Lycée Lakanal, Sceaux Année 2024/25

Cours de mathématiques
MP

Alain TROESCH

Version du 18 mars 2025

 Table des matières

1 Suites numériques 7
I Topologie réelle et complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
I.1 Intervalles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
I.2 Voisinages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
II Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
II.1 Convergence, réexpression topologique . . . . . . . . . . . . . . . . . . . . . . . . . 9
II.2 Rappel des propriétés opératoires relatives à la convergence . . . . . . . . . . . . . 10
II.3 Comportement des limites vis-à-vis des inégalités . . . . . . . . . . . . . . . . . . . 11
II.4 Propriétés des suites monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
III Comparaisons asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
IV Suites récurrentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
IV.1 Suites récurrentes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
IV.2 Suites récurrentes linéaires perturbées . . . . . . . . . . . . . . . . . . . . . . . . . 16
IV.3 Suites récurrentes un`1 “ f pun q . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2 Cardinaux et dénombrabilité 21
I Rappels sur les cardinaux finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
I.1 Ensembles finis, cardinaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
I.2 Rappel des propriétés calculatoires sur les cardinaux . . . . . . . . . . . . . . . . . 22
I.3 Grands principes combinatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
II Dénombrabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
II.1 Cardinaux infinis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
II.2 Dénombrabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
II.3 Règles opératoires sur les ensembles dénombrables . . . . . . . . . . . . . . . . . . 27
II.4 Des ensembles infinis non dénombrables . . . . . . . . . . . . . . . . . . . . . . . . 28

3 Espaces vectoriels normés 31

I Normes sur un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
I.1 Définitions et propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . 31
I.2 Normes sur des espaces de dimension finie . . . . . . . . . . . . . . . . . . . . . . . 33
I.3 Normes sur des espaces de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . 34
I.4 Normes sur KrXs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
I.5 Normes sur Mn pKq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
I.6 Produits d’e.v.n. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
II Topologie d’un espace vectoriel normé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2 Table des matières

II.1 Distance et boules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

II.2 Ouverts, fermés, voisinages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
II.3 Intérieur, adhérence, frontière . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
II.4 Topologie relative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
III Convergences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
III.1 Suites convergentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
III.2 Caractérisations séquentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
IV Valeurs d’adhérence et compacité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
IV.1 Valeur d’adhérence d’une suite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
IV.2 Théorème de Bolzano-Weierstass sur R . . . . . . . . . . . . . . . . . . . . . . . . 50
IV.3 Sous-ensembles compacts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
V Comparaison de normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
V.1 Domination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
V.2 Normes équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
VI Espaces métriques (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4 Intégrales généralisées 57
I Intégrales sur un intervalle quelconque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
I.1 Intégrale généralisée sur un intervalle ra, br. . . . . . . . . . . . . . . . . . . . . . . 58
I.2 Intégrales de référence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
I.3 Théorèmes de comparaison pour les intégrales de fonctions positives . . . . . . . . 61
I.4 Extension aux intégrales sur un intervalle quelconque I . . . . . . . . . . . . . . . 63
I.5 Intégrabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
I.6 Bilan méthodologique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
II Méthodes calculatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
II.1 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
II.2 Intégration par parties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
III Études asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
III.1 Intégration des relations de comparaison . . . . . . . . . . . . . . . . . . . . . . . . 71
III.2 Théorème de convergence dominée . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

5 Fonctions continues sur un e.v.n. 73

I Limites dans un e.v.n. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
I.1 Limites finies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
I.2 Limites infinies lorsque F “ R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
I.3 Limite en l’infini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
I.4 Limites : point de vue topologique . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
I.5 Opérations sur les limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
I.6 Limites partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
II Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
II.1 Continuité en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
II.2 Opérations sur les fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . 82
II.3 Continuité uniforme, fonctions lipschitziennes . . . . . . . . . . . . . . . . . . . . . 82
II.4 Exemples importants de fonctions continues . . . . . . . . . . . . . . . . . . . . . . 83
II.5 Prolongements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
III Continuité et topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
III.1 Images réciproques d’ouverts et fermés . . . . . . . . . . . . . . . . . . . . . . . . . 85
III.2 Fonction continue sur compact . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
IV Connexité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
IV.1 Parties connexes par arcs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
IV.2 Image continue d’une partie connexe par arcs . . . . . . . . . . . . . . . . . . . . . 88
V Continuité des applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
Table des matières 3

VI E.v.n. de dimension finie, et conséquences sur la continuité . . . . . . . . . . . . . . . . . 90

VI.1 Équivalence des normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
VI.2 Conséquences topologiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
VI.3 Conséquences sur la continuité des applications linéaires . . . . . . . . . . . . . . . 92
VI.4 Applications polynomiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

6 Séries numériques et vectorielles 95

I Rappels et compléments sur les séries numériques . . . . . . . . . . . . . . . . . . . . . . . 95
I.1 Convergences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
I.2 Comparaisons séries-intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
I.3 Théorèmes de comparaison pour la convergence absolue . . . . . . . . . . . . . . . 98
I.4 Semi-convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
I.5 Techniques asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
II Séries dans un e.v.n. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
II.1 Définitions et propriétés générales . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
II.2 Séries à valeurs dans un e.v.n. de dimension finie . . . . . . . . . . . . . . . . . . . 103

7 Structures algébriques 105

I Groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
I.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
I.2 Sous-groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
I.3 Le groupe pZ{nZ, `q . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
I.4 Groupes monogènes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
I.5 Ordre d’un élement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
I.6 Un deuxième théorème de Lagrange, HP . . . . . . . . . . . . . . . . . . . . . . . . 111
II Anneaux et idéaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
II.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
II.2 Idéaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
II.3 Idéaux de Z et arithmétique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
III Anneau Z{nZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
III.1 Propriétés d’inversibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
III.2 Théorème chinois, et systèmes de congruences . . . . . . . . . . . . . . . . . . . . . 118
III.3 L’indicatrice d’Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
IV Arithmétique dans l’anneau KrXs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
IV.1 Idéaux de KrXs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
IV.2 Décomposition en facteurs irréductibles . . . . . . . . . . . . . . . . . . . . . . . . 121

8 Compléments d’algèbre linéaire 123

I Sommes directes et blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
I.1 Somme directe de n sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . 124
I.2 Détermination d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . 126
I.3 Calcul matriciel par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
I.4 Déterminants par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
II Algèbres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
II.1 Définitions générales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
II.2 Spécialisation d’un polynôme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
III Polynômes d’endomorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
III.1 Polynômes annulateurs et polynôme minimal . . . . . . . . . . . . . . . . . . . . . 136
III.2 Lemme de décomposition des noyaux . . . . . . . . . . . . . . . . . . . . . . . . . . 138
4 Table des matières

9 Réduction des endomorphismes 139

I Élements propres d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
I.1 Valeurs propres, vecteurs propres, sous-espaces propres . . . . . . . . . . . . . . . . 139
I.2 Éléments propres d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . 142
I.3 Polynôme caractéristique d’un endomorphisme en dimension finie . . . . . . . . . . 143
I.4 Recherche de valeurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
I.5 Multiplicité géométrique et algébrique d’une valeur propre . . . . . . . . . . . . . . 145
I.6 Théorème de Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
II Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
II.1 Diagonalisation d’un endomorphisme, point de vue géométrique . . . . . . . . . . . 147
II.2 Diagonalisation d’un endomorphisme, point de vue algébrique . . . . . . . . . . . . 148
II.3 Diagonalisation d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
III Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
III.1 Trigonalisabilité et caractérisations algébriques . . . . . . . . . . . . . . . . . . . . 150
III.2 Endomorphismes nilpotents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
III.3 Sous-espaces caractéristiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152

10 Suites et séries de fonctions 155

I Modes de convergences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
I.1 Convergence simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
I.2 Convergence uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
I.3 Convergence uniforme locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
II Régularité des limites de suites de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . 158
II.1 Continuité d’une limite uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
II.2 Double-limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
II.3 Interversion limite-intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
II.4 Dérivabilité et dérivée d’une limite uniforme . . . . . . . . . . . . . . . . . . . . . . 162
III Séries de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
III.1 Modes de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
III.2 Régularité et interversions sur des sommes uniformes . . . . . . . . . . . . . . . . . 165
III.3 Techniques asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
IV Approximations uniformes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
IV.1 Principes généraux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
IV.2 Approximations uniformes classiques . . . . . . . . . . . . . . . . . . . . . . . . . . 169

11 Intégrales à paramètres 171

I Suites et séries d’intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
I.1 Interversion limite/intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
I.2 Intégration terme à terme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
II Limite et continuité d’intégrales à paramètre dans un e.v.n. . . . . . . . . . . . . . . . . . 176
III Dérivation d’intégrales à paramètre réel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
IV La fonction Γ (HP mais classique) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179

12 Endomorphismes d’un espace euclidien 181

I Rappels sur les espaces euclidiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
I.1 Formes bilinéaires et produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . 181
I.2 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
I.3 Projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
I.4 Coordonnées en base orthonormale . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
I.5 Changements de base orthonormales, matrices orthogonales . . . . . . . . . . . . . 185
I.6 Orientation d’un espace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
II Endomorphismes autoadjoints . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
Table des matières 5

II.1 Adjoint d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188

II.2 Endomorphismes autoadjoints . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
II.3 Théorème spectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
II.4 Endomorphismes autoadjoints positifs . . . . . . . . . . . . . . . . . . . . . . . . . 192
III Isométries vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
III.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
III.2 Matrices orthogonales de M2 pRq . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
III.3 Isométries en dimension 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
III.4 Réduction des isométries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198

13 Séries entières 199

I Définitions, convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
I.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
I.2 Domaine de convergence, rayon de convergence . . . . . . . . . . . . . . . . . . . . 200
I.3 Opérations sur les séries entières . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
II Régularité de la somme d’une série entière . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
II.1 Convergence uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
II.2 Continuité et limite radiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
II.3 Dérivabilité et classe C 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
III Développements en séries entières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
III.1 Généralités sur les fonctions développables en séries entières . . . . . . . . . . . . . 207
III.2 DSE de l’exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
III.3 DSE usuels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209

14 Espaces probabilisés 211

I Espaces probabilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
I.1 Tribus et espaces probabilisables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
I.2 Mesures de probabilité, espaces probabilisés . . . . . . . . . . . . . . . . . . . . . . 213
I.3 Espaces probabilisés discrets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
I.4 Continuité monotone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
I.5 Évenements négligeables, presque sûrs . . . . . . . . . . . . . . . . . . . . . . . . . 217
II Conditionnement et indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
II.1 Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
II.2 Formules liées aux probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . 219
II.3 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
III Bilan des méthodes calculatoires en probabilités . . . . . . . . . . . . . . . . . . . . . . . . 223

15 Variables aléatoires discrètes 227

I Loi d’une variable aléatoire discrète . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
I.1 Généralités sur les variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . . 227
I.2 Loi d’une variable aléatoire discrète . . . . . . . . . . . . . . . . . . . . . . . . . . 229
I.3 Loi de f pXq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
I.4 Loi d’un vecteur aléatoire réel discret . . . . . . . . . . . . . . . . . . . . . . . . . 231
I.5 Variables indépendantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
II Espérance et variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
II.1 Espérance d’une variable positive . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
II.2 Espérance d’une variable complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
II.3 Formule de transfert et conséquences . . . . . . . . . . . . . . . . . . . . . . . . . . 236
II.4 Moment d’ordre 2 et variance d’une variable réelle . . . . . . . . . . . . . . . . . . 238
II.5 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
II.6 Variance d’une somme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
III Variables aléatoires à valeurs dans N, lois usuelles . . . . . . . . . . . . . . . . . . . . . . . 242
6 Table des matières

III.1 Fonction génératrice d’une variable à valeurs dans N . . . . . . . . . . . . . . . . . 243

III.2 Rappels sur les lois usuelles finies . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
III.3 Loi géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
III.4 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
III.5 Stabilités (HP classique) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
IV Inégalités probabilistes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
IV.1 Inégalités de Markov et de Bienaymé-Tchebychev . . . . . . . . . . . . . . . . . . . 248
IV.2 Loi faible des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249

16 Calcul différentiel et optimisation 251

I Compléments sur les fonctions vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
I.1 Extention des notations o et O . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
I.2 Dérivation de fonctions vectorielles d’une variable réelle . . . . . . . . . . . . . . . 253
I.3 Fonctions vectorielles de classe C k . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
II Dérivées partielles et différentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
II.1 Dérivées selon un vecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
II.2 Différentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
II.3 Gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
II.4 Opérations sur les applications différentiables . . . . . . . . . . . . . . . . . . . . . 266
III Applications de classe C n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
III.1 Applications de classe C 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
III.2 Plan tangent et noyau de la différentielle . . . . . . . . . . . . . . . . . . . . . . . . 272
III.3 Applications de classe C k . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
III.4 Hessienne et formule de Taylor-Young à l’ordre 2 . . . . . . . . . . . . . . . . . . . 278
III.5 Équations aux dérivées partielles, EDP . . . . . . . . . . . . . . . . . . . . . . . . . 279
IV Optimisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
IV.1 Principes généraux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
IV.2 Condition nécessaire du premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . 281
IV.3 Optimisation sous contrainte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
IV.4 Étude à l’ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284

17 Intégration vectorielle et équations différentielles linéaires 287

I Compléments d’intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
I.1 Définition et propriétés générales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
I.2 Théorème fondamental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
I.3 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
II Propriétés générales des EDL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
II.1 Notations et définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
II.2 Structure de l’ensemble des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . 292
II.3 Forme normalisée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
III EDL d’ordre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
III.1 Situation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
III.2 Problème de Cauchy et espace des solutions . . . . . . . . . . . . . . . . . . . . . . 295
III.3 Méthodes de résolution dans le cas scalaire . . . . . . . . . . . . . . . . . . . . . . 297
III.4 Méthodes de résolution dans le cas vectoriel à coefficients constants . . . . . . . . 299
IV EDL scalaires d’ordre supérieur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
IV.1 Comment se ramener à l’ordre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
IV.2 Équations à coefficients constants . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
IV.3 EDL d’ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
 1
Suites numériques
– rappels et compléments

Nous rappelons dans ce chapitre les définitions et propriétés importantes sur les suites, ainsi que quelques
aspects techniques et calculatoires en fin de chapitre. Il s’agit essentiellement de révisions du cours de
MPSI, mais nous profitons de ce chapitre de révision pour introduire des notions fondamentales en analyse,
comme les notions topologiques.
L’objectif n’est pas de refaire le cours de MPSI, mais uniquement des rappels. Ainsi, en particulier, les
démonstrations, et les exemples de base sont à reprendre dans votre cours de MPSI. Certaines démons-
trations importantes seront néanmoins reprises rapidement.
Nous rappelons que R “ R Y t´8, `8u.

I Topologie réelle et complexe

I.1 Intervalles
Définition 1.1.1 – Intervalle de R
Un intervalle I de R est un sous-ensemble convexe I de R, c’est-à-dire tel que :

@pa, bq P I 2 , @x P R, a ď x ď b ùñ x P I.

On rappelle que la propriété de la borne supérieure permet de décrire tous les intervalles :

Théorème 1.1.2 – Inventaire des intervalles réels

Tout intervalle I de R est d’une des formes suivantes, pour certaines valeurs réelles a et b :
‚ ra, bs “ tx P R, a ď x ď bu, a ď b ; ‚ sa, `8r“ tx P R, x ą au ;
‚ sa, br“ tx P R, a ă x ă bu, a ă b ; ‚ s ´ 8, bs “ tx P R, x ď bu ;
‚ ra, br“ tx P R, a ď x ă bu, a ă b ; ‚ s ´ 8, br“ tx P R, x ă bu ;
‚ sa, bs “ tx P R, a ă x ď bu, a ă b ; ‚ s ´ 8, `8r“ R ;
‚ ra, `8r“ tx P R, x ě au ; ‚ ∅.

Ÿ Éléments de preuve.
Si I est non vide, sa borne inférieure a et sa borne supérieure b existent (éventuellement infinies).
Montrer, par la propriété de convexité, que sa, brĂ I Ă ra, bs. Ź
8 CHAPITRE 1. SUITES NUMÉRIQUES

Remarques 1.1.3
1. Cette propriété est spécifique à R. Par exemple, elle est fausse dans Q (avec a, b P Q).
2. La définition et le théorème s’étendent à R. Puisque `8 et ´8 sont des éléments particuliers
de R, on a besoin de moins de cas pour décrire tous les intervalles : ra, bs, sa, bs, ra, br et
sa, br, avec a, b P R. L’ensemble vide est par exemple obtenu en considérant s0, 0r, alors que
R “s ´ 8, `8r et R “ r´8, `8s.
La seule différence avce les intervalles de R est la possibilité d’inclure les bornes infinies.

I.2 Voisinages
On note K “ R ou C. La notation |z| désignera donc suivant le cas soit la valeur absolue dans R, soit le
module dans C.
Définition 1.1.4 – Voisinage dans K “ R ou C
Soit a P K, et V Ă K. On dit que V est un voisinage de a s’il existe ε ą 0 tel que :

@y P K, |y ´ x| ă ε ùñ y P V,

c’est-à-dire Bpa, εq Ă V , où Bpa, εq “ ty P R | |y ´ a| ă εu (boule ouverte de centre a et de rayon

ε.
On note Vpaq Ă PpKq l’ensemble des voisinages de a.

Définition 1.1.5 – Voisinage de ˘8 dans R

Soit V P PpRq.
‚ On dit que V est un voisinage de `8 si et seulement s’il existe b tel que sb, `8rĂ V .
‚ On dit que V est un voisinage de a “ ´8 si et seulement s’il existe b tel que s ´ 8, brĂ V .
On note Vp`8q et Vp´8q l’ensemble des voisinages de `8 et ´8 respectivement.

Proposition 1.1.6 – Caractérisation des voisinages de R

Soit a P R et V Ă R. Alors V P Vpaq si et seulement s’il existe un intervalle ouvert I tel que

a P I Ă V.

Proposition 1.1.7 – Union et intersection de voisinages

Soit a P R ou a P C. Soit I ‰ ∅, et pVi qiPI une famille de voisinages de a (dans R ou C selon le cas).
Alors :
ď
1. Vi est un voisinage de a
iPI
č
2. Si I est fini, Vi est un voisinage de a.
iPI

Exemple 1.1.8
Donner un exemple de famille de voisinages de 0 dans R dont l’intersection n’est pas un voisinage
de 0.

Terminologie 1.1.9 – Propriété au voisinage de a

On dit qu’une propriété Ppxq dépendant d’un élément x P K est vérifiée au voisinage de a s’il existe
II Convergence 9

V P Vpaq telle que pour tout x P V , Ppxq est vraie.

Par exemple, dire qu’une fonction f est continue au voisinage de a signifie qu’il existe un voisinage V de
a tel que pour tout x P V , f soit continue en x, donc tel que f soit continue sur V .

II Convergence
II.1 Convergence, réexpression topologique
On rappelle les définitions suivantes :
Définition 1.2.1 – limite d’une suite, convergence, divergence
‚ Une suite pun qnPN à valeurs dans K “ R ou C admet une limite ℓ P K si et seulement si :

@ε ą 0, DN P N, @n ě N, un P Bpℓ, εq.

‚ Si pun qnPN admet une limite ℓ P K, on dit qu’elle est convergente.

‚ Si pun qnPN n’admet aucun ℓ de K comme limite, alors on dit que pun qnPN est divergente (dans
K).

Si pun q admet une limite ℓ, on dit aussi que pun q tend vers ℓ lorsque n tend vers `8, et on écrira
ℓ “ lim un , ou un ÝÑ ℓ.
nÑ`8 nÑ`8

On pourra omettre n Ñ `8 s’il n’y a pas d’ambiguïté sur la variable.

Définition 1.2.2 – Limite infinie d’une suite réelle
Soit une suite pun qnPN réelle.
‚ pun q admet la limite `8 si :

@A P R, DN P N, @n ě N, un ě A.

‚ pun q admet la limite ´8 si :

@A P R, DN P N, @n ě N, un ď A.

On note respectivement lim un “ `8 et lim un “ ´8.

On rappelle le résultat suivant, qui permet de donner un sens à la notation lim un .

Théorème 1.2.3 – Unicité de la limite
Soit pun q une suite réelle ou complexe. Si elle existe, la limite de pun q est unique.

Ÿ Éléments de preuve.
Si ℓ1 et ℓ2 sont deux limites (non infinies) distinctes de pun q, considérer ε “ |ℓ2 ´ ℓ1 | dans les
définitions pour obtenir une contradiction.
Discuter les cas infinis de façon similaire. Ź
Pour ne pas avoir constamment à traiter le cas d’une limite infinie de façon particulière, on donne une
traduction topologique de la définition de la limite d’une suite, valide tout aussi bien pour des limites
finies ou infinies.
Proposition 1.2.4 – Caractérisation topologique de la limite
Soit pun qnPN une suite d’éléments de K “ R ou C, et a P K (ou éventuellement a “ ˘8 si K “ R).
Alors les propositions suivantes sont équivalentes:
(i) un ÝÑ a
aÑ`8
10 CHAPITRE 1. SUITES NUMÉRIQUES

(ii) @V P Vpaq, DN P N, @n ě N, un P V .

On termine cette section par une propriété importante des suites d’entiers.

Proposition 1.2.5 – Suites convergentes à valeurs entières

Soit pun qnPN une suite à valeurs dans Z. La suite pun q est convergente si et seulement si elle est
stationnaire (i.e. constante à partir d’un certain rang).

Ÿ Éléments de preuve.
Réciproque évidente. Sens direct : considérer ε ă 12 . Ź

II.2 Rappel des propriétés opératoires relatives à la convergence

Les règles opératoires usuelles sur les limites vous sont en général bien connues :

Théorème 1.2.6 – Opérations sur les limites finies

Soit pun qnPN et pvn qnPN deux suites réelles ou complexes convergentes, et λ et µ deux scalaires (réels
ou complexes). Alors :
1. p|un |qnPN est convergente, et lim |un | “ |lim un | ;
2. pλun ` µvn qnPN est convergente, et limpλun ` µvn q “ λ lim un ` µ lim vn ;
3. pun vn qnPN est convergente, et limpun vn q “ lim un ¨ lim vn ;
ˆ ˙
un
4. si lim vn ‰ 0, alors vn ‰ 0 à partir d’un certain rang ; ainsi, est définie à partir d’un
vn
un lim un
certain rang, est convergente, et lim “ .
vn lim vn

Théorème 1.2.7 – Opérations impliquant des limites infinies

Dans le cas où pun qnPN et pvn qnPN sont des suites réelles, les résultats ci-dessus restent vrais si la
limite de pun qnPN et/ou de pvn qnPN est infinie, avec les règles arithmétiques suivantes (règles usuelles
dans R) :

a ` 8 “ `8; `8 ` 8 “ `8; a ¨ p`8q “ psgpaqq8 ppour a ‰ 0q;

1 1 1
p˘8q ¨ p˘8q “ ˘8; “ 0, “ `8, “ ´8.
˘8 0` 0´

Avertissement 1.2.8 – Formes indéterminées

En revanche, les opérations arithmétiques suivantes ne sont pas définies, et donnent des formes
indéterminées (ayez des exemples en tête) :
8 0
8 ´ 8; 0 ¨ 8; ;
8 0

Aux règles précédentes, nous ajoutons la suivante :

Proposition 1.2.9 – Produit 0 ˆ borné

Soit pun qnPN et pvn qnPN deux suites réelles ou complexes telles que pun qnPN tende vers 0 et pvn qnPN
soit bornée. Alors pun vn qnPN tend vers 0.

La continuité de l’exponentielle et du logarithme (ou une propriété de composition des limites, pour les
cas infinis non indéterminés) permet d’obtenir les règles d’exponentiation :
II Convergence 11

Proposition 1.2.10 – Passage à la limite pour les puissances

Soit pun qnPN et pvn qnPN deux suites réelles, pun q étant de plus strictement positive. On suppose que
un Ñ ℓ et vn Ñ ℓ1 , et que pℓ, ℓ1 q R tp`8, 0q, p0, 0q, p1, `8q, p1, ´8qu. Alors :
1
uvnn ÝÑ ℓℓ .

Dans cette proposition, les règles d’exponentiation ont été étendues par les opérations suivantes dans R :
‚ a`8 “ 0 si a P r0, 1r,
‚ a`8 “ `8 si a Ps1, `8s
‚ a´8 “ `8 si a P r0, 1r,
‚ a´8 “ 0 si a Ps1, `8s,
‚ 0b “ 0 si b Ps0, `8s.

Avertissement 1.2.11 – Formes indéterminées pour les puissances

On notera les formes indéterminées relatives aux exponentiations :

80 , 00 et 18 .

II.3 Comportement des limites vis-à-vis des inégalités

Les suites considérées dans cette section sont réelles. Pour les suites complexes, l’utilisation de résultats
de ce type nécessite de séparer les études de la partie réelle et de la partie imaginaire.

Théorème 1.2.12 – Conservation des inégalités larges

Soit pun qnPN et pvn qnPN deux suites réelles, et N P N tels que : @n ě N, un ď vn . Alors, si pun qnPN
et pvn qnPN admettent des limites dans R, lim un ď lim vn .
nÑ`8 nÑ`8

Ÿ Éléments de preuve.
Par l’absurde. Ź

Avertissement 1.2.13
Les inégalités strictes ne se conservent pas !

Théorème 1.2.14 – Théorème de convergence par encadrement

Soit pun qnPN , pvn qnPN et pwn qnPN , trois suites réelles, et N P N, tels que : @n ě N, un ď vn ď wn .
Si pun qnPN et pwn qnPN convergent toutes deux vers une même limite finie, alors pvn qnPN converge
aussi, et
lim vn “ lim un “ lim wn .

Remarque 1.2.15
C’est avant tout un théorème d’existence de la limite. La valeur vient en bonus. Ne pas le rédiger
comme un double passage à la limite dans les deux inégalités, qui ne justifie pas correctement cette
existence.

Théorème 1.2.16 – Théorème de divergence par minoration ou majoration

Soit pun qn P N, pvn qnPN et N P N tels que pour tout n ě N , un ď vn .
1. Si pun qnPN tend vers `8, alors pvn qnPN tend vers `8.
2. Si pvn qnPN tend vers ´8, alors pun qnPN tend vers ´8.
12 CHAPITRE 1. SUITES NUMÉRIQUES

Le théorème de minoration s’utilise parfois en comparant à des suites dont on connaît bien la nature, par
exemple les suites géométriques. La divergence ou la convergence des suites géométriques étant rapide,
cela ne s’applique toutefois que pour des suites ayant un comportement assez marqué.
Voici une façon assez commode de faire une comparaison à une suite géométrique. Elle permet également
de comparer les séries associées (critère de d’Alembert).

Méthode 1.2.17 – Comparaison à une suite géométrique

ˇ ˇ
‚ Étudier l’existence et le cas échéant la valeur de lim ˇ uun`1
ˇ ˇ
n
ˇ.
ˇ ˇ
ˇ un`1 ˇ
‚ En cas d’existence, notons ℓ “ lim ˇˇ ˇ.
un ˇ
˚ Si ℓ ă 1, on peut majorer à partir d’un certain rang p|un |qnPN par une suite géométrique
de raison r Psℓ, 1r, et on en déduit que pun qnPN tend vers 0.
˚ Si ℓ ą 1, on peut minorer à partir d’un certain rang p|un |qnPN par une suite géométrique
de raison r Ps1, ℓr, donc p|un |qnPN tend vers `8.
˚ Si ℓ “ 1, on ne peut pas conclure.

Exemples 1.2.18
an
Limite de n! , a P C.

II.4 Propriétés des suites monotones

Théorème 1.2.19 – Théorème de la convergence monotone
Soit pun qnPN une suite réelle.
1. Si pun qnPN est croissante et majorée, alors pun qnPN converge dans R.
2. Si pun qnPN est croissante et non majorée, alors pun qnPN diverge vers `8.
3. Si pun qnPN est décroissante et minorée, alors pun qnPN converge dans R.
4. Si pun qnPN est décroissante et non minorée, alors pun qnPN diverge vers ´8
De plus, dans le cas croissant, on a alors lim un “ sup un .
nÑ`8 nPN

Définition 1.2.20 – Suites adjacentes

Soit pun qnPN et pvn qnPN deux suites réelles. On dit qu’elles sont adjacentes si et seulement si :
1. l’une est croissante et l’autre décroissante ;
2. pvn ´ un qnPN tend vers 0.

Théorème 1.2.21 – Théorème des suites adjacentes

Soit pun qnPN et pvn qnPN deux suites réelles adjacentes. Alors :
(i) pun qnPN et pvn qnPN convergent, et lim un “ lim vn ,
nÑ`8 nÑ`8
(ii) Pour tout n P N, |vn ´ ℓ| ď |vn ´ un |.

III Comparaisons asymptotiques

III Comparaisons asymptotiques 13

Proposition/Définition 1.3.1 – Domination

Soit pun qnPN et pvn qnPN deux suites réelles. Les propositions suivantes sont équivalentes:
(i) DM P R, Dn0 P N, @n ě n0 , |un | ď M |vn |
(ii) il existe une suite pµn q et n0 P N telle que pour tout n ě n0 , un “ µn vn , et pµn q est bornée
Si ces propriétés sont satisfaites, on dit que pun q est dominée par pvn q, et on note un “ Opvn q.

Proposition/Définition 1.3.2 – Négligeabilité

Soit pun qnPN et pvn qnPN deux suites réelles. Les propositions suivantes sont équivalentes:
(i) @ε ą 0, Dn0 P N, @n ě n0 , |un | ď ε|vn | ;
(ii) il existe une suite pεn qnPN et un entier n0 tels que :

@n ě n0 , un “ εn vn et lim εn “ 0.

Si ces propriétés sont satisfaites, on dit que pun q est négligeable devant pvn q, et on note un “ opvn q.

Définition 1.3.3 – Équivalence

Deux suites réelles pun q et pvn q sont dites équivalentes s’il existe une suite pαn q et un entier n0 tels
que
@n ě n0 , un “ αn vn et lim αn “ 1.
On note un „ vn ou un „ vn .
`8

La propriété suivante permet d’écrire une équivalence sous forme d’un développement asymptotique,
ce qui s’avère très souvent pratique d’un point de vue technique, pour contourner certains problèmes
techniques liés aux équivalents (sommes, compositions)

Proposition 1.3.4 – Caractérisation de l’équivalence par la négligeabilité

un „ vn ðñ un “ vn ` opvn q.
`8

Remarque 1.3.5
Si pvn q ne s’annule pas à partir d’un certain rang, ces propriétés peuvent être caractérisées par
vn
l’étude de :
ˆ ˙ un
un
‚ bornée ðñ un “ Opvn q ;
vn
un
‚ ÝÑ 0 ðñ un “ opvn q ;
vn
un
‚ ÝÑ 1 ðñ un „ vn .
vn

On rappelle les règles de manipulation suivantes, qui se démontrent facilement avec le point de vue
séquentiel (la deuxième caractérisation).

Propriétés 1.3.6 – Transitivités strictes et larges de o et O

1. Si un “ Opvn q et vn “ Opwn q, alors un “ Opwn q.
2. Si un “ opvn q et vn “ opwn q, alors un “ opwn q.
3. Si un “ opvn q et vn “ Opwn q, alors un “ opwn q.
14 CHAPITRE 1. SUITES NUMÉRIQUES

4. Si un “ Opvn q et vn “ opwn q, alors un “ opwn q.

Propriétés 1.3.7 – sommes de o et O

1. Si un “ opwn q et vn “ opwn q, alors un ` vn “ opwn q.
2. Si un “ Opwn q et vn “ Opwn q, alors un ` vn “ Opwn q.
3. Si un “ opwn q et vn “ Opwn q, alors un ` vn “ Opwn q.
4. Si un “ Opwn q et vn “ opwn q, alors un ` vn “ Opwn q.

Propriétés 1.3.8 – produits de o et O

1. Si un “ opwn q et vn “ opxn q, alors un vn “ opwn xn q.
2. Si un “ Opwn q et vn “ opxn q, alors un vn “ opwn xn q.
3. Si un “ opwn q et vn “ Opxn q, alors un vn “ opwn xn q.
4. Si un “ Opwn q et vn “ Opxn q, alors un vn “ Opwn xn q.
5. En particulier, un “ wn opxn q ðñ un “ opwn xn q et un “ wn Opxn q ðñ un “ Opwn xn q.
(Les o et O sont multiplicatifs : on peut rentrer ou sortir un facteur multiplicatif).

Proposition 1.3.9 – Équivalents de produits, quotients, puissances

Soit pun q, pvn q, pu1n q et pvn1 q quatre suites réelles.
1. Si un „ u1n et vn „ vn1 , alors un vn „ u1n vn1 .
un u1n
2. Si de plus vn est non nulle à partir d’un certain rang, alors „ .
vn vn1
3. Si un „ u1n et si a est un réel fixé, alors pun qa „pu1n qa .

Avertissement 1.3.10
‚ Ne pas sommer des équivalents (problème de compensation de la partie principal)
‚ Ne pas composer des équivalents par une fonction.

Exemples 1.3.11
Donner des contre-exemples pour ces deux avertissements.

Pour conourner ces problèmes, revenir à des techniques de développements limités ou asymptotiques.
Enfin, deux propriétés importantes des équivalents :

Théorème 1.3.12 – Conservation des limites par équivalence

Si un „ vn , et si pun qnPN converge vers ℓ dans R, alors pvn qnPN converge, et sa limite est ℓ.
`8

Proposition 1.3.13 – Conservation du signe

Soit pun q et pvn q deux suites équivalentes. Alors il existe n0 tels que pour tout n ě n0 , un et vn
soient de même signe.

Et pour terminer, la piqûre de rappel des équivalents classiques. Je les donne sous leur version fonc-
tionnelle, ce qui signifie ici qu’on peut remplacer x par n’importe quelle suite convergeant vers 0 (les
équivalents classiques étant tous donnés au voisinage de 0).
Ne pas hésiter sur ces équivalents !
IV Suites récurrentes 15

Proposition 1.3.14 – Équivalents classiques

1. lnp1 ` xq „ x ; 7. shpxq „ x ;
0 0
x
2. e ´ 1 „ x ; x2
0 8. chpxq ´ 1 „ ;
a
3. p1 ` xq ´ 1 „ ax (a ‰ 0) ;
0 2
0 9. thpxq „ x ;
0
4. sinpxq „ x ;
0 10. Arcsinpxq „ x ;
0
x2
5. cospxq ´ 1 „ ´ ; 11. Arctanpxq „ x ;
0 2 0
6. tanpxq „ x ;
0

Et un petit dernier qui a un statut un peu particulier, car spécifique aux suites et ne découlant pas de
techniques de dérivation :

Théorème 1.3.15 – Formule de Stirling

? ´ n ¯n
On a : n! „ 2πn .
`8 e

IV Suites récurrentes
Nous terminons ce chapitre par quelques rappels sur les propriétés et l’étude de certaines suites récur-
rentes.

IV.1 Suites récurrentes linéaires

Définition 1.4.1 – Suites récurrentes linéaires
Soit pun qnPN . On dit que pun q est une suite récurrente linéaire d’ordre k si pun q vérifie une relation
du type :
@n P N, un`k “ ak´1,n un`k´1 ` ¨ ¨ ¨ ` a1,n un`1 ` a0,n un .
où ppa0,n q, . . . , papk´1,nq q P pCN qk .

Une suite récurrente d’ordre k est entièrement déterminée par sa relation de récurrence et la donnée de
ses k premiers termes. Plus précisément :

Théorème 1.4.2 – Structure et dimension de l’ensemble des SRL

Soit, pour i P J0, k ´ 1K, pai,k q P CN . On pose S l’ensemble des suites pun qnPN vérifiant la relation
de récurrence :
@n P N, un`k “ ak´1,n un`k´1 ` ¨ ¨ ¨ ` a1,n un`1 ` a0,n un .
Alors S est un C-espace vectoriel, et l’application
#
S ÝÑ Ck
Φ:
pun q ÞÝÑ pu0 , . . . , uk´1 q

est un isomorphisme. En particulier, S est de dimension k.

Dans le cas où les suites pai,n q sont constantes, on parle de suite récurrente linéaire d’ordre k à coeffi-
cients constants. On dispose dans ce cas de techniques d’explicitation, grâce aux racines du polynôme
caractéristique.
16 CHAPITRE 1. SUITES NUMÉRIQUES

Définition 1.4.3 – Polynôme caractéristique d’une récurrence linéaire

Soit pun qnPN une suite récurrente linéaire à coefficients constants, de relation

un`k “ ak´1 un`k´1 ` ¨ ¨ ¨ ` a1 un`1 ` a0 un i.e. un`k ´ ak´1 un`k´1 ´ ¨ ¨ ¨ ´ a1 un`1 ´ a0 un “ 0

Le polynôme caractéristique associé à la suite récurrente pun qnPN est le polynôme

χpXq “ X k ´ ak´1 X k´1 ´ ¨ ¨ ¨ ´ a1 X ´ a0 .

Théorème 1.4.4 – Explicitation des SRL, HP si n ě 2

Soit S l’ensemble des suites pun q vérifiant une relation de récurrence linéaire dont le polynôme carac-
téristique est χ. Soit λ1 , . . . , λp les racines de χ (dans C), de multiplicité α1 , . . . , αp respectivement.
Alors S est l’ensemble des suites telles que
p
ÿ
@n P N, un “ Pi pnqλni ,
i“1

où pour tout i P J1, pK, Pi P Cαi ´1 rXs.

Ÿ Éléments de preuve.
Hors-programme dans le cas général. Voir cours de MPSI pour le cas particulier k ď 2 (ou adapter
celle-ci). La preuve utilise des polynômes d’endomorphisme. Reprenez-là lorsque vous serez un peu
plus à l’aise sur le sujet.
‚ Considérer χpDq où D est l’opérateur qui à pun q associe pun`1 q, et le factoriser. On est ramené à
l’étude de pD ´ λi Idqαi ppPi pnqλni qq, et on remarque qu’à chaque itération, le degré du polynôme
diminue strictement. Cela prouve que ces suites sont bien solutions.
‚ La réciproque se fait par un argument de dimension, en montrant que les pnj λni qnPN , j ă αi ,
forment une famille libre (par exemple en exploitant un équivalent en `8).
Ź

IV.2 Suites récurrentes linéaires perturbées

Une suite récurrente linéaire perturbée est une suite définie par une récurrence qui ressemble à une
récurrence linéaire, à laquelle on ajoute une perturbation sous forme d’une suite pbn q. Ainsi, elle vérifie
une relation du type :

k´1
ÿ
pEq : @n P N, un`k ´ ai,n un`i “ bn .
i“0

On note également pEHq la relation de récurrence homogène associée (obtenue en remplaçant bn par 0).

Théorème 1.4.5 – Structure de l’ensemble des SRL perturbées

L’ensemble S des suites vérifiant la relation de récurrence pEq est un espace affine dirigé par l’espace
SH des suites vérifiant pEHq. Ainsi, si pun qnPN est une solution particulière, toute autre suite pvn q
vérifiant pEq vérifiera
@n P N, vn “ un ` wn , pwn q P SH .

Ÿ Éléments de preuve.
k´1
ÿ
Il s’agit d’une fibre de l’endomorphisme de CN défini par pun q ÞÑ un`k ´ ai,n un`i Ź
i“0
IV Suites récurrentes 17

Proposition 1.4.6 – Explicitation d’une SRL perturbée par pP pnqλn q

Soit pEHq une relation de récurrence linéaire à coefficients constants, de polynôme caractéristique
χ, et pEq la relation correspondante, perturbée par pbn q “ P pnqλn . Alors il existe une solution
particulière de pEq de la forme
un “ nα Qpnqλn ,
où α “ multχ pλq et degpQqq ď degpP q.

Ÿ Éléments de preuve.
Hors-programme. Encore une fois, utiliser χpDq. Ź

Remarque 1.4.7
1. La résolution des suites arithmético-géométriques un`1 “ aun `b, a ‰ 1, est un cas particulier
de ces deux résultats plus général : il existe une solution constante c, vérifiant c “ ac ` b.
C’est donc le point fixe. La solution générale s’écrit alors sous la forme λan ` c.
2. Avant cela, la résolution des suites arithmétiques un`1 “ un `a en est aussi un cas particulier :
la proposition donne l’existence d’une solution particulière sous la forme cn (il faut multiplier
par n car 1 est racine de multiplicité 1 du polynôme caractéristique). En remplaçant, on
trouve facilement c “ a. La solution générale est alors λ1n ` an, et on ajuste avec les termes
initiaux.

Exemple 1.4.8
Un exemple un peu moins trivial. Expliciter pun q tel que

u0 “ 2, u1 “ 1, un`2 “ 5un`1 ´ 6un ` pn ` 1q2n .

IV.3 Suites récurrentes un`1 “ f pun q

On rappelle ici les grands principes d’étude des systèmes dynamiques discrets, c’est-à-dire des suites
récurrentes non linéaires d’ordre 1, du type un`1 “ f pun q, où f sera supposée continue sur une partie D
de R.

Méthode 1.4.9 – Étude d’une suite récurrente

‚ Justifier la bonne définition de la suite, par exemple en exhibant un intervalle stable (voir
ci-dessous)
‚ Étudier l’existence de la limite : étudier la monotonie, et obtenir l’existence de la limite à
l’aide par exemple du théorème de la limite monotone.
‚ Une fois assurée l’existence de la limite, déterminer les valeurs possibles de cette limite ℓ en
passant à la limite dans la relation de récurrence :
Si f est continue, soit ℓ vérifie f pℓq “ ℓ, soit ℓ est un bord ouvert du domaine de f .
‚ Déterminer, parmi l’ensemble des valeurs possibles de ℓ laquelle est la bonne.
‚ Déterminer les points fixes de f peut déjà s’avérer utile pour la première étape (aide à la
recherche d’intervalles stables, de majorants et de minorants). Commencer par cela peut être
efficace.

Un objet incournable dans l’étude des suites récurrentes est :

Définition 1.4.10 – Intervalle stable

On dit qu’un intervalle I est stable par f si f est définie sur I (i.e. I Ă Df ) et f pIq Ă I.
18 CHAPITRE 1. SUITES NUMÉRIQUES

Théorème 1.4.11 – CS pour que pun q soit bien définie

Si I est un intervalle stable par f , et si u0 P I, alors pun qnPN est bien définie.

Ÿ Éléments de preuve.
Montrer par récurrence que un est défini, et un P I. Comme I est dans le domaine, on peut alors
continuer. Ź
Évidemment, si on parvient à trouver un indice N tel que uN soit dans un intervalle stable, on parvient
à la même conclusion.
Les intervalles stables permettent aussi souvent d’étudier les variations de pun qnPN . La situation la plus
simple est la suivante (et assez facile à détecter graphiquement) :

Proposition 1.4.12 – Étude des variations lorsque f ´ id est de signe constant

Supposons f ´ id de signe constant sur un intervalle stable I, et u0 P I. Alors pun q est monotone,
de sens de monotonie déterminé par le signe de f ´ id.

Ÿ Éléments de preuve.
D’après ce qui précède, pour tout n, un P I. Appliquer f pour comparer un`1 à un . Ź

Proposition 1.4.13 – Étude des variations lorsque f est croissante

Supposons f croissante sur un intervalle stable I, et u0 P I (peut s’adapter si on n’a pas cette
inclusion dès le rang initial). Alors pun q est monotone. On trouve le sens de monotonie en comparant
u0 et u1 .

Ÿ Éléments de preuve.
Tout d’abord, tous les termes un sont dans I. On peut alors propager par récurrence l’inégalité
initiale entre u0 et u1 , en appliquant la fonction croissante f . Ź

Proposition 1.4.14 – Étude des variations lorsque f est décroissante

Supposons f décroissante sur un intervalle stable I, et u0 P I (peut s’adapter si on n’a pas cette
inclusion dès le rang initial). Alors pu2n q et pu2n`1 q sont monotones, de sens de monotonie opposé.
On trouve les sens de monotonie en comparant u0 et u2 .

Ÿ Éléments de preuve.
Appliquer le résultat précédent à f ˝ f , décrivant la récurrence associée aux suites pu2n q et pu2n`1 q.
Ź

Remarque 1.4.15
Ainsi, si f est décroissante sur un intervalle stable, les deux suites extraites pu2n q et pu2n`1 q sont
monotones de sens de variation opposés. Cela ne suffit pas pour prouver que pun qnPN converge. Pour
cela, il faut encore s’assurer que pu2n q et pu2n`1 q ont même limite. Les limites de ces deux suites
sont à rechercher parmi les points fixes de f ˝ f . Si f ˝ f a deux points fixes distincts, on peut très
bien avoir convergence de pu2n q vers l’un des deux et de pu2n`1 q vers l’autre. Essayez de construire
un exemple graphique.

Avertissement 1.4.16
Les points fixes de f sont point fixes de f ˝ f , mais il peut exister des points fixes de f ˝ f qui ne
sont pas points fixes de f .
IV Suites récurrentes 19

Exemple 1.4.17
Étude de la suite u0 P R, @n P N, un`1 “ u2n ´ un .

Pour terminer, nous donner deux résultats hors-programme, mais à savoir refaire, permettant l’étude de
la vitesse de convergence (c’est-à-dire estimant le comportement asymptotique de la suite, soit sous forme
d’une domination, soit sous forme d’un équivalent).

Proposition 1.4.18 – Vitesse de convergence en un point fixe attractif, HP

Soit f une fonction définie et de classe C 1 sur un intervalle I, et soit a P I un point fixe de f tel que
|f 1 paq| ă 1.
1. Alors il existe ε tel que s’il existe n0 tel que |un0 ´ a| ă ε, alors un Ñ a. On dit que a est un
point fixe attractif.
2. Si tel est le cas, on a alors, pour tout k Ps|f 1 paq|, 1r, un “ Opk n q.

Le deuxième résultat s’applique lorsque f 1 paq “ 1. Dans ce cas, il est clair graphiquement que la conver-
gence sera beaucoup plus lente. On peut, sous réserve quelques hypothèses supplémentaires, trouver un
équivalent de pun q. Plutôt que de donner un résultat tout finalisé, nous donnons ici plutôt une méthode.
Nous avons besoin pour cela d’un lemme archi-classique, probablement vu en MPSI déjà.

Lemme 1.4.19 – Théorème de la moyenne de Cesàro, cas convergent

Soit pun qnPN une suite réelle ou complexe, et
n´1
1 ÿ
@n ě 1, Mn “ un
n k“0

la suite de ses moyennes. Alors si pun q converge vers ℓ, pMn q aussi.

Méthode 1.4.20 – Equivalent de pun q convergeant vers a tel que f 1 paq “ 1

‚ Sous des hypothèses permettant de mener les calculs à leurs termes (hypothèses que je ne
donne pas explicitement), trouver α tel que
ˆˆ ˙α ˙
f pun q
uα
n`1 ´ u α
n “ uα
n ´ 1
un

admette une limite finie non nulle. On pourra pour cela faire un développement limité de f
au voisinage de a, ou utiliser des équivalents classiques.
‚ Le théorème de Cesàro permet alors d’obtenir, par télescopage, un équivalent de uα α
n ´ u0 ,
duquel on déduit un équivalent de pun q.

Exemple 1.4.21
Donner un équivalent de la suite définie par u0 “ 1 et @n P N, un`1 “ sinpun q.
20 CHAPITRE 1. SUITES NUMÉRIQUES
 2
Cardinaux et dénombrabilité

Nous faisons dans ce chapitre quelques rappels sur les cardinaux finis, et leur utilisation dans des questions
de dénombrement. Dans un second temps, nous quittons les révisions pour aborder le problème des
cardinaux infinis, beaucoup moins intuitif, l’objectif étant l’étude des ensembles de même cardinal que
N, qu’on appelle ensembles dénombrables.

I Rappels sur les cardinaux finis

I.1 Ensembles finis, cardinaux
Nous rappelons la définition du cardinal d’un ensemble fini :

Définition 2.1.1 – Cardinal d’un ensemble fini

Soit E un ensemble.
‚ On dit que E est un ensemble fini s’il existe n P N et une bijection J1, nK Ñ E.
‚ L’entier n est alors unique, est appelé cardinal de E, et est noté |E| ou CardpEq ou 7E.

Ÿ Éléments de preuve.
L’unicité de n provient du fait qu’il ne peut pas exister de bijection de J1, nK dans J1, mK si n ‰ m, ce
qui n’est pas si évident que cela à montrer si on ne dispose d’aucun outil de cardinalité. Cela peut se
faire en montrant par récurrence sur n que si m ‰ n et f : J1, nK Ñ J1, mK, alors f n’est ni injective
ni surjective. Pour passer de n à n ` 1, considérer f pn ` 1q. Quitte à composer par une transposition
bijective, on peut considérer que f pn ` 1q “ m ` 1, ce qui permet d’enlever n d’un côté, m de l’autre
(avec une discussion à faire), pour se ramener à l’hypothèse de récurrence. Ź

Lemme 2.1.2 – Finitude des sous-ensembles de J1, nK

Tout sous-ensemble F de J1, nK peut être mis en bijection avec un ensemble J1, mK, avec m ď n.

Ÿ Éléments de preuve.
On peut ranger les éléments de F dans l’ordre : F “ tx1 ă x2 ă ¨ ¨ ¨ ă xm u. Ź

Proposition 2.1.3 – Sous-ensemble d’un ensemble fini

Soit F un sous-ensemble de E. Si E est fini, alors F aussi.

Ÿ Éléments de preuve.
Restreindre et corestreindre une bijection E Ñ J1, nK et utiliser le lemme. Ź
22 CHAPITRE 2. CARDINAUX ET DÉNOMBRABILITÉ

I.2 Rappel des propriétés calculatoires sur les cardinaux

Lemme 2.1.4 – Réexpression du cardinal
Soit E un ensemble fini, et A un sous-ensemble de E. Alors
ÿ
|A| “ 1A pkq.
kPE

Ÿ Éléments de preuve.
C’est évident intuitivement. Pour une bonne formalisation, par une bijection, on peut se ramener au
cas où A “ J1, pK et E “ J1, nK. Ź

Proposition 2.1.5 – Cardinal d’une union disjointe

Soit A, B, A1 , . . . , An des ensembles finis.
1. Si A X B “ ∅, alors |A Z B| “ |A| ` |B|.
2. Plus généralement, si pour tout pi, jq P J1, nK2 tel que i ‰ j, Ai X Aj “ ∅, alors

|A1 Z ¨ ¨ ¨ Z An | “ |A1 | ` ¨ ¨ ¨ ` |An |.

Ÿ Éléments de preuve.
Le point 2 s’obtient du point 1 par récurrence. Le point 1 résulte du lemme et des propriétés des
sommes Ź

Proposition 2.1.6 – Cardinal d’un complémentaire

Si A Ă B, alors |AB A| “ |B| ´ |A|.

Ÿ Éléments de preuve.
Écrire l’un des trois ensembles en jeu comme union disjointe des deux autres. Ź

Corollaire 2.1.7 – Cardinal d’un sous-ensemble

Si A Ă B, alors |A| ď |B|, avec égalité si et seulement si A “ B.

Ÿ Éléments de preuve.
Quel est le cardinal de AB A lorsqu’on est dans le cas d’égalité ? Ź

Proposition 2.1.8 – Cardinal d’une union quelconque

Soit A et B des ensembles finis. On a :

|A Y B| “ |A| ` |B| ´ |A X B|.

Ÿ Éléments de preuve.
On peut décomposer en A Y B “ A Z pBzpA X Bqq Ź

Proposition 2.1.9 – Cardinal d’un produit cartésien

1. Soit A et B deux ensembles finis. Alors |A ˆ B| “ |A| ˆ |B|.
2. Plus généralement, soit A1 , . . . , An des ensembles finis. Alors
n
ź
|A1 ˆ ¨ ¨ ¨ ˆ An | “ |Ai |.
i“1
I Rappels sur les cardinaux finis 23

Ÿ Éléments de preuve.
Le point 2 s’obtient du 1 par récurrence.
Pour le point 1, découper en tranche, ou utiliser une bijection de J0, nm´1K dans J0, n´1KˆJ0, m´1K
définie par une opération arithmétique classique. Ź

I.3 Grands principes combinatoires

Par définition même :
Proposition 2.1.10 – Injectivité, surjectivité, bijectivité et cardinal
Soit E et F deux ensembles finis, et soit f : E ÝÑ F une application. Alors :
1. Si f est bijective, CardpEq “ CardpF q.
2. Si f est injective, CardpEq ď CardpF q
3. Si f est surjective, CardpEq ě CardpF q

Ÿ Éléments de preuve.
Restreindre ou corestreindre de façon adéquate, de sorte à se ramener à une bijection. Ź
Cela incite, pour des dénombrements (ou calculs de cardinaux, à se ramener par une bijection, à des
modèles simples et connus.
Méthode 2.1.11 – Combinatoire bijective
Pour dénombrer un ensemble fini E (c’est-à-dire pour déterminer son cardinal), une méthode clas-
sique consiste à le mettre en bijection avec un ensemble dont le cardinal est connu.

Exemple 2.1.12
Par définition des coefficients binomiaux, le cardinal de Pk pJ1, nKq est nk . En déduire le nombre de
` ˘

l’ensemble des chemins monotones de p0, 0q à pa, bq dans N2 , chaque pas étant de longueur 1, et se
faisant vers la droite ou vers le haut.

Méthode 2.1.13 – Tri, partitionnement, principe additif

Si on peut trier les objets de E en plusieurs paquets disjoints E1 , . . . , En de cardinaux respectifs
a1 , . . . , an , alors le cardinal de E est
ÿn
E“ ak .
k“1

Exemple 2.1.14
p ˆ ˙ ˆ ˙
ÿ n`k n`k`1
Formule sommatoire, ou lemme de la chaussette : “ .
k“O
n n`1

Méthode 2.1.15 – Choix successifs, principe multiplicatif

Dénombrer un ensemble se fait souvent en s’intéressant à la façon de construire un élément, en
décomposant sa construction de façon élémentaire en plusieurs étapes. Si un élément se construit
en 2 étapes, et que :
‚ la première étape peut se faire de a façons différentes ;
‚ pour chaque choix de première étapes, la deuxième étape peut se faire de b façons différentes
(le nombre b ne dépendant pas de la première étape) ;
‚ toutes les constructions faites ainsi sont distinctes
24 CHAPITRE 2. CARDINAUX ET DÉNOMBRABILITÉ

alors le nombre total d’éléments est ab

Ÿ Éléments de preuve.
ě
Une formalisation passe par un partionnement de l’ensemble E dénombré en Ek , où on a rangé
kPJ1,aK
les éléments à dénombrer dans des ensembles Ek , en les triant suivant le résultat de la première étape.
La troisième hypothèse certifie que l’union est disjointe (ce qui est représenté par le signe ` dans
l’union), et la deuxième hypothèse assure que les Ek sont tous de cardinal b.
Cette formalisation est équivalente au lemme du berger, stipulant que si f : E Ñ F est une surjection
telle que les images réciproques f ´1 ptyuq aient toutes même cardinal b, alors |E| “ b|F |. Ź

Exemple 2.1.16
Dénombrement des injections, cardinal de Sn .

Remarque 2.1.17
Les deux méthodes peuvent être combinées, par exemple un tri, et pour chaque part du tri, une
succession de choix.

Exemple 2.1.18
n ˆ ˙ˆ ˙ ˆ ˙
ÿ a b a`b
Formule de Vandermonde : “
k“0
k n´k n

Méthode 2.1.19 – Formalisation par couple, et lecture inverse

Une formalisation mathématique de deux choix successifs peut se faire sous forme d’un couple, en
mettant E en bijection avec un ensemble F de couples px, yq où x est le résultat du premier choix, y
le résultat du deuxième choix. Il y a souvent des contraintes entre x et y (liés à la façon de procéder
au second choix). Ces contraintes définissent une propriété satisfaite par x et y, qu’on note Ppx, yq.
Ainsi
F “ tpx, yq | Ppx, yqu
. Sous cette forme on peut voir que la contrainte peut souvent être retournée en lisant le couple
dans l’autre sens : F et clariement en bijection avec

G “ tpy, xq | Ppx, yqu

Cela revient à intervertir le rôle des deux étapes, donc l’ordre dans lequel on effectue la construction.

Exemple 2.1.20
La formule du capitaine, ou comité-président.

Méthode 2.1.21 – Démonstration ou interprétation combinatoire d’une formule

‚ Interpréter combinatoirement une formule permet d’en avoir une compréhension intuitive et
naturelle, qui aide à la retenir ou a la retrouver.
‚ Cela permet également éventuellement de la démontrer, comme la formule de Vandermonde
ci-dessus.
‚ Pour démontrer ou interpréter combinatoirement une formule, chercher un modèle adéquat,
et dénombrer de deux façons différentes, par exemple de façon directe et en effectuant un tri,
ou bien en effectuant des choix successifs dans des ordres différents etc.
II Dénombrabilité 25

Exemple 2.1.22
n ˆ ˙
ÿ n
Interpréter combinatoirement la formule “ 2n .
k“0
k

Méthode 2.1.23 – Signes, principe de l’interrupteur

‚ Une formule combinatoire ne contient a priori que des termes positifs. Certaines formules
contenant aussi des signes négatifs peuvent quand même se démontrer combinatoirement, en
réarrageant l’égalité de sorte à passer les termes négatifs de l’autre côté. On a alors deux
quantités à comparer, ce qu’on peut faire combinatoirement, par exemple en établissant des
bijections.
‚ Une situation classique : des signes qui alternent devant une expression avec des coefficients
binomiaux : il s’agit de comparer des ensembles ayant des cardinaux de parité différente :
pour cela, faire entrer ou sortir un élément (interrupteur qu’on allume ou éteint). On illustre
cela dans l’exemple qui suit, qui est à peut près le plus simple du genre.

Exemple 2.1.24
n ˆ ˙
ÿ n
Montrer combinatoirement que p´1qk “ 0 si n ą 0.
k“0
k

II Dénombrabilité
II.1 Cardinaux infinis
On ne peut pas définir d’emblée (en tout cas pas simplement) de cardinal d’un ensemble fini. Cantor
fait une construction (compliquée) qui permet de définir des cardinaux (ou plutôt des classes cardinales)
de façon explicite, mais ce n’est pas l’objet de ce cours. Nous nous contentons de définir la condition
d’égalité des cardinaux.

Définition 2.2.1 – Ensembles de même cardinal

Soit E et F deux ensembles.
‚ On dit que E et F ont même cardinal s’il existe une bijection f : E Ñ F . On dit aussi que
E est équipotent à F .
‚ On dit que E est subpotent à F (ou que le cardinal de E est strictement inférieur à celui de
F ) s’il existe une injection de E dans F .

Remarque 2.2.2 – (HP)

‚ On peut montrer que la relation de subpotence vérifie les propriétés d’une relation d’ordre
sur les classes cardinales. L’antisymétrie provient d’un théorème classique dû à Cantor et
Berstein, affirmant que s’il existe une injection f : E Ñ F , et une injection g : F Ñ E, alors
il existe une bijection E Ñ F .
‚ Avec l’axiome du choix, on peut montrer que cette « relation d’ordre » est totale.

Attention, certaines intuitions sur les comparaisons de cardinaux d’ensembles finis peuvent être fausses
dans ce contexte.
26 CHAPITRE 2. CARDINAUX ET DÉNOMBRABILITÉ

Avertissement 2.2.3
Deux ensembles vérifiant une inclusion stricte E Ĺ F peuvent être de même cardinal. Pourtant F
contient strictement plus d’éléments que E.

Exemple 2.2.4 – Hôtel de Hilbert

f : N Ñ N˚ tel que f pnq “ n ` 1 est une bijection. Donc N et N˚ ont même cardinal.

II.2 Dénombrabilité
Définition 2.2.5 – Ensemble dénombrable
Soit E un ensemble. On dit que :
‚ E est dénombrable s’il est de même cardinal que N ;
‚ au plus dénombrable s’il est fini ou dénombrable.

Ainsi, E est dénombrable si et seulement s’il existe une bijection f : N Ñ E.

Proposition 2.2.6 – Dénombrabilité de N2

Le produit cartésien N2 est dénombrable.

Ÿ Éléments de preuve.
Construire une bijection en diagonales. Ou bien utiliser une bijection classique entre N2 et N˚ , basée
sur l’étude des facteurs pairs de la décomposition de n en produit de facteurs premiers. Ź
Nous souhaitons caractériser les ensembles au plus dénombrables à l’aide des sous-ensembles de N. Pour
cela, nous commençons pas établir un lemme sur le cardinal des sous-ensembles de N.

Lemme 2.2.7
Tout sous-ensemble de N est au plus dénombrable.

Ÿ Éléments de preuve.
Considérer un sous-ensemble E P PpNq, non fini. Construire par récurrence une application injective
de J0, nK dans E, en rajoutant à chaque étape le minimum des éléments non encore utilisés. Cela
définit une bijection N Ñ E. Ź

Proposition 2.2.8 – Première caractérisation des ensembles au plus dénombrables

Un ensemble E est au plus dénombrable si et seulement s’il peut être mis en bijection avec une
partie de N.

Ÿ Éléments de preuve.
Un sens est évident par les définitions de la finitude ou de la dénombrabilité. L’autre provient du
lemme. Ź
Nous donnons une deuxième caractérisation des ensembles au plus dénombrables en terme de surjection ou
d’injection. Cette caractérisation est plus souple pour prouver les différentes propriétés de dénombrabilité
liées aux constrructions ensemblistes. Cette caractérisation nécessite un petit lemme.

Lemme 2.2.9 – Inversibilité à gauche ou droite des injections et surjections

Soit f : E Ñ F .
1. Si f est injective, il existe g : F Ñ E telle que g ˝ f “ idE , et g est alors surjective.
II Dénombrabilité 27

2. Si f est surjective, il existe g : E Ñ F telle que f ˝ g “ idF , et g est alors injective.

Ÿ Éléments de preuve.
On construit g associant à y un antécédent de ses antécédents. Dans le premier cas, on n’a pas le
choix quand on est dans l’image de f , et sinon, on définit g comme on veut. Dans le deuxième cas,
on doit choisir parmi les antécédents de y. Ź

Remarque 2.2.10
‚ Ce sont en fait des équivalences.
‚ On utilise l’axiome du choix (qui affirme la possibilité de pouvoir faire simultanément une
infinité de choix).

Proposition 2.2.11 – Deuxième caractérisation des ensembles au plus dénombrables

Soit E un ensemble non vide. Les trois propriétés suivantes sont équivalentes :
(i) E est au plus dénombrable
(ii) il existe une fonction injective f : E ÝÑ N.
(iii) il existe une fonction surjective f : N ÝÑ E.

Ÿ Éléments de preuve.
‚ piq ùñ piiq : considérer une bijection E Ñ F Ă N, et composer par l’injection canonique.
‚ piiq ùñ piiiq : c’est l’inversibilité à gauche d’une injection
‚ piiiq ùñ piiq : c’est l’inversibilité à droite d’une surjection. Pourquoi l’axiome du choix n’est-il
pas nécessaire ici ?
‚ piiq ùñ piq : corestriction à l’image.
Ź

II.3 Règles opératoires sur les ensembles dénombrables

Proposition 2.2.12 – Construction d’ensembles dénombrables
1. Si E et F sont au plus dénombrables, alors E ˆ F est au plus dénombrable.
2. Plus généralement, un produit E1 ˆ ¨ ¨ ¨ ˆ En d’un nombre fini d’ensembles au plus dénom-
brables est au plus dénombrable. Si l’un d’eux est dénombrable et les autres non vides, alors
le produit est dénombrable.
3. Une union d’un nombre au plus dénombrable d’ensembles au plus dénombrables est au plus
dénombrable. Si l’un des ensembles est dénombrable, l’union est dénombrable.

Ÿ Éléments de preuve.

1. Construire une surjection par composition : N Ñ N ˆ N Ñ E ˆ F

2. Récurrence
3. Supposons les ensembles indexés sur I dénombrable. Construire une surjection
ď
NÑNˆNÑI ˆNÑ Ai .
iPI

Ź
28 CHAPITRE 2. CARDINAUX ET DÉNOMBRABILITÉ

Corollaire 2.2.13
1. L’ensemble Z est dénombrable.
2. L’ensemble Np est dénombrable.
3. L’ensemble Q des rationnels est dénombrable.

Un résultat important sur les familles sommables découle de ces propriétés. On rappelle la définition
suivante.
Définition 2.2.14 – Support d’une famille de scalaires
Soit a “ pai qiPI une famille de réels ou complexes. Le support de a est l’ensemble

J “ ti P I | ai ‰ 0u.

Proposition 2.2.15 – Support d’une famille sommable

Soit a “ pai qiPI une famille de réels ou complexes. Si a est sommable, alors le support de a est au
plus dénombrable.

Ÿ Éléments de preuve.
Se ramener au cas d’une famille réelle positive, en contrôlant le support de a en fonction de celui des
parties positives et négatives de ses parties réelles et imaginaires.
Dans le cas positif, exprimer le support en fonction des

Iε “ ti P I | ai ą εu.

Que peut-on dire du cardinal de Iε ? Ź

II.4 Des ensembles infinis non dénombrables

Comme on l’a vu, des ensembles qui semblent bien plus gros que N sont dénombrables, donc ont dans
les faits « autant » d’éléments que N. Une question qui peut se poser alors est de savoir si tous les
ensembles infinis ont même cardinal, ou s’il existe d’autres cardinaux (plus gros). Un premier élément de
réponse provient de l’étude du cardinal de R, à partir de l’écriture décimale d’un nombre réel. On rappelle
qu’un nombre réel admet un et un seul développement décimal, à condition d’exclure les développements
terminant uniquement par une infinité de 9.

Théorème 2.2.16 – Cardinal de R, Cantor

L’ensemble des réels R est non dénombrable.

Ÿ Éléments de preuve.
(démonstration non exigible) Sinon, considérer une énumération pxn qnPN˚ de tous les réels, et consi-
dérer un y tel que le n-ième chiffre après la virgule de y soit distinct de 0, 9 et du n-ième chiffre de
xn . Le réel y peut-il être dans l’énumération ? Pourquoi prendre la précaution de prendre les chiffres
distincts de 0 et 9 ? Ź
Cette preuve est connue sous le nom d’« argument diagonal de Cantor », dont une généralisation donne
un deuxième élément de réponse à la question initiale :

Théorème 2.2.17 – Cantor, HP

Soit X un ensemble infini. Alors CardpXq ă CardpPpXqq (i.e. X est subpotent à PpXq, mais pas
équipotent)
II Dénombrabilité 29

Ÿ Éléments de preuve.
S’il existe une surjection f : X Ñ PpXq, considérer Y Ă X constitué des éléments x tels que x R f pxq,
et obtenir une contradiction en considérant l’appartenance de c à Y , c étant un élément de X tel
que f pcq “ Y . Ź
On peut donc construire une chaîne infini d’ensembles ayant des cardinaux strictement croissants. Il y a
donc une infinité de cardinaux infinis distincts.
Remarque 2.2.18
En quoi le résultat précédent empêche-t-il l’existence d’un « ensemble des ensembles » ?
30 CHAPITRE 2. CARDINAUX ET DÉNOMBRABILITÉ
 3
Espaces vectoriels normés

Le but de ce chapitre est d’introduire un cadre qui permettra de généraliser l’analyse réelle de première
année au cas de fonctions définies d’un espace vectoriel vers un autre. En particulier, la notion importante
à la base de la notion de limite (et à partir de là, de continuité et de dérivabilité) est la notion de
convergence d’une suite.
On aimerait donc donner un cadre rigoureux à l’étude de la convergence de suites dans un espace vec-
toriel E sur R ou C. Si cet espace est de dimension finie, il suffit d’étudier la convergence coordonnée
par coordonnée relativement à une base fixée. On verra dans un chapitre ultérieur que la propriété de
convergence ne dépend alors pas du choix de la base. Ainsi, dans ce contexte, toute notion « raisonnable »
de convergence équivaut à la convergence coordonnée par coordonnée.
Lorsque E n’est pas de dimension finie, les choses sont beaucoup moins claires, et nécessitent de revenir
à l’intuition et la définition de la convergence, en terme d’approximation : une suite réelle ou complexe
pun qnPN converge vers ℓ, si et seulement si, pour toute qualité d’approximation ε ą 0, à partir d’un certain
rang, un est presque égal à ℓ, à ε près. Cette définition nécessite de mesurer une distance de un à ℓ.
Pour généraliser cette définition, nous introduisons la notion de norme sur un espace vectoriel, permet-
tant de définir ensuite une distance. Beaucoup de notions d’analyse réelle (notamment dans un premier
temps d’analyse séquentielle) se généralisent alors dans le cadre des espaces vectoriels normés (c’est-à-dire
munis d’une norme). On montrera par exemple dans le chapitre suivant des généralisations de certaines
propriétés des fonctions continues, rencontrées dans le cadre de fonctions réelles : le théorème des bornes
atteintes, le théorème des valeurs intermédiaires et le théorème de Heine par exemple.
Nous ferons remarquer dans la dernière partie (HP) qu’il est possible de définir directement une notion
plus générale de distance, sans passer par une norme, ce qui est suffisant pour pouvoir définir de façon
satisfaisante la notion de convergence.

I Normes sur un espace vectoriel

Dans toute cette partie K désigne le corps R ou C.

I.1 Définitions et propriétés élémentaires

Définition 3.1.1 – Norme sur un K-espace vectoriel
Soit E un espace vectoriel sur K, et N : E Ñ R` une application à valeurs réelles positives. On dit
que N est une norme si et seulement si N vérifie les propriétés suivantes :
(i) (séparation) pour tout x P E, N pxq “ 0 ðñ x “ 0 ;
(ii) (homogénéité) pour tout x P E et λ P K, N pλxq “ |λ|N pxq ;
(iii) (inégalité triangulaire) pour tout px, yq P E 2 , N px ` yq ď N pxq ` N pyq.
32 CHAPITRE 3. ESPACES VECTORIELS NORMÉS

La propriété de positivité est en fait redondante, mais ce n’est généralement pas la plus dure à montrer
dans les situations concrètes.
Proposition 3.1.2
Soit N : E Ñ R vérifiant les points (i), (ii) et (iii) de la propriété précédente. Alors pour tout
x P R, N pxq ě 0 (et par conséquent, N est une norme).

Ÿ Éléments de preuve.
Considérer N px ` p´xqq et appliquer les trois points. Ź

Définition 3.1.3 – Espace vectoriel normé

‚ Un espace vectoriel normé E est un K espace vectoriel E muni d’une norme N : E Ñ R` .
‚ Cette norme sera souvent notée } ¨ }. Ainsi, pour x P E, }x} désignera la norme de x.

Exemples 3.1.4
‚ Si E “ K, | ¨ | est uneanorme.
‚ Si E “ R2 , px, yq ÞÑ x2 ` y 2 est une norme.

Le deuxième exemple est un cas particulier d’une situation plus générale déjà croisée en première année.

Proposition 3.1.5 – Norme euclidienne

Soit pE, x¨, ¨yq un espace préhilbertien réel. Pour tout x, on note
a
}x} “ xx, xy.

Alors } ¨ } est une norme sur E, appelée norme euclidienne associée au produit scalaire x¨, ¨y.

Ÿ Éléments de preuve.
Pour l’inégalité triangulaire, développer d’un côté xx ` y, x ` yy, d’un autre p}x} ` }y}q2 et comparer
les deux. Ź

Proposition 3.1.6 – Inégalités triangulaires

Soit pE, } ¨ }q un espace vectoriel normé. Alors :
› ›
›ÿn › n
ÿ
1. Pour tout px1 , . . . , xn q P E n , › xk › ď
› ›
}xk }.
› ›
k“1 k“1
2
2. Pour tout px, yq P E , |}x} ´ }y}| ď }x ´ y}

Lemme 3.1.7 – Transfert d’une norme

Soit φ : E Ñ F une application linéaire injective entre deux espaces vectoriels, et N une norme sur
F . Alors l’application N 1 définie sur E par

N 1 pxq “ N pφpxqq

est une norme sur E.

Ÿ Éléments de preuve.
Vérifications faciles par linéarité, et caractérisation de l’injectivité par le noyau. Ź
I Normes sur un espace vectoriel 33

Corollaire 3.1.8 – Restriction d’une norme

Soit N une norme sur E, et soit F un sous-espace vectoriel de E. Alors la restriction NF de N à F
est une norme sur F .
Ainsi, tout sous-espace vectoriel d’un e.v.n. est muni d’une structure d’e.v.n. par restriction de la
norme de E.

I.2 Normes sur des espaces de dimension finie

Proposition/Définition 3.1.9 – Normes usuelles sur Kn
Soit, pour tout X “ px1 , . . . , xn q P Kn :
g
n
ÿ
f n
fÿ
}X}1 “ |xk |, }X}2 “ e |xk |2 , }X}8 “ max |xi |.
iPJ1,nK
k“1 k“1

Alors } ¨ }1 , } ¨ }2 et } ¨ }8 sont des normes.

Ÿ Éléments de preuve.
Le seul point un peu délicat est l’inégalité triangulaire pour } ¨ }2 dans le cas où K “ C. On peut
se ramener au cas réel en considérant le vecteur X̃ “ p|x1 |, . . . , |xn |q. On peut aussi adapter la
démonstration du cas réel, en définissant un produit « hermitien » :
n
ÿ
xX, Y y “ xi yi ,
i“1

où X “ px1 , . . . , xn q et Y “ py1 , . . . , yn q. L’inégalité de Cauchy-Schwarz se généralise à cette situa-

tion, et l’inégalité triangulaire en découle, comme dans le cas réel. Ź

Remarque 3.1.10
1. Si K “ R, } ¨ }2 est la norme euclidienne associée au produit scalaire canonique.
2. Un même espace vectoriel peut être muni de plusieurs normes ! Comme la notion de conver-
gence est définie à l’aide des normes, elle peut être fortement dépendant du choix de la norme.
Ainsi, une suite peut très bien converger pour une norme et pas pour une autre. On verra
des exemples en exercice.

Par transfert, on en déduit :

Proposition/Définition 3.1.11 – Normes usuelles sur un espace de dimension finie

¨ ˛ vectoriel de dimension finie, muni d’une base B “ pb1 , . . . , bn q. Pour X P E tel

Soit E un K-espace
x1
˚ . ‹
˝ .. ‚, on définit :
que rXsB “ ˚ ‹
xn
g
n
ÿ
f n
fÿ
}X}B,1 “ |xk |, }X}B,2 “e |xk |2 , }X}B,8 “ max |xi |.
iPJ1,nK
k“1 k“1

S’il n’y a pas d’ambiguïté sur la base, on notera simplement } ¨ }1 , } ¨ }2 ou } ¨ }8 .

34 CHAPITRE 3. ESPACES VECTORIELS NORMÉS

Avertissement 3.1.12
Toute norme sur un R-espace vectoriel n’est pas euclidienne. Par exemple, }¨}8 n’est pas euclidienne.

Ÿ Éléments de preuve.
La formule de polarisation donne l’unique candidat à être le produit scalaire associé. Trouver un
défaut de bilinéarité. Ź

I.3 Normes sur des espaces de fonctions

On rappelle que si E est un espace vectoriel sur K, alors tout ensemble de fonctions E A défini sur un
ensemble quelconque A et à valeurs dans E est un espace vectoriel sur K. On peut chercher alors à définir
des normes sur cet espace ou sur des sous-espaces vectoriel de cet espace. Dans un premier temps, nous
nous intéressons au sous-espace C 0 pra, bs, Kq de Kra,bs , toujours avec K “ R ou C.
L’intégration correspondant à une sommation continue, les exemples précédents s’adaptent bien dans le
cadre de fonctions continues.

Proposition/Définition 3.1.13 – Normes sur C 0 pra, bs, Kq

Pour tout f P C 0 pra, bs, Kq, on définit
d
żb żb
}f }1 “ |f ptq| dt, }f }2 “ |f ptq|2 dt, }f }8 “ sup f ptq.
a a xPra,bs

Alors } ¨ }1 , } ¨ }2 et } ¨ }8 sont des normes, appelées respectivement :

‚ norme de la convergence en moyenne pour } ¨ }1 ;
‚ norme de la convergence en moyenne quadratique pour } ¨ }2 ;
‚ Norme de la conevrgence uniforme, ou norme norme infinie pour } ¨ }8 .

Ÿ Éléments de preuve.
Même type de démonstration que dans le cas de la dimension finie Ź

Remarque 3.1.14
1. Ces normes s’étendent-elle au cas des fonctions continues par morceaux ? (la réponse n’est
pas forcément la même suivant les normes).
2. Dans la définition de } ¨ }8 , le sup est-il un max ?

La norme }.}8 peut être définie dans un contexte beaucoup plus général.

Définition 3.1.15 – Parties bornées, applications bornées

Soit A un ensemble quelconque, pE, }.}q un e.v.n., et B une partie quelconque de E.
(i) On dit que B est bornée s’il existe un réel M P R` tel que pour tout x P B, }x} ď M .
(ii) On dit qu’une application f P E A est bornée si son image Impf q est un sous-ensemble borné
de E, c’est-à-dire s’il existe M P R` tel que

@x P A, }f px} ď M.

On note BpA, Eq l’ensemble des applications bornées de A dans E.

I Normes sur un espace vectoriel 35

Proposition 3.1.16 – Structure de BpA, Eq

L’ensemble BpA, Eq est un espace vectoriel sur K.

Proposition/Définition 3.1.17 – Norme de la convergence uniforme sur BpA, Eq

Soit A un ensemble quelconque et pE, } ¨ }q un e.v.n.. Pour tout f P BpA, Eq, on définit

}f }8 “ sup }f paq}.
aPA

L’application } ¨ }8 est une norme sur BpA, Eq, appelée norme de la convergence uniforme sur
BpA, Eq.

Ÿ Éléments de preuve.
Même preuve que dans le cas C 0 pra, bs, Kq. Ź

I.4 Normes sur KrXs

Suivant qu’on s’intéresse à des propriétés algébriques liées aux coefficients, ou analytiques liées aux valeurs
de la fonction polynomiale associée, on peut adopter différentes normes sur l’espace des polynômes. En
particulier, les normes définies sur Kn s’adaptent bien, du fait que, même si KrXs n’est pas de dimension
finie, les polynômes ont un nombre fini de coefficients non nuls.
`8
ÿ
Ainsi, pour P “ ak X k (somme en réalité finie), on peut définir
k“0
g
`8 f `8
ÿ fÿ
}P }1 “ |an |, }P }2 “ e |an |2 , }P }8 “ sup |an |.
n“0 n“0 nPN

Et dans un contexte plus analytique, on peut définit les normes } ¨ }1 , } ¨ }2 , } ¨ }8 associées aux fonctions
polynomiales définies par les polynômes formels.

Remarque 3.1.18
La définition des normes séquentielles ci-dessus s’étend à certains sous-espaces de l’espace des suites
KN (les sous-espaces permettant d’assurer la bonne définition de ces normes).

I.5 Normes sur Mn pKq

2
L’espace Mn pKq est isomorphe à Kn (par exemple en mettant les unes au dessus des autres les colonnes
2
de Mn pKq). Via cet isomophisme, les normes usuelles de Kn se transfèrent à Mn pKq : pour une matrice
A “ pai,j q, on obtient les normes
ÿ d ÿ
}A}1 “ |ai,j |, }A}2 “ |ai,j |2 , }A}8 “ max |ai,j |.
1ďi,jďn
1ďi,jďn 1ďi,jďn

Remarque 3.1.19
1. Si K “ R, la norme } ¨ }2 est associée au produit scalaire canonique sur Mn pRq, défini par
ÿ
xA, By “ trpAJ Bq “ ai,j bi,j .
1ďi,jďn

2. Ces 3 définitions s’étendent aux matrices rectangulaires Mn,p pKq.

36 CHAPITRE 3. ESPACES VECTORIELS NORMÉS

3. Dans le cas de matrices carrées, comparer }AB} et }A} ¨ }B} pour ces différentes normes

Définition 3.1.20 – Norme matricielle sur Mn pKq

Une norme } ¨ } sur Mn pKq est appelée norme matricielle si elle est sous-multiplicative, i.e. :

@pA, Bq P Mn pKq2 , }AB} ď }A} ¨ }B}.

Proposition 3.1.21 – Existence d’une norme matricielle, HP

Les normes } ¨ }1 et } ¨ }2 sont matricielles, la normes } ¨ }8 ne l’est pas.

Ÿ Éléments de preuve.
‚ La matrice constituée uniquement de 1 est un contre-exemple pour } ¨ }1 et } ¨ }8
‚ Le cas de } ¨ }2 résulte de l’inégalité de CS. Ce résultat est classique (nombreux exercices) mais
pas au programme. La démonstration doit donc être connue.
Ź
L’existence d’une norme matricielle est d’une grande utilité dans l’étude de convergences de séries matri-
cielles par exemple, notamment des séries faisant intervenir des puissances d’une matrice A. C’est le cas
par exemple de la série exponentielle, permettant de définir l’exponentielle d’une matrice carrée :
`8
ÿ An
exppAq “ .
n“0
n!

Nous justifierons ultérieurement que cette série est convergente (indépendamment de la norme choisie).
L’un des points clés (outre l’équivalence des normes en dimension finie) sera de pouvoir majorer }An }
par }A}n , pour pouvoir se ramener à la convergence d’une série numérique.
Nous définirons dans le chapitre suivant une autre norme matricielle sur Mn pKq, notée ~A~, et appelée
norme triple, ou norme d’opérateur.

I.6 Produits d’e.v.n.

Les normes } ¨ }1 , } ¨ }2 et } ¨ }8 sur des espaces de dimension finie ont été définies à partir des modules des
coordonnées, c’est à dire d’une norme particulière sur K. On peut alors généraliser ces constructions en
remplaçant des coordonnées sur K par des composantes vectorielles, à condition de disposer de normes
sur chacune des composantes. On obtient de la sorte des normes sur des produits cartésiens d’e.v.n..

Proposition/Définition 3.1.22 – Produit cartésien d’e.v.n.

Soit ppEi , Ni qqiPJ1,nK une famille finie d’e.v.n.. Pour X “ px1 , . . . , xn q P E1 ˆ ¨ ¨ ¨ ˆ En , on définit
g
n
ÿ
f n
fÿ
}X}1 “ Ni pxi q, }X}2 “ e Ni pxi q2 et }X}8 “ max Ni pxi q.
iPJ1,nK
i“1 i“1

Ce sont des normes. La norme } ¨ }8 ainsi définie est appelée norme produit des normes Ni .

Ÿ Éléments de preuve.
Adaptation facile du cas de Kn . Ź

Remarque 3.1.23
La notation } ¨ }8 n’indique que la dernière couche de la définition de la norme. Les normes internes
utilisées sur chaque composante peuvent ne pas être des normes infinies.
II Topologie d’un espace vectoriel normé 37

II Topologie d’un espace vectoriel normé

II.1 Distance et boules
Définition 3.2.1 – Distance associée à une norme
Soit pE, } ¨ }q un e.v.n., et px, yq P E. On définit la distance de x à y par :

dpx, yq “ }y ´ x}.

Proposition 3.2.2 – Propriétés de la distance

La distance d : E 2 Ñ R vérifie :
(i) (séparation) pour tout px, yq P E 2 , dpx, yq “ 0 ðñ x “ y ;
(ii) (symétrie) pour tout px, yq P E 2 , dpx, yq “ dpy, xq ;
(iii) (inégalité triangulaire) pour tout px, y, zq P E 3 , dpx, zq ď dpx, yq ` dpy, zq ;
(iv) (positivité) pour tout px, yq P E 2 , dpx, yq ě 0.

Remarque 3.2.3
‚ La propriété (iv) découle des 3 autres.
‚ Les propriétés (i) à (iii) ci-dessus (et donc aussi (iv)) permettent de définir des distances sur
des ensembles beaucoup plus généraux (qui n’ont pas besoin d’être des espaces vectoriels).

Dans ce qui suit, on se place dans un e.v.n. E, dont la norme sera notée } ¨ }, et la distance associée sera
notée d.
Définition 3.2.4 – Boules ouvertes, boules fermées, sphère
Soit a P E, et r P R`
(i) La boule ouverte de centre a et de rayon r est définie par Bpa, rq “ tx P E | dpx, aq ă ru ;
(ii) La boule fermée de centre a et de rayon r est définie par Bpa, rq “ tx P E | dpx, aq ď ru ;
(iii) La sphère de centre a et de rayon r est définie par Spa, rq “ ty P E dpx, aq “ ru.
Pour lever une éventuelle ambiguïté, cela arrive d’utiliser la notation B̊pa, rq pour désigner la boule
ouverte Bpa, rq.

Exemples 3.2.5
1. Les boules dans R2 au sens de la norme } ¨ }2 sont représentées dans la figure 3.1. Essayez de
représenter de la même façon les boules pour la norme } ¨ }1 et la norme } ¨ }8 , et observez
qu’un boule n’est pas toujours ronde !
2. À quoi ressemble la boule Bpf, εq, pour f P Cpra, bs, Rq, muni de la norme } ¨ }8 ?

Exemple 3.2.6
Dans R, les boules sont des intervalles (voir figure 3.2) :
‚ Bpx, rq “sx ´ r, x ` rr
‚ Bpx, rq “ rx ´ r, x ` rs
En fait, tout intervalle borné ouvert est une boule ouverte, tout intervalle borné fermé est une boule
fermée :
38 CHAPITRE 3. ESPACES VECTORIELS NORMÉS

r r
y y
dpx, yq dpx, yq
x x

B̊px, rq Bpx, rq

Figure 3.1 – Boules dans pR2 , } ¨ }2 q

` ˘
‚ sa, br“ B a`b 2 , b´a
2 ,
` a`b b´a ˘
‚ ra, bs “ B 2 , 2

x y x y
x´r x`r x´r x`r
r dpx, yq r dpx, yq
B̊px, rq Bpx, rq

Figure 3.2 – Boule ouverte, boule fermée dans R

Proposition 3.2.7 – Caractérisation des parties bornées

(i) Une boule est bornée.
(ii) Une partie A de E est bornée si et seulement s’il existe pa, rq P E ˆ R` tel que A Ă Bpa, rq.

Ÿ Éléments de preuve.
Utiliser l’inégalité triangulaire. Faire un dessin ! Ź
L’inégalité triangulaire implique également une autre propriété des boules, bien visible sur tous les
exemples étudiés : la convexité (au sens géoémtrique).
Définition 3.2.8 – Ensemble convexe, figure 3.3
Soit F une partie E. On dit que F est convexe si et seulement si pour tout couple de points A et
B de E, le segment rABs “ tp1 ´ tqA ` tB, t P r0, 1su est entièrement inclus dans E.

Exemple 3.2.9
Par définition, les intervalles sont les sous-ensembles convexes de R.

Théorème 3.2.10 – Convexité des boules

Pour tout a P E et r ą 0, B̊pa, rq et Bpa, rq sont des parties convexes de E.

Ÿ Éléments de preuve.
Encore un petit coup d’inégalité triangulaire. Ź
II Topologie d’un espace vectoriel normé 39

E1 E2

‘
ˆ
Figure 3.3 – Un sous-ensemble convexe E1 et un sous-ensemble non convexe E2 de R2

II.2 Ouverts, fermés, voisinages

La notion de boule est très mesurée. Nous définissons maintenant des objets un peu similaires, permettant
d’assurer la présence de « matière » de toute part d’un point a, mais sans être aussi mesuré. Ainsi, il
s’agit d’une notion plus qualitative que la notion très quantitative de boule. L’ensemble E est toujours
un e.v.n., muni de sa norme } ¨ } et de sa distance d.

Définition 3.2.11 – Voisinage, figure 3.4

Soit a P E. Un voisinage V de a est un sous-ensemble V de E tel qu’il existe une boule ouverte
centrée en a entièrement contenue dans V :

Dε ą 0, Bpa, εq Ă V, i.e. Dε ą 0, @x P E, dpx, aq ă ε ùñ x P V.

On note Vpaq Ă PpEq l’ensemble des voisinages de a.

V1 V2

a
a

‘
ˆ
Figure 3.4 – Voisinage de a

En gros, V est un voisinage de x si x est « à l’intérieur de V », et non sur un bord. En s’éloignant un

peu de x, on ne sort pas de V .
Exemple 3.2.12 – Voisinages dans R
‚ Dans R, un voisinage de x est un ensemble contenant un intervalle sa, br tel que x Psa, br.
‚ Par extension et commodité, on dit parfois qu’un ensemble contenant un intervalle sa, `8r
est un voisinage de `8. Version symétrique pour ´8. On notera Vp`8q l’ensemble des
voisinages de `8 dans R.

Proposition 3.2.13 – Intersection et union de voisinages

Soit pVi qiPI P VpaqI une famille de voisinages de a.
(i) Soit V P Vpaq et W P PpEq tel que V Ă W . Alors W P Vpaq.
ď
(ii) En particulier, si I ‰ ∅, Vi P Vpaq.
iPI
40 CHAPITRE 3. ESPACES VECTORIELS NORMÉS

č
(iii) Si I est fini, Vi P Vpaq.
iPI

Exemple 3.2.14
Trouver dans R un exemple de famille infinie de voisinages de a P R dont l’intersection n’est pas un
voisinage de a.

Définition 3.2.15 – Partie ouverte

‚ Un ouvert U de E est une partie U de E qui est voisinage de tous ses points
‚ De manière équivalente, U Ă E est un ouvert ssi :

@x P U, Dε ą 0, Bpx, εq Ă U.

Intuitivement, un ouvert est un ensemble dont le « bord » est flou : on peut s’en approcher, mais jamais
l’atteindre en restant dans U . Ainsi, l’image qu’il faut en garder est qu’un ouvert est un ensemble ne
contenant pas son bord. Évidemment, n’ayant pas défini la notion de bord, ceci reste une image.

Définition 3.2.16 – Partie fermée

Un sous-ensemble F de E est fermé si son complémentaire AE F est ouvert.

Cette fois, intuitivement, c’est le complémentaire qui ne contient pas son bord, donc F , lui contient tout
son bord.
Exemples 3.2.17
1. Les intervalles ouverts sont des sous-ensembles ouverts de R.
2. Les intervalles fermés sont des sous-ensembles fermés de R.
3. Les intervalles semi-ouverts ne sont ni ouverts ni fermés.
4. R et ∅ sont des sous-ensembles à la fois fermés et ouverts de R.
5. On peut montrer que les sous-ensembles ouverts de R sont les unions disjointes d’intervalles
ouverts (voir exercices)

Définition 3.2.18 – Topologie

La topologie d’un e.v.n. E est la donnée de l’ensemble O de tous ses ouverts.

La propriété suivante généralise l’observation faite sur les intervalles.

Proposition 3.2.19 – Propriétés topologiques des boules

1. Les boules ouvertes B̊pa, rq sont des parties ouvertes de E.
2. Les boules fermées Bpa, rq sont des parties fermées de E.
3. Les sphères Spa, rq sont des parties fermées de E.

Proposition 3.2.20 – union, intersection d’ouverts et de fermés

1. Toute union quelconque d’ouverts est un ouvert ;
2. Toute intersection d’un nombre fini d’ouverts est un ouvert ;
3. Toute intersection quelconque de fermés est un fermé ;
4. Toute union d’un nombre fini de fermés est un fermé.
II Topologie d’un espace vectoriel normé 41

Ÿ Éléments de preuve.

1. Si x est dans l’union, il existe une boule centrée en x restant dans l’un des ouverts, donc dans
leur union.
2. Prendre le minimum des rayons des boules centrées en x restant dans chaque ouvert. Pourquoi
doit-on se limiter au cas fini ?
3. Par complémentation
4. De même.

