Cours 1

Table des matières
2 Groupes, anneaux : Rappels et compléments 9

2.1 Groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1 Définitions, exemples . . . . . . . . . . . . . . . . . . . . . . 9
2.1.2 Sous-groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.3 Morphismes de groupes . . . . . . . . . . . . . . . . . . . . . 12
2.1.4 Groupe engendré par une partie . . . . . . . . . . . . . . . . 15
2.1.5 Produit fini de groupes . . . . . . . . . . . . . . . . . . . . . 19
2.1.6 Élément d’ordre fini d’un groupe . . . . . . . . . . . . . . . . 19
2.1.7 Etude des groupes monogène . . . . . . . . . . . . . . . . . . 21
2.1.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Anneaux et corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1 Anneaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2 Corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.3 Idéal d’un anneau . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.4 Le cas A = Z ou A = K[X], où K est un sous-corps de C . . 28
2.3 Z/nZ : Compléments . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.1 L’anneau Z/nZ . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.2 Le groupe des inversibles de l’anneau Z/nZ. . . . . . . . . . . 35
2.4 Structure d’algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.4.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.4.2 Sous-algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4.3 Morphisme d’algèbre . . . . . . . . . . . . . . . . . . . . . . 40
3 Réduction des endomorphismes 41

3.1 Rappels et Compléments . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1.1 Famille génératrice, famille libre, base, dimension . . . . . . . 41
3.1.2 Somme de sous-espaces vectoriels . . . . . . . . . . . . . . . . 45
3.1.3 Application linéaire canoniquement associée à une matrice. . 47
3.1.4 Changement de base . . . . . . . . . . . . . . . . . . . . . . 48
1
TABLE DES MATIÈRES Cours deuxiéme année MP
3.1.5 Matrices carrées semblables . . . . . . . . . . . . . . . . . . . 50

3.1.6 Rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.1.7 Déterminant . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.2 Polynômes d’endomorphismes, polynôme minimal . . . . . . . . . . . 60
3.2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.2.2 Cas des matrices carrées . . . . . . . . . . . . . . . . . . . . 63
3.2.3 Quelques remarques importantes . . . . . . . . . . . . . . . 64
3.3 Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.3.1 Définitions et premières propriétés . . . . . . . . . . . . . . . 65
3.3.2 Interprétation matricielle . . . . . . . . . . . . . . . . . . . . 67
3.3.3 Polynôme minimal et stabilité . . . . . . . . . . . . . . . . . 67
3.4 Lemme de décomposition des noyaux . . . . . . . . . . . . . . . . . 68
3.4.1 Le lemme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.4.2 Cas particulier intéressant : Si P (u) = 0 . . . . . . . . . . . . 70
3.4.3 Exemples fondamentaux . . . . . . . . . . . . . . . . . . . . 70
3.5 Éléments propres d’un endomorphisme, d’une matrice carrée . . . . . 70
3.5.1 Définitions et premières propriétés . . . . . . . . . . . . . . . 70
3.5.2 Cas de la dimension finie, polynôme caractéristique . . . . . 75
3.6 Valeurs propres et polynômes annulateur . . . . . . . . . . . . . . . 80
3.6.1 Théorème de Cayley-Hamilton . . . . . . . . . . . . . . . . . 80
3.6.2 Autres liens entre χA etµA . . . . . . . . . . . . . . . . . . . 82
3.7 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.7.1 Endomorphisme, matrice diagonalisable . . . . . . . . . . . . 82
3.7.2 Autres caractérisation des endomorphismes diagonalisables . . 85
3.8 Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.8.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.8.2 Caractérisation par les polynômes caractéristique . . . . . . . 89
3.8.3 Endomorphismes et matrices nilpotents . . . . . . . . . . . . 91
3.8.4 Une autre réduction d’endomorphisme trigonalisable . . . . . 92
4 Espace vectoriels normés 96

4.1 Norme sur un espace vectoriel : . . . . . . . . . . . . . . . . . . . . 96
4.1.1 Norme, semi norme, distance . . . . . . . . . . . . . . . . . . 96
4.1.2 Exemples de normes . . . . . . . . . . . . . . . . . . . . . . . 102
4.1.3 Boule, sphère . . . . . . . . . . . . . . . . . . . . . . . . . . 103
4.1.4 Partie bornée d’un espace vectoriel normé , application bornée 104
4.1.5 Application lipschitzienne . . . . . . . . . . . . . . . . . . . . 106
4.1.6 Ouvert, Fermé . . . . . . . . . . . . . . . . . . . . . . . . . 107
Mohamed Ait Lhoussain page 2

4.1.7 Voisinage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

4.1.8 Topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
4.1.9 Normes équivalentes . . . . . . . . . . . . . . . . . . . . . . . 109
4.1.10 Points adhérents, adhérence . . . . . . . . . . . . . . . . . . . 111
4.1.11 Points intérieurs,intérieur d’une partie d’un espace vectoriel
normé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.1.12 Frontière . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
4.1.13 Norme produit . . . . . . . . . . . . . . . . . . . . . . . . . . 114
4.2 Suites dans un espace vectoriel normé, convergence . . . . . . . . . . 115
4.2.1 Le K − espace vectoriel E N des suites à valeurs dans E . . . . 115
4.2.2 Suites convergentes . . . . . . . . . . . . . . . . . . . . . . . 116
4.2.3 Valeur d’adhérence d’une suite . . . . . . . . . . . . . . . . . 117
4.2.4 Suites de Cauchy, espace vectoriel normé complet . . . . . . . 118
4.2.5 Suite dans un espace normé produit . . . . . . . . . . . . . . 119
4.2.6 Caractérisation séquentielle de la fermeture et de l’adhérence
d’une partie . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.3 Limites et continuité des fonctions . . . . . . . . . . . . . . . . . . . 121
4.3.1 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.3.2 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.3.3 Topologie et continuité . . . . . . . . . . . . . . . . . . . . . 125
4.3.4 Continuité uniforme . . . . . . . . . . . . . . . . . . . . . . . 127
4.4 Compacité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
4.4.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . 129
4.5 Applications linéaires et multilinéaires continues . . . . . . . . . . . 133
4.5.1 Application linéaires continues . . . . . . . . . . . . . . . . . 133
4.5.2 Application multilinéaires continues . . . . . . . . . . . . . . 134
4.6 Espaces vectoriels normés de dimension finies . . . . . . . . . . . . . 136
4.6.1 Les compacts de (Kn , k.k∞ ) . . . . . . . . . . . . . . . . . . . 136
4.6.2 Equivalence des normes en dimension finie . . . . . . . . . . . 137
4.6.3 Compacité en dimension finie . . . . . . . . . . . . . . . . . . 138
4.6.4 Applications linéaires et multiplinéaires continues en dimen-
sion finie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
4.6.5 Complétude et dimension finie . . . . . . . . . . . . . . . . . 142
4.7 Connexes par arcs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
4.7.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
4.7.2 Connexité par arcs et continuité . . . . . . . . . . . . . . . . 146
4.7.3 Composantes connexes par arcs d’une partie . . . . . . . . . . 147
4.7.4 Méthodes pour montrer qu’une partie est connexe par arcs. . 147

5 Espaces préhilbertiens réels. 149

5.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
5.1.1 Produit scalaire, espaces préhilbertiens réels . . . . . . . . . . 149
5.1.2 Inégalité de Cauchy-Shwarz, inégalité de Minkowski . . . . . . 150
5.1.3 Identités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
5.2 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
5.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
5.2.2 Orthogonal d’une partie . . . . . . . . . . . . . . . . . . . . . 152
5.2.3 Familles orthogonales, familles orthonormées . . . . . . . . . 154
5.2.4 Expression du produit scalaires dans une base orthonormée . 156
5.2.5 Conséquences : Théorème de représentation, supplémentaire
orthogonal d’une sous-espace vectoriel de dimension finie . . . 157
5.3 Projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . 160
5.3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
5.3.2 Cas où F est de dimension finie . . . . . . . . . . . . . . . . 162
5.4 Bases hilbertiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
5.5 Espaces euclidiens : rappels et compléments . . . . . . . . . . . . . 165
5.5.1 Matrices orthogonales, endomorphismes orthogonaux . . . . . 165
5.5.2 Réduction des matrices et endomorphismes orthogonaux . . . 168
5.5.3 Endomorphismes et matrices symétriques . . . . . . . . . . . 174
6 Intégrales généralisées, séries numériques. 180

6.1 Intégrales généralisées . . . . . . . . . . . . . . . . . . . . . . . . . . 180
6.1.1 Fonctions continues par morceaux : Rappels . . . . . . . . . . 180
6.1.2 Intégrales généralisées . . . . . . . . . . . . . . . . . . . . . . 182
6.1.3 Cas des fonctions positives . . . . . . . . . . . . . . . . . . . 184
6.1.4 Intégrales de références usuelles . . . . . . . . . . . . . . . . . 185
6.1.5 Conséquences : Les tests tα et |t − a|α . . . . . . . . . . . . . 186
6.1.6 Techniques d’intégration . . . . . . . . . . . . . . . . . . . . 188
6.2 Séries numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
6.2.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
6.2.2 Séries à termes positifs . . . . . . . . . . . . . . . . . . . . . 191
6.2.3 Série de référence . . . . . . . . . . . . . . . . . . . . . . . . 192
6.2.4 Regle de D’Alembert pour les séries numériques . . . . . . . . 193
6.2.5 Séries alternées . . . . . . . . . . . . . . . . . . . . . . . . . 194
6.2.6 Séries absolument convergentes . . . . . . . . . . . . . . . . . 195
6.3 Sommation des relations de comparaison. Comparaison séries et inté-
grales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196

6.3.1 Sommation des relations de comparaison pour les séries . . . 196

6.3.2 Sommation des relations de comparaison pour les intégrales . 197
6.3.3 Série et intégrales . . . . . . . . . . . . . . . . . . . . . . . . 198
7 Fonction vectorielles à variable réelle 200

7.1 Dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
7.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
7.1.2 Opérations . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
7.1.3 Dérivées d’ordre supérieur, fonction de classe C k . . . . . . . 204
7.2 Intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
7.2.1 Définition de l’intégrale sur un segment d’un fonction CM . . 206
7.2.2 Linéarité et additivité de l’intégrale . . . . . . . . . . . . . . 207
7.2.3 Sommes de Riemann . . . . . . . . . . . . . . . . . . . . . . 207
7.2.4 Inégalité triangulaire . . . . . . . . . . . . . . . . . . . . . . 208
7.2.5 Intégrale et primitive . . . . . . . . . . . . . . . . . . . . . . 208
7.2.6 Techniques d’intégration . . . . . . . . . . . . . . . . . . . . 210
7.2.7 Inégalité des accroissements finis . . . . . . . . . . . . . . . . 211
7.2.8 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . 211
7.3 Arcs paramètrés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
8 Séries dans
un espace vectoriel normé,
familles sommables
de nombres complexes. 214
8.1 Ensembles dénombrables . . . . . . . . . . . . . . . . . . . . . . . . 214
8.2 Familles sommables de nombres complexes . . . . . . . . . . . . . . 217
8.2.1 Familles sommables de nombres réels positifs . . . . . . . . . 217
8.2.2 Familles sommables de nombres complexes . . . . . . . . . . 219
8.2.3 Propriétés de la somme . . . . . . . . . . . . . . . . . . . . . 220
8.2.4 Suites doubles . . . . . . . . . . . . . . . . . . . . . . . . . . 222
8.2.5 Série produit de Cauchy . . . . . . . . . . . . . . . . . . . . . 223
8.3 Séries dans un espace vectoriel normé de dimension finie . . . . . . . 224
8.3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
8.3.2 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
8.3.3 Série absolument convergente . . . . . . . . . . . . . . . . . . 227
8.4 Séries dans une algèbre normée de dimension finie . . . . . . . . . . 227
8.4.1 algèbre normée de dimension finie . . . . . . . . . . . . . . . 227

9 Suites et séries de fonctions (I) :

Modes de convergences. 233
9.1 Modes de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . 233
9.1.1 Suite de fonctions . . . . . . . . . . . . . . . . . . . . . . . . 233
9.1.2 Série de fonctions . . . . . . . . . . . . . . . . . . . . . . . . 235
9.2 Convergence uniforme et continuité . . . . . . . . . . . . . . . . . . 237
9.2.1 Interversion des limites . . . . . . . . . . . . . . . . . . . . . 237
9.2.2 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
9.3 L’espace vectoriel normé B(X, F ) . . . . . . . . . . . . . . . . . . . 241
9.3.1 L’espace (B(X, F ), k.k∞ ) . . . . . . . . . . . . . . . . . . . . 241
9.3.2 L’espace normé C 0 ([a, b], K) . . . . . . . . . . . . . . . . . . . 242
9.3.3 Les espaces CM([a, b], K) et E ([a, b], K) . . . . . . . . . . . . 243
10 Suites et séries de fonctions (II) :

Dérivabilité et Intégration. 245
10.1 Convergence uniforme et intégration . . . . . . . . . . . . . . . . . . 245
10.1.1 Segment , convergence uniforme . . . . . . . . . . . . . . . . 245
10.1.2 Intervalle quelconque . . . . . . . . . . . . . . . . . . . . . . 246
10.2 Dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
10.2.1 Théorème pour les fonctions de classe C 1 . . . . . . . . . . . 247
10.2.2 Extension des théorèmes ci-dessus : classe C k , k ≥ 1. . . . . . 248
10.3 Intégrale avec paramètre . . . . . . . . . . . . . . . . . . . . . . . . 249
10.3.1 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
10.3.2 Dérivabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
11 Séries entières 253

11.1 Définitions : Séries entières, convergence . . . . . . . . . . . . . . . . 253
11.1.1 Définition, lemme d’Abel . . . . . . . . . . . . . . . . . . . . 253
11.1.2 Rayon de convergence . . . . . . . . . . . . . . . . . . . . . . 254
11.1.3 Disque, Intervalle de convergence . . . . . . . . . . . . . . . . 255
11.1.4 Quelques propriétés du rayon de convergence . . . . . . . . . 255
11.1.5 Somme et produit de deux séries entières . . . . . . . . . . . 258
11.2 Propriétés de la fonction somme . . . . . . . . . . . . . . . . . . . . 259
11.2.1 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
11.2.2 Dérivabilité et intégration . . . . . . . . . . . . . . . . . . . . 260
11.3 Développement en série entière . . . . . . . . . . . . . . . . . . . . . 261
11.3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
11.3.2 Développements en série entière usuels . . . . . . . . . . . . . 262

12 Probabilités 264
12.1 Rappels et compléments . . . . . . . . . . . . . . . . . . . . . . . . . 264
12.1.1 Espace probabilisé . . . . . . . . . . . . . . . . . . . . . . . . 264
12.1.2 Indépendance, Probabilité conditionnelle . . . . . . . . . . . . 272
12.2 Variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
12.2.1 Définitions, premières propriétés . . . . . . . . . . . . . . . . 277
12.2.2 Loi d’une variable aléatoire . . . . . . . . . . . . . . . . . . . 279
12.2.3 Fonction de répartition . . . . . . . . . . . . . . . . . . . . . 280
12.2.4 Indépendance des v.a.r, conditionnement . . . . . . . . . . . 282
12.2.5 Variables aléatoires réelles discrètes . . . . . . . . . . . . . . 283
12.2.6 Variables aléatoires continues à densité . . . . . . . . . . . . . 286
12.2.7 Somme de deux variables aléatoires indépendantes . . . . . . 291
12.2.8 Moments, espérance, variance, écart type d’une v.a.r. . . . . . 293
12.3 Fonction génératrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
12.3.1 Définition, propriétés . . . . . . . . . . . . . . . . . . . . . . 303
12.3.2 Fonction génératrice d’une somme de v.a.r. indépendantes . . 308
12.4 Inégalités, Convergence . . . . . . . . . . . . . . . . . . . . . . . . . 308
12.4.1 Inégalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
12.4.2 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
12.4.3 Lois faible des grands nombres et théorème limite central . . . 314
12.5 Annexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
12.5.1 Tableau récapitulatif des variables aléatoires réelles discrètes
usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
12.5.2 Tableau récapitulatif des variables aléatoires réelles continues
à densité usuelles : . . . . . . . . . . . . . . . . . . . . . . . . 317
12.5.3 Stabilité de certaines lois . . . . . . . . . . . . . . . . . . . . 318
13 Calcul différentiel. 321

13.1 application différentiable . . . . . . . . . . . . . . . . . . . . . . . . 321
13.1.1 Dérivée suivant un vecteur . . . . . . . . . . . . . . . . . . . 321
13.1.2 Application différentiable . . . . . . . . . . . . . . . . . . . . 323
13.1.3 Différentiabilité et dérivées partielles . . . . . . . . . . . . . . 328
13.1.4 Matrice jacobienne, jacobien . . . . . . . . . . . . . . . . . . 331
13.1.5 Opérations sur les applications différentiables . . . . . . . . . 333
13.2 Fonction de classe C k , k ∈ N∗ ∪ {∞} . . . . . . . . . . . . . . . . . . 341
13.2.1 Fonction de classe C 1 . . . . . . . . . . . . . . . . . . . . . . 341
13.2.2 Fonctions de classe C k , k ∈ N ∪ {∞} . . . . . . . . . . . . . . 347
13.2.3 Formule de Taylor d’ordre 2 . . . . . . . . . . . . . . . . . . 350

13.3 Fonction à valeur réelle . . . . . . . . . . . . . . . . . . . . . . . . . 350

13.3.1 Gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350
13.3.2 Extrêmums . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
13.3.3 Application à la géométrie différentielle . . . . . . . . . . . . 357
14 Équations différentielles 361

14.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
14.1.1 Terminologie . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
14.1.2 Problème de Cauchy . . . . . . . . . . . . . . . . . . . . . . . 362
14.1.3 Équation intégrale associée à une équation différentielle . . . . 362
14.2 Équation différentielle non linéaire . . . . . . . . . . . . . . . . . . . 363
14.2.1 Généralités, théorème de Cauchy-Lipschitz . . . . . . . . . . 363
14.2.2 Équation différentielle à variables séparables . . . . . . . . . . 363
14.3 Équation différentielle linéaire . . . . . . . . . . . . . . . . . . . . . 364
14.3.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
14.3.2 Principe de superposition . . . . . . . . . . . . . . . . . . . . 365
14.3.3 Théorème de Cauchy-Lipschitz linéaire . . . . . . . . . . . . . 366
14.3.4 Conséquence : Structure des espaces de solutions . . . . . . . 367
14.3.5 Système différentiel linéaire à coefficients constants . . . . . . 370
14.3.6 Équation différentielle scalaire linéaire d’ordre n . . . . . . . 374
15 Fonctions holomorphes 383

15.1 Généralité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 383
15.2 Fonctions holomorphes . . . . . . . . . . . . . . . . . . . . . . . . . 384
15.2.1 Convention . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385
15.2.2 Fonction C− dérivable . . . . . . . . . . . . . . . . . . . . . 385
15.2.3 Fonction holomorphe . . . . . . . . . . . . . . . . . . . . . . 387
15.2.4 Sous-algèbre H (U ) des fonctions holomorphes sur U . . . . . 388
15.3 Fonctions analytiques . . . . . . . . . . . . . . . . . . . . . . . . . . 390
15.3.1 Définitions, exemples . . . . . . . . . . . . . . . . . . . . . . 390
15.3.2 Lien entre analytique et holomorphe . . . . . . . . . . . . . . 391
15.3.3 Principes des zéros isolés et du prolongement analytique . . . 396

Chapitre 2
Groupes, anneaux : Rappels et

compléments
2.1 Groupes
On donnera des rappels sur les groupes et quelques compléments, notamment les
groupes finis, groupes monogènes (les groupes cycliques en particulier).
2.1.1 Définitions, exemples

On suppose connues les notions de lois de composition interne et leurs propriétés
vues en première année.
2.1.1.1 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 x0 ).
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, ∃x0 ∈ G, x ? x0 = x0 ? x = e.
9
2.1. GROUPES Cours deuxiéme année MP
Remarques On retient les remarques suivantes :

1. Si de plus ? est commutative, on dit que (G, ?) est un groupe commutatif ou
abelien.
2. On adopte en général une notation multiplicative ou additive et le tableau ci-
dessous résume les diverses notations associées :
Générale Additive Multiplicative
(G, ?) (G, +) (G, ×) ou (G, .)
x?y x+y x × y ou x.y ou xy
e 0 1 ou e
symétrique opposé inverse
0
x −x x−1
x ? y0 x−y xy −1
· · ? x}, n ∈ N∗ nx
| ? ·{z
x xn
n fois
0
· · ? x}0 , n ∈ N∗ −nx
| ? ·{z
x x−n
n fois
3. Quand la lois du groupe est connue, on confond par abus le groupe (G, ?) et
l’ensemble G. On dit par exemple : le groupe G.
4. Dans un groupe, tout élément est régulier à droite et à gauche.
5. Si (G, ?) est un groupe et x, y ∈ G, alors le symétrique de x ? y est : (x ? y)0 =
y 0 ? x0 . En notation multiplicative (resp.additive), cela donne : (xy)−1 = y −1 x−1
(resp. −(x + y) = (−y) + (−x) = −y − x).
2.1.1.2 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.

2.1.2 Sous-groupes
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
Dans la pratique, on adopte la même notation pour les deux lois.
b) Sous-groupe :
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. Si H est un sous-groupe de (G, ?) alors :

- Si eG et eH sont les éléments neutres respectifs de G et H alors : eG = eH .
- Si x ∈ H et x0 , x00 les symétriques respectifs de x dans G et H alors x0 = x00 .
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 ? x0 = e, et comme x ∈ H, on a : (2) x ? x00 = e. De (1) et
(2) et la régularité de x dans G on déduit : x ? x0 = x ? x00 puis x0 = x00 .
Proposition 2. Soit (G, ?) un groupe et H une partie de G, alors :

1. H
 est un sous-groupe de (G, ?) si et seulement si :
 H 6= ∅
∀(x, y) ∈ H 2 , x ? y ∈ H
∀x ∈ H, x0 ∈ H


2. H
est un sous-groupe de (G, ?) si et seulement si :
H 6= ∅
∀(x, y) ∈ H 2 , x ? y 0 ∈ H
2.1.2.2 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, θ0 ∈ R et ε, ε0 ∈ {−1, 1}, on a :
Mθ,ε × Mθ0 ,ε0 = Mθ+εθ0 ,εε0
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∗ .
Un , alors G est un sous-groupe de (C∗ , ×)
S
5. Soit G =
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∗ 6= ∅, 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.
2.1.3 Morphismes de groupes

2.1.3.1 Definitions, propriétés

Définition 3. Soient (G, ⊥) et (G0 , >) deux groupes. On appelle morphisme de

(G, ⊥) vers (G0 , >), toute application f de G vers G0 tel que :
∀(x, y) ∈ G2 , f (x⊥y) = f (x)>f (y).
Exemples Voici quelques exemples :

1. L’application f : Z → R∗ tel que f (k) = 2k est un morphisme de (Z, +) vers
(R∗ , ×).
2. L’application : ln : R∗+ → R, x 7→ ln(x) est un morphisme de (R∗+ , ×) vers
(R, +)
3. L’application : det est un morphisme de GLn (K) vers K∗ .
4. La signature ε : Sn → {−1, 1}, σ 7→ ε(σ) est un morphisme de groupes.
Proposition 3. Si f : G → G0 est un morphisme de groupe et e et e0 les éléments

neutres respectifs de G et G0 et pour (x, y) ∈ G × G0 , x0 et y 0 les symétriques de x
et y respectivement alors : f (e) = e0 et ∀x ∈ G, f (x0 ) = (f (x))0
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)e0 = f (e), donc f (e).f (e) = f (e).e0
et par régularité de f (e), on a f (e) = e0 .
• Soit x ∈ E et x0 son symétrique. Comme xx0 = x0 x = e, on a f (xx0 ) = f (x0 x) =
f (e). Compte tenu de f (e) = e0 , il vient : f (x)f (x0 ) = f (x0 )f (x) = e0 , donc f (x0 )
est le symétrique dans G0 de f (x), donc (f (x))0 = f (x0 )
Proposition 4. Soit f : G → G0 un morphisme de groupes. Si f est bijective en

tant qu’application de G vers G0 alors f −1 est un morphisme de groupe de G0 vers
G

Preuve Soit (a, b) ∈ G02 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 G0 vers G.
Définition 4. On dit alors que f est un isomorphisme de groupes et que f −1 est le

morphisme réciproque de f . On dit que les groupes G et G0 sont isomorphes.
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 6= 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 .
2.1.3.2 Image , image réciproque , noyau , image
Proposition 5. Soit f : G → G0 un morphisme de groupes. Si H est un sous-

groupe de G alors f (H) est un sous-groupe de G0 . Si H 0 est un sous-groupe de G0
alors f −1 (H 0 ) est un sous-groupe de G.
Proposition 6. Soit f : G → G0 un morphisme de groupes. Alors ker(f ) =

f −1 ({e0G }) est un sous-groupe de G appelé noyau de f et Im(f ) = f (G) est un
sous-groupe de G0 appelé image de f . On a les équivalences :
1. f est injectif si et seulement si ker(f ) = {eG }.
2. f est surjectif si et seulement si Im(f ) = G0
Exemples Les exemples importants ci-dessous sont à retenir :

1. det : GLn (K) → K∗ est un morphisme surjectif et non injectif, son noyau
est l’ensemble des matrices inversibles de déterminant 1, appelé groupe linéaire
spécial et noté SLn (K).
2. La signature ε : Sn → R∗ est un morphisme de groupe qui n’est ni surjectif ni
injectif. On a ker(ε) = An appelé groupe symétrique alterné.
3. Soit (G, ?) un groupe quelconque. Pour tout x ∈ G, on note tx et τx les appli-
cations de G vers G définies par :

tx (g) = g ? x
∀g ∈ G,
τx (g) = x ? g
Les applications tx et τx sont bijectives de G vers G, pour tout x ∈ G, ce qui
permet de définir les applications :
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 :
(G, ?) ' (τ (G), ◦).
2.1.4 Groupe engendré par une partie

Si (G, +) est un groupe avec une notation additive pour sa loi, et si x1 , . . . , xp sont
des éléments de G et k1 , . . . , kp des entiers relatifs, on peut construire un élément x
de G comme suit : x = k1 x1 + · · · + kp xp , qui ressemble à une combinaison linéaire
dont les coefficients sont dans Z. Ceci nous pousse à l’idée de partir d’une partie A
de G et considérer la partie de G formée par toutes les combinaisons ’linéaires’ des
éléments de A.
2.1.4.1 Intersection de sous-groupes

Proposition
T 7. Soit G un groupe. Si (Hi )i∈I est une famille de sous-groupes alors
H= Hi est un sous groupe de G.
i∈I
Preuve H 6= ∅ car e ∈ H. Si x, y ∈ H alors pour tout i ∈ I, on a x ∈ Hi et

y ∈ Hi et comme Hi est un sous-groupe, on a xy −1 ∈ Hi , pour tout i ∈ I, donc
xy −1 ∈ Hi donc xy −1 ∈ H. Ainsi H est un sou-groupe de G.
T
i∈I
2.1.4.2 Définition, exemples
Par convention, quand on dit : soit G un groupe, on sous-entends une notation

m
Q
multiplicative pour sa loi, on adoptera la notation xk pour le composé x1 × · · · ×
k=1
xm , pour tout m ∈ N∗ et x1 , · · · , xm ∈ G. Si A est une partie non vide de G alors
on définit : A−1 = {x−1 /x ∈ A}
Proposition 8. Soit G un groupe et A une partie de G. On note
GA = {H/A ⊂ H et H sous-groupe de G}
et soit hAi le sous-groupe : \

hAi = H
H∈GA
Alors hAi 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 hAi = {e} et si A 6= ∅ alors :
(m )
Y
hAi = xk /m ∈ N∗ , xk ∈ A ∪ A−1 , ∀k ∈ [[1, m]]
k=1
T
Preuve Posons K = H. D’après le proposition 7, hAi est un sous-groupe
H∈GA
de G. Comme hAi est une intersection de groupes contenant A, on a A ⊂ hAi.
Ainsi on a hAi ∈ GA et hAi ⊂ H pour tout H ∈ GA . Donc hAi est le plus petit

sous-groupe de G contenant A.
• Posons (m )
Y
K= xk /m ∈ N∗ , xk ∈ A ∪ A−1 , ∀k ∈ [[1, m]]
k=1
et prouvons que K = hAi. Soit m ∈Q N∗ , et x1 , · · · , xm ∈ A ∪ A−1 , alors

x1 , · · · , xm ∈ hAi, donc le produit x = mk=1 xk réalise x ∈ hAi, Ainsi K ⊂ hAi.
Pour démontrer que hAi ⊂ K, il suffit de prouver que K est un sous-groupe de
G contenant A. Il est clair Qnque A ⊂ K. QComme A ⊂ K et A 6= ∅, on a K 6= ∅.
Soit x, y ∈ K, alors x = k=1 ak et y = nj=1 bj avec ak , bj ∈ A ∪ A−1 pour tout
k ∈ [[1, m]] et tout j ∈ [[1, n]]. On a :
n+m
Y
xy = ci
i=1

ai si i ∈ [[1, m]]
avec pour tout i ∈ [[1, m + n]] : ci = , donc ci ∈
bi−m si i ∈ [[m + 1, m + n]]
A ∪ A−1 , pour tout i ∈ [[1, n + m]]. Par ailleurs, x−1 = m−1 −1
Q
k=0 (am−k ) avec
−1 −1 −1 −1
am−k ∈ A ∪ A car am−k ∈ A ∪ A , donc x ∈ K. Ainsi K est un sous-groupe
de G, ce qui termine la démonstration.
Remarques Dans le cas oùA 6= ∅,on peut faire les remarques suivantes :
1. En notation additive on note
(−A) = {−a/a ∈ A}
et on a alors :
( m )
X
hAi = xk /m ∈ N∗ , xk ∈ A ∪ (−A), ∀k = 1, ..., m
k=1
2. Si la condition suivante est réalisée :

(1) ∀a, b ∈ A ab = ba
( )
m
k
aj j /m ∈ N∗ , aj ∈ A, 2 à 2 distincts , kj ∈ Z .
Q
alors hAi =
j=1
3. Si G = hAi, on dit que G est le groupe engendré par A et que A est une partie
génératrice de G. On a toujours : G = hGi, mais il est plus intéressant de
trouver des parties génératrices A de G minimales au sens de l’inclusion.

2.1.4.3 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
suivante : Pour tout i, j ∈ [[1, n]] tel que i 6= j, si σ ∈ Sn alors στi,j σ −1 =
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
3. GLn (K) est engendré par les matrices de transvections et de dilatations. On

rappelle qu’une matrice de transvection est une matrice de la forme Ti,j (α) =
In +αEij avec (i, j) ∈ [[1, n]]2 tel que i 6= j et α ∈ K et une matrice de dilatation
est une matrice de la forme Di (α) = In + (α − 1)Eii avec i ∈ [[1, n]] et α ∈ K∗ .
2.1.4.4 Cas particulier : Groupes monogène, groupe cyclique
Définition 5. Un groupe G engendré par un singleton {a} s’appelle groupe mono-

gène, et on note G = hai.
Un groupe monogène fini est dit cyclique.
Exemples On retient les exemples suivants de groupes monogènes :

1. Le groupe additif Z est un groupe monogène non cyclique engendré par 1.
2. Pour tout n ∈ N∗ , le groupe additif Z/nZ) est un groupe cyclique dont 1 est
un générateur.
3. Le groupe multiplicatif Un des racines n èmes de l’unité est un groupe cyclique
2π
de cardinal n engendré par ei n

2.1.5 Produit fini de groupes

m
Q
Soient (Gi , >i ) où i ∈ [[1, m]], m ∈ N, m ≥ 2 une famille de groupe et G = Gi
i=1
muni de la loi > tel que pour tout x = (xi ), y = (yi ) ∈ G, on aie : x>y = (xi >i yi ).
Proposition 9. (G, >) est un groupe. De plus si les Gi sont commutatifs G est
commutatif. Si pour tout i ∈ [[1, m]], l’élément neutre de Gi est ei alors e = (ei )1≤i≤m
est l’élément neutre de G.Si x = (xi ) ∈ G alors le symétrique de x est x0 = (x0i ) où
x0i est le symétrique de xi dans Gi , pour tout i ∈ [[1, m]].
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 .
2.1.6 Élément d’ordre fini d’un groupe

Dans tout ce qui suit G est un groupe dont la notation pour la loi est multiplicative
et l’élément neutre est e.
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 G
n∈N
est infini mais tout élément est d’ordre fini.

2.1.6.2 Propriétés
Proposition 10. Soit x ∈ G et d ∈ N∗ . Alors : x est d’ordre d si et seulement si

xd = e et ∀k ∈ Z, xk = e ⇒ d|k.
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. Soit x ∈ G et d ∈ N∗ . Alors x est d’ordre d si et seulement si

hxi est cyclique de cardinal d.
Preuve Si x est d’ordre d alors, hxi = {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
hxi = {xr /0 ≤ r < q}, donc hxi est fini, donc cyclique. Réciproquement si hxi est
cyclique alors il existe au moins k, ` ∈ Z tel que k < ` et xk = x` , donc en posant
m = ` − k, on a m ∈ N∗ et xm = e, donc x est d’ordre fini. Notons d l’ordre de
x, on a vu que hxi = {xr /0 ≤ r < d} donc card(hxi) ≤ d, or si 0 ≤ k ≤ ` < d et
xk = x` alors xm = e où m = ` − k donc m < d. Par définition de d on a forcément
m = 0, donc pour tout k, ` ∈ {0, . . . , d − 1}, on a
k 6= ` ⇒ xk 6= x`
donc card(hxi) ≥ d,donc card(hxi) = d,
2.1.6.3 Cas des groupes finis

Proposition 12. Si G est un groupe fini de cardinal n alors : ∀x ∈ G, xn = e
Ce théorème est admis, et voici une preuve dans le cas où G est commutatif :
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 etQelle est
−1
Q
surjective car ∀x, y ∈ G, ax = y ⇔ x = a y, il en découle que x= u(x).
x∈G x∈G
Or et grâce à la commutativité :
Y Y Y
n
u(x) = ax = a 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.
2.1.7 Etude des groupes monogène

2.1.7.1 Les groupes monogène Z et Z/nZ
Proposition 13. Le groupe monogène Z admet exactement deux générateurs à

savoir 1 et −1. Le groupe Z/nZ est cyclique dont les générateurs sont k tel que
k ∈ [[1, n]] et k ∧ n = 1.

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.
2.1.7.2 Classification et générateurs
Proposition 14. Si G = hai est un groupe monogène alors ϕa : Z → G, k 7→ ak

est un morphisme surjectif de groupes.
Preuve Surjectif par construction. Morphsme car si k, ` ∈ Z alors ϕa (k + `) =

ak+` = ak a`
Proposition 15. Si G = hai 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 = hai 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 gé-
nérateur 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 ) 6= {0} donc il existe k ∈ Z tel que k 6= 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 ≡ `[n] alors il existe q ∈ Z tel que
` = k + qn donc a` = 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 ` ∈ Z tel que ψ(x) = b` = a`k donc
x = ψ −1 (x) = `k = `k, ce qui prouve que k est un générateur de Z/nZ, donc par
la proposition 13 il vient que k ∧ n = 1. Ainsi les générateurs de G = hai sont les
ak avec k ∈ [[1, n]] et k ∧ n = 1.
Corollaire 2. Tout groupe monogène est commutatif.
Preuve Un tel groupe est isomorphe soit à Z soit à un certain Z/nZ, lesquels sont
commutatifs.
2.1.8 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.

2.2. ANNEAUX ET CORPS Cours deuxiéme année MP
2.2 Anneaux et corps

2.2.1 Anneaux
2.2.1.1 Généralité sur les anneaux
Définition 7. Un anneau est un triplet (A, ⊥, ?) tel que

1. A est un ensemble non vide.
2. (A, ⊥) est un groupe commutatif.
3. ? est associative.
4. ? admet un élément neutre.
5. ? est distributive par rapport à ⊥.
Remarque On adoptera par la suite la notation additive pour la première loi et la

notation multiplicative pour le seconde et on abrégera en disant l’anneau A.
Exemples 1. L’anneau Z des entiers relatifs.

2. L’anneau A (X, A) des application d’un ensemble non vide X vers un anneau
A.
3. L’anneau K[X] des polynômes.
Définition 8. Soit A un anneau. On appelle sous-anneau de A toute partie B de

A tel que :
1. B est un sous-groupe du groupe (A, +)
2. B stable par ×
3. 1A ∈ B.
2.2.1.2 Groupe des inversibles d’un anneau
Si A est un anneau, on note A× l’ensemble des éléments inversibles de (A, ×).

Proposition 16. A× est stable par × et (A× , ×) est un groupe appelé groupe des
inversibles de l’anneau A.
Exemples Z× = {−1, 1}, R× = R∗ , K[X]× = K, Mn (K)× = GLn (K)
2.2.1.3 Produit fini d’anneau
Proposition 17. Si (Ak , +k , ×k ), k ∈ [[1, m]] sont des anneaux, on munit

m
Y
A= Ak
k=1
des lois de composition internes + et × tel que, pour tout x = (xk ) ∈ A et

y = (yk ) ∈ A :
(xk ) + (yk ) = (xk +k yk ) et (xk ) × (yk ) = (xk ×k yk ).
Alors (A, +, ×) est un anneau. De plus, le groupe des inversibles de A est donné
par :
Ym
U (A) = U (Ak ).
k=1
2.2.1.4 Morphismes d’anneaux
Définition 9. A et A0  0
Une application f : A → A est un
sont deux anneaux.
f (x + y) = f (x) + f (y)
∀(x, y) ∈ A2 ,

morphisme d’anneau si : f (x × y) = f (x) × f (y)
f (1A ) = 1A0

Proposition 18. Soit f : A → A0 un morphisme d’anneaux. Si f est bijective alors

f −1 est un morphisme d’anneau de A0 vers A

Proposition 19. f : A → A0 un morphisme d’anneau. f est injectif si et seulement

si ker(f ) = {x ∈ A/f (x) = 0} est réduit à {0}. f est surjectif si et seulement si
Im(f ) = A0
2.2.1.5 Anneau intègre
Définition 10. Soit A un anneau. On appelle diviseur de zero tout élément a ∈ A

tel que a 6= 0 et il existe b ∈ A tel que b 6= 0 et ab = 0 ou ba = 0 A est intègre s’il
n’ a pas de diviseur de zero.
Remarque A est intègre si :

∀(x, y) ∈ A2 , xy = 0 ⇒ x = 0 ou y = 0
2.2.2 Corps
Définition 11. On appelle corps tout anneau commutatif A tel que A× = A∗
Remarque Un corps est un anneau intègre (K, +, ×) (en particulier K∗ est stable
par ×), tel que (K ∗ , ×) est un groupe commutatif.
Définition 12. Soit K un corps. On appelle sous-corps de K toute partie K 0 de K

tel que K 0 est stable par les lois de K et muni des lois induites K 0 est un corps.
Remarque Si K 0 est un sous-corps de K alors K 0∗ est un sous-groupe de K ∗ par

suite on a en particulier le même élément neutre pour la multiplication pour K et
K 0 et le même inverse pour tout x ∈ K 0 .
2.2.3 Idéal d’un anneau

2.2.3.1 Généralités

Définition 13. Soit A un anneau commutatif. On appelle idéal de A toute partie

I de A tel que :
1. I est un sous-groupe de (A, +)
2. ∀(a, x) ∈ A × I, ax ∈ I
Remarque {0} et A sont deux idéaux de A (les idéaux triviaux)
Proposition 20. Soient A un anneau commutatif et A0 un anneau. Pour tout

morphisme d’anneau f : A → A0 on a ker(f ) est un idéal de A.
Proposition 21. Soit A un anneau commutatif et x ∈ A. Alors xA = {xa/a ∈ A}

est un idéal de A appelé idéal engendré par x.
Si I1 , · · · , Im ( m ≥ 2) sont des idéaux de A, on note :

m
X
Ik = I1 + · · · + Im = {x1 + · · · + xm /(x1 , · · · , xm ) ∈ I1 × · · · × Im }.
k=1
Proposition 22. Si I et J sont deux idéaux de A alors I + J et I ∩ J sont deux

idéaux de A. m m
P T
Généralement, si (Ik )1≤k≤m est une famille d’idéaux de A alors Ik et Ik sont
k=1 k=1
des idéaux de A.
Remarque On a I ∩ J ⊂ I ⊂ I + J.
n
T m
P
Généralement pour tout k ∈ [[1, m]], on a : Ij ⊂ Ik ⊂ Ij .
j=1 j=1
2.2.3.2 Idéaux et divisibilité dans un anneau commutatif intègre
Dans tout ce qui suit A est un anneau commutatif et intègre.

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. Si (a, b) ∈ A2 tel que b = εa et ε inversible on dit que a et b sont

associés.
Remarque Pour tout a, b, c ∈ A on a :

1. a|a
2. a|b et b|c ⇒ a|c
3. Si a|b et b|a alors a et b sont associés.
Proposition 23. Soit (a, b) ∈ A2 . On a : a|b ⇔ bA ⊂ aA
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.
2.2.4 Le cas A = Z ou A = K[X], où K est un sous-corps de C

Dans tout ce qui suit, A désigne l’un des anneaux commutatifs intègres Z ou K[X],
où K est un sous-corps de C.
2.2.4.1 Division euclidienne dans A
Théorème 1. 1. Pour tout (a, b) ∈ Z×Z∗ , il existe un et un seule couple (q, r) ∈

Z2 tel que :
a = bq + r
0 ≤ r < |b|

C’est la division euclidienne de a par b. On dit que q est le quotient et r le reste

dans la division euclidienne de a par b.
2. Pour tout (P, B) ∈ K[X]2 tel que B 6= 0, il existe un et un seule couple (Q, R)
de polynômes tel que :
P = BQ + R
deg(R) < deg(B)
C’est la division euclidienne de P par B.
Remarque Si a = bq + r est la division euclidienne de a par b dans l’anneau A,

alors on donne les apelations suivantes :
1. a est le dividende.
2. b est le diviseur : il doit être non nul.
3. q est le quotient.
4. r est le reste : il vérifie r < s(b) avec s(b) = |b| dans le cas de A = Z et
s(b) = deg(b) dans le cas de A = K[X].
2.2.4.2 Les idéaux de A
Proposition 24. Tout idéal de A est de la forme aA avec a ∈ A.

Précisément :
1. Pour A = Z : Tout idéal I de Z il existe un et un seule entier naturel n tel
que I = nZ.
2. Pour A = K[X] : Pour tout idéal non nul I de K[X], il existe un et un seule
polynôme unitaire P tel que I = P K[X]
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 6= {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, ce qui prouve l’unicité.
2. Le cas A = K[X].
• Si A = {0}, il est clair que A = 0K[X].
• Si A 6= {0}, l’ensemble J = {deg(P )/P ∈ I} est une partie non vide de N,
donc admet un plus petit élément qu’on note m. Cela veut dire qu’il existe
un polynôme P0 ∈ I tel que deg(P0 ) = m. On va prouver que I = P0 K[X].
Remarquons tout de suite que P0 K[X] ⊂ I puisque P0 ∈ I et I est un idéal
de K[X]. Réciproquement, soit P ∈ I, la division euclidienne de P par P0
donne P = QP0 + R avec deg(R) < m. On a R = P − QP0 donc R ∈ I ( car
P, P0 ∈ I. Si R 6= 0, on aurait deg(R) < m et R ∈ I, ce qui contredirait la
définition de m, donc R = 0 et P = QP0 donc I ⊂ P0 K[X]. Ainsi on a prouvé
que I = P0 K[X]. Si on note P˜0 = cd(P1
0)
P0 0 où cd(P0 ) désigne le coefficient
dominant de P0 , on a P0 K[X] = P˜0 K[X] puisque P0 et P˜0 sont associés, donc
chacun divise l’autre et la proposition 23. On a donc prouvé que si I est un
idéal non nul de K[X], il existe un polynôme unitaire P1 ∈ K[X] tel que
I = P1 K[X]. Montrons l’unicité d’un tel polynôme : Si P1 et P2 sont unitaires
et P1 K[X] = P2 K[X] alors P1 |P2 et P2 |P1 , donc il existe c ∈ K∗ tel que
P2 = cP1 et comme 1 = cd(P2 ) = c cd(P1 ) = c on a c = 1 et P1 = P2 , ce qui
termine la preuve.
Remarque Si I est un ideal de A, quand on parlera de l’unique générateur a de

A alors a = 0 si I est nul et l’unique n ∈ N∗ tel que I = nZ si I est non nul et
A = Z et a l’unique polynôme unitaire P tel que I = P K[X] si A = K[X] .

2.2.4.3 p.g.c.d. , p.p.c.m. dans A
Définition 16. Soit (a, b) ∈ A2 tel que a 6= 0 et b 6= 0. L’unique générateur δ de

l’idéal aA + bA s’appelle le plus grand diviseur de a et b. L’unique générateur µ de
l’idéal aA ∩ bA s’appelle le plus petit multiple commun de a et b.
Notation : On note δ = a ∧ b et µ = a ∨ b
Remarques On note les remarques suivantes :
1. On peut généraliser pour plusieurs éléments non nuls a1 , · · · , am de A. On a :
m
X
(a1 ∧ · · · ∧ am )A = ak A
k=1
et m
\
(a1 ∨ · · · ∨ am )A = ak A
k=1
∗
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
Pour tout a ∈ A, on notera Da = {x ∈ A/x|a}, c’est-à-dire que Da est l’ensemble

des diviseurs de a. La proposition ci-dessous explique que si a et b sont des éléments
de A, l’ensemble des diviseurs communs de a et b n’est autre que l’ensemble des
diviseurs du plus grand diviseur commun de a et b.
Proposition 25. 1. Soit a, b ∈ Z et δ ∈ N∗ , alors :
δ = a ∧ b ⇔ Da ∩ Db = Dδ
2. Soient P, Q, ∆ ∈ K[X] tel que ∆ est unitaire et P et Q non tous nuls, alors :
∆ = P ∧ Q ⇔ DP ∩ DQ = D∆

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 a0 , b0 ∈ Z tel que
a = xa0
; comme δZ = aZ + bZ, il existe u, v ∈ Z tel que δ = au + bv =
b = xb0
x(a0 u + b0 v) = xδ 0 avec δ 0 = a0 u + b0 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 , remarquons que δ ∈ Dδ , donc δ ∈ Da ∩Db
donc δ|a et δ|b et par suite si on note d = a ∧ b alors dZ = aZ + bZ ⊂ δZ, en
particulier δ|d. On a dZ = aZ + bZ donc aZ ⊂ dZ et bZ ⊂ dZ donc d|a et
d|b et par suite d ∈ Dδ donc d|δ. On a d, δ ∈ N et d|δ et δ|d, donc d = δ.
2. Cas A = K[X] : la preuve est la même.
2.2.4.4 Algorithme d’Eucilde
Proposition 26. Soit (a, b, α, β) ∈ A4 . Si a = αb + β, alors a ∧ b = b ∧ β
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 6= 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 6= 0, alors P ∧ Q est le dernier
reste non nul, normalisé dans les divisions euclidiennes successives de A par Q.

2.2.4.5 Identité de Bezout, lemme de Gauss
Proposition 29. Soit (a, b) ∈ A2 , alors
a ∧ b = 1 ⇔ ∃(u, v) ∈ A2 , ua + vb = 1
Remarques On peut généraliser :

m
X
m
a1 ∧ · · · ∧ am = 1 ⇔ ∃(u1 , · · · , um ) ∈ A , uk ak = 1
k=1

3 a|bc
Proposition 30. Soit (a, b, c) ∈ A . On a : ⇒ a|c
a∧b=1
2.2.4.6 Irréductibles de A
Définition 17. Un élément a de A est irréductible si a est non inversible et :
∀b ∈ A, b|a ⇒ b inversible ou b et a sont associés
Ainsi un irréductible de A est un élément non inversible a de A dont les seules

diviseurs sont de la forme ε ou εa avec ε ∈ U A. Autrement dit l’ensemble des
diviseurs de a est Da = U A ∪ U Aa.
Proposition 31. Les irréductibles de Z sont les nombres premiers.
Preuve Si p est premier alors p n’est pas inversible car p 6= 1 et p 6= −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.

2.3. Z/N Z : COMPLÉMENTS Cours deuxiéme année MP
Proposition 32. Les irréductibles de C[X] sont les polynômes de degré 1.

Les irréductibles de R[X] sont les polynômes
de degré 1 et les trinômes de la forme
a 6= 0
aX 2 + bX + c tel que (a, b, c) ∈ R3 et .
b2 − 4ac < 0
Preuve Voir cours de M.P.S.I.
On note P l’ensemble des nombres entiers naturels premiers.
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 < · · · < ps
s
pαk k
Q
x=ε
k=1
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]], Pk est unitaire irréductible
s
Pkαk
Q
Q=ε
k=1
2.3 Z/nZ : Compléments

2.3.1 L’anneau Z/nZ
On rappelle que Z/nZ muni des lois + et × tel que :

k+`=k+`
∀k, ` ∈ Z,
k×`=k+`

est un anneau commutatif non intègre en général.
Proposition 33. Z/nZ est intègre si et seulement si n est premier si et seulement

si Z/nZ est un corps.
2.3.2 Le groupe des inversibles de l’anneau Z/nZ.

2.3.2.1 Inversibles de Z/nZ
Proposition 34. Le groupe des inversible de Z/nZ est :
U (Z/nZ) = {k/k ∈ [[1, n]]/k ∧ n = 1}
Ainsi le groupe des inversibles de l’anneau Z/nZ coincide avec l’ensemble des géné-
rateurs du groupe additif Z/nZ.
Preuve Si k ∈ Z tel que k est inversible, alors il existe k 0 ∈ Z tel que kk 0 = 1, donc
kk 0 ≡ 1 modulo n donc il existe k 00 ∈ Z tel que kk 0 − 1 = k 00 n donc uk + vk = 1
avec (u, v) = (k, −k 0 )
Remarque On a k ∈ U (Z/nZ) si et seulement si k ∧ n = 1, non seulement pour

tout k ∈ [[1, n]], mais pour tout k ∈ Z. En effet, si r est le reste dans la division
euclidienne de k par n on a k ∧ n = r ∧ n et k = r.
2.3.2.2 Théorème d’Euler
Corollaire 3. Pour tout n ∈ N∗ et tout k ∈ Z, on a :
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. Si p est premier alors :

1. Pour tout k ∈ Z tel que p ne divise pas k on a k p−1 ≡ 1 [p]
2. Pour tout entier k on a k p ≡ k [p]
2.3.2.3 Lemme des restes chinois
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 ≡ x0 [mn] alors .
x ≡ y [n]
Ensuite f est un morphisme d’anneau car :
• f (b
1) = (1, 1̃).
• 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)
f est injectif car si pour x ∈ Z, f (b

x) = b0 alors (x, x̃) = (0, 0̃) donc m|x et n|x
et comme m ∧ n = 1 alors mn|x et par suite x b=b 0, donc ker f = {b 0}, et f est
injectif ; et comme les ensembles Z/mnZ et Z/mZ × Z/nZ sont finis de même
cardinal, à savoir mn, l’application f est bijective et c’est donc un isomorphisme.

Corollaire 5. Soit m, n ∈ N non nuls tel que m ∧ n = 1. Pour tout (a, b) ∈ Z2 ,

le système :
x ≡ a [m]
(1)
x ≡ b [n]
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).
− x0 ∈ ker f , et comme f est injective
Si x0 et x sont des solutions de (1), alors x\
cela veut dire que x\− x0 = b0 donc mn|(x − x0 ).
Remarques On peut faire les remarques importantes suivantes :

1. Une méthode pratique pour trouver une solution du système (1) : Comme m ∧
n = 1 alors il existe (u, v) ∈ Z2 tel que mu+nv = 1. Si on pose x0 = bmu+anv
alors x0 est une solution de (1).
2. On peut généraliser : Soit n1 , · · · , ns une famille d’entiers naturels deux à deux
s
Q
premiers entre eux (avec s ≥ 2). Posons n = nk . et pour tout k ∈ [[1, s]],
k=1
posons n0k
= n
nk .
On voit que nk ∧ n0k = 1,pour tout k ∈ [[1, s]]. Par le lemme de
Bezout il existe uk , uk ∈ Z tel que : uk nk + u0k n0k = 1 Posons εk = u0k n0k alors
0

εk ≡ 1 [nk ]
εj ≡ 0 [nk ], ∀j ∈ [[1, s]], j 6= k
Ps
de sorte que si on pose x0 = εj aj alors x0 est une solution du système :
j=1
x ≡ ak [nk ], ∀k ∈ [[1, s]]
2.3.2.4 Conséquence : l’indicatrice d’Euler est multiplicative.
Proposition 35. Si m, n ∈ N∗ tel que m ∧ n = 1 alors

ϕ(mn) = ϕ(m)ϕ(n)
On dit que la fonction ϕ est multiplicative.

2.4. STRUCTURE D’ALGÈBRE Cours deuxiéme année MP
Preuve C’est une conséquence immédiate du théorème 4, puisque le groupe des

inversibles d’un anneau produit est le produit des groupes des inversibles des an-
neaux 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).
2.3.2.5 Résumé des propriétés de l’indicatrice d’Euler
Pour tout n ∈ N∗ , on note ϕ(n) = card(U (Z/nZ)). L’application ϕ s’appelle l’in-

dicatrice d’Euler. Elle possède les propriétés suivantes :
1. Pour tout n ∈ N∗ , ϕ(n) est le nombre des générateurs du groupe additif Z/nZ.
2. Pour tout n ∈ N∗ , ϕ(n) est le nombre des inversibles de l’anneau Z/nZ.
3. Pour tout entier naturel premier p, on a : ϕ(p) = p − 1.
4. Pour tout entier naturel premier p, et tout entier naturel non nul α, on a :
ϕ(pα ) = pα − pα−1 .
s
pαk k avec s ∈ N∗ , α1 , · · · , αs ∈ N∗ et p1 , · · · , ps des
Q
5. Si n ∈ N tel que n =
k=1
nombres entiers naturels premiers deux à deux distincts alors :
s
Y 1
ϕ(n) = n 1−
pk
k=1
2.4 Structure d’algèbre

2.4.1 Définitions
Soit K un corps.
Définition 18. On appelle K−algèbre un quadruple (A , +, ×, .) tel que :

(1) (A , +, ×) est un anneau.
(2) (A , +, .) est un K−espace vectoriel.
(3) ∀(α ∈ K)(∀(x, y) ∈ A 2 ) α.(x × y) = x × (α.y) = (α.x) × y.

1. Si on ajoute :
(4) × est commutative,
on parle d’algèbre commutative.
2. Notons que si (A , +, ×, .) est une algèbre alors × admet un élément neutre 1A .
3. Si (A , +, ×, .) est une K−algèbre alors pour tous x, y ∈ A et tous α, β ∈ K,
on a
(αβ).(x × y) = (α.x) × (β.y) = x × ((αβ).y) = ((α.(β.x)) × y = ...
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.
2.4.2 Sous-algèbre
Définition 19. Soit A une algèbre. On appelle sous-algèbre de A toute partie A 0

de A tel que :
(1) A 0 est un sous-anneau de l’anneau A .
(2) A 0 est un sous-espace vectoriel de l’espace vectoriel A .
Remarque Si A 0 est une sous-algèbre de A alors A 0 est stables par toutes les lois
de A et (A 0 , +, ×, .) est une K−algèbre.
Proposition 36. Pour que A 0 soit uns sous-algèbre de A , il suffit que :

1. 1A ∈ A 0
2. ∀λ ∈ K, ∀(x, y) ∈ A 02 , x + λy ∈ A 0
3. ∀(x, y) ∈ A 02 , xy ∈ A 0

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 inférieures
respectivement sont des sous-algèbres de Mn (K). Leur intersection Dn (K), l’en-
semble des matrices diagonales est aussi une sous-algèbre de Mn (K).
m
ak X k on
P
2. Soit A une matrice fixée de Mn (K) et pour tout polynôme P =
k=0
m
ak Ak . On verra loin en algèbre linéaire que si A ∈ Mn (K)
P
pose P (A) =
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.
2.4.3 Morphisme d’algèbre
Définition 20. On appelle morphisme d’une algèbre A , +, ×, .) vers une algèbre

A 0 , +, ×, .) toute application f : A → A 0 tel que :
1. f est un morphisme d’espace vectoriels de A vers A 0
2. f est un morphisme d’anneaux de A vers A 0 .
Proposition 37. Pour que f soit un morphisme d’algèbre de A vers A 0 il faut et

il suffit que :
1. f (1A ) = 1A 0
2. ∀(λ, x, y) ∈ K × A × A , f (x + λy) = f (x) + λf (y).
3. ∀(x, y) ∈ A 2 f (xy) = f (x)f (y).
Proposition 38. Soit f : A → A 0 un morphisme d’algèbres de l’algèbre A vers

l’algèbre A 0 ; alors f (A ) est une sous-algèbre de A 0 . Si de plus A est commutative,
il en est de même de f (A ).

Chapitre 3
Réduction des endomorphismes
3.1 Rappels et Compléments

3.1.1 Famille génératrice, famille libre, base, dimension
3.1.1.1 Généralités
Soit K un corps. Si A = (αi )i∈I est une famille d’éléments de K, on appelle support
de A l’ensemble :
Supp(A ) = {i ∈ I/αi 6= 0}
Si Supp(A ) est une partie finie de I, on dit que la famille A est à support fini.
On note K[I] l’ensemble des familles d’éléments de K à support fini de K. On observe
que K[I] ⊂ KI .
Si E est un K−espace vectoriel et A = (αi )i∈I est une famille à support fini non
P vide
I = Supp(A ) alors pour toute famille (xi )i∈I de vecteurs de E, la somme αi x i
i∈I
est pourvu de sens , par définition :
X X
αi x i = αi x i .
i∈I i∈I
P
Par convention, si Supp(A ) = ∅ alors αi xi = 0.
i∈I
Définition P21. On appelle combinaison linéaire des vecteurs xi , i ∈ I toute somme

de la forme αi xi où (αi )i∈I est une famille de scalaires à support fini.
i∈I
41
3.1. RAPPELS ET COMPLÉMENTS Cours deuxiéme année MP
Définition 22. Soit X = (xi )i∈I une famille de vecteurs de E.

1. On dit que X est génératrice si tout vecteur de E est combinaison linéaire des
xi , i ∈ I.
2. On dit que la famille X est libre si l’unique combinaison linéaire des xi nulle
est celle à support vide, c’est-à-dire
X
αi xi = 0 ⇒ ∀i ∈ I, αi = 0
i∈I
3. On dit que la famille X est liée

P si elle n’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.
Remarques Toutes les remarques suivantes sont utiles en pratique.

1. Pour montrer qu’une famille (ei )i∈I est génératrice il suffit de prouver que pour
tout x ∈ E, il existe i1 , · · · , is ∈ I et des scalaires λi1 , · · · , λis tel que
s
X
x= λik eik
k=1
2. Une famille F de vecteurs de E est libre si et seulement si toute sous-famille

finie de F est libre.
3. Pour montrer qu’une famille (ei )i∈I est libre il suffit de prouver que pour tout
s ∈ N∗ et tous i1 , · · · , is ∈ I et tous λi1 , · · · , λis ∈ K, on a :
s
X
λik eik = 0 ⇒ λik = 0, ∀k ∈ [[1, s]].
k=1
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.
3.1.1.2 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

P
k=0 λk fk = 0 alors si j ∈ [[0, N ]] fixé, on
a:
Z π N
X
cos(jt) cos(kt)dt = 0
0 k=0
Donc
N Z
X π
cos(kt) cos(jt)dt = 0
k=0 0
Or, pour tout k ∈ [[0, N ]], on a :

π

Z π Z π  2 si j 6= 0
2
k 6= j ⇒ cos(kt) cos(jt)dt = 0 et cos (jt)dt =
0 0
π si j = 0

de sorte que l’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
N
P
effet si N ∈ N et λ0 , · · · , λN ∈ R tel que λk gk = 0 alors si j ∈ [[0, N ]] fixé, on
k=0
N
λk tk = 0 (il suffit de considérer x = arccos(t)), donc
P
a pour tout t ∈ [−1, 1],
k=0
N
λk X k admet une infinité de zéros, à savoir, tout élément de
P
le polynôme P =
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 .
3.1.1.3 Sous espace vectoriel engendré par une famille ou une partie
Proposition-Définition 1. Soit E = (ei )i∈I une famille quelconque de vecteurs.

L’ensemble ( )
X
Vect(E ) = λi ei /(λi )i∈I ∈ K [I]
i∈I
est un sous-espace vectoriel de E appelé sous-espace engendré par la famille (ei )i∈I

Proposition 39. Soit E un K−espace vectoriel et A est une partie de E. L’ensemble

des combinaisons linéaires des éléments de A est un sous-espace vectoriel de E appelé
sous-espace vectoriel engendré par A. On le note Vect(A). Si on note E la famille
E = (a)a∈A , on a :
( )
X
Vect(A) = Vect(E ) = λa a/(λa ) ∈ K[A]
a∈A
Remarques On peut faire les remarques suivantes :

1. Vect(A) est l’intersection de tous les sous-espaces vectoriels de E contenant A.
2. Vect(A) est le plus petit sous-espace vectoriel de E contenant A.
3. (a)a∈A est une famille génératrice de Vect(A).
4. Si F est un sous-espace vectoriel de E alors Vect(F ) = F . En particulier pour
toute partie A de E on a Vect(Vect(A)) = Vect(A).
5. Vect(∅) = {0} et Vect(E) = E
3.1.1.4 Cas spécifique des polynômes
On dispose des propriété suivantes :
Proposition 40. 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
n
P
s’il existe (αk )0≤k≤n famille de scalaires non tous nuls tel que αk Pk = 0, alors
k=0
en nommant ` le plus grand indice appartenant à [[0, n]] tel que α` 6= 0, on a
nécessairement ` > 0 et
`−1
X
α ` P` = − αk Pk ,
k=0
chose impossible car égalité entre un polynôme de degré ` et un autre de degré
strictement inférieur à `. Ceci démontre la liberté de E . Si Q est un polynôme non

nul de degré n alors Q ∈ Kn [X]. Or la famille En libre dans Kn [X] et comportant

n + 1 vecteur s avec n + 1 = dim(Kn [X]), la famille En est une base donc une
famille génératrice de Kn [X], donc P est une combinaison linéaire des vecteurs de
En , à fortiori de ceux de E . Finalement E à la fois libre et génératrice est donc une
base de K[X].
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 6= j ⇒ deg(Pi ) 6= deg(Pj )
alors la famille (Pi )i∈I est libre.
Corollaire 7. Si P0 , · · · , Pn sont des polynômes de Kn [X] de degrés deux à deux

distincts alors (P0 , · · · , Pn ) est une base de Kn [X].
3.1.2 Somme de sous-espaces vectoriels

3.1.2.1 Définition, caractérisation
Définition 23. Soit m ∈ N tel que m ≥ 2 , E1 , · · · , Em des sous espaces vectoriels

m
P
de E. On définit la somme Ek = E1 + · · · + Em des sous espaces vectoriels Ek
k=1
par : ( m )
m
X X
Ek = xk /∀k ∈ [[1, m]], xk ∈ Ek
k=1 k=1

Ek = Vect ( m
P S
1. On a k=1 Ek )
Qn m
P m
P
2. Si Φ : Ek → E; x = (x1 , · · · , xm ) 7→ Φ(x) = xk alors Ek = Im Φ.
k=1 k=1 k=1

m
P
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
Q
ce qui revient à dire que l’application Φ ci-dessus induit un isomorphisme de Ek
k=1
m
P
vers F , on dit que la somme F = Ek est directe. On note
k=1
m
M
F = Ek .
k=1
m
cj = P Ek .
Pour tout j ∈ [[1, m]], on pose : E
k=1
k6=j
Proposition 41. Soit E1 , · · · , Em , F des sous-espaces vectoriels de E. Les asser-

tions suivantes sont équivalentes :
m
L
(1) Ek = F
k=1
 m
P


 Ek = F
k=1
(2)


∀j ∈ [[1, m]], Ej ∩ E
cj = {0}

 m
P
Ek = F



k=1
(3) m
Q m
P
 ∀(x1 , · · · , xm ) ∈ Ek , xk = 0 ⇒ x1 = · · · = xm = 0


k=1 k=1
Si E1 , · · · , Em , F son de dimensions finies, alors les assertions ci-dessus sont équi-
valentes
 àm :
P
Ek = F



k=1
(4) Pm


 dim(Ek ) = dim(F )
k=1

3.1.2.2 Projections associées à une somme directe
Soit E un K−espace vectoriel, m un entier naturel non nul et E1 , · · · , Em des sous-

m
L
espaces vectoriels de E tel que Ek = E. Pour tout k ∈ [[1, m]], on note comme
k=1
m
L
en haut E
ck = Ej et πk la projection de E sur Ek parallèlement à E
ck . Alors on la
j=1
j6=k
proposition suivante :
Proposition 42. On a :
m
X
πk = IdE .
k=1
En particulier, pour toute endomorphisme f de E, on a :
m
X m
X
f= f ◦ πk = πk ◦ f
k=1 k=1
3.1.3 Application linéaire canoniquement associée à une matrice.

n et p sont deux entiers naturels non nuls et Mn,p (K) désigne le K−espace vectoriel
des matrices à n lignes et p colonnes et à coefficients dans K. On rappelle que
cet espace vectoriel est isomorphe à L(Kp , Kn ), l’espace vectoriel des applications
linéaires de Kp vers Kn . On dispose notamment de l’isomorphisme canonique :
Φ : L(Kp , Kn ) → Mn,p (K); f 7→ Φ(f ) = matC ,B ,
qui associe à toute application linéaire f ∈ L(Kp , Kn ) la matrice Φ(f ) = M

qui représente 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
X p
X= xj ωj = (x1 , · · · , xp ),
j=1

qu’on identifie à la matrice colonne de coefficients x1 , · · · , xp , donc

 
x1
X =  ...  ,
xp
alors fM (X) = M X.
Définition 24. Soit M ∈ Mn,p (K). On appelle l’application linéaire canoniquement

associée à M , l’application fM : Kp → Kn tel que
∀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 .
Remarques 1. Si on désire éviter l’identification des colonnes et des lignes de
même taille une définition rigoureuse de fM est pour x ∈ Kp ,
fM (x) = t(M tx) = xtM
2. Une autre façon de faire est de prendre :
fM : Mp,1 (K) → Mn,1 (K), X 7→ fM (X) = M X.
3. Dans le cas particulier n = p, la matrice M et une matrice carrée , M ∈ Mn (K)
et fM est un endomorphisme appelé l’endomorphisme canoniquement associé à
M.
3.1.4 Changement de base

3.1.4.1 Matrice d’une famille de vecteurs relativement à une base.
Définition 25. Soit E un K − espace vectoriel de dimension finie non nulle n et

E = (e1 , · · · , en ) une base de E. Si V = (v1 , · · · , vp ) est une famille de vecteurs
de E, on appelle matrice de V dans B la matrice A ∈ Mn,p (K) telle que :
A = (ai,j )1≤i≤n
1≤j≤p

avec : n
X
∀j ∈ [[1, p]] vj = ai,j ei
i=1
3.1.4.2 Changement de bases
Soit E un K−espace vectoriel de dimension n avec n ∈ N∗ . Si B et B 0 sont deux

bases de E, on appelle la matrice de passage de B à B 0 la matrice carré P de la
famille B 0 relativement à la base B, donc
P = matB (B 0 )
Autrement dit, si B = (e1 , · · · , en ) et B 0 = (e01 , · · · , e0n ) et si pour tout j ∈ [[1, n]],

on a : n
X
0
ej = pij ei
i=1
alors
P = (pij )1≤i,j≤n
Comme e0j = Ide (e0j ), pour tout j ∈ [[1, n]], il en découle que P n’est autre que la
matrice relativement à B 0 et B dans cet ordre de l’application identité de E, donc :
P = matB0 ,B IdE
B 0
Notation : On note PB la matrice de passage de B à B 0 .
Proposition 43. Si B, B 0 , B 00 sont des bases de E, alors on a :

B
1. PB = In
B 0
B 00
B 0
2. PB = PB × PB 00
B B 0 −1
3. PB PB

0 = .
Proposition 44. Si B et B 0 sont deux bases de E et x un vecteurs de colonnes de

B0
coordonnées respectives dans B et B 0 sont X et X 0 alors X = P X 0 où P = PB
est la matrice de passage de B à B 0 .

