Yaogan MENSAH

Bases Mathématiques (MTH 100)

Document de base
Version 2.0 (2019)
Table des matières

1 Logique et Raisonnement 2
1.1 Assertion et prédicat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Les connecteurs logiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 La négation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 La conjonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.3 La disjonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.4 L’implication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.5 L’équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Tautologie et incompatibilité . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Equivalence logique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Les quantificateurs mathématiques . . . . . . . . . . . . . . . . . . . . . . 7
1.6 Différents modes de démonstration . . . . . . . . . . . . . . . . . . . . . . 9
1.6.1 Raisonnement par hypothèse auxiliaire . . . . . . . . . . . . . . . . 9
1.6.2 Raisonnement par l’absurde . . . . . . . . . . . . . . . . . . . . . . 9
1.6.3 Raisonnement par contraposition . . . . . . . . . . . . . . . . . . . 9
1.6.4 Raisonnement par contre-exemple . . . . . . . . . . . . . . . . . . . 10
1.6.5 Raisonnement par récurrence . . . . . . . . . . . . . . . . . . . . . 10

2 Ensembles, Applications et Relations 11

2.1 Ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.1 Définitions et exemples . . . . . . . . . . . . . . . . . . . . . . . . . 14

2
Bases mathématiques 3

2.2.2 Composition des applications . . . . . . . . . . . . . . . . . . . . . 16

2.2.3 Applications particulières . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.4 Images directes, images réciproques . . . . . . . . . . . . . . . . . 17
2.3 Relations binaires dans un ensemble . . . . . . . . . . . . . . . . . . . . . . 18
2.3.1 Définitions et Exemples . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3.2 Relations d’équivalence . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3.3 Relations d’ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4 Analyse combinatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4.1 Ensembles finis, cardinaux . . . . . . . . . . . . . . . . . . . . . . . 22
2.4.2 Ensembles dénombrables . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4.3 Analyse combinatoire . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3 Les nombres réels 25

3.1 Insuffisance de Q . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 R et ses propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.1 Corps commutatif totalement ordonné . . . . . . . . . . . . . . . . 26
3.2.2 Caractérisation des bornes supérieure et inférieure . . . . . . . . . 27
3.2.3 Valeur absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2.4 R est archimédien . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2.5 Densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4 Suites numériques 29
4.1 Limite d’une suite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2 Suites bornées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.3 Suites monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.4 Suites extraites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.5 Suites classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.6 Suites de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

5 Séries numériques 35
5.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Bases mathématiques 1

5.2 Séries à termes positifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

5.3 Séries alternées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.4 Convergence absolue, Semi-convergence . . . . . . . . . . . . . . . . . . . . 38
Chapitre 1

Logique et Raisonnement

1.1 Assertion et prédicat

Définition 1.1 Une assertion (ou proposition) est un énoncé auquel on peut attribuer la
valeur de vérité vrai (V) ou faux (F), mais jamais les deux à la fois.

Exemples 1.2 1. L’énoncé ”Lomé est la capitale du Togo” est vrai (V).
2. L’énoncé ”2,5 est un entier naturel” est faux (F).
3. L’énoncé ”Koffi est mortel” est vrai (V).
4. L’énoncé ” 19 est un multiple de 2” est faux (F).

Définition 1.3 Un prédicat est un énoncé contenant des lettres appelées variables et
qui est tel que quand on remplace ces variables par des éléments donnés on obtient une
assertion.

Exemples 1.4 1. L’énoncé P (n) : ”n est un multiple de 2” est un prédicat car il de-
vient une assertion quand on donne une valeur à n.
P (10) est une assertion vraie mais P (11) est une assertion fausse.
2. L’énoncé suivant P (x, A) : ” x ∈ A” est un prédicat à deux variables.
√
P (1, N) est une assertion vraie par contre P ( 2, Q) est une assertion fausse.

2
Bases mathématiques 3

1.2 Les connecteurs logiques

A partir d’assertions existantes il est possible de construire de nouvelles assertions
appelées assertions composées. Ceci se fait via les connecteurs logiques.

1.2.1 La négation
Définition 1.5 La négation d’une assertion P est l’assertion notée ¬P ou ¬P qui est
vraie lorsque P est fausse et fausse lorsque P est vraie

On résume ceci dans le tableau suivant appelé table de vérité :

P ¬P
V F
F V

Exemples 1.6 1. L’assertion P : ” 24 est un multiple de 2 ” a pour négation l’asser-

tion ¬P : ”24 n’est pas un multiple de 2”.
2. Le prédicat ”x ∈ A” a pour négation le prédicat ”x 6∈ A.”.

1.2.2 La conjonction
Définition 1.7 La conjonction des assertions P et Q notée P ∧ Q est l’assertion qui est
vraie lorsque P et Q sont simultanément vraies et fausse dans tous les autres cas.

P Q P∧ Q
V V V
V F F
F V F
F F F

Exemples 1.8 Considérons les deux propositions P et Q suivantes :

P :”10 est divisible par 2” et Q :”10 est divisible par 3”. La proposition P ∧ Q est fausse.
4 Yaogan MENSAH

1.2.3 La disjonction
Définition 1.9 La disjonction des assertions P et Q notée P ∨ Q) est l’assertion qui est
vraie lorsque l’une au moins des deux assertions P et Q est vraie et fausse lorsque les
deux sont fausses.

P Q P∨ Q
V V V
V F V
F V V
F F F

Exemples 1.10 Considérons les deux assertions P et Q suivantes :

P : ”10 est divisible par 2” et Q : ”10 est divisible par 3”. L’assertion P ∨ Q est vraie.

1.2.4 L’implication
Définition 1.11 Soient P et Q des assertions. L’assertion ”P ⇒ Q”, appelée implica-
tion de P vers Q, est une assertion qui est fausse lorsque P est vraie et Q fausse et est
vraie dans tous les autres cas.

P Q P⇒ Q
V V V
V F F
F V V
F F V

Remarques 1.12 1. Dans P ⇒ Q, P est une condition suffisante pour Q et Q est

une condition nécessaire pour P .
2. Q ⇒ P s’appelle l’implication réciproque de P ⇒ Q.
3. ¬Q ⇒ ¬P s’appelle la contraposée de P ⇒ Q.
Bases mathématiques 5

Exemples 1.13 Soient les propositions : P :”il pleut.” et Q : ”Je me mets à l’abri.” On
a
P ⇒ Q : ”S’il pleut alors je me mets à l’abri.”.
Q ⇒ P :”Si je me mets à l’abri alors il pleut.”
¬Q ⇒ ¬P : ”Si je ne me mets pas à l’abri alors il ne pleut pas.”

1.2.5 L’équivalence
Définition 1.14 Soient P et Q deux assertions. L’assertion ”P ⇔ Q”, appelée équivalence
de P et de Q, est une assertion qui
– est vraie lorsque P et Q sont simultanément vraies ou fausses,
– est fausse dans tous les autres cas.