Exemples 3.2.21
Voici deux contre-exemples à bien garder en tête :
`8 ȷ „
č 1
1. Contre-exemple pour une intersection infinie d’ouverts : ´ , 1 “ r0, 1r.
n“1
n
`8 „ ȷ
ď 1
2. Contre-exemple pour une union infinie de fermés : , 1 “s0, 1s.
n“1
n

Proposition 3.2.22 – Propriétés topologiques d’un produit cartésien

Soit ppEi , Ni qqiPJ1,nK une famille finie d’e.v.n.. On munit le produit cartésien E “ E1 ˆ ¨ ¨ ¨ ˆ En de
la norme produit.
1. Soit, pour tout i P J1, nK, Ui un ouvert de Ei . Alors U1 ˆ ¨ ¨ ¨ ˆ Un est un ouvert de E.
2. Soit, pour tout i P J1, nK, Fi un fermé de Ei . Alors F1 ˆ ¨ ¨ ¨ ˆ Fn est un fermé de E.

II.3 Intérieur, adhérence, frontière

Définition 3.2.23 – Intérieur
Soit A une partie de l’e.v.n. E.
(i) Un point a P E est intérieur à A s’il existe ε ą 0 tel que Bpa, εq Ă A.
(ii) L’intérieur de A, noté Å, est la partie de E constituée de tous les points intérieurs à A :

Å “ ta P E | Dε ą 0, Bpa, εq Ă Au.

Proposition 3.2.24 – Caractérisation topologique de l’intérieur

Soit A une partie de E ;
(i) Å Ă A ;
(ii) Å est un ouvert de E ;
(iii) Si U est un ouvert de A tel que U Ă A, alors U Ă Å.
Ces trois propriétés peuvent être résumées en disant que Å est le plus grand ouvert de E inclus
dans A.

Corollaire 3.2.25 – Intérieur d’un ouvert

(i) Si A est ouvert, Å “ A. C’est même une équivalence.
˚
(ii) Å “ Å.
42 CHAPITRE 3. ESPACES VECTORIELS NORMÉS

Exemples 3.2.26
1. Décrire l’intérieur d’un intervalle.
˚
2. Décrire Bpa,
˚ rq ?
˚
3. Justifier que Q̊ “ ∅. A-t-on A˙ Y B “ Å Y B̊ ?

Définition 3.2.27 – Adhérence

Soit A une partie de E.
(i) Un point a est adhérent à A si pour tout ε ą 0, Bpa, εq X A ‰ ∅.
(ii) L’adhérence A est l’ensemble des points adhérents à A :

A “ ta P E | @ε ą 0, Bpa, εq X A ‰ ∅u.

L’adhérence est donc l’ensemble des points qui « collent » à A, dans le sens où on peut en trouver des
points de A arbitrairement proches.

Exemples 3.2.28
1. Décrire Q. A-t-on A X B “ A X B ?
2. Que dire de l’adhérence d’un intervalle de R ?
3. Décrire B̊pa, rq
4. Soit F “ tx ÞÑ e´nx , n P N˚ u Ă C 0 pr0, 1s, Rq. Montrer que la fonction nulle est adhérente à
F pour la norme } ¨ }1 mais pas pour la norme } ¨ }8 .
5. Soit A une partie non vide et bornée de R. Montrer que suppAq et infpAq sont adhérents à
A.

Lemme 3.2.29 – Lien avec l’intérieur

Soit A Ă E. Alors
˚c c
‚ A “ pA
ı q , où X c désigne le complémentaire de X dans E ;
˚
‚ pAqc “ A
ıc
˚c
‚ pAqc “ A
ı

Proposition 3.2.30 – Caractérisation topologique de l’adhérence

Soit A Ă E. Alors A est le plus petit fermé (au sens de l’inclusion) tel que A Ă A. Autrement dit :
(i) A est un fermé
(ii) A Ă A
(iii) Si F est un fermé tel que A Ă F , alors A Ă F .

On donne une autre caractérisation en terme de distance. Pour cela, on définit dans un premier temps la
distance d’un point à une partie.

Définition 3.2.31 – Distance à une partie

Soit A une partie non vide de E. Soit x P E. On définit la distance de x à A par :

dpx, Aq “ inf }y ´ x}E

yPA
II Topologie d’un espace vectoriel normé 43

Proposition 3.2.32 – Caractérisation de l’adhérence par la distance

Soit A Ă E. Alors
A “ tx P E | dpx, Aq “ 0u.

Propriétés 3.2.33 – Propriétés relatives aux intersections et unions

Ces propriétés ne sont pas explicitement marquées au programme, mais assez utiles. Soit A Ă E.
˚
1. A˙X B “ Å X B̊.
2. A Y B “ A Y B.
˚
3. Å Y B̊ Ă A
˙ Y B, mais l’inclusion réciproque peut être fausse.
4. A X B Ă A X B, mais l’inclusion réciproque peut être fausse.

Définition 3.2.34 – Frontière

Soit A Ă E. La frontière de A, notée FrpAq, est

FrpAq “ AzÅ “ A X Ac .

Il s’agit donc des points arbitrairement proche de points de A et de points qui ne sont pas dans A.

Exemples 3.2.35
1. Quelle est la frontière de ra, br dans R ?
2. Quelle est la frontière de Q dans R ?
3. Déterminer la frontière de B̊pa, rq. Quelle est la frontière de Bpa, rq ?
4. De façon générale, étant donné A Ă E, a-t-on FrpAq “ FrpAq ? A-t-on FrpAq “ FrpÅq ?

Définition 3.2.36 – Parties denses

(i) Soit A et B deux parties de E telles que A Ă B. On dit que A est dense dans B si B Ă A.
Autrement dit, A est dense dans B ssi :

@b P B, @ε ą 0, Da P A, dpa, bq ă ε.

(ii) Soit A une partie de E. On dit que A est partout dense si A “ E (ce qui équivaut donc à dire
que A est dense dans E.

Proposition 3.2.37 – Lien avec la densité dans pR, ďq

Soit A Ă R. Les propositions suivantes sont équivalentes :
(i) A est (partout) dense dans R ;
(ii) pour tout pa, bq P R2 tel que a ă b, il existe x P A tel que a ă x ă b.

Exemples 3.2.38
1. Q Ă R est partout dense (dans R). Il est dense dans r0, 1s.
2. Escpra, bs, Rq est dense dans C 0 pra, bs, Rq, ainsi que dans Cm
0
pra, bs, Rq (espace des fonctions
continues par morceaux).
3. GLn pCq est dense dans Mn pCq.
44 CHAPITRE 3. ESPACES VECTORIELS NORMÉS

II.4 Topologie relative

Définition 3.2.39 – Voisinages relatifs
Soit A Ă E, et a P A. Un voisinage relatif de a dans A est une partie V Ă A telle qu’il existe
V0 P Vpaq tel que V “ V0 X A.

Exemple 3.2.40
1. On se place dans l’e.v.n. C. Soit a P R. Alors sa ´ 1, a ` 1r est un voisinage relatif de a dans
R, mais ce n’est pas un voisinage de a dans C
2. On se place dans l’e.v.n. R. Soit a P R. Alors ra, a ` 1r est un voisinage relatif de a dans
ra, `8r.

Terminologie 3.2.41 – Voisinage à droite, voisinage à gauche

Dans l’e.v.n. pR, | ¨ |q, un voisinage relatif de a dans ra, `8r est parfois appelé voisinage à droite de
a.
De même, un voisinage à gauche de a est un voisinage relatif de a dans s ´ 8, as.

Proposition 3.2.42 – Caractérisation des voisinages relatifs

Soit V Ă A Ă E. Les propriétés suivantes sont équivalentes :
‚ V est un voisinage relatif de a dans A ;
‚ il existe ε ą 0 tel que A X Bpa, εq Ă V ;
‚ il existe ε ą 0 tel que pour tout x P A, dpx, aq ă ε ùñ a P V .

Proposition/Définition 3.2.43 – Ouverts relatifs

Soit A Ă E, et U Ă A. Les propriétés suivantes sont équivalentes :
(i) U est un voisinage relatif de tous ses points dans A ;
(ii) pour tout a P U , il existe ε ą 0 tel que Bpx, εq X A Ă U ;
(iii) il existe un ouvert U0 de E tel que U “ A X U0 .
Si ces propriétés sont vérifiées, on dit que U est un ouvert relatif de A.

Exemples 3.2.44
1. Décrire les ouverts relatifs convexes de r0, 1s dans R.
2. Que dire des ouverts relatifs de A si A est ouvert ?
3. Montrer que A et ∅ sont toujours des ouverts relatifs de A.

Proposition/Définition 3.2.45 – Fermés relatifs

Soit A Ă E, et F Ă A. Les propriétés suivantes sont équivalentes :
(i) AzF est un ouvert relatif de A ;
(ii) il existe F0 un fermé de E tel que F “ A X F0 .
Lorsque ces propriétés sont vérifiées, on dit que F est un fermé relatif de A.
III Convergences 45

Exemples 3.2.46
1. Que dire des fermés relatifs de A lorsque A est fermé ?
2. Montrer que A et ∅ sont toujours des fermés relatifs de A.

Théorème 3.2.47 – Union, intersection d’ouverts, fermés relatifs

1. Une union quelconque d’ouverts relatifs de A est un ouvert relatif de A.
2. Une intersection finie d’ouverts relatifs de A est un ouvert relatif de A.
3. Une union finie de fermés relatifs de A est un fermé relatif de A.
4. Une intersection quelconque de fermés relatifs de A est un fermé relatif de A

III Convergences
III.1 Suites convergentes
Les notions de convergence vues pour les suites réelles et complexes se généralisent sans peine au cas des
suites à valeurs dans un evn.
Proposition/Définition 3.3.1 – Convergence d’une suite d’éléments d’un e.v.n.
Soit pun qnPN une suite d’éléments d’un e.v.n. E, et ℓ P E. Les propriétés suivantes sont équivalentes :
(i) (point de vue métrique) @ε ą 0, DN P N, @n ě N, }un ´ ℓ} ď ε.
(ii) (réexpression du point de vue métrique) @ε ą 0, DN P N, @n ě N, un P Bpℓ, εq.
(iii) (point de vue topologique) @V P Vpℓq, DN P N, @n ě N, un P V .
Si ces propriétés sont vérifiées, on dit que pun q converge vers ℓ, ou que pun q admet ℓ comme limite.

Remarque 3.3.2
Dans le point (i), l’inégalité }un ´ ℓ} ď ε peut être exprimée indifféremment avec une inégalité large
ou stricte, sans que cela ne modifie le sens de la propriété. C’est ce que suggère l’équivalence avec
le point (ii).

Théorème 3.3.3 – Unicité de la limite

Soit pun qnPN une suite d’éléments d’un e.v.n. E. Si pun q admet une limite, alors cette limite est
unique.

Cette unicité permet de définir sans ambiguïté LA limite d’une suite (en cas d’existence).

Notation 3.3.4 – Limite d’une suite

Si pun q converge vers ℓ, on écrira ℓ “ lim un , ce qui est défini sans ambiguïté en vertu du théorème
nÑ`8
précédent.

Exemples 3.3.5
1. Quelle est la limite, pour la norme } ¨ }8 , de la suite pAn q P M2 pRqn par
˜ ¸
1 1
2n 2 ` n`1
An “ ` ˘n .
1 ` n1 1

2. Quelle est la limite dans RrXs muni de la norme } ¨ }8 sur les coefficients, de la suite définie
46 CHAPITRE 3. ESPACES VECTORIELS NORMÉS

pour n ě 0 par
n
ÿ 1
Pn “ `n˘ X k
k“0
pk ` 1q k

3. Quelle est la limite pour la norme de la convergence en moyenne sur r0, 1s de la suite

fn : x ÞÑ e´nx .

Cette suite admet-elle une limite pour la norme de la convergence uniforme ?

Ainsi, la notion de convergence est fortement dépendante de la norme (en tout cas en dimension infinie).

Proposition 3.3.6 – Convergent implique borné

Soit pun qnPN une suite d’éléments de E. Si pun q est convergente, alors elle est bornée.

Proposition 3.3.7 – Caractérisation de la convergence dans un produit cartésien

Soit pE1 , N1 q, . . . , pEp , Np q des e.v.n., et E “ E1 ˆ ¨ ¨ ¨ ˆ Ep le produit cartésien, muni de la norme
produit. Soit pXn qnPN P E N , et pour tout n P N,

Xn “ px1,n , . . . , xp,n q.

Alors pXn qnPN converge vers L “ pℓ1 , . . . , ℓp q si et seulement si pour tout k P J1, pK, pxk,n qnPN
converge vers ℓk .

En particulier, on retrouve l’équivalence entre la convergence dans Rn et la convergence coordonnée par

coordonnée pour } ¨ }8 .

Proposition 3.3.8 – Caractérisation par la limite des normes

Soit pun qnPN P E N , ℓ P E. La suite pun q converge vers ℓ si et seulement si la suite de réels p}un ´ℓ}qnPN
converge vers 0.

En particulier, cela permet d’exploiter un certain nombre de techniques de majorations vues dans le cadre
de réels.
Méthode 3.3.9
Pour montrer que un Ñ ℓ, il suffit de trouver une majoration

@n P N, }un ´ ℓ} ď Mn ,

où pMn q est une suite de réels de limite nulle.

Comme il n’y a a priori pas dans E d’autres opérations que l’addition et la multiplication par un scalaire.

Proposition 3.3.10 – Règles opératoires générales

Soit pun qnPN et pvn qnPN deux suites d’éléments d’un e.v.n. E, et pλn qnPN P KN . Si pun q, pvn q et λn
sont convergentes, alors :
(i) la suite pun ` vn q est convergente, et

lim pun ` vn q “ lim un ` lim vn ;

nÑ`8 nÑ`8 nÑ`8

(ii) la suite pλn un q est convergente, et

lim λn un “ lim lim un .

nÑ`8 nÑ`8λn nÑ`8
III Convergences 47

Ÿ Éléments de preuve.
Majorer la norme de la différence avec la limite présumée en utilisant l’inégalité triangulaire. Ź
Nous donnons dès maintenant une règle opératoire concernant les produits, mais elle sera démontrée plus
tard, nécessitant quelques propriétés liées à la continuité des applications linéaires et multilinéaires.

Proposition 3.3.11 – Limite d’un produit

Soit pE, } ¨ }q un e.v.n., muni d’un produit tel que :
(i) px, yq ÞÑ x ¨ y soit bilinéaire ;
(ii) il existe k P R` tel que pour tout px, yq P E, }xy} ď k ¨ }x} ¨ }y}.
Alors, si pun q P EN et pvn q P EN sont deux suites convergentes, il en est de même de pun vn q, et de
plus,
lim un vn “ lim un ¨ lim vn .
nÑ`8 nÑ`8 nÑ`8

Exemple 3.3.12
˜ ` ˘ ?1
¸42
cos n1 e n
Calculer la limite lorsque n tend vers `8 de 1 .
lnpnq 1 ` n12

III.2 Caractérisations séquentielles

La convergence des suites permet d’obtenir des caractérisations souvent assez pratiques d’un certain
nombre des notions topologiques étudiées jusqu’ici.

Proposition 3.3.13 – Caractérisation séquentielle de l’adhérence

Soit A Ă E, et a P E. Les propositions suivantes sont équivalentes:
(i) a P A
(ii) il existe une suite pxn q P AN telle que xn Ñ a.

Corollaire 3.3.14
En particulier, toute suite convergente d’éléments de A converge dans A.

On en déduit les autres caractérisations qui suivent.

Proposition 3.3.15 – Caractérisation séquentielle de la densité

Soit A et B des parties de E.
(i) A est dense dans B si et seulement si pour tout b P B, il existe pxn qnPN P AN tel que xn Ñ b.
(ii) A est partout dense si et seulement si pour tout b P E, il existe pxn qnPN P AN tel que xn Ñ b.

Proposition 3.3.16 – Caractérisation des fermés

Soit F Ă E. Les propositions suivantes sont équivalentes:
(i) F est fermé ;
(ii) toute suite convergente pxn qnPN P F N admet sa limite dans F

Autrement dit, F est fermé si et seulement si F est stable par passage à la limite.
Par restriction à A, on obtient de même une caractérisation des fermés relatifs.
48 CHAPITRE 3. ESPACES VECTORIELS NORMÉS

Proposition 3.3.17 – Caractérisation des fermés relatifs

Soit A Ă E, et F Ă A. Les propositions suivantes sont équivalentes:
(i) F est un fermé relatif de A ;
(ii) toute suite pxn qnPN P F N convergente dans A admet sa limite dans F .

IV Valeurs d’adhérence et compacité

IV.1 Valeur d’adhérence d’une suite
Définition 3.4.1 – Suite extraite, fonction extractrice
1. Soit pun qnPN P E N . Une suite extraite de pun qnPN est une suite pvn qnPN telle qu’il existe
φ : N ÝÑ N strictement croissante telle que pour tout n P N, vn “ uφpnq .
2. La fonction φ est appelée fonction extractrice de la suite extraite pvn qnPN .

Ainsi formellement, une suite extraite de pun q est une composée de un : N ÝÑ R par une fonction
strictement croissante φ : N ÝÑ N. En pratique, cela signifie que pvn q est constitué de termes de pun q,
dans l’ordre, et sans répétition d’indice.
Le comportement des suites extraites à l’infini donne des indications quant au comportement de la suite
initiale. Si le comportement de la suite initiale détermine le comportement d’une suite extraite, il est
beaucoup plus délicat de faire chemin arrière, une suite extraite ne pouvant fournir qu’une information
partielle sur la suite totale.

Théorème 3.4.2 – Théorème de convergence des suites extraites

Soit pun qnPN une suite convergente dans E. Alors toutes les suites extraites de pun qnPN sont conver-
gentes, de même limite que pun q.

Ÿ Éléments de preuve.
La stricte croissance de l’extractrice φ montre que pour tout n, φpnq ě n. Le résultat est alors
immédiat par la définition de la limite. Ź

Proposition 3.4.3
Soit pun qnPN une suite réelle ou complexe. Alors pun qnPN converge dans R ou C si et seulement si
pu2n qnPN et pu2n`1 qnPN convergent vers une même limite ℓ, et dans ce cas, lim un “ ℓ.

C’est un cas particulier de la situation plus générale suivante :

Théorème 3.4.4 – Convergence par étude de suites extraites couvrantes

ď
Soit pun qnPN , et pφi qiPI une famille finie d’extractrices, telle que φi pNq “ N. Alors pun q converge
iPI
vers ℓ si et seulement si pour tout i P I, puφi pnq q converge vers ℓ.

Ÿ Éléments de preuve.
Sens direct déjà acquis. Pour le sens réciproque, considérer εi ą 0, associé à chaque φi , ainsi qu’un
rang de validité Ni , puis se placer au delà du plus grand des Ni . Ź
La notion de suite extraite est intimement liée à celle de valeur d’adhérence :
IV Valeurs d’adhérence et compacité 49

Définition 3.4.5 – Valeur d’adhérence

Soit pun qnPN P E N , et a P E. On dit que a est une valeur d’adhérence de la suite pun qnPN s’il existe
une suite extraite puφpnq q de pun q telle que lim uφpnq “ x.

Ainsi, l’ensemble des valeurs d’adhérence d’une suite pun qnPN est l’ensemble de toutes les limites (finies)
des suites extraites de pun qnPN .

Exemples 3.4.6
1. Décrire les valeurs d’adhérence de la suite p´1qn .
¨¨ ˛n ˛
0 1 0
2. Décrire les valeurs d’adhérence de la suite ˝˝1 0 0‚ ‚ dans Mn pKq muni de la norme
˚˚ ‹ ‹
1
0 0 2 nPN
} ¨ }1 .
3. Décrire une suite réelle n’ayant pas de valeur d’adhérence.

Proposition 3.4.7 – Valeurs d’adhérences d’une suite convergente

Soit pun q P E N . Si un Ñ ℓ, alors ℓ est valeur d’adhérence de pun q et c’est la seule.

Ÿ Éléments de preuve.
C’est une réexpression du théorème de convergence des suites extraites. Ź
Ainsi, une suite ayant au moins 2 valeurs d’adhérences est divergente.

Avertissement 3.4.8
La réciproque est fausse !

Exemples 3.4.9
Construire une suite réelle non convergente et admettant une seule valeur d’adhérence.

Proposition 3.4.10 – Valeurs d’adhérence d’une suite extraite

Soit pvn q une suite extraite de pun q. L’ensemble des valeurs d’adhérence de pvn q est inclus dans
l’ensemble des valeurs d’adhérence de pun q.

Ÿ Éléments de preuve.
Faire une double-extraction, ce qui revient à composer les extractrices. Attention au sens dans lequel
écrire cette composée. Ź

Proposition 3.4.11 – Caractérisation des valeurs d’adhérence

Soit pun qnPN P E N et a P E. Les propositions suivantes sont équivalentes:
(i) a est valeur d’adhérence de pun qnPN ;
(ii) pour tout voisinage V de a, il existe I Ă N infini tel que pour tout n P I, un P V ;
(iii) pour tout voisinage V de a, pour tout N P N, il existe n ě N tel que un P V ;
(iv) pour tout ε ą 0, il existe I Ă N infini tel que pour tout n P I, un P Bpa, εq ;
(v) pour tout ε ą 0, pour tout N P N, il existe n ě N tel que un P Bpa, εq.
50 CHAPITRE 3. ESPACES VECTORIELS NORMÉS

Ÿ Éléments de preuve.
‚ piq ùñ piiq : utiliser la définition topologique de la convergence d’une suite extraite vers a ;
‚ piiq ùñ pivq : les boules centrées en a sont des voisinages de a ;
‚ piiq ðñ piiiq et pivq ðñ pvq car un sous-ensemble de N est infini si et seulement si il est non
borné ;
‚ pvq ùñ piq en construisant une suite puφpnq q associée à une suite pεn q convergent vers 0.
Ź

IV.2 Théorème de Bolzano-Weierstass sur R

Comme l’a montré un exemple précédent, une suite n’admet pas nécessairement de valeur d’adhérence.
Le théorème de Bolzano-Weierstrass, que vous avez vu en première année, donne un résultat d’existence
pour les suites réelles, sous certaines conditions.

Théorème 3.4.12 – Théorème de Bolzano-Weierstrass réel

De toute suite réelle bornée on peut extraire une suite convergente. En d’autres termes, toute suite
réelle bornée admet au moins une valeur d’adhérence.

Ÿ Éléments de preuve.
On peut faire une dichotomie, en gardant toujours une moitié de l’intervalle contenant une infinité
de termes de la suite pun q. Ź
Tout ce qui précède reste évidemment valide, mais on peut également s’intéresser dans ce cadre à la
convergence vers `8 ou ´8, et donc définir des valeurs d’adhérence infinies.

Proposition/Définition 3.4.13 – Valeur d’adhérence infinie

Soit pun qnPN P RN . Les propositions suivantes sont équivalentes:
(i) il existe une suite extraite puφpnq q convergent vers `8 ;
(ii) pour tout A P R, il existe une infinité d’indices n P N tels que un ě A ;
(iii) pour tout A P R et tout N P N, il existe n ě N tel que une un ě A ;
(iv) pun q n’est pas majorée.
On dit dans ce cas que `8 est une valeur d’adhérence de pun q dans R.

Proposition 3.4.14 – Existence d’une valeur d’adhérence dans R, HP

Toute suite réelle pun q admet une valeur d’adhérence au moins dans R.

Ÿ Éléments de preuve.
Discuter suivant que pun q est bornée ou non, pour pouvoir appliquer le théorème de Bolzano-
Weierstrass. Ź

Théorème 3.4.15 – Caractérisation de la convergence par les valeurs d’adhérence, HP

Une suite pun q converge dans R si et seulement si elle admet une unique valeur d’adhérence dans R.

Ÿ Éléments de preuve.
Sens direct déjà étudié. Sens réciproque : pour tout voisinage V de a (unique valeur d’adhérence),
seul un nombre fini de termes de un est hors de V (sinon on peut en extraire une suite convergente
d’après la proposition précédente, et on obtient une deuxième valeur d’adhérence). Ź
IV Valeurs d’adhérence et compacité 51

Avertissement 3.4.16
Attention à bien considérer les éventuelles valeurs d’adhérences infinies. Comme on l’a vu sur un
exemple, l’existence et l’unicité d’une valeur d’adhérence réelle n’est pas suffisante pour assurer la
convergence.

IV.3 Sous-ensembles compacts

Une autre situation permettant d’assurer la caractérisation de la convergence par l’unicité de la valeur
d’adhérence est le cas où les valeurs prises par pun q se retrouvent toutes dans un ensemble sur lequel on
peut utiliser une propriété similaire à la conclusion du théorème de Bolzano-Weierstrass. Cela motive la
définition suivante.
Définition 3.4.17 – Sous-ensemble compact
Soit E un e.v.n., et K une partie de E. On dit que K est compact (ou séquentiellement compacte, ou
compact au sens de Bolzano-Weierstrass) si et seulement si de toute suite pun qnPN P K d’éléments
de K, on peut extraire une suite convergeant vers un élément de K.

La propriété définissant la compacité est appelée propriété de Bolzano-Weierstrass.

Exemples 3.4.18
1. Les intervalles ra, bs fermés bornés sont des compacts de R.
2. U est un compact de C.
3. Un sous-ensemble fini de E est compact.

Propriétés 3.4.19
Soit E un e.v.n., et K un compact.
1. K est fermé et borné.
2. Soit F un fermé relatif de K. Alors F est compact.

Avertissement 3.4.20
On prendra garde que (i) ne permet pas de caractériser les compacts. On montrera que c’est le cas en
dimension finie. En revanche, un théorème célèbre (théorème de Riesz) affirme que la boule fermée
Bp0, 1q est compacte si et seulement si E est de dimension finie, ce qui donne un contre-exemple en
dimension infinie.

Théorème 3.4.21 – Caractérisation de la convergence par les v.a. sur un compact

Soit E un e.v.n., et K un compact de E. Soit pun qnPN P K N . Alors pun q converge si et seulement si
pun q admet une unique valeur d’adhérence.

Ÿ Éléments de preuve.
Si pun q a une unique v.a. ℓ et ne converge pas, on peut extraire une suite ne s’approchant pas trop
de ℓ. Cette suite doit avoir une v.a. qui ne peut pas être ℓ. Ź

Remarque 3.4.22
Du fait même de sa définition (équivalente à l’existence d’une valeur d’adhérence), la notion de
compacité joue un rôle central dans de nombreux problèmes existentiels. L’hypothèse de compacité
permet par exemple d’obtenir l’existence d’extrema de fonctions continues.
52 CHAPITRE 3. ESPACES VECTORIELS NORMÉS

Théorème 3.4.23 – Produit de compacts

Soit pE1 , N1 q, . . . , pEp , Np q des e.v.n., et pour tout i P J1, pK, Ki un compact de Ei . Alors K1 ˆ¨ ¨ ¨ˆKi
est un sous-ensemble compact de E1 ˆ ¨ ¨ ¨ ˆ Ep (muni de la norme produit } ¨ }8 .

Ÿ Éléments de preuve.
Par extractions successives, on en déduit une version plus générale. Ź

Théorème 3.4.24 – Bolzano-Weierstrass pour } ¨ }8 en dimension finie

Soit E un e.v.n. de dimension finie, de base B, et muni de la norme } ¨ }B,8 . Alors toute suite bornée
pun qnPN P E N admet au moins une valeur d’adhérence.

Ÿ Éléments de preuve.
C’est un cas particulier du théorème précédent :
‚ tout d’abord pour récupérer BW sur C
‚ puis en décomposant E en produit de droites.
À chaque étape, le caractère borné permet de se restreindre à un intervalle fermé borné de la droite
considérée, donc compact. Ź
Une variante de ce résultat est le très important résultat suivant :

Théorème 3.4.25 – Compacité de Bpa, rq pour } ¨ }B,8 en dimension finie

Soit E un espace de dimension finie, et B une base de E. Dans l’e.v.n. pE, } ¨ }B,`8 q, Bpa, rq est
compact.

Ÿ Éléments de preuve.
C’est une réexpression du résultat précédent, à quoi on ajoute le caractère fermé de la boule. Ź

V Comparaison de normes
Comme on l’a vu dans plusieurs énoncés (par exemple le théorème de Bolzano-Weierstrass), il est souvent
plus pratique de travailler avec une norme particulière. En général, ce n’est pas suffisant pour pouvoir
généraliser le résultat pour une norme quelconque. On s’intéresse ici à des conditions permettant de nous
assurer que pour l’étude d’un problème particulier, deux normes sont interchangeables (i.e. que travailler
avec l’une plutôt que l’autre est équivalent).

V.1 Domination
Définition 3.5.1 – Domination de normes
Soit E un espace vectoriel sur K, et N1 et N2 deux normes sur E. On dit que N1 est dominée par
N2 s’il existe α P R˚` tel que
@x P E, N1 pxq ď αN2 pxq.

Proposition 3.5.2 – Caractérisation par l’image de la sphère unité fermée

Soit E un K-espace vectoriel et N1 et N2 deux normes. Les propositions suivantes sont équivalentes:
(i) N1 est dominée par N2
(ii) Toute partie bornée pour N2 est également bornée pour N1
(iii) il existe α tel que pour tout x P E, N2 pxq ď 1 ùñ N1 pxq ď α.
En d’autres termes, la boule fermé unité pour N2 est bornée pour N1 ;
V Comparaison de normes 53

(iv) il existe α tel que pour tout x P E, N2 pxq “ 1 ùñ N1 pxq ď α.

En d’autres termes, la sphère unité pour N2 est bornée pour N1 ;

Proposition 3.5.3 – Transitivité de la relation de domination

Si N1 est dominée par N2 et N2 dominée par N3 , alors N1 est dominée par N3 .

Exemple 3.5.4
Dans R2 :
‚ } ¨ }1 est dominée par } ¨ }2
‚ } ¨ }2 est dominée par } ¨ }8
‚ } ¨ }8 est dominée par } ¨ }1 .

Plus généralement :

Théorème 3.5.5 – Comparaison des normes 1, 2 et 8

Soit pE1 , N1 q, . . . , pEp , Np q des e.v.n., et } ¨ }1 , } ¨ }2 et } ¨ }8 les trois normes usuelles définies sur le
produit cartésien E1 ˆ ¨ ¨ ¨ ˆ En . Alors
‚ } ¨ }1 est dominée par } ¨ }2
‚ } ¨ }2 est dominée par } ¨ }8
‚ } ¨ }8 est dominée par } ¨ }1 .

Soit alors E un e.v.n. muni d’une base B. En considérant la décomposition de E comme produit cartésien
de droites, on en déduit une comparaison similaire entre } ¨ }B,1 , } ¨ }B,2 et } ¨ }B,8 .

Proposition 3.5.6 – Comparaison des topologies

Soit E un K-ev, et N1 et N2 deux normes. On note Vi paq l’ensemble des voisinages de a au sens
de la norme Ni et Oi l’ensemble des ouverts au sens de la norme i. Les propositions suivantes sont
équivalentes:
(i) N1 est dominée par N2
(ii) @a P E, V1 paq Ă V2 paq
(iii) O1 Ă O2 .

Proposition 3.5.7 – Comparaison des convergences

Soit E un K-ev, et N1 et N2 deux normes. Si N1 est dominée par N2 , alors toute suite convergeant
au sens de N2 converge aussi au sens de N1 , vers la même limite.

Ÿ Éléments de preuve.
Peut se faire soit par majoration soit par les voisinages en utilisant la propriété précédente. Ź

Méthode 3.5.8 – Montrer que N1 n’est pas dominée par N2

‚ Il suffit de trouver une suite bornée pour N2 qui ne le soit pas pour N1
‚ Il suffit de trouver une suite convergente pour N2 qui ne le soit pas pour N1 .

Exemples 3.5.9
1. Dans C 0 pr0, 1sq } ¨ }1 est dominée par } ¨ }8 , mais } ¨ }8 n’est pas dominée par } ¨ }1
2. Montrer que dans KrXs, } ¨ }8 est dominée par } ¨ }1 mais } ¨ }1 n’est pas dominée par } ¨ }8 .
54 CHAPITRE 3. ESPACES VECTORIELS NORMÉS

V.2 Normes équivalentes

Définition 3.5.10 – Normes équivalentes
On dit que deux normes N1 et N2 sur E sont équivalentes si N1 est dominée par N2 et N2 est
dominée par N1 .
De manière équivalente, cela revient à dire qu’il existe pα, βq P R˚` tels que

@x P E, αN2 pxq ď N1 pxq ď βN2 pxq.

Proposition 3.5.11
Cela définit une relation d’équivalence sur l’ensemble des normes sur E.

Proposition 3.5.12
Les comparaisons faites dans le paragraphe précédent amènent :
‚ les normes } ¨ }1 , } ¨ }2 et } ¨ }8 sont équivalentes sur un produit fini d’e.v.n. ;
‚ les normes } ¨ }B,1 , } ¨ }B,2 et } ¨ }B,8 sont équivalentes sur E de dimension finie, muni d’une
base B.

Les comparaisons des topologies et propriétés de convergence établies dans le paragraphe précédent
amènent :

Théorème 3.5.13 – Comparaison des convergences pour 2 normes équivalentes

Soit N1 et N2 deux normes équivalentes sur E et pun q P E N une suite d’éléments de E. Alors pun q
est convergente au sens de la norme N1 si et seulement si elle est convergente au sens de la norme
N2 , la valeur de la limite étant la même pour les deux normes.

En particulier, les objets et propriétés topologiques et séquentiels (définis soit avec les ouverts ou voisi-
nages, soit avec des propriétés de convergence) sont les mêmes pour deux normes équivalentes. Notam-
ment, deux normes équivalentes définissent les mêmes compacts.
Ainsi, la compacité, montrée pour un produit cartésien de compacts au sens de la topologie produit
(définie avec } ¨ }8 ) reste donc aussi valide avec les normes } ¨ }1 et } ¨ }2 .
L’équivalence des normes permet donc de choisir, parmi celles équivalentes à la norme donnée initialement,
celle qui est le plus adaptée à la situation. Comme on l’a vu à plusieurs reprises, la norme }¨}8 est souvent
assez pratique à manipuler. Mais parfois, cela peut être intéressant de « panacher » les normes au gré des
étapes du raisonnement.
Attention toutefois à ne faire cela qu’avec des normes équivalentes !
On verra dans le chapitre suivant que c’est toujours le cas lorsque E est de dimension finie.

VI Espaces métriques (HP)

Comme on l’a évoqué plus haut, on peut définir des distances de façon beaucoup plus générale

Définition 3.6.1 – Distance

Soit A un ensemble quelconque. Une distance d sur A est une application d : A2 Ñ R telle que
(i) (séparation) pour tout px, yq P A2 , dpx, yq “ 0 ðñ x “ y ;
(ii) (symétrie) pour tout px, yq P A2 , dpx, yq “ dpy, xq
(iii) (inégalité triangulaire) pour tout px, y, zq P A3 , dpx, zq ď dpx, yq ` dpy, zq.
VI Espaces métriques (HP) 55

Comme on l’a vu, cela implique en particulier la positivité. La propriété 3.2.2 pourquoi la réf ne marche
pas bien ? affirme alors que l’application px, yq ÞÑ }y ´ x} est une distance.

Exemples 3.6.2
‚ Soit A une partie d’un e.v.n.. La distance associée à la norme de E se restreint en une distance
sur A.
‚ Distance entre 2 sommets d’un graphe non orienté connexe (en un seul morceau), comme
étant le nombre minimal d’arêtes à parcourir pour aller d’un sommet à l’autre.

Définition 3.6.3 – Espace métrique

Un espace métrique pE, dq est un ensemble E (pas forcément un espace vectoriel), muni d’une
distance d sur E.

On peut alors définir dans un espace métrique pE, dq, de même que dans un e.v.n., des boules, des
voisinages, des ouverts, et des fermés.
Ce point de vue permet de clarifier la définition de la topologie relative (les ouverts et fermés relatifs)
vue en cours de chapitre.

Proposition 3.6.4 – Caractérisation de la topologie relative par restriction

Soit pE, } ¨ }q un e.v.n., et A une partie de E. Alors la distance d définie par } ¨ } se restreint à A en
une distance dA . La topologie associée à l’espace métrique pA, dA q est alors la topologie relative de
A définie en II-4.

On peut également définir une notion de convergence.

Définition 3.6.5 – Convergence dans un espace métrique

Soit pE, dq un espace métrique, et pun qnPN P E N . On dit que pun qnPN converge vers ℓ P E si l’une
des propriétés équivalentes suivantes est satisfaite (et donc toutes) :
(i) @ε ą 0, DN P N, @n P N, n ě N ùñ dpun , ℓq ď ε ;
(ii) @ε ą 0, DN P N, @n P N, n ě N ùñ un P Bpℓ, εq ;
(iii) @V P Vpℓq, DN P N, @n P N, n ě N ùñ un P V ;

Les caractérisations séquentielles restent alors vraies.

56 CHAPITRE 3. ESPACES VECTORIELS NORMÉS
 4
Intégrales généralisées

Le but de ce chapitre est de généraliser la définition des intégrales au cas d’intervalles non bornés, ou
d’intervalles aux bornes desquels la fonction f n’est pas définie, et n’admet pas de limite finie.
Le procédé est le même que celui qui permet de passer des sommes finies aux séries, à savoir passer à la
limite sur les bornes. D’ailleurs, comme vous vous en rendrez compte, l’étude des intégrales généralisées
possède des similarités très fortes avec l’étude des séries.
Pour cela, afin de pouvoir définir l’intégrale de f sur un intervalle I quelconque, il est déjà nécessaire de
pouvoir définir son intégrale sur tout segment ra, bs Ă I. Le programme de première année nous donne
une condition suffisante simple à énoncer pour l’intégrabilité sur un segment : la continuité par morceaux
de f . Même si ce n’est qu’un condition nécessaire et pas nécessaire, c’est ce cadre que nous adoptons.
Nous rappelons donc la définition importante suivante :

Définition 4.0.1 – Fonction continue par morceaux sur un intervalle I

1. Soit I “ ra, bs un intervalle fermé borné. On dit que f est continue par morceaux s’il existe
une subdivision (finie)
a “ σ0 ă σ1 ă ¨ ¨ ¨ ă σn´1 ă σn “ b
de ra, bs telle que pour tout k P J0, n ´ 1K, f|sσk ,σk`1 r soit continue et prolongeable par
continuité sur rσk , σk`1 s.
2. Soit I un intervalle quelconque. On dit que f est continue par morceaux sur I si f est continue
par morceaux sur tout segment ra, bs tel que ra, bs Ă I.

0
On notera Cm pra, bs, Kq l’espace des fonctions continues par morceaux. La notation n’étant pas complè-
tement standard, la redéfinir si vous l’utilisez.

Exemples 4.0.2
1. x ÞÑ txu est continue par morceaux sur R.
#X \
1
x si x ą 0
2. x ÞÑ n’est pas continue par morceaux sur r0, `8r.
0 si x “ 0
Sa restriction à s0, `8r est continue par morceaux.

I Intégrales sur un intervalle quelconque

Dans toute cette partie, on considère un intervalle I “ ra, br, où a P R et b P R Y t`8u, tels que a ă b.
Tout ce qu’on fait s’adapte facilement, par symétrie, à un intervalle sb, as.
Le corps K est égal à R ou C.
58 CHAPITRE 4. INTÉGRALES GÉNÉRALISÉES

I.1 Intégrale généralisée sur un intervalle ra, br.

Par définition, une fonction continue par morceaux sur I est en particulier continue par morceaux sur
tout segment rc, ds inclus dans I, notamment sur des segments ra, xs. Elle est donc intégrable (au sens de
Riemann) sur ces intervalles fermés bornés. Cela motive la définition suivante.

Définition 4.1.1 – Intégrale généralisée sur ra, br

‚ Soit f : ra, brÑ K une application continue par morceaux (c.p.m) sur ra, br. On dit que
żb
l’intégrale f est convergente si la fonction
a
żx
x ÞÑ f ptq dt,
a

définie sur ra, br, admet une limite finie (i.e. dans K) lorsque x tend vers b.
żb
‚ Lorsque f est convergente, sa valeur est notée d’une des façons suivantes, et définie par :
a
ż ż żb żb żx
f“ f ptq dt “ f“ f ptq dt “ lim f ptq dt.
I I a a xÑb´ a
żb
‚ Si f n’est pas convergente, on dit qu’elle est divergente.
a

On parle aussi parfois d’intégrale impropre et de borne impropre pour désigner la borne b qui est exclue
du domaine.
Exemples 4.1.2
ż `8
dt
1. est divergente.
0 t
ż `8
2. e´t dt est convergente.
0
ż1
3. lnptq dt est convergente.
0

Remarque 4.1.3
ż `8
La forte ressemblance avec les séries pourrait faire croire que si f converge, alors f pxq Ñ 0.
a
Est-ce le cas ?

Une situation où la convergence est simple à obtenir est la suivante :

Proposition 4.1.4 – Intégrale faussement généralisée

On suppose que b ‰ `8. Soit f : ra, brÑ K une application admettant un prolongement f˜ c.p.m
żb
sur ra, bs. Alors f est convergente, et
a
żb żb
f“ f˜.
a a

Une telle intégrale est parfois appelée intégrale faussement généralisée.

I Intégrales sur un intervalle quelconque 59

Exemple 4.1.5
ż1
sinptq
Justifier la convergence de dt.
0 t

Remarque 4.1.6
żb
En particulier, si f est c.p.m sur ra, bs, considérer l’intégrale f ptq dt au sens de Riemann, ou au
a
sens de l’intégrale généralisée de f|ra,br revient au même. Cela donne une certaine cohérence à la
notation, et permet de s’assurer que la relation
żb żx
f ptq dt “ lim f ptq dt
a xÑb´ a

reste aussi vrai pour des fonctions déjà c.p.m. (donc Riemann-intégrables) sur ra, bs.

Dans la suite, on reprend b P R Y t`8u.

Proposition 4.1.7 – Linéarité

0
Soit f, g P Cm pra, br, Kq et λ P K.
żb żb żb
1. Si f et g sont convergentes, alors f ` λg aussi, et
a a a
żb żb żb
f ` λg “ f `λ g.
a a a

żb żb żb
2. Si f est convergente et g est divergente, alors pf ` gq est divergente.
a a a
żb żb żb
3. Si f et g sont divergentes, on ne peut rien dire en toute généralité de pf ` gq.
a a a

Proposition 4.1.8 – Positivité et croissance

Soit f, g : ra, brÑ K deux applications c.p.m. sur ra, br.
żb żb
1. (Positivité) Si f est positive sur I “ ra, br, et f est convergente, alors f ptq dt ě 0.
a a
żb żb
2. (Croissance) Si f ď g sur I, et si f et g sont convergentes, alors
a a
żb żb
fď g.
a a

3. (Stricte positivité) Si f est continue et positive sur ra, br, non partout nulle, et d’intégrale
convergente, alors
żb
f ą 0.
a

Remarque 4.1.9
La propriété de stricte positivité s’utilise souvent dans sa version contraposée : si f est continue et
positive sur I, d’intégrale (convergente) nulle, alors f est identiquement nulle.
60 CHAPITRE 4. INTÉGRALES GÉNÉRALISÉES

Proposition 4.1.10 – Chasles

Soit f : ra, brÑ K une application c.p.m. sur ra, br, et c P ra, br. Alors :
żb żb
1. L’intégrale f est convergente si et seulement si f est convergente.
a c
2. Le cas échéant, on a alors
żb żc żb
f ptq dt “ f ptq dt ` f ptq dt.
a a c

Proposition 4.1.11 – Intégrale dépendant de sa borne non impropre

żb
Soit f : ra, brÑ K une fonction continue telle que f soit convergente. Alors la fonction
a
żb
F : x ÞÑ f ptq dt
x

est bien définie sur ra, br. De plus, F est dérivable sur ra, br, et

@x P ra, br, F 1 pxq “ ´f pxq.

Attention au signe moins, provenant du fait que la dépendance se fait sur la borne inférieure de l’intégrale.

Remarques 4.1.12
1. Attention à l’hypothèse de continuité, la c.p.m ne suffit pas ici !
żb
2. Par composition, on en déduit des formules de dérivation pour x ÞÑ f ptq dt, comme
αpxq
dans le cas d’intégrales définies.
żx
3. Le signe disparaît lorsqu’on adapte à l’intervalle sb, as : la dérivée de F : x ÞÑ f est dans
b
ce cas f pxq.

I.2 Intégrales de référence

Comme pour le cas des séries, on pourra souvent se ramener à l’étude de la convergence d’intégrales
de fonctions positives. Il est donc intéressant de pouvoir disposer de techniques efficaces d’études de
convergence dans ce contexte.
Souvent ces techniques seront non calculatoires, dans le sens où elles ne passent pas par le calcul des
intégrales partielles et de leurs limites. On privilégiera souvent des méthodes de comparaison, comme
dans le cas de séries.
Pour cela, il est nécessaire de disposer d’un certain nombre de séries de référence dont on connaît les
propriétés de convergence, afin de pouvoir utiliser pour mener nos comparaisons.

Proposition 4.1.13 – Intégrales de référence en la borne `8

ż `8
dt
1. Intégrale de Riemann : pour α P R, α
converge si et seulement si α ą 1.
1 t
ż `8
2. Intégrale exponentielle : pour a P R, e´at dt converge si et seulement si a ą 0.
0

On adapte ces exemples pour la borne ´8 :

I Intégrales sur un intervalle quelconque 61

Proposition 4.1.14 – Intégrales de référence en la borne ´8

ż ´1
dt
1. Intégrale de Riemann : pour α P R, α
converge si et seulement si α ą 1.
´8 |t|
ż0
2. Intégrale exponentielle : pour a P R, e´at dt converge si et seulement si a ă 0.
´8

Proposition 4.1.15 – Intégrale de Riemann en une borne finie b

żb
1
1. Pour α P R, l’intégrale de Riemann dt converge si et seulement si α ă 1.
a |t ´ b|α
ża
1
2. Pour α P R, l’intégrale de Riemann α
dt converge si et seulement si α ă 1.
b |t ´ b|

Exemples 4.1.16
ż1 ż `8
dt dt
‚ ? est convergente, alors que ? est divergente.
ż01 t 1
ż `8 t
dt dt
‚ est divergente, alors que est convergente.
t2 t2
ż01 ż `8 1
dt dt
‚ et sont toutes deux divergentes.
0 t 1 t

Nous verrons
ż `8 un peu plus tard d’autres intégrales de référence, appelées intégrales de Bertrand, de la
1
forme α lnptqβ
dt, qui peuvent être utiles pour affiner un peu les comparaisons (notamment quand
1 t
α devient proche de 1, ou égal à 1). Mais ces intégrales ne sont pas explicitement au programme, et il
faudra savoir redonner les justifications idoines au cas par cas.
Un autre exemple qu’on peut obtenir par un calcul explicite, mais qui sert assez rarement d’intégrale de
référence du fait de son comportement peu marqué, est l’intégrale du logarithme en 0. Comme ce n’est
pas une intégrale de référence officielle du programme, elle n’a que le statut d’exemple.

Exemple 4.1.17
ż1
L’intégrale lnptq dt est convergente.
0

I.3 Théorèmes de comparaison pour les intégrales de fonctions positives

Les séries de référence ont été étudiées de façon purement calculatoire en revenant à la définition : le
calcul explicite de l’intégrale pertielle a permis dans chacun des cas d’étudier l’existence d’une limite.
Assez rapidement, cette méthode devient insuffisante pour l’étude de la convergence des intégrales, soit
parce que les calculs deviennent trop complexes, soit (cela arrive), parce qu’on n’est pas en mesure de
calculer explicitement l’intégrale à étudier, en se servant des fonctions usuelles.
Les techniques de comparaisons nous permettrons de contourner ce point de vue calculatoire, exactement
comme lors de l’étude des séries.
On travaille toujours sur un intervalle I “ ra, br, b P R Y t`8u.

Proposition 4.1.18 – Bonne définition dans R`

żx
Soit f : ra, brÑ R` c.p.m. et positive. Alors x ÞÑ f ptq dt admet toujours une limite, finie ou
a
62 CHAPITRE 4. INTÉGRALES GÉNÉRALISÉES

infinie. Dans le cas oà la limite est infinie, on s’autorisera la notation

żb
f ptq dt “ `8.
a

Remarque 4.1.19
żb
1. Dans le cas positif, on peut donc considérer f ptq dt avant toute étude de convergence
a
2. Le programme stipule expressément qu’ « un calcul aboutissant à un résultat fini vaut preuve
de convergence ». Autrement dit, cela autorise à mener une méthode calculatoire sans se
préoccuper de la convergence.
3. Cela permet aussi de justifier la convergence par majoration en obtenant après calculs une
majoration stricte par `8 (ce qui utilise implicitement les théorèmes de comparaison qu’on
va établir ci-dessous).

Lemme 4.1.20 – CNS de convergence d’une intégrale de fonction positive

Soit f : ra, brÑ R une application c.p.m. sur ra, br, et positive. Les propositions suivantes sont
équivalentes:
żb
(i) f converge
a
żx
(ii) x ÞÑ f ptq dt est bornée.
a

Théorème 4.1.21 – Théorème de comparaison des intégrales de fonctions positives

Soit f, g : ra, brÑ K c.p.m. sur ra, br et telles que 0 ď f ď g sur ra, br. Alors :
żb żb
1. Si g est convergente, il en est de même de f.
a a
żb żb
2. Si f est divergente, il en est de même de g.
a a

Remarque 4.1.22
Il suffit d’avoir la comparaison 0 ď f ď g au voisinage à gauche de b seulement. Par ailleurs, les
intervalles de définition de f et g n’ont pas besoin d’avoir la même borne inférieure.

Corollaire 4.1.23 – Théorème de comparaison par domination ou négligeabilité

1. Soit f, g : ra, brÑ K c.p.m. sur ra, br, positives, et telles que f pxq “ Opgpxqq.
xÑb
żb żb
Alors la convergence de g entraîne celle de f.
a a
2. Cela reste vrai si on remplace l’hypothèse de domination par f pxq “ opgpxqq
xÑb

Exemple 4.1.24 – Intégrale de Gauss

ż `8 ż0
2 2
Justifier la convergence de e´t dt et de e´t dt (les deux moitiés de l’intégrale de Gauss
0 ´8
ż `8
2
e´t dt).
´8
I Intégrales sur un intervalle quelconque 63

Corollaire 4.1.25 – Théorème de comparaison par équivalences

Soit f, g : ra, brÑ K c.p.m. sur ra, br, positives, et telles que f pxq „ gpxq.
xÑb
żb żb
Alors f et g ont même nature.
a a

Exemple 4.1.26
Pour quelles valeurs de x l’intégrale ż1
tx´1 e´t dt
0
est-elle convergente ?

I.4 Extension aux intégrales sur un intervalle quelconque I

Avant de voir comment se ramener à l’étude d’intégrales positives via l’étude de la convergence absolue,
on étend les différents concepts et résultats vus jusqu’à présent au cas d’intégrales de fonctions définies
sur un intervalle quelconque.
Comme on l’a dit le cas des intervalles semi-ouverts sa, bs est similaire à celui exposé ci-dessus, en rem-
plaçant le passage à la limite à gauche en b par le passage à la limite à droite en a sur la borne inférieure
de l’intégrale.
Comme le cas des intervalles fermés bornés ra, bs est du ressort du programme de MPSI (ce ne sont pas
des intégrales généralisées, et il n’y a pas de passage à la limite nécessaire, même si ce ne serait pas fautif
d’après la remarque 4.1.6), il reste à étudier le cas des intervalles ouverts sa, br, avec a ă b dans R.

Proposition/Définition 4.1.27 – Intégrale généralisée sur un intervalle ouvert

2
Soit pa, bq P R tels que a ă b, et soit f :sa, br une application c.p.m. sur sa, br.
żb żc
‚ On dit que f ptq dt est convergente si et seulement si il existe c Psa, br tel que f ptq dt
a żb a

soit convergente (en la borne a) et f ptq dt soit convergente (en la borne b).
c
‚ Cette propriété est alors indépendante du choix de c Psa, br
‚ On définit alors l’intégale de f sur sa, br par
żb żc żb
f ptq dt “ f ptq dt ` f ptq dt.
a a c

‚ Cette définition est indépendante de c, et peut se réécrire

żb ży
f ptq dt “ lim lim f ptq dt.
a xÑa` yÑb´ x

Exemples 4.1.28 – Gauss, fonction Γ d’Euler

ż `8
2
1. Intégrale de Gauss : e´t dt est convergente.
´8
ż `8
2. Fonction Γ d’Euler : Γpxq “ tx´1 e´t dt.
0
Quel est le domaine de définition de Γ ?
64 CHAPITRE 4. INTÉGRALES GÉNÉRALISÉES

Avertissement 4.1.29
Dans l’expression sous forme de double limite, les deux bornes doivent bien être indépendante. Si
on lie les bornes, il peut y avoir des compensations qui faussent l’étude.

Exemple 4.1.30
ż `8 żx
L’intégrale sinptq dt est divergente, mais lim sinptq dt “ 0.
´8 xÑ`8 ´x

Les propriétés vues dans le cadre des intégrales généralisées en une seule borne s’étendent facilement.

Théorème 4.1.31 – Chasles

Soit I un intervalle quelconque, d’extrémités a ă b dans R, et c tel que a ă c ă b. Alors :
żb żc żb
1. f ptq dt est convergente si eu seulement si f ptq dt et f ptq dt le sont.
a a c
2. Dans ce cas,
żb żc żb
f ptq dt “ f ptq dt ` f ptq dt.
a a c

Ÿ Éléments de preuve.
C’est juste un théorème bilan regroupant tous les cas qu’on a déjà vus.
‚ Si I est fermé borné, c’est la relation de Chasles usuelle pour les fonctions Riemann-intégrables
sur un segment
‚ Si I est semi-ouvert, c’est le théorème 4.1.10.
‚ Si I est ouvert, c’est la définition de la convergence 4.1.27
Ź

Proposition 4.1.32 – Linéarité

0
Soit I un intervalle quelconque de bornes a ă b dans R. Soit f, g P Cm pI, Kq et λ P K.
żb żb żb
1. Si f et g sont convergentes, alors f ` λg aussi, et
a a a
żb żb żb
f ` λg “ f `λ g.
a a a

żb żb żb
2. Si f est convergente et g est divergente, alors pf ` gq est divergente.
a a a

Proposition 4.1.33 – Positivité et croissance

Soit I un intervalle quelconque de bornes a ă b dans R. Soit f, g : I Ñ R deux applications c.p.m.
sur I.
żb żb
1. (Positivité) Si f est positive sur I, et f est convergente, alors f ptq dt ě 0.
a a
żb żb żb żb
2. (Croissance) Si f ď g sur I, et si f et g sont convergentes, alors fď g.
a a a a
3. (Stricte positivité) Si f est continue et positive sur I, non partout nulle, et d’intégrale conver-
gente, alors
żb
f ą 0.
a
I Intégrales sur un intervalle quelconque 65

I.5 Intégrabilité
Comme pour les séries, l’étude de la convergence d’une intégrale peut parfois s’étudier en étudiant d’abord
la convergence de l’intégrale de son module. Cela permet de ramener l’étude au cas d’une intégrale d’une
fonction positive, et donc d’exploiter les méthodes du paragraphe précédent, notamment les techniques
de comparaison.

Définition 4.1.34 – Intégrabilité

ż
1. Soit f : I Ñ K (K “ R ou C). On dit que f est intégrable ou que f ptq dt est absolument
I
convergente, si :
(i) f est continue par morceaux sur I ;
ż
(ii) |f ptq| dt est convergente.
I
2. Soit f définie sur un intervalle I tel que sup I “ b, et b R I. On dit que f est intégrable en b
s’il existe c P I tel que f|rc,br soit intégrable.
3. De même si a “ infpIq, on dit que f est intégrable en a s’il existe c P I tel que fsa,cs soit
intégrable.

Avertissement 4.1.35
‚ Attention à bienż avoir la bonneżterminologie, l’intégrabilité d’une fonction se définit par la
convergence de |f | et non de f .
I I
‚ De plus, la notion d’intégrabilité porte sur la fonction, et non sur l’intégrale
‚ Faire le parallèle avec la notion de sommabilité des familles pai qiPI !

Remarques 4.1.36
ż
1. Si f est c.p.m sur ra, br et de signe constant, la convergence de f équivaut à l’intégrabilité
I
de f .
Cela reste en particulier vrai si f est de signe constant au voisinage de b.
2. La notion d’intégrabilité en b est une notion locale, qui permet d’évacuer momentanément
les problèmes qu’il pourrait y avoir à un autre endroit de l’intervalle I.

Proposition 4.1.37 – Intégrabilité aux bornes vs intégrabilité globale

Soit f : I Ñ K, où I est un intervalle de bornes a et b. On suppose que f est c.p.m sur I. Les
propositions suivantes sont équivalentes:
‚ f est intégrable sur I
‚ f est intégrable en a et en b.

Remarque 4.1.38
Avec les notations de la proposition, si a P I, l’intégrabilité en a est acquise, et il ne reste dans le
second point que l’intégrabilité en b à étudier.

La propriété importante permettant de ramener dans beaucoup de situations l’étude de la convergence

d’une intégrale à l’étude de l’intégrabilité de l’intégrande est similaire à la propriété reliant la convergence
absolue et la convergence des séries.
66 CHAPITRE 4. INTÉGRALES GÉNÉRALISÉES

Proposition 4.1.39 – CVA implique CV

ż
Soit f : I Ñ K. Si f est intégrable, alors f ptq dt est convergente.
I

Ÿ Éléments de preuve.
‚ On commencer par étudier le cas K “ R, en décomposant f “ f ` ´ f ´ , et en utilisant le fait que
0 ď f ` , f ´ ď |f |. Le théorème de comparaison et la linéarité permettent de conclure.
‚ On passe de même de R à C en décomposant f en partie réelle et partie imaginaire.
Ź
Exemple 4.1.40
ż `8
cosptq
Montrer la convergence de dt
1 t2

Avertissement 4.1.41
Attention, comme pour les séries, la réciproque est fausse : il peut exister des fonctions f telles
żb żb
que f ptq dt converge sans que f soit intégrable. On dira dans ce cas que f ptq dt est semi-
a a
convergente.

Exemple 4.1.42
ż pn`1qπ´ π6
| sinpxq| sinpxq
‚ En minorant dx, montrer que f : x ÞÑ n’est pas intégrable sur
nπ` π
6
x x
r1, `8r
ż `8
sinpxq
‚ En effectuant une IPP sur l’intégrale partielle, montrer que dx est semi-convergente.
1 x

Ainsi, l’étude d’une intégale généralisée passe souvent par l’étude d’une intégrale de fonction positive.
Pour cette raison, il peut être commode de remarquer qu’on peut toujours donner une valeur dans R à
l’intégrale d’une fonction positive :
Proposition/Définition 4.1.43 – Intégrale d’une fonction positive non intégrable
Soit I un intervalle quelconque, de bornes a ă b dans R. Si f est c.p.m. sur I, positive, et non
intégrable, alors
lim lim f ptq dt “ `8.
xÑa` yÑb´

On s’autorise à écrire dans ce cas : żb

f ptq dt “ `8.
a

Remarques 4.1.44
1. Selon les termes du programme, « pour une fonction à valeurs dans R` , un calcul aboutissant
à un résultat fini vaut preuve de convergence ».
2. Cela signifie concrètement que si f est positive, on peut commencer à manipuler (calculer ou
żb
majorer) f sans s’être préoccupé au préalable de la convergence de cette intégrale
a
3. Cette remarque vaut notamment pour l’étude de l’intégrabilité de f . On peut toujours consi-
żb
dérer |f |, sans justification préalable de sa convergence. Dans ce contexte, selon les termes
a ż
du programme officiel, « un calcul montrant que |f | ă `8 vaut preuve d’intégrabilité ».
I
I Intégrales sur un intervalle quelconque 67

4. Dans ce cadre, les manipulations liées à la linéarité et aux majorations restent valides dans
R quelle que soit la nature des intégrales, ce qui découle de la proposition suivante.

Proposition 4.1.45 – Validité des manipulations usuelles dans R

Soit f, g : I Ñ R des fonctions c.p.m et positives, et λ P R˚` .
1. Dans R` , l’égalité suivante est toujours valide :
ż ż ż
f ptq ` λgptq dt “ f ptq ` λ gptq dt.
I I I
ż ż
2. Si f ď g sur I, alors dans R` , f ptq dt ď gptq dt.
I I

Ÿ Éléments de preuve.
Dans le cas où tout converge, c’est déjà vu, et dans les autres cas, il suffit d’exprimer le fait que les
divergences se font toujours vers `8 dans le cadre positif.
ż divergent, puisque λ ą 0,
‚ Pour la linéarité, il s’agit aussi de constater que si les deux intégrales
il ne peut pas y avoir de compensation entre les deux termes, et f ` λg est nécessairement
I
divergente aussi.
‚ Pour la comparaison, utiliser les théorèmes de comparaison pour l’étude des convergences.
Ź
Les théorèmes de comparaison s’adaptent pour l’étude de l’intégrabilité en une borne.

Théorème 4.1.46 – Théorèmes de comparaison pour l’intégrabilité

Soit f, g : I Ñ K continues par morceaux, et b “ sup I P R.
1. Si f pxq “ Opgpxqq, alors l’intégrabilité de g en b implique celle de f en b
b
2. Si f pxq “ opgpxqq, alors l’intégrabilité de g en b implique celle de f en b.
b
3. Si f pxq „ gpxq, l’intégrabilité de f en b équivaut à celle de g.
b
Ce théorème s’adapte bien entendu à la borne inférieure a “ infpIq.

Exemple 4.1.47
1
pe´ t ´ 1q sinptq
Montrer l’intégrabilité sur t0u, `8r de f : x ÞÑ .
t

Définition 4.1.48 – Ensemble L1 pI, Kq

On note L1 pI, Kq l’ensemble des fonctions intégrables sur l’intervalle I. C’est donc une partie de
0
Cm pI, Kq.

Proposition 4.1.49 – Espace L1 pI, Kq

L1 pI, Kq est un sous-espace vectoriel de Cm
0
pI, Kq.

Proposition 4.1.50 – Inégalité triangulaire dans L1 pI, Kq

Soit f P L1 pI, Kq. Alors ˇż ˇ ż
ˇ ˇ
ˇ f ˇ ď |f |.
ˇ ˇ
I I
68 CHAPITRE 4. INTÉGRALES GÉNÉRALISÉES

On note dans la suite de ce paragraphe L1c pI, Kq le sous-espace de L1 pI, Kq constitué des fonctions
intégrables sur I et continues. La notation n’est pas standard et n’apparaît pas dans le programme
officiel. Il faut la réintroduire si vous l’utilisez.
Le résultat suivant a déjà été vu lorsque I “ ra, br. Le cas général s’en déduit en recollant deux intervalles
semi-ouverts.
Proposition 4.1.51 – Positivité, et stricte positivité
ż
Soit f P L1c pI, Rq telle que f ě 0. Alors f ě 0, le cas d’égalité étant obtenu si et seulement si
I
f “ 0.

Corollaire 4.1.52 – E.v.n pL1c pI, Kq, } ¨ }1 q

On définit, pour tout f P L1c pI, Kq, ż
}f }1 “ |f |.
I

Alors } ¨ }1 est une norme sur L1c pI, Kq.

I.6 Bilan méthodologique

Méthode 4.1.53 – Étudier la convergence d’une intégrale
Soit f :sa, brÑ K
‚ Étudier la c.p.m. sur I “sa, br, voir si éventuellement f est (ou peut se prolonger en) une
fonction c.p.m. sur ra, bs (dans ce cas, il n’y a rien à faire) ou sur ra, br (ce qui évite d’avoir
à couper en 2)
‚ S’il y a un problème de c.p.m. au milieu de l’intervalle, voir si on peut se ramener à des
fonctions c.p.m. en subdivisant davantage l’intervalle.
‚ Commencer par l’étude de la borne en laquelle la convergence vous paraît la plus douteuse.
S’il y a divergence en cette borne, il ne sera pas nécessaire d’étudier l’autre borne.
‚ Commencer par étudier l’intégrabilité en cette borne, notamment par comparaisons, puis en
l’autre.
‚ Si la fonction n’est pas intégrable en l’une des 2 bornes, étudier la semi-convergence (il peut
être intéressant de se ramener à un intervalle rc, br ou sa, cs, pour isoler les 2 bornes à étudier).
Il n’y a pas de méthode standard, mais on pourra penser à l’une de ces possibilités :
˚ faire un calcul explicite ;
˚ faire une (ou plusieurs) intégration(s) par parties de sorte à diminuer l’ordre de grandeur
de l’intégrande,
ż `8 dans l’espoir de se ramener à une fonction intégrable. C’est ce qu’on a
sinptq
fait pour dt ;
1 t
˚ couper le domaine en tranches sur lesquelles f reste de signe constant, pour ensuite étudier
la somme des intégrales sur ces tranches. Cela nous ramène à un problème sur les séries.
Si la série obtenue diverge, c’est terminé, sinon, il faut encore contrôler ce qui se passe
entre les points de la subdivision.

II Méthodes calculatoires
Cette section a pour but d’étendre au cas des intégrales généralisées les méthodes calculatoires établies
pour les intégrales sur un segment, à savoir les changements de variable, et les intégrations par parties.
Dans cette section, I désigne un intervalle de bornes a ă b dans R, les bornes étant indifféremment
ouvertes ou fermées. On désigne toujours par K le corps R ou C.
II Méthodes calculatoires 69

II.1 Changement de variables

Théorème 4.2.1 – Formule de changement de variable pour les intégrales généralisées
Soit f : I Ñ K et φ : J Ñ I, où J est un autre intervalle de R, d’extrémités α ă β. On suppose
que :
(i) f est continue sur I ;
(ii) φ est bijective, strictement croissante et de classe C 1 sur J.
ż ż
Alors les intégrales f pxq dx et f pφptqqφ1 ptq dt sont de même nature, et en cas de convergence,
I J
ż ż żb żβ
1
f pxq dx “ f pφptqqφ ptq dt, i.e. f pxq dx “ f pφptqqφ1 ptq dt.
I J a α

Ÿ Éléments de preuve.
Le théorème de la bijection assure que lim φ´1 pxq “ α et lim φ´1 pbq “ β.
xÑa xÑb
şB
Ainsi, faire d’abord le changement de variable sur l’intégrale partielle A f pxq dx, pour a ă A ă B ă
b, puis faire tendre A vers a et B vers b. Ź

Corollaire 4.2.2 – Adaptation pour un changement de variable strictement décroissant

Soit f : I Ñ K et φ : J Ñ I, où J est un autre intervalle de R, d’extrémités α ă β. On suppose
que :
(i) f est continue sur I ;
(ii) φ est bijective, strictement décroissante et de classe C 1 sur J.
ż ż
Alors les intégrales f pxq dx et f pφptqqφ1 ptq dt sont de même nature, et en cas de convergence,
I J
ż ż żb żβ
f pxq dx “ ´ f pφptqqφ1 ptq dt, i.e. f pxq dx “ f pφptqqφ1 ptq dt.
I J a α

Exemple 4.2.3
ż `8
2 ?
On admet la valeur de l’intégrale de Gauss : e´t dt “ π.
´8
ż `8
2
1. Que vaut e´t dt ?
0
ˆ ˙ ż `8 ´t
1 e
2. En déduire la valeur de Γ “ ? dt.
2 0 t

Remarques 4.2.4
‚ Selon les termes du programme, « on applique ce résultat sans justification dans des cas
de changements de variables usuels », ce qui est très vague. Cela englobe en tout cas les
changements de variable affine. Pour le reste... c’est flou...
‚ Le théorème de changement de variable permet aussi de comparer la nature des intégales.
Donc c’est aussi un moyen d’étude de convergence.

Exemple 4.2.5
ż `8
1
Déterminer la nature de dx (intégrale de Bertrand)
2 x lnpxqβ
70 CHAPITRE 4. INTÉGRALES GÉNÉRALISÉES

Plus généralement, on peut énoncer :

Proposition 4.2.6 – Intégrales de Bertrand, HP

1
‚ x ÞÑ est intégrable en `8 si et seulement si α ą 1, ou (α “ 1 et β ą 1)
xα lnpxqβ
(i.e. pα, βq ą p1, 1q pour l’ordre lexicographique)
1
‚ x ÞÑ α est intégrable en 0 si et seulement si α ă 1, ou (α “ 1 et β ą 1).
x lnpxqβ

Ÿ Éléments de preuve.
A savoir faire car classique, bien que HP. Cela doit donc être refait en cas de nécessité.
‚ Le cas α ‰ 1 en `8 s’obtient facilement par comparaison à des séries de Riemann.
‚ On peut ramener l’étude en 0 à la précédente par changement de variable y “ x1 .
Ź

II.2 Intégration par parties

Notation 4.2.7
Si f est une fonction définie sur I d’extrémités a ă b dans R et si f admet des limites finies (à
droite) en a et (à gauche) en b, on note
” ıb
f pxq “ lim f pxq ´ lim f pxq.
a xÑb´ xÑa`

Théorème 4.2.8 – Intégration par parties

Soit I un intervalle d’extrémités a ă b dans R. Soit f, g : I ÝÑ K. On suppose que :
(i) f et g sont de classe C 1 sur I ;
(ii) le produit f g admet une limite finie en a` et en b´ .
żb żb
1
Alors les intégrales f ptqg ptq dt et f 1 ptqgptq dt sont de même nature, et en cas de convergence,
a a
żb ” ıb ż b
1
f ptqg ptq dt “ f ptqgptq ´ f 1 ptqgptq dt.
a a a

Remarque 4.2.9
Selon les termes du programme, « pour les applications pratiques, on ne demande pas de rappeler
les hypothèses de régularité », c’est à dire le caractère C 1 de f et g.

Avertissement 4.2.10
Sous l’hypothèse d’existence des limites de f g, la convergence
ż `8des intégrales est préservée, mais pas
sinptq
l’intégrabilité, comme le montre l’exemple déjà étudié de dt.
1 t

Exemple 4.2.11 – Relation remarquable de Γ

Montrer que pour tout x ą 0, Γpx ` 1q “ xΓpxq.
En déduire que pour tout n P N, Γpnq “ pn ´ 1q!
III Études asymptotiques 71

III Études asymptotiques

On s’intéresse pour terminer à l’étude de 2 problèmes asymptotiques liés aux intégrales :
‚ Le comportement asymptotique d’intégrales dépendant de leur borne, en particulier le comporte-
ment de l’intégrale partielle lorsqu’on fait tendre une borne vers la borne de I, lorsque l’intégrale
diverge, et de même, le comportement de l’intégrale reste en cas de convergence. On retrouvera ce
type d’études pour les séries plus tard. ż
‚ L’étude de la convergence d’une suite d’intégrales fn .
I

III.1 Intégration des relations de comparaison

Dans ce paragraphe, on suppose que I “ ra, br. Les résultats s’adaptent facilement au cas sa, bs.

Théorème 4.3.1 – Intégration des relations de comparaison dans le cas convergent

Soit f, g : I Ñ R. On suppose que :
‚ f et g sont continues par morceaux
‚ g est positive (ou au moins de signe constant) et intégrable en b.
Alors : ˜ż ¸
żb b
1. si f “ Opgq, alors f “ O g ;
b x xÑb x
żb ˜ż ¸
b
2. si f “ opgq, alors f “ o g ;
b x xÑb x
żb żb
3. si f „ g, alors f „ g
b x xÑb x

Exemples 4.3.2
ży
1. Soit x ą 0. Trouver un équivalent simple lorsque y tend vers 0 de tx´1 e´t dt.
0
2. żSoit x P R. À l’aide d’une IPP, trouver un équivalent simple lorsque y tend vers `8 de
`8
tx´1 e´t .
y

Dans le cas divergent, ce sont les intégrales partielles qu’on pourra comparer.
Théorème 4.3.3 – Intégration des relations de comparaison dans le cas divergent
Soit f, g : I Ñ R. On suppose que :
‚ f et g sont continues par morceaux
‚ g est positive et non intégrable en b.
Alors :
żx ˆż x ˙
1. si f “ Opgq, alors f “ O g ;
b a xÑb a
żx ˆż x ˙
2. si f “ opgq, alors f “ o g ;
b a xÑb a
żx żx
3. si f „ g, alors f „ g
b a xÑb a

Exemples 4.3.4
ż `8
1. Soit x ă 0. Déterminer un équivalent en 0 de y ÞÑ tx´1 e´t dt.
y
72 CHAPITRE 4. INTÉGRALES GÉNÉRALISÉES

żx
dt
2. À l’aide d’une IPP, donner un équivalent simple de quand x tend vers `8.
2 lnptq

III.2 Théorème de convergence dominée

Dans cette section, on donne, sans preuve, un outil extrêmement puissant pour étudier la limite d’une
suite
ż d’intégrales. On verra plus tard un autre résultat permettant de « passer à la limite sous le signe
», lorsque la convergence des fn est uniforme.

Théorème 4.3.5 – Théorème de convergence dominée, TCD, admis

Soit pfn q une suite de fonctions de I dans K “ R ou C. On suppose que :
(i) pour tout n P N, fn est c.p.m.
(ii) pfn q converge simplement vers une fonction f
(iii) (hypothèse de domination) il existe φ : I Ñ K, intégrable sur I et telle que, sur l’intervalle I,
on ait :
@n P N, |fn | ď φ.

Alors les pfn q et f sont intégrables sur I et

ż ż
fn ÝÑ f.
I nÑ`8 I

Ÿ Éléments de preuve.
L’intégrabilité des fn et de f provient des théorèmes de comparaison. Le reste de la preuve est
(vraiment) hors-programme, le bon cadre n’étant par celui de l’intégrale de Riemann, mais celui de
l’intégrale de Lebesgue. Ce théorème sera donc admis. Ź

Exemples 4.3.6
ż π
4
1. Déterminer lim tanpxqn dx
nÑ`8 0
żn ´ x ¯n
2. Déterminer lim 1´ dx.
nÑ`8 0 n
ż1 ?
nx
3. Déterminer lim px ` nqe´ dx
nÑ`8 0

Remarques 4.3.7
1. Lorsque la suite pfn q est décroissante ce qui est le cas du premier exemple, alors on pourra
toujours dominer la suite par f0 , à condition qu’elle soit intégrable.
2. Lorsque la suite est croissante, et que la limite f est intégrable, alors on pourra dominer pfn q
par f . C’est le cas du deuxième exemple.
3. Le dernier exemple montre un cas où pfn q n’est ni croissante ni décroissante.
 5
Fonctions continues sur un e.v.n.

Le but de ce chapitre est d’étendre la notion de continuité aux applications d’un e.v.n. dans un autre.
Certains résultats d’analyse réelle se généralisent dans ce cadre : le théorème de Heine, le théorème des
bornes atteintes (à juste titre aussi appelé théorème de compacité), et le théorème des valeurs intermé-
diaires, qui nécessite, pour sa généralisation, d’introduire la notion de connexité par arcs. Nous étudierons
pour terminer la continuité des applications linéaires.

I Limites dans un e.v.n.

I.1 Limites finies
Définition 5.1.1 – Limite finie en un point adhérent au domaine, définition métrique
Soit pE, } ¨ }E q et pF, } ¨ }F q deux e.v.n., et A Ă E une partie de E. Soit f : A ÝÑ F , et a P A, et
b P F . On dit que f pxq tend vers b lorsque x tend vers a si :

@ε ą 0, Dη ą 0, @x P A, }x ´ a}E ď η ùñ }f pxq ´ b}F ď ε.

Remarque 5.1.2
La signification de cette définition :
‚ @ε ą 0 : « Quelle que soit la marge d’erreur ε qu’on se donne, aussi petite soit-elle ... »
‚ Dη ą 0 : « ... il existe une petite boule de rayon η centrée en a, quitte à prendre η très petit
... »
‚ @x P A, }x ´ a}E ă η ùñ ... : « ... tel que si x est à la fois dans A et dans cette boule ... »
‚ ... ùñ }f pxq ´ b}F ă ε : « alors f pxq est proche à ε près de b. »

Autrement dit : « À condition de prendre x P A suffisamment proche de a, on peut rendre f pxq arbitrai-
rement proche de b ».
Remarques 5.1.3
1. L’hypothèse a P A est nécessaire pour pouvoir considérer des points aussi proches qu’on veut
de a.
2. L’inégalité à obtenir est d’autant plus contraignante que ε est petit. On peut se contenter
d’étudier le cas de valeurs de ε inférieures à une valeur ε0 donnée.
3. On peut généraliser cette définition à des fonctions définies entre deux espaces métriques. La
continuité en a s’exprime alors de la manière suivante :

@ε ą 0, Dη ą 0, @x P A, dE px, aq ă η ùñ dF pf pxq, bq ă ε,
74 CHAPITRE 5. FONCTIONS CONTINUES SUR UN E.V.N.

où dE et df sont les distances sur E et F respectivement.

Proposition 5.1.4
On peut remplacer une ou plusieurs des inégalités larges }x ´ a}E ď η et }f pxq ´ b}F ď ε par des
inégalités strictes, cela donne une définition équivalente

Ÿ Éléments de preuve.
Le quantificateur universel sur ε nous assure que l’on peut aussi remplacer ε par ε{2. On déduit alors
l’équivalence de la chaîne d’inclusions :
ε
Bpb, q Ă Bpb, εq Ă Bpb, εq
2
et des inclusions similaires avec a et η2 (il sera alors peut-être nécessaire de considérer comme valeur
de sortie η2 et non η, ce qui nous donne aussi la validité de notre quantification existentielle). Ź

Proposition 5.1.5 – Limite en un point du domaine

Si a P A, et si f pxq admet une limite en a, alors cette limite est nécessairement égale à f paq.

Ÿ Éléments de preuve.
Soit ℓ est la limite de f en a. Puisque a vérifie toujours |a ´ a| ď η, on doit avoir, pour tout ε ą 0,
|f paq ´ ℓ| ď ε. Ź
Avec les notations de la définition, soit B une partie de E. On note

f pBq “ f pA X Bq “ tf pxq, x P A X Bu “ ty P F | Dx P B, f pxq “ yu

Il s’agit donc de l’image directe de B par f (étendu au cas où B n’est pas inclus dans le domaine de f ).
La définition de la limite peut alors se réécrire de façon plus synthétique.

Proposition 5.1.6 – Réexpression de la définition métrique de la limite

Soit pE, } ¨ }E q et pF, } ¨ }F q deux e.v.n., et A Ă E une partie de X. Soit f : A ÝÑ F , et a P A, et
b P F . Les propositions suivantes sont équivalentes:
(i) f pxq tend vers b lorsque x tend vers a ;
(ii) @ε ą 0, Dη ą 0, f pBpa, ηqq Ă Bpf paq, εq.

I.2 Limites infinies lorsque F “ R

Lorsque F “ R, on peut, comme dans le cas des fontions de R dans R, considérer des limites infinies.

Définition 5.1.7 – Limite infinie en un point adhérent au domaine, définition métrique

Soit pE, } ¨ }E q un e.v.n., et A Ă E une partie de E. Soit f : A ÝÑ R, et a P A. On dit que :
(i) f pxq tend vers `8 lorsque x tend vers a si :

@M P R, Dη ą 0, @x P A, }x ´ a}E ď η ùñ f pxq ě M ;

(ii) f pxq tend vers ´8 lorsque x tend vers a si :

@M P R, Dη ą 0, @x P A, }x ´ a}E ď η ùñ f pxq ď M ;
I Limites dans un e.v.n. 75

Exemple 5.1.8
On considère dans cet exemple (et ceux qui suivent) C comme R-e.v.n., pour la norme définie par
1
le module. Étudier la limite en z0 de f : Cztz0 u Ñ R définie par f pzq “ |1´z0|
.

Remarque 5.1.9
On peut réexprimer la définition de la sorte : f pxq ÝÑ `8 si et seulement si
xÑa

@M P R, Dη ą 0, f pBpx, εqq Ă rM, `8r.

I.3 Limite en l’infini

Lorsque E “ R, et `8 est adhérent à A (donc A non majoré), on peut définir, comme dans le cas de
fonctions réelles, des limites en `8 ou en ´8

Définition 5.1.10 – Limites en ˘8 lorsque E “ R

Soit pF, } ¨ }F q un e.v.n., et A Ă R une partie non majorée de R. Soit f : A ÝÑ F , et a P A. On dit
que f pxq tend vers b P F lorsque x tend vers `8 si :

@ε ą 0, Dλ ą 0, @x P A, x ě λ ùñ }f pxq ´ b}F ă ε;

ou, de façon équivalente, si :

@ε ą 0, Dλ ą 0, f prλ, `8rq Ă Bpb, εq.

Exemple 5.1.11
Étudier la limite dans pC 0 pr0, 1sq, } ¨ }8 q de la fonction x ÞÑ fx lorsque x tend vers `8, où fx est la
fonction définie par
fx ptq “ p1 ´ tqtx .

Remarque 5.1.12
Le cas de la convergence de suites à valeurs dans un e.v.n. pF, } ¨ }F q est un cas particulier de cette
définition, lorsque A “ N Ă R.

On peut adapter cette définition dans le cas où pE, } ¨ }E q est un e.v.n. quelconque, mais au lieu de
faire tendre x vers un infini dans une direction précise, on fait tendre x vers un infini non directionnel,
c’est-à-dire qu’on fait tendre }x} vers `8.

Définition 5.1.13 – Limite lorsque }x} Ñ `8

Soit pE, } ¨ }E q et pF, } ¨ }F q deux e.v.n., et A Ă E une partie de E. Soit f : A Ñ F . On suppose que
A n’est pas borné. On dit que f pxq tend vers b P F lorsque }x} tend vers `8 si

@ε ą 0, Dλ ą 0, @x P A, }x}E ą λ ùñ }f pxq ´ b}F ď ε.

On note parfois limxÑ8 f pxq “ b.

Exemple 5.1.14
1
Soit f : C Ñ C définie par f pzq “ 1`z 2 . Montrer que f pzq tend vers 0 lorsque |z| Ñ `8.
76 CHAPITRE 5. FONCTIONS CONTINUES SUR UN E.V.N.

Remarque 5.1.15
Toutes les définitions données dans le cadre des fonctions réelles (notamment les limites infinies ou
les limites en des points infinis) ont été données, dans le cadre du programme de première année,
dans le cas où f est définie sur un intervalle (ou une union finie d’intervalles) et où a est un point de
cet intervalle ou une extrémité. Cette contrainte avait pour but de se limiter à des points adhérents
au domaine, mais sans le dire. Les définitions s’étendent sans peine au cas d’un point a P X,
éventuellement infini (on rappelle que `8 P X si et seulement si X n’est pas majoré).

Exemple 5.1.16
Soit f définie sur Q par f pxq “ 1q où x “ pq est la représentation irréductible de x (le signe éventuel
se reportant sur p). Soit a P RzQ. Étudier la limite de f pxq lorsque x Ñ a.

I.4 Limites : point de vue topologique

On peut donner une définition globale à l’aide de la notion de voisinage. On rappelle qu’on a étendu,
dans le cas réel, la notion de voisinage au cas des infinis :

Définition 5.1.17 – Voisinage de `8

Soit E “ R.
‚ On convient d’appeler voisinage de `8 un sous-ensemble V Ă R tel qu’il existe α P R tel
que sα, `8rĂ V .
‚ On note Vp`8q l’ensemble des voisinages de `8.
‚ On définit de même Vp´8q.

Définition 5.1.18 – Voisinage de 8

Soit pE, } ¨ }E q un e.v.n..
‚ On convient d’appeler voisinage de 8 un sous-ensemble V Ă E tel qu’il existe α P R tel que
AE Bp0, aq Ă V .
‚ On note Vp8q l’ensemble des voisinages de l’infini.

Remarque 5.1.19
Toute comme dans le cas de voisinages de points finis, l’intersection d’un nombre fini de voisinages
de l’infini est encore un voisinage de l’infini.

La notion de voisinage permet de condenser tous les cas distincts pour la définition des limites en un seul.
C’est surtout intéressant dans le cas réel où il faut distinguer les infinis au départ et à la source.
Dans la caractérisation suivante, les cas a et/ou b “ ˘8 sont pertinents lorsque A et/ou B est une partie
de R non majorée (resp. non minoré). Le cas a “ 8 est pertinent lorsque A n’est pas borné.

Théorème 5.1.20 – Caractérisation topologique des limites

Soit pE, } ¨ }E q et pF, } ¨ }F q deux e.v.n., A Ă E et f : A ÝÑ F . Soit a P A, ou a P t8, ˘8u, et b P F ,
ou b “ ˘8. Les propositions suivantes sont équivalentes:
(i) f pxq tend vers b lorsque x tend vers a
(ii) @W P Vpbq, DU P Vpaq, f pU q Ă V .

Ÿ Éléments de preuve.
Remarquer que }x ´ a}E ă ε équivaut à x P Bpa, εq
I Limites dans un e.v.n. 77

Au départ, on passe alors du cas topologique au cas métrique en remarquant que tout voisinage de
a contient une boule Bpa, εq, et du cas métrique au cas topologique en remarquant qu’une boule
Bpa, εq est un voisinage de a. Quelle différence à l’arrivée ? Ź

Remarque 5.1.21
On peut aussi avoir des caratérisations mixtes, que j’énonce uniquement dans le cas fini, pour
éviter d’avoir à donner trop de cas. Avec les notations de la définition, les propriétés suivantes sont
équivalentes :
(i) f pxq tend vers b lorsque x tend vers a ;
(ii) (métrique/topologique) @W P Vpbq, Dη ą 0, @x P A, }x ´ a}E ă η ùñ f pxq P W
(i.e. f pBpa, ηq Ă W )
(iii) (topologique/métrique) @ε ą 0, DV P Vpaq, @x P V X A, }f pxq ´ b}F ă ε
(i.e. f pV q Ă Bpa, ηq).

Théorème 5.1.22 – Unicité de la limite

La limite de f en a, si elle existe, est unique. On la note lim f pxq.
xÑa

Ÿ Éléments de preuve.
Même principe que pour les limites de suites : si b1 ‰ b2 (y compris infini si on est dans R), on peut
trouver V1 P Vpb1 q et V2 P Vpb2 q tels que V1 X V2 “ ∅. Ź

Proposition 5.1.23
Soit f : A Ñ F admettant une limite finie en a. Alors lim f pxq P f pAq.
xÑa

En notant par abus x Ñ 8 pour désigner }x} Ñ `8, et xn Ñ 8 lorsque }xn }E Ñ `8, on peut
généraliser la caractérisation séquentielle que vous connaissez dans le contexte réel.

Théorème 5.1.24 – Caractérisation séquentielle

Soit pE, } ¨ }E q, pF, } ¨ }F q deux e.v.n., A Ă E et a P A (éventuellement a “ 8, ou ˘8), et b P F ou
b P R (si F “ R). Les propositions suivantes sont équivalentes:
(i) lim f pxq “ b
xÑa
(ii) @pxn q P AN , pxn Ñ aq ùñ pf pxn q Ñ bq.

Ÿ Éléments de preuve.
‚ Dans le sens direct, utiliser la caractérisation topologique pour ne pas avoir besoin de distinguer
les cas.
‚ Dans le sens réciproque, raisonner par contraposée, et construire des voisinages collant de plus
en plus à a, et dont l’image n’est pas incluse dans un certain voisinage bien choisi de b.
Ź
Nous dirons qu’une fonction f admet une propriété P au voisinage d’un point a P A, s’il existe un
voisinage V de a dans R (au sens étendu ci-dessus pour a infini) tel que la propriété P soit vérifiée par
f sur l’ensemble V X X.
La notion de limite permet alors de « contrôler » une fonction au voisinage d’un point. Ainsi, on obtient
par exemple :
78 CHAPITRE 5. FONCTIONS CONTINUES SUR UN E.V.N.

Proposition 5.1.25
Soit f une fonction admettant une limite finie en un point a de A. Alors, f est bornée au voisinage
de a.

Ÿ Éléments de preuve.
La définition de la limite par ε donne un encadrement local de f . Comment s’arranger pour ne pas
avoir besoin de distinguer les cas de limites en un point fini ou en un point infini ? Ź

Définition 5.1.26 – Coïncidence de deux fonctions

Soit f et g deux fonctions définies sur X et Y et a tel que a P X et a P Y . On dit que f et g coincident
au voisinage de a si et seulement s’il existe un voisinage V de a dans R tel que X X V “ Y X V et
que
@x P X X V, f pxq “ gpxq.

Proposition 5.1.27 – Comparaison des limites de deux fonctions coïncidant au vois. de a

Soit f et g deux fonctions coïncidant au voisinage d’un point a. Alors, si f admet une limite (finie
ou infinie) en a, alors g aussi, et
lim f pxq “ lim gpxq.
xÑa xÑa

Ÿ Éléments de preuve.
Par voisinage pour ne pas avoir de discussion, en remarquant que si V0 est un voisinage de a sur
lequel f et g coïncide, alors pour tout voisinage U de a, U X V0 est un voisinage de a, sur lequel f
et g coïncident. Ź

Exemple 5.1.28
Trouver un exemple de fonctions réelles telles que f et g coïncident sur ra, bs, et que f admette une
limite en a mais pas g.

I.5 Opérations sur les limites

La seule opération pertinente dans un e.v.n. quelconque est la combinaison linéaire.

Théorème 5.1.29 – Limite d’une CL

Soit pE, } ¨ }E q, pF, } ¨ }F q deux e.v.n., A Ă E et a P A. Soit f, g : A Ñ F et λ P K. Si f et g
admettent une limite en a, alors λf ` g aussi, et

lim pλf ` gqpxq “ λ lim f pxq ` lim gpxq.

xÑa xÑa xÑa

Ÿ Éléments de preuve.
Critère séquentiel. Ź

Théorème 5.1.30 – Limite d’une composée

Soit pE, } ¨ }E q, pF, } ¨ }F q et pG, } ¨ }G q trois e.v.n., A Ă E et B Ă F , et f : A Ñ F et g : B Ñ G tels
que f pAq Ă B. Soit a P A, tel que f admette une limite b en a et g admette une limite en b. Alors
g ˝ f admet une limite en c, et

lim g ˝ f pxq “ lim gpyq “ lim gpyq.

xÑa yÑb yÑ lim f pxq
xÑa
I Limites dans un e.v.n. 79

Cet énoncé reste vrai dans les cas où a et b peuvent prendre des valeurs `8, ´8 ou 8.

Ÿ Éléments de preuve.
Par voisinages, ce qui permet d’englober aussi les cas évoqués tout à la fin. Ź

Remarque 5.1.31
Le théorème de convergence des suites extraites est un cas particulier de ce résultat.

Proposition 5.1.32 – Limite d’une fonction à valeurs dans un produit cartésien

Soit pE, } ¨ }E q un e.v.n., et pF1 , } ¨ }F1 q, . . . pFp , } ¨ }Fp q une famille finie d’e.v.n.. Soit f : A Ñ
F1 ˆ ¨ ¨ ¨ ˆ Fp une application définie sur une partie de A. On note, pour x P A,

f pxq “ pf1 pxq, . . . , fp pxqq.

Soit a P A (ou éventuellement a “ ˘8 ou a “ 8). Les propositions suivantes sont équivalentes:

(i) f pxq ÝÑ b “ pb1 , . . . , bp q (pour la norme produit)
xÑa
(ii) @k P J1, pK, fk pxq ÝÑ bk
xÑa
En termes plus concis, l’existence d’une limite d’une fonction à valeurs dans un produit cartésien
équivaut à l’existence de limites de chacune de ses composantes.

