Académique Documents
Professionnel Documents
Culture Documents
Technologies
Campus de Wayalghin
Faculté des Sciences et Technologies
Mathématiques Générales
5 Séries entières 46
5.1 Domaine de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.2 Opérations algébriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.3 Propriétés analytiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.4 Développement en série entière . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.5 Développement de fonctions usuelles . . . . . . . . . . . . . . . . . . . . . . . . 52
3
Chapitre 1
Dans toute la suite, K désigne le corps R des nombres réels ou celui C des nombres complexes.
1.1.1 Généralités
Définition 1.1 (K-espace vectoriel )
Soit (K, +, ×) un corps.
On appelle espace vectoriel sur le corps K tout ensemble E muni d’une loi de composition
interne + (addition) et d’une loi de composition externe · (multiplication par un scalaire)
définies par
+ : E × E −→ E · : K × E −→ E
et
(x, y) 7−→ x + y ; (λ, x) 7−→ λ · x = λx ;
telles que
1. (E, +) est un groupe commutatif ; on note 0E son élément neutre ;
2. pour tous (α, β) ∈ K2 et tous (x, y) ∈ E 2 , on a :
■ (α + β) · x = α · x + β · x ; ■ α · (x + y) = α · x + α · y ;
■ (α × β) · x = α · (β · x) ; ■ 1K · x = x.
On dit alors que (E, +, ·) est un K-espace vectoriel. Les éléments de K sont appelés sca-
laires, ceux de E, vecteurs. L’élément neutre de (E, +) est appelé vecteur nul.
Remarque 1.1. Un espace vectoriel est tout simplement un ensemble sur lequel on peut définir
une addition et une multiplication par un scalaire qui vérifient les axiomes de la Définition 1.1.
Vous en connaissez déjà bon nombre :
■ L’ensemble des vecteurs du plan ; ■ L’ensemble des suites réelles S (R), avec
K = R ; ou l’ensemble des suites com-
■ L’ensemble des vecteurs de l’espace ; plexes S (C), avec K = R ou C.
4
1.1. ESPACES VECTORIELS v21.10.1
Exemple 1.1. On va munir l’ensemble des couples de réels, R2 , d’une structure de R-espace
vectoriel. On définit une addition et une multiplication par un scalaire comme suit : pour tous
(x, y) , (x′ , y ′ ) ∈ R2 et tout α ∈ R, on pose
On vérifie que ces deux lois vérifient les axiomes de la Définition 1.1.
Proposition 1.1 (Espace vectoriel Kn ). Sur l’ensemble des n-uplets de scalaires Kn , on définit
une addition et une multiplication par un scalaire par :
(
Kn × Kn −→ Kn
+: ′ ′ ′ ′
(x1 , . . . , xn ) , x1 , . . . , xn 7−→ x1 + x1 , . . . , xn + xn ;
et (
K × Kn −→ Kn
·:
(α, (x1 , . . . , xn )) 7−→ (αx1 , . . . , αxn ) .
Muni de ces lois, l’ensemble (Kn , +, ·) est un K-espace vectoriel. Son vecteur nul est le n-uplet
0Kn = (0, . . . , 0).
Corollaire 1.1.
■ L’ensemble (Rn , +, ·) est un R-espace vectoriel.
■ L’ensemble (Cn , +, ·) est un R-espace vectoriel.
De manière générale, on a :
Proposition 1.2. Soient (E1 , +, ·) et (E2 , +, ·) deux K-espaces vectoriels. On définit sur
l’ensemble E1 × E2 :
■ une addition (
(E1 × E2 )2 −→ E1 × E2
+:
((x1 , x2 ) , (y1 , y2 )) 7−→ (x1 + y1 , x2 + y2 )
■ une multiplication par un scalaire
(
K × (E1 × E2 ) −→ E1 × E2
·:
(α, (x1 , x2 )) 7−→ (αx1 , αx2 )
Alors (E1 × E2 , +, ·) est un K-espace vectoriel. Son élément neutre est (0E1 , 0E2 ).
Les quatres axiomes de la Définition 1.1 ne traduisent pas tous les calculs possibles dans un
espace vectoriel. Ci-dessous, nous précisons les principales règles de calculs avec lesquelles on
manipule les vecteurs. On peut montrer, cependant, que ces dernières découlent toutes des
axiomes de la Définition 1.1.
Proposition 1.3. Soit (E, +, ·) un espace vectoriel. Pour tous scalaires α, β, λ ∈ K et pour
tous vecteurs x, y ∈ E, on a :
2. (−1) · x = −x ; 4. (α − β) · x = α · x − β · x ;
byliguel-ist-l2-21/22 5
v21.10.1 CHAPITRE 1. ÉLÉMENTS D’ALGÈBRE LINÉAIRE
5. λ · (x − y) = λ · x − λ · y ; 7. λ · x = 0E ⇐⇒ [λ = 0K ou x = 0E ].
6. λ · 0E = 0E ;
où (λ1 , . . . , λn ) ∈ Kn .
■ Si A est une partie de E, on appelle combinaison linéaire d’éléments de A toute
combinaison linéaire d’un nombre fini d’éléments de A.
Remarque 1.2. On montre par récurrence que toute combinaison linéaire de vecteurs de E
est encore un vecteur de E.
Définition 1.3
Soient (E, +, ·) un K-espace vectoriel et F ⊂ E, une partie de E. On dit que F est un
sous-espace vectoriel de E si et seulement si
1. la partie F est non vide : F ̸= ∅ ;
2. la partie F vérifie :
Remarque 1.3.
■ Si F est un sous-espace vectoriel de E, alors 0E ∈ F . En effet, comme F est non vide, il
existe x ∈ F . Comme F est un sous-espace vectoriel, alors x − x = 1x − 1x = 0E x ∈ F .
■ En partant du second axiome de la Définition 1.3 et au moyen d’une récurrence, on montre
sans peine que F est stable par combinaison linéaire, c’est-à-dire que toute combinaison
linéaire de vecteurs de F est encore un vecteur de F .
■ Dans tout espace vectoriel E, il y a toujours deux sous-espaces vectoriels importants,
F = {0E } et F = E.
■ Dans l’idée de faire le parallèle avec les groupes, on aurait pu définir la notion de sous-
espace vectoriel de la façon suivante : F est un sous-espace vectoriel de E si et seulement
si F est un sous-groupe de E stable pour la multiplication par tout scalaire.
Plan 1.1 (Pour montrer que F est un sous-espace vectoriel de E)
1. On montre que F ⊂ E.
2. On montre que F ̸= ∅ (la plupart du temps, on vérifie que 0E ∈ F ).
3. Soit α, β ∈ K et soit x, y ∈ F . Montrons que αx + βy ∈ F .
6 byliguel-ist-l2-21/22
1.1. ESPACES VECTORIELS v21.10.1
Exemple 1.2.
1. L’ensemble des nombres réels R est un sous-espace vectoriel du R-espace vectoriel C. De
même, l’ensemble des nombres imaginaires purs ıR est un sous-espace vectoriel de C.
2. Soit u un vecteur du plan (ou de l’espace). L’ensemble F de tous les vecteurs du plan
colinéaires à u, F = {λu : λ ∈ R} est un sous-espace vectoriel du plan (ou de l’espace).
C’est la droite dirigée par le vecteur u.
3. L’ensemble F = C 0 (R) des fonctions continues de R dans R est un sous-espace vectoriel
de l’ensemble des fonctions de R dans R, E = F (R, R).
Plan 1.2 (Pour montrer que F n’est pas un sous-espace vectoriel de E)
On peut montrer au choix que :
1. F ̸⊂ E ;
2. F = ∅ ;
3. F n’est pas stable par combinaison linéaire : il existe α, β ∈ K et x, y ∈ F tels que
αx + βy ̸∈ F .
Proposition 1.4 (Un sous-espace vectoriel est un espace vectoriel). Soient (E, +, ·) un K-
espace vectoriel et F ⊂ E, une partie non vide de E. On a équivalence entre les deux propositions
suivantes :
1. la partie F est un sous-espace vectoriel de E ;
2. muni des lois de E restreintes à F , (F, +, ·) est un K-espace vectoriel.
Plan 1.3 (Pour montrer que F est un K-espace vectoriel )
Il suffit de montrer que F est un sous-espace vectoriel d’un K-espace vectoriel E dans lequel
il est contenu.
Proposition 1.5. Soient (E, +, ·) un K-espace vectoriel et (Fi )i∈I une famille de sous-espaces
vectoriels de E.
Alors ∩i∈I Fi est un sous-espace vectoriel de E.
Définition 1.4
Soit A une partie d’un K-espace vectoriel (E, +, ·). On appelle sous-espace vectoriel engen-
dré par A le plus petit sous-espace vectoriel de E contenant A. On le note Vect(A) et on
a: \
Vect(A) = F,
F ∈FA
Remarque 1.4.
■ A est un sous-espace vectoriel de E si et seulement si Vect(A) = A.
■ Vect(∅) = {0}.
byliguel-ist-l2-21/22 7
v21.10.1 CHAPITRE 1. ÉLÉMENTS D’ALGÈBRE LINÉAIRE
Remarque 1.5.
■ Si u ∈ E \ {0}, la droite vectorielle engendrée par u est le sous-espace vectoriel engendré
par u, soit
Vect(u) = {λu : λ ∈ K} .