Proposition 45. Soient E et F sont deux K−espaces vectoriels de dimensions

finies non nulle p et n respectivement. Soient B et B 0 deux bases de E et C et
B0
et Q = PCC les matrices de passages
0
C 0 deux bases de F . On note P = PB
respectives. Pour toute application linéaire f de E vers F , si M = matB,B0 (f ) et
M 0 = matC ,C 0 (f ) alors M 0 = Q−1 M P .
3.1.5 Matrices carrées semblables

3.1.5.1 Matrices semblables
Définition 26. Deux matrices carrées M et M 0 de taille n à coefficients dans K

sont semblables s’il existe une matrice inversible P de taille n à coefficients dans K
tel que M 0 = P −1 M P
Proposition 46. Deux matrices A et B de Mn (K) sont semblables si et seule-

ment si il existe deux bases B et C d’un espace vectoriel E de dimension n et un
endomorphisme u de E tel que :
matB (u) = A et matC (u) = B
On dit que A et B représentent le même endomorphisme u dans les bases respectives

B et C .
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

On a rg (A) = rg (B) = 2 et det(A) = det(B) = 0 et tr(A) = tr(B) = 0, cependant,

les matrices A et B ne sont pas semblables car, par exemple, B 3 = 0, mais A3 6= 0
car la diagonale de A3 est composée de 1, 0 et −1. Si A et B étaient semblables on
aurait A = P BP −1 pour un P ∈ GLn (K), par suite, on aurait A3 = 0, chose fausse.
3.1.5.2 Déterminant et trace d’un endomorphisme en dimension finie
La proposition 47 ci-dessus permet de donner la définition suivante du déterminant

et la trace d’un endomorphisme en dimension finie.
Définition 27. Soit E un K−espace vectoriel de dimension finie non nulle, et

soit f un endomorphisme de E. On appelle déterminant de f (rep. trace de f ) le
déterminant (resp. la trace) d’une matrice représentant f dans une base quelconque
de E
3.1.6 Rang
Définition 28. Soit E un K−espace vectoriel et U = (ui )i∈I une famille de

vecteurs de E. Si Vect(U ) est de dimension finie alors l’entier naturel n =
dim(Vect(U )) s’appelle le rang de la famille U , noté rg (U ).
Proposition 48. Soient E et F deux K−espaces vectoriels et f ∈ L(E, F ) une

application linéaire de E vers F . Pour toute famille U = (xi )i∈I de vecteurs de E,
on note f (U ) = (f (xi ))i∈I . Si le rang de U existe alors celui de f (U ) existe et on
a:
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. Soient E et F deux K−espaces vectoriels et f ∈ L(E, F ) une

application linéaire de E vers F . Si Im(f ) est un sous-espace vectoriel de dimension
finie de F , alors l’entier naturel n = dim(Im(f )) est appelé rang de f , noté rg (f ).
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.
Définition 30. Soit n, p ∈ N∗ et A ∈ Mn,p (K). On appelle rang de A le rang de

l’application linéaire ϕA canoniquement associée à A. On note rg (A).
Proposition 49. Si A ∈ Mn,p (K) de colonnes C1 , · · · , Cp et de lignes L1 , · · · , Ln

alors :
rg (A) = rg (C1 , · · · , Cp ) = rg (L1 , · · · , Ln )

Proposition 50. Si A ∈ Mn,p (K) ; alors rg (A) = rg (t A).
Proposition 51. Si A ∈ Mn,p (K) ; alors pour tout (P, Q) ∈ GLn (K) × GLp (K),
on a :
rg (A) = rg (P AQ) = rg (P A) = rg (AQ).
Corollaire 8. Soit A ∈ Mn,p (K). Le rang de A ne change pas par l’une des
opérations suivantes :
1. Li ← Li + αLj , i 6= j où i, j ∈ [[1, n]] avec i 6= j et α ∈ K.
2. Li ← αLi où i ∈ [[1, n]] et α ∈ K et α 6= 0.
3. Li ↔ Lj où i, j ∈ [[1, n]] avec i 6= j
La même conclusion est valables avec le opérations sur les colonnes.
3.1.6.2 Théorème du rang
Lemme 1. E et F sont deux K−espaces vectoriels , E étant de dimension finie.

Soit f ∈ L(E, F ) une application linéaire de E vers F et E 0 un supplémentaire de
ker f dans E, c’est-à-dire E = ker f ⊕ E 0 , alors l’application linéaire f 0 : E 0 →
F 0 = Im f ; x 7→ f 0 (x) = f (x) est un isomorphisme d’espaces vectoriels.
x ∈ E0

Preuve Si x ∈ E 0 tel que f 0 (x) = 0 alors par suite x ∈ E 0 ∩ ker(f )
f (x) = 0
d’où x = 0. Ainsi f 0 est injective.
00
Soit y ∈ Im(f ) donc il existe x ∈ E tel que f (x) = y. Écrivons x = x0 + x avec
00
x0 ∈ E 0 et x ∈ ker(f ) alors f (x) = f (x0 ), et comme x0 ∈ E 0 , on y = f (x0 ) =
f 0 (x0 ), donc f est surjective.
Remarque I

en découle, en particulier, que l’application linéaire fe : E 0 → F ; x 7→ fe(x) = f (x)

est injective.
Théorème 5. (Théorème du rang) : E et F sont deux K−espaces vectoriels , E

étant de dimension finie. Soit f ∈ L(E, F ) une application linéaire de E vers F ,
alors
dim(E) = rg (f ) + dim(ker f ).
Preuve En adoptant les notations du lemme, on a rg (f ) = rg (f 0 ) . comme f 0 est

un isomorphisme, on a dim(E 0 ) = dim(Im(f )) = rg (f ), donc rg (f ) = dim(E 0 ).
Comme ker(f ) ⊕ E 0 = E, on a dim(E 0 ) = dim(E) − dim(ker(f )), d’où la formule
du rang ci-dessus.
Remarques Les remarques suivantes sont utiles en pratique :

1. Soit f ∈ L(E, F ) avec E et F de dimensions finies. Alors :
(a) f est injective si et seulement si rg (f ) = dim(E)
(b) f est surjective si et seulement si rg (f ) = dim(F )
2. Soit n, p ∈ N∗ , M ∈ Mn,p (K) une matrice et ϕM l’application linéaire canoni-
quement associée à M , alors :
(a) rg (M ) = p si et seulement si p ≤ n et ϕM est injective.
(b) rg (M ) = n si et seulement si n ≤ p et ϕM est surjective.
3. Si E est un K−espace vectoriel de dimension n et f ∈ L(E) alors f est bijectif
si et seulement si rg (f ) = n.
4. Si n ∈ N∗ et A ∈ Mn (K), alors A est inversible si et seulement si rg (A) = n.
5. Si E, F, G sont des K−espaces vectoriels et f ∈ L(E, F ) et g ∈ L(F, G) alors :
rg (g ◦ f ) ≤ min(rg (f ), rg (g)).
6. Si n, r, p ∈ N∗ alors pour tout A ∈ Mn,r (K) et tout B ∈ Mr,p (K), on a :
rg (AB) ≤ min(rg (A), rg (B)).
3.1.6.3 Matrices équivalentes
Deux matrices A, B ∈ Mn,p (K) sont équivalentes si :

∃P ∈ Gln (K), ∃Q ∈ GLp (K), B = P AQ

La relations ARB ⇔ A et B sont équivalentes est une relation d’équivalence. Si

A ∈ Mn,p (K) tel que rg (A) = r, alors la classe d’équivalence de A pour la relation
R est :
cl(A) = {M ∈ Mn,p (K)/ rg (M ) = r}
En particulier :
1. Deux matrices A et B de Mn (K) sont équivalentes si et seulement si elles ont
même rang.
2. Pour toute matrice A de Mn,p (K) de rang r avec r > 0, la matrice A est
équivalente à la matrice Jn,p,r avec :

Ir 0r,p−r
Jn,p,r =
0n−r,r 0n−r,p−r
3. Pour la relation R, il y’a exactement m classes d’équivalence où m = min(n, p)

qui sont :
cl(0n,p ) et cl(Jn,p,r ), r ∈ [[1, m]].
Si deux matrices carrée sont semblables alors elles sont équivalentes et la réciproque
est fausse.
3.1.7 Déterminant
3.1.7.1 Définition, propriétés
Définition 31. Soit n ∈ N tel que n ≥ 2 et E un K−espace vectoriel de dimension

n. On appelle forme n−linéaire sur E, toute application φ : E n → K linéaire par
rapport à chaque xi de x = (x1 , · · · , xn ) ∈ E n .
Proposition 52. Soit n ∈ N tel que n ≥ 2 et E un K−espace vectoriel de

dimension n et φ : E n → K une forme n−linéaire.
Les assertions suivantes sont équivalentes :
(1) Pour tout X = (x1 , · · · , xn ) ∈ E n et toute permutation σ ∈ Sn , on a φ(Xσ ) =
ε(σ)φ(X) où Xσ = (xσ(1) , · · · , xσ(n) ) et ε(σ) la signature de la permutation
σ.

(2) Pour tout X = (x1 , · · · , xn ) ∈ E n et toute transposition τ ∈ Sn , on a

φ(Xτ ) = −φ(X) .
(3) Pour tout X = (x1 , · · · , xn ) ∈ E n s’il existe (i, j) ∈ [[1, n]]2 tel que i 6= j et
xi = xj alors φ(X) = 0.
(4) Pour toute famille X = (x1 , · · · , xn ) ∈ E n , si X est liée alors φ(X) = 0.
Définition 32. Soit n ∈ N tel que n ≥ 2 et E un K−espace vectoriel de dimension

n. On appelle forme n−linéaire alternée sur E toute application n−linéaire de E n
vers K vérifiant l’une des assertions (1),(2),(3),(4) de la proposition 52

dimension n. On note An (E) l’ensemble des formes n−linéaire alternée sur E. Alors
An (E) est une droite vectoriel.
Proposition-Définition 2. Soit n ∈ N tel que n ≥ 2 et E un K−espace vectoriel

de dimension n et B une base de E ; alors il existe une et une seule forme n−linéaire
alternée φ sur E tel que φ(B) = 1. Cette unique forme n−linéaire alternée est
appelée déterminant par rapport à B et notée detB .

dimension n et E = (e1 , · · · , en ) une base de E . Si U = (u1 , · · · , un ) est une
famille de n vecteurs de E et si :
Xn
∀j ∈ [[1, n]], uj = uij ei
i=1
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

3.1.7.2 Résumé des propriétés du déterminant d’une famille de vecteurs
E est un K−espace vectoriel de dimension n (n ∈ N∗ ). On a les propriétés suivantes :

1. Si B est une base de E alors pour toute famille F de vecteurs de E, on a :
detB (F ) = 0 si et seulement si F est liée.
2. Si B et B 0 sont deux bases de E et F une famille de vecteurs de E alors :
det0 (F ) = det0 (B) det(F )
B B B
Preuve Puisque les formes n−linéaires alternées forment une droite vecto-
rielle, et que detB est non nulle, il existe λ ∈ K tel que : detB0 = λ detB . En
appliquant B et compte tenu de detB (B) = 1, il vient λ = detB0 (B), donc,
pour toute famille F de vecteurs de E, on a : detB0 (F ) = detB0 (B) detB (F ),
ce qui termine la preuve.
n
3. Soit F = (x1 , · · · , xn ) ∈ E , k ∈ [[1, n]],
n
x0k
P
= xk + λj xj (où les λj j ∈
j=1
j6=k
[[1, n]]\{k} sont des scalaires) et F 0 = (y1 , · · · , yn ) avec

xj si j 6= k
∀j ∈ [[1, n]], yj =
x0k si j = k
alors detB (F ) = detB (F 0 ).
On exprime ça en disant que : Le déterminant d’une famille de vecteur ne change
pas si on remplace un vecteur par lui même ajouté à une combinaison linéaire
des autres.
4. Si on permute deux vecteurs d’une famille, le déterminant est multiplié par −1.
Généralement si σ ∈ Sn et F = (x1 , · · · , xn ) ∈ E n alors :
det(xσ(1) , · · · , xσ(n) ) = ε(σ) det(x1 , · · · , xn )
B B
où ε(σ) est la signature de σ.
5. Si on multiplie un vecteur par un scalaire, le déterminant de la famille obtenue
est multiplié par ce scalaire.
3.1.7.3 Résumé concernant le déterminant des matrices carrées
1. Si A ∈ Mn (K) de colonnes C1 , · · · , Cn et de lignes L1 , · · · , Ln et si on note

respectivement C et L les bases canoniques de Mn,1 (K) et M1,n (K) alors
det(A) = det(C1 , · · · , Cn ) = det(L1 , · · · , Ln )
C L

2. Si A = (aij )1≤i,j≤n ∈ Mn (K) alors

X n
Y X n
Y
det(A) = ε(σ) ai,σ(i) = ε(σ) aσ(j),j
σ∈Sn i=1 σ∈Sn j=1
3. Pour toute A ∈ Mn (K), on a : det(A) = det(t A)

4. Si A = (aij )1≤i,j≤n ∈ Mn (K) alors pour tout (i, j) ∈ [[1, n]]2 , on a :
n
X n
X
i+k
det(A) = (−1) aik det(Aik ) = (−1)k+j akj det(Akj )
k=1 k=1
où Ak` est la matrice carrée de taille n − 1 obtenue après suppression de la ligne

k et la colonne `.
Si on note
Dij = det(Aij )
et
∆ij = (−1)i+j det(Aij )
on donne les appellations suivantes :
Dij : mineur.
∆ij : cofacteur.
On définit la comatrice de A : c’est la matrice dont le terme général est le
cofacteur ∆ij , notée Com(A) ; donc :
Com(A) = (∆ij )1≤i,j≤n
La matrice complémentaire de A est :

t
A
e= Com(A)
5. Si A, B ∈ Mn (K). Si A ' B (A et B sont semblables) alors det(A) = det(B).

6. Pour toute A, B ∈ Mn (K), on a : det(AB) = det(A) det(B).
En particulier : ∀m ∈ N, det(Am ) = (det(A))m .
7. Soit A ∈ Mn (K) ; alors A est inversibles si et seulement si det(A) 6= 0, auquel
cas on a :
det(A−1 ) = (det(A))−1
Notons que si A est inversible alors ∀k ∈ Z, det(Ak ) = (det(A))k .

8. Pour tout A ∈ Mn (K) on a :

A ×t (Com(A)) = t (Com(A)) × A = det(A)In .
Autrement dit :
A×A e × A = det(A)In .
e=A
9. Pour tout λ ∈ K et toute A ∈ Mn (K), on a : det(λA) = λn det(A)
10. Si u ∈ L (E) alors det(u) = det(A) où A matrice représentant u dans une base
quelconque.
3.1.7.4 Opérations sur les lignes et le colonnes

P
Ci ← Ci + λj Cj ne change pas det(A)
j6=i
Ci ↔ Cj change le signe de det(A)
Ci ← αCj multiplie det(A) par α
3.1.7.5 Déterminant de matrices triangulaires par blocs

M N
Proposition 55. Si A = est une matrice triangulaire par blocs où
0 R
M ∈ Md (K) et R ∈ Mq (K) avec d, q ∈ N∗ . alors :
det(A) = det(M ) det(R).
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.
 
A1
Proposition 56. Soit A =  ...  une matrice triangulaire supérieure
As
s
Q
de s blocs alors det(A) = det(Ak ).
k=1

3.2. POLYNÔMES D’ENDOMORPHISMES, POLYNÔME MINIMAL Cours deuxiéme année MP
Preuve Par récurrence et d’après la proposition 55.
3.2 Polynômes d’endomorphismes, polynôme minimal

3.2.1 Définitions
Soit E un K − espace vectoriel et u ∈ L (E). On définit :
0
u = IdE
∀k ∈ N, uk+1 = u ◦ uk
Pour tout P ∈ K[X], tel que
m
X
P = ak X k = an X n + · · · + a1 X + a0 ,
k=0
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. Θu est un morphisme d’algèbre.

Im(Θu ) noté K[u] est une sous-algèbre commutative de L(E).
ker(Θu ) noté Iu où Ann(u) est un idéal de K[X].
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

ax X k
P
P =


k=0
q
bk X k
P
Q=


k=1
et si, par exemple, q < m, on peut écrire :
Xm
Q= bk X k
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
Xm q
X
k
= ak u + λ bk uk
k=0 k=0
= Θu (P ) + λΘu (Q)
m
• Commençons par le cas simple Q = X j , alors P Q = ak X k+j , par suite
P
m k=0

m m
ak uk+j = ak uk ◦uj = ak uk ◦uj = P (u)◦Q(u) =
P P P
Θu (P Q) = P Q(u) =
k=0 k=0 k=0
Θu (P ) ◦ Θu (Q).
q
bj P X j , donc
P
Pour le cas général : Θ(P Q) =
j=0
Θu (P Q) = P Q(u)
Xq
= 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 :
∀u ∈ L (E), P (u) ◦ Q(u) = Q(u) ◦ P (u) = P Q(u)
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. Si Iu 6= {0} alors il existe un unique polynôme uni-

taire µu ∈ K[X] tel que
Iu = µu (u)K[X].
Le polynôme µu s’appelle le polynôme minimal de l’endomorphisme u.
3.2.1.1 Exemples
1. Le polynôme minimal de l’endomorphisme nul est µ0 = X

2. Soit h = α IdE une homothétie ; alors µh = X − α
3. Soit π un projecteur de E ; alors µπ = X 2 − X si π 6∈ {0, IdE }.
4. Soit s une symétrie de E non triviale ; alors µs = X 2 − 1.
3.2.1.2 Cas de la dimension finie
Proposition 58. Si E est de dimension finie alors le polynôme minimal existe pour
tout endomorphisme de E
3.2.1.3 Contre-exemple
Soit E = R[X] et D : E → E défini par D(P ) = P 0 . Alors D n’admet pas de

polynôme minimal.

m
ak X k =
P
Preuve En effet si µD existe alors m = deg(µD ) ≥ 1. Posons µD =
k=s
am X + · · · as X tel que as 6= 0 et am = 1 ; donc µD (D) = D + · · · + as Ds .
m s m
Comme µD (D) = 0, on a en particulier µD (D)(X s ) = 0. Or Dk (X s ) = 0 pour

tout k > S, donc µD (D)(X s ) = s!as , donc s!as = 0, chose fausse puisque as 6= 0.
3.2.2 Cas des matrices carrées

On donne de la même manière les définitions suivantes :
Définition 33. Soit A ∈ Mn [K]. Alors :

1. K[A] = {P (A)/P ∈ K[X]}la sous-algèbre commutative de Mn (K) des ma-
trices qui sont des polynômes en A.
2. IA = {P ∈ K[X]/P (A) = 0} : l’idéal des polynômes annulateurs de A.
Proposition-Définition 4. Pour tout n ∈ N∗ et toute matrice A de Mn (K),

l’idéal IA est non nul, en particulier il existe un et un seule polynôme unitaire µA tel
que IA = µA K[X]. Le polynôme µA s’appelle le polynôme minimal de la matrice
carrée A.
Proposition 59. Soit A ∈ Mn (K) et soit u l’endomorphisme canoniquement

associé à A, alors :
Iu = IA et µu = µA
Proposition 60. Si A et B sont deux matrices semblables de Mn (K), précisément

B = U −1 AU avec U ∈ GLn (K) alors :
1. ∀P ∈ K[X], P (B) = U −1 P (A)U .
2. µA = µB et IA = IB .

Exemple Soit A une matrice carrée de Mn (K), n ≥ 2, tel que rg (A) = 1, alors
µA = 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
La matrice de u relativement à la vase V est de la forme :

 
0 · · · 0 a1
 .. ..
 . . a2 

B= . .. 
 .. . 
0 · · · 0 an
Remarquons que B 2 = an B et que an = tr(B) = tr(A) = t, donc le polynôme

X 2 − tX est un polynôme annulateur de B, donc de A, donc µA ∈ {X, X − t, X 2 −
tX}. Si µA = X alors A = 0 et si µA = Xt alors A = tA choses non vraies donc
µ = X 2 − tX = t2 − tr(A)X.
3.2.3 Quelques remarques importantes
Proposition 61. Soit E un K − espace vectoriel non nul et u ∈ L (E) admettant

un polynôme annulateur non nul. Si d = deg(µu ) alors la famille(IdE , u, · · · , ud−1 )
est une base de K[u].
En particulier dim(K[u]) = deg(µu ).
d−1 d−1
αk uk = 0 le polynôme Q = αk X k est un
P P
Preuve La famille est libre car si
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 µu alors P (u) = R(u)
or R ∈ Kd−1 [X], ce qui établit le résultat.

3.3. STABILITÉ Cours deuxiéme année MP
Remarques Soit u ∈ L (E) tel que Iu 6= {0} (donc le polynôme minimal de u

existe). On donne les remarques suivante :
1. Pour tout polynôme P ∈ K[X], on a P = µu si et seulement si les trois
conditions suivantes sont vérifiées :
(a) P est unitaire.
(b) P (u) = θ (autrement dit P ∈ Iu où Iu est l’idéal annulateur de u.)
(c) ∀Q ∈ K[X], Q(u) = θ ⇒ P |Q.
2. Le polynôme minimal µu de u est l’unique polynôme annulateur de u unitaire
de degré minimal.
3. On a deg(µu ) ≥ 1.
4. u est inversible si et seulement si µu (0) 6= 0.
Preuve 1. Par définition du polynôme minimal.

2. Si P est un polynôme annulateur unitaire de u alors µu |P , donc deg(µu ) ≤
deg(P ). Si P est un polynôme unitaire annulateur de u est de degré minimal
on aurait deg(P ) ≤ deg(µu ), et comme par ailleurs µu |P , on a aussi deg(µu ) ≤
deg(P ), donc P et µu sont unitaires de même degré donc égaux.
3. Sinon µu serait constant et comme µu (u) = θ, on aurait µu = 0, ce qui n’est
pas le cas.
4. On va démontrer deux implications :
• Si µu (0) = 0 alors X|µn , donc µu = 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(µu ).
• Réciproquement si µu (0) 6= 0 alors µ = a0 +XQ(X) avec a0 = µ(0) ∈ K∗ et
Q ∈ K[X], donc θ = µu (u) = a0 IdE +u ◦ Q(u), donc en posant v = − a10 Q(u)
on a u ◦ v = v ◦ u = IdE , donc u est inversible et u−1 = v.
3.3 Stabilité
3.3.1 Définitions et premières propriétés

Définition 34. Soit u ∈ L (E) et F un sous-espace vectoriel de E. On dit que F

est stable par u si u(F ) ⊂ F . Si c’est le cas u induit l’endomorphisme uF ∈ L (F )
tel que uF (x) = u(x) pour tout x ∈ F appelé l’endomorphisme de F induit par u.
Exemples :
1. {0} et E sont stables par tout endomorphisme de E.

2. Si h est une homothétie alors tout sous-espace vectoriel de E est stable par h.
Proposition 62. Si u et v sont deux endomorphismes de E tel que u ◦ v = v ◦ u

alors ker v et Im v sont stables par u.
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
Remarques En particulier si P est un polynôme alors :

1. ker P (u) et Im P (u) sont stables par u.
2. ker u et Im u sont stables par P (u).
3. un cas très pratique est quand P = (X − λ)m , donc P (u) = (u − λ Id)m .
3.3.1.1 La sous-algèbre LF (E) des endomorphismes stabilisant F
Soit u ∈ L (E). On pose LF (E) = {u ∈ L (E)/u(F ) ⊂ F }
Proposition 63. LF (E) est une sous-algèbre de L (E).
Remarque Si u ∈ LF (E) alors K[u] est une sous-algèbre commutative de LF (E)

3.3.2 Interprétation matricielle

3.3.2.1 base adaptée à un sous-espace stable.
Proposition 64. Soit u un endomorphisme de E. les assertions suivantes sont

équivalentes :
(i) F est stable par u.
A B
(ii) il existe une base B adaptée tel que matB (u) = où A ∈ Mp (K) et
0 C
p = dim(F )
A B
(iii) Pour toute base B adaptée tel que matB (u) = où A ∈ Mp (K) et
0 C
p = dim(F )
s
Proposition 65. Si E = ⊕ Fk et si u est un endomorphisme de E tel que Fk est
k=1
s
stable par u pour tout k ∈ [[1, s]] alors la matrice de u dans une base B = ∪ Bk
  k=1
A1 0
adaptée à la somme directe ci-dessus est de la forme A =  ... , c’est-à-
0 As
dire 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 ma-
trice de u dans cette base est diagonale par blocs alors les sous espaces Fk = Vect(Bk )
s
sont u−stables et ⊕ Fk = E.
k=1
3.3.3 Polynôme minimal et stabilité
Proposition 66. Soit u ∈ L (E) et F un sous-espace vectoriel de E stable par u.

Alors Iu ⊂ IuF .
Cela veut dire en particulier que tout polynôme annulateur de u annule uF . En
particulier si le polynôme minimal de u existe il annule uF , par suite :

3.4. LEMME DE DÉCOMPOSITION DES NOYAUX Cours deuxiéme année MP
Preuve Soit P ∈ Iu , donc P (u) = θ ou θ est l’endomorphisme nul de E.

m m
ak X k , on a P (uF ) = ak ukF , donc pour
P P
• Soit x ∈ E, alors si on pose P =
k=0 k=0
m
ak ukF (x).
P
tout x ∈ F , on a P (uF )(x) =
k=0
• Démontrons par récurrence que pour tout j ∈ N on a ujF (x) = uj (x).
• Pour j = 0 on a u0 = IdE et u0F = IdF , donc le résultat est vrai.
• Soit j ∈ N tel que ujF (x) = uj (x), alors uj+1 j j
F (x) = uF (uF (x)) = uF (u (x)).
On a F est stable par u, donc F est aussi stable par uj , donc ujF (x) ∈ F , donc
uF (uj (x)) = u(uj (x)) = uj+1 (x).
m
ak uk (x) = P (u)(x) = 0, donc P (uF ) =
P
• Il découle de tout ça que P (uF )(x) =
k=0
θF , et par suite P ∈ IuF , ce finit complètement la preuve du fait que Iu ⊂ IuF .
Proposition 67. Soit u un endomorphisme de E tel que Iu 6= {0}, et F un

sous-espace stable par u. Alors IuF 6= {0} et µuF |µu .
Preuve Si P est un polynôme comme F est stable par u on aussi F est stable par
P (u) car uk (F ) ⊂ F pour tout k ∈ N et par suite ak uk (F ) ⊂ F.. Si de plus
P
P (u) = 0 alors P (uF ) = 0, donc µuF |P . Comme µ(u) = 0, on a µuF |µu .
3.4 Lemme de décomposition des noyaux

3.4.1 Le lemme
Théorème 6. Si P1 , · · · , Ps (avec s ∈ N, s ≥ 2) sont des polynômes 2 à 2 premiers

s
Pk , alors , pour tout endomorphisme u ∈ L (E), on a :
Q
entre eux et P =
k=1
s
M
ker(P (u)) = ker(Pk (u)).
k=1

3.4. LEMME DE DÉCOMPOSITION DES NOYAUX Cours deuxiéme année MP
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 0 = ker(P (u)) alors :
x = IdE (x) = (V P2 )(u)(x) + (U P1 )(u)(x)
Posons x1 = (V P2 )(u)(x) et x2 = (U P2 )(u)(x) alors P1 (u)(x1 ) =

(U P1 P2 )(u)(x) = U P (u)(x) = (U (u) ◦ P (u))(x) = U (u)(0) = 0 car P (u) = 0
puisqu’on a supposé que x ∈ E 0 = ker(P (u)). De la même façon, P2 (u)(x2 ) = 0,
donc x = x1 + x2 avec x1 ∈ ker(P1 (u)) et x2 ∈ ker(P2 (u))
Soit x ∈ ker(P1 (u)) ∩ ker(P2 (u)). Par la relation (?) ci-dessus, on a :
x = IdE (x) = U (u)(P1 (u)(x)) + V (u)(P2 (u)(x)) = 0
donc x = 0. Ainsi on a :
ker(P1 (u)) ⊕ ker(P2 (u)) = ker(P1 P2 (u))
• Soit s ∈ N, s ≥ 2 tel que la propriété en question est vraie

Qet soit P1 , · · · , Q
Ps+1 des
polynômes deux à deux premiers entre eux , posons P = k=1 Pk et Q = sk=1 Pk
s+1
alors Q ∧ Ps+1 = 1 car si R est un polynôme irréductible qui divise Q et Rs+1 alors
R divise un des Pk pour 1 ≤ k ≤ s et Ps+1 , ce qui contredit le fait que Pk et Ps+1
sont premiers entre eux. D’après le résultat pour s = 2, on a :
ker(P (u)) = ker(Q(u)) ⊕ ker(Ps+1 (u)).
Par hypothèse de récurrence, on a :

s
M
ker(Q(u) = ker(Pk (u))
k=1
Donc :
s+1
M
ker(P (u)) = ker(Pk (u))
k=1
Exercice : En s’inspirant de la preuve démontrer que si (πj ) est la famille des

projecteurs associés à la somme directe ci-dessus, alors πj ∈ K[u] pour tout j.

3.5. ÉLÉMENTS PROPRES D’UN ENDOMORPHISME, D’UNE MATRICECours
CARRÉE
deuxiéme année MP
3.4.2 Cas particulier intéressant : Si P (u) = 0
Proposition 68. Si P1 , · · · , Ps sont des polynômes de K[X] deux àQdeux premiers

entre eux et u un endomorphisme de E tel que P (u) = 0 avec P = sk=1 Pk , alors
s
M
E= ker(Pk (u))
k=1
Preuve Conséquence immédiate du théorème 6 ci-dessus. Ici ker(P (u)) =

ker(0) = E.
3.4.3 Exemples fondamentaux

3.4.3.1 Exemple 1 :
Soit π un projecteur alors P = X 2 − X est un polynôme annulateur de π. Comme

P = X(X − 1), on a : E = ker π ⊕ ker(π − IdE ). En remarquant que ker(π − IdE ) =
Im(π), on retrouve : ker(π) ⊕ Im(π) = E.
3.4.3.2 Exemple 2 :
Par le même raisonnement, si s est un symétrie de E, on a :
E = ker(s − IdE ) ⊕ ker(s + IdE ).
3.5 Éléments propres d’un endomorphisme, d’une matrice

carrée
Dans tout ce qui suit K est un sous-corps de C et E un K − espace vectoriel non
réduit à {0}.
3.5.1 Définitions et premières propriétés

3.5.1.1 Endomorphismes

CARRÉE
deuxiéme année MP
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 6= 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 6= 0 et ∃λ ∈ K tel que
u(x) = λx.
Notation : Eλ (u) = ker(u − λ IdE ), pour tout λ ∈ K.
Exemples 1. On suppose que E est non réduit à {0}. Si u est l’homothétie de

rapport α alors l’unique valeur propre de u est α.
Preuve Comme E est non réduit à {0}, soit x ∈ E tel que x 6= 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 6= 0 et u(x) = λx. Or u(x) = αx, donc
αx = λx. Comme x 6= 0, on a α = λ.
2. u : K[X] → K[X]; P 7→ u(P ) = XP 0 , alors les valeurs propres de u sont les

entiers naturels. Autrement dit Sp(u) = N.
Preuve Remarquons que u(X n ) = X(nX n−1 ) = nX n . Comme X n 6= 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 .
n
ak X k . On a XP 0 (X) = λP (X),
P
Notons n = deg(P ) et posons :P (X) =
k=0
donc : n n
X X
k
kak X = λak X k ,
k=1 k=0
et par identification des coefficients : λa0 = 0 et ∀k ∈ [[1, n]], (k − λ)ak = 0.
Comme an 6= 0, on a λ = n et ak = 0 pour tout k ∈ [[0, n[[. En conclusion
Sp(f ) = N.
3. Soit E = C ∞ (R) l’espace vectoriel réel des applications infiniment dérivables

de R vers R. Soit u : E → E, f 7→ u(f ) = f 0 ; alors Sp(u) = R.
Preuve Pour tout λ ∈ R, si on pose ∀t ∈ R, f (t) = eλt alors u(f ) = λf .

CARRÉE
deuxiéme année MP
4. De même pour E = C ∞ (R) et l’application linéaire v : E → E, f 7→ f 00 on a :

Sp(v) = R.
√
Preuve Soit λ ∈ R tel que λ ≥ 0 et fλ (t) = cos λt alors v(fλ ) = −λfλ et
√ ; donc −λ est une valeur propre de u. Par ailleurs si on pose
fλ est non nulle
gλ (t) = ch( λt), on a v(gλ ) = λgλ et gλ 6= 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.
5. L’endomorphisme D : K[X] → K[X], P 7→ P 0 admet une et une seule valeur

propre à savoir 0.
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 0 = λP . Forcément P est
constant car sinon, on aurait deg(P 0 ) = deg(P ), donc P 0 = 0 et alors λ = 0.
Proposition 69. Soit λ ∈ K. Alors λ ∈ Sp(u) ⇔ (u − λ IdE ) non injectif ⇔

Eλ (u) 6= {0}.
Définition 36. si λ est une valeur propre de u , Eλ (u) s’appelle sous-espace propre
Remarques On fait les remarques suivantes :

1. 0 ∈ Sp(u) ⇔ u non injectif. (En dimension finie c’est équivalent à u non
bijectif). En effet , ce n’est qu’un cas particulier de la proposition 69.
2. Soit θ l’endomorphisme nul de E, alors : Sp(θ) = {0}. En effet ce n’est qu’un
cas particulier de l’exemple d’une homothétie. Directement , si α ∈ Sp(θ)) alors
il existe un vecteur non nul x tel que θ(x) = λx. Or θ(x) = 0, donc λx = 0 et
x 6= 0, donc λ = 0.

CARRÉE
deuxiéme année MP
3.5.1.2 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 défi-
nition suivante qui définit les éléments propres d’une matrice carrée :
Définition 37. les éléments propres de A sont ceux de l’endomorphisme canoni-

quement associé.
Remarques Comme conséquence de cette définition, on a :

1. Soit λ ∈ K. λ est une valeur propre de A si :

X 6= 0
∃X ∈ Mn1 (K), .
AX = λX
2. X ∈ Mn1 (K) est un vecteur propre associé à la valeur propre λ de A si X 6= 0

et il existe λ ∈ K tel que AX = λX
3. On note aussi Sp(A) ensemble des valeurs propres de A. Eλ (A) = {X/AX =
λX}, alors λ ∈ Sp(A) si et seulement si Eλ 6= {0}, dans ce cas Eλ s’appelle
le sous-espace propre associé à λ. On note parfois Eλ (A) = ker(A − λIn ) en
identifiant une matrice à son endomorphisme canoniquement associé.
4. Si K et L sont deux sous-corps de C tel que K ⊂ L alors pour toute matrice A
de Mn (K) on a : SpK (A) ⊂ SpL (A)
5. Pour tout λ ∈ K, λ est une valeur propre de A si et seulement si A − λIn est
non inversible si et seulement si det(A − λIn ) = 0.
6. En particulier, 0 est une valeur propre de A si et seulement si A est non inversible
si et seulement si det(A) = 0.
7. Sp(On ) = {0} (où On est la matrice carrée nulle d’ordre n.)
3.5.1.3 Premières propriétés
Proposition 70. si λ1 , ..., λs sont des valeurs propres 2 à 2 distinctes de u alors la

somme des sous-espaces propres est directe.

CARRÉE
deuxiéme année MP
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
Qs
Q= (X − λk ) :
k=1
s
ker(Q(u)) = ⊕ ker(u − λk IdE ),
k=1
ce qui termine la preuve de la proposition.
Corollaire 10. une famille de vecteurs propres associée à des valeurs propres 2 à 2
distinctes est libre.
Preuve Soient λ1 , . . . , λs des valeurs propres deux à deux distinctes d’un en-
domorphisme u et x1 , . . . , xs des vecteurs propres respectifs associés. Pour tout
s
P
α1 , . . . , αs ∈ K, si αk xk = 0, comme αk xk ∈ Eλk (u), pour tout k ∈ [[1, s]]
k=1
et que la somme de Eλk (u) est directe, en vertu de la proposition 70, on a
∀k ∈ [[1, s]], αk xk = 0, et comme xk 6= 0, on a αk = 0, d’où la liberté de la
famille (xk )1≤k≤s .
Proposition 71. si λ ∈ Sp(u) alors P (λ) ∈ Sp(P (u)). si x est un vecteurs propre
de u associé à λ, alors x est vp de P (u) associé à P (λ).
Corollaire 11. Toute valeur propre de u est une racine de µu
Preuve En effet si λ ∈ Sp(u) alors µ(λ) ∈ Sp(µ(u)) = {0}, donc µ(α) = 0
Remarque On a les propriétés similaires pour les matrices

CARRÉE
deuxiéme année MP
3.5.2 Cas de la dimension finie, polynôme caractéristique

Dans tout ce qui suit E de dim n non nulle.
Motivation : Si λ est une valeur propre d’une matrice A, on remarque que c’est
une racine d’un polynôme de degré n.
3.5.2.1 Polynôme caractéristique d’une matrice, d’un endomorphisme
Proposition 72. f (x) = det(xI − A) est une fonction polynômiale. Le polynôme

associé noté χA vérifie ce qui suit :
(i) il est unitaire de degré n.
(ii) χA = X n − tr(A)X n−1 + · · · + (−1)n det(A).

−aij si i 6= j
Preuve Soit x ∈ K et si on pose A = (aij ), posons ac
ij = ;
x − aii si i = j
alors n
X Y
f (x) = Dσ avec ∀σ ∈ Sn , Dσ = ε(σ) a[
iσ(i)
σ∈Sn i=1
On voit facilement que Dσ est polynômiale en x , on confondra désormais polynôme
et fonction polynômiale associée.
On suppose à présent que n ≥ 2 (le cas n = 1 étant très facile à vérifier) ; soit
σ ∈ Sn tel que σ 6= Id ; posons
Y = {i ∈ [[1, n]]/σ(i) 6= i}
alors card(Y ) ≥ 2 ; en effet Y 6= ∅ car σ 6= Id, et si i ∈ Y , posons j = σ(i) alors
i 6= j et par injectivité de σ, on a σ(i) 6= σ(j) donc j 6= σ(j) donc j ∈ Y . Il en
découle que deg(Dσ ) ≤ n − 2 Pour tout σ ∈ Sn tel que σ 6= Id. Sauf DId , tous
les monômes Dσ sont de degré plus petit ou égal à n − 2. Comme par ailleurs,
deg(DId ) = n, les monômes de f (x) de degré n et celui de degré n − 1 se trouvent
dans DId . Comme
Yn Xn
n
DId (X) = (X − aii ) = X − ( aii )X n−1 + ...
i=1 i=1
on a
χA (X) = X n − tr(A)X n−1 + · · · + (−1)n det(A)

CARRÉE
deuxiéme année MP
Proposition 73. Soient A, B ∈ Mn (K). Alors :

1. A et tA on le même polynôme caractéristique. Autrement dit : χtA = χA .
2. Si A et B sont semblables alors χA = χB
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 .
Remarque La réciproque n’est pas vraie, voici un contre exemple : On prends

E = R3 et (e1 , e2 , e3 ) la base canonique de R3 et soit :
   
1 0 0 1 1 0
A =  0 1 0  et B =  0 0 0 
0 0 0 1 1 1
On a χA = χB = X(X − 1)2 , cependant E1 (A) est un plan vectoriel de R3 , à savoir :

Re1 + Re2 alors que E1 (B) est une droite vectorielle, à savoir Re3 . Donc A et B ne
sont pas semblables.
Remarquons que A et B ont aussi le même rang (elles ont le même déterminant et
la même trace puisqu’elles ont le même polynôme caractéristique).
Définition 38. Soit E un K−espace vectoriel de dimension finie n (avec n ≥ 1). Le

polynôme caractéristique d’un endomorphisme u de E est le polynôme caractéristique
d’une matrice qui le représente dans une base quelconque de E.
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.

CARRÉE
deuxiéme année MP
] 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 .
3.5.2.2 Polynôme caractéristique et stabilité
Rappel : Si M = diag(M1 , · · · , Ms ) est une matrice triangulaire supérieure par

blocs diagonaux, c’est-à-dire , M est de la forme :
 
M1
 ... ? 
M =
 
 O ... 

Ms
alors s
Y
det(M ) = det(Mk ).
k=1
Remarque C’est valable aussi si la matrice est triangulaire inférieur pa blocs.
Proposition 74. Soit u ∈ L (E) et F un sous-espace vectoriel non nul de E

u−stable et uF l’endomorphisme induit associé. Alors χuF |χu
Preuve Soit F un sous-espace vectoriel de E stable par u et F 0 un supplémentaire

de F , donc
(??) F ⊕ F 0 = E
Soit
B = (v1 , · · · , vr , · · · , vn )
une base adptée à la somme directe (??), alors la matrice de u relativement à B
est :
B C
A = matB (u) =
0 D
Donc χu = χB χD = χuF χD et χuF |χu .

CARRÉE
deuxiéme année MP
3.5.2.3 Polynôme caractéristique et spectre
Proposition 75. λ ∈ Sp(A) si et seulement si χA (λ) = 0. En particulier A a au

plus n valeurs propres
Corollaire 12. Soit u ∈ L (E). Alors Sp(u) est fini et card(Sp(u)) ≤ dim(E).
Définition 39. multiplicité d’une vp : Soit λ ∈ Sp(u), la multiplicité de λ est son

ordre de multiplicité m(λ) dans le polynôme caractéristique χu .
Proposition 76. Si λ ∈ Sp(u) alors 1 ≤ dim(Eλ (u) ≤ µ(λ)
Preuve Posons d = dim(Eλ (u)). Comme λ est une valeur propre de u, on a d ≥ 1.

Soit E 0 un supplémentaire de Eλ (u). Si B = (v1 , · · · , vr , vr+1 , · · · , vn ) est une base
adaptée à la somme directe Eλ (u) ⊕ E 0 = E alors la matrice de u relativement à
B est de la forme :
Id C
A = matB (u) =
0 D
Il en résulte que le polynôme caractéristique de u est
χu = (X − λ)d χD
en particulier ((X − λ)d |χu . Or si m = µ(λ) est la multiplicité de λ alors :
χu = (X − λ)m Q et (X − λ) 6 |Q;
donc
(X − λ)d |(X − λ)m Q et (X − λ) ∧ Q = 1
et par le lemme de Gauss,
(X − λ)d |(X − λ)m ,
donc d ≤ m.

CARRÉE
deuxiéme année MP
3.5.2.4 Cas où χu est scindé
• Lorsque le polynôme caractéristique d’un endomorphisme en dimension finie ou

d’une matrice carrée est scindé, on propose deux façons de l’écrire :
- Première façon :
Yn
χu = (X − λk )
k=1
avec λ1 , · · · , λk les valeurs propres de u, comptées avec leur ordres de multiplicités.
- Deuxième façon :
Ys
χu = (X − µk )mk
k=1
avec s = card(Sp(u)) et µ1 , · · · , µs les valeurs propres deux à deux distinctes de u.
• Lorsque le polynôme caractéristique d’un endomorphisme est scindé , on peut

calculer son determinant et sa trace en fonction des valeurs propres, ce qui est résumé
par la :
Proposition 77. Soit u ∈ L(E) tel que χu est scindé, précisément :

n
Y s
Y
χu = (X − λk ) = (X − µk )mk
k=1 k=1
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 :
det(u) = nk=1 λk = sj=1 µj mj

Q Q
tr(u) = nk=1 λk = sj=1 mj µj

P P
Remarque C’est aussi valable pour une matrice carrée ayant le polynôme caracté-
ristique scindé.

3.6. VALEURS PROPRES ET POLYNÔMES ANNULATEUR Cours deuxiéme année MP
3.6 Valeurs propres et polynômes annulateur

3.6.1 Théorème de Cayley-Hamilton
Théorème 7. Soit u ∈ L(E) alors χu (u) = 0.
Preuve On va démontrer que pour tout vecteur x ∈ E, on a χu (u)(x) = 0.

- Si x = 0, c’est vrai.
- si x 6= 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
p
u (x) = ak uk (x)
k=0
Ainsi si on pose
p−1
X
p
P =X − 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 :
χu F = P
et comme P (u)(x) = 0, il en découlera que par suite χuf (u)(x) = 0 donc

χu (u)(x) = 0.
La matrice de uF relativement à la base Fx de F est :
 
0 · · · · · · 0 a0
1 . . . .. .. 
 . . 
 . . . . .. .. 
Bp = matFx (uF ) = 0 . . . . 
. .
 .. . . . . . 0 ... 

0 · · · 0 1 ap−1

3.6. VALEURS PROPRES ET POLYNÔMES ANNULATEUR Cours deuxiéme année MP
Une récurrence sur p permet de démontrer que χB = P .

En effet , il est aisé de prouver ce résultat pour p = 2. Soit p ≥ 3 tel que le résultat
est vrai pour p − 1, alors en développant suivant la première ligne , on a :
X 0 ··· ··· 0 −a0

. .. .
.. ..
−1 X .
. ..
0 . . . . . . . . . .. .
χB = .. ... ... 0 ..
. .
.. . . . X −a
. p−1
0 · · · · · · 0 −1 X − ap
X 0 ··· ··· 0 −a1
. .. .
.. ..
−1 X .
. ..
0 . . . . . . . . . .. .
= X . ... ... 0 ..
.. .
.. . . . X −ap−1
.
0 · · · · · · 0 −1 X − ap
−1 X 0 · · · 0 −a1
. ..
0 −1 . . . . . . .. .
... ... ... 0 ..
0 .
+ (−1)p+1 a0 .. ... ... X ..
. .
.. . . . −1 X
.
0 · · · · · · · · · 0 −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
X p−1
X
p j p
χB = X − aj X − a0 = X − ak X k
j=1 k=0
Remarques Le théorème s’exprime aussi comme suit :

1. µu |χu
2. χu ∈ Iu

3.7. DIAGONALISATION Cours deuxiéme année MP
3. On a dim(K[u]) ≤ dim(E). Notons que si n 6= 0 alors dim(K[u]) > 0 ; en effet

IdE ∈ K[u] et IdE 6= 0.
3.6.2 Autres liens entre χA etµA
Proposition 78. χA et µA ont les mêmes racines.
Preuve En effet si λ est une racine de χA alors λ ∈ Sp(A). On a déjà vu qu’alors

µA (λ) = 0. Réciproquement, si µ(λ) = 0, alors, µ s’écrit : µ = (X−λ)Q. Forcément
Q(A) 6= 0, donc il existe Y ∈ E tel que X = Q(A)Y 6= 0. On a (A−λIn )Q(A) = 0,
donc (A − λIn )X = 0 et λ ∈ Sp(A).
Remarque En particulier, si χu Q est scindé alors µu estQscindé et dans ce cas si

0
Sp u = {λk , k ∈ [[1, s]]} alors χu = (X − λk )mk et µu = (X − λk )mk avec mk , m0k
des entiers tel que 1 ≤ m0k ≤ mk et mk est la multiplicité de λk dans χu .
Proposition 79. Si P est un polynôme annulateur de u alors toute valeur propre

de u est une racine de P
Preuve En effet toute valeur propre de u est une racine du polynôme minimal µu
de u et comme P (u) = 0, on a µu |P et le résultat en découle.
3.7 Diagonalisation
Dans tout ce qui suit les espaces vectoriels considérés sont de dimension finie non
nulle.
3.7.1 Endomorphisme, matrice diagonalisable

3.7.1.1 Endomorphismes diagonalisables

Proposition 80. Les assertions suivantes sont équivalentes.

(i) il existe une base B de E tel que matB (u) est diagonale.
L
(ii) Sp(u) non vide et E = λ∈Sp(u) Eλ (u)
(iii) E admet une base formée de vecteurs propres de u.
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 chacun d’eux. Pour
tout i ∈ [[1, s]], notonsSCi la sous-famille de B de touts les 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
M s
E= Ek
k=1
avec Ek = Vect(Ck ) = Eλk (u).
• SupposonsSque (ii) est vraie. Pour tout λ ∈ Sp(u), notons Cα une base de Eλ (u)
et soit C = λ∈Sp(u) Cλ . Alors, C est une base de E adaptée à la somme directe de
l’hypothèse et c’est clairement une base formée de vecteurs propres de u puisque
si e est un vecteur de C , il existe λ ∈ Sp(u) tel que e est un vecteur de Cλ , donc
e ∈ Eλ (u), donc u(e) = λe et par suite e est un vecteur propre de u.
• Supposons que (iii) est vraie, soit B = (e1 , . . . , en ) une base de E formée de
vecteurs propres de u. Alors pour tout i ∈ [[1, n]], il existe λi ∈ K tel que u(ei ) =
λi ei , donc la matrice de u relativement à B est :
matB (u) = diag(λ1 , · · · , λn ).
Conclusion : On a démontré les implications : (i) ⇒ (ii), (ii) ⇒ (iii) et (iii) ⇒ (i),
donc les assertions (i), (ii) et (iii) sont équivalentes.

Définition 40. Si l’une des assertions (i), (ii), (iii) de la proposition 80 est réalisée,
on dit que u est diagonalisable.
Remarque Toute base B de E formée de vecteurs propres de u est appelée base

de diagonalisation de u.
Proposition 81. Soit u un P endomorphisme tel que Sp(u) 6= ∅. Alors u est diago-
nalisable 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 dia-
gonalisable 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 Q D =
diag(λ1 , · · · , λs ) dans une base de diagonalisation et par
P suite ,χu = (X − λk ).
Supposons donc que χu est scindé alors P on a n = m(λk ). En particulier
P u
est diagonalisable si et seulement si n = d(λk ) si et seulement si (m(λk ) −
d(λk ) = 0 si et seulement si m(λk ) = d(λk ), ∀k car on sait que m(λk ) − d(λk ) ≥ 0,
pour tout k ∈ [[1, s]].
Exemple Soit α, β, γ, λ ∈ R et la matrice

 
α β 0
A =  0 γ 0  ∈ M3 (R)
0 λ α
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 (A0 ) avec :
 
0 β 0
A0 =  0 γ − α 0 
0 λ 0
• Si α 6= γ alors rg (A0 ) = 1 et d(α) = 2 = m(α), donc A est diagonalisable.
• Si α = γ alors m(α) = 3 d’une part, et d’autre part : si β = λ = 0 alors rg(A0 ) = 0,
donc d(α) = 3 et A est diagonalisable, et si β 6= 0 ou λ 6= 0 alors rg (A0 ) = 1, donc
d(α) = 2 < 3 = m(α) et A n’est pas diagonalisable.
Résumé : La matrice A est diagonalisable si et seulement si

α=γ
α 6= γ ou
β=λ=0
si et seulement si :
α 6= γ ou β = λ = 0
3.7.1.2 Matrice carrée diagonalisable
Définition 41. Une matrice carrée est diagonalisable si l’endomorphisme canoni-

quement associé est diagonalisable.
Proposition 82. une matrice carrée est diagonalisable si et seulement si elle est
semblable à une matrice diagonale.
3.7.2 Autres caractérisation des endomorphismes diagonalisables

3.7.2.1 Décomposition spectrale
s s
Notation : Si E = ⊕ Ek on note E
fk = ⊕ Ej et πk la projection sur Ek parallèle-
k=1 j=1
j6=k
ment à E
ek .

Proposition 83. Si u est diagonalisable et λk , k ∈ [[1, s]] ses valeurs propres deux à
s
P
deux distinctes alors u = λk πk où les πk sont les projecteurs associés à la somme
k=1
s
directe : E = ⊕ Ek
k=1
x = x1 + · · · + xs avec xk ∈ Ek (u) alors u(x) = u(x1 ) + · · · + u(xs ) =

Preuve si P
P
λk xk = λk πk (x)
s
P
Théorème 9. Si P ∈ K[X] alors, avec les notations ci-dessus, P (u) = P (λk )πk
k=1
m
Preuve PSi P = X , raisonnons par récurrence sur m. Pour m = 0,∗ il vient
IdE = P πk , chose juste. Pour m P=m1 c’est la prop ci-dessus. Soit m ∈ N tel que
m m m
u
P = mλk πP k . On a πj u = λk πj πk = λj πj de sorte que um+1 = u.um =
m
λj πj u = j λm+1 j πj .
N
am X m , alors :
P
Pour finir, soit P ∈ K[X] tel que P =
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

3.7.2.2 Conséquences
Proposition 84. Si u est diagonalisable de valeurs propres deux à deux distinctes

s
Q
λ1 , · · · , λs alors le polynôme scindé à racines simples : µ = (X − λj ) annule u.
j=1
Preuve Comme µ(λj ) = 0 pour tout j, c’est une conséquence immédiate du

théorème précèdent.
Théorème 10. u est diagonalisable ssi son polynôme minimal µu est scindé à racines
simples.
Preuve Si u est diagonalisable et Sp(u) = {λ1 , · · · , λs } alors le polynôme µ =

Q
(X − λj ) annule u. Or chaque λj est une racine du polynôme minimal µu ,
donc µ|µ
Q u et par suite µ = µu , donc µu est scindé simple. Réciproquement si
µu = (X − λj ) avec les λj 6=s deux à deux alors par le lemme des noyaux et
s
µu (u) = 0, on a E = ⊕ Eλj (u) donc u est diagonalisable.
j=1
Corollaire 13. u est diagonalisable si et seulement si il existe un polynôme P scindé

à racines simples tel que P (u) = 0. Dans un tel cas les vp de u sont parmi les racines
de P .
PreuveQSi u est diagonalisable il suffit de prendre P = µu . Réciproquement, si

P = α (X − ai ) on a par le lemme des noyaux E = ⊕ ker(u − ai IdE ). Soit
J l’ensemble des indices tel que ker(u − aj IdE ) 6= {0} alors E = ⊕ Eaj (u). Il
j∈J
en découle que les aj , j ∈ J sont les vp de u et que E est somme directe des
sous-espaces propres donc diagonalisable.

3.8. TRIGONALISATION Cours deuxiéme année MP
Corollaire 14. Si dim E = n et u admet n vp 2 à 2 6=s alors u est diagonalisable

et les sous-espaces propres sont des droites vectorielles.
Proposition 85. Soit u ∈ L(E) un endomorphisme diagonalisable et F est un

sous-espace vectoriel de E. Si F est stable par u alors l’endomorphisme induit uF
est diagonalisable
Preuve Comme u est diagonalisable , son polynôme minimal µu est scindé à

racines simples, or le polynôme minimale µuF de uF divise µu , donc µuF est scindé
à racine simples , par suite uF est diagonalisable.
3.8 Trigonalisation
Tout espace vectoriel considéré dans ce paragraphe est de dimension finie non nulle
3.8.1 Définitions
3.8.1.1 Endomorphisme trigonalisable
Définition 42. Un endomorphisme u est trigonalisable s’il existe une base B de E

tel que T = matB (u) est triangulaire supérieur.
Remarques Soit u ∈ L(E) ( E étant un K − espace vectoriel de dimension finie

non nulle n.) On a les remarques suivantes :
1. S’il existe une base C de E tel que matC (u) est triangulaire inférieure alors u
est trigonalisable.
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.

2. Si u est trigonalisable représenté par une matrice triangulaires T = (tij )1≤i,j≤n

alors les termes diagonaux t11 , · · · , tnn sont exactement les valeurs propres de
u comptées avec leur multiplicités.
Preuve
Qn Si u est représenté par T alors son polynôme caractéristique est χu =
k=1 (X − tkk ), ce qui prouve le résultat énoncé.
Exemples On donne les exemples suivants :

1. Tout endomorphisme diagonalisable est trigonalisable.
2. u : R3 [X] → R3 [X]; P 7→ (X + 3)P 0 . Si B = (1, X, X 2 ) est la base canonique
de E alors :  
0 3 0
matB (u) =  0 1 6 
0 0 2
3.8.1.2 Matrice trigonalisable
Définition 43. Soit M ∈ Mn (K) une matrice carrée. M est trigonalisable si

l’endomorphisme canoniquement associé est trigonalisable.
Proposition 86. M est trigonalisable si et seulement si M est semblable à une

matrice triangulaire sup si et seulement si M est semblable à une matrice triangulaire
inférieure.
Remarque Toute matrice triangulaire supérieure ou inférieure, toute matrice dia-

gonale est trigonalisable.
3.8.2 Caractérisation par les polynômes caractéristique

3.8.2.1 Caractérisation
Théorème 11. Soit u un endomorphisme. les assertions suivantes sont équivalentes :

(i) u est trigonalisable
(ii) Le polynôme caractéristique χu est scindé .

Preuve - Si u est trigonalisable, il existe une base dans laquelle la matrice de u

Qn
est 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 µu = 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 0 un supplémentaire de Ke1 . Considérons une base
B 0 = (e2 , · · · , en+1 ) de E 0 et la base de E sous-jacente B = (e1 , e2 , · · · , en+1 ).
alors :  
λ L
0 
A = matB (u) =  ..
 

 . B 
0
avec B ∈ Mn (K) et L ∈ M1,n (K). On a alors chu = (X − α)χB , et comme
χu est scindé, il en est de même de χB . Soit v l’endomorphisme canoniquement
associé à B, alors χv = χB , donc χv est scindé, donc, par hypothèse de récurrence,
on a v est trigonalisable, donc B est trigonalisable, donc il existe Q ∈ GLn (K)
et une matrice
 triangulaire supérieure
 T1 ∈ Mn (K ) tel que B = QT1 Q−1 ,
λ L
0
1 0

donc A =  .. . Soit P = , alors P ∈ GLn+1 (K) et
 
 . QT1 Q−1  0 Q
0
 
λ LQ
0
1 0

−1 −1
P = . On a P AP =  ..  = T est une matrice trian-
 
−1
0 Q  . T1 
0
gulaire de Mn+1 (K) et comme A = P T P −1 , la matrice A est trigonalisable, donc
l’endomorphisme u est trigonalisable, ce qui termine la preuve du théorème.
Remarque On a un théorème similaire pour les matrices carrées : Une matrice

carrée A ∈ Mn (K) est trigonalisable si et seulement si son polynôme caractéristique
χA est scindé.

3.8.2.2 Cas où K = C
Théorème 12. Soit E un C espace vectoriel de dimension finie. Alors tout endo-
morphisme de E est trigonalisable.
Théorème 13. Toute matrice carrée de Mn (C) est trigonalisable.
3.8.3 Endomorphismes et matrices nilpotents

3.8.3.1 Rappel
Définition 44. Soit E un K−espace vectoriel et u ∈ L (E). On dit que u nilpotent

s’il existe un entier naturel non nul k tel que uk = 0. Le plus petit k vérifiant uk = 0
s’appelle indice de nilpotence de u.
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.
Exemple : Si E est de dimension finie non nulle n alors un endomorphisme u est

nilpotent si et seulement si un = 0.
3.8.3.2 Caractérisation
Proposition 87. Soit E un espace vectoriel de dimension finie. Un endomorphisme

u de E est nilpotent si et seulement si u est trigonalisable et admet 0 comme unique
valeur propre.

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 6= C, la matrice A est toujours dans Mn (C) et elle est par conséquent tri-
gonalisable, 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 caractéris-
tique de A en tant qu’élément de K[X] est χA = X n , donc A est trigonalisable
avec unique valeur propre 0. Donc u est trigonalisable avec unique valeur propre
0.
Réciproquement si u est trigonalisable et 0 est l’unique valeur propre de u alors il
existe une base C de E tel que la matrice T de u relativement à C est :
 
0
 ... ? 
T =
 
0 . .. 

0
triangulaire supérieure avec les termes diagonaux nuls, donc χu = X n et par
Cayley-Hamilton, on a un = 0 et par suite u est nilpotent.
Remarques Ces remarques sont très utiles en pratique :

• Si A ∈ Mn (K) est une matrice dont le polynôme caractéristique χA est scindé et
si A admet une unique valeur propre λ, alors A est diagonalisable si et seulement si
A = λIn .
• On a une remarque similaire pour un endomorphisme u ∈ L(E) avec E de
dimension finie n.
• Cela revient à dire : un endomorphisme u ∈ L(E) avec E K − espace vectoriel de
dimension finie n(resp. matrice A ∈ Mn (K)) trigonalisable avec une unique valeur
propre λ est diagonalisable si et seulement si u = λ IdE (resp. A = λIn ).
3.8.4 Une autre réduction d’endomorphisme trigonalisable

Soit u un endomorphisme trigonalisable, donc χu est scindé. Si Sp(u) = {λ1 , · · · , λs }
s
(X − λk )mk . Pour tout k ∈ [[1, s]], on a 1 ≤ mk ≤ n où n = dim(E).
Q
alors χu =
k=1

Le lemme de décomposition des noyaux permet d’écrire :

s
M
E= ker(u − λk IdE )mk .
k=1
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. Si u ∈ L(E) est un endomorphisme trigonalisable alors si
Sp(u) = {λ1 , · · · , λs }
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
j6=k
et pour tout x ∈ E :
s
X
ν(x) = νj (πj (x))
j=1
alors ν est un endomorphisme nilpotent de E et on a
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 commutentPs :
En effet, si x = k=1 xk avec xk ∈ Fk alors
s
X
δ(x) = λk xk ,
k=1
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.
Remarque La décomposition de Dunford hors programme postule que toute endo-

morphisme u trigonalisable se décompose de façon unique sous le forme u = δ + ν
tel que :
• δ un endomorphisme diagonalisable de E
• ν un endomorphisme nilpotent de E
• δ ◦ ν = ν ◦ δ.

Les remarques ci-dessus ont déjà prouvé l’existence d’une telle décomposition. L’uni-
cité est un peu plus difficile et de toute façon c’est du hors programme.

Chapitre 4
Espace vectoriels normés
4.1 Norme sur un espace vectoriel :

Dans tout ce qui suit K désigne l’un des corps R ou C. Si λ ∈ K alors mod λ
désigne le module de λ (qui coincide avec sa valeur absolue si λ est réel ).
4.1.1 Norme, semi norme, distance

4.1.1.1 Norme : Définition, premières remarques
Définition 46. Soit E un K espace vectoriel. On appelle norme sur E toute appli-
cation N de E vers R+ tel que :
(1) (∀(x, y) ∈ E 2 ) N (x + y) ≤ N (x) + N (y)
(2) (∀x ∈ E)(∀λ ∈ K) N (λx) = |λ|N (x)
(3) (∀x ∈ E) N (x) = 0 ⇒ x = 0
Remarques E désigne un K espace vectoriel, on a les remarques suivantes :

1. Dans la pratique , on adopte la notation kxk au lieu de N (x).
Le lecteur peut réécrire la définition d’une norme à l’aide de cette notation.
2. Le couple (E, k.k) où E est un K espace vectoriel et k.k une norme sur E
s’appelle un espace vectoriel normé ( evn en abrégé).
3. Si k.k est une norme sur E alors : k0k = 0 et k−xk = kxk pour tout x ∈ E.
En effet, pour λ = −1, l’axiome de l’homogénéité donne le résultat.
4. Si k.k est une norme sur E alors on a :
∀(x, y) ∈ E 2 | kxk − kyk | ≤ kx − yk
96
4.1. NORME SUR UN ESPACE VECTORIEL : Cours deuxiéme année MP
Preuve On a : kxk = kx − y + yk ≤ kx − yk + kyk, donc :
kxk − kyk ≤ kx − yk
Par symétrie des rôles, on a aussi :
kyk − kxk ≤ ky − xk
Comme kx − yk = ky − xk, on en déduit :
−kx − yk ≤ kxk − kyk ≤ kx − yk
et finalement :
|kxk − kyk| ≤ kx − yk
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.
4.1.1.2 Semi norme
Définition 47. On appelle semi-norme sur E, une application ν : E → R+ tel que :

1. ∀(x, y) ∈ E 2 ν(x + y) ≤ ν(x) + ν(y).
2. ∀λ ∈ K, ∀x ∈ E, ν(λ.x) = |λ|ν(x).