P Q P⇔Q
V V V
V F F
F V F
F F V

1.3 Tautologie et incompatibilité

Définition 1.15 Une assertion composée qui est vraie quelles que soient les valeurs de
vérité des assertions qui la composent est appelée une tautologie.

Exemples 1.16 1. (P ∨ ¬P )
2. (P ∧ (P ⇒ Q)) ⇒ Q

Définition 1.17 On dit que deux assertions sont incompatibles si leur conjonction est
fausse.

Exemples 1.18 1. Les prédicats P et ¬P sont incompatibles.

2. Les prédicats ”x ≤ 1” et ”x ≥ 2” sont incompatibles.
6 Yaogan MENSAH

1.4 Equivalence logique

Définition 1.19 Soient R1 et R2 des prédicats composés. On dit que R1 et R2 sont
logiquement équivalents si R1 est vrai lorsque R2 est vrai et R1 est faux lorsque R2 est
faux. Cela revient au même de dire que R1 et R2 ont la même table de vérité et on note
R1 ≡ R2 . Dans le cas contraire on note R1 6≡ R2 .

Exemples 1.20 1. ¬(¬P ) ≡ P

2. P ∧ Q ≡ Q ∧ P

3. P ∨ Q ≡ Q ∨ P

4. (P ∧ Q) ∧ R ≡ P ∧ (Q ∧ R)

5. (P ∨ Q) ∨ R ≡ P ∨ (Q ∨ R)

6. P ∧ (P ∨ Q) ≡ P

7. P ⇔ Q ≡ Q ⇔ P

8. (¬P ⇒ Q) ∧ (¬P ⇒ ¬Q) ≡ P

Cette équivalence est à la base du raisonnement par l’absurde.

9. ¬(P ∨ Q) ≡ ¬P ∧ ¬Q

10. ¬(P ∧ Q) ≡ ¬P ∨ ¬Q
(9. et 10. sont les lois de Morgan pour les prédicats)

11. P ∨ (Q ∧ R) ≡ (P ∨ Q) ∧ (P ∨ R)

12. P ∧ (Q ∨ R) ≡ (P ∧ Q) ∨ (P ∧ R)

13. P ⇒ Q ≡ (¬P ∨ Q)

14. ¬(P ⇒ Q) ≡ (P ∧ ¬Q)

15. P ⇒ Q ≡ ¬Q ⇒ ¬P

16. P ⇔ Q ≡ (P ⇒ Q) ∧ (Q ⇒ P )
Bases mathématiques 7

1.5 Les quantificateurs mathématiques

À partir d’un prédicat P (x) défini sur un ensemble E, on construit de nouvelles as-
sertions dites assertions quantifiées en utilisant les quantificateurs ” quel que soit” et ”il
existe”.

Définition 1.21 Le quantificateur ”quel que soit”, noté ∀, permet de définir l’assertion
quantifiée ” ∀x ∈ E, P (x) ” qui est vraie si pour tous les éléments x de E, l’assertion
P (x) est vraie.

Exemples 1.22 1. ”∀x ∈ [−3, 1], x2 + 2x − 3 ≤ 0” est vraie.

2. ”∀n ∈ N, n(n − 3) > 0” est fausse.

Définition 1.23 Le quantificateur ”il existe”, noté ∃, permet de définir l’assertion quan-
tifiée ” ∃ x ∈ E, P (x) ” qui est vraie si on peut trouver (au moins) un élément x de E
pour lequel l’assertion P (x) est vraie.

Remarques 1.24 1. S’il en existe un et un seul, on pourra écrire

∃ !x ∈ E, P (x).

2. Si ”∀x ∈ E, P (x)” est vraie alors ”∃ x ∈ E, P (x)” est vraie.

Exemples 1.25 1. ”∃ x ∈ R, x2 = 4” est vraie.

2. ”∃ !x ∈ R, ln(x2 ) = 1” est fausse.

Proposition 1.26 Soit P (x) un prédicat. On a :

1. ¬(∀x ∈ E, P (x)) ≡ ∃ x ∈ E, ¬(P (x)).
2. ¬(∃x ∈ E, P (x)) ≡ ∀ x ∈ E, ¬(P (x)).

Exemples 1.27 ¬(∀x ∈ E, P (x) ⇒ Q(x)) ≡ ∃ x ∈ E, P (x) ∧ ¬(Q(x)).

Définition 1.28 Soit P (x, y) un prédicat à deux variables avec x ∈ E et y ∈ F .

8 Yaogan MENSAH

1. L’assertion quantifiée
∀x ∈ E, ∀y ∈ F, P (x, y)

est vraie lorsque pour chaque élément x de E et chaque élément y de F , P (x, y) est
vraie.

2. L’assertion quantifiée
∃x ∈ E, ∃y ∈ F, P (x, y)

est vraie lorsqu’il existe un élément x de E et un élément y de F tels que P (x, y)

est vraie.

Exemples 1.29 1. L’assertion ”∀n ∈ N, ∀x ∈ [0, +∞[, 1 + nx ≤ (1 + x)n ” est vraie.

2. L’assertion ”∃x ∈ R, ∃y ∈ R, x + y = 5” est vraie.

Remarques 1.30 On peut combiner des quantificateurs de natures différentes. Par exemple,
l’énoncé ” tout nombre complexe possède une racine carrée” s’écrit sous la forme :

∀z ∈ C, ∃u ∈ C, u2 = z.

Mais on prendra soin de respecter les règles suivantes :

1. On peut permuter deux quantificateurs identiques.

(∀x ∈ E, ∀y ∈ F, P (x, y)) ≡ (∀y ∈ F, ∀x ∈ E, P (x, y)) .

(∃x ∈ E, ∃y ∈ F, P (x, y)) ≡ (∃y ∈ F, ∃x ∈ E, P (x, y)) .

2. Ne jamais permuter deux quantificateurs différents.

(∃x ∈ E, ∀y ∈ F, P (x, y)) 6≡ (∀y ∈ F, ∃x ∈ E, P (x, y)) .

Exemples 1.31 L’assertion quantifiée ” ∀x ∈ R, ∃y ∈ R, x+y = 0” est vraie. Par contre,

l’assertion ” ∃y ∈ R, ∀x ∈ R, x + y = 0” est fausse.
Bases mathématiques 9

1.6 Différents modes de démonstration

1.6.1 Raisonnement par hypothèse auxiliaire

1. But : montrer qu’un énoncé Q est vrai.
2. Principe : il s’appuie sur la tautologie :

(P ∧ (P ⇒ Q)) ⇒ Q.

Ainsi si P est vrai et si l’implication P ⇒ Q est vraie alors Q est vrai.

3. Méthodologie : On montre que l’énoncé P est vrai et on en déduit que Q est vrai.

1.6.2 Raisonnement par l’absurde

1. But : montrer qu’un énoncé P est vrai.
2. Principe : il s’appuie sur la tautologie :

(¬P ⇒ Q) ∧ (¬P ⇒ ¬Q) ≡ P.