Remarque 5.1.33
La norme produit est la norme } ¨ }8 définie sur le produit cartésien. Comme on l’a vu, elle est
équivalente aux normes } ¨ }1 et } ¨ }2 , donc cette propriété reste vraie avec ces normes-là.

Exemple 5.1.34
Le cas des limites des fonctions f : R Ñ C est un cas particulier, la norme usuelle sur C correspon-
dant à la norme } ¨ }2 sur le produit cartésien R ˆ R. Ainsi, f admet une limite en a si et seulement
si sa partie réelle et sa partie imaginaire admettent une limite en a.

I.6 Limites partielles

On considère souvent des limites partielles (sur une partie du domaine), notamment dans le cas où une
fonction f est définie de façon différente sur diverses parties de son domaine de définition.

Définition 5.1.35 – Limite de f selon X

Soit E et F deux e.v.n. et A, X Ă E deux parties de E. Soit f : A Ñ F . Soit a P A X X. La limite
de f selon X est, si elle existe,
lim f pxq “ lim f|X .
xÑa xÑa
xPX

L’hypothèse a P A X X est nécessaire du fait que A X X est le domaine de définition de la restriction f|X .

Exemples 5.1.36
1. Pour f une fonction d’un sous-ensemble de R dans R, la limite à gauche de f en a est la
limite selon s ´ 8, ar.
2. De même, la limite à droite de f en a est la limite selon sa, `8r.
3. Si X “ tx0 u, a est adhérent à X X A si et seulement si x0 “ a, et a P A. La limite selon tau
est alors f paq.
80 CHAPITRE 5. FONCTIONS CONTINUES SUR UN E.V.N.

lim f pxq.
4. Limite épointée xÑa
x‰a

Vous savez caractériser l’existence d’une limite en un point a P R par l’existence et l’égalité des limites
à gauche, à droite et de la valeur au point ; c’est-à-dire l’existence et l’égalité des limites selon s ´ 8, ar,
sa, `8 et tau. Voici une généralisation de cette caractérisation

Proposition 5.1.37 – Caractérisation de la limite par les limites partielles

Soit E, F deux e.v.n., A Ă E, et a P A. Soit f : A Ñ F . Soit b P F . Soit pXi qiPI une famille finie
de parties de E tels que :
ď
(i) il existe un voisinage V P Vpaq tel que V Ă Xi ;
iPI

(ii) pour tout i P I, a P A X Xi ;

lim f pxq “ b.
(iii) pour tout i P I, xÑa
xPXi
Alors lim f pxq “ b.
xÑa

Exemple 5.1.38
Étudier la limite en px0 , 0q de la fonction f : R2 Ñ R définie par
$
& sinpxyq
? si y ą 0
y
f px, yq “
%0 sinon.

Remarque 5.1.39
Les propriétés sur les limites (et celles sur la continuité qui suivent) sont notamment valides dans le
contexte de fonctions f : A Ñ R, où A est une partie de Rn (fonction réelle de n variables réelles).
Il faut a priori se donner une norme sur Rn , mais comme on le verra à la fin du chapitre, toutes
les normes sur Rn sont équivalentes, et le choix de la norme importe peu. On peut ainsi choisir la
norme qui convient le mieux à l’étude en cours.
Vous pouvez admettre ce point, et utiliser dès à présent dans les exercices l’équivalence des normes
sur Rn .

II Continuité
II.1 Continuité en un point
Dans tout le paragraphe, pE, } ¨ }E q et pF, } ¨ }F q sont deux e.v.n., et A Ă E est une partie de E.

Définition 5.2.1 – Continuité

Soit f : A Ñ F et a P A. On dit que f est continue en a si f admet une limite (dans F ) en a.

Remarque 5.2.2
Le point a est dans le domaine de f . Ainsi, si f est continue en a, la limite en a est nécessairement
f paq.

De façon équivalente :
II Continuité 81

Proposition 5.2.3 – Réexpression métrique et topologique

Soit f : A Ñ F , et a P A. Les propriétés suivantes sont équivalentes :
(i) f est continue en a ;
(ii) @ε ą 0, Dη ą 0, @x P A, }x ´ a}E ď η ùñ }f pxq ´ f paq}F ď ε ;
(iii) pour tout W P Vpf paqq, il existe un voisinage V P Vpaq tel que f pV q Ă W .

Ÿ Éléments de preuve.
Équivalences déjà vues dans le cadre des limites. Le seul ingrédient supplémentaire est l’égalité de la
limite avec f paq, ce qui, comme on l’a vu, est toujours le cas lorsque a est dans le domaine de f . Ź

Remarque 5.2.4
Comme on l’a vu dans le cadre des limites, les inégalités }x ´ a}E ď η et }f pxq ´ f paq}F ď ε peuvent
être indifféremment larges ou strictes.

Définition 5.2.5 – Continuité sur une partie

Soit f : A Ñ F , et B Ă A. On dit que f est continue sur B si f est continue en tout point de B.

Avertissement 5.2.6
Cela n’équivaut pas à la continuité de f|B . Pouvez-vous trouver un contre-exemple ?

Proposition 5.2.7 – Restriction de l’ensemble source

Si f et g coïncident sur un voisinage de a, f est continue en a si et seulement si g est continue en a.

Ÿ Éléments de preuve.
On a déjà vu dans cette situation l’équivalence de l’existence des limites, et leur égalité. Ź

Corollaire 5.2.8
Soit f et g définies sur A Ă E, et U un ouvert tel que U X A ‰ ∅. Alors, si f|U XA “ g|U XA et si g
est continue sur U X A, alors f aussi.

Exemple 5.2.9
Étude de la continuité de la fonction f : R2 Ñ R définie par
$
& sinpxyq
? si y ą 0
y
f px, yq “
%0 sinon.

Enfin, on traduit dans le cadre de la continuité la caractérisation séquentielle de la limite.

Proposition 5.2.10 – Caractérisation séquentielle de la continuité
Soit f : A Ñ F une application définie sur une partie A d’un e.v.n. E, et a P A. Les propositions
suivantes sont équivalentes:
(i) f est continue en a ;
(ii) pour tout pun q P AN , pun Ñ aq ùñ pf pun q ùñ f paqq.

Ÿ Éléments de preuve.
Conséquence directe de la caractérisation séquentielle pour les limites, et de la valeur de la limite
lorsque a est dans le domaine. Ź
82 CHAPITRE 5. FONCTIONS CONTINUES SUR UN E.V.N.

II.2 Opérations sur les fonctions continues

Les opérations sur les limites ont pour corollaire immédiat les opérations similaires sur les fonctions
continues.
On considère toujours pE, } ¨ }E q et pF, } ¨ }F q deux e.v.n., et A une partie de E, et a P A.

Proposition 5.2.11 – Continuité d’une combinaison linéaire

Soit f, g : A Ñ F , et λ : A Ñ K. Si f , g et λ sont continues en a, alors λf ` g aussi.

Proposition 5.2.12 – Continuité d’une composition

Soit A Ă F , et B Ă F . Soit f : A Ñ F et g : B Ñ G tels que f pAq Ă B
‚ Si f est continue en a P A et g continue en f paq, alors g ˝ f est continue en a.
‚ En particulier, si f est continue sur A et g continue sur B, alors g ˝ f est continue sur A.

Proposition 5.2.13 – Continuité d’une fonction à valeurs dans un produit cartésien

On suppose que F “ F1 ˆ ¨ ¨ ¨ ˆ Fp où pFk , } ¨ }Fk q sont des e.v.n., et que } ¨ }F est la norme produit
} ¨ }8 . Soit f “ pf1 , . . . , fp q : A Ñ F . Les propositions suivantes sont équivalentes:
(i) f est continue en a ;
(ii) pour tout k P J1, pK, fk est continue en a.

Remarque 5.2.14
1. Cela reste valide en remplaçant la norme produit par } ¨ }1 ou } ¨ }2 qui lui sont équivalentes.
2. En particulier, cela permet d’étudier la continuité d’une application à valeurs dans Rn en
étudiant chacun de ses coordonnées, si Rn est muni d’une des 3 normes } ¨ }1 , } ¨ }2 ou } ¨ }8 ,
ou plus généralement de n’importe quelle norme, en admettant provisoirement l’équivalence
des normes en dimension finie.

II.3 Continuité uniforme, fonctions lipschitziennes

La notion de continuité traduit le fait que localement, f pxq approche f paq à ε près fixé arbitrairement
à l’avance. L’aspect local de cette approximation se traduit par ε intervenant dans la définition : ε nous
donne le domaine de validité de l’approximation. Plus ε est petit, plus il faut rester proche de x pour
que l’approximation soit correcte. La taille de ce domaine de validité peut d’ailleurs dépendre de x. En
général, il n’y a pas de raison de pouvoir trouver un réel η convenant pour toutes les valeurs de x du
domaine de définition d’une fonction continue. Cela signifie que, une marge ε étant donnée, il peut exister
des points pour lesquels il faudra rester très très proche (infiniment proche si on fait tendre x vers un des
bords du domaine) de x pour que l’approximation à ε près reste vraie.

Exemples 5.2.15
1. x ÞÑ ex sur R.
1
2. x ÞÑ x sur s0, 1s.

Si pour tout ε, on peut trouver un η convenable pour toute valeur de x, on parlera de continuité uniforme.
Remarquez qu’il ne s’agit de rien de moins que d’une interversion de quantificateurs par rapport à la
définition de la continuité sur un domaine.
Définition 5.2.16 – Continuité uniforme
Soit f : A Ñ F une fonction définie sur une partie A d’un e.v.n. E. Soit B Ă A. On dit que f est
II Continuité 83

uniformément continue sur B si

@ε ą 0, Dη ą 0, @px, yq P B 2 , }x ´ y}E ă η ùñ }f pxq ´ f pyq} ă ε.

Le réel η est appelé module de continuité uniforme de f pour l’approximation ε

Proposition 5.2.17 – Continuité uniforme implique continuité

Soit f : A Ñ F et B Ă A. Si f est uniformément continue sur B, elle est continue sur B.

Ÿ Éléments de preuve.
Évident : c’est juste enlever une contrainte de dépendance. Ź

Proposition 5.2.18 – Critère séquentiel de la continuité uniforme

Soit f : A Ñ F une fonction définie sur une partie A d’un e.v.n. E. Soit B Ă A. Les deux propriétés
suivantes sont équivalentes :
(i) f est uniformément continue sur B
(ii) Pour toutes suites pxn q et pyn q d’éléments de B telles que xn ´ yn Ñ 0, on a aussi f pxn q ´
f pyn q Ñ 0.

Ÿ Éléments de preuve.
Le sens direct est une conséquence immédiate de la définition de la continuité uniforme et de la
convergence de suites. Réciproquement, raisonner par la contraposée. Ź
Un exemple important de classe de fonctions uniformément continues est la classe des fonctions lipschit-
ziennes.
Définition 5.2.19 – Applications lipschitziennes
Soit f : A Ñ F une application définie sur une partie A d’un e.v.n. E. Soit B Ă A. Soit k P R` .
‚ On dit que f est k-lipschitzienne sur B si

@px, yq P B 2 , }f pxq ´ f pyq}E ď k}x ´ y}F .

‚ On dit dans ce cas que k est un facteur de Lipschitz pour la fonction f sur B.
‚ On dit que f est lipschitzienne sur B s’il existe k P R` tel que f soit k-lipschitzienne.
‚ On dit que f est contractante s’il existe k P r0, 1r tel que f soit k-lipschitzienne.

Proposition 5.2.20 – Lipschitz implique u.c.

Une application lipschitzienne sur B est uniformément continue sur B.

II.4 Exemples importants de fonctions continues

Proposition 5.2.21 – Continuité de la norme
Soit pE, }¨}E q un e.v.n.. L’application x ÞÑ }x}E de E dans K est 1-lipschitzienne, donc uniformément
continue sur E.

Ÿ Éléments de preuve.
Par inégalité triangulaire. Ź
84 CHAPITRE 5. FONCTIONS CONTINUES SUR UN E.V.N.

Proposition 5.2.22 – Continuité de la distance à une partie

Soit pE, } ¨ }E q, et A Ă E une partie non vide. L’application dp¨, Aq est 1-lipschitzienne donc unifor-
mément continue sur E.

Ÿ Éléments de preuve.
Majorer dpx, zq ´ dpy, zq par IT, puis dpx, Aq ´ dpy, Aq, puis intervertir les rôles. Ź

Proposition 5.2.23 – Continuité de la projection

Soit pE, } ¨ }E q et pF, } ¨ }F q deux e.v.n.. On munit E ˆ F de la norme produit. Alors les projections
pE : E ˆ F Ñ E et pF : E ˆ F Ñ F définies par

pE px, yq “ x et pF px, yq “ y

sont uniformément continues sur E ˆ F .

Ÿ Éléments de preuve.
Probablement encore un coup de M. Rudolf Lipschitz. Ź
Voici un corollaire qui permet souvent de se ramener à la continuité de fonctions usuelles d’une variable.

Corollaire 5.2.24
Soit pE1 , } ¨ }E1 q, pE2 , } ¨ }E2 q et pF, } ¨ }F q trois e.v.n., et f : E1 Ñ F une application continue. Alors
#
˜ E1 ˆ E2 ÝÑ F
f“
px, yq ÞÝÑ f pxq

est continue.

Ÿ Éléments de preuve.
Composer par la projection. Ź

Exemple 5.2.25
Étudier la continuité pour } ¨ }8 de la fonction f : R2 Ñ R2 définie par
` ˘
f px, yq “ sinpxq cospyq, ex`y .

Un autre résultat, permettant de travailler « à isomorphisme près » (par exemple en assimilant } ¨ }B,8
sur E à } ¨ }8 sur l’espace Kn des coordonnées dans la base B) :

Théorème 5.2.26 – Continuité de l’isomorphisme de transfert

Soit E et F deux K-ev, et φ : E Ñ F un isomorphisme. Soit } ¨ }F une norme sur F , et } ¨ }E la
norme sur E induite par φ. Alors φ et φ´1 sont 1-lipschitziennes donc continues (pour ces normes).

Ÿ Éléments de preuve.
Ce sont même des isométries ! Ź

II.5 Prolongements
III Continuité et topologie 85

Proposition/Définition 5.2.27 – Prolongement par continuité

Soit f : A Ñ F définie sur une partie A d’un e.v.n., et continue sur A. Soit a P AzA tel que f pxq
admet une limite b P F lorsque x tend vers a.
Alors il existe une unique fonction f˜ : A Y tau Ñ F , coïncidant avec f sur A et continue sur A Y tau.
Elle est définie par : $
&f pxq si x P A
f˜pxq “
% lim f pyq si x “ a.
yÑa

La fonction f˜ est appelée prolongement par continuité de f en a.

Les situations de densité permettent aussi d’obtenir des propriétés d’unicité de prolongements.

Proposition 5.2.28 – Coïncidence sur une partie dense

Soit f, g : A Ñ F deux applications continues sur A, et B une partie de E dense dans A. Si f et g
coïncident sur B, alors f “ g.

Corollaire 5.2.29
Soit A une partie de E et B Ă A une partie dense dans A. Soit f : B Ñ F une application continue.
Alors f admet au plus un prolongement g défini et continu sur A.

Exemple 5.2.30
Déterminer toutes les applications continues f : R Ñ R telles que pour tout px, yq P R2 , f px ` yq “
f pxq ` f pyq.

III Continuité et topologie

III.1 Images réciproques d’ouverts et fermés
Comme souvent, les images réciproques donnent des propriétés plus simples que les images directes
(surtout du fait d’une quantification en moins dans la définition, ce qui permet d’échapper aux problèmes
d’interversion de quantificateurs).

Théorème 5.3.1 – Image réciproque d’un ouvert, d’un fermé

Soit f : A Ñ F une application continue sur A, partie d’un e.v.n. E.
1. Pour tout U ouvert de F , f ´1 pU q est un ouvert relatif de A.
2. Pour tout C fermé de F , f ´1 pCq est un fermé relatif de A.

Ce théorème est notamment très utile pour montrer de façon efficace que certaines parties de Rn sont
des ouverts ou des fermés.
Exemples 5.3.2
1. Le demi-plan de R2 d’équation x ě 0 est un fermé.
2. tpx, yq P R2 | x ă 3y ` 2 et x2 ą yu est un ouvert de R2 .
3. Redémontrer le fait que Bpa, rq et Spa, rq sont des fermés de E, et que B̊pa, rq est un ouvert.

Comme on l’avait annoncé plus haut :

86 CHAPITRE 5. FONCTIONS CONTINUES SUR UN E.V.N.

Théorème 5.3.3 – GLn pKq est un ouvert de Mn pKq

Tout est dit dans le titre (et ceci indépendamment de la norme, si on admet l’équivalence des normes
en dimension finie).

Ÿ Éléments de preuve.
Quelle fonction continue permet de caractériser l’inversibilité ? Ź

Avertissement 5.3.4
En général, l’image directe d’un ouvert (resp. fermé) par une fonction continue n’est pas ouvert
(resp. fermé)

Exemple 5.3.5
Trouvez (graphiquement) des exemples dans le cas de fonctions R Ñ R.

Pour les fermés, c’est cependant presque vrai, avec une petite condition en plus (la compacité).

III.2 Fonction continue sur compact

Théorème 5.3.6 – Théorème de compacité
L’image par une fonction continue f : A Ñ F d’une partie compacte K Ă A est une partie compacte
de F

Ÿ Éléments de preuve.
La continuité permet de préserver la convergence d’une suite extraite. Ź

Corollaire 5.3.7 – Théorème des bornes atteintes

Soit f : K Ñ R continue sur une partie K compacte d’un e.v.n. E. Alors f est bornée et atteint ses
bornes.

Ÿ Éléments de preuve.
Par le théorème de compacité, f pKq est fermé et borné. Donc sup f pKq P f pKq. Ź

Remarque 5.3.8
1. On retrouve l’énoncé de première année dans le cadre de fonctions définies sur un intervalle
fermé borné de R en remarquant qu’un intervalle ra, bs est compact.
2. L’importance de ce théorème se fait particulièrement sentir dans le cadre de la recherche
d’extremas globaux : le théorème des bornes atteintes se réexprime en effet en disant qu’une
fonction f : K Ñ R définie sur un compact admet un minimum et un maximum sur K.

Exemple 5.3.9
Soit P une fonction polynomiale sur R2 prenant au moins une valeur strictement positive. Existence
Montrer que l’application f : R2 Ñ R définie par
2
`y 2 q
f px, yq “ e´px P px, yq

admet un maximum global.

Une autre propriété des fonctions continues sur un compact généralise une propriété de première année.
IV Connexité 87

Théorème 5.3.10 – Heine

Une fonction continue sur un compact K est uniformément continue sur K.

Ÿ Éléments de preuve.
De même que le cas réel, par contraposée, en niant le critère séquentiel. Ź

IV Connexité
On cherche dans cette partie à généraliser le théorème des valeurs intermédiaires.

IV.1 Parties connexes par arcs

Définition 5.4.1 – Arc, ou chemin continu
Soit pE, } ¨ }E q un e.v.n., et pa, bq P E 2 . Un arc continu (ou chemin continu) de a à b est une
application continue γ : r0, 1s Ñ E telle que γp0q “ a et γp1q “ b.

Remarque 5.4.2
Faites un dessin pour illustrer la notion !

Soit A une partie de E. On peut définir une relation sur A par

aRb ðñ il existe un arc continu reliant a à b.

Proposition/Définition 5.4.3 – Composantes connexes de A

La relation R est une relation d’équivalence. Les classes d’équivalence de A pour cette relation sont
appelées composantes connexes de A.

Définition 5.4.4 – Partie connexe par arcs

Soit A une partie d’un e.v.n. E. On dit que A est connexe par arcs si A ne possède qu’une seule
composante connexe, donc si pour tout pa, bq P A2 , il existe un arc continu γ reliant a à b.

Exemple 5.4.5
1. Déterminer les composantes connexes par arcs de R˚
2. Montrer que C˚ est connexe par arcs.
3. Montrer que le « plan fendu » CzR´ est connexe par arcs
4. CzR est-il connexe par arc ?
5. Étudier la connexité par arcs de Spa, rq dans un e.v.n..

Définition 5.4.6 – Partie étoilée

Soit A une partie d’un e.v.n. E.
(i) On dit que A est étoilée par rapport à a P A si pour tout b P A, le segment ra, bs est inclus
dans A, c’est-à-dire :
@t P r0, 1s, p1 ´ tqa ` tb P A.

(ii) On dit que A est étoilée s’il existe a tel que A soit étoilée par rapport à A.
88 CHAPITRE 5. FONCTIONS CONTINUES SUR UN E.V.N.

Proposition 5.4.7
Une partie convexe est étoilée.

Proposition 5.4.8 – Étoilé implique connexe

Soit A une partie d’un e.v.n. E.
‚ Si A est étoilée, alors A est connexe par arcs.
‚ En particulier, toute partie convexe est connexe par arcs.

Ÿ Éléments de preuve.
On peut joindre b à c en 2 temps, en faisant un petit détour. Ź

Exemple 5.4.9
1. Les boules sont connexes par arcs.
2. Montrer que tout sous-espace vectoriel de E est connexe par arcs.

Proposition 5.4.10 – Les connexes par arcs de R

Les parties connexes par arcs de R sont exactement les intervalles.

IV.2 Image continue d’une partie connexe par arcs

Le théorème suivant est une généralisation du TVI.
Théorème 5.4.11 – Image continue d’un connexe par arcs
Soit f : A Ñ F une fonction continue sur une partie connexe par arcs A de E. Alors f pAq est aussi
connexe par arcs.

Dans le cas où E “ F “ R, les connexes par arcs étant les intervalles, on retrouve le fait que l’image d’un
intervalle par une fonction continue est un intervalle, qui est l’un des énoncés possibles du TVI.
On peut se servir de cette propriété pour montrer que certains ensembles ne sont pas connexes par arcs.
Exemple 5.4.12
1. En considérant det, montrer que GLn pRq n’est pas connexe par arcs.
2. De même pour On pRq.

V Continuité des applications linéaires

On termine ce chapitre par l’étude de la continuité des applications linéaires entre deux e.v.n..
Théorème 5.5.1 – Caractérisation de la continuité d’une AL
Soit pE, } ¨ }E q et pF, } ¨ }F q deux e.v.n., et u P LpE, F q. Les propriétés suivantes sont équivalentes.
(i) u est continue sur E ;
(ii) u est continue en 0 ;
(iii) il existe k P R` tel que pour tout x P E, }upxq}E ď k}x}F
(iv) upBp0, 1qq est borné.
(v) upSp0, 1qq est borné.
V Continuité des applications linéaires 89

Définition 5.5.2 – Norme subordonnée

Soit u P LpE, F q une application linéaire continue. On définit

}upxq}F
~u~ “ sup }upxq}F “ sup
xPSp0,1qq xPEzt0u }x}E

On dit que ~u~ est la norme subordonnée (aux normes } ¨ }E et } ¨ }F ) de l’application linéaire
continue u.
On parle aussi de norme triple, ou de norme d’opérateur, et on rencontre parfois la notation } ¨ }op .

Exemples 5.5.3
1. Soit pE, } ¨ }q un e.v.n.. Déterminer ~IdE ~.
2. Soit E “ RrXs muni de } ¨ }8 sur les coefficients, et a Ps ´ 1, 1r. Montrer que u : P ÞÑ P paq
est continue, et déterminer ~u~. Que dire lorsque |a| ą 1 ?

Proposition 5.5.4 – L’e.v.n. Lc pE, F q

Soit Lc pE, F q l’ensemble des applications linéaires continues de E dans F . Alors Lc pE, F q est un
K-ev, et ~ ¨ ~ est une norme sur Lc pE, F q.

Proposition 5.5.5 – Sous-multiplicativité de ~ ¨ ~

Soit E, F et G trois e.v.n., et u P Lc pE, F q, v P Lc pF, Gq. Alors v ˝ u P Lc pE, Gq, et

~v ˝ u~ ď ~v~ ¨ ~u~.

Corollaire 5.5.6
La norme ~ ¨ ~ est une norme d’algèbre sur Lc pRq.

Exemple 5.5.7
Donner un exemple montrant qu’on peut avoir ~u ˝ v~ ă ~u~ ¨ ~v~.

On généralise l’étude de la continuité des applications linéaires au cas des applications multilinéaires.

Théorème 5.5.8 – Caractérisation de la continuité des applications multilinéaires

Soit E1 , . . . , En , F des e.v.n., de normes } ¨ }E1 , . . . , } ¨ }En , } ¨ }F . Soit φ : E1 ˆ ¨ ¨ ¨ ˆ En Ñ F une
application n-linéaire. Les propositions suivantes sont équivalentes:
(i) φ est continue ;
(ii) φ est continue en p0, . . . , 0q ;
(iii) il existe k P R` tel que pour tout px1 , . . . , xn q,
n
ź
}φpx1 , . . . , xn q}F ď k }xi }Ei .
i“1

Ÿ Éléments de preuve.
Le démonstration n’est pas exigible.
90 CHAPITRE 5. FONCTIONS CONTINUES SUR UN E.V.N.

1
‚ piiq ùñ piiiq : Dans le sens direct, prendre k “ ηn , où η est tel que

}px1 , . . . , xn q} ď η ùñ }φpx1 , . . . , xn qq} ď 1.

‚ piiiq ùñ piq Faire un télescopage (comme pour la continuité d’un produit), de sorte à former une
différence yi ´ xi sur l’une des coordonnées dans chaque terme.
Ź

Exemples 5.5.9
1. L’application K ˆ E Ñ E, telle que pλ, xq ÞÑ λx.
2. L’application d’évalution Lc pE, F q ˆ E Ñ F telle que pu, xq ÞÑ upxq.
3. L’application Lc pE, F q ˆ Lc pF, Gq Ñ Lc pE, Gq telle que pu, vq ÞÑ v ˝ u.
4. Si E est un espace euclidienne, et } ¨ } la norme euclidienne associée, x¨, ¨y est continue.
5. Si E est une algèbre tel que } ¨ }E est une norme d’algèbre, le produit px, yq ÞÑ xy de E ˆ E
dans E.
6. Retrouver avec l’exemple précédent la propriété de continuité d’un produit de deux fonctions
à valeurs dans une algèbre muni d’une norme d’algèbre (donc même si cette propriété n’est
pas au programme, on la retrouver facilement avec les résultats au programme).

VI E.v.n. de dimension finie, et conséquences sur la continuité

VI.1 Équivalence des normes
Nous avons déjà évoqué ce théorème d’une importance capitale :

Théorème 5.6.1 – Équivalence des normes en dimension finie

Soit E un espace vectoriel de dimension finie. Toutes les normes définies sur E sont équivalentes

Ÿ Éléments de preuve.
Fixer une base B et comparer une norme N quelconque à la norme } ¨ }8 “ } ¨ }B,8 .
‚ Dans un sens, c’est évident par IT et majoration des coordonnées.
‚ Dans l’autre, utiliser la deuxième IT et la majoration précédente pour montrer que N est lip-
schitzienne donc continue. Terminer en utilisant la compacité de Bp0, 1q pour } ¨ }B,8 .
Ź
Un espace de dimension finie pouvant toujours être muni d’une norme (par exemple la norme } ¨ }B,8
associée à une base), on a une topologie naturelle d’e.v.n. unique, indépendante de la norme choisie. En
particulier, toutes les propriétés de continuité et de convergence sont les mêmes quelle que soit la norme
choisie. Le caractère borné est aussi préservé d’une norme à l’autre.
Il en résulte que le choix de la norme n’a pas beaucoup d’importance, et en général, elle ne sera pas
préciser. Parler de convergence ou de continuité dans un espace de dimension finie E, sans préciser de
norme, se réfère de façon implicite à la topologie définie par l’une quelconque des normes qui peuvent
être définies sur E.
Ce théorème nous permet notamment de choisir une norme à notre convenance, dans le but de simplifier les
calculs et les majorations, certaines normes pouvant être plus pratiques que d’autres suivant le contexte.
Ainsi, comme on l’a déjà vu, il peut être intéressant, dans un contexte matriciel (donc en dimension finie),
d’utiliser une norme matricielle (donc sous-multiplicative).
En particulier, la convergence peut toujours s’étudier avec la norme } ¨ }B,8 , ce qui permet de justifier le
résultat suivant.
VI E.v.n. de dimension finie, et conséquences sur la continuité 91

Corollaire 5.6.2 – Caractérisation de la convergence par les coordonnées en dim finie

Soit pE, N q un e.v.n. de dimension finie, et B “ pb1 , . . . , bd q une base de E, pE 1 , N 1 q un e.v.n.
quelconque, A Ă E 1 et a P A. Soit pun q P E N et f P E A décomposées sur la base B :

ÿ d
ÿ
@n P N, un “ un,k bk et @x P A, f pxq “ fk pxqbk .
k“1 k“1

1. La suite pun qnPN converge vers L tel que rLsB “ pℓ1 , . . . , ℓd q si et seulement si pour tout
k P J1, dK, pun,k qnPN converge vers ℓk .
2. L’application f admet une limite L “ pℓ1 , . . . , ℓd q lorsque x tend vers a si et seulement si
pour tout k P J1, dK, fk pxq ÝÑ ℓk .
xÑa
3. L’application f est continue en b P A si et seulement si pour tout k P J1, dK, fk est continue
en b.
Autrement dit, la convergence (de suites, de fonctions) et la continuité peuvent s’étudier coordonnée
par coordonnée.

Exemple 5.6.3
Trouver dans RrXs une suite non convergente pour la norme } ¨ }8 sur les coefficients, mais conver-
geant coordonnée par coordonnée dans la base canonique.

Avertissement 5.6.4
On peut définir des métriques sur E associées à d’autres topologies ! Ainsi, l’unicité de la topologie
sur E de dimension finie est valide dans le contexte où on ne regarde que les topologies issues de
normes.

VI.2 Conséquences topologiques

Comme on l’a vu, en dimension finie, la topologie définie par une norme ne dépend pas du choix de
la norme. Cela implique en particulier que certaines propriétés vues dans le cadre d’une norme donnée
restent valides pour toutes les normes. En particulier :

Théorème 5.6.5 – Bolzano-Weierstrass en dimension finie

Soit pE, } ¨ }q un e.v.n. de dimension finie. Alors toute suite bornée de vecteurs de E admet une
valeur d’adhérence.

Ÿ Éléments de preuve.
Cela avait été démontré pour } ¨ }B,8 , après choix d’une base. Par équivalence des normes, cela reste
vrai pour toute norme. Ź

Corollaire 5.6.6 – Caractérisation des compacts en dimension finie

Soit E un e.v.n. de dimension finie, et K Ă E. Les propositions suivantes sont équivalentes:
(i) K est compact ;
(ii) K est fermé et borné.

Ÿ Éléments de preuve.
Un sens a déjà été vu. L’autre résulte de BW et du caractère fermé. Ź
92 CHAPITRE 5. FONCTIONS CONTINUES SUR UN E.V.N.

Corollaire 5.6.7 – Compacité des boules en dimension finie

Soit E un e.v.n. de dimension finie, a P E et r P R˚` . La boule fermée Bpa, rq est un compact.

Corollaire 5.6.8 – Caractérisation de la convergence par les v.a. dans un e.v.n. de dim finie
Soit E un e.v.n. de dimension finie, et pun q un suite bornée. Alors pun q converge si et seulement si
elle a une unique valeur d’adhérence.

Ÿ Éléments de preuve.
pun q est à valeurs dans une boule fermée, donc compacte. Ź

Théorème 5.6.9 – Propriété topologique des sous-espaces

Soit E un e.v.n. quelconque et F un sous-espace vectoriel de dimension finie de E. Alors F est
fermé.

Ÿ Éléments de preuve.
Utiliser une base de VectpF Y tℓuq, où ℓ est la limite d’une suite convergente d’éléments de E, et
introduire une base convenable de cet espace pour étudier la convergence coordonnée par coordonnée.
Ź

Exemple 5.6.10
ř |un |
C’est faux en dimension infinie. En effet soit E l’espace des suites réelles telles que n2 converge.
Pour u “ pun q, on définit
`8
ÿ |un |
N puq “ .
n“0
n2
Soit F le sous-espace de E des suites à support fini (donc nulles àpcr). Montrer que N est une
norme sur E, et que F n’est pas fermé (on pourra constuire une suite d’éléments de F convergeant
vers la suite constante de valeur 1).

VI.3 Conséquences sur la continuité des applications linéaires

Théorème 5.6.11 – Continuité des AL en dimension finie
Soit E, F deux e.v.n.. Si E est de dimension finie, toute application linéaire u P LpE, F q est continue,
donc
Lc pE, F q “ LpE, F q.

Ÿ Éléments de preuve.
Munir E d’une norme } ¨ }8 “ } ¨ }B,8 , et majorer upBp0, 1qq. Ź
La norme triple ~ ¨ ~ peut donc être définie sur LpE, F q tout entier.
Si F est lui-même de dimension finie, LpE, F q est isomorphe à un espace de matrices Mn,p pKq. Plus
précisément, M P Mn,p pKq représente une application linéaire de Kp dans Kn , définie par

X ÞÑ M X.

Ainsi, quelle que soit la norme } ¨ }n choisie sur Kn et la norme } ¨ }p choisie sur Kp , l’application linéaire
définie par M est continue, ce qui permet de définir la norme triple associée à M
VI E.v.n. de dimension finie, et conséquences sur la continuité 93

Définition 5.6.12 – Norme triple associée à une matrice

Soit M P Mn,p pKq. La norme triple de M (coordonnée aux normes } ¨ }p et } ¨ }n de Kp et Kn ) est
définie par
}M X}n }M X}n
~M ~ “ sup “ sup “ sup }M X}n .
XPKp zt0u }X}p XPBp0,1qzt0u }X}p XPSp0,1q

Proposition 5.6.13 – Encore une norme matricielle

La norme triple est matricielle (i.e. sous-multiplicative) : si M P Mn,p pKq et N P Mp,q pKq, et si la
norme utilisée sur Kp est la même pour définir ~N ~ et ~M ~, alors

~M N ~ ď ~M ~ ¨ ~N ~.

Ÿ Éléments de preuve.
On l’a déjà vu dans le contexte des AL continues. Ź
Plus généralement,

Théorème 5.6.14 – Continuité des applications multilinéaires en dimension finie

Soit E1 , . . . , Ep , F des e.v.n.. Si les Ek , k P J1, pK sont de dimension finie, alors toute application
multilinéaire u : E1 ˆ ¨ ¨ ¨ ˆ Ep Ñ F est continue.

Ÿ Éléments de preuve.
Récurrence sur p. Ź

Exemples 5.6.15
1. Soit E de dimension finie, muni d’une base B. Le déterminant detB : E Ñ K est multilinéaire
sur E, donc continue, quelle que soit la norme de E.
2. det : Mn pKq est continue par rapport à ses colonnes, pour n’importe quelle norme sur l’espace
Kn des colonnes.
3. pM, N q ÞÑ M N de Mn,p pKq ˆ Mp,q pKq dans Mn,q pKq est continue.
4. De même, la composition des AL entre espaces de dimension finie.

VI.4 Applications polynomiales

Définition 5.6.16 – Application polynomiales de n variables
Soit A Ă Kn et f : A Ñ K. On dit que f est une application polynomiale si f est une combinaison
linéaire d’applications
px1 , . . . , xn q ÞÑ xa1 1 ¨ ¨ ¨ xann ,
où pa1 , . . . , an q P Nn .

Exemple 5.6.17
L’application f définie sur R3 par f px, y, zq “ 3x2 yz 4 ´ xy ` 2 est une application polynomiale.

Proposition 5.6.18
Les applications polynomiales sont continues sur leur domaine de définition, et ceci indépendamment
des normes choisies.
94 CHAPITRE 5. FONCTIONS CONTINUES SUR UN E.V.N.

Ÿ Éléments de preuve.
Travailler avec la norme 8 pour obtenir la continuité des projections, puis les règles sur le produit
permettent de conclure. Ź

Exemple 5.6.19
Étudier la continuité de f : R2 Ñ R2 définie par
ˆ ˙
2 2 2 cospxyq
f : px, yq ÞÑ lnpx ` xy ` y ` 1q, 2
x ` y4 ` 1

Théorème 5.6.20 – Continuité de tr et det

tr : Mn pKq Ñ K et det : Mn pKq Ñ K sont continues en tant qu’applications de n2 variables
scalaires.

Ÿ Éléments de preuve.
Avec ce point de vue, tr et det sont polynomiales. La continuité de tr provient également de sa
linéarité (et de la dimension finie). Ź
Plus généralement, on peut définir des applications polynomiales sur un espace quelconque :

Définition 5.6.21 – Application polynomiale

Soit E et F deux espaces de dimension finie, et f : E Ñ F . Les propositions suivantes sont
équivalentes:
(i) Il existe une base B de E et une base C de F tels que les coordonnées fk pxq de f pxq sur C
soient polynomiales en les coordonnées de x sur B ;
(ii) Pour toute base B de E et toute base C de F , les coordonnées fk pxq de f pxq sur C sont
polynomiales en les coordonnées de x sur B ;
On dit dans ce cas que f est une application polynomiale.

En travaillant coordonnée par coordonnée (sur F ) avec la norme }¨}B,8 sur E, les raisonnements ci-dessus
s’adaptent bien, et on obtient :

Proposition 5.6.22 – Continuité des applications polynomiales

Soit E et F des espaces de dimension finie, et f : E Ñ F une application polynomiale. Alors f est
continue.
 6
Séries numériques et vectorielles
– rappels et compléments

I Rappels et compléments sur les séries numériques

Toutes les séries de cette section sont à terme général dans K “ R ou C.
On rappelle rapidement les définitions et propriétés principales.

I.1 Convergences
Définition 6.1.1 – Convergence d’une série
Soit pun q une suite de réels ou complexes.
(i) Les sommes partielles Sn de la série de terme général un sont :
n
ÿ
@n P N, Sn “ uk .
k“0
ř
(ii) On dit que la série un de terme général un converge si la suite pSn qnPN de ses sommes
partielles admet une limite finie.
(iii) On note alors
`8
ÿ n
ÿ
un “ lim Sn “ lim uk .
nÑ`8 nÑ`8
n“0 k“0

Cette quantité est appelée somme de la série de terme général un .

(iv) Une série non convergente est dite divergente.
ř
(v) Si un converge, on définit les restes de la série par
nPN

`8
ÿ `8
ÿ
@n P N, Rn “ uk “ uk ´ Sn .
k“n`1 k“0

Proposition/Définition 6.1.2 – Divergence grossière

ř
Si pun q ne tend pas vers 0, alors un diverge. On dit que la divergence est grossière.

Ÿ Éléments de preuve.
Si la série converge, un “ Sn ´ Sn´1 tend vers 0. Ź
96 CHAPITRE 6. SÉRIES NUMÉRIQUES ET VECTORIELLES

Avertissement 6.1.3 – Divergence non grossière

La réciproque est fausse. Autrement dit, il existe des divergences non grossières, comme la série
ř1
harmonique n.

Théorème 6.1.4 – Théorème de comparaison des séries à termes positifs, TCSTP

ř ř
Si pour tout n P N, 0 ď un ď vn et vn est convergente, alors un est convergente.

Ÿ Éléments de preuve.
`8
ÿ
ř
Sous ces hypothèses, la somme partielle de la série un est croissante, et majorée par vk . Ź
k“0

Définition 6.1.5 – Convergence absolue

ř ř
On dit que un converge absolument si |un | converge

Théorème 6.1.6 – CVA implique CV

Toute série (réelle ou complexe) absolument convergente est convergente.

Ÿ Éléments de preuve.
‚ Pour le cas réel, utiliser le TCSTP avec 0 ď u` ´
n ď |un | et 0 ď un ď |un |.
‚ Pour le cas complexe, utiliser le cas réel, et le TCSTP avec 0 ď |Repun q| ď |un | et 0 ď | Impun q| ď
|un |
Ź

Proposition 6.1.7 – Linéarité

Soit λ et µ deux complexes.
ř ř ř
1. Si un et vn convergent, alors pλun ` µvn q converge, et :
`8
ÿ `8
ÿ `8
ÿ
pλun ` µvn q “ λ un ` µ vn .
n“0 n“0 n“0
ř ř ř
2. Si un converge et vn diverge, alors pun ` vn q diverge.
ř ř ř
3. Si un et vn divergent, on ne peut rien conclure sur un ` vn .

Ÿ Éléments de preuve.
Combinaison de la propriété de linéarité des sommes finies et de la propriété de linéarité de la limite.
Ź

I.2 Comparaisons séries-intégrales

ż `8
Lemme 6.1.8 – Caractérisation discrète de la convergence de f ptq dt, f ě 0
a
ż `8
Soit f une application positive, continue par morceaux sur ra, `8r, et n0 ě a. L’intégrale f ptq dt
ˆż n`1 ˙ a

converge si et seulement si la série de terme général f ptq dt converge.

n něn0
I Rappels et compléments sur les séries numériques 97

Ÿ Éléments de preuve. żx
C’est bien sûr Chasles, d’abord. Puis la croissance de x ÞÑ f ptq dt, qui assure l’existence d’une
n0
limite dans R quand x tend vers `8. Ź

Théorème 6.1.9 – Théorème de comparaison entre série et intégrale

Soit a P R` et soit f : ra, `8rÑ R une fonction décroissante continue par morceaux et positive.
Les propositions suivantes sont équivalentes:
ÿ
(i) f pnq converge ;
něa
ż `8
(ii) f ptq dt converge ;
a
(iii) f est intégrable sur ra, `8r

Ÿ Éléments de preuve.
Les points (ii) et (iii) sont équivalents par positivité de f .
Pour l’équivalence entre piiq et piiiq, encadrer sur un intervalle rn, n ` 1s par décroissance de f :
ż n`1
f pn ` 1q ď f ptq dt ď f pnq,
n

puis utiliser le TCSTP et le lemme. Ź

On en déduit notamment :
Théorème 6.1.10 – Nature des séries de Riemann
ÿ 1
Soit α P R. La série de Riemann converge si et seulement si α ą 1.
ně1
nα

Théorème 6.1.11 – Nature des séries de Bertrand, HP

ÿ 1
Soit pα, βq P R2 . La série de Bertrand α lnpnqβ
de paramètre pα, βq converge si et seulement
ně1
n
si pα, βq ą p1, 1q (pour l’ordre lexicographique)

Ÿ Éléments de preuve.
On avait montré le théorème similaire pour les intégrales. Il faut juste s’assurer de la monotonie
àpcr. Pour α ‰ 1, on peut aussi le retrouver facilement par comparaison à une série de Riemann. Ź
Les techniques de comparaison entre séries et intégrales permettent en général d’obtenir mieux que juste
la convergence ou la divergence d’une série. En effet, il s’agit d’un encadrement en général suffisamment
fin de la série par deux intégrales pour obtenir une estimation (majoration, ou équivalent) de sommes
partielles ou de restes. Il n’y a pas de résultat particulier à connaître, simplement une bonne maîtrise de
ces techniques de comparaison. Pour citer le programme officiel : « Les étudiants doivent savoir utiliser la
comparaison série-intégrale pour établir des convergences et des divergences de séries, estimer des sommes
partielles de séries divergentes, ou des restes de séries convergentes, notamment dans le cas d’une fonction
monotone. »
Nous voyons donc un certain nombre d’exemples, à bien étudier pour être en mesure de les adapter à
d’autres situations.
Exemples 6.1.12
n `8
ÿ 1 ÿ 1
1. Trouver un équivalent de α
pour α ď 1, de α
pour α ą 1.
k“1
k k“n`1
k
98 CHAPITRE 6. SÉRIES NUMÉRIQUES ET VECTORIELLES

`8
ÿ lnpkq
2. Déterminer un équivalent de .
k“n`1
k2
n
ÿ lnpkq
3. Déterminer un équivalent de ?
k“0 k

I.3 Théorèmes de comparaison pour la convergence absolue

On dispose d’un certain nombre d’outils de comparaison, permettant d’obtenir la convergence d’une série
en la comparant à une série de ÿréférence. Les séries de référence sont :
‚ Les séries géométriques an , qui convergent ssi |a| ă 1 ;
ÿ 1
‚ Les séries de Riemann , qui convergent ssi α ą 1 ;
nαÿ
1
‚ (HP) les séries de Bertrand , qui convergent ssi pα, βq ą p1, 1q pour l’ordre lexicogra-
nα lnpnqβ
phique.
Les comparaisons s’établissent en général dans le cadre des séries à termes positifs mais s’utilisent de fait
souvent pour l’étude de la convergence absolue. Les énoncer dans ce contexte ne diminue pas la généralité,
puisque pour une série à termes positifs, la convergence équivaut à la convergence absolue.
Théorème 6.1.13 – Théorème de comparaison des séries par o, O, „
Soit pun q et pvn q des suites réelles ou complexes.
ř ř
1. Si un “ Opvn q (et a fortiori si un “ opvn q), et si vn converge absolument, alors un
converge absolument.
ř ř
2. Si un „ vn alors un CVA si et seulement si vn CVA.
`8

Ÿ Éléments de preuve.
Un O se traduit par une inégalité àpcr sur les valeurs absolues, ce qui nous ramène au TCSTP.
Un équivalent se réécrit avec o. Ź

Avertissement 6.1.14
La comparaison par équivalents permet de comparer la nature de séries de signe constant, ou la
CVA, mais ne permet pas d’établir une semi-convergence, par exemple.

Une façon commode de comparer à une série géométrique consiste à comparer asymptotiquement le quo-
tient uun`1
n
au quotient similaire (constant égal à la raison) qu’on obtiendrait avec une série géométrique.
Cela est à la base de la règle suivante :
Proposition 6.1.15 – Règle de d’Alembert
ř
Soit un une série réelle ou complexe
ˇ ˇ telle que pour tout n P N, un ‰ 0 (ou au moins à partir d’un
ˇ un`1 ˇ
certain rang). On suppose que ˇ un ˇ ÝÑ ℓ P R` .
ř
(i) Si 0 ď ℓ ă 1, alors un converge absolument.
ř
(ii) Si ℓ ą 1, alors un diverge grossièrement.
(iii) Le cas ℓ “ 1 est indéterminé.

Ÿ Éléments de preuve.
(i) si ℓ ă a ă 1, àpcr, |un | ď an´n0 |un0 |.
(ii) àpcr, |un`1 | ą |un |, ce qui empêche la convergence vers 0 du terme général
(iii) Considérer par exemple les séries de Riemann qui se placent toutes dans ce cas.
Ź
I Rappels et compléments sur les séries numériques 99

Remarque 6.1.16
La règle de Riemannˇ sera ˇun outil important dans l’étude du domaine convergence des séries entières
an xn . En effet si ˇ aan`1
ř
ˇ Ñ ℓ, alors
ˇ ˇ
n

ˇ ˇ
ˇ an`1 xn`1 ˇ
ˇ an xn ˇ ÝÑ ℓ|x|,
ˇ ˇ

et la série va converger absolument si |x| ă 1ℓ et diverger grossièrement si |x| ą 1ℓ (dans C). Ainsi,
le domaine est un disque pouvant contenir (ou non) certains points de sa frontière. Le réel 1ℓ est
appelé rayon de convergence de la série entière.
On montrera que le domaine de convergence des séries entières est toujours de cette forme, même
lorsque la règle de d’Alembert n’est pas applicable.

Exemples 6.1.17
ÿ zn
1. Rayon de convergence de la série exponentielle
n! ÿ
2. Rayon de convergence de la série géométrique dérivée pn ` 1qxn .
ÿ xn
3. Rayon de convergence de la série du logarithme .
ně1
n

I.4 Semi-convergence
Définition 6.1.18 – Semi-convergence
Une serie semi-convergente est une série convergente, mais pas absolument convergente.

Le seul outil au programme est :

Théorème 6.1.19 – Critère spécial de convergence des séries alternées
Soit pan q une suite décroissante de limite nulle. Alors p´1qn an est appelée série alternée, et est
ř

convergente.

Ÿ Éléments de preuve.
En notant Sn la somme partielle, montrer que pS2n q et pS2n`1 q sont adjacentes. Ź

Méthode 6.1.20
ÿ p´1qn ÿ p´1qn
L’étude des séries α
ou est alors immédiate. On peut souvent s’y ramener par
n nα lnpnqβ
DL.

Exemple 6.1.21
ř p´1qn
Nature de p´1qn `nα .

Méthode 6.1.22
‚ Dans des situations d’agencements de signes plus complexes, une bonne idée consiste souvent
à regrouper les termes consécutifs de même signe (faire des paquets), puis :
˚ vérifier que la somme sur chaque paquet ne tend pas vers 0, ce qui suffit à établir la
divergence ;
˚ ou vérifier que la sommation par paquet se ramène à l’étude d’une série alternée. Il faut
ensuite contrôler ce qui se passe entre les paquets, mais c’est assez « automatique » vu
100 CHAPITRE 6. SÉRIES NUMÉRIQUES ET VECTORIELLES

les propriétés de signes.

‚ On peut aussi faire des paquets qui permettent des compensations de signe pour se ramener
à des paquets de signe constant.

I.5 Techniques asymptotiques

Pour commencer, on adapte au cas discret les théorèmes de sommation des relations de comparaison vus
pour les intégrales.

Théorème 6.1.23 – Sommation des relations de comparaison

ř ř ř
Soit un et vn deux séries numériques. On suppose que vn est à termes réels de signe constant
(au moins àpcr).
ř ř
On note Sn puq (resp. Sn pvq) les sommes partielles de un (resp. de vn ), et en cas de convergence,
on note
`8
ÿ `8
ÿ
Rn puq “ uk (resp. Rn pvq “ vk )
k“n`1 k“n`1
ř ř
les restes de la série un (resp. vn ).
ř
1. Si vn converge,
ř
‚ si un “ Opvn q, alors un converge, et Rn puq “ OpRn pvqq ;
`8 ř `8
‚ si un “ opvn q, alors un converge, et Rn puq “ opRn pvqq ;
`8 ř `8
‚ si un „ vn , alors un converge, et Rn puq „ Rn pvq ;
`8 `8
ř
2. Si vn diverge,
‚ si un “ Opvn q, alors Sn puq “ OpSn pvqq ;
`8 `8
‚ si un “ opvn q, alors Sn puq “ opSn pvqq ;
`8 `8
‚ si un „ vn , alors Sn puq „ Sn puq.
`8 `8

Ÿ Éléments de preuve.
La démonstration peut se faire par ε exactement comme dans le cas des intégrales. On peut aussi être
flemmard et se ramener au cas des comparaisons intégrales, en introduisant les fonctions fu : x ÞÑ utxu
et fv : x ÞÑ vtxu . Ź

Corollaire 6.1.24 – Théorème de Cesàro

Soit un ÝÑ ℓ P C (ou R si un P RN ). Alors la suite des moyennes a la même limite :
n
1 ÿ
uk ÝÑ ℓ.
n ` 1 k“0

Ÿ Éléments de preuve.
‚ Si ℓ fini, écrire un ´ ℓ “ op1q et sommer.
‚ Si ℓ “ `8, 1 “ opun q et sommer. Adapter pour ´8.
Ź
On retrouve, avec une technique un peu allégée, les équivalents trouvés précédemment pour les séries de
Riemann. Le résultat lui-même est HP, mais il est attendu qu’on sache le retrouver rapidement.

Corollaire 6.1.25 – Équivalent des séries de Riemann revisité (HP)

n
ÿ 1 1 1
1. Si α ă 1, a
„ α´1
;
k“1
k `8 1´αk
II Séries dans un e.v.n. 101

`8
ÿ 1 1 1
2. Si α ą 1, a
„ α´1
;
k“n`1
k `8 α ´ 1 k
n
ÿ 1
3. Si α “ 1, „ lnpnq
k“1
k `8

Ÿ Éléments de preuve.
1 1
Procéder par télescopage, en trouvant un équivalent simple de ´ , ou de lnpn ` 1q ´
pn ` 1qα´1 nα´1
lnpnq dans le dernier cas. Ź

Méthode 6.1.26 – DA de sommes partielles ou de restes

‚ Trouver un équivalent simple du tg, puis, suivant le cas, un équivalent du reste ou de la
somme partielle par sommation.
‚ Retrancher l’équivalent à la somme partielle ou au reste. Cela définit une nouvelle suite pun q
ř
qu’on peut étudier via la série téléscopique un ´ un´1 .
‚ On peut itérer. Dans les situations « standard », à chaque étape, on est ramené à une somme
de Riemann, via un développement limité.
‚ Attention à la bascule à faire des sommes partielles aux restes, quand on affine suffisamment
le DA pour passer du cas divergent au cas convergent. Cela introduit en général une constante
dans le DA, qu’on n’est pas en mesure de calculer.

On peut appliquer cela (sauf la première étape déjà faite) aux séries de Riemann elles-mêmes. Par
exemple :
Exemple 6.1.27 – DA de la série harmonique
Montrer qu’il existe une constante γ telle que
n ˆ ˙
ÿ 1 1
“ lnpnq ` γ ` `o .
k“1
2n n

La constante γ est appelée constante d’Euler-Mascheroni. À l’heure actuelle, malgré de nombreuses

recherches à ce propos, on ne sait toujours pas si γ est rationnelle ou non.

Exemples 6.1.28
ˆ ˙n
` 1
˘ 1ÿ
‚ Trouver un DA à la précision o de n2sin . On n’explicitera pas la constante.
k“1
k
ÿn
` ˘ 1
‚ Trouver un DA à la précision o n1 de k 2 e k . À nouveau, on n’explicitera pas la constante.
k“1

II Séries dans un e.v.n.

Le but de ce paragraphe est d’adapter rapidement les définitions et propriétés générales vues sur les séries
numériques dans le cadre de séries à valeurs dans un e.v.n.

II.1 Définitions et propriétés générales

Définition 6.2.1 – Convergence d’une série dans un e.v.n.
ř
‚ Soit pE, } ¨ }q un e.v.n., et pun qnPN P E N . On dit que la série un converge dans E si la suite
ÿn
des sommes partielles uk admet une limite S P E (au sens de la norme } ¨ })
k“0
102 CHAPITRE 6. SÉRIES NUMÉRIQUES ET VECTORIELLES

ř
‚ Le vecteur S est alors appelé somme de la série un , et on note
`8
ÿ N
ÿ
S“ un “ lim un .
N Ñ`8
n“0 n“0

On adapte évidemment au cas d’une série ne commençant pas au rang 0.

Exemple 6.2.2
1. Soit E “ RN et un “ pδn,m qmPN “ 1tnu pmq. On munit E de la norme

|uk |
}pxm qmPN } “ sup .
kPN k
ř
Montrer que un converge, et en donner sa somme.
2. On reprend le même exemple, mais on munit cette fois E de la norme

}pxm qmPN } “ sup |uk |.

kPN

La série est-elle encore convergente ?

La technique mise en oeuvre dans le deuxième exemple nous montre que certains principes d’étude des
suites numériques s’adaptent, notamment :

Proposition/Définition 6.2.3 – Divergence grossière

ř
1. Soit un une série convergente dans un e.v.n. E. Alors un Ñ 0E .
2. Par contraposée, une série dont le terme général ne tend pas vers 0 est divergente. On dit
dans ce cas que la série est grossièrement divergente.

Un certain nombre de propriétés connues dans le cadre numérique restent vraies. Par exemple :

Proposition 6.2.4 – Linéarité de la somme

ř ř
Soit E un e.v.n. et un et vn deux séries d’éléments de E, et λ P K.
ř ř ř
1. Si un et vn convergent, alors pun ` λvn q aussi, et
`8
ÿ `8
ÿ `8
ÿ
pun ` λvn q “ un ` λ vn .
n“0 n“0 n“0
ř ř ř
2. Si un converge et vn diverge, un ` vn diverge.

Remarque 6.2.5
ř ř
1. Que dire si un et vn divergent ?
2. Si on considère une somme de p séries, à quelles conditions de convergence peut-on déduire
à coup sûr la nature de la série de la somme ?

Dans la plupart des cas, on essayera de se ramener au cadre réel positif, de la même manière que lorsqu’on
étudie la convergence absolue dans le cadre des séries numériques, grâce au théorème qui suit. Attention
à l’hypothèse de finitude indispensable dans ce théorème.
Comme dans le cas réel, l’étude de la convergence de suites peut se ramener à l’étude de la convergence
de séries télescopiques :
II Séries dans un e.v.n. 103

Théorème 6.2.6 – Lien suite-série

Soit E un e.v.n. et pun qnPN P E N . La suite pun qnPN est de même nature que la série télescopique
ř
un`1 ´ un .

II.2 Séries à valeurs dans un e.v.n. de dimension finie

Dans le cadre de la dimension finie, on peut souvent se ramener au cas de séries réelles positives, comme
ce qu’on fait en étudiant la convergence absolue de séries numériques. On remarquera que dans ce cas, la
propriété de convergence est indépendante du choix de la norme.
On commence par donner une définition qui a du sens en dimension quelconque.

Définition 6.2.7 – Convergence absolue, CVA

ř
Soit pE, } ¨ }q un e.v.n. et pun qnPN P E N . On dit que un converge absolument (ou normalement) si
ř
la série numérique }un } est convergente.

Attention en revanche à l’hypothèse de finitude de la dimension dans le théorème suivant.

Théorème 6.2.8 – CVA implique CV

ř ř
Soit E un e.v.n. de dimension finie, et pun qnPN P E N . Si un converge absolument, alors un
converge.

Ÿ Éléments de preuve.
Travailler avec la norme } ¨ }8 pour se ramener à la convergence absolue coordonnée par coordonnée.
Ź

Exemple 6.2.9
ř An
Soit A P Mn pKq. Alors la série n! converge.

Définition 6.2.10 – Exponentielle matricielle

Soit n P N˚ , et A P Mn pKq. On définit
`8
ÿ An
exppAq “ .
n“0
n!

De même, si E est un e.v.n. de dimension finie, on définit, pour u P LpEq :

`8
ÿ un
exppuq “ .
n“0
n!

L’exponentielle matricielle est notamment l’outil adéquat pour la résolution des systèmes différentiels,
généralisant ainsi la résolution connue en dimension 1.
Nous étudierons plus en détail les propriétés de l’exponentielle matricielle dans un chapitre ultérieur.
104 CHAPITRE 6. SÉRIES NUMÉRIQUES ET VECTORIELLES
 7
Structures algébriques

Ce chapitre a pour but de compléter l’étude des structures algébriques vues en MPSI, en approfondissant
notamment les propriétés combintoires, algébriques et arithmétiques.

I Groupes
I.1 Rappels
Définition 7.1.1 – Groupe
On rappelle qu’un groupe G est un ensemble muni d’une loi de composition interne ‹ telle que :
‚ ‹ est associative ;
‚ il existe un élément neutre e pour la loi ‹ ;
‚ tout élément x admet un symétrique xs .

Le neutre est alors unique, ainsi que le symétrique d’un élément x donné.
Définition 7.1.2 – Groupe abélien ou commutatif
On dit qu’un groupe pG, ‹q est abélien (ou commutatif) si la loi de G est commutative.

On rencontre dans la pratique les deux conventions d’écriture suivantes.

Notation 7.1.3 – Notation additive, notation multiplicative
‚ Dans le cas général, on utilise souvent une notation multiplicative. Ainsi, la loi est ˆ, le neutre
est souvent noté 1, le signe opératoire peut être omis (ab désigne a ˆ b) et on désignera sous
forme de puissance l’itération de la loi, ainsi que la prise de symétrique (xs “ x´1 , on parlera
alors d’inverse).
‚ Dans le cas abélien, on peut trouver la notation additive `, avec les conventions usuelles : le
neutre est souvent noté 0, l’itération est notée nx, le symétrique est noté ´x et est appelé
opposé.

Une structure algébrique vient toujours accompagnée des applications qui ont un sens dans le contexte,
c’est-à-dire qui respectent la structure.
Définition 7.1.4 – Homomorphisme de groupes
Soit pG, ‹q et pH, ˛q deux groupes.
‚ On dit qu’une application f : G ÝÑ H est un homomorphisme de groupes (ou plus simple-
ment morphisme de groupes) si pour tout px, yq P G, f px ‹ yq “ f pxq ˛ f pyq.
On note HompG, Hq l’ensemble des homomorphismes de G dans H.
106 CHAPITRE 7. STRUCTURES ALGÉBRIQUES

‚ Si pG, ‹q “ pH, ˛q, on dit que f est un endomorphisme de pG, ‹q.

‚ Un homomorphisme bijectif est appelé isomorphisme.
‚ Un endomorphisme bijectif est appelé automorphisme.
On note AutpGq l’ensemble des automophismes de G.

Proposition 7.1.5 – Image du neutre par un morphisme

Soit f : G Ñ H un morphisme de groupes. Alors f peG q “ eH .

Proposition 7.1.6 – Image par un morphisme d’un inverse

Soit G, H deux groupes (notés multiplicativement), et f un morphisme de G dans H. Alors f px´1 q “
f pxq´1 . On adaptera aisément cette propriété au cas ou l’un (ou les deux) groupe(s) est (sont) en
notation additive.

Ÿ Éléments de preuve.
Considérer f pxqf px´1 q. Ź

Proposition 7.1.7 – composée et réciproque de morphismes

Soit G, H et K trois groupes.
1. Si f : G Ñ H et g : H Ñ K sont deux morphismes de groupes, alors g ˝ f est aussi un
morphisme de groupes.
2. Si f : G Ñ H est un isomorphisme, alors f ´1 : H Ñ F est aussi un isomorphisme.

Ÿ Éléments de preuve.
Vérifications faciles pour la composée
Pour la réciproque, considérer f ´1 pf pf ´1 pxqf ´1 pyqqq. Ź

I.2 Sous-groupes
Définition 7.1.8 – Sous-groupe
Soit pG, ‹q un groupe. Un sous-ensemble H de G est appelé sous-groupe de G si H est stable pour
la loi de G et si la loi induite définit sur H une structure de groupe.

Le neutre de H est alors nécessairement le même que celui de G.

Dans la pratique, pour vérifier que H est un sous-groupe de G on utilise le résultat suivant, ou sa version
condensée :
Théorème 7.1.9 – Caractérisation des sous-groupes
Un sous-ensemble H d’un groupe pG, ‹q (de neutre eG ) est un sous-groupe de G si et seulement si :
(i) H est non vide,
(ii) H est stable pour ‹ : @px, yq P H, x ‹ y P H,
(iii) H est stable par prise de symétrique : @x P H, xs P H.

Dans la pratique, pour montrer que H est non vide, on vérifie souvent que eG P H.

Théorème 7.1.10 – Caractérisation des sous-groupes, version condensée

Un sous-ensemble H d’un groupe pG, ‹q (de neutre eG ) est un sous-groupe de G si et seulement si :
(i) H est non vide,
I Groupes 107

(ii) @px, yq P H 2 , x ‹ y s P H.

On traduit cette dernière propriété dans les deux cas les plus fréquents :
‚ pour un sous-groupe d’un groupe additif, la vérification de stabilité à faire est donc :

@px, yq P H 2 , x ´ y P H;

‚ pour un sous-groupe d’un groupe multiplicatif, la vérification de stabilité à faire est donc :

@px, yq P H 2 , xy ´1 P H.

On trouve notamment des sous-groupes en prenant des images directes ou réciproques de sous-groupes
connus.
Proposition 7.1.11 – Image directe et réciproque de sous-groupes par un homomorphisme
Soit G et H deux groupes, et soit f P HompG, Hq un morphisme de groupes.
1. Soit G1 un sous-groupe de G. Alors f pG1 q est un sous-groupe de H.
2. Soit H 1 un sous-groupe de H. Alors f ´1 pH 1 q est un sous-groupe de G.

Un cas particulier important en est le noyau

Définition 7.1.12 – Noyau

Soit G et H deux groupes et f P HompG, Hq un morphisme de groupes. Le noyau de f est le
sous-groupe de G défini par :

Kerpf q “ f ´1 pteH uq “ ty P G | f pyq “ eH u.

Une propriété importante du noyau est qu’il mesure le défaut d’injectivité :

Théorème 7.1.13 – Caractérisation de l’injectivité

Soit f P HompG, Hq. Le morphisme f est injectif si et seulement si Kerpf q “ teG u.

Une autre façon de construire un sous-groupe à partir d’autres est d’en prendre l’intersection :

Proposition 7.1.14 – Intersection de sous-groupes

č
Soit G un groupe, et pHi qiPI une famille de sous-groupes de G. Alors Hi est un sous-groupe de
iPI
G.

Ÿ Éléments de preuve.
Sans difficulté à l’aide de l’une ou l’autre des caractérisations des sous-groupes. Ź
Cela nous permet de définir le plus petit sous-groupe contenant une partie donnée :

Proposition/Définition 7.1.15 – Sous-groupe engendré par une partie

Soit pG, ˆq un groupe, et X une partie de G. Le sous-groupe xXy de G engendré par X est le plus
petit sous-groupe de G contenant X. Ce sous-groupe est défini explicitement par
č
xXy “ H,
XĂH

l’intersection étant prise sur tous les sous-groupes H de G.

108 CHAPITRE 7. STRUCTURES ALGÉBRIQUES

Proposition 7.1.16 – Description par le bas du sous-groupe engendré par une partie
Soit X une partie d’une groupe G. Alors xXy est l’ensemble des éléments pouvant s’écrire sous
la forme x1 ¨ ¨ ¨ xn , n P N, où les xi vérifient soit xi P X, soit x´1
i P X. Le produit vide est par
convention égal au neutre e de G.

Ÿ Éléments de preuve.
Justifier que l’ensemble de ces éléments est forcément inclus dans xXy, et que c’est une sous-groupe
contenant X. Ź
Définition 7.1.17 – Partie génératrice d’un groupe
Soit X Ă G une partie de G. On dit que X est une partie génératrice de G si xXy “ G.

Lorsque X est un singleton on écrira plutôt xxy au lieu de xtxuy, pour alléger les notations.
Par exemple Z “ x1y. Plus généralement, tous les sous-groupes de Z vont pouvoir se décrire avec un
unique générateur :
Proposition 7.1.18
Les sous-groupes de Z sont les groupes aZ “ xay, a P N.

Ÿ Éléments de preuve.
Considérer a l’élément minimal de GXN˚ . Justifier que aZ Ă G, et si l’inclusion est stricte, contredire
la minimalité de a en effectuant une division euclidienne. Ź

I.3 Le groupe pZ{nZ, `q

Soit n P N˚ .
On rappelle les définitions suivantes, cas particulier des définitions générales liées aux relations d’équiva-
lence.
Définition 7.1.19 – Classe de congruence, représentant
‚ Pour a P Z, on note a la classe de congruence de a modulo n, c’est-à-dire la classe d’équiva-
lence de a pour la relation de congruence modulo n
‚ Explicitement, a “ a ` nZ.
‚ Étant donné c une classe de congruence, tout élément a P c est appelé représentant de la
classe c. On a alors c “ a

Ainsi, a est un représentant de a, mais aussi a ` n, ou a ´ 42n.

On rappelle que la congruence modulo n respecte la somme et le produit, c’est-à-dire :
# #
1 1 4 a ” a1 rns a ` b ” a1 ` b1 rns
@pa, a , b, b q P Z , ùñ
b ” b1 rns ab ” a1 b1 rns
Cela peut se résumer ainsi : la classe de congruence d’une somme ou d’un produit de deux représentants
de deux classes de congruences ne dépend pas du choix de ces représentants. Cela permet de définir la
somme et le produit directement sur les classes de congruence, ce qui donne la très importante définition
suivante.
Définition 7.1.20 – Z{nZ et ses lois
L’ensemble des classes de congruence modulo n est noté Z{nZ. Il peut être muni d’un somme et
d’un produit, définis, pour a et b deux classes de Z{nZ, par
‚ a ` b “ a ` b;
‚ a ¨ b “ ab.
En vertu de ce qui précède, ces définitions sont indépendantes du choix des représentants a et b des
I Groupes 109

deux classes.

Exemples 7.1.21
Décrire la table des lois de Z{nZ, pour n P t2, 3, 4u.

Proposition 7.1.22 – Le groupe pZ{nZ, `q

‚ pZ{nZ, `q est un groupe abélien d’ordre n.
‚ L’application π : Z ÞÑ Z{nZ définie par φpaq “ a est un morphisme de groupe, et Kerpφq “
aZ.

Proposition 7.1.23 – Générateurs de Z{nZ

Soit a P Z{nZ. Les propositions suivantes sont équivalentes:
(i) Z{nZ “ xay
(ii) il existe k P N tel que ka “ 1
(iii) a ^ n “ 1

Ÿ Éléments de preuve.
Montrer piq ðñ piiq, qui est assez clair, et piiq ðñ piiiq qui provient de Bezout. Ź

Proposition 7.1.24 – Définir un morphisme Z{nZ Ñ G

Soit pG, ˆq un groupe, et f : Z Ñ G un morphisme de groupe. Les propositions suivantes sont
équivalentes:
(i) il existe un morphisme g : Z{nZ Ñ G tel que f “ g ˝ π ;
(ii) nZ Ă Kerpf q.

Ÿ Éléments de preuve.
Le sens direct est évident. Réciproquement (ii) donne la condition pour que la valeur de f soit la
même pour tout représentant d’une classe de congruence, ce qui donne une façon naturelle de définit
g. Le reste n’est que de la vérification facile. Ź
Ainsi, pour définir un morphisme de groupe issu de Z{nZ, on le définira d’abord sur Z, puis on vérifiera
l’hypothèse (ii) pour le « passer au quotient ».

Proposition 7.1.25 – Comparaison de Z{nZ et Un

Les groupes pZ{nZ, `q et pUn , ˆq sont isomorphes.

Ÿ Éléments de preuve.
2 i πk
Considérer Z ÝÑ Un défini par f pkq “ e n , puis passer au quotient. Ź

I.4 Groupes monogènes

Définition 7.1.26 – Groupe monogène
1. Un groupe G est monogène s’il existe x P G tel que G “ xxy.
2. Si G est fini et monogène, on dit que G est un groupe cyclique.
3. Un générateur d’un groupe monogène est un élément x tel que G “ xxy.
110 CHAPITRE 7. STRUCTURES ALGÉBRIQUES

Exemples 7.1.27
1. pZ, `q est monogène, engendré par 1 ou par ´1. Ce sont les seuls générateurs possibles de Z.
2. Tous les sous groupes de Z sont monogènes. En effet, ils sont de la forme aZ “ xay “ x´ay.
Ce sont les seuls éléments générateurs de aZ.
3. pZ{nZ, `q est monogène, ses éléments générateurs sont les k, avec k ^ n “ 1.
4. pUn , ˆq est monogène. Ses générateurs sont les images par l’isomorphisme de la proposition
2 i kπ
7.1.25 des générateurs de Z{nZ, à savoir e n , avec k ^ n “ 1. Ces éléments générateurs
sont appelés racines nièmes primitives de l’unité.

Proposition 7.1.28 – Description explicite d’un sous-groupe monogène

Soit pG, ˆq un groupe, et x P G. Alors

xxy “ txk , k P Nu “ Impφx q,

où φx : Z ÞÑ G est le morphisme défini par φx pkq “ xk .

Le moyau de φx étant un sous-groupe de Z, il est égal à un nZ. En distinguant suivant que n “ 0 ou

n ą 0, on obtient alors la description suivante des groupes monogènes.
Théorème 7.1.29 – Structure des groupes monogènes
Tout groupe monogène xxy est isomorphe :
‚ soit à pZ, `q, si Kerpφx q “ t0u ;
‚ soit à pZ{nZ, `q, si Kerpφx q “ nZ ; dans ce cas, n “ mintk P N˚ , xk “ eu.

Ÿ Éléments de preuve.
Dans le cas 2, passer φx au quotient par la proposition 7.1.24 pour définir φ
Ăx : Z{nZ Ñ G. Vérifier
que c’est un isomorphisme. Ź

I.5 Ordre d’un élement

Le dernier théorème nous incite à définir, s’il existe, le premier retour à l’élément neutre dans la suite des
puissances d’un élément x de G
Définition 7.1.30 – Ordre d’un élément
Soit pG, ˆq un groupe, de neutre e, et x P G. L’ordre de x est
‚ ordpxq “ `8 si pour tout n P N˚ , xn ‰ e ;
‚ ordpxq “ mintn P N˚ | xn “ eu sinon.
On dit que x admet un ordre fini si ordpxq ‰ `8.

Exemples 7.1.31
1. Dans pZ, `q, ordp1q “ `8
2. Dans pZ{nZ, `q, ordp1q “ n.
3. Dans pZ{42Z, `q, ordp12q “ 7.

Avec les notations du paragraphe précédent

‚ ordpxq “ `8 si et seulement si Kerpφx q “ t0u
‚ ordpxq “ n P N˚ si et seulement si Kerpφx q “ nZ,
On en déduit en particulier :
I Groupes 111

Proposition 7.1.32 – Résolution de xk “ e, Spé

Soit pG, ˆq un groupe de neutre e. Soit x un élément d’ordre fini n. Alors

xk “ e ðñ n | k.

Par ailleurs, en vertu du théorème 7.1.29, on obtient donc :

Proposition 7.1.33 – Description de ordpxq par le groupe engendré
Soit pG, ˆq un groupe, et x P G. Alors

ordpxq “ | xxy |.

Ÿ Éléments de preuve.
Dans le cas où ordpxq est fini, égal à n, le théorème 7.1.29 donne xxy » Z{nZ. Passer au cardinal. Ź

Définition 7.1.34 – Ordre d’un groupe

L’ordre d’un groupe est son cardinal. C’est un élément de N˚ Y t`8u

Ainsi, le dernier résultat se réexprime en disant que l’ordre d’un élément est égal à l’ordre du sous-groupe
qu’il engendre.
Corollaire 7.1.35
Si G est un groupe fini, tout x P G admet un ordre fini.

Ÿ Éléments de preuve.
Sinon, Z » xxy Ă G. Ź
On peut préciser un peu le corollaire précédent :
Théorème 7.1.36 – Lagrange, admis sauf dans le cas abélien
Soit G un groupe fini, et x P G. Alors ordpxq | CardpGq.

Ainsi l’ordre d’un élément d’un groupe fini divise l’ordre de ce groupe.
Ÿ Éléments de preuve.
La démonstration n’est exigible que dans źoù G est abélien. Montrer que l’application φ : g ÞÑ xg
ź le cas
est une bijection et en déduire que g“ pxgq, puis simplifier. Ź
gPG gPG

I.6 Un deuxième théorème de Lagrange, HP

On esquisse dans cette section, pour les lecteurs intéressés, la preuve générale du théorème de Lagrange
qui clôt le paragraphe précédent. Tout ce paragraphe est hors-programme. Les groupes sont tous notés
multiplicativement.
Lemme 7.1.37 – Partition par les classes à gauche modulo H
Soit G un groupe fini et H un sous-groupe de G. Alors taH, a P Gu est une partition de G

Ÿ Éléments de preuve.
C’est la partition associée à la relation d’équivalence définie sur G par

x ”g y rHs ðñ x´1 y P H

Cette relation est appelée relation de congruence à gauche modulo H. Ź

112 CHAPITRE 7. STRUCTURES ALGÉBRIQUES

Remarque 7.1.38
Lorsque G “ Z et H “ nZ (et en revenant aux notations additives), la congruence modulo H
correspond à la congruence modulo n bien connue.

Lemme 7.1.39 – Cardinal des classes à gauche modulo H

Pour tout a P G, |aH| “ |H|.

Ÿ Éléments de preuve.
L’application h ÞÑ ah est une bijection de H dans aH. Ź

Théorème 7.1.40 – Lagrange pour les sous-groupes

Soit G un groupe fini et H un sous-groupe de G. Alors l’ordre de H divise l’ordre de G.

Ÿ Éléments de preuve.
On a partitionné G avec des parts qui ont toutes le même cardinal que H. Ź
Le théorème de Lagrange pour l’ordre des éléments s’en déduit en appliquant le théorème de Lagrange
pour l’ordre des sous-groupes avec H “ xxy.

Remarque 7.1.41 – Groupes quotients

1. On aurait pu faire la même chose avec les classes à droite Ha.
2. Quand G n’est pas abélien, la partition des classes à gauche n’est en général par la même
que la partition des classes à droite.
3. Cela peut néanmoins arriver. Cela se produit lorsque pour tout a P G, aH “ Ha, c’est-à-
dire aHa´1 “ H. On dit dans ce cas que H est un sous-groupe normal de G (terminologie
anglaise) ou un sous-groupe distingué de G (terminologie française).
4. Dans ce cas, on peut montrer que la loi de G passe sur les classes, dans le sens où la classe (à
droite ou gauche) de xy ne dépend pas du choix de x et y dans leur classe respective. Cela
permet de définir une loi sur l’ensemble des classes modulo H, qui en fait un groupe. C’est
ce qu’on appelle le groupe quotient G{H
5. Cette situation se produit systématiquement lorsque G est abélien, puisque dans ce cas, les
classes à gauche et à droite sont clairement confondues. Ainsi, on peut toujours définir le
groupe quotient G{H dans cette situation.
6. Un cas particulier est le cas du sous-groupe nZ de Z : en formant le groupe quotient, on
retrouve le groupe pZ{nZ, `q déjà étudié.

II Anneaux et idéaux
II.1 Rappels
Un anneau est un groupe abélien (additif) auquel on rajoute une loi multiplicative :

Définition 7.2.1 – Anneau

pA, `, ˆq (ou plus simplement A) est un anneau si :
(i) pA, `q est un groupe abélien ; le neutre est noté 0A ou 0 ;
(ii) ˆ est associative, et admet un neutre 1A ;
(iii) ˆ est distributive sur `.
II Anneaux et idéaux 113

On dit que A est un anneau commutatif si de plus ˆ est commutative.

Définition 7.2.2 – Corps

pK, `, ˆq est un corps si c’est un anneau commutatif, tel que tout x ‰ 0 de K admet un inverse
pour ˆ.

Les exemples importants sont :

Exemples 7.2.3
1. Z, R, Q et C munis des opérations usuelles sont des anneaux. R, Q et C sont même des corps.
2. Pour tout n P N˚ , Z{nZ est un anneau commutatif.
3. L’ensemble KrXs des polynômes à coefficients dans un corps K est un anneau commutatif
4. L’ensemble Mn pKq des matrices carrées est un anneau non commutatif.

Les éléments non nul d’un anneau ne sont donc en général pas inversibles, contrairement à un corps. Leur
ensemble possède tout de même une structure intéressante.

Théorème 7.2.4 – Groupe des inversibles d’un anneau

Soit A un anneau. Alors l’ensemble des éléments inversibles de A, généralement noté Aˆ ou U pAq,
est stable pour la loi ˆ, et la loi induite munit Aˆ d’une structure de groupe multiplicatif.

Définition 7.2.5 – Régularité et diviseurs de 0

Soit A un anneau commutatif. Un élément a P A est appelé :
‚ élément régulier s’il est simplifiable : ax “ ay implique x “ y ;
‚ diviseur de 0 s’il est non nul, et qu’il existe b ‰ 0 tel que ab “ 0.

Proposition 7.2.6 – Description des éléments réguliers

Soit A un anneau commutatif et a P Azt0u. Les propositions suivantes sont équivalentes:
(i) a est régulier.
(ii) a n’est pas diviseur de 0.

La régularité est à la base de la résolution de grand nombre d’équations, par factorisation. Voici un cadre
qui nous permet d’exploiter ce type de technique :

Définition 7.2.7 – Anneau intègre

Un anneau A est intègre si :
(i) A ‰ t0u ;
(ii) A est commutatif ;
(iii) A ne possède pas de diviseur de 0.

La troisième propriété se traduit par : ab “ 0 ùñ pa “ 0q ou b “ 0.

Beaucoup de manipulations calculatoires se passent dans un anneau A comme dans C ou Z, mais il faut
se méfier :
‚ des inversions intempestives (si A n’est pas un corps)
‚ des simplifications abusives (si A n’est pas intègre)
‚ des problèmes de commutativité, qui nécessitent parfois l’introduction d’hypothèses supplémen-
taires, à vérifier scrupuleusement.
114 CHAPITRE 7. STRUCTURES ALGÉBRIQUES

Exemple 7.2.8 – Calculs dans un anneau

Sous certaines conditions de commutativité, certains outils calculatoires connus sur C restent valides
dans un anneau :
1. la formule du binôme pour le développement de pA ` Bqn , lorsque AB “ BA ;
2. la factorisation de An ´ B n par A ´ B (factorisation de Bernoulli), lorsque AB “ BA.

Définition 7.2.9 – Homomorphisme d’anneaux

Soit A et B deux anneaux.
1. Un homomorphisme d’anneaux de A à B est une application f : A ÝÑ B, soit égale à la
fonction nulle, soit vérifiant :

@px, yq P A2 , f px ` yq “ f pxq ` f pyq, f pxyq “ f pxqf pyq et f p1A q “ 1B .

2. Un isomorphisme est un homomorphisme bijectif. Sa réciproque est alors aussi un morphisme

d’anneau.

Définition 7.2.10 – Sous-anneau

Soit pA, `, ˆq un anneau. Un sous-anneau de A est un sous-ensemble B Ă A tel que :
(i) B soit stable pour les lois ` et ˆ,
(ii) 1A P B
(iii) les lois induites sur B définissent sur B une structure d’anneau.

Comme pour les groupes, on a une caractérisation assez efficace des sous-anneaux :

Proposition 7.2.11 – Caractérisation des sous-anneaux

Un sous-ensemble B d’un anneau A est un sous-anneau de A si et seulement si :
(i) 1A P B.
(ii) pour tout px, yq P B, x ´ y P B
(iii) pour tout px, yq P B, xy P B

Enfin, comme pour les groupes, on peut munir un produit cartésien d’anneaux d’une structure d’anneau
produit. On le définit pour un produit de deux anneaux, mais cela se généralise évidemment pour un
produit cartésien d’un nombre fini d’anneaux.

Proposition/Définition 7.2.12 – Anneau produit

‚ Soit pA, `, ˆq et pB, `, ˆq deux anneaux. On munit le produit cartésien A ˆ B des deux
opérations :

@ppa, bq, pa1 , b1 qq P pA ˆ Bq2 , pa, bq ` pa1 , b1 q “ pa ` a1 , b ` b1 q et pa, bq ˆ pa1 , b1 q “ pa ˆ a1 , b ˆ b1 q.

‚ Muni de ces deux lois, A ˆ B est un anneau, donc les neutres sont p0A , 0B q et p1A , 1B q.
‚ Si de plus, A et B sont commutatifs, il en est de même de A ˆ B.

Proposition 7.2.13 – Inversibles d’un anneau produit

Soit pA, `, ˆq et pB, `, ˆq. Alors
pA ˆ Bqˆ “ Aˆ ˆ B ˆ
II Anneaux et idéaux 115

II.2 Idéaux
Les anneaux sont des environnements propices à l’arithmétique. En effet, les propriétés liés aux produits
permettent, sous certaines conditions, d’envisager des notions de divisibilité.
Dans le cas de l’anneau Z (et donc de l’arithmétique usuelle sur les entiers), la relation de congruence
modulo n est omniprésente. C’est elle qui permet notamment de synthétiser de façon concise toutes les
propriétés se rapportant à l’étude des restes de la division euclidienne.
Dans ce cadre, le sous-objet qui nous intéresse dans Z est l’ensemble nZ des multiples de n, et les différentes
classes de congruence, qui correspondent à des translatés k ` nZ de nZ. Cependant, nZ n’est pas un sous-
anneau de Z, mais est un peu plus riche qu’un sous-groupe additif (car aussi stable par multiplication).
Ainsi, même si la notion de sous-anneau n’est pas ininterressante en soi, elle n’est pas la notion appropriée
pour les études arithmétiques. Cela motive la définition suivante, introduisant un type de sous-ensembles
particuliers d’un anneau. On se limite, conformément au programme, au cas des anneaux commutatifs.
Une notion similaire peut être définie également pour des anneaux non commutatifs, mais il convient
alors de distinguer les idéaux à droites des idéaux à gauche. Si un sous-ensemble est alors à la fois idéal
à gauche et idéal à droite, on dira dans ce cas que c’est un idéal bilatère. Ces distinctions n’ont pas lieu
d’être dans la situation qui nous intéresse.

Définition 7.2.14 – Idéal d’un anneau commutatif

Soit A un anneau commutatif. Un idéal de A est une partie I Ă A telle que :
(i) I est un sous-groupe de pA, `q
(ii) I est fortement stable par produit : A ¨ I Ă I, c’est-à-dire :

@a P A, @x P I, ax P I.

On rappelle que le noyau d’un morphisme d’anneau est le noyau du morphisme de groupe additif sous-
jacent, c’est-à-dire Kerpf q “ f ´1 pt0A uq.

Proposition 7.2.15 – Noyau d’un homomorphisme

Soit A et B deux anneaux, et f : A Ñ B un morphisme d’anneaux. On suppose A commutatif.
Alors Kerpf q est un idéal de A.

Un autre exemple important d’idéal qui sera à la base de l’arithmétique est l’idéal engendré par un
élément.
Proposition 7.2.16 – Idéal engendré par x
Soit A un anneau commutatif, et x P A.
1. xA “ txa, a P Au est un idéal.
2. C’est le plus petit idéal de A contenant x.
xA est appelé idéal engendré par x.

Définition 7.2.17 – Idéal principal

Soit A un anneau commutatif et I un idéal de A. On dit que I est un idéal principal, s’il existe x
tel que I “ xA.

Remarque 7.2.18
La plupart des idéaux que nous rencontreront seront principaux, mais il existe des idéaux non
principaux.
116 CHAPITRE 7. STRUCTURES ALGÉBRIQUES

Définition 7.2.19 – Anneau principal

Un anneau principal est un anneau intègre dont tous les idéaux sont principaux.

En particulier, un anneau principal est commutatif (par définition de l’intégrité).

Comme on le constatera plus loin, c’est le cadre idéal pour faire de l’arithmétique. La raison essentielle
en est que la notion de déivisibilité se traduit très facilement sur les idéaux principaux.

Définition 7.2.20 – Divisibilité dans un anneau intègre

Soit A un anneau (commutatif) intègre, et a et b deux éléments de A. On dit que a divise b s’il
existe c P A tel que ac “ b.

Pr intégrité de A, l’élément c est alors unique.

Proposition 7.2.21 – Caractérisation de la divisibilité par les idéaux

Soit A un anneau commutatif intègre, et a et b deux éléments de A. Les propositions suivantes sont
équivalentes: :
(i) a divise b
(ii) bA Ă aA.

Enfin, voici deux constructions sur les idéaux, qui seront à la base de caractérisations du pgcd et du ppcm
dans Z ou KrXs (et pourront même permettre de définir des pgcd et ppcm dans des anneaux principaux
quelconques).

Proposition 7.2.22 – Somme d’idéaux

Soit I et J deux idéaux d’un anneau commutatif A. Alors :
1. I ` J est un idéal de A
2. C’est le plus petit idéal K tel que I Ă K et J Ă K.
Cela s’étend par récurrence immédiate à un nombre fini quelconque d’idéaux.

Dans la suite du chapitre, on s’intéresse à 3 familles d’anneaux en particulier, tout d’abord Z, puis les
anneaux Z{nZ, qui nous fournissent des outils algébriques importants pour l’arithmétique des entiers, et
enfin les anneaux de polynômes KrXs, dont l’étude des idéaux permettra également d’établir un certain
nombre de propruétés arithmétiques qui seront d’une grande utilité dans l’étude des endomorphismes
d’un K-espace vectoriel, et notamment en vue de réduire (diagonaliser par exempl) ces endomorphismes.

II.3 Idéaux de Z et arithmétique

Théorème 7.2.23 – Les idéaux de Z
Z est un anneau principal, dont les idéaux sont exactement les aZ, a P N.

Ÿ Éléments de preuve.
Les idéaux de Z sont en particulier des sous-groupes, dont on connaît la description ! Ź
Les idéaux permettent de redéfinir, ou de caractériser le PGCD et le PPCM tel qu’ils ont été définis en
MPSI.

Définition 7.2.24 – (Re)définition du pgcd d’un nombre fini d’entiers

Soit n ě 2 et a1 , . . . , an des entiers naturels, non tous nuls, et m un entier naturel. Le pgcd
m “ a1 ^a2 ^¨ ¨ ¨^an de a1 , . . . , an est l’unique entier positif engendrant l’idéal a1 Z`a2 Z`¨ ¨ ¨`an Z.
III Anneau Z{nZ 117

Ainsi, il est caractérisé par l’égalité

mZ “ a1 Z ` a2 Z ` ¨ ¨ ¨ ` an Z.

On fait le lien avec la définition de l’année dernière grâce au résultat suivant

Proposition 7.2.25 – Interprétation du pgcd par divisibilité

Le pgcd m de a1 , . . . , an est le plus grand entier (au sens de la divisibilité) tel que m divise chaque
ak .
Ainsi, si d est un autre entier divisant chaque ak , alors d | m.

Remarque 7.2.26 – Lien avec Bézout

La définition 7.2.24 correspond en fait au théorème de Bézout. Il affirme en effet que si m désigne
le pgcd de a1 , . . . , an :
‚ il existe u1 , . . . , un des entiers relatifs tels que

m “ a1 u1 ` ¨ ¨ ¨ ` an un ;

‚ réciproquement, si c vérifie
c “ a1 u1 ` ¨ ¨ ¨ ` an un ,
alors m divise c.

Remarque 7.2.27 – Définition du PGCD et du PPCM dans un anneau principal

On peut définir de la même façon un pgcd (mais non nécessairement unique) dans un anneau
principal, ainsi qu’un ppcm, en remplaçant la somme par l’intersection. Par exemple, pour 2 éléments
a et b :
‚ aA ` bA est un idéal principal de A, donc de la forme mA. Un élément m vérifiant cela est
appelé pgcd de a et b.
‚ aA X bA est un idéal principal de A, donc de la forme M A. Un élément M vérifiant cela est
appelé ppcm de a et b.
On retrouvera cette situation dans KrXs.

III Anneau Z{nZ

III.1 Propriétés d’inversibilité
Nous avons déjà justifié plus haut, au cours d’un exemple que pZ{nZ, `, ˆq est un anneau commutatif.
Il n’est en général pas intègre. Par exemple, dans Z{6Z, 2 ˆ 3 “ 0. Ainsi, il n’est pas principal (même
si ses idéaux sont principaux, comme on peut le montrer facilement), donc pas un cadre favorable pour
l’arithmétique via les idéaux.
En revanche, cet anneau étant étroitement lié à la notion de congruence modulo n, son étude permet tout
de même d’apporter des outils algébriques à certains problèmes arithmétiques.
Pour commencer, on décrit les propriétés d’inversibilité.

Proposition 7.3.1 – Inversibles de Z{nZ

Soit n P N˚ et k P Z{nZ. Les propositions suivantes sont équivalentes:
(i) k est inversible ;
(ii) il existe u et v dans Z tels que uk ` vn “ 1 ;
(iii) k ^ n “ 1
118 CHAPITRE 7. STRUCTURES ALGÉBRIQUES

Ÿ Éléments de preuve.
Immédiat par traduction des congruences, et par le théorème de Bézout. Ź

Remarque 7.3.2
Le point (ii) nous dit comment trouver un inverse de k modulo n : il suffit de déterminer une relation
de Bézout, et de la réduire modulo n.

Corollaire 7.3.3 – Le corps Fp

En particulier, pour p P N˚ , pZ{pZ, `, ˆq est un corps si et seulement si p est premier.
Ce corps est noté Fp .

Ÿ Éléments de preuve.
Si p P P, tout élément de J1, p ´ 1K est premier avec p. Réciproquement, si p R P, un diviseur strict
de p n’est pas premier avec p et sa classe n’est pas inversible dans Z{pZ. Ź

Exemple 7.3.4
Le corps F2 a seulement deux éléments. Le corps F3 en a 3. Décrire leurs lois.

