Académique Documents
Professionnel Documents
Culture Documents
1
2 TABLE DES MATIÈRES
2.3 Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.3.1 Définitions et premières propriétés . . . . . . . . . . . . . . . . 62
2.3.2 Interprétation matricielle . . . . . . . . . . . . . . . . . . . . . 62
2.3.3 Polynôme minimal et stabilité . . . . . . . . . . . . . . . . . . 63
2.4 Lemme de décomposition des noyaux . . . . . . . . . . . . . . . . . . 64
2.4.1 Le lemme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.4.2 Cas particulier intéressant : Si P (u) = 0 . . . . . . . . . . . . 65
2.4.3 Exemples fondamentaux . . . . . . . . . . . . . . . . . . . . . 66
2.5 Éléments propres d’un endomorphisme, d’une matrice carrée . . . . . 66
2.5.1 Définitions et premières propriétés . . . . . . . . . . . . . . . 66
2.5.2 Cas de la dimension finie, polynôme caractéristique . . . . . . 70
2.6 Valeurs propres et polynômes annulateur . . . . . . . . . . . . . . . . 75
2.6.1 Théorème de Cayley-Hamilton . . . . . . . . . . . . . . . . . . 75
2.6.2 Autres liens entre χA et πA . . . . . . . . . . . . . . . . . . . 76
2.7 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.7.1 Endomorphisme, matrice diagonalisable . . . . . . . . . . . . . 77
2.7.2 Autres caractérisation des endomorphismes diagonalisables . . 80
2.8 Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.8.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.8.2 Caractérisation par les polynômes caractéristique . . . . . . . 84
2.8.3 Endomorphismes et matrices nilpotents . . . . . . . . . . . . 86
2.8.4 Une autre réduction d’endomorphisme trigonalisable . . . . . 87
7 Séries dans
un espace vectoriel normé,
familles sommables
de nombres complexes. 209
7.1 Ensembles dénombrables . . . . . . . . . . . . . . . . . . . . . . . . . 209
7.2 Familles sommables de nombres complexes . . . . . . . . . . . . . . . 212
7.2.1 Familles sommables de nombres réels positifs . . . . . . . . . . 212
7.2.2 Familles sommables de nombres complexes . . . . . . . . . . . 214
7.2.3 Propriétés de la somme . . . . . . . . . . . . . . . . . . . . . . 215
7.2.4 Suites doubles . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
TABLE DES MATIÈRES 5
11 Probabilités 259
11.1 Rappels et compléments . . . . . . . . . . . . . . . . . . . . . . . . . 259
11.1.1 Espace probabilisé . . . . . . . . . . . . . . . . . . . . . . . . 259
11.1.2 Indépendance, Probabilité conditionnelle . . . . . . . . . . . . 267
11.2 Variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
11.2.1 Définitions, premières propriétés . . . . . . . . . . . . . . . . . 272
11.2.2 Loi d’une variable aléatoire . . . . . . . . . . . . . . . . . . . 274
11.2.3 Fonction de répartition . . . . . . . . . . . . . . . . . . . . . . 275
11.2.4 Indépendance des v.a.r, conditionnement . . . . . . . . . . . . 276
11.2.5 Variables aléatoires réelles discrètes . . . . . . . . . . . . . . . 277
11.2.6 Variables aléatoires continues à densité . . . . . . . . . . . . . 280
11.2.7 Somme de deux variables aléatoires indépendantes . . . . . . . 284
11.2.8 Moments, espérance, variance, écart type d’une v.a.r. . . . . . 286
11.3 Fonction génératrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
11.3.1 Définition, propriétés . . . . . . . . . . . . . . . . . . . . . . . 296
11.3.2 Fonction génératrice d’une somme de v.a.r. indépendantes . . 300
11.4 Inégalités, Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . 301
11.4.1 Inégalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
11.4.2 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
11.4.3 Lois faible des grands nombres et théorème limite central . . . 306
11.5 Annexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
11.5.1 Tableau récapitulatif des variables aléatoires réelles discrètes
usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
11.5.2 Tableau récapitulatif des variables aléatoires réelles continues
à densité usuelles : . . . . . . . . . . . . . . . . . . . . . . . . 309
11.5.3 Stabilité de certaines lois . . . . . . . . . . . . . . . . . . . . . 310
1.1 Groupes
On donnera des rappels sur les groupes et quelques compléments, notamment les
groupes finis, groupes monogènes (les groupes cycliques en particulier).
1.1.1.1 Définitions
Définition 1
Un groupe est un couple (G, ⋆) tel que G est un ensemble non vide et ⋆ une loi
de composition interne sur G tel que :
1. ⋆ est associative.
2. ⋆ admet un élément neutre (celui-ci est alors unique noté e).
3. Tout élément de G est symétrisable ( Il y’a alors unicité du symétrique
d’un élément x de G, on le note x′ ).
Formellement, (G, ⋆) est un groupe si :
1. ∀(a, b, c) ∈ G3 , (a ⋆ b) ⋆ c = a ⋆ (b ⋆ c).
2. ∃e ∈ G, ∀x ∈ G, x ⋆ e = e ⋆ x = x.
′
3. ∀x ∈ G, ∃x ∈ G, x ⋆ x′ = x′ ⋆ x = e.
9
10CHAPITRE 1. GROUPES, ANNEAUX : RAPPELS ET COMPLÉMENTS
1.1.1.2 Exemples
Voici des exemples de groupes : Ce sont les groupe les plus utilisés et les plus connus.
On peut trouver d’autres exemples intéressants.
1. (C, +), (R, +), (Q, +), (Z, +) sont des groupes commutatifs.
2. (C∗ , ×), (R∗ , ×), (Q∗ , ×) Sont aussi des groupes commutatifs.
3. Si E est un ensemble non vide, on note SE l’ensemble des bijections de E vers
E. Muni de la composition des applications, SE est un groupe non commutatif
en général appelé groupe des permutations de E. Si E = [[1, n]] avec n ∈ N∗ ,
on adopte la notation Sn et on l’appelle groupe symétrique.
4. K désigne R ou C. Soit n ∈ N∗ , on dispose de GLn (K) l’ensemble des matrices
carrées de taille n inversibles à coefficients dans K. Muni de la multiplication
usuelle des matrices carrées, c’est un groupe non commutatif (sauf si n = 1),
appelé groupe linéaire.
1.1.2 Sous-groupes
1.1.2.1 Définitions
a) Lois induite :
Soit (G, ⋆) un groupe et H une partie non vide de G tel que :
∀(x, y) ∈ G2 (x, y) ∈ H 2 ⇒ x ⋆ y ∈ H
On dit que H est stable et on remarque qu’on dispose d’une loi de composition
interne ∗ sur H tel que :
∀(x, y) ∈ H 2 x∗y =x⋆y
1.1. GROUPES 11
Définition 2
Soit (G, ⋆) un groupe. On appelle sous-groupe de (G, ⋆) toute partie H non vide
stable tel que (H, ⋆) est un groupe.
Proposition 1
Preuve:
On a eG ⋆ eH = eH et eH ⋆ eH = eH et eH est régulier dans G donc eG = eH .
Notons alors e l’élément neutre commun de G et H et soit x ∈ H alors : comme
x ∈ G, on a : (1) x ⋆ x′ = e, et comme x ∈ H, on a : (2) x ⋆ x′′ = e. De (1)
et (2) et la régularité de x dans G on déduit : x ⋆ x′ = x ⋆ x′′ puis x′ = x′′ .
Proposition 2
1.1.2.2 Exemples
1. On considère le groupe linéaire GL2 (R) et on note :
cos θ −ε sin θ
O2 (R) = /θ ∈ R et ε = ±1
sin θ ε cos θ
Alors, O2 (R) est un sous-groupe de GL2 (R). En effet, en prenant θ = 0 et
ε = 1, on obtient I2 ∈ O2 (R). Pour tout (θ, ε) ∈ R × {−1, 1}, notons :
cos θ −ε sin θ
Mθ,ε =
sin θ ε cos θ
Alors pour tout θ, θ′ ∈ R et ε, ε′ ∈ {−1, 1}, on a :
Mθ,ε × Mθ′ ,ε′ = Mθ+εθ′ ,εε′
12CHAPITRE 1. GROUPES, ANNEAUX : RAPPELS ET COMPLÉMENTS
2. Pour tout groupe (G, ⋆), {e} et G sont des sous-groupes de (G, ⋆).
3. Z est un sous-groupe du groupe additif R.
4. {−1, 1} est un sous-groupe du groupe multiplicatif Q∗ .
[
5. Soit G = Un , alors G est un sous-groupe de (C∗ , ×)
n∈N∗
6. Exercice : Montrer que les seuls sous-groupes de (Z, +) sont les nZ avec n ∈ N :
Rep : Soit n ∈ N, il est aisé de prouver que nZ est un sous-groupe de Z.
Réciproquement, si H est un sous-groupe de Z deux cas sont possibles :
- Soit H ∩ N∗ = ∅, dans ce cas on a H ∩ Z∗ = ∅ car si k ∈ Z, on a k ∈ H ⇒
|k| ∈ H. Donc H = {0} = 0Z.
- Soit H ∩ N∗ ̸= ∅, soit alors n = min(H ∩ N∗ ) alors n ∈ H donc nZ ⊂ H. Soit
x ∈ H et x = qn+r la division euclidienne de x par n alors r = x−nq ∈ H ∩N
donc r = 0 car sinon on aurait r ≥ n, donc H = nZ.
Définition 3
Proposition 3
Preuve:
On ne nuit pas à la généralité si on choisit une notation multiplicative pour
chacune des deux lois.
• Comme e2 = e, on a (f (e))2 = f (e). Or f (e)e′ = f (e), donc f (e).f (e) =
f (e).e′ et par régularité de f (e), on a f (e) = e′ .
• Soit x ∈ E et x′ son symétrique. Comme xx′ = x′ x = e, on a f (xx′ ) =
f (x′ x) = f (e). Compte tenu de f (e) = e′ , il vient : f (x)f (x′ ) = f (x′ )f (x) = e′ ,
donc f (x′ ) est le symétrique dans G′ de f (x), donc (f (x))′ = f (x′ )
Proposition 4
Preuve:
Soit (a, b) ∈ G′2 et x = f −1 (a) et y = f −1 (b) ; alors f (x) = a et f (y) = b, donc
f (xy) = f (x)f (y) = ab et par suite xy = f −1 (ab), donc f −1 (ab) = f −1 (a)f −1 (b)
et f −1 est un morphisme de G′ vers G.
Définition 4
Remarque Deux groupes isomorphes ont les mêmes propriétés relevant de la struc-
ture de groupe.
Exemple Il y’a aux moins deux groupes de cardinal 4, non isomorphes à savoir
Z/4Z et (Z/2Z)2 . En effet, pour tout x ∈ (Z/2Z)2 , on a 2x = (0, 0), ce qui n’est pas
le cas dans Z/4Z puisque par exemple : 2.3 = 2 ̸= 0.
On peut, en fait prouver qu’à isomorphisme près, il y a exactement deux groupes
de cardinal 4, à savoir Z/4Z et (Z/2Z)2 .
Proposition 5
Proposition 6
t : G → S (G); x 7→ tx
et
τ : G → S (G); x 7→ τx
Alors τ est un morphisme de groupe de (G, ⋆) vers (S (G), ◦). Cependant, ce
n’est pas le cas pour t. Toutefois, on peut dire que t est un morphisme de
(G, ⊥) vers (S (G), ◦) où l’on a définit ⊥ par :
∀(x, y) ∈ G2 , x⊥y = y ⋆ x.
Notons que les applications τ et t sont injectives, ce qui permet de dire que
tout groupe G est isomorphe à un sous-groupe du groupe symétrique S (G)
des bijections de G vers G. Plus précisément, on a :
Proposition 7
\
Soit G un groupe. Si (Hi )i∈I est une famille de sous-groupes alors H = Hi
i∈I
est un sous groupe de G.
Preuve:
H ̸= ∅ car e ∈ H. Si x, y ∈ H alors pour tout i ∈ I, on a x ∈ Hi et y ∈ Hi
−1
\ Hi est un sous-groupe, on a xy
et comme ∈ Hi , pour tout i ∈ I, donc
−1 −1
xy ∈ Hi donc xy ∈ H. Ainsi H est un sou-groupe de G.
i∈I
Proposition 8
GA = {H/A ⊂ H et H sous-groupe de G}
Alors ⟨A⟩ est le plus petit sous-groupe de G contenant A. Il est appelé le sous-
groupe de G engendré par A. On a : Si A = ∅ alors ⟨A⟩ = {e} et si A ̸= ∅
alors : (m )
Y
⟨A⟩ = xk /m ∈ N∗ , xk ∈ A ∪ A−1 , ∀k ∈ [[1, m]]
k=1
Preuve:
\
Posons K = H. D’après le proposition 7, ⟨A⟩ est un sous-groupe de G.
H∈GA
Comme ⟨A⟩ est une intersection de groupes contenant A, on a A ⊂ ⟨A⟩. Ainsi
on a ⟨A⟩ ∈ GA et ⟨A⟩ ⊂ H pour tout H ∈ GA . Donc ⟨A⟩ est le plus petit
16CHAPITRE 1. GROUPES, ANNEAUX : RAPPELS ET COMPLÉMENTS
sous-groupe de G contenant A.
• Posons (m )
Y
K= xk /m ∈ N∗ , xk ∈ A ∪ A−1 , ∀k ∈ [[1, m]]
k=1
Remarques Dans le cas oùA ̸= ∅,on peut faire les remarques suivantes :
1. En notation additive on note
(−A) = {−a/a ∈ A}
et on a alors :
( m )
X
⟨A⟩ = xk /m ∈ N∗ , xk ∈ A ∪ (−A), ∀k = 1, ..., m
k=1
- En notation additive :
( m )
X
⟨A⟩ = kj aj /m ∈ N∗ , aj ∈ A, 2 à 2 distincts , kj ∈ Z .
j=1
1.1. GROUPES 17
3. Si A = {a1 , . . . , an } avec n ∈ N∗ et (
tous les éléments ) de A commutent alors :
Yn
- En notation multiplicative : A = aki i /ki ∈ Z .
( n i=1 )
X
- En notation additive : A = ki ai /ki ∈ Z .
i=1
4. Si G = ⟨A⟩, on dit que G est le groupe engendré par A et que A est une partie
génératrice de G. On a toujours : G = ⟨G⟩, mais il est plus intéressant de
trouver des parties génératrices A de G minimales au sens de l’inclusion.
1.1.4.3 Exemples
On donne les exemples importants suivants :
1. Le groupe symétrique Sn est engendré :
(a) Par les transpositions.
(b) Par les transpositions de la forme τi,i+1 , i ∈ [[1, n − 1]].
(c) Par les transpositions de la forme τ1,i , i ∈ [[2, n]].
(d) par la paire {τ, s} où τ = τ1,2 et s = (12 · · · n) (cycle).
Preuve:
La preuve des points 2,3 et 4 est basée sur la propriété importante sui-
̸ j, si σ ∈ Sn alors στi,j σ −1 =
vante : Pour tout i, j ∈ [[1, n]] tel que i =
τσ(i),σ(j)
2. Le groupe orthogonal O2 (R) est engendré par les matrices de symétries ortho-
gonales, à savoir les matrices de la forme :
cos θ sin θ
Sθ = , avec θ ∈ R.
sin θ − cos θ
Définition 5
Proposition 9
Remarque Un cas usuel est quand les Gi sont égaux et ont même loi : G1 = · · · =
Gm = H alors G = H m . Comme exemples : Zm , Rm , Qm , Cm , (Z/nZ)m .
1.1.6.1 Définitions
Définition 6
Soit x ∈ G. On dit que x est d’ordre fini s’il existe d ∈ N∗ tel que xd = e. Si
c’est le cas, le plus petit d ∈ N∗ tel que xd = e s’appelle l’ordre de x.
Remarques 1) Avec une notation additive x est d’ordre fini s’il existe d ∈ N∗ tel
que dx = 0.
2) l’élément neutre de G est d’ordre 1.
Exemples 1. Dans Z/nZ tout élément est d’ordre fini puisque ∀x ∈ Z/nZ, nx =
0.
2. Aucun élément non nul de Z n’est d’ordre fini.
2π
3. Dans C∗ , pour tout n∈ N∗ , le nombre complexe ωn = ei n est d’ordre n
4. Soit G = ∪ ∗ Un . On peut démontrer que G est un sous-groupe de C∗ . On a
n∈N
G est infini mais tout élément est d’ordre fini.
1.1. GROUPES 19
1.1.6.2 Propriétés
Proposition 10
Preuve:
Supposons que x est d’ordre d. Par définition, on a xd = e. Soit k ∈ Z tel que
xk = e. La division euclidienne de k par d donne k = qd + r avec 0 ≤ r < d,
donc xk = (xd )q .xr = xr donc xr = e et comme d est le plus petit entier naturel
non nul tel que xd = e, on a r = 0, donc d|k.
Réciproquement supposons que xd = e et pour tout k ∈ Z, xk = e ⇒ d|k. Soit
m ∈ N∗ tel que xm = e alors d|m donc d ≤ m, donc d est le plus petit entier
naturel non nul tel que xd = e donc d est l’ordre de x.
Proposition 11
Preuve:
Si x est d’ordre d alors, ⟨x⟩ = {xk /k ∈ Z} et pour tout k ∈ Z, on a xk = xr
où r est le reste de la division euclidienne de k par d. Il en découle que ⟨x⟩ =
{xr /0 ≤ r < q}, donc ⟨x⟩ est fini, donc cyclique. Réciproquement si ⟨x⟩ est
cyclique alors il existe au moins k, ℓ ∈ Z tel que k < ℓ et xk = xℓ , donc en
posant m = ℓ − k, on a m ∈ N∗ et xm = e, donc x est d’ordre fini. Notons
d l’ordre de x, on a vu que ⟨x⟩ = {xr /0 ≤ r < d} donc card(⟨x⟩) ≤ d, or si
0 ≤ k ≤ ℓ < d et xk = xℓ alors xm = e où m = ℓ − k donc m < d. Par définition
de d on a forcément m = 0, donc pour tout k, ℓ ∈ {0, . . . , d − 1}, on a
k ̸= ℓ ⇒ xk ̸= xℓ
Proposition 12
Ce théorème est admis, et voici une preuve dans le cas où G est commutatif :
20CHAPITRE 1. GROUPES, ANNEAUX : RAPPELS ET COMPLÉMENTS
Preuve:
Soit G un groupe commutatif de cardinal n et soit a ∈ G. L’application :
u : G → G; x 7→ ax est une application bijective de G vers G en effet elle
est injective puisque pour tout x, y ∈ G, ax = ay ⇒ x = y par régularité
−1
et
Yelle estYsurjective car ∀x, y ∈ G, ax = y ⇔ x = a y, il en découle que
x= u(x). Or et grâce à la commutativité :
x∈G x∈G
Y Y Y
u(x) = ax = an x
x∈G x∈G x∈G
donc an = e.
Corollaire 1
Si G est un groupe fini de cardinal n alors tout élément x de G est d’ordre fini
et si d est l’ordre de x alors d divise n.
Preuve:
Soit G un groupe fini et n = card(G). Pour tout x ∈ G on a xn = e, donc x est
d’ordre fini et si d est l’ordre de x, alors d’après la proposition 10, on a d|n.
Proposition 13
Preuve:
Si a est un générateur de Z, comme 1 ∈ Z, il existe k ∈ Z tel que 1 = ka donc
a|1, donc a ∈ {−1, 1}.
Soit k ∈ {1, · · · , n}. Si k est un générateur de Z/nZ alors 1 = uk avec u ∈ Z
donc uk ≡ 1 [n] donc il existe v ∈ Z tel que uk − 1 = −vn c’est-à-dire
uk + vn = 1 ; par le lemme de Bezout k ∧ n = 1. Si réciproquement k ∧ n = 1
alors par Bezout il existe u, v ∈ Z tel que uk + vn = 1 donc pour tout x ∈ Z
on a x = xuk + xvn donc x = (xu)k donc k est un générateur de Z/nZ.
1.1. GROUPES 21
Proposition 14
Preuve:
Surjectif par construction. Morphsme car si k, ℓ ∈ Z alors φa (k + ℓ) = ak+ℓ =
ak aℓ
Proposition 15
Si G = ⟨a⟩ est un groupe monogène alors soit G est infini auquel cas G est
isomorphe à Z et les générateurs de G sont a et a−1 , soit G est fini auquel cas
G est isomorphe à Z/nZ où n = card(G) et les générateurs de G sont ak avec
k ∈ [[1, n]] et k ∧ n = 1.
Preuve:
Soit G = ⟨a⟩ un groupe monogène. D’après la proposition 14 φa : Z → G; k 7→
ak est un morphisme surjectif de groupes.
• Si φa est injectif alors φa est un isomorphisme de groupe. Soit alors b un
générateur de G. Pour tout x ∈ Z on a φa (x) ∈ G donc il existe k ∈ Z tel que
φa (x) = bk donc x = φ−1 k −1 −1
a (b ) = kφa (b) de sorte que φa (b) est un générateur
de Z, donc φ−1 −1
a (b) ∈ {−1, 1} par suite b = a ou b = a . Ainsi G est monogène
infini isomorphe à Z dont les seuls générateurs sont a et a−1 .
• Si φa n’est pas injectif alors ker(φa ) ̸= {0} donc il existe k ∈ Z tel que k ̸= 0
et φa (k) = e donc ak = e donc a−k = (ak )−1 = e donc am = e où m = |k|, donc
a est d’ordre fini. Soit alors n l’ordre de a et ψ l’application :
ψ : Z/nZ → G; k 7→ ak .
Tout d’abord, ψ est bien définie car si k ≡ ℓ[n] alors il existe q ∈ Z tel que
ℓ = k + qn donc aℓ = ak (an )q = ak donc ak ne dépends pas du représentant de
la classe k.
Ensuite ψ est surjectif par construction et finalement injectif car si k ∈ ker ψ
alors ak = e donc n|k donc k = 0. Ainsi G est un groupe cyclique isomorphe
à Z/nZ. Si b est un générateur de G alors comme b ∈ G, on a b = ak avec
k ∈ {1, · · · , n}. Si x ∈ Z/nZ alors ψ(x) ∈ G donc il existe ℓ ∈ Z tel que
ψ(x) = bℓ = aℓk donc x = ψ −1 (x) = ℓk = ℓk, ce qui prouve que k est un
générateur de Z/nZ, donc par la proposition 13 il vient que k ∧ n = 1. Ainsi
22CHAPITRE 1. GROUPES, ANNEAUX : RAPPELS ET COMPLÉMENTS
Corollaire 2
Preuve:
Un tel groupe est isomorphe soit à Z soit à un certain Z/nZ, lesquels sont
commutatifs.
1.1.8 Exercices
Exercice 1 : Soit G un groupe monogène. Démontrer que si G est monogène infini,
tout sous-groupe de G est monogène infini et si G est cyclique tout sous-groupe de
G est cyclique.
Exercice 2 : Démontrer que tout groupe de cardinal un nombre premier est cyclique.
Exercice 3 : Montrer que si a, b ∈ G tel que ab = ba et a et b d’ordres respectifs m
et n et m ∧ n = 1 alors ab est d’ordre mn.
Définition 7
Définition 8
Proposition 16
U (A) est stable par × et (U (A), ×) est un groupe appelé groupe des inversibles
de l’anneau A.
Proposition 17
Alors (A, +, ×) est un anneau. De plus, le groupe des inversibles de A est donné
par :
Ym
U (A) = U (Ak ).
k=1
Définition 9
Proposition 18
Proposition 19
Définition 10
∀(x, y) ∈ A2 , xy = 0 ⇒ x = 0 ou y = 0
1.2.2 Corps
Définition 11
Remarque Un corps est un anneau intègre (K, +, ×) (en particulier K∗ est stable
par ×), tel que (K ∗ , ×) est un groupe commutatif.
Définition 12
Définition 13
Proposition 20
Proposition 21
Proposition 22
Remarque On a I ∩ J ⊂ I ⊂ I + J.
n
\ m
X
Généralement pour tout k ∈ [[1, m]], on a : Ij ⊂ Ik ⊂ Ij .
j=1 j=1
Définition 14
Soit (a, b) ∈ A2 . On dit que a divise b s’il existe c ∈ A tel que b = ca. On dit
aussi b est un multiple de a ou a est un diviseur de b.
Définition 15
Proposition 23
Preuve:
Si a|b Soit x ∈ bA, alors ∃y ∈ A, x = by, or ∃c ∈ Ab = ca, donc x = by = cay =
az avec z = cy ∈ A. Réciproquement, Si bA ⊂ aA alors comme b ∈ bA, on a
b ∈ aA, donc ∃c ∈ A, b = ac et a|b.
Théorème 1
Proposition 24
Preuve:
On va donner la preuve pour les deux cas : le cas A = Z et le cas A = K[X].
1. Le cas A = Z :
• D’abord, pour tout n ∈ N, il est aisé de vérifier que nZ est un idéal de
Z.
• Soit I un idéal de Z. Si I = {0} alors I = 0Z. Sinon, I ̸= {0}, donc il
existe k ∈ Z∗ tel que k ∈ I, donc −k ∈ I et par suite en posant m = |k|,
on a m ∈ I ∩ N∗ . Il en découle que I ∩ N∗ est une partie non vide de N∗ et
par suite elle admet un plus petit élément. Posons donc n = min(I ∩ N∗ ).
On va démontrer que I = nZ. Remarquons déjà que nZ ⊂ I car n ∈ I
est I est un sous-groupe de (Z, +). Réciproquement si x ∈ I, la division
euclidienne de x par n s’écrit x = qn + r avec (⋆) 0 ≤ r < n. On a
r = x − nq et x ∈ I et n ∈ I donc x − nq ∈ I et r ∈ I, donc r ∈ I ∩ N. On
ne peut pas avoir n ∈ I ∩ N∗ car, par définition de n, on aurait n ≤ r, ce
qui aurait contredit la condition (⋆) ci-dessus de la division euclidienne.
Donc r = 0 et x = nq, donc x ∈ nZ et finalement I = nZ. Pour finir,
supposons que I est un idéal de Z tel que I = nZ = mZ avec n, m ∈ N.
Par la proposition 23, on a n|m et m|n et comme n, m ∈ N on a n = m,
28CHAPITRE 1. GROUPES, ANNEAUX : RAPPELS ET COMPLÉMENTS
Définition 16
Notation : On note δ = a ∧ b et µ = a ∨ b
et m
\
(a1 ∨ · · · ∨ am )A = ak A
k=1
1.2. ANNEAUX ET CORPS 29
2. Si a, b ∈ Z∗ alors :
a|b ⇔ a ∧ b = |a| ⇔ a ∨ b = |b|.
3. Pour tout polynôme non nul P , on note :
Pe = (cd(P ))−1 P.
Si P, Q ∈ K[X]\{0}, alors
P |Q ⇔ P ∧ Q = Pe ⇔ P ∨ Q = Q.
e
Proposition 25
1. Soit a, b ∈ Z et δ ∈ N∗ , alors :
δ = a ∧ b ⇔ Da ∩ Db = Dδ
Preuve:
On va donner la preuve dans le cas de A = Z, celle de A = K[X] sera similaire.
1. Cas A = Z :
′ ′
• Supposons
que δ′ = a ∧ b Soit x ∈ Da ∩ Db alors il existe a , b ∈ Z
a = xa
tel que ; comme δZ = aZ + bZ, il existe u, v ∈ Z tel que
b = xb′
δ = au + bv = x(a′ u + b′ v) = xδ ′ avec δ ′ = a′ u + b′ v ∈ Z, donc x ∈ Dδ .
Réciproquement, soit x ∈ Dδ alors x|δ. Comme δZ = aZ + bZ, on a
aZ ⊂ δZ et bZ ⊂ δZ donc δ|a et δ|b et comme x|δ on a x|a et x|b donc
Da ∩ Db = Dδ .
• Réciproquement si Da ∩ Db = Dδ , posons d = a ∧ b, donc Da ∩ Db = Dd ,
donc Dd = Dδ , par suite d|δ et δ|d, et comme d, δ ∈ N, on a d = δ.
2. Cas A = K[X] : la preuve est la même.
Proposition 26
Preuve:
On va démontrer que aZ + bZ = bZ + βZ. Soit x = au + bv ∈ aZ + bZ, alors
x = u(αb + β) + bv = (αu + v)b + uβ, donc x ∈ bZ + βZ. Soit x = bu + βv ∈
bZ + βZ, alors x = bu + v(a − αb) = va + (u − αv)b, donc x ∈ aZ + bZ, d’où
l’égalité ensembliste établie et par suite la proposition 26
Proposition 27
Soit (a, b) ∈ Z2 tel que ab ̸= 0, alors a ∧ b est le dernier reste non nul dans les
divisions euclidiennes successives de a par b.
Proposition 28
Soit (P, Q) ∈ K[X]2 tel que P Q ̸= 0, alors P ∧ Q est le dernier reste non nul,
normalisé dans les divisions euclidiennes successives de A par Q.
Proposition 29
a ∧ b = 1 ⇔ ∃(u, v) ∈ A2 , ua + vb = 1
Proposition 30
3 a|bc
Soit (a, b, c) ∈ A . On a : ⇒ a|c
a∧b=1
1.2.4.6 Irréductibles de A
1.2. ANNEAUX ET CORPS 31
Définition 17
Proposition 31
Preuve:
Si p est premier alors p n’est pas inversible car p ̸= 1 et p ̸= −1, par ailleurs
les diviseurs de p sont les éléments de {1, −1, p, −p} = U (Z) ∪ pU (Z).
Réciproquement si p est un entier non inversible dont les seuls diviseurs sont
−1, 1, p et −p alors par définition, p est premier.
Proposition 32
Preuve:
Voir cours de M.P.S.I.
Théorème 2
Pour tout nombre entier relatif x non inversible et non nul il existe un unique
s ∈ N∗ , un unique ε ∈ {−1, 1}, un unique (α1 , · · · , αs ) ∈ (N∗ )s et un unique
(p1 , · · · , ps ) ∈ Ps tel que :
p1 < · · s· < ps
Y α
x = ε pk k
k=1
32CHAPITRE 1. GROUPES, ANNEAUX : RAPPELS ET COMPLÉMENTS
Théorème 3
Pour tout polynôme non nul et non inversible Q ∈ K[X], il existe un unique
ε ∈ K∗ , un unique s ∈ N∗ , un unique (α1 , · · · , αs ) ∈ (N∗ )s , et, à une permutation
près, un unique (P1 , · · · , Ps ) ∈ K[X]s tel que :
∀k ∈ [[1,s s]], Pk est unitaire irréductible
Y α
Q = ε Pk k
k=1
Proposition 33
Proposition 34
Ainsi le groupe des inversibles de l’anneau Z/nZ coincide avec l’ensemble des
générateurs du groupe additif Z/nZ.
Preuve:
Si k ∈ Z tel que k est inversible, alors il existe k ′ ∈ Z tel que kk ′ = 1, donc
kk ′ ≡ 1 modulo n donc il existe k ′′ ∈ Z tel que kk ′ − 1 = k ′′ n donc uk + vk = 1
1.3. Z/nZ : COMPLÉMENTS 33
Corollaire 3
k ∧ n = 1 ⇒ k φ(n) ≡ 1 [n]
Preuve:
Soit r le reste de k dans la division euclidienne par n alors r ∧n = 1 et r dans le
groupe des inversibles dont le cardinal est φ(n), donc rφ(n) = 1, comme r = k,
le résultat en découle.
Corollaire 4
Théorème 4
Si m et n sont des entiers naturels non nuls premiers entre eux alors les anneaux
Z/mnZ et Z/mZ × Z/nZ sont isomorphes.
Preuve:
Pour tout x ∈ Z, on note x , x̃ et x b les classes de x modulo m,n et mn
respectivement. Soit f : Z/mnZ → Z/mZ × Z/nZ tel que f (b x) = (x, x̃) pour
tout x ∈ Z.
′ x ≡ y [m]
Tout d’abord, f est bien définie car si x ≡ x [mn] alors .
x ≡ y [n]
Ensuite f est un morphisme d’anneau car :
• f (b
1) = (1, 1̃).
34CHAPITRE 1. GROUPES, ANNEAUX : RAPPELS ET COMPLÉMENTS
• pour tout x, y ∈ Z, on a :
f (b
x+b
y ) = f (x[
+ y) = (x + y, x]
+ y) = (x+y, x̃+ỹ) = (x, x̃)+(y, ỹ) = f (b
x)+f (b
y)
• Pour tout x, y ∈ Z, on a :
x×b
f (b × y) = (x × y, x]
y ) = f (x[ × y) = (x×y, x̃×ỹ) = (x, x̃)×(y, ỹ) = f (b
x)×f (b
y)
Corollaire 5
admet des solutions. Si x0 est une solution alors l’ensemble des solutions est
S = x0 + mnZ.
Preuve:
x est une solution du système (1) si et seulement si f (b
x) = (a, b̃), et comme f
est surjective , le système admet une solution au moins ( f surjective).
Si x0 et x sont des solutions de (1), alors x\ − x0 ∈ ker f , et comme f est
− x0 = 0 donc mn|(x − x0 ).
injective cela veut dire que x\ b
s
X
de sorte que si on pose x0 = εj aj alors x0 est une solution du système :
j=1
Proposition 35
φ(mn) = φ(m)φ(n)
Preuve:
C’est une conséquence immédiate du théorème 4, puisque le groupe des in-
versibles d’un anneau produit est le produit des groupes des inversibles des
anneaux associés. Donc U (Z/mZ × Z/nZ) = U (Z/nZ) × U (Z/mZ) ; par
passage aux cardinaux, on a φ(mn) = φ(m)φ(n).
φ(pα ) = pα − pα−1 .
s
Y
5. Si n ∈ N tel que n = pαk k avec s ∈ N∗ , α1 , · · · , αs ∈ N∗ et p1 , · · · , ps des
k=1
nombres entiers naturels premiers deux à deux distincts alors :
s
Y 1
φ(n) = n 1−
k=1
pk
36CHAPITRE 1. GROUPES, ANNEAUX : RAPPELS ET COMPLÉMENTS
Exemples :
1. Si (K, +, ×) est un corps alors (K, +, ×, .) est une K−algèbre.
2. Si X est un ensemble non vide et A est une K−algèbre alors (A X , +, ×, .)
est une K−algèbre, avec f + g(x) = f (x) + g(x) ; f × g(x) = f (x) × g(x) et
(α.f )(x) = α.f (x), pour tout x, y ∈ X et α ∈ K.
3. (K[X], +, ×, .) est une K−algèbre commutative.
4. (L(E), +, ◦, .) et (Mn (K), +, ×, .) sont des K−algèbres.
1.4.2 Sous-algèbre
Définition 19
Remarque Si A ′ est une sous-algèbre de A alors A ′ est stables par toutes les lois
de A et (A ′ , +, ×, .) est une K−algèbre.
1.4. STRUCTURE D’ALGÈBRE 37
Proposition 36
Exemples Dans tout ce qui suit K désigne R ou C et n est un entier naturel non
nul.
1. Tn+ (K) et Tn− (K) ensembles des matrices triangulaires supérieures et infé-
rieures respectivement sont des sous-algèbres de Mn (K). Leur intersection
Dn (K), l’ensemble des matrices diagonales est aussi une sous-algèbre de Mn (K).
Xm
2. Soit A une matrice fixée de Mn (K) et pour tout polynôme P = ak X k on
k=0
m
X
pose P (A) = ak Ak . On verra loin en algèbre linéaire que si A ∈ Mn (K)
k=0
alors K[A] = {P (A)/P ∈ K[X]} est une sous-algèbre commutative de Mn (K),
appelée l’algèbre des polynômes en A.
3. Plus généralement si A est une K−algèbre et θ ∈ A, alors K[θ] = {P (θ)/P ∈
K[X]} est une sous-algèbre commutative de A.
Proposition 37
Proposition 38
Définition 21
Définition 22
39
40 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
3. On dit que la famille X est liée si elle Xn’est pas libre, donc s’il existe
(αi )i∈I à support fini non vide tel que αi xi = 0.
4. On appelle base de E une famille de vecteurs à la fois génératrice et libre.
4. Si on indexe par N, on dispose , une famille (vi )i∈N est libre si et seulement si
pour tout m ∈ N, la famille (vi )0≤i≤m est libre.
2.1.1.2 Exemples
Exemple 1 :
Soit E = C (R, R) l’espace des applications continues de R vers R et pour tout
n ∈ N, on pose fn (x) = cos(nx) pour tout x ∈ R. La famille (fn )n∈N est libre. En
effet si N ∈ N et λ0 , · · · , λN ∈ R tel que :
N
X
λk fk = 0,
k=0
Il en découle que :
N
X
∀t ∈ [0, π], λk cos(kt) = 0,
k=0
Donc
N Z
X π
λk cos(kt) cos(jt)dt = 0
k=0 0
Autrement dit :
Z π N
X Z π
2
λj cos (jt)dt + λk cos(kt) cos(jt)dt = 0
0 k=0 0
k̸=j
Z π
• Par ailleurs, si j = 0, on a cos2 (jt)dt = π.
Z π 0 Z π
2 1 + cos(2jt) π
• Si j ̸= 0, alors cos (jt)dt = dt =
0 0 2 2
• Tenant compte de ces résultats, on a λj = 0.
• Ceci étant pour tout j ∈ [[0, N ]] donc la famille (fk )k∈[[0,N ]] est libre, comme c’est
vrai pour tout N ∈ N, la famille (fn )n∈N est libre.
Exemple 2 :
Soit E = C (R, R) l’espace des applications continues de R vers R et pour tout
n ∈ N, on pose gn (x) = cosn x pour tout x ∈ R. La famille (gn )n∈N est libre. En
X N
effet si N ∈ N et λ0 , · · · , λN ∈ R tel que λk gk = 0 alors si j ∈ [[0, N ]] fixé, on
k=0
N
X
a pour tout t ∈ [−1, 1], λk tk = 0 (il suffit de considérer x = arccos(t)), donc
k=0
N
X
le polynôme P = λk X k admet une infinité de zéros, à savoir, tout élément de
k=0
[−1, 1], donc P = 0 donc ses coefficients sont nuls, donc λ0 = · · · = λN = 0, ce
qui termine comme dans l’exemple précédent la preuve de la liberté de la famille
(gn )n∈N .
2.1.1.3 Sous espace vectoriel engendré par une famille ou une partie
42 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
Proposition-Définition 1
Proposition 39
Si E = (Pn )n∈N est une famille de polynômes tel que deg(Pn ) = n pour tout
n ∈ N alors E est une base de K[X]
Preuve:
Pour tout n ∈ N, la famille En = (Pk )0≤k≤n est une famille libre car s’il existe
Xn
(αk )0≤k≤n famille de scalaires non tous nuls tel que αk Pk = 0, alors en
k=0
nommant ℓ le plus grand indice appartenant à [[0, n]] tel que αℓ ̸= 0, on a
2.1. RAPPELS ET COMPLÉMENTS 43
nécessairement ℓ > 0 et
ℓ−1
X
α ℓ Pℓ = − αk P k ,
k=0
Corollaire 6
Si I est une partie non vide de N et (Pi )i∈I est une famille de polynômes de
K[X] tel que pour tout i, j ∈ I on a i ̸= j ⇒ deg(Pi ) ̸= deg(Pj ) alors la famille
(Pi )i∈I est libre.
Corollaire 7
Définition 23
m
( m )
X X
Ek = xk /∀k ∈ [[1, m]], xk ∈ Ek
k=1 k=1
m
X
Soit E1 , · · · , Em , F des sous-espaces vectoriels de E et F = Ek . Si :
k=1
m
X
∀x ∈ F, ∃!(x1 , · · · , xm ) ∈ E1 × · · · × Em , x= xk
k=1
m
Y
ce qui revient à dire que l’application Φ ci-dessus induit un isomorphisme de Ek
k=1
m
X
vers F , on dit que la somme F = Ek est directe. On note
k=1
m
M
F = Ek .
k=1
m
X
Pour tout j ∈ [[1, m]], on pose : E
cj = Ek .
k=1
k̸=j
Proposition 41
Proposition 42
On a : m
X
πk = IdE .
k=1
qui associe à toute application linéaire f ∈ L(Kp , Kn ) la matrice Φ(f ) = M qui repré-
sente f dans les bases canoniques respectives C = (ω1 , · · · , ωp ) et B = (e1 , · · · , en )
de Kp et Kn . En particulier, on a : dim (L(Kp , Kn )) = dim (Mn,p (K)) = np. On
dispose donc de l’isomorphisme Ψ = Φ−1 qui associe à chaque matrice M l’unique
application linéaire fM de Kp vers Kn tel que matC ,B fM = M . On peut donc dire
que si
p
X
X= xj ωj = (x1 , · · · , xp ),
j=1
alors fM (X) = M X.
46 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
Définition 24
∀X ∈ Kp , fM (X) = M X
C’est l’application linéaire dont M est la matrice relativement aux bases canoniques
respectives de Kp et Kn .
Définition 25
A = (ai,j )1≤i≤n
1≤j≤p
avec : n
X
∀j ∈ [[1, p]] vj = ai,j ei
i=1
P = matB (B ′ )
2.1. RAPPELS ET COMPLÉMENTS 47
Proposition 43
Proposition 44
Proposition 45
Définition 26
Proposition 46
Proposition 47
Si deux matrices sont semblables elles ont même rang, même déterminant et
même trace.
Attention ! Deux matrices peuvent avoir même rang, même déterminant, même
trace sans qu’elles soient semblables
Contre-exemple : Prenons :
1 0 0 0 0 0
A= 0 0 0 et B = 1 0 0
1 1 −1 1 1 0
Définition 27
2.1.6 Rang
2.1.6.1 Définitions
2.1. RAPPELS ET COMPLÉMENTS 49
Définition 28
Proposition 48
rg (f (U )) ≤ rg (U )
Preuve:
Si rg (U ) = 0 alors xi = 0, pour tout i ∈ I, par suite f (xk ) = 0 pour
tout i ∈ I, donc f (U ) est la famille nulle indexée par I donc elle est de
rang 0. Si rg (U ) = r > 0. Comme r = dim(Vect(U )), il existe une base
de Vect(U )) à r vecteurs. Soit V = (v1 , · · · , vr ) une telle base. Il en découle
que Vect(f (U )) = Vect(f (V )) = Vect(f (v1 ), · · · , f (vr )), donc f (V ) est une
famille génératrice de Vect(f (U ) qui possède r vecteurs donc la dimension de
dim(Vect(f (U ))) ≤ r = rg (U ).
