Lycée Descartes

—
Classe de MP

Cours de mathématiques
CC BY-NC-SA

2023-2024
Avertissement : les notations introduites par Notation sont a priori celles du programme officiel, alors que celles qui le
sont par Notation sont internes au cours et ne doivent pas être utilisées, ni aux écrits des concours, ni dans les devoirs
écrits.
Chapitre I. Vocabulaire ensembliste, structures algébriques, nombres et polynômes (première année) 1

A Vocabulaire relatif aux ensembles et aux applications

I Éléments de logique utiles dans les démonstrations
1◦) Construction de propositions
Quelques mots d’usage courant en mathématiques [1001]
(i) Une assertion ou une proposition est une affirmation qui peut être vraie ou fausse.
(ii) Une définition est une assertion vraie qui introduit un mot ou une notion nouvelle.
(iii) Un théorème, une propriété (appelée elle aussi “proposition”, sous-entendue “vraie”, par abus de langage), un
lemme ou un corollaire sont des assertions vraies que l’on doit démontrer de manière claire et rigoureuse.
(iv) Un axiome est un assertion que l’on ne cherche pas à démontrer et qui sert à fonder une théorie mathématique.
Construire des assertions [1002] Si A et B désignent des assertions, on peut construire les assertions :
(i) A et B, vraie uniquement lorsque A et B sont vraies simultanément,
(ii) A ou B, vraie dès que A ou B (ou les deux) est vraie,
(iii) non A, qui est vraie uniquement lorsque A est fausse,
(iv) A ⇒ B, qui signifie exactement (non A) ou B,
(v) A ⇔ B, qui signifie exactement (A ⇒ B) et (B ⇒ A).
Formules sur les connecteurs logiques [1003] Soient A, B et C des assertions. Alors :
(i) non (A ou B) si et seulement si (non A) et (non B),
(ii) non (A et B) si et seulement si (non A) ou (non B),
(iii) si (A ⇒ B) et (B ⇒ C) alors A ⇒ C,
(iv) (A ⇒ B) si et seulement si (non B) ⇒ (non A),
(v) non (A ⇒ B) si et seulement si A et (non B).
Quantificateurs [1004] Il en existe deux : le quantificateur existentiel (∃) et le quantificateur universel (∀).
Négation [1005] Pour nier une assertion faisant intervenir des quantificateurs, on applique les règles suivantes :
(i) non (∀ x A(x)) signifie ∃ x (non A(x)), (ii) non (∃ x A(x)) signifie ∀ x (non A(x)).
Attention [1006] Une proposition qui fait intervenir des quantificateurs dépend de l’ordre dans lequel ils interviennent.

2◦) Démonstrations et rédaction

Il faut rédiger les démonstrations, c’est-à-dire utiliser la langue française sans la maltraiter (syntaxe, orthographe...).
Jusqu’à nouvel ordre, il est interdit d’utiliser les symboles suivants dans une démonstration : ∃, ⇒ et ⇔.
Le symbole ∀ pourra être utilisé dans une formule, mais en tenant compte de sa portée locale, sur une ligne.
On utilisera les mots suivants : soit qui introduit un objet quelconque de l’ensemble indiqué et dont la portée
est étendue à la suite de la démonstration, les locutions pour tout (dont la portée reste locale), il existe (dont la
portée est étendue à la suite de la démonstration) et on note ou on pose pour introduire une notation sur un objet
existant, et les conjonctions de coordinations (donc, or, car...), qui mettent systématiquement en place des liens logiques
entre des assertions vraies (contrairement au symbole ⇒ : ainsi (1 = 3 ⇒ 2 = 4) est vrai et a un sens, alors que
(1 = 3 donc 2 = 4) n’a aucun sens).
Trois façons de démontrer une implication [1007] On suppose qu’une assertion A est vraie (il s’agit d’une hypothèse)
et on veut montrer qu’une assertion B l’est aussi (il s’agit d’une conclusion). On peut :
⋄ utiliser une méthode directe,
⋄ utiliser une méthode par contraposition : on suppose non B et on montre non A,
⋄ utiliser un raisonnement – dit – par l’absurde : on suppose A et non B, et on montre qu’on aboutit à une contradiction,
c’est-à-dire à une assertion clairement fausse.
Dans tous les cas, toute démonstration doit commencer par une phrase d’introduction, du type « Montrons que si...
alors... », exprimant ce qu’on va faire par la suite.
De plus, on pourra être amené à faire des disjonctions de cas, et on utilisera des puces et une indentation claire.
Méthode élémentaire d’utilisation des quantificateurs [1008]
⋄ Si la conclusion à démontrer commence par :
• un quantificateur universel ou un “pour tout”, il convient de commencer sa démonstration par le mot “soit”,
• un quantificateur existentiel ou un “il existe”, il convient d’exhiber ou de construire un tel objet,
⋄ Si l’hypothèse à utiliser commence par :
• un quantificateur universel ou un “pour tout”, il convient de choisir de façon pertinent le ou les objets parmi ceux
qui sont proposés, pour les utiliser ensuite au bon moment,
• un quantificateur existentiel ou un “il existe”, il ne faudra pas modifier l’objet dont on pourra supposer l’existence,
et s’en tenir à ses propriétés, décrites dans l’hypothèse.
2 Descartes — MP — CC BY-NC-SA 2023-2024

II Ensembles et applications ; relations binaires

Les notions d’ensemble, comme collection d’objets, et d’appartenance (∈) sont considérées comme naturelles.
L’ensemble vide est noté : ∅

1◦) Opérations sur les sous-ensembles d’un ensemble et propriétés

Vocabulaire ensembliste [1009] On définit les notions usuelles suivantes :
(i) Si E est un ensemble, A est un sous-ensemble ou une partie de E lorsque A est incluse dans E (A ⊂ E), c’est-à-dire
si x ∈ A alors x ∈ E. Notation : L’ensemble des parties de E est noté P(E).
(ii) Si A et B sont deux parties de E, on appelle différence de A et de B l’ensemble des éléments de A qui n’appartiennent
pas à B. Notation : A \ B
(iii) Si A est une partie de E, le complémentaire de A dans E est E \ A (on trouve parfois les notations Ac ou A).
(iv) Soit I un ensemble d’indices et A = (Ai )i∈I une famille de parties de E. On ∪ appelle union des éléments de A
l’ensemble des éléments qui appartiennent à l’un au moins des Ai . Notation : i∈I Ai
(v) Soit I un ensemble d’indices et A = (Ai )i∈I une famille de parties de E. ∩ On appelle intersection des éléments
de A l’ensemble des éléments qui appartiennent à chacun des Ai . Notation : i∈I Ai
(vi) Soit I∪un ensemble d’indices et A = (Ai )i∈I une famille de parties de E. La famille A est un recouvrement de E
lorsque i∈I Ai = E. Si de plus, pour tout i ∈ I, Ai ̸= ∅ et si pour tout i ̸= j, Ai ∩ Aj = ∅ (ils sont disjoints), alors
on dit que A est une partition de E.
(vii) Soit I un ensemble d’indices et E = (Ei )i∈I une famille d’ensembles. ∏ Le produit cartésien des éléments de E est
l’ensemble des (xi )i∈I tels que, pour tout i ∈ I, xi ∈ Ei . Notation : i∈I Ei
Calculs algébriques sur les ensembles [1010] Soit E un ensemble et A, B, C trois parties de E :
(i) A ∩ B = B ∩ A et A ∪ B = B ∪ A (commutativité)
(ii) A ∩ (B ∩ C) = (A ∩ B) ∩ C et A ∪ (B ∪ C) = (A ∪ B) ∪ C (associativité)
(iii) A ∩ E = A et A ∪ ∅ = A (élément neutre)
(iv) A ∩ ∅ = ∅ et A ∪ E = E (élément absorbant)
(v) A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) et A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) (distributivité)
(vi) E \ (A ∩ B) = (E \ A) ∪ (E \ B) et E \ (A ∪ B) = (E \ A) ∩ (E \ B) (passage au complémentaire)
(vii) E \ (E \ A) = A (involution)
Méthode de détermination de l’ensemble des solutions d’un problème par Analyse/Synthèse [1011]
Une telle méthode se déroule en deux étapes :
(i) L’analyse : On suppose l’existence d’une solution au problème et on accumule des déductions de propriétés qu’elle
doit vérifier, du seul fait qu’elle est solution. En fin d’analyse, si un seul objet vérifie les propriétés obtenues, on
écrit alors : “Sous réserve d’existence d’une solution, on en a montré l’unicité.”
(ii) La synthèse : On examine tous les objets vérifiant les conditions nécessaires précédemment accumulées (ce sont les
seuls candidats possibles à être des solutions) et on détermine, parmi eux, lesquels sont réellement des solutions. On
termine en précisant l’ensemble des solutions du problème.
Croissance des ensembles de solutions [1012] De manière générale, lorsqu’on cherche à obtenir l’ensemble des solutions
d’un problème (par exemple, lorsqu’on résout une équation), l’analyse peut amener à produire, à chaque nouvelle étape
de déduction, un ensemble de solutions qui contient l’ensemble des solutions du problème décrit à l’étape précédente.

2◦) Applications
Applications, images directe ou réciproque d’une partie [1013] Soient E et F deux ensembles.
(i) Une application de E vers F est la donnée d’une partie Γ de E × F (appelée graphe de l’application) telle que pour
tout x ∈ E, il existe un unique y ∈ F tel que (x, y) ∈ Γ.
Dans ce cas, E est l’ensemble de départ, F l’ensemble d’arrivée, y l’image de x et x un antécédent de y.
Notation : f : E → F ; x 7→ y = f (x). L’ensemble des applications de E vers F est noté F E ou F(E, F ).
(ii) Soit f ∈ F E et A ⊂ E. L’image de A par f est l’ensemble des images des éléments de A, c’est-à-dire :
{f (x) ∈ F | x ∈ A} = {y ∈ F | ∃x ∈ A, f (x) = y}
Notation : f (A). Cas particulier : f (E) se note aussi Im(f ).
(iii) Soit f ∈ F E et B ⊂ F . L’image réciproque de B par f est l’ensemble (éventuellement vide) des antécédents des
éléments de B, c’est-à-dire {x ∈ E | f (x) ∈ B} = {x ∈ E | ∃y ∈ B, f (x) = y}. Notation : f −1 (B)
Attention [1014] Ne pas utiliser le symbole f −1 s’il n’est pas suivi d’une partie de l’ensemble d’arrivée, car f −1 n’a
aucun sens a priori dans ce cadre.
 Chapitre I. Vocabulaire ensembliste, structures algébriques, nombres et polynômes (première année) 3

Compositions [1015] Soient E, F , G et H quatre ensembles, f ∈ F E , A une partie de E et B une partie de F .

(i) Soit g ∈ G . On appelle composée de f et g l’application E → G ; x 7→ g(f (x)). Notation : g ◦ f
F

(ii) On dit que f est injective lorsque pour tout (x, x′ ) ∈ E 2 , si f (x) = f (x′ ), alors x = x′ .
(iii) On dit que f est surjective lorsque pour tout y ∈ F , il existe x ∈ E tel que f (x) = y, c’est-à-dire Im(f ) = F .
(iv) On dit que f est bijective lorsqu’elle est injective et surjective. Dans ce cas, pour tout y ∈ F , il existe un unique
x ∈ E tel que f (x) = y. On peut donc définir l’application réciproque de f : F → E ; y 7→ x
Cette dernière application est aussi bijective, d’application réciproque l’application f . Notation : f −1
(v) Une permutation de E est une bijection de E sur lui-même. Le support d’une permutation est l’ensemble des
éléments de E qui ne sont pas invariants par cette permutation.
(vi) Une involution de E est une permutation de E égale à sa propre application réciproque.
Propriétés des compositions [1016] Soient E, F et G des ensembles, f ∈ F E et g ∈ GF . Alors :
(i) Si f et g sont injectives (resp. surjectives, bijectives), alors g ◦ f aussi.
(ii) Si g ◦ f est injective (resp. surjective), alors f est injective (resp. g est surjective).
Théorème de caractérisation d’une bijection [1017] Soient E et F des ensembles et f ∈ F E .
Alors f est bijective si et seulement s’il existe g ∈ E F telle que g ◦ f = idE et f ◦ g = idF . Dans ce cas, g = f −1 .
Justification d’une notation ambiguë [1018]
Soient E et F deux ensembles, f une application bijective de E sur F , et B une partie de F .
Alors f −1 (B) désigne l’image réciproque de B par f et l’image de B par f −1 , lesquelles coïncident.
De même, pour tout y ∈ F , f −1 ({y}) = {f −1 (y)}, dont le deuxième membre n’a de sens que par bijectivité de f .
Fonction indicatrice d’une partie d’un ensemble [1019] Soit E un ensemble et A une partie de E.
La fonction indicatrice de A est l’application E → {0, 1} ; x ∈ A 7→ 1 ; x ∈
/ A 7→ 0. Notation : 1A
Fonction indicatrice et opérations ensemblistes [1020] Soient E un ensemble, et A et B deux parties de E.
Alors : 1A∩B = 1A 1B , 1E\A = 1 − 1A et 1A∪B = 1A + 1B − 1A 1B
D’autres notions utiles sur les applications [1021]
Soient E, F , G et H quatre ensembles, f ∈ F E , A une partie de E et B une partie de F .
(i) La restriction de f à A est l’application A → F ; x 7→ f (x). Notation : f |A
HP (ii) On suppose que Im(f ) ⊂ B. La corestriction de f à B est l’application E → B ; x 7→ f (x). Notation : f |B
′
(iii) On suppose que E ′ ⊃ E. Tout élément de F E dont la restriction à E est f est un prolongement de f à E ′ .
(iv) On suppose que E = F . Si f (A) ⊂ A, on dit que A est stable par l’application f .
(v) On suppose que E = F et que A est stable par f . L’application f |A A s’appelle l’application induite de f sur A.
Il convient de remarquer que f |A
A ∈ F (A, A), alors que f |A ∈ F(A, E).
(vi) On suppose que E ∩ G = ∅ et g ∈ H G .
On dit que h ∈ (F ∪ H)E∪G est le recollement ensembliste des applications f et g lorsque h|F H
E = f et h|G = g.

3◦) Relations binaires

Relations binaires [1022] Soit E un ensemble. Une relation binaire sur E est une partie Γ de E 2 .
Notation : Usuellement, si (x, y) ∈ Γ, on note x R y.
Une relation binaire R sur un ensemble E est :
(i) réflexive lorsque pour tout x ∈ E, x R x,
(ii) antisymétrique lorsque pour tout (x, y) ∈ E 2 , si x R y et y R x, alors x = y,
(iii) symétrique lorsque pour tout (x, y) ∈ E 2 , si x R y alors y R x,
(iv) transitive lorsque pour tout (x, y, z) ∈ E 3 , si x R y et y R z, alors x R z,
(v) une relation d’équivalence sur E si elle est réflexive, symétrique et transitive,
(vi) une relation d’ordre sur E si elle est réflexive, antisymétrique et transitive.
Notation : Usuellement, on utilise le symbole ≤ pour désigner un ordre. La notation x < y signifie x ≤ y et x ̸= y.
Classes d’équivalence [1023] Soit E un ensemble, R une relation d’équivalence sur E et x ∈ E.
On appelle classe d’équivalence de x modulo R l’ensemble : {y ∈ E | x R y}.
L’ensemble des classes d’équivalence modulo R sur E constitue une partition de E.
Ensembles ordonnés [1024] Soit E un ensemble muni d’une relation d’ordre ≤ (on dit qu’il est ordonné).
(i) Deux éléments x et y sont comparables si x ≤ y ou y ≤ x.
(ii) L’ensemble E est totalement ordonné lorsque tous ses éléments sont comparables.
(iii) L’ensemble E est partiellement ordonné lorsqu’il existe deux éléments de E non comparables.
Des situations moins favorables que pour des nombres réels [1025]
(i) Il n’y a pas de relation d’ordre naturelle sur l’ensemble des nombres complexes.
(ii) La relation d’ordre naturelle sur P(E) est l’inclusion, mais c’est une relation d’ordre partielle.
 4 Descartes — MP — CC BY-NC-SA 2023-2024

B Lois de composition interne et structures algébriques usuelles

I Lois de composition interne
1◦) Propriétés générales
Loi de composition interne [1026] Soit E un ensemble. Une loi de composition interne sur E est une application de E 2
vers E. Notation : On utilise une notation infixe, du type x ∗ y si (x, y) ∈ E 2 .
Soit E un ensemble muni d’une loi de composition interne ∗ et A une partie de E.
(i) On dit que A est stable pour la loi ∗ lorsque pour tout (x, y) ∈ A2 , x ∗ y ∈ A. On parle de loi induite sur A.
(ii) On dit que ∗ est associative lorsque pour tout (x, y, z) ∈ E 3 , x ∗ (y ∗ z) = (x ∗ y) ∗ z.
(iii) On dit que ∗ est commutative lorsque pour tout (x, y) ∈ E 2 , x ∗ y = y ∗ x.
(iv) On dit que ∗ admet un élément neutre lorsqu’il existe e ∈ E tel que pour tout x ∈ E, x ∗ e = e ∗ x = x.
(v) Si E est aussi muni d’une loi de composition interne ⊥, on dit que la loi ⊥ est distributive à gauche (resp. distributive
à droite) sur la loi ∗ lorsque pour tout (x, y, z) ∈ E 3 , x⊥(y ∗ z) = (x⊥y) ∗ (x⊥z) (resp. (x ∗ y)⊥z = (x⊥z) ∗ (y⊥z)).
La loi ⊥ est distributive sur la loi ∗ lorsqu’elle est distributive à gauche et à droite.
Unicité du neutre et propriétés des lois induites [1027]
Soit E un ensemble muni d’une loi de composition interne ∗ et A une partie stable par ∗ de E.
(i) Si E admet un élément neutre, il est unique.
(ii) Si ∗ est associative, alors la loi induite sur A aussi.
(iii) Si ∗ est commutative, alors la loi induite sur A aussi.
(iv) Si e est élément neutre pour ∗ et si e ∈ A, alors e est neutre pour la loi induite sur A.
(v) Si E est aussi muni d’une loi de composition interne ⊥, si A est stable par ⊥ et si ⊥ est distributive sur ∗, alors
les mêmes propriétés se retrouvent sur les lois induites.
Morphisme [1028] Soient E et F deux ensembles respectivement munis de lois de compositions internes ∗ et ⊥ et f ∈ F E .
On dit que f est un morphisme si pour tout (x, x′ ) ∈ E 2 , f (x ∗ x′ ) = f (x)⊥f (x′ ).

2◦) Éléments symétrisables

Symétrique [1029] Soit E un ensemble muni d’une loi de composition interne ∗ associative et qui admet un élément
neutre e. On dit que a ∈ E est symétrisable de symétrique a′ ∈ E lorsque a ∗ a′ = a′ ∗ a = e.
Notation : Si la loi de composition est notée multiplicativement (·), alors le symétrique de a, s’il existe, est noté a−1 .
Propriétés des éléments symétrisables [1030]
Soit E un ensemble muni d’une loi de composition interne ∗ associative et qui admet un élément neutre e.
(i) Tout élément symétrisable de E admet un symétrique unique.
(ii) Le composé de deux éléments a et b symétrisables est symétrisable et (a ∗ b)′ = b′ ∗ a′ .
(iii) Si A est une partie stable de E pour la loi ∗, si a ∈ A admet un symétrique a′ pour la loi ∗, et si a′ ∈ A, alors a′
est le symétrique de a pour la loi induite sur A.
(iv) Tout élément symétrisable a est régulier : Si a ∗ x = a ∗ y, alors x = y et de même, si x ∗ a = y ∗ a, alors x = y.

II Groupes
1◦) Structure et sous-structure
Groupe [1031] Un groupe est un ensemble G muni d’une loi de composition interne · associative, possédant un élément
neutre, et dans lequel tout élément admet un symétrique. Une partie H de G un groupe est un sous-groupe de G
lorsque H est une partie non vide, stable par la loi · et qu’elle a une structure de groupe pour la loi induite.
On dit que G est un groupe commutatif lorsque la loi de G est commutative.
L’ordre d’un groupe fini est son cardinal.
Produit de groupes [1032] Pour des groupes (G1 , ∗) et (G2 , ⊥), il est possible de définir le groupe produit G1 × G2
dont la loi ◦ agit terme à terme : ∀(x1 , x2 ), (y1 , y2 ) ∈ G1 × G2 , (x1 , x2 ) ◦ (y1 , y2 ) = (x1 ∗ y1 , x2 ⊥y2 )
Théorème de caractérisations d’un sous-groupe [1033] Soit (G, ·) un groupe. Alors :
(i) H est un sous-groupe de G si et seulement si H ⊂ G, H ̸= ∅, H est stable par la loi · et pour tout x ∈ H, x−1 ∈ H.
(ii) H est un sous-groupe de G si et seulement si H ⊂ G, H ̸= ∅, et pour tout (x, y) ∈ H 2 , x · y −1 ∈ H.
Groupe des permutations d’un ensemble [1034] Soit E un ensemble. L’ensemble des permutations sur E est un groupe,
en général non commutatif, pour la loi de composition sur les applications. Notation : SE
MP Intersection de sous-groupes [1035] L’intersection d’une famille de sous-groupes d’un groupe est un sous-groupe, ce
qui est faux en général pour une union de sous-groupes.
 Chapitre I. Vocabulaire ensembliste, structures algébriques, nombres et polynômes (première année) 5

◦ MP Sous-groupe engendré par une partie [1036] Soient (G, ·) un groupe et A une partie non vide de G.
(i) Le sous-groupe engendré par A est l’ensemble des produits finis d’éléments de A.
Pour la relation d’inclusion, c’est le plus petit sous-groupe de G qui contient A. Notation : < A >
Si g ∈ G, le sous-groupe engendré par {g} est l’orbite de g dans G. Notation : < g >
(ii) On dit que A est génératrice de G lorsque tout élément de G peut s’écrire comme produit fini d’éléments de A.
De plus, si A = {g}, on dit que G est monogène engendré par g. Enfin, si G est monogène et fini, il est cyclique.
◦ MP Ordre d’un élément [1037] Soient G un groupe et x ∈ G. L’ordre de x est le cardinal du sous-groupe engendré par x.
On note e désigne le neutre de G.
(i) Si x est d’ordre fini d ∈ N∗ , alors le sous-groupe engendré par x est : {e, x, x2 , . . . , xd−1 }
De plus, xd = e et d est le plus petit élément de N∗ qui vérifie cette relation.
Enfin, pour tout n ∈ Z, xn = e si et seulement si d divise n.
(ii) Ainsi l’ordre d’un élément d’un groupe fini divise le cardinal du groupe.

2◦) Morphismes de groupes

Morphisme de groupes [1038] Un morphisme de groupes est un morphisme entre deux groupes. Un endomorphisme
de groupe est un morphisme d’un groupe sur lui-même. Un isomorphisme de groupes est un morphisme de groupes
bijectif. Un automorphisme de groupe est un endomorphisme de groupe bijectif.
Propriétés d’un morphisme de groupes [1039] Soient G et G′ deux groupes d’éléments neutres respectifs e et e′ , H
un sous-groupe de G, H ′ un sous-groupe de G′ et f un morphisme de G vers G′ . Alors :
(i) f (e) = e′ et : ∀x ∈ G, f (x−1 ) = (f (x))−1
(ii) f (H) est un sous-groupe de G′ . Cas particulier : Im(f ) est un sous-groupe de G′ .
(iii) f −1 (H ′ ) est un sous-groupe de G.
Cas particulier : le noyau de f , f −1 ({e′ }) est un sous-groupe de G. Notation : Ker(f )
(iv) Le morphisme de groupes f est injectif si et seulement si Ker(f ) = {e}.

III Étude élémentaire du groupe symétrique

Dans toute cette partie, n désigne un entier naturel au moins égal à 2.

1◦) Groupe symétrique d’ordre n

Permutations [1040] On appelle groupe symétrique d’ordre n le groupe des permutations de [[ 1 , n ]] , pour la loi de
composition des applications (loi ◦). Il est d’ordre n !.
′ ′
Notation : Le groupe symétrique d’ordre n se note Sn ou Sn ; pour deux ( permutations σ et σ de)Sn , on note σ ◦ σ
1 2 ··· n
ou simplement σσ ′ . Enfin, une permutation σ ∈ Sn peut s’écrire : σ =
σ(1) σ(2) · · · σ(n)
Le plus petit [1041] Le groupe S2 est cyclique d’ordre 2.
Orbites d’une permutation [1042] Soit σ ∈ Sn . On note Rσ la relation d’équivalence de [[ 1 , n ]] définie par :
∀ x, y ∈ [[ 1 , n ]] , x Rσ y ⇔ ∃k ∈ Z, y = σ k (x)
Les classes d’équivalence de Rσ sont appelées les orbites de σ.
Cycle [1043] Un cycle de Sn est une permutation telle qu’il existe une et une seule orbite non réduite à un élément.
Le cardinal cette orbite s’appelle la longueur ou l’ordre du cycle. C’est un élément de [[ 2 , n ]] .
Un cycle de longueur n de Sn s’appelle une permutation circulaire.
Un k-cycle à la puissance k est l’identité.
Orbite principale d’un cycle { [1044] Soit σ un k-cycle de } Sn et a ∈ [[ 1 , n ]] dont la σ-orbite est de longueur k. Alors :
L’orbite de a est l’ensemble a, σ(a), σ 2 (a), . . . , σ k−1 (a) et
( k est le plus petit entier
) naturel ℓ non nul tel que σ ℓ
(a) = a.
k−1
Notation : On peut donc noter un cycle sous la forme : a σ(a) . . . σ (a)
Factorisation d’une permutation [1045] Toute permutation peut être décomposée en produit commutatif de cycles à
supports disjoint, en s’intéressant aux orbites de la permutation.

2◦) Transpositions et signature

Bicycle [1046] On appelle transposition de Sn tout cycle de longueur 2.
Décomposition [1047] Un k-cycle de Sn est produit de k−1 transpositions : (a1 a2 . . . ak ) = (a1 a2 )(a2 a3 ) . . . (ak−1 ak ).
Toute permutation de Sn se décompose en produit de transpositions.
ADMIS Signature [1048] Il existe un unique morphisme de groupes de Sn dans {−1, 1} envoyant toute transposition sur −1,
appelé signature sur Sn . Notation : ε
Soit σ ∈ Sn . Si ε(σ) = 1, on dit que σ est une permutation paire et sinon, σ est une permutation impaire.
Un k-cycle a pour signature (−1)k−1 , donc pour calculer la signature d’une permutation, on pourra la décomposer en
produit de cycles à supports disjoints.
 6 Descartes — MP — CC BY-NC-SA 2023-2024

IV Anneaux et corps
1◦) Anneaux, unités, intégrité, morphismes d’anneaux
Structure et sous-structure [1049]
Un anneau est un ensemble A muni de deux lois de composition interne telles que :
⋄ la première loi, notée en général additivement est une loi de groupe commutatif (on notera 0A son élément neutre),
⋄ la seconde loi, notée en général multiplicativement est associative, admet un élément neutre (noté généralement 1A ),
et est distributive sur la première loi.
Un sous-anneau d’un anneau A est une partie non vide, stable par les deux lois et qui possède une structure d’anneau
pour les lois induites.
Un anneau est commutatif lorsque la deuxième loi interne est commutative.
◦ MP Produit d’anneaux [1050] Pour des anneaux (A1 , +, ·) et (A2 , +, ·), il est possible de définir l’anneau produit A1 × A2
dont les lois agissent terme à terme :
∀(x1 , x2 ), (y1 , y2 ) ∈ G1 × G2 , (x1 , x2 ) + (y1 , y2 ) = (x1 + y1 , x2 + y2 ) et (x1 , x2 ) · (y1 , y2 ) = (x1 · y1 , x2 · y2 )
Théorème de caractérisation d’un sous-anneau [1051] Soit A un anneau. Alors A′ est un sous-anneau de A si et
seulement si A′ est un sous-groupe de (A, +), qui contient 1A et stable par la seconde loi.
Groupe des unités [1052]
Soit (A, +, ·) un anneau. L’ensemble des éléments de A inversibles (c’est-à-dire symétrisables par la multiplication)
constituent un groupe multiplicatif, appelé groupe des éléments inversibles de A ou encore groupe des unités de A.
Corps [1053] Un corps est un anneau commutatif non réduit à {0} dans lequel tout élément non nul est inversible.
Intégrité [1054] Soient A un anneau et a ∈ A \ {0A }. On dit que a est un diviseur de zéro s’il existe b ∈ A \ {0A } tel
que ab = 0A ou ba = 0A . En particulier, s’il existe n ∈ N∗ tel que an = 0A , on dit que a est nilpotent.
Un anneau non réduit à {0A }, commutatif et sans diviseur de zéro est un anneau intègre.
Équations [1055] Un corps est un anneau intègre. Il y est donc possible de résoudre des équations en factorisant.
Divisibilité [1056] Soit A un anneau intègre et a, b ∈ A. On dit que a divise b s’il existe c ∈ A tel que b = ac.
Morphisme d’anneaux [1057] Un morphisme d’anneaux f est un morphisme entre deux anneaux A et A′ , pour les
deux lois et tel que f (1A ) = 1A′ . De plus, si ce morphisme est bijectif, on parle alors d’un isomorphisme.
Un morphisme de corps est un morphisme entre deux corps pour les anneaux sous-jacents.
Propriétés d’un morphisme d’anneaux [1058] Par un morphisme d’anneaux,
(i) l’image d’un sous-anneau est un sous-anneau,
(ii) l’image réciproque d’un sous-anneau est un sous-anneau,
(iii) l’image d’un élément inversible est un élément inversible.

2◦) Calculs algébriques dans un anneau

a. Sommes finies
Des règles de calcul dans un anneau [1059] Soit A un anneau et x, y, z ∈ A. Alors :
(i) 0A x = x 0A = 0 (élément absorbant), (ii) x(−y) = (−x)y = −(xy) (règle des signes),
(iii) x(y − z) = xy − xz et (y − z)x = yx − zx distributivité du produit sur la différence
∑n
n ]] ∈ A . La somme x1 + · · · + xn peut se noter : i=1 xi
n
Notation : Soit A un anneau et (xi )i∈ [[ 1 ,∑ ∑
Par commutativité, on peut aussi écrire : 1≤i≤n xi ou i∈ [[ 1 , n ]] xi
∑
De manière générale, si I désigne un ensemble fini d’indices, on pourra utiliser la notation : i∈I xi
Par convention, si I est l’ensemble vide, la somme vaut 0A .
Sommes finies dans un anneau [1060] On considère des éléments d’un anneau A et des ensembles finis I et J d’indices.
Les règles de calculs(suivantes) sont (∑valides) :
∑ ∑
(i) i∈I (xi + yi ) = i∈I xi + i∈I yi ,
∑ ∑ (∑ )
(ii) si (Ik )k∈K désigne une partition de I, alors i∈I xi = k∈K xi ,
∑ (∑ ) ∑ i∈I
(∑ ) ∑
k

(iii) i∈I j∈J xi , j = j∈J i∈I xi , j , ce qu’on notera (i,j)∈I×J xi , j ,

(∑ ) (∑ ) ∑ ( (∑ )) ∑ (∑ ) ∑
(iv) i∈I xi j∈J yj = i∈I xi j∈J yj = i∈I j∈J (xi yj ) = (i,j)∈I×J (xi yj ),
∑n (∑i ) ∑
n
(∑
n
) ∑
(v) i=0 j=0 xi , j = j=0 i=j xi , j = 0≤j≤i≤n xi , j ,
∑n (∑n−i ) ∑
n
(∑
n−j
) ∑
n
(∑ )
(vi) i=0 j=0 xi , j = j=0 i=0 xi , j = k=0 i+j=k xi , j .
∏
Produits finis [1061] Dans un anneau commutatif, les produits finis ∑ peuvent se noter à l’aide du symbole , avec
les mêmes règles de fonctionnement que celles relatives au symbole dans le cas des additions finies.
Par convention, si l’ensemble des indices est vide, alors le produit vaut 1A .
 Chapitre I. Vocabulaire ensembliste, structures algébriques, nombres et polynômes (première année) 7

∑n n(n+1) ∑n n(n+1)(2n+1) ∑n n2 (n+1)2

Trois sommes à connaître [1062] Soit n ∈ N. Alors : k=0 k= 2 , k=0 k2 = 6 et k=0 k3 = 4

b. Deux propriétés remarquables relatives à la commutativité dans un anneau A

∑n
Formule de Bernoulli [1063] Soient a, b ∈ A qui commutent et n ∈ N. Alors : an+1 − bn+1 = (a − b) k=0 ak bn−k
∑n
Somme géométrique [1064] Si a ∈ A et n ∈ N, alors 1 − an+1 = (1 − a) i=0 ai . De plus :
∑n
(i) Si 1 − a est inversible, alors i=0 ai = (1 − a)−1 (1 − a∑
n+1
).
−1 n
(ii) Si an+1
= 0, alors 1 − a est inversible et (1 − a) = i=0 ai .
∑n ( ) k n−k
• Formule du binôme de Newton [1065] Soient a, b ∈ A qui commutent et n ∈ N. Alors : (a + b)n = k=0 n k a b
Attention [1066] La commutativité n’est pas à préciser lorsqu’elle est naturelle dans l’ensemble considéré (par exemple
dans les corps R et C). En revanche, dans un anneau non commutatif comme par exemple Mn (K), il faudra impéra-
tivement invoquer la commutativité des objets utilisés dans l’une ou l’autre des propriétés remarquables.

3◦) Idéaux d’un anneau commutatif

MP Idéal [1067] Soit (A, +, ·) un anneau commutatif et I une partie de A. On dit que I est un idéal de A lorsque I est un
sous-groupe pour l’addition et que pour tout a ∈ A et tout x ∈ I, ax ∈ I.
◦ MP Noyau et idéal [1068] Soient A et A′ deux anneaux commutatifs et f un morphisme de A vers A′ .
Alors le noyau de f est un idéal de A.
MP Idéal engendré par un élément [1069] Soit A un anneau commutatif et x ∈ A.
L’ensemble {xa | a ∈ A} est un idéal de A appelé idéal engendré par x. Notation : xA
◦ MP Divisibilité et idéal [1070] Soit A un anneau commutatif intègre et x, y ∈ A.
Alors x divise y si et seulement si yA ⊂ xA.

4◦) Algèbres
Dans ce paragraphe, on suppose connues les notions relatives à la linéarité des applications (cf. chapitre II.).
Algèbre [1071] Soit K un corps et (A, +, ×) un anneau. On suppose aussi que A est muni d’une loi externe à domaine
d’opérateurs K, notée “·” et que (A, +, ·) est un K-espace vectoriel.
Si, pour tout (x, y) ∈ A2 et tout λ ∈ K, (λx) × y = x × (λy) = λ(x × y), alors on dit que (A, +, ×, ·) est une K-algèbre.
Si, de plus, la loi × est commutative, on dit que A est une K-algèbre commutative.
Une sous-algèbre d’une algèbre A est un sous-anneau qui est aussi un sous-espace vectoriel de A.
Théorème de caractérisation d’une sous-algèbre [1072] Soit A une K-algèbre. Alors A′ est une sous-algèbre de A
si et seulement si : (i) A′ ⊂ A, (ii) pour tout (x, y, λ, µ) ∈ A′2 × K2 , λx + µy ∈ A′ et x × y ∈ A′ , (iii) 1A ∈ A′ .
Morphisme d’algèbres [1073] Soient A et A′ deux K-algèbres et f une application linéaire de A vers A′ .
(i) On dit que f est un morphisme d’algèbres lorsque f est aussi un morphisme d’anneaux.
(ii) Un isomorphisme d’algèbres de A sur A′ est un morphisme d’algèbres bijectif de A sur A′ .
(iii) Un automorphisme d’algèbres de A est un morphisme d’algèbres bijectif de A sur elle-même.
 8 Descartes — MP — CC BY-NC-SA 2023-2024

C Ensembles de nombres
I Entiers et nombres rationnels
1◦) Les ensembles N, Z et Q
ADMIS Entiers naturels [1074] L’ensemble des entiers naturels est un ensemble totalement ordonné et non vide vérifiant :
(i) Toute partie non vide de N a un plus petit élément,
(ii) Toute partie non vide et majorée de N a un plus grand élément,
(iii) Il n’existe pas de plus grand élément dans N.
(iv) L’ensemble N admet un plus petit élément (le nombre 0), tout élément n de N admet un successeur (n + 1) et
tout élément n de N \ {0} admet un prédécesseur (n − 1).
ADMIS Structures [1075]
(i) L’ensemble Z des entiers relatifs muni de l’addition et de la multiplication est un anneau commutatif.
(ii) On définit l’ensemble Q muni des lois + et × comme le corps des fractions de l’anneau (Z, +, ×), ordonné par la
relation : ∀(a, b, c, d) ∈ Z × N∗ × Z × N∗ , ab ≤ dc ⇔ ad ≤ bc
Cette relation d’ordre est compatible avec les opérations.
(iii) L’ensemble des décimaux D = { 10ab | (a, b) ∈ Z × N} est un sous-corps de Q.
ADMIS Démonstration par récurrence [1076] On note P(n) une assertion dépendant d’un entier naturel n.
On suppose que P(0) est vraie (initialisation) et que : ∀n ∈ N, P(n) ⇒ P(n + 1) (hérédité)
Alors, pour tout n ∈ N, P(n) est vraie.
Remarques [1077]
(i) Il existe d’autres types de récurrences (avec hypothèse forte, récurrence tronquée, récurrence double, etc.).
(ii) Cette méthode permet la construction de certains objets mathématiques.
∑n
HP Numération [1078] Soit b ∈ N \ {0, 1} et a ∈ N∗ . Il existe une unique écriture de l’entier a sous la forme a = i=0 ai bi ,
où pour tout i ∈ [[ 0 , n ]] , ai ∈ [[ 0 , b − 1 ]] et an ̸= 0.
Les nombres a0 , a1 , . . . , an s’appellent les chiffres de a dans son écriture en base b.
Les bases usuelles sont 10, 2, 8 ou 16.
Méthode de calcul en base b [1079] Multiplier, en base b, un nombre par bk , revient à décaler les chiffres de ce nombre
vers la gauche de k places, en ajoutant des 0 ensuite.

2◦) Ensembles finis

a. Cardinal d’un ensemble fini
Cardinal [1080] Soit E un ensemble non vide. On dit que E est un ensemble fini lorsqu’il existe n ∈ N∗ et une bijection
de [[ 1 , n ]] sur E. Cet entier n est alors unique, et on l’appelle cardinal de E.
Notation : Card(E) (ou #E, |E|). Par convention, Card(∅) = 0.
Sous-partie et cardinaux [1081] Soit E un ensemble fini et E ′ une partie de E. Alors E ′ est finie et Card(E ′ ) ≤ Card(E).
L’égalité sur les cardinaux est vraie si et seulement si E ′ = E.
Caractérisation de la bijectivité [1082] Soient E et F deux ensembles finis de même cardinal et f ∈ F E .
Alors f est bijective si et seulement si f est surjective ou injective.
Ensembles finis d’entiers [1083] Une partie non vide P de N est finie si et seulement si elle est majorée. Si P est finie
et non vide, il existe une unique bijection strictement croissante de [[ 1 , Card(P ) ]] sur P .
b. Opérations sur cardinaux d’ensembles finis
Complémentaire [1084] Soit E un ensemble fini et A une partie de E. Alors Card(E \ A) = Card(E) − Card(A).
Union disjointe [1085] Soit E un ensemble fini et A1 , . . . , Ak une famille finie de parties (finies, bien sûr) disjointes
( ∪k ) ∑k
deux à deux de E. Alors : Card i=1 Ai = i=1 Card(Ai )
Formule élémentaire du crible [1086] Si E et F sont deux ensembles finis, alors E ∪ F est fini et :
Card(E ∪ F ) = Card(E) + Card(F ) − Card(E ∩ F )
Produit cartésien [1087] Si E et F sont deux ensembles finis, alors E ×F est fini et : Card(E ×F ) = Card(E)·Card(F )

II Arithmétique dans l’ensemble des entiers relatifs

1◦) Divisibilité et division euclidienne
Diviseurs et multiples [1088] Soit (a, b) ∈ Z2 . On dit que a divise b lorsqu’il existe n ∈ Z tel que b = na. Le nombre
a est alors un diviseur de b et b un multiple de a. Notation : L’ensemble des multiples de a est noté aZ.
Entiers associés [1089] Soit (a, b) ∈ Z2 . Alors a ∈ bZ et b ∈ aZ si et seulement si a = b ou a = −b.
 Chapitre I. Vocabulaire ensembliste, structures algébriques, nombres et polynômes (première année) 9

Ordre partiel [1090] La divisibilité sur les éléments de N∗ constitue une relation d’ordre partiel sur N∗ .
Division euclidienne [1091] Soit (a, b) ∈ N × N∗ . Il existe un unique (q, r) ∈ N × [[ 0 , b − 1 ]] tel que a = bq + r.
On dit que l’on effectue la division euclidienne de a par b ; a est le dividende, b le diviseur, q le quotient et r le reste.
En pratique [1092] Pour effectuer la division euclidienne de a par b, on commence par effectuer la division euclidienne
de |a| par b en posant q = min {n ∈ N∗ | |a| < nb} − 1 et r = |a| − bq.
Lorsque a < 0, pour obtenir le quotient de la division de a par b, si q désigne le quotient de la division de |a| par b, il
suffit de s’intéresser à −q ou bien à −(q + 1) suivant la valeur de r, le reste de la division de |a| par b.
MP Sous-groupes additifs de Z [1093] Ce sont les nZ, pour tout n ∈ N.
MP Idéaux de Z [1094] Ce sont les nZ, pour tout n ∈ N.

2◦) Algorithme d’Euclide

a. Plus grand commun diviseur
PGCD [1095] On appelle PGCD de deux entiers relatifs a et b, non tous deux nuls, le plus grand, au sens de la relation
d’ordre usuelle de Z, des diviseurs communs à a et b. Il s’agit d’un élément de N∗ . Notation : a ∧ b
Par définition : a ∧ b = |a| ∧ |b|
Nombres premiers entre eux [1096] Soient (a, b) ∈ Z × Z∗ . Alors a et b sont premiers entre eux lorsque a ∧ b = 1.
MP Indicatrice d’Euler [1097] Pour tout n ∈ N∗ , on note φ(n) le nombre d’entiers compris entre 1 et n et premiers avec n.
∗
L’application φ ∈ (N∗ )N est appelée indicatrice d’Euler. Ainsi : φ(1) = 1, φ(2) = 1, φ(3) = 2, etc.
Algorithme d’Euclide [1098] Soient (a, b) ∈ N × N∗ .
Si r est le reste de la division euclidienne de a par b, alors : a ∧ b = b ∧ r
Par itération de ce procédé, le dernier reste non nul est donc a ∧ b.
Une autre relation d’ordre [1099] Soit (a, b) ∈ N × N∗ .
(i) L’ensemble des diviseurs communs à a et b est l’ensemble des diviseurs de a ∧ b.
(ii) Le nombre a ∧ b est le plus grand élément, au sens de la divisibilité, de l’ensemble des diviseurs communs à a et b.
b. Relation de Bézout
◦ MP PGCD et idéal [1100] Soit (a, b) ∈ Z × Z∗ . On pose d = a ∧ b. Alors aZ + bZ est un idéal de Z, il s’agit de dZ.
Relation de Bézout [1101] Soient a ∈ Z et b ∈ Z∗ . Si d = a ∧ b alors il existe (u, v) ∈ Z2 tel que d = au + bv.
Ces coefficients s’obtiennent en pratique avec l’algorithme d’Euclide étendu.
Attention [1102] Pas de réciproque : 3 ∧ 2 = 1 mais 4 × 3 + (−4) × 2 = 4
Théorème de Bézout [1103] Soient a ∈ Z et b ∈ Z∗ . Les nombres a et b sont premiers entre eux si et seulement s’il
existe (u, v) ∈ Z2 tel que au + bv = 1.
Calculs algébriques [1104] Soient a ∈ Z, b ∈ Z∗ et c ∈ N∗ . On pose d = a ∧ b. Alors :
(i) ac ∧ bc = dc (ii) si de plus c divise d, ac ∧ cb = dc (iii) ad ∧ db = 1
Écriture irréductible [1105] On peut donc écrire de manière unique tout rationnel sous une forme dite irréductible
dans laquelle le numérateur et le dénominateur (strictement positif) sont deux nombres premiers entre eux.
Lemme de Gauss & varia [1106] Soient a ∈ Z, b ∈ Z∗ et c ∈ N∗ .
(i) Si a ∧ b = 1 et si a divise bc, alors a divise c.
(ii) Si a ∧ b = 1 et si a et b divisent c, alors ab divise c.
(iii) Si a ∧ c = 1 et b ∧ c = 1, alors ab ∧ c = 1.
Une équation diophantienne [1107] Soient a, b, c ∈ Z, a et b non tous deux nuls.
Il s’agit de trouver l’ensemble S des solutions dans Z2 de l’équation (E) : ax + by = c. On discute :
⋄ Si a ∧ b = 1, alors on note (u, v) un couple de coefficients de Bézout obtenu par l’algorithme d’Euclide.
Dans ce cas : S = {(cu + bk, cv − ak) | k ∈ Z}
⋄ Sinon on pose d = a ∧ b. Deux sous-cas sont possibles :
• Si d divise c, alors on simplifie l’équation en divisant par d, et on se ramène au cas précédent, puisque ad ∧ db = 1.
• Sinon : S = ∅.
Entiers premiers entre eux dans leur ensemble [1108] Soient n ∈ N \ {0, 1} et a1 , . . . , an ∈ Z, non tous nuls.
On dit qu’ils sont premiers dans leur ensemble lorsque leur plus grand diviseur commun est 1.
Pour cela, il faut et il suffit qu’il existe u1 , . . . , un ∈ Z tels que a1 u1 + · · · + an un = 1.
Une condition suffisante [1109]
Si a ∧ b = 1, alors toute sur-famille de nombres entiers est composée d’entiers premiers dans leur ensemble.
La réciproque est fausse : considérer les trois entiers 6, 10 et 15 qui sont premiers dans leur ensemble, mais aucune
paire extraite de ces entiers n’est formée de deux nombres premiers entre eux.
 10 Descartes — MP — CC BY-NC-SA 2023-2024

c. Plus petit commun multiple

|ab|
PPCM [1110] On appelle PPCM de deux entiers relatifs a et b non tous deux nuls le nombre a∧b . Notation : a ∨ b
∗
PPCM et multiples [1111] Soient (a, b) ∈ Z × Z et c un entier relatif. Alors :
(i) a ∨ b est un multiple de a et b,
(ii) si c est un multiple commun à a et b alors a ∨ b divise c,
(iii) si a ∨ b divise c, alors a et b divisent c,
(iv) a ∨ b est le plus petit commun multiple de a et b,
(v) les multiples de a et de b coïncident avec ceux de leur PPCM.
◦ MP PPCM et idéal [1112] Si (a, b) ∈ Z × Z∗ , on pose m = a ∨ b. Alors aZ ∩ bZ est un idéal de Z, il s’agit de mZ.

3◦) Primalité
Nombre premier [1113] Un nombre p ∈ N est premier s’il admet exactement quatre diviseurs distincts : p, −p, 1 et −1
⋄ Ni 0, ni 1, ni −1 ne sont des nombres premiers.
⋄ Si p premier ne divise pas a ∈ Z, alors p est premier avec a.
⋄ Deux nombres premiers distincts sont premiers entre eux.
Existence et localisation d’un diviseur premier [1114] Soit a ∈ N \ {0, 1}.
Il existe au moins un diviseur premier p de a. De plus, si a n’est pas premier, on peut choisir p tel que p2 ≤ a.
Ensemble infini [1115] L’ensemble des nombres premiers est infini. Notation : On notera P cet ensemble.
Lemme d’Euclide et conséquence [1116] Soient p un nombre premier et a, b ∈ Z. Alors :
⋄ Si p divise ab, alors p divise a ou b.
⋄ Si p divise un produit de facteurs premiers, alors p, au signe près, est l’un des facteurs.
Crible d’Ératosthène [1117] C’est un procédé qui permet de trouver tous les nombres premiers inférieurs à un certain
entier naturel donné, par élimination.
Décomposition en facteurs premiers et valuation p-adique [1118] Soit n ∈ N \ {0, 1}. Il existe r ∈ N∗ , p1 , . . . , pr des
∏r
entiers premiers distincts et α1 , . . . , αr des entiers supérieurs ou égaux à 1 tels que n = i=1 pαi .
i

Cette écriture est unique à l’ordre des facteurs près et s’appelle la décomposition en produit de facteurs premiers de n.
La puissance, éventuellement nulle, d’un nombre premier p dans cette décomposition ∏ s’appelle la valuation p-adique
du nombre n. Notation : vp (n) Par commodité, on pourra écrire : n = p∈P pvp (n)
Dans ce cas, pour tout p ∈ P et tous n, m ∈ N∗ : vp (nm) = vp (n) + vp (m)
De plus, n divise m si et seulement si : ∀p ∈ P, vp (n) ≤ vp (m)
Méthode de décomposition d’un entier [1119] Pour obtenir pratiquement les diviseurs premiers d’un “petit” nombre,
on divise ce nombre par les premiers diviseurs premiers, par ordre croissant, jusqu’à épuisement.
PGCD, PPCM et décomposition en facteurs premiers [1120] Si a, b ∈ N∗ , alors a ∧ b (resp. a ∨ b) est le produit des
diviseurs premiers communs à a et b affectés des valuations les plus petites (resp. grandes).
Ainsi : ∀p ∈ P, vp (a ∧ b) = min(vp (a), vp (b)) et vp (a ∨ b) = max(vp (a), vp (b))
MP Indicatrice d’Euler d’une puissance d’un premier. [1121] Soit p ∈ P. Alors : ∀k ∈ N∗ , φ(pk ) = pk − pk−1
Somme de rationnels [1122] La décomposition en facteurs premiers des entiers permet d’écrire concrètement tout
rationnel sous forme irréductible dans laquelle le numérateur et le dénominateur n’ont aucun facteur premier commun.
Pour sommer deux nombres rationnels, on utilisera le plus petit commun multiple des deux dénominateurs.

4◦) Anneau Z/nZ

a. Congruence dans Z
Congruence entière Soit n ∈ N∗ et a, b ∈ Z. On dit que a est congru à b modulo n lorsqu’il existe k ∈ Z tel
[1123]
que a = b + kn. La relation de congruence modulo n sur les entiers relatifs est une relation d’équivalence sur Z.
Notation : a ≡ b [n]
Compatibilité des congruences entières avec les opérations [1124] Si a ≡ b [n], c ≡ d [n] et q ∈ N, alors :
(i) −a ≡ −b [n] (ii) a + c ≡ b + d [n] (iii) ac ≡ bd [n] (iv) aq ≡ bq [n]
Attention [1125] Les deux derniers points sont faux si on considère une congruence dans R.
MP Un nouvel anneau [1126] On peut donc définir deux lois de composition interne sur l’ensemble des n classes d’équivalence
de Z modulo n. L’ensemble ainsi constitué, {0 [n], 1 [n], . . . , n−1 [n]}, est un anneau commutatif. Notation : (Z/nZ, +, ·)
S’il n’y aucune ambiguïté sur la valeur de n, on pourra noter Z/nZ = {0̄, 1̄, . . . , n − 1}
MP Surjection canonique [1127]
L’application Z → Z/nZ ; x 7→ x̄ est un morphisme surjectif d’anneaux de noyau nZ, appelé surjection canonique.
 Chapitre I. Vocabulaire ensembliste, structures algébriques, nombres et polynômes (première année) 11

b. Groupe (Z/nZ, +)
◦ MP Générateurs [1128] Le groupe (Z/nZ, +) est cyclique, et ses générateurs sont les k̄ tels que k ∧ n = 1 ; il y en a φ(n).
• MP Sous-groupe monogène [1129] Soit (G, ·) un groupe et g ∈ G. Alors Z → G ; k 7→ g k est un morphisme de groupes.
Son image est le sous-groupe de G engendré par g, et il existe n ∈ N tel que son noyau soit nZ.
Alors si n = 0, < g > est isomorphe à Z et sinon < g > est isomorphe à Z/nZ.
Un groupe monogène est donc isomorphe à Z s’il est infini et à Z/nZ s’il est de cardinal n ∈ N∗ .
c. Inversibilité dans l’anneau (Z/nZ, +, ·)
MP Éléments inversibles [1130] Les inversibles de l’anneau (Z/nZ, +, ·) sont les k̄ tels que k ∧ n = 1 ; il y en a φ(n).
En pratique, des coefficients de Bézout permettent d’obtenir un inverse modulaire de k, car :
∃u, v ∈ Z, ku + nv = 1 ⇐⇒ ku ≡ 1 [n]
MP Corps premier fini [1131] L’anneau (Z/pZ, +, ·) est un corps si et seulement si p est premier. Notation : Fp
◦ MP Théorème chinois [1132] Soient m, n ∈ N∗ tels que m ∧ n = 1.
Alors Z/mnZ → Z/mZ × Z/nZ ; x [mn] 7→ (x [m], x [n]) est un isomorphisme d’anneaux.
MP Généralisation [1133] Soient n1 , . . . , nk ∈ N∗ } premiers entre eux deux à deux. On pose n = n1 · · · nk .
Alors Z/nZ → Z/n1 Z × · · · × Z/nk Z ; x [n] 7→ (x [n1 ], . . . , x [nk ]) est un isomorphisme d’anneaux.
MP Application aux systèmes de congruences [1134]
Soient n1 , . . . , nk ∈ N \ {0, 1} premiers entre eux deux à deux, et a1 , . . . , ak ∈ Z. On pose n = n1 · · · nk .
Le système formé des équations, pour tout ℓ ∈ [[ 1 , k ]] , x ≡ aℓ [nℓ ] admet une unique solution modulo n.
En pratique, on pose, pour tout ℓ ∈ [[ 1 , k ]] , nbℓ = nnℓ , et on détermine mℓ tel que mℓ nbℓ ≡ 1 [nℓ ] (cf. [1130]).
∑k
Alors x = ℓ=1 aℓ mℓ nbℓ convient.
MP Multiplicativité de l’indicatrice d’Euler [1135] Soient m, n ∈ N∗ tels que m ∧ n = 1. Alors : φ(mn) = φ(m)φ(n)
∏r
• MP Indicatrice d’Euler ∏r et décomposition ∏[1136] Soit n ∈ N∗ , de décomposition en facteurs premiers n = i=1 pα i .
i

αi −1 r
Alors : φ(n) = i=1 (pi − piαi
) = n i=1 (1 − p1i )
◦ MP Théorème d’Euler Soient a, n ∈ N \ {0, 1}, tels que a ∧ n = 1. Alors : aφ(n) ≡ 1 [n]
[1137]

Petit théorème de Fermat [1138] Soient p ∈ N premier et a ∈ N∗ non divisible par p. Alors : ap−1 ≡ 1 [p]

III Nombres réels

1◦) Droite réelle orientée
a. Éléments remarquables d’un ensemble ordonné
Éléments remarquables [1139] Soit E un ensemble ordonné et A une partie de E.
(i) On dit que a est le plus grand élément de A (resp. plus petit élément de A) lorsque a ∈ A, et pour tout x ∈ A,
x ≤ a (resp. x ≥ a). Notation : max(A) et min(A).
(ii) On dit que a est un majorant de A dans E (resp. minorant de A dans E) lorsque a ∈ E, et pour tout x ∈ A, x ≤ a
(resp. x ≥ a) ; A est majorée (resp. minorée) par a dans E.
(iii) Si A est à la fois majorée et minorée dans E, on dit qu’elle est une partie bornée de E.
(iv) Si A est majorée (resp. minorée) dans E, on appelle borne supérieure de A dans E (resp. borne inférieure de A
dans E) le plus petit des majorants de A dans E (resp. le plus grand des minorants de A dans E), s’il existe.
Notation : supE (A) et infE (A).
{ }
Attention [1140] Aucun de ces éléments remarquables n’existe a priori. Par exemple x ∈ Q | x2 < 2 admet une
√
borne supérieure dans R (c’est 2), mais pas dans Q.
Unicité [1141] Lorsqu’un plus grand élément ou un plus petit élément d’un ensemble existe, alors il est unique.
Caractérisation du plus grand élément [1142] Soit A une partie de E, majorée par a ∈ E. Alors a est le plus grand
élément de A si et seulement si a ∈ A.
b. Relation d’ordre sur les réels
ADMIS Propriété de la borne supérieure [1143]
L’ensemble des nombres réels R est un corps totalement ordonné qui vérifie la propriété de la borne supérieure, c’est-
à-dire toute partie non vide et majorée de R possède une borne supérieure dans R.
De façon symétrique [1144] Le corps R possède la propriété de la borne inférieure.
Propriétés de compatibilité de la relation d’ordre avec les opérations [1145]
(i) Pour tout (x, x′ , y, y ′ ) ∈ R4 , si x ≤ x′ et y ≤ y ′ , alors x + y ≤ x′ + y ′ .
(ii) Pour tout (x, x′ , y, y ′ ) ∈ (R+ )4 , si x ≤ x′ et y ≤ y ′ , alors xy ≤ x′ y ′ .
(iii) Pour tout (x, x′ ) ∈ R2 et tout y ∈ R+ , si x ≤ x′ , alors xy ≤ x′ y.
 12 Descartes — MP — CC BY-NC-SA 2023-2024

• Théorème de caractérisations d’une borne supérieure réelle [1146]

Soit A une partie non vide et majorée de R et M un majorant de A. Alors M = sup(A) si et seulement si :
(i) pour tout ε ∈ R∗+ , il existe x ∈ A tel que M − ε < x ≤ M , ou (ii) il existe (xn ) ∈ AN de limite 1 M .
Obtention d’une borne supérieure [1147] Pour montrer qu’un nombre M est la borne supérieure d’un ensemble de
réels A, on commence par montrer qu’il majore A, à l’aide de la définition. Puis, si M est un maximum de A, on
cherche un élément de A qui permet d’atteindre M . Sinon, on utilise une caractérisation.
• MP Une relation remarquable [1148] Soit A une partie non vide et majorée de R et λ ∈ R+ . Alors : sup(λA) = λ sup(A)

2◦) Notions remarquables sur les réels

Valeur absolue [1149] On appelle valeur absolue de x ∈ R le plus grand des deux nombres x et −x. Notation : |x|
Propriétés de la valeur absolue [1150] Soit x, y ∈ R. Alors :
(i) |x| = 0 ⇔ x = 0 (ii) |xy| = |x| |y| (iii) |x + y| ≤ |x| + |y| (iv) ||x| − |y|| ≤ |x − y|
Norme [1151] Les trois premières propriétés ci-dessus confèrent à la valeur absolue la qualité d’une norme sur R.
Maximum, minimum et valeur absolue [1152] Soit (a, b) ∈ R2 . Alors :
max(a, b) = 12 (a + b + |a − b|) et min(a, b) = 12 (a + b − |a − b|)
Encadrement d’un quotient [1153] Pour majorer la valeur absolue d’un quotient, on majore la valeur absolue du
numérateur et on minore la valeur absolue du dénominateur.
HP Parties positive et négative d’un réel [1154] On appelle partie positive (resp. partie négative) de x ∈ R le nombre
max(x, 0) (resp. max(−x, 0)). Notation : x+ (resp. x− )
Propriétés des parties positive et négative [1155] Soit x ∈ R. Alors : x− ≥ 0, x+ − x− = x et x+ + x− = |x|
Partie entière [1156] Pour tout x ∈ R, on appelle partie entière de x, notée ⌊x⌋, l’unique entier relatif max {n ∈ Z | n ≤ x}.
Alors : ⌊x⌋ ≤ x < ⌊x⌋ + 1 et ⌊x + 1⌋ = ⌊x⌋ + 1
Attention [1157] Il faut remarquer que ⌊3/2⌋ = 1 et ⌊−3/2⌋ = −2.
Congruence réelle [1158] Soit a ∈ R∗+ . On dit que x est congru à x′ modulo a lorsqu’il existe k ∈ Z tel que x = ka+x′ .
Notation : x ≡ x′ [a]
La relation de congruence modulo a ∈ R∗+ est une relation d’équivalence sur R.
Compatibilité des congruences réelles avec l’addition [1159] Soit a ∈ R∗+ , et (x, x′ , y, y ′ ) ∈ R4 .
Si x ≡ x′ [a] et y ≡ y ′ [a], alors x + y ≡ x′ + y ′ [a].
Attention [1160] Il n’y a aucune propriété de compatibilité de la congruence réelle et de la multiplication.

3◦) Intervalles de R et vocabulaire topologique

a. Définition/notation des intervalles
Intervalles [1161] Si a et b sont des réels tels que a < b, on note de manière usuelle les intervalles.
Par exemple : [a, b] = {x ∈ R | a ≤ x < b}, ou encore ] − ∞, a] = {x ∈ R | x ≤ a}, etc.
Segment [1162] L’ensemble [a, b] porte le nom de segment.
Proposition [1163] Soient a et b des réels tels que a < b. Alors : sup[a, b] = sup[a, b[= b
Méthode [1164] Il faut savoir traduire, pour a ∈ R et r > 0, l’inégalité |x − a| ≤ r en x ∈ [a − r, a + r].
b. Convexité
Partie convexe [1165] Soit A une partie non vide de R.
On dit que A est une partie convexe de R lorsque pour tout (a, b) ∈ A2 , le segment [a, b] est inclus dans A.
• Caractérisation des convexes de R [1166] Les parties convexes de R sont les intervalles de R.
Intersection et union d’intervalles [1167] Toute intersection d’intervalles est un intervalle et toute réunion d’inter-
valles dont l’intersection est non vide est un intervalle.
c. Densité dans R
Partie dense [1168] Une partie de R est dense dans R lorsqu’elle rencontre tout intervalle ouvert non vide.
Caractérisation séquentielle [1169]
Une partie A non vide de R est dense si et seulement si tout x ∈ R, il existe u ∈ AN de limite x.
Densité des ensembles des rationnels et des irrationnels [1170]
Soient a, b ∈ R tels que a < b. Il existe alors r ∈ Q et x ∈ R \ Q vérifiant r, x ∈]a, b[.
d. Vocabulaire topologique
Partie bornée [1171] Une partie A de R est bornée dans R lorsqu’il existe M ∈ R+ tel que pour tout x ∈ A, |x| ≤ M .

1. Cette caractérisation séquentielle anticipe le cours sur les suites, bien entendu.
 Chapitre I. Vocabulaire ensembliste, structures algébriques, nombres et polynômes (première année) 13

Intérieur et adhérence Soit I un intervalle de R. On appelle :

[1172]

(i) intérieur de I l’intervalle I privé de ses bornes.

(ii) adhérence de I l’intervalle I auquel on a ajouté ses bornes réelles.
(iii) point adhérent à I tout point de l’adhérence de I.
Remarque [1173] Par abus de langage, on dit que +∞ est adhérent aux intervalles de type ]c, +∞[ ou [c, +∞[.
e. Droite numérique achevée
HP Droite numérique achevée [1174] L’ensemble R ∪ {−∞, +∞} s’appelle la droite numérique achevée.
Elle est totalement ordonnée : pour tout x ∈ R, −∞ < x < +∞.
Conventions [1175]

(i) Si A ∈ P(R) \ {∅} est non majorée (resp. non minorée), alors sup(A) = +∞ (resp. inf(A) = −∞).
(ii) Dans [0, +∞] = R+ ∪ {+∞}, on convient que : ∀a ∈ R∗+ , a + (+∞) = a(+∞) = (+∞) + (+∞) = +∞

IV Corps des complexes

1◦) Écriture algébrique d’un nombre complexe
ADMIS Nombre complexe [1176] Tout nombre complexe z possède une unique écriture algébrique sous la forme z = x + iy, où
x, y ∈ R sont les parties réelles et imaginaires de z. Notation : Re(z) et Im(z)
Avec les manipulations algébriques usuelles, reposant sur la propriété i2 = −1, l’ensemble C des nombres complexes
est un corps, un sur-corps de R, ainsi qu’un R-espace vectoriel de dimension 2.
Conjugaison [1177] Si z = x + iy ∈ C, on appelle conjugué de z le nombre x − iy. Notation : z
Propriétés de compatibilité [1178] La conjugaison est compatible avec les opérations (addition et multiplication).
Autre formulation [1179] L’application C → C ; z 7→ z est un automorphisme involutif du corps C et un automor-
phisme du R-espace vectoriel C.
Caractérisation des réels et des imaginaires purs [1180] Soit z ∈ C. Alors : z ∈ R ⇔ z = z et z ∈ iR ⇔ z + z = 0
Affixe À tout point ou tout vecteur de coordonnées (x, y) du plan R2 muni d’un repère orthonormal direct, on
[1181]
peut associer le nombre complexe x + iy appelé affixe du point ou du vecteur, du plan complexe.
√
Module [1182] Soit z ∈ C. On appelle module de z le nombre réel positif zz.
Propriétés du module [1183] Soit (z, z ′ ) ∈ C2 . Alors :
(i) |z| = |z| = | − z| (ii) |zz ′ | = |z| |z ′ | (iii) |z| = √
0⇔z=0
(iv) si z ∈ C∗ , z −1 = z
|z|2 et |z | = |z| (v) |z| − |z ′ | ≤ |z + z ′ | ≤ |z| + |z ′ |
−1 1
(vi) |z| = Re(z)2 + Im(z)2
Disque et cercle Si a ∈ C et r ∈ R∗+ , {z ∈ C | |z − a| < r} est le disque ouvert de centre a et de rayon r et
[1184]
{z ∈ C | |z − a| = r} est le cercle de centre a et de rayon r.
Nombres de module 1 [1185] L’ensemble des nombres complexes de module 1 est un groupe pour la multiplication,
appelé groupe des nombres complexes de module 1. Notation : U
ADMIS Paramétrage du cercle trigonométrique [1186]
On peut paramétrer U à l’aide de la fonction suivante : [0, 2π[→ U ; t 7→ cos(t) + i sin(t)

2◦) Forme trigonométrique d’un nombre complexe non nul

Écriture exponentielle [1187] Pour tout θ ∈ R, on pose exp(iθ) = eiθ = cos(θ) + i sin(θ).
Relations d’Euler [1188] Pour tout θ ∈ R, cos(θ) = 12 (eiθ + e−iθ ) et sin(θ) = 1
2i (e
iθ
− e−iθ ).
ADMIS Formule de Moivre [1189] Pour tout n ∈ Z et tout θ ∈ R : (eiθ )n = einθ i.e. (cos(θ) + i sin(θ))n = cos(nθ) + i sin(nθ)
Méthode [1190] On pourra utiliser ces formules pour linéariser ou factoriser des expressions trigonométriques.
θ θ θ−π
Technique de l’angle moitié [1191] Soit θ ∈ R. Alors : 1 + eiθ = 2 cos( θ2 )ei 2 et 1 − eiθ = −2i sin( θ2 )ei 2 = 2 sin( θ2 )ei 2

i p+q i p+q
Si p, q ∈ R, alors eip +eiq = 2 cos( p−q
2 )e
2 et eip −eiq = 2i sin( p−q
2 )e
2 , ce qui fournit des formules trigonométriques.
Sommations trigonométriques [1192] Soit θ ∈ R \ 2πZ et n ∈ N. Alors :
∑n nθ sin(
(n+1)θ
) ∑n (n+1)θ
nθ sin( 2 )
∑n sin(
(n+1)θ
)
(i) k=0 e ikθ
= ei 2 2
sin( θ2 )
(ii) k=0 cos(kθ) = cos( 2 ) sin( θ )
(iii) k=0 sin(kθ) = sin( nθ
2 )
2
sin( θ2 )
2

ADMIS Arguments d’un nombre complexe non nul [1193] Soit z ∈ C \ {0}. Il existe un réel θ tel que z = |z|eiθ . Cette écriture
s’appelle forme trigonométrique de z, et un réel θ est un argument de z. Notation : arg(z)
Re(z) Im(z)
Ainsi : ∀z ∈ C \ {0} , cos(arg(z)) = |z| et sin(arg(z)) = |z|
 14 Descartes — MP — CC BY-NC-SA 2023-2024

Propriétés des arguments Soit (z, z ′ ) ∈ (C \ {0})2 . Alors :

[1194]
(i) z = z ⇔ (|z| = |z | et arg(z) ≡ arg(z ′ ) [2π])
′ ′
(ii) arg(−z) ≡ arg(z) + π [2π]
(iii) arg(z) ≡ − arg(z) [2π] (iv) arg(zz ′ ) ≡ arg(z) + arg(z ′ ) [2π]
−1
(v) arg(z ) ≡ − arg(z) [2π] (vi) arg(z/z ′ ) ≡ arg(z) − arg(z ′ ) [2π]
)
(vii) Si Re(z) = 0, alors arg(z) ≡ 2 [π], et sinon arg(z) ≡ Arctan( Im(z)
π
Re(z) [π].
[1195] Soient (a, b) ∈ R \ {(0, 0)} et θ ∈ R. Alors :
2
Méthode de l’amplitude et de la phase
a cos(θ) + b sin(θ) = |a + ib| cos(θ − arg(a + ib))
Fonction exponentielle complexe [1196] Soit z ∈ C, d’écriture algébrique x + iy. On pose ez = ex eiy .
Ce nombre a pour module exp(x) et pour argument y (modulo 2π).
L’application exponentielle complexe z 7→ exp(z) est un morphisme de groupes surjectif de (C, +) sur (C∗ , ×), pério-
′
dique de période 2iπ et de noyau 2iπZ. Ainsi : ∀z, z ′ ∈ C, ez = ez ⇔ z − z ′ ∈ 2iπZ

3◦) Équations remarquables

Racines n-ièmes de l’unité [1197] Soit n ∈ N∗ . Les racines n-ièmes de l’unité sont les n complexes z tels que z n = 1.
n ), pour tout k ∈ [[ 0 , n − 1 ]] , et ωk = (ω1 ) .
Ce sont les ωk = exp(i 2kπ k

Notation : L’ensemble des racines n-ièmes de l’unité est noté Un .

Lien avec des polynômes remarquables [1198]
Soit n ∈ N∗ . Les éléments de Un sont les racines complexes de X n − 1.
∏n−1
Sa décomposition dans C[X] est donc k=0 (X − ωk ).
∑n−1 2kπ
Ainsi, l’ensemble des racines de k=0 X k est {ei n | k ∈ [[ 1 , n − 1 ]] }. Elles sont simples.
En particulier, 1 + X + X 2 admet j = e 3 et ȷ̄ = j 2 = e− 3 pour racines.
2iπ 2iπ

Disposition géométrique des racines n-ièmes de l’unité et structure de cet ensemble [1199] Soit n ∈ N∗ .
MP L’ensemble Un est un groupe multiplicatif cyclique, engendré par ωk pour tout k ∈ Z tel que k ∧ n = 1.
Si n ≥ 3, les points d’affixes les éléments de Un forment un polygone régulier à n côtés. La somme des racines n-ièmes
de l’unité est donc nulle.
Racines n-ièmes d’un nombre complexe non nul [1200] Soit n ∈ N∗ et a ∈ C \ {0}.
Toutes les racines n-ièmes de a sont obtenues en multipliant l’une d’elle par toutes les racines n-ièmes de l’unité.
√ θ
Si on écrit a = ρeiθ , sous forme trigonométrique, alors le nombre n ρei n est une racine n-ième de a.
Méthode de calcul des racines deuxièmes d’un nombre
 complexe non nul sous forme algébrique [1201]
 x2 − y 2 = √
a
On utilise l’équivalence suivante : (x + iy) = a + ib ⇔
2
x2 + y 2 = a2 + b2

sgn(xy) = sgn(b)
Équation du second degré : méthode du discriminant [1202]
On cherche à résoudre az 2 + bz + c = 0, où (a, b, c) ∈ C∗ × C2 .
On note ∆ = b2 − 4ac le discriminant de l’équation algébrique.
La forme canonique d’une expression de degré 2 est az 2 + bz + c = a(z + 2a ) − 4a
b 2 ∆
. Elle permet de résoudre l’équation :
On cherche une racine deuxième de ∆, notée δ, et les solutions de l’équation sont donc −b+δ −b−δ
2a et 2a .
Cas réel [1203] Si (a, b, c) ∈ R∗ × R2 , les racines de l’équation sont soit réelles, soit complexes non réelles conjuguées.
Somme et produit de deux complexes [1204]
Soient z1 , z2 ∈ C. Si on note s = z1 + z2 et p = z1 z2 , alors z1 et z2 sont les racines de l’équation z 2 − sz + p = 0.

4◦) Utilisation des nombres complexes en géométrie plane

Traduction algébrique de l’alignement ou de l’orthogonalité [1205] Soient A, B et C trois points deux à deux
distincts du plan complexe. On note a, b et c leurs affixes respectives. Alors :
−→ −−→
(i) Le module de c−ab−a est le rapport des distances ∥ AC ∥ et ∥ AB ∥.
−−→ −→
(ii) Tout argument de c−ab−a est l’angle orienté entre les vecteurs AB et AC.
(iii) Les trois points A, B et C sont alignés si et seulement si c−a
b−a est un réel.
(iv) Le triangle ABC est rectangle en A si et seulement si c−a b−a est un nombre imaginaire pur.
Transformations complexes et transformations géométriques [1206]
(i) Si θ ∈ R, C → C ; z 7→ zeiθ simule la rotation plane de centre l’origine et d’angle θ.
(ii) Si b ∈ C, C → C ; z 7→ z + b simule la translation plane de vecteur ⃗u d’affixe b.
(iii) Si k ∈ R, C → C ; z 7→ kz simule l’homothétie de centre l’origine et de rapport k.
(iv) L’application C → C ; z 7→ z simule la symétrie orthogonale par rapport à l’axe des nombres réels.
Similitude directe [1207] Soit a ∈ C∗ et b ∈ C. L’application C → C ; z 7→ az + b simule une similitude directe.
Si de plus le multiplicateur de la similitude a n’est pas 1, alors le rapport de la similitude est |a|, l’angle arg(a) et le
b
centre a pour affixe ω = 1−a .
 Chapitre I. Vocabulaire ensembliste, structures algébriques, nombres et polynômes (première année) 15

D Polynômes à une indéterminée

I Anneau des polynômes à une indéterminée
1◦) Un autre anneau muni d’une division euclidienne
Vocabulaire des polynômes [1208] Soit (a0 , . . . , ap ) ∈ Kp+1 .
∑p
(i) On dit que P = n=0 an X n est un polynôme à une indéterminée à coefficients dans K.
Notation : K[X] est l’ensemble des polynômes à une indéterminée à coefficients dans K.
(ii) Un monôme est un polynôme dont tous les coefficients sont nuls sauf un seul.
(iii) Si P ̸= 0, le degré de P est max {n ∈ N | an ̸= 0}.
Notation : deg(P ), et par convention, deg(0) = −∞. On note Kn [X] = {P ∈ K[X] | deg(P ) ≤ n}.
(iv) Si P ̸= 0, adeg(P ) est le coefficient dominant de P et si adeg(P ) = 1, on dit que P est unitaire ou normalisé.
HP (v) Si P ̸= 0, la valuation de P est min {n ∈ N | an ̸= 0}. Notation : val(P ), et par convention, val(0) = +∞.
(vi) Un polynôme est pair (resp. impair) lorsque tous ses coefficients d’indices impairs (resp. pairs) sont nuls.
ADMIS Attention [1209] L’objet X s’appelle l’indéterminée du polynôme. Ce n’est ni un élément de K ni une “variable”.
C’est un objet figé, comme le nombre entier 7, le booléen “vrai”, ou l’application exp.
Tout polynôme est donc un objet figé, mais n’est ni une application, ni même une expression.
On ne pourra donc pas écrire X + 1 = 0, pas plus qu’on ne peut écrire 7 = 0...
∑p
Écriture presque nulle [1210] Pour simplifier certains énoncés, dans la suite, on considérera que si P = n=0 an X n ,
∑ +∞
au delà de p, les coefficients an sont définis, mais tous nuls 2 . On pourra dans ce cas écrire : P = n=0 an X n
∑+∞ ∑+∞
Opérations dans K[X] [1211] Soient P = n=0 an X n et Q = n=0 bn X n deux polynômes et λ ∈ K.
∑+∞ n
∑+∞
(i) L’addition : P + Q = n=0 (an + bn )X (ii) La loi externe : λP = n=0 (λan )X n
∑+∞ ∑n ∑+∞ ∑
(iii) La multiplication ou produit de Cauchy : P Q = n=0 ( k=0 ak bn−k )X n = n=0 ( p+q=n ap bq )X n
Indéterminée et produit La notation des polynômes trouve sa justification dans le fait que X p X q = X p+q .
[1212]

Degrés et opérations [1213] Soient (P, Q) ∈ K[X]2 et λ ∈ K∗ .

Alors : deg(P + Q) ≤ max(deg(P ), deg(Q)), deg(λP ) = deg(P ) et deg(P Q) = deg(P ) + deg(Q)
Et donc si P ̸= 0 et Q ̸= 0, alors P Q ̸= 0.
Structure [1214] L’addition et la multiplication sont deux lois de composition interne sur K[X], (K[X], +, ×) est un
anneau intègre et (K[X], +, ×, ·) est une K-algèbre commutative.
Attention [1215] Si n ∈ N∗ , (Kn [X], +, ·) est un K-espace vectoriel, mais pas une algèbre.
ADMIS Corps des fractions rationnelles [1216] Puisque l’anneau K[X] est intègre, on peut définir le corps des fractions
constituées de polynômes, appelé corps des fractions rationnelles. Notation : K(X)
Divisibilité [1217] Soit (A, B) ∈ K[X]2 . On dit que B divise A lorsqu’il existe Q ∈ K[X] tel que A = BQ.
Alors B est un diviseur de A et A un multiple de B.
Polynômes associés [1218] Soient (P, Q) ∈ K[X]2 . On dit que P et Q sont associés lorsque P divise Q et Q divise P .
Cette condition est équivalente à l’existence de λ ∈ K∗ tel que P = λQ.
Division euclidienne [1219] Soit (A, B) ∈ K[X] × (K[X] \ {0}). Alors il existe un unique (Q, R) ∈ K[X]2 tel que
A = BQ + R et deg(R) < deg(B). On effectue ainsi la division euclidienne de A par B.
Il faut savoir appliquer l’algorithme de la division euclidienne.
• MP Idéaux [1220] Tout idéal de l’anneau (K[X], +, ×) est un idéal principal, c’est-à-dire engendré par un élément de K[X].
On dit que K[X] est un anneau principal.

2◦) Deux substitutions fameuses dans K[X]

Substitution dans une algèbre [1221]
De manière générale, la notion de substitution de l’indéterminée X d’un polynôme P consiste à remplacer X par un
objet α, lequel est nécessairement choisi dans une K-algèbre, afin de donner un sens à cette nouvelle écriture : P (α)
∑p
Composition∑p[1222] Soit (P, Q) ∈ K[X]2 . Si P = n=0 an X n , on appelle polynôme composé des polynômes P et Q le
polynôme n=0 an Qn , obtenu par substitution de Q, élément de la K-algèbre K[X], à X. Notation : P (Q) ou P ◦ Q
Ne plus écrire P (X) [1223] En effet : P (X) = X(P ) = P (X(X)) = · · · = P
∑p
Fonctions polynomiales [1224] Soit P ∈ K[X]. On suppose que P = n=0∑ an X n .
p
Pour tout x ∈ K, considéré comme une K-algèbre, on peut définir P (x) = n=0 an xn , par substitution de x à X.
On appelle fonction polynomiale associée à P l’application : K → K ; x 7→ P (x)
( )
Proposition [1225] L’application K[X] → KK ; P 7→ x 7→ P (x) est un morphisme d’algèbres.

2. Une telle suite (an ) est une suite presque nulle ou à support fini.
 16 Descartes — MP — CC BY-NC-SA 2023-2024

La situation au programme [1226] Si K est un corps général, ce morphisme n’est pas injectif.
Cependant, dans le cadre du programme officiel, si K est R ou C, il est injectif, comme on le montre plus loin, ce qui
se traduit par : « L’égalité numérique implique l’égalité formelle. » Par abus de notation, on pourra donc dans la suite
utiliser P à la fois pour le polynôme et son application polynomiale associée.
On peut, de même, associer une fonction à une fraction rationnelle (cf. chapitre d’analyse).
Algorithme de Horner ∑p [1227] Soient P ∈ K[X] et x ∈ K.
Le calcul de P (x) = n=0 an xn peut se faire de la façon suivante, qui diminue fortement le nombre de produits : on
pose u0 = ap , puis pour tout k ∈ [[ 0 , p − 1 ]] , uk+1 = uk x + ap−1−k . Alors : P (x) = up

3◦) Dérivation et formule de Taylor

∑+∞ ∑+∞
Polynôme dérivé [1228] Soit P = n=0 an X n ∈ K[X]. Le polynôme P ′ = n=1 nan X n−1 s’appelle polynôme dérivé
de P . On définit récursivement, pour tout k ∈ N∗ , P (k+1) = (P (k) )′ . On convient que P (0) = P .
Propriétés de la dérivation formelle des polynômes [1229]
(i) La dérivation est une application linéaire.
(ii) Si k > deg(P ), alors P (k) ) = 0.
(iii) Pour tout (P, Q) ∈ K[X]2 , (P Q)′ = P ′ Q + P Q′ .
(iv) Pour tous P ∈ K[X] et k ∈ N∗ , (P k )′ = kP ′ P k−1 .
∑k
(v) Pour tous (P, Q) ∈ K[X]2 et k ∈ N, (P Q)(k) = j=0 ( kj )P (j) Q(k−j) .
(vi) Pour tout (P, Q) ∈ K[X]2 , (P ◦ Q)′ = Q′ · P ′ (Q).
(vii) Pour tous P ∈ K[X], k ∈ N et a ∈ K, (P (X + a))(k) = P (k) (X + a).
(viii) Pour tout P ∈ K[X], fP ∈ C∞ (R, K), et pour tout k ∈ N, (fP )(k) = fP (k) .
∑+∞ (n)
• Formule de MacLaurin pour les polynômes [1230] Soit P ∈ K[X]. Alors : P = n=0 P n !(0) X n
• Formule de Taylor pour les polynômes [1231] Si P ∈ K[X] et a ∈ K, alors :
∑+∞ P (n) (a) n ∑+∞ P (n) (a)
n ! (X − a)
n
P (X + a) = n=0 n ! X et P = n=0

4◦) Racines d’un polynôme

Zéro [1232] Soit P ∈ K[X] et a ∈ K. On dit que a est racine ou zéro du polynôme P lorsque X − a divise P .
Caractérisation d’une racine [1233] Soit P ∈ K[X] et a ∈ K. Alors a est racine de P si et seulement si P (a) = 0.
Racine d’ordre p [1234] Soit P ∈ K[X], p ∈ N∗ et a ∈ K. On dit que a est racine d’ordre p exactement du polynôme P
lorsqu’il existe Q ∈ K[X] tel que P = (X − a)p Q et Q(a) ̸= 0.
• Caractérisations d’une racine d’ordre p [1235] Soit P ∈ K[X], p ∈ N∗ et a ∈ K. Alors a est racine d’ordre p
exactement du polynôme P si et seulement si l’une des propositions suivantes est vérifiée :
(i) P est divisible par (X − a)p sans l’être par (X − a)p+1 (ii) ∀k ∈ [[ 0 , p − 1 ]] , P (k) (a) = 0 et P (p) (a) ̸= 0
Racines et factorisation [1236] Soit P ∈ K[X]. Alors P a pour racines ∏r distinctes a1 , . . . , ar , d’ordres respectifs
α1 , . . . , αr au moins, si et seulement s’il existe Q ∈ K[X] tel que P = Q k=1 (X − ak )αk .
Nombre maximum de racines et degré [1237] Soit P ∈ K[X] \ {0}.
Alors la somme des ordres de multiplicité des racines de P est inférieure ou égale au degré de P .
Interpolation et égalité [1238]
Si (P, Q) ∈ Kn [X]2 coïncident en au moins n + 1 points distincts de K, alors P = Q.
Égalité numérique et formelle [1239] Puisque K = R ou C, l’application K[X] → KK ; P 7→ fP est injective. Si on
limite l’ensemble d’arrivée à l’ensemble des fonctions polynomiales, c’est donc un isomorphisme.
Polynôme scindé sur un corps [1240] Soit P ∈ K[X]. On dit que P est scindé ∏rsur le corps K lorsqu’il est constant ou
bien s’il existe (λ, a1 , . . . , ar ) ∈ Kr+1 et (α1 , . . . , αr ) ∈ (N∗ )r tels que P = λ j=1 (X − aj )αj .
On dit que P est simplement scindé sur le corps K s’il est scindé sur K et à racines simples.
Attention [1241] Le corps de base a une importance. Ainsi, X 2 + 1 est scindé sur C, mais pas sur R.
Somme et produit des racines [1242] Soit P ∈ K[X] un polynôme unitaire scindé sur K, de degré n ∈ N∗ .
∑n ∏n
On note α1 , . . . , αn les racines (éventuellement égales) de P , et σ1 = k=1 αk et σn = k=1 αk .
Alors : P = X n − σ1 X n−1 + · · · + (−1)n σn
Racines d’un polynôme unitaire de degré deux à coefficients entiers et racines entières [1243]
Soient p, q ∈ Z. Si P = X 2 − sX + p, il est souvent pertinent de décomposer p en produit de facteurs premiers pour
deviner les racines de P , si elles sont entières.
Formules de Viète [1244] Soit P ∈ K[X] un polynôme unitaire scindé sur K, de degré n ∈ N∗ .
On note α1 , . . . , αn les racines (éventuellement
∑ égales) de ∏P.
p
Pour tout p ∈ [[ 1 , n ]] , si on note σp = 1≤i1 <i2 <···<ip ≤n k=1 αik les fonctions symétriques élémentaires des racines
de P , alors P = X n − σ1 X n−1 + · · · + (−1)p σp X n−p + · · · + (−1)n σn .
 Chapitre I. Vocabulaire ensembliste, structures algébriques, nombres et polynômes (première année) 17

II Arithmétique des polynômes

1◦) Algorithme d’Euclide
a. Plus grands communs multiples
Un PGCD [1245] Soient A, B ∈ K[X], non tous deux nuls.
Tout diviseur commun de A et de B de degré maximal est appelé un PGCD de A et B.
Polynômes premiers entre eux [1246] Soient A, B ∈ K[X], non tous deux nuls. On dit que A et B sont premiers entre
eux si leurs seuls diviseurs communs sont les polynômes constants, c’est-à-dire leurs PGCD sont les constantes.
Algorithme d’Euclide [1247] Soient A, B ∈ K[X], tels que deg A ≥ deg B ≥ 0.
Par divisions euclidiennes successives, on définit : ∀k ∈ N∗ , A = BQ1 +R1 , B = R1 Q2 +R2 , . . . , Rk = Rk+1 Qk+2 +Rk+2
La suite (deg Rk ) décroît strictement et on note Rm le dernier reste non nul. Alors :
⋄ le polynôme Rm est un diviseur commun de A et B,
⋄ tout diviseur commun à A et B divise Rm ,
⋄ tout PGCD de A et B est associé à Rm . Notation : Le PGCD unitaire de A et B est noté A ∧ B.
b. Relation de Bézout
MP PGCD et idéal [1248] Soient A, B ∈ K[X], non tous deux nuls.
Alors AK[X] + BK[X] est un idéal de K[X], il s’agit de (A ∧ B)K[X].
Relation de Bézout [1249] Soient A, B ∈ K[X], non tous deux nuls.
Si D est un PGCD de A et de B, alors il existe (U, V ) ∈ K[X]2 tels que AU + BV = D.
Ces polynômes s’obtiennent en pratique avec l’algorithme d’Euclide étendu.
Attention [1250] Pas de réciproque : (X − 1) ∧ (X − 2) = 1 mais X(X − 1) − X(X − 2) = X
Théorème de Bézout [1251] Soient A, B ∈ K[X], non tous deux nuls.
Alors A ∧ B = 1 si et seulement s’il existe (U, V ) ∈ K[X]2 tels que AU + BV = 1.
Calculs algébriques [1252] Soient A, B, C ∈ K[X] tels que B ̸= 0. On pose D = A ∧ B. Alors :
(i) DC est un PGCD de AC et BC (ii) si de plus C divise D, D A
C est un PGCD de C et C
B A
(iii) D ∧D
B
=1
Écriture irréductible [1253] On peut donc écrire de manière unique toute fraction rationnelle sous une forme dite
irréductible dans laquelle le numérateur et le dénominateur (non nul) sont deux polynômes premiers entre eux.
Lemme de Gauss & varia [1254] Soient A, B, C ∈ K[X] tels que B ̸= 0. Alors :
(i) Si A ∧ B = 1 et si A divise BC, alors A divise C.
(ii) Si A ∧ B = 1 et si A et B divisent C, alors AB divise C.
(iii) Si A ∧ C = 1 et B ∧ C = 1, alors AB ∧ C = 1.
Polynômes premiers entre eux dans leur ensemble [1255] Soient n ∈ N \ {0, 1} et P1 , . . . , Pn ∈ K[X], non tous nuls.
On dit qu’ils sont premiers dans leur ensemble lorsque leurs plus grands diviseurs communs sont constants.
Pour cela, il faut et il suffit qu’il existe U1 , . . . , Un ∈ K[X] tels que P1 U1 + · · · + Pn Un = 1.
Une condition suffisante [1256]
Si A ∧ B = 1, alors toute sur-famille de polynômes est composée de polynômes premiers dans leur ensemble.
La réciproque est fausse : considérer les trois polynômes X(X − 1), X(X − 2) et (X − 1)(X − 2) qui sont premiers
dans leur ensemble, mais aucune paire extraite de ces entiers n’est formée de deux nombres premiers entre eux.
c. Plus petits communs multiples
Un PPCM [1257] Soient A, B ∈ K[X], non nuls, et D un PGCD de A et B. Le polynôme AB D est un PPCM de A et B.
PPCM et multiples [1258] Un tel polynôme est un multiple commun à A et B, le plus petit (à un scalaire près) pour
la relation d’ordre de divisibilité des polynômes et donc de plus petit degré aussi.
Les PPCM de A et B sont deux à deux associés. Notation : Le PPCM unitaire de A et B est noté A ∨ B.
MP PPCM et idéal [1259] Si A et B sont deux polynômes non nuls, on note M un PPCM.
Alors AK[X] ∩ BK[X] est un idéal de K[X], il s’agit de M K[X].
d. Polynômes irréductibles
Polynôme irréductible [1260] Soit P ∈ K[X]. On dit que P est irréductible sur K lorsqu’il est non constant et lorsque
ses seuls diviseurs dans K[X] sont associés à 1 ou à lui-même.
Soient P, Q ∈ K[X]. Si P est irréductible et ne divise pas Q, alors : P ∧ Q = 1
Polynômes de degré 1 [1261] Ils sont irréductibles.
Attention [1262] Le corps de base a une importance. Ainsi, X 2 + 1 est irréductible sur R, mais pas sur C.
Lemme d’Euclide [1263] Si un polynôme irréductible divise un produit de polynômes, il divise au moins l’un d’eux.
MP Une propriété utile [1264] Soient P∏ 1 , . . . , Pn ∈ K[X] deux à deux premiers entre eux. On note P leur produit et on
pose, pour tout k ∈ [[ 1 , n ]] , Qk = ℓ∈ [[ 1 , n ]] \{k} Pℓ . Alors Q1 , . . . , Qn sont premiers entre eux dans leur ensemble.
 18 Descartes — MP — CC BY-NC-SA 2023-2024

2◦) Décompositions
a. Décomposition des polynômes de C[X] et de R[X]
ADMIS Théorème de d’Alembert-Gauss [1265] Tout polynôme non constant de C[X] admet au moins une racine dans C,
c’est-à-dire les seuls polynômes irréductibles à coefficients dans C sont ceux de degré 1, ou encore tout polynôme
de C[X] non constant est scindé sur C. On dit que le corps C est algébriquement clos.
Corollaire [1266] Tout polynôme réel est scindé sur C.
Théorème de factorisation dans C[X] [1267] Soit P ∈ C[X]. On suppose que P est non constant et admet pour
∏p a1 , . . . , ap d’ordres respectifs α1 , . . . , αp . On note λ ∈ C son coefficient dominant.
racines complexes
Alors P = λ j=1 (X − aj )αj . Cette écriture est unique à l’ordre des facteurs près.
Primalité et racines [1268] Soient P, Q ∈ C[X]. Alors P ∧ Q = 1 si et seulement s’ils n’ont pas de racine commune.
Racines complexes d’un polynôme réel [1269] Soient P ∈ R[X], p ∈ N∗ et a ∈ C.
Alors a est racine d’ordre p exactement de P si et seulement si a est racine d’ordre p exactement de P .
Polynômes réels, racines réelles et multiplicités [1270] Soit P ∈ R[X].
Alors la parité de la somme des ordres de multiplicité des racines réelles de P est égale à la parité du degré de P .
Théorème de factorisation dans R[X] [1271] Soit P ∈ R[X]. On suppose que P est non constant et admet pour
racines réelles a1 , . . . , ap d’ordres respectifs α1 , . . . , αp et pour racines complexes non réelles u1 ± iv1 , . . . , uq ± ivq
d’ordres respectifs On note λ ∈ C son coefficient dominant.
∏p β 1 , . . . , β q . ∏ q
Alors P = λ k=1 (X − ak )αk ℓ=1 ((X − uℓ )2 + vℓ2 )βℓ . Cette écriture est unique à l’ordre des facteurs près.
Polynômes irréductibles de R[X] [1272] Ce sont ceux de degré 1, et ceux de degré 2 sans racine réelle.
Méthode de factorisation des polynômes réels bicarrés [1273] Soit p, q ∈ R.
On pose P = X 4 + pX 2 + q, Q = X 2 + pX + q et ∆ = p2 − 4q. On cherche à factoriser P dans R[X] :
⋄ Si ∆ ≥ 0, on cherche les racines de Q et on avise suivant leurs signes. √ √ √ √
√ √ √ √
⋄ Si ∆ < 0, alors q > 0 et P = (X 2 + q)2 − (2 q − p)X 2 = (X 2 − 2 q − pX + q)(X 2 + 2 q − pX + q).
b. Décomposition des fractions rationnelles de C(X) et R(X)
Parties entière et polaire [1274] Si BA
∈ K(X), alors il existe un unique polynôme E ∈ K[X] (appelé partie entière
de B ) et une unique fraction rationnelle G ∈ K(X) (appelée partie polaire de B
A A A
) tels que deg(G) < 0 et B = E + G.
Forme irréductible d’une fraction rationnelle [1275] Il est possible de simplifier toute fraction rationnelle de C(X)
en éliminant les facteurs communs au numérateur et au dénominateur. On obtient alors une forme irréductible.
ADMIS Méthode de décomposition en éléments simples d’une fraction rationnelle sur C(X) [1276]
Soit (A, B) ∈ C[X] × (C[X] \ {0}), sans facteurs ∏pcommuns non
A
triviaux. On note G la partie polaire de B .
On suppose que que B est factorisé en B = λ k=1 (X − ak ) . αk
∑p (∑αk bk,ℓ
)
Alors pour tout k ∈ [[ 1 , p ]] et tout ℓ ∈ [[ 1 , αk ]] , il existe un unique bk,ℓ ∈ C, tel que : G = k=1 ℓ=1 (X−ak ) ℓ

Cette décomposition de G est unique.