■ Si u, v ∈ E \{0}, le plan vectoriel engendré par u et v est le sous-espace vectoriel engendré
par {u, v}, soit
Vect ({u, v}) = {αu + βv : α, β ∈ K} .
Plan 1.4 (Pour montrer que F est un sous-espace vectoriel de E)
Il suffit d’écrire F comme sous-espace vectoriel engendré par une partie finie de E.
Exemple 1.4.
■ Trois vecteurs du plan sont toujours liés. De même, quatre vecteurs de l’espace sont tou-
jours liés.
■ Dans R4 , les vecteurs u1 = (1, 0, 1, −1), u2 = (3, −2, 2, −3) et u3 = (−1, 2, 0, 1) forment
une famille liée. En effet, u2 = 2u1 − u3 .
Dans le cas contraire de celui décrit par la définition précédente, on dit que les vecteurs sont
linéairement indépendants, ou qu’on a une famille libre, comme le précise la définition
suivante.
Définition 1.6 (Famille libre)
On dit qu’une famille (v1 , . . . , vp ) de vecteurs de E est libre, ou que les vecteurs v1 , . . . , vp
sont linéairement indépendants si et seulement si la famille n’est pas liée ou autrement
dit si et seulement si :
p
X
∀λ1 , . . . , λp ∈ K, λk vk = 0 =⇒ λ1 = · · · = λp = 0.
k=1
8 byliguel-ist-l2-21/22
1.1. ESPACES VECTORIELS v21.10.1
1. Posons λ1 = . . . , . . . , λp = . . . ;
2. un des λi , i = 1, . . . , p au moins est non nul ;
3. on a bien par ailleurs pi=1 λi vi = 0 ;
P
Exemple 1.5.
■ Dans R2 , la famille ((1, 0), (0, 1)) est libre. En effet, soit α, β ∈ R tels que
α(1, 0) + β(0, 1) = 0. Alors (α, β) = (0, 0) et donc α = β = 0.
■ On démontre de même que, dans R3 , la famille ((1, 0, 0), (0, 1, 0), (0, 0, 1)) est libre.
Remarque 1.6. Soit (v1 , . . . , vp ) une famille de p d’un K-espace vectoriel E.
■ Si l’un des vecteurs est nul, alors la famille est liée.
■ Si l’un des vecteurs de la famille apparaît plus d’une fois dans la famille, alors la famille
est liée.
■Toute sous-famille, c’est-à-dire une famille (v1 , . . . , vq ) avec q ≤ p, d’une famille libre est
encore libre.
Définition 1.7 (Famille génératrice)
On dit qu’une famille (v1 , . . . , vp ) de p vecteurs de E engendre l’espace vectoriel E, ou que
cette famille est génératrice de E, si tout vecteur de E peut s’exprimer comme combinaison
linéaire de la famille :
p
X
∀v ∈ E, ∃λ1 , . . . , λp ∈ K : v = λk v k .
k=1
1. Soit v ∈ E.
2. Posons λ1 = . . . , . . . , λp = . . . .
3. On a bien v = pk=1 λk vk .
P
Exemple 1.6.
■ Dans R2 , soient x1 = (1, 0) et x2 = (0, 1). La famille (x1 , x2 ) est génératrice de R2 . En
effet, si v = (x, y) ∈ R2 , alors v = x(1, 0) + y(0, 1).
■ On montre de même que la famille ((1, 0, 0), (0, 1, 0), (0, 0, 1)) engendre R3 .
Remarque 1.7. Toute sur-famille d’une famille (v1 , . . . , vp ) génératrice, c’est-à-dire une fa-
mille (v1 , . . . , vp , . . . , vq ) avec q ≥ p, est encore une famille génératrice.
Définition 1.8 (Base)
On dit qu’une famille (v1 , . . . , vp ) de vecteurs de E est une base de E si et seulement si, à
la fois libre et génératrice de E.
Exemple 1.7.
byliguel-ist-l2-21/22 9
v21.10.1 CHAPITRE 1. ÉLÉMENTS D’ALGÈBRE LINÉAIRE
■ Dans le plan, deux vecteurs non colinéaires, forment une base du plan.
■ Dans l’espace, R3 , la famille ((1, 0, 0), (0, 1, 0), (0, 0, 1)) forme une base. On a prouvé dans
l’exemple 1.5 que cette famille est libre, et dans l’exemple 1.6 que cette famille engendre
R3 .
Théorème 1.1
Une famille e = (e1 , . . . , en ) de E est une base de E si et seulement si, pour tout vecteur
v ∈ E, il existe une unique famille de scalaires λ1 , . . . , λn ∈ K, telle que
n
X
v= λ k e k = λ1 e 1 + · · · + λn e n .
k=1
Le n-uplet (λ1 , . . . , λn ) est alors appelé famille des composantes (ou coordonnées) du vecteur
v dans la base e.
Définition 1.9
On dit qu’un K-espace vectoriel E est de dimension finie s’il admet une famille génératrice
finie. Dans le cas contraire, on dit que E est de dimension infinie.
Par convention, on dit que E = {0} est un espace de dimension finie.
Exemple 1.8.
■ Kn est de dimension finie, car sa base canonique constitue par définition, une famille
génératrice, laquelle est finie.
■ F(R, R) est un R-espace vectoriel de dimension infinie.
Lemme 1.1 (Augmentation d’une famille libre). Soient E un K-espace vectoriel et x ∈ E \{0}.
On suppose que
1. L = (l1 , . . . , ln ) est une famille libre de vecteurs de E.
2. x ̸∈ Vect (L).
Alors (l1 , . . . , ln , x) est encore une famille libre de vecteurs de E.
Lemme 1.2 (Diminution d’une famille liée). Soient E un K-espace vectoriel et G = (g1 , . . . , gn , gn+1 )
une famille de n + 1 vecteurs de E. On suppose que gn+1 ∈ V ect (g1 , . . . , gn ), c’est-à-dire que
gn+1 est combinaison linéaire des vecteurs g1 , . . . , gn .
Alors
Vect (g1 , . . . , gn , gn+1 ) = Vect (g1 , . . . , gn )
C’est-à-dire qu’on peut retirer le vecteur gn+1 à G sans modifier le sous-espace vectoriel engendré
par G.
Théorème 1.2 (Fondamental )
Soient E un K-espace vectoriel, et p, q, n ∈ N∗ . On suppose que :
1. L = (l1 , . . . , lp ) est une famille libre de vecteurs de E.
2. G = (g1 , . . . , gq ) est une famille génératrice de vecteurs de E.
10 byliguel-ist-l2-21/22
1.1. ESPACES VECTORIELS v21.10.1
B = (l1 , . . . , lp , lp+1 , . . . , ln ) ,
avec lp+1 , . . . , ln ∈ G.
Corollaire 1.2 (Existence de base). Tout espace vectoriel de dimension finie et non réduit {0}
possède une base.
Théorème 1.3
Soient L une famille libre de E, et G une famille génératrice de E. Alors
Théorème 1.4
Si E est un K-espace vectoriel de dimension finie, alors toutes les bases de E ont même
cardinal.
Remarque 1.8. Une famille d’au moins n + 1 vecteurs dans un espace E de dimension n est
toujours liée. En effet, si elle était libre, alors on aurait une famille libre f de cardinal plus
grand que celui de n’importe quelle base e de E. Or e est une famille génératrice de E et le
cardinal d’une famille libre est toujours plus petit que celui d’une famille génératrice.
Théorème 1.5
Soit E un K-espace vectoriel de dimension n ∈ N. Soit S une famille de vecteurs de E de
cardinal p.
1. Si S est libre, alors p ≤ n et on a égalité si et seulement si S est une base de E.
2. Si S est génératrice, alors p ≥ n et on a égalité si et seulement si S est une base de E.
byliguel-ist-l2-21/22 11
v21.10.1 CHAPITRE 1. ÉLÉMENTS D’ALGÈBRE LINÉAIRE
d’inconnues α, β et γ, qu’on obtient bien toutes nulles. Ce qui permet de conclure que la famille
(e1 , e2 , e3 ) est libre.
Remarquant alors que Card (e1 , e2 , e3 ) = 3 = dim (R3 ), on conclut que la famille constitue une
base de R3 .
Théorème 1.6
Soient E un espace vectoriel de dimension finie n et F un sous-espace vectoriel de E. On a
1. F est de dimension finie et dim(F ) ≤ dim(E) ;
2. (dim(F ) = dim(E)) ⇐⇒ F = E.
Ce Théorème permet de faire l’économie lorsqu’il est, par exemple, question de montrer que
deux sous-espaces vectoriels sont égaux.
Plan 1.8 (Pour montrer que deux sous-espaces vectoriels F et G sont égaux )
1. On montre que F ⊂ G.
2. On montre que dim(F ) = dim(G).
3. Alors F = G.
1.2.1 Définitions
Définition 1.11
Soit f : E −→ F . On dit que f est une application linéaire si et seulement si :
1. ∀x, y ∈ E, f (x + y) = f (x) + f (y) ;
2. ∀λ ∈ K, ∀x ∈ E, f (λ · x) = λ · f (x).
Lorsque f est une application linéaire, on dit aussi que f est un morphisme d’espaces
vectoriels.