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.
Exemples Voici des exemples intéressants de semi-normes :
1. Soit E = CM([0, 1], R) l’espace vectoriel réel des fonction continues
R1 par mor-
ceaux de [0, 1] vers R, et pour tout f ∈ E, posons : N (f ) = 0 |f (t)|dt ; alors
N est une semi-norme sur E, mais ce n’est pas une norme car pour f définie
par :
1 si x = 0
f (x) = ,
0 si 0 < x ≤ 1
on a N (f ) = 0 alors que f 6= 0.
2. Soit (E, k.k) un espace vectoriel normé, X un ensemble non vide et A une partie
finie non vide de X. On considère E X , l’espace vectoriel des applications de X
vers E et pour tout f ∈ E X , on pose :
X
νA (f ) = kf (a)k
a∈A
Alors νA est une semi-norme sur E X . On remarque que pour tout f ∈ E X , on

a νA (f ) = 0 si et seulement si f est nulle sur A. Il en découle que :
(a) si A ( X alors νA n’est pas une norme sur E X
(b) X est fini alors νX est une norme sur E X .
3. Soit X un ensemble infinie et E = B(X, R) l’espace vectoriel des applications
bornées de X vers R.
Soit ϕ : N → X une application injective. Pour tout f ∈ E, posons :
+∞
X |f (ϕ(n))|
ν(f ) =
n=0
2n
Alors ν est bien définie et c’est une semi-norme sur E. De plus ν est une norme
sur E si et seulement si ϕ est bijective, c’est-à-dire ϕ(N) = X.
Preuve
• L’application ν est bien définie car si f ∈ E, il existe M ∈ RPtel que
∀n ∈ N, |f (x)| ≤ M , donc 0 ≤ |f (ϕ(n))|
2n ≤M
2n et la série géométrique
1
2n est
convergente, donc ν(f ) est bien un nombre réel positif.
• Si f, g ∈ X alors pour tout n ∈ N, on a :
|(f + g)(ϕ(n))| ≤ |f (ϕ(n))| + |g(ϕ(n))|,

ce qui fournit facilement :
ν(f + g) ≤ ν(f ) + ν(g)
• Finalement, il est aisé de remarquer que pour tout f ∈ E et tout λ ∈ R, on

a : ν(λf ) = |λ|ν(f ).
Remarquons que pour tout f ∈ E, on a : ν(f ) = 0 si et seulement si f est
nulle sur ϕ(N), donc si ϕ(N ) = X alors ν est une norme et si ϕ(N) 6= X,
soit b ∈ X\ϕ(N) et f l’application de X vers R définie par f (b) = 1 et
f (x) = 0 pour tout x ∈ X\{b}, alors f est bien un élément de E car elle
est bornée sur X. On a ν(f ) = 0 puisque f (ϕ(n)) = 0 pour tout n ∈ N car
∀n ∈ N, ϕ(n) 6= b, par contre f 6= 0 puisque f (b) = 1.
4.1.1.3 Distance associée à une norme
Définition 48. Soi X un ensemble non vide . On appelle distance sur X toute
application d : X 2 → R+ vérifiant :
(1) ∀(x, y) ∈ X 2 d(x, y) = d(y, x)
(2) ∀(x, y, z) ∈ X 3 d(x, y) ≤ d(x, z) + d(z, y)
(3) ∀(x, y) ∈ X 2 d(x, y) = 0 ⇔ x = y
Remarque on a alors :
∀x ∈ E, kxk = d(x, 0) = d(0, x)
Exemple Pour tout (m, n) ∈ N2 , on pose

0 si m = n
d(m, n) = = 1 − δm,n
1 si m =6 n
où δm,n est le symbole de Kronnecker. Alors d est une distance sur N.
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 6= p
alors forcément m 6= n ou n 6= 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 6= n alors d(m, n) = 1 6= 0, par suite on a :
d(m, n) = 0 ⇔ m = n.
Proposition 89. Si (E, k.k) est un espace vectoriel normé alors l’application :
d : E2 → R+
(x, y) 7→ d(x, y) = kx − yk
est une distance sur E appelé distance associée à la norme k.k
Preuve On va établir que l’application d ainsi définie vérifie les trois axiomes
d’une distance :
• Soit (x, y) ∈ E 2 , on a kx − yk = ky − xk, donc d(x, y) = d(y, x).
• Soit (x, y, z) ∈ E 3 alors, par l’axiome de l’inégalité triangulaire, on a :
kx − yk = k(x − z) + (z − y)k ≤ kx − zk + ky − zk ,
ce qui donne :
∀(x, y, z) ∈ E 3 d(x, y) ≤ d(x, z) + d(z, y)
• Soit (x, y) ∈ E 2 , alors :
d(x, y) = 0 ⇔ kx − yk = 0
Par l’axiome de séparation, on a
kx − yk = 0 ⇔ x − y = 0
donc :
∀(x, y) ∈ E 2 d(x, y) = 0 ⇔ x = y
.

4.1.1.4 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 = {kx − ak /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 6= ∅, et comme YA ⊂ R+ , on a YA est non

vide minorée (par 0 par exemple), donc YA admet une borne inférieure.
Remarques Retenons les remarques suivantes :

1. Si a ∈ A alors d(a, A) = 0 mais la réciproque est fausse.
Contre-exemple : Prenons A =]1, 5[ dans R muni de la valeur absolue(qui
est bien une norme). Alors d(5, A) = inf 1<x<5 |x − 5| = 0, cependant, 5 6∈ A.
2. Si A est un singleton {b} alors d(a, A) = kb − ak.
3. Soit x ∈ E et A une partie non vide finie de E, alors il existe a ∈ A tel que
d(x, A) = d(x, a) = kx − ak.
En effet, dans ce cas l’ensemble YA = {kx − ak /x ∈ A} est une partie finie
de non vide de R, donc admet un plus petit élément de la forme d(x, a) avec
a ∈ A.
Exemples
p 1. Soit E = R2 et pour tout x = (x1 , x2 ) ∈ R2 , posons kxk =
x21 + x22 , alors c’est une norme de R2 . Soit A = {(t, 0)/t ∈p
R} et x = (1, 2).
Pour tout t ∈ R on a : d((t, 0), (1, 2)) = k(t, 0) − (1, 2)k = (t − 1)2 + 4 est
minimal si f (t) est minimal avec f (t) = (t − 1)2 + 4, or pour tout t ∈ R, on a :
f 0 (t) = 2(t − 1) et f 00 (t) = 2 ce qui donne un minimum absolu pour f au point
t = 1 à savoir f (1) = 4, donc d(x, A) = 2
2. Dans l’espace vectoriel normé (R, |.|), prenons A = Z, alors pour tout nombre
réel x, si on note p = [x] la partie entière de x alors :
d(x, Z) = min(x − [x], 1 + [x] − x)
donc
x − p si p ≤ x ≤ p + 21

d(x, Z) =
p + 1 − x si p + 21 < x ≤ p + 1

4.1.1.5 Norme induite sur un sous-espace vectoriel
Proposition 90. Soit (E, k.k) un espace vectoriel normé et F un sous-espace

vectoriel de E. Alors la restriction k.kF , de k.k à F est une norme sur F
Preuve Immédiate puisque F ⊂ E et que kxkF = kxk, pour tout x ∈ F , par

définition, ,donc tous les axiomes d’une norme sont vérifiées par k.kF sur F .
Remarque Si aucune confusion n’est à craindre, on adopte la même notation pour

la norme de E et celle de F induite par celle de E. En d’autres termes si x ∈ F
alors kxk désigne en même temps la norme de x dans l’ evn E et dans F muni de
la norme induite.
Exemple E = C muni du module, et F = R, la norme induite : la valeur absolue.
4.1.2 Exemples de normes

On donne ici des exemples fondamentaux de normes et on verra plus loin les liens
possibles entre elles quand elles sont définies sur un même espace vectoriel :
Exemples 1. Soit n ∈ N∗ . Pour tout x = (x1 , ..., xn ) ∈ Kn , on pose :
 n
P
kxk1 = |xk |





 k=1
 n 12
2
P
 kxk2 = |xk |

 k=1
 kxk∞ = sup |xk |



1≤k≤n
Alors : k.ki pour i = 1, 2, ∞ respectivement sont trois normes sur Kn . On a :

k.k∞ ≤ k.k2 ≤ k.k1 ≤ n k.k∞
2. Soit E = C ([a, b], K) le K − espace vectoriel des fonction continues du segment
[a, b] vers K a, b nombres réels tel que a < b ). Pour tout f ∈ E, on pose :
 Rb

 kf k1 = a |f (t)|dt

 R 21
b 2
kf k2 = a |f (t)| dt

 kf k∞ = sup |f (t)|


x∈[a,b]

Alors il s’agit de trois normes sur E.

3. Soit E = K[X] le K − espace vectoriel des polynômes à coefficients dans K. Si
+∞
ak X k où (ak ) est la suite des coefficients de
P
P ∈ K[X] alors P s’écrit : P =
k=0
P (on sait qu’elle est nulle à partir d’un certain rang d’où le sens de l’écriture
précédente). On vous inspirant de l’exemple 1 définir trois normes sur K[X] en
donnant les expressions en fonction des coefficients de P .
Par exemple :
X∞
kP k1 = |ak |
k=0
4. Soit E un K − espace vectoriel et soit ϕ un automorphisme de E. Démontrer
que si k.k est une norme sur E alors k.kϕ définie par :
∀x ∈ E kxkϕ = kϕ(x)k
est une norme sur E.
On suppose que E = R2 sous quelles conditions sur les nombres réels a, b, c et
d on définit une norme en associant x = (x1 , x2 ) ∈ R2 le nombre réel positif :
p
kxk = (ax1 + cx2 )2 + (bx1 + dx2 )2
p
5. Soit n ∈ N∗ et E = Mn (R). Pour tout A ∈ E, on pose kAk = tr(tAA). Si
n Pn
|aij |2 et c’est une norme sur E.
P
A = (aij ) alors kAk =
i=1 j=1
4.1.3 Boule, sphère

4.1.3.1 Définition d’une boule, sphère
Définition 49. Soit (E, k.k) 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/kx − ak < r}.
2. Bf (a, r) = {x ∈ E/kx − ak ≤ r}.
3. S(a, r) = {x ∈ E/kx − ak = r}.
sont respectivement appelés : boule ouverte, boule fermée et sphère toutes de centre
a et de rayon r.
Remarques Nous retenons :

1. Le cas r = 0 : On a : B(a, 0) = ∅ et Bf (a, 0) = S(a, 0) = {a}
2. On a Bf (a, r) = B(a, r) ∪ S(a, r) et B(a, r) ∩ S(a, r) = ∅
3. Lorsque a = 0 et r = 1, on parle de la boule unité (fermée et ouverte) et la

sphère unité.
Preuve le 1) est facile à faire

le 2) par définition des boules et de la sphere , pour la réunion et pour l’intersection :
supposons que c’est non vide et soit x un élément de l’intersection , alors kx − ak =
r et kx − ak < r ; absurde.
4.1.3.2 Exemple : Les boules de R2 muni des normes usuelles
La sphère unité de R2 muni des normes usuelles respectives k.k1 , k.k2 , k.k∞ sont
représentée ci-dessous par les figures respectives de gauche à droite :
Rassemblées dans une seule figure :
4.1.4 Partie bornée d’un espace vectoriel normé , application bornée
Définition 50. Soit (E, k.k) 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 kxk ≤ R

Remarques On a les remarques suivantes :

1. A est bornée si et seulement si A est contenue dans une boule fermée ou ouverte
de centre a ∈ E et de rayon r ∈ R+
2. Une boule ouverte, une boule fermée et une sphère sont des parties bornées de
E
3. Si A est bornée alors toute partie de A est bornée.
4. Toute intersection de parties bornées est bornée.
5. Toute réunion finie de parties bornées est bornée
6. Si E 6= {0} alors E n’est pas une partie bornée de E
7. Tout sous espace vectoriel non nul de E n’est pas une partie bornée de E
Définition 51. Soit (E, k.k) un espace vectoriel normé et X un ensemble non vide.
Une application f de X vers E est dite bornée si f (X) est une partie bornée de
l’espace vectoriel normé (E, k.k)
Proposition 91. Soit A une partie non vide bornée de E. Alors l’ensemble :
XA = {kx − yk /(x, y) ∈ A2 }
admet une borne supérieure. Le nombre réel positif sup(XA ) s’appelle le diamètre de
A. On le note δ(A) ou d(A).
Preuve Puisque A est bornée, il existe un nombre réel M tel que : kxk ≤ M pour
tout x ∈ A. Il en résulte que : pour tout (x, y) ∈ A2 , on a :
kx − yk ≤ kxk + kyk ≤ 2M
La partie XA de R est non vide car 0 ∈ XA (prendre a ∈ A et x = y = a). Elle

est majorée en plus donc elle admet une borne supérieure δ(A)
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.

Exemple Diamètre de la boule ouverte A = B(a, r) avec r > 0 et a 6= 0.

Remarquons que si (x, y) ∈ A2 alors kx − yk ≤ kx − ak + ky − ak ≤ 2r Donc 2r
est un majorant de l’ensemble :
Y = {kx − yk /(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 = kun − vn k avec un = a + n+1 kak et vn = a − n+1 kak . On
n
a alors : kun − ak = kvn − ak = n+1 r < r, donc yn ∈ Y et on a d’autre part :
n
yn = 2r n+1 de sorte que : lim yn = 2r.
n→+∞
Conclusion : sup Y = 2r, par suite δ(A) = δ(B(a, r)) = 2r
4.1.5 Application lipschitzienne
Définition 52. Soient E et F deux espaces vectoriels normés dont les normes
prennent la même notation k.k. 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 kf (x) − f (y)k ≤ k kx − yk
Remarques 1. Si une constante positive k réalise la condition ci-dessus alors

toute constante k 0 tel que k 0 ≥ k la réalise, par suite on peut toujours choisir
k > 0.
2. L’application k.k : E → R, x 7→ kxk est une application lipschitzienne de

(E, k.k) vers R muni de la valeur absolue (k = 1 convient.)
Exemple Si f : I → R est une application dérivable d’un intervalle de R non trivial

I vers R et si de plus f 0 est bornée sur I alors f est lipschitzienne. En effet il existe
M > 0 tel que ∀t ∈ I, |f 0 (t)| ≤ M . Soit (x, y) ∈ I 2 tel que x < y. Par le théorème
des accroissement finis appliqué à la restriction de f à [x, y], il existe un réel c tel
que f (y) − f (x) = f 0 (c)(x − y), donc |f (x) − f (y)| ≤ |f 0 (c)||x − y| ≤ M |x − y|. Si
y < x, le résultat est le même par symétrie et finalement, si x = y , le résultat reste
valable car c’est une égalité.

4.1.6 Ouvert, Fermé
Définition 53. Soit A une partie de l’espace vectoriel normé (E, k.k). 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.
Remarques 1) ∅ et E sont à la fois des ouverts et des fermés

2) Si A est une partie de E et si A 6= E alors A est fermée si pour tout x ∈
/ A il
existe ε > 0 tel que B(x, ε) ∩ A = ∅.
Proposition 92. Soit (E, k.k) un espace vectoriel normé . Alors :

(1) ∅ et E sont des ouverts.
(2) Toute réunion (finie ou infinie) d’ouverts est un ouvert.
(3) Toute intersection finie d’ouverts est un ouvert.
Contre-exemple : Famille d’ouverts dont l’intersection n’est pas un ou-

vert :
Prenons E = R muni de la valeur absolue etTpour tout n ∈ N∗ , posons On = − n1 , n1 .

Alors (On )n∈N∗ est une famille d’ouvert et n∈N∗ On = {0} n’est pas un ouvert.
Proposition 93. Soit (E, k.k) un espace vectoriel normé. Alors :

(1) ∅ et E sont des fermés
(2) Toute intersection (finie ou infinie) de fermés est un fermé.
(3) Toute réunion finie de fermés est un fermé.
Contre-exemple : Famille de fermés dont la réunion n’est pas un fermé :

∗
Prenons1 E =1 R muni de la valeur absolue et pour tout n ∈S N , posons Fn =
−1 + n , 1 − n . Alors (Fn )n∈N∗ est une famille de fermés et n∈N∗ Fn =] − 1, 1[
n’est pas un fermé.

4.1.7 Voisinage
Dans tout ce qui suit (E, k.k) est un espace vectoriel normé.
Définition 54. Soit a ∈ E et V une partie de E. On dit que V est un voisinage

de a si V contient une boule ouverte de centre a. Autrement dit si :
(∃ε > 0)(∀x ∈ E) kx − ak < ε ⇒ x ∈ V
Remarques On retient les remarques suivantes sur les voisinages :

1. V est un voisinage de a s’il existe un ouvert U de E tel que x ∈ U et U ∈ V .
2. E est un voisinage de tout point a de E
3. L’intersection de deux voisinages de a est un voisinage de a
4. Si une partie W de E contient un voisinage de a alors W est elle même un

voisinage de a.
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. Une partie non vide U de E est un ouvert de E si et seulement

si U est voisinage de chacun de ses points.

Preuve Conséquence immédiate de la définition d’un ouvert.
4.1.8 Topologie
4.1.8.1 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.
4.1.8.2 Topologie associée à une norme sur un espace vectoriel
Soit (E, k.k) un espace vectoriel normé. On note O l’ensemble des ouverts de (E, k.k)
. On peut ainsi dire que l’on a les trois points suivants :
(i) ∅ ∈ O et E ∈ O
(ii) Si (Oi )i∈I est une famille d’éléments de O alors Oi ∈ O
S
i∈I
(iii) Si O et O0 sont deux éléments de O O ∩ O0 ∈ O
Définition 55. On exprime ça en disant que (E, O) est l’espace topologique associé
à E et à la norme k.k . On dit aussi que O est la topologie sur E associée à la norme
k.k
4.1.9 Normes équivalentes
Définition 56. Soit E un K − espace vectoriel et N et N 0 deux normes sur E.

on dit que N et N 0 sont équivalentes s’il existe deux constantes réelles, strictement
positives, c et C tel que :
cN ≤ N 0 ≤ CN,
ce qui veut dire exactement :
∀x ∈ E, cN (x) ≤ N 0 (x) ≤ CN (x)

Remarques N et N 0 étant deux normes d’un espace vectoriel normé E, on a les

remarques suivantes :
1. Pour démontrer dans la pratique que N et N 0 sont équivalentes, on démontre
l’existence de deux constantes strictement positives k et k 0 tel que :
N ≤ kN 0 et N 0 ≤ k 0 N
En effet cela est équivalent à :

1
N ≤ N 0 ≤ k0N
k
donc si on prends c = 1
k et C = k 0 , on tombe sur la condition de la définition
ci-dessus.
2. On peut dire que N et N 0 sont équivalentes si et seulement si les fonctions N
N0
0
et NN sont bornées sur E\{0}.
3. N et N 0 sont équivalentes si et seulement si il eixiste m, M > 0 tel que m ≤
N 0 (x)
N (x) ≤ M , pour tout x ∈ E\{0}. Ce qui donne une méthode pratique pour
prouver que deux normes ne sont pas équivalentes qui est :
4. Pour que N et N 0 ne soient pas équivalentes, il suffit de trouver une suite
(xn ) ∈ E N tel que xn 6= 0, ∀n ∈ N et
N 0 (xn ) N 0 (xn )
lim = +∞ ou lim =0
n→+∞ N (xn ) n→+∞ N (xn )
5. Si on note SN1 la sphère unité de (E, N ), on peut dire que N et N 0 sont équi-
valentes si et seulement si SN1 est bornée dans (E, N 0 ) et SN1 0 est bornée dans
(E, N ).
6. On verra plus lois que les assertions suivantes sont équivalentes :
(a) N et N 0 sont équivalentes.
(b) (E, N ) et (E, N 0 ) ont les mêmes ouverts.
(c) (E, N ) et (E, N 0 ) ont les mêmes fermés.
(d) (E, N ) et (E, N 0 ) ont les mêmes parties bornées.
Exemple Les normes k.kk , k ∈ {1, 2, ∞} de Rn sont équivalentes puisque :
k.k∞ ≤ k.k2 ≤ k.k1 ≤ n k.k∞

4.1.10 Points adhérents, adhérence

Dans tout ce qui suit , on considère un espace vectoriel normé (E, k.k)
Définition 57. Soit A une partie de E. Un point a de E est dit adhérent à A si

toute boule ouverte de centre a rencontre A en au moins un point.
Autrement dit :
(∀r > 0)(∃x ∈ A) kx − ak < r
Définition 58. Soit A une partie de E.On note A ou Adh(A) l’ensemble des points
adhérents à A et on l’appelle l’adhérence de A.
Proposition 95. L’adhérence d’une partie A est l’intersection de tous les fermés
contenant A. C’est donc le plus petit fermé (au sens de l’inclusion) contenant A.
Exercice :
Soient A et B deux parties de E .
1. Montrer que A ⊂ A
2. Montrer que A ⊂ B ⇒ A ⊂ B
3. Montrer que : (A ∪ B) = A ∪ B et que (A ∩ B) ⊂ A ∩ B en donnant des
exemples où cette inclusion est stricte.
Réponse :
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 6= ∅, on a B(a, r) ∩ B 6= ∅, donc x ∈ B.

A⊂A∪B A⊂A∪B
3. On a , donc par le 2) ci-dessus, on a donc A∪B ⊂
B ⊂A∪B 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 96. Une partie A de E est fermée si et seulement si A = A
4.1.10.2 Densité
Définition 59. Soit (E, k.k) 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.
Exemples Voici deux exemples de parties dense à retenir :

1. E = R muni de la valeur absolue. Q est dense dans R ( voir la preuve dans le
cours de MPSI). De même R\Q est dense dans R.
2. Soit n ∈ N∗ et on considère Mn (K) muni d’une norme quelconque notée k.k.
Alors GLn (K) est dense dans Mn (K).
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 kM − Ak < r. Pour cela posons :
1
∀p ∈ N∗ , Mp = A − In .
p
Remarquons que :

∗ n 1
∀p ∈ N , det(Mp ) = (−1) χA ,
p
où χA est le polynôme caractéristique de A. On sait que deg(χA ) = n, et qu’alors
χA possède au plus n racines, donc :

∗ 1
∃p0 ∈ N , ∀p ≥ p0 , χA 6= 0.
p

Ainsi, pour tout p ≥ p0 , la matrice Mp est inversible et vérifie :

1
kMp − Ak = kIn k
p
kIn k
et par suite il suffit de choisir p tel que p > r pour avoir kM − Ak < r pour
M = Mp .
4.1.11 Points intérieurs,intérieur d’une partie d’un espace vectoriel normé

Dans tout ce qui suit , on considère un espace vectoriel normé (E, k.k)
Définition 60. 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 :
(∃r > 0)(∀x ∈ E) kx − ak < r ⇒ x ∈ A
Définition 61. 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 97. L’intérieur d’une partie A est la réunion de tous les ouverts conte-
nus dans A. C’est donc le plus grand ouvert (au sens de l’inclusion) contenu dans
A.
Exercice : Pour toute partie X de E , on note X c le complémentaire de X dans E,

c’est-à-dire : X c = E\X.
Soient A et B deux parties de E ,
1. Montrer que A◦ ⊂ A
2. Montrer que A ⊂ B ⇒ A◦ ⊂ B ◦
3. Comparer (A ∪ B)◦ et A◦ ∪ B ◦ puis (A ∩ B)◦ et A◦ ∩ B ◦

c
4. Prouver que (A◦ )c = Ac et A = Ac ◦ . retrouver les résultats ci-dessus à partir
de ceux de l’exercice sur l’adhérence.
Exercice :
1. Montrer que si A est une partie bornée d’un espace vectoriel normé E alors son
adhérence A est bornée et δ(A) = δ(A)
2. En est il de même de l’intérieur de A ?
Exercice : Soit A une partie de E.
1. Prouver que A = {x ∈ A/d(x, A) = 0}
2. Montrer que δ(A) = δ(A) = δ(∂A)
Proposition 98. 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.
4.1.12 Frontière
Définition 62. Soit A une partie de l’espace vectoriel normé E. on appelle frontière
de A, le sous ensemble de E noté Fr(A) ou ∂A tel que : ∂A = A\ A◦
Remarques 1) ∂A est un fermé car c’est l’intersection de deux fermés : A et (A◦ )c

2) On a : ∂E = ∅ et ∂∅ = ∅
4.1.13 Norme produit

4.2. SUITES DANS UN ESPACE VECTORIEL NORMÉ, CONVERGENCECours deuxiéme année MP
Proposition 99. Soit n ∈ N∗ et (Ek , Nk ) pour 1 ≤ k ≤ n une famille d’espaces

n
Q
normés et soit E = Ek . Pour tout x ∈ E avec x = (x1 , ..., xn ) on pose :
k=1
n n
! 12
X X n
kxk1 = Nk (xk ), kxk2 = (Nk (xk )2 , kxk∞ = sup Nk (xk )
k=1
k=1 k=1
Alors il s’agit de trois normes sur E. De plus elles sont équivalentes. Si k.k désigne
l’une d’elles alors (E, k.k) est appelé espace vectoriel normé produit des Ek
Remarques 1) Le plus souvent on prends la norme infinie pour l’espace vectoriel

normé produit.
2) Dans le cas particulier Ek = K pour tout k on retrouve des résultats déjà vus.
4.2 Suites dans un espace vectoriel normé, convergence

Dans toute cette section (E, k.k) est un espace vectoriel normé.
4.2.1 Le K − espace vectoriel E N des suites à valeurs dans E

4.2.1.1 Definitions
Une suite à valeurs dans E est une application u d’une partie I de N vers E. On
la note (un )n∈I . Les suites les plus utilisés sont celles pour lesquelles I est de la
forme Np avec p ∈ N où Np est l’ensemble des entiers naturels ≥ à p.Ces suites se
ramènent au cas I = N et souvent on a I = N∗ , on les note donc (un )n≥0 et (un )n≥1
respectivement. Si on note (un ) c’est que I = N.
L’ensemble de toutes les suites de I vers E est noté E I
4.2.1.2 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 100. (E N , +, .) est une K espace vectoriel

4.2.1.3 Suite bornée
Définition 63. 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 :
(∃M ∈ R+ )(∀n ∈ N) kun k ≤ M
Exemple Soit E = C ([0, 1], R) l’espace vectoriel des fonctions continue muni de la
norme k.k∞ et la suite (un ) tel que :
(∀n ∈ N)(∀x ∈ [0, 1]) un (x) = nxn
On a : kun k∞ = n car la fonction x 7→ xn est croissante sur [0, 1] et sa valeur
maximale est atteinte au point 1. On a donc en particulier : lim kun k∞ = +∞,
n→+∞
d’où la suite (un ) n’est pas bornée dans l’espace vectoriel normé (E, k.k∞ ).
Regardons maintenant ce qui se passe pour cette suite dans l’espace vectoriel normé
(E, k.k1 ). Calculons pour n ∈ N :
Z 1
n
kun k1 = |un (x)|dx =
0 n+1
Dès lors que :
(∀n ∈ N) kun k1 ≤ 1
et la suite (un ) est bornée dans l’espace vectoriel normé (E, k.k1 ).
Nous remarquons que la notion de ’suite bornée’ dépends de la norme utilisée même
si on a le même espace vectoriel
4.2.2 Suites convergentes
Définition 64. Soit (un ) une suite (un ) à valeurs dans E et ` ∈ E. On dit que `
est une limite de la suite (un ) si : la suite réelle (kun − `k)n est convergente vers 0
Proposition 101. Si une suite admet une limite ` alors elle est unique. On la note
` = lim un .
n→+∞

Remarques O note les remarques suivantes :

1. on dit qu’une suite (un ) est convergente si elle admet une limite ` ∈ E.
2. On dit qu’une suite est divergente si elle n’est pas convergente.
3. On peut dire que lim un = ` si et seulement si : pour tout voisinage V de `,
n→+∞
il existe un entier naturel N tel que : un ∈ V dès que n ≥ N , ce qu’on exprime
comme suit :
(∀V ∈ V (`))(∃N ∈ N)(∀n ≥ N ) un ∈ V
4. Deux normes équivalentes d’un espace vectoriel normé E ont les même suites
convergentes.(On verra que la réciproque est vraie).
Proposition 102. 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
Remarques 1) En particulier si (un ) et (vn ) sont deux suites convergentes de limites

respectives ` et `0 et si λ ∈ K alors la suite somme (un + vn ) et la suite (λun ) sont
convergentes et :
lim (un + vn ) = ` + `0
n→+∞
et
lim (λun ) = λ`
n→+∞
4.2.3 Valeur d’adhérence d’une suite
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 103. a est une valeur d’adhérence de (un ) si et seulement si :
(∀ε > 0)(∀N ∈ N)(∃n > N ) kun − ak < ε
4.2.4 Suites de Cauchy, espace vectoriel normé complet
Définition 67. Une suite (un ) à valeurs dans un espace vectoriel normé E est dite
de Cauchy si :
(∀ε > 0)(∃N ∈ N)(∀p ≥ N )(∀q ≥ N ) kup − uq k < ε
Remarques On note les remarques suivantes :

1. Si N1 et N2 sont deux normes équivalentes alors les espaces vectoriels normés
(E, N1 ) et (E, N2 ) ont les mêmes suites de Cauchy.
2. On peut dire que (un ) est de Cauchy si pour tout voisinage V de 0 , il existe
N ∈ N tel que pour tout p, q ≥ N on aie : up − uq ∈ V . Si on note V (0)
l’ensemble des voisinages de 0 ,alors cela s’écrit :
(∀V ∈ V (0))(∃N ∈ N)(∀p, q ≥ N ) up − uq ∈ V
3. Toute suite convergente et de Cauchy mais on verra que la réciproque est fausse
en général.
Définition 68. On dit qu’un espace vectoriel normé (E, k.k) est complet si toute
suite de Cauchy à valeurs dans E est convergente. On dit aussi que (E, k.k) est un
espace de Banach.
Remarque Si N1 et N2 sont deux normes équivalentes de E alors on a : (E, N1 )

est complet si et seulement si (E, N2 ) est complet.
Exemple R muni de la valeur absolue et C muni du module sont des espaces de
Banach.

Proposition 104. Si Ei avec i ∈ {1, ..., n} sont des espaces de Banach alors
n
Q
E= Ei est un espace de Banach.
i=1
Corollaire 15. Pour tout d ∈ N∗ , l’espace vectoriel normé (Kd , k.kk ) 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 105. Toute suite de Cauchy à valeurs dans (E, k.k) est bornée
Preuve Soit (un ) une telle suite. En prenant ε = 1, il existe N ∈ N tel que
kup − uq k < 1 pour p, q ≥ N . En particulier (p = N et q = n ≥ N ), on a pour
tout n ≥ N :
kun − uN k < 1
et comme :
kun k − kuN k ≤ kun − uN k
on a :
kun k ≤ 1 + kuN k
pour tout n ≥ N . En prenant : M 0 = max(kuk k/k ≤ N } et M = max(M 0 , kuN k+
1) on voit que :
∀n ∈ N kun k ≤ M
4.2.5 Suite dans un espace normé produit

Proposition 106. Soient F et G deux espaces vectoriels normés et soit E =

F × G muni de la norme produit. Soit (un ) une suite à valeurs dans E et posons
un = (vn , wn ) pour tout n ∈ N. Alors la suite (un ) converge vers ` = (`1 , `2 ) ∈ E
si et seulement si (vn )et (wn ) convergent respectivement vers `1 et `2
Preuve un = (vn , wn ). Supposons que (un ) converge vers ` = (`, `0 ) ∈ F × G. On

adopte la norme k.k∞ . On a :

kvn − `k ≤ kwn − `k∞
kun − `0 k ≤ kun − `k∞
et comme kun − `k∞ tends vers 0, on a vn tends vers ` et wn tends vers `0 . Réci-
proquement supposons que (vn ) tends vers ` et (wn ) tends vers `0 . On adopte la
norme k.k1 . On a :
kun − `k1 = kvn − `k + kwn − `0 k
Le membre de droite est le terme général d’une suite qui converge vers 0 dans R,
donc (un ) converge vers `.
Remarques 1. La proposition est valable si E = E1 × ... × En avec n ∈ N et

n ≥ 2. On a évité le cas général ca on aurait des notations lourdes.
2. On a une application pratique de cette propositions dans le cas de E = Kn
4.2.6 Caractérisation séquentielle de la fermeture et de l’adhérence d’une

partie
Proposition 107. 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 ` ∈ E alors : ` ∈ A

4.3. LIMITES ET CONTINUITÉ DES FONCTIONS Cours deuxiéme année MP
Corollaire 17. Soit E un espace vectoriel normé et A et B deux parties de E tel

que A 6= ∅ et A ⊂ B. Alors A est dense dans B si et seulement si pour tout b ∈ B,
il existe une suite (an ) ∈ AN tel que lim an = b.
4.3 Limites et continuité des fonctions

Dans tout ce qui suit E et F sont deux espaces vectoriels normés dont les normes
prennent la même notation k.k.
4.3.1 Limites
4.3.1.1 Limite d’une application en un point adhérent à une partie
Définition 69. Soit A une partie non vide de E et a ∈ A, c’et-à-dire un point

adhérent à A. Soit ` ∈ F . On dit que ` est une limite de l’application f en a si :
(∀ε > 0)(∃η > 0)(∀x ∈ A) kx − ak < η ⇒ kf (x) − `k < ε
Exemple • Si E = F = R muni de la valeur absolue et A =]x0 − α, x0 + α[ on

retrouve la définition de la limite quand x tends vers x0 avec x 6= x0 .
• Si E = F = R et A =]x0 , x0 + α[ alors on retrouve la définition de la limite de f
quand x tends vers x0 à droite.
Remarque Si a ∈ A la seule limite possible d’une application f de A vers F est
f (a)
4.3.1.2 Extension de la notion de limite
Définition 70. Soit A une partie de R contenant un intervalle de la forme [a, +∞[
et ` ∈ E. on dit que lim f (x) = ` si :
x→+∞
(∀ε > 0)(∃α > 0)(∀x > α) kf (x) − `k < ε
Remarque On définit de même : lim f (x) = `

x→−∞

4.3.1.3 Caractérisation séquentielle
Proposition 108. Soit f : A → F une application, a ∈ A, ` ∈ F , alors lim f = `

a
si et seulement si pour toute suite (an ) ∈ A tel que an → a, on af (an ) → `.
N
Preuve Supposons que (?) lim f (x) = `. Soit (an ) ∈ AN une suite tel que
x→a
x∈A
(??) lim an = a. Soit ε > 0, alors par (?) il existe η > 0 tel que :
n→+∞
∀x ∈ A, kx − ak < η ⇒ kf (x) − `k < ε
Par (??), il existe N ∈ N tel que :
∀n ∈ N, n ≥ N ⇒ kan − ak < ε
On a alors :
∀n ∈ N, n ≥ N ⇒ kf (an ) − `k < ε.
donc lim f (an ) = `.
n→+∞
lim = `, alors
Réciproquement, supposons qu’on a la négation de x→a
x∈A
1
∃ε0 > 0, ∀n ∈ N∗ , ∃an ∈ A, kan − ak < et kf (an ) − `k > ε.
n
On a ainsi construit une suite (an ) ∈ AN tel que lim an = a mais on n’a pas
n→+∞
lim f (an ) = `.
n→+∞
4.3.1.4 Cas d’un espace produit
Proposition
Q 109. Soit (Ei , Ni )1≤i≤n une famille d’espaces vectoriels normés et
E = Ei l’espace vectoriel normé produit. Soit ` = (ì )1≤i≤n ∈ E et
f :A→E
de composantes (fi )1≤i≤n une application et a ∈ A. Alors
lim f (x) = ` ⇔ ∀i ∈ [[1, n]], x→a
x→a
lim fi (x) = ì
x∈A x∈A

4.3.1.5 Opérations sur les limites
Proposition 110. E et F sont deux espaces vectoriels normés sur le corps K, A

une partie de E et a ∈ A. Soient f : A → F et g : A → F deux applications de A
vers F et `, `0 ∈ F et λ ∈ K.
Si lim f = ` et lim g = `0 alors lim (f + λg) = ` + λ`0 .
x→a x→a x→a
Preuve Pour tout x ∈ A, on a :
(?) k(f + λg)(x) − (` + λ`0 )k ≤ kf (x) − `k + (1 + |λ|)kg(x) − `0 k.
Soit ε > 0. Comme lim f (x) = ` et lim g(x) = `0 , il existe η1 , η2 > 0 tel que :
x→a x→a
kx − ak < η1 ⇒ kf (x) − `k < 2ε

∀x ∈ A, .
kx − ak < η2 ⇒ kg(x) − `0 k < 2(1+|λ|)
ε
Donc si on note η = min(η1 , η2 ), on a en vertu de l’inégalité (?) ci-dessus, pour

tout x ∈ A :
ε ε
kx − ak < η ⇒ k(f + λg)(x) − (` + λ`0 )k < + (1 + |λ|) =ε
2 2(1 + |λ|)
ce qui prouve que lim (f + λg) = ` + λ`0 .
x→a
4.3.1.6 Limite d’un composé d’applications
Proposition 111. E, F, G sont des espaces vectoriels normés, f : A ⊂ E → F ,

g : B ⊂ F → G des applications tel que f (A) ⊂ B. Soit a ∈ A. Si x→a
lim f = b alors
x∈A
b ∈ B. Si alors lim g(x) = c alors x→a
lim g ◦ f = c.
x→b
x∈B x∈A
Preuve La démonstration comporte deux parties :

• Démontrons tout d’abord que b ∈ B, pour cela soit r > 0, prouvons que B(b, r)∩
B 6= ∅. Comme lim f (x) = b et r > 0, il existe η > 0 tel que pour tout x ∈ A,
x→a

on ait : (?) kx − ak < η ⇒ kf (x) − bk < r, et comme a ∈ A et η > 0, on a

A ∩ B(a, η) 6= ∅, 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
kx0 − ak < η, donc d’après (?), on a kf (x0 ) − bk < r, donc f (x0 ) = y0 réalise
y0 ∈ B et y0 ∈ B(b, r), ce qui démontre que B ∩ B(b, r) 6= ∅.
• Soit ε > 0, comme lim g(x) = `, il existe α > 0 tel que ∀x ∈ B, kx − bk <
x→b
α ⇒ kg(x) − `| < ε, et comme α > 0 et lim = b, il existe η > 0 tel que :
x→a
∀x ∈ A, kx − ak < η ⇒ kf (x) − b| < α. Donc pour tout x ∈ A, si kx − ak < η
alors f (x) ∈ B et |f (x) − bk < α, par suite kg(f (x)) − `| < ε, donc on a démontré
que :
∀ε > 0, ∃η >, ∀x ∈ A, kx − ak < η ⇒ k(g ◦ f )(x) − `| < ε
ce qui démontre que lim (g ◦ f )(x) = `
x→a
4.3.2 Continuité
Définition 71. Soit f une application d’une partie A non vide de E vers F et soit
a ∈ A.
1. On dit que f est continue au point a si lim f (x) = f (a).
x→a
2. On dit que f est continue sur A si f est continue en tout point de A.
Proposition 112. 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 113. Si f, g : A → F sont continues au point a ∈ A alors f + λg

est continue au point a.
Preuve Conséquence immédiate de la proposition 110.

Proposition 114. f : A ⊂ E → F, g : B ⊂ F → G tel que f (A) ⊂ B. Soit

a ∈ A. Si f est continue au point a et g continue au point f (a) alors g ◦ f est
continue au point a.
Proposition 115. Si f, g : A → F continues et C une partie de A dense dans A,

alors si f et g coïncident sur C elles coïncident sur A.
Preuve Soit x ∈ A. Par densité de C il existe une suite (cn ) ∈ C N tel que
lim cn = x. Par continuité de f et g on a f (x) = lim f (cn ) et g(x) =
n→+∞ n→+∞
lim g(cn ) et comme cn ∈ C, pour tout n, on a ∀n ∈ N, f (cn ) = g(cn ), d’où,
n→+∞
lim f (cn ) = lim g(cn ) et finalement f (x) = g(x). Donc ∀x ∈ A, f (x) = g(x).
n→+∞ n→+∞
4.3.3 Topologie et continuité

4.3.3.1 Topologie induite
Proposition 116. Soit A une partie de E. On appelle ouvert de la partie A toute

partie de la forme O0 = O ∩ A où O est un ouvert de E.
Remarques 1) Si O est l’ensemble des ouverts de E alors O 0 = {O ∩ A/O ∈ O}

est l’ensemble des ouverts de A. Le couple (A, O 0 ) est un espace topologique (vérifie
les trois axiomes de la proposition ). sa topologie est appelé topologie induit à A par
celle de E. Notons que A n’est pas forcément un espace vectoriel.
2) Soit x ∈ A, on appelle voisinage de x dans A toute partie V de A tel qu’il existe
un ouvert O de E tel que x ∈ O ∩ A ⊂ V . Autrement dit : V est un voisinage de a
dans A s’il existe un voisinage V 0 de a dans E tel que V = V 0 ∩ A.

Proposition 117. 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) 6=
∅. 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 :
∀x ∈ A kx − ak < α ⇒ kf (x) − f (a)k < ε
Ceci donne la continuité de f au point a.
Proposition 118. 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, k.k) 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.
2. O = {x ∈ A/f (x) 6= 0}, O1 = {x ∈ A/f (x) > 0} et O2 = {x ∈ A/f (x) < 0}
sont des ouverts de A.
2) Soit A une partie de E est f et g deux applications de A vers E. Alors :

1. F = {x ∈ A/f (x) = g(x)} est un fermé de A
2. O = {x ∈ A/f (x) < g(x)} est un ouvert de A.
3. Ω = {x ∈ A/f (x) 6= g(x)} est un ouvert de A.
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
4.3.4 Continuité uniforme
Définition 72. 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 :
(∀ε > 0)(∃η > 0)(∀(x, y) ∈ A2 ) kx − yk < η ⇒ kf (x) − f (y)k < ε
Remarque Tout application f de A vers F qui est lipschitzienne sur A est unifor-
mément continue sur A
Proposition 119. Si une application f de A vers F est uniformément continue sur

A alors f est continue sur A
4.3.4.1 Exemple

Proposition 120. Soit (E, k.k) un espace vectoriel normé, alors l’application : k.k
considérée comme application de l’espace vectoriel normé E vers l’espace vectoriel
normé R est une application uniformément continue sur E
Preuve En effet elle lipschitzienne sur E en vertu de l’inégalité :
∀x, y ∈ E, |kxk − kyk| ≤ kx − yk.
Proposition 121. Soit A une partie non vide de E. l’application x 7→ d(x, A) est
uniformément continue sur E.
Preuve Soit x, y ∈ E. Pour tout a ∈ A, on a d(x, A) ≤ d(x, a), et comme
d(x, a) ≤ d(x, y) + d(y, a),
il vient : d(x, A) ≤ d(x, y) + d(y, a) pour tout a ∈ A. Donc
inf d(x, A) ≤ d(x, y) + inf d(y, a),

a∈A a∈A
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(y, A) − d(x, A) ≤ d(y, x),
d’où
∀x, y ∈ E, |d(x, A) − d(y, A)| ≤ kx − yk.
Il en découle que l’application x 7→ d(x, A) est lipschitzienne, donc uniformément
continue sur E.

4.4. COMPACITÉ Cours deuxiéme année MP
Proposition 122. E et F sont deux espaces vectoriels normés. Alors :

1. Si A est une partie de E et c ∈ F , l’application constante fc : A → F, x 7→ c
est uniformément continue, donc continue sur A.
2. Si A est une partie de E, pour tout α ∈ K et tout b ∈ E, l’application
gα,b : A → E, x 7→ αx + b est uniformément continue, donc continue sur A.
Preuve 1. L’application fc est lipschitzienne, donc elle est continue.

2. Pour tout x, y ∈ A, on a kgα,b (x) − gα,b (y)k = kα(x − y)k = |α|kx − yk, donc
gα,b est lipschitzienne, donc continue.
Remarque En particulier, si (E, k.k) est un espace vectoriel normé, l’application

identique de E, à savoir IdE : E → E; x 7→ Id(x) = x, est uniformément continue
de (E, k.k) vers (E, k.k). Elle corresponds à gα,b pour α = 1 et b = 0.
4.4 Compacité
Dans tout ce qui suit (E, k.k) est un espace vectoriel normé.
4.4.1 Définitions et propriétés
Définition 73. Soit K une partie de E. On dit que K est compacte (ou un compact)
si : de toute suite (xn ) à valeurs dans K on peut extraire une suite convergente dont
la limite appartient à K
Remarques Soit K une partie de E, on a les remarques suivantes :

1. K est compacte si toute suite à valeurs dans K admet une valeur d’adhérence
qui, elle même, appartient à K.
2. K est compact si toute suite à valeurs dans K admet aux moins une sous-suite
convergente dont la limite appartient à K.
3. ∅ est un compact par définition.

4. Si K est finie alors K est compacte.

Preuve En effet, si K = {a1 , . . . , am } avec m ∈ N∗ , soit (xn ) ∈ KN une suite
Sm dans K. Si, pour tout k ∈ [[1, m]], on note Ik = {n ∈ N/xn = ak },
à valeurs
alors k=1 Ik = N, donc, il existe au moins k ∈ [[1, m]] tel que Ik est 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 .
Exemples Voici quelques exemples de compacts. Les propositions à venir permettent

d’en avoir d’autres plus importants.
1. Si A est une partie finie d’un espace vectoriel normé E alors A est compacte.
2. Dans (R, |.|), tout segment [a, b] est un compact. En effet toute suite à valeurs
dans [a, b]est bornée donc elle admet une sous-suite (xϕ(n) ) convergente vers
` ∈ R. Comme [a, b] est fermé et que xϕ(n) ∈ [a, b] pour tout n ∈ N, il en
découle que ` ∈ [a, b].
3. Toute union finie de segments de R est un compact de R.
4. Soit (xn ) ∈ E N une suite convergente de limite ` dans un espace vectoriel normé
E. Si on note S = {xn /n ∈ N}, l’ensemble des valeurs de la suite (xn ), alors
l’ensemble K = {`} ∪ S est un compact de E.
Théorème 14. Tout compact de E est un fermé borné de E
Preuve Soit K un compact de E.

• Montrons que K est fermé, pour cela, soit (xn ) une suite à valeurs dans K
convergente vers ` ∈ E. Comme K est compact , la suite (xn ) admet une valeur
d’adhérence λ avec λ ∈ K. Or la suite (xn ) étant convergente vers ` , elle admet
une unique valeur d’adhérence à savoir `, donc ` = λ et par suite ` ∈ K. Donc K
est fermé.
• K est bornée, sinon ,on aurait :
(∀n ∈ N)(∃xn ∈ K) kxn k ≥ n
On a donc une site (xn ) à valeurs dans K vérifiant kxn k ≥ n pour tout n ∈ N. En
particulier :
lim kxn k = +∞
n→+∞

Comme K est compact, il existe une sous-suite (xϕ(n) ) de la suite (xn ) convergente
vers ` ∈ K. On a :
(∃N ∈ N)(∀n ≥ N ) xϕ(n) − ` < 1
En particulier :
(∀n ≥ N ) xϕ(n) ≤ k`k + 1
Donc la suite (xϕ(n) ) est bornée, ce qui est en contradiction avec le fait que
lim kxn k = +∞
n→+∞
Proposition 123. Si K est une partie compacte de E et si A est une partie fermée
de K alors A est une partie compacte de E
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. Toute intersection de compacts de E est un compact de E
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 124. E et F sont deux espaces vectoriels normés. Soit K un compact

de E et f : K → F une application continue. Alors f (K) est un compact de F .

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.
Proposition 125. Soit (E, k.k) 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 res-
pectivement. 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 126. Si E1 et E2 sont deux espaces vectoriels normés et si K1 et K2

sont deux compacts respectifs de E1 et E2 alors K1 ×K2 est un compact de E1 ×E2 .
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.

4.5. APPLICATIONS LINÉAIRES ET MULTILINÉAIRES CONTINUES Cours deuxiéme année MP
Remarque Généralement, pour n ∈ N, n ≥ 2, si E1 , ..., En sont des espaces vec-

toriels normés et si K1 , ..., Kn sont des compacts respectifs de E1 , ..., En alors K =
Qn Qn
Ki est un compact de E = Ei : on peut le prouver par récurrence sur n ou
k=1 k=1
directement en s’inspirant de la preuve pour le cas n = 2
Théorème 15. (de Heine) E et F sont des espaces vectoriels normés. Soit
f : A → F une application. Si A est compacte et f continue sur A alors f est
uniformément continue sur A.
Exercice
Soit (E, k.k) un espace vectoriel normé et (un ) ∈ E N une suite convergente de limite
`. Montrer que K = {`} ∪ {un /n ∈ N} est un compact de E.
4.5 Applications linéaires et multilinéaires continues

4.5.1 Application linéaires continues
Proposition 127. Soient E et F deux espaces vectoriels normés dont les normes
sont notées k.kE et k.kF . 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) kf (x)kF ≤ k kxkE
(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 lim f (x) = f (x0 ).
x→x0 x→x0
Conclusion : on a prouvé que : (i) ⇐⇒ (ii).
(ii) ⇒ (iii) : Comme f est continue au point 0E , on a :
(∃α > 0)(∀x ∈ E) kxkE < α ⇒ kf (x)kF < 1
Soit x ∈ Bf (0, 1) alors α2 x = α2 < α donc kf (x)kF < α2

(iii) ⇒ (iv) : clair .
(iv) ⇒ (v) : Supposons qu’il existe M > 0 tel que kf (x)kF ≤ M pour tout x ∈ E
x
tel que kxkE = 1.Soit x ∈ E tel que x 6= 0E , alors kxk = 1 et par suite
E E
x
f kxk ≤ M , ce qui donne : kf (x)kF ≤ M kxkE , inégalité valable aussi
E F
pour x = 0E donc valable sur E.
(v) ⇒ (vi) : Si x, y ∈ E alors : kf (x) − f (y)kF = kf (x − y)kF ≤ k kx − ykE donc
f est k− lipschitzienne.
(vi) ⇒ (i) : clair.
Proposition 128. 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 ).
4.5.2 Application multilinéaires continues
Proposition 129. Soient (E1 , k.k1 ), · · · , (Em , k.km ) et (F, k.k) des espaces vecto-
m
Q
riels normés et E = Ek l’espace vectoriel normé produit des Ek . Soit f : E → F
k=1
une application m−linéaire. Les assertions suivantes sont équivalentes :
(i) f est continue sur E
(v) (∃k ∈ R+ )(∀(x1 , · · · , xm ) ∈ E) kf (x1 , · · · , xm )k ≤ k kx1 k1 · · · kxm km
Exemples Les exemples suivants sont à retenir :

1. Soit (E, h.i) un espace
p préhilbertien réel. On verra que l’application k.k : E →
R+ , x 7→ kxk = hx, xi est une norme sur E, appelée la norme associée au

produit scalaire de E.
L’application E 2 → R, (x, y) 7→ hx, yi est continue, car on verra que l’inégalité
de Cauchy-Schwarz donne :
∀(x, y) ∈ E 2 , |hx, yi| ≤ kxkkyk
2. Soit E un K−espace vectoriel de dimension n avec n ∈ N∗ . Soit b = (bk )1≤k≤n
n
P
une base de E, et pour tout x = xk bk , on note kxkb = sup |xk |. On sait
k=1 1≤k≤n
que k.kb est une norme sur E. L’application :
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
Pn P Qn
Vj = ai,j bi , on sait que f (V ) = ε(σ) aσ(j),j , de sorte que |f (V )| ≤
i=1 σ∈S n j=1
n! k = 1n kVk k, donc, en vertu de la proposition 129, f est continue.
Q
3. Si E est un espace euclidien orienté de dimension n avec n ≥ 3, le produit

vectoriel permet de définir l’application
g : E n−1 → E, V = (V1 , . . . , Vn−1 ) 7→ g(V ) = V1 ∧ · · · ∧ Vn−1
Qn
qui est (n − 1)−linéaire et vérifie |g(V )| ≤ kVj k, donc elle est continue en
j=1
vertu de la proposition 129.
On considéré des espaces vectoriels normés E, F1 , . . . , Fn et G et soit Φ une applica-

n
Q
tion n linéaire de F = Fk vers G. Soit A une partie de E et pour tout k ∈ [[1, n]],
k=1
on considère une application fk : A → Fk . On note f = Φ(f1 , . . . , fn ), l’application
de A vers G tel que :
∀x ∈ A, f (x) = Φ(f1 , . . . , fn )(x) = Φ(f1 (x), . . . , fn (x))
Proposition 130. Avec les notations ci-dessus, si Φ est continue sur F alors :
1. Si les applications fk sont continues en un point a de A alors Φ(f1 , . . . , fn ) est
continue au point a.
2. Si les applications fk sont continues sur A alors Φ(f1 , . . . , fn ) est continue sur
A.

4.6. ESPACES VECTORIELS NORMÉS DE DIMENSION FINIES Cours deuxiéme année MP
Preuve On donne la preuve pour n = 2. Pour tout x ∈ A, on a :
f (x)−f (a) = Φ(f1 (x), f2 (x))−Φ(f1 (a), f2 (a)) = Φ(f1 (x)−f1 (a), f2 (a))+Φ(f1 (a), f2 (a)−f2
donc :
kf (x) − f (a)kG ≤ kΦ(f1 (x) − f1 (a), f2 (a))kG + kΦ(f1 (a), f2 (a) − f2 (x))kG
Par continuité de Φ, il existe une constante k > 0 tel que
∀(y1 , y2 ) ∈ F1 × F2 , kΦ(y1 , y2 )kG ≤ ky1 kF1 ky2 kF2
Il en découle que :
kf (x) − f (a)kG ≤ kkf1 (x) − f1 (a)kF1 kf2 (a))kF2 + kf1 (a)kF1 kf2 (x) − f2 (a))kF2 .
4.6 Espaces vectoriels normés de dimension finies

4.6.1 Les compacts de (Kn , k.k∞ )
Notons que les trois normes usuelles de Kn sont équivalentes par suite les compacts
de Kn sont les mêmes pour ces normes. On verra par la suite qu’en fait toutes les
normes de Kn sont équivalentes et que les compacts sont le fermés bornés.
Proposition 131. 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.
Proposition 132. On considère l’espace vectoriel normé (Kn , k.k∞ ), alors :

1. Pour tout r > 0, la boule fermée
Bf (0, r) = {x ∈ Kn / kxk∞ ≤ r}

est un compact de (Kn , k.k∞ ).

2. Les compacts de (Kn , k.k∞ ) sont les fermés bornés.
4.6.2 Equivalence des normes en dimension finie
Théorème 16. 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 : kxk = sup |xi |
1≤i≤n
n
P
et soit N une norme quelconque sur E. Alors pour tout x = xi ei ∈ E, on a :
k=1
n
X
N (x) ≤ |xk |N (ek ) ≤ k kxk
k=1
où
k = sup N (ek )
1≤k≤n
Soit S la sphère unité de (E, k.k). Alors S est compacte de E d’après la proposition
ci-dessus. N comme application de (E, k.k) vers R est continue car lipshitzienne
car si (x, y) ∈ E 2 , alors :
|N (x) − N (y)| ≤ N (x − y) ≤ k kx − yk
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 : kxk ∈ S et par suite

x
N kxk ≥ m, ce qui donne : N (x) ≥ m kxk , inégalité valable aussi si x = 0.
Ainsi :
∀x ∈ E m kxk ≤ N (x) ≤ k kxk
Il en résulte que toute norme N sur E est équivalente à la norme k.k, donc toutes
les normes sur E sont équivalentes.

4.6.3 Compacité en dimension finie

4.6.3.1 Une note sur les normes équivalentes
Soit E un espace vectoriel et k.k et k.k0 deux normes de E.

On dit que k.k est plus fine que k.k0 s’il existe une constante k > 0 tel que :
k.k0 ≤ k k.k
On peut donc dire que k.k est plus fine que k.k0 si l’application
IdE : (E, k.k) → (E, k.k0 ); x 7→ x
est continue.
• On rappelle que k.k et k.k0 sont équivalents s’il existe deux constantes k1 et k2
strictement positives tel que :
k1 k.k ≤ k.k0 ≤ k2 k.k
Ainsi deux normes sont équivalentes si chacune d’elles est plus fine que l’autre.
On peut donc dire que k.k et k.k0 sont équivalentes si l’application :
IdE : (E, k.k) → (E, k.k0 ); x 7→ x
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.
4.6.3.2 Compacité en dimension finie
Proposition 133. soit (E, k.k) un K− espace vectoriel normé de dimension finie.
Alors une partie K de E est compacte si et seulement si K est fermée bornée.

Preuve Supposons que E est de dimension non nulle n soit B = (e1 , · · · , en ) une
n
P
base de E et munissons E de la norme ν(x) = sup |xi | pour x = xi ei . Pour tout
1≤i≤n i=1
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
n
n
P
bornée, il existe R > 0 tel que K ⊂ Bν,R . Soit ϕ : K → E; X 7→ ϕ(X) = xi ei ,
i=1
pour tout X = (xi )1≤i≤n ∈ Kn . Alors ϕ est linéaire et réalise ν(ϕ(x)) = kxk∞
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.
4.6.4 Applications linéaires et multiplinéaires continues en dimension

finie
4.6.4.1 Applications linéaires
Proposition 134. Si E et F sont deux (E, k.k) 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
Pn
x= xk ek alors :
k=1
n
X
kf (x)k ≤ ( sup |xk |) kf (ek )k
1≤k≤n
k=1
Comme en dimension finie toutes les normes sont équivalentes et que k.k∞ : x 7→
sup |xk | est une norme sur E, il existe k > 0 tel que k.k∞ ≤ k k.k de sorte que :
1≤k≤n
∀x ∈ E kf (x)k ≤ k 0 kxk
n
avec k 0 = k
P
kf (ek )k
k=1

4.6.4.2 Applications multilinéaires
Proposition 135. Si E1 , . . . , Em sont des espaces vectoriels normés de dimensions

m
Q
finies avec m ≥ 2 et si E = Ek et (F, k.k) un espace vectoriel normé de dimension
k=1
quelconque (finie ou infinie) alors toutes application m−linéaire de E vers F est
continue.
Remarques On fait les remarques suivantes sur la proposition :

1. E est l’espace vectoriel normé produit des Ek , mais la conclusion reste vraie
même si on munit E d’une autre norme.
2. Il n’est pas nécessaire d’avoir F de dimension finie, mais dans le cas de dimension
infinie il faut préciser sa norme. La continuité a lieu pour toute norme de F .
4.6.4.3 Conséquence : Continuité des applications polynomiales
Définition 74. Soit m ∈ N∗ . On appelle fonction polynomiale de Kn vers K toute

application f : Kn → K tel qu’il existe une partie finie non vide J de Nm et une
famille (aα )α∈J ∈ KJ tel que si pour tout α ∈ J, on pose α = (αk )1≤k≤m on aie :
X m
Y
m
∀x = (xk )1≤k≤m ∈ K , f (x) = aα xλk k
α∈J k=1
Les notations de la définition 74 ci-dessus sont conservées, on a la proposition sui-

vante :
Proposition 136. Si on note πk l’application :
πk : Km → K; x = (xk )1≤k≤m 7→ πk (x) = xk
alors : m
X Y
f= aα πkαk
α∈J k=1

Preuve C’est immédiat puisque pour tout x ∈ K et tout k ∈ [[1, m]], on a :
πk (x) = xk
Proposition 137. Soit m ∈ N∗ et A une partie de Km . Si f : A → K est la

restriction à A d’une application polynomiale de Km vers K alors f est continue sur
A.
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 continue
m
m
Q
et finalement l’application : W : K → K; x 7→ xk est continue car m−linéaire
k=1
et K de dimension finie. On a :
X
m
∀x = (xk )1≤k≤m ∈ K , f (x) = aα W ((Vαk (πk (x)))1≤k≤m )
α∈J
d’où la continuité de f .
4.6.4.4 Exemples à connaître
1. L’application det : Mn (K) → K; X 7→ det(X) est continues car polynomiale

en les coefficients xij de la matrice X.
2. L’application χ : Mn (K) → Kn [X]; M 7→ χM est continues car ses compo-
santes dans la base canonique (X k )0≤k≤n de Kn [X] sont des fonctions polyno-
miales en les coefficients mij de la matrice M .
3. L’application γ : Mn (K) → Mn (K); M 7→ Com(A) où Com(A) est la coma-
trice de A est continue car si on note γij , 1 ≤ i, j ≤ n ses composantes dans la
base canonique (Eij )1≤i,j≤n sont définies par :
γij (M ) = (−1)i+j det(Mij )
où Mij est la matrice obtenue en barrant la ligne i et la colonne j de M , alors
les les γij sont polynomiales en les coefficients de M .

4.6.5 Complétude et dimension finie
Proposition 138. Soit E un espace vectoriel normé quelconque et A une partie

compacte de E. Si une suite à valeurs dans A admet une unique valeur d’adhérence
λ alors lim un = λ
n→+∞
Preuve Supposons qu’on n’a pas lim un = `. Alors il existe ε > 0 tel que :
n→+∞
(?) ∀n ∈ N, ∃p > n, kup − `k ≥ ε.
Pour n = 0, il exist p0 ∈ N tel que p0 > 0 et kup0 − `k ≥ ε. Si on suppose qu’il

existe p0 , · · · , pn tel que p0 < · · · < pn et ∀k ∈ [[0, n]] , kupk − `k ≥ ε, alors en
appliquant (?) ci-dessus il existe pn+1 > pn tel que kupn+1 − `k ≥ ε. Il en découle
que ∀k ∈ [[0, n + 1]], kupk − `k ≥ ε. Si, pour tout n ∈ N, on pose : ϕ(n) = pn ,
on a ϕ : N → N est une application strictement croissante et la sous-suite (uϕ (n))
vérifie :
(??) ∀n ∈ N, kuϕ(n) − `k ≥ ε.
La suite (uϕ (n)) est une suite à valuers dans A compacte, donc il existe une appli-
cation ψ : N → N strictement croissante tel que lim uϕ(ψ(n)) = `0 avec `0 ∈ A. Il
n→+∞
est clair que `0 est une valeur d’adhérence de (un ), par suite `0 = `. ( Par hypothèse,
` est l’unique valeur d’adhérence de (un ).) D’après (??) ci-dessus, on a
(? ? ?) ∀n ∈ N, kuψ(ϕ(n)) − `k ≥ 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 139. 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.

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
138.
Proposition 140. 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, kun k ≤ 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. Soit E un espace vectoriel normé. Tout sous-espace vectoriel de

dimension finie de E est un fermé de E.
Preuve Soit (un ) ∈ F N tel que lim un = ` avec ` ∈ E. On va démontrer que

n→+∞
` ∈ F . Comme la suite (un ) est convergente dans E elle est bornées dans E donc
dans F . Par la proposition 140, la suite (un ) admet une valeur d’adhérence λ dans
F , qui est aussi une valeur d’adhérence de (un ) dans E. Donc λ = ` et par suite
` ∈ F.
Théorème 18. Tout espace vectoriel normé (E, k.k) de dimension finie est complet
Preuve Soit (un ) une suite de Cauchy dans E. Alors (un ) est bornée. Par la
proposition 140, la suite (un ) admet au moins une valeur d’adhérence. Supposons

4.7. CONNEXES PAR ARCS Cours deuxiéme année MP
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→+∞
Soit ε > 0 alors il existe N ∈ N tel que
∀p, q ≥ N, kup − uq k < ε
En particulier pour tout n ∈ N, on a :
n ≥ N ⇒ kuϕ1 (n) − uϕ2 (n) < ε
puisque pour tout k ∈ {1, 2}, on a ϕ(n) ≥ n ≥ N .

Par passage à la limite on obtient
∀ε > 0, kλ1 − λ2 k < ε
, donc λ1 = λ2 .
Ce qui précède permet de dire que (un ) admet une unique valeur d’adhérence `.
Or (un ) étant bornée, il existe M ≥ 0 tel (un ) ∈ Bf (0, M ) qui est compact, donc
par la proposition 138 on a lim un = `.
n→+∞
Proposition 141. Pour tout n ∈ N∗ l’espace vectoriel normé Kn est complet.
Remarque C’est clair que c’est vrai pour n’importe quelle norme de Kn , puisque
toutes les normes sont équivalentes
4.7 Connexes par arcs

Dans tout ce qui suit (E, k.k) est un K− espace vectoriel normé.
4.7.1 Définitions
Définition 75. On appelle chemin continue de E, tout couple (I, f ) où I est un

intervalle non vide de R et f une application continue de I vers E.

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.
Définition 77. Une partie A de E est dite convexe si :
(∀(a, b) ∈ A2 )(∀t ∈ [0, 1]) (1 − t)a + tb ∈ A
Proposition 142. Soit E un espace vectoriel normé.

1. Toute intersection non vide de convexes est un convexe.
2. Toute boule ouverte non vide est convexe
3. Toute boule fermée est convexe
4. E est convexe.
T
Preuve 1. Soit (Ci )i∈I une famille de convexes et C = i∈I Ci . Soit (a, b) ∈ C et
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 :
k(1 − t)x + tyk ≤ (1 − t) kxk + t kyk < r(1 − t + t) = r
3. même principe
4. trivial

Proposition 143. Soit E un espace vectoriel normé et A une partie de E,alors :

1. A est convexe si et seulement A est étoilée par rapport à tout point a ∈ A.
2. S’il existe a ∈ A tel que A est étoilée par rapport à a alors A est connexe par
arcs.
3. En particulier si A est convexe alors A est connexe par arcs.
Preuve Si (a, b) ∈ A2 on pose pour tout t ∈ [0, 1] :
ϕ(t) = (1 − t)a + tb
Il est clair que ϕ est continue et vérifie : ϕ(0) = a et ϕ(1) = b
Remarque Réciproquement , il existe des parties connexes par arc qui ne sont pas
convexes. Par exemple dans R2 soit A = {x ∈ R2 / kxk2 ≥ 1 alors :
• A n’est pas convexe car par exemple : a = (0, 1) ∈ A et b = (1, 0) ∈ A mais pour
1 1 1

t = 2 , on a : (1 − t)a + tb = 2 , 2 ∈/A
Proposition 144. Soit A une partie de R. Les assertions suivantes sont équiva-
lentes :
1. A est un intervalle.
2. A est convexe.
3. A est connexe par arcs.
4.7.2 Connexité par arcs et continuité
Proposition 145. Soient E et F deux espaces vectoriels normés, A une partie non
vide de E et f : A → F une application. Si f est continue sur A et A connexe par
arcs alors f (A) est connexe par arcs.