Un raisonnement par l’absurde consiste à montrer que ¬P entraı̂ne un énoncé Q et

sa négation ¬Q.
3. Méthodologie : On suppose que l’énoncé ¬P est vrai et on recherche une contradic-
tion.
a b
Exercice. Soit a, b ≥ 0. Montrer que si = alors a = b.
1+b 1+a

1.6.3 Raisonnement par contraposition

1. But : montrer l’implication P ⇒ Q.
2. Principe : il s’appuie sur l’équivalence logique :

P ⇒ Q ≡ ¬Q ⇒ ¬P.

Ainsi, au lieu de montrer P ⇒ Q, on montre sa contraposée ¬Q ⇒ ¬P .

10 Yaogan MENSAH

3. Méthodologie : On fait l’hypothèse que ¬Q est vrai et on montre que cela entraı̂ne
¬P .

Exercice. Montrer que si n2 est pair alors n est pair.

1.6.4 Raisonnement par contre-exemple

1. But : il sert à montrer qu’un énoncé de la forme

∀x ∈ E, P (x)

est faux.
2. Principe : il s’appuie sur l’équivalence logique :

¬(∀x ∈ E, P (x)) ≡ ∃x ∈ E, ¬(P (x)).

3. Méthodologie : On cherche à exhiber un élément x de E qui ne vérifie pas P (x).

Exercice. Est-ce que tout entier positif est la somme de trois carrés ?

1.6.5 Raisonnement par récurrence

1. But : montrer qu’un énoncé de la forme

pour tout entier naturel n ≥ n0 , P (n).

2. Principe : Si P (n0 ) ∧ (P (n) ⇒ P (n + 1)) alors ∀n ≥ n0 , P (n).

3. Méthodologie : On vérifie que P (n0 ) est vrai, on suppose ensuite P (n) et on montre
que cela entraı̂ne P (n + 1). Et enfin on conclut ∀n ≥ n0 , P (n).

Exercice. Montrer que ∀n ∈ N, 2n > n.

Chapitre 2

Ensembles, Applications et Relations

2.1 Ensembles
Intuitivement, un ensemble est une collection d’objets appelés éléments de l’ensemble.
Nous admettons qu’il existe un ensemble noté ∅, appelé ensemble vide , qui ne contient
aucun élément. Si E est un ensemble et P (x) une propriété vérifiée par certains éléments
x de E, l’ensemble de ces éléments est noté {x ∈ E : P (x)}.

Définition 2.1 On dit que l’ensemble E est inclus ou est contenu dans l’ensemble F si
tout élément de E est élément de F . On dit aussi que E est une partie ou un sous-ensemble
de F . On écrit E ⊂ F ou F ⊃ E.

(E ⊂ F ) ⇔ (∀x, x ∈ E ⇒ x ∈ F ).

On vérifie que quel que soit l’ensemble E, on a E ⊂ E. Si (E ⊂ F et F ⊂ G) alors

E ⊂ G.

Définition 2.2 On dit que l’ensemble E est égal à l’ensemble F , et on écrit E = F , si

E ⊂ F et F ⊂ E.

11
12 Yaogan MENSAH

Etant donné un ensemble E, on désigne par P(E) l’ensemble des parties de E, y compris
l’ensemble vide et l’ensemble E lui-même.

A ∈ P(E) ⇔ A ⊂ E.

Définition 2.3 Soient A et B des ensembles. L’ensemble {x : x ∈ A et x ∈

/ B} s’appelle
différence de A et B et se note A \ B.

Définition 2.4 Soient E un ensemble et A une partie de E. On appelle complémentaire

de A dans E, et on note E \ A ou CEA , l’ensemble des éléments de E qui n’appartiennent
pas à A.

CEA = {x ∈ E : x 6∈ A}.
A)
(CE
Proposition 2.5 1. CE = A; CEE = ∅; CE∅ = E.
2. Soit A, B ∈ P(E)
A ⊂ B ⇒ CEB ⊂ CEA .

Définition 2.6 On appelle intersection de deux ensembles E et F , et on note E ∩ F ,

l’ensemble des éléments qui appartiennent à la fois à E et à F .

E ∩ F = {x : x ∈ E et x ∈ F }.

Si E ∩ F = ∅, on dit que E et F sont disjoints.

Définition 2.7 On appelle réunion de deux ensembles E et F , et on note E ∪ F , l’en-

semble des éléments qui appartiennent à E ou à F .

E ∪ F = {x : x ∈ E ou x ∈ F }.

Proposition 2.8 1. E ∩ ∅ = ∅, E ∪ ∅ = E.
Bases mathématiques 13

2. E ∪ F = ∅ ⇒ E = ∅ et F = ∅.
3. associativité

(A ∪ B) ∪ C = A ∪ (B ∪ C), (A ∩ B) ∩ C = A ∩ (B ∩ C).

4. commutativité
A ∪ B = B ∪ A, A ∩ B = B ∩ A.

5. distributivité
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C),

A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C).

6. idempotence
A ∪ A = A, A ∩ A = A.

Théorème 2.9 (Lois de de Morgan )

(A∩B) (A∪B)
CE = CEA ∪ CEB , CE = CEA ∩ CEB .

Définition 2.10 Soient E et F deux ensembles. On appelle produit cartésien de E et

F , et on note E × F , l’ensemble des couples (x, y) tels que x ∈ E et y ∈ F .

E × F = {(x, y) : x ∈ E et y ∈ F }.

Proposition 2.11 Soient A,B,C,D des ensembles.

1.
A ⊂ C et B ⊂ D ⇒ A × B ⊂ C × D.

2.
A × (B ∪ C) = (A × B) ∪ (A × C).

A × (B ∩ C) = (A × B) ∩ (A × C).
14 Yaogan MENSAH

3.
A × B = ∅ ⇔ A = ∅ ou B = ∅.

Le produit cartésien E × E se note E 2 . On appelle diagonale de E 2 l’ensemble

∆ = {(x, x) : x ∈ E}.

Plus généralement, le produit cartésien de n ensembles E1 , . . . , En , noté

n
Y
E1 × · · · × En ou Ei ,
i=1

est l’ensemble des n-uples (x1 , . . . , xn ) tels que xi ∈ Ei , i = 1, . . . , n.

Si Ei = E ∀i, on note E n au lieu de E × · · · × E. Par exemple R × R × R se note R3 .

Définition 2.12 On appelle partition d’un ensemble non vide E une famille (Ai )i∈I de
parties de E (indexée par I) telles que
1. ∀i ∈ I, Ai 6= ∅,
2. ∀i, j ∈ I, (i 6= j ⇒ Ai ∩ Aj = ∅),
S
3. Ai = E.
i∈I

Exemples 2.13 Soit A une partie propre non vide de E. Alors A et CEA forment une
partition de E.