12 byliguel-ist-l2-21/22
1.2. APPLICATIONS LINÉAIRES v21.10.1
Théorème 1.8
Soit f : E −→ F . f est linéaire si et seulement si
donc, par soustraction du vecteur f (0E ) des deux côtés de cette égalité, il vient f (0E ) = 0F .
Plan 1.9 (Pour montrer que f : E −→ F est linéaire)
1. Soient α, β ∈ K et x, y ∈ E.
2. Montrons que f (αx + βy) = αf (x) + βf (y).
Définition 1.12
Soit f : E −→ F une application linéaire.
■ Si F = K, alors on dit que f est une forme linéaire.
■ Si E = F, alors on dit que f est un endomorphisme.
■ Si f : E −→ F est bijective, on dit que f est un isomorphisme.
■ Si f est à la fois un endomorphisme de E et un isomorphisme, on dit que f est un
automorphisme de E.
Notations 1.1
On note :
■ L (E, F ) : ensemble des applications linéaires de E dans F ;
■ L (E) : ensemble des endomorphismses de E ;
■ GL(E) : ensemble des automorphismes de E ;
■ E ∗ : ensemble des formes linéaires sur E, on l’appelle aussi dual algébrique de E.
Proposition 1.10. Soient (E, +, ·), (F, +, ·) et (G, +, ·) trois espaces vectoriels.
Si f ∈ L(E, F ) et g ∈ L(F, G), alors (g◦f ) ∈ L(E, G).
byliguel-ist-l2-21/22 13
v21.10.1 CHAPITRE 1. ÉLÉMENTS D’ALGÈBRE LINÉAIRE
= αx + βx′ = αf −1 (y) + βf −1 y ′
Corollaire 1.3. Le couple (GL(E), ◦) est un groupe (en général non commutatif), d’élément
neutre IdE . On l’appelle groupe linéaire de E.
f (E ′ ) = {f (x) : x ∈ E ′ } ;
f −1 (F ′ ) = {x ∈ E : f (x) ∈ F ′ } .
Théorème 1.9
Soit f : E −→ F une application linéaire. Soient E ′ un sous-espace vectoriel de E et F ′ est
un sous-espace vectoriel de F . Alors
1. f (E ′ ) est un sous-espace vectoriel de F .
2. f −1 (F ′ ) est un sous-espace vectoriel de E.
Démonstration :
1. Comme 0E ∈ E ′ et que f est linéaire, 0F = f (0E ) ∈ f (E ′ ) et donc f (E ′ ) est non vide.
Soient α, β ∈ K et y, y ′ ∈ f (E ′ ). Il existe donc x, x′ ∈ E tels que y = f (x) et y ′ = f (x′ ). Alors,
par linéarité de f , on a
f αx + βx′ = αf (x) + βf x′ = αy + βy ′
f αx + βx′ = αy + βy ′ ∈ F ′ .
Définition 1.13
Soit f : E −→ F une application linéaire.
14 byliguel-ist-l2-21/22
1.2. APPLICATIONS LINÉAIRES v21.10.1
Ker(f ) = {x ∈ E : f (x) = 0F } .
Im(f ) = {f (x) : x ∈ E} .
Il découle alors de la Définition 1.13 et du Théorème 1.9 que le noyau et l’image d’une application
linéaire sont des sous-espaces vectoriels.
Théorème 1.10
Soit f : E −→ F une application linéaire.
Alors Ker(f ) et Im(f ) sont des sous-espaces vectoriels de E et F , respectivement.
Théorème 1.11
Soit f : E −→ F une application linéaire. Alors
byliguel-ist-l2-21/22 15
v21.10.1 CHAPITRE 1. ÉLÉMENTS D’ALGÈBRE LINÉAIRE
Démonstration : 1. Unicité
Soit v ∈ L(E, F ) vérifiant (1.1).
Pn Soit x ∈ E. Comme e est une base de E, il existe des scalaires
α1 , . . . , αn ∈ K tels que x = k=1 αk ek . Par linéarité, on a :
n n n
!
X X X
u(x) = u αk ek = αk u (ek ) = αk fk
k=1 k=1 k=1
et
n n n
!
X X X
v(x) = v αk ek = αk v (ek ) = αk fk .
k=1 k=1 k=1
Par conséquent, u(x) = v(x), ∀x ∈ E, et donc u = v : d’où l’unicité.
2. Existence
On construit une application u : E −→ F satisfaisant (1.1) de Pnla façon suivante. Soit x ∈ E.
Il existe un unique ∈ n tel que x =
Pn n-uplet (λ 1 , . . . , λ n ) K k=1 λk ek . Posons alors u(x) =
λ f . u est bien définie, car le n-uplet (λ , . . . , λ ) ∈ K n est unique. De plus, u est linéaire.
k=1 k kP 1 n
Soit x′ = nk=1 µk ek ∈ E et soient α, β ∈ K. On a αx + βx′ = nk=1 (αλk + βµk ) ek et, par
P
définition de u :
n
X
u αx + βx′ = (αλk + βµk ) fk
k=1
Xn n
X
= αλk fk + βµk fk
k=1 k=1
= αu(x) + βu(x′ )
16 byliguel-ist-l2-21/22
1.2. APPLICATIONS LINÉAIRES v21.10.1
1.2.3.3 Rang
Corollaire 1.6. Soient E et F deux K-espaces vectoriels de dimension finie tels que dim(E) =
dim(F ) et u ∈ L(E, F ). On a équivalence entre
1. u est injective ;
2. u est surjective ;
3. u est un isomorphisme.
Corollaire 1.7. Soient E un K-espace vectoriel de dimension finie, et u ∈ L(E). On a équi-
valence entre :
byliguel-ist-l2-21/22 17
v21.10.1 CHAPITRE 1. ÉLÉMENTS D’ALGÈBRE LINÉAIRE
1. u est injective ;
2. u est surjective ;
3. u est un automorphisme.
Définition 1.17
Soit E un K-espace vectoriel de dimension n et e = (e1 , . . . , en ) une base de E. Si ϕ est une
forme linéaire sur E, on appelle matrice de ϕ relativement à la base e, la matrice ligne 1 × n
donnée par :
Mate (ϕ) = (ϕ (e1 ) , . . . , ϕ (en )) .
18 byliguel-ist-l2-21/22
1.2. APPLICATIONS LINÉAIRES v21.10.1
■ Toute matrice de Mq,p (K) est celle d’une application linéaire u ∈ L(E, F ) dans les bases e
et f .
■ Réciproquement, à toute application linéaire de L(E, F ), correspond une et une seule matrice
Mq,p (K) qui la représente dans les bases e et f .
Il en découle que
Corollaire 1.8. Soient E et F deux K-espaces vectoriels de dimension finie, soient e et f des
bases respectives de E et F . Si on note p = dim(E) et q = dim(F ), on a :
Théorème 1.14
Soient
1. E un K-espace vectoriel de dimension p, et e = (e1 , . . . , ep ) une base de E.
2. F un K-espace vectoriel de dimension q, et f = (f1 , . . . , fq ) une base de F .
3. G un K-espace vectoriel de dimension r, et g = (g1 , . . . , gr ) une base de G.
4. u ∈ L(E, F ) et v ∈ L(F, G).
Alors
Matg←e (v◦u) = Matg←f (v) × Matf ←e (u).
on a Y = AX.
Comme leur nom l’indique, les matrices de changement de bases vont nous permettre de calculer
la matrice d’une application linéaire dans des bases données quand on connaît la matrice de
cette application relativement à d’autres bases.
Définition 1.18 (Matrice de changement de bases)
Soient e = (e1 , . . . , en ) et f = (f1 , . . . , fn ) deux bases du K-espace vectoriel E de dimension
n.
On appelle matrice de passage de f à e (ou matrice de changement de base), et on note
Pf →e , la matrice de la famille (f1 , . . . , fn ) relativement à la base e :
Pf →e = Mate (f1 , . . . , fn ) .
byliguel-ist-l2-21/22 19
v21.10.1 CHAPITRE 1. ÉLÉMENTS D’ALGÈBRE LINÉAIRE
Proposition 1.20 (Formule de changement de base pour une application linéaire). On consi-
dère :
■ e et e′ deux bases du K-espace vectoriel E ;
■ f et f ′ deux bases du K-espace vectoriel F ;
■ u ∈ L(E, F ).
On a la formule de changement de bases
qui s’écrit plus simplement, pour P = Pe→e′ , A = Mate (u) et B = Mate′ (u) :
B = P −1 AP.
1.2.4.3 Un exemple
Soit l’espace vectoriel E = R2 muni de sa base canonique e, et les deux vecteurs f1 = (1, 2) et
f2 = (1, 3).
1. Montrons que la famille f = (f1 , f2 ) constitue une base de E.
Ces deux vecteurs ne sont pas colinéaires, ils forment donc une famille libre de R2 . Enfin,
comme dim (R2 ) = 2, f est forcément une base de E.
On écrit
1 1
Mate (f ) = .
2 3
2. On écrit la matrice de passage
1 1
Pf →e = .
2 3
20 byliguel-ist-l2-21/22
1.3. RÉDUCTION D’ENDOMORPHISMES : DIAGONALISATION v21.10.1
telle que Pf →e × B = I2 .
On obtient un système d’équations linéaires dans R2 , dont la résolution renvoie
3 −1
Pe→f = B = .
