PolyMaths 2

Cours de Mathématiques
Classe de MPSI B
Auteur : Marc Lorenzi

Mis à jour le 9 mai 2022
Lycée Camille Guérin

Année 2021-2022
2
Table des matières
1 Logique 9
1 Propositions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Connecteurs logiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3 Quantificateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2 Ensembles 21
1 Notion d’ensemble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 Opérations sur les ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3 Entiers naturels 31
1 L’ensemble des entiers naturels . . . . . . . . . . . . . . . . . . . . . . . . . 32
2 Raisonnement par récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3 Extensions du principe de récurrence . . . . . . . . . . . . . . . . . . . . . . 39
4 Suites définies par récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5 Annexe : suites récurrentes . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4 Applications et relations 43
1 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2 Relations d’ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3 Relations d’équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5 Nombres complexes 57
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2 Nombres complexes et trigonométrie . . . . . . . . . . . . . . . . . . . . . . 62
3 Résolution d’équations algébriques . . . . . . . . . . . . . . . . . . . . . . . 70
4 Interprétations géométriques . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
6 Nombres réels 79
1 Le corps des réels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
2 Borne supérieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3
4 TABLE DES MATIÈRES
3 Intervalles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
7 Suites réelles et complexes 93

1 Limite d’une suite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
2 Théorèmes d’existence de limites . . . . . . . . . . . . . . . . . . . . . . . . 104
3 Suites complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
4 Récurrences linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
8 Comparaison des suites 117

1 Suites équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
2 Négligeabilité, domination . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
3 Puissances, exponentielles, logarithmes, factorielles . . . . . . . . . . . . . . 126
9 Groupes, anneaux, corps 131

1 Lois de composition interne . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
2 Groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
3 Anneaux et corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
4 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
10 Fonctions 149
1 Opérations algébriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
2 Une relation d’ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
3 Fonctions monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
4 Extrema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
5 Parité, périodicité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
11 Limites - Continuité 157

1 Étude locale d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
2 Propriétés des fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . 166
3 Continuité uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
4 Fonctions à valeurs complexes . . . . . . . . . . . . . . . . . . . . . . . . . . 174
12 Dérivation 175
1 Notion de dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
2 Accroissements finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
13 Fonctions Usuelles 195

1 Logarithmes et exponentielles . . . . . . . . . . . . . . . . . . . . . . . . . . 196
2 Puissances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
3 Fonctions circulaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
4 Fonctions hyperboliques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
14 Fonctions convexes 213

1 Intervalles de R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
TABLE DES MATIÈRES 5
2 Notion de fonction convexe . . . . . . . . . . . . . . . . . . . . . . . . . . . 217

3 Fonctions convexes dérivables . . . . . . . . . . . . . . . . . . . . . . . . . . 222
4 Annexe - p-normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
15 Primitives et Équations différentielles 233

1 Calculs de primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
2 Notion d’équation différentielle . . . . . . . . . . . . . . . . . . . . . . . . . 240
3 Équations linéaires du premier ordre . . . . . . . . . . . . . . . . . . . . . . 242
4 Résolution approchée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
5 Équations du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
16 Arithmétique 253
1 Divisibilité dans Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
2 PGCD, PPCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
3 Nombres premiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
4 Congruences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
5 Annexe : les anneaux Z/nZ . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
17 Calcul matriciel 277

1 Notion de matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
2 Systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
3 L’anneau des matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . 289
4 matrices triangulaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
18 Polynômes 297
1 L’algèbre des polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
2 L’anneau des polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
3 Fonctions polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
4 Dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
5 Factorisation des polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
6 Pgcd,Ppcm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
7 Interpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
19 Fractions rationnelles 321

1 Le corps des fractions rationnelles . . . . . . . . . . . . . . . . . . . . . . . . 322
2 Éléments simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
3 Primitives des fractions rationnelles . . . . . . . . . . . . . . . . . . . . . . . 330
20 Analyse asymptotique 333

1 Comparaison des fonctions au voisinage d’un point . . . . . . . . . . . . . . 334
2 Développements limités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339
3 Opérations sur les développements limités . . . . . . . . . . . . . . . . . . . 346
4 Développements asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . 353
21 Étude des Fonctions 361

1 Ensemble de définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362

2 Réduction de l’ensemble d’étude . . . . . . . . . . . . . . . . . . . . . . . . 362
3 Régularité de la fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
4 Variations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
5 Points remarquables réels . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
6 Étude à l’infini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
7 Concavité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
8 Tracé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
9 Un exemple complet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
10 Un autre exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
22 Espaces vectoriels 373

1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374
2 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
3 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
4 Opérations sur les s.e.v . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 383
5 Sous-espaces supplémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . 385
6 Familles remarquables de vecteurs . . . . . . . . . . . . . . . . . . . . . . . 388
23 Dimension finie 395

1 Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396
2 Sev d’un espace de dimension finie . . . . . . . . . . . . . . . . . . . . . . . 399
3 Dimensions classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 400
4 Notion de rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 404
5 Dual d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 408
24 Matrices 415
1 Vecteurs, applications linéaires et matrices . . . . . . . . . . . . . . . . . . . 416
2 Changements de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420
3 Rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
4 Trace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 425
5 Similitude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
25 Groupes Symétriques 429

1 Compléments sur les groupes finis . . . . . . . . . . . . . . . . . . . . . . . . 430
2 Notion de permutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
3 Orbites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 435
4 Signature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439
5 Annexe : Inversions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 443
26 Déterminants 447
1 Applications multilinéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 448
2 Déterminant d’une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . 450
3 Calcul des déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 455
TABLE DES MATIÈRES 7
4 Déterminant d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . 461

5 Inversion des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 466
27 Systèmes linéaires 469

1 Sous-espaces affines d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . 470
2 Rappels sur les systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . 476
3 Systèmes de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 478
4 L’algorithme du Pivot de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . 480
5 Compléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 483
28 Intégration 487
1 Intégration des fonctions en escalier . . . . . . . . . . . . . . . . . . . . . . . 488
2 Construction de l’intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 492
3 Propriétés de l’intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 496
4 Approximations de l’intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . 502
5 Primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 508
6 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 512
29 Dénombrements 517
1 Notion d’ensemble fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 518
2 Opérations sur les ensembles finis . . . . . . . . . . . . . . . . . . . . . . . . 520
3 Applications entre ensembles finis . . . . . . . . . . . . . . . . . . . . . . . . 523
4 Parties d’un ensemble fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . 526
5 Annexe : la formule du crible . . . . . . . . . . . . . . . . . . . . . . . . . . 529
30 Probabilités 533
1 Univers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 534
2 Espaces probabilisés finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 536
3 Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 543
31 Variables aléatoires 549

1 Notion de variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . 550
2 Lois usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 552
3 Couples de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . 554
4 Variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . . . 559
5 Espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 563
6 Variance, écart-type, covariance . . . . . . . . . . . . . . . . . . . . . . . . . 569
32 Espaces préhilbertiens 583

1 Produits scalaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 584
2 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 589
3 Projecteurs orthogonaux - Symétries orthogonales . . . . . . . . . . . . . . . 596
33 Endomorphismes orthogonaux 599

1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 600
2 Le groupe orthogonal du plan . . . . . . . . . . . . . . . . . . . . . . . . . . 605
3 Produit vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 609
4 Le groupe orthogonal de l’espace . . . . . . . . . . . . . . . . . . . . . . . . 613
5 Compléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 618
34 Séries 623
1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 624
2 Séries à termes positifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 630
3 Comparaison entre séries et intégrales . . . . . . . . . . . . . . . . . . . . . 633
4 Convergence absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 637
5 Appendice - Représentations p-adiques des réels . . . . . . . . . . . . . . . . 641
35 Familles Sommables 651

1 Familles sommables de réels positifs . . . . . . . . . . . . . . . . . . . . . . . 652
2 Familles sommables de nombres complexes . . . . . . . . . . . . . . . . . . . 660
3 Produit de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 668
4 Complément - Le cardinal des familles sommables . . . . . . . . . . . . . . . 670
36 Fonctions de deux variables 673

1 Un peu de topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 674
2 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 676
3 Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 679
4 Composition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 684
Index 689
Chapitre 1
Logique
9
10 CHAPITRE 1. LOGIQUE
1 Propositions
1.1 Le langage des mathématiques
Faire des mathématiques, c’est écrire des propositions vraies. Mais qu’est ce qu’une pro-
position ? Et qu’est ce que la vérité ? Ceci n’est pas un cours de logique, et nous nous
contenterons de quelques idées très vagues sur la question. Une proposition est une assem-
blage de symboles, formé à partir de règles strictes. Par exemple, « 1 + 1 = 2 » est une
proposition. Un autre exemple de proposition est « tous les nombres entiers sont pairs »,
ou encore « tout corps fini est commutatif ». Où sont les symboles dans ces propositions ?
Eh bien ils sont cachés dans les mots que le mathématicien a définis. Par exemple, « n
est pair » veut dire « ∃p ∈ N, n = 2 × p ». Et les symboles N et × sont eux mêmes des
résumés pour des assemblages d’autres symboles encore plus primitifs. En réalité, le seul
symbole primitif de la théorie dans laquelle nous faisons des mathématiques (la théorie des
ensembles) est le symbole d’appartenance ∈.
Étant donnée une proposition, celle-ci est vraie ou fausse, mais jamais les deux à la fois
(nous ne chercherons pas à définir les mots VRAI et FAUX). La véracité ou la fausseté d’une
proposition est ce que l’on appelle parfois sa valeur de vérité. L’activité principale d’un
mathématicien consiste à écrire, en utilisant un certain nombre de règles, des propositions
vraies. Nous conviendrons que, dorénavant, toutes les propositions que nous écrivons sont
vraies. Ceci ressemble à une évidence, mais elle ne l’est pas complètement. En effet, nous
pourrons dorénavant écrire 1 + 1 = 2, au lieu de « la proposition « 1 + 1 = 2 » est vraie ».
Nous serons cependant parfois assez souples sur l’emploi des guillemets. Par exemple, si
P est une proposition nous n’écrirons pas « P » entre guillemets sous prétexte que nous
savons pas si P est vraie ou fausse.
Le terme générique « proposition » convient pour toutes les phrases mathématiques vraies.
On utilise parfois d’autres mots, pour insister sur l’objectif de la proposition. Citons entre-
autres :
• Théorème : une proposition d’une grande importance, parfois l’aboutissement d’an-

nées de recherches.
• Lemme : une proposition de moindre importance, souvent nécessaire à la démons-
tration d’un théorème. Cela ne signifie pas forcément qu’un lemme est simple à
démontrer, ni qu’un lemme n’est pas important. Tout est relatif.
• Corollaire : une proposition qui est une conséquence (souvent) immédiate d’une
proposition qui vient juste d’être établie.
• Axiome : une proposition arbitrairement décidée comme vraie dans la théorie ma-
thématique dans laquelle on se place. Seuls les grands mathématiciens ont le droit
de changer les axiomes des mathématiques.
2. CONNECTEURS LOGIQUES 11
1.2 Équivalence de deux propositions
Deux propositions peuvent avoir l’air très différentes, et être pourtant simultanément vraies
ou simultanément fausses. C’est ce qui fait toute la difficulté des mathématiques
Définition 1. On dit que deux propositions P et Q sont équivalentes, et on note