2.2 Applications

2.2.1 Définitions et exemples

Définition 2.14 Soient E et F deux ensembles. On appelle fonction f de E vers F toute
relation qui associe à chaque élément de E au plus un élément de F .
f
On note f : E → F ou E → F . Si l’élément x de E est associé à l’élément y de F , on
dit que x est un antécédent de y et y est l’image de x. On écrit y = f (x). L’ensemble des
éléments de E ayant une image par f est appelé ensemble de définition de f et noté Df .

Df = {x ∈ E : ∃y ∈ F, y = f (x)}.
Bases mathématiques 15

L’ensemble Γ = {(x, f (x)) ∈ E × F : x ∈ Df } est appelé le graphe de f .

Définition 2.15 Une fonction f : E → F est appelée application si son ensemble de

définition est E.

L’ensemble des applications de E vers F est souvent noté F E .

Exemples 2.16 1. La fonction

f : R −→ R
1
x 7−→ x−2

n’est pas une application car Df 6= R.

2. La fonction
g : R −→ R
x 7−→ sin x
est une application car Dg = R.
3. L’application
E −→ E
x 7−→ x
est appelée application identique ou identité de E. Elle est souvent notée IdE ou
1E .
4. Soit A une partie d’un ensemble E. On appelle fonction caractéristique de A l’ap-
plication χA définie de E vers {0, 1} par
(
1 si x ∈ A
χA (x) =
0 si x 6∈ A.

5. Les applications
pr1 : E × F −→ E
(x, y) 7−→ x
et
pr2 : E × F −→ F
(x, y) 7−→ y
sont respectivement appelées première projection et deuxième projection.
16 Yaogan MENSAH

Définition 2.17 Soient f : E → F et g : E 0 → F 0 deux applications. On dit que f égale

g et on note f = g si

E = E 0 , F = F 0 et ∀x ∈ E, f (x) = g(x).

2.2.2 Composition des applications

Soient E, F et G des ensembles, f : E → F , g : F → G des applications. L’application

E → G
x 7→ g(f (x))

s’appelle l’application composée de f par g et se note g ◦ f .

En général on a g ◦ f 6= f ◦ g. Cependant :

Proposition 2.18 Soient les applications f : E → F , g : F → G et h : G → H. On a

h ◦ (g ◦ f ) = (h ◦ g) ◦ f.

On dit que la loi ◦ est associative. L’application h ◦ (g ◦ f ) est simplement notée h ◦ g ◦ f .

2.2.3 Applications particulières

Définition 2.19 Soient E et F deux ensembles et f : E → F une application.
1. On dit que f est injective (ou est une injection) si pour tous x, y ∈ E,

f (x) = f (y) ⇒ x = y.

2. On dit que f est surjective (ou est une surjection) si pour tout y ∈ F , il existe x ∈ E
tel que y = f (x).
3. On dit que f est bijective (ou est une bijection ) si elle est à la fois injective et
surjective i.e pour tout y ∈ F , il existe un unique x ∈ E tel que y = f (x).
Bases mathématiques 17

Soit f : E → F une bijection. L’application f −1 : F → E qui à chaque élément y de

F associe l’unique élément x de E tel que y = f (x) est une bijection. Elle est appelée
application réciproque de f . On a

(f −1 )−1 = f, f −1 ◦ f = IdE , f ◦ f −1 = IdF .

Proposition 2.20 Si f : E → F et g : F → G sont injectives (resp. surjectives, resp.

bijectives ) alors il en est de même de g ◦ f . De plus dans le dernier cas, on a

(g ◦ f )−1 = f −1 ◦ g −1 .

2.2.4 Images directes, images réciproques

Définition 2.21 Soit f : E → F une application, A une partie de E et B une partie de
F.
1. L’ image directe ou simplement l’image de A par f , notée f (A) est l’ensemble des
images des éléments de A par f .

f (A) = {f (x) : x ∈ A}.

2. L’ image réciproque de B par f , notée f −1 (B), est l’ensemble des éléments de E

qui ont leurs images dans B.

f −1 (B) = {x ∈ E : f (x) ∈ B}.

Proposition 2.22 Soit f : E → F une application, A, A0 deux parties de E, B, B 0 deux

parties de F .
1. Si A ⊂ A0 alors f (A) ⊂ f (A0 ).
2.
f (A ∪ A0 ) = f (A) ∪ f (A0 ).

f (A ∩ A0 ) ⊂ f (A) ∩ f (A0 ).

3. Si B ⊂ B 0 alors f −1 (B) ⊂ f −1 (B 0 ).
18 Yaogan MENSAH

4.
f −1 (B ∪ B 0 ) = f −1 (B) ∪ f −1 (B 0 ).

f −1 (B ∩ B 0 ) = f −1 (B) ∩ f −1 (B 0 ).
f −1 (B)
f −1 (CFB ) = CE .

2.3 Relations binaires dans un ensemble

2.3.1 Définitions et Exemples

Définition 2.23 Soit E un ensemble. On appelle relation binaire sur E tout couple R =
(E, Γ) où Γ est une partie de E × E appelée graphe de R.

Si (x, y) ∈ Γ, on dit que x est en relation avec y et on note xRy.

Exemples 2.24 Dans P(E) la relation R définie par ARB ⇔ A ⊂ B est une relation
binaire.

Définition 2.25 Soit E un ensemble et R une relation binaire sur E. On dit que R est :
– réflexive si
∀x ∈ E, xRx.

– symétrique si
∀x, y ∈ E, xRy ⇒ yRx.

– antisymétrique si
∀x, y ∈ E, xRy et yRx ⇒ x = y.

– transitive si
∀x, y, z ∈ E, xRy et yRz ⇒ xRz.

Exemples 2.26 1. La relation d’égalité est une relation réflexive, symétrique, anti-
symétrique et transitive.
2. Dans P(E), la relation d’inclusion est réflexive, antisymétrique et transitive.
Bases mathématiques 19

3. Dans Z∗ , la relation de divisibilité définie par

xRy ⇔ x divise y

est réflexive et transitive. Elle n’est ni symétrique ni antisymétrique.

2.3.2 Relations d’équivalence

Définition 2.27 On appelle relation d’équivalence sur E toute relation binaire sur E qui
est à la fois réflexive, symétrique et transitive.

Une telle relation R peut se noter xRy ou x ≡ y (mod R) et on lit ”x est équivalent à y
modulo R”.
La classe d’équivalence d’un élément x de E constituée des éléments y de E qui sont
équivalents à x est notée cl(x) ou x ou ẋ. L’ensemble de toutes les classes d’équivalence
s’appelle l’ensemble quotient de E par R et se note E/R. Tout élément d’une classe
d’équivalence est appelé représentant de cette classe.
L’application
E → E/R
x 7→ x
est surjective ; elle est appelée surjection canonique.

Exemples 2.28 Soit p un entier ≥ 1. Dans Z la relation

xRy ⇔ p divise x − y

est une relation d’équivalence. La classe de l’entier n est l’ensemble

{. . . , n − 2p, n − p, n, n + p, n + 2p, . . .}.

On l’appelle classe de congruence de n modulo p. L’ensemble quotient E/R se note ici

Z/pZ.