−2 1
5. Soit l’endomorphisme
u: E −→ E
(x, y) 7−→ (2x + y, x − y) .
On définit les matrices de cet endomorphisme dans les bases e et f par
2 1
Mate (u) =
1 −1
et
Matf (u) = Pe→f × Mate (u) × Pf →e
3 −1 2 1 1 1
= × ×
−2 1 1 1 2 3
13 17
= .
−9 −12
Le vecteur X est alors appelé vecteur propre associé à la valeur propre λ, et on dit
que le couple (λ, X) est élément propre de A.
L’ensemble des valeurs propres de la matrice A est appelé spectre de A et noté Sp(A).
■ On appelle espace propre de A associé à la valeur propre λ, et on note Eλ , le sous-
byliguel-ist-l2-21/22 21
v21.10.1 CHAPITRE 1. ÉLÉMENTS D’ALGÈBRE LINÉAIRE
Définition 1.21
Soit A ∈ Mn (K).
■ On dit que λ0 est une valeur propre de A d’ordre h ou de multiplicité h si et seulement
si (λ − λ0 )h divise PA (λ) et (λ − λ0 )h+1 ne divise pas PA (λ).
■ Si λ ∈ Sp(A) est de multiplicité 1, on dit qu’il s’agit d’une valeur propre simple, et si
h > 1, on dit qu’on a une valeur propre multiple.
Exemple 1.12. Déterminons les valeurs propres de chacune des matrices suivantes :
−2 0 0
−5 9
A= ; B = −3 1 3
−4 7
−3 3 1
22 byliguel-ist-l2-21/22
1.3. RÉDUCTION D’ENDOMORPHISMES : DIAGONALISATION v21.10.1
■ Pour A ; notons que |A| = 1 et Tr(A) = 2. D’après la Remarque 1.16, le polynôme caractéristique de A
est
PA (λ) = λ2 − λTr(A) + det(A) = λ2 − 2λ + 1
2
= (λ − 1)
On en déduit Sp(A) = {1} et on note que 1 est une valeur propre double de A.
■ Pour B, on a :
−2 − λ 0 0
1−λ 3
PB (λ) = −3 1−λ 3 = (−2 − λ)
3 1−λ
−3 3 1−λ
h i
2 2
= (−2 − λ) (1 − λ) − 9 = (λ + 2) (4 − λ)
D’où Sp(B) = {−2, 4}, (−2) étant une valeur propre double et 4 étant simple.
1 ≤ dim (Eλ0 ) ≤ h.
Plus précisément, on a :
dim (Eλ0 ) = n − rg (A − λIn ) .
Dans le cas particulier d’une valeur propre simple λ0 , on a :
dim (Eλ0 ) = 1.
1.3.2 Diagonalisation
1.3.2.1 Généralités
Définition 1.22
Soient A, B ∈ Mn (K). On dit que les matrices A et B sont semblables lorsqu’il existe
P ∈ GLn (K) telle que
A = P BP −1 , i .e. B = P −1 AP.
Définition 1.23
On dit qu’une matrice A ∈ Mn (K) est diagonalisable s’il existe une matrice diagonale
D ∈ Mn (K) semblable à A ; c’est-à-dire s’il existe P ∈ GLn (K) et D ∈ Mn (K) diagonale,
telles que
A = P DP −1 i .e. D = P −1 AP.
Diagonaliser la matrice A, c’est trouver les matrices P et D telles que définies ci-dessus.
Théorème 1.15
Soit A ∈ Mn (K).
Si A admet n valeurs propres distinctes, alors A est diagonalisable.
Auquel cas, la matrice diagonale D semblable à A est définie par
D = diag (λ1 , . . . , λn ) , avec {λ1 , . . . , λn } = Sp(A).
Et la matrice de passage P est définie par les vecteurs propres respectives associés aux λi ,
disposés dans le même ordre que le sont les valeurs propres dans D.
byliguel-ist-l2-21/22 23
v21.10.1 CHAPITRE 1. ÉLÉMENTS D’ALGÈBRE LINÉAIRE
Remarque 1.17. Le Théorème précédent constitue une condition suffisante mais pas néces-
saire.
Autrement dit, dès qu’une matrice carrée d’ordre n admet n valeurs propres distinctes, on
conclut qu’elle est diagonalisable. Cependant, une matrice carrée d’ordre n peut être diagonali-
sable, bien qu’admettant des valeurs propres pas toutes distinctes.
Une condition nécessaire et suffisante de diagonalisabilité est donnée par le Théorème suivant.
Théorème 1.16
Pour A ∈ Mn (K), soient λ1 , . . . , λm les valeurs propres distinctes de A, de multiplicité
respectives h1 , . . . , hm , et Eλ1 , . . . , Eλm les sous-espace propres correspondants.
Alors, A est diagonalisable si et seulement si
h1 + h2 + · · · + hm = n
Remarque 1.18. Une valeur propre λi de A, de multiplicité hi , est présente hi fois dans
la matrice diagonale D semblable à A, et compte hi vecteur(s) propre(s) dans la matrice de
passage P , qui pour rappel, doivent être disposés dans le même ordre que celui des valeurs
propres correspondants dans D.
∀m ∈ N, Am = P Dm P −1 .
24 byliguel-ist-l2-21/22
Chapitre 2
2.1.1 Définitions
Soit une suite de nombres réels ou complexes que l’on note (un )n∈N (ou encore (un )n≥0 , voire
(un )). On s’intéresse à la suite (Sn )n∈N des sommes partielles
n
X
Sn = uk .
k=0
Par définition, on dit que la série de terme général un , que l’on notera {un }n∈N , (ou encore
{un }), converge si et seulement si la suite (Sn )n∈N converge.
On dit que la série {un }n∈N diverge si et seulement si elle ne converge pas, c’est-à-dire que la
série {un }n∈N et la suite (Sn )n∈N convergent ou divergent simultanément.
Étudier la nature de la série {un }n∈N , c’est dire si elle converge ou non.
Dans le cas où la série {un }n∈N converge, la limite de la suite de sommes partielles S =
limn→+∞ Sn est appelée somme de la série {un }n∈N , et on note
+∞
X X
S= un ou encore S= un .
n=0 n≥0
25
v21.10.1 CHAPITRE 2. SÉRIES À TERMES POSITIFS
■ Soit (an )n∈N une suite de nombres réels. On pose u0 = a0 et un = an − an−1 pour n ≥ 1.
Alors la suite (an )n∈N et la série {un }n∈N sont de même nature.
Si elles convergent, la limite de la suite (an )n∈N est égale à la somme de la série {un }n∈N .
Remarque 2.1.
1. Soit
{un }n∈N une série à termes réels, et σ une bijection de N sur N. Les séries {un }n∈N
et uσ(n) n∈N ne sont pas, en général de même nature.
2. Soit (un )n∈N une suite de nombres réels et n0 un entier naturel. Les séries {un }n∈N et
{un+n0 }n∈N sont de même nature (mais si elles convergent, leurs sommes sont en général
distinctes).
La série de terme général un0 +n se note également {un }n≥n0 .
Si elle converge, sa somme est la limite de la suite
n
! +∞
X X
uk , notée un .
k=n0 n≥n0 n=n0
Ce sont les séries de terme général un = axn , avec a ̸= 0. On appelle x la raison de la série, et
on a les résultats suivants :
■ si |x| < 1, la série converge et l’on a
+∞
X a
axn = ;
n=0
1−x
Par définition, la série produit de {un }n∈N par λ est {λun }n∈N .
Si λ ̸= 0, les séries {un }n∈N et {λun }n∈N sont de même nature.
+∞
X +∞
X
Si la série {un }n∈N converge, on a : λun = λ un .
n=0 n=0
26 byliguel-ist-l2-21/22
2.1. GÉNÉRALITÉS SUR LES SÉRIES NUMÉRIQUES v21.10.1
Par définition, la série somme de {un }n∈N et {vn }n∈N est la série de terme général wn = un + vn .
■ Si les séries {un }n∈N et {vn }n∈N convergent, alors la série {wn }n∈N converge et
+∞
X +∞
X +∞
X
wn = un + vn .
n=0 n=0 n=0
■ Si l’une des deux séries {un }n∈N ou {vn }n∈N est divergente et l’autre convergente, alors
{wn }n∈N diverge.
■ Si les deux séries {un }n∈N et {vn }n∈N sont divergentes, alors on ne peut pas conclure, tout
est possible. En effet, il suffit de prendre une série {un }n∈N divergente :
▶ si l’on pose vn = un , la somme {wn }n∈N = 2{un }n∈N est divergente ;
▶ si l’on pose vn = −un , alors wn = un − un = 0, soit {wn }n∈N = (0) et dans ce cas, la
somme des deux séries divergentes {un }n∈N et {vn }n∈N converge.
En somme, on vient de munir l’ensemble des séries convergentes à termes réels d’une loi de
composition interne (l’addition) et d’une loi de composition externe (la multiplication par un
scalaire) qui lui confèrent une structure de R-espace vectoriel.