P ⇐⇒ Q, lorsque P et Q sont simultanément vraies ou simultanément fausses.
Remarque 1. Comment montrer une équivalence ? Nous verrons que pour des propositions
très simples, ce que l’on appelle une table de vérité suffit. Mais bien entendu, cela ne va pas
durer. Une démonstration d’équivalence peut être très difficile. Nous allons en gros passer
le reste de l’année à démontrer des équivalences.
Remarque 2. Étant données deux propositions P et Q, P ⇐⇒ Q est en fait une
nouvelle proposition, soit vraie, soit fausse. Le symbole ⇐⇒ fait partie de la famille des
connecteurs, dont nous allons maintenant étudier quelques exemples.
Remarquons que l’on a la proposition suivante.
Proposition 1.
• Soit P une proposition. Alors, P ⇐⇒ P .
• Soient P et Q deux propositions. Si P ⇐⇒ Q, alors Q ⇐⇒ P .
• Soient P, Q, R trois propositions. Si P ⇐⇒ Q et Q ⇐⇒ R, alors P ⇐⇒ R.
Démonstration. Nous réservons la preuve de cette proposition pour un peu plus tard.
2 Connecteurs logiques
Le discours mathématique a tendance à relier, à connecter des propositions entre-elles, ceci

afin de fabriquer de nouvelles propositions. La question est de savoir quand ces nouvelles
propositions sont vraies.
2.1 Le connecteur « ET »
Définition 2. Étant données deux propositions P et Q, le connecteur ∧ (ET) permet de

fabriquer la nouvelle proposition P ∧Q. Cette nouvelle proposition est vraie exactement
lorsque les deux propositions P et Q sont vraies.
Voici la table de vérité du « ET ».
P Q P ∧Q
0 0 0
0 1 0
1 0 0
1 1 1
FAUX et VRAI sont représentés par 0 et 1. Par exemple, la ligne 0 1 0 nous dit que P ∧ Q
est FAUX lorsque P est FAUX et Q est VRAI.
Proposition 2. Soient P, Q, R des propositions. On a

• P ∧ P ⇐⇒ P (idempotence)
• P ∧ Q ⇐⇒ Q ∧ P (commutativité)
• (P ∧ Q) ∧ R ⇐⇒ P ∧ (Q ∧ R) (associativité)
Démonstration. Ceci se prouve en faisant des tables de vérité. Montrons par exemple
l’associativité.
P Q R P ∧ Q Q ∧ R (P ∧ Q) ∧ R P ∧ (Q ∧ R)
0 0 0 0 0 0 0
0 0 1 0 0 0 0
0 1 0 0 0 0 0
0 1 1 0 1 0 0
1 0 0 0 0 0 0
1 0 1 0 0 0 0
1 1 0 1 0 0 0
1 1 1 1 1 1 1
On constate que les deux dernières colonnes de ce tableau sont identiques, ce qui veut dire
que les propositions correspondantes sont équivalentes.
Remarque 3. En tant que mathématicien, le reste de votre vie va être consacré à démon-
trer des propositions. La rédaction d’une démonstration est un acte parfaitement codifié.
Pour chaque type de proposition, il existe un ou plusieurs types de démonstrations. Il
s’agit pour vous de parfaitement connaître la façon dont on démontre chaque type de
proposition, puisque votre vie d’étudiant en mathématiques consistera à être noté sur vos
démonstrations.
Comment montrer un « ET » ? Eh bien, on montre d’abord l’une des deux propositions,

PUIS on montre l’autre. Histoire d’être bien clair, pour montrer un « ET », il faut faire
deux démonstrations distinctes.
2.2 Le connecteur « OU »
Définition 3. Étant données deux propositions P et Q, le connecteur ∨ (OU) per-

met de fabriquer la nouvelle proposition P ∨ Q. Cette nouvelle proposition est vraie
exactement lorsque l’une au moins des deux propositions P et Q est vraie.
Remarque 4. Pour être précis, nous venons de définir ici ce que l’on appelle le ou inclusif.
Il existe un autre type de « ou », que l’on appelle le ou exclusif et que l’on nomme aussi «
ou bien ».
Voici la table de vérité du « OU »(inclusif).
P Q P ∨Q
0 0 0
0 1 1
1 0 1
1 1 1
Pour le ou exclusif, la dernière ligne de la table serait 1 1 0.
Remarque 5. Comment montrer un « OU » ? Ce n’est pas si évident que cela. Il va falloir

attendre de connaître l’implication.
Voici quelques propriétés du connecteur « OU » :

• P ∨ P ⇐⇒ P
• P ∨ Q ⇐⇒ Q ∨ P
• (P ∨ Q) ∨ R ⇐⇒ P ∨ (Q ∨ R)

• P ∨ (Q ∧ R) ⇐⇒ (P ∨ Q) ∧ (P ∨ R) (distributivité du OU par rapport au ET)
• P ∧ (Q ∨ R) ⇐⇒ (P ∧ Q) ∨ (P ∧ R) (distributivité du ET par rapport au OU)
Démonstration. Ces deux propositions se prouvent en faisant des tables de vérité.

2.3 Le connecteur « NON »
Définition 4. Étant donnée une proposition P , le connecteur ¬ (NON) permet de

fabriquer la nouvelle proposition ¬P . Cette nouvelle proposition est vraie exactement
lorsque la proposition P est fausse.
Voici la table de vérité du « NON ».
P ¬P
0 1
1 0
Proposition 5. Soient P, Q des propositions. On a

• ¬¬P ⇐⇒ P
• ¬(P ∧ ¬P ) (non contradiction)
• P ∨ ¬P (tiers exclu)
• ¬(P ∧ Q) ⇐⇒ ¬P ∨ ¬Q
• ¬(P ∨ Q) ⇐⇒ ¬P ∧ ¬Q (lois de Morgan)
Démonstration. Encore une fois, des tables de vérité permettent de tout montrer. Mais
histoire de voir que nous avons avancé un peu, voici une autre preuve du dernier point.
Écrivons l’avant dernier point pour les propositions ¬P et ¬Q :
¬(¬P ∧ ¬Q) ⇐⇒ (¬¬P ) ∨ (¬¬Q)
Par le premier point, on a donc
¬(¬P ∧ ¬Q) ⇐⇒ P ∨ Q
Si deux propositions sont équivalentes, il est clair que leurs négations le sont aussi. Ainsi,
¬¬(¬P ∧ ¬Q) ⇐⇒ ¬(P ∨ Q)
et à nouveau par le premier point,
¬P ∧ ¬Q ⇐⇒ ¬(P ∨ Q)
2.4 Le connecteur « IMPLIQUE »

Définition 5. Étant données deux propositions P et Q, on crée une nouvelle propo-

sition P =⇒ Q. Cette proposition est fausse exactement dans le cas où P est vraie et
Q est fausse.
Voici la table de vérité de « IMPLIQUE ».
P Q P =⇒ Q
0 0 1
0 1 1
1 0 0
1 1 1

• ((P =⇒ Q) ∧ (Q =⇒ R)) =⇒ (P =⇒ R) (transitivité de l’implication)
• (P =⇒ Q) ⇐⇒ (¬P ∨ Q)
• (P ∨ Q) ⇐⇒ (¬P =⇒ Q)
• ¬(P =⇒ Q) ⇐⇒ (P ∧ ¬Q)
Exemple. L’exemple qui suit est destiné à nous faire comprendre la nature du connecteur
implique. Donnons nous un entier naturel n. Je vais partir du principe que tout le monde
sera d’accord lorsque j’affirme que si n est multiple de 4, alors n est pair. Prenons quelques
valeurs de n pour voir . . . .
Commençons par n = 8. Alors n est multiple de 4 et n est également pair. Donc, si l’on
veut que la table de vérité du connecteur IMPLIQUE ne dépende que des valeurs de vérité
des propositions, et pas de la nature de ces propositions, on doit avoir que VRAI implique
VRAI.
Maintenant, attention ! Prenons n = 2. Alors, n n’est pas multiple de 4, et pourtant il est
pair. Donc, FAUX implique VRAI.
Pour finir, prenons n = 3. Cette fois ci, FAUX implique FAUX.
Un seul cas n’a pas été envisagé : a-t-on aussi VRAI implique FAUX ? Si c’était le cas,
toutes les implications seraient vraies. Donc, si l’on veut que le connecteur IMPLIQUE ne
soit pas un connecteur trivial, on doit poser que VRAI implique FAUX est FAUX.
Remarque 6. Comment montrer que P =⇒ Q ? La proposition P est soit vraie soit
fausse. Si P est fausse, alors P =⇒ Q sera vraie, ceci quelle que soit Q. On n’a donc pas
à s’occuper de ce cas, et on peut donc supposer que P est vraie. Puis, il s’agit de vérifier
que Q est vraie. Pour résumer :
Pour montrer P =⇒ Q :
• On suppose P .
• On montre Q.
S’il y a une seule chose à retenir dans ce chapitre, c’est celle-ci. Nous en ferons un usage
quotidien.
Remarque 7. On a vu qu’il existe un lien entre « OU » et « IMPLIQUE ». Ainsi : Pour
montrer P ∨ Q,
• On suppose que P est fausse.
• On montre Q.
Proposition 7. Principe de contraposition

Soient P et Q deux propositions. On a
P =⇒ Q ⇐⇒ ¬Q =⇒ ¬P
Ce principe nous donne une seconde méthode pour prouver une implication.
• On suppose que le membre de droite est faux
• On montre que celui de gauche l’est aussi.
Proposition 8. Principe de démonstration par l’absurde

Soit P une proposition. Soit F une proposition fausse. On a
(¬P =⇒ F ) =⇒ P
Ce principe nous dit que pour montrer que P est vraie, on peut procéder comme suit :
• On suppose que P est fausse.
• On arrive à une contradiction.
Il ne faut pas abuser de ce genre de démonstrations, car elles sont souvent difficiles
à lire (pour ne pas dire incompréhensibles), et paraissent artificielles. Moralité, on ne fait
une démonstration par l’absurde qu’après que les autres techniques de démonstration aient
échoué, ou alors parce qu’on a une bonne raison pour le faire.
2.5 Équivalence logique
Nous revenons ici à l’étude du connecteur d’équivalence. Rappelons la

3. QUANTIFICATEURS 17
Définition 6. Étant données deux propositions P et Q, on crée une nouvelle propo-

sition P ⇐⇒ Q. Cette proposition est vraie exactement dans le cas où P et Q ont la
même valeur de vérité.
Voici la table de vérité de « EQUIVAUT ».

P Q P ⇐⇒ Q
0 0 1
0 1 0
1 0 0
1 1 1
Nous sommes maintenant en mesure de prouver la proposition 1. Le lecteur est invité à

faire une table de vérité.
Proposition 9. Soient P et Q deux propositions. Alors,
(P ⇐⇒ Q) ⇐⇒ ((P =⇒ Q) ∧ (Q =⇒ P ))
Ainsi, pour montrer que P et Q sont équivalentes,

• On montre P =⇒ Q.
• On montre Q =⇒ P .
Pour montrer une équivalence il faut donc faire DEUX démonstrations.
3 Quantificateurs
3.1 Quantificateurs universel et existentiel
Soit P (x) une proposition « dépendant » d’une variable x (on dit aussi un prédicat), cette
variable appartenant à un certain ensemble E.
Définition 7. Le symbole ∀ est appelé quantificateur universel. Il permet de former

la nouvelle proposition
∀x ∈ E, P (x)
Cette proposition est vraie si et seulement si la proposition P (x) est vraie pour tous
les éléments x de l’ensemble E.
Définition 8. Le symbole ∃ est appelé quantificateur existentiel. Il permet de former

la nouvelle proposition
∃x ∈ E, P (x)
Cette proposition est vraie si et seulement si la proposition P (x) est vraie pour au
moins un élément x de l’ensemble E.
Remarque 8. Lorsque la proposition P (x) est vraie pour exactement un élément x de

l’ensemble E, on note
∃! x ∈ E, P (x)
Nous reviendrons sans arrêt tout au long de l’année sur ces deux questions de l’existence
et de l’unicité.
3.2 Négation d’une phrase quantifiée
Proposition 10. Soit P (x) un prédicat, la variable x appartenant à un ensemble E.