Pour chaque k ∈ [[ 1 , p ]] , chaque somme interne s’appelle la partie polaire relative au pôle aj de B A
.
∑αk bk,ℓ
Si (A, B) ∈ R[X] × (R[X] \ {0}) et que aj est un pôle non réel, alors la partie polaire relative à aj est : ℓ=1 (X−ak )ℓ
• Élément simple relatif à un pôle simple [1277] Soit (A, B) ∈ C[X] × (C[X] \ {0}).
A A(a)
Si a est un pôle simple de B,
alors l’élément simple relatif à a est : B ′ (a)(X−a)
′ ∏p P′
∑p
• Décomposition en éléments simples de PP [1278] Si P = λ k=1 (X − ak )αk ∈ C[X], alors P = αk
k=1 X−ak .
[1279] Si B = (X − a) , pour obtenir la décomposition en éléments simples de
m A
Méthode pour un pôle unique B, on
peut écrire A avec la formule de Taylor en a, puis diviser cette écriture par B.
ADMIS Méthode de décomposition en éléments simples d’une fraction rationnelle sur R(X) [1280]
Soit (A, B) ∈ R[X] × (R[X] \ {0}), sans facteurs ∏pcommuns non ∏triviaux. On note G la partie polaire de B A
.
q
On suppose que que B est factorisé en B = λ k=1 (X − ak ) αk
ℓ=1 ((X − u ℓ ) 2
+ v 2 βℓ
ℓ ) .
Alors pour tous k ∈ [[ 1 , p ]] , ℓ ∈ [[ 1 , q(]] et tous m ∈ [[ )1 , αk ]] , n(∈ [[ 1 , βℓ ]] , il existe ) bk,m , cℓ,n , dℓ,n tels que :
∑p ∑αk bk,m ∑q ∑βℓ cℓ,n X+dℓ,n
G = k=1 m=1 (X−ak )m + ℓ=1 n=1 ((X−uℓ )2 +vℓ2 )n
Cette décomposition de G est unique. La première somme est constituée des éléments simples de première espèce et
la deuxième des éléments simples de seconde espèce.
Chapitre II. Algèbre linéaire 19

Dans tout ce chapitre K désigne le corps R ou C.

A Espaces vectoriels, applications linéaires (première année)

I Espaces vectoriels
1◦) Structure et sous-structure
Loi externe et cônes [2001] Soit E un ensemble et K un corps.
Toute application de K × E à valeurs dans E est une loi externe sur E à domaine d’opérateurs K.
Soit E ′ ⊂ E. On dit que E ′ est un cône ou qu’il est stable pour la loi externe lorsque : ∀(x, λ) ∈ E ′ × K, λx ∈ E ′
Structure d’espace vectoriel [2002] Soit E un groupe additif commutatif et K un corps, ensemble des scalaires.
On suppose E muni d’une loi externe à domaine d’opérateurs K, notée “·”.
On dit que (E, +, ·) est un espace vectoriel sur K lorsque les propriétés suivantes sont vérifiées :
⋄ ∀(λ, µ) ∈ K2 , ∀x ∈ E, (λ + µ)x = λx + µx ⋄ ∀λ ∈ K, ∀(x, y) ∈ E 2 , λ(x + y) = λx + λy
⋄ ∀(λ, µ) ∈ K , ∀x ∈ E, λ(µx) = (λµ)x
2
⋄ ∀x ∈ E, 1K x = x
Deux conséquences immédiates [2003] Alors, pour tout x ∈ E, 0K x = 0E et (−1K )x = −x.
Sous-structure [2004] Soit E un K-espace vectoriel et E ′ une partie de E, non vide.
On dit que E ′ est un sous-espace vectoriel de E lorsque E ′ est stable par l’addition et la loi externe et qu’il est
un K-espace vectoriel pour les lois induites.
Théorème de caractérisation d’un sous-espace vectoriel [2005] Soit E un K-espace vectoriel.
Alors E ′ est un sous-espace vectoriel de E si et seulement si les trois conditions suivantes sont vérifiées :
⋄ E′ ⊂ E ⋄ E ′ ̸= ∅ ⋄ ∀(x, y, λ) ∈ E ′2 × K, x + λy ∈ E ′ (stabilités)
Intersection d’une famille quelconque de sous-espaces vectoriels [2006]
L’intersection d’une famille de sous-espaces vectoriels d’un K-espace vectoriel en est un sous-espace vectoriel.
Produit cartésien d’espaces vectoriels [2007] Si E1 , . . . , En sont des K-espaces vectoriels, E1 × · · · × En est un espace
vectoriel sur K pour l’addition terme à terme et la loi externe terme à terme.
Un exemple incontournable [2008] Si n ∈ N∗ , Kn est un K-espace vectoriel pour les lois terme à terme.

2◦) Des familles remarquables de vecteurs

Combinaisons linéaires, sous-espace vectoriel engendré par une famille de vecteurs [2009]
Soit E un espace vectoriel sur K, x ∈ E et X = (xi )i∈I une famille quelconque de vecteurs de E.
∑
S’il existe une famille presque nulle de scalaires (λi ) ∈ KI telle que x = i∈I λi xi , on dit que x est une combinaison
linéaire des vecteurs de X .
Le plus petit sous-espace vectoriel de E (pour l’inclusion) qui contient X est appelé le sous-espace vectoriel engendré
par X . C’est aussi l’intersection de tous les sous-espaces vectoriels qui contiennent X , ou encore l’ensemble des
combinaisons linéaires des éléments de X . Notation : Vect(X )
Si E ′ est un sous-espace vectoriel de E, on dit que X est génératrice de E ′ lorsque E ′ ⊂ Vect(X ) et que X engendre E ′
lorsque E ′ = Vect(X ). Sans autre précision, une famille génératrice engendre tout E.
Familles libres [2010] Soit E un espace vectoriel sur K, et X = (xi )i∈I une famille quelconque de vecteurs de E.
On∑dit que la famille X est libre lorsque pour toute sous-famille d’indices finie J de I, pour toute famille (λi )i∈J ∈ KJ ,
si i∈J λi xi = 0, alors, pour tout i de J, λi = 0. Une famille libre est constituée de vecteurs linéairement indépendants.
Une famille de vecteurs est liée lorsqu’elle n’est pas libre, c’est-à-dire lorsqu’il existe une relation de dépendance linéaire
sur ces vecteurs. Deux (resp. trois) vecteurs liés sont dits colinéaires (resp. coplanaires).
Exemple incontournable [2011] Toute famille de K[X] et de degrés échelonnés entiers est libre.
Propriétés de telles familles [2012] Soit E un K-espace vectoriel, x ∈ E et X une famille de vecteurs de E.
(i) Toute sur-famille d’une famille génératrice d’un sous-espace vectoriel de E en est aussi génératrice.
(ii) Si X ′ est une famille de vecteurs obtenue à partir de X par des opérations élémentaires, alors Vect(X ′ ) = Vect(X ).
Les opérations élémentaires sont les suivantes :
⋄ Échanger deux vecteurs de X (transposition).
⋄ Remplacer un vecteur x ∈ X par λx si λ ∈ K \ {0} (dilatation).
⋄ Remplacer un vecteur x ∈ X par x + λx′ si λ ∈ K et x′ ∈ X \ {x} (transvection).
(iii) Si X contient le vecteur nul ou des vecteurs identiques, alors X est liée.
(iv) Si X est liée, alors toute sur-famille de X aussi.
(v) La famille X est liée si et seulement si un au moins des vecteurs de X est combinaison linéaire des autres.
(vi) Si X est libre et que la famille X ∪ {x} est liée, alors x ∈ Vect(X ).
(vii) Si X est libre, tout élément de Vect(X ) s’écrit de manière unique comme combinaison linéaire des vecteurs de X .
 20 Descartes — MP — CC BY-NC-SA 2023-2024

Bases [2013] Soit E un espace vectoriel sur K. Une famille de E est une base de E lorsqu’elle est libre et génératrice.
Soit U = (ui )i∈I une base ∑ de E. Alors, pour tout x ∈ E, il existe une unique famille presque nulle de scalaires
(λi ) ∈ KI telle que que x = i∈I λi ui .
On appelle ces scalaires les composantes ou les coordonnées de x dans la base U.
Base canonique de l’espace des polynômes [2014] La famille (X k )k∈N est une base de K[X].
Caractérisations des bases parmi les familles libres ou génératrices [2015]
Soient E un K-espace vectoriel et X une famille de vecteurs de E. Alors X est une base de E si et seulement si :
(i) X est une famille libre maximale, c’est-à-dire telle que toute sur-famille stricte de X est liée, ou encore,
(ii) X est une famille génératrice minimale, c’est-à-dire telle que toute sous-famille stricte de X n’est plus génératrice.

3◦) Somme et somme directe de deux sous-espaces vectoriels

Somme de deux sous-espaces vectoriels [2016]
Soient E un espace vectoriel sur K, E1 et E2 , deux sous-espaces vectoriels de E.
On appelle somme des sous-espaces E1 et E2 le sous-espace vectoriel Vect(E1 ∪ E2 ). Notation : E1 + E2
Caractérisation de la somme de sous-espaces vectoriels [2017] Soient E un espace vectoriel sur K, E1 et E2 , deux
sous-espaces vectoriels de E. Alors : E1 + E2 = {x ∈ E | ∃(x1 , x2 ) ∈ E1 × E2 , x = x1 + x2 }
Somme directe de deux sous-espaces vectoriels [2018] Soient E un espace vectoriel sur K, E1 et E2 deux sous-espaces
vectoriels de E. On dit que la somme des sous-espaces E1 et E2 est une somme directe lorsque pour tout vecteur x de
E1 + E2 , il existe un unique (x1 , x2 ) appartenant à E1 × E2 tel que x = x1 + x2 . Notation : E1 ⊕ E2
Deux caractérisations d’une somme directe de deux sous-espaces vectoriels [2019] Soient E un K-espace vectoriel,
E1 et E2 deux sous-espaces vectoriels de E. La somme E1 + E2 est directe si et seulement si :
(i) ∀(x1 , x2 ) ∈ E1 × E2 , x1 + x2 = 0 ⇒ x1 = x2 = 0 ou encore (ii) E1 ∩ E2 ⊂ {0}
Partition de famille libre [2020] Soit E un espace vectoriel sur K et X une famille libre de E, partitionnée en X1
et X2 . Alors Vect(X1 ) et Vect(X2 ) sont en somme directe.
Sous-espaces vectoriels supplémentaires [2021] Soit E un K-espace vectoriel.
On dit que les sous-espaces vectoriels E1 et E2 de E sont supplémentaires dans E lorsque E = E1 ⊕ E2 .
Attention [2022] Il n’y a aucune assurance de l’existence d’un supplémentaire d’un sous-espace vectoriel donné dans
un espace vectoriel donné. Lorsqu’il existe, il n’est en général pas unique.
Théorème de caractérisation de deux sous-espaces vectoriels supplémentaires [2023] Soit E un espace vectoriel
sur K, E1 et E2 deux sous-espaces vectoriels de E. Alors : E = E1 ⊕ E2 ⇐⇒ E ⊂ E1 + E2 et E1 ∩ E2 ⊂ {0}
◦ Un exemple remarquable [2024] Soient n ∈ N et P ∈ K [X], de degré n + 1. Alors : K [X] = Kn [X] ⊕ P K [X]

4◦) Somme et sommes directes générales

MP Somme de plusieurs sous-espaces vectoriels [2025]
Soient E un espace vectoriel sur K, et (Ei )i∈ [[ 1 , m ]] une famille de sous-espaces
(∪ vectoriels
) de E.
∑
On appelle somme des sous-espaces (Ei ) le sous-espace vectoriel Vect i∈ [[ 1 , m ]] Ei . Notation : i∈ [[ 1 , m ]] Ei
◦ MP Caractérisation de la somme de sous-espaces vectoriels [2026]
Soient E un espace vectoriel
∑ sur K, et (Ei )i∈ [[ 1 , m ]] une famille de sous-espaces vectoriels de E. Alors :
i∈ [[ 1 , m ]] Ei = {x ∈ E | ∃(x1 , . . . , xm ) ∈ E1 × · · · × Em , x = x1 + · · · + xm }
MP Somme directe de plusieurs sous-espaces vectoriels [2027]
Soit E un espace vectoriel sur K, et (Ei )i∈ [[ 1 , m ]] une famille de sous-espaces vectoriels de E. ∑
m
On dit que la somme des sous-espaces (Ei ) est une somme directe lorsque pour tout vecteur x de i=1 E ⊕i , il existe un
unique (x1 , . . . , xm ) ∈ E1 × · · · × Em tel que x = x1 + · · · + xm . Notation : E1 ⊕ · · · ⊕ Em ou encore i∈ [[ 1 , m ]] Ei
MP Attention [2028] Si F , G et H sont des sous-espaces vectoriels de E, il est possible que F ∩ G = {0E }, G ∩ H = {0E }
et F ∩ H = {0E } sans pour autant que F ⊕ G ⊕ H. Considérer par exemple trois droites vectorielles distinctes de R2 .
⊕ (⊕ )
Associativité [2029] Si i∈ [[ 1 , m ]] Ei , alors pour tout k ∈ [[ 1 , m ]] , i̸=k Ei ⊕ Ek .
ADMIS

◦ MP Théorème de caractérisation d’une somme directe [2030] Soit E un espace vectoriel sur K, et (Ei )i∈ [[ 1 , m ]] une
famille de sous-espaces vectoriels de E. La somme des sous-espaces (Ei )i∈ [[ 1 , m ]] est directe si et seulement si :
∀(x1 , . . . , xm ) ∈ E1 × · · · × Em , x1 + · · · + xm = 0 =⇒ ∀i ∈ [[ 1 , m ]] , xi = 0
◦ MP Caractérisation d’une somme directe par liberté d’une concaténation de bases [2031]
Soit E un espace vectoriel sur K et (Ei )i∈ [[ 1 ∑
, m ]] une famille de sous-espaces vectoriels de
∪mE. On suppose que chaque
sous-espace Ei dispose d’une base Ui . Alors i∈ [[ 1 , m ]] Ei est directe si et seulement si i=1 Ui est libre.
MP Supplémentaires [2032] Soit E un espace vectoriel sur K, et (Ei )i∈ [[ 1 , m ]] une famille de sous-espaces vectoriels de E.
⊕
On dit que les sous-espaces (Ei ) sont supplémentaires dans E lorsque E = i∈ [[ 1 , m ]] Ei .
 Chapitre II. Algèbre linéaire 21

II Applications linéaires
1◦) Morphismes, structure des ensembles d’applications linéaires
Linéarité [2033] Soient E et F deux K-espaces vectoriels et f ∈ F E .
(i) On dit que f est une application linéaire lorsque f est un morphisme pour la loi + et pour la loi externe, c’est-à-dire
pour tout (x, y) ∈ E 2 et tout λ ∈ K, f (x + λy) = f (x) + λf (y). Notation : f ∈ L(E, F )
(ii) Un isomorphisme de E sur F est une application linéaire bijective de E sur F .
(iii) Un endomorphisme de E est une application linéaire de E vers lui-même. Notation : f ∈ L(E).
(iv) Un automorphisme de E est un endomorphisme bijectif de E. Notation : f ∈ GL(E)
(v) Une forme linéaire sur E est une application linéaire de E vers K. Notation : f ∈ L(E, K)
Bilinéarité [2034] Soient E, F et G trois K-espaces vectoriels et f ∈ GE×F . On dit que f est une application bilinéaire
lorsque pour tout (x, y) ∈ E × F , les applications t 7→ f (x, t) et t 7→ f (t, y) sont linéaires.
Théorème de structure [2035] Soient E et F deux espaces vectoriels sur K.
Alors (L(E, F ), +, ·) est un K-espace vectoriel, sous-espace vectoriel de F(E, F ).
HP Dual [2036] L’espace vectoriel L(E, K) des formes linéaires sur l’espace vectoriel E est appelé espace dual de E.
Composition [2037] Soient E, F et G trois K-espaces vectoriels, et f ∈ L(E, F ) et g ∈ L(F, G). Alors g ◦ f ∈ L(E, G),
et L(F, G) × L(E, F ) → L(E, G) ; (g, f ) 7→ g ◦ f est bilinéaire, car spécifiquement linéaire selon la deuxième variable.
Inverse [2038] Soient E et F deux K-espaces vectoriels, et f ∈ L(E, F ) un isomorphisme. Alors f −1 ∈ L(F, E).
Une algèbre [2039] Soit E un K-espace vectoriel. Alors (L(E), +, ◦, ·) est une K-algèbre non commutative.
Un groupe [2040] Soit E un K-espace vectoriel. Alors (GL(E), ◦) est appelé groupe linéaire sur E.

2◦) Applications linéaires et sous-espaces vectoriels

Image linéaire d’un sous-espace vectoriel [2041] Soient E et F deux K-espaces vectoriels, E ′ un sous-espace vectoriel
de E et f ∈ L(E, F ). Alors f (E ′ ) est un sous-espace vectoriel de F .
Cas particulier : L’image Im(f ) est un sous-espace vectoriel de F .
Image réciproque linéaire d’un sous-espace vectoriel [2042] Soient E et F deux K-espaces vectoriels, F ′ un sous-
espace vectoriel de F et f ∈ L(E, F ). Alors f −1 (F ′ ) est un sous-espace vectoriel de E.
Cas particulier : Le noyau Ker(f ) = f −1 ({0}) est un sous-espace vectoriel de E.
◦ MP Commutativité d’endomorphismes et stabilité de l’image et du noyau [2043]
Soit E un K-espace vectoriel, f, g ∈ L(E) tels que f ◦ g = g ◦ f . Alors Im(f ) et Ker(f ) sont stables par g.
MP Pas de réciproque [2044] Par exemple, f : R2 → R2 ; (x, y) 7→ (y, 0) et g : R2 → R2 ; (x, y) 7→ (x, 2y).
Caractérisation de l’injectivité linéaire [2045] Soient E et F deux K-espaces vectoriels et f ∈ L(E, F ).
Alors f est injective si et seulement si Ker(f ) ⊂ {0}.
• Forme géométrique du théorème du rang [2046]
Soient E et F deux K-espaces vectoriels quelconques et f ∈ L(E, F ). On suppose que Ker(f ) admet le sous-espace
vectoriel S pour supplémentaire dans E. Alors f induit un isomorphisme de S sur Im(f ).
Attention [2047] En général, Ker(f ) et Im(f ) ne sont pas supplémentaires car ces sous-espaces ne sont pas en somme
directe. Par exemple, si f : R2 → R2 ; (x, y) 7→ (0, x), alors Ker(f ) = Im(f ) = Vect(0, 1).

3◦) Applications linéaires et familles remarquables de vecteurs

◦ Linéarité et familles libres, liées ou génératrices [2048] Soient E et F deux K-espaces vectoriels, E ′ un sous-espace
vectoriel de E, X une famille de vecteurs de E et f ∈ L(E, F ). Alors :
(i) f (Vect(X )) = Vect(f (X ))
(ii) Si X est génératrice de E, alors f (X ) est génératrice de Im(f ) (mais pas de F a priori).
(iii) On suppose f surjective. Si X est génératrice de E, alors f (X ) est génératrice de F .
(iv) Si X est liée, alors f (X ) aussi, donc si f (X ) est libre, alors X aussi.
(v) On suppose f injective. Si f (X ) est liée, alors X aussi, donc si X est libre, alors f (X ) aussi.
◦ Caractérisations de certaines propriétés des applications linéaires par l’image d’une base [2049]
Soient E et F deux K-espaces vectoriels, f ∈ L(E, F ) et U une base de E. Alors :
(i) f est injective si et seulement si f ( U) est libre dans F ,
(ii) f est surjective si et seulement si f ( U) est génératrice de F ,
(iii) f est bijective si et seulement si f ( U) est une base de F .

4◦) Endomorphismes remarquables d’un espace vectoriel

Homothéties vectorielles [2050] Soit E un K-espace vectoriel et λ ∈ K. L’application x 7→ λx est un endomorphisme
de E appelé homothétie vectorielle de rapport λ sur E. Notation : hλ = λ idE
 22 Descartes — MP — CC BY-NC-SA 2023-2024

Groupe des homothéties [2051] Soit E un K-espace vectoriel. L’ensemble des homothéties non nulles de E est un
sous-groupe commutatif de GL(E). Pour tout (λ1 , λ2 ) ∈ K2 , hλ2 ◦ hλ1 = hλ2 λ1 et pour tout λ ∈ K∗ , (hλ )−1 = hλ−1 .
Projecteurs [2052] Soit E un K-espace vectoriel et E1 et E2 deux sous-espaces de E supplémentaires. Pour tout
x ∈ E, il existe un unique (x1 , x2 ) ∈ E1 × E2 tel que x = x1 + x2 . Alors l’application p1 : E → E ; x 7→ x1 (resp.
p2 : E → E ; x 7→ x2 ) est le projecteur de E sur E1 parallèlement à E2 (resp. sur E2 parallèlement à E1 ).
Formules sur les projecteurs associés [2053] p1 + p2 = idE et p1 ◦ p2 = p2 ◦ p1 = 0
Linéarité d’un projecteur Soit E un K-espace vectoriel. Si p est un projecteur de E, alors p ∈ L(E).
[2054]

Sous-espaces remarquables d’un projecteur [2055] Soit E un K-espace vectoriel.

Si p est un projecteur de E, alors c’est le projecteur sur Im(p) = Ker(p − idE ) parallèlement à Ker(p).
• Théorème de caractérisation des projecteurs [2056] Soit E un K-espace vectoriel et f ∈ L(E).
Alors f est un projecteur de E si et seulement si f ◦ f = f (propriété d’idempotence).
• Méthode de construction d’un isomorphisme entre co-supplémentaires Soient E un K-espace vectoriel, E ′
[2057]
un sous-espace vectoriel de E et F1 et F2 deux sous-espaces supplémentaires de E ′ dans E. Alors la restriction à F1
du projecteur de E sur F2 parallèlement à E ′ permet de définir un isomorphisme de F1 sur F2 , par corestriction à F2 .
MP Projecteurs associés à des sous-espaces supplémentaires [2058]
Soit E un espace vectoriel sur K, et (Ei )i∈ [[ 1 , m ]] une famille⊕ de sous-espaces vectoriels supplémentaires de E.
On appelle famille de projecteurs de E associée à E = E les projecteurs pk tels que pour tout k de
⊕i∈ [[ 1 , m ]] i
[[ 1 , m ]] , pk est le projecteur de E sur Ek parallèlement à i̸=k Ei .
∑m
Pour tous i, j ∈ [[ 1 , m ]] , tels que i ̸= j, p2i = pi et pi ◦ pj = 0. De plus : i=1 pi = idE
Symétries vectorielles [2059] Soit E un K-espace vectoriel et E1 et E2 deux sous-espaces de E supplémentaires.
Pour tout x ∈ E, il existe un unique (x1 , x2 ) ∈ E1 × E2 tel que x = x1 + x2 .
Alors l’application s1 : E → E ; x 7→ x1 − x2 (resp. s2 : E → E ; x 7→ −x1 + x2 ) est la symétrie vectorielle de E par
rapport à E1 parallèlement à E2 (resp. par rapport à E2 parallèlement à E1 ).
Formules entre projecteurs et symétries vectorielles associées [2060] s1 = p1 − p2 = −s2 et s1 + idE = 2p1
Linéarité d’une symétrie [2061] Soit E un K-espace vectoriel. Si s est une symétrie vectorielle de E, alors s ∈ L(E).
Sous-espaces remarquables d’une symétrie vectorielle [2062] Soit E un K-espace vectoriel. Si s est une symétrie
vectorielle de E, alors c’est la symétrie vectorielle par rapport à Ker(s − idE ) parallèlement à Ker(s + idE ).
• Théorème de caractérisation des symétries vectorielles [2063] Soit E un K-espace vectoriel et f ∈ L(E).
Alors f est une symétrie vectorielle de E si et seulement si f ◦ f = idE (propriété d’involution).
Bijectivité [2064] Une symétrie vectorielle de E est donc un automorphisme de E.

5◦) Rigidité des applications linéaires

◦ MP Théorème de recollement linéaire [2065] Soient E et F deux espaces vectoriels sur K, et (Ek )k∈ [[ 1 , m ]] une famille
de sous-espaces vectoriels supplémentaires de E. Pour toute famille fk d’applications linéaires de Ek dans F , il existe
une unique application linéaire f de E dans F telle que, pour⊕tout k ∈ [[ 1 , m ]] , fk soit la restriction ∑de f à Ek .
m
Si on note (pk )k∈ [[ 1 , m ]] les projecteurs de E associés à E = k∈ [[ 1 , m ]] Ek , alors f : E → F ; x 7→ k=1 fk (pk (x)).
Théorème de construction d’une application linéaire par l’image d’une base [2066]
Soient E et F deux K-espaces vectoriels, U = (ui )i∈I une base de E et X = (xi )i∈I une famille quelconque de vecteurs
de F . Alors il existe une unique application linéaire f ∈ L(E, F ) telle que pour
∑tout i ∈ I, f∑(ui ) = xi .
Il s’agit de l’application, pour toute famille presque nulle (αi )i∈I ∈ KI , f : i∈I αi ui 7→ i∈I αi xi .
Égalité linéaire et égalité sur une base [2067] Soient E et F deux K-espaces vectoriels, (f, g) ∈ L(E, F )2 et U une
base de E. Si f et g coïncident sur U, alors f = g.
Attention [2068] C’est faux si f n’est pas linéaire : f (1) ne suffit pas à déterminer f ∈ F(R, R).

6◦) Formes linéaires et hyperplans vectoriels

Classification des formes linéaires [2069] Une forme linéaire sur un K-espace vectoriel E est nulle ou bien surjective.
Hyperplan [2070] Un hyperplan vectoriel H d’un K-espace vectoriel E est le noyau d’une forme linéaire non nulle.
• Théorème de caractérisations d’un hyperplan vectoriel [2071]
Soit E un K-espace vectoriel et H un sous-espace vectoriel strict de E. Alors H est un hyperplan si et seulement si :
(i) ∃a ∈ E \ H, E = H ⊕ Ka ou (ii) ∀a ∈ E \ H, E = H ⊕ Ka
◦ Caractérisation des formes linéaires proportionnelles [2072]
Deux formes linéaires non nulles ont même noyau si et seulement si elles sont proportionnelles.
◦ HP Intersection d’un sous-espace vectoriel et d’un hyperplan [2073] Soient E un K-espace vectoriel, F un sous-espace
vectoriel et H un hyperplan de E. Alors F ∩ H est F ou un hyperplan de F .
Chapitre II. Algèbre linéaire 23

7◦) Sous-espaces affines et équations linéaires

a. Translations
Points et vecteurs [2074] Soit E un K-espace vectoriel et x ∈ E.
On appelle translation de vecteur x l’application E → E ; A 7→ A + x. Notation : tx .
Par convention A s’appelle un point de E et x un vecteur de E.
Dans la suite, on distinguera nettement ces deux notions, on notera les points à l’aide de lettres majuscules, les vecteurs
sous forme de lettres minuscules éventuellement surmontées d’une flèche ou à l’aide de bipoints.
−
→
L’espace E est noté artificiellement E en tant qu’ensemble de points et E en tant qu’ensemble de vecteurs.
Propriétés algébriques de la translation [2075]
−
→ − → −
→
(i) ∀A ∈ E, (⃗x, ⃗y ) ∈ E × E , (A + ⃗x) + ⃗y = A + (⃗x + ⃗y ) (ii) ∀A ∈ E, A + 0 = A
−
→ −
−→
(iii) ∀(A, B) ∈ E2 , ∃ ! ⃗x ∈ E , B = A + ⃗x Notation : AB = ⃗ x
De manière exceptionnelle, par exemple si c’est nécessaire dans un calcul, on pourra rompre la convention de distinguer
−−→
les points des vecteurs et écrire B − A à la place du vecteur AB.
Propriétés des vecteurs sous forme de bipoints [2076] Soient (A, B, C, D) ∈ E4 . Alors :
−−→ −→ −−→ −−→ −−→
(i) AB = AC + CB (relation de Chasles) (ii) AB = − BA
−−→ −→ −−→ −−→ −→ −−→
(iii) AB = 0 ⇔ A = B (iv) AB = CD ⇔ AC = BD
−
→ −→ −
→
Si O ∈ E, l’application E → E ; A 7→ OA est une bijection. Ainsi, on identifie E à E par le choix d’une origine O.
b. Sous-espace affine
−
→ −
→
Sous-espace affine et direction [2077]Soit A ∈ E et F un sous-espace vectoriel de E .
−
→ { →}
− −
→
On appelle sous-espace affine de E passant par A et de direction F l’ensemble A + ⃗x | ⃗x ∈ F . Notation : A + F
−
→
Si F est un sous-espace affine de E, de direction F et (A, B) ∈ E2 , alors :
−−
→ −
→ −−→ − → −
→
(i) (A, B) ∈ F2 ⇒ AB ∈ F (ii) A ∈ F et AB ∈ F ⇒ B ∈ F (iii) F = A + F
−
→
Un hyperplan affine H est un sous-espace affine de E qui admet pour direction un hyperplan vectoriel de E .
−
→ −
→
Parallélisme [2078] Soient F et G deux sous-espaces affines de E de directions respectives F et G . On dit que :
−
→ − → −
→ − →
(i) F est parallèle à G lorsque F ⊂ G (ii) F et G sont parallèles lorsque F = G
−
→
Intersection de sous-espaces affines [2079] Soient (Fi )i∈I des sous-espaces affines de E de directions ( F i )i∈I .
∩ − →
Alors leur intersection est vide ou bien un sous-espace affine de direction i∈I F i .
c. Équation linéaire
Équation linéaire [2080] Soient E et F deux K-espaces vectoriels quelconques, f ∈ L(E, F ) et b ∈ F .
L’équation f (x) = b est une équation linéaire, et f (x) = 0 est son équation homogène associée.
L’équation linéaire homogène f (x) = 0 a pour ensemble de solutions le noyau de f .
L’ensemble des solutions de l’équation f (x) = b est :
⋄ vide si b ∈/ Im(f ), et on dit que l’équation est incompatible, ou bien,
⋄ de la forme x0 + Ker(f ) = {x0 + x | x ∈ Ker(f )} si b ∈ Im(f ), pour tout x0 ∈ f −1 ({b}).
On dit alors que x0 est une solution particulière de l’équation linéaire, et l’ensemble des solutions est le sous-espace
affine passant par x0 et dirigé par le sous-espace vectoriel Ker(f ).
∑m
Principe ∑ de superposition des solutions [2081] Lorsque b = k=1 bk , une solution particulière de l’équation f (x) = b
m
est x0 = k=1 xk , où pour tout k ∈ [[ 1 , m ]] , xk est une solution de f (x) = bk .
Généralisation [2082] On peut remarquer que ces résultats sur les équations linéaires ne se limitent pas aux systèmes
linéaires étudiés plus loin dans ce chapitre, mais peuvent, par exemple, s’appliquer aux équations différentielles linéaires
d’ordre un ou deux, ou aux suites récurrentes linéaires, comme on le verra dans les cours correspondants.

III Espaces vectoriels de dimension finie

1◦) Théorème de la base incomplète
Espace de dimension finie [2083] Soit E un K-espace vectoriel. On dit que E est de dimension finie lorsque E est {0}
ou bien s’il admet un système générateur de cardinal fini.
Extraction d’une famille génératrice finie [2084] Soit E un K-espace vectoriel de dimension finie et G une famille
génératrice quelconque de E, alors il existe G1 ⊂ G une famille génératrice de E et de cardinal fini.
Lemme de la base incomplète [2085]
Soit E un K-espace vectoriel de dimension finie, non réduit à {0}, L une famille libre finie de E et G une famille
génératrice de E. Alors il existe une base U de E, de cardinal fini, telle que L ⊂ U ⊂ ( G ∪ L).
Existence d’une base [2086] Tout K-espace vectoriel de dimension finie non réduit à {0} admet une base finie.
 24 Descartes — MP — CC BY-NC-SA 2023-2024

Théorème de la base extraite [2087] Soit E un K-espace vectoriel de dimension finie non nulle et G une famille
génératrice de E. Alors il existe une base de E contenue dans G.
Théorème de la base incomplète [2088] Soit E un K-espace vectoriel de dimension finie.
Si (e1 , . . . , ep ) est une famille libre de E, il existe (ep+1 , . . . , en ) ∈ E n−p tels que (e1 , . . . , en ) soit une base de E.
Les vecteurs ajoutés peuvent appartenir à une famille génératrice donnée, comme le précise le lemme.

2◦) Dimension d’un espace de dimension finie

• Lemme de Steinitz [2089] Soit E un K espace vectoriel. Soit p ∈ N∗ . Si p+1 vecteurs x1 , . . . , xp+1 de E sont combinaisons
linéaires de p mêmes vecteurs v1 , . . . , vp de E, alors les p + 1 vecteurs x1 , . . . , xp+1 sont liés.
Cardinal maximum d’une famille libre en dimension finie [2090] Soit E un K-espace vectoriel de dimension finie, non
réduit à {0}. Si une des bases de E est de cardinal n, alors toute partie libre de E a au plus n éléments.
Notion de dimension [2091] Soit E un K-espace vectoriel de dimension finie, non réduit à {0}. Toutes les bases de E
ont même cardinal, appelé dimension de E. Notation : dim(E), et par convention dim {0} = 0.
Droites et plans [2092] Une droite vectorielle (resp. un plan vectoriel) est un espace vectoriel de dimension 1 (resp. 2).
Cardinal minimum d’une famille génératrice en dimension finie [2093]
Soit E un K-espace vectoriel de dimension finie n ∈ N∗ . Alors toute famille génératrice de E a au moins n éléments.
Théorème de caractérisations des bases parmi les familles libres ou génératrices [2094]
Soient E un K-espace vectoriel de dimension finie n et X une famille de vecteurs de E.
Si deux des trois énoncés suivants sont vrais, il en est alors de même du troisième :
(i) X est libre (ii) X est génératrice (iii) Card(X ) = n

3◦) Applications linéaires en dimension finie

Expression analytique d’une application linéaire [2095] Soient E et F deux K-espaces vectoriels de dimensions finies
respectives p ∈ N∗ et q ∈ N∗ , une base U = (u1 , . . . , up ) de E, une base V = (v1 , . . . ,∑ vq ) de F et f ∈ L(E, F ).
q
Alors pour tout j ∈ [[ 1 , p ]] , il existe (a1,j , . . . , aq,j ) ∈ Kq , uniques, tels que f (uj ) = i=1 ai,j vi .
Il s’agit de l’expression analytique de f dans les bases U et V .
Caractérisation des espaces vectoriels isomorphes de dimensions finies [2096] Soient E et F deux K-espaces
vectoriels de dimensions finies. Alors E et F sont isomorphes si et seulement si dim(E) = dim(F ).
Cas des formes linéaires [2097]
Soit E un K-espace vectoriel de dimension finie n, U = (u1 , . . . , un ) une base de E∑ et φ ∈ L(E, K) \ {0}.
Il existe (a1 , . . . , an ) ∈ Kn \ {0} tel que l’expression analytique de φ dans U soit : j=1 xj uj 7−→ a1 x1 + · · · + an xn
n

On dit alors que a1 x1 + · · · + an xn = 0 est une équation de l’hyperplan Ker(φ) dans la base U.
Les équations d’un ∑nmême hyperplan vectoriel d’un espace de dimension finie sont toutes proportionnelles.
Les applications j=1 xj uj 7→ xk , pour tout k ∈ [[ 1 , n ]] sont les formes coordonnées relativement à la base B.

4◦) Exemples incontournables

Base du produit cartésien de deux espaces vectoriels [2098]
Soient E et F deux K-espaces vectoriels de dimensions finies p et q, U = (u1 , . . . , up ) une base de E et V = (v1 , . . . , vq )
une base de F . La famille ((u1 , 0), . . . , (up , 0), (0, v1 ), . . . , (0, vq )) est une base de E × F appelée base produit associée
aux bases U et V . Ainsi E × F est de dimension finie et dim(E × F ) = dim(E) + dim(F ).
MP Généralisation [2099] Ce résultat se généralise à tout produit fini d’espaces vectoriels de dimensions finies.
Plan complexe [2100] Le R-espace vectoriel C est de dimension 2. Sa base canonique est (1, i).
Espace des n-uplets [2101] La dimension du K-espace vectoriel Kn est n. Sa base canonique est (δ1,i , . . . , δn,i )i∈ [[ 1 , n ]] .
Isomorphisme naturel associé à une base d’un espace de dimension ∑nfinie [2102] Soit E un K-espace vectoriel de
dimension n ∈ N∗ et U = (u1 , . . . , un ) une base de E. Alors E → Kn ; i=1 αi ui 7→ (α1 , . . . , αn ) est un isomorphisme.
Méthode [2103] Une fois une base de E fixée, cet isomorphisme permet de se ramener aux coordonnées, dans Kn .
Polynômes de degrés limités [2104] Soit n ∈ N. Alors Kn [X] est un K-espace vectoriel de dimension n + 1, car :
(i) (X k )k∈ [[ 0 , n ]] est la base canonique de Kn [X],
(ii) (Pk )k∈ [[ 0 , n ]] telle que pour tout k ∈ [[ 0 , n ]] , deg(Pk ) = k (resp. val(Pk ) = k) est une base de Kn [X],
• Polynômes de Lagrange associés à une famille de scalaires deux à deux distincts [2105]
Soient n ∈ N, a0 , . . . , an , n + 1 scalaires distincts deux à deux, et b0 , . . . , bn des scalaires quelconques.
∏ (X−ai )
Pour tout j ∈ [[ 0 , n ]] , on pose : Laj = 0≤i≤n (a j −ai )
. On appelle polynômes de Lagrange ces polynômes.
i̸=j

⋄ Pour tout (i, j) ∈ [[ 0 , n ]] 2 , Laj (ai ) = δi,j , et les polynômes de Lagrange constituent une base de Kn [X].
⋄ Interpolation de Lagrange : il existe un unique polynôme P ∈ Kn [X] tel que : ∀j ∈ [[ 0 , n ]] , P (aj ) = bj
∑n
⋄ Ainsi, pour tout P ∈ Kn [X], P = k=0 P (ak )Lak . En particulier : ∀p ∈ [[ 0 , n ]] , ap0 La0 + · · · + apn Lan = X p
 Chapitre II. Algèbre linéaire 25

5◦) Sous-espaces vectoriels en dimension finie

Sous-espaces vectoriels et dimension finie, existence d’un supplémentaire [2106]
Soit E un K-espace vectoriel de dimension finie et E ′ un sous-espace vectoriel de E. Alors :
(i) E ′ est de dimension finie et dim(E ′ ) ≤ dim(E). Il y a égalité des dimensions si et seulement si E = E ′ .
(ii) E ′ admet au moins un supplémentaire dans E, de dimension dim(E) − dim(E ′ ).
Dimension commune [2107] Il n’y a pas d’unicité d’un tel supplémentaire, mais ils ont tous même dimension.
Rang d’une famille de vecteurs [2108] Soit E un K-espace vectoriel et X une famille de vecteurs de E.
Si Vect(X ) est de dimension finie, on appelle rang de X cette dimension. Notation : rg(X )
Propriétés du rang d’une famille finie de vecteurs [2109]
Soient E un K-espace vectoriel E et X une famille finie de vecteurs de E. Alors :
(i) La famille X est de rang fini et rg(X ) ≤ Card(X ).
(ii) La famille X est libre si et seulement si rg(X ) = Card(X ).
(iii) Les opérations élémentaires sur la famille X ne modifient pas son rang.
(iv) Si rg(X ) ≥ 1, alors il existe une famille libre L ⊂ X telle que Card(L) = rg(X ). Il s’agit d’une base de Vect(X ).
(v) Si f est une application linéaire définie sur E, alors rg(f (X )) ≤ rg(X ).
(vi) L’image par une application linéaire injective (en particulier par un isomorphisme) de X a même rang que X .
Formule de Grassmann [2110] Soit E un K-espace vectoriel de dimension finie, E1 et E2 deux sous-espaces vectoriels
de E. Alors : dim(E1 + E2 ) = dim(E1 ) + dim(E2 ) − dim(E1 ∩ E2 )
Caractérisations de deux supplémentaires en dimension finie [2111] Soit E un K-espace vectoriel de dimension
finie, E1 et E2 deux sous-espaces vectoriels de E. Alors les propositions suivantes sont équivalentes : (i) E = E1 ⊕ E2
(ii) E1 ∩ E2 ⊂ {0} et dim(E1 ) + dim(E2 ) = dim(E) (iii) E ⊂ E1 + E2 et dim(E1 ) + dim(E2 ) = dim(E)
Base adaptée [2112] Soit E un K-espace vectoriel de dimension finie, E1 et E2 sont deux sous-espaces vectoriels de E.
Toute base de E dont les premiers vecteurs constituent une base de E1 est une base adaptée au sous-espace vectoriel E1 .
Si E1 et E2 sont supplémentaires et si U1 et U2 sont des bases de E1 et E2 , alors U = U1 ∪ U2 est une base adaptée
à la décomposition en supplémentaires de E. Réciproquement, si U est une base de E dont U1 et U2 forment une
partition, alors Vect( U1 ) et Vect( U2 ) sont supplémentaires dans E.
MP Dimension d’une somme générale et caractérisation d’une somme directe générale [2113]
Soit E un K-espace
( ∑m vectoriel ) ∑met (Ei )i∈ [[ 1 , m ]] une famille de sous-espaces vectoriels de dimensions finies de E.
Alors : dim ( i=1 Ei )≤ i=1 dim(Ei )
∑m ∑m
De plus, dim i=1 Ei = i=1 dim(Ei ) si et seulement si la somme des Ei est directe.
MP Supplémentaires [2114] Soit E un K-espace vectoriel de⊕ dimension finie et (Ei )i∈ [[ 1 , ∑
m ]] une famille de sous-espaces
vectoriels de E, dont la somme est directe. Alors : E = i∈ [[ 1 , m ]] Ei ⇐⇒ dim(E) = i∈ [[ 1 , m ]] dim(Ei )
MP Base adaptée : cas général [2115] Soit E un K-espace vectoriel de dimension finie.
(i) Si (Ei )i∈ [[ 1 , m ]] est une famille de sous-espaces vectoriels
∪ supplémentaires de E, on appelle base adaptée à la
décomposition en supplémentaires de E toute base U = i∈ [[ 1 , m ]] Ui de E telle que pour tout i de [[ 1 , n ]] , Ui est
une base de Ei .
∪
(ii) Réciproquement, si U est une base de E, tout fractionnement de la base U en partition U = i∈ [[ 1 , n ]] Ui conduit
à construire une famille de sous-espaces vectoriels supplémentaires de E, telle que U lui soit adaptée.
Hyperplan [2116] Un sous-espace F d’un espace E de dimension n est un hyperplan si et seulement si dim(F ) = n − 1.
Sous-espace vectoriel intersection d’hyperplans [2117] Soit E un K-espace vectoriel de dimension n.
Alors l’intersection de k hyperplans vectoriels est de dimension au moins n − k.
Réciproquement, tout sous-espace vectoriel F de E de dimension p est intersection de n − p hyperplans vectoriels.
Si on note φp+1 , . . . , φn des formes linéaires non nulles de noyaux ces hyperplans, alors l’ensemble des équations
φk (x) = 0, pour k ∈ [[ p + 1 , n ]] , s’appelle un système d’équations de F .
HP Drapeau [2118] Soit E un K-espace vectoriel de dimension n ∈ N∗ . On appelle drapeau toute famille (Fk )k∈ [[ 1 , n ]]
strictement croissante de sous-espaces vectoriels de E telle que : ∀k ∈ [[ 1 , n ]] , dim(Fk ) = k
Une base U = (u1 , . . . , un ) de E est une base adaptée au drapeau (Fk ) lorsque : ∀k ∈ [[ 1 , n ]] , Fk = Vect(u1 , . . . , uk )
Sous-espaces affines et dimension finie [2119] Soit E un K-espace vectoriel quelconque.
−
→ −
→
⋄ Soit F un sous-espace affine de E de direction F . Si F est de dimension finie, on dit que F est de dimension finie.
−
→ −
→
La dimension de F est alors celle de F et on appelle système de vecteurs directeurs de F toute base de F .
−
→
⋄ Si E est de dimension finie, de base B, un repère cartésien est un couple (O, B) où O ∈ E est l’origine du repère.
⋄ Un hyperplan affine H dirigé par un hyperplan vectoriel H d’équation a1 x1 + · · · + an xn = 0 dans la base B admet
une équation du type a1 x1 + · · · + an xn = b dans le repère (O, B).
⋄ Une base et donc un repère est direct(e) ou bien indirect(e), lorsque l’espace E est réel et orienté. Cette notion est
développée dans le chapitre sur les espaces euclidiens.
26 Descartes — MP — CC BY-NC-SA 2023-2024

6◦) Rang d’une application linéaire de rang fini

Application linéaire de rang fini [2120] Soient E et F deux K-espaces vectoriels et f ∈ L(E, F ) telle que Im(f ) soit
de dimension finie. On dit que f est de rang fini et on appelle rang de f la dimension de Im(f ). Notation : rg(f )
Propriétés du rang d’une application linéaire [2121]
Soient E et F deux K-espaces vectoriels et f ∈ L(E, F ). Alors :
(i) Si F est de dimension finie, alors f est de rang fini et rg(f ) ≤ dim(F ).
(ii) Si F est de dimension finie et si f est surjective, alors rg(f ) = dim(F ).
(iii) Si G est un système générateur de E et si f est de rang fini alors rg(f ) = dim (Vect(f ( G))).
(iv) Si E est de dimension finie, alors f est de rang fini et rg(f ) ≤ dim(E),
(v) Si f est de rang fini, composer f à gauche ou à droite par un isomorphisme ne modifie pas son rang.
Rang d’une composée d’applications linéaires [2122] Soient E, F et G trois K-espaces vectoriels, f ∈ L(E, F ) et
g ∈ L(F, G), toutes deux de rang fini. Alors g ◦ f est de rang fini et rg(g ◦ f ) ≤ min(rg(f ), rg(g)).
Théorème du rang [2123] Soient E et F deux K-espaces vectoriels et f ∈ L(E, F ).
On suppose que E est de dimension finie. Alors : dim(Ker(f )) + rg(f ) = dim(E)
Injectivité et rang [2124] Soient E et F deux K-espaces vectoriels et f ∈ L(E, F ).
On suppose que E est de dimension finie. Alors f est injective si et seulement si rg(f ) = dim(E).
Propriété remarquable des applications linéaires sur des espaces de mêmes dimensions [2125]
Soient E et F deux K-espaces vectoriels de dimensions finies égales et f ∈ L(E, F ).
Alors les trois conditions suivantes sont équivalentes :
(i) f est injective (ii) f est surjective (iii) f est bijective
Théorème de caractérisations des automorphismes en dimension finie [2126]
Soit E un K-espace vectoriel de dimension finie et f ∈ L(E). Les propositions suivantes sont équivalentes :
(i) f est injective (ii) Ker(f ) = {0} (iii) f est surjective (iv) rg(f ) = dim(E) (v) f ∈ GL(E)
(vi) il existe une base de E dont l’image par f est une base (vii) l’image par f de toute base de E est une base
 Chapitre II. Algèbre linéaire 27

B Matrices, systèmes linéaires et déterminants (première année)

Dans toute cette partie, n, p, q et r désignent des entiers naturels non nuls.

I Matrices à coefficients dans K

1◦) Opérations matricielles et structures
Matrice [2127] On appelle matrice à q lignes et p colonnes à coefficients dans K, ou encore (q, p)-matrice à coefficients
dans K tout tableau de q lignes et p colonnes constituées d’éléments de K.
Une matrice qui possède n lignes et n colonnes est une matrice carrée d’ordre n.
Notation : L’ensemble des (q, p)-matrices à coefficients dans K est noté Mq,p (K).
Si p = q = n, on notera alors Mn (K) cet espace. Une matrice est notée (ai,j )(i,j)∈ [[ 1 , q ]] × [[ 1 , p ]] , ou encore :
 
a1,1 · · · a1,p
 .. .. 
 . . 
aq,1 · · · aq,p
Addition et loi externe [2128] Soient A = (ai,j ) et B = (bi,j ) deux éléments de Mq,p (K) et λ ∈ K. La somme A + B
de A et B est la matrice (ai,j + bi,j ) ∈ Mq,p (K) et le produit externe λA de λ et de A est la matrice (λai,j ) ∈ Mq,p (K).
Théorème de structure [2129] L’ensemble (Mq,p (K), +, ·) est un K-espace vectoriel de dimension p q.
Pour tout (k, ℓ) ∈ [[ 1 , q ]] × [[ 1 , p ]] , on pose : Ek,ℓ = (δi,k δj,ℓ )(i,j)∈ [[ 1 , q ]] × [[ 1 , p ]]
La famille des matrices élémentaires (Ek,ℓ )(k,ℓ)∈ [[ 1 , q ]] × [[ 1 , p ]] est appelée la base canonique de Mq,p (K).
Pour tout k ∈ [[ 1 , n ]] , on note Ek la colonne (δi,k )i∈ [[ 1 , n ]] . Alors (Ek )k∈ [[ 1 , n ]] est la base canonique de Mn,1 (K).
Multiplication [2130] Soient A = (ai,j ) ∈ Mq,p (K) et B = (bi,j ) ∈ Mr,q (K). On appelle produit des matrices B et A
∑q
la matrice C = (ci,j ) ∈ Mr,p (K) définie par, pour tout (i, j) ∈ [[ 1 , r ]] × [[ 1 , p ]] , ci,j = k=1 bi,k ak,j .
Attention [2131] La multiplication des matrices n’est pas une loi de composition interne en général. Il convient de
bien prendre garde aux nombres de lignes et de colonnes des matrices considérées.
2
Produits dans la base canonique [2132] Soit (i, j, k, ℓ) ∈ [[ 1 , r ]] × [[ 1 , q ]] × [[ 1 , p ]] . Alors : Ei,j Ek,ℓ = δj,k Ei,ℓ
Propriétés du produit matriciel [2133]
(i) Il est pseudo-associatif : soient A ∈ Mq,p (K), B ∈ Mr,q (K) et C ∈ Ms,r (K). Alors : C(BA) = (CB)A
(ii) Il est pseudo-distributif sur l’addition : soient A ∈ Mq,p (K), (B, C) ∈ Mr,q (K)2 et D ∈ Ms,r (K). Alors :
(B + C)A = BA + CA et D(B + C) = DB + DC
(iii) Il admet des pseudo-éléments neutres. On pose In = (δi,j )(i,j)∈ [[ 1 , n ]] 2 ∈ Mn (K). Si A ∈ Mq,p (K), alors Iq A = A
et AIp = A. De plus, la matrice nulle est un élément pseudo-absorbant.
(iv) Rapport avec la loi externe : si A ∈ Mq,p (K), B ∈ Mr,q (K) et λ ∈ K, alors λ(BA) = (λB)A = B(λA).
Attention [2134] Le produit n’est pas commutatif. De plus, il existe des matrices non nulles dont le produit est nul.
Produits, lignes et colonnes [2135]
Soient A ∈ Mq,p (K), B ∈ Mr,q (K), X ∈ Mp,1 (K), Y ∈ M1,q (K) et (i, j) ∈ [[ 1 , r ]] × [[ 1 , p ]] . Alors :
(i) La matrice AEj est la j-ième colonne de A, donc AX est une combinaison linéaire des colonnes de A.
(ii) La j-ième colonne de BA est le produit de B par la j-ième colonne de A.
(iii) La matrice EiT B est la i-ième ligne de B, donc Y B est une combinaison linéaire des lignes de B.
(iv) La i-ième ligne de BA est le produit de la i-ième ligne de B par A.
Égalité universelle [2136] Soient A, B ∈ Mq,p (K). Si pour tout X ∈ Mp,1 (K), AX = BX, alors A = B.
Transposition [2137] Soit A = (ai,j ) ∈ Mq,p (K). On appelle transposée de la matrice A la matrice (a′i,j ) ∈ Mp,q (K),
telle que pour tout (i, j) ∈ [[ 1 , p ]] × [[ 1 , q ]] , a′i,j = aj,i . Notation : AT
Isomorphisme à caractère involutif [2138]
L’application Mq,p (K) → Mp,q (K) ; A 7→ AT est un isomorphisme à caractère involutif.
Transposée d’un produit [2139] Soient A ∈ Mq,p (K) et B ∈ Mr,q (K). Alors : (BA)T = AT B T
MP Opérations par blocs [2140] Si deux matrices A ∈ Mq,p (K) et B ∈ Mq,p (K) présentent des écritures par blocs
(on suppose que les blocs ont des tailles convenables), alors on peut effectuer des combinaisons linéaires ou une
transposition, de façon naturelle. Si A ∈ Mq,p (K) et B ∈ Mr,q (K), on peut même effectuer le produit BA par blocs,
en prenant garde de ne pas( changer l’ordre
) ( des produits
) (matriciels des blocs concernés. : )
B1 B2 A1 A2 B1 A1 + B2 A3 B1 A2 + B2 A4
=
B3 B4 A3 A4 B3 A1 + B4 A3 B3 A2 + B4 A4
Algèbre des matrices carrées [2141] L’ensemble (Mn (K), +, ×, ·) est une K-algèbre de dimension n2 , d’unité In .
Attention [2142] Si n ≥ 2, l’anneau (Mn (K), +, ×) est non commutatif et possède des diviseurs de zéro.
Commutativité et formules remarquables [2143] Si A, B ∈ Mn (K) commutent, la formule du binôme ainsi que
l’identité remarquable s’appliquent. C’est en particulier le cas lorsque A ou B est une matrice proportionnelle à In .
 28 Descartes — MP — CC BY-NC-SA 2023-2024

2◦) Matrices carrées particulières

Matrices diagonales [2144]
On dit que A = (ai,j ) ∈ Mn (K) est une matrice diagonale lorsque : ∀(i, j) ∈ [[ 1 , n ]] , i ̸= j ⇒ ai,j = 0
2

Notation : A = diag(a1 , . . . , an ) ∈ Dn (K).

Structure [2145] L’ensemble Dn (K) est une K-algèbre commutative de dimension n, de base (Ei,i )i∈ [[ 1 , n ]] . La diago-
nale du produit de deux matrices diagonales est constituée des produits terme à terme de leurs éléments diagonaux.
Puissance d’une matrice diagonale [2146] Si A = diag(a1 , . . . , an ) ∈ Dn (K) et k ∈ N, alors Ak = diag(ak1 , . . . , akn ).
Matrices scalaires [2147] La matrice A ∈ Dn (K) est une matrice scalaire lorsqu’il existe λ ∈ K tel que A = λIn .
Structure [2148] L’ensemble des matrices scalaires de taille n sur K est un corps isomorphe à K.
Matrices triangulaires [2149] On dit que A = (ai,j ) ∈ Mn (K) est une matrice triangulaire supérieure (resp. une
2
matrice triangulaire inférieure) lorsque pour tout (i, j) ∈ [[ 1 , n ]] , si i > j (resp. i < j) alors ai,j = 0.
Structure [2150] L’ensemble des matrices d’ordre n triangulaires supérieures (resp. inférieures) est une K-algèbre de
dimension n(n+1)
2 , qui admet pour base (Ei,j )1≤i≤j≤n (resp. (Ei,j )1≤j≤i≤n ). La diagonale du produit de deux matrices
triangulaires de même type est constituée des produits terme à terme de leurs éléments diagonaux.
MP Calcul de la puissance
( d’une matrice
) (carrée triangulaire
) ou
( diagonale
) par blocs
( [2151]
)
m m
A1 (∗) Am
1 (∗) A1 0 Am1 0
= =
0 A2 0 Am
2 0 A2 0 Am2
Matrices symétriques et antisymétriques [2152] On dit que A ∈ Mn (K) est une matrice symétrique (resp. une
matrice antisymétrique) lorsque AT = A (resp. AT = −A). Notation : A ∈ Sn (K) (resp. A ∈ An (K))
Structure [2153] Les ensembles Sn (K) et An (K) sont deux sous-espaces vectoriels de Mn (K) supplémentaires de dimen-
sions respectives n(n+1)
2 et n(n−1)
2 , et de bases respectives (Ei,i )i∈ [[ 1 , n ]] ∪ (Ei,j + Ej,i )1≤i<j≤n et (Ei,j − Ej,i )1≤i<j≤n ,
par exemple. En particulier, la diagonale d’une matrice antisymétrique est nulle.
Matrices inversibles [2154]
Soit A ∈ Mn (K). On dit que A est une matrice inversible lorsqu’il existe B ∈ Mn (K) telle que AB = BA = In .
Notation : A−1 . L’ensemble des matrices carrées d’ordre n inversibles à coefficients dans K se note GLn (K).
Structure [2155] L’ensemble (GLn (K), ×) est un groupe (non commutatif) appelé groupe linéaire d’ordre n.
Inverse d’un produit de matrices inversibles [2156] Soit (A, B) ∈ GLn (K)2 . Alors : (AB)−1 = B −1 A−1
( ) ( )
a b d −b
Matrices d’ordre 2 [2157] Soit A = ∈ GL2 (K). Alors : ad − bc ̸= 0 et A−1 = ad−bc1
c d −c a
Régularité [2158] Soit A ∈ Mn,p (K), B ∈ GLn (K) et C ∈ Mq,n (K). Alors : CB = 0 ⇒ C = 0 et BA = 0 ⇒ A = 0
Inversion et transposition [2159] Soit A ∈ GLn (K). Alors : AT ∈ GLn (K) et (AT )−1 = (A−1 )T

3◦) Opérations élémentaires de pivot sur les matrices

Produit à gauche par une matrice de la base canonique [2160] Soit A ∈ Mq,p (K) et Ek,ℓ = (δi,k δj,ℓ )(i,j)∈ [[ 1 , q ]] 2 la
matrice d’indices k et ℓ de la base canonique de Mq (K). Alors la matrice Ek,ℓ A est la matrice de Mq,p (K) dont toutes
les lignes sont nulles sauf la k-ième qui reçoit la ℓ-ième ligne de A.
Opérations élémentaires [2161] Soit A ∈ Mq,p (K).
Il existe trois opérations élémentaires sur les lignes de la matrice A, obtenues par des produits à gauche :
2
(i) Soit λ ∈ K et (k, ℓ) ∈ [[ 1 , q ]] , k ̸= ℓ. Alors (Iq + λEk,ℓ )A est la matrice obtenue à partir de A en ajoutant à la
k-ième ligne de A λ fois la ℓ-ième ligne de A. Notation : On code cette opération : Lk ← Lk + λLℓ
De plus, la matrice de transvection est inversible : (Iq + λEk,ℓ )−1 = Iq − λEk,ℓ
(ii) Soit µ ∈ K∗ et k ∈ [[ 1 , q ]] . Alors (Iq + (µ − 1)Ek,k )A est la matrice obtenue à partir de A en multipliant la k-ième
ligne de A par µ. Notation : On code cette opération : Lk ← µLk
De plus, la matrice de dilatation est inversible : (Iq + (µ − 1)Ek,k )−1 = Iq + ( µ1 − 1)Ek,k
2
(iii) Soit (k, ℓ) ∈ [[ 1 , q ]] . Alors (Iq − Ek,k − Eℓ,ℓ + Ek,ℓ + Eℓ,k )A est la matrice obtenue à partir de A en échangeant
la k-ième et la ℓ-ième ligne de A. Notation : On code cette opération : Lk ↔ Lℓ
De plus, la matrice de transposition est inversible : (Iq − Ek,k − Eℓ,ℓ + Ek,ℓ + Eℓ,k )−1 = Iq − Ek,k − Eℓ,ℓ + Ek,ℓ + Eℓ,k
Remarques [2162]
(i) Toutes les opérations qui précèdent pourraient être effectuées sur les colonnes de A au lieu des lignes. Il suffit de
transposer l’intégralité des opérations et donc de faire des multiplications à droite de A et non plus à gauche.
(ii) Il est facile de mémoriser l’allure des matrices nécessaires à ces opérations : il s’agit de la matrice Iq à laquelle on
a fait subir l’opération concernée.
(iii) Il est possible de faire ces opérations en agissant sur les blocs. On parle par exemple de transvections par blocs.
 Chapitre II. Algèbre linéaire 29

HP Échelonnement [2163] Une matrice est dite échelonnée par lignes si elle vérifie les deux propriétés suivantes :
⋄ Si une ligne est nulle, toutes les lignes suivantes le sont aussi.
⋄ À partir de la deuxième ligne, dans chaque ligne non nulle, le premier coefficient non nul à partir de la gauche,
appelé pivot, est situé strictement à droite du premier coefficient non nul de la ligne précédente.
Exemple [2164] Allure d’une matrice échelonnée par ligne de M6,11 (K), où les ∗ désignent des coefficients arbitraires,
et les • les pivots :  
0 • ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗
 0 0 0 • ∗ ∗ ∗ ∗ ∗ ∗ ∗ 
 
 0 0 0 0 • ∗ ∗ ∗ ∗ ∗ ∗ 
 
 0 0 0 0 0 0 0 • ∗ ∗ ∗ 
 
 0 0 0 0 0 0 0 0 0 • ∗ 
0 0 0 0 0 0 0 0 0 0 0
Matrice échelonnée réduite [2165] Une matrice échelonnée par lignes est dite échelonnée réduite par lignes si elle est
nulle ou si tous ses pivots sont égaux à 1 et sont les seuls éléments non nuls de leur colonne.
Exemple [2166] Allure d’une matrice échelonnée
 réduite par ligne de M6,11 (K):
0 1 ∗ 0 0 ∗ ∗ 0 ∗ 0 ∗
 0 0 0 1 0 ∗ ∗ 0 ∗ 0 ∗ 
 
 0 0 0 0 1 ∗ ∗ 0 ∗ 0 ∗ 
 
 0 0 0 0 0 0 0 1 ∗ 0 ∗ 
 
 0 0 0 0 0 0 0 0 0 1 ∗ 
0 0 0 0 0 0 0 0 0 0 0
Algorithme de Gauss-Jordan [2167] Soit A ∈ Mq,p (K).
À toute étape de l’algorithme, pour tout (i, j) ∈ [[ 1 , q ]] × [[ 1 , p ]] , on désigne par ai,j le coefficient d’indices i
et j, et par Li la ligne d’indice i de la matrice obtenue par les opérations élémentaires sur les lignes, à partir de A.
L’algorithme se déroule en deux phases :
⋄ On commence par transformer A en une matrice échelonnée par lignes, obtenue uniquement par des transvections
sur les lignes :
• Si A est nulle, c’est terminé. Sinon, on considère la première colonne non nulle non nulle de A, d’indice noté j.
• Si le premier coefficient de cette colonne j est nul, on obtient un coefficient non nul par L1 ← L1 + Li , pour un i
tel que ai,j ̸= 0. Le premier coefficient de la colonne considérée est donc désormais un pivot λ ̸= 0.
a
• On annule tous les coefficients qui figurent en-dessous de celui-ci : pour tout i ≥ 1 : Li ← Li − λi,1 L1
 
0 · · · 0 λ (∗)
 0 ··· 0 0 
 
On parvient ainsi à une matrice de la forme :  .
 .. .. .. A′ 
. .

0 ··· 0 0
• On itère alors le procédé avec A′ , et on obtient une matrice échelonnée par lignes B.
⋄ On transforme ensuite B en une matrice échelonnée réduite par lignes.
• Si B est nulle, c’est terminé. Sinon, il existe des pivots.
• On commence par déterminer le pivot ai,j dont l’indice de colonne est le plus grand dans la matrice B.
On effectue alors la dilatation : Li ← ai,j
1
Li
• Pour tout k < i, on effectue la transvection : Lk ← Lk − ak,j Li
• On itère le procédé avec les autres pivots, en les prenant par ordre décroissant d’indice de colonne, et on obtient
une matrice échelonnée réduite par lignes, éventuellement égale à In , si A ∈ GLn (K).
Calcul de l’inverse d’une matrice carrée inversible : méthode du pivot de Gauss-Jordan [2168] Soit A ∈ GLn (K).
Pour calculer A−1 , on effectue des produits à gauche de A par des matrices d’opérations élémentaires, jusqu’à obtenir In .
Parallèlement, on fait les mêmes opérations sur les lignes de In , dans le même ordre. Le résultat obtenu est alors A−1 .
Ainsi, toute matrice inversible peut s’écrire comme produit de matrices d’opérations élémentaires.
Attention [2169] On peut aussi effectuer cet algorithme sur les colonnes de A. Cependant, il ne faut pas, au cours
d’un même calcul, effectuer des opérations sur les lignes et les colonnes.
 30 Descartes — MP — CC BY-NC-SA 2023-2024

II Représentation matricielle d’une application linéaire en dimensions finies

1◦) Isomorphisme entre espace fonctionnel et espace matriciel
Matrice d’une application linéaire [2170] Soient E et F deux K-espaces vectoriels de dimensions finies respectives
p ∈ N∗ et q ∈ N∗ , une base U = (u1 , . . . , up ) de E, une base V = (v1 , . . . , vq )∑ de F et f ∈ L(E, F ).
q
Alors pour tout j ∈ [[ 1 , p ]] , il existe (a1,j , . . . , aq,j ) ∈ Kq tels que f (uj ) = i=1 ai,j vi , c’est l’expression analytique
de f dans les bases U et V .
La matrice A = (ai,j ) ∈ Mq,p (K) est appelée la matrice de f dans les bases U et V . La j-ième colonne de A est
constituée des coordonnées dans la base V de l’image par f du j-ième vecteur de la base U.
Notation : A = M U, V f . Si E = F et U = V , on notera simplement A = M U f .
Forme linéaire [2171] Soit E un K-espace vectoriel de dimension n et U une base de E. Toute forme linéaire sur E
admet donc, dans la base U, une représentation matricielle sous la forme d’une matrice ligne de M1,n (K).
Isomorphisme naturel associé à deux bases de E et F [2172] Soient E et F deux K-espaces vectoriels de dimensions
finies, une base U de E et une base V de F . Alors L(E, F ) → Mq,p (K) ; f 7→ M U, V f est un isomorphisme.
Dimension des espaces d’applications linéaires [2173] Soient E et F deux K-espaces vectoriels de dimensions finies
respectives p et q. Alors L(E, F ) est de dimension finie pq, L(E) est de dimension p2 et L(E, K) est de dimension p.
Matrice d’une composée d’applications linéaires [2174] Soient E, F et G trois K-espaces vectoriels de dimensions
finies, une base U de E, une base V de F , une base W de G, f ∈ L(E, F ) et g ∈ L(F, G).
Alors : M U, W (g ◦ f ) = M V , W g M U, V f
MP Isomorphisme d’algèbres [2175] Soit E un K-espace vectoriel de dimension finie n et une base U de E.
Alors L(E) → Mn (K) ; f 7→ M U f est un isomorphisme d’algèbres.
Bijectivité et matrices [2176]
Soient E et F deux K-espaces vectoriels de même dimension finie n, une base U de E, une base V de F et f ∈ L(E, F ).
On note A = M U, V f . Alors f ∈ GL(E) si et seulement si A ∈ GLn (K). Dans ce cas : A−1 = M V , U (f −1 )
◦ Inverse partiel et bilatère des matrices carrées [2177]
Soient (A, B) ∈ Mn (K)2 telles que BA = In . Alors AB = In et donc B = A−1 .
Isomorphisme naturel associé à une base [2178] Soit E un K-espace de dimension n et une base U de E. Alors
pour tout x ∈ E il existe un unique vecteur colonne de Mn,1 (K) constitué des coordonnées de x dans la base U.
L’application qui à x associe le vecteur colonne de ses coordonnées dans U est un isomorphisme de E vers Mn,1 (K).
Notation : Le vecteur colonne des coordonnées de x dans la base U est noté M U x.
Écriture matricielle associée à des bases, des images par une application linéaire [2179]
Soient E et F deux K-espaces vectoriels de dimensions finies p et q, une base U de E, une base V de F et f ∈ L(E, F ).
On note A = M U, V f . Alors, pour tout x ∈ E de coordonnées X = M U x ∈ Mp,1 (K) dans la base U, et tout y ∈ F
de coordonnées Y = M V y ∈ Mq,1 (K) dans la base V , y = f (x) équivaut à Y = AX.
◦ HP Conservation d’un drapeau [2180] Soit E un K-espace vectoriel de dimension n, f ∈ L(E) et U = (u1 , . . . , un ) une
base de E. Alors M U f est triangulaire supérieure si et seulement si pour tout k ∈ [[ 1 , n ]] , f (uk ) ∈ Vect(u1 , . . . , uk ).
◦ MP Caractérisation matricielle de la stabilité d’un sous-espace vectoriel [2181]
Soit E un K-espace vectoriel de dimension finie n, f ∈ L(E), F un sous-espace vectoriel de E de dimension p et
U = (u1 , . . . , un ) une base de E adaptée à F .
Alors F est stable par f si et seulement s’il existe ( A1 ∈ M) p (K), A2 ∈ Mp,n−p (K) et A3 ∈ Mn−p,n−p (K) telles que la
A1 A2
matrice de f dans la base U soit de la forme :
0 A3
Dans ce cas, A1 est la matrice dans (u1 , . . . , up ) de l’endomorphisme induit par f sur F .
◦ MP Caractérisation matricielle de la stabilité de sous-espaces vectoriels supplémentaires [2182]
Soit E un K-espace vectoriel de dimension finie n, f ∈ L(E), (Ei )i∈ [[ 1 , m ]] une famille de sous-espaces vectoriels
supplémentaires de E et U une base adaptée à cette décomposition de E. Alors les sous-espaces vectoriels Ei sont
stables par f si et seulement si la matrice de f dans la base U est diagonale par blocs, le i-ème bloc étant la matrice
de l’endomorphisme induit par f sur Ei , dans la portion de la base U qui engendre Ei .

2◦) Changements de bases

Matrice de changement de bases Soit E un K-espace vectoriel de dimension finie n et U et U′ deux bases
[2183]
de E. La matrice de passage de U (dite ancienne base) vers U′ (dite nouvelle base) est la matrice carrée d’ordre n dont
la j-ième colonne est constituée des coordonnées du j-ième vecteur de U′ exprimées dans la base U. Cette matrice
′
est inversible comme matrice dans la base U de l’endomorphisme de E qui transforme U en U′ . Notation : P U U
HP Changement de bases triangulaire et drapeau [2184] Soit E un K-espace vectoriel de dimension finie et U et U′
′
deux bases de E. Alors U et U′ sont adaptées au même drapeau si et seulement si P U U est triangulaire supérieure.
 Chapitre II. Algèbre linéaire 31

Formule de changement de bases sur les vecteurs [2185] Soit E un K-espace vectoriel de dimension finie n, U et U′
deux bases de E et x un vecteur de E. On note X = M U x ∈ Mn,1 (K) le vecteur colonne des coordonnées de x dans
′
la base U, X ′ = M U′ x ∈ Mn,1 (K) le vecteur colonne des coordonnées de x dans la base U′ et P = P U
U ∈ GLn (K) la
′ ′
matrice de passage de U vers U . Alors : X = P X
◦ Formule de changements de bases successifs [2186]
′′ ′ ′′
Soit E un K-espace vectoriel de dimension finie, U, U′ et U′′ trois bases de E. Alors : P U U U
U = P U P U′
Formule de changement de bases sur les applications linéaires [2187] Soient E et F deux K-espaces vectoriels de
dimensions finies p et q, U et U′ deux bases de E, V et V ′ deux bases de F et f ∈ L(E, F ). On note A = M U, V f ∈
Mq,p (K) la matrice de f dans les bases U et V , A′ = M U′ , V ′ f ∈ Mq,p (K) la matrice de f dans les bases U′ et V ′ ,
′
P = PU ′ V′ ′
U ∈ GLp (K) la matrice de passage de U vers U et Q = P V ∈ GLq (K) la matrice de passage de V vers V .
′ −1
Alors : A = Q AP
Formule de changement de bases sur les endomorphismes [2188] Soit E un K-espace vectoriel de dimension finie n, U
et U′ deux bases de E et f ∈ L(E). On note A = M U f ∈ Mn (K) la matrice de f dans la base U, A′ = M U′ f ∈ Mn (K)
′
la matrice de f dans la base U′ et P = P U ′ ′
U ∈ GLn (K) la matrice de passage de U vers U . Alors : A = P
−1
AP
HP Formule de changement de bases sur les formes linéaires [2189] Soit E un K-espace vectoriel de dimension finie n,
U et U′ deux bases de E et φ ∈ L(E, K). On note L = M U φ ∈ M1,n (K) la matrice de φ dans la base U,
′
L′ = M U′ φ ∈ M1,n (K) la matrice de φ dans la base U′ et P = P U ′
U ∈ GLn (K) la matrice de passage de U vers U .
Alors : L′ = LP

3◦) Matrices d’endomorphismes remarquables dans une base quelconque ou une base bien choisie
Matrice d’une homothétie vectorielle [2190] Soit E un K-espace vectoriel de dimension finie n et λ ∈ K. Alors la
matrice de l’homothétie vectorielle de rapport λ dans U, une base quelconque de E, est λIn . Réciproquement, toute
matrice scalaire d’ordre n est la matrice d’une homothétie vectorielle de E dans une base quelconque.
Matrice d’un projecteur [2191]
Soit E un K-espace vectoriel de dimension finie n, U une base quelconque de E et f ∈ L(E).
On note A = M U f ∈ Mn (K). Alors f est un projecteur si et seulement si A2 = A.
Dans ce cas, dans toute base V adaptée à la décomposition E = Ker(f − idE ) ⊕ Ker(f ), si r = dim(Ker(f − idE )),
la matrice de f , M V f est, par blocs : diag(Ir , 0n−r )
Réciproquement, tout endomorphisme de E dont la matrice dans une base V = (v1 , . . . , vn ) de E est de cette forme
est le projecteur de E sur Vect(v1 , . . . , vr ) parallèlement à Vect(vr+1 , . . . , vn ).
Matrice d’une symétrie vectorielle [2192]
Soit E un K-espace vectoriel de dimension finie n, U une base quelconque de E et f ∈ L(E).
On note A = M U f ∈ Mn (K). Alors f est une symétrie vectorielle si et seulement si A2 = In .
Dans ce cas, dans toute base V adaptée à la décomposition E = Ker(f −idE )⊕Ker(f +idE ), si r = dim(Ker(f −idE )),
la matrice de f est, par blocs : diag(Ir , −In−r )
Réciproquement, tout endomorphisme de E dont la matrice dans une base V = (v1 , . . . , vn ) de E est de cette forme
est la symétrie vectorielle de E par rapport à Vect(v1 , . . . , vr ) parallèlement à Vect(vr+1 , . . . , vn ).

4◦) Matrices carrées : similitude et trace

Matrices carrées semblables [2193]Soient A, A′ ∈ Mn (K). On dit que A et A′ sont semblables lorsqu’il existe
′ −1
P ∈ GLn (K) telle que A = P AP . La relation de similitude sur les matrices est une relation d’équivalence.
Remarques [2194]
(i) La classe d’équivalence modulo la relation de similitude d’une matrice scalaire est réduite à un singleton. On peut
montrer que ce sont les seules matrices qui ont une telle propriété.
(ii) La formule de changement de base sur les endomorphismes montre que deux matrices semblables sont les matrices
d’un même endomorphisme dans des bases différentes, ce qui prouve que les classes de similitude des matrices
constituent des notions géométriques, liées aux endomorphismes, au-delà de leurs représentations matricielles.
(iii) Soit P ∈ GLn (K). L’application Mn (K) → Mn (K) ; M 7→ P −1 M P est un automorphisme d’algèbre.
∑n
Trace [2195] Soit A = (ai,j ) ∈ Mn (K). On appelle trace de A le scalaire i=1 ai,i . Notation : tr(A)
• Propriétés [2196] La trace est une forme linéaire sur Mn (K) et : ∀A, B ∈ Mn (K), tr(AT ) = tr(A) et tr(AB) = tr(BA)
Attention [2197] A priori, tr(ABC) ̸= tr(BAC).
Invariance par similitude [2198] Soient A ∈ Mn (K) et P ∈ GLn (K). Alors : tr(P −1 AP ) = tr(A)
Trace d’un endomorphisme [2199] Soit E un K-espace vectoriel de dimension finie n, U une base de E et f ∈ L(E).
On note A la matrice de f dans la base U. On appelle trace de f la trace de A. Notation : tr(f )
◦ Trace d’un projecteur [2200] En dimension finie, le rang d’un projecteur est égal à sa trace.
32 Descartes — MP — CC BY-NC-SA 2023-2024

5◦) Rang d’une matrice ; matrices équivalentes

Transport [2201] Soit A ∈ Mq,p (K). Pour j ∈ [[ 1 , n ]] , on note ej le j-ième vecteur de la base canonique de Kn .
∑q
(i) L’application linéaire canoniquement associée à A est f ∈ L(Kp , Kq ) telle que : ∀j ∈ [[ 1 , p ]] , f (ej ) = i=1 ai,j ei
(ii) On appelle image, noyau et rang de A, l’image, le noyau et le rang de f , respectivement.
Notation : Im(A), Ker(A) et rg(A)
Ainsi, les colonnes de A engendrent Im(A) et les lignes donnent un système d’équations de Ker(A).
Vecteurs de nombres [2202] L’isomorphisme canonique entre Kn et Mn,1 (K) permet, en pratique, de considérer que
l’application linéaire canoniquement ∑q associée à A se comporte exactement comme f ∈ L(Mp,1 (K), Mq,1 (K)) telle que
pour tout j ∈ [[ 1 , p ]] , f (Ej ) = i=1 ai,j Ei = Aj , si Aj désigne la j-ième colonne de A, c’est-à-dire f : X 7→ AX.
Propriété du rang d’une matrice [2203] Le rang de A ∈ Mq,p (K) est celui du système formé par ses vecteurs colonnes.
Rang et pivots [2204] Le rang d’une matrice échelonnée (éventuellement réduite) est égal au nombre de ses pivots.
Expression matricielle du théorème du rang [2205] Soit A ∈ Mq,p (K). Alors : rg(A) + dim Ker(A) = p
Caractérisations des matrices inversibles [2206] Soit A ∈ Mn (K). Alors les propriétés suivantes sont équivalentes :
(i) A ∈ GLn (K) (ii) Ker(A) ⊂ {0Mn,1 (K) } (iii) Im(A) = Mn,1 (K) (iv) rg(A) = n
Matrices triangulaires inversibles [2207]
Une matrice triangulaire (ou diagonale) est inversible si et seulement si tous ses coefficients diagonaux sont non nuls.
Invariance du rang par le produit par une matrice inversible [2208]
Soit A ∈ Mq,p (K), P ∈ GLp (K) et Q ∈ GLq (K). Alors : rg(QA) = rg(A) et rg(AP ) = rg(A)
Opérations élémentaires [2209] Les opérations élémentaires sur les colonnes (resp. lignes) conservent l’image (resp.
le noyau) d’une matrice et ne modifient donc pas le rang de cette matrice.
Calcul du rang [2210] Il est donc possible d’utiliser ces opérations élémentaires pour transformer une matrice donnée en
une matrice échelonnée, ce qui est utile, puisque les seules matrices dont le rang est clairement visible sont les matrices
échelonnées. Cette méthode s’applique bien sûr aussi aux vecteurs donnés sous la forme de n-listes de coordonnées.
Représentation matricielle particulière d’une application linéaire d’un rang donné [2211]
Soient E et F deux K-espaces vectoriels de dimensions finies p et q, et f ∈ L(E, F ), de rang r.
Alors il existe un couple de bases de E et F ( dans lesquelles f a pour
) matrice :
Ir 0r,p−r
Jr = ∈ Mq,p (K)
0q−r,r 0q−r,p−r
Matrices équivalentes [2212] Soient A, A′ ∈ Mq,p (K).
On dit que A et B sont des matrices équivalentes lorsqu’il existe P ∈ GLp (K) et Q ∈ GLq (K) telles que A′ = QAP .
Cette relation est une relation d’équivalence dans Mq,p (K).
Théorème de caractérisation du rang d’une matrice par équivalence [2213] Soit A ∈ Mq,p (K).
Alors A est de rang r si et seulement s’il existe P ∈ GLp (K) et Q ∈ GLq (K) telles que A = QJr P .
Classes d’équivalence [2214] Dans Mn (K), A R B ⇔ ∃(P, Q) ∈ GLn (K)2 , B = QAP a n + 1 classes d’équivalence.
Invariance du rang par transposition [2215] Soit A ∈ Mq,p (K). Alors : rg(AT ) = rg(A)
Généralisation [2216] Tous les résultats sur le rang d’une matrice A faisant intervenir les colonnes de A peuvent être
étendus aux lignes de A. En particulier, le rang d’une matrice est égal au rang de ses lignes
Rang d’une matrice extraite [2217] Soit A ∈ Mq,p (K).
On appelle matrice extraite de A toute matrice obtenue après en avoir rayé des lignes ou des colonnes.
Le rang d’une matrice extraite est inférieur ou égal à celui de A.
Il existe une matrice carrée inversible extraite de A de taille le rang de A, qui est donc égal à la plus grande des tailles
des matrices carrées inversibles extraites de A.

III Systèmes linéaires

1◦) Interprétations et systèmes équivalents
Système linéaire [2218] La résolution d’un système linéaire de q équations à p inconnues consiste à chercher l’ensemble
des p-listes (x1 , . . . , xp ) de Kp qui vérifient
 des conditions du type :

 a 1,1 x 1 + a1,2 x2 + · · · + a1,p xp = b1

 a2,1 x1 + a2,2 x2 + · · · + a2,p xp = b2
(S) .. .. .. ..

 . . . .


aq,1 x1 + aq,2 x2 + · · · + aq,p xp = bq
Chapitre II. Algèbre linéaire 33

Quatre interprétations possibles [2219]

(i) L’interprétation vectorielle, x1 A1 + · · · + xp Ap = B, où (A1 , . . . , Ap , B) sont p + 1 vecteurs-colonnes de Mq,1 (K).