Corollaire 19. (Théorème des valeurs intermédiaires) Soit f : A ⊂ E → R. Si f

est continue sur A et A connexe par arcs alors f (A) est un intervalle de R.
4.7.3 Composantes connexes par arcs d’une partie

Soit (E, k.k) un espace vectoriel normé et A une partie non vide de E. On considère la
relation R sur A tel que : Si (x, y) ∈ A2 alors xRy s’il existe un chemin γ : [0, 1] → E
tel que γ(0) = x et γ(1) = y et γ continue et γ([0, 1]) ⊂ A. On abrégera en disant
il existe un chemin continue liant x et y dans A.
Proposition 146. La relation R est une relation d’équivalence sur A
Définition 78. Une classe d’équivalence de R s’appelle composante connexe par

arcs de A.
Remarques 1. Deux composantes connexes sont soit égales soit disjointes

2. Toute composante connexe par arcs est connexe par arcs.
3. Toute partie connexe par arcs de A est contenue dans une composante connexe
par arcs de A.
4.7.4 Méthodes pour montrer qu’une partie est connexe par arcs.
4.7.4.1 Partie étoilée par rapport à un point
Définition 79. Soit E en K − espace vectoriel, A une partie de E et a ∈ A. On

dit que A est étoilée par rapport à A si :
∀x ∈ A, ∀t ∈ [0, 1], (1 − t)a + tx ∈ A

Proposition 147. Une partie A de E est convexe si et seulement si A est étoilé

par rapport à a pour tout a ∈ A.
Proposition 148. S’il existe a ∈ A tel que A est étoilée par rapport à a alors A
est connexe par arcs.
4.7.4.2 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.

Chapitre 5
Espaces préhilbertiens réels.
Dans tout ce qui suit tous les espace vectoriels considérés sont des espaces vectoriels
sur R.
5.1 Généralités
5.1.1 Produit scalaire, espaces préhilbertiens réels
Définition 80. On appelle produit scalaire sur E toute application de E 2 vers R

bilinéaire symétrique positive définie. On dit forme bilinéaire sur E symétrique positive
définie. On note h, i une telle forme. Pour tout x, y, x1 , x2 , y1 , y2 ∈ E et λ ∈ R, on
a alors :
1. hx1 + λx2 , yi = hx1 , yi + λhx2 , yi.
2. hx, y1 + λy2 i = hx, y1 i + λhx, y2 i.
3. hx, yi = hy, xi.
4. hx, xi ≥ 0.
5. hx, xi ⇒ x = 0.
p
Remarques 1. On note kxk = hx, xi, pour tout x ∈ E.
Exemples Dans chacun des exemples ci-dessus, E est un espace vectoriel réel et h.i
est un produit scalaire sur E.
1. E = Rn avec n ∈ N∗ , et pou tout x = (xk )1≤qk≤n , y = (yk )1≤qk≤n ∈ E :
n
X
hx, yi = xk yk
k=1
149
5.1. GÉNÉRALITÉS Cours deuxiéme année MP
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
hf, gi = f (t)g(t)dt
0
3. E = R[X], a, b ∈ R tel que a < b, ω : [a, b] → R une application positive non

identiquement nulle et continue sur [a, b]. Pour P, Q ∈ R[X], on pose :
Z b
hP, Qiω = ω(t)P (t)Q(t)dt
a
4. E = Mn (R) (avec n ∈ N∗ ), pour A, B ∈ E, on pose :

hA, Bi = tr(t AB)
5. n ∈ N , E = Rn [X] et a = (a0 , . . . , an ) ∈ Rn+1 une famille de nombres réels

deux à deux distincts. Pour P, Q ∈ E :
n
X
hP, Qia = P (ak )Q(ak )
k=0
5.1.2 Inégalité de Cauchy-Shwarz, inégalité de Minkowski
Proposition 149. Soit E un espace préhilbertien réel, alors :

1. Pour tout (x, y) ∈ E 2 , on a :
|hx, yi| ≤ kxk kyk
avec égalité si et seulement si la famille (x, y) est liée.

2. Pour tout (x, y) ∈ E 2 , on a :
kx + yk ≤ kxk + kyk
avec égalité si et seulement si y = λx avec λ ∈ R+ .
p
Proposition 150. L’application E → R+ , x 7→ kxk = hx, xi est une norme sur
E, appelée norme euclidienne associée au produit scalaire de E ;

5.1.3 Identités
Dans tout ce qui suite E est un espace préhilbertion réel.
5.1.3.1 Identités remarquables
Proposition 151. Pour tout x, y ∈ E et tout λ ∈ R, on a :
kx + λyk2 = kxk2 + λ2 kyk2 + 2λhx, yi
En particulier, pour tout x, y ∈ E, on a :
kx + yk2 = kxk2 + kyk2 + 2hx, yi

kx − yk2 = kxk2 + kyk2 − 2hx, yi
5.1.3.2 Identité du parallélogramme
Proposition 152. Pour tout x, y ∈ E on a :
kx + yk2 + kx − yk2 = 2(kxk2 + kyk2 )
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 .
5.1.3.3 Identités de polarisation
Proposition 153. Pour tout x, y ∈ E on a :

1
hx, yi = (kx + yk2 − kx − yk2
4
Pour tout x, y ∈ E, on a :
1
hx, yi = (kx + yk2 − kxk2 − kyk2
2

5.2. ORTHOGONALITÉ Cours deuxiéme année MP
5.2 Orthogonalité
5.2.1 Généralités
Dans tout ce paragraphe E est un espace préhilibertien réel.
Définition 81. Soit (x, y) ∈ E 2 . On dit que x est orthogonal à y si hx, yi = 0.
Remarque x est orthogonale à y si et seulement si y est orthogonal à x. On dit que

x et y sont orthogonaux et on note x⊥y.
Proposition 154. Soit x, y ∈ E et α, β ∈ R, alors :

1. 0⊥x
2. x⊥x ⇔ x = 0
3. Si x⊥y alors αx⊥βy.
5.2.2 Orthogonal d’une partie
Définition 82. Soit A une partie de E. On appelle orthogonal de A et on note A⊥

la partie de E définie par :
A⊥ = {x ∈ E/∀a ∈ A, x⊥a} = {x ∈ E/∀a ∈ A, ha, xi = 0}
Proposition 155. Pour toutes parties A et B de E on a :

1. A ⊂ A⊥⊥
2. A ⊂ B ⇒ B ⊥ ⊂ A⊥
3. Si F1 et F2 sont des sous-espaces vectoriels alors (F1 + F2 )⊥ = (F1 )⊥ ∩ (F2 )⊥

Preuve 1. Soit x ∈ A, donc pour tout y ∈ A⊥ , on a hx, yi = 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
hx, ai = 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 hx, yi = hx, y1 + y2 i = hx, y1 i + hx, y2 i = 0.
Remarques On donne les remarques suivantes :

1. E ⊥ = {0}, en particulier pour démontrer qu’un vecteur a de E est nul, il suffit
de prouver que ∀x ∈ E, hx, ai = 0.
2. {0}⊥ = E
3. Pour toute partie A de E, A⊥ est un sous-espace vectoriel fermé de E.
4. Pour toute partie A de E, on a A⊥ = (Vect A)⊥
5. Si A et B sont deux parties de E, on dit que A et B sont orthogonales et on
note A⊥B si :
∀(a, b) ∈ A × B, ha, bi = 0
Remarquons que :
A⊥B ⇔ A ⊂ B ⊥ ⇔ B ⊂ A⊥
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 hx, yi = 0, en particulier
pour y = x, on a hx, xi = 0, donc kxk = 0 donc x = 0. Ainsi E ⊥ ⊂ {0} et
comme 0 ∈ E ⊥ , on conclut que E ⊥ = {0}.
2. On a ∀x ∈ E, hx, 0i = 0, donc E ⊂ {0}⊥ et comme {0}⊥ ⊂ E, on a
{0}⊥ = E.
3. Soit A une partie non vide de E. On a A⊥ 6= ∅ car 0 ∈ A⊥ . Si a, b ∈ A⊥
et λ ∈ R, on a a + λb ∈ A⊥ car pour tout x ∈ A, on a ha + λb, xi =
ha, xi + λhb, xi = 0. Donc A⊥ est un sous-espace vectoriel de E. Soit (xn )
une suite à valeurs dans A⊥ tel que xn −→ ` avec ` ∈ E. On va prouver
n→+∞
⊥
que ` ∈ A . Soit a ∈ A, alors ∀n ∈ N, ha, xn i = 0. Par continuité de
l’application x 7→ ha, xi, le passage à la limite donne lim ha, xn i = ha, ì. Il
n→+∞

en découle que ha, ì = 0, pour tout a ∈ A, donc que ` ∈ 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 il
m
P
existe a1 , . . . , am ∈ A et λ1 , . . . , λk ∈ R tel que y = λk ak . On a hx, yi =
k=1
m
P m
P
hx, λk ak i = λk hx, ak i = 0 puisque ∀k ∈ [[1, n]], hx, ak i = 0. Ainsi on
k=1 k=1
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 hx, bi = 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 tout
(a, b) ∈ A × B, on a ha, bi = 0, donc A⊥B.
ce qui achève les preuves de toutes les remarques ci-dessus.
5.2.3 Familles orthogonales, familles orthonormées

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 6= j ⇒ hxi , xj i = 0.
On dit que F est une famille orthonormée si :
∀(i, j) ∈ I 2 , hxi , xj i = δij (symbole de Kronnecker
Remarque Si de plus la famille F est une base de E, on parle de base orthogonale

(resp. base orthonormée.)
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
hek , αi ei i = 0
i∈J
donc
αk kek k2 = 0
et comme ek 6= 0 on a αk = 0.
Exemples :
1. On considère E = C2π (R, R) l’espace vectoriel des applications continues pério-
diques de R vers R muni de produit scalaires :
Z 2π
2
(f, g) ∈ E ; hf, gi = f (t)g(t)dt
0
Les familles C = (t 7→ cos(nt))n∈N et S = (t 7→ sin(nt))n∈N sont des familles

orthogonales de E. Bien entendu, ce ne sont pas des bases orthonormées.
2. On sait que si n ∈ N∗ alors le produit scalaire usuel de Rn est défini par : Pour
n
P
x = (x1 , · · · , xn ) et y = (y1 , · · · , yn ), hx, yi = xi yi . Pour ce produit scalaire
i=1
la base canonique B = (e1 , · · · , en ) de Rn est une base orthonormée de Rn
+∞ +∞
an X n et Q = bn X n ,
P P
3. Soit E = R[X] muni du produit scalaire : Pour P =
n=0 n=0
+∞
an bn . Alors la bse canonique (1, X, X 2 , · · · , X n , · · · ) est
P
on pose hP, Qi =
n=0
une base orthonormée de E.
5.2.3.2 Existence des bases orthonormées : Procédé de Gram-Schmidt
On rappelle le théorème donnant le procédé d’orthonormalisation de Gram-Schmidt :

Théorème 19. Soit E un espace euclidien de dimension n; n 6= 0 et C =

(u1 , · · · , un ) une base de E. Alors il existe une et une seule base orthonormée
E = (e1 , · · · , en ) de E tel que :

 Vect{u1 , · · · , uk } = Vect{e1 , · · · , en }
∀k ∈ [[1, n]], .
huk , ek i > 0


1. Tout espace euclidien de dimension non nulle admet des bases orthonormées.
2. Si E est un espace préhilbertien réel alors tout sous-espace vectoriel F de di-
mension finie non nulle de E admet des bases orthonormées pour le produit
scalaire sous-jacent de E.
3. Si U = (uk )k∈N est une famille libre d’un espace préhilbertien E alors il existe
une famille orthonormée E = (ek )k∈N tel que Vect(uj )j∈[[0,k]] = Vect(ej )j∈[[0,k]]
pour tout k ∈ N.
4. Si U = (uk )k∈Z est une famille libre d’un espace préhilbertien E alors il existe
une famille orthonormée E = (ek )k∈Z tel que Vect(uj )j∈[[−k,k]] = Vect(ej )j∈[[−k,k]]
pour tout k ∈ N.
R1
Exercice Soit E = R2 [X] muni du produit scalaire hP, Qi = 0 P (t)Q(t)dt, pour
tout P, Q ∈ E et U = (U0 , U1 , U2 ) avec Uk = X k pour tout k ∈ [[0, 2]]. Déterminer
l’orthonormalisé de Gram-Schmidt E = (E0 , E1 , E3 ) de U .
5.2.4 Expression du produit scalaires dans une base orthonormée
Proposition 156. Soit E un espace euclidien de dimension non nulle n et E =

n
P n
P
(e1 , · · · , en ) une base orthonormée de E. Alors si x = xi ei et y = yi ei sont
i=1 i=1
deux vecteurs de E, on a :
n
X
t t
hx, yi = xi yi = XY = YX
i=1
où   
x1 y1
X =  ...  et Y =  ... 
xn yn

sont les colonnes des coordonnées de x et y dans la base E
Proposition 157. Soit E un espace euclidien de dimension non nulle n et E =

(e1 , · · · , en ) une base orthonormée de E, alors :
n
X
∀x ∈ E, x= hx, ek iek .
k=1
n
P
Preuve Si on pose x = xk ek alors d’après la proposition ci-dessus hx, ek i = xk ,
k=1
d’où le résultat.
Remarque Si E est un espace préhilbertien réel admettant une base orthonormée

dénombrable (ei )i∈I alors si :  P

 x = xi ei
 i∈I
P
y= yi ei


i∈I
sont deux vecteurs de E alors :
X sX
hx, yi = xi yi et kxk = x2i
i∈I i∈I
5.2.5 Conséquences : Théorème de représentation, supplémentaire or-

thogonal d’une sous-espace vectoriel de dimension finie
5.2.5.1 Théorème de représentation
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 = ha, .i,
c’est-à-dire :
∀x ∈ E, f (x) = ha, xi

Preuve Unicité : Si a, a0 répondent au problème alors pour tout x ∈ E on a

f (x) = ha, xi = ha0 , xi, donc ha − a0 , xi = 0 et par suite a − a0 ∈ E ⊥ = {0} d’où
a = a0 .
Existence : Comme E est de dimesnion finie, E admet une base orthonormée
n n
E = (e1 , · · · , en ). Soit x ∈ E tel que x =
P P
xi ei alors f (x) = xi f (ei ) = ha, xi
i=1 i=1
n
P
où a = f (ei )ei .
i=1
Exercice Pour tout P, Q ∈ R2 [X], on pose hP, Qi = P (−1)Q(−1) + P (0)Q(0) +

P (1)Q(1). Déterminer, après avoir justifié son existence et unicité le polynôme A ∈
R2 [X], tel que pour tout polynôme P ∈ R2 [X] on aie : P 0 (0) = hA, P i.
Exercice Soit (a, b) ∈ R2 tel que a < b et n ∈ N∗ . Soit g : [a, b] → R une application
continue par morceaux sur [a, b].
1. Démontrer qu’il existe un et un seul α = (α0 , . . . , αn ) ∈ Rn+1 tel que :
Z b X n
∀P ∈ Rn [X], g(t)P (t)dt = αk P (k) (0).
a k=0
On note ϕ(g) l’unique α ci-dessus.

2. On note CM([a, b], R) l’espace vectoriel des applications continues par morceaux
de [a, b] vers R et on le munit de la norme de convergence uniforme k.k∞ . Dé-
montrer que l’application ϕ : CM([a, b], R) → Rn+1 ; g 7→ ϕ(g) est continue de
(CM([a, b], R), k.k∞ ) vers Rn+1 .
5.2.5.2 Supplémentaire orthogonal d’un sous-espace vectoriel de dimension finies
Définition 84. On dit qu’un sous-espace vectoriel F de E admet un supplémentaire

orthogonal si F + F ⊥ = E.
- Il est aisé de voir que F ∩F ⊥ = {0}, donc si F admet un supplémentaire orthogonal

on a F ⊕ F ⊥ = E.

Proposition 158. Si F admet un supplémentaire orthogonal alors F ⊥⊥ = F . En

particulier F ⊥ admet aussi un supplémentaire orthogonal.
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 = hx, x2 i = hx1 , x2 i + kx2 k2 = kx2 k2 , donc
x2 = 0 et par suite x = x1 donc x ∈ F .
Théorème 21. Si F est un sous-espace vectoriel de dimension finie d’un espace

préhilbertien quelconque E alors F admet un supplémentaire orthogonal. Autrement
dit F ⊕ F ⊥ = E et F = F ⊥⊥ .
Preuve Si F = {0} ou F = E, le résultat est banal puisque E ⊕ {0} = E.

Si F 6= {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) = ha, xi est une forme linéaire sur F .
Comme F est de dimension finie, il existe b ∈ F tel que f = hb, .i Donc pour tout
x ∈ F , on a ha, xi = hb, xi donc a − b ∈ F ⊥ . Posons alors a − b = b0 avec b0 ∈ F ⊥ .
Alors a = b + b0 avec (b, b0 ) ∈ F × F ⊥ . Ainsi on a
(∀a ∈ E)(∃(b, b0 ) ∈ F × F ⊥ ) a = b + b0
donc E = F + F ⊥ , ce qui termine la preuve de la proposition.
L’exercice ci-dessous montre qu’un sous-espace vectoriel d’un espace préhilbertien

peut ne pas admettre de supplémentaire orthogonal.
Exercice Soit E = C ([0, 1], R) l’espace vectoriel des applications continues de [0, 1]
R 1 R et F = {f ∈ E/f (0) = 0}. On munit E du produit scalaire défini par
vers
⊥
hf, gi =
0 f (t)g(t)dt. Démontrer que dans l’espace préhilbertien (E, h.i) on a F = {θ} où
θ est l’application nulle de [0, 1] vers R.
Réponse Soit g R∈ F ⊥ et considérons f définie par f (t) = tg(t) alors f ∈ F , donc
1
hf, gi = 0, donc 0 tg 2 (t)dt = 0. Comme t 7→ tg 2 (t) est continue positive sur [0, 1],
elle est nulle donc g est nulle sur ]0, 1], et par continuité, g est nulle sur [0, 1].

5.3. PROJECTION ORTHOGONALE Cours deuxiéme année MP
5.3 Projection orthogonale

Dans toute cette section E désigne un espace préhilbertien réel non forcément de
dimension finie.
5.3.1.1 Définition, caractérisation
Définition 85. Soit F un sous-espace vectoriel de E tel que F ⊕ F ⊥ = E. La

projection orthogonale pF sur F parallèlement à F ⊥ s’appelle projection orthogonale
sur F .

pF (x) ∈ F
On a donc pF ∈ L(E) et ∀x ∈ E,
x − pF (x) ∈ F ⊥
Avec les notations ci-dessus, on a la :

y∈F
Proposition 159. Pour tout (x, y) ∈ E 2 , 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.
5.3.1.2 Caractérisation métrique
Théorème 22. (Pythagore)

Soit E un espace préhilbertien réel, alors :
∀(x, y) ∈ E 2 x⊥y ⇔ kx + yk2 = kxk2 + kyk2

Preuve On a kx + yk2 = kxk2 + kyk2 + 2hx, yi et le résultat en découle immédia-

tement.
Remarque Généralement si m ≥ 2 et x1 , · · · , xm des vecteurs deux à deux ortho-

gonaux avec m ∈ N, m ≥ 2, alors :
m
X m
X
2
k xk k = kxk k2 .
k=1 k=1
Attention ! La réciproque n’est pas vraie si m ≥ 3.
Théorème 23. Soit F un sous-espace vectoriel de E admettant un supplémentaire

orthogonal. Alors :
1. Pour tout x ∈ E, on a d(x, F ) = d(x, pF (x)) = kx − pF (x)k

z∈F
2. Si z est un vecteur de E tel que alors z = pF (x).
d(x, F ) = kx − zk
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 : kx − yk2 =
kpF (x) − yk2 + kx − pF (x)k2 . Il en découle que kx − pF (x)k ≤ kx − yk, et comme
en plus pF (x) ∈ F , on a d(x, F ) = kx − pF (x)k
2. Si z ∈ F et d(x, F ) = kx − zk alors kx − zk ≤ kx − pF (x)k puisque pF (x) ∈ F .

Or, ce qui précède montre que
kx − zk2 = kpF (x) − zk2 + kx − pF (x)k2
donc
kpF (x) − zk2 = kx − zk2 − kx − pF (x)k2
donc kpF (x) − zk2 ≤ 0 donc kpF (x) − zk = 0 et par suite z = pF (x).Ce qui achève
la preuve du théorème 23

5.3.2 Cas où F est de dimension finie

Soit E un espace préhilbertien. Selon Le théorème 21, si F est un sous-espace vec-
toriel de dimension finie de E alors F ⊕ F ⊥ = E, ce qui eut dire que la projection
orthogonale pF existe pour un tel sous-espace vectoriel.
5.3.2.1 Expression du projeté orthogonale
Proposition 160. Soit F un sous-espace vectoriel de dimension finie non nulle p

de E et C = (e1 , · · · , ep ) une base orthonormée de F , alors si pF est la projection
orthogonale de E sur F on a :
p
X
∀x ∈ E, pF (x) = hx, ek iek .
k=1
Preuve Soit k ∈ [[1, p]], alors ek ⊥(x − pF (x)), donc : hek , xi = hek , pF (x)i
et comme pF (x) ∈ F et C est une base orthonormée de F , on a : pF (x) =
Pn
hpF (x), ek iek et le résultat en découle.
k=1
5.3.2.2 Inégalité de Bessel
Proposition 161. Soit F un sous-espace vectoriel de dimension finie non nulle p

de E et C = (e1 , · · · , ep ) une base orthonormée de F , alors :
p
X
∀x ∈ E, |hx, ek i|2 ≤ kxk2 .
k=1
Preuve Par le théorème de Pythagore, on a : kxk2 = kpF (x)k2 + kx − pF (x)k2 ,

p
et comme kpF (x)k2 = |hx, ek i|2 , l’inégalité en découle.
P
k=1

5.4. BASES HILBERTIENNES Cours deuxiéme année MP
5.4 Bases hilbertiennes

Dans tout ce qui suit E est un espace préhilbertien réel de dimension infinie.
Définition 86. Soit E = (ek )k∈N une famille de vecteurs de E.

1. On dit que E est une famille totale de E si Vect(E ) est dense dans E.
2. On dit que E est une base hilbertienne de E si E est à la fois totale et ortho-
normée.
On considère une famille orthonormée E = (ek )k∈N de E. On note V = Vect(E ), et,

pour tout n ∈ N, Vn = Vect{ek }0≤k≤n et πn la projection orthogonale de E sur Vn .
Rappelons que
n
X
πn (x) = hx, ek iek
k=0
On a alors : [
V = Vn .
n∈N
En effet si x ∈ V = Vect(E ) . Si x = 0 alors x ∈ Vn pour tout n ∈ N, sinon
+∞
P
alors x s’écrit x = αk ek avec (αk )k∈N une famille de scalaires réels à support fini
k=0
non vide. Ce support étant une partie non vide finie de N, il est contenu dans un
n
P
intervalle de la forme [[0, n]] avec n ∈ N et par suite x = αk ek , donc x ∈ Vn .
k=0
Si (uk )k∈N est une suite de vecteurs d’un espace normé , on convient de noter (si
elles existent) :
X n +∞
X
lim uk = uk
n→+∞
k=0 k=0
Avec toutes les notations et conventions ci-dessus,on a le :
Théorème 24. Les assertions suivantes sont équivalentes

(1) La famille E est une base hilbertienne.
(2) Pour tout x ∈ E , on a lim πn (x) = x.
n→+∞
+∞
P
(3) Pour tout x ∈ E, on a : x = hx, ek iek .
k=0

5.4. BASES HILBERTIENNES Cours deuxiéme année MP
+∞
2
|hx, ek i|2 (Parseval).
P
(4) Pour tout x ∈ E, on a : kxk =
k=0
Preuve
• Supposons (1). Soit x ∈ E et ε > 0, alors il existe a ∈ Vect(E ) tel que kx −
ak < ε. Comme a S∈ V = Vect(E ) alors en vertu de la remarque ci-dessus que
V = Vect(E ) = n∈N Vn , il existe N ∈ N tel que a ∈ VN . Soit n ∈ N tel
que n ≥ N , alors VN ⊂ Vn par suite d(x, Vn ) ≤ d(x, VN ) et comme a ∈ VN ,
on a d(x, VN ) ≤ kx − ak par suite d(x, Vn ) < ε, et comme πn (x) ∈ Vn on a
d(x, πn (x)) < ε. On a donc prouvé que :
∀ε > 0, ∃N ∈ N, ∀n ∈ N, n ≥ N ⇒ kπn (x) − xk < ε
ce qui prouve le fait que lim πn (x) = x.

n→+∞
• Réciproquement si on a (2), soit x ∈ E alors pour tout ε > 0 il existe N ∈ N tel
que pour tout n ∈ N tel que n ≥ N on a d(x, πn (x)) < ε. Si on pose a = πN (x),
on a a ∈ Vect(E ) et kx − ak < ε, ce qui prouve la densité de Vect(E ) dans E.
• Vu la convention faite ci-dessus, il est clair que (2) ⇔ (3)
• Supposons qu’on a (3), cela veut dire que lim πn (x) = x. Rappelons que
n→+∞
n
hx, ek iek . Par continuité de l’application E → R; x 7→ kxk2 , on
P
πn (x) =
k=0
a kxk2 = lim kπn (x)k2 . Par le théorème de Pythagore on a kπn (x)k2 =
n→+∞
n
|hx, ek i|2 , ce qui établit (4).
P
k=0
• Réciproquement, supposons que l’on a (4) alors si x ∈ E. Pour tout n ∈ N, on
n
P
a : πn (x) = hx, ek iek , donc :
k=0
n

2
|hx, ek i|2
P



 kπ n (x)k =
 k=0
et
 n Pn n
|hx, ek i|2
 P P


 hx, π n (x)i = hx, hx, e ie
k k i = k=0 hx, ek ihx, ek i =
k=0 k=0

5.5. ESPACES EUCLIDIENS : RAPPELS ET COMPLÉMENTS Cours deuxiéme année MP
donc :
kx − πn (x)k2 = kxk2 + kπn (x)k2 − 2hx, πn (x)i

Xn n
X
2 2
= kxk + |hx, ek i| − 2 |hx, ek i|2
k=0 k=0
Xn
= kxk2 − |hx, ek i|2
k=0
Or par (4) on a le second membre tends vers 0, ce qui finit la preuve.
5.5 Espaces euclidiens : rappels et compléments

Dans tout ce qui suit E est un espace euclidien de dimension non nulle.
5.5.1 Matrices orthogonales, endomorphismes orthogonaux

5.5.1.1 Matrices orthogonales
Proposition-Définition 6. Soit A ∈ Mn (R). Les assertions suivantes sont équi-

valentes
t
(1) AA = In
(2) A t A = In
(3) A est inversible et A−1 = t A
(4) Les colonnes de A forment une base orthonormée de Mn,1 (R).
(5) Les lignes de A forment une base orthonormée de M1,n (R).
(6) Il existe deux bases orthonormées B et B 0 tel que A est la matrice de passage
de B à B 0 .
Si l’une des assertions est vérifiée, on dit que A est une matrice orthogonale.
Preuve Rappelons que si M ∈ Mn (K) alors M est inversible à droite si et seule-

ment 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 0 ∈ Mn (K) tel que M M 0 = In ,
donc det(M M 0 ) = 1, donc det(M ) det(M 0 ) = 1, en particulier, det(M ) 6= 0 et M
est inversible. Comme M M 0 = In , on a M −1 (M M 0 ) = M −1 , donc M 0 = M −1 . Le
même raisonnement est valable si on suppose que M est inversible à gauche.
Ce rappel nous donne immédiatement :
(1) ⇔ (2) ⇔ (3)
Notons
0
t
A = (aij )1≤i,j≤n et A = (aij )1≤i,j≤n
On a alors :
0
∀(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 :
hCi , Cj i = P nk=1 aki akj = P nk=1 a0ik akj
P P
hLi , Lj i = nk=1 aik ajk = nk=1 aik a0kj

Il en découle que le terme général de la matrice t AA est :
cij = hCi , Cj i
et le terme général de la matrice At A est :
dij = hLi , Lj i
Donc : t AA = In si et seulement si pour tout (i, j) ∈ [[1, n]]2 , on a cij = δij (symbole
de Kronnecker), si et seulement si la famille (Ck )1≤kn est une base orthonormée
de Mn,1 (R), donc (1) ⇔ (4). De même : At A = In si et seulement si pour tout
(i, j) ∈ [[1, n]]2 , on a dij = δij si et seulement si la famille (Lk )1≤kn est une base
orthonormée de M1,n (R), donc (2) ⇔ (5). Il en découle que l’on a à présent
démontré que :
(1) ⇔ (2) ⇔ (3) ⇔ (4) ⇔ (5)
Pour terminer, on va démontrer que (4) ⇔ (6).
- Supposons qu’on a (6), et soit : B = (ek )1≤k≤n et B 0 = (e0k )1≤k≤n sont deux bases
orthonormée tel que A = (aij )1≤i,j≤n est la matrice de passage de B à B 0 alors,
pour tout k ∈ [[1, n]], la colonne i de A est Ci = (pki )1≤k≤n , donc si i, j ∈ [[1, n]]
alors : n
X
hCi , Cj i = pik pjk = he0i , e0j i = δij
k=1

ce qui prouve (4).

- Supposons qu’on a (4) : Soit B = (ek )1≤k≤n une base orthonormée de E et soit
B 0 = (e0k )1≤k≤n tel que :
n
X
(?) ∀j ∈ [[1, n]], e0j = akj ek
k=1
Alors :
∀i, j ∈ [[1, n]], he0i , e0j i = hCi , Cj i = δij
Donc B 0 est une base orthonormée de E. Il est clair par (?) ci-dessus que A est la
matrice de passage de B à B 0 , ce qui achève la preuve de (6).
Proposition 162. L’ensemble des matrices orthogonales est un sous-groupe du

groupe linéaire GLn (R), noté On (R). La partie de On (R) :
SOn (R) = {A ∈ On (R)/ det(A) = 1}
est un sous-groupe de On (R) appelé le groupe spécial orthogonal.
Attention ! L’ensemble des matrices orthogonales de déterminant −1 ne forment

pas un groupe puisque le produit de deux de ces matrices est dans SOn (R).
Proposition 163. Soit A est une matrice orthogonale alors det(A) ∈ {−1, 1}.
Remarque Si B ∈ On (R) tel que det(B) = −1 alors

On (R) = SOn (R) ∪ (B.SOn (R)) = SOn (R) ∪ (SOn (R).B)
5.5.1.2 Endomorphismes orthogonaux
E est un espace euclidien de dimension n avec n ≥ 1.
Proposition-Définition 7. Soit u un endomorphisme de E. Les assertions sui-

vantes sont équivalentes :

(1) u conserve la produit scalaire, c’est-à-dire :
∀(x, y) ∈ E 2 hu(x), u(y)i = hx, yi
(2) u conserve la norme , c’est-à-dire :
∀x ∈ E ku(x)k = kxk
(3) Il existe une base orthonormée E de E tel que matE (u) est une matrice ortho-
gonale.
(4) Pour toute base orthonormée E la matrice matE (u) est une matrice orthogonale.
(5) u transforme au moins une base orthonormée de E en une base orthonormée 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 164. Pour tout endomorphisme orthogonal u de E, on a det(u) ∈

{−1, 1}.
Remarque En particulier les endomorphismes orthogonaux sont des automorphismes,

d’où l’appellation : Automorphismes orthogonaux.
Proposition 165. L’ensemble des automorphismes orthogonaux de E est un sous-

groupe du groupe linéaire GL(E) isomorphe à On (R). On le note O(E).
5.5.2 Réduction des matrices et endomorphismes orthogonaux

5.5.2.1 Résultats généraux
Théorème 25. Soit u un automorphisme orthogonal et F un sous-espace vectoriel

de E, alors F est stable par u si et seulement si F ⊥ est stable par u.

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 :
hu(x), yi = hu(x), u(u−1 (y))i = hx, u−1 (y)i = 0
en vertu de la remarque ci-dessus que F est stable par u−1 . Ainsi pour tout
x ∈ F ⊥ , on a u(x) ∈ F ⊥ , donc F ⊥ est stable par u.
Proposition 166. Soit u ∈ O(E) un automorphisme orthogonal. Alors Sp(u) ∈

{−1, 1}.
Preuve Si λ ∈ Sp(u) alors, il existe x ∈ E tel que x 6= 0 et u(x) = λx. On a :
hu(x), u(x)i = hx, xi = λ2 hx, xi
donc (λ2 − 1) kxk2 = 0, et comme x 6= 0, on a λ2 = 1, donc λ ∈ {−1, 1}.
Lemme 2. Soit u un endomorphisme orthogonal de E et E1 = ker(u − IdE ) et

E−1 = ker(u + IdE ), et notons F = E1 (u) ⊕ E−1 (u) et G = F ⊥ , alors :
1. E1 (u)⊥E−1 (u).
2. F et G sont stables par u.
3. Si v = uG est l’endomorphisme de G induit par u alors Sp(v) = ∅.
Preuve Démontrons les trois points de la proposition :

1. Soit x ∈ E1 (u) et y ∈ E−1 (u), alors d’une part hu(x), u(y)i = hx, yi car u est
un automorphisme orthogonal ; d’autre part : hu(x), u(y)i = hx, −yi , donc
hx, yi = −hx, yi et hx, yi = 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 167. On a

cos θ ε sin θ
O2 (R) = /θ ∈ R, ε ∈ {−1, 1}
sin θ −ε cos θ

a c
Preuve Soit A = ∈ M2 (R). Si A ∈ O2 (R) alors les colonnes de A
b d
 2
 a + b2 = 1
forment une base orthonormée de M2,1 (R), donc : c2 + d2 = 1 . L’égalité ac +
ac + bd = 0


a d a d
bd = 0 s’écrit aussi = 0, donc les vecteurs X = et Y =
b −c b −c
sont colinéaires,
 et comme X 6= 0 car kXk = 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.
Remarque Il y’a donc deux types de matrices orthogonales de taille 2, à savoir :

cos θ − sin θ
1. Les matrices de la forme Rθ = appelées matrices de rotation.
sin θ cos θ

cos θ sin θ
2. Les matrices de la forme Sθ = appelées matrices de symétrie.
sin θ − cos θ

Il est aisé de voir que :

SO2 (R) = {Rθ /θ ∈ R}
Proposition 168. Soit θ ∈ R alors :

1. la matrice de rotation Rθ est diagonalisable si et seulement si θ ≡ 0[π]. Préci-
sément :
- Si θ 6≡ 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 orthogona-
1 0
lement semblable à la matrice J = c’est-dire Sθ = t P JP où
0 −1
P ∈ O2 (R).
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 ) 6= ∅ ⇔ δ = 0 ⇔
θ ≡ 0 [π].
• Si θ = 0 [2π] alors Rθ = In .
• Si θ = π [2π], alors Rθ = −I2 .
• Si θ 6= 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. Soit E un K − espace vectoriel de dimension finie n avec n ∈ N∗ et

K = R ou C. Si u est un endomorphisme de E, alors u admet une droite ou un plan
stable.
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) 6= ∅, 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 6= 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.
5.5.2.2 Réduction des matrices et endomorphismes orthogonaux
Nous allons démontrer que tout endomorphisme orthogonal est représenté par une
matrice diagonale par blocs avec des termes diagonaux ayant une des formes sui-
vantes : Im , −Im ou Rθ avec θ ∈ R\πZ. Nous allons commencer par le cas particulier
important où u n’a aucune valeur propre réelle.
Théorème 26. Soit E un espace euclidien de dimension non nulle n et u un endo-

morphisme orthogonal de E tel que Sp(u) = ∅. Alors n est pair et il existe une base
orthonormée E de E tel que
 
Rθ1
matE (u) =  ... ,
Rθs
avec 2s = n et pour tout k ∈ [[1, s]], θk ∈ R\πZ.
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 168.
• 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. Soit E un espace euclidien de dimension n avec n 6= 0 et soit

u ∈ On (E) un endomorphisme orthogonal de E. Alors il existe une base orthonormée
B de E tel que matB (u) est une matrice diagonale par blocs dont les blocs diagonaux
sont parmi les suivants :
1. le bloc Ip avec p ∈ N∗ qui apparaît 0 ou 1 fois.
2. le bloc −Iq avec q ∈ N∗ qui apparaît 0 ou 1 fois.
3. des blocs Rθ avec θ ∈ R et θ 6≡ 0 [π] qui apparaissent 0 ou s fois avec s ∈ N∗ .
Autrement dit :
 
Ip

 −Iq 

M = matB (u) = 
 Rθ1 


 ... 

Rθs
avec (p, q, s) ∈ N3 et p + q + 2s = n avec la convention p = 0(resp.(q = 0

(resp.(s = 0))) si un bloc de la forme Ip (resp(−Iq ( resp. Rθ ))) apparaît 0 fois dans
M.
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 ).
Remarque La version matricielle de ce théorème est : pour toute matrice orthogo-

nale Ω il existe une matrice orthogonale P tel que Ω = P ∆tP avec ∆ une matrice
de la forme :  
Ip

 −Iq 

∆=
 Rθ1 


 . .. 

Rθs
avec (p, q, s) ∈ N3 et p + q + 2s = n avec la convention p = 0(resp.(q = 0 (resp.(s =
0))) si un bloc de la forme Ip (resp(−Iq ( resp. Rθ ))) apparaît 0 fois dans M .
5.5.3 Endomorphismes et matrices symétriques

5.5.3.1 Endomorphisme symétrique d’un espace préhilbertien réel.
Définition 87. Soit (E, h.i) un espace préhilbertien réel de dimension finie ou infinie
et u ∈ L(E). On dit que u est symétrique si
∀x, y ∈ E, hx, u(y)i = hu(x), yi
Proposition 169. Soit (E, h.i) un espace préhilbertien réel de dimension finie ou
infinie et u un endomorphisme symétrique de E et F un sous-espace vectoriel de E.
Si F est stable par u alors F ⊥ est stable par u.
Preuve Soit x ∈ F ⊥ , montrons que u(x) ∈ F ⊥ pour cela soit y ∈ F alors

hu(x), yi = hx, u(y)i = 0 car u(y) ∈ F par stabilité de F et x ∈ F ⊥ par hypothèse.

5.5.3.2 Adjoint d’un endomorphisme, endomorphisme auto-adjoint
Dans tout ce qui suit (E, h.i) est un espace euclidien.
Théorème-Définition 1. Soit E un espace euclidien et u un endomorphisme de

E. Il existe un et un seule endomorphisme v de E tel que :
∀(x, y) ∈ E 2 hu(x), yi = hx, v(y)i
L’endomorphisme v s’appelle l’endomorphisme adjoint de u et on le note u∗
Preuve On va prouver l’existence et l’unicité de v :

• Existence :Soit y ∈ E et l’application :
ϕy : E → R; x 7→ ϕy (x) = hu(x), yi,
alors ϕy est une forme linéaire sur E car pour tout x1 , x2 ∈ E et λ ∈ R, on a :

ϕy (x1 +λx2 ) = hu(x1 +λx2 ), y)i = hu(x1 )+λu(x2 ), yi = hu(x1 ), yi+λhu(x2 ), yi =
ϕy (x1 ) + λϕy (x2 ). Par le théorème de représentation des formes linéaires dans un
espace euclidien, il existe un vecteur unique vy tel que : ∀x ∈ E, ϕy (x) = hvy , xi.
Cela permet de définir une application v : E → E tel que ∀y ∈ E, v(y) = vy
réalisant : ∀x, y ∈ E, hu(x), yi = hx, v(y)i. Montrons que v ainsi définie est linéaire.
Soit y1 , y2 ∈ E et λ ∈ R, alors pour tout x ∈ E on a : hx, v(y1 +λy2 )i = hu(x), y1 +
λy2 i = hu(x), y1 i + λhu(x), y2 i = hx, v(y1 )i + λhx, v(y2 )i = hx, v(y1 ) + λv(y2 )i et
par unicité on a : v(y1 + λy2 ) = v(y1 ) + λv(y2 ), d’où v est linéaire.
• Unicité : Si v et w sont deux solutions du problème alors :
∀(x, y) ∈ E 2 , hx, v(y)i = hx, w(y)i = hu(x), yi
Il en découle que ∀y ∈ E, ∀x ∈ Ehx, v(y)−w(y)i = 0 donc : ∀y ∈ E, v(y)−w(y) ∈

E ⊥ = {0} donc v = w.
Proposition 170. Soit u et v deux endomorphismes de E. Les assertions suivantes

sont équivalentes :
1. v = u∗

2. Pour toute base orthonormée E de E matE (v) =t (matE (u)).

3. Il existe une base orthonormée E de E tel que matE (v) =t (matE (u)).
Proposition-Définition 8. Soit u un endomorphisme de E, alors u est symétrique

si et seulement si u = u∗ . On dit aussi que u est autoadjoint.
Proposition 171. Soit u, v des endomorphismes de E et λ ∈ R, alors :

1. (u∗ )∗ = u
2. (u ◦ v)∗ = v ∗ ◦ u∗ .
3. (u + λv)∗ = u∗ + λv ∗
5.5.3.3 Caractérisation d’un endomorphisme orthogonal par son adjoint
Proposition 172. un endomorphisme u est orthogonal si et seulement si u est

inversible et u−1 = u∗
Preuve Si u est inversible et u−1 = u∗ , soit x ∈ E, alors ku(x)k2 = hu(x), u(x)i =

hx, u∗ (u(x))i = hx, xi = kxk2 , donc pour tout x ∈ E, on a : ku(x)k = kxk donc
u est un endomorphisme orthogonal. Réciproquement, si u est un endomorphisme
orthogonal alors u est inversible. Soit (x, y) ∈ E 2 . Puisque u conserve le produit
scalaire, on a : hu(x), yi = hu(x), u(u−1 (y))i = hx, u−1 (y)i. Cela veut dire que
u∗ = u−1 .
5.5.3.4 Endomorphismes symétriques en dimension finie
Proposition 173. Soit u un endomorphisme de E. Les assertions suivantes sont

équivalentes :

(1) u est un endomorphisme symétrique.

(2) Il existe une base orthonormée E de E tel que la matrice relativement à E de
u est réelle symétrique.
(3) Pour toute base orthonormée E de E, la matrice relativement à E de u est
réelle symétrique.
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.
5.5.3.5 Réduction des endomorphismes et matrices symétriques en dimension finie
Proposition 174. Soit u un endomorphisme symétrique de E. Alors u admet au

moins une valeur propre.
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
C’est un trinôme de discriminant : δ = (a + d)2 − 4(ad − b2 ) = a2 + d2 + 2ad −

4ad + b2 = (a − d)2 + b2 , donc δ ≥ 0 et χA admet au moins une racine λ, donc u
admet une valeur propre.
- Si E est de dimension n avec n ≥ 1 selon le lemme 3, l’endomorphisme u admet
un sous-espace stable F tel que 1 ≤ dim(F ) ≤ 2. Les résultats des étapes ci-dessus
permet de dire que l’endomorphisme induit uF admet une valeur propre λ, donc u
admet au moins une valeur propre.

Proposition 175. Soit u un endomorphisme symétrique de E. Si λ et µ sont deux

valeurs propres de u, alors :
λ 6= µ ⇒ Eλ (u)⊥Eµ (u)
Preuve Considérons λ, µ ∈ Sp(u) tel que λ 6= µ et montrons que Eλ (u)⊥Eµ (u).

Pour cela soit x ∈ Eλ (u) et y ∈ Eµ (u) deux vecteurs propres associés respecti-
vement aux valeurs propres distinctes λ et µ de u. On a hu(x), yi = λhx, yi =
hx, u(y)i = µhx, yi, donc (λ − µ)hx, yi = 0. Comme λ − µ 6= 0, on a : hx, yi = 0.
Ainsi Eλ (u)⊥Eµ (u).
Le théorème ci-dessous s’appelle le théorème spectral
Théorème 28. Soit u un endomorphisme symétrique de E, alors u est diagonalisable

dans une base orthonormée, c’est-à-dire que E admet une base formée de vecteurs
propres de u.
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 ke1 k = 1, alors B est base orthonormée de diago-
nalisation 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 174, l’endomorphisme u admet au moins une valeur
propre λ1 . Soit e un vecteur propre associé à λ1 et notons e1 = ke11 k e. Il est clair
que e1 est un vecteur propre de u associé à λ1 et que ke1 k = 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 dimension n. Comme n ≥ 1, on a,
par hypothèse de récurrence, l’endomorphisme induit uF est diagonalisable dans
une base orthonormée B 0 = (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 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.

Chapitre 6
Intégrales généralisées, séries numériques.
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.
6.1 Intégrales généralisées

Le chapitre des intégrales généralisée ou intégrale sur un intervalle quelconque est
traité en première année. Le cadre était celui des application f : I → K continues
par morceaux d’un intervalle I de R vers K (avec K = R ou C.)
6.1.1 Fonctions continues par morceaux : Rappels

La notion de fonction intégrable sur un intervalle I est plus vaste que celle des fonc-
tions continues par morceaux intégrales, mais le programme des classes préparatoires
se limite à ces fonctions. Vu l’importance de cette notion par la suite, on donne des
rappels dans ce sous-paragraphe.
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
180
6.1. INTÉGRALES GÉNÉRALISÉES Cours deuxiéme année MP
de [a, b] tel que pour tout k ∈ {0, · · · , n − 1}, f est continue sur ]ak , ak+1 [ et se
prolonge en une fonction continue sur [ak , ak+1 ]. Une telle subdivision est appelée
subdivision adaptée à f .

1. Si f est CM sur [a, b] et (ak )0≤k≤n est une subdivision adaptée alors f admet
une limite à droite et une limite à gauche en tout point ak tel que 0 < k < n
et une limite à droite au point a et une limite à gauche au point b.
2. Si A = (ak )0≤k≤n est une subdivision adaptée à une fonction f continue par
morceaux sur [a, b] il en est de même pour toute subdivision B = (bk )0 ≤ k ≤
m plus fine que A .
3. Si f est une fonction de [a, b] vers K, continue par morceaux, alors la subdivision
la moins fine adaptée à f est celle formée par a,b et les points de discontinuité
de f . En particulier, si f est continue sur ]a, b[ alors cette subdivision est (a, b).
6.1.1.2 Exemples et contre-exemples
1. Soit f : [−2, 1] → R; x 7→ E(x) (partie entière). Alors f est continue par

morceaux sur [−2, 1] : les points de discontinuité de f sont : −1, 0 et 1. On voit
que : 

 −2 si −2 ≤ x < −1
−1 si −1 ≤ x < 0

f (x) =

 0 si 0≤x<1
1 si x=1

En
particulier les limites
à droites et à gauche aux points de discontinuité sont :
f (−1−) = −2 f (0−) = −1
; ; f (1−) = 0.
f (−1+) = −1 f (0+) = 0
sin x1 si x 6= 0

2. L’application f : [0, 1] → R définie par f (x) = n’est pas
0 si x = 0
continue par morceaux car x 7→ sin x1 n’admet pas de limite quand x tends vers
0 à droite.
1
3. L’application f : [−1, 1] → R; x 7→ x si x 6= 0 n’est pas continue par
0 sinon
morceaux car : lim+ f (x) = +∞.
x→0

Définition 89. Soit f : I → K une application d’un intervalle I de R vers K. On

dit que f est continue par morceaux si la restriction de f à tout segment contenu
dans I est continue par morceaux.
Proposition 176. Toute application f : I → K continue sur I est continue par

morceaux sur I.
Notation : On notera CM(I, K) l’ensembles des applications de I vers K continues

par morceaux sur I.
Exemples x 7→ ln(x) est continue par morceaux surR∗+ .

ln(x) si x > 0
L’application f de R+ vers R définie par f (x) = n’est pas
0 si x = 0
continue par morceaux sur R+ car elle n’est pas CM sur [0, 1] : elle n’a pas de limite
en 0 à droite.
6.1.2 Intégrales généralisées

Une fonction f : [a, b] → K continue par morceaux est intégrable sans aucun soucis.
Le problème se pose si à la place du segment [a, b] on a un intervalle I non borné ou
un intervalle de la forme ]a, b[ ou ]a, b] ou [a, b[, c’est-à-dire un intervalle borné mais
non fermé. Une intégrale d’une fonction continue par morceaux sur de tels intervalle
quand elle existe s’appelle intégrale généralisée ou impropre.
6.1.2.1 Définition
Soit I un intervalle de R de bornes α et β finies ou infinies. Soit f une application

Rx de
I vers K et a ∈ I. On considère l’application Fa : I → K tel que Fa (x) = a f (t)dt
pour tout x ∈ I. Si Fa admetRune limite L1 en α à droite R et une limite L2 en β à
gauche on dit que l’intégrale I f converge et on pose : I f = L2 − L1 . On note
Rβ Rβ Rβ
aussi α f (t)dt. Ainsi α f (t)dt = Fa (β−) − Fa (α+). On écrit aussi : α f (t)dt =
[Fa (t)]βα = Fa (β−) − Fa (α+). Rx Rx
Si
Ra b ∈ I on remarque que pour tout x ∈ I, on a F b (x) = b f (t)dt = a f (t)dt +
b f (t)dt donc Fb = Fa + c où c Rest une constante, ce qui permet de dire que la
définition ci-dessus et la valeur de I f quand elle existe ne dépendent que de I et f .

6.1.2.2 Exemples
Rx
Exemples 1) f (x) = ln x pour tout x ∈]0, 1], F1 (x) = 1 ln tdt = x ln x − x vérifie
R1
F (1−) = F (1) = −1 et F (0+) = 0 donc 0 ln tdt = −1
1
√
x
si 0 < x ≤ 1
Exemples 2) Pour tout x ∈]0, +∞[ on pose f (x) = 1 . On
x 2 si 1 < x
Rx
voit
 √ que f est continue par morceaux sur ]0, +∞[ car continue. F 1 (x) = 1 f (t)dt =
 2 x − 2 si 0 < x ≤ 1 R +∞
, donc F1 (+∞) = 1 et F1 (0+) = −1, donc 0 f (t)dt =
1 − x1 si 1 < x

1+1=2
6.1.2.3 Propriétés
Dans tout ce qui suit I est un intervalle de R de bornes éventuellement infinies a et

b.
Rb
Proposition 177. Soit f ∈ CM(I, K) et c ∈ I. L’intégrale a f converge si et
Rc Rb Rb Rc Rb
seulement si les intégrales a f et c f convergent, auquel cas on a a f = a f + c f
R R
Proposition 178.R Soient f, g ∈ CM(I,RK) et λ ∈ K. RSi les intégrales
R I f et I g
convergent alors I (f + λg) converge et I (f + λg) = I f + λ I g
R
R f ∈ MC(I, K) alors |fR | ∈ CM(I,
Proposition 179. Soit R K) et si I |f | converge
il en est de même de I f et dans ce cas on a I f ≤ I |f |
R R
Définition 90. Soit f ∈ CM(I, K). Si I |f | converge on dit que l’intégrale I f
est absolument convergente

Définition
R 91. Soit f ∈ CM(I, K). On dit que f est integrable ou sommable sur
I si I f est absolument convergente.
6.1.3 Cas des fonctions positives

Dans tout ce qui suit f est une application d’un intervalle I vers R, positive et
continue par morceaux sur I.
Proposition 180. I = [a, b[ avec a ∈ R et b ∈ R ∪ {+∞} avec a < b. Soit

Rb
f : [a, b[→ R positive et CM sur [a, b[. Alors l’intégrale a f (t)dt est convergente
si et seulement si f est integrable sur [a, b[ si et seulement si l’ensemble
Z x
Xf = f (t)dt/x ∈ [a, b[
a
est majoré, auquel cas on a :

Z b
f (t)dt = sup(Xf ).
a
R +∞ 2
Exemples l’intégrale I = 0 e−x cos x dx est divergente car la fonction x 7→ f (x) =
2 Rx
e−x cos x étant continue sur R+ il suffit de prouver que x 7→ 0 n’est pas majorée,
et pour cela, on considère pour tout n ∈ N tel que n ≥ 10 les réels an = π2 + nπ
Rb
et bn = π2 + nπ + n1 et posons In = ann f (x)dx. On va démontrer que la série
R
P bn
In est divergente et cela donnera en particulier le fait que la suite 0 f (t)dt
est non majorée car son terme général est majoré par une somme 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 x ∈ [an , bn ],
on a f (x) ≥ f (bn ) et par suite P In ≥ n1 f (bn ). Or un simple calcule montrer que
lim f (bn ) = 1, donc la série In est divergente or sa somme partielle Sn =
n→+∞
Pn R bn Rx
k=10 In ≤ 0 f (x)dx, ce qui prouve que x →
7 0 f (t)dt n’est pas majorée donc
R +∞
l’intégrale 0 f (x)dx est divergente.

Remarques Généralement, si I est un intervalle de R et f ∈ CM(I, R+ ) alors :

1) f est intégrable sur I si et seulement si l’ensemble
Z
X= f /J segment contenu dans I
J
R
est majoré, auquel cas sup(X) = I f .
2) On note a et b les bornes éventuellement infinies de I. S’il existe une suite
([an , bn ])n∈N de segments contenus dans I tel que pour tout n ∈ N, on aie :
an+1 ≤ an ≤ bn ≤ bn+1
R
bn
et lim an = a et lim bn = b et si la suite an f (t)dt est majorée alors f est
integrable et Z b
Z bn
f (t)dt = lim f (t)dt
a n→+∞ an
Proposition 181. Soit f, g ∈ CM(I, R+ ).

R R
1. Si f ≤ g alors I g convergente ⇒ I f convergente.
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 à
Rb Rb
droite) alors : a g(t)dt converge ⇒ a f (t)dt converge.
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 à
Rb Rb
droite) alors : a g(t)dt converge ⇒ a f (t)dt converge.
4. Si I =]a, b](resp. I = [a, b[ et f ∼ g au voisinage de b à gauche (resp. au
Rb Rb
voisinage de a à droite) alors les intégrales a f (t)dt et a g(t)dt sont de même
nature.
Remarque Si f : I → R est continue par morceaux négative sur I, en étudiant −f

on trouve des résultats similaires à ceux des fonctions positives.
6.1.4 Intégrales de références usuelles

R1
6.1.4.1 L’intégrale 0
ln tdt
R1
L’application t 7→ ln t est continue négative sur ]0, 1]. L’intégrale 0 ln tdt est conver-
R1
gente de valeur −1. Précisément , 0 ln tdt = [t ln t − t]10 = −1

R +∞
6.1.4.2 L’intégrale 0
e−λt dt , λ réel
R +∞
Proposition 182. Soit λ ∈ R, alors l’intégrale 0 e−λt dt est convergente si et
R +∞
seulement si λ > 0 , auquel cas, on a 0 e−λt dt = λ1 .
Rx
Preuve En effet pour tout x > 0, on a F (x) = 0 e−λt dt = λ1 (1 − e−λx ), donc F
admet une limite en +∞ si et seulement si λ > 0, auquel cas, cette limite est λ1 .
R +∞ 1
Rb 1
6.1.4.3 Les intégrales de Riemann 1 tα
dt et a (b−t)α
dt
Proposition 183. Soit α un nombre réel, alors :

R +∞
1. L’intégrale 1 t1α dt est convergente si et seulement si α > 1.
Rb 1
2. Si (a, b) ∈ R2 tel que a < b alors a (b−t) α dt est convergente si et seulement si
Rb 1
a (t−a)α dt est convergente si et seulement si α < 1.
6.1.5 Conséquences : Les tests tα et |t − a|α
Proposition 184. Soit f : [a, +∞[ vers K une application continue par morceaux :
S’il existe un nombre réel α > 1 tel que tRα f (t) est bornées sur un intervalle de la
+∞
forme [b, +∞[ ( b ≥ a) alors l’intégrale a f (t)dt est absolument convergente.
C’est le cas en particulier si t 7→ tα f (t) admet une limite ` (` ∈ K), quand t tends
vers +∞.
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
R +∞
convergence de l’intégrale b |f (t)|dt.
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 185. 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
Rb
la forme [c, b[ ( a ≤ c < b ) alors l’intégrale a f (t)dt est absolument convergente.
C’est le cas en particulier si t 7→ (b − t)α f (t) admet une limite ` (` ∈ K), quand t
tends vers b à gauche.
Proposition 186. 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
Rb
la forme ]a, c] ( a < c ≤ b ) alors l’intégrale a f (t)dt est absolument convergente.
C’est le cas en particulier si t 7→ (t − a)α f (t) admet une limite ` (` ∈ K), quand t
tends vers a à droite.
6.1.5.1 Exemples
R1 1
Exemples 1) Convergence de l’intégrale I = 0
√ . Tout d’abord l’application
x(1−x)
1
f :]0, 1[→ R, x 7→ √ est CM sur ]0, 1[. Au voisinage de 0 à droite, on a
x(1−x)
R1
f (x) ∼ √1 donc l’intégrale f (x)dx est convergente. Au voisinage de 1 à gauche,
2
x 0
1
R1
on a f (x) ∼ √1−x donc l’intégrale 1 f (x)dx converge. En conclusion, l’intégrale
2
R1
0
√ 1 dx est convergente.
x(1−x)
R1
Exemples 2) Convergence de l’intégrale 0
√ sin(1/x)2 dx. L’application f :]0, 1] →
x(1+cos x)
sin(1/x)
R; x 7→ √ est CM sur ]0, 1]. Le problème se pose uniquement au voisinage
x(1+cos2 x)
√
de 0 à droite. Pour tout x ∈]0, 1], on a : |f (x)| ≤ √1x , donc x 7→ xf (x) est bornée
R1
sur ]0, 1], d’où l’intégrale 0 √ sin(1/x)2 dx est absolument convergente.
x(1+cos x)
R +∞
Exemples 3) Convergence de l’intégrale I = 0 x4 e−x dx. L’application f : [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.

R +∞ 1
Exemples 4) Convergence de l’intégrale I = 0 √x+x 2 dx. L’application f :]0, +∞[→
1
R; x 7→ √x+x 2 est continue sur l’intervalle ]0, +∞[.
• Au voisinage de 0 à droite on a f (x) ∼ √1x et comme l’intégrale de Riemann

R1 1 R1
√ dx est convergente, on a
0 x 0 f (x)dx est convergente.
R +∞
• Au voisinage de +∞, on a f (x) ∼ x12 et l’intégrale de Riemann 1 x12 dx est
R +∞
convergente donc 1 x12 dx est convergente.
R +∞
Il découle de ce qui précède que 0 f (x)dx est convergente.
√
• Pour calculer
R +∞ 1 cette intégrale on fait le changement de variable t = x, ce qui fournit
I = 2 0 t3 +1 dt. La décomposition en élément simple de la fraction rationnelle
F (X) = X 31+1 s’écrit :
α βX + γ
F (X) = + 2
X +1 X −X +1
et on a :
• limt→−1 (t + 1)F (t) = α = 13 .
• limt→+∞ tF (t) = 0 = α + β ⇒ β = − 31 .
• F (0) = 1 = α + γ ⇒ γ = 23
R +∞ 1
Il en découle que I = 23 0 t−2

t+1 − t −t+1 dt, donc
2
2 +∞

1 2t − 1
Z
1 1 3
I= − + dt
3 0 t + 1 2 t2 − t + 1 2 t2 − t + 1
On a :
+∞ +∞
1 2t − 1
Z
1 2 t+1
− dt = ln √ = 0.
0 t + 1 2 t2 − t + 1 3 t2 − t + 1 0
Donc :
Z +∞ Z +∞
1 1
I = dt = 2 dt
0 t2 − t + 1 0 t − 12 + 43
√ +∞ √
4 3 2 1 4 3 4π 4π
= arctan √ t − = = √ .
3 2 3 2 0 3 2 6 3 3
6.1.6 Techniques d’intégration

6.1.6.1 Changement de variable
Si I et J sont deux intervalle de R non vides et non réduits en un singleton, on

appelle C 1 −difféomorphisme de I vers J tout application ϕ : I → J tel que :

• ϕ est bijective.
• ϕ et de classe C 1 sur I.
• ϕ−1 sont est de classe C 1 sur J.
On peut démontrer que ϕ est un C 1 −difféomorphisme de I vers J si et seulement
si :
• ϕ et de classe C 1 sur I.
• ∀x ∈ I, ϕ(x) 6= 0.
Il en découle que ϕ est un C 1 −difféomorphisme de I vers J si et seulement si ϕ est
de classe C 1 sur I et ϕ0 est strictement positive ou strictement négative sur I.
Proposition 187. Soient I et J deux intervalles de R non vides et non réduits à

un singleton et ϕ : IR → J un C 1R−difféomorphisme de I vers J. Soit f ∈ CM(J, R)
alors les intégrales J f (t)dt et I |ϕ0 (t)|f (ϕ(t))dt sont de même nature et en cas
de convergence elles sont égales, c’est-à-dire que :
Z Z
f (s)ds = |ϕ0 (t)|f (ϕ(t))dt
J I
6.1.6.2 Intégration par parties
Si a, b ∈ R∪{−∞, +∞} tel que −∞ ≤ a < b ≤ +∞ et f :]a, b[→ K une application.

alors :
• f (a+) désigne la limite de f (x) quand x tend vers a à droite si a ∈ R et la limite
de f (x) quand x tend vers −∞ si a = −∞.
• f (b−) désigne la limite de f (x) quand x tend vers b à gauche si b ∈ R et la limite
de f (x) quand x tend vers +∞ si b = +∞.
Proposition 188. Soit (a, b) ∈ R ∪ {−∞, +∞} tel que −∞ ≤ a < b ≤ +∞ et

u et v deux application de l’intervalle ]a, b[ vers K toutes les deux de classe C 1 sur
]a, b[. Si les limites La = f (a+) et Lb = f (b−) existent dans K alors :
Rn Rb
1. Les intégrales a u0 (t)v(t)dt et a u(t)v 0 (t)dt sont de même nature.
2. En cas de convergence on a :
Z b Z b
u0 (t)v(t)dt = [u(t)v(t)]ba − u(t)v 0 (t)dt
a a

6.2. SÉRIES NUMÉRIQUES Cours deuxiéme année MP
où
[u(t)v(t)]ba = Lb − La = f (b−) − f (a+)
6.2 Séries numériques

P
On appelle série numérique une série un avec un ∈ K avec K = R ou C. On donne
dans ce paragraphe les rappels essentiels des notions vues en première année.
6.2.1 Rappels
Si (un )n≥0 est une suite à valeurs dans K, on lui associe la suite des sommes (Sn )n≥0
Pn
définie par Sn = uk . on dit que (Sn ) est la suite des sommes partielles de la série
P k=0
un . P
Si la suite (Sn ) est convergente de limite S, on dit que la série numérique un est
+∞
P
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
P suite 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, en
+∞
P
cas de convergence si on note ` = lim an et S = un on a S = ` − a0 ;
n=0
n
1
P
Exemples Montrons que la suite (an )n≥1 définie par an = Hn −ln(n) où Hn = k
k=1

(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
P
Il en découle que la série un est convergente, donc la suite (an ) est convergente.
P
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
+∞
P
s’appelle le reste d’ordre n. On a Rn = uk et Rn converge vers 0.
k=n+1
6.2.2 Séries à termes positifs

6.2.2.1 Rappel
P
Une série à terme positifs est une série numérique un tel que un ≥ 0 pour tout
n ∈ N. Une telle sériePest soit convergente soit sa somme partielle tends vers +∞,
auquel cas on posera +∞ n=0 un = +∞.
P
Proposition 189. 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
P
Définition
P 92. On dit qu’une série un est absolument convergente si la série
|un | est convergente.

P
Proposition 190. Si la série un est absolument convergente elle est convergente
et :
+∞
X +∞
X
un ≤ |un |
n=0 k=0
6.2.2.2 Critères de comparaison
P P
Proposition 191. Soient an et bn deux séries à termes positifs. Si an ≤ bn
àPpartir d’un certain rang
P alors :
P+∞bn convergente ⇒P an convergente.
+∞
n=0 an = +∞ ⇒ n=0 bn = +∞
+∞
P +∞
P
Remarque Si an ≤ bn pour tout n ∈ N alors an ≤ bn
n=0 n=0
P P
Proposition 192. Soit un une série numérique et an une série à termes
positifs. P P
Si un = O(an ) alors :P an convergente ⇒P un est absolument convergente.
Si un = o(an ) alorsP: convergente ⇒ un est absolument convergente.
an P
Si un ∼ an alors : an et un sont de même nature.
6.2.3 Série de référence

6.2.3.1 Séries géométriques
Une série de terme général q n avec q ∈ C est appelée série géométrique de raison q.
q n est convergente si et seulement si

P
Proposition 193. La série géométrique
+∞
1
P n
|q| < 1, auquel cas , on a : q = 1−q
n=0
+∞
qm
qn =
P
Remarque Si |q| < 1 alors pour tout m ∈ N, on a 1−q
n=m

6.2.3.2 Série de Riemann
Une série de terme général un = n1α ( n ≥ 1 ) où α ∈ R est appelée série de Riemann.

Si α = 1 on l’appelle série harmonique.
1
P
Proposition 194. Soit α ∈ R. La série de Riemann nα est convergente si et
seulement si α > 1.
6.2.4 Regle de D’Alembert pour les séries numériques
Proposition 195. Soit (un ) une suite de nombre complexes non nuls tel qu’il existe
` ∈ R+ tel que :
un+1
lim =`
n→+∞ un
Alors :
P
1. Si ` < 1 alors la série un est absolument convergente.
P
2. Si ` > 1 alors la série un est grossièrement divergente.
1−`
Preuve - Si ` < 1, pour ε = 2 , il existe N ∈ N tel que, pour tout n ∈ N tel que
n ≥ N + 1, on a :
un 1−`
−` <
un−1 2
En particulier :
|un | 1−` `+1
∀n ∈ N, n ≥ N + 1 ⇒ < +`=
|un−1 | 2 2
Donc en posant q = `+1 2 , on a 0 < q < 1 et pour tout n ≥ N +1, on a |un | ≤ q|un−1 |,
en particulierP: |un | ≤ |uN |q n−N = Cq n , avec C = |uN |q −N . P Comme la série
n
géométrique n≥N q est convergente, la convergence absolue de un en découle.
- Si ` > 1, on a pour ε = `−1 2 , il existe N entier tel que si n ≥ N + 1 alors
un `−1 `+1
un−1 ≥ ` − 2 = 2 , donc |un | ≥ uN q
n−N
= Cq n avec C = |uN |q −N donc un
tends vers +∞, ce qui justifie la divergence grossière de la série.