On a
• ¬(∃x ∈ E, P (x)) ⇐⇒ (∀x ∈ E, ¬P (x))
• ¬(∀x ∈ E, P (x)) ⇐⇒ (∃x ∈ E, ¬P (x))
Démonstration. Supposons ¬(∃x ∈ E, P (x)). Soit x ∈ E. D’après l’hypothèse, on n’a

pas P (x). Donc on a ¬P (x).
Inversement, supposons ∀x ∈ E, ¬P (x). Tous les x ∈ E vérifient ¬P (x), ce qui veut dire
qu’aucun x ∈ E ne vérifie P (x).
Exercice. Prouver la deuxième équivalence en prenant la négation de la première équi-
valence.
3.3 Échange de quantificateurs
Il arrive fréquemment que l’on ait à écrire des propositions comportant une succession de
quantificateurs. Soit P (x, y) une proposition dépendant de deux variables x ∈ E et y ∈ F .
Considérons les propositions
A = ∀x ∈ E, ∀y ∈ F, P (x, y)
et
B = ∀y ∈ F, ∀x ∈ E, P (x, y)
3. QUANTIFICATEURS 19
Ces deux propositions sont équivalentes, et sont aussi équivalentes à
C = ∀(x, y) ∈ E × F, P (x, y)
(voir plus loin pour le produit cartésien). Lorsque E = F , on commet l’abus d’écrire
∀x, y ∈ E, P (x, y)
Il en va de même si l’on met des quantificateurs existentiels à la place des quantificateurs

universels.
Considérons maintenant les deux propositions
• A = ∀x ∈ E, ∃y ∈ F, P (x, y)
• B = ∃y ∈ F, ∀x ∈ E, P (x, y)
Proposition 11. On a B =⇒ A. La réciproque est fausse en général.
Démonstration. Supposons B. Il existe donc un élément y0 de F tel que que ∀x ∈

E, P (x, y0 ). Soit maintenant x ∈ E. On a P (x, y0 ) donc ∃y ∈ F, P (x, y) (prendre y = y0 ).
On a montré A.
Pour voir que la réciproque est fausse, prenons E = F = N et
P (x, y) ⇐⇒ y = x + 1
On a bien A :
∀x ∈ N, ∃y ∈ N, y = x + 1
On a même ∃!y ∈ N, y = x + 1.
En revanche, B est fausse (aucun entier n’est le successeur de TOUS les entiers). Le puriste
voudra une démonstration, alors raisonnons par l’absurde. Supposons donc
∃y ∈ N, ∀x ∈ N, y = x + 1
Prenons un tel y et appelons-le y0 . On a donc
∀x ∈ N, y0 = x + 1
En particulier, comme y0 ∈ N,
y0 = y0 + 1
et donc, en soustrayant y0 ,
0=1
Nous verrons dans le chapitre sur N que ceci est faux :-).
Chapitre 2
Ensembles
21
22 CHAPITRE 2. ENSEMBLES
1 Notion d’ensemble
1.1 Ensembles, éléments
Un ensemble est, naïvement, une collection d’objets unis par une propriété commune. Un
objet appartient à l’ensemble lorsqu’il possède cette propriété. Nous considérons la notion
d’ensemble comme une notion « première », que nous ne chercherons pas à définir.
Notation. Étant donnés un ensemble E et un objet x, on écrira x ∈ E lorsque x est
élément de E (ou appartient à E), et x 6∈ E dans le cas contraire.
On peut décrire un ensemble de plusieurs façons, les plus courantes étant les suivantes :
• En listant ses éléments : A = {1, 2, 3} ou B = {0, 1, 4, 9, 16 . . .}.

• En donnant une propriété caractérisant ses éléments : B est l’ensemble des nombres
pairs, ce que l’on peut écrire B = {n ∈ N, ∃p ∈ N, n = p2 }.
• En regardant ses éléments comme les images des éléments d’un autre ensemble par
une fonction : B = {n2 , n ∈ N}.
Nous reviendrons sur ces descriptions dans la suite du chapitre.
1.2 Les difficultés du concept d’ensemble
Le concept naïf d’ensemble mène assez facilement à des contradictions. Ces contradictions,
mises en évidence vers la fin du XIXe siècle, ont conduit les mathématiciens à concevoir la
Théorie des ensembles. Donnons un exemple de telle contradiction :
Étant donné un ensemble X, la question de se demander si X ∈ X a un sens. Par exemple,

si X = {1, 2, 3}, alors X 6∈ X. En effet, X a trois éléments qui sont 1, 2 et 3. Et aucun
de ces éléments n’est égal à {1, 2, 3} ! En fait, il est extrêmement difficile de trouver un
ensemble qui appartienne à lui-même (en fait l’un des axiomes de la théorie des ensembles
« classique » dit que c’est impossible).
Considérons l’ensemble de tous les ensembles qui n’appartiennent pas à eux-mêmes :
E = {X, X 6∈ X}
On a donc, pour tout ensemble X :
X ∈ E ⇐⇒ X 6∈ X
Posons-nous la question suivante : E appartient-il à E ? Remplaçant X par E dans la

propriété ci-dessus, on trouve E ∈ E ⇐⇒ E 6∈ E, ce qui est clairement contradictoire.
Conclusion : E n’est pas un ensemble.
1. NOTION D’ENSEMBLE 23
Il est bon de savoir qu’un tel souci ne peut arriver à condition de prendre des précautions :
Axiome 1. Soit E un ensemble. Soit P une propriété. Il existe alors un ensemble A

tel que, pour tout objet x, x ∈ A ⇐⇒ x ∈ E et P(x). Cet ensemble A est noté
A = {x ∈ E, P(x)}
Remarque 1. L’ensemble de tous les ensembles n’existe pas. En effet, supposons son
existence. Appelons le U. Considérons la propriété
P(X) = (X 6∈ X)
Alors, par l’axiome 1, l’ensemble
E = {X ∈ U, X 6∈ X}
existe. Contradiction, par le paradoxe de Russell.
1.3 Égalité d’ensembles
Axiome 2. Deux ensembles sont égaux si et seulement si ils ont les mêmes éléments.
Remarque 2. Ainsi, soient A et B deux ensembles. Pour montrer que A = B, on prouve

les deux propriétés :
• ∀x ∈ A, x ∈ B.
• ∀x ∈ B, x ∈ A.
1.4 Inclusion
Définition 1. Soient A et B deux ensembles. On dit que A est inclus dans B, et on

note A ⊂ B, lorsque
∀x ∈ A, x ∈ B
Proposition 3. On a, pour tous ensembles A, B et C :

• A ⊂ A (réflexivité)
• A ⊂ B et B ⊂ A =⇒ A = B (antisymétrie)
• A ⊂ B et B ⊂ C =⇒ A ⊂ C (transitivité)
Remarque 3. La relation d’inclusion est ce que l’on appelle une relation d’ordre. Nous
reviendrons sur les relations d’ordre dans un chapitre ultérieur.
Démonstration. La réflexivité est évidente. L’antisymétrie résulte de l’axiome sur l’éga-
lité de deux ensembles. Supposons maintenant A ⊂ B et B ⊂ C. Soit x ∈ A. On a x ∈ B
puisque A ⊂ B. Donc x ∈ C puisque B ⊂ C. Ainsi, A ⊂ C.
1.5 Ensemble vide
Axiome 4. Il existe un ensemble qui n’a pas d’élément. On l’appelle l’ensemble vide,
et on le note ∅ (ou {}).
Remarque 4. Il existe un unique ensemble vide. Soient en effet ∅1 et ∅2 deux ensembles

vides. Alors, pour tout x ∈ ∅1 , on a x ∈ ∅2 . Donc, ∅1 ⊂ ∅2 . De même, ∅2 ⊂ ∅1 . D’où
∅1 = ∅2 .
Remarque 5. Attention, {∅} ne désigne pas l’ensemble vide, mais un ensemble qui possède
un unique élément, cet élément étant l’ensemble vide.
1.6 Parties d’un ensemble
Axiome 5. Soit E un ensemble. Il existe un ensemble, noté P(E), tel que pour tout
objet X,
X ∈ P(E) ⇐⇒ X ⊂ E
L’ensemble P(E) est l’ensemble des parties de E.

Exemple.
• Soit E = {1, 2}. Alors, P(E) = {∅, {1}, {2}, {1, 2}}.
• Soit E = {a, b, c}. Alors, P(E) = {∅, {a}, {b}, {c}, {a, b}, {a, c}, {b, c}, {a, b, c}}.
Exemple.
• P(∅) = {∅}. L’ensemble P(∅) possède donc un élément (cet élément est l’ensemble
vide).
• P(P(∅)) = {∅, {∅}}.
2. OPÉRATIONS SUR LES ENSEMBLES 25
• P(P(P(∅))) = {∅, {∅}, {{∅}}, {∅, {∅}}}.

Exercice. Calculer P(P(P(P(∅)))).
2 Opérations sur les ensembles
2.1 Réunion
Définition 2. Soient A et B deux ensembles. On appelle réunion de A et B l’ensemble
A ∪ B = {x, x ∈ A ou x ∈ B}
Remarque 6. L’un des axiomes de la théorie des ensembles affirme que A ∪ B est bien
un ensemble.
Définition 3. Plus généralement, étant donnée une famille d’ensembles (Ai )i∈I (c’est
à dire des ensembles Ai indexés par un indice i « variant » lui-même dans un ensemble
I), on appelle réunion des Ai l’ensemble
[
Ai = {x, ∃i ∈ I, x ∈ Ai }
i∈I
Exemple. On a
[ 1

0, 1 − = [0, 1[
n
n≥1
− n1 ].
S
Posons A = n≥1 [0, 1
Soit x ∈ A. Il existe n ≥ 1 tel que 0 ≤ x ≤ 1 − n1 . Or, 1 − 1

n < 1, donc 0 ≤ x < 1. Donc
x ∈ [0, 1[.
1
Inversement, soit x ∈ [0, 1[. Soit n un entier non nul vérifiant n ≥ 1−x . Alors, x ≥ 1 − n1 et
donc x ∈ [0, 1 − n1 ]. Le réel x est donc un élément de la réunion.
Proposition 6. Pour tous ensembles A, B, C, D,

• A ∪ B = B ∪ A (commutativité)
• (A ∪ B) ∪ C = A ∪ (B ∪ C) (associativité)
• A ∪ ∅ = A (∅ est élément neutre pour la réunion)