Il s’agit donc de chercher si et comment B peut s’écrire comme combinaison linéaire des vecteurs A1 , . . . , Ap .
(ii) L’interprétation matricielle, AX = B, où la matrice A ∈ Mq,p (K) a pour colonnes A1 , . . . , Ap , et X ∈ Mp,1 (K)
est un vecteur-colonne constitué de x1 , . . . , xp .
(iii) L’interprétation opérationnelle, f (x) = b, où x = (x1 , . . . , xp ) ∈ Kp , b = (b1 , . . . , bq ) ∈ Kq et f est l’application
linéaire canoniquement associée à A.
∩q
(iv) L’interprétation hyperplane, i=1 Hi , où pour tout i, Hi est un hyperplan affine dont une équation dans le repère
canonique de Kp est : ai,1 x1 + ai,2 x2 + · · · + ai,p xp = bi
Le système homogène associé au système (S) s’obtient en remplaçant B par le vecteur-colonne nul.
Opérations élémentaires [2220] Les opérations élémentaires sur les lignes d’un système sont les suivantes :
2
(i) Soit λ ∈ K et (k, ℓ) ∈ [[ 1 , q ]] , k ̸= ℓ. On peut ajouter à la k-ième ligne du système λ fois sa ℓ-ième ligne.
Notation : On code cette transvection : Lk ← Lk + λLℓ .
(ii) Soit λ ∈ K \ {0} et k ∈ [[ 1 , q ]] . On peut multiplier la k-ième ligne du système par λ.
Notation : On code cette dilatation : Lk ← λLk .
2
(iii) Soit (k, ℓ) ∈ [[ 1 , q ]] . On peut échanger la k-ième et la ℓ-ième ligne du système.
Notation : On code cette transposition : Lk ↔ Lℓ .
Ces opérations élémentaires ne modifient pas l’ensemble des solutions du système.
Systèmes équivalents [2221] Des systèmes linéaires sont des systèmes équivalents si on peut passer de l’un à l’autre par
une suite finie d’opérations élémentaires sur les lignes. Deux systèmes équivalents ont le même ensemble de solutions.

2◦) Résolution
Méthode [2222] Soient A ∈ Mq,p (K) et B ∈ Mq,1 (K). On considère le système AX = B.
On effectue des opérations élémentaires sur la matrice augmentée (A|B) ∈ Mq,p+1 (K) pour se ramener à un système
équivalent RX = B ′ , où R ∈ Mq,p (K) est échelonnée réduite par lignes et E ∈ GLq (K) est un produit de matrices
d’opérations élémentaires. Dans ce cas, A = ER et B ′ = E −1 B.
Les inconnues qui figurent dans ce dernier système en position de pivot sont nommées inconnues principales, et celles
qui ne sont pas en position de pivot sont appelées inconnues secondaires (ou encore paramètres).
S’il existe (au moins) une ligne nulle dans R, on vérifie si le coefficient correspondant de B ′ est nul ou pas. Deux
situations peuvent apparaître :
⋄ Si l’un de ces coefficients est non nul, alors le système n’admet pas de solution. On dit qu’il est incompatible.
⋄ Si au contraire tous les coefficients de B ′ situés en face d’une ligne nulle de R sont nuls, alors le système est
compatible. On déplace ensuite dans le second membre les inconnues secondaires, qui seront alors considérées comme
des paramètres pour décrire l’ensemble non vide des solutions du système.
Rang d’un système [2223] On appelle rang d’un système linéaire le nombre de pivots de la matrice échelonnée réduite
par lignes de la matrice du système homogène associé.
Résultats théoriques [2224] Soit A ∈ Mq,p (K), B ∈ Mq,1 (K). On considère le système AX = B.
(i) L’ensemble des solutions du système homogène est Ker(A).
(ii) Le rang du système homogène est égal au rang de sa matrice.
(iii) Le nombre d’inconnues secondaires du système AX = B est égal à p − rg(A) = dim(Ker(A)).
(iv) Si B ∈ Im(A), alors il existe X0 ∈ Mp,1 (K) tel que AX0 = B et dans ce cas l’ensemble des solutions du système
est de la forme X0 + Ker(A) = {X0 + X | X ∈ Ker(A)}.
Système de Cramer [2225] Soit A ∈ Mn (K). Alors les propriétés suivantes sont équivalentes :
(i) La matrice A est inversible.
(ii) Le système AX = 0 n’admet que la solution nulle.
(iii) Pour tout B, le système AX = B admet une unique solution.
(iv) Pour tout B, le système AX = B admet au moins une solution.
Un tel système s’appelle un système de Cramer.
Inverser une matrice [2226] Pour inverser une matrice A ∈ GLn (K), on peut résoudre le système AX = Y , où Y est
une colonne de paramètres, et obtenir A−1 à partir de X = A−1 Y .
 34 Descartes — MP — CC BY-NC-SA 2023-2024

IV Déterminants
1◦) Déterminants de n vecteurs
ADMIS Déterminant d’une famille de vecteurs dans une base [2227]
Soient E un K-espace vectoriel de dimension finie n et U une base de E.
Il existe une unique application de E n à valeurs dans K, linéaire par rapport à chacune de ses variables (c’est une
forme n-linéaire sur E), qui s’annule sur une famille de n vecteurs dès que cette famille contient deux vecteurs égaux
(forme n-linéaire alternée), et qui vaut 1 en U. Notation : det U
Structure [2228] Soient E un K-espace vectoriel de dimension finie n et U une base de E.
ADMIS Toute forme n-linéaire alternée sur E est proportionnelle à det U .
Ainsi, l’ensemble des formes n-linéaires alternées sur E est une droite vectorielle.
Précisément, si Φ est une forme n-linéaire alternée sur E, alors : Φ = Φ( U) det U
◦ Effets des opérations de pivot sur un déterminant [2229]
Soient E un K-espace vectoriel de dimension finie n ≥ 2, U une base de E et X ∈ E n .
(i) Une opération de transvection sur les vecteurs de X ne modifie pas la valeur de det U (X ).
(ii) Une opération de dilatation de rapport λ ∈ K∗ sur les vecteurs de X multiplie det U (X ) par un facteur λ.
(iii) Une opération de transposition sur les vecteurs de X change det U (X ) en son opposé (propriété d’antisymétrie du
déterminant).
Formule dans une base [2230]
Soient E un K-espace vectoriel de dimension∑n finie n ≥ 2, U = (u1 , . . . , un ) une base de E et X = (x1 , . . . , xn ) ∈ E .
n

On pose, pour tout j ∈ [[ 1 , n ]] , xj = i=1 ai,j ui .∑ Alors :

det U (X ) = σ∈Sn ε(σ)aσ(1),1 . . . aσ(n),n
Si n = 2 : det(A) = a1,1 a2,2 − a1,2 a2,1
Si n = 3 : det(A) = a1,1 a2,2 a3,3 + a1,2 a2,3 a3,1 + a1,3 a3,2 a2,1 − a1,2 a2,1 a3,3 − a1,3 a3,1 a2,2 − a1,1 a2,3 a3,2
Aire et volume [2231] Lorsque n ∈ {2, 3}, on retrouve les propriétés géométriques de l’aire algébrique d’un parallé-
logramme ou du volume algébrique d’un parallélépipède.
◦ Formule de changement de bases sur les déterminants [2232] Soient E un K-espace vectoriel de dimension finie, U
et U′ deux bases de E. Alors det U′ = det U′ ( U) det U , et donc det U′ ( U) det U ( U′ ) = 1.
◦ Déterminer la liberté d’une famille de n vecteurs [2233]
Soient E un K-espace vectoriel de dimension finie n, U une base de E et X ∈ E n .
La famille X est libre (donc une base de E) si et seulement si det U (X ) ̸= 0.

2◦) Déterminant d’un endomorphisme

◦ Déterminant d’un endomorphisme [2234]
Soient E un K-espace vectoriel de dimension finie n, f ∈ L(E) et U = (u1 , . . . , un ) une base de E.
On appelle déterminant de f , le nombre det U (f (u1 ), . . . , f (un )), indépendant du choix de U. Notation : det(f )
◦ Propriétés du déterminant d’un endomorphisme [2235]
Soient E un K-espace vectoriel de dimension finie, f, g ∈ L(E) et λ ∈ K. Alors :
(i) det(λf ) = λn det(f ) (n-homogénéité) (ii) det(idE ) = 1
(iii) f ∈ GL(E) ⇔ det(f ) ̸= 0 (iv) det(g ◦ f ) = det(g) det(f ) (v) f ∈ GL(E) ⇒ det(f −1 ) = (det(f ))−1

3◦) Déterminant d’une matrice carrée

a. Définition et lien avec les déterminants de vecteurs et d’endomorphismes
Déterminant matriciel [2236] Soit A ∈ Mn (K). On note (A1 , . . . , An ) ses colonnes.
On appelle déterminant de A le scalaire det(E1 ,...,En ) (A1 , . . . , An ). Notation : det(A), ou encore :
a1,1 a1,2 · · · a1,n
a2,1 a2,2 · · · a2,n
.. .. .. ..
. . . .
an,1 an,2 · · · an,n
• Formules de Cramer [2237] Soit un système linéaire de n équations à n inconnues écrit sous la forme vectorielle
suivante : x1 A1 + · · · + xn An = B, où (x1 , . . . , xn ) constituent les inconnues, et (A1 , . . . , An , B) sont n + 1 éléments
de Mn,1 (K). Si un tel système est de Cramer, alors, pour tout k ∈ [[ 1 , n ]] , xk = det(A1 ,...,A k−1 ,B,Ak+1 ,An )
det(A1 ,...,An ) .
Déterminant matriciel et opérationnel [2238] Soit E un K-espace vectoriel de dimension n, f ∈ L(E) et U une
base de E. On note A la matrice de f dans U. Alors : det(A) = det(f )
Déterminant d’une matrice de changement de bases [2239] Soit E un K-espace vectoriel de dimension n, U et U′
deux bases de E. Si A désigne la matrice de passage de U vers U′ , alors det(A) = det U ( U′ ).
 Chapitre II. Algèbre linéaire 35

Propriétés du déterminant d’une matrice carrée [2240] Soient A, B ∈ Mn (K), λ ∈ K et P ∈ GLn (K). Alors :
(i) det(λA) = λn det(A) (n-homogénéité) (ii) det(In ) = 1
(iii) A ∈ GLn (K) ⇔ det(A) ̸= 0 (iv) det(BA) = det(B) det(A)
(v) det(P −1 ) = (det(P ))−1 (vi) det(P −1 AP ) = det(A) (invariance par similitude)
b. Opérations élémentaires sur les déterminants
Effets des opérations de pivot [2241] Les opérations de pivot en colonne sur un déterminant ont les effets suivants :
(i) Une opération de transvection en colonne ne modifie pas la valeur du déterminant.
(ii) Une opération de dilatation en colonne de rapport λ ∈ K∗ multiplie le déterminant par un facteur λ.
(iii) Une opération de transposition en colonne change un déterminant en son opposé.
MP Effets des opérations de pivot par blocs [2242] Les opérations de pivot par blocs en colonne sur un déterminant
ont les effets suivants :
(i) Une opération de transvection par blocs en colonne ne modifie pas la valeur du déterminant.
(ii) Une opération de dilatation en colonne par bloc de rapport λ ∈ K∗ multiplie le déterminant par un facteur λ à la
puissance la taille du bloc.
(iii) Une opération de transposition en colonne multiplie un déterminant par −1 à la puissance la taille du bloc.
Déterminant d’une matrice triangulaire [2243]
Le déterminant d’une matrice triangulaire est le produit de ses coefficients diagonaux.
Calcul par l’algorithme du pivot de Gauss-Jordan [2244] Pour calculer le déterminant d’une matrice carrée A,
on peut appliquer l’algorithme du pivot de Gauss-Jordan sur les colonnes, en n’utilisant éventuellement que des
transvections, et obtenir ainsi une matrice triangulaire inférieure T . Alors : det(A) = det(T )
◦ Calcul du déterminant d’une matrice
MP
( carrée triangulaire
) par blocs [2245]
A1 (∗)
Si A = , alors det(A) = det(A1 ) det(A2 ).
0 A2
◦ MP Déterminant et stabilité de sous-espaces vectoriels supplémentaires [2246]
Soit E un K-espace vectoriel de dimension finie n, f ∈ L(E), (Ei )i∈ [[ 1 , m ]] une famille de sous-espaces vectoriels
1 , m ]] , on note fi ∈ L(Ei ), induit par f sur Ei . Alors :
supplémentaires de E tous stables par f . Pour tout i ∈ [[∏
m
det(f ) = i=1 det(fi )
Déterminant et transposition [2247]
Si E est une matrice d’opération élémentaire, alors det(E T ) = det(E). Donc : ∀A ∈ Mn (K), det(AT ) = det(A)
Déterminant et lignes [2248]
Le déterminant d’une matrice carrée vérifie donc les mêmes propriétés vis-à-vis des lignes que des colonnes.
c. Développement par rapport à une rangée du déterminant d’une matrice carrée
◦ Cofacteurs et mineurs [2249] Soit A ∈ Mn (K). On note (A1 , . . . , An ) les colonnes de A.
On appelle cofacteur d’indices (i, j) de la matrice A le scalaire det(A1 , . . . , Aj−1 , Ei , Aj+1 , . . . , An ). Notation : Ai,j
On appelle mineur de A d’indices (i, j) le déterminant d’ordre n − 1 obtenu en éliminant la i-ème ligne et la j-ème
2
colonne de A. Notation : ∆i,j Pour tout (i, j) ∈ [[ 1 , n ]] , Ai,j = (−1)i+j ∆i,j .
Une remarque visuelle [2250] Pour trouver la valeur de (−1)i+j , il suffit d’appliquer la règle du damier :
+ − + ···
.. .
− + . ..
.. ..
+ . . −
..
. ··· − +
◦ Formule du développement du déterminant selon
∑ ∑sa j-ème colonne [2251]
Soit A ∈ Mn (K). Alors : det(A) = i=1 ai,j Ai,j = i=1 (−1)i+j ai,j ∆i,j
n n

Un tel développement peut aussi se faire selon une ligne de A et ne dépend pas de la rangée choisie.
• Déterminant de Vandermonde [2252] Soient (λj )j∈ [[ 1 , n ]] ∈ Kn . La matrice de Vandermonde de la famille (λj )j∈ [[ 1 , n ]]
∏
j )(i,j)∈ [[ 1 , n ]] 2 ∈ Mn (K). Son déterminant vaut :
est (λi−1 1≤i<j≤n (λj − λi )
Lien avec les polynômes de Lagrange [2253] Soient a0 , . . . , an des scalaires distincts deux à deux. Alors la matrice
de passage de la base des polynômes de Lagrange associés vers la base canonique de Kn+1 [X] est la matrice de
Vandermonde de la famille (aj )j∈ [[ 0 , n ]]
Comatrice [2254] Soit A ∈ Mn (K). On appelle comatrice de A la matrice des cofacteurs de A. Notation : Com(A)
• Formule de la comatrice [2255] Soit A ∈ Mn (K). Alors : Com(A)T A = det(A)In
Inversion par comatrice [2256] Soit A ∈ GLn (K). Alors : A−1 = det(A) 1
Com(A)T
Une formule théorique [2257] Cette formule n’a pas d’utilité calculatoire pratique si n ≥ 4.
36 Descartes — MP — CC BY-NC-SA 2023-2024

V Droites et plans affines en dimension 2 et 3

1◦) Droites du plan
Expressions analytiques des droites affines du plan [2258]
Le plan est R2 , ou un plan réel muni d’un repère auquel on se ramènera.
−
→
(i) Si D est la droite affine passant par le point { A(a, b), dirigée par le vecteur ⃗v (α, β) ̸= 0 , alors :
−−→ x = a + λα x−a α
M ∈ D ⇔ ∃λ ∈ R, AM = λ⃗v ⇔ ∃λ ∈ R, (paramétrisation) ⇔ = 0 (équation)
y = b + λβ y−b β
−−→
(ii) Si D est la droite affine passant par les points A(a, b) et B(a′ , b′ ) distincts, alors on pose ⃗v = AB et on se ramène
au cas précédent.
(iii) Soit (α, β) ̸= (0, 0). On note D la droite affine d’équation : αx + βy + γ = 0
−
→
Un vecteur directeur de la droite D engendre sa direction vectorielle D d’équation : αx + βy = 0
Par exemple ⃗v (−β, α) convient.
(iv) Soient (α1 , β1 ) ̸= (0, 0) et (α2 , β2 ) ̸= (0, 0).
On note D1 et D2 les droites affines d’équations : α1 x + β1 y + γ1 = 0 et α2 x + β2 y + γ2 = 0
On s’intéresse au parallélisme de D1 et D2 : {
−
→ −
→ α2 = λα1 α α2
D1 // D2 ⇔ D 1 = D 2 ⇔ ∃λ ∈ R \ {0} , ⇔ 1 =0
 β 2 = λβ 1 β1 β2 
 α2 = λα1  α2 = λα1
D1 = D2 ⇔ ∃λ ∈ R \ {0} , β2 = λβ1 et ( D1 // D2 et D1 ̸= D2 ) ⇔ ∃λ ∈ R \ {0} , β2 = λβ1
 
γ2 = λγ1 γ2 ̸= λγ1
(v) Soient (α1 , β1 ) ̸= (0, 0) et (α2 , β2 ) ̸= (0, 0), non proportionnels.
On note D1 et D2 les droites affines sécantes d’équations : α1 x + β1 y + γ1 = 0 et α2 x + β2 y + γ2 = 0
Alors il existe un unique point A, intersection de D1 et D2 .
De plus, pour toute droite du plan passant par A, il existe (λ1 , λ2 ) ∈ R2 \ {(0, 0)} tel qu’une équation d’une telle
droite soit : λ1 (α1 x + β1 y + γ1 ) + λ2 (α2 x + β2 y + γ2 ) = 0
Faisceau de droites [2259] On appelle faisceau de droites de sommet A l’ensemble des droites passant par A.

2◦) Plans de l’espace

Expressions analytiques des plans affines de l’espace [2260]
L’espace est R3 , ou un espace réel de dimension 3 muni d’un repère auquel on se ramènera.
(i) Si P est le plan affine passant par le point A(a, b, c), de vecteurs directeurs libres v⃗1 (α1 , β1 , γ1 ) et v⃗2 (α2 , β2 , γ2 ) :
−−→
 M ∈ P ⇔ ∃(λ1 , λ2 ) ∈ R2 , AM = λ1 v⃗1 + λ2 v⃗2
 x = a + λ1 α1 + λ2 α2 x − a α 1 α2
⇔ ∃(λ1 , λ2 ) ∈ R2 , y = b + λ1 β1 + λ2 β2 (paramétrisation) ⇔ y − b β1 β2 = 0 (équation)

z = c + λ1 γ1 + λ2 γ2 z − c γ 1 γ2
(ii) Si P est le plan affine passant par les points A(a, b, c), B(a′ , b′ , c′ ) et C(a′′ , b′′ , c′′ ) non alignés, alors on pose
−−→ −→
v⃗1 = AB et v⃗2 = AC, et on se ramène au cas précédent.
(iii) Soit (α, β, γ) ̸= (0, 0, 0). On note P le plan affine d’équation : αx + βy + γz + δ = 0
−
→
Deux vecteurs directeurs du plan P sont une base de sa direction vectorielle P d’équation : αx + βy + γz = 0
Par exemple v⃗1 (−β, α, 0) et v⃗2 (−γ, 0, α) peuvent éventuellement convenir.
(iv) Soient (α1 , β1 , γ1 ) ̸= (0, 0, 0) et (α2 , β2 , γ2 ) ̸= (0, 0, 0).
On note P1 et P2 les plans affines d’équations : α1 x + β1 y + γ1 z + δ1 = 0 et α2 x + β2 y + γ2 z + δ2 = 0
On s’intéresse au parallélisme de P1 et P2 : 
−
→ −
→  α2 = λα1
P1 //P2 ⇔ P 1 = P 2 ⇔ ∃λ ∈ R \ {0} , β2 = λβ1
  
γ2 = λγ1

 α2 = λα1 
 α2 = λα1
 
β2 = λβ1 β2 = λβ1
P1 = P2 ⇔ ∃λ ∈ R \ {0} , et (P1 //P2 et P1 ̸= P2 ) ⇔ ∃λ ∈ R \ {0} ,
 γ2 = λγ1
  γ2 = λγ1

 
δ2 = λδ1 δ2 ̸= λδ1
(v) Soient (α1 , β1 , γ1 ) ̸= (0, 0, 0) et (α2 , β2 , γ2 ) ̸= (0, 0, 0), non proportionnels.
On note P1 et P2 les plans affines sécants d’équations : α1 x + β1 y + γ1 z + δ1 = 0 et α2 x + β2 y + γ2 z + δ2 = 0
Alors il existe une unique droite D, intersection de P1 et P2 .
De plus, pour tout plan de l’espace contenant D, il existe (λ1 , λ2 ) ∈ R2 \ {(0, 0)} tel qu’une équation d’un tel plan
soit : λ1 (α1 x + β1 y + γ1 z + δ1 ) + λ2 (α2 x + β2 y + γ2 z + δ2 ) = 0
Faisceau de plans [2261] On appelle faisceau de plans d’arête D l’ensemble des plans contenant D.
 Chapitre II. Algèbre linéaire 37

3◦) Droites de l’espace

Expressions analytiques des droites affines de l’espace [2262]
L’espace est R3 , ou un espace réel de dimension 3 muni d’un repère auquel on se ramènera.
−
→
(i) Si D est la droite affine passant par le point A(a, b, c), dirigée  par le vecteur ⃗v (α, β, γ) ̸= 0 , alors :
−−→  x = a + λα
M ∈ D ⇔ ∃λ ∈ R, AM = λ⃗v ⇔ ∃λ ∈ R, y = b + λβ (paramétrisation)

z = c + λγ
−−→
(ii) Si D est la droite affine passant par les points A(a, b, c) et B(a′ , b′ , c′ ) ̸= A, alors on pose ⃗v = AB et on se ramène
au cas précédent.
(iii) Soient (α1 , β1 , γ1 ) ̸= (0, 0, 0) et (α2 , β2 , γ2 ) ̸= (0, 0, 0) non proportionnels.
On note P1 et P2 les deux plans affines sécants d’équations : α1 x + β1 y + γ1 z + δ1 = 0 et α2 x + β2 y + γ2 z + δ2 = 0
On cherche un point de la droite affine D = P1 ∩ P2 par résolution du système linéaire associé et on obtient alors
une paramétrisation de D.
(iv) Soit (α, β, γ) ̸= (0, 0, 0).
−
→
On note P le plan affine d’équation αx + βy + γz + δ = 0 et D la droite affine dirigée par ⃗v (α′ , β ′ , γ ′ ) ̸= 0 . Alors :
−
→
D//P ⇔ ⃗v ∈ P ⇔ αα′ + ββ ′ + γγ ′ = 0
(v) Soient D1 = A1 + Vect v⃗1 et D2 = A2 + Vect v⃗2 . Alors D1 et D2 sont parallèles si et seulement si v⃗1 et v⃗2 sont liés.
(vi) Soit P un plan affine et D une droite affine. On suppose que D et P sont sécants, c’est-à-dire que D n’est pas
parallèle à P. Alors l’intersection de D et P est un point unique.
(vii) Soient D1 et D2 deux droites affines. On suppose que D1 et D2 ne sont pas parallèles. Alors leur intersection est
un singleton si D1 et D2 sont coplanaires et vide sinon.

VI Polynômes d’un endomorphisme ou d’une matrice

1◦) Une notion intuitive
MP Substitution [2263] Soit E un espace vectoriel sur K, u ∈ L(E), A ∈ Mn (K) et P = a0 + a1 X + · · · + ap X p un
élément de K [X]. On pose P (u) = a0 idE +a1 u + · · · + ap up et P (A) = a0 In + a1 A + · · · + ap Ap . Alors P (u) est un
endomorphisme de E, on dit que c’est un polynôme de l’endomorphisme u, et P (A) est une matrice carrée d’ordre n,
on dit que c’est un polynôme de la matrice A. Il s’agit de la substitution de l’indéterminée X par u ou A dans P .
◦ MP Polynôme d’un endomorphisme et d’une matrice associée [2264]
Soit E un K-espace vectoriel de dimension finie, B une base de E, u ∈ L(E) et P ∈ K[X].
Si A désigne la matrice de u dans la base B, alors P (A) est celle de P (u) dans cette même base.
MP Calculs algébriques sur les polynômes d’un endomorphisme ou d’une matrice [2265]
Soit E un espace vectoriel sur K, u ∈ L(E) et A ∈ Mn (K).
Les applications suivantes : K [X] → L(E); P 7→ P (u) et K [X] → Mn (K); P 7→ P (A), sont des morphismes de
2
K-algèbres tels que pour tout (P1 , P2 ) ∈ K [X] , P1 (u) ◦ P2 (u) = P2 (u) ◦ P1 (u) et P1 (A)P2 (A) = P2 (A)P1 (A).
MP Attention [2266] Certaines notations n’ont pas de sens. Par exemple, si x ∈ E, on ne doit pas écrire :
(i) P (u(x)) qui n’a aucun sens (qu’est-ce qu’un polynôme d’un vecteur ?), mais il faut plutôt écrire P (u)(x),
(ii) P1 (u)(x) ◦ P2 (u)(x) qui n’a aucun sens (qu’est-ce que la composée de deux vecteurs ?), mais il faut plutôt écrire
(P1 (u) ◦ P2 (u))(x).

2◦) Petites et grandes propriétés

◦ MP Commutativité et stabilité [2267] Soit E un espace vectoriel sur K, u, v ∈ L(E) et P ∈ K [X].
Si u et v commutent, alors Im(P (u)) et Ker(P (u)) sont stables par v.
MP Sous-espace stable et polynôme d’endomorphisme [2268] Soit E un espace vectoriel sur K, F un sous-espace vectoriel
de E, u ∈ L(E) et P ∈ K [X]. Si F est stable par u, il l’est aussi par P (u).
• MP Relation de similitude et polynôme de matrices [2269] Soit (A, B) ∈ Mn (K)2 et P un élément de K [X].
Si A et B sont semblables, alors P (A) et P (B) aussi, et : B = Q−1 AQ ⇒ P (B) = Q−1 P (A)Q
En particulier : ∀p ∈ N, B p = Q−1 Ap Q
Lemme des noyaux [2270] Soient E un espace vectoriel sur ⊕rK, u ∈ L(E) et P1 , . . . , Pr ∈ K[X] deux à deux premiers
• MP

entre eux. On note P leur produit. Alors : Ker(P (u)) = k=1 Ker(Pk (u))
 38 Descartes — MP — CC BY-NC-SA 2023-2024

3◦) Polynômes annulateurs d’un endomorphisme ou d’une matrice

MP Comme son nom l’indique [2271] Soient E un espace vectoriel sur K, u ∈ L(E), A ∈ Mn (K) et P ∈ K [X] \ {0}.
On dit que P est un polynôme annulateur de u (resp. de A) lorsque P (u) = 0 L(E) (resp. P (A) = 0Mn (K) ).
MP Idéal annulateur [2272] Soit E un K-espace vectoriel et u ∈ L(E).
L’application K[X] → L(E) ; P 7→ P (u) est un morphisme d’algèbres. Son noyau est un idéal de K[X] appelé idéal
annulateur de u et son image est la sous-algèbre commutative K[u] de L(E).
◦ MP Polynôme minimal en dimension finie [2273] Soient E un K-espace vectoriel de dimension finie et u ∈ L(E).
Alors l’idéal annulateur de u n’est pas réduit à {0}.
Il existe donc un polynôme unitaire unique qui engendre l’idéal annulateur, appelé polynôme minimal de u.
Notation : µu ou πu
◦ MP Polynôme minimal et algèbre des polynômes en u [2274]
Soient E un K-espace vectoriel de dimension finie et u ∈ L(E).
Alors (uk )k∈ [[ 0 , deg(µu )−1 ]] est une base de K[u]. Ainsi : dim(K[u]) = deg(µu )
MP Extension aux matrices carrées [2275] Les notions précédentes sont aussi valables pour des matrices carrées.
◦ MP Polynôme minimal et sous-espace vectoriel stable [2276]
Soient E un K-espace vectoriel de dimension finie, u ∈ L(E) et F un sous-espace vectoriel stable par u.
Alors, le polynôme minimal de l’endomorphisme induit par u sur F divise celui de u.
• MP En dimension finie, existence d’un petit sous-espace stable [2277]
Soit E un K-espace vectoriel de dimension finie et u ∈ L(E).
Alors si K = R, il existe une droite ou un plan de E stable par u, et si K = C, il existe une droite de E stable par u.
◦ MP Caractérisations d’applications géométriques classiques à l’aide de polynômes minimaux [2278]
Soit E un espace vectoriel sur K et u ∈ L(E). Alors :
(i) L’endomorphisme u est une homothétie de rapport λ si et seulement µu = X − λ.
(ii) L’endomorphisme u est un projecteur non trivial de E si et seulement µu = X 2 − X.
(iii) L’endomorphisme u est une symétrie vectorielle non triviale de E si et seulement µu = X 2 − 1.
MP Obtention concrète du polynôme minimal d’une matrice [2279] Soit A ∈ Mn (K). Pour déterminer µA , on peut le
chercher parmi les diviseurs du polynôme caractéristique, comme on le verra plus loin.
On peut aussi calculer A2 , A3 , etc. et essayer de construire un tel polynôme.
MP Calcul des puissances d’une matrice par division euclidienne [2280]
Soit A ∈ Mn (K) et p ∈ N. Si on connaît un polynôme P annulateur de A, si possible le polynôme minimal, on effectue
la division euclidienne de X p par P , X p = [Link] + Rp , et donc : Ap = Rp (A)
De plus, si P (0) ̸= 0, on peut facilement exprimer A−1 en fonction de A.
 Chapitre II. Algèbre linéaire 39

C Éléments propres et réduction d’un endomorphisme

Dans toute cette partie, E désigne un K-espace vectoriel non réduit à {0} et n un entier naturel non nul.

I Éléments propres en dimension quelconque

1◦) Valeurs et vecteurs propres d’un endomorphisme
◦ Éléments propres [2281] Soit u ∈ L(E). On appelle vecteur propre de u tout vecteur non nul x de E pour lequel il
existe un scalaire λ de K tel que u(x) = λx, écriture qui est une équation aux éléments propres.
Ce scalaire λ est alors déterminé de manière unique et appelé valeur propre associée au vecteur propre x.
Non unicité [2282] Si x est un vecteur propre de u ∈ L(E) alors tout vecteur non nul proportionnel à x l’est aussi.
Spectre [2283] Soit u ∈ L(E). On appelle spectre de u l’ensemble des valeurs propres de u. Notation : Sp(u)
◦ Spectre et non injectivité [2284] Soit u ∈ L(E). Alors λ ∈ Sp(u) si et seulement si Ker(u − λ idE ) ̸= {0}.
Plus généralement, si P ∈ K[X] est scindé, alors P (u) est injectif si et seulement si Sp(u) ∩ Rac(P ) = ∅.
◦ Spectre d’un automorphisme [2285] Soit u ∈ GL(E). Alors : 0 ∈ / Sp(u) et Sp(u−1 ) = { λ1 | λ ∈ Sp(u)}
• Liberté des vecteurs propres associés à des valeurs propres distinctes [2286]
Toute famille finie de vecteurs propres associés à des valeurs propres distinctes deux à deux est libre.

2◦) Sous-espaces propres d’un endomorphisme

Sous-espace propre [2287] Soit u ∈ L(E) et λ ∈ Sp(u).
On appelle sous-espace propre associé à λ le sous-espace vectoriel Ker(u − λ idE ).
◦ Dimension minimale d’un sous-espace propre [2288]
Un sous-espace propre d’un endomorphisme contient toujours au moins une droite vectorielle.
◦ Les sous-espaces propres forment une somme directe [2289]
La somme d’une famille finie de sous-espaces propres associés à des valeurs propres distinctes deux à deux est directe.
◦ Localisation des sous-espaces propres [2290]
Soient u ∈ L(E) et λ ∈ Sp(u). Alors, pour tout α ∈ K \ {λ}, Ker(u − λ idE ) ⊂ Im(u − α idE ).
◦ Commutativité et stabilité [2291] Si u, v ∈ L(E) commutent, alors les sous-espaces propres de u sont stables par v.
◦ Endomorphisme induit sur un sous-espace propre [2292] Soit u ∈ L(E) et λ ∈ Sp(u). Alors Ker(u − λ idE ) est stable
par u et l’endomorphisme induit par u sur Ker(u − λ idE ) est une homothétie de rapport λ.
◦ Éléments propres de l’endomorphisme induit sur un sous-espace stable [2293]
Soit u ∈ L(E) et F un sous-espace vectoriel de E, non réduit à {0} et stable par u. Si on note ũ l’endomorphisme
induit par u sur F , alors Sp (ũ) ⊂ Sp(u) et pour tout λ ∈ Sp (ũ), Ker(ũ − λ idF ) = F ∩ Ker(u − λ idE ).

3◦) Polynômes d’un endomorphisme et éléments propres

• Éléments propres et polynômes d’un endomorphisme [2294] Soient u ∈ L(E), λ ∈ Sp(u) associée à x un vecteur
propre de u et P ∈ K[X]. Alors P (λ) est une valeur propre associée au vecteur propre x de P (u).
Ainsi : P (Sp(u)) ⊂ Sp(P (u)) et Ker(u − λ idE ) ⊂ Ker(P (u) − P (λ) idE )
◦ Localisation des valeurs propres à l’aide d’un polynôme annulateur [2295] Soit u ∈ L(E) et P ∈ K [X] \ {0}.
Si P (u) = 0 L(E) , alors pour tout λ ∈ Sp(u), P (λ) = 0. En particulier : Sp(u) ⊂ Rac(µu )
Attention [2296] Il n’y a pas d’inclusion réciproque à : Sp(u) ⊂ Rac(P )
◦ Valeurs propres d’applications géométriques classiques [2297] Soit u ∈ L(E).
(i) Si u est une homothétie de rapport λ alors Sp(u) = {λ} et E = Ker(u − λ idE ).
(ii) Si u est un projecteur non trivial de E alors Sp(u) = {1, 0} et Ker(u − idE ) = Im(u).
(iii) Si u est une symétrie vectorielle non triviale de E alors Sp(u) = {1, −1}.

II Éléments propres en dimension finie, polynôme caractéristique

1◦) Éléments propres en dimension finie, éléments propres d’une matrice carrée
◦ Spectre et non bijectivité ; caractérisation des automorphismes [2298]
Soient E un K-espace vectoriel de dimension finie, u ∈ L(E) et λ ∈ K. Alors : λ ∈ Sp(u) ⇔ u − λ idE ∈ / GL(E)
En particulier : u ∈ GL(E) ⇔ 0 ∈ / Sp(u)
Plus généralement, si P ∈ K[X] est scindé, alors : P (u) ∈ GL(E) ⇔ Sp(u) ∩ Rac(P ) = ∅
Éléments propres matriciels [2299] On appelle vecteur propre de A ∈ Mn (K) tout X ∈ Mn,1 (K) \ {0} pour lequel il
existe un scalaire λ de K, unique, appelé valeur propre de A, tel que AX = λX (équation aux éléments propres).
Le spectre de A est l’ensemble des valeurs propres de A. Notation : Sp(A)
Si λ ∈ Sp(A), on appelle sous-espace propre de A associé à λ le sous-espace Ker(A − λIn ) de Mn,1 (K).
 40 Descartes — MP — CC BY-NC-SA 2023-2024

Spectre et non inversibilité [2300] Soit A ∈ Mn (K). Alors : λ ∈ Sp(A) ⇔ A − λIn ∈ / GLn (K)
En particulier : A ∈ GLn (K) ⇔ 0 ∈
/ Sp(A)
Plus généralement, si P ∈ K[X] est scindé, alors : P (A) ∈ GLn (K) ⇔ Sp(1) ∩ Rac(P ) = ∅

2◦) Polynôme caractéristique d’un endomorphisme ou d’une matrice

◦ Polynôme caractéristique [2301] Soient E un K-espace vectoriel de dimension finie n, A ∈ Mn (K) et u ∈ L(E).
On appelle polynôme caractéristique de A (resp. u) le polynôme associé à l’application t 7→ det(tIn − A) (resp.
t 7→ det(t idE −u)). Notation : χA (resp. χu ) Ainsi : Sp(u) = Rac(χu ) et Sp(A) = Rac(χA )
On appelle ordre de multiplicité d’une valeur propre son ordre de multiplicité en tant que racine du polynôme carac-
téristique d’un endomorphisme ou d’une matrice.
Une situation favorable [2302] Si A est une matrice carrée triangulaire ou diagonale, χA est scindé et facile à calculer.
Lien entre polynômes caractéristiques matriciel et opérationnel [2303]
Soit E un K-espace vectoriel de dimension finie, B une base de E et u ∈ L(E). On note A la matrice de u dans B.
Alors u et A ont même polynôme caractéristique, et donc même spectre, avec mêmes multiplicités.
◦ Invariance par similitude [2304]
Deux matrices semblables ont même polynôme caractéristique, et donc même spectre, avec mêmes multiplicités.
• Attention [2305]
(i) Les spectres réels et complexes de A ∈ Mn (R) sont en général différents, car : SpR (A) = SpC (A) ∩ R
Ainsi si A = E2,1 − E1,2 ∈ M2 (K), alors : SpR (A) = ∅ et SpC (A) = {−i, i}
Il conviendra donc en pratique de préciser quel spectre on détermine, si A ∈ Mn (R). Sans précision supplémentaire
dans l’énoncé d’une question, pour une matrice réelle, l’étude s’effectuera a priori dans Mn (R).
(ii) Deux matrices peuvent avoir même polynôme caractéristique (ou même spectre) sans être semblables.
Par exemple E1,2 et la matrice nulle de M2 (K) ont même polynôme caractéristique mais ne sont pas semblables,
puisque la matrice nulle n’est semblable qu’à elle-même.
◦ Polynôme caractéristique et transposition [2306]
Soit A ∈ Mn (K). Alors A et AT ont même polynôme caractéristique et donc même spectre, avec mêmes multiplicités.
Attention [2307] Même si leurs spectres sont identiques, les sous-espaces propres de A et AT sont différents a priori.
• Éléments propres complexes d’une matrice réelle [2308]
Soit A ∈ Mn (R) et λ ∈ SpC (A), associée à X ∈ Ker(A − λIn ) \ {0}.
Alors λ ∈ SpC (A), avec même multiplicité que λ et X ∈ Ker(A − λIn ).
◦ Polynômes caractéristiques d’applications géométriques classiques [2309]
Soit E un K-espace vectoriel de dimension n et u ∈ L(E).
(i) Si u est une homothétie de rapport λ alors χu = (X − λ)n .
(ii) Si u est un projecteur de E alors χu = (X − 1)p X n−p , si p désigne la dimension de Im(u).
(iii) Si u est une symétrie vectorielle de E alors χu = (X − 1)p (X + 1)n−p , si p désigne la dimension de l’espace par
rapport auquel on effectue la symétrie.

3◦) Sous-espaces stables et polynôme caractéristique

• Stabilité et divisibilité [2310] Soit E un K-espace vectoriel de dimension finie, u ∈ L(E) et F un sous-espace vectoriel
de E stable par u. Alors le polynôme caractéristique de l’endomorphisme induit par u sur F divise celui de u.
◦ Supplémentaires stables et polynôme caractéristique [2311]
Soit E un K-espace vectoriel de dimension finie, u ∈ L(E) et E1 , . . . , Er des sous-espaces vectoriels supplémentaires
dans E, tous stables par u. Alors χu est le produit de ceux des endomorphismes induits par u sur chaque Ei .
• Encadrement de la dimension d’un sous-espace propre [2312]
Soit E un K-espace vectoriel de dimension finie, u ∈ L(E) et λ ∈ Sp(u). On note mλ l’ordre de multiplicité de λ.
Alors : 1 ≤ dim(Ker(u − λ idE )) ≤ mλ
• Théorème de Cayley-Hamilton [2313] Soit E un K-espace vectoriel de dimension finie et u ∈ L(E). Alors : χu (u) = 0
Une autre formulation du théorème est : µu divise χu .
◦ Spectre et polynôme minimal [2314]
Soit E un K-espace vectoriel de dimension finie et u ∈ L(E). Alors : Sp(u) = Rac(µu )

4◦) Polynôme caractéristique, trace et déterminant

• Trois coefficients remarquables [2315] Soit A ∈ Mn (K). Alors : χA = X n − tr(A)X n−1 + · · · + (−1)n det(A)
Résultat opérationnel [2316] Soit E un K-espace vectoriel de dimension finie n et u ∈ L(E).
Alors : χu = X n − tr(u)X n−1 + · · · + (−1)n det(u)
 Chapitre II. Algèbre linéaire 41

◦ Formules pour un polynôme caractéristique scindé [2317]

Soit E un K-espace vectoriel de dimension finie n et u ∈ L(E).
On suppose que
∏ χu est scindé sur K. Pour tout∑λ ∈ Sp(u), on note mλ son
∑ordre de multiplicité. Alors :∏
(i) χu = (X −λ)mλ (ii) dim(E) = mλ (iii) tr(u) = mλ λ (iv) det(u) = λmλ
λ∈Sp(u) λ∈Sp(u) λ∈Sp(u) λ∈Sp(u)
Résultats matriciels [2318] Ces résultats sont valables pour une matrice de polynôme caractéristique scindé sur K.

III Réduction d’un endomorphisme en dimension finie

1◦) Diagonalisation
a. Diagonalisation d’un endomorphisme en dimension finie
• Endomorphisme diagonalisable [2319] Soit E un K-espace vectoriel de dimension finie et u ∈ L(E).
On dit que u est diagonalisable lorsqu’une des conditions équivalentes suivantes est vérifiée :
⊕
(i) L’espace E est somme directe des sous-espaces propres associés à u, c’est-à-dire E = λ∈Sp(u) Ker(u − λ idE )
(ii) L’espace E est somme directe de sous-espaces vectoriels stables par u sur lesquels u induit une homothétie.
(iii) Il existe une base de E formée de vecteurs propres de u.
(iv) Il existe une base de E dans laquelle la matrice de u est diagonale 3 .
∑
(v) λ∈Sp(u) dim(Ker(u − λ idE )) = dim(E)
(vi) χu est scindé sur K et pour tout λ ∈ Sp(u), dim(Ker(u − λ idE )) = mλ , si mλ désigne l’ordre de multiplicité de λ.
• Caractérisation algébrique de la diagonalisabilité [2320]
Soit E un K-espace vectoriel de dimension finie et u ∈ L(E). Alors, u est diagonalisable
∏ si et seulement s’il existe un
polynôme non nul simplement scindé sur K annulateur de u, si et seulement si µu = λ∈Sp(u) (X − λ).
Exemples [2321] Les homothéties, projecteurs et symétries vectorielles sont diagonalisables.
◦ Écriture d’un endomorphisme diagonalisable u avec des projecteurs, polynômes de Lagrange de u [2322]
Soit E un K-espace vectoriel de dimension finie⊕ et u ∈ L(E), diagonalisable. Pour tout ∑ λ ∈ Sp(u), on note pλ le
projecteur sur Ker(u − λ idE ) parallèlement à µ∈Sp(u)\{λ} Ker(u − µ idE ). Alors : u = λ∈Sp(u) λpλ
∏
De plus, si on note Lλ = µ∈Sp(u)\{λ} X−µλ−µ , pour tout λ ∈ Sp(u), alors pλ = Lλ (u).
◦ Spectre singleton [2323] Soit E un K-espace vectoriel de dimension finie et u ∈ L(E) tel que Sp(u) = {λ}.
Alors u est diagonalisable si et seulement si u = λ idE .
◦ Condition suffisante de diagonalisabilité [2324] Soit E un K-espace vectoriel de dimension finie et u ∈ L(E).
Si χu est simplement scindé sur K, alors u est diagonalisable.
Dans ce cas, u possède dim(E) valeurs propres distinctes et ses sous-espaces propres sont des droites vectorielles.
◦ Attention [2325] La réciproque est fausse. Considérer, par exemple, idE lorsque dim(E) ≥ 2.
b. Diagonalisation d’une matrice carrée
◦ Matrice diagonalisable [2326] Soit A ∈ Mn (K).
On dit que A est diagonalisable lorsqu’elle est semblable dans Mn (K) à une matrice diagonale D. Les termes diagonaux
de D sont alors les valeurs propres de A, chacune répétée autant que son ordre de multiplicité.
◦ Endomorphisme et matrice diagonalisables [2327] Soit E un espace vectoriel de dimension n, une base B de E et
u ∈ L(E). On note A ∈ Mn (K) la matrice de u dans la base B. Alors u est diagonalisable si et seulement si A l’est.
Spectre singleton [2328] Soit A ∈ Mn (K) telle que Sp(A) = {λ}.
Alors A est diagonalisable si et seulement si A = λIn .
Résultats sur les matrices diagonalisables [2329] On adapte ceux du paragraphe précédent sur les endomorphismes.
◦ Attention [2330] Une matrice de Mn (R) peut être diagonalisable dans Mn (C) sans l’être pour autant dans Mn (R).
Ainsi la matrice A proposée en [2305] n’est pas diagonalisable dans Mn (R), puisque χA = X 2 + 1 n’a pas de racine
réelle, alors que A est diagonalisable dans Mn (C), puisque χA est scindé à racines simples sur C.
◦ Diagonalisation et transposition [2331] Soit A ∈ Mn (K). Alors A est diagonalisable si et seulement si AT l’est.
c. Diagonalisabilité et stabilité
• Diagonalisabilité et sous-espaces stables [2332]
Soit E un K-espace vectoriel de dimension finie, F un sous-espace vectoriel de E et u ∈ L(E).
Si u est diagonalisable et F est stable par u, alors l’endomorphisme induit par u sur F est aussi diagonalisable.
◦ Description des sous-espaces stables d’un endomorphisme diagonalisable [2333]
Soit E un K-espace vectoriel de dimension finie et u ∈ L(E), diagonalisable.
Les sous-espaces vectoriels de E stables par u sont {0} et ceux qui sont engendrés par des vecteurs propres de u.
3. Il s’agit de la définition du programme officiel.
 42 Descartes — MP — CC BY-NC-SA 2023-2024

2◦) Trigonalisation
a. Trigonalisation d’un endomorphisme en dimension finie
Endomorphisme trigonalisable [2334] Soit E un K-espace vectoriel de dimension finie et u ∈ L(E).
On dit que u est trigonalisable lorsqu’il existe une base de E dans laquelle la matrice de u est triangulaire supérieure.
◦ HP Trigonalisation et drapeau [2335] Soit E un K-espace vectoriel de dimension finie et u ∈ L(E).
Alors u est trigonalisable si et seulement s’il existe un drapeau de E stable terme à terme par u.
◦ Caractérisation d’un endomorphisme trigonalisable par son polynôme caractéristique [2336]
Soit E un K-espace vectoriel de dimension finie et u ∈ L(E).
Alors u est trigonalisable si et seulement si χu ou µu est scindé sur K, si et seulement u annule un polynôme scindé.
◦ Endomorphismes complexes [2337] Tout endomorphisme sur un C-espace vectoriel de dimension finie est trigonalisable.

b. Nilpotence et sous-espaces caractéristiques

◦ Endomorphisme nilpotent [2338] Soit E un K-espace vectoriel de dimension finie et u ∈ L(E).
Les propriétés suivantes sont deux à deux équivalentes :
(i) un = 0 (ii) u est nilpotent (iii) SpC (u) = {0} (iv) χu = X n
(v) u admet une matrice triangulaire supérieure stricte (vi) tr(u) = tr(u ) = · · · = tr(u ) = 0
2 n

◦ Matrice nilpotente [2339] Les résultats du théorème précédent sont valables, en particulier le fait qu’une matrice est
nilpotente si et seulement si elle est semblable à une matrice triangulaire supérieure stricte.
◦ Sous-espaces caractéristiques [2340] Soit E un K-espace vectoriel de dimension finie et u ∈ L(E) tel que χu est
scindé sur K. Pour tout λ ∈ Sp(u), on note mλ son ordre de multiplicité. ( )
On appelle sous-espace caractéristique de u associé à λ le sous-espace vectoriel Ker (u − λ idE )mλ .
Ces sous-espaces caractéristiques sont stables par u et supplémentaires dans E, de dimension mλ .
⊕ ( )
Il existe une base de trigonalisation de u adaptée à E = λ∈Sp(u) Ker (u − λ idE )mλ , dans laquelle la matrice de u
est diagonale par blocs, avec des blocs du type λImλ + Nλ , où Nλ ∈ Mmλ (K) est triangulaire supérieure stricte.
c. Trigonalisation d’une matrice carrée
◦ Matrice trigonalisable [2341] Une matrice A ∈ Mn (K) est trigonalisable lorsqu’elle est semblable à une matrice T
triangulaire supérieure. Dans ce cas, les coefficients diagonaux de T sont exactement les valeurs propres de A.
◦ Endomorphisme et matrice trigonalisables [2342] Soient E un espace vectoriel de dimension n, une base B de E et
u ∈ L(E). On note A ∈ Mn (K) la matrice de u dans la base B. Alors u est trigonalisable si et seulement si A l’est.
• Polynôme d’un endomorphisme ou d’une matrice trigonalisable [2343] Soient E un espace vectoriel de dimension
finie, P ∈ K[X], u ∈ L(E) et A ∈ Mn (K) trigonalisables. Alors : P (Sp(u)) = Sp(P (u)) et P (Sp(A)) = Sp(P (A))
◦ Attention [2344] Sans l’hypothèse de trigonalisabilité, ce résultat est faux.
Si A est la matrice proposée en [2305], on constate que SpR (A) = ∅ alors que SpR (A2 ) = {−1}.
Par ailleurs, l’inclusion Ker(A − λIn ) ⊂ Ker(P (A) − P (λ)In ) issue de [2294] est le plus souvent stricte, même en cas de
diagonalisabilité ou trigonalisabilité : ainsi Ker(diag(1, −1) − 1I2 ) ̸= Ker(diag(1, −1)2 − 12 I2 ).
◦ Théorème de caractérisations des matrices trigonalisables [2345] Soit A ∈ Mn (K). Alors A est trigonalisable si
et seulement si A annule un polynôme scindé sur K, ou encore si et seulement si χA ou µA est scindé sur K.
Matrices complexes [2346] Toute matrice carrée à coefficients complexes est trigonalisable.
◦ Approximation de la valeur propre de plus grand module [2347]
Soit A ∈ Mn (K). On suppose que χA est scindé sur K,(que Sp(A) ) ̸= {0} et que la valeur propre λ de plus grand
tr(Ap+1 )
module de A est la seule d’un tel module. Alors la suite tr(Ap ) converge vers λ.

3◦) Marche à suivre pour réduire une matrice

Méthodes [2348]Soit A ∈ Mn (K). On note u ∈ L(Kn ) l’endomorphisme canoniquement associé à A.
⋄ On commence par voir si on peut deviner des valeurs de λ ∈ K pour lesquelles rg(A − λIn ) < n, en particulier pour
n = 3, puisque factoriser un polynôme de degré 3 nécessite a priori d’en trouver une racine évidente. On obtient
alors, “sans calcul”, des valeurs propres de A.
⋄ Une astuce à connaître : si la somme des coefficients des lignes 4 est constante, c’est une valeur propre de A, de
vecteur propre associé (1 · · · 1)T .
⋄ Si on connaît n − 1 valeurs propres, éventuellement répétées, on trouve la valeur propre manquante avec tr(A).
⋄ Si on a la chance d’avoir trouvé un sous-espace propre de “grande” dimension (n − 2 ou n − 3), alors :

4. Ou, à défaut, des colonnes, puisque χA = χAT , mais sans information sur un vecteur propre associé.
 Chapitre II. Algèbre linéaire 43

• Puisque u et u − λ idE commutent, on peut utiliser le fait que Im(u − λ idE ) est stable par u et contient tous
les vecteurs propres associés aux éventuelles valeurs propres différentes de λ pour se ramener à une étude en
dimension 2 ou 3 de l’endomorphisme ũ induit par u sur Im(u − λ idE ) et chercher alors d’autres valeurs propres
que λ, s’il y en a.
Cette technique est particulièrement utile lorsque u est diagonalisable, car alors ũ l’est aussi, puisque Im(u − λ idE )
est stable par u, et ses valeurs propres sont les éléments de Sp(u) \ {λ}.
• On peut aussi, si on parvient à les calculer facilement, utiliser les valeurs de tr(A2 ), tr(A3 ), etc. pour obtenir des
équations en les dernières valeurs propres (éventuellement complexes) à déterminer, tout comme utiliser det(A)
s’il est non nul.
⋄ Une fois ces tentatives effectuées, si elles sont infructueuses, on détermine le spectre de A en calculant et en factorisant
son polynôme caractéristique. On regarde s’il est ou non scindé.
⋄ On peut aussi chercher à déterminer les valeurs du paramètre λ ∈ K pour lesquels le système linéaire (A − λIn )X = 0
a une solution autre que le vecteur nul. L’avantage de cette méthode est qu’elle fournit par la même occasion les
sous-espaces propres. Elle est en général très lourde, cependant, et n’est à utiliser que si l’énoncé nous y incite.
⋄ Si χA est scindé, pour chaque λ ∈ Sp(A) de multiplicité au moins deux, on cherche la dimension du sous-espace
propre associé, par la résolution de systèmes linéaires ou en calculant le rg(A − λIn ) et en utilisant le théorème du
rang, qui est ou non l’ordre de multiplicité de la valeur propre correspondante.
On conclut alors au caractère diagonalisable ou pas de A.
• Si A est diagonalisable, elle s’écrit sous la forme P DP −1 où P est la matrice de passage de la base canonique
de Kn à une base de vecteurs propres de A, ordonnés selon l’ordre choisi pour les valeurs propres situées sur la
diagonale de la matrice diagonale D.
• Si A n’est pas diagonalisable, on peut éventuellement décider de la trigonaliser dans Mn (K), en suivant les
instructions données ou, à défaut, en cherchant une base adaptée aux sous-espaces caractéristiques de A, afin
d’obtenir une matrice diagonale par blocs, avec des blocs du type λImλ + Nλ , où Nλ ∈ Mmλ (K) est triangulaire
supérieure stricte.

4◦) Quelques applications de la réduction des matrices

a. Étude du comportement des puissances p-ième d’une matrice
Une fois la réduction effectuée [2349]
⋄ Cas diagonalisable : Si A est semblable à la matrice diagonale D, alors on peut obtenir facilement Dp donc Ap .
⋄ Cas trigonalisable : Si A est semblable à la matrice triangulaire T , alors, avec la méthode décrite dans la marche à
suivre, T peut se présenter comme une matrice diagonale par blocs du type λImλ + Nλ , où Nλ est nilpotente.
Puisque Imλ et Nλ commutent, on peut appliquer la formule du binôme de Newton à chaque bloc de T et conclure.
Méthode par division euclidienne [2350] Si on connaît un polynôme annulateur de A de faible degré, c’est souvent
beaucoup plus simple d’utiliser une division euclidienne pour obtenir les puissances de A.
b. Étude de suites numériques satisfaisant une relation de récurrence linéaire d’ordre p à coefficients constants
Soient p ∈ N∗ et (a0 , a1 , . . . , ap−1 ) ∈ K \ {0} × Kp−1 . On cherche à déterminer l’ensemble des suites (un ) ∈ KN qui
vérifient la relation R : ∀n ∈ N, un+p = a0 un + a1 un+1 + · · · + ap−1 un+p−1
◦ Structure [2351] L’ensemble des suites qui vérifient R constituent un sous-espace vectoriel de KN isomorphe à Kp .
◦ Méthode théorique de résolution
 [2352]

ap−1 ap−2 · · · · · · a0  
 1 0 ··· ··· 0  un+p−1
   un+p−2 
 .. .. 
On pose A =  0 1 . .  ∈ Mp (K), et pour tout n ∈ N : Un =   ..

 ∈ Mp,1 (K)
   
 . . . . ..  .
 . . . . . . . . .  un
0 ··· 0 1 0
On constate que la relation de récurrence sur u équivaut à : ∀n ∈ N, Un+1 = AUn
Ainsi, pour tout n ∈ N, Un = An U0 . Il conviendrait donc de calculer An , ce qui n’est pas nécessairement très agréable.
On rappelle qu’on calcule le polynôme caractéristique de A, transposée d’une ∑p−1 matrice compagnon, en développant
selon la première ligne et on obtient le polynôme compagnon : χA = X p − k=0 ak X k
Méthode pratique de résolution par l’équation ∑p−1caractéristique [2353] On appelle équation caractéristique de la
relation de récurrence linéaire l’équation rp = k=0 ak rk , c’est-à-dire χA (r) = 0.
ADMIS On note r1 , . . . , rq les q racines distinctes de χA , qu’on suppose scindé, et m1 , . . . , mq leurs ordres respectifs de
multiplicité. Alors l’espace des solutions est : Vect{(nℓ rkn )n∈N | k ∈ [[ 1 , q ]] , ℓ ∈ [[ 0 , mk − 1 ]] }
c. Étude de systèmes différentiels linéaires à coefficients constants
Ce thème est étudié en [8030].
44 Descartes — MP — CC BY-NC-SA 2023-2024
 Chapitre III. Espaces préhilbertiens réels, endomorphismes d’un espace euclidien 45

A Espaces préhilbertiens réels (première année)

I Produit scalaire
1◦) Notion de produit scalaire
Produit scalaire [3001] Soit E un R-espace vectoriel. On appelle produit scalaire ou forme bilinéaire symétrique définie
positive sur E toute application φ de E 2 à valeurs réelles vérifiant les propriétés suivantes :
⋄ pour tout (x0 , y0 ) ∈ E 2 , x 7→ φ(x, y0 ) et y 7→ φ(x0 , y) sont linéaires (φ est dite bilinéaire),
⋄ pour tout (x, y) ∈ E 2 , φ(x, y) = φ(y, x) (φ est dite symétrique),
⋄ pour tout x ∈ E, φ(x, x) ≥ 0 (φ est dite positive),
⋄ pour tout x ∈ E, si φ(x, x) = 0, alors x = 0 (φ est dite définie).
Notation : Le produit scalaire des vecteurs x et y se note (x|y) (ou ⟨x, y⟩, ou encore x · y).
Un espace préhilbertien réel est un espace vectoriel réel muni d’un produit scalaire.
◦ HP Transport de produit scalaire [3002] Soient E et F deux R-espaces vectoriels, φ un produit scalaire sur E et f un
isomorphisme de E vers F . Alors φ ◦ (f −1 , f −1 ) est un produit scalaire sur F .

2◦) Norme dans un espace préhilbertien

√ √
• Inégalité de Cauchy-Schwarz [3003] Soit E un espace préhilbertien réel. Alors : ∀(x, y) ∈ E 2 , |(x|y)| ≤ (x|x) (y|y)
De plus, l’égalité a lieu si et seulement si x et y sont liés.
√ √ √
• Inégalité de Minkowski [3004] Soit E un espace préhilbertien. Alors : ∀(x, y) ∈ E 2 , (x + y|x + y) ≤ (x|x)+ (y|y)
√
◦ Norme euclidienne [3005] Soit E un espace préhilbertien réel. L’application x 7→ (x|x) est une norme 5 sur E appelée
norme euclidienne. Notation : ∥x∥
Vecteur normé [3006] Un vecteur d’un espace préhilbertien est unitaire lorsque sa norme vaut 1.
◦ Formules classiques [3007] Soit E un espace préhilbertien réel. Pour tout (x, y) ∈ E 2 :
(i) ∥x + y∥2 = ∥x∥2 + ∥y∥2 +(2(x|y) (identité ) remarquable) (ii) ∥x − y∥2 = ∥x∥2 + ∥y∥2 − 2(x|y)
(iii) ∥x + y∥ +
2
( ∥x − y∥ = 2 ∥x∥ +
2 2
) ∥y∥ (identité du parallélogramme)
2

(iv) (x|y) = 41 ∥x + y∥2 − ∥x − y∥2 (identité de polarisation)

3◦) Exemples incontournables

∑n
◦ Produit scalaire canonique sur Rn Il s’agit de : ((x1 , . . . , xn ), (y1 , . . . , yn )) 7→
[3008] i=1 xi yi
◦ Produit scalaire canonique sur Mn,1 (R) [3009] Il s’agit de : (X, Y ) 7→ X T Y
• Produit scalaire usuel sur l’espace vectoriel
∫ des fonctions continues sur un segment [3010]
Soient a, b ∈ R tels que a < b. Alors (f, g) 7→ [a,b]
f g est un produit scalaire sur C([a, b] , R).
∫
◦ Produit scalaire usuel sur L (I) [3011] Soit I un intervalle de R. Alors (f, g) 7→ I f g est un produit scalaire
2

sur L2 (I), espace vectoriel des fonctions réelles continues de carré intégrable.
Les inégalités de Cauchy-Schwarz et Minkowski sont encore vraies pour des applications continues par morceaux.
∑+∞
◦ Produit scalaire usuel sur ℓ2 [3012] L’application ((un ), (vn )) 7→ n=0 un vn est un produit scalaire sur l’espace
vectoriel des suites réelles de carré sommable.
• Produit scalaire canonique sur l’espace vectoriel des matrices carrées réelles [3013]
L’application (A, B) 7→ tr(AT B) est le produit scalaire canonique sur Mn (R). Sa norme associée est sous-multiplicative.

4◦) Orthogonalité
Vecteurs orthogonaux [3014]
Soit E un espace préhilbertien réel et x, y ∈ E. Alors x et y sont orthogonaux lorsque (x|y) = 0.
◦ Non dégénéréscence [3015] Le seul vecteur orthogonal à tout vecteur de E est le vecteur nul.
Ainsi, si a, b ∈ E et pour tout x ∈ E, (a|x) = (b|x), alors a = b.
Famille orthogonale [3016] Soit E un espace préhilbertien réel. Une famille de vecteurs de E est orthogonale lorsque
ses vecteurs sont orthogonaux deux à deux.
◦ Orthogonalité et liberté [3017] Toute famille orthogonale ne contenant pas le vecteur nul est libre.
Famille orthonormée [3018] Soit E un espace préhilbertien réel. Une famille de vecteurs de E est orthonormale ou
orthonormée lorsque ses vecteurs sont orthogonaux deux à deux et unitaires.
◦ Relation de Pythagore [3019] Soient E un espace préhilbertien réel et (x1 , . . . , xp ) une famille orthogonale de E. Alors :
∑p 2 ∑p
i=1 xi = i=1 ∥xi ∥2
◦ Théorème de Pythagore [3020] Soient E un espace préhilbertien et x, y ∈ E. Alors : ∥x+y∥2 = ∥x∥2 +∥y∥2 ⇔ (x|y) = 0

5. La notion générale de norme est définie au chapitre V.

 46 Descartes — MP — CC BY-NC-SA 2023-2024

Orthogonal d’une partie non vide [3021] Soit E un espace préhilbertien réel et A une partie non vide de E. On
appelle orthogonal de A l’ensemble des vecteurs de E orthogonaux à tous ceux de A. Notation : A⊥ .
• Décroissance de l’orthogonalité, double orthogonal, structure, etc. [3022]
Soit E un espace préhilbertien réel et A et B deux parties non vide de E. Alors :
(i) A ⊂ B ⇒ B ⊥ ⊂ A⊥ (ii) A ⊂ (A⊥ )⊥ (iii) A⊥ est un sous-espace vectoriel de E (iv) A⊥ = (Vect(A))⊥
Sous-espaces vectoriels orthogonaux [3023]
Soit E un espace préhilbertien réel et E1 et E2 deux sous-espaces vectoriels de E.
On dit que E1 et E2 sont orthogonaux lorsque pour tout (x, y) ∈ E1 × E2 , (x|y) = 0.
◦ Orthogonalité et somme directe [3024] Soit E un espace préhilbertien réel et E1 , . . . , Ep des sous-espaces vectoriels
de E orthogonaux deux à deux. Alors leur somme est directe.

II Sous-espaces vectoriels de dimension finie dans un espace préhilbertien

1◦) Supplémentaire orthogonal d’un sous-espace vectoriel de dimension finie
Sous-espaces vectoriels supplémentaires orthogonaux [3025] Soit E un espace préhilbertien réel.
On suppose qu’il existe E1 , . . . , Ep des sous-espaces de E orthogonaux deux à deux telle que leur somme soit E tout
entier. On dit alors qu’ils forment une famille de sous-espaces vectoriels supplémentaires orthogonaux.
La famille de projecteurs associés à cette décomposition de E est alors constituée de p projecteurs orthogonaux.
• Lemme [3026] Soit E un espace préhilbertien de dimension finie et F un sous-espace vectoriel de E. Alors : E = F ⊕ F ⊥
• Théorème d’existence du supplémentaire orthogonal d’un sous-espace vectoriel de dimension finie [3027]
Soit F un sous-espace vectoriel de dimension finie de E, un espace préhilbertien réel. Alors : E = F ⊕F ⊥ et (F ⊥ )⊥ = F

2◦) Existence du projecteur orthogonal sur un sous-espace vectoriel de dimension finie et conséquences
◦ Projecteur orthogonal [3028] Soit E un espace préhilbertien réel et F un sous-espace vectoriel de dimension finie de E.
Puisque E = F ⊕ F ⊥ , on peut définir le projecteur orthogonal sur F , ainsi que la symétrie orthogonale par rapport à F .
Notation : p⊥ ⊥ ⊥ ⊥ ⊥ ⊥ ⊥
F et sF . Alors, pour tout x ∈ E : pF (x) ∈ F , x − pF (x) ∈ F , x + sF (x) ∈ F et x − sF (x) ∈ F
⊥

◦ Exemple incontournable [3029] L’application M 7→ M T est la symétrie orthogonale de Mn (R) muni de son produit
scalaire canonique, par rapport à Sn (R), parallèlement à An (R).
◦ Norme d’un projeté orthogonal [3030] Soit E un espace préhilbertien réel, F un sous-espace vectoriel de dimension
finie de E et x ∈ E. Alors : p⊥ F (x) ≤ ∥x∥
Distance d’un vecteur à un sous-espace vectoriel [3031]
Soit E un espace préhilbertien réel, F un sous-espace vectoriel de E et x ∈ E.
On appelle distance de x à F le réel infy∈F ∥x − y∥. Notation : d(x, F )
• Distance à un sous-espace de dimension finie [3032] Soit E un espace préhilbertien réel, F un sous-espace vectoriel
de dimension finie de E et x ∈ E. L’application F → R+ ; y 7→ ∥x − y∥ atteint son minimum, qui est donc d(x, F ), en
2 2
un vecteur et un seul, lequel est p⊥ 2 ⊥
F (x). Alors : d(x, F ) = pF ⊥ (x) = ∥x∥2 − p⊥
F (x)
◦ Projeté orthogonal d’un vecteur sur un sous-espace vectoriel muni d’une base orthonormale finie [3033]
Soit E un espace préhilbertien réel, F un sous-espace vectoriel de dimension ∑finie de E et x un vecteur de E.
On suppose que (u1 , . . . , up ) une base orthonormale de F . Alors : p⊥
p
F (x) = j=1 j |x)uj
(u
Cette formule permet aussi de calculer : s⊥ F (x) = 2p⊥
F (x) − x
◦ Distance à une droite ou à un hyperplan [3034]
= Vect(e) une droite vectorielle et x ∈ E.
Soit E un espace préhilbertien réel, D √
1
Si on note u = ∥e∥ e, alors : d(x, D) = ∥x∥2 − (u|x)2 et d(x, D⊥ ) = |(u|x)|
◦ HP Inégalité de Bessel [3035] Soit E un espace préhilbertien réel, F un sous-espace vectoriel de dimension finie de E,
∑p 2
(u1 , . . . , up ) une base orthonormale de F et x un vecteur de E. Alors : j=1 (uj |x)2 ≤ ∥x∥

3◦) Construction théorique et concrète de familles orthogonales conservant un drapeau

• Théorème d’orthogonalisation de Gram-Schmidt : droites orthogonales associées à un drapeau [3036]
Soit E un espace préhilbertien réel et (e1 , . . . , ep ) une famille libre de vecteurs de E. Il existe une unique famille de
⊕k
droites (D1 , . . . , Dp ) deux à deux orthogonales telle que pour tout k ∈ [[ 1 , p ]] , Vect(e1 , . . . , ek ) = j=1 Dj .
( )
De plus, D1 = Vect(e1 ) et : ∀k ∈ [[ 1 , p − 1 ]] , Dk+1 = Vect ek+1 − p⊥ Vect(e1 ,...,ek ) (ek+1 )
• Algorithme d’orthonormalisation de Gram-Schmidt [3037]
Soit E un espace préhilbertien réel et B = (e1 , . . . , ep ) une famille libre de vecteurs de E. Il existe une famille
orthonormée U = (u1 , . . . , up ) telle que, pour tout k ∈ [[ 1 , p ]] , Vect(u1 , . . . , uk ) = Vect(e1 , . . . , ek ).
∑k
Pour tout k ∈ [[ 1 , p − 1 ]] , uk+1 est normé et proportionnel à ek+1 − j=1 (uj |ek+1 )uj .
Par ailleurs, cette famille est unique si on impose la condition des angles aigus : ∀k ∈ [[ 1 , p ]] , (uk |ek ) > 0
 Chapitre III. Espaces préhilbertiens réels, endomorphismes d’un espace euclidien 47

Remarque sur la condition d’unicité [3038]

La condition des angles aigus proposée ici, assez traditionnelle, n’est cependant donnée qu’à titre d’exemple : dans les
applications, d’autres conditions d’unicité pourront apparaître et il conviendra de savoir les obtenir.
◦ Matrice de passage liée au procédé de Gram-Schmidt [3039]
La matrice de passage de B à U est triangulaire supérieure à coefficients diagonaux strictement positifs.
Méthodes d’obtention du projeté orthogonal d’un vecteur [3040]
Pour déterminer le projeté orthogonal d’un vecteur x ∈ E sur un sous-espace vectoriel F de dimension finie de E,
dont on connaît une base (e1 , . . . , ep ) quelconque, il est possible, ou bien d’orthonormaliser cette base pour utiliser
la formule rencontrée plus haut, ou bien de résoudre un système linéaire traduisant l’orthogonalité de x − p⊥ F (x) aux
vecteurs de cette base de F .
Si E est de dimension finie, on choisira toujours de projeter orthogonalement sur le sous-espace de plus petite dimension,
parmi F et F ⊥ , quitte à considérer le projecteur associé. Ainsi, pour projeter orthogonalement sur un hyperplan, on
le fait en réalité sur son orthogonal.

III Cas d’un espace euclidien

1◦) Espaces euclidiens ; bases orthonormales
Espace euclidien [3041] Un espace vectoriel euclidien est un espace préhilbertien réel de dimension finie.
◦ Existence d’une base orthonormée [3042] Tout espace vectoriel euclidien admet une base orthonormale.
◦ Théorème de la base orthonormée incomplète [3043]
Toute famille orthonormale de vecteurs d’un espace vectoriel euclidien se complète en une base orthonormale.
◦ Diverses expressions dans une base orthonormale [3044]
Soit E un espace euclidien, U = (u1 , . . . , un ) une base orthonormale de E, f ∈ L(E) et (x, y) ∈ E 2 .
On note A = (ai,j ) = M U f , X = (x1 · · · xn )T = M U x et Y = (y1 · · · ∑ yn )T = M U y. Alors :
n
(i) ∀j ∈ [[ 1 , n ]] , xj = (uj |x) (coordonnées) (ii) (x|y) = j=1 xj yj = X T Y (produit scalaire)
∑n ∑n
(iii) ∥x∥ = j=1 |xj | = X X (norme)
2 2 T
(iv) ∥x − y∥ = j=1 |xj − yj |2 (carré de la distance)
2

(v) (x|f (y)) = ∑X

T
AY = (X|AY ) = (AT X|Y ) (vi) ∀(i, j) ∈ [[ 1 , n ]] 2 , ai,j = (ui |f (uj )) (coefficients)
n
(vii) tr(f ) = i=1 (ui |f (ui )) (trace)
Utiliser une base orthonormale pour se ramener à des calculs usuels [3045]
La donnée d’une base orthonormale d’un espace vectoriel euclidien E de dimension n détermine un isomorphisme de E
sur Rn muni de son produit scalaire canonique.

2◦) Supplémentaire orthogonal d’un sous-espace vectoriel

◦ Supplémentaire orthogonal [3046] Soient E un espace euclidien et F un sous-espace vectoriel de E. Alors :
(i) dim(E) = dim(F ) + dim(F ⊥ ) (ii) F = (F ⊥ )⊥
◦ Perpendicularité [3047] Soient E un espace euclidien, F et G deux sous-espaces vectoriels de E.
On dit que F et G sont perpendiculaires lorsque les trois propriétés équivalentes suivantes sont vérifiées :
(i) F ⊥ ⊂ G (ii) G⊥ ⊂ F (iii) F ⊥ et G⊥ sont orthogonaux

3◦) Isomorphisme canonique entre un espace euclidien et son dual

• Théorème de représentation d’une forme linéaire dans un espace euclidien [3048]
Soit E un espace euclidien. Pour tout a ∈ E, x 7→ (a|x) est une forme linéaire sur E.
Réciproquement, pour tout φ ∈ L(E, R), il existe un unique a ∈ E tel que pour tout x ∈ E, φ(x) = (a|x).
Ainsi, E → L(E, R) ; a 7−→ (x 7→ (a|x)) est un isomorphisme.
◦ Formes linéaires sur Mn (R) [3049]
Soit φ ∈ L(Mn (R), R). Alors, il existe une unique matrice A ∈ Mn (R) telle que : ∀M ∈ Mn (R), φ(M ) = tr(AM )
◦ Vecteur orthogonal à un hyperplan vectoriel [3050]
Soit E un espace euclidien et U = (u1 , . . . , un )∑une base orthonormale de E. Alors pour tout (a1 , . . . , an ) ∈ Rn \ {0},
n
l’hyperplan H, noyau de la forme linéaire φ : j=1 xj uj 7→ a1 x1 + · · · + an xn , d’équation a1 x1 + · · · + an xn = 0 dans
∑n ∑n
la base U admet le vecteur j=1 aj uj = j=1 φ(uj )uj pour vecteur orthogonal.
◦ Distance à un hyperplan vectoriel [3051]
Soit E un espace euclidien, U = (u1 , . . . , un ) une base orthonormale de E, (a1 , . . . , an ) ∈ Rn \ {0} et y ∈ E.
Si on note H l’hyperplan d’équation
∑
a1 x1 + · · · + an xn = 0 dans la base U et (y1 , . . . , yn ) les coordonnées de y dans
|√ nj=1 aj yj |
la base U, alors : d(y, H) = ∑n 2
j=1 aj
 48 Descartes — MP — CC BY-NC-SA 2023-2024

B Endomorphismes remarquables d’un espace euclidien

I Adjoint d’un endomorphisme
1◦) Adjonction
• Adjoint d’un endomorphisme [3052] Soit E un espace euclidien et f ∈ L(E).
Il existe un unique endomorphisme g ∈ L(E) tel que pour tous x, y ∈ E, (f (x)|y) = (x|g(y)).
On appelle adjoint de f cet endomorphisme. Notation : f ∗
◦ Une symétrie vectorielle sur L(E) [3053] Soit E un espace euclidien.
Alors l’adjonction L(E) → L(E) ; f 7→ f ∗ est une symétrie vectorielle sur L(E), et :
(i) ∀f, g ∈ L(E), (g ◦ f )∗ = f ∗ ◦ g ∗ (ii) id∗E = idE (iii) ∀f ∈ GL(E), f ∗ ∈ GL(E) et (f −1 )∗ = (f ∗ )−1
◦ Stabilité et orthogonal [3054]
Soient E un espace euclidien, f ∈ L(E) et F un sous-espace vectoriel de E stable par f . Alors F ⊥ est stable par f ∗ .
◦ Matrice de l’adjoint dans une base orthonormée [3055] Soient E un espace euclidien, f ∈ L(E) et U une base
orthonormée de E. On note A la matrice de f dans U. Alors la matrice de f ∗ dans U est AT .
◦ Hyperplans stables par un endomorphisme [3056]
Soient E un espace euclidien, f ∈ L(E), a ∈ E \ {0} et U une base orthonormale de E. Dans U, on note A la matrice
de f , (a1 , . . . , an ) ∈ Rn \ {0} les coordonnées de a et H l’hyperplan {a}⊥ , d’équation a1 x1 + · · · + an xn = 0. Alors H
( )T
est stable par f si et seulement si a est vecteur propre de f ∗ , c’est-à-dire a1 · · · an est vecteur propre de AT .

2◦) Deux situations particulières

Endomorphisme auto-adjoint [3057]
Soient E un espace euclidien et f ∈ L(E). On dit que f est un endomorphisme auto-adjoint ou encore un endomor-
phisme symétrique lorsque pour tout (x, y) ∈ E 2 , (f (x)|y) = (x|f (y)). Notation : f ∈ S(E)
On constate que S(E) est aussi l’ensemble des invariants par l’opérateur d’adjonction.
• Isométrie vectorielle [3058] Soit E un espace euclidien et f ∈ L(E). Si f vérifie une des propriétés suivantes
équivalentes, on dit que f est une isométrie vectorielle ou encore un automorphisme orthogonal de E :
(i) pour tout x de E, ∥f (x)∥ = ∥x∥, (on dit que f conserve la norme, définition du programme officiel)
(ii) pour tout (x, y) de E 2 , (f (x)|f (y)) = (x|y), (on dit que f conserve le produit scalaire 6 )
(iii) f ∈ GL(E) et f ∗ = f −1 ,
(iv) il existe une base orthonormale de E dont l’image par f est une base orthonormale de E,
(v) toute base orthonormale de E a pour image par f une base orthonormale de E.

II Isométries vectorielles
1◦) Groupe orthogonal
◦ Structure [3059] Soit E un espace euclidien. L’ensemble des isométries vectorielles de E constitue un sous-groupe de
GL(E), appelé groupe orthogonal de E. Notation : O(E)
◦ Stabilité et orthogonal [3060] Soit E un espace euclidien, f ∈ O(E) et F un sous-espace vectoriel de E stable par f .
Alors F ⊥ est aussi stable par f .
◦ Symétries orthogonales [3061] Les symétries orthogonales d’un espace euclidien sont des isométries vectorielles.
Réflexion [3062] Une réflexion est une symétrie orthogonale par rapport à un hyperplan H d’un espace euclidien E.

2◦) Matrices orthogonales

Matrice orthogonale Soit A ∈ Mn (R). On dit que A est une matrice orthogonale lorsque AT A = In .
[3063]

Inversibilité [3064] Une matrice orthogonale est donc inversible et AAT = In .

• Théorème de caractérisations des matrices orthogonales [3065]
Soit A ∈ Mn (R). Alors A est une matrice orthogonale si et seulement si l’une des trois propriétés suivantes est vérifiée :
(i) Les vecteurs colonnes de A constituent une base orthonormale pour le produit scalaire canonique de Rn .
(ii) L’endomorphisme de Rn canoniquement associé à A est une isométrie vectorielle.
(iii) Les vecteurs lignes de A constituent une base orthonormale pour le produit scalaire canonique de Rn .
Ainsi, l’inverse d’une matrice orthogonale est sa transposée et ses coefficients appartiennent à [−1, 1].
◦ Matrices et isométries vectorielles [3066]
Soient E un espace euclidien de dimension n, U une base orthonormale de E et f ∈ L(E). On note A la matrice
de f dans U. Alors f est une isométrie vectorielle de E si et seulement si A est une matrice orthogonale.
6. Cette propriété implique « conserver l’orthogonalité », mais ne lui est pas équivalente.
 Chapitre III. Espaces préhilbertiens réels, endomorphismes d’un espace euclidien 49

◦ Structure et topologie [3067] L’ensemble des matrices orthogonales d’ordre n constitue donc un groupe multiplicatif,
appelé groupe orthogonal d’ordre n isomorphe
√ à O(E), si E désigne un espace euclidien de dimension n. C’est aussi
un compact de Mn (R), inclus dans S(0, n) pour la norme euclidienne canonique. Notation : O(n) (ou On (R))

3◦) Changement de base orthonormale

◦ Matrice de passage d’un changement de base orthonormale Soit E un espace euclidien et U et U′ deux
[3068]
′
bases de E, U est supposée orthonormale. Alors PU
U ∈ O(n) si et seulement si U′ est orthonormale.
◦ Formule de changement de base orthonormale [3069] Soit E un espace euclidien de dimension n, f un endomorphisme
quelconque de E et U et U′ deux bases orthonormales de E. On note P ∈ O(n) la matrice de passage de U vers U′
et A (resp. A′ ) la matrice de f dans la base U (resp. U′ ). Alors : A′ = P T AP

III Classification des matrices orthogonales

1◦) Un sous-groupe et un sous-ensemble remarquables du groupe orthogonal d’ordre n
◦ Déterminant d’une matrice orthogonale [3070] Il vaut 1 ou −1.
Attention [3071] Il existe des matrices de déterminant −1 ou 1 qui ne sont pas orthogonales, par exemple I2 + E1,2 .
◦ Déterminant d’une isométrie vectorielle [3072] Il vaut 1 ou −1.
◦ Groupe spécial orthogonal [3073] L’ensemble des matrices orthogonales de déterminant 1, appelées matrices orthogo-
nales directes ou matrices orthogonales positives ou matrices orthogonales droites, constitue un groupe, appelé groupe
spécial orthogonal d’ordre n. Notation : SO(n) (ou SOn (R))
L’ensemble des isométries vectorielles de déterminant 1 d’un espace euclidien E constitue un groupe, appelé groupe
spécial orthogonal de E. Notation : SO(E)
Attention [3074] Ni O(E) \ SO(E), ni O(n) \ SO(n) n’est un groupe. Les éléments de O(n) \ SO(n) sont les matrices
orthogonales indirectes ou matrices orthogonales négatives ou matrices orthogonales gauches. On utilise le même
vocabulaire pour les isométries
◦ Les réflexions sont gauches [3075] Les réflexions d’un espace euclidien sont des éléments de O(E) \ SO(E).
◦ Une relation d’équivalence sur les bases orthonormales [3076] Soit E un espace euclidien. Alors la relation suivante
′
est une relation d’équivalence sur l’ensemble des bases orthonormales de E : U R U′ ⇐⇒ det(P U U )=1
Si l’espace est dimension au moins 1, la relation binaire précédente admet exactement deux classes d’équivalence.
L’une arbitrairement choisie de ces deux classes est appelée la classe des bases directes, et l’autre celle des bases
indirectes. Dans chaque classe, les bases ont la même orientation. Choisir une telle classe oriente l’espace E.
Dans tout espace euclidien orienté, orienter un sous-espace vectoriel oriente d’office son orthogonal.
Orientations [3077] Soit E un espace euclidien de dimension n orienté par le choix d’une base orthonormée U. Alors
′
une base orthonormée U′ est directe (resp. indirecte) si et seulement P U U′
U ∈ SO(n) (resp. P U ∈ O(n) \ SO(n)).
◦ Un déterminant invariant [3078] Soient E un espace euclidien orienté, et U et U′ deux bases orthonormales directes.
Alors : det U = det U′

2◦) Isométries vectorielles d’un plan euclidien E

a. Description de O(2)
• Description
{ des matrices
( orthogonales)droites}et gauches d’ordre deux
{ [3079] ( ) }
cos(θ) − sin(θ) cos(θ) sin(θ)
SO(2) = R(θ) = θ∈R et O(2) \ SO(2) = S(θ) = θ∈R
sin(θ) cos(θ) sin(θ) − cos(θ)
◦ Réduction des matrices orthogonales droites d’ordre deux [3080] Pour tout θ ∈ R, χR(θ) = (X − cos(θ))2 + sin2 (θ).
Donc si θ ∈
/ πZ, alors Sp(R(θ)) = ∅, si θ ≡ 0 [2π], R(θ) = I2 et si θ ≡ π [2π], R(θ) = −I2 .
′
[3081] Soit (θ, θ ) ∈ R . Alors :
2
◦ Calculs algébriques dans O(2)
′ ′ −1
(i) R(θ)R(θ ) = R(θ + θ ) donc R(θ) = R(−θ) (ii) S(θ′ )R(θ) = S(θ′ − θ)
′ ′ −1
(iii) S(θ)S(θ ) = R(θ − θ ) donc S(θ) = S(θ) (iv) R(θ)S(θ′ ) = S(θ + θ′ )
◦ Structure [3082]
L’application R → SO(2) ; θ 7→ R(θ) est un morphisme surjectif de groupes commutatifs, de noyau 2πZ.
Ainsi l’application U → SO(2) ; eiθ 7→ R(θ) est un isomorphisme.
Par ailleurs, les matrices S(θ) engendrent le groupe O(2).
◦ Réduction des matrices orthogonales indirectes
( d’ordre ) deux [3083] Pour tout θ ∈ R, S(θ) est diagonalisable.
C’est une matrice de réflexion, d’axe Vect (cos( θ2 ), sin( θ2 )) .
◦ Effet d’un changement de bases orthonormées sur une matrice R(θ) [3084] Soient E un espace euclidien de
′
dimension 2, U et U′ deux bases orthonormées de E. On note P = P U U ∈ O(2). Deux cas sont possibles :
(i) Si P ∈ SO(2), alors il existe θ′ ∈ R tel que P = R(θ′ ) et alors, pour tout θ ∈ R, P −1 R(θ)P = R(θ).
(ii) Si P ∈ O(2) \ SO(2), alors il existe θ′ ∈ R tel que P = S(θ′ ) et alors, pour tout θ ∈ R, P −1 R(θ)P = R(−θ).
 50 Descartes — MP — CC BY-NC-SA 2023-2024

b. Description de O(E) – en dimension 2

◦ Deux types d’objets [3085] Les éléments de SO(E), si E est un espace euclidien de dimension 2, ont une matrice du
type R(θ) dans une base orthonormée et cette matrice est invariante par changement de base orthonormée directe.
On peut donc, dans un espace euclidien orienté de dimension 2, parler d’une rotation vectorielle d’angle orienté θ.
Les éléments de SO(E) sont donc les rotations vectorielles et ceux de O(E) \ SO(E) sont les réflexions de E.
◦ Structure [3086] Soit E un plan euclidien. Alors SO(E) est commutatif et les réflexions engendrent le groupe O(E).
Rotation plane, produit scalaire et déterminant [3087]
Si f désigne une rotation d’angle θ dans le plan orienté E, de matrice R(θ) dans n’importe quelle base orthonormée
directe U, alors, pour tout x ∈ E : (x|f (x)) = ∥x∥2 cos(θ) et det U (x, f (x)) = ∥x∥2 sin(θ)
Angle orienté de deux vecteurs dans un plan orienté [3088] Dans le plan orienté par U, si x1 , x2 ∈ E \ {0} et θ
est l’angle orienté entre x1 et x2 , alors : det U (x1 , x2 ) = ∥x1 ∥ ∥x2 ∥ sin(θ)
Matrice d’une similitude vectorielle directe plane [3089]
Pour tous λ ∈ R∗+ et θ ∈ R, la matrice λR(θ) est celle d’une similitude vectorielle directe plane.