Proposition 2.29 Soit R une relation d’équivalence sur E. L’ensemble des classes d’équivalence
modulo R forme une partition de E. Réciproquement, toute partition de E définit une re-
lation d’équivalence dont les classes sont les éléments de la partition donnée.
20 Yaogan MENSAH

Proposition 2.30 (Décomposition canonique) Soit f : E → F une application.

1. La relation binaire R définie sur E par

xRy ⇔ f (x) = f (y)

est une relation d’équivalence dans E dite associée à f .

2. Il existe une application bijective unique f : E/R → f (E) telle que

f =i◦f ◦s

où s est la surjection canonique et i l’injection canonique. Cela revient à dire que
le diagramme suivant est commutatif.

La bijection f est appelée l’application déduite de f par passage au quotient.

2.3.3 Relations d’ordre

Définition 2.31 On appelle relation d’ordre sur E toute relation binaire sur E qui est
réflexive, antisymétrique et transitive.

Une relation d’ordre est souvent notée ≤ et le couple (E, ≤) est appelé ensemble ordonné.
Dans un ensemble ordonné, deux éléments x et y sont dits comparables si x ≤ y ou y ≤ x.
Si deux éléments quelconques de E sont comparables, on dit que l’ordre est total ou que le
couple (E, ≤) est totalement ordonné. Dans le cas contraire on dit que l’ordre est partiel
ou que le couple (E, ≤) est partiellement ordonné.

Exemples 2.32 1. Dans N, Z, Q et R, l’ordre usuel est un ordre total.

2. Soit E un ensemble. La relation d’inclusion est une relation d’ordre partiel sur
P(E).
3. Dans N, la relation de divisibilité est une relation d’ordre partiel.

Définition 2.33 Soit (E, ≤) un ensemble ordonné. S’il existe a ∈ E tel que

∀x ∈ E, a ≤ x ⇒ x = a(resp.∀x ∈ E, x ≤ a ⇒ x = a)

on dit que a est un élément maximal (resp. minimal) de E.

Bases mathématiques 21

Exemples 2.34 1. Dans (N\{1}, |), les éléments minimaux sont les nombres premiers.
Dans (N, |), 0 est le seul élément maximal.
2. Dans (P(E)\{∅}, ⊂), les éléments minimaux sont les parties réduites à un élément.
3. Dans (R, ≤), il n’y a ni élément maximal ni élément minimal.

Définition 2.35 Soit (E, ≤) un ensemble ordonné. S’il existe un élément a ∈ E tel que
∀x ∈ E, x ≤ a (resp. a ≤ x) cet élément est unique ; on l’appelle le plus grand (resp. le
plus petit) élément de E, on le note max(E) (resp. min(E)).

Remarques 2.36 Si (E, ≤) admet un plus grand élément a alors a est l’unique élément
maximal de (E, ≤).

Exemples 2.37 1. Dans (P(E), ⊂), ∅ est le plus petit élément, E est le plus grand
élément.
2. (N, |), 0 est le plus grand élément ; 1 est le plus petit élément. Par contre dans (N, ≤),
0 est le plus petit élément, il n’y a pas de plus grand élément.

Définition 2.38 Soit (E, ≤) un ensemble ordonné et A une partie de E. S’il existe un
élément m ∈ E tel que
∀x ∈ A, x ≤ m (resp. m ≤ x)

on dit que A est majoré (resp. minoré) et que m est un majorant (resp. minorant) de A
dans E.
Une partie bornée est une partie à la fois majorée et minorée.

Définition 2.39 Soit (E, ≤) un ensemble ordonné et A une partie de E. Si l’ensemble

des majorants (resp. minorants) de A admet un plus petit (resp. plus grand) élément,
cet élément est appelé borne supérieure (resp. borne inférieure) de A et se note sup(A)
(resp. inf(A)).

Exemples 2.40 Dans (R, ≤), la partie A = {x ∈ R : 0 ≤ x < 1} admet 0 pour borne
inférieure et 1 pour borne supérieure.
22 Yaogan MENSAH

2.4 Analyse combinatoire

2.4.1 Ensembles finis, cardinaux

Définition 2.41 Deux ensembles sont dits équipotents s’il existe une bijection de l’un
sur l’autre.

On vérifie, grâce aux propriétés des bijections que l’ équipotence est une relation
réflexive, symétrique et transitive entre ensembles. Cependant ce n’est pas une relation
binaire sur un ensemble ; on ne parlera donc pas de relation d’équivalence.

Définition 2.42 Un ensemble E est dit fini s’il est vide ou s’il est équipotent à Nn :=
{1, ..., n} pour un certain entier n ≥ 1 donné.

L’entier n est appelé cardinal de E et on note Card(E) = n. On pose par définition

Card(∅) = 0.

Définition 2.43 Un ensemble est dit infini s’il n’est pas fini.

Proposition 2.44 1. Toute partie F d’un ensemble fini E est fini et Card(F ) ≤
Card(E).
2. l’intersection d’une famille (finie ou infinie) d’ensembles finis est finie.
3. Soient E un ensemble fini et f : E → F une application. Alors f (E) est un ensemble
fini et Card(f (E)) ≤ Card(E), avec égalité ssi f est une injection.
4. Soient un ensemble fini et f : E → F une surjection. Alors F est fini et Card(F ) ≤
Card(E), avec égalité ssi f est une bijection.
5. Soit f : E → F une injection. Si f (E) est fini alors E est fini et Card(E) =
Card(f (E)).

On en déduit le théorème suivant.

Bases mathématiques 23

Théorème 2.45 Soient E et F deux ensembles finis, de même cardinal, et f : E → F

une application. Alors les affirmations suivantes sont équivalentes :

1. f est injective
2. f est surjective
3. f est bijective.

2.4.2 Ensembles dénombrables

Définition 2.46 Un ensemble E est dit dénombrable s’il est équipotent à N.

On montre que les ensembles suivants sont dénombrables : Z, Q. Par contre R n’est
pas dénombrable.

Proposition 2.47 Toute partie d’un ensemble dénombrable est finie ou dénombrable.
(On dit qu’elle est au plus dénombrable.)

2.4.3 Analyse combinatoire

Principe de l’addition : Si les ensembles (Ai )i∈I , I fini, sont deux à deux disjoints alors
X
Card( ∪ Ai ) = Card(Ai ).
i∈I
i∈I

Proposition 2.48 Soient A, B deux parties d’un ensemble fini E. Alors

1. Card(A \ B) = Card(A) − Card(A ∩ B).
2. Card(CEA ) = Card(E) − Card(A).
3. Card(A ∪ B) = Card(A) + Card(B) − Card(A ∩ B).

Principe de la multiplication : Si une situation comporte p étapes avec respectivement

p
Q
n1 , . . . , np possibilités alors le nombre total d’issues est ni .
i=1

Proposition 2.49 (Produit cartésien)

Soient E et F deux ensembles finis.
24 Yaogan MENSAH

1. Card(E × F ) = Card(E) × Card(F ).

2. Card(E k ) = (Card(E))k , k ∈ N∗ .

Proposition 2.50 (Nombres d’applications)

Soient E et F des ensembles finis.