• A ∪ A = A (idempotence)
• A ∪ B = A ⇐⇒ B ⊂ A.
• A ⊂ B et C ⊂ D =⇒ A ∪ C ⊂ B ∪ D.
Démonstration. Montrons la commutativité. Soit x un objet. On a x ∈ A ∪ B si et

seulement si x ∈ A OU x ∈ B. Mais OU est commutatif. Ceci équivaut donc à x ∈ B OU
x ∈ A, c’est à dire à x ∈ B ∪ A. Les autres propriétés sont laissées en exercice.
2.2 Intersection
Définition 4. Soient A et B deux ensembles. On appelle intersection de A et B

l’ensemble
A ∩ B = {x, x ∈ A et x ∈ B}
Remarque 7. Pas besoin d’axiome pour affirmer que A ∩ B est un ensemble, puisque
A ∩ B = {x ∈ A, x ∈ B}.
Définition 5. Plus, généralement, étant donnée une famille d’ensembles (Ai )i∈I) , on
appelle intersection des Ai l’ensemble
\
Ai = {x, ∀i ∈ I, x ∈ Ai }
i∈I
\ 1

Exercice. Montrer que 0, 1 + = [0, 1].
n
n≥1
Proposition 7. Pour tous ensembles A, B, C, D,

• A ∩ B = B ∩ A.
• (A ∩ B) ∩ C = A ∩ (B ∩ C).
• A ∩ ∅ = ∅.
• A ∩ A = A.
• A ∩ B = A ⇐⇒ A ⊂ B.
• A ⊂ B et C ⊂ D =⇒ A ∩ C ⊂ B ∩ D.
Démonstration. Exercice.
Proposition 8. Pour tous ensembles A, B, C,

• A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) (distributivité de ∩ par rapport à ∪)
• A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) (distributivité de ∪ par rapport à ∩)
Démonstration. Soit x un objet. On a x ∈ A ∩ (B ∪ C) si et seulement si (x ∈ A) ∧ ((x ∈

B) ∨ (x ∈ C)). On termine en utilisant la distributivité de ∧ par rapport à ∨.
2.3 Différence, Complémentaire
Définition 6. Soient A et B deux ensembles. On appelle différence de A et B l’en-

semble
A \ B = {x ∈ A, x 6∈ B}
Notation. Lorsque B ⊂ A, l’ensemble A \ B est appelé le complémentaire de B (dans A).

Lorsqu’il n’y a pas d’ambiguïté sur A, on le note aussi B c ou B.
Proposition 9. Lois de Morgan

Pour tous ensembles A, B, C,
• A \ (B ∪ C) = (A \ B) ∩ (A \ C).
• A \ (B ∩ C) = (A \ B) ∪ (A \ C).
Démonstration. Soit x un objet. On a x ∈ A \ (B ∪ C) si et seulement si (x ∈ A) ∧ ¬(x ∈

B ∨ x ∈ C). On termine en utilisant les lois de Morgan du chapitre de logique.
2.4 Couples, produit cartésien
De façon vague, un couple (a, b) est composé de deux objets a et b. Ce qui est important,
c’est que deux couples (a, b) et (c, d) sont égaux si et seulement si a = c et b = d. Il y
a plusieurs façons de définir le concept de couple. Peu importe comment on définit les
couples, ce qui importe c’est à quelle condition deux couples sont égaux. Nous allons ci-
dessous donner une construction possible, due à von Neumann. Puis nous l’oublierons.
Définition 7. Soient a et b deux objets. On appelle couple de première composante

a et de seconde composante b l’ensemble
(a, b) = {{a}, {a, b}}
Proposition 10. Deux couples (a, b) et (c, d) sont égaux si et seulement si a = c et

b = d.
Démonstration. Dans un sens, c’est évident. Supposons maintenant que (a, b) = (c, d),
c’est à dire
(1) {{a}, {a, b}} = {{c}, {c, d}}
L’ensemble {a, b} est un élément de l’ensemble {{c}, {c, d}}. Deux cas se présentent.
• Cas 1, {a, b} = {c}. Cela signifie que a = b = c. (1) devient
(1) {{a}} = {{a}, {a, d}}
On a donc {a, d} ∈ {{a}}, donc {a, d} = {a}, d’où a = d. Ainsi, a = b = c = d.

• Cas 2, {a, b} 6= {c}. Comme {c} ∈ {{a}, {a, b}}, on a donc {c} = {a}, d’où c = a.
L’hypothèse faite nous dit donc que
{a, b} =
6 {a}
et donc b 6= a. De plus, par (1),
{a, b} ∈ {{c}, {c, d}} = {{a}, {a, d}}
Il en résulte que
{a, b} = {a, d}
On a donc b ∈ {a, d}, donc b = a ou b = d. Comme b 6= a, b = d.

Remarque 8. Il faut maintenant s’empresser d’oublier la définition des couples pour ne
retenir que leur propriété caractéristique !
Remarque 9. On peut généraliser cette notation et considérer des triplets (a, b, c), des
quadruplets (a, b, c, d), . . . , des n-uplets (a1 , a2 , . . . , an ).
Définition 8. Soient A et B deux ensembles. On appelle produit cartésien de A et B

l’ensemble
A × B = {(a, b), a ∈ A, b ∈ B}
On généralise au produit cartésien de 3, 4, . . . ensembles. Si A est un ensemble et n ≥ 1,

on note An le produit cartésien de A n fois avec lui-même.
An = A × A × . . . × A
2.5 Familles
Soit E un ensemble. Le paragraphe précédent nous permet de parler d’un couple d’éléments
de E. On peut définir de la même façon la notion de triplet, quadruplet,. . . , de n-uplet
d’éléments de E. On peut aller encore plus loin et définir une famille d’éléments de E.
La construction de la notion de famille n’est pas difficile, mais elle fait appel au concept
d’application, que nous verrons plus loin (en fait une famille est une application, ou plutôt,
pour les puristes, le graphe d’une application). Nous dirons simplement qu’étant donné un
ensemble I, on peut considérer des objets F que nous noterons
F = (xi )i∈I
et qui sont tels que pour tout i ∈ I, xi ∈ E. De plus, et c’est là la propriété importante,
(xi )i∈I = (yi )i∈I ⇐⇒ ∀i ∈ I, xi = yi
Nous noterons E I l’ensemble des familles d’éléments de E indexées par l’ensemble I.

En prenant I = 1, 2 on retrouve la notion de couple.
En prenant I = N, on obtient la notion de suite. Ainsi, RN est l’ensemble des suites réelles.
Rien ne nous empêche (et nous le ferons) de prendre I = R ou I = C, ou tout ce qui nous
fera plaisir.
Chapitre 3
Entiers naturels
31
32 CHAPITRE 3. ENTIERS NATURELS
1 L’ensemble des entiers naturels
On admet les principales propriétés des entiers naturels : l’ensemble N = {0, 1, 2, . . .} est
un ensemble infini, muni d’une addition et d’une multiplication possédant les propriétés
bien connues de tous. Cet ensemble est muni de deux relations d’ordre :
• L’ordre naturel : a ≤ b lorsqu’il existe un entier naturel c tel que b = a + c. Cet
ordre est total, c’est à dire que deux entiers sont toujours comparables. On note
alors b − a l’unique entier c ainsi défini.
• La divisibilité : a divise b (on note a | b) lorsqu’il existe un entier naturel c tel que
b = ac. Cet ordre est partiel : par exemple, 2 6 |3 et 3 6 |2. Si a 6= 0, l’entier c ainsi
défini est unique, et on le note c = ab .
Une propriété des entiers naturels fréquemment utilisée est la suivante.
Proposition 1. Soient a, b ∈ N. On a
a < b ⇐⇒ a + 1 ≤ b ⇐⇒ a ≤ b − 1
2 Raisonnement par récurrence
2.1 Le théorème de démonstration par récurrence
Axiome 2. Toute partie non vide de N possède un plus petit élément.
Proposition 3. Toute partie non vide ET majorée de N possède un plus grand élément.
Démonstration. Soit A une partie de N non vide et majorée. Considérons l’ensemble B

des majorants de A. L’ensemble B est une partie non vide de N, et possède donc un plus
petit élément M . Montrons que M est le plus grand élément de A.
• Traitons tout d’abord le cas où M = 0 : dans ce cas, A = {0} et possède donc un
plus grand élément, qui est 0.
• Supposons maintenant M ≥ 1. M − 1 ne majore pas A, puisque M est le plus petit
majorant de A. Donc, il existe a ∈ A tel que M − 1 < a ≤ M . D’où a = M et donc
M ∈ A.
2. RAISONNEMENT PAR RÉCURRENCE 33
Proposition 4. Soit A une partie de N. On suppose :

• 0 ∈ A.
• ∀n ∈ N, n ∈ A =⇒ n + 1 ∈ A.
Alors, A = N.
Démonstration. Supposons que A 6= N, et considérons B = N \ A. L’ensemble B est

une partie non vide de N, et admet donc un plus petit élément n0 .
On a n0 6= 0, puisque n0 ∈ A. Considérons alors m = n0 − 1. Cet entier n’est pas dans B.
Donc il est dans A, donc n0 = m + 1 ∈ A. Contradiction.
Proposition 5. Soit P(n) une propriété dépendant de l’entier n. On suppose

• P (0)
• ∀n ∈ N, P (n) =⇒ P (n + 1)
Alors ∀n ∈ N, P (n).
Démonstration. On considère A = {n ∈ N, P (n)} et on applique la proposition précé-

dente.
Remarque 1. On peut bien sûr « commencer la récurrence » à un rang différent de 0. Il
faut alors adapter la conclusion du théorème.
2.2 Exemples
Les exemples ci-dessous sont essentiels. Ils seront utilisés tout au long de l’année.
Proposition 6. Pour tout n ∈ N,

n
X n(n + 1)
k=
2
k=0
Démonstration. Posons, pour tout n ∈ N,

n
X
Sn = k
k=0
Ceci est notre première récurrence, nous allons particulièrement soigner sa rédaction.
Tout d’abord on annonce ce que l’on va montrer.

n(n+1)
Montrons par récurrence sur n que pour tout n ∈ N, Sn = 2 .
On montre ensuite que les hypothèses du théorème de démonstration par récurrence sont
vérifiées.
• On a S0 = 0 = 0(0+1)
2 .
n(n+1)
• Soit n ∈ N. Supposons Sn = 2 . On a alors
n+1
X
Sn+1 = k
k=0
Xn
= k + (n + 1)
k=0
= Sn + (n + 1)
n(n + 1)
= + (n + 1) (HR)
2
(n + 1)(n + 2)
=
2
Enfin, on conclut.
Par le théorème de démonstration par récurrence, la propriété est établie.
Proposition 7. Pour tout n ∈ N,

n
X n(n + 1)(2n + 1)
k2 =
6
k=0
Démonstration. Posons, pour tout n ∈ N,
n
X
Sn = k2
k=0
n(n+1)(2n+1)
Montrons par récurrence sur n que pour tout n ∈ N, Sn = 6 .
0(0+1)(2×0+1)
• On a S0 = 0 = 6 .
n(n+1)(2n+1)
• Soit n ∈ N. Supposons Sn = 6 . On a alors
n+1
X
Sn+1 = k2
k=0
n
X
= k 2 + (n + 1)2
k=0
= Sn + (n + 1)2
n(n + 1)(2n + 1)
= + (n + 1)2 (HR)
6
(n + 1)(n + 2)(2n + 3)
=
6
Par le théorème de démonstration par récurrence, la propriété est établie.
n
Exercice. Montrer que pour tout entier n ≥ 2, 10 divise 22 − 6.
Faisons une récurrence sur n.
2
• 22 − 6 = 10 qui est bien divisible par 10.
n
• Soit n ≥ 2. Supposons que 10 | 22 − 6. On a alors
n+1 n ×2
22 − 6 = 22 −6
2n 2

= 2 −6
2n
2
= (2 − 6) + 6 −6
n
Par l’hypothèse de récurrence, il existe k ∈ N tel que 22 − 6 = 10k. On a donc
n+1
22 − 6 = (10k + 6)2 − 6
= 100k 2 + 120k + 30
= 10(10k 2 + 12k + 3)
n+1
Ainsi, 10 divise 22 − 6.
Par le théorème de démonstration par récurrence, la propriété est démontrée.
Exercice. Montrer qu’il existe 4 réels a, b, c, d tels que, pour tout entier naturel n,
n
X
k 3 = an4 + bn3 + cn2 + dn
k=0
Calculer les entiers a, b, c, d.