3◦) Réduction des isométries vectorielles d’un espace euclidien

• Réduction des isométries vectorielles d’un espace euclidien général [3090]
Soit E un espace euclidien de dimension n et f un élément de O(E). Il existe une base orthonormale U de E telle que
la matrice de f dans U soit diagonale par blocs, avec des blocs diagonaux du type Ik , −Ik′ et des matrices R(θk′′ ),
matrices de rotations en dimension 2, où θk′′ ∈ R \ πZ.
◦ Réduction des matrices de O(3) [3091] Soit A ∈ O(3). Il existe P ∈ SO(3) et θ ∈ R telle que P T AP = diag(R(θ), ±1).
HP Rappel des propriétés du produit vectoriel de deux vecteurs en dimension trois [3092]
ADMIS Soient (x1 , x2 , x3 ) ∈ E 3 , λ ∈ R et U = (u1 , u2 , u3 ) une base orthonormale directe de E :
(i) (x1 ∧ x2 |x3 ) = det U (x1 , x2 , x3 ) (propriété définitionnelle du produit vectoriel)
(ii) x1 ∧ (x2 + x3 ) = x1 ∧ x2 + x1 ∧ x3 (iii) (x1 + x2 ) ∧ x3 = x1 ∧ x3 + x2 ∧ x3
(iv) λ(x1 ∧ x2 ) = (λx1 ) ∧ x2 = x1 ∧ (λx2 ) (ces trois propriétés traduisent la bilinéarité)
(v) x1 ∧ x2 = −x2 ∧ x1 (propriété d’antisymétrie) (vi) rg(x1 , x2 ) ≤ 1 ⇐⇒ x1 ∧ x2 = 0 (caractère alterné)
(vii) x1 ∧ x2 ∈ (Vect(x1 , x2 ))⊥ (viii) u1 ∧ u2 = u3 , u2 ∧ u3 = u1 et u3 ∧ u1 = u2
(ix) Si les composantes de x1 et x2 dans U sont (α1 , β1 , γ1 ) et (α2 , β2 , γ2 ), alors celles de x1 ∧ x2 dans U sont :
β1 β2 γ1 γ2 α1 α2
, et
γ1 γ2 α1 α2 β1 β2
(x) x1 ∧ (x2 ∧ x3 ) = (x1 |x3 )x2 − (x1 |x2 )x3 (formule du double produit vectoriel)
◦ Description exhaustive des isométries d’un espace euclidien orienté E de dimension 3 [3093]
⋄ Soit f ∈ SO(E). Alors il existe θ ∈ R et une base orthonormale directe (u1 , u2 , u3 ) de E dans laquelle la matrice de
f est diag(R(θ), 1), et f est la rotation vectorielle d’axe orienté et dirigé par u3 et d’angle orienté θ et :
HP ∀x ∈ E, f (x) = cos(θ)x + (1 − cos(θ))(u3 |x)u3 + sin(θ)u3 ∧ x
HP ⋄ Soit f ∈ O(E) \ SO(E). Alors il existe θ ∈ R et une base orthonormale directe (u1 , u2 , u3 ) de E dans laquelle la
matrice de f est diag(R(θ), −1), et f est une antirotation, c’est-à-dire la composée commutative de la rotation d’axe
dirigé et orienté par u3 et d’angle orienté θ, et de la réflexion par rapport au plan Vect(u1 , u2 ).
Si θ ≡ 0 [2π], il s’agit simplement de la réflexion par rapport au plan Vect(u1 , u2 ).
Demi-tour [3094] On appelle demi-tour de l’espace une rotation d’angle π. C’est aussi une symétrie orthogonale axiale.
HP Éléments générateurs [3095] Soit E un espace euclidien de dimension 3. Les réflexions engendrent le groupe O(E).
Réduction concrète des matrices de O(3) [3096]
On cherche à réduire A ∈ M3 (R) dont on a montré préalablement qu’elle appartient à O(3).
On commence par déterminer si elle est gauche ou droite.
⋄ Si A ∈ SO(3), on cherche alors V3 ∈ Ker(A − I3 ) \ {0} dont on se sert pour orienter l’axe.
Si on note θ l’angle de la rotation, alors cos(θ) = 12 (tr(A) − 1). Puis on détermine un vecteur orthogonal V à l’axe
et dans ce cas det(V, AV, V3 ) = sin(θ)∥V ∥2 ∥V3 ∥, dont le signe est aussi celui de θ.
⋄ Si A ∈ O(3) \ SO(3), elle est semblable à une matrice diag(R(θ), −1). Puisque cos(θ) = 21 (tr(A) + 1), alors :
• Si θ ≡ 0 [2π], A est la matrice d’une réflexion dont on détermine le plan Ker(A − I3 ).
• Si θ ≡ π [2π], A = −I3 , c’est la matrice de la symétrie centrale.
HP • Sinon, on cherche V
3 ∈ Ker(A + I3 ) \ {0} dont on se sert pour orienter l’axe. Puis on détermine un vecteur
orthogonal V à l’axe et dans ce cas det(V, AV, V3 ) = sin(θ)∥V ∥2 ∥V3 ∥, dont le signe est aussi celui de θ.
Pour aller plus vite [3097] Si V ∈ / V3⊥ , alors det(V, AV, V3 ) a aussi pour signe celui de θ.
 Chapitre III. Espaces préhilbertiens réels, endomorphismes d’un espace euclidien 51

IV Endomorphismes auto-adjoints
1◦) Endomorphismes et matrices symétriques
◦ Structure [3098] Soit E un espace euclidien. L’ensemble S(E) est un sous-espace vectoriel de L(E).
• Stabilité et orthogonal [3099] Soient E un espace euclidien, F un sous-espace vectoriel de E et f ∈ S(E).
Si F est stable par f , alors F ⊥ l’est aussi, et les endomorphismes induits par f sur F et sur F ⊥ sont auto-adjoints.
Endomorphisme auto-adjoint (défini) positif [3100] Soient E un espace euclidien et f ∈ S(E).
On dit que f est un endomorphisme auto-adjoint positif lorsque : ∀x ∈ E, (x|f (x)) ≥ 0
Et f est un endomorphisme auto-adjoint défini positif lorsque : ∀x ∈ E \ {0}, (x|f (x)) > 0
Notation : f ∈ S+ (E) (resp. f ∈ S++ (E))
◦ Lien avec les formes bilinéaires symétriques [3101] Soient E un espace euclidien et f ∈ S(E).
Alors (x, y) 7→ (x|f (y)) est une forme bilinéaire symétrique sur E.
De plus, elle est positive si et seulement si f l’est, et c’est un produit scalaire si et seulement si f ∈ S++ (E).
• Matrices et endomorphismes auto-adjoints [3102] Soient E un espace euclidien de dimension n, U une base ortho-
normale de E et f ∈ L(E). On note A la matrice de f dans U. Alors : f ∈ S(E) ⇔ A ∈ Sn (R)
Attention [3103] La composée de deux endomorphismes auto-adjoints n’est pas nécessairement auto-adjoint, tout
comme le produit de deux matrices symétriques ne l’est pas nécessairement non plus.
◦ Matrice symétrique réelle (définie) positive [3104] Soit A ∈ Sn (R).
On dit que A est symétrique réelle positive lorsque : ∀X ∈ Mn,1 (R), X T AX ≥ 0
Et A est symétrique réelle définie positive lorsque : ∀X ∈ Mn,1 (R) \ {0}, X T AX > 0
De telles matrices sont les matrices d’un endomorphisme auto-adjoint positif (resp. défini positif) dans une base
orthonormale d’un espace euclidien. Notation : A ∈ Sn+ (R) (resp. A ∈ Sn++ (R))
◦ Lien avec les formes bilinéaires symétriques [3105]
Soit A ∈ Sn (R). Alors (X, Y ) 7→ X T AY est une forme bilinéaire symétrique de Mn,1 .
De plus, elle est positive si et seulement si A ∈ Sn+ (R), et c’est un produit scalaire si et seulement si A ∈ Sn++ (R).

2◦) Endomorphismes auto-adjoints remarquables

• Caractérisations des projecteurs orthogonaux [3106]
Soit E un espace euclidien et f ∈ L(E). Alors les propriétés suivantes sont équivalentes :
(i) f est un projecteur tel que : ∀x ∈ E, ∥f (x)∥ ≤ ∥x∥
(ii) f est un projecteur orthogonal, (iii) f est idempotent et auto-adjoint,
(iv) la matrice A de f dans une base orthonormale quelconque de E vérifie A2 = A et AT = A.
◦ HP Caractérisations des symétries vectorielles orthogonales [3107]
Soit E un espace euclidien et f ∈ L(E). On note A la matrice de f dans une base orthonormale quelconque de E.
Alors f est une symétrie vectorielle orthogonale si et seulement si f est une involution auto-adjointe.
De plus, deux des trois propriétés suivantes impliquent la troisième :
(i) f est involutif i.e. A2 = In (ii) f est auto-adjoint i.e. AT = A (iii) f est isométrique i.e. AT A = In

3◦) Diagonalisation des endomorphismes et des matrices symétriques

• Lemme spectral [3108] Soient E un espace euclidien et f ∈ S(E). Alors χf est scindé sur R.
• Théorème spectral [3109] Soit E un espace euclidien et f ∈ S(E).
Il existe une base orthonormale de E dans laquelle la matrice de f est diagonale.
◦ Orthogonalité des sous-espaces propres [3110] Les sous-espaces propres d’un endomorphisme auto-adjoint d’un
espace euclidien sont des sous-espaces vectoriels supplémentaires orthogonaux de E.
◦ Diagonalisation orthogonale des matrices symétriques réelles [3111]
Toute matrice symétrique réelle est diagonalisable dans Mn (R) au moyen d’une matrice de passage orthogonale.
Méthode d’ortho-diagonalisation [3112] Pour diagonaliser une matrice symétrique réelle, on emploiera les méthodes
habituelles de diagonalisation, mais en tenant compte, de plus, du fait que les sous-espaces propres sont orthogonaux.
Ainsi, connaître un vecteur propre permet de localiser les autres dans son hyperplan orthogonal.
◦ Caractérisation des endomorphismes symétriques (définis) positifs [3113] Soient E un espace euclidien et f ∈ S(E).
Alors f ∈ S+ (E) (resp. f ∈ S++ (E)) si et seulement si Sp(f ) ⊂ R+ (resp. Sp(f ) ⊂ R∗+ ).
Ainsi : S+ (E) ∩ GL(E) = S++ (E)
◦ Caractérisation des matrices réelles symétriques (définies) positives [3114] Soit A ∈ Sn (R).
Alors A ∈ Sn+ (R) (resp. A ∈ Sn++ (R)) si et seulement si Sp(A) ⊂ R+ (resp. Sp(A) ⊂ R∗+ ).
Ainsi : Sn+ (R) ∩ GLn (R) = Sn++ (R)
52 Descartes — MP — CC BY-NC-SA 2023-2024
Chapitre IV. Suites et fonctions réelles de la variable réelle (première année) 53

A Suites réelles
I Deux algèbres, pour commencer
1◦) Algèbre des suites réelles
Suite réelle [4001] Une suite réelle est un élément de RN (ou de RN\ [[ 0 , n0 −1 ]] si n0 ∈ N∗ ). Notation : n 7→ un
Attention [4002] L’ensemble des termes est u = (un )n∈N , à ne pas confondre avec le terme général un , qui dépend de n.
Structure [4003] L’ensemble RN est une R-algèbre commutative, avec les lois suivantes, pour (un ), (vn ) ∈ RN et λ ∈ R :
(i) (un )n∈N + (vn )n∈N = (un + vn )n∈N (ii) λ(un )n∈N = (λun )n∈N (iii) (un )n∈N (vn )n∈N = (un vn )n∈N
Quotient [4004] Si pour tout n ∈ N, vn ̸= 0, on peut considérer (un )n∈N /(vn )n∈N = (un /vn )n∈N .

2◦) Algèbre des suites bornées

Suites majorées, minorées, bornées [4005] Une suite réelle u est minorée (resp. majorée) lorsqu’il existe M ∈ R tel
que pour tout n ∈ N, un ≥ M (resp. un ≤ M ). Une suite majorée et minorée est dite bornée.
Caractérisation [4006] Une suite réelle est bornée si et seulement s’il existe M ∈ R+ tel que : ∀n ∈ N, |un | ≤ M
Structure [4007] L’ensemble des suites réelles bornées constitue une R-algèbre commutative. Notation : ℓ∞
Attention [4008] L’ensemble des suites réelles majorées ne constitue pas un espace vectoriel.
Suite stationnaire [4009] La suite u est une suite stationnaire s’il existe n0 ∈ N, tel que : ∀n ∈ N, n ≥ n0 ⇒ un = un0
Structure [4010] L’ensemble des suites réelles stationnaires constitue une sous-algèbre des suites réelles bornées.

II Limite d’une suite réelle

1◦) Convergence
a. Suites convergentes
Convergence [4011] Soit u = (un )n∈N une suite réelle et ℓ ∈ R. On dit que u converge vers ℓ (ou que u est convergente
de limite ℓ) lorsque pour tout ε > 0, il existe n0 ∈ N tel que pour tout n ∈ N, si n ≥ n0 alors |un − ℓ| ≤ ε.
Notation : lim u = ℓ ou encore limn→∞ un = ℓ (ou éventuellement u → ℓ)
Remarques [4012]
(i) n0 dépend de ε et n’est pas unique,
(ii) “il existe n0 ∈ N tel que pour tout n ∈ N, si n ≥ n0 alors” peut se lire aussi : “pour n assez grand”, ou encore
“à partir d’un certain rang”, ou encore “asymptotiquement”. Ainsi, une suite tronquée a même limite que la suite
initiale.
(iii) on peut remplacer n ≥ n0 par n > n0 et/ou |un − ℓ| ≤ ε par |un − ℓ| < ε,
Divergence [4013] Une suite qui ne converge pas est dite divergente.
Ainsi la suite réelle u est divergente si et seulement si : ∀ℓ ∈ R, ∃ε > 0, ∀n0 ∈ N, ∃n ∈ N, n ≥ n0 et |un − ℓ| > ε
Suite stationnaire [4014] Une suite réelle stationnaire est convergente, de limite sa valeur asymptotique.

b. Propriétés et opérations usuelles sur les suites convergentes

Unicité de la limite [4015] Si une suite réelle admet une limite alors cette limite est unique.

Deux conditions nécessaires [4016] Soit u ∈ RN , convergente. Alors u est bornée et (un+1 − un ) converge vers 0.
Attention [4017] Les réciproques sont fausses : par exemple, considérer ((−1)n )n∈N et (ln(n))n∈N∗ .
Produit d’une suite bornée et d’une suite de limite nulle [4018] C’est une suite de limite nulle.
Théorème d’opérations sur les suites convergentes [4019] Soient u, u′ ∈ RN et λ ∈ R. On suppose que u converge
vers ℓ et u′ vers ℓ′ . Alors les suites u + u′ , λu, uu′ et |u| sont convergentes, de limites respectives ℓ + ℓ′ , λℓ, ℓℓ′ et |ℓ|.
Ainsi, l’ensemble des suites réelles convergentes constitue une R-algèbre commutative.
Si de plus, pour tout n ∈ N, u′n ̸= 0 et ℓ′ ̸= 0, alors u/u′ converge vers ℓ/ℓ′ .
Attention [4020] Le résultat sur les valeurs absolues n’a pas de réciproque : considérer ((−1)n )n∈N .

c. Suites extraites
Extraction Soient u ∈ RN et φ ∈ NN une fonction strictement croissante appelée extractrice.
[4021]
La suite u ◦ φ = (uφ(n) )n∈N est une suite extraite de la suite u.
Extraction et convergence Soit u ∈ RN et φ ∈ NN une extractrice. Alors :
[4022]
(i) Pour tout n ∈ N, φ(n) ≥ n. (ii) Si u converge vers ℓ ∈ R, alors u ◦ φ aussi.
n
Attention [4023] Pas de réciproque : ((−1) )n∈N admet des suites extraites convergentes, mais diverge.
 54 Descartes — MP — CC BY-NC-SA 2023-2024

MP Valeur d’adhérence [4024] Soit u une suite réelle et ℓ ∈ R.

On dit que u admet ℓ pour valeur d’adhérence lorsqu’il existe une suite extraire de u convergente vers ℓ.
Une suite réelle convergente de limite ℓ admet ℓ pour unique valeur d’adhérence.
Divergence et suites extraites [4025] Pour montrer la divergence d’une suite, il suffit d’exhiber une suite extraite
divergente ou deux valeurs d’adhérence différentes.
Attention [4026] Pour extraire une suite d’une suite extraite, il faut composer à droite : u ◦ φ ◦ ψ est extraite de u ◦ φ.
Une autre approche [4027] Une autre façon d’envisager la notion de suite extraite d’une suite u consiste à se donner
un sous-ensemble A de cardinal infini de N, et de s’intéresser à la suite u|A = (un )n∈A . Le fait d’ordonner A revient à
se donner une application injective φ de N vers lui-même, bijective si on corestreint cette application à A = Im(φ).
Une pseudo réciproque [4028] Si A1 , . . . , Ak sont infinies et constituent un recouvrement de N, et si u|A1 , . . . , u|Ak
convergent toutes vers ℓ ∈ R, alors u converge elle aussi vers ℓ. Par exemple : A1 = 2N et A2 = 2N + 1

2◦) Suites divergentes de limite infinie

Limite infinie [4029] Une suite réelle u a pour limite +∞ (resp. −∞) lorsque pour tout A ∈ R, il existe n0 ∈ N, pour
tout n ≥ n0 , un > A (resp un < A). Notation : lim u = +∞ (resp. lim u = −∞)
Propriétés des suites divergentes vers +∞ [4030]
(i) De telles suites divergent et ne sont pas majorées.
(ii) Toute suite extraite d’une suite de limite +∞ (resp. −∞) diverge aussi vers +∞ (resp. −∞).
Attention [4031] Une suite non majorée ne tend pas nécessairement vers +∞ : considérer u = (n 12N (n))n∈N .
◦ Théorème d’opérations sur les suites divergentes de limite +∞ [4032]
Soit u et u′ deux suites réelles et λ ∈ R∗+ . On suppose que u diverge vers +∞ et que u′ est minorée. Alors :
(i) Les suites u + u′ et λu divergent vers +∞. (ii) Si de plus u′ est minorée par m > 0, uu′ diverge vers +∞.
Remarques [4033]
(i) On obtient des résultats analogues en modifiant des signes.
(ii) Le premier point admet deux cas particuliers : si u′ converge ou diverge vers +∞.
(iii) Attention aux formes indéterminées : +∞ + (−∞) et +∞ · 0
Passage à l’inverse [4034] Soit u une suite réelle. Alors : lim |u| = +∞ ⇐⇒ lim 1/u = 0

3◦) Théorèmes généraux sur les inégalités utilisant des hypothèses en terme de limites
◦ De la limite aux inégalités et réciproquement [4035] Soient u ∈ RN de limite ℓ ∈ R et α, β ∈ R. Alors :
(i) si α < ℓ < β alors il existe n0 ∈ N tel que pour tout n ≥ n0 , α < un < β,
(ii) s’il existe n0 ∈ N tel que pour tout n ≥ n0 , α < un < β, alors α ≤ ℓ ≤ β.
Attention [4036] Le “passage à la limite” se fait avec des inégalités larges : par exemple u = (1/n) et α = 0.
Limite et stricte positivité asymptotique [4037]
Soit u ∈ RN de limite ℓ ∈ R∗+ . Alors il existe n0 ∈ N et m > 0 tels que : ∀n ≥ n0 , un ≥ m et un > 0
Attention [4038] Les deux derniers points de conclusion ne sont pas équivalents : considérer, par exemple, (1/n)n∈N∗ .
Des limites aux comparaisons et réciproquement [4039] Soit u, u′ ∈ RN et ℓ, ℓ′ ∈ R. Si lim u = ℓ et lim u′ = ℓ′ , alors :
(i) si ℓ < ℓ′ alors il existe n0 ∈ N tel que pour tout n ≥ n0 , un < u′n ,
(ii) s’il existe n0 ∈ N tel que pour tout n ≥ n0 , un < u′n , alors ℓ ≤ ℓ′ .
Attention [4040] Les “passages à la limite” se font avec des inégalités larges : par exemple u = (−1/n) et u′ = (1/n).
Théorème de convergence par encadrement [4041] Soit (u, u′ , u′′ ) ∈ (RN )3 et ℓ ∈ R. Si lim u = ℓ et lim u′′ = ℓ et s’il
existe n0 ∈ N tel que pour tout n ≥ n0 , un ≤ u′n ≤ u′′n alors u′ admet ℓ pour limite.
Méthode par encadrement [4042] Soit u ∈ RN et ℓ ∈ R. Pour montrer que u tend vers ℓ, on majore asymptotiquement
|un − ℓ| par le terme général d’une suite réelle qui tend vers 0.
Théorème de divergence par minoration [4043] Soit (u, u′ ) ∈ (RN )2 . Si lim u = +∞ et s’il existe n0 ∈ N tel que pour
tout n ≥ n0 , un ≤ u′n alors u′ admet +∞ pour limite.

4◦) Théorèmes permettant d’obtenir l’existence d’une limite

a. Limites monotones
◦ Théorème de la limite monotone [4044] Toute suite u de réels croissante a le comportement suivant :
Si u est majorée, elle converge vers sup {un |n ∈ N}, et sinon elle diverge vers +∞.
Attention [4045] Ce résultat est faux si on s’intéresse à une suite d’éléments de Q. En effet, une suite de rationnels
peut très bien converger dans R \ Q, et donc diverger dans Q.
Par ailleurs, une suite réelle peut très bien converger, ou bien diverger vers +∞, sans pour autant être monotone.
 Chapitre IV. Suites et fonctions réelles de la variable réelle (première année) 55

b. Suites adjacentes et conséquences

Suites adjacentes [4046]
Deux suites réelles sont des suites adjacentes si l’une croît, l’autre décroît et leur différence tend vers 0.
• Lemme des suites adjacentes [4047] Si u et v sont adjacentes, si u croît et v décroît, alors : ∀(p, q) ∈ N2 , up ≤ vq
• Théorème des suites adjacentes [4048] Deux suites réelles adjacentes convergent vers une même limite.
Théorème des segments emboîtés [4049] Soit ([un , vn ])n∈N une suite de segments décroissante pour l’inclusion telle
∩
que lim(v − u) = 0. Alors n∈N [un , vn ] est un singleton, limite commune des deux suites adjacentes u et v.
• Théorème de Bolzano-Weierstrass [4050] Soit u ∈ RN , bornée. Il existe alors une suite extraite de u convergente.
• Nombre d’Euler [4051] On pose, pour tout n ∈ N, un = 1 + 11! + · · · + n1! et vn = un + n1! .
Alors u et v sont adjacentes et on note e leur limite commune.
• Irrationalité de e [4052] Le réel e est irrationnel.
Valeurs décimales approchées [4053] Soit x ∈ R et n ∈ N∗ . On appelle valeur décimale approchée à 10−n près par
défaut (resp. par excès) de x le nombre décimal suivant : ⌊10 (resp. ⌊1010x⌋+1
n n
x⌋
10n n ).
• Limite des approximations décimales d’un réel [4054] Elles convergent vers ce réel.
Densité des décimaux dans la droite réelle [4055] Tout intervalle ouvert de R rencontre l’ensemble des décimaux.

5◦) Relations de comparaison sur les suites

a. Les trois relations
MP Domination [4056] Soient u, v ∈ RN .
On dit que u est dominée par v lorsque : ∃M ∈ R∗+ , ∃n0 ∈ N, ∀n ∈ N, n ≥ n0 ⇒ |un | ≤ M |vn |
Notation : u = O (v) ou un = O n→+∞ (vn )
MP Domination et domination asymptotique [4057]
Sous l’hypothèse que v ne s’annule pas, cette définition équivaut à : ∃M ∈ R∗+ , ∀n ∈ N, |un | ≤ M |vn |
MP Négligeabilité [4058] Soient u, v ∈ RN .
On dit que u est négligeable devant v lorsque : ∀ε ∈ R∗+ , ∃n0 ∈ N, ∀n ∈ N, n ≥ n0 ⇒ |un | ≤ ε |vn |
Notation : u = o (v) ou un = o n→+∞ (vn )
MP Équivalence [4059] Soient u, v ∈ RN .
On dit que u est équivalente à v lorsque u − v = o (v). Notation : u ∼ v ou un ∼n→+∞ vn
v ∈ )RN telles qu’à partir d’un certain rang n0 , vn ̸= 0. Alors :
Cas particuliers [4060] Soient u, (
(i) u = O (v) si et seulement si uvnn n≥n est bornée
( ) 0 ( )
(ii) u = o (v) ⇐⇒ lim uvnn n≥n0 = 0 (iii) u ∼ v ⇐⇒ lim uvnn n≥n0 = 1
b. Manipulations concrètes
∗
Propriétés algébriques [4061] Soient u, v, x et y quatre suites réelles et λ ∈ R . Alors :
(i) u = o (v) ⇒ u = O (v), (ii) u = O (v) et v = O (x) ⇒ u = O (x),
(iii) u = O (v) et v = o (x) ⇒ u = o (x), (iv) si u = O (v) et lim v = 0, alors lim u = 0,
(v) u = O (v) ⇒ λu = O (v), (vi) u = o (v) ⇒ λu = o (v),
(vii) u = O (x) et v = O (x) ⇒ (u + v) = O (x), (viii) u = o (x) et v = o (x) ⇒ (u + v) = o (x),
(ix) u = O (v) et x = O (y) ⇒ ux = O (vy), (x) u = o (v) et x = O (y) ⇒ ux = o (vy),
(xi) u = O (v) ⇒1 1/v = O (1/u), (xii) u = o (v) ⇒1 1/v = o (1/u),
(xiii) u ∼ v ⇔ u = v + o (v), (xiv) u ∼ v ⇒ u = O (v) et v = O (u),
(xv) u ∼ u, u ∼ v ⇒ v ∼ u, u ∼ v et v ∼ x ⇒ u ∼ x, (relation d’équivalence)
(xvi) u ∼ v ⇒ λu ∼ λv, (xvii) u ∼ v et x ∼ y ⇒1 ux ∼ vy et u/x ∼ v/y,
(xviii) si u ∼ v alors u et v ont même comportement en terme de convergence,
(xix) si u ∼ v alors au delà d’un certain rang n0 , un et vn ont même signe,
(xx) si, au delà d’un certain rang n0 , un ≤ vn ≤ wn et u ∼ w, alors v ∼ u.
Attention [4062] Ne pas ajouter des équivalents (u ∼ v et x ∼ y ̸⇒ u + x ∼ v + y), ni les composer à gauche
(u ∼ v et f ∈ RR ̸⇒ f ◦ u ∼ f ◦ v). De plus, il est absolument interdit d’écrire u ∼ 0.
Décomposition d’un équivalent [4063] Pour obtenir un équivalent de u ∈ RN , on peut chercher l’ordre de grandeur v,
qui soit “simple” et donne la tendance générale, et λ ∈ R∗ tels que : u = O (v), v = O (u) et u ∼ λv

1. Si les suites au dénominateur ne s’annulent pas, au moins de façon asymptotique.

56 Descartes — MP — CC BY-NC-SA 2023-2024

III Étude pratique des suites

Attention [4064] L’étude d’une suite, consiste à déterminer son comportement asymptotique. Cette étude n’implique
donc pas nécessairement celle de ses variations, contrairement à une étude classique de fonction.

1◦) Suites définies explicitement ; suites de référence

Méthode générale pour les suites explicites [4065] Si pour tout n ∈ N, un = f (n), où f est une fonction faisant
intervenir des fonctions usuelles de R à valeurs dans R, on utilise les relations de comparaisons, les suites de référence,
les équivalents pour les produits et les développements limités ou généralisés pour les sommes.
Suites arithmétiques [4066] Soit a, r ∈ R. On pose u = (a + nr)n∈N . Alors :
⋄ si r = 0, u est constante donc converge, ⋄ si r > 0, u diverge vers +∞, ⋄ si r < 0, u diverge vers −∞.
Suites géométriques [4067] Soit r ∈ R. On pose u = (r )n∈N . Alors :
n

⋄ si r = 0 ou r = 1, la suite u est constante et converge donc,

⋄ si r = −1, la suite u diverge,
⋄ si r ∈] − 1, 1[, la suite |u| décroît et tend vers 0, et alors u a aussi pour limite 0,
⋄ si r > 1, la suite u diverge vers +∞ et
⋄ si r < −1, la suite u diverge, et |u| diverge vers +∞.
Progression géométrique [4068]
n+1
Si r ∈ R \ {1} et n ∈ N, alors 1 + r + r2 + · · · + rn = 1−r
1−r , qui converge si et seulement si |r| < 1.
« La somme d’une progression géométrique est le premier terme de la somme multiplié par le quotient de la différence
de 1 et de la raison à la puissance le nombre de termes, par la différence de 1 et de la raison. »
Comparaisons géométriques [4069] Si 0 < r1 < r2 , alors r1n = o n→+∞ (r2n ).
Une hiérarchie incontournable : croissances comparées (des suites) de référence [4070]
∗
Soit r ∈ R+ , α, β ∈ R. On s’intéresse aux suites (r ), (n ), (ln(n)) et (n !). Selon les cas :
n α β
( )
⋄ si r < 1, α < 0 et β < 0, alors rn = o n→+∞ (nα ) et nα = o n→+∞ (ln(n))β ,
⋄ si r > 1, α > 0 et β > 0, alors (ln(n))β = o n→+∞ (nα ), nα = o n→+∞ (rn ) et rn = o n→+∞ (n !).
⋄ Les autres cas sont évidents.

2◦) Suites définies implicitement par des équations

Étudier une suite définie à l’aide d’équations [4071]
Soit (fn )n∈N une suite de fonctions. Il s’agit d’étudier la suite u, où un désigne la solution d’une équation fn (x) = 0
sur un intervalle In précisé. On note, pour tout n ∈ N, (En ) la relation fn (un ) = 0.
⋄ On commence par montrer, pour tout n ∈ N, l’existence et l’unicité de un , en étudiant fn sur l’intervalle In .
⋄ Pour tout n ∈ N, on cherche à localiser un , c’est-à-dire à déterminer un encadrement de un par des valeurs intéres-
santes, en général à l’aide des variations de fn .
⋄ On peut s’intéresser à la monotonie éventuelle de u, en déterminant, pour tout n ∈ N, le signe de fn (un+1 ).
On pourra utiliser (En ), (En+1 ), et les variations de fn .
⋄ Lorsque la suite est monotone et bornée, on peut conclure à la convergence, et tenter de “passer à la limite” dans (En )
pour obtenir cette limite. Attention, ce n’est pas sans risque.
⋄ Pour obtenir un développement asymptotique de un , il convient d’exploiter la relation (En ).

3◦) Suites définies par récurrence

a. Suites récurrentes générales d’ordre un
Étudier une suite récurrente d’ordre un [4072]
Soit I un intervalle de R et f ∈ F(I, I).
On suppose que u0 ∈ I est donné, ainsi que la relation de récurrence un+1 = f (un ), pour tout n ∈ N.
Si u0 est un paramètre, plusieurs cas sont en général possibles et amènent une discussion.
⋄ On étudie la fonction f . Un graphe est le bienvenu, qui permet le plus souvent de prévoir le comportement de u.
⋄ On détermine, si c’est possible, un intervalle J stable par f contenant u0 .
⋄ On s’intéresse alors aux éventuelles monotonies de u. Attention, la monotonie de u n’est pas celle de f a priori.
• Cependant, si f est croissante sur J, alors par récurrence, on montre très facilement que u est monotone. Le sens
de variation est celui de ses deux premiers termes, dans une configuration “en escalier”.
• Si f est décroissante sur J, la configuration “en escargot” est souvent plus délicate à étudier. On s’intéressera aux
sous-suites d’indices pairs et impairs, monotones.
⋄ On utilise aussi le théorème suivant, qui ne permet pas en lui-même de prouver la convergence de u.
Convergence continue vers un point fixe [4073] Si f ∈ C(J, J) et u converge vers ℓ ∈ J , alors f (ℓ) = ℓ.
 Chapitre IV. Suites et fonctions réelles de la variable réelle (première année) 57

b. Suites vérifiant une relation de récurrence affine d’ordre un ou deux à coefficients constants
Détermination du terme général d’une suite arithmético-géométrique [4074]
Soit (α, β) ∈ R \ {1} × R. On suppose que pour tout n ∈ N, un+1 = αun + β.
β
Pour calculer le terme général un en fonction de n, on pose ℓ = 1−α , et pour tout n ∈ N, vn = un − ℓ.
On montre alors que (vn ) est géométrique de raison α, donc, pour tout n ∈ N, un = ℓ + αn (u0 − ℓ).
Structure de l’ensemble des suites récurrentes affines d’ordre 2 à coefficients constants [4075]
Soit (α, β, γ) ∈ K × K \ {0} × K. On cherche à déterminer l’ensemble des suites (un ) ∈ KN qui vérifient la relation :
∀n ∈ N, un+2 = αun+1 + βun + γ ( C)
On note (H ) la relation homogène associée à la relation précédente, c’est-à-dire : ∀n ∈ N, vn+2 = αvn+1 + βvn
Alors l’ensemble des suites solutions de (H ) constitue un sous-espace vectoriel de KN isomorphe à K2 . L’ensemble des
suites solutions de ( C) est donc l’ensemble translaté du plan vectoriel précédent par une solution particulière de ( C).
Usage de l’équation caractéristique [4076]
⋄ Résolution de (H ) : On cherche des suites solutions sous la forme de suites géométriques.
On résout l’équation caractéristique associée : r2 = αr + β
• Si cette équation admet deux solutions distinctes r1 et r2 , le plan vectoriel des solutions est : Vect ((r1n ), (r2n ))
• Si r est racine double, il s’agit alors de : Vect ((rn ), (nrn ))
⋄ Solution particulière de ( C) :
• Si 1 n’est pas solution de l’équation caractéristique, on cherche une solution constante.
• Si 1 est racine simple de l’équation caractéristique, on cherche une solution du type (λn)n∈N .
• Si 1 est racine double de l’équation caractéristique, on cherche une solution du type (λn2 )n∈N .

IV Brève extension aux suites à valeurs complexes

1◦) Suites complexes et limites
Suites complexes, suites bornées Une suite à valeurs complexes est un élément de CN .
[4077]
On dit que u est bornée s’il existe M ∈ R tel que pour tout n ∈ N, |un | ≤ M .
Structures [4078] L’ensemble des suites complexes est une algèbre commutative sur C et l’ensemble des suites complexes
bornées en est une sous-algèbre.
Convergence [4079] Soit u ∈ CN et ℓ ∈ C. On dit que u converge vers ℓ (ou que u est convergente de limite ℓ) lorsque
pour tout ε > 0, il existe n0 ∈ N, pour tout n ≥ n0 , |un − ℓ| ≤ ε. Notation : lim u = ℓ ou encore lim un = ℓ
n→∞

2◦) Résultats
Théorème des suites composantes [4080] Soit u ∈ CN et ℓ ∈ C. Il existe a, b ∈ RN , uniques, vérifiant pour tout n ∈ N,
un = an + ibn . Ces suites composantes sont les parties réelles et imaginaires de u. Notation : Re(u) et Im(u)
Alors u converge vers ℓ si et seulement si Re(u) converge vers Re(ℓ) et Im(u) converge vers Im(ℓ).
Condition nécessaire [4081] Une suite complexe convergente est bornée. Une suite complexe non bornée diverge donc.
Théorème d’opérations sur les suites convergentes [4082] Soient u, u′ ∈ CN et λ ∈ C. On suppose que u converge
vers ℓ et u′ vers ℓ′ . Alors les suites u + u′ , λu, uu′ et |u| sont convergentes, de limites respectives ℓ + ℓ′ , λℓ, ℓℓ′ et |ℓ|.
Ainsi, l’ensemble des suites complexes convergentes constitue une C-algèbre commutative.
Si de plus, pour tout n ∈ N, u′n ̸= 0 et ℓ′ ̸= 0, alors u/u′ converge vers ℓ/ℓ′ .
• Théorème de Bolzano-Weierstrass [4083] Soit u ∈ CN , bornée. Il existe alors une suite extraite de u convergente.
Remarques [4084]
(i) Les résultats sur les suites réelles ne faisant pas intervenir directement la relation d’ordre s’étendent aux suites
complexes (par exemple, ceux sur les relations de comparaison, les suites extraites, etc.).
(ii) On aurait pu aussi s’intéresser aux suites à valeurs dans R2 . Les résultats ci-dessus et les définitions sont toujours
valables, en transformant les valeurs absolues en normes. Attention, la multiplication, dans ce cas, n’a pas de sens
et on a seulement affaire à des espaces vectoriels et pas des algèbres.
58 Descartes — MP — CC BY-NC-SA 2023-2024

B Fonctions à valeurs réelles : généralités, limites et continuité

I Généralités sur les fonctions réelles
1◦) Fonctions réelles définies sur un ensemble quelconque
Dans cette partie, A désigne un ensemble quelconque.
a. Opérations ; ordre
Structure [4085] L’ensemble F(A, R) est une R-algèbre commutative pour les lois définies par :
∀f, g ∈ F(A, R), ∀λ ∈ R, f + g : x 7→ f (x) + g(x), λf : x 7→ λf (x) et f g : x 7→ f (x)g(x)
Valeur absolue d’une application [4086] On appelle valeur absolue de f ∈ F(A, R) l’application : x 7→ max(f (x), −f (x))
Relation d’ordre [4087] On définit la relation d’ordre partielle sur les applications de F(A, R) par :
∀f, g ∈ F(A, R), f ≤ g ⇐⇒ ∀x ∈ A, f (x) ≤ g(x)
Cette relation est compatible avec l’addition des applications, ainsi qu’avec la multiplication des applications positives.
b. Applications majorées, minorées, bornées
Applications bornées [4088] Soit f ∈ F(A, R). On dit que f est minorée (resp. majorée, bornée) lorsque Im(f ) est
minorée (resp. majorée, bornée) dans R. Notation : L’ensemble des applications bornées de A vers R sera noté B(A, R).
Majoration et graphe [4089] Soit I est un intervalle réel et f ∈ F(I, R). Si f est majorée par M ∈ R (resp. minorée
par m ∈ R) sur I, alors son graphe se situe sous (resp. au-dessus de) la droite horizontale d’ordonnée M (resp. m).
Caractérisation [4090] Soit f ∈ F(A, R). L’application f est bornée si et seulement si |f | est majorée, c’est-à-dire s’il
existe M ∈ R tel que pour tout x ∈ A, |f (x)| ≤ M .
Structure [4091] Soit A un ensemble quelconque. Alors B(A, R) est une sous-algèbre de F(A, R).
Attention [4092] Ce type de résultat est faux pour les fonctions seulement majorées.
Borne supérieure/inférieure d’une application bornée [4093]
Soit f ∈ F(A, R). On suppose que f est majorée (resp. minorée). On appelle borne supérieure (resp. borne inférieure)
de f le réel sup Im(f ) (resp. inf Im(f )). Notation : supx∈A (f (x)) ou sup(f ) (resp. infx∈A (f (x)) ou inf(f ))
Comparaison et bornes supérieures [4094] Soit (f, g) ∈ F(A, R)2 telles que f ≤ g. Alors :
(i) Si g est majorée, alors f aussi et sup(f ) ≤ sup(g). (ii) Si f est minorée, alors g aussi et inf(f ) ≤ inf(g).
Extrema globaux [4095] Soit f ∈ F(A, R) et x0 ∈ A. On dit que f présente un maximum global (resp. minimum
global) en x0 lorsque pour tout x ∈ A, f (x) ≤ f (x0 ) (resp. f (x) ≥ f (x0 )). On parle dans les deux cas d’extremum
global de f en x0 . Notation : maxx∈A (f (x)) ou max(f ) (resp. minx∈A (f (x)) ou min(f ))
Extrema locaux [4096] Soit I est un intervalle réel, f ∈ F(I, R) et x0 ∈ I. On dit que f présente un maximum local
(resp. minimum local) en x0 lorsqu’il existe α > 0 tel que pour tout x ∈ I ∩ ]x0 − α, x0 + α[, f (x) ≤ f (x0 ) (resp.
f (x) ≥ f (x0 )). On parle dans les deux cas d’extremum local de f en x0 .
Attention [4097] Une fonction peut être majorée (resp. minorée) sans pour autant admettre de maximum (resp.
minimum) global (ou même local). Par exemple, considérer ]0, 1[→ R ; x 7→ x.

2◦) Propriété usuelles des fonctions réelles d’une variable réelle

Dans cette partie, I désigne un intervalle réel contenant au moins deux points et A un sous-ensemble de R.
a. Propriétés analytico-géométriques des applications
Représentations graphiques et transformations usuelles Soient f ∈ F(A, R) et a ∈ R∗ .
[4098]
Les graphes des fonctions x 7→ f (x) + a, x 7→ f (x + a), x 7→ f (a−x), x 7→ f (ax) et x 7→ af (x) sont respectivement
obtenus à partir de celui de f par translation de vecteur (0, a), par translation de vecteur (−a, 0), par réflexion d’axe
d’équation x = a2 , par dilatation de rapport a1 selon l’axe horizontal et par dilatation de rapport a selon l’axe vertical.
(Im)parité [4099] Soit f ∈ F(A, R). Si A est symétrique par rapport à 0, c’est-à-dire, pour tout x ∈ A, −x ∈ A, on dit
que f est paire (resp. impaire) lorsque pour tout x ∈ A, f (−x) = f (x) (resp. f (−x) = −f (x)).
Propriétés [4100] Si f est impaire et définie en 0, alors f (0) = 0.
Le graphe d’une fonction paire présente une symétrie orthogonale par rapport à l’axe des ordonnées et celui d’une
fonction impaire, une symétrie centrale par rapport à l’origine.
Structures [4101] Soit A un sous-ensemble de R symétrique par rapport à 0. L’ensemble des fonctions paires sur A et
l’ensemble des fonctions impaires sur A constituent deux sous-espaces vectoriels supplémentaires de F(A, R).
Périodicité [4102] Soit T ∈ R∗+ et f ∈ F(A, R). On dit que f est T -périodique lorsque pour tout x ∈ A, f (x+T ) = f (x).
Le nombre T est une période de f . La plus petite période de f , si elle existe, s’appelle la période de f .
Fonction périodique sans période [4103] La fonction 1Q admet tout r ∈ Q∗+ comme période, donc n’a pas de période.
Structure [4104] Soit T ∈ R∗+ . L’ensemble des fonctions T -périodiques définies sur A constituent une R-algèbre.
 Chapitre IV. Suites et fonctions réelles de la variable réelle (première année) 59

Période et graphe [4105] Pour tout k ∈ Z, le graphe d’une fonction T -périodique est invariant par la translation de
vecteur de coordonnées (kT, 0).
b. Fonctions monotones
Monotonies [4106] Soit f ∈ F(I, R). On dit que f est :
(i) croissante lorsque : ∀ (x, x′ ) ∈ I 2 , x ≤ x′ ⇒ f (x) ≤ f (x′ ),
(ii) décroissante lorsque : ∀ (x, x′ ) ∈ I 2 , x ≤ x′ ⇒ f (x′ ) ≤ f (x),
(iii) strictement croissante lorsque : ∀ (x, x′ ) ∈ I 2 , x < x′ ⇒ f (x) < f (x′ ),
(iv) strictement décroissante lorsque : ∀ (x, x′ ) ∈ I 2 , x < x′ ⇒ f (x′ ) < f (x),
(v) monotone lorsque f est croissante ou décroissante,
(vi) strictement monotone lorsque f est strictement croissante ou strictement décroissante.
Composition [4107] La composée de deux applications monotones (resp. strictement) est monotone (resp. strictement).
Attention [4108] On ne s’intéresse qu’aux fonctions monotones sur un intervalle, ainsi x 7→ x1 n’est pas monotone
sur R∗ , mais l’est sur R∗+ et sur R∗− .
Par ailleurs, il existe des fonctions continues qui ne sont monotones sur aucun intervalle de R.
Opérations algébriques et monotonie [4109] Soit f, g ∈ F(I, R), monotones. Alors :
(i) Si f et g sont croissantes sur I, alors f + g l’est aussi.
(ii) Si λ ∈ R, alors λf est monotone sur I.
(iii) Si de plus f, g ∈ F(I, R+ ) et sont croissantes, alors f g est croissante sur I.
(iv) Si f ne s’annule pas sur I, alors 1/f est monotone et de sens opposé sur les intervalles pour lesquels f garde un
signe constant.
Attention [4110] Pour le produit, il faut s’intéresser à des applications positives.
Ainsi si f : x 7→ x alors f 2 est croissante sur R+ et décroissante sur R− .
c. Fonctions convexes
◦ Convexité [4111] Soit I un intervalle réel et f ∈ F(I, R).
(i) f est convexe sur I lorsque : ∀(x, x′ ) ∈ I 2 , ∀t ∈ [0, 1], f (tx + (1 − t)x′ ) ≤ tf (x) + (1 − t)f (x′ )
(ii) f est strictement convexe sur I lorsque : ∀(x, x′ ) ∈ I 2 , ∀t ∈]0, 1[, f (tx + (1 − t)x′ ) < tf (x) + (1 − t)f (x′ )
(iii) f est concave sur I lorsque : ∀(x, x′ ) ∈ I 2 , ∀t ∈ [0, 1], f (tx + (1 − t)x′ ) ≥ tf (x) + (1 − t)f (x′ )
(iv) f est strictement concave sur I lorsque : ∀(x, x′ ) ∈ I 2 , ∀t ∈]0, 1[, f (tx + (1 − t)x′ ) > tf (x) + (1 − t)f (x′ )
◦ Caractérisations géométriques [4112] L’application f ∈ F(I, R) est convexe si et seulement si :
(i) Tout arc de son graphe est sous sa corde. (ii) Son épigraphe est convexe.
(iii) Les pentes des sécantes au graphe sont croissantes, c’est-à-dire :
∀x, y, z ∈ I, x < y < z ⇒ f (x)−fx−y
(y)
≤ f (x)−f
x−z
(z)
≤ f (y)−f
y−z
(z)

(iv) Les pentes des sécantes au graphe dont on fixe une extrémité sur le graphe sont croissantes, c’est-à-dire :
Pour tout a ∈ I, x 7→ f (x)−f
x−a
(a)
est globalement croissante sur I \ {a}.
◦ Inégalité de Jensen [4113] Soit ∑n f une fonction réelle convexe sur un intervalle
( ∑n I. Alors
) ∑ n≥2:
n
Si λ1 , . . . , λn ∈ R+ tels que k=1 λk = 1 et si x1 , . . . , xn ∈ I, alors : f λ
k=1 k kx ≤ k=1 λk f (xk )
∀n ∈ N∗ , ∀x1 , . . . , xn ∈ R∗+ , (x1 . . . xn ) n ≤
1
◦ Inégalité arithmético-géométrique [4114]
1
n (x1 + · · · + xn )
d. Fonctions lipschitziennes
Application lipschitzienne [4115] Soit f ∈ F(I, R) et k ∈ R+ .
On dit que f est une application lipschitzienne de rapport k sur I lorsque : ∀(x, x′ ) ∈ I 2 , |f (x) − f (x′ )| ≤ k|x − x′ |
Exemple [4116] L’application R → R+ ; x 7→ |x| est 1-lipschitzienne.
Composition [4117] Soient I et J deux intervalles de R et f ∈ F(I, J), lipschitzienne sur I et g ∈ F(J, R), lipschitzienne
sur J. Alors g ◦ f est lipschitzienne sur I.
Application contractante [4118] Soit f ∈ F(I, R).
On dit que f est contractante sur I lorsqu’il existe k ∈ [0, 1[ tel que f soit k-lipschitzienne sur I.
e. Fonctions en escalier
Fonction en escalier sur un segment [4119]
Soit a et b deux réels tels que a < b et φ une application de [a, b] à valeurs dans R. On dit que φ est une fonction en
escalier sur le segment [a, b] lorsqu’il existe une suite finie (a0 , . . . , an ) de points de [a, b], appelée subdivision de [a, b]
subordonnée à, telle que a0 = a < a1 < . . . < an−1 < an = b, et pour tout i ∈ [[ 0 , n−1 ]] , φ|]ai ,ai+1 [ est une application
constante. Notation : φ ∈ E([a, b] , R)
Différentes subdivisions [4120] Pour une fonction en escalier donnée, il existe une infinité de subdivisions subordonnées
à cette application. Si une subdivision est contenue dans une autre, elle lui est plus fine.
60 Descartes — MP — CC BY-NC-SA 2023-2024

Fonction en escalier sur un intervalle quelconque [4121]

Soit I un intervalle de R et f ∈ F(I, R). On dit que f est une fonction en escalier sur I lorsqu’elle est en escalier sur
tout segment inclus dans I.
Exemple [4122] Avec cette définition, la fonction partie entière est une fonction en escalier sur R.
f. Propriété locale au voisinage d’un point de R ∪ {−∞, +∞}
Propriété locale [4123] Une propriété portant sur une fonction définie sur I est dite vraie localement au voisinage
d’un point a de R ∪ {−∞, +∞} si elle est vraie sur l’intersection de I,
⋄ avec un intervalle ouvert centré sur a lorsque a est un point de R adhérent à I, ou bien,
⋄ avec un intervalle du type ] c, +∞ [ lorsque a = +∞, ou encore,
⋄ avec un intervalle du type ] − ∞, c [ lorsque a = −∞.
Dans les trois cas (intervalle ouvert de centre a ou comportant une borne infinie), on parlera d’un voisinage de a.
Notation : Dans ce cours, l’ensemble des voisinages de a sera noté V (a).
Attention [4124] Il existe des applications qui ne sont ni localement monotones, ni localement lipschitziennes au
voisinage de n’importe quel point de R. Considérer par exemple 1Q .

II Limites
Dans toute cette partie, sans précision supplémentaire, on considère des applications d’un intervalle I de R qui contient
au moins deux points à valeurs dans R.

1◦) Des différentes définitions à la formulation topologique générale

a. Limite finie ou non en un point fini ou non
Convergences [4125] Soit f ∈ F(I, R), a ∈ R, adhérent à I et ℓ ∈ R. On dit que f admet ℓ pour limite au point a
suivant I lorsque pour tout réel ε > 0, il existe un réel η > 0 tel que, pour tout x ∈ I, si |x − a| ≤ η alors |f (x) − ℓ| ≤ ε.
On dit aussi que f (x) converge vers ℓ lorsque x tend vers a suivant I.
Soit c ∈ R ∪ {−∞} (resp. c ∈ R ∪ {+∞}), f ∈ F([ c, +∞ [ , R) (resp. f ∈ F( ] − ∞, c ] , R)) et ℓ ∈ R. On dit que f
admet ℓ pour limite en +∞ (resp. −∞) lorsque pour tout réel ε > 0, il existe un réel Λ tel que, pour tout x ∈ I, si
x ≥ Λ (resp. x ≤ Λ) alors |f (x) − ℓ| ≤ ε. On dit aussi que f (x) converge vers ℓ lorsque x tend vers +∞ (resp. −∞).
Conditions nécessaires si la limite ℓ est finie [4126] Dans chaque cas, s’il existe une telle limite, elle est unique et
l’application est localement bornée au voisinage du point a (fini ou non) considéré. De plus, si a ∈ I, alors ℓ = f (a).
Divergence vers l’infini [4127] Soit f ∈ F(I, R) et a ∈ R, adhérent à I.
On dit que f admet +∞ (resp. −∞) pour limite au point a suivant I lorsque pour tout réel Γ, il existe un réel η > 0
tel que, pour tout x ∈ I, si |x − a| ≤ η alors f (x) ≥ Γ (resp. f (x) ≤ Γ).
On dit aussi que f (x) diverge vers +∞ (resp. −∞) lorsque x tend vers a suivant I.
Soit c ∈ R ∪ {−∞} (resp. c ∈ R ∪ {+∞}) et f ∈ F([ c, +∞ [ , R) (resp. f ∈ F( ] − ∞, c ] , R)).
On dit que f admet +∞ pour limite en +∞ (resp. −∞) lorsque pour tout réel Γ, il existe un réel Λ tel que, pour
tout x ∈ I, si x ≥ Λ (resp. x ≤ Λ) alors f (x) ≥ Γ.
On dit aussi que f (x) diverge vers +∞ lorsque x tend vers +∞ (resp. −∞).
On obtient la définition d’une fonction réelle de la variable réelle ayant pour limite −∞ en un point infini en modifiant
la définition précédente.
b. Deux remarques importantes
Se placer au voisinage de zéro [4128] On utilise souvent, pour déterminer la limite d’une fonction en un réel a, la
translation x = a + h, ce qui amène à s’intéresser à la limite de l’expression de h lorsque h tend vers 0.
Expression condensée et polymorphe [4129] On peut donner une définition des limites précédentes, à l’aide des
voisinages, qui soit valable dans chaque cas précédemment étudié :
Soit f ∈ F(I, R), où I désigne éventuellement un intervalle réel comportant une borne infinie, a un point adhérent à
I ou un infini et ℓ ∈ R ∪ {−∞, +∞}. Alors f admet ℓ pour limite en a lorsque :
∀W ∈ V (ℓ), ∃V ∈ V (a), ∀x ∈ I, x ∈ V ⇒ f (x) ∈ W ou ∀W ∈ V (ℓ), ∃V ∈ V (a), f (V ∩ I) ⊂ W
Ces formules sont esthétiques et agréables d’utilisation, mais assez peu explicites pour les débutants en analyse.
On comprend donc que la notion de limite est une notion locale, ou éventuellement une notion asymptotique, c’est-à-dire
qu’on peut, dans la définition, remplacer I par l’intersection de I avec n’importe quel voisinage de a.
Notation : lim
a
lim f (x) = ℓ, ou f (x) −→
f = ℓ, ou x→a x→a
ℓ, ou encore f −→
a
ℓ
(I) (x∈I) (x∈I) (I)

Attention [4130] Ces notations ne doivent pas être utilisées dans une phrase pour remplacer des mots !
 Chapitre IV. Suites et fonctions réelles de la variable réelle (première année) 61

c. Limite à gauche ou à droite

Limites directionnelles [4131] Soit I un intervalle ouvert de R, f ∈ F(I, R), a ∈ I et ℓ ∈ R.
On dit que f admet ℓ pour limite à gauche en a (resp. limite à droite) lorsque pour tout réel ε > 0, il existe un réel
η > 0 tel que, pour tout x ∈ I ∩ ] − ∞, a [ (resp. x ∈ I ∩ ] a, +∞ [ ), si |x − a| ≤ η alors |f (x) − ℓ| ≤ ε.
Notation : x→a
lim f (x) = ℓ ou lim− f (x) = ℓ (resp. x→a
lim f (x) = ℓ ou lim+ f (x) = ℓ)
x<a
x→a x>a
x→a

Limite épointée [4132] Soit I un intervalle ouvert de R, f ∈ F(I, R), a ∈ I et ℓ ∈ R.

Si f admet ℓ pour limite à gauche et à droite en a, on dit que f admet ℓ pour limite épointée en a.
lim f (x) = ℓ (ou parfois de manière abusive, uniquement lorsque f ∈ F(I \ {a} , R), lim f (x) = ℓ)
Notation : x→a
x→a
x̸=a

Limite et limite épointée [4133] Soit I un intervalle ouvert de R, f ∈ F(I, R), a ∈ I et ℓ ∈ R.

Si f admet ℓ pour limite en a suivant I, alors f admet ℓ pour limite épointée en a.
Attention [4134] Pas de réciproque : considérer 1{0} , qui n’a pas de limite en 0.

2◦) Limites séquentielles

Théorème de caractérisation séquentielle d’une limite [4135]
Soit f ∈ F(I, R), a ∈ R, adhérent à I et ℓ ∈ R. Alors f admet ℓ pour limite en a si et seulement si, pour toute suite
(un )n∈N d’éléments de I, si (un )n∈N converge vers a, alors la suite (f (un ))n∈N converge vers ℓ.
Généralisation [4136] Ce résultat reste valable dans les divers cas de limites faisant intervenir un infini ou si I est un
intervalle de R avec une borne infinie a.

3◦) Limites monotones

• Théorème de la limite monotone [4137] Soit (a, b) ∈ R × (R ∪ {+∞}) et f ∈ F([a, b[, R), croissante sur [a, b[.
Si f est majorée sur [a, b[ alors f admet sup[a,b[ f pour limite (à gauche) en b, et sinon f diverge vers +∞ en b.
Monotonie et limites directionnelles [4138] Soit I un intervalle ouvert de R et f ∈ F(I, R), croissante sur I.
Alors f admet une limite à gauche et à droite en tout point de I, et pour tout a ∈ I : x→a lim f (x) ≤ f (a) ≤ x→a
lim f (x)
x<a x>a

◦ MP Une hypothèse allégée du théorème de caractérisation séquentielle d’une limite [4139] Dans le cas d’une fonction
f ∈ F(I, R) monotone sur l’intervalle I de R, si a est une borne de I qui n’appartient pas à I, la condition suffisante
du théorème peut s’exprimer comme ceci : « il existe (un )n∈N ∈ I N qui tend vers a et (f (un ))n∈N tend vers ℓ. »

4◦) Théorèmes généraux sur les inégalités utilisant des hypothèses en terme de limites
De la limite aux inégalités et réciproquement [4140]
Soit f ∈ F(I, R) de limite ℓ ∈ R en a ∈ R ∪ {−∞, +∞}, adhérent à I et (α, β) ∈ R2 . Alors :
(i) si α < ℓ < β alors il existe un voisinage V ∈ V (a) tel que pour tout x ∈ V ∩ I, α < f (x) < β,
(ii) s’il existe un voisinage V ∈ V (a) tel que pour tout x ∈ V ∩ I, α < f (x) < β, alors α ≤ ℓ ≤ β.
Limite et stricte positivité locale [4141] Soit f ∈ F(I, R) admettant ℓ ∈ R∗+ pour limite en a ∈ R ∪ {−∞, +∞},
adhérent à I. Alors il existe un voisinage V ∈ V (a) et m > 0 tels que pour tout x ∈ V ∩ I, f (x) > m.
Des limites aux comparaisons et réciproquement [4142]
Soit (f, g) ∈ F(I, R)2 , a ∈ R ∪ {−∞, +∞}, adhérent à I et (ℓ, ℓ′ ) ∈ R2 . Si lim f (x) = ℓ et lim g(x) = ℓ′ , alors :
x→a x→a
(i) si ℓ < ℓ′ alors il existe un voisinage V ∈ V (a) tel que pour tout x ∈ V ∩ I, f (x) < g(x),
(ii) s’il existe un voisinage V ∈ V (a) tel que pour tout x ∈ V ∩ I, f (x) < g(x), alors ℓ ≤ ℓ′ .
Attention [4143] Les “passages à la limite” se font avec des inégalités larges.
• Théorème de convergence par encadrement [4144]
Soient (f, g, h) ∈ F(I, R)3 , a ∈ R ∪ {−∞, +∞}, adhérent à I et ℓ ∈ R. Si lima f ) = ℓ et lima h = ℓ et s’il existe un
voisinage V ∈ V (a) tel que pour tout x ∈ V ∩ I, f (x) ≤ g(x) ≤ h(x) alors g admet ℓ pour limite en a.
Méthode par encadrement [4145] Soit (f, g) ∈ F(I, R)2 , a ∈ R ∪ {−∞, +∞}, adhérent à I. Si lima g = 0 et s’il existe
un voisinage V ∈ V (a) tel que pour tout x ∈ V ∩ I, |f (x)| ≤ g(x) alors f admet 0 pour limite en a.
En pratique, on pourra utiliser ce résultat pour montrer qu’une fonction admet une limite, en majorant en valeur
absolue la différence de cette fonction et de sa limite en un point par une fonction réelle qui tend vers 0 en ce point.
Théorème de divergence par minoration [4146]
Soit (f, g) ∈ F(I, R)2 , a ∈ R ∪ {−∞, +∞}, adhérent à I. Si lima f = +∞ et s’il existe un voisinage V ∈ V (a) tel que
pour tout x ∈ V ∩ I, f (x) ≤ g(x) alors g admet +∞ pour limite en a.
 62 Descartes — MP — CC BY-NC-SA 2023-2024

5◦) Opérations et composition

Théorème de composition [4147] Soient I et J deux intervalles de R, a ∈ (R∪{−∞, +∞})∩ I, ¯ b ∈ (R∪{−∞, +∞})∩ J¯
et ℓ ∈ R ∪ {−∞, +∞}, et (f, g) ∈ F(I, J) × F(J, R). Si lima f = b et limb g = ℓ, alors lima g ◦ f = ℓ.
Théorème d’opérations algébriques sur les limites [4148]
(i) Soit (f, g) ∈ F(I, R)2 , a ∈ R ∪ {−∞, +∞}, adhérent à I, (ℓ, ℓ′ ) ∈ R2 et λ ∈ R. Si lima f = ℓ et lima g = ℓ′ , alors :
lima (f + g) = ℓ + ℓ′ , lima λf = λℓ, lima |f | = |ℓ| et lima f g = ℓℓ′
Si de plus, ℓ ̸= 0 il existe un voisinage de a sur lequel f ne s’annule pas et 1/f admet 1/ℓ pour limite en a.
(ii) Soit (f, g) ∈ F(I, R)2 , a ∈ R ∪ {−∞, +∞}, adhérent à I, m ∈ R et λ ∈ R∗ .
On suppose que m minore f au voisinage de a et lima g = +∞. Alors :
lima (f + g) = +∞, lima λg = sgn(λ)∞ et, si de plus m > 0, lima f g = +∞
De plus, il existe un voisinage de a sur lequel g ne s’annule pas et 1/g admet 0 pour limite en a.
(iii) On adaptera les résultats précédents au cas : limx→a g(x) = −∞.

6◦) Relations de comparaison en un point éventuellement infini

a. Les trois relations
MP Domination [4149] Soient f, g ∈ F(I, R) et a ∈ R ∪ {−∞, +∞}, adhérent à I. On dit que f est dominée par g au
voisinage de a lorsqu’il existe M ∈ R∗+ et un voisinage V ′ ∈ V (a) tels que : ∀x ∈ V ′ ∩ I, |f (x)| ≤ M |g(x)|
Notation : f = O a (g) ou f (x) = O x→a (g(x))
MP Négligeabilité [4150] Soient f, g ∈ F(I, R) et a ∈ R ∪ {−∞, +∞}, adhérent à I. On dit que f est négligeable devant
g au voisinage de a lorsque pour tout ε ∈ R∗+ , il existe un voisinage V ′ ∈ V (a) tel que : ∀x ∈ V ′ ∩ I, |f (x)| ≤ ε|g(x)|
Notation : f = o a (g) ou f (x) = o x→a (g(x))
MP Équivalence [4151] Soient f, g ∈ F(I, R) et a ∈ R ∪ {−∞, +∞}, adhérent à I.
On dit que f est équivalente à g au voisinage de a lorsque f − g = o a (g). Notation : f ∼a g ou f (x) ∼x→a g(x)
Cas particulier [4152] Soient f, g ∈ F(I, R) et a ∈ R ∪ {−∞, +∞}, adhérent à I.
On suppose qu’il existe un voisinage V ∈ V (a) tel que pour tout x ∈ (V ∩ I) \ {a}, g(x) ̸= 0. Alors :
(i) f = O a (g) équivaut à l’existence d’un voisinage V ′ ∈ V (a) tel que f /g est bornée sur (V ∩ V ′ ∩ I) \ {a},
c’est-à-dire f /g est localement bornée au voisinage de a.
(ii) f = o a (g) si et seulement si f /g admet 0 pour limite épointée en a
(iii) f ∼a g si et seulement si f /g admet 1 pour limite épointée en a.
b. Manipulations concrètes
Propriétés algébriques Soit (f, g, h, k) ∈ F(I, R)4 , a ∈ R ∪ {−∞, +∞}, adhérent à I, et λ ∈ R∗ . Alors :
[4153]
(i) f = o a (g) ⇒ f = O a (g), (ii) f = O a (g) et g = O a (h) ⇒ f = O a (h),
(iii) f = O a (g) et g = o a (h) ⇒ f = o a (h), (iv) si f = O a (g) et lima g = 0, alors lima f = 0,
(v) f = O a (g) ⇒ λf = O a (g), (vi) f = o a (g) ⇒ λf = o a (g),
(vii) f = O a (g) et h = O a (g) ⇒ (f + h) = O a (g), (viii) f = o a (g) et h = o (g) ⇒ (f + h) = o a (g),
(ix) f = O a (g) et h = O a (k) ⇒ f h = O a (gk), (x) f = o a (g) et h = O a (k) ⇒ f h = o a (gk),
(xi) f = O a (g) ⇒2 1/g = O a (1/f ), (xii) f = o a (g) ⇒2 1/g = o a (1/f ),
(xiii) f ∼a g ⇐⇒ f = g + o a (g), (xiv) f ∼a g ⇒ g = O a (f ) et f = O a (g),
(xv) f ∼a f , f ∼a g ⇒ g ∼a f , f ∼a g et g ∼a h ⇒ f ∼a h, (relation d’équivalence)
(xvi) f ∼a g ⇒ λf ∼a λg, (xvii) f ∼a g et h ∼a k ⇒2 f h ∼a gk et f /h ∼a g/k,
(xviii) si f ∼a g alors f et g ont même comportement en terme de convergence au voisinage de a,
(xix) si f ∼a g alors, localement au voisinage de a, f et g ont même signe,
(xx) si, au voisinage de a, f ≤ g ≤ h et f ∼a h, alors g ∼a f .
Attention [4154] Ne pas ajouter des équivalents (f ∼a g et h ∼a k ̸⇒ f + h ∼a g + k), ni les composer à gauche
(f ∼a g et h ∈ RR ̸⇒ h ◦ f ∼a h ◦ g). De plus, il est absolument interdit d’écrire f ∼a 0.
Une hiérarchie incontournable : croissances comparées des fonctions de référence [4155]
Soit a ∈ R∗+ , α, β ∈ R. On pose f : x 7→ ax , g : x 7→ xα et h : x 7→ (ln(x))β . Selon les cas :
(i) si a < 1, α < 0 et β < 0, alors f = o +∞ (g) et g = o +∞ (h), (ii) si α > 0 et β < 0, alors g = o 0 (h),
(iii) si a > 1, α > 0 et β > 0, alors h = o +∞ (g) et g = o +∞ (f ), (iv) si α < 0 et β > 0, alors h = o 0 (g).
Décomposition d’un équivalent [4156]
Pour obtenir un équivalent de f ∈ F(I, R), en a ∈ R∪{−∞, +∞}, adhérent à I, on peut chercher l’ordre de grandeur g,
qui soit “simple” et donne la tendance générale, et λ ∈ R∗ tels que : f = O a (g), g = O a (f ) et f ∼a λg

2. S’il existe un voisinage de a sur lequel les applications au dénominateur ne s’annulent pas.
 Chapitre IV. Suites et fonctions réelles de la variable réelle (première année) 63

III Continuité
1◦) Continuité ponctuelle et prolongements par continuité
Continuité en un point [4157]
Soit f ∈ F(I, R) et a ∈ I. On dit que f est continue en a lorsque f admet f (a) pour limite en a.
Remarque [4158] Compte-tenu de la définition d’une limite, si a ∈ I, alors si f admet une limite en a, ça ne peut être
que f (a). Cependant, en pratique, il conviendra de bien vérifier qu’il s’agit de f (a) dans les cas problématiques.
Théorème de caractérisation séquentielle de la continuité en un point [4159] Soit f ∈ F(I, R) et a ∈ I. Alors f
est continue en a si et seulement si, pour toute suite (un )n∈N ∈ I N de limite a, (f (un ))n∈N converge vers f (a).
Prolongement par continuité [4160] Soit f ∈ F(I, R), a ∈ R \ I, adhérent à I et ℓ ∈ R. Lorsque f admet ℓ pour
limite en a, on peut effectuer le prolongement par continuité de f en a, en posant f (a) = ℓ.
Après un prolongement par continuité [4161] Théoriquement, on devrait changer de notation pour désigner la
nouvelle application, une fois le prolongement effectué. En pratique, on le fait rarement.
Continuité directionnelle [4162] Soit f ∈ F(I, R) et a ∈ I. On dit que f est continue à gauche (resp. continue à
droite) en a lorsque f admet f (a) pour limite à gauche (resp. à droite) en a.
Caractérisation bidirectionnelle en un point intérieur à l’intervalle [4163] Soit f ∈ F(I, R) et a ∈ R, intérieur
à I. Alors f est continue en a si et seulement si f est continue à gauche et à droite en a.

2◦) Continuité sur un intervalle

Continuité sur un intervalle [4164]
Soit f ∈ F(I, R). Lorsque f est continue en chaque point de I, on dit que f est continue sur I.
Notation : L’ensemble des fonctions continues sur I à valeurs dans R est noté C(I, R).
Notion locale [4165] Soit f ∈ F(I, R). Alors f est continue sur I si et seulement si elle l’est sur tout sous-intervalle
de I. On dit que la continuité est une propriété locale, tout comme la notion de limite dont elle est issue.
Théorème de structure [4166] L’ensemble C(I, R) est une R-algèbre commutative.
Quotient [4167] Soit f ∈ C(I, R) et g ∈ C(I, R∗ ), alors f /g ∈ C(I, R).
Théorème de composition [4168] Soient I et J deux intervalles de R et (f, g) ∈ C(I, J)× C(J, R). Alors g ◦f ∈ C(I, R).

3◦) Notions et théorèmes spécifiques relatifs à la continuité sur un intervalle

a. Continuité uniforme sur un intervalle
Continuité uniforme [4169] Soit f ∈ F(I, R). On dit que f est une application uniformément continue sur I lorsque :
∗
∀ε ∈ R+ , ∃η ∈ R∗+ , ∀x, x′ ∈ I, |x − x′ | ≤ η =⇒ |f (x) − f (x′ )| ≤ ε
Si f est uniformément continue sur I1 et I2 , deux intervalles tels que I1 ∩ I2 ̸= ∅, alors elle l’est aussi sur I1 ∪ I2 .
Théorème de Heine [4170] Toute fonction réelle continue sur un segment est uniformément continue sur ce segment.
◦ Des implications sans réciproque Soit f ∈ F(I, R).
[4171]
⋄ Si f est lipschitzienne sur I, alors elle est uniformément continue sur I.
⋄ Si f est uniformément continue sur I, alors elle est continue sur I.
√
⋄ Les réciproques sont fausses en général : la fonction x 7→ x est uniformément continue sur [0, 1], mais pas lipschit-
zienne, et x 7→ x est continue sur R, mais pas uniformément continue.
2

b. Image continue d’un intervalle

• Théorème des valeurs intermédiaires [4172] Soit I un intervalle réel et f ∈ C(I, R). Pour tout (a, b) ∈ I 2 et tout réel
λ ∈ [f (a), f (b)], il existe c ∈ [a, b] tel que f (c) = λ. Autrement dit, f (I) est un intervalle de R.
Méthode dichotomique [4173] On peut chercher à déterminer par dichotomie une valeur approchée d’un zéro d’une
fonction continue lorsqu’elle s’annule.
• Théorème du point fixe [4174] Soit a, b ∈ R et f une application contractante de [a, b] à valeurs dans [a, b].
Il existe un unique point fixe α de f .
De plus, pour tout u0 ∈ [a, b], la suite définie par u0 et la relation un+1 = f (un ), pour tout n ∈ N, converge vers α.
c. Image continue d’un segment
Image d’un segment par une application continue [4175]
Soit a, b ∈ R et f ∈ C([a, b], R). Alors f ([a, b]) est un segment de R.
Théorème des bornes atteintes [4176] Soit a, b ∈ R et f ∈ C([a, b], R). Alors f est bornée et atteint ses bornes.
◦ Corollaire [4177] Une fonction continue sur un intervalle I est localement bornée sur I.
 64 Descartes — MP — CC BY-NC-SA 2023-2024

d. Fonction continue strictement monotone sur un intervalle

Continuité et injectivité [4178]
Soit I un intervalle réel et f ∈ C(I, R),injective. Alors f est strictement monotone sur I.
• Théorème de la bijection continue et strictement monotone [4179]
Soit I un intervalle réel et f ∈ C(I, R), strictement monotone sur I. On pose J = f (I). Alors g : I → J : x 7→ f (x)
est bijective de I sur J et g −1 est continue et strictement monotone de même sens que f sur J.
Courbe de la fonction réciproque [4180]
La courbe de f −1 s’obtient à partir de celle de f par réflexion d’axe d’équation y = x.

IV Brève extension aux fonctions à valeurs complexes

On s’intéresse ici aux applications d’un intervalle réel I à valeurs dans C.

1◦) Fonctions complexes, fonctions bornées

Structure [4181] L’ensemble F(I, C) est une algèbre commutative sur C.
Parties réelles et imaginaires, conjugaison [4182]
Si f ∈ F(I, C), il existe f1 , f2 ∈ F(I, R) telles que pour tout x ∈ I, f (x) = f1 (x) + if2 (x). On appelle ces applications
parties réelles et imaginaires de f . Notation : Re(f ) et Im(f )
On appelle fonction conjuguée de f la fonction x 7→ f (x). Notation : f¯
On dit que f est bornée s’il existe M ∈ R tel que pour tout x ∈ I, |f (x)| ≤ M . Notation : f ∈ B(I, C)
Structure [4183] L’ensemble B(I, C) est une algèbre commutative sur C.

2◦) Limites
Convergence [4184] Soit f ∈ F(I, C), a ∈ R ∪ {−∞, +∞}, adhérent à I et ℓ ∈ C. On dit que f admet ℓ pour limite
au point a suivant I lorsque pour tout réel ε > 0, il existe V ∈ V (a) tel que, pour tout x ∈ V ∩ I, |f (x) − ℓ| ≤ ε.
On dit aussi que f (x) converge vers ℓ lorsque x tend vers a suivant I. Notation : lim f = ℓ ou encore lim f (x) = ℓ
a x→a
Théorème des applications composantes [4185]
Soit f ∈ F(I, C), a ∈ R ∪ {−∞, +∞}, adhérent à I et ℓ ∈ C. Alors f (x) converge vers ℓ lorsque x tend vers a suivant I
si et seulement si Re(f (x)) converge vers Re(ℓ) et Im(f (x)) converge vers Im(ℓ) lorsque x tend vers a suivant I.
MP Théorème de caractérisation séquentielle d’une limite [4186]
Soit f ∈ F(I, C), a ∈ R ∪ {−∞, +∞}, adhérent à I et ℓ ∈ C. Alors f admet ℓ pour limite en a si et seulement si, pour
toute suite (un )n∈N d’éléments de I, si (un )n∈N converge vers a, alors la suite (f (un ))n∈N converge vers ℓ.
Condition nécessaire [4187] Toute fonction admettant une limite en un point est bornée au voisinage de ce point.
Théorème d’opérations algébriques sur les limites [4188]
Soit (f, g) ∈ F(I, C)2 , a ∈ R ∪ {−∞, +∞}, adhérent à I, (ℓ, ℓ′ ) ∈ C2 et λ ∈ C. Si lim f (x) = ℓ et lim g(x) = ℓ′ , alors
x→a x→a
les applications f + g, λf , |f |, f g admettent respectivement ℓ + ℓ′ , λℓ, |ℓ| et ℓℓ′ pour limite en a.
Si de plus ℓ ̸= 0, il existe un voisinage de a sur lequel f ne s’annule pas et 1/f admet 1/ℓ pour limite en a.
Théorème de composition [4189]
Soient I et J deux intervalles de R, a ∈ R ∪ {−∞, +∞}, adhérent à I, b ∈ R ∪ {−∞, +∞} adhérent à J et ℓ ∈ C, et
(f, g) ∈ F(I, J) × F(J, C). Si limx→a f (x) = b et limx→b g(x) = ℓ, alors g ◦ f admet ℓ pour limite en a.

3◦) Continuité ponctuelle et sur un intervalle

Continuité [4190] Soit f ∈ F(I, C) et a ∈ I. On dit que f est continue en a lorsque f admet f (a) pour limite en a.
Lorsque f est continue en chaque point de I, on dit que f est continue sur I.
Notation : L’ensemble des fonctions continues sur I à valeurs dans C est noté C(I, C).
Composantes [4191] Soit f ∈ F(I, C) et a ∈ I. Alors f est continue en a si et seulement si Re(f ) et Im(f ) le sont.
Théorème de structure [4192] L’ensemble C(I, C) est une C-algèbre commutative.
Remarques [4193]
(i) Les résultats sur les fonctions réelles ne faisant pas intervenir directement la relation d’ordre s’étendent aux fonctions
complexes (par exemple, sur les relations de comparaison, et tout résultat sur le module d’une application complexe).
(ii) On aurait pu aussi s’intéresser aux fonctions à valeurs dans R2 . Les résultats ci-dessus et les définitions sont
toujours valables, en transformant les valeurs absolues en normes. Attention, la multiplication, dans ce cas, n’a pas
de sens et on a seulement affaire à des espaces vectoriels et pas des algèbres.
 Chapitre IV. Suites et fonctions réelles de la variable réelle (première année) 65

C Dérivation des fonctions réelles de la variable réelle

Dans toute cette partie, sans précision supplémentaire, on considère des fonctions d’un intervalle réel I ayant au
moins deux points à valeurs dans R.

I Nombre dérivé
1◦) Généralités
Nombre dérivé [4194] Soit f ∈ F(I, R) et a ∈ I.
On dit que f est dérivable en a lorsque τa : x 7→ f (x)−f
x−a
(a)
, le taux d’accroissement en a y admet une limite épointée.
Cette limite, lorsqu’elle existe, s’appelle le nombre dérivé de f en a. Notation : f ′ (a)
On dit que f est dérivable à gauche (resp. dérivable à droite) en a lorsque τa admet une limite à gauche (resp. à droite)
en a. Cette limite, lorsqu’elle existe, s’appelle le nombre dérivé à gauche (resp. nombre dérivé à droite) de f en a.
Caractérisation bidirectionnelle en un point intérieur [4195] Soit f ∈ F(I, R) et a un point intérieur à I. La
fonction f est dérivable en a si et seulement si f est dérivable à gauche et à droite en a de même dérivée.
Descente de classe [4196] Soit f ∈ F(I, R) et a ∈ I. Si f est dérivable en a, alors f est continue en a.
Attention [4197] La réciproque est fausse : considérer la fonction valeur absolue en 0. Il existe même des fonctions
continues sur R qui ne sont dérivables en aucun point de R.
◦ Caractérisation par un développement limité d’ordre 1 [4198]
Soit f ∈ F(I, R) et a ∈ I. Si f est continue en a, alors f est dérivable en a si et seulement si f admet un développement
limité d’ordre 1 en a du type : f (x) = f (a) + (x − a)f ′ (a) + o x→a (x − a)
Lien avec les courbes [4199] Soit f ∈ F(I, R) et a ∈ I. Si f est dérivable en a, la courbe d’équation y = f (x) présente
une tangente en (a, f (a)), d’équation y = f (a) + f ′ (a)(x − a). C’est une demi-tangente si a est une extrémité de I.

2◦) Opérations et compositions

◦ Opérations [4200] Soient a ∈ I, λ ∈ R et (f, g) ∈ F(I, R)2 , dérivables en a. Alors :
(i) f + λg est dérivable en a et (f + λg)′ (a) = f ′ (a) + λg ′ (a), (linéarité de la dérivation)
(ii) f g est dérivable en a et (f g)′ (a) = f (a)g ′ (a) + f ′ (a)g(a),
f ′ (a)g(a)−f (a)g ′ (a)
(iii) si g(a) ̸= 0, alors f /g est dérivable en a, et (f /g)′ (a) = g(a)2
◦ Composition [4201] Soient I et J deux intervalles réels, a ∈ I, f ∈ F(I, J) et g ∈ F(J, R). On suppose que f est
dérivable en a et que g est dérivable en f (a). Alors g ◦ f est dérivable en a et (g ◦ f )′ (a) = f ′ (a)g ′ (f (a)).
◦ Dérivée en un point d’une fonction réciproque [4202]
Soient f ∈ C(I, R) et a ∈ I tels que f est strictement monotone sur I et dérivable en a de dérivée f ′ (a) ̸= 0.
Alors la fonction f −1 , définie sur f (I) d’après les hypothèses, est dérivable en f (a) de dérivée f ′1(a) .
Géométrie La tangente à la courbe d’équation y = f −1 (x) en le point (f (a), a) s’obtient de la tangente à la
[4203]
courbe d’équation y = f (x) en le point (a, f (a)) par symétrie orthogonale par rapport à l’axe d’équation y = x.

II Fonctions dérivées
1◦) Fonctions dérivables et fonctions de classe C1 sur un intervalle
Fonction dérivée [4204]
Soit I un intervalle de R et f ∈ F(I, R). Si f est dérivable en tout point de I, on peut définir f ′ : x 7→ f ′ (x), la
fonction dérivée de f . Notation : L’ensemble des fonctions dérivables sur I à valeurs dans R est noté D(I, R).
Si de plus f ′ est continue sur I, on dit que f est de classe C1 sur I.
Notation : L’ensemble des fonctions de classe C1 sur I à valeurs dans R est noté C1 (I, R).
• Théorème de Fermat : condition nécessaire d’extremum local en un point intérieur [4205]
Soit f ∈ D(I, R). Si a est un extremum local de f intérieur à I, alors f ′ (a) = 0.
On dit que a est un point critique ou point stationnaire de f .
Attention [4206] Si a est une extrémité de I, on ne peut pas conclure, comme le montre [0, 1] → R ; x 7→ x.
Par ailleurs, il n’y a pas de réciproque : x 7→ x3 est de dérivée nulle en 0, mais sans extremum, même local, en 0.
Structure [4207] Soient I et J deux intervalles réels. Alors D(I, R) et C1 (I, R) sont des R-algèbres.
Si (f, g) ∈ D(I, J) × D(J, R) (resp. (f, g) ∈ C1 (I, J) × C1 (J, R)), alors g ◦ f ∈ D(I, R) (resp. g ◦ f ∈ C1 (I, R)).
• Théorème des difféomorphismes réels de classe C1 [4208]
Soient I et J deux intervalles de R et f ∈ C1 (I, R) telle que f (I) = J et : ∀x ∈ I, f ′ (x) ̸= 0
Alors f induit une bijection g de I sur J et g −1 est de classe C1 sur J. De plus : (g −1 )′ = g′ ◦g1 −1
 66 Descartes — MP — CC BY-NC-SA 2023-2024

2◦) Fonctions de classes supérieures

Régularités supérieures [4209]
Soit f ∈ F(I, R). On définit par récurrence les dérivées successives de f sur I par : pour tout k ∈ N, si f est dérivable
k fois et si f (k) est elle-même dérivable sur I, alors f (k+1) = (f (k) )′ , en convenant que f (0) = f .
Notation : Si k ∈ N∗ , l’ensemble des fonctions k fois dérivables sur I est noté Dk (I, R).
Soit k ∈ N∗ et f ∈ Dk (I, R). Si de plus f (k) est continue sur I, alors on dit que f est de classe Ck sur I.
Si, pour tout k ∈ N, f ∈ Ck (I, R), on dit que f est indéfiniment dérivable ou de classe C∞ sur I.
Notation : Si k ∈ N ∪ {∞}, l’ensemble des fonctions de classe Ck sur I est noté Ck (I, R).
Usuellement, C(I, R) et D(I, R) désignent donc respectivement C0 (I, R) et D1 (I, R).
Des inclusions strictes [4210] Soit k ≥ 2. Alors : C∞ (I, R) ⊂ Ck (I, R) ⊂ Dk (I, R) ⊂ C1 (I, R) ⊂ D(I, R) ⊂ C(I, R)
Régularité [4211] La régularité de f ∈ F(I, R) concerne son éventuelle appartenance à un des ensembles ci-dessus.
Alors f a une certaine régularité sur I si et seulement si elle l’a sur tout sous-intervalle de I. On dit que la régularité
est une propriété locale.
Structure [4212] Soit k ∈ N ∪ {∞}. Alors Dk (I, R) et Ck (I, R) sont des algèbres commutatives.
∑k ( )
◦ Formule de Leibniz [4213] Soit k ∈ N et (f, g) ∈ Dk (I, R)2 . Alors : (f g)(k) = i=0 ki f (i) g (k−i)
Composition [4214] Soient J un intervalle de R, k ∈ N ∪ {∞}, f ∈ Ck (I, J) et g ∈ Ck (J, R). Alors : g ◦ f ∈ Ck (I, R)
• Théorème des difféomorphismes réels de classe Ck [4215]
Soient I et J deux intervalles de R, k ∈ N∗ ∪ {∞} et f ∈ Ck (I, R) telle que f (I) = J.
Si pour tout x ∈ I, f ′ (x) ̸= 0, alors f induit une bijection g de I sur J et g −1 est de classe Ck sur J.

III Autour du théorème de Rolle

1◦) Le théorème
• Théorème de Rolle Si f ∈ C([a, b], R) ∩ D(]a, b[, R) et f (a) = f (b), alors il existe c ∈]a, b[ tel que f ′ (c) = 0.
[4216]
Attention [4217] Ce sont des hypothèses minimales, c’est-à-dire que chacune des hypothèses du théorème de Rolle
est indispensable. Par exemple, l’ensemble d’arrivée doit être R : considérer t 7→ exp(it) sur [0, 2π].

2◦) Accroissements finis

• Formule des accroissements finis [4218]
Soit f ∈ C([a, b], R) ∩ D(]a, b[, R). Alors il existe c ∈]a, b[ tel que f (b) − f (a) = (b − a)f ′ (c).
Autre formulation [4219] Si b = a+h, alors la conclusion est : « il existe θ ∈]0, 1[ tel que f (a+h)−f (a) = hf ′ (a+θh) »
Méthode [4220] L’intérêt de cette formule est de pouvoir passer d’une propriété sur la dérivée d’une application à une
propriété sur le taux de variations de cette fonction, entre deux points.
Inégalité des accroissements finis [4221] Soit f ∈ D(I, R). S’il existe M ∈ R+ tel que pour tout x ∈ I, |f ′ (x)| ≤ M ,
alors pour tout x, x′ ∈ I, |f (x) − f (x′ )| ≤ M |x − x′ |, c’est-à-dire que f est M -lipschitzienne sur I.
De continûment dérivable à localement lipschitzien [4222]
Si f ∈ C1 (I, R), alors f est lipschitzienne sur tout segment inclus dans I.
Obtenir une inégalité lipschitzienne [4223] On peut utiliser l’inégalité des accroissements finis pour montrer le
caractère lipschitzien, éventuellement local, d’une application réelle de la variable réelle.
En particulier, dans le cas d’une application contractante sur un segment, on peut obtenir une approximation d’un
point fixe par les termes de la suite définie par récurrence à l’aide de la fonction.
Cas non réel [4224] L’inégalité des accroissement finis, contrairement à la formule des accroissements finis, peut se
démontrer aussi dans un cadre non réel, sous des hypothèses plus fortes, à l’aide de la formule de Taylor avec reste
sous forme intégrale, comme on peut le voir dans le cours d’intégration (cf. [7031]).

3◦) Application aux variations ou à la convexité d’une fonction

◦ Passer du signe de la dérivée à la monotonie de l’application [4225] Soit f ∈ D(I, R). Alors :
(i) f est constante sur I si et seulement si f ′ = 0.
(ii) f est croissante sur I si et seulement si f ′ ≥ 0.
(iii) Si f est strictement croissante sur I, alors f ′ ≥ 0 et f ′ n’est nulle sur aucun intervalle ouvert inclus dans I.
(iv) Si f ′ ≥ 0 et f ′ ne s’annule qu’en un nombre fini de points de I, alors f est strictement croissante sur I.
◦ Convexité et dérivées [4226] Soit f ∈ F(I, R).
(i) Si f ∈ D(I, R), alors f est convexe sur I si et seulement si f ′ est croissante sur I.
Dans ce cas, en tout point de la représentation graphique de f , la courbe est au-dessus de ses tangentes.
(ii) Si f ∈ D2 (I, R), alors f est convexe sur I si et seulement si f ′′ ≥ 0.
 Chapitre IV. Suites et fonctions réelles de la variable réelle (première année) 67

4◦) Limite de l’application dérivée et dérivabilité en un point

• Théorème de la limite de la dérivée [4227] Soit f ∈ C(I, R), dérivable en tout point de I \ {a} et ℓ ∈ R ∪ {−∞, +∞}.
Si f ′ admet ℓ pour limite épointée en a, alors il en est de même du taux de variation f (x)−f
x−a
(a)
.
′
⋄ Si ℓ est un réel, alors f est dérivable en a et f (a) = ℓ.
⋄ Si ℓ est un infini, la courbe de f admet une demi-tangente verticale en a.
Corollaire continûment dérivable du théorème de la limite de la dérivée [4228]
Soit a ∈ I et f un élément de C(I, R) ∩ C1 (I∩] − ∞, a[, R) ∩ C1 (I∩]a, +∞[, R) et ℓ ∈ R.
Si f ′ admet ℓ pour limite en a, alors f est de classe C1 sur I et f ′ (a) = ℓ.
Théorème étendu de la limite de la dérivée [4229]
Soit k ∈ N∗ , a ∈ I et f un élément de C(I, R) ∩ Ck (I∩] − ∞, a[, R) ∩ Ck (I∩]a, +∞[, R).
Si, pour tout i ∈ [[ 1 , k ]] , f (i) admet une limite finie en a, alors f est de classe Ck sur I.