Card(F E ) = Card(F )Card(E) .

Le nombre de p-uplets d’un ensemble à n éléments est np .

Proposition 2.51 (Nombres d’injections)

Soient E un ensemble à p éléments et F un ensemble à n éléments. Le nombre d’injections
de E vers F est
n!
Apn = n(n − 1) . . . (n − p + 1) = .
(n − p)!
C’est aussi le nombre de p-arrangements d’un ensemble à n éléments.

Proposition 2.52 (Nombres de parties de cardinal donné)

Soit E un ensemble à n éléments. Le nombre de parties de E à p éléments i.e le nombre
de p-combinaisons (0 ≤ p ≤ n) est
Apn n!
Cnp = = .
p! p!(n − p)!

Propriétés des Cnp , Formule du binôme , Triangle de Pascal

Convention : On pose Cnp = 0 si p > n.
p p−1
Proposition 2.53 Cn0 = 1, Cn1 = n, Cnn = 1, Cnp = Cnn−p , Cnp = Cn−1 + Cn−1 .

Proposition 2.54 (Formule du binôme)

n
(a + b)n = Cnp ap bn−p .
P
p=0

Proposition 2.55 (Ensembles des parties)

Soit E un ensemble fini.
Card(P(E)) = 2Card(E) .
Chapitre 3

Les nombres réels

Les ensembles suivants sont supposés connus.

1. L’ensemble des entiers naturels N = {0, 1, 2, . . .}.

2. L’ensemble des entiers relatifs Z = {. . . , −2 − 1, 0, 1, 2, . . .}.

 
p ∗
3. L’ensemble des nombres rationnels Q = : p ∈ Z, q ∈ Z .
q

3.1 Insuffisance de Q

Il a été nécessaire 1 de se demander s’il est existe un rationnel positif p tel que p2 = 2.
a
La réponse est négative. En effet on suppose qu’il existe une fraction irréductible , a, b
b
a2 2
entiers naturels, tels que 2 = 2 on aboutit à une contradiction
b

1. L’hypoténuse d’un triangle rectangle dont les côtés de l’angle droit sont de longueur 1.
√
2. En fait il est possible de montrer que pour un entier naturel n donné, si n n’est pas un entier
naturel alors il n’est pas rationnel.

25
26 Yaogan MENSAH

3.2 R et ses propriétés

3.2.1 Corps commutatif totalement ordonné

Définition 3.1 Un corps commutatif est un ensemble E muni d’une addition et d’une
multiplication vérifiant les propriétés suivantes :

1. Pour tous x, y ∈ E, x + y ∈ E.

2. Pour tous x, y ∈ E, x + y = y + x (commutativité).

3. Pour tous x, y, z ∈ E, (x + y) + z = x + (y + z) (associativité).

4. Il existe un élément de E noté 0 tel que pour tout 0 + x = x.

5. A tout x élément de E correspond un élément −x de E tel que x + (−x) = 0.

6. Pour tous x, y ∈ E, xy ∈ E.

7. Pour tous x, y ∈ E, xy = yx (commutativité).

8. Pour tous x, y, z ∈ E, (xy)z = x(yz) (associativité).

9. Il existe un élément de E noté 1 différent de 0 tel que pour tout 1x = x.

1 1
10. A tout x 6= 0 élément de E correspond un élément de E tel que x = 1.
x x
11. Pour tous x, y, z ∈ E, x(y + z) = xy + xz.

Définition 3.2 Un corps commutatif totalement ordonné est un quadruplet (E, +, ., ≤)

où (E, +, .) est un corps et (E, ≤) un ensemble totalement ordonné avec les conditions :

1. y ≤ z ⇒ x + y ≤ x + z pour tout x ∈ E.

2. Pour tous x, y ∈ E, (0 ≤ x et 0 ≤ y) ⇒ 0 ≤ xy.

On énonce l’axiome suivant qui fonde l’ensemble des nombres réels R.

Axiome AR : Il existe un unique corps commutatif totalement ordonné noté R dans

lequel toute partie non vide et majorée admet une borne supérieure.
Bases mathématiques 27

3.2.2 Caractérisation des bornes supérieure et inférieure

Proposition 3.3 Le réel β est égale à sup A si et seulement si

1. x ≤ β, ∀x ∈ A.

2. Pour tout ε > 0, il existe x0 ∈ A tel que x0 > β − ε.

Proposition 3.4 Le réel α est égale à inf A si et seulement si

1. x ≥ α, ∀x ∈ A.

2. Pour tout ε > 0, il existe x0 ∈ A tel que x0 < α + ε.

3.2.3 Valeur absolue

La valeur absolue de a, notée |a|, est a si a ≥ 0 ou −a si a ≤ 0.

Proposition 3.5 Soient a, b ∈ R et r > 0. On a

1. |a| = 0 ⇔ a = 0.

2. |ab| = |a||b|.

3. |a| < r ⇔ −r < a < r.

Proposition 3.6 (Inégalité triangulaire) Pour tous réels a et b, on a

|a + b| ≤ |a| + |b|.

Preuve. (|a| + |b|)2 − |a + b|2 = a2 + b2 + 2|ab| − a2 − b2 − 2ab = 2(|ab| − ab) ≥ 0. 

Corollaire 3.7 Soit a, b ∈ R. On a

||a| − |b|| ≤ |a − b|.

Preuve.
28 Yaogan MENSAH

3.2.4 R est archimédien

Théorème 3.8 ∀ρ, ε > 0, ∃n ∈ N tel que nε > ρ.

(On exprime cette propriété en disant que R est archimédien. )

Preuve. On procède à une démonstration par l’absurde. Si l’assertion est fausse, ρ est un majorant
de l’ensemble non vide
S = {nε : n ∈ N}.

Alors S admet une borne sup β. Donc

∀n ∈ N, nε ≤ β. (3.1)

Puisque n + 1 ∈ N, (3.1) implique (n + 1)ε ≤ β. D’où l’on tire nε ≤ β − ε. Ainsi β − ε est un

majorant de S. Il y a contradiction puisque β − ε < β.

3.2.5 Densité
Définition 3.9 Une partie D de R est dense dans R si tout intervalle ouvert ]a, b[ contient
un élément de D.

Théorème 3.10 Q est dense dans R.

Preuve. Du Théorème 3.8 avec ρ = 1 et ε = b − a, il existe q ∈ N tel que q(b − a) > 1. Il existe
aussi un entier j tel que j > qa. (évident si a ≤ 0, et si a > 0, cela provient du Théorème 3.8
avec ε = 1 et ρ = qa ). Soit p le plus petit entier tel que p > qa. Alors p − 1 ≤ qa, d’où

qa < p ≤ qa + 1.