Proposition 8. Soit n ∈ N. Soit x ∈ C.

• Si x = 1,
n
X
xk = n + 1
k=0
• Si x 6= 1,
n
X xn+1 − 1
xk =
x−1
k=0
Démonstration. Le cas x = 1 est laissé au lecteur. Supposons donc x 6= 1 et faisons une

récurrence sur n. Pour tout n ∈ N, posons
n
X
Sn = xk
x=0
xn+1 −1
Montrons par récurrence sur n que pour tout n ∈ N, Sn = x−1 .
x1 −1
• On a S0 = 1 = x−1 .
xn+1 −1
• Soit n ∈ N. Supposons que Sn = x−1 . On a alors
n+1
X
Sn+1 = xk
k=0
n
X
= xk + xn+1
k=0
= Sn + xn+1
xn+1 − 1
= + xn+1 (HR)
x−1
xn+1 − 1 + xn+1 (x − 1)
=
x−1
xn+2 −1
=
x−1
La propriété est ainsi vérifiée pour tout entier n.
Corollaire 9. Soient a, b ∈ C. Soit n ∈ N. On a

n
X
n+1 n+1
a −b = (a − b) ak bn−k
k=0
Démonstration. Si b = 0 ou a = b, c’est évident. Sinon,

n n a n+1

X
k n−k n
X a k n b − 1
S= a b =b =b a
k=0 k=0
b b −1
On conclut en mettant le tout au même dénominateur.
2.3 La formule du binôme
Nous reviendrons très longuement tout au long de l’année sur cette formule essentielle. Son
usage est permanent.
Définition 1. Soit n ∈ N∗ . On appelle factorielle de n l’entier

n
Y
n! = k = 1 × 2 × ... × n
k=1
On convient également de poser 0! = 1.
Définition 2. Soient n, k ∈ N. Lorsque k ≤ n, on pose

n n!
=
k k!(n − k)!
On convient également de poser nk = 0 lorsque k > n ou k < 0. Les nombres n

k sont
appelés les coefficients binomiaux.
Les coefficients binomiaux possèdent un très grand nombre de propriétés remarquables.

Nous en reparlerons en fin d’année. Pour l’instant, nous nous limitons à un petit nombre
de formules importantes.
Proposition 10. On a
• ∀n ∈ N, n0 = nn = 1

• ∀n, k ∈ N, k ≤ n, nk = n−k
n

.
n n n+1

• ∀n, k ∈ N, k + k+1 = k+1 .
Démonstration. Il suffit d’appliquer la définition des coefficients binomiaux. Pour le

troisième point, il convient de distinguer les deux cas k < n et k = n.
Remarque 2. La dernière formule est ce que l’on appelle une relation de récurrence. Elle
permet de calculer les coefficients binomiaux pour l’entier n + 1 lorsqu’on les connaît pour
l’entier n. Ceci peut être résumé dans un tableau appelé le triangle de Pascal, qui contient
n

à la ligne n et à la colonne k le coefficient k .
0 1 2 3 4 5 6 7
0 1 0 0 0 0 0 0 0
1 1 1 0 0 0 0 0 0
2 1 2 1 0 0 0 0 0
3 1 3 3 1 0 0 0 0
4 1 4 6 4 1 0 0 0
5 1 5 10 10 5 1 0 0
6 1 6 15 20 15 6 1 0
7 1 7 21 35 35 21 7 1
Voici maintenant l’une des formules les plus importantes de l’année. Il s’agit de la formule
du binôme.
Proposition 11. Soient a, b ∈ C. Soit n ∈ N. On a
n
X n k n−k
(a + b)n = a b
k
k=0
Démonstration. On fait une récurrence sur n.

• Pour n = 0, c’est évident.
• Supposons que la formule soit vraie pour un certain entier n. On a alors
X = (a + b)n+1 = (a + b)(a + b)n

n
X n k n−k
= (a + b) a b
k
k=0
n n
X n k+1 n−k X n k n−k+1
= a b + a b
k k
k=0 k=0
On pose dans la première somme k 0 = k + 1. Il vient

3. EXTENSIONS DU PRINCIPE DE RÉCURRENCE 39
n+1
X n
n k n+1−k
X n k n+1−k
X = a b + a b
k−1 k
k=1 k=0
n
n+1 n+1
X n n
= a +b + + ak bn+1−k
k−1 k
k=1
Il ne reste qu’à appliquer la formule sur les coefficients binomiaux vue un peu plus
haut.

Exercice. Soit n ∈ N. Appliquer judicieusement la formule du binôme pour montrer que
n
X n
= 2n
k
k=0
Calculer de même
n
X
k n
(−1)
k
k=0
3 Extensions du principe de récurrence
3.1 Récurrence forte

• P (0)
• ∀n ∈ N, [∀k ≤ n, P (k)] =⇒ P (n + 1)
Démonstration. On pose Q(n) =« ∀k ≤ n, P (k) » et on montre par récurrence simple

sur n que Q(n) est vraie pour tous les entiers naturels n. P (n) est donc a fortiori vraie.
Exemple. Montrons que tout entier naturel supérieur ou égal à 2 possède un diviseur
premier.
C’est vrai pour n = 2.
Soit maintenant n ≥ 2. Supposons que tous les entiers entre 2 et n ont un diviseur premier.
Si n + 1 est premier, il a clairement un diviseur premier : lui-même. Sinon, n + 1 = ab où
a et b sont deux entiers entre 2 et n. Par l’hypothèse de récurrence, a possède un diviseur
premier. Ce nombre premier divise également n + 1.
3.2 Récurrence à 2 termes

• P (0)
• P (1)
• ∀n ∈ N, (P (n) et P (n + 1)) =⇒ P (n + 2)
Démonstration. On le montre par récurrence forte sur n.

Exemple. Soit (Fn )n≥0 la suite d’entiers définie par F0 = 0, F1 = 1, Fn+2 = Fn+1 + Fn .
Soient ϕ et ϕ̄ les racines de l’équation x2 = x + 1. On a alors pour tout entier n,
ϕn − ϕ̄n
Fn =
ϕ − ϕ̄
Montrons-le par récurrence à deux termes sur n.
Tout d’abord,
ϕ0 − ϕ̄0
F0 = 0 =
φ − ϕ̄
ϕ1 − ϕ̄1
F0 = 1 =
φ − ϕ̄
Soit n ∈ N. Supposons la formule vraie pour n et n + 1. On a alors
Fn+2 = Fn+1 + Fn
ϕn+1 − ϕ̄n+1 ϕn − ϕ̄n
= + (HR)
ϕ − ϕ̄ ϕ − ϕ̄
(ϕn+1 + ϕn ) − (ϕ̄n+1 + ϕ̄n )
=
ϕ − ϕ̄
ϕ (ϕ + 1) − ϕ̄n (ϕ̄ + 1)
n
=
ϕ − ϕ̄
Comme ϕ et ϕ̄ sont racines de l’équation x2 = x + 1, on a ϕ + 1 = ϕ2 et de même pour ϕ̄.

Ainsi,
ϕn ϕ2 − ϕ̄n ϕ̄2
Fn+2 =
ϕ − ϕ̄
ϕn+2 − ϕ̄n+2
=
ϕ − ϕ̄
Remarque 3. On peut bien sûr avoir également des récurrences à 3, 4, . . . termes.

4. SUITES DÉFINIES PAR RÉCURRENCE 41
4 Suites définies par récurrence
Proposition 14. Soit f : E → E une application. Soit a ∈ E. Il existe une unique

suite (un )n≥0 à valeurs dans E, telle que

u0 = a
∀n ∈ N, un+1 = f (un )
Remarque 4. L’unicité, laissée en exercice, est simple à montrer. Supposons qu’il existe
deux suites (un )n≥0 et (vn )n≥0 vérifiant ces conditions. Montrons par récurrence sur n que
pour tout n ∈ N, un = vn .
• Tout d’abord, u0 = a = v0 .
• Soit n ∈ N. Supposons un = vn . On a alors
un+1 = f (un ) =(HR) f (vn ) = vn+1
C’est l’existence qui est difficile. On pourra trouver la preuve en annexe.

Remarque 5. En utilisant les corollaires du principe de récurrence, on peut également
définir des suites récurrentes à deux trois,. . . , n termes. Nous l’avons déjà fait un peu plus
haut avec l’exemple des nombres de Fibonacci.
Exercice. Soit (un )n≥0 la suite définie par récurrence forte par u0 = 1 et, pour tout
n ∈ N,
Xn
un+1 = uk
k=0
Calculer, pour tout n ∈ N, un en fonction de n.
5 Annexe : suites récurrentes
Rappelons le théorème sur les suites récurrentes. La démonstration de l’existence est non
triviale et nécessite quelques lemmes.
Théorème 15. Soit E un ensemble non vide. Soit a ∈ E. Soit f : E → E. Il existe

une unique suite u ∈ E N telle que u0 = a et pour tout entier n, un+1 = f (un ).
Démonstration. On pose pour tout entier n,

En = {s ∈ E N , s0 = a, ∀k < n, sk+1 = f (sk )}
Lemme 16. E0 ⊃ E1 ⊃ E2 ⊃ . . ..
Démonstration. C’est évident.
Lemme 17. Soit n ∈ N. Soient s, s0 ∈ En . On a ∀k ≤ n, sk = s0k .
Démonstration. C’est une récurrence facile sur k.
Lemme 18. ∀n ∈ N, En 6= ∅.
Démonstration. Récurrence sur n. La suite (a, a, a, . . .) est dans E0 qui est donc non
vide. Soit n ∈ N. Supposons que En est non vide. Soit s ∈ En . La suite
s0 = (s0 , s1 , . . . , sn , f (sn ), a, a, . . .)
est bien dans En+1 qui est ainsi non vide.
Lemme 19. Soit n ∈ N. Soit s ∈ En , soit s0 ∈ En+1 . On a alors ∀k ≤ n, sk = s0k .
Démonstration. Soient s ∈ E0 , s0 ∈ E1 . On a s0 = a = s00 . La propriété est donc

vraie pour n = 0. Soit n ∈ N. Supposons la propriété vraie pour n. Soient s ∈ En+1 ,
s0 ∈ En+2 . Alors, s ∈ En , s0 ∈ En+1 , donc par l’hypothèse de récurrence ∀k ≤ n, sk = s0k .
Puis sn+1 = f (sn ) = f (s0n ) = s0n+1 .
Nous pouvons maintenant finir la démonstration du théorème.
Pour tout entier n, choisissons sn ∈ En . Soit u : N → E définie par un = snn . On a
u0 = s00 = a. Et pour tout entier n,
un+1 = sn+1 n+1 n
n+1 = f (sn ) = f (sn ) = f (un )
La suite u répond bien à la question.