5◦) Application à des formules classiques et aux développements limités

◦ HP Formule de Taylor-Lagrange [4230] Soit a, b ∈ R, k ∈ N et f ∈ Ck ([a, b], R) ∩ Dk+1 (]a, b[, R).
∑k i k+1
Alors il existe c ∈]a, b[ tel que f (b) = i=0 (b−a)
i! f
(i)
(a) + (b−a)
(k+1) ! f
(k+1)
(c).
Remarque [4231] Il s’agit de la généralisation de la formule des accroissements finis.
◦ Formule de Taylor-Young [4232]
∑k i
Soit k ∈ N, a ∈ I et f ∈ Ck (I, R). Alors : f (x) = i=0 (x−a)
i! f
(i)
(a) + o x→a ((x − a)k )
MP Cette formule s’étend aux fonctions à valeurs dans un espace vectoriel normé de dimension finie (cf. [5171]).
Méthode [4233] Cette formule permet d’obtenir des développements limités usuels. Attention, il n’y a pas de réciproque.
• Théorème de primitivation des développements limités [4234] Soit a ∈ I et f ∈ D(I, ∑nR).
On suppose que f ′ admet un développement limité d’ordre n en a de la forme f
∑n
′
(x) = k n
k=0 ck (x−a) + o x→a ((x−a) ),
alors f admet le développement limité d’ordre n + 1 en a : f (x) = f (a) + k=0 k+1 (x − a)
ck k+1
+ o x→a ((x − a)n+1
)

6◦) Application à l’étude d’une fonction réelle de la variable réelle et conséquences

Méthode [4235] Lorsqu’on étudie une fonction f réelle de la variable réelle, on peut suivre la démarche suivante :
⋄ On précise les intervalles de définition de f .
⋄ On détermine le domaine d’étude, en tenant compte des parités ou des périodicités éventuelles, en indiquant alors
les transformations géométriques suffisantes pour obtenir tout le graphe de f , à partir du graphe de la restriction
de f à son domaine d’étude.
⋄ On précise la classe de f .
⋄ On étudie les limites aux bornes des intervalles d’étude de f .
• On pourra alors voir apparaître des asymptotes horizontales ou verticales, qu’on précisera.
• On prolonge éventuellement la fonction par continuité en des points où c’est possible. On utilisera ensuite, si c’est
possible, le théorème étendu de la limite de la dérivée, pour déterminer la classe.
⋄ On cherche les points critiques, qui annulent f ′ , afin de chercher parmi eux les extrema locaux éventuels. On étudie
le signe de f ′ , en étudiant au besoin une fonction auxiliaire.
⋄ On dresse le tableau de variations.
⋄ On trace le graphe, en précisant les tangentes ou demi-tangentes remarquables et les asymptotes.
Construire des inégalités sur des fonctions [4236]
⋄ Pour obtenir une inégalité globale entre deux fonctions, on peut en étudier la différence pour montrer que le signe
en est constant. Une monotonie selon une autre variable, explicite ou non, peut parfois être invoquée.
⋄ Pour obtenir une inégalité locale ou asymptotique entre deux fonctions, on peut chercher un équivalent de la
différence au voisinage du point à étudier, et on étudie son signe.
⋄ Pour obtenir un encadrement local ou asymptotique d’une fonction donnée, on utilise généralement un déve-
loppement limité.
Étude locale [4237] Les développements limités se révèlent utiles pour étudier localement une application.
On peut souhaiter connaître, pour un point donné, la position relative de la courbe et de la tangente en ce point.
Par exemple, pour déterminer un point d’inflexion, si la fonction est suffisamment régulière, la formule de Taylor-Young
montre qu’il faut chercher un tel point parmi ceux dont la dérivée seconde est nulle (et pour lequel, par exemple, la
f (3) (a) 3
dérivée troisième n’est pas nulle). Dans ce cas, en effet, f (a + h) = f (a) + f ′ (a)h + 6 h + o h→0 (h3 ), et donc le
signe de f (a + h) − f (a) − f ′ (a)h dépend de celui de h.
68 Descartes — MP — CC BY-NC-SA 2023-2024

D Développement limités
I Développement limité d’une fonction réelle au voisinage de 0
Dans toute cette partie, I désigne un intervalle ouvert de R contenant 0, n un entier naturel et f ∈ F(I, R).

1◦) Définition et premières propriétés

Développement limité au voisinage de 0 [4238]
On dit que f admet un développement limité d’ordre n au voisinage de 0 lorsqu’il existe P ∈ Rn [X] et ε ∈ F(I, R)
tels que f (x) = P (x) + xn ε(x) avec lim0 ε = 0, ce qu’on note f (x) = P (x) + o x→0 (xn ).
Le polynôme P s’appelle la partie régulière du développement limité et x 7→ xn ε(x) est la partie complémentaire.
n+1
Exemple [4239]
1
1−x= 1 + x + · · · + xn + x1−x = 1 + x + · · · + xn + o x→0 (xn )
Unicité, troncature et parité [4240] Si f admet un développement limité d’ordre n au voisinage de 0, alors :
(i) Ce développement limité est unique.
(ii) On peut tronquer un développement limité, c’est-à-dire si p ≤ n, f admet un développement limité d’ordre p au
voisinage de 0 obtenu à partir de celui d’ordre n.
(iii) Si f est une application paire (resp. impaire) alors la partie régulière de son développement limité est un polynôme
pair (resp. impair).
Développement limité, équivalent et signe local [4241] Le terme prépondérant d’un développement limité fournit
un équivalent, et donc le signe de f , localement au voisinage de 0.
( )
Forme normalisée [4242] Lorsqu’elle existe, l’écriture f (x) = xp P (x) + o x→0 (xn ) , où P ∈ Rn [X] et P (0) ̸= 0
(c’est-à-dire val(P ) = 0) constitue la forme normalisée d’un développement limité.

2◦) Opérations et composition

Théorème d’opérations sur les développements limités [4243] Soient f et g deux applications admettant chacune
un développement limité d’ordre n au voisinage de 0, de parties régulières respectives P et Q et soit λ ∈ R. Alors :
(i) f + g admet un développement limité d’ordre n au voisinage de 0 de partie régulière P + Q,
(ii) λf admet un développement limité d’ordre n au voisinage de 0 de partie régulière λP ,
(iii) f g admet un développement limité d’ordre n au voisinage de 0 de partie régulière obtenue en prenant dans le
produit P Q les termes de degrés inférieurs ou égaux à n.
Attention [4244] Si f et g admettent des développements limités au voisinage de 0 à des ordres différents, alors il
convient de se limiter au plus petit des deux ordres considérés.
Théorème de composition [4245] Soient f ∈ F(I, J) et g ∈ F(J, R) deux applications admettant chacune un dévelop-
pement limité d’ordre n au voisinage de 0, de parties régulières respectives P et Q. On suppose de plus que lim0 f = 0.
Alors g ◦ f admet un développement limité d’ordre n de partie régulière obtenue en prenant dans la composée Q ◦ P
les termes de degrés inférieurs ou égaux à n.
Inverse [4246] Soit f admettant un développement limité d’ordre n au voisinage de 0 telle que lim0 f ̸= 0. Alors la
fonction 1/f admet un développement limité d’ordre n au voisinage de 0.
Prévoir l’ordre par la forme normalisée [4247] L’intérêt de la forme normalisée d’un développement limité est
qu’elle permet de prévoir dans les compositions l’ordre utile.

3◦) Primitivation
Rappel [4248] Soit I un intervalle de R contenant 0 et f ∈ D(I, R).
Si f ′ admet un développement limité d’ordre n en 0 de la forme f ′ (x) = c0 + c1 x + · · · + cn xn + o x→0 (xn ), alors f
2 n+1
admet le développement limité d’ordre n + 1 en 0 : f (x) = f (0) + c0 x + c1 x2 + · · · + cn xn+1 + o x→0 (xn+1 ).
Attention On ne dérive jamais un développement limité. Ainsi f : x 7→ x3 sin x1 telle que f (0) = 0 admet un
[4249]
développement limité d’ordre 2, alors que f ′ n’admet pas de développement limité d’ordre 1.

4◦) Condition suffisante d’existence : la formule de MacLaurin

∑k i
Formule de Taylor-MacLaurin Soit k ∈ N et f ∈ Ck (I, R). Alors : f (x) = i=0 xi ! f (i) (0) + o x→0 (xk ).
[4250]
Caractérisation : continuité et ordre 0 [4251] Soit f ∈ F(I, R), définie en 0.
Alors f admet un développement limité d’ordre 0 au voisinage de 0 si et seulement si f est continue en 0.
Caractérisation : dérivabilité et ordre 1 [4252] Soit f ∈ F(I, R), définie en 0.
Alors f admet un développement limité d’ordre 1 au voisinage de 0 si et seulement si f est dérivable en 0.
Attention [4253] Ce type de résultat est faux à un ordre plus important. Ainsi f : x 7→ x3 sin x1 telle que f (0) = 0
admet un développement limité d’ordre 2, alors que f ′′ (0) n’existe pas.
Chapitre IV. Suites et fonctions réelles de la variable réelle (première année) 69

II Autres types de développements

1◦) Développements limités au voisinage de x0
Développement limité ailleurs au voisinage d’un réel [4254] Soit n ∈ N, I un intervalle de R et x0 ∈ I.
On dit que f admet un développement limité d’ordre n au voisinage de x0 lorsqu’il existe P ∈ Rn [X] et ε ∈ F(I, R)
tels que f (x) = P (x − x0 ) + (x − x0 )n ε(x) avec limx0 ε = 0, ce qu’on note f (x) = P (x − x0 ) + o x→x0 ((x − x0 )n ).
Translation [4255] Si on pose g : h 7→ f (x0 + h), alors g admet un développement limité d’ordre n au voisinage de 0
si et seulement si f admet un développement limité d’ordre n au voisinage de x0 .
On se ramène donc aux résultats de la première partie en posant h = x − x0 .
( ) ( )3 ( )5 (( )5 )
Exemple [4256] cos(x) = − x − π2 + 16 x − π2 − 120 1
x − π2 + o x→ π2 x − π2

2◦) Développement limité généralisé à l’ordre n − p au voisinage de 0

Développement limité généralisé [4257] On dit que f admet un développement limité généralisé à l’ordre n − p au
voisinage de 0 lorsque x 7→ xp f (x) admet un développement limité d’ordre n au voisinage de 0.
Exemple [4258] cotan(x) = x1 − 13 x − 45
1 3
x + o x→0 (x3 ) est un développement limité généralisé à l’ordre 3.

3◦) Développement asymptotique au voisinage de l’infini

Développement asymptotique [4259] On dit que f admet un développement asymptotique à l’ordre n au voisinage
( )
de +∞ lorsque x 7→ f x1 admet un développement limité d’ordre n au voisinage de 0.
Inversion [4260] On peut se ramener aux résultats de la première partie en posant t = x1 .
( )x e
(1)
Exemple [4261] 1 + x1 = e − 2x 11e
+ 24x 2 + o x→+∞ x2
Analectes [4262]
(i) On peut combiner toutes ces notions, et même utiliser des √ fonctions non polynomiales :
√ √ ( )
ln | sin(x)| = ln |x| − 61 x2 − 180
1
x4 + o x→0 (x4 ), ou encore x + x − x = 12 − 8√ 1
x
1
+ 16x + o x→+∞ x1
(ii) L’ensemble d’arrivée d’une fonction ayant un développement limité peut être C, il suffit de s’intéresser aux déve-
loppements des parties réelles et complexes de la fonction.
(iii) Il existe des fonctions n’ayant pas de développement à quelque ordre que ce soit : considérer ln(x) en 0 ou exp(x)
en +∞ ou −∞.
(iv) Une petite chose à noter, pour terminer : ∀n ∈ N, exp (−1/|x|) = o x→0 (xn )

4◦) Application à l’étude des branches infinies d’une courbe plane d’équation y = f (x)
Points à l’infini d’une courbe cartésienne [4263] Soit f ∈ RI et x0 ∈ R ∪ {−∞, +∞}, un point adhérent à I.
On note Γ la courbe associée à f . On distingue les cas suivants :
⋄ Si x0 ∈ R et limx→x0 f (x) = ±∞, Γ admet une asymptote verticale d’équation x = x0 au voisinage (éventuellement
gauche ou droit) de a.
⋄ Si x0 = ±∞ et limx→x0 f (x) = y0 ∈ R, Γ admet une asymptote horizontale d’équation y = y0 au voisinage de x0 .
⋄ Si x0 = ±∞ et limx→x0 f (x) = ±∞, on s’intéresse à la limite du quotient f (x)
x lorsque x tend vers x0 :
• Si f (x)
x n’a pas de limite, la courbe présente simplement une branche infinie au voisinage de x0 .
Par exemple : f (x) = x(2 + sin(x)) au voisinage de +∞.
• Si f (x)
x tend vers ±∞, la courbe présente une branche parabolique de direction asymptotique verticale au voisinage
de x0 . Par exemple : f (x) = exp(x) au voisinage de +∞.
• Si f (x)
x tend vers 0, la courbe présente une branche parabolique de direction asymptotique horizontale au voisinage
de x0 . Par exemple : f (x) = ln(x) au voisinage de +∞.
• Si f (x)
x tend vers a ∈ R \ {0}, on s’intéresse à la limite de la différence f (x) − ax lorsque x tend vers x0 :
⋆ Si f (x) − ax n’a pas de limite, la courbe présente une branche infinie de direction asymptotique oblique de
direction d’équation y = ax au voisinage de x0 . Par exemple : f (x) = x + sin(x) au voisinage de +∞.
⋆ Si f (x) − ax tend vers ±∞, la courbe présente une branche parabolique de direction asymptotique oblique de
direction d’équation y = ax au voisinage de x0 . Par exemple : f (x) = x + ln(x) au voisinage de +∞.
⋆ Si f (x) − ax tend vers b ∈ R, la courbe présente une asymptote oblique d’équation y = ax + b au voisinage
de x0 . On cherche alors le signe de f (x) − ax − b au voisinage de x0 au moyen d’un développement limité ou
asymptotique, afin de déterminer la position du support de la courbe par rapport à son asymptote.
 70 Descartes — MP — CC BY-NC-SA 2023-2024

E Fonctions usuelles
Les graphes des fonctions présentées ci-dessous sont à connaître parfaitement et en particulier les particularités de
chacun (asymptotes, tangentes remarquables, points d’inflexion, etc.). Il convient de pouvoir les tracer à main levée
sans hésiter.

I Fonctions circulaires
1◦) Fonctions circulaires directes
ADMIS Fonctions sinus, cosinus et tangente [4264]
Les applications (sin, cos) ∈ C∞ 2
∪(R, [−1,π1]) sontπ 2π-périodiques, surjectives, impaire et paire, respectivement.
∞
L’application tan = cos ∈ C ( n∈Z ] − 2 + nπ, 2 + nπ[, R) est π-périodique, surjective et impaire.
sin

Dérivées : cos′ = − sin = cos(• + π2 ), sin′ = cos = sin(• + π2 ) et tan′ = cos

1
2 = 1 + tan
2
∪
HP Fonction cotangente [4265] cotan = cos sin = tan et donc : ∀x ∈
1
n∈Z ]nπ, (n + 1)π[, cotan(x) = − tan(x + 2 )
π

Formulaire des fonctions circulaires directes [4266]

⋄ Manipulations trigonométriques :
Angles remarquables Angles associés Formules fondamentales
x 0 π
6
π
√4
π
√3
π
2 sin( π2 − x) = sin( π2 + x) = cos(x) cos2 (x) + sin2 (x) = 1
sin(x) 0 1 2 3
1 cos( π2 − x) = − cos( π2 + x) = sin(x) 1 + tan2 (x) = cos12 (x)
√2 √2 2
cos(x) 1 3 2 1
0 tan( π2 − x) = − tan( π2 + x) = cotan(x) 1 + cotan2 (x) = 1
sin2 (x)
√2 2
√2
tan(x) 0 3
1 3 • sin(π − x) = − sin(π + x) = sin(x)
√3 √
cotan(x) • 3 1 3
3
0 cos(π − x) = cos(π + x) = − cos(x)
Formules d’addition Formules de linéarisation
2 (cos(a − b) + cos(a + b))
1
sin(a + b) = sin(a) cos(b) + cos(a) sin(b) cos(a) cos(b) =
cos(a + b) = cos(a) cos(b) − sin(a) sin(b) sin(a) sin(b) = 2 (cos(a − b) − cos(a + b))
1
tan(a)+tan(b)
2 (sin(a − b) + sin(a + b))
1
tan(a + b) = 1−tan(a) tan(b) sin(a) cos(b) =
2 tan(x)
Formules de duplication cos(2x) = cos2 (x) − sin2 (x) sin(2x) = 2 sin(x) cos(x) tan(2x) = 1−tan 2 (x)

Formules de Carnot cos2 (x) = 12 (1 + cos(2x)) sin2 (x) = 1

2 (1 − cos(2x)) sin(x) cos(x) = 1
2 sin(2x)
cos(p) + cos(q) = 2 cos( 2 ) cos( p−q
p+q
2 ) cos(p) − cos(q) = −2 sin( p+q 2 ) sin( p−q
2 )
Formules de factorisation
sin(p) + sin(q) = 2 sin( p+q
2 ) cos( p−q
2 ) sin(p) − sin(q) = 2 cos( 2 ) sin( 2 )
p+q p−q

x 1−t2 2t 2t
Tangente de l’angle moitié Si t = tan( 2 ), alors : cos(x) = 1+t2 sin(x) = 1+t 2 tan(x) = 1−t 2

⋄ Développements limités au voisinage de 0 : ∫⋄ xPrimitives (à une constante

∫ x additive près) :
dt
cos(x) = 1 − 21! x2 + · · · + (−1)n (2n)
1
!x
2n
+ O (x2n+2 ) = − cotan(x) tan(t) dt = − ln | cos(x)|
∫ x sindt2 (t) ∫ x dt
sin(x) = x − 3 ! x + · · · + (−1) (2n+1) ! x
1 3 n 1 2n+1
+ O (x2n+3 ) sin(t) = ln | tan( x
2 )| cos(t) = ln | tan( 2 + 4 )|
x π
1 3 2 5
tan(x) = x + 3 x + 15 x + O (x7 )

2◦) Fonctions circulaires réciproques

Inversion du sinus [4267] La fonction sinus est une bijection croissante du segment [− π2 , π2 ] sur le segment [−1, 1].
Sa bijection réciproque est la fonction Arcsin : ∀x ∈ [−1, 1], ∀y ∈ [− π2 , π2 ], y = Arcsin(x) ⇔ x = sin(y)
Attention [4268] Pour tout x ∈ [−1, 1], sin(Arcsin(x)) = x et pour tout x ∈ [− π2 , π2 ], Arcsin(sin(x)) = x, mais cette
dernière formule n’est pas valable pour tous les réels, par exemple : Arcsin(sin(π)) = 0
′
Propriétés de la fonction Arcsin [4269] Elle est impaire, dérivable sur ] − 1, 1[ et : ∀x ∈] − 1, 1[, Arcsin (x) = √ 1 2
1−x
Inversion du cosinus [4270] La fonction cosinus est une bijection décroissante du segment [0, π] sur le segment [−1, 1].
Sa bijection réciproque est la fonction Arccos : ∀x ∈ [−1, 1], ∀y ∈ [0, π], y = Arccos(x) ⇔ x = cos(y)
Attention [4271] Pour tout x ∈ [−1, 1], cos(Arccos(x)) = x et pour tout x ∈ [0, π], Arccos(cos(x)) = x, mais cette
dernière formule n’est pas valable pour tous les réels, par exemple : Arccos(cos(2π)) = 0
′
Propriétés de la fonction Arccos [4272] Elle est dérivable sur ] − 1, 1[ et : ∀x ∈] − 1, 1[, Arccos (x) = − √ 1 2
1−x
Inversion de la tangente La fonction tangente est une bijection croissante de l’intervalle ] − π2 , π2 [ sur R. Sa
[4273]
bijection réciproque est la fonction Arctan : ∀x ∈ R, ∀y ∈] − π2 , π2 [, y = Arctan(x) ⇔ x = tan(y)
Attention [4274] Pour tout x ∈ R, tan(Arctan(x)) = x et pour tout x ∈] − π2 , π2 [, Arctan(tan(x)) = x, mais cette
dernière formule n’est pas valable pour tous les réels, par exemple : Arctan(tan(π)) = 0
′
Propriétés de la fonction Arctan [4275] Elle est impaire, dérivable sur R et : ∀x ∈ R, Arctan (x) = 1+x 1
2

Attention [4276] Les notations Arcsin, Arccos et Arctan sont celles du programme officiel de mathématiques. Il
conviendra donc de ne pas en oublier les majuscules.
Chapitre IV. Suites et fonctions réelles de la variable réelle (première année) 71

Formulaire des fonctions circulaires réciproques [4277]

1
√
2
√
3
√
3
√
x 0 2 2 2 1 x 0 3 1 3
π π π π π π π
Arcsin(x) 0 6 4 3 2 Arctan(x) 0 6 4 3
π π π π
Arccos(x) 2 3 4 6 0

∀x ∈ [−1, 1], Arccos(x) + Arcsin(x) = π2 ∀x ∈ R∗ , Arctan(x) + )Arctan( x1 ) = sgn(x) π2

( a+b
∀(a, b) ∈ R , ab ̸= 1 =⇒ ∃k ∈ {−1, 0, 1} , Arctan(a) + Arctan(b) = Arctan 1−ab + kπ
2

∀x ∈ R, cos(Arctan(x)) = √1+x1
2
∀x ∈ R, sin(Arctan(x)) = √1+xx
2

⋄ Développements limités au voisinage de 0 : ⋄ Primitives :

1.3.5...(2n−1) n ∫ x dt
2.4 x + · · · + 2.4.6...(2n) x + O (x
√1 = 1 + 12 x + 1.3 2 n+1
) 2
1 x
2 = h Arctan( h ) + C
1−x
3 5
1.3.5...(2n−1) x 2n+1 ∫ x t +h
√ dt
2.4 5 + · · · + 2.4.6...(2n) 2n+1 + O (x
Arcsin(x) = x + 21 x3 + 1.3 x 2n+3
) h2 −t2
= Arcsin( hx ) + C
Arctan(x) = x − 3 x + · · · + (−1) 2n+1 x
1 3 n 1 2n+1
+ O (x 2n+3
)

II Fonctions rationnelles et racines

1◦) Fonctions polynomiales et rationnelles
Équivalents
∑ polynomiaux [4278]
+∞
Soit P = n=0 an X n ∈ R[X] \ {0}. Alors : P (x) ∼x→+∞ adeg(P ) xdeg(P ) et P (x) ∼x→0 aval(P ) xval(P )
Fonction rationnelle Soient P ∈ R[X] et Q ∈ R[X] \ {0}.
[4279]
P (x)
La fonction x 7→ Q(x) définie sur le complémentaire des zéros de Q dans R est une fonction rationnelle.
P
Prolongements par continuité éventuels Si Q n’est pas sous forme irréductible, on peut éventuellement
[4280]
effectuer des prolongements par continuité en les racines communes à P et Q.
∑+∞ ∑+∞
Équivalents de fonctions rationnelles [4281] Soient P = n=0 an X n ∈ R[X] \ {0} et Q = n=0 bn X n ∈ R[X] \ {0}.
P (x) adeg(P ) deg(P )−deg(Q) P (x) aval(P ) val(P )−val(Q)
Alors : Q(x) ∼+∞ bdeg(Q) x et Q(x) ∼0 bval(Q) x
Fonction homographique [4282]
Soient a, b, d ∈ R et c ∈ R∗ . Il convient de bien connaître les propriétés et le graphe d’une fonction du type : x 7→ ax+b
cx+d
C’est une hyperbole, qui admet deux asymptotes, d’équations y = ac (aux voisinages de +∞ et de −∞) et x = − dc .
Développements limités au voisinage de 0 [4283]
1
1−x = 1 + x + · · · + xn + O (xn+1 ) 1
1+x = 1 − x + · · · + (−1)n xn + O (xn+1 )

2◦) Fonctions puissances rationnelles

Fonctions racines Soit n ∈ N \ {0, 1}.√L’application x 7→ xn est une√bijection croissante de R+ sur R+ .
[4284]
Sa bijection réciproque est la fonction x 7→ n x : ∀x ∈ R+ , ∀y ∈ R+ , y = n x ⇔ x = y n
√ √
n x
Propriétés des racines [4285] La fonction x 7→ n x est dérivable sur R∗+ , de dérivée x 7→ n1 x .
√
Attention [4286] Pour tout x ∈ R, x2 = |x| (lequel n’est pas nécessairement x).
√ √
Racine d’ordre impair d’un nombre négatif [4287] Si n ∈ 2N + 1 et x ∈ R− , on pourrait poser n x = − n −x.
Notation usuelle compatible avec les puissances entières et la dérivation [4288]
déf √
x, et : (x n )n = x et (x n )′ = −1
1 1 1 1
Pour tout x ∈ R+ , x n = n 1 n
nx
déf 1
Soit r = p
q ∈ Q, sous forme irréductible. On pose, pour tout x ∈ R+ , xr = (x q )p . Alors :
∀x ∈ R+ , ∀(r1 , r2 ) ∈ Q2 , xr1 +r2 = xr1 xr2 et (xr1 )r2 = xr1 r2
Utilisation de la quantité conjuguée [4289] √ √
Si P et Q sont des fonctions polynomiales de même degré et de même coefficient dominant, pour étudier P (x)− Q(x)
√ √ √ √ ∑n−1 k n−1−k
(ou plus généralement n P (x) − n Q(x)), on peut utiliser P (x) + Q(x) (resp. k=0 P (x) n Q(x) n ).

3◦) Fonctions polynomiales de plusieurs variables

Monôme [4290]On note K = R ou C. Soit n ∈ N∗ .
Pour tout (p1 , . . . , pn ) ∈ Nn , on pose µp1 ,...,pn : Kn → R ; (x1 , . . . , xn ) 7→ xp11 · · · xpnn , qu’on appelle monôme.
Fonction polynomiale de plusieurs variables [4291] L’ensemble des combinaisons linéaires de (µp1 ,...,pn )(p1 ,...,pn )∈Nn
est un sous-espace vectoriel de l’ensemble des applications de Kn vers K, appelé espace vectoriel des applications
polynomiales sur Kn . La famille (µp1 ,...,pn )(p1 ,...,pn )∈Nn en est une base, appelée base canonique.
72 Descartes — MP — CC BY-NC-SA 2023-2024

III Logarithmes, exponentielles et puissances

1◦) Logarithmes
a. Logarithme népérien
∫x
Logarithme naturel [4292] On appelle logarithme népérien la fonction R∗+ → R ; x 7→ 1
dt
t . Notation : ln
Dérivation du logarithme népérien [4293] La fonction ln est dérivable sur R∗+ de dérivée x 7→ x1 . De plus, pour tout
f ′ (x)
x ∈ R∗ , (ln |x|)′ = 1
x et pour toute application f ∈ D(I, R∗ ), pour tout x ∈ I, (ln |f |)′ (x) = f (x) . Enfin, ln(1) = 0.
Équation fonctionnelle [4294] L’ensemble {f ∈ D(R∗+ , R) | ∀(x, y) ∈ (R∗+ )2 , f (xy) = f (x) + f (y)} est Vect(ln).
Corollaire [4295] Pour tout x ∈ R∗+ et tout r ∈ Q, ln(x ) = r ln(x).
r

Variations et limites de la fonction logarithme népérien [4296] Elle vérifie les propriétés suivantes :
(i) ln est strictement croissante sur R∗+ ,
ln(x)
lim ln(x) = −∞, lim
(ii) lim ln(x) = +∞, x→0 x = 0 et x→0
lim x ln(x) = 0,
x→+∞ x→+∞
x>0 x>0

(iii) ln est une bijection continue strictement croissante de R∗+ sur R.

Notation : On note e l’antécédent de 1 par la fonction ln.
Étude du signe d’une application [4297] Si P, Q, R ∈ R(X), pour obtenir le signe de P + Q. ln ◦R, étudier P
Q + ln ◦R.
Formulaire de la fonction logarithme népérien [4298]
⋄ Développement limité au voisinage de 0 : ⋄∫ Primitives :
x dt
ln(1 + x) = x − 12 x2 + · · · + (−1)n−1 n1 xn + O (xn+1 ) ∫ x t dt= ln |x| + C √
⋄ Par concavité : ∀x ∈] − 1, +∞[, ln(1 + x) ≤ x √
t2 +h
= ln |x + x2 + h| + C

b. Logarithme de base a ∈ R+ \ {0, 1}

D’autres logarithmes [4299]
ln(x)
Soit a ∈ R+ \ {0, 1}. On appelle logarithme de base a l’application R∗+ → R ; x 7→ ln(a) . Notation : loga
Propriétés du logarithme de base a [4300] L’application loga vérifie les propriétés suivantes :
(i) loga ∈ D(R∗+ , R) et pour tout x ∈ ∗
R+ , log′a (x) = x ln(a)
1
.
(ii) Pour tout (x, y) ∈ (R∗+ )2 , loga (xy) = loga (x) + loga (y), et pour tout r ∈ Q, loga (xr ) = r loga (x).
(iii) Pour obtenir le graphe de loga à partir de celui de ln, on effectue une affinité orthogonale de base l’axe des abscisses
1
et de rapport ln(a) .
Logarithme décimal [4301] Si a = 10, log10 se note souvent log. Alors : ∀n ∈ Z, ∀x ∈ R∗+ , log(10n x) = n + log(x)

2◦) Exponentielles
a. Fonction exponentielle de base e
Inversion du logarithme népérien La fonction ln est une bijection croissante de R∗+ sur R.
[4302]
Sa bijection réciproque est la fonction exponentielle de base e : ∀x ∈ R, ∀y ∈ R∗+ , y = exp(x) ⇔ x = ln(y)
Propriétés de l’exponentielle [4303] La fonction exp vérifie :
(i) exp ∈ C∞ (R, R) et exp′ = exp,
(ii) exp(0) = 1 et exp(1) = e
exp(x)
(iii) lim exp(x) = +∞, lim exp(x) = 0 et lim x = +∞,
x→+∞ x→−∞ x→+∞
(iv) pour tout r ∈ Q, exp(r) = er . Notation : On convient donc que pour tout x ∈ R, ex = exp(x).
Équation fonctionnelle [4304]
L’ensemble {f ∈ D(R, R) | ∀(x, y) ∈ R2 , f (x + y) = f (x)f (y) est {x 7→ exp(λx)|λ ∈ R} ∪ {0}.
P . exp ◦R.
Étude du signe d’une application [4305] Si P, Q, R ∈ R(X), pour obtenir le signe de P +Q. exp ◦R, étudier 1+ Q

b. Fonctions exponentielles de base a ∈ R+ \ {0, 1}

D’autres exponentielles [4306]
Soit a ∈ R+ \ {0, 1}. On appelle exponentielle de base a l’application R → R∗+ ; x 7→ exp(x ln(a)).
Notation : Pour tout a ∈ R+ \ {0, 1} et tout x ∈ R, on note ax = exp(x ln(a)).
Propriétés de l’exponentielle de base a Soit a ∈ R+ \ {0, 1}.
[4307]
(i) L’application exponentielle de base a est dérivable sur R et pour tout x ∈ R, (ax )′ = ax ln(a).
(ii) Pour tout (a, b) ∈ R∗+ et tout (x, y) ∈ R, ax+y = ax ay , (ax )y = axy et ax bx = (ab)x .
Inversion [4308] L’exponentielle de base a est l’application réciproque du logarithme de base a.
Chapitre IV. Suites et fonctions réelles de la variable réelle (première année) 73

Formulaire des fonctions exponentielles [4309]

⋄ Développement limité au voisinage de 0 : ⋄∫ Primitives :
x
exp(x) = 1 + x + 21! x2 + · · · + n1! xn + O (xn+1 ) ∫ x exp(t) dt = exp(x) + C
⋄ Par convexité : ∀x ∈ R, ex ≥ 1 + x 1
at dt = ln(a) ax + C
Exponentielle complexe Si f ∈ D(I, C), alors exp ◦f ∈ D(I, C), de dérivée f ′ · (exp ◦f ).
[4310]
Ainsi, si α ∈ C, l’application R → C ; x 7→ exp(αx) est indéfiniment dérivable, de dérivée x 7→ αeαx .

3◦) Fonctions puissances et puissances composées

Fonction puissance α [4311] Soit α ∈ R. L’application R∗+ → R ; x 7→ exp(α ln(x)) s’appelle la fonction puissance α.
Notation : xα = exp(α ln(x))
Propriétés de la fonction puissance α [4312] Elle vérifie :
(i) Pour tout (α, β) ∈ R2 et tout (x, y) ∈ (R∗+ )2 , xα+β = xα xβ , (xα )β = xαβ et (xy)α = xα y α .
(ii) Elle est dérivable sur R∗+ , de dérivée (xα )′ = αxα−1 .
(iii) Si α > 0, on peut la prolonger par continuité en 0, et si α ≥ 1, elle est dérivable en 0.
Puissance composée de
( deux applications
) Soient f ∈ F(I, R∗+ ) et g ∈ F(I, R).
[4313]
L’application x 7→ exp g(x) ln(f (x)) est notée f . g

Il faut systématiquement écrire les puissances composées sous forme exponentielle.

Formes indéterminées [4314] Les situations du type ∞0 , 00 et 1∞ sont indéterminées.
Théorème de comparaison des fonctions logarithmes, exponentielles et puissances [4315]
(ax )β (ln(x))β
Soit a > 1, α > 0 et β > 0 : lim α = +∞, lim xα = 0 et lim xα | ln(|x|)|β = 0,
x→+∞ x x→+∞ x→0
Formulaire des fonctions puissances [4316]
⋄ Développement limité au voisinage de 0 : soit α ∈ R ⋄ Primitive :
∫x α
(1 + x)α = 1 + αx + α(α−1)
2! x2 + · · · + α(α−1)(α−2)···(α−n+1)
n! xn + O (xn+1 ) 1
t dt = α+1 xα+1 + C

4◦) Fonctions hyperboliques directes

Fonctions hyperboliques [4317] On appelle :
(i) cosinus hyperbolique la fonction x 7→ 12 (exp(x) + exp(−x)). Notation : ch
(ii) sinus hyperbolique la fonction x 7→ 12 (exp(x) − exp(−x)). Notation : sh
sh(x)
(iii) tangente hyperbolique la fonction x 7→ ch(x) . Notation : th
Parties paires et impaires [4318] Les fonctions ch et sh sont respectivement les parties paires et impaires de exp.
Propriétés des fonctions hyperboliques directes Elles vérifient :
[4319]
(i) ch est définie et dérivable sur R, paire, ch(0) = 1 et pour tout x ∈ R, ch(x) ≥ 1 et ch′ (x) = sh(x),
(ii) sh est définie et dérivable sur R, impaire et pour tout x ∈ R, sh′ (x) = ch(x),
(iii) th est définie et dérivable sur R, impaire et pour tout x ∈ R, th′ (x) = ch21(x) = 1 − th2 (x),
ch(x) sh(x)
(iv) lim ch(x) = +∞, lim x = +∞, lim sh(x) = +∞, lim x = +∞,
x→+∞ x→+∞ x→+∞ x→+∞
lim (ch(x) − 1 x
2e ) = 0, lim ( e − sh(x))
1 x
=0 et lim th(x) = 1.
x→+∞ x→+∞ 2 x→+∞
Formulaire des fonctions hyperboliques directes [4320]
⋄ Manipulations trigonométriques :
x 0 ch(x) + sh(x) = exp(x) ch(a + b) = ch(a) ch(b) + sh(a) sh(b)
sh(x) 0 ch(x) − sh(x) = exp(−x) sh(a + b) = sh(a) ch(b) + ch(a) sh(b)
th(a)+th(b)
ch(x) 1 ch2 (x) − sh2 (x) = 1 th(a + b) = 1+th(a) th(b)
th(x) 0
2
ch(2x) = ch2 (x) + sh2 (x) 1+t
ch(x) = 1−t 2 ch(x) = 21 (u + u1 )
sh(2x) = 2 sh(x) ch(x) 2t
sh(x) = 1−t 2 sh(x) = 21 (u − u1 )
2 th(x)
th(x) = uu2 −1
2
2t
th(2x) = 1+th 2 (x) th(x) = 1+t 2 +1
(avec t = th( x2 )) (avec u = exp(x))

⋄ Développements limités au voisinage de 0 : ⋄∫ Primitives :

x dt
ch(x) = 1 + 21! x2 + · · · + (2n)
1
!x
2n
+ O (x2n+2 ) 2 (t) = th(x) + C
∫ x chdt
sh(x) = x + 31! x3 + · · · + (2n+1)
1
!x
2n+1
+ O (x2n+3 ) = − th(x)
1
+C
∫ x sh2 (t)
th(x) = x − 3 x + 15 x + O (x )
1 3 2 5 7
th(t) dt = ln(ch(x)) + C
74 Descartes — MP — CC BY-NC-SA 2023-2024

5◦) Fonctions hyperboliques réciproques — hors programme mais très classique

Inversion du sinus hyperbolique [4321] La fonction sh est une bijection croissante de R sur lui-même.
Sa bijection réciproque est la fonction argument sinus hyperbolique : ∀x ∈ R, ∀y ∈ R, y = argsh(x) ⇔ x = sh(y)
Propriétés de l’argument sinus hyperbolique [4322]
Cette application est impaire, dérivable sur R et : ∀x ∈ R, argsh′ (x) = √ 1
x2 +1
√
Corollaire : une expression au programme [4323] Pour tout x ∈ R, argsh(x) = ln(x + x2 + 1).
Étude asymptotique [4324] lim argsh(x) = +∞, lim argsh(x)
x = 0 et lim (argsh(x) − ln(x) − ln(2)) = 0
x→+∞ x→+∞ x→+∞
Inversion du cosinus hyperbolique La fonction ch est une bijection croissante de R+ sur [1, +∞[. Sa bijection
[4325]
réciproque est la fonction argument cosinus hyperbolique : ∀x ∈ [1, +∞[, ∀y ∈ R+ , y = argch(x) ⇔ x = ch(y)
Propriétés de l’argument cosinus hyperbolique [4326]
Cette application est dérivable sur ]1, +∞[ et : ∀x ∈]1, +∞[, argch′ (x) = √ 1
x2 −1
√
Corollaire : une expression au programme [4327] Pour tout x ∈ [1, +∞[, argch(x) = ln(x + x2 − 1).
Étude asymptotique [4328] lim argch(x) = +∞, lim argch(x)
x = 0 et lim (ln(x) + ln(2) − argch(x)) = 0
x→+∞ x→+∞ x→+∞
Attention Pour tout x ∈ R, argch(ch(x)) = |x|.
[4329]
Inversion de la tangente hyperbolique [4330] La fonction th est une bijection croissante de R sur ]−1, 1[. Sa bijection
réciproque est la fonction argument tangente hyperbolique : ∀x ∈ ] − 1, 1[, ∀y ∈ R, y = argth(x) ⇔ x = th(y)
Propriétés de l’argument tangente hyperbolique [4331]
Cette application est impaire, dérivable sur ] − 1, 1[ et : ∀x ∈] − 1, 1[, argth′ (x) = 1
1−x2
( 1+x )
Corollaire : une expression au programme Pour tout x ∈] − 1, 1[,
[4332] argth(x) = 12 ln 1−x .
Asymptotes verticales [4333] lim
x→−1
argth(x) = −∞ et x→1
lim argth(x) = +∞
x>−1 x<1

Formulaire des fonctions hyperboliques réciproques [4334]

( a+b )
⋄ Pour tout (a, b) ∈ R2 tels que |a| < 1 et |b| < 1, argth(a) + argth(b) = argth 1+ab .
⋄ Développements limités au voisinage de 0 :
n 1.3.5...(2n−1) 1
argsh(x) = x − 12 13 x3 + 1.3
2.4 5 x + · · · (−1)
1 5
2.4.6...(2n) 2n+1 x
2n+1
+ O (x2n+3 )
argth(x) = x + 3 x + · · · + 2n+1 x
1 3 1 2n+1
+ O (x 2n+3
)
⋄ Primitives
∫ x dt : (x √ )
x
√ = argsh( |h| ) + C = ln |h| + ( hx )2 + 1 + C
∫ x dt
h 2 +t2
(x √ )
√ x
= argch( |h| ) + C = ln |h| + ( hx )2 − 1 + C
∫ x dt
t 2 −h2

h2 −t2 = h argth( h ) + C = 2h ln | h−x | + C

1 x 1 h+x
Chapitre IV. Suites et fonctions réelles de la variable réelle (première année) 75

IV Graphes des fonctions usuelles

Fonctions circulaires directes et réciproques

π
2

1
y = sin(x)
1
π π
2 y = Arcsin(x)

1 y = cos(x) π
2
π π
2

y = Arccos(x) 1

y = tan(x)

π
2
π
2

y = Arctan(x)

Fonctions polynomiales et racines

y = x5 y=x

y = x2

√
y= x

√
5
y= x
1

1
76 Descartes — MP 2022-2023

Fonctions logarithmes et exponentielles

y = log2/3 (x)

y = 10x

y = ln(x)
1 x
y = ( 10 )
y = log10 (x)

y = ex
1
y = log1/10 (x)
y = ( 23 )x

y = ( 32 )x
y = log3/2 (x)
1

Fonctions puissances

y = xπ y = x2 y=x

y = x1/2

y = x1/π
1 y=1

Fonctions hyperboliques directes

y = ch(x)

1
y = th(x)

1 x
y= 2e

−1

y = sh(x)
 Chapitre V. Topologie, suites et fonctions vectorielles 77

Dans tout ce chapitre, K désigne le corps R ou C, et E un K-espace vectoriel.

A Topologie élémentaire ; suites

I Normes et distances
1◦) En dimension quelconque
Espace vectoriel normé [5001]
Soit E un K-espace vectoriel sur K. On dit que N ∈ (R+ )E est une norme sur E lorsque :
⋄ ∀x ∈ E, N (x) = 0 ⇒ x = 0 (caractère défini ou propriété de séparation),
⋄ ∀x ∈ E, ∀λ ∈ K, N (λx) = |λ|N (x) (propriété d’absolue homogénéité ou de positive homogénéité) et
⋄ ∀x, y ∈ E, N (x + y) ≤ N (x) + N (y) (propriété de sous-additivité ou inégalité triangulaire)
On dit alors que (E, N ) est un espace vectoriel normé. Notation : On utilise aussi ∥ ∥.
◦ Deux propriétés immédiates [5002] Soit (E, N ) un espace vectoriel normé. Pour tout (x, y) ∈ E 2 :
(i) x = 0 ⇒ N (x) = 0 (ii) |N (x) − N (y)| ≤ N (x − y)
Miscellanées [5003]
(i) On retrouve l’inégalité classique sur la valeur absolue ou le module : ∀(x, y) ∈ K, |x| − |y| ≤ |x + y| ≤ |x| + |y|
√
(ii) Lorsque E est préhilbertien, on peut utiliser la norme euclidienne, associée au produit scalaire N2 : x 7→ (x|x).
HP (iii) On dit qu’une norme sur une algèbre A est une norme sous-multiplicative lorsque : ∀x, y ∈ A, N (xy) ≤ N (x)N (y)
◦ HP Théorème du transport de norme [5004] Soient E et F deux K-espaces vectoriels. On suppose que N est une norme
sur E et qu’il existe ψ un isomorphisme de E sur F . Alors N ◦ ψ −1 est une norme sur F . Les espaces sont isométriques.
◦ Normes équivalentes [5005] Soit E un espace vectoriel sur K, et N et N ′ deux normes sur E. On dit que N et N ′
sont des normes équivalentes lorsqu’il existe (α, β) ∈ (R∗+ )2 tels que : ∀x ∈ E, αN (x) ≤ N ′ (x) ≤ βN (x)
Cette relation binaire sur les normes d’un espace vectoriel E est une relation d’équivalence.
Produit cartésien [5006] Soient (E1 , N1 ), . . . , (Ep , Np ) des espaces vectoriels normés.
Alors E1 × · · · × Ep est un espace vectoriel normé, muni de la norme N : (x1 , . . . , xp ) 7→ max(N1 (x1 ), . . . , Np (xp )).
Distance [5007] Soit (E, N ) un espace vectoriel normé. On appelle distance associée à la norme N l’application :
d : E × E → R+ ; (x, y) 7→ N (x − y)
◦ Propriétés de la distance [5008] Pour tout (x, y, z) ∈ E 3 :
(i) d(x, y) = 0 ⇔ x = y (ii) d(x, y) = d(y, x) (iii) d(x, y) ≤ d(x, z) + d(z, y)
Boules et sphères [5009] Soit (E, N ) un espace vectoriel normé de distance associée d, x0 ∈ E et r ∈ R∗+ .
(i) On appelle boule ouverte de centre x0 et de rayon r l’ensemble {x ∈ E | d(x, x0 ) < r}. Notation : B(x0 , r)
(ii) On appelle boule fermée de centre x0 et de rayon r l’ensemble {x ∈ E | d(x, x0 ) ≤ r}. Notation : B(x0 , r)
(iii) On appelle sphère de centre x0 et de rayon r l’ensemble {x ∈ E | d(x, x0 ) = r}. Notation : S(x0 , r)
◦ Distance à une partie [5010] Soit (E, N ) un espace vectoriel normé de distance associée d, x ∈ E et A une partie non
vide de E. On appelle distance de x à A le réel infa∈A d(x, a). Notation : d(x, A)
Partie bornée [5011] Soit (E, N ) un espace vectoriel normé. Une partie A de E est bornée dans E pour la norme N
lorsqu’il existe M ∈ R+ tel que pour tout x ∈ A, N (x) ≤ M .
• Invariance par normes équivalentes [5012] Soient E un espace vectoriel sur K, N et N ′ deux normes équivalentes
sur E et A ⊂ E. La partie A est bornée pour la norme N si et seulement si elle l’est pour la norme N ′ .

2◦) En dimension finie

ADMIS Équivalence des normes en dimension finie [5013]
Sur un espace vectoriel de dimension finie E, toutes les normes sont équivalentes.
∗
∑nsur K [5014] Soit n ∈ N . L’espace√∑n K admet les trois normes suivantes :
• n n
Trois normes usuelles
(x1 , . . . , xn ) 7→ k=1 |xk |, (x1 , . . . , xn ) 7→ k=1 |xk |
2 et (x1 , . . . , xn ) 7→ maxk∈ [[ 1 , n ]] |xk |
Notation : ∥ ∥1 , ∥ ∥2 et ∥ ∥∞
√
On constate que : ∥ ∥∞ ≤ ∥ ∥2 ≤ ∥ ∥1 ≤ n∥ ∥2 ≤ n∥ ∥∞ , les coefficients proposés étant optimaux.
◦ Représentation des boules [5015] Il convient de les connaître pour ces normes lorsque K = R et n = 2 ou 3.
◦ Norme infinie associée à une base [5016] Soit E un K-espace vectoriel de dimension finie p et B = (e1 , . . . , ep ) une
base de E. On appelle norme sup associée à la base B la norme sur E définie, pour tout x ∈ E, de coordonnées
(x1 , . . . , xp ) ∈ Kp dans la base B, par : maxk∈ [[ 1 , p ]] |xk |. Notation : ∥x∥∞/B
Une norme usuelle en dimension finie [5017] Compte tenu de l’équivalence des normes en dimension finie, on pourra
fréquemment utiliser cette dernière comme norme usuelle.
 78 Descartes — MP — CC BY-NC-SA 2023-2024

II Suites à valeurs vectorielles

1◦) Suites bornées selon une norme
◦ Suites bornées [5018] Soit (E, N ) un espace vectoriel normé et u = (un )n∈N ∈ E N . On dit que u est bornée pour N
lorsque {un | n ∈ N} est borné dans (E, N ). Une suite est bornée si et seulement si elle est asymptotiquement bornée.
• Structure [5019] Soit (E, N ) un espace vectoriel normé. L’ensemble des suites bornées d’éléments de E est un espace
vectoriel normé, muni de la norme ∥ ∥∞ : u 7→ supn∈N N (un ).
Si E = K, l’ensemble des suites bornées constituent une algèbre.
◦ Invariance par normes équivalentes [5020] Soit E un espace vectoriel sur K, u une suite d’éléments de E, et N et N ′
deux normes équivalentes sur E. Alors u est bornée pour N si et seulement si elle l’est pour N ′ .
∑ ∑ ∑
◦ Méthode [5021] Sur K[X], les normes N∞ : k∈N ak X 7→ maxk∈N |ak | et N1 :
k
k∈N ak X 7→
k
k∈N |ak | ne sont pas
∑n
équivalentes : considérer la suite ( k=0 X k )n∈N , bornée pour la première mais pas pour la seconde norme.

2◦) Convergence selon une norme

◦ Convergence [5022] Soient (E, N ) un espace vectoriel normé, u = (un )n∈N ∈ E N et ℓ ∈ E.
On dit que u converge (ou tend) vers ℓ selon N lorsque : ∀ε > 0, ∃n0 ∈ N, n ≥ n0 ⇒ N (un − ℓ) ≤ ε
L’existence d’une limite selon N impose son unicité. Une suite qui ne converge pas est dite divergente.
◦ Invariance par normes équivalentes [5023]
Soient E un espace vectoriel sur K, u une suite d’éléments de E, ℓ ∈ E, et N et N ′ deux normes équivalentes sur E.
Alors u converge vers ℓ pour la norme N si et seulement si elle converge vers ℓ pour la norme N ′ .
Attention [5024] Cette notion dépend a priori de la norme choisie, sauf lorsque E est de dimension finie, puisqu’alors
toutes les normes sur E sont équivalentes. Il n’y a donc pas de notation pour désigner une telle limite.
Méthode [5025] Pour montrer que deux normes ne sont pas équivalentes, on peut proposer une suite dont le compor-
tement asymptotique est différent selon la norme étudiée.
◦ Condition nécessaire [5026]
Soit (E, N ) un espace vectoriel normé. Toute suite de E convergente selon N est bornée selon N .
Méthode par encadrement [5027] Pour montrer qu’une suite admet une limite, on majore asymptotiquement la norme
de la différence du terme général de cette suite et de sa limite par le terme général d’une suite réelle qui tend vers 0.
• Théorème d’opérations sur les suites convergentes [5028] Soient (E, N ) un espace vectoriel normé, u et u′ deux
suites d’éléments de E, α = (αn ) ∈ KN et λ ∈ K. On suppose que u converge vers ℓ, u′ vers ℓ′ et α vers λ. Alors :
(i) u + u′ converge vers ℓ + ℓ′ , (ii) λu converge vers λℓ,
(iii) N ◦ u converge vers N (ℓ), (iv) αu = (αn un ) converge vers λℓ.
◦ Structure [5029] Soit (E, N ) un espace vectoriel normé.
L’ensemble des suites convergentes pour la norme N est un sous-espace vectoriel de l’espace des suites bornées pour N .
◦ Attention [5030] Il n’y a pas de réciproque à : limn→+∞ N (un − ℓ) = 0 ⇒ lim N ◦ u = N (ℓ)
• Limite et produit cartésien ) [5031] Soient E1 , . . . , Ep des espaces vectoriels normés.
La suite u = (u(1) , . . . , u(p) ∈ E1N × · · · × EpN converge vers ℓ = (ℓ1 , . . . , ℓp ) ∈ E1 × · · · × Ep si et seulement si pour
tout k ∈ [[ 1 , p ]] , la suite u(k) converge vers ℓk .

3◦) Limite d’une suite à valeurs dans un espace vectoriel normé de dimension finie
Méthode [5032] Dans un espace de dimension finie, les normes sont équivalentes, la notion de convergence d’une suite
ne dépend donc pas de la norme choisie et on peut choisir la norme qui se prête le mieux à chaque situation proposée.
Théorème de caractérisation de la convergence d’une suite à l’aide de ses suites coordonnées [5033]
Soient E un espace vectoriel normé de dimension finie p, B = (e1 , . . . , ep ) une base de E, u ∈ E N , ℓ ∈ E.
On appelle suites coordonnées ou composantes de u dans la base B les p suites numériques (u(1) , . . . , u(p) ) définies
∑p
On note (ℓ1 , . . . , ℓp ) les coordonnées du vecteur ℓ dans la base B.
(i)
par : ∀n ∈ N, un = i=1 un ei
Alors u converge vers ℓ si et seulement si, pour tout i ∈ [[ 1 , p ]] , u(i) converge vers ℓi .
Utilisation des suites composantes [5034] Une suite à valeurs dans un espace vectoriel de dimension finie s’étudie
généralement à l’aide de ses coordonnées (ou de sa norme lorsqu’elle tend vers 0). On se ramène alors à des suites
numériques voire réelles.

4◦) Extraction ; comparaison

Deux généralisations [5035]
(i) La définition d’une suite extraite, d’une valeur d’adhérence et les propriétés afférentes sont les mêmes pour des
suites à valeurs vectorielles que pour des suites à valeurs réelles.
(ii) Les définitions et les propriétés des relations de comparaisons sur les suites à valeurs vectorielles sont similaires à
celles sur les suites réelles, à ceci près que les valeurs absolues qui interviennent sont à remplacer par des normes.
 Chapitre V. Topologie, suites et fonctions vectorielles 79

◦ Suite extraite de norme de limite infinie [5036] Soient (E, N ) un espace vectoriel normé et u une suite non bornée
pour la norme N . Il existe alors une extractrice φ telle que N ◦ u ◦ φ diverge vers +∞.

III Topologie d’un espace vectoriel normé

Avertissement [5037] Les notions qui suivent dépendent a priori de la norme choisie sur l’espace vectoriel E.
Cependant, lorsque deux normes sur E sont équivalentes, les propriétés topologiques de parties ou de points de E
présentées ci-après sont systématiquement conjointement valables pour les deux normes.
C’est le cas, en particulier, lorsque E est de dimension finie, où à l’aide des coordonnées des vecteurs dans une base
de E, on pourra se ramener à l’espace Kdim E .

1◦) Partie étoilée, partie convexe

Partie étoilée [5038] Soit S une partie de E. On dit que S est une partie étoilée lorsqu’il existe x ∈ E tel que :
∀y ∈ S, ∀t ∈ [0, 1], tx + (1 − t)y ∈ S
Convexité [5039] Soit C une partie de E. On dit que C est une partie convexe lorsque :
∀x, y ∈ C, ∀t ∈ [0, 1], tx + (1 − t)y ∈ C
Toute partie convexe est étoilée.
◦ Des convexes simples [5040] Les boules (ouvertes ou fermées) d’un espace vectoriel normé sont des parties convexes.

2◦) Voisinage d’un point, partie ouverte, intérieur d’une partie

Voisinages et parties ouvertes [5041]
Soit a ∈ E et V ⊂ E. On dit que V est un voisinage de a lorsqu’il existe une boule ouverte centrée en a incluse dans V .
Un ouvert de E est une partie de E qui est vide, ou bien est voisinage de tous ses éléments.
◦ Un ouvert simple [5042] Toute boule ouverte est un ouvert.
◦ HP Théorème de caractérisation séquentielle des ouverts [5043]
Une partie U de E est ouverte si et seulement si pour toute suite u = (un )n∈N d’éléments de E qui converge vers un
point de U , il existe un rang n0 au delà duquel un ∈ U .
◦ Union d’ouverts [5044] Une union quelconque d’ouverts de E est un ouvert de E.
◦ Attention [5045] Ce résultat est faux pour une intersection quelconque d’ouverts. Il est cependant vrai pour une
intersection finie d’ouverts.
◦ Produit cartésien d’ouverts [5046] Soient E1 , . . . , Ep des espaces vectoriels normés et U1 , . . . , Up des ouverts respectifs
de ces espaces. Alors U1 × · · · × Up est un ouvert de E1 × · · · × Ep .
Intérieur [5047] Soit A une partie de E et a ∈ E. On dit que a est intérieur à A lorsqu’il existe un voisinage de a
◦
inclus dans A. L’ensemble des points intérieurs à A s’appelle l’intérieur de A. Notation : A
◦ Plus grand ouvert contenu [5048] L’intérieur d’une partie A de E est le plus grand ouvert de E inclus dans A.
◦ Caractérisation des ouverts [5049] Une partie est ouverte si et seulement si elle est son propre intérieur.
◦ Idempotence du passage à l’intérieur [5050] L’intérieur de l’intérieur d’une partie A de E est l’intérieur de A.

3◦) Partie fermée, point adhérent à une partie, frontière d’une partie
Partie fermée [5051] Un fermé de E est une partie de E dont le complémentaire dans E est un ouvert de E.
Attention [5052] Une partie non ouverte (resp. non fermée) de E n’est pas nécéssairement fermée (resp. ouverte).
• Théorème de caractérisation séquentielle des fermés [5053] Une partie F de E est fermée si et seulement si pour
toute suite u = (un )n∈N d’éléments de F qui converge dans E, la limite de cette suite appartient à F .
◦ Deux fermés simples [5054] Toute boule fermée est fermée. Toute sphère est fermée.
◦ Intersection de fermés [5055] Une intersection quelconque de fermés de E est un fermé de E.
◦ Attention [5056] Ce résultat est faux pour une union quelconque de fermés. Il est vrai pour une union finie de fermés.
◦ Produit cartésien de fermés [5057] Soient E1 , . . . , Ep des espaces vectoriels normés et F1 , . . . , Fp des fermés respectifs
de ces espaces. Alors F1 × · · · × Fp est un fermé de E1 × · · · × Ep .
Adhérence [5058] Soit A une partie de E et a ∈ E. On dit que a est adhérent à A lorsque toute boule ouverte de
centre a rencontre A, c’est-à-dire pour tout r ∈ R∗+ , B(a, r) ∩ A ̸= ∅.
On appelle adhérence de A dans E l’ensemble des points de E adhérents à A. Notation : A
Soit A′ une partie de A. On dit que A′ est dense dans A lorsque A ⊂ A′ .
• Théorème de caractérisation séquentielle des points adhérents à une partie [5059] Soit A une partie de E et
a ∈ E. Alors a est adhérent à A si et seulement s’il existe une suite u = (un )n∈N d’éléments de A qui converge vers a.
• Passage au complémentaire [5060] Le complémentaire de l’intérieur est l’adhérence du complémentaire. Et inversement.
 80 Descartes — MP — CC BY-NC-SA 2023-2024

◦ HP Corollaire : caractérisation séquentielle d’un point intérieur [5061]

Un vecteur est intérieur à A si et seulement s’il n’est limite d’aucune suite d’éléments de E \ A.
◦ Plus petit fermé contenant [5062] L’adhérence d’une partie A de E est le plus petit fermé qui contient A.
◦ Corollaire [5063] Une partie F de E est fermée si et seulement si F = F .
◦ Idempotence du passage à l’adhérence [5064] L’adhérence de l’adhérence d’une partie A de E est l’adhérence de A.
◦
Frontière Soit A une partie de E et a ∈ E. On dit que a est un point frontière de A lorsque a ∈ A \ A.
[5065]
L’ensemble de ces points s’appelle la frontière de A.

4◦) Topologie relative à une partie d’un espace vectoriel normé

Voisinages, ouverts et fermés relatifs à une partie [5066] Soit A une partie de E et a ∈ A.
⋄ Une partie V de A est un voisinage relatif de a dans A lorsqu’il existe r ∈ R∗+ telle que B(a, r) ∩ A ⊂ V .
⋄ Une partie de A est un ouvert relatif à A lorsqu’elle est vide ou voisinage relatif de chacun de ses points.
⋄ Une partie de A est un fermé relatif à A lorsque son complémentaire dans A est un ouvert relatif à A.
◦ Des caractérisations plus utiles en pratique [5067] Soit A une partie de E et a ∈ A.
⋄ Une partie de A est un voisinage relatif de a dans A si et seulement si elle est intersection de A et d’un voisinage
de a dans E.
⋄ Une partie de A est un ouvert relatif à A si et seulement si elle est intersection de A et d’un ouvert de E
⋄ Une partie de A est un fermé relatif à A si et seulement si elle est intersection de A et d’un fermé de E

5◦) Compacité
Partie compacte [5068] Soit K une partie de E. On dit que K est une partie compacte lorsqu’elle est vide ou bien si
toute suite de points de K admet une valeur d’adhérence dans K.
Segments réels [5069] Les segments de R sont compacts.
◦ Convergence dans un compact [5070] Soit K une partie compacte de E et u ∈ K N .
Alors u converge si et seulement si elle admet une unique valeur d’adhérence.
• Une condition nécessaire de compacité [5071] Toute partie compacte de E est fermée et bornée de E.
◦ Fermé relatif d’une partie compact [5072] C’est un compact.
◦ Produit cartésiens de compacts [5073] Soient E1 , . . . , Ep des espaces vectoriels normés et K1 , . . . , Kp des compacts
respectifs de ces espaces. Alors 7 K1 × · · · × Kp est un compact de E1 × · · · × Ep .
◦ Les pavés de Rp sont compacts [5074] Tout produit cartésien de p segments de R est un compact de Rp .
◦ Théorème de Bolzano-Weierstrass [5075] Soient E un espace vectoriel normé de dimension finie et u une suite
bornée d’éléments de E. Il existe alors une suite extraite de u convergente.
◦ Compacts en dimension finie [5076]
Dans un espace vectoriel normé de dimension finie, les compacts sont les parties fermées bornées.
◦ Suites bornées en dimension finie [5077] Une suite bornée d’un espace de dimension finie converge si et seulement si
elle a une unique valeur d’adhérence.

7. On utilise le procédé diagonal.

 Chapitre V. Topologie, suites et fonctions vectorielles 81

B Fonctions à valeurs vectorielles : généralités et continuité

Dans toute cette partie, sans précision supplémentaire, on considère des fonctions d’une partie A non vide d’un
K-espace vectoriel normé E à valeurs dans un K-espace vectoriel normé F .

I Quelques généralités sur les fonctions vectorielles

1◦) Propriété locale ; opérations ; composantes en dimension finie
Propriété locale [5078] Une propriété portant sur une fonction définie sur A est dite vraie localement au voisinage
d’un point a si elle est vraie sur l’intersection de A,
(i) avec une boule ouverte de centre a lorsque a est un point de E adhérent à A, ou bien,
(ii) avec un intervalle du type ] c, +∞ [ lorsque E = R et a = +∞, ou encore,
(iii) avec un intervalle du type ] − ∞, c [ lorsque E = R et a = −∞.
Dans les trois cas (boule ouverte de centre a ou intervalle comportant une borne infinie), on parlera d’un voisinage de a.
Notation : L’ensemble des voisinages de a sera noté V (a).
Rappel de première année [5079] Soit A un ensemble quelconque et F un espace vectoriel sur le corps K. Alors :
(i) F(A, F ) a une structure de K-espace vectoriel pour les lois définies par : pour toutes applications f et g et tout
scalaire λ, f + g : x 7→ f (x) + g(x) et λf : x 7→ λf (x),
(ii) F(A, K) a une structure de K-algèbre commutative pour les lois définies par : pour toutes applications f et g et
tout scalaire λ, f + g : x 7→ f (x) + g(x), λf : x 7→ λf (x) et f g : x 7→ f (x)g(x).
Applications composantes [5080]
Soit A un ensemble quelconque, F un K-espace vectoriel normé de dimension finie p, B = (e1 , . . . , ep ) une base de F
et f ∈ F(A, F ). Dans la base B, on peut écrire, pour tout x ∈ A, f (x) = f1 (x)e1 + · · · + fp (x)ep .
Les applications numériques (f1 , . . . , fp ) sont les applications coordonnées ou composantes de f dans la base B.

2◦) Applications bornées

Application bornée [5081] Soit A un ensemble quelconque et F un K-espace vectoriel normé.
On dit que f ∈ F(A, F ) est bornée sur A lorsqu’il existe M ∈ R+ tel que pour tout x ∈ A, ∥f (x)∥F ≤ M .
Notation : L’ensemble des applications bornées de A vers F sera noté B(A, F ). Il dépend de la norme choisie sur F .
Structures [5082] Soit A un ensemble quelconque et F un K-espace vectoriel normé. Alors :
(i) B(A, F ) est un sous-espace vectoriel de F(A, F ),
(ii) B(A, K) est une sous-algèbre de F(A, K).
◦ Caractérisation par les applications composantes [5083]
Soit A un ensemble quelconque, F un K-espace vectoriel normé de dimension finie, B une base de F et f ∈ F(A, F ).
L’application f est bornée sur A si et seulement si ses applications coordonnées dans la base B le sont aussi.
• Approximation uniforme sur les applications scalaires bornées [5084] Soit A un ensemble quelconque.
L’application B(A, K) → R+ ; f 7→ supx∈A |f (x)| est la norme de l’approximation uniforme sur B(A, K) 8 .
Notation : ∥f ∥∞,A ou ∥f |A ∥∞ ou Notation : ∥f ∥∞ lorsqu’il n’y a aucune ambiguïté sur l’ensemble A
◦ Croissance selon le domaine [5085] Si A′ ⊂ A et f ∈ B(A, K), alors f ∈ B(A′ , K) et ∥f ∥∞,A′ ≤ ∥f ∥∞,A .
Méthode [5086] En pratique, puisque f est généralement une application réelle de la variable réelle, il convient de
dresser un tableau de variations de f puis de |f | afin de déterminer ∥f ∥∞,I , où I est l’intervalle sur lequel on étudie f .

II Limites
1◦) Limites : de la définition à la formulation générale
a. Notion de limite
◦ Convergence [5087] Soit f ∈ F(A, F ), a ∈ E, adhérent à A et ℓ ∈ F .
On dit que f admet ℓ pour limite au point a selon A ou f (x) converge vers ℓ lorsque x tend vers a selon A lorsque :
∀ε > 0, ∃r ∈ R∗+ , ∀x ∈ A, ∥x − a∥E ≤ r ⇒ ∥f (x) − ℓ∥F ≤ ε
En cas d’existence, une telle limite est unique.
La notion même de convergence dépend des normes choisies sur E et F , sauf en cas d’équivalence.
Méthode par encadrement [5088] Soit f ∈ F(A, F ), a ∈ E, adhérent à A et ℓ ∈ F .
S’il existe un voisinage V ∈ V (a) et φ ∈ RR tels que pour tout x ∈ V ∩ A, ∥f (x) − ℓ∥F ≤ φ(∥x − a∥E ), et si φ admet 0
pour limite en 0, alors f tend vers ℓ au voisinage de a.

8. Pour davantage de généralité : si f ∈ B(A, F ), alors ∥f ∥∞,A = supx∈A ∥f ∥F , ce qui dépend du choix de ∥ ∥F .
 82 Descartes — MP — CC BY-NC-SA 2023-2024

Convergence en un point infini [5089]

⋄ Soit f ∈ F(A, F ) et ℓ ∈ F . On dit que f (x) converge vers ℓ lorsque ∥x∥E tend vers l’infini lorsque :
∀ε ∈ R∗+ , ∃Λ ∈ R, ∀x ∈ A, ∥x∥E ≥ Λ ⇒ ∥f (x) − ℓ∥F ≤ ε
⋄ Soit c ∈ R. On pose I =]c, +∞[ (resp. I =] − ∞, c[) f ∈ F(I, F ) et ℓ ∈ F .
On dit que f admet ℓ pour limite en +∞ (resp. −∞) ou f (x) converge vers ℓ quand x tend vers +∞ (resp. −∞)
lorsque : ∀ε ∈ R∗+ , ∃Λ ∈ R, ∀x ∈ I, x ≥ Λ (resp. x ≤ Λ) ⇒ ∥f (x) − ℓ∥F ≤ ε
Dans chacun de ces cas, s’il existe une telle limite, elle est unique et l’application est localement bornée au voisinage
du point (éventuellement infini) considéré.
Divergence vers un infini [5090] Soit f ∈ F(A, R) et a ∈ E, adhérent à A. On dit que f admet +∞ (resp. −∞) pour
limite au point a ou f (x) diverge vers +∞ (resp. −∞) quand x tend vers a lorsque :
∀Λ ∈ R, ∃r ∈ R∗+ , ∀x ∈ A, ∥x − a∥E ≤ r ⇒ f (x) ≥ Λ (resp. f (x) ≤ Λ)
Divergence en norme [5091] On peut aussi s’intéresser à une fonction f ∈ F(A, F ) dont la norme tend vers +∞.
Expression condensée et polymorphe [5092] On peut donner une définition des limites précédentes, à l’aide des
voisinages, qui soit valable dans chaque cas précédemment étudié : Soit f ∈ F(A, F ), où A désigne éventuellement un
intervalle réel comportant une borne infinie, a un point adhérent à A (donc éventuellement un infini) et ℓ un élément
de F (ou encore éventuellement un infini si F = R). Alors f admet ℓ pour limite en a lorsque :
∀W ∈ V (ℓ), ∃V ∈ V (a), ∀x ∈ A, x ∈ V ⇒ f (x) ∈ W ou ∀W ∈ V (ℓ), ∃V ∈ V (a), f (V ∩ A) ⊂ W
Ces formules sont esthétiques et agréables d’utilisation, mais assez peu explicites pour les débutants en analyse.
La notion de limite est une notion locale, c’est-à-dire qu’on peut, dans la définition, remplacer A par l’intersection
de A avec n’importe quel voisinage de a.
Ainsi, on peut s’intéresser à la limite suivant ou limite selon A′ ⊂ A de f |A′ en a dès que a ∈ A′ .
b. Cas d’une fonction de la variable réelle : limite à gauche ou à droite
Limites directionnelles [5093] Soit I un intervalle ouvert de R, f ∈ F(I, F ), a ∈ I et ℓ ∈ F .
On dit que f admet ℓ pour limite à gauche en a (resp. limite à droite) lorsque pour tout réel ε > 0, il existe un réel
η > 0 tel que, pour tout x ∈ I ∩ ] − ∞, a [ (resp. x ∈ I ∩ ] a, +∞ [ ), |x − a| < η implique ∥f (x) − ℓ∥F < ε.
Limite et limites directionnelles [5094] Soit I un intervalle ouvert de R, f ∈ F(I, F ), a ∈ I et ℓ ∈ F .
Si f admet ℓ pour limite en a, alors f admet ℓ pour limite à gauche et à droite en a.
Attention [5095] Pas de réciproque.
Limite épointée [5096] Soit I un intervalle ouvert de R, f ∈ F(I, F ), a ∈ I et ℓ ∈ F .
Si f admet ℓ pour limite à gauche et à droite en a, on dit que f admet ℓ pour limite épointée en a.

2◦) Des caractérisations fondamentales sur les limites

• Théorème de caractérisation séquentielle d’une limite [5097]
Soient f ∈ F(A, F ), a ∈ E, adhérent à A et ℓ adhérent 9 à F .
Alors f admet ℓ pour limite en a si et seulement si, pour toute suite (un )n∈N d’éléments de A, si (un )n∈N converge
vers a, alors la suite (f (un ))n∈N converge vers ℓ.
Généralisation [5098] Ce résultat reste valable dans les divers cas de limites faisant intervenir un infini.
◦ Limite et produit cartésien [5099] Soit F1 , . . . , Fp des espaces vectoriels normés, f = (f1 , . . . , fp ) ∈ F(A, F1 ×· · ·×Fp ),
a ∈ E, adhérent à A et ℓ = (ℓ1 , . . . , ℓp ) ∈ F1 ×· · ·×Fp . Alors f converge vers ℓ au voisinage de a selon A si et seulement
si pour tout k ∈ [[ 1 , p ]] , fk converge vers ℓk au voisinage de a selon A.
◦ Théorème de caractérisation à l’aide des applications coordonnées [5100]
Soit F un espace vectoriel normé de dimension finie p, A une partie d’un espace vectoriel normé E, f ∈ F(A, F ), une
base B = (e1 , . . . , ep ) de F , a ∈ E, adhérent à A et ℓ ∈ F .
On note (f1 , . . . fp ) les applications coordonnées de f dans B et (ℓ1 , . . . , ℓp ) les coordonnées de ℓ dans B.
Alors f admet ℓ pour limite en a si et seulement si, pour tout k ∈ [[ 1 , p ]] , fk admet ℓk pour limite en a.
Généralisation [5101] Ce résultat reste valable si A est un intervalle de R avec une borne infinie a.

3◦) Théorèmes généraux sur les inégalités utilisant des hypothèses en terme de limites lorsque F = R
Dans ce paragraphe, les applications considérées sont à valeurs réelles.
De la limite aux inégalités et réciproquement [5102]
Soit f ∈ F(A, R) admettant ℓ ∈ R pour limite en a, adhérent à A et (α, β) ∈ R2 . Alors :
(i) si α < ℓ < β alors il existe un voisinage V ∈ V (a) tel que pour tout x ∈ V ∩ A, α < f (x) < β,
(ii) s’il existe un voisinage V ∈ V (a) tel que pour tout x ∈ V ∩ A, α < f (x) < β, alors α ≤ ℓ ≤ β.
Limite et stricte positivité locale [5103] Soit f ∈ F(A, R) admettant ℓ ∈ R∗+ pour limite en a. Alors il existe un
voisinage V ∈ V (a) et m > 0 tels que pour tout x ∈ V ∩ A, f (x) > m.
9. Pour envisager le cas où F = R et a est un infini.
 Chapitre V. Topologie, suites et fonctions vectorielles 83

Des limites aux comparaisons et réciproquement [5104] Soient (f, g) ∈ F(A, R)2 , a ∈ E, adhérent à A et (ℓ, ℓ′ ) ∈ R2 .
Si f (resp. g) converge vers ℓ (resp. ℓ′ ) au voisinage de a, alors :
(i) si ℓ < ℓ′ alors il existe un voisinage V ∈ V (a) tel que pour tout x ∈ V ∩ A, f (x) < g(x),
(ii) s’il existe un voisinage V ∈ V (a) tel que pour tout x ∈ V ∩ A, f (x) < g(x), alors ℓ ≤ ℓ′ .
Attention [5105] Les “passages à la limite” se font avec des inégalités larges.
Théorème de convergence par encadrement [5106] Soit (f, g, h) ∈ F(A, R)3 , a ∈ E, adhérent à A et ℓ ∈ R.
S’il existe un voisinage V ∈ V (a) tel que pour tout x ∈ V ∩ A, f (x) ≤ g(x) ≤ h(x) et si f et h admettent ℓ pour limite
en a, alors g aussi.
Théorème de divergence par minoration [5107] Soit (f, g) ∈ F(A, R)2 , a ∈ E, adhérent à A. S’il existe V ∈ V (a) tel
que pour tout x ∈ V ∩ A, f (x) ≤ g(x), et si f diverge vers +∞ au voisinage de a, alors g aussi.

4◦) Limites : opérations et composition

◦ Théorème d’opérations algébriques sur les limites [5108]
′
(i) Soit (f, g) ∈ F(A, F ) , a ∈ E, adhérent à A, (ℓ, ℓ ) ∈ F et λ ∈ K.
2 2

Si f (resp. g) converge vers ℓ (resp. ℓ′ ) au voisinage de a, alors :

⋄ f + λg admet ℓ + λℓ′ pour limite en a, ⋄ ∥f ∥F admet ∥ℓ∥F pour limite en a.
(ii) Soit (f, g) ∈ F(A, K)2 , a ∈ E, adhérent à A, (ℓ, ℓ′ ) ∈ K2 et λ ∈ K.
Si f (resp. g) converge vers ℓ (resp. ℓ′ ) au voisinage de a, alors :
⋄ f + λg admet ℓ + λℓ′ pour limite en a, ⋄ |f | admet |ℓ| pour limite en a, ⋄ f g admet ℓℓ′ pour limite en a,
⋄ si de plus, ℓ ̸= 0 il existe un voisinage de a sur lequel f ne s’annule pas et 1/f admet 1/ℓ pour limite en a.
(iii) Soit (f, g) ∈ F(A, R)2 , a ∈ E, adhérent à A, m ∈ R et λ ∈ R∗ .
Si m minore f au voisinage de a et si g admet +∞ pour limite en a :
⋄ f + g admet +∞ pour limite en a, ⋄ λg admet sgn(λ)∞ pour limite en a,
⋄ si de plus m > 0, f g admet +∞ pour limite en a,
⋄ il existe un voisinage de a sur lequel g ne s’annule pas et 1/g admet 0 pour limite en a.
(iv) On adaptera les résultats précédents au cas où g admet −∞ pour limite en a.
(v) On adaptera tous les résultats précédents au cas où A est un intervalle réel comportant a pour borne infinie.
◦ Théorème de composition [5109] Soient E, F et G trois K-espaces vectoriels normés, A ⊂ E et A′ ⊂ F , a ∈ E,
adhérent à A, b ∈ F adhérent à A′ et ℓ ∈ G, et (f, g) ∈ F(A, A′ ) × F(A′ , G).
Si f (resp. g) tend vers b (resp. ℓ) au voisinage de a (resp. b), alors g ◦ f admet ℓ pour limite en a.
Généralisation [5110] Le théorème de composition est encore valable dans les cas où E, F ou G sont des intervalles
réels comportant une borne infinie et que a, b ou ℓ sont des infinis.

III Continuité
1◦) Continuité ponctuelle et prolongements par continuité
Continuité [5111] Soit f ∈ F(A, F ) et a ∈ A. On dit que f est continue en a lorsque f admet f (a) pour limite en a.
Lorsque f est continue en chaque point de A, on dit que f est continue sur A.
Notation : L’ensemble des fonctions continues sur A à valeurs dans F est noté C(A, F ).
Deux conditions nécessaires de continuité en un point [5112]
⋄ Compte-tenu de la définition d’une limite, puisque a ∈ A, si f admet une limite en a, ça ne peut être que f (a).
Cependant, dans la pratique, il conviendra de bien vérifier qu’il s’agit de f (a) dans les cas problématiques.
⋄ Si f est continue en a, alors f est localement bornée au voisinage de a, relativement à A.
Théorème de caractérisation séquentielle de la continuité en un point [5113] Soit f ∈ F(A, F ) et a ∈ A. Alors
f est continue en a si et seulement si, pour toute suite (un )n∈N ∈ AN de limite a, (f (un ))n∈N converge vers f (a).
Prolongement par continuité [5114] Soit f ∈ F(A, F ), a ∈ E \ A, adhérent à A et ℓ ∈ F . Lorsque f admet ℓ pour
limite en a, on peut effectuer un prolongement par continuité de f en a, en posant f (a) = ℓ.
Notion locale [5115] Même si, comme on vient de le voir, la continuité d’une application sur une partie de E a un
sens, cette notion est une notion locale, tout comme la notion de limite dont elle est issue.
Ainsi, si f ∈ C(A, F ) et A′ une partie de A, alors f |A′ est continue sur A′ .

2◦) Continuité sur une partie de l’espace

a. Résultats issus de l’application des théorèmes sur les limites
Théorème de caractérisation à l’aide des applications coordonnées [5116] Soit f ∈ F(A, F ) où F est de dimension
finie p et B = (e1 , . . . , ep ) une base de F . On note (f1 , . . . fp ) les applications coordonnées de f dans B.
Alors f est continue sur A si et seulement si, pour tout i ∈ [[ 1 , p ]] , fi est continue sur A.
Structures [5117] L’ensemble C(A, F ) est un K-espace vectoriel et C(A, K) est une K-algèbre commutative.
 84 Descartes — MP — CC BY-NC-SA 2023-2024

Composition [5118] Soient E, F et G trois K-espaces vectoriels normés, A ⊂ E et A′ ⊂ F , et (f, g) ∈ C(A, A′ )× C(A′ , G).
Alors g ◦ f ∈ C(A, G).
Continuité et produit cartésien [5119]
Soient F1 , . . . , Fp des espaces vectoriels normés et f = (f1 , . . . , fp ) ∈ F(A, F1 × · · · × Fp ).
Alors f est continue sur A si et seulement si pour tout k ∈ [[ 1 , p ]] , fk l’est.
b. Continuité et topologie
◦ Continuité et densité Soient f, g ∈ C(A, F ) et A′ une partie dense de A. Si f |A′ = g|A′ , alors f = g.
[5120]
◦ Théorème de la pré-image continue [5121] Soient f ∈ C(A, F ), B un ouvert de F et B ′ un fermé de F .
Alors f −1 (B) est un ouvert relatif à A et f −1 (B ′ ) un fermé relatif à A.
◦ Image continue d’un compact [5122] Soient E un espace vectoriel normé, K une partie compacte de E, F un espace
vectoriel normé et f ∈ C(K, F ). Alors f (K) est fermée et bornée dans F .
• Théorème des bornes atteintes [5123] Soient E un espace vectoriel normé, et K un compact de E, qu’on suppose
non vide, et f ∈ C(K, R). Alors f est bornée sur K et atteint ses bornes.
Un espace vectoriel normé [5124] Soient E un espace vectoriel normé, et K un compact de E, qu’on suppose non
vide. Alors C(K, R) ⊂ B(K, R) et ∥ ∥∞ est une norme sur C(K, R).
c. Fonctions uniformément continues ; fonctions lipschitziennes
Continuité uniforme [5125] Soit f ∈ F(A, F ). On dit que f est une application uniformément continue sur A lorsque :
∀ε ∈ R∗+ , ∃r ∈ R∗+ , ∀x, x′ ∈ A, ∥x − x′ ∥E ≤ r =⇒ ∥f (x) − f (x′ )∥F ≤ ε
◦ Théorème de Heine [5126] Toute fonction continue sur un compact est uniformément continue sur ce compact.
Application lipschitzienne [5127] Soit f ∈ F(A, F ) et k ∈ R+ . On dit que f est une application lipschitzienne de
rapport k sur A lorsque : ∀(x, x′ ) ∈ A2 , ∥f (x) − f (x′ )∥F ≤ k ∥x − x′ ∥E
◦ Composition [5128] Soient E, F et G trois K-espaces vectoriels normés, A ⊂ E et A′ ⊂ F , f ∈ F(A, A′ ), lipschitzienne
sur A et g ∈ F(A′ , G), lipschitzienne sur A′ . Alors g ◦ f est lipschitzienne sur A.
Caractérisation par les composantes [5129]
Soit F un espace vectoriel normé de dimension finie, f ∈ F(A, F ) et B une base de F .
Alors f est lipschitzienne sur A si et seulement si chaque application coordonnée de f dans B est lipschitzienne sur A.
◦ Des implications sans réciproque [5130] Soit f ∈ F(A, F ).
⋄ Si f est lipschitzienne sur A, alors elle est uniformément continue sur A.
⋄ Si f est uniformément continue sur A, alors elle est continue sur A.
⋄ Les réciproques sont fausses en général. Exemples en [4171].
• Un exemple classique [5131] Soit A une partie non vide de E. Alors x 7→ d(x, A) est 1-lipschitzienne sur E.

3◦) Applications linéaires et multilinéaires continues

a. Applications linéaires continues
• Critère de continuité d’une application linéaire [5132] Ce critère fondamental est souligné.
Soient E et F deux K-espaces vectoriels normés et u ∈ L(E, F ). Les propriétés suivantes sont équivalentes :
(i) u est continue sur E, (ii) u est continue en 0, (iii) u est bornée sur la boule unité fermée de E
(iv) il existe k ∈ R∗+ tel que : ∀x ∈ E, ∥u(x)∥F ≤ k∥x∥E (v) il existe k ∈ R∗+ tel que u est k-lipschitzienne.
Notation : L’ensemble des applications linéaires continues de E vers F est noté Lc (E, F ).
◦ Norme d’opérateur [5133] Soient E et F deux K-espaces vectoriels normés.
L’application Lc (E, F ) → R+ ; u 7→ sup∥x∥E ≤1 ∥u(x)∥F est la norme subordonnée aux normes || ||E et || ||F .
Notation : Pour tout élément de Lc (E, F ), on note ||| ||| ou ∥ ∥op la norme subordonnée à || ||E et || ||F .
De plus, pour tous u ∈ Lc (E, F ) et x ∈ E, ∥u(x)∥F ≤ |||u||| ∥x∥E .
◦ Majorer la norme d’opérateur [5134] Soient E et F deux K-espaces vectoriels normés, u ∈ L(E, F ) et k ∈ R+ .
Si, pour tout x ∈ E, ∥u(x)∥F ≤ k∥x∥E , alors |||u||| ≤ k.
◦ Sous-multiplicativité de la norme d’opérateur [5135]
Soient E, F et G trois K-espaces vectoriels normés, u ∈ Lc (E, F ) et v ∈ Lc (F, G). Alors v ◦ u ∈ Lc (E, G) et :
|||v ◦ u||| ≤ |||v||| |||u|||
HP Une norme d’algèbre [5136] Puisque la norme d’opérateur est sous-multiplicative et vérifie ||| idE ||| = 1, on dit que
c’est une norme d’algèbre sur Lc (E).
◦ Une condition suffisante de continuité [5137] Soient E et F deux K-espaces vectoriels normés.
On suppose E de dimension finie. Toute application linéaire de E vers F est continue sur E.
Ainsi, si E est de dimension finie, alors L(E, F ) = Lc (E, F ).
 Chapitre V. Topologie, suites et fonctions vectorielles 85

◦ Fermeture des sous-espaces de dimension finie [5138]

Tout sous-espace de dimension finie d’un espace vectoriel normé est fermé.
Adaptation aux matrices [5139] La notion de norme d’opérateur peut aussi s’adapter aux situations matricielles.
Ainsi, si A ∈ Mq,p (K) et ∥ ∥(n) désigne une norme sur Mn,1 (K), on pourra définir :
|||A||| = sup{∥AX∥(q) | X ∈ Mp,1 (K), ∥X∥(p) ≤ 1}
b. Applications multilinéaires continues
◦ Critère de continuité d’une application multilinéaire [5140]
Soient E1 , . . . , En et F des K-espaces vectoriels normés et M une application multilinéaire de E1 × · · · × En vers F .
S’il existe k ∈ R∗+ tel que pour tout (x1 , . . . , xn ) ∈ E1 × · · · × En , ∥M (x1 , . . . , xn )∥F ≤ k∥x1 ∥1 . . . ∥xn ∥n , alors M est
continue sur E1 × · · · × En .
◦ Une condition suffisante de continuité [5141] Soient E1 , . . . , En et F des K-espaces vectoriels normés et M une
application multilinéaire de E1 × · · · × En vers F . On suppose E1 , . . . , En sont de dimensions finies.
Toute application multilinéaire de E1 × · · · × En vers F vérifie le critère de continuité précédent, et est donc continue
sur E1 × · · · × En .
◦ Exemples [5142] Soient E, F et G trois K-espace vectoriel normé. Les applications suivantes sont continues :
(i) K × E → E ; (λ, x) 7→ λx,
(ii) E × E → R ; (x, y) 7→ (x|y), si E est préhilbertien,
(iii) Lc (F, G) × Lc (E, F ) → Lc (E, G) ; (v, u) 7→ v ◦ u,
(iv) Mr,q (K) × Mq,p (K) → Mr,p (K) ; (B, A) 7→ BA,
(v) Mn,1 (K)n → K ; (C1 , . . . , Cn ) 7→ det(C1 , . . . , Cn )
(vi) Les applications polynomiales définies sur une algèbre normée de dimension finie sont continues.
(vii) Dans une base donnée d’un espace vectoriel normé de dimension finie, les applications polynomiales en les
coordonnées des vecteurs sont continues.
(viii) Mn (K) → K ; A 7→ det(A)

4◦) Parties connexes par arcs d’un espace vectoriel normé

◦ Connexité par arcs [5143] Soient E un espace vectoriel normé, A une partie non vide de E et x, y ∈ A.
(i) Un chemin continu ou un arc continu reliant x à y est une fonction γ ∈ C([0, 1], A) telle que : γ(0) = x et γ(1) = y
(ii) La liaison continue entre deux points de A est une relation d’équivalence sur A.
(iii) Les classes d’équivalence de cette relation s’appelle les composantes connexes par arcs de A.
(iv) On dit que A est connexe par arcs si elle ne dispose que d’une seule composante connexe, c’est-à-dire si pour tout
couple de points de A, il existe un chemin continu dans A qui les relie.
◦ Partie étoilée ou convexe [5144] Soit E un espace vectoriel normé.
Toute partie étoilée ou convexe est connexe par arc.
◦ Partie connexes par arcs et réels [5145] Les parties connexes par arcs de R sont les intervalles de R.
◦ Continuité et connexité par arcs [5146] Soient E et F deux espaces vectoriels normés, A une partie connexe par arc
de E et f ∈ C(A, F ). Alors f (A) est une partie connexe par arcs de F .
◦ Cas particulier : théorème des valeurs intermédiaires [5147]
Soit E un espace vectoriel normé, A une partie de E et f ∈ C(A, R).
Alors si A est connexe par arcs, f (A) est un intervalle de R.
 86 Descartes — MP — CC BY-NC-SA 2023-2024

C Dérivation des fonctions vectorielles de la variable réelle

Avertissement [5148] Dans toute cette partie, sans précision supplémentaire, on considère des fonctions d’un intervalle
réel I, à valeurs dans un espace vectoriel normé E de dimension finie, cadre du programme officiel.
Cependant, quitte à se placer dans une base de E, on assimilera E à Rp , où p ∈ N∗ , pour en alléger l’étude.