Définition 29
Remarque Soit f ∈ L(E, F ), alors le rang de f existe dans chacun des cas suivants :
1. Si E est de dimension finie et F quelconque.
2. Si E est quelconque et F de dimension finie.
Preuve:
• Si F de dimension finie alors Im(f ) est un sous-espace vectoriel de F , donc
Im(f ) est de dimension finie, par suite le rang de f existe.
• Si E est de dimension finie alors si U est une famille génératrice finie de E
alors Vect(f (U )) est une famille génératrice de Im(f ). Or d’après la proposition
48, on a rg (f (U )) existe et rg (f (U )) ≤ rg (U ), ce qui finit la preuve de la
remarque.
50 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
Définition 30
Proposition 49
Proposition 50
Proposition 51
Si A ∈ Mn,p (K) ; alors pour tout (P, Q) ∈ GLn (K) × GLp (K), on a :
Corollaire 8
Soit A ∈ Mn,p (K). Le rang de A ne change pas par l’une des opérations sui-
vantes :
1. Li ← Li + αLj , i ̸= j où i, j ∈ [[1, n]] avec i ̸= j et α ∈ K.
2. Li ← αLi où i ∈ [[1, n]] et α ∈ K et α ̸= 0.
3. Li ↔ Lj où i, j ∈ [[1, n]] avec i ̸= j
La même conclusion est valables avec le opérations sur les colonnes.
Lemme 1
Preuve:
x ∈ E′
′ ′
Si x ∈ E tel que f (x) = 0 alors par suite x ∈ E ′ ∩ ker(f ) d’où
f (x) = 0
x = 0. Ainsi f ′ est injective.
′′
Soit y ∈ Im(f ) donc il existe x ∈ E tel que f (x) = y. Écrivons x = x′ + x avec
′′
x′ ∈ E ′ et x ∈ ker(f ) alors f (x) = f (x′ ), et comme x′ ∈ E ′ , on y = f (x′ ) =
f ′ (x′ ), donc f est surjective.
Remarque I
Théorème 5
dim(E) = rg (f ) + dim(ker f ).
Preuve:
En adoptant les notations du lemme, on a rg (f ) = rg (f ′ ) . comme f ′ est un
isomorphisme, on a dim(E ′ ) = dim(Im(f )) = rg (f ), donc rg (f ) = dim(E ′ ).
Comme ker(f )⊕E ′ = E, on a dim(E ′ ) = dim(E)−dim(ker(f )), d’où la formule
du rang ci-dessus.
2.1.7 Déterminant
2.1.7.1 Définition, propriétés
Définition 31
Proposition 52
Définition 32
Proposition 53
Proposition-Définition 2
Proposition 54
alors n n
X Y X Y
det(U ) = ε(σ) ui,σ(i) = ε(σ) uσ(j),j
E
σ∈Sn i=1 σ∈Sn j=1
Preuve:
Puisque les formes n−linéaires alternées forment une droite vectorielle, et
que det est non nulle, il existe λ ∈ K tel que : det′ = λ det. En appliquant
B B B
B et compte tenu de det(B) = 1, il vient λ = det′ (B), donc, pour toute
B B
famille F de vecteurs de E, on a : det′ (F ) = det′ (B) det(F ), ce qui
B B B
termine la preuve.
n
X
3. Soit F = (x1 , · · · , xn ) ∈ E n , k ∈ [[1, n]], x′k = xk + λj xj (où les λj j ∈
j=1
j̸=k
[[1, n]]\{k} sont des scalaires) et F ′ = (y1 , · · · , yn ) avec
xj si j ̸= k
∀j ∈ [[1, n]], yj =
x′k si j = k
Autrement dit :
A×A e × A = det(A)In .
e=A
Proposition 55
M N
Si A = est une matrice triangulaire par blocs où M ∈ Md (K) et
0 R
R ∈ Mq (K) avec d, q ∈ N∗ . alors :
Preuve:
On écrit :
M N Id 0 M N
A= = ×
0 R 0 R 0 Iq
et on se ramène à un cas simple qui se traite par récurrence.
Proposition 56
A1
Soit A =
.. une matrice triangulaire supérieure de s blocs alors
.
As
s
Y
det(A) = det(Ak ).
k=1
Preuve:
Par récurrence et d’après la proposition 55.
on définit : m
X
P (u) = ak uk = am um + · · · + a1 u + a0 IdE .
k=0
Soit Θu l’application :
Θu : K[X] → L(E)
tel que
∀P ∈ K[X], Θu (P ) = P (u)
Proposition 57
Preuve:
Il s’agit de démontrer que :
1. Θu (1) = IdE
2. ∀P, Q ∈ K[X], ∀λ ∈ K, Θu (P + λQ) = Θu (P ) + λΘu (Q)
3. ∀P, Q ∈ K[X], ∀λ ∈ K, Θu (P Q) = Θu (P ) ◦ Θu (Q)
Considérons deux polynômes :
m
X
ax X k
P =
k=0
q
X
bk X k
Q =
k=1
avec bk = 0 pour tout k tel que k > q, la même chose si q > m avec interversion
des rôles.
• Le premier point est immédiat par définition.
• Avec les notations ci-dessus, on a :
m
X
Θu (P + λQ) = (ak + λbk )uk
k=0
m q
X X
= ak uk + λ bk uk
k=0 k=0
= Θu (P ) + λΘu (Q)
58 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
m
X
• Commençons par le cas simple Q = X j , alors P Q = ak X k+j , par suite
k=0 !
m
X m
X m
X
k+j
Θu (P Q) = P Q(u) = ak u = ak u k ◦ u j = ak uk ◦ uj = P (u) ◦
k=0 k=0 k=0
Q(u) = Θu (P ) ◦ Θu (Q).
q
X
Pour le cas général : Θ(P Q) = bj P X j , donc
j=0
Θu (P Q) = P Q(u)
q
X
= bj P (u) ◦ uj
j=0
q
X
= P (u) ◦ bj uj
j=0
= P (u) ◦ Q(u)
= Θu (P ) ◦ Θu (Q)
Corollaire 9
Si P, Q ∈ K[X] alors :
Le corollaire ci-dessus est trés important en pratique, par exemple si on sait que
P (u)(x) = 0, pour un certain vecteur x de E et on part de l’expression P (u)(Q(u)(x)),
en utilisant le résultat du corollaire on aurait : P (u)(Q(u)(x)) = Q(u)(P (u)(x)) =
Q(u)(0) = 0
Proposition-Définition 3
Iu = πu (u)K[X].
2.2.1.1 Exemples
1. Le polynôme minimal de l’endomorphisme nul est π0 = X
2. Soit h = α IdE une homothétie ; alors πh = X − α
3. Soit u un projecteur de E ; alors πu = X 2 − X si u ̸∈ {0, IdE }.
4. Soit s une symétrie de E non triviale ; alors πs = X 2 − 1.
2.2. POLYNÔMES D’ENDOMORPHISMES, POLYNÔME MINIMAL 59
Proposition 58
Si E est de dimension finie alors le polynôme minimal existe pour tout endo-
morphisme de E
2.2.1.3 Contre-exemple
Soit E = R[X] et D : E → E défini par D(P ) = P ′ . Alors D n’admet pas de
polynôme minimal.
Preuve:
m
X
En effet si πD existe alors m = deg(πD ) ≥ 1. Posons πD = ak X k = am X m +
k=s
· · · as X s tel que as ̸= 0 et am = 1 ; donc πD (D) = Dm + · · · + as Ds . Comme
πD (D) = 0, on a en particulier πD (D)(X s ) = 0. Or Dk (X s ) = 0 pour tout
k > S, donc πD (D)(X s ) = s!as , donc s!as = 0, chose fausse puisque as ̸= 0.
Proposition-Définition 4
Proposition 59
Iu = IA et πu = πA
60 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
Proposition 60
Exemple Soit A une matrice carrée de Mn (K), n ≥ 2, tel que rg (A) = 1, alors
πA = X 2 − tr(A)X
Preuve:
Soit u l’endomorphisme canoniquement associé à A alors comme rg (A) = 1,
on a rg (u) = 1, donc par le théorème du rang, on a : dim(ker(u) = n − 1. Soit
V = (v1 , · · · , vn−1 , vn une base de Kn adaptée à une somme directe :
Kn = ker(u) ⊕ Kvn
Preuve:
d−1
X d−1
X
k
La famille est libre car si αk u = 0 le polynôme Q = αk X k est un
k=0 k=0
polynôme annulateur de u et si Q est non nulle cela contredirait la définition du
polynôme minimal, donc Q = 0 et les αk sont nuls. La famille est génératrice
car si P ∈ K[X] et R le reste de la division euclidienne de P par πu alors
P (u) = R(u) or R ∈ Kd−1 [X], ce qui établit le résultat.
Preuve:
1. Par définition du polynôme minimal.
2. Si P est un polynôme annulateur unitaire de u alors πu |P , donc deg(πu ) ≤
deg(P ). Si P est un polynôme unitaire annulateur de u est de degré
minimal on aurait deg(P ) ≤ deg(πu ), et comme par ailleurs πu |P , on a
aussi deg(πu ) ≤ deg(P ), donc P et πu sont unitaires de même degré donc
égaux.
3. Sinon πu serait constant et comme πu (u) = θ, on aurait πu = 0, ce qui
n’est pas le cas.
4. On va démontrer deux implications :
• Si πu (0) = 0 alors X|πn , donc πu = XQ(X) avec Q ∈ K[X], donc
u◦Q(u) = θ. Si u est inversible alors en composant avec u−1 on a Q(u) = 0
ce qui est impossible car deg(Q) < deg(πu ).
• Réciproquement si πu (0) ̸= 0 alors πu = a0 + XQ(X) avec a0 = πu (0) ∈
K∗ et Q ∈ K[X], donc θ = πu (u) = a0 IdE +u ◦ Q(u), donc en posant
1
v = − Q(u) on a u ◦ v = v ◦ u = IdE , donc u est inversible et u−1 = v.
a0
62 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
2.3 Stabilité
2.3.1 Définitions et premières propriétés
Définition 34
Exemples :
Proposition 62
Preuve:
Soit x ∈ ker u alors u(v(x) = v(u(x)) = v(0) = 0, donc v(x) ∈ ker u. Soit
x ∈ Im u alors ∃y ∈ E tel que x = u(y) donc v(x) = v(u(y)) = u(v(y)) ∈ Im u
Proposition 63
Proposition 64
Proposition 65
s
Si E = ⊕ Fk et si u est un endomorphisme de E tel que Fk est stable par u
k=1
s
pour tout k ∈ [[1, s]] alors la matrice de u dans une base B = ∪ Bk adaptée à
k=1
A1 0
la somme directe ci-dessus est de la forme A =
.. , c’est-à-dire
.
0 As
diagonale par blocs, où les Ak sont les matrices respectives des endomorphismes
induits uk relativement à Bk
Remarque réciproquement s’il existe une base de la forme ci-dessus tel que la
matrice de u dans cette base est diagonale par blocs alors les sous espaces Fk =
s
Vect(Bk ) sont u−stables et ⊕ Fk = E.
k=1
Preuve:
Soit P ∈ Iu , donc P (u) = θ ou θ est l’endomorphisme nul de E.
Xm m
X
k
• Soit x ∈ E, alors si on pose P = ak X , on a P (uF ) = ak ukF , donc
k=0 k=0
m
X
pour tout x ∈ F , on a P (uF )(x) = ak ukF (x).
k=0
• Démontrons par récurrence que pour tout j ∈ N on a ujF (x) = uj (x).
64 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
Proposition 67
Preuve:
Si P est un polynôme comme F est stable par uX on aussi F est stable par
k
P (u) car u (F ) ⊂ F pour tout k ∈ N et par suite ak uk (F ) ⊂ F.. Si de plus
P (u) = 0 alors P (uF ) = 0, donc πuF |P . Comme π(u) = 0, on a πuF |πu .
s
M
ker(P (u)) = ker(Pk (u)).
k=1
Preuve:
Par récurrence sur s.
• Pours = 2, alors P = P1 P2 avec P1 ∧ P2 = 1. Par le théorème de Bezout, il
existe U, V ∈ K[X] tel que U P1 + V P2 = 1, donc (U P1 )(u) + (V P2 )(u) = IdE .
Soit x ∈ E ′ = ker(P (u)) alors :
donc x = 0. Ainsi on a :
Donc :
s+1
M
ker(P (u)) = ker(Pk (u))
k=1
s
M
E= ker(Pk (u))
k=1
66 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
Preuve:
Conséquence immédiate du théorème 6 ci-dessus. Ici ker(P (u)) = ker(0) = E.
2.4.3.2 Exemple 2 :
Par le même raisonnement, si s est un symétrie de E, on a :
Définition 35
Soit u ∈ L (E).
Soit λ ∈ K. On dit que λ est une valeur propre de u s’il existe un vecteur x ∈ E
tel que x ̸= 0 et u(x) = λx. On note Sp(u) l’ensemble des valeurs propres de u.
Soit x ∈ E. On dit que x est un vecteur propre de u si x ̸= 0 et ∃λ ∈ K tel que
u(x) = λx.
Preuve:
Comme E est non réduit à {0}, soit x ∈ E tel que x ̸= 0. On a u(x) = αx,
donc α est une valeur propre de u. Réciproquement, soit λ une valuer
propre de u, alors ∃x ∈ E, x ̸= 0 et u(x) = λx. Or u(x) = αx, donc
αx = λx. Comme x ̸= 0, on a α = λ.
Preuve:
Remarquons que u(X n ) = X(nX n−1 ) = nX n . Comme X n ̸= 0, l’entier
naturel n est une valeur propre de u. Réciproquement, soit λ une valeur
propre de u, alors il existe un polynôme P non nul tel que u(P ) = λP .
Xn
Notons n = deg(P ) et posons :P (X) = ak X k . On a XP ′ (X) =
k=0
λP (X), donc :
n
X n
X
k
kak X = λak X k ,
k=1 k=0
Preuve:
Pour tout λ ∈ R, si on pose ∀t ∈ R, f (t) = eλt alors u(f ) = λf .
Preuve:
√
Soit λ ∈ R tel que λ ≥ 0 et fλ (t) = cos λt alors v(fλ ) = −λfλ et fλ
√ −λ est une valeur propre de u. Par ailleurs si on
est non nulle ; donc
pose gλ (t) = ch( λt), on a v(gλ ) = λgλ et gλ ̸= 0, donc λ est une valeur
propre de v. On a démontré que pour tout λ ≥ 0, les réels λ et −λ sont
des valeurs propres de v, donc Sp(v) = R.
Preuve:
Remarquons que pour P = 1, par exemple, on a D(P ) = 0 = 0.P donc
0 ∈ Sp(D). Réciproquement, si λ est une valeur propre de D, il existe un
polynôme non nul P tel que D(P ) = λP , donc P ′ = λP . Forcément P
est constant car sinon, on aurait deg(P ′ ) = deg(P ), donc P ′ = 0 et alors
λ = 0.
Proposition 69
Définition 36
2.5.1.2 Matrices
Valeurs propres, vecteurs propres, sous-espaces propres d’un endomorphisme, lors-
qu’ils existent sont appelés éléments propres de l’endomorphisme. On donne la dé-
finition suivante qui définit les éléments propres d’une matrice carrée :
Définition 37
Proposition 70
Preuve:
Comme les λk sont deux à deux distincts les polynômes X − λk sont deux à
deux premiers entre eux et le lemme des noyaux permet d’écrire en posant
Ys
Q= (X − λk ) :
k=1
s
ker(Q(u)) = ⊕ ker(u − λk IdE ),
k=1
Corollaire 10
Preuve:
Soient λ1 , . . . , λs des valeurs propres deux à deux distinctes d’un endomor-
phisme u et x1 , . . . , xs des vecteurs propres respectifs associés. Pour tout α1 , . . . , αs ∈
s
X
K, si αk xk = 0, comme αk xk ∈ Eλk (u), pour tout k ∈ [[1, s]] et que la somme
k=1
de Eλk (u) est directe, en vertu de la proposition 70, on a ∀k ∈ [[1, s]], αk xk =
0, et comme xk ̸= 0, on a αk = 0, d’où la liberté de la famille (xk )1≤k≤s .
70 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
Proposition 71
Corollaire 11
Preuve:
En effet si λ ∈ Sp(u) alors π(λ) ∈ Sp(π(u)) = {0}, donc π(α) = 0
Proposition 72
Preuve:
−aij si i ̸= j
Soit x ∈ K et si on pose A = (aij ), posons ac
ij = ; alors
x − aii si i = j
X n
Y
f (x) = Dσ avec ∀σ ∈ Sn , Dσ = ε(σ) a[
iσ(i)
σ∈Sn i=1
Y = {i ∈ [[1, n]]/σ(i) ̸= i}
on a
χA (X) = X n − tr(A)X n−1 + · · · + (−1)n det(A)
Proposition 73
Preuve:
1. Soit x ∈ K, alors χtA (x) = det(xIn − tA) = det(t(xIn − A)) = det(xIn −
A) = χA (x).
2. Comme A et B sont semblables, il existe P ∈ GLn (K) tel que B =
P AP −1 , donc, pour tout x ∈ K, on a : χB (x) = det(xIn −B) = det(xIn −
P AP −1 ) = det(P (xIn − A)P −1 ) = det(P ) det(xIn − A) det(P −1 ) =
det(xIn − A) = χA (x), on a utilisé que det(P −1 ) = (det(P ))−1 .
Définition 38
Remarque Cette définition est pourvue de sens car si deux matrices A et B repré-
sentes u dans des bases respectives, les matrices A et B sont semblables, donc d’après
la proposition 73, on a χA = χB , donc le polynôme caractéristique en question ne
dépends que de u.
] Exemple : Soit π un projecteur de E de rang r tel que 0 < r < n = dim(E). On
sait que Im(π) ⊕ ker(π) = E. Soit B une base de E adaptée à cette somme directe,
alors la matrice de π relativement à cette base est :
Ir 0
A=
0 0
de sorte que : χπ = χA = (X − 1)r X n−r .
Proposition 74
Preuve:
Soit F un sous-espace vectoriel de E stable par u et F ′ un supplémentaire de
F , donc
(⋆⋆) F ⊕ F ′ = E
Soit
B = (v1 , · · · , vr , · · · , vn )
2.5. ÉLÉMENTS PROPRES D’UN ENDOMORPHISME, D’UNE MATRICE CARRÉE73
Proposition 75
Corollaire 12
Définition 39
Proposition 76
Preuve:
Posons d = dim(Eλ (u)) et m = mλ (u). Comme λ est une valeur propre de u, on
a d ≥ 1. Soit E ′ un supplémentaire de Eλ (u). Si B = (v1 , · · · , vr , vr+1 , · · · , vn )
est une base adaptée à la somme directe Eλ (u) ⊕ E ′ = E alors la matrice de u
relativement à B est de la forme :
Id C
A = matB (u) =
0 D
χu = (X − λ)d χD
donc d ≤ m.
Proposition 77
avec les λk , k ∈ [[1, n]] les valeurs propres de u comptées avec leur multiplicités
et les µj , j ∈ [[1, s]] les valeurs propres deux à deux distinctes de u ; alors :
n s
Y Y
µj m j
det(u) = λk =
k=1 j=1
X n X s
tr(u) = λ k = mj µj
k=1 j=1
Remarque C’est aussi valable pour une matrice carrée ayant le polynôme caracté-
ristique scindé.
2.6. VALEURS PROPRES ET POLYNÔMES ANNULATEUR 75
Preuve:
On va démontrer que pour tout vecteur x ∈ E, on a χu (u)(x) = 0.
- Si x = 0, c’est vrai.
- si x ̸= 0, il existe un entier naturel non nul p maximal tel que la famille Fx =
(uk (x))0≤k≤p−1 est libre : effet p = 1 convient et l’ensemble en question est une
partie de N∗ majorée par n, on prend son plus grand élément p. Par définition
de p, la famille x, u(x), · · · , up (x)) est liée donc il existe (a0 , · · · , ap−1 ) ∈ Kp tel
que :
p−1
X
up (x) = ak uk (x)
k=0
Ainsi si on pose
p−1
X
P = Xp − ak X k
k=0
on a
P (u)(x) = 0.
Le sous-espace vectoriel F = Vect(Fx ) est stable par u puisque les images des
vecteurs de la famille Fx , par u sont des combinaison linéaires de ceux ci. Si
on note uF l’endomorphisme induit on a χuF |χu . On va montrer que :
χuF = P
0 · · · 0 1 ap−1
Donc :
p−1
!
X
χB = X X p−1 − ak X k−1 + (−1)p−1+1 a0 (−1)p−1
k=1
Donc :
p−1 p−1
X X
p j p
χB = X − aj X − a0 = X − ak X k
j=1 k=0
Proposition 78
Preuve:
En effet si λ est une racine de χA alors λ ∈ Sp(A). On a déjà vu qu’alors
πA (λ) = 0. Réciproquement, si πA (λ) = 0, alors, πA s’écrit : πA = (X − λ)Q.
Forcément Q(A) ̸= 0, donc il existe Y ∈ Mn,1 (K) tel que X = Q(A)Y ̸= 0. On
a (A − λIn )Q(A) = 0, donc (A − λIn )X = 0 et λ ∈ Sp(A).
Proposition 79
Preuve:
En effet toute valeur propre de u est une racine du polynôme minimal πu de u
et comme P (u) = 0, on a πu |P et le résultat en découle.
2.7 Diagonalisation
Dans tout ce qui suit les espaces vectoriels considérés sont de dimension finie non
nulle.
Proposition 80
Preuve:
• Supposons qu’on a (i) et soit B une base de E tel que la matrice A =
matB (u) est diagonale. Notons λ1 , · · · , λs , les termes deux à deux distincts
qui apparaissent dans la diagonale de A avec des éventuelles répétitions pour
[ Ci la sous-famille de B de touts les
chacun d’eux. Pour tout i ∈ [[1, s]], notons
vecteurs e tel que u(e) = λi e. Soit C = Ci , la réunion étant faite de façon à
ordonner les Ci par ordre croissant de l’indice i. On a alors :
∆1
matC (u) =
...
∆s
où
∀k ∈ [[1, s]] ∆k = λk Ink
avec nk le nombre de vecteurs de la famille Ck . Donc
s
M
E= Ek
k=1
Définition 40
Si l’une des assertions (i), (ii), (iii) de la proposition 80 est réalisée, on dit que
u est diagonalisable.
Proposition 81
Soit u un endomorphisme
X tel que Sp(u) ̸= ∅. Alors u est diagonalisable si et
seulement si dim(Eλ ) = dim E
λ∈Sp(u)
Théorème 8
Soit u ∈ L (E). Alors une condition nécessaire pour que u soit diagonalisable
est χu est scindé. Si cette condition est remplie alors u est diagonalisable si et
seulement si pour tout λ ∈ Sp(u), on a m(λ) = d(λ) où m(λ) est la multiplicité
de λ et d(λ) = dim(Eλ (u).
Preuve:
En effet, le fait que χu soit scindé est une condition nécessaire pour que u
soit diagonalisable puisque si u est diagonalisable il admet une matrice YD =
diag(λ1 , · · · , λs ) dans une base de diagonalisation et par suite ,χu = (X −
X
λk ). Supposons donc que χu est scindé alors on a n = m(λk ). En particulier
X X
u est diagonalisable ssi n = d(λk ) ssi (m(λk ) − d(λk ) = 0 ssi m(λk ) =
d(λk ), ∀k car on sait que m(λk ) − d(λk ) ≥ 0, pour tout k ∈ [[1, s]].
Donner une condition nécessaire et suffisante sur α, β, γ, λ pour que A soit diagona-
lisable.
Réponse : On remarque que α ∈ Sp(A) et que e1 et e3 sont des vecteurs propres
associés à α, don la multiplicité de α dans χA est supérieure ou égale à 2, donc le
polynôme caractéristique de A est de la forme : χA = (X − α)2 (X − b) de sorte
que χA est scindé, donc tr(A) = 2α + b = 2α + γ et γ = b. Il en découle que
χA = (X − α)2 (X − γ). La dimension du sous-espace vectoriel propre Eα (A) est
d(α) = 3 − rg (A − αA) = rg (A′ ) avec :
0 β 0
A′ = 0 γ − α 0
0 λ 0
Définition 41
Proposition 82
une matrice carrée est diagonalisable ssi elle est semblable à une matrice diago-
nale.
Proposition 83
Si u est diagonalisable et λk , k ∈ [[1, s]] ses valeurs propres deux à deux distinctes
X s
alors u = λk πk où les πk sont les projecteurs associés à la somme directe :
k=1
s
E = ⊕ Ek
k=1
Preuve:
Xx = x1 +
si X· · · + xs avec xk ∈ Ek (u) alors u(x) = u(x1 ) + · · · + u(xs ) =
λk xk = λk πk (x)
2.7. DIAGONALISATION 81
Théorème 9
s
X
Si P ∈ K[X] alors, avec les notations ci-dessus, P (u) = P (λk )πk
k=1
Preuve:
m
XP = X , raisonnons par récurrence sur m. Pour m = 0, il vient IdE =
Si
πk , chose juste. Pour m = 1 c’est la prop ci-dessus. Soit m ∈ N∗ tel que
X X
um = λm m
k πk . On a πj u = λm m
k πj πk = λj πj de sorte que u
m+1
= u.um =
X X
λ j πj u m = λm+1
j πj .
j
N
X
Pour finir, soit P ∈ K[X] tel que P = am X m , alors :
m=0
N
X
P (u) = am um
m=0
XN Xs
= am λm
j πj
m=0 j=1
s N
!
X X
= am λ m
j πj
j=1 m=0
Xs
= P (λj )πj .
j=1
2.7.2.2 Conséquences
Proposition 84
Preuve:
Comme π(λj ) = 0 pour tout j, c’est une conséquence immédiate du théorème
précèdent.
82 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
Théorème 10
u est diagonalisable ssi son polynôme minimal πu est scindé à racines simples.
Preuve:
Y
Si u est diagonalisable et Sp(u) = {λ1 , · · · , λs } alors le polynôme π = (X −
λj ) annule u. Or chaque λj est une racine du polynôme minimal πu , donc Y π|πu et
par suite π = πu , donc πu est scindé simple. Réciproquement si πu = (X−λj )
avec les λj deux à deux distincts, alors par le lemme des noyaux et πu (u) = 0,
s
on a E = ⊕ Eλj (u) donc u est diagonalisable.
j=1
Corollaire 13
u est diagonalisable ssi il existe un polynôme P scindé à racines simples tel que
P (u) = 0. Dans un tel cas les valeurs propres de u sont parmi les racines de P .
Preuve:
Si u est diagonalisable alors P = πu est un polynôme annulateur de u scindé à
racines simples d’aprés le théorème 10 .
Réciproquement, si P est un polynôme scindé à racines simples tel que P (u) = θ
alors πu |P et par suite πu est scindé à racines simples, donc, d’après le théorème
10, l’endomorphisme u est diagonalisable.
Corollaire 14
Proposition 85
Preuve:
Comme u est diagonalisable , son polynôme minimal πu est scindé à racines
simples, or le polynôme minimale πuF de uF divise πu , donc πuF est scindé à
racine simples , par suite uF est diagonalisable.
2.8 Trigonalisation
Tout espace vectoriel considéré dans ce paragraphe est de dimension finie non nulle
2.8.1 Définitions
2.8.1.1 Endomorphisme trigonalisable
Définition 42
Preuve:
Si C = (ck )1≤k≤n Soit B = (bk )1≤k≤n tel que bk = cn−k+1 alors matB (u)
est triangulaire sup.
Preuve:
Si u est représenté par T alors son polynôme caractéristique est χu =
Yn
(X − tkk ), ce qui prouve le résultat énoncé.
k=1
Définition 43
Proposition 86
Théorème 11
Preuve:
- Si u est trigonalisable, il existe une base dans laquelle la matrice de u est
Yn
triangulaire supérieure T , donc χu = (X − λk ) où les λk sont les termes
k=1
diagonaux de T .
- Réciproquement, par récurrence sur la dimension n de E.
• Si n = 1, on a forcément πu = X − c, donc u est une homothétie donc u est
même diagonalisable.
• Soit n ∈ N∗ tel que la propriété à démontrer est vraie pour tout espace
vectoriel de dimension n. Soit E un espace vectoriel de dimension n + 1 et
u ∈ L(E) tel que χu est scindé. Soit λ une racine de χu , donc λ est une valeur
propre de u, e1 un vecteur propre associé et E ′ un supplémentaire de Ke1 .
Considérons une base B ′ = (e2 , · · · , en+1 ) de E ′ et la base de E sous-jacente
B = (e1 , e2 , · · · , en+1 ). alors :
λ L
0
A = matB (u) = ..
. B
0
2.8.2.2 Cas où K = C
86 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
Théorème 12
Théorème 13
Définition 44
Définition 45
Soit A une matrice carrée. A est nilpotente s’il existe k ∈ N∗ tel que Ak = 0. le
plus petit k ∈ N∗ vérifiant Ak = 0 s’appelle indice de nilpotence de A.
2.8.3.2 Caractérisation
Proposition 87
Preuve:
Si u est nilpotent alors il existe k ∈ N∗ tel que uk = 0. Soit A ∈ Mn (K) une
matrice représentant u.
• Si K = C, alors A est trigonalisable, et comme Ak = 0, la seule valeur propre
de A est 0.
• Si K ̸= C, la matrice A est toujours dans Mn (C) et elle est par conséquent
trigonalisable, et comme Ak = 0, la seule valeur propre de A est 0 donc le
polynôme caractéristique de A est PA = X n et comme PA ∈ K[X], le polynôme
2.8. TRIGONALISATION 87
Puisque (u − λk IdE )mk ∈ K[u], le sous-espace vectoriel Fk = ker(u − λk IdE )mk est
stable par u et si on note uk l’endomorphisme induit associé on a uk = IdFk +νk avec
νk = uk − λk IdFk . On remarque que Fk = ker(νk )mk , ce qui se traduit par νkmk = 9,
donc νk est nilpotent. Ceci est résumé par la :
Proposition 88
Sp(u) = {λ1 , · · · , λs }
88 CHAPITRE 2. RÉDUCTION DES ENDOMORPHISMES
et s
Y
χu = (X − λk )mk
k=1
alors : s
M
E= ker(u − λk IdE )mk
k=1
les sous-espaces vectoriels Fk = ker(u − λk IdE )mk ; k ∈ [[1, s]], sont stables par u
et si pour tout k ∈ [[1, s]], on note uk l’endomorphisme de Fk induit par u à Fk ,
alors uk = λk IdFk +νk où νk ∈ L(Fk ) est un endomorphisme nilpotent de Fk .
Remarque Avec les notations ci-dessus, si on note πk les projecteurs sur Fk paral-
lèlement à s
M
Fk =
c Fj
j=1
j̸=k
et pour tout x ∈ E :
s
X
ν(x) = νj (πj (x))
j=1
u=ν+δ et ν ◦ δ = δ ◦ ν
où s
X
δ= λj πj .
j=1
Preuve:
On à démontrer :
• ν est nilpotent :
En effet : ν n = 0 où n = dim(E) car pour tout k ∈ [[1, s]], on a νk mk = 0 et
mk ≤ n donc νk m = 0
• δ est diagonalisable :
En effet ⊕Fk = E et pour tout x ∈ Fk , δ(x) = λk x, donc les λk sont les valeurs
propres de δ et les sous-espaces propres associés Fk son en somme directe.
• δ et ν commutents
:
X
En effet, si x = xk avec xk ∈ Fk alors
k=1
s
X
δ(x) = λk xk ,
k=1
2.8. TRIGONALISATION 89
donc s
X
ν(δ(x)) = λk νk (xk );
k=1
par ailleurs
s
X
ν(x) = νk (xk )
k=1
et comme νk (xk ) ∈ Fk , on a
s
X
δ(ν(x)) = λk νk (xk ),
k=1
ce qui prouve ν ◦ δ = δ ◦ ν.
Définition 46
91
92 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Preuve:
On a : ∥x∥ = ∥x − y + y∥ ≤ ∥x − y∥ + ∥y∥, donc :
∥x∥ − ∥y∥ ≤ ∥x − y∥
∥y∥ − ∥x∥ ≤ ∥y − x∥
et finalement :
|∥x∥ − ∥y∥| ≤ ∥x − y∥
5. Les axiomes (1), (2), (3) définissant une norme sont nommés respectivement :
(1) : Axiome de l’inégalité triangulaire.
(2) : Axiome de l’homogénéité.
(3) : Axiome de la séparation.
6. Si N réalise (1) et (2), on dit que N est une semi-norme sur E. Une norme est
donc une semi-norme mais une semi-norme n’est pas forcément une norme, ce
qui est prouvé par le contre-exemple suivant :
7. Si ν : E → R est une application qui satisfait les axiomes (1) et (2) de la
définition 46 ci-dessus, alors ν est à valeurs dans R+ . En effet : On a tout
d’abord ν(0) = ν(0.0) = |0|ν(0) = 0 (homogénéité) ; si x ∈ E alors par
homogénéité, on a ν(−x) = ν(x) ; ensuite ν(0) = ν(x − x) = ν(x + (−x)) ≤
ν(x) + ν(−x) =≤ 2ν(x), donc ν(x) ≥ 0.
Définition 47
Remarque Un norme est donc une semi-norme qui satisfait aussi l’axiome de sé-
paration. Ainsi toute norme est une semi-norme mais une semi- norme peut ne pas
être une norme comme le montreront les exemples suivants.
Preuve:
• L’application ν est bien définie car si f ∈ E, il existe M ∈ R tel que
|f (φ(n))| M
∀n ∈ N, |f (x)| ≤ M , donc 0 ≤ n
≤ n et la série géométrique
X 1 2 2
est convergente, donc ν(f ) est bien un nombre réel positif.
2n
• Si f, g ∈ X alors pour tout n ∈ N, on a :
Définition 48
Remarque on a alors :
Preuve:
Soit m, n, p ∈ N :
• Il est clair que d(m, n) = d(n, m) puisque δm,n = δn,m .
• On a d(m, n) + d(n, p) ≥ d(m, p) car si m = p alors d(m, p) = 0 et si si
m ̸= p alors forcément m ̸= n ou n ̸= p donc d(m, n) = 1 ou d(n, p) = 1, par
suite d(m, n) + d(n, p) ≥ 1 = d(m, p).
• On a d(m, m) = 0 et si m ̸= n alors d(m, n) = 1 ̸= 0, par suite on a :
d(m, n) = 0 ⇔ m = n.
Proposition 89
d : E2 → R+
(x, y) 7→ d(x, y) = ∥x − y∥
Preuve:
On va établir que l’application d ainsi définie vérifie les trois axiomes d’une
distance :
• Soit (x, y) ∈ E 2 , on a ∥x − y∥ = ∥y − x∥, donc d(x, y) = d(y, x).
• Soit (x, y, z) ∈ E 3 alors, par l’axiome de l’inégalité triangulaire, on a :
∥x − y∥ = ∥(x − z) + (z − y)∥ ≤ ∥x − z∥ + ∥y − z∥ ,
ce qui donne :
d(x, y) = 0 ⇔ ∥x − y∥ = 0
∥x − y∥ = 0 ⇔ x − y = 0
donc :
∀(x, y) ∈ E 2 d(x, y) = 0 ⇔ x = y
.
3.1.1.4 Distance d’un point à une partie d’un espace vectoriel normé
Proposition-Définition 5
Soit A une partie non vide d’un espace vectoriel normé E et a ∈ E. La partie :
YA = {∥x − a∥ /x ∈ A},
admet une borne inférieure comme partie de R. le nombre réel inf YA est appelé
distance du point a à la partie A de E et est noté d(a, A).
Preuve:
Comme A est non vide on a YA ̸= ∅, et comme YA ⊂ R+ , on a YA est non vide
minorée (par 0 par exemple), donc YA admet une borne inférieure.
96 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Proposition 90
Preuve:
Immédiate puisque F ⊂ E et que ∥x∥F = ∥x∥, pour tout x ∈ F , par définition,
,donc tous les axiomes d’une norme sont vérifiées par ∥.∥F sur F .
∀x ∈ E ∥x∥φ = ∥φ(x)∥
Définition 49
Soit (E, ∥.∥) un espace vectoriel normé et soit a ∈ E et r ∈ R+ . Alors, les sous
ensembles de E respectifs suivants :
1. B(a, r) = {x ∈ E/∥x − a∥ < r}.
2. Bf (a, r) = {x ∈ E/∥x − a∥ ≤ r}.
3. S(a, r) = {x ∈ E/∥x − a∥ = r}.
sont respectivement appelés : boule ouverte, boule fermée et sphère toutes de
centre a et de rayon r.
Preuve:
le 1) est facile à faire
le 2) par définition des boules et de la sphere , pour la réunion et pour l’inter-
section : supposons que c’est non vide et soit x un élément de l’intersection ,
alors ∥x − a∥ = r et ∥x − a∥ < r ; absurde.
Soit (E, ∥.∥) un espace vectoriel normé et A une partie de E. On dit que A est
bornées si A est contenue dans une boule fermée de E de centre l’origine de.
Autrement dit s’il existe R ≥ 0 tel que :
∀x ∈ A ∥x∥ ≤ R
Définition 51
Soit (E, ∥.∥) un espace vectoriel normé et X un ensemble non vide. Une appli-
cation f de X vers E est dite bornée si f (X) est une partie bornée de l’espace
vectoriel normé (E, ∥.∥)
Proposition 91
XA = {∥x − y∥ /(x, y) ∈ A2 }
admet une borne supérieure. Le nombre réel positif sup(XA ) s’appelle le dia-
mètre de A. On le note δ(A) ou d(A).
100 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Preuve:
Puisque A est bornée, il existe un nombre réel M tel que : ∥x∥ ≤ M pour tout
x ∈ A. Il en résulte que : pour tout (x, y) ∈ A2 , on a :
∥x − y∥ ≤ ∥x∥ + ∥y∥ ≤ 2M
Exercice :
Soit E un espace vectoriel normé. Soit a ∈ E et r ∈]0, +∞[. Prouver que : δ(B(a, r)) =
δ(Bf (a, r)) = δ(S(a, r)) = 2r.
Y = {∥x − y∥ /(x, y) ∈ A2 }
On va construire une suite (yn ) de points de Y qui converge vers 2r. Posons alors
nr a nr a
pour tout n ∈ N, yn = ∥un − vn ∥ avec un = a + et vn = a − .
n + 1 ∥a∥ n + 1 ∥a∥
n
On a alors : ∥un − a∥ = ∥vn − a∥ = r < r, donc yn ∈ Y et on a d’autre part :
n+1
n
yn = 2r de sorte que : lim yn = 2r.
n+1 n→+∞
Conclusion : sup Y = 2r, par suite δ(A) = δ(B(a, r)) = 2r
Soient E et F deux espaces vectoriels normés dont les normes prennent la même
notation ∥.∥. Soit A une partie non vide de E et f une application de A vers
F . On dit que f est lipshitzienne sur A s’il existe une constante réelle positive
k tel que :
∀(x, y) ∈ A2 ∥f (x) − f (y)∥ ≤ k ∥x − y∥
Soit A une partie de l’espace vectoriel normé (E, ∥.∥). On dit que A est une
partie ouverte (ou simplement un ouvert) de E si A est vide ou A est non vide
et : (∀a ∈ A)(∃ε > 0) B(a, ε) ⊂ A. On dit que A est une partie fermée (ou un
fermé) si son complémentaire dans E est un ouvert.
Proposition 92
ouvert.
Proposition 93
3.1.7 Voisinage
Dans tout ce qui suit (E, ∥.∥) est un espace vectoriel normé.
Définition 54
Preuve:
1. Par définition d’un ouvert.
2. Clair puisque E est un ouvert.
3. Si V1 et V2 sont deux voisinages de a, alors il existe U1 , U2 ouverts de E
tel que a ∈ U1 et a ∈ U2 et U1 ⊂ V1 et U2 ⊂ V2 . Soit U = U1 ∩ U2 , alors
U est un ouvert de E et a ∈ U et U ⊂ V1 ∩ V2 , donc V1 ∩ V2 est bien un
voisinage de a.
4. Si V est un voisinage de a alors il existe U ouvert de E tel que a ∈ U ⊂ V ,
donc pour toute partie W de E contenant V , on a aussi : a ∈ U ⊂ V , ce
qui prouve que W est un voisinage de a.
Proposition 94
Preuve:
Conséquence immédiate de la définition d’un ouvert.
3.1.8 Topologie
3.1.8.1 Introduction
Topologie de topo et logos : science du lieu.
Lorsqu’un espace vectoriel est muni d’une norme , cela permet de définir des notions
topologiques comme : partie ouverte , fermé, compacte, connexe par arcs, point
adhérent, adhérence, intérieur et frontière d’une partie.
La topologie permet aussi de définir les suites convergents, les fonction continues.
Définition 55
N ≤ kN ′ et N ′ ≤ k ′ N
N ′ (xn ) N ′ (xn )
lim = +∞ ou lim =0
n→+∞ N (xn ) n→+∞ N (xn )
5. Si on note SN 1
la sphère unité de (E, N ), on peut dire que N et N ′ sont
1
équivalentes si et seulement si SN est bornée dans (E, N ′ ) et SN
1
′ est bornée
dans (E, N ).
6. On verra plus lois que les assertions suivantes sont équivalentes :
(a) N et N ′ sont équivalentes.
(b) (E, N ) et (E, N ′ ) ont les mêmes ouverts.
(c) (E, N ) et (E, N ′ ) ont les mêmes fermés.
(d) (E, N ) et (E, N ′ ) ont les mêmes parties bornées.
Définition 57
Proposition 95
Soit (E, ∥.∥) un espace vectoriel normé, alors, pour toute partie A de E, l’adhé-
rence Adh(A) de A est un fermé de E et A ⊂ Adh(A).
Preuve:
Pour tout a ∈ A et pour tout r > 0, on a a ∈ B(a, r) ∩ A, donc (⋆⋆) :
B(a, r) ∩ A ̸= ∅, donc a ∈ Adh(A) et par suite A ⊂ Adh(A).