6.2.5 Séries alternées
P
Définition 93. On dit que la série numérique réelle un est alternée si :
∀n ∈ N, un un+1 ≤ 0
P
Proposition 196. 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.
Remarque On peut toujours se ramener à un = (−1)n αn avec αn ≥ 0 : il suffit de

considérer la série opposée.
On donne le théorème suivant appelé le critère spécial des séries alternées (C.S.S.A.)
qui donne une condition suffisante de convergence d’une série alternée et une esti-
mation du reste d’ordre n :
Théorème 30. Soit un = (−1)n αn avec les condition suivantes :

1. La suite (αn ) est positive décroissante.
2. lim αn = 0.
n→+∞
Alors on a :
P
1. La série alternée un est convergente.
Pour tout n ∈ N, on a |Rn | ≤ |un+1 | où Rn est le reste d’ordre n de la série
2. P
un .

1. (−1)n n est une série alternée divergente.
P
P (−1)n
2. n ; n ≥ 1 est une série alternée convergente mais non absolument conver-
gente appelée la série harmonique alternée. Pour tout n ∈ N∗ , on a : |Rn | ≤ n+1
1
.
P (−1)n ∗
3. n2 ; n ≥ 1 est une série alternée absolument convergente. Pour tout n ∈ N ,
1
on a : |Rn | ≤ (n+1) 2.

6.2.6 Séries absolument convergentes
P
Définition 94. Une série numérique Pun est dite absolument convergente si la
série des modules (ou valeurs absolues) |un | est convergente.
Exemples On donne les exemple suivants :

P (−1)n (−1)n
1. La série n 2 est absolument convergente car son terme général un = n2
1
P 1
réalise |un | = n2 et la série de Riemann n2 est convergente.
√
P sin( n)
2. La série un avec un = n2 +(−1) n n+2 est absolument convergente car pour tout
√
n ∈ N tel que n > 2, on a |un | ≤ n2 −√1 n+2 et la série

P
αn est convergente car
αn ∼ n12 quand n tend vers +∞.
Théorème 31. Si une série umun est absolument convergente alors elle est conver-
gente 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
P
Si une série un est absolument convergente alors comme on a
+
un ≤ |un |
∀n ∈ N,
u−
n ≤ |un |
P + P −
les deux série un et un sont deux séries à termes positifs convergentes, donc
−
P différence est convergente et comme unP=+∞
leur u+n − un , pour tout n ∈ N,
Pla+∞série
−
convergente et sa somme est S = n=0 un = S − S où S = n=0 u+
un estP + +
n
− +∞ −
et S = n=0 un .
• Remarquons que pour tout n ∈ N, on a :
+∞
X n
X
un ≤ |uk |,
n=0 k=0

6.3. SOMMATION DES RELATIONS DE COMPARAISON. COMPARAISON SÉRIES ET
INTÉGRALES. Cours deuxiéme année MP
donc, par passage à la limite, on a :

+∞
X +∞
X
un ≤ |un |.
n=0 n=0
6.3 Sommation des relations de comparaison. Comparaison

séries et intégrales.
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.
6.3.1 Sommation des relations de comparaison pour les séries

P P
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 :
P P
Proposition 197. 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 Rn0
0
les restes respectifs.

- OnP suppose que an = O(bn ) quand
P n tends vers +∞. Alors :
• Si P bn est convergente alorsP an est convergente et Rn = O(Rn0 ).
• Si an est divergente alors bn est divergente et Sn = O(Sn0 )
- OnP suppose que an = o(bn ) quand
P n tends vers +∞. Alors :
• Si P bn est convergente alorsP an est convergente et Rn = o(Rn0 ).
0
• Si an est divergente alors bn est divergente et Sn = o(S
Pn ) P
- 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 ∼ Rn0 .
• En cas de divergence on a : Sn ∼ Sn0 .

6.3.2 Sommation des relations de comparaison pour les intégrales
Proposition 198. Soient f et g deux applications continues par morceaux et posi-

tives sur un intervalle de la forme [a, b[ avec a ∈ R et a < b ≤ +∞.
- On suppose que f = O(g) au voisinage de b (à gauche si b est fini).
Rb Rb
• Si a g(t)dt converge alors a f (t)dt converge et, au voisinage de b (à gauche si b
Rb Rb
est fini), on a : x f (t)dt = O x g(t)dt .
Rb Rb
• Si a f (t)dt Rxdiverge alors Ra xf (t)dt diverge
et, au voisinage de b (à gauche si b est
fini), on a : a f (t)dt = O a g(t)dt .
- On suppose que f = o(g) au voisinage de b (à gauche si b est fini).
Rb Rb
• Si a g(t)dt converge alors a f (t)dt converge et, au voisinage de b (à gauche si b
Rb Rb
est fini), on a : x f (t)dt = o x g(t)dt .
Rb Rb
• Si a f (t)dt Rxdiverge alors Raxf (t)dt diverge et, au voisinage de b (à gauche si b est
fini), on a : a f (t)dt = o a g(t)dt .
- On suppose que f ∼ g au voisinage de b (à gauche si b est fini). Alors les intégrales
Rb Rb
a f (t)dt et a g(t)dt sont de même nature et :
Rb Rb
• En cas de convergence, on a : x f (t)dt ∼ x g(t)dt, au voisinage de b (à gauche
si b est fini). Rx Rx
• En cas de divergence, on a : a f (t)dt ∼ a g(t)dt, au voisinage de b (à gauche si
b est fini).
Proposition 199. Soient f et g deux applications continues par morceaux et posi-

tives sur un intervalle de la forme ]a, b] avec b ∈ R et −∞ ≤ a < b.
- On suppose que f = O(g) au voisinage de a (à droite si a est fini).
Rb Rb
• Si a g(t)dt converge
Rx alors aRf (t)dt converge et, au voisinage de a (à droite si a
x
est fini), on a : a f (t)dt = O a g(t)dt .
Rb Rb
• Si a f (t)dt diverge alors a f (t)dt diverge et, au voisinage de a (à droite si a est
Rb Rb
fini), on a : x f (t)dt = O x g(t)dt .
- On suppose que f = o(g) au voisinage de a (à droite si a est fini).
Rb Rb
• Si a g(t)dt converge
Rx alors aR f (t)dt converge et, au voisinage de a (à droite si a
x
est fini), on a : a f (t)dt = o a g(t)dt .
Rb Rb
• Si a f (t)dt diverge alors a f (t)dt diverge et, au voisinage de a (à droite si a est

Rb R
b
fini), on a : x f (t)dt = o x g(t)dt.
- On suppose que f ∼ g au voisinage de b (à droite si a est fini). Alors les intégrales
Rb Rb
a f (t)dt et a g(t)dt sont de même
R x nature et
R x:
• En cas de convergence, on a : a f (t)dt ∼ a g(t)dt, au voisinage de a (à gauche
si a est fini).
Rb Rb
• En cas de divergence, on a : x f (t)dt ∼ x g(t)dt, au voisinage de a (à gauche si
a est fini).
6.3.3 Série et intégrales

6.3.3.1 Transformation d’une intégrale en une série
Proposition 200. Soit f : [a, b[→ R continue par morceaux et positive (a ∈

R, b ∈ R ∪ {+∞} avec a < b. SoitR(an ) une suite tel que a0 = a et (an ) croissante
a
et lim an = b. On note un = ann+1 f (t)dt, pour tout n ∈ N.Alors l’intégrale
R b n→+∞ P
a f (t)dt est convergente si et seulement si la série un est convergente, auquel
cas, on a :
Z b +∞
X +∞ Z an+1
X
f (t)dt = un = f (t)dt.
a n=0 n=0 an
R +∞
Exemple L’intégrale 0 | sin(t)|t dt est divergente. En effet si on prends an = nπ
pour tout n ∈ N, on a bien a0 = 0 et (an ) croissante de limite +∞. Il suffit donc
P R (n+1)π | sin(t)|
de prouver que un est divergente où un = nπ dt. Par le changement de
R π sin(θ) Rtπ sin θ
variable θ = t − nπ, on a un = 0 nπ+θ dθ, donc un ≥ 0 (n+1)π dθ = π2 n+1 1
qui est le
P
terme d’une série divergente (série harmonique), donc la série un est divergente.
6.3.3.2 Comparaison série intégrale
Proposition 201. Soit a ∈ R et f : [a, +∞[→ R une application positive continue

par morceaux décroissante. Soit p = min{k ∈ N/a ≤ k}, et pour tout n ≥ p, on
pose : Z n+1
un = f (n) − f (t)dt
n

P
Alors la série un est convergente.
R n+1
Preuve Comme f est décroissante,
P n f (t)dt ≤ f (n) pour tout n ≥ p, donc
un ≥ 0 et par suite la série un est une série à termes positifs. Il suffit de prouver
Pnpartielle est majorée. Soit n ≥ p, alors un ≤ f (n) − f (n + 1) par
que sa somme
suite, Sn = k=p uk ≤ f (p) − f (n + 1) ≤ f (p) ≤ f (a).
Corollaire 20. Soit a ∈ R et f : [a, +∞[→ R une application positive continue

par morceaux décroissante. Soit p = E(a) + 1. Alors :
P P R n+1
1. Les séries f (n), n ≥ p et n f (t)dt, n ≥ p sont de même nature.
P R +∞
2. La série f (n), n ≥ p et l’intégrale a f (t)dt sont de même nature.

Chapitre 7
Fonction vectorielles à variable réelle
7.1 Dérivation
7.1.1 Définitions
7.1.1.1 Dérivabilité en un point
Définition 95. Soit t0 un point intérieur de I. On dit que f : I → F est dérivable

au point t0 si Ft0 : t 7→ f (t)−f
t−t0
(t0 )
admet une limite quant t → t0 et t ∈ I\{t0 }. Cette
limite si elle existe est appelé vecteur dérivée de f au point t0 et notée ` = f 0 (t0 ).
On peut donc dire que f est dérivable au point t0 si et seulement si il existe un

vecteur ` ∈ F et une fonction φ définie sur un voisinage pointé V de t0 tel que :

 ∀t ∈ V, f (t) = f (t0 ) + (t − t0 )` + (t − t0 )φ(t)
lim φ(t) = 0
 t→t0
t∈V
En particulier si f est dérivable au point t0 alors au voisinage de t0 , on a :
f (t) = f (t0 ) + (t − t0 )f 0 (t0 ) + o((t − t0 )
ce qui revient à dire que pour h voisin de 0, on a :
f (t0 + h) = f (t0 ) + hf 0 (t0 ) + o(h)
En particulier :
200
7.1. DÉRIVATION Cours deuxiéme année MP
Proposition 202. f dérivable au point t0 alors f est continue au point t0
Définition 96. Soit t0 ∈ I tel qu’il existe α > 0 tel que [t0 , t0 + α[⊂ I. On dit que
f est dérivable au point t0 à droite si t 7→ Ft0 (t) = f (t)−f
t−t0
(t0 )
admet une limite quand
0
t tends vers t0 et t > t0 . Si c’est le cas on note fd (t0 ) cette limite nommé vecteur
dérivé à droite.
On définit aussi la dérivabilité à gauche avec la notation fg0 (t0 ).
Proposition 203. Soit t0 un point intérieur à I, alors f est dérivable au point t0

si et seulement si f est dérivable au pint t0 à droite et à gauche et fd0 (t0 ) = fg0 (t0 ).
Exemple : Soit n ∈ N∗ , A ∈ Mn (K) et l’application : f : R → Mn (K); t 7→

exp(tA)
f est dérivable sur R et ∀t ∈ R, f 0 (t) = A exp(tA).
En effet, soit t0 ∈ R. Pour tout h ∈ R, on a :
f (t0 + h) − f (t0 )) = exp(t0 A)(exp(hA) − In )

+∞ k k
X h A
= exp(t0 A)
k!
k=1
+∞ k k
X h A
= hA exp(t0 A) + exp(t0 A)
k!
k=2
Donc si h ∈ R∗ alors :
+∞
X hk−1 Ak
1
(f (t0 + h) − f (t0 )) = A exp(t0 A) + exp(t0 A)
h k!
k=2
+∞
hk−1 Ak
P
Si on pose ϕ(h) = k! , on a lim ϕ(h) = 0 car (on munit Mn (K) d’une norme
k=2 h→0

d’algèbre) :
+∞
X |h|k−1 kAkk
kϕ(h)k ≤ k exp(t0 A)k
k!
k=2
1
= k exp(t0 A)k (exp(|h|kAk) − |h|kAk − 1)
|h|
k exp(t0 A)kkAk2
∼ |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
on a f dérivable au point t0 et f 0 (t0 ) = A exp(t0 A).
7.1.1.2 Interpretation géométrique
Si (I, f ) représente un mouvement f 0 (t0 ) est le vecteur vitesse instantanée à l’instant

t0 .
7.1.1.3 Utilisation des coordonnée
Si F est de dimension p non nulle et B = (e1 , · · · , ep ) une base de F , notons

fk , k ∈ [[1, p]] les fonctions coordonnées de f dans B, alors :
Proposition 204. f est dérivable au point t0 si et seulement si chaque fk est

p
fk0 (t0 )ek .
P
dérivable au point t0 , auquel cas f (t0 =
k=1
C’est une conséquence immédiate de la propriété générale sur les limites en dimension
finie.
7.1.1.4 Fonction dérivée
Définition 97. f est dérivable sur I si f est dérivable en tout point intérieur à I
et à droite(resp. gauche) des éventuelles bornes finies de I.

Si f : I → F dérivable sur I, l’application f 0 : I → F, t 7→ f 0 (t) s’appelle fonction

dérivée de f .
7.1.2 Opérations
7.1.2.1 linéarité
Proposition 205. Soient f et g deux applications d’un intervalle I de R vers F .
Si t0 est un point intérieur à I, alors , si f et g sont dérivable au point t0 alors f + λg

est dérivable au point t0 et (f + λg)0 (t0 ) = f 0 (t0 ) + λg 0 (t0 ).
Si f et g sont dérivables sur I alors f + λg dérivable sur I et (f + λg)0 = f 0 + λg 0
On a les mêmes résultats pour la dérivabilité au point t0 à droite (rep. à gauche)
avec la condition [t0 , t0 + α[⊂ I et α > 0 (resp.]t0 − α, t0 ] ⊂ I).
7.1.2.2 Composé avec une application linéaire
F et G sont deux evn de dime finie et L ∈ L (F, G) et f : I → F une application.

Si f est dérivable au point t0 alors L ◦ f est dérivable au point t0 et (L ◦ f )0 (t0 ) =
L(f 0 (t0 )).
Si f est dérivable sur I alors L ◦ f est dérivable sur I et (L ◦ f )0 = L ◦ f 0 .
Exemple : Soit A une matrice donnée de Mn (K), et pour tout nombre réel t, on
pose : f (t) = tr(tA). Alors f est dérivable et f 0 (t) = tr(A). Chose qu’on retrouve
en remarquant que f (t) = t tr(A)
7.1.2.3 Application bilinéaire
Proposition 206. Si B : E × F → G bilinéaire et h = B(f, g), donc h(t) =

B(f (t), g(t)) pour tout t ∈ I alors si f et g dérivables en t0 alors B(f, g) aussi et
(B(f, g))0 (t0 ) = B(f 0 (t0 ), g(t0 )) + B(f (t0 ), g 0 (t0 )).
En particulier si E est un espace euclidien et f, g : I → E dérivables au point t alors

hf, gi est dérivable au point t et hf, gi0 (f ) = hf 0 (t), g(t)i + hf (t), g 0 (t)i, de même
0
kf k2 est dérivable au point t et kf k2 (t) = hf (t), f 0 (t)i

7.1.2.4 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)0 = ϕ0 (f 0 ◦ ϕ)
7.1.3 Dérivées d’ordre supérieur, fonction de classe C k
Définition 98. Si f : I → F une application. Pour tout n ∈ N, on définit f (n) si

elle existe comme suit :
- Pour n = 0, on définit : f (0) = f .
- Pour tout n ∈ N,si on définit l’application f (n) : I → F et si f (n) est dérivable,
alors : f (n+1) = (f (n) )0 .
On dit que f est au moins n fois dérivable sur I si les f (k) existent pour tout
k ∈ [[0, n]].
On dit que f est infiniment dérivable sur I, si f est n fois dérivable sur I pour tout
n∈N
Proposition 207. Soit (n, p, q) ∈ N3 tel que p + q = n et f : I → F une

application. Si f est au moins n fois dérivable et m, q ∈ N tel que m + q = n alors
f (p) et f (q) existent 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.
Remarque : que f est de classe C ∞ si et seulement si f est infiniment dérivable.

Notations : On note :
Dn (I, F ) : l’ensemble des applications de I vers F , n fois dérivables.
C n (I, F ) : l’ensemble des applications de I vers F de classe C n .
D∞ (I, F ) :l’ensemble des applications infiniment dérivables ;
C ∞ (I, F ) : l’ensemble des applications C ∞

Remarques :
1. Pour tout n ∈ N, on a :
 ∞
 D (I, F ) ⊂ Dn+1 (I, F ) ⊂ Dn (I, F )
 C ∞ (I, F ) ⊂ C n+1 (I, F ) ⊂ C n (I, F )


 C n (I, F ) ⊂ Dn (I, F )
 D∞ (I, F ) = C ∞ (I, F ) =
T n T n
D (I, F ) = C (I, F )


n∈N n∈N
2. Dn (I, F ) est un sous-espace vectoriel de F I et Dn+1 (I, F ) et C n (I, F ) sont des

sev de Dn (I, F ).
3. Soit n ∈ N ∪ {∞} et f : I → F une application. Si F est muni d’une base
B = (e1 , · · · , ep ) et si (fk )1≤k≤p sont les composantes de f alors f est n fois
dérivable (rep. de classe C n ) si et seulement si tous les fk sont n fois dérivables
p
n (m)
P (m)
(resp. de classe C ), auquel cas on a (∀m ∈ [[0, n]]) f = fk e k .
k=1
7.1.3.1 interpretation de la dérivée seconde
Si f : t 7→ f (t) est la loi horaire d’un mouvement sur F dans l’intervalle de temps
I alors si f est deux fois dérivable au point t0 ∈ I, le vecteur f 00 (t0 ) est le vecteur
acceleration à l’instant t0 .
7.1.3.2 Formule de Leibnitz
Proposition 208. E, F, G sont des espaces vectoriels normés de dimensions finies

et B : E × F → G une application bilinéaire.
Soit f : I → E et g : I → F deux applications n fois dérivables (resp. de classe
C n ) alors B(f, g) est n fois dérivable (resp. de classe C n ) et :
n
(n)
X n
(B(f, g)) = B(f (n−k) , g (k) )
k
k=0
7.1.3.3 Composition
Proposition 209. Soit f : J → F et ϕ : I → R tel que ϕ(I) ⊂ J. Si ϕ est n fois

dérivables (resp. de classe C n ) sur I et f est n fois dérivable (resp. de classe C n )
sur J alors f ◦ ϕ est n fois dérivable (resp. de classe C n ) sur I

7.2. INTÉGRALES Cours deuxiéme année MP
7.2 Intégrales
Dans tout ce qui suit F est un espace vectoriel de dimension finie non nulle et [a, b]
est un segment de R.
7.2.1 Définition de l’intégrale sur un segment d’un fonction CM
Définition 100. 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].
Cette définition a un sens car si B b = (b e1 , · · · , ebp ) est une autre base de F et

B
P = PB la matrice de passage alors si fˆ1 , · · · , fˆp sont les fonctions coordonnées de
b
f relativement à B b alors :
p
X p
X
f= fk e k = 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 applica-
tions de [a, b] vers F .
2. Si I est un intervalle quelconque de R, une application f : I → F est continue
par morceaux sur I si f est continue par morceaux sur tout segment contenu
dans I. On note CM(I, F ) le sous-espace vectoriel de telles applications.
Le (1) ci dessus montre que l’on a :
 Rb   Rb 
f1 (t) f1 (t)
b
 a ..  a ..
. =P .
 
 
Rb Rb
a fp (t) a fp (t)
b

et par suite :
p Z
X b p Z b
X
fk (t)dt ek = fbk (t)dt ebk
k=1 a k=1 a
ce qui permet de donner :
Proposition-Définition 9. Soit f ∈ CM([a, b], F ) de coordonnées f1 , · · · , fp

relativement à une base B de F . Alors le vecteur :
X p Z b
fk (t)dt ek
k=1 a
ne dépends pas de la base B. On l’appelle l’intégrale de f sur le segment [a, b]
R Rb Rb
Notation : On note [a,b] f ou a f ou a f (t)dt
7.2.2 Linéarité et additivité de l’intégrale
Proposition 210. 1. Linéarité : Pour tout f, g ∈ CM([a, b], F ) et tout λ ∈ K,

Rb Rb Rb
on a : a (f + λg) = a f + λ a g
2. Relation de Chasles :Soit I un intervalle de R, f ∈ CM(I, F ) et a, b, c ∈ I,
Rb Rc Rb
alors : a f = a f + c f
Proposition 211. E et F sont deux espaces vectoriels normés de dimensions finies.

Soit L : E → F une application linéaire et f : [a, b] → E une application 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
7.2.3 Sommes de Riemann

Proposition 212. Pour tout f ∈ CM([a, b], F ), on a :

b n−1
b−aX b−a
Z
f (t)dt = lim f a+k
a n→+∞ n n
k=0
Preuve Il suffit de raisonner sur les fonctions coordonnées relativement à une base
de F .
Pn−1 Pn
Remarque : Valable si on remplace k=0 par k=1
7.2.4 Inégalité triangulaire
Rb Rb
Proposition 213. Soit f ∈ CM([a, b], F ), alors : a f ≤ a kf k
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 n k
k=0 k=1
Le résultat en découle par passage à la limite.
7.2.5 Intégrale et primitive
Définition 101. Soit f : I → F une application. On appelle primitive de f sur I

toute application Φ : I → F tel que Φ est dérivable sur I et Φ0 = f sur I.

Proposition 214. si (fk )1≤k≤p sont les composantes de f dans une base B =
p
P
(e1 , . . . , ep ), donc : f = fk ek , et Φk une primitive de fk sur I, pour tout k ∈ [[1, p]]
k=1
p
P
alors Φ = Φk ek est une primitive de f sur I.
k=1
p p
Φk ek , on sait que : Φ0 = Φ0k ek et comme Φ0k = fk ,
P P
Preuve En posant Φ =
k=1 k=1
p
on a Φ0 =
P
fk e k = f .
k=1
Proposition 215. Soit f : I → F une application. Alors :

Si Φ1 et Φ2 sont deux primitives de f sur I alors Φ2 − Φ1 = C où C est un vecteur
constant de F .
Si Φ est une primitive de f alors le primitives de f sont Φc = Φ + c avec c ∈ F
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 216. Soit I un intervalle de R, a ∈RI et f : I → F une application

x
continue sur I. l’application F définie par F (x) = a f (t)dt est une primitive de f .
C’ est l’unique primitive de f qui s’annule au point a.
Preuve Il suffit de raisonner en utilisant les composantes et le même résultat pour

les fonction à valeurs dans K, vu en première année.

7.2.6 Techniques d’intégration

7.2.6.1 Changement de variables
Théorème 32. I et J sont deux intervalle de R et ϕ : I → J une application de

classe C 1 . Soit f : J → F une application continue, alors :
Z ϕ(b) Z b
2
∀(a, b) ∈ I , f (s)ds = ϕ0 (t).f (ϕ(t))dt
ϕ(a) a
Preuve Comme f est continue elle admet une primitive Φ sur J et on a :

Z ϕ(b) Z ϕ(b)
f (s)ds = Φ0 (s)ds
ϕ(a) ϕ(a)
= Φ(ϕ(b)) − Φ(ϕ(a))
Z b
= (Φ ◦ ϕ)0 (t)dt
Za b
= ϕ0 (t)f (ϕ(t))dt
a
7.2.6.2 Intégration par parties
E, F et G sont des espaces vectoriels normés de dimensions finies.
Théorème 33. Soit B : E × F → G une application bilinéaire et u : I → E et

v : I → F des applications de classe C 1 . Alors :
Z b Z b
∀(a, b) ∈ I 2 B(u0 (t), v(t)) = [B(u(t), v(t))]ba − B(u(t), v 0 (t))dt
a a
Preuve Conséquence immédiate de la formule de dérivation de B(u, v).

7.2.7 Inégalité des accroissements finis
Théorème 34. Soit f : [a, b] → F une application de classe C 1 et soit
M = sup kf 0 (t)k
t∈[a,b]
Alors
kf (b) − f (a)k ≤ M (b − a)
Rb
Preuve Comme f est de classe C 1 sur [a, b], on a f (b) − f (a) = a f 0 (t)dt, donc :
Rb Rb Rb
kf (b) − f (a)k = k a f 0 (t)dtk ≤ a kf 0 (t)kdt ≤ a M dt = M (b − a).
Remarques :
1. Si M est un majorant de kf 0 k([a, b]) , l’inégalité est valable.
2. Si f : I → F de classe C 1 et f 0 est bornée sur I alors on a :
∀(x, y) ∈ I 2 , kf (y) − f (x)k ≤ M |y − x|
pour tout majorant M de kf 0 k 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 : kf (2π) − f (0)k = M.2π par suite M = 0 , chose
fausse car kf 0 (t)k = 1, montre que M ≥ 1.
7.2.8 Formules de Taylor

7.2.8.1 Taylor avec reste intégrale
Théorème 35. Soit f : [a, b] → F de classe C n+1 alors :

n Z b
X (b − a)k (k) (b − t)n (n+t)
f (b) = f (a) + f (t)dt
k! a n!
k=0

7.3. ARCS PARAMÈTRÉS Cours deuxiéme année MP
7.2.8.2 Taylor avec reste Lagrange
Théorème 36. Soit f : I → F de classe C n+1 . Si f (n+1) est bornée sur I alors
alors :
n
2
X (b − a)k (k) |b − a|n+1
∀(a, b) ∈ I f (b) − f (a) ≤ sup kf (n+t) (t)k
k! (n + 1)! t∈I
k=0
Remarque : C’est une généralisation de l’inégalité des accroissements finis.
7.2.8.3 Taylor-Young
Théorème 37. Soit f : I → F de classe C n et a ∈ I, alors :

n
X (x − a)k
f (x) = f (k) (a) + (x − a)n ε(x), avec lim ε(x) = 0
k! x→a
k=0
ε étant définie sur I∩]a − α, a + α[, avec α > 0
Remarque : On écrit :
n
X (x − a)k
f (x) = f (k) (a) + o((x − a)n )
k!
k=0
et on l’appelle un développement limité de f au voisinage de a d’ordre n.
7.2.8.4 Comparaison des trois formules
La formule de Taylor-Young est locale : comportement asymptotique de f au voi-

sinage de a. Les deux autres formules sont globales : comportement de f sur tout
l’intervalle, elles nécessitant plus d’hypothèses.
7.3 Arcs paramètrés

Un arc paramètré est un couple γ = (I, f ) où I est un intervalle et f une application
de I vers F . Si f est de classe C k , on dit que γ est un arc de classe C k .

7.3. ARCS PARAMÈTRÉS Cours deuxiéme année MP
Le sous ensemble f (I) de F s’appelle support de l’arc paramètré γ

Si x ∈ f (I) et f −1 ({x}) est fini, son cardinal s’appelle la multiplicité du point x.
Si γ est de classe C 1 , un point de paramètre est dit régulier si f 0 (t) 6= 0. Si c’est le
cas alors f 0 (t) est un vecteur tangent au support.

Chapitre 8
Séries dans
un espace vectoriel normé,
familles sommables
de nombres complexes.
8.1 Ensembles dénombrables
Définition 102. 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.
Remarques 1. E est dénombrable s’il existe une bijection g de E vers N.

2. Si E est dénombrable alors si f : N → E est une bijection, on a :
E = {f (n)/n ∈ N}.
3. si A et B sont équipotentes alors A est dénombrable si et seulement si B est

dénombrable.
Proposition 217. Les ensembles N et Z sont dénombrables.

Toute partie infinie de N est dénombrable.
214
8.1. ENSEMBLES DÉNOMBRABLES Cours deuxiéme année MP
Preuve
• N et dénombrable puisque l’application identique de N est une bijection de N
vers N.
n
• Z est dénombrable, en effet, soit f : N → Z; n 7→ 2 + 1 si n ∈ 2N .
− n−12 si n ∈ 2N + 1
C’est bien une application. Elle est injective car si n, m ∈ N tel que f (n) = f (m)
alors si f (n) ∈ N∗ forcément n et m sont pairs et alors n2 + 1 = m2 + 1 et n = m.
Si, par ailleurs, f (n) ∈ Z) alors n et m sont impairs et n−1 m−1
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 élément.
- L’application f est injective car , par construction, elle est strictement croissante.
- L’application f est surjective car si a ∈ A, deux cas sont possibles :
• Si a = f (0) terminé.
• Si a 6= f (0) alors a > f (0). Soit
Ia = {k ∈ N/a > f (k)}.
Ia est une partie de N, non vide car 0 ∈ Ia et majorée car si k ∈ Ia on a k ≤ f (k)

car f application strictement croissante de N vers N et comme f (k) < a, on a
k < a donc a est un majorant de Ia . Il en découle que Ia admet un plus grand
élément p et on a alors f (p) < a ≤ f (p + 1) donc a ∈ A\{f (0), . . . , f (p)} et
comme f (p + 1) = min(A\{f (k)/0 ≤ k ≤ p}, on a f (p + 1) ≤ a donc a = f (p + 1)
et f est surjective, donc bijective.
Proposition 218. N2 est dénombrable

8.1. ENSEMBLES DÉNOMBRABLES Cours deuxiéme année MP
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 6= 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
qui est la décomposition en produit de nombre premiers de x + 1 avec αk = 0 si

pk ne divise pas x + 1. On a p1 = 2 et pk impair pour tout k > 1 de sorte que
+∞
Q αk
m
x + 1 = 2 u avec m = λ1 et m = pk est impair donc de la forme 2n + 1 , de
k=2
cette façon on a :
x = 2n (2m + 1) − 1 = f (n, m)
Proposition 219. Si A et B sont deux ensembles dénombrables alors A × B est

dénombrable
Preuve Si A et B sont dénombrables il existe f : N → A et g : N → B applica-

tions bijectives ; soit
h : N2 → A × B; (m, n) 7→ h(m, n) = (f (m), g(n))
alors h est une bijection de N2 vers A × B ; et comme par la proposition 218

l’ensemble N2 est dénombrable alors A × B est dénombrable.

8.2. FAMILLES SOMMABLES DE NOMBRES COMPLEXES Cours deuxiéme année MP
Proposition 220. Toute union au plus dénombrable d’ensembles au plus dénom-

brables est un ensemble au plus dénombrable. Si au moins un des ensembles est
dénombrable leur union est dénombrable.
Notons les précisions suivantes :

1. Toute union finie d’ensembles finies est finie.
2. Toute union finie ou dénombrable d’ensembles dénombrables est dénombrable
3. Une union dénombrable d’ensembles finis est finie ou dénombrable.
8.2 Familles sommables de nombres complexes

Toutes le familles considérées dans ce paragraphe sont indexées par des ensembles
non vides au plus dénombrables.
Si I est un ensemble on note P(I) l’ensemble des parties de I, Pf (I) l’ensemble des
parties finies de I et Pf? (I) l’ensemble des parties non vides finies de I.
8.2.1 Familles sommables de nombres réels positifs
Définition 103. 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
est une partie majorée de R, auquel cas on note :

X
ai = sup Xa .
i∈I
Remarque :
i la famille de nombres réels positifs (ai )i∈I n’est pas sommable, on convient de poser :
X
ai = +∞
i∈I

Proposition 221. Si a = (ai )∈I et b = (bi )i∈I sont deux familles de nombres réels
positifs tel que :
∀i ∈ I, ai ≤ bi
alors :
P P
1. b sommable ⇒ a sommable et ai ≤ bi
i∈I i∈I
2. a non sommable ⇒ b non sommable.
1. Si b est sommable de somme B, soit J ∈ Pf? (I),on a :

P
Preuve ai ≤
P i∈J
bi ≤ B, donc l’ensemble Xa est majoré et sup(Xa ) ≤ B, donc la famille a
i∈J
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 0 = σ(J) est une partie finie de I de même cardinal que J, de plus on a :
X X
(?) ak = aσ(j)
k∈J 0 j∈J
Il en découle qu’avec les notations adoptées ci-dessus, on a Xa est majoré si et

seulement si Xaσ est majoré ; donc a est sommable si et seulement si aσ est som-
mable et si on note S et Sσ leur sommes respectives , on a en vertu de (?) ci-dessus,
en cas de sommabilité, S ≤ Sσ et Sσ ≤ S donc S = Sσ .

Théorème 39. Soit (ai )i∈I une famille de nombres réels positifs.
1. Si la famille (ai )i∈I est sommable alors, pour tout (Ij )j∈J , partition au plus
dénombrable de I (c’est-à-dire J ensemble au plus dénombrable) on a :
(a) Pour tout j ∈ J, la famille (ai )i∈Ij est sommable.
P
(b) Si, pour tout j ∈ J, on note : Sj = ai , alors la famille (Sj )j∈J est
i∈Ij
P P
sommable et on a : ai = Sj
i∈I j∈J
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.
P
(b) Si, pour tout j ∈ J, on note : Sj = ai , la famille (Sj )j∈J est sommable
i∈Ij
P P
alors la famille (ai )i∈I est sommable et on a : ai = Sj
i∈I j∈J
Remarque Soit aP= (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 P P de I , si pour tout j ∈ J, la famille
Pdénombrable
(xi )i∈J est sommable alors on a : ai = ai
i∈I j∈J i∈Ij
8.2.2 Familles sommables de nombres complexes

Définition 104. Soit u = (ui ) ∈ CI une famille de nombres complexes indexée

par I au plus dénombrable. On dit que u est sommable si la famille des modules
|u| = (|ui |)i∈I est sommable.
Proposition 222. Pour tout nombre réel x, on pose x+ = sup(x, 0) et x− =

sup(−x, 0).

1. Soit a = (an ) une famille de nombres réels alors la famille a est sommable si et
seulement si les familles a+ = ((ai )+ )i∈I et a− = ((ai )− )i∈I sont sommables.
2. Soit z = (zj )j∈I une famille de nombres complexes, alors la famille z est som-
mables si et seulement si les familles Re(z) = (Re(z P j ))j∈I etPI m(z) =
(I m(zj ))j∈I sont sommables, auquel cas, on a : zj = Re(zj ) +
j∈I j∈I
i I m(zj )
P
j∈I
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
Si (zi )i∈I est une famille

P sommable de P nombres complexes , on définit la somme de
z comme suit : Σ = Re(zk ) + i I m(zi )
k∈I k∈I
8.2.3 Propriétés de la somme
Proposition 223. Si (ui ) et (vi ) sont deux familles sommables de

P nombres com-
plexes
P λ ∈ C alors la famille (ui + λvi ) est sommable et
et P (ui + λvi ) =
ui + λ vi .
Proposition 224. la famille (zkP ) est sommable

P si et seulement si la famille (|zk |)
est sommable, auquel cas on a : | zk | ≤ |zk |
P
Proposition 225. La famille (zn ) est sommable si et seulement si la série zn est
P +∞
P
absolument convergente auquel cas, elle est convergente et on a zn = zn
n∈N n=0

Proposition 226. σ : P N → I une bijection. La famille (zi )i∈I est sommable si

et seulement si la série zσ(n) est absolument convergente auquel cas, elle est
P +∞
P
convergente et on a zi = zσ(n)
i∈I n=0
Théorème 40. Sommation par paquets : Si I est un ensemble dénombrable et

(In ) une partition de I soit (zi )i∈I une famille sommable ; alors, pour tout n la
famille (zi )i∈In est sommable, et si on note sn sa somme, alors la famille (sn )n∈N est
sommable et on a :
X +∞
X
zi = sn .
i∈I n=0
Remarques On fait les remarques importantes suivantes :

1. Si on remplace N par un ensemble dénombrable J, le théorème reste valable.
2. On a une réciproque en appliquant la réciproque à la famille des modules : Si
(Ij )j∈J est une partition dénombrable de I et si pour tout j ∈ J la famille
(zi )i∈Ij est sommable et, pour tout j ∈ J, on note :
 P
 j
 s = zi
i∈Ij
P ,

 s
e j = |z i |
i∈Ij
et si la famille (sej )j∈J est sommable alors :

— la famille (zi )i∈I est sommable.
— La famille (sj )j∈J est sommable.
— On a : X XX
zi = zi
i∈I j∈J i∈Ij

8.2.4 Suites doubles

Une suite double est une application u : I → C où I est une partie non vide de
N2 , notée (upq )(p,q)∈I où upq = u(p, q) pour tout (p, q) ∈ I. Les cas usuels sont
N2 , N × N∗ , N∗ × N, (N∗ )2 .
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
+∞
P P +∞
P
j ∈ N, Sj = 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
+∞
P
famille (aij )j∈N est sommable et si, pour tout i ∈ N, Si = aij , la famille (Si )i∈N
j=0
P +∞
P
est sommable, 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 :
Proposition 227. Soit (aij )(i,j)∈N2 une suite double sommable, alors :
— Pour tout i ∈ N, la famille (aij )j∈N est sommable.
— Pour tout j ∈ N, la famille (aij )i∈N est sommable.
— Si on pose X
Si = aij ,
j∈N
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 228. Soit (aij )j∈N une suite double tel que :
— Pour tout i ∈ N, la famille (aij )j∈N est sommable.
— En notant, pour tout i ∈ N,
+∞
X
Sei = |aij |,
j=0
la famille (Sei )i∈N est sommable.

alors :
— En notant, pour tout i, j ∈ N :
 P
S
 i = aik
k∈N
P ,
 Tj = akj
k∈N
les famille (Si )i∈N et (Tj )j∈N sont sommables.

— La famille (aij )(i,j)∈N2 est sommable .
— On a :
X +∞
X +∞
X
aij = Si = Tj .
(i,j)∈N2 i=0 j=0
8.2.5 Série produit de Cauchy

P P
Si a = an et b = bn sont deux séries de nombres complexes. On associe aux
séries a et b :
P Pn
1. La série c = cn , avec cn = ak bn−k , pour tout n ∈ N.
k=0

8.3. SÉRIES DANS UN ESPACE VECTORIEL NORMÉ DE DIMENSION FINIE
Cours deuxiéme année MP
2. La famille u = (ak b` )(k,`)∈N2 .

On cherche à étudier la série et c et la famille u, et dans le cas de sommabilité des
deux comparer leur sommes.
P P
Théorème 43. 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.
+∞
P +∞
P +∞
P P
3. Si on note A = an ; B = bn ; C = cn et S = ak b` . alors
n=0 n=0 n=0 (k,`)∈N2
AB = C = S.
n
Preuve - La série c est absolument convergente car si Cn0 = |ck | alors Cn0 ≤
P
k=0
+∞ +∞
A0 B 0 où A0 = |an | ; B 0 =
P P
|bn |, en effet :
n=0 n=0
n X
X k
Cn0 = 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 | = A0 B 0
j=0 k=0
8.3 Séries dans un espace vectoriel normé de dimension finie

Dans tout ce paragraphe, E est un espace vectoriel normé de dimension finie non
nulle.

n
P
Définition 106. Soit (un ) une suite à valeurs dans E. La suite (Sn ) où Sn = uk
P k=0
pour tout n ∈ N s’appelle la série de terme général un , notée : un .
Sn s’appelle la somme partielle d’ordre n.
P une suite (un )n≥p avec p un entier naturel, la série associée peut se noter :
1. Pour
n≥p un .
2. Si (an )n∈N ∈ E N est une suite, il existe une etPune seule suite (un )n∈N tel que
an est la somme partielle d’ordre n de la série un . C’est la suite définie par :

u0 = a0
∀n ∈ N∗ , un = an − an−1
Exemples : Dans Mn (K) , si A est une matrice fixée, on dispose des séries :
P An
1. La série , appelée série exponentielle.
P n!n
2. La série A appelée série de Neuman.
8.3.1.2 Structure d’espace vectoriel

P P
Si
P S = u n et T =
Pdeux séries et si λ ∈ K, on définit la série S + T =
vn sont
(un + vn ) et la série λ.S = (λun )
Proposition 229. L’ensemble des séries à valeurs dans E muni des lois + et .
ci-dessus est un K − espace vectoriel.
8.3.2 Convergence

P
Définition 107. La série un est convergente si la suite (Sn ) des sommes partielles
est convergente. Si c’est le cas S = lim(Sn ) s’appelle la somme de la série et on
+∞
P
note : S = un .
n=0
Proposition 230. Soit E un espace vectoriel normé de dimension finie. L’ensemble

Sc des séries convergentes à valeurs dans E est un sous-espace vectoriel de l’espace
vectoriel des séries à valeurs dans E. L’application qui associée à chaque série conver-
S
P
gente
P sa somme est une application linéaire de c vers E. En particulier si
P un
et vn sont deus séries convergentes et λ ∈ K alors la série (λun + vn ) est
convergente et :
+∞
X X+∞ +∞
X
(λun + vn ) = λ un + vn
n=0 n=0 n=0
P
Proposition 231. Si la série un est convergente alors son terme général converge
vers 0. C’est-à-dire lim(un ) = 0.
P
Si un est une série tel quePla suite (un ) est divergente ou tends vers une limite
non nulle on dit que la série un est grossièrement divergente.
P
Définition 108. Si un est une série convergente de somme S ; pour tout nP∈ N,
on pose Rn = S − Sn . Rn s’appelle le reste d’ordre n de la série convergente un .
P +∞
P
Proposition 232. Si la série un est convergente alors Rn = uk et Rn
k=n+1
tends vers 0 quand n tends vers +∞.

8.4. SÉRIES DANS UNE ALGÈBRE NORMÉE DE DIMENSION FINIE Cours deuxiéme année MP
Preuve Fixons n ∈ N et considérons la série de terme général up avec p ≥ n + 1 ;

p
P
Si on note Σp sa somme partielle, on a pour tout p ≥ n + 1, on a : Σp = uk =
P k=n+1
Sp − Sn où (Sp ) est la suite des sommes partielles de la série uk , donc lim(Σp ) =
+∞
P
S − Sn = Rn , ce qui donne Rn = uk .
k=n+1
8.3.3 Série absolument convergente
P
DéfinitionP109. On dit qu’une série un est absolument convergente si la série
numérique kun k est convergente.

1 1
Exemple : Dans M2 (R), muni de la norme euclidienne, soit A = − 13
;
1 1
A est absolument convergente. En effet on a A = − 31 J où J =
P n
alors la série

1 1
, donc An = 12 (−2/3)n J de sorte que kAn k = (2/3)n k1/2Jk et comme la
1 1
série géométrique (2/3)n est convergente, on a l’absolue convergence recherchée.
P
P
Théorème 44. Si un est absolument convergente elle est convergente et
+∞
X +∞
X
un ≤ kun k
n=0 n=0
Attention : On rappelle que E est de dimension finie. Ce résultat n’est pas toujours
vrai en dimension infinie.
8.4 Séries dans une algèbre normée de dimension finie

8.4.1 algèbre normée de dimension finie

Définition 110. On appelle K−algèbre normée de dimension finie une K−algèbre

A de dimension finie tel que l’espace vectoriel sous-jacent est muni d’une norme k.k
sous-multiplicative, c’est-à-dire :
∀a, b ∈ A , ka × bk ≤ kak kbk
p sur Mn (K) qui font de Mn (K) une algèbre normée.

Exemple : Il existe des normes
Exemple la norme kM k = tr(tAA).
Remarque Soit A est une algèbre normée alors :

1. ∀p ∈ N∗ , ∀a ∈ A , kap k ≤ kakp
2. Si 1A est l’unité de A alors k1A k ≥ 1
8.4.1.1 Série de Neumann
Soit A P une algèbre normée de dimension finie dont l’unité est notée 1A . Si a ∈ A ,
la série an est appelée série de Neumann.
Théorème 45. Soit a ∈ A tel que kak < 1, alors :

P
1. La série de Neumann an est absolument convergente.
+∞
2. 1A − a est inversible dans l’algèbre A et on a : (1A − a)−1
an
P
=
n=0
Preuve Soit a ∈ A tel que kak < 1.

1. On a :
∀n ∈ N∗ , kan k ≤ k1A k kan k ≤ k1A k kakn
donc :
∀n ∈ N, kan k ≤ k1A k kakn
P n
La série géométrique
P n kak est convergente puisque kak < 1 ; donc la sé-
rie de Neumann a est absolument convergente.(En particulier, elle est
convergente).

n +∞
ak et S = ak , alors :
P P
2. Pour tout n ∈ N, posons Sn =
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
0 n+1
= a −a
= 1A − an+1
Par continuité de l’application : A → A ; x 7→ (1A − a)x (car linéaire en

dimension finie), on a par passage à la limite (1A − a) × S = 1A . La même
méthode donne S × (1A − a) = 1A . Il découle de tout ça que 1A − a est
+∞
−1
P n
inversible et que : (1A − a) = S = a .
n=0
Remarque La condition kak < 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 AP p = pE12 ; alors kAp k = p kE12 k
n’est pas bornée, cependant la série de Neumann Anp est convergente puisque la
matrice Ap est nilpotente.
8.4.1.2 Série exponentielle

P an
Soit A une algèbre normée de dimension finie et a ∈ A . La série n! s’appelle
série exponentielle de a.
P an
Théorème 46. Pour tout a ∈ A , la série exponentielle n! est absolument
convergente. Sa somme est notée ea ou exp(a).
Preuve En effet puisque A est une algèbre normée, alors pour tout n ∈ N∗ , on

n
an
≤ k1A k kak ak
Pn
a: n! n! . Donc si Sn = k=0 k! , alors :
n n
X ak X ak
Sn ≤ k1A k + ≤ k1A k + k1A k ≤ k1A k Tn
k! k!
k=1 k=1
où n
X kakk
Tn = .
k!
k=0
P an
Or lim Tn = ekak , donc la série exponentielle n! est absolument convergente
n→+∞
Proposition 233. Pour tout a ∈ A on a : kea k ≤ k1A kekak
n
ak
P
Preuve Soit n ∈ N et Sn = k! la somme partielle de la série exponentielle.
k=0
Par l’inégalité triangulaire et la sous-multiplicativité de la norme, on a :
kSn k ≤ k1A k Tn
où : n
X kakk
Tn =
k!
k=0
P kakk
est la n ème somme partielle de la série k! . Par passage à la limite, on a
l’inégalité désirée.
Remarque Si la norme d’algèbre k.k vérifie la condition :
k1A k = 1
alors on a :
∀a ∈ A , kea k ≤ ekak

Proposition 234. Si (a, b) ∈ A 2 tel que a × b = b × a alors ea+b = ea × eb
+∞
an
P
Preuve On sait que exp(a) = n! . Notons Sn (a) la somme partielle d’ordre n
n=0
de cette série. Alors :
X ai b j
Sn (a)Sn (b) =
2
i!j!
(i,j)∈[[0,n]]
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
kSn (a)Sn (b) − Sn (a + b)k =
j!k!
(j,k)∈U
X kakj kbkk
≤ k1A k
j!k!
(j,k)∈U
= k1A k (Sn (kak)Sn (kbk) − Sn (kak + kbk))
On conclut en remarquant que le dernier membre de cette inégalité tends vers o

quand n tends vers +∞ puisque on a dans R la relation
exp(kak + kbk) = exp(kak) exp(kbk).
Proposition 235. 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 .
8.4.1.3 Cas particulier des matrices carrées
Soit m ∈ N∗ et l’algèbre Mm (K) des matrices carrées de taille m.
Proposition 236. 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 9
Suites et séries de fonctions (I) :

Modes de convergences.
9.1 Modes de convergence

Dans tout ce qui suit E est un espace vectoriel normé de dimension finie et X est
un ensemble non vide.
9.1.1 Suite de fonctions
Définition 111. 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
(sup kfn (x) − f (x)k)n≥N
x∈A
converge vers 0.
Remarques Nous faisons les remarques suivantes sur cette définition :

1. Si (fn ) converge simplement vers f sur A alors pour tout n ∈ N, la fonction fn
est bien définie sur A. En particulier il est possible d’avoir A = X.
2. Dans la pratique on cherche la partie maximale A de X sur laquelle il y’ a
convergence simple.
233
9.1. MODES DE CONVERGENCE Cours deuxiéme année MP
3. Si (fn ) converge uniformément vers f sur A elle converge simplement vers f sur
A.
4. Soit B une partie non vide de A. Si (fn ) converge simplement (resp. uniformé-
ment) vers f sur A alors (fn ) converge simplement(resp.uniformément) sur B
vers f restreinte à B.
Exemples Dans chaque exemple, on donne E, X, la suite de fonctions (fn ). On
donnera des exemples de parties de X sur lesquelles il y’a convergence simple et des
exemples de telles parties sur lesquelles il y’a convergence uniforme.
2
nx +n
1. X = R, E = R et pour tout n ∈ N ,fn (x) = n+x+1 . On voit tout de 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) = n+1 donc lim fn (0) = 1.
n→+∞
2
- Si x 6= 0 alors lim fn (x) = x + 1
n→+∞
Il en découle que fn converge simplement sur D vers f définie par f (x) = x2 +1.
• Convergence uniforme : Soit A = [0, 1/2].

2
Pour tout x ∈ A, on a : |fn (x) − f (x)| = (x x+n+1
+1)(x+1)
donc sup |fn (x) − f (x)| ≤
x∈A
4
n+1 et par suite (fn ) converge uniformément vers f sur A.
• On peut démontrer qu’il y’ a convergence uniforme sur tout compact K de R
tel que K ⊂ D.
• Il n’y a pas convergence uniforme sur D car par exemple pour tout n ∈ N, on
2
n2
a |fn (n) − f (n)| = (n +1)(n+1)
2n+1 ∼ 2 donc fn − f n’est pas bornée sur D.
2. X = [0, 1] , E = R et pour tout n ∈ N et t ∈ [0, 1], fn (t) = tn . La suite
fonctions (fn ) converge simplement sur [0, 1] vers f définie par f (x) =
de
0 si 0 ≤ x < 1
. Il n’y a pas convergence uniforme sur [0, 1] car sup |fn (t)−
1 si x = 1 t∈[0,1]
n
f (t)| = sup t = 1 ne tends pas vers 0.
t∈[0,1[
Il y’a convergence sur A = [0, a] pour tout a ∈ [0, 1[ car sup tn = an et
t∈[0,a]
n
lim a = 0.
n→+∞

9.1.2 Série de fonctions

9.1.2.1 Convergence simple, convergence uniforme
Si (fn ) est une suite de fonctions de X vers E, on dispose de la suite (Sn ) définie
Pn
par Sn = fk . On définit la convergence simple et uniforme de la série de fonctions
P k=0
fn comme suit :
P
Définition 112. On dit que la série de fonctions fn converge simplement vers f
sur une partie A de X si la suite de fonctions (Sn ) converge simplement vers f sur
A. P
On dit que la série de fonctions fn converge uniformément vers f sur A si la suite
(Sn ) converge uniformément vers f sur A.
P
Proposition 237. Si fn converge simplement vers f alors la suite de fonctions
(fn ) converge simplement vers θ la fonction nulle.
P
Proposition 238. Si la série fn converge simplement sur A vers f alors en
+∞
P
posant pour tout n ∈ N : Rn (x) = fk (x), Rn est bien définie et la suite de
k=n+1
fonctions (Rn ) converge simplement sur A vers la fonction nulle θ.
P
Proposition 239. 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 kfn (x)k ≤ kSn (x) − f (x)k + kSn−1 (x) − f (x)k donc kfn k∞,A ≤
kSn − f k∞,A + kSn − f k∞,A et ce dernier tends vers 0 quand n tends vers +∞ par
convergence uniforme.

P
Proposition 240. Si la série fn converge simplement sur A vers f alors la
convergence est uniforme 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.
9.1.2.2 Convergence absolue
P
Définition 113. On dit que la série dePfonctions fn converge absolument sur A
si pour tout x ∈ A la série numérique kfn (x)k converge.
Exemples Voici quelques exemples :

n
1. fn (x) = (−1)
P
n x , pour tout x ∈ R. La série fn converge absolument sur ]1, +∞[.
1
P 1
En effet, |fn (x)| = nx et la série nx est convergente si et seulement si x > 1
( série de Riemann). P
Remarquons que la série fn converge simplement sur ]0, +∞[. En effet il
s’agit d’une série alternée qui satisfait les hypothèses du CSSA sur ]0, +∞[.
(−1)n
2. Si on reprends l’exemple ci-dessus avec la variable complexe : gn (z) = zn , on
a convergence absolue sur D = {z ∈ C/<e(z) > 1}.
P
Proposition 241. Si la série de fonctions fn converge absolument sur A alors
elle converge simplement sur A vers une application f : A → E.
9.1.2.3 convergence normale
P
Définition 114. On dit que la série de fonctions fn converge normalement
P sur
A si fn est bornée sur A pour tout n ∈ N et si en plus la série numérique kfn k∞,A
est convergente.

9.2. CONVERGENCE UNIFORME ET CONTINUITÉ Cours deuxiéme année MP
P
Proposition 242. 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 uniformeP sur A.
Si la série de fonctions fn est normalement convergente elle est absolument conver-
gente.
Remarque Dans la pratique,

P on utilise la méthode suivante pour démontrer que
la série de fonctions fn converge normalement sur A : On essaye de faire une
majoration uniforme de la forme :
∀x ∈ A, kfn k ≤ αn
où (αPn ) est une suite à termes positifs, indépendante des éléments x de A tel que la
série αn est convergente.
Exemples Voici des exemples où l’on utilise la remarque ci-dessus :

P xn
1. La série n! converge normalement sur tout compact non vide contenue dans
R. En effet , soit K un tel compact, il existe M > 0 tel que ∀x ∈ K, |x| ≤ M ,
donc pour tout x ∈ K, on a :
xn Mn
≤ ,
n! n!
P n
et comme la série P Mn! converge (de somme eM ), on a la convergence normale
xn
sur K de la série n!
P
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
P pour tout x ∈ [−r, r], on
n n n
a |x cos(nx)| ≤ r et comme 0 < r < 1, la série r est convergente, ce qui
prouve la convergence normale désirée.
9.2 Convergence uniforme et continuité

9.2.1 Interversion des limites
9.2.1.1 Le théorème d’interversion des limites pour les suites de fonctions

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, `n = lim fn existe dans F .
x→a
Alors la suite (`n ) est convergente et lim `n = lim f (x). Autrement dit :
n→+∞ x→a
lim lim fn (x) = lim lim fn (x)

x→a n→+∞ n→+∞ x→a
Ce théorème s’appelle le théorème d’interversion des limites car on peut écrire : On

souligne l’importance du fait F est de dimension finie et la convergence uniforme sur
X.
Preuve On va démontrer que la suite (`n ) est une suite de Cauchy, ce qui permet-
tra de conclure qu’elle converge car F est de dimension finie, donc complet. Puisque
(fn ) converge uniformément vers f , alors en posant αn = supx∈X kfn (x) − f (x)k,
pour tout n ∈ N, la suite réelle (αn ) converge vers 0 donc c’est une suite de Cauchy
dans R, donc :
(∀ε > 0)(∃N ∈ N)(∀x ∈ X) kfp (x) − fq (x)k < ε/2
Par passage à al limite quand x → a il vient :
(∀ε > 0)(∃N ∈ N) k`p − `q k ≤ ε/2 < ε
Donc la suite (`n ) est de Cauchy dans F , donc elle converge vers ` ∈ F .
CVU
Démontrons maintenant que lim f (x) = `. Pour cela soit ε > 0. Comme fn −→ f
x→a
sur X, on a :
(1) (∃N1 ∈ N)(∀n ≥ N1 )(∀x ∈ X) kfn (x) − f (x)k < ε/3
et comme lim `n = `, on a :
n→+∞
(2) (∃N2 ∈ N)(∀n ≥ N2 ) k`n − `k < ε/3

Soit N = max(N1 , N2 ), alors, compte tenu de (1) et (2) ci-dessus, on a pour tout
x∈X :
2ε
kf (x) − `k ≤ kf (x) − fN (x)k + kfN (x) − `N k + k`N − `k < + kfN (x) − `N k
3

Comme lim fN (x) = `N , on a :

x→a
(∃η > 0)(∀x ∈ X) kx − ak < η ⇒ kfN (x) − `N k < ε/3
Par suite :
2ε ε
(∃η > 0)(∀x ∈ X) kx − ak < η ⇒ kf (x) − `k < + =ε
3 3
ce qui prouve que : lim f (x) = `.
x→a
9.2.1.2 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 à R∗+ de l’application nulle de R vers
R, mais la convergence n’est pas uniforme. En effet, pour la convergence simple il
x ln x
suffit de voir que ln(fn (x)) = n ln n ln n − x −→ −∞, ce qui donne fn (x) −→
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 lim0+ x ln x = lim 0+ x = 0.
x→0
Si la convergence était uniforme on aurait d’après le théorème d’interversion des
limites : lim θ(x) = 1 , ce qui n’est pas le cas.
9.2.1.3 Une extension du théorème
Si E = R et X une partie contenant un intervalle de la forme [a, +∞[ on a le

théorème suivant en supposant comme ci-dessus que F est un espace vectoriel normé
complet.
CVU
Théorème 48. Si (fn ) −→ f sur X et limx→+∞ fn (x) = `n ∈ F alors la suite
(`n ) converge vers ` ∈ F et limx→+∞ f (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→+∞
9.2.1.4 Le théorème d’interversion des limites pour les séries de fonctions
En appliquant le théorème ci-dessus aux sommes partielles , on obtient :
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’application
P (fn ) de X vers F tel que :
• La série P f : X → F.
fn converge uniformément sur X vers une application
• pour tout n ∈ N, `n = lim fn existe dans F . Alors la série ( `n ) est convergente
x→a
+∞
P
dans F et : `n = lim f (x). Autrement dit :
n=0 x→a
+∞ +∞
!
X X
lim fn = lim fn .
x→a x→a
n=0 n=0
9.2.2 Continuité
Une conséquence immédiate de l’interversion des limites est le cas particulier où
a ∈ X et on a la continuité des fn
9.2.2.1 Cas des suites de fonctions
Théorème 50. E et F étant des espaces vectoriels normés de dimensions finies , X

une partie non vide de E, a est un élément de X et (fn ) est une suite d’applications
de X vers F qui converge uniformément vers f : X → F .
- Si les fn sont continues au point a alors f est continue au point a.
- Si les fn sont continues sur X, alors f est continue sur X.

9.3. L’ESPACE VECTORIEL NORMÉ B(X, F ) Cours deuxiéme année MP
9.2.2.2 Cas des séries de fonctions
Théorème 51. E et F étant des espaces vectorielsP normés de dimensions finies , X

une partie non vide de E, a est un élément de X et fn est une série d’applications
de X vers F qui converge uniformément vers f : X → F .
- Si les fn sont continues au point a alors f est continue au point a.
- Si les fn sont continues sur X, alors f est continue sur X.
9.2.2.3 Remarques sur ces théorèmes
Remarques Les théorèmes ci-dessus ont des applications pratiques dont :

1. Ils fournissent un critère de convergence uniforme : Si (fn ) converge simplement
vers f et il existe un point a de X tel que les fn sont continues au point a et f
est discontinue en a alors la convergence n’est pas uniforme sur X. Par exemple
, soit fn : [0, 1] → R; t 7→ tn alors (fn ) converge simplement sur [0, 1] vers f
définie par f (x) = 0 si 0 ≤ x < 1 et f (1) = 1. Comme f est discontinue au
point 1 et que les fn sont continues sur [0, 1], la convergence n’est pas uniforme
sur [0, 1].
2. Ils permettent de prouver qu’une application f est continue quand on sait déjà
que f est limite uniforme Pd’une suite de fonctions (fn ) ou somme (uniforme)
d’une série de fonctions fn .
9.3 L’espace vectoriel normé B(X, F )

Dans ce paragraphe, nous allons étudier l’espace vectoriel B([a, b], K) des applications
de [a, b] vers K, bornées sur [a, b] ainsi que certains de ses sou-espaces vectoriels, à
savoir C 0 ([a, b], K) des applications continues de [a, b] vers K, l’espace CM([a, b], K)
des applications continues par morceaux de [a, b] vers K et l’espace E([a, b], K) des
fonctions en escaliers de [a, b] vers K et nous allons examiner les diverses inclusions
entre ces sous-espaces et les questions de densité.
9.3.1 L’espace (B(X, F ), k.k∞ )

Soit F un espace vectoriel normé et X un ensemble non vide. On note B(X, F )
l’ensemble des applications de X vers F , bornées sur X et pour tout f ∈ B(X, F ),
on pose :
kf k∞,X = sup kf (x)k
x∈X

Proposition 243. k.k∞,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 ), k.k∞,X ).
Proposition 244. 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 ).
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.
9.3.2 L’espace normé C 0 ([a, b], K)

9.3.2.1 Les trois normes classique de C 0 ([a, b], K)
Soit (a, b) ∈ R2 tel que a < b. On rappelle que C 0 ([a, b], K) est l’espace vectoriel des
applications continues de [a, b] vers K. On le munit des trois normes classiques :
1. La norme de la convergence uniforme k.k∞ définie par :
∀f ∈ C 0 ([a, b], K) , kf k∞ = sup |f (t)|

t∈[a,b]
2. La norme de la convergence en moyenne quadratique k.k2 définie par :

s
Z b
0
∀f ∈ C ([a, b], K), kf k2 = |f (t)|2 dt
a
3. La norme de la convergence en moyenne k.k1 définie par :

Z b
0
∀f ∈ C ([a, b], K), kf k1 = |f (t)|dt
a

Ces trois normes ne sont pas équivalentes mais il y’ a des relations entre elles précisées
par la proposition suivante :
Proposition 245. Pour tout f ∈ C 0 ([a, b], K), on a :

√ √
kf k1 ≤ b − akf k2 et kf k2 ≤ b − akf k∞ et kf k1 ≤ (b − a)kf k∞
Remarque On fait les remarques suivantes sur la proposition ci-dessus :

1. En d’autres termes la nome de convergence uniforme est plus fine que la norme
de convergence en moyenne quadratique, laquelle est plus fine que la norme de
convergence en moyenne.
2. On peut démontrer par des contre-exemples que ces comparaisons sont strictes.
9.3.2.2 Le théorème d’approximation de Weierstrass
Si une fonction f est continue sur un segment [a, b], on peut l’approcher par une
fonction polynomiale sur [a, b] au sens de la convergence uniforme comme le précise
le théorème suivant :
Théorème 52. Soit [a, b] un segment de R et K désigne R ou C. Soit P([a, b], K)

l’ensemble des fonctions polynomiales de [a, b] vers K. Alors P est dense dans
C([a, b], K) , muni de la norme de convergence uniforme sur [a, b].
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.
9.3.3 Les espaces CM([a, b], K) et E ([a, b], K)

Deux autres sous-espaces vectoriels de B([a, b], K) sont l’espace CM([a, b], K) des
applications de [a, b] vers K continues par morceaux sur [a, b] et l’espace E ([a, b], K)
des fonctions en escaliers de [a, b] vers K qui est en même temps un sous-espace

vectoriel de CM([a, b], K).

On a un autre théorème d’approximation :
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 unifor-
mément sur [a, b] vers f .
Ce théorème traduit aussi le fait que dans l’espace normé (B([a, b], K), k.k∞ ), l’espace
E([a, b], K) est dense dans CM([a, b], K).