III.2 Théorème chinois, et systèmes de congruences

Théorème 7.3.5 – Théorème chinois
Soit m et n dans N˚ , tels que m ^ n “ 1. Pour k P Z, on note :
‚ k la classe de k dans Z{mnZ ;
‚ k̃ la classe de k dans Z{mZ ;
‚ k̂ la classe de k dans Z{nZ ;
L’application φ : Z{mnZ ÝÑ Z{mZ ˆ Z{nZ définie par

φpkq “ pk̃, k̂q

est bien définie, et est un isomorphisme d’anneaux.

Ceci s’étend sans difficulté au cas d’un plus grand nombre d’entiers 2 à 2 premiers entre eux.

Ÿ Éléments de preuve.
Pour montrer que c’est un isomorphisme, étudier le noyau en se ramenant à des propriétés arithmé-
tiques. Ź

Corollaire 7.3.6 – Unicité modulo a1 ¨ ¨ ¨ an de la solution d’un système

Soit a1 , . . . , an des entiers deux à deux premiers entre eux, et b1 , . . . , bn des entiers. Alors le système
$
’
’
’ x ” b1 ra1 s
&
..
’ .
’
’
%x ” b ra s
n n

admet une solution, unique modulo a1 ¨ ¨ ¨ an .

En d’autres termes, l’ensemble des solutions est de la forme x0 ` pa1 ¨ ¨ ¨ an qZ. C’est donc une classe de
congruence modulo a1 . . . an .
III Anneau Z{nZ 119

Corollaire 7.3.7 – cas d’un second membre commun

En particulier, si b1 “ ¨ ¨ ¨ “ bn “ b, la seule solution modulo a1 ¨ ¨ ¨ an est b.

Méthode 7.3.8 – Résolution d’un système de congruence

Pour résoudre $
’
’
’x ” b1 ra1 s
&
..
. ,
’
’
’
%x ” b ra s
n n

avec a1 , . . . , an deux à deux premiers entre eux, on combine les solutions de

$
’x ” δ1,k ra1 s
’
’
&
..
. ,
’
’
’
%x ” δ
n,k ran s

Pour ces dernières, par exemple pour k “ 1, le système équivaut à

!
x ” 1 ra1 s x ” 0 ra2 . . . an s

Ce système se résout en écrivant une relation de Bézout entre a1 et a2 . . . an .

Exemple 7.3.9
$
&x ” 2 r5s
’
’
x ” 6 r9s
’
’
%x ” ´2 r11s

Lorsque les modules de congruence ne sont pas premiers entre eux, on peut se ramener à cette situation en
séparant la contribution de chaque facteur premier, et en comparant les congruences modulo les puissances
d’un même facteur premier. Plutôt que de longs discours, voici un exemple :

Exemple 7.3.10
Résoudre les deux systèmes suivants :
#
x ” 3 r42s
1.
x ” 10 r49s
#
x ” 3 r42s
2.
x ” 9 r49s

III.3 L’indicatrice d’Euler

Définition 7.3.11 – Indicatrice d’Euler φ
Soit n P N˚ . L’indicatrice d’Euler est définie par

φpnq “ Cardptk P J1, nK, k ^ n “ 1uq.

D’après la proposition 7.3.1 :

120 CHAPITRE 7. STRUCTURES ALGÉBRIQUES

Lemme 7.3.12 – Ordre du groupe des inversibles de Z{nZ

: Soit n P N˚ . Alors Card ppZ{nZqˆ q “ φpnq.

Le théorème de Lagrange amène alors :

Théorème 7.3.13 – Théorème d’Euler

Soit px, nq P Z ˆ N˚ tels que n ^ x “ 1. Alors xφpnq ” 1 rns

Ÿ Éléments de preuve.
C’est le théorème de Lagrange dans le groupe pZ{nZqˆ Ź

Remarque 7.3.14 – Lien avec le petit théorème de Fermat

Pour n “ p P P, φppq “ p ´ 1, et on retrouve, pour k R pZ, k p´1 ” 1 rps.
Ainsi, le théorème d’Euler est une généralisation du petit théorème de Fermat.

On cherche maintenant à expliciter l’indicatrice d’Euler φpnq, connaissant la décomposition en facteurs

premiers de n.

Proposition 7.3.15 – Multiplicativité arithmétique de φ

Soit pm, nq P pN˚ q2 tel que m ^ n “ 1. Alors φpmnq “ φpmqφpnq.

Ÿ Éléments de preuve.
En passant aux inversibles dans le théorème choinois, sachant qu’un isomorphisme préserve l’inver-
sibilité. Ź

Lemme 7.3.16 – φppk q

Soit p P P et k P N˚ . Alors φppk q “ pk´1 pp ´ 1q.

Ÿ Éléments de preuve.
Dénombrement direct, sachant que k n’est pas premier avec p P P si et seulement s’il est multiple de
p. Ź

Théorème 7.3.17 – Expression de φpnq

Soit n “P N˚ , et n “ pa1 1 . . . pamm sa décomposition en facteurs premiers, avec ai ą 0. Alors
m m ˆ ˙
ź ź 1
φpnq “ paℓ ℓ ´1 ppℓ ´ 1q “ n 1´ .
ℓ“1 ℓ“1
pℓ

IV Arithmétique dans l’anneau KrXs

Conformément au programme, soit K un sous-corps de C (mais tous les résultats de cette section restent
valide si K est un corps quelconque).

IV.1 Idéaux de KrXs

Tout se passe un peu pareil dans KrXs que dans Z, du fait de la description des idéaux de KrXs.
IV Arithmétique dans l’anneau KrXs 121

Théorème 7.4.1 – Description des idéaux de KrXs

Soit K un corps. Alors :
1. KrXs est un anneau principal.
2. De plus, deux polynômes P et Q engendrent le même idéal si et seulement s’il existe un
λ P K˚ tel que Q “ λP .
3. En particulier, tout idéal non nul I de KrXs s’écrit de manière unique sous la forme I “
P ¨ KrXs, où P est un polynôme unitaire.

Ÿ Éléments de preuve.
S’aider de la division euclidienne, comme pour montrer que Z est principal. C’est une propriété
général de tout anneau muni d’une division euclidienne (anneau euclidien). La deuxième partie
provient de la description des inversibles de KrXs. Ź

Définition 7.4.2 – Divisibilité dans KrXs

Soit A et B deux polynômes de KrXs. On dit que B divise A s’il existe un polynôme Q tel que
A “ BQ. Inversement, on dit que A est un multiple de B.

Ainsi, B divise A si et seulement si le reste de la division euclidienne de A par B est nul.

Comme dans Z, on a la caractérisation suivante :

Proposition 7.4.3 – Caractérisation en termes d’idéaux

Soit A et B deux polynômes de KrXs. Alors A divise B si et seulement si B P pAq, ou encore si et
seulement si pBq Ă pAq.

On peut alors caracrétiser (ou définir) le pgcd de la même manière que dans Z :

Définition 7.4.4 – (Re)définition du PGCD de n polynômes

Soit n ě 2 et P1 , . . . , Pn des polynômes non tous nuls de KrXs.
Le PGCD Q de P1 , . . . , Pn , noté Q “ P1 ^ P2 ^ ¨ ¨ ¨ ^ Pn , est l’unique polynôme unitaire tel que

Q ¨ KrXs “ P1 ¨ KrXs ` ¨ ¨ ¨ ` Pn ¨ KrXs.

Comme pour les entiers, on retrouve la notion définie en MSPI via le résultat suivant :

Proposition 7.4.5 – Caractérisation du PGCD par divisibilité

Soit n ě 2 et P1 , . . . , Pn des polynômes non tous nuls de KrXs. Alors
‚ Q “ P1 ^ ¨ ¨ ¨ ^ Pn est l’unique polynôme unitaire de plus grand degré divisant chacun des
Pi ;
‚ Tout autre polynôme D divisant chaque Pi vérifie D | Q.

IV.2 Décomposition en facteurs irréductibles

Étendons rapidement au cas où K est un sous-corps quelconque de C les propriétés arithémtiques vues
pour K “ R ou C en MPSI.

Définition 7.4.6 – Polynôme irréductible

Un polynôme non constant P de KrXs est irréductible si et seulement s’il n’est, à une constante
multiplicative non nulle près, divisible que par lui-même et par 1.
122 CHAPITRE 7. STRUCTURES ALGÉBRIQUES

Exemples 7.4.7
1. Les polynômes X ´ λ sont irréductibles (λ P K)
2. Dans RrXs, tout polynôme aX 2 ` bX ` c tel que ∆ ă 0 est irréductible.
3. Ces polynômes ne sont pas irréductibles dans CrXs.

On rappelle que :

Théorème 7.4.8 – Polynômes irréductibles de CrXs et RrXs

1. Les polynômes irréductibles de CrXs sont exactement les polynômes de degré 1 (théorème
de d’Alembert-Gauss)
2. Les polynômes irréductibles de RrXs sont les polynômes de degré 1 et les polynômes de degré
2 à discriminant strictement négatif.

Lemme 7.4.9 – Existence d’un diviseur irréductible

Tout polynôme non constant P P KrXs admet un diviseur irréductible.

Ÿ Éléments de preuve.
Considérer un diviseur non constant de degré minimal. Ź

Lemme 7.4.10 – Euclide

Soit A et B deux polynômes de KrXs et P un polynôme irréductible. Alors si P divise AB, P divise
A ou P divise B.

Le lemme d’Euclide se généralise facilement à davantage de facteur, par récurrence immédiate.

Ÿ Éléments de preuve.
Si P ne divise pas A, P KrXs ` AKrXs “ KrXs. Multiplier par B pour obtenir BKrXs Ă P KrXs. Ź
Enfin, voici l’analogue du théorème de la décomposition primaire :

Théorème 7.4.11 – Décomposition en facteurs irréductibles

Soit P un polynôme non nul de KrXs. Il existe un unique élément λ P K˚ et des polynômes
irréductibles unitaires P1 , . . . , Pk , uniques à permutation près, tels que

P “ λP1 ¨ ¨ ¨ Pk .

Ÿ Éléments de preuve.
Par récurrence, en divisant par un facteur irréductible unitaire. Pour l’unicité, aussi par récurrence,
en remarquant qu’un facteur irréductible unitaire de P se retrouve dans toute décomposition, d’après
le lemme d’Euclide. Ź
 8
Compléments d’algèbre linéaire

On admet que toute l’algèbre linéaire vue en MPSI reste valide lorsque K, le corps de base, est un corps
quelconque. En particulier, les coefficients peuvent, par exemple, être pris sur K “ Fp , p P P. Cependant,
lorsque des polynômes interviendront, (notamment dans la troisième partie de ce chapitre), il convient
de faire un peu plus attention, car des choses particulières peuvent se produire. Par exemple, les règles
sur les degrés peuvent ne pas être les mêmes. Par exemple, dans Fp rXs, la dérivée de X p n’est pas de
degré p ´ 1, et à peu près pour cette raison, les polynômes de degré p ´ 1 n’admettent pas de primitive.
On observe par la même occasion que pour ce polynôme X p , la caractérisation de la multiplicité de la
racine 0 par les dérivées successives n’est pas valide.
Pour éviter ce type de problème, dès lors que des polynômes interviendront dans notre étude, nous
supposerons que K est un sous-corps de C, même si un grand nombre de résultats associés restent valides
dans un contexte plus général.

Nous ne reprenons pas le cours de MPSI. Nous nous contentons d’en rappeler ci-dessous les grandes lignes,
à bien maîtriser :
‚ Notion d’espace vectoriel, de sous-espace vectoriel ;
‚ Notion de famille libre, de famille génératrice, de base ; une famille libre maximale est une base ;
‚ Notion de somme de 2 espaces, de somme directe de 2 espaces. Lien avec les bases.
‚ Applications linéaires, détermination d’une application linéaire sur les vecteurs d’une base, endo-
morphisme, isomorphisme, automorphisme
‚ Projecteurs et symétries, caractérisation algébrique (p2 “ p, s2 “ id), caractérisation géométrique.
‚ Sous-espaces affines d’un espace vectoriel
‚ Théorie de la dimension : espace de dimension finie (par existence d’une famille génératrice finie),
théorème de la dimension, dimension d’une somme directe, formule de Grassmann
‚ Applications linéaires en dimension finie, dont surtout, le théorème du rang et la caractérisation
de la bijectivité par l’injectivité ou la surjectivité en cas d’égalité des dimensions.
‚ Représentation matricielle d’une AL par choix de 2 bases. Cas d’un endomorphisme (avec la même
base au départ et à l’arrivée). Propriétés de composition, d’évaluation.
‚ Rang d’une matrice, version matricielle du théorème du rang, calcul du rang d’une matrice par
méthode du pivot.
‚ Changements de base. Matrices équivalentes. Toute matrice est équivalente à une Jn,p,r ; deux
matrices sont équivalentes ssi elles ont même rang.
‚ Déterminant d’une application linéaire dans une base, déterminant d’une matrice. Lien entre les
deux.
‚ Méthodes calculatoires pour les déterminants : pivot, développement suivant une ligne ou une
colonne.
‚ Exemple important : déterminant de Vandermonde.
124 CHAPITRE 8. COMPLÉMENTS D’ALGÈBRE LINÉAIRE

I Sommes directes et blocs

I.1 Somme directe de n sous-espaces vectoriels
On définit la somme de n espaces vectoriels de façon globale, plutôt qu’itérative :

Définition 8.1.1 – Somme d’un nombre fini de sous-espaces

Soit n ě 1, et F1 , . . . , Fn des sous-espaces vectoriel de E. On définit
# +
ÿ n n
ÿ
Fi “ F1 ` ¨ ¨ ¨ ` Fn “ x i | x 1 P F1 , . . . , x n P Fn .
i“1 i“1

Théorème 8.1.2 – Minimalité de la somme

n
ÿ
Fi est le plus petit sous-espace vectoriel de E incluant tous les Ei . En d’autres termes,
i“1
˜ ¸
n
ÿ n
ď
Fi “ Vect Fi .
i“1 i“1

Ÿ Éléments de preuve.
‚ C’est un sev, par vérifications simples
‚ Il inclut tous les Fi
‚ Par stabilité par somme, si un sev G inclut tous les Fi , il inclut aussi leur somme.
Ź

Proposition/Définition 8.1.3 – Somme directe

Soit F1 , . . . , Fn des sev de E. Les propositions suivantes sont équivalentes:
(i) Pour tout x P F1 ` ¨ ¨ ¨ ` Fn , il existe un unique n-uplet px1 , . . . , xn q P F1 ˆ ¨ ¨ ¨ ˆ Fn tel que
x “ x1 ` ¨ ¨ ¨ ` xn
(ii) Pour tout px1 , . . . , xn q P F1 ˆ ¨ ¨ ¨ ˆ Fn , tel que px1 , . . . , xn q ‰ p0, . . . , 0q, x1 ` ¨ ¨ ¨ ` xn ‰ 0.
ÿ
(iii) Pour tout i P J1, nK, Fi X Fj “ t0u
jPJ1,nKztiu
i´1
ÿ
(iv) Pour tout i P J2, nK, Fi X Fj “ t0u
j“1
i´1
ÿ
(v) Pour tout i P J2, nK, la somme de Fi et de Fj est directe.
j“1
Dans ce cas, on dit que la somme F1 ` ¨ ¨ ¨ ` Fn est directe, et pour indiquer cette propriété, on
note :
n
à
F1 ` ¨ ¨ ¨ ` Fn “ F1 ‘ ¨ ¨ ¨ ‘ Fn “ Fi
i“1

Remarque 8.1.4
La propriété (v) montre que la somme globale est directe, si et seulement si à chaque étape, le terme
qu’on ajoute est en somme directe avec les précédents. Combiné aux propriétés d’associativité, cela
permet d’écrire :
n
à
Fi “ pppF1 ‘ F2 q ‘ F3 q ‘ ¨ ¨ ¨ ‘ Fn´1 q ‘ Fn .
i“1
I Sommes directes et blocs 125

Avertissement 8.1.5
Attention à l’erreur courante consistant à caractériser la somme directe par le fait que les intersec-
tions deux à deux sont réduites à t0u (autrement dit les Ei sont 2 à 2 en somme directe.
C’est clairement insuffisant, comme le montre l’exemple de 3 droites vectorielles non confondues
dans le plan.

Proposition 8.1.6 – Dimension d’une somme

Soit F1 , . . . , Fn des sous-espaces de dimension finie de E. Alors :
1. F1 ` ¨ ¨ ¨ ` Fn est aussi de dimension finie ;
ÿn
2. dimpF1 ` ¨ ¨ ¨ ` Fn q ď dimpFi q;
i“1
˜ ¸
n n
ÿ
à
3. si la somme est directe, dim Fi “ dimpFi q.
i“1 i“1

Notation 8.1.7 – Concaténation

Pour X “ px1 , . . . , xk q P E k et Y “ py1 , . . . , yℓ q P E ℓ , on note

X ! Y “ px1 , . . . , xk , y1 , . . . , yℓ q

la concaténation du k-uplet X et du ℓ-uplet Y . Il s’agit donc d’un k ` ℓ-uplet.

C’est une notation à redéfinir si vous l’utilisez.

Proposition/Définition 8.1.8 – Base adaptée à une décomposition en somme directe

n
à
1. Soit E un espace vectoriel de dimension finie, tel que E “ Ei , et tout i P J1, nK, Bi une
i“1
base de Ei Alors B “ B1 ! ¨ ¨ ¨ ! Bn est une base de E.
n
à
2. Une base B de E est dite adaptée à la décomposition en somme directe E “ Ei si elle est
i“1
obtenue de la sorte, par concaténation de bases des Ei .

Le point 1 montre qu’il existe toujours une base adaptée à une décomposition en somme directe.

Proposition 8.1.9 – Projecteurs associés à une décomposition en somme directe

n
à
Soit E un espace vectoriel tel que E “ Ei . On définit pour tout i P J1, nK, πi : E Ñ E par
i“1

πi : x1 ` ¨ ¨ ¨ ` xn ÞÑ xi .

1. Pour tout i P J1, nK, πi est un projecteur. Plus précisément, c’est le projecteur sur Ei paral-
lèlement à la somme des autres Ek .
2. Les πi vérifient :
n
ÿ
πi “ idE et @pi, jq P J1, nK2 πi ˝ πj “ δi,j .
i“1

On peut montrer que réciproquement, si pπ1 , . . . , πn q sont des projecteurs vérifiant le point 2, leurs images
forment une déomposition de E en somme directe dont ils sont les projecteurs associés.
126 CHAPITRE 8. COMPLÉMENTS D’ALGÈBRE LINÉAIRE

I.2 Détermination d’une application linéaire

Vous avez déjà vu l’année dernière qu’une application linéaire se détermine entièrement et sans ambiguité
par l’image des vecteurs d’une base. C’est cette représentation qui donne lieu ensuite aux interprétations
matricielles : la matrice d’une application linéaire u détermine entièrement u, justement car elle décrit
l’image d’une base.
Nous allons donner une version un peu plus générale de ce résultat, en montrant qu’une application
linéaire est déterminée par ses restrictions à des sous-espaces formant une décomposition de E en somme
directe. En considérant une décomposition de E en somme directe de droites engendrées par les vecteurs
d’une base, on retrouve plus ou moins le théorème de détermination d’une AL sur une base, pouvant ainsi
considérer que nous avons généralisé ce résultat.

Proposition 8.1.10 – Détermination d’une AL sur une décomposition en somme directe

n
à
Soit E et F deux K-ev. Soit E “ Ej une décomposition de E en somme directe, et pour tout
j“1
j P J1, nK, uj P LpEj , F q. Alors il existe une et une seule application linéaire u P LpE, F q telle que
pour tout j P J1, nK, u|Ej “ uj .

Ÿ Éléments de preuve.
Une analyse synthèse sans difficulté. Ź

Proposition 8.1.11 – Interprétation matricielle de la détermination sur une ‘

n
à
Soit E “ Ej et F deux espaces vectoriels de dimension finie. On note, pour i P J1, nK, pj “
i“j
dim Ej , p “ dim E et q “ dim F . On se donne B1 , . . . , Bn des bases de E1 , . . . , En , C une base de
F , et on définit B “ B1 ! ¨ ¨ ¨ ! Bn , base adaptée à la décomposition de E en somme directe.
1. Soit pour tout j P J1, nK, uj P LpEj , F q, et Aj “ MatBj ,C puj q P Mq,pj pKq. Alors l’unique
application linéaire u P LpE, F q coïncidant avec chacun des uj est l’application déterminée
par la matrice
´ ¯
MatB,C puq “ MatB1 ,C pu1 q MatB2 ,C pu2 q ¨ ¨ ¨ MatBn ,C pun q P Mq,p pKq,

c’est-à-dire la matrice obtenue en juxtaposant dans une même grande matrice les matrices
des ui dans l’ordre.
2. Réciproquement, pour u P LpE, F q, et une décomposition en blocs
´ ¯
MatB,C puq “ A1 A2 ¨ ¨ ¨ An ,

où pour tout j P J1, nK, Aj P Mq,pj , alors

Aj “ MatBj ,F pu|Ej q.

3. En particulier, pour u P LpE, F q, avec les notations précédentes,

´ ¯
MatB,C pu ˝ πj q “ 0q,p1 ¨ ¨ ¨ 0q,pj´1 Aj 0q,pj`1 ¨ ¨ ¨ 0q,pn .

m
à
On s’intéresse maintenant au problème dual, lorsque F “ Fi admet une décomposition en somme
i“1
directe. On note ρ1 , . . . , ρm les projections associées, et j u la corestriction à Fj de ρi ˝ u. Ainsi, pour tout
àm
x P E, j upxq est la composante sur Fj de la décomposition de upxq dans la somme directe Fi . On a
i“1
alors j u P LpE, Fj q.
I Sommes directes et blocs 127

Proposition 8.1.12 – Interprétation matricielle d’une décomposition en ‘ à l’arrivée

m
à
Soit E et F deux espaces vectoriels de dimension finie, et F “ Fi une décomposition de F en
i“1
somme directe. Soit pour tout i P J1, mK une base Ci de Fi , et C “ C1 ! ¨ ¨ ¨ ! Cm la base de F
correspondante, adaptée à la décomposition. Soit B une base de E. Alors
¨ ˛
MB,C1 p1 uq
˚ .. ‹
MatB,C puq “ ˚
˝ .
‹.
‚
MB,Cm pm uq

De plus, on a alors, pour tout i P J1, mK

¨ ˛
0q1 ,p
˚ .. ‹
.
˚ ‹
˚ ‹
˚ ‹
˚ 0qi´1 ,p ‹
˚ ‹
˚MB,Ci pi uq‹
MatB,C pρi ˝ uq “ ˚ ‹
˚ 0 ‹
˚ qi`1 ,p ‹
˚ .. ‹
.
˚ ‹
˝ ‚
0qm ,p

En combinant ces deux représentations on peut avoir une représentation d’un endomorphisme u rela-
tivement à des bases adaptées à deux décompositions en somme directe, l’une de l’espace de départ
n
à m
à
E“ Ej , l’autre de l’espace d’arrivée E “ Fi , les deux espaces E et F étant supposés de dimension
j“1 i“1
finie. Pour u P LpE, F q, pour tout j P J1, nK, uj désigne comme avant la restriction de u à Ej , et pour
tout i P J1, mK, on peut alors considérer i uj la corestriction de ρi ˝ uj à Fi . Ainsi, i uj P LpEj , Fi q.

Théorème 8.1.13 – Interprétation d’une écriture matricielle par blocs

Soit E et F deux espaces vectoriels de dimension finie
1. On suppose que
n
à m
à
E“ Ej et F “ Fi .
j“1 i“1

Soit, pour tout j P J1, nK, Bj une base de Ej et pour tout i P J1, mK une base de Fi . On note
B “ B1 ! ¨ ¨ ¨ ! Bn et C “ C1 ! ¨ ¨ ¨ ! Cm les bases adaptées correspondantes de E et F .
Alors on obtient la représentation par blocs suivante :
¨ ˛
MatB1 ,C1 p1 u1 q ¨ ¨ ¨ MatBn ,C1 p1 uj q
˚ .. .. ‹
MatB,C puq “ ˚ ˝ . .
‹,
‚
MatB1 ,Cm pm u1 q . . . MatBn ,Cm pm un q

2. On a alors en particulier, en notant pj “ dim Ej et qi “ dim Fi ,

¨ ˛
0q1 ,p1 ¨¨¨ 0q1 ,pn
˚ . .. ‹
MatB,C pρj ˝ u ˝ πi q “ ˚ .
. Mat p u q . ‚,
‹
˝ Bj ,Ci i j
0qm ,p1 ... 0qm ,pn

l’unique bloc non nul étant en position pi, jq.

128 CHAPITRE 8. COMPLÉMENTS D’ALGÈBRE LINÉAIRE

3. Réciproquement, si A “ MatB,C puq se décompose en blocs tels que

¨ ˛
A1,1 ¨ ¨ ¨ A1,n
˚ . .. ‹
A“˚ ˝ .. . ‚,
‹
Am,1 ¨ ¨ ¨ Am,n

tels que :
‚ à i fixé, les Ai,j , j P J1, nK ont toutes même nombre de ligne ;
‚ à j fixé, les Ai,j , i P J1, mK ont toutes même nombre de colonnes ;
alors, en regroupant convenablement les vecteurs de la base B, il existe des décompositions
en somme directe de E et F dont B et C sont des bases adaptées, telles que, avec les notations
préédentes,
@pi, jq P J1, nK ˆ J1, mK, Ai,j “ MatBj ,Ci pi uj q.

Définition 8.1.14 – Décomposition en blocs d’une matrice

On appellera décomposition (ou découpage) par blocs d’une matrice A une représentation de A
dans laquelle on a regroupé certaines lignes consécutives ou colonnes consécutives de sorte à former
des sous-matrices, vérifiant les conditions du 3 du théorème 8.1.13

Corollaire 8.1.15 – Décomposition de E stable par u

Soit E un espace vectoriel de dimension finie, et une décomposition en somme directe :
n
à
E“ Ej .
j“1

Soit pour tout i P J1, nK, Bi une base de Ei , et B “ B1 ! ¨ ¨ ¨ ! Bn une base adaptée.
Soit u P LpEq tel que pour tout i P J1, nK, Ei est stable par u. Alors
¨ ˛
MatB1 puE1 q 0 ¨ ¨ ¨ 0
˚ .. .. .. ‹
˚ 0 . . . ‹
MatB puq “ ˚ ‹,
˚ ‹
.. .. ..
. .
˚
0
‹
˝ . ‚
0 ¨¨¨ 0 MatBn puEn q

où uEi “ i ui est l’endomorphisme de LpEi q induit par u.

Une telle matrice est appelée matrice diagonale par blocs.

I.3 Calcul matriciel par blocs

Les descriptions précédentes vont permettre d’établir assez facilement (disons que le plus dur est fait...)
les règles de calcul matriciel par blocs.

Terminologie 8.1.16 – Découpages par blocs de tailles compatibles

Soit A P Mq,r pKq et B P Mr,s pKq deux matrices, munis de découpages par blocs

A “ pAi,j qpi,jqPJ1,mKˆJ1,nK et B “ pBj,k qpj,kqPJ1,nKˆJ1,pK .

On dira que les deux découpages par blocs ont des tailles compatibles si pour tout j P J1, nK, le
nombre de colonnes des Ai,j est égal au nombre de lignes des Bj,k .
I Sommes directes et blocs 129

Remarques 8.1.17
1. Attention, on ne peut pas permuter A et B dans cette définition.
2. Cette condition permet de considérer, pour tout j P J1, nK, le produit Ai,j Bj,k . De plus, le
format de cette matrice ne dépend pas de j. Ainsi, la matrice suivante est bien définie :
n
ÿ
Ai,j Bj,k .
j“1

3. D’un point de vue vectoriel, si A et B sont interprétés comme des matrices d’applications
linéaires u P LpF, Gq et v P LpE, F q respectivement, relativement à des bases B, C et D,
les découpages par blocs définissent des décompositions en somme directe de E, F et G. La
compatibilité des tailles des blocs dit simplement que les blocs de A et B définissent la même
décomposition en somme directe de F .

Théorème 8.1.18 – Produit matriciel par blocs

Soit A P Mq,r pKq et B P Mr,s pKq deux matrices, munis de découpages par blocs

A “ pAi,j qpi,jqPJ1,mKˆJ1,nK et B “ pBj,k qpj,kqPJ1,nKˆJ1,pK .

de tailles compatibles. Alors le produit AB peut se calculer par blocs :

˜ ¸
n
ÿ
AB “ Ai,j Bj,k .
j“1 pi,kqPJ1,mKˆJ1,pK

Ÿ Éléments de preuve.
La démonstration n’est pas exigible.
Considérer u P LpF, Gq et v P LpE, F q des endomorphismes associés à A et B, avec des décomposi-
tions en somme directe associées de E, F et G, de projections respectives πk , ρj et σi . Décomposer
ÿ
πk ˝ u ˝ v ˝ σi “ πk ˝ u ˝ ρj ˝ ρj ˝ v ˝ σi
j

et utiliser les résultats du paragraphe précédent. Ź

Ainsi, le produit matriciel par blocs suit les mêmes règles que le produit matriciel sur les coefficients, en
remplaçant les coefficients par des blocs matriciels. Il faut juste pour cela que les tailles soient compatibles
pour former les produits.

Corollaire 8.1.19 – Puissances de matrices triangulaires par blocs

Soit A P Mp pKq découpée en blocs A “ pAi,j q1ďi,jďn , de tailles compatibles pour former le produit
A ˆ A (autrement dit, les regroupements de lignes ont la même taille que les regroupements de
colonnes, ce qui équivaut à dire que les blocs diagonaux sont carrés).
1. On dit que A est triangulaire (supérieure) par blocs si pour tout i ą j, Ai,j “ 0, donc
¨ ˛
A1,1 ¨ ¨ ¨ ¨ ¨ ¨ A1,n
˚ .. .. ‹
˚ 0 . . ‹
A“˚ . .
˚ ‹
˚ . .. .. .. ‹
. .
‹
˝ . . ‚
0 ¨¨¨ 0 Aq,q

Alors pour tout n P N, An est aussi triangulaire par blocs, avec des blocs de même taille que
130 CHAPITRE 8. COMPLÉMENTS D’ALGÈBRE LINÉAIRE

A, et ¨ ˛
An1,1 ‚ ¨¨¨ ‚
˚ .. .. .. ‹
˚ 0 . . . ‹
An “ ˚ . ‹.
˚ ‹
˚ . .. ..
. .
‹
˝ . ‚ ‚
0 ¨¨¨ 0 Anq,q
2. On dit que A est diagonale par blocs si pour tout i ‰ j, Ai,j “ 0, donc
¨ ˛
A1,1 0 ¨ ¨ ¨ 0
˚ .. .. .. ‹
˚ 0 . . . ‹
A“˚ . ‹.
˚ ‹
˚ . .. ..
. . 0 ‚
‹
˝ .
0 ¨¨¨ 0 Aq,q

Alors pour tout n P N, An est aussi diagonale par blocs, avec des blocs de même taille que
A, et ¨ ˛
An1,1 0 ¨ ¨ ¨ 0
˚ .. .. .. ‹
˚ 0 . . . ‹
An “ ˚ . ‹.
˚ ‹
˚ . .. ..
. . 0 ‚
‹
˝ .
0 ¨¨¨ 0 Anq,q

Ÿ Éléments de preuve.
Comme pour les matrices exprimées avec des coefficients scalaires. Inutile de refaire. Ź

Exemple 8.1.20
¨ ˛
1 1 0 0 0
˚0 1 1 0 0‹
˚ ‹
Calcul des puissances successives de ˚0 0 1 0 0‹
˚ ‹
˚ ‹
˝0 0 0 2 1‚
0 0 0 0 2

I.4 Déterminants par blocs

Le but de ce paragraphe est de donner quelques outils supplémentaires sur le calcul des déterminants,
notamment lorsqu’on dispose d’un découpage par blocs de la matrice. En règle générale, on ne peut pas
exploiter un découpage quelconque. Mais certaines manipulations sont permises.

Définition 8.1.21 – Transvection par blocs

Soit A “ pAi,j qpi,jqPJ1,mKˆJ1,nK une représentation de A par blocs matriciels Ai,j P Mmi ,nj pKq. Soit
T P Mmi ,mk pKq. Pour i ‰ k, la transvection Li Ð Li ` T Lk consiste à remplacer les Ai,j de la ligne
Li par Ai,j ` T Ak,j .
La ligne Li correspond évidemment à la i-ième ligne (matricielle) du découpage par blocs.

Proposition 8.1.22 – Interprétation matricielle d’une transvection par blocs

I Sommes directes et blocs 131

la transvection par blocs Li Ð Li ` T Lk correspond à la multiplication à gauche par la matrice

¨ ˛
I 0 ¨¨¨ ¨¨¨ ¨¨¨ 0
˚ .. .. .. ‹
˚0 . . T .‹ i
˚ ‹
˚. .. .. .. .. ‹
˚ .. . . . .‹
˚ ‹
Ei,k,T “ ˚ .. .. .. .. .. ‹
˚
. . . .‹
‹ ,
˚.
˚ ..
˚ ‹
.. .. ‹
˝. . . 0‚
0 ¨¨¨ ¨¨¨ ¨¨¨ 0 I
k

les blocs diagonaux étant triangulaires, et les blocs étant de taille compatible avec ceux de A pour
effectuer le produit.

Ÿ Éléments de preuve.
C’est la même chose que dans le cas scalaire, à adapter grâce aux règles de produit matriciel par
blocs. Ź

Corollaire 8.1.23 – Invariance du déterminant par transvection par blocs

Soit B la matrice obtenue de A par transvection Li ď Li ` T Lk . Alors detpAq “ detpBq.

Ÿ Éléments de preuve.
En effet, la matrice Ei,k,T est triangulaire (vraiment, pas seulement par blocs), de coefficients dia-
gonaux tous égaux à 1. Ź

Lemme 8.1.24
˜ ¸
I 0
1. det “ detpBq
C B
˜ ¸
I C
2. det “ detpBq
0 B

Ÿ Éléments de preuve.
1. Une transvection fait sauter C, puis faire des développements suivant des colonnes pour se dé-
barrasser du I.
2. Transposer.
Ź

Théorème 8.1.25 – Déterminant d’une matrice triangulaire par blocs

Soit T une matrice triangulaire par blocs, c’est-à-dire de la forme
¨ ˛
A1 ‚ ¨ ¨ ¨ ‚
˚ 0 ... ...
˚ .. ‹
. ‹
T “˚ .
˚ ‹
.. ..
‹
˚ .
. .
‹
˝ . ‚‚
0 ¨¨¨ 0 Ak

où les Ak sont des matrices carrées. Alors

detpT q “ detpA1 q ¨ ¨ ¨ detpAk q.

132 CHAPITRE 8. COMPLÉMENTS D’ALGÈBRE LINÉAIRE

Ÿ Éléments de preuve.
Par récurrence, se ramener au cas n “ 2, pour lequel on peut décomposer
˜ ¸ ˜ ¸˜ ¸
A C I C A 0
“
0 B 0 B 0 I

puis utiliser le lemme 8.1.24. Ź

Exemple 8.1.26
˜ ¸
A B
Exprimer det en fonction de detpA ´ Bq et detpA ` Bq.
B A

II Algèbres
II.1 Définitions générales
Soit K un corps quelconque.

Définition 8.2.1 – Algèbre

Soit pA, `, ¨, ˆq un ensemble muni de 2 l.c.i. ` et ˆ et d’une l.c.e. ¨ sur le corps K. On dit que A
est une algèbre sur K si :
(i) pA, `, ¨q est un espace vectoriel sur K
(ii) pA, `, ˆq est un anneau
(iii) Pour tout pλ, x, yq P K ˆ A ˆ A, pλ ¨ xq ˆ y “ λ ¨ px ˆ yq “ x ˆ pλ ¨ xq.

Remarque 8.2.2
1. En particulier, une algèbre est unitaire, dans le sens où elle possède un neutre multiplicatif.
Dans certains ouvrages plus généraux, ce n’est pas toujours le cas. Se méfier.
2. La définition est redondante, puisque certaines propriétés de ` se retrouvent à la fois dans
la structure d’anneau et dans la structure d’espace vectoriel
3. Pour éviter ces redondances, on peut définir une algèbre comme un K-ev enrichi d’une mul-
tiplication ˆ associative, unitaire, et bilinéaire. La bilinéarité englobe à la fois les propriétés
de distributivité et la propriété (iii).
4. Les signes opératoires ˆ et ¨ sont souvent omis. Il n’y a pas de confusion possible entre les
deux, puisque l’une des deux lois implique des scalaires et pas l’autre. L’examen de la nature
des objets en jeu permet donc de lever toute ambiguité.

Exemples 8.2.3
1. pK, `, ¨, ¨q est une K-algèbre (le produit externe et le produit interne sont ici égaux).
2. KrXs est une K-algèbre.
3. KrX, Y s (combinaison linéaire de monômes X i Y j ) aussi.
4. Mn pKq est une K-algèbre
5. Si E est un K-ev, LpEq est une K-algèbre.
6. KX “ FpX, Kq est une K-algèbre.
7. C est une R-algèbre.
II Algèbres 133

8. Soit a P R, et Qras “ tP paq, P P QrXsu. Alors Qras est une Q-algèbre.

Définition 8.2.4 – Sous-algèbre

Une sous-algèbre B d’une algèbre A est un sous-ensemble B Ă A tel que :
(i) B soit stable par les 3 lois de A
(ii) 1A P B
(iii) La restriction à B des lois de A définit sur B une structure d’algèbre.

Proposition 8.2.5 – Reformulation de la définition des sous-algèbres

Ainsi, les propositions suivantes sont équivalentes: :
(i) B est une sous-algèbre de A ;
(ii) B est un sous-espace vectoriel de A, stable par ˆ et vérifiant 1A P B
(iii) B est un sous-anneau de A stable par combinaison linéaire.

Ÿ Éléments de preuve.
Comme toujours dans ce type de propriété, une fois la stabilité acquise, toutes les propriétés univer-
selles sont préservées par restriction. Il faut juste s’assurer des propriétés existentielles. Ź

Corollaire 8.2.6 – Caractérisation des sous-algèbres

B est une sous-algèbre de A si et seulement si :
(i) B Ă A
(ii) 1A P B
(iii) @pλ, x, yq P K ˆ B ˆ B, λx “ y P B
(iv) @px, yq P B ˆ B, xy P B

Exemples 8.2.7
1. K est une sous-algèbre de KrXs (le corps K étant identifié aux polynômes constants).
2. Plus généralement, si A est une K-algèbre, K ¨ 1A “ Vectp1A q est une sous-algèbre de A
3. KrXs est une sous-algèbre de KrX, Y s.
4. L’ensemble Dn pKq des matrices diagonales est une sous-algèbre de Mn pKq.
5. De même, Tn` pKq est une sous-algèbre de Mn pKq.
6. Tn`` pKq (matrices strictement triangulaires supérieures) est-elle une sous-algèbre de Mn pKq ?

Définition 8.2.8 – Morphisme d’algèbre

Soit pA, `, ¨, ˆq et pB, `, ¨, ˆq deux algèbres. Un morphisme d’algèbre est une application f P
FpA, Bq telle que :
(i) f est une application linéaire de pA, `, ¨q dans pB, `, ¨q ;
(ii) f est un morphisme d’anneaux de pA, `, ˆq dans pB, `, ˆq
Un isomorphisme d’algèbre est un morphisme d’algèbre bijectif.

Ainsi, en notant 1A et 1B les neutres multiplicatifs respectifs de A et B, f est un morphisme d’algèbre si

et seulement si :
134 CHAPITRE 8. COMPLÉMENTS D’ALGÈBRE LINÉAIRE

‚ @pλ, x, yq P K ˆ A ˆ A, f pλx ` yq “ λf pxq ` f pyq

‚ @px, yq P A2 , f pxyq “ f pxqf pyq
‚ f p1A q “ 1B .

Exemples 8.2.9
1. K ¨ 1A est isomorphe à K.
2. f : RrXs Ñ C définie par f pP q “ P piq est un morphisme d’algèbre.
3. Plus généralement pour a P K, l’évaluation eva : KrXs Ñ K définie par eva pP q “ P paq est
un morphisme d’algèbre.
4. Si a est transcendant (i.e. non racine d’un polynôme de QrXs), alors Qras est isomorphe à
QrXs.

Proposition 8.2.10 – Image d’une sous-algebre

Soit f : A Ñ B un morphisme d’algèbre, et A1 une sous-algèbre de A. Alors f pA1 q est une sous-
algèbre de B.

II.2 Spécialisation d’un polynôme

Définition 8.2.11 – Spécialisation d’un polynôme sur une algèbre
Soit A une K-algèbre, et soit P P KrXs, décrit par
d
ÿ
P “ ak X k .
k“0

La spécialisation de P en x P A est définie par

d
ÿ
P pxq “ a k xk ,
k“0

Remarque 8.2.12
1. La spécialisation P pxq est bien définie, puisqu’on sait :
‚ faire des produits (donc prendre des puissances) dans A, y compris un produit vide (la
puissance d’ordre 0), puisque A est unitaire : pour tout x P A, x0 “ 1A ;
‚ multiplier un élément de A par un scalaire ai P K ;
‚ sommer entre eux des éléments de A.
2. Le terme « évaluation » pour désigner P pxq est en général réservé au cas où x P K. Ainsi, on
ne peut évaluer qu’en des éléments du corps de base, mais on peut spécialiser sur des objets
plus complexes.
3. L’évaluation est un cas particulier de spécialisation, en considérant A “ K, qui est bien une
algèbre.

Exemples 8.2.13
1. Spécialisation en une matrice carrée : si M P Mn pKq, on peut considérer P pM q.
˜ ¸
2 1 1
Par exemple, déterminer P pM q lorsque P “ 2X ` X ` 1 et M “ .
0 2
2. Spécialisation en un endomorphisme : si u P LpEq, P puq est bien défini, et est un élément de
LpEq, les puissances qui interviennent correspondant à l’itération de la composition.
II Algèbres 135

Par exemple si P “ 2X 2 ` X ` 1, P puq est l’endomorphisme défini par :

P puqpxq “ 2u2 pxq ` upxq ` u0 pxq “ 2u ˝ upxq ` upxq ` x.

3. Attention à ne pas confondre :

(i) P puqpxq évaluation de l’endomorphisme P puq en x
(ii) P pupxqq spécialisation du polynôme P en upxq qui nous amène donc à prendre des
puissances du vecteur upxq, ce qui n’a de sens que si E est elle-même une algèbre ; ces
puissances n’ont alors aucun rapport avec des compositions de u par lui-même.

Proposition 8.2.14 – Morphisme de spécialisation

Pour x P A, l’application Sx : KrXs Ñ A définie par Sx pP q “ P pxq est un morphisme d’algèbre.

Ÿ Éléments de preuve.
Le seul point un peu délicat à montrer est le respect du produit qui nécessite une petite manipulation
de sommes. Ź

Proposition/Définition 8.2.15 – Sous-algèbre engendré par un élément

Soit A une K-algèbre, et x P A. On définit

Krxs “ tP pxq, P P KrXsu

Alors Krxs est une sous-algèbre commutative de A, et est minimale parmi les sous-algèbres de A
contenant x. On l’appelle sous-algèbre de A engendrée par x.

Ainsi, Krxs est l’ensemble des éléments de A s’obtenant polynomialement à partir de x.

Ÿ Éléments de preuve.
C’est l’image par un morphisme d’algèbre d’une algèbre commutative. Ź
En particulier, même si A n’est pas commutative, deux polynômes d’un même élément x P A commutent.

Exemples 8.2.16
1. Pour A “ LpEq et u P LpEq, le produit dans LpEq étant la composition, le respect du produit
par Su s’écrit :
P puq ˝ Qpuq “ pP Qqpuq “ pQP qpuq “ Qpuq ˝ P puq.
L’égalité du milieu exploite la commutativité dans KrXs, qui permet donc d’obtenir la com-
mutativité de l’algèbre pKrus, `, ¨, ˝q.
˜ ¸
0 1
2. Décrire KrM s, où M “ .
1 0

On remarque que cette propriété de commutation est un cas particulier d’un résultat un peu plus général :

Proposition 8.2.17 – Polynômes d’endomorphismes qui commutent

Soit u et v dans LpEq tels que u˝v “ v˝u. Soit P et Q deux polynômes de KrXs. Alors P puq˝Qpvq “
Qpvq ˝ P puq.

Ÿ Éléments de preuve.
Par manipulation de sommes, en remarquant que uk v ℓ “ v ℓ uk . Ź
136 CHAPITRE 8. COMPLÉMENTS D’ALGÈBRE LINÉAIRE

Corollaire 8.2.18 – Des propriétés de stabilité par commutation

Soit u et v des endomorphismes qui commutent et P et Q des polynômes. Alors :
1. Impuq et Kerpuq sont stables par v ;
2. ImpP puqq et KerpP puqq sont stables par Qpvq

Ÿ Éléments de preuve.
Le 1 est classique et se démontre indépendamment de ce qui précède. Le 2 consiste à appliquer le 1
aux endomorphismes P puq et Qpvq qui commutent. Ź

III Polynômes d’endomorphismes

III.1 Polynômes annulateurs et polynôme minimal
On rappelle que pour E un K-espace vectoriel et u P LpEq, l’application Su : KrXs Ñ LpEq est un
morphisme d’algèbre. En particulier, c’est un morphisme d’anneaux. On en déduit la structure de son
noyau.
Proposition/Définition 8.3.1 – Idéal des polynômes annulateurs
‚ Le noyau KerpSu q de Su : P ÞÑ P puq est un idéal, constitué de tous les polynômes P P KrXs
tels que P puq “ 0LpEq .
‚ Un polynôme vérifiant P puq “ 0LpEq est appelé polynôme annulateur de u.

Proposition 8.3.2 – Existence d’un polynôme annulateur non nul en dimension finie
Soit E un K-espace vectoriel de dimension finie, et u P LpEq. Alors u admet au moins un polynôme
annulateur non nul.

Ÿ Éléments de preuve.
2
Pour n “ dimpEq, la famille pu0 , u1 , . . . , un q est liée car dimpLpEqq “ n2 . Ź

Définition 8.3.3 – Polynôme minimal

Le polynôme minimal de u P LpEq est l’unique polynôme unitaire engendrant l’idéal principal
KerpSu q des polynômes annulateurs de u.
Il est souvent noté µu ou πu .

Proposition 8.3.4 – Base et dimension de Krus

Soit E un espace vectoriel de dimension finie n, et u P LpEq. Soit d “ degpµu q. Alors

dim Krus “ d,

et une base en est pid, u, . . . , ud´1 q.

Ÿ Éléments de preuve.
Caractère générateur par division euclidienne. Liberté par minimalité du degré de µu . Ź
Ainsi, le polynôme minimal µu est l’unique polynôme unitaire tel que pour tout polynôme annulateur P
de u, µu | P . C’est donc aussi, parmi les polynômes annulateurs unitaires non nuls, celui dont le degré
est minimal.
On peut évidemment traduire ces définitions en termes matriciels. Pour M P Mn pKq, l’ensemble des
2
polynômes annulateurs de M est l’idéal KerpSM q, non réduit à 0 car pM 0 , . . . , M n q est liée, et engendrée
par un unique polynôme annulateur unitaire µM ou πM , appelé polynôme minimal de M .
Avant de voir des exemples de polynômes minimaux, on donne une définition :
III Polynômes d’endomorphismes 137

Définition 8.3.5 – Endomorphisme nilpotent

Un endomorphisme u P LpEq est nilpotent s’il existe k P N tel que uk “ 0LpEq . Dans ce cas, l’entier

d “ mintk P N, uk “ 0LpEq u

est appelé indice de nilpotence de u. C’est donc le plus petit entier positif tel que ud “ 0.

L’indice de nilpotence d’un endomorphisme nilpotent est toujours au moins égal à 1 (car ud “ id, et
même à 2, sauf si u “ 0.
Cette définition s’adapte bien entendu aux matrices.

Exemples 8.3.6
Les exemples suivants doivent être pris comme des exemples du cours.
1. Polynôme minimal de 0LpEq .
2. Polynôme minimal d’une matrice scalaire λIn , λ ‰ 0.
¨ ˛
0 1 0 ¨¨¨ 0
˚. .
. . . . . . . . ... ‹
‹
˚ ..
˚ ‹
˚. . . ‹
3. Polynôme minimal de Jn “ ˚ ..
˚ .. . . 0‹ ‹ P Mn pCq
˚.
..
‹
˚.
. 1‚
‹
˝.
0 ¨¨¨ ¨¨¨ ¨¨¨ 0
4. Les projecteurs sont définis algébriquement par un polynôme annulateur X 2 ´ X. À quelle
condition est-ce le polynôme annulteur
5. De même, X 2 ´ 1 est un polynôme annulateur de toute symétrie. À quelle condition est-ce
le polynôme minimal ?

L’exemple de la matrice Jn se généralise de la sorte.

Proposition 8.3.7 – Caractérisation d’un endomorphisme nilpotent par son pol. min.
Soit u P LpEq. Les propositions suivantes sont équivalentes:
(i) u est nilpotente d’indice de nilpotence d ;
(ii) µu “ X d .

Par ailleurs, on sait comparer le degré de µd à n “ dimpEq, dans ce cas particulier, grâce au lemme
suivant.

Lemme 8.3.8 – Majoration de l’indice de nilpotence

Soit E un espace vectoriel de dimension finie n, et soit u un endomorphisme nilpotent de E, d’indice
de nilpotence d. Alors d ď n.

Ÿ Éléments de preuve.
Montrer qu’il existe x P E tel que px, upxq, . . . , ud´1 pxqq soit libre. Ź

Ainsi, le polynôme minimal d’un endomorphisme minimal est toujours de degré inférieur à dimpEq. Ce
résultat se généralisera à tout polynôme minimal plus tard, grâce au théorème de Cayley-Hamilton, qui
fournit un polynôpme annulateur de degré n “ dimpEq (ce qui assure de facto que le polynôme minimal
est de degré plus petit).
138 CHAPITRE 8. COMPLÉMENTS D’ALGÈBRE LINÉAIRE

III.2 Lemme de décomposition des noyaux

On termine cette section dédiée aux polynômes d’endomorphismes et de matrices par un résultat qui sera
d’une importance capitale pour les problèmes de diagonalisation, et plus généralement de réduction. Je
lui donne un statut de théorème, même s’il est communément appelé lemme.

Théorème 8.3.9 – Lemme de décomposition des noyaux

Soit r P N˚ , et P1 , . . . , Pr des éléments de KrXs deux à deux premiers entre eux. Alors
r
à
KerpP puqq “ KerpPi puqq.
i“1

Ÿ Éléments de preuve.
Par récurrence immédiate, la primalité 2 à 2 impliquant en particulier que Pk est premier avec
P1 . . . Pk´1 , il suffit de le montrer lorsque r “ 2.
Pour r “ 2, se servir d’une relation de Bézout, à la fois pour montrer l’inclusion directe, et pour
montrer le caractère directe de la somme. Ź

Corollaire 8.3.10 – Décomposition de E issue d’un polynôme annulateur

Soit P un polynôme annulateur de u, tel que P “ P1 . . . Pr , où les Pi sont 2 à 2 premiers entre eux.
Alors
àr
E“ KerpPi puqq.
i“1

Exemples 8.3.11
1. Si p est un projecteur, on retrouve E “ Kerppq ‘ Kerpp ´ idq
2. Si s est une symétrie, on retrouve E “ Kerps ´ idq ‘ Kerps ` idq.
3. Dans les deux exemples précédents, trouver une base B de E telle que MatB ppq (resp.
MatB psqq soit diagonale.

Le dernier point nous fait bien comprendre l’utilité de ce résultat dans des études de diagonalisabilité.
Ainsi, on obtient par exemple le résultat important suivant (qui sera repris et complété dans le chapitre
suivant) :

Théorème 8.3.12 – Caractérisation de la diagonalisabilité par polynômes annulateurs

Soit E de dimension finie, et u P LpEq admettant un polynôme annulateur scindé à racines simples.
Alors P est diagonalisable.

Ÿ Éléments de preuve.
Par le lemme de décomposition des noyaux, puis prendre une base de chaque terme de la somme
directe.
C’est même une équivalence, comme on le justifiera plus tard. D’où la terminologie « caractérisation ».
Ź
 9
Réduction des endomorphismes

Le problème de la réduction des endomorphismes consiste à trouver une base dans laquelle la forme de
la matrice associée sera suffisamment simple pour être propice aux calculs.
L’idéal est par exemple de trouver une base dans laquelle la matrice est diagonale. C’est le principe de
la diagonalisation. Ce n’est pas toujours possible, c’est pourquoi on recherche parfois des formes un peu
plus générale, comme des matrices triangulaires par exemple.
Lorsqu’on adapte la situation aux matrices, il s’agit donc de travailler sur l’endomophisme f de Kn
canoniquement associé à une matrice M , et de trouver une base dans laquelle la nouvelle matrice N de
f sera d’une forme particulière, par exemple diagonale ou triangulaire. Par la formule de changement de
base, on a donc une relation du type M “ P N P ´1 , où P P GLn pKq.

Définition 9.0.1 – Matrices semblables

On dit que deux matrices M et N de Mn pKq sont semblables s’il existe P P GLn pKq telle que
M “ P N P ´1 . Cela définit une relation binaire sur Mn pKq, appelée relation de similitude.

Cette relation est un peu plus forte que la relation d’équivalence, puisqu’on impose l’égalité des deux
matrices de passage. De fait, deux matrices semblables sont équivalentes mais la réciproque est fausse.

Proposition 9.0.2 – La relation de similitude est une équivalence

La relation de similitude est une relation d’équivalence. Ses classes d’équivalence sont appelées
classes de similitude.

Ainsi, le problème de la réduction des endomorphismes se ramène donc à la recherche de représentants

simples dans une classe de similitude donnée. Dans l’idéal, on souhaiterait donner même un représentant
privilégié dans chaque classe de similitude, comme on l’avait fait avec les matrices Jn,p,r pour les classes
d’équivalence matricielle, de sorte à pouvoir classifier les classes de similitude. Comme on le verra, c’est
un problème assez dur, auquel on ne répondra pas complètement cette année.

I Élements propres d’un endomorphisme

On suppose que E est un espace vectoriel sur K. Le corps K est supposé être un sous-corps de C,
conformément au programme, même si la plupart des résultats de ce chapitre restent vrais sans cette
condition.

I.1 Valeurs propres, vecteurs propres, sous-espaces propres

Si l’on souhaite trouver une base B telle que MatB puq soit diagonale, en particulier upbq P Kb, donc
upKbq Ă Kb. Les vecteurs de cette base engendrent donc des droites stables par u.
140 CHAPITRE 9. RÉDUCTION DES ENDOMORPHISMES

Le problème de la diagonalisation est donc très lié à la recherche des droites stables.
Réciproquement, une droite Kb est stable si et seulement si upbq P Kb, donc s’il existe λ P K tel que
upbq “ λb, c’est-à-dire pu ´ λidqpbq “ 0.

Définition 9.1.1 – Valeurs propres, vecteurs propres, sev propres

Soit u P LpEq.
1. Une valeur propre de u est un élément λ P K tel que Kerpu ´ λidq ‰ t0u, donc tel que u ´ λid
ne soit pas injectif.
2. Soit λ une valeur propre de u. Le sous-espace propre associé à λ est :

Eλ puq “ Kerpu ´ λidE q.

3. Les éléments non nuls de Eλ puq sont alors appelés vecteurs propres associés à la valeur
propre λ.

Remarque 9.1.2
1. Par définition, si λ est une valeur propre, Eλ puq ‰ t0u, et il existe donc au moins un vecteur
propre associé à λ.
Une valeur propre λ se caractérise donc par le fait qu’il existe x P Ezt0u tel que upxq “ λx.
2. Il arrive parfois, pour des raisons techniques (éviter des discussions) d’étendre la notation
Eλ puq au cas où λ n’est pas une valeur propre. Dans ce cas, λ est une valeur propre ssi
Eλ puq ‰ t0u.
3. Lorsque E est de dimension infinie, la non injectivité de u ´ λid n’équivaut pas à sa non
inversibilité. La non inversibilité définit ce qu’on appelle les valeurs spectrales de u (hors
programme).
4. Les sev propres sont parfois aussi notés SEPλ puq.

Exemple 9.1.3
Décrire les valeurs propres et les sous-espaces propres d’un projecteur.

Définition 9.1.4 – Spectre

Lorsque E est de dimension finie, on note Sppuq l’ensemble des valeurs propres de u. L’ensemble
Sppuq est appelé spectre de u.

Remarque 9.1.5
En dimension infinie, le spectre est défini non pas avec les valeurs propres, mais avec les valeurs
spectrales, raison pour laquelle cette définition n’est ici donnée qu’en dimension finie.

Proposition 9.1.6 – Somme directe des s.e.p.

p
à
Soit λ1 , . . . , λp des valeurs propres. Alors la somme Eλp puq est directe.
i“1

Ÿ Éléments de preuve.
Par le lemme de décomposition des noyaux. Peut aussi se montrer facilement directement par récur-
rence, c’est un bon entraînement, mais c’est un peu plus fastidieux. Ź
I Élements propres d’un endomorphisme 141

Corollaire 9.1.7
Soit pxi qiPI une famille de vecteurs propres associés à des valeurs propres 2 à 2 distinctes. Alors
pxi qiPI est libre.

Ÿ Éléments de preuve.
Ce sont des vecteurs non nuls de sous-espaces vectoriels en somme directe. Ź

Corollaire 9.1.8 – Majoration du nombre de valeurs propres

Soit E un espace vectoriel de dimension finie n, et u P LpEq. Alors |Sppuq| ď n.

Ÿ Éléments de preuve.
Soit par l’examen des dimensions, soit par le corollaire précédent qui donne sinon une famille libre
trop grande. Ź
Dans le but d’étudier des propriétés de réduction simultanée, nous aurons besoin du lemme suivant :

Proposition 9.1.9 – Stabilité des sev propres de u par v commutant avec u

Soit u, v P LpEq tels que u ˝ v “ v ˝ u. Alors v laisse stable les sous-espaces propres de u (et
inversement).

Ÿ Éléments de preuve.
Application directe de 8.2.17. Ź

Remarque 9.1.10
En particulier, puisque u commute avec lui-même, les sous-espaces propres de u sont stables par u.
Cela se comprend bien de façon directe, sans passer par ce résultat, et c’est une évidence, mais ça
ne fait pas de mal que ce soit dit explicitement au moins une fois !

Enfin, remarquons qu’une façon de restreindre la recherche des valeurs propres de u est de s’intéresser à
des polynômes annulateurs :

Théorème 9.1.11 – Valeurs propres et racines d’un polynôme annulateur

Soit u P LpEq.
1. Soit P un polynôme annulateur de u. Alors toute valeur propre est racine de P .
2. Si u admet un polynôme minimal µu , alors les racines de µu sont exactement les valeurs
propres de u

Ÿ Éléments de preuve.
1. Par récurrence, si x est un vecteur propre associé à λ, un pxq “ λn ¨ x, puis P puqpxq “ P pλq ¨ x.
2. Pour le point 2, une inclusion est acquise. Si l’inclusion est stricte, on peut factoriser P puq par
u ´ λid, où λ n’est pas une valeur propre. L’injectivité de u ´ λid permet alors de contredire la
minimalité de µu .
Ź

Remarque 9.1.12
Lorsque E est de dimension finie, on peut réexprimer ces propriétés à l’aide du spectre :
1. Pour tout polynôme annulateur P de u, Sppuq Ă RacpP q ;
2. Sppuq “ Racpµu q.
142 CHAPITRE 9. RÉDUCTION DES ENDOMORPHISMES

Exemples 9.1.13
1. Quelle est la seule valeur propre possible d’un endomorphisme nilpotente ?
3
2. ¨
Déterminer
˛ les valeurs propres dans C de l’endomorphisme de C canoniquement associé à
0 0 1
˝1 0 0‚.
˚ ‹
0 1 0

I.2 Éléments propres d’une matrice carrée

Le dernier exemple suggère qu’on peut adapter toutes les définitions et propriétés au cas des matrices.
Comme l’espace de travail est alors de dimension finie, on n’a pas besoin de précaution particulière pour
parler du spectre.
Soit M P Mn pKq.
‚ Un scalaire λ P K est valeur propre de M si KerpM ´ λIn q ‰ t0u, c’est-à-dire s’il existe X ‰ 0
dans Mn,1 pKq tel que M X “ λX. Cela équivaut aussi à dire que la matrice M ´ λIn n’est pas
inversible.
‚ L’ensemble des valeurs propres de M est noté SppM q, et est appelé spectre de M .
‚ Un vecteur propre associé à λ est un élément non nul X P Mn,1 pKq tel que M X “ λX, c’est-à-dire
X P KerpM ´ λIn qzt0u.
‚ Le sous-espace propre Eλ pM q associé à la valeur propre λ est KerpM ´ λIn q. C’est donc l’ensemble
des vecteurs propres, augmenté de 0.
‚ Les sous-espaces propres sont en somme directe, et donc en nombre au plus égal à n
‚ Les valeurs propres sont racines de tout polynôme annulateur P de M : SppM q Ă RacpP q
‚ Les valeurs propres sont exactement les racines du polynôme minimal : SppM q “ RacpµM q.
À cela on ajoute les deux propriétés suivantes.
Proposition 9.1.14 – Spectre de matrices semblables
Deux matrices semblables ont même spectre.

Ÿ Éléments de preuve.
Si M et N sont semblables, M ´ λIn et N ´ λIn le sont aussi, donc ont même rang. Ź
Le lien entre éléments propres d’une matrice et éléments propres d’un endomorphisme se fait via les
résultats suivants.
Proposition 9.1.15 – Élements propres de u et de MatB puq
Soit u P LpEq et B une base de E. Alors :
1. Sppuq “ SppMatB puqq ;
2. x est vecteur propre de u associé à λ ssi rxsB est vecteur propre de MatB puq associé à λ ;
3. Pour λ P Sppuq, Eλ pMB puqq “ φB pEλ puqq, où φB : x ÞÑ rxsB .

On fait aussi la correspondance entre polynômes de l’endomorphisme u et polynômes de la matrice

MB puq.
Proposition 9.1.16 – Polynômes d’endomorphismes versus polynômes de matrices
Soit u P LpEq et B une base de E.
1. Pour tout P P LpEq, MatB pP puqq “ P pMatB puqq.
2. En particulier, P est un polynôme annulateur de u si et seulement s’il est un polynôme
annulateur de MatB puq.
I Élements propres d’un endomorphisme 143

3. Notamment, µu “ µMatB puq .

Sur les matrices, on dispose d’une opération d’extension des scalaires, consistant à voir les matrices de
Mn pKq comme des matrices de Mn pK1 q, dès lors que K1 est un corps contenant K. C’est notamment
ce qu’il se produit lorsqu’on considère une matrice à coefficients réels comme une matrice à coefficients
complexes. Dans cet exemple, on peut notamment se demander si le spectre d’une matrice réelle M reste
le même selon qu’on considère M comme une matrice réelle ou comme une matrice complexe. La réponse
est non en général, mais une inclusion est vraie.

Proposition 9.1.17 – Extension du corps des coefficients

Soit K Ă K1 deux corps tels que K soit un sous-corps de K1 , et soit M P Mn pKq. On note SpK pM q
et SpK1 pM q le spectre de M vue respectivement comme matrice de Mn pKq et de Mn pK1 q. Alors
SpK pM q Ă SpK1 pM q.

Ÿ Éléments de preuve.
Un vecteur propre X P Mn,1 pKq est aussi un vecteur propre dans Mn,1 pK1 q. Ź

Exemple 9.1.18
˜ ¸
0 ´1
L’inclusion peut être stricte, comme le montre l’exemple de M “ .
1 0

I.3 Polynôme caractéristique d’un endomorphisme en dimension finie

Parfois, la résolution de l’équation aux éléments propres upxq “ λx peut s’avérer laborieuse et calculatoire,
et la recherche d’un polynôme annulateur un peu hasardeuse. On donne dans cette section un outil qui
permet également de déterminer les valeurs propres. Il s’agit du polynôme caractéristique de u, dont les
racines sont les valeurs propres.
Soit E un espace vectoriel de dimension finie. Le fait que λ soit valeur propre se traduit par le fait
que λid ´ u ne soit pas bijective, c’est-à-dire que le déterminant de sa matrice relativement à une base
quelconque est nul.
Or, si M P Mn pKq, XIn ´ M est une matrice à coefficients dans KrXs. Le déterminant ne faisant
intervenir que des produits et des sommes des coefficients de la matrice, detpXIn ´ M q est bien défini
dans KrXs.

Définition 9.1.19 – Polynôme caractéristique d’une matrice

Soit M P Mn pKq. Le polynôme caractéristique χM de M est le polynôme défini par

χM pXq “ detpXIn ´ M q P KrXs

Propriétés 9.1.20 – Coefficients du polynôme caractéristique

Soit M P Mn pKq. Alors
(i) degpχM q “ n.
n
ÿ
En écrivant χM “ ak X k , on a alors :
k“0
(ii) an “ 1 (donc χM est unitaire)
(iii) an´1 “ ´ trpM q
(iv) a0 “ p´1qn detpM q.
Ainsi, χM “ X n ´ trpM qX n´1 ` ¨ ¨ ¨ ` p´1qn detpM q.
144 CHAPITRE 9. RÉDUCTION DES ENDOMORPHISMES

Ÿ Éléments de preuve.
Par la formule de développement, tous les termes sont de degré au plus n ´ 2, sauf celui indexé par
id. En effet, une permutation de Sn ne peut pas avoir exactement n ´ 1 points fixes.
On obtient donc les termes de degré n et n ´ 1 en développant pX ´ a1,1 q ¨ ¨ ¨ pX ´ an,n q, ce qui se
fait avec les relations de Viète.
Le coefficient a0 s’obtient par évaluation. Ź

Proposition 9.1.21 – Racines du polynôme caractéristique

RacpχM q “ SppM q.

Ÿ Éléments de preuve.
λ est racine ssi detpλIn ´ M q “ 0. Qu’est-ce que cela signifie sur l’inversibilité de la matrice ? Ź
Voici une situation dans laquelle le polynôme caractéristique est simple à calculer :

Proposition 9.1.22 – Polynôme caractéristique d’une matrice triangulaire

Soit T une matrice triangulaire, de coefficients diagaunaux t1,1 , . . . , tn,n . Alors

χT pXq “ pX ´ t1,1 q ¨ ¨ ¨ pX ´ tn,n q.

Ainsi, les valeurs propres de T sont les coefficients diagonaux.

Proposition 9.1.23 – Polynôme caractéristique de matrices semblables

Soit M et N deux matrices semblables. Alors χM “ χN .

Par conséquent, vu les deux derniers résultats obtenus, si on recherche une matrice triangulaire T sem-
blable à une matrice M , les coefficients diagonaux de T sont les valeurs propres de M , leur multiplicité
sur la diagonale de T correspondant à leur multiplicité dans le polynôme caractéristique de M . C’est ce
qu’on appelle la multiplicité algébrique d’une valeur propre.
Le dernier résultat permet aussi de définir le polynôme caractéristique d’un endomorphisme u d’un espace
E de dimension finie. En effet, si B et C sont deux bases de E, MatB puq et MatC puq sont semblables.

Définition 9.1.24 – Polynôme caractéristique de u P LpEq

Soit u un endomorphisme d’un espace vectoriel E de dimension finie. Alors le polynôme caractéris-
tique de u est défini par
χu “ χMatB puq ,
où B est une base de E. Cette définition est indépendante du choix de la base.

Les propriétés du polynôme caractéristique de u sont alors similaires à celles d’une matrice représentant u.
Par exemple, comme la trace de u est également définie comme étant la trace commune des matrices
représentant u dans une base quelconque, et comme le déterminant vérifie aussi cette propriété, on en
déduit que
χu pXq “ X n ´ trpuqX n´1 ` ¨ ¨ ¨ ` p´1qn detpuq.

Proposition 9.1.25 – Polynôme caractéristique d’un endomorphisme induit

Soit F stable par u P LpEq, et uF l’endomorphisme induit sur F par u. Alors χuF | χu .

Ÿ Éléments de preuve.
Dans une base convenable, la matrice de u est triangulaire par bloc, l’un des blocs étant une matrice
de uF . Utiliser le calcul du déterminant de matrices triangulaires par blocs. Ź
I Élements propres d’un endomorphisme 145

I.4 Recherche de valeurs propres

On a donc essentiellement 3 méthodes pour la recherche des valeurs propres, plus ou moins efficaces selon
la situation
Méthode 9.1.26 – Recherche de valeurs propres
1. Résoudre l’équation aux éléments propres upxq “ λx, en essayant de voir à quelle condition
sur λ cette équation admet une solution autre que la solution triviale. En dimension infinie,
sauf s’il existe un polynôme annulateur de petit degré facile à deviner, c’est la seule solution
vraiment envisageable.
2. Rechercher un polynôme annulateur, si possible de petit degré. En dimension finie, on sait
qu’il en existe un, et on montrera qu’il en existe un de degré au plus n “ dimpEq. En
se plaçant dans le cadre matriciel, on peut trouver un polynôme annulateur en calculant
les premières puissances M k , et en trouvant une relation entre ces puissances. Les valeurs
propres sont à trouver parmi les racines de ce polynôme.
C’est parfois peu commode et hasardeux. De plus, il faut un peu d’habitude pour trouver
les polynômes annulateurs après avoir calculé les premières puissances. Enfin, comme on ne
devine pas toujours le polynôme minimal, on peut trouver des racines qui ne sont pas valeurs
propres. Ça peut en revanche être efficace s’il y a peu de valeurs propres par rapport à la
dimension, ou si le contexte fournit un polynôme annulateur naturel.
3. Calculer le polynôme caractéristique, par un calcul de déterminant, et chercher les racines
de ce polynôme.

Méthode 9.1.27 – Recherche d’espaces propres

Une fois qu’on a déterminé les valeurs propres λ, ou au moins, un ensemble fini qui contient toutes
les valeurs propres, résoudre upxq “ λx, de l’inconnue x. Si on est en dimension finie, cela se ramène
à la résolution d’un système linéaire d’équations.

Exemples 9.1.28
1. Déterminer les valeurs propres et les espaces propres associés de l’endomorphisme D : f ÞÑ f 1
du C-ev C 8 pR, Cq.
2. Déterminer les valeurs propres et les sous-espaces propres de M P M2n pCq définie par
¨ ˛
0 ¨¨¨ ¨¨¨ ¨¨¨ 0 ´1
˚.
.

˚ ..
‹
..

..

˚ 0‹ ‹
˚. .. ‹
.

˚ ..
..

..

´1 . ‹
M “ ˚.
˚ ‹
.. ‹
.

˚.
..

..

1
‹
˚. . ‹
.. ‹
˚ ‹
.

˚
..

..

˝0 . ‚
1 0 ¨¨¨ ¨¨¨ ¨¨¨ 0
˜ ¸ ˜ ¸
1 4 3 1
3. Déterminer les valeurs propres et les sous-espaces propres de et de .
3 2 ´1 1

I.5 Multiplicité géométrique et algébrique d’une valeur propre

On donne les définitions dans le cadre d’un endomorphisme, mais cela s’adapte évidemment aussi au cas
des matrices.
146 CHAPITRE 9. RÉDUCTION DES ENDOMORPHISMES

Définition 9.1.29 – Multiplicités d’une valeur propre

Soit E un espace vectoriel de dimension finie, et u P LpEq. Soit λ P Sppuq
1. La multiplicité géométrique de λ est la dimension de Eλ puq.
2. La multiplicité algébrique de λ est la multiplicité de λ en tant que racine de χu .

Remarque 9.1.30
Les deux notions peuvent différer, comme le montre le dernier exemple du 9.1.28.

En revanche, on a toujours une inégalité qui est satisfaite :

Proposition 9.1.31 – Comparaison des multiplicités géométrique et algébrique

Soit E un espace vectoriel de dimension finie, et u P LpEq. Alors la multiplicité géométrique est
inférieure à la multiplicité algébrique.

En d’autres termes, la dimension du sous-espace propre Eλ puq est majorée par la multiplicité de λ en
tant que racine de χu .
Ÿ Éléments de preuve.
Considérer le polynôme caractéristique de uEλ puq , l’endomorphisme induit par u sur le sous-espace
stable Eλ puq. Ź
Faisons pour terminer un bilan des résultats obtenus pour les endomorphismes induits.

Proposition 9.1.32 – Multiplicités des valeurs propres d’un endomorphisme induit

Soit E un espace vectoriel de dimension fini, F un sev de E, et u P LpEq. On suppose que F est
stable par u. Alors :
1. χuF |χu ;
2. SppuF q Ă Sppuq ;
3. pour tout λ P SppuF q, la multiplicité algébrique de λ en tant que valeur propre uF est
inférieure à sa multiplicité algébrique en tant que valeur propre de u ;
4. pour tout λ P SppuF q, la multiplicité géométrique de λ en tant que valeur propre uF est
inférieure à sa multiplicité géométrique en tant que valeur propre de u ;

I.6 Théorème de Cayley-Hamilton

On a constaté que les polynômes annulateurs d’une matrice (ou d’un endomorphisme) ont un lien très
fort avec le spectre de cette matrice, puisque le spectre est inclus dans l’ensemble des racines. On a
aussi vu que les racines du polynôme caractéristique sont exactement les valeurs propres. On peut donc
raisonnablement se demander si le polynôme caractéristique est un polynôme annulateur. Le fait que ses
racines soient des valeurs propres n’est pas suffisant pour conclure, car on n’a pas de contrôle suffisant sur
la multiplicité. Si la multiplicité est trop faible (inférieure à la multiplicité dans le polynôme minimal), la
réponse est négative. Mais cette situation ne peut en fait pas se produire. C’est ce qu’affirme le théorème
de Cayley-Hamilton.

Théorème 9.1.33 – Cayley-Hamilton

1. Soit M une matrice de Mn pKq. Alors χM est un polynôme annulateur de M .
2. Soit u un endomorphisme d’un espace vectoriel E de dimension finie. Alors χu est un poly-
nôme annulateur de u.
II Diagonalisation 147

Ÿ Éléments de preuve.
Démonstration non exigible.
Les deux énoncés sont évidemment équivalents. On montre le cas matriciel.
ÿn n´1
ÿ
Écrire χA pXq “ ak X k , et CompXIn ´ AqJ “ X k Ck .
k“0 k“0
Avec la formule de Cayley, trouver une relation matricielle reliant Ck , Ck´1 , A et ak . Former alors
χA pAq par télescopage. Ź

Corollaire 9.1.34 – Relation entre χu et µu

1. Le polynôme minimal µu divise le polynôme caractéristique χu .
2. En particulier, degpµu q ď n.

II Diagonalisation
Soit E un K-espace vectoriel de dimension finie.

II.1 Diagonalisation d’un endomorphisme, point de vue géométrique

Définition 9.2.1 – Endomorphisme diagonalisable
Un endomorphisme u P LpEq est diagonalisable s’il existe une base B telle que MatB puq soit diago-
nale.

Théorème 9.2.2 – Caractérisation de la diagonalisabilité par les sev propres

Soit u P LpEq et χu son polynôme caractéristique. Les propositions suivantes sont équivalentes:
(i) u est diagonalisable ;
à
(ii) Eλ puq “ E ;
λPSppuq
ÿ
(iii) dimpEλ puqq “ dimpEq ;
λPSppuq

(iv) χu est scindé, et pour tout λ P SppEq, la multiplicité algébrique de λ est égale à la multiplicité
géométrique de λ.

Ÿ Éléments de preuve.
‚ piq ùñ piiq : toute base de diagonalisation est une famille libre de vecteurs propres.
‚ piiq ùñ piiiq par propriété de la dimension d’une somme directe.
‚ piiiq ùñ pivq car la multiplicité géométrique est toujours inférieure à la multiplicité algébrique,
et car le degré de χu est connu.
‚ pivq ùñ piq : construire une base de diagonalisation à partir de bases des Eλ puq.
Ź

Corollaire 9.2.3 – Diagonalisabilité d’un endomorphisme ayant dimpEq valeurs propres

Soit u P LpEq et soit n “ dimpEq.
1. Si u admet n valeurs propres distinctes, alors u est diagonalisable.
2. Si χu est simplement scindé, alors u est diagonalisable.

Ÿ Éléments de preuve.
148 CHAPITRE 9. RÉDUCTION DES ENDOMORPHISMES

ř
1. Dans ce cas, on a nécessairement dim Eλ puq ě n, et trivialement dans l’autre sens aussi.
2. C’est un corollaire du point 1. On peut aussi remarquer que cela implique que la multiplicité
algébrique et la multiplicité géométrique de toutes les valeurs propres sont égales.

II.2 Diagonalisation d’un endomorphisme, point de vue algébrique

La caractérisation de la diagonalisabilité par le polynôme caractéristique, qui est lui-même un polynôme
annulateur de u, suggère qu’on peut adopter également un point de vue purement algébrique, basé sur
l’étude des polynômes annulateurs de u.
On rappelle qu’un polynôme simplement scindé est un polynôme sans racine multiple, ayant autant de
racines que son degré (ou de façon équivalente, dont les seuls diviseurs irréductibles sont de degré 1).

Théorème 9.2.4 – Caractérisation de la diagonalisabilité par polynômes annulateurs

Soit u un endomorphisme de E. Les propositions suivantes sont équivalentes:
(i) u est diagonalisable ;
(ii) u admet un polynôme annulateur (non nul) simplement scindé ;
(iii) le polynôme minimal de u est simplement scindé.

Ÿ Éléments de preuve.
ź
‚ piq ùñ piiq : Considérer pX ´ λq, et utiliser le décomposition de E en somme directe de
λPSppEq
sev propres.
‚ piiq ùñ piiiq : Dans ce cas, le polynôme minimal est un diviseur d’un polynôme scindé.
‚ piiiq ùñ piq : par le lemme de décomposition des noyaux.
Ź

Corollaire 9.2.5 – Polynôme minimal d’un endomorphisme diagonalisable

ź
u est diagonalisable si et seulement si µu “ pX ´ λq.
λPSppuq

Lemme 9.2.6 – Polynôme minimal d’un endomorphisme induit

Soit u un endomorphisme de E, et F un sous-espace de E stable par u. Soit uF P LpF q l’endomor-
phisme induit par u sur F .
1. Tout polynôme annulateur de u est un polynôme annulateur de uF .
2. En particulier, µuF divise µu .

Proposition 9.2.7 – Diagonalisabilité d’un induit

Soit u un endomorphisme diagonalisable, et F un sous-espace de E stable par u. Alors l’endomor-
phisme uF P LpF q induit par u sur F est diagonalisable.

Ÿ Éléments de preuve.
Le lemme implique qu’alors uF est simplement scindé. Ź
On en déduit le résultat suivant, hors-programme mais archi-classique en concours.
II Diagonalisation 149

Théorème 9.2.8 – Codiagonalisabilité, HP

Soit u et v deux endomorphismes de E tels que u ˝ v “ v ˝ u. Si u et v sont diagonalisable, alors il
existe une base commune B de diagonalisation (c’est-à-dire une base dont les éléments sont tous à
la fois des vecteurs propres de u et des vecteurs propres de v).

Ÿ Éléments de preuve.
Les Eλi puq sont stables par v. L’endomorphisme induit vi est alors diagonalisable. Il existe donc une
base de Eλi puq formée de vecteurs propres de v. Faire cela pour chaque sev Eλi puq et concaténer
toutes ces bases. Ź

II.3 Diagonalisation d’une matrice

On traduit sans surprise ces définitions et propriétés dans le contexte matriciel.

Proposition/Définition 9.2.9 – Diagonalisabilité d’une matrice

Soit M P Mn pKq une matrice carrée. Les propositions suivantes sont équivalentes:
‚ L’endomorphisme canonique associé à M est diagonalisable ;
‚ Il existe une matrice D diagonale et une matrice P P GLn pKq telle que M “ P DP ´1 ;
‚ M est semblable à une matrice diagonale ;
On dit qu’une matrice vérifiant ces propriétés équivalentes est diagonalisable.

Ÿ Éléments de preuve.
‚ piq ðñ piiq par la formule de changement de base.
‚ piiq ðñ piiiq est la définition de matrices semblables.
Ź

Proposition 9.2.10 – Caractérisation matricielle de la diagonalisabilité de u

Soit u P LpEq. Les propositions suivantes sont équivalentes:
(i) u est diagonalisable ;
(ii) pour toute base B de E, MatB puq est diagonalisable ;
(iii) il existe une base B de E telle que MatB puq soit diagonalisable.

Du fait même de cette correspondance très forte entre diagonalisabilité d’un endomorphisme et diagona-
lisabilité d’une matrice, ainsi que d’après les propositions 9.1.15 et 9.1.16, toutes les propriétés vues dans
le paragraphe précédent reste valides pour les matrices, et en particulier :
‚ la caractérisation géométrique 9.2.2 de la diagonalisabilité par la décomposition de E en somme
directe de sous-espaces propres, ou par l’égalité entre multiplicité algébrique et géométrique des
valeurs propres ;
‚ la diagonalisabilité d’une matrice de Mn pKq ayant n valeurs propres distinctes (corollaire 9.2.3) ;
‚ la caractérisation algébrique 9.2.4 de la diagonalisabilité par les polynômes simplement scindés.
‚ la propriété (HP) de codiagonalisabilité.

Définition 9.2.11 – Diagonaliser M

Diagonaliser une matrice M consiste à expliciter une matrice P P GLn pKq et une matrice diagonale
D P Dn pKq telles que M “ P DP ´1 .
150 CHAPITRE 9. RÉDUCTION DES ENDOMORPHISMES

Méthode 9.2.12 – Diagonaliser M

1. Rechercher les valeurs propres de M , soit en calculant le polynôme caractéristique, soit en
trouvant un polynôme annulateur simple.
2. Pour tout λ P SppM q, résoudre le système linéaire M X ´ λX “ 0, et donner une base de
Eλ pM q
3. Justifier (ou infirmer) la diagonalisabilité par un argument de dimension ou par les multipli-
cités des racines d’un polynôme annulateur.
4. Le cas échéant, construire une base de diagonalisation par concaténation de bases des espaces
propres.
5. Définir P comme la matrice de passage de la base canonique à cette base, et écrire la formule
de changement de base pour conclure.

Remarque 9.2.13
La diagonalisation permet par exemple de calculer les puissances d’une matrice A “ P DP ´1 . En
effet, par simplification des termes intermédiaires, An “ P Dn P ´1 .
On peut donc aussi notamment calculer ainsi des exponentielles matricielles.

Exemples 9.2.14
Diagonalisabilité, et le cas échéant, diagonalisation des matrices suivantes :
¨ ˛ ¨ ˛
1 0 1 2 ´1 1
A “ ˝0 1 1‚ et B “ ˝1 0 1‚.
˚ ‹ ˚ ‹
1 ´1 2 1 ´1 2

III Trigonalisation
Toutes les matrices ne sont donc pas diagonalisables. On peut déterminer, sur C, des formes réduites
privilégiées (sous forme de matrices diagonales par blocs du type λI ` J, où J est une matrice de
Jordan), valide de façon plus gérénale dès que le polynôme caractéristique est scindé sur K (réduction de
Jordan).
Cette décomposition n’est pas simple à obtenir (même si cela reste accessible avec les outils de classe
préparatoire). Nous nous contentons d’étudier une propriété intermédiaire un peu dégradée, qui est l’exis-
tence d’une base B de E dans laquelle la matrice de u est triangulaire (c’est le cas de la réduction de
Jordan).
D’autres types de réduction existent, valides sous des conditions sur K plus générales, par exemple la
décomposition de Forbenius qui donne une forme réduite diagonale par blocs, avec des blocs diagonaux
égaux à des « matrices compagnons » de certains polynômes.
E désigne toujours un K-espace vectoriel de dimension finie.

III.1 Trigonalisabilité et caractérisations algébriques

Définition 9.3.1 – Trigonalisabilité
1. On dit qu’un endomorphisme u P LpEq s’il existe une base B de E telle que MatB puq P T ` pKq.
2. On dit qu’une matrice M P Mn pKq est trigonalisable s’il existe une matrice P P GLn pKq
telle que P ´1 M P P T ` pKq. En notant T cette matrice, on a alors M “ P T P ´1 .

Les deux définitions (vectorielle et matricielle) se ramènent l’une à l’autre, comme dans le cas de la
diagonalisabilité.
III Trigonalisation 151

Proposition 9.3.2 – Trigonalisabilité d’un endomorphisme versus matrice

Soit u P LpEq et B une base de E
1. u est trigonalisable si et seulement si MatB puq est trigonalisable.
2. En particulier, M est trigonalisable si et seulement si l’endomorphisme fM P LpKn q canoni-
quement associé à M est trigonalisable.

Proposition 9.3.3 – Caractérisation de la trigonalisabilité par stabilisation d’un drapeau

Un endomorphisme u P LpEq est trigonalisable si et seulement s’il existe une suite

t0u “ E0 Ă E1 Ă E2 Ă ¨ ¨ ¨ Ă En “ E

de sous-espaces vectoriels, où n “ dimpEq, et vérifiant :

‚ pour tout k P J0, nK, dimpEk q “ k (ainsi la suite est strictement croissante).
‚ Ek est stable par u
Une telle suite d’espaces vectoriels est parfois appelée drapeau de l’espace E.

La pratique de la trigonalisation est quelque chose de technique et compliqué, vous serez nécessairement
guidé dans la démarche. En revanche, il existe une condition très simple de trigonalisabilité. Cette CNS
a évidemment un analogue matriciel.

Théorème 9.3.4 – CNS de trigonalisabilité

Soit u P LpEq. Les propositions suivantes sont équivalentes:
(i) u est trigonalisable ;
(ii) Le polynôme caractéristique χu de u est scindé ;
(iii) u admet un polynôme annulateur (non nul) scindé ;
(iv) le polynôme minimal de u est scindé.

Ÿ Éléments de preuve.
‚ piq ùñ piiq : exprimer le polynôme caractéristique à partir d’une base de trigonalisation.
‚ piiq ùñ piiiq : d’après Cayley-Hamilton
‚ piiiq ùñ pivq : car µu divise alors un polynôme scindé
‚ pivq ùñ piq : faire une récurrence, en distinguant suivant que µu est constant ou non. S’il n’est pas
constant, il a une racine, qui est alors une valeur propre de u. Considérer une base commençant
par un vecteur propre associé.
Ź

Remarque 9.3.5
On peut se dispenser de l’utilisation du théorème de Cayley-Hamilton ici, en remarquant que piiq ùñ
piq peut se faire comme pivq ùñ piq, et que piq ùñ piiiq peut se faire directement, en considérant
le polynôme P simplement scindé dont les racines sont les coefficients diagonaux d’une matrice
triangulaire T représentant u, et en remarquant que P pT q est strictement triangulaire supérieure.
On a alors pP pT qqn “ 0, donc P n est un polynôme annulateur scindé de T .

Corollaire 9.3.6
Toute matrice de Mn pCq est trigonalisable

Ÿ Éléments de preuve.
C’est d’Alembert-Gauss Ź
152 CHAPITRE 9. RÉDUCTION DES ENDOMORPHISMES

De la même façon, toutes les propriétés qui suivent, utilisant une hypothèse de scindement du polynôme
caractéristique, sont systématiquement vraies sur C.

III.2 Endomorphismes nilpotents

Nous avons déjà eu l’occasion de justifier que les endomorphismes nilpotents u sont caractérisés par leur
polynôme minimal, égal à X d , où d est l’indice de nilpotence de u.
Cela se traduit également sur le polynôme caractéristique, et sur les propriétés de trigonalisation.
L’espace E est toujours un K-ev de dimension finie égale à n.

Théorème 9.3.7 – Caractérisation des endomorphismes nilpotents

Soit u P LpEq un endomorphisme. Les propositions suivantes sont équivalentes:
(i) u est nilpotent
(ii) u admet un polynôme annulateur de la forme X k
(iii) µu est de la forme X d , d étant alors l’indice de nilpotence
(iv) u est trigonalisable, et Sppuq “ t0u
(v) il existe une base B de E dans laquelle MatB puq est triangulaire supérieure stricte.
(vi) χu “ X n , où n “ dimpEq

Corollaire 9.3.8 – Majoration de l’indice de nilpotence revisité

Soit u P LpEq nilpotent. L’indice de nilpotence d de u vérifie d ď dimpEq.

III.3 Sous-espaces caractéristiques

Nous allons maintenant obtenir une forme un peu plus précise de la trigonalisation obtenue pour les endo-
morphismes à polynôme caractéristique scindé. Nous allons pour cela nous ramener à des endomorphismes
nilpotents grâce à une factorisation adéquate de l’espace.

Proposition 9.3.9 – Décomposition de E en somme de sous-espaces caractéristiques

Soit u P LpEq tel que χu soit scindé. On note
ź
χu “ pX ´ λqmλ ,
λPSppuq

où mλ est la multiplicité algébrique de la valeur propre λ. Alors,

à
E“ Nλ puq, où Nλ puq “ Kerppu ´ λidqmλ q.
λPSppuq

Le sous-espace Nλ puq (parfois aussi noté SECλ puq) est appelé sous-espace caractéristique associé à
la valeur propre λ de u.

Proposition 9.3.10 – Endomorphismes induits sur les Nλ puq

Avec les notations de la proposition précédentes :
1. Les sous-espaces caractéristiques Nλ puq sont stables par u ;
2. En notant uλ l’endomorphisme induit par u sur Nλ puq, uλ ´ λid est nilpotent.
3. Pour tout λ P Sppuq, χuλ “ pX ´ λqmλ
4. En particulier, dim Nλ puq “ mλ .
III Trigonalisation 153

Ÿ Éléments de preuve.
Les points 1 et 2 sont immédiats. On déduit du 2 que le polynôme caractéristique de puλ ´ λidq est
pX ´ λqdλ , où dλ “ dim Nλ puq.
Utiliser la divisibilité de χu par χuλ et la décomposition de E en somme d’espaces caractéristiques
pour conclure simultanément les points 3 et 4. Ź

Corollaire 9.3.11
k
ź
Soit u un endomorphisme tel que χu “ pX ´ λi qmi .
i“1
Alors il existe une base B telle que MatB puq soit diagonale par blocs, de blocs diagonaux A1 , . . . , Ak
vérifiant :
(i) la matrice Ai est de taille mi ;
(ii) la matrice Ai est triangulaire à coefficients diagonaux tous égaux à λi .

On remarquera que cette matrice est en particulier triangulaire, et cela donne une forme possible un peu
plus précise de la trigonalisation de u.

Corollaire 9.3.12
k
ź
Soit M P Mn pKq à polynôme caractéristique scindé χM “ pX ´ λi qmi .
i“1
Alors M est semblable à une matrice T diagonale par blocs, de blocs diagonaux A1 , . . . , Ak vérifiant :
(i) la matrice Ai est de taille mi ;
(ii) la matrice Ai est triangulaire à coefficients diagonaux tous égaux à λi .

’ On termine cette section par un théorème, grand classique des concours, mais à la marge du programme.

Théorème 9.3.13 – Décomposition de Dunford, HP

Soit u P LpEq un endomorphisme à polynôme caractéristique scindé. Alors il existe deux endomor-
phismes n et d de E tels que :
(i) u “ n ` d
(ii) n est nilpotent
(iii) d est diagonalisable
(iv) n ˝ d “ d ˝ n.

Évidemment, ce théorème se décline aussi en version matricielle.