I Dérivation ponctuelle
1◦) Caractérisation par les composantes et conséquences
Dérivabilité en un point [5149] Soit f ∈ F(I, Rp ) et a ∈ I.
On dit que f est dérivable à droite (resp. dérivable à gauche) en a lorsque x 7→ x−a 1
(f (x) − f (a)) admet une limite à
droite (resp. à gauche) en a.
On dit que f est dérivable en a lorsque x 7→ x−a 1
(f (x) − f (a)) admet une limite épointée en a. Cette limite, lorsqu’elle
existe s’appelle dérivée de f en a. Notation : f ′ (a)
◦ Théorème de caractérisation par les applications composantes [5150] Soit a ∈ I et f ∈ F(I, Rp ).
On note (f1 , . . . , fp ) les applications coordonnées de f dans la base canonique de Rp . Alors f est dérivable en a si et
seulement si, pour tout i ∈ [[ 1 , p ]] , fi est dérivable en a. Dans ce cas, f ′ (a) = (f1′ (a), . . . , fp′ (a)).
Fonction à valeurs complexes [5151] Si f est à valeurs complexes, f est dérivable en a ∈ I si et seulement si :
(i) f¯ est dérivable en a, ou encore, (ii) Re(f ) et Im(f ) sont dérivables en a.
( )′
Dans ces conditions : (Re(f )) (a) = Re(f (a)), (Im(f )) (a) = Im(f ′ (a)) et f¯ (a) = f ′ (a)
′ ′ ′

Fonction à valeurs matricielles [5152]

Soit A ∈ F(I, Mq,p (K)). Alors A est dérivable en a si et seulement si chaque coefficient de A l’est.
Descente de classe [5153] Soit f ∈ F(I, Rp ) et a ∈ I. Si f est dérivable en a, alors f est continue en a.
Négligeabilité vectorielle [5154] Soit f = (f1 , . . . , fp ) ∈ F(I, Rp ), g ∈ F(I, R) et a ∈ R ∪ {−∞, +∞}, adhérent à I.
L’écriture f (x) = o x→a (g(x)) signifie : ∀i ∈ [[ 1 , p ]] , fi (x) = o x→a (g(x))
◦ Caractérisation par un développement limité d’ordre 1 [5155]
Soit f ∈ F(I, Rp ) et a ∈ I. Si f est continue en a, alors f est dérivable en a si et seulement si f admet un développement
limité d’ordre 1 en a du type : f (x) = f (a) + (x − a)f ′ (a) + o x→a (x − a)
◦ Caractérisation des applications constantes [5156]
Soit f ∈ F(I, Rp ) une application continue sur I et dérivable en tout point de l’intérieur de I.
Alors f est constante si et seulement si f ′ (a) = 0 pour tout a de l’intérieur de I.
Linéarité de la dérivation [5157] Soit (f, g) ∈ F(I, Rp )2 , a ∈ I et λ ∈ R.
Si f et g sont dérivables en a, alors f + λg l’est aussi et (f + λg)′ (a) = f ′ (a) + λg ′ (a).
Composition [5158] Soient I et J deux intervalles de R, a ∈ I, φ ∈ F(I, J) et f ∈ F(J, Rp ).
Si φ est dérivable en a et f l’est en φ(a), alors f ◦ φ l’est en a et (f ◦ φ)′ (a) = φ′ (a)f ′ (φ(a)).

2◦) Dérivation et composition à gauche par des applications linéaires ou multilinéaires

◦ Application linéaire et dérivation [5159] Soit a ∈ I, f ∈ F(I, Rp ) et u ∈ L(Rp , Rq ).
On suppose que f est dérivable en a. Alors u ◦ f est dérivable en a et (u ◦ f )′ (a) = u(f ′ (a)).
◦ Application bilinéaire et dérivation [5160]
Soit a ∈ I, f ∈ F(I, Rp ), g ∈ F(I, Rq ) et B une application bilinéaire de Rp × Rq dans Rn . On suppose que f et g
sont dérivables en a. Alors B ◦ (f, g) est dérivable en a et (B ◦ (f, g))′ (a) = B(f (a), g ′ (a)) + B(f ′ (a), g(a)).
Généralisation [5161] Soient f⃗1 , . . . , f⃗n des applications définies sur un intervalle I, à valeurs vectorielles et dérivables
en a et M une application n-linéaire définie sur le produit des espaces vectoriels d’arrivée des applications vectorielles.
Alors M ◦ (f⃗1 , . . . , f⃗n ) est dérivable en a et :
∑n
(M ◦ (f⃗1 , . . . , f⃗n ))′ (a) = k=1 M (f⃗1 (a), . . . , f⃗k−1 (a), f⃗k′ (a), f⃗k+1 (a), . . . , f⃗n (a))
◦ Des exemples incontournables [5162] On en déduit quelques résultats :
(i) Soit a ∈ I, on munit Rp d’un produit scalaire et (f, g) ∈ F(I, Rp )2 , dérivables en a.
( )′
Alors (f |g) et ∥f ∥2 sont dérivables en a, et ((f |g))′ (a) = (f (a)|g ′ (a)) + (f ′ (a)|g(a)) et ∥f ∥2 (a) = 2(f (a)|f ′ (a)).
2 2

(ii) Soit a ∈ I, f ∈ F(I, Rp ) et φ ∈ F(I, R), dérivables en a.

Alors φf est dérivable en a et (φf )′ (a) = φ(a)f ′ (a) + φ′ (a)f (a).
(iii) Soient p, q, r ∈ N∗ , a ∈ I et (B, A) ∈ F(I, Mr,q (R)) × F(I, Mq,p (R)), dérivables en a.
Alors BA est dérivable en a et (BA)′ (a) = B(a)A′ (a) + B ′ (a)A(a).
(iv) Soient p ∈ N∗ , a ∈ I et (f⃗1 , . . . , f⃗p ) ∈ F(I, Rp )p , dérivable en a.
Alors t 7→ det(f⃗1 (t), . . . , f⃗p (t)) est dérivable en a et :
∑p
(det(f⃗1 , . . . , f⃗p ))′ (a) = det(f⃗1 (a), . . . , f⃗k−1 (a), f⃗′ (a), f⃗k+1 (a), . . . , f⃗p (a))
k=1 k
 Chapitre V. Topologie, suites et fonctions vectorielles 87

II Fonctions dérivées
1◦) Fonctions de classe C1
Fonction dérivée [5163] Soit f ∈ F(I, Rp ). Si f est dérivable en tout point de I, on peut définir f ′ : x 7→ f ′ (x) la
fonction dérivée de f . Si f ′ est continue sur I, on dit que f est de classe C1 sur I.
Notation : L’ensemble des fonctions de classe C1 sur I à valeurs dans Rp est noté C1 (I, Rp ).
Résultats sur les fonctions continûment dérivables [5164] A l’aide des résultats du paragraphe précédent :
(i) Soit f ∈ F(I, Rp ). On note (f1 , . . . fp ) les applications coordonnées de f dans la base canonique de Rp . Alors f est
de classe C1 sur I si et seulement si, pour tout i ∈ [[ 1 , p ]] , fi est de classe C1 sur I. Dans ce cas, f ′ = (f1′ , . . . , fp′ ).
(ii) f ∈ C1 (I, C) ⇔ f¯ ∈ C1 (I, C) ⇔ (Re(f ), Im(f )) ∈ C1 (I, R)2 .
(iii) L’ensemble C1 (I, Rp ) est un R-espace vectoriel.
(iv) Soient I et J deux intervalles réels, φ ∈ C1 (I, J) et f ∈ C1 (J, Rp ). Alors : f ◦ φ ∈ C1 (I, Rp )
(v) Soit f ∈ C1 (I, Rp ) et u ∈ L(Rp , Rq ). Alors : u ◦ f ∈ C1 (I, Rq )
(vi) Soit f ∈ C1 (I, Rp ), g ∈ C1 (I, Rq ) et B une application bilinéaire de Rp ×Rq dans Rn . Alors : B ◦(f, g) ∈ C1 (I, Rn )
Silence, on tourne [5165] Soit f ∈ C1 (I, Rp ).
Si ∥f ∥ est une application constante, alors pour tout x ∈ I, f (x) et f ′ (x) sont des vecteurs orthogonaux.

2◦) Fonctions de classes supérieures

Dérivées supérieures [5166]
Soit f ∈ F(I, Rp ). On définit par récurrence les dérivées successives de f sur I par : pour tout k ∈ N, si f est dérivable
k fois et si f (k) est elle-même dérivable sur I, alors f (k+1) = (f (k) )′ , en convenant que f (0) = f .
Notation : Si k ∈ N∗ , l’ensemble des fonctions k fois dérivables sur I est noté Dk (I, Rp ).
Soit k ∈ N∗ et f ∈ Dk (I, Rp ). Si de plus f (k) est continue sur I, alors on dit que f est de classe Ck sur I.
Si, pour tout k ∈ N, f ∈ Ck (I, Rp ), on dit que f est indéfiniment dérivable ou de classe C∞ sur I.
Notation : Si k ∈ N ∪ {∞}, l’ensemble des fonctions de classe Ck sur I est noté Ck (I, Rp ).
Usuellement, C(I, Rp ) et D(I, Rp ) désignent donc respectivement C0 (I, Rp ) et D1 (I, Rp ).
Des inclusions strictes [5167] Si k ≥ 2, alors : C∞ (I, Rp ) ⊂ Ck (I, Rp ) ⊂ Dk (I, Rp ) ⊂ C1 (I, Rp ) ⊂ D(I, Rp ) ⊂ C(I, Rp )
Caractérisation par les composantes [5168] Soit f ∈ F(I, Rp ) et k ∈ N ∪ {∞}.
On note (f1 , . . . fp ) les applications coordonnées de f dans la base canonique de Rp . Alors f est de classe Ck sur I si
et seulement si, pour tout i ∈ [[ 1 , p ]] , fi est de classe Ck sur I. Dans ce cas, f (k) = (f1 , . . . , fp ).
(k) (k)

Structure [5169] Soit k ∈ N ∪ {∞}. Alors Ck (I, Rp ) et Dk (I, Rp ) sont des R-espaces vectoriels.
Composition [5170] Soient I et J deux intervalles de R, k ∈ N ∪ {∞}, φ ∈ Ck (I, J) et f ∈ Ck (J, Rp ).
Alors : f ◦ φ ∈ Ck (I, Rp )
• Généralisation [5171] Certains résultats, conséquences du théorème des accroissements finis (mais pas le théorème
lui-même) s’étendent aux fonctions à valeurs dans Rp (ou C), comme le théorème étendu de la limite de la dérivée, la
formule de Taylor-Young, ou le théorème de primitivation des développements limités.

3◦) Arcs paramétrés

Vocabulaire [5172] Soit γ ∈ Ck (I, Rp ). On appelle arc, chemin ou courbe de classe Ck de Rp la donnée de γ.
L’ensemble γ(I) est le support de l’arc. Le nombre t est un paramètre du point γ(t).
Si t est l’unique antécédent de γ(t), γ(t) est un point simple l’arc. Sinon, c’est un point multiple (double, triple...).
Un point γ(t) de l’arc est régulier lorsque γ ′ (t) ̸= 0. Sinon, on dit qu’il est un point singulier ou point stationnaire.
Perspective cinématique [5173] Un arc permet de décrire mathématiquement le mouvement d’un mobile ponctuel
de Rp . Le support représente la trajectoire du mobile, γ ′ (t) est le vecteur vitesse du mouvement à l’instant t et sa
vitesse est ∥γ ′ (t)∥. Si l’arc est de classe C2 , le vecteur accélération à l’instant t est γ ′′ (t).
La connaissance de la trajectoire d’un mobile ponctuel ne donne aucune information sur la manière dont cette
trajectoire a été parcourue.
HP Tangente en un point [5174] Soit γ ∈ Ck (I, Rp ) et t ∈ I. On suppose que γ(t) est un point simple du support de l’arc
et que {i ∈ [[ 1 , k ]] | γ (i) (t) ̸= 0} ̸= ∅. On note m le plus petit de ces entiers. Ainsi γ (m) (t) est le premier vecteur
dérivé non nul en t. La droite affine γ(t) + Vect(γ (m) (t)) est appelée la tangente en γ(t) à γ(I).
◦ HP Interprétation [5175] Cette notion correspond bien à la notion intuitive : la formule de Taylor-Young appliquée montre
que limh→0 h1m (γ(t + h) − γ(t)) = m1 ! γ (m) (t). Ce dernier vecteur est proportionnel au vecteur γ (m) (t), ce qui signifie
que la droite passant par les points γ(t) et γ(t + h) “tend” vers la tangente en γ(t) à γ(I) lorsque h tend vers 0.
Direction de la tangente en un point régulier [5176] Soit γ ∈ Ck (I, Rp ) et t ∈ I. On suppose que γ(t) est un point
simple et régulier du support de l’arc. Alors γ(I) admet une tangente en γ(t), dirigée par γ ′ (t).
88 Descartes — MP — CC BY-NC-SA 2023-2024
 Chapitre VI. Séries numériques et vectorielles ; suites et séries de fonctions 89

Dans tout ce chapitre, K désigne le corps R ou C.

A Séries numériques et vectorielles

I Convergence d’une série numérique (première année)
1◦) Sommes partielles d’une série ; somme et reste partiel d’une série convergente
∑n
Série numérique [6001] Soit u = (un )n∈N ∈ KN une suite numérique. On note U = ( k=0 uk )n∈N la suite des ∑ sommes
partielles de u. On appelle série associée à la suite u ou série de terme général un la suite U . Notation : un
Une série numérique converge lorsque la suite de ses sommes ∑ partielles converge ; dans
∑+∞ ce cas, la limite s’appelle la
somme de la série. Sinon elle diverge. Notation : Si la série un converge, on note n=0 un sa somme.
◦ Série télescopique dérivée [6002]
∑
Soit u = (un ) ∈ KN . Alors u converge si et seulement si la série associé à sa suite dérivée, (un − un−1 ), converge.
◦ Une∑condition nécessaire de convergence et une condition suffisante ∑ de divergence [6003] Soit u ∈ KN
Si un converge, alors u tend vers 0. Si u ne converge pas vers 0, alors un diverge grossièrement.
∑1 1
◦ Attention [6004] Il n’y a pas d’équivalence. Par exemple diverge et ( ) converge vers 0.
∑ n n
◦ Reste partiel d’une série convergente [6005] Soit un une série
∑ numérique convergente. ∑+∞
On appelle reste partiel d’ordre p la somme de la série tronquée n≥p+1 un . Notation : n=p+1 un
La suite des restes d’une série convergente converge vers 0.

2◦) Convergence et linéarité

◦ Structure [6006] L’ensemble des séries numériques convergentes est un K-espace vectoriel.
La somme d’une combinaison linéaire de séries convergentes est la combinaison linéaire des sommes de ces séries.
∑ ∑ ∑
◦ Séries complexes [6007] Soit u ∈ CN . Alors
∑+∞un converge si et seulement si Re(un ) et Im(un ) convergent, et
∑+∞ ∑+∞
dans ce cas : n=0 un = n=0 Re(un ) + i n=0 Im(un )

3◦) Critère spécial des séries alternées

• Critère de Leibniz [6008] Soit u ∈ (R+ )N telle que (un )n∈N décroît et que limn→∞ un = 0. Alors :
∑
(i) La série alternée (−1)n un converge.
On note alors Sn sa somme partielle d’ordre n, S sa somme et Rn son reste partiel d’ordre n.
(ii) Pour tout n ∈ N, 0 ≤ u0 − u1 ≤ S2n+1 ≤ S ≤ S2n ≤ u0 .
∑
(iii) Si on considère la série alternée (−1)n+1 un , ces résultats subsistent en les symétrisant.
(iv) Dans tous les cas, pour tout n ∈ N, Rn est du signe du premier terme de son expression sous forme de somme et :
|un+1 − un+2 | ≤ |Rn | ≤ |un+1 |

II Séries à termes positifs ; convergence absolue (première année)

1◦) Comparaison et convergence de suites positives
◦ Théorème fondamental de majoration [6009] Soit α = (αn ) ∈ (R+ )N∑ .
On note A = ∑
(An ) la suite des sommes partielles de α. Alors,∑
la série αn converge si et seulement si A est majorée.
+∞ +∞
Dans ce cas, n=0 αn = limn→∞ An = supn∈N An , et sinon, n=0 αn = +∞.
Utilisation des relations de comparaison [6010]
∑ ∑
(i) Soient α, β ∈ (R+ )N telles
∑ que α = O (β) (ou ∑ α = o (β)). Si βn converge, alors αn aussi.
Par contraposition, si αn diverge, alors βn aussi.
∑ ∑
(ii) Soient α, β ∈ (R+ )N telles que α ∼ β. Alors αn converge si et seulement si βn converge aussi.
Généralisation [6011] On peut généraliser les résultats précédents au cas usuel où (α, β) ∈ KN × RN et lorsque βn est
de signe constant au delà d’un certain rang.

2◦) Séries absolument convergentes

∑ ∑
Suite sommable [6012] Soit u ∈ KN . On dit que la série un converge absolument lorsque |un | converge.
• Lien entre les∑ convergences [6013] Toute série numérique absolument convergente est convergente.
+∞ ∑+∞
Dans ce cas : n=0 un ≤ n=0 |un |
∑ (−1)n
Attention [6014] La réciproque est fausse. La série n converge mais n’est pas absolument convergente.
HP On dit qu’elle est semi-convergente.
N
Comparaison [6015] Soient u ∈ C∑ et v ∈ (R+ )N . ∑
Si u = O (v) (ou u = o (v)) et si vn converge, alors un est absolument convergente donc convergente.
 90 Descartes — MP — CC BY-NC-SA 2023-2024

◦ Une première série numérique de référence [6016]

∑ 1−r n+1
Soit r ∈ K \ {1}. La somme partielle d’ordre n de rn vaut 1−r , donc la série converge si et seulement si |r| < 1.
n+1
1
Dans ce cas, elle a pour somme 1−r , et pour reste à l’ordre n : r1−r

3◦) Méthode des rectangles

a. Encadrement des sommes partielles
• Technique de comparaison série/intégrale [6017] Soit a ∈ R et f ∈ C([a, +∞[, R+ ), monotone.
Alors, pour tout n ≥ n0 ≥ a :
∫ n+1 ∑n ∫n
⋄ Si f est décroissante, alors : n0 f ≤ k=n0 f (k) ≤ n0 f + f (n0 )
∫n ∑n ∫ n+1
⋄ Si f est croissante, alors : n0 f + f (n0 ) ≤ k=n0 f (k) ≤ n0 f
Études asymptotiques à l’aide de tels encadrements [6018]
∑
⋄ En cas de convergence de f (n), on obtient un encadrement du reste de la série d’ordre n0 − 1 qui peut conduire
à un équivalent de Rn au∑voisinage de +∞,
⋄ En cas de divergence de f (n), on obtient un encadrement de la somme partielle qui peut conduire à un équivalent
de cette somme partielle au voisinage de +∞.
Cas non monotone [6019] En l’absence de monotonie, on peut essayer de regrouper des termes, pour s’y ramener.
b. Séries de Riemann : résultat général et études asymptotiques
∑ 1
• Une deuxième série numérique de référence [6020] Soit α ∈ R. La série nα converge si et seulement si α > 1.
Critère de comparaison à une série de Riemann [6021]
On pourra souvent comparer le terme général d’une série à celui d’une série de Riemann.
∑
En particulier, s’il existe α > 1 tel que (nα un ) est bornée, on pourra conclure que un converge.
ln(2π) √
Formule de Stirling [6022] ln(n !) = n ln(n) − n + 1
2 + o n→+∞ (1) donc n ! ∼n→+∞ ( ne )n 2πn
ln(n) + 2
◦ Résultats asymptotiques sur les séries de Riemann [6023] Soit α > 0.
∑+∞ ∑n n1−α
(i) Si α > 1, alors : k=n+1 k1α ∼n→+∞ (α−1)n
1
(ii) Si α < 1, alors : k=1 k1α ∼n→+∞ (1−α)
∑n 1 α−1
∑n 1
(iii) Si α = 1, alors k=1 k ∼n→+∞ ln(n). De plus, il existe γ > 0 tel que : k=1 k = ln(n) + γ + o n→+∞ (1)

4◦) Séries numériques non positives

Méthode d’éclatement des termes [6024] Si u est une suite de signe variable, éventuellement alternée, mais ne vérifie
∑
pas le critère spécial, pour étudier la série un , il convient de faire un développement asymptotique jusqu’à un terme
dominé par le terme général d’une série absolument convergente.
◦ Attention [6025] Si une suite alternée ne vérifie pas le critère spécial, il ne faut pas utiliser un équivalent pour étudier
( n) ( n)
la série associée. Par exemple, pour tout n ∈ N∗ , on pose : un = ln 1 + (−1) √ et vn = ln 1 + (−1)
∑ n ∑ n
On constate par méthode d’éclatement des termes que un diverge, alors que vn converge.
HP Une transformation possible [6026] On pourra éventuellement utiliser la transformation d’Abel, pour des séries ni
positives ni négatives, et non absolument convergentes.

III Familles sommables (première année)

1◦) Ensembles au plus dénombrables (deuxième année)
MP Ensemble dénombrable [6027] On dit qu’un ensemble est dénombrable lorsqu’il est en bijection avec N.
ADMIS Ensemble au plus dénombrable [6028] On dit qu’un ensemble est au plus dénombrable lorsqu’il est en bijection avec une
partie de N, c’est-à dire qu’il est fini ou dénombrable. Une partie d’un ensemble dénombrable est au plus dénombrable.
ADMIS Description en extension [6029] Un ensemble E est au plus dénombrable si et seulement s’il peut être décrit en
extension sous la forme {uk | k ∈ I} ∈ E I où I ⊂ N, avec des uk distincts.
(p+q)(p+q+1)
ADMIS Fonction de couplage de Cantor [6030] L’application (p, q) 7→ 2 + q est une bijection de N2 sur N.
ADMIS Produit cartésien fini / union dénombrable et dénombrabilité [6031]
Le produit cartésien d’un nombre fini d’ensembles au plus dénombrables est au plus dénombrable.
Une union au plus dénombrable d’ensembles au plus dénombrables est au plus dénombrable.
◦ MP Des ensembles classiques dénombrables [6032] Soit p ∈ N ∗ . Les ensembles Np , Z, Q et D sont dénombrables.
◦ MP Ceux qui n’étaient pas dénombrables [6033] Les ensembles {0, 1}N , R et NN ne sont pas dénombrables.
 Chapitre VI. Séries numériques et vectorielles ; suites et séries de fonctions 91

2◦) Familles sommables

a. Familles sommables de nombres réels positifs

Somme d’une famille positive [6034]

∑pas nécessairement dénombrable. Soit u ∈ [0, +∞] .

I
Soit I un ensemble non vide d’indices,
On dit que u est sommable lorsque { k∈K uk | K ⊂ I, Card(K) < +∞} est majoré. ∑
Dans ce cas, la borne supérieure de cet ensemble est appelée la somme de la famille u. Notation : k∈I uk
Convention d’écriture et calculs concrets
∑dans le cas positif [6035]
∑
Si u ∈ (R+ )I est sommable, on pourra écrire k∈I uk < +∞, et sinon k∈I uk = +∞.
Les conventions de calculs indiquées en [1175] permettent, dans le cas de nombres positifs, de les effectuer de manière
formelle sans avoir à les justifier a priori, et de conclure en fin de calcul sur la sommabilité de la famille.
• MP Sommabilité et dénombrabilité [6036]
Si u ∈ (R+ )I est sommable, alors {k ∈ I | uk ̸= 0} est au plus dénombrable. On dit que u est à support dénombrable.
Ainsi, dans la suite de cette partie, I (ou une variante indexée) désignera un ensemble non vide au plus dénombrable.
◦ Comparaison Soient u, v ∈ (R+ )I telles que pour tout k ∈ I, uk ≤ vk .
[6037]
Alors si v est sommable u aussi, et si u n’est pas sommable, v non plus.
◦ Opérations sur les familles positives∑
[6038]
∑ ∑
Soient u, v ∈ (R+ )I et λ ∈ R∗+ . Alors : k∈I (uk + λvk ) = k∈I uk + λ k∈I vk
ADMIS Théorème de sommation par paquets [6039] Soit u ∈ (R+ ) . I
(∑ ) ∑
∑
On suppose qu’il existe J un ensemble d’indices et (Jℓ )ℓ∈J une partition de I. Alors : ℓ∈J k∈Jℓ uk = k∈I uk
• Applications : retour sur les séries de nombres positifs et théorème de Fubini positif [6040]
N
⋄ Si u ∈ (R+ ) et pour tout ℓ ∈ J, Jℓ = {ℓ}, on retrouve la notion de série à termes positifs.
∑+∞ ∑+∞
⋄ Si u ∈ (R+ )N et σ une permutation de N, alors : n=0 uσ(n) = n=0 un (invariance par permutation)
∑ ∑ ∑ ∑ ∑
⋄ Si u ∈ (R+ )I1 ×I2 alors : (k,ℓ)∈J1 ×J2 uk,ℓ = ℓ∈I2 k∈I1 uk,ℓ = k∈I1 ℓ∈I2 uk,ℓ (théorème de Fubini positif)
∑ ∑+∞ ∑+∞ ∑+∞ ∑+∞
⋄ Si u ∈ (R+ )N alors : (k,ℓ)∈N2 uk,ℓ = ℓ=0 k=0 uk,ℓ = k=0 ℓ=0 uk,ℓ (cas particulier usuel)
2

∑ (∑ )( ∑ )
⋄ Si (u, v) ∈ (R+ )I1 × (R+ )I2 : (k,ℓ)∈I1 ×I2 uk vℓ = k∈I1 uk ℓ∈I2 vℓ (produit)
∑ ( ∑+∞ )( ∑+∞ ) ∑+∞ ∑ℓ
⋄ Si u, v ∈ (R+ )N alors : (k,ℓ)∈N2 uk vℓ = k=0 uk ℓ=0 vℓ = ℓ=0 k=0 uk vℓ−k (produit de Cauchy)

b. Familles sommables de nombres complexes

Somme d’une famille réelle Soit u ∈ RI . On dit que u est sommable
[6041]
∑lorsque |u|∑l’est. ∑
− −
Alors u = max(u, 0) et u = max(−u, 0) sont sommables, et on définit : k∈I uk = k∈I u+ k −
+
k∈I uk
Somme d’une famille complexe Soit u ∈ CI . On
[6042]
∑dit que u ∑ ∑ |u| l’est. Notation : u ∈ ℓ (I)
est sommable lorsque 1

Alors Re(u) et Im(u) sont sommables, et on définit : k∈I uk = k∈I Re(uk ) + i k∈I Im(uk )
∑ ∑
Dans ce cas : k∈I uk ≤ k∈I |uk | (inégalité triangulaire)
ADMIS Résultats de sommabilité complexe Soient u, v ∈ CI et λ ∈ C.
[6043]

⋄ Si pour tout k ∈ I, |uk | ≤ |vk |, alors : v ∈ ℓ1 (I) ⇒ u ∈ ℓ1 (I) (comparaison)

∑ ∑ ∑
⋄ Si u, v ∈ ℓ1 (I), alors u + λv ∈ ℓ1 (I) et : k∈I (uk + λvk ) = k∈I uk + λ k∈I vk (linéarité)
∪ ∑ (∑ ) ∑
⋄ Si u ∈ ℓ1 (I) et I = ℓ∈J Jℓ est disjointe, alors : ℓ∈J k∈Jℓ uk = k∈I uk (sommation par paquets)
⋄ Si u ∈ ℓ1 (N) et pour tout ℓ ∈ J, Jℓ = {ℓ}, on retrouve la notion de série absolument convergente.
∑+∞ ∑+∞
⋄ Si u ∈ ℓ1 (N) et σ une permutation de N, alors : n=0 uσ(n) = n=0 un (invariance par permutation)
∑ ∑ ∑ ∑ ∑
⋄ Si u ∈ ℓ1 (I1 × I2 ) alors : (k,ℓ)∈I1 ×I2 uk,ℓ = ℓ∈I2 k∈I1 uk,ℓ = k∈I1 ℓ∈I2 uk,ℓ (théorème de Fubini)
⋄ Produit de Fubini étendu∑ : Si u ∈ ℓ1 (I1 × · · · × Ip ) alors,∑pour tout σ ∈ S ∑p :
u
(k1 ,...,kp )∈I1 ×···×Ip k1 ,...,kp = kσ(1) ∈Iσ(1) · · · kσ(p) ∈Iσ(p) uk1 ,...,kp
∑ ∑ +∞ ∑ +∞ ∑ +∞ ∑ +∞
⋄ Si u ∈ ℓ1 (N2 ) alors : (k,ℓ)∈N2 uk,ℓ = ℓ=0 k=0 uk,ℓ = k=0 ℓ=0 uk,ℓ (cas particulier usuel)
∑ (∑ )( ∑ )
⋄ Si (u, v) ∈ ℓ1 (I1 )×ℓ1 (I2 ) alors (uk vl )(k,ℓ)∈I1 ×I2 ∈ ℓ1 (I1 ×I2 ) et : (k,ℓ)∈I1 ×I2 uk vℓ = k∈I1 uk ℓ∈I2 vℓ (produit)
( (1) (p) )
⋄ Produit étendu : Si (u(1) , . . . , u(p) ) ∈ ℓ1 (I1 ) × · · · × ℓ1 (Ip ) alors uk1 . . . ukp (k1 ,...,kp )∈I1 ×···×Ip ∈ ℓ1 (I1 × · · · × Ip ) et :
∑ (1) (p) (∑ (1) ) (∑ (p) )
(k1 ,...,kp )∈I1 ×···×Ip uk1 . . . ukp = k1 ∈I1 uk1 · · · kp ∈Ip ukp
∑ℓ
⋄ Si I = N, on pose, pour tout ℓ ∈ N, wℓ = k=0 uk vℓ−k . Il s’agit du produit de Cauchy des suites u et v.
∑ ( ∑+∞ )( ∑+∞ ) ∑+∞ ∑ℓ
Si u, v ∈ ℓ1 (N), alors w ∈ ℓ1 (N) et : (k,ℓ)∈N2 uk vℓ = k=0 uk ℓ=0 vℓ = ℓ=0 k=0 uk vℓ−k
 92 Descartes — MP — CC BY-NC-SA 2023-2024

Utilisation pratique [6044] Dans les cas non positifs, il faudra prendre bien soin de vérifier les hypothèses de somma-
bilité, avant d’appliquer les résultats précédents.
Dans les cas usuels où I est une puissance finie de N, on vérifiera des convergences absolues successives, en utilisant
les méthodes rencontrées sur les séries numériques. Ainsi, pour montrer que u ∈ CN est sommable, on montrera (par
3

exemple, puisque k, ℓ et∑ m jouent des rôles

∑ symétriques) successivement
∑ ∑la convergence des)trois séries :
∑+∞ +∞ ( ∑+∞
m |u k,ℓ,m |, ℓ m=0 u k,ℓ,m et k ℓ=0 m=0 uk,ℓ,m
• Approximation finie de la somme d’une famille sommable [6045] Soit ∑u ∈ C I
, sommable.
∑
Alors, pour tout ε ∈ R∗+ , il existe K ⊂ I, Card(K) < +∞, tel que : k∈I uk − k∈K uk ≤ ε

c. Série exponentielle de la variable complexe

◦ Une troisième série numérique de référence
∑ [6046]
zn
∑+∞ zn
Pour tout z ∈ C, la série exponentielle de z, n ! , est absolument convergente. Notation : exp(z) = n=0 n!
n
Par croissances comparées, pour tout z ∈ C, zn! = o n→+∞ ( 21n ), terme général d’une série absolument convergente,
donc la série exponentielle est absolument convergente.
Mais c’est bien sûr ! [6047] La fonction de la variable réelle x 7→ exp(x) issue de cette série est bien la fonction
exponentielle, comme on le verra dans le cours sur les séries entières.
• Morphisme [6048] Soit (z, z ′ ) ∈ C2 . Alors : exp(z + z ′ ) = exp(z) exp(z ′ )

IV Compléments sur les séries absolument convergentes

1◦) Règle de d’Alembert
◦ HP Méthode de comparaison logarithmique [6049]
Soient u, v ∈ (R∗+ )N telles ∑
qu’il existe n0 ∈ N vérifiant
∑ : ∀n ≥ n0 ,∑uun+1
n
≤ vn+1
vn ∑
Alors u = O (v). Ainsi, si vn converge, alors un aussi, et si un diverge, alors vn aussi.
∗ N un+1
• Règle de d’Alembert [6050] Soit u ∈ (R+ ) tel que ( un ) tende vers ℓ ∈ R+ ∪ {+∞}. Alors :
∑ ∑
(i) Si ℓ < 1, la série un converge. (ii) Si ℓ > 1, la série un diverge grossièrement.
Attention [6051] Si ℓ = 1, on ne peut pas conclure, comme le montrent les différentes séries de Riemann.
Ainsi, on réservera cette technique aux séries dont le terme général se présente sous la forme d’un produit, et dont on
présume qu’il est comparable à une série géométrique.
Pour des séries au comportement moins “marqué”, cette règle est totalement inopérante.
On pourra utiliser la règle de d’Alembert sur des séries à termes quelconques, en travaillant sur la série des modules.

2◦) Sommation des relations de comparaison et lemme de Cesàro

◦ Sommation des relations de comparaison en cas de convergence [6052]
∑
Soient u, v ∈ (R+ )N telles
∑ que v n converge.
∑+∞Alors : ( ∑+∞ )
(i) Si u = o (v), alors un converge et : k=n+1 uk = o n→+∞ k=n+1 vk
∑ ∑+∞ ( ∑+∞ )
(ii) Si u = O (v), alors un converge et : k=n+1 uk = O n→+∞ k=n+1 vk
∑ ∑+∞ ∑+∞
(iii) Si u ∼ v, alors un converge et : k=n+1 uk ∼n→+∞ k=n+1 vk
◦ Sommation des relations de comparaison en cas de divergence [6053]
∑
Soient u, v ∈ (R+ )N telles
∑nque vn diverge.
(∑Alors : )
n
(i) Si u = o (v), alors : k=0 uk = o n→+∞ k=0 vk )
∑n (∑ n
(ii) Si u = O (v), alors : k=0 uk = O n→+∞ k=0 vk ∑
∑ ∑n n
(iii) Si u ∼ v, alors vn diverge et : k=0 uk ∼n→+∞ k=0 vk
Dans la pratique [6054] Il suffit que la suite de référence soit de signe constant à partir d’un certain rang.
On tentera de faire apparaître des télescopages astucieux.
∑n 1 1 1
Développement asymptotique de la série harmonique [6055] k=1 k = ln(n) + γ + 2n + o n→∞ ( n )
N
• Il lemma di Cesàro [6056] Soit u ∈ R , de limite ℓ ∈ R ∪ {−∞,∑n +∞}.
1
Alors la suite de terme général la moyenne de Cesàro n+1 k=0 uk admet aussi ℓ pour limite.
n
Pas de réciproque [6057] Ainsi u = ((−1) )n∈N diverge, mais dont sa suite des moyennes de Cesàro tend vers 0.
HP Une méthode de recherche d’équivalent pour des suites récurrentes d’ordre un [6058] Soit u ∈ RN .
On suppose avoir déterminé α ∈ R∗ et ℓ ∈ R∗+ tels que limn→+∞ (uα
1
n+1 − un ) = ℓ. Alors : un ∼n→+∞ (ℓn)
α α

3◦) Espace vectoriel normé des suites numériques sommables

◦ Une norme sur les suites numériques sommables [6059]
∑+∞
L’ensemble ℓ1 (N) des suites numériques sommables muni de N1 : (un ) 7→ n=0 |un | est un espace vectoriel normé.
Si on pose ℓ2 (N) = {u ∈ CN | u2 ∈ ℓ1 (N)} et ℓ∞ (N) = {u ∈ CN | u est bornée}, alors : ℓ1 (N) ⊂ ℓ2 (N) ⊂ ℓ∞ (N)
Enfin, si u, v ∈ ℓ2 (N), alors uv ∈ ℓ1 (N).
 Chapitre VI. Séries numériques et vectorielles ; suites et séries de fonctions 93

V Rayon de convergence d’une série entière

1◦) Série entière d’une variable complexe
∑
Série entière [6060] La donnée d’une suite (an )n∈N ∈ CN permet de définir la série entière an z n , où z ∈ C est à
traiter pour le moment uniquement comme un paramètre.
∑
◦ Rayon de convergence [6061] Soit an z n une série entière.
L’ensemble des réels positifs ρ tels que la suite (an ρn )n∈N est bornée
∑est un intervalle de R+ contenant 0, dont la borne
supérieure dans R+ ∪ {+∞} est appelée rayon de convergence de an z n .
∑ n n
◦ Attention [6062] Le rayon d’une série entière peut être nul ; considérer par exemple n z .
∑
Domaine ouvert de convergence [6063] Soit an z n une série entière de rayon de convergence R ∈ R∗+ ∪ {+∞}.
L’ensemble {z ∈ C | |z| < R} (resp. ] − R, R[) est le disque ouvert de convergence (resp. l’intervalle ouvert de conver-
gence) de la série entière.

2◦) Types de convergence

N
∑ (ann)n∈N ∈ C . S’il existe z0 ∈ C tel que la suite (an z0 ) est bornée, alors pour tout z ∈ C tel
n
• Lemme d’Abel [6064] Soit
que |z| < |z0 |, la série an z est absolument convergente.
◦ Théorème de convergence des séries entières [6065]
∑ ∗
Soit ∑ Rn ∈ R+ ∪ {+∞}. Alors :
an z n une série entière de rayon de convergence
(i) Pour tout z du disque ouvert de convergence, an z converge absolument.
∑
(ii) Si |z| > R, alors (an z n ) est non bornée, et an z n diverge donc∑
grossièrement.
(iii) Sur tout compact inclus dans le disque ouvert de convergence, an z n est normalement convergente.
Attention [6066] Il n’est pas possible de conclure a priori quant à la convergence sur le cercle d’incertitude.

3◦) Quelques méthodes pour déterminer le rayon de convergence d’une série entière
◦ Avec la définition du rayon et le théorème de convergence [6067]
∑
Soit (an )n∈N ∈ CN et z0 ∈ C. On note R ∈ R+ ∪ {+∞} le rayon de convergence de an z n .
∑n z0 ) nest bornée, alors R ≥ |z0 |. Sinon, R ≤ |z0 |.
n
(i) Si la suite (a
(ii) Si la série an z0 converge, alors R ≥ |z0 |. Sinon, R ≤ |z0 |.
∑ α n
Exemple [6068] Pour tout α ∈ R, le rayon de convergence de n z est 1.
∑ n
∑ n
◦ Comparaisons [6069] Soient an z et bn z deux séries entières de rayons de convergence respectifs Ra et Rb .
(i) Si an = O n→+∞ (bn ), (ou en particulier an = o n→+∞ (bn )) alors Ra ≥ Rb .
(ii) Si |an | ∼n→+∞ |bn |, alors Ra = Rb .
◦ Utilisation de la règle de d’Alembert [6070]
( un+1 )
Soit (an )n∈N ∈ CN et z ̸= 0. Pour tout n ∈ N, on pose un = |an z n |. Si c’est possible, on s’intéresse
∑ à la suite un ,
n
et on discute la valeur de son éventuelle
( an+1 ) limite en fonction de z, pour déterminer le rayon de a z .
∑n n
Dans le cas particulier où | an | tend vers ℓ ∈ R+ ∪ {+∞}, alors le rayon de convergence de an z est 1ℓ .
∑ n 2n
◦ Attention aux séries lacunaires [6071] Considérer 2 z , qui a pour rayon de convergence √12 et non 21 .

4◦) Opérations sur les séries entières et rayons de convergence

∑ ∑
◦ Somme et loi externe [6072] Soient an z n et bn z n deux séries entières de rayons de convergence respectifs Ra et
Rb , et λ un élément∑de C non nul. Alors :
(i) La série entière (an + bn )z n , somme des deux séries entières, a un rayon de convergence R vérifiant :
Si Ra ̸= Rb , alors R ∑= min(Ra , R∑b ), et si Ra = Rb , alors R ≥ Ra . Dans tous les cas : R ≥ min(Ra , Rb )
(ii) Les séries entières an z n et λan z n ont même rayon de convergence.
∑ ∑
◦ Produit de Cauchy [6073] Soient an z n et bn z n deux séries
∑ entières de rayons de convergence
∑nrespectifs Ra et Rb .
Alors le produit des deux séries entières est la série entière cn z n , où pour tout n ∈ N, cn = k=0 ak bn−k .
Son rayon de convergence R vérifie R ≥ min(Ra , Rb ).
• Multiplication par n [6074]
∑ ∑
Soit an z n une série entière de rayon R ∈ R+ ∪ {+∞}. Alors nan z n a aussi R pour rayon de convergence.
∑
HP Généralisation rationnelle
∑ [6075] Soient an z une série entière de rayon R ∈ R+ ∪ {+∞} et F ∈ C(X) \ {0}.
n

Alors la série entière F (n)an z n a aussi R pour rayon de convergence.

 94 Descartes — MP — CC BY-NC-SA 2023-2024

VI Séries vectorielles
1◦) Séries à valeurs dans un espace vectoriel normé de dimension finie
Généralisation [6076] Il arrive fréquemment qu’on s’intéresse à des séries à valeurs dans un espace vectoriel normé E
de dimension finie.
Puisque dans E tous les normes sont équivalentes, les notions de convergence et de divergence de séries sont indépen-
dantes des normes choisies. En pratique, on choisit donc celle qui nous convient.
Il est bien sûr possible de s’intéresser aux séries numériques des coordonnées dans une base de E des séries de vecteurs
étudiées.
Les notions suivantes se déduisent du cours sur les séries numériques, en veillant bien à remplacer les valeurs absolues
par des normes, et à ne pas produire d’inégalités entre des vecteurs :
⋄ Sommes partielles d’une série. Somme et reste partiel d’une série convergente.
⋄ Condition nécessaire de convergence, divergence grossière.
⋄ Série téléscopique associée à la suite dérivée d’une suite donnée.
⋄ Linéarité de la somme. ∑
◦ ⋄ Si E est de dimension finie, la convergence∑absolue, c’est-à-dire la convergence de la série numérique ∥un ∥,
implique la convergence
∑+∞ de la série
∑+∞ vectorielle un .
Dans ce cas : n=0 un ≤ n=0 ∥un ∥

2◦) Série exponentielle d’un endomorphisme d’un espace normé de dimension finie ou d’une matrice
• Exponentielle d’un endomorphisme ou d’une matrice [6077]
Soient E un espace vectoriel normé de dimension finie, a ∈ L(E) et A ∈ Mn (K).
Alors la série de terme général k1! ak (resp. k1! Ak ) est absolument convergente, de somme appelée l’exponentielle de
l’endomorphisme a (resp. l’exponentielle de la matrice A). Notation : exp(a), ea , exp(A), eA
Exponentielle de la somme de deux endomorphismes ou de deux matrices qui commutent [6078]
Soient E un espace vectoriel normé de dimension finie, a, b ∈ L(E) et A, B ∈ Mn (K) tels que a ◦ b = b ◦ a et AB = BA.
Alors : exp(a + b) = exp(a) exp(b) et exp(A + B) = exp(A) exp(B)
En particulier exp(a) et exp(A) sont inversibles et : exp(−a) = (exp(a))−1 et exp(−A) = (exp(A))−1
◦ Exponentielle d’une matrice diagonale ou triangulaire [6079]
Soient D = diag(λ1 , . . . , λn ) ∈ Dn (K) et T ∈ Mn (K), triangulaire supérieure de diagonale D.
Alors exp(D) = diag(eλ1 , . . . , eλn ) et exp(T ) est triangulaire supérieure de diagonale exp(D).
Ainsi : exp(Sp(D)) = Sp(exp(D)) et exp(Sp(T )) = Sp(exp(T ))
De plus : det(exp(D)) = exp(tr(D)) et det(exp(T )) = exp(tr(T ))
• Exponentielle de matrices semblables [6080]
Soient A, B ∈ Mn (K) et P ∈ GLn (K) telles que B = P −1 AP . Alors : exp(B) = P −1 exp(A)P
◦ Spectre de l’exponentielle d’une matrice, cas trigonalisable, déterminant et trace [6081]
Soit A ∈ Mn (K). Alors : exp(Sp(A)) ⊂ Sp(exp(A))
⋄ Si χA est scindé sur K, alors exp(Sp(A)) = Sp(exp(A)) et de plus : det(exp(A)) = exp(tr(A))
En particulier, si χA est scindé sur R, alors Sp(exp(A)) ⊂ R∗+ .
⋄ Si χA n’est pas scindé sur R, exp(Sp(A)) = Sp(exp(A)) n’est pas toujours vrai.
 Chapitre VI. Séries numériques et vectorielles ; suites et séries de fonctions 95

B Suites et séries de fonctions numériques

Avertissement [6082]
Le programme officiel stipule que le cadre de cette partie, concerne les applications « définies sur une partie A d’un
espace vectoriel normé E de dimension finie et à valeurs dans un espace vectoriel normé F de dimension finie ».
Dans l’essentiel de la pratique (mais pas toujours), on constate que E = R, A est un intervalle réel I et F = K.
Ainsi, pour ne pas alourdir les énoncés ni les démonstrations, on se contentera de ce cas particulier, à charge de
s’adapter si la situation devait être plus générale.
On veillera alors à transformer les modules en normes, par exemple.

I Deux convergences principales d’une suite de fonctions

1◦) Convergence simple, convergence uniforme
Convergence simple [6083] Soit (fn )n∈N ∈ F(I, K)N .
On dit que (fn ) converge simplement sur I vers f ∈ F(I, K) lorsque, pour tout x ∈ I, (fn (x))n∈N converge vers f (x).
◦ Attention [6084] Sans aucune hypothèse supplémentaire, aucune propriété de régularité de f n’est vraie a priori 10 .
Convergence uniforme [6085] Soit (fn )n∈N ∈ F(I, K)N .
On dit que (fn ) converge uniformément sur I vers f ∈ F(I, K) lorsque (∥fn − f ∥∞,I )n∈N tend vers 0, c’est-à-dire :
Pour tout ε > 0, il existe n0 ∈ N, pour tout n ≥ n0 et pour tout x ∈ I, |fn (x) − f (x)| ≤ ε.
Remarques [6086]
(i) Une telle définition suppose qu’au delà d’un certain rang f − fn est bornée sur I.
(ii) La différence entre les deux notions réside dans la place du “pour tout x ∈ I”. Ainsi, n0 dépend ou non de x.
◦ Convergence uniforme, convergence uniforme locale et convergence simple [6087]
Soit (fn )n∈N ∈ F(I, K)N . Si (fn ) converge uniformément vers f ∈ F(I, K) sur I, alors elle converge vers f sur tout
intervalle fermé, donc sur tout segment inclus dans I, et donc simplement sur I.
Attention [6088] Pas de réciproque. Contre-exemple plus loin.
◦ Convergence uniforme, linéarité et valeur absolue [6089] Soit λ ∈ K et (fn )n∈N , (gn )n∈N ∈ B(I, K)N .
Si (fn ) (resp. (gn )) converge uniformément vers f ∈ F(I, K) (resp. vers g ∈ F(I, K)) sur I, alors :
(i) (fn + λgn ) converge uniformément vers f + λg sur I et (ii) (|fn |) converge uniformément vers |f | sur I.
Étude de la convergence uniforme d’une suite de fonctions [6090]
⋄ On commence par étudier la convergence simple de (fn ) sur I et à déterminer la limite simple f .
Si on n’y parvient pas directement, on peut tenter d’étudier la convergence normale 11 de la série dérivée.
⋄ Ensuite, on peut tenter de déterminer ∥fn − f ∥∞,I par une étude de variations. Sinon :
• Pour montrer la convergence uniforme, on majore |fn (x) − f (x)| par une suite indépendante de x qui tend vers 0.
• Pour montrer la non convergence uniforme, on produit (xn ) ∈ I N telle que (fn (xn ) − f (xn )) ne tende pas vers 0.
◦ Fermeture [6091] Soit (fn )n∈N ∈ B(I, K)N . Si (fn ) converge uniformément vers f sur I, alors f est bornée sur I.

2◦) Deux théorèmes d’approximation uniforme sur un segment

Fonctions continues par morceaux et fonctions en escalier sur un segment [6092]
Toute fonction continue par morceaux sur un segment [a, b] à valeurs dans K est limite uniforme sur [a, b] de fonctions
en escaliers à valeurs dans K.
Ainsi l’espace vectoriel des fonctions en escalier sur [a, b] est dense dans l’espace vectoriel normé ( C([a, b], K), ∥ ∥∞ ).
ADMIS Ein Satz von Weierstraß [6093] Toute fonction continue sur un segment [a, b] à valeurs dans K est limite uniforme
sur [a, b] de fonctions polynomiales à coefficients dans K. ( )
Ainsi l’espace vectoriel des fonctions polynomiales sur [a, b] est dense dans l’espace vectoriel normé C([a, b], K), ∥ ∥∞ .

II Régularité de la limite d’une suite de fonctions

1◦) Convergence uniforme et continuité
• Théorème de continuité de la limite uniforme Soit a ∈ I et (fn )n∈N ∈ F(I, K)N .
[6094]
Si pour tout n ∈ N, fn est continue en a et si (fn ) converge uniformément vers f sur I, alors f est continue en a.
Ainsi, si (fn )n∈N ∈ C(I, K)N , la convergence uniforme de cette suite sur I entraîne la continuité de la limite sur I.
Hypothèses allégées [6095] Dans la pratique, on peut se contenter de supposer :
(i) qu’il existe un rang au delà duquel les fonctions fn sont continues sur I.
(ii) que la convergence uniforme a lieu sur tout intervalle fermé, ou même sur tout segment inclus dans I.
10. Contrairement aux propriétés comme la positivité, la parité, la périodicité, la croissance, la convexité, qui passent à la limite simple.
11. Cf. le cours sur les séries de fonctions.
 96 Descartes — MP — CC BY-NC-SA 2023-2024

ADMIS Théorème de la double limite pour une suite de fonctions [6096]

Soit a ∈ R ∪ {+∞, −∞}, adhérent à I, et (fn )n∈N ∈ F(I, K)N .
Si pour tout n ∈ N, fn admet une limite bn ∈ K au voisinage de a et si (fn ) converge uniformément vers f sur I,
alors (bn ) admet une limite b ∈ K, limx→a f (x) existe et de plus : b = limx→a f (x)
Montrer la non convergence uniforme d’une suite de fonctions sur un intervalle [6097]
C’est immédiat, si on peut mettre en défaut les autres termes d’un des deux théorèmes précédents.
◦ Exemple [6098] La suite (x 7→ e−nx )n∈N ∈ C([0, 1], R)N ne converge pas uniformément sur [0, 1] puisqu’elle converge
simplement vers 1{0} , discontinue en 0. En revanche, pour tout a ∈]0, 1], elle converge uniformément sur [a, 1].
◦ Fermeture [6099] L’espace C([a, b], K) est un sous-espace vectoriel fermé de B([a, b], K) muni de ∥ ∥∞,[a,b] .

2◦) Convergence uniforme, primitivation et dérivation

◦ Théorème de primitivation [6100] Soient I un intervalle de R et (gn )n∈N ∈ C(I, K)N .
On suppose que (gn ) converge∫ uniformément sur tout segment ∫de I vers une application notée g.
x x
Soit a ∈ I. On pose h : x 7→ a g et, pour tout n ∈ N, hn : x 7→ a gn .
Alors (hn ) converge uniformément sur tout segment de I vers h.
◦ Corollaire : dérivation [6101] Soient I un intervalle de R et (fn )n∈N ∈ C1 (I, K)N .
On suppose que la suite (fn ) converge simplement sur I vers une application notée f et que (fn′ ) converge uniformé-
ment sur tout segment de I vers une application notée g.
Alors (fn ) converge uniformément sur tout segment de I vers f qui est de classe C1 sur I et f ′ = g.
Corollaire : dérivation itérée [6102] Soient k ∈ N∗ , I un intervalle de R et (fn )n∈N ∈ Ck (I, K)N .
( (j) )
On suppose que pour tout j ∈ [[ 0 , k − 1 ]] , la suite fn n∈N converge simplement sur I vers une application notée gj
( (k) )
et que fn n∈N converge uniformément sur tout segment de I vers une application notée gk .
Alors l’application f = g0 est de classe Ck sur I et pour tout j ∈ [[ 1 , k ]] , f (j) = gj .
( (j) )
De plus, pour tout j ∈ [[ 0 , k − 1 ]] , la suite fn n∈N converge uniformément sur tout segment de I vers f (j) .

III Autres types de convergences des suites de fonctions

1◦) Deux nouvelles normes sur C([a, b], R)
◦ Norme de la convergence en moyenne∫[6103]
L’application C([a, b], R) → R+ ; f 7→ [a,b] |f | est une norme sur C([a, b], R) appelée norme de la convergence en
moyenne. Notation : ∥f ∥1
∫
◦ Un produit scalaire [6104] L’application C([a, b], R)2 → R ; (f, g) 7→ [a,b] f g est un produit scalaire sur C([a, b], R).
Inégalités de Cauchy-Schwarz et de Minkowski
√ [6105]
√∫ √∫ √∫ √∫
∫ ∫
Soit (f, g) ∈ C([a, b], R) . Alors :
2
[a,b]
fg ≤ [a,b]
|f |2 . [a,b]
|g| 2 et
[a,b]
|f + g|2 ≤
[a,b]
|f | 2+
[a,b]
|g|2
√∫
◦ Norme euclidienne [6106] L’application C([a, b], R) → R+ ; f 7→ [a,b]
|f |2 est une norme sur C([a, b], R) appelée
norme de la convergence en moyenne quadratique. Notation : ∥f ∥2

2◦) Rapports entre ces trois normes sur l’espace des fonctions continues sur un segment
• Des inégalités sur les normes [6107] Soit √ (f, g) ∈ C([a, b], R)2 . Alors : √
(i) ∥f g∥1 ≤ ∥f ∥2 ∥g∥2 (ii) ∥f ∥1 ≤ b − a∥f ∥2 (iii) ∥f ∥2 ≤ b − a∥f ∥∞ (iv) ∥f ∥1 ≤ (b − a)∥f ∥∞
◦ Attention [6108] Les trois normes ∥ ∥1 , ∥ ∥2 et ∥ ∥∞ sur C([a, b], R) ne sont pas équivalentes, car on ne peut pas
trouver d’inégalités entre ces normes dans des sens opposés à ceux présentés dans le théorème précédent. On peut
montrer ce résultat avec des suites de fonctions bien choisies.
◦ Lien entre ces trois convergences [6109] La convergence uniforme sur [a, b] d’une suite de fonctions continues implique
sa convergence en moyenne quadratique sur [a, b], laquelle implique elle-même sa convergence en moyenne sur [a, b].
• Théorème d’interversion limite-intégrale par convergence uniforme [6110]
(∫b ) ∫b
Soit (fn ) ∈ C([a, b], R)N de limite uniforme f sur [a, b]. Alors la suite a fn converge vers a f .
Remarque [6111] Pour obtenir ce type de conclusion mais avec une intégrale sur un intervalle autre qu’un segment, il
faut se reporter au chapitre suivant (théorème de convergence dominée).
◦ Attention [6112] La convergence simple n’implique aucune des convergences en moyenne ou en moyenne quadratique et
réciproquement : la suite (x 7→ xn ) converge en moyenne et en moyenne quadratique vers la fonction nulle sur [0, 1],
mais la fonction nulle n’est pas la limite simple de la suite sur [0, 1].
 Chapitre VI. Séries numériques et vectorielles ; suites et séries de fonctions 97

IV Quatre convergences principales des séries de fonctions

1◦) Convergence simple et convergence absolue d’une série de fonctions
Convergence simple [6113]
∑
Soit (fn ) ∈ (F(I,∑K))N . On dit que la série de fonctions( ∑ fn converge
) simplement sur I lorsque, pour tout x ∈ I, la
n
série numérique fn (x) converge, c’est-à-dire lorsque f
k=0 k n∈N converge simplement sur I.
∑ ∑+∞
La fonction limite obtenue s’appelle alors la somme de la série fn . Notation : Cette somme est notée n=0 fn .
∑ ∑
Convergence absolue [6114] Soit (fn ) ∈ (F(I, K))N . Si |fn | converge simplement
∑ sur I, on dit que fn converge
simplement absolument sur I, ou converge absolument sur I. Dans ce cas, fn converge simplement sur I.
∑+∞
Encadrement [6115] À x fixé, il est parfois possible de comparer n=0 fn (x) à l’intégrale d’une fonction monotone φx ,
∑+∞
en “remplaçant” l’indice n par la variable t (on pose φx (t) = f‘‘t” (x)), et d’en déduire des comportements de n=0 fn .

2◦) Convergence uniforme d’une série de fonctions

∑
Convergence uniforme Soit (fn ) ∈ (F(I, K))N . On dit que la série de fonctions
[6116] fn converge uniformément
sur I lorsque la suite des sommes partielles converge uniformément sur I.
∑
◦ Deux conséquences des suites [6117] Soit (fn ) ∈ (F(I, K))N . Si fn converge uniformément sur I, alors :
∑
(i) La série fn converge uniformément sur tout segment de I, donc simplement sur I.
(ii) Au delà d’un certain rang, les fonctions fn sont bornées sur I et (∥fn ∥∞,I ) tend vers 0.
Étude de la convergence uniforme
∑ d’une série de fonctions [6118]
Soit∑(fn ) ∈ (F(I, K))N telle que fn converge simplement sur I. On souhaite étudier la convergence uniforme sur I
de fn , c’est-à-dire étudier la convergence uniforme sur I de la suite des restes partiels (Rn ) vers la fonction nulle.
∑
⋄ Pour montrer la convergence
∑+∞ uniforme de fn sur I, on peut produire (αn ) ∈ (R+ )N de limite nulle telle que, pour
tous n ∈ N et x ∈ I, k=n+1 fk (x) ≤ αn , ce qui est classique, par exemple, dans le cas d’une série alternée.
∑
⋄ Pour montrer la non convergence uniforme sur I de fn , on peut chercher si (∥fn ∥∞,I ) ne tend pas vers 0.
Sinon, si les fonctions sont positives, on peut tenter de déterminer (un ) ∈ I N , une extractrice φ ∈ NN et m ∈ R∗+
∑φ(n+1)
tels que pour n assez grand, Rn (un ) ≥ k=φ(n)+1 fk (un ) ≥ m, ce qui montre que (∥Rn ∥∞,I )n∈N ne tend pas vers 0.
⋄ On peut parfois comparer, à x fixé, le reste partiel Rn (x) à une intégrale.
Cette méthode d’encadrement peut aussi fournir des équivalents intéressants.

∑ [6119] Il n’y a pas de lien entre la convergence uniforme et la convergence absolue d’une série de fonctions :
◦ Attention
la série x 7→ 1
n+n3 x2 converge absolument sur R∗+ mais pas uniformément.

3◦) Convergence normale d’une série de fonctions

N
Convergence normale ∑ (fn ) ∈ (F(I, K)) .
Soit
[6120]
∑
On dit que la série de fonctions fn converge normalement sur I lorsque la série de réels ∥fn ∥∞,I converge.
Attention Cette définition suppose qu’au delà d’un certain rang, les fonctions fn soient bornées sur I.
[6121]
∑
◦ Convergence normale locale [6122] Soit (fn ) ∈ (F(I, K))N . Si fn converge normalement sur tout intervalle fermé
(ou segment) de I, alors elle converge absolument et donc simplement sur I. On peut donc alors définir sa somme.
∑
• Conséquences de la convergence normale [6123] Soit (fn ) ∈ (F(I, K))N . Si fn converge normalement sur I, alors :
∑ ∑
(i) Les séries |fn | et fn convergent normalement sur tout segment inclus dans I.
∑ ∑
(ii) Les séries |fn | et (donc) fn convergent uniformément sur I.
∑+∞ ∑+∞
(iii) De plus : k=0 f k ∞,I
≤ k=0 ∥fk ∥∞,I
◦ Attention Les réciproques sont fausses.
[6124]
∑ −nx
La série x 7→ e converge normalement sur tout segment de ]0, 1] mais pas normalement sur cet intervalle.
∑ ( )
Par ailleurs, x 7→ (−1)n ln 1 + n(1+x)
x
converge uniformément sur R+ mais pas normalement, ni même absolument.
Étude de la convergence normale
∑ d’une série de fonctions [6125]
∑
Soit (fn ) ∈ (F(I, K))N telle que fn converge simplement sur I. On étudie la convergence normale sur I de fn .
∑ ∑
⋄ Pour montrer la convergence normale de fn sur I, on peut produire (αn ) ∈ (R+ )N telle que αn converge et,
pour tout n ∈ N, ∥fn ∥∞,I ≤ αn .
∑
⋄ Pour montrer la non convergence normale sur I de fn , on peut montrer∑qu’elle ne converge pas uniformément
(resp. absolument) sur I, ou on peut chercher une suite (un ) ∈ I N telle que |fn (un )| ne converge pas,.
Étude de la convergence uniforme d’une suite de fonctions [6126]
∑
Pour étudier la convergence uniforme de (fn ), on peut parfois s’intéresser à la convergence normale de (fn − fn−1 ).
 98 Descartes — MP — CC BY-NC-SA 2023-2024

Relations entre les modes de convergence d’une série de fonctions [6127]

∑
fn converge
normalement sur I

∑
fn converge
uniformément sur I

∑ ∑
fn converge fn converge ∑
|fn | converge
normalement sur uniformément sur
uniformément sur I
tout segment de I tout segment de I

∑
fn converge
simplement sur I

∑
fn converge implique
absolument sur I

V Manipulations terme à terme d’une série de fonctions

∑
1◦) Théorème d’échange des symboles et lim ; continuité de la somme d’une série de fonction
Théorème de la double limite pour une série de fonctions [6128]
N
Soient a ∈ R ∪ {−∞, +∞} un point adhérent à I et (fn )n∈N ∈ F(I, K)∑ .
Si pour tout n ∈ N, fn admet une ∑ limite bn ∈ K au voisinage
( ∑+∞ ) fn converge uniformément
de a et si ∑+∞ sur l’intersection
de I et d’un voisinage de a, alors bn converge et limx→a f
n=0 n (x) existe, et vaut b
n=0 n .
Remarques [6129]
( ∑+∞ ) ∑+∞ ( )
(i) La conclusion de ce théorème est en fait : limx→a n=0 fn (x) = n=0 limx→a fn (x)
(ii) La négation de la conclusion de ce théorème permet de montrer la non convergence uniforme.
(iii) Lorsqu’il n’est pas possible d’obtenir les hypothèses de ce théorème d’échange – le plus souvent par absence
de convergence uniforme de la série sur un voisinage de a, il convient de chercher, en travaillant sur les sommes
partielles, à utiliser des majorations/minorations/encadrements, éventuellement en comparant la somme de la série
à une intégrale, ou d’exploiter la monotonie éventuelle de la somme de la série.
∑
Théorème de continuité [6130] Soit (fn ) ∈ ( C(I, K))N . Si la série de fonctions fn converge uniformément sur I
(ou même seulement sur tout fermé ou tout segment de I), sa somme est continue sur I.
• Continuité de l’exponentielle d’un endomorphisme ou d’une matrice [6131] Soit E un espace vectoriel normé de
dimension finie. Alors : L(E) → L(E) ; a 7→ exp(a) et Mn (K) → Mn (K) ; A 7→ exp(A) est continue.

2◦) Intégration terme à terme d’une série de fonctions continues sur un segment
∑
Un premier théorème, par convergence uniforme [6132] Soit (fn ) ∈ ( C([a, b], K))N . Si la série de fonctions f
∑ ∫b ∫ b ( ∑+∞ ) ∑+∞ ( ∫ b ) n
converge uniformément sur [a, b], alors la série numérique ( a fn ) converge et a n=0 f n = n=0 a
fn .
• Convergence normale et convergence∑ de la série des normes de la convergence en moyenne [6133] ∑
([a, b], K))N . Si
Soit (fn ) ∈ ( C∑ ∑+∞la série fn converge normalement sur [a, b], alors la série numérique ∥fn ∥1
+∞
converge et : f
n=0 n 1 ≤ n=0 ∥f ∥
n 1

3◦) Dérivation terme à terme d’une série de fonctions

Théorème de dérivation
∑ terme à terme [6134] Soit (fn )∑ ∈ ( C1 (I, K))N .
On suppose que fn converge simplement sur I et que fn′ converge uniformément sur tout segment de I.
∑ ( ∑+∞ )′ ∑+∞ ′
Alors fn converge uniformément sur tout segment de I, sa somme est de classe C1 sur I et : n=0 fn = n=0 fn
∗ N
∑ (j)
Dérivation itérée [6135] Soit k ∈ N et (fn ) ∈ ( C (I, K)) . On suppose que pour tout j ∈ [[ 0 , k − 1 ]] ,
k
fn
∑ (k)
converge simplement sur I et que fn converge uniformément sur tout segment de I.
∑ ( ∑+∞ )(j) ∑+∞ (j)
Alors la somme de la série fn est de classe Ck sur I et pour tout j ∈ [[ 1 , k ]] : n=0 fn = n=0 fn
• Une dérivation classique [6136] Soient E un espace vectoriel normé de dimension finie, a ∈ L(E) et A ∈ Mn (K).
Alors R → L(E) ; t 7→ exp(ta) et R → Mn (K) ; t 7→ exp(tA) sont de classe C∞ de dérivées à l’ordre k ∈ N∗ :
t 7→ ak ◦ exp(ta) et t 7→ Ak exp(tA)
 Chapitre VI. Séries numériques et vectorielles ; suites et séries de fonctions 99

VI Étude fonctionnelle de la somme d’une série entière

Dans cette partie,
∑+∞ on considère des
∑+∞séries entières de la variable complexe ou réelle, selon les situations, et on s’intéresse
alors à x 7→ n=0 an xn ou z 7→ n=0 an z n , définies au moins sur l’intervalle ou le disque ouvert de convergence.

1◦) Régularité de la somme fonctionnelle

a. Continuité selon la variable complexe ou réelle
∑
◦ Théorème de convergence normale locale et de continuité de la somme Soit an z n une∑série entière de
[6137]
rayon de convergence R non nul. Sur tout compact inclus dans le disque ouvert de convergence, z 7→ an z n est
normalement convergente. Alors la somme est continue sur le disque ouvert de convergence, donc sur ] − R, R[.
∑+∞ ∑+∞ n
Exemples [6138] Ainsi z 7→ 1−z
1
= n=0 z n et exp : z 7→ n=0 zn ! sont continues sur {z ∈ C | |z| < 1} et sur C.
ADMIS Théorème
∑ d’Abel radial [6139] ∑
n
Soit an x∑ une série entière de rayon de convergence R non nul tel que∑ an Rn converge.
∑+∞
+∞ +∞
Alors x 7→ n=0 an xn est continue à gauche de R, c’est-à-dire : limx→R n=0 an xn = n=0 an Rn
b. Primitivation et dérivation
∑
◦ Théorème de primitivation terme à terme
∑ [6140] Soit an xn une série entière de rayon de
convergence R non nul.
+∞
Alors une primitive sur ] − R, R[ de x 7→ n=0 a x
∑ ann n+1
n
s’obtient en intégrant terme à terme.
De plus, le rayon de convergence de la série x est aussi R.
∑ n+1
Rayon nul [6141] Si an xn a pour rayon de convergence 0, la série entière obtenue par intégration terme à terme a
aussi 0 pour rayon de convergence.
∑
◦ Dérivation terme à terme [6142] Soit∑ an xn une série entière de rayon de convergence R non nul.
+∞
∑ ] − R,
Alors la dérivée sur R[ de x 7→ n=0 an xn s’obtient en dérivant terme à terme.
n−1
De plus, la série nan x admet R pour rayon de convergence.
∑
◦ Les séries entières ont de la classe [6143] Soit an xn une série entière de rayon de convergence R non nul. Alors
∞ ∗
sa somme f ∈ C (] − R, R[, C). Pour tout k ∈ N , f (k) s’obtient par dérivation terme à terme, et ak = k! 1 (k)
f (0).
∗
∑+∞ ∑+∞
Ainsi, s’il existe α ∈ R+ tel que pour tout x ∈]0, α], n=0 an x = n=0 bn x , alors : ∀n ∈ N, an = bn
n n

2◦) Série de Taylor réelle et développement en série entière selon la variable complexe ou réelle
∑ 1 (n)
Série de Taylor [6144] Soit r ∈ R∗+ et f ∈ C∞ (]−r, r[, C). On appelle série de Taylor de f la série entière n! f (0)xn .
∞
Attention [6145] Le rayon de convergence de la série de Taylor d’une application f de classe C peut être nul. Exemple
traité en exercice.
Développement en série entière selon la variable complexe ou réelle [6146] Soit r ∈ R∗+ et f ∈ F(B(0, ∑r), C).
On dit que f est développable en série entière sur B(0, r) ou sur ] − r, r[ lorsqu’il existe une série entière an z n de
rayon de convergence R ≥ r dont la somme fonctionnelle coïncide avec f sur B(0, r) ou sur ] − r, r[.
◦ Lien avec la série de Taylor [6147] Soit r ∈ R∗+ et f ∈ F(] − r, r[, C). Si f est développable en série entière sur ] − r, r[,
alors f est de classe C∞ sur ] − r, r[, et son développement est unique puisqu’il s’agit de sa série de Taylor sur ] − r, r[.
Toutes les dérivées de f sont alors aussi développables en série entière sur ] − r, r[.
Attention [6148] Il existe des fonctions de classe C∞ sur R, mais qui ne sont développables en série entière sur aucun
intervalle du type ] − r, r[. Dans ce cas, la série de Taylor (qui peut même avoir un rayon de convergence infini) ne
coïncide pas avec la fonction. Exemple traité en exercice.
• Fonctions usuelles développables en série entière [6149]
(α) ∗
(α) α(α−1)···(α−n+1)
Soit α ∈ R \ N. On pose 0 = 1 et si n ∈ N , n = n! .
Les fonctions suivantes sont développables en séries entières sur les intérieurs des intervalles précisés, lesquels sont
les domaines de validité de l’égalité entre la fonction et la somme de la série correspondante :
∑+∞ n ∑+∞ n−1 xn
(i) x 7→ 1−x
1
] − 1, 1[ n=0 x (ii) x 7→ ln(1 + x) ] − 1, 1] n=1 (−1)
∑+∞ ( ) ∑+∞ x2n+1
n
n x2n+1
(iii) Arctan [−1, 1] n=0 (−1) 2n+1 (iv) x 7→ 2 ln 1−x
1 1+x
] − 1, 1[ n=0 2n+1
∑+∞ xn ∑+∞ n x2n
(v) exp R n=0 n! (vi) cos R n=0 (−1) (2n)!
∑+∞ n x2n+1
∑+∞ x2n
(vii) sin R n=0 (−1) (2n+1)! (viii) ch R n=0
∑+∞ x2n+1 ∑+∞ ((2n)!
)
(ix) sh R n=0 (2n+1)! (x) x 7→ (1 + x)α ] − 1, 1[ α n
n=0 n x
∑+∞ (2n)! n ∑+∞ (2n)! x2n+1
(xi) x 7→ √1−x
1
[−1, 1[ n=0 4n (n !)2 x (xii) Arcsin [−1, 1] n=0 4n (n !)2 2n+1
∑+∞ n n−r
◦ HP Formule du binôme négatif [6150] Pour tous r ∈ N et x ∈] − 1, 1[ : n=r ( r )x
1
= (1−x)r+1
Obtention d’inégalités [6151] Pour une série alternée vérifiant le critère de Leibniz ou lors d’une minoration positive.
∑n |x|2k+1
Par exemple : ∀n ∈ N, ∀x ∈ R, | sh(x)| ≥ k=0 (2k+1)!
100 Descartes — MP — CC BY-NC-SA 2023-2024
 Chapitre VII. Calcul intégral 101

Dans tout ce chapitre, K désigne le corps R ou C.

A Intégration sur un segment (première année)

MP Avertissement [7001] Conformément au programme officiel, tous les résultats de cette première grande partie s’étendent
au cas de fonctions définies sur un segment réel et à valeurs dans E, un espace vectoriel normé de dimension finie.
Dans la pratique, il conviendra d’utiliser des applications coordonnées et de remplacer, au besoin, les modules par des
normes.

I Intégration sur un segment des fonctions continues par morceaux

Dans ce paragraphe, les applications sont à valeurs réelles et définies sur le segment [a, b], où (a, b) ∈ R2 tels que a < b.

1◦) Approximation uniforme sur un segment des fonctions continues par morceaux par des fonctions en escalier
a. Fonctions continues par morceaux
Continuité par morceaux [7002]
⋄ Soit ∈ F([a, b], R).
On dit que f est une fonction continue par morceaux sur le segment [a, b] lorsqu’il existe une suite finie (a0 , . . . , an )
de points de [a, b] — appelée subdivision de [a, b] subordonnée à f , telle que a0 = a < a1 < · · · < an−1 < an = b, et
pour tout i ∈ [[ 0 , n − 1 ]] , f est continue sur ]ai , ai+1 [, et admet des limites finies à droite en ai et à gauche en ai+1 .
⋄ Soient I un intervalle de R et f ∈ F(I, R).
On dit que f est continue par morceaux sur I lorsque f est continue par morceaux sur tout segment inclus dans I.
Structure [7003] L’ensemble des fonctions continues par morceaux sur [a, b] est une sous-algèbre de B([a, b] , R).
◦ Attention [7004]
(i) Les limites à gauche et à droite de f en ai ne sont pas nécessairement identiques et ne valent pas f (ai ).
(ii) La composition d’applications continues par morceaux ne l’est pas nécessairement.
Considérer par exemple g = 1{0} , f : t 7→ t sin( 1t ) et g ◦ f sur [0, 1].
b. Théorème fondamental d’approximation
∗
Approximation uniforme [7005] Soient f, g ∈ F([a, b], R) et ε ∈ R+ .
On dit que g approche uniformément f à ε près sur [a, b] lorsque pour tout t ∈ [a, b], |f (t) − g(t)| ≤ ε.
◦ Théorème fondamental d’approximation [7006] Pour toute fonction f continue par morceaux sur [a, b] et tout ε ∈ R∗+ ,
il existe χ une fonction en escalier sur [a, b] qui approche uniformément f à ε près sur [a, b].
MP Ainsi, la distance selon la norme de la convergence uniforme sur [a, b] entre f et χ est plus petite que ε.
◦ Approximations encadrantes [7007] Soient f une fonction continue par morceaux sur [a, b] et ε > 0. Il existe des
fonctions φ et ψ, en escalier sur [a, b], telles que pour tout x ∈ [a, b], φ(x) ≤ f (x) ≤ ψ(x) et ψ(x) − φ(x) ≤ ε.
c. Version séquentielle
Approximation uniforme séquentielle [7008]
Soit f ∈ F([a, b], R). On dit que la suite (gn )n∈N ∈ F([a, b], R)N approche uniformément la fonction f sur [a, b] lorsqu’il
existe (εn )n∈N ∈ (R∗+ )N de limite nulle telle que pour tous t ∈ [a, b] et n ∈ N, |f (t) − gn (t)| ≤ εn .
◦ Théorème d’approximations uniformes séquentielles encadrantes et monotones [7009]
Soit f une fonction continue par morceaux sur [a, b].
Il existe deux suites de fonctions en escalier sur [a, b], (φn )n∈N et (ψn )n∈N , qui approchent f uniformément sur [a, b]
et qui vérifient : ∀n ∈ N, ∀t ∈ [a, b], φn (t) ≤ φn+1 (t) ≤ f (t) ≤ ψn+1 (t) ≤ ψn (t)
MP Ainsi, les deux suites (φn )n∈N et (ψn )n∈N convergent uniformément vers f sur [a, b].

2◦) Intégrale sur un segment d’une fonction continue par morceaux

a. Intégration des fonctions en escalier
Intégrale d’une fonction en escalier [7010]
Soit φ ∈ E([a, b], R) de subdivision subordonnée (a0 , . . . , an ) et telle que, pour tout i ∈ [[ 0 , n − 1 ]] , φ|]ai ,ai+1 [ = λi .
∑n−1 ∫ ∫b
On appelle intégrale de φ sur [a, b] le réel i=0 (ai+1 − ai )λi . Notation : [a,b] φ ou a φ

∫ Soit (φ, ψ) ∈ E([a, b], R) , c ∈ [a,

∫ b] et λ ∈
∫ R. Alors :
2
Propriétés
∫ de l’intégration
∫ des∫ fonctions en escalier [7011]
(i) (φ + λψ) = [a,b] φ + λ ψ (ii) si φ ≥ 0 alors [a,b] φ ≥ 0 (iii) si φ ≤ ψ alors [a,b] φ ≤ [a,b] ψ
∫
[a,b] ∫ [a,b] ∫ ∫ ∫
(iv) [a,b]
φ ≤ [a,b] |φ| (v) [a,b] φ = [a,c] φ + [c,b] φ
 102 Descartes — MP — CC BY-NC-SA 2023-2024

b. Construction de l’intégrale d’une fonction continue par morceaux, théorème séquentiel et propriétés
• Intégrale [7012] Soient f une fonction continue par morceaux sur [a, b], (φn )n∈N une suite croissante et (ψn )n∈N une
suite décroissante de fonctions en escalier sur [a, b] qui approchent f uniformément sur [a, b]. Alors les deux suites
∫b ∫b
réelles ( a φn )n∈N et ( a ψn )n∈N sont adjacentes et convergent donc. De plus, la limite réelle obtenue ne dépend pas
du choix des suites (φn )n∈N et (ψn )n∈N , on l’appelle intégrale de f sur le segment [a, b].
∫ ∫b ∫b
Notation : [a,b] f ou a f ou a f (t) dt
∫a ∫b
Orientation ∫ et interprétation [7013] Les deux dernières notations définissent une intégrale orientée et b f = − a f .
L’intégrale [a,b] f est l’aire algébrique comprise entre l’axe des abscisses et la courbe de f sur [a, b].
◦ Théorème séquentiel [7014] Soit f une fonction continue par morceaux sur [a, b].
∫b ∫b
Si (χn )n∈N ∈ E([a, b], R)N approche uniformément f sur [a, b], alors ( a χn )n∈N converge et a pour limite a f .
◦ Propriétés de l’opérateur d’intégration des fonctions réelles continues par morceaux [7015]
Soient∫ f et g deux fonctions
∫ continues
∫ par morceaux sur [a, b], c ∈ [a, b] et∫ λ ∈ R. Alors :
(i) [a,b] (f + λg) = [a,b] f + λ [a,b] g (linéarité) (ii) si f ≥ 0 alors [a,b] f ≥ 0 (positivité)
∫ ∫ ∫ ∫
(iii) si f ≤ g alors [a,b] f ≤ [a,b] g (croissance) (iv) f ≤ [a,b] |f | (inégalité triangulaire)
∫ ∫ ∫ ∫ [a,b] ∫
(v) [a,b] f = [a,c] f + [c,b] f (relation de Chasles) (vi) [a,b]
f g ≤ sup |f (t)| [a,b] |g| (inégalité de la moyenne)
∫
t∈[a,b] ∫
(vii) si f et g coïncident sur [a, b], sauf en un nombre fini de points, alors [a,b] f = [a,b] g
◦ Valeur moyenne [7016]
∫
Soit f ∈ C([a, b], R). Il existe c ∈ [a, b] tel que f (c) = 1
b−a [a,b]
f , nombre appelé valeur moyenne de f sur [a, b].
• Propriété de séparation de l’intégrale d’une fonction continue et positive [7017]
Une fonction continue et à valeurs positives sur ∫ un segment est nulle si et seulement si son intégrale est nulle.
C’est-à-dire, si f ∈ C([a, b], R+ ) \ {t 7→ 0}, alors : [a,b] f > 0

3◦) Sommes de Riemann à subdivision régulière et méthode des rectangles

Approximation uniforme à subdivision régulière [7018] Soit f une fonction continue par morceaux sur [a, b].
∑n−1
Pour tout n ∈ N∗ , on pose χn : t 7→ k=0 f (a + k b−a n ) 1[a+k b−a b−a (t)
n ,a+(k+1) n [
Alors (χn )n∈N∗ approche uniformément f sur [a, b].
◦ Méthode des rectangles [7019] Soient f une fonction continue par morceaux sur [a, b] à valeurs réelles et n ∈ N∗ .
∑n−1
Le réel Rn (f ) = b−a
n
b−a
k=0 f (a + k n ) est appelé somme ∫ de Riemann d’ordre n à subdivision régulière associée à f
sur le segment [a, b]. La suite (Rn (f ))n∈N∗ converge vers [a,b] f .
• Majoration de l’erreur dans l’approximation d’une intégrale par la méthode des rectangles [7020]
∫b M (b−a)2
Soit f ∈ F([a, b], R), M -lipschitzienne. Alors : ∀n ∈ N∗ , a f − Rn (f ) ≤ 2n
Cas particulier : si f ∈ C1 ([a, b], R), alors M = max[a,b] |f ′ | convient.

4◦) Brève extension aux fonctions à valeurs complexes et vectorielles

Intégrales [7021] Soit f une fonction continue par morceaux de [a, b] dans C.
∫ complexes
∫ et vectorielles
∫ (∫ ) ∫ (∫ ) ∫
On pose [a,b] f = [a,b] Re(f ) + i [a,b] Im(f ), c’est-à-dire : Re [a,b] f = [a,b] Re(f ), Im [a,b] f = [a,b] Im(f )
MP Soit E un K-espace vectoriel normé de dimension finie p, B = (e1 , . . . , ep ) une base de E et f une fonction continue
par morceaux de [a, b] dans E. On note (f1 , . . . , fp ) les coordonnées de f dans la base B.
∫ ∫ ∫ ∫b
On appelle intégrale de f sur le segment [a, b] le vecteur ( [a,b] f1 )e1 + · · · + ( [a,b] fp )ep . Notation : [a,b] f ou a f
MP Méthode des rectangles [7022] Soient f une fonction continue par morceaux sur [a, b] à valeurs dans un espace
vectoriel normé E de dimension
∑n−1 finie etb−a n ∈ N∗ .
b−a
Le vecteur Rn (f ) = n k=0 f (a + k n ) est appelé somme
∫ de Riemann d’ordre n à subdivision régulière associée à
f sur le segment [a, b]. La suite (Rn (f ))n∈N∗ converge vers [a,b] f .
◦ MP Propriétés de l’opérateur d’intégration des fonctions vectorielles continues par morceaux [7023]
Soient E et F deux K-espaces vectoriels normés de dimensions finies, f et g deux fonctions continues par morceaux
∫ b], λ ∈ K∫et u ∈ L(E, F ).
de [a,∫b] dans E, c ∈ [a, ∫ ∫
(i) [a,b] (f + λg) = [a,b] f + λ [a,b] g (linéarité) (ii) f ≤ [a,b] ∥f ∥ (inégalité triangulaire)
∫ ∫ ∫ ∫
[a,b] ∫
(iii) [a,b] f = [a,c] f + [c,b] f (relation de Chasles) (iv) u( [a,b] f ) = [a,b] u ◦ f
∫ ∫
(v) si f et g coïncident sur [a, b], sauf en un nombre fini de points, alors [a,b] f = [a,b] g
 Chapitre VII. Calcul intégral 103

II Primitives de fonctions de la variable réelle

Dans cette partie, les applications considérées sont continues sur un intervalle réel I.

1◦) Primitive d’une fonction continue sur un intervalle réel

Primitive [7024] Soit f ∈ C(I, K). On dit que Φ est une primitive de f sur I lorsque Φ ∈ D(I, K) et Φ′ = f .
Truisme [7025] Toute primitive d’une fonction continue sur un intervalle est de classe C1 sur cet intervalle.
◦ Structure [7026] Soit f ∈ C(I, K). On suppose que Φ0 est une primitive de f sur I.
Alors l’ensemble des primitives de f est : Φ0 + K = {Φ0 + C | C ∈ K}

2◦) Lien entre primitive et intégration

Une fonction définie à [7027] Soit f ∈ C(I, K) et a ∈ I.
∫ xl’aide d’une intégrale
L’application Φ : x 7→ a
f est une fonction définie par une intégrale dépendant de sa borne supérieure.
• Théorème fondamental du calcul intégral [7028]
∫ x
Soit f ∈ C(I, K) et a ∈ I. Alors Φ : x 7→ a
classe C1 sur I et Φ′ = f .
f est de
◦ Unicité sous
∫ x contrainte d’une primitive f ∈ C(I, K) et a ∈ I.
[7029] Soit
∫x
Alors x 7→ a f est l’unique primitive de f qui s’annule en a et toute primitive Φ de f vérifie Φ : x 7→ Φ(a) + a f .
∫x
Primitive d’une dérivée [7030] Pour toute application f ∈ C1 (I, K), f : x 7→ f (a) + a f ′ .
◦ MP Inégalité des accroissements finis pour une fonction vectorielle [7031] Soient E un espace vectoriel normé de
dimension finie et f ∈ C1 (I, E) telle que f ′ est bornée sur I. Alors : ∀x, x′ ∈ I, ∥f (x) − f (x′ )∥E ≤ ∥f ′ ∥∞,I |x − x′ |
∫b
Calcul d’une intégrale [7032] Soit f ∈ C([a, b], K). On note Φ une primitive de f . Alors : a f = Φ(b) − Φ(a)

3◦) Deux théorèmes de transformation d’une intégrale et deux résultats de Taylor

• Théorème de changement de variable [7033]
∫ φ(b) ∫b
Soit φ ∈ C ([a, b], R) et f ∈ C(φ([a, b]), K). Alors :
1
φ(a)
f (φ(u))φ′ (u) du
f (t) dt = a
∫a ∫a ∫a
◦ (Im)parité, périodicité [7034] Si f ∈ C([−a, a], K) est paire (resp. impaire), alors : −a f = 2 0 f (resp. −a f = 0)
∫ a+T ∫T
Si f ∈ C(R, K) est T -périodique, alors pour tout a ∈ R : a f= 0 f
• Formule d’intégration par parties [7035]
∫b ′
∫b
Soit (f, g) ∈ C ([a, b], K) . Alors :
1 2
a
f (t)g(t) dt = f (b)g(b) − f (a)g(a) − a
f (t)g ′ (t) dt
• Formule de Taylor avec expression intégrale du reste et inégalité de Taylor-Lagrange [7036]
∑n (X−a)k (k)
Soit f ∈ C (I, K) et a ∈ I. On pose Tn =
n+1
Alors, pour tout x ∈ I :
f (a).
∫ x (x−t)n (n+1) k=0 k!
(ii) |f (x) − Tn (x)| ≤ max[a,x] |f (n+1) | |x−a|
n+1
(i) f (x) = Tn (x) + a n ! f (t) dt (n+1) !
Ce sont des formules de Taylor globales, contrairement à la formule de Taylor-Young, qui est locale.
MP Ces deux résultats sont encore valables pour des applications à valeurs vectorielles, ce qu’on constate en observant les
applications composantes.

4◦) Calculs de primitives

Méthodes [7037]
⋄ On utilise la formule d’intégration par parties et le théorème de changement de variable.
Le programme officiel indique qu’il n’est pas indispensable de rappeler systématiquement les hypothèses de régularité
lors de l’application pratique de ces deux formules. On veillera à le faire une fois correctement par épreuve.
⋄ On doit parfaitement connaître les primitives des fonctions usuelles. Le programme officiel précise : les fonctions
puissances, circulaires, exponentielles, logarithmes, t 7→ 1+t 1
2 , t 7→
√ 1
1−t2
, t 7→ eat cos(bt) et t 7→ eat sin(bt).
⋄ Soient α ∈ K∗ et P ∈ K[X]. Pour trouver une primitive de t 7→ P (t)eαt , il convient de la chercher de la forme
t 7→ Q(t)eαt , où Q ∈ K[X] et deg(Q) = deg(P ).
⋄ Pour les fonctions rationnelles, on tente une décomposition en éléments simples réels, afin d’intégrer terme à terme.
⋄ Pour les fractions rationnelles en sin(t) et cos(t), ∫les cas suivants sont envisageables :
x
• S’il s’agit d’un polynôme, on peut se ramener à sinp (t) cosq (t) dt, et linéariser, en essayant tout d’abord de faire
diminuer les exposants en passant à l’angle double, jusqu’à ce qu’un des exposants soit impair, avant d’effectuer
le changement de variable u = cos(kt) ou u = sin(kt).
• S’il s’agit d’une fraction rationnelle, on peut utiliser deux méthodes :
⋆ Faire le changement de variable u = tan( 2t ), pour des t ∈] − π, π[ (!), en remplaçant dt par 1+u 2
2 du.
HP ⋆ Utiliser les règles de Bioche. Si le terme sous l’intégrale, dt compris, est noté I(t), on peut faire les changements

de variable suivants : si I(t) = I(−t), on pose u = cos(t) ; si I(t) = I(π − t), on pose u = sin(t) ; enfin, si
I(t) = I(π + t), on pose u = tan(t).
⋄ Pour les fractions rationnelles en sh(t) et ch(t), on pourra poser u = et .
 104 Descartes — MP — CC BY-NC-SA 2023-2024

B Généralisation de la notion d’intégrale d’une fonction numérique

Dans cette partie, les applications considérées sont continues par morceaux sur un intervalle réel I et à valeurs dans K.