Ce critère, qui découle du critère de Cauchy pour les suites est surtout utile dans les exercices
théoriques, il présente l’avantage d’être une condition nécessaire et suffisante de convergence.
byliguel-ist-l2-21/22 27
v21.10.1 CHAPITRE 2. SÉRIES À TERMES POSITIFS
Théorème 2.2
Pour qu’une série à termes positifs {un }n∈N soit convergente, il faut et il suffit que la suite
des sommes partielles (Sn )n∈N soit majorée, c’est-à-dire qu’il existe un réel A tel que pour
tout entier n, on ait :
Xn
uk ≤ A.
k=0
2. S’il existe deux nombres positifs A et B et un entier n0 , tels que pour tout n ≥ n0 , on ait
un
0<A≤ ≤ B, les deux séries {un }n∈N et {vn }n∈N sont de même nature.
vn
un
3. S’il existe un réel positif K tel que lim = K > 0 les deux séries {un }n∈N et {vn }n∈N
n→+∞ vn
sont de même nature.
4. Le cas particulier où K = 1 donne le résultat très utile suivant : si, lorsque n tend vers
+∞, un et vn sont équivalents, (c’est-à-dire si un = vn (1 + ε(n)), où lim ε(n) = 0), les
n→+∞
deux séries sont de même nature.
un+1 vn+1
5. S’il existe n0 tel que, pour tout n ≥ n0 , on ait ≤ , alors on a
un vn
Une règle de comparaison très utile sera vue plus tard, en relation avec les intégrales
généralisées.
Remarque 2.3 (Attention ! ). Les énoncés ci-dessus ne sont valables que pour les séries à
termes positifs.
28 byliguel-ist-l2-21/22
2.2. SÉRIES À TERMES POSITIFS v21.10.1
1 1
1. un = ; 3. wn = ;
n2 n (n + log(n))
1 log(n)
2. vn = √ ; 4. zn = .
n+1 n
De la comparaison d’une série à termes positifs avec une série géométrique, on déduit deux
méthodes, utiles dans certains cas, mais dont il est bon de connaître les écueils.
Règle de Cauchy
Soit {un }n∈N une série à termes positifs. On suppose que
√
lim n
un = q,
n→+∞
Règle de d’Alembert
Soit {un }n∈N une série à termes positifs. On suppose que
un+1
lim = q,
n→+∞ un
byliguel-ist-l2-21/22 29
v21.10.1 CHAPITRE 2. SÉRIES À TERMES POSITIFS
Remarque 2.4.
1. La réciproque de cette dernière propriété est fausse.
un+1 √
2. Les Règles de Cauchy et de d’Alembert ne sont valides que si lim et lim n un
n→+∞ un n→+∞
existent.
3. La divergence d’une série à termes positifs n’a lieu que dans le cas où lim Sn = +∞.
n→+∞
4. L’étude des séries dont tous les termes sont négatifs à partir d’un certain rang, se ramène
évidemment à celle des séries à termes positifs (les séries {un }n∈N et {−un }n∈N sont de
même nature).
5. Il est très important de ne pas confondre le Critère de Cauchy et la Règle de Cauchy.
Exemple 2.3. Étudions la nature des séries suivantes :
2n − 1
3n
2n+1
1. un = √ n ; 2. vn = .
2 4n − 1
2.3.1 Définition
On dit que l’intégrale généralisée (du premier type), de la fonction f sur l’intervalle non borné
[a, +∞[, converge, si la fonction Z x
x 7−→ f (t) dt
a
admet une limite finie quand x → +∞.
Si la fonction f est positive, l’application
Z x
x 7−→ F (x) = f (t) dt
a
est croissante et l’intégrale généralisée de f sur [a, +∞[ converge dès que la fonction F est
bornée sur l’intervalle [a, +∞[.
30 byliguel-ist-l2-21/22
2.4. INTÉGRALES GÉNÉRALISÉES DE FONCTIONS POSITIVES v21.10.1
Par définition, une intégrale généralisée qui ne converge pas est dite divergente. On se pose en
général le problème de connaître la nature d’une intégrale généralisée, c’est-à-dire déterminer
si cette intégrale converge ou diverge.
Remarque 2.5.
1. Soit a′ > a, un nombre réel. Les intégrales généralisées, de f sur [a, +∞[ et sur [a′ , +∞[,
sont de même nature.
2. Soit λ ∈ R∗ , les intégrales généralisées de f et de λf sur [a, +∞[ sont de même nature.
3. Comme dans le cas des séries, on va développer certaines méthodes d’étude. Une fonction
peut être intégrable, comme on le sait, sans que sa primitive ne soit calculable au moyen
des fonctions élémentaires, on verra alors que l’on peut cependant déterminer la nature de
l’intégrale généralisée de telles fonctions. Dans le cas où, en revanche, l’on peut calculer
explicitement la primitive de la fonction f , on pourra être amené à déterminer la nature
de l’intégrale généralisée en prenant la limite
Z b
lim f (t) dt
b→+∞ a
Pour que l’intégrale généralisée de f sur [a, +∞[ soit convergente, il faut et il suffit que
Z d
∀ε > 0, ∃A tel que ∀b, ∀d, avec d ≥ b ≥ A on a : f (x) dx < ε.
b
Il s’agit d’étudier la nature des intégrales généralisées des fonctions x−α , (α ∈ R), sur l’intervalle
[a, +∞[ avec a > 0. On étudie directement
Z b
dx
lim
b→+∞ a xα
byliguel-ist-l2-21/22 31
v21.10.1 CHAPITRE 2. SÉRIES À TERMES POSITIFS
■ Pour α = 1, on a
b
dx
Z
α
= log(b) − log(a),
a x
dont la limite est infinie lorsque b → +∞.
■ Pour α ̸= 1, il vient
Z b −α+1 b
dx x b−α+1 − a−α+1
= = ;
a x
α −α + 1 a −α + 1
1
on en déduit, après passage à la limite, que l’intégrale généralisée de sur [a, +∞[
xα
▶ converge si α > 1 ;
▶ diverge si α ≤ 1.
Théorème 2.5
Soit f une fonction positive, continue sur [a, +∞[ ; pour que l’intégrale généralisée de f sur
[a, +∞[ converge, il faut et il suffit qu’il existe A, tel que pour tout b > a, on ait
Z b
f (x) dx < A.
a
2. Si lorsque x → +∞, les fonctions f et g sont équivalentes, alors les intégrales généralisées
de f et de g sur [a, +∞[ sont de même nature.
Théorème 2.6
Soit a un entier naturel et f une fonction positive, continue et décroissante sur [a, +∞[.
La série (f (n))n≥a et l’intégrale généralisée de f sur l’intervalle [a, +∞[ sont de même nature.
Certains exercices utilisent ce dernier théorème mais il faut surtout citer l’exemple fondamental
suivant.
32 byliguel-ist-l2-21/22
2.5. RELATIONS ENTRE SÉRIES ET INTÉGRALES v21.10.1
byliguel-ist-l2-21/22 33
Chapitre 3
Il est indispensable de connaître les généralités sur les séries et sur les intégrales étendues à
des intervalles non bornés vues au Chapitre précédent, pour aborder ce deuxième Chapitre. On
verra ici plus particulièrement les méthodes d’études des séries numériques, lorsque celles-ci ne
sont pas à termes positifs et des séries à termes complexes.
Définition
Une série {un }n∈N à termes réels ou complexes est dite absolument convergente, si la série
des modules {|un |}n∈N converge.
Théorème 3.1
Une série à termes réels ou complexes {un }n∈N absolument convergente est convergente et
on a :
X X
un ≤ |un | .
n≥0 n≥0
Remarque 3.1.
1. La réciproque du Théorème n’est pas vraie.
2. On pourra appliquer à la série {|un |}n∈N tous les résultats relatifs aux séries à termes
positifs.
34
3.2. MÉTHODES D’INVESTIGATION v21.10.1
3. Pour une série à termes réels positifs, il n’y a pas de distinction entre convergence et
absolue convergence.
4. La nouveauté de ce Chapitre est essentiellement l’étude des séries convergentes, non ab-
solument convergentes, on dit de ces séries qu’elles sont semi-convergentes.
■ Règle de Cauchy
On note p
n
lim |un | = q.
n→+∞
On a :
▶ si q < 1, alors la série converge absolument ;
▶ si q > 1, alors la série diverge ;
▶ si q = 1, on ne peut pas conclure.
■ Règle de d’Alembert
On note
un+1
lim = q.
n→+∞ un
On a :
▶ si q < 1, alors la série converge absolument ;
▶ si q > 1, alors la série diverge ;
▶ si q = 1, on ne peut pas conclure.
Théorème 3.2
Soit {un }n∈N une série dont le terme général, réel ou complexe, s’écrit sous la forme un =
an bn .
On suppose que
byliguel-ist-l2-21/22 35
v21.10.1 CHAPITRE 3. SÉRIES À TERMES RÉELS OU COMPLEXES
n
X
2. il existe K ∈ R, tel que pour tout n : bk ≤ K.
k=1
Alors la série {un }n∈N est convergente.
Par définition une série à termes réels est dite alternée si son terme général s’écrit un =
(−1)n an , an ∈ R+ .
En appliquant le Théorème 3.2 aux séries alternées, on obtient une condition nécessaire de
convergence des séries alternées, qui sera très utile dans les exercices.
Théorème 3.3
Si la suite (an )n∈N∗ est décroissante à partir d’un certain rang, et tend vers 0, la série alternée
dont le terme général s’écrit un = (−1)n an est convergente.