Chapitre 10
Suites et séries de fonctions (II) :

Dérivabilité et Intégration.
10.1 Convergence uniforme et intégration

10.1.1 Segment , convergence uniforme
Proposition 246. 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 247. Soit (fn : [a, b] → F )nPune suite de fonction continues par
morceaux sur le segment [a, b] tel que la série fn converge uniformément sur [a, b]
vers une fonction f continue par morceaux sur [a, b]. Alors :
Z b Z bX +∞ +∞ Z b
X
f (t)dt = fn (t)dt = fn (t) dt
a a n=0 n=0 a
245
10.1. CONVERGENCE UNIFORME ET INTÉGRATION Cours deuxiéme année MP
10.1.2 Intervalle quelconque

10.1.2.1 Théorème de convergence dominée
Théorème 54. Soit I un intervalle non trivial de R et (fn : I → K)n une suite
d’applications continues par morceaux tel que :
1. La suite de fonctions (fn ) converge simplement vers une fonction f : I → K
continue par morceaux sur I.
2. Il existe une application ϕ : I → R continue par morceaux intégrable sur I tel
que :
∀n ∈ N, |fn | ≤ ϕ; (hypothèse de domination)
Alors :
1. les fn et f sont intégrables sur I.
R R R
2. lim I fn = I f = I lim fn .
n→+∞
10.1.2.2 Intégration terme à terme
Théorème 55. Soit (fn : I → K)n une suite de fonctions de l’intervalle I vers K
tel que :
P
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.
PR
3. La série numérique I |fn | est convergente.
Alors :
1. La fonction f est intégrable sur I.
R +∞
PR
2. On a : I f (t)dt = I fn (t)dt. Autrement dit :
n=0
Z +∞
! +∞ Z
X X
fn (t) dt = fn (t)dt
I n=0 n=0 I

10.2 Dérivation
10.2.1 Théorème pour les fonctions de classe C 1
Proposition 248. Soit I un intervalle non trivial de R et (fn ) une suite d’applica-
tions de I vers F tel que :
1. Pour tout n ∈ N, la fonction fn est de classe C 1 sur I ;
2. La suite (fn ) converge simplement sur I vers une application f : I → F .
3. La suite de fonctions (fn0 ) converge simplement vers une application g : I → F
et la convergence est uniforme sur tout segment contenu dans I
Alors :
1. La fonction f est de classe C 1 sur l’intervalle I.
0
2. f 0 = g, c’est-à-dire : lim fn = lim fn0 .
n→+∞ n→+∞
Proposition 249. Soit I un intervalle non trivial de R et (fn ) une suite d’applica-
tions de I vers F tel que :
1. Pour tout n ∈ N, la fonction fn est de classe C 1 sur I ;
P
2. La série de fonctions fn converge simplement sur I vers une application
f : I → F.
3. La suite de fonctions fn0 converge simplement vers une application g : I → F
P
et la convergence est uniforme sur tout segment contenu dans I

Alors :
1. La fonction f est de classe C 1 sur l’intervalle I.
2. f 0 = g, c’est-à-dire : !0
+∞
X +∞
X
fn = fn0
n=0 n=0

10.2.2 Extension des théorèmes ci-dessus : classe C k , k ≥ 1.
Théorème 56. Soit k ∈ N, k ≥ 1 et (fn : I → F )n une suite d’applications de

I → F tel que :
1. Pour tout n ∈ N, la fonction fn est de classe C k sur I.
2. Pour tout p ∈ [[0, k − 1]], la suite de fonctions ((fn )(p) )n converge simplement
vers une fonction fp : I → F .
3. La suite de fonctions ((fn )(k) )n converge simplement vers une fonction g : I →
F et la convergence est uniforme sur tout segment contenu dans I.
Alors :
1. f = f0 est de classe C k sur I.
2. f (k) = g. Autrement dit :
(k)
lim fn = lim (fn )(k) .
n→+∞ n→+∞
Théorème 57. Soit k ∈ N, k ≥ 1 et (fn : I → F )n une suite d’applications de

I → F tel que :
1. Pour tout n ∈ N, la fonction fn est de classe C k sur I.
2. Pour tout p ∈ [[0, k − 1]], la série de fonctions (fn )(p) converge simplement
P
vers une fonction fp : I → F .
3. La série de fonctions (fn )(k) converge simplement vers une fonction g : I → F
P
et la convergence est uniforme sur tout segment contenu dans I.
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

10.3. INTÉGRALE AVEC PARAMÈTRE Cours deuxiéme année MP
10.3 Intégrale avec paramètre

10.3.1 Continuité
10.3.1.1 Énoncés des théorèmes
Théorème 58. Soit A une partie de E, I un intervalle de R et f : A × I → K une

application tel que :
(1) Pour tout x ∈ A, l’application f (x, .) : I → K; x 7→ f (x, t) est continue par
morceaux sur I.
(2) Pour tout t ∈ I, l’application f (., t) : A → K; x 7→ f (x, t) est continue sur A.
(3) Il existe une application ϕ : I → R continue par morceaux, integrable tel que :
∀(x, t) ∈ A × I,
|f (x, t)| ≤ ϕ(t) (hypothèse de domination)
R
Alors : la fonction F : A → K; x 7→ F (x) = I f (x, t)dt est bien définie et continue
sur A.
Remarques Les remarque suivantes sont les plus utilisées en pratique :

1. Si on remplace l’hypothèse de domination (3) par :
(3)’ : Pour toute partie compacte K de E tel que K ⊂ A, il existe une applica-
tion ϕK : I → R continue par morceaux et intégrable sur I tel que :
∀(x, t) ∈ K × I, |f (x, t)| ≤ ϕK (t)
La conclusion du théorème 58 reste valable.
2. Si I = [a, b] est un segment de R, la condition
(4) : L’application (x, t) 7→ f (x, t) est continue sur A × [a, b] implique les
conditions (1),(2) et (3)’ par suite la conclusion du théorème 58 reste valable
3. Une conséquence immédiate : Si f : [c, d] × [a, b] → K est une application
Rb
continue alors F : x 7→ a f (x, t)dt est continue sur [c, d].
10.3.1.2 Exemples
Pour tout x ∈]0, +∞(, on pose :

Z +∞
sin(xt)
F (x) = dt
0 t2 + x
sin(xt)
Alors f (x, t) = t2 +x vérifie

— ∀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
avec ϕa continue et intégrable sur ]0, +∞[.
10.3.2 Dérivabilité
10.3.2.1 Dérivées partielles
Si f : I × J → K est une application et A = (a, b) ∈ I × J.

- L’application : ϕA : x 7→ f (x, b) de I vers K est une fonction d’une variable réelle
définie sur I.
Si ϕA est dérivable au point a, on note
∂f
ϕ0A (a) = (a, b)
∂x
le nombre dérivée de ϕA au point a.
Si ϕA est k fois dérivable au point a avec k ∈ N∗ , on note :
(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.
Si ψA est dérivable au point b, on note

∂f
ψA0 (b) = (a, b)
∂y
le nombre dérivée de ψA au point b.
Si ψA est k fois dérivable au point b avec k ∈ N∗ , on note :
(k) ∂kf
ψA (b) = (a, b)
∂y k
10.3.2.2 Les théorèmes

Théorème 59. Soit I et J des intervalles de R et f : J × I → K une application

tel que :
(1) Pour tout x ∈ J, l’application f (x, .) : I → K; t 7→ f (x, t) est continue par
morceaux et intégrable sur I.
(2) Pour tout t ∈ I, l’application f (., t) : J → K; x 7→ f (x, t) est de classe C 1
sur J et pour tout x ∈ J, l’application ∂f ∂f
∂x (x, .); t 7→ ∂x (x, t) est continue par
morceaux sur I.
(3) Il existe une application ψ : I → R continue par morceaux, intégrable tel que :
∂f
∀(x, t) ∈ A × I, (x, t) ≤ ψ(t) (hypothèse de domination)
∂x
Alors :
R
1. L’application F : x 7→ I f (x, t)dt est de classe C 1 sur l’intervalle J.
2. Pour tout x ∈ J, on a (Formule de Leibniz) :
Z
∂f
F 0 (x) = (x, t)dt
I ∂x
Remarque Si (Jk )k∈K est une famille d’intervalles de R tel que ∪ Int(Jk ) = J
k∈K
(où 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
alors la conclusion reste la même.
Théorème 60. Soit k un entier naturel non nul, I et J des intervalles de R et

f : J × I → K une application à valeurs réelles ou complexes tel que :
1. Pour tout p ∈ [[0, k − 1]], et tout t ∈ I, l’application f (., t) : J → K; x 7→
p
f (x, t) est de classe C p et pour tout x ∈ J, l’application ∂∂xfp (x, .) : t 7→
∂pf
∂xp (x, t) est continue par morceaux et intégrable sur I.

2. Pour tout t ∈ I, l’application f (., t est de classe C k et pour tout x ∈ J,

k
l’application ∂∂xfk (x, .) est continue par morceaux.
3. Il existe ψ : I → R continue par morceaux et intégrable sur I tel que :
∂kf
∀(x, t) ∈ J × I, (x, t) ≤ ψ(t)
∂xk
Alors :
R
1. F : J → K; x 7→ I f (x, t)dt est de classe C k sur J.
2. On a la formule de Leibniz :
∂kf
Z
(k)
∀x ∈ J, F (x) = (x, t)dt
I ∂xk

Chapitre 11
Séries entières
Dans tout ce chapitre K désigne l’un de corps R, le corps des réels ou C, le corps
des nombres complexes.
11.1 Définitions : Séries entières, convergence

11.1.1 Définition, lemme d’Abel
P
Définition 115. On appelle série entière toute série fn de fonctions définies de
n
K dans K par fn (t) = an t où (an )n est une suite d’éléments de K.
an z n (resp. an xn ) suivant les cas K = C

P P
Remarque On convient de noter
(resp. K = R ).
Lemme P4. (d’Abel) Si ρ ∈]0, +∞[ tel que (an ρn )n≥0 est bornée alors la série entière
entière 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

n
tel que |t| < ρ ; alors |an tn | = |an ρn | ρt ≤ M q n où q = ρt , en particulier |q| <
P n
1, donc la série
P n géométrique q est convergente, ce qui assure la convergence
absolue de an t .
253
11.1. DÉFINITIONS : SÉRIES ENTIÈRES, CONVERGENCE Cours deuxiéme année MP
11.1.2 Rayon de convergence
Proposition-Définition 10. Soit a = an tn une série entière à coefficients dans

P
K. L’ensemble
Xa = {r ∈ R+ /(an rn )n est bornée}
est une partie non vide de R+ . On note Ra la borne supérieure de Xa si Xa est
majorée et Ra = +∞ P si nXa n’est pas majorée. Ra s’appelle le rayon de convergence
de la série entière an t .
Exemples Voici trois exemples correspondant aux cas où R est nul, strictement
positifs, puis infini :
1. Le rayon de convergence de la série entière n≥0 nn z n est R = 0
P
2. Le rayon de convergence de la série entière n≥0 z n est R = 1.

P
n
3. Le rayon de convergence de la série entière n≥0 zn! est R = +∞.
P
Proposition 250. Les assertions suivantes sont équivalentes :

P n
(1) Le rayon de convergence de la série entière an t est égal à R.
P n
(2) Pour tout t ∈ K, La série an t converge absolument si |t| < R et diverge
grossièrement si |t| > R
Preuve P n
• Supposons que R est le rayon de convergence de la série entière P an t . Si R = 0
alors la suite (an tn ) est non bornée pour tout t 6= 0 donc la série an tn diverge
P n|t| < 0 est fausse pour tout t ∈ K, d’où
grossièrement. Par ailleurs l’assertion
la vérité de |t| < 0 ⇒ la série an t converge absolument. Si R = +∞ Palorsn
l’assertion |t| > R est fausse pour tout t ∈ K, donc |t| > R ⇒ la série an t
diverge grossièrement est vraie. Par ailleurs si |t| < R alors en prenant
P n r = |t| + 1,
n
on a la suite (an r ) est bornée et par le lemme d’Abel la série an t CVA.
R+|t|
Si R > 0 , soit t ∈ K. Posons : r = 2 .
< R alors |t| < r < R la suite (an rn ) est bornée et par le lemme d’Abel, la
Si |t| P
série an tn CVA.
Si |t| > R alors R < r < |t|, donc la suite (an rn ) est non bornée , et comme |an rn | ≤

|an tn |, la suite (an tn ) est non bornée et la série

P n
an t diverge grossièrement.
• 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(X P an) ≥ R. Donc Ra ≥ R.
R+Ra
Par ailleurs si Ra > R alors pour t = 2 , la série an t 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 = +∞. Si R = 0 alors P pour tout r > 0
n
la suite (an r ) n’est pas bornée car sinon, par Abel on aurait an tn converge
absolument pour t = 2r , ce qui n’est pas le cas.
11.1.3 Disque, Intervalle de convergence
an tn une série entière de rayon de convergence R. En

P
Définition 116. Soit
supposant R 6= 0,
∆R = {t ∈ K/|t| < R}
est appelé disqueP ouvert de convergence (rep. intervalle ouvert de convergence) de
n
la série entière an t si K = C ( si K = R) .

P n
1. Le disque (intervalle) ouvert de convergence de la série entière an t est le
plus grand ouvert de K sur lequel elle converge absolument.
P n
2. Si t 6∈ ∆R (adhérence) alors la série an t diverge grossièrement.
3. On ne peut rien dire à priori sur les points de la frontière du disque ouvert de
convergence : Il est possible que la SE converge en tout point de la frontière
P zn
comme
P zn P n en aucun point comme en certains points seulement. Exemples : n2 ,
n, nz sont toutes de rayon de convergence 1, mais le comportement à
la frontière n’est pas le même.
11.1.4 Quelques propriétés du rayon de convergence

11.1.4.1 Propriétés diverses
an tn et b = bn tn deux séries entières. Alors :

P P
Proposition 251. Soit a =

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 .
an tn et nα an tn ont le même rayon de
P P
5. Pour tout α ∈ R les séries entières
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 p, |an | ≤ |bn |, alors pour tout
n n
tP∈ K, on a |an t | ≤ |bn t |, donc si la série |bn tn | converge alors la 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 .
α 0
5. On a an = O(n P ann) donc P siλ onn appelle R et 0R les rayons de convergence∗
respectifs de P an t et n an t , on a R ≥ R . Réciproquement soit t ∈ K
n
tel que la série an t est absolument convergente. Pour
P tout n ∈ N, on a
α n α n n t n
|n an t | = n q |an t | où q = R . Comme la série an t est absolument
n
convergente la suite (an t ) est bornée, donc il existe M > 0 tel que pour
P tout
α n α n
n ∈ N, on a |nn t | ≤ M n q . Par la règle de D’Alembert, la série nα q n
n+1 α
est convergente puisque si on pose βn = nα q n , alors ββn+1

n
= n q −→ q
P α n n→+∞
et q < 1. Il en découle que la série n an t est convergente et on a en
conséquence prouvé que R ≤ R , donc R = R0 .
0
11.1.4.2 Règle de D’Alembert
an tn série entière et soit R son rayon de convergence.

P
Proposition 252. Soit

On suppose que les coefficients an sont non nuls à partir d’un certain rang. Si
an+1
lim = ` ∈ R+ ∪ {+∞}
n→∞ an
alors
1
R=
`
avec R = +∞ si ` = 0 et R = 0 si ` = +∞.
Preuve Nous allons étudier trois cas suivant la valeur de ` :

• Supposons que lim aan+1 n
= ` et ` ∈ R∗+ . Soit t ∈ K∗ et on lui associe la sé-
n→+∞
un , avec un = an tn , pour tout n ∈ N. Pour tout n ∈ N, on a
P
rie numérique
un+1
un = |t| aan+1
n
−→ `|t|. Par la règle de D’Alembert pour les séries, on a la
P n→+∞
série un est absolument convergente si `|t| P < n1 et grossièrement divergente si
`|t| > 1, donc, pour tout t ∈ K, la série an t est absolument convergente si
1 1
` et grossièrement divergente si |t| > ` , donc le rayon de convergence de la
|t| < P
série an tn est R = 1` .
• Supposons que lim aan+1 n
= +∞. Soit t ∈ K∗ et on lui associe la série nu-
n→+∞
P
mérique
un+1
un = |t| aan+1
n
−→ +∞. Par la règle de D’Alembert pour les séries, on a
n→+∞
∗
P
la série P n divergente pour tout t ∈ K , donc le rayon de
un est grossièrement
convergence de la série an t est R = 0.
an+1
• Supposons que lim an = 0. Soit t ∈ K∗ et on lui associe la série nu-
n→+∞
P
mérique
un+1
un = |t| aan+1
n
−→ 0. Par la règle de D’Alembert pour les séries, on a la
n→+∞
∗
P
série P n convergente pour tout t ∈ K , donc le rayon de conver-
un est absolument
gence de la série an t est R = +∞.
• Dans tous les cas on a bien la relation R = 1` , ce qui termine la preuve de la
proposition.

11.1.5 Somme et produit de deux séries entières

P n P n
Si a = an t et b = bn t sont deux séries entières à coefficients dans K, on
définit la somme et le produit comme suit :
X X n
X
n n
a+b= (an + bn )t et ab = cn t , avec cn = ak bn−k
k=0
Proposition 253. Si Ra et Rb sont les rayons de convergence respectifs des séries

entières a et b alors Ra+b ≥ inf(Ra , Rb ) et Rab ≥ inf(Ra , Rb ). Pour tout t ∈ K, on
a:
1. Si |t| < Ra+b alors +∞
P n
P+∞ n
P+∞ n
n=0 (a n + bn )t = n=0 an t + n=0 bn t
n
2. Si |t| < Rab alors +∞
P n
P+∞ n
P+∞ n P
c
n=0 n t = n=0 na t n=0 nb t où c n = an−k bk , pour
k=0
tout n ∈ N.
Preuve On conserve toutes les notations adoptées ci-dessus.

• Si R = inf(RPa , Rb ) alors pour tout t ∈ K, si |t| < R alors |t| < Ra et |t| < Rb ,
an tn et
P n
donc les série bn t sont absolument convergentes , donc leur série
sommePet leurs série produit de Cauchy sont absolument convergentes , d’où les
n
séries (an + bn )tn et cn tn où ∀n ∈ N, cn =
P P
k=0 ak bn−k sont absolument
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.
Remarque Si Ra 6= Rb alors Ra+b = inf(Ra , Rb ).
Preuve Si par exemple RaP< Rb , soit r est un nombre réel tel que r > P Ra .. Si
n
Ra < r < 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

11.2. PROPRIÉTÉS DE LA FONCTION SOMME Cours deuxiéme année MP
démarche préliminaire P avant de l’appliquer :

n
• La séries entière cos(n)t , dans laquelle le coefficient générale de la séries est
cos(n+1)
an = cos(n) et par suite le rapport aan+1 n
= cos(n) n’a pas de limite quand n tend
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))Pest bornée, donc le rayon
de convergence R réalise R ≥ 1. Par ailleurs la série cos(n) est grossièrement
divergente donc RP≤ 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 P comme suit :
• Soit on considère la série entière nxn dont le rayon de convergence est donné
par laPréglé de D’Alembert qui est R = 31 . Il en découle que pour tout x ∈ R, la
série 3n nx2n est absolument convergente si |x|2 < 13 et grossièrement divergente
√ √
si |x|2 > 13 , donc le rayon de convergence est r = R = 33 . P
• Soit on applique la règle de D’Alembert à la série numérique un avec un = 3n nt2n
avec t un réel non nul fixé. On trouve que uun+1 n
= 3 n+1
n |t|
2
−→ 3|t|2 , donc il y’ a
n→+∞
2 2
convergence absolue si 3|t| √< 1 et divergence grossière si 3|t| > 1, ce qui donne le
rayon de convergence : r = 33 .
11.2 Propriétés de la fonction somme

11.2.1 Continuité
P n
Proposition 254. P n an t est une série entière de rayon de convergence R >
Si
0 alors la série an t converge normalement sur tout compact contenu dans le
disque(intervalle) ouvert de convergence de la série entière.
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 P il existe a ∈ A tel que |t| ≤ |a| = r. Comme
n
a ∈ A, on a r < R, donc la série an r est ACV, parPsuite et compte tenu de
n n
|an t | ≤ |an r |, ∀t ∈ A, on a la convergence normale de an tn sur A.

11.2. PROPRIÉTÉS DE LA FONCTION SOMME Cours deuxiéme année MP
Attention : Il est possible de ne pas avoir la convergence normale sur le disque(intervalle)

ouvert de convergence lui même.
P∞ n
Proposition 255. La somme S : t 7→ f (t) = n=0 an t est continue sur le disque
ouvert de convergence.
Preuve Soit t0 ∈ ∆R et r > 0 tel que |z0 | < r < R. Alors n an tn converge
P
normalement 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 .
11.2.2 Dérivabilité et intégration
an tn , la série entière
P
Définition 117. On appelle série dérivée d’une série entière
(n + 1)an+1 tn .
P
an tn et sa série dérivée ont le même rayon de

P
Proposition 256. Une série
convergence.
P n
Proposition 257. Soit an t 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! k
n=k
2. Si [a, b] ⊂] − R, R[ alors :
Z b +∞
X Z b
f (t)dt = an tn+1 dt
a n=0 a

11.3. DÉVELOPPEMENT EN SÉRIE ENTIÈRE Cours deuxiéme année MP
Conséquence : Soit n≥0 an tn une série entière réelle de rayon de convergence

P
n
R > 0 et de somme f . Pour tout entier n, le coefficient an est égal à f n!(0) .
Proposition 258. Soient n≥0 an z n et n≥0 bn z n deux séries entières de rayons

P P
R > 0 et R0 > 0. On suppose que les sommes de ces deux séries coïncident sur un
voisinage de 0. Alors ces deux séries sont identiques : ∀n ∈ N an = bn .
P n
Conséquences : La somme f de la série entière an t est une fonction paire
(resp. impaire) si et seulement si les an de rang impair (resp. pair) sont nuls.
Preuve Si n an z n est paire, n an z n = n an (−z)n pour tout n donc ∀n ∈

P P P
N an = (−1)n an et en particulier ∀k ∈ N a2k+1 = (−1)a2k+1 ce qui implique
a2k+1 = 0.
11.3 Développement en série entière

Définition 118. Soit f une application définie sur un intervalle ouvert ]−a, a[, a > 0
de R et à valeurs dans K. On P dit que f est développable en série entière en un point
0 s’il existe une série entière an tn de rayon de convergence R > 0 et et un réel
ρ ∈]0, min(R, a)[ tels que :
+∞
X
∀t ∈] − ρ, ρ[, f (t) = an tn
n=0
Définition 119. Soit Ω un intervalle ouvert de R tel que 0 ∈ I et f infiniment

f (n) (0) n
dérivable sur Ω. La série entière +∞
P
n≥0 n! t est appelée série de Taylor de f en 0.

Proposition 259. Si f est développable en série entière au voisinage de 0, alors

f est de classe C ∞ à l’origine et la série entière égale à f au voisinage de 0 est
nécessairement la série de Taylor de f . Autrement dit,
∞
X f (n) (0)
∃r > 0, ∀t ∈] − r; r[, f (t) = tn
n≥0
n!
Remarque Même si f est de classe C ∞ au voisinage de 0, et même si la série de

Taylor de f a un rayon de convergence strictement positif, on ne peut affirmer que
f est développable en série entière en 0. Considérer f : x 7→ exp(− x12 ).
Exercice : Soit Ω un ouvert de R contenant 0 et f une application de Ω dans R.

On suppose que f est de classe C ∞ au voisinage de 0 et que :
∃r > 0, ∀p ∈ N ∀x ∈] − r; r[ |f (p) (x)| ≤ M
Alors f est développable en série entière en 0 avec un rayon de convergence au moins

égal à r.
Solution : Soit ρ un réel tel que 0 < ρ < r. D’après la formule de Taylor-Lagrange
à l’ordre n puisque f est de classe C n+1 sur ] − ρ; ρ[ où on a :
n
X f (k) (0) k |f (n+1) (c)|
∀t ∈] − ρ; ρ[ ∃c ∈] − ρ; ρ[ |f (t) − t |≤ (2ρ)n+1
k! (n + 1)!
k=0
donc n
X f (k) (0) M
∀t ∈] − ρ; ρ[ |f (t) − tk | ≤ (2ρ)n+1
k! (n + 1)!
k=0
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[.
11.3.2 Développements en série entière usuels

zn
ez = +∞
P
n=0 n! , R = +∞
x2n
P+∞
cos x = n=0 (−1)n (2n)! ; R = +∞
x2n+1
P+∞
sin x = n=0 (−1)n (2n+1)! ; R = +∞
P+∞ x2n
cosh x = n=0 (2n)! ; R = +∞

x2n+1
P+∞
sinh x = n=0 (2n+1)! ; R = +∞

P+∞ α
α
1 si n = 0
(1 + x)α = xn , R = 1 où
n=0 n = n α(α−1)···(α−n+1)
n! si n ≥ 1
1
P+∞ n
1−z = n=0 z ; R = 1
1
P +∞ n n
1+z = n=0 (−1) z ;R = 1
n−1 xn
P+∞
ln(1 + x) = P n=1 (−1) n ;R = 1
+∞ xn
ln(1 − x)
P= − n=1 n ; R = 1
1 +∞ n 2n
1+x2 = n=0 (−1) x ; R = 1
n x2n+1
arctan(x) = +∞
P
n=0 (−1) 2n+1 ; R = 1

Chapitre 12
Probabilités
12.1 Rappels et compléments

12.1.1 Espace probabilisé
12.1.1.1 Tribu
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 ∈
i∈I
T.
Le couple (Ω, T ) s’appelle espace probabilisable.
Remarques Si (Ω, T ) est un espace probabilisable, alors :

1. Si T est une tribu sur Ω, tout élément A de T s’appelle : événement de l’espace
probabilisable (Ω, T )
2. ∅ ∈ T
3. ∀A, B ∈ T , on a : A ∪ B, A ∩ B, A\B, A∆B sont dans T .
n n
4. Pout tout A1 , · · · , An ∈ T , on a : ∪ Ak et ∩ Ak sont dans T .
k=1 k=1
5. Pour toute famille (An )n≥0 d’éléments de T , ∩ Ak ∈ T .
n≥0
264
12.1.1.2 Tribu engendrée par une partie
Soient Ω et I des ensembles.
Proposition 260. Si (Ti )i∈I est une famille de tribus sur Ω alors T = ∩i∈I Ti est
une tribu.
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
La proposition 260 ci-dessus montrer que T (A ) est une tribu. On a :
Proposition-Définition 11. T (A ) est la plus petite tribu sur Ω contenant A .

T (A ) s’appelle la tribu engendrée par A
Preuve Soit S une tribu tel que A ⊂ S, alors S ∈ TA , par suite ∩ T ⊂ S,

T ∈TA
donc T (A ) ⊂ S.

1. Si A1 et A2 sont deux parties de ℘(Ω) alors :
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.
12.1.1.3 Un exemple : la tribu borélienne de R
Définition 121. Soit O l’ensemble des ouverts de l’ensemble R des nombres réels
muni de la valeur absolue. La tribu de R, engendrée par O s’appelle la tribu borélienne
de R, notée BR .
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. Tout ouvert non vide de R est un réunion au plus dénombrable d’inter-
bornés. Autrement dit pour tout W ∈ O, il existe une partie I de N
valles ouverts S
tel que W = ]an , bn [ avec pour tout n ∈ I, an , bn ∈ R et an < bn .
n∈I
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), r0 (x) rationnels
tel que u < r(x) < x < r0 (x) < v. Il en découle que O = ∪ ]r(x), r0 (x)[.
x∈O
Si on note I(x) =]r(x), r0 (x)[, alors l’ensemble J = {I(x)/x ∈ O} est au plus
dénombrable car l’application : φ : J → Q2 , I(x) 7→ (r(x), r0 (x)) est injective et
Q2 est dénombrable. φ est injective car si I(x) =]r(x), r0 (x)[ et I(y) 0
=]r(y), r (y)[
r(x) = r(y)
sont deux éléments de J avec x, y ∈ O, si φ(I(x)) = φ(I(y)) alors ,
r0 (x) = r0 (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 intervalles 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 S a < b. Or un tel
−∞, b − n1 ,

intervalle s’écrit : ]a, b[=] − ∞, b[\] − ∞, a] et comme ] − ∞, b[=
n∈N∗
on a ]a, b[∈ T (A), donc W ∈ T (A) et BR ⊂ T (A).
• Réciproquement si a ∈ R alors on a :
] − ∞, a] =] − ∞, a[∪{a}
et :
\ 1 1

{a} = a − ,a +
∗
n n
n∈N
ce qui montre que ] − ∞, a] s’obtient à partir de parties ouvertes de R par intersec-

tion au plus dénombrable, différence et union finie, donc ] − ∞, a[ est bien un élé-
ment de la tribu engendrée par O donc A ⊂ BR , et par suite T (A) ⊂ T (BR ) = BR .
Outre le cas où A est l’ensemble des intervalles de la forme ] − ∞, a] avec a ∈ R, on

a aussi et on peut le démontrer : BR = T (A ) pour les cas suivants :
1. A l’ensemble des intervalle de R.
2. A l’ensemble des intervalles ouverts bornés ]a, b[ (resp. [a, b], [a, b[, ]a, b] avec
a, b réels a ≤ b.)
3. A l’ensemble des intervalles de la forme reps. ] − ∞, a[ avec a réel.
4. A l’ensemble des intervalles de la forme [a, +∞[ (reps. ]a, +∞[) avec a réel.
On s’intéressera plus au cas où A = {] − ∞, a]/a ∈ R}, qui sera à la base de la
définition de la fonction de répartition d’une variable aléatoire réelle.
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 forme
1
]a, b], on peut remarquer que ]a, b[= ∪ a, b − n où I est l’ensemble des entiers
n∈I
naturels non nuls tel que a < b − n1 , ainsi la tribu engendrée par les intervalles de
la forme ]a, b] contient celle engendrée par
les ouverts , or un intervalle de la forme
1

]a, b] peut s’écrire ]a, b] = ∩ ∗ a, b + n , d’où l’inclusion réciproque.
n∈N
• 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 = −∞ et a0 = a
n→+∞
alors ]−∞, a] = ∪ ]an+1 , an ] et on vient de voir que les intervalles de la forme ]x, y]
n∈N
avec x, y ∈ R et x < y sont des éléments de la tribu borélienne. Réciproquement
un intervalle
borné
1
ouvert ]a, b[ peut s’écrire ]a, b[=] − ∞, b]\] − ∞, a]\{b} et
{b} = ∩ ∗ b − n , b .
n∈N
12.1.1.4 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
+∞ +∞
P
(2) P( ∪ An ) = P(An ) pour toute famille (An ) d’éléments deux à deux disjoints
n=0 n=0
de T .
le triplet (Ω, T , P) est appelé espace probabilisé.
Remarques On considère un espace probabilisé (Ω, T , P), alors :

1. Si (An ) est une famille d’événements deux à deux disjoints alors lim P(An ) =
n→+∞
0.
2. P(∅) = 0
3. ∀A, B ∈ T tel que A ∩ B = ∅, on a P(A ∪ B) = P(A) + P(B).
4. ∀A, B ∈ T , P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
5. P(Ac ) = 1 − P(A) pour tout A ∈ T .
6. Pour tout A, B ∈ T , on a : A ⊂ B ⇒ P(A) ≤ P(B).
n n
P
7. Pour toute famille (Ak )0≤k≤n d’événements, on a P( ∪ Ak ) ≤ P(Ak )
k=0 k=0

+∞
P
8. Pour toute famille (An )n∈N d’éléments de T , on a : P ∪ An ≤ P(An ),
n∈N n=0
le second membre de cette inégalité appartient à R+ ∪ {+∞}.
9. Si Ω est au plus dénombrable, le choix T = P(Ω) est le plus usuel.
10. Si (Ω, T , P) est un espace probabilisé, un élément de la tribu T s’appelle un
événement.
P
Preuve 1. Comme la série P(An ) est convergente, le résultat en découle im-
médiatement.
2. Posons An = ∅ pour tout n ∈ N, alors (An )n≥0 est une famille d’événements
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’événe-
ments deux à deux disjoints, et par l’axiome (2), on a P(A∪B) = P( ∪ An ) =
n∈N
+∞
P
P(An ) = P(A) + P(B) puisque P(An ) = P(∅) = 0, ∀n ≥ 2.
n=0
4. On a A = (A\B) ∪ B et (A\B) ∩ B = ∅, donc P(A ∪ B) = P(A\B) + P(B).
On a P(A) = P(A\B) + P(A ∩ B) (mêmes arguments), il en découle que
P(A\B) = P(A) − P(A ∩ B). Compte tenu de (1) et (2), on a : P(A ∪ B) =
P(A) − P(A ∩ B) + P(B).
5. Il suffit d’appliquer l’une des propriétés précédentes à A et Ac .
6. Si A ⊂ B, alors B = A ∪ (B\A) et c’est une réunion disjointe, donc P(A) =
P(B) + P(A\B) donc P(B) ≤ P(A).
7. Par récurrence sur n : Pour n = 0 on a égalité, pour n = 1, on a
P(A0 ) + P(A1 ) = P(A0 ∪ A1 ) + P(A0 ∩ A1 ),
d’où le résultat. Si la propriété est vraie pour n ∈ N, on a

n+1 n
P ∪ Ak = P ∪ Ak ∪ An+1 .
k=0 k=0
Comme la propriété est vraie pour n = 1, on a

n n
P ∪ Ak ∪ An+1 ≤ P ∪ Ak + P (An+1 ) .
k=0 k=0
On conclut en appliquant l’hypothèse de récurrence.

P
8. Notons que la série P(An ) est une série à termes positifs donc deux cas sont
+∞
P
possibles : soit P(An ) = +∞ et l’inégalité à prouver est vérifiée puisque le
n=0
membre de gauche est un réel (par convention ∀x ∈ R, x ≤ +∞), soit la série
est convergente de somme `. Si on pose B0 = A0 et Bn = An \ ∪ Ak , alors
0≤k≤n−1
n n
les Bn sont des événements deux à deux disjoints et ∪ Bk = ∪ Ak , en effet
k=0 k=0
n
pour tout n ∈ N, on a Bn ⊂ An ⊂ ∪ Ak . Réciproquement,soit ω ∈ ∪ Ak ,
k∈N k=1
n
si ω ∈ A0 alors ω ∈ B0 , donc ω ∈ ∪ Bk ,sinon soit ` le plus petit entier
k=0
naturel de [[1, n]]tel que x ∈ A` alors 1 ≤ ` ≤ n et ω 6∈ Aj , ∀j ∈ [[0, ` − 1]]
n
et ω ∈ A` , donc ω ∈ B` et finalement ω ∈ ∪ Bk . Il en résulte aussi que
k=0
+∞ +∞
A = ∪ An = ∪ Bn , donc :
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
12.1.1.5 Continuité monotone séquentielle
Proposition 261. Soit (Ω, T , P) un espace probabilisé. Alors :

• Pour toute suite croissante (An )n≥1 d’événements, on a :
lim P(An ) = sup P(An ) = P(∪ An )

n→+∞ n n

• Pour toute suite décroissante (An )n≥1 d’événements, on a :
lim P(An ) = inf P(An ) = P(∩ An )

n→+∞ n n
Preuve Soit (An )n∈N une suite croissante d’événements et A = ∪ An . Posons

n∈N
n−1
B0 = A0 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 6∈ Ak , ∀k ∈ [[0, m − 1]], en particulier ω 6∈ 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 a
k=0
forcément n ≥ 1 et ω 6∈ A0 et ∃j ∈ [[1, n]], x ∈ Aj . Choisissons j minimal, donc
n
x ∈ Aj et x 6∈ 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 6∈ Ak , ∀k ∈ [[0, n − 1]]. d’où ω ∈ Bn . La suite réelle P(An ) est majorée ( par P(A)
Pn
), 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 complé-
mentaires est croissante. D’après le premier point ci-dessus, on a :
P( ∪ Acn ) = lim P(Acn ) = sup P(Acn ).

n∈N n→+∞ n∈N
Comme c
∪ Acn = ∩ An ,
n∈N n∈N
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
12.1.1.6 Événement négligeable, événement quasi certain :
Définition 123. Soit (Ω, T , P) un espacé probabilisé. Un événement A ∈ T tel

que P(A) = 0 est dit négligeable.
Proposition-Définition 12. Soit (Ω, T , P) est un espace probabilisé et A ∈ T

alors les assertions suivantes sont équivalents :
1. p(A) = 1
2. ∀X ∈ T , P(A ∩ X) = P(X).
Si une d’elles est vraie, on dit que A est un événement quasi certain.
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.
12.1.2 Indépendance, Probabilité conditionnelle

12.1.2.1 Événements indépendants
Définition 124. Soit (Ω, T , P) un espace probabilisé. et (Aj )j∈J une famille quel-
conque d’événements. On dit que les événementsYAj sont indépendants si pour toute
partie K finie non vide de J on a P( ∩ Ak ) = P(Ak ).
k∈K
k∈K
On dit aussi que les événements (Aj )j∈J sont mutuellement indépendants.

Exemples On lance deux fois de suite un dé non truqué et on marque le couple de

nombres obtenus. On considère les événements suivants :
A : « Obtenir 1 au premier lancé ».
B : « Obtenir 2 au deuxième lancé ».
C : « Obtenir 1 ou 2 au premier lancer ».
Alors A et B sont indépendants tandis que A et C ne sont pas indépendants. En
effet, on a : card(A) = card(B) = 6 et card(A ∩ B) = 1 et card(C) = 12 et
card A ∩ C = card(A) = 6, alors :
1 1 1
P(A ∩ B) = = . = P(A)P(B)
36 6 6
Tandis que :
1
P(A ∩ C) = P(A) =
6
et
1 1 1
P(A)P(C) = . =
6 3 18
12.1.2.2 Probabilité conditionnelle
Proposition-Définition 13. (Ω, T , P) est un espace probabilisé et B ∈ T tel que

P(B) 6= 0. Pour tout X ∈ T , on pose :
P(X ∩ A)
PB (X) =
P(B)
Alors PB est une probabilité sur (Ω, T ) appelée probabilité condition-
nelle(conditionnée par l’événement B). Le réel PB (X) noté aussi P(X|B)
Preuve • Il est clair que PB (X) ∈ R+ , pour tout X ∈ T .

• On a PB (Ω) = P(Ω∩B) P(B)
P(B) = P(B) = 1. S
• Si (An )n∈N est une famille d’événement deux à deux incompatibles et A = An ,
n∈N
alors :
S S
P ( An ) ∩ B P (An ∩ B)
n∈N n∈N
PB (A) = =
P(B) P(B)

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 )
P(B)
n∈N n∈N n∈N
Donc PB est une probabilité sur (Ω, T ).

1. Si B ∈ T alors TB = {X ∩ B/X ∈ T } est une tribu sur B. On dispose
de l’espace probabilisable (B, TB ). Si de plus P(B) 6= 0 alors PB définie sur TB
par : PB (X) = P(X)
P(B) est une probabilité sur (B, TB ). On dispose ainsi de l’espace
probabilisé : (B, TB , PB )
2. Si A et B sont deux événements tel que P(B) 6= 0, alors PB (A) = P(A) si et
seulement si A et B sont indépendants.
12.1.2.3 Formule des probabilités totales :
Définition 125. Soit (Ω, T , P) un espace probabilisé. On appelle système complet

d’événements toute famille (Ai )i∈I d’événements tel que :
(i) I est non vide au plus dénombrable.
(ii) ∀i ∈ I, P(Ai ) 6= 0 et
(iii) (Ai )i∈I est une partition de Ω.
Proposition 262. Soit (Ω, T , P) un espace probabilisé et (Ai )i∈I un système com-
plet d’événements de (Ω, T , P) avec I fini. Alors, pour tout X ∈ T , on a :
X
P(X) = P(Ai )PAi (X).
i∈I


1. si on considère, en général, une famille au plus dénombrable (Ai )i∈I d’événe-
ments tel que ∀i ∈PI, P(Ai ) 6= 0 et (Ai )i∈I est une partition de Ω alors on a :
∀X ∈ T , P(X) = P(Ai )PAi (X).
i∈I
2. Si A est un événement tel que P(A)(1 − P(A)) 6= 0 alors :
∀X ∈ Ω, P(X) = P(A)PA (X) + P(Ac )PAc (X).
12.1.2.4 Formule des probabilités composées :
Proposition 263. Soit (Ω, T , P) un espace probabilisé et A et B deux événements

tel que P(A) 6= 0 et P(B) 6= 0 alors : P(B)PB (A) = P(A)PA (B)
P(A∩B) P(B∩A)
Preuve On sait que PB (A) = P(B) et PA (B) = P( A) , donc P(A ∩ B) =
P(B)PB (A) = P(A)PA (B).
Preuve C’est une conséquence immédiate de la définition des probabilités condi-

tionnelles : On a P(A|B) = P(A∩B P(B∩A)
P(B) et P(B|A) = P(A) , donc :
P(A ∩ B) = P(B)P(A|B) = P(A)P(B|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 même
chance que l’élève tiré provienne de chacune d’elles, on a P(R4 ) = 41 .
Le nombre totale des garçons dans cette classe à 30 élèves est 16, donc P(G) = 16 30 =
8
15 .
4
1. P(G|R3 ) = 7 car la rangée R3 comprends 4 garçons et 3 filles.
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 ) = 7 et P(F ) = 15 , il vient :
3 1 15 45
P(R3 |F ) = =
74 7 196
Remarque On peut généraliser cette formule sous la forme Tsuivante
:
n−1
Soit n ∈ N, n ≥ 2 et A1 , . . . , An des événements tel que P k=1 Ak 6= 0. Alors, on
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 ) =
6 0.
C’est la définition de la probabilité conditionnelles.
• Soit n ∈ N, n ≥ 2 tel que la propriété ci-dessus Sn est vrai pour n. Soit
A1 , . . . , An , A
Sn+1 des événements tel que Bn = k=1 Ak réalise P(Bn ) 6= 0 et
n+1
notons A = k=1 Ak . On a A = Bn ∩ Bn+1 , donc :
P(A) = P(Bn )P(An+1 |Bn )
Par hypothèse de récurrence et compte tenu que P(Bn−1 ) 6= 0 puisque Bn ⊂ Bn−1

Sn−1
et P(Bn ) 6= 0 (ici Bn−1 = k=1 Ak ), on a :
n n−1
!
Y \
P(Bn ) = P(A1 ) P Ak | Aj
k=2 j=1

12.2. VARIABLES ALÉATOIRES Cours deuxiéme année MP
" n n−1
!#
Y \
P(A) = P(A1 ) P Ak | Aj P(An+1 |Bn )
k=2 j=1
Donc : ! !
n+1
\ n+1
Y k−1
\
P Ak = P(A1 ) P Ak | Aj
k=1 k=2 j=1
ce qui achève la démonstration par récurrence.
12.2 Variables aléatoires

Dans toute la suite, (Ω, T , P) est un espace probabilisé.
12.2.1 Définitions, premières propriétés

Définition 126. On appelle variable aléatoire réelle sur (Ω, T , P), toute application :
X : Ω → R tel que : ∀a ∈ R, X −1 (] − ∞, a]) ∈ T .

1. Soit X une v.a.r sur (Ω, T , P). Si B est l’ensemble des parties de R, obtenues
à partir des intervalles de la forme Ia =] − ∞, a] et les opérations sur les
ensembles : union au plus dénombrable et complémentaire par rapport à Ω
(donc intersection au plus dénombrable), alors on a ∀A ∈ B, X −1 (A) ∈ T
2. On note (X ∈ A) l’événement X −1 (A), pour toute partie A ∈ B.
3. On a en particulier, par exemple :
• (X ≤ a = {ω ∈ Ω/X(ω ≤ a}
• (X = a) = {ω ∈ Ω/X(ω) = a}
• (a ≤ X ≤ b = {ω ∈ Ω/a ≤ X(ω) ≤ b}
• (X > a = {ω ∈ Ω/X(ω > a}

12.2.1.2 Quelques propriétés
Théorème 62. (admis) Si (Xk )1≤k≤m une suite de v.a.r sur (Ω, T , P) et f : Rm →
R une application continue alors l’application ω 7→ f (X1 (ω), · · · , Xm (ω)) de Ω vers
R est une v.a.r. notée f (X1 , · · · , Xm ).
Corollaire 21. Si (X1 , · · · , Xm ) est une famille de v.a.r sur (Ω, T , P) alors
m
P Qm
Xk , Xk , sup (Xk ) et inf (Xk ) sont des v.a.r sur (Ω, T , P).
k=1 k=1 1≤k≤m 1≤k≤m
Proposition 264. Si f : R → R est une application monotone alors pour toute

v.a.r X sur (Ω, T , P), on a f ◦ X est une v.a.r.
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.
Remarque La proposition ci-dessus est valable si on remplace monotone par mo-

notone par morceaux.
Proposition 265. 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 ` alors ` = inf sup uk .
n∈N k≥n

En effet, d’abord ` ≤ Un pour tout n ∈ N où Un = sup uk , car sinon, on aurait :

k≥n
∃N ∈ N, ∀k ≥ N, uk < `
ce qui contredit la convergence de (un ) vers `. Donc ` est un minorant de {Un /n ∈

N}. Soit ε > 0. Par définition de la limite, il existe N ∈ N tel que : ∀n ≥ N, `−ε <
un < ` + ε. en particulier : UN = sup uk ≤ ` + ε. Ainsi ` = inf{Un /n ∈ N}.
k≥N
- Deuxième : Soit A une partie non vide bornée de R, alors pour tout a ∈ R 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
sup(A) < a alors en prenant η = 21 (a − sup(A)), on a a − η = 21 (a + sup(A)) ,
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 :
X(ω) < a ⇔ ∃η > 0, ∀n ∈ N, ∃k ≥ n, uk < a − η
il en découle qu’il existe η > 0 tel que, si a0 = a − η, alors :
(X < a) = ∩ ∪ (Xk < a0 ).

n∈N k≥n
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.
12.2.2 Loi d’une variable aléatoire

Soit I (R) l’ensemble des intervalles de R et (Ω, T , P) un espace probabilisé.

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. Si X = (X1 , · · · , Xm ) est une famille de v.a.r. sur (Ω, T , P) alors
l’application : Φ : I (R)m → R tel que Φ(I1 , · · · , Im ) = P( ∩ (Xk ∈ Ik )),
1≤k≤m
s’appelle la loi de la famille de v.a.r. X.
Remarque On notera (X1 ∈ I1 , · · · , Xm ∈ Im ) l’événement : ∩ (Xk ∈ Ik ),

1≤k≤m
ainsi :
Φ(I1 , · · · , Im ) = P(X1 ∈ I1 , · · · , Xm ∈ Im )
12.2.3 Fonction de répartition
Définition 129. Soit X une variable aléatoire réelle sur un espace probabilisé
(Ω, T , P). L’application 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. L’application FX possède les propriétés suivantes :

1. FX est croissante sur R
2. lim FX = 0 et lim FX = 1
−∞ +∞
3. FX est continue en tout point a ∈ R à droite.

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 de
n∈N
T et ∩ (X ∈ In ) = ∅. par le théorème de continuité séquentielle monotone, on a
n∈N
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 FX
1
est continue à droite en a, il suffit de prouver que lim FX (a + n+1 ) = FX (a),
n→+∞
1
chose vraie car si In =] − ∞, a + n+1 ] alors ] − ∞, a] = ∩ In , donc par le théorème
n∈N
de continuité séquentielle monotone, on conclut.
Proposition 266. Soit t0 ∈ R, alors P(X < t0 ) = FX (t0 −).
Preuve Pour toute suite (xn ) strictement croissante qui converge vers t0 , on a
] − ∞, t0 [= ∪ ] − ∞, xn ]
n∈N
donc par la caractérisation séquentielle de la limite, et le théorème de continuité

séquentielle, on a :
P(X < t0 ) = FX (t0 −)
Corollaire 22. FX est continue au point t0 si et seulement si P(X = t0 ) = 0.
Conséquence : on peut à l’aide de FX exprimer P(X ∈ I) pour tout intervalle I

de R. par exemple, on a :
1. P(a < X ≤ b) = FX (b) − FX (a)

2. P(a ≤ X ≤ b) = FX (b) − FX (a−)

3. P(a < X < b) = FX (b−) − FX (a)
4. P(a ≤ X < b) = FX (b−) − FX (a−)
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.
12.2.4 Indépendance des v.a.r, conditionnement

12.2.4.1 Indépendance
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.
Remarques 1. Ne pas confondre avec deux à deux indépendantes.

2. La notion d’indépendance dépends de la probabilité P choisie.
Proposition 267. Si X1 , · · · , Xn sont des variables aléatoires indépendantes et

si 0 = n0 < · · · < np = n et pour tout j ∈ {1, · · · , p} on pose Yj =
fj (Xnj−1 +1 , · · · , Xnj ) et si Y1 , · · · , Yp sont des variables aléatoires alors Y1 , · · · , Yp
sont indépendantes.

12.2.4.2 Conditionnement
Définition 132. Si X et Y sont deux v.a.r. sur (Ω, T , P), on dispose des événements
(X ∈ A) et (y ∈ B où A, B ∈ BR . Si P(X ∈ B) 6= 0, alors on sait que :
P(X ∈ A, Y ∈ B)
P (X ∈ A)/(Y ∈B) =
P(Y ∈ B)
On parle de variable conditionnée : Z dont la loi est donnée par :
P(Z ∈ A) = P (X ∈ A)/(Y ∈B)
pour tout A ∈ BR .
12.2.5 Variables aléatoires réelles discrètes

Définition 133. Soit X une variable aléatoire réelle sur (Ω, T , P). on dit que X
est discrète s’il existe Ω0 ∈ T tel que P(Ω0 ) = 1 et X(Ω0 ) est au plus dénombrable.
Remarques On a les remarques suivantes :

1. Si X est une v.a.r.d., la partie D de R tel que :
D = {x ∈ X(Ω0 )/P(X = x) 6= 0},
s’appelle l’ensemble des valeurs possibles de X. On a D ⊂ D0 = X(Ω0 ) et

l’inclusion peut être stricte.
2. La loi de X est parfaitement déterminée par la donnée de D (ensemble des
valeurs possibles) et P(X = t) pour tout t ∈ D.
3. Si A ∈ I (R) (ensemble des intervalles de R) alors
X
(?) P(X ∈ A) = P(X = t)
t∈A
Notons que la somme dans (?) a un sens car l’ensemble
A0 = A ∩ D = {t ∈ A/P(X = t) 6= 0}

est au plus dénombrable, donc (?) s’écrit aussi :

X
(??) P(X ∈ A) = P(X = t)
t∈A∩D
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.
Exemple On considère Ω = R, on prends la tribu T = P(R) et soit P : T → [0, 1]

0
tel que pour
P 1 tout A ∈ T , on a : P(A) = 0 si A ∩ Z = ∅ et si A = A ∩ Z 6= ∅, alors
P(A) = 3.2|k|
. Il est aisé de prouver que (Ω, T , P) est un espace probabilisé.
k∈A0
Remarquons que l’on a :
+∞
!
X 1 1 X 1
P(Z) = = 1+2 =1
k∈Z
3.2|k| 3 n=1
2n
Soit X : R → R tel que X(ω) = ω 2 . On remarque que X(Ω) = X(R) = R+ n’est

pas dénombrable.
√
Soit Ω0 = {± n/n ∈ N} : il est clair que Ω0 est dénombrable, et puisque Z ⊂ Ω0 et
P(Z) = 1, on a P(Ω0 ) = 1. Il en résulte que la v.a.r. X est discrète.
L’ensemble des valeurs possibles de X est D = {n2 /n ∈ N} = X(Z). On remarque
que D ( D0 , où D0 = X(Ω0 ) = N.
12.2.5.2 Variables aléatoires discrètes usuelles :
1- Loi uniforme discrète
Définition 134. On dit que la v.a.r. X sur (Ω, T , P) suit une loi uniforme discrète
et on note X ,→ U[[1, n]] si X(Ω) = [[1, n]] et pour tout k ∈ X(ω) , P(X = k) = n1 .
Généralement si X(Ω) = {x1 , · · · , xn } avec x1 , · · · , xn des réels distincts et P(X =

xk ) = n1 , on dit aussi que X suit une loi uniforme discrète et on note X ,→
U({x1 , · · · , xn })
Exemple On lance un dé parfait à six faces numérotées de 1 à 6. Soit X la variable

aléatoire réelle qui désigne le numéro de la face obtenue. Alors Ω = {1, · · · , 6} et
X(Ω) = [[1, 6]] et pour tout k ∈ [[1, 6]], on a P(X = k) = 61 . Donc X ,→ U[[1, 6]].

Exemple On prends Ω = R et T = BR la tribu borélienne. On admet qu’il existe

une probabilité P sur l’espace probabilisable (Ω, T ) tel que pour tout intervalle I
non trivial de R, on ait : Z
1 2
P(I) = √ e−t dt
π I
Soit X l’application de R vers R tel que :

1 si ω < 0
∀ω ∈ R X(ω) =
2 si ω ≥ 0
Alors X est une variable aléatoire puisque pour tout intervalle J de R, on a


 ] − ∞, 0[ si 1∈J et 2 6∈ J



−1
X (J) = [0, +∞[ si 1 6∈ J et 2 ∈ J




1∈J et 2 ∈ J

R si
On a X(R) = {1, 2} et
 R0 −t 2
√1 1
 P(X = 1) =
 π −∞ e dt = 2
R +∞ 2
√1 e−t dt = 1

 P(X = 2) =
π 0 2
Il en découle que X ,→ U[[1, 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
Exemple On lance une pièce de monnaie qui montre pile avec une probabilité 13 et
face avec la probabilité 23 . Soit X la variable aléatoire qui prend 1 si on obtient pile
et 0 si on obtient face. Alors X ,→ B( 13 )
3-Loi binomiale

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 B(n, p), si
: X ,→n−k
X(ω) = [[0, n]] et pour tout k ∈ [[0, n]], P(X = k) = k p (1 − p) , où nk
n k
dénote le coefficient binomial : nk = k!(n−k)!

n!
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 que
1 1
X ,→ B(400, 10 ) Ω = [[1, 400]], X(Ω = [[0, 400]] et p = 10 et par suite :
360
400 1 9
P(X = 40) =
40 1040 10
Grâce à maple, on trouve : P(X = 40) ' 0.066
4- Loi géométrique X ,→ G(p) si X(Ω) = N∗ et P(X = n) = p(1 − p)n−1 . On
adopte la notation q = 1 − p, donc ∀n ∈ N∗ P(X = n) = pq n−1 .
Remarque Il existe une autre définition qui adopte : X ,→ G(p) si X(Ω) = N et
pour tout n ∈ N, on a : P(X = n) = p(1 − p)n
n
5- Loi de Poisson X ,→ P(λ) si X(Ω) = N et P(X = n) = e−λ λn! .
12.2.6 Variables aléatoires continues à densité

12.2.6.1 Définitions, propriétés
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 de
FX0 (t) si t ∈ R\A
la variable aléatoire réelle X.

Proposition 268. 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.
R +∞
(iii) −∞ fX (t)dt = 1.
Remarque Si une application f : R → R ne vérifie pas l’une des propriétés ci-

dessus elle ne peut être la densité de probabilité pour une variable aléatoire continue
à densité.
Proposition 269. Soit X une variable aléatoire réelle continue à densité. Si FX et

fX sont respectivement la fonction de répartition et la densité de X alors on a :
Z x
∀x ∈ R, FX (x) = fX (t)dt
−∞
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∩] − ∞,Rx[= ∅ alors FX0 R(t) = fX (t) pour tout t ∈ R, en particulier, pour tout
x x
x ∈ R, on a : −∞ fX (t)dt = −∞ FX0 (t)dt = [FX (t)]x−∞ = FX (x) car lim FX (t) =
t→−∞
0.
• 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
car fx est de classe C 1 sur chacun des intervalles ] − ∞, a[ et ]a, x] et sa dérivée

FX est continue sur chacun des intervalles ] − −∞, a] et [a, x].
• Si A∩] − ∞, x[= {a1 , . . . , am } avec m ∈ N, m ≥ 2 et a1 < · · · < am alors :
Z x Z a1 m−1
X Z ak+1 Z x
fX (t)dt = fX (t)dt + fX (t)dt + fX (t)dt
−∞ −∞ k=1 ak am

Puisque fX est de classe C1 sur chacun des intervalles :] − ∞, a1 [, ]ak , ak+1 [(1 ≤
k ≤ m − 1), ]am , x[ et que sa dérivée FX est continue sur R, on a alors :
Z x m−1
X
fX (t)dt = FX (a1 ) + (FX (ak+1 ) − FX (ak )) + FX (x) − FX (am ) = FX (x)
−∞ k=1
Proposition 270. 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
En particulier, pour tout t ∈ R, on a P(X = t) = 0.
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 269, 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
12.2.6.2 Variables continues à densité usuelles
1) Loi uniforme continue

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].
Proposition 271. 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 :

 0 si x < a
x−a
FX (x) = si a ≤ x ≤ b
 b−a
1 si b ≤ t
Rx
Preuve 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
2) Loi exponentielle de paramètre λ
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 :

λe−λx si x > 0

fX (x) =
0 si x ≤ 0
Notation : X ,→ E(λ).
Proposition 272. 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
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
3) Loi normale de Gauss
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

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
 Γ(a) t e si t ≥ 0
fX (t) =
0 si x < 0

Notation : X ,→ Γ(a, λ).
Remarque Pour tout réel strictement positif λ, on a Γ(1, λ) = E (λ).
12.2.7 Somme de deux variables aléatoires indépendantes

(Ω, T , P) est un espace probabilisé et toutes les v.a.r. sont considérées sur cet espace.
12.2.7.1 Deux variables discrètes
Proposition 273. Si X et Y sont deux v.a.r. indépendantes discrètes tel que

X(Ω) = D1 et Y (Ω) = D2 alors X + Y est une v.a.r. discrète et (X + Y )(Ω) =
D ⊂ D1 + D2 et pour tout s ∈ D, on a :
X X
P(X = s) = P(X = u)P(Y = s − u) = P(X = s − v)P(Y = v)
u∈D1 v∈D2
Preuve On peut toujours se ramener aux cas où X(Ω) et Y (Ω) sont au plus
dénombrables. 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 1 , supposer que X(ω) 6= 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)
Par indépendance, il vient :
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
pour tout s ∈ X + Y (Ω).
12.2.7.2 Une variable continue et une autre discrète
Proposition 274. Soient X et Y deux variables aléatoires réelles indépendantes

sur (Ω, T , P) tel que X est discrète d’ensemble de valeurs possibles et Y continue de
densité fY , alors X + Y est une v.a.r. continue et sa densité fX+Y est définie par :
X
∀s ∈ R, fX+Y (s) = P (X = u)fY (s − u)
u∈D
sous réservé que fX+Y est bien définie sur R et est continue sur R\A où A est une
partie finie de R.
12.2.7.3 Deux variables continues
Proposition 275. Soient X et Y deux variables aléatoires réelles indépendantes

sur (Ω, T , P) tel que X et Y sont continues de densités respectives fX et fY , alors
X + Y est une v.a.r. continue et sa densité fX+Y est définie par :
Z +∞ Z +∞
∀s ∈ R, fX+Y (s) = fX (u)fY (s − u)du = fX (s − v)fY (v)dv
−∞ −∞
sous réservé que fX+Y ci-dessus est continue sur R\A où A est une partie finie de
R.

Remarque On appelle produit de convolution de deux fonctions continues par mor-

ceaux f et g de R vers R , la fonction notée f ∗ g définie par :
Z Z
f ∗ g(x) = f (t)g(x − t)dt = f (x − t)g(t)dt
R R
On remarque donc que fX+Y = fX ∗ fY .
12.2.8 Moments, espérance, variance, écart type d’une v.a.r.

12.2.8.1 Espérance mathématique : Définition
Définition 142. Soit X une v.a.r sur (Ω, T , P).

Si X est discrète d’ensemble de valeurs possibles D et si la famille (xP(X = x))x∈D
est sommable, sa somme :
X
E(X) = xP(X = x)
x∈D
est appelée l’ espérance mathématique de X.

Si X est continue de densité fX et si l’application x 7→ xfX (x) est integrable, son
intégrale : Z +∞
E(X) = xfX (x)dx
−∞
est appelée l’espérance mathématique de X.

1. la sommabilité dans le cas discret permet d’avoir la somme indépendammentde
la permutation de ses termes. en particulier si ϕ : N∗ → D est une bijection et
si on pose xn = ϕ(n) et pn = P(X = xn ) alors
+∞
X
E(X) = x n pn .
n=1
2. On parle souvent de variable aléatoire X discrète représentée par la famille

(xi , pi ), ce qui signifie que D = {xi }i∈I est l’ensemble des valeurs possibles
et que pour tout i ∈ I, pi = P(X = xi ). Dans ce cas, et sous réserve de
sommabilité, l’espérance mathématique de X est :
X
E(X) = pi xi
i∈I

3. L’espérance mathématique de la v.a.r. X peut se P comprendre comme une moyenne

pi xi P
i∈I
de points pondérés : (xi , pi ), puisque E(X) = P pi . N’oublions pas que pi =
i∈I i∈I
1
12.2.8.2 Espérance des variables usuelles
Voir le tableau récapitulatif des variables aléatoires réelles usuelles discrètes et conti-
nues à densité. Toutes les 9 v.a.r. admettent une espérance.
12.2.8.3 Propriété de transfert
Note : On admet que si X est une variable aléatoire sur (Ω, T , P) est g : R → R
une application continue par morceaux, alors g ◦ X est une variable aléatoire sur
(Ω, T , P).
Théorème 64. Soit X un v.a.r. sur (Ω, T , P) , g : R → R une application et

Y = g ◦ X.
• Si X est discrete, représentée par la famille (xk , pk )k∈I avec I un ensemble au plus
dénombrable, et Y est une v.a.r. alors Y admet une espérance P si et seulement si la
famille (pk g(xk ))k∈I est sommable, auquel cas, on a : E(Y ) = pk g(xk ).
k∈I
• Si X est continue de densité fX et g est continue par morceaux, alors, Y admet
R +∞si l’application t 7→ g(t)fX (t) est intégrable sur R,
une espérance si et seulement
auquel cas, on a ; E(Y ) = −∞ g(t)fX (t)dt.
12.2.8.4 Transfert pour deux variables
On considère deux variables aléatoires réelles discrètes X, Y sur (Ω, T , P) de loi

conjointe la famille ((xi , yj ), pij )(i,j) ∈ I. Soit g : R2 → R une application tel que
Z = g ◦ (X, Y ) est une v.a.r. sur (Ω, T , P). Alors Z admet une espérance si et
seulement si la famille (pij g(xi , yj ))(i,j)∈I est sommable, auquel cas, on a
X
E(Z) = pij g(xi , yj )
(i,j)∈I
12.2.8.5 Linéarité de l’espérance mathématique
Soient X et Y sont deux variables aléatoires tel que chacune d’elle est soit discrète
soit continue à densité et λ ∈ R et supposons que X + λY est discrète ou continue

à densité, alors si X et Y admettent des espérances mathématiques E(X) et E(Y ),

alors X + λY en admet une et on a E(X + λY ) = E(X) + λE(Y ). Ce résultat sera
admis et peut être utilisé mais on va énoncé et démontrer ce résultat dans le cas
particulier où X et Y sont toutes les deux discrètes :
Proposition 276. Soient λ ∈ R et X et Y deux variables aléatoires discrètes sur

(Ω, T , P). Si X et Y admettent des espérances mathématiques E(X) et E(Y ) alors
X + λY admet une espérance mathématique et on a
E(X + λY ) = E(X) + λE(Y )
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 :
∀(x, y) ∈ I × J, P(X = x) 6= 0 et P(Y = y) 6= 0.
On suppose que X et Y admettent des espérances mathématiques E(X) et E(Y ).
(?) Soit λ ∈ R. En appliquant le théorème de transfert, avec l’application :
g : R → R; t 7→ λt,
et compte tenu du fait que la famille (λxP(X = x))x∈Ω(X) est sommable, on a
E(λX) existe et E(λX) = λE(X).
(?) On a K = (X +Y )(Ω) = I +J. Démontrons que la famille (|k|P(X +Y = k)k∈K
est sommable :
• La famille (P(X = i, Y = j))j∈J est sommable de somme :
S1,i = |i|P(X = i).
• Comme P(X = i, Y = i) ≤ P(Y = j) et la famille (|j|P(Y = j))j∈J est sommable
de somme E(|Y |), la famille (|j|(P(X = i, Y = j))j∈J est sommable de somme :
X
S2,i = |j|P(x = i, Y = j)
j∈Y (Ω)
• Il en découle que, pour tout i ∈ I, la famille ((|i| + |j|)P(X = i, Y = j))j∈J est

sommable de somme
X
Si = S1,i + S2,i = |i|P(X = i) + |j|P(X = i, Y = j)
j∈J

• La famille (Si )i∈I est sommable car :

• D’une part la famille (|i|P(X = i))i∈I est sommable de somme E(|X|) qui existe
par hypothèse puisque E(X) existe.
P
• D’autre part, on a E(|Y |) = |j|P(Y = j), donc par la formule des proba-
j∈J
bilités totales, compte tenu du fait que (X = i)i∈I est un système fondamental
d’événements de (Ω, T , P), on a
X X
E(|Y |) = |j| P(X = i)P(Y = j/X = i),
j∈J i∈I
donc X
E(|Y |) = |j|P(X = i, Y = j).
(i,j)∈I×J
Il en découle que la famille (|j|P(X = i, Y = j))(i,j)∈I×J est sommable et par suite

la famille (S2,i )i∈I est sommable. Donc (Si )i∈I est sommable et cela termine la
preuve du fait que la famille ((|i| + |j|)P(X = i, Y = j))(i,j)∈I×J est sommable.
• Il découle de ce qui précède que E(X + Y ) existe et de plus, en notant K =
I + J = (X + Y )(Ω) = X(Ω) + Y (Ω), on a :
X X X
E(X + Y ) = sP((X + Y = s)) = s P(X = i)P(X + Y = s/X = i)
s∈K s∈K i∈I
XX
= sP(X = i, Y = s − i)
s∈K i∈I
XX
= (i + j)P(X = i, Y = j) (j = s − i).
j∈J i∈I
XX XX
= iP(X = i, Y = j) + jP(X = i, Y = j)
i∈I j∈J j∈J i∈I
X X X X
= i P(X = i, Y = j) + j P(X = i, Y = j)
i∈I j∈J j∈J i∈I
X X
= iP(X = i) + jP(Y = j) = E(X) + E(Y ).
i∈I j∈J

12.2.8.6 Autres propriétés de l’espérance mathématique
Proposition 277. 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 278. Soient X, Y deux v.a.r. sur (Ω, T , P) et λ ∈ R. Alors :

(1) Si X admet une espérance mathématique et X ≥ 0 alors E(X) ≥ 0.
(2) Si X et Y admettent des espérances mathématiques E(X) et E(Y ) et si X ≥ Y
alors E(X) ≥ E(Y ).
(3) X admet une espérance mathématique si et seulement si |X| admet une espé-
rance mathématique et on a alors : |E(X)| ≤ E(|X|)
12.2.8.7 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 d’ordre m de X.
Proposition 279. Soit X une v.a.r. sur (Ω, T , P) et m, n ∈ N∗ tel que m ≤ n. Si

X admet un moment d’ordre n alors X admet un moment d’ordre m.
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. Soit X un variable aléatoire réelle sur (Ω, T , P) admettant un

moment d’ordre 2, et soit µ = E(X) alors la v.a.r. (X − µ)2 admet une espérance
positive ou nulle, le nombre réel positif :
V(X) = E((X − µ)2 )

2 2
p On a V(X) = E(X ) − (E(X)) .
s’appelle la variance de X.
Le nombre réel σ(X) = V(X) s’appelle l’écart type de X.
Proposition 280. Soit X une variable aléatoire sur (Ω, T , P) admettant un mo-
ment 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.

R +∞
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. On a
R +∞ R p
2 2
−∞ (t − m) f (t)dt = R\A (t − m) f (t)dt et R\A = ∪ Ij où les Ij sont
j=1
des intervalles deux à deux disjoints et f est continue sur chaque Ij . Alors si
V(X) = 0R on aurait f nulle sur chaque Ij , donc sur R\A donc sur R, ce qui
+∞
contredit −∞ f (t)dt = 1
2. Soit X une variable aléatoire discrète sur (Ω, T , P) .
• Si
P X admet2 une variance et on note µ = E(X) et si V(X) = 0 alors
(x − µ) = 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
1 = P(Ω) = P(X ∈ X(Ω))

X
= P(X = x)
x∈X(Ω)
= P(X = µ)
= P(Ω1 )
Par ailleurs et par définition de Ω1 , on a X(Ω1 ) = {µ}, donc X est constante

sur Ω1 .
• Réciproquement, supposons qu’il existe Ω1 ∈ T tel que P(Ω1 ) = 1 et X est
constante sur Ω1 . Posons alors X(ω) = m, pour tout ω ∈ Ω1 . Soit x ∈ R tel
que x 6= m. Montrons que P(X = x) = 0. On a (X = x) ∩ (X = m) = ∅ car
{m} ∩ {x} = ∅, donc X −1 ({x}) ∩ X −1 ({m}) = ∅ comme Ω1 ⊂ (X = m), on
a Ω1 ∩ (X = x) = ∅ et comme P(Ω1 ) = 1, on a : P(X = x) = 0.
On a :
X X
E(X) = xP(X = x) = mP(X = m) + xP(X = x) = m
x∈X(Ω) x∈X(Ω)
x6=m
puisque P(X = m) = P(Ω1 ) = 1.