Puisque 1 < q(b − a), alors

qa < p < qa + q(b − a) = qb.
p
D’où a < < b. 
q
Théorème 3.11 R \ Q est dense dans R.

Preuve. Soient a, b des réels tels que a < b. Il existe deux rationnels r1 et r2 tels que a < r1 <
1
r2 < b. Considérer t = r1 + √ (r2 − r1 ). Alors t est irrationnel et a < r1 < t < r2 < b.
2

Chapitre 4

Suites numériques

Une suite de nombres réels est une fonction de N vers R. Toutes les suites considérées
ici sont de ce type.

4.1 Limite d’une suite

Définition 4.1 On dit qu’une suite (un ) converge vers un réel l si
∀ε > 0, ∃N ∈ N tel que

∀n ∈ N, (n ≥ N ⇒ |un − l| < ε). (4.1)

On dit alors que (un ) est convergente et on note lim un = l ou lim un = l ou lim un = l.
n→+∞ n→∞ n

Une suite qui ne converge pas est dite divergente.

Remarque 4.2 La Définition 4.1 ne change pas si on remplace (4.1) par

∀n ∈ N, (n ≥ N ⇒ |un − l| < Kε)

où K ∈]0, +∞[.

2n+1
Exemple : Soit un = n+1
. Alors lim un = 2.
n→∞

Théorème 4.3 La limite d’une suite convergente est unique.

Preuve.

29
30 Yaogan MENSAH

4.2 Suites bornées

Définition 4.4 Une suite (un ) est dite
– minorée s’il existe un réel a tel que un ≥ a pour tout n,
– majorée s’il existe un réel b tel que un ≤ b pour tout n,
– bornée si elle est minorée et majorée. Cela revient au même de dire qu’il existe un
réel r tel que |un | ≤ r pour tout n.

Question : Dans chacun des cas suivants la suite (un ) est-elle minorée ? majorée ? bornée ?
un = [1 + (−1)n ]n ; un = (−1)n ; un = (−1)n n.

Théorème 4.5 Toute suite convergente est bornée.

Preuve.

4.3 Suites monotones

Définition 4.6 Une suite (un ) est dite
– croissante si un ≤ un+1 ,
– décroissante si un ≥ un+1 .

Théorème 4.7 1. Toute suite (un ) croissante majorée converge vers sup{un }.
n
2. Toute suite (un ) décroissante minorée converge vers inf {un }.
n

Preuve. Soit (un ) une suite croissante et majorée. Alors l’ensemble A = {un : n ∈ N}
est une partie non vide et majorée de R. Alors elle admet une borne supérieure. Notons
l = sup A. Soit ε > 0. Il existe N ∈ N tel que l − ε < uN . Comme la suite (un ) est
croissante, ∀n > N, uN ≤ un . Il vient alors

∀n > N, l − ε < uN ≤ un ≤ l < l + ε.

D’où, ∀n > N, |un − l| < ε. On a donc montré que (un ) converge vers l.

La seconde affirmation de traite de façon similaire. 

Bases mathématiques 31

4.4 Suites extraites

Définition 4.8 On appelle suite extraite (ou sous-suite) de (un ) toute suite de la forme
(uσ(n) ) où σ est une application strictement croissante de N dans N.
Une sous-suite est également notée (unk )k .

Proposition 4.9 Une suite (un ) converge vers l ssi toute suite extraite de (un ) converge
vers l.

Pour démontrer cette proposition, on a besoin du résultat intermédiaire suivant.

Lemme 4.10 Si σ est une application strictement croissante de N dans N alors pour tout
n ∈ N, σ(n) ≥ n.

Preuve.

Preuve de la Proposition 4.9.

Proposition 4.11 Une suite (un ) converge vers l ssi toutes ses sous-suites convergent
vers l.

Proposition 4.12 Une suite (un ) converge vers l ssi (u2n ) et (u2n+1 ) convergent vers l.
(−1)n
Exemples. Étudions la convergence des suites définies par un = (−1)n et vn = .
n
Théorème 4.13 (Bolzano-Weierstrass) De toute suite bornée on peut extraire une
suite convergente.

4.5 Suites classiques

Suites arithmétiques
Une suite arithmétique (un ) est définie par la donnée d’un premier u0 et d’une formule
de récurrence un+1 = un + r où r est un nombre indépendant de n. Le nombre r est appelé
la raison de la suite (un ). Le terme générale de la suite est

un = u0 + nr.
32 Yaogan MENSAH

Plus généralement on a la relation

un = up + (n − p)r, ∀n, p ∈ N.

La somme sn = u0 + u1 + · · · + un est égale à

(n + 1)(u0 + un )
sn = .
2
Exemple. Calculer la somme S = 1 + 3 + 5 + · · · + 99.

Suites géométriques
Une suite géométrique (un ) est définie par la donnée d’un premier u0 et d’une formule
de récurrence un+1 = qun où q est un nombre indépendant de n. Le nombre q est appelé
la raison de la suite (un ). Le terme générale de la suite est

un = u0 q n .

Plus généralement on a la relation

un = up q (n−p) , ∀n, p ∈ N.

La somme sn = u0 + u1 + · · · + un est égale à

1 − q n+1
sn = u 0 .
1−q
1 1 1 1 1
Exemple. Calculer la somme S = 1 + + + + + ··· + .
2 4 8 16 33554432

Suites récurrentes du premier ordre

Une suite récurrente du premier ordre est définie par la donnée de son premier terme
u0 et d’une formule de récurrence de la forme un+1 = f (un ) où f est une fonction réelle
d’une variable réelle.

Proposition 4.14 Soit la suite (un ) définie par la donnée de u0 et la formule de récurrence
de la forme un+1 = f (un ). Si (un ) est convergente et si f est continue alors la limite l de
(un ) vérifie la relation f (l) = l.
Bases mathématiques 33

Exemple. Étudier la convergence et déterminer la limite éventuelle de la suite (un ) définie

√
par u1 = 1 et ∀n ∈ N∗ , un+1 = 2 + un .

Suite récurrente linéaire d’ordre 2 à coefficients constants

Une suite récurrente linéaire d’ordre 2 à coefficients constants est définie par la donnée
de u0 et de u1 et par une formule de récurrence de la forme

un+2 = aun+1 + bun

avec a, b, des constantes réelles. A cette suite est associée l’équation caractéristique

(Ec) : r ∈ C, r2 − ar − b = 0.

Soit ∆ le discriminant de (Ec).

1. Si ∆ > 0 alors (Ec) a deux solutions réelles r1 et r2 . Il vient

un = αr1n + βr2n , α, β ∈ R.

2. Si ∆ = 0 alors (Ec) a une seule solution réelle r0 . Il vient

un = αr0n + βnr0n , α, β ∈ R.

3. Si ∆ < 0 alors (Ec) a deux solutions complexes conjuguées r1 = ρeiθ et r2 = ρe−iθ .

Il vient
un = ρn (α cos nθ + β sin nθ), α, β ∈ R.

Dans chacun des cas, α et β sont déterminées par la connaissance de u0 et u1 .