Démontrons que Adh(A) est fermé, pour cela soit x ∈ E tel que x ̸∈ Adh(A).
Par définition de l’adhérence, il existe r > 0 tel que B(x, r)∩A = ∅. Démontrons
r
que (⋆) : B(x, ) ∩ Adh(A) = ∅. Si on n’a pas (⋆), il existe b ∈ Adh(A) tel
2
r r
que ∥b − x∥ < , et comme b ∈ Adh(A), on a B(b, ) ∩ A ̸= ∅, donc il existe
2 2
r
a ∈ A tel que ∥b − a∥ < . Il en découle que ∥x − a∥ ≤ ∥x − b∥ + ∥b − a∥ < r,
2
donc a ∈ B(x, r), ce qui contredit (⋆⋆) ci-dessus. Ainsi on a (⋆) et finalement
Adh(A) est un fermé.
Proposition 96
A ⊂ B ⇒ Adh(A) ⊂ Adh(B).
Preuve:
Supposons que A ⊂ B. Soit x ∈ Adh(A). Pour tout r > 0, on a B(x, r)∩A ̸= ∅.
Or A ⊂ B, donc B(x, r) ∩ A ⊂ B(x, r) ∩ B et par suite B(x, r) ∩ B ̸= ∅ et
x ∈ Adh(B), donc Adh(A) ⊂ Adh(B).
106 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Proposition 97
Soit (E, ∥.∥) un espace vectoriel normé. Pour toute partie A de E on a A est
fermée si et seulement si Adh(A) = A.
Preuve:
En effet, si A = Adh(A) alors d’après la proposition 95, on déduit que A
est fermée. Réciproquement, si A est fermée, on sait déjà que A ⊂ Adh(A),
réciproquement pour tout x ∈ E, si x ̸∈ A, comme A est fermé, ∃r > 0 tel
que B(x, r) ∩ A = ∅, et cela signifie que x ̸∈ Adh(A), donc ∀x ∈ E, x ̸∈ A ⇒
x ̸∈ Adh(A) et par contraposée, on a : ∀x ∈ E, x ∈ Adh(A) ⇒ x ∈ A, donc
Adh(A) ⊂ A et finalement A = Adh(A).
Proposition 98
Soit (E, ∥.∥) un espace vectoriel normé. Pour toute partie A de E, l’adhérence
de A est l’intersection de tous les fermés contenant A. C’est donc le plus petit
fermé (au sens de l’inclusion) contenant A.
Preuve:
\
Soit I l’ensemble des fermés F de E tel que A ⊂ F . Alors F0 = F est un
F ∈I
fermé de E et A ⊂ F0 . Par ailleurs pour tout F ∈ I, on a F0 ⊂ F , donc F0 est
le plus petit fermé de E contenant A. Démontrons que Adh(A) = F0 . Puisque,
en vertu de la proposition 95, on a Adh(A) est un fermé de E contenant A, on a
F0 ⊂ Adh(A). Or A ⊂ F0 , donc par la proposition 96, on a Adh(A) ⊂ Adh(F0 ).
Par la proposition 97, on a F0 étant fermé donc Adh(F0 ) = F0 , en conclusion
F0 = Adh(A).
Proposition 99
Preuve:
Onva donner les preuves et un contre-exemple.
1. On a A ⊂ A car si x ∈ A toute boule de centre a rencontre A en a par
exemple.
2. Si A ⊂ B, soit x ∈ A, pour tout r > 0, on a B(a, r) ∩ A ⊂ B(a, r) ∩ B et
comme B(a, r) ∩ A ̸= ∅, on a B(a, r) ∩ B ̸= ∅, donc x ∈ B.
A⊂A∪B A⊂A∪B
3. On a , donc par le 2) ci-dessus, on a donc
B ⊂A∪B B ⊂A∪B
A∪B ⊂A∪B
On a A ⊂ AB ⊂ B donc A ∪ B ⊂ A ∪ B et comme A ∪ B est un fermé ,
on a A ∪B ⊂ A ∪ B
A∩B ⊂A A∩B ⊂A
Comme , on a : donc A ∩ B ⊂ A ∩ B.
A∩B ⊂B A∩B ⊂B
Pour A =]0, 1[, B =]1, 2[, on a A ∩ B = ∅ mais A = [0, 1], B = [1, 2] donc
∅ = A ∩ B ⊊ {1} = A ∩ B.
Proposition 100
3.1.10.2 Densité
Définition 58
Soit (E, ∥.∥) un espace vectoriel normé, A et B deux parties de E tel que A est
non vide et A ⊂ B. On dit que A est dense dans B si B ⊂ A.
Preuve:
Soit A ∈ Mn (K) et r > 0 un réel strictement positif. Démontrons que la boule
B(A, r) rencontre GLn (K), c’est-à-dire qu’il existe une matrice inversible M
tel que ∥M − A∥ < r. Pour cela posons :
1
∀p ∈ N∗ , Mp = A − In .
p
108 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Remarquons que :
∗ 1
n
∀p ∈ N , det(Mp ) = (−1) χA ,
p
1
∥Mp − A∥ = ∥In ∥
p
∥In ∥
et par suite il suffit de choisir p tel que p > pour avoir ∥M − A∥ < r pour
r
M = Mp .
Définition 59
Soit A une partie de E. Un point a de E est dit intérieur à A s’il existe une
boule ouverte de centre a contenue dans A .
Autrement dit :
Définition 60
◦
Soit A une partie de E.On note A l’ensemble des points intérieurs à A et on
l’appelle l’intérieur de A.
Proposition 101
L’intérieur d’une partie A est la réunion de tous les ouverts contenus dans A.
C’est donc le plus grand ouvert (au sens de l’inclusion) contenu dans A.
3.1. NORME SUR UN ESPACE VECTORIEL : 109
Proposition 102
◦
Une partie A de E est ouverte si et seulement si A = A
Preuve:
◦
Si A est ouverte on va montrer que A ⊂ A. Soit x ∈ A, il existe r > 0 tel que
◦
B(x, r) ⊂ A, donc x ∈ A
◦ ◦
Réciproquement , si A = A , soit x ∈ A ; comme x ∈ A on a : ∃r > 0 tel que
B(a, r) ⊂ A, donc A est un ouvert.
3.1.12 Frontière
Définition 61
◦
Remarques 1) ∂A est un fermé car c’est l’intersection de deux fermés : A et (A)c
2) On a : ∂E = ∅ et ∂∅ = ∅
Proposition 103
n n
! 21
X X n
∥x∥1 = Nk (xk ), ∥x∥2 = (Nk (xk )2 , ∥x∥∞ = sup Nk (xk )
k=1
k=1 k=1
Alors il s’agit de trois normes sur E. De plus elles sont équivalentes. Si ∥.∥
désigne l’une d’elles alors (E, ∥.∥) est appelé espace vectoriel normé produit des
Ek
3.2.1.2 Opérations
Si u = (un ) et v = (vn ) sont deux suites et λ ∈ K on définit les suite u + v et λ.u
comme suit :
∀n ∈ N (u + v)n = un + vn et (λ.u)n = λun
Proposition 104
Définition 62
Un suite (un ) à valeurs dans E est bornée si l’ensemble de ses valeurs {Un /n ∈
N} est une partie bornée de l’espace vectoriel normé E. C’est-à-dire si :
Exemple Soit E = C ([0, 1], R) l’espace vectoriel des fonctions continue muni de la
norme ∥.∥∞ et la suite (un ) tel que :
Soit (un ) une suite (un ) à valeurs dans E et ℓ ∈ E. On dit que ℓ est une limite
de la suite (un ) si : la suite réelle (∥un − ℓ∥)n est convergente vers 0
On voit que l’on se ramène à l’étude d’une suite réelle, donc on peut utiliser tout ce
qu’on sait à propos de ce ca particulier important, notamment si (un ) ∈ E N est une
suite tel qu’il existe une suite réelle (αn ) et un vecteur ℓ ∈ E, tel que :
∃n0 ∈ N, ∀n ∈ N, n ≥ n0 ⇒ ∥un − ℓ∥ ≤ αn
Proposition 105
Si une suite admet une limite ℓ alors elle est unique. On la note ℓ = lim un .
n→+∞
Preuve:
Si ℓ et ℓ′ sont des limites des (un ), alors pour tout n ∈ N, on a :
∥ℓ′ − ℓ∥ = ∥ℓ′ − un + un − ℓ∥
≤ ∥un − ℓ′ ∥ + ∥un − ℓ∥
et comme lim ∥un −ℓ∥ = lim ∥un −ℓ′ ∥ = 0, on a lim (∥un − ℓ′ ∥ + ∥un − ℓ∥) =
n→+∞ n→+∞ n→+∞
0 et par suite ℓ = ℓ′ .
Proposition 106
Si est l’ensemble des suites convergentes à valeurs dans E alors S est un sous-
espace vectoriel de E, de plus l’application L qui associe à chaque u de S sa
limite est une application linéaire de S vers E
et
lim (λun ) = λℓ
n→+∞
Définition 64
Les exemples les plus utilisés sont φ(n) = 2n, ψ(n) = 2n + 1 et χ(n) = n2 .
Proposition 107
∀n ∈ N, φ(n) ≥ n.
Preuve:
Par récurrence :
• Pour n = 0, on a φ(0) = 0 ∈ N, donc φ(0) ≥ 0.
• Soit n ∈ N tel que φ(n) ≥ n, alors comme n + 1 > n et φ est strictement
croissante, on a φ(n + 1) > φ(n), donc φ(n + 1) > n, donc φ(n + 1) ≥ n + 1.
Définition 65
Soit (un ) une suite à valeurs dans E. On appelle sous-suite ou suite extraite
de (un ) toute suite de la forme (uφ(n) ) où φ est une application strictement
croissante de N vers N.
Définition 66
Soit (un ) une suite à valeurs dans E et a ∈ E. On dit que a est une valeur
d’adhérence de la suite (un ) s’il existe une sous-suite de la suite (un ) qui converge
vers a.
Proposition 108
Proposition 109
Soit (un ) une suite d’un espace vectoriel normé (E, ∥.∥). Si (un ) est convergente
de limite ℓ, alors toute sous-suite (uφ(n) ) de (un ) est convergente de limite ℓ.
114 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Preuve:
Soit ε > 0, il existe N ∈ N tel que pour tout n ∈ N, on aie : n ≥ N ⇒
∥un − ℓ∥ < ε, donc si n ≥ N , on a φ(n) ≥ n par la proposition 107, donc
∥uφ(n) − ℓ∥ < ε, et par suite on a prouvé que :
Une suite (un ) à valeurs dans un espace vectoriel normé E est dite de Cauchy
si :
(∀ε > 0)(∃N ∈ N)(∀p ≥ N )(∀q ≥ N ) ∥up − uq ∥ < ε
Définition 68
On dit qu’un espace vectoriel normé (E, ∥.∥) est complet si toute suite de Cauchy
à valeurs dans E est convergente. On dit aussi que (E, ∥.∥) est un espace de
Banach.
Proposition 110
n
Y
Si Ei avec i ∈ {1, ..., n} sont des espaces de Banach alors E = Ei est un
i=1
espace de Banach.
Corollaire 15
Pour tout d ∈ N∗ , l’espace vectoriel normé (Kd , ∥.∥k ) où k ∈ {1, 2, ∞}, sont des
espaces de Banach.
Remarque on verra plus loin que Kd muni de n’importe quelle norme est un espace
de Banach.
Proposition 111
Preuve:
Soit (un ) une telle suite. En prenant ε = 1, il existe N ∈ N tel que ∥up − uq ∥ < 1
pour p, q ≥ N . En particulier (p = N et q = n ≥ N ), on a pour tout n ≥ N :
∥un − uN ∥ < 1
et comme :
∥un ∥ − ∥uN ∥ ≤ ∥un − uN ∥
on a :
∥un ∥ ≤ 1 + ∥uN ∥
pour tout n ≥ N . En prenant : M ′ = max(∥uk ∥/k ≤ N } et M = max(M ′ , ∥uN ∥+
1) on voit que :
∀n ∈ N ∥un ∥ ≤ M
Preuve:
un = (vn , wn ). Supposons que (un ) converge vers ℓ = (ℓ, ℓ′ ) ∈ F ×G. On adopte
la norme ∥.∥∞ . On a :
∥vn − ℓ∥ ≤ ∥wn − ℓ∥∞
∥un − ℓ′ ∥ ≤ ∥un − ℓ∥∞
Le membre de droite est le terme général d’une suite qui converge vers 0 dans
R, donc (un ) converge vers ℓ.
Soit A une partie non vide de E. Alors l’adhérence de A est l’ensemble de toutes
les limites possibles de suites convergentes dans E à valeurs dans A
Corollaire 16
Une partie A de E est fermée si et seulement si pour toute suite (an ) à valeurs
dans A si (an ) converge vers ℓ ∈ E alors : ℓ ∈ A
Corollaire 17
3.3.1 Limites
3.3.1.1 Limite d’une application en un point adhérent à une partie
Définition 69
Définition 70
Proposition 114
Preuve:
Supposons que (⋆) lim f (x) = ℓ. Soit (an ) ∈ AN une suite tel que (⋆⋆)
x→a
lim an =
n→+∞
x∈A
a. Soit ε > 0, alors par (⋆) il existe η > 0 tel que :
∀n ∈ N, n ≥ N ⇒ ∥an − a∥ < ε
On a alors :
∀n ∈ N, n ≥ N ⇒ ∥f (an ) − ℓ∥ < ε.
donc lim f (an ) = ℓ.
n→+∞
lim = ℓ, alors
Réciproquement, supposons qu’on a la négation de x→a
x∈A
1
∃ε0 > 0, ∀n ∈ N∗ , ∃an ∈ A, ∥an − a∥ < et ∥f (an ) − ℓ∥ > ε.
n
On a ainsi construit une suite (an ) ∈ AN tel que lim an = a mais on n’a pas
n→+∞
lim f (an ) = ℓ.
n→+∞
Proposition 115
Y
Soit (Ei , Ni )1≤i≤n une famille d’espaces vectoriels normés et E = Ei l’espace
vectoriel normé produit. Soit ℓ = (ℓi )1≤i≤n ∈ E et
f :A→E
Proposition 116
Preuve:
Pour tout x ∈ A, on a :
Soit ε > 0. Comme lim f (x) = ℓ et lim g(x) = ℓ′ , il existe η1 , η2 > 0 tel que :
x→a x→a
ε
∥x − a∥ < η1 ⇒ ∥f (x) − ℓ∥ <
∀x ∈ A, 2 ε .
′
∥x − a∥ < η2 ⇒ ∥g(x) − ℓ ∥ <
2(1 + |λ|)
Proposition 117
Preuve:
La démonstration comporte deux parties :
• Démontrons tout d’abord que b ∈ B, pour cela soit r > 0, prouvons que
B(b, r) ∩ B ̸= ∅. Comme lim f (x) = b et r > 0, il existe η > 0 tel que pour
x→a
tout x ∈ A, on ait : (⋆) ∥x − a∥ < η ⇒ ∥f (x) − b∥ < r, et comme a ∈ A
et η > 0, on a A ∩ B(a, η) ̸= ∅, soit alors x0 ∈ A ∩ B(a, η) alors x0 ∈ A,
donc f (x0 ) ∈ f (A) et comme f (A) ⊂ B, on a f (x0 ) ∈ B. Par ailleurs comme
x0 ∈ B(a, η), on a ∥x0 − a∥ < η, donc d’après (⋆), on a ∥f (x0 ) − b∥ < r, donc
f (x0 ) = y0 réalise y0 ∈ B et y0 ∈ B(b, r), ce qui démontre que B ∩ B(b, r) ̸= ∅.
• Soit ε > 0, comme lim g(x) = ℓ, il existe α > 0 tel que ∀x ∈ B, ∥x − b∥ <
x→b
120 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
3.3.2 Continuité
Définition 71
Proposition 118
f est continue au point a si et seulement si pour toute suite (an ) ∈ AN tel que
an → a, on a f (an ) → f (a).
Proposition 119
Preuve:
Conséquence immédiate de la proposition 116.
Proposition 120
Preuve:
Conséquence immédiate de la proposition 117.
3.3. LIMITES ET CONTINUITÉ DES FONCTIONS 121
Proposition 121
Preuve:
Soit x ∈ A. Par densité de C il existe une suite (cn ) ∈ C N tel que lim cn = x.
n→+∞
Par continuité de f et g on a f (x) = lim f (cn ) et g(x) = lim g(cn ) et
n→+∞ n→+∞
comme cn ∈ C, pour tout n, on a ∀n ∈ N, f (cn ) = g(cn ), d’où, lim f (cn ) =
n→+∞
lim g(cn ) et finalement f (x) = g(x). Donc ∀x ∈ A, f (x) = g(x).
n→+∞
Proposition 122
Proposition 123
Soit f une application d’une partie A de E vers F . Alors f est continue sur A
si et seulement si l’image réciproque par f de tout ouvert deF est un ouvert de
A.
Preuve:
• Supposons que f est continue sur A. Soit O un ouvert de F . Si O ∩ f (A) = ∅
alors f −1 (O) = ∅ est un ouvert de A. Sinon alors W = f −1 (O) ̸= ∅. Montrons
que W est un ouvert de A. pour cela soit x ∈ W alors x ∈ A , c’est-à-dire :
f (x) ∈ O. Comme O est un ouvert de F , il existe ε > 0 tel que B(f (x), ε) ⊂ O,
et comme f est continue au point x,il existe αx > 0 tel que : f (B(x, αx ) ∩ A) ⊂
B(f (x), ε). V = B(x, αx ) ∩ A est un ouvert de A auquel appartient x et on a
V ⊂ W . On a montré que W est voisinage de chacun de ses points, donc un
ouvert de A.
• réciproquement , supposons que l’image réciproque de tout ouvert de F est
un ouvert de A. Soit a ∈ A, montrons que f est continue au point a. Soit
W = B(f (a), ε) une boule ouverte de centre a (ε > 0). par hypothèse, f −1 (W )
est un ouvert de A, donc il existe un ouvert O de E tel que f −1 (W ) = O ∩ A.
En particulier a ∈ O car f (a) ∈ W , donc il existe α > 0 tel que B(a, α) ⊂ O.
On a par suite :
Proposition 124
Soit f une application d’une partie A de E vers F . Alors f est continue sur A
si et seulement si l’image réciproque par f de tout fermé deF est un fermé de
A.
Preuve:
On applique la proposition 15 en remarquant que pour toute partie A de F on
a : f −1 (F \A) = E\f −1 (A)
Remarques Voici des conséquences très utiles en pratique des propositions précé-
dentes :
1) Soit A une partie de l’espace vectoriel normé (E, ∥.∥) et f : A → R une applica-
tion. Alors :
1. F = {x ∈ A/f (x) = 0}, F1 = {x ∈ A/f (x) ≥ 0} et F2 = {x ∈ A/f (x) ≥ 0}
sont des fermés de A.
3.3. LIMITES ET CONTINUITÉ DES FONCTIONS 123
Preuve:
Immédiat car des images réciproques par des fonctions continues de l’une des
parties suivante de R : Soit {0} ou [0, +∞[ ou ] − ∞, 0] qui sont des fermés de
R.
Soit ] − ∞, 0[ ou ]0, +∞[ qui sont des ouverts de R
Soit A une partie non vide de E et f une application de A vers F . On dit que
f est uniformément continue sur A si :
Remarque Tout application f de A vers F qui est lipschitzienne sur A est unifor-
mément continue sur A
Proposition 125
3.3.4.1 Exemple
Proposition 126
Soit (E, ∥.∥) un espace vectoriel normé, alors l’application : ∥.∥ considérée
comme application de l’espace vectoriel normé E vers l’espace vectoriel normé
R est une application uniformément continue sur E
124 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Preuve:
En effet elle lipschitzienne sur E en vertu de l’inégalité :
Proposition 127
Preuve:
Soit x, y ∈ E. Pour tout a ∈ A, on a d(x, A) ≤ d(x, a), et comme
ce qui donne
d(x, A) ≤ d(x, y) + d(y, A),
donc
d(x, A) − d(y, A) ≤ d(x, y)
et par symétrie des rôles on a aussi
d’où
∀x, y ∈ E, |d(x, A) − d(y, A)| ≤ ∥x − y∥.
Il en découle que l’application x 7→ d(x, A) est lipschitzienne, donc uniformé-
ment continue sur E.
Proposition 128
Preuve:
1. L’application fc est lipschitzienne, donc elle est continue.
2. Pour tout x, y ∈ A, on a ∥gα,b (x) − gα,b (y)∥ = ∥α(x − y)∥ = |α|∥x − y∥,
donc gα,b est lipschitzienne, donc continue.
3.4 Compacité
Dans tout ce qui suit (E, ∥.∥) est un espace vectoriel normé.
Preuve:
En effet, si K = {a1 , . . . , am } avec m ∈ N∗ , soit (xn ) ∈ KN une suite à
valeurs dans K. Si, pour tout k ∈ [[1, m]], on note Ik = {n ∈ N/xn =
m
[
ak }, alors Ik = N, donc, il existe au moins k ∈ [[1, m]] tel que Ik est
k=1
une partie infinie de N, il existe une application strictement croissante
φ : N → N tel que Ik = φ(N). La suite (xφ(n) ) est constante de valeur ak ,
donc converge vers ak .
126 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Théorème 14
Preuve:
Soit K un compact de E.
• Montrons que K est fermé, pour cela, soit (xn ) une suite à valeurs dans K
convergente vers ℓ ∈ E. Comme K est compact , la suite (xn ) admet une valeur
d’adhérence λ avec λ ∈ K. Or la suite (xn ) étant convergente vers ℓ , elle admet
une unique valeur d’adhérence à savoir ℓ, donc ℓ = λ et par suite ℓ ∈ K. Donc
K est fermé.
• K est bornée, sinon ,on aurait :
On a donc une site (xn ) à valeurs dans K vérifiant ∥xn ∥ ≥ n pour tout n ∈ N.
En particulier :
lim ∥xn ∥ = +∞
n→+∞
Comme K est compact, il existe une sous-suite (xφ(n) ) de la suite (xn ) conver-
gente vers ℓ ∈ K. On a :
En particulier :
(∀n ≥ N ) xφ(n) ≤ ∥ℓ∥ + 1
Donc la suite (xφ(n) ) est bornée, ce qui est en contradiction avec le fait que
lim ∥xn ∥ = +∞
n→+∞
3.4. COMPACITÉ 127
Proposition 129
Preuve:
Soit (an ) une suite à valeurs dans A. Alors (an ) ∈ K N , et comme K est compact,
elle admet une valeur d’adhérence a ∈ K. Il reste à montrer que a ∈ A. Comme
K est un fermé de E, le fermé A de K est aussi un fermé de E. Il existe une
sous suite (aφ(n) ) de la suite (an ) qui converge vers a, donc par fermeture de A
, on a : a ∈ A.
Corollaire 18
Preuve:
Si (Ki )i∈I est une famille de compacts alors les Ki sont fermés , donc leur
intersection est un fermé contenu dans un compact Kj pour un certain j ∈ I,
donc cette intersection est un compact.
Proposition 130
Preuve:
Soit (yn ) une suite à valeurs dans f (K). Montrons qu’elle admet au moins une
valeur d’adhérence appartenant à f (K). Pour tout n ∈ N, il existe xn ∈ K tel
que f (xn ) = yn . La suite (xn ) étant à valeurs dans le compact K, elle admet
une valeur d’adhérence λ ∈ K. Soit donc (xφ(n) ) une sous-suite de (xn ) de
limite λ. Par continuité de f , la suite (f (xφ(n) ) = (yφ(n) ) est convergente vers
f (λ). Il en résulte que f (λ) est une valeur d’adhérence de la suite (yn ). Comme
λ ∈ K, on a f (λ) ∈ f (K), ce qui finit la preuve.
128 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Proposition 131
Soit (E, ∥.∥) un espace vectoriel normé et K une partie non vide compacte de E
et soit f : K → R une application continue , alors f est bornée sur K et atteint
ses bornes.
Preuve:
D’après la proposition qui précède , f (K) est une parte compacte de R , elle est
donc fermée bornée. Soient m et M ses bornes inférieur et supérieur respective-
ment. Il existe une suite (xn ) de f (K) qui converge vers m et par fermeture on
a m ∈ f (K) donc il existe a ∈ K tel que f (a) = m, par le même raisonnement
il existe b ∈ K tel que f (b) = M .
Proposition 132
Preuve:
Soit (zn ) = ((xn , yn ))n une suite à valeurs dans K1 ×K2 . Comme K1 est compact
, il existe une sous-suite (xφ(n) ) de la suite (xn ) convergeant vers λ1 ∈ K1 . La
suite (yφ(n) )n étant à valeurs dans le compact K2 de F , elle admet une sous-
suite (yφ(ψ(n)) ) convergeant vers λ2 ∈ K2 . La suite (xφ(ψ(n)) )n est une sous-suite
de (xφ(n) ), donc elle converge vers λ1 . Il en résulte que si on pose : χ = φ◦ψ alors
la suite (zχ(n) )n = ((xφ(ψ(n)) , xφ(ψ(n)) )n est une sous-suite de (zn ) qui converge
vers λ = (λ1 , λ2 ) ∈ K1 × K2 . Ceci termine la preuve de la proposition.
Théorème 15
Exercice
Soit (E, ∥.∥) un espace vectoriel normé et (un ) ∈ E N une suite convergente de limite
ℓ. Montrer que K = {ℓ} ∪ {un /n ∈ N} est un compact de E.
3.5. APPLICATIONS LINÉAIRES ET MULTILINÉAIRES CONTINUES 129
Soient E et F deux espaces vectoriels normés dont les normes sont notées ∥.∥E
et ∥.∥F . Soit f ∈ L(E, F ) une application linéaire de E vers F . Les assertions
suivantes sont équivalentes :
(i) f est continue sur E
(ii) f est continue en 0E
(iii) f est bornée sur la boule fermée unité
(iv) f bornée sur la sphère unité
(v) (∃k ∈ R+ )(∀x ∈ E) ∥f (x)∥F ≤ k ∥x∥E
(vi) f est lipschitzienne sur E.
Preuve:
(i) ⇒ (ii) : clair
(ii) ⇒ (i) : Soit x0 ∈ E et g définie par g(x) = f (x) − f (x0 ) pour tout x ∈ E ,
alors : g = f ◦ u avec u(x) = x − x0 de E vers E. Il est clair que u est continue
au point x0 (translation) et comme f est continue au point 0 = u(x0 ), alors
par composition g est continue au point x0 , donc : lim g(x) = g(x0 ) = 0 donc
x→x0
lim f (x) = f (x0 ).
x→x0
Conclusion : on a prouvé que : (i) ⇐⇒ (ii).
(ii) ⇒ (iii) : Comme f est continue au point 0E , on a :
α α 2
Soit x ∈ Bf (0, 1) alors x = < α donc ∥f (x)∥F <
2 2 α
(iii) ⇒ (iv) : clair .
(iv) ⇒ (v) : Supposons qu’il existe M > 0 tel que ∥f (x)∥F ≤ M pour tout
x
x ∈ E tel que ∥x∥E = 1.Soit x ∈ E tel que x ̸= 0E , alors = 1 et
∥x∥E E
x
par suite f ≤ M , ce qui donne : ∥f (x)∥F ≤ M ∥x∥E , inégalité
∥x∥E F
valable aussi pour x = 0E donc valable sur E.
(v) ⇒ (vi) : Si x, y ∈ E alors : ∥f (x) − f (y)∥F = ∥f (x − y)∥F ≤ k ∥x − y∥E
donc f est k− lipschitzienne.
(vi) ⇒ (i) : clair.
130 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Proposition 134
Soient E et F deux espaces vectoriels normés (avec E non nul) et soit Lc (E, F )
le sous-ensemble de L(E, F ) des applications linéaires continues de E vers F .
Alors Lc (E, F ) est un sous-espace vectoriel de L(E, F ).
Proposition 135
Soient (E1 , ∥.∥1 ), · · · , (Em , ∥.∥m ) et (F, ∥.∥) des espaces vectoriels normés et E =
Ym
Ek l’espace vectoriel normé produit des Ek . Soit f : E → F une application
k=1
m−linéaire. Les assertions suivantes sont équivalentes :
(i) f est continue sur E
(v) (∃k ∈ R+ )(∀(x1 , · · · , xm ) ∈ E) ∥f (x1 , · · · , xm )∥ ≤ k ∥x1 ∥1 · · · ∥xm ∥m
f : E n → K, (V1 , . . . , Vn ) 7→ det(V1 , . . . , Vn )
b
est continue car multilinéaire et comme pour tout V = (Vj )1≤j≤n , si on pose
3.5. APPLICATIONS LINÉAIRES ET MULTILINÉAIRES CONTINUES 131
n
X X n
Y
Vj = ai,j bi , on sait que f (V ) = ε(σ) aσ(j),j , de sorte que :
i=1 σ∈Sn j=1
X n
Y
|f (V )| ≤ ε(σ) aσ(j),j
σ∈Sn j=1
X n
Y
≤ ε(σ) aσ(j),j
σ∈Sn j=1
n
XY
≤ aσ(j),j
σ∈Sn j=1
XY n
≤ sup |ak,ℓ |
1≤k,ℓ≤n
σ∈Sn j=1
Yn
= n! ∥Vk ∥.
k=1
Proposition 136
Preuve:
On donne la preuve pour n = 2. Pour tout x ∈ A, on a :
donc :
∥f (x) − f (a)∥G ≤ ∥Φ(f1 (x) − f1 (a), f2 (x))∥G + ∥Φ(f1 (a), f2 (a) − f2 (x))∥G
Il en découle que :
∥f (x) − f (a)∥G ≤ k∥f1 (x) − f1 (a)∥F1 ∥f2 (x))∥F2 + k∥f1 (a)∥F1 ∥f2 (x) − f2 (a))∥F2 .
lim (k∥f1 (x) − f1 (a)∥F1 ∥f2 (x))∥F2 + k∥f1 (a)∥F1 ∥f2 (x) − f2 (a))∥F2 ) = 0.
x→a
donc
lim f (x) = f (a),
x→a
Proposition 137
On a ce qui suit :
1. Tout segment [a, b] de R est un compact de R.
2. Si [a, b] et [c, d] sont des segments de R alors le pavé K = [a, b] + i[c, d] est
un compact de C.
3. Si r ∈ R∗+ , alors le disque fermé ∆r = {z ∈ C/|z| ≤ r} est un compact de
C.
3.6. ESPACES VECTORIELS NORMÉS DE DIMENSION FINIES 133
Proposition 138
Bf (0, r) = {x ∈ Kn / ∥x∥∞ ≤ r}
Soit E un espace vectoriel de dimension finie, alors toutes les normes de E sont
équivalentes.
Preuve:
Si E = {0}, il n’y a qu’une seule norme. Sinon, notons n la dimension de E et
soit B = (e1 , ..., en ) une base de E. Pour tout x ∈ E posons : ∥x∥ = sup |xi |
1≤i≤n
n
X
et soit N une norme quelconque sur E. Alors pour tout x = xi ei ∈ E, on
k=1
a: n
X
N (x) ≤ |xk |N (ek ) ≤ k ∥x∥
k=1
où
k = sup N (ek )
1≤k≤n
Soit S la sphère unité de (E, ∥.∥). Alors S est compacte de E d’après la pro-
position ci-dessus. N comme application de (E, ∥.∥) vers R est continue car
lipshitzienne car si (x, y) ∈ E 2 , alors :
|N (x) − N (y)| ≤ N (x − y) ≤ k ∥x − y∥
Alors elle est bornée sur S et atteint sa borne inférieur m. Comme N (x) > 0
x
pour tout x ∈ S , on a : m > 0. Soit x ∈ E\{0} alors : ∈ S et par suite
∥x∥
x
N ≥ m, ce qui donne : N (x) ≥ m ∥x∥ , inégalité valable aussi si x = 0.
∥x∥
Ainsi :
∀x ∈ E m ∥x∥ ≤ N (x) ≤ k ∥x∥
134 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Il en résulte que toute norme N sur E est équivalente à la norme ∥.∥, donc
toutes les normes sur E sont équivalentes.
∥.∥′ ≤ k ∥.∥
On peut donc dire que ∥.∥ est plus fine que ∥.∥′ si l’application
est continue.
• On rappelle que ∥.∥ et ∥.∥′ sont équivalents s’il existe deux constantes k1 et k2
strictement positives tel que :
Ainsi deux normes sont équivalentes si chacune d’elles est plus fine que l’autre.
On peut donc dire que ∥.∥ et ∥.∥′ sont équivalentes si l’application :
est bicontinue.
• Si deux normes sont équivalentes alors elles ont :
1. Les mêmes suites convergentes.
2. Les mêmes parties fermées.
3. Les mêmes parties ouvertes.
4. Les mêmes parties bornées.
5. Les mêmes parties compactes.
6. La même adhérence pour chaque partie A de E.
Proposition 139
soit (E, ∥.∥) un K− espace vectoriel normé de dimension finie. Alors une partie
K de E est compacte si et seulement si K est fermée bornée.
3.6. ESPACES VECTORIELS NORMÉS DE DIMENSION FINIES 135
Preuve:
Supposons que E est de dimension non nulle n soit B = (e1 , · · · , en ) une base
Xn
de E et munissons E de la norme ν(x) = sup |xi | pour x = xi ei . Pour
1≤i≤n
i=1
tout R > 0, on note Bν,R la boule fermée de centre 0 et de rayon R. Soit K
une partie de E. Si K est compacte on a déjà vu que K est fermée bornée.
Si K est fermée bornée, il existe R > 0 tel que K ⊂ Bν,R . Soit φ : Kn →
Xn
E; X 7→ φ(X) = xi ei , pour tout X = (xi )1≤i≤n ∈ Kn . Alors φ est linéaire
i=1
et réalise ν(φ(x)) = ∥x∥∞ pour tout (xi ) ∈ K n , par suite φ est continue. La
boule fermée B(0, R) de Kn est compacte par la proposition ci-dessus, donc
φ(B(0, R)) = Bν,R est un compact de E, or K est un fermé contenu dans Bν,R
donc K est compact.
Proposition 140
Si E et F sont deux (E, ∥.∥) et si en plus E est de dimension finie alors L(E, F ) =
Lc (E, F ) : Toute application linéaire de E vers F est continue.
Preuve:
Si E = {0} c’est trivial Sinon, soit B = (e1 , ..., en ) une base de E. Si x =
Xn
xk ek alors :
k=1
n
X
∥f (x)∥ ≤ sup |xk | ∥f (ek )∥
1≤k≤n
k=1
Comme en dimension finie toutes les normes sont équivalentes et que ∥.∥∞ :
x 7→ sup |xk | est une norme sur E, il existe k > 0 tel que ∥.∥∞ ≤ k ∥.∥ de
1≤k≤n
sorte que :
∀x ∈ E ∥f (x)∥ ≤ k ′ ∥x∥
n
X
avec k ′ = k ∥f (ek )∥
k=1
136 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Proposition 141
Définition 74
X m
Y
m
∀x = (xk )1≤k≤m ∈ K , f (x) = aα xλk k
α∈J k=1
Proposition 142
Si on note πk l’application :
alors : m
X Y
f= aα πkαk
α∈J k=1
3.6. ESPACES VECTORIELS NORMÉS DE DIMENSION FINIES 137
Preuve:
C’est immédiat puisque pour tout x ∈ K et tout k ∈ [[1, m]], on a :
πk (x) = xk
Proposition 143
Preuve:
Les applications πk sont linéaires et Km de dimension finie donc elles sont
continues sur Km . Pour tout p ∈ N∗ l’application : Vp : K → K; t 7→ tp est
m
Y
continue et finalement l’application : W : Km → K; x 7→ xk est continue
k=1
car m−linéaire et K de dimension finie. On a :
X
∀x = (xk )1≤k≤m ∈ Km , f (x) = aα W ((Vαk (πk (x)))1≤k≤m )
α∈J
d’où la continuité de f .
Proposition 144
Preuve:
Supposons qu’on n’a pas lim un = ℓ. Alors il existe ε > 0 tel que :
n→+∞
(⋆⋆) ∀n ∈ N, ∥uφ(n) − ℓ∥ ≥ ε.
La suite (uφ (n)) est une suite à valuers dans A compacte, donc il existe une
application ψ : N → N strictement croissante tel que lim uφ(ψ(n)) = ℓ′ avec
n→+∞
ℓ′ ∈ A. Il est clair que ℓ′ est une valeur d’adhérence de (un ), par suite ℓ′ = ℓ.
( Par hypothèse, ℓ est l’unique valeur d’adhérence de (un ).) D’après (⋆⋆) ci-
dessus, on a
(⋆ ⋆ ⋆) ∀n ∈ N, ∥uψ(φ(n)) − ℓ∥ ≥ ε
et par passage à la limite on obtient 0 ≥ ε, ce qui est faux.
Remarque La réciproque est vrai : si (un ) converge alors elle admet une unique
valeur d’adhérence même si la suite n’est pas supposée avoir ses valeurs dans un
compact.
Proposition 145
Si E est un espace vectoriel normé de dimension finie alors toute suite (un ) ∈ E N
d’éléments de E bornée ayant une unique valeur d’adhérence λ est convergente
de limite λ.
3.6. ESPACES VECTORIELS NORMÉS DE DIMENSION FINIES 139
Preuve:
En effet, comme la suite (un ) est bornée, il existe R > 0 tel que ∀n ∈ N, un ∈
Bf (0, R). La boule fermée Bf (0, R) est un fermé borné de E. Comme E est de
dimension finie, Bf (0, R) est compacte, d’où le résultat d’après la proposition
144.
Proposition 146
Soit E un espace vectoriel normé de dimension finie, alors toute suite bornée
d’éléments de E admet au moins une valeur d’adhérence.
Preuve:
Si (un ) est une suite bornée il existe R ≥ 0 tel que ∀n ∈ N, ∥un ∥ ≤ R. Alors
(un ) ∈ B N , où B est la boule fermée de centre 0 et de rayon R, laquelle est
fermée bornée donc compacte puisque E est de dimension finie. Il en découle
que (un ) admet au moins une valeur d’adhérence α appartenant à B.
Théorème 17
Preuve:
Soit (un ) ∈ F N tel que lim un = ℓ avec ℓ ∈ E. On va démontrer que ℓ ∈ F .
n→+∞
Comme la suite (un ) est convergente dans E elle est bornées dans E donc dans
F . Par la proposition 146, la suite (un ) admet une valeur d’adhérence λ dans
F , qui est aussi une valeur d’adhérence de (un ) dans E. Donc λ = ℓ et par
suite ℓ ∈ F .
Théorème 18
Tout espace vectoriel normé (E, ∥.∥) de dimension finie est complet
Preuve:
Soit (un ) une suite de Cauchy dans E. Alors (un ) est bornée. Par la proposition
146, la suite (un ) admet au moins une valeur d’adhérence. Supposons que λ1 et
λ2 sont deux valeurs d’adhérence de (un ). Il existe φ1 , φ2 : N → N strictement
croissants tel que
∀k ∈ {1, 2} lim uφk (n) = λk
n→+∞
140 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
, donc λ1 = λ2 .
Ce qui précède permet de dire que (un ) admet une unique valeur d’adhérence
ℓ. Or (un ) étant bornée, il existe M ≥ 0 tel (un ) ∈ Bf (0, M ) qui est compact,
donc par la proposition 144 on a lim un = ℓ.
n→+∞
Proposition 147
Remarque C’est clair que c’est vrai pour n’importe quelle norme de Kn , puisque
toutes les normes sont équivalentes
3.7.1 Définitions
Définition 75
Définition 76
Soit A une partie non vide de A. On dit que A est connexe par arc si pour tout
(a, b) ∈ A2 , il existe un chemin continue φ : [0, 1] → E tel que φ(0) = a et
φ(1) = b
Remarque Intuitivement cela veut dire que tout couple de points de A peuvent
être joints par un chemin continu.
3.7. CONNEXES PAR ARCS 141
Définition 77
Proposition 148
Preuve:
\
1. Soit (Ci )i∈I une famille de convexes et C = Ci . Soit (a, b) ∈ C et
i∈I
t ∈ [0, 1] Alors pour tout i ∈ I et comme Ci est convexe, on a : (1 − t)a +
tb ∈ Ci donc (1 − t)a + tb ∈ C.
2. Soit A = B(a, r) une boule ouverte avec r > 0. Soit (x, y) ∈ A2 et soit
t ∈ [0, 1] alors :
3. même principe
4. trivial
Proposition 149
Preuve:
Si (a, b) ∈ A2 on pose pour tout t ∈ [0, 1] :
φ(t) = (1 − t)a + tb
142 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Remarque Réciproquement , il existe des parties connexes par arc qui ne sont pas
convexes. Par exemple dans R2 soit A = {x ∈ R2 / ∥x∥2 ≥ 1 alors :
• A n’est pas convexe car parexemple
: a = (0, 1) ∈ A et b = (1, 0) ∈ A mais pour
1 1 1
t = , on a : (1 − t)a + tb = , ∈
/A
2 2 2
Proposition 150
Corollaire 19
Proposition 152
Définition 78
Définition 79
Proposition 153
Proposition 154
S’il existe a ∈ A tel que A est étoilée par rapport à a alors A est connexe par
arcs.
3.7.4.2 Méthode pour démontrer qu’une partie est connexe par arcs
Pour démontrer que A est connexe par arcs, on suit les étapes suivantes :
1. On regarde si A est un sous-espace vectoriel de E. Si c’est le cas , on sait qu’
un sous-espace vectoriel de E est convexe donc connexe par arcs.
2. Sinon, on regarde si A est une partie convexe de E.
3. Sinon, on regarde si on peut trouver une élément de A tel que A est étoilée
par rapport à a.
4. Sinon, on essaye de voir si A est l’image par une application continue d’un
connexe par arcs.
5. Sinon, on recours à la définition générale de partie connexe par arcs.
144 CHAPITRE 3. ESPACE VECTORIELS NORMÉS
Chapitre 4
Dans tout ce qui suit tous les espace vectoriels considérés sont des espaces vectoriels
sur R.