I Intégrales sur un intervalle quelconque

1◦) Intégrale généralisée (ou intégrale impropre)
a. Intégrale convergente ou divergente
Une borne ouverte [7038] Soient a ∈ R, b ∈]a, +∞] et f une fonction continue par morceaux sur [a, b[.
∫b ∫x
On dit que a f est convergente lorsque x 7→ a f a une limite finie en b. On appelle cette limite intégrale généralisée
∫b ∫b ∫
de f sur [a, b[. Sinon, on dit que a f est divergente. Notation : a f (ou [a,b[ f )
∫
On définit de la même façon ]a,b] f , si b ∈ R et a ∈ [−∞, b[, et f une fonction continue par morceaux sur ]a, b].
◦ Invariance de la nature de l’intégrale par réduction de l’intervalle d’étude [7039]
∫ ∫
Si f est continue par morceaux sur [a, b[, alors pour tout c ∈ [a, b[, f et f sont de même nature.
∫ ∫ ∫ [a,b[ [c,b[
Si elles convergent : [a,b[ f = [a,c] f + [c,b[ f
◦ Une variante du théorème fondamental du calcul intégral [7040]
∫ +∞ ∫ +∞
Soit f ∈ C([a, +∞[, K), telle que a f converge. On pose Ψ : x 7→ x f . Alors : Ψ ∈ C1 ([a, +∞[, K) et Ψ′ = −f
◦ Deux bornes ouvertes [7041] Soient a ∈ R ∪ {−∞} et b ∈]a, +∞], et f une fonction continue par morceaux sur ]a, b[.
∫b ∫c ∫b
∫ lorsqu’il existe c ∈]a, b[ tel que a f et c f convergent.
On dit que ∫ a f est convergente
∫
Le nombre ]a,b[ f = ]a,c] f + [c,b[ f s’appelle l’intégrale généralisée de f sur ]a, b[.
∫x ∫
Attention [7042] L’existence de limx→+∞ −x f ne suffit pas à garantir celle de R f , comme le montre t 7→ t.
◦ Propriétés des intégrales généralisées [7043]
Si f et g sont continues par morceaux et admettent des intégrales généralisées sur I, alors :
∫ ∫ ∫
(i) pour tout λ ∈ K, f + λg admet une intégrale généralisée sur I et I (f + λg) = I f + λ I g (linéarité),
∫
(ii) si f est à valeurs positives, alors I f ≥ 0 (positivité),
∫ ∫
(iii) si f et g sont à valeurs réelles et si f ≤ g alors I f ≤ I g (croissance),
∫ ∫
(iv) si f et g coïncident sur I, sauf en un nombre fini de points, alors I f = I g,
∫ ∫ ∫
(v) pour tout c ∈ I, f admet une intégrale généralisée sur I1 = I∩]−∞, c] et sur I2 = I ∩[c, +∞[ et I f = I1 f + I2 f .
b. Théorèmes de transformation d’une intégrale généralisée
◦ Théorème de changement de variable [7044]
Soit J un
∫ intervalle, f ∈ F(J, K), continue par morceaux∫ et φ ∈ C (I, J), bijective et strictement monotone.
1
′
Alors : I |φ | · f ◦ φ est convergente si et seulement si J f est convergente. Dans ce cas, ces intégrales sont égales.
◦ Théorème d’intégration par parties [7045] Soient f, g ∈ C1 (I, K). Alors l’existence des limites du produit f g aux
bornes ouvertes de l’intervalle I assure que les intégrales de f g ′ et f ′ g sur I sont de même nature.
∫ ∫ sup(I)
Dans le cas où ces intégrales sont convergentes, alors : I f g ′ + I f ′ g = [f g]inf(I)
Le programme officiel indique qu’il n’est pas indispensable de rappeler systématiquement les hypothèses de régularité
lors de l’application pratique de ces deux formules. On veillera à le faire une fois correctement par épreuve.

2◦) Convergence absolue

a. Intégrabilité d’une fonction sur un intervalle
Fonction intégrable [7046] On dit que f ∈∫F(I, K) est intégrable sur I, si elle est continue par morceaux et d’intégrale
absolument convergente sur I, c’est-à-dire I
|f | est convergente.
Cas particulier des applications positives [7047] Soit f continue par morceaux et positive sur I.
∫
⋄ Alors I f est convergente si et seulement si f est intégrable sur I.
∫ ∫
⋄ Tout calcul aboutissant à un résultat fini ou montrant que I f < +∞ vaut preuve d’intégrabilité. Sinon : I f = +∞
∫ ∫
⋄ De plus, si I ′ est un intervalle inclus dans I, alors I ′ f ≤ I f .
◦ Structure [7048] L’ensemble des fonctions numériques intégrables sur I est un espace vectoriel. Notation : L1 (I, K)
C’est un sous-espace vectoriel de l’espace des fonctions ∫continues par∫morceaux sur I. ∫ ∫
En utilisant [7043] et le fait que |f + λg| ≤ |f | + |λ||g| : I |f + λg| ≤ I (|f | + |λ||g|) = I |f | + |λ| I |g| < +∞
b. Convergence absolue et convergence
• Intégrabilité et intégrale convergente [7049] Soit f une fonction continue∫ par ∫morceaux sur I.
Si f est intégrable sur I, alors f y admet une intégrale convergente et : I f ≤ I |f | (inégalité triangulaire)
 Chapitre VII. Calcul intégral 105

• Attention [7050] Il convient de bien distinguer les notions d’intégrale généralisée convergente sur I de la notion de
fonction intégrable sur I. Par exemple, t 7→ sin(t)
t est d’intégrale généralisée convergente sur [π, +∞[, mais n’est pas
intégrable sur le même intervalle (car n’est pas d’intégrale absolument convergente).
En pratique, pour étudier de telles convergences d’intégrales, l’intégration par parties est souvent utile.
c. Comparaisons et conséquences
◦ Théorème fondamental de majoration [7051] Soient a ∈ R, b ∈]a, +∞] et f , continue par morceaux sur [a, b[.
∫x
(i) Si f est intégrable sur [a, b[ alors pour tout c ∈ [a, b[, x 7→ c |f | est majorée sur [a, b[.
∫x
(ii) Réciproquement, s’il existe c ∈ [a, b[ tel que x 7→ c |f | est majorée sur [a, b[, alors f est intégrable sur [a, b[.
◦ Comparaisons [7052] Soient a ∈ R, b ∈]a, +∞], f et g deux fonctions continues par morceaux sur [a, b[.
(i) S’il existe c ∈ [a, b[ tel que pour tout t ∈ [c, b[, |f (t)| ≤ |g(t)|, alors l’intégrabilité de g implique celle de f sur [a, b[.
(ii) Si f = O b (g) (en particulier si f = o b (g)), alors l’intégrabilité de g implique celle de f sur [a, b[.
(iii) Si f ∼b g, alors l’intégrabilité de f est équivalente à celle de g sur [a, b[.
◦ Cas doublement borné [7053] Si f continue par morceaux est bornée sur l’intervalle borné I, alors f y est intégrable.
◦ Un cas particulier usuel [7054] Soient (a, b) ∈ R2 et f un fonction continue par morceaux sur [a, b[.
Si f admet une limite en b, alors f est intégrable sur [a, b[.
Attention [7055] Une fonction continue et intégrable sur [a, +∞[ n’admet pas nécessairement 0 pour limite en +∞.
Elle n’est même pas nécessairement bornée.
Déterminer l’intégrabilité d’une fonction sur un intervalle [7056]
⋄ On commence par vérifier que f est continue (par morceaux) sur l’intervalle considéré, en incluant à cette étape le
plus de bornes fermées possibles (entre 0 et 2).
⋄ Puis, on étudie l’intégrabilité de f au voisinage de chaque borne ouverte, s’il y en a : lorsque c’est possible, on
compare localement f à une fonction dont on connaît le comportement.
Ainsi, si a ∈ R, b ∈]a, +∞] et f est continue (par morceaux) sur [a, b[, l’étude locale au voisinage de b de l’intégrabilité
de f n’est nécessaire que si b = +∞ ou si f est non bornée sur [a, b[, par exemple si limt→b |f (t)| = +∞.
Si b ∈ R, on utilise le fait que f est intégrable sur [a, b[ si et seulement si t 7→ f (b − t) est intégrable sur ]0, b − a].
• Intégrales de référence [7057] Soient α, t0 ∈ R. Alors :
(i) La fonction t 7→ t1α est intégrable/d’intégrale convergente au voisinage de +∞ si et seulement si α > 1
(ii) La fonction t 7→ |t−t10 |α est intégrable/d’intégrale convergente au voisinage de t0 si et seulement si α < 1.
(iii) La fonction t 7→ e−αt est intégrable/d’intégrale convergente au voisinage de +∞ si et seulement si α ∈ R∗+ .
(iv) Un classique : la fonction ln est intégrable/d’intégrale convergente au voisinage de 0.
◦ Intégration des relations de comparaison [7058] Soient a ∈ R, b ∈]a, +∞], f et g deux fonctions continues par
morceaux sur [a, b[ telle que g est de signe constant au voisinage de b.
(i) On suppose que g est intégrable au voisinage de b. Le résultat∫ concerne( les
∫ restes) partiels :
⋄ Si f = o b (g), alors f est intégrable au voisinage de b et : [x,b[ f = o x→b [x,b[ g
∫ (∫ )
⋄ Si f = O b (g), alors f est intégrable au voisinage de b et : [x,b[ f = O x→b [x,b[ g
∫ ∫
⋄ Si f ∼b g, alors f est intégrable au voisinage de b et : [x,b[ f ∼x→b [x,b[ g
(ii) On suppose que g n’est
∫ ( ∫ au )voisinage de b. Le résultat concerne les intégrales partielles :
pas intégrable
⋄ Si f = o b (g), alors : [a,x] f = o x→b [a,x] g
∫ (∫ )
⋄ Si f = O b (g), alors : [a,x] f = O x→b [a,x] g
∫ ∫
⋄ Si f ∼b g, alors f n’est pas intégrable au voisinage de b et : [a,x] f ∼x→b [a,x] g

3◦) Deux sous-espaces vectoriels remarquables de C(I, R) : hors-programme classique

a. Fonctions continues intégrables
Structure [7059] L’ensemble des fonctions numériques continues et intégrables sur un intervalle I constitue un espace
vectoriel : c’est C(I, K) ∩ L1 (I, K). Notation : L1 (I)
Propriété de séparation de l’intégrale d’une fonction continue et positive [7060]
Une fonction continue, à valeurs
( positives et intégrable
) sur un intervalle
∫ est nulle si et seulement si son intégrale
est nulle. C’est à dire, si f ∈ C(I, R+ ) ∩ L1 (I, R) \ {t 7→ 0}, alors : I f > 0
◦ Norme de la convergence en moyenne [7061]
∫
L’application L1 (I) → R+ ; f 7→ I
|f | est une norme appelée norme de la convergence en moyenne. Notation : ∥f ∥1
Attention [7062]
∫
(i) L’application f 7→ I |f | n’est pas une norme sur L1 (I, K), puisque l’axiome de séparation n’est pas vérifié.
(ii) Le produit de deux éléments de L1 (I) n’est pas toujours dans L1 (I).
Ainsi, t 7→ √1t est intégrable sur ]0, 1], mais son carré ne l’est pas.
 106 Descartes — MP — CC BY-NC-SA 2023-2024

b. Fonctions continues de carrés intégrables

Structure [7063] Soit f ∈ C(I, R). On dit que f est de carré intégrable sur I lorsque |f | est intégrable sur I.
2
◦

L’ensemble des fonctions numériques continues et de carrés intégrables sur un intervalle I constitue un sous-espace
vectoriel de C(I, R). Notation : L2 (I)
∫
Produit scalaire [7064] L’application L2 (I)2 → R ; (f, g) 7→ I f g est un produit scalaire sur L2 (I).
◦ Inégalités de Cauchy-Schwarz et √ de Minkowski√∫ [7065] Si (f, g) √∈ L2 (I)2 , alors√
f g ∈ L1 (I). √∫Dans ce cas :
∫ ∫ ∫ ∫ ∫
I
f g ≤ I |f g| ≤ I
|f |2 I
|g|2 et I
|f + g|2 ≤ I
|f |2 + I
|g|2
√∫
Norme euclidienne [7066] L’application L2 (I) → R+ ; f 7→ I
|f |2 est une norme sur L2 (I) appelée norme de la
convergence en moyenne quadratique. Notation : ∥f ∥2
Attention [7067] L’ensemble des fonctions numériques de carré intégrable sur un intervalle√∫ I constitue bien un sous-
espace vectoriel de l’espace des fonctions continues par morceaux sur I, mais f 7→ I
|f | n’est pas une norme sur
2

cet espace, puisque l’axiome de séparation n’est pas vérifié.

En revanche, les inégalités de Cauchy-Schwarz et de Minkowski sont encore vérifiées pour des fonctions continues par
morceaux et de carré intégrable, car ces inégalités ne nécessitent pas le caractère défini du produit scalaire.
c. Liens entre ces espaces
Pour tout intervalle I, on note ici L∞ (I) = C(I, R) ∩ B(I, R) et ∥ ∥∞ la norme de la convergence uniforme sur I.
◦ Inégalité de la moyenne [7068] Si f ∈ L∞ (I) et g ∈ L1 (I), alors f g ∈ L1 (I) et ∥f g∥1 ≤ ∥f ∥∞ ∥g∥1 .
◦ Produit de deux fonctions de carrés intégrables [7069]
Si (f, g) ∈ L2 (I)2 , alors f g ∈ L1 (I) et |(f |g)| ≤ ∥f g∥1 ≤ ∥f ∥2 ∥g∥2 .
◦ Continuité du produit scalaire [7070] L’application L2 (I)2 → R ; (f, g) 7→ (f |g) est continue.
Attention [7071] Les espaces L1 (I), ( L
2
(I) et L∞ (I) ne présentent
) a priori aucune inclusion entre eux.
En effet : (x 7→ x ) ∈ L (]0, 1]) \ L (]0, 1]) ∪ L∞ (]0, 1]) , (x 7→ √
√1 1 2
4 x ) ∈ L (]0, 1]) \ L
1 2 ∞
(]0, 1]),
( )
(x 7→ 1) ∈ L∞ ([1, +∞[) \ L1 ([1, +∞[) ∪ L2 ([1, +∞[) et (x 7→ x ) ∈ L2 ([1, +∞[) \ L1 ([1, +∞[).
1

Des inclusions si l’intervalle d’intégration est borné [7072]

Si I est borné, alors L∞ (I) ⊂ L2 (I) ⊂ L1 (I), et les inclusions
√ sont strictes, sauf si I est un segment.
Si on note λ ∈ R∗+ la longueur de l’intervalle I, alors : ∥ ∥1 ≤ λ∥ ∥2 ≤ λ∥ ∥∞

II Convergence dominée et intégrales dépendant d’un paramètre

1◦) Suites et séries de fonctions intégrables 12
a. Un second théorème d’interversion limite-intégrale
ADMIS Théorème de convergence dominée [7073]
Soient J un intervalle réel et (fn )n∈N une suite de fonctions continues par morceaux sur J qui converge simplement
vers f , une fonction continue par morceaux sur J.
S’il existe φ une fonction intégrable sur J telle
∫ que pour tout n ∈ N,∫ |fn | ≤ φ (hypothèse de domination), alors les
fonctions fn et f sont intégrables sur J et ( J fn )n∈N converge vers J f .
Attention [7074] L’hypothèse de domination est indispensable. Ainsi la suite de fonctions continues par morceaux
( n1 1[0,n] ) converge uniformément donc simplement vers la fonction nulle, elle-même continue (par morceaux) sur R+ .
∫ +∞ 1
Cependant, pour tout n ∈ N∗ , 0 n 1[0,n] = 1, ce qui ne tend pas vers 0.
Un cas favorable de domination [7075] Si J est borné, une fonction de domination constante peut parfois convenir.

b. Convergence dominée et séries de fonctions

◦ Un deuxième théorème d’intégration terme à terme : par convergence dominée [7076]
Soient J un intervalle réel et (fn )n∈N une suite de fonctions continues par morceaux sur J dont la série converge
simplement vers une fonction continue par morceaux sur J. ∑n
S’il existe φ une fonction intégrable sur J telle que pour tout n ∈ N, ≤ φ (hypothèse de domination), alors
k=0 fk ( ∫
∑+∞ ∫ ( ∑+∞ ) ∑ +∞ )
les fonctions fn et n=0 fn sont intégrables sur J et : J n=0 fn = n=0 f
J n
Une hypothèse de domination facile à obtenir [7077]
∑ ∑n
⋄ Si fn est alternée et vérifie le critère spécial, alors pour tout n ∈ N, k=0 fk ≤ |f0 |.
⋄ Si J est borné, une fonction de domination constante peut parfois convenir.

12. Selon le programme officiel : « Pour l’application pratique des énoncés de ce paragraphe, on vérifie les hypothèses de convergence
simple et de domination (resp. de positivité ou de sommabilité), sans expliciter celles relatives à la continuité par morceaux par rapport à t. »
 Chapitre VII. Calcul intégral 107

c. Un troisième théorème d’intégration terme à terme

ADMIS Le théorème d’intégration terme à terme [7078]
Soient J un intervalle réel et (fn )n∈N une suite de fonctions intégrables sur J dont la série converge simplement vers
une fonction∑ continue
∫ par morceaux sur
∑+∞ J. ∫ ∑+∞ ∑+∞ ∫
Si la série ( J |fn |) converge, alors n=0 fn est intégrable sur J et : J ( n=0 fn ) = n=0 ( J fn )
Un privilégié [7079] Les hypothèses de ce théorème sont plus simples que celles du théorème de convergence dominée
sur les séries de fonctions. Si c’est ∑
possible,
∫ il est à privilégier, en particulier si les fonctions
∫ ∑ sont à valeurs
∑positives.
+∞ +∞ ∫
En effet, dans ce cas, l’hypothèse “ ( J fn ) converge” n’a pas à être vérifiée, car l’égalité J ( n=0 fn ) = n=0 ( J fn )
est valable a priori dans |0, +∞]. Une valeur finie trouvée a posteriori suffit à justifier l’intégration terme à terme.

2◦) Intégrales dépendant d’un paramètre 13

Avertissement [7080] Les théorèmes de cette partie sont énoncés et démontrés dans la situation tout à fait usuelle où
le “paramètre” x évolue dans un intervalle réel I.
Cependant, les résultats liés au passage à la limite [7081] et à la continuité [7082] sont valables et pourront être utilisés
en pratique dans le cas plus général où x appartient à une partie A d’un espace vectoriel normé de dimension finie.
∫
a. Passage continu à la limite sous le signe
• Théorème de convergence dominée à paramètre continu [7081]
Soient I et J deux intervalles réels, f ∈ F(I × J, K), a ∈ R ∪ {−∞, +∞} un point adhérent à I, tels que :
⋄ pour tout t ∈ J, f (x, t) tend vers g(t) lorsque x tend vers a, et g est continue par morceaux sur J.
⋄ pour tout x ∈ I, t 7→ f (x, t) est continue par morceaux sur J,
⋄ hypothèse de domination : il existe une fonction φ intégrable sur∫ J telle que, pour tout (x,∫t) ∈ I × J, |f (x, t)| ≤ φ(t).
Alors pour tout x ∈ I, t 7→ f (x, t) et g sont intégrables sur J et J f (x, t) dt converge vers J g lorsque
∫ x tend vers a.
De plus, si l’intervalle d’intégration Jx dépend de x, alors on peut s’intéresser à l’application : x 7→ R f (x, t) 1Jx(t) dt
∫
b. Continuité sous le signe
◦ Théorème de continuité des intégrales à paramètre [7082]
Soient I et J deux intervalles réels et f ∈ F(I × J, K). On suppose que :
⋄ pour tout t ∈ J, x 7→ f (x, t) est continue sur I,
⋄ pour tout x ∈ I, t 7→ f (x, t) est continue par morceaux sur J,
⋄ hypothèse∫ de domination : il existe une fonction φ intégrable sur J telle que, pour tout (x, t) ∈ I × J, |f (x, t)| ≤ φ(t).
Alors x 7→ J f (x, t) dt est continue sur I.
Adaptation au cas où la domination globale n’est pas possible [7083] En pratique, on se contente d’une domination
locale, c’est-à-dire qu’on vérifie l’hypothèse de domination sur tout segment de I ou tout intervalle fermé de I.
Un cas très favorable [7084] L’hypothèse “f ∈ C(I × [a, b], K)” suffit à assurer toutes celles de la méthode précédente.
∫
c. Dérivation sous le signe : formule de Leibniz
◦ Théorème de dérivation des intégrales à paramètre [7085]
Soient I et J deux intervalles réels et f ∈ F(I × J, K). On suppose que :
⋄ pour tout t ∈ J, x 7→ f (x, t) est de classe C1 sur I,
⋄ pour tout x ∈ I, t 7→ f (x, t) est intégrable sur J,
⋄ pour tout x ∈ I, t 7→ ∂f∂x (x, t) est continue par morceaux sur J,
⋄ hypothèse de domination : il existe une fonction φ intégrable sur J telle que, pour tout (x, t) ∈ I ×J, ∂f
∂x (x, t) ≤ φ(t).
∫ ∫ ∂f
Alors x 7→ J f (x, t) dt est de classe C sur I et a pour dérivée : x 7→ J ∂x (x, t) dt
1

Adaptation au cas où la domination globale n’est pas possible [7086] En pratique, on se contente d’une domination
locale, c’est-à-dire qu’on vérifie l’hypothèse de domination sur tout segment de I ou tout intervalle fermé de I.
Un cas très favorable [7087] L’hypothèse “f ∈ C1 (I ×[a, b], K)” suffit à assurer toutes celles de la méthode précédente.
ADMIS Extension à la classe Cn [7088]
Soient n ∈ N∗ , I et J deux intervalles réels et f ∈ F(I × J, K). On suppose que :
⋄ pour tout t ∈ J, x 7→ f (x, t) est de classe Cn sur I,
k
⋄ pour tous x ∈ I et k ∈ [[ 0 , n − 1 ]] , t 7→ ∂∂xfk (x, t) est intégrable sur J,
n
⋄ pour tout segment K ⊂ I, il existe φK ∈ L1 (J, K) : ∀(x, t) ∈ K × J, ∂∂xnf (x, t) ≤ φK (t) (domination locale)
∫ ∫ k
Alors x 7→ J f (x, t) dt est de classe Cn sur I et pour tout k ∈ [[ 1 , n ]] , a pour dérivée d’ordre k : x 7→ J ∂∂xfk (x, t) dt
Plusieurs paramètres [7089] Si une fonction est définie comme intégrale à plusieurs paramètres, on peut alors chercher
à utiliser les théorèmes précédents avec les applications partielles, en particulier pour obtenir des dérivées partielles.

13. Selon le programme officiel : « Pour l’application pratique des énoncés de ce paragraphe, on vérifie les hypothèses de régularité par
rapport à x et de domination, sans expliciter celles relatives à la continuité par morceaux par rapport à t. »
108 Descartes — MP — CC BY-NC-SA 2023-2024
 Chapitre VIII. Équations différentielles et calcul différentiel 109

A Équations différentielles linéaires

Dans toute cette partie, K désigne le corps R ou C et I un intervalle réel.

I Équations linéaires scalaires d’ordre 1 et 2 sous forme résolue

1◦) Équation différentielle linéaire du premier ordre à coefficients continus sous forme résolue (première année)
Vocabulaire [8001] Soit (a, b) ∈ C(I, K)2 . Une équation différentielle linéaire du premier ordre sous forme résolue ou
normalisée est du type x′ + a(t)x = b(t). L’équation homogène associée { à cette équation est x′ + a(t)x = 0. }
La résolution de l’équation différentielle sur I consiste à chercher : φ ∈ C (I, K) | ∀t ∈ I, φ′ (t) + a(t)φ(t) = b(t)
1

Problème de Cauchy [8002] Soit t0 ∈ I, x0 ∈ K et (a, b) ∈ C(I, K)2 . On appelle solution sur I au problème de Cauchy
en (t0 , x0 ) toute solution φ sur I de l’équation x′ + a(t)x = b(t) qui vérifie φ(t0 ) = x0 .
Structure des ensembles de solutions [8003] Soit (a, b) ∈ C(I, K)2 .
On note (E) l’équation x′ + a(t)x = b(t) et (Eh ) l’équation homogène associée. Alors :
(i) L’équation (Eh ) admet une droite vectorielle de solutions sur I, il s’agit de Vect(t 7→ exp(−A(t))), où A désigne
une primitive de a sur I.
(ii) L’équation (E) admet un ensemble de solutions sur I du type φ0 + Vect(t 7→ exp(−A(t))), où φ0 est une solution
quelconque de l’équation (E).
Un cas particulier [8004] Si a est une constante, l’ensemble des solutions de (Eh ) est Vect(t 7→ e−at ).
Théorème de Cauchy linéaire [8005]
Pour tout couple (t0 , x0 ) ∈ I × K, il existe une unique solution au problème de Cauchy sur I à l’équation (E).
Non annulation d’une solution de l’équation homogène [8006] Les solutions non nulles de (Eh ) ne s’annulent jamais.
Méthode de Lagrange [8007] Pour trouver une solution “particulière” de (E), on cherche une solution sous la forme
( ∫t )
t 7→ λ(t)e−A(t) (on fait “varier la constante”). Ainsi t 7→ e−A(t) x0 + t0 b(u)eA(u) du est solution au problème de
Cauchy en (t0 , x0 ).
Principe
∑ de superposition des solutions [8008]
∑n
Si b = i=1 αi bi , avec pour tout i ∈ [[ 1 , n ]] , bi ∈ C(I, K) et αi ∈ K, alors
n
i=1 αi φi est une solution de (E), où φi
désigne une solution sur I de x′ + a(t)x = bi (t), pour tout i ∈ [[ 1 , n ]] .

2◦) Équation différentielle linéaire scalaire du second ordre à coefficients continus sous forme résolue
a. Résultats théoriques et généraux
Équation différentielle linéaire scalaire du second ordre à coefficients continus [8009] Soient a, b, c ∈ C(I, K).
⋄ Une équation différentielle linéaire scalaire d’ordre 2 à coefficients continus sous forme résolue ou normalisée est du
type : x′′ + a(t)x′ + b(t)x = c(t) (E)
Une solution sur I de (E) est une application φ ∈ C2 (I, K) telle que : ∀t ∈ I, φ′′ (t) + a(t)φ′ (t) + b(t)φ(t) = c(t)
⋄ L’équation différentielle (Eh ) : x′′ + a(t)x′ + b(t)x = 0 est appelée équation différentielle homogène associée.
ADMIS Théorème de Cauchy linéaire [8010] Soient I un intervalle réel, a, b, c ∈ C(I, K), t0 ∈ I et (x0 , x1 ) ∈ K2 .
Il existe une unique solution sur I de l’équation x′′ + a(t)x′ + b(t)x = c(t) au problème de Cauchy en (t0 , (x0 , x1 )),
c’est-à-dire une solution φ sur I de l’équation qui vérifie : φ(t0 ) = x0 et φ′ (t0 ) = x1
• Structure de l’ensemble des solutions de l’équation homogène [8011]
Soient I un intervalle réel, a, b ∈ C(I, K) et t0 ∈ I.
On note Sh l’ensemble des solutions de l’équation différentielle homogène : x′′ + a(t)x′ + b(t)x = 0
Alors Sh est un K-espace vectoriel et Sh → K2 ; φ 7→ (φ(t0 ), φ′ (t0 )) est un isomorphisme, donc Sh est de dimension 2.
◦ Wronskien de deux solutions de l’équation homogène [8012]
( )
On appelle wronskien de deux solutions φ et ψ de (Eh ) l’application W : I → K ; t 7→ det (φ(t), φ′ (t)), (ψ(t), ψ ′ (t))
⋄ Cette application vérifie l’équation différentielle : x′ + a(t)x = 0
⋄ Les trois conditions suivantes sont équivalentes :
(i) Le couple (φ, ψ) est un système fondamental de solutions, c’est-à-dire une base de Sh .
(ii) Il existe t0 ∈ I tel que W (t0 ) ̸= 0. (iii) Pour tout t ∈ I, W (t) ̸= 0.
◦ Structure de l’ensemble des solutions de l’équation complète [8013]
Soient I un intervalle réel et a, b, c ∈ C(I, K).
On note φ0 une solution sur I de l’équation x′′ + a(t)x′ + b(t)x = c(t).
L’ensemble des solutions S de cette équation est φ0 + Sh = {φ0 + φ | φ ∈ Sh }.
Ainsi, les solutions de (E) s’obtiennent en ajoutant à une solution “particulière” de (E) les solutions de (Eh ).
Principe de superposition des solutions [8014] Par linéarité de l’équation différentielle, il s’applique encore.
110 Descartes — MP — CC BY-NC-SA 2023-2024

b. Cas particulier des équations à coefficients constants (a, b) ∈ K2 (première année)

Résolution concrète de l’équation homogène par son équation caractéristique [8015]
On appelle équation caractéristique de (Eh ) l’équation (C) en r : r2 + ar + b = 0
Alors r est solution de l’équation caractéristique si et seulement si t 7→ exp(rt) est solution de (Eh ).
Structure : cas complexe [8016] Si (a, b) ∈ C2 , l’ensemble des solutions de (Eh ) est un plan vectoriel sur C.
(i) Il s’agit de VectC (t 7→ exp(r1 t), t 7→ exp(r2 t)) si r1 ̸= r2 sont les solutions de (C).
(ii) Il s’agit de VectC (t 7→ exp(rt), t 7→ t exp(rt)) si r est racine double de (C).
Structure : cas réel [8017] Si (a, b) ∈ R2 , l’ensemble des solutions de (Eh ) est un plan vectoriel sur R.
(i) Il s’agit de VectR (t 7→ exp(r1 t), t 7→ exp(r2 t)) si r1 ̸= r2 sont les solutions réelles de (C).
(ii) Il s’agit de VectR (t 7→ exp(rt), t 7→ t exp(rt)) si r est racine double (réelle, bien sûr) de (C).
(iii) Il s’agit de VectR (t 7→ exp(αt) cos(βt), t 7→ exp(αt) sin(βt)) si α ± iβ sont solutions complexes non réelles de (C).
Recherche d’une solution de l’équation générale dans un cas particulier [8018]
On suppose qu’il existe P ∈ K[X] et γ ∈ K tels que c : t 7→ exp(γt)P (t).
On note (C) l’équation caractéristique de (Eh ). Pour obtenir une solution particulière de l’équation (E) :
(i) si γ n’est pas solution de (C), on cherche une solution de la forme t 7→ exp(γt)Q(t) avec deg(Q) = deg(P ),
(ii) si γ est racine simple de (C), on cherche une solution de la forme t 7→ exp(γt)tQ(t) avec deg(Q) = deg(P ),
(iii) si γ est racine double de (C), on cherche une solution de la forme t 7→ exp(γt)t2 Q(t) avec deg(Q) = deg(P ).
Cette méthode est à adapter pour une équation différentielle linéaire d’ordre 1 à coefficients constants.
c. Méthodes concrètes de résolution des équations différentielles linéaires scalaires d’ordre 2 à coefficients continus
Méthode exigible [8019] Il n’existe aucune méthode systématique concrète qui permette à coup sûr de déterminer une
solution de l’équation complète ou même de l’équation homogène.
L’unique méthode au programme consiste à utiliser une fonction développable en série entière pour la recherche d’une
solution. La recherche d’une solution particulière de l’équation complète doit normalement comporter des indications.
En pratique, on pourra tester aussi les fonctions polynomiales (cas particulier de fonctions développables en série
entière), les fonctions puissances (t 7→ tα ) ou les exponentielles (t 7→ eat ).
Quand on connaît déjà au moins une solution de l’équation homogène [8020]
⋄ Voici deux manières de trouver une solution “particulière” à l’équation (E) :
• Méthode de Lagrange (ou méthode de “variation de la constante”) :
On suppose déjà connue φ une solution sur I de (Eh ) qui ne s’annule pas sur I.
On cherche une solution “particulière” ( sur I de (E) de) la forme ψ = λφ. On montre que ψ est solution de (E) si
et seulement si : ∀t ∈ I, φ(t)λ′′ (t) + 2φ′ (t) + a(t)φ(t) λ′ (t) = c(t)
On résout alors une équation du premier ordre en λ′ . On détermine ensuite une primitive de λ′ , et on obtient ψ.
Cette méthode, lorsque c = 0, donne une deuxième solution de (Eh ), à partir d’une première.
• Méthode de “variation des constantes” :
On suppose déjà connues deux solutions libres φ et ψ de (Eh ) sur I.
On cherche une solution “particulière” sur I de (E) de la forme θ = αφ + βψ, où α et β sont des applications de
classe C1 sur I et en imposant, de plus : α′ φ + β ′ ψ = 0 (E1 )
Après quelques manipulations, on constate que : α′ φ′ + β ′ ψ ′ = c (E2 )
Le résultat sur le Wronskien permet d’affirmer que le système formé par les équations (E1 ) et (E2 ) est toujours
de Cramer, ce qui permet de trouver (α′ , β ′ ). On obtient ensuite (α, β) par intégration, et donc θ.
⋄ Pour trouver une deuxième solution libre de (Eh ), il existe aussi la méthode du Wronskien :
On suppose déjà connue φ une solution sur I de (Eh ) qui ne s’annule pas sur I.
On détermine d’abord une solution de x′ + a(t)x = 0 pour obtenir le Wronskien à une constante multiplicative près.
Puis on constate qu’une autre solution de (Eh ) est solution de φ(t)x′ − φ′ (t)x = W (t) qu’il est possible de résoudre.

3◦) Raccordement de solutions

Équation différentielle linéaire d’ordre 2 à coefficients continus [8021] Soient a, b, c, d ∈ C(I, K).
Une équation différentielle linéaire du second ordre à coefficients continus est du type : a(t)x′′ + b(t)x′ + c(t)x = d(t)
Méthode de raccordement [8022] Pour résoudre une telle équation, on se place sur des sous-intervalles (J1 , . . . , Jp ) de I
sur lesquels a ne s’annule pas (on suppose qu’ils existent). On procède comme présenté ci-dessus sur chaque intervalle,
puis on tente de raccorder les solutions trouvées. Si k ∈ [[ 1 , p − 1 ]] , il faut qu’en un point tk de raccordement de Jk
et de Jk+1 , si on note φk une solution sur Jk et φk+1 une solution sur Jk+1 ,
⋄ lim t→tk φk (t) = lim t→tk φk+1 (t), pour obtenir un raccordement continu en tk , puis
t<tk t>tk

⋄ lim t→tk φ′k (t) = lim t→tk φ′k+1 (t), pour obtenir un raccordement C1 , par théorème de la limite de la dérivée, et enfin
t<tk t>tk

⋄ lim t→tk φ′′k (t) = lim t→tk φ′′k+1 (t), pour obtenir un raccordement C2 , par théorème de la limite de la dérivée.
t<tk t>tk

Cette méthode est à adapter pour une équation différentielle linéaire d’ordre 1 à coefficients continus.
 Chapitre VIII. Équations différentielles et calcul différentiel 111

II Systèmes différentiels linéaires & équations différentielles linéaires scalaires

1◦) Équations différentielles linéaires
a. Théorème de Cauchy linéaire
Équation différentielle linéaire et système différentiel linéaire [8023]
⋄ Soient E un K-espace vectoriel normé de dimension finie et (a, b) ∈ C(I, L(E)) × C(I, E).
On appelle équation différentielle linéaire toute équation de la forme x′ = a(t)x + b(t). ( )
Une solution sur I de cette équation est une application γ ∈ C1 (I, E) telle que : ∀t ∈ I, γ ′ (t) = (a(t)) γ(t) + b(t)
L’équation différentielle linéaire x′ = a(t)x est appelée équation différentielle homogène associée.
⋄ Soient A ∈ C(I, Mn (K)) et B ∈ C(I, Mn,1 (K)).
On appelle système différentiel linéaire toute équation de la forme X ′ = A(t)X + B(t).
Une solution sur I du système est une application Φ ∈ C1 (I, Mn,1 (K)) telle que : ∀t ∈ I, Φ′ (t) = A(t)Φ(t) + B(t)
Le système différentiel linéaire X ′ = A(t)X est appelé système différentiel homogène associé.
Théorème de Cauchy linéaire [8024]
ADMIS ⋄ Soient E un K-espace vectoriel normé de dimension finie, (a, b) ∈ C(I, L(E)) × C(I, E), t0 ∈ I et x0 ∈ E.
Il existe une unique solution sur I de l’équation x′ = a(t)x + b(t) au problème de Cauchy en (t0 , x0 ), c’est-à-dire une
solution γ sur I de l’équation qui vérifie : γ(t0 ) = x0
⋄ Soient A ∈ C(I, Mn (K)), B ∈ C(I, Mn,1 (K)), t0 ∈ I et X0 ∈ Mn,1 (K).
Il existe une unique solution sur I de l’équation X ′ = A(t)X + B(t) au problème de Cauchy en (t0 , X0 ), c’est-à-dire
une solution Φ sur I de l’équation qui vérifie : Φ(t0 ) = X0
• Exponentielle de la somme de deux endomorphismes ou de deux matrices qui commutent [8025]
Soient E un espace vectoriel normé de dimension finie, a, b ∈ L(E) et A, B ∈ Mn (K) tels que a ◦ b = b ◦ a et AB = BA.
Alors : exp(a + b) = exp(a) exp(b) et exp(A + B) = exp(A) exp(B)
Mise sous forme intégrale d’un problème de Cauchy [8026]
⋄ Soient E un K-espace vectoriel normé de dimension finie, (a, b) ∈ C(I, L(E)) × C(I, E), t0 ∈ I et x0 ∈ E.
L’application γ ∈ C1 (I, E) est solution de l’équation x′ = a(t)x + b(t) au problème de Cauchy en (t0 , x0 ) si et
∫t ( )
seulement si elle vérifie : ∀t ∈ I, γ(t) = x0 + t0 a(u)γ(u) + b(u) du
⋄ Soient A ∈ C(I, Mn (K)), B ∈ C(I, Mn,1 (K)), t0 ∈ I et X0 ∈ Mn,1 (K).
L’application Φ ∈ C1 (I, Mn,1 (K)) est solution de l’équation X ′ = A(t)X + B(t) au problème de Cauchy en (t0 , X0 )
∫t ( )
si et seulement si elle vérifie : ∀t ∈ I, Φ(t) = X0 + t0 A(u)Φ(u) + B(u) du
b. Espace vectoriel des solutions de l’équation homogène ; espace affine des solutions de l’équation complète
◦ Structure de l’ensemble des solutions du système homogène [8027]
⋄ Soient E un K-espace vectoriel normé de dimension finie, a ∈ C(I, L(E)) et t0 ∈ I.
Si Sh est l’ensemble des solutions de l’équation homogène x′ = a(t)x, alors Sh est un K-espace vectoriel.
L’application Sh → E ; γ 7→ γ(t0 ) est un isomorphisme. Ainsi, Sh est de dimension celle de E.
⋄ Soient A ∈ C(I, Mn (K)) et t0 ∈ I.
Si Sh est l’ensemble des solutions du système homogène X ′ = A(t)X, alors Sh est un K-espace vectoriel.
L’application Sh → Mn,1 (K) ; Φ 7→ Φ(t0 ) est un isomorphisme. Ainsi, Sh est de dimension n.
◦ Structure de l’ensemble des solutions du système complet [8028]
⋄ Soient E un K-espace vectoriel normé de dimension finie et (a, b) ∈ C(I, L(E)) × C(I, E).
On note γ0 une solution sur I de l’équation x′ = a(t)x + b(t).
L’ensemble des solutions S de ce système est γ0 + Sh = {γ0 + γ | γ ∈ Sh }.
⋄ Soient A ∈ C(I, Mn (K)) et B ∈ C(I, Mn,1 (K)). On note Φ0 une solution sur I du système X ′ = A(t)X + B(t).
L’ensemble des solutions S de ce système est Φ0 + Sh = {Φ0 + Φ | Φ ∈ Sh }.

2◦) Systèmes différentiels linéaires homogènes à coefficients constants

◦ Utilisation théorique de l’exponentielle d’un endomorphisme ou d’une matrice [8029]
⋄ Soient E un K-espace vectoriel normé de dimension finie et (a, b) ∈ L(E) × C(I, E). Alors :
( )
• L’unique solution sur R du problème de Cauchy de x′ = ax en (t0 , x0 ) ∈ R × E est : t 7→ exp (t − t0 )a (x0 )
• L’unique solution sur I du problème de Cauchy de x′ = ax + b(t) en (t0 , x0 ) ∈ I × E est :
( ) ∫t (
t 7→ exp (t − t0 )a (x0 ) + t0 exp (t − u)a)b(u) du
⋄ Soit (A, B) ∈ Mn (K × C(I, Mn,1 (K)). Alors :
( )
• L’unique solution sur R du problème de Cauchy de X ′ = AX en (t0 , X0 ) ∈ R× Mn,1 (K) est : t 7→ exp (t−t0 )A X0
• L’unique solution sur I du problème de Cauchy de X ′ = AX + B(t) en (t0 , X0 ) ∈ I × Mn,1 (K) est :
( ) ∫t (
t 7→ exp (t − t0 )A X0 + t0 exp (t − u)A)B(u) du
 112 Descartes — MP — CC BY-NC-SA 2023-2024

Résolution concrète : méthode par réduction [8030]

Pour résoudre un système différentiel linéaire homogène à coefficients constants X ′ = AX, on cherche à réduire la
matrice A. Deux cas sont possibles :
⋄ Si A est diagonalisable, il existe P ∈ GLn (K) et D une matrice carrée diagonale telle que D = P −1 AP .
En posant X = P Y , on obtient le système Y ′ = DY , très simple à résoudre. En effet, ce nouveau système est constitué
de n équations linéaires du premier ordre à coefficient constant du type y ′ = λi y, laquelle admet Vect(t 7→ exp(λi t))
pour ensemble de solutions.
On obtient alors l’espace vectoriel Vect(t 7→ eλ1 t E1 , . . . , t 7→ eλn t En ) des solutions de Y ′ = DY , puis celui des
solutions de X ′ = AX, qui est Vect(t 7→ eλ1 t P1 , . . . , t 7→ eλn t Pn ), puisque X = P Y .
⋄ Si A n’est pas diagonalisable, on peut trigonaliser A dans Mn (C). Ainsi, il existe P ∈ GLn (K) et T une matrice
carrée triangulaire supérieure telle que T = P −1 AP .
• Méthode par système triangulaire : En posant X = P Y , on obtient le système Y ′ = T Y , que l’on résout ligne
après ligne en partant de la dernière et en introduisant les résultats préalablement trouvés au sein des équations
qui sont alors des équations différentielles du premier ordre à coefficients constants avec second membre.
• Méthode par exponentielle de matrice : Soit t ∈ R. Lorsque T a une forme triangulaire par blocs dont les diagonales
sont des matrices scalaires, le calcul de exp(tT ) est relativement simple.
Alors l’ensemble des solutions du système est : Vect(t 7→ exp(tA)E1 , . . . , t 7→ exp(tA)En )
Comportement asymptotique des solutions [8031]
Les solutions d’un tel système sont bornées sur R+ si et seulement si, pour tout λ ∈ Sp(A), Re(λ) ≤ 0.

3◦) Étude théorique des équations différentielles linéaires scalaires

a. Traduction en terme de système différentiel linéaire
Équation différentielle linéaire scalaire à coefficients continus [8032] Soient a0 , a1 , . . . , an−1 , b ∈ C(I, K).
Toute équation du type x(n) + an−1 (t)x(n−1) + · · · + a1 (t)x′ + a0 (t)x = b(t) est appelée équation différentielle linéaire
scalaire d’ordre n à coefficients continus sous forme résolue ou normalisée.
Une solution sur I de l’équation est une application φ ∈ Cn (I, K) telle que, pour tout t ∈ I :
φ(n) (t) + an−1 (t)φ(n−1) (t) + · · · + a1 (t)φ′ (t) + a0 (t)φ(t) = b(t)
L’équation différentielle linéaire scalaire x(n) + an−1 (t)x(n−1) + · · · + a1 (t)x′ + a0 (t)x = 0 est appelée équation diffé-
rentielle homogène associée.
Traduction en terme de système différentiel linéaire [8033]
Soient I un intervalle réel et a0 , a1 , . . . , an−1 , b ∈ C(I, K).
La résolution de l’équation différentielle linéaire scalaire x(n) + an−1 (t)x(n−1) + · · · + a1 (t)x′ + a0 (t)x = b(t) peut se
ramener à celle du système différentiel X ′ = A(t)X  + B(t) en posant :   
 (n−1)  −an−1 · · · −a1 −a0 b
x 
 ..   1 0 ··· 0 
 0 
 
X= . , A =  . .. . .. . 
.. 
et B =  . 
  .. 
x
(0) 1 0 0
Théorème de Cauchy linéaire [8034]
Soient I un intervalle réel, a0 , a1 , . . . , an−1 , b ∈ C(I, K), t0 ∈ I et (x0 , x1 , . . . , xn−1 ) ∈ Kn .
Il existe une unique solution sur I de l’équation x(n) + an−1 (t)x(n−1) + · · · + a1 (t)x′ + a0 (t)x = b(t) au problème de
Cauchy en (t0 , (x0 , x1 , . . . , xn−1 )), c’est-à-dire une solution φ sur I de l’équation qui vérifie :
φ(t0 ) = x0 , φ′ (t0 ) = x1 , . . . , φ(n−2) (t0 ) = xn−2 et φ(n−1) (t0 ) = xn−1
b. Espace vectoriel des solutions de l’équation homogène ; forme de l’ensemble des solutions de l’équation complète
◦ Structure de l’ensemble des solutions de l’équation homogène [8035]
Soient I un intervalle réel, a0 , a1 , . . . , an−1 ∈ C(I, K) et t0 ∈ I. On note Sh l’ensemble des solutions de l’équation
différentielle homogène x(n) + an−1 (t)x(n−1) + · · · + a1 (t)x′ + a0 (t)x = 0. Alors :
(i) L’ensemble Sh est un K-espace vectoriel.
(ii) L’application Sh → Kn ; φ 7→ (φ(t0 ), φ′ (t0 ), . . . , φ(n−1) (t0 )) est un isomorphisme. Ainsi, Sh est de dimension n.
◦ Structure de l’ensemble des solutions de l’équation complète [8036]
Soient I un intervalle réel et a0 , a1 , . . . , an−1 , b ∈ C(I, K).
On note φ0 une solution sur I de l’équation x(n) + an−1 (t)x(n−1) + · · · + a1 (t)x′ + a0 (t)x = b(t).
L’ensemble des solutions S de cette équation est φ0 + Sh = {φ0 + φ | φ ∈ Sh }.
 Chapitre VIII. Équations différentielles et calcul différentiel 113

B Calcul différentiel et optimisation

Avertissement [8037]
Le programme officiel de deuxième année stipule que les fonctions considérées « sont définies sur un ouvert U d’un
R-espace vectoriel normé E de dimension finie p, à valeurs dans un R-espace vectoriel normé F de dimension finie q.
Le choix d’une base de l’espace d’arrivée permet de se ramener au cas des fonctions à valeurs réelles. »
En pratique, la situation usuelle correspond à celle étudiée en première année, où E = Rp et F = R, mais pas toujours.
Dans ce cours, lorsque E n’est pas spécifiquement Rp , ou F n’est pas Rq ou R, on se donnera des bases de ces espaces.
Ainsi, si n ∈ N∗ , la notation (e1 , . . . , en ) ou (⃗e1 , . . . , ⃗en ) pourra désigner selon le contexte des objets différents : la base
canonique de Rn , ou, si n = p, une base de E, ou, si n = q, une base de F . Si les deux dernières situations apparaissent
dans un même énoncé, le contexte fournira de façon naturelle de quels type de vecteurs il s’agit.
Pour alléger les notations, on pourra écrire (x1 , . . . , xp ) à la place de x1⃗e1 + · · · + xp⃗ep , pour tout x ∈ E.
Rappel : structures [8038]
⋄ F(U, F ) est un R-espace vectoriel : ∀f, g ∈ F(U, F ), ∀λ ∈ R, f + g : x 7→ f (x) + g(x) et λf : x 7→ λf (x)
⋄ F(U, R) est une R-algèbre commutative avec la loi supplémentaire : ∀f, g ∈ F(U, R), f g : x 7→ f (x)g(x)

I Continuité : quelques rappels

La plupart des notions et des résultats de ce paragraphe sont des cas particuliers du cours sur la continuité des fonctions
à valeurs vectorielles (qu’il conviendra donc de consulter).

1◦) Applications partielles et applications composantes

Applications composantes, champs scalaires [8039]
Soit f ∈ F(U, F ). Pour tout x ∈ U , on peut écrire : f (x) = f1 (x)⃗e1 + · · · + fq (x)⃗eq
Les applications f1 , . . . , fq , définies sur U et à valeurs réelles, sont appelées les applications coordonnées ou applications
composantes de f . Ce sont des champs scalaires sur U .
Dans la suite, pour alléger les notations, on pourra écrire f = (f1 , . . . , fq ) à la place de f = f1⃗e1 + · · · + fq ⃗eq .
◦ Applications partielles au voisinage d’un point [8040] Soit f ∈ F(U, F ) et a ∈ U . Il existe r ∈ R∗+ tel que B(a, r) ⊂ U .
On pose, pour tout j ∈ [[ 1 , p ]] , γja : ] − r, r[→ U ; t 7→ a + t⃗ej .
L’application f ◦ γja s’appelle la j-ième application partielle de f au voisinage de a.
Généralisation [8041]
En pratique, les ensembles de définition des applications partielles en un point sont souvent bien plus étendus, et
conduisent à ne pas spécifier le point en lequel on se place, et à omettre la translation de la j-ième variable par aj .
Attention [8042] Ne pas confondre les notions d’applications composantes et d’applications partielles. Elles sont très
différentes. Cependant, une application composante fi d’une application f ∈ F(U, F ) peut elle-même admettre une
j-ième application partielle en un point a, fi ◦ γja . Cette application réelle de la variable réelle est aussi égale à la
i-ième composante de la j-ième application partielle de f en a, c’est-à-dire (f ◦ γja )i .

2◦) Limite et continuité

Rappels sur les limites [8043] Toutes les définitions et tous les résultats du cours sur les limites d’une application
vectorielle d’une variable vectorielle sont vérifiés. En particulier :
(i) le théorème de caractérisation séquentielle d’une limite,
(ii) le théorème de caractérisation d’une limite à l’aide des applications composantes,
(iii) si n = 1, les théorèmes généraux sur les limites et les inégalités,
(iv) le théorème d’opérations algébriques,
(v) le théorème de composition.
Une condition nécessaire sur les applications partielles [8044] Soit f ∈ F(U, F ), a ∈ U et ℓ ∈ R.
Si f admet ℓ pour limite en a, alors pour tout j ∈ [[ 1 , p ]] , f ◦ γja admet ℓ pour limite en 0.
◦ Attention [8045] La réciproque est fausse. Ainsi (x, y) 7→ x2xy +y 2 1R \{(0,0)} (x, y) n’admet pas de limite en (0, 0), alors
2

que ses deux applications partielles en (0, 0) admettent 0 pour limite.

Méthodes concrètes d’étude de la limite en un point d’une fonction réelle de deux variables réelles [8046]
Si l’on souhaite étudier la limite d’une fonction f de deux variables réelles en a = (a1 , a2 ) ∈ R2 , on commence par
exemple par regarder la limite de ses applications partielles en a. Si les limites sont différentes, on conclut à l’absence
de limite pour f . Sinon, suivant son impression, on peut chercher à montrer :
⋄ que f n’admet pas de limite en a, en construisant deux chemins continus passant par a, ou encore deux chemins
discrets (avec des suites convergeant vers a) qui produisent des limites différentes (ou des divergences) en composant
par f . Il s’agit alors de la contraposée du théorème de composition ou du théorème séquentiel.
 114 Descartes — MP — CC BY-NC-SA 2023-2024

⋄ ou bien que f tend vers ℓ, la limite des applications partielles en a. Pour cela, on peut utiliser des coordonnées
polaires translatées en posant x = a1 + ρ cos(θ) et y = a2 + ρ sin(θ) dans |f (x, y) − ℓ|, qu’on tente de majorer
indépendamment de θ par une fonction de ρ qui tend vers 0 lorsque ρ tend vers 0.
Rappels sur la continuité [8047] Toutes les définitions et tous les résultats du cours sur la continuité ponctuelle ou
sur U d’une application vectorielle d’une variable vectorielle sont vérifiés. En particulier :
(i) le théorème de caractérisation séquentielle de la continuité ponctuelle,
(ii) la notion de prolongement par continuité en un point adhérent à U ,
(iii) le théorème de caractérisation de la continuité à l’aide des applications composantes,
(iv) le théorème concernant les structures de C(U, F ) et de C(U, R),
(v) le théorème de composition d’applications continues,
(vi) la notion de fonction lipschitzienne,
(vii) les applications linéaires et bilinéaires sont continues (car les dimensions sont finies).
Une condition nécessaire sur les applications partielles [8048]
Soit f ∈ C(U, R) et a ∈ U . Alors pour tout j ∈ [[ 1 , p ]] , f ◦ γja ∈ C (] − r, r[, R).
Attention [8049] Pas de réciproque.
◦ Applications composantes de l’identité [8050] On pose, pour tout k ∈ [[ 1 , n ]] , idk : (x1 , . . . , xn ) 7→ xk .
Alors cette k-ième composante de l’identité, appelée aussi k-ième forme linéaire coordonnée, est continue sur Rn .
La famille (idk )1≤k≤n vérifie : ∀k, ℓ ∈ [[ 1 , n ]] , idk (⃗eℓ ) = δk,ℓ
Brique élémentaire [8051] On pourra utiliser, en pratique, les applications idk pour justifier la continuité d’applications
définies à l’aide d’opérations et de compositions de fonctions usuelles.

II Applications différentiables
1◦) Dérivée selon un vecteur
Dérivées partielles [8052] Soient f ∈ F(U, F ), a ∈ U et ⃗ v ∈ E \ {0}.
Puisque U est un ouvert, il existe r > 0 tel que, pour tout t ∈] − r, r[, a + t ⃗v ∈ U .
Si elle existe, on appelle dérivée selon le vecteur ⃗v de f en a la dérivée en 0 de t 7→ f (a + t ⃗v ), notée D⃗v f (a).
En particulier, pour j ∈ [[ 1 , p ]] , on appelle j-ième dérivée partielle de f en a, D⃗ej f (a), si elle existe.
( )
Notation : Le vecteur (t 7→ f (a + t⃗ ej ))′ (0) = lim 1
t→0 t
(f (a + t⃗
e j ) − f (a)) ∂f
est noté ∂j f (a) ou encore ∂x j
(a).
t̸=0

◦ Applications partielles et dérivées partielles [8053]

Soit f ∈ F(U, F ) et a = (a1 , . . . , ap ) ∈ U . Lorsqu’elle existe, ∂j f (a) = (f ◦ γja )′ (0).
Attention [8054] L’existence de dérivées partielles en un point implique seulement la continuité des applications
partielles correspondantes, mais pas la continuité de la fonction en ce point (cf. [8045]).
De la dérivée partielle en un point à l’application dérivée partielle [8055] Soit f ∈ F(U, F ) et j ∈ [[ 1 , p ]] .
Si pour tout a ∈ U , ∂j f (a) existe, on peut définir l’application ∂j f = ∂x ∂f
j
définie sur U .

2◦) Application linéaire tangente à une fonction en un point

Application différentiable [8056]
Soient f ∈ F(U, F ) et a ∈ U . On dit que f est différentiable en a lorsqu’il existe u ∈ L(E, F ) telle f admet le
développement limité à l’ordre 1 suivant : f (a + ⃗v ) = f (a) + u(⃗v ) + o ⃗v→0 (⃗v )
La négligeabilité vectorielle montre que f est différentiable en a si et seulement si, pour tout i ∈ [[ 1 , q ]] , fi est
différentiable en a.
◦ Des conditions nécessaires [8057] Soient f ∈ F(U, F ) et a ∈ U . Si f est différentiable en a, alors :
⋄ L’application f est continue en a, donc localement bornée au voisinage de a.
⋄ L’application f est dérivable en a selon tout vecteur de E.
⋄ L’application linéaire qui apparaît dans la définition de la différentiabilité de f en a est unique.
On l’appelle différentielle de f en a, ou encore application linéaire tangente à f en a. Notation : df (a)
∑p
⋄ Pour tout ⃗v ∈ E : df (a) · ⃗v = D⃗v f (a) et df (a) · ⃗v = j=1 vj ∂j f (a)
Matrice jacobienne [8058] Soient U est un ouvert de Rp et f ∈ F(U, Rq ), différentiable en tout point a de U .
On appelle matrice( jacobienne
) de f en a la matrice de df (a) dans les bases canoniques de Rp et Rq .
Il s’agit donc de : ∂j fi (a) (i,j)∈ [[ 1 , q ]] × [[ 1 , p ]] ∈ Mq,p (R) Notation : Jf (a)
De la différentiabilité en un point à l’application différentielle [8059] Soit f ∈ F(U, F ). Si pour tout a ∈ U , f
est différentiable en a, on peut définir U → L(E, F ) ; a 7→ df (a), l’application différentielle de f . Notation : df
• Quelques exemples simples [8060]
(i) Toute application constante sur E est différentiable sur E, de différentielle nulle sur E.
 Chapitre VIII. Équations différentielles et calcul différentiel 115

(ii) Toute application u ∈ L(E, F ) est différentiable sur E et sa différentielle est elle-même sur E.
(iii) L’application f : Mn (R) 7→ Mn (R) ; M 7→ M 2 est différentiable en A de différentielle df (A) : M 7→ AM + M A.

3◦) Deux situations remarquables

◦ Cas des fonctions d’une seule variable [8061] On suppose que I est un intervalle ouvert de R, f ∈ F(I, F ) et a ∈ I.
Alors la différentiabilité de f en a équivaut à sa dérivabilité en a. Dans ce cas : f ′ (a) = df (a) · 1
• Gradient d’une fonction réelle sur un espace euclidien [8062]
On suppose que E est euclidien, a ∈ U et f ∈ F(U, R), différentiable en a. Alors il existe un unique vecteur de E,
appelé gradient de f en a, qui représente la forme linéaire df (a) sur E. Notation : ∇f (a)
Les coordonnées de ∇f (a) dans une base orthonormée de E sont : (∂1 f (a), . . . , ∂p f (a))
◦ Interprétation géométrique du gradient [8063]
On suppose que E est euclidien, a ∈ U et f ∈ F(U, R), différentiable en a, et ∇f (a) ̸= 0.
Alors ∇f (a) est positivement colinéaire au vecteur unitaire selon lequel la dérivée de f est maximale.
◦ Gradient du carré d’une norme euclidienne [8064] On suppose que E est euclidien.
Alors f : x 7→ ∥x∥2 est différentiable sur E et : ∀a ∈ E, ∇f (a) = 2a

4◦) Opérations sur les applications différentiables

◦ Combinaison linéaire d’applications différentiables [8065] Soient f, g ∈ F(U, F ), λ ∈ R et a ∈ U .
Si f et g sont différentiables en a, alors f + λg aussi et : d(f + λg)(a) = df (a) + λ dg(a)
• Différentiabilité d’une application multilinéaire [8066] Soient E1 , . . . , En , F des K-espaces vectoriels normés de
dimensions finies et M une application multilinéaire de E1 × · · · × En vers F .
Alors M est différentiable et pour tout (⃗a1 , . . . , ⃗an ) ∈ E1 × · · · × En∑ :
n
dM (⃗a1 , . . . , ⃗an ) : E1 × · · · × En −→ F ; (⃗v 1 , . . . , ⃗v n ) 7−→ k=1 M (⃗a1 , . . . , ⃗ak−1 , ⃗v k , ⃗ak+1 , . . . , an )
◦ Règle de la chaîne [8067] Soient V un ouvert de F , G un R-espace vectoriel de dimension finie, a ∈ U , f ∈ F(U, V ),
différentiable en a, et g ∈ F(V, G), différentiable en f (a).
⋄ Alors g ◦ f est différentiable en a et : d(g ◦ f )(a) = dg(f (a)) ◦ df (a)
∑q
• ⋄ De plus : ∀j ∈ [[ 1 , p ]] , ∂j (g ◦ f )(a) = k=1 ∂j fk (a)∂k g(f (a))
• ⋄ En particulier, si E = Rp , F = Rq et G = Rr , alors : Jg◦f (a) = Jg (f (a))Jf (a)
Attention [8068] Ne pas confondre : ∂j (g ◦ f ) et ∂j g ◦ f = (∂j g) ◦ f
Version avec des grandeurs physiques [8069] Si x, . . . , xp désignent les “variables” de f et u1 , . . . , uq celles de g, une
∑q ∂fk
version de ce résultat en sciences est : ∀a ∈ U, ∀(i, j) ∈ [[ 1 , q ]] × [[ 1 , p ]] , ∂(g◦f )i
∂xj (a) =
∂gi
k=1 ∂xj (a) ∂uk (f (a))
Différentiabilité et multilinéarité [8070] Soient :
⋄ E1 , . . . , En , F1 , . . . , Fn et G des K-espaces vectoriels normés de dimensions finies,
⋄ U1 , . . . , Un des ouverts de E1 , . . . , En et (⃗a1 , . . . , ⃗an ) ∈ U1 × · · · × Un ,
⋄ f⃗1 ∈ F(U1 , F1 ), . . . , f⃗n ∈ F(Un , Fn ), chacune respectivement différentiable en un vecteur ⃗a1 , . . . , ⃗an ,
⋄ M une application
( multilinéaire
) de F1 × · · · × Fn vers G. ( ( ))
Alors M ◦ f⃗1 , . . . , f⃗n est différentiable en (⃗a1 , . . . , ⃗an ) et d M ◦ f⃗1 , . . . , f⃗n (⃗a1 , . . . , ⃗an ) est définie par :
∑n (
E1 × · · · × En −→ G ; (⃗v 1 , . . . , ⃗v n ) 7−→ k=1 M f⃗1 (⃗a1 ), . . . , f⃗k−1 (⃗ak−1 ), df⃗k (⃗ak ) · ⃗v k , f⃗k+1 (⃗ak+1 ), . . . , f⃗n (⃗an ))
◦ Dériver le long d’un arc [8071]
Soient I un intervalle de R, t ∈ I, γ = (γ1 , . . . , γp ) ∈ F(I, U ), dérivable
∑p en′ t et f ∈ F(U, F ), différentiable en γ(t).
′ ′
⋄ Alors f ◦ γ est dérivable en t et : (f ◦ γ) (t) = df (γ(t)) · γ (t) = j=1 γj (t)∂j f (γ(t))
⋄ Ainsi, si γ(t) est régulier et si γ ′ (t) ∈
/ Ker(df (γ(t))), alors la direction de la tangente en f (γ(t)) à f (γ(I)) est l’image
par df (γ(t)) de la direction de la tangente en γ(t) à γ(I).
Cas particulier d’un champ scalaire [8072] Si F = R, alors : (f ◦ γ)′ (t) = (∇f (γ(t))|γ ′ (t))

III Applications continûment différentiables

1◦) Applications de classe C1
Classe C1 [8073] Soit f ∈ F(U, F ). On dit que f est continûment différentiable ou de classe C1 sur U lorsqu’elle est
différentiable sur U et que df ∈ C(U, L(E, F )).
ADMIS Caractérisation des applications de classe C1 [8074]
Soit f ∈ F(U, F ). Alors f est de classe C1 sur U si et seulement si les dérivées partielles relativement à une base de E
existent en tout point de U et sont continues sur U .
◦ Composition [8075] Soient V un ouvert de F , G un R-espace vectoriel de dimension finie, f ∈ C1 (U, V ) et g ∈ C1 (V, G).
Alors : g ◦ f ∈ C1 (U, G)
 116 Descartes — MP — CC BY-NC-SA 2023-2024

◦ Opérations algébriques et structures Soient f, g ∈ C1 (U, F ) et λ ∈ R. Alors :

[8076]
⋄ f + λg ∈ C (U, F ), donc C (U, F ) est un espace vectoriel.
1 1

⋄ Si F = R, f g ∈ C1 (U, R) et d(f g) = f dg + df g, donc C1 (U, R) est une algèbre.

⋄ Si F = R et de plus f (U ) ⊂ R \ {0}, alors f1 ∈ C1 (U, R) et d( f1 ) = −1
f 2 df .
∫1
◦ Une relation intégrale [8077] Si f ∈ C1 (U, F ) et γ ∈ C1 ([0, 1], U ), alors : f (γ(1)) − f (γ(0)) = 0
df (γ(t)) · γ ′ (t) dt
◦ Une troisième inégalité des accroissements
( finis [8078] Soient
) f ∈ C1 (U, F ), et a, b ∈ U . On suppose que [a, b] ⊂ U .
Alors : ∀a, b ∈ U, ∥f (b) − f (a)∥F ≤ maxx∈[a,b] ||| df (x)||| ∥b − a∥E
◦ Différentielle d’une application constante [8079] On suppose que U est connexe par arcs dans E. Soit f ∈ C1 (U, F ).
Alors f est une application constante sur U si et seulement si, pour tout a ∈ U , df (a) = 0.
Si U a plusieurs composantes connexes par arcs, les constantes peuvent être différentes.

2◦) Vecteurs tangents à une partie d’un espace vectoriel normé de dimension finie
◦ Arc tracé sur une partie & vecteurs tangents à une partie [8080] Soit A une partie de E, a ∈ A et ⃗ v ∈ E.
On dit que ⃗v est un vecteur tangent à A en a lorsqu’il existe γ ∈ F(I, A), un arc tracé sur A, passant par a et
localement dérivable au voisinage de a, et dont la dérivée en un antécédent de a est ⃗v .
Ainsi, par exemple, il existe η ∈ R∗+ et γ ∈ F(] − η, η[, A), dérivable en 0 et telle que γ(0) = a et γ ′ (0) = ⃗v .
Notation : L’ensemble des vecteurs tangents à A en a est noté Ta A.
Lignes de niveaux d’une fonction numérique [8081]
Soit g ∈ F(U, R). Pour tout α ∈ R, on appelle ligne de niveau de g l’ensemble g −1 ({α}).
Selon la situation, cet ensemble est vide, réduit à des points, le support d’un arc plan, une surface de l’espace, etc.
Vecteurs tangents à une ligne de niveaux Soit g ∈ C1 (U, R). On note A une ligne de niveau de g.
[8082]
ADMIS Soit a ∈ A tel que dg(a) ̸= 0. Alors Ta A est l’hyperplan vectoriel Ker(dg(a)).
◦ Si E est euclidien, alors Ta A∑= {∇g(a)}⊥ . En particulier si E = Rp , alors une équation cartésienne de l’hyperplan
p
affine tangent à A en a est : j=1 ∂j g(a)(xj − aj ) = 0
• Quelques ensembles de vecteurs tangents [8083]
−
→
⋄ Si F est un sous-espace affine de E, alors pour tout M ∈ F, TM F est la direction F de F.
−−→
⋄ Si S est la sphère de centre Ω et de rayon r ∈ R∗+ d’un espace euclidien E, alors : ∀M ∈ S, TM S = {ΩM }⊥
⋄ Si E = R3 et g ∈ C1 (U, R), alors on appelle surface définie par une équation cartésienne toute ligne de niveau
convenable de g. Si Σ est une telle surface, et M0 = (x0 , y0 , z0 ) ∈ Σ tel que ∇g(x0 , y0 , z0 ) ̸= 0, alors une équation
du plan affine tangent en M0 à la surface Σ est :
(x − x0 )∂1 g(x0 , y0 , z0 ) + (y − y0 )∂2 g(x0 , y0 , z0 ) + (z − z0 )∂3 g(x0 , y0 , z0 ) = 0
⋄ Soit V un ouvert de R2 et φ ∈ C1 (V, R). On appelle surface définie par une paramétrisation cartésienne le graphe
de φ, c’est-à-dire : Σ = {(x, y, φ(x, y)) ∈ R3 | (x, y) ∈ V }
Dans ce cas, pour tout M0 = (x0 , y0 , z0 ) ∈ Σ, TM0 Σ = {(x, y, z) ∈ R3 | z = x∂1 φ(x0 , y0 ) + y∂2 φ(x0 , y0 )}
Ainsi, une équation du plan affine tangent en M0 à la surface Σ est :
TM0 Σ = {(x, y, z) ∈ R3 | z = φ(x0 , y0 ) + (x − x0 )∂1 φ(x0 , y0 ) + (y − y0 )∂2 φ(x0 , y0 )}
⋄ Soient Σ1 et Σ2 deux surfaces. Si leur intersection est une courbe de l’espace, alors, en un point de cette courbe, la
tangente est l’intersection des plans tangents aux surfaces, s’ils sont distincts.
Courbes coordonnées [8084] Pour étudier une surface Σ de E = R3 définie comme ligne de niveau de f ∈ C1 (U, R),
il est possible de tenter de s’intéresser aux courbes coordonnées tracées sur Σ, courbes planes intersections de plans
d’équations x = x0 , y = y0 ou z = z0 et de Σ.

3◦) Optimisation : étude au premier ordre

◦ Condition nécessaire d’extrema locaux dans un ouvert : théorème de Fermat sur les points critiques [8085]
Soit f ∈ F(U, R), différentiable sur U et a ∈ U . Si a est un extremum local de f , alors ∇f (a) = 0.
On dit alors que a est un point critique ou point stationnaire de f .
Attention [8086] Pas de réciproque : considérer (x, y) 7→ xy qui admet (0, 0) pour point critique et au voisinage duquel
l’application n’est pas de signe constant.
L’hypothèse U ouvert est indispensable : considérer id[0,1] qui a des extrema en 0 et 1, sans qu’ils ne soient critiques.
◦ Optimisation d’une restriction [8087] Soient f ∈ F(U, R), A ⊂ U et a ∈ A.
On suppose que f est différentiable en a et que f |A admet un extremum local en a. Alors : Ta A ⊂ Ker(df (a))
Si E est euclidien, alors : Ta A ⊂ {∇f (a)}⊥
◦ Théorème d’optimisation sous une contrainte Soient f, g ∈ C1 (U, R), A une ligne de niveau de g et a ∈ A tel
[8088]
que dg(a) ̸= 0. On suppose que f |A admet un extremum local en a. Alors : df (a) ∈ Vect(dg(a))
Si E est euclidien, alors : ∇f (a) ∈ Vect(∇g(a))
 Chapitre VIII. Équations différentielles et calcul différentiel 117

IV Applications de classes supérieures

1◦) Dérivées partielles d’ordre supérieur
Dérivées partielles d’ordre k [8089] Soit f ∈ F(U, F ) et k ∈ N \ {0, 1}. Si les dérivées partielles de f existent sur U ,
alors il est possible de définir les dérivées partielles, si elles existent, de ces dérivées partielles de f et éventuellement
d’itérer ces dérivations partielles jusqu’à l’ordre k, pour obtenir les pk dérivées partielles d’ordre k de f .
k
Notation : ∂j1 ,...,jk f pour ∂jk . . . ∂j1 f ou encore ∂xj ∂...∂x
f
j
k 1

Classes supérieures [8090]Soit f ∈ F(U, F ) et k ∈ N \ {0, 1}.

On dit que f est de classe Ck sur U si ses dérivées partielles d’ordre k existent et sont continues sur U .
Une application indéfiniment différentiable ou de classe C∞ sur U est de classe Ck sur U , pour tout k ∈ N \ {0, 1}.
ADMIS Opérations et structures [8091] L’ensemble C (U, F ) est un espace vectoriel et C (U, R) est une algèbre commutative.
k k

Par ailleurs, la composée de deux fonctions de classe C est de classe C .

k k

ADMIS Théorème de Schwarz [8092] Soit U un ouvert de R

p
et f ∈ C2 (U, R). Alors : ∀(i, j) ∈ [[ 1 , p ]] 2 , ∂j,i f = ∂i,j f
Équations aux dérivées partielles du premier et du second ordre [8093] Un changement de variable approprié sera
indiqué dans l’énoncé, sauf si le changement de variable suivant est à utiliser : le passage en coordonnées polaires.
◦ Formule de composition avec des coordonnées polaires [8094] Soit f ∈ C2 (R2 , Rr ).
{θ) 7→ (ρ cos(θ), ρ sin(θ)), qui est de classe C sur R et g = f ◦ (x, y). Alors, pour tout (ρ, θ) ∈ R :
2 2 2
On note (x, y) : (ρ,
∂g
∂ρ (ρ, θ) = cos(θ) ∂1 f (ρ cos(θ), ρ sin(θ)) + sin(θ) ∂2 f (ρ cos(θ), ρ sin(θ))

∂θ (ρ, θ) = −ρ sin(θ) ∂1 f (ρ cos(θ), ρ sin(θ)) + ρ cos(θ) ∂2 f (ρ cos(θ), ρ sin(θ))

∂g



2
∂1,1 g(ρ, θ) = cos (θ) ∂1,1 f (ρ cos(θ), ρ sin(θ) + 2 sin(θ) cos(θ) ∂1,2 f (ρ cos(θ), ρ sin(θ))



 + sin2 (θ) ∂2,2 f (ρ cos(θ), ρ sin(θ))

∂1,2 g(ρ, θ) = − sin(θ) ∂1 f (ρ cos(θ), ρ sin(θ)) + cos(θ) ∂2 f (ρ cos(θ), ρ sin(θ)) − ρ sin(θ) cos(θ) ∂1,1 f (ρ cos(θ), ρ sin(θ))

 +ρ(cos2 θ − sin2 θ)∂1,2 f (ρ cos(θ), ρ sin(θ)) + ρ sin(θ) cos(θ) ∂2,2 f (ρ cos(θ), ρ sin(θ))



 ∂ g(ρ, θ) = −ρ cos(θ) ∂1 f (ρ cos(θ), ρ sin(θ)) − ρ sin(θ) ∂2 f (ρ cos(θ), ρ sin(θ)) + ρ2 sin2 (θ) ∂1,1 f (ρ cos(θ), ρ sin(θ))
 2,2
−2ρ2 cos(θ) sin(θ) ∂1,2 f (ρ cos(θ), ρ sin(θ)) + ρ2 cos2 (θ) ∂2,2 f (ρ cos(θ), ρ sin(θ))
Rendre bijectif le changement de variables [8095]
( )
L’application (ρ, θ) 7→ (ρ cos(θ), ρ sin(θ)) est considérée de R∗+ ×] − π, π[ vers R2 \ R− × {0} , pour être bijective.

2◦) Optimisation : étude au second ordre

(Soit U un) ouvert de R , f ∈ C (U, R) et a ∈ U .
p 2
ADMIS Formule de Taylor-Young à l’ordre deux [8096]
On appelle matrice hessienne de f en a la matrice ∂i,j f (a) (i,j)∈ [[ 1 , p ]] 2 ∈ Sp (R). Notation : Hf (a)
On note V ∈ Mp,1 (R), canoniquement associée à ⃗v ∈ Rp . Alors :
f (a + ⃗v ) = f (a) + df (a) ⃗v + 12 V T Hf (a)V + o ⃗v→0 (∥ ⃗v ∥2 )
Étude des extrema locaux d’une fonction numérique dîfférentiable sur un ouvert [8097]
Pour étudier les extrema locaux d’une fonction numérique différentiable sur un ouvert, on commence par chercher
les points critiques de l’application, qui sont des candidats possibles. On doit ensuite déterminer ceux qui sont des
extrema. On s’intéresse alors à l’expression ∆(⃗v ) = f (a + ⃗v ) − f (a) :
⋄ Pour montrer que a n’est pas un extremum, il suffit de trouver, dans un voisinage de 0 pour ⃗v , deux zones de Rp
dans lesquels ∆(⃗v ) change de signe, à l’aide de chemins ponctuels ou continus qui mènent en a.
⋄ Pour montrer que a est un extremum, on trouve un voisinage de 0 pour ⃗v dans lequel ∆(⃗v ) garde un signe constant,
en général avec la formule de Taylor-Young à l’ordre 2 (au moins). On pourra alors utiliser ce qui suit, ou une
factorisation de Gauss, hors programme, mais relativement simple à mettre en place.
◦ Étude des extrema globaux d’une fonction réelle différentiable sur un compact [8098]
Pour étudier les extrema globaux d’une fonction numérique différentiable sur un compact K, on peut commencer par
chercher les extrema locaux qui appartiennent à l’intérieur de K.
On s’intéresse aussi à la frontière de K par ailleurs, qu’on tente de paramétrer.
On étudiera spécifiquement chaque point candidat, pour déterminer s’il est ou non un extremum global.
• Une condition suffisante sur les extrema locaux stricts d’une fonction numérique de classe C2 [8099]
Soient U un ouvert de Rp , f ∈ C2 (U, R) et a ∈ U , un point critique de f tel que det(Hf (a)) ̸= 0. Alors :
⋄ Si Hf (a) ∈ Sp++ (R), alors f présente un minimum local strict en a.
⋄ Si −Hf (a) ∈ Sp++ (R), alors f présente un maximum local strict en a.
⋄ Sinon f ne présente pas d’extremum local en a, qui est un point col ou un point selle de f .
Et si la matrice Hessienne n’est pas inversible ? [8100] Soient U un ouvert de Rp , f ∈ C2 (U, R) et a ∈ U , un point
critique de f tel que det(Hf (a)) = 0. Pour déterminer si a est un extremum local, la réponse n’est pas immédiate : on
effectue un développement limité de ∆(⃗v ) = f (a + ⃗v ) − f (a) à un ordre suffisant pour conclure.
 118 Descartes — MP — CC BY-NC-SA 2023-2024

◦ Cas particulier usuel : p = 2 [8101]

⋄ Si det(Hf (a)) > 0 et tr(Hf (a)) > 0, alors f admet un minimum local strict en a.
⋄ Si det(Hf (a)) > 0 et tr(Hf (a)) < 0, alors f admet un maximum local strict en a.
⋄ Si det(Hf (a)) < 0, alors f n’admet pas d’extremum local en a.
 Chapitre IX. Probabilités 119

A Du dénombrement aux probabilités (première année)

I Dénombrer
1◦) Se mettre dans de bonnes dispositions, avec discernement
Trois notations pour quatre types d’objets [9001]
⋄ Dans un ensemble, les éléments apparaissent une et une seul fois, et l’ordre n’importe pas. Notation : {1, 2} = {2, 1}
HP ⋄ Dans ce cours de dénombrement, on appellera sac, tout assemblage fini d’objets, sans tenir compte de l’ordre dans
lequel ils apparaissent en extension, avec éventuellement des répétitions. Dans un sac, les objets répétés sont supposés
indiscernables. Notation : [1, 2, 2] = [2, 1, 2] et [1, 2, 2, 1] = [1, 2, 1, 2] sont deux sacs différents.
HP ⋄ Une disposition d’éléments d’un ensemble E est un sous-ensemble de E ou un sac formé d’éléments de E.
• Une disposition est sans répétition, si les éléments de E qui figurent dans la disposition apparaissent au plus une
fois. Elle est avec répétitions (éventuelles) si les éléments de E peuvent éventuellement figurer plusieurs fois.
• Une disposition est ordonnée si l’ordre dans lequel les éléments apparaissent importe. Il s’agit d’un arrangement.
Sinon elle est non ordonnée. Il s’agit d’une combinaison.
Notation : Pour les dispositions ordonnées, avec ou sans répétition, on utilise le même type de notation.
Voici quatre dispositions ordonnées deux à deux distinctes : (1, 2, 2), (2, 1, 2), (1, 2) et (2, 1)

2◦) Les résultats au programme officiel

a. Arrangements avec répétitions
◦ Nombre d’applications [9002] Soient E et F deux ensembles finis. Alors F E est fini et de cardinal Card(F )Card(E) .
• Cardinal de P(E) [9003] Soit E un ensemble fini. Alors P(E) est fini et de cardinal 2Card(E) .
Arrangement avec répétitions [9004] Une p-liste ou un p-uplet d’éléments d’un ensemble E est un élément de E p .
HP Il s’agit d’un arrangement avec répétitions de p éléments de E .
◦ Nombre de listes [9005] Soit E un ensemble de cardinal n. Le nombre de p-listes d’éléments de E est np .
b. Arrangements et permutations sans répétition
◦ Nombre d’injections [9006] Soient E et F deux ensembles finis de cardinaux respectifs p et n. On suppose que p ≤ n.
Le nombre Apn d’injections de E vers F est : n(n − 1) · · · (n − p + 1) = (n−p)
n!
!
Dans les calculs concrets [9007] On utilise la version étendue de la formule pour éviter des calculs inutiles.
Arrangement sans répétition [9008]
Une p-liste d’éléments distincts d’un ensemble E est une disposition de p éléments de E sans répétition et ordonnée.
HP C’est un arrangement sans répétition ou simplement un arrangement de p éléments d’un ensemble E.
◦ Nombre d’arrangements [9009] Soit E un ensemble fini de cardinal n. Le nombre de p-arrangements de E est Apn .
Permutation sans répétition [9010] Une permutation sans répétition ou simplement une permutation est une bijection
d’un ensemble sur lui-même. C’est aussi une injection de l’ensemble fini E sur lui-même.
◦ Nombre de permutations [9011] Le nombre de permutations d’un ensemble de cardinal n est : An n = n!

c. Combinaisons sans répétition

Combinaison sans répétition [9012] Soit E un ensemble fini de cardinal n. Une p-combinaison de E est un sous-ensemble
de E de cardinal p. C’est donc une disposition de p éléments de E sans répétition et non ordonnée.
HP On parle aussi d’une combinaison sans répétition de p éléments d’un ensemble E.
( )
◦ Nombre de combinaisons de p éléments pris parmi n [9013] C’est p !(n−p)n!
. Notation : np
( ) !
Par convention, si p < 0 ou p > n, alors np = 0.
• Quatre ( )formules
( n ) remarquables sur les coefficients binomiaux
( ) [9014]
( ) Soient
( p, ) n ∈ N deux entiers naturels. Alors :
(i) np = n−p (formule de symétrie), (ii) np = n−1 + n−1 (formule du triangle de Pascal),
∑n (n) n
(n) p−1(n−1) p
(iii) k=0 k = 2 , (iv) p p = n p−1 (formule du pion ou du capitaine).
∑min(n,a)
◦ HP Formule de Vandermonde [9015] Soient a, b, n ∈ N tels que n ≤ a + b. Alors : a b a+b
k=max(0,n−b) ( k )( n−k ) = ( n )

d. Un exemple incontournable
• Schéma d’urne [9016] Une urne contient b boules blanches et r boules rouges. On tire n ≤ b + r boules de l’urne.
Le nombre de possibilités de tirages, au hasard, qui amènent exactement k ∈ [[ n − r , b ]] boules blanches, lorsque
les n tirages sont effectués :
⋄ successivement et avec remise (l’ordre importe), est ( nk )bk rn−k ,
⋄ successivement et sans remise (l’ordre importe), est ( nk )Akb An−k
r ,
⋄ simultanément (l’ordre n’importe pas et le tirage est naturellement sans remise), est ( kb )( n−k
r
).
 120 Descartes — MP — CC BY-NC-SA 2023-2024

3◦) Des notions hors-programme mais classiques

a. Combinaisons avec répétitions
Combinaison avec répétitions [9017] Une p-combinaison avec répétitions d’éléments d’un ensemble E est une disposition
avec répétitions et non ordonnée de p éléments de E. C’est un sac de p éléments pris parmi les éléments de E.
• Nombre de combinaisons avec répétitions [9018] Le nombre des p-combinaisons avec répétitions d’éléments d’un
ensemble de cardinal n est : ( n+p−1
p )
b. Permutations avec des répétitions de cardinaux fixés
Permutation avec répétitions [9019]
Soit E = {x1 , . . . , xk } un ensemble de cardinal k et p1 , . . . , pk ∈ N, dont la somme est notée n.
Une permutation avec p1 , . . . , pk répétitions de n éléments de E, est une disposition ordonnée avec répétitions (c’est-
à-dire un n-uplet) dans laquelle chacun des éléments x1 , . . . , xk de E apparaît respectivement p1 , . . . , pk fois.
◦ Nombre de permutations avec répétitions de cardinaux fixés [9020]
n! n
Le nombre de permutations de n éléments avec p1 , . . . , pk répétitions est p1 !···pk ! . Notation : ( p1 ,...,p )
∑ k

• Formule du multinôme [9021] Soient n ∈ N et k ∈ N∗ . Alors : (X1 + · · · + Xk )n = n

( p1 ,...,pk
)X1p1 . . . Xkpk
(p1 ,...,pk )∈Nk
p1 +···+pk =n
c. Partages en partition de sous-ensembles de cardinaux fixés
Partage en partition [9022] On appelle partage en partition d’un ensemble E la donnée d’une partition de E.
◦ Nombre de partages en partition de sous-ensembles de cardinaux fixés [9023]
Soit E un ensemble de cardinal n et p1 , . . . , pk des entiers dont la somme vaut n.
Le nombre de partages de E en partition (Ei )i∈ [[ 1 , k ]] telle que pour tout i ∈ [[ 1 , k ]] , Card(Ei ) = pi est : ( p1 ,...,p
n
k
)
Attention [9024] Les sous-ensembles E1 , . . . , Ek ne sont pas interchangeables dans le dénombrement précédent.
∑
◦ Une formule obtenue par double dénombrement [9025] Soient n ∈ N et k ∈ N∗ . Alors : n
( p1 ,...,p ) = kn
k
(p1 ,...,pk )∈Nk
p1 +···+pk =n
Tableau récapitulatif des dispositions usuelles [9026]

Dispositions Non ordonnées Ordonnées

arrangements / injections
combinaisons
Sans répétition permutations
partages en partition
listes / applications
Avec répétitions combinaisons avec répétitions
permutations avec répétitions

II Probabilités sur un univers fini

1◦) Expérience aléatoire et univers
Expérience aléatoire [9027] On considère une expérience aléatoire finie, c’est-à-dire dont le résultat est incertain,
parmi un nombre fini de situations possibles.
(i) Un résultat possible de cette expérience aléatoire est une réalisation ou encore une issue.
(ii) L’ensemble des réalisations de cette expérience aléatoire finie est l’univers Ω de l’expérience. Cet univers est fini.
(iii) Tout sous-ensemble de l’univers est un événement de l’expérience aléatoire.
(iv) L’événement Ω est appelé l’événement certain, et l’événement ∅, l’événement impossible.
(v) Si l’événement A est un singleton, on dit qu’il s’agit d’un événement élémentaire.
(vi) Soit A un événement. L’ensemble Ω \ A est appelé l’événement contraire de A. Notation : A
(vii) Soient A et B deux événements. L’événement A ∩ B s’appelle l’événement “A et B” et l’événement A ∪ B,
l’événement “A ou B”.
(viii) Les événements A et B sont des événements incompatibles lorsque l’événement “A et B” est impossible.
(ix) On appelle système complet d’événements toute partition de l’univers Ω.

2◦) Espaces probabilisés finis

Probabilité [9028] Soit Ω un univers fini. Une probabilité sur Ω est une application P de P(Ω) dans [0, 1] vérifiant
P(Ω) = 1 et pour tous événements A et B incompatibles, P(A ∪ B) = P(A) + P(B) (propriété d’additivité de la
probabilité). Le couple (Ω, P) est un espace probabilisé fini. ∑
Une distribution de probabilités sur Ω est une famille (πω )ω∈Ω ∈ [0, 1]Ω telle que ω∈Ω πω = 1.
Détermination par une distribution de probabilité [9029]
Soient Ω un univers fini et (πω )ω∈Ω ∈ [0, 1]Ω une distribution de probabilité.
∑ Il existe une unique probabilité P sur Ω
vérifiant, pour tout ω ∈ Ω, P({ω}) = πω , il s’agit de : P(Ω) → [0, 1] ; A 7→ ω∈A πω
 Chapitre IX. Probabilités 121

Probabilité uniforme Soit Ω un univers fini de cardinal n ∈ N∗ .

[9030]
On appelle probabilité uniforme sur Ω la probabilité P vérifiant, pour tout ω ∈ Ω, P({ω}) = n1 .
◦ Propriétés de la probabilité [9031] Soient (Ω, P) un espace probabilisé fini, et A et B deux événements. Alors :
(i) P(∅) = 0 (ii) A ⊂ B ⇒ P(A) ≤ P(B) (croissance de la probabilité)
(iii) P(A) = 1 − P(A) (iv) P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
(v) Si P(A) = 1 (événement presque certain ou événement presque sûr), alors P(B ∩ A) = P(B).