L’unicité est quant à elle facile. Si deux suites u et v répondent à la question, on a u0 =
a = v0 . Et si un = vn pour un entier n, alors un+1 = f (un ) = f (vn ) = vn+1 . On a donc
u = v.

Chapitre 4
Applications et relations
43
44 CHAPITRE 4. APPLICATIONS ET RELATIONS
1 Applications
1.1 Définitions
Définition 1. Soient E et F deux ensembles. On appelle application de E vers F tout

triplet f = (E, F, G) où G est une partie de E × F , vérifiant de plus :
∀x ∈ E, ∃!y ∈ F, (x, y) ∈ G
• E est l’ensemble de départ de f .

• F est l’ensemble d’arrivée de f .
• G est le graphe de f .
Définition 2. Soit f = (E, F, G) une application. Pour tout x ∈ E, l’unique y ∈ F

tel que (x, y) ∈ G est appelé l’image de x par f et est noté f (x).
Lorsqu’on se donne une application f de E vers F , on note très souvent

f :E→F
Lorsqu’on a envie de préciser quelle est l’image des éléments de l’ensemble de départ, on
note sur une deuxième ligne quelque chose du genre x 7→ f (x). Ainsi, par exemple,
f : R −→ R
x 7−→ x2 + x − 1
Notation. On note F(E, F ) ou encore F E l’ensemble des applications de E dans F .

Remarque 1. Une suite à valeurs dans E est une application u : N → E. Tout le monde
sait que l’image de l’entier n par la suite u est en général notée un et pas u(n). Usuellement,
on se donne la suite (un )n∈N , et pas la suite u : N → E. C’est juste une question de notation
et de vocabulaire. Plus généralement :
Définition 3. Soient I et E deux ensembles. On appelle famille d’éléments de E

indexée par I (le graphe de) toute application
F : I −→ E
i 7−→ xi
On note de façon plus compacte
F = (xi )i∈I
1. APPLICATIONS 45
1.2 Restrictions, prolongements
La donnée d’une application entraîne la donnée de ses ensembles de départ et d’arrivée. Il

arrive que l’on veuille modifier ceux-ci, en les élargissant ou en les restreignant.
Définition 4. Soit f : E → F . Soit E 0 ⊂ E. On appelle restriction de f à E 0

l’application f |E 0 : E 0 → F définie par
∀x ∈ E 0 f |E 0 (x) = f (x)
Définition 5. Soit f : E → F . Soit E 0 ⊃ E. On appelle UN prolongement de f à E 0

toute application g : E 0 → F telle que g|E = f .
On peut également s’occuper de l’ensemble d’arrivée, et parler de co-restriction ou de

co-prolongement.
1.3 Injections, surjections, bijections
Définition 6. Soit f : E → F . Soit y ∈ F . On appelle UN antécédent de y par f tout

élément x de E tel que f (x) = y. Un élément de F peut avoir zéro, un ou plusieurs
(voire une infinité) d’antécédents. On ne note pas de façon particulière un antécédent.
Évidemment, il serait plus simple que tout élément de F ait un et un seul antécédent par
f . Ceci suggère trois définitions :
Définition 7. Soit f : E → F . On dit que f est :

• injective lorsque tout élément de F a au plus un antécédent par f .
• surjective lorsque tout élément de F a au moins un antécédent par f .
• bijective lorsque tout élément de F a exactement un antécédent par f .
Ainsi, une application est bijective lorsqu’elle est à la fois injective et surjective.
Proposition 1. Soit f : E → F . f est injective si et seulement si
∀x, x0 ∈ E f (x) = f (x0 ) =⇒ x = x0

Démonstration. Supposons que f a la propriété ci-dessus. Soit y ∈ F . Supposons que

y a deux antécédents x et x0 par f . On a alors y = f (x) = f (x0 ) d’où x = x0 . y a donc au
plus un antécédent, et f est injective.
Supposons inversement que f est injective. Soient x et x0 deux éléments de E tels que
f (x) = f (x0 ). Soit y la valeur commune des images. y a au plus un antécédent par f , or x
et x0 sont des antécédents de y. Donc x = x0 .
Remarque 2. L’injectivité peut aussi être formulée en
x 6= x0 =⇒ f (x) 6= f (x0 )
mais il vaut mieux si possible utiliser la caractérisation de la proposition avec les égalités.
1.4 Composition
Définition 8. Soient f : E → F et g : F → G. On appelle composée de f et g

l’application g ◦ f : E → G définie par
∀x ∈ E g ◦ f (x) = g(f (x))
Proposition 2. La composition des applications est associative.
Démonstration. Soient f : E → F , g : F → G et h : G → H trois applications. Les

applications (h ◦ g) ◦ f et h ◦ (g ◦ f ) ont mêmes ensembles de départ et d’arrivée, à savoir
E et H. Soit x ∈ E. On a
(h ◦ (g ◦ f ))(x) = h((g ◦ f )(x))
= h(g(f (x))
= (h ◦ g)(f (x))
= ((h ◦ g) ◦ f )(x)
Proposition 3. Soit
idE : E −→ E
x 7−→ x
l’application « identité de E ». On a pour toute application f : E → F ,
f ◦ idE = f et idF ◦ f = f
1. APPLICATIONS 47
Remarque 3. La composition des applications n’est pas commutative. Par exemple, soient
les deux applications de R vers R f : x 7−→ x2 et g : x 7−→ x + 1. On a (g ◦ f )(1) = 2 alors
que (f ◦ g)(1) = 4. Les applications f ◦ g et g ◦ f sont donc différentes.
Proposition 4. La composée de deux injections (resp : surjections, bijections) est une

injection (resp : surjection, bijection).
Démonstration. Soient f : E → F et g : F → G.
• Supposons f et g injectives. Soient x, x0 ∈ E. Supposons que (g ◦ f )(x) = (g ◦ f )(x0 ).
On a donc
g(f (x)) = g(f (x0 ))
Comme g est injective, il en résulte que f (x) = f (x0 ). Puis, par injectivité de f ,
x = x0 .
• Supposons f et g surjectives. Soit z ∈ G. L’application g est surjective, il existe donc
y ∈ F tel que z = g(y). Par la surjectivité de f , il existe x ∈ E tel que y = f (x).
Ainsi,
z = g(y) = g(f (x)) = (g ◦ f )(x)
• Pour la composition des bijections il suffit d’utiliser les deux premiers points.
1.5 Application réciproque
Définition 9. Soit f : E → F . Soit g : F → E. On dit que

• g est un inverse à gauche de f lorsque g ◦ f = idE .
• g est un inverse à droite de f lorsque f ◦ g = idF .
• g est un inverse (ou une réciproque) de f lorsque g est un inverse à gauche et à
droite de f .
Une application est dite inversible à gauche (resp : à droite) lorsqu’elle admet un inverse
à gauche (resp : à droite). Elle est dite inversible lorsqu’elle admet un inverse.
Proposition 5. Une application possède au plus un inverse.
Démonstration. Soit f : E → F . Supposons que f a deux inverses g et h. On a

g ◦ f = idE . En composant à droite par h et en utilisant l’associativité de ◦, on obtient
g ◦ (f ◦ h) = idE ◦ h
ou encore
g ◦ idF = idE ◦ h
c’est à dire g = h.
Quelles sont les applications inversibles à gauches ? Inversibles à droite ? Inversibles ?
Proposition 6. Soit f : E → F où E est un ensemble non vide. L’application f est

injective si et seulement si elle est inversible à gauche.
Démonstration. Supposons f injective. Soit x0 ∈ E. Soit g : F → E définie comme

suit : pour tout y ∈ F , si y a un antécédent x par f (forcément unique), g(y) = x. Sinon,
g(y) = x0 . On a bien g ◦ f = idE . Inversement, supposons l’existence d’un tel g. Soient
x, x0 ∈ E tels que f (x) = f (x0 ). En composant par g, on obtient x = x0 .
Proposition 7. Soit f : E → F . L’application f est surjective si et seulement si elle

est inversible à droite.
Démonstration. Supposons f surjective. Soit h : F → E définie comme suit : pour tout

y ∈ F , h(y) = un antécédent de y par f (il en existe au moins un puisque f est surjective).
On a bien f ◦ h = idF . Supposons inversement l’existence d’un tel h. Soit y ∈ F . On a
f (h(y)) = y, donc y a un antécédent par f : h(y). f est bien surjective.
Proposition 8.
• Une application est bijective si et seulement si elle est inversible.
• Une bijection a un unique inverse à gauche et un unique inverse à droite, et
ceux ci sont égaux à son inverse.
Démonstration. L’équivalence entre bijectivité et existence des inverses est immédiate

d’après la proposition précédente. Supposons maintenant que la bijection f a deux inverses
à gauche g et g 0 . On a idE = g ◦ f = g 0 ◦ f . En composant à droite par un inverse à droite h,
on obtient g = g 0 = h. D’où l’unicité de l’inverse à gauche, et son égalité avec tout inverse
à droite (et donc l’unicité de l’inverse à droite).
Notation. Soit f : E → F une bijection. La réciproque de f est notée f −1 .
Remarque 4. Soit f : E → F une bijection. La réciproque de f est l’unique application
g : F → E vérifiant
g ◦ f = idE
f ◦ g = idF
1. APPLICATIONS 49
Proposition 9. Soit f : E → F une bijection. La réciproque de f est bijective, et

−1
f −1 =f
Soient f : E → F et g : F → G deux bijections. L’application g ◦ f est bijective, et
(g ◦ f )−1 = f −1 ◦ g −1
Démonstration. En composant f −1 par f des deux côtés, on obtient l’identité. Donc f

est bien la réciproque de f −1 . De même, en composant g ◦ f par f −1 ◦ g −1 , on obtient bien
l’identité.
1.6 Images directes, Images réciproques
Définition 10. Soit f : E → F .

Pour tout ensemble A ⊂ E, on note
f (A) = {y ∈ F, ∃x ∈ E, y = f (x)}
Cet ensemble est appelé l’image directe de A par f .