4.1 Généralités
4.1.1 Produit scalaire, espaces préhilbertiens réels
Définition 80
2. E = C([0, 1], R) l’espace vectoriel réel des applications continues de [0, 1] vers
R. Pour tout f, g ∈ E on pose :
Z 1
⟨f, g⟩ = f (t)g(t)dt
0
145
146 CHAPITRE 4. ESPACES PRÉHILBERTIENS RÉELS.
∥x + y∥ ≤ ∥x∥ + ∥y∥
Proposition 156
p
L’application E → R+ , x 7→ ∥x∥ = ⟨x, x⟩ est une norme sur E, appelée norme
euclidienne associée au produit scalaire de E ;
4.1.3 Identités
Dans tout ce qui suite E est un espace préhilbertion réel.
Proposition 157
Proposition 158
Pour tout x, y ∈ E on a :
Remarque Pour démontrer qu’une norme n’est pas une norme euclidienne (c’est-
à-dire elle ne provient pas d’un produit scalaire), il suffit de prouver que l’identité
du parallélogramme n’est pas satisfaite pour un certain couple (x, y) de E 2 .
Proposition 159
Pour tout x, y ∈ E on a :
1
⟨x, y⟩ = (∥x + y∥2 − ∥x − y∥2
4
Pour tout x, y ∈ E, on a :
1
⟨x, y⟩ = (∥x + y∥2 − ∥x∥2 − ∥y∥2
2
4.2 Orthogonalité
4.2.1 Généralités
Dans tout ce paragraphe E est un espace préhilibertien réel.
Définition 81
Proposition 160
Soit x, y ∈ E et α, β ∈ R, alors :
1. 0⊥x
2. x⊥x ⇔ x = 0
3. Si x⊥y alors αx⊥βy.
Définition 82
Proposition 161
Preuve:
1. Soit x ∈ A, donc pour tout y ∈ A⊥ , on a ⟨x, y⟩ = 0, donc x ∈ A⊥⊥ et
finalement A ⊂ A⊥⊥ .
2. Supposons que A ⊂ B, soit x ∈ B ⊥ alors pour tout a ∈ A, on a a ∈ B,
donc ⟨x, a⟩ = 0, donc pour tout x ∈ B ⊥ on a x ∈ A⊥ donc B ⊥ ⊂ A⊥ .
3. On a F1 ⊂ F1 + F2 et F2 ⊂ F1 + F2 , donc d’après le résultat ci-dessus,
on a (F1 + F2 )⊥ ⊂ F1⊥ et (F1 + F2 )⊥ ⊂ F2⊥ , donc (F1 + F2 )⊥ ⊂ F1⊥ ∩ F2⊥ .
Inversement soit x ∈ F1⊥ ∩ F2⊥ , pour tout y ∈ F1 + F2 il existe (y1 , y2 ) ∈
F1 ×F2 tel que y = y1 +y2 , donc ⟨x, y⟩ = ⟨x, y1 +y2 ⟩ = ⟨x, y1 ⟩+⟨x, y2 ⟩ = 0.
4.2. ORTHOGONALITÉ 149
Preuve:
On va donner les preuves de toutes les remarques ci-dessus :
1. Soit x ∈ E ⊥ alors x ∈ E et pour tout y ∈ E, on a ⟨x, y⟩ = 0, en particulier
pour y = x, on a ⟨x, x⟩ = 0, donc ∥x∥ = 0 donc x = 0. Ainsi E ⊥ ⊂ {0}
et comme 0 ∈ E ⊥ , on conclut que E ⊥ = {0}.
2. On a ∀x ∈ E, ⟨x, 0⟩ = 0, donc E ⊂ {0}⊥ et comme {0}⊥ ⊂ E, on a
{0}⊥ = E.
3. Soit A une partie non vide de E. On a A⊥ ̸= ∅ car 0 ∈ A⊥ . Si a, b ∈ A⊥
et λ ∈ R, on a a + λb ∈ A⊥ car pour tout x ∈ A, on a ⟨a + λb, x⟩ =
⟨a, x⟩ + λ⟨b, x⟩ = 0. Donc A⊥ est un sous-espace vectoriel de E. Soit (xn )
une suite à valeurs dans A⊥ tel que xn −→ ℓ avec ℓ ∈ E. On va prouver
n→+∞
⊥
que ℓ ∈ A . Soit a ∈ A, alors ∀n ∈ N, ⟨a, xn ⟩ = 0. Par continuité de
l’application x 7→ ⟨a, x⟩, le passage à la limite donne lim ⟨a, xn ⟩ = ⟨a, ℓ⟩.
n→+∞
Il en découle que ⟨a, ℓ⟩ = 0, pour tout a ∈ A, donc que ℓ ∈ A⊥ , ce qui
achève la preuve du fait que A⊥ est fermée.
4. Comme A ⊂ Vect A, on a (Vect A)⊥ ⊂ A⊥ . Réciproquement, soit x ∈ A⊥ ,
on va prouver que x ∈ (Vect A)⊥ , pour cela considérons y ∈ Vect A, donc
m
X
il existe a1 , . . . , am ∈ A et λ1 , . . . , λk ∈ R tel que y = λk ak . On a
k=1
m
X m
X
⟨x, y⟩ = ⟨x, λ k ak ⟩ = λk ⟨x, ak ⟩ = 0 puisque ∀k ∈ [[1, n]], ⟨x, ak ⟩ =
k=1 k=1
0. Ainsi on a prouvé que A⊥ = (Vect A)⊥ , pour toute partie non vide de
E.
5. Si A⊥B, soit x ∈ A alors pour tout b ∈ B, on a ⟨x, b⟩ = 0 puisque A⊥B,
donc x ∈ B ⊥ donc A ⊂ B ⊥ . Ainsi A⊥B ⇒ A ⊂ B ⊥ . Par symétrie des
rôles on a aussi A⊥B ⇒ B ⊂ A⊥ . Si A ⊂ B ⊥ alors par définition, pour
150 CHAPITRE 4. ESPACES PRÉHILBERTIENS RÉELS.
Définition 83
Soit I un ensemble non vide fini ou dénombrable et F = (xi )i∈I une famille de
vecteurs de E.
On dit que F est une famille orthogonlae si
∀i, j ∈ I, i ̸= j ⇒ ⟨xi , xj ⟩ = 0.
Remarque Toute famille orthogonale dont le vecteurs sont non nuls est une famille
libre.
Preuve:
Soit (ei )i∈I une telle famille. Si J est une partie finie non vide de I et (αi )i∈J
une famille de scalaires tel que :
X
αi ei = 0
i∈J
soit k ∈ J, alors : X
⟨ek , αi ei ⟩ = 0
i∈J
donc
αk ∥ek ∥2 = 0
et comme ek ̸= 0 on a αk = 0.
4.2. ORTHOGONALITÉ 151
Exemples :
1. On considère E = C2π (R, R) l’espace vectoriel des applications continues pé-
riodiques de R vers R muni de produit scalaires :
Z 2π
2
(f, g) ∈ E ; ⟨f, g⟩ = f (t)g(t)dt
0
Théorème 19
où
x1 y1
X = ... et Y = ...
xn yn
sont les colonnes des coordonnées de x et y dans la base E
Proposition 163
Preuve:
n
X
Si on pose x = xk ek alors d’après la proposition ci-dessus ⟨x, ek ⟩ = xk , d’où
k=1
le résultat.
X
y = yi ei
i∈I
4.2. ORTHOGONALITÉ 153
Théorème 20
Soit E un espace euclidien de dimension non nulle n. Pour toute forme linéaire
f sur E, il existe un et un seule vecteur a de E tel que f = ⟨a, .⟩, c’est-à-dire :
∀x ∈ E, f (x) = ⟨a, x⟩
Preuve:
Unicité : Si a, a′ répondent au problème alors pour tout x ∈ E on a f (x) =
⟨a, x⟩ = ⟨a′ , x⟩, donc ⟨a − a′ , x⟩ = 0 et par suite a − a′ ∈ E ⊥ = {0} d’où a = a′ .
Existence : Comme E est de dimesnion finie, E admet une base orthonormée
Xn n
X
E = (e1 , · · · , en ). Soit x ∈ E tel que x = xi ei alors f (x) = xi f (ei ) =
i=1 i=1
n
X
⟨a, x⟩ où a = f (ei )ei .
i=1
Définition 84
Proposition 164
Preuve:
Supposons que F admet un supplémentaire orthogonal, alors F ⊕ F ⊥ = E. On
sait déjà que F ⊂ F ⊥⊥ . Réciproquement soit x ∈ F ⊥⊥ écrivons x = x1 + x2
avec x1 ∈ F et x2 ∈ F ⊥ . Alors 0 = ⟨x, x2 ⟩ = ⟨x1 , x2 ⟩ + ∥x2 ∥2 = ∥x2 ∥2 , donc
x2 = 0 et par suite x = x1 donc x ∈ F .
Théorème 21
Preuve:
Si F = {0} ou F = E, le résultat est banal puisque E ⊕ {0} = E.
Si F ̸= {0} soit p = dim(F ) et E = (e1 , · · · , ep ) une base orthonormée de F .
Soit a ∈ E. L’application f : F → R; x 7→ f (x) = ⟨a, x⟩ est une forme linéaire
sur F . Comme F est de dimension finie, il existe b ∈ F tel que f = ⟨b, .⟩ Donc
pour tout x ∈ F , on a ⟨a, x⟩ = ⟨b, x⟩ donc a − b ∈ F ⊥ . Posons alors a − b = b′
avec b′ ∈ F ⊥ . Alors a = b + b′ avec (b, b′ ) ∈ F × F ⊥ . Ainsi on a
(∀a ∈ E)(∃(b, b′ ) ∈ F × F ⊥ ) a = b + b′
4.3.1 Généralités
4.3.1.1 Définition, caractérisation
Définition 85
Proposition 165
2 y∈F
Pour tout (x, y) ∈ E , on a : pF (x) = y ⇔
x − y ∈ F⊥
Preuve:
Si pF (x) = y alors y ∈ Im(pF ) = F . Par ailleurs, comme x = y + (x − y)
alors x − y ∈ F ⊥ . Réciproquement, si y ∈ F et x − y ∈ F ⊥ ,comme en plus
x = y + (x − y) on a bien pF (x) = y.
156 CHAPITRE 4. ESPACES PRÉHILBERTIENS RÉELS.
Théorème 22
(Pythagore)
Soit E un espace préhilbertien réel, alors :
Preuve:
On a ∥x + y∥2 = ∥x∥2 + ∥y∥2 + 2⟨x, y⟩ et le résultat en découle immédiatement.
Théorème 23
Preuve:
1. Rappelons que d(x, F ) = inf{d(x, y)/y ∈ F }. Soit y ∈ F , on a (pF (x) −
y)⊥(x − pF (x)), donc par le théorème de Pythagore, on a : ∥x − y∥2 = ∥pF (x) −
y∥2 + ∥x − pF (x)∥2 . Il en découle que ∥x − pF (x)∥ ≤ ∥x − y∥, et comme en plus
pF (x) ∈ F , on a d(x, F ) = ∥x − pF (x)∥
donc
∥pF (x) − z∥2 = ∥x − z∥2 − ∥x − pF (x)∥2
4.3. PROJECTION ORTHOGONALE 157
donc ∥pF (x) − z∥2 ≤ 0 donc ∥pF (x) − z∥ = 0 et par suite z = pF (x).Ce qui
achève la preuve du théorème 23
Proposition 166
Preuve:
Soit k ∈ [[1, p]], alors ek ⊥(x − pF (x)), donc : ⟨ek , x⟩ = ⟨ek , pF (x)⟩ et comme
X n
pF (x) ∈ F et C est une base orthonormée de F , on a : pF (x) = ⟨pF (x), ek ⟩ek
k=1
et le résultat en découle.
Proposition 167
Preuve:
Par le théorème de Pythagore, on a : ∥x∥2 = ∥pF (x)∥2 +∥x−pF (x)∥2 , et comme
158 CHAPITRE 4. ESPACES PRÉHILBERTIENS RÉELS.
p
X
2
∥pF (x)∥ = |⟨x, ek ⟩|2 , l’inégalité en découle.
k=1
+∞
X
2
(4) Pour tout x ∈ E, on a : ∥x∥ = |⟨x, ek ⟩|2 (Parseval).
k=0
Preuve:
• Supposons (1). Soit x ∈ E et ε > 0, alors il existe a ∈ Vect(E ) tel que
∥x − a∥ < ε. Comme a[∈ V = Vect(E ) alors en vertu de la remarque ci-dessus
que V = Vect(E ) = Vn , il existe N ∈ N tel que a ∈ VN . Soit n ∈ N tel
n∈N
que n ≥ N , alors VN ⊂ Vn par suite d(x, Vn ) ≤ d(x, VN ) et comme a ∈ VN ,
on a d(x, VN ) ≤ ∥x − a∥ par suite d(x, Vn ) < ε, et comme πn (x) ∈ Vn on a
d(x, πn (x)) < ε. On a donc prouvé que :
donc :
Proposition-Définition 6
Preuve:
Rappelons que si M ∈ Mn (K) alors M est inversible à droite si et seulement si
M est inversible à gauche si et seulement si M est inversible, auquel cas, les trois
inverses sont égaux. En effet si M est inversible il est clair que M est inversible
à droite et à gauche et les trois inverses sont égaux. Réciproquement, si M est
inversible à droite par exemple , il existe M ′ ∈ Mn (K) tel que M M ′ = In , donc
det(M M ′ ) = 1, donc det(M ) det(M ′ ) = 1, en particulier, det(M ) ̸= 0 et M est
inversible. Comme M M ′ = In , on a M −1 (M M ′ ) = M −1 , donc M ′ = M −1 . Le
même raisonnement est valable si on suppose que M est inversible à gauche.
4.5. ESPACES EUCLIDIENS : RAPPELS ET COMPLÉMENTS 161
Notons
t ′
A = (aij )1≤i,j≤n et A = (aij )1≤i,j≤n
On a alors :
′
∀(i, j) ∈ [[1, n]]2 , aij = aji
Si i, j ∈ Mn,1 (R), les produits scalaires respectifs des colonnes Ci et Cj et des
lignes Li et Lj de la matrice A sont :
n n
X X
a′ik akj
⟨Ci , Cj ⟩ = aki akj =
k=1 k=1
X n X n
aik a′kj
⟨Li , Lj ⟩ = a ik a jk =
k=1 k=1
cij = ⟨Ci , Cj ⟩
dij = ⟨Li , Lj ⟩
Alors :
∀i, j ∈ [[1, n]], ⟨e′i , e′j ⟩ = ⟨Ci , Cj ⟩ = δij
Donc B ′ est une base orthonormée de E. Il est clair par (⋆) ci-dessus que A
est la matrice de passage de B à B ′ , ce qui achève la preuve de (6).
Proposition 168
Proposition 169
Proposition-Définition 7
∀x ∈ E ∥u(x)∥ = ∥x∥
4.5. ESPACES EUCLIDIENS : RAPPELS ET COMPLÉMENTS 163
(3) Il existe une base orthonormée E de E tel que matE (u) est une matrice
orthogonale.
(4) Pour toute base orthonormée E la matrice matE (u) est une matrice or-
thogonale.
(5) u transforme au moins une base orthonormée de E en une base orthonor-
mée de E.
(6) u transforme toute base orthonormée de E en une base orthonormée de
E.
Si l’une des assertions ci-dessus est vérifiée on dit que u est un automorphisme
orthogonal.
Proposition 170
Proposition 171
Théorème 25
Preuve:
Supposons que F est stable par u et soit v = uF l’endomorphisme induit.
Notons que v est un automorphisme de F car v est injectif et F de dimension
finie. Il en découle que F est stable par u−1 car car si b ∈ F alors v −1 (b) = a ∈
F , or b = v(a) = u(a), donc a = u−1 (b), donc u−1 (b) ∈ F Soit x ∈ F ⊥ alors
pour tout y ∈ F , on a :
en vertu de la remarque ci-dessus que F est stable par u−1 . Ainsi pour tout
164 CHAPITRE 4. ESPACES PRÉHILBERTIENS RÉELS.
Proposition 172
Preuve:
Si λ ∈ Sp(u) alors, il existe x ∈ E tel que x ̸= 0 et u(x) = λx. On a :
Lemme 2
Preuve:
Démontrons les trois points de la proposition :
1. Soit x ∈ E1 (u) et y ∈ E−1 (u), alors d’une part ⟨u(x), u(y)⟩ = ⟨x, y⟩ car u
est un automorphisme orthogonal ; d’autre part : ⟨u(x), u(y)⟩ = ⟨x, −y⟩
, donc ⟨x, y⟩ = −⟨x, y⟩ et ⟨x, y⟩ = 0.
2. F est stable par u car E1 (u) et E−1 (u) sont stables par u. Le théorème
?? permet de dire que G est stable par u.
3. Supposons que v admet une valeur propre λ, alors λ serait une valeur
propre de u donc λ ∈ {−1, 1}. Comme il existe x ∈ E\{0} tel que
v(x) = λx, on aurait x ∈ F , chose impossible car F ∩ G = {0}.
Proposition 173
On a
cos θ ε sin θ
O2 (R) = /θ ∈ R, ε ∈ {−1, 1}
sin θ −ε cos θ
4.5. ESPACES EUCLIDIENS : RAPPELS ET COMPLÉMENTS 165
Preuve:
a c
Soit A = ∈ M2 (R). Si A ∈ O2 (R) alors les colonnes de A forment
b d 2
a + b2 = 1
une base orthonormée de M2,1 (R), donc : c2 + d2 = 1 . L’égalité ac+bd = 0
ac + bd = 0
a d a d
s’écrit aussi = 0, donc les vecteurs X = et Y = sont
b −c b −c
colinéaires,
et comme X ̸= 0 car ∥X∥ = 1, il existe ε ∈ R tel que Y = εX,
ε = ±1
c = −εb
donc . On sait que a2 + b2 = 1 si et seulement si ∃θ ∈ R tel que
d = εa
2
a + b2 = 1
cos(θ) = a cos(θ) −ε sin(θ)
donc A = .
sin(θ) = b sin(θ) ε cos(θ)
Réciproquement il est aisé de voir que de telles matrices sont orthogonales (les
colonnes sont orthogonales entre elles et chacune de norme 1), ce qui finit la
preuve de la proposition.
Proposition 174
Soit θ ∈ R alors :
1. la matrice de rotation Rθ est diagonalisable si et seulement si θ ≡ 0[π].
Précisément :
- Si θ ̸≡ 0[π] alors Rθ n’a aucune valeur propre réelle.
- Si θ = 2kπ, k ∈ Z alors Rθ = In .
- Si θ = (2k + 1)π alors Rθ = −In .
2. La matrice de symétrie Sθ est diagonalisable.
Précisément
Sθ est orthogo-
1 0
nalement semblable à la matrice J = c’est-dire Sθ = t P JP
0 −1
où P ∈ O2 (R).
166 CHAPITRE 4. ESPACES PRÉHILBERTIENS RÉELS.
Preuve:
On va étudier les deux matrices Rθ et Sθ
1) Le polynôme caractéristique de Rθ est χRθ = X 2 − 2 cos θX + 1, qui est un
trinôme de discriminent : δ = cos2 θ − 1 = − sin2 θ, donc Sp(Rθ ) ̸= ∅ ⇔ δ =
0 ⇔ θ ≡ 0 [π].
• Si θ = 0 [2π] alors Rθ = In .
• Si θ = π [2π], alors Rθ = −I2 .
• Si θ ̸= 0 [π] alors Rθ n’a aucune valeur propre donc n’est pas diagonalisable.
2) Le polynôme caractéristique de Sθ est χSθ = X 2 − 1, donc χSθ = (X −
1)(X + 1)
Lemme 3
Preuve:
Si K = C, l’endomorphisme u est trigonalisable donc u admet une valeur propre
λ. Si e est un vecteur propre associé à λ, alors la droite Ke est stable par u.
Si K = R et Sp(u) ̸= ∅, le raisonnement ci dessus est valable.
Si Sp(u) = ∅ alors le polynôme minimal de u s’écrit πu = P1 · · · Ps . avec
s ∈ N∗ et pour tout j ∈ [[1, s]], le polynôme Pj s’écrit Pj = X 2 − aj x − bj avec
∆j = a2j + 4bj < 0. ; comme πu (u) = 0, on a P1 (u) ◦ · · · ◦ Ps (u) = 0, donc les
endomorphismes Pj (u) ne sont pas tous injectifs, il existe alors k ∈ [[1, s]] tel
que Pk (u) et non injectif, donc il existe x0 ∈ E tel que x0 ̸= 0 et Pk (u)(x0 ) = 0,
donc u2 (x0 ) = ak u(x0 ) + bk x0 , en particulier si F = Vect{x0 , u(x0 )}, on a F
est stable par u et dim(F ) = 2 car u n’ayant pas de vecteur propre, la famille
(x0 , u(x0 )) est libre.
Théorème 26
Preuve:
Comme Sp(u) = ∅, le polynôme caractéristique χu de u est pair car tout
polynôme impair à coefficients réels admet au moins une racine réelle, donc
n = dim(E) = deg(χu ) est pair. Il en découle qu’il existe s ∈ N∗ tel que
n = 2s. On va démontrer le reste du théorème par récurrence sur s.
• Si s = 1, alors dim(E) = 2, donc si B est une base orthonormée de E alors
A = matB (u) ∈ O(2) et comme Sp(u) = ∅, forcément, A est de la forme Rθ
avec θ ∈ R\πZ, en vertu de la proposition 174.
• Soit s ∈ N∗ tel que la propriété à démontrer est vraie pour tout espace
euclidien de dimension 2s. Soit E un espace euclidien de dimension 2s + 2 et
u ∈ O(E) tel que Sp(u) = ∅. D’après le lemme 3, et le fait que Sp(u) = ∅, il
existe un plan F de E stable par u, et d’après le théorème 25, F ⊥ est stable par
u et on a F ⊕ F ⊥ = E. Comme dim(F ) = 2, on a dim(F ⊥ ) = 2s et l’hypothèse
de récurrence permet de dire qu’il existe deux bases perspectives orthonormées
B1 et B2 de F et F ⊥ tel les endomorphismes induits u1 et u2 sur F et F ⊥
réalisent matB1 (u1 ) = Rθ1 et matB2 (u2 ) = diag(Rθ2 , . . . , Rθs+1 ) où θk ∈ R\πZ,
pour tout k ∈ [[1, s + 1]] . Si B est la base de E obtenue par concaténation de
B1 et B2 , on a matB (u) = diag(Rθ1 , . . . , Rθs+1 ) , ce qui termine la preuve.
Théorème 27
Autrement dit :
Ip
−Iq
M = matB (u) =
Rθ1
..
.
Rθs
Preuve:
Soit u un endomorphisme orthogonal de E.
• Si Sp(u) = ∅, c’est terminé en vertu du théorème 26 ci-dessus.
• Si Sp(u) = {1} alors E = E1 (u) ⊕ G avec G = (E1 (u))⊥ et on a vu dans le
lemme 2 que Sp(uG ) = ∅. Donc, en vertu du théorème 26, la matrice de u dans
une base orthonormée adaptée est de la forme A = diag(Ip , Rθ1 , . . . , Rθs ).
• Si Sp(u) = {−1} alors E = E−1 (u) ⊕ G avec G = (E−1 (u))⊥ et on a
vu que dans le lemme 2 que Sp(uG ) = ∅. Donc, en vertu du théorème 26,
la matrice de u dans une base orthonormée adaptée est de la forme A =
diag(−Iq , Rθ1 , . . . , Rθs ).
• Si Sp(u) = {−1, 1} alors E = E1 (u)⊕E−1 (u)⊕G avec G = (E1 (u)+E−1 (u))⊥
et on a vu dans le lemme 2 que Sp(uG ) = ∅. Donc, en vertu du théorème
26, la matrice de u dans une base orthonormée adaptée est de la forme A =
diag(Ip , −Iq , Rθ1 , . . . , Rθs ).
Définition 87
Proposition 175
Preuve:
Soit x ∈ F ⊥ , montrons que u(x) ∈ F ⊥ pour cela soit y ∈ F alors ⟨u(x), y⟩ =
⟨x, u(y)⟩ = 0 car u(y) ∈ F par stabilité de F et x ∈ F ⊥ par hypothèse.
Preuve:
On va prouver l’existence et l’unicité de v :
• Existence :Soit y ∈ E et l’application :
Proposition 176
Proposition-Définition 8
Proposition 177
Proposition 178
Preuve:
Si u est inversible et u−1 = u∗ , soit x ∈ E, alors ∥u(x)∥2 = ⟨u(x), u(x)⟩ =
⟨x, u∗ (u(x))⟩ = ⟨x, x⟩ = ∥x∥2 , donc pour tout x ∈ E, on a : ∥u(x)∥ = ∥x∥ donc
u est un endomorphisme orthogonal. Réciproquement, si u est un endomor-
phisme orthogonal alors u est inversible. Soit (x, y) ∈ E 2 . Puisque u conserve
4.5. ESPACES EUCLIDIENS : RAPPELS ET COMPLÉMENTS 171
le produit scalaire, on a : ⟨u(x), y⟩ = ⟨u(x), u(u−1 (y))⟩ = ⟨x, u−1 (y)⟩. Cela veut
dire que u∗ = u−1 .
Proposition 179
Remarque Il faut donc faire attention au fait que la base adoptée doit être ortho-
normée. Si la matrice de u relativement à une base quelconque est symétrique réelle,
cela ne suffit pas pour dire que u est symétrique.
Proposition 180
Preuve:
On va faire la preuve en trois étapes :
- Si dim(E) = 1 alors u est une homothétie, donc si λ est le rapport e cette
homothétie, alors λ est une valeur propre de u.
- Si dim(E) = 2, il existe une base orthonormée B de E tel que A = matB (u)
est symétrique. Posons
a b
A=
b d
Le polynôme caractéristique de A est
χA = X 2 − (a + d)X + ad − b2
Proposition 181
Preuve:
Considérons λ, µ ∈ Sp(u) tel que λ ̸= µ et montrons que Eλ (u)⊥Eµ (u). Pour
cela soit x ∈ Eλ (u) et y ∈ Eµ (u) deux vecteurs propres associés respective-
ment aux valeurs propres distinctes λ et µ de u. On a ⟨u(x), y⟩ = λ⟨x, y⟩ =
⟨x, u(y)⟩ = µ⟨x, y⟩, donc (λ − µ)⟨x, y⟩ = 0. Comme λ − µ ̸= 0, on a : ⟨x, y⟩ = 0.
Ainsi Eλ (u)⊥Eµ (u).
Théorème 28
Preuve:
Par récurrence sur la dimension de E.
- Si dim(E) = 1, un endomorphisme symétrique u de E est une homothétie.
Si B = (e1 ) avec e1 ∈ E tel que ∥e1 ∥ = 1, alors B est base orthonormée de
diagonalisation de u.
- Soit n ∈ N∗ tel que pour tout espace euclidien F de dimension n, tout endo-
morphisme symétrique de F admet une base orthonormée de diagonalisation.
Soit alors E un espace euclidien de dimension n + 1 et u un endomorphisme
symétrique de E. D’après la proposition 180, l’endomorphisme u admet au
moins une valeur propre λ1 . Soit e un vecteur propre associé à λ1 et notons
1
e1 = e. Il est clair que e1 est un vecteur propre de u associé à λ1 et que
∥e1 ∥
∥e1 ∥ = 1. Soit F = (Re1 )⊥ alors E = Re1 ⊕ F et Re1 et F sont stables par u.
F muni du produit scalaire induit par celui de E est un espace euclidien de di-
mension n. Comme n ≥ 1, on a, par hypothèse de récurrence, l’endomorphisme
induit uF est diagonalisable dans une base orthonormée B ′ = (ek )2≤k≤n+1 . Soit
B = (ek )1≤k≤n+1 , alors B est une base orthonormée de E et c’est bien une base
de vecteurs propres de u, donc B est une base orthonormée de diagonalisation
4.5. ESPACES EUCLIDIENS : RAPPELS ET COMPLÉMENTS 173
de u.
Voici la version matricielle du théorème spectral qui s’applique à une matrice réelle
symétrique. Il faut, chaque fois que l’on veut l’utiliser, faire attention et s’assurer
que la matrice symétrique concernée est réelle.
Théorème 29
Soit A ∈ Sn (R) une matrice carrée réelle symétrique d’ordre n avec n ∈ N∗ , alors
il existe une matrice orthogonale P et une matrice diagonale réelle ∆ toutes de
taille n tel que A = t P ∆P . On dit que A est orthogonalement diagonalisable.
174 CHAPITRE 4. ESPACES PRÉHILBERTIENS RÉELS.
Chapitre 5
Les chapitres en questions sont déjà fait en première année. Vue leur importance
en deuxième année, on propose des de donner les rappels essentiels sur les deux
chapitres.
5.1.1.1 Définitions
On considère des applications f : I → C où I est un intervalle de R.
On rappelle que si [a, b] est un segment de R, on appelle subdivision de [a, b] toute
suite (ak )0≤k≤n de nombres réels tel que : a = a0 ≤ · · · ≤ an = b.
Si A = (ak )0≤k≤n et B = (bk )0≤k≤m , on dit que A et moins fine que B si
{a0 , · · · , an } ⊂ {b0 , · · · , bm }.
Définition 88
Soit [a, b] un segment de R et f une application de [a, b] vers K. On dit que f est
continue par morceaux sur [a, b] s’il existe une subdivision (ak )0≤k≤n de [a, b] tel
que pour tout k ∈ {0, · · · , n − 1}, f est continue sur ]ak , ak+1 [ et se prolonge en
175
176 CHAPITRE 5. INTÉGRALES GÉNÉRALISÉES, SÉRIES NUMÉRIQUES.
une fonction continue sur [ak , ak+1 ]. Une telle subdivision est appelée subdivision
adaptée à f .
Définition 89
Proposition 182
5.1.2.1 Définition
Soit I un intervalle de R de bornes α et β finies ou infinies. Soit f une application de
Z x
I vers K et a ∈ I. On considère l’application Fa : I → K tel que Fa (x) = f (t)dt
a
pour tout x ∈ I. Si Fa admetZune limite L1 en α à droiteZ et une limite L2
en β à
gauche on dit que l’intégrale f converge et on pose : f = L2 − L1 . On note
Z β Z β I I Z β
aussi f (t)dt. Ainsi f (t)dt = Fa (β−) − Fa (α+). On écrit aussi : f (t)dt =
α α α
[Fa (t)]βα = Fa (β−) − Fa (α+). Z x Z x
Si b ∈ I on remarque que pour tout x ∈ I, on a Fb (x) = f (t)dt = f (t)dt +
Z a b a
5.1.2.2 Exemples
Z x
Exemples 1) f (x) = ln x pour tout x ∈]0, 1], F1 (x) = ln tdt = x ln x − x vérifie
Z 1 1
1
√
si 0 < x ≤ 1
Exemples 2) Pour tout x ∈]0, +∞[ on pose f (x) = x . On
1 si 1 < x
x2 Z x
voit que f est continue par morceaux sur ]0, +∞[ car continue. F1 (x) = f (t)dt =
√ 1
2 x − 2 si 0 < x ≤ 1
Z +∞
, donc F1 (+∞) = 1 et F1 (0+) = −1, donc f (t)dt =
1 − 1 si 1 < x
0
x
1+1=2
5.1.2.3 Propriétés
Dans tout ce qui suit I est un intervalle de R de bornes éventuellement infinies a et
b.
Proposition 183
Z b
Soit f ∈ CM(I, K) et c ∈ I. L’intégrale f converge si et seulement si les
Z c Z b a Z b Z c Z b
intégrales f et f convergent, auquel cas on a f= f+ f
a c a a c
Proposition 184
Z Z
Soient f, g ∈ CM(I, K) et λ ∈ K. Si les intégrales f et g convergent alors
Z Z Z Z I I
Proposition 185
Z
Soit f ∈ MC(I, K) alors |f | ∈ CM(I, K) et si |f | converge il en est de même
Z Z Z I
de f et dans ce cas on a f ≤ |f |
I I I
Définition 90
Z Z
Soit f ∈ CM(I, K). Si |f | converge on dit que l’intégrale f est absolument
I I
convergente
5.1. INTÉGRALES GÉNÉRALISÉES 179
Définition 91
Z
Soit f ∈ CM(I, K). On dit que f est integrable ou sommable sur I si f est
I
absolument convergente.
Proposition 186
Z +∞
2
Exemples l’intégrale I = e−x cos x dx est divergente car la fonction x 7→
0 Z x
2
f (x) = e−x cos x
étant continue sur R+ il suffit de prouver que x 7→ n’est pas
0
majorée, et pour cela, on considère pour tout n ∈Z N tel que n ≥ 10 les réels
bn
π π 1
an = + nπ et bn = + nπ + et posons In = f (x)dx. On va démontrer
2 X 2 n an
que la série In est divergente et cela donnera en particulier le fait que la suite
Z bn
f (t)dt est non majorée car son terme général est majoré par une somme
0
partielle de la série.La fonction x 7→ cos2 x est croissante sur l’intervalle [an , bn ] donc
la fonction x 7→ −x cos2 x est décroissante sur cet intervalle et par suite pour tout
1
x ∈ [an , bn ], on a f (x) ≥ f (bn ) et par suite In ≥ f (bn ). Or un simple calcule mon-
X n
trer que lim f (bn ) = 1, donc la série In est divergente or sa somme partielle
n→+∞
X n Z bn Z x
Sn = In ≤ f (x)dx, ce qui prouve que x 7→ f (t)dt n’est pas majorée
k=10 0 0
Z +∞
donc l’intégrale f (x)dx est divergente.
0
180 CHAPITRE 5. INTÉGRALES GÉNÉRALISÉES, SÉRIES NUMÉRIQUES.
Proposition 187
Soit f, g ∈ CM(I, R+ ).
Z Z
1. Si f ≤ g alors g convergente ⇒ f convergente.
I I
2. Si I = [a, b[ avec a ∈ R et a < b ≤ +∞( resp. I =]a, b] avec −∞ ≤ a < b
et b ∈ R) et f = O(g) au voisinage de b à gauche (resp. au voisinage de a
Z b Z b
à droite) alors : g(t)dt converge ⇒ f (t)dt converge.
a a
3. Si I = [a, b[ avec a ∈ R et a < b ≤ +∞( resp. I =]a, b] avec −∞ ≤ a < b
et b ∈ R) et f = o(g) au voisinage de b à gauche (resp. au voisinage de a
Z b Z b
à droite) alors : g(t)dt converge ⇒ f (t)dt converge.
a a
4. Si I =]a, b](resp. I = [a, b[ et f ∼ g au voisinage de b à gauche (resp. au
Z b Z b
voisinage de a à droite) alors les intégrales f (t)dt et g(t)dt sont de
a a
même nature.
Proposition 188
Z +∞
Soit λ ∈ R, alors l’intégrale e−λt dt est convergente si et seulement si λ > 0
Z +∞ 0
1
, auquel cas, on a e−λt dt = .
0 λ
Preuve:
Z x
1
En effet pour tout x > 0, on a F (x) = e−λt dt =
(1 − e−λx ), donc F admet
0 λ
1
une limite en +∞ si et seulement si λ > 0, auquel cas, cette limite est .
λ
Z +∞ Z b
1 1
5.1.4.3 Les intégrales de Riemann dt et dt
1 tα a (b − t)α
Proposition 189
Soit f : [a, +∞[ vers K une application continue par morceaux : S’il existe un
tα f (t) est bornées sur un intervalle de la forme [b, +∞[
nombre réel α > 1 tel que Z
+∞
( b ≥ a) alors l’intégrale f (t)dt est absolument convergente. C’est le cas
a
en particulier si t 7→ tα f (t) admet une limite ℓ (ℓ ∈ K), quand t tends vers +∞.
182 CHAPITRE 5. INTÉGRALES GÉNÉRALISÉES, SÉRIES NUMÉRIQUES.
Preuve:
Supposons t →7 tα f (t) bornée sur [b, +∞[, cela veut dire que |f (t)| = O(tα )
au voisinage de +∞. D’après les critères de comparaison ci-dessus on a la
Z +∞
convergence de l’intégrale |f (t)|dt.
b
Si lim tα f (t) existe dans K alors t 7→ tα f (t) est bornée au voisinage de +∞.
+∞
C’est donc un cas particulier du précédent.
Pour les deux propositions qui suivent a et b sont deux nombres réels tel que a < b.
Proposition 191
Soit f : [a, b[ vers K une application continue par morceaux : S’il existe un
nombre réel α < 1 tel que (b − t)α f (t) est bornées sur un intervalle de la forme
Z b
[c, b[ ( a ≤ c < b ) alors l’intégrale f (t)dt est absolument convergente. C’est
a
le cas en particulier si t 7→ (b − t)α f (t) admet une limite ℓ (ℓ ∈ K), quand t
tends vers b à gauche.
Proposition 192
Soit f :]a, b] vers K une application continue par morceaux : S’il existe un
nombre réel α < 1 tel que (t − a)α f (t) est bornées sur un intervalle de la forme
Z b
]a, c] ( a < c ≤ b ) alors l’intégrale f (t)dt est absolument convergente. C’est
a
le cas en particulier si t 7→ (t − a)α f (t) admet une limite ℓ (ℓ ∈ K), quand t
tends vers a à droite.
5.1.5.1 Exemples
Z 1
1
Exemples 1) Convergence de l’intégrale I = p . Tout d’abord l’appli-
0 x(1 − x)
1
cation f :]0, 1[→ R, x 7→ p est CM sur ]0, 1[. Au voisinage de 0 à droite,
x(1 − x)
Z 1
1 2
on a f (x) ∼ √ donc l’intégrale f (x)dx est convergente. Au voisinage de 1 à
x 0 Z 1
1
gauche, on a f (x) ∼ √ donc l’intégrale f (x)dx converge. En conclusion,
1−x 1
2
Z 1
1
l’intégrale p dx est convergente.
0 x(1 − x)
5.1. INTÉGRALES GÉNÉRALISÉES 183
Z 1
sin(1/x)
Exemples 2) Convergence de l’intégrale p dx. L’application f :
0 x(1 + cos2 x)
sin(1/x)
]0, 1] → R; x 7→ p est CM sur ]0, 1]. Le problème se pose uniquement
x(1 + cos2 x)
1
au voisinage de 0 à droite. Pour tout x ∈]0, 1], on a : |f (x)| ≤ √ , donc x 7→
Z 1 x
√ sin(1/x)
xf (x) est bornée sur ]0, 1], d’où l’intégrale p dx est absolument
0 x(1 + cos2 x)
convergente.
Z +∞
Exemples 3) Convergence de l’intégrale I = x4 e−x dx. L’application f :
0
[0, +∞[→ R; x 7→ x4 e−x est continue, le problème se pose uniquement à la borne
+∞.
On a : lim x2 f (x) = lim x6 e−x = 0, donc l’intégrale en question converge abso-
x→+∞ x→+∞
lument.
Z +∞
1
Exemples 4) Convergence de l’intégrale I = √ dx. L’application f :
0 x + x2
1
]0, +∞[→ R; x 7→ √ est continue sur l’intervalle ]0, +∞[.
x + x2
1
• Au voisinage de 0 à droite on a f (x) ∼ √ et comme l’intégrale de Riemann
Z 1 Z 1 x
1
√ dx est convergente, on a f (x)dx est convergente.
0 x 0 Z +∞
1 1
• Au voisinage de +∞, on a f (x) ∼ 2 et l’intégrale de Riemann dx est
Z +∞ x 1 x2
1
convergente donc dx est convergente.
1 x2
Z +∞
Il découle de ce qui précède que f (x)dx est convergente.
0 √
• Pour calculerZcette intégrale on fait le changement de variable t = x, ce qui
+∞
1
fournit I = 2 3
dt. La décomposition en élément simple de la fraction
0 t +1
1
rationnelle F (X) = 3 s’écrit :
X +1
α βX + γ
F (X) = + 2
X +1 X −X +1
et on a :
1
• lim (t + 1)F (t) = α = .
t→−1 3
1
• lim tF (t) = 0 = α + β ⇒ β = − .
t→+∞ 3
2
• F (0) = 1 = α + γ ⇒ γ =
3
184 CHAPITRE 5. INTÉGRALES GÉNÉRALISÉES, SÉRIES NUMÉRIQUES.
+∞
t−2
Z
2 1
Il en découle que I = − 2 dt, donc
3 0 t+1 t −t+1
+∞
1 2t − 1
Z
2 1 1 3
I= − 2 + 2 dt
3 0 t+1 2t −t+1 2t −t+1
On a : +∞
+∞
1 2t − 1
Z
1 2 t+1
− 2 dt = ln √ = 0.
0 t+1 2t −t+1 3 t2 − t + 1 0
Donc :
Z +∞ Z +∞
1 1
I = 2
dt = 2 dt
0 t −t+1 0 t − 2 + 43
1
√ +∞ √
4 3 2 1 4 3 4π 4π
= arctan √ t − = = √ .
3 2 3 2 0 3 2 6 3 3
Proposition 193
Proposition 194
où
[u(t)v(t)]ba = Lb − La = f (b−) − f (a+)
5.2.1 Rappels
Si (un )n≥0 est une suite à valeurs dans K, on lui associe la suite des sommes (Sn )n≥0
X n
définie par Sn = uk . on dit que (Sn ) est la suite des sommes partielles de la série
X k=0
un .
X
Si la suite (Sn ) est convergente de limite S, on dit que la série numérique un est
+∞
X
convergente de somme S et on note S = un .
n=0
Si (an )n≥0 est une suite numérique il existe une et une seule
Xsuite numérique (un )n≥0
tel que (an ) est la suite des sommes partielles de la série un . Elle est définie par :
u0 = a0 ; ∀n ∈ N∗ , un = an − an−1
Cela nous donne un critère de convergence des suites :
La suite (an ) est convergente si et seulement si la série de terme général un = an+1 −
an est convergente. Attention elles n’ont pas forcément la même limite.Précisément,
+∞
X
en cas de convergence si on note ℓ = lim an et S = un on a S = ℓ − a0 ;
n=0
186 CHAPITRE 5. INTÉGRALES GÉNÉRALISÉES, SÉRIES NUMÉRIQUES.
n
X 1
Exemples Montrons que la suite (an )n≥1 définie par an = Hn −ln(n) où Hn =
k=1
k
(série harmonique) est convergente. Pour cela estimons un = an+1 − an . On a
1 n+1
un = − ln
n+1 n
−1
1 1 1
= 1+ − ln 1 +
n n n
1 1 1 1 1
= 1− +O − + O
n n n2 n n2
1
= O .
n2
X
Il en découle que la série un est convergente, donc la suite (an ) est convergente.