3.4.1 Définition
Soit {un }n∈N une série convergente dont on note la somme S. On met en évidence la somme
des n premiers termes de la série {un }n∈N par
+∞
X n
X +∞
X
S= uk = uk + uk
k=1 k=1 k=n+1
= Sn + R n , R n = S − Sn .
Par définition, on dira que Rn est le reste d’indice n de la série {un }n∈N .
3.4.2 Propriétés
1. Rn est la somme de la série convergente (uk )k≥n+1 .
2. Si l’on prend n assez grand, on peut rendre Rn aussi petit que l’on veut.
Dans beaucoup de problèmes, il est important de déterminer la somme d’une série, et le plus
souvent, on ne peut effectuer qu’un calcul approché.
36 byliguel-ist-l2-21/22
3.4. RESTE D’UNE SÉRIE CONVERGENTE v21.10.1
Il est donc en pratique très intéressant de majorer ce reste en fonction de n. En effet, si l’on se
donne α comme marge d’erreur, on détermine n pour que |Rn | < α. On dit que Sn approche la
somme de la série avec une marge d’erreur inférieure à α.
Dans le cas général, on majore le reste de la série donnée, soit par celui d’une série géométrique,
soit par celui d’une série de Riemann.
un+1
■ Cas où la limite lim est connue, ou majorée
n→+∞ un
un+1
Si lim < α < 1, alors il existe n0 tel que
n→+∞ un
un+1
∀n ≥ n0 , ≤ α < 1.
un
|un0 +k | ≤ αk |un0 | .
■ Enfin, dans le cas des séries alternées, on a une évaluation très simple du reste
|Rn | ≤ |un+1 | .
On connaît, bien sûr, le sens de l’erreur, selon le signe du premier terme du reste
▶ si un+1 > 0, alors S − Sn > 0 : la valeur de S est donc calculée par défaut ;
▶ si un+1 < 0, alors S − Sn < 0 : la valeur de S est calculée par excès.
byliguel-ist-l2-21/22 37
Chapitre 4
4.1.1 Définitions
Définition 4.1
Une suite de fonctions définies sur une partie I de K est une application de N dans l’ensemble
des fonctions F(I, K). Ainsi, à n ∈ N, on fait correspondre la fonction fn .
La suite sera dite de terme général fn et on la notera (fn )n≥0 , ou plus simplement (fn ).
Ainsi, pour toute valeur fixée x ∈ I, la suite (fn (x)) est une suite numérique dont on peut
étudier la convergence. Cela conduit à la définition de convergence simple (ou ponctuelle)
de la suite (fn ).
Définition 4.2
Soit (fn ) une suite de fonctions définies sur une partie I de K.
Si pour tout x ∈ I, la suite numérique (fn (x)) converge, on dit que la suite de fonctions
(fn ) converge simplement (ou pnctuellement) dans I.
38
4.1. SUITES DE FONCTIONS v21.10.1
Remarque 4.1.
1. Ici, N (ε, x) dépend de ε mais aussi de x.
2. S’il existe N (ε) = sup N (ε, x), vérifiant la définition ci-dessus, on aborde une notion plus
x∈I
globale concernant la convergence de la suite de fonctions (fn ) : celle de convergence
uniforme.
fn (x) = xn , ∀n ∈ N.
On a :
(a) si x ∈ [0, 1[, alors lim (xn ) = 0 ;
n→+∞
n
(b) si x = 1, alors lim (x ) = 1.
n→+∞
On en déduit que la suite (fn )n≥0 converge simplement sur I = [0, 1] vers la fonction f
définie par
0, si x ∈ [0, 1[,
f (x) =
1, si x = 1.
x
2. Pour x ∈ R+ et n ∈ N∗ , on pose gn (x) = .
n+x
Alors, étant clair que
x
∀x ∈ R+ , lim gn (x) = lim = 0,
n→+∞ n→+∞ n+x
on conclut donc que la suite de fonctions (gn )n≥1 converge simplement sur I = R+ vers
la fonction nulle.
Définition 4.3
Soit (fn ) une suite de fonctions définies sur une partie I de K.
Si
lim sup |fn (x) − f (x)| = 0,
n→+∞ x∈I
on dit que la suite (fn ) converge uniformément sur I, ce qui se traduit par
Remarque 4.2.
1. Si une suite de fonctions (fn ) est uniformément convergente sur I, elle converge simple-
ment sur I. La réciproque est fausse.
2. Si une suite de fonctions est uniformément convergente sur un nombre fini d’intervalles,
la convergence est uniforme sur leur réunion.
3. Dans les Définitions 4.2 et 4.3, il est important de faire attention à l’ordre d’apparition
de la condition “ ∀x ∈ I”.
byliguel-ist-l2-21/22 39
v21.10.1 CHAPITRE 4. SUITES ET SÉRIES DE FONCTIONS
4. Dans la Définition 4.3, il faut comprendre qu’il s’agit de la limite de la borne supérieure
de la différence |fn (x) − f (x)| et en aucun cas d’une limite supérieure !
x
Exemple 4.2. 1. Pour x ∈ [0, 1] et n ∈ N∗ , on pose fn (x) = .
n
Soit n ∈ N∗ ; pour tout x ∈ [0, 1], on a
x 1
|fn (x)| = ≤ ,
n n
1
avec |fn (x)| = lorsque x = 1. C’est-à-dire
n
1
sup (|fn (x)|) = −→ 0,
x∈[0,1] n n→+∞
ce qui permet de conclure que la suite de fonction (fn )n≥1 converge uniformément, sur
l’intervalle [0, 1], vers la fonction nulle.
x
2. Pour x ∈ R+ et n ∈ N∗ , on pose gn (x) = .
n
Dans ce second cas, on a, pour tout n ∈ N∗ et tout x ∈ R+ , que
x
|gn (x)| = ,
n
mais comme ici x ∈ R+ , on a
x
sup (|gn (x)|) = sup = +∞,
x∈R+ x∈R+ n
et donc lim sup (|gn (x)|) = +∞, d’où la suite ici n’est pas uniformément convergente.
n→+∞ x∈R+
4.1.2.1 Continuité
Théorème 4.1
Soit (fn )n∈N une suite de fonctions continues sur une partie I de K.
Si la suite (fn )n∈N converge uniformément sur I vers une limite f , alors f est continue sur
I.
Remarque 4.3.
1. La continuité étant une propriété locale, le théorème peut s’énoncer d’une autre façon
équivalente.
Si une suite de fonctions définies et continues sur un intervalle I ⊂ R converge unifor-
mément vers une fonction f sur tout intervalle fermé borné inclus dans I, alors f est
continue sur I.
2. Ce théorème est souvent utilisé pour montrer que la convergence n’est pas uniforme, dans
le cas où les fonctions fn sont continues et où la limite f elle, ne l’est pas.
40 byliguel-ist-l2-21/22
4.1. SUITES DE FONCTIONS v21.10.1
4.1.2.2 Intégration
Théorème 4.2
Soit (fn )n∈N une suite de fonctions définies sur un intervalle [a, b] ⊂ R, intégrables sur
l’intervalle [a, b] ; si cette suite converge uniformément sur [a, b] vers une limite f , alors
1. f est intégrable ;
Z b Z b Z b
2. lim fn (x) dx = lim fn (x) dx = f (x) dx.
n→+∞ a a n→+∞ a
Remarque 4.4. On dit que l’on peut intervertir les opérations de passage à la limite et d’in-
tégration.
4.1.2.3 Dérivation
Théorème 4.3
Soit (fn )n∈N une suite de fonctions réelles définies sur un intervalle I ⊂ R, vérifiant les
hypothèses suivantes :
1. pour tout n, fn est dérivable à dérivée continue sur I ;
2. il existe au moins un point x0 ∈ I tel que la suite (fn (x0 )) converge ;
3. la suite (f ′ n )n∈N converge uniformément sur I.
Alors
1. la suite (fn )n∈N converge uniformément sur I,
2. la limite de (fn )n∈N est dérivable et pour tout x ∈ I,
′
lim fn (x) = lim f ′ n (x).
n→+∞ n→+∞
Remarque 4.5.
1. La notion de dérivée étant une propriété locale, on peut prendre comme hypothèse (3), la
convergence uniforme de la suite (f ′ n )n∈N sur tout intervalle fermé borné inclus dans I.
Cela entraîne la convergence uniforme de (fn )n∈N sur tout intervalle fermé borné inclus
dans I, et la dérivabilité de la limite de (fn )n∈N pour tout x ∈ I.
2. Il faut bien voir que c’est la suite des (f ′ n )n∈N qui doit converger uniformément, pour qu’il
y ait passage à la limite de la dérivation.
Une condition nécessaire et suffisante pour qu’une suite de fonctions réelles ou complexes (fn )n∈N
converge uniformément sur une partie I de K, est que l’on ait :
∀ε > 0, ∃ N (ε), ∀n > N (ε), ∀m > N (ε), ∀x ∈ I : |fn (x) − fm (x)| < ε.
byliguel-ist-l2-21/22 41
v21.10.1 CHAPITRE 4. SUITES ET SÉRIES DE FONCTIONS
4.2.1 Définitions
On note encore {fn }n∈N la série de fonctions de terme général fn , et I une partie de K.