Le théorème de Dunford assure aussi l’unicité de cette décomposition, ainsi que le fait que cela caractérise
le scindement du polynôme caractéristique.
154 CHAPITRE 9. RÉDUCTION DES ENDOMORPHISMES
 10
Suites et séries de fonctions

Dans ce chapitre, on étudie les suites et séries de fonctions. De façon naturelle, on peut définir, si elle
existe, la valeur point par point (c’est-à-dire la limite de fn pxq) à x fixé, pour une suite pfn q). On peut
alors se poser la question de savoir si certaines propriétés des suites fn passent bien à la limite (par
exemple la continuité, la dérivabilité etc) et si cela revient au même de faire certaines opérations terme à
terme ou sur la somme totale, par exemple si la somme des intégrales est égale à l’intégrale de la somme
(ou de même pour les limites). Il s’agit donc de propriété d’interversion de certains symboles, définis à
base de limites. En général ces interversions ne seront pas possibles et il faudra des modes de convergence
plus contraignants.

I Modes de convergences
I.1 Convergence simple
Soit E et F deux espaces vectoriels de dimension finie. On munit F de sa topologie naturelle d’e.v.n.,
associée à une norme quelconque } ¨ }F . Soit A Ă E. On considère une suite d’applications pfn qnPN de A
dans E.
Dans certains énoncés, E devra également être muni de sa structure topologique naturelle d’e.v.n., no-
tamment quand il sera question de continuité. Nous noterons dans ce cas } ¨ }E une norme (arbitrairement
choisie) de E.
Comme on est en dimension finie, le choix des normes sur E et F n’a pas d’influence sur les propriétés
de convergence et de continuité.

Définition 10.1.1 – Convergence simple

La suite pfn q converge simplement vers une fonction f : A Ñ F si pour tout x P A, la suite
pfn pxqqnPN P AN converge vers f pxq. Autrement dit :

@x P A, @ε ą 0, DNx P N, @n P N, n ě Nx ùñ }fn pxq ´ f pxq}F ď ε.

Proposition 10.1.2 – Unicité de la limite simple

En cas d’existence, la fonction f est unique.

Remarque 10.1.3
1. La propriété de convergence simple, ainsi que la valeur de la limite simple f , ne dépend par
de la norme sur F
2. L’espace E n’a pas besoin d’être muni d’une norme pour définir la convergence simple.
156 CHAPITRE 10. SUITES ET SÉRIES DE FONCTIONS

3. Les règles usuelles sur les limites de suites à valeurs dans F s’appliquent (sommes, produits
si pertinent etc). Par exemple, si pfn q et pgn q admettent des limites simples f et g, alors
pfn ` λgn q converge simplement vers f ` λg.
4. L’indice x pour désigner le rang Nx dans la définition est indiqué pour insister sur la dé-
pendance de N par rapport à x (il dépend aussi de ε, mais ce point est plus « évident »,
alors que la dépendance ou non par rapport à x est justement la subtilité qui différentie la
convergence simple de la convergence uniforme)

Exemples 10.1.4
Étudier la convergence simple de la suite pfn q où, pour tout n P N, fn : R` Ñ R est définie par :
1. fn pxq “ e´nx ;
2. fn pxq “ nxe´nx .
3. fn pxq “ ne´nx

Remarque 10.1.5
Comme on l’a fait remarquer dans le préambule, certaines propriétés ne se conservent pas. Ici, dans
l’exemple 1, la continuité des fn n’est par exemple pas préservée au passage à la limite simple f . Il
faut, pour que ce soit le cas, un mode de convergence plus fort

I.2 Convergence uniforme

Définition 10.1.6 – Convergence uniforme
1. On dit que pfn qnPN converge uniformément vers f (sur A) si :

@ε ą 0, DN P N, @x P A, @n P Nn ě N ùñ }fn pxq ´ f pxq}F ď ε.

2. Soit B Ă A. On dit que pfn q converge uniformément sur B si ppfn q|B q converge uniformément,
donc si
@ε ą 0, DN P N, @x P B, @n P N, n ě N ùñ }fn pxq ´ f pxq}F ď ε.

Remarque 10.1.7
1. La différence essentielle avec la convergence simple est l’indépendance de N par rapport à x.
La convergence est donc « aussi rapide » en chaque point.
2. Graphiquement, pour des fonctions réelles, cela signifie qu’àpcr, la courbe de fn est dans un
« tube » de rayon ε autour de la courbe de f .
3. La quantité }fn ´ f }8 étant bien définie dans R (égale à `8 si f ´ fn n’est pas bornée), la
définition peut se réexprimer de la façon suivante :

}fn ´ f }8 ÝÑ 0,
nÑ0

Proposition 10.1.8 – CVU par majoration uniforme

S’il existe une suite pMn qnPN (indépendante de x) telle que pour tout x P A,

}fn pxq ´ f pxq}F ď Mn ,

et telle que lim Mn “ 0, alors pfn q converge uniformément vers f .

I Modes de convergences 157

Proposition 10.1.9 – Limite simple / limite uniforme

Si pfn q converge uniformément vers f , alors elle converge aussi simplement vers f .

Ainsi, la limite uniforme, si elle existe, est égale à la limite simple.

Proposition 10.1.10 – Caractérisation de la CVU par convergence dans un e.v.n.
Soit fn , f : A Ñ F . Les propositions suivantes sont équivalentes:
(i) pfn q converge uniformément vers f sur A
(ii) pfn ´ f q est bornée à partir d’un certain rang n0 , et pfn ´ f qněn0 converge vers 0 dans BpA, F q.

Méthode 10.1.11 – Étudier la convergence uniforme

‚ Étudier la limite simple pour trouver le seul candidat f à être la limite uniforme.
‚ Majorer }fn pxq ´ f pxq} indépendamment de x par une suite numérique qui tend vers 0.

Exemples 10.1.12
1. Parmi les exemples précédents, y en a-t-il qui CVU sur R` ? sur ra, `8r, a>0 ?
2. Étudier la convergence uniforme sur R des suites définies par :
2
‚ fn pxq “ e´pt`nq
1 2
‚ f pxq “ e´pt` n q .
n

3. Étudier la convergence uniforme sur Bp0, rq de la suite pApzqn qnPN , où r Ps0, 1r et A : C Ñ

Mn pCq est définie par ¨ ˛
z 1 0 ... 0
˚
˚0 z 1 .. ‹
˚ .‹‹
˚
Apzq “ ˚0 0
˚ . .. . . . 0‹
‹
‹
˚.
..
‹
˚.
.
‹
˝. z 1‚
0 0 ... 0 z

Proposition 10.1.13 – CN de CVU

Supposons que pfn q converge uniformément vers f sur A. Alors pour tout pxn qnPA P AN , tel que
xn ÝÑ a P A, fn pxn q ´ f pxn q ÝÑ 0

Méthode 10.1.14 – Montrer qu’une suite ne converge pas absolument

Utiliser la contraposée de la propriété précédente : pour montrer que pfn q ne converge pas unifor-
mément vers f , il suffit de trouver xn P AN tel que fn pxn q ´ f pxn q ne converge pas vers 0

Exemples 10.1.15
1. Reprendre les exemples précédents.
`x˘
2. Étudier la CVU sur R de pfn q définie par fn pxq “ cos n .

I.3 Convergence uniforme locale

Comme on le verra un peu plus loin, la convergence uniforme permet de conserver les propriétés de
continuité. Comme la continuité n’est qu’une propriété locale, et non globale, il n’est pas nécessaire
d’avoir la convergence uniforme sur tout le domaine, mais de l’avoir au voisinage de tout point en lequel
on veut établir la continuité.
158 CHAPITRE 10. SUITES ET SÉRIES DE FONCTIONS

Définition 10.1.16 – Convergence uniforme locale

Soit a P A. On dit que pfn q converge uniformément vers f au voisinage du point a s’il existe un
voisinage V P Vpaq tel que pfn q converge uniformément vers f sur V X A

Exemple 10.1.17
Montrer que les exemples 10.1.4 sont uniformément convergents au voisinage de tout point de R˚` ,
mais par uniformément continue sur R˚` .

Attention au fait que la convergence uniforme sur une partie B de A n’implique pas nécessairement la
convergence uniforme locale au voisinage de tout point de B :
Exemple 10.1.18
#
1 si x ă 0
Soit fn : x ÞÑ .
´nt
e si x ě 0
Montrer que pfn q CVU sur s ´ 8, 0s, mais ne converge pas uniformément au voisinage de 0.

On peut préciser un peu les choses :

Proposition 10.1.19 – CVU locale versus CVU globale
Soit B Ă A. On suppose que pfn q converge uniformément vers f sur B.
1. Alors pfn q converge uniformément au voisinage de tout point de B̊, et plus généralement, de
l’intérieur relatif de B dans A (i.e. le plus grand ouvert relatif de A inclus dans B).
2. En particulier, si B est un ouvert relatif de A, alors pfn q converge uniformément au voisinage
de tout point de B.

Dans le cas d’une fonction définie sur un intervalle I de R, on peut se contenter d’étudier la convergence
uniforme sur tout segment inclus dans I.
Proposition 10.1.20 – CVU sur un intervalle de R
Soit fn : I Ñ F . Les propositions suivantes sont équivalentes:
(i) pfn q converge uniformément au voisinage de tout point de I.
(ii) pfn q converge uniformément sur tout segment ra, bs Ă I ;

II Régularité des limites de suites de fonctions

Cette section traite essentiellement du passage à la limite d’un certain nombre de propriétés et construc-
tions : la continuité, l’intégration, la dérivation. Ces propriétés et constructions s’expriment ou se défi-
nissent toutes en fonction de limites (ou bornes supérieures). Dans tous les cas, il s’agit donc ici d’établir
un certain nombre de propriété d’interversion de limites.

II.1 Continuité d’une limite uniforme

Théorème 10.2.1 – Préservation de la continuité par CVU
Soit pfn q une suite de fonctions A Ñ F .
1. Soit a P A. Si pfn q converge uniformément vers f au voisinage de a, et si les pfn q sont
continues en a, alors f est continue en a.
2. Soit B un ouvert relatif de A. Si pfn q converge uniformément vers f sur B et si les fn sont
continues sur B, alors f est continue sur B
II Régularité des limites de suites de fonctions 159

3. En particulier si pfn q converge uniformément vers f (sur A entier) et si les fn sont continues,
alors f est continue (sur A).

Ÿ Éléments de preuve.
Le premier point implique facilement les deux autres. Pour montrer 1, poser un ε et décomposer

f pxq ´ f paq “ f pxq ´ fn pxq ` fn pxq ´ fn paq ` fn paq ´ f paq,

sur une boule sur laquelle exploiter la convergence uniforme. Ź

Exemple 10.2.2 – Fonction de Bolzano

On considère la suite pfn q de fonctions r0, 1s Ñ R affines par morceaux, définie par f0 “ idr0,1s , et,
fn étant définie continue, affine sur chaque intervalle r 3kn , k`1
3n s, on définit fn`1 continue et affine
k k`1 3k
sur chaque intervalle r 3n`1 , 3n`1 s, prenant les mêmes valeurs que fn sur les 3n`1 , et telle que
ˆ ˙ ˆ ˙ ˆ ˙ ˆ ˙
3k ` 1 3k ` 2 3k ` 2 3k ` 1
fn`1 “ fn et fn`1 “ fn .
3n`1 3n`1 3n`1 3n`1

Montrer que pfn q converge vers une fonction f et que f est continue.
En représentant les fonctions pfn q, on se doute bien que les irrégularités de plus en plus nombreuses
vont être un frein à la dérivabilité. De fait, on peut montrer que f est une fonction continue sur
r0, 1s, mais dérivable en aucun point de r0, 1s. C’est historiquement le premier exemple d’une fonction
continue nulle part dérivable, découvert par Bolzano vers 1830.

Avertissement 10.2.3
Si la propriété de CVU ne porte pas sur A tout entier, attention à l’hypothèse d’ouverture. En
particulier, si on travaille dans R, et que A et B sont des intervalles, il faut faire attention aux
bornes.

Exemple 10.2.4
La suite définie par $
&0
’
’ si x ď ´ n1
fn pxq “ nx ` 1 si x Ps ´ n1 , 0r
’
’
%1 si x ě 0
est uniformément convergente sur r0, `8r, et les fn sont toutes continues sur cet intervalle. Pourtant,
la limite 1R` n’est pas continue en 0.
On doit se ramener à une convergence uniforme sur un ouvert (relatif, mais ici, A “ R tout entier
donc c’est la même chose). Donc tout ce qu’on peut obtenir ici, c’est la continuité sur R˚` , qui est
bien vérifiée.

Méthode 10.2.5 – Étudier la continuité d’une limite

Pour étudier la continuité d’une limite d’une suite de fonctions définies sur A, on étudiera d’abord
la CVU sur A. S’il n’y a pas CVU sur A, on pourra s’intéresser à la CV locale, en décomposant A
comme union d’ouverts relatifs, ou en se ramenant à des segments si A est un intervalle réel.

II.2 Double-limite
La propriété de continuité correspond à une interversion limxÑa / limnÑ`8 :
160 CHAPITRE 10. SUITES ET SÉRIES DE FONCTIONS

Si pfn q CVU au voisinage de a P A en lequel les fn q sont tous continus, alors

lim lim fn pxq “ lim lim fn pxq.

xÑa nÑ`8 nÑ`8 xÑa

On peut se demander si une telle propriété subsiste au bord du domaine, lorsque a P AzA. Cela reste
valide, mais un peu plus délicat, car la valeur de la double-limite est un peu moins accessible.

Théorème 10.2.6 – Théorème de la double-limite

Soit fn : A Ñ F convergeant uniformément vers f , et a P A (éventuellement infini si E “ R). On
suppose que pour tout n P N, fn pxq ÝÑ ℓn .
xÑa
Alors pℓn q admet une limite ℓ P F , et
lim f pxq “ ℓ.
xÑa

Ÿ Éléments de preuve.
La démonstration est hors-programme. Le point délicat est de prouver la convergence de pℓn q, car
une fois celle-ci acquise, on peut se ramener au théorème de continuité par prolongement.
On peut en fait assez facilement montrer d’abord que pℓn q est bornée (en commençant par majorer
}fn ´ fn0 }8 , pour un n0 convenable), pour trouver une valeur d’adhérence, puis par ε, montrer que
f pxq ÝÑ ℓ. La convergence de la suite pℓn q s’en déduit par une propriété d’unicité de la limite de f ,
amenant l’unicité de la valeur d’adhérence de pℓn q. est Ź
Ainsi, l’existence de limites (finies) ℓn pour tous les fn assure l’existence d’une limite pour f , égale à la
limite des elln . Ou encore, sous ces hypothèses :

lim lim fn pxq “ lim lim fn pxq.

nÑ`8 xÑa xÑa nÑ`8

C’est donc un théorème d’interversion de limites, comme le théorème de continuité.

Avertissement 10.2.7
Sans hypothèse de CVU, une telle interversion peut être fausse, même si toutes les limites existent.

Exemple 10.2.8
La suite définie par fn pxq “ e´nx sur R˚` vérifie :

lim lim fn pxq “ 0 et lim lim fn pxq “ 1.

xÑ0` nÑ`8 nÑ`8 xÑ0`

II.3 Interversion limite-intégrale

Nous savons déjà que la limite uniforme d’une suite de fonctions fn continues sur un segment ra, bs est
continue, donc intégrable au sens de Riemann. On peut légitimement se demander si son intégrale est
obtenue en passant les intégrales des fn à la limite. Nous montrons dans un premier temps un résultat
un peu plus fort.

Théorème 10.2.9 – Primitivation d’une limite uniforme de fonctions continues

Soit pfn q une suite de fonctions d’un segment ra, bs dans un e.v.n. E de dimension finie. On suppose
que :
‚ les fn sont continues ;
‚ pfn q converge uniformément vers f sur ra, bs
On définit la suite
żx żx
Fn : x ÞÑ fn pxq dx, et F : x ÞÑ f pxq dx.
a a
II Régularité des limites de suites de fonctions 161

Alors pFn q converge uniformément vers F sur ra, bs.

Ÿ Éléments de preuve.
›ż x ›
› ›
Remarquer que › fn ptq ´ f ptq dt›› ď |b ´ a| ¨ }fn ´ f }8
› Ź
a E

Corollaire 10.2.10 – Interversion limite uniforme/intégrale

Soit pfn q une suite de fonctions d’un segment ra, bs dans un e.v.n. E de dimension finie. On suppose
que :
‚ les fn sont continues ;
‚ pfn q converge uniformément vers f sur ra, bs
Alors, f est intégrable sur ra, bs et
żb żb
f ptq dt “ lim fn ptq dt.
a nÑ`8 a

Ÿ Éléments de preuve.
Prendre la limite simple en x “ b dans le théorème précédent. Ź

Remarque 10.2.11
Ce théorème affirme
ż donc que sous les hypothèses de continuité et de convergence uniforme, on peut
intervertir lim et , ou, en d’autres termes, « passer à la limite sous l’intégrale » :

żb żb
lim fn ptq dt “ lim fn ptq dt.
a nÑ`8 nÑ`8 a

Exemple 10.2.12
ż1
Soit f la fonction de Bolzano définie dans un exemple précédent. Calculer f pxq dx.
0

Avertissement 10.2.13
‚ L’hypothèse de convergence uniforme est importante.
‚ L’hypothèse de continuité est moins importante, le résultat restant vrai sous la seule hypo-
thèse d’intégrabilité (mais l’intégrabilité de la limite est un peu plus délicate à démontrer)

Exemples 10.2.14
Soit fn définie sur r0, 1s, pour n ě 1, par
$
2 1
&n x si x P r0, 2n s
’
’
1 1
fn pxq “ n ´ n2 x si x Ps 2n , ns
’
1
’
%0 si x Ps n , 1s.
ż1 ż1
Comparer lim fn ptq dt et lim fn ptq dt.
nÑ`8 0 0 nÑ`8
162 CHAPITRE 10. SUITES ET SÉRIES DE FONCTIONS

Remarque 10.2.15
Le théorème d’interversion limite/intégrale en cas de convergence uniforme peut être vu comme un
cas particulier assez simple du théorème de convergence dominé, appliqué sur un segment à la suite
pfn ´ f q, dominée à partir d’un certain rang par une fonction constante, intégrable sur un segment.

II.4 Dérivabilité et dérivée d’une limite uniforme

Comme pour la continuité, la dérivabilité d’une limite de suite de fonctions pfn q dérivables n’est pas
nécessairement dérivable. Elle peut aussi être dérivable, mais de dérivée différente de la limite (simple)
de la suite pfn1 q des fonctions dérivées.
Exemples 10.2.16
1. Soit fn définie pour tout n P N˚ sur r0, 1s par
# 1 `1˘
x1` n sin x si x Ps0, 1s
fn pxq “ .
0 sinon.

Montrer que pfn q converge uniformément vers une fonction f à déterminer. Montrer que pour
tout n P N˚ , fn est dérivable sur r0, 1s, mais pas f
xn
2. Soit fn définie pour tout n P N˚ sur r0, 1s par fn pxq “ n .
Montrer que pfn q converge uniformément vers une limite f , dérivable, mais que pfn1 q ne
converge pas vers f 1 sur r0, 1s.

Ainsi, même une hypothèse de convergence uniforme, portant sur la suite pfn q, n’est pas suffisante. De
fait, il faut bien une hypothèse de convergence uniforme pour pouvoir intervertir limite et dérivation,
mais elle doit porter sur la suite des dérivées.
Théorème 10.2.17 – Dérivation d’une suite de fonctions
Soit pfn q une suite de fonctions définies d’un intervalle I Ă R dans un e.v.n. F de dimension finie.
On suppose que :
(i) les fn sont de classe C 1 sur I ;
(ii) la suite pfn q converge simplement vers f
(iii) la suite pfn1 q converge uniformément sur I vers une application g : I Ñ F .
Alors pfn q converge uniformément vers f sur I, est de classe C 1 sur I, et pour tout x P I,

f 1 pxq “ gpxq “ lim fn1 pxq.

nÑ`8

Ÿ Éléments de preuve. żx
Appliquer le théorème de primitivation à la suite pfn1 q, pour comparer f et x ÞÑ f paq ` gpxq. Ź
a
Par récurrence, on obtient facilement la version pour la classe C p
Théorème 10.2.18 – Classe C p d’une limite
Soit pfn q une suite de fonctions définies d’un intervalle I Ă R dans un e.v.n. F de dimension finie,
et p P N. On suppose que :
(i) les fn sont de classe C p sur I ;
pkq
(ii) pour tout k P J0, p ´ 1K la suite pfn q converge simplement ;
ppq
(iii) la suite pfn q converge uniformément sur I.
Alors :
III Séries de fonctions 163

‚ La limite f de pfn q est de classe C p , (resp sur tout ra, bs Ă Iq ;

pkq
‚ pour tout k P J0, pK, pfn q converge uniformément sur I vers f pkq .
En particulier, pour tout k P J0, pK, pour tout x P I,

f pkq pxq “ lim fnpkq pxq.

nÑ`8

III Séries de fonctions

Le but de cette section est d’adapter les résultats obtenus pour les suites de fonctions au cas des séries
de fonctions. Comme dans le cas numérique, on peut obtenir certains critères de convergence simple ou
uniforme ne nécessitant pas de connaître la limite. Cela donne une bien meilleure efficacité que le point
de vue des suites.
On pourra en bénéficier pour l’étude des suites de fonctions, puisque, comme dans le cas numérique,
ř
l’étude d’une limite de suite de fonctions pfn q se ramène à l’étude de la série télescopique fn ´ fn´1 .

III.1 Modes de convergence

On se donne E un espace vectoriel de dimension finie, F un e.v.n. de dimension finie, et A une partie de
E, ainsi qu’une suite pfn qnPN de fonctions de A dans F .
On note, pour tout x P A, et tout n P N,
n
ÿ
Sn pxq “ fk pxq
k“0
ř
les sommes partielles de la série fn . Soit également B Ă A.
Définition 10.3.1 – Convergence simple, convergence uniforme
ř
‚ La série fn converge simplement si la suite des sommes partielles pSn qnPN converge sim-
plement.
ř
‚ La série fn converge uniformément sur B si la suite des sommes partielles pSn qnPN converge
uniformément sur B.

En cas de convergence simple sur B, on notera dans la suite du chapitre

`8
ÿ
@n P N, @x P B, Rn pxq “ fk pxq.
k“n`1
ř
les restes de la série fn .
Proposition 10.3.2 – Caractérisation de la CVU par le reste
ř ř
On suppose que fn converge simplement sur B. Alors fn converge uniformément sur B si et
seulement si Rn converge uniformément vers 0 sur B.

Il suffit donc de majorer Rn pxq par une suite indépendante de x, et tendant vers 0. Le plus naturel est
d’essayer de majorer la série en normes, ce qui nous ramnène à la définition suivante
Définition 10.3.3 – Convergence normale
ř ř
La série fn converge normalement (sur A) si pour tout n P N, fn est bornée, et si }fn }8
converge.

Remarque 10.3.4
1. Autrement dit, la convergence normale correspond à la convergence absolue de la série dans
pBpA, F q, } ¨ }8 q.
2. En pratique, la convergence uniforme, ou la convergence normale, seront souvent obtenues
164 CHAPITRE 10. SUITES ET SÉRIES DE FONCTIONS

sur des sous-parties B adéquates, comme dans le cas des suites de fonctions. Ce sera en
général suffisant pour obtenir les propriétés de continuité.

Théorème 10.3.5 – CVN implique CVU

ř
On suppose que les fn sont bornées sur A. Alors si fn converge normalement sur A, elle converge
uniformément sur A.

Ÿ Éléments de preuve.
Le reste de la série des normes est indépendant de x, tend vers 0, et majore }Rn pxq}. Ź

Remarque 10.3.6
Il suffit, pour utiliser ce théorème, que les fn soient bornées à partie d’un certain rang n0 , et que
ř
fn soit normalement convergente.
něn0

Exemples 10.3.7
ř xn
1. Montrer que n! converge uniformément sur r´A, As, pour tout A P R` .
1
ř
2. Montrer que x2 `n2 converge uniformément sur R.
ně1
3. Soit ζ la fonction de Riemann, définie par
`8
ÿ 1
ζpzq “ z
.
n“1
n

Montrer que ζ est définie sur D “ tz P C | |z| ą 1u, et que la somme définissant ζ est
uniformément convergente sur Da “ ttz P C | |z| ą 1u, pour tout a ą 1.

Méthode 10.3.8 – Montrer qu’une CV n’est pas normale, ou pas uniforme

ř
1. Pour montrer que fn ne CV pas normalement sur A,
‚ D’abord, regarder si les fn sont bornées (au moins àpcr) ;
ř
‚ si c’est le cas, trouver pxn q P AN telle que fn pxn q diverge.
‚ On peut aussi calculer explicitement }fn }8 (c’est dans certains cas évident, dans d’autres,
on peut faire une étude de fonctions) pour se ramener à une série numérique.
ř
2. Pour montrer que fn ne CV pas uniformément, c’est un peu plus délicat.
‚ Trouver pxn qnPN P AN tel que pRn pxn qq ne tend pas vers 0.
‚ On peut aussi contredire l’une des propriétés qui devrait être vérifiée en cas de CVU (par
exemple la continuité de la somme).

Exemples 10.3.9
ř xn
1. n! ne converge pas normalement sur R.
ř xn
2. n ne converge pas normalement sur s ´ 1, 1r.
ř ´nx
3. xe converge simplement sur R` , mais pas normalement.
4. Les trois séries précédentes ne sont pas non plus uniformément convergentes sur les intervalles
donnés.
5. La somme définissant ζ n’est pas uniformément sur s1, `8r.
III Séries de fonctions 165

Avertissement 10.3.10
La CVN n’est pas une condition nécessaire à la CVU. Une série peut converger uniformément sur
un ensemble A sans y converger normalement. Nous donnons des exemples, après avoir donné des
méthodes pour gérer cette situation.

Méthode 10.3.11 – Justifier une CVU sans CVN

1. Majorer Rn pxq par les moyens du bord (éventuellement voir des compensations entre des
termes consécutifs)
ř
2. Un cas particulier important est le cas des séries alternées : Si pour tout x P N, fn pxq est
une série alternée, on est ramené à l’étude de la CVU de fn vers 0.
3. Une autre méthode consiste à faire une transformation d’Abel, ce qui s’apparente à une
ř
intégration par parties discrète. Cela permet de gérer le cas de an pxqbn pxq, lorsque on
ř
connaît la CVU de bn pxq. En notant Rn pxq le reste de cette série, on peut réécrire bn “
Rn´1 ´ Rn , et réindexer de sorte à regrouper les Rn .
4. On fait aussi parfois des transformations d’Abel avec les sommes partielles en écrivant bn “
Bn ´ Bn´1 . Cela peut être efficace lorsque les sommes partielles pBn q sont (uniformément)
bornées, sans être convergentes.

Exemples 10.3.12
ř p´1qn xn
1. Montrer que n converge uniformément sur r0, 1s, mais pas normalement.
n
x
ř
2. Montrer que cospnq ? n
est uniformément convergente sur r0, 1s.
ř cospnxq
3. Monter que n converge uniformément sur rε, 2π ´ εs.

III.2 Régularité et interversions sur des sommes uniformes

On adapte dans cette section les résultats démontrés dans le cadre des suites. Dans la pratique en général,
on tentera d’abord de démontrer la convergence normale sur des sous-parties adéquates de A, et sinon,
on se ramènera aux études précédentes pour l’étude de la converge uniforme.

Théorème 10.3.13 – Continuité d’une somme infinie

ř
Soit fn une série uniformément convergente sur A. Si pour tout n P N, fn est continue sur A,
`8
ř
alors fn est continue sur A.
n“0

ř
Le théorème de la double limite s’adapte en un théorème d’interversion lim / .
ř
Théorème 10.3.14 – Passage à la limite sous
ř `8
ř
Soit fn une série uniformément convergente sur A et f “ fn . Soit a P A. On suppose que
ř n“0
pour tout n P N, fn pxq Ñ ℓn P F . Alors ℓn converge, et f admet une limite en a, égale à
`8
ÿ
lim f pxq “ fn pxq.
xÑa
n“0

En d’autres termes,
`8
ÿ `8
ÿ
lim fn pxq “ lim fn pxq.
xÑa xÑa
n“0 n“0
166 CHAPITRE 10. SUITES ET SÉRIES DE FONCTIONS

Exemples 10.3.15
1
1. Déterminer lim .
x2 ` n2
xÑ`8
2. Déterminer lim ζpxq.
xÑ`8

Théorème 10.3.16 – Intégration terme à terme sur un segment

Soit pfn q une suite de fonctions d’un intervalle I à valeurs dans un e.v.n. F de dimension finie, et
soit a P I.
ř
1. Si fn est uniformément convergente sur I, alors
`8
ÿ żx
x ÞÑ fn ptq dt
n“0 a

ż x `8
ÿ
converge uniformément sur I vers x ÞÑ fn ptq dt.
a n“0
ř
2. En particulier, si fn est uniformément convergente sur ra, bs,
ż b `8
ÿ `8
ÿ żb
fn ptq dt “ fn ptq dt.
a n“0 n“0 a

Exemples 10.3.17
1. Montrer que pour tout x P r´1, 1r,
`8
ÿ p´1qk`1 xk
lnp1 ` xq “ .
k“1
k

ż1
lnp1 ´ xq π2
2. À l’aide de l’exemple précédent, calculer dx. On admettra que ζp2q “ .
0 x 6

Théorème 10.3.18 – Dérivation terme à terme

Soit pfn q une suite de fonctions d’un intervalle I dans F , telles que :
(i) les fn sont de classe C 1 sur I ;
ř
(ii) la série fn converge simplement ;
ř
(iii) la série fn1 converge uniformément sur I.
Alors S “ fn est de classe C 1 sur I, et pour tout x P I,
ř

`8
ÿ
S 1 pxq “ fn1 pxq.
n“0

L’hypothèse (iii) peut être remplacée par :

ř
(iii’) la série fn1 converge uniformément sur tout segment inclus dans I.

Ce théorème permet donc de dériver une série terme à terme (sous les hypothèses idoines).
Théorème 10.3.19 – Classe C p d’une série
Soit pfn q une suite de fonctions d’un intervalle I dans F , et p P N. On suppose que :
(i) les fn sont de classe C p sur I ;
ř
(ii) la série fn converge simplement ;
III Séries de fonctions 167

ř ppq
(iii) la série fn converge uniformément sur I.
Alors S “ fn est de classe C p sur I, et pour tout x P I, et tout k P J0, pK,
ř

`8
ÿ
S pkq pxq “ fnpkq pxq.
n“0

L’hypothèse (iii) peut être remplacée par :

ř ppq
(iii’) la série fn converge uniformément sur tout segment inclus dans I.

Exemples 10.3.20
1. Montrer que ζ est dérivable à tout ordre sur R˚` , et exprimer sa dérivée à tout ordre sous
forme d’une somme.
2. Montrer que pour tout x Ps ´ 1, 1r, et tout n P N,
`8
ÿ n!
pk ` nq . . . pk ` 1qxk “ .
k“0
p1 ´ xqn`1

On retrouve ainsi la formule du binôme négatif, déjà établie par récurrence en utilisant des
produits de Cauchy.

III.3 Techniques asymptotiques

Dans ce paragraphe, nous donnons quelques pistes, non exhaustives, pour l’étude asymptotique des
sommes de séries de fonctions, au bord de leur domaine.

Méthode 10.3.21 – Déterminer une limite

1. L’outil à privilégier, si possible, est le théorème de la double limite (interversion limite /
somme). Attention au fait qu’on ne l’a donné que dans le cas où toutes les limites sont dans
F (pas de limite infinie).
2. Pour montrer qu’on a une limite infinie au bord du domaine, procéder par minoration. Dans
le cas où les séries sont positives, on pourra commencer par minorer une somme partielle
puis passer à la limite.
3. On pourra aussi minorer terme à terme de sorte à se ramener à des séries dont l’étude est
plus simple.

Exemple 10.3.22
Déterminer la limite de ζ quand x Ñ 1` .

La méthode utilisée peut s’exprimer sous forme d’une proposition, mais la démonstration doit être remise
en oeuvre à chaque fois.

Proposition 10.3.23 – Limite infinie au bord du domaine, HP

Soit pfn q une suite de fonctions définies de ra, bs dans R. On suppose que :
(i) pour tout n P N, fn ě 0,
ř
(ii) fn converge (simplement) sur sa, bs,
ř
(iii) fn paq diverge.
`8
ÿ
Alors lim fn pxq “ `8.
xÑa`
n“0
168 CHAPITRE 10. SUITES ET SÉRIES DE FONCTIONS

Cela s’adapte bien sûr aussi pour la borne supérieure de l’intervalle.

Méthode 10.3.24 – Trouver un équivalent

1. On peut deviner un équivalent. Par exemple en remplaçant le terme général par un terme
qui lui est proche asymptotiquement. Dans ce cas,
‚ on peut diviser par l’équivalent suspecté (ou son ordre de grandeur sans la constante) et
essayer de se ramener au théorème de la double limite ;
‚ Si les ordres de grandeurs des différents termes de la série sont très différents au voisinage
du point considéré, (si on a une décroissance rapide de ces ordres de grandeur), il se peut
que la somme partielle fournisse un développement asymptotique. C’est ce qui se passe
par exemple avec les séries entières an xn en 0, comme on le verra. Cela permet de
ř

deviner les équivalents successifs, et donc de se ramener au premier point ci-dessus.

2. Dans le cas où pour tout x, fn pxq “ gpn, xq où g est définie sur ra, `8rˆI, et est monotone
par rapport à sa première variable (la deuxième étant fixée), on pourra faire une comparaison
avec une intégrale.
3. Dans certains cas, on peut essayer, à l’aide de développements asymptotiques, de se ramener
à des séries classiques qu’on sait expliciter.

Exemples 10.3.25
1. Équivalent en `8 de ζpxq ´ 1. Développement asymptotique à 3 termes de ζ en `8
2. Équivalent en 0 de ζpxq.
`8
ÿ 1
3. Équivalent en `8 de 2 ` t2
.
k“0
x
`8
ÿ pan xqn 1
4. Équivalent en `8 de , où an “ p2n ` 1q n`1 . On pourra faire un développement
n“0
n!
asymptotique de an .

IV Approximations uniformes
IV.1 Principes généraux
Définition 10.4.1 – Approximation uniforme à ε près
Soit f : A Ñ F une application d’une partie A de E dans l’e.v.n. de dimension finie F . On dit que
g : A Ñ F est une approximation uniforme de f à ε près si }g ´ f }8 ď ε.
On dira que g est une ε-approximation uniforme de f .

Remarque 10.4.2
Cela implique implicitement que g ´ f doit être borné ; mais g et f ne le sont pas nécessairement.

Exemple 10.4.3
1 1
La fonction x ÞÑ x2 est une approximation uniforme à ε “ 100 près de x ÞÑ x2 ` 100 sinpxq sur R.

On cherche à savoir si une fonction f donnée peut être approchée uniformément arbitrairement proche
par des fonctions d’un certain type.
IV Approximations uniformes 169

Définition 10.4.4 – Approximation uniforme par un ensemble de fonctions

Soit G une partie de E A . On dit que f : A Ñ E peut être approchée uniformément par des fonctions
de G si et seulement si pour tout ε ą 0, il existe g P G telle que g soit une ε-approximation uniforme
de f .

Exemple 10.4.5
On dit que f : R Ñ R est en escalier si elle est en escalier sur tout ra, bs. On remarquera par exemple
que x ÞÑ txu est alors en escalier sur R (mais non bornée). En effet, contrairement au cas d’une
fonction en escalier sur un segment, on peut avoir une infinité de paliers.
Soit L ą 0. Montrer que toute fonction L-lipschitzienne f : R Ñ R peut être approchée uniformé-
ment par des fonctions en escalier.

Remarque 10.4.6
1. Si G Ă BpA, Rq, alors les propositions suivantes sont équivalentes:
(i) f peut être approchée uniformément par des fonctions de G
(ii) f P G (pour la norme } ¨ }8 ).
Dans ce cas, f est nécessairement aussi bornée.
2. Ainsi, si F, G Ă B, les propositions suivantes sont équivalentes:
(i) tout f de F peut être approché uniformément par des fonctions de G ;
(ii) G est dense dans F (pour la norme } ¨ }8 ).

Proposition 10.4.7 – Caractérisation séquentielle

Une application f peut être approchée uniformément par des applications de G ssi il existe une suite
pgn q P G N telle que pgn q converge uniformément vers f .

IV.2 Approximations uniformes classiques

On généralise la définition des fonctions en escalier, vues dans le cadre de fonctions à valeurs dans R ou
C. On rappelle que F est un e.v.n. de dimension finie.

Définition 10.4.8 – Fonctions en escalier

La fonction f : ra, bs Ñ F est une fonction en escalier s’il existe une subdivision

α “ σ0 ă ¨ ¨ ¨ ă σn “ b

de ra, bs telle que f est constante sur chaque intervalle sσi , σi`1 r de la subdivision.
On note Escpra, bs, F q l’ensemble des fonctions en escalier sur ra, bs, à valeurs dans F .

Un premier théorème d’approximation uniforme a déjà été vu dans le cas réel au moment de définir
l’intégrale de Riemann.

Théorème 10.4.9 – Approximation uniforme de C 0 par Esc

Les fonctions continues sur un segment ra, bs à valeurs dans un e.v.n. F de dimension fini peuvent
être approchées uniformément par des fonctions en escalier sur ra, bs.
Autrement dit, Escpra, bs, F q est dense dans C 0 pra, bs, F q.
170 CHAPITRE 10. SUITES ET SÉRIES DE FONCTIONS

Ÿ Éléments de preuve.
Cela provient de la continuité uniforme de f , issue du théorème de Heine. On peut alors considérer
une subdivision régulière suffisamment fine. Ź
0
On note CM pI, Cq l’ensemble des applications continues par morceaux de I dans R.

0
Corollaire 10.4.10 – Approximation uniforme de CM par Esc
Les fonctions continues par morceaux sur ra, bs peuvent être approchées uniformément par des
fonctions en escalier sur ra, bs.
0
Autrement dit, Escpra, bs, F q est dense dans CM pra, bs, F q.

Ÿ Éléments de preuve.
Approcher uniformément f sur chaque part d’une subdivision associée (on peut à chaque fois pro-
longer fsσi ,σi`1 r par continuité pour se ramener à une fonction continue sur un segment). Ź
Un autre théorème est nettement plus délicat à obtenir. Sa démonstration est de fait hors-programme. On
rappelle que K “ R ou C. Pour S une partie de R, on note KS rxs l’ensemble des fonctions polynomiales
à coefficients dans K, restreintes à S.

Théorème 10.4.11 – théorème d’approximation uniforme de Weierstrass

Toute fonction f continue sur un segment ra, bs peut être approchée uniformément par des fonctions
polynomiales à coefficients dans K, définies sur ce segment.
Autrement dit, en notant S “ ra, bs, KS rxs est dense dans C 0 pS, Kq.

Ÿ Éléments de preuve.
Hors-programme. On le verra peut-être en DM. Ź

Corollaire 10.4.12 – Approximation par des fonctions C 8

Toute fonction f : ra, bs Ñ K peut être approchée uniformément par des fonctions de classe C 8 .

Ÿ Éléments de preuve.
Les fonctions polynomiales sont de classe C 8 . Ź
 11
Intégrales à paramètres

Le but de ce chapitre est d’étudier le comportement d’intégrales à paramètres.

Il s’agit donc d’étudier une famille de fonctions pfλ qλPΛˆżintégrables˙sur un intervalle I, à valeurs dans
K “ R ou C. Leurs intégrales définissent une famille fλ ptq dt , donc on cherche à étudier le
I λPΛ
comportement par rapport au paramètre λ.
Le contexte initial (qui est à la source des autres études) concerne un paramètre entier (i.e. Λ “ N). On
dispose
ˆż donc˙d’une suite de fonctions pfn qnPN intégrables sur N, et on s’intéresse à la limite de la suite
fn ptq dt .
I nPN
Nous nous intéresserons ensuite au cas où le paramètre λ est pris dans une partie Λ d’un e.v.n. de
dimension finie. Nous adopterons dans ce contexte plutôt une représentation fonctionnelle de la famille,
qui peut alors être décrite par une application :

f :ΛˆI Ñ K
x Þ Ñ f px, tq.

Leurs intégrales définissent donc une application de Λ dans K

g:Λ Ñ Kż
x ÞÑ f px, tq dt
I

On s’intéressera dans ce contexte au propriétés relatifs aux limites et à la continuité.

Enfin, dans un contexte un peu plus restreint où Λ est un intervalle de R, on s’intéressera aux problèmes
de dérivabilité de g.

I Suites et séries d’intégrales

Dans toute cette section, I désigne un intervalle de R, E désigne un e.v.n. de dimension finie, et pfn q
désigne une suite d’applications de I dans E. Les premiers résultats ont déjà été vus dans des contextes
divers, et le but est ici de les regrouper afin d’avoir une meilleure vue d’ensemble sur les différents outils
à disposition pour l’étude des intégrales de suites ou séries de fonctions.

I.1 Interversion limite/intégrale

Lorsque I est un segment, on dispose d’un outil particulier, déjà vu dans un chapitre antérieur, lié à la
convergence uniforme.
172 CHAPITRE 11. INTÉGRALES À PARAMÈTRES

Théorème 11.1.1 – interversion lim/intégrale en cas de CVU

On suppose que :
(i) I est un segment ;
(ii) les applications pfn q sont continues ;
(iii) la suite pfn q converge uniformément vers f sur I.
Alors, ż ż
lim fn ptq dt “ lim fn ptq dt.
nÑ`8 I I nÑ`8

Nous avions montré un résultat plus général, concernant la convergence uniforme d’une suite de primitives.

Exemple 11.1.2
ż1
Calculer lim tanpxqln n dx.
nÑ`8 0

Proposition 11.1.3 – Extension du théorème d’interversion limite/intégrale

Le théorème d’interversion limite/intégrale par CVU reste vrai sous les hypothèses suivantes :
(i) I est un segment ;
(ii) les pfn q sont c.p.m. (ou plus généralement Riemann-intégrable)
(iii) pfn q converge uniformément vers une fonction f
(iv) la fonction f est c.p.m. (ou plus généralement Riemann-intégrable)
La quatrième hypothèse remplace les hypothèses plus fortes de l’énoncé principal, qui assuraient la
continuité de f .

Cela permet d’englober le cas des fonctions en escaliers.

Méthode 11.1.4
Si certains points empêchent la CVU, ou si l’intégrale n’est pas définie sur tout le segment on peut
soit se rabattre sur le théorème de convergence dominé, soit, si ce n’est pas possible, couper autour
de la borne.

Exemple 11.1.5
ż pi4
Calculer lim tanpxqn dx
nÑ`8 0

L’outil le plus efficace, et plus général que le précédent (puisque valide sur des intervalles quelconques)
reste le suivant, qu’on a déjà donné, sans le démontrer/

Théorème 11.1.6 – Théorème de convergence dominée, TCD

Soit pfn q une suite de fonctions de I dans K “ R ou C. On suppose que :
(i) pour tout n P N, fn est c.p.m.
(ii) pfn q converge simplement vers une fonction f
(iii) (hyp. de domination) il existe φ : I Ñ K intégrable telle que : @n P N, @x P I, |fn pxq| ď φpxq.
ż ż
Alors les pfn q et f sont intégrables sur I et fn ÝÑ f.
I nÑ`8 I
I Suites et séries d’intégrales 173

Exemples 11.1.7
1. Reprendre les exemples précédents, y compris celui où on n’avait pas CVU sur tout l’inter-
valle. żn´
x ¯n
2. Déterminer lim 1´ dx.
nÑ`8 0 n
ż1 ?
3. Déterminer lim px ` nqe´ nx dx
nÑ`8 0

Remarques 11.1.8
1. Lorsque la suite pfn q est décroissante (ce qui est le cas des premiers exemples), alors on
pourra toujours dominer la suite par f0 , à condition qu’elle soit intégrable.
2. Lorsque la suite est croissante, et que la limite f est intégrable, alors on pourra dominer pfn q
par f . C’est le cas du deuxième exemple.
3. Le dernier exemple montre un cas où pfn q n’est ni croissante ni décroissante.

I.2 Intégration terme à terme

Nous avons vu que le théorème d’interversion limite/intégrale dans de cas CVU s’adapte bien au cas des
séries :
ř ş
Théorème 11.1.9 – interversion / par CVU sur un segment
Soit pfn q une suite de fonctions d’un intervalle I à valeurs dans un e.v.n. F de dimension finie, et
soit a P I.
ř
1. Si fn est uniformément convergente sur I, alors
`8
ÿ żx
x ÞÑ fn ptq dt
n“0 a

ż x `8
ÿ
converge uniformément sur I vers x ÞÑ fn ptq dt.
a n“0
ř
2. En particulier, si fn est uniformément convergente sur ra, bs,
ż b `8
ÿ `8
ÿ żb
fn ptq dt “ fn ptq dt.
a n“0 n“0 a

L’intégrabilité sur un segment quelconque I n’ayant été définie que pour des fonctions à valeurs dans K,
les autres énoncés se placent dans ce contexte ; ils peuvent s’adapter sans réelle difficulté au cadre d’e.v.n.
de dimension finie, en regardant coordonnée par coordonnée dans une base.

Théorème 11.1.10 – Intégration terme à terme, cas positif

Soit, pour tout n P N, fn : I Ñ R. On suppose que :
(i) pour tout n P N, fn ě 0 ;
ř
(ii) fn converge simplement vers une fonction S
ně0
(iii) S est continue par morceaux sur I
Alors, l’égalité suivante est toujours vérifiée dans R` :
ż `8
ÿ `8
ÿ ż
fn ptq dt “ fn ptq dt.
I n“0 n“0 I
174 CHAPITRE 11. INTÉGRALES À PARAMÈTRES

Ÿ Éléments de preuve.
Démonstration hors programme. Elle reste abordable avec le TCD.
ř
1. Si fn est intégrable, dominer la somme partielle par la somme totale et utiliser le TCD
2. Sinon, on a divergence sur une des deux bornes de I, disons la borne supérieure. Soi a P I.
Justifier qu’il existe x0 tel que pour tout x ě x0 ,
ż x `8
ÿ
fn pxq dx ě A,
a n“0

`8
ÿ ż
A étant posé arbitrairement. Utiliser encore le TCD sur ra, xs, pour montrer que fn est
n“0 I
minoré par tout A réel.
Ź

Remarque 11.1.11
ÿ `8
ÿ ż
En particulier, si les fn sont positifs, on peut justifier l’intégrabilité de fn en majorant fn ptq dt.
n“0 n“0 I

Exemple 11.1.12
`8
ÿ 1
1. Intégrabilité de x ÞÑ sur r0, `8r ?
n“1
x3 ` n3
`8
ÿ 1
2. Intégrabilité de x ÞÑ sur r0, `8r.
n“1
1 ` n2 t2
ż 1 `8
ÿ
3. Calculer n2 1r0, 1
s
n4
0 n“1
ż `8
t
4. Calculer dt, en fonction de ζp2q.
0 et ´1

Remarques 11.1.13
1. Le TITT positif peut s’utiliser dans des cas où on n’a pas convergence uniforme, et permet
ř ş
donc de gérer des cas plus variés que le théorème d’interversion { par CVU. C’est par
exemple le cas du troisième exemple.
2. Le dernier exemple montre une situation typique dans laquelle on combine un développement
en série et une intégration terme à terme pour calculer une intégrale. Les exemples de ce type
sont nombreux, pensez-y !
3. Le point le plus délicat à justifier dans le cas positif est souvent la c.p.m. de la somme. Le
programme stipule explicitement de ne pas trop s’attarder sur ces justifications.

Théorème 11.1.14 – Intégration terme à terme, cas général

Soit, pour tout n P N, fn : I Ñ K. On suppose que :
(i) pour tout n P N, fn est intégrable
ř
(ii) fn converge simplement vers une fonction S ;
ně0
(iii) S est c.p.m. sur I ;
`8
ÿż
(iv) |fn ptq| dt ă `8.
n“0 I
I Suites et séries d’intégrales 175

Alors S est intégrable sur I, et

ż `8
ÿ `8
ÿ ż
fn ptq dt “ fn ptq dt.
I n“0 n“0 I

Ÿ Éléments de preuve.
Démonstration hors-programme. On peut le démontrer un peu plus facilement sous une hypothèse
ř
supplémentaire, en supposant de plus |fn | c.p.m.. Ź

Exemple 11.1.15
ż1
lnp1 ` tq
Calculer dt sous forme d’une somme de Riemann alternée.
0 t

Remarque 11.1.16
Remarquez la similitude entre ces résultats d’intégration terme à terme, et les théorèmes de Fubini
pour les familles sommables (version positive dans R, et version générale). D’ailleurs, les théorèmes
de Fubini peuvent se retrouver à partir des théorèmes d’ITT, en considérant des fonctions en escalier
fn prenant la valeur an,p sur l’intervalle rp, p`1r. Ces théorèmes peuvent être vus comme une version
continue/discrète des théorèmes de Fubini discret/discret. Il en existe aussi une version pour les
intégrales doubles (version continue/continue), mais celle-ci n’est pas au programme.

řş
Méthode 11.1.17 – Si I
|fn | “ `8
Dans le cas où les conditions du TITT ne sont pas vérifiées, on peut parfois utiliser le TCD sur la
somme partielle pSn q. C’est notamment assez fréquent avec des séries alternées, puisqu’on parvient
dans ce cas à encadrer la somme S entre S0 et S1 . L’hypothèse de domination est donc assez facile
à obtenir.

Exemple 11.1.18
ż `8 `8
ÿ ?
Justifier l’intégrabilité, et exprimer sous forme d’une somme la valeur de p´1qn e n¨t
dt
0 n“1

Remarque 11.1.19
Le caractère alterné permet aussi l’étude facile de la CVU, donc de la continuité sur les compacts,
ce qui nous assure la continuité par morceaux (au moins sur l’intervalle ˚
I, ce qui est suffisant).

Méthode 11.1.20 – Récupérer les bornes par CVU

Si on ne peut faire qu’une interversion partielle (par CVU ou par TITT), on peut faire tendre une
`8
ÿ żx
borne vers la borne voulue en étudiant la convergence uniforme de fn ptq dt, pour pouvoir
n“0 a
utiliser le théorème de la double limite.

Exemple 11.1.21
ř`8 n
ř`8 p´1qn`1
En considérant x ÞÑ n“0 p´xq , montrer que n“1 n “ lnp2q.
176 CHAPITRE 11. INTÉGRALES À PARAMÈTRES

II Limite et continuité d’intégrales à paramètre dans un e.v.n.

Le point de départ de l’étude des intégrales à paramètres est la version continue du TCD. Elle est donnée
dans le programme sous la forme suivante.
Théorème 11.2.1 – Théorème de convergence dominée, version continue réelle
Soit I et J deux intervalles de R et pfλ qλPJ une famille de fonctions de I dans K. Soit f P KI et
a P J. On suppose que :
(i) pour tout λ P J, fλ est c.p.m. ;
(ii) pour tout t P I, fλ ptq ÝÑ f ptq, et f est c.p.m. ;
λÑa
(iii) il existe φ telle que pour tout λ P J, |fλ | ď φ, et φ est intégrable.
Alors ż ż ż
lim fλ ptq dt “ f ptq dt “ lim fλ ptq dt.
λÑa I I I λÑa

Ÿ Éléments de preuve.
On montre directement la version plus générale ci-dessous. Ź
Une version un peu plus générale, pas explicitement au programme (mais pouvant se déduire du théorème
de continuité qui suit, après prolongement de chaque f px, ¨q), et exprimée, comme on le fait souvent, en
notation fonctionnelle plutôt que familiale, permet de considérer un paramètre dans un e.v.n..
Dans cet énoncé, f étant une fonction définie sur un produit cartésien A ˆ I, f p¨, tq désigne la fonction
x ÞÑ f px, tq définie sur A, obtenue en fixant la deuxième variable égale à t. De même f px, ¨q désigne la
fonction d’une variable obtenue en faixant la première variable égale à x.
Théorème 11.2.2 – Théorème de convergence dominée, version continue vectorielle
Soit I un intervalle de R, E un e.v.n. de dimension finie, et A une partie de E. Soit f : A ˆ I Ñ K,
a P A, et g : I Ñ K. On suppose que :
(i) pour tout x P A, f px, ¨q est c.p.m. ;
(ii) pour tout t P I, f px, tq ÝÑ gptq, et g est c.p.m. ;
xÑa
(iii) (domination) il existe φ telle que pour tout x P A, |f px, ¨q| ď φ, et φ est intégrable.
Alors ż ż ż
lim f px, tq dt “ gptq dt “ lim f px, tq dt.
xÑa I I I xÑa

Ÿ Éléments de preuve.
Par critère séquentiel, on se ramène au TCD discret. Ź

Exemple 11.2.3
ż `8
x ` lnptq
Déterminer lim 3 dt.
xÑ`8 0 1 ` x2 t 2

En considérant a P I, on obtient une propriété de continuité

Théorème 11.2.4 – Continuité ponctuelle d’une intégrale à paramètre dans un e.v.n.
Soit I un intervalle de R, E un e.v.n. de dimension finie, et A une partie de E. Soit f : A ˆ I Ñ K
et a P A. On suppose que :
(i) pour tout x P A, f px, ¨q est c.p.m. ;
(ii) pour tout t P I, f p¨, tq est continue en a ;
(iii) (domination) il existe φ telle que pour tout x P A, |f px, ¨q| ď φ, et φ est intégrable.
III Dérivation d’intégrales à paramètre réel 177

Alors la fonction ż
F : x ÞÑ f px, tq dt
I
est continue en a.

Ÿ Éléments de preuve.
C’est l’application directe du TCD, dans sa version continue vectorielle, en un point du domaine. Ź
On en déduit de façon immédiate :
Théorème 11.2.5 – Continuité globale d’une intégrale à paramètre dans un e.v.n.
Soit I un intervalle de R, E un e.v.n. de dimension finie, et A une partie de E. Soit f : A ˆ I Ñ K.
On suppose que :
(i) pour tout x P a, f px, ¨q est c.p.m. ;
(ii) pour tout t P I, f p¨, tq est continue en a ;
(iii) (domination) il existe φ telle que pour tout x P A, |f px, ¨q| ď φ, et φ est intégrable.
Alors la fonction ż
F : x ÞÑ f px, tq dt
I
est continue sur A.

Exemple 11.2.6
ż `8
2
1. Étudier la continuité de x ÞÑ sinpxtqe´t dt et déterminer sa limite en `8.
0
2. Transformée de Laplace :
Soit f une fonction intégrable sur s0, `8r. Soit A “ tp P C | Reppq ě 0u.
ż `8
Étudier l’existence et la continuité sur A de la transformée de Laplace F ppq “ f ptqept dt.
0

Remarque 11.2.7
En pratique, il est fréquent de ne pas vérifier l’hypothèse de domination sur A tout entier, mais de
le faire sur une famille pBi qiPI de sous-ensembles de A tel que tout point de A soit dans l’intérieur
d’un des Bi . Par exemple, si A est un intervalle de R, on peut se contenter de faire la domination
sur tous les segments.

Exemple 11.2.8
ż `8
Étudier la continuité sur R˚` de Γ : x ÞÑ tx´1 e´t .
0

III Dérivation d’intégrales à paramètre réel

Dans cette section, afin de pouvoir dériver, on considère le cas où le paramètre est réel, de sorte à obtenir
après intégration une application d’une variable réelle.
Théorème 11.3.1 – Dérivation d’une intégrale à paramètre réel
Soit I et A deux intervalles de R et f : A ˆ I Ñ K une application telle que :
(i) pour tout t P I, f p¨, tq est de classe C 1 sur I ;
(ii) pour tout x P A, f px, ¨q est intégrable sur I ;
Bf
(iii) pour tout x P A, px, ¨q est c.p.m. sur I ;
Bx
178 CHAPITRE 11. INTÉGRALES À PARAMÈTRES

(iv) (domination de la dérivée) il existe φ intégrable sur I telle que

ˇ ˇ
ˇ Bf ˇ
@x P A, ˇˇ px, ¨qˇˇ ď φ.
Bx
ż
Alors la fonction g : x ÞÑ f px, tq dt est de classe C 1 sur A, et :
I
ż
1 Bf
@x P A, g pxq “ px, tq dt.
I Bx

Ÿ Éléments de preuve.
Former le taux d’accroissement. L’IAF et les hypothèses permettent l’utilisation du TCD continu.
Ź

Exemple 11.3.2
ˆż x ˙2
´t2
Soit F : x ÞÑ e dt . Exprimer la dérivée de F sous forme de la dérivée d’une intégrale à
0 ż `8
2
paramètres, et en déduire la valeur de e´t dt.
0

Par symétrisation par parité, on vient de démontrer le résultat classique suivant :

Proposition 11.3.3 – Intégrale de Gauss, HP classique

ż `8
2 ?
e´t dt “ π.
´8

Par récurrence à partir du théorème de dérivation, on obtient :

Théorème 11.3.4 – Classe C k d’une intégrale à paramètre réel

Soit I et A deux intervalles de R et f : A ˆ I Ñ K une application telle que :
(i) pour tout t P I, f p¨, tq est de classe C k sur I ;
B jf
(ii) pour tout x P A et tout j P J0, k ´ 1K, px, ¨q est intégrable sur I ;
Bxj
B kf
(iii) pour tout x P A, px, ¨q est c.p.m. sur I ;
Bxk
(iv) (domination de la dérivée k-ième) il existe φ intégrable sur I telle que
ˇ k ˇ
ˇB f ˇ
@x P A, ˇ k px, ¨qˇˇ ď φ.
ˇ
Bx
ż
Alors la fonction g : x ÞÑ f px, tq dt est de classe C k sur A, et
I

B jf
ż
@j P J0, kK, @x P A, g pkq pxq “ px, tq dt.
I Bxj

Exemple 11.3.5
ż `8
Montrer que la fonction Γ : x ÞÑ tx´1 e´t dt est de classe C 8 et exprimer sa dérivée sous forme
0
intégrale.
IV La fonction Γ (HP mais classique) 179

IV La fonction Γ (HP mais classique)

Nous faisons dans ce paragraphe un rapide bilan des propriétés importantes de la fonction Γ d’Euler,
pour la plupart déjà vues en exemple ou en exercice.

Définition 11.4.1 – Fonction Γ, Euler

La fonction Γ est définie, pour tout z P C telle que l’intégrale converge, par :
ż `8
Γpzq “ tz´1 e´t dt.
0

Proposition 11.4.2 – Domaine de définition

La fonction Γ est définie sur P “ tz P C | Repzq ą 0u.

Proposition 11.4.3 – Identité remarquable

Pour tout z P P , Γpz ` 1q “ zΓpzq.

Proposition 11.4.4 – Valeurs remarquables

1. Pour tout n P N˚ , Γpnq “ pn ´ 1q!.
` ˘ ?
2. Γ 12 “ π

Ÿ Éléments de preuve.
Pour le 2, se ramener à l’intégrale de Gauss par changement de variable. Ź

Proposition 11.4.5 – Continuité sur P

La fonction Γ est continue sur P .

Proposition 11.4.6 – Régularité sur R˚`

La fonction Γ est de classe C 8 sur R˚` , et pour tout n P N, et tout x P R˚` ,
ż `8
Γ pnq
pxq “ plnptqqn tx´1 e´t dt.
0

Proposition 11.4.7 – Convexité et variations

Γ est convexe, décroissante sur s0, 1s puis croissante sur r1, `8r.

Ÿ Éléments de preuve.
C’est immédiat pour les dérivées d’ordre pair. Constater ensuite par un argument direct que les
dérivées d’ordre pair sont croissantes, donc admettent une dérivée positive. Ź
En particulier, cela implique la croissance et la convexité de Γ et de toutes ses dérivées.

Proposition 11.4.8 – Comportement asymptotique

(i) lim Γpxq “ `8
xÑ0
(ii) lim Γpxq “ `8
xÑ`8
1
(iii) Γpxq „ .
0 x
180 CHAPITRE 11. INTÉGRALES À PARAMÈTRES

Ÿ Éléments de preuve.
La dernière propriété entraînant la première, on peut la montrer d’abord, avec l’identité remarquable.
La deuxième s’obtient par croissance et les valeurs particulières déjà trouvées. Ź
La fonction Γ possède bien d’autres propriétés, et est d’une grande importance, notamment car elle
intervient dans le calcul de nombreuses transformées de Laplace. Nous aurons peut-être l’occasion de
prolonger notre étude de Γ en DM.
 12
Endomorphismes d’un espace
euclidien

Le but de ce chapitre est d’étudier certains types d’endomorphismes d’un espace euclidien. On s’intéresse
en particulier aux isométries vectorielles (les endomorphismes conservant les distances) et aux endomor-
phismes autoadjoint, dont la matrice dans une base orthonormale est symétrique.
On montrera notamment que, dans une base orthonormale bien choisie, les isométries f ont une matrice
diagonale par blocs, chaque bloc étant de taille 1 ou 2, et correspondant à une direction stable sur laquelle
f agit comme une symétrie ou l’identité (pour les blocs de taille 1), ou a un plan stable sur lequel f agit
comme une rotation.
On montrera également que les endomorphismes autoadjoints (ou symétriques) sont diagonalisables en
base orthonormale, ce qui se réexprime en disant que toute matrice symétrique réelle est diagonalisable.
C’est le théorème spectral. Enfin, nous caractériserons, pour un endomorphisme autoadjoint a, la positi-
vité de la forme quadratique x ÞÑ xx, apxqy (ou matriciellement X ÞÑ X J AX) par la positivité du spectre.
Cette propriété sera utile en particulier pour l’étude des points critiques des fonctions de plusieurs va-
riables, en vue de faire de l’optimisation (recherche d’extrema).

I Rappels sur les espaces euclidiens

Ce survol rapide des définitions et propriétés essentielles du cours de première année ne remplace pas une
révision complète et en profondeur de votre cours de première année. Il n’a pas vocation à être complet,
et ne fait que réintroduire rapidement les notions que nous aurons à utiliser par la suite.

I.1 Formes bilinéaires et produit scalaire

Définition 12.1.1 – Forme bilinéaire
Soit E un espace vectoriel sur R. Une forme bilinéaire φ sur E est une application φ : E ˆ E Ñ R,
linéaire par rapport à chaque facteur, l’autre étant fixé, c’est-à-dire :
(i) @px, y, zq P E 3 , @λ P R, φpλx ` y, zq “ λφpx, zq ` φpy, zq
(ii) @px, y, zq P E 3 , @λ P R, φpx, λy ` zq “ λφpx, yq ` φpx, zq.

On rappelle la propriété de bilinéarité généralisée

Lemme 12.1.2 – Bilinéarité généralisée

Soit φ une forme bilinéaire sur E. Soit pk, ℓq P pN˚ q2 , et soit px1 , . . . , xk , y1 , . . . , yℓ q P E k`ℓ , et
182 CHAPITRE 12. ENDOMORPHISMES D’UN ESPACE EUCLIDIEN

pλ1 , . . . , λk , µ1 , . . . , µℓ q P Kk`ℓ . Alors

˜ ¸
ÿk ℓ
ÿ k ÿ
ÿ ℓ
φ λi xi , µj yj “ λi µj φpxi , yj q.
i“1 j“1 i“1 j“1

Définition 12.1.3 – Matrice associée à une forme bilinéaire

Soit φ une forme bilinéaire sur E de dimension finie, et B “ pe1 , . . . , en q une base de E. Alors on
définit la matrice de φ relativement à la base B par :

MatB pφq “ pφpei , ej qq1ďi,jďn .

Théorème 12.1.4 – Caractérisation de MatB pφq par la relation φpx, yq “ X J M Y

Soit M P Mn pKq. La matrice M est la matrice de φ relativement à la base B si et seulement si pour
tout px, yq P E 2 , dont les matrices colonnes coordonnées dans B sont X et Y ,

φpx, yq “ X J M Y.

Proposition 12.1.5 – Formule de changement de base

Soit E un espace vectoriel de dimension finien et φ une forme bilinéaire. Soit B et C deux bases de
E, et P “ PBC la matrice de passage de B à C. Alors

MatC pφq “ P J MatB pφqP.

Définition 12.1.6 – Produit scalaire

Un produit scalaire φ sur E est une forme bilinéaire telle que :
(i) (positivité) : pour tout x P E, φpx, xq ě 0
(ii) (caractère défini) : pour tout x P E, φpx, xq “ 0 ðñ x “ 0
(iii) (Symétrie) : pour tout px, yq P E 2 , φpx, yq “ φpy, xq.
On note souvant xx, yy ou px|yq.

L’expression matricielle d’une forme bilinéaire s’applique aussi aux produits scalaires, et donc, en notant
M la matrice du produit scalaire x¨, ¨y dans une base B et X et Y les vecteurs-colonne coordonnées de x
et y, le produit scalaire s’exprime :
xx, yy “ X J M Y.

Proposition 12.1.7 – Matrice d’un produit scalaire

La matrice d’un produit scalaire dans une base quelconque est symétrique et inversible. La réci-
proque est fausse.

Définition 12.1.8 – Espace préhilbertien réel

Un espace préhilbertien réel pE, x¨, ¨yq est un espace vectoriel E sur R, muni d’un produit scalaire
x¨, ¨y.

S’il n’y a pas d’ambiguïté sur le produit scalaire, on parlera plus simplement de l’espace préhilbertien E,
au lieu de pE, x¨, ¨yq.
I Rappels sur les espaces euclidiens 183

Définition 12.1.9 – Espace euclidien

Un espace euclidien est un espace préhilbertien réel de dimension finie.

I.2 Orthogonalité
On suppose que E est un espace euclidien. La plupart des notions se généralise au cas préhilbertien réel,
mais certains propriétés peuvent être fausses en revanche.
On rappelle que deux vecteurs x et y sont orthogonaux si, par définition, xx, yy “ 0.

Définition 12.1.10 – Famille orthogonale, orthonormale

1. Une famille pxi qiPI est orthogonale si pour tout i ‰ j de I, xi Kxj .
2. On dit que la famille pxi qiPI est orthonormale (ou orthonormée) si et seulement si elle est
orthogonale, et que pour tout i P I, }xi } “ 1.

Une propriété important de ces familles est leur liberté :

Proposition 12.1.11 – Liberté des familles orthogonales

1. Une famille orthogonale ne contenant pas le vecteur nul est libre.
2. Une famille orthonormale est libre.

Le procédé de Gram-Schmidt permet, à partir d’une famille libre pe1 , . . . , en q, de construire une famille
orthonormale pf1 , . . . , fn q telle que pour tout k P J1, nK

Vectpe1 , . . . , ek q “ Vectpf1 , . . . , fk q, et xek , fk y “ 1.

En particulier, en partant d’une base d’un espace euclidien, on en déduit :

Théorème 12.1.12 – Existence d’une base orthonormale

Soit E un espace euclidien. Alors E admet une b.o.n.

Plus précisément, en appliquant le procédé de Gram-Schmidt à une base obtenue en complétant une
famille orthonormale :
Théorème 12.1.13 – Théorème de la base orthonormale incomplète
Soit E un espace euclidien. Alors toute famille orthonormale peut être complétée en une base
orthonormale.

Définition 12.1.14 – Sous-espaces orthogonaux

Les sous-espaces F et G de E sont orthogonaux si pour tout px, yq P F ˆ G, x K y.

Proposition 12.1.15 – Orthogonalité et somme directe

à
Soit pFi qiPI une famille de sous-espaces de E, 2 à 2 orthogonaux. Alors la somme Fi est directe.
iPI

Proposition/Définition 12.1.16 – Supplémentaire orthogonal

Soit E un espace euclidien, et F un sous-espace vectoriel de E. L’ensemble F K “ ty P E, y K F u
est un supplémentaire de E, orthogonal à F . Il est appelé supplémentaire orthogonal de F .
184 CHAPITRE 12. ENDOMORPHISMES D’UN ESPACE EUCLIDIEN

Avertissement 12.1.17
C’est faux si E n’est pas de dimension finie (cadre préhilbertien réel au lieu d’euclidien).

I.3 Projection orthogonale

Définition 12.1.18 – Projeté orthogonal sur un sev
Soit F un sous-espace vectoriel de E, et y P E. On dit que z P E est le projeté orthogonal de y sur
F si et seulement si :
(i) z P F
(ii) py ´ zqKF .

Théorème 12.1.19 – Existence du projeté orthogonal sur un sev de dimension finie

Soit y P E, et F un sous-espace vectoriel de dimension finie de E, et B “ pb1 , . . . , bm q une b.o.n.
de F . Alors le projeté orthogonal de y sur F existe, est unique, et vaut :
m
ÿ
z“ xy, bi y bi .
i“1

Proposition 12.1.20 – Description de la projection orthogonale

Soit E un espace euclidien et F un sous-espace de E. L’application p qui à x associe son projeté
orthogonal sur F est un projecteur de E. Plus précisément, c’est le projecteur sur F parallèlement
à F K.

I.4 Coordonnées en base orthonormale

Théorème 12.1.21 – Coordonnées d’un vecteur dans une b.o.n. et norme
Soit E un espace euclidien, et B “ pb1 , . . . , bn q une b.o.n. de E. Soit x, y P E. Alors :
¨ ˛
xx, b1 y
n
ř ˚ . ‹
(i) x “ ˝ .. ‚.
xx, bi y bi , c’est-à-dire rxsB “ ˚ ‹
i“1
xx, bn y
n
ř
(ii) xx, yy “ xx, bi y xy, bi y
i“1
n
2
(iii) }x}2 “
ř
xx, bi y
i“1

Ainsi, si B est une b.o.n. et si

¨ ˛ ¨ ˛
x1 y1
˚ . ‹ ˚.‹
˝ .. ‚
X “ rxsB “ ˚ et ˝ .. ‚
Y “ rysB “ ˚
‹ ‹
xn yn

sont les coordonnées de x et y dans la b.o.n. B, le produit scalaire et la norme s’expriment par les formules
usuelles :
n
ÿ ÿn
xx, yy “ xi yi “ X J Y et }x}2 “ x2i “ X J X.
i“1 i“1

Ces relations traduisent le fait que la matrice du produit scalaire dans une base orthonormale pour ce
produit scalaire est égale à In .
I Rappels sur les espaces euclidiens 185

Théorème 12.1.22 – Matrice d’un endomorphisme relativement à une b.o.n.

Soit E un espace euclidien muni d’une b.o.n. B “ pb1 , . . . , bn q. Soit u P LpEq. Alors :
¨ ˛
xb1 , upb1 qy ¨ ¨ ¨ xb1 , upbn qy
˚ .. .. ‹
MatB puq “ pxbi , upbj qyq1ďi,jďn “ ˚
˝ . .
‹.
‚
xbn , upb1 qy ¨ ¨ ¨ xbn , upbn qy

I.5 Changements de base orthonormales, matrices orthogonales

Théorème 12.1.23 – propriété des matrices de passage d’une b.o.n. à une autre
Soit B et C deux bases de E. Soit P “ PBC la matrice de passage de la base B à la base C. Alors :

P J P “ In “ P P J , donc: P ´1 “ P J .

Ÿ Éléments de preuve.
Utiliser la formule de changement de base pour la matrice du ps dans les bases B et C. On peut aussi
le retrouver à l’aide de la desciption explicite de PBC et des expressions des xci , cj y en b.o.n. B. Ź

Définition 12.1.24 – Matrice orthogonale

Soit P P Mn pRq une matrice carrée d’ordre n. On dit que P est une matrice orthogonale si et
seulement si P J P “ In .

Exemples 12.1.25
˜ ¸ ˜ ¸
cospθq ´ sinpθq cospθq sinpθq
1. Dans Mn pRq, les matrices Rpθq “ et Spθq “
sinpθq cospθq sinpθq ´ cospθq
2. La matrice In , la matrice ´In , et plus généralement, toute matrice obtenue de In en changeant
les signes de certains de ses coefficients diagonaux, et en permutant les colonnes.

De la définition même découle de façon immédiate :

Proposition 12.1.26 – Inverse d’une matrice orthogonale
Soit P une matrice orthogonale. Alors P est inversible, et P ´1 “ P J .

Une matrice orthogonale peut se caractériser également par l’orthonormalité de ses colonnes ou ses lignes :
Théorème 12.1.27 – Caractérisation d’une matrice orthogonale par ses colonnes ou lignes
Soit P P Mn pRq. Les propositions suivantes sont équivalentes:
(i) P est orthogonale
(ii) P J est orthogonale
(iii) Les colonnes de P forment une base orthonormale de Rn » Mn,1 pRq
(iv) Les lignes de P forment une base orthonormale de Rn » M1,n pRq.

Théorème 12.1.28 – Caractérisation des matrices de passage entre b.o.n. par orthogonalité
Soit E un espace euclidien.
1. Toute matrice de passage d’une b.o.n. de E à une autre b.o.n. de E est une matrice ortho-
gonale.
2. Réciproquement, soit B une b.o.n. de E, et P une matrice orthogonale. Alors il existe une
186 CHAPITRE 12. ENDOMORPHISMES D’UN ESPACE EUCLIDIEN

unique base C telle que P soit la matrice de passage de B à C, et cette base C est une b.o.n.
de E.
3. De même, si C est une b.o.n. de E, et P une martice orthogonale, il existe une unique base
B telle que P soit la matrice de passage de B à C, et cette base B est une b.o.n. de E.

Ÿ Éléments de preuve.
1. Résulte de la définition.
2. Remarquer que si x et y sont deux vecteurs de coordonnées X et Y dans une b.o.n, et si φ est le
psc, xx, yy “ φpX, Y q. Justifier que ceci permet de définir une b.o.n. dont les coordonnées dans
B sont les colonnes de P .
3. Appliquer ce qui précède à P ´1 qui est encore orthogonal.
Ź

Définition 12.1.29 – Groupe orthogonal

On note On pRq, ou Opnq l’ensemble des matrices orthogonales de Mn pRq. Cet ensemble On pRq est
appelé groupe orthogonal.

Théorème 12.1.30 – Structure de On pRq

L’ensemble On pRq est un groupe multiplicatif, ce qui est cohérent avec la terminologie introduite
dans la définition précédente.

Ÿ Éléments de preuve.
Montrer que c’est un sous-groupe de GLn pRq ; les vérifications sont simples. Ź

Théorème 12.1.31 – Déterminant d’une matrice orthogonale

Soit P P On pRq. Alors detpP q P t´1, 1u. Plus précisément, det est un morphisme de groupe de
On pRq dans pt´1, 1u, ˆq.

Ÿ Éléments de preuve.
Appliquer le det à l’égalité P J P “ In . Ź
Le noyau de ce morphisme est donc un sous-groupe de On pRq.

Définition 12.1.32 – Groupe spécial orthogonal

Le noyau du déterminant défini sur On pRq est appelé groupe spécial orthogonal, et noté SOn pRq ou
SOpnq. Ainsi, les éléments de SOn pRq sont les matrices orthogonales P telles que detpP q “ 1.

Remarque 12.1.33
Si n P N˚ , le sous-groupe SOn pRq n’est pas égal à Opnq tout entier. En effet, la matrice Diagp´1, 1, ¨ ¨ ¨ , 1q
est dans OpnqzSOpnq.
Plus précisément, on peut alors montrer qu’il y a « autant » d’éléments dans SOpnq que dans
OpnqzSOpnq.

Proposition 12.1.34 – Bijection entre Opnq et SOpnq

Soit P P OpnqzSOpnq. L’application
Q ÞÑ P Q
est une bijection de SOpnq dans OpnqzSOpnq.
I Rappels sur les espaces euclidiens 187

Définition 12.1.35 – Matrices orthogonales directes, indirectes

Soit P P On pRq. On dit que :
‚ P est une matrice orthogonale positive (ou directe) si P P SOn pRq ;
‚ P est une matrice orthogonale négative (ou indirecte) si P P On pRqzSOn pRq.

Terminologie 12.1.36 – Matrices orthogonalement semblables

Soit A et B deux matrices de Mn pRq.
1. On dit que A et B sont orthogonalement semblables s’il existe P P Opnq telle que B “
P ´1 AP “ P J AP .
2. On dit que A est orthogonalement diagonalisable si A est orthogonalement semblable à une
matrice diagonale.
3. On dit que A est orthogonalement trigonalisable si A est semblable à une matrice triangulaire
supérieure.

I.6 Orientation d’un espace

Proposition/Définition 12.1.37 – Orientation d’un espace
Soit E un espace vectoriel sur R.
1. La relation BRB 1 ðñ detB pB 1 q ą 0 est une relation d’équivalence sur l’ensemble des bases
de E
2. Cette relation d’équivalence possède exactement deux classes d’équivalence
3. On dira que B et B 1 ont même orientation si elles appartiennent à la même classe d’équiva-
lence.
4. Une orientation de E est alors le choix arbitraire d’une de ces deux classes d’équivalence,
qu’on fait généralement en se donnant une base de référence B0 .
5. Ainsi, étant donné une base de référence B0 , une base B est directe si detB0 pBq ą 0, et
indirecte si detB0 pBq ą 0.

Ainsi, orienter l’espace E consiste à choisir une base de référence B0 . Toute base de la même orientation
que B0 sera alors appelée base directe.

Proposition 12.1.38 – Caractérisation de l’orientation pour les b.o.n.

Soit B et B 1 deux b.o.n. d’un espace euclidien E. Les propositions suivantes sont équivalentes:
(i) B et B 1 ont même orientation ;
(ii) MatB pB 1 q P SOpnq
(iii) detB pB 1 q “ 1
(iv) detB “ detB1 .

Définition 12.1.39 – Produit mixte dans un espace euclidien orienté

Soit E un espace euclidien orienté, et B une b.o.n. directe. Soit pu1 , . . . , un q P E n . Le produit mixte
de pu1 , . . . , un q est défini par :

ru1 , . . . , un s “ detB pu1 , . . . , un q.

188 CHAPITRE 12. ENDOMORPHISMES D’UN ESPACE EUCLIDIEN

Cette définition est indépendante du choix de la b.o.n. directe B.

II Endomorphismes autoadjoints
II.1 Adjoint d’un endomorphisme
Théorème 12.2.1 – Théorème de représentation de Riesz
Soit E un espace euclidien, et φ P E ˚ une forme linéaire sur E. Il existe un unique vecteur a P E
tel que φ “ xa, ¨y.
Plus précisément, a ÞÑ φa “ xa, ¨y est un isomorphisme de E dans E ˚ .

Proposition/Définition 12.2.2 – Adjoint d’un endomorphisme

Soit E un espace euclidien, et u P LpEq.
1. Pour tout x P E :
‚ l’application y ÞÑ xx, upyqy est une forme linéaire ;
‚ il existe un unique vecteur u˚ pxq P E tel que pour tout y P E, xx, upyqy “ xu˚ pxq, yy.
2. L’application u˚ : x ÞÑ u˚ pxq est un endomorphisme de E.
3. L’endomorphisme u˚ P LpEq est appelé adjoint de l’endomorphisme u.

Ÿ Éléments de preuve.
Le premier point est une vérification élémentaire. Le second provient du théorème de représentation
de Riesz.
Le fait que u˚ soit un endomorphisme provient de l’unicité dans le théorème de représentation de
Riesz, en constatant que λu˚ pxq`u˚ px1 q répond au problème de la représentation de la forme linéaire
xλx ` x1 , ¨y. Ź

Proposition 12.2.3 – Adjoint d’une composée

Soit E un espace euclidien, et u et v deux endomorphismes de E. Alors

pv ˝ uq˚ “ u˚ ˝ v ˚ .

Ÿ Éléments de preuve.
Vérifier que xu˚ ˝ v ˚ pxq, yy “ xx, v ˝ uy, égalité qui caractérise l’adjoint pv ˝ uq˚ . Ź

Proposition 12.2.4 – Double-adjoint

L’application u ÞÑ u˚ de LpEq dans lui-même est involutif. En d’autres termes, pour tout u P LpEq,

pu˚ q˚ “ u.

Ÿ Éléments de preuve.
Simplifier xpu˚ q˚ pxq, yy. La symétrie du produit scalaire pourra être utile pour se ramener de façon
précise à la définition. Ź

Proposition 12.2.5 – Stabilité par u˚ de l’orthogonal d’un sous-espace stable

Soit E un espace euclidien, et u P LpEq. Soit F un sous-espace de E. Les propositions suivantes
sont équivalentes:
(i) F est stable par u
II Endomorphismes autoadjoints 189

(ii) F K est stable par u˚ .

Ÿ Éléments de preuve.
Sens direct : calculer xu˚ pxq, yy pour x P F K et y P F .
Sens réciproque : cela se ramène au sens direct, par involutivité du passage à l’adjoint et du passage
au supplémentaire orthogonal. Ź

Proposition 12.2.6 – Relations entre images et noyaux, HP

Soit E un espace euclidien et u P LpEq. Alors

Kerpu˚ q “ pImpuqqK et Impu˚ q “ KerpuqK .

Ÿ Éléments de preuve.
La première égalité provient de l’équivalence x P Kerpu˚ q ssi @y P E, xu˚ pxq, yy “ 0, puis utiliser la
définition de l’adjoint.
La seconde égalité se ramène à la première en remplaçant u par u˚ . Ź

Corollaire 12.2.7 – Rang d’un adjoint

Soit E un espace euclidien, et u un endomorphisme de E. Alors

rgpu˚ q “ rgpuq.

Une interprétation matricielle permet de relier ce résultat à un résultat déjà connu, démontré de façon
algorithmique.

Proposition 12.2.8 – Représentation matricielle d’un adjoint

Soit E un espace euclidien, muni d’une base orthonormale B, et u P LpEq. Alors

MatB pu˚ q “ MatB puqJ .

Ÿ Éléments de preuve.
Les formes bilinéaires px, yq ÞÑ xu˚ pxq, yy et px, yq ÞÑ xx, upyqy ont des matrices dans B respectivement
associées à MatB pu˚ qJ et à MatB puq, et sont égales. Ź
L’égalité des rangs de u et u˚ provient alors de l’invariance du rang par transposition. Ce résultat est
plus général que celui qu’on a prouvé ci-dessus (car valide pour des matrices de tout format), mais la
démonstration ci-dessus donne un éclairage géométrique à un résultat qui sinon reste purement algorith-
mique. D’ailleurs, on pourrait adapter cette démonstration à la situation générale, en considérant des
applications linéaires entre 2 espaces euclidiens E et F .
Le déterminant, la trace, le polynôme minimal et le polynôme caractéristique sont aussi invariants par
transposition. On obtient donc :

Proposition 12.2.9 – Rang, trace, déterminant, spectre d’un adjoint

Soit E un espace euclidien, et u P LpEq. Alors :
1. rgpu˚ q “ rgpuq
2. trpu˚ q “ trpuq
3. detpu˚ q “ detpuq
4. µu˚ “ µu
5. χu˚ “ χu
190 CHAPITRE 12. ENDOMORPHISMES D’UN ESPACE EUCLIDIEN

6. Sppu˚ q “ Sppuq, avec égalité des multiplicités (algébriques).

II.2 Endomorphismes autoadjoints

Une situation particulière importante est le cas des endomorphismes égaux à leur adjoint.

Définition 12.2.10 – Endomorphisme autoadjoint

Soit E un espace euclidien, et u P LpEq. On dit que u est un endomorphisme autoadjoint (ou
endomorphisme symétrique) si u “ u˚
On note SpEq l’ensemble des automorphismes auto-adjoints de E.

Remarque 12.2.11
La notation utilisée se réfère à la terminologie « endomorphisme syémtrique », qui s’explique par
l’aspect matriciel évoqué ci-dessous. Mais le programmme officiel stipule explicitement de privilégier
la terminologie « endomorphisme autoadjoint ».

La propriété de stabilité des supplémentaires orthogonaux se réexprime dans ce contexte de la façon

suivante :
Proposition 12.2.12 – Orthogonal d’un sous-espace stable par un endomorphisme autoadjoint
Soit E un espace euclidien, et u en endomorphisme autoadjoint de E. Soit F un sous-espace de E.
Les propositions suivantes sont équivalentes:
(i) F est stable par u
(ii) F K est stable par u.
De plus, si cette propriété est vérifiée, les endomorphismes induits uF et uF K sont eux-même au-
toadjoints.

Proposition 12.2.13 – Caractérisation des endomorphismes auto-adjoints

Soit E un espace euclidien et u P LpEq. Les propositions suivantes sont équivalentes:
(i) u est un endomorphisme autoadjoint ;
(ii) @px, yq P E 2 , xupxq, yy “ xx, upyqy ;
(iii) pour tout b.o.n. B de E, MatB puq P Sn pRq ;
(iv) il existe une b.o.n. B de E telle que MatB puq P Sn pRq.

Ÿ Éléments de preuve.
‚ piq ðñ piiq par définition
‚ piq ùñ piiiq par description matricielle de l’adjoint.
‚ piiiq ùñ pivq par existence d’une b.o.n.
‚ pivq ùñ piq aussi par description matricielle de l’adjoint.
Ź
Ainsi, les endormophismes autoadjoints sont exactement les endomorphismes dont la matrice est symé-
trique (réelle) en base orthonormale.
Vous avez peut-être déjà remarqué au cours d’exercices que lorsque vous exprimez la matrice d’un pro-
jecteur orthogonal en base orthonormale, vous obtenez une matrice symétrique. Cela n’est pas un hasard,
et résulte de la proposition suivante.
II Endomorphismes autoadjoints 191

Proposition 12.2.14 – Caractérisation des projecteurs orthogonaux parmi les projecteurs

Soit E un espace euclidien, et p P LpEq un projecteur de E. Les propositions suivantes sont équiva-
lentes:
(i) p est un projecteur orthogonal
(ii) p est un endomorphisme autoadjoint (et un projecteur par hypothèse)

II.3 Théorème spectral

Dans cette section, nous nous intéressons à la réduction des endomorphismes autoadjoints. Le théorème
principal est la diagonalisabilité des endomorphismes autoadjoints, en base orthonormale.
Dans tout ce paragraphe, E est un espace euclidien. Le corps de base est donc R, et le spectre est donc
un sous-ensemble de R. Même lors des traductions matricielles, le spectre sera toujours considéré dans R.
Le point clé permettant la diagonalisation des endomorphismes autoadjoints est l’existence d’au moins
une valeur propre réelle d’une matrice symétrique réelle.

Lemme 12.2.15 – Spectre d’une matrice symétrique réelle

Soit M P Sn pRq. Alors SppM q ‰ ∅.

Ÿ Éléments de preuve.
Considérer (exceptionnellement) une valeur propre complexe λ (pourquoi en existe-t-il une ?) et un
J J
vecteur propre complexe X associé. Considérer X M X “ λX X, transposer et conjuguer, pour
conclure que λ “ λ. Qu’en déduire sur les racines du polynôme caractéristique de M ?
C’est la seule incursion dans les complexes, désormais, on travaille exclusivement dans R. Ź

Corollaire 12.2.16 – Spectre d’un endomorphisme autoadjoint

Soit u P SpEq. Alors Sppuq ‰ ∅.

Théorème 12.2.17 – Théorème spectral

Soit E un espace euclidien, et u P LpEq. Les propositions suivantes sont équivalentes:
(i) u P SpEq
K
à
(ii) E “ Eλ puq
λPSppuq

(iii) u est diagonalisable en b.o.n.

(iv) il existe une b.o.n. B telle que MatB puq P Dn pRq.

Corollaire 12.2.18 – Diagonalisabilité des matrices symétriques réelles

Soit M P Mn pRq. Les propositions suivantes sont équivalentes:
(i) M P Sn pRq
(ii) M est orthogonalement semblable à une matrice orthogonale.

Avertissement 12.2.19
Une matrice symétrique de Mn pCq n’est pas nécessairement diagonalisable !
192 CHAPITRE 12. ENDOMORPHISMES D’UN ESPACE EUCLIDIEN

II.4 Endomorphismes autoadjoints positifs

Au voisinage d’un point critique, une application de classe C 2 sue un ouvert U de Rn pourra être approchée
localement au second ordre par une application f pX0 q ` H T SH, où H “ X ´ X0 et S est une matrice
symétrique, appelée matrice hessienne de f . On s’intéressera alors au signe de H J SH, afin de déterminer
si la fonction présente en X0 un extremum local ou non. Cette expression s’apparente à une expression
du type xx, upxqy, où u est un endomorphisme autoadjoint. Pour cette raison, l’étude du signe de telles
expressions revêt une grande importance.

Définition 12.2.20 – Endomorphismes autoadjoints (définis) positifs

Soit E un espace euclidien, et u P SpEq.
1. On dit que u est un endomorphisme autoadjoint positif si @x P E, xx, upxqy ě 0.
On note S ` pEq l’ensemble des automorphismes autoadjoints positifs.
2. On dit que u est un endomorphsime autoadjoint défini positif si @x P Ezt0u, xx, upxqy ą 0.
On note S `` pEq l’ensemble des automorphismes autoadjoints définis positifs.

Proposition 12.2.21 – Caract. spectrale des endomorphismes autoadjoints positifs

Soit u P SpEq. Les propositions suivantes sont équivalentes:
(i) u est autoadjoint positif
(ii) Sppuq Ă R`

Proposition 12.2.22 – Caract. spectrale des endomorphismes autoadjoints définis positifs

Soit u P SpEq. Les propositions suivantes sont équivalentes:
(i) u est autoadjoint défini positif
(ii) Sppuq Ă R˚`

Ces définitions et propriétés se traduisent bien matriciellement.

Définition 12.2.23 – Matrices symétriques (définies) positifs

M P Sn pRq.
1. On dit que M est une matrice syémtrique positive si @X P Mn,1 pRq, X J M X ě 0.
On note Sn` pRq l’ensemble des matrices symétriques positives. M est une matrice syémtrique
positive si @X P Mn,1 pRqzt0u, X J M X ą 0.
On note Sn`` pRq l’ensemble des matrices symétriques définies positives.

Proposition 12.2.24 – Caract. spectrale des matrices syémtriques positives

Soit M P Sn pRq. Les propositions suivantes sont équivalentes:
(i) M est symétrique positive
(ii) SppM q Ă R`

Proposition 12.2.25 – Caract. spectrale des matrices syémtriques définies positives

Soit u P Sn pEq. Les propositions suivantes sont équivalentes:
(i) M est symétrique définie positive
(ii) SppM q Ă R˚`
III Isométries vectorielles 193

Exemples 12.2.26
1. Pour toute matrice M P Mn pRq, M J est symétrique positive. Elle est définie positive ssi
M P GLn pRq.
2. Une matrice M est symétrique définie positive ssi c’est la matrice d’un produit scalaire
relativement à une base B arbitraire.
3. Une matrice M est symétrique définie positive si et seulement s’il existe P P GLn pRq telle
que M “ P J P .
4. Les matrices suivantes sont-elles positives, définies positives ?

?1
¨ ˛ ¨ ˛ ¨ ˛
1 0 1 1 0 21 1 0 2
M1 “ ˝0 1 1‚, M2 “ ˝ 0 1 2 ‚, 1‹
M3 “ ˝ 0 1 ?1 ‚.
˚ ‹ ˚ ˚ ‹
2
1 1 ?1 ?1
1 1 1 2 2 1 1
2 2

III Isométries vectorielles

III.1 Définitions
Définition 12.3.1 – Isométrie vectorielle
‚ Soit E un espace euclidien. Une isométrie vectorielle est un endomorphismes u P LpEq
conservant la norme, c’est-à-dire tel que

@x P E, }upxq} “ }x}.

Une isométrie vectorielle est parfois aussi appelée endomorphisme orthogonal.

‚ On note OpEq l’ensemble des isométries vectorielles de E.