X
A retenir : Si une série numérique un est convergente de somme S alors :
• Son terme général un converge vers 0.
• Pour tout n ∈ N, on note Rn = S − Sn où Sn est la somme partielle d’ordre n ; Rn
X+∞
s’appelle le reste d’ordre n. On a Rn = uk et Rn converge vers 0.
k=n+1
Proposition 195
X
Une série un à termes positifs est convergente si et seulement si sa somme
partielle (Sn ) est majorée, auquel cas on a :
+∞
X
un = sup Sn
n=0 n∈N
Définition 92
X X
On dit qu’une série un est absolument convergente si la série |un | est
convergente.
5.2. SÉRIES NUMÉRIQUES 187
Proposition 196
X
Si la série un est absolument convergente elle est convergente et :
+∞
X +∞
X
un ≤ |un |
n=0 k=0
Proposition 197
X X
Soient an et bn deux séries à termes positifs. Si an ≤ bn à partir d’un
certain
X rang alors : X
bn convergente ⇒ an convergente.
+∞
X X+∞
an = +∞ ⇒ bn = +∞
n=0 n=0
+∞
X +∞
X
Remarque Si an ≤ bn pour tout n ∈ N alors an ≤ bn
n=0 n=0
Proposition 198
X X
Soit un une série numérique et an une série à termes positifs.
X X
Si un = O(an ) alors : an convergente ⇒ un est absolument convergente.
X X
Si un = o(an ) alors : an convergente ⇒ un est absolument convergente.
X X
Si un ∼ an alors : an et un sont de même nature.
+∞
X qm
Remarque Si |q| < 1 alors pour tout m ∈ N, on a qn =
n=m
1−q
188 CHAPITRE 5. INTÉGRALES GÉNÉRALISÉES, SÉRIES NUMÉRIQUES.
Soit (un ) une suite de nombre complexes non nuls tel qu’il existe ℓ ∈ R+ tel
que :
un+1
lim =ℓ
n→+∞ un
Alors :
X
1. Si ℓ < 1 alors la série un est absolument convergente.
X
2. Si ℓ > 1 alors la série un est grossièrement divergente.
Preuve:
1−ℓ
- Si ℓ < 1, pour ε = , il existe N ∈ N tel que, pour tout n ∈ N tel que
2
n ≥ N + 1, on a :
un 1−ℓ
−ℓ <
un−1 2
En particulier :
ℓ+1
Donc en posant q = , on a 0 < q < 1 et pour tout n ≥ N + 1, on a
2
: |un | ≤ |uN |q n−N = Cq n , avec C = |uN |q −N .
|un | ≤ q|un−1 |, en particulierX
Comme la série géométrique q n est convergente, la convergence absolue de
n≥N
X
un en découle.
ℓ−1
- Si ℓ > 1, on a pour ε = , il existe N entier tel que si n ≥ N + 1 alors
2
un ℓ−1 ℓ+1
≥ ℓ− = , donc |un | ≥ uN q n−N = Cq n avec C = |uN |q −N donc
un−1 2 2
5.2. SÉRIES NUMÉRIQUES 189
∀n ∈ N, un un+1 ≤ 0
Proposition 202
X
La série un est alternée si et seulement si il existe une suite (αn ) de signe
constant tel que un = (−1)n αn pour tout n ∈ N.
Théorème 31
Si une série umun est absolument convergente alors elle est convergente et on
a:
+∞
X +∞
X
un ≤ |un |
n=0 n=0
Preuve:
Pour tout nombre réel x, on définit les nombres réels x+ = max(x, 0) et x− =
max(−x, 0). On a alors
x + x− = |x|
+
∀x ∈ R
x + − x− = x
X
Si une série un est absolument convergente alors comme on a
u+
n ≤ |un |
∀n ∈ N,
u−
n ≤ |un |
X X
les deux série u+n et u−
n sont deux séries à termes positifs convergentes,
−
donc leur différence est convergente et comme un = u+ n − un , pour tout n ∈ N,
X +∞
X
la série un est convergente et sa somme est S = un = S + − S − où
n=0
5.3. SOMMATION DES RELATIONS DE COMPARAISON. COMPARAISON SÉRIES ET INTÉGR
+∞
X +∞
X
−
+
S = u+
n et S = u−
n.
n=0 n=0
• Remarquons que pour tout n ∈ N, on a :
+∞
X n
X
un ≤ |uk |,
n=0 k=0
Ce paragraphe est d’une importance particulière car il traite deux points impor-
tants :D’une part, la sommation des relations de comparaison pour les séries et pour
les intégrales qui ont des applications importantes et d’autre part, la relation entre
les intégrales et les séries, notamment comment l’un se ramène à l’autre quand des
hypothèses sont vérifiées.
X X
Si un et vn sont deux séries numériques tel que vn = o(un ) ou vn = O(un )
ou un ∼ vn , on sait que les natures des deux séries sont liée, mais on approfondira
en étudiant les liens entre les sommes partielles ou les restes des deux séries. On
résume tout dans la proposition suivante :
192 CHAPITRE 5. INTÉGRALES GÉNÉRALISÉES, SÉRIES NUMÉRIQUES.
Proposition 203
X X
Soient an et bn deux séries à termes positifs. On note Sn et Sn′ les sommes
partielles respectives et en cas de convergence on note Rn et Rn′ les restes res-
pectifs.
- OnX suppose que an = O(bn ) quand
X n tends vers +∞. Alors :
• Si bn est convergente alors an est convergente et Rn = O(Rn′ ).
X X
• Si an est divergente alors bn est divergente et Sn = O(Sn′ )
- OnX suppose que an = o(bn ) quand
X n tends vers +∞. Alors :
• Si bn est convergente alors an est convergente et Rn = o(Rn′ ).
X X
• Si an est divergente alors bn est divergente et Sn = o(Sn′ )
X X
- On suppose que an ∼ bn quand n tends vers +∞. Alors : an et bn sont
de même nature et :
• En cas de convergence on a : Rn ∼ Rn′ .
5.3. SOMMATION DES RELATIONS DE COMPARAISON. COMPARAISON SÉRIES ET INTÉGR
Proposition 205
Proposition 206
Z b +∞
X +∞ Z
X an+1
f (t)dt = un = f (t)dt.
a n=0 n=0 an
+∞
| sin(t)|
Z
Exemple L’intégrale dt est divergente. En effet si on prends an = nπ
0 t
pour tout n ∈ N, on a bien a0 = 0 et (an ) croissante de limite +∞. Il suffit donc de
Z (n+1)π
X | sin(t)|
prouver que un est divergente où un = dt. Par le changement de
nπ t
5.3. SOMMATION DES RELATIONS DE COMPARAISON. COMPARAISON SÉRIES ET INTÉGR
Z π Z π
sin(θ) sin θ 2 1
variable θ = t − nπ, on a un = dθ, donc un ≥ dθ =
0 nπ + θ 0 (n + 1)π Xπ n + 1
qui est le terme d’une série divergente (série harmonique), donc la série un est
divergente.
Proposition 207
Preuve:
Z n+1
Comme f est décroissante, f (t)dt ≤ f (n) pour tout n ≥ p, donc un ≥ 0
X n
et par suite la série un est une série à termes positifs. Il suffit de prouver
que sa somme partielle est majorée. Soit n ≥ p, alors un ≤ f (n) − f (n + 1) par
X n
suite, Sn = uk ≤ f (p) − f (n + 1) ≤ f (p) ≤ f (a).
k=p
Corollaire 20
6.1 Dérivation
6.1.1 Définitions
6.1.1.1 Dérivabilité en un point
Définition 95
En particulier :
Proposition 208
197
198 CHAPITRE 6. FONCTION VECTORIELLES À VARIABLE RÉELLE
Définition 96
Soit t0 ∈ I tel qu’il existe α > 0 tel que [t0 , t0 +α[⊂ I. On dit que f est dérivable
f (t) − f (t0 )
au point t0 à droite si t 7→ Ft0 (t) = admet une limite quand t tends
t − t0
vers t0 et t > t0 . Si c’est le cas on note fd′ (t0 ) cette limite nommé vecteur dérivé
à droite.
Proposition 209
Donc si h ∈ R∗ alors :
+∞ k−1 k
1 X h A
(f (t0 + h) − f (t0 )) = A exp(t0 A) + exp(t0 A)
h k=2
k!
+∞ k−1 k
X h A
Si on pose φ(h) = , on a lim φ(h) = 0 car (on munit Mn (K) d’une norme
k=2
k! h→0
d’algèbre) :
+∞
X |h|k−1 ∥A∥k
∥φ(h)∥ ≤ ∥ exp(t0 A)∥
k=2
k!
1
= ∥ exp(t0 A)∥ (exp(|h|∥A∥) − |h|∥A∥ − 1)
|h|
∥ exp(t0 A)∥∥A∥2
∼ |h|
2
de sorte que lim φ(h) = 0.
h→0
Par définition de la dérivabilité, et compte tenu de
f (t0 + h) = f (t0 ) + h exp(t0 A) + hφ(h) et lim φ(h) = 0,
h→0
Proposition 210
C’est une conséquence immédiate de la propriété générale sur les limites en dimen-
sion finie.
Définition 97
6.1.2 Opérations
6.1.2.1 linéarité
Proposition 211
Proposition 212
6.1.2.4 Composée
I et J sont deux intervalles , φ : I → R dérivable sur I tel que φ(I) ⊂ J et f : J → F
dérivable , alors f ◦ φ est dérivable sur I et (f ◦ φ)′ = φ′ (f ′ ◦ φ)
Proposition 213
et
(f (p) )(q) = (f (q) )(p) = f (p+q) = f (n) .
Définition 99
Soit n ∈ N, on dit que f est de classe C n sur I si f est n fois dérivable sur I et
f (n) est continue sur I. On dit que f est de classe C ∞ sur I si f est de classe
C n sur I, pour tout n ∈ N.
Proposition 214
6.1.3.3 Composition
Proposition 215
6.2 Intégrales
Dans tout ce qui suit F est un espace vectoriel de dimension finie non nulle et [a, b]
est un segment de R.
Soit f : [a, b] → F une application. On dit que f est continue par morceaux
sur [a, b] si les fonctions coordonnées f1 , · · · , fp de f relativement à une base
B = (e1 , · · · , ep ) sont continues par morceaux sur [a, b].
relativement à Bb alors :
p p
X X
f= fk ek = fbk ebk
k=1 k=1
et
f1 (t) fb1 (t)
.. .
(1) ∀t ∈ I, . = P ..
fp (t) fbp (t)
Montre que les fk sont CM sur [a, b] si et seulement si les fbk le sont.
Remarques :
1. On note CM([a, b], F ) l’ensemble des fonctions continues par morceaux de
[a, b] vers F . C’est un sous-espace vectoriel du K−espace vectoriel F [a,b] des
applications de [a, b] vers F .
6.2. INTÉGRALES 203
et par suite :
p Z b p Z b
X X
fk (t)dt ek = fk (t)dt ebk
b
k=1 a k=1 a
Proposition-Définition 9
λg) = f +λ g
a a
2. Relation de Chasles :Soit I un intervalle de R, f ∈ CM(I, F ) et a, b, c ∈ I,
Z b Z c Z b
alors : f= f+ f
a a c
Proposition 217
continue par morceaux, alors L ◦ f est continue par morceaux de [a, b] vers F et
Z b Z b
L◦f =L f
a a
b n−1
b−aX b−a
Z
f (t)dt = lim f a+k
a n→+∞ n k=0 n
Preuve:
Il suffit de raisonner sur les fonctions coordonnées relativement à une base de
F.
n−1
X n
X
Remarque : Valable si on remplace par
k=0 k=1
Preuve:
Pour tout n ∈ N∗ , on a :
n−1 n
b−aX b−a b−aX b−a
f a+k ≤ f a+k
n k=0 k n k=1 k
Définition 101
Proposition 220
si (fk )1≤k≤p sont les composantes de f dans une base B = (e1 , . . . , ep ), donc :
p
X
f = fk ek , et Φk une primitive de fk sur I, pour tout k ∈ [[1, p]] alors Φ =
k=1
p
X
Φk ek est une primitive de f sur I.
k=1
Preuve:
p p
X X
′
En posant Φ = Φk ek , on sait que : Φ = Φ′k ek et comme Φ′k = fk , on a
k=1 k=1
p
X
Φ′ = fk e k = f .
k=1
Proposition 221
Preuve:
Il suffit de raisonner en utilisant les composantes et le même résultat pour les
fonction à valeurs dans K, vu en première année.
Proposition 222
Preuve:
Il suffit de raisonner en utilisant les composantes et le même résultat pour les
fonction à valeurs dans K, vu en première année.
Théorème 32
Preuve:
Comme f est continue elle admet une primitive Φ sur J et on a :
Z φ(b) Z φ(b)
f (s)ds = Φ′ (s)ds
φ(a) φ(a)
= Φ(φ(b)) − Φ(φ(a))
Z b
= (Φ ◦ φ)′ (t)dt
a
Z b
= φ′ (t)f (φ(t))dt
a
Théorème 33
Preuve:
Conséquence immédiate de la formule de dérivation de B(u, v).
M = sup ∥f ′ (t)∥
t∈[a,b]
Alors
∥f (b) − f (a)∥ ≤ M (b − a)
Preuve:
Z b
1
Comme f est de classe C sur [a, b], on a f (b) − f (a) = f ′ (t)dt, donc :
Z b Z b Z b a
Remarques :
1. Si M est un majorant de ∥f ′ ∥([a, b]) , l’inégalité est valable.
2. Si f : I → F de classe C 1 et f ′ est bornée sur I alors on a :
∀(x, y) ∈ I 2 , ∥f (y) − f (x)∥ ≤ M |y − x|
pour tout majorant M de ∥f ′ ∥ sur I.
3. Il est possible de ne jamais avoir l’égalité : exemple f (t) = eit de [0, 2π] vers C.
Si on a une égalité il vient : ∥f (2π) − f (0)∥ = M.2π par suite M = 0 , chose
fausse car ∥f ′ (t)∥ = 1, montre que M ≥ 1.
Théorème 35
Théorème 36
6.2.8.3 Taylor-Young
Théorème 37
Remarque : On écrit :
n
X (x − a)k
f (x) = f (k) (a) + o((x − a)n )
k=0
k!
Séries dans
un espace vectoriel normé,
familles sommables
de nombres complexes.
Soit E un ensemble.
On dit que E est dénombrable s’il existe une bijection f : N → E.
On dit que E est au plus dénombrable si E est fini ou dénombrable.
E = {f (n)/n ∈ N}.
Proposition 223
209
210CHAPITRE 7. SÉRIES DANSUN espace vectoriel normé,FAMILLES SOMMABLESDE
Preuve:
• N et dénombrable puisque l’application identique de N est une bijection de
N vers N.
n
+ 1 si n ∈ 2N
• Z est dénombrable, en effet, soit f : N → Z; n 7→ 2 .
n−1
− si n ∈ 2N + 1
2
C’est bien une application. Elle est injective car si n, m ∈ N tel que f (n) =
n m
f (m) alors si f (n) ∈ N∗ forcément n et m sont pairs et alors + 1 = + 1 et
2 2
n−1 m−1
n = m. Si, par ailleurs, f (n) ∈ Z) alors n et m sont impairs et = ,
2 2
donc m = n.
f est surjective car si k ∈ Z, deux cas sont possibles :
- Si k > 0 alors 2(k − 1) ∈ N et f (2(k − 1)) = k.
- Si k ≤ 0 alors −2k + 1 ∈ N et f (−2k + 1) = k
• Soit A une partie infinie de N. Posons
f (0) = min(A)
.
∀n ∈ N , f (n + 1) = min(A\{f (0), · · · , f (n)})
f est bien définie puisque toute partie non vide de N admet un plus petit élé-
ment.
- L’application f est injective car , par construction, elle est strictement crois-
sante.
- L’application f est surjective car si a ∈ A, deux cas sont possibles :
• Si a = f (0) terminé.
• Si a ̸= f (0) alors a > f (0). Soit
Proposition 224
N2 est dénombrable
7.1. ENSEMBLES DÉNOMBRABLES 211
Preuve:
Soit f : N2 → N; (m, n) 7→ f (m, n) = 2m (2n + 1) − 1 ; Alors f est une bijection.
En effet f est injective car si m, n, p, q ∈ N tel que f (m, n) = f (p, q) alors
2m (2n + 1) = 2p (2q + 1) ; si m = 0 alors forcément p = 0 car sinon on aurait
l’égalité d’un entier pair et un autre impair. Donc m = p = 0, par suite n = q.
Si m ̸= 0 alors 2m |2p (2q + 1) et 2m ∧ (2q + 1) = 1 ; par le lemme de Gauss, il
en découle que 2m |2p donc m ≤ p ; de manière similaire on a aussi p ≤ m donc
p = m et par suite n = q.
f est surjective car : Soit x ∈ N alors :
- Si x = 0, on a f (0, 0) = 0.
- Si x ≥ 1 alors x + 1 ≥ 1 et x s’écrit de façon unique
+∞
Y
x+1= pαk k
k=1
x = 2n (2m + 1) − 1 = f (n, m)
Proposition 225
Preuve:
Si A et B sont dénombrables il existe f : N → A et g : N → B applications
bijectives ; soit
Proposition 226
Soit a = (ai )i∈I une famille de nombres réels positifs , I étant non vide au plus
dénombrable. On dit que la famille a est sommable si l’ensemble
( )
X
Xa = ai /J ∈ Pf⋆ (I)
i∈J
Remarque :
i la famille de nombres réels positifs (ai )i∈I n’est pas sommable, on convient de
poser : X
ai = +∞
i∈I
Proposition 227
Si a = (ai )∈I et b = (bi )i∈I sont deux familles de nombres réels positifs tel que :
∀i ∈ I, a i ≤ bi
alors :
X X
1. b sommable ⇒ a sommable et ai ≤ bi
i∈I i∈I
2. a non sommable ⇒ b non sommable.
7.2. FAMILLES SOMMABLES DE NOMBRES COMPLEXES 213
Preuve:
X X
1. Si b est sommable de somme B, soit J ∈ Pf⋆ (I),on a : ai ≤ bi ≤ B,
i∈J i∈J
donc l’ensemble Xa est majoré et sup(Xa ) ≤ B, donc la famille a est
sommable et si A est sa somme on a A ≤ B
2. Si a n’est pas sommable alors a n’est pas sommable (contraposée).
Théorème 38
Soit σ : I → I une bijection et a = (ai )i∈I une famille de nombres réels positifs
et aσ = (aσ(i) )i∈I . Alors a est sommable si et seulement si aσ est sommable,
auquel cas, on a : X X
ai = aσ(i)
i∈I i∈I
Preuve:
Supposons que a = (ai )i∈I est une famille sommable de somme S et soit σ une
permutation de I,et notons aσ = (aσ(i) )i∈I . Si J est une partie finie de I, alors
J ′ = σ(J) est une partie finie de I de même cardinal que J, de plus on a :
X X
(⋆) ak = aσ(j)
k∈J ′ j∈J
Théorème 39
2. S’il existe une partition au plus dénombrable (Ij )j∈J de I tel que :
(a) Pour tout j ∈ J, la famille (ai )i∈Ij est sommable.
214CHAPITRE 7. SÉRIES DANSUN espace vectoriel normé,FAMILLES SOMMABLESDE
X
(b) Si, pour tout j ∈ J, on note : Sj = ai , la famille (Sj )j∈J est
i∈Ij
sommable
X X
alors la famille (ai )i∈I est sommable et on a : ai = Sj
i∈I j∈J
Remarque Soit X a = (ai )i∈I une famille de nombres réels positifs. En tenant compte
de la convention ai = +∞ si la famille a n’est pas sommable on peut énoncer
i∈I
que :
pour tout (Ij )j∈J , partition au plus
X X Xde I , si pour tout j ∈ J, la famille
dénombrable
(xi )i∈J est sommable alors on a : ai = ai
i∈I j∈J i∈Ij
Définition 104
Proposition 228
Définition 105
Si x = (xi )i∈I est une famille sommable de nombre réels, on définit la somme
de x comme suit : S = S+ − S− où S+ et S− sont les sommes respectives de x+
et x− .
Autrement dit : X X X
xi = (xi )+ − (xi )−
i∈I i∈I i∈I
7.2. FAMILLES SOMMABLES DE NOMBRES COMPLEXES 215
Proposition 230
Proposition 231
X
La famille (zn ) est sommable si et seulement si la série zn est absolument
X X+∞
convergente auquel cas, elle est convergente et on a zn = zn
n∈N n=0
Proposition 232
Théorème 40
Théorème 41
Soit a = (aij )(i,j)∈N2 une suite double sommable de nombres réels positifs. Alors :
Pour tout i ∈ N, la famille (aij )j∈N est sommable. Si, pour tout j ∈ N, Sj =
+∞
X X +∞
X
aij , la famille (Sj )j∈N est sommable et aij = Sj
i=0 (i,j)∈N2 j=0
Théorème 42
Soit (aij une suite double de réels positifs. Si pour tout i ∈ N, la famille (aij )j∈N
+∞
X
est sommable et si, pour tout i ∈ N, Si = aij , la famille (Si )i∈N est sommable,
j=0
X +∞
X
alors la famille (aij ) (i,j)∈N2 est sommable et aij = Si
(i,j)∈N2 i=0
Remarque Les théorèmes ci-dessus restent valables si on interverti les rôles des
indices i et j.
Si (aij )(i,j)∈N2 est une famille de nombres complexes , en appliquant le théorème
40 et ses remarques à la famille des modules (aij )(i,j)∈N2 on obtient les résultats
suivants :
7.2. FAMILLES SOMMABLES DE NOMBRES COMPLEXES 217
Proposition 233
pour tout i ∈ N et X
Tj = aij ,
i∈N
pour tout j ∈ N alors les familles (Si )i∈N et (Tj )j∈N sont sommables et :
X +∞
X +∞
X
aij = Si = Tj .
(i,j)∈N2 i=0 j=0
Proposition 234
Théorème 43
X X
Si les série a = an et b = bn sont absolument convergentes alors :
1. La série c est absolument convergente.
2. La famille u est sommable.
+∞
X +∞
X +∞
X X
3. Si on note A = an ; B = bn ; C = cn et S = ak bℓ . alors
n=0 n=0 n=0 (k,ℓ)∈N2
AB = C = S.
Preuve:
n
X
- La série c est absolument convergente car si Cn′ = |ck | alors Cn′ ≤ A′ B ′ où
k=0
+∞
X +∞
X
A′ = |an | ; B ′ = |bn |, en effet :
n=0 n=0
n
X k
X
Cn′ = aj bk−j
k=0 j=0
n X
X k
≤ |aj ||bk−j |
k=0 j=0
n X
n n
! n
!
X X X
≤ |aj ||bk | = |aj | |bk |
k=0 j=0 j=0 k=0
+∞
! +∞
!
X X
≤ |aj | |bk | = A′ B ′
j=0 k=0
7.3. SÉRIES DANS UN espace vectoriel normé DE DIMENSION FINIE 219
7.3.1 Généralités
7.3.1.1 Définition, exemples
Définition 106
n
X
Soit (un ) une suite à valeurs dans E. La suite (Sn ) où Sn = uk pour tout
X k=0
n ∈ N s’appelle la série de terme général un , notée : un .
Exemples : Dans Mn (K) , si A est une matrice fixée, on dispose des séries :
X An
1. La série , appelée série exponentielle.
n!
X
2. La série An appelée série de Neuman.
Proposition 235
L’ensemble des séries à valeurs dans E muni des lois + et . ci-dessus est un
K − espace vectoriel.
220CHAPITRE 7. SÉRIES DANSUN espace vectoriel normé,FAMILLES SOMMABLESDE
7.3.2 Convergence
Définition 107
X
La série un est convergente si la suite (Sn ) des sommes partielles est conver-
gente. Si c’est le cas S = lim(Sn ) s’appelle la somme de la série et on note :
X+∞
S= un .
n=0
Proposition 236
Proposition 237
X
Si la série un est convergente alors son terme général converge vers 0. C’est-
à-dire lim(un ) = 0.
X
Si un est une série tel que la suite (un ) est divergente ou tends vers une limite
X
non nulle on dit que la série un est grossièrement divergente.
Définition 108
X
Si un est une série convergente de somme S ; pour tout n ∈ N, on pose
X
Rn = S − Sn . Rn s’appelle le reste d’ordre n de la série convergente un .
Proposition 238
X +∞
X
Si la série un est convergente alors Rn = uk et Rn tends vers 0 quand
k=n+1
n tends vers +∞.
7.4. SÉRIES DANS UNE ALGÈBRE NORMÉE DE DIMENSION FINIE 221
Preuve:
Fixons n ∈ N et considérons la série de terme général up avec p ≥ n + 1 ;
Si on note Σp sa somme partielle, on a pour tout p ≥ n + 1, on a : Σp =
p
X X
uk = Sp − Sn où (Sp ) est la suite des sommes partielles de la série uk ,
k=n+1
+∞
X
donc lim(Σp ) = S − Sn = Rn , ce qui donne Rn = uk .
k=n+1
1 1 1
Exemple : Dans M2 (R), muni de la norme euclidienne, soit A = − ;
3 1 1
X 1
alors la série An est absolument convergente. En effet on a A = − J où J =
3
1 1 n 1 n n n
, donc A = (−2/3) J de sorte que ∥A ∥ = (2/3) ∥1/2J∥ et comme la
1 1
X 2
série géométrique (2/3)n est convergente, on a l’absolue convergence recherchée.
Théorème 44
X
Si un est absolument convergente elle est convergente et
+∞
X +∞
X
un ≤ ∥un ∥
n=0 n=0
Attention : On rappelle que E est de dimension finie. Ce résultat n’est pas toujours
vrai en dimension infinie.
Définition 110
Théorème 45
Preuve:
Soit a ∈ A tel que ∥a∥ < 1.
1. On a :
∀n ∈ N∗ , ∥an ∥ ≤ ∥1A ∥ ∥an ∥ ≤ ∥1A ∥ ∥a∥n
donc :
∀n ∈ N, ∥an ∥ ≤ ∥1A ∥ ∥a∥n
X
La série géométrique ∥a∥n est convergente puisque ∥a∥ < 1 ; donc la
X
série de Neumann an est absolument convergente.(En particulier, elle
est convergente).
7.4. SÉRIES DANS UNE ALGÈBRE NORMÉE DE DIMENSION FINIE 223
n
X +∞
X
k
2. Pour tout n ∈ N, posons Sn = a et S = ak , alors :
k=0 k=0
(1A − a)Sn = Sn − Sn a
Xn Xn
k
= a − ak+1
k=0 k=0
Xn n+1
X
= ak − ak
k=0 k=1
= a0 − an+1
= 1A − an+1
Remarque La condition ∥a∥ < 1 n’est qu’une condition suffisante pour la conver-
gence de la série de Neumann ; en effet, si par exemple A = Mm (K); m ∈ N; m ≥ 2
et on considère la matrice E12 dont tous les coefficients sont nuls sauf celui de la ligne
1 et la colonne 2, lequel valant 1 et soit p ∈ N et XAp = pE12 ; alors ∥Ap ∥ = p ∥E12 ∥
n’est pas bornée, cependant la série de Neumann Anp est convergente puisque la
matrice Ap est nilpotente.
Théorème 46
X an
Pour tout a ∈ A , la série exponentielle est absolument convergente. Sa
n!
somme est notée ea ou exp(a).
Preuve:
En effet puisque A est une algèbre normée, alors pour tout n ∈ N∗ , on a :
224CHAPITRE 7. SÉRIES DANSUN espace vectoriel normé,FAMILLES SOMMABLESDE
n
an ∥a∥n X ak
≤ ∥1A ∥ . Donc si Sn = , alors :
n! n! k=0
k!
n n
X ak X ak
Sn ≤ ∥1A ∥ + ≤ ∥1A ∥ + ∥1A ∥ ≤ ∥1A ∥ Tn
k=1
k! k=1
k!
où n
X ∥a∥k
Tn = .
k=0
k!
X an
Or lim Tn = e∥a∥ , donc la série exponentielle est absolument conver-
n→+∞ n!
gente
Proposition 239
Preuve:
n
X ak
Soit n ∈ N et Sn = la somme partielle de la série exponentielle. Par
k=0
k!
l’inégalité triangulaire et la sous-multiplicativité de la norme, on a :
∥Sn ∥ ≤ ∥1A ∥ Tn
où : n
X ∥a∥k
Tn =
k=0
k!
X ∥a∥k
est la n ème somme partielle de la série . Par passage à la limite, on
k!
a l’inégalité désirée.
∥1A ∥ = 1
alors on a :
∀a ∈ A , ∥ea ∥ ≤ e∥a∥
7.4. SÉRIES DANS UNE ALGÈBRE NORMÉE DE DIMENSION FINIE 225
Proposition 240
Preuve:
+∞ n
X a
On sait que exp(a) = . Notons Sn (a) la somme partielle d’ordre n de
n=0
n!
cette série. Alors :
X ai b j
Sn (a)Sn (b) =
i!j!
(i,j)∈[[0,n]]2
et
n n X i
(a + b)i X ak b j
X X 1 i i−j j
Sn (a + b) = = a b =
i=0
i! i=0 j=0
i! j k!j!
(k,j)∈V
où
V = {(k, j) ∈ [[1, n]]2 /k + j ≤ n}
Soit
U = [[1, n]]2 \V
Alors :
X aj b k
∥Sn (a)Sn (b) − Sn (a + b)∥ =
j!k!
(j,k)∈U
X ∥a∥j ∥b∥k
≤ ∥1A ∥
j!k!
(j,k)∈U
Proposition 241
Soit a ∈ A , alors :
1. e0 = e
2. ea est inversible et (ea )−1 = e−a
−1
3. Si u est un inversible de A alors euau = uea u−1 .
Proposition 242
On a :
1. Si D = diag(λ1 , · · · , λm ) est une matrice diagonale alors eD = diag(eλ1 , · · · , eλm )
2. Si T est une matrice triangulaire supérieure de termes diagonaux λ1 , · · · , λm
alors eT est une matrice triangulaire supérieure de termes diagonaux eλ1 , · · · , eλm
3. Si A est une matrice diagonalisable alors eA est diagonalisable ; si A =
P DP −1 avec D matrice diagonale et P matrice inversible alors eA =
P eD P −1 .
4. Si A est une matrice trigonalisable alors eA est trigonalisable ; si A =
P T P −1 avec T matrice triangulaire supérieure et P matrice inversible
alors eA = P eT P −1 .
Chapitre 8
Soit (fn : X → E) une suite de fonctions de X vers E, A une partie non vide
de X et f : A → E une application de A vers E.
1. On dit que la suite de fonctions (fn ) converge simplement vers f sur A si
pour tout x ∈ A la suite (fn (x)) converge vers f (x).
2. On dit que (fn ) converge uniformément vers f sur A s’il existe N ∈ N tel
que l’application fn − f est bornée sur A, pour tout n ∈ N tel que n ≥ N
et la suite numérique
converge vers 0.
227
228CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS (I) :MODES DE CONVERGENCES.
4. Soit B une partie non vide de A. Si (fn ) converge simplement (resp. unifor-
mément) vers f sur A alors (fn ) converge simplement(resp.uniformément) sur
B vers f restreinte à B.
nx2 + n
1. X = R, E = R et pour tout n ∈ N ,fn (x) = . On voit tout de
n+x+1
suite que pour tout n ∈ N, l’ensemble de définition de la fonction fn est
Dn = R\{−n − 1} de sorte que pour que fn (x) existe pour tout n ∈ N, il faut
et suffit que
\
x∈D= Dn = R\Z∗− .
n∈N
• Convergence simple :
Soit donc x ∈ D.
n
- Si x = 0, on a fn (0) = donc lim fn (0) = 1.
n+1 n→+∞
- Si x ̸= 0 alors lim fn (x) = x2 + 1
n→+∞
Il en découle que fn converge simplement sur D vers f définie par f (x) = x2 +1.
Définition 112
X
On dit que la série de fonctions fn converge simplement vers f sur une partie
A de X si la suite de fonctions (SX
n ) converge simplement vers f sur A.
On dit que la série de fonctions fn converge uniformément vers f sur A si
la suite (Sn ) converge uniformément vers f sur A.
Proposition 243
X
Si fn converge simplement vers f alors la suite de fonctions (fn ) converge
simplement vers θ la fonction nulle.
Proposition 244
X
Si la série fn converge simplement sur A vers f alors en posant pour tout
+∞
X
n ∈ N : Rn (x) = fk (x), Rn est bien définie et la suite de fonctions (Rn )
k=n+1
converge simplement sur A vers la fonction nulle θ.
Proposition 245
X
Si fn converge uniformément sur A vers f alors la suite de fonctions (fn )
converge uniformément sur A vers θ la fonction nulle.
Preuve:
Pour tout n ∈ N, on a : fn = (Sn − f ) + (f − Sn−1 ) donc pour tout x ∈ A, on a
∥fn (x)∥ ≤ ∥Sn (x) − f (x)∥ + ∥Sn−1 (x) − f (x)∥ donc ∥fn ∥∞,A ≤ ∥Sn − f ∥∞,A +
∥Sn − f ∥∞,A et ce dernier tends vers 0 quand n tends vers +∞ par convergence
uniforme.
230CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS (I) :MODES DE CONVERGENCES.
Proposition 246
X
Si la série fn converge simplement sur A vers f alors la convergence est uni-
forme sur A si et seulement si la suite de fonctions (Rn ) converge uniformément
sur A vers la fonction nulle θ.
Preuve:
C’est exactement la définition de la convergence uniforme.
Définition 113
X
On dit que la série de fonctions fn converge absolument sur A si pour tout
X
x ∈ A la série numérique ∥fn (x)∥ converge.
Proposition 247
X
Si la série de fonctions fn converge absolument sur A alors elle converge
simplement sur A vers une application f : A → E.
Définition 114
X
On dit que la série de fonctions fn converge normalement sur A si fn est
X
bornée sur A pour tout n ∈ N et si en plus la série numérique ∥fn ∥∞,A est
convergente.
8.2. CONVERGENCE UNIFORME ET CONTINUITÉ 231
Proposition 248
X
Si la série de fonctions fn est normalement convergente sur A alors elle est
simplement convergente sur A vers une application f : A → E et la convergence
est uniforme sur A. X
Si la série de fonctions fn est normalement convergente elle est absolument
convergente.
∀x ∈ A, ∥fn ∥ ≤ αn
où (αXn ) est une suite à termes positifs, indépendante des éléments x de A tel que la
série αn est convergente.
xn Mn
≤ ,
n! n!
X Mn
et comme la série converge (de somme eM ), on a la convergence nor-
n!
X xn
male sur K de la série
n!
X
2. La série de fonctions xn cos(nx) converge normalement sur tout segment
[−r, r] pour tout r ∈]0, 1[, en effet si r ∈]0, 1[ alors
Xpour tout x ∈ [−r, r], on a
n n
|x cos(nx)| ≤ r et comme 0 < r < 1, la série rn est convergente, ce qui
prouve la convergence normale désirée.
Théorème 47
E et F sont des espaces vectoriels normés des dimensions finies. Soit X une
partie non vide de E et a un point adhérent à X. On considère une suite
d’application (fn ) de X vers F tel que :
• La suite (fn ) converge uniformément vers une application f : X → E.
• pour tout n ∈ N, ℓn = lim fn existe dans F .
x→a
Alors la suite (ℓn ) est convergente et lim ℓn = lim f (x). Autrement dit :
n→+∞ x→a
Preuve:
On va démontrer que la suite (ℓn ) est une suite de Cauchy, ce qui permettra de
conclure qu’elle converge car F est de dimension finie, donc complet. Puisque
(fn ) converge uniformément vers f , alors en posant αn = sup ∥fn (x) − f (x)∥,
x∈X
pour tout n ∈ N, la suite réelle (αn ) converge vers 0 donc c’est une suite de
Cauchy dans R, donc :
Donc la suite (ℓn ) est de Cauchy dans F , donc elle converge vers ℓ ∈ F .
CVU
Démontrons maintenant que lim f (x) = ℓ. Pour cela soit ε > 0. Comme fn −→
x→a
f sur X, on a :
et comme lim ℓn = ℓ, on a :
n→+∞
Par suite :
2ε ε
(∃η > 0)(∀x ∈ X) ∥x − a∥ < η ⇒ ∥f (x) − ℓ∥ < + =ε
3 3
ce qui prouve que : lim f (x) = ℓ.
x→a
8.2.1.2 Exemple
x nx
Considérons pour tout n ∈ N∗ , l’application : fn : R∗+ → R tel que fn (x) =
n
CVS
alors on a fn −→ θ sur R∗+ où θ est la restriction àR∗+ de l’application nulle de R vers
R, mais la convergence n’est pas uniforme.
Eneffet, pour la convergence simple il suf-
x ln x
fit de voir que ln(fn (x)) = n ln n − x −→ −∞, ce qui donne fn (x) −→
ln n n→+∞ n→+∞
0. La convergence n’est pas uniforme car pour tout n ∈ N∗ , on a lim+ fn (x) = 1
x→0
puisque ln fn (x) = n(x ln x) − (n ln n)x −→+ 0 puisque lim
+
x ln x = lim 0+ x = 0. Si la
x→0 0
convergence était uniforme on aurait d’après le théorème d’interversion des limites :
lim θ(x) = 1 , ce qui n’est pas le cas.
Théorème 48
CVU
Si (fn ) −→ f sur X et lim fn (x) = ℓn ∈ F alors la suite (ℓn ) converge vers
x→+∞
ℓ ∈ F et lim f (x) = ℓ.
x→+∞
Preuve:
se fait comme celle du premier théorème.
Remarque Dans cet exemple on a la convergence uniforme sur tout segment [a, b] ⊂
R∗+ , pourtant cela ne suffit pas pour intervertir les limites. En effet si x ∈ [a, b] tel
que 0 < a < b < +∞ alors pour tout n ≥ N = [b] + 1, il est aisé de vérifier que :
x
b
fn (x) = exp nx ln ≤ exp na ln −→ 0
n n n→+∞
234CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS (I) :MODES DE CONVERGENCES.
Théorème 49
E et F sont des espaces vectoriels normés des dimensions finies. Soit X une
partie non vide de E et a un point adhérent à X. On considère une série d’ap-
plication (f
X n ) de X vers F tel que :
• La série fn converge uniformément sur X vers une application f : X → F .
X
• pour tout n ∈ N, ℓn = lim fn existe dans F . Alors la série ( ℓn ) est conver-
x→a
+∞
X
gente dans F et : ℓn = lim f (x). Autrement dit :
x→a
n=0
+∞ +∞
!
X X
lim fn = lim fn .
x→a x→a
n=0 n=0
8.2.2 Continuité
Une conséquence immédiate de l’interversion des limites est le cas particulier où
a ∈ X et on a la continuité des fn
Théorème 50
Théorème 51
Proposition 249
∥.∥∞,X ainsi définie est une norme sur B(X, F ). De plus pour toute suite (fn ) ∈
(B(X, F ))N , et tout f ∈ B(X, F ), on a : La suite (fn ) converge uniformément
vers f sur X si et seulement si la suite (fn ) converge vers f dans l’espace vectoriel
normé (B(X, F ), ∥.∥∞,X ).
Proposition 250
Si X est une partie non vide d’un espace vectoriel normé E, alors Cb (X, F )
l’ensemble des applications de X vers F continues et bornées sur X est un
sous-espace vectoriel fermé de B(X, F ).
236CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS (I) :MODES DE CONVERGENCES.
Remarques On fait des les remarques suivantes concernant un cas particulier pour
X :
1. Si X est une partie compacte non vide de E alors Cb (X, F ) = C(X, F ).
2. Nous allons donner ci-dessous la théorème d’approximation de Weierstrass
dans le cas où E = R,F = K et X = [a, b] est un segment de R.
Ces trois normes ne sont pas équivalentes mais il y’ a des relations entre elles précisées
par la proposition suivante :
Proposition 251
Théorème 52
Preuve:
On peut démontrer ce théorème par plusieurs méthodes dont les plus célèbres
sont : celle qui utilise les polynômes dits de Bernestein, ou celle qui utilise une
méthode probabiliste. Pour plus de détails voir le devoir e libre 5 et l’épreuve
de math 1 du C.N.C. 2016 qui comporte dans le détail les deux méthodes.
Théorème 53
Pour toute fonction f continue par morceaux de [a, b] vers K, il existe une suite
(φn ) de fonctions en escaliers de [a, b] vers K qui converge uniformément sur
[a, b] vers f .
Ce théorème traduit aussi le fait que dans l’espace normé (B([a, b], K), ∥.∥∞ ), l’espace
E([a, b], K) est dense dans CM([a, b], K).
238CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS (I) :MODES DE CONVERGENCES.
Chapitre 9
Soit (fn : [a, b] → F )n une suite de fonction continues par morceaux sur le
segment [a, b] tel que (fn ) converge uniformément sur [a, b] vers une fonction f
continue par morceaux sur [a, b]. Alors :
Z b Z b Z b
lim fn (t)dt = f (t)dt = lim fn (t) dt
n→+∞ a a a n→+∞
Remarque Il faut faire attention à la vérification du fait que f est continue par
morceaux car la limite uniforme d’une suite de fonctions continues par morceaux
n’est pas forcément continue par morceaux.
Proposition 253
239
240CHAPITRE 9. SUITES ET SÉRIES DE FONCTIONS (II) :DÉRIVABILITÉ ET INTÉGRATION
Théorème 54
Alors :
1. les fn et f sont intégrables sur I.
Z Z Z
2. lim fn = f = lim fn .
n→+∞ I I I
Théorème 55
Soit (fn : I → K)n une suite de fonctions de l’intervalle I vers K tel que :
X
1. La série de fonctions fn converge simplement sur I vers une application
f : I → K continue par morceaux sur I.
2. Pour tout n ∈ N, l’application fn est continue par morceaux sur I et fn
est intégrable sur I.