Pour tout ensemble B ⊂ F , on note
f −1 (B) = {x ∈ E, f (x) ∈ B}
Cet ensemble est appelé l’image réciproque de B par f .
Remarque 5. Prendre bien garde au fait que les notations sont ambigues. En particulier,
f −1 ne désigne PAS la réciproque de f , qui peut d’ailleurs très bien ne pas exister.
Exemple. On a sin R = [−1, 1], sin−1 {0} = 2πZ, exp R+ = [1, +∞[
1.7 Fonctions indicatrices
Définition 11. Soit E un ensemble. Soit A ⊂ E. On appelle fonction indicatrice (ou

parfois fonction caractéristique) de A l’application 1A : E → {0, 1} définie par
1A (x) = 1 si x ∈ A et 1A (x) = 0 si x ∈ E \ A
Exemple. Prenons par exemple E = R. La fonction 1R est la fonction constante égale

à 1. La fonction 1∅ est la fonction nulle. La fonction1[0,1] est la fonction qui vaut 1 sur le
segment [0, 1] et qui est nulle partout aileurs.
Proposition 10. Soit E un ensemble. On a, pour toutes parties A et B de E :

• 1A∩B = 1A 1B .
• 1A∪B = 1A + 1B − 1A 1B .
• 1A∆B = 1A + 1B − 21A 1B .
• 1E\B = 1 − 1B .
• 1A\B = 1A (1 − 1B ).
Démonstration. Montrons par exemple la formule pour la réunion. Soit x ∈ E. Si x

n’est ni dans A, ni dans B, les deux membres de l’égalité sont nuls. Si x est dans A mais
pas dans B, les deux membres de l’égalité valent 1. On fait de même dans les deux cas
restants.
2 Relations d’ordre
2.1 Relations binaires
Définition 12. Soit E un ensemble. On appelle relation (binaire) sur E tout couple
R = (E, G) où G ⊂ E × E. L’ensemble G est appelé le graphe de la relation R.
Étant donnés deux éléments x et y de E ont peut avoir ou pas (x, y) ∈ G. Lorsque c’est le
cas, on dit que x et y sont en relation par la relation R, et on note xRy.
2.2 Ensembles ordonnés
Définition 13. Soit R une relation sur un ensemble E. On dit que R est une relation
d’ordre sur E lorsque :
• R est réflexive : ∀x ∈ E, xRx
2. RELATIONS D’ORDRE 51
• R est antisymétrique : ∀x, y ∈ E, xRy et yRx =⇒ x = y

• R est transitive : ∀x, y, z ∈ E, xRy et yRz =⇒ xRz
Un couple (E, R) où R est une relation d’ordre sur E est appelé un ensemble ordonné.
Exemple. R et ses sous ensembles sont ordonnés par l’ordre naturel. L’ensemble C, en
revanche, n’a pas d’ordre naturel. Il peut bien sûr être ordonné, par exemple par l’ordre
lexicographique, mais cet ordre n’est pas compatible avec la multiplication.
Si E et F sont deux ensembles, et que F est ordonné, l’ensemble F E est ordonné en posant
f ≤ g ⇐⇒ ∀x ∈ E, f (x) ≤ g(x)
L’ensemble P(E) est ordonné par l’inclusion ⊂.

Remarque 6. La notion de relation d’ordre que l’on vient de définir est celle d’ordre
large. Il existe, pour chaque ordre large ≤, un ordre strict associé, défini par
x < y ⇐⇒ x ≤ y et x 6= y
Un ordre strict n’est pas un ordre au sens de notre définition !
Définition 14. Soit (E, ≤) un ensemble ordonné. On dit que l’ordre est total lorsque
∀x, y ∈ E x ≤ y ou y ≤ x
Sinon, on dit que l’ordre est partiel.
Exemple. L’ordre naturel sur R est total. L’ordre défini ci-dessus sur RR est partiel. Dès
que l’ensemble E a au moins deux éléments, la relation d’inclusion sur P(E) est un ordre
partiel.
2.3 Majorants, Minorants
Définition 15. Soit (E, ≤) un ensemble ordonné. Soit A ⊂ E. Soit x ∈ E. On dit que
x est un majorant de A lorsque
∀a ∈ A a ≤ x
De même, on dit que x est un minorant de A lorsque
∀a ∈ A x ≤ a
Exemple. Dans R muni de l’ordre naturel, le réel 7 majore l’ensemble [0, 1]. Ce n’est bien
sûr pas le seul, il y a aussi, π, 53, et . . . 1, qui a l’air « mieux » que les autres.
Définition 16. Une partie A de l’ensemble ordonné E admet un plus grand élément
lorsqu’il existe x ∈ A majorant de A. On définit de même la notion de plus petit
élément.
Proposition 11. Le plus petit (resp : plus grand) élément de l’ensemble A, s’il existe,
est unique. On le note min A (resp : max A).
Démonstration. Si x et y sont deux plus petits éléments de A, on a x ≤ y et y ≤ x,

d’où x = y par antisymétrie.
Exemple. Dans R muni de l’ordre naturel, le plus grand élément de [0, 1]. est 1. En
revanche, [0, 1[ n’a pas de plus grand élément.
Remarque 7. Si l’on reprend l’exemple ci-dessus, on a dit que 1 était un majorant de [0, 1]
mieux que les autres. Si l’on se demande pourquoi, on s’aperçoit qu’il y a deux raisons.
La première, c’est que 1 ∈ [0, 1]. Cela nous donne la notion de plus grand élément. La
seconde raison, c’est que 1 est le plus petit des majorants de [0, 1]. Pour cet ensemble cela
n’est pas très intéressant. En revanche, on s’aperçoit que, bien que [0, 1[ n’ait pas de plus
grand élément, il possède un plus petit majorant. Cela nous conduira à la notion de borne
supérieure, que nous aborderons dans le chapitre sur les nombres réels.
3 Relations d’équivalence
3.1 Notion de relation d’équivalence
Définition 17. Soit R une relation sur un ensemble E. On dit que R est une relation
d’équivalence sur E lorsque :
• R est réflexive : ∀x ∈ E, xRx
• R est symétrique : ∀x, y ∈ E, xRy =⇒ yRx
• R est transitive : ∀x, y, z ∈ E, xRy et yRz =⇒ xRz
3.2 Exemples simples
• L’égalité est une relation d’équivalence sur tout ensemble.

3. RELATIONS D’ÉQUIVALENCE 53
• Pour tout ensemble E, la relation triviale T définie par ∀x, y ∈ E, xT y est une
relation d’équivalence.
• Soit f : E → F une application. La relation R sur E définie par ∀x, y ∈ E, xRy ⇐⇒
f (x) = f (y) est une relation d’équivalence. L’identité et la relation triviale sur E
en sont deux cas particuliers.
3.3 Congruences sur Z
Prenons E = Z, l’ensemble des entiers relatifs. Soit n ∈ Z.
Définition 18. Étant donnés a, b ∈ Z, on dit que a est congru à b modulo n, et on

note a ≡ b[n] lorsque
∃k ∈ Z, b = a + kn
Remarque 8. Pour n = 0, on obtient la relation d’égalité. Pour n = 1, on obtient la

relation triviale. Par ailleurs, la relation obtenue pour l’entier −n est la même que celle
obtenue pour l’entier n. Nous supposerons donc dorénavant que n ∈ N.
Remarque 9. Notons nZ = {kn, k ∈ Z} l’ensemble des multiples de n. On a alors
a ≡ b[n] ⇐⇒ b − a ∈ nZ
Proposition 12. Soit n ∈ N. La relation de congruence modulo n est une relation

d’équivalence sur Z.
Démonstration. L’ensemble nZ vérifie les propriétés suivantes : il continent le nombre

0, il est stable par passage à l’opposé, et il est stable pour l’addition. Nous résumerons
plus tard ces trois propriétés en disant que nZ est un sous-groupe de Z. Montrons par
exemple la transitivité. Soient a, b, c ∈ Z. Supposons que a ≡ b[n] et b ≡ c[n]. On a alors
c − a = (c − b) + (b − a). Mais c − b et b − a sont dans nZ, qui est stable pour l’addition.
Donc c − a ∈ nZ et donc a ≡ c[n].
3.4 Congruences sur R
Prenons E = R, l’ensemble des nombres réels. Soit α ∈ R.

Définition 19. Étant donnés a, b ∈ R, on dit que a est congru à b modulo α, et on

note a ≡ b[α] lorsque
∃k ∈ Z, b = a + kα
Remarque 10. Mêmes remarques que sur Z. Nous utiliserons en particulier cette notion
avec α = π ou α = 2π, en relation avec la trigonométrie est les nombres complexes.
Remarque 11. Notons αZ = {kα, k ∈ Z} l’ensemble des multiples de α. On a alors
a ≡ b[α] ⇐⇒ b − a ∈ αZ
Proposition 13. Soit α ∈ R. La relation de congruence modulo α est une relation

d’équivalence sur R.
Démonstration. Même démonstration que sur Z.
3.5 Classes d’équivalences
Définition 20. Soit E un ensemble. Soit R une relation d’équivalence sur E. Soit
x ∈ E. On appelle classe de x modulo R et on note x l’ensemble
x = {y ∈ E, xRy}
Notation. On note E/R l’ensemble des classes modulo R.
Proposition 14. Avec les notations ci-dessus :

• Les classes sont non vides : ∀C ∈ E/R, C 6= ∅.
• Les classes sont disjointes : ∀C, C 0 ∈ E/R, C 6= C 0 =⇒ C ∩ C 0 = ∅.
• Les classes recouvrent E : ∪C∈E/R C = E.
On dit que les classes modulo R forment une partition de E.
Démonstration. La réflexivité de R montre que ∀x ∈ E, x ∈ x. Cela prouve les points

1 et 3. Soient maintenant deux classes C = x et C 0 = x0 . Supposons que C ∩ C 0 6= ∅. Il
existe donc z ∈ C ∪ C 0 . Montrons que C ⊂ C 0 , la démonstration de l’autre inclusion étant
3. RELATIONS D’ÉQUIVALENCE 55
identique. Soit y ∈ C. On a xRy et xRz. Donc, par symétrie et transitivité, zRy. Mais on
a aussi x0 Rz donc, toujours par transitivité, x0 Ry, et y ∈ C 0 .
Proposition 15. Soit n ∈ N∗ . La relation sur Z de congruence modulo n possède

exactement n classes, qui sont (par exemple) 0, 1, . . . , n − 1.
Remarque 12. Au lieu de Z/ ≡, on note Z/nZ l’ensemble des classes modulo n.

Démonstration. Nous admettons provisoirement le résultat suivant, qui sera prouvé
dans le chapitre sur les entiers relatifs : Étant donné a ∈ Z, il existe un unique q ∈ Z et
un unique r ∈ J0, n − 1K tels que a = qn + r. Il s’agit de ce que l’on appelle la division
euclidienne de a par n. Cette égalité montre que
∀a ∈ Z, ∃r ∈ J0, n − 1K, a ≡ r[n]
ou encore a ∈ r. Ainsi,
Z/nZ ⊂ {0, 1, . . . , n − 1}
L’autre inclusion est évidente. Il y a donc au plus n classes dans Z/nZ. Attention, il reste
maintenant à montrer que ces classes sont bien distinctes ! Soient donc 0 ≤ i < j < n. On
a 0 < j − i < n, donc j − i 6∈ nZ. Ainsi, i 6= j.
Remarque 13.
• Pour n = 0 on a une infinité de classes, toutes constituées d’un singleton.
• Soit α ∈ R, α > 0. La relation sur R de congruence modulo α comporte une infinité
de classes. On peut par exemple prendre les classes des x ∈ [0, α[, ou des x ∈]− α2 , α2 ].
• Les relations de congruence sur Z possèdent bien d’autres propriétés, que nous
verrons en temps utile. En particulier, elles sont compatibles avec l’addition et la
multiplication (on peut multiplier et ajouter des congruences, comme s’il s’agissait
d’égalités).
3.6 Une réciproque
Proposition 16. Soit E un ensemble. Soit P une partition de E. Il existe une et une
seule relation d’équivalence R sur E telle que E/R = P.
Démonstration. Soit R une telle relation. Soient x, y ∈ E. Supposons que xRy. Alors,
∃C ∈ P, x, y ∈ C, puisque x et y sont par définition dans la même classe modulo R.
Inversement, supposons ∃C ∈ P, x, y ∈ C. x et y sont donc dans la même classe modulo R,
et ainsi xRy. En conclusion, si R est une relation d’équivalence sur E telle que E/R = P,
alors
∀x, y ∈ E, xRy ⇐⇒ ∃C ∈ P, x, y ∈ C
Nous venons donc de montrer qu’il existe au plus une telle relation. Inversement, on vérifie
sans peine que la relation définie ci-dessus est bien une relation d’équivalence, et que ses
classes sont justement les éléments de la partition P.
Chapitre 5
Nombres complexes
57
58 CHAPITRE 5. NOMBRES COMPLEXES
1 Introduction
Nous verrons dans un chapitre ultérieur la notion de corps. Sans entrer pour l’instant
dans les détails, un corps est un ensemble K muni de deux opérations : une addition (+) et
une multiplication (×). Ces opérations vérifient un certain nombre de propriétés, comme la
commutativité, l’associativité, la distributivité de la multiplication par rapport à l’addition,
l’existence d’éléments neutres, l’inversibilité des éléments non nuls pour la multiplication,
etc.
1.1 Notion de nombre complexe
Théorème 1. Il existe un ensemble C muni de deux opérations + et × vérifiant les

propriétés suivantes :
• (C, +×) est un corps
• R⊂C
• Il existe i ∈ C tel que i2 = −1
• Tout élément z ∈ C s’écrit de façon unique z = x + iy avec x et y réels.
Un tel corps est « unique ».
Démonstration. Nous ne détaillons pas ici la construction de C. Il en existe de très

nombreuses, à partir de couples de réels, de matrices, de polynômes, etc.
Remarquons simplement que les propriétés de C obligent les opérations à s’écrire comme
suit :
(x + iy) + (x0 + iy 0 ) = (x + x0 ) + i(y + y 0 )
(x + iy) × (x0 + iy 0 ) = (xx0 − yy 0 ) + i(xy 0 + x0 y)
Remarque 1. L’opposé du nombre complexe z est noté −z. Bien évidemment,
−(x + iy) = −x + i(−y)
et on dispose de l’opération de soustraction, définie par z − z 0 = z + (−z 0 ).