Définition 4.4
On dit que la série de fonctions {fn }n∈N converge simplement (ou ponctuellement)
sur I si et seulement si la suite de fonctions (Sn )n∈N converge simplement sur I.
Connaissant les séries numériques, on peut dire que la série de fonctions {fn }n∈N converge
simplement sur I, si et seulement si, pour tout x0 fixé dans I, la série numérique (fn (x0 ))n≥0
converge.
Sur les domaines où il y a convergence simple de la série de fonctions {fn }n∈N , on appelle
somme de la série, la fonction S définie par
n
X
∀x ∈ I, S(x) = lim Sn (x) = lim fk (x).
n→+∞ n→+∞
k=0
Définition 4.5
On dit que la série de fonctions {fn }n∈N converge uniformément sur I si et seulement
si la suite de fonctions (Sn )n∈N converge uniformément sur I, ou encore :
Remarque 4.6.
1. Si une série de fonctions {fn }n∈N est uniformément convergente sur I, elle converge
simplement sur I, la réciproque est fausse.
2. Les remarques faites dans le cas des séries numériques, en ce qui concerne les premiers
indices de sommation sont encore valables. On pourra être amené à ne considérer les
termes de la série qu’à partir d’un rang n0 > 0.
Définition 4.6
On dit que la série de fonctions {fn }n∈N converge absolument sur I si et seulement si la
42 byliguel-ist-l2-21/22
4.2. SÉRIES DE FONCTIONS v21.10.1
Une condition nécessaire et suffisante pour qu’une série de fonctions réelles ou complexes
{fn }n∈N converge uniformément sur I est que
m
X
∀ε > 0, ∃ N (ε), ∀n > N (ε), ∀m > N (ε), ∀x ∈ I : fk (x) < ε.
k=n+1
Remarque 4.7. Une condition nécessaire de convergence uniforme sur I d’une série de fonc-
tions {fn }n∈N est que la suite de fonctions (fn )n∈N converge uniformément vers 0 sur I.
Comme dans le cas des séries numériques, on utilise ce résultat le plus souvent dans le cas où
le terme général ne tend pas uniformément vers 0 sur I.
Théorème 4.4
Si une série de fonctions {fn }n∈N est normalement convergente sur I, alors elle est absolu-
ment et uniformément convergente sur I.
Les résultats que nous allons donner ici sont la transposition de ceux énoncés pour les suites
de fonctions.
4.2.4.1 Continuité
Théorème 4.5
Soit {fn }n∈N une série de fonctions continues sur une partie I de K ; si cette série converge
uniformément sur I, alors sa somme est continue sur I.
Remarque 4.9. Il suffit de montrer la convergence sur tout intervalle fermé borné inclus dans
I, pour pouvoir conclure à la continuité de la somme.
byliguel-ist-l2-21/22 43
v21.10.1 CHAPITRE 4. SUITES ET SÉRIES DE FONCTIONS
4.2.4.2 Intégration
Théorème 4.6
Soit {fn }n∈N une série de fonctions réelles, intégrables sur un intervalle [a, b] ; si cette série
converge uniformément sur [a, b], on a :
+∞
X
1. fk est intégrable sur [a, b] ;
k=0
+∞
! +∞ Z
Z b X X b
2. fk (x) dx = fk (x) dx .
a k=0 k=0 a
4.2.4.3 Dérivation
Théorème 4.7
Soit {fn }n∈N une série de fonctions réelles définies sur un intervalle I de R, vérifiant les
hypothèses suivantes :
1. pour tout n, fn est dérivable à dérivée continue sur le domaine I ;
2. il existe au moins un point x0 ∈ I tel que la série numérique de terme général fn (x0 )
converge ;
3. la série {f ′ n }n∈N converge uniformément sur I.
Alors
1. la série {fn }n∈N converge uniformément sur I,
2. la somme de {fn }n∈N est dérivable et pour tout x ∈ I, on a
+∞
!′ +∞
X X
fk (x) = f ′ k (x).
k=0 k=0
Remarque 4.10.
1. Dans tous les cas où il s’agit de continuité (resp. dérivabilité) sur un intervalle I = [a, b]
fermé, on suppose qu’il y a continuité (resp. dérivabilité) à droite en a et à gauche en b.
2. La notion de dérivée étant une propriété locale, on peut prendre comme hypothèse (3), la
convergence uniforme de la série {f ′ n }n∈N sur tout intervalle fermé borné inclus dans I.
Cela entraîne la convergence uniforme de {fn }n∈N sur tout intervalle fermé borné inclus
dans I, et la dérivabililté de la somme de {fn }n∈N pour tout x ∈ I.
3. Il faut bien voir que c’est la série des fonctions dérivées qui doit converger uniformément
pour qu’il y ait passage à la limite de la dérivation.
4. On dit encore que l’on peut dériver terme à terme.
44 byliguel-ist-l2-21/22
4.2. SÉRIES DE FONCTIONS v21.10.1
∃ A, ∀x ∈ I, ∀n ∈ N, |Sn (x)| ≤ A.
Remarque 4.11. On utilisera le plus souvent un cas particulier important, appelé critère
de convergence uniforme d’Abel, c’est le cas où an (x) est une suite numérique à termes
positifs, indépendante de x. Les conditions (1) et (2) se réduisent alors à : “la suite (an )n∈N
décroît et tend vers 0 lorsque n → +∞”.
byliguel-ist-l2-21/22 45
Chapitre 5
Séries entières
Les séries entières sont des séries de fonctions particulières, où le terme général est de la forme
un (z) = an z n , avec z réel ou complexe, et (an )n∈N une suite de nombres réels ou complexes.
Nous leur appliquerons les résultats vus dans les chapitres précédents. En outre, certaines
propriétés plus spécifiques seront mises en évidence. Elles concernent le domaine de conver-
gence.
On étudiera les techniques qui permettent de développer, lorsque c’est possible, certaines fonc-
tions en série entière.
Dans le cas des séries entières, on se permettra l’abus de langage qui consiste à appeler {an z n }
la série entière dont le terme général est l’application z 7−→ an z n .
5.1.1 Définitions
Dès que l’on étudie une série de fonctions, il est indispensable de déterminer son domaine de
convergence. Dans le cas des séries entières, les propriétés de ce domaine sont très intéressantes.
Définition 5.1
On appelle série entière de la variable complexe z, une série de fonctions dont le terme
général s’écrit un (z) = an z n , n ∈ N, où les an appelés coefficients de la série, sont des
nombres complexes.
Théorème 5.1
Soit {an z n } une série entière.
Il existe un unique réel R ∈ R+ = R+ ∪ {+∞} qui vérifie :
■ pour |z| < R, la série est absolument convergente ;
■ pour |z| > R, la série est divergente.
46
5.1. DOMAINE DE CONVERGENCE v21.10.1
Définition 5.2
On appelle rayon de convergence de la série entière {an z n } le nombre R ∈ R+ dont le
Théorème 5.1 assure l’existence et l’unicité.
La démonstration du Théorème 5.1 est basée sur le Lemme d’Abel que nous énonçons ci-dessous
pour intérêt intrinsèque ; on l’utilise dans des exercices théoriques.
Lemme 5.1 (Lemme d’Abel). S’il existe z0 tel que la suite (an z0n ) soit bornée, (ce qui est réalisé,
en particulier lorsque la série converge en z0 ), alors la série entière {an z n } est absolument
convergente pour tout z tel que |z| < |z0 |.
Définition 5.3
Dans le cas complexe, on appelle disque de convergence le disque ouvert défini par
|z| < R.
Dans le cas réel (un (x) = an xn , x ∈ R), on appelle intervalle de convergence l’intervalle
ouvert défini par |x| < R.
Théorème 5.2
Soit {an z n } une série entière de rayon de convergence R.
Pour tout r vérifiant 0 ≤ r < R, la série est normalement convergente (et donc uniformément
convergente) dans le disque fermé défini par
D(0, r) = {z ∈ C : |z| ≤ r} .
Remarque 5.2.
1. À l’extérieur du disque de convergence (|z| > R), le module du terme général d’une série
entière n’est pas borné.
2. Si R = 0, la série entière ne converge que pour z = 0, par exemple un (z) = n!z n .
zn
3. Si R = +∞, la série entière converge pour tout z complexe, par exemple un (z) = n!
.
4. On ne peut rien dire a priori sur la nature de la série sur le cercle de convergence |z| = R,
(dans le cas réel, aux bornes de l’intervalle de convergence). On verra par des exemples
que tout peut se produire, il faudra à chaque fois étudier séparément le cas des bornes.
On appliquera les Règles de d’Alembert et de Cauchy à la série des modules pour déterminer
le rayon de convergence.
Le plus souvent les résultats suivants suffiront.
byliguel-ist-l2-21/22 47
v21.10.1 CHAPITRE 5. SÉRIES ENTIÈRES
p 1
■ Si lim n
|an | = l, alors R = .
n→+∞ l
an+1 1
■ Si lim = l, alors R = .
n→+∞ an l
Soient λ et µ deux nombres complexes, on étudie la série entière combinaison linéaire des deux
précédentes de terme général wn (z) = λan z n + µbn z n . On note R′′ le rayon de convergence de
{wn (z)}.
La série entière {λan z n + µbn z n } converge absolument pour |z| < min (R, R′ ).