XZ
3. La série numérique |fn | est convergente.
I
Alors :
1. La fonction f est intégrable sur I.
Z +∞ Z
X
2. On a : f (t)dt = fn (t)dt. Autrement dit :
I n=0 I
Z +∞
! +∞ Z
X X
fn (t) dt = fn (t)dt
I n=0 n=0 I
9.2 Dérivation
9.2.1 Théorème pour les fonctions de classe C 1
9.2. DÉRIVATION 241
Proposition 254
Proposition 255
Théorème 57
Alors :
1. f = f0 est de classe C k sur I.
2. f (k) = g. Autrement dit :
+∞
!(k) +∞
X X
fn = (fn )(k) .
n=0 n=0
Théorème 58
que :
9.3.1.2 Exemples
Pour tout x ∈]0, +∞(, on pose :
Z +∞
sin(xt)
F (x) = dt
0 t2 + x
sin(xt)
Alors f (x, t) = vérifie
t2 + x
— ∀x > 0, t 7→ f (x, t) est continue sur ]0, +∞[.
— ∀t > 0, x 7→ f (x, t) est continue sur ]0, +∞[.
— Hypothèse de domination : Pour tout a > 0,on a :
1
∀(x, t) ∈ [a, +∞[×]0, +∞[ |f (x, t| ≤ = φa (t)
t2 +a
9.3.2 Dérivabilité
9.3.2.1 Dérivées partielles
Si f : I × J → K est une application et A = (a, b) ∈ I × J.
244CHAPITRE 9. SUITES ET SÉRIES DE FONCTIONS (II) :DÉRIVABILITÉ ET INTÉGRATION
(k) ∂kf
φA (a) = (a, b)
∂xk
- L’application : ψA : y 7→ f (a, y) de J vers K est une fonction d’une variable réelle
définie sur J.
(k) ∂kf
ψA (b) = (a, b)
∂y k
Théorème 59
∂f
∀(x, t) ∈ A × I, (x, t) ≤ ψ(t) (hypothèse de domination)
∂x
Alors : Z
1. L’application F : x 7→ f (x, t)dt est de classe C 1 sur l’intervalle J.
I
9.3. INTÉGRALE AVEC PARAMÈTRE 245
Remarque Si (Jk )k∈K est une famille d’intervalles de R tel que ∪ Int(Jk ) = J (où
k∈K
Int(Jk ) désigne l’intérieur de Jk ), et si on remplace la condition (3) ci-dessus par la
condition (3)’ suivante : Pour tout k ∈ K, il existe une application ψk , CM sur et
intégrable sur I tel que :
∂f
∀(x, t) ∈ Jk × I, (x, t) ≤ ψk (t)
∂x
Théorème 60
∂kf
∀(x, t) ∈ J × I, (x, t) ≤ ψ(t)
∂xk
Alors : Z
1. F : J → K; x 7→ f (x, t)dt est de classe C k sur J.
I
2. On a la formule de Leibniz :
∂kf
Z
(k)
∀x ∈ J, F (x) = (x, t)dt
I ∂xk
246CHAPITRE 9. SUITES ET SÉRIES DE FONCTIONS (II) :DÉRIVABILITÉ ET INTÉGRATION
Chapitre 10
Séries entières
Dans tout ce chapitre K désigne l’un de corps R, le corps des réels ou C, le corps
des nombres complexes.
X X
Remarque On convient de noter an z n (resp. an xn ) suivant les cas K = C
(resp. K = R ).
Lemme 4
(d’Abel ) Si ρ ∈]0, +∞[ tel que (an ρn )n≥0 est bornée alors la série entière entière
X
an tn converge absolument sur ∆ρ = {t ∈ K/|t| < ρ}.
Preuve:
Par hypothèse, il existe M réel tel que ∀n ∈ N, |an ρn | ≤ M . Soit t ∈ K tel que
n
t t
|t| < ρ ; alors |an tn | = |an ρn | ≤ M q n où q = , en particulier |q| < 1,
X ρ ρ
donc la série géométrique q n est convergente, ce qui assure la convergence
X
absolue de an tn .
247
248 CHAPITRE 10. SÉRIES ENTIÈRES
Exemples Voici trois exemples correspondant aux cas où R est nul, strictement
positifs, puis infini :
X
1. Le rayon de convergence de la série entière nn z n est R = 0
n≥0
X
2. Le rayon de convergence de la série entière z n est R = 1.
n≥0
X zn
3. Le rayon de convergence de la série entière est R = +∞.
n≥0
n!
Proposition 256
Preuve:
X
• Supposons que R est le rayon de convergence de la série entière an tn .
n
XR = 0 alors la suite (an t ) est non bornée pour tout t ̸= 0 donc la série
Si
an tn diverge grossièrement. Par ailleurs l’assertion |t| < 0 est fausse pour
X
tout t ∈ K, d’où la vérité de |t| < 0 ⇒ la série an tn converge absolument.
Si R = +∞X alors l’assertion |t| > R est fausse pour tout t ∈ K, donc |t| > R ⇒
la série an tn diverge grossièrement est vraie. Par ailleurs si |t| < R alors en
n
Xr = |t| + 1, on a la suite (an r ) est bornée et par le lemme d’Abel la
prenant
série an tn CVA.
R + |t|
Si R > 0 , soit t ∈ K. Posons : r = .
2
10.1. DÉFINITIONS : SÉRIES ENTIÈRES, CONVERGENCE 249
Si |t| < XR alors |t| < r < R la suite (an rn ) est bornée et par le lemme d’Abel,
la série an tn CVA.
Si |t| > R alors R < r < |t|, donc la suite (an rn ) est non Xbornée , et comme
n n n
|an r | ≤ |an t |, la suite (an t ) est non bornée et la série an tn diverge gros-
sièrement.
• Réciproquement , si on a (2) , notons Xa l’ensemble de r ≥ 0 tel que (an rn )
bornée et Ra le rayon de convergence de la série entière. Supposons que R > 0
et soit ∆R = {t ∈ K/|t| < R}, on a ∆R ⊂ Xa . Donc sup(Xa ) ≥ R. Donc
R + Ra X
Ra ≥ R. Par ailleurs si Ra > R alors pour t = , la série an tn
2
converge absolument, ce qui n’est pas le cas, donc R = Ra . Si R = +∞ alors
(an rn ) est bornée pour tout r ≥ 0 car elle converge vers 0, donc Ra = +∞.
n
Si R = 0 alors pourX tout r > 0 la suite (an r ) n’est pas rbornée car sinon, par
Abel on aurait an tn converge absolument pour t = , ce qui n’est pas le
2
cas.
∆R = {t ∈ K/|t| < R}
Proposition 257
X X
Soit a = an tn et b = bn tn deux séries entières. Alors :
1. Si à partir d’un certain rang on a |an | ≤ |bn | alors Ra ≥ Rb .
2. Si an = O(bn ) alors Ra ≥ Rb .
3. Si an = o(an ) alors Ra ≥ Rb .
4. Si |an | ∼ |bn | alors Ra = Rb .
X X
5. Pour tout α ∈ R les séries entières an tn et nα an tn ont le même
rayon de convergence.
Preuve:
On note que le point 2 se déduit directement du point 1 et que 3 et 4 se
déduisent de 2.
1. Supposons qu’il existe p ∈ N tel que ∀n ≥ p, X |an | ≤ |bn |, alors pour tout
n n
t ∈ K, on a |an t | ≤ |bn t |, donc si la série |bn tn | converge alors la
X
série |an tn |, donc Rb ≤ Ra .
2. Si an = O(bn ) alors il existe M > 0 tel que pour tout n ∈ N, on a
|an | ≤ M |bn |. En appliquant la 1) ci-dessus, on a Rb ≤ Ra
3. Si an = o(bn ) alors an = O(bn ). On conclut en appliquant 2) ci-dessus.
4. Si |an | ∼ |bn | alors on a an = O(bn ) et bn = O(an ), en appliquant 2), on
a Ra ≤ Rb et Rb ≤ Ra , donc Ra = Rb .
5. On a an = O(n α
Xan ) donc X si on appelle R et R′ les rayons de convergence
respectifs de an tn et nλ an tn , on a R ≥ R′ . Réciproquement soit
X
t ∈ K∗ tel que la série an tn est absolument convergente. Pour tout n ∈
t X
N, on a |nα an tn | = nα q n |an tn | où q = . Comme la série an tn est
R
absolument convergente la suite (an tn ) est bornée, donc il existe M > 0 tel
que pourX tout n ∈ N, on a |nαn tn | ≤ M nα q n . Par la règle de D’Alembert,
la série nα q n est convergente puisque si on pose βn = nα q n , alors
α
βn+1 n+1 X
= q −→ q et q < 1. Il en découle que la série nα an tn
βn n n→+∞
est convergente et on a en conséquence prouvé que R ≤ R′ , donc R = R′ .
Proposition 258
X
Soit an tn série entière et soit R son rayon de convergence. On suppose que
les coefficients an sont non nuls à partir d’un certain rang. Si
an+1
lim = ℓ ∈ R+ ∪ {+∞}
n→∞ an
alors
1
R=
ℓ
avec R = +∞ si ℓ = 0 et R = 0 si ℓ = +∞.
Preuve:
Nous allons étudier trois cas suivant la valeur de ℓ :
an+1
• Supposons que lim = ℓ et ℓ ∈ R∗+ . Soit t ∈ K∗ et on lui associe la
n→+∞ an
X
série numérique un , avec un = an tn , pour tout n ∈ N. Pour tout n ∈ N,
un+1 an+1
on a = |t| −→ ℓ|t|. Par la règle de D’Alembert pour les séries,
un X an
n→+∞
1
• Dans tous les cas on a bien la relation R = , ce qui termine la preuve de la
ℓ
proposition.
Proposition 259
Preuve:
On conserve toutes les notations adoptées ci-dessus.
• Si R = inf(RX a , Rb ) alors
X pour tout t ∈ K, si |t| < R alors |t| < Ra et |t| < Rb ,
n
donc les série an t et bn tn sont absolument convergentes , donc leur série
somme et leurs série produit de Cauchy sont absolument convergentes , d’où
X X Xn
les séries (an + bn )tn et cn tn où ∀n ∈ N, cn = ak bn−k sont absolument
k=0
convergentes. Ainsi la R ≤ Ra+b et R ≤ Rab .
• Les dernières relations sont des conséquences immédiates de la définition de
la somme de deux séries numériques convergentes et celle du produit de Cauchy
de deux séries numériques absolument convergentes.
Preuve:
Si par exemple RaX< Rb , soit r est un nombre réel tel que r > Ra .. Si
XRa < r <
n
Rb alors la série an r est grossièrement divergente et la série bn rn est
absolument convergente, donc la série somme est divergente. Ainsi Ra+b ≤ Ra
donc Ra+b = Ra
Remarque Il ne faut pas croire que la règle de D’Alembert est valable pour toutes
les séries entières. Voici deux exemples où la règle n’est pas valable ou nécessite une
démarche préliminaireX avant de l’appliquer :
• La séries entière cos(n)tn , dans laquelle le coefficient générale de la séries est
an+1 cos(n + 1)
an = cos(n) et par suite le rapport = n’a pas de limite quand n tend
an cos(n)
vers +∞. Pour déterminer le rayon de convergence dans ce cas, on peut procéder
comme suit :
• Tout d’abord pour ρ = 1, la suite (an ρn ) = (cos(n)) Xest bornée, donc le rayon
de convergence R réalise R ≥ 1. Par ailleurs la série cos(n) est grossièrement
divergente donc R X ≤ 1, d’où R = 1.
• La série entière 3n nx2n dont les coefficients sont an = n si 3n n est pair et an = 0
si n est impair. Il en découle que la condition an est non nul à partir d’un certain
rang n’est pas réalisée. On procède X comme suit :
• Soit on considère la série entière nxn dont le rayon de convergence est donné
1
par la réglé de D’Alembert qui est R = . Il en découle que pour tout x ∈ R, la
3
X 1
série 3 nx est absolument convergente si |x|2 < et grossièrement divergente
n 2n
3 √
1 √ 3
si |x|2 > , donc le rayon de convergence est r = R = .
3 3 X
• Soit on applique la règle de D’Alembert à la série numérique un avec un =
un+1 n+1 2
3n nt2n avec t un réel non nul fixé. On trouve que =3 |t| −→ 3|t|2 ,
un n n→+∞
2 2
donc il y’ a convergence absolue si 3|t| < √ 1 et divergence grossière si 3|t| > 1, ce
3
qui donne le rayon de convergence : r = .
3
Preuve:
Soit A une partie compacte tel que A ⊂ ∆R . L’application : A → R; t 7→ |t|
est continue sur le compact A donc elle est bornée et atteint ses borne, en
particulier sa borne supérieure, donc il X existe a ∈ A tel que |t| ≤ |a| = r.
Comme a ∈ A, on a r < R, donc la série an rn est ACV, par suite et compte
X
tenu de |an tn | ≤ |an rn |, ∀t ∈ A, on a la convergence normale de an tn sur A.
Proposition 261
∞
X
La somme S : t 7→ f (t) = an tn est continue sur le disque ouvert de conver-
n=0
gence.
Preuve:
X
Soit t0 ∈ ∆R et r > 0 tel que |z0 | < r < R. Alors an tn converge norma-
n
lement sur ∆r donc, t 7→ an tn étant continue pour tout entier n sur ∆r , sa
somme l’est aussi d’où f est continue sur ∆r et donc en particulier en z0 .
Proposition 262
X
Une série an tn et sa série dérivée ont le même rayon de convergence.
10.3. DÉVELOPPEMENT EN SÉRIE ENTIÈRE 255
Proposition 263
X
Soit an tn une série entière à coefficients dans K de rayon de convergence
R > 0 et de somme f . Notons aussi f la restriction de f à l’intervalle ouvert
] − R, R[. Alors :
1. f est indéfiniment dérivable sur ] − R; R[ et :
+∞
f (k) (t) X n
∀t ∈] − R; R[, = an tn−k
k! n=k
k
2. Si [a, b] ⊂] − R, R[ alors :
Z b +∞
X Z b
f (t)dt = an tn+1 dt
a n=0 a
X
Conséquence : Soit an tn une série entière réelle de rayon de convergence
n≥0
f n (0)
R > 0 et de somme f . Pour tout entier n, le coefficient an est égal à .
n!
Proposition 264
X X
Soient an z n et bn z n deux séries entières de rayons R > 0 et R′ > 0. On
n≥0 n≥0
suppose que les sommes de ces deux séries coïncident sur un voisinage de 0.
Alors ces deux séries sont identiques : ∀n ∈ N an = bn .
X
Conséquences : La somme f de la série entière an tn est une fonction paire
(resp. impaire) si et seulement si les an de rang impair (resp. pair) sont nuls.
Preuve:
X X X
Si an z n est paire, an z n = an (−z)n pour tout n donc ∀n ∈ N an =
n n n
(−1)n an et en particulier ∀k ∈ N a2k+1 = (−1)a2k+1 ce qui implique a2k+1 = 0.
Définition 118
Définition 119
Proposition 265
donc n
X f (k) (0) M
∀t ∈] − ρ; ρ[ |f (t) − tk | ≤ (2ρ)n+1
k=0
k! (n + 1)!
ce qui montre que lorsque n tend vers +∞ la série de Taylor de f converge vers f
pour tout t dans ] − ρ; ρ[ et par suite dans ] − r; r[.
Probabilités
Définition 120
Soit Ω un ensemble . On appelle tribu sur Ω, toute partie T de P(Ω) tel que :
(i) Ω ∈ T
(ii) ∀X ∈ T , X c ∈ T
(iii) Pour toute famille au plus dénombrable (Xi )i∈I d’éléments de T , on a
∪ Ai ∈ T .
i∈I
Le couple (Ω, T ) s’appelle espace probabilisable.
Si (Ti )i∈I est une famille de tribus sur Ω alors T = ∩i∈I Ti est une tribu.
259
260 CHAPITRE 11. PROBABILITÉS
Preuve:
Élémentaire, en utilisant la définition d’une tribu.
Considérons une partie A de P(Ω) et soit TA l’ensemble des tribus T tel que
A ⊂ T . On note T (A ) l’intersection de toutes les tribus éléments de TA , c’est-à-
dire :
T (A ) = ∩ T .
T ∈TA
Proposition-Définition 11
Preuve:
Soit S une tribu tel que A ⊂ S, alors S ∈ TA , par suite ∩ T ⊂ S, donc
T ∈TA
T (A ) ⊂ S.
A1 ⊂ A2 ⇒ T (A1 ) ⊂ T (A2 )
2. T ({∅}) = Tg = {∅, Ω}
3. Si A est une tribu de Ω alors T (A) = A.
Preuve:
1. La tribu T (A2 ) contient A2 , et comme A1 ⊂ A2 , elle contient A1 et
comme T (A1 ) est la plus petite tribu contenant A1 , on a T (A1 ) ⊂ T (A2 ).
2. La plus petite tribu contenant ∅ doit contenir Ω = ∅c , donc elle doit
contenir Tg = {∅, Ω}, or Tg est elle même une tribu, donc T ({∅}) = T .
3. Si A est une tribu, il est clair que A est la plus petite tribu contenant A.
Définition 121
Ainsi la tribu borélienne BR de R est la tribu T (O) engendrée par les ouverts de R.
On donne le théorème suivants et des remarques qui lui sont attachées. Le théorème
sera d’une utilité importante par la suite. Avant de donner ce théorème, on donne
et on démontre un lemme :
Lemme 5
Preuve:
Soit O un ouvert non vide de R. Pour tout x ∈ O, il existe u, v ∈ R tel que
x ∈]u, v[ et ]u, v[∈ O. Par densité de Q dans R, il existe r(x), r′ (x) rationnels tel
que u < r(x) < x < r′ (x) < v. Il en découle que O = ∪ ]r(x), r′ (x)[. Si on note
x∈O
I(x) =]r(x), r′ (x)[, alors l’ensemble J = {I(x)/x ∈ O} est au plus dénombrable
car l’application : ϕ : J → Q2 , I(x) 7→ (r(x), r′ (x)) est injective et Q2 est
dénombrable. ϕ est injective car si I(x) =]r(x), r′ (x)[ et I(y) =]r(y),
r′ (y)[ sont
r(x) = r(y)
deux éléments de J avec x, y ∈ O, si ϕ(I(x)) = ϕ(I(y)) alors ,
r′ (x) = r′ (y)
ce qui veut dire I(x) = I(y).
Théorème 61
La tribu borélienne BR est égale à la tribu engendrée par l’ensemble des inter-
valles de la forme ] − ∞, a] avec a ∈ R.
Preuve:
Notons A = {] − ∞, a]/a ∈ R}. Nous allons démontrer que BR = T (A).
• Soit W ∈ O un ouvert non vide de R, alors en vertu de lemme 5, W est
une union au plus dénombrables d’intervalles de la forme ]a, b[ avec a < b.
Or un
[ s’écrit : ]a, b[=] − ∞, b[\] − ∞, a] et comme ] − ∞, b[=
tel intervalle
1
−∞, b − , on a ]a, b[∈ T (A), donc W ∈ T (A) et BR ⊂ T (A).
n∈N∗
n
262 CHAPITRE 11. PROBABILITÉS
• Réciproquement si a ∈ R alors on a :
] − ∞, a] =] − ∞, a[∪{a}
et :
\ 1 1
{a} = a − ,a +
n∈N∗
n n
Preuve:
Note sur la preuve(non nécessaire dans une première lecture) : Tenant
compte du fait que que tout ouvert de R est un réunion au plus dénombrable
d’intervalles ouverts bornés, on procède comme suit :
• Pour montrer que la tribu borélienne est engendrée par
les intervalles de la
1
forme ]a, b], on peut remarquer que ]a, b[= ∪ a, b − où I est l’ensemble
n∈I n
1
des entiers naturels non nuls tel que a < b − , ainsi la tribu engendrée par
n
les intervalles de la forme ]a, b] contient celle engendrée
par les
ouverts , or un
1
intervalle de la forme ]a, b] peut s’écrire ]a, b] = ∩ ∗ a, b + , d’où l’inclusion
n∈N n
réciproque.
• Finalement pour les intervalles de la forme ] − ∞, a] on peut remarque que si
(an ) est une strictement décroissante de nombre réels tel que lim an = −∞
n→+∞
et a0 = a alors ] − ∞, a] = ∪ ]an+1 , an ] et on vient de voir que les inter-
n∈N
valles de la forme ]x, y] avec x, y ∈ R et x < y sont des éléments de la
bornéouvert ]a, b[ peut s’écrire
tribu borélienne. Réciproquement un intervalle
1
]a, b[=] − ∞, b]\] − ∞, a]\{b} et {b} = ∩ ∗ b − , b .
n∈N n
11.1. RAPPELS ET COMPLÉMENTS 263
11.1.1.4 Probabilités
Définition 122
Soit (Ω, T ) un espace probabilisable. on appelle probabilité sur cet espace toute
application P : T → R+ tel que :
(1) P(Ω) = 1
+∞
+∞ X
(2) P( ∪ An ) = P(An ) pour toute famille (An ) d’éléments deux à deux
n=0
n=0
disjoints de T .
le triplet (Ω, T , P) est appelé espace probabilisé.
Preuve:
X
1. Comme la série P(An ) est convergente, le résultat en découle immé-
diatement.
2. Posons An = ∅ pour tout n ∈ N, alors (An )n≥0 est une famille d’événe-
ments deux à deux disjoints, donc, compte tenu du 1) ci-dessus, la suite
constante P(∅) converge vers 0, d’où P(∅) = 0.
3. Posons A0 = A, A1 = B, An = ∅, ∀n ≥ 2, alors (An )n≥0 est une suite
d’événements deux à deux disjoints, et par l’axiome (2), on a P(A ∪ B) =
+∞
X
P( ∪ An ) = P(An ) = P(A) + P(B) puisque P(An ) = P(∅) = 0, ∀n ≥
n∈N
n=0
2.
264 CHAPITRE 11. PROBABILITÉS
n +∞ +∞
finalement ω ∈ ∪ Bk . Il en résulte aussi que A = ∪ An = ∪ Bn , donc :
k=0 n=0 n=0
+∞
X
P(A) = P(Bn )
n=0
n
= lim P( ∪ Bk )
n→+∞ k=0
n
= lim P( ∪ Ak )
n→+∞ k=0
n
X
≤ lim P(Ak )
n→+∞
k=0
+∞
X
≤ lim P(Ak )
n→+∞
k=0
Si Ω = {ωn /n ∈ N} alors toute probabilité sur l’espace probabilsable (Ω, P(Ω)) est
parfaitement determinée par une famille p = (pn )n≥0 de nombres réels positifs tel
+∞
X
que pk = 1. La donnée de p permet de construire P comme suit :
k=0
• Pour tout n ∈ N, on pose P({ωn }) = pn . X
• Pour toute partie A de Ω, on pose P(A) = 0 si A = ∅ et P(A) = P({ω} si
ω∈A
A ̸= ∅.
• Réciproquement si P est une probabilité sur (Ω, P(Ω)) alors en notant pn =
P({ωn }), pour tout n ∈ N, on a p = (pn )n≥0 est une famille de réels positifs et
+∞
X
pn = 1.
n=1
266 CHAPITRE 11. PROBABILITÉS
Proposition 267
Preuve:
Soit (An )n∈N une suite croissante d’événements et A = ∪ An . Posons B0 = A0
n∈N
n−1
et pour tout Bn = An \ ∪ Ak . Alors :
k=0
• Les Bn sont deux à deux disjoints. En effet si n, m ∈ N tel que n < m Soit
ω ∈ Bm alors ω ∈ Am et ω ̸∈ Ak , ∀k ∈ [[0, m − 1]], en particulier ω ̸∈ An .
n
• On a : ∀n ∈ N, An = ∪ Bk . En effet, Bk ⊂ Ak ⊂ An pour tout k ∈ N donc
k=0
n
∪ Bk ⊂ An . Réciproquement, soit ω ∈ An . Si ω ∈ A0 alors ω ∈ B0 , sinon, on
k=0
a forcément n ≥ 1 et ω ̸∈ A0 et ∃j ∈ [[1, n]], x ∈ Aj . Choisissons j minimal,
n
donc x ∈ Aj et x ̸∈ Ak , ∀k ∈ [[0, j − 1]], c’est-à-dire : x ∈ Bj , donc x ∈ ∪ Bk .
k=1
Notons que d’après ce qui précède on a aussi A = ∪ An = ∪ Bn et les Bn
n∈N n∈N
deux à deux disjoints. n te l que ω ∈ N. prenons n minimal donc ω ∈ An et
ω ̸∈ Ak , ∀k ∈ [[0, n − 1]]. d’où ω ∈ Bn . La suite réelle P(An ) est majorée ( par
Xn
P(A) ), croissante, donc elle est convergente. Comme P(An ) = P(Bk ), on a
k=0
+∞
X
lim P(An ) = P(Bn ) = P(A).
n→+∞
n=0
Soit (An ) une famille décroissante d’événements, alors la famille (Acn ) des com-
plémentaires est croissante. D’après le premier point ci-dessus, on a :
Comme c
∪ Acn = ∩ An ,
n∈N n∈N
11.1. RAPPELS ET COMPLÉMENTS 267
on a :
1 − P( ∩ An ) = lim (1 − P(An )) = 1 − lim P(An ).
n∈N n→+∞ n→+∞
Cette dernière égalité est justifiée par la convergence de la suite P(An ) qui est
décroissante positive. Finalement, et compte tenu de la décroissance de la site
P(An ), on a :
P( ∩ An ) = lim P(An ) = inf P(An )
n∈N n→+∞ n∈N
Définition 123
Proposition-Définition 12
Preuve:
Supposons qu’on a (1). Soit X ∈ T , alors X = (X ∩ A) ∪ (X ∩ Ac ), l’union
étant disjointe, donc P(X) = P(A ∩ X) + P(X ∩ Ac ). On a X ∩ Ac ⊂ Ac et
P(Ac ) = 1 − P(A) = 0, donc P(X ∩ Ac ) = 0 et finalement P(A ∩ X) = P(X).
Réciproquement il suffit de prendre X = Ω.
Définition 124
Soit (Ω, T , P) un espace probabilisé. et (Aj )j∈J une famille quelconque d’événe-
ments. On dit que les événements Aj sontY indépendants si pour toute partie K
finie non vide de J on a P( ∩ Ak ) = P(Ak ).
k∈K
k∈K
268 CHAPITRE 11. PROBABILITÉS
On dit aussi que les événements (Aj )j∈J sont mutuellement indépendants.
Proposition-Définition 13
Preuve:
• Il est clair que PB (X) ∈ R+ , pour tout X ∈ T .
P(Ω ∩ B) P(B)
• On a PB (Ω) = = = 1.
P(B) P(B)
•[Si (An )n∈N est une famille d’événement deux à deux incompatibles et A =
An , alors :
n∈N
S S
P ( An ) ∩ B P (An ∩ B)
n∈N n∈N
PB (A) = =
P(B) P(B)
11.1. RAPPELS ET COMPLÉMENTS 269
Or (An ∩ B)n∈N est une famille d’événements deux à deux disjoints, donc :
!
[ X
P (An ∩ B) = P(An ∩ B)
n∈N n∈N
ce qui fournit :
!
[ X P(An ∩ B) X
PB An = = PB (An )
n∈N n∈N
P(B) n∈N
Définition 125
Proposition 268
Proposition 269
Preuve:
P(A ∩ B) P(B ∩ A)
On sait que PB (A) = et PA (B) = , donc P(A ∩ B) =
P(B) P( A)
P(B)PB (A) = P(A)PA (B).
Preuve:
C’est une conséquence immédiate de la définition des probabilités condition-
P(A ∩ B P(B ∩ A)
nelles : On a P(A|B) = et P(B|A) = , donc :
P(B) P(A)
Une classe est composée de 30 élèves répartis sur quatre rangés comme suit suivant
les rangée et le nombre des garçons et de filles :
1. : Rangée I : 4 garçons et 4 filles.
2. : Rangée II : 3 garçons et 4 filles.
3. : Rangée III : 4 garçons et 3 filles.
4. : Rangée IV : 5 garçons et 3 filles.
On fait un tirage au sort d’un élève de cette classe.
1. Quelle est la probabilité que ce soit un garçon sachant qu’il a été tiré dans la
rangée III ?
2. Sachant que l’élève tiré est une fille, quelle est la probabilité que ce soit dans
la rangée III ?
On introduit les événements suivants :
R3 : « L’élève tiré est dans la rangée 3 »
G : « L’élève tiré est un garçon » Puisqu’il y a quatre rangées et qu’elles ont la
1
même chance que l’élève tiré provienne de chacune d’elles, on a P(R4 ) = .
4
16
Le nombre totale des garçons dans cette classe à 30 élèves est 16, donc P(G) = =
30
8
.
15
11.1. RAPPELS ET COMPLÉMENTS 271
4
1. P(G|R3 ) = car la rangée R3 comprends 4 garçons et 3 filles.
7
2. D’après la formule des probabilités composées, on a :
P(R3 )
P(R3 |F ) = P(F |R3 )
P(F )
3 7
Or P(F |R3 ) = et P(F ) = , il vient :
7 15
3 1 15 45
P(R3 |F ) = =
74 7 196
Remarque On peut généraliser cette formule sous la forme suivante ! :
n−1
\
Soit n ∈ N, n ≥ 2 et A1 , . . . , An des événements tel que P Ak ̸= 0. Alors, on
k=1
a la formule : ! !
n
\ n
Y k−1
\
P Ak = P(A1 ) P Ak | Aj
k=1 k=2 j=1
Preuve:
Par récurrence sur n :
• Pour n = 2, la formule s’écrit : P(A1 ∩ A2 ) = P(A1 )P(A2 |A1 ) avec P(A1 ) ̸= 0.
C’est la définition de la probabilité conditionnelles.
• Soit n ∈ N, n ≥ 2 tel que la propriété ci-dessus est vrai pour n. Soit A1 , . . . , An , An+1
[n n+1
[
des événements tel que Bn = Ak réalise P(Bn ) ̸= 0 et notons A = Ak .
k=1 k=1
On a A = Bn ∩ Bn+1 , donc :
n n−1
!
Y \
P(Bn ) = P(A1 ) P Ak | Aj
k=2 j=1
Il en découle que :
" n n−1
!#
Y \
P(A) = P(A1 ) P Ak | Aj P(An+1 |Bn )
k=2 j=1
272 CHAPITRE 11. PROBABILITÉS
Donc : ! !
n+1
\ n+1
Y k−1
\
P Ak = P(A1 ) P Ak | Aj
k=1 k=2 j=1
Définition 126
Théorème 62
Corollaire 21
m
X m
Y
Si (X1 , · · · , Xm ) est une famille de v.a.r sur (Ω, T , P) alors Xk , Xk , sup (Xk )
1≤k≤m
k=1 k=1
et inf (Xk ) sont des v.a.r sur (Ω, T , P).
1≤k≤m
Proposition 270
Preuve:
Supposons, par exemple, que f est croissante. On sait que pour tout intervalle
I de R, on a f −1 (I) est un intervalle de R, en effet si x, y ∈ f − (I) tel que x < y,
Soit z ∈ R tel que x < z < y alors par croissance de f , on a f (x) ≤ f (z) ≤ f (y)
et par suite f (z) ∈ I car f (x), f (y) ∈ I et I est un intervalle de R. Il en découle
que si I est un intervalle de R, on a (f ◦ X)−1 (I) = X −1 (f −1 (I)) ∈ T , compte
tenu de la remarque 2 ci-dessus juste après la définition d’une v.a.r.
Proposition 271
Soit (Xn ) une suite de v.a.r. sur (Ω, T , P). Si Xn converge simplement vers X
application de Ω vers R alors X est une v.a.r.
Preuve:
Avant de donner la preuve on commence par donner deux remarques :
- Première : Si (un ) est une suite réelle convergente de limite ℓ alors ℓ =
inf sup uk .
n∈N k≥n
En effet, d’abord ℓ ≤ Un pour tout n ∈ N où Un = sup uk , car sinon, on aurait :
k≥n
∃N ∈ N, ∀k ≥ N, uk < ℓ
on a :
sup(A) < a ⇔ ∃η > 0, ∀x ∈ A, x < a − η.
inf(A) < a ⇔ ∃x ∈ A, x < a
En effet supposons que η existe alors sup(A) ≤ a − η < a. Réciproquement si
1 1
sup(A) < a alors en prenant η = (a − sup(A)), on a a − η = (a + sup(A)) ,
2 2
donc x < a − η, pour tout x ∈ A.
Pour la seconde équivalence, supposons que ∃x ∈ A tel que x < a, alors
inf(A) ≤ x < a. Supposons que ∀x ∈ A, x ≥ a alors, on aurait inf(A) ≥ a,
d’où l’autre sens de l’équivalence par contraposée. Soit alors ω ∈ Ω, comme
Xn → X simplement sur Ω, on a en particulier X(ω) = lim Xn (ω).
n→+∞
Donc X(ω) = sup inf (Xk (ω)). Compte tenu des remarques ci-dessus, on a : si
n∈N k≥n
a ∈ R, alors :
Par hypothèse les Xk sont des variables aléatoires, donc (X < a) ∈ T , pour
tout a ∈ R, ce qui prouve le fait que X est une v.a.r.
Définition 127
Si X est une v.a.r. sur (Ω, T , P), l’application φ : I (R) → R tel que φ(I) =
P(X ∈ I) pour tout I ∈ I (R) s’appelle la loi de la v.a.r. X.
Définition 128
Soit X une variable aléatoire réelle sur un espace probabilisé (Ω, T , P). L’ap-
plication FX de R vers R définie par : FX (t) = P(X ≤ t) pour tout t ∈ R est
appelée la fonction de répartition de la v.a.r . X.
Exemple On lance une pièce de monnaie une seule fois et on associe à cette expé-
rience l’espace probabilisé (Ω, T , P) avec Ω = {P, F } et P(P ) = p et P(F ) = 1 − p
avec p un réel tel que p ∈ [0, 1]. On considère la variable aléatoire X tel que
X(P ) = 1 et X(F ) = 0. Alors, on a X(Ω) = {0, 1} et pour tout réel t, on a
FX (t) = P(X ≤ t) = 0 si t < 0 et FX (t) = 0 si 0 ≤ t < 1 et FX (t) = 1 si t ≥ 1.
Théorème 63
Preuve:
1) Soit x, y ∈ R tel que x ≤ y, alors ] − ∞, a] ⊂] − ∞, y] donc P(X ≤ x) ≤
P(X ≤ y), d’où FX (x) ≤ FX (y).
2) Comme FX est croissante il suffit de prouver que lim FX (−n) = 0. Or c’est
n→+∞
le cas puisque la famille d’intervalles (In ) tel que In =]−∞, −n] est décroissante
et ∩ In = ∅, donc la famille (X ∈ In ) est une famille décroissante d’éléments
n∈N
de T et ∩ (X ∈ In ) = ∅. par le théorème de continuité séquentielle monotone,
n∈N
on a 0 = P(∅) = lim P(X ∈ In ) = lim FX (−n).
n→+∞ n→+∞
Pour lim FX = 1, même raisonnement en remarquant que R = ∪ ] − ∞, n].
+∞ n∈N
3) Soit a ∈ R. Compte tenu du fait que FX est croissante, pour démontrer que
1
FX est continue à droite en a, il suffit de prouver que lim FX (a + )=
n→+∞ n+1
1
FX (a), chose vraie car si In =] − ∞, a + ] alors ] − ∞, a] = ∩ In , donc
n+1 n∈N
par le théorème de continuité séquentielle monotone, on conclut.
Proposition 272
Preuve:
Pour toute suite (xn ) strictement croissante qui converge vers t0 , on a
] − ∞, t0 [= ∪ ] − ∞, xn ]
n∈N
Corollaire 22
Preuve:
Par exemple pour la dernière : on a : R =] − ∞, a[∪[a, b[∪[b, +∞[, union
disjointe, doc : 1 = FX (a−) + P(a ≤ X < b) + 1 − FX (b−), ce qui donne
P(a ≤ X < b) = FX (b−) − FX (a−).
Définition 130
Soit X = (X1 , · · · , Xm ) une famille de variables aléatoires réelles sur (Ω, T , P).
L’application : FX : Rm → R tel que FX (t1 , · · · , tm ) = P(X1 ≤ t1 , · · · , Xm ≤
tm ) s’appelle la fonction, de répartition de la famille X des v.a.r.(Xj ), 1 ≤ j ≤ m.
Définition 131
Soit (Xj )j∈J une famille de variables aléatoires réelles d’un espace probabilisé
(Ω, T , P). On dit que les v.a.r. Xj sont indépendantes si pour toute famille
(Ij )j∈J d’intervalles de R, les événements (Xj ∈ Ij )j∈J sont indépendants.
11.2. VARIABLES ALÉATOIRES 277
Proposition 273
11.2.4.2 Conditionnement
Définition 132
P(X ∈ A, Y ∈ B)
P (X ∈ A)/(Y ∈B) =
P(Y ∈ B)
pour tout A ∈ BR .
Définition 133
Soit X une variable aléatoire réelle sur (Ω, T , P). on dit que X est discrète s’il
existe Ω′ ∈ T tel que P(Ω′ ) = 1 et X(Ω′ ) est au plus dénombrable.
A′ = A ∩ D = {t ∈ A/P(X = t) ̸= 0}
4. On parle de variable aléatoire discrète usuelle s’il existe une bijection croissante
φ : J → D d’un intervalle J de Z vers D.
Dans ce cas on peut noter D = {tk /k ∈ J} où tk = φ(k), ∀k ∈ J.
Définition 134
On dit que la v.a.r. X sur (Ω, T , P) suit une loi uniforme discrète et on note
1
X ,→ U[[1, n]] si X(Ω) = [[1, n]] et pour tout k ∈ X(ω) , P(X = k) = .
n
On a X(R) = {1, 2} et
Z 0
1 2 1
P(X = 1) = √ e−t dt =
π −∞ 2
Z +∞
1 1
2
P(X = 2) = √ e−t dt =
π 0 2
2- Loi de Bernoulli
Définition 135
Soit p un nombre réel tel que p ∈ [0, 1] et X une v.a.r sur (Ω, T , P). On dit que
suit la loi de Bernoulli de paramètre p et on note X ,→ B(p), si X(Ω) = {0, 1}
et P(X = 1) = p et P(X = 0) = 1 − p
1
Exemple On lance une pièce de monnaie qui montre pile avec une probabilité et
3
2
face avec la probabilité . Soit X la variable aléatoire qui prend 1 si on obtient pile
3
1
et 0 si on obtient face. Alors X ,→ B( )
3
3-Loi binomiale
280 CHAPITRE 11. PROBABILITÉS
Définition 136
Soit p ∈ [0, 1] et n ∈ N et X une v.a.r sur (Ω, T , P). on dit que X suit la loi
binomiale de paramètres n et p et on note : X ,→ B(n, p),
si X(ω) = [[0, n]] et
n k n
pour tout k ∈ [[0, n]], P(X = k) = p (1−p)n−k , où dénote le coefficient
k k
n n!
binomial : =
k k!(n − k)!
Exemple Sur 10 foyers d’un village, un seul est prêt d’acheter des livres. Un vendeur
de livres fait le tour des 400 foyers de ce village de manière aléatoire. Quelles est
la probabilité que 40 personnes exactement achètent des livres quand il finit le tour
de tous les foyers du village ? Soit X la variable aléatoire qui prends le nombre de
foyers ayant acheté un livre à ce vendeur. On cherche P(X = 40). Il est facile de voir
1 1
que X ,→ B(400, ) Ω = [[1, 400]], X(Ω = [[0, 400]] et p = et par suite :
10 10
360
400 1 9
P(X = 40) = 40
40 10 10
λn
5- Loi de Poisson X ,→ P(λ) si X(Ω) = N et P(X = n) = e−λ .
n!
Définition 137
Soit X une variable aléatoire réelle sur un espace probabilisé (Ω, T , P). On dit
que X est continue à densité si sa fonction de répartition FX vérifie ce qui suit :
(i) FX est continue sur R.
(ii) Il existe une partie finie A de R tel que FX est de classe C 1 sur R\A.
0 si t ∈ A
La fonction fX définie par fX (t) = est appelé densité
FX′ (t) si t ∈ R\A
de la variable aléatoire réelle X.
11.2. VARIABLES ALÉATOIRES 281
Proposition 274
Si X est une variable aléatoire réelle continue à densité sur (Ω, T , P) alors :
(i) f ≥ 0 sur R.
(ii) fX est continue sur R\A.
Z +∞
(iii) fX (t)dt = 1.
−∞
Proposition 275
Preuve:
Comme X est continue à densité, il existe une partie finie A de R tel que FX
est de classe C 1 sur tout intervalle contenu dans R\A. Soit x ∈ R. Trois cas
sont possibles :
• Si A∩] − ∞, x[= ∅ alors FX′ (t) = fXZ(t) pour tout t ∈ R, en particulier, pour
Z x x
tout x ∈ R, on a : fX (t)dt = FX′ (t)dt = [FX (t)]x−∞ = FX (x) car
−∞ −∞
lim FX (t) = 0.
t→−∞
• Si A∩] − ∞, x[= {a} avec a ∈ R, la formule ci-dessus reste valable si x < a.
Si x ≥ a alors :
Z x Z a Z x
fx (t)dt = fX (t)dt + fX (t)dt = FX (a) + FX (x) − FX (a) = FX (x)
−∞ −∞ a
Puisque fX est de classe C1 sur chacun des intervalles :] − ∞, a1 [, ]ak , ak+1 [(1 ≤
282 CHAPITRE 11. PROBABILITÉS
Proposition 276
Soit X une variable aléatoire réelle continue à densité, alors pour tout intervalle
I de R de bornes a et b, on a :
Z b
P(X ∈ I) = fX (t)dt = FX (b) − FX (a).
a
Preuve:
On a :
P(X ≤ b) = P(X ≤ a) + P(a < X ≤ b)P(a < X ≤ b)
Donc :
p(X ∈ I) = P(a < X ≤ b) = F (b) − F (a)
D’après la proposition 275, on a alors :
Z b Z a
P(X ∈ I) = fX (t)dt − fX (t)dt
−∞ −∞
donc Z b
P(X ∈ I) = fX (t)dt
a
Définition 138
Soit X une variable continue à densité sur (Ω, T , P) et a, b ∈ R tel que a < b.