Proposition 12.3.2 – Structure de Opnq; groupe orthogonal

pOpnq, ˝q est un sous-groupe de GLpEq. Il est appelé groupe orthogonal de E

Ÿ Éléments de preuve.
‚ La conservation de la norme et la séparation des normes permet de décrire facilement Kerpuq,
pour u P Opnq. Un argument de dimension montre alors l’inclusion dans GLpEq.
‚ La structure de sous-groupe se vérifie facilement ensuite.
Ź

Exemples 12.3.3
Les endomorphismes de R2 (muni du ps usuel) canoniquement associés à Rpθq et Spθq sont des
isométries. Pouvez-vous les décrire géométriquement en analysant l’image de la base canonique ?

L’exemple de Spθq se généralise facilement à tout espace

Définition 12.3.4 – Symétries orthogonales, réflexions

Soit E un espace euclidien, et s P LpEq.
‚ s est une symétrie orthogonale ssi il existe un sous-espace F de E tel que s soit la symétrie
par rapport à F , parallèlement à F K .
‚ s est une réflexion si et seulement si s est une symétrie orthogonal par rapport à un hyperplan
P.
194 CHAPITRE 12. ENDOMORPHISMES D’UN ESPACE EUCLIDIEN

Remarque 12.3.5
‚ Une symétrie orthogonale par rapport à une droite D est appelée symétrie d’axe D.
‚ Une symétrie orthogonale (mais il n’y a pas trop le choix...) par rapport à t0u est appelée
symétrie centrale.

Proposition 12.3.6 – Les symétries orthogonales sont des isométries

Yep !

Ÿ Éléments de preuve.
Décomposer x “ xF ` xF K , exprimer spxq à l’aide de cette décomposition, et comparer }x} et }spxq}
grâce au théorème de Pythagore. Ź

Proposition 12.3.7 – Caractérisations des isométries

Soit u P LpEq. Les propositions suivantes sont équivalentes:
(i) u P Opnq
(ii) @px, yq P E 2 , xupxq, upyqy “ xx, yy
(caractérisation par conservation du produit scalaire)
(iii) pour toute b.o.n. B “ pb1 , . . . , bn q, la famille upBq “ pupb1 q, . . . , upbn qq est encore une b.o.n.
(caractérisation par l’image des bases orthonormales) ;
(iv) il existe une b.o.n. B “ pb1 , . . . , bn q telle que upBq “ pupb1 q, . . . , upbn qq soit encore une b.o.n.
(caractérisation par l’image d’une base orthonormale) ;
(v) pour toute b.o.n. B “ pb1 , . . . , bn q, MatB puq P On pRq ;
(caractérisation par sa matrice dans toute base orthonormale)
(vi) il existe une b.o.n. B “ pb1 , . . . , bn q, telle que MatB puq P On pRq ;
(caractérisation par sa matrice dans une base orthonormale)
(vii) u˚ “ u´1
(caractérisation par l’adjoint)

Ÿ Éléments de preuve.
‚ piq ùñ piiq en considérant }upx ` yq}. La réciproque est évidente.
‚ piiq ùñ piiiq ùñ pivq ùñ pviq ùñ pvq ùñ pviiq ùñ piiq ; ce n’est évidemment pas le seul
parcours possible.
Ź

Remarques 12.3.8
1. En particulier, le point (ii) assure qu’une isométrie conserve l’orthogonalité. Mais la conser-
vation de l’orthogonalité n’est pas suffisante pour caractériser les isométries.
2. Les points (v) et (vi) justifient la terminologie « endomorphisme orthogonal. Le programme
mentionne les deux terminologies, mais stipule de privilégier « isométrie vectorielle ».
3. Les points (v) et (vi) justifient également la ressemblance de notation et la correspondance
des terminologies utilisées pour désigner le groupe des isométries et le groupe des matrices
orthogonales. Plus précisément, u ÞÑ MatB puq est un isomorphisme entre OpEq et On pRq.
III Isométries vectorielles 195

Exemple 12.3.9
‚ Soit s une symétrie orthogonale. Trouver une b.o.n. dans laquelle MatB psq est orthogonale.
Remarquez que cela propose une alternative à la preuve précédente du caractère isométrique
des symétries orthogonales.
‚ Une symétrie s P LpEq est orthogonale ssi s˚ “ s

Ce dernier point permet de caractériser les symétries qui sont des isométries.
Proposition 12.3.10 – Caractérisation des symétries isométriques
Soit s une symétrie de E. Alors s est une isométrie ssi s est une symétrie orthogonale.

Les points pvq et pviq donnent accès au déterminant d’une isométrie vectorielle

Proposition 12.3.11 – Isométries directes et indirectes

Soit u P OpEq. Alors detpuq P t´1, 1u.
‚ Si detpuq “ 1, on dit que u est une isométrie directe.
‚ Si detpuq “ ´1, on dit que u est une isométrie indirecte.

Proposition/Définition 12.3.12 – Groupe spécial orthogonal

On note SOpEq l’ensemble des isométries indirectes de E
C’est un sous-groupe de OpEq, appelé groupe spécial orthogonal.

Remarques 12.3.13
‚ L’égalité |detpuq| “ 1 est assez naturelle, puisque le déterminant calcule l’effet sur les volumes
de l’endomorphisme u : detpuq est le coefficient de proportionnalité entre le volume orienté
du parallélotope engendré par px1 , . . . , xn q et le volume orienté du parallélotope engendré
par pupx1 q, . . . , upxn qq.
Ainsi, l’égalité |detpuq| “ 1 ne fait que traduire le fait qu’un isométrie conserve les configu-
rations spaciales, et donc les volumes.
‚ Les isométries directes sont celles qui conservent l’orientation des b.o.n., les isométries indi-
rectes sont celles qui inverse l’orientation des b.o.n.

Exemple 12.3.14
‚ Caractériser les syémtries orthogonales qui sont dans SOpEq.
‚ Une réflexion est-elle une isométrie directe ?
‚ À quelle condition sur E une symétrie d’axe D est-elle une isométrie directe ?

III.2 Matrices orthogonales de M2 pRq

Dans ce paragraphe, nous donnons la description complète des isométries d’un espace de dimension 2.
Au passage, nous définierons la notion d’angle dans un espace euclidien de dimension 2 quelconque, en
supposant connue la notion d’angle dans le plan euclidien usuel.
Nous donnons dans cette section une description complète des isométries en dimension 2. Pour cela, nous
commençons par déterminer les matrices orthogonales de M2 pRq.

Proposition 12.3.15 – Matrices orthogonales de M2 pRq

˜ ¸
cospθq ´ sinpθq
(i) Soit M P SOp2q, alors il existe θ P R tel que M “ ;
sinpθq cospθq
196 CHAPITRE 12. ENDOMORPHISMES D’UN ESPACE EUCLIDIEN

˜ ¸
cospθq sinpθq
(ii) Soit M P Op2qzSOp2q, alors il existe θ P R tel que M “ ;
sinpθq ´ cospθq
Ces descriptions sont uniques modulo 2π.

Ÿ Éléments de preuve. ˜ ¸
cospθq
En notant C1 et C2 les colonnes de M , C1 est de norme 1 et peut donc s’écrire . Le vecteur
sinpθq
C2 doit être orthogonal à C1 et unitaire aussi. Cela ne laisse que deux possibilités. Ź
On note : ˜ ¸ ˜ ¸
cospθq ´ sinpθq cospθq sinpθq
Rpθq “ et Spθq “ .
sinpθq cospθq sinpθq ´ cospθq

Proposition 12.3.16 – produits dans Op2q

Soit θ, θ1 dans R.
(i) Rp0q “ I2
(ii) RpθqRpθ1 q “ Rpθ ` θ1 q “ Rpθ1 qRpθq
(iii) Rpθq´1 “ Rp´θq.
(iv) SpθqSpθ1 q “ Rpθ ´ θ1 q
(v) SpθqRpθ1 q “ Spθ ´ θ1 q
(vi) RpθqSpθ1 q “ Spθ ` θ1 q.

Ÿ Éléments de preuve.
Calcul direct et peu intéressant, basé sur les formules de trigonométrie Ź
En particulier, on reconnaît en SOp2q un groupe qu’on a déjà rencontré.

Théorème 12.3.17 – SOp2q est isomorphe à U

L’application qui à Rpθq associe ei θ est un isomorphisme de groupe entre SOp2q et U.
En particulier, SOp2q est commutatif.

Ÿ Éléments de preuve.
Montrer qu’on peut passer θ ÞÑ Rpθq au quotient (de R par 2πZ). Ź

III.3 Isométries en dimension 2

De l’étude précédente, et de la caractérisation matricielle des isométries, il découle de façon immédiate
que l’on sait décrire explicitement toutes les isométries d’un espace euclidien de dimension 2.

Lemme 12.3.18 – Matrices orthogonalement semblables à Rpθq

La seule matrice orthogonalement semblable à Rpθq est Rpθq elle-même.

Définition 12.3.19 – Rotation d’angle θ

Soit E un espace euclidien de dimension 2. On dit que u P LpEq est une rotation d’angle θ s’il existe
une b.o.n. B telle que MatB puq “ Rpthetaq.
En vertu du lemme précédent, cette définition est indépendante du choix de la b.o.n. B et on aura,
pour toute b.o.n. C, MatC puq “ Rpθq.
On notera ρθ la rotation d’angle θ.

D’après les résultats précédents sur les matrices Rpθq, on obtient ρθ “ ρtheta1 ssi θ ” θ1 r2πs.
III Isométries vectorielles 197

Théorème 12.3.20 – Classification des isométries en dimension 2

Soit E un espace euclidien de dimension 2.
1. Les éléments de SOp2q sont exactement les rotations
2. Les éléments de Op2qzSOp2q sont exactement les réflexions.

Ÿ Éléments de preuve.
Le premier point résulte de la description de SO2 pRRq et de la définition des rotations.
Pour le second point, une inclusion est déjà acquise. Pour la seconde, constater que Spθq2 “ I2 , donc
les éléments de Op2qzSOp2q sont des symétries. Une propriété précédente caractérise les symétries
isométriques parmi toutes les symétries. Ź

Les règles de produit matriciel dans SOp2q amènent directement les règles de composition des rotations,
dont l’interprétation géométrique est assez intuitive :

Proposition 12.3.21 – Inverse et composée de deux rotations

(i) ρ0 “ idE
(ii) Pour tout pθ, θ1 q P R, ρθ ˝ ρθ1 “ ρθ`θ1 “ ρθ1 ˝ ρθ
(iii) Pour tout θ P R, ρ´1
θ “ ρ´θ .

Nous pouvons définir la notion d’angle orienté entre deux vecteurs grâce aux rotations. Pour cela, nous
utilisons le lemme suivant :

Lemme 12.3.22
Soit E un espace euclidien orienté, et soit x et y deux vecteurs de norme 1 de E. Il existe une unique
rotation ρ telle que ρpxq “ y.

Ÿ Éléments de preuve.
Si on se fixe une orientation, il existe une unique b.o.n. directe B de premier vecteur x et une unique
b.o.n. directe C de premier vecteur y. La rotation ρ doit nécessairement envoyer B sur C. Ź

Définition 12.3.23 – Angle orienté entre deux vecteurs

Soit E un espace vectoriel orienté, et x et y deux vecteurs non nuls de E. Alors l’angle orienté px,
z yq
est l’angle θ, défini modulo 2π, de l’unique rotation ρ telle que
ˆ ˙
x y
ρ “ .
}x} }y}

Proposition 12.3.24 – Réflexion de matrice Spθq

Soit E un espace euclidien de dimension 2, s P OpEqzSOpEq, et B “ pb1 , b2 q une b.o.n. de E. Il
existe donc θ P R tel que MatB psq “ Spθq.
θ
Alors, s est la réflexion par rapport à la droite dirigée par un vecteur unitaire u tel que pb
{ 1 , uq “ 2 .

Ÿ Éléments de preuve.
Faire un changement de base pour exprimer s dans l’unique base pu, vq telle que pu, vq soit orthonor-
male de même orientation que B. Que peut-on dire de la matrice de passage ?
Ź
198 CHAPITRE 12. ENDOMORPHISMES D’UN ESPACE EUCLIDIEN

III.4 Réduction des isométries

On cherche maintenant à décrire toutes les isométries de E. On montre plus précisément qu’un endomor-
phisme est une isométrie si et seulement s’il existe une b.o.n. dans laquelle sa matrice est diagonale par
bloc, chaque bloc étant de la forme 1, ´1, Rpθq.
Dans cette section, E désigne un espace euclidien.

Lemme 12.3.25 – Stabilité des orthogonaux

Soit u une isométrie, et F un sous-espace stable par u. Alors F K est aussi stable par u.

Ÿ Éléments de preuve.
Passer par u˚ , et le fait que u´1 est un isomorphisme. Ź

Lemme 12.3.26 – Existence d’un sous-espace strict stable

Soit E de dimension au moins 3, et soit u P OpEq. Il existe F un sous-espace de E, distinct de t0u
et de E, tel que F soit stable par u.

Ÿ Éléments de preuve.
Considérer un facteur irréductible P de χu , de degré d, et un vecteur x P KerpP puqq. Justifier que
Vectpx, upxq, . . . , ud´1 pxqq est stable par u. Ź

Théorème 12.3.27 – Réduction des isométries

Soit u un isométrie. Il existe une b.o.n. B, des entiers naturels p, q et k, et des réels θ1 , . . . , θk P RzπZ
tels que MatB puq soit diagonale par blocs de la forme
¨ ˛
Ip 0 ¨¨¨ ¨¨¨ 0
˚ .. .. ‹
˚ 0 ´I
˚ q . . ‹‹
˚. . . . ‹
MatB puq “ ˚ ..
˚ . . Rpθ q
1
.. .. ‹
‹
˚.
.. ..
‹
˚.
. .
‹
˝. 0 ‚
0 ¨¨¨ ¨¨¨ 0 Rpθk q

Réciproquement, tout endomorphisme se réduisant ainsi en base orthonormale est une isométrie.

Ÿ Éléments de preuve.
Par récurrence forte. Puisque le lemme donnant l’existence d’un sous-espace stable strict est valide
uniquement à partir de la dimension 3, il faut initialiser pour E de dimension inférieure ou égale à
2. L’étude précédente nous donne le cas dimpEq “ 2. Ź

Corollaire 12.3.28 – Classification des isométries en dimension 3

Toute isométrie d’un espace euclidien de dimension 3 se réduit sous l’une des formes suivantes, en
base orthonormale B “ pb1 , b2 , b3 q :
¨ ˛
1 0 0
1. Isométrie directe : ˝0 cos θ ´ sin θ‚, θ P R
˚ ‹
0 sin θ cos θ
(rotation autour de l’axe Rb1 , dans le plan Vectpb2 , b3 q)
¨ ˛
´1 0 0
2. Isométries indirectes : ˝ 0 cos θ ´ sin θ‚
˚ ‹
0 sin θ cos θ
(rotation autour de l’axe Rb1 et réflexion par rapport à Vectpb2 , b3 q)
 13
Séries entières

On étudie dans ce chapitre un cas particulier important de séries de fonctions : les séries entières, de
la forme an xn . Ces séries apparaissent notamment de façon naturel comme prolongement à l’infini de
ř

developpements limités en 0, et on peut donc légitimement se demander si une fonction f de classe C 8

peut s’écrire, au moins localement, sous forme d’une série entière, qui correspondrait au prolongement
infini de ses développements limités (donc de la formule de Taylor-Young), c’est-à-dire à sa série de Taylor.
Nous nous intéresserons à cette question en fin de chapitre, après avoir donné les définitions et les
propriétés générales liées à la convergence, ainsi qu’à la régularité de la somme.
Dans tout ce chapitre, K “ R ou C.

I Définitions, convergence
I.1 Définition
Définition 13.1.1 – Série entière
ř
‚ Une série entière est une suite de fonctions fn où pfn q est de la forme

fn : x ÞÑ an xn , avec pan q P KN .
ÿ
an z n la série entière associée à la suite pan q, ou éventuellement an z n si
ř
‚ On note
něn0
l’indexation commence au rang n0 .
‚

Convention 13.1.2 – Variable réelle ou complexe

an z n lorsqu’on considère la série de la variable complexe
ř
On utilise généralement la notation
an xn ou an tn lorsqu’on considère la série de la variable réelle x ou t dans R (y
ř ř
z P C, et
compris si les coefficients an sont complexes).

Avertissement 13.1.3
Les coefficients an doivent être indépendants de la variable z (ou x ou t).

Exemples 13.1.4
Les séries de fonctions suivantes sont-elles des séries entières ?
ř n
1. z
ř n
2. nz
200 CHAPITRE 13. SÉRIES ENTIÈRES

nz n´1
ř
3.
nz n´2
ř
4.
2
lnpnqz n
ř
5.
ně1
ř z n
6. 2 z

I.2 Domaine de convergence, rayon de convergence

Nous allons montrer dans ce paragraphe que les séries entières ont un domaine de convergence d’une
forme très précise : il s’agit de disques centrés en 0, contenant ou non certains points de leurs bords.
Ce disque peut éventuellement être réduit à un point, ou inclure R ou C tout entier. Le point clé pour
obtenir cette description est le lemme d’Abel.
Dans toute cette section, an z n désigne une série entière sur K.
ř

Lemme 13.1.5 – Abel

Soit z0 P K. Si pan z0n qnPN est bornée, alors pour tout z P B̊p0, |z0 |q, an z n converge absolument.
ř

Ÿ Éléments de preuve. ˇ ˇ
ˇ z ˇn
Écrire |an z n | “ |an z0n | ¨ ˇˇ ˇˇ Ź
z0

Remarque 13.1.6
En particulier, si an z0n converge, alors an z n converge absolument sur B̊p0, |z0 |q.
ř ř

Le lemme d’Abel motive la définition suivante.

Définition 13.1.7 – Rayon de convergence
On appelle rayon de convergence de la série an z n l’élément suivant, bien défini dans R` :
ř

R “ suptr P R` , pan rn qnPN bornéeu.

Exemples 13.1.8
nα z n , α P R, à partir de la définition.
ř
1. Rayon de convergence de
ř zn
2. Rayon de convergence de n!
n!z n .
ř
3. Rayon de convergence de

Par convention, si R “ `8, B̊p0, Rq désigne K tout entier, et si R “ 0, B̊p0, Rq “ ∅.

De la définition-même résulte la propriété suivante.

Proposition 13.1.9 – Rayon de λan z n

ř

Soit λ P K˚ . Les séries an z n et λan z n ont même rayon de convergence.

ř ř

Théorème 13.1.10 – Domaine de convergence d’une série entière

Soit an z n une série entière de rayon de convergence R.
ř

1. La série an z n converge absolument sur B̊p0, Rq (i.e. si |z| ă R).

ř

2. La série an z n diverge grossièrement sur KzBp0, Rq (i.e. si |z| ą R)

ř

3. La convergence pour |z| “ R peut varier suivant les séries et suivant la valeur de z.
B̊p0, Rq est appelé disque ouvert (ou intervalle ouvert dans R) de convergence de la série entière
I Définitions, convergence 201

an z n , et est parfois aussi noté DO p0, Rq.

ř

Ÿ Éléments de preuve.
Pour z P B̊p0, Rq, considérer r tel que |z| ă r ă R, et appliquer le lemme d’Abel. Ź

Remarque 13.1.11
Le théorème de convergence des séries entières donne un moyen de déterminer le rayon de conver-
gence, par étude directe du domaine de convergence. Le rayon R délimite alors la zone de conver-
gence et la zone de divergence. Il n’est pas nécessaire d’étudier toutes les propriétés de convergence :
par exemple, trouver un z0 tel que an z0n converge, mais an z n diverge si |z| ą |z0 | permet de
ř ř

déterminer R.

Exemples 13.1.12
1. Reprendre les exemples précédents.
2
2. Rayon de convergence de lnpnqz n
ř

3. Étude sur le cercle des séries suivantes :

ř n
(a) z
ř zn
(b) 2
ř znn
(c) n .

Remarque 13.1.13
‚ Si an Rn converge absolument, alors an z n est convergente (absolument) sur Bp0, Rq.
ř ř

‚ Si an Rn diverge grossièrement, alors suman z n diverge (grossièrement) sur KzB̊p0, Rq.

ř

Corollaire 13.1.14 – Rayon de convergence associé à une suite de somme convergente

Soit pan q telle que an converge. Alors le rayon de convergence de an z n est au moins égal à 1.
ř ř

Nous recontrerons cette situation en probabilités : si X est une variable aléatoire à valeurs dans N, cela
permet de s’assurer que le rayon de convergence de P pX “ nqtn est au moins égal à 1. Cette série est
ř

appelée série génératrice de la variable aléatoire X.

Nous donnons maintenant quelques moyens de calcul du rayon de convergence. Nous ferons un bilan de
ces méthodes en fin de paragraphe.

Proposition 13.1.15 – Règle de d’Alembert

Soit an z n une série entière telle que |a|an`1

n|
an z n
ř ř
| ÝÑ ℓ P R` . Alors le rayon de convergence de
1
est R “ ℓ P R`

Remarque 13.1.16
|an`1 |
Ainsi, sous réserve d’existence de cette limite, R “ lim .
nÑ`8 |an |
an`1
Le programme officiel stipule que « la limite du rapport peut être utilisée directement.
an

Exemple 13.1.17
ř `2n˘
Rayon de convergence de n zn.
202 CHAPITRE 13. SÉRIES ENTIÈRES

Avertissement 13.1.18
Attention au fait qu’il est important ici que l’indice de an corresponde bien à l’exposant en z. Le
résultat ne peut pas être mis en oeuvre pour des séries « à trous ».

Exemples 13.1.19
ř `2n˘ 2n`1
1. Rayon de convergence de n z .
2
n n
ř
2. Rayon de convergence de e z .

Les propriétés suivantes permettent de comparer les rayons de convergence de deux séries entières.
Théorème 13.1.20 – Theorème de comparaison des rayons de convergence
Soit an z n et bn z n deux séries entières, de rayons respectifs Ra et Rb , et n0 P N.
ř ř

1. Si pour tout n ě n0 , |an | ď |bn |, alors Ra ě Rb .

2. Si an “ Opbn q (a fortiori si an “ opbn q), alors Ra ě Rb .
3. Si an „ bn , alors Ra “ Rb .
`8

Ÿ Éléments de preuve.
Pour 1, on peut revenir à la définition. Pour 2, on se ramène à 1, en utilisant la comparaison des
rayons de bn z n et de M bn z n . Le 3 résulte directement de 2.
ř ř
Ź

Corollaire 13.1.21
an z n une série entière de rayon de convergence R. Alors něn0 nan z n est de rayon de
ř ř
Soit
convergence R.

Ÿ Éléments de preuve.
Une inégalité provient de la comparaison an “ Opnan q.
La deuxième s’obtient par comparaison de nan z n à an rn , pour |z| ă r ă R. Ź

Exemples 13.1.22
an z n , nan z n et nan z n´1 ont même rayon de convergence.
ř ř ř
1.
ně1
ř an n
an z n et
ř
2. n z ont même rayon de convergence.
ně1
3. Pour toute fraction rationnelle F non nulle, et n0 assez grand, něn0 F pnqan z n a même
ř

rayon de convergence que an z n .

ř

Méthode 13.1.23 – Déterminer un rayon de convergence

‚ On pourra toujours commencer par simplifier l’expression en remplaçant an par un équivalent
(sans condition de signe). ˇ ˇ
‚ Dans les situations concrètes, si ˇ aan`1 ˇ admet une limite dans R` , utiliser la règle de d’Alem-
ˇ ˇ
n

bert. Veillez à ce que la série soit bien de la forme an z n .

ř

‚ Pour des séries à trous an z φpnq , on peut aussiˇ essayer d’utiliser

ř
ˇ la règle de d’Alembert,
ˇ an`1 zφpn`1q ˇ
directement sous cette forme (en considérant lim ˇ an zφpnq ˇ.
‚ De façon plus générale, étudier le domaine de conevergence par toute autre technique dispo-
nible, pour trouver le rayon qui sépare zone de convergence et zone de divergence.
‚ On peut parfois s’en sortir avec juste quelques valeurs. Si on trouve par exemple z1 et z2 tels
que |z1 | “ |z2 |, et tels que an z1n converge, alors que an z2n diverge, alors R “ |z1 | “ |z2 |.
ř ř

‚ Parfois une unique valeur peut suffire : la divergence non grossière de an z n ou la semi-
ř
I Définitions, convergence 203

convergence de an z n suffisent à savoir que z est sur le cercle limite. Ainsi, la divergence
ř
ř ř zn
non grossière de 1n suffit à conclure que n est de rayon de convergence 1.
‚ On peut aussi revenir à la définition et étudier le caractère borné de pan z n q, notamment à
l’aide des croissances comparées.
‚ Enfin, dans des situations un peu plus abstraites on pourra procéder par comparaisons.

I.3 Opérations sur les séries entières

Proposition 13.1.24 – Somme de deux séries entières
Soit an z n et bn z n deux séries entières de rayons Ra et Rb .
ř ř

1. Le rayon de convergence R de pan ` bn qz n vérifie R ě minpRa , Rb q.

ř

2. Si Ra ‰ Rb , le rayon de convergence R de pan ` bn qz n vérifie l’égalité R “ minpRa , Rb q

ř

3. Si Ra “ Rb , l’inégalité peut être stricte.

Évidemment, on a alors, pour tout |z| ă minpRa , Rb q,

`8
ÿ ÿ ÿ
pan ` bn qz n “ an z n ` bn z n .
n“0

Proposition 13.1.25 – Produit de Cauchy de deux séries entières

Soit an z n et bn z n deux séries entières de rayons Ra et Rb . Soit, pour tout n P N,
ř ř

n
ÿ
cn “ ak bn´k .
k“0

cn z n vérifie Rc ě minpRa , Rb q, et pour tout z tel que

ř
Alors le rayon de convergence Rc de
|z| ă minpRa , Rb q,
`8
ÿ `8
ÿ `8
ÿ
cn z n “ an z n bn z n .
n“0 n“0 n“0

Ÿ Éléments de preuve.
an z n et bn z n
ř ř
Les séries étant absolument convergentes, on peut faire le produit de Cauchy de
lorsque |z| ă minpRa , Rb q. Ź

Avertissement 13.1.26
L’inégalité peut être stricte.

Exemple 13.1.27
1
p´1qn xn et de n
ř ř
1. Rayon de convergence du produit de Cauchy de n x .
4t 2 u
pδn,0 ` 2n qz n et δn,0 n
ř ř
2. Rayon de convergence du produit de Cauchy de p´1q z .

Ce dernier exemple montre que le rayon de convergence du produit de Cauchy peut même être strictement
plus grand que le plus grand des deux rayons (merci Bertrand Hauchecorne pour cet exemple, extrait de
Les contre-exemples en mathématiques)

Remarque 13.1.28
On peut montrer que si pour tout n P N, an ě 0 et bn ě 0, alors Rc “ minpRa , Rb q.
204 CHAPITRE 13. SÉRIES ENTIÈRES

II Régularité de la somme d’une série entière

II.1 Convergence uniforme
Théorème 13.2.1 – Convergence uniforme locale sur le disque ouvert de convergence
Soit an z n une série entière de rayon de convergence R. Alors an z n est normalement, donc aussi
ř ř

uniformément convergence sur tout disque Bp0, rq, avec z ă R.

Ÿ Éléments de preuve.
Comparer à |an |rn qui converge puisque an z n est absolument convergente dans B̊p0, Rq.
ř ř
Ź

Remarque 13.2.2
Si an Rn converge absolument, la preuve s’adapte facilement pour montrer que an z n est uni-
ř ř

formément convergente sur le disque fermé. Bp0, Rq.

Le cas où on a un point du disque en lequel on a une semi-conevergence est plus délicat, mais on peut
quand même en dire quelque chose. Quitte à faire une rotation (consistant à remplacer an par an ei nθ ),
on peut supposer qu’on a convergence au point R.

Théorème 13.2.3 – Convergence uniforme sur un rayon en un point de convergence, HP

Soit an z n une série de rayon de convergence R ă `8. On suppose que an Rn converge. Alors
ř ř

an z n converge uniformément sur le rayon r0, Rs

ř

Ÿ Éléments de preuve.
`8
ÿ
Montrer que le reste ak z k converge uniformément vers 0, en faisant une transformation d’Abel,
k“n`1
en écrivant ak Rk “ Rk ´ Rk`1 , où
`8
ÿ
Rn “ ak Rk .
k“n`1
Ź

Remarque 13.2.4
1. Comme dit plus haut, ce résultat n’a d’intérêt que si la convergence n’est pas absolue. Dans
le cas d’une CVA, le résultat obtenu est plus fort
2. Attention à ne pas en conclure que an Rn converge uniformément au voisinage de R. Ceci
ř

est faux en général, et nécessiterait de maîtriser l’approche de R dans toutes les directions
(en restant dans le disque de convergence). Ici, on ne s’approche de R qu’en suivant un rayon.

II.2 Continuité et limite radiale

Les études de convergence uniforme ci-dessus amènent dirextement les propriétés de continuité des séries
entières.
Théorème 13.2.5 – Continuité d’une série entière
Soit an z n une série entière de rayon de convergence R, et de somme Apzq, pour z P B̊p0, Rq.
ř

Alors la fonction A est continue sur B̊p0, Rq.

II Régularité de la somme d’une série entière 205

Remarque 13.2.6
Si an Rn est absolument convergente, on a même la continuité de A sur Bp0, Rq.
ř

Théorème 13.2.7 – Théorème radial d’Abel

Soit an z n une série entière de rayon de convergence R, et de somme Apzq, pour z P B̊p0, Rq. Si
ř

an Rn converge, alors
ř
ÿ
lim an xn “ an Rn
xÑR´
xPR

Ÿ Éléments de preuve.
La démonstration est HP, pour éviter le théorème de CVU sur un rayon, dont le théorème d’Abel
radial est une conséquence immédiate par théorème de la double-limite.
Remarque : même si le théorème de CVU sur un rayon est HP, le théorème d’Abel radial est, lui,
bien au programme. Ź
Autrement dit, en combinant les deux résultats précédents, si an z n est de rayon R et an Rn converge,
ř ř

la fonction de la variable réelle x ÞÑ an xn est continue sur r0, Rs.

ř

Exemple 13.2.8
ř`8 n`1
On retrouver lnp2q “ n“1 p´1qn , connaissant le développement du logarithme sur s ´ 1, 1r.
Remarquez que la preuve qu’on en avait donnée reposait sur une transformation d’Abel. Il s’agissait
donc en fait de la preuve du théorème d’Abel radial, exprimée dans cette situation particulière.

Remarque 13.2.9
Le programme ne donne pas de résultat de primitivation spécifique aux séries entières, mais la
convergence uniforme sur les Bp0, rq, r ă R, permet d’utiliser le théorème de primitivation (et
d’intégration) des suites de fonctions sur tout intervalle ra, bs Ăs ´ R, Rr.

II.3 Dérivabilité et classe C 8

an z n et nan z n´1 ont même rayon de convergence. On peut itérer.
ř ř
On rappelle que ně1

Proposition 13.2.10 – Rayon de convergence des séries dérivées

Soit an z n une série entière de rayon R. Alors, pour tout p P N, la série
ř ř
npn ´ 1q . . . pn ´ p `
něp
1qz n´p “ pn ` 1q . . . pn ` pqz n est de rayon de convergence R.
ř
ně0

Pour étudier les propriétés de dérivabilité, on se limite à la variable réelle. On pourrait obtenir des
propriétés de dérivabilité en la variable complexe aussi (la dérivée étant aussi définie par limite du taux
d’accroissement), mais cela débouche sur la théorie des fonctions holomorphes, et dépasse largement le
cadre du programme.

Théorème 13.2.11 – Régularité de la somme d’une série entière

Soit an xn une série entière de la variable réelle x, de rayon de convergence R ą 0, et de somme
ř

égale à Apxq, pour x Ps ´ R, Rr. Alors A est de classe C 8 sur s ´ R, Rr, et pour tout p P N, et tout
x Ps ´ R, Rr,
`8
ÿ
Appq pxq “ pn ` 1q . . . pn ` pqxn .
n“0
206 CHAPITRE 13. SÉRIES ENTIÈRES

Exemple 13.2.12
On retrouve la formule du binôme négatif, en dérivant p fois la relation
`8
ÿ 1
xn “
n“0
1´x

sur s ´ 1, 1r, cette série entière étant de rayon 1.

Corollaire 13.2.13 – Expression des coefficients d’une série entière

Soit an xn une série entière de la variable réelle x, de rayon de convergence R ą 0, et de somme
ř

égale à Apxq, pour x Ps ´ R, Rr. Alors pour tout n P N,

Apnq
an “ .
n!

Corollaire 13.2.14 – Unicité du développement en série entière

1. Soit an xn et bn xn de sommes A et B, définies sur un intervalle s0, αs (α ą 0), et telles
ř ř

que A “ B sur s0, αs. Alors pour tout n P N, an “ bn .

2. En particulier, soit f une fonction de la variable réelle, à valeurs dans C, définie au moins
sur un intervalle s0, as, α ą 0. S’il existe une suite pan q telle que
ÿ
@x Ps0, αs, f pxq “ an xn ,
ně0

alors cette suite est unique.

On termine par une étude de dérivabilité au bord, qui sera bien utile en probabilités, pour l’étude des
séries génératrices de variables aléatoires, et le rapport avec les calculs d’espérance et de variance.

Proposition 13.2.15 – Dérivabilité au bord, HP ?

Soit an xn une série entière de rayon R, et de somme Apxq, pour x Ps ´ R, Rr.
ř

1. Si an Rn et nan Rn convergent, alors A se prolonge par continuité en R en une fonction

ř ř

de classe C 1 sur s ´ R, Rs, et

ÿ8
A1 pRq “ nan Rn´1 .
n“1

2. Réciproquement, on suppose que pour tout n P N, an ě 0, que an Rn converge, ce qui

ř

permet de définir A sur s ´ R, Rs. On suppose de plus que A est dérivable à gauche en R.
nan Rn´1 converge, et
ř
Alors
ně1

`8
ÿ
A1 pRq “ nan Rn´1 .
n“1

Ÿ Éléments de preuve.
1. Dans le sens direct, c’est le théorème radial d’Abel et le théorème de la classe C 1 par prolongement
(corollaire du théorème de la limite de la dérivée).
2. La démonstration du sens réciproque n’est pas exigible. Les hypothèses de positivité permettent
řn
d’obtenir la convexité sur s0, Rr, donc aussi sur s0, Rs. Majorer alors k“1 kak xn par A1 pRq, puis
passer à la limite quand x Ñ R´ , puis quand n Ñ `8.
Ź
III Développements en séries entières 207

Remarque 13.2.16
Ce théorème n’est explicitement au programme que dans un contexte de probabilités, avec un rayon
R “ 1, et des coefficients tous positifs. Il doit donc être en théorie redémontré dans toute autre
circonstance, notamment le sens direct, lorsqu’on n’a pas l’hypothèse de positivité.

III Développements en séries entières

III.1 Généralités sur les fonctions développables en séries entières
Définition 13.3.1 – Fonction développable en série entière
Soit f une fonction définie au voisinage de 0 (dans K). On dit que f est développable en série entière
au voisinage de 0, s’il existe r ą 0 et une suite pan qnPN P CN tel que pour tout z P B̊p0, rq,
ÿ
fn pzq “ an z n .
nPN

Pour un r ą 0 tel que cette égalité soit satisfaite, on dira que f est développable en série entière sur
B̊p0, rq.

an z n , on a nécessairement r ď R, mais pas

ř
Dans cette définition, si R est le rayon de convergence de
nécessairement l’égalité.

Proposition 13.3.2 – CN, et unicité du developpement en série entière

Soit f une application définie au voisinage de 0 (dans R ou C). Alors, pour que f soit développable
en série entière, la fonction de la variable réelle f|R , définie au voisinage de 0 doit être de classe C 8
et le développement s’écrit alors
`8
ÿ f pnq p0q
@z P B̊p0, rq, f pzq “ an z n , avec an “ .
n“0
n!

En particulier, en cas d’existence, le développement en série entière est unique.

Remarque 13.3.3 – Lien avec la série de Taylor

1. Lorsque f est DSE de la variable réelle, la série entière associée est nécessairement égale à la
ÿ f pnq p0q
série de Taylor xn .
n!
2. Réciproquement, pour f de classe C 8 , la série de Taylor en 0 peut converger sur un intervalle
s ´ r, rr sans être égale à f . Dans ce cas, f ne peut pas être développable en série entière.

Exemple 13.3.4
1
Soit f définie par f pxq “ e´ x2 si x ‰ 0, et f p0q “ 0. Montrer que f est de classe C 8 sur R, que
sa série de Taylor converge sur R tout entier, mais que f n’est pas développable en série entière au
voisinage de 0.

Proposition 13.3.5 – Opérations sur les fonctions développables en séries entières

Soit f et g deux fonctions développables en séries entières au vosinage de 0, et λ P C, dont le DSE
est donné respectivement par an z n et bn z n . Alors :
ř ř

1. f ` λg est développable en série entière, de DSE pan ` λbn qz n ;

ř
208 CHAPITRE 13. SÉRIES ENTIÈRES

an z n et bn z n .
ř ř
2. f g est développable en série entière, de DSE égal au produit de Cauchy de

III.2 DSE de l’exponentielle

On commence par redéfinir de façon propre la fonction exponentielle réelle

Proposition/Définition 13.3.6 – Définition de l’exponentielle réelle

Il existe une unique fonction f développable en série entière sur R, vérifiant f 1 “ f et f p0q “ 1.
Cette fonction est appelée exponentielle, notée exppxq, et vérifie
`8
ÿ xn
@x P R, exppxq “ .
n“0
n!

Ÿ Éléments de preuve.
Rechercher f sous la forme an xn , dériver et injecter dans l’équation différentielle. La relation sur
ř

pan q et la condition en 0 déterminent entièrement pan q. Ź

Remarque 13.3.7
1. Retenir cette méthode de recherche de développement en s’aidant d’une équation différen-
tielle. Cela permet de trouver de façon efficace le DSE de fonctions solutions d’équations
différentielles. Il est assez fréquent de commencer par rechercher ainsi les solutions dévelop-
pables en série entière d’une ED, qui aident souvent à trouver les autres.
2. Une fois l’existence d’une telle fonction obtenue, toutes les propriétés vue en première année
sont valides. En particulier, les propriétés liées à la résolution des équations différentielles
d’ordre 1. En particulier, le théorème de Cauchy Lipschitz pour les équations différentielles
d’ordre 1 est vérifié, ce qui assure en particulier l’unicité de la solution de f 1 “ f , tel que
f p0q “ 1. On en déduit que la fonction exp est non seulement unique parmi les fonctions
DSE, mais également parmi toutes les focntions dérivables.

Proposition 13.3.8 – DSE de cos et sin

La fonction φ : t ÞÑ cosptq`i sinptq vérifie l’équation différentielle φ1 “ i φ, et φp0q “ 1, donc l’unique
solution développable en série entière est
`8
ÿ pi tqn
t ÞÑ .
n“0
n!

Ainsi cos et sin sont DSE, et

`8 `8
ÿ t2n ÿ t2n`1
@t P R, cosptq “ p´1qn et sinptq “ p´1qn .
n“0
p2nq! n“0
p2n ` 1q!

De plus, on définit, pour t P R,

`8
ÿ pi tqn
exppi tq “ ei t “ “ cosptq ` i sinptq.
n“0
n!

Ÿ Éléments de preuve.
Même technique que pour exp, mais maintenant on connaît par avance l’unicité de la solution de
cette ED. Ź
III Développements en séries entières 209

Remarque 13.3.9
On peut aussi trouver les DSE de cos et sin en montrant que le reste de Taylor-Lagrange tend vers
0, par exemple avec l’inégalité de Taylor-Lagrange.

La définition suivante est un rappel :

Définition 13.3.10 – Exponentielle complexe

Pour z “ x ` i y, avec px, yq P R2 , on définit

exppzq “ ez “ ex ei y .

Théorème 13.3.11 – DSE de l’exponentielle complexe

La fonction exp est DSE sur C et
`8
ÿ zn
exppzq “ .
n“0
n!

Ÿ Éléments de preuve.
Par produit de Cauchy. Ź

III.3 DSE usuels

Définition 13.3.12 – Coefficient binomial étendu
ˆ ˙
α αpα ´ 1q ¨ ¨ ¨ pa ´ n ` 1q
Soit α P C et n P N. On note “ .
n n!

Proposition 13.3.13 – DSE usuels

`8
ÿ zn
1. ez “ pour z P C ;
n“0
n!
`8
1 ÿ
2. “ z n pour z P C, |z| ă 1
1 ´ z n“0
`8 `8 ˆ ˙
1 ÿ pn ` 1q . . . pn ` p ´ 1q
n
ÿ
n ´p
3. “ z “ p´1q z n pour z P C, |z| ă 1, p P N˚ .
p1 ´ zqp n“0
p! n“0
n
`8
ÿ ˆα ˙
4. p1 ` xqα “ xn pour x Ps ´ 1, 1r, α P C.
n“0
n
`8
ÿ p´1qn`1 n
5. lnp1 ` xq “ ¨ x , pour x Ps ´ 1, 1r,
n“1
n
`8
ÿ x2n
6. cospxq “ p´1qn , pour x P R ;
n“0
p2nq!
`8
ÿ x2n`1
7. sinpxq “ p´1qn , pour x P R ;
n“0
p2n ` 1q!
`8
ÿ x2n
8. chpxq “ , pour x P R ;
n“0
p2nq!
`8
ÿ x2n`1
9. shpxq “ , pour x P R ;
n“0
p2n ` 1q!
210 CHAPITRE 13. SÉRIES ENTIÈRES

`8
ÿ x2n`1
10. Arctanpxq “ , pour x Ps ´ 1, 1r.
n“0
2n ` 1

Ÿ Éléments de preuve.

1. Vu au paragraphe précédent
2. Somme géométrique.
3. Produits de Cauchy
4. Résolution de l’ED p1 ` xqy 1 “ αy.
5. Par intégration (ou, ce qui revient en même, en dérivant cette série entière).
6. Vu précédemment
7. Vu précédemment
8. À partir du DSE de l’exponentielle
9. Idem
10. Par intégration.

Ź
 14
Espaces probabilisés

Le cours de probabilité de première année se contruit entièrement dans le cadre d’un univers Ω fini.
Dans ce cadre, une expérience d’univers des possibles Ω est un processus aléatoire amenant un résultat
(une issue) ω appartenant à Ω. Un évènement A est alors un sous-ensemble de Ω. Dire que A lors d’une
expérience signifie que l’expérience débouche sur une issue ω appartenant à A.
Nous voyons dans ce chapitre comment élargir ce cadre, en acceptant notamment des univers infinis. Ce
cadre formel un peu abstrait est indispensable pour pouvoir définir de façon rigoureuse une mesure de
probabilité.

I Espaces probabilisés
Dans cette section, Ω désigne un ensemble quelconque, fini ou infini.

I.1 Tribus et espaces probabilisables

Souvent, la définition de la mesure de probabilité sur tous les sous-ensembles de Ω, n’est pas pertinente,
ou peut poser des problèmes techniques. Pour cette raison, il peut être intéressant de pouvoir ne définir
la mesure de probabilité que sur une classe particulière de sous-ensembles de Ω. L’objet de ce paragraphe
et du suivant est de définir un type satisfaisant de classe de sous-ensembles à laquelle se restreindre.
Voici nos exigences pour la construction d’une telle classe :
‚ L’événement certain Ω et l’événement impossible ont une probabilité, donc appartiennent à la
classe ;
‚ Pour tout événement A dont on sait calculer la probabilité, on voudrait pouvoir calculer la proba-
bilité de l’événement contraire A ;
‚ Si on dispose d’une probabilité sur A et B, on voudrait disposer d’une probabilité de A Y B.
‚ Plus généralement, on souhaite pouvoir calculer la probabilité d’une union infinie dénombrable
d’événements.

Exemple 14.1.1
Le dernier point est motivé par l’étude d’un tirage infini à Pile ou Face : quelle est la probabilité
qu’un tirage donné (par exemple n’obtenir que des Piles) ait lieu ? Pour ce calcul, on peut encore
se dispenser des unions (ou intersections par passage au complémentaire) infinies, en effectuant
des majorations, si on définit correctement la probabilité ; mais en revanche, si on se demande
maintenant quelle est la probabilité qu’un résultat soit stationnaire, on a besoin de regrouper une
infinité de cas possibles (stationnaires à partir d’un certain rang).

Cela nous amène à la définition suivante :

212 CHAPITRE 14. ESPACES PROBABILISÉS

Définition 14.1.2 – σ-algèbre, ou tribu

Soit Ω un univers (fini ou non). Une σ-algèbre T d’événements sur Ω (ou tribu) est un sous-ensemble
T de PpΩq telle que :
1. Ω P T ;
2. @A P PpΩq, A P T ùñ A P T (stabilité par complémentation) ;
ď
3. Pour tout famille dénombrable pAi qiPI d’éléments de T , Ai est dans T (stabilité par union
iPI
dénombrable)

Nous complétons les propriétés imposées par la définition par les suivantes :

Proposition 14.1.3 – Propriétés des tribus

Soit T une tribu d’événements sur Ω.
1. ∅ P T ;
2. @pA, Bq P PpΩq, pA, Bq P T 2 ùñ A Y B P T (stabilité par union finie) ;
Ş
3. Pour tout famille dénombrable pAi qiPI d’éléments de T , Ai P T .
iPI
4. @pA, Bq P PpΩq, pA, Bq P T 2 ùñ A X B P T (stabilité par intersection finie) ;

Ÿ Éléments de preuve.
Le point 2 se montre en complétant la famille pA, Bq en une famille dénombrable, en ajoutant
l’ensemble vide, ce qui ne change pas l’union. Les autres s’obtiennent par passage au complémentaire.
Ź
Par une récurrence immédiate, les points 2 et 4 se généralisent facilement aux unions ou intersections
d’un nombre fini quelconque d’événements.

Définition 14.1.4 – Espace probabilisable et événements

‚ Un espace probabilisable est un couple pΩ, T q, où Ω est un ensemble quelconque, appelé
univers, et T une σ-algèbre d’événements sur Ω.
‚ Les éléments de T sont appelés événements (de l’espace probabilisable pΩ, T q).

Remarque 14.1.5
1. Une tribu est aussi fréquemment notée A au lieu de T (en référence à la terminologie σ-
algèbre). C’est la notation utilisée dans le programme officiel
2. « La manipulation des tribus n’est pas un objectif du programme », dixit le programme
officiel. La notion est surtout donnée pour avoir le bon cadre de travail. Ce cadre sera souvent
fourni dans les exercices ou problème, sans que vous ayez à vous demander précisément à
quoi il correspond.
3. En particulier, toute la très riche théorie des tribus, indispensable à une théorie un peu plus
poussée des probabilités, ne sera pas abordée.

Exemple 14.1.6
PpΩq est une tribu sur Ω. Dans le cas où Ω est fini ou dénombrable, on choisira en général cette
tribu. Elle s’avère en général trop riche lorsque Ω n’est pas dénombrable, et on devra dans ces cas
définir des tribus plus petites pour éviter certains écueils techniques.

On rappelle alors le vocabulaire probabiliste usuel, qui est le même que dans le cas fini
I Espaces probabilisés 213

Terminologie 14.1.7 – Vocabulaire probabiliste

Soit pΩ, T q un espace probabilisé. On définit les terminologies ci-dessous.
‚ Évément : un objet A P T
‚ Événement élémentaire, ou épreuve : un événement de la forme tomu (attention, tout single-
ton n’est pas nécessairement un événement)
‚ Événement certain : l’événement Ω.
‚ Événement impossible : l’événement ∅.
‚ Événement contraire de l’événement A : l’événement A “ AΩ A.
‚ A entraîne B si A Ă B
‚ Événement « A et B » : A X B (réalisation simultanée)
‚ Événement « A ou B » : A Y B
‚ A et B sont dits incompatibles si A X B “ ∅.
‚ une famille tAi , i P Iu est dite constituée d’événements deux à deux incompatibles si pour
tout pi, jq P I 2 tel que i ‰ j, Ai et Aj sont incompatibles.

Définition 14.1.8 – Système complet d’événements, SCE

Un système complet d’événements est une famille tAi , i P Iu formant une partition de Ω. Autrement
dit :
‚ Les événements Ai sont non vides ;
‚ La famille est constituée d’événements deux à deux incompatibles ;
Ţ
‚ Ai “ Ω.
iPI

I.2 Mesures de probabilité, espaces probabilisés

Intuitivement, une probabilité mesure la possibilité qu’un événement donné se produise. Il s’agit donc
d’un réel p indiquant la fréquence probable de réalisation de l’événement lorsqu’on répète un grand
nombre de fois l’expérience dans des situations similaires, c’est-à-dire le rapport moyen entre le nombre
de réalisations et le nombre d’expériences.
Ainsi, une probabilité est un réel positif et inférieur à 1. De plus, toutes les expériences amenant une
issue de Ω, la probabilité de l’événement Ω doit être 1. Enfin, si A et B sont deux événements ne pouvant
pas être réalisés simultanément, le nombre d’expériences amenant A ou B est la somme du nombre
d’expériences amenant A et du nombre d’expériences amenant B (puisqu’une expérience ne peut amener
à la fois A et B). De l’interprétation ci-dessus, il doit alors venir que la probabilité de l’union disjointe
A \ B doit être la somme des probabilités de A et de B. Cela motive la définition suivante :

Définition 14.1.9 – Mesure de probabilité

Soit pΩ, T q un espace probabilisable. Une mesure de probabilité (ou simplement une probabilité)
sur pΩ, T q est une application P : T Ñ R telle que :
1. @A P T , 0 ď PpAq ď 1 ;
2. PpΩq “ 1
3. (propriété de σ-additivité) Pour tout famille dénombrable
˜ ¸i qiPI d’événements deux à deux
pA
ě ÿ
incompatibles, pPpAi qqiPI est sommable, et on a : P Ai “ PpAi q.
iPI iPI

Remarque 14.1.10
Très souvent I “ N. Dans ce contexte, la famille pPpAn qqnPN étant positive, sa sommabilité équivaut
ř
à la convergence de la série PpAn q.
214 CHAPITRE 14. ESPACES PROBABILISÉS

Définition 14.1.11 – Espace probabilisé, ou modèle probabiliste de Kolmogorov

Un espace probabilisé est un triplet pΩ, T , Pq où pΩ, T q est un espace probabilisable, et P une mesure
de probabilité sur pΩ, T q.

Proposition 14.1.12 – Propriétés d’une mesure de probabilité

Soit pΩ, T , Pq un espace probabilisé. Alors :
1. Pp∅q “ 0 ;
2. (Additivité) Pour tout couple pA, Bq d’événements incompatibles, PpA Z Bq “ PpAq ` PpBq ;
3. @A P T , PpAq “ 1 ´ PpAq ;
4. @pA, Bq P T , A Ă B ùñ PpBzAq “ PpBq ´ PpAq ;
5. @pA, Bq P T , A Ă B ùñ PpAq ď PpBq ;
6. @pA, Bq P T , PpA Y Bq “ PpAq ` PpBq ´ PpA X Bq ;

Ÿ Éléments de preuve.
ř
Pp∅q s’obtient en étudiant la convergence de Pp∅q, convergence assurée par la σ-additivité. L’addi-
tivité en découle en complétant la famille finie pA, Bq en une famille dénombrable par ajout de ∅. Les
points 3,4,5,6 sont évident, en décomposant le plus grand ensemble en union disjointe d’ensembles
plus petits. Ź

Proposition 14.1.13 – Sous-additivité finie de la mesure de probabilité

Soit pAi qiPI une famille finie d’événements. Alors
˜ ¸
ď ÿ
P Ai ď P pAi q.
iPI iPI

Ÿ Éléments de preuve.
Sans perte de généralité, considérer I “ J1, nK, et faire une récurrence sur N à partir de l’expression
de PpA Y Bq qui nous donne le cas n “ 2. Ź
On verra un peu plus loin que cette propriété se généralise au cas dénombrable.

Proposition 14.1.14 – Probabilités associées à un SCE

ÿ
Soit pAi qiPI un SCE au plus dénombrable. Alors PpAi q “ 1.
iPI

I.3 Espaces probabilisés discrets

Il est fréquent que, même si Ω est de grand cardinal (infini non dénombrable), il existe un sous-ensemble
A de Ω, au plus dénombrable, tel que presque sûrement, toutes les issues soient dans A (autrement dit,
si A est lui-même un élément de la tribu, PpAq “ 1)

Définition 14.1.15 – Espace probabilisé discret

Soit pΩ, T , Pq un espace probabilisé tel que T contienne tous les singletons. On dit que pΩ, T , Pq est
discret si la famille pPpωqqωPΩ est sommable de somme égale à 1
I Espaces probabilisés 215

Remarque 14.1.16
Un résultat sur les familles sommables (démontré dans le chapitre sur la dénombrabilité) montre
alors que tω | Ppωq ‰ 0u est au plus dénombrable, ce qui justifie la terminologie.

Définition 14.1.17 – Distribution discrète sur Ω

Soit Ω un ensemble. Une distribution de probabilités sur Ω est une famille ppω qωPΩ à valeurs dans
R` telle que ÿ
pω “ 1.
ωPΩ

L’ensemble tω P Ω, pω ‰ 0u est appelé support de la distribution de probabilités ppω qωPΩ , et est au

plus dénombrable, en vertu de la remarque précédente.

Ainsi, pΩ, T , Pq est un espace probabilisé discret si et seulement si T contient les singletons, et si pPpωqqωPΩ
est une distribution de probabilités discrète sur Om.

Proposition/Définition 14.1.18 – Probabilité définie par une distribution discrète

Soit Ω un ensemble quelconque, et ppω qωPΩ une distribution de probabilités discrète. On définit,
pour A P PpΩq, ÿ
PpAq “ pω ,
ωPA

bien défini dans R` .

L’application P est à valeurs dans r0, 1s, et définit une mesure de probabilités sur l’espace probabi-
lisable pΩ, PpΩqq.

Proposition 14.1.19 – Détermination d’une probabilité sur un univers dénombrable

Soit Ω un ensemble fini ou dénombrable. Une mesure de probabilités sur l’espace probabilisable
pΩ, PpΩqq est entièrement déterminée par la distribution de probabilités pPptωuqqωPΩ

Ÿ Éléments de preuve.
Unicité car les singletons engendrent PpΩq. Expliciter p ainsi obtenue en fonction des probabilités
des singletons, et vérifier qu’il s’agit bien d’une mesure de probabilité. Ź
Ainsi, pour définir une mesure de probabilité sur Ω fini ou dénombrable, il suffit de se donner une
distribution de probabilités ppω qωPΩ .

Exemple 14.1.20 – Probabilité uniforme sur un univers fini

1
Si Ω est fini, on peut définir la mesure de probabilité uniforme en posant Pptomuq “ |Ω| . On obtient
alors, pour tout événement A P PpΩq,

|A|
PpAq “ (formule de Laplace)
|Ω|

I.4 Continuité monotone

Le théorème suivant découle directement de la σ-additivité.
Théorème 14.1.21 – Propriété de limite monotone, ou continuité monotone de P
Soit pΩ, T , Pq un espace probabilisé.
216 CHAPITRE 14. ESPACES PROBABILISÉS

1. Soit pAn qnPN une suite croissante d’événements (pour l’inclusion). Alors :
˜ ¸
ď
P An “ lim PpAn q.
nÑ`8
nPN

2. Soit pAn qnPN une suite décroissante d’événements. Alors :

˜ ¸
č
P An “ lim PpAn q.
nÑ`8
nPN

Ÿ Éléments de preuve.
ď ě
Écrire An “ pAn zAn´1 q, avec A´1 “ ∅, puis σ additivité. Passer au complémentaire pour
nPN nPN
l’intersection. Ź

Exemple 14.1.22
Lors d’une succession infinie de tirages à Pile ou Face, calculer la probabilité de n’obtenir que des
Piles.

Corollaire 14.1.23
Soit pAn qnPN une famille quelconque d’événements. Alors
˜ ¸ ˜ ¸ ˜ ¸ ˜ ¸
ď N
ď č N
č
P An “ lim P An et P An “ lim P An .
N Ñ`8 N Ñ`8
nPN n“0 nPN n“0

Corollaire 14.1.24 – Sous-additivité dénombrable de P, ou inégalité de Boole

Soit pAi qiPI une famille au plus dénombrable d’événements. Alors, dans R` ,
˜ ¸
ď ÿ
P Ai ď PpAi q.
iPI iPI

ď
En définissant pour une suite croissante pAn q, An “ lim Ò An et de même pour une suite décroissante,
č nPN
An “ lim Ó An , la propriété ci-dessus se réécrit :
nPN

Pplim Ò An q “ lim PpAn q et Pplim Ó An q “ lim PpAn q.

Il s’agit donc d’une propriété de continuité séquentielle, d’où le nom donné au théorème.

Exemple 14.1.25 – Limite supérieure et limite inférieure, HP

Soit pAn q une suite d’événements. On définit
č ď 8
‚ la limite supérieure lim sup An “ Ak : réalisation d’une infinité de Ak ;
nPN k“n
8
ď č
‚ la limite inférieure lim inf An “ Ak : réalisation de presque tous les Ak (tous sauf un
nPN k“n
nombre fini, c’est-à-dire tous à partir d’un certain rang).
Ainsi,
‚ La probabilité qu’un nombre infini de Ak se réalisent est
˜ ¸
8
ď
Pplim sup An q “ lim P Ak .
k“n
I Espaces probabilisés 217

‚ La probabilité que presque tous les Ak se réalisent est

˜ ¸
č8
Pplim inf An q “ lim P Ak .
k“n

Par exemple, calculer la probabilité que lors d’une suite infinie de tirages à P/F, la suite obtenue
soit stationnaire.

Corollaire 14.1.26
Soit pAn q une suite d’événements.
‚ La probabilité qu’un nombre infini de Ak se réalisent est
˜ ¸
8
ď
Pplim sup An q “ lim P Ak .
k“n

‚ La probabilité que presque tous les Ak se réalisent est

˜ ¸
č8
Pplim inf An q “ lim P Ak .
k“n

Exemple 14.1.27
On tire une infinité de fois à P ou F. Probabilité que la suite de P/F soit stationnaire.

Remarque 14.1.28
`8
ď
Si pAn q est décroissante, Ak “ An et lim sup An “ lim Ó An ; de même si pAn q est croissante,
k“n
lim inf An “ lim Ò An . Le corollaire précédent englobe donc le théorème de continuité monotone.

I.5 Évenements négligeables, presque sûrs

Définition 14.1.29 – Ensembles négligeables
Soit pΩ, T , Pq un espace probabilisé, et soit A P T .
1. On dit que A est négligeable, ou presque-impossible, ou quasi-impossible si PpAq “ 0.
2. On dit que A est presque sûr, ou presque-certain ou quasi-certain si PpAq “ 1.
3. Une propriété est vraie presque sûrement si l’événement « la propriété est satisfaite » est
presque-certain.

Exemple 14.1.30
Les événements « n’obtenir que des P » lors d’une succession infinie de tirages P/F, ou « obtenir
une suite stationnaire » sont quasi-impossibles, sans être impossibles.
Leur complémentaire est donc presque sûr, sans être certain.

Remarque 14.1.31
La terminologie recommandée par le programme officiel est « négligeable » et « presque sûr », mais
les autres terminologies sont aussi très répandues dans les ouvrages.
218 CHAPITRE 14. ESPACES PROBABILISÉS

Proposition 14.1.32 – Intersection et union d’événements presques impossibles/sûrs

1. Toute union d’un nombre au plus dénombrable d’événements négligeables est négligeable.
2. Toute intersection d’un nombre au plus dénombrable d’événements presque sûrs est presque
sûr.

Ÿ Éléments de preuve.
Par sous-additivité dénombrable, puis complémentation. Ź

Remarques 14.1.33
1. Dans pΩ, T , Pq, par convention, si I est vide,
ď č
Ai “ ∅ et Ai “ Ω.
iPI iPI

Ainsi, les propriétés sont aussi vraies pour des familles vides.
2. À condition d’enlever le cas des familles vides, la propriété est aussi trivialement vraie pour
les intersections quelconques d’ensembles négligeables, et les unions quelconques d’ensembles
presque sûrs.

On définit maintenant une notion voisine des SCE, mais qui permet plus de souplesse dans les hypothèses
de certains théorèmes.
Définition 14.1.34 – Système quasi-complet d’événements, SQCE
Soit pΩ, T , Pq un espace probabilisable, et pAi qiPI une famille au plus dénombrable d’éléments de
T . On dit que pAi qiPI est un système quasi-complet d’événements si :
(i) les Ai sont 2 à 2 incompatibles ;
Ť
(ii) P p iPI Ai q “ 1.

Ainsi, la différence
ď avec un système complet réside dans le fait que certaines parts peuvent être vides, et
que l’union Ai n’est égale à Ω qu’à un ensemble négligeable près.
iPI

Un système complet est bien entendu aussi quasi-complet, la réciproque étant fausse.

Proposition 14.1.35 – Système quasi-complet à probabilités non nulles

Soit pAi qiPI un SQCE, et J “ ti P I, P pAi q ą 0u. Alors pAj qjPJ est encore un SQCE.

II Conditionnement et indépendance
II.1 Probabilités conditionnelles
Les définitions relatives aux probabilités conditionnelles s’étendent bien au contexte étendu qu’on vient
de définir.
Définition 14.2.1 – Probabilités conditionnelles
Soit pΩ, T , Pq un espace probabilisé, A et B deux événements de T tels que B ne soit pas presque-
impossible. Alors, la probabilité conditionnelle de A en B (ou la probabilité de A sachant B) est :

PpA X Bq
PB pAq “ .
PpBq

On trouve également souvent la notation PpA | Bq.

II Conditionnement et indépendance 219

Cette définition se comprend bien pour la mesure uniforme : il s’agit dans ce cas de la proportion des
éléments de B qui satisfont A (c’est-à-dire la proportion des éléments de B qui sont dans A X B).

Proposition 14.2.2
Soit B un événement non presque-impossible. Alors PB définit une mesure de probabilités sur
l’espace probabilisable pΩ, T q.

Ÿ Éléments de preuve.
Vérifications sans difficulté. Ź

Remarque 14.2.3
La définition des probabilités conditionnelles est souvent utilisée sous la forme suivante : PpAXBq “
PpA | BqPpBq.
En effet, expérimentalement, on a plus facilement accès aux probabilités conditionnelles qu’aux pro-
babilités d’intersections, et on s’en sert pour le calcul de probabilités d’intersections. C’est d’ailleurs
le cas initial de la formule plus générale des probabilités composées (théorème 14.2.6).

II.2 Formules liées aux probabilités conditionnelles

Théorème 14.2.4 – Formule des probabilités totales
Soit pAi qiPI un système quasi-complet fini ou dénombrable, tels que les événements Ai ne sont pas
presque-impossibles, et soit B P T . Alors la famille pPpB | Ai qPpAi qqiPI est sommable, et :
ÿ
PpBq “ PpB | Ai qPpAi q.
iPI

Ÿ Éléments de˜ preuve. ¸

ě
Écrire B “ B X Ai Z pB X Cq, où PpCq “ 0. Ź
iPI

Remarque 14.2.5
1. La formule des probabilités totales permet de retrouver une probabilité PpBq connaissant les
probabilités conditionnelles PpB | Ai q. Ainsi, on peut calculer PpBq en « distinguant suivant
un certain nombre de cas » (suivant que Ai est réalisé), si ces cas partagent l’ensemble
(ou presque) des cas possibles. Ainsi, cette formule est adapté au cas où le résultat d’une
expérience dépend de résultats antérieurs, donc si on est amené à faire une discussion pour
décrire le résultat de l’expérience.
2. Si un SCE ou un SQCE contient des événements quasi-impossibles, on a vu ci-dessus qu’en
enlevant ces événements, on obtient encore un SQCE avec lequel la formule des probabilités
totales est valide. Ainsi, plus généralement, si pAi qiPI est un SQCE quelconque,
ÿ
PpBq “ PpB | Ai qPpAi q.
iPI
tq P pAi q‰0

Théorème 14.2.6 – Formule des probabilités composées

Soit n ě 2, et pA1 , . . . , An q P T n tel que PpA1 X ¨ ¨ ¨ X An´1 q ‰ 0 (i.e. A1 X ¨ ¨ ¨ X An´1 n’est pas
220 CHAPITRE 14. ESPACES PROBABILISÉS

presque-impossible). Alors :
˜ ¸
čn
P Ai “ PpA1 qPpA2 | A1 qPpA3 | A1 X A2 q ¨ ¨ ¨ PpAn | A1 X ¨ ¨ ¨ X An´1 q
i“1
˜ ˇ ¸
n
ź ˇ i´1
ˇ č
“ PpA1 q P Ai ˇ A .
i“2
ˇ j“1 j

Ÿ Éléments de preuve.
Récurrence sur n. Ź

Remarque 14.2.7
L’intérêt de cette formule est de donner une formule pour le calcul des probabilités d’intersections
d’événements, notamment dans le cas d’une succession d’expérience. Cette formule dévoile toute
son utilité lorsque les événements considérés ne sont pas mutuellement indépendants. En cas d’in-
dépendance mutuelle, elle ne dit rien de plus que la proposition 14.2.15 ci-dessous.

Théorème 14.2.8 – Formule de Bayes simple

Soit A et B deux événements tels que PpAq ą 0 et PpBq ą 0. Alors

PpB | AqPpAq
PpA | Bq “
PpBq

Ÿ Éléments de preuve.
Calculer PpA X Bq en conditionnant de deux manières. Ź
De façon plus générale, la connaissance des probabilités d’un système complet, et des probabilités d’un
événement B conditionnées au système complet permet de retourner une à une les probabilités condi-
tionnelles :
Théorème 14.2.9 – Formule de Bayes sur un système complet
Soit pAi qiPI un système quasi-complet fini ou dénombrable, et B un événement non quasi-impossible.
On suppose que pour tout i P I, PpAi q ‰ 0. Soit j P I. Alors :

PpB | Aj qPpAj q
PpAj | Bq “ ř .
PpB | Ai qPpAi q
iPI

Ÿ Éléments de preuve.
Exprimer PpBq avec la formule des probabilités totales dans la formule précédente. Ź

Remarque 14.2.10 – Intérêt de la formule de Bayes

Le système pAi q représente souvent une liste de causes pouvant amener l’événement B lors d’une
étape suivante de l’expérience. Il est alors généralement facile de déterminer la probabilité qu’une
certaine conséquence B ait lieu, sachant que la cause Ai a eu lieu, c’est-à-dire la probabilité condi-
tionnelle PpB | Ai q (on respecte dans ce cas l’ordre temporel). Ces données permettent, grâce à la
formule de Bayes, de remonter le temps, en déterminant la probabilité qu’une certaine cause Ai ait
eu lieu sachant la conséquence B. Pour cette raison, cette formule est aussi souvent appelée formule
de probabilité des causes.
II Conditionnement et indépendance 221

Exemple 14.2.11
Dans une population composée d’autant d’hommes que de femmes, 5 % des hommes et 0,25 %
des femmes sont daltoniens. Quelle est la probabilité pour qu’une personne daltonienne choisie au
hasard soit une femme ?

II.3 Indépendance
Les probabilités conditionnelles mesurent l’impact de la réalisation d’un événement sur un autre. Si
cet impact est nul (c’est-à-dire si la connaissance de la réalisation d’un événement n’influe pas sur la
probabilité de l’autre), on dira que ces deux événements sont indépendants.
Ainsi, intuitivement, deux événements A et B sont indépendants si la connaissance de l’un ne modifie
pas la probabilité de l’autre, donc si PpA | Bq “ PpAq et PpB | Aq “ PpBq. L’inconvénient de cette
définition réside dans le fait qu’elle n’est valable que sous une hypothèse de non quasi-impossibilité, afin
de pouvoir considérer les probabilités conditionnelles. On constate cependant que dans le cas de non quasi-
impossibilité, les deux égalités sont équivalentes à l’égalité : PpA X Bq “ PpAqPpBq. Cette égalité pouvant
être considérée sans hypothèse de quasi-impossibilité, c’est elle que nous prenons comme définition de
l’indépendance. Elle a en outre l’avantage d’être symétrique.

Définition 14.2.12 – Événements indépendants

Soit pΩ, T , Pq un espace probabilisé, et pA, Bq P T 2 . Les événements A et B sont indépendants si
PpA X Bq “ PpAqPpBq.

En faisant le cheminement inverse de celui précédant la définition, il vient :

Proposition 14.2.13 – Probabilités conditionnelles et indépendance

Soit A et B deux événements indépendants tel que B ne soit pas quasi-impossible. Alors

PpAq “ PpA | Bq.

On a évidemment aussi PpBq “ PpB | Aq si A n’est pas quasi-impossible.

On note dans ce qui suit Pf pIq l’ensemble des parties finies de I.

Définition 14.2.14 – Indépendance d’une famille

Soit pΩ, T , Pq un espace probabilisé, et pAi qiPI une famille d’événements. On dit que les Ai , i P I,
sont indépendants (ou mutuellement indépendants), si et seulement si pour tout J P Pf pIq,
˜ ¸
č ź
P Aj “ PpAj q.
jPJ jPJ

En particulier si I lui-même est fini en prenant J “ I :

Proposition 14.2.15 – Probabilité d’une intersection d’événements indépendants

Soit pAi qiPI une famille finie d’événements indépendants. Alors :
˜ ¸
č ź
P Ai “ PpAi q.
iPI iPI

Avertissement 14.2.16
L’égalité précédente ne suffit pas à avoir l’indépendance. Il faut bien contrôler TOUS les produits
222 CHAPITRE 14. ESPACES PROBABILISÉS

des sous-familles (finies)

On verra dans le paragraphe suivant comment calculer la probabilité d’une intersection lorsque les évé-
nements ne sont pas indépendants (formule des probabilités composées, théorème 14.2.6).

Exemple 14.2.17
On fait des tirages à pile ou face
‚ A est réalisé si et seulement si le premier tirage est Pile.
‚ B est réalisé si et seulement si lors des 3 premiers tirages, il y a au plus un Pile.
‚ C“B
On a PpAXB XCq “ 81 “ PpAqPpBqPpCq, mais les événements ne sont clairement pas indépendants !

De la définition même découle :

Proposition 14.2.18 – Stabilité de l’indépendance par restriction
Soit pAi qiPI une famille d’événements indépendants et J Ă I. Alors pAj qjPJ est encore composée
d’événements indépendants.

En particulier, en prenant toutes les sous-familles de 2 événements, l’indépendance implique l’indépen-

dance 2 à 2 des événements.
Avertissement 14.2.19
La réciproque est fausse : l’indépendance 2 à 2 d’une famille n’implique pas l’indépendance (mu-
tuelle).

Exemple 14.2.20
On procède à trois tirages à Pile ou Face. Soit A l’événement consistant à obtenir exactement 1 Pile
lors des tirages 2 et 3, B de même lors des tirages 1 et 3, C de même lors des tirages 1 et 2. Les
événements A, B et C sont 2 à 2 indépendants, mais pas mutuellement.

Proposition 14.2.21 – Indépendance des intersections de sous-familles disjointes, HP

Soit pAi qiPI une famille d’événements˜indépendants,
¸ et pIk qkPK une famille de sous-ensembles finis
č
de I, 2 à 2 disjoints. Alors la famille Ai est constitué d’événements indépendants.
iPIk kPK

Ÿ Éléments de preuve.
Prendre une intersection finie de tels ensembles, c’est aussi une intersection finie de Ai . Écrire par
indépendance la probabilité comme produit de PpAi q, puis regrouper par paquets de Ik en réutilisant
l’indépendance sur ces paquets. Ź

Proposition 14.2.22 – Indépendance et complémentation

Si A et B sont indépendants, alors A et B sont indépendants.

Ÿ Éléments de preuve.
Calculer PpA X Bq “ PpAzpA X Bqq. Ź
III Bilan des méthodes calculatoires en probabilités 223

Proposition 14.2.23 – Indépendance et complémentation pour une famille finie

Si A1 , . . . , An sont indépendants, il en est de même de A1 , A2 , . . . , An

Ÿ Éléments de preuve.
Considérer l’intersection d’une sous-famille. Seul cas à voir : A1 est dans la sous-famille. Se ramener
au cas précédent en justifiant que A1 est indépendant de l’intersection des autres termes de la sous-
famille. Ź

Corollaire 14.2.24 – Indépendance et complémentation pour une famille quelconque

Soit pAi qiPI une famille d’événements indépendants et pBi qiPI une famille telle que pour tout i P I,
Bi “ Ai ou Ai . Alors pBi qiPI est une famille d’événements indépendants.

III Bilan des méthodes calculatoires en probabilités

Nous exposons ici le principe général du calcul (et de la rédaction de ce calcul) d’une probabilité. Évi-
demment, dans la pratique, les situations sont très variées, et on peut être amené à s’écarter légèrement
de la voie tracée ci-dessous.
Méthode 14.3.1 – Comment aborder un calcul de probabilité
1. Si on est dans une situation d’équiprobabilité, on peut se diriger vers un argument com-
binatoire (et utiliser la formule de Laplace). Dans les autres cas, la démarche générale est
indiquée ci-dessous.
2. Définir des événements simples issus de l’expérience décrite, en n’oubliant pas la numéro-
tation de ces événements en cas d’expérience répétée. Ces événements simples auront pour
vocation de décrire ceux qui nous intéressent.
Il ne faut pas hésiter à introduire des événements par vous-même, à donner des notations.
Ce travail n’est pas nécessairement fait pour vous dans le sujet.
3. Décrire à l’aide d’une phrase l’événement dont on recherche la probabilité, sous forme d’une
condition nécessaire et suffisante de réalisation :
« L’événement A est réalisé si et seulement si ... »
Cette condition nécessaire et suffisante de réalisation de l’événement A doit s’exprimer en
fonction de la réalisation ou non des événements simples définis dans la première étape. Il
s’agit donc de « décomposer » l’événement A en événements simples.
4. Traduire cette description dans le langage ensembliste (c’est-à-dire sous forme d’union, in-
tersection ou complémentaires d’événements élémentaires). Les deux étapes sont nécessaires :
la première (description verbale) fournit une explication facilement lisible, et éclaire la for-
mule, la seconde (description ensembliste) donne de la rigueur à l’argument, et permet ensuite
de s’orienter vers la bonne méthode de calcul.
5. Calcul de la probabilité PpAq, en se servant de la décomposition ensembliste précédente, et des
règles de calcul des probabilités d’unions, d’intersections ou de complémentaires. Nous rap-
pelons l’essentiel de ces règles ci-dessous.

Ainsi, il est important de savoir s’orienter rapidement vers la bonne technique de calcul (probabilité
d’une union, d’une intersection), suivant la situation rencontée. Voici les différents cas rencontrés les plus
fréquemment :
224 CHAPITRE 14. ESPACES PROBABILISÉS

Méthode 14.3.2 – Calcul de la probabilité d’un complémentaire

Une seule formule à connaître, issue de la définition d’une mesure de probabilité :

@A P T , PpAq “ 1 ´ PpAq.

Méthode 14.3.3 – Calcul de la probabilité d’une intersection

Suivant les cas :
‚ Intersection dénombrable d’événements décroissants pour l’inclusion :
On utilise le théorème de la limite monotone.
‚ Intersection d’un nombre fini d’événements mutuellement indépendants :
On utilise la relation issue de la définition de l’indépendance mutuelle :

P pA1 X A2 X ¨ ¨ ¨ X An q “ PpA1 qPpA2 q . . . PpAn q.

‚ Intersection d’un nombre fini d’événements non nécessairement indépendants :

On utilise la formule des probabilités composées.
Cette formule est surtout utile lorsqu’il y a un enchainement temporel des événements (A1
étant le premier à advenir, An le dernier), chaque résultat influant sur les suivants. C’est le
cas par exemple dans le cadre de tirages successifs dans une urne évolutive, l’évolution se
faisant différemment suivant la boule tirée à un tirage donné.
Cette formule permet de formaliser le calcul de la probabilité associée à une branche de
l’arbre des possibilités.

Méthode 14.3.4 – Calcul de la probabilité d’une union

‚ Union dénombrable d’événements croissants pour l’inclusion :
On utilise ici aussi le théorème de la limite monotone.
‚ Union d’un nombre fini ou dénombrable d’événements 2 à 2 incompatibles :
On utilise l’additivité (cas fini) ou la σ-additivité (cas dénombrable) de la mesure de proba-
bilité.
‚ Union d’un nombre fini d’événements mutuellement indépendants :
On a intérêt dans ce cas à considérer l’événement complémentaire. On est alors ramené au
calcul de la probabilité d’une intersection d’événements mutuellement indépendants.
‚ Union d’un nombre fini d’événements lorsqu’on a des informations sur les intersections :
On utilise la formule du crible de Poincaré. Les cas n “ 2 et n “ 3 sont les plus utiles :
˚ n “ 2 : PpA1 Y A2 q “ PpA1 q ` PpA2 q ´ PpA1 X A2 q
˚ n “ 3 : PpA1 Y A2 Y A3 q “ PpA1 q ` PpA2 q ` PpA3 q ´ PpA2 X A3 q ´ PpA1 X A3 q ´ PpA1 X
A2 q ` PpA1 X A2 X A3 q

Méthode 14.3.5 – Cas d’une expérience dont l’issue dépend de résultats antérieurs
Dans certaines situations, par exemple lorsque le mode opératoire d’une expérience (par exemple
la composition d’une urne) dépend du résultat d’une expérience précédente, il peut être nécessaire
de discuter suivant le résultat obtenu lors de l’expérience antérieure : autrement dit, dans ces
situations, il est aisé de calculer des probabilités conditionnellement à chacun des résultats possibles
de la première expérience. Il faut ensuite récupérer la probabilité globale à partir de toutes ces
probabilités conditionnelle. On utilise pour cela la formule des probabilités totales.

A retenir : discussion à faire ÝÑ formule des probabilités totales

III Bilan des méthodes calculatoires en probabilités 225

Enfin, vu qu’elles interviennent dans de nombreuses formules, nous faisons quelques remarques concernant
le calcul des probabilités conditionnelles.

Méthode 14.3.6 – Calcul de probabilités conditionnelles

Puisque la probabilité conditionnelle PB sachant un événement B donné est une mesure de probabi-
lité, tous les résultats, et toutes les règles vues ci-dessus pour le calcul des probabilités s’appliquent
au calcul des probabilités conditionnelles. Lorsque ces formules font elles-même intervenir des proba-
bilités conditionnelles, les conditions s’ajoutent à celle déjà présente (sous forme d’une intersection) :

pPB qC “ PBXC .

À titre d’exemple, voici la formule des probabilités totales pour une probabilité conditionnelle :
pAi qiPI étant un système complet au plus dénombrable tel que pour tout i P I PC pAi q ‰ 0, on a :
ÿ
PpB | Cq “ PpAi | CqPpB | C X Ai q.
iPI

Avertissement 14.3.7
Attention, on ne peut pas définir de notion d’événement conditionnel. Ce n’est pas l’événement qui
est conditionnel, mais sa réalisation. Ainsi, si vous adoptez la démarche générale de rédaction :
‚ ne décrivez pas l’événement conditionnel (cela n’a pas de sens), mais donnez bien une condi-
tion nécessaire et suffisante de réalisation, conditionnellement à un certain événement :
« Sachant que B est réalisé, A est réalisé si et seulement si ... »
‚ Gardez-vous bien de transcrire cette phrase de manière ensembliste ; cela vous amènerait
inévitablement à considérer des « événements conditionnels ». Sautez cette étape et passez
directement aux probabilités. Vous pouvez transcrire votre phrase de façon ensembliste à
l’intérieur des probabilités, la condition étant alors précisée non pas au niveau des ensembles,
mais au niveau de la probabilité.

Avertissement 14.3.8
L’indépendance est une notion dépendant de la mesure de probabilité. Ce n’est pas parce que A et B
sont indépendants (lorsqu’on dit cela, on sous-entend l’indépendance pour la mesure de probabilité
totale P) qu’ils sont indépendants pour une mesure de probabilité conditionnelle PC .

Exemple 14.3.9
On effectue 3 tirages à Pile ou Face indépendants. L’événement C est réalisé si et seulement si on
obtient exactement 1 Pile lors des tirages 1 et 2, A de même avec les tirages 2 et 3. et B de même
avec les tirages 1 et 3.
Les événements A et B sont indépendants pour P, mais pas pour PC .
226 CHAPITRE 14. ESPACES PROBABILISÉS

“
 15
Variables aléatoires discrètes

Dans ce chapitre, sauf mention contraire, pΩ, T , Pq désigne un espace probabilisé quelconque.

La situation à laquelle vous serez le plus fréquemment confrontés est celle d’une variable aléatoire discrète
à valeurs réelles (variable aléatoire réelle), ou à valeurs dans Rn (on parle de vecteur aléatoire, c’est
équivalent à la donnée de n variables aléatoires réelles) mais on peut définir une variable aléatoire discrète
à valeurs dans n’importe quel ensemble E.
La définition d’une variable aléatoire X générale (non discrète) dépasse en revanche le cadre du pro-
gramme, et nécessite un cadre un peu plus précis : l’ensemble E dans lequel X prend ses valeurs doit
lui-même être muni d’une tribu, et X doit vérifier une propriété de « mesurabilité », qui est en quelque
sorte un respect des tribus, comme la continuité est le respect des topologies.

I Loi d’une variable aléatoire discrète

I.1 Généralités sur les variables aléatoires discrètes
Définition 15.1.1 – Variable aléatoire discrète
Soit pΩ, T q un espace probabilisable. Une variable aléatoire discrète X à valeurs dans E est une
application X : Ω Ñ E telle que :
(i) XpΩq (l’ensemble des valeurs possibles de X) est au plus dénombrable ;
(ii) pour tout xinXpΩq, X ´1 ptxuq P T .

Définition 15.1.2 – Variables et vecteurs aléatoires réels discrets

‚ si E “ R et X vérifie les conditions de la définition 15.1.1, on dit que X est une variable
aléatoire réelle discrète (abrégé en v.a.r.d.)
‚ si E “ Rn et X vérifie les conditions de la définition 15.1.1, on dit que X est un vecteur
aléatoir réel discret.

Proposition 15.1.3 – Image réciproque des parties de E

Soit pΩ, T q un espace probabilisable, et X : Ω Ñ E une variable aléatoire discrète. Alors,

@A P PpEq, X ´1 pAq P T .

Ÿ Éléments de preuve.
C’est la stabilité par union finie ou dénombrable, du fait que XpΩq X A est fini ou dénombrable. Ź
228 CHAPITRE 15. VARIABLES ALÉATOIRES DISCRÈTES

Notation 15.1.4 – Événements liés à une variable aléatoire

Soit pΩ, T q un espace probabilisable, et X une variable aléatoire à valeurs dans E.
‚ Soit A P PpEq. L’événement X ´1 pAq P T est noté pX P Aq ou tX P Au ou encore rX P As.
‚ Soit x P A. L’événement X ´1 ptxuq “ pX P txuq sera simplement noté pX “ xq, ou tX “ xu,
ou rX “ xs.

Remarque 15.1.5
Les notations pX P Aq et tX P Au figurent toutes deux dans le programme, contrairement à rX P As,
qui est néanmoins largement présente dans beaucoup d’ouvrages (en particulier pour les événements
rX “ xs).
Nous laisserons désormais de côté cette notation.

Notation 15.1.6 – Événements liés à une v.a.r.d.

Dans le cas d’une variable aléatoire réelle discrète,
‚ l’événement tω | Xpωq ă au est noté pX ă aq ou tX ă au.
‚ l’événement tω | Xpωq ď au est noté pX ď aq ou tX ď au ;
‚ l’événement tω | a ă Xpωq ă bu est noté pa ă X ă bq ou ta ă X ă bu ;
‚ l’événement tω | a ă Xpωq ď bu est noté pa ă X ď bq ou ta ă X ď bu
‚ etc.

Proposition 15.1.7 – Stabilité par produit cartésien

Soit X : Ω Ñ E et Y : Ω Ñ F deux variables aléatoires discrètes. Alors le couple pX, Y q est une
variable aléatoire discrète.

Proposition 15.1.8 – Composition d’une variable aléatoire discrète

Soit X une variable aléatoire discrète sur pΩ, T q, à valeurs dans E, et f une application de XpΩq
dans un ensemble F . Alors f ˝ X est une variable aléatoire discrète, notée f pXq.

Ÿ Éléments de preuve.
‚ f pXq´1 ptyuq est une union au plus dénombrable de X ´1 ptxuq.
‚ f : XpΩq Ñ f pXqpΩq est une surjection, et XpΩq est au plus dénombrable.
Ź
On en déduit :
Proposition 15.1.9 – Algèbre des v.a.r.d.
Le sous-ensemble de RΩ constitué des variables aléatoires réelles discrètes est une sous-algèbre de
RΩ . Ainsi, si X et Y deux v.a.r.d. sur Ω, λ un réel quelconque :
1. 1 est une v.a.r.d.
2. X ` Y est une v.a.r.d.
3. λX est une v.a.r.d.
4. XY est une v.a.r.d.
De plus, si X est une v.a.r.d., il en est de même de |X|.

Ÿ Éléments de preuve.
2 et 4 s’obtiennent en composant pX, Y q par la somme ou le produit. Ź
I Loi d’une variable aléatoire discrète 229

I.2 Loi d’une variable aléatoire discrète

Soit X une variable aléatoire discrète sur pΩ, T , Pq, à valeurs dans E. par définition, tX “ xu est un
événement, donc PpX “ xq est donc bien défini.

Proposition 15.1.10
Soit X une variable aléatoire discrète sur pΩ, T , Pq à valeurs dans E. Alors
‚ la famille ptX “ xuqxPXpΩq est un SCE d’événements ;
‚ la famille pPpX “ xqqxPXpΩq est une distribution de probabilités.

Ÿ Éléments de preuve.
Le premier point est de la vérification facile (c’est en fait la partition associée à une surjection
Le deuxième point et la σ-additivité utilisée sur le SCE précédent. Ź

Définition 15.1.11 – Loi d’une variable aléatoire discrète

Soit pΩ, T , Pq un espace probabilisé, et X : Ω Ñ E une variable aléatoire.
La loi de X est la mesure de probabilité définie sur pXpΩq, PpXpΩqqq par la distribution de proba-
bilités discrète pP pX “ xqqxPXpΩq .

Remarque 15.1.12
Au besoin, il est possible de définit P sur l’espace probabilisable pF, PpF qq, pour tout ensemble F
tel que XpΩq Ă F , en prolongeant la mesure de probabilité pP pX “ xqqxPXpΩq , en posant
#
PpX “ xq si x P XpΩq
px “
0 sinon.

Cela permet par exemple de définir PX sur pE, PpEqq tout entier.

Proposition 15.1.13 – Expression de la loi d’une v.a. discrète

Soit A P PpXpΩqq, ÿ
PX pAq “ PpX P Aq “ PpX “ xq,
xPA

cette somme étant bien définie.

Ÿ Éléments de preuve.
Écrire A comme union de singletons. Ź

Remarque 15.1.14
En définissant PX sur pE, PpEqq, on peut plus généralement écrire
ÿ ÿ
@A P PpEq, PX pAq “ PpX P Aq “ PpX “ xq “ PpX “ xq,
xPA xPAXXpΩq

Notation 15.1.15 – Variables de même loi

On note X „ Y pour désigner le fait que X et Y suivent la même loi.
Plu précisément, étant données deux variables aléatoires X : Ω1 Ñ E et Y : Ω2 Ñ E, définies sur
les espaces probabilisés pΩ1 , T1 , P1 q et pΩ2 , T2 , P2 q, X „ Y si et seulement si les mesures PX et PY
définies sur E vérifient
PX “ PY
230 CHAPITRE 15. VARIABLES ALÉATOIRES DISCRÈTES

Ainsi, X „ Y si et seulement si les supports S1 et S2 des distributions de probabilités pP1 pX “ xqqxPXpΩ1 q

et pP2 pY “ yqqyPY pΩ2 q sont les mêmes, et si

@x P S1 “ S2 , P1 pX “ xq “ P2 pY “ xq.

Exemple 15.1.16
Si X “ Y presque sûrement (i.e. il existe Ω1 Ă Ω tel que PpΩ1 q “ 1 et pour tout ω P Ω1 , Xpωq “
Y pωq), alors X „ Y .

Remarque 15.1.17
1. Contrairement à l’exemple précédent, la relation X „ Y ne nécessite pas que X et Y soient
définis sur le même espace probabilisé.
2. La relation „ est clairement réflexive, symétrique et transitive. Mais dans le cadre du pro-
gramme, il est un peu abusif d’en déduire que c’est une relation d’équivalence, car son « do-
maine » de définition n’est pas très bien défini. Il n’est pas clair que l’ « ensemble » des
variables aléatoires discrètes soit bien un ensemble, car, même en fixant E, la relation néces-
site de faire varier Ω. Or, la collection des ensembles n’est pas un ensemble.

On peut bien évidemment aussi définir des lois conditionnelles. En effet, la définition d’une variable
aléatoire X : Ω Ñ E n’implique que l’espace probabilisable pΩ, T q, et non l’espace probabilisé pΩ, T , Pq.
Ainsi, étant donné un événement B P T , on peut munir pΩ, T q de la mesure de probabilité conditionnelle
PB et définir la loi de la variable X en référence à l’espace probabilisé pΩ, T , PB q. Concrètement, la loi
conditionnelle de X est donc définie par la distribution de probabilités

@x P XpΩq, PB,X pxq “ PB pX “ xq.

I.3 Loi de f pXq

Proposition 15.1.18 – Loi de f pXq
1. Soit X une variable aléatoire discrète sur pΩ, T , Pq, à valeurs dans E, et f : E Ñ F La loi
de f pXq, définie sur pF, PpF qq (ou seulement sur pf pXpΩqq, Ppf pXpΩqqqq, est donnée par

´1 .
Pf pXq “ PX ˝ fy

Autrement dit, pour tout A P PpF q,

Pf pXq pAq “ PX pf ´1 pAqq “ PpX P f ´1 pAqq.

2. En particulier, ÿ
@x P f pXpΩqq, Ppf pXq “ xq “ PpX “ yq.
y|f pyq“x
yPXpΩq

Ÿ Éléments de preuve.

1. tX P f ´1 pAqu “ tf pXq P Au.

2. tf pXq “ xu “ tX P f ´1 pxqu.

Ź
I Loi d’une variable aléatoire discrète 231

Exemples 15.1.19 – Loi d’une somme, loi du minimum

Voici deux exemples particulièrement important, à bien connaître, dans le cas où X et Y sont des
variables aléatoires réelles discrètes.
ÿ
1. @z P R, PpX ` Y “ zq “ PpX “ x, Y “ yq.
px,yqPXpΩqˆY pΩq
x`y“z
ÿ ÿ
2. @z P XpΩq Y Y pΩq, PpminpX, Y q “ zq “ PpX “ z, Y “ yq ` PpX “ x, Y “ zq.
yPY pΩq xPXpΩq
yěz xąz
Exemple : tirage de deux dés.

Corollaire 15.1.20 – Stabilité de „ par image directe

Soit X : Ω1 Ñ E et Y : Ω2 Ñ E telles que X „ Y , et f : E Ñ F . Alors f pXq „ f pY q.

I.4 Loi d’un vecteur aléatoire réel discret

Proposition 15.1.21 – Caractérisation d’un vecteur aléatoire par ses coordonnées
Soit pΩ, T , Pq un espace probabilisé, et X : Ω Ñ Rn une application. On note X “ pX1 , . . . , Xn q les
coordonnées de X. Les propositions suivantes sont équivalentes:
(i) X est une variable aléatoire discrète (donc un vecteur aléatoire discret)
(ii) pour tout i P J1, nK, Xi est une variable aléatoire réelle discrète.

