) − x(t0 )) (a) On a tracé dans la figure XXX.4 les lignes de
∂x
∂f niveau correspondant à la fonction tracée dans la
+ (y(t) − y(t0 )) (a) + kϕ(t) − ak ε(kϕ(t) − ak).
∂y figure XXX.2.
497
CHAPITRE XXX. FONCTIONS DE DEUX VARIABLES
0.10
0.15 Théorème 2.9.
0.35
0.30 Soit U, V deux ouverts de R2 , soit f : U → R de
0.45 classe C 1 , soit ϕ, ψ : V → R de classe C 1 telles
que ϕ(V ) × ψ(V ) ⊂ U .
0.405.40
0.25 Soit
0
0.2 (
-0.3
5 V −→ R
-0.2 0.0 g: .
5
5
-0.2
-0.30
-0.15
Alors, g est de classe C 1 sur V et pour tout
-0.05
(u, v) ∈ V :
0.00
∂g ∂f ∂ϕ
(u, v) = (ϕ(u, v), ψ(u, v)) (u, v)
∂u ∂x ∂u
Figure XXX.4 – Lignes de niveau de f : ∂f ∂ψ
2 2
(x, y) 7→ (x2 + y)e −(x +y ) . + (ϕ(u, v), ψ(u, v)) (u, v)
∂y ∂u
∂g ∂f ∂ϕ
Exemple 2.5. (u, v) = (ϕ(u, v), ψ(u, v)) (u, v)
∂v ∂x ∂v
Vous trouverez dans la figure XXX.5 un exemple ∂f ∂ψ
de carte IGN, faisant figurer les lignes de niveau + (ϕ(u, v), ψ(u, v)) (u, v)
∂y ∂v
du terrain. Avec un peu d’habitude, on arrive très
bien à se représenter le terrain !
∂(f ◦ a) ∂f ∂x ∂f ∂y
Démonstration. = + .
Immédiat, étant donné que pour tout t ∈ I : (f ◦ γ)0 (t) = ∂u ∂x ∂u ∂y ∂u
0.
Remarque 2.8.
2.5 Recherche d’extrema
La propriété précédente est souvent résumée sous
la locution « le gradient de f est orthogonal aux
Définition 2.1 (extremum global).
lignes de niveau de f ». En effet, γ 0 (t) dirige
Soit a ∈ U .
la droite tangente à l’arc γ au point γ(t) (voir
figure XXX.6). 1. On dit que a est le lieu d’un maximum global
Le théorème des fonctions implicites (hors pro- de f si ∀u ∈ U , f (u) 6 f (a).
gramme) permet de montrer que, sous certaines 2. On dit que a est le lieu d’un minimum global
hypothèses, les lignes de niveau d’une fonction de f si ∀u ∈ U , f (u) > f (a).
forment des arcs de classe C 1 .
498
CHAPITRE XXX. FONCTIONS DE DEUX VARIABLES
Remarque 2.2.
On dit aussi que f admet un maximum global en
a (idem pour minimum et extremum).
∀u ∈ U, ka − uk 6 r → f (u) 6 f (a).
Figure XXX.6 – Champ de vecteurs de ∇f , et
lignes de niveau de f . 2. On dit que a est le lieu d’un minimum local
de f s’il existe r > 0 tel que
499
CHAPITRE XXX. FONCTIONS DE DEUX VARIABLES
3. On dit que a est le lieu d’un extremum local Théorème 2.7 (condition du premier ordre).
de f si c’est le lieu d’un minimum ou d’un Soit U ⊂ R2 un ouvert, soit f : U → R de classe
maximum local de f . C 1 , soit a ∈ U .
Si f admet un extremum local en a, alors a est
un point critique de f .
Remarque 2.4.
On dit aussi que f admet un maximum local en
a (idem pour minimum et extremum).
Démonstration.
Remarque 2.5. Notons a = (x0 , y0 ). Les deux fonctions partielles de f en a
Tout extremum global est aussi un extremum admettent chacune un extremum local en x0 /y0 , intérieur à
local, la réciproque étant bien évidemment fausse. leur ensemble de définition. Elles y admettent donc chacune
un point critique, donc les dérivées partielles de f sont
nulles en a, d’où le résultat.
Définition 2.6 (point critique).
Soit f : U → R, un point critique de f est un Remarque 2.8.
point a ∈ U vérifiant Il est ici primordial que U soit un ouvert.
Ce théorème ne donne qu’une condition néces-
∇f (a) = (0, 0).
saire pour qu’un point soit un extremum local (et
a fortiori global) d’une fonction.
500
CHAPITRE XXX. FONCTIONS DE DEUX VARIABLES
501