On dit que f suit la loi uniforme continue sur [a, b] si la densité fX de X est
définie par : ( 1
si a ≤ x ≤ b
fX (x) = b−a
0 sinon
Notation : X ,→ U[a, b].
11.2. VARIABLES ALÉATOIRES 283
Proposition 277
Soit X une variable aléatoire sur (Ω, T , P). Si X ,→ U[a, b] alors la fonction de
répartition FX de X est définie par :
0x −sia x < a
FX (x) = si a ≤ x ≤ b
b−a
1 si b ≤ t
Preuve:
Z x
Soit x ∈ R alors FX (x) = fX (t)dt.
−∞
• Si x < a, comme fX est nulle sur ] − ∞, x], on a FX (x) = 0.
• Si a ≤ x ≤ b alors :
Z a Z x
1 x−a
FX (x) = 0dt + dt =
−∞ a b−a b−a
• Si x > b alors :
Z b Z +∞
FX (x) = fX (t)dt + 0dt = FX (b) = 1
−∞ b
Définition 139
Soit X une variable aléatoire réelle continue à densité sur (Ω, T , P) et Soit
λ ∈ R∗+ . On dit que X suit la loi exponentielle de paramètre λ si la fonction de
densité de X est définie par :
−λx
λe si x > 0
fX (x) =
0 si x ≤ 0
Notation : X ,→ E(λ).
Proposition 278
Soit X une variable aléatoire réelle continue à densité sur (Ω, T , P) et λ ∈ R∗+ .
Si X ,→ E(λ) alors la fonction de répartition FX de X est définie par :
1 − e−λx si x > 0
FX (x) =
0 si x ≤ 0
284 CHAPITRE 11. PROBABILITÉS
Preuve:
Soit x ∈ R.
• Si x < 0, comme fX est nulle sur ] − ∞, x], on a FX (x) = 0.
• Si x > 0, alors :
Z x
x
λe−λt dt = −e−λt 0 = 1 − λe−λx
FX (x) =
0
Définition 140
Soit X une variable aléatoire réelle continue à densité sur (Ω, T , P) et soit
(µ, σ) ∈ R × R∗+ . On dit que X suit la loi normale de Gauss de paramètres
µ et σ 2 si la densité de X est définie par :
(x − µ)2
1
∀x ∈ R, fX (x) = √ exp −
σ 2π 2σ 2
Notation : X ,→ N (µ, σ 2 ).
4) Loi gamma
Définition 141
Soit X une variable aléatoire réelle continue à densité sur (Ω, T , P) et soit
(a, λ) ∈ R2+ . On dit que X suit la loi Gamma de paramètres a et λ si la densité
fX de X est définie par :
λa a−1 −λt
t e si t ≥ 0
Γ(a)
fX (t) =
0 si x < 0
Proposition 279
Preuve:
On peut toujours se ramener aux cas où X(Ω) et Y (Ω) sont au plus dénom-
brables. Pour tout ω ∈ Ω, on a (X + Y )(ω) = X(ω) + Y (ω) ∈ X(Ω) + Y (Ω),
donc si D = (X + Y )(Ω) alors D ⊂ D1 + D2 où D1 = X(Ω) et D2 = Y (Ω).
On peut sans nuire à toute généralité a , supposer que X(ω) ̸= 0 pour tout
ω ∈ Ω, de manière à avoir (X = k)k∈D1 est un système complet d’événement
et appliquer la formule des probabilités totales : pour s ∈ X + Y (Ω), on a :
X
P(X + Y = s) = P(X = k)P(X + Y = s|X = k)
k∈D1
Or :
P(X + Y = s, X = k) P(X = k, Y = s − k)
P(X + Y = s|X = k) = =
P(X = k) P(X = k)
P(X = k)P(Y = s − k)
P(X + Y = s|X = k) = = P(Y = s − k)
P(X = k)
d’où : X
P(X + Y = s) = P(X = k)P(Y = s − k)
k∈D1
D1′ = {x ∈ X(Ω)/P(X = x) ̸= 0}
c’est -à-dire l’ensemble des valeurs possibles de X et remplacer Ω par Ω1 . On peut prouver
que P(Ω1 ) = 1, donc rien ne change au niveau du raisonnement.
Proposition 280
sous réservé que fX+Y est bien définie sur R et est continue sur R\A où A est
une partie finie de R.
Proposition 281
sous réservé que fX+Y ci-dessus est continue sur R\A où A est une partie finie
de R.
Définition 142
Proposition 282
Preuve:
Soient X et Y deux variables aléatoires discrètes sur (Ω, T , P) et notons I =
X(Ω) et J = Y (Ω). Sans nuire à la généralité on peut supposer que X et Y
vérifient la condition :
g : R → R; t 7→ λt,
donc X
E(|Y |) = |j|P(X = i, Y = j).
(i,j)∈I×J
Proposition 283
Soient Y, Y deux v.a.r. sur (Ω, T , P) tel que |X| ≤ Y . Si Y admet une espérance
il en est de même pour X.
Preuve:
Résultat admis.
Proposition 284
11.2.8.7 Moments
Définition 143
Soit X une variable aléatoire réelle et m un entier naturel non nul. Si l’espérance
de la variable aléatoire X m existe, le nombre réel E(X m ) s’appelle le moment
11.2. VARIABLES ALÉATOIRES 291
d’ordre m de X.
Proposition 285
Preuve:
On part de l’inégalité : tm ≤ tn + 1 valable pour tout réel t ≥ 0. Dans le cas
discret et X représentée par (xk , pk ) on applique l’inégalité à tk = |xk | et on
obtient :
pk |xk |m ≤ pk |xk |n + pk
et comme E(X n ) existe par hypothèse et que la famille (pk ) est sommable, on
déduit que la famille (xm k pk ) est sommable .
Dans la cas continue à densité on applique l’inégalité à |fX (t)| pour tout t ∈ R
et du fait que t 7→ tn fX (t) et de t 7→ fX (t) sont intégrables, on conclut.
Définition 144
Proposition 286
Soit X une variable aléatoire sur (Ω, T , P) admettant un moment d’ordre 2 alors
V(X) ≥ 0. De plus, on a :
(1) Si X est continue à densité alors V(X) > 0.
(2) Si X est discrète alors, V(X) = 0 si et seulement si ∃Ω1 ∈ T tel que
p(Ω1 ) = 1 et X est constante sur Ω1 .
Preuve:
On a V(X) = E((X − E(X))2 ) ≥ 0.
Z +∞
1. Si X est continue de densité f alors V(X) = (t − m)2 f (t)dt. or on
−∞
sait qu’il existe une partie A finie de R tel que f est continue sur R\A.
292 CHAPITRE 11. PROBABILITÉS
Z +∞ Z
p
2
On a (t − m) f (t)dt = (t − m)2 f (t)dt et R\A = ∪ Ij où les Ij
−∞ R\A j=1
sont des intervalles deux à deux disjoints et f est continue sur chaque Ij .
Alors si V(X) = 0 on aurait f nulle sur chaque Ij , donc sur R\A donc
Z +∞
sur R, ce qui contredit f (t)dt = 1
−∞
2. Soit X une variable aléatoire discrète sur (Ω, T , P) .
•X
Si X admet une variance et on note µ = E(X) et si V(X) = 0 alors
(x − µ)2 = 0. Comme il s’agit d’une somme à termes positifs, on a
x∈X(Ω)
(x − µ)2 P(X = x) = 0, pour tout x ∈ X(Ω). Il en découle que :
∀x ∈ X(Ω)\{µ}, P(X = x) = 0
Posons
Ω1 = (X = µ) = X −1 ({µ})
On a P(Ω1 ) = 1 car
= P(X = µ)
= P(Ω1 )
Proposition 287
11.2.8.8 Covariance
Proposition 288
Soit X et Y deux v.a.r sur (Ω, T , P) admettant chacune un moment d’ordre 2..
Alors XY admet une variance et on a l’inégalité dite de Cauchy-Schwarz :
Preuve:
1
Notons que XY ≤ (X 2 + Y 2 ) permet de dire que E(XY ) existe. Par ailleurs
2
pour tout t ∈ R on a E((tX + Y )2 ) ≥ 0, donc l’application polynômiale t 7→
(E(X 2 )t2 + 2tE(X)E(Y ) + E(Y 2 ) est positive, donc son discriminent réduit
∆′ = (E(X)E(Y ))2 − E(X 2 )E(Y 2 ) vérifie ∆′ ≤ 0, ce qui donne l’inégalité de
Cauchy-Schwarz.
Proposition 289
Preuve:
Soient X et Y deux variables aléatoires qui admettent chacune un moment
d’ordre 2 et notons I = X(Ω), J = Y (Ω) et K = (XY )(Ω). D’après la propo-
sition 288, la variable aléatoire XY admet une espérance mathématique et on
a X
E(XY ) = kP(XY = k).
k∈K
Pour tout k ∈ K, on pose Uk = {(i, j) ∈ I × J/ij = k}, alors (Uk )k∈K est une
294 CHAPITRE 11. PROBABILITÉS
partition de I × J et on a :
[
∀k ∈ K, (XY = k) = (X = i, Y = j)
(i,j)∈Uk
Proposition 290
Définition 145
Soient X et Y deux variables alétoires réelles sur (Ω, T , P), toutes les deux
discrètes ou toutes les deux continues à densité admettant chacune un moment
d’odre deux. Le nombre réel :
Proposition 291
Soient X et Y deux variables alétoires réelles sur (Ω, T , P), toutes les deux
discrètes ou toutes les deux continues à densité admettant chacune un moment
d’odre deux. Alors X + Y admet une variance et on a :
Proposition 292
Soient X et Y deux variables alétoires réelles sur (Ω, T , P), toutes les deux
discrètes ou toutes les deux continues à densité admettant chacune un moment
d’odre deux. Si X et Y sont indépendantes alors
C(X, Y ) = 0
en particulier :
V (X + Y ) = V (X) + V (Y ).
Définition 146
Soient X et Y deux variables alétoires réelles sur (Ω, T , P), toutes les deux
discrètes ou toutes les deux continues à densité admettant chacune un moment
d’odre deux et tel que : V(X)V(Y ) ̸= 0. Si V(X)V(Y ) ̸= 0, le nombre réel :
C(X, Y )
ρ(X, Y ) =
σ(X)σ(Y )
Proposition 293
Soient X et Y deux variables alétoires réelles sur (Ω, T , P), toutes les deux
discrètes ou toutes les deux continues à densité admettant chacune un moment
d’odre deux et tel que : V(X)V(Y ) ̸= 0. Alors :
1. ρ(X, Y ) ∈ [−1, 1].
2 α>0
2. ρ(X, Y ) = 1 ⇔ ∃(α, β) ∈ R , .
Y = αX + β
2 α>0
3. ρ(X, Y ) = −1 ⇔ ∃(α, β) ∈ R , .
Y = −αX + β
296 CHAPITRE 11. PROBABILITÉS
Remarques Soient X et Y deux variables alétoires réelles toutes les deux discrètes
ou toutes les deux continues à densité admettant chacune un moment d’odre deux
et tel que V(X)V(Y ) ̸= 0. Alors :
1. Si ρ(X, Y ) = 0 on dit que X et Y sont non corrélées.
2. Si X et Y sont indépendantes, alors elles sont non corrélées, la réciproque
étant fausse.
Définition 147
Exemple Soit (Ω, T , P) un espace probabilisé et X une v.a.r. continue à densité tel
3 1 1
que X ,→ U[1, 2]. On sait que E(X) = et V(X) = , donc σ(X) = √ , alors
2 12 2 3
√ 3
X ∗ = 2 3(X − ).
2
est continue sur [−1, 1] et elle est de classe C ∞ sur ] − R, R[. On a GX (1) = 1
11.3. FONCTION GÉNÉRATRICE 297
Définition 148
+∞
X
X
Remarque Si t > 0 alors GX (t) = E(t ) = tn P(X = n).
n=0
1 2t 2 2+t
Donc pur tout t ∈] − 2, 2[, on a GX (t) = + = .
3 6 2−t 3(2 − t)
Théorème 65
Preuve:
X
Soit R le rayon de convergence de GX (t) = pn t n .
• Premiers cas : R > 1
Puisque 1 est un point du disque de convergence de la série entière GX (t), alors
298 CHAPITRE 11. PROBABILITÉS
et
+∞
X +∞
X +∞
X
G′′X (1) = n(n − 1)pn = 2
n pn − npn = E(X 2 ) − E(X)
n=2 n=0 n=0
• Deuxième cas : R = 1
1) Dérivée première :
• Supposons que E(X) existe. Si on pose fn (t) = pn tn , pour tout n ∈ N et tout
t ∈ [−1, 1] alors les fn sont de classe C 1 sur [−1, 1] et :
en particulier :
+∞
X X
G′X (1) = npn = npn = E(X).
n=1 n=0
Donc :
+∞
X n−1
X
∆X (t) = pn Pn (t), avec , Pn (t) = tk
n=1 k=0
X
On veut démontrer que E(X) existe, donc que la série à termes positifs npn , n ≥
1 est convergente, pour cela il suffit de prouver que sa somme partielle d’ordre
Xn
n, Sn = kpk est majorée. Commençons par remarquer que si on pose
k=1
n
X
Fn (t) = pk Pk (t)
k=1
alors n
X
lim Fn (t) = kpk = Sn
t→1
k=1
Or :
∀t ∈ [0, [, Fn (t) ≤ ∆n (t)
car les pk sont positifs, donc par passage à la limite :
Dérivée seconde :
• Supposons que X admet un moment d’ordre 2. Comme dans le cas de la
dérivée première, il est aisé de voir que la série des dérivées secondes des ap-
plications fn : [−1, 1] → R; t 7→ fn (t) = pn tn est normalement donc uniformé-
ment convergente sur [−1, 1], ce qui permet en particulier de dire GX est deux
+∞
X
′ ′′
fois dérivable au point 1 et que Gx (1) = E(X) et GX (1) = n(n − 1)pn =
n=0
E(X 2 ) − E(X).
• Réciproquement, si GX est deux fois dérivable au point 1, alors elle est déjà
dérivable une fois et d’après la première partie du théorème E(X) existe et
G′X (1) = E(X). Par ailleurs on a :
+∞
X +∞
X
∀t ∈ [0, 1[, G′X (t) = npn tn et G′X (1) = npn
n=1 n=1
ce qui permet de dire que : G′′X (1) = lim ∆′X (t) avec
t→1
+∞
G′X (t) − G′X (1) X
∆′X (t) = = n(n − 1)pn Qn (t)
t−1 n=2
300 CHAPITRE 11. PROBABILITÉS
n−2
X
avec Qn (t) = tk . Comme dans la première partie, on va montrer que Tn =
k=0
n
X
k(k − 1)pk est majoré, on commence par remarque que si on pose Hn (t) =
k=0
n
X
k(k − 1)pk Qk (t) alors lim Hn (t) = Tn . Or Hn (t) ≤ ∆′X (t) et par passage à
t→1
k=2 X
la limite, on obtient Tn ≤ G′′X (t) et par suite la série n(n − 1)pn converge
X X
et comme E(X) existe la série npn converge dons la série n2 pn converge
d’où l’existence du moment d’ordre 2 et d’après la preuve du premier sens on
a G′′X (2) = E(X 2 ) − E(X).
Ceci termine la preuve du théorème.
Preuve:
il suffit de le prouver pour deux variables, le reste s’en déduit par simple récur-
rence. Soit donc X et Y deux v.a.r. indépendantes tel que X(Ω) = Y (Ω) = N.
Alors :
+∞
X
GX+Y (t) = P(X + Y = n)tn
n=0
+∞ X
X n
= P(X = k)P(Y = n − k)tn
n=0 k=0
+∞ X
X n
= P(X = k)tk P(Y = n − k)tn−k
n=0 k=0
11.4. INÉGALITÉS, CONVERGENCE 301
X X
On remarque qu’il s’agit du produit de Cauchy des séries pn tn et qn tn
où p = P(X = n) et qn = P(Y = n), qui sont absolument convergente pour
tout t tel que |t| < 1, donc :
Théorème 67
Soit X une v.a.r positive sur (Ω, T , P) tel que X admet une espérance, alors :
pour tout réel α > 0, on a :
E(X)
P(X ≥ α) ≤
α
(inégalité de Markov)
Preuve:
Dans le cas d’une variable continue à densité comme X ≥ 0, la fonction densité
fX est nulle sur ] − ∞, 0[, puisque la fonction FX de répartition est nulle sur
cet intervalle (Si t < 0 alors (X ≤ t) = ∅), donc :
Z +∞ Z α Z +∞
E(X) = tfX (t)dt = tfX (t)dt + tfX (t)dt
0 0 α
Il en découle :
Z +∞ Z +∞ Z +∞
E(X) ≥ tfX (t)dt ≥ αfX (t)dt = α fX (t)dt = αP(X ≥ α)
α α α
Théorème 68
Soit X une v.a.r sur (Ω, T , P). Si X admet une variance alors on a :
V(X)
∀β > 0, P(|X − E(X)| ≥ β) ≤
β2
(inégalité de Bienaymé-Chebychev)
Preuve:
On va appliquer Markov à Y = (X − E(X))2 . On a E(Y ) = V(X) et d’après
Markov :
E(Y )
P(Y ≥ β 2 ) ≤
β2
Or Y ≥ β 2 ⇔ |X − E(X)| ≥ β et E(Y ) = V(X), d’où l’inégalité de Bienaymé-
Chebychev.
Théorème 69
Preuve:
Dans la cas d’une variable aléatoire discrete. On suppose X représentée par
n
X
∗
(xk , pk )k∈N∗ . Pour tout n ∈ N , posons : En = pk xx alors E(X) = lim (En ).
n→+∞
k=1
n
X
Si πn = pk alors par convexité de f , on a :
k=1
n n
En X pk 1 X
f ≤ f (xk ) = pk f (xk )
πn k=1
π n π n
k=1
Par passage à la limite quand n tends vers +∞ et comme f (X) admet une
espérance et par continuité de f et le fait que lim πn = 1, on obtient :
n→+∞
11.4.2 Convergence
11.4.2.1 Convergence en loi
Définition 149
Soit (Xn ) une suite de v.a.r et X une v.a.r. On dit que (Xn ) converge en loi
vers X si la suite (Fn ) des fonctions de répartitions des Xn converge simplement
vers F la fonction de répartition de X sur R\D où D est l’ensemble des ponts
de discontinuité de F .
Proposition 295
Exemples 1. Soit (Xn ) sur (Ω, T , P) tel que Xn ,→ B(p), alors Xn → X1 en loi.
2. Soit (Xn ) une suite de v.a.r sur (Ω, T , P) tel qu’il existe une suite (pn ) ∈ [0, 1]N
et λ > 0 tel que lim npn = λ. Si Xn ,→ B(n, pn ) pour tout n alors Xn → X en
loi où X ,→ P(λ) (voir TD).
1
X 1
si A ∩ Z ̸= ∅
3. On considère ici Ω = R, T = P(R) et P(A) = 3 k∈A∩Z 2|k|
0 si A ∩ Z = ∅
et pour tout n ∈ N∗ .
Soit x0 ∈ R. On dit qu’une v.a.r. Y sur (Ω, T , P) suit la loi de dirac de
304 CHAPITRE 11. PROBABILITÉS
Définition 150
On dit qu’une suite (Xn ) de v.a.r sur (Ω, T , P) converge en probabilité vers une
v.a.r X sur (Ω, T , P) si :
Proposition 296
Soit (fn )n∈N une suite d’applications de R vers R qui converge simplement sur
R vers une application f : R → R. Si X est une v.a.r. sur ((Ω, T , P) tel que
Yn = fn (X), n ∈ N et Y = f (X) alors (Yn ) tends vers Y en probabilité.
Preuve:
Soit
Ω1 = {ω ∈ Ω/ lim (Yn (ω)) = Y (ω)}
n→+∞
où
An,α = (|Yn − Y | < α)
par suite : [ \
Ω= An,ε
N ∈N n≥N
Ω = ∪ BN
N ∈N
∀n ≥ N, 1 − P(|Yn − Y | ≥ ε) > 1 − δ
donc :
∀ε > 0, ∀δ > 0, ∃N ∈ N, ∀n ≥ N, p(|Yn − Y | ≥ ε) < δ
Ceci démontrer que :
Théorème 70
Soit (Xn ) une suite de v.a.r. et X une v.a.r. sur (Ω, T , P). Si (Xn ) converge en
probabilité vers X alors (Xn ) converge en loi vers X.
306 CHAPITRE 11. PROBABILITÉS
Preuve:
Ce théorème est admis.
Théorème 71
Preuve:
n
1X
Soit Mn = Xn . Par linéarité de l’espérance, on a E(Mn ) = µ et par
n k=1
1 σ2
indépendance on a V (Mn ) = 2 (nσ 2 ) = où σ est l’écart-type commun des
n n
v.a.r. Xn . Par l’inégalité de Bienaymé-Chebychev, on a :
σ2
∀ε > 0, P(|Mn − µ| ≥ ε) ≤
nε2
Pa conséquent :
∀ε > 0, lim P(|Mn − µ| ≥ ε) = 0
n→+∞
Théorème 72
Soit (Xn )n≥1 une suite de v.a.r. indépendantes, identiquement distribuées ad-
mettant un moment d’ordre 2 et soit µ et σ l’espérance mathématique et l’écart
type communs de ces variables aléatoires. Soit (Mn ) la suite des v.a.r.. tel que
n
1X
Mn = Xk . Alors la suite (Mn∗ ) des variables aléatoires réduites centrées
n k=1
des Mn converge en loi vers une v.a.r. qui suit la loi de Gauss standard : N (0, 1)
11.4. INÉGALITÉS, CONVERGENCE 307
Exemple 200 personnes contribuent à un jeu qui consiste à faire tourner une roue
au hasard une seule fois pour chaque personne. On note Xk la variable aléatoire
associée à l’angle modulo 2π duquel la roue tourne après la contribution de la k
ème personne. On suppose que toutes les précautions sont prises pour que les Xk
sont mutuellement indépendantes. Calculer la probabilité que la moyenne des angles
associés aux 200 personnes ne dépasse pas un demi tour.
Réponse : Il s’agit d’une famille de variables aléatoires (Xk ), 1 ≤ k ≤ 200, qui
suivent la loi uniforme U[0, 2π]. Les v.a.r Xk sont identiquement distribuées d’espé-
π
rance µ = π et d’écart-type σ = √ . Si on applique le théorème central limite, on
3
π
identifie la moyenne M200 à une v.a.r X tel que X ,→ N (π, √ ). On veut :
10 6
P (Mn ≤ π) = P(X ≤ π)
√ Z
10 6 π − 1 ( 10√6(t−π) )2
= √ e 2 π dt
π 2π −∞
≃ 0.5
308 CHAPITRE 11. PROBABILITÉS
11.5 Annexe
11.5.1 Tableau récapitulatif des variables aléatoires réelles
discrètes usuelles
Nom Notation X(Ω) Loi de X E(X) V(X) GX (t)
Uniforme
discrète k ∈ {1 · · · n} n+1 t 1 − tn
X ,→ U (A) A n2 − 1
1 si t ̸=
P(X = k) = 2 12 n 1−t
A = {1, ..., n} n 1 si t =
Bernoulli de
paramètre
X ,→ Ber(p) {0, 1} P(X = 0) = 1 − p p p(1 − p) 1 − p + pt
p ∈ [0, 1]
P(X = 1) = p
Binomiale
de para-
mètres n et X ,→ B(n, p) [[0, n]] P(X = k) = Cnk pk q n−k np np(1 − p) (1 − p + pt)n
p
avec q = 1 − p
Poisson de
paramètre n eλ(t−1)
X ,→ P(λ) −λ λ λ λ
λ, avec N P(X = n) = e
∗ n!
λ ∈ R+
Loi géomé-
trique de 1 1−p pt
paramètre X ,→ G (p) N∗ P(X = n) = p(1 − p)n−1
p p2 1 − (1 − p)t
p avec
p ∈]0, 1[
11.5. ANNEXE 309
Proposition 297
alors m m
Y Y
X= Xk ,→ Ber(p) où p = pk
k=1 k=1
Proposition 298
Proposition 299
Preuve:
Par récurrence : Si n = 2, alors X1 + X2 (Ω) = N et pour tout n ∈ N, on a
n
X
P(X1 + X2 = n) = P(X1 = j)P(X2 = n − j)
j=0
n
X λj1 −λ2 λn−j
= e−λ1
e 2
j=0
j! (n − j)!
n
−(λ1 +λ2 ) 1 n j n−j
X
= e λλ
n! j=0 j 1 2
λn
= e−λ
n!
où λ = λ1 + λ2 .
Supposons la propriété vraie pour m ∈ N∗ et soit Xk , k ∈ [[1, m + 1]] des v.a.r
indépendantes tel que Xk ,→ P(λk ) pour tout k ∈ [[1, m + 1]]. Par hypothèse
X m Xm
de récurrence, Xk ,→ P( λk ) et d’après la propriété vraie pour m = 2
k=1 k=1
m+1
X m+1
X
on en déduit que Xk ,→ P( λk )
k=1 k=1
11.5.3.3 Loi Γ
Proposition 300
Proposition 301
où v
m
X
u m
uX
µ= µk et σ = t σk2
k=1 k=1
Chapitre 12
Calcul différentiel.
Proposition-Définition 14
f (a + te) − f (a)
Ainsi, s’il existe, De f (a) = lim .
t→0 t
Preuve:
Démontrons l’existence de α > 0 tel que ∀t ∈] − α, α[, a + te ∈ U . Supposons
e ̸= 0 (si e = 0 alors a+te = a ∈ U , pour tout t ∈ R)Comme U est un ouvert et
R
a ∈ U , il existe R > 0 tel que B(a, R) ⊂ U . Soit α = , alors pour tout réel t
∥e∥
tel que |t| < α, on a ∥(a + te) − a∥ = |t|∥e∥ < α∥e∥ = R, donc a + te ∈ B(a, R),
et comme B(a, R) ⊂ U , on a a + te ∈ U .
Exemples :
313
314 CHAPITRE 12. CALCUL DIFFÉRENTIEL.
Proposition 302
lim ε(h) = 0
h→0
h̸=0
Définition 151
Va = {h ∈ E/a + h ∈ U }
1
∀h ∈ Va , ε(h) = (f (a + h) − f (a) − L(h))
∥h∥
réalise :
lim ε(h) = 0
h→0
Proposition 303
Preuve:
Si L, L′ répondent à la définition ci-dessus, soit x un vecteur non nul de E alors
il existe un voisinage Iα =] − α, α[ de 0 dans R tel que te ∈ V pour tout t ∈ Iα .
On a alors f (a + te) = f (a) + tL(e) + |t|∥e∥ε(te) = f (a) + tL′ (e) + |t|∥e∥ε′ (te)
de sorte que |t|(L(e) − L′ (e)) = |t|φ(t) avec lim φ(t) = 0, donc L(e) = L′ (e).
t→0
Par ailleurs L(0) = L′ (0) donc L = L′ .
Définition 152
Définition 153
Proposition 304
Preuve:
Comme f est différentiable au point a, on a pour h voisin de 0 :
avec lim ε(h) = 0, donc : lim f (a + h) = f (a) puisque lim df (a)(h) = 0 par
h→0 h→0 h→0
h̸=0
continuité de l’application linéaire df (a)(dimension finie).
Proposition 305
∀a ∈ U, df (a) = f
318 CHAPITRE 12. CALCUL DIFFÉRENTIEL.
Preuve:
Soit a ∈ U et h voisin de 0. Par linéarité, on a
Proposition 306
Preuve:
Soit (a, b) ∈ U et (h, k) ∈ E × F , alors : en posant A = (a, b) et H = (h, k), on
a:
On adopte par exemple la norme ∥H∥ = sup(∥h∥, ∥k∥), alors par continuité de
l’application bilinéaire f il existe une constante positive M tel que pour tout (h, k) ∈
E × F , on a : ∥f (h, k)∥ ≤ M ∥h∥∥k∥ ≤ M ∥(h, k)∥2 , de sorte que si on pose L(H) =
L(h, k) = f (a, k) + f (h, b) pour tout H ∈ E × F , on a :
f (A + H) = f (A) + L(H) + ∥H∥ε(H)
1 1
avec ε(H) = f (H) = f (h, k) si H ̸= 0 et ε(0) = 0 de sorte que d’après l’in-
∥H∥ ∥H∥
égalité ∥f (h, k)∥ ≤ M ∥(h, k)∥2 , on a lim ε(H) = 0 , ce qui justifie la différentiabilité
H→0
de f au point (a, b) et que df (a, b)(h, k) = L(H) = f (a, k) + f (h, b).
Proposition 307
Preuve:
Pour tout (a, h) ∈ U × E, on a f (a + h) = f (a) + θ(h) + ∥h∥θ(h), ce qui prouve
le résultat.
Proposition 308
Preuve:
Supposons que f est dérivable au point a, alors pour h réel voisin de 0, on a :
f (a + h) = f (a) + hf ′ (a) + o(h), ce qui exprime que f est différentiable au
point a et que pour tout h réel df (a)(h) = hf ′ (a). Réciproquement, si f est
différentiable au point a alors df (a) est une application linéaire de R vers F et
précisément, on a pour tout h réel : df (a)(h) = hdf (a)(1). On a alors pour h
voisin de 0 : f (a + h) = f (a) + hdf (a)(1) + o(h), ce qui donne : f est dérivable
au point a et f ′ (a) = df (a)(1). Par définition de la dérivée suivant le vecteur
1, on a aussi f ′ (a) = D1 f (a)
Proposition 309
De f (a) = df (a)(e)
Preuve:
En effet, supposons que f est différentiable au point a, alors f (a + h) = f (a) +
df (a)(h) + hε(h) avec ε(h) → 0 quand h tends vers 0. En particulier, pour t
voisin de 0 dans R, on a f (a + te) = f (a) + tdf (a)(e) + |t|∥e∥ε(te) donc :
1
(f (a + te) − f (a)) = df (a)(e) + ∥e∥α(t)ε(te)
t
avec α(t) = ±1, tends vers df (a)(e) quand t tends vers 0. Il en découle que
De f (a) = dfa (e)
Proposition 310
p
X ∂f
df (a)(h) = hj (a)
j=1
∂xj
Preuve:
Conséquence immédiate de la proposition 309 appliquée aux vecteurs ej de
p p
X X
la base B. Précisément, si h = hj ej , alors : df (a)(h) = hj df (a)(ej ) =
j=1 j=1
p p
X X ∂f
hj Dej f (a) = hj (a)
j=1 j=1
∂xj
La réciproque de ce résultat n’est pas vraie.On peut même prouver qu’une applica-
tion f peut admettre des dérivées suivant tout vecteur e au point a sans que f soit
différentiable au point a. Cependant, on a le résultat suivant :
12.1. APPLICATION DIFFÉRENTIABLE 321
Théorème 73
∂f
Si les dérivées partielle de f au point a à savoir (a); 1 ≤ i ≤ p existent et si
∂xi
p
X
de plus, pour tout h = hi ei voisin de 0, on a :
i=1
p
X ∂f
f (a + h) − f (a) − hi (a) = o(∥h∥)
i=1
∂xi
Preuve:
Conséquence immédiate de la définition d’une application différentiable en un
point a et vu que l’application :
p p
X X ∂f
E → F;h = hi ei 7→ hi (a)
i=1 i=1
∂xi
x3 y
si (x, y) ̸= (0, 0)
x2 + y 2
2
Exemple Soit f : R → R; (x, y) 7→ . Montrons que
0 si (x, y) = (0, 0)
f est différentiable au point (0, 0) et que df (0, 0) = θ (θ est l’application nulle de R2
vers R.).
On a :
f (x, 0) − f (0, 0)
lim =0
x→0
n̸=0
x
, donc :
∂f
(0, 0) = 0
∂x
de même
∂f
(0, 0) = 0.
∂y
On a f est différentiable au point (0, 0) si et seulement si, pour (x, y) voisin de (0, 0),
on a :
∂f ∂f p
f (x, y) − f (0, 0) − x (0, 0) − y (0, 0) = o( x2 + y 2 ),
∂x ∂y
322 CHAPITRE 12. CALCUL DIFFÉRENTIEL.
c’est-à-dire : p
f (x, y) = o( x2 + y 2 ).
p
2 2 |x| ≤ ∥X∥
En notant X = (x, y) et ∥X∥ = x + y , et compte tenu du fait que : ,
|y| ≤ ∥X∥
on a :
f (x, y) |x3 y|
p = 3
x2 + y 2 (x2 + y 2 ) 2
|x|3 |y|
=
∥X∥3
∥X∥4
≤
∥X∥3
= ∥X∥ −→ 0
X→(0,0)
Il en découle que f (X) = o(∥X)∥) quand X → (0, 0), donc f est différentiable au
point (0, 0) et df (0, 0) = θ.
∂f
On suppose que les dérivées partielles (a), 1 ≤ j ≤ p existent (ce qui revient
∂xj
à dire que les dérivées partielles des composantes de f existent). On dispose de la
matrice :
∂fi
Jf (a) = (a)
∂xj 1≤i≤n
1≤j≤p
Définition 154
Théorème 74
Preuve:
Pour tout j ∈ [[1, p]], on a :
n
∂f X ∂fi
df (a)(ej ) = Dej f (a) = (a) = (a)vi
∂xj i=1
∂x j
tel que : ′
h1 1 1 h1 + h2
h′2 = 1 −1 h1 = h1 − h2 .
h2
h′3 1 2 h1 + 2h2
Donc, pour tout h = (h1 , h2 ) ∈ R2 , on a :
Proposition 311
12.1.5.2 Composition
Théorème 75
E, F, G sont des espaces vectoriels normés, U, V des ouverts non vides respectifs
de E et F et f : U → F et g : V → G des applications tel que f (U ) ⊂ V . Soit
a ∈ U . Si f est différentiable au point a et g est différentiable au point f (a)
alors g ◦ f est différentiable au point a et :
Preuve:
f est différentiable au point a, donc il existe un voisinage V1 de 0E dans E, et
une application ε1 : V1 → F tel que lim ε1 (h) = 0 et pour tout h ∈ V1 :
h→0
Il en découle que :
avec
ψ(h) = ∥h∥dg(f (a))(ε1 (h)) + ∥φ(h)∥ε2 (φ(h))
| {z } | {z }
α1 (h) α2 (h)
il suffit en fait de prouver que α2 (h) = o(∥h∥). Pour ce faire remarquons que la
continuité de l’application linéaire df (a) implique l’existence d’une constante
c > 0 tel que ∥df (a)(h)(x)∥ ≤ c∥x∥ , pour tout x ∈ E. Cela dit, on a alors :
Proposition 312
Preuve:
On a :
∂(g ◦ f )
(a) = Dej (g ◦ f )(a)
∂xj
= d(g ◦ f )(a)(ej )
= (dg(f (a)) ◦ df (a))(ej )
= dg(f (a))(df (a)(ej ))
= dg(f (a))(Dej f (a))
∂f
= dg(f (a)) (a)
∂xj
on a : r
X ∂g
dg(f (a))(h) = hk (f (a)).
k=1
∂yk
En appliquant pour
r
∂f X ∂fk
h= (a) = (a)uk
∂xj k=1
∂x j
il vient : r
∂(g ◦ f ) X ∂fk ∂g
(a) = (a) (f (a))
∂xj k=1
∂x j ∂y k
Proposition 313
Les matrices jacobiennes en question étant calculées par rapport aux bases cor-
respondantes parmi celles fixées ci-dessus.
Preuve:
C’est une conséquence immédiate du fait que :
Φ : F1 × F2 → G; (x, y) 7→ Φ(x, y)
Proposition 314
Proposition 315
Preuve:
Si f est différentiable au point a, comme Φ est linéaire elle est différentiable
sur F donc au point a, donc, d’après le théorème 75, Φ ◦ f est différentiable
au point a et d(Φ ◦ f )(a) = dΦ(f (a)) ◦ df (a) et comme dϕ(f (a)) = Φ, on a
d(Φ ◦ f )(a) = Φ ◦ df (a).
Exemple Soit n ∈ N∗ et
f : Mn (R) → Mn (R); X 7→ X 2
et
g : Mn (R) → R; X 7→ tr(X 2 )
1. Montrer que f est différentiable sur Mn (R) et préciser sa différentielle en tout
point A de Mn (R).
330 CHAPITRE 12. CALCUL DIFFÉRENTIEL.
Proposition 316
Preuve:
Si f est différentiable au point a, remarquons que pour tout i ∈ [[1, n]], on a :
fi = π i ◦ f
n
X
où πi : F → R, x 7→ πi (x) = xi où x = xk Vk , donc π étant linéaire, elle
k=1
est différentiable et dπi = πi de sorte que fi est différentiable au point a et
12.2. FONCTION DE CLASSE C k , k ∈ N∗ ∪ {∞} 331
n
X n
X n
X n
X
fi (a + h)Vi = fi (a)Vi + dfi (a)(h)Vi + ∥h∥ εi (h)
i=1 i=1 i=1 i=1
ce qui donne :
f (a + h = f (a) + L(h) + ∥h∥ε(h)
avec n
X
∀h ∈ E, L(h) = dfi (a)(h)Vi
i=1
Définition 155
Proposition 317
Preuve:
1. Si f et g sont de classe C 1 elles sont différentiables, donc f + λg est
différentiable et
avec
Φ : L(F, G) × L(E, F ); (u, v) 7→ u ◦ v
qui est une application bilinéaire, donc par un théorème qui concerne la
continuité du produit de deux applications continues via une application
bilinéaire, l’application
d(g ◦ f ) = Φ(dg ◦ f, df )
Théorème 76
Preuve:
• Si f est de classe C 1 sur U alors en particulier f est différentiable sur U et
on a déjà vu que :
n
X
∀x ∈ U, df (x) = df (x)Vi
i=1
Alors g est linéaire donc continue(dimension finie). Par ailleurs, il est clair que :
Par continuité de df et Li , on a donc dfi est continue sur U donc fi est de classe
C 1 sur U pour tout i ∈ [[1, n]].
• Réciproquement supposons que pour tout i ∈ [[1, n]], fi est de classe C 1 . On
a f est différentiable sur U et :
n
X
∀x ∈ U, df (x) = df (x)Vi
i=1
donc
∀x ∈ U, df (x) = L(df1 (x), . . . , dfn (x))
où L est l’application :
n
X
n
L : (L(E, R)) → L(E, F ); (g1 , . . . , gn ) 7→ gi Vi
i=1
qui est manifestement continue car linéaire. Par suite df est continue sur U
donc f est de classe C 1 sur U .
Proposition 318
Preuve:
Au cours de toute la démonstration E est rapporté à une base E = (e1 , . . . , ep )
et on adoptera la norme définie sur E par :
p
X
∀x = xj e j , ∥x∥ = sup |xj |
1≤j≤p
j=1
• Supposons que f est de classe C 1 sur U , donc f est différentiable et par suite
∂f
ses dérivées partielles existent. Pour tout j ∈ [[1, p]], on a :
∂xj
∂f
∀x ∈ U, (x) = df (x)(ej ) = (Lj ◦ df )(x)
∂xj
où
Lj : L(E, F ) → F ; u 7→ Lj (u) = u(ej )
de sorte que Lj est continue car linéaire en dimension finie. Comme
∂f
= Lj ◦ df
∂xj
∂f
on a en vertu de la continuité de df supposée là haut que est continue sur
∂xj
U.
∂f
• Réciproquement, supposons que les dérivées partielles existent et sont
∂xj
continues, pour tout j ∈ [[1, p]]. Soit a ∈ U . Soit ε > 0. Par continuité des
dérivées partielles au point a, il existe η > 0 tel que :
a+h∈U
et
(⋆) ∀h ∈ E, ∥h∥ < η ⇒ +
∂f ∂f ε
(a + h) − (a) <
∂xj ∂xj p
1. c1 entre a1 et a1 + h1 .
2. c2 entre a2 + h2 et a2
3. . . . . . . . . .
4. cp entre entre ap et ap + hp
tel que :
∂f
f (a + h) − f (a) = h1 (c1 , a2 + h2 , . . . , ap + hp )
∂x1
∂f
+h2 (a1 , c2 , . . . , ap + hp )
∂x2
+......
∂f
+hp (a1 , a2 , . . . , ap−1 , cp )
∂x2
Si on note : p
X ∂f
∆(h) = f (a + h) − f (a) − hj (a)
j=1
∂xj
ce qui précède permet de dire que pour tout h ∈ E tel que ∥h∥ < η, on a :
p
X
∆(h) = hj Φj (h)
j=1
Avec :
∂f ∂f
Φj (h) = (a + Hj ) − (a)
∂x1 ∂xj
avec :
Hj = (0, . . . , 0, cj − aj , hj+1 , . . . , hp )
de sorte que, pour tout j ∈ [[1, p]], on a ∥Hj ∥ < η car la seule composante de
Hj à examiner est cj − aj , et comme cj est entre aj et aj + hj , on a |cj − aj | ≤
|hj | ≤ ∥h∥ < η. Il découle de (⋆) que :
p
X
|∆(h)| < ε |hj | = ε∥h∥
j=1
∆(h) = o(∥h∥)
n
X
où πi désigne l’application linéaire : πi : E → R; x 7→ xi , avec x = xk Vk .
k=1
On a alors : n
X
df = Φ(φi , gi )
i=1
où :
• Pour tout i ∈ [[1, p]], φi : U → L(E, R); x 7→ φi (x) = πi , avec πi (h) = hi ,
p
X
pour tout h = hj ej . Il en découle que φi est continue car constante.
j=1
∂f
• Pour tout i ∈ [[1, p]], gi : U → F ; x 7→ (x), qui est continue par hypothèse.
∂xi
• Φ : L(E, R) × F → L(E, F ); (φ, x) 7→ Φ(φ, x) avec Φ(φ, x)(h) = φ(h)x pour
tout h ∈ E. On a Φ est bilinéaire.
• En appliquant la proposition concernant le continuité du produit d’applica-
tions continues via une application bilinéaire, on obtient que df est continue,
ce qui achève la preuve du théorème ci-dessus.