Exemple. On considère la suite (fn ), appelée suite de Fibonacci, définie par f0 =

f1 = 1 et ∀n ∈ N, fn+2 = fn+1 + fn . Déterminer le terme général fn en fonction de n.
34 Yaogan MENSAH

Suites adjacentes
Définition 4.15 Deux suites (un ) et (vn ) sont dites adjacentes si
∀n, un ≤ vn , (un ) est croissante, (vn ) est décroissante et lim(vn − un ) = 0.
n

Proposition 4.16 Deux suites adjacentes sont convergentes et ont la même limite.

Preuve.

n 1
P 1
Exemple. Soit les suites de termes généraux un = et vn = un + . Montrer
k=0 k! n!
que ces deux suites sont adjacentes. Leur limite commune est le nombre e.

4.6 Suites de Cauchy

Définition 4.17 Une suite (un ) est dite de Cauchy si

∀ε > 0, ∃N ∈ N, ∀p, q ∈ N, (q > p > N ⇒ |uq − up | < ε).

Théorème 4.18 Une suite réelle (un ) est convergente ssi elle est de Cauchy.
n
ak sin k est
P
Exemple. Soit a ∈] − 1, 1[. Montrons que la suite définie par un =
k=1
convergente.
Chapitre 5

Séries numériques

5.1 Généralités
Soit (un ) une suite de nombres réels. On pose sn = u0 + u1 + · · · + un .

Définition 5.1 On appelle série de terme général un le couple ((un ), (sn )). Elle est notée
P P
un . La suite (sn ) est appelée suite des sommes partielles de la série un .
P
Définition 5.2 La série un est dite convergente si la suite (sn ) est convergente. Si
P
(sn ) n’est pas convergente, on dit que la série un est divergente.
P
Si un est convergente alors la limite s de la suite (sn ) est appelée somme de la série
P +∞
P
un et on écrit s = un .
n=0
+∞
P P
Le nombre rn = s − sn = up est appelé reste d’ordre n de la série un .
p=n+1

Remarque. Si (un ) n’est définie qu’à partir de n0 , alors sn = un0 + u1 + · · · + un . Si (sn )

P +∞
P
converge alors la somme de la série un est notée un .
n=n0
Questions.
+∞
 n
P 2
1. Montrer que la série géométrique est convergente et déterminer sa somme.
n=1 3
2. La série 1 + 3 + 5 + . . . est-elle convergente ?
1 1 1 +∞
P n
Même question pour la série + + + . . . et la série .
2.5 5.8 8.11 n=1 (n + 1)!

35
36 Yaogan MENSAH

P
Proposition 5.3 Si la série un converge alors la suite (un ) converge vers 0.

Preuve. un = sn − sn−1 .

+∞
P n2
Question. La série 2
est-elle convergente ?
n=1 n + 4

5.2 Séries à termes positifs

Remarque . Dans beaucoup de problèmes, le calcul de sn peut être très difficile voire
impossible. Dans de tels cas, on utilise quelques tests pour savoir si la série donnée est
convergente ou non. Les critères de convergence qui suivent concernent les séries
à termes positifs.

Proposition 5.4 (Comparaison à une intégrale généralisée) Soit f : [a, +∞[→ R

une fonction positive décroissante. Alors
Z +∞ +∞
X
f (t) dt converge ssi un converge où un = f (n).
b n=b

+∞
P 1
Corollaire 5.5 (Application aux séries de Riemann) La série p
, p ∈ R, converge
n=1 n
si et seulement si p > 1.

1
Preuve. Prendre f (t) = , t ≥ 1 dans la proposition(5.4).
tp

Remarques .
+∞
P1
1. La série divergente est appelée série harmonique.
n=1 n
1 1 1
2. On montre que lim (1 + + + · · · + − ln n) existe et se situe entre 0 et 1. On
n→∞ 2 3 n
la note γ et on l’appelle constante d’Euler. γ ≈ 0.57721...
Bases mathématiques 37

+∞
P 1
Corollaire 5.6 (Application aux séries de Bertrand) Soit la série , (α, β) ∈
n=2 nα (ln n)β
R2 .
Si α < 1 alors elle diverge pour tout β.
Si α > 1 alors elle converge pour tout β.
Si α = 1 alors elle converge ssi β > 1.
1
Preuve. Prendre f (t) = , t ≥ 2 dans la proposition(5.4).
tα (ln t)β

Proposition 5.7 (Le test de comparaison) 1. Si 0 ≤ un ≤ kvn , k > 0 alors

P P
vn converge ⇒ un converge ,
P P
un diverge ⇒ vn diverge .
un
2. Soit l = lim .
vnP P
Si l = 0 alors vn converge implique un converge.
P P
Si l > 0 alors un et vn sont de même nature.
P P
Si l = +∞ alors vn diverge implique un diverge.
un+1
Proposition 5.8 ( Critère de d’Alembert) Soit l = lim . On a :
P un
Si l < 1 alors la série un converge.
P
Si l > 1 alors la série un diverge.
Si l = 1 alors on ne peut rien dire. On dit que l’on est dans le cas douteux du critère de
d’Alembert.
√
Proposition 5.9 ( Critère de Cauchy) Soit l = lim n un . On a :
P n→∞
Si l < 1 alors la série un converge.
P
Si l > 1 alors la série un diverge.
Si l = 1 alors on ne peut rien dire. On dit que l’on est dans le cas douteux du critère de
Cauchy.
X 1 X √n X 1
Exemples. Etudier la convergence des séries suivantes : , , ,
n≥0
n2 + 1 n≥1 2n2 + 1 n≥1 3n n
X X 10n X an
n2 ean (a ∈ R), , 2
(a > 0).
n≥1 n≥1
n n≥1
n
38 Yaogan MENSAH

5.3 Séries alternées

Définition 5.10 Une série est dite alternée si son terme général un est de la forme
un = (−1)n vn où vn est de signe constant.
P
Proposition 5.11 Une série alternée un converge ssi la suite |un | converge vers 0 en
décroissant.

5.4 Convergence absolue, Semi-convergence

P P
Définition 5.12 Une série un est dite absolument convergente si la série |un |
est convergente.

P (−1)n P cos n
Exemples , √ .
n2 n n

Proposition 5.13 Toute série absoluement convergente est convergente.

Définition 5.14 Une série est dite semi-convergente si elle est convergente mais pas
absolument convergente.

P (−1)n
Exemple : .
n
Bibliographie

[1] A. Boussari, Cours de MTH 104, (Communication personnelle), (2009).

[2] E. Lehman, Mathématiques pour l’étudiant de première année, Belin, (1984)
[3] J.-M. Monier, Analyse 1, Série ”J’intègre”, 3e édition, Dunod, (1999).
[4] X. Oudot, Analyse première année, Belin, (1998)
[5] S. Touré, Algèbre , Universités francophones, Edicef, (1991)
[6] W. F. Trench, Introduction to real analysis, Open Textbook Initiative, (2013)

39