Il en découle que la variance de X est :
X
V(X) = (x − m)2 P(X = x) = (m − m)2 P(X = m) = 0
x∈X(Ω)
Proposition 281. Soit X une v.a.r. admettant un moment d’ordre 2. Alors, on a :

(1) Pour tout λ ∈ R, la v.a.r λX admet une variance et V(λX) = λ2 V(X), en
particulier σ(λX) = |λ|σ(X).

(2) Pour tout λ ∈ R , la v.a.r. (X + λ) admet une variance et V(X + λ) = V(X).
12.2.8.8 Covariance
Proposition 282. 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 :
(E(XY ))2 ≤ E(X 2 )E(Y 2 )
Preuve Notons que XY ≤ 12 (X 2 + Y 2 ) permet de dire que E(XY ) existe. Par

ailleurs 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
∆0 = (E(X)E(Y ))2 − E(X 2 )E(Y 2 ) vérifie ∆0 ≤ 0, ce qui donne l’inégalité de
Cauchy-Schwarz.
Remarque L’inégalité de Cauchy-Schwarz s’écrit aussi :

p p
|E(XY )| ≤ E(X 2 ) E(Y 2 )
Proposition 283. Si X et Y sont deux v.a.r. indépendante sur (Ω, T , P) admettant

des moments d’ordre 2, alors XY admet une espérance et E(XY ) = E(X)E(Y ).
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 proposition
282, 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
partition de I × J et on a :
[
∀k ∈ K, (XY = k) = (X = i, Y = j)
(i,j)∈Uk

et il s’agit d’une réunion disjointe, donc

X X X X
E(XY ) = kP(X = i, Y = j) = ijP(X = i, Y = j),
k∈K (i,j)∈Uk k∈K (i,j)∈Uk
et par indépendance, il vient :

X X
E(XY ) = ijP(X = i)P(Y = j),
k∈K (i,j)∈Uk
et comme (Uk )k∈K est une partition de I × J, le théorème de sommation par

paquets permet d’écrire
X
E(XY ) = ijP(X = i)P(Y = j)
(i,j)∈I×J
et en utilisant les produits des séries absolument convergentes et qu’une famille

sommable peut se traduire en série absolument convergente il vient :
!  
X X
E(X) = iP(X = i) ×  iP(Y = j) = E(X)E(Y )
i∈I j∈J
Proposition 284. Si X et Y sont deux v.a.r indépendantes sur (Ω, T , P) admettant

des moments respectifs d’ordre 2 alors X + Y admet une variance et :
V(X + Y ) = V(X) + V(Y )
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 :
C(X, Y ) = E((X − E(X))(Y − E(Y )))
s’appelle la covariance des v.a.r X et Y .

Proposition 285. 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 :
V(X + Y ) = V(X) + V(Y ) + 2C(X, Y )
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 ).
Remarque Attention ! la réciproque n’est pas vraie.
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 ) 6= 0. Si V(X)V(Y ) 6= 0, le nombre
réel :
C(X, Y )
ρ(X, Y ) =
σ(X)σ(Y )
est appelé le coefficient de corrélation de X et Y .
un moment d’odre deux et tel que : V(X)V(Y ) 6= 0. Alors :
1. ρ(X, Y ) ∈ [−1, 1].

α>0
2. ρ(X, Y ) = 1 ⇔ ∃(α, β) ∈ R2 , .
Y = αX + β

12.3. FONCTION GÉNÉRATRICE Cours deuxiéme année MP

α>0
3. ρ(X, Y ) = −1 ⇔ ∃(α, β) ∈ R2 , .
Y = −αX + β
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 ) 6= 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.
12.2.8.9 Variable aléatoire centrée, réduite
Définition 147. Soit X une v.a.r. sur (Ω, T , P).

1. Si X admet un moment d’ordre 1, alors la variable aléatoire X̃ = X − E(X)
s’appelle la variable aléatoire centrée associée à X.
2. Si X admet un moment d’ordre 2 et si V(X) 6= 0, la v.a.r : X ∗ = 1
σ(X) (X −
E(X)) s’appelle variable aléatoire centrée réduite associée à X.
Remarque On a E(X ∗ ) = 0 et σ(X ∗ ) = 1
Exemple Soit (Ω, T , P) un espace probabilisé et X une v.a.r. continue à densité tel
que X ,→ U[1, 2]. On sait que E(X) = 23 et V(X) = 12 1
, donc σ(X) = 2√1 3 , alors
√
X ∗ = 2 3(X − 32 ).
12.3 Fonction génératrice

Dans tout ce paragraphe, (Ω, T , P) est un espace probabilisé et on ne considère que
des variables aléatoires discrètes à valeurs dans N.
12.3.1 Définition, propriétés

pn tn
P
Proposition 288. Soit X un v.a.r. représentée par (n, pn ). La série entière
a un rayon de convergence R tel que R ≥ 1 et la fonction GX définie par
+∞
X
GX (t) = p n tn
n=0
est continue sur [−1, 1] et elle est de classe C ∞ sur ] − R, R[. On a GX (1) = 1
Définition 148. La fonction GX s’appelle fonction génératrice de la v.a.r. discrete

X.
+∞
X
tn P(X = n).
P
Remarque Si t > 0 alors GX (t) = E(t ) =
n=0
Exemple Ω = R, T = P(R) et P : T → R tel que, pour A ∈ T :

 1 P 1
 3 k∈Z∩A 2|k| si A ∩ Z 6= ∅

P(A) =

0 si A ∩ Z = ∅

Soit X : R → R tel que X(x) = | bxc | (partie entière de x.)

Il est clair que X(R) = N et pour tout n ∈ N, si n > 0 alors (X = n) = {x ∈
R/| bxc | = n} = [−n, −n + 1[∪[n, n + 1[, donc P(X = n) = 3.21n−1 et P (X = 0) = 31 ,
donc la fonction génératrice de X est :
+∞
1 2 X tn
GX (t) = +
3 3 n=1 2n
1 2t 2 2+t
Donc pur tout t ∈] − 2, 2[, on a GX (t) = 3 + 6 2−t = 3(2−t) .
Convention : Soit X une v.a.r. discrète à valeur dans N et GX sa fonction généra-

trice de rayon de convergence R ≥ 1. On conviendra que si R = 1, la dérivabilité k
fois au point 1 signifie la dérivabilité k à gauche au point 1.

Théorème 65. Soit X un v.a.r. discrète à valeurs dans N, et GX sa fonction

génératrice, alors :
1. X admet un espérance si et seulement si GX est dérivable au point 1, auquel
cas on a : E(X) = G0X (1).
2. X admet un moment d’ordre 2 (donc une variance) si et seulement si GX est
deux fois dérivable au point 1, auquel cas, on a : E(X 2 ) − E(X) = G00X (1).
Preuve Soit R le rayon de convergence de GX (t) = pn tn .

P
• Premiers cas : R > 1
Puisque 1 est un point du disque de convergence de la série entière GX (t), alors il
est clair que GX est infiniment dérivable au point 1 et :
+∞
X +∞
X
G0X (1) = npn = npn = E(X)
n=1 n=0
et
+∞
X +∞
X +∞
X
G00X (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 :
∀n ∈ N∗ , ∀t ∈ [−1, 1], fn0 (t) = nptn−1
(Bien entendu f00 (t) = 0 pourPtout t ∈ [−1, 1]). Il en découle que |fn0 (t)| ≤ npn
pour tout n ∈ N donc la série fn0 converge normalement donc uniformément
P sur
[−1, 1] donc on peut dériver terme à terme la série de fonctions fn sur [−1, 1],
donc :
+∞
X
0
∀t ∈ [−1, 1], GX (t) = npn tn−1
n=1
en particulier :
+∞
X X
G0X (1) = npn = npn = E(X).
n=1 n=0

• Réciproquement, supposons que GX est dérivable au point 1. alors : G0x (1) =

lim ∆X (t) où ∆X (t) = GX (t)−G
t−1
X (1)
, pour tout t ∈ [0, 1[. Remarquons que l’on a :
x→1
+∞
X +∞
X
n
GX (t) − GX (1) = pn t − pn
n=0 n=0
+∞
X
= pn (tn − 1)
n=1
+∞
X X
= (t − 1)pn ( n − 1tk )
n=1 k=0
+∞
X n−1
X
= (t − 1) pn tk
n=1 k=0
Donc :
+∞
X n−1
X
∆X (t) = pn Pn (t), avec , Pn (t) = tk
n=1 k=0
P
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 n,
Pn
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 :
Sn (t) ≤ G0X (1)
ce qui prouve l’existence de E(X). D’après la première partie de cette démonstra-

tion, on a alors E(X) = G0X (1).
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 applications
fn : [−1, 1] → R; t 7→ fn (t) = pn tn est normalement donc uniformément conver-
gente sur [−1, 1], ce qui permet en particulier de dire GX est deux fois dérivable
+∞
au point 1 et que G0x (1) = E(X) et G00X (1) = n(n − 1)pn = E(X 2 ) − E(X).
P
n=0
• 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
G0X (1) = E(X). Par ailleurs on a :
+∞
X +∞
X
∀t ∈ [0, 1[, G0X (t) = npn t n
et G0X (1) = npn
n=1 n=1
ce qui permet de dire que : G00X (1) = lim ∆0X (t) avec
t→1
+∞
G0X (t) − G0X (1) X
∆0X (t) = = n(n − 1)pn Qn (t)
t−1 n=2
n−2
tk . Comme dans la première partie, on va montrer que Tn =
P
avec Qn (t) =
k=0
n
P
k(k − 1)pk est majoré, on commence par remarque que si on pose Hn (t) =
k=0
n
k(k − 1)pk Qk (t) alors lim Hn (t) = Tn . Or Hn (t) ≤ ∆0X (t) et par passage à
P
k=2 t→1
la limite, on obtient Tn ≤ G00X (t)
P
et par suite la série − 1)pn converge
n(n P
n2 pn converge
P
et comme E(X) existe la série npn converge dons la série
d’où l’existence du moment d’ordre 2 et d’après la preuve du premier sens on a
G00X (2) = E(X 2 ) − E(X).
Ceci termine la preuve du théorème.
Remarque Lorsque le rayon de convergence R de GX réalise R > 1, il est clair que

GX est infiniment dérivable au point 1, en particulier X admet une espérance et une
variance et on a les relations ci-dessus données par le théorème.

12.4. INÉGALITÉS, CONVERGENCE Cours deuxiéme année MP
12.3.2 Fonction génératrice d’une somme de v.a.r. indépendantes
Théorème 66. Si Xk , 1 ≤ k ≤ m sont des variables aléatoires réelles discrètes à

valeurs dans N et si ces v.a.r sont indépendantes alors :
m
Y
GP
m = GXk
Xk
k=1 k=1
Preuve il suffit de le prouver pour deux variables, le reste s’en déduit par simple
récurrence. 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
P n P n
On remarque qu’il s’agit du produit de Cauchy des séries pn t et qn t où
p = P(X = n) et qn = P(Y = n), qui sont absolument convergente pour tout t tel
que |t| < 1, donc :
GX+Y (t) = GX (t)GY (t)
P n P n
où GX (t) = pn t et GY (t) = qn t sont les fonctions génératrices respectives
de X et Y .
12.4 Inégalités, Convergence

12.4.1 Inégalité
12.4.1.1 Inégalité de Markov

Théorème 67. Soit X une v.a.r positive sur (Ω, T , P) tel que X admet une espé-
rance, 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
Ce qui donne l’inégalité de Markov.

Si X est discrete d’ensemble de valeurs possibles D alors :
X X X
E(X) = xP(X = x) = xP(X = x) + xP(X = x)
x∈D x∈D x∈D
x≥α x<α
Donc, compte tenu de X ≥ 0 on a :

X X
E(X) ≥ xP(X = x) ≥ α P(X = x) = αP(X ≥ α)
x∈D x∈D
x≥α x≥α
ce qu’il fallait démontrer.
12.4.1.2 Inégalité de Bienaymé-Chebychev
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.
12.4.1.3 inégalité de Jensen
Avant de donner l’énoncé de ce théorème on rappelle que toute application f : R → R

convexe sur R est continue sur R.
on admet que si X est une variable aléatoire sur (Ω, T , P) est f : R → R continue
(par morceaux) alors f (X) est une variable aléatoire.
Théorème 69. Soit X une variable aléatoire réelle ayant une espérance et f : R →
R convexe. Si f (X) admet une espérance alors :
f (E(X)) ≤ E(f (X))
Preuve Dans la cas d’une variable aléatoire discrete. On suppose X représen-

n
tée par (xk , pk )k∈N∗ . Pour tout n ∈ N∗ , posons : En =
P
pk xx alors E(X) =
k=1
n
P
lim (En ). Si πn = pk alors par convexité de f , on a :
n→+∞ k=1
n n
En X pk 1 X
f ≤ f (xk ) = pk f (xk )
πn πn πn
k=1 k=1
Par passage à la limite quand n tends vers +∞ et comme f (X) admet une espé-
rance et par continuité de f et le fait que lim πn = 1, on obtient :
n→+∞
f (E(X)) ≤ E(f (X))

12.4.2 Convergence
12.4.2.1 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 289. Si X ainsi que les Xn sont discrètes à valeurs dans N alors
Xn → X en loi si et seulement si
∀k ∈ N, lim P(Xn = k) = P(X = k)

n→+∞
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 P 1
3 2|k|
si A ∩ Z 6= ∅
3. On considère ici Ω = R, T = P(R) et P(A) = k∈A∩Z
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 paramètre
x0 , et on note Y ,→ D(x0 ) si P(Y = x0 ) = 1. Il en résulte que l’ensemble de
valeurs possibles de Y est D = {x0 }. Un exemple simple de telle variables est
l’application constante ω 7→ x0 de R vers R.
l Soit Xn une variable aléatoire réelle tel que Xn ,→ B( n1 ). Alors Xn → X en
loi où X ,→ D(0).
En effet, nous avons, pour tout n ∈ N∗ :

 0 si t < 0
Fn (t) = 1 − n1 si 0 ≤ t < 1
1 si 1 ≤ t

et par suite, (Fn ) converge simplement sur R vers F définie par

0 si x < 0
F (t) =
1 si 0 ≤ x

On voit que F est la fonction de répartition d’une variable aléatoire X suivant

D(0).
12.4.2.2 Convergence en probabilité
Définition 150. On dit qu’une suite (Xn ) de v.a.r sur (Ω, T , P) converge en pro-
babilité vers une v.a.r X sur (Ω, T , P) si :
∀ε > 0, lim (P(|Xn − X| ≥ ε)) = 0

n→+∞
Proposition 290. 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→+∞
On a Ω1 = Ω car Ω1 ⊂ Ω par définition de Ω1 ; réciproquement, si ω ∈ Ω alors
X(ω) ∈ R et comme (fn ) → f simplement, on a fn (X(ω)) → f (X(ω)), d’où
Yn (ω) → Y (ω).
Notons que pour tout ω ∈ Ω, on a :
ω ∈ Ω1 ⇔ ∀α >, ∃N ∈ N, ∀n ≥ N, |Yn (ω) − Y (ω)| < α
Par suite, on peut dire que

\ [ \
Ω = Ω1 = An,α
α>0 N ∈N n≥N
où
An,α = (|Yn − Y | < α)
Soit ε > 0 , alors : [ \

Ω⊂ An,ε ⊂ Ω
N ∈N n≥N

par suite : [ \
Ω= An,ε
N ∈N n≥N
Pour tout N ∈ N, notons : BN = ∩ An,ε . Il est aisé de voir que BN ∈ T . Il

n≥N
découle de ce qui précède que :
Ω = ∪ BN
N ∈N
La famille (BN )N ≥0 est une famille croissante d’éléments de T puisque, BN =

AN,ε ∩ BN +1 ⊂ BN +1 .
Par le théorème de la continuité séquentielle monotone, on a : 1 = P(Ω) =
supN ∈N P(BN ).
Soit δ ∈ R∗+ , par définition de la borne supérieure, il existe N ∈ N tel que
1 − δ < P(BN ). Remarquons que ∀n ≥ N, BN ⊂ An,ε , donc P(An,ε ) ≥ P(BN ), et
par suite :
∀n ≥ N, P(An,ε ) > 1 − δ
Or : An,ε = (|Yn − Y | > ε, donc P(An,ε ) = 1 − P(|Yn − Y | ≥ ε), ce qui donne :
∀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 :
∀ε > 0, lim P(|Yn − Y | ≥ ε) = 0

n→+∞
ce qui signifie que Yn converge en probabilité vers Y .
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.
Preuve Ce théorème est admis.

12.4.3 Lois faible des grands nombres et théorème limite central

12.4.3.1 Loi faible des grands nombres
Théorème 71. Soit (Xn )n∈N∗ une suite de v.a.r indépendantes et identiquement
distribuées admettant un moment d’ordre 2. Soit µ l’espérance
mathématique com-

n
mune de ces variables aléatoires Xn , n ≥ 1. Alors la suite Mn = n1
P
Xk
k=1 n≥1
converge en probabilité vers la variable aléatoire constante µ.
n
1
P
Preuve Soit Mn = n Xn . Par linéarité de l’espérance, on a E(Mn ) = µ et par
k=1
2
indépendance on a V (Mn ) = n12 (nσ 2 ) = σn où σ est l’écart-type commun des 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→+∞
12.4.3.2 Théorème limite central
Théorème 72. Soit (Xn )n≥1 une suite de v.a.r. indépendantes, identiquement dis-
tribuées admettant 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
n
que Mn = n1 Xk . Alors la suite (Mn∗ ) des variables aléatoires réduites centrées
P
k=1
des Mn converge en loi vers une v.a.r. qui suit la loi de Gauss standard : N (0, 1)
Remarque Dans la pratique, quand n est suffisamment grand, on assimile la moyenne

Mn avec une variable aléatoire Y tel que Y ,→ N (µ, √σn )
En effet, la variable aléatoire centrée Mn∗ est liée à Mn par
1
Mn∗ = (Mn − E(Mn )).
σ(Mn )
n
1
Xk . Donc E(Mn ) = n1 (nµ) = µ et par indépendance,
P
Or Mn = n Sn , où Sn =
k=1
1 2 σ2
V (Mn ) = n2 nσ = n, donc
σ
σ(Mn ) = √ ,
n
donc √
n
Mn∗ = (Mn − µ),
σ
ce qui donne aussi
σ
Mn = √ Mn∗ + µ.
n
On peut démontrer facilement que si X est une variable aléatoire et X ∗ la variable
aléatoire centrée réduite associée alors X ,→ N (µ, σ) ⇔ X ∗ ,→ N (0, 1).
Ainsi le fait d’identifier Mn∗ à une variable aléatoire qui suit la loi N (0, 1) est équi-
valent à identifier Mn à X tel que X ,→ N (µ, √σn )
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-
rance µ = π et d’écart-type σ = √π3 . Si on applique le théorème central limite, on
identifie la moyenne M200 à une v.a.r X tel que X ,→ N (π, 10π√6 ). On veut :
P (Mn ≤ π) = P(X ≤ π)
√ Z
10 6 π − 1 ( 10√6(t−π) )2
= √ e 2 π dt
π 2π −∞
' 0.5

12.5. ANNEXE Cours deuxiéme année MP
12.5 Annexe
12.5.1 Tableau récapitulatif des variables aléatoires réelles discrètes usuelles
Nom Notation X(Ω)Loi de X E(X)V(X) GX (t)
Uniforme
dis- n + 1 n2 − 1 1 − tn
crète X ,→ U (A) A k ∈ {1 · · · n}
2 12 1−t
A = {1, ..., n} 1
P(X = k) =
n
Bernoulli
de
para- X ,→ Ber(p){0, 1} P(X = 0) = 1 − pp p(1−p) 1 − p + pt
P(X = 1) = p
mètre
p ∈
[0, 1]
Binomiale
de
para- X [[0, n]]P(X = k) = Cnk pk qnp
,→ B(n, p) n−k
np(1−p)(1−p+pt)n
mètres avec q = 1 − p
n et p
Poisson
de λn λ
para- X ,→ P(λ) N P(X = n) = e−λ λ eλ(t−1)
n!
mètre
λ, avec
λ ∈
∗
R+
Loi
géomé- 1 1−p pt
trique X ,→ G (p) N∗ P(X = n) = p(1−p)n−1
p p2 1 − (1 − p)t
de
para-
mètre
p avec
p ∈
]0, 1[

12.5.2 Tableau récapitulatif des variables aléatoires réelles continues à

densité usuelles :
Nom Notation Loi de X E(X) V(X)
Uniforme X a pour fonction de répar-
continue tition : a + b (b − a)2
sur le X ,→ U ([a, b]) 
0 si t<0 2 12
segment t−a
FX (t) = si a≤t≤b
[a, b]  b−a
1 si t>b
Loi expo- X a pour fonction de répar-

nentielle tition : 1 1
de pa- X ,→ E (λ)
1 − e−λt si t ≥ 0 λ λ2

ramètre FX (t) =
0 si t < 0
λ avec
λ ∈ R∗+
Loi nor- X a pour densité fX tel que :
male de 1 2
Gauss X ,→ N (µ, σ) f X (t) = √ e− (t−µ)

2σ 2 µ σ2
σ 2π
de para-
mètres µ
et σ avec
µ, σ ∈ R
et σ > 0
Loi X a pour densité fX tel que :
Gamma λa −λt a−1 a a
X ,→ Γ(a, λ) e t si t > 0
de para- fX (t) = Γ(a)
λ λ2
mètres a 0 si t ≤ 0
et λ avec
a, λ ∈
∗
R+

12.5.3 Stabilité de certaines lois

12.5.3.1 Loi de Bernoulli, loi binomiale
Proposition 291. X et Y sont deux v.a.r indépendantes sur (Ω, T , P). Si X ,→

Ber(p) et Y ,→ Ber(q) et X et Y alors XY ,→ Ber(pq)
Remarque Généralement si X1 , · · · , Xm sont des v.a.r indépendantes tel que

∀k ∈ [[1, m]], Xk ,→ Ber(pk )
alors m m
Y Y
X= Xk ,→ Ber(p) où p = pk
k=1 k=1
Proposition 292. Si X, Y sont deux v.a.r indépendantes sur (Ω, T , P) et si X ,→

B(n, p) et Y ,→ B(m, p) alors X + Y ,→ B(n + m, p)
Remarques 1. Plus généralement si X1 , · · · , Xn indépendantes et Xk ,→ B(nk , p)

alors n n
X X
X= Xk ,→ B( nk , p)
k=1 k=1
2. Si (Xk )1≤k≤n indépendantes tel que ∀k ∈ [[1, n]], Xk ,→ Ber(p) alors

n
X
Xk ,→ B(n, p)
k=1
12.5.3.2 Lois de Poisson
Proposition 293. Soit m ∈ N∗ et (Xk )1≤k≤m une famille de v.a.r indépendantes.

Pm m
P
On note X = Xk et λ = λk . Si pour tout k ∈ [[1, m]], Xk ,→ P(λk ) alors
k=1 k=1
X ,→ P(λ)

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 j
X
−λ1 λ1 −λ2 λn−j
2
= e e
j=0
j! (n − j)!
n
−(λ1 +λ2 ) 1 n j n−j
X
= e λλ
n! j=0 j 1 2
n
−λ λ
= e
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 de
m
P Pm
récurrence, Xk ,→ P( λk ) et d’après la propriété vraie pour m = 2 on en
k=1 k=1
m+1
P m+1
P
déduit que Xk ,→ P( λk )
k=1 k=1
12.5.3.3 Loi Γ
Proposition 294. Si X et Y sont deux v.a.r indépendantes sur (Ω, T , P) tel que
X ,→ Γ(λ, a) et Y ,→ Γ(λ, b) alors X + Y ,→ Γ(λ, a + b)
On donne les remarques suivantes :

1. Généralement si X1 , · · · , Xm sont des v.a.r indépendantes sur (Ω, T , P) et si
m
P m
P
Xk ,→ Γ(λ, ak ) alors Xk ,→ Γ(λ, ak )
k=1 k=1
2. Remarquons que Γ(λ, 1) = E (λ) donc si X1 , · · · , Xm indépendantes suivent
E (λ) leur somme suit Γ(λ, m).

12.5.3.4 Loi normale
Proposition 295. Si X et Y sont deux v.a.r indépendantes sur p (Ω, T , P) tel que
X ,→ N (µ1 , σ1 ) et Y ,→ N (µ2 , σ2 ) alors X + Y ,→ N (µ1 + µ2 , σ12 + σ22 )
Généralement si X1 , · · · , Xm indépendantes tel que Xk ,→ N (µk , σk ) alors

m
X
X= Xk ,→ N (µ, σ)
k=1
où v
m
X
u m
uX
µ= µk et σ = t σk2
k=1 k=1

Chapitre 13
Calcul différentiel.
13.1 application différentiable

Dans tout ce qui suit les espaces vectoriels introduits sont des R−espaces vectoriels
normés de dimensions finies. Quand on cite : f : U ⊂ E → F application , on entends
par U un ouvert non vide de l’evn E et F un evn bien sûr tous de dimensions finies.
13.1.1 Dérivée suivant un vecteur

Proposition-Définition 14. Soit f : U ⊂ E → F une application, a ∈ U , e

un vecteur de E et ϕa,e l’application définie par ϕa,e (t) = f (a + te). L’application
ϕa,e est bien définie sur un intervalle de la forme ] − α, α[ avec α > 0. Si ϕa,e est
dérivable au point 0 le vecteur ϕ0a,e (0) s’appelle dérivée de f au point a suivant le
vecteur e. On le note De f (a).
Ainsi, s’il existe, De f (a) = lim f (a+te)−f

t
(a)
.
t→0
Preuve Démontrons l’existence de α > 0 tel que ∀t ∈] − α, α[, a + te ∈ U .

Supposons e 6= 0 (si e = 0 alors a + te = a ∈ U , pour tout t ∈ R)Comme U
R
est un ouvert et a ∈ U , il existe R > 0 tel que B(a, R) ⊂ U . Soit α = kek , alors
pour tout réel t tel que |t| < α, on a k(a + te) − ak = |t|kek < αkek = R, donc
a + te ∈ B(a, R), et comme B(a, R) ⊂ U , on a a + te ∈ U .
Exemples :
321
13.1. APPLICATION DIFFÉRENTIABLE Cours deuxiéme année MP
1. f : R2 → R; (x, y) 7→ f (x, y) = x2 y + 3x3 + xy ; a = (1, 2) et e = (1, 1). Alors
ϕa,e (t) = f (a + te)

= f ((1, 2) + (t, t))
= f (1 + t, 2 + t)
= (1 + t)2 (2 + t) + 3(1 + t)3 + (1 + t)(2 + t)
Donc pour tout t ∈ R, on a :
ϕ0a,e (t) = 2(1 + t)(2 + t) + ((1 + t)2 + 9(1 + t)2 + 2t + 3
de sorte que :
ϕ0a,e (0) = 4 + 1 + 9 + 3 = 17
donc f est dérivable au point a suivant e et on a :
De f (a) = 17.
2. Soit f : R2 → R3 ; (x, y) 7→ (x, x + y, xy). Pour a = (1, 1) et e = (2, 3), on

a ϕa,e (t) = f (1 + 2t, 1 + 3t) = (1 + 2t, 2 + 5t, 6t2 + 5t + 1), donc ϕ0a,e (t) =
(2, 5, 12t + 5) et De f (a) = (2, 5, 5).
3. f : Mn (R) → R; M 7→ tr(A) ; A = E = In ; la dérivée de f en A suivant E
est ϕ0A,E (0) avec : ϕA,E (t) = f (A + tE) = tr((1 + t)In ) = n(t + 1), donc :
ϕ0A,E (t) = n et DE f (A) = n.
13.1.1.2 Dérivées partielles
Soit E un K−espace vectoriel normé de dimension p, (p ∈ N∗ ) et B = (e1 , · · · , ep )

une base de E si x ∈ E, on note x1 , · · · , xp les coordonnées de x relativement à
B. Soit f : U ⊂ E → F une application et a ∈ U . Si pour i ∈ [[1, p]], la dérivée
∂f
Dei f (a) de f au point a suivant ei existe on la note ∂x i
(a) et on l’appelle i ème
dérivée partielle de f au point a.
Remarque Si E = Rp muni de sa base canonique et f : U ⊂ Rp → F une ap-
∂f
plication. La dérivée partielle ∂xi
(x) s’obtient en dérivant l’expression f (x1 , · · · , xp )
par rapport à xi . Par exemple f (x, y) = (x2 − y 2 ) + 2xyi considérée comme appli-
cation de R2 vers C admet toutes les dérivées partielles en tout point. On a pour
X = (x, y) ∈ R2 :
∂f ∂f
(X) = 2(x + yi) et (X) = 2i(x + yi)
∂x ∂y

13.1.1.3 Dérivée suivant un vecteur et composantes
On suppose que dim(F ) = n et que C = (v1 , · · · , vn ) est une base de F . Soit

f : U ⊂ E → F une applications de composantes dans C , les applications f1 , · · · , fn ,
Pn
donc f = fi vi . En partant d’une proposition sur les fonctions vectorielles on a la :
i=1
Proposition 296. Soit e ∈ E alors les assertions suivantes sont équivalentes :

(1) f admet une dérivée au point a suivant e.
(2) Pour tout i ∈ [[1, n]], l’application fi admet une dérivée au point a suivant e.
Si c’est le cas, on a :
n
X
De f (a) = De fi (a)vi
i=1
Remarque En particulier si dim(E) = p et B = (e1 , · · · , ep ) une base de E et

on note x1 , · · · , xp les coordonnées de x ∈ E, avec les notations ci-dessus à savoir
C = (v1 , . . . , vn ) est une base de F et f1 , . . . , fn les composantes de f alors les
assertions suivantes sont équivalentes :
∂f
(1) Les dérives partielles ∂xj (a) pour j ∈ [[1, p]] existent.
∂fi
(2) Pour tout i ∈ [[1, n]], Les dérives partielles ∂xj (a) pour j ∈ [[1, p]] existent.
auquel cas on a
n
∂f X ∂fi
(a) = (a)vi
∂xj i=1
∂x j
13.1.2 Application différentiable

Pour le moment les études concernant la dérivabilité d’une application en un point
sont faites sur des applications f : I → E où I est un intervalle de R et E un espace
vectoriel normé de dimension finie. Nous allons généraliser cette notion et on parlera
d’application différentiable ; les applications concernées étant définies d’une partie
ouverte U d’un espace vectoriel normé E vers un autre espace vectoriel normé F .

13.1.2.1 Différentiabilité en un point
Si f : I → R est une application d’un intervalle I de R vers R et a un point de I,

on sait que si f est dérivable au point a alors pour h réel voisin de 0, on a :
f (a + h) = f (a) + L(h) + hε(h)
où ε est une application de V {0} vers R où V est un voisinage de 0 tel que
lim ε(h) = 0
h→0
h6=0
On s’inspire de cette idée pour donner la définition générale suivante :
Définition 151. Soit f : U ⊂ E → F une application et a ∈ U . On dit que f est

différentiable au point a s’il existe une application linéaire L ∈ L(E, F ), un voisinage
V de 0 dans E et une application ε : V → F tel que :


 ∀h ∈ V, a + h ∈ U et f (a + h) = f (a) + L(h) + khkε(h)

 lim ε(h) = 0.
 h→0

h6=0
Remarque Si U est un ouvert alors pour tout a ∈ V l’ensemble

Va = {h ∈ E/a + h ∈ U }
est un voisinage de a. On peut dire que f est différentiable au point a si et seulement
si il existe L ∈ L(E, F ) tel que l’application définie sur Va \{h} :
1
∀h ∈ Va , ε(h) = (f (a + h) − f (a) − L(h))
khk
réalise :
lim ε(h) = 0
h→0
Proposition 297. Si f est différentiable au point a, l’application L ci-dessus est

unique.

Preuve Si L, L0 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|kekε(te) = f (a) + tL0 (e) + |t|kekε0 (te)
de sorte que |t|(L(e) − L0 (e)) = |t|ϕ(t) avec lim ϕ(t) = 0, donc L(e) = L0 (e). Par
t→0
ailleurs L(0) = L0 (0) donc L = L0 .
Définition 152. Si f est différentiable au point a, l’application linéaire L est notée

df (a) et appelée différentielle de f au point a.

1. Si f est différentiable au point a, alors pour h voisin de 0, on a :
f (a + h) = f (a) + df (a)(h) + o(khk).
2. f est différentiable au point a si et seulement si : il existe L ∈ L(E, F ) tel que :
f (a + h) − f (a) − L(h)
lim =0
h→0 khk
h6=0
auquel cas, L = df (a).
Définition 153. Soit f : U ⊂ E → F une application. On dit que f est différen-

tiable sur U si f est différentiable en tout point de U .
Proposition 298. Si f est différentiable au point a alors f est continue au point a
Preuve Comme f est différentiable au point a, on a pour h voisin de 0 :
f (a + h) − f (a) = df (a)(h) + khkε(h)
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
h6=0
continuité de l’application linéaire df (a)(dimension finie).

13.1.2.2 Exemples d’applications différentiables
Proposition 299. E et F sont des espaces vectoriels normés de dimensions finies

et f ∈ L(E, F ) une application linéaire de E vers F . Pour tout ouvert U non vide
de E, la restriction de f à U est différentiable sur U et on a (en notant f cette
restriction) :
∀a ∈ U, df (a) = f
Preuve Soit a ∈ U et h voisin de 0. Par linéarité, on a
f (a + h) = f (a) + f (h) + khkε(h)
avec ε(h) = 0 pour tout h ∈ E, donc en appliquant la définition, f est différentiable

au point a et df (a) = f .
Proposition 300. E, F, G sont des espaces vectoriels normés de dimensions finies

et f : E × F → G une application bilinéaire. Pour tout ouvert non vide U de
E × F , la restriction de f à U est différentiable et pour tout (a, b) ∈ U et tout
(h, k) ∈ E × F , on a :
df(a,b) (h, k) = f (h, b) + f (a, k)
Preuve Soit (a, b) ∈ U et (h, k) ∈ E × F , alors : en posant A = (a, b) et H =

(h, k), on a :
f (A + H) = f ((a, b) + (h, k))

= f (a + h, b + k)
= f (a, b) + f (a, k) + f (h, b) + f (h, k)
On adopte par exemple la norme kHk = sup(khk, kkk), alors par continuité de
l’application bilinéaire f il existe une constante positive M tel que pour tout (h, k) ∈

E × F , on a : kf (h, k)k ≤ M khkkkk ≤ M k(h, k)k2 , 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) + kHkε(H)

1 1
avec ε(H) = kHk f (H) = kHk f (h, k) si H 6= 0 et ε(0) = 0 de sorte que d’après l’in-
égalité kf (h, k)k ≤ M k(h, k)k2 , 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).
Remarque On a une généralisation : Si F, E1 , · · · , Em sont des espaces vectoriels normés

Qm
de dimensions finies et f : E = Ek → F une application m−linéaire alors
k=1
la restriction de f à tout ouvert U de E est différentiable sur U et pour tout
A = (a1 , · · · , am ) ∈ U et tout H = (h1 , · · · , hm ) ∈ E, on a :
dfA (H) = f (h1 , a2 , · · · , am ) + · · · + f (a1 , · · · , am−1 , hm ).
Proposition 301. Toute application constante f : U ⊂ E → F est différentiable

sur U et df (a) = θ pour tout a ∈ U où θ est l’application nulle de E vers F .
Preuve Pour tout (a, h) ∈ U × E, on a f (a + h) = f (a) + θ(h) + khkθ(h), ce qui

prouve le résultat.
13.1.2.3 Dérivabilité et différentiabilité
Proposition 302. Soit I un intervalle ouvert non vide de R et a ∈ I. Soit f : I →

F une application. Les assertions suivantes sont équivalentes :
(1) f est dérivable au point a.
(1) f est différentiable au point a.
Si c’est le cas , on a :
∀h ∈ R, df (a)(h) = hf 0 (a) et f 0 (a) = df (a)(1) = D1 f (a)

Preuve Supposons que f est dérivable au point a, alors pour h réel voisin de 0,
on a : f (a + h) = f (a) + hf 0 (a) + o(h), ce qui exprime que f est différentiable
au point a et que pour tout h réel df (a)(h) = hf 0 (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 0 (a) = df (a)(1). Par définition de la dérivée suivant le vecteur 1, on a
aussi f 0 (a) = D1 f (a)
13.1.3 Différentiabilité et dérivées partielles

Soit E un K−espace vectoriel normé de dimension p avec p ∈ N∗ et B = (e1 , · · · , ep )
une base de E. Soit F un K−espace vectoriel normé de dimension finie , U un ouvert
non vide de E et f : U → F une application.
On va voir que si f est différentiable en un point a de U alors les dérivées partielles
∂f ∂f
∂xi (a) existent et que ∂xi (a) = Dei f (a) = df (a)(ei ) pour tout i ∈ [[1, p]]. On verra
ensuite que la réciproque n’est pas vraie, mais on a un résultat si on ajoute es
hypothèses supplémentaires.
Proposition 303. Si f est différentiable au point a alors pour tout vecteur e de

E, la dérivée de f au point a suivant e existe et on a :
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|kekε(te) donc :
1
(f (a + te) − f (a)) = df (a)(e) + kekα(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 304. Soit B = (e1 , · · · , ep ) une base de E, f : U ⊂ E → F une

application et a ∈ E. Si f est différentiable au point a alors les dérivées partielles
p
∂f P
∂xj (a) pour j ∈ [[1, p]] existent et, pour tout h = hj ej ∈ E, on a :
j=1
p
X ∂f
df (a)(h) = hj (a)
j=1
∂xj
Preuve Conséquence immédiate de la proposition 303 appliquée aux vecteurs ej

p
P p
P
de la base B. Précisément, si h = hj ej , alors : df (a)(h) = hj df (a)(ej ) =
j=1 j=1
p p
P P ∂f
hj Dej f (a) = hj ∂xj
(a)
j=1 j=1
La réciproque de ce résultat n’est pas vraie.On peut même prouver qu’une application
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 :
∂f
Théorème 73. Si les dérivées partielle de f au point a à savoir ∂xi (a); 1 ≤i≤p
p
P
existent et si 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(khk)
i=1
∂xi
alors f est différentiable au point a et :

p
X ∂f
∀h ∈ E, df (a)(h) = hi (a)
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
est une application linéaire de E vers F .

x3 y

 x2 +y 2 si (x, y) 6= (0, 0)
2
Exemple Soit f : R → R; (x, y) 7→ . Montrons que f

 0 si (x, y) = (0, 0)
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
n6=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
c’est-à-dire : p
f (x, y) = o( x2 + y 2 ).

p |x| ≤ kXk
En notant X = (x, y) et kXk = x2 + y 2 , et compte tenu du fait que : ,
|y| ≤ kXk

on a :
f (x, y) |x3 y|
p = 3
x2 + y 2 (x2 + y 2 ) 2
|x|3 |y|
=
kXk3
kXk4
≤
kXk3
= kXk −→ 0
X→(0,0)
Il en découle que f (X) = o(kX)k) quand X → (0, 0), donc f est différentiable au
point (0, 0) et df (0, 0) = θ.
Règle générale : Soit f : U ⊂ Rp → F une application et a ∈ U . On note
B = (e1 , · · · , ep ) la base canonique de Rp .
- Si l’une des dérivées partielles de f au point a n’existe pas alors f n’est pas
différentiable au point a.
∂f
- Si toutes les dérivées partielles ∂x i
(a); 1 ≤ i ≤ p existent , cela ne suffit pas encore
pour dire que f est différentiable au point a, mais si on prouve que :
p
X ∂f
f (a + h) − f (a) − hi (a) = o(khk)
i=1
∂xi
pour h voisin de 0 alors f est différentiable au point a et sa différentielle est définie
par :
p p
X X ∂f
∀h ∈ E, h = hi ei ⇒ dfa (h) = hi (a)
i=1 i=1
∂x i
13.1.4 Matrice jacobienne, jacobien

E et F sont deux espaces vectoriels normés de dimensions respectives p et n et
B = (e1 , · · · , ep ) et C = (v1 , · · · , vn ) des bases respectives de E et F . Soit U un
ouvert de E, f : U → F une application et f1 , · · · , fn les applications coordonnées
de f relativement à C , donc
Xn
∀x ∈ E, f (x) = fi (x)vi
i=1
qu’on abrège par :
n
X
f= fi vi
i=1

Si x ∈ E on note x1 , · · · , xp les coordonnées de x par rapport à B donc

p
X
x= xj ej
j=1
∂f
On suppose que les dérivées partielles ∂x j
(a), 1 ≤ j ≤ p existent (ce qui revient
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. Avec les notations et les conditions ci-dessus la matrice :

1. Jf (a) s’appelle la matrice jacobienne de f au point a relativement aux bases B
et C .
2. Si E = F et B = C le déterminant : det (Jf (a)) est appelé le jacobien au
point a de f relativement à la base B.
Exemple Soit U = R × R∗ (c’est un ouvert de R2 et

x
f : U → R3 ; (x, y) 7→ xy, , x + y 2
y
Alors pour tout (x, y) ∈ U , on a :
 
y x
Jf ((x, y)) =  y1 − yx2 
1 2y
Lorsque la fonction f : U 7→ E → F est différentiable en un point a, la matrice

jacobienne Jf (a) existe et elle représente la différentielle df (a) dans le couple de
bases (B, C ) comme le précise le théorème suivant :
Théorème 74. Avec les notations ci-dessus, si a ∈ U et f est différentiable au

point a alors Jf (a) est la matrice de l’application linéaire df (a) relativement aux
bases B et C . C’est-à-dire :
Jf (a) = mat(df (a))

B,C

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
ce qui prouve le théorème.
Exemple Revenons à l’exemple ci-dessus de l’application f : U ⊂ R2 → R3 définie

par
x
f (x, y) = xy, , x + y 2
y
On verra plus tard que cette application est différentiable sur U . Si par exemple
a = (1, 1), on a la matrice jacobienne en a :
 
1 1
Jf (a) = 1 −1
1 2
donc si h = (h1 , h2 ) ∈ R2 alors :
df (a)(h) = h0 = (h01 , h02 , h03 )
tel que :  0    
h1 1 1 h1 + h2
h02  = 1 −1 h1 =  h1 − h2  .
h2
h03 1 2 h1 + 2h2
Donc, pour tout h = (h1 , h2 ) ∈ R2 , on a :
df ((1, 1))(h1 , h2 ) = (h1 + h2 , h1 − h2 , h1 + 2h2 )
13.1.5 Opérations sur les applications différentiables

Les opérations sur les fonctions différentiables vont faciliter l’identification de celles-ci
et le calcul de leur différentielles. Elles concerne, la combinaison linéaire, la compo-
sition et le produit via une application bilinéaire.
13.1.5.1 Combinaison linéaire

Proposition 305. Si f, g : U → F sont différentiables au point a alors f + λg est

différentiable au point a et d(f + λg)(a) = df (a) + λdg(a).
Si f et g sont différentiable sur U alors f + λg est différentiable sur U et pour tout
x ∈ U , on a : d(f + λg)(x) = df (x) + λdg(x)
Remarques La proposition ci-dessus nous laisse faire les remarques suivantes :

1. Si on note Da (U, F ) l’ensemble des applications de U vers F différentiables au
point a alors Da (U, F ) est un sous-espace vectoriel de l’espace vectoriel F (U, F )
des applications de U vers F .
2. D(U, F ) l’ensemble des applications de U vers F différentiables sur U est un
sous-espace vectoriel de F (U, F ). Remarquons que l’on a :
\
D(U, F ) = Da (U, F )
a∈U
13.1.5.2 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 :
d(g ◦ f )(a) = dg(f (a)) ◦ df (a)
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
(1) f (a + h) = f (a) + df (a)(h) + khkε1 (h)

| {z }
ϕ(h)
De même, g est différentiable au point f (a), donc il existe un voisinage V2 de 0F

dans F , et une application ε2 : V2 → F tel que lim ε2 (k) = 0 et pour tout k ∈ V2 :
k→0
(2) g(f (a) + k) = g(f (a)) + dg(f (a))(k) + kkkε2 (k)

Posons ϕ(h) = df (a)(h) + khkε1 (h), pour tout h ∈ V1 . Comme lim ϕ(h) = 0, il
h→0
existe un voisinage V de 0E dans E tel que ϕ(V ) ⊂ V1 , donc d’après (2), on a
pour tout h ∈ V :
(g ◦ f )(a + h) = g(f (a) + ϕ(h))

= g(f (a)) + dg(f (a))(ϕ(h))
+kϕ(h)kε2 (ϕ(h))
Par linéarité de dg(f (a)), on a :
dg(f (a))(ϕ(h)) = dg(f (a))(df (a)(h)) +

khkdg(f (a))(ε1 (h))
(g ◦ f )(a + h) = (g ◦ f )(a) + [dg(f (a)) ◦ df (a)](h) + ψ(h)
avec
ψ(h) = khkdg(f (a))(ε1 (h)) + kϕ(h)kε2 (ϕ(h))
| {z } | {z }
α1 (h) α2 (h)
Pour terminer la preuve du théorème, il suffit de démontrer que ψ(h) = o(khk) et

comme ψ(h) = α1 (h) + α2 (h) avec

 α1 (h) = khkdg(f (a))(ε1 (h)) = o(khk)
,
α2 (h) = kϕ(h)kε2 (ϕ(h))

il suffit en fait de prouver que α2 (h) = o(khk). Pour ce faire remarquons que la
continuité de l’application linéaire df (a) implique l’existence d’une constante c > 0
tel que kdf (a)(h)(x)k ≤ ckxk , pour tout x ∈ E. Cela dit, on a alors :
kα2 (h)k = kϕ(h)kkε2 (ϕ(h))k

= kdf (a)(h) + khkε1 (h)kkε2 (ϕ(h))k
≤ (c + kε1 (h)k)kε2 (ϕ(h))kkhk
ce qui fournit aisément le résultat désiré, à savoir : α2 (h) = o(khk) quand h tends
vers 0 et achève en conséquence la preuve du théorème ci-dessus.
On dispose du cas particulier important suivant de le théorème 75 :

Proposition 306. Soit I un intervalle ouvert non vide de R et U un ouvert non

vide de E. Soit ϕ : I → E et f : U → F des applications. Soit t0 ∈ I. Si ϕ
est dérivable au point t0 et f est différentiable au point f (t0 ) alors g = f ◦ ϕ est
dérivable au point t0 et on a :
g 0 (t0 ) = (f ◦ ϕ)0 (t0 ) = df (ϕ(t0 ))(ϕ0 (t0 )).
Remarques Voici quelques remarques importantes sur la proposition ci-dessus :

1. Si E = Rp , donc γ : I → Rp avec γ(t) = (γ1 (t), · · · , γp (t)) alors la formule
ci-dessus s’écrit : p
0
X ∂f
g (t0 ) = γj0 (t0 ) (γ(t0 ))
j=1
∂x j
2. Une des conséquences de ce qui précède es la dérivation en chaîne :

Soit f : U ⊂ E → F ; g : V ⊂ F → G tel que f (U ) ⊂ V . Soit a ∈ U tel que f
est différentiable au point a et g est différentiable au point f (a). On considère
B = (e1 , · · · , ep ) , C = (u1 , · · · , ur ) et D = (v1 , · · · , vn ) bases respectives de
E, F et G et on note x1 , · · · , xp (resp y1 , · · · , yr (resp (z1 , · · · , zn ))) les coor-
données dans E(resp( F (resp G))) , alors, si on note f1 , . . . , fr les composantes
de f relativement à la base C , on a :
r
∂(g ◦ f ) X ∂fk ∂g
(a) = (a) (f (a))
∂xj ∂xj ∂yk
k=1
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
Rappelons que pour tout h ∈ F tel que :
X r
h= hk uk ,
k=1

on a : r
X ∂g
dg(f (a))(h) = hk (f (a)).
∂yk
k=1
En appliquant pour
r
∂f X ∂fk
h= (a) = (a)uk
∂xj ∂xj
k=1
il vient : r
∂(g ◦ f ) X ∂fk ∂g
(a) = (a) (f (a))
∂xj ∂xj ∂yk
k=1
La proposition suivante donne la matrice jacobienne d’un composé :

E, F et G sont deux espaces vectoriels normés de dimensions respectives p, r et n et
E = (e1 , . . . , ep ), F = (b1 , . . . , br ) et G = (v1 , . . . , vn ) sont des bases respectives de
E, F et G.
Proposition 307. Les notations ci-dessus étant prises en compte, soient U un

ouvert de E, V un ouvert de F , f : U → F et g : V → G des applications tel que
f (U ) ⊂ V . Soit a ∈ U tel que f est différentiable au point a et g est différentiable
au point f (a). Alors la matrice jacobienne de g ◦ f est :
Jg◦f (a) = Jg (f (a)) × Jf (a)
Les matrices jacobiennes en question étant calculées par rapport aux bases corres-
pondantes parmi celles fixées ci-dessus.
Preuve C’est une conséquence immédiate du fait que :
d(g ◦ f )(a) = dg(f (a)) ◦ df (a)
et la propriété concernant la matrice du composé de ceux applications linéaires.

13.1.5.3 Produit via une application bilinéaire de deux fonctions différentiables
Soient E, F1 , F2 et G des espaces vectoriels normés dimensions finies , U un ouverts

non vide E. On considère une application bilinéaire
Φ : F1 × F2 → G; (x, y) 7→ Φ(x, y)
de F1 × F2 vers G. Si f : U → F1 et g : U → F2 sont des applications, on note
Φ(f, g) l’application de U vers G définie par :
∀x ∈ U, Φ(f, g)(x) = Φ(f (x), g(x)).
Avec les notations ci-dessus, on a la :
Proposition 308. Si f et g sont différentiables au point a alors Φ(f, g) est diffé-

rentiable au point a et :
d(Φ(f, g))(a) = Φ(fa , dg(a)) + Φ(df (a), ga ).
avec fa et ga les applications constantes de U vers F de valeurs respectives f (a) et

g(a).
Exemples Voici des exemples importants de l’application des propositions ci-dessus :

1. Si F est une algèbre normée de dimension finie et f, g : U ⊂ E → F alors si f
et g sont différentiables en un point a de U , la produit f g est différentiable au
point a et
d(f g)(a) = f (a)dg(a) + df (a)g(a).
2. Si f : U → R est une application et a ∈ U tel que f (a) 6= 0 et f différentiable
au point a alors il existe un ouvert V contenu dans U tel que f (x) 6= 0 pour
tout x ∈ V , donc f1 est bien définie sur V . L’application f1 est différentiable au
point a et on a
1 1
d (a) = − df (a).
f (f (a))2
3. On en déduit que si f, g : U ⊂ E → R différentiables au point a et g(a) 6= 0
alors fg est bien définie sur un ouvert V tel que a ∈ V et elle est différentiable
au point a et

f 1
d (a) = (df (a)g(a) − f (a)dg(a)).
g (g(a))2
13.1.5.4 Composé avec une application linéaire
Proposition 309. E, F, G sont trois espaces vectoriels normés, soit f : U ⊂ E →

F une application et Φ : F → G une application linéaire et a ∈ U . Si f est
différentiable au point a alors Φ ◦ f est différentiable au point a et :
d(Φ ◦ f )(a) = Φ ◦ df (a)
Preuve Si f est différentiable au point a, comme Φ est linéaire elle est différen-
tiable 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).
2. En déduire que g est différentiable sur Mn (R) et préciser sa différentielle en
tout point.
∂g
3. Calculer ∂xi,j (A), pour toute matrice A ∈ Mn (R).
Réponse :
1. Soit A, H ∈ Mn (R) ; alors :
f (A + H) = (A + H)2 = A2 + AH + HA + H 2 = f (A) + L(H) + ϕ(H)
avec L(H) = AH +HA, donc L est linéaire et ϕ(H) = H 2 , donc, en choisissant

une norme matricielle, on a kϕ(H)k ≤ kHk2 , par suite ϕ(H) = o(kHk) quad
H tends vers 0. Il en résulte que f est différentiable en tout point A, on a :
∀H ∈ Mn (R), df (A)(H) = AH + HA

2. On remarque que g = tr ◦f et comme tr est linéaire, l’application du théo-

rème ci-dessus donne g est différentiable en tout point A de Mn (R) et ∀H ∈
Mn (R), dg(A)(H) = tr(df (A)(H). Ainsi :
∀(A, H) ∈ Mn (R)2 , dg(A)(H) = 2 tr(AH)
3. On a
∂g
(A) = DEi,j g(A) = dg(A)(Ei,j ) = 2 tr(AEi,j ) = 2aji
∂xi,j
13.1.5.5 Différentiabilité et composantes
Proposition 310. Soit f : U ⊂ E → F une application et a ∈ E. On suppose

n
que dim(F ) = n et que V = (V1 , . . . , Vn ) est une base de F et qye f =
P
f k Vk ,
k=1
c’est-à-dire que f1 , . . . , fn sont les composantes de f relativement à la base V . Alors
f est différentiable au point a si et seulement si les applications fk pour k ∈ [[1, n]]
sont différentiables au point a, auquel cas on a :
n
X
df (a)(h) = dfi (a)(h)Vi
i=1
Preuve Si f est différentiable au point a, remarquons que pour tout i ∈ [[1, n]],
on a :
f i = πi ◦ f
Pn
où πi : F → R, x 7→ πi (x) = xi où x = xk Vk , donc π étant linéaire, elle est
k=1
différentiable et dπi = πi de sorte que fi est différentiable au point a et dfi (a) =
π ◦ df (a).
Réciproquement, si pour tout k ∈ [[1, n]], l’application fk est différentiable au point
a, il existe des applications εk , k ∈ [[1, n]] définies sur W \{0} où W est un voisinage
de 0 tel que :
∀i ∈ [[1, n]], ∀h ∈ W, fi (a + h) = fi (a) + dfi (a)(h) + khkεi (h)
avec lim εi (h) = 0, pour tout i ∈ [[1, n]]. En sommant, on a :
h→0
n
X n
X n
X n
X
fi (a + h)Vi = fi (a)Vi + dfi (a)(h)Vi + khk εi (h)
i=1 i=1 i=1 i=1

13.2. FONCTION DE CLASSE C K , K ∈ N∗ ∪ {∞} Cours deuxiéme année MP
ce qui donne :
f (a + h = f (a) + L(h) + khkε(h)
avec n
X
∀h ∈ E, L(h) = dfi (a)(h)Vi
i=1
donc L est linéaire de E vers F , et :
n
X
∀h ∈ V, ε(h) = εi (h)
i=1
de sorte que lim ε(h) = 0 et par unicité de la différentielle, f est différentiable au

h→0
h6=0
point a et df (a) = L.
13.2 Fonction de classe C k , k ∈ N∗ ∪ {∞}

13.2.1 Fonction de classe C 1
13.2.1.1 Définitions, caractérisation
Soient E et F deux espaces vectoriels normés de dimensions finies , U un ouvert de

E et f : U → F une application. On dit que f est différentiable sur U si f est
différentiable en tout point de U . Dans ce cas, on dispose d’une application notée df
de U vers L(E, F ) qui associe à tout x ∈ U l’application linéaire df (x).
Définition 155. Soit f : U ⊂ E → F une application. f est de classe C 1 sur U si

f est différentiable sur U et l’application df est continue sur U .
Exemples Voici des exemples importants :

1. Si f ∈ L(E, F ) alors la restriction de f à tout ouvert U de E est de classe C 1
sur U
2. Toutes application constante sur U est de classe C 1 sur U .
Proposition 311. 1. Si f, g : U → F sont deux applications de classe C 1 sur

U et λ ∈ R, alors f + λg est de classe C 1 sur U .

2. Si E, F, G sont des espaces vectoriels normés de dimensions finies, U, V des

ouverts respectifs de E et F et si f : U → F et g : V → G sont des
applications de classe C 1 respectivement sur U et V et f (U ) ⊂ V alors g ◦ f
est de classe C 1 sur U .
Preuve 1. Si f et g sont de classe C 1 elles sont différentiables, donc f + λg est

différentiable et
∀x ∈ U, d(f + λg)(x) = df (x) + λdg(x)
et comme df et dg sont continues sur U , l’application d(f + λg) = df + λdg

est continue sur U . Donc f + λg est de classe C 1 sur U .
2. Comme f et g sont différentiables sur U et V respectivement et f (U ) ⊂ V ,
on a g ◦ f est différentiable sur U et :
∀x ∈ U, d(g ◦ f )(x) = dg(f (x)) ◦ df (x) = Φ(dg(f (x)), df (x)
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 conti-
nuité du produit de deux applications continues via une application bilinéaire,
l’application
d(g ◦ f ) = Φ(dg ◦ f, df )
est continue sur U . Rappelons que si ψ1 : U → F1 , ψ2 : U → F2 sont deux
applications et Ψ : F1 × F2 → G une application bilinéaire alors Ψ(ψ1 , ψ2 )
est l’application qui associé à tout vecteur x de U le vecteur de G, y =
Ψ(ψ1 (x), ψ2 (x)).
Théorème 76. E et F sont deux espaces vectoriels normées de dimensions res-

pectives p et n avec p, n ∈ N∗ et V = (V1 , . . . , Vn ) est une base de F . Soit U un
ouvert de E et f : U → F une application de composantes f1 , . . . , fn relativement
à la base V de F . Alors f est de calasse C 1 sur U si et seulement si fi est de classe
C 1 sur U , pour tout i ∈ [[1, n]].

Preuve
• Si f est de classe C 1 sur U alors en particulier f est différentiable sur U et on a
déjà vu que :
Xn
∀x ∈ U, df (x) = df (x)Vi
i=1
Pour tout j ∈ [[1, n]], on note Lj lapplication :
n
X
Lj : L(E, F ) → L(E, R); g = gi Vi 7→ Lj (g) = gj
i=1
Alors g est linéaire donc continue(dimension finie). Par ailleurs, il est clair que :
∀i ∈ [[1, N ]], ∀x ∈ U, dfi (x) = (Li ◦ df )(x)
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 V i
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 312. Soit E une espace vectoriel normé de dimension p et B =

(e1 , · · · , ep ) une base de E. Une application f : U → F est de classe C 1 si et
∂f
seulement si les dérivées partielles ∂x j
; j ∈ [[1, p]] par rapport à la base B existent et
sont continues sur U .

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 ej , kxk = sup |xj |
1≤j≤p
j=1
• Supposons que f est de classe C 1 sur U , donc f est différentiable et par suite ses
∂f
dérivées partielles ∂xj
existent. Pour tout j ∈ [[1, p]], on a :
∂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 ∂xj est continue sur U .
∂f
• Réciproquement, supposons que les dérivées partielles ∂xj existent et sont conti-
nues, 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

(?) ∀h ∈ E, khk < η ⇒ et +
∂f ∂f ε
∂xj (a + h) − ∂xj (a) < p


Soit alors h ∈ E tel que khk < η, alors on peut écrire :

f (a + h) − f (a) = f (a1 + h1 , . . . , ap + hp ) − f (a1 , . . . , ap )
= f (a1 + h1 , a2 + h2 , . . . , ap + hp ) − f (a1 , a2 + h2 , . . . , ap + hp )
+f (a1 , a2 + h2 , . . . , ap + hp ) − f (a1 , a2 , . . . , ap + hp )
+...
+f (a1 , a2 , . . . , ap−1 , ap + hp ) − f (a1 , a2 , . . . , ap )
Sans nuire à la généralité et compte tenu du théorème 76, on peut supposer que f
est à valeurs dans R. On peut donc appliquer l’égalité des accroissements finis aux
fonctions partielles, donc il existe :

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 khk < 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 kHj k < 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 | ≤
khk < η. Il découle de (?) que :
p
X
|∆(h)| < ε |hj | = εkhk
j=1
donc, quand h tends vers 0, on a
∆(h) = o(khk)

Il en découle que f est différentiable au point a.

• Il reste à démontrer que df est continue sur U .
• Pour tout x ∈ U on a :
n
X ∂f
df (x)(h) = πi (h) (x)
i=1
∂xi
n
P
où πi désigne l’application linéaire : πi : E → R; x 7→ xi , avec x = xk Vk . On a
k=1
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 , pour
Pp
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→ ∂xi
(x), qui est continue par hypothèse.
• 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’applications
continues via une application bilinéaire, on obtient que df est continue, ce qui
achève la preuve du théorème ci-dessus.
13.2.1.2 Quelques propriétés
Proposition 313. Si f : U ⊂ E → F est une application de classe C 1 de U dans

F et γ : I → E une application de classe C 1 d’un intervalle non trivial I de R vers
E tel que γ(I) ⊂ U alors pour tout α, β ∈ I, en posant a = γ(α) et b = γ(β), on
a: Z β
f (b) − f (a) = df (γ(t)).γ 0 (t)dt.
α
Preuve On sait que (f ◦ γ) est de classe C 1 et pour tout t ∈ I, on a : (f ◦ γ)0 (t) =

Rβ Rβ
df (γ(t)).γ 0 (t), donc α df (γ(t)).γ 0 (t)dt = α (f ◦ γ)0 (t)dt = f (γ(β)) − f (γ(α)) =
f (b) − f (a).

Proposition 314. Soit U un ouvert non vide connexe par arcs de E et f : U → F

une application de classe C 1 , alors f est constante sur U si et seulement si df (a) = θ
pour tout a ∈ U . (θ désigne l’application nulle de E vers F .
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 0 (t) = b − a. Remarquons que γ(0) =R a et γ(1) = b donc
1
en appliquant la proposition 314 , il vient : f (b) − f (a) = 0 df (γ(t)).(b − a)dt,
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 .
13.2.2 Fonctions de classe C k , k ∈ N ∪ {∞}

13.2.2.1 Dérivées partielles successives
On considère un espace vectoriel normé E de dimension p muni d’une base B =

(e1 , · · · , ep ), les coordonnées d’un vecteur x étant notées x1 , · · · , xp . Pour k ∈ N∗ ,
k
on définit la fonction ∂xi ∂···∂x f
i
, comme suit :
k 1
∂1f ∂f
- Pour k = 1, on définit ∂xi1
= ∂x i1
si celles-ci existent.
k
- Pour k ∈ N∗ tel que ∂xi ∂···∂x
f
i1
existe et admet la dérivée partielle par rapport à
k
xk+1 , on pose :
∂ k+1 f ∂kf

∂
=
∂xik+1 · · · ∂xi1 ∂xik+1 ∂xik · · · ∂xi1
∂kf
Définition 156. Si celles-ci existent les ∂xik ···∂xi1 sont appelées les dérivées partielles
de f 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∗ .
13.2.2.2 Théorème de Schwarz
Théorème 77. E est un espace vectoriel normé de dimension p et f : U → F une

application de classe C k sur U . Alors pour toute permutation σ ∈ S ([[1, k]], on a :
∂kf ∂kf
=
∂xiσ (1) · · · ∂xiσ (p) ∂xi1 · · · ∂xip
Dans le cas particulier de k = 2, on la théorème suivant :
Théorème 78. E est un espace vectoriel normé de dimension p et f : U → F une

application de classe C 2 sur U . Pour tout i, j ∈ [[1, p]], on a :
∂ 2f ∂ 2f
=
∂xi ∂xj ∂xj ∂xi
Remarques Les remarques suivantes peuvent être utiles :

p
1) Pour tout j ∈ [[0, k]], et tout α = (α1 , . . . , αp ) ∈ [[0, k]]p tel que
P
αi = j, on note
i=1
∂α l’application :
k k−j ∂j f
∂α : C (U, F ) → C (U, F ); f →
7 ∂α (f ) = α1 α
∂x1 . . . ∂xp p
et une application linéaire.
2) Dans le cas particulier où p = ∞, on peut, pour tout α = (α1 , . . . , αp ) ∈ Np ,
considérer l’endomorphsme ∂α de C ∞ (U, F ) défini par :
∂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 .
13.2.2.3 Opérations sur les fonctions de classe C k
Proposition 315. Soit f, g : U ⊂ E → F des applications de classe C k sur U et

α ∈ R. Alors f + αg est de classe C k sur U .
Proposition 316. E, , F1 , F2 et G sont des espaces vectoriels normés et U un

ouvert de E. Soit f : U → F1 et g : U → F2 des applications de classe C k sur U et
soit B : F1 × F2 → G une application bilinéaire ; Alors B(f, g) est de classe C k sur
U.
On rappel que B(f, g)(x) = B(f (x), g(x)), pour tout x ∈ U .
Proposition 317. Soient E et F deux espaces vectoriels normés de dimensions

finies, n = dim(F ) , C = (v1 , · · · , vn ) une base de F et U un ouvert non vide de
E. Soit f : U → F de composantes f1 , · · · , fn . Pour tout k ∈ N∗ ∪ {∞}, f est de
classe C k si et seulement si les fi , i ∈ [[1, n]] sont de classe C k
Proposition 318. Soit k ∈ N∗ ∪ {∞}. Si f : U ⊂ E → F et g : V ⊂ F → G

sont deux applications de classe C k sur U et V respectivement tel que f (U ) ⊂ V
alors g ◦ U est de classe C k sur U .
Définition 158. Soit U un ouvert de Rp . On appelle fonction polynomiale de U

vers R, toute application f : U → R définie par
X
f (x) = am x m mp
1 · · · xp
1
m∈I

13.3. FONCTION À VALEUR RÉELLE Cours deuxiéme année MP
où x = (x1 , · · · , xp ) ∈ U , I une partie finie non vide de Np , m ∈ I tel que

m = (m1 , · · · , mp ) et am ∈ R pour tout m ∈ I.
Proposition 319. Toute fonction polynomiale de U vers R est de classe C ∞ sur

U.
Si f et g sont deux fonctions polynomiales sur U tel que ∀x ∈ U, g(x) 6= 0 alors fg
est de classe C ∞ sur U .
13.2.3 Formule de Taylor d’ordre 2
Proposition 320. Soit f : U ⊂ Rp → Rn une application de classe C 2 et a ∈ U .