3◦) Probabilités conditionnelles

a. Conditionnement
◦ Probabilité conditionnellement à un événement [9032]
Soient (Ω, P) un espace probabilisé fini, et A et B deux événements tels que P(B) > 0.
On appelle probabilité conditionnelle de A sachant B le nombre P(A∩B)
P(B) .
Notation : PB (A) ou P(A | B). Par convention, si P(B) = 0, alors P(A | B)P(B) = 0.
De plus, l’application PB est une probabilité sur Ω.
Interprétation [9033] Une probabilité conditionnelle est donc une probabilité pour laquelle on a envisagé une restriction
de l’univers aux situations uniquement possibles, à partir du moment où une connaissance sur la situation envisagée
est énoncée.
b. Formules classiques
◦ Formule des probabilités composées [9034] Soient (Ω, P) un espace probabilisé fini et A1 , . . . , An des événements tels
( ∩n−1 ) ( ∩n ) ∏n ( ∩k−1 )
que P k=1 Ak > 0. Alors : P k=1 Ak = P(A1 ) k=2 P Ak | i=1 Ai
◦ Formule des probabilités totales [9035] Soient (Ω, P) un espace probabilisé fini et A1 , . . . ∑
, An un système complet
n
d’événements tels que pour tout k ∈ [[ 1 , n ]] , P (Ak ) > 0. Pour tout événement B : P(B) = k=1 P(B | Ak )P(Ak )
◦ Formule de Bayes [9036] Soient (Ω, P) un espace probabilisé fini, et A et B deux événements de probabilités non nulle.
Alors : P(A | B) = P(B P(B)
| A)P(A)

◦ Formule de Bayes généralisée [9037] Soient (Ω, P) un espace probabilisé fini, A1 , . . . , An un système complet d’évé-
nements tels que pour tout k ∈ [[ 1 , n ]] , P (Ak ) > 0 et B un événement de probabilité non nulle.
P(B | A )P(Aj )
Alors, pour tout j ∈ [[ 1 , n ]] : P(Aj | B) = ∑n P(B j| Ak )P(A k)
k=1

4◦) Événements indépendants

a. Indépendance d’un couple d’événements
Indépendance de deux événements [9038] Soient (Ω, P) un espace probabilisé fini, et A et B deux événements.
On dit que A et B sont indépendants lorsque P(A ∩ B) = P(A)P(B).
◦ Caractérisation [9039] Soient (Ω, P) un espace probabilisé fini, et A et B deux événements. On suppose que P(B) > 0.
Les événements A et B sont indépendants si et seulement si P(A | B) = P(A).
◦ Indépendance et événements contraires [9040]
Soient (Ω, P) un espace probabilisé fini, et A et B deux événements indépendants. Alors A et B sont indépendants.
b. Indépendance mutuelle
Indépendance mutuelle [9041] Soient (Ω, P) un espace probabilisé fini et A1 , . . . , An des événements.
Les événements A1 , . . . , An sont dits mutuellement indépendants ou∩simplement∏ dits indépendants lorsque :
m m
∀m ∈ [[ 1 , n ]] , ∀i1 , . . . , im ∈ [[ 1 , n ]] , P ( k=1 Aik ) = k=1 P(Aik )
Affaiblissement [9042] Soient (Ω, P) un espace probabilisé fini et A1 , . . . , An des événements.
Si ces événements sont indépendants, alors ils le sont deux à deux.
Attention [9043] La réciproque est fausse. Voici un contre-exemple :
On lance deux fois une pièce de monnaie équilibrée. L’univers est Ω = {P, F }2 , muni de la probabilité uniforme.
On considère les événements suivants : A = {(P, F ), (P, P )}, qui est l’événement “on obtient pile au premier lancer”,
B = {(P, F ), (F, F )}, qui est “on obtient face au deuxième lancer”, et C = {(P, P ), (F, F )}, qui est “on obtient la
même chose aux deux lancers”.
Très facilement, on calcule P(A) = P(B) = P(C) = 21 , P(A ∩ B) = P(A ∩ C) = P(B ∩ C) = 41 et P(A ∩ B ∩ C) = 0,
ce qui montre que les événements A, B et C sont donc deux à deux indépendants, mais ne sont pas mutuellement
indépendants.
 122 Descartes — MP — CC BY-NC-SA 2023-2024

B Variables aléatoires sur un univers fini (première année)

Dans toute cette partie, l’ensemble E des résultats éventuels d’une variable aléatoire sera supposé de cardinal fini.

I Jeux de lois
1◦) Variables aléatoires et lois
Variable aléatoire et loi [9044] Une variable aléatoire finie est une application X définie sur un univers Ω, à valeurs
dans un ensemble E, telle que l’ensemble des résultats X(Ω) est fini. Lorsque E ⊂ R, la variable aléatoire est réelle.
Notation : Pour toute variable aléatoire X sur un espace probabilisé (Ω, P), toute partie U de E et tout x ∈ E,
l’événement X −1 (U ) = {ω ∈ Ω | X(ω) ∈ U } est noté {X ∈ U } ou encore (X ∈ U ), et l’événement X −1 ({x}) est noté
(X = x). Dans le cas où E ⊂ R, (X ≤ x) désigne X −1 (] − ∞, x]).
On pourra donc considérer les probabilités : P(X ∈ U ), P(X = x) et P(X ≤ x)
On appelle loi de X l’application PX : X(Ω) → [0, 1] ; x 7→ P(X = x). Notation : X ∼ Y lorsque PX = PY
Pratique de la définition d’une loi Si x ∈ E \ X(Ω), alors PX (x) = 0, puisque X −1 ({x}) = ∅. Ainsi, pour
[9045]
définir PX , la donnée de X(Ω), et de P(X = x), pour tout x ∈ X(Ω), est nécessaire et suffisante.
HP Image presque sûre [9046] Soient (Ω, P) un espace probabilisé fini et X une variable aléatoire sur Ω, à valeurs dans
un ensemble E. On appelle image presque sûre de X l’ensemble {x ∈ E | P(X = x) > 0}.
Conséquence de l’additivité Soient Ω un univers fini et X une variable aléatoire sur Ω.
[9047]
∑
(i) Pour toute probabilité P sur Ω, x∈X(Ω) P(X = x) = 1 ∑ et, pour toute partie U de X(Ω) :
P(X ∈ U ) = x∈U P(X = x)
∑n
(ii) Réciproquement, si X prend ses valeurs dans l’ensemble {x1 , . . . , xn }, et si p1 , . . . , pn ∈ [0, 1] vérifient k=1 pk = 1,
alors il existe une probabilité P sur Ω telle que pour tout k ∈ [[ 1 , n ]] , P(X = xk ) = pk .
• Expression de la composition d’une loi [9048] Soient (Ω, P) un espace probabilisé fini, X une variable aléatoire sur Ω
et f une application définie sur X(Ω). Alors Y = f ◦ X∑est une variable aléatoire
∑ sur (Ω, P), notée f (X).
La loi de Y est, pour tout y ∈ f ◦ X(Ω) : P(Y = y) = x∈X(Ω) P(X = x) = x∈X(Ω) 1f −1 ({y}) (x)P(X = x)
f (x)=y
Soient X1 et X2 deux variables aléatoires. Si X1 ∼ X2 , alors f (X1 ) ∼ f (X2 ).
Loi conditionnelle [9049] Soient (Ω, P) un espace probabilisé fini, X une variable aléatoire sur Ω et A ∈ P(Ω) \ {∅}.
On appelle loi conditionnelle de X sachant A la loi : X(Ω) → [0, 1] ; x 7→ P(X = x | A)

2◦) Couples de variables aléatoires

Couples, loi conjointe et lois marginales [9050]
Soient (Ω, P) un espace probabilisé fini et X1 et X2 deux variables aléatoires sur Ω.
On note alors X = (X1 , X2 ) le couple de variables aléatoires dont les composantes sont X1 et X2 .
(i) La loi de X s’appelle la loi conjointe des lois X1 et X2 . Il s’agit de :
PX : X1 (Ω) × X2 (Ω) → [0, 1] ; (x1 , x2 ) 7→ P({X1 = x1 } ∩ {X2 = x2 })
(ii) Les lois de X1 et X2 s’appellent les lois marginales de la loi X.
Notation : Si A et B sont deux parties de X1 (Ω) et X2 (Ω) respectivement, on pourra noter (X1 ∈ A, X2 ∈ B)
l’événement (X ∈ A × B) qui est aussi (X1 ∈ A) ∩ (X2 ∈ B).
◦ Formule des lois marginales [9051]
Soient (Ω, P) un espace probabilisé fini et X = (X1 , X2 ) un couple de variables aléatoires sur Ω.
Les lois marginales de X1 et X2∑ peuvent être obtenues à partir de la loi conjointe de la façon
∑ suivante :
∀x1 ∈ X1 (Ω), P(X1 = x1 ) = P(X1 = x1 , X2 = x2 ) et ∀x2 ∈ X2 (Ω), P(X2 = x2 ) = P(X1 = x1 , X2 = x2 )
x2 ∈X2 (Ω) x1 ∈X1 (Ω)

Attention [9052] La connaissance des lois marginales ne suffit pas à déterminer la loi conjointe d’un couple de variables
aléatoires. Par exemple, on peut considérer le lancer de deux dés équilibrés.
On choisit l’univers Ω = [[ 1 , 6 ]] 2 , muni de la loi uniforme et on note X1 et X2 les variables aléatoires réelles qui
représentent les résultats de chaque dé. Pour tout (ω1 , ω2 ) ∈ Ω, X1 (ω1 ) = ω1 et X2 (ω2 ) = ω2 .
Pour tout x ∈ [[ 1 , 6 ]] , P(X1 = x) = P(X2 = x) = 16 , donc les lois de X1 et X2 sont identiques.
Cependant P(X1 = 3, X2 = 5) = 36 1
, alors que P(X1 = 3, X1 = 5) = 0.
Les couples (X1 , X1 ) et (X1 , X2 ) n’ont pas la même loi conjointe, alors que leurs lois marginales sont égales.
Généralisation [9053] Les résultats qui précèdent se généralisent à des n-uplets de variables aléatoires.
◦ Loi conditionnelle et lois marginales [9054] Soient (Ω, P) un∑ espace probabilisé fini et X = (X1 , X2 ) un couple de
variables aléatoires sur Ω. Alors : ∀x2 ∈ X2 (Ω), P(X2 = x2 ) = x1 ∈X1 (Ω) P(X2 = x2 | X1 = x1 )P(X1 = x1 )
 Chapitre IX. Probabilités 123

3◦) Variables aléatoires indépendantes

a. Couples de variables aléatoires indépendantes
Deux variables aléatoires indépendantes [9055] Soient (Ω, P) un espace probabilisé fini et X = (X1 , X2 ) un couple
de variables aléatoires sur Ω. On dit que X1 et X2 sont des variables aléatoires indépendantes lorsque :
∀(x1 , x2 ) ∈ X1 (Ω) × X2 (Ω), P(X1 = x1 , X2 = x2 ) = P(X1 = x1 )P(X2 = x2 )
Notation : X1 ⊥ ⊥X2
Extension [9056] Soient (Ω, P) un espace probabilisé fini et X = (X1 , X2 ) un couple de variables aléatoires indépendantes
sur Ω. Alors pour toutes parties A ⊂ X1 (Ω) et B ⊂ X2 (Ω) : P(X1 ∈ A, X2 ∈ B) = P(X1 ∈ A)P(X2 ∈ B)
Loi conditionnelle et indépendance [9057]
Soient (Ω, P) un espace probabilisé fini et X = (X1 , X2 ) un couple de variables aléatoires indépendantes sur Ω. Alors,
pour tout x1 dans l’image presque sûre de X1 , la loi conditionnelle de X2 sachant (X1 = x1 ) est la loi de X2 .
Lemme des coalitions [9058] Soient (Ω, P) un espace probabilisé fini, X = (X1 , X2 ) un couple de variables aléatoires
indépendantes sur Ω et f et g deux applications définies respectivement sur X1 (Ω) et X2 (Ω), alors les variables
aléatoires f (X1 ) et g(X2 ) sont indépendantes.
b. Variables aléatoires mutuellement indépendantes
Variables aléatoires mutuellement indépendantes [9059]
Soient (Ω, P) un espace probabilisé fini et X1 , . . . , Xn des variables aléatoires sur Ω. On dit que ces variables aléatoires
sont mutuellement indépendantes ou simplement indépendantes lorsque : ∏n
∀(x1 , . . . , xn ) ∈ X1 (Ω) × · · · × Xn (Ω), P(X1 = x1 , . . . , Xn = xn ) = k=1 P(Xk = xk )
Modéliser des expériences aléatoires indépendantes [9060] Pour modéliser n expériences aléatoires indépendantes,
on peut utiliser une suite finie (Xk )k∈ [[ 1 , n ]] de variables aléatoires indépendantes.
Intersection et indépendance [9061] Soient (Ω, P) un espace probabilisé fini et X1 , . . . , Xn des variables aléatoires
mutuellement indépendantes sur Ω. Alors pour tout (A1 , . . . , An ) ∈ P(X1 (Ω)) × · · · × P∏ (Xn (Ω)), les événements
n
(Xk ∈ Ak )k∈ [[ 1 , n ]] sont mutuellement indépendants, et donc : P(X1 ∈ A1 , . . . , Xn ∈ An ) = k=1 P(Xk ∈ Ak )
Attention [9062] Si des variables aléatoires sont deux à deux indépendantes, on ne peut en déduire qu’elles soient
indépendantes. Par exemple, soient X1 et X2 deux variables aléatoires indépendantes de même loi U({−1, 1}). On
note X3 = X1 X2 . Il est facile de vérifier que ces trois variables aléatoires X1 , X2 et X3 sont indépendantes deux à
deux, mais ne sont pas mutuellement indépendantes.
Lemme des coalitions généralisé [9063] À toute coalition finie de familles finies de variables aléatoires indépendantes.

4◦) Des exemples incontournables

Loi uniforme [9064] Soient (Ω, P) un espace probabilisé fini et X une variable aléatoire sur Ω.
On dit que X suit la loi uniforme sur X(Ω) lorsque pour tout x ∈ X(Ω), P(X = x) = Card(X(Ω)) 1
.
On dit aussi que X est une variable uniforme sur X(Ω). Notation : X ∼ U(X(Ω))
Interprétation [9065] Cette loi peut modéliser les situations d’équiprobabilité d’événements élémentaires, comme un
lancer de dé équilibré.
◦ Loi de Bernoulli [9066] Soient (Ω, P) un espace probabilisé fini et X une variable aléatoire sur Ω.
On dit que X suit la loi de Bernoulli de paramètre p ∈ [0, 1] lorsque X(Ω) ⊂ {0, 1}, P(X = 1) = p et P(X = 0) = 1 − p.
On dit aussi que X est une variable de Bernoulli de paramètre p. Notation : X ∼ B(p)
◦ Un exemple remarquable [9067] Soient (Ω, P) un espace probabilisé fini et A un événement. Alors : 1A ∼ B(P(A))
Interprétation [9068] Cette loi peut modéliser les expériences dont l’issue est un succès selon la proportion p et un
échec selon la proportion 1 − p.
Produit de variables indépendantes de Bernoulli [9069]
Soient (Ω, P) un espace probabilisé fini et X1 . . . , Xn des variables aléatoires indépendantes sur Ω, suivant des lois de
Bernoulli de paramètres respectifs p1 , . . . , pn . Alors : X1 · · · Xn ∼ B(p1 . . . pn )
◦ Loi binomiale [9070] Soient (Ω, P) un espace probabilisé fini et X une variable aléatoire sur Ω.
On dit que X suit la loi binomiale de paramètres n ∈ N∗ et p ∈ [0, 1] lorsque :
X(Ω) = [[ 0 , n ]] et ∀k ∈ [[ 0 , n ]] , P(X = k) = ( nk )pk (1 − p)n−k
On dit aussi que X est une variable binomiale de paramètres n et p. Notation : X ∼ B(n, p)
Cas particulier [9071] Lorsque n = 1, alors : X ∼ B(p)
• Lien avec la loi de Bernoulli [9072] Soient (Ω, P) un espace probabilisé fini et X1 , . . . , Xn des variables aléatoires
sur Ω, mutuellement indépendantes et de même loi B(p). Alors : X1 + · · · + Xn ∼ B(n, p)
 124 Descartes — MP — CC BY-NC-SA 2023-2024

Interprétation [9073] La loi binomiale modélise en particulier le nombre de succès lors de la répétition de n expériences
de Bernoulli indépendantes, ou des tirages ordonnés avec remise dans un schéma d’urne :
Une urne contient b boules blanches et r boules rouges. On tire au hasard successivement et avec remise n boules de
l’urne. Si X désigne la variable aléatoire égale au nombre de boules blanches tirées, alors : X ∼ B(n, b+r
b
)
◦ HP Loi hypergéométrique [9074] Soient (Ω, P) un espace probabilisé fini, X une variable aléatoire sur Ω, et a, b, n ∈ N∗ .
a
On dit que X suit une loi hypergéométrique de paramètres a + b, n et a+b lorsque X(Ω) = [[ max(0, n − b) , min(n, a) ]]
(a b
k )( n−k )
et pour tout k ∈ [[ max(0, n − b) , min(n, a) ]] , P(X = k) = ( a+b
. Notation : X ∼ H (a + b, n, a+b
a
)
n )

Interprétation [9075] La loi hypergéométrique modélise des tirages sans remise dans un schéma d’urne :
Une urne contient b boules blanches et r boules rouges. On tire au hasard sans remise n boules de l’urne.
Si X désigne la variable aléatoire égale au nombre de boules blanches tirées, alors : X ∼ H (b + r, n, b+r
b
)

II Deux moments privilégiés

Dans toute cette partie, les variables aléatoires finies sont réelles.

1◦) Espérance
a. Une moyenne pondérée
Espérance [9076] Soient (Ω, P) un espace
∑ probabilisé fini et X une variable aléatoire sur Ω.
On appelle espérance de X le nombre x∈X(Ω) xP(X = x). Notation : E(X)
Interprétation [9077] L’espérance d’une variable aléatoire représente la moyenne pondérée par les probabilités de
survenue des valeurs prises par la variable aléatoire.
Retour aux événements élémentaires [9078]
∑
Soient (Ω, P) un espace probabilisé fini et X une variable aléatoire sur Ω. Alors : E(X) = ω∈Ω P({ω})X(ω)
Variable centrée [9079] Soit (Ω, P) un espace probabilisé fini. La variable aléatoire X est centrée lorsque E(X) = 0.
b. Des résultats sur l’espérance
Propriétés de l’espérance [9080]
Soient (Ω, P) un espace probabilisé fini, λ ∈ R et X1 , X2 deux variables aléatoires réelles sur Ω. Alors :
(i) E(X1 + λX2 ) = E(X1 ) + λE(X2 ) (linéarité) (ii) X1 ≥ 0 ⇒ E(X1 ) ≥ 0 (positivité)
(iii) X1 ≤ X2 ⇒ E(X1 ) ≤ E(X2 ) (croissance) (iv) |E(X1 )| ≤ E(|X1 |) (inégalité triangulaire)
Espérance et indépendance [9081]
Soient (Ω, P) un espace probabilisé fini, X1 , X2 deux variables aléatoires indépendantes sur Ω, f et g deux applications
réelles définies respectivement sur X1 (Ω) et X2 (Ω). Alors : E(f (X1 )g(X2 )) = E(f (X1 ))E(g(X2 ))
Attention [9082] La réciproque est fausse.
Formule du transfert [9083] Soient (Ω,∑ P) un espace probabilisé fini, X une variable aléatoire sur Ω et f une application
définie sur X(Ω). Alors E(f (X)) = x∈X(Ω) f (x)P(X = x), et donc l’espérance de f ◦ X est donnée par la loi de X.
Généralisations [9084] Les deux résultats précédents peuvent être généralisés à des n-listes de variables aléatoires.
• Espérances de lois usuelles [9085] Soient (Ω, P) un espace probabilisé fini et X une variable aléatoire sur Ω.
(i) Si X est constante sur Ω et vaut c ∈ R, alors E(X) = c. (ii) Si A ∈ P(Ω), alors E(1A ) = P(A).
(iii) Si p ∈ [0, 1] et X ∼ B(p), alors E(X) = p. (iv) Si n ∈ N∗ , p ∈ [0, 1] et X ∼ B(n, p), alors E(X) = np.
(v) Si a b, n ∈ N∗ et X ∼ H (a + b, n, a+ba
), alors E(X) = a+b
na
.
• Inégalité de Markov [9086]
Soient (Ω, P) un espace probabilisé fini, X une variable aléatoire positive sur Ω et a ∈ R∗+ . Alors : P(X ≥ a) ≤ E(X)
a
• Corollaire de l’inégalité de Markov [9087] Soient (Ω, P) un espace probabilisé fini, X une variable aléatoire sur Ω,
f une application croissante de X(Ω) à valeurs dans R∗+ et a ∈ R∗+ . Alors : P(X ≥ a) ≤ E(ff (a)
(X))

2◦) Variance et écart-type

Une forme bilinéaire symétrique positive [9088] Soit (Ω, P) un espace probabilisé fini.
(i) L’application (X1 , X2 ) 7→ E(X1 X2 ) est une forme bilinéaire symétrique positive sur l’espace des variables aléatoires.
De plus, si X est une variable aléatoire, alors E(X 2 ) = 0 si et seulement si X est nulle presque sûrement.
(ii) Pour toutes variables aléatoires X1 et X2 , E(X1 X2 )2 ≤ E(X12 )E(X22 ).
De plus, si E(X1 X2 )2 = E(X12 )E(X22 ), alors X1 et X2 sont presque sûrement proportionnelles.
 Chapitre IX. Probabilités 125

Dispersion [9089] Soient (Ω, P) un espace probabilisé fini et X une variable aléatoire sur Ω.
( )
(i) On appelle variance de X le nombre E (X − E(X))2 . Notation : V(X)
√
(ii) On appelle écart-type de X le nombre V(X). Notation : σ(X)
(iii) On dit que X est une réduite lorsque σ(X) = 1.
Interprétation [9090] La variance et l’écart-type d’une variable aléatoire mesurent la dispersion des valeurs de la
variable aléatoire par rapport à sa moyenne pondérée.
◦ Formule de Kőnig-Huyghens [9091] Soient (Ω, P) un espace probabilisé fini et X une variable aléatoire sur Ω.
Alors : V(X) = E(X 2 ) − E(X)2
Formule alternative [9092] Pour calculer la variance d’une variable aléatoire X, il est parfois commode d’utiliser la
formule suivante : V(X) = E(X(X − 1)) + E(X) − E(X)2
◦ Propriétés de la variance et de l’écart-type [9093]
Soient (Ω, P) un espace probabilisé fini, X1 , X2 deux variables aléatoires réelles sur Ω, et a, b ∈ R. Alors :
−E(X1 )
(i) V(aX1 + b) = a2 V(X1 ) (ii) σ(aX1 + b) = |a|σ(X1 ) (iii) Si σ(X1 ) ̸= 0, alors X1σ(X 1)
est centrée réduite.
(iv) La variance de X est nulle si et seulement si X est une constante presque sûrement.
◦ Variances de lois usuelles [9094] Soient (Ω, P) un espace probabilisé fini et X une variable aléatoire sur Ω.
(i) Si X est une variable aléatoire constante c ∈ R, alors V(X) = 0.
(ii) Si A ∈ P(Ω), alors V(1A ) = P(A)(1 − P(A)).
(iii) Si p ∈ [0, 1] et X ∼ B(p), alors V(X) = p(1 − p).
(iv) Si n ∈ N∗ , p ∈ [0, 1] et X ∼ B(n, p), alors V(X) = np(1 − p).
(v) Si a, b, n ∈ N∗ et X ∼ H (a + b, n, a+b
a nab(a+b−n)
), alors V(X) = (a+b) 2 (a+b−1) .

• Inégalité de Bienaymé-Tchebychev [9095]

Soient (Ω, P) un espace probabilisé fini, X une variable aléatoire réelle sur Ω et a ∈ R∗+ . Alors :
P (|X − E(X)| ≥ a) ≤ V(X)a2

3◦) Covariance
Corrélation [9096] Soient (Ω, P) un espace probabilisé fini, X1 et X2 deux variables aléatoires sur Ω.
⋄ On appelle covariance de X1 et X2 le nombre E ((X1 − E(X1 ))(X2 − E(X2 ))). Notation : Cov(X1 , X2 )
Si Cov(X1 , X2 ) = 0, on dit que X1 et X2 sont décorrélées.
HP ⋄ On suppose que X1 et X2 ont l’une et l’autre une variance non nulle.
On appelle coefficient de corrélation de X1 et X2 le nombre Cov(X 1 ,X2 )
σ(X1 )σ(X2 ) . Notation : ρ(X1 , X2 )
◦ Formule de Kőnig-Huyghens [9097] Soient (Ω, P) un espace probabilisé fini, X1 et X2 deux variables aléatoires sur Ω.
Alors : Cov(X1 , X2 ) = E(X1 X2 ) − E(X1 )E(X2 )
◦ Indépendance et corrélation [9098] Soit (Ω, P) un espace probabilisé fini. Si X1 et X2 sont deux variables aléatoires
indépendantes sur Ω, alors elles sont décorrélées.
◦ Propriétés de la covariance et du coefficient de corrélation [9099]
Soient (Ω, P) un espace probabilisé fini et X1 , X2 , X3 , X4 quatre variables aléatoires sur Ω. et a, b ∈ R. Alors :
(i) Cov(aX1 + X2 , bX3 + X4 ) = ab Cov(X1 , X3 ) + b Cov(X2 , X3 ) + a Cov(X1 , X4 ) + Cov(X2 , X4 ) (bilinéarité)
(ii) Cov(X1 , X2 ) = Cov(X2 , X1 ) (caractère symétrique) (iii) Cov(X1 , X1 ) = V(X1 ) ≥ 0 (positivité)
(iv) V(X1 + X2 ) = V(X1 ) + V(X2 ) + 2 Cov(X1 , X2 ) (identité remarquable)
(v) | Cov(X1 , X2 )| ≤ σ(X1 )σ(X2 ) ; donc si σ(X1 )σ(X2 ) ̸= 0, ρ(X1 , X2 ) ∈ [−1, 1].
(vi) On suppose σ(X1 )σ(X2 ) ̸= 0. Alors : | Cov(X1 , X2 )| = σ(X1 )σ(X2 ) ⇐⇒ ∃(a, b) ∈ R2 , X1 + aX2 = b p.s.
◦ Cas de variables aléatoires décorrélées [9100]
Soient (Ω, P) un espace∑nprobabilisé∑fini et X1 , . . . , Xn des variables aléatoires sur Ω. Si ces variables aléatoires sont
n
décorrélées, alors : V( k=1 Xk ) = k=1 V(Xk )
Attention [9101] Il n’y a aucune réciproque. Voici un contre-exemple :
On suppose que X suit la loi de Rademacher : P(X = 1) = P(X = −1) = 12 , qui est d’espérance nulle.
On note X1 une variable aléatoire discrète indépendante de X et X2 = XX1 .
Par indépendance : Cov(X1 , X2 ) = E(X1 X2 ) − E(X1 )E(X2 ) = E(X)V(X1 ) = 0
Cependant, en général, X1 et X2 n’ont aucune raison d’être indépendantes.
◦ Loi faible des grands nombres [9102] Soient (Ω, P) un espace probabilisé fini et (Xn )n∈N∗ une suite de variables
aléatoires Ω, deux à deux indépendantes
∑n et identiquement distribuées, c’est-à-dire de même loi.
On pose, pour tout n ∈ N∗ , X n = n1 k=1 Xk , m = E(X1 ) et σ = σ(X1 ).
( ) σ2
( ( ))
Soit ε > 0. Alors pour tout n ∈ N∗ , P X n − m ≥ ε ≤ nε 2 , et donc P X n − m ≥ ε n∈N∗ tend vers 0.
HP On dit que (X n )n∈N∗ converge en probabilité vers m.
 126 Descartes — MP — CC BY-NC-SA 2023-2024

C Probabilités sur un univers dénombrable

I Tribus et probabilités discrètes
1◦) Tribu
Sigma-algèbre [9103] Soit Ω un ensemble, fini ou non, nommé univers.
On appelle tribu ou σ-algèbre sur Ω toute partie A de P(Ω) vérifiant : ∪+∞
⋄ Ω ∈ A, ⋄ ∀A ∈ A , A = Ω \ A ∈ A et ⋄ ∀(An )n∈N ∈ A N , n=0 An ∈ A
Un élément de A est appelé un événement. Le couple (Ω, A ) est un espace probabilisable.
∩+∞
◦ Intersection dénombrable [9104] Soient Ω un univers et A une tribu sur Ω. Alors : ∀(An )n∈N ∈ A N , n=0 An ∈ A
Traduction avec des
∪+∞quantificateurs Soit (An )n∈N ∈
[9105] AN . Alors :
∩+∞
n=0 An = {ω ∈ Ω | ∃n ∈ N, ω ∈ An } et n=0 An = {ω ∈ Ω | ∀n ∈ N, ω ∈ An }
Vocabulaire usuel [9106] Soient Ω un univers, A une tribu sur Ω et A et B deux éléments de A .
⋄ Si un événement est un singleton, on dit qu’il s’agit d’un événement élémentaire.
⋄ L’événement Ω est appelé l’événement certain, et l’événement ∅, l’événement impossible.
⋄ L’ensemble Ω \ A est appelé l’événement contraire de A.
⋄ L’événement A ∩ B s’appelle l’événement “A et B” et l’événement A ∪ B, l’événement “A ou B”.
⋄ Les événements A et B sont des événements incompatibles lorsque l’événement “A et B” est impossible.
⋄ On appelle système complet d’événements toute partition de Ω.

2◦) Espace probabilisé

Probabilité [9107] Soient Ω un univers et A une tribu sur Ω.
Une probabilité sur (Ω, A ) est une application P de )A sur
( ∪+∞ ∑+∞[0, 1] vérifiant P(Ω) = 1 et, pour toute suite (An )n∈N
d’événements deux à deux incompatibles, P n=0 An = n=0 P(An ) (propriété de σ-additivité de la probabilité).
Le triplet (Ω, A , P) est un espace probabilisé.
Propriétés de la probabilité [9108] Soient (Ω, A , P) un espace probabilisé, et A et B deux événements. Alors :
(i) P(∅) = 0 (ii) A ⊂ B ⇒ P(A) ≤ P(B) (croissance de la probabilité)
(iii) P(Ω \ A) = 1 − P(A) (iv) P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
(v) P(A) = 1 ⇒ P(B ∩ A) = P(B)
Presque ! [9109] Soient (Ω, A , P) un espace probabilisé et A ∈ A .
⋄ Si P(A) = 1, alors A est un événement presque sûr ou un événement presque certain et Ω \ A est un événement
négligeable.
⋄ On appelle système quasi-complet d’événements toute partition d’un événement presque sûr.
• Continuités monotones et sous-additivité Soient (Ω, A , P) un espace probabilisé et (An )n∈N ∈ A N .
[9110]
( ∪+∞ )
(i) Si pour tout n ∈ N, An ⊂ An+1 , alors limn→∞ P(An ) = P n=0 An (continuité croissante de P).
( ∩+∞ )
(ii) Si pour tout n ∈ N, An+1 ⊂ An , alors limn→∞ P(An ) = P n=0 An (continuité décroissante de P).
( ∪n ) ( ∪+∞ ) ( ∩n ) ( ∩+∞ )
(iii) Même si (An )n∈N n’est pas monotone : lim P k=0 Ak = P n=0 An et lim P k=0 Ak = P n=0 An
n→∞ n→∞
∑ ( ∪+∞ ) ∑+∞
(iv) Si P(An ) converge, alors P n=0 An ≤ n=0 P(An ) (sous-additivité de P).
Union et intersection au plus dénombrables d’événements négligeables ou presque sûrs [9111]
Tout réunion (resp. intersection) finie ou dénombrable d’événements négligeables (resp. presque sûrs) est un événement
négligeable (resp. presque sûrs).

3◦) Espaces probabilisés discrets

◦ Distribution de probabilités discrètes [9112] Soit Ω un univers.
Une distribution de probabilités discrètes sur Ω est une famille d’éléments de R+ indexée par Ω et de somme 1.
Le support d’une distribution de probabilités discrètes (πω )ω∈Ω ∈ (R+ )Ω sur Ω est : {ω ∈ Ω | πω ̸= 0}
Le support d’une distribution de probabilités discrètes est au plus dénombrable.
• Espace probabilisé discret [9113] Soit Ω un ensemble. On pose A = P(Ω).
Soit π = (πω )ω∈Ω ∈ (R+ )Ω une distribution
∑ de probabilités discrètes sur Ω.
L’application P : P(Ω) → [0, 1] ; A 7→ ω∈A πω est la probabilité associée à la distribution de probabilités discrètes π.
On dit que (Ω, P(Ω), P) est un espace probabilisé discret.
◦ La situation usuelle [9114] Soit Ω un ensemble au plus dénombrable. Pour toute probabilité P sur (Ω, P(Ω)), il existe
une unique distribution π de probabilités discrètes sur Ω telle que P lui soit associée.
Chapitre IX. Probabilités 127

II Conditionnement et indépendance
1◦) Probabilités conditionnelles
a. Conditionnement
Probabilité conditionnellement à un événement [9115]
Soient (Ω, A, P) un espace probabilisé, et A et B deux événements tels que P(B) > 0.
On appelle probabilité conditionnelle de A sachant B le nombre P(A∩B)
P(B) . Notation : PB (A) ou P(A | B)
De plus, l’application PB est une probabilité sur (Ω, A ).
Interprétation [9116]
Une probabilité conditionnelle est donc une probabilité pour laquelle on a envisagé une restriction de l’univers aux
situations uniquement possibles, à partir du moment où une connaissance sur la situation envisagée est énoncée.
b. Formules classiques
Formule des probabilités composées [9117] Soient (Ω, A , P) un espace probabilisé et A1 , . . . , An des événements tels
( ∩n−1 ) ( ∩n ) ∏n ( ∩k−1 )
que P k=1 Ak > 0. Alors : P k=1 Ak = P(A1 ) k=2 P Ak | i=1 Ai
Formule des probabilités totales [9118]
Soient (Ω, A, P) un espace probabilisé
∑ et (An )n∈N un système complet ∑ ou quasi-complet d’événements.
∑+∞
+∞
Pour tout événement B, la série P(B ∩ An ) converge et P(B) = n=0 P(B ∩ An ) = n=0 P(B | An )P(An ), en
convenant que P(B | An )P(An ) = 0 lorsque P(An ) = 0.
Formule de Bayes [9119] Soient (Ω, A , P) un espace probabilisé, et A et B deux événements de probabilités non nulle.
| A)P(A)
Alors : P(A | B) = P (BP(B)
Formule de Bayes généralisée [9120] Soient (Ω, A , P) un espace probabilisé, (An )n∈N un système quasi-complet
P(B | A )P(Aj )
d’événements et B un événement de probabilité non nulle. Alors, pour tout j ∈ N : P(Aj | B) = ∑+∞ P(B j| A )P(A )
n=0 n n

2◦) Événements indépendants

a. Indépendance d’un couple d’événements
Indépendance de deux événements [9121] Soient (Ω, A , P) un espace probabilisé, et A et B deux événements. On dit
que A et B sont indépendants lorsque P(A ∩ B) = P(A)P(B).
Caractérisation [9122] Soient (Ω, A , P) un espace probabilisé, et A et B deux événements. On suppose que P(B) > 0.
Les événements A et B sont indépendants si et seulement si P(A | B) = P(A).
Indépendance et événements contraires [9123]
Soient (Ω, A, P) un espace probabilisé, et A et B deux événements indépendants. Alors A et B sont indépendants.
b. Indépendance mutuelle
Indépendance mutuelle [9124]
Soient (Ω, A, P) un espace probabilisé et (An )n∈N une suite finie ou dénombrable d’événements.
Les événements (An )n∈N sont dits mutuellement indépendants ou ∩msimplement∏dits indépendants lorsque pour tout
m
sous-ensemble de cardinal fini {Ai1 , . . . , Aim } de {An | n ∈ N}, P ( k=1 Aik ) = k=1 P(Aik ).
Affaiblissement [9125] Soient (Ω, A , P) un espace probabilisé et (An )n∈N une suite finie ou dénombrable d’événements.
Si ces événements sont indépendants, alors ils le sont deux à deux.
Attention [9126] La réciproque est fausse, cf. [9043].
 128 Descartes — MP — CC BY-NC-SA 2023-2024

D Variables aléatoires discrètes

I Lois discrètes
1◦) Variables aléatoires et lois
Variable aléatoire discrète [9127] Soient Ω un univers, A une tribu sur Ω. Une variable aléatoire discrète est une
application définie sur Ω telle que X(Ω) est au plus dénombrable, et que l’image réciproque de tout singleton de X(Ω)
appartient à A . Lorsque X(Ω) ⊂ R, la variable aléatoire est dite réelle.
ADMIS L’ensemble des variables aléatoires discrètes réelles est un espace-vectoriel.
◦ Événement antécédent d’une partie des résultats [9128] Soient (Ω, A ) un univers muni d’une tribu et X une variable
aléatoire discrète sur (Ω, A ). Pour toute partie U de X(Ω), X −1 (U ) est un événement.
Notation : Pour toute variable aléatoire discrète X sur un espace probabilisé (Ω, A , P), toute partie U de X(Ω) et
tout x ∈ X(Ω), l’événement X −1 (U ) = {ω ∈ Ω | X(ω) ∈ U } est noté {X ∈ U } ou encore (X ∈ U ), et l’événement
X −1 ({x}) est noté (X = x), et dans le cas où X(Ω) ⊂ R, (X ≤ x) désigne X −1 (] − ∞, x]).
On pourra donc considérer les probabilités P(X ∈ U ), P(X = x) et P(X ≤ x).
Conséquence de la sigma-additivité [9129]
Soient (Ω, A) un espace muni d’une tribu
∑ et X une variable aléatoire discrète sur (Ω, A ). ∑
Pour toute probabilité P sur (Ω, A ), x∈X(Ω) P(X = x) = 1 et, pour tout U ⊂ X(Ω), P(X ∈ U ) = x∈U P(X = x).
HP Image presque sûre [9130] Soient (Ω, A , P) un espace probabilisé et X une variable aléatoire discrète sur (Ω, A ).
On appelle image presque sûre de X l’ensemble {x ∈ X(Ω) | P(X = x) > 0}.
Loi d’une variable aléatoire [9131]
Soient (Ω, A , P) un espace probabilisé et X une variable aléatoire discrète sur (Ω, A ). On appelle loi de la variable
aléatoire X l’application PX : X(Ω) → [0, 1] ; x 7→ P(X = x). Notation : X ∼ Y lorsque PX = PY
La loi de X peut au besoin être définie sur un ensemble E contenant X(Ω), mais les éléments de E \ X(Ω) n’appar-
tiennent alors pas à l’image presque sûre de X.
( )
La probabilité PX est déterminée par la distribution de probabilités discrètes P(X = x) x∈X(Ω) .
Ainsi une loi ne dépend que de l’ensemble X(Ω) et des probabilités associées. C’est pourquoi la notation X ∼ Y ne
suppose pas que X et Y sont définis sur le même espace probabilisé.
Expression de la composition d’une loi [9132] Soient (Ω, A , P) un espace probabilisé, X une variable aléatoire discrète
sur (Ω, A ) et f une application définie sur X(Ω). Alors∑Y = f ◦ X est une variable
∑ aléatoire sur (Ω, A ).
La loi de Y est, pour tout y ∈ f ◦ X(Ω) : P(Y = y) = x∈X(Ω) P(X = x) = x∈X(Ω) 1f −1 ({y}) (x)P(X = x)
f (x)=y
Soient X1 et X2 deux variables aléatoires. Si X1 ∼ X2 , alors f (X1 ) ∼ f (X2 ).
Loi d’une variable aléatoire conditionnellement à un événement non négligeable [9133]
Soient (Ω, A , P) un espace probabilisé, X une variable aléatoire discrète sur (Ω, A ) et A un événement non négligeable.
On appelle loi conditionnelle de X sachant A la loi : X(Ω) → [0, 1] ; x 7→ P(X = x | A)

2◦) Couples de variables aléatoires

Couples, loi conjointe et lois marginales [9134]
Soient (Ω, A, P) un espace probabilisé et X1 et X2 deux variables aléatoires discrètes sur (Ω, A ).
On note alors X = (X1 , X2 ) le couple de variables aléatoires discrètes dont les composantes sont X1 et X2 .
(i) La loi de X s’appelle la loi conjointe des lois X1 et X2 . Il s’agit de :
PX : X1 (Ω) × X2 (Ω) → [0, 1] ; (x1 , x2 ) 7→ P({X1 = x1 } ∩ {X2 = x2 })
(ii) Les lois de X1 et X2 s’appellent les lois marginales de la loi X.
Notation : Si A ⊂ X1 (Ω) et B ⊂ X2 (Ω), alors (X1 ∈ A, X2 ∈ B) = (X ∈ A × B) = (X1 ∈ A) ∩ (X2 ∈ B).
Formule des lois marginales [9135]
Soient (Ω, A, P) un espace probabilisé et X = (X1 , X2 ) un couple de variables aléatoires discrètes sur (Ω, A ).
Les lois marginales de X1 et X2∑peuvent être obtenues à partir de la loi conjointe de la façon
∑ suivante :
∀x1 ∈ X1 (Ω), P(X1 = x1 ) = P(X1 = x1 , X2 = x2 ) et ∀x2 ∈ X2 (Ω), P(X2 = x2 ) = P(X1 = x1 , X2 = x2 )
x2 ∈X2 (Ω) x1 ∈X1 (Ω)

Attention [9136] La connaissance des lois marginales ne suffit pas à déterminer la loi conjointe d’un couple de variables
aléatoires, cf. [9052].

Généralisation [9137] Les résultats qui précèdent se généralisent à des n-uplets de variables aléatoires.
Loi conditionnelle et lois marginales [9138]
Soient (Ω, A, P) un espace probabilisé et X =∑
(X1 , X2 ) un couple de variables aléatoires discrètes sur (Ω, A ).
Alors, pour tout x2 ∈ X2 (Ω) : P(X2 = x2 ) = x1 ∈X1 (Ω) P(X2 = x2 | X1 = x1 )P(X1 = x1 )
 Chapitre IX. Probabilités 129

3◦) Variables aléatoires indépendantes

a. Couples de variables aléatoires indépendantes
Deux variables aléatoires indépendantes [9139] Soient (Ω, A , P) un espace probabilisé et X = (X1 , X2 ) un couple
de variables aléatoires discrètes sur (Ω, A ). On dit que X1 et X2 sont des variables aléatoires indépendantes lorsque :
∀(x1 , x2 ) ∈ X1 (Ω) × X2 (Ω), P(X1 = x1 , X2 = x2 ) = P(X1 = x1 )P(X2 = x2 )
Notation : X1 ⊥ ⊥X2
◦ Extension [9140] Soient (Ω, A , P) un espace probabilisé et X = (X1 , X2 ) un couple de variables aléatoires discrètes
indépendantes sur (Ω, A ). Alors : ∀(A, B) ∈ P(X1 (Ω)) × P(X2 (Ω)), P(X1 ∈ A, X2 ∈ B) = P(X1 ∈ A)P(X2 ∈ B)
Loi conditionnelle et indépendance [9141] Soient (Ω, A , P) un espace probabilisé et X = (X1 , X2 ) un couple de
variables aléatoires discrètes indépendantes sur (Ω, A ). Alors, pour tout x1 dans l’image presque sûre de X1 la loi
conditionnelle de X2 sachant (X1 = x1 ) est la loi de X2 .
• Lemme des coalitions [9142] Soient (Ω, A , P) un espace probabilisé, X = (X1 , X2 ) un couple de variables aléatoires
discrètes indépendantes sur (Ω, A ) et f et g deux applications définies respectivement sur X1 (Ω) et X2 (Ω), alors les
variables aléatoires f (X1 ) et g(X2 ) sont indépendantes.
◦ Variable aléatoire constante [9143] Soient (Ω, A ) un espace muni d’une tribu et X une variable aléatoire discrète
sur (Ω, A ). Alors toute variable aléatoire constante C et la variable aléatoire X sont indépendantes.
b. Variables aléatoires mutuellement indépendantes
Variables aléatoires mutuellement indépendantes [9144] Soient (Ω, A , P) un espace probabilisé et X1 , . . . , Xn des
variables aléatoires discrètes sur (Ω, A ). On dit que ces variables aléatoires sont mutuellement indépendantes ou sim-
plement indépendantes lorsque : ∏n
∀(x1 , . . . , xn ) ∈ X1 (Ω) × · · · × Xn (Ω), P(X1 = x1 , . . . , Xn = xn ) = k=1 P(Xk = xk )
Soit (Xn )n∈N une suite de variables aléatoires discrètes sur (Ω, A ). Ces variables aléatoires sont mutuellement indépen-
dantes lorsque toute sous famille finie de (Xn )n∈N est constituée de variables aléatoires mutuellement indépendantes.
Intersection et indépendance [9145] Soient (Ω, A , P) un espace probabilisé et X1 , . . . , Xn des variables aléatoires
discrètes sur (Ω, A ), mutuellement indépendantes.
Alors pour tout (A1 , . . . , An ) ∈ P(X1 (Ω)) × · · · × P∏ (Xn (Ω)), les événements (Xk ∈ Ak )k∈ [[ 1 , n ]] sont mutuellement
n
indépendants, et donc : P(X1 ∈ A1 , . . . , Xn ∈ An ) = k=1 P(Xk ∈ Ak )
Attention [9146] Si des variables aléatoires discrètes sont deux à deux indépendantes, on ne peut en déduire qu’elles
soient indépendantes, cf. [9062].
Lemme des coalitions généralisé [9147] À toute coalition finie de familles finies de variables aléatoires indépendantes.
ADMIS Suite de lois discrètes [9148]
Pour toute suite (Pn )n∈N de lois discrètes, il existe un espace probabilisé (Ω, A , P) et une suite (Xn )n∈N de variables
aléatoires indépendantes sur (Ω, A , P) tels que : ∀n ∈ N, Xn ∼ Pn
Modéliser des expériences aléatoires indépendantes [9149] Par une suite (Xn ) de variables aléatoires indépendantes.
Processus de Bernoulli [9150] On modélise la répétition, dans les mêmes conditions, d’une même expérience au cours
de laquelle un événement donné a une probabilité p d’être réalisé par une suite (Xn )n∈N∗ de variables aléatoires de
Bernoulli mutuellement indépendantes, de même paramètre p.
Pour tout n ∈ N∗ , on dit que (Xn = 1) est un succès de l’expérience numéro n et (Xn = 0) est un échec.
L’ensemble des valeurs prises par X = (Xn )n∈N est {0, 1}N , non dénombrable, et pour tout u ∈ {0, 1}N , P(X = u) = 0.

4◦) Des exemples incontournables

◦ Loi géométrique [9151] Soient (Ω, A , P) un espace probabilisé, X une variable aléatoire sur (Ω, A ) et p ∈]0, 1].
On dit que X suit une loi géométrique de paramètre p lorsque : X(Ω) = N∗ et ∀n ∈ N∗ , P(X = n) = p(1 − p)n−1
On dit aussi que X est une variable géométrique de paramètre p. Notation : X ∼ G(p)
• Interprétation [9152] Soient (Ω, A , P) un espace probabilisé, p ∈]0, 1] et (Xn )n∈N∗ une suite de variables aléatoires
sur (Ω, A ), indépendantes et de même loi B(p), modélisant une suite d’expériences identiques.
Alors la variable aléatoire réelle discrète égale au rang du premier succès suit la loi G(p).
◦ HP Loi de Pascal [9153] Soient (Ω, A , P) un espace probabilisé, X une variable aléatoire sur (Ω, A ), r ∈ N∗ et p ∈]0, 1].
On dit que X suit une loi de Pascal de paramètres r et p lorsque :
X(Ω) = N \ [[ 0 , r − 1 ]] et ∀n ∈ N \ [[ 0 , r − 1 ]] , P(X = n) = ( n−1
r−1 )p (1 − p)
r n−r

On dit aussi que X est une variable de Pascal de paramètres r et p. Notation : X ∼ G(r, p)
Cas particulier [9154] Lorsque r = 1, alors : X ∼ G(p)
◦ HP Interprétation [9155] Soient (Ω, A , P) un espace probabilisé, p ∈]0, 1] et (Xn )n∈N∗ une suite de variables aléatoires sur
(Ω, A ), indépendantes et de même loi B(p), modélisant une suite d’expériences identiques. Alors la variable aléatoire
réelle discrète égale au nombre d’expériences nécessaires pour obtenir exactement r succès suit la loi G(r, p).
 130 Descartes — MP — CC BY-NC-SA 2023-2024

◦ HP Lien avec la loi géométrique [9156] Soient (Ω, A , P) un espace probabilisé, p ∈]0, 1] et X1 , . . . , Xr des variables
aléatoires sur (Ω, A ), mutuellement indépendantes et de même loi G(p). Alors : X1 + · · · + Xr ∼ G(r, p)
◦ Loi de Poisson [9157] Soient (Ω, A , P) un espace probabilisé, X une variable aléatoire sur (Ω, A ) et λ ∈ R∗+ .
n
On dit que X suit une loi de Poisson de paramètre λ lorsque X(Ω) = N et pour tout n ∈ N, P(X = n) = e−λ λn ! .
On dit aussi que X est une variable de Poisson de paramètre λ. Notation : X ∼ P(λ)
◦ HP Approximation de la loi binomiale par la loi de Poisson [9158]
Soient (Ω, A , P) un espace probabilisé et (Xn )n∈N une suite de variables aléatoires sur (Ω, A ), telle que pour tout n ∈ N,
k
Xn ∼ B(n, pn ). On suppose que limn→+∞ npn = λ ∈ R∗+ . Alors, pour tout k ∈ N : limn→+∞ P(Xn = k) = e−λ λk !
On dit que (Xn )n∈N converge en loi.
Interprétation [9159] La loi de Poisson estime le nombre d’événements se produisant dans un laps de temps fixé,
si ces événements se produisent avec une fréquence moyenne connue λ et indépendamment du temps écoulé depuis
l’évènement précédent. C’est la loi des petites probabilités ou loi des événements rares (c’est-à-dire des événements
avec une probabilité faible), dans un intervalle de temps donné.

II Moments d’ordre un et deux

Dans toute cette partie, les variables aléatoires discrètes sont numériques, c’est-à-dire réelles ou complexes.

1◦) Espérance
a. Moment d’ordre un
Cas positif [9160] Soient (Ω, A , P) un ∑
espace probabilisé et X une variable aléatoire discrète à valeurs dans [0, +∞].
On appelle espérance de X la somme x∈X(Ω) xP(X = x). Notation : E(X)
Par convention, xP(X = x) = 0 lorsque x = +∞ et P(X = +∞) = 0.
Variable aléatoire d’espérance finie [9161] Soient (Ω, A , P) un espace probabilisé et X une variable
( aléatoire
) discrète
numérique sur (Ω, A ) est dite d’espérance finie (ou admet un moment d’ordre un) lorsque xP(X = x) x∈X(Ω) est
sommable. Dans ce cas, la somme de cette famille est l’espérance de X. Notation : X ∈ L1
On dit que X est centrée lorsque E(X) = 0.
b. Des résultats sur l’espérance
◦ Théorème de majoration [9162] Soient (Ω, A , P) un espace probabilisé, X1 et X2 deux variables aléatoires discrètes
numériques sur (Ω, A ). Si |X1 | ≤ |X2 | et X2 est d’espérance finie, alors X1 aussi.
Espérance d’une variable aléatoire entière [9163] Soient ∑+∞(Ω, A , P) un espace probabilisé et X une variable aléatoire
•
sur (Ω, A ), à valeurs dans N ∪ {+∞}. Alors : E(X) = n=1 P(X ≥ n)
◦ Propriétés de l’espérance [9164] Soient (Ω, A , P) un espace probabilisé, λ ∈ R et X1 , X2 deux variables aléatoires
réelles discrètes sur (Ω, A ), d’espérance finie. Alors X1 + λX2 est d’espérance finie et :
(i) E(X1 + λX2 ) = E(X1 ) + λE(X2 ) (linéarité) (ii) |E(X1 )| ≤ E(|X1 |) (inégalité triangulaire)
(iii) X1 ≥ 0 ⇒ E(X1 ) ≥ 0 (positivité) (iv) X1 ≤ X2 ⇒ E(X1 ) ≤ E(X2 ) (croissance)
(v) X1 ≥ 0 et E(X1 ) = 0 ⇒ P(X1 = 0) = 1 (séparation presque sûre)
◦ Espérance et indépendance [9165] Soient (Ω, A , P) un espace probabilisé, X1 et X2 deux variables aléatoires réelles
discrètes indépendantes sur (Ω, A ), d’espérance finie. Alors X1 X2 est d’espérance finie et E(X1 X2 ) = E(X1 )E(X2 ).
Corollaire [9166] Soient (Ω, A , P) un espace probabilisé, X1 et X2 deux variables aléatoires discrètes indépendantes
sur (Ω, A), f et g deux applications réelles définies respectivement sur X1 (Ω) et X2 (Ω) et telles que f (X1 ) et g(X2 )
sont d’espérance finie. Alors (f ◦ X1 )(g ◦ X2 ) est d’espérance finie et : E(f (X1 )g(X2 )) = E(f (X1 ))E(g(X2 ))
Attention [9167] La réciproque est fausse.
• Formule du transfert [9168]
Soient (Ω, A, P) un espace probabilisé, X une variable aléatoire
( ) (Ω, A ) et f une application définie
discrète sur
sur X(Ω). Alors f (X) est d’espérance finie si et seulement si f (x)P(X = x) x∈X(Ω) est sommable.
∑
Dans ce cas, E(f (X)) = x∈X(Ω) f (x)P(X = x), et donc l’espérance de f ◦ X est donnée par la loi de X.
Généralisations [9169] Les deux résultats précédents peuvent être généralisés à des n-listes de variables aléatoires.
• Espérances de lois usuelles [9170]
(i) X ∼ G(p) ⇒ E(X) = 1
p (ii) X ∼ G(r, p) ⇒ E(X) = pr (iii) X ∼ P(λ) ⇒ E(X) = λ
Inégalité de Markov [9171] Soient (Ω, A , P) un espace probabilisé, X une variable aléatoire réelle discrète positive
sur (Ω, A ), admettant un moment d’ordre un et a ∈ R∗+ . Alors : P(X ≥ a) ≤ E(X)
a
Corollaire de l’inégalité de Markov [9172] Soient (Ω, A , P) un espace probabilisé, X une variable aléatoire réelle
discrète sur (Ω, A ), f une application croissante de X(Ω) à valeurs dans R∗+ et a ∈ R∗+ .
Si f ◦ X est d’espérance finie, alors : P(X ≥ a) ≤ E(ff (a)
(X))
 Chapitre IX. Probabilités 131

2◦) Variance et écart type

◦ Moment d’ordre deux [9173] Soient (Ω, A , P) un espace probabilisé et X une variable aléatoire discrète sur (Ω, A ).
Si X 2 ∈ L1 , c’est-à-dire X admet un moment d’ordre deux, alors X ∈ L1 . Notation : X ∈ L2
◦ Une forme bilinéaire symétrique positive [9174] Soit (Ω, A , P) un espace probabilisé.
(i) Soient X1 , X2 ∈ L . Alors X1 X2 admet un moment d’ordre un.
2

(ii) L’ensemble L2 est un espace vectoriel.

(iii) L’application L2 × L2 → R ; (X1 , X2 ) 7→ E(X1 X2 ) est une forme bilinéaire symétrique positive.
De plus, si X ∈ L2 , alors E(X 2 ) = 0 si et seulement si X = 0 presque sûrement.
(iv) Pour tous X1 , X2 ∈ L2 , E(X1 X2 )2 ≤ E(X12 )E(X22 ) (inégalité de Cauchy-Schwarz).
De plus, si E(X1 X2 )2 = E(X12 )E(X22 ), alors X1 et X2 sont presque sûrement proportionnelles.
Dispersion Soient (Ω, A, P) un espace probabilisé et X ∈ L2 .
[9175]
( )
(i) On appelle variance de X le nombre E (X − E(X))2 . Notation : V(X)
√
(ii) On appelle écart-type de X le nombre V(X). Notation : σ(X)
(iii) On dit que X est une réduite lorsque σ(X) = 1.
Interprétation [9176] La variance et l’écart-type d’une variable aléatoire mesurent la dispersion des valeurs de la
variable aléatoire par rapport à sa moyenne pondérée.
Formule de Kőnig-Huyghens [9177] Soient (Ω, A , P) un espace probabilisé et X ∈ L2 . Alors : V(X) = E(X 2 ) − E(X)2
Formule alternative [9178] Pour calculer la variance d’une variable aléatoire X, il est parfois commode d’utiliser la
formule suivante : V(X) = E(X(X − 1)) + E(X) − E(X)2
Propriétés de la variance et de l’écart-type [9179]
Soient (Ω, A, P) un espace probabilisé, X ∈ L2 , et a, b ∈ R. Alors :
−E(X1 )
(i) V(aX1 + b) = a2 V(X1 ) (ii) σ(aX1 + b) = |a|σ(X1 ) (iii) Si σ(X1 ) ̸= 0, alors X1σ(X 1)
est centrée réduite.
(iv) La variance de X est nulle si et seulement si X est une constante presque sûrement.
Inégalité de Bienaymé-Tchebychev [9180]
V(X)
Soient (Ω, A, P) un espace probabilisé, X ∈ L2 , et a ∈ R∗+ . Alors : P (|X − E(X)| ≥ a) ≤ a2

3◦) Covariance
Corrélation [9181] Soient (Ω, A, P) un espace probabilisé et X1 , X2 ∈ L2 .
⋄ On appelle covariance de X1 et X2 le nombre E ((X1 − E(X1 ))(X2 − E(X2 ))). Notation : Cov(X1 , X2 )
Si Cov(X1 , X2 ) = 0, on dit que X1 et X2 sont décorrélées.
HP ⋄ On suppose que X1 et X2 ont l’une et l’autre une variance non nulle.
On appelle coefficient de corrélation de X1 et X2 le nombre Cov(X 1 ,X2 )
σ(X1 )σ(X2 ) . Notation : ρ(X1 , X2 )

Formule de Kőnig-Huyghens [9182]

Soient (Ω, A, P) un espace probabilisé et X1 , X2 ∈ L2 . Alors : Cov(X1 , X2 ) = E(X1 X2 ) − E(X1 )E(X2 )
Indépendance et corrélation [9183] Soit (Ω, A , P) un espace probabilisé. Si X1 et X2 sont deux variables aléatoires
réelles discrètes indépendantes sur (Ω, A ), alors elles sont décorrélées.
Attention [9184] Il n’y a aucune réciproque. Cf. [9101].

Propriétés de la covariance et du coefficient de corrélation [9185]

Soient (Ω, A, P) un espace probabilisé, X1 , X2 , X3 , X4 ∈ L2 et a, b ∈ R. Alors :
(i) Cov(aX1 + X2 , bX3 + X4 ) = ab Cov(X1 , X3 ) + b Cov(X2 , X3 ) + a Cov(X1 , X4 ) + Cov(X2 , X4 ) (bilinéarité)
(ii) Cov(X1 , X2 ) = Cov(X2 , X1 ) (caractère symétrique)
(iii) Cov(X1 , X1 ) = V(X1 ) ≥ 0 (positivité)
(iv) V(X1 + X2 ) = V(X1 ) + V(X2 ) + 2 Cov(X1 , X2 ) (identité remarquable)
(v) | Cov(X1 , X2 )| ≤ σ(X1 )σ(X2 )
(vi) On suppose σ(X1 )σ(X2 ) ̸= 0. Alors : ρ(X1 , X2 ) ∈ [−1, 1]
(vii) On suppose σ(X1 )σ(X2 ) ̸= 0. Alors : | Cov(X1 , X2 )| = σ(X1 )σ(X2 ) ⇐⇒ ∃(a, b) ∈ R2 , X1 + aX2 = b p.s.
Variance de la somme de variables aléatoires décorrélées [9186]
Soient (Ω, A, P) un espace probabilisé et X1 , . . . , Xn ∑
∈ L2 . ∑n
n
Si ces variables aléatoires sont décorrélées, alors : V( k=1 Xk ) = k=1 V(Xk )
• Variances de lois usuelles [9187]
(i) X ∼ G(p) ⇒ V(X) = 1−p
p2 (ii) X ∼ G(r, p) ⇒ V(X) = r(1−p)
p2 (iii) X ∼ P(λ) ⇒ V(X) = λ
 132 Descartes — MP — CC BY-NC-SA 2023-2024

Loi faible des grands nombres [9188] Soient (Ω, A , P) un espace probabilisé et (Xn )n∈N∗ une suite de variables
aléatoires discrètes sur (Ω, A ), deux ∑
à deux indépendantes et de même loi admettant un moment d’ordre deux.
On pose, pour tout n ∈ N∗ , X n = n1 k=1 Xk , m = E(X1 ) et σ = σ(X1 ).
n
( ) σ2
( ( ))
Soit ε > 0. Alors pour tout n ∈ N∗ , P X n − m ≥ ε ≤ nε 2 , et donc P X n − m ≥ ε n∈N∗ tend vers 0.
HP On dit que (X n )n∈N∗ converge en probabilité vers m.

III Séries génératrices

1◦) Fonctions génératrices d’une variable aléatoire à valeurs entières
◦ Une série entière particulière [9189] Soient (Ω, A , P) un espace probabilisé et X une ∑
variable aléatoire sur (Ω, A ),
à valeurs dans N. On appelle fonction génératrice de X la somme de la série entière P(X = n)tn , de rayon de
convergence au moins 1, avec convergence normale sur [−1, 1] et continuité de la somme sur [−1, 1].
C’est aussi t 7→ E(tX ). Notation : GX On constate que GX (1) = 1
◦ Caractérisation de la loi d’une variable aléatoire par sa fonction génératrice [9190]
Soient (Ω, A, P) un espace probabilisé et X une variable aléatoire sur (Ω, A ), à valeurs dans N. Alors :
(i) La fonction génératrice GX est de classe C∞ sur ] − 1, 1[ et la dérivée d’ordre n ∈ N∗ de GX est :
(n) ∑+∞ ( )
GX : t 7→ k=n k(k − 1) · · · (k − n + 1)P(X = k)tk−n , qui est aussi t 7→ E X(X − 1) · · · (X − n + 1)tX−n
(n)
G (0)
(ii) Pour tout n ∈ N, P(X = n) = Xn ! . La fonction génératrice de X caractérise donc la loi de X.
(iii) En pratique, on pourra utiliser le fait que pour toute suite (πn )n∈N ∈ (R+ )N sommable
∑+∞ de somme 1, il existe un
espace probabilisé et une variable aléatoire X à valeurs dans N telle que GX : t 7→ n=0 πn tn .
◦ Indépendance et séries génératrices [9191] Soient (Ω, A , P) un espace probabilisé et X1 , X2 deux variables aléatoires
indépendantes sur (Ω, A ), à valeurs dans N. Alors pour tout t ∈ [−1, 1] : GX1 +X2 (t) = GX1 (t)GX2 (t)
Ce résultat se généralise à une somme finie de variables aléatoires indépendantes.
◦ Espérance et série génératrice [9192]
Soient (Ω, A, P) un espace probabilisé et X une variable aléatoire sur (Ω, A ), à valeurs dans N.
Alors la variable aléatoire X ∈ L1 si et seulement GX est dérivable en 1. Dans ce cas : E(X) = G′X (1)
Calcul de la variance [9193] Soient (Ω, A , P) un espace probabilisé et X ∈ L2 .
Alors : E(X(X − 1)) = G′′X (1) et V(X) = G′′X (1) + G′X (1) − G′X (1)2

2◦) Fonctions génératrices des lois usuelles et conséquences

• Fonctions génératrices de lois usuelles [9194]
(i) X ∼ B(p) ⇔ GX : t 7→ pt + (1 − p) (ii) X ∼ B(n, p) ⇔ GX : t 7→ (pt + 1 − p)n
(iii) X ∼ G(p) ⇔ GX : t 7→ 1−(1−p)t
pt
(iv) X ∼ P(λ) ⇔ GX : t →7 eλ(t−1)
(pt)r
(v) X ∼ G(r, p) ⇔ GX : t 7→ (1−(1−p)t)r
◦ Somme de variables aléatoires de lois binomiales indépendantes de paramètre p [9195]
Si X1 ∼ B(n1 , p) et X2 ∼ B(n2 , p) sont indépendantes, alors : X1 + X2 ∼ B(n1 + n2 , p)
◦ Somme de variables aléatoires de lois de Poisson indépendantes [9196]
Si X1 ∼ P(λ1 ) et X2 ∼ P(λ2 ) sont indépendantes, alors : X1 + X2 ∼ P(λ1 + λ2 )
Index alphabétique 133

σ-additivité [9107] arrangement [9001] [9008] chemin [5172]

σ-algèbre [9103] arrangement avec répétitions [9004] chemin continu [5143]
absolue homogénéité [5001] arrangement sans répétition [9008] chiffres [1078]
addition [1211] assertion [1001] classe C1 [4204] [5163] [8073]
addition terme à terme [2007] associative [1026] classe C∞ [4209] [5166] [8090]
additivité [9028] associativité [1010] classe Ck [4209] [5166] [5172] [8090]
adhérence de [1172] [5058] asymptote horizontale [4263] classe d’équivalence [1023]
adhérent à [5058] asymptote oblique [4263] coefficient de corrélation [9096] [9181]
adjoint [3052] asymptote verticale [4263] coefficient dominant [1208]
adjonction [3053] asymptotiquement bornée [5018] cofacteur [2249]
affixe [1181] au plus dénombrable [6028] colinéaires [2010]
aire algébrique [7013] automorphisme [2033] comatrice [2254]
algorithme d’Euclide étendu [1101] automorphisme d’algèbres [1073] combinaison [9001] [9012]
[1249] automorphisme de groupe [1038] combinaison avec répétitions [9017]
algèbre [1071] automorphisme orthogonal [3058] combinaison linéaire [2009]
algèbre commutative [1071] avec répétitions (éventuelles) [9001] combinaison sans répétition [9012]
algébriquement clos [1265] axe orienté [3093] commutatif [1049]
analyse [1011] axiome [1001] commutative [1026]
ancienne base [2183] base [1078] commutativité [1010]
angle [1207] base adaptée au drapeau [2118] compacte [5068]
angle orienté [3085] [3093] base adaptée au sous-espace vecto- comparables [1024]
anneau [1049] riel [2112] comparaison [6043]
anneau intègre [1054] base adaptée à la décomposition en compatible [2222]
anneau produit [1050] supplémentaires [2112] [2115]
complémentaire [1009]
antirotation [3093] base canonique [2100] [2101] [2104]
composante de l’identité [8050]
antisymétrie [3092] [2129] [4291]
composantes [2013] [5033] [5080]
antisymétrie du déterminant [2229] base produit [2098]
composantes connexes par arcs
antisymétrique [1022] bases directes [3076]
[5143]
antécédent [1013] bases indirectes [3076]
composée de [1015]
application [1013] bijective [1015]
concave [4111]
application bilinéaire [2034] bilinéaire [3001]
condition des angles aigus [3037]
application différentielle [8059] bilinéarité [3092] [9099] [9185]
congru [1123] [1158]
application induite [1021] bipoints [2074]
conjugué [1177]
application linéaire [2033] bipyramide carrée [5015]
connexe par arcs [5143]
application linéaire canoniquement borne inférieure [1139] [4093]
conserve la norme [3058]
associée à [2201] borne supérieure [1139] [4093]
conserve le produit scalaire [3058]
application linéaire tangente [8057] bornée [1139] [1171] [4005] [4077] [4088]
continue en [4157] [4190] [5111]
application lipschitzienne [4115] [4182] [5011] [5018] [5081]
[5127] boule fermée [5009] continue par morceaux sur [7002]
application partielle [8040] boule ouverte [5009] continue sur [4164] [4190] [5111]
application réciproque [1015] branche infinie [4263] continue à droite [4162]
application uniformément continue branche infinie de direction asymp- continue à gauche [4162]
[4169] [5125] totique oblique [4263] continuité croissante [9110]
applications composantes [8039] branche parabolique de direction continuité décroissante [9110]
applications coordonnées [8039] asymptotique horizontale [4263] continûment différentiable [8073]
applications polynomiales sur Kn branche parabolique de direction contractante sur [4118]
[4291] asymptotique oblique [4263] contradiction [1007]
approche uniformément [7005] [7008] branche parabolique de direction converge [4011] [4079] [4125] [4184] [5022]
arc [5172] asymptotique verticale [4263] [5087] [5089] [6001]

arc continu [5143] capitaine [9014] converge absolument [6012]

arc tracé sur [8080] caractère alterné [3092] converge absolument sur [6114]
argument [1193] caractère défini [5001] converge en loi [9158]
argument cosinus hyperbolique cardinal [1080] converge en probabilité [9102] [9188]
[4325] centre [1207] [5009] [5009] [5009] converge normalement sur [6120]
argument sinus hyperbolique [4321] centrée [9079] [9161] converge simplement absolument
argument tangente hyperbolique cercle d’incertitude [6066] sur [6114]
[4330] champs scalaires [8039] converge simplement sur [6083] [6113]
134 Descartes — MP — CC BY-NC-SA 2023-2024

converge uniformément sur [6085] diverge [4127] [5090] [6001] entiers naturels [1074]
[6116] diverge grossièrement [6003] espace vectoriel euclidien [3041]
convergence absolue [6076] divergente [4013] [5022] [7038] espace dual [2036]
convergente [4011] [4079] [7038] [7041] dividende [1091] espace probabilisable [9103]
convexe [1165] [4111] divise [1056] [1088] [1217] espace probabilisé [9107]
coordonnées [2013] [5033] [5080] diviseur [1088] [1091] [1217] espace probabilisé discret [9113]
coplanaires [2010] diviseur de zéro [1054] espace probabilisé fini [9028]
corde [4112] division euclidienne [1091] [1219] espace préhilbertien réel [3001]
corestriction [1021] domination [7073] [7076] [7081] [7082] espace vectoriel [2002]
corollaire [1001] [7085] espace vectoriel normé [5001]
corps [1053] domination locale [7083] [7086] [7088] espérance [9076] [9160] [9161]
corps des fractions rationnelles dominée par [4056] [4149] espérance finie [9161]
[1216] double produit vectoriel [3092] exponentielle complexe [1196]
cosinus hyperbolique [4317] drapeau [2118] exponentielle de base e [4302]
couple de variables aléatoires [9050] droite numérique achevée [1174] exponentielle de base a [4306]
couple de variables aléatoires dis- droite vectorielle [2092] exponentielle de l’endomorphisme
crètes [9134] droites affines sécantes [2258] [6077]
courbe [5172] décimaux [1075] exponentielle de la matrice [6077]
courbes coordonnées [8084] décomposition en produit de fac- expression analytique [2095]
covariance [9096] [9181] teurs premiers [1118]
expérience aléatoire finie [9027]
croissance [7015] [7043] [9031] [9080] décorrélées [9096] [9181]
extractrice [4021]
[9108] [9164] décroissante [4106]
croissante [4106] extremum global [4095]
définie [3001]
cycle [1043] extremum local [4096]
définition [1001]
cyclique [1036] factorisation de Gauss [8097]
démontrer [1001]
cône [2001] faisceau de droites de sommet [2259]
dénombrable [6027]
de carré intégrable sur [7063] faisceau de plans d’arête [2261]
dérivable [4194] [5149]
degré [1208] dérivable à droite [4194] [5149] famille de projecteurs [2058]
degrés échelonnés [2011] dérivable à gauche [4194] [5149] famille génératrice [2009]
demi-tour [3094] dérivée [5149] famille génératrice minimale [2015]
dense [1168] [5058] dérivée partielle [8052] famille libre maximale [2015]
diagonalisable [2319] [2326] dérivée selon le vecteur [8052] fermé [5051]
dichotomie [4173] dérivées partielles d’ordre k [8089] fermé relatif [5066]
différence [1009] dérivées successives [4209] [5166] fonction conjuguée [4182]
différentiable [8056] déterminant [2234] [2236] fonction définie par une intégrale
différentielle [8057] développable en série entière [6146] dépendant de sa borne supérieure
dilatation [2012] [2161] [2220] [7027]
développement asymptotique [4259]
dimension [2091] [2119] développement limité d’ordre n au fonction dérivée [4204] [5163]
dimension finie [2083] [2119] voisinage de 0 [4238] fonction en escalier [4119] [4121]
direction [2077] développement limité d’ordre n au fonction génératrice [9189]
direction vectorielle [2258] [2260] voisinage de x0 [4254] fonction indicatrice [1019]
discriminant [1202] développement limité généralisé fonction polynomiale associée à
disjoints [1009] [4257] [1224]

disjonctions de cas [1007] endomorphisme [2033] fonction rationnelle [4279]

disposition [9001] endomorphisme auto-adjoint [3057] fonctions symétriques élémentaires
disque ouvert de convergence [6063] endomorphisme auto-adjoint défini [1244]

distance associée [5007] positif [3100] forme n-linéaire [2227]

distance de x à [3031] [5010] endomorphisme auto-adjoint posi- forme n-linéaire alternée [2227]
distribution de probabilités [9028] tif [3100] forme bilinéaire symétrique définie
distribution de probabilités dis- endomorphisme de groupe [1038] positive [3001]
crètes [9112] endomorphisme symétrique [3057] forme canonique d’une expression
distributive [1026] ensemble [9001] de degré 2 [1202]
distributive à droite [1026] ensemble fini [1080] forme linéaire [2033]
distributive à gauche [1026] ensemble d’arrivée [1013] forme linéaire coordonnée [8050]
distributivité [1010] ensemble de départ [1013] forme normalisée d’un développe-
distributivité du produit sur la dif- ensemble des résultats [9044] ment limité [4242]
férence [1059] ensemble des termes [4002] forme trigonométrique [1193]
Index alphabétique 135

formes coordonnées relativement à Interpolation de Lagrange [2105] loi binomiale [9070]

la base [2097] interprétation hyperplane [2219] loi conditionnelle [9049] [9133]
fractionnement de la base [2115] interprétation matricielle [2219] loi conjointe [9050] [9134]
frontière [5065] interprétation opérationnelle [2219] loi de Bernoulli [9066]
gradient [8062] interprétation vectorielle [2219] loi de composition interne [1026]
graphe de l’application [1013] intersection [1009] loi de Pascal [9153]
groupe [1031] intervalle ouvert de convergence loi de Poisson [9157]
groupe commutatif [1031] [6063] loi externe [1211]
groupe des nombres complexes de intervalles [1161] loi externe sur E à domaine d’opé-
module 1 [1185] intégrable sur [7046] rateurs K [2001]
groupe des unités [1052] intégrale [7010] [7012] [7021] loi externe terme à terme [2007]
groupe des éléments inversibles intégrale absolument convergente loi géométrique [9151]
[1052] sur [7046] loi hypergéométrique [9074]
groupe linéaire [2040] [2155] intégrale généralisée [7038] [7041] loi induite sur [1026]
groupe orthogonal d’ordre n [3067] intégrale orientée [7013] loi uniforme [9064]
groupe orthogonal de E [3059] intégrales partielles [7058] lois marginales [9050] [9134]
groupe produit [1032] intérieur de [1172] [5047] longueur [1043]
groupe spécial orthogonal d’ordre n intérieur à [5047] majorant [1139]
[3073] invariance par permutation [6040] majorée [1139] [4005] [4088]
groupe spécial orthogonal de E [6043] matrice antisymétrique [2152]
[3073] invariance par similitude [2198] [2240] matrice augmentée [2222]
groupe symétrique d’ordre n [1040] [2304] matrice carrée d’ordre n [2127]
génératrice [1036] [2009] inversibles [1052] matrice compagnon [2313] [2352]
hexaèdre régulier [5015] involution [1010] [1015] [2063] matrice de f dans les bases U et V
homothétie vectorielle [2050] inégalité de Cauchy-Schwarz [9174] [2170]
hyperplan affine [2077] inégalité de la moyenne [7015] matrice de Vandermonde [2252]
hyperplan vectoriel [2070] inégalité triangulaire [5001] [6042] matrice diagonale [2144]
hypothèse forte [1077] [7015] [7023] [7049] [9080] [9164] matrice extraite [2217]
hérédité [1076] irréductible [1105] [1253] [1260] matrice hessienne [8096]
idempotence [2056] isomorphisme [1057] [2033] matrice inversible [2154]
identiquement distribuées [9102] isomorphisme d’algèbres [1073] matrice jacobienne [8058]
identité de polarisation [3007] isomorphisme de groupes [1038] matrice ligne [2171]
identité du parallélogramme [3007] isométrie vectorielle [3058] matrice nulle [2133]
identité remarquable [3007] [9099] isométriques [5004] matrice orthogonale [3063]
[9185] issue [9027] matrice scalaire [2147]
idéal [1067] la période [4102] matrice symétrique [2152]
idéal annulateur [2272] lemme [1001] matrice triangulaire inférieure
idéal engendré par [1069] libre [2010] [2149]
image [1013] [2201] ligne de niveau [8081] matrice triangulaire supérieure
image de A par f [1013] limite [4029] [4125] [4127] [4184] [5087] [2149]
image presque sûre [9046] [9130] [5089] [5090] matrice à q lignes et p colonnes
image réciproque de B par f [1013] limite selon [5092] [2127]
impair [1208] limite suivant [5092] matrices orthogonales directes [3073]
impaire [4099] limite à droite [4131] [5093] matrices orthogonales droites [3073]
incluse [1009] limite à gauche [4131] [5093] matrices orthogonales gauches
incompatible [2080] [2222] limite épointée [4132] [5096] [3074]
inconnues [2218] linéairement indépendants [2010] matrices orthogonales indirectes
indicatrice d’Euler [1097] linéarité [4200] [6043] [7015] [7023] [7043] [3074]
indiscernables [9001] [9080] [9164] matrices orthogonales négatives
indéfiniment différentiable [8090] liste [9004] [3074]
indéfiniment dérivable [4209] [5166] liste d’éléments distincts [9008] matrices orthogonales positives
indépendantes [9055] [9059] [9139] liée [2010] [3073]
[9144] localement au voisinage d’un point matrices élémentaires [2129]
indépendants [9038] [9041] [9121] [9124] [4123] [5078] matrices équivalentes [2212]
indéterminée [1208] [1209] localiser [4071] maximum global [4095]
initialisation [1076] logarithme népérien [4292] maximum local [4096]
injective [1015] loi [9044] [9131] mineur [2249]
136 Descartes — MP — CC BY-NC-SA 2023-2024

minimum global [4095] ordre de multiplicité [2301] point col [8099]

minimum local [4096] orientation [3076] point critique [4205] [8085]
minorant [1139] oriente [3076] point d’inflexion [4237]
minorée [1139] [4005] [4088] origine [2076] [2119] point frontière [5065]
module [1182] orthogonal [3021] point multiple [5172]
moment d’ordre deux [9173] orthogonale [3016] point selle [8099]
moment d’ordre un [9161] orthogonaux [3014] [3023] [3025] point simple [5172]
monogène engendré par [1036] [2313] orthonormale [3018] point singulier [5172]
monotone [4106] orthonormée [3018] point stationnaire [4205] [5172] [8085]
monôme [1208] [4290] ouvert [5041] points critiques [4235]
morphisme [1028] ouvert relatif [5066] polynôme [1208]
morphisme d’algèbres [1073] pair [1208] polynôme annulateur [2271]
morphisme d’anneaux [1057] paire [4099] polynôme caractéristique [2301]
morphisme de corps [1057] par contraposition [1007] polynôme compagnon [2352]
morphisme de groupes [1038] par l’absurde [1007] polynôme composé [1222]
moyenne de Cesàro [6056] parallèle [2078] polynôme de l’endomorphisme [2263]
multiple [1088] [1217] parallèles [2078] polynôme de la matrice [2263]
multiplicateur de la similitude [1207] parallélisme [2258] [2260] polynôme dérivé [1228]
multiplication [1211] paramètre [5172] polynôme minimal [2273]
mutuellement indépendantes [9059] paramètres [2222] polynômes de Lagrange [2105]
[9144] paramétrisation [2258] [2260] [2262] positive [3001]
mutuellement indépendants [9041] partage en partition [9022] positive homogénéité [5001]
[9124] partie [1009] positivité [7015] [7043] [9080] [9099]
nilpotent [1054] partie convexe [5039] [9164] [9185]
nombre dérivé [4194] partie étoilée [5038] PPCM [1110] [1257]
nombre dérivé à droite [4194] partie complémentaire [4238] premier [1113]
nombre dérivé à gauche [4194] partie entière [1156] [1274] [4122] premier vecteur dérivé non nul
non ordonnée [9001] partie négative [1154] [5174]
normalisé [1208] partie polaire [1274] premiers dans leur ensemble [1108]
norme [1151] [5001] partie polaire relative au pôle [1276] [1255]
norme subordonnée [5133] partie positive [1154] premiers entre eux [1096] [1246]
norme d’algèbre [5136] partie régulière [4238] primitive [7024]
norme de l’approximation uniforme partiellement ordonné [1024] principal [1220] [1220]
[5084] parties réelles et imaginaires [1176] principales [2222]
norme de la convergence en [4080] [4182] probabilité [9028] [9107]
moyenne [6103] [7061] partition [1009] probabilité associée à la distribution
norme de la convergence en passage [2183] de probabilités discrètes [9113]
moyenne quadratique [6106] [7066] passage au complémentaire [1010] probabilité conditionnelle [9032]
norme euclidienne [3005] [5003] permutation [1015] [9010] [9115]
norme sous-multiplicative [5003] permutation paire [1048] probabilité uniforme [9030]
norme sup associée à la base [5016] permutation avec p1 , . . . , pk répéti- problème de Cauchy [8010] [8024]
normes équivalentes [5005] tions [9019] [8024] [8034]
notion asymptotique [4129] permutation circulaire [1043] procédé diagonal [4083] [5073]
notion locale [4129] [5092] permutation impaire [1048] produit cartésien [1009]
notions géométriques [2194] permutation sans répétition [9010] produit de Cauchy [1211] [6040] [6043]
nouvelle base [2183] perpendiculaires [3047] produit des matrices [2130]
noyau [1039] [2201] PGCD [1095] [1245] produit scalaire [3001]
négligeable devant [4058] [4150] pion [9014] produit scalaire canonique [3013]
octaèdre régulier [5015] pivot [2163] projecteur [2052]
opérations élémentaires [2012] [2161] plan complexe [1181] projecteur orthogonal [3028]
[2220] plan vectoriel [2092] prolongement [1021]
orbite [1036] plans affines sécants [2260] prolongement par continuité [4160]
orbites [1042] plus fine [4120] [5114]
ordonné [1024] plus grand élément [1139] proposition [1001]
ordonnée [9001] plus petit élément [1139] propriété [1001]
ordre [1031] [1037] [1043] point [2074] propriété de la borne supérieure
ordre de grandeur [4063] [4156] point adhérent [1172] [1143]
Index alphabétique 137

propriété locale [4165] [4211] segment [1162] support d’une permutation [1015]
prédécesseur [1074] semblables [2193] support de l’arc [5172]
puissance α [4311] semi-convergente [6014] support dénombrable [6036]
période [4102] signature [1048] support fini [1210]
périodique [4102] similitude directe [1207] surface définie par une paramétri-
quantificateur existentiel [1004] simplement scindé [1240] sation cartésienne [8083]
quantificateur universel [1004] sinus hyperbolique [4317] surface définie par une équation
quotient [1091] solution particulière [2080] cartésienne [8083]
raccorder [8022] solution sur I [8009] [8023] [8032] surjection canonique [1127]
racine [1232] solution sur I au problème de Cau- surjective [1015]
racine d’ordre p exactement [1234] chy en [8002] symétrie [9014]
racines n-ièmes de l’unité [1197] sommable [6034] [6041] [6042] symétrie orthogonale [3028]
rang [2108] [2120] [2201] [2223] sommation par paquets [6043] symétrie vectorielle [2059]
rang fini [2120] somme [2016] [2025] [6001] [6034] [6113] symétrique [1022] [3001] [4099] [9099]
rapport [1207] [2050] [4115] [5127] somme de Riemann d’ordre n à [9185]

rayon [5009] [5009] [5009] subdivision régulière [7019] [7022] symétrique réelle définie positive
rayon de convergence [6061] somme directe [2018] [2027] [3104]

recollement ensembliste des appli- sommes partielles [6001] symétrique réelle positive [3104]
cations [1021] sous-additivité [5001] [9110] symétrisable [1029]
recouvrement [1009] sous-algèbre [1071] synthèse [1011]
relation binaire [1022] sous-anneau [1049] système complet d’événements
relation d’ordre [1022] [4087] sous-ensemble [1009] [9027] [9106]

relation d’équivalence [1022] [2214] sous-espace affine [2077] système d’équations [2117]
[4061] [4153] sous-espace caractéristique [2340] système de Cramer [2225]
relation de Chasles [2076] [7015] [7023] sous-espace propre [2287] [2299] système différentiel homogène [8023]
relation de dépendance linéaire sous-espace vectoriel [2004] système différentiel linéaire [8023]
[2010] sous-espace vectoriel engendré [2009] système fondamental de solutions
relation de similitude [2193] sous-espaces vectoriels supplémen- [8012]
relations de comparaisons [5035] taires orthogonaux [3025] système homogène [2219]
rencontre [5058] sous-groupe [1031] système quasi-complet d’événe-
repère cartésien [2119] sous-groupe engendré [1036] ments [9109]
reste [1091] spectre [2283] [2299] systèmes équivalents [2221]
reste partiel [6005] sphère [5009] séparation [5001]
restes partiels [7058] stabilités [2005] séparation presque sûre [9164]
restriction [1021] stable par l’application [1021] série alternée [6008]
rotation vectorielle [3085] [3093] stable pour la loi [1026] [2001] série associée à la suite [6001]
règle des signes [1059] strictement concave [4111] série de Taylor [6144]
règle du damier [2250] strictement convexe [4111] série de terme général [6001]
règles de Bioche [7037] strictement croissante [4106] série entière [6060]
réalisation [9027] strictement décroissante [4106] série exponentielle [6046]
récurrence double [1077] strictement monotone [4106] série tronquée [6005]
récurrence tronquée [1077] subdivision de [a, b] subordonnée à tangente [5174]
réduite [9089] [9175] [4119] [7002] tangente hyperbolique [4317]
réelle [9044] [9127] substitution [1221] [2263] taux d’accroissement [4194]
réflexion [3062] successeur [1074] tend [5022]
réflexive [1022] succès [9150] terme général [4002]
régularité [4211] suite dérivée [6002] terme à terme [1032] [1050]
régulier [1030] [5172] suite extraite [4021] [5035] théorème [1001]
résolution d’un système linéaire suite presque nulle [1210] théorème de Fubini [6043]
[2218] suite réelle [4001] théorème de Fubini positif [6040]
résolution de l’équation différen- suite stationnaire [4009] totalement ordonné [1024]
tielle sur [8001] suite tronquée [4012] trace [2195] [2199]
sac [9001] suite à valeurs complexes [4077] trajectoire [5173]
sans répétition [9001] suites adjacentes [4046] transitive [1022]
scalaires [2002] supplémentaires [2021] [2032] translation de vecteur [2074]
scindé [1240] support d’une distribution de pro- transposition [1046] [2012] [2161] [2220]
secondaires [2222] babilités discrètes [9112] transposée [2137]
138 Descartes — MP — CC BY-NC-SA 2023-2024

transvection [2012] [2161] [2220] vecteur tangent [8080] équation différentielle linéaire [8023]
transvections par blocs [2162] vecteur vitesse [5173] équation différentielle linéaire du
triangle de Pascal [9014] vecteurs directeurs [2119] premier ordre sous forme résolue
tribu [9103] vecteurs directeurs du plan [2260] ou normalisée [8001]
trigonalisable [2334] [2341] vitesse [5173] équation différentielle linéaire du
tronquer un développement limité voisinage [4123] [5041] [5078] second ordre à coefficients conti-
[4240] voisinage relatif [5066] nus [8021]
union [1009] wronskien [8012] équation différentielle linéaire sca-
unitaire [1208] [3006] laire d’ordre 2 à coefficients
zéro [1232]
univers [9027] [9103] continus sous forme résolue ou
écart-type [9089] [9175]
normalisée [8009]
uplet [9004] échec [9150]
équation différentielle linéaire sca-
valeur absolue [1149] [4086] échelonnée par lignes [2163] laire d’ordre n à coefficients
valeur d’adhérence [4024] [5035] échelonnée réduite par lignes [2165] continus sous forme résolue ou
valeur décimale approchée [4053] écriture algébrique [1176] normalisée [8032]
valeur moyenne [7016] écriture de l’entier [1078] équation homogène associée [2080]
valeur propre [2281] [2299] écritures par blocs [2140] équation linéaire [2080]
valuation [1208] élément absorbant [1010] [1059] équations [2218]
valuation p-adique [1118] élément neutre [1010] [1026] équivalente à [4059] [4151]
variable aléatoire discrète [9127] éléments simples de première es- étude d’une suite [4064]
variable aléatoire finie [9044] pèce [1280] événement [9027] [9103]
variable binomiale [9070] éléments simples de seconde espèce événement “A et B” [9027] [9106]
variable de Bernoulli [9066] [1280] événement “A ou B” [9027] [9106]
variable de Pascal [9153] épigraphe [4112] événement certain [9027] [9106]
variable de Poisson [9157] équation [1012] [2258] [2260] événement contraire [9027] [9106]
variable géométrique [9151] équation homogène associée [8001] événement impossible [9027] [9106]
variable uniforme [9064] équation aux éléments propres [2281] événement négligeable [9109]
variance [9089] [9175] [2299] événement presque certain [9031]
vecteur [2074] équation caractéristique [2353] [4076] [9109]
vecteur accélération [5173] [8015] événement presque sûr [9031] [9109]
vecteur colonne [2178] équation de l’hyperplan [2097] événement élémentaire [9027] [9106]
vecteur directeur de la droite [2258] équation différentielle homogène événements incompatibles [9027]
vecteur propre [2281] [2299] [8009] [8023] [8032] [9106]