Proposition 319
Preuve:
On sait que (f ◦ γ) est de classe C 1 et pour tout t ∈ I, on a : (f ◦ γ)′ (t) =
Z β Z β
′ ′
df (γ(t)).γ (t), donc df (γ(t)).γ (t)dt = (f ◦γ)′ (t)dt = f (γ(β))−f (γ(α)) =
α α
f (b) − f (a).
Proposition 320
Le sens direct est évident ; l’autres sens ne l’est pas. On donne la preuve de cette
proposition uniquement dans le cas où U est un ouvert non vide convexe de E.
Preuve:
Supposons U convexe et soit (a, b) ∈ U . Pour tout t ∈ [0, 1], posons γ(t) =
(1 − t)a + tb = t(b − a) + a, donc γ est de classe C 1 sur [0, 1] et pour tout
t ∈ [0, 1], on a γ ′ (t) = b − a. Remarquons que γ(0) = aZ et γ(1) = b donc en
1
appliquant la proposition 320 , il vient : f (b) − f (a) = df (γ(t)).(b − a)dt,
0
or γ(t) ∈ U par convexité et par suite df (γ(t)) = θ, donc f (b) − f (a) = 0 et
f (a) = f (b) pour tout a, b ∈ U , donc f est constante sur U .
Définition 156
∂kf
Si celles-ci existent les sont appelées les dérivées partielles de f
∂xik · · · ∂xi1
d’ordre k
Définition 157
On dit que f est de classe C k sur U si f admet toutes les dérivées partielles
d’ordre k sur U et celles-ci sont continues sur U .
On dit que f est de classe C ∞ sur U si f est de classe C k sur U pour tout
k ∈ N∗ .
338 CHAPITRE 12. CALCUL DIFFÉRENTIEL.
Théorème 77
∂kf ∂kf
=
∂xiσ (1) · · · ∂xiσ (p) ∂xi1 · · · ∂xip
Théorème 78
∂ 2f ∂ 2f
=
∂xi ∂xj ∂xj ∂xi
∂j f
∀f ∈ C ∞ (U, F ), ∂α f = ∂α (f ) = α
∂xα1 1 . . . ∂xp p
Le théorème de Sshwarz permet de dire que si α, β ∈ Np tel que α = (α1 , . . . , αp ) et
β = (β1 , . . . , βp ) et γ = α + β = (α1 + β1 , . . . , αp + βp ) alors
∂α ◦ ∂β = ∂β ◦ ∂α = ∂γ .
Proposition 321
Proposition 322
Proposition 323
Proposition 324
Définition 158
m∈I
Proposition 325
Proposition 326
12.3.1 Gradient
Remarquons que si f : U ⊂ Rp → R est une application différentiable en un point
a de U , sa différentielle df (a) est une forme linéaire sur Rp . Par le théorème de
représentation il existe un unique vecteur qu’on note ∇f (a) de Rp tel que
Définition 159
Proposition 327
Rp alors : p
X ∂f
∇f (a) = (a)ek
k=1
∂xk
12.3.2 Extrêmums
12.3.2.1 Point critique, maximum, minimum, extremum
Définition 160
Remarque Cela revient à dire que les dérivées partielles de f au point a sont nulles,
donc :
∂f
∀j ∈ [[1, p]] (a) = 0
∂xj
Définition 161
Théorème 79
Preuve:
Supposons que f admet un extremum au point a. Soit e un vecteur quelconque
de Rp et considérons la fonction réelle de variable réelle g définie par g(t) =
f (a + te). Alors g admet un extremum au point 0. Comme f est différentiable
sur U , le fonction g est dérivable sur un intervalle ouvert contenant 0, donc
g ′ (0) = 0 donc ⟨∇f (a), e⟩ = 0. Ainsi on a :
∀e ∈ Rp , ⟨∇f (a), e⟩ = 0
Théorème 80
Toute matrice réelle symétrique est diagonalisable dans une base orthonormée.
Autrement dit si A est une matrice réelle symétrique d’ordre p, alors il existe
des nombres
, · · · , λp et une matrice orthogonale Ω tel A = t ΩDΩ où
réels λ1
λ1
D=
.. est la matrice diagonales de termes diagonaux λ1 , · · · , λp .
.
λp
12.3. FONCTION À VALEUR RÉELLE 343
Dans tout ce qui suit U est un ouvert non vide de Rp et f : U → R est une
application de classe C 2 sur U . On rappelle la formule de Taylor-Young au voisinage
de a à l’ordre 2 :
p p
1 XX ∂ 2f
f (a + h) = f (a) + ⟨∇f (a), h⟩ + hi hj (a) + ∥h∥2 ε(h)
2 i=1 j=1 ∂xi ∂xj
Théorème 81
Preuve:
La formule de Taylor-Young s’écrit :
1
f (a + h) − f (a) = ⟨Hf (a)X, X⟩ + ∥X∥2 ε(X)
2
• Supposons que les valeurs propres λ1 , · · · , λp de Hf (a) sont strictement posi-
tives.
L’application g : X 7→ ⟨Hf (a)X, X⟩ est continue sur Rp car polynomiale en les
coordonnées de X dans n’importe quelle base orthonormée de Rp . De plus, on
a:
(⋆) ∀X ∈ Rp , X ̸= 0 ⇒ g(X) > 0.
344 CHAPITRE 12. CALCUL DIFFÉRENTIEL.
p
X
En effet si on écrit X = xk Vk où (Vk )1≤k≤p est une base orthonormée de
k=1
vecteurs propres de Hf (a) le vecteur Vk étant associé à la valeur propre λk , on a
p p
X X
Hf (a)X = xk λk Vk , donc g(X) = λk x2k donc g(X) ≥ 0, or g(X) = 0 ⇒
k=1 k=1
∀k ∈ [[1, p]], xk = 0, or X ̸= 0, donc g(X) > 0. Comme S = {X ∈ Rp / ∥X∥ = 1}
est une partie compacte de Rp , et g continue donc g est bornée sur S et atteint
ses bornes, en particulier, il existe X0 ∈ S tel que g(X0 ) = min g(X). On a
X∈S
X0 ∈ S, donc ∥X0 ∥ = 1 et par suite X0 ̸= 0, donc, en vertu du (⋆)ci-dessus,
on
X
a α = g(X0 ) > 0. En particulier, pour tout X ∈ Rn \{0}, on a : g ≥ α.
∥X∥
donc g(X) ≥ α∥X∥2 . Comme lim ε(X) = 0, il existe r > 0 tel que :
X→0
α
∥X∥ < r ⇒ |ε(X)| <
4
En particulier :
α
∥X∥ < r ⇒ ε(X) > −
4
1 α α
⇒ f (a + X) − f (a) = g(X) + ∥X∥ ε(X) ≥ − ∥X∥2
2 2 4
α 2
⇒ f (a + X) − f (a) ≥ ∥X∥
4
Il en découle que pour tout X ∈ B(0, r) on a f (a + X) − f (a) ≥ 0 avec égalité
si et seulement si X = 0, ce qui veut dire que f (a) est un minimum local strict.
m q
X X
2
Hf (a)X = λ k xk − λm+k x2m+k
k=1 k=1
de sorte que :
Xm
- si V = Vk , alors :
k=1
m
∗ 1 1 X
∀n ∈ N , Hf (a) V = 2 λ, avec λ = λk > 0
n n k=1
12.3. FONCTION À VALEUR RÉELLE 345
q
X
′
- si V = Vm+k , alors :
k=1
q
∗ 1 ′ 1 X
∀n ∈ N , Hf (a) V = − 2 λ′ , ′
avec λ = λm+k > 0
n n k=1
λ′
1 ′ 1
f a+ V =− 2 +o
n n n2
ce qui prouve que f (a + h) − f (a) ne garde pas un signe constant pour h sur
un voisinage de 0 et explique pourquoi on a un point selle.
Proposition 328
∂ 2f ∂ 2f ∂ 2f
r= (a), s = (a), t = (a)
∂x2 ∂x∂y ∂y 2
appelées notations de Monge. Alors, on a :
1. Si rt − s2 > 0 alors :
• Si r > 0 alors f admet un minimum local strict en a.
• Si r < 0 alors f admet un maximum local strict en a.
2. Si rt − s2 < 0 alors f admet un point scelle au point a.
Preuve:
Remarquons que rt − s2 = det(Hf (a)) et r + t = tr(Hf (a). Si on noté λ1 , λ2 les
valeurs propres de Hf (a) alors on a :
Va = a + Ta Γ = ta (Ta Γ)
Remarque Il existe une définition plus générale de vecteur tangent à une partie à
savoir : Soit E un espace vectoriel normé réel et Γ une partie non vide de E et soit
a ∈ Γ. Un vecteur v de E est dit vecteur tangent au point a à Γ s’il existe une suite
(xn ) ∈ (Γ\{a})N et une suite (αn ) ∈ R+ N tel que :
(i)
lim xn = a
n→+∞
Γc = {X ∈ U/f (X) = c}
⟨X − a, ∇f (a)⟩ = 0
c’est-à-dire :
∂f ∂f ∂f
(x1 − a1 ). (a) + (x2 − a2 ). (a) + (x3 − a3 ). (a) = 0
∂x1 ∂x2 ∂x3
348 CHAPITRE 12. CALCUL DIFFÉRENTIEL.
Proposition 329
Pour tout x, y ∈ Rp , on a :
⟨x, y⟩ ≤ ∥x∥∥y∥,
avec égalité si et seulement si x et y sont directement colinéaires.
Preuve:
Rappelons que l’inégalité de Cauchy-Schwarz dans l’espace euclidien Rp dit que
pour tout x, y ∈ Rp on a
|⟨x, y⟩| ≤ ∥x∥∥y∥
avec égalité si et seulement si x et y sont colinéaires.
Il en découle en particulier que : ⟨x, y⟩ ≤ ∥x∥∥y∥. Supposons que cette dernière
inégalité est une égalité, alors on a le cas d’égalité de Cauchy-Schwarz à savoir
x = 0 ou x ̸= 0 et y = αx avec α ∈ R et de plus ⟨x, y⟩ ≥ 0, ce qui donne
λ ≥ 0 donc x et y sont directement colinéaires. Réciproquement cette dernière
condition donne l’égalité : ⟨x, y⟩ = ∥x∥∥y∥.
Proposition 330
Preuve:
g(t) = f (a + te). On sait qu’il existe un voisinage V de 0 tel que g est dérivable
sur V et pour tout t ∈ V , on a :
en particulier :
De f (a) = g ′ (0) = ⟨∇f (a), e⟩
donc par la conséquence ci-dessus de l’inégalité de Cauchy-Schwarz, on a :
Équations différentielles
Dans tout ce qui suit, E désigne un espace vectoriel normé de dimension finie.
13.1 Généralités
13.1.1 Terminologie
Ω désigne un ouvert de R × E ou un ensemble de la forme I × E où I est intervalle
de R. La donnée d’une application f : Ω → E permet de parler de l’équation
différentielle (E) y ′ = f (t, y).
Définition 162
Définition 163
Définition 164
On appelle solution maximale de (E) toute solution (J, φ) tel que si (J1 , φ1 ) est
une solution de (E) tel que (J, φ) est une restriction de (J1 , φ1 ) alors J = J1 et
φ = φ1 .
(E ) y ′ = f (t, y)
351
352 CHAPITRE 13. ÉQUATIONS DIFFÉRENTIELLES
et ⪯ la relation définie sur S(E ) par : pour tout γ1 = (I1 , φ1 ) et γ2 = (I2 , φ2 ) éléments
de S(E ) :
I1 ⊂ I2
γ1 ⪯ γ2 ⇔
φ1 = φ2 /I2
alors ⪯ est une relation d’ordre sur S(E ) et une solution maximale de (E ) n’est autre
qu’un élément maximal de l’ensemble ordonné (S(E ) , ⪯).
Définition 165
Cγ = {(t, φ(t))/t ∈ J}
On dit que (I, φ) est solution de l’équation intégrale associée à (E) et (t0 , y0 ) ∈ Ω :
Z t
(E I ) y(t) = y0 + f (u, y(u))du
t0
Théorème 82
Alors :
1. (PC) admet au moins une solution de la forme (]t0 − α, t0 + α[), ψ) où α
est un nombre réel strictement positif.
2. (PC) admet une et une seule solution maximale (J, φ).
3. Toute solution (J1 , φ1 ) du problème de Cauchy ci-dessus est une restriction
de (J, φ).
1. Si (J, φ) est une solution maximale de (E) alors J est un intervalle ouvert.
2. Les courbes intégrales des solutions maximales de (E) forment une partition
de Ω.
Une équation différentielle du type y ′ α(y) = β(t) est dite à variable séparables.
Généralement une équation de la forme y ′ a(t)b(y) = c(t)d(y) peut se ramener
b(y)
(moyennant des conditions) à la première. C’est : y ′ α(y) = β(t) avec α(y) = et
d(y)
1
β(t) = , les conditions étant celle qui valident les divisons par d(y) d’une part
a(t)
et par a(t) d’autre part.
On peut (moyennant des conditions) les ramener à la forme générale d’une équation
différentielle.
On peut parler d’une équation différentielle y ′ = f (t, y) où f (t, y) = u(t)v(y).
On ne cherche pas à donner un exposé rigoureux là dessus, mais on traitera des
exemples.
Ainsi pour l’équation différentielle à variables séparables : (E) y ′ α(y) = β(t) si A
et B sont des primitives respectives de α et β sur des intervalles adéquats alors si
(J, φ) est une solution de (E) alors : ∀t ∈ J, φ′ (t)α(φ(t)) = β(t), ce qui s’écrit
(A◦φ)′ = B ′ et par suite il existe une constante c tel que ∀t ∈ J, A(φ(t)) = B(t)+c.
Moyennant des conditions qui fonts de A une application injective d’un intervalle
adéquat K vers R de sorte que A induit une bijection de K vers A(K), moyennant
tout ça on obtient : φ(t) = A−1 (B(t) + c) sur un certain sous-intervalle de J.
354 CHAPITRE 13. ÉQUATIONS DIFFÉRENTIELLES
13.2.2.2 Exemples
Exemple 1 : Une équation différentielle linéaire homogène : y ′ = a(t)y (avec a :
y′
I → R continue sur I.) est une équation différentielle à variable séparable : =
y
a(t). Si (J, φ) est une solution tel que φ ne s’annule jamais sur J alors il vient
φ′ (t)
∀t ∈ J, = a(t), donc ln |φ(t)| = A(t) + c où A est une primitive quelconque
φ(t)
de a sur I et c une constante réelle quelconque. d’où : φ(t) = λ exp(A(t)) avec λ
constante réelle arbitraire. On retrouve l’expression de la solution générale d’une
équation différentielle linéaire du premier ordre sans second membre.
1 1 3
Exemple 2 : L’équation différentielle y ′ y 2 = est à variable séparables : y =
1
t2 + 1 3
arctan(t) + c′ , donc y(t) = (c + 3 arctan(t)) 3
dans le cas où b(t) = b1 (t) + b2 (t), ce qui permet par exemple de déterminer des
solutions quand c’est plus facile d’en trouver pour chacune des équations différen-
tielles :
(Ek ) y ′ = a(t)(y) + bk (t)
Proposition 331
Preuve:
En effet si y1 et y2 sont des solutions respectives de (E1 ) et (E2 ) sur I alors elles
′
y1 (t) = a(t)(y(t)) + b1 (t)
sont dérivables sur I et pour tout t ∈ I, on a . Par
y2′ (t) = a(t)(y(t)) + b2 (t)
sommation, et par linéarité de a(t), il vient y ′ (t) = (y1 +y2 )′ (t) = y1′ (t)+y2′ (t) =
a(t)(y1 (t) + y2 (t)) + b1 (t) + b2 (t), donc y ′ (t) = a(t)(y(t)) + b(t), donc y est bien
une solution de (E) sur I.
Théorème 83
Théorème 84
Preuve:
S(EH) est un sous-espace vectoriel de C 1 (I, E), ensemble des applications de
classe C 1 de I vers E, car :
- l’application nulle θ : I → E; t 7→ θ(t) = 0 est une solution de (EH).
- Si φ1 , φ2 sont deux solutions de (EH) et α ∈ K alors φ = φ1 + αφ2 e par
simple vérification une solution de (EH).
L’application Ψ : S(EH) → E; φ 7→ φ(t0 ) est un isomorphisme de l’espace
vectoriel S(EH) vers E. En effet, Ψ est une application car si φ ∈ S(EH) alors
φ est bien définie sur I, en particulier au point t0 . L’application Ψ est linéaire
car si φ1 , φ2 ∈ S(EH) et α ∈ K, alors Ψ(φ1 + αφ2 ) = (φ1 + αφ2 )(t0 ) = φ1 (t0 ) +
αφ2 (t0 ) = Ψ(φ1 ) + αΨ(φ2 ).
Ψ est bijective car si y ∈ E, on sait d’après le théorème de Cauchy-Lipschitz
linéaire qu’il existe une et une unique solution φ de (EH) sur I tel que φ(t0 ) =
y.
Ainsi S(EH) est un espace vectoriel de dimension n.
358 CHAPITRE 13. ÉQUATIONS DIFFÉRENTIELLES
Définition 166
Un système fondamental de solutions (S.F.S.) de (EH)(est donc une base de S(EH) . Si)
n
X
Φ = (φ1 , · · · , φn ) est un S.F.S. de (EH) alors S(EH) = αk φk /(α1 , · · · , αn ) ∈ Kn
k=1
Proposition 332
Preuve:
(1)⇒ (2) : Supposons Φ est un S.F.S de (EH) et soit t ∈ I et α1 , · · · , αn ∈ K
Xn Xn
tel que αk φk (t) = 0. Il en découle que φ = αk φk est une solution
k=1 k=1
de (EH) avec la condition initiale φ(t) = 0. Or la fonction nulle θ est une
solution vérifiant la même condition initiale. Par unicité, en vertu du théorème
de Cauchy-Lipschitz linéaire, on a φ = θ et par liberté de Φ, on a α1 = · · · =
αn = 0.
(2) ⇒ (3) : C’est clair.
(3) ⇒ (1) : Supposons qu’il existe t0 ∈ I tel que Φ(t0 ) est une famille libre de
n
X
E. Alors Φ est libre car si α1 , · · · , αn sont des scalaires tel que αk φk = θ,
k=1
13.3. ÉQUATION DIFFÉRENTIELLE LINÉAIRE 359
La proposition 332 est très utile pour savoir si une famille de solutions est une base
en étudiant uniquement la liberté d’une famillede vecteurs. Considérons par exemple
0 1
le système différentiel : Y ′ = AY avec A = . Ce qui précède nous dit
−6 5
que l’ensemble S des solutions de ce système est un espace vectoriel de dimension
2. Remarquons que ϕ1 (t) = (e2t , 2e2t ) et ϕ2 (t) = (e3t , 3e3t ) sont deux solutions du
système. Par ailleurs, on a ϕ1 (0) = (1, 2) et ϕ2 (0) = (1, 3) et det((1, 2), (1, 3)) =
1 ̸= 0, donc la famille (ϕ1 (0), ϕ2 (0)) est libre et (ϕ1 , ϕ2 ) est un S.F.S. du système
ci-dessus, donc sa solution générale et φ(t) = λϕ1 (t) + µϕ2 (t); λ, µ ∈ R, soit :
φ(t) = (λe2t + µe3t , 2λe2t + 3µe3t ), λ, µ ∈ R.
Théorème 85
Une conséquence de cette proposition est de dire que si f est une solution particulière
de (E) alors comme f est de classe C 1 elle s’écrit de façon unique :
n
X
f= αk ϕ k
k=1
Par unicité donnée par le théorème ci-dessus, f est solution de (E) si et seulement
si : n
f = Xα Φ
k k
k=1
∀k ∈ [[1, n]], α′ = b
k k
360 CHAPITRE 13. ÉQUATIONS DIFFÉRENTIELLES
(E) Y ′ = AY + B(t)
Théorème 86
Y (t) = etA .Λ
avec Λ ∈ Kn .
Preuve:
Supposons que Y est une solution de (EH) et soit Z définie par Z(t) =
e−tA .Y (t), alors Z ′ (t) = −Ae−tA Y (t) + e−tA .Y ′ (t) = 0, donc Z est constante
sur I, donc il existe Λ ∈ Kn tel que Z(t) = Λ pour tout t ∈ I, ce qui fournit :
∀t ∈ I, Y (t) = etA .Λ
Théorème 87
Si Y ∈ C 0 (I, E) alors Y s’écrit de façon unique Y (t) = etA .Θ(t). Y est solution de
(E) si et seulement si Θ de classe C 1 et :
Θ′ (t) = b(t)
13.3. ÉQUATION DIFFÉRENTIELLE LINÉAIRE 361
Z t
−tA
où b(t) = e B(t) pour tout t ∈ I, si et seulement si Θ(t) = Λ + e−uA B(u)du
t0
avec Λ ∈ E, ce qui fournit la solution générale :
Z t
tA −uA t0 ∈ I
Y (t) = e Λ+ e B(u)du avec
t0 Λ∈E
Théorème 88
avec les αk : I → K continues : l’existence est garantie par le fait que si (yk ) sont
les composantes de Y dans la base Γ, on pose αk (t) = yk (t)e−λk t pour tout t ∈ I.
On a alors Y est solution de (E) si et seulement si
où les Bk sont les composantes de B dans la base Γ. Ceci fournit la solution générale
de (E) :
n Z t
X
−λk u λk t t0 ∈ I
Y (t) = µk + Bk (u)e du e Γk avec
t0 µk ∈ K, ∀k ∈ [[1, n]]
k=1
(E) Y ′ = AY + B(t)
où
1 −1 1
A = −1 1 1
−1 −1 3
362 CHAPITRE 13. ÉQUATIONS DIFFÉRENTIELLES
avec
et
∀t ∈ R, B(t) = 0 .
e3t
Commençons par résoudre l’équation différentielle linéaire homogène associée :
(EH) Y ′ = AY.
X −1 1 −1
χA (X) = 1 X −1 −1
1 1 X −3
1 0 −1 0 0 −1
χA (X) = (X − 2)2 0 1 −1 = (X − 2)2 −1 1 −1
1 1 X −3 X −2 1 X −3
Finalement, il vient :
χA = (X − 1)(X − 2)2 ,
donc les valeurs propres
de A sontλ1 = 1, λ2 = λ3 =2 dont des vecteurs propres
1 1 0
associés sont Γ1 = 1 , Γ2 =
0 , Γ3 =
1 donc la forme générale de
1 1 1
la solution de l’équation homogène est Y (t) = α1 et Γ1 + α2 e2t Γ2 + α3 e2t Γ3 . Soit Y
une solution de l’équation (E) et λ(t) = e−tA Y (t) alors Λ est de classe C 1 sur R,
et comme Y est solution de (E), on a Λ′ (t) = e−tA B(t). En projetant la relation
ci-dessus Λ′ (t) = e−tA .B(t) dans la base Γ = (Γ1 , Γ2 , Γ3 ), il vient, en notant bk (t) les
composantes de B(t) relativement à Γ :
3
X 3
X
Λ′ (t) = e−tA bk (t)Γk = bk (t)e−tA Γk
k=1 k=1
et comme :
e−tA .Γk = λk e−λk t
on a :
3
X
′
Λ (t) = bk (t)e−tλk Γk
k=1
En intégrant, il vient :
e2t
Γ1 + α2 + et Γ2 + (α3 + et + e−t )Γ3
Λ(t) = α1 + t −
2
avec (α1 , α2 , α3 ) ∈ R3 .
Il en découle que la solution générale de (E) est :
e3t
t t
Γ1 + α2 e2t + e3t Γ2 + (α3 e2t + e3t + et )Γ3
Y (t) = α1 e + te −
2
∀t ∈ I, an (t) ̸= 0
avec
ak b
∀k ∈ {0, . . . , n − 1}, aek = −et eb =
an an
Désormais on considère donc l’équation différentielle de la forme :
n−1
X
(E) y (n) = ak (t)y (k) + b(t).
k=0
(E)
d Y ′ = A(t).Y + B(t)
\:
(EH) Y ′ = A(t).Y
avec pour tout t ∈ I :
0 ···
0 1 0
.. ... ... ... .. 0
. .
..
B(t) = . .
. . .
A(t) = .. .. .. et
0
0
0 ··· ··· 0 1
b(t)
a0 (t) · · · · · · · · · an−1 (t)
Proposition 333
3. L’application :
Φ : S(EH) → S(EH)
\ ; y 7→ y
b
est un isomorphisme d’espaces vectoriels.
Grâce à cette proposition on peut ramener l’étude d’une équation différentielle li-
néaire d’ordre n à celle d’un système différentielle linéaire d’ordre n. On obtient en
particulier la version du théorème de Cauchy-Lipschitz associée à ce cas.
Théorème 89
On en déduit en particulier la :
Proposition 334
Théorème 90
Preuve:
Il suffit d’appliquer la variation des constantes à (E). On note B l’application
13.3. ÉQUATION DIFFÉRENTIELLE LINÉAIRE 367
c’est-à-dire :
β1 ϕ1 + · · · + βn ϕn = 0
′ ′
β1 ϕ1 + · · · + βn ϕn = 0
..
(2)′ .
(n−2)
+ · · · + βn ϕ(n−2)
β1 ϕ1 n =0
(n−t)
(n−1)
β1 ϕ1 + · · · + βn ϕn =b
13.3.6.2 Cas n = 2
On considère l’équation différentielle :
t0 ∈ I
λ1 , λ2 ∈ K
Théorème 91
Preuve:
Si y est une solution de (EH) alors y est de classe C n par définition. Une
récurrence immédiate permet de prouver que y est de classe C k pour tout
k ≥ n.
Soit D l’application de C ∞ (I, K) vers C ∞ (I, K) défini par D(f ) = f ′ pour tout
f ∈ C ∞ (I, K). Il est clair que l’application D est un endomorphisme de C ∞ (I, K),
n−1
X
par suite si on pose P (X) = X n − ak X k , on a P ∈ K[X] et P (D) est aussi un
k=0
endomorphisme de C ∞ (I, K).
Théorème 92
Preuve:
Soit y ∈ C∞ (I, K), alors : puisque pour tout k ∈ N on ay (k) = Dk (y), on a :
n−1
X
y ∈ S(EH) ⇔ y (n) = ak y (k)
k=0
n−1
X
⇔ Dn (y) = ak Dk (y)
k=0
n−1
X
⇔ (Dn − ak Dk )(y) = 0
k=0
⇔ P (D)(y) = 0
⇔ y ∈ ker(D)
Par récurrence :
Pour k = 0 ça donne g(t) = f (t)e−λt , c’est la définition de g.
Soit k ∈ N tel que la propriété est vraie.
Dk+1 (g)(t) = [D ◦ (D − λ Id)k − λ(D − λ Id)k ](f )(t)e−λt = (D − λ Id)k+1 (f )(t)e−λt
Il en découle que f ∈ ker(D − λ Id)m ⇔ Dm (g) = 0 ⇔ g ∈ C ∞ (I, K) ∩ Km−1 [t].
Ceci permet de dire que :
Théorème 93
(t 7→ tj eλk t ) 1≤k≤s
0≤j≤mk −1
avec µj ∈ R et λk ∈ C\R tel que I m(λk ) > 0 et les (µj )j∈[[1,r]] et les (λk =
αk + iβk )k∈[[1,s]] deux à deux distinctes alors un système fondamentale de solutions
de (EH) est :
Fonctions holomorphes
14.1 Généralité
Si E est un C−espace vectoriel on peut le considérer aussi comme un R− espace
vectoriel pour la même loi interne et la restriction de la loi externe. Si de plus E
est de dimension finie n comme C−espace vectoriel, il est de dimension 2n comme
R−espace vectoriel. On notera dimC (E) et dimR (E) les deux dimensions respectives.
On notera aussi LC (E) et LR (E) les espaces respectifs des endomorphismes de E
dans chacun des cas respectifs.
On remarque que LC (E) ⊂ LR (E) mais l’inclusion réciproque n’a pas lieu. On peut
cependant caractériser plus simplement une application C− linéaire si on sait déjà
qu’elle est linéaire.
Proposition 335
∀x ∈ E, f (ix) = if (x)
Preuve:
En effet si f est R linéaire et réalise la condition ci-dessus, le problème est de
prouver que f (zu) = zf (u), ∀(z, u) ∈ C×E. Écrivons, z = x+yi, x, y ∈ R alors
f (zu) = f (xu+iyu) = xf (u)+yf (iu) par R−linéarité, et comme f (iu) = if (u),
on a f (zu) = xf (u) + iyf (u) = zf (u).
Proposition 336
373
374 CHAPITRE 14. FONCTIONS HOLOMORPHES
Preuve:
Si on suppose que f est R−linéaire et (2) ci dessus alors on a :
n
X n
X n
X
f (iu) = f (izk ek ) = izk f (ek ) = i f (zk ek ) = if (u)
k=1 k=1 k=1
Corollaire 23
Preuve:
Il suffit de remarquer que (1) est une base de C.
14.2.1 Convention
On rappelle que φ : R2 → C, (x, y) 7→ x+yi est un isomorphisme de R−espace vectoriel,
et que si on note Ũ = φ−1 (U ) et f˜ : Ũ → C l’application f˜ = f ◦ φ−1 , définie par
f˜(x, y) = f (x + yi) pour tout (x, y) ∈ Ũ , alors on pourra identifier quand elles
existent les dérivées partielles de f et f˜ de sorte que, si ã = φ−1 (a) :
∂ f˜ ∂f ∂ f˜ ∂f
(ã) = (a) = D1 f (a) et (ã) = (a) = Di f (a)
∂x ∂x ∂y ∂y
c’est à dire les dérivée suivant les vecteurs de la base canonique (1, i) considéré
comme R−espace vectoriel.
14.2. FONCTIONS HOLOMORPHES 375
f (z) − f (a)
On dit que f est C− dérivable au point a si z 7→ admet une limite
z−a
quand z tends vers a. Cette limite si elle existe est notée f ′ (a).
Proposition 337
∂f ∂f
(a) = i (a).
∂y ∂x
Preuve:
En effet d’après la proposition 2 et compte tenu du fait que (i) est une base
de C, on a df (a) est C−linéaire si et seulement si df (a)(i) = idf (a)(1). Or
∂f ∂f
df (a)(1) = (a) et df (a)(i) = (a), ce qui prouve le résultat.
∂x ∂y
Proposition 338
Preuve:
En effet : Si f est C−dérivable au point a alors pour h voisin de 0, on a :
∂f
f (a + h) = f (a) + h (a) + o(|h|)
∂x
donc :
f (a + h) − f (a) ∂f
lim = (a)
h→0 h ∂x
et par suite f est C−dérivable au point a et :
∂f
f ′ (a) = (a)
∂x
Comme f (a + h) = f (a) + f ′ (a)h + o(|h|), on a ∀h ∈ C, df (a)(h) = f ′ (a)h
Définition 168
Ainsi :
Proposition 339
Preuve:
Ce n’est qu’une autre façon d’exprimer la proposition 338.
14.2. FONCTIONS HOLOMORPHES 377
Définition 169
∂f ∂f
Rappelons que f est de classe C 1 sur U si les dérivées partielles et existent
∂x ∂y
et sont continues sur U , ce qui donne :
Proposition 340
Preuve:
∂f
En effet, si f est holomorphe sur U alors elle est différentiable sur U et = f′
∂x
∂f
et = if ′ montre que les dérivées pareilles sont continues sur U . réciproque-
∂y
ment si f est de classe C 1 et vérifie les conditions de Cauchy-Riemann alors f
est différentiable et vérifie les conditions de Cauchy-Riemann donc elle est C−
∂f
dérivable. Or f ′ = , donc f ′ est continue sur U.
∂x
1 f
Si de plus g(a) ̸= 0 alors et sont C-dérivables au point a et :
g g
′
g ′ (a)
1
(a) = −
g ′ (g(a))2
f f (a)g(a) − f (a)g ′ (a)
′
(a) =
g (g(a))2
Proposition 342
Preuve:
Conséquence immédiate de la proposition 341.
Proposition 343
Preuve:
Supposons que f C− dérivable au point a et que g est C−dérivable au point
f (a), alors g ◦ f est différentiable au point a et d(g ◦ f )(a) = dg(f (a)) ◦ df (a).
Il en découle que :
∂(g ◦ f )
(a) = Di (g ◦ f )(a)
∂y
= d(g ◦ f )(a)(i)
= dg(f (a))(df (a)(i))
∂f
= dg(f (a)) (a)
∂y
∂f ∂f
Comme f vérifie les conditions de Cauchy-Riemann, on a : (a) = i (a) et
∂y ∂x
14.3. FONCTIONS ANALYTIQUES 379
par suite :
∂(g ◦ f ) ∂f
(a) = dg(f (a)) i (a)
∂y ∂x
∂f
= idg(f (a)) (a)
∂x
= idg(f (a))(df (a)(1))
= id(g ◦ f )(a)(1)
∂(g ◦ f )
= i (a)
∂x
Ainsi on a démontré que g ◦ f est différentiable au point a et elle vérifie les
CCR au pont a , donc g ◦ f est C−dérivable au point a.
Finalement, on a :
′ ∂(g ◦ f ) ∂f
(g◦f ) (a) = (a) = dg(f (a)) (a) = dg(f (a))(f ′ (a)) = g ′ (f (a))f ′ (a)
∂x ∂x
Corollaire 24
Preuve:
C’est une conséquence immédiate de la proposition 343
On dit que f est analytique sur U si pour tout a ∈ U il existe ra > 0 et une
380 CHAPITRE 14. FONCTIONS HOLOMORPHES
Cela revient à dire que h 7→ f (a + h) qui est bien définie sur un voisinage de 0 est
développable en série entière à l’origine ou tout simplement que f est développable
en série entière au voisinage de tout point de U .
valable pour tout h ∈ C tel que |h| < R − |z0 |. Notons que si R = +∞ ce
résultat est valable pour tout h ∈ C.
Proposition 344
X
Si an z n une série entière de rayon de convergence R ∈ R∗+ ∪ {+∞} alors la
fonction série entière associée est analytique sur son disque de convergence ∆R .
précisément pour tout z0 ∈ ∆R , l’application
h 7→ f (z0 + h) est developable en
r = R − |z0 | si R < +∞
série entière sur le disque ∆r où
r = +∞ si R = +∞
Preuve:
Déjà donnée ci-dessus.
Définition 171
On dit que f est infiniment C−dérivable sur U si f est holomorphe si pour tout
n ∈ N∗ , si l’application f (n) existe alors f (n) est holomorphe sur U .
Remarque On verra par la suite que si f est holomorphe alors f est infiniment
dérivable, donc la définition 171 n’est que provisoire.
Proposition 345
X
Soit an z n une série entière de rayon de convergence R > 0, alors la fonction
série entière f est holomorphe sur le disque de convergence ∆R et on a :
+∞
X
′
∀z ∈ ∆R , f (z) = nan z n−1
n=1
382 CHAPITRE 14. FONCTIONS HOLOMORPHES
Preuve:
1
Soit z0 ∈ ∆R et r = (R − |z0 |) . Pour tout z ∈ ∆z0 ,r on a |z − z0 | < r, donc
2
1
|z| ≤ |z0 | + |z − z0 | < (R + |z0 |) = ρ. On a aussi |z0 | ≤ ρ et ρ < R.
2
Pour tout z ∈ ∆z0 ,r , on a :
+∞
X +∞
X
n
f (z) − f (z0 ) = an (z − z0n ) = (z − z0 ) un (z)
n=0 n=1
où
n−1
X
∗
∀n ∈ N , ∀z ∈ ∆z0 ,r , un (z) = ak z k z0n−1−k
k=0
X
de sorte que |un (z)| ≤ n|an |ρn−1 , et comme la série n|an |ρn−1 est conver-
X X
gente(Rappelons que les séries entières an zn et nan z n−1 ont le même
X
rayon de convergence), la série un converge normalement donc uniformé-
ment sur ∆z0 ,r , et par suite
+∞
f (z) − f (z0 ) X
lim = an nz0n−1
z→z0 z − z0 n=1
On sait par ailleurs que f est continue sur son disque de convergence, donc f
est holomorphe sur ∆R .
Corollaire 25
X
Soit an z n une série entière de rayon de convergence R > 0. La fonction série
entière f définie par :
+∞
X
f (z) = an z n
n=0
Preuve:
C’est une conséquence immédiate de la proposition 345 et un raisonnement par
récurrence en tenant en compte qu’une série entière et sa série dérivée ont le
même rayon de convergence.
Proposition 346
X
Soit an z n une série entière de rayon de convergence R > 0, alors pour tout
p ∈ N, et tout nombre réel r tel que 0 < r < R, on a :
Z 2π
f (p) (0) 1
ap = = e−ipt f (reit ) dt
n! 2πrp 0
Preuve:
Le corollaire 25 nous donne f (p) (0) = p!ap , d’où la première égalité.
Pour la seconde on a :
+∞
X
it
f (re ) = an rn eint ,
n=0
donc :
+∞
X +∞
X
−ipt it n i(n−p)t
e f (re ) = an r e = fn (t)
n=0 n=0
où
fn (t) = an rn ei(n−p)t ,
en particulier fn est continue et intégrable sur [0, 2π] et
Z 2π
|fn | = 2π|an |rn
0
est le terme général d’une série convergente, ce qui valide l’intégration terme à
terme. Compte tenu de :
Z 2π
0 si n ̸= p
fn (t) dt =
0 2πap rp si n = p
on a : Z 2π
e−ipt f (reit ) dt = 2πap rp ,
0
d’où la valeur ci-dessus de ap .
384 CHAPITRE 14. FONCTIONS HOLOMORPHES
Théorème 94
on a :
2π
f (p) (z0 )
Z
1
∀r ∈]0, R[, ∀p ∈ N, ap = = e−ipt f (z0 + reit ) dt
n! 2πrp 0
Preuve:
Soit f : U → C analytique sur U et soit z0 ∈ U . Par définition, il existe R > 0
et une suite de nombres complexes (an ) tel que :
+∞
X
∀z ∈ ∆z0 ,R , f (z) = an (z − z0 )n
n=0
D’après le corollaire 25, g est infiniment dérivable sur ∆R . Donc par composi-
tion, on a f (p) est holomorphe sur ∆R et :
14.3.2.4 La réciproque
Théorème 95
Preuve:
Théorème admis
Théorème 96
Preuve:
Si f est holomorphe elle est analytique, donc infiniment C− dérivable.
Lemme 6
Preuve:
Supposons que [0, 1] = W1 ∪ W2 et W1 et W2 deux ouverts de [0, 1] tel que
{W1 , W2 } est une partition de [0, 1]. Comme 1 ∈ [0, 1], on a 1 ∈ W1 ou 1 ∈ W2 .
Supposons par exemple que 1 ∈ W2 alors 1 ̸∈ W1 . Comme W1 est une partie
non vide majorée de R, elle admet une borne supérieure α dans R. Si α = 0
on aurait W1 = {0}, or {0} n’est pas un overt de [0, 1] car cela signifie qu’il
existe η > 0 tel que ] − η, η[∩[0, 1] = {0}, ce qui n’est pas vrai car on aurait
[0, η ′ [⊂ {0} avec η ′ = min(η, 1). Donc α > 0. Si α ̸∈ W2 , par ouverture, il existe
ε > 0 tel que α − ε, α[⊂ W2 , donc on aurait W1 ⊂ [0, α − ε], ce qui contredit la
définition de α comme borne supérieur de W1 , et comme 1 ∈ W2 , on a α < 1,
donc il existe r > 0 tel que [α, α + r[⊂ W1 , e qui contredit la définition de α
comme borne supérieur de W1 .
Lemme 7
Soit Ω un ouvert connexe par arcs de C, alors les eules parties de Ω à la fois
ouvertes et fermées dans Ω sont Ω et ∅.
Preuve:
Si Ω = ∅, le résultat est évident, sinon, soit A une partie de Ω à la fois ouverte
et fermée dans Ω. Supposons que :
A ̸= ∅ et A ̸= Ω,
Lemme 8
∀n ∈ N, f (n) (z0 ) = 0
Preuve:
Soit W = {z ∈ Ω/∀n ∈ N, f (n) (z) =\0}. On a W ̸= ∅ car z0 ∈ W .
• W est une fermé de Ω car W = Wn , avec Wn = {z ∈ Ω/f (n) (z) = 0} et,
n∈N
pour tout n ∈ N, Wn est un fermé de Wn , par continuité de f (n) et le fait que
{0} est un fermé de C.
• W est un ouvert de Ω car si a ∈ W , on a a ∈ Ω, comme f est holomorphe,
elle est analytique au point a donc il existe ρ > 0 tel que B(a, ρ) ⊂ Ω et
+∞ (n)
X f (a)
∀z ∈ B(a, ρ), f (z) = (z − a)n = 0
n=0
n!
Théorème 97
(Principe des zéros isolés :) Soit Ω un ouvert non vide connexe par arcs
de C. Si f : Ω → C est une fonction holomorphe non nulle sur Ω alors pour tout
z0 ∈ Ω tel que f (z0 ) = 0, il existe r > 0 tel que B(z0 , r) ⊂ Ω et z0 est l’unique
zéro de f sur B(z0 , r).
Preuve:
Comme f est non nulle, par le lemme 8, il existe un entier naturel n tel que
f (n) (z0 ) ̸= 0. Soit p = min{n ∈ N/f (n) (z0 ) ̸= 0}. Comme f est analytique, et
compte tenu de la définition de p, il existe r′ > 0 tel que :
+∞ (n)
X f (z0 )
∀z ∈ B(z0 , r′ ), f (z) = (z − z0 )n = (z − z0 )p g(z)
n=p
n!
388 CHAPITRE 14. FONCTIONS HOLOMORPHES
avec
+∞ (n)
′
X f (z0 )
∀z ∈ B(z0 , r ), g(z) = (z − z0 )n−p
n=p
n!
Théorème 98
Preuve:
Cela revient à prouver que si f est nulle sur U et F holomorphe sur Ω et
prolonge f sur Ω, alors F est nulle. Si F n’est pas nulle, soit z0 ∈ U ; par le
théorème 97 (principe des zéros isolés), ci-dessus, il existe r > 0 tel que z0 soit
l’unique zéro de F sur B(z0 , r), donc sur U ∩ B(z0 , r), ce qui est absurde car
B(z0 , r) ∩ U étant un ouvert non vide de C, il est infini et F y serait nulle car
nulle sur U .