Notation 15.1.22 – PpX1 P A1 , . . . , Xn P An q

Soit X “ pX1 , . . . , Xn q un vecteur aléatoire discret, à valeurs dans Rn . Pour alléger les notations,
on note PpX1 P A1 , . . . , Xn P An q au lieu de PprtX1 P A1 u X ¨ ¨ ¨ X tXn P Auq. En particulier, on
utilisera la notation PpX1 “ x1 , . . . , Xn “ xn q.

Pour éviter l’abus de notations techniques stériles, nous donnons les définitions dans le cas de couples de
vriables aléatoires, elles s’étendent facilement au cas de vecteurs aléatoires à davantage de coordonnées.
Pour commencer, on peut remarquer que si pX, Y q est une couple de variables aléatoires réelles discrètes,
et V “ pX, Y q, alors
V pΩq Ă XpΩq ˆ Y pΩq.

Définition 15.1.23 – Loi conjointe, lois marginales

Soit pX, Y q un couple de variables aléatoires réelles discrètes.
‚ La loi conjointe du couple pX, Y q est la loi du vecteur aléatoire V “ pX, Y q. Il s’agit donc
d’une mesure de probabilité PpX,Y q définie par la distribution de probabilités

pPpX “ x, Y “ yqqpx,yqPXpΩqˆY pΩq .

‚ La première loi marginale du couple pX, Y q est la loi de X

‚ La seconde loi marginale du couple pX, Y q est la loi de Y

De la même façon, on parle de la loi conjointe, et de la k-ième loi marginale d’un n-uplet pX1 , . . . , Xn q.
De façon évidente :

Proposition 15.1.24 – Expression d’une loi marginale

Soit pX, Y q un couple de variables aléatoires réelles discrètes. La loi conjointe détermine les lois
232 CHAPITRE 15. VARIABLES ALÉATOIRES DISCRÈTES

marginales par les formules :

$ ÿ
’
’ @x P XpΩq, PpX “ xq “ PpX “ x, Y “ yq.
&
yPY pΩq
ÿ
%@y P XpΩq, PpY “ yq “ PpX “ x, Y “ yq.
’
’
xPXpΩq

De façon similaire, la k-ième loi marginale d’un n-uplet pX1 , . . . , Xn q s’obtient en sommant sur toutes les
valeurs possibles prises par les n ´ 1 autres variables aléatoires.
Avertissement 15.1.25
Les lois marginales sont déterminées par la loi conjointe, mais la réciproque est fausse : les lois
marginales ne déterminent pas la loi conjointe !

Exemple 15.1.26
Soit une urne contenant 1 boule blanche, 1 boule noire. On effectue un tirage, avec équiprobabilité.
On note X1 , Y1 et X2 les trois variables (égales l’une à l’autre) égales à 1 si on tire la boule noire,
et 0 sinon. On note Y2 la variable égale à 1 si on tire la boule blanche, et 0 sinon. Alors, les lois
marginales de pX1 , Y1 q et de pX2 , Y2 q sont les mêmes, pourtant les lois conjointes sont distinctes.

I.5 Variables indépendantes

Proposition/Définition 15.1.27 – Variables aléatoires discrètes indépendantes
Soit X et Y deux variables aléatoires discrètes définies sur pΩ, T , Pq, à valeurs dans E1 et E2
respectivement. Les propositions suivantes sont équivalentes:
(i) Pour tout pA, Bq P PpE1 q ˆ PpE2 q, PpX,Y q pA ˆ Bq “ PX pAqPY pBq ;
(ii) Pour tout pA, Bq P PpE1 q ˆ PpE2 q, les événements tX P Au et tY P Bu sont indépendants,
i.e.
PpX P A, Y P Bq “ PpX P AqPpY P Bq;

(iii) Pour tout px, yq P XpΩq ˆ Y pΩq, les événements tX “ xu et tY “ yu sont indépendants, i.e.

PpX “ x, Y “ yq “ PpX “ xqPpY “ yq;

Dans ce cas, on dit que X et Y sont indépendances, et on note X KK Y .

Remarque 15.1.28
Conformément à la remarque faite lors de la définition de la loi d’une variable aléatoire, on peut se
contenter de considérer pA, Bq P PpXpΩqq ˆ PpY pΩqq.s

Proposition/Définition 15.1.29 – Famille de variables mutuellement indépendantes

Soit pXk qkPK une famille quelconque de variables aléatoires discrètes sur pΩ, T , Pq, Xk étant à
valeurs dans Ek . Les propositions suivantes sont équivalentes:
(i) pour toute famille pAk qkPK telle que pour tout k P K, Ak Ă Ek , les événements rXk P Ak s,
k P K, sont indépendants ;
(ii) pour tout J P Pf pKq et toute famille pAj qjPJ telle que pour tout j P J, Aj Ă Ej ,
˜ ¸
č ź
P tXj P Aj u “ PpXj P Aj q;
jPJ jPJ
I Loi d’une variable aléatoire discrète 233

(iii) pour toute famille pxk qkPK telle que pour tout k P K, xk P Xk pΩq, les événements tXk “ xk u,
k P K, sont indépendants ;
(iv) pour tout J P Pf pKq et toute famille pxj qjPJ telle que pour tout j P J, xj P Xj pΩq,
˜ ¸
č ź
P tXj “ xj u “ PptXj “ xj uq.
jPJ jPJ

Dans ce cas, on dit que les variables aléatoires Xk , k P K, sont indépendantes (ou mutuellement
indépendantes).

Proposition 15.1.30 – Sous-famille d’une famille de variables indépendantes

Si la famille pXk qkPK est une famille de variables aléatoires discrètes indépendantes, alors, pour tout
J Ă K, pXj qjPK est une famille de variables aléatoires discrètes indépendantes.

Corollaire 15.1.31 – Indépendance 2 à 2

Si pXk qkPK est une famille de variables alétoires discrètes indépendantes, alors les Xk sont 2 à 2
indépendants. La réciproque est fausse.

En revanche, on peut caractériser l’indépendance par l’indépendance des sous-familles finies.

Proposition 15.1.32 – Caractérisation de l’indépendance par les familles finies

Soit pXk qkPK une famille de variables aléatoires discrètes indépendantes. Les propositions suivantes
sont équivalentes:
(i) pXk qkPK est une famille de variables indépendantes ;
(ii) pour tout J P Pf pKq, pXj qjPJ est une famille de variables indépendantes ;

Proposition 15.1.33 – Fonctions de variables indépendantes

Soit X KK Y deux v.a.r.d. independantes, et f et g deux fonctions définies respectivement sur XpΩq
et Y pΩq. Alors f pXq K
K gpY q.

Ceci est un cas particulier du résultat plus général ci-dessous :

Théorème 15.1.34 – Lemme des coalitions, pour 2 coalitions

Soit 1 ď m ă n, et pX1 , . . . , Xm , . . . Xn q une famille de variables aléatoires discrètes indépendantes.
Soit f et g deux fonctions définies sur X1 pΩq ˆ . . . Xm pΩq et Xm`1 pΩq ˆ ¨ ¨ ¨ ˆ Xn pΩq respectivement.
Alors f pX1 , . . . , Xm q et gpXm`1 , . . . , Xn q sont indépendantes.

Ÿ Éléments de preuve.
Démonstration un peu technique, en exprimant tout en fonction des répartitions de probabilités des
Xi . Ź
Par récurrence, on en déduit la version générale, qu’on exprime volontairement sous une forme un peu
lâche.
Théorème 15.1.35 – Lemme des coalitions
Soit pXk qkPK une famille de variables aléatoires discrètes indépendantes, et pKi qiPI une famille de
sous-ensembles finis deux à deux disjoints de K. Soit pYi qiPI une famille de variables aléatoires, telle
que pour tout i P I, Yi s’écrive comme fonction des Yk , k P Ki (et pas des autres). Alors pYi qiPI est
une famille de variables aléatoires discrètes indépendantes.
234 CHAPITRE 15. VARIABLES ALÉATOIRES DISCRÈTES

Ÿ Éléments de preuve.
Le cas K infini et I fini s’obtient par récurrence à partir du lemme des 2 coalitions (seul un nombre
fini de Xk intervenant, puisque les parts Ki sont finies)
Le cas I infini provient alors du fait que l’indépendance d’une famille équivaut à l’aindépendance de
toutes ses sous-familles finies. Ź
On admet le résultat suivant, qui permet d’assurer l’existence d’espaces probabilisés modélisant des
situations un peu complexes, notamment infinies. Par exemple, la modélisation précise d’une succession
infinie de tirages à Pile ou Face indépendants n’est pas chose facile. L’univers Ω est naturellement t0, 1uN ,
mais cet ensemble est en bijection avec R, et le munir de la tribu PpΩq ne permet pas ici de modéliser
correctement le tirage à pile ou face.
En effet, on peut montrer que toute mesure de probabilité sur pR, PpRq, Pq est déterminée par une
répartition de probabilités discrète. Or, pour tout ω P Ω, on obtient alors dans cet espace probabilisé
Ppωq “ 0 (par le même calcul que la probabilité de n’obtenir que des Piles). Ceci contredit le fait que P
soit déterminée par une répartition de probabilités discrète.
La construction d’un modèle convenable est difficile, et n’est pas un objectif du programme. Nous utili-
serons donc le théorème suivant, admis, pour justifier l’existence d’un modèle convenable.

Théorème 15.1.36 – Espace probabilisé modélisant une suite de lois, admis

Soit E un ensemble et pPn qnPN une suite de lois de probabilités discrètes sur E (ce qui équivaut à
la donnée d’une suite de distributions de probabilités discrètes).
Alors il existe un espace probabilisé pΩ, T , Pq et une suite pXn qnPN de variables indépendantes,
définies sur pΩ, T , Pq, à valeurs dans E, et telle que

@n P N, PXn “ Pn .

Ÿ Éléments de preuve.
Démonstration hors-programme. Ź
Il est fréquent, pour étudier les caractéristiques d’une expérience, de la répéter une infinité de fois dans
les mêmes conditions, de façon indépendante, et d’observer le résultat sous forme de valeur prise par une
variable aléatoire.
Définition 15.1.37 – variables i.i.d.
Soit pXn qnPN une suite de variables aléatoires. On dit que la suite pXn q est indépendante identique-
ment distribuée (en abrégé officiel i.i.d.), si les Xn sont indépendants, et suivent la même loi (i.e.
pour tout pi, jq P N2 , Xi „ Xj ).

Si les Xi suivent une loi classique, on dira, par exemple, que pXn qnPN est une suite i.i.d. de variables
suivant une loi binomiale Bpn, pq.

Corollaire 15.1.38 – Modélisation d’une répétition infinie d’expériences indépendantes

Soit P une loi de probabilités discrète sur E. Alors il existe un espace probabilisé pΩ, T , Pq et
pXn qnPN une suite i.i.d. de variables de loi P .

En appliquant cela à une loi de Bernoulli Bppq, on obtient l’existence d’un espace probabilisé modélisant
une succession infinie de tirages (éventuellement déséquilibrés) à Pile ou Face

Corollaire 15.1.39 – Espace probabilisé modélisant des tirages à P/F

Il existe un espace probabilisé modélisant une succession infinie de tirages à Pile ou Face indépen-
dants, avec une probabilité p d’obtenir Pile à chaque tirage.
II Espérance et variance 235

II Espérance et variance
On étend les définitions vues en première année au cas des variables discrètes.
Dans toute cette section,
‚ pΩ, T , Pq désigne un espace probabilisé qu’on ne réintroduira pas à chaque énoncé ;
‚ sauf mention explicite du contraire, les variables sont définies sur pΩ, T , Pq, et à valeurs dans R ou
C.

II.1 Espérance d’une variable positive

Définition 15.2.1 – Espérance d’une variable positive
Soit X une variable aléatoire à valeurs dans R` . L’espérance de X est définie par
ÿ
EpXq “ xPpX “ xq,
xPXpΩq

où, par convention, `8 ˆ 0 “ 0. L’espérance est toujours bien définie dans R`

Remarque 15.2.2
Si `8 P XpΩq :
‚ si PpX “ `8q ą 0, alors EpXq “ 0 ;
‚ si PpX “ `8q “ 0, alors X a même espérance que sa restriction à Ω1 “ ΩztX “ `8u

Plus généralement,

Proposition 15.2.3 – Espérance de variables de même loi

Si X et Y sont des variables à valeurs dans R` , et X „ Y , alors EpXq “ EpY q.

Remarque 15.2.4
Une variable aléatoire X positive peut admettre une espérance infinie même si X ne prend que des
valeurs finies.

Exemple 15.2.5
6
XpΩq “ N˚ et @n P N˚ , PpX “ nq “
π 2 n2

Proposition 15.2.6 – Positivité et stricte positivité

Soit X une variable aléatoire à valeurs dans R` .
1. EpXq ě 0 ;
2. EpXq “ 0 ðñ X „ 0 (i.e. X est presque sûrement nulle).

Dans le cas de variables à valeurs dans N, on dispose d’une autre description possible de EpXq.

Proposition 15.2.7 – Réxpression de l’espérance lorsque XpΩq Ă N Y t`8u

236 CHAPITRE 15. VARIABLES ALÉATOIRES DISCRÈTES

Soit X une variable aléatoire discrète à valeurs dans N Y t`8u. Alors

`8
ÿ
EpXq “ PpX ě nq.
n“1

II.2 Espérance d’une variable complexe

Définition 15.2.8 – Espérance
Soit X une variable aléatoire discrète à valeurs dans C. On dit que X admet une espérance finie si
la famille pxPpX “ xqqxPXpΩq est sommable, et dans ce cas :
ÿ
EpXq “ xPpX “ xq.
xPXpΩq

La notation X P L1 signifie que X admet une espérance finie.

Remarque 15.2.9
Il arrive souvent que l’ensemble dénombrable XpΩq soit énuméré, c’est-à-dire décrit sous forme d’une
suite pxn qnPN . La condition d’existence d’une espérance finie équivaut dans ce cas à la convergence
ř
absolue de la série xn PpX “ xn q.
On prendra garde au fait que la semi-convergence n’est pas suffisante pour assurer la sommabilité.
En effet, comme on l’a vu, la valeur de la somme est dans ce cas fortement dépendante de l’ordre
de sommation. Or l’ordre de sommation défini par l’énumération pxn qnPN est purement arbitraire,
et n’a pas de raison d’être privilégié par rapport à un autre.

Exemple 15.2.10
6
XpΩq “ tp´1qn n, n P N˚ u, et : @n P N˚ , PpX “ p´1qn nq “ .
π 2 n2

Remarque 15.2.11
Lorsque X ě 0, X P L1 ðñ EpXq ă `8.

En revanche, lorsque X n’est pas positive, cela n’a pas de sens de donner une valeur infinie à EpXq.
Comme dans le cas positif, on peut comparer l’espérance de deux variables de même loi.

Proposition 15.2.12 – Espérance de variables de même loi

Soit X „ Y deux variables discrètes à valeurs complexes de même loi. Alors :
‚ X admet une espérance finie ssi Y admet une espérance finie ;
‚ dans ce cas, EpXq “ EpY q.

II.3 Formule de transfert et conséquences

Théorème 15.2.13 – Formule de transfert, version positive
Soit X une variable aléatoire à valeurs dans E et f : XpΩq Ñ R` . Alors, dans R` , l’égalité suivante
est toujours valide : ÿ
Epf pXqq “ f pxqPpX “ xq
xPXpΩq
II Espérance et variance 237

Ÿ Éléments de preuve.
Partir de l’espérance de f pXq, et, par propriété d’associativité positive, regrouper les valeurs de x
selon les parts tf pXq “ yu. Ź

Théorème 15.2.14 – Formule de transfert, version complexe

Soit X une variable aléatoire à valeurs dans E et f : XpΩq Ñ R` . Les propositions suivantes sont
équivalentes:
(i) f pXq P L1 ;
(ii) pf pxqPpX “ xqqxPXpΩq .
Dans ce cas, ÿ
Epf pXqq “ f pxqPpX “ xq.
xPXpΩq

Exemple 15.2.15
Si X est une variable discrète réelle. En cas de sommabilité,
ÿ
EpX k q “ xk PpX “ kq.
xPXpΩq

On dit dans ce cas que X P Lk , et EpX k q est appelé moment d’ordre k de X.

Remarque 15.2.16
Si pX, Y q est un couple de variables aléatoires définies sur E et F respectivement, et f : E ˆ F Ñ C,
on peut considérer pX, Y q comme une variable aléatoire à valeurs dans E ˆ F , ce qui permet
d’utiliser la formule de transfert : f pX, Y q admet une espérance finie ssi pf px, yqPpX “ x, Y ´
yqqpx,yqPXpΩqˆY pΩq est sommable. Dans ce cas,
ÿ
Epf pX, Y qq “ f px, yqPpX “ x, Y “ yq.
px,yqPXpΩqˆY pΩq

La formule de transfert permet d’obtenir des propriétés importantes de l’espérance.

Proposition 15.2.17 – Inégalité triangulaire

Soit X une variable aléatoire à valeurs complexes. Alors

X P L1 ðñ Ep|X|q ă `8,

et dans ce cas,
|EpXq| ď Ep|X|q.

Proposition 15.2.18 – Linéarité de E, cas positif

Soit X et Y deux variables aléatoires discrètes à valeurs dans R` , et λ P R˚` . Alors, dans R` ,

EpλX ` Y q “ λEpXq ` EpY q

Proposition 15.2.19 – Linéarité de E, cas complexe

Soit X et Y deux variables aléatoires discrètes à valeurs dans C, et λ P C. Si X P L1 et Y P L1 ,
238 CHAPITRE 15. VARIABLES ALÉATOIRES DISCRÈTES

alors λX ` Y P L1 et dans ce cas,

EpλX ` Y q “ λEpXq ` EpY q.

Ÿ Éléments de preuve.
Théorème de transfert, appliqué à f : px, yq ÞÑ λx ` y, puis manipulations simples de somme et
expression des lois marginales en fonction de la loi conjointe. Ź
La propriété de positivité de la proposition suivante a déjà été démontré.

Proposition 15.2.20 – Positivité et croissance de l’espérance

1. Soit pX, Y q deux variables à valeurs dans R` . Alors, dans R` ,

XďY ùñ EpXq ď EpY q.

2. Soit X, Y P L1 deux variables aléatoires réelles discrètes admettant une espérance

‚ Si X ě 0 ps, alors EpXq ě 0, avec égalité ssi X “ 0 ps.
‚ Si X ě Y ps, alors EpXq ě EpY q.

Ÿ Éléments de preuve.
Dire que X ě Y ps signifie qu’il existe Ω1 Ă Ω tel que PpΩ1 q “ 1 et @ω P Ω1 , Xpωq ě Y pωq. Ź

Corollaire 15.2.21 – L1 par majoration

Soit X et Y deux variables à valeurs dans C. Si |X| ď |Y | et Y P L1 , alors X P L1 .

Proposition 15.2.22 – Espérance d’un produit de variables indépendantes

Soit X et Y deux variables à valeurs dans C. Si X et Y sont L1 , alors XY P L1 et

EpXY q “ EpXqEpY q.

Par récurrence immédiate, si X1 , . . . , Xn sont des variables indépendantes et L1 , alors X1 ¨ ¨ ¨ Xn est aussi
L1 , et
n
ź
EpX1 . . . Xn q “ EpXk q.
k“1

II.4 Moment d’ordre 2 et variance d’une variable réelle

Dans ce paragraphe et le suivant, les variables aléatoires sont discrètes et réelles.
Comme dans le cas des variables finies, la valeur moyenne n’est pas une donnée suffisante pour avoir
une bonne compréhension d’une variable aléatoire. En effet, l’espérance ne mesure pas la dispersion de
la variable aléatoire : les valeurs prises peuvent tout aussi bien rester toujours très proches de EpXq, ou
alors s’en éloigner beaucoup, de part et d’autre, de façon à ce qu’en moyenne cela se compense.
Pour des raisons techniques, il est plus facile de travailler avec la moyenne quadratique EppX ´EpXqq2 q de
la distance à EpXq, plutôt que la moyenne arithmétiques Ep|X ´ EpXq|q. En effet, ce choix nous ramène
à des méthodes bilinéaires.
On a déjà défini les moments d’ordre k. Les seuls au programme sont les moments d’ordre 1 (l’espérance)
et 2.
Définition 15.2.23 – Moment d’ordre 2
Soit X une varable aléatoire réelle discrète.
‚ Le moment d’ordre 2 de X est l’espérance de X 2 . Ce moment d’ordre 2 est toujours bine
défini dans R` .
II Espérance et variance 239

‚ Ainsi, d’après la formule de transfert,

ÿ
EpX 2 q “ x2 PpX “ xq.
xPXpΩq

‚ On dit que X admet un moment d’ordre 2 fini (et on note X P L2 ) si EpX 2 q ă `8.

Proposition 15.2.24 – Espace des variables L2 sur Ω

1. Soit X et Y deux variables aléatoires réelles discrètes sur Ω. Si X et Y sont dans L2 , alors
XY P L1 .
2. L’ensemble L2 pΩ, Rq des variables aléatoires définies sur Ω et admettant un moment d’ordre
2 fini est un espace vectoriel sur R.

Définition 15.2.25
XY P L1 s’obtient en majorant |XY |. Ensuite, développer EppλX ` Y q2 q.

Corollaire 15.2.26 – Espérance d’une variable L2

Soit X une variable aléatoire réelle discrète. Si X P L2 , alors X P L1 .

Ÿ Éléments de preuve.
Prendre Y “ 1. Ź

Théorème 15.2.27 – Inégalité de Cauchy-Schwarz pour l’espérance

‚ Pour toutes variables aléatoires réelles discrètes X et Y dans L2 ,

EpXY q2 ď EpX 2 qEpY 2 q.

‚ Dans l’inégalité précédente, le cas d’égalité est obtenu si et seulement si X et Y sont coli-
néaires presque sûrement, donc s’il existe des constantes λ et µ réelles telles que λX `µY „ 0.

Ÿ Éléments de preuve.
C’est l’inégalité de Cauchy Schwarz pour la forme bilinéaire symétrique positive pX, Y q ÞÑ EpXY q
définie sur L2 pΩ, Rq.
On rappelle que l’inégalité de Cauchy-Schwarz pour une forme bilinéaire symétrique positive φ peut
être obtenue sans l’hypothèse de séparation, et que le cas d’égalité est alors obtenu pour le couple
px, yq si et seulement s’il existe λ et µ tels que φpλx ` µy, λx ` µyq “ 0. Ź
Afin d’alléger les énoncés, nous ne rappelons plus par la suite à chaque fois que les vaiables consédérées
sont réelles discrètes (ce que nous sous-entendrons par l’écriture X P L2 que nous n’avons définie que
dans ce cas).

Définition 15.2.28 – Variance et écart-type d’une variable aléatoire

Soit X P L2 . Alors, en vertu de ce qui précède, X ´ EpXq est bien défini et L2 . On définit alors :
‚ la variance de X :
ÿ
VpXq “ EppX ´ EpXqq2 q “ px ´ EpXqq2 PpX “ xq.
xPXpΩq

‚ l’écart type de X : a a
σpXq “ VpXq “ EppX ´ EpXqq2 q.
240 CHAPITRE 15. VARIABLES ALÉATOIRES DISCRÈTES

Proposition 15.2.29 – Positivité et stricte positivité de V

Soit X P L2 . Alors VpXq ě 0, l’égalité étant obtenue si et seulement si X est constante presque
sûrement.

Dans la pratique, on calcule souvent la variance avec le résultat suivant.

Théorème 15.2.30 – Formule de König-Huygens

Soit X P L2 . Alors
VpXq “ EpX 2 q ´ EpXq2 .

Proposition 15.2.31 – Quadraticité et invariance par translation de la variance

Soit a et b deux réels et X P L2 . Alors aX ` b P L2 , et

VpaX ` bq “ a2 VpXq.

Il arrive souvent, de normaliser les variables aléatoires, afin de pouvoir les comparer. Il faut dans ce cas
à la fois normaliser la valeur moyenne et la dispersion.

Définition 15.2.32 – variable centrée, réduite

Une variable X est dite :
‚ centrée si X P L1 , et EpXq “ 0
‚ réduite si X P L2 , et VpXq “ 1
‚ centrée réduite si elle est à la fois centrée et réduite.

Proposition 15.2.33 – Variable centrée réduite associée à X

Soit X P L2 telle que σpXq ą 0. Il existe d’uniques réels a ą 0 et b tels que la variable X ˚ définie
par X ˚ “ aX ` b soit centrée réduite. Plus précisément,

X ´ EpXq
X˚ “ .
σpXq

On dit que X ˚ est la variable aléatoire centrée réduite associée à X.

Ÿ Éléments de preuve.
Analyse synthèse par linéarité de E et quadraticité de V. Ź

II.5 Covariance
Pour l’instant, contrairement au cas de l’espérance, nous n’avons pas donné de moyen de calculer la
variance d’une somme. Nous avons en effet besoin pour cela d’un outil supplémentaire, qui nous permet
de mesurer la dépendance entre deux variables.
En effet on comprend bien que la variance de X ` Y va fortement dépendre de la corrélation entre X et
Y . Pour prendre deux cas extrêmes, supposons que X et Y suivent une même loi symétrique par rapport
à0:
‚ si X “ Y , on aura alors VpX ` Y q “ Vp2Xq “ 4VpXq ;
‚ si X “ ´Y , on aura alors VpX ` Y q “ 0.
Ainsi, la seule donnée des lois de X et Y ne peut pas suffire à déterminer VpX ` Y q. La covariance
covpX, Y q va nous permettre de mesurer la propension de deux variables à évoluer de façon parallèle ou
opposée.
II Espérance et variance 241

Définition 15.2.34 – Covariance

Soit X et Y deux variables L2 . Alors pX ´ EpXqqpY ´ EpY qq P L1 et on définit la covariance de X
et Y par :
` ˘
covpX, Y q “ E pX ´ EpXqqpY ´ EpY qq .

Remarque 15.2.35 – Interprétation de la covariance

Si covpX, Y q ą 0, X ´ EpXq et Y ´ EpY q ont tendance à être de même signe, donc X et Y ont
tendance à se situer du même côté de leur espérance. Ainsi :
‚ covpX, Y q ą 0 signifie que X et Y ont tendance à évoluer parallèlement
‚ covpX, Y q ă 0 signifie que X et Y ont tendance à avoir une évolution opposée.

Définition 15.2.36 – Variables décorrélées

Les variables X et Y sont dites décorrélées lorsque covpX, Y q “ 0.

Proposition 15.2.37 – Propriétés de la covariance

Soit X, Y P L2 .
1. covpX, Y q “ EpXY q ´ EpXqEpY q ;
2. covpX, Y q “ covpY, Xq (symétrie)
3. cov est bilinéaire sur l’espace des v.a.r.d. sur pΩ, T , Pq admettant un moment d’ordre 2.
4. covpX, Xq “ VpXq.
5. covp1, Xq “ 0.
6. Si X et Y sont indépendantes, covpX, Y q “ 0.

Ÿ Éléments de preuve.
Assez immédiat par linéarité de l’espérance. Ź

Avertissement 15.2.38
La réciproque de la dernière propriété est fausse : il existe des variables décorrélées, mais non
indépendantes. Voir les exercices pour des exemples.

Les propriétés 2, 3 et 4 permettent d’affirmer que cov est une forme bilinéaire symétrique positive, de
forme quadratique associée égale à la variance. En particulier, on dispose d’une deuxième inégalité de
Cauchy-Schwarz :

Théorème 15.2.39 – Inégalité de Cauchy-Schwarz pour la covariance, HP

Soit X, Y P L2 . Alors
|covpX, Y q| ď σpXqσpY q,
avec égalité si et seulement s’il existe une relation affine presque sûrement entre X et Y (c’est-à-dire
une relation non triviale aX ` bY ` c “ 0)

Remarque 15.2.40
Sans être explicitement au programme, cette inégalité peut être considérée comme étant au pro-
gramme, puisqu’il ne s’agit de rien d’autre que l’inégaliét de Cauchy-Schwarz pour l’espérance
appliquée aux variables centrées X ´ EpXq et Y ´ EpY q.
242 CHAPITRE 15. VARIABLES ALÉATOIRES DISCRÈTES

II.6 Variance d’une somme

Une autre formule issue directement de l’algèbre bilinéaire (et du lien entre une forme bilinéaire symétrique
et la forme quadratique associée) est la formule de polarisation :

Proposition 15.2.41 – Formule de polarisation

Soit X, Y P L2 . Alors :
1
covpX, Y q “ pVpX ` Y q ´ VpXq ´ VpY qq.
2

Cette formule est dans notre contexte surtout utilisée pour calculer la variance d’une somme à l’aide des
covariances. Nous la reexprimons donc de la façon suivante :

Proposition 15.2.42 – Variance d’une somme

1. Si X, Y P L2 , alors X ` Y P L2 , et :

VpX ` Y q “ VpXq ` VpY q ` 2 ¨ covpX, Y q.

2. Si de plus X K
K Y , alors VpX ` Y q “ VpXq ` VpY q.

En utilisant la propriété de bilinéarité généralisée, on obtient de même l’expression de la variance d’une

somme de n terme :

Proposition 15.2.43 – Variance de X1 ` ¨ ¨ ¨ ` Xn

1. Soit X1 , . . . , Xn P L2 ; alors X1 ` ¨ ¨ ¨ ` Xn P L2 et :
ÿ
VpX1 ` ¨ ¨ ¨ ` Xn q “ VpX1 q ` ¨ ¨ ¨ ` VpXn q ` 2 ¨ covpXi , Xj q.
1ďiăjďn

2. Si de plus les Xi sont 2 à 2 indépendantes, ou plus généralement 2 à 2 décorrélées,

VpX1 ` ¨ ¨ ¨ ` Xn q “ VpX1 q ` ¨ ¨ ¨ ` VpXn q.

On peut réexprimer cette formule matriciellement.

Proposition
¨ ˛ 15.2.44 – Reexpression matricielle de la variance d’une somme
1
˚.‹
Soit C “ ˝ .. ‹
˚
‚ P Mn,1 pRq. Alors :
1 VpX1 ` ¨ ¨ ¨ ` Xn q “ C J ¨ VpX1 , . . . , Xn q ¨ C,
où VpX1 ` ¨ ¨ ¨ ` Xn q est la matrice ci-dessous, appelée matrice des variances-covariances :

V pX1 , . . . , Xn q “ pcovpXi , Xj qqpi,jqPJ1,nK2 .

Ainsi, la variance est la somme des coefficients de la matrice des variances-covariances. Ce point de
vue simplifie souvent les manipulation sommatoires, notamment lorsque l’expression des covariances suit
un motif en diagonales (constante sur chaque diagonale par exemple). Les considérations combinatoires
déviennent plus évidentes sur la représentation matricielle.

III Variables aléatoires à valeurs dans N, lois usuelles

Nous voyons maintenant les lois classiques au programme. Avant de faire leur étude, on remarque que
toutes les lois classiques sont à valeurs dans N. Dans ce contexte on dispose d’un outil calculatoire efficace,
apprécié également dans un contexte combinatoire.
III Variables aléatoires à valeurs dans N, lois usuelles 243

III.1 Fonction génératrice d’une variable à valeurs dans N

Définition 15.3.1 – Série et fonction génératrice d’une variable à valeurs dans N
‚ Soit X une variable aléatoire à valeurs dans N. La série génératrice de X est la série entière
`8
ÿ
PpX “ nqtn .
n“0
‚ La fonction génératrice de X est la somme de la série génératrice et est notée GX :
`8
ÿ
ΓX ptq “ PpX “ nqtn ,
n“0

pour tout t dans le domaine de convergence de la série génératrice.

Proposition 15.3.2 – Rayon de convergence de la série génératrice

‚ La série génératrice PpX “ nqtn converge normalement sur Bp0, 1q Ă C.
ř

‚ En particulier, son rayon R vérifie R ě 1.

En utilisant la formule de transfert, on obtient alors :

Corollaire 15.3.3 – Réexpression de GX comme une espérance

Pour tout t P B̊p0, Rq Y Bp0, 1q,
ΓX ptq “ EptX q.

Corollaire 15.3.4 – Régularité de GX

1. La fonction génératrice GX est de classe C 8 sur B̊p0, Rq (donc en particulier sur B̊p0, 1q).
2. La fonction génératrice est continue sur Bp0, 1q.

Remarque 15.3.5
Si R ą 1, le point 2 est redondant. En revanche, il apporte une information nouvelle si R “ 1.

Les fonctions génératrices donnent un outil calculatoire efficace d’étude des variables aléatoires. En par-
ticulier, elle permet de reconnaître et comparer des variables aléatoires. En effet :

Théorème 15.3.6 – Détermination de la loi de X par sa fonction génératrice

1. Soit X et Y deux variables aléatoires à valeurs dans N. Si GX “ GY , alors X „ Y .
2. Plus précisément,
pnq
GX p0q
@n P N, PpX “ nq “ .
n!

La fonction génératrice donne également un accès direct à l’espérance, et presque directe à la variance.

Théorème 15.3.7 – Expression de l’espérance à l’aide de la fonction génératrice

Soit X une variable aléatoire à valeurs dans N, et GX sa fonction génératrice, considérée comme
fonction d’une variable réelle. Les propositions suivantes sont équivalentes:
(i) X P L1
(ii) GX est dérivable en 1.
Dans ce cas, on a EpXq “ G1X p1q.
244 CHAPITRE 15. VARIABLES ALÉATOIRES DISCRÈTES

Ÿ Éléments de preuve.
‚ Si le rayon R de la série génératrice vérifie R ą 1, R est aussi le rayon de la série dérivée, et cela
résulte des propriétés de dérivation des séries entières.
‚ Sinon, le résultat est un corollaire du théorème 13.2.15 (la dérivabilité correspond dans ce cas à
la dérivabilité à gauche)
Comme le théorème 13.2.15 n’est pas explicitement au programme, on rappelle que le sens direct
piq ùñ piiq est une application simple du théorème d’Abel radial. La démonstration du sens
réciproque piiq ùñ piq n’est pas exigible.
Ź

Théorème 15.3.8 – Expression de l’espérance à l’aide de la fonction génératrice

Soit X une variable aléatoire à valeurs dans N. Les propositions suivantes sont équivalentes:
(i) X P L2
(ii) GX est deux fois dérivable en 1.
Dans ce cas, on a VpXq “ G2X p1q ` G1X p1q ´ G1X p1q.

Ÿ Éléments de preuve.
X P L2 ssi XpX ´ 1q P L1 . Cela correspond, par formule de transfert, à la dérivée seconde de la série
génératrice.
Ensuite utiliser la formule de König-Huygens. Ź
Une dernière propriété importante est l’accès facile à la loi d’une somme de variables indépendantes.

Théorème 15.3.9 – Fonction génératrice d’une somme de variables indépendantes

1. Soit X et Y deux variables aléatoires indépendantes, à valeurs dans N, et RX et RY les
rayons de convergence de leurs séries génératrices. Alors

@t P B̊p0, minpRX , RY q Y Bp0, 1q, GX`Y ptq “ GX ptqGY ptq.

2. Soit X1 , . . . , Xn des variables indépendantes à valeurs dans N, et Ri le rayon de la série

génératrice de Xi . Alors

@t P B̊p0, min pRi q Y Bp0, 1q, GX`Y ptq “ GX ptqGY ptq.

iPJ1,nK

Ÿ Éléments de preuve.
Le point 1 par produit de Cauchy. Le point 2 par récurrence. Ź

III.2 Rappels sur les lois usuelles finies

On rappelle rapidement les lois usuelles finies classiques, en complétant leur étude par la description
de leur fonction génératrice. On présente une alternative au calcul direct de leur espérance et de leur
variance, en se servant des séries génératrices, et on se sert des fonctions génératrices également pour
justifier une propriété de stabilité.

Définition 15.3.10 – Loi uniforme

Soit n P N˚ . Une v.a.r. X suit la loi uniforme de paramètre n si XpΩq “ J1, nK et si :
1
@k P J1, nK, PpX “ kq “ .
n
On note X „ Upnq.
III Variables aléatoires à valeurs dans N, lois usuelles 245

Proposition 15.3.11 – Fonction génératrice, espérance et variance d’une loi uniforme

Soit X „ Upnq. Alors
#
t 1´tn
n ¨ 1´t si t ‰ 1
@t P R, ΓX ptq “
1 si t “ 1
et :
n`1 n2 ´ 1
EpXq “ et VpXq “ .
2 12

Ÿ Éléments de preuve.
C’est juste pour refaire le calcul avec la fonction génératrice, qui donne une version plutôt plus
compliquée ici que la méthode directe. Ź
Pour tout ensemble fini E, on note plus généralement X „ UpEq pour une v.a.r. suivant la loi uniforme
sur X, c’est-à-dire une v.a.r. telle que :
1
@x P E, PpX “ xq “ .
|E|

Proposition 15.3.12 – Expérience-type associée à une loi uniforme

Soit U une urne contenant n boules numérotées de 1 à n. On effectue un tirage avec équiprobabilité,
et on note X le numéro de la boule obtenu. Alors X „ Upnq.

Plus généralement, si X est une variable suivant une loi uniforme sur l’ensemble Ja, bK, elle vérifie :

a`b pb ´ a ` 1q2 ´ 1
EpXq “ et VpXq “ .
2 12

Définition 15.3.13 – Loi de Bernoulli

Soit X une v.a.r. et p Ps0, 1r. On dit que X suit une loi de Bernoulli de paramètre p (et on note
X „ Bp1, pq ou X „ Bppq) si :
#
PpX “ 0q “ 1 ´ p
XpΩq “ t0, 1u et
PpX “ 1q “ p

Désormais, on se donne un réel p Ps0, 1r, et on note q “ 1 ´ p.

Proposition 15.3.14 – Espérance et variance d’une loi de Bernoulli

Soit X „ Bppq. Alors

@t P R, GX ptq “ p1 ´ pq ` tp, EpXq “ p et VpXq “ pq.

Ÿ Éléments de preuve.
Un peu trivial... Mais le vérifier aussi avec la série génératrice. Ź

Exemple 15.3.15 – Fonction indicatrice d’un événement

Étude de Xpωq “ 1A pωq, A P PpΩq.

La motivation même de la définition de la loi de Bernoulli amène :

246 CHAPITRE 15. VARIABLES ALÉATOIRES DISCRÈTES

Proposition 15.3.16 – Expérience-type associée à une loi de Bernoulli

Soit une expérience à 2 issue (par exemple P/F, ou tirage dans une urne contenant 2 types de
boules), l’une représentant le succès et l’autre l’échec, la probabilité d’obtenir un succès étant p.
Soit X prenant la valeur 1 en cas de succès et la valeur 0 en cas d’échec. Alors X „ Bppq.

Une expérience telle que décrite dans la proposition précédente est usuellement appelée « expérience de
Bernoulli ».
Remarque 15.3.17
Toute variable aléatoire prenant ses valeurs dans t0, 1u est une variable de Bernoulli, à condition
d’élargir la définition en acceptant de considérer les cas dégénérés p “ 0 et p “ 1.
De façon équivalente, si une variable aléatoire à valeurs dans N a une fonction génératrice affine,
alors il s’agit d’une variable de Bernoulli (avec cette dafinition étendue).

Définition 15.3.18 – Loi binomiale

Soit X une v.a.r.. On dit que X suit la loi binomiale de paramètres pn, pq (et on note X „ Bpn, pq)
si : ˆ ˙
n k n´k
XpΩq “ J0, nK, et @k P J0, nK, PpX “ kq “ p q , où q “ 1 ´ p.
k

n ˆ ˙
ÿ n k
Ceci définit bien une loi de probabilités. En effet : p p1 ´ pqn´k “ pp ` p1 ´ pqqn “ 1.
k“0
k
Un calcul élémentaire (fait en MPSI) amène :

Proposition 15.3.19 – Expérience-type associée à la loi binomiale

Soit X le nombre de succès obtenus lors d’une répétition de n épreuves de Bernoulli indépendantes
de même paramètre p. Alors X „ Bpn, pq.

Proposition 15.3.20 – Espérance et variance d’une loi binomiale

Soit X „ Bpn, pq. Alors

@t P r´1, 1s, GX ptq “ pp1 ´ pq ` tpqn , εEpXq “ np, et VpXq “ npq.

Ÿ Éléments de preuve.
La série génératrice se calcule par la formule du binôme. Dériver pour obtenir l’espérance et la
variance. Ź

III.3 Loi géométrique

Nous ajoutons à ce catalogue deux nouvelles lois, discrètes, mais non finies.
La première correspond à la loi du temps d’attente dans une succession infinie de tirages à Pile ou Face.
On sait, d’après le théorème 15.1.36, définir un espace probabilisé pΩ, T , Pq modélisant cette expérience.
On se place dans cet espace probabilisé.

Proposition 15.3.21 – Temps d’attente du premier succès

Soit T la variable égale au rang du premier succès lors d’une succession infinie d’expériences de
Bernoulli indépendantes de paramètre p, évenutellement égal à `8 si le succès n’est jamais obtenu.
Alors XpΩq “ N˚ Y t`8u, et

@n P N, PpX “ nq “ pq n´1 , et P pX “ `8q “ 0.

III Variables aléatoires à valeurs dans N, lois usuelles 247

Ainsi, la valeur `8 n’est pas pertinente dans la description de la loi, et on peut définir la loi générique
de X sans la valeur infinie.
Définition 15.3.22 – Loi géométrique
On dit que X suit une loi géométrique de paramètre p Ps0, 1r, si pX P N˚ q est presque sûr, et

@n P N˚ , PpX “ nq “ pq n´1 , avec q “ 1 ´ p.

On note X „ Gppq.

Et par notre motivation-même :

Proposition 15.3.23 – Expérience-type associée à une loi géométrique
Soit X le temps d’attente du premier succès lors d’une répétition infinie d’expériences de Bernoulli
indépendantes de même paramètre p. Alors X „ Gppq.

Proposition 15.3.24 – Fonction génératrice, espérance et variance d’une loi géométrique

Soit X „ Gppq. Alors
1 1 pt 1 q
@t Ps ´ , r, ΓX ptq “ , EpXq “ et VpXq “ .
q q 1 ´ qt p p2

Ÿ Éléments de preuve.
On présente le calcul de l’espérance de X par fonction génératrice et par calcul direct. Ź

III.4 Loi de Poisson

Définition 15.3.25 – Loi de Poisson
Soit λ P R` et X une v.a.r.. On dit que X suit la loi de Poisson de paramètre λ, et on note
X „ Ppλq, si :
λn
XpΩq “ N et @n P N, PpX “ nq “ e´λ ¨ .
n!

D’après les résultats sur les séries exponentielles, cela définit bien une loi de probabilité. De plus :
Proposition 15.3.26 – Espérance et variance d’une loi de Poisson
Soit X „ Ppλq. Alors

@t P R, GX ptq “ eλpt´1q , EpXq “ λ et VpXq “ λ.

Proposition 15.3.27 – Limite en loi de variables binomiales

Soit pXn q une suite de variables binomiales de paramtères pn, pn q, telles que pn „`8 nλ . Alors

λk
@k P N, PpXn “ kq ÝÑ e´λ .
k!
On dit que la suite pXn q converge en loi vers une loi de Poisson de paramètre λ.

Remarque 15.3.28
Pour cette raison, la loi de Poisson modélise le nombre de succès lorsque le succès est un événement
rare (i.e. de petite probabilité) et que la population est très grande.
Une situation typique est l’affluence (à un magasin, à un parc d’attraction etc), lors d’un laps de
248 CHAPITRE 15. VARIABLES ALÉATOIRES DISCRÈTES

temps donné (par exemple une journée, dans une population très grande. Chaque individu de la
population a une probabilité p très faible d’aller à ce lieu lors d’une journée donnée, et la population
N est très grande. Ainsi, la loi BpN, pq représentant l’affluence au lieu donné pendant la période
donnée est assez voisine de la loi PpN pq. Ainsi, en posant λ “ N p, la loi de Poisson Ppλq est une
bonne modélisation de l’affluence.

III.5 Stabilités (HP classique)

Par stabilité d’une loi classique, on entend la chose suivante : si X et Y suit un certain type de loi et sont
indépendante, alors X ` Y suit une loi de même type (avec des paramètres éventuellement différents).
Nous énonçons ici deux propriétés de stabilité.

Proposition 15.3.29 – Stabilité des lois binomiales

Soit pm, nq P pN˚ q2 et p Ps0, 1r. Si X „ Bpn, pq et Y „ Bpm, pq sont indépendantes, alors X ` Y „
Bpn ` m, pq.

Ÿ Éléments de preuve.
Se comprend bien par l’expérience. Assez immédiat par fonctions génératrices. Ź

Corollaire 15.3.30 – Somme de variables de Bernoulli indépendantes

Soit X1 , . . . , Xn des variables aléatoires mutuellement indépendantes suivant la loi Bppq. Alors X1 `
¨ ¨ ¨ ` Xn „ Bpn, pq.

Proposition 15.3.31 – Stabilité des lois de Poisson

Soit pλ, µq P pR` q2 . Si X „ Ppλq et Y „ Ppµq sont indépendantes, alors X ` Y „ Ppλ ` µq.

Ÿ Éléments de preuve.
Même principe de calcul. Ź

IV Inégalités probabilistes
Pour terminer, nous généralisons au cas de variables discrètes les inégalités de Markov et de Bienaymé-
Tchebychev vues en MPSI pour les varables finies.

IV.1 Inégalités de Markov et de Bienaymé-Tchebychev

Théorème 15.4.1 – Inégalité de Markov
Soit X une variable aléatoire réelle discrète dans L1 . Alors, pour tout a ą 0,

EpXq
PpX ě aq ď .
ε

Ÿ Éléments de preuve.
Par croissance de E, en remarquant que X ě a1tXěau . Ź

Corollaire 15.4.2 – Réexpression quadratique de l’inégalité de Markov dans le cas L2

IV Inégalités probabilistes 249

Soit X une variable aléatoire réelle discrète dans L2 , et a P R˚` . Alors

EpX 2 q
Pp|X| ě εq ď .
ε2

Ÿ Éléments de preuve.
Si EpX 2 q ‰ 0, appliquer ce qui précède à X 2 . Et sinon ? Ź

Théorème 15.4.3 – Inégalité de Bienaymé-Tchebychev

Soit Y une variable aléatoire réelle discrète dans L2 , d’espérance m et de variance σ 2 . Alors :
` ˘ σ2
@ε ą 0, P |Y ´ m| ě ε ď 2 .
ε

Ÿ Éléments de preuve.
Inégalité de Markov quadratique appliquée à... Ź

IV.2 Loi faible des grands nombres

On a déjà vu la notion de convergence en loi de Xn vers X. Cette notion de convergence ne dit rien en
terme de réalisation des variables, mais juste sur les probabilités.
Une notion plus probabiliste de convergence mesure à quel point deux variables ont tendance à prendre
des valeurs proches l’une de l’autre.
Définition 15.4.4 – Convergence en probabilités
Soit pXn q une suite de variables aléatoires L1 et X une variable L1 . On dit que pXn q converge en
probabilités vers X si
@ε ą 0, lim Pp|Xn ´ X| ě εq “ 0.
nÑ`8

Un des exemples les plus importants de convergence en probabilité est celle qui résulte du calcul de la
moyenne obtenue lors d’une répétition de variables aléatoires.
Théorème 15.4.5 – Loi faible des grands nombres, HP
Soit pXn qnPN˚ une suite de variables aléatoires réelles discrètes L2 , i.i.d, d’espérance m et de variance
σ 2 . Soit pZn qnPN˚ définie par :

X1 ` ¨ ¨ ¨ ` Xn
@n P N, Zn “ .
n
Alors pZn qnPN˚ converge en probabilité vers la variable certaine égale à m. Plus précisément :

` ˘ σ2
@ε ą 0, @n P N˚ , P |Zn ´ m| ě ε ď 2 .
nε

Ÿ Éléments de preuve.
Inégalité de B-T appliquée à Zn dont on sait facilement déterminer l’espérance et la variance. Ź

Exemple 15.4.6 – Théorème d’or de Bernoulli

1. La loi faible des grands nombres utilisée avec une suite de variables de Bernoulli i.i.d. de loi
Bppq, avec p non connu, on obtient
` ˘ 1
@ε ą 0, @n P N˚ , P |Zn ´ p| ě ε ď .
4nε2
Le fait qu’on puisse faire cette majoration indépendamment de p permet d’estimer la valeur
250 CHAPITRE 15. VARIABLES ALÉATOIRES DISCRÈTES

de p en répétant un grand nombre de fois une expérience, et en donnant un intervalle de

confiance.
2. On tire 1000 fois à pile ou face avec une pièce déséquilibrée dont la probabilité d’obtention
de Pile est p. On obtient 570 fois Pile. Donner un intervalle I tel que la probabilité que p P I
soit supérieure à 0.9.
 16
Calcul différentiel et optimisation

L’objectif de ce chapitre est l’étude de propriétés généralisant la dérivation, dans le cadre de fonctions
définies sur un e.v.n. de dimension finie E.
En MPSI, vous avez par exemple étudié le cas de fonctions de 2 variables, c’est-à-dire de fonctions
f : Ω Ñ K où K “ R ou C, et Ω est un ouvert de R2 . Tout élément de Ω peut être décrit dans la base
canonique sous forme d’un couple px, yq P Ω, ce qui permet de considérer une telle fonction comme une
fonction de 2 variables réelles x et y. On a notamment vu dans ce cadre comment définir des dérivées
partielles, et plus généralement des dérivées selon un vecteur.
On comprend facilement comment généraliser pour des fonctions de n variables, c’est à dire définies sur
un ouvert Ω de Rn et à valeurs dans K, ou plus généralement, à valeurs dans un K-e.v.n. F .
De façon encore plus générale, on peut se demander si on peut s’affranchir de ce cadre très rigide de Rn
pour la variable de départ, c’est-à-dire si on peut directement considérer des fonctions de Ω dans F , où
Ω est un ouvert d’un R-e.v.n. E, et F est un K-e.v.n..
La notion de dérivée selon un vecteur se définit alors de même, et, si on est en dimension finie, est
indépendante du choix des normes. Les dérivées partielles correspondent à des dérivées selon certains
vecteurs particuliers formant une base de E. Les dérivées partielles peuvent donc se définir de façon plus
générale en référence à une base de E.
Le point de vue des dérivées partielles est pratique d’un point de vue calculatoire, mais donne souvent un
point de vue un peu trop partiel et morcelé sur la fonction f étudiée. Il peut être intéressant de regrouper
les informations. Dans ce but, nous définirons la notion de différentielle en un point a, qui est un objet
qui regroupe toutes les dérivées directionnelles en un point. Plus précisément, la différentielle de f au
point a est (sous réserve d’existence et de linéarité) l’application qui à tout vecteur ⃗u de E associe le
vecteur dérivé en a selon la direction de ⃗u.
Cette notion de différentielle permet d’avoir des formules beaucoup plus compactes et naturelles que
celles provenant de l’étude des dérivées partielles, et surtout, elle permet de s’affranchir de la donnée
d’une base.
Dans tout le chapitre, K désigne le corps R ou C, E est un R-e.v.n. (nécessairement réel) de dimension
finie, F un K-e.v.n. de dimension finie, et Ω un ouvert de E. Dans certains contextes liés à l’optimisation
(recherche d’extrema), il pourra cependant être intéressant de considérer des fonctions définies sur un
fermé, ou même sur un compact, afin d’assurer l’existence d’extrema globaux.
252 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

I Compléments sur les fonctions vectorielles

Cette section a pour but de généraliser rapidement certaines notions vues dans le cadre de fonctions de la
variable réelle et à valeurs dans K “ R ou C au cas de fonctions de la variable réelle aussi, mais à valeurs
dans un e.v.n. F de dimension finie. Nous ne nous attardons pas sur ces différentes propriétés, qui sont
assez limpides une fois qu’on a compris que, du fait de l’équivalence des normes, il suffit de se ramener
systématiquement aux coordonnées. Ces propriétés seront complétées dans les sections suivantes par des
propriétés un peu plus spécifiques (dérivation de formes bilinéaires ou multilinéaires composées par des
fonctions dérivables) qui seront vues comme cas particuliers de propriétés similaires pour les fonctions
d’une variable vectorielle.

I.1 Extention des notations o et O

Dans cette sous-section, E est un R-e.v.n. de dimension finie, F est un K-e.v.n. de dimension finie, et
D Ă E est une partie quelconque de E.
Définition 16.1.1 – Extension des notations o et O
Soit f est une application de D dans F et g : D Ñ R. Soit x0 P D. On dira que
‚ f pxq “ opgpxqq s’il existe α : D Ñ F tel que
x0

DV P Vpx0 q, @x P V X D, f pxq “ gpxqαpxq, et lim αpxq “ 0;

xÑx0

‚ f pxq “ Opgpxqq s’il existe α : D Ñ F tel que

x0

DV P Vpx0 q, @x P V X D, f pxq “ gpxqαpxq, et α bornée sur V X D;

Remarque 16.1.2
Le terme d’erreur sera toujours contrôlé par une fonction à valeur dans R, et non une fonction
vectorielle.

Proposition 16.1.3 – Caractérisation de o et O par les coordonnées

Soit f : I Ñ F et g : I Ñ R, et B “ pb1 , . . . , bn q une base de F , et pour tout x P I
n
ÿ
f pxq “ fi pxqbi .
i“1

Alors
‚ f pxq “ opgpxqq si et seulement si pour tout i P J1, nK, fi pxq “ opgi pxqq ;
x0 x0
‚ f pxq “ Opgpxqq si et seulement si pour tout i P J1, nK, fi pxq “ Opgi pxqq ;
x0 x0

Ÿ Éléments de preuve.
Écrire α avec ses coordonnées, et utiliser la norme } ¨ }B,8 . Ź

Exemples
¨ 16.1.4
˛
t
1. ˝ t2 ‚ “ opt3 q
˚ ‹
`8
lnptq
˜ ¸ ˜ ¸
et sinptq 1`t t
2. 1 “ ` Opt2 q.
1`t Arctanptqq 0 1´t t
n
ÿ Ak
3. Pour A P Mn pCq, eA “ ` op~A~n q.
AÑ0
k“0
k!
I Compléments sur les fonctions vectorielles 253

4. On en déduit, pour t P R : eAt “ In ` tA ` optq.

tÑ0

La situation la plus fréquente sera le cas d’un terme d’erreur en }x}α , x étant une variable de l’e.v.n. E
de dimension finie.

Lemme 16.1.5 – Invariance vis-à-vis de la norme en dimension finie

Soit E de dimension finie et } ¨ }1 et } ¨ }2 deux normes quelconques sur E. Soit D Ă E et f : E Ñ F ,
et x0 P F . Soit α P R. Alors

f pxq “ op}x}α α
1 q ðñ f pxq “ op}x}2 q
xÑx0 xÑx0

et
f pxq “ Op}x}α α
1 q ðñ f pxq “ Op}x}2 q.
xÑx0 xÑx0

Notation 16.1.6 – Notation ophq, Ophq

Pour h P E, on trouve parfois par abus la notation ophq à la place de op}h}q, et de même pour Ophq,
dans le but d’alléger un peu les notations.

Lorsque F “ R ou C, on peut former des quotients, et on retrouve la caractérisation usuelle, généralisée

au cas d’une variable vectorielle.

Proposition 16.1.7 – Caractérisation de o par le quotient

Si g : D Ñ R ne s’annule pas au voisinage de x0 , les propositions suivantes sont équivalentes:
(i) f pxq “ opgpxqq ;
x0
f pxq
(ii) ÝÑ 0.
gpxq xÑ0

Proposition 16.1.8 – Caractérisation de O par le quotient

Si g : D Ñ R ne s’annule pas au voisinage épointé de x0 , les propositions suivantes sont équivalentes:
(i) f pxq “ Opgpxqq ;
x0
f pxq
(ii) est bornée au voisinage de x0 .
gpxq

Les propriétés opératoires sur les o et O sont les mêmes que dans le cas réel (sommation, transitivité etc).

I.2 Dérivation de fonctions vectorielles d’une variable réelle

Dans cette sous-section, on suppose que E “ R et I Ă E est un intervalle ouvert. On considère donc
f : I Ñ F une fonction d’une variable réelle à valeurs dans E.

Définition 16.1.9 – Fonction dérivable en a

Soit f : I Ñ F et a P I. On dit que f est dérivable en a si le taux d’accroissement

f pxq ´ f paq
τx0 f pxq “
x´a
admet une limite finie ℓ P F lorsque x tend vers a. Le vecteur dérivé en a est alors défini par :

f pxq ´ f paq f pa ` hq ´ f paq

f 1 paq “ lim “ lim .
xÑx0 x´a hÑ0 h
254 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

La deuxième limite est prise en considérant h P I ´ x0 “ tx ´ x0 , x P Iu. Ainsi, si x0 est la borne inférieure
de I, il s’agit d’une limite lorsque h tend vers 0` .
Définition 16.1.10 – Fonction dérivable sur I, fonction dérivée
Soit f : I Ñ F . On dit que f est dérivable sur I si f est dérivable en tout x0 P I. On définit alors
la fonction dérivée f 1 : I Ñ F par :

f pyq ´ f pxq
@x P I, f 1 pxq “ lim .
yÑx y´x

Exemples 16.1.11
1. Dérivée de f : t ÞÑ tX0 , X0 P K.
2. Plus généralement, dérivée de f : t ÞÑ gptqX0 , g : I Ñ R étant une fonction dérivable en a ,
et X0 un vecteur de F .
3. Dérivée de t ÞÑ ei t .

Proposition 16.1.12 – Caractérisation de la dérivabilité par les coordonnées

Soit f : I Ñ F , x0 P I, et B une base de F . On note, pour tout x P I,
n
ÿ
f pxq “ fi pxqbi ,
i“1

la décomposition de f suivant ses composantes sur la base B. Les propositions suivantes sont équi-
valentes:
(i) f est dérivable en x0 ;
(ii) pour tout i P J1, nK, fi est dérivable en x0 .
Dans ce cas, on a
n
ÿ
f 1 px0 q “ fi1 px0 qbi .
i“1

Ÿ Éléments de preuve.
Former le taux d’accroissement coordonnée par coordonnée, et utiliser la caractéristique similaire
pour les limites. Ź
La caractérisation par les coordonnées permet de montrer qu’en définissant la dérivabilité à gauche et
à droite comme dans le cas d’une fonction réelle, et en utilisant la caractérisation de la dérivée par
les dérivées à gauche et à droite sur chacune de coordonnée, cela permet d’obtenie une caractérisation
similaire dans le cas vectoriel.
Corollaire 16.1.13 – Opérations sur les dérivées
Soit I et J des intervalles de R, et F un e.v.n. de dimension finie.
1. La dérivation est linéaire : si f, g : I Ñ F et λ P K, alors si f et g sont dérivables en a P I,
λf ` g aussi, de dérivée
pλf ` gq1 paq “ λf 1 paq ` g 1 paq.

2. Si φ : J Ñ I est une fonction réelle dérivable, et f : I Ñ F une fonction vectorielle dérivable,

alors
@t P J, pf ˝ φq1 ptq “ f 1 ˝ φptq ¨ φ1 ptq.

Ÿ Éléments de preuve.
Voir coordonnées par coordonnées. Ź
I Compléments sur les fonctions vectorielles 255

Corollaire 16.1.14 – Dérivabilité à gauche, à droite

Soit x0 P ˚
I et f : I Ñ F . La fonction f est dérivable en x0 si et seulement si elle est dérivable à
gauche et à droite en x0 et fg1 px0 q “ fd1 px0 q.

Corollaire 16.1.15 – Dérivable implique continu

Soit f : I Ñ R et x0 P I. Si f est dérivable en x0 , alors f est continue en x0 .

Ÿ Éléments de preuve.
La caractérisation précédente nous ramène au cas des fonctions d’une variable. On peut aussi utiliser
directement la propriété suivante (DL à l’ordre 1, qu’on peut ensuite restreindre à l’ordre 0). Ź

Proposition 16.1.16 – Caractérisation de la dérivabilité par DL à l’ordre 1

Soit f : I Ñ F et x0 P I. Les propositions suivantes sont équivalentes:
(i) f est dérivable en x0 ;
(ii) il existe A et B dans F tels que f px0 ` hq “ A ` hB ` ophq.
hÑ0

Ÿ Éléments de preuve.
Caractérisation de o par quotient, puisque h ne s’annulle pas au voisinage épointé de 0. Ou encore,
se ramener la la dérivabilité coordonnée par coordonnée. Ź
On donne une première conséquence, qui est plutôt un exemple, suffisamment important pour qu’il soit
un résultat du cours (il servira pour l’étude des équations différntielles).

Corollaire 16.1.17 – Dérivée de t ÞÑ exppAtq

Soit A P Mn pCq. La fonction f : t ÞÑ exppAtq est dérivable sur R, et

@t P R, f 1 ptq “ A exppAtq.

Une autre conséquence de la caractérisation par les DL est l’interprétation du vecteur dérivé en terme
d’approximation de la trajectoire.

Corollaire 16.1.18 – Tangente à la trajectoire

Soit f : I Ñ F et x0 P I. On suppose que f est dérivable en x0 et que f 1 px0 q ‰ 0. Alors la droite
affine f px0 q ` Rf 1 px0 q est tangente à la trajectoire (dans le sens où c’est la droite qui approche au
mieux la trajectoire au voisinage de f px0 q).

Remarque 16.1.19 – Interprétation cinétique de la dérivée

Si f représente la trajectoire d’un point dans F , et si f est dérivable en x0 :
‚ }f 1 px0 q}F est la vitesse instantanée du point (dépendant de la norme choisie sur F )
‚ le vecteur f 1 px0 q est tangent à la trajectoire, et indique le sens de déplacement.

Exemple 16.1.20
Décrire la trajectoire, et la vitesse instantanée d’un point, dont la position est définie pour t P R`
par
f ptq “ pcosptq, sinptq, tq.
256 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

Théorème 16.1.21 – Caractérisation des fonctions constantes

Soit f : I Ñ F , dérivable sur l’intervalle I, et à valeurs dans l’e.v.n. de dimension finie F . Les
propositions suivantes sont équivalentes:
(i) f est constante sur I
(ii) f 1 “ 0 sur I.

Ÿ Éléments de preuve.
Voir dans une base. Ź

I.3 Fonctions vectorielles de classe C k

On considère toujours dans cette sous-section le cas d’une fonction f : I Ñ F définie sur un intervalle
I ouvert, et à valeurs
¨ ˛ un e.v.n. F de dimension finie. Soit B “ pb1 , . . . , bn q une base de F , et,pour
dans
f1 pxq
˚ . ‹
˝ .. ‚.
x P I, rf pxqsB “ ˚ ‹
fn pxq
Si f est dérivable sur I, alors elle définit une fonction dérivée
¨ ˛
1
n
f 1 pxq
ÿ ˚ . ‹
@x P I, f 1 pxq “ fi1 pxqbi , i.e. rf 1 pxqsB “ ˚
˝ .. ‚.
‹
k“1
fn1 pxq

On a encore f 1 : I Ñ F , et on peut donc étudier la dérivabilité de f 1 , et ainsi de suite, comme dans le

cas réel.
Si f est dérivable p fois, on note f pkq sa dérivée d’ordre k.

Définition 16.1.22 – Fonction de classe C k

La fonction f : I Ñ R est de classe C k si elle est k fois dérivable et si f pkq : I Ñ F est continue.

Proposition 16.1.23 – caractérisation de la classe C k et expression de la dérivée

Avec les notations introduites ci-dessus,
1. f est k fois dérivable si et seulement si chaque fi est k fois dérivable, et dans ce cas,
¨ pkq ˛
n
f1 pxq
pkq
ÿ pkq pkq
˚ . ‹
@x P I, f pxq “ fi pxqbi i.e. rf pxqsB “ ˝ .. ‹
˚
‚;
i“1 pkq
fn pxq

2. f est de classe C k si et seulement si chaque fi l’est.

Proposition 16.1.24 – Règles opératoires sur les fonctions de classe C k

Soit I et J deux intervalles de R et F un K-e.v.n. de dimension finie. Soit f, g : I Ñ R, φ : J Ñ I
et λ P K.
1. Si f et g sont de classe C k , alors f “ λg est de classe C k , et

pf ` λgqpkq “ f pkq ` λg pkq .

2. Si f et φ sont de classe C k , f ˝ φ est de classe C k . Il n’y a pas de formule simple en général

II Dérivées partielles et différentielles 257

3. Si f est de classe C k et φ : t ÞÑ at ` b, alors pf ˝ φqpkq “ ak pf pkq ˝ φq.

Ÿ Éléments de preuve.
Ces propriétés sont bien connues pour les fonctions à valeurs réelles. S’y ramener en travaillant sur
les coordonnées. Ź

II Dérivées partielles et différentielles

On s’intéresse maintenant à la situation plus générale d’une fonction f : Ω Ñ F , où Ω est un ouvert d’un
R-e.v.n. E de dimension finie, et F est un K-e.v.n. de dimension finie.

II.1 Dérivées selon un vecteur

Définition 16.2.1 – Fonctions partielles
Soit f : Ω Ñ F , a P Ω, et ⃗u P Ezt0u. La fonction partielle fa,⃗u au point a et de direction ⃗u, est
définie, en tout t P R tel que a ` t⃗u P Ω, par

fa,⃗u ptq “ f pa ` t⃗uq.

Remarque 16.2.2
1. La fonction partielle fa,⃗u est bien définie au voisinage de 0, car Ω est ouvert.
2. La flèche sur ⃗u est présente ici uniquement pour faire remarquer que c’est la structure affine
naturelle de E qui est en jeu ici. Les éléments de E jouent donc un rôle double de points et
de vecteurs. Les éléments en lesquels f est évalué correspondent plutôt à des points, alors
que ⃗u donne une direction de translation, et doit plutôt être considéré comme un vecteur. La
fonction fa,⃗u correspond plus ou moins, après reparamétrage, à la restriction de f à la droite
affine passant par a et dirigée par le vecteur ⃗u.

Définition 16.2.3 – Dérivée selon un vecteur

Soit f : Ω Ñ F , a P Ω, et ⃗u P Ezt0u.
1. La fonction f est dérivable selon le vecteur ⃗u si la fonction partielle fa,⃗u est dérivable en 0.
2. La dérivée de f en a selon ⃗u est alors défini par

1 f pa ` t⃗uq ´ f paq
D⃗u f paq “ fa,⃗
u p0q “ lim P F.
tÑ0 t

3. Si f est dérivable selon ⃗u en tout point a de Ω, on peut définir la fonction D⃗u f : Ω Ñ F .

Remarque 16.2.4
1. Dans la suite, afin d’alléger les notations, on omettra la flèche sur u, en notant simplement
Du f paq.
2. L’existence d’une dérivée selon u en a n’implique pas l’existence de dérivées selon d’autres
vecteurs non colinéaires ; en revanche, si v ‰ 0 est colinéaire à u, l’existence de Du f paq
équivaut à celle de Dv f paq, et on peut relier les deux quantités.

Exemple 16.2.5
258 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

Étudier l’existence des dérivées en 0 selon u P R2 de f : R2 Ñ R définie par

f px, yq “ 1Rˆt0u px, yq

Proposition 16.2.6 – Linéarité de D par rapport à u sur chaque droite

Soit u P Ezt0u et f : Ω Ñ F dérivable en a P Ω selon u. Soit λ P R˚ . Alors f est dérivable en a
selon λu et
Dλu f paq “ λDu f paq.

Ÿ Éléments de preuve.
Revenir à la définition par taux d’accroissement. Ź

Avertissement 16.2.7
L’existence de toutes les dérivées directionnelles en a n’est pas suffisante pour assurer la continuité
en a

Exemple 16.2.8 – (figure 16.1)

Étudier les dérivées directionnelles en 0R2 et la continuité de f : R2 Ñ R définie par
# 2
x
si y ‰ 0
f px, yq “ y
0 si y “ 0.

Figure 16.1 – Une fonction non continue en p0, 0q mais y admettant des dérivées selon toute direction

Définition 16.2.9 – Dérivées partielles dans une base

Soit f : Ω Ñ F , a P Ω et B “ pb1 , . . . , bn q une base de E.
1. Soit k P J1, nK. La k-ième dérivée partielle de f dans la base B est la dérivée de f selon la
direction bk en a, et est notée BB,k f paq, ou, s’il n’y a pas d’ambiguïté sur la base utilisée,
II Dérivées partielles et différentielles 259

simplement Bk f paq. Ainsi

f pa ` tbk q ´ f paq
Bk f paq “ BB,k f paq “ Dbk f paq “ lim .
tÑ0 t
2. Si f admet une k-ième dérivée partielle dans la base B en tout point de Ω, cela définit une
application Bk f : Ω Ñ F .

Remarque 16.2.10 – Identification à une fonction de plusieurs variables

Soit f : Ω Ñ F et B “ pb1 , . . . , bn q une base de E. Pour x P Ω, on note rxsB “ px1 , . . . , xn q ses
coordonnées relativement à la base B. On note
# +
n
ÿ
Ω̃ “ px1 , . . . , xn q | x k bk P Ω .
k“1

Alors Ω̃ est un ouvert de Rn , et on peut identifier la fonction f à la fonction f˜ : Ω̃ Ñ F définie par

˜ ¸
n
ÿ
˜
f px1 , . . . , xn q “ f xk bk .
k“1

On obtient facilement, du fait de la possibilité de choisir la norme qu’on veut (en dimension finie)
et donc notamment par exemple la norme } ¨ }B,8 que :
‚ f est continue en x ssi f˜ est continue en rxsB ;
‚ f admet en x une dérivée partielle selon bk ssi f˜ admet en rxsB une dérivée partielle selon ek
(vecteur de la base canonique), et alors

Dbk pf qpaq “ Dek pf˜qpaq.

Notation 16.2.11
Bf
Lorsque Ω est un ouvert de Rn , on note aussi paq la k-ième dérivée partielle par rapport à la
Bxk
base canonique. Ainsi, pour a “ pa1 , . . . , an q, sous réserve d’existence,

Bf f pa1 , . . . , ak ` t, . . . , an q ´ f pa1 , . . . , an q
paq “ lim .
Bxk tÑ0 t
On l’appelle aussi dérivée partielle par rapport à la k-ième variable.

Proposition 16.2.12 – identification des dérivées partielles

Avec les notations de la remarque 16.2.10,

B f˜
px1 , . . . , xn q “ Dek pf˜qpx1 , . . . , xn q “ BB,k f pxq.
Bxk

Notation 16.2.13
Après avoir fixé la base B et identifié f à f˜, on pourra donc aussi identifier la k-ième dérivée partielles
par rapport à la base B à la dérivée partielle par rapport à la k-ième variable de f˜, et on s’autorisera
à écrire, s’il n’y a pas d’ambiguïté sur la base :
Bf
Bk f paq “ paq.
Bxk

Par ailleurs, il arrive souvent, dans le cadre d’une application d’un ouvert de Rn dans Rp (situation à
laquelle on se ramène par choix de bases), de travailler coordonnée par coordonnée. Dans ce cadre, on est
ramené au calcul de dérivées partielles d’une fonction à valeurs dans R :
260 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

Proposition 16.2.14 – Expression de la dérivée partielle d’une fonction à valeurs dans Rp

Soit Ω un ouvert de Rn et f : Ω Ñ Rp , qu’on écrit f “ pf1 , . . . , fp q. Ainsi, pour tout x P Ω,
f pxq “ pf1 pxq, . . . , fp pxqq P Rp , et pour tout k P J1, pK, fk : Ω Ñ R.
Alors f admet une dérivée partielle par rapport à la k-ième variable en a ssi c’est le cas de chacun
des fi , et dans ce cas, ˆ ˙
Bf Bf1 Bfp
paq “ paq, . . . , paq .
Bxk Bxk Bxk

Par ailleurs, on rappelle comment, concrètement, calculer les dérivée partielles d’une fonction dont on
connaît l’expression :

Méthode 16.2.15 – Calcul d’une dérivée partielle

Soit f une application de Ω Ă Rn dans R (ce à quoi on peut se ramener d’après toutes les propriétés
précédentes d’identification ou de travail par coordonnées). Pour calculer la dérivée partielle par
rapport à xk , on utilise les règles usuelles de calcul de la dérivée en utilisant l’expression de f , dans
laquelle on dérive par rapport à la variable xk , en considérant que toutes les autres variables sont
des constantes.

Exemple 16.2.16
Calculer la dérivée partielle par rapport à x de f : px, y, zq ÞÑ pxy lnpx ` ez q, sinpxez q cospyqq.

Avertissement 16.2.17
L’existence des dérivées partielles par rapport à une base n’implique pas l’existence de dérivées selon
toutes les directions en un point a.

Exemple 16.2.18 – figure 16.2

a
4
Étudier les dérivées directionnelles en p0, 0q de f : px, yq ÞÑ |xy|

Figure 16.2 – Une fonction admettant des dérivées partielles en p0, 0q, mais pas de dérivée selon p1, 1q
II Dérivées partielles et différentielles 261

Remarque 16.2.19
Cependant, sous des hypothèses supplémentaires de régularité, les dérivées partielles suffisent à
retrouver les dérivées directionnelles. Par exemple, dans le cas des fonctions de 2 variables, vous avez
montré l’année dernière que si f est de classe C 1 au voisinage de a (dans le sens où ses
¨ deux dérivées
˛
Bf
˚ Bx pXq
partielles existent et sont continues au voisinage de a), alors, en notant ∇f pXq “ ˝ Bf ‚:
‹
pXq
Bx
Bf Bf
‚ pour tout u “ pux , uy q, Du f paq “ x∇f paq, uy “ ux paq ` uy paq,
Bx By
‚ au voisinage de a “ pax , ay q, en notant X “ px, yq,

Bf Bf
f pXq “ f paq`px´ax q paq`py´ay q paq`op}X ´a}q “ f paq`xX ´ a, ∇f paqy`op}X ´a}q
Bx By

(formule de Taylor-Young)

II.2 Différentielles
En particulier, d’après la remarque clôturant le paragraphe précédent, les fonctions de 2 variables suffi-
samment régulières se comportent à première approximation comme la fonction affine
X ÞÑ f paq ` xX ´ a, ∇f paqy ,
donc la partie linéaire est l’application linéaire est
Y ÞÑ xY, ∇f paqy “ DY f paq.
Ainsi, sous certaines conditions de régularité, la dérivée directionnelle en a est une application linéaire
en la direction, et permet de définir un développement limité à l’ordre 1.
C’est l’existence de cette approximation linéaire qui définit la notion de différentiabilité d’une application
(tout comme la dérivabilité d’une fonction d’une variable équivaut à l’existence d’un DL1 ).
Définition 16.2.20 – Différentiabilité et différentielle de f
Soit f : Ω Ñ F , et a P Ω.
1. On dit que f est différentiable en a s’il existe une application linéaire u P LpE, F q telle que
au voisinage de a,
f pxq “ f paq ` upx ´ aq ` op}x ´ a}q.

2. Dans ce cas, l’application linéaire u est notée df paq, et est appelée différentielle de f au point
a, ou application linéaire tangente à f en a.

Ainsi, la différentielle df paq est caractérisée par :

(i) sa linéarité (df paq P LpE, F q)
(ii) le DL f pa ` hq “ f paq ` rdf paqsphq ` op}h}q
0
Pour alléger les notations, on écrira souvent ophq au lieu de op}h}q (et de même aux ordres supérieurs),
et on omettra les crochets et parenthèses en écrivant
rdf paqsphq “ df paq ¨ h.

Remarque 16.2.21
Attention à bien comprendre les significations des différentes parenthèses. Si f est différentiable sur
tout Ω par exemple,
df : Ω Ñ LpE, F q
est une fonction qui à tout point de Ω associe une application liénaire, qui est la partie linéaire de
262 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

l’approximation affine de f en a. Pour tout a,

df paq : E Ñ F

est donc une application linéaire, qu’on peut ensuite évaluer en h P E. Nous verrons plus loin que,
comme dans le cas d’une fonction de deux variables, df paq ¨ h est la dérivée directionnelle en a
selon u.

Cette définition est à rapprocher de la caractérisation de la dérivabilité des fonctions d’une variable réelle
par le DL1 . D’ailleurs, cette caractérisation permet d’en déduire le rapport entre dérivée et diférentielle
dans le cas d’une fonction d’un intervalle I de R dans R.
Proposition 16.2.22 – Différentielle d’une application d’une variable réelle
Soit Ω un ouvert de R, f : Ω Ñ R et a P R. Alors f est différentiable en a si et seulement si f est
dérivable en a, et dans ce cas :

df paq : R ÝÑ F
h ÞÝÑ f 1 paq ¨ h

Cette proposition permet de voir la plupart des résultats suivants comme généralisation de la situation
réelle bien connue.
Méthode 16.2.23 – Montrer que f est différentiable, méthode 1
Pour montrer que f est différentiable en a et calculer sa différentielle, on peut effectuer un DL1 en
a.

Exemples 16.2.24
1. Différentiabilité et différentielle en p0, 2, 1q de la fonction définie sur R3 par f px, y, zq “
sinpxq´1
1`x´y´z .
2. Différentiabilité en M et différentielle de M ÞÑ M k , définie sur Mn pRq à valeurs dans Mn pRq
3. Différentiabilité et différentielle en 0 de exp : Mn pRq Ñ Mn pRq.

Proposition 16.2.25 – Différentiable implique continu

Soit f : Ω Ñ F une application différentiable en a. Alors f est continue en a.

Ÿ Éléments de preuve.
Par DL ! Remarquer que df paq est continue en 0 puisque linéaire en dimension finie. Ź

Proposition 16.2.26 – Différentielle et dérivées directionnelles

Soit f : Ω Ñ F une application différentiable en a. Alors f admet en a des dérivées selon toute
direction u P E, et
Du f paq “ df paq ¨ u.
En particulier, si B “ pb1 , . . . , bn q est une base de E, et si f est identifiée à une fonction des variables
x1 , . . . , xn coordonnées dans la base B,
Bf
@k P J1, nK, paq “ dpaq ¨ bk .
Bxk

Ÿ Éléments de preuve.
Encore par DL. Ź
II Dérivées partielles et différentielles 263

Corollaire 16.2.27 – Matrice de la différentielle

Soit f : Ω Ñ F une application différentiable en a, et B et C deux bases de E et F respectivement.
Soit pf1 , . . . , fp q les fonctions coordonnées de f , définies sur E à valeurs dans K. Alors
ˆ ˙
Bfi
MatB,C pdf paqq “ P Mp,n pKq.
Bxj 1ďiďp
1ďjďn

Corollaire 16.2.28 – Détermination de la différentielle par les dérivées partielles

Si f est différentiable en a, ses dérivées partielles selon une base B déterminent la différentielle.
Plus précisément, pour tout h P E tel que rhsB “ ph1 , . . . , hn q,
n n
ÿ ÿ Bf
df paq ¨ h “ hk Bk f “ hk ,
k“1 k“1
Bxk

les dérivées partielles et les coordonnées étant prises relativement à la base B.

Avertissement 16.2.29 – Dérivées directionnelles versus différentielle

L’existence des dérivées directionnelles ne suffit pas à obtenir la différentiabilité. L’hypothèse de
différentiabilité de l’énoncé précédent est donc important.

En effet, l’exemple 16.1 définit une fonction admettant des dérivées directionnelles mais non continue en
0, donc non différentiable.

Définition 16.2.30 – Jacobienne d’une application de Ω Ă Rn dans Rp

Si E “ Rn et F “ Rp , la matrice de df paq relativement aux bases canoniques est appelée matrice
jacobienne de f en a, et notée Jf paq. Ainsi :
¨ Bf Bf1 ˛
1
¨¨¨
˚ Bx1 Bxn ‹
˚ . .. ‹
˚ ..
Jf paq “ ˚ . ‹ P Mp,n pKq,
‹
˝ Bf Bf ‚
p p
¨¨¨
Bx1 Bxn
où f “ pf1 , . . . , fp q.

Méthode 16.2.31 – Montrer que f est différentiable, méthode 2

‚ Dans le cas où E “ Rn , F “ Rp , étudier l’existence des dérivées partielles en a, et considérer
l’application linéaire v canoniquement associée à la matrice jacobienne. Si

f pa ` hq ´ f paq ´ vphq “ ophq,

f est différentiable en a de différentielle df paq “ v.

‚ Adaptation immédiate dans les autres situations après avoir fixé des bases.

Exemple 16.2.32
3
Étudier la différentiabilité en p0, 0q de f : px, yq ÞÑ x2x`y4 , prolongée par 0 en 0.
NB : en exercice, assurez-vous que trouver un DL1 de façon directe n’est pas aisé du tout !
264 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

Proposition 16.2.33 – Différentielle d’une application constante

Soit f : Ω Ñ R une application constante. Alors f est différentiable sur Ω, de différentielle nulle.

Autrement dit, pour tout a P Ω, df paq est l’application linéaire nulle de E dans F .

Proposition 16.2.34 – Différentielle d’une AL

Soit f P LpE, F q. Alors f est différentiable en tout point a P E, et pour tout a P E,

df paq “ f.

Ainsi, df est constante de valeur f .

Les notations dx, dy, etc, très utilisée par les physiciens notamment, peuvent être définies rigoureusement
comme des cas particuliers de la proposition précédente.

Définition 16.2.35 – Notation dxi

Étant donné un espace E de dimension n, muni d’une base B “ pb1 , . . . , bn q, on note dxi la diffé-
rentielle de la projection
n
ÿ
pi : xj bj ÞÑ xi .
j“1

Ainsi, en tout a P E,
dxi paq “ pi i.e. @h P E, dxi paq ¨ h “ hi ,
où hi est la coordonnée selon bi de h sur la base B.

Remarque 16.2.36 – Expression de la différentielle avec dxi

L’expression de df paq en fonction des dérivées partielles se réécrit donc :
n n
ÿ Bf ÿ Bf
@h P E, df paq ¨ h “ dxi paq ¨ h, soit: df paq “ dxi paq,
i“1
Bx i i“1
Bx i

ou encore, sur un domaine de différentiabilité de f :

n
ÿ Bf
df “ dxi ,
i“1
Bx i

relation prisée des physiciens.

La notation dxi , bien qu’adhérente au programme et utile pour justifier les notations des physiciens, n’est
pas explicitement au programme.

II.3 Gradient
On généralise dans cette section la notion de gradient introduite l’année dernière dans le cadre de fonctions
de fonctions de deux variables réelles à valeurs dans R. Dans ce contexte, le gradient a été défini en un
point a comme le vecteur de R2 formé des deux dérivées partielles en a, autrement dit des deux dérivées
selon les vecteurs d’une base.
On pourrait définir le gradient de la même manière, par rapport à une base, mais c’est plus commode
de le définir sans référence à une base particulière. Pour cela, on se place dans le contexte où E est un
espace euclidien et F “ R, et on utilise le lemme suivant, qu’on a déjà utilisé pour justifier l’existence de
l’adjoint d’un endomorphisme.
II Dérivées partielles et différentielles 265

Lemme 16.2.37 – Théorème de représentation de Riesz

Soit pE, x¨, ¨yq un espace euclidien, et φ P E ˚ une forme linéaire. Alors il existe un unique vecteur
a P E tel que
@x P E, φpxq “ xa, xy .

Proposition/Définition 16.2.38 – Gradient d’une application numérique

Soit pE, x¨, ¨yq un espace euclidien, et Ω un ouvert de E. Soit f : Ω Ñ R, et a P Ω tel que f doit
différentiable en a. Alors df paq P E ˚ . On définit alors le gradient de f en a comme étant l’unique
vecteur ∇f paq P E tel que
@h P E, df paq ¨ h “ x∇f paq, hy .

Théorème 16.2.39 – Expression du gradient en b.o.n.

Soit pE, x¨, ¨yq un espace euclidien, et Ω un ouvert de E. Soit f : Ω Ñ R, et a P Ω tel que f doit
différentiable en a. Soit B “ pb1 , . . . , bn q une base orthonormale de E. Alors
n
ÿ
∇f paq “ Bk f paqbk ,
k“1

les dérivées partielles étant prises dans la base B. Ainsi :

¨ ˛
B1 f paq
˚ . ‹
r∇f paqsB “ ˚˝ .. ‚.
‹
Bn f paq

Corollaire 16.2.40 – Gradient d’une fonction de n variables réelles

On munit Rn (identifié à Mn,1 pRq) de sa structure euclidienne canonique. Soit Ω un ouvert de Rn
et f : Ω Ñ R une application différentiable en a P Ω. Alors
¨ Bf ˛
paq
˚ Bx1 ‹
˚ . ‹
∇f paq “ ˚ . ‹
˚ . ‹.
˝ Bf ‚
paq
Bxn

Remarque 16.2.41
Si Ω Ă Rn et f : Ω Ñ R est différentiable en a, alors la jacobienne en a est
ˆ ˙
Bf Bf
Jf paq “ Matbc pdf paqq “ paq, . . . , paq P M1,n pRq.
Bx1 Bxn

Ainsi, Jf paq “ ∇f paqJ .

Proposition 16.2.42 – Première interprétation géométrique du gradient

Soit Ω Ă Rn , et f : Ω Ñ R différentiable en a P Ω. Le gradient ∇f paq est positivement colinéaire
au vecteur unitaire u tel que Du f paq soit maximal :

∇f paq
max Du f paq ðñ u “
}u}“1 }∇f paq}
266 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

Ÿ Éléments de preuve.
C’est l’inégalité de Cauchy-Schwarz et son cas d’égalité, le choix du signe étant dicté par le fait que
D´u f paq “ ´Du f paq, par linéarité de df paq. Ź
Ainsi, en tout point de différentiabilité, le gradient indique la direction de plus forte pente.

II.4 Opérations sur les applications différentiables

On se place à nouveau dans la situation générale : E est un e.v.n. de dimension finie sur R, F est un
e.v.n. de dimension finie de K et Ω est un ouvert de E.
Proposition 16.2.43 – Linéarité
Soit f et g : Ω Ñ F différentiables en a, et λ, µ P K. Alors f ` λg est différentiable en a et

dpf ` λgqpaq “ df paq ` λdgpaq.

Définition 16.2.44
Revenir à la définition par DL.

Proposition 16.2.45 – Différentielle d’une forme multilinéaire

Soit Ω un ouvert de E, F1 , . . . , Fn des K-e.v.n. de dimension finie, et fi : Ω Ñ Fi différentiables en
a P Ω. Soit M : F1 ˆ ¨ ¨ ¨ ˆ Fn Ñ F une application multilinéaire. Alors

M pf1 , . . . , fn q : x ÞÑ M pf1 pxq, . . . , fn pxqq

est différentiable en a, et
n
ÿ
@h P E, dM pf1 , . . . , fn qpaq ¨ h “ M pf1 paq, . . . , dfk paq ¨ h, . . . , fn paqq.
k“1

Ÿ Éléments de preuve.
Par DL et majoration de la forme multilinéaire (par continuité) Ź

Exemple 16.2.46
1. Soit f, g : Ω Ñ K, Ω Ă E. Exprimer la différentielle de f g.
2. Si f : Ω Ñ F avec F euclidien, et si f est différentiable en a, montrer que }f }2 est différen-
tiable en tout point et exprimer sa différentielle.
3. En particulier, si E est un espace euclidien, exprimer la différentielle en tout point de X ÞÑ
}X}2 .

Corollaire 16.2.47 – Dérivée de M pf1 , . . . , fp q

Soit I un intervalle ouvert de R, F1 , . . . , Fn , F des K-e.v.n. de dimension finie, et fi : I Ñ Fi . Soit
M une forme multilinéaire de F1 ˆ ¨ ¨ ¨ ˆ Fn dans F . On pose :

g : t ÞÑ M pf1 ptq, . . . , fn ptqq.

Soit a P I. Si pour tout i P J1, nK, fi est dérivable en a, alors g aussi, et

n
ÿ
g 1 paq “ M pf1 paq, . . . , fi1 paq, . . . , fn paqq.
k“1
II Dérivées partielles et différentielles 267

Remarque 16.2.48
C’est une généralisation de la dérivée d’un produit (le produit est bilinéaire !)

Corollaire 16.2.49
Voici 3 cas particuliers classiques, a
1. Si L est une application linéaire de F dans G, et f : I Ñ F dérivable en a, alors pL ˝ f q aussi,
et
pL ˝ f q1 paq “ Lpf 1 paqq.

2. Soit F un espace euclidien, et f, g : I Ñ E deux applications dérivables sur un intervalle I.

Alors xf, gy aussi, et

d @ D @ D
xf ptq, gptqy “ f 1 ptq, gptq ` f ptq, g 1 ptq .
dt
3. Soit E un espace vectoriel de dimension n, et B une base de E. Alors, si f1 , . . . , fn sont à
valeurs dans E et dérivables,
n
d ÿ
detB pf1 , . . . , fn q “ detB pf1 , . . . , fk1 , . . . , fn q.
dt k“1

Exemples 16.2.50
1. Exprimer la dérivée de t ÞÑ AptqBptq, où

A : t ÞÑ Mn,p pCq et B : t ÞÑ Mp,q pCq

sont deux applications dérivables sur¨I. ˛¨ ˛

2 4 1`t 2t 4 ´t
Par exemple, exprimer la dérivée de ˝3 2 ` 2t 2 ‚˝ 0 1 1 ´ t‚.
˚ ‹˚ ‹
1 t t 2 1 t
2. Soit pE, x¨, ¨yq un espace euclidien, et X : I Ñ Ezt0u dérivable sur I. Montrer que t ÞÑ }Xptq}
est dérivable sur I, et exprimer sa dérivée.
Xptq
3. Dans le même contexte, montrer que t ÞÑ }Xptq} est dérivable, et exprimer sa dérivée.
4. Soit A P Mn,p pKq, X : I ÞÑ Mn,1 pKq et Y : I ÞÑ Mp,1 pKq. On suppose X et Y dérivables.
Exprimer la dérivée de XptqJ AY ptq.
5. Dérivée de t ÞÑ Xptqn , lorsque X : I Ñ Mn pKq.
t´2 3 6
6. Exprimer la dérivée de l’application qui à t P R associe 0 t`1 2
2 5 t´3

Proposition 16.2.51 – Différentielle d’une composée

Soit E, et F deux e.v.n. de dimension finie sur R, et G un e.v.n. de dimension finie sur K. Soit Ω
un ouvert de E et Ω1 un ouvert de f , et f : Ω Ñ F et g : Ω1 Ñ G deux applications. Soit a P Ω. On
suppose que
(i) f est différentiable en a
(ii) f paq P Ω1 et g est différentiable en f paq.
268 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

Alors g ˝ f est différentiable en a, et

dpg ˝ f qpaq “ dgpf paqq ˝ df paq.

Ÿ Éléments de preuve.
Composer les DL. Ź

Corollaire 16.2.52 – Composition par une fonction réelle

Soit Ω un ouvert d’un e.v.n. E, et I un intervalle ouvert de R. Soit f : Ω Ñ R et g : I Ñ R. Si f
est différentiable en a P Ω, si f paq P I et si g dérivable en f paq, alors g ˝ f est différentiable en a et

dpg ˝ f qpaq “ g 1 pf paqqdf paq.

Exemples 16.2.53
1. Différentiabilité de x ÞÑ }x} en tout x ‰ 0 dans un espace euclidien.
2. Différentiabilité de }f } lorsque f l’est.

Corollaire 16.2.54 – Dérivée le long d’un arc

Soit I un intervalle ouvert de R, Ω un ouvert de E. Soit γ : I Ñ Ω et f : Ω Ñ F . Si γ est dérivable
en a P I, et f différentiable en γpaq, alors f ˝ γ est dérivable en a et

pf ˝ γq1 paq “ df paq ¨ γ 1 paq.