Alors pour h voisin de 0 dans Rp , on a :
p p p
X ∂f 1 XX ∂ 2f
f (a + h) = f (a) + hj (a) + hi hj (a) + o(khk2 )
j=1
∂xj 2 i=1 j=1 ∂xi ∂xj
13.3 Fonction à valeur réelle

Grâce aux propositions sur les composantes d’une application, l’étude d’une appli-
cation f : U → F se ramène à celle d’une fonction g : U → R. C’est pour cela que
nous réservons ce paragraphe à de telles fonctions. On se contentera du cas E = Rp
puisque tout espace vectoriel normé réel de dimension p est isomorphe à Rp .
Dans la suite Rp est muni de la norme de sa structure euclidienne canonique, c’est-
à-dire celle qui provient du produit scalaire canonique : Pour x = (x1 , · · · , xp ) et
y = (y1 , · · · , yp ), on a :
X p
hx, yi = x k yk
k=1
13.3.1 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

∀h ∈ Rp , df (a).h = h∇f (a), hi
13.3.1.1 Définition, exemple
Définition 159. Soit f : U ⊂ Rp → R une application et a ∈ U . Si f est

différentiable au point a, l’unique vecteur ∇f (a) tel que :
∀h ∈ Rp , df (a).h = h∇f (a), hi
est appelé gradient de f au point a.
Proposition 321. Si f est différentiable au point a et B = (e1 , · · · , ep ) est la

base canonique de Rp alors :
p
X ∂f
∇f (a) = (a)ek
∂xk
k=1
Exemples Quand l’espace d’arrivée n’est pas de la forme Rp , on s’y ramène en

considérant l’isomorphisme canonique.
1. f : R2 → R; (x, y) 7→ xy + x + y et a = (3, 4) alors f est différentiable au
point a car f est polynomiale des variables x et y. On a ∂f
∂x (x, y) = y + 1 et
∂f
∂y (x, y) = x + 1 , donc ∇f (a) = (5, 4)
2. Soit f : Mn (K) → K, A 7→ f (A = tr(A). Alors pour tout X ∈ Mn (K) et tout
∂f
(i, j) ∈ [[1, n]]2 , on a ∂xij
(X) = δij le symbole de Kronnecker. Il en découle que
∇f (X) = In pour tout X ∈ Mn (K).
3. Soit g : Mn (K) → K; X 7→ det(X). Alors en développant suivant la colonne j,
on a : n
X
g(X) = (−1)i+j ∆ij
i=1
où ∆ij est le mineur pour la ligne i et la colonne j. Comme ∆ij ne dépends pas
de Xij , on a :
∂g
(X) = (−1)i+j ∆ij
∂xij
par suite :
∇g(X) = Com(X)
13.3.2 Extrêmums
13.3.2.1 Point critique, maximum, minimum, extremum
Définition 160. Soit f : U ⊂ Rp → R une application différentiable sur U . Soit

a ∈ U . On dit que a est un point critique de f si df (a) = 0, ce qui revient à
∇f (a) = 0.
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. Soit f : U → R une application et a ∈ U . On dit que f admet

un maximum (resp. minimum) local au point a s’il existe r > 0 tel que :
(1) ∀x ∈ B(a, r), f (x) ≤ f (a)(resp. f (a) ≤ f (x)).
On dit que f admet un extremum local au point a si f admet un minimum ou un

maximum local au point a.
Si l’inégalité (1) ci-dessus est vérifiée pour tout x ∈ U , on parle de maximum (resp.
minimum) global donc d’extremum global.
Si l’inégalité (1) ci-dessus est stricte sauf pour x = a, on parle de maximum (resp.
minimum) local strict, donc d’extremum local strict.
13.3.2.2 Condition nécessaire d’extremum
Théorème 79. Soit f : U → R une application différentiable sur U et a ∈ U . Si

f admet un extremum au point a alors a est un point critique de f

Preuve Supposons que f admet un extremum au point a. Soit e un vecteur quel-

conque 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 diffé-
rentiable sur U , le fonction g est dérivable sur un intervalle ouvert contenant 0,
donc g 0 (0) = 0 donc h∇f (a), ei = 0. Ainsi on a :
∀e ∈ Rp , h∇f (a), ei = 0
donc ∇f (a) = 0, donc a est un point critique de f au point a.
Remarques 1. Cela se traduit dans la pratique par : Avant de chercher les extre-
mums d’une applications f : U → R, il faut commencer par chercher les points
critiques puis chercher parmi ceux-ci les extremums.
2. On donnera des conditions du second ordre dans le sous paragraphe ci-dessous.
13.3.2.3 Conditions du second ordre d’extremum
On commence par donner des rappels et compléments d’algèbre linéaire :
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 réels λ1 , · · · , λp et une matrice orthogonale Ω tel A = t ΩDΩ
 
λ1
où D =  ...  est la matrice diagonales de termes diagonaux λ1 , · · · , λp .
λp
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) + h∇f (a), hi + hi hj (a) + khk2 ε(h)
2 i=1 j=1 ∂xi ∂xj
On dispose de la matrice carrée :

∂ 2f

Hf (a) = (a)
∂xi ∂xj 1≤i,j≤p

appelée la hessienne de f au point a. Par le théorème de Shwarz, la hessienne au

point a est une matrice réelle symétrique, donc par le théorème spectral elle est
diagonalisable. Si on note X la colonne des coordonnées de h, la formule de Taylor-
Young ci-dessus s’écrit :
1
f (a + h) = f (a) + h∇f (a), hi + hHf (a)X, Xi + kXk2 ε(X)
2
Théorème 81. Soit f : U → R une application de classe C 2 et a ∈ U un point

critique de f (c’est-à-dire ∇f (a) = 0). On note λ1 , · · · , λp les valeurs propres de
2
∂ f
Hf (a) = (a)
∂xi ∂xj 1≤i,j≤p
la hessienne de f au point a. Alors :

1. Si les λj , j ∈ [[1, p]] sont strictement positives alors f (a) est un minimum local
strict de f .
2. Si les λj , j ∈ [[1, p]] sont strictement négatives alors f (a) est un maximum local
strict de f .
Preuve La formule de Taylor-Young s’écrit :

1
f (a + h) − f (a) = hHf (a)X, Xi + kXk2 ε(X)
2
• Supposons que les valeurs propres λ1 , · · · , λp de Hf (a) sont strictement positives.
L’application g : X 7→ hHf (a)X, Xi 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 6= 0 ⇒ g(X) > 0.

p
P
En effet si on écrit X = xk Vk où (Vk )1≤k≤p est une base orthonormée de vec-
k=1
teurs propres de Hf (a) le vecteur Vk étant associé à la valeur propre λk , on a
p p
λk x2k donc g(X) ≥ 0, or g(X) = 0 ⇒
P P
Hf (a)X = xk λk Vk , donc g(X) =
k=1 k=1
∀k ∈ [[1, p]], xk = 0, or X 6= 0, donc g(X) > 0. Comme S = {X ∈ Rp / kXk = 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 kX0 k = 1 et par suite X0 6= 0, donc, en vertu du (?)

ci-dessus,
on a
X
α = g(X0 ) > 0. En particulier, pour tout X ∈ Rn \{0}, on a : g kXk ≥ α. donc
g(X) ≥ αkXk2 . Comme lim ε(X) = 0, il existe r > 0 tel que :
X→0
α
kXk < r ⇒ |ε(X)| <
4
En particulier :
α
kXk < r ⇒ ε(X) > −
4
1 α α
⇒ f (a + X) − f (a) = g(X) + kXk ε(X) ≥ − kXk2
2 2 4
α 2
⇒ f (a + X) − f (a) ≥ kXk
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.
• Supposons maintenant qu’il existe m, q ∈ N∗ tel que m + q = p et les valeurs
propres de Hf (a) sont λ1 , . . . , λm , −λm+1 , . . . , −λp+q = −λn avec ∀k ∈ [[1, p]], λk >
Pp
0. Si X = xk Vk alors :
k=1
m
X q
X
2
Hf (a)X = λk xk − λm+k x2m+k
k=1 k=1
de sorte que
Pm :
- si V = k=1 Vk , alors :
m
1 1 X
∀n ∈ N∗ , Hf (a) V = 2 λ, avec λ = λk > 0
n n
k=1
0
Pq
- si V = k=1 Vm+k ,
alors :
q
1 1 X
∀n ∈ N∗ , Hf (a) V 0 = − 2 λ0 , avec λ0 = λm+k > 0
n n
k=1
Il en découle et compte tenu de la formule de Taylor ci-dessus que pour n ∈ N∗
suffisamment grand ( n → +∞), on a :
1 λ 1

 f a + n V = n2 + o n2
0
f a + n1 V 0 = − nλ2 + o 1

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.

13.3.2.4 Cas particulier de n = 2
Proposition 322. Soit f : U ⊂ R2 → R une application de classe C 2 sur U et

a ∈ U un point critique de f . On note :
∂ 2f ∂ 2f ∂ 2f
r= (a), s = (a), t = 2 (a)
∂x2 ∂x∂y ∂y
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 :
λ1 > 0 et λ2 > 0 ⇔ λ1 λ2 > 0 et λ1 + λ2 > 0

⇔ det(Hf (a)) > 0 et tr(Hf (a)) > 0
⇔ rt − s2 > 0 et r + t > 0
⇔ rt − s2 > 0 et r > 0
La dernière équivalence étant justifiée comme suit : Si rt − s2 > 0 et r + t > 0 alors

si r ≤ 0, forcément t > 0 donc rt serait ≤ 0 et alors rt − s2 ≤ 0 , ce qui n’est pas
vrai, donc r > 0. réciproquement si rt − s2 > 0 et r > 0 alors r + t ≤ 0 ⇒ t ≤ 0
donc rt − s2 serait ≤ 0, chose fausse, donc r + t > 0.
Exemple Soit f : R2 → R, (x, y) 7→ f (x, y) = x4 + y 4 − (x − y)2 . La fonction f est

de classe C 2 car elle est polynomiale en les variables x et y. On a :
∂f ∂f
(x, y) = 4x3 − 2(x − y), (x, y) = 4y 3 + 2(x − y).
∂x ∂y

Donc :
4x3 = 2(x − y)

(x, y) est un point critique ⇔
4y 3 = −2(x − y)
x3 = −y 3

⇔
x − y = 2x3

y = −x
⇔
2x = 2x3

x=1
⇔ x = y = 0 ou
y = −1

x = −1
ou
y=1
Il y’ a donc trois points critiques : (0, 0), (1, −1) et (−1, 1). En remarquant que
f (X) = f (−X) pour tout X ∈ R2 , on fera l’étude uniquement en (0, 0) et (1, −1).
Les dérivée partielles d’ordre 2 de f sont :
∂ 2f 2 ∂ 2f ∂ 2f
2
(x, y) = 12x − 2, (x, y) = 2, 2 (x, y) = 12y 2 − 2,
∂x ∂x∂y ∂y
• Au point (1, −1), on a : r = 10, s = 2, t = 10, donc rt − s2 = 96 > 0 et comme
r > 0, f (1, −1) = −2 est un minimum local strict de f .
• Comme f (1, −1) = f (−1, 1) = −2 on a la même conclusion pour (−1, 1).
• En (0, 0) : r = −2, s = 2, t = −2, donc rt − s2 = 0. On ne peut pas conclure par
le théorème ci-dessus,on fera une étude par une autre méthode : On remarque que
si on pose un = n1 , n1 , pour tout n ∈ N∗ alors lim un = (0, 0) et f (un ) = n24 > 0
n→+∞
pour tout n ∈ N . Par ailleurs si on pose vn = n1 , 0 pour tout n ∈ N∗ , on a
∗

2
∗
lim vn = (0, 0) et f (vn ) = 1−n
n4 < 0, pour tout n ∈ N tel que n ≥ 2. Il en résulte
n→+∞
que f n’admet ni minimum ni maximum local en (0, 0).
13.3.3 Application à la géométrie différentielle

Dans tout ce sous-paragraphe p est un entier naturel non nul et E = Rp est muni
de sa structure canonique d’espace euclidien.
13.3.3.1 Vecteur tangent, variété tangente
Soit Γ une partie non vide de Rp . Un vecteur v de Rp est dit tangent à Γ en un point
a de Γ s’l existe un arc paramètré (] − ε, ε[, γ) de classe C 1 tel que γ(Iε ) ⊂ Γ et

γ(0) = a et γ 0 (0) = v. (ici Iε =] − ε, ε[.) On note Ta Γ, l’ensemble des vecteurs de E

tangents à Γ au point a. L’ensemble :
Va = a + Ta Γ = ta (Ta Γ)
image de Ta Γ par la translation ta de Rp de vecteur , a s’appelle la variété tangente
à Γ au point a. Si Ta Γ est un sous-espace vectoriel de Rp alors Va s’appelle variété
affine tangente à Γ au point a.
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) n→+∞
 lim xn = a
 (ii) lim (αn (xn − a)) = v


n→+∞
13.3.3.2 Lignes de niveau, surfaces de niveau
Si f : U ⊂ Rp → R est une application différentiable alors pour tout nombre réel c,

le sous ensemble Γc de U tel que :
Γc = {X ∈ U/f (X) = c}
s’appelle ligne de niveau si p = 2 et surface de niveau si p = 3. Généralement on
l’appelle une équipotentielle.
13.3.3.3 Plan tangent à une surface de niveau f (x, y, z) = 0
Soit f : U ⊂ R3 → R et c une constante réelle et Γc = {X ∈ U/f (X) = 0}. Soit

a ∈ Γc tel que f différentiable au point a et ∇f (a) 6= 0. Le plan passant par a et
normal à ∇f (a) est tangent à Γc au point a. En effet si (J, γ) est une arc de classe
C 1 tracé sur γc alors ∀t ∈ J, f (γ(t)) = c, donc f ◦ γ est constante sur J, donc sa
dérivée est nulle sur J, ce qui veut dire : ∀t ∈ J, h∇f (a), γ 0 (t)i = 0 et traduit que
γ 0 (t)⊥∇f (a) pour tout t ∈ J. Notons que le plan tangent à Γc au point a, cité
ci-dessus est le plan affine a + Ta Γc d’équation :
hX − a, ∇f (a)i = 0
c’est-à-dire :
∂f ∂f ∂f
(x1 − a1 ). (a) + (x2 − a2 ). (a) + (x3 − a3 ). (a) = 0
∂x1 ∂x2 ∂x3
13.3.3.4 Gradient et dérivée directionnelle
On aura besoin de la proposition suivante qui est une conséquence immédiate de

l’inégalité de Cauchy-Schwarz et son cas d’égalité :
Proposition 323. Pour tout x, y ∈ Rp , on a :
hx, yi ≤ kxkkyk,
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
|hx, yi| ≤ kxkkyk
avec égalité si et seulement si x et y sont colinéaires.

Il en découle en particulier que : hx, yi ≤ kxkkyk. Supposons que cette dernière
inégalité est une égalité, alors on a le cas d’égalité de Cauchy-Schwarz à savoir
x = 0 ou x 6= 0 et y = αx avec α ∈ R et de plus hx, yi ≥ 0, ce qui donne λ ≥ 0
donc x et y sont directement colinéaires. Réciproquement cette dernière condition
donne l’égalité : hx, yi = kxkkyk.
Proposition 324. Soit f : U ⊂ Rp → R différentiable sur U , et a ∈ U tel

que ∇f (a) 6= 0. Alors la valeur maximale de De f (a) où e est un vecteur unitaire
correspond au cas où e et ∇f (a) sont directement colinéaires , c’est-à- dire où il
existe α > 0 tel que ∇f (a) = αe
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 :
g 0 (t) = h∇f (a + te), ei
en particulier :
De f (a) = g 0 (0) = h∇f (a), ei

donc par la conséquence ci-dessus de l’inégalité de Cauchy-Schwarz, on a :
De f (a) ≤ k∇f (a)kkek
avec égalité si ∇f (a) et e sont directement colinéaires. Or le cas d’égalité corres-

pond au fait que De f (a) est maximale, ce qui prouve la proposition.

Chapitre 14
Équations différentielles
Dans tout ce qui suit, E désigne un espace vectoriel normé de dimension finie.
14.1 Généralités
14.1.1 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 0 = f (t, y).
Définition 162. On appelle solution de (E) tout couple (J, ϕ) où J est un intervalle
de R et ϕ une application de J vers E dérivable sur J tel que : ∀t ∈ J, (t, ϕ(t)) ∈ Ω
et ϕ0 (t) = f (t, ϕ(t)).
Définition 163. Si (J1 , ϕ1 ) et (J2 , ϕ2 ) sont deux solutions de (E) tel que J2 ⊂ J1
et ϕ1 /J2 = ϕ2 , on dit que (J1 , ϕ1 ) est un prolongement de (J2 , ϕ2 ) ou que cette
dernière est une restriction de (J1 , ϕ1 ).
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 .
361
Remarque Si on note S( E ) l’ensemble des solutions de l’équation différentielle :

(E ) y 0 = f (t, y)
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. On appelle courbe intégrale ou trajectoire associée à une solution

γ = (J, ϕ) la partie Cγ de Ω définie par :
Cγ = {(t, ϕ(t))/t ∈ J}
14.1.2 Problème de Cauchy

0
y = f (t, y)
Si (t0 , y0 ) ∈ Ω, le problème est appelé problème de Cauchy ou équa-
y(t0 ) = y0
tion différentielle avec condition initiale. Une solution du problème de Cauchy ci-
dessus est un couple (J, ϕ) tel que (J, ϕ) est une solution de l’équation différentielle
y 0 = f (t, y) et t0 ∈ J et ϕ(t0 ) = y0
14.1.3 Équation intégrale associée à une équation différentielle

On considère l’équation différentielle :
(E) y 0 = f (t, y)
où f : Ω → E; (t, y) 7→ f (t, y) est une application continue sur Ω.
Si (I, ϕ) est une solution de (E) alors pour t0 ∈ I fixé, on a pour tout t ∈ I :
Z t
ϕ(t) = ϕ(t0 ) + f (u, ϕ(u))du
t0
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

14.2. ÉQUATION DIFFÉRENTIELLE NON LINÉAIRE Cours deuxiéme année MP
14.2 Équation différentielle non linéaire

14.2.1 Généralités, théorème de Cauchy-Lipschitz
On se place dans le cas où Ω est un ouvert de R × E et on considère une application
f : Ω → E et l’équation différentielle associée : (E) y 0 = f (t, y)
On admet le théorème suivant (théorème de Cauchy-Lipschitz) :
Théorème 82. Si f est de classe C 1 sur Ω alors pour tout (t0 , y0 ) ∈ Ω et le

problème de Cauchy : 0
y = f (t, y)
(PC)
y(t0 ) = y0
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).
Remarques On a les propriétés suivantes :

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.
14.2.2 Équation différentielle à variables séparables

Une équation différentielle du type y 0 α(y) = β(t) est dite à variable séparables.
Généralement une équation de la forme y 0 a(t)b(y) = c(t)d(y) peut se ramener
b(y)
(moyennant des conditions) à la première. C’est : y 0 α(y) = β(t) avec α(y) = d(y) et
1
β(t) = a(t) , les conditions étant celle qui valident les divisons par d(y) d’une part 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 0 = f (t, y) où f (t, y) = u(t)v(y).

14.3. ÉQUATION DIFFÉRENTIELLE LINÉAIRE Cours deuxiéme année MP
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 0 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, ϕ0 (t)α(ϕ(t)) = β(t), ce qui s’écrit
(A ◦ ϕ)0 = B 0 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.
14.2.2.2 Exemples
Exemple 1 : Une équation différentielle linéaire homogène : y 0 = a(t)y (avec a :

0
I → R continue sur I.) est une équation différentielle à variable séparable : yy =
a(t). Si (J, ϕ) est une solution tel que ϕ ne s’annule jamais sur J alors il vient
0
∀t ∈ J, ϕϕ(t)
(t)
= a(t), donc ln |ϕ(t)| = A(t) + c où A est une primitive quelconque
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.
Exemple 2 : L’équation différentielle y 0 y 2 = 1

t2 +1 est à variable séparables : 13 y 3 =
1
arctan(t) + c0 , donc y(t) = (c + 3 arctan(t)) 3
14.3 Équation différentielle linéaire

14.3.1 Définitions
14.3.1.1 Version avec les endomorphismes
Soit I un intervalle non trivial de R , a : I → L(E) et b : I → E des applications.

L’équation différentielle :
(E) y 0 = a(t)(y) + b(t)
représente un cadre général d’équation différentielle linéaire avec second membre.

L’équation différentielle :
(EH) y 0 = a(t)(y)
est appelée équation différentielle homogène associée à (E). On se contente de parler
de (E) car (EH) en est une quand b est nulle.

Notons que si t ∈ I alors a(t) ∈ L(E), donc a(t) est un endomorphisme de E. Ainsi
a(t)(y) est en fait la composée de a(t) et l’application y.
Si T est un endomorphisme de E, on convient parfois de noter T.x au lieu de T (x)
pour tout vecteur x de E, l’image de x par T . Ainsi on convient d’écrire l’équation
différentielle comme suit :
(E) y 0 = a(t).y + b(t).
Une solution de (E) est un couple (J, ϕ) avec J un intervalle de R contenu dans I et
ϕ : J → E une application dérivable sur J tel que : ∀t ∈ J, ϕ0 (t) = a(t)(ϕ(t)) +
b(t).
14.3.1.2 Version matricielle
On considère A : I → Mn (K) et B : I → Mn,1 (K) et l’équation différentielle :

(E) Y 0 = A(t)Y + B(t)
c’est la version matricielle de l’équation différentielle linéaire ci-dessus, appelé aussi
système différentiel linéaire.
14.3.2 Principe de superposition

On considère un intervalle non trivial I de R. On se propose de trouver les solutions
d’une équation différentielle linéaire
(E) y 0 = a(t)(y) + b(t)
dans le cas où b(t) = b1 (t) + b2 (t), ce qui permet par exemple de déterminer des solu-
tions quand c’est plus facile d’en trouver pour chacune des équations différentielles :
(Ek ) y 0 = a(t)(y) + bk (t)
pour k ∈ {1, 2}. On donne la proposition suivante appelée principe de superposition.
Proposition 325. On considère les équations différentielles :

(E1 ) y 0 = a(t)(y) + b1 (t)
(E2 ) y 0 = a(t)(y) + b2 (t)
(E) y 0 = a(t)(y) + b(t)
avec a : I → L(E) une application de I vers L(E) et b1 , b2 , b : I → E des
applications de I vers E . Si b = b1 + b2 et si Y1 et Y2 sont des solution respectives
de (E1 ) et (E2 ) sur I alors y = y1 + y2 est une solution de (E) sur I.

Preuve En effet si y1 et y2 sont des solutions respectives

0 de (E1 ) et (E2 ) sur I alors
y1 (t) = a(t)(y(t)) + b1 (t)
elles sont dérivables sur I et pour tout t ∈ I, on a . Par
y20 (t) = a(t)(y(t)) + b2 (t)
sommation, et par linéarité de a(t), il vient y 0 (t) = (y1 + y2 )0 (t) = y10 (t) + y20 (t) =
a(t)(y1 (t) + y2 (t)) + b1 (t) + b2 (t), donc y 0 (t) = a(t)(y(t)) + b(t), donc y est bien
une solution de (E) sur I.
14.3.3 Théorème de Cauchy-Lipschitz linéaire

Dans tout ce qui suit I est un intervalle non trivial de R, a : I → L(E), b : I → E
des applications et on considère l’équation différentielle : (E) y 0 = a(t).y + b(t).
Théorème 83. Si a et b sont continues sur l’intervalle I alors pour tout (t0 , y0 ) ∈
I × E, le problème de Cauchy
0
y = a(t).y + b(t)
(PC)
y(t0 ) = y0
admet une unique solution maximale. De plus cette solution est globale, c’est-à-dire
que son intervalle est I tout entier.
Remarques 1. On note les différences suivantes avec le théorème de Cauchy-

Lipschitz non linéaire(C.L.N.L.) :
- Dans le cas non linéaire, Ω est un ouvert de R×E alors que pour le cas linéaire
Ω = I × E, en particulier Ω n’est pas forcément un ouvert puisque l’intervalle
I est quelconque de R.
- Au niveau des hypothèses, C.L.L. exige seulement la continuité de a et b, alors
que C.L.N.L. exige que f soit de classe C 1 .
- L’intervalle de la solution maximale varie dans le cas de C.L.N.L. alors que
pour C.L.L. c’est toujours I (intervalle où a et b sont définies et continues)
2. L’équation différentielle y 0 = a(t).y + b(t) s’écrit : y 0 = f (t, y) avec f (t, y) =
a(t)(y) + b(t) donc on ne sort pas du cadre général sauf que Ω = I × U n’est
pas forcément un ouvert de R × E.

14.3.4 Conséquence : Structure des espaces de solutions

14.3.4.1 Structure
On note n = dim(E) et on note S(EH) et S(E) l’ensemble des solutions maximales de

(EH) et de (E) respectivement. Le théorème de Cauchy-Lipschitz linéaire montrer
que toutes les solutions maximales de (EH) et (E) sont définies sur I tout entier,
c’est pour cela qu’on se contentera de noter ϕ au lieu de (I, ϕ) une solution ;
Théorème 84. S(EH) est un K−espace vectoriel de dimension n et si ϕ0 est uns

solution particulière de (E) alors S(E) = ϕ0 +S(EH) est un espace affine de dimension
n de direction S(EH)
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.
Soit φ0 une solution
0particulière de (E). Si φ est une solution de (E) alors pour
φ (t) = a(t).φ(t) + b(t)
tout t ∈ I, on a : , de sorte que la différence ϕ = φ−φ0
φ00 (t) = a(t).φ0 (t) + b(t)
est une solution de (EH). On a bien φ = ϕ + φ0 . Réciproquement si ϕ est une
solution de (EH) et si on pose φ = ϕ + φ0 alors il est aisé de vérifier que φ est une
solution de (E), donc S(E) = φ0 + S(EH)

14.3.4.2 Système fondamental de solutions de l’équation homogène
Définition 166. Soit Φ = (ϕ1 , · · · , ϕn ) une famille de solutions de (EH). Si la

famille Φ est libre, elle est appelée système fondamental de solutions de (EH)
Un système fondamental de solutions (S.F.S.) de (EH) est Pdonc une base de S(EH) . Si
n
Φ = (ϕ1 , · · · , ϕn ) est un S.F.S. de (EH) alors S(EH) = { k=1 αk ϕk /(α1 , · · · , αn ) ∈ Kn }
Proposition 326. Soit Φ = (ϕ1 , · · · , ϕn ) une famille de solutions de (EH). Les

assertions suivantes sont équivalentes :
(1) Φ est un S.F.S. de (EH).
(2) Pour tout t ∈ I, la famille Φ(t) = (ϕ1 (t), · · · , ϕn (t)) est une famille libre de
E.
(3) Il existe t0 ∈ I tel que la famille Φ(t0 ) = (ϕ1 (t0 ), · · · , ϕn (t0 )) est une famille
libre de E.
Preuve (1)⇒ Pn (2) : Supposons Φ est un S.F.S de (EH)P et soit t ∈ I et α1 , · · · , αn ∈

K tel que k=1 αk ϕk (t) = 0. Il en découle que ϕ = nk=1 αk ϕk est une solution
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 unePfamille libre de E.
Alors Φ est libre car si α1 , · · · , αn sont des scalaires tel que nk=1 αk ϕk = θ, en
appliquant à t0 on a α1 = · · · = αn = 0, ce qui prouve que l’on a (1).
La proposition 326 est très utile pour savoir si une famille de solutions est une base en
étudiant uniquement la liberté d’une famille de vecteurs.
Considérons par exemple
0 1
le système différentiel : Y 0 = 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 6= 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.
14.3.4.3 Équation avec second membre : Méthode de la variation des constantes
Théorème 85. Si Φ = (φ1 , · · · , φn ) est un système fondamental de solutions de

(EH) alors
1. Pour tout application f ∈ C 0 (I, E) il existe une et une seule famille α =
n
0
P
(α1 , · · · , αn ) d’application de C (I, K) tel que f = αk φ k .
k=1
2. Si de plus f est de classe C alors les αk sont de classe C 1 .
1
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 :
X n
f= αk φk
k=1
Alors f est solution de (E), si et seulement si :
∀t ∈ I, f 0 (t) = a(t)f (t) + b(t)
Comme b est continue , elle s’écrit de manière unique :
X
b= bk φk avec ∀k ∈ [[1, n]], bk ∈ C 0 (I, K).
Il en découle que f est solution de (E) si et seulement si :
X n Xn
0
αk φ k = b k φk
k=1 k=1
Par unicité donnée par le théorème ci-dessus, f est solution de (E) si et seulement
si :
f = nk=1 αk Φk
P
∀k ∈ [[1, n]], αk0 = bk

Ceci permet de dire que la solution générale de (E) est
X n Z t
y(t) = βk + bk (u)du φk (t)
k=1 t0
avec t0 ∈ I et ∀k ∈ [[1, n]], βk ∈ K.

14.3.5 Système différentiel linéaire à coefficients constants

Il s’agit des systèmes de la forme :
(E) Y 0 = AY + B(t)
avec A ∈ Mn (K) et B ∈ C 0 (I, K).
14.3.5.1 Système homogène
Théorème 86. La solution générale de (EH) est :
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 0 (t) = −Ae−tA Y (t) + e−tA .Y 0 (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
14.3.5.2 Système avec second membre
Théorème 87. Soit A ∈ Mn (K) et I un intervalle.

1. Pour tout application continue Y ∈ C 0 (I, E) il existe une et une seule applica-
tion continue Θ : I → E tel que ∀t ∈ I, Y (t) = etA .Θ(t).
2. Si de plus Y est de classe C 1 alors les Θ est de classe C 1 .
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 :
Θ0 (t) = b(t)

Rt
où b(t) = e−tA B(t) pour tout t ∈ I, si et seulement si Θ(t) = Λ + t0 e−uA B(u)du
avec Λ ∈ E, ce qui fournit la solution générale :
Z t
t0 ∈ I
Y (t) = etA Λ + e−uA B(u)du avec
t0 Λ∈E
14.3.5.3 Cas particulier important : A est diagonalisable.
Dan tout ce qui suit on suppose que A est diagonalisable et que Γ = (Γ1 , · · · , Γn )
est une base de vecteurs propres associée aux valeurs propres λ1 , · · · , λn .
Théorème 88. La solution générale de (EH) est :

n
X
Y (t) = αk eλk t Γk
k=1
Pour chercher la solution générale on écrit

n
X
Y (t) = αk (t)eλk t Γk
k=1
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
∀k ∈ [[1, n]], αk0 (t) = Bk (t)e−λk t
où les Bk sont les composantes de B dans la base Γ. Ceci fournit la solution générale
de (E) :
n Z t
X t0 ∈ I
Y (t) = µk + Bk (u)e−λk u du eλk t Γk avec
t0 µk ∈ K, ∀k ∈ [[1, n]]
k=1
Exemple Résolvons le système linéaire :

 0
 x = x − y + z + et
y 0 = −x + y + z
 0
z = −x − y + 3z + e3t

Le système se traduit en l’équation différentielle linéaire :

(E) Y 0 = AY + B(t)
où  
1 −1 1
A =  −1 1 1 
−1 −1 3
avec  t 
e
∀t ∈ R, B(t) =  0  .
e3t
Commençons par résoudre l’équation différentielle linéaire homogène associée :
(EH) Y 0 = AY.
Le polynôme caractéristique de A est
X −1 1 −1
χA (X) = 1 X − 1 −1
1 1 X −3
En effectuant les opérations Lk ← Lk − L3 pour k ∈ {1, 2}, il vient :
1 0 −1 0 0 −1
2 2
χA (X) = (X − 2) 0 1 −1 = (X − 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 sontλ1 = 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 e Γ1 + α2 e2t Γ2 + α3 e2t Γ3 . Soit Y
t
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 Λ0 (t) = e−tA B(t). En projetant la relation
ci-dessus Λ0 (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
0 −tA
Λ (t) = e 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
0
Λ (t) = bk (t)e−tλk Γk
k=1
Les composantes bk (t) sont donnée par la relation :
   t 
b1 (t) e
−1
 b2 (t)  = P  0 
b3 (t) e3t
où P est la matrice de passage de la base canonique à la base B de sorte que :
   
1 1 0 1 1 −1
P =  1 0 1  et P −1 =  0 −1 1 
1 1 1 −1 0 1
et par suite on obtient :
Λ0 (t) = (et − e3t )e−t Γ1 + e3t e−2t Γ2 + (e3t − et )e−2t Γ3

= (1 − e2t )Γ1 + et Γ2 + (et − e−t )Γ3
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 :
3t

e
Y (t) = α1 et + tet − Γ1 + α2 e2t + e3t Γ2 + (α3 e2t + e3t + et )Γ3

2
avec (α1 , α2 , α3 ) ∈ R3 .ce qui donne en définitif :
 x(t) = α1 et + α2 e2t + tet + 12 e3t


y(t) = α1 et + α3 e2t + tet + et + 21 e3t

z(t) = α1 et + (α2 + α3 )e2t + tet + et + 23 e3t

avec (α1 , α2 , α3 ) ∈ R3 .

14.3.6 Équation différentielle scalaire linéaire d’ordre n

14.3.6.1 Cas général
Les équations différentielles de la forme :

(E) an (t)y (n) + · · · + a1 (t)y 0 (t) + a0 (t)y(t) = b(t)
où a0 , · · · , an et b sont des applications d’un intervalle I vers K, continues sur I. On
s’intéresse uniquement au cas où :
∀t ∈ I, an (t) 6= 0
L’équation s’écrit donc :
n−1
X
(n)
y = aek (t)y (k) + eb(t),
k=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
(n)
(E) y = ak (t)y (k) + b(t).
k=0
dont l’équation différentielle homogène associée est :

n−1
X
(n)
(EH) y = ak (t)y (k) .
k=0
On rappelle que a0 , · · · , an−1 et b sont des applications continues de I vers K.

On associe à cette équation différentielle, le système différentiel :
(E)
d Y 0 = A(t).Y + B(t)
\:
(EH) Y 0 = A(t).Y
avec pour tout t ∈ I :
 
0 1 0 ··· 0  
 .. . ... ... ... .. 0
. 
..
.
   
 .. ... ...
A(t) =  . et B(t) =  .
  
0 
   0 
 0 ··· ··· 0 1 
b(t)
a0 (t) · · · · · · · · · an−1 (t)

Si f : I → K est une application de classe C n , on note :

 
f
 f0 
fb =  .. .
 
 . 
f (n−1)
On dispose de la proposition suivante :
Proposition 327. Avec les notations ci-dessus, on a :

1. Pour tout f ∈ C n (I, K), fb ∈ C 1 (I, Kn )
2. Pour tout f ∈ C n (I, K) :

 f ∈ S(E) ⇔ fb ∈ S(E)

et
 f ∈ S(EH) ⇔ fb ∈ S

\
(EH)
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. Pour tout t0 ∈ I et pour tout y0 , · · · , yn−1 ∈ K , il existe une et

une seule solution ϕ de (E) définie sur I tel que :


 ϕ(t0 ) = y0
 ϕ0 (t ) = y

0 1
..

 .
 ϕ(n−1) (t ) = y

n 0 n−1
On en déduit en particulier la :

Proposition 328. On considère l’équation différentielle :

n−1
X
(n)
(E) y = ak (t)y (k) + b(t)
k=0
et l’équation différentielle homogène associés :

n−1
X
(n)
(EH) y = ak (t)y (k)
k=0
où les ak et b sont des applications continues d’un intervalle I vers K. On note S(E) .
Une solution de (E) est une application ϕ : I → K, n fois dérivable tel que :
n−1
!
X
∀t ∈ I, ϕ(n) (t) = ak (t)ϕ(k) (t) + b(t).
k=0
On note (S(EH) les ensembles de solutions respectifs de (E) et (EH). Alors :

1. SEH) est un K−espace vectoriel de dimension n.
2. Si φ1 est une solution particulière de (E) alors S(E) = φ1 + S(EH) . En
particulierS(EH) est un espace affine de direction S(EH) .
Remarque Si Φ = (φ1 , · · · , φn ) est une famille de solutions de (EH). Pour tout

t ∈ I, on pose :
φ1 (t) · · · φn (t)
0
φ1 (t) · · · φ0n (t)
WΦ (t) = .. ..
. ··· .
(n−1) (n−1)
φ1 (t) · · · φn (t)
WΦ (t) s’appelle le wronskien.
Alors, Φ est un système fondamental de solutions de (EH) si et seulement si l’une
des conditions suivantes est vérifiée :
(1) ∀t ∈ I, WΦ (t) 6= 0
(1) ∃t ∈ I, WΦ (t) 6= 0
La méthode de variation des constantes conduit au résultat suivant :

Théorème 90. On considère l’équation différentielle :

n−1
X
(n)
(E) y = ak (t)y (k) + b(t)
k=0
et l’équation différentielle homogène associés :

n−1
X
(n)
(EH) y = ak (t)y (k)
k=0
où les ak et b sont des applications continues d’un intervalle I vers K.

Soit Φ = (φ1 , · · · , φn ) un système fondamental de solutions de (EH) et ϕ une
application de classe C n de I vers K.
Pour que ϕ soit solution de (E), il faut et il suffit qu’il existe des applications αk :
I → K de classe C 1 sur I tel que :
 0

 α1 φ1 + · · · + αn0 φn = 0
α10 φ01 + · · · + αn0 φ0n = 0


n 
..
X 
φ= αk φk et (1) : .
(n−2) (n−2)
α10 φ1 + · · · + αn0 φn

k=1 

 =0
 0 (n−t)
 (n−1)
α1 φ 1 + · · · + αn0 φn =b
Preuve Il suffit d’appliquer la variation des constantes à (E). On note B l’appli-

cation de I vers Kn tel que :
 
0
 .. 
 . 
∀t ∈ I, B(t) =  
 0 
b(t)
On sait que B s’écrit de façon unique :

n
X
(2) B = βk φbk
k=1

c’est-à-dire : 
 β1 φ1 + · · · + βn φn = 0
0 0

 β1 φ1 + · · · + βn φn = 0



..
(2)0 .
(n−2) (n−2)
+ · · · + βn φn



 β1 φ1 =0
(n−t) (n−1)

β1 φ1 + · · · + βn φn =b

avec les βk des applications continues de I vers K et que la solution générale de

(E)
d est de la forme :
Xn
φ=
b αk φbk
k=1
1
où les αk : I → K de classe C tel que :
(3) ∀k ∈ [[1, n]], αk0 = βk
Tenant compte de (2)0 et (3) ci-dessus, on obtient le système (1) ci-dessus du

théorème.
14.3.6.2 Cas n = 2
On considère l’équation différentielle :
(E) y 00 = a(t)y 0 + b(t)y + c(t)
C’est un cas particulier du cas général ci-dessus. On note en particulier :

1. L’ensemble des solution S(EH) de (EH) est un K−espace vectoriel de dimension
2, c’est-à-dire un plan vectoriel sur K.
2. l’ensemble des solutions de (E) est un plan affine de direction S(EH) et si ϕ1
est une solution particulière de (E) alors S(E) = ϕ + S(EH)
3. Si Φ = (φ1 , φ2 ) est une famille de solutions de (EH) et si pour tout t ∈ I, on
pose :
φ1 (t) φ2 (t)
WΦ (t) = 0 0 = φ1 (t)φ02 (t) − φ01 (t)φ2 (t)
φ1 (t) φ2 (t)
WΦ (t) s’appelle le wronskien de Φ au point t.
Alors Φ est un système fondamental de solutions de (EH) si et seulement si
l’une des conditions suivantes est vraie :
(a) ∀t ∈ I, WΦ (t) 6= 0

(b) ∃t ∈ I, Wφ (t) 6= 0
4. La solution générale de (E) est donnée par :
ϕ(t) = α1 (t)φ1 (t) + α2 (t)φ2 (t)
avec : λ1 , α2 : I → K des applications de classe C 1 tel que :
0
1 α1 (t)φ1 (t) + α20 (t)φ2 (t) = 0
α1 , α2 ∈ C (I, K) et
α10 (t)φ01 (t) + α20 (t)φ02 (t) = c(t)
Autrement dit :
−c(t)φ2 (t) c(t)φ1 (t)
α10 (t) = et α 0
1 (t) =
φ1 (t)φ02 (t) − φ01 (t)φ2 (t) φ1 (t)φ02 (t) − φ01 (t)φ2 (t)
et par suite la solution générale de (E) est :
Z t Z t
c(u)φ2 (u) c(u)φ1 (u)
y(t) = λ1 − du φ1 (t) + λ2 + du φ2 (t)
t0 W (u) t0 W (u)
avec :
 ∀u ∈ I, W (u) = φ1 (u)φ02 (u) − φ01 y(u)φ2 (u)

t ∈I
 0
λ1 , λ2 ∈ K
Méthode pour la recherche d’une deuxième solution de l’équation homo-
gène (appelée : méthode de descente de degré).
On considère l’équation différentielle homogène :
(EH) : y 00 = a(t)y 0 + b(t)y
où a, b : I → K continues, et on suppose qu’elle admet une solution φ1 tel que :
∀t ∈ I, φ1 (t) 6= 0
Posons y = zφ1 alors :
y 0 = z 0 φ1 + zφ01 .
y 00 = z 00 φ1 + 2z 0 φ01 + zφ001
De y 00 = ay 0 + by on déduit :
z 00 φ1 + 2z 0 φ01 + zφ001 = az 0 φ1 + azφ01 + bzφ1
Or φ001 =, donc :
z 00 φ1 + 2z 0 φ01 + zaφ01 + zbφ1 = az 0 φ1 + azφ01 + bzφ1
Finalament :z 00 φ1 + 2z 0 φ01 = az 0 φ1 donc en posant w = z 0 , il vient :
0 aφ1 − 2φ01
w = w
φ1
C’est une équation différentielle de premier ordre qu’on peut résoudre facilement,ce
qui permet de déterminer z donc y donc une seconde solution φ2 = y de l’équation
différentielle (EH)

14.3.6.3 Équation différentielle linéaire d’ordre n à coefficients constants
Dans tout ce qui suit n est un entier naturel tel que n ≥ 2 , I est un intervalle de R et
b = I → K est une application continue sur I. On considère l’équation différentielle :
n−1
X
(n)
(E) : y = ak y (k) + b(t)
k=0
où a0 , · · · , an−1 ∈ K donnés. On considère l’équation différentielle homogène asso-

ciée :
n−1
X
(n)
(EH) : y = ak y (k)
k=0
et on se propose de résoudre (Eh) en déterminant un système fondamental de solu-
tions de (EH).
Théorème 91. Toute solution de (EH) est une application de classe C ∞ de I vers
K, autrement dit :
S(EH) ⊂ C ∞ (I, K)
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 0 pour tout
f ∈ C ∞ (I, K). Il est clair que l’application D est un endomorphisme de C ∞ (I, K),
par suite si on pose P (X) = X n − n−1 k
P
k=0 ak X , on a P ∈ K[X] et P (D) est aussi
un endomorphisme de C ∞ (I, K).
Théorème 92. On a S(EH) = ker(P (D))

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)
Supposons que le polynôme P est scindé et que :

s
Y
P = (X − λk )mk
k=1
avecλ1 , · · · , λs les racines deux à deux distinctes de P et mk leur ordres de multi-

plicité respectifs.
Le lemme des noyaux permet d’écrire :
s
M
S(EH) = ker(D − λk Id)mk
k=1
où Id est l’application identique de C ∞ (I, K).

Soit λ ∈ K et m ∈ N∗ , on se propose de déterminer ker(D−λ Id)m . Soit f ∈ C∞ (I, )˛
et g l’application définie par g(t) = f (t)e−λt , alors on a :
∀k ∈ N, g (k) (t) = (D − λ Id)k (f )(t)e−λt
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 :
ker(D − λ Id)m = {Q(t)eλt /Q ∈ Km−1 [X]}
ce qui permet d’énoncer le :
Théorème 93. Un système fondamental de solutions de (EH) est :
(t 7→ tj eλk t ) 1≤k≤s
0≤j≤mk −1
Autrement dit, la solution générale de (EH) est :

s m
X Xk −1
ϕ(t) = akj tj eλk t

k=1 j=0
où akj ∈ K pour tout (k, j) ∈ [[1, s]] × [[0, mk − 1]]
Remarque Si K = C, le polynôme P est toujours scindé, donc le théorème93 ci-

dessus s’applique. Si K = R et P non scindé , on cherche les solutions complexes
et on considère les parties réelles et imaginaires de tj eλt pour toute racine complexe
non réelle λ de P . Notons que si λ est une telle racine alors λ aussi, il ne faut prendre
qu’une seule car λ et λ fournissent les mêmes parties réelles et imaginaire à un signe
près.
Plus précisément, si :
r
Y s
Y
mj
(X − µj ) (X − λk )mk (X − λk )mk
j=1 k=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 :
t 7→ t` eµj t ; t 7→ tν eαk t cos(bk t), t 7→ tν eαk t sin(bk t) 1≤j≤r

0≤`<mj
1≤k≤s
0≤ν<mk

Chapitre 15
Fonctions holomorphes
15.1 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 329. Soit E un C− espace vectoriel et f une application R−linéaire

de E vers E, alors f est C−linéaire si et seulement si :
∀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).
383
15.2. FONCTIONS HOLOMORPHES Cours deuxiéme année MP
Proposition 330. Si E est un C− espace vectoriel de dimension finie non nulle n

et si B = (e1 , · · · , en ) est une base de E, une application R−linéaire de E vers E,
alors f est C−linéaire si et seulement si :
(2) ∀k ∈ [[1, n]], f (iek ) = if (ek )
Preuve Si on suppose que f est R−linéaire et (2) ci dessus alors on a :
∀k ∈ [[1, n]], ∀z ∈ C, f (zek ) = zf (ek )
En effet : posons z = x + yi, (x, y) ∈ R2 , on a :
f (zek ) = f (xek ) + f (iyek ) = xf (ek ) + yf (iek ) = xf (ek ) + yif (ek ) = zf (ek )
Si u ∈ E tel que : u = nk=1 zk ek avec zk ∈ C alors :

P
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. Une application R− linéaire f de C, vers C est C− linéaire si et

seulement si f (i) = if (1)
Preuve Il suffit de remarquer que (1) est une base de C.
15.2 Fonctions holomorphes

Dans tout ce qui suit U désigne un ouvert non vide de C , a ∈ U. et f une application
de U vers C.

15.2.1 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 identi-
fier 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.
15.2.2 Fonction C− dérivable
Définition 167. On dit que f est C− dérivable au point a si z 7→ f (z)−f z−a

(a)
admet
0
une limite quand z tends vers a. Cette limite si elle existe est notée f (a).
On rappelle que si f est différentiable au point a, sa différentielle df (a) est une

application R− linéaire de C vers C. Ainsi on a :
Proposition 331. Si f est différentiable au point a alors df (a) est C−linéaire si

et seulement si :
∂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
df (a)(1) = ∂f ∂f
∂x (a) et df (a)(i) = ∂y (a), ce qui prouve le résultat.
La proposition suivante donne une condition nécessaire et suffisante pour que f

différentiable au point a soit C− dérivable.

Proposition 332. Les assertions suivantes sont équivalentes :

(1) f est C−dérivable au point a.
(2) f est différentiable au point a et df (a) est C−linéaire
∂f
(3) f est différentiable au point a et ∂y (a) = i ∂f
∂x (a)
Si l’une des assertions (1), (2), (3) est vraie alors on a :
 0 ∂f ∂f
 f (a) = ∂x (a) = −i ∂y (a)
∀h ∈ C, df (a)(h) = f 0 (a)h

Preuve En effet : Si f est C−dérivable au point a alors pour h voisin de 0, on a :
f (a + h) = f (a) + hf 0 (a) + o(|h|)
Comme l’application L : h 7→ hf 0 (a) est R−linéaire, on a f est différentiable au

point a et df (a) = L. Il est clair par ailleurs que L est C−linéaire. Remarquons
enfin que ∂f 0
∂x (a) = df (a)(1) = L(1) = f (a)
Réciproquement, si f est différentiable au point a, la condition ci-dessus veut
dire df (a)(i) = idf (a)(1), donc df (a) est C−linéaire, en particulier df (a)(h) =
hdf (a)(1), ∀h ∈ C et la différentiabilité de f s’écrit :
∂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 0 (a) = (a)
∂x
Comme f (a + h) = f (a) + f 0 (a)h + o(|h|), on a ∀h ∈ C, df (a)(h) = f 0 (a)h

Définition 168. On dit que f vérifie les conditions de Cauchy-Riemann au point a

Si les dérivées partielles ∂f ∂f ∂f ∂f
∂x (a) et ∂y (a) existent et ∂y (a) = i ∂x (a)
Ainsi :
Proposition 333. f est C−dérivable au point a si et seulement si f est différen-

tiable au point a et f vérifie les conditions de Cauchy-Riemann au point a.
Preuve Ce n’est qu’une autre façon d’exprimer la proposition 332.
15.2.3 Fonction holomorphe

On dit que f est C−dérivable sur U si f est C−dérivable en tout point a de U. Si
c’est le cas, on dispose de l’application f 0 : U → C qui associe à a ∈ U le nombre
complexe f 0 (a).
Définition 169. On dit que f est holomorphe sur U si f est C− dérivable sur U
et f 0 est continue sur U.
∂f ∂f
Rappelons que f est de classe C 1 sur U si les dérivées partielles ∂x et ∂y existent et
sont continues sur U , ce qui donne :
Proposition 334. f est holomorphe sur U si et seulement si f est de classe C 1

sur U et vérifie les conditions de Cauchy-Riemann sur U
Preuve En effet, si f est holomorphe sur U alors elle est différentiable sur U
et ∂f 0 ∂f 0
∂x = f et ∂y = if montre que les dérivées pareilles sont continues sur U .
réciproquement 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− dérivable. Or f 0 = ∂f 0
∂x , donc f est continue sur U.

15.2.4 Sous-algèbre H (U ) des fonctions holomorphes sur U
Proposition 335. f, g : U → C et λ ∈ C. Si f et g sont C− dérivables en un

point a ∈ U alors f + g, λf et f g sont C−dérivable au point a et :
 (f + g)0 (a) = f 0 (a) + g 0 (a)


(λf )0 (a) = λf 0 (a)

(f g)0 (a) = f 0 (a)g(a) + f (a)g 0 (a)

1 f
Si de plus g(a) 6= 0 alors g et g sont C-dérivables au point a et :
 0
 1 (a) = − g0 (a)2
g 0 (g(a))
 f (a) = f (a)g(a)−f (a)g0 (a)
0
g (g(a))2
Notons D(U ) des applications C−dérivables et H (U ) celui des application holo-

morphes sur U ; alors :
Proposition 336. D(U ) et une sous-algèbre de l’algèbre des applications de U vers

C et H (U ) est une sous-algèbre de D(U )
Proposition 337. Soient f : U → C et g : V → C deux applications tel que

f (U ) ⊂ V et soit a ∈ U . Si f est C−dérivable au point a et g est C−dérivable au
point f (a), alors g est C−dérivable au point a et (g ◦ f )0 (a) = g 0 (f (a))f 0 (a)
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).

∂(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
Comme f vérifie les conditions de Cauchy-Riemann, on a : ∂y (a) = i ∂f
∂x (a) et 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 :

0 ∂(g ◦ f ) ∂f
(g ◦ f ) (a) = (a) = dg(f (a)) (a) = dg(f (a))(f 0 (a)) = g 0 (f (a))f 0 (a)
∂x ∂x
Rappelons que d’après la proposition 332 on a : ∀h ∈ C, dg(f (a))(h) = g 0 (f (a)h
Corollaire 24. Si f et g sont C−dérivables (resp. holomorphes) sur U et V res-

pectivement alors g ◦ f est C-dérivable(resp.holomorphe) sur U .
Preuve C’est une conséquence immédiate de la proposition 337

15.3. FONCTIONS ANALYTIQUES Cours deuxiéme année MP
15.3 Fonctions analytiques

Dans toute ce qui suit U est un ouvert non vide de C, f : U → C une application.
Pour tout (z, ρ) ∈ C × R∗+ , on note ∆z,ρ le disque ouvert de centre z et de rayon ρ.
15.3.1 Définitions, exemples
Définition 170. On dit que f est analytique sur U si pour tout a ∈ U il existe
ra > 0 et une suite (αn ) ∈ CN tel que ∆a,ra ⊂ U et :
+∞
X
∀z ∈ ∆a,ra , f (z) = αn (z − a)n
n=0
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 .
1. f (z) = ez est analytique sur C ; en effet, pour tout a ∈ C et tout h ∈ C, on a :
+∞
P ea n
a+h a h a+h
e = e e , donc : e = n! h
n=0
2. Si an z n est une série entière de rayon de convergence R ∈ R∗+ alors la fonction
P
+∞
an z n est analytique sur le disque de convergence ∆R .
P
f définie par f (z) =
n=0
En effet Soit z0 ∈ ∆R et soit r = R − |z0 | et h ∈ ∆r , alors z0 + h ∈ ∆R et :
+∞ +∞ X n +∞ +∞
X
n
X n n−k k X X
f (z0 + h) = an (z0 + h) = an z0 h = unk
n=0 n=0 k=0
k n=0 k=0
où unk = an nk z0n−k hk avec la convention nk = 0 si k > n.

+∞ n
|an ||z0 |n−k |h|k = |an |(|z0 | + |h|)n = vn
P P
Pour tout n ∈ N, on a : |unk | =
k=0 k=0 P
, et comme |h| < R − |z0 | on a |z0 | + |h| < R, par suite la série vn est
convergente. Ainsi la famille (unk ) est sommable et on peut permuter les deux
symboles de sommation, ce qui donne :
+∞
X
f (z0 + h) = bk hk
k=0

où l’on a pour tout k ∈ N :

+∞
X n n−k
bk = an z
k 0
n=k
valable pour tout h ∈ C tel que |h| < R − |z0 |. Notons que si R = +∞ ce
résultat est valable pour tout h ∈ C.
L’étude de l’exemple ci-dessus permet d’énoncer la :
an z n une série entière de rayon de convergence R ∈

P
Proposition 338. Si
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)
r = R − |z0 | si R < +∞
est developable en série entière sur le disque ∆r où
r = +∞ si R = +∞
Preuve Déjà donnée ci-dessus.
15.3.2 Lien entre analytique et holomorphe

15.3.2.1 Dérivée d’ordre supérieur
Soit f : U → C une application. Si f est holomorphe on définit f (1) = f 0 . Soit

k ∈ N∗ tel que f (k) est une application de U → C. Si f (k) est holomorphe, on pose
0
f (k+1) = f (k)
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.
15.3.2.2 Dérivabilité d’une série entière et expressions des coefficients

an z n une série entière de rayon de convergence R > 0,

P
alors la fonction série entière f est holomorphe sur le disque de convergence ∆R et
on a :
+∞
X
0
∀z ∈ ∆R , f (z) = nan z n−1
n=1
Preuve Soit z0 ∈ ∆R et r = 12 (R − |z0 |) . Pour tout z ∈ ∆z0 ,r on a |z − z0 | < r,

donc |z| ≤ |z0 | + |z − z0 | < 21 (R + |z0 |) = ρ. On a aussi |z0 | ≤ ρ et ρ < R.
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
de sorte que |un (z)| ≤ n|an |ρn−1 , et P n|an |ρn−1 est conver-
P
comme la P série
gente(Rappelons que les P séries entières an zn et nan z n−1 ont le même rayon
de convergence), la série un converge normalement donc uniformément sur ∆z0 ,r
, et par suite
+∞
f (z) − f (z0 ) X
lim = an nz0n−1
z→z0 z − z0 n=1
donc f est C−dérivable au point z0 et
+∞
X
0
f (z) = nan z0n−1
n=1
On sait par ailleurs que f est continue sur son disque de convergence, donc f est
holomorphe sur ∆R .
an z n une série entière de rayon de convergence R > 0. La

P
Corollaire 25. Soit

fonction série entière f définie par :

+∞
X
f (z) = an z n
n=0
pour tout nombre complexe z tel que z ∈ ∆R , est infiniment C−dérivable et on a :

+∞
∗ (p)
X (n + p)!
∀p ∈ N , ∀z ∈ ∆R , f (z) = an+p z n
n=0
n!
Cette relation est valable si p = 0 avec la convention f (0) = f .
Preuve C’est une conséquence immédiate de la proposition 339 et un raisonne-

ment par récurrence en tenant en compte qu’une série entière et sa série dérivée
ont le même rayon de convergence.
an z n une série entière de rayon de convergence R > 0,

P
alors pour tout p ∈ N, et tout nombre réel r tel que 0 < r < R, on a :
Z 2π
f (p) (0) 1
ap = = p
e−ipt f (reit ) dt
n! 2πr 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 6= 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 .
15.3.2.3 Conséquence : cas d’une fonction analytique
Théorème 94. Soit f : U → C une fonction analytique sur U , alors f est infiniment
C−dérivable sur U . Si z0 ∈ U et R ∈ R∗+ et (an ) une suite de complexes tel que :
+∞
X
∀z ∈ ∆z0 ,R , f (z) = an (z − z0 )n
n=0
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
Ceci permet de définir la fonction g par :

+∞
X
∀h ∈ ∆R , g(h) = an hn .
n=0

D’après le corollaire 25, g est holomorphe sur ∆R . L’application u : z 7→ z − z0 est

holomorphe sur C et u0 (z) = 1 pour tout z ∈ C. On a f (z) = g(z − z0 ) pour tout
z ∈ ∆z0 ,R , donc, f est holomorphe sur ∆z0 ,R et
(∀z ∈ ∆z0 ,R ) f 0 (z) = g 0 (z − z0 ).1 = g 0 (z − z0 )
On a ainsi prouvé que f est holomorphe sur U avec la formule ci dessus.

Soit p ∈ N∗ tel que f (p) existe sur U et :
(∀z ∈ ∆z0 ,R ) f (p) (z) = g (p) (z − z0 )
D’après le corollaire 25, g est infiniment dérivable sur ∆R . Donc par composition,
on a f (p) est holomorphe sur ∆R et :
(∀z ∈ ∆z0 ,R ) f (p+1) (z) = g (p+1) (z − z0 )
On a donc prouvé par récurrence que f est infiniment C−dérivable sur U et

+∞
∗ (p) (p)
X (n + p)!
(∀p ∈ N )(∀z ∈ ∆z0 ,R ) f (z) = g (z − z0 ) = an+p (z − z0 )n
n=0
n!
Formule valable aussi pour p = 0.

D’après la proposition 340 appliquée à g on obtient le reste des résultats en remar-
quant que
(∀p ∈ N)(∀h ∈ ∆R ) g (p) (h) = f (p) (z0 + h)
15.3.2.4 La réciproque
Théorème 95. Soit f : U → C une application, alors f est analytique sur U si et

seulement si f est holomorphe sur U .
Preuve Théorème admis
Remarque On peut donner une démonstration de ce théorème en utilisant des

notions liées au séries de Fourier, qui maintenant sont hors programme.

15.3.2.5 Conséquence importante
Théorème 96. Toute fonction holomorphe sur un ouvert U est infiniment

C−dérivable sur U .
Preuve Si f est holomorphe elle est analytique, donc infiniment C− dérivable.
15.3.3 Principes des zéros isolés et du prolongement analytique
Lemme 6. Si W1 et W2 sont deux ouverts disjoints de [0, 1] tel que W1 ∪W2 = [0, 1]
et W1 6= ∅ et W2 6= ∅ alors W1 = [0, 1] ou W2 = [0, 1].
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 6∈ 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 [⊂ {0} avec
η 0 = min(η, 1). Donc α > 0. Si α 6∈ 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 6= ∅ et A 6= Ω,
alors il existe (u, v) ∈ Ω2 tel que u ∈ A et v 6∈ A. Comme Ω est connexe par arcs,
il existe un chemin γ : [0, 1] → Ω tel que γ([0, 1]) ⊂ Ω et γ(0) = u et γ(1) = v.
Posons :
W1 = γ −1 (A) et W2 = γ −1 (Ω\A)
γ est continue et A ouverte donc W1 est un ouvert de [0, 1] ; par ailleurs A est un
fermé de Ω donc Ω\A est un ouvert de Ω et par suite W2 est un ouvert de [0, 1].
On a W1 6= ∅ et W2 6= ∅ car comme γ(0) = u ∈ A et γ(1) = v ∈ Ω\A, on a
0 ∈ W1 et 1 ∈ W2 . Finalement W1 ∩ W2 = ∅, ceci contredit le lemme 6. D’où le
lemme 7 est démontré.
Lemme 8. Soit Ω un ouvert connexe par arcs de C et f : Ω → C une fonction

holomorphe sur Ω tel qu’il existe z0 ∈ Ω tel que :
∀n ∈ N, f (n) (z0 ) = 0
Alors f est nulle sur Ω.
Preuve Soit W = {z ∈ Ω/∀n ∈ N, fT(n) (z) = 0}. On a W 6= ∅ 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!
Donc : ∀n ∈ N, f (n) (a) = 0 et a ∈ W , donc Donc B(a, ρ) ⊂ W et W est voisinage

de chacun de ses points donc ouvert. Par le lemme 7 , on a W = Ω, par suite f
est nulle sur Ω.

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 ) 6= 0. Soit p = min{n ∈ N/f (n) (z0 ) 6= 0}. Comme f est analytique, et
compte tenu de la définition de p, il existe r0 > 0 tel que :
+∞ (n)
0
X f (z0 )
∀z ∈ B(z0 , r ), f (z) = (z − z0 )n = (z − z0 )p g(z)
n=p
n!
avec
+∞ (n)
0
X f (z0 )
∀z ∈ B(z0 , r ), g(z) = (z − z0 )n−p
n=p
n!
On a g est continue au point z0 et g(z0 ) 6= 0, donc il existe r > 0 tel que g(z) 6= 0
sur la boule ouverte B(z0 , r). Donc z0 est ’unique zéro de f sur la boule ouverte
B(z0 , r).
Théorème 98. (Principe du prolongement analytique :) Soit U un

ouvert de C et f : U → C une fonction holomorphe sur U . Si Ω est un ouvert
connexe par arcs de C tel qu’il existe une fonction F : Ω → C holomorphe sur Ω tel
que U ⊂ Ω et F prolonge f sur Ω, alors F est unique.
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 .

Cours 1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours 1

Transféré par

Droits d'auteur :

Formats disponibles

Table des matières

2 Groupes, anneaux : Rappels et compléments 9

3 Réduction des endomorphismes 41

3.1.5 Matrices carrées semblables . . . . . . . . . . . . . . . . . . . 50

4 Espace vectoriels normés 96

Mohamed Ait Lhoussain page 2

4.1.7 Voisinage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

Mohamed Ait Lhoussain page 3

5 Espaces préhilbertiens réels. 149

6 Intégrales généralisées, séries numériques. 180

Mohamed Ait Lhoussain page 4

6.3.1 Sommation des relations de comparaison pour les séries . . . 196

7 Fonction vectorielles à variable réelle 200

Mohamed Ait Lhoussain page 5

9 Suites et séries de fonctions (I) :

10 Suites et séries de fonctions (II) :

11 Séries entières 253

Mohamed Ait Lhoussain page 6

13 Calcul différentiel. 321

Mohamed Ait Lhoussain page 7

13.3 Fonction à valeur réelle . . . . . . . . . . . . . . . . . . . . . . . . . 350

14 Équations différentielles 361

15 Fonctions holomorphes 383

Mohamed Ait Lhoussain page 8

Groupes, anneaux : Rappels et

2.1.1 Définitions, exemples

Remarques On retient les remarques suivantes :

Mohamed Ait Lhoussain page 10

Définition 2. Soit (G, ?) un groupe. On appelle sous-groupe de (G, ?) toute partie

Proposition 1. Si H est un sous-groupe de (G, ?) alors :

Preuve On a eG ? eH = eH et eH ? eH = eH et eH est régulier dans G donc

Proposition 2. Soit (G, ?) un groupe et H une partie de G, alors :

Mohamed Ait Lhoussain page 11

1. On considère le groupe linéaire GL2 (R) et on note :

Mθ,ε × Mθ0 ,ε0 = Mθ+εθ0 ,εε0

2.1.3 Morphismes de groupes

Mohamed Ait Lhoussain page 12

Définition 3. Soient (G, ⊥) et (G0 , >) deux groupes. On appelle morphisme de

∀(x, y) ∈ G2 , f (x⊥y) = f (x)>f (y).

Exemples Voici quelques exemples :

Proposition 3. Si f : G → G0 est un morphisme de groupe et e et e0 les éléments

Preuve On ne nuit pas à la généralité si on choisit une notation multiplicative

Proposition 4. Soit f : G → G0 un morphisme de groupes. Si f est bijective en

Mohamed Ait Lhoussain page 13

Preuve Soit (a, b) ∈ G02 et x = f −1 (a) et y = f −1 (b) ; alors f (x) = a et f (y) =

Définition 4. On dit alors que f est un isomorphisme de groupes et que f −1 est le

2.1.3.2 Image , image réciproque , noyau , image

Proposition 5. Soit f : G → G0 un morphisme de groupes. Si H est un sous-

Proposition 6. Soit f : G → G0 un morphisme de groupes. Alors ker(f ) =

Exemples Les exemples importants ci-dessous sont à retenir :

Mohamed Ait Lhoussain page 14

2.1.4 Groupe engendré par une partie

2.1.4.1 Intersection de sous-groupes

Mohamed Ait Lhoussain page 15

Preuve H 6= ∅ car e ∈ H. Si x, y ∈ H alors pour tout i ∈ I, on a x ∈ Hi et

2.1.4.2 Définition, exemples

Par convention, quand on dit : soit G un groupe, on sous-entends une notation

Proposition 8. Soit G un groupe et A une partie de G. On note

et soit hAi le sous-groupe : \

Mohamed Ait Lhoussain page 16

et prouvons que K = hAi. Soit m ∈Q N∗ , et x1 , · · · , xm ∈ A ∪ A−1 , alors

2. Si la condition suivante est réalisée :

Mohamed Ait Lhoussain page 17