Si R ̸= R′ , on exactement R′′ = min (R, R′ ), et la somme de la série {wn (z)} est donnée par
h(z) = λf (z) + µg(z).
Si R = R′ , on a alors R′′ ≥ R. On verra dans les exercices les différents cas qui peuvent se
produire.
5.3.1 Continuité
Théorème 5.3
La somme d’une série entière {an z n } de rayon de convergence R ̸= 0, est une fonction
continue de z à l’intérieur du disque de convergence, (pour tout |z| < R).
48 byliguel-ist-l2-21/22
5.3. PROPRIÉTÉS ANALYTIQUES v21.10.1
Remarque 5.4. On verra dans les exercices, que sur le cercle de convergence (|z| = R), il faut
étudier chaque cas séparément pour déterminer la nature de la série.
f (z) − f (z0 )
lim existe.
z→z0 z − z0
On note f ′ (z0 ) cette limite.
On dit que f est dérivable dans D si elle est dérivable au sens complexe en tout point de
D. On dira aussi que f est holomorphe dans D.
Remarque 5.5. On utilisera les propriétés naturelles des fonctions complexes, dérivables au
sens complexe
■ dans les domaines où elles sont dérivables, la somme et le produit de fonctions dérivables
sont dérivables et vérifient
(λf + µg)′ (z) = λf ′ (z) + µg ′ (z),
(f g)′ (z) = f ′ (z)g(z) + f (z)g ′ (z);
■ dans les domaines où elle est définie, la composée de deux fonctions dérivables est dérivable
et vérifie
(g◦f )′ = g ′ (f (z)) f ′ (z).
Théorème 5.5
Soit {an z n } une série entière de rayon de convergence R > 0 ; soit f (z) la somme de cette
série dans le disque ouvert de convergence.
La fonction f est dérivable et sa dérivée est la somme de la série entière de terme général
nan z n−1 (pour n ≥ 1) dont le rayon de convergence est également R.
Remarque 5.6.
1. Si l’on itère l’opération de dérivation d’une série entière {an z n } à l’intérieur du disque
de convergence, les séries successives obtenues convergent vers les dérivées successives de
f (z), dans le même disque de convergence.
byliguel-ist-l2-21/22 49
v21.10.1 CHAPITRE 5. SÉRIES ENTIÈRES
2. La somme d’une série entière est donc indéfiniment dérivable à l’intérieur du disque
de convergence, et si le rayon de convergence est strictement positif, on a la relation :
f (n) (0) = n!an .
3. On dit aussi que l’on peut dériver terme à terme une série entière dans son disque de
convergence.
4. Contrairement au cas général des séries de fonctions, le Théorème 5.5 ne nécessite pas
d’étudier la série dérivée “terme à terme” pour conclure à la validité de la dérivation terme
à terme.
5. Cependant ici encore sur le cercle de convergence |z| = R, il faut faire une étude particu-
lière.
On suppose maintenant que la série entière {an xn } est à termes réels, on note I = ]−R, +R[,
son intervalle de convergence et f (x) sa somme.
Théorème 5.6
an n+1
La série entière de terme général x obtenue en intégrant terme à terme la série
n+1
n
entière de terme général an x , a même intervalle de Z
convergence I = ]−R, +R[, que la série
x
donnée, et la fonction somme est égale à l’intégrale f (t) dt.
0
Remarque 5.7.
1. On peut évidemment itérer l’opération d’intégration sans condition supplémentaire.
2. D’après le résultat concernant la série de dérivée, le rayon de convergence de la série de
primitives est égal au rayon de convergence de la série initiale.
3. On peut formellement, dans le cas complexe, prendre la primitive de an z n qui s’annule en
an z n+1
0, on obtient .
n+1
Cette opération permet de définir la série des primitives d’une série entière complexe.
5.4.1 Définition
Soit f (z) une fonction définie dans un voisinage D de l’origine, c’est-à-dire sur une partie D de
C qui contient un disque de rayon strictement positif, centré en l’origine.
50 byliguel-ist-l2-21/22
5.4. DÉVELOPPEMENT EN SÉRIE ENTIÈRE v21.10.1
On dit que cette fonction est developpable en série entière dans D s’il existe une série
entière {an z n } de rayon de convergence non nul, dont elle est la somme dans D.
+∞
X
∀z ∈ D : f (z) = ak z k .
k=0
Une condition nécessaire d’existence d’un Développement en série entière d’une fonction f est
que cette fonction soit indéfiniment dérivable.
Dans ce cas, la série entière cherchée ne peut que coïncide avec le développement en série de
Taylor de f (z) à l’origine, que l’on appelle encore développement de Mac-Laurin de la fonction.
On forme donc la série de Mac-Laurin
+∞ (k)
X f (0)
zk
k=0
k!
Remarque 5.8. Dans le domaine réel on n’a pas de “bon” critère qui affirme la possibilité ed
développement en série entière.
Théorème 5.7
Pour qu’une fonction f (z) définie dans un voisinage complexe D de l’origine, soit dévelop-
pable en série entière dans ce domaine, il faut et il suffit
1. qu’elle soit indéfiniment dérivable dans D, au sens complexe, et
+∞
X f (k) (0) k
2. que le reste Rn (z) = z , de sa série de Mac-Laurin tende vers zéro, pour
k=n+1
k!
z fixé dans D, lorsque n −→ +∞.
Dans ce cas, le développement est unique.
Théorème 5.8
Si, dans un voisinage de l’origine, la fonction f (z) admet des dérivées bornées à tout ordre
(pour tout p, il existe A tel que pour tout z ∈ D, f (p) (z) < A), alors la fonction f (z) est
développable en série entière, elle est égale à sa série de Mac-Laurin dans D.
Soit f (z) une fonction admettant dans un voisinage de l’origine un développement en série
entière de la forme
+∞
X
f (z) = ak z k , |z| < R.
k=0
byliguel-ist-l2-21/22 51
v21.10.1 CHAPITRE 5. SÉRIES ENTIÈRES
Alors, pour tout n, elle admet un développement limité à l’ordre n au voisinage de l’origine ; il
s’écrit
n
X
f (z) = ak z k + z n ε(z), avec lim ε(z) = 0.
|z|→0
k=0
À partir de quelques fonctions simples, dont le développement est facile à déterminer, nous
allons développer un grand nombre de fonctions en série entière en utilisant les propriétés
algébriques et analytiques citées ci-dessus.
L’identité remarquable
1 − z n+1
1 + z + z2 + · · · + zn =
1−z
conduit au développement en série entière suivant
+∞
1 X
= 1 + z + z2 + · · · + zn + · · · = zn, R = 1, (|z| < 1).
1−z n=0
+∞
z z2 zn X zn
e =1+z+ + ··· + + ··· = , R = +∞.
2! n! n=0
n!
Les développements des fonctions sinus, consinus, sinus hyperbolique et cosinus hyperbolique,
découlent de celui de l’exponentielle, avec x ∈ R.
+∞
X x2n+1
sin(x) = (−1)n , R = +∞;
n=0
(2n + 1)!
+∞
X x2n
cos(x) = (−1)n , R = +∞;
n=0
(2n)!
+∞
X x2n+1
sh(x) = , R = +∞;
n=0
(2n + 1)!
+∞
X x2n
ch(x) = , R = +∞.
n=0
(2n)!
52 byliguel-ist-l2-21/22
5.5. DÉVELOPPEMENT DE FONCTIONS USUELLES v21.10.1
Par changement de variable dans le développement de la série géométrique on obtient les ré-
sultats suivants :
+∞
1 X
= (−1)n z n , R = 1,
1+z n=0
+∞
1 X
= (−1)n z 2n , R = 1.
1 + z2 n=0
5.5.3.1 Dérivation
+∞
1 X
2 = nxn−1 , R = 1,
(1 − x) n=1
+∞
X (n + p − 1)(n + p − 2) · · · (n + 1)
1
p = xn , R = 1.
(1 − x) n=0
(p − 1)!
5.5.3.2 Intégration
+∞ n
X x
log(1 − x) = − , R = 1,
n=1
n
+∞
X (−1)n−1 xn
log(1 + x) = , R = 1,
n=1
n
+∞
X (−1)n x2n+1
arctan(x) = , R = 1.
n=0
2n + 1
Il s’agit de trouver le développement en série entière des fonctions f (x) = (1 + x)α , pour
x ∈ R, α ∈ R.
On dispose de deux méthodes : l’une déjà citée, le développement de Mac-Laurin, dont on
montre qu’il converge vers f pour |x| < 1.
L’autre consiste à mettre en évidence une équation différentielle vérifiée par la fonction et à
déterminée les coefficients de la série par récurrence.
Par l’une ou l’autre de ces méthodes, on obtient le résultat très utile suivant
+∞
X α(α − 1) · · · (α − n + 1)
(1 + x)α = 1 + xn , R = 1.
n=1
n!
byliguel-ist-l2-21/22 53
v21.10.1 CHAPITRE 5. SÉRIES ENTIÈRES
54 byliguel-ist-l2-21/22
Table des matières
55
v21.10.1 TABLE DES MATIÈRES
5 Séries entières 46
5.1 Domaine de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
56 byliguel-ist-l2-21/22
TABLE DES MATIÈRES v21.10.1
byliguel-ist-l2-21/22 57