Si E est euclidien, cela se réécrit aussi

@ D
pf ˝ γq1 paq “ ∇f paq, γ 1 paq .

Exemples 16.2.55
Dérivée de t ÞÑ f pa ` thq. Cohérence en 0.

Corollaire 16.2.56 – Règle de la chaîne

Avec les notations et hypothèses de la proposition 16.2.51, si B “ pb1 , . . . , bn q est une base de E, et
C “ pc1 , . . . , cp q une base de F ,
p
ÿ
@k P J1, nK, BB,k pg ˝ f qpaq “ BC,i gpf paqqBB,k f paq.
i“1

Avertissement 16.2.57
Attention à ne pas confondre Bi gpf paqq et Bi pg ˝ f qpaq.. Quelle est la différence entre les deux ?

Corollaire 16.2.58 – Reexpression de la règle de la chaîne dans Rn

Si E “ Rn et F “ Rp , et si les bases considérées sont les bases canoniques, on obtient, avec les
mêmes hypothèses :
p
Bpg ˝ f q ÿ Bg Bf
@k P J1, nK, paq “ pf paqq paq,
Bxk i“1
Byi Bx k

où px1 , . . . , xn q représentent les coordonnées génériques dans E “ Rn et py1 , . . . , yp q les coordonnées

génériques dans F “ Rp .
III Applications de classe C n 269

De façon équivalente, en exprimant coordonnée par coordonnée, Jg˝f paq “ Jg pf paqq ˆ Jf paq.

Exemple 16.2.59
Soit f une application de R3 dans R admettant des dérivées partielles en tout px, y, zq. Exprimer
les dérivées partielles de
gpu, v, wq “ f pu2 ` v, 2v, 3w ´ ev q.

Proposition 16.2.60 – Différentielle de pf1 , . . . , fp q

Soit Ω un ouvert de E, et F1 , . . . , Fq des K-e.v.n. de dimension finie, et soit fi : Ω Ñ Fi , i P J1, qK.
Les propositions suivantes sont équivalentes:
(i) Pour tout i P J1, qK, fi est différentiable en a P Ω
(ii) f “ pf1 , . . . , fq q : E Ñ F1 ˆ ¨ ¨ ¨ ˆ Fq est différentiable en a.
Si c’est le cas,
df paq “ pdf1 paq, . . . , dpfq qpaqq P LpE, F1 ˆ ¨ ¨ ¨ ˆ Fq q,
c’est-à-dire :
@h P E, df paq “ pdf1 paq ¨ h, . . . , dfq paq ¨ hq.

Remarque 16.2.61
Retrouver de la sorte l’expression de la jacobienne.

III Applications de classe C n

III.1 Applications de classe C 1
Définition 16.3.1 – Application de classe C 1
Soit f : Ω Ñ F . On dit que f est de classe C 1 sur Ω si :
(i) f est différentiable en tout point de Ω
(ii) d : Ω Ñ LpE, F q est continue

Exemples 16.3.2
1. Soit f : E Ñ F une application linéaire, alors f est de classe C 1 .
2. Soit f une application constante, alors f est de classe C 1 .

Proposition 16.3.3 – Opérations sur les applications de classe C 1

Soit E, E 1 des R-e.v.n. de dimension finie, et F , F1 , . . . , Fq des K-e.v.n. de dimension finie. Soit Ω,
Ω1 des ouverts de E et E 1 respectivement.
1. Soit f, g : Ω Ñ F de classe C 1 et λ P K. Alors f ` λg est de classe C 1 .
2. Soit pour i P J1, qK, fi : Ω Ñ Fi , et M : F1 ˆ ¨ ¨ ¨ ˆ Fq Ñ F une forme multilinéaire. Si les fi
sont de classe C 1 , alors M pf1 , . . . , fq q est de classe C 1 .
3. Soit f : Ω1 Ñ Ω et g : Ω Ñ F . Si f et g sont de classe C 1 sur Ω1 et Ω respectivement, alors
g ˝ f est de classe C 1 sur Ω.
1
4. Si f : Ω Ñ K ne s’annule pas et est de classe C 1 , alors f aussi.
270 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

5. Soit pour i P J1, qK, fi : Ω Ñ Fi , et f : Ω Ñ F1 ˆ ¨ ¨ ¨ ˆ Fq définie par

@x P Ω, f pxq “ pf1 pxq, . . . , fq pxqq.

Alors f est de classe C 1 si et seulement si tout fi est de classe C 1 .

Ÿ Éléments de preuve.
Attention à bien comprendre sur quelle variable porte la continuité (le point x P Ω en lequel on
considère la différentielle). Cela conditionne la validité de l’argument donné. Par exemple, pour
la composée, la différentielle dpg ˝ f q s’exprime comme composée de deux différentielles, mais la
composée porte sur la variable h, et non sur a qui est à voir plutôt comme un paramètre. Donc on
ne peut pas obtenir la continuité de cette différentielle par propriété de continuité d’une composée.
En revanche, puisque la composition se fait entre applications linéaires d’espaces de dimension finie,
l’application pf, gq ÞÑ g ˝ f est une application bilinéaire entre espaces de dimension finie, donc
elle-même continue. C’est ce point qui est en jeu ici.
Pour 2, on peut remarquer que si M : E n Ñ F est une application multilinéaire, alors M̃ : E k´1 ˆ
LpE, F q ˆ E n´k Ñ LpE, F q définie par

M̃ px1 , . . . , xk´1 , α, xk`1 , . . . , xn qpxq “ M px1 , . . . xk´1 , αpxq, xk`1 , . . . , xn q

est également multilinéaire, donc continue, tous les espaces en jeu étant de dimension finie. Ź
Vous avez défini l’année dernière le caratère C 1 des fonctions de 2 variables à l’aide des dérivées partielles.
On retrouve ce point de vue via la caractérisation 16.3.5. On démontre d’abord le résultat suivant, qui
n’apparaît qu’implicitement au programme (cela peut être vu comme un sous-produit de la caractérisation
16.3.5 et de la définition de la différentielle)

Théorème 16.3.4 – Formule de Taylor-Young à l’ordre 1 pour les dérivées partielles

Soit f : Ω Ñ K une application à valeurs dans R ou C. Soit B une base de E, et a P Ω. On suppose
que pour tout f , Bk f est définie et continue au voisinage de a. Alors
n
ÿ
f pa ` hq “ f paq ` hk Bk f paq ` ophq.
hÑ0
k“0

où ph1 , . . . , hn q “ rhsB

Ÿ Éléments de preuve.
Utiliser la formule de Taylor pour les fonctions d’une variable, successivement pour chacune des n
variables. Ź

Théorème 16.3.5 – Caractérisation de la classe C 1 par les dérivées partielles

Soit f : Ω Ñ F et B “ pb1 , . . . , bn q une base de E. Les propositions suivantes sont équivalentes:
(i) f est de classe C 1 sur Ω ;
(ii) f admet des dérivées partielles en tout point selon la base B, et pour tout k P J1, nK, Bk f :
Ω Ñ F est continue.

Ÿ Éléments de preuve.
Démonstration non exigible.
‚ Se ramener à fi : Ω Ñ K, en considérant les coordonnées dans une base C de F .
n
ÿ
‚ Utiliser la décomposition dfi paq “ Bk fi .
k“1
III Applications de classe C n 271

Cela revient en gros à utiliser le fait que df est continue si et seulement si MatB,C pdf q est continue,
ce qui est la matrice des dérivées partielles des coordonnées dans C (l’analogue de la jacobienne)
Dans le sens piiq ùñ piq, ne pas oublier de montrer d’abord la différentiabilité de f , en utilisant la
formule de Taylor-Young. Ź

Remarque 16.3.6
La formule de Taylor 16.3.4 se réécrit alors simplement

f pa ` hq “ f paq ` x∇f paq, hy ` ophq,

qui n’est rien de plus que la combinaison de la définition de la différentielle et du gradient ∇f .

Corollaire 16.3.7 – Continuité via les dérivées partielles

Si E “ Rn et si f admet des dérivées partielles par rapport à tout xi en a, et que ces dérivées
partielles sont continues au voisinage de a, alors f est continue au voisinage de a.

Avertissement 16.3.8
Comme on l’a déjà vu, l’existence seule des dérivées partielles (et même plus généralement des
dérivées directionnelles) ne suffit pas à établir la continuité.

Théorème 16.3.9 – Intégrale de la différentielle le long d’un arc

Soit f : Ω Ñ F une application de classe C 1 , et γ : r0, 1s Ñ Ω un chemin de classe C 1 tel que
γp0q “ a et γp1q “ b. Alors
ż1
f pbq ´ f paq “ df pγptqqγ 1 ptq dt.
0

Ÿ Éléments de preuve.
L’intégrande est la dérivée de f ˝ γ : r0, 1s Ñ F . Ź

Remarque 16.3.10
Ce théorème peut être vu comme une généralisation du théorème fondamentale de l’analyse, puis-
qu’en prenant E “ R et γ : t ÞÑ ap1 ´ tq ` bt, puis en faisant un changement de variable affine, on
retrouve ż b
f ptq dt “ f pbq ´ f paq
a

lorsque f : ra, bs Ñ F est de classe C 1 .

Exemple 16.3.11
1. Si f est de classe C 1 sur l’ouvert Ω et si ra, bs Ă Ω, alors
ż1
f pbq ´ f paq “ df pap1 ´ tq ` btq ¨ pb ´ aq dt
0

2. De façon équivalente, si f est de classe C 1 sur l’ouvert Ω et si ra, a ` us Ă Ω, alors

ż1
f pa ` uq ´ f paq “ df pa ` tuq ¨ u dt.
0

3. Si f est de classe C 1 sur l’ouvert Ω et si γ : r0, 1s Ñ Ω est un lacet de classe C 1 (i.e.

272 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

γpaq “ γpbq), alors

ż1
df pγptqq ¨ γ 1 ptq dt “ 0.
0

Théorème 16.3.12 – Caractérisation des fonctions constantes (1)

Soit Ω un ouvert convexe de E, et f : Ω Ñ F . Les propositions suivantes sont équivalentes:
(i) f est constante sur Ω
(ii) f est différentiable et df est nulle sur Ω.

Ÿ Éléments de preuve.
‚ Le sens direct est déjà vu.
‚ Pour le sens réciproque, utiliser le théorème 16.3.9 sur une paramétrisation du segment ra, bs pour
montrer que pour tout a, b P Ω, f paq “ f pbq.
Ź
Ce théorème admet une généralisation qui est aussi au programme, mais sans sa démonstration (que nous
esquissons quand même).

Théorème 16.3.13 – Caractérisation des fonctions constantes (2)

Soit Ω un ouvert connexe par arcs de E, et f : Ω Ñ F . Les propositions suivantes sont équivalentes:
(i) f est constante sur Ω
(ii) f est différentiable et df est nulle sur Ω.

Ÿ Éléments de preuve.
Démonstration hors-programme.
C’est toujours la réciproque qui reste à voir.
On pourrait essayer d’adapter la preuve précédente, en montrant que si Ω est ouvert et connexe par
arcs, on peut toujours joindre deux points par un arc de classe C 1 . Mais cette construction n’est pas
si évidente que cela à faire.
On procède donc autrement, en « grignotant » petit à petit.
Soit a P Ω, et Ω1 Ă Ω l’ensemble des points x P Ω tels que f paq “ f pxq. Si Ω1 ‰ Ω, considérer b P ΩzΩ1
et joindre a à b. Montrer l’existence d’un point c sur cet arc, étant sur la frontière de Ω1 . Trouver
une contradiction en utilisant la caractérisation (1) et la convexité d’une petite boule centrée en c.
Ź

III.2 Plan tangent et noyau de la différentielle

Définition 16.3.14 – Vecteur tangent à une partie, figure 16.3
Soit X Ă E une partie de E, et x P X.
1. Un vecteur v P E est tangent à X en x s’il existe ε ą 0 et un arc γ :s ´ ε, εrÑ X dérivable
en 0 tel que γ 1 p0q “ v.
2. On note Tx X l’ensemble des vecteurs tangents à X en x.

Exemples 16.3.15
1. Quels sont les vecteurs tangents à ∅ ?
2. 0 est tangent à tout X non vide.
III Applications de classe C n 273

Figure 16.3 – Un sous-ensemble de R3 et deux vecteurs tangents en A.

3. Décrire Tx X lorsque x P X̊.

4. Décrire les vecteurs tangents à R ˆ R` en p0, 0q.

D’autres exemples importants sont mis en résultats du cours :

Proposition 16.3.16 – Vecteurs tangents à un sous-espace affine
Soit X un sous-espace affine de E de direction V . Alors, pour tout B P X, TB pXq “ V .

Ÿ Éléments de preuve.
L’inclusion directe est évidente en paramétrant des droites incluses dans X passant par B.
Réciproquement la dérivée de γ est limite d’un taux d’accroissement qui est dans V . Comme on est
en dimension finie, V est fermé. Ź

Proposition 16.3.17 – Vecteurs tangents à une sphère, figure 16.4

Soit E un espace euclidien, c P E et r ą 0. Soit X “ Spc, rq et x P Spc, rq. Alors Tx X “ Ý
ÑK .
cx
En d’autres termes, l’ensemble des vecteurs tangents à une sphère en un point x est l’orthogonal
du rayon défini par x.

Ÿ Éléments de preuve.
Considérer les grands cercles passant par x.
Pour l’autre inclusion, vérifier que si γ est à valeurs dans S, sa dérivée est orthogonale au rayon
(dériver un produit scalaire). Ź

Exemple 16.3.18
Décrire sous forme d’une équation le plan vectoriel TA pSq où S “ Sp0, 1q Ă R3 et A “ pa, b, cq P S.

Exemple 16.3.19 – Vecteur tangent au graphe d’une fonction

Soit f : Ω Ñ R une application numérique. Son graphe G est un sous-ensemble de l’e.v.n. EˆR. Soit
x0 P Ω, on peut donc définir l’ensemble des vecteurs tangents au graphe de f au point px0 , f px0 qq P G.
La figure 16.3 est en fait (à condition de rajouter les axes au bon endroit) le graphe de la fonction
274 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

Figure 16.4 – Plan tangent à une sphère

2
px, yq ÞÑ , le point de tangence étudié étant en p1, 0q.
1 ` 2x2 ` 2y 2

Théorème 16.3.20 – Description d’un espace tangent à un graphe

Soit Ω un ouvert de R2 , f : Ω Ñ R, et X0 P Ω. On suppose f différentiable en X0 . L’ensemble TX0 f
des vecteurs tangents à la courbe de f en pX0 , f pX0 qq est le plan d’équation

Bf Bf
h pX0 q ` k pX0 q “ ℓ,
Bx By

c’est-à-dire l’ensemble des vecteurs H “ ph, k, ℓq P R3 vérifiant l’équation ci-dessus.

Ÿ Éléments de preuve.
Comme dans les autres exemples, étudier les propriétés des arcs du graphe, et réciproquement,
trouver des arcs adéquats. Ź
Dans le cas général (Ω Ă E, E de dimension finie), on obtient la description suivante :

Théorème 16.3.21 – Espace tangent à un ensemble défini par une équation

Soit f : Ω Ñ R une fonction numérique de classe C 1 , X “ f ´1 pt0uq. Ainsi X est l’ensemble défini
par l’équation f pxq “ 0.
Soit a P X. Si df paq ‰ 0, l’ensemble des vecteurs tangents à X en a est égal à

Ta X “ Kerpdf paqq.

Ÿ Éléments de preuve.
Hors-programme. Ź

Exemple 16.3.22
1. Retrouver à l’aide de ce théorème la description des vecteurs tangents à un espace affine de
Rn , décrit par une équation
a1 x1 ` ¨ ¨ ¨ ` an xn “ b.

2. De même, retrouver la description des vecteurs tangents de la sphère unité de l’espace eucli-
dien Rn .
3. Retrouver la description de l’espace des vecteurs tangents au graphe d’une fonction f : Ω Ñ R
où Ω Ă R2 , lorsque f est de classe C 1 au voisinage de X0 . Généraliser pour Ω Ă Rn .
III Applications de classe C n 275

Proposition 16.3.23 – Deuxième interprétation géométrique du gradient

Avec les hypothèse du théorème 16.3.21, si on suppose de plus que E est un espace euclidien,
Ta X “ ∇f paqK .

Ÿ Éléments de preuve.
Dans le contexte euclidien, cette formulation est équivalente à cette du théorème, par définition du
gradient.
On peut le démontrer indépendamment du théorème, en considérant un arc à valeurs dans X, et en
dérivant f ˝ γ. Ź

Exemple 16.3.24
Retrouver l’équation des hyperplans des vecteurs tangents à la sphère unité de Rn .

Remarque 16.3.25
1. Si E “ R2 , X est la ligne de niveau de valeur 0. Plus généralement, en considérant f ´ b
au lieu de f , on peut décrire de la sorte toutes les lignes de niveau. La proposition affirme
que le gradient en a est orthogonal à la droite tangente à la ligne de niveau en a, ce qu’on
peut réexprimer de façon plus abrégée en disant que le gradient est orthogonal aux lignes de
niveau.
2. Ainsi, si f est de classe C 1 sur un ouvert de R2 , en combinant les deux interprétations, la
direction de plus forte pente au point a est toujours orthogonale à la ligne de niveau en a.

Exemple 16.3.26 – Figure 16.5

Soit f : R2 ztp0, 0qu Ñ R définie par
x2 ` y 3
f px, yq “ .
x4 ` y 2
En exprimant le gradient, déterminer la tangente à la courbe de niveau en p1, 1q. La figure 16.5
ÝÝÑ
illustre cet exemple. Le gradient en p1, 1q est le vecteur AB, reporté sur le plan z “ 1, dans lequel
est tracée en rouge la courbe de niveau au point p1, 1q.

III.3 Applications de classe C k

Soit B “ pb1 , . . . , bn q une base de E, pi, jq P J1, nK, et f : Ω Ñ F admettant une dérivée partielle Bi f sur
tout Ω. Si la fonction Bi f : Ω Ñ F admet elle-même une j-ième dérivée partielle en a P Ω, on peut donc
définir Bj Bi f paq, la j-ième dérivée partielle de Bi f . De façon plus générale, on définit par récurrence sur
k les dérivées d’ordre k :
Définition 16.3.27 – Dérivées partielles d’ordre k
On définit, si c’est possible, les dérivées d’ordre k de f par récurrence sur k :
‚ Si k “ 1, il s’agit des dérivées partielles Bi f
‚ Soit k ą 1 et pi1 , . . . , ik q P J1, nKk . La fonction f admet en a P Ω une dérivée par rapport
successivement aux i1 , . . . , ik´1 et ik -ièmes vecteurs de la base B, notée Bik Bik´1 . . . Bi1 f paq,
si et seulement si Bik´1 . . . Bi1 f paq existe au voisinage (relatif dans Ω) de a et est dérivable
selon bik en a. Ainsi,
` ˘
Bik Bik´1 . . . Bi1 f paq “ Bik Bik´1 . . . Bi1 f paq.

On trouve aussi les notations suivantes :

‚ Bi1 ,...,ik f paq (attention à l’ordre des indices !),
276 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

x2 ` y 3
Figure 16.5 – Courbe de niveau “ 1, tangente et gradient en A “ p1, 1, 1q.
x4 ` y 2

Bk f
‚ paq, si px1 , . . . , xn q représentent les coordonnées génériques dans la base B, en
Bxik ¨ ¨ ¨ Bxi1
particulier si E “ Rn muni de la base canonique.

On peut définir des différentielles d’ordre supérieur, mais cette notion est hors programme, et les objets
manipulés deviennent de plus en plus complexes. Pour cette raison, nous définissons la classe C k à l’aide
des dérivées partielles d’ordre k. Cette définition est une généralisation de la caractérisation de la classe
C 1 par les dérivées partielles premières.

Définition 16.3.28 – Applications de classe C k

Soit f : Ω Ñ F une application définie sur l’ouvert Ω de E.
1. On dit que f est de classe C k sur Ω si toutes les dérivées d’ordre k de f existent (il y en a
2k ), et sont continues sur Ω.
2. On dit que f est de classe C k au voisinage de a P Ω, s’il existe un ouvert V Ă Ω tel que f|V
soit de classe C k sur V .
3. On note C k pΩ, F q l’ensemble des fonctions de classe C k sur Ω, à valeurs dans F . Par conven-
tion, C 0 pΩ, F q est l’ensemble des fonctions continues.
4. On dit que f est de classe C 8 sur Ω si elle est de classe C k pour tout k P N.
5. On note C 8 pΩ, F q l’ensemble des fonctions de classe C 8 sur Ω, à valeurs dans F .

Remarque 16.3.29
Si f est de classe C k , alors :
‚ f est de classe C j pour tout j ď k ;
‚ plus généralement, si ℓ ď k et pi1 , . . . , iℓ q P J0, nKℓ , Bi1 ,...,iℓ f est de classe C k´ℓ .

Pour étudier la classe C k , il y a donc a priori 2k dérivées à étudier. Mais en pratique, cela en fait moins,
car sous des conditions assez peu restrictives, on va retrouver plusieurs fois la même, dans le sens où
l’ordre de dérivation (i.e. le choix de l’ordre des variables par rapport auxquelles on dérive) n’importe
pas. C’est ce que dit le théorème suivant.
III Applications de classe C n 277

Théorème 16.3.30 – Théorème de Schwarz

Soit f : Ω Ñ F , B “ pb1 , . . . , bn q une base de E, et a P Ω. Si f est de classe C 2 au voisinage de a,
alors
@pi, jq P J1, nK, Bi Bj f paq “ Bj Bi f paq.

Ÿ Éléments de preuve.
Démontration non exigible.
En fixant toutes les autres variables, on est ramené au cas de fonctions de 2 variables. Exprimer un
DL2 de f px`h, y `kq´f px, yq en H “ ph, kq, de deux manières différentes, en intercalant f px`h, yq,
ou f px, y ` kq, et en se ramenant à la formule de Taylor-Young à l’ordre 2 pour les fonctions d’une
variable (en fixant l’autre). Identifier les deux DL obtenus (justifier proprement cette identification).
Ź

Corollaire 16.3.31 – Théorème de Schwarz pour la classe C k

Soit f : Ω Ñ F , B “ pb1 , . . . , bn q une base de E, et a P Ω. Si f est de classe C 2 au voisinage de a,
alors pour tout pi1 , . . . , ik q P J1, nKk , et toute permutation σ P Sk ,

Bi1 ,...,ik f paq “ Biσp1q ,...,iσpkq f paq

Ÿ Éléments de preuve.
Les dérivées partielles successives commutent 2 à 2. On peut donc ramener d’abord i1 en position
initiale, par échange successif, pour faire ensuite une récurrence. Ou directement utiliser le fait que
Sn est engendré par les transpositions pi i ` 1q. Ź
Ainsi, l’ordre des variables de dérivation importe peu, dès lors que la fonction est de classe C k , ce qui
permet de regrouper éventuellement les dérivées selon les variables, afin d’écrire ces dérivées sous la
forme :
Bk f
αn , α1 ` ¨ ¨ ¨ ` αn “ k.
Bxα
1 . . . Bxn
1

Cette notation signifie qu’on a dérivé α1 fois par rapport à x1 , α2 fois par rapport à x2 etc. Certains αi
B3 f
peuvent être nuls et peuvent être omis dans la notation. On notera par exemple la dérivée d’ordre
BxBz 2
3 d’une fonction de 3 variables x, y, z, obtenue en dérivant une fois par rapport à x et 2 fois par rapport
à z, mais aucune fois par rapport à y.

Proposition 16.3.32 – Opérations sur les applications de classe C k

Soit E, E 1 des R-e.v.n. de dimension finie, et F , F1 , . . . , Fq des K-e.v.n. de dimension finie. Soit Ω,
Ω1 des ouverts de E et E 1 respectivement.
1. Soit f, g : Ω Ñ F de classe C k et λ P K. Alors f ` λg est de classe C k .
2. Soit pour i P J1, qK, fi : Ω Ñ Fi , et M : F1 ˆ ¨ ¨ ¨ ˆ Fq Ñ F une forme multilinéaire. Si les fi
sont de classe C k , alors M pf1 , . . . , fq q est de classe C k .
3. Soit f : Ω1 Ñ Ω et g : Ω Ñ F . Si f et g sont de classe C k sur Ω1 et Ω respectivement, alors
g ˝ f est de classe C k sur Ω.
1
4. Si f : Ω Ñ K ne s’annule pas et est de classe C k , alors f aussi.
5. Soit pour i P J1, qK, fi : Ω Ñ Fi , et f : Ω Ñ F1 ˆ ¨ ¨ ¨ ˆ Fq définie par

@x P Ω, f pxq “ pf1 pxq, . . . , fq pxqq.

f est de classe C k si et seulement si tout fi est de classe C k .

278 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

Ces propriétés restent vraies pour la classe C 8

Ÿ Éléments de preuve.
Démonstrations non exigibles, un peu fastidieuse mais sans difficulté. Faire une récurrence, en déri-
vant une première fois. Ź

Exemples 16.3.33
1. Les fonctions polynomiales f : Rn Ñ K, de n variables réelles et à coefficients dans K, sont
de classe C 8 .
2. Les fractions rationnelles aussi, sur leur domaine de définition.
3. det : Mn pRq Ñ R est de classe C 8 .
4. M ÞÑ M ´1 définie sur GLn pRq est de classe C 8 .

Dans le cas de fonctions d’une seule variable réelle, on rajoute une propriété, concernant la dérivée itérée
d’une forme bilinaire. Lorsqu’on applique cette formule au cas du produit de deux réels, on retrouve la
formule de Leinbniz classique.

Théorème 16.3.34 – Formule de Leibniz vectorielle

Soit E, F, G des K-evn de dimension finie, et B : EtimesF Ñ G des K-evn. Soit I un intervalle, et
f : I Ñ E et g : I Ñ F deux applications. Si f et g sont de classe C k , alors Bpf, gq : t ÞÑ Bpf ptq, gptqq
est aussi de classe C k , et
k ˆ ˙
ÿ k
@t P I, Bpf, gqpkq ptq “ Bpf piq ptq, g pk´iq ptqq dt.
i“1
i

III.4 Hessienne et formule de Taylor-Young à l’ordre 2

Définition 16.3.35 – Matrice hessienne de f
Soit Ω un ouvert de Rn , et f : Ω Ñ R de classe C 2 . La matrice hessienne de f en a P Ω est
¨ 2 ˛
B f B2 f
˚ Bx 2 paq ¨¨¨
Bx1 Bxn ‹
paq
ˆ 2 ˙ 1
B f ˚
.. ..
‹
Hf paq “ ‹.
˚ ‹
paq “˚ . .
Bxi Bxj 1ďi,jďn
˚ ‹
˝ B2 f 2
B f ‚
paq ¨ ¨ ¨ paq
Bxn Bx1 Bxn 2

Proposition 16.3.36 – Symétrie de Hf paq

Sous les mêmes hypothèses, Hf paq P Sn pRq.

Ÿ Éléments de preuve.
C’est une réexpression du théorème de Schwarz. Ź

Lemme 16.3.37 – Expression de la dérivée seconde par rapport à un vecteur

Soit Ω un ouvert de Rn , et f : Ω Ñ R de classe C 2 . Soit a P Ω et H P Rn . Alors, la dérivée seconde
III Applications de classe C n 279

selon le vecteur U au point a s’exprime à l’aide de la hessienne :

¨ ˛
n n
u1
2
ÿ ÿ B f ˚ . ‹
2
fa,U p0q “ U T Hf paqU “ ui uj ˝ .. ‚.
paq, où U “ ˚ ‹
i“1 j“1
Bxi Bx j
un

La matrice hessienne va nous permettre d’exprimer de façon élégante la formule de Taylor-Young, c’est-
à-dire l’expression d’un DL à l’ordre 2 à l’aide des dérivées d’ordre 1 et 2, sous les hypothèses idoines de
régularité.
Nous avons déjà obtenu une première version de cette formule, lorsque f est une fonction de 2 variables
de classe C 2 au voisinage d’un point a, lors de la démontration du théorème de Schwarz :

Bf Bf 1 B2 f B2 f 1 B2 f
f px`h, y `kq “ f px, yq`h px, yq`k px, yq` h2 2 px, yq`hk px, yq` k 2 2 px, yq`op}H}2 q,
Bx By 2 Bx BxBy 2 By
˜ ¸
h
où H “ . À l’aide du lemme précédent, on obtient une réexpression synthétique de cette formule, en
k
˜ ¸
x
posant X “ :
y

1
f pX ` Hq “ f pXq ` x∇f pXq, Hy ` H J Hf pxqH ` op}H}2 q.
2
Plus généralement :

Théorème 16.3.38 – Formule de Taylor-Young à l’ordre 2

Soit Ω un ouvert de Rn et f : Ω Ñ R de classe C 2 au voisinage de a P Ω. Alors f admet un DL à
l’ordre 2 en a, s’exprimant :
1
f pa ` hq “ f paq ` x∇f paq, hy ` hJ Hf paqh ` op}h}2 q.
2

Ÿ Éléments de preuve.
Démonstration non exigible. On peut procéder comme dans le cas de 2 variables, en utilisant la
formule de Taylor-Young pour les fonctions d’une variables, successivement sur chaque variable.
On peut aussi exploiter la symétrie de Hf paq en considérant d’abord une b.o.n. de diagonalisation
pb1 , . . . , bn q, et en exploitanta la formule de Taylor à l’ordre 2 pour les fonctions partielles associées.
Les exprimer par ε, et exprimer le cas général par linéairité et bilinéarité. Ź

III.5 Équations aux dérivées partielles, EDP

Une équation aux dérivées partielles (EDP) est une équation d’inconnue une fonction f de plusieurs
variables, reliant ses différentes dérivées partielles. L’ordre de l’EDP est l’ordre de dérivation le plus
important intervenant dans cette équation. Par exemple, l’équation suivante, pour une fonction inconnue
f de 2 variables, l’équation
Bf 3 Bf 2 B2 f
“ ` xy
Bx3 By 2 BxBy
est une EDP d’ordre 3. La résolution d’équations aux dérivées partielles est un problème en général dur.
Nous nous contentons ici de donner quelques pistes, sur des exemples simples.
Le principe va souvent être de se ramener à des équations simples. Pour cela, nous commençons par une
forme simple d’equation de degré 1.
280 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

Bf
Proposition 16.3.39 – Résolution de “0
Bxi
Soit i P J1, nK. Les propositions suivantes sont équivalentes:
Bf
(i) f : Rn Ñ R est de classe C 1 et vérifie “ 0 sur Ω
Bxi
(ii) il existe g P C 1 pRn´1 , Rq tel que pour tout px1 , . . . , xn q P Rn ,

f px1 , . . . , xn q “ gpx1 , . . . , xi´1 , xi`1 , . . . , xn q.

Bf
En d’autres termes, les solutions de l’EDP “ 0 sont les fonctions ne dépendant pas de la vaiable xi
Bxi
1
et de classe C par rapport aux autres variables.

Exemple 16.3.40
Bf Bf
Résolution de a `b “ 0, par changement de variable.
Bx By

Nous donnons deux exemples d’EDP d’ordre 2 :

Exemples 16.3.41
B2 f
1. Résoudre “ 0 où f P C 2 pR2 , Rq.
BxBy
B2 f B2 f
2. Résoudre ´ a “ 0, où f P C 2 pR2 , Rq. On cherchera un changement de variable
Bx2 By 2
linéaire.

IV Optimisation
IV.1 Principes généraux
L’optimisation consiste en l’étude des extrema d’une fonction f (globaux ou locaux).

Définition 16.4.1 – Extrema

Soit D un sous-ensemble de E, et f : D Ñ R, et a P D. On dit que :
‚ f admet un minimum global (resp. maximum global) en a si pour tout x P D, f pxq ě f paq
(resp. f pxq ď f paq) ;
‚ f admet un minimum global strict (resp. maximum global strict) en a si pour tout x P Dztau,
f pxq ą f paq (resp. f pxq ă f paq) ;
‚ f admet un minimum local (resp. maximum local) en a s’il existe V P Vpaq tel que pour tout
x P D X V , f pxq ě f paq (resp. f pxq ď f paq) ;
‚ f admet un minimum local strict (resp. maximum local strict) en a s’il existe V P Vpaq tel
que pour tout x P D X V ztau, f pxq ą f paq (resp. f pxq ă f paq).

Le but de cette section est de donner des principes de recherche des extrema (locaux ou globaux).
Les sous-sections suivantes donneront des méthodes pour trouver en quels points de D il existe un
extremum, local ou global. Pour commencer, nous nous intéressons à l’existence d’un extremum global
(ou local par restriction à un voisinage).
Nous rappelons le théorème de compacité, outil incontournable dans ce contexte.

Théorème 16.4.2 – Compacité

Si D est compact et f : D Ñ R est continue, alors f admet un minimum et un maximum globaux.
IV Optimisation 281

Il est fréquent d’étudier des fonctions qui ne sont pas définies sur des compacts. Mais il est possible de
s’y ramener, soit en restreignant (si D n’est pas borné), soit en prolongeant (si D est borné).

Méthode 16.4.3 – Prouver l’existence d’un extremum global

On peut bien entendu utiliser les méthodes de localisation des extrema des paragraphes suivants
et comparer les valeurs à toutes les autres, mais il peut être intéressant de savoir justifier a priori
l’existence d’un extremum global de f : D Ñ R.
1. Si D est compact et f continue, le théorème de compacité donne l’existence d’un maximum
et et d’un minimum.
2. Si on parvient à trouver un compact K Ă D, et a P D tel que

@x P DzD, f pxq ě f paq,

alors f admet un minimum sur D, atteint dans K.

3. Si D est borné, D est borné. Si f admet une limite en tout point de DzD, et s’il existe a P D
tel que
@b P DzD, lim f pxq ě f paq,
xÑb

alors f admet un minimum sur D.

Exemples 16.4.4 – figures 16.6 et 16.7

x2 y ´ 3y ` y 2
1. Montrer que f : px, yq ÞÑ admet un minimum et un maximum sur R2 .
p1 ` x2 ` y 2 q2
e ´ exy
2. Montrer que g : px, yq ÞÑ admet un minimum sur B̊p0, 1q.
1 ´ px2 ` y 2 q

x2 y ´ 3y ` y 2
Figure 16.6 – f : x ÞÑ “1
p1 ` x2 ` y 2 q

IV.2 Condition nécessaire du premier ordre

Théorème 16.4.5 – CN du premier ordre pour un extremum local
Soit f : D Ñ R. Si f admet un extremum local en a P D̊ et si f est différentiable en a, alors
df paq “ 0.
282 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

e ´ exy
Figure 16.7 – g : x ÞÑ
1 ´ px2 ` y 2 q

Ÿ Éléments de preuve.
Se ramener à la CN similaire pour les fonctions d’une variable réelle, par l’étude de toutes les dérivées
directionnelles df paq ¨ h. Ou alors, montrer directement la proposition 16.4.15 qui est une version
plus générale de ce théorème. Ź
Ce théorème motive la définition suivante, comme dans le cas des fonctions d’une variable réelle.

Définition 16.4.6 – Point critique

Soit f : D Ñ R. On dit que a P E est un point critique de f si a P D̊ et df paq “ 0.

Remarque 16.4.7
Si f est une fonction d’une variable réelle, a P D̊ est point critique si et seulement si f est dérivable
en a et l’application linéaire df paq : h ÞÑ f 1 paqh est nulle, c’est-à-dire si et seulement si f 1 paq “ 0.
On retrouve la notion de point critique définie en MPSI.

Corollaire 16.4.8 – CN portant sur le gradient dans le cas euclidien

Soit E un espace euclidien, D Ă E, et f : D Ñ R. Si f admet un extremum en a P D̊ en lequel f
est différentiable, alors ∇f paq “ 0.

Exemple 16.4.9
e ´ exy
Rechercher les points critiques de g : px, yq ÞÑ sur B̊p0, 1q, et en déduire l’existence d’un
1 ´ x2 ´ y 2
minimum global.

Remarque 16.4.10
Si le nombre de points critiques est peu élevé et si on a pu montrer l’existence d’extrema locaux,
comme dans le paragraphe précédent, l’étude de la CN du premier ordre peut être suffisante pour
conclure.
IV Optimisation 283

Avertissement 16.4.11
Comme dans le cas d’une fonction d’une variable réelle, df paq “ 0 n’est pas une CN pour avoir un
extremum local.

Exemple 16.4.12 – figure 16.8

Quels sont les points critiques de f : px, yq ÞÑ xy ? La fonction f admet-elle un extremum local ?
Cet exemple montre au passage que le fait que les restrictions de f à toutes les droites passant par
a admettent un extremum local en a n’est pas suffisant pour que f admette un extremum local en
a.

Figure 16.8 – f : x ÞÑ xy

Méthode 16.4.13 – Rechercher les extrema locaux sur un ouvert

On cherche les points critiques de f , puis on étudie chaque point critique a :
‚ soit par étude directe du signe de f pxq ´ f paq,
‚ soit en utilisant la CN d’ordre 2 qui fait l’objet d’un paragraphe ultérieur.

Méthode 16.4.14 – Rechercher les extrema globaux

Soit f : D Ñ R, différentiable sur D̊.
‚ Rechercher les points critiques sur D̊. Les extrema globaux, s’ils existent, sont un point
critique, ou un point de DzD̊.
‚ Si on a pu justifier l’existence d’un extremum global, on peut le trouver en comparant les
valeurs prises aux différents points critiques, ainsi que le maximum et/ou le minimum de f
restreinte à DzD̊.

Le paragraphe suivant donne justement des techniques en vue de l’étude des extrema d’une fonction
retreinte. Cela permet notamment l’étude aux bords (si D lui-même peut être plongé dans un ouvert Ω
de sorte que DzD̊ soit une partie de Ω).

IV.3 Optimisation sous contrainte

Soit f : Ω Ñ R, et X Ă D. Optimiser f sous la contrainte X consiste à étudier les extrema de f en
se retreignant à X (la contrainte). Il s’agit donc d’étudier les extrema d’une restriction. Nous commen-
çons par une CN similaire à celle qu’on a trouvé dans le cas global (qui d’ailleurs peut être vu comme
conséquence de celle-ci).
284 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION

Proposition 16.4.15 – CN du premier ordre pour une restriction

Soit Ω un ouvert de E, X une partie de Ω, et f : Ω Ñ R. Si f|X admet un extremum local en a P X,
alors
@h P Ta X, df paq ¨ h “ 0.
En d’autres termes, dpaq s’annule en tout vecteur tangent à X, c’est-à-dire Ta X Ă Ker df paq.

Ÿ Éléments de preuve.
Dériver f pαptqq, où α “ r´ε, εs Ñ X vérifie αp0q “ a. Ź

Remarques 16.4.16
1. En prenant X “ D̊, puisque X est un voisinage de a, Ta X “ E, et on retrouve donc le
théorème 16.4.5.
2. Si E est euclidien, la proposition 16.4.15 affirme que si f|X admet un extremum local en a,
∇f paqKTa X.

Si l’ensemble X est défini par une équation gpxq “ 0, on peut combiner le résultat précédent et le théorème
16.3.21.
Théorème 16.4.17 – Optimisation sous contrainte
Soit f, g : Ω Ñ R de classe C 1 , et X “ tx P Ω, gpxq “ 0u. Si f|X admet un extremum local en a P X
tel que dgpaq ‰ 0, alors df paq et dgpaq sont colinéaires.

Exemple 16.4.18
Après avoir montré leur existence, déterminer les extrema globaux de f : px, yq ÞÑ x2 ` xy ´ 2y 2 sur
Bp0, 1q.

IV.4 Étude à l’ordre 2

Si f : I Ñ R est une fonction définie sur un intervalle ouvert de R, et si a P I est un point critique de f ,
on peut déterminer s’il s’agit effectivement d’un extremum par un argument de convexité locale, ce qui,
en cas de régularité suffisante, se ramène à l’étude du signe de f 2 paq. Nous recherchons une condition
similaire lorsque f est une fonction définie sur un ouvert de Rn , à l’aide de la matrice hessienne Hf paq.

Proposition 16.4.19 – CN du second ordre

Soit f : Ω Ñ R (où Ω est un ouvert de Rn ) de classe C 2 . Si f admet un minimum local (resp.
maximum local) en a P Ω, alors a est un point critique de f et Hf paq P S ` pRq (resp. ´Hf paq P
S ` pRq).

Ÿ Éléments de preuve.
D’après la formule de Taylor-Young, le signe de f pa ` hq ´ f paq est celui de hJ Hf paqh. Ź

Théorème 16.4.20 – CS du second ordre

Soit f : Ω Ñ R (où Ω est un ouvert de Rn ) de classe C 2 , et soit a P Ω. Si a est un point critique
de f et si Hf paq P S `` pRq (resp. ´Hf paq P S `` pRq), alors f admet un minimum local strict (resp.
maximum local strict) en a.

Ÿ Éléments de preuve.
Toujours le contrôle du signe par Taylor-Young, en travaillant avec une norme adaptée à Hf paq. Ź
IV Optimisation 285

Avertissement 16.4.21
‚ La CN du second ordre n’est pas une CS.
‚ La CS du second ordre n’est pas une CN

Exemples 16.4.22
Étudier les CN et CS du second ordre pour les fonctions suivantes, en 0.
1. f : px, yq ÞÑ px2 ` y 2 q2 .
2. g : px, yq ÞÑ x3 y 3 .

Méthode 16.4.23 – Étude d’un point critique

Pour savoir si un point critique correspond à un extremum local, on étudiera le signe de la hessienne,
‚ soit directement par mises sous forme canonique successives de la forme quadratique h ÞÑ
hJ Hf paqh,
‚ soit par étude des valeurs propres de Hf paq.
On peut alors conclure :
‚ Si Hf paq n’est pas positive (i.e. s’il existe une valeur propre strictement négative, ou s’il
existe h tel que h ÞÑ hJ Hf paqh ă 0, alors f n’admet pas d’extremum local en a
‚ Si Hf paq est strcitement positive (si SpecpHf paqq Ă R˚` ), alors f admet un minimum local.
On ne peut pas conclure de cette façon si ces conditions ou les conditions symétriques (pour un
maximum) ne sont pas satisfaites, à savoir dans le cas où 0 P SpecpHf paqq.

Corollaire 16.4.24 – Explicitation pour n “ 2

Soit Ω un ouvert de R2 , f : Ω Ñ R de classe C 2 , et a un point critique de f . Alors :
‚ Si detpHf paqq ą 0 et trpHf paqq ą 0, alors f admet un minimum local strict en a
‚ Si detpHf paqq ą 0 et trpHf paqq ă 0, alors f admet un maximum local strict en a
‚ si detpHf paqq ă 0, alors f n’admet pas d’extremum local en a.

Exemples 16.4.25
Étudier la nature du point critique p0, 0q dans les 3 cas suivants :
1. f1 px, yq “ y 4 ` x2 y ` x2 ` 2xy ` 2y 2
2. f2 px, yq “ x3 y ` x2 ´ 4xy ` y 2
3. f3 px, yq “ xy 2 ` x3 ´ x2 ` 2xy ´ 2y 2 .
286 CHAPITRE 16. CALCUL DIFFÉRENTIEL ET OPTIMISATION
 17
Intégration vectorielle et équations
différentielles linéaires

Ce chapitre consiste en un certain nombre de rappels concernant la résolution des équations différentielles
linéaires, ainsi qu’un certain nombre de compléments. En effet, le contexte des e.v.n., et les techniques
matricielles (notamment la diagonalisation et l’utilisation de l’exponentielle complexe) nous permettent
d’avoir des outils efficaces pour gérer des situations bien plus générales que ce que vous avez vu en MPSI.
Les fonctions que nous considérerons sont des fonctions y : I Ñ E, définies sur un intervalle I de R, et à
valeurs dans un e.v.n. E de dimension finie sur le corps K, égal à R ou C. Une équation différentielle est
une équation reliant les valeurs de f et de ses dérivées successives, évaluées au même point t P I. Nous
nous limitons dans ce chapitre à une forme bien particulière d’équations différentielles : les équations
différentielles linéaires. Les autres types d’équations différentielles sont bien plus complexes à étudier, et
il n’est pas toujours possible d’expliciter les solutions.
Les équations différentielles apparaissent de façon naturelle dans de nombreux contextes, en particulier
en physique. Le cas linéaire est souvent suffisant, les physiciens étant des habitués de la linéarisation,
donnant souvent (mais pas toujours) des approximations suffisamment précises pour être pertinentes pour
la situation étudiée.

I Compléments d’intégration
On présente dans cette section quelques rappels et compléments sur les intégrales de fonctions d’une
variable réelle, à valeurs dans un K-e.v.n. F de dimension finie n (où K “ R ou C). Les fonctions seront
définie sur un segment I “ ra, bs.

I.1 Définition et propriétés générales

Dans cette sous-partie, f désigne une application d’un segment I dans F . Comme dans le cas d’une
application à valeurs réelles, on dit que f est continue par morceaux si I se subdivise en un nombre fini
de segments sur l’intérieur desquels f est continue, et au bord desquels elle a une limite dans F .
Pour toute base B de F , on note pfB,1 , . . . , fB,n q les coordonnées de f dans B, c’est-à-dire les fonctions
fB,i : I Ñ K telles que pour tout t P I,
n
ÿ
f ptq “ fB,i ptqbi .
i“1

S’il n’y a pas d’ambiguïté sur la base, on notera simplement fi au lieu de fB,i .
 CHAPITRE 17. INTÉGRATION VECTORIELLE ET ÉQUATIONS DIFFÉRENTIELLES
288 LINÉAIRES

Proposition 17.1.1 – Caractérisation de la continuité par morceaux via les coordonnées

Les propositions suivantes sont équivalentes: :
(i) f est continue par morceaux sur I ;
(ii) pour toute base B de F et tout i P J1, nK, fB,i est continue par morceaux ;
(iii) il existe une base B de F telle que pour tout i P J1, nK, fB,i soit continue par morceaux.

Ÿ Éléments de preuve.
Découle de la caractérisation coordonnée par coordonnée de la continuité et des limites. Ź

Proposition/Définition 17.1.2 – Définition de l’intégrale vectorielle

Soit f : I “ ra, bs Ñ F une fonction continue par morceaux. Le vecteur
˜ż ¸
ÿn b
fB,i ptq dt bi
k“1 a

est bien définie, et indépendante du choix de la base B “ pb1 , . . . , bn q de F . On définit alors

˜ż ¸
żb n
ÿ b
f ptq dt “ fB,i ptq dt bi ,
a k“1 a

la valeur commune de ces expressions. On trouve aussi les notations

żb ż ż
f, f ptq dt ou f.
a ra,bs ra,bs

Ÿ Éléments de preuve.
Exprimer le changement de base matriciellement, et utiliser la linéarité de l’intégrale scalaire. Ź
En travaillant coordonnées par coordonnées, on transfert de façon quasi-immédiate une grande partie des
propriétés usuelles de l’intégrale scalaire.

Proposition 17.1.3 – Linéarités

Soit f, g : I Ñ F continues par morceaux sur I “ ra, bs.
żb żb żb
1. Linéarité : pf ` λgq “ f `λ g;
a a a
żb żb
2. si α : I Ñ R est c.p.m. et u P F , alors αptqu dt “ αptq dt ¨ u.
a a
˜ż ¸
ż b b
3. Pour tout L P LpF, Gq, L˝f “L f ;
a a

Ÿ Éléments de preuve.
Le point 1 se ramène à la propriété similaire pour les fonctions scalaires, par caractérisation par les
coordonnées.
Le point 2 s’obtient en choisissant une base contenant u.
Le point 3 est conséquence des 2 premiers, en tranvaillant encore dans une base B. On utilise d’abord
la linéarité de L pour entrer L dans la somme, puis la linéarité de l’intégrale pour sortir L de
l’intégrale, et encore la linéarité de L pour entrer l’intégrale dans L ! Ź
I Compléments d’intégration 289

Proposition 17.1.4 – Relation de Chasles

Soit f : I Ñ F , c.p.m. sur I “ ra, bs et c P ra, bs. Alors
żb żc żb
f“ f` f.
a a c

Ÿ Éléments de preuve.
Encore les coordonnées. Ź
Le point suivant se généraliserait sur des subdivisions non régulières dont le pas tend vers 0, mais seul le
cas des subdivisions régulières est au programme.

Théorème 17.1.5 – Sommes de Riemann

Soit f une fonction continue par morceaux sur ra, bs à valeurs dans F . Alors
n´1 ˆ ˙ żb
b´a ÿ b´a
f a`k¨ ÝÑ f ptq dt.
n k“0 n a

Ÿ Éléments de preuve.
On peut voir F comme un R-ev (même si au départ il est complexe). Se ramener au cas de fonctions
à valeurs réelles en travaillant dans une R-base. Ź

Théorème 17.1.6 – Inégalité triangulaire

On suppose que F est un K-e.v.n. Soit f : I “ ra, bs Ñ F une application c.p.m., avec a ă b. Alors
}f }F est c.p.m. et ›ż ›
› b › żb
› f pxq dx› ď }f pxq}F dx.
› ›
› a › a
F

Ÿ Éléments de preuve.
Par sommes de Riemann. Ź
Même si l’inégalité est vraie quelle que soit la norme de F choisie, les valeurs de ces intégrales dépendent
de la norme.
Avertissement 17.1.7
1. Il faut évidemment utiliser la même norme de F dans les deux membres de l’inégalité !
2. Attention ici à l’hypothèse a ă b. Si b ă a, il faut rajouter un signe pour contrer l’inversion
des bornes. Ou rajouter une valeur absolue externe.

Remarque 17.1.8
Le cas des fonctions f : I Ñ C est déjà connu (programme de MPSI). Cependant, on peut remarquer
qu’on le retrouve ici, à partir du cas f : I Ñ R, en voyant C comme un R-e.v.n..

I.2 Théorème fondamental

Pour terminer ce passage en revue rapide des intégrales vectorielles, on généralise le théorème fondamental
du calcul intégral, et ses conséquences pour l’obtention de l’inégalité des accroissements finis, puis ses
généralisations usuelles à des ordres de dérivation supérieure que sont les inégalités de Taylor-Lagrange.
Comme dans le cas numérique, le calcul d’une intégrale se ramène au calcul de la variation d’une primitive
entre les deux bornes.
 CHAPITRE 17. INTÉGRATION VECTORIELLE ET ÉQUATIONS DIFFÉRENTIELLES
290 LINÉAIRES

Définition 17.1.9 – Primitive de g

Soit g, G : I Ñ F . On dit que G est une primitive de g si G est dérivable sur I et G1 “ g.

Proposition 17.1.10 – Comparaison de deux primitives

Soit g : I Ñ F , continue sur l’intervalle I, et G1 et G2 deux primitives de g. Alors G2 ´ G1 est
constante.

Ÿ Éléments de preuve.
Par linéarité de la dérivation, et caractérisation des fonctions contantes. Ź

Théorème 17.1.11 – Théorème fondamental de l’analyse, version vectorielle

1. Soit g : I Ñ F une application continue sur I “ ra, bs, et a P I. Alors :
żx
G0 : x ÞÑ gpxq dx
a

est une primitive de g. De plus, G0 est alors de classe C 1 .

2. Soit g : I Ñ F et G une primitive de g. Alors
żb ” ıb
gpxq dx “ Gpxq “ Gpbq ´ Gpaq.
a a

Ÿ Éléments de preuve.
1. Se ramener au cas scalaire par choix d’une base.
2. G0 diffère de G d’une constante, donc Gpbq ´ Gpaq “ G0 pbq ´ G0 paq.
Ź
Voici une réexpression classique du théorème fondamental.

Corollaire 17.1.12 – Intégrale d’une dérivée

Soit f P C 1 pI, F q. Alors, pour tout x P I,
żx
f pxq “ f paq ` f 1 ptq dt.
a

Corollaire 17.1.13 – Inégalité des accroissements finis

Soit f P C 1 pI, F q, telle que f 1 soit bornée. Alors, pour tout x P I,

}f pbq ´ f paq} ď |b ´ a| ¨ }f 1 }8 .

Les propriétés calculatoires (formule de changement de variable, formule d’intégration par parties) peuvent
s’obtenir de même que dans le cas scalaire, à l’aide du théorème fondamental. Ces formules ne sont pas
au programme, et seront établies en exercice seulement.
Le théorème fondamental de l’analyse permet aussi de dériver des intégrales vectorielles dépendant de
façon C 1 de leur borne, en se ramenant à des dérivées de composées.

I.3 Formules de Taylor

Enfin, nous généralisons les formules de Taylor dans le cadre de fonctions d’une variable à valeurs vecto-
rielles.
II Propriétés générales des EDL 291

Théorème 17.1.14 – Formule de Taylor vectorielle avec reste intégral

Soit f P C n`1 pra, bs, F q, à valeurs dans R ou C. Alors
n żb
ÿ
pkq pb ´ aqk pb ´ tqn pn`1q
f pbq “ f paq ` f ptq dt.
k“0
k! a n!

Ÿ Éléments de preuve.
Se ramener à la formule de Taylor scalaire appliquée aux fonctions coordonnées. On peut aussi
procéder directement vectoriellement, en faisant une IPP itérée, à condition de démontrer d’abord
la formule d’IPP vectorielle (voir exercices). Ź

Remarque 17.1.15
Cette formule ne nécessite pas d’hypothèse a ă b. Elle reste valide lorsque b ď a.

On en déduit, comme dans le cas scalaire :

Théorème 17.1.16 – Inégalité de Taylor-Lagrange vectorielle

Soit a ă b, et f une fonction de classe C n`1 sur ra, bs, à valeurs dans F . Alors f pn`1q est bornée sur
ra, bs, et ˇ ˇ
n kˇ
ˇ ÿ pb ´ aq |b ´ a|n`1
ˇf pbq ´ f pkq paq ˇ ď }f pn`1q }8 ¨
ˇ ˇ
ˇ
k“0
k! ˇ pn ` 1q!

En pratique, on cherchera explicitement à majorer }f pn`1q } par M , pour obtenir :

ˇ ˇ
n
ˇ ÿ
pkq pb ´ aqk ˇˇ |b ´ a|n`1
ˇf pbq ´ f paq ˇďM¨
ˇ
ˇ
k“0
k! ˇ pn ` 1q!
Enfin, la formule de Taylor-Young passe aussi au cas vectoriel.

Théorème 17.1.17 – Formule de Taylor-Young à l’ordre n au point x0

Soit I un intervalle ouvert de R, x0 P I, et f : I Ñ F une fonction de classe C n au voisinage de x0 .
Alors :
n
ÿ f pkq px0 q
f pxq “ px ´ x0 qk ` oppx ´ x0 qn q.
x0
k“0
k!

Ÿ Éléments de preuve.
Coordonnée par coordonnée, les dérivées à tout ordre et les o se caractérisant bien ainsi. Ź

II Propriétés générales des EDL

II.1 Notations et définitions
Dans toute la suite, I désigne un intervalle de R, et E un e.v.n. de dimension finie sur K “ R ou C.

Notation 17.2.1 – Évaluation d’un endomorphisme

Soit a P LpEq, et x P E. Ainsi qu’on l’a déjà fait dans l’étude des différentielles, on notera dans ce
chapitre a ¨ x l’évaluation de a en x. Ainsi, par définition,

a ¨ x “ apxq P E.
 CHAPITRE 17. INTÉGRATION VECTORIELLE ET ÉQUATIONS DIFFÉRENTIELLES
292 LINÉAIRES

Les équations différentielles linéaires font intervenir des fonctions a : I Ñ LpEq. Ainsi, pour t P I, aptq
est un endomorphisme de E. La notation s’explique alors par le fait qu’elle offre un peu plus de clarté
dans les écritures, puisqu’elle permet d’écrire aptq ¨ x au lieu du très lourd aptqpxq.
Par ailleurs, dans le cas courant où E “ K, un endomorphisme consiste en la multiplication par un
scalaire. Via l’identification des endomorphismes aux scalaires de K, l’évaluation apxq correspond au
produit ax, ce qui rend la notation ci-dessus cohérente et compatible avec cette situation.

Définition 17.2.2 – Équation différentielle linéaire

1. Une équation différentielle linéaire d’ordre r est une équation de fonction inconnue y : I Ñ E,
où I est un intervalle de R et E un e.v.n. de dimension finie sur K, de la forme :
r
ÿ
@t P I, ar ptq ¨ y prq ptq ` ¨ ¨ ¨ ` a0 ptq ¨ yptq “ bptq, soit: ak ptq ¨ y pkq ptq “ bptq,
k“0

où :
‚ pour tout k P J0, rK, ak P C 0 pI, LpEqq ;
‚ b P C 0 pI, Eq.
2. L’équation différentielle sera souvent notée de façon abrégée et abusive :

pEq : ar ptq ¨ y prq ` ¨ ¨ ¨ ` a0 ptq ¨ y “ bptq.

3. On dit qu’une fonction φ : I Ñ E est solution de l’équation E si pour tout t P I,

ar ptq ¨ f prq ptq ` ¨ ¨ ¨ ` a0 ptq ¨ yptq “ bptq.

Définition 17.2.3 – Équation différentielle scalaire

On dit qu’un EDL d’ordre r est scalaire si E “ K. Ainsi, LpEq peut être assimilée à K, et les ak
sont donc des fonctions continues de I dans K. La notation ak ptq ¨ y pkq ptq désigne alors le produit
dans K, au sens usuel.

II.2 Structure de l’ensemble des solutions

Théorème 17.2.4 – Structure de l’ensemble des solutions d’une EDL
Soit l’équation différentielle

pEq : ar ptq ¨ y prq ` ¨ ¨ ¨ ` a0 ptq ¨ y “ bptq,

et y0 une solution particulière de pEq. Alors l’ensemble S des solutions de pEq est un sous-espace
affine de pEq, passant par y0 , et de direction l’ensemble des solutions SH de l’équation homogène
associée
pEHq : ar ptq ¨ y prq ` ¨ ¨ ¨ ` a0 ptq ¨ y “ 0.
Ainsi,
S “ y0 ` SH .

En appelant Φ P LpC r pI, Eq, C 0 pI, Eqq l’endomorphisme tel que

@t P I, Φpyqptq “ ar ptq ¨ y prq ptq ` ¨ ` a0 ptq ¨ yptq,

l’espace affine S correspond à la fibre de Φ passant par b, c’est-à-dire à l’image réciproque de b, qui est
un sous-espace affine passant par un antécédent quelconque y0 , et dirigée par le noyau de Φ, qui n’est
autre que SH .
II Propriétés générales des EDL 293

Méthode 17.2.5 – Résoudre une EDL

On s’y prendra souvent en 2 temps :
1. Résoudre l’équation homogène associée
2. Trouver une solution particulière.
On pourra remarquer que la connaissance des solutions de l’équation homogène aide souvent à la
recherche d’une solution particulière, grâce aux méthodes de variation des constantes.

Pour la recherche d’une solution particulière, on peut parfois « isoler les difficultés » en séparant le
second membre en somme de plusieurs fonctions pour lesquelles une solution particulière est plus simple
à exprimer. On reconstitue alors une solution particulière de l’équation initiale grâce au résultat ci-dessous.

Proposition 17.2.6 – Principe de superposition

Si b “ b1 ` b2 , pour trouver une solution particulière y0 de l’équation pEq, il suffit de trouver :
‚ une solution particulière y1 de pE1 q : ar pxqy prq ` ¨ ¨ ¨ ` a0 pxqy “ b1 pxq ;
‚ une solution particulière y2 de pE2 q : ar pxqy prq ` ¨ ¨ ¨ ` a0 pxqy “ b2 pxq
Une solution particulière de pEq est alors y1 ` y2 .
Cela se généralise de façon immédiate à une décomposition de b en une somme finie quelconque de
fonctions continues.

Ÿ Éléments de preuve.
Vérification facile, par linéarité de la dérivation. Ź

Méthode 17.2.7 – Recherche de solutions particulières

On suppose ici que pEq est scalaire.
1. Si les ai sont constantes, et bptq “ P ptqeλt , où P est un polynôme, on pourra rechercher une
solution particulière sous la même forme. On précisera un peu plus loin.
2. Si les ai et b sont polynomiaux, on peut essayer de rechercher une solution particulière sous
forme polynomiale, ou (au moins localement) sous forme d’une série entière. De la sorte, en
posant les équations sur les coefficients, on peut déterminer toutes les solutions développables
en séries entières. Le cas polynomial n’en est qu’un cas particulier.
3. Cela peut se généraliser au cas où les ai et b sont seulement développables en séries entière,
mais c’est plus technique, et cela nécessite de faire des produits de Cauchy.
4. Attention à bien justifier que le rayon de convergence obtenu est non nul pour obtenir une
solution locale !

Exemples 17.2.8
1. Déterminer toutes les solutions développables en séries entières au vouisinage de 0, de l’équa-
tion
1
px2 ` 1qy 1 ` x3 y “ .
1´x
On se contentera de donner une relation de récurrence permettant de calculer les coefficients
de ces solutions, mais sans les expliciter. On ne demande pas non plus d’écrire ces solutions
avec les fonctions usuelles. En revanche, on vérifiera que le rayon de convergence est non nul.
2. Montrer qu’il n’existe qu’une solution de l’équation

lnp1 ` xqy 1 ` y “ x

développable en série entière au voisinage de 0. Exprimer une relation permettant de calculer

 CHAPITRE 17. INTÉGRATION VECTORIELLE ET ÉQUATIONS DIFFÉRENTIELLES
294 LINÉAIRES

les coefficients de cette solution de proche en proche.

II.3 Forme normalisée

Définition 17.2.9 – Forme normalisée d’une EDL
Une équation différentielle linéaire d’ordre r est sous forme normalisée si elle est de la forme :

y prq “ αr´1 ptq ¨ y pr´1q ` ¨ ¨ ¨ ` α0 ptq ¨ y ` βptq.

Remarque 17.2.10
Si dans l’équation pEq du paragraphe I-2, pour tout t P I, ar ptq P GLpEq, alors on peut mettre pEq
sous forme normale en posant

@k P J0, r ´ 1K, @t P I, αk ptq “ ´ar ptq´1 ˝ ak ptq et bptq “ ´ar ptq´1 ¨ bptq.

Méthode 17.2.11 – Résoudre une EDL scalaire non normalisée

On suppose que l’équation (E) est scalaire, et que ar ne s’annule qu’en un nombre fini t1 ă ¨ ¨ ¨ ă tk´1
de réels de l’intervalle I.
‚ Sur chaque intervalle délimité par les bornes de I et les tk , mettre pEq sous forme normale
et la résoudre avec les méthodes usuelles
‚ Etudier l’existence d’une solution globale par raccordement des fonctions obtenues sur chacun
des intervalles. Au point de raccordement, la fonction doit être r fois dérivable. On pourra
étudier la dérivabilité à gauche et à droite jusqu’à l’ordre r, soit de façon directe (avec les
expressions), soit en s’aidant du théorème de la classe C r par prolongement.

On verra des exemples plus tard, lorsqu’on aura revu les méthodes usuelles de résolution des EDL nor-
malisées.

III EDL d’ordre 1

III.1 Situation
Dans cette partie, nous étudions les équations différentielles d’ordre 1, de fonction inconnue y : I Ñ E,
où E est un K-e.v.n. de dimension finie, sous forme normalisée. Ainsi, ce sont des équations de la forme

pEq : y 1 “ aptq ¨ y ` bptq,

où a P C 0 pI, LpEqq, et b P C 0 pI, Eq. L’équation homogène associée est

pEHq : y 1 “ aptq ¨ y.

Proposition 17.3.1 – Trois points de vue équivalents

Soit I un intervalle de R. Les 3 points de vues suivants sur les EDL d’ordre 1 sont équivalents :
(i) équation vectorielle y 1 “ aptq ¨ y ` bptq, où a P C 0 pI, LpEqq, b P C 0 pI, Eq, E étant un K-e.v.n.
de dimension n ;
(ii) équation matricielle Y 1 “ Aptq ¨ Y ` Bptq, où A P C 0 pI, Mn pKqq, B P C 0 pI, Kn q ;
III EDL d’ordre 1 295

(iii) système de n équations différentielles scalaires d’ordre 1

$
1
’ y1 “ a1,1 ptqy1 ` ¨ ¨ ¨ ` a1,n ptqyn ` b1 ptq
’
’
& y21 “ a2,1 ptqy1 ` ¨ ¨ ¨ ` a2,n ptqyn ` b2 ptq
’
..
’
’
’ .
’
% 1
yn “ an,1 ptqy1 ` ¨ ¨ ¨ ` an,n ptqyn ` bn ptq

où les ai,j et bi sont des applications continues de I dans K.

Ÿ Éléments de preuve.
‚ L’équivalence entre (i) et (ii) provient du choix d’une base dans un sens, et du fait que (ii) est
de la forme de (i) dans E “ Mn pKq. Ainsi, (i) est une forme plus générale de (ii), mais pouvant
toujours se ramener à (ii) pâr choix d’une base.
‚ L’équivalence entre (ii) et (iii) est claire en explicitant le produit matriciel coefficient par coeffi-
cient.
On vérifiera que les propriétés de continuité sont bien préservés à chaque implication. Ź
Nous adopterons le plus souvent le point de vue matriciel.

III.2 Problème de Cauchy et espace des solutions

On se donne une EDL d’ordre 1, sous forme matricielle

pEq : Y 1 “ AptqY ` Bptq,

où A P C 0 pI, Mn pKqq et B P C 0 pI, Kn q.

D’après les résultats généraux l’ensemble des solutions de pEq est un espace affine dirigé par l’espace
vectoriel des solutions de l’équation homogène pEHq. Nous nous intéressons ici notamment à la dimension
de l’espace des solutions de pEHq.

Définition 17.3.2 – Problème de Cauchy pour une EDL d’ordre 1

Soit t0 P I, considéré comme « temps initial ».
1. Un problème de Cauchy pour l’équation pEq en t0 est la donnée de conditions initiales en t0
de la forme Y pt0 q “ Y0 , où Y0 P Kn est fixé.
2. Une solution Y : I Ñ Kn de pEq est solution du problème de Cauchy Y pt0 q “ Y0 si

@t P I, Y 1 ptq “ AptqY ptq ` Bptq et Y pt0 q “ Y0 .

Proposition 17.3.3 – Forme intégrale d’un problème de Cauchy

Les propositions suivantes sont équivalentes:
‚ Y est solution du problème de Cauchy Y pt0 q “ Y0 associé à l’équation pEq ;
‚ Pour tout t P I, ż t
Y ptq “ Y0 ` ApuqY puq du.
t0

Remarque 17.3.4
Traduire la définition et la propriété qui suit dans les points de vue vectoriel et système linéaire.

Voici un résultat d’une importance capitale, qui peut se généraliser, au moins localement, sous certaines
hypothèses dans un contexte non linéaire.
 CHAPITRE 17. INTÉGRATION VECTORIELLE ET ÉQUATIONS DIFFÉRENTIELLES
296 LINÉAIRES

Théorème 17.3.5 – Théorème de Cauchy linéaire pour l’ordre 1

Soit Y0 P Kn . L’équation différentielle pEq admet une et une seule solution répondant au problème
de Cauchy Y pt0 q “ Y0 .

Ÿ Éléments de preuve.
Démonstration non exigible (mais pas hors-programme).
‚ Existence. On définit Φ : C 0 pI, Kn q Ñ C 0 pI, Kn q qui à Y associe le membre de droite de l’expres-
sion intégrale du problème de Cauchy. On en cherche un point fixe. Considérer pFn qnPN définie
par la récurrence
Fn`1 “ ΦpFn q,
ř
et F0 constante de valeur Y0 . Montrer que pFn`1 ´ Fn q converge normalement sur tout compact
K de I. On pourra pour cela majorer sa norme par récurrence par le terme général d’une série
exponentielle de paramètre ℓpKq.
‚ Unicité. Si F et G vérifient tous deux les conditions de Cauchy, adapter le raisonnement précédent
pour montrer que F ´ G est nécessairement nul.
Ź

Corollaire 17.3.6 – Dimension de l’espace des solutions de pEHq

Soit t0 P I. On note SH l’espace vectoriel des solutions de l’équation homogène pEHq.
1. L’application evt0 : Y ÞÑ Y pt0 q est un isomorphisme de SH dans Kn .
2. dim SH “ n.

Ÿ Éléments de preuve.
La linéarité est évidente. La bijectivité provient du théorème de Cauchy linéaire, donnant l’existence
et l’unicité d’un antécédent de tout élément de Kn . Ź

Corollaire 17.3.7 – Caractérisation des bases de pEHq

Soit pY1 , . . . , Yn q des solutions de l’équation homogène (EH). Les propositions suivantes sont équi-
valentes:
(i) pY1 , . . . , Yn q est une base de SH ;
(ii) pour tout t0 P I, pY1 pt0 q, . . . , Yn pt0 qq est une base de Kn ;
(iii) il existe t0 P I, pY1 pt0 q, . . . , Yn pt0 qq est une base de Kn ;

Ÿ Éléments de preuve.
L’isomorphisme evt0 envoie base sur base, ainsi que sa réciproque. Ź
Un autre résultat qui peut se voir comme conséquence du théorème de Cauchy est une propriété impor-
tante de l’exponentielle matricielle, qu’on a déjà démontrée de façon un peu laborieuse par produit de
Cauchy. La démonstration recommandée par le programme est celle ci-dessous.

Théorème 17.3.8 – Propriété remarquable de l’exponentielle matricielle

Soit A et B deux éléments de Mn pKq telles que AB “ BA. Alors

exppA ` Bq “ exppAq exppBq “ exppBq exppAq.

Ÿ Éléments de preuve.
Démonstration recommandée par le programme : considérer f ptq “ expptpA`Bqq et gptq “ expptAq expptBq.
Vérifier que f et g sont solutions du même problème de Cauchy. Il faut aussi revoir la preuve de la
III EDL d’ordre 1 297

dérivabilité de t ÞÑ exppAtq qu’on avait fait reposer sur ce théorème : on peut la voir par dérivation
d’une série de fonction normalement convergente. Là encore, c’est la démonstration recommandée
par le programme. Ź

III.3 Méthodes de résolution dans le cas scalaire

Nous rappelons ici les méthodes vues en MPSI pour la résolution des équations différentielles scalaires
du premier ordre, de la forme
y 1 “ aptqy ` bptq,
où a et b sont des fonctions de C 0 pI, Kq.

Théorème 17.3.9 – Résolution de l’équation y 1 “ apxqy (a continue)

L’ensemble des solutions de l’équation homogène y 1 “ apxqy est :

S0 “ ty : x ÞÑ CeApxq , C P Ku,

où A est une primitive de la fonction (continue) a, et C est une constante.

Ÿ Éléments de preuve.
Poser zpxq “ ypxqe´Apxq et dériver z. Ź

Remarque 17.3.10 – Comment retrouver cette formule si on l’a oubliée

‚ Au brouillon, on s’autorise des divisions par y (rigoureusement incorrect si on n’a pas justifié
1
que la fonction ne s’annule pas !) L’équation s’écrit alors yy “ apxq.
1
‚ On reconnait en yy la dérivée de ln |y| (appelée dérivée logarithmique de y). On primitive,
on passe à l’exponentielle et le tour est joué.
‚ Au propre, il est préférable d’utiliser directement la formule du cours, pour éviter les pro-
blèmes de justification issus de la division par y.

Exemples 17.3.11
1. Résolution de y 1 “ ay (a constant)
2. Résolution de y 1 “ yxα sur R si α ě 0, sur R˚` sinon.

Méthode 17.3.12 – Recherche d’une solution particulière

‚ Isolez les difficultés grâce au principe de superposition.
‚ Demandez-vous ensuite s’il existe une solution particulière simple (constante, exponentielle,
polynomiale de petit degré)...
‚ Dans le cas où a et constante et bptq “ P ptqeλt , où P est un polynôme, on peut trouver une
solution sous la même forme Qptqeλt . Plus précisément :
˚ si λ ‰ a, on cherche Q tel que degpQq “ degpP q
˚ si λ “ a, on cherche Q sous la forme Qptq “ tRptq ou degpRq “ degpP q.
On procède alors par identification des coefficients.
‚ Si a est constante et réelle, cette méthode s’adapte au cas où bptq “ P ptq cospλtq ou bptq “
P ptq sinpλtq en passant en complexe.
‚ Si a et b sont polynomiales, ou admettent un développement en série entière simple, on peut
aussi rechercher une solution particulière développable en série entière, sur le même principe
d’identification. Si les coefficients sont des fractions rationnelles, on pourra avoir intérêt à
passer au cadre polynomiale, en revenant à des équations non normalisées.
 CHAPITRE 17. INTÉGRATION VECTORIELLE ET ÉQUATIONS DIFFÉRENTIELLES
298 LINÉAIRES

‚ Dans les autres situations, la méthode de variation de la constante donne une méthode systé-
matique, qui permet d’avoir une expression d’une solution particulière sous forme intégrale.

Exemples 17.3.13
1. Résoudre y 1 “ 2y ` sinpxq ` ex ` x sur R.
2. Résoudre y 1 “ y ` xex .
x2
3. Résoudre y 1 “ x2 y ` 1`x2 sur R˚` .

Méthode 17.3.14 – Méthode de variation de la constante

1. Les solutions de l’équation homogène étant de la forme x ÞÑ CeApxq , on recherche une solution
particulière de l’équation non homogène sous la forme x ÞÑ CpxqeApxq (on « rend la constante
variable »)
2. En remplaçant dans l’équation différentielle, x ÞÑ Cpxq s’obtient par primitivation :
ż
Cpxq “ bpxqe´Apxq dx.

Exemples 17.3.15
1. Retrouver les solutions des deux premières équations de l’exemple précédent par la méthode
de variation de la constante.
2. Résoudre y 1 “ ´ xy ` Arctanpxq sur R˚` .

Remarque 17.3.16
On peut retrouver le théorème de Cauchy linéaire dans le cas scalaire d’ordre 1 de façon élémentaire,
grâce à l’explicitation donnée par la méthode de variation de la constante.

Pour terminer cette étude, on étudier le problème des raccordements, qui intervient lors de l’étude d’équa-
tions non normalisées.
Méthode 17.3.17 – Raccordements
Pour l’étude d’une ED apxqy 1 ` bpxqy “ cpxq, où a, b, c : I Ñ K sont continues, et où a s’annule un
en nombre fini des points t1 ă ¨ ¨ ¨ ă tn :
‚ considérer les intervalles I1 , I2 , . . . , In`1 ouverts en x1 , . . . , xn , et dont l’union fait Iztx1 , . . . , xn u ;
‚ sur chacun de ces intervalles, on peut normaliser l’ED pour se ramener aux méthodes précé-
dentes ;
‚ une solution sur I définissant par restriction des solutions sur chaque Ik , elle s’obtient en
« recollant » les morceaux obtenus sur chaque intervalle ;
‚ ces recollements (ou raccordements) doivent être continus (ce qui donne en général soit des
obstructions fortes, soit des relations entre les différentes constantes) ;
‚ ils doivent aussi être dérivables au point de raccordement : le vérifier par taux d’accroissement,
par dérivée à gauche et droite, ou encore en utilisant le théorème de la limite de la dérivée,
ce qui permet d’exploiter de façon efficace l’expression de l’équation différentielle ;
‚ vérifier rapidement que les valeurs de f et f 1 au point de raccordement vérifient bien l’ED.

Exemple 17.3.18
Résoudre sur R les équations différentielles suivantes :
III EDL d’ordre 1 299

a
1. |x|y 1 “ y
2. xy 1 “ y.

III.4 Méthodes de résolution dans le cas vectoriel à coefficients constants

On se replace dans le contexte vectoriel y 1 “ aptq ¨ y ` bptq, et on suppose ici que a : I Ñ LpEq est
constante. De façon équivalente, cela revient à étudier l’équation différentielle matricielle

Y 1 “ AY ` Bptq,

où A est une matrice de Mn pKq indépendante de t.

On considère toujours I un intervalle de R.

Théorème 17.3.19 – Résolution de l’équation homogène matricielle Y 1 “ AY

Soit A P Mn pKq, t0 inI et Y0 P Mn,1 pKq. Le problème de Cauchy

Y 1 “ AY et Y pt0 q “ Y0

admet comme unique solution sur I la fonction vectorielle définie par

@t P I, Y ptq “ expppt ´ t0 qAqY0 .

Avertissement 17.3.20
La position de Y0 par rapport à l’exponentielle est importante. D’ailleurs, dans l’autre sens, cela
pose un problème de compatibilité des formats.

Remarque 17.3.21
Donner la traduction dans le langage vectoriel de ce résultat, lorsqu’on considère l’équation y 1 “ a¨y,
où a P LpEq ; c’est-à-dire
@t P I, y 1 ptq “ apyptqq.

Ainsi, la résolution d’une équation différentielle matricielle à coefficients constants (donc d’un système
linéaire différentiel à coefficients constants) se ramène au calcul d’une exponentielle matricielle exppsAq
(s “ pt ´ t0 q). On rappelle les situations favorables à ce calcul, déjà vues dans un chapitre antérieur.

Méthode 17.3.22 – Calcul de exppsAq

‚ Si A est diagonalisable, A “ P DP ´1 , avec D “ Diagpλ1 , . . . , λn q. Alors

exppAq “ P exppDqP ´1 “ P Diagpeλ1 , . . . , eλn qP ´1 .

‚ Ce calcul s’adapte au cas où A est diagonale par blocs.

‚ Si A “ D ` N , avec :
(i) D diagonalisable
(ii) N nilpotente
(iii) DN “ N D,
alors exppAq “ exppDq exppN q, et exppDq se calcule par diagonalisation, par la méthode
ci-dessus, et exppN q est une somme finie.
‚ Une décomposition de Dunford, ou une jordanisation donnent une décomposition telle que
ci-dessus.
 CHAPITRE 17. INTÉGRATION VECTORIELLE ET ÉQUATIONS DIFFÉRENTIELLES
300 LINÉAIRES

Exemples 17.3.23
1. Résoudre le système $
1
& x
’ “ 6x ´ 3y ` 3z
y1 “ 3x ´ 2y ` 5z
’
% z1 “ 3x ` y ` 2z

2. Résoudre le système #
x1 “ ´x ` y
y1 “ ´4x ` 3y

Méthode 17.3.24 – Rappel : décomposition de Dunford

Elle est obtenue en calculant une base de chaque espace caractéristique pour former une base
de E. On obtient alors une matrice diagonale par blocs, chaque bloc correspondant à un espace
caractéristique. D’après le point 2 de la méthode précédente, il suffit de calculer l’exponentielle
de chaque bloc. On obtient une décomposition de Dunford en retranchant λIk , où λ est la valeur
propose associé à l’espace caractéristique considéré.

IV EDL scalaires d’ordre supérieur

IV.1 Comment se ramener à l’ordre 1

On considère
pEq : y prq “ ar´1 ptqy pr´1q ` ¨ ¨ ¨ ` a0 ptqy ` bptq

une équation différentielle scalaire, de fonction inconnue y P Dr pI, Kq, les fonctions ak et b étant dans
C 0 pI, Kq.
Une première remarque importante, qui permet d’adapter à cette situation tous les résultats théoriques
et pratiques de la partie précédente, est le fait que toute équation de ce type se ramène à une équation
différentielle matricielle d’ordre 1.

Théorème 17.4.1 – Réduction à une ED matricielle d’ordre 1

Soit y P Dr pI, Kq, et Y : I Ñ Kr telle que
¨ ˛
yptq
˚ 1
˚ y ptq ‹
‹
@t P I, Y ptq “ ˚
˚ .. ‹.
‹
˝ . ‚
y pr´1q ptq

Les propositions suivantes sont équivalentes:

(i) y est solution de l’équation différentielle scalaire pEq : y prq “ ar´1 y pr´1q ` ¨ ¨ ¨ ` a0 y ` b ;
(ii) Y est solution de l’équation différentielle matricielle pE 1 q : Y 1 “ AptqY ` Bptq, où
¨ ˛
0 1 0 ¨¨¨ 0 ¨ ˛
. . 0
.. .. ‹
˚ ‹
˚0 0 1 ˚ . ‹
˚
˚.
‹ ˚ .. ‹
@t P I, Aptq “ ˚ . .. .. ‹
et Bptq “ ˚ ‹.
˚. . . 0 ‹
‹ ˚ ‹
˚ ‹ ˝ 0 ‚
˝ 0 ¨¨¨ 0 0 1 ‚ bptq
a0 a1 ¨ ¨ ¨ ar´2 ar´1
IV EDL scalaires d’ordre supérieur 301

Un problème de Cauchy associé à la fonction vectorielle Y s’écrit alors, en t0 :

¨ ˛
ypt0 q
˚ 1
˚ y pt0 q ‹
‹
˚ .. ‹ “ Y pt0 q “ Y0 .
˚ ‹
˝ . ‚
pr´1q
y pt0 q
On définit donc un problème de Cauchy pour les équations scalaires d’ordre r de cette façon.
Définition 17.4.2 – Problème de Cauchy pour une EDL scalaire d’ordre r
Soit t0 P I.
1. Un problème de Cauchy associé à l’équation pEq est la donnée de conditions initiales impo-
sées :
ypt0 q “ y0 , y 1 pt0 q “ y1 , . . . , y pr´1q pt0 q “ yr´1 ,
où y0 , . . . , yr´1 P K.
2. On dit que y est une solution du problème de Cauchy ci-dessus si y est solution de pEq, et
vérifie les conditions de Cauchy

ypt0 q “ y0 , y 1 pt0 q “ y1 , . . . , y pr´1q pt0 q “ yr´1 .

Via le système vérifié par Y , le théorème de Cauchy linéaire s’adapte.

Théorème 17.4.3 – Théorème de Cauchy linéaire d’ordre r
Soit pEq : y prq “ ar´1 ptqy pr´1q ` ¨ ¨ ¨ ` a0 ptqy ` bptq une EDL d’ordre r sur I, les ai et b étant
continues.
Pour tout py0 , . . . , yr´1 q P Kr , le problème de Cauchy

ypt0 q “ y0 , y 1 pt0 q “ y1 , . . . , y pr´1q pt0 q “ yr´1 .

associé à E admet une unique solution définie sur I.

Le corollaire sur l’espace des solutions de l’equation homogène

pEHq : y prq “ ar´1 ptqy pr´1q ` ¨ ¨ ¨ ` a0 ptqy

s’adaptent aussi.

Corollaire 17.4.4 – Dimension de l’espace des solutions de pEHq

Soit t0 P I. On note SH l’espace vectoriel des solutions de l’équation homogène pEHq.
1. L’application evr,t0 : y ÞÑ pypt0 q, . . . , y pr´1q pt0 qq est un isomorphisme de SH dans Kr .
2. dim SH “ r.

Ÿ Éléments de preuve.
La linéarité est évidente. La bijectivité provient du théorème de Cauchy linéaire. Ź

IV.2 Équations à coefficients constants

On considère dans ce paragraphe une équation linéaire d’ordre r de la forme

pEq : y prq “ ar´1 y pr´1q ` ¨ ¨ ¨ ` a0 y ` bptq,

où ar´1 , . . . , a0 sont des constantes de K, et b : I Ñ K est continue. On note pEHq l’équation homogène
associée.
On note χpXq “ X r ´ ar´1 X r´1 ´ ¨ ¨ ¨ ´ a0 le polynôme caractéristique de l’équation différentielle pEq.
 CHAPITRE 17. INTÉGRATION VECTORIELLE ET ÉQUATIONS DIFFÉRENTIELLES
302 LINÉAIRES

Théorème 17.4.5 – Résolution d’une EDL homogène à coefficients constants, HP si r ą 2

Soit λ1 , . . . , λk les racines 2 à 2 distinctes dans C de χ et α1 , . . . , αk leurs multiplicités.
1. Pour tout j P J1, kK, et tout P P Cαj ´1 rXs, la fonction fj : t ÞÑ P ptqeλj t est solution de
pEHq.
2. L’ensemble des solutions de pEHq est
k
ÿ
SH “ tt ÞÑ Pj ptqeλj t , Pj P Cαj ´1 rXsu.
j“1

Ÿ Éléments de preuve.
Cette démonstration ne sera pas faite en cours, mais fait l’objet d’un exercice du TD.
Écrire χpDq “ pD ´ λ1 Idqα1 ˝ ¨ ¨ ¨ ˝ pD ´ λk Idqαk pour calculer χpDqpfj q. Ź

Proposition 17.4.6 – Solution particulière si bptq “ P ptqeλt , HP si r ą 2

On note toujours λ1 , . . . , λk les racines 2 à 2 distinctes dans C de χ et α1 , . . . , αk leurs multiplicités.
On suppose que b vérifie :

@t P I, bptq “ P ptqeλt , avec P P CrXs et λ P C.

Alors il existe une solution particulière de la forme

yptq “ tα Qptqeλt ,

où Q est un polynôme de même degré que P et α est la multiplicité de λ comme racine de χ.

Ÿ Éléments de preuve.
Cette démonstration ne sera pas faite en cours, mais fait l’objet d’un exercice du TD.
Encore une fois, il s’agit d’écrire χpDq sous forme factorisée, pour comprendre son effet sur les
polynômes précédant l’exponentielle. Ź

IV.3 EDL d’ordre 2

On s’intéresse maintenant aux EDL scalaires d’ordre 2, à coefficients non nécessairement constants :

pEq : y 2 “ a1 ptqy 1 ` a0 ptqy ` bptq,

où a0 , a1 , b : I Ñ K sont des fonctions continues.

Le cas où a1 et a0 sont constants, et b de la forme de la proposition 17.4.6. Nous étendons ici un peu la
panoplie des méthodes, afin de pourvoir résoudre une plus grande variété de situations.
Nous rappelons qu’en vertu du théorème de Cauchy, l’espace des solutions de l’équation homogène pEHq
est de dimension 2, et que si t0 P I, pour tout py0 , y1 q, il existe une unique solution de pEq telle que

ypt0 q “ y0 et y 1 pt0 q “ y1 .

On peut remarquer alors qu’en appliquant cette propriété d’unicité à pEHq, si z est une solution de pEHq
telle que
zpt0 q “ z0 et z 1 pt0 q “ z1 ,

alors λz est encore solution de pEHq, mais répondant cette fois au problème de Cauchy suivant :

λzpt0 q “ λz0 et z 1 pt0 q “ λz1 .

IV EDL scalaires d’ordre supérieur 303

˜ ¸ ˜ ¸
z0 z01
Cet argument montre que si les deux vecteurs et sont liés, les deux solutions qu’elles défi-
z1 z11
nissent le sont aussi, et réciproquement. Cela se comprend aussi bien plus formellement par le fait que
l’application qui à une solution associe les conditions de Cauchy qu’elle vérifie est un isomorphisme, donc
préserve la liberté.
Afin d’étudier la liberté d’un couple de solutions, on introduit donc naturellement un objet permettant
de caractériser la colinéarité des conditions de Cauchy en un point t qu’on pourra ensuite faire varier.
Définition 17.4.7 – Wronskien d’un couple de solutions de l’équation homogène
Soit y et z deux solutions de pEHq. On définit leur wronskien Wy,z : I Ñ K par :

yptq zptq
@t P I, Wy,z ptq “
y 1 ptq z 1 ptq

Proposition 17.4.8 – Équation différentielle satisfaite par Wy,z

Quel que soit le couple py, zq de solutions, le wronskien est solution de l’équation différentielle

x1 “ a1 ptqx.

Ainsi, on sait déterminer tous les wronskiens possibles, à une constante multiplicative près, par les mé-
thodes usuelles de résolution des équations d’ordre 1. C’est cette capacité calculatoire sur le wronskien
qui en donne l’intérêt.
Par définition même, il permet de caractériser la liberté d’un couple de solutions de (EH). Comme l’espace
des solutions est de dimension 2, cela donne une caractérisation des bases de l’espace des solutions de
(EH).

Proposition 17.4.9 – Caractérisation des bases de (EH)

Soit py, zq un couple de solutions de pEHq, et W leur wronskien. Les propositions suivantes sont
équivalentes:
(i) py, zq est une base de SH ;
(ii) il existe t0 P I tel que W pt0 q ‰ 0 ;
(iii) pour tout t P I, W ptq ‰ 0.

Ÿ Éléments de preuve.
C’est un peu ce qu’on a dit depuis le début ! Ź

Méthode 17.4.10 – Trouver SH à partir d’une solution non nulle de pEHq

Il est important de constater que la connaissance d’une solution φ0 ‰ 0 de l’équation homogène
permet de trouver SH tout entier. On propose pour cela deux méthodes :
1. Méthode 1 : méthode du wronskien. On se place sur un intervalle sur lequel φ0 ne s’annule
pas. Si φ est solution, alors ˆ ˙1
φ W2
“ .
φ0 φ0
Ainsi, W étant connu à un paramètre près, on trouve φ par primitivation, avec 2 paramètres
(ce qui correspond à la dimension de l’espace des solutions).
2. Méthode 2 : variation de la constante. Toujours sur un intervalle sur lequel φ0 ne s’annule
pas, rechercher φptq sous la forme λptqφ0 ptq. En injectant dans l’équation, il vient

λ2 φ0 ` λ1 p2φ10 ´ a1 φ0 q “ 0.
 CHAPITRE 17. INTÉGRATION VECTORIELLE ET ÉQUATIONS DIFFÉRENTIELLES
304 LINÉAIRES

On résout l’équation en λ1 puis on primitive.

Remarque 17.4.11
En fait, les deux méthodes sont complètement équivalentes. La deuxième méthode ne fait que
contourner le wronskien, mais l’ED obtenue correspond à l’ED W 1 “ a1 W pour le wronskien
du couple pφ, φ0 q. Ainsi, en vue d’avoir des calculs plus structurés (et de pouvoir éventuellement
réutiliser le wronskien par la suite), la méthode 1 est préférable.

Exemple 17.4.12
Résoudre l’équation y 1 ` 1t y “ 0 par la méthode du wronskien.

Ainsi, la résolution d’une ED scalaire homogène d’ordre 2 se ramène le plus souvent à la recherche d’une
solution particulière.

Méthode 17.4.13 – Solutions particulières de pEHq

Il n’y a malheureusement pas de méthode systématique. Il faut donc deviner, s’il en existe, des
solutions simples :
‚ chercher parmi les fonctions usuelles, éventuellement des compositions simples de fonctions
usuelles ;
‚ solutions polynomiales : pensez à déterminer le degré auparavant en raisonnant sur le monôme
dominant, afin d’éviter l’excès de technicité ;
‚ solutions développables en séries entières : poser le développement et écrire les relations sur
les coefficients. Essayer d’expliciter si possible et montrer que le rayon est non nul, pour avoir
au moins une solution locale.

Exemple 17.4.14
1. Trouver une solution de y 2 “ y 1 ` e2t y, en essayant de deviner une solution. Résoudre ensuite
l’équation.
2. Faire un changement de variable u “ et dans l’équation précédente, et retrouver la solution
particulière.
1
3. Trouver une solution particulière de y 2 “ t2 `t`1 py
1
` 2yq

On termine enfin cette étude par la recherche d’une solution particulière de l’équation non homogène
pEq, connaissant une base pφ, ψq de l’espace des solutions de pEHq.

Proposition 17.4.15 – Variation des constantes

Soit pEq : y 2 “ a1 ptqy 1 ` a0 ptq ` bptq, et pφ, ψq une base de SH . Alors, pour que soit solution de
pEq, il suffit que #
λ1 φ ` µ1 ψ “ 0
@t P I, f ptq “ λptqφptq ` µptqψptq, avec
λ1 φ1 ` µ1 ψ 1 “ 0.

Méthode 17.4.16 – Utilisation de la méthode de variation des constantes

Poser le système précédent, résoudre en λ1 et µ1 , et intégrer.

Exemple 17.4.17
Résoudre le système y 2 ` y “ tanptq.