L’inverse d’un nombre complexe non nul étant noté z −1 , on dispose alors de l’opération de
division, définie par
z
= zz 0−1
z0
Bien entendu, pour tout nombre complexe non nul z, on a z −1 = z1 puisque
1
= 1 × z −1 = z −1
z
1. INTRODUCTION 59
Définition 1. Soit z ∈ C. Soit (x, y) l’unique couple de réels tel que z = x + iy. x
est appelé la partie réelle de z, et y est la partie imaginaire de z. On note x = Re z et
y = Im z.
Le nombres de la forme iy, avec y réel sont dits imaginaires purs. On note Ri (ou iR)
l’ensemble des imaginaires purs.
Remarque 2. Sauf mention contraire, lorsqu’on écrira « z = x + iy » dans ce qui suit,

on supposera que x et y sont réels. Dans une rédaction complète, il faudrait le préciser à
chaque fois.
1.2 Affixe, image
Notons P = R2 l’ensemble des points du plan (bref, le plan !).
Considérons les deux applications A : P → C et I : C → P définies comme suit :

• si M = (x, y) est un point du plan, A(M ) = x + iy.
• Si z = x + iy ∈ C, I(z) = (x, y) ∈ P.
On a bien évidemment
∀M ∈ P, I(A(M )) = M
et
∀z ∈ C, A(I(z)) = z
Les fonctions A et I sont des bijections, et chacune est la réciproque de l’autre.
Définition 2.
• Pour tout point M ∈ P, le nombre complexe z = A(M ) est appelé l’affixe de
M . On notera parfois M (z) pour indiquer que M est le point d’affixe z.
• Pour tout z ∈ C, le point M = I(z) est appelé l’image de z.
Remarque 3. Au lieu de voir P = R2 comme un ensemble de points, on peut aussi le

voir comme un ensemble de vecteurs et parler ainsi du vecteur →
−
u d’affixe z ou du vecteur
→
−
u image du nombre complexe z.
Remarque 4. Il nous arrivera parfois de confondre abusivement un nombre complexe avec
son affixe. Ainsi, nous parlerons de nombres complexes alignés, ou sur un même cercle, etc.
1.3 Conjugué
Définition 3. Soit z = x + iy un nombre complexe. Le conjugué de z est
z̄ = x − iy
Remarque 5. Géométriquement, l’image du conjugué de z est le symétrique de l’image

z par rapport à l’axe Ox.
Proposition 2. Soit z ∈ C. On a :
• Re z = z+z̄
2 et Im z =
z−z̄
2i .
• ¯
z̄ = z.
• z ∈ R ⇐⇒ z̄ = z.
• z ∈ iR ⇐⇒ z̄ = −z.
Démonstration. Il suffit de poser z = x + iy avec x, y ∈ R.
Proposition 3.
• Le conjugué d’une somme est la somme des conjugués.
• Le conjugué d’un produit est le produit des conjugués.
• Le conjugué d’un quotient est le quotient des conjugués.
Démonstration. Il suffit de poser z = x + iy, z 0 = x0 + iy 0 avec x, x0 , y, y 0 ∈ R.

z+i
Exercice. Déterminons tous les nombres complexes z tels que z−i ∈ Ri. Soit z ∈ C, z 6= i.
z est solution du problème si et seulement si
z+i z+i z−i

=− =−
z−i z−i z+i
On réduit au même dénominateur :
(z + i)(z + i) = −(z − i)(z − i)
qui se simplifie en zz = 1. Les solutions du problème sont les nombres complexes de module
1, i excepté.
Remarque 6. Soit ϕ : C → C une application vérifiant les propriétés suivantes :
• Pour tous z, z 0 ∈ C, ϕ(z + z 0 ) = ϕ(z) + ϕ(z 0 ).
• Pour tous z, z 0 ∈ C, ϕ(zz 0 ) = ϕ(z)ϕ(z 0 ).
1. INTRODUCTION 61
• Pour tous x ∈ R, ϕ(x) = x.

Soit z = x + iy ∈ C. On a alors
ϕ(z) = ϕ(x) + ϕ(i)ϕ(y) = x + ϕ(i)y
Mais i2 = −1, donc ϕ(i)2 = ϕ(−1) = −1. On en déduit que ϕ(i) = ±i.
Si ϕ(i) = i, alors, pour tout complexe z, ϕ(z) = z : ϕ est l’identité de C.
Si, au contraire, ϕ(i) = −i, alors, pour tout complexe z, ϕ(z) = z : φ est la conjugaison.
En résumé, la conjugaison est l’unique endomorphisme non trivial de C laissant les réels
invariants. C’est donc une application extrêmement précieuse : si vous la perdez, vous n’en
aurez pas d’autre.
1.4 Module
Proposition 4. Soit z ∈ C. Alors z z̄ est un réel positif.
Démonstration. Posons z = x + iy, où x, y ∈ R. Alors z z̄ = x2 + y 2 ∈ R+ .
Définition 4. On appelle module du complexe z le réel positif

√
|z| = z z̄
Proposition 5. Pour tout complexe z, on a

• |z| = 0 ⇐⇒ z = 0
• |z| = |z̄|
• Re z ≤ |Re z| ≤ |z|
• Im z ≤ |Im z| ≤ |z|
Démonstration. On a |z|2 = zz donc |z| = 0 si et seulement si z = 0 ou z = 0, c’est à

dire si et seulement si z = 0. On a |z|2 = z z = zz = |z|2 .
On pose z = x + iy où x, y ∈ R. On a |z|2 = x2 + y 2 ≥ x2 . Donc, en passant à la racine
carrée, |x| ≤ |z|. Même preuve pour la partie imaginaire.
Proposition 6. Pour tout complexe z non nul, on a

1 z̄
• z = |z|2
.
1
• |z| = 1 ⇐⇒ z = z̄.
Démonstration. On a
1 z z
= = 2
z zz |z|
Et aussi, |z| = 1 si et seulement si zz = 1 ou encore z = z1 .
Proposition 7. Pour tous complexes z1 et z2 , on a

• |z1 z2 | = |z1 ||z2 |.
• Si z2 6= 0, | zz21 | = |z 1|
|z2 | .
• |z1 + z2 | ≤ |z1 | + |z2 | (inégalité triangulaire)
• ||z1 | − |z2 || ≤ |z1 − z2 | (inégalité triangulaire 2)
|z1 z2 |2 = (z1 z2 )z1 z2 = z1 z̄1 z2 z̄2 = |z1 |2 |z2 |2

z1
L’inégalité triangulaire est évidente si z2 = 0. Sinon, on pose u = z2 . Il suffit de prouver
que
|1 + u| ≤ 1 + |u|
Or,
|1 + u|2 − (1 + |u|)2 = 2(|u| − <u) ≥ 0
La dernière inégalité se prouve à l’aide de la précédente : z1 = z1 − z2 + z2 , donc |z1 | ≤
|z1 − z2 | + |z2 |. Ainsi, |z1 | − |z2 | ≤ |z1 − z2 |. On obtient de même que |z2 | − |z2 | ≤ |z1 − z2 |.
D’où le résultat.
Remarque 7. Il y a égalité dans l’inégalité triangulaire si et seulement si z2 = 0 ou
z1 = λz2 , avec λ ∈ R+ .
2 Nombres complexes et trigonométrie
2.1 Fonctions cosinus, sinus et tangente
Nous rappelons ici les principaux résultats sur les fonctions trigonométriques : Les fonctions
sin et cos sont dérivables sur R, et de période 2π. La fonction sinus est impaire sa dérivée est
cos. La fonction cosinus est paire, sa dérivée est sin. Nous n’énumérerons pas les différentes
symétries de ces fonctions : sin(π − x) = sin x, sin(π + x) = − sin x, etc. Elles se retrouvent
2. NOMBRES COMPLEXES ET TRIGONOMÉTRIE 63
facilement à l’aide du cercle trigonométrique. Les formules suivantes sont à connaître. Les
lettres a, b, p, q, x désignent des réels quelconques.
cos2 x + sin2 x = 1
sin(a + b) = sin a cos b + cos a sin b
sin(a − b) = sin a cos b − cos a sin b
cos(a + b) = cos a cos b − sin a sin b
cos(a − b) = cos a cos b + sin a sin b
sin 2x = 2 sin x cos x
cos 2x = cos2 x − sin2 x = 2 cos2 x − 1 = 1 − 2 sin2 x
1
sin a cos b = 2 (sin(a + b) + sin(a − b))
1
cos a cos b = 2 (cos(a + b) + cos(a − b))
sin a sin b = − 12 (cos(a + b) − cos(a − b))
sin p − sin q = 2 sin p−q p+q
2 cos 2
cos p − cos q = −2 sin p−q p+q
2 sin 2
La fonction tangente est quant à elle définie par
sin x
tan x =
cos x
Elle est impaire, π-périodique. Son ensemble de définition est
π
D =R\{ + kπ, k ∈ Z}
2
Elle est dérivable sur son ensemble de définition. On a
1
∀x ∈ D, tan0 x = 1 + tan2 x =
cos2 x
Les formules ci-dessous sont aussi à connaître. Pour tous réels a, b, x tels que les expressions
ci-dessous aient un sens, on a
tan a + tan b
tan(a + b) =
1 − tan a tan b
tan a − tan b
tan(a − b) =
1 + tan a tan b
2 tan x
tan 2x =
1 − tan2 x
π 1
tan +x = −
2 tan x
π 1
tan −x =
2 tan x
Exercice. Pour quelles valeurs de a, b, x ces expressions ont-elles un sens ?

Proposition 8. Soit x ∈ R \ {π + 2kπ, k ∈ Z}, Soit t = tan x2 . On a
1 − t2
cos x =
1 + t2
2t
sin x =
1 + t2
2t
tan x =
1 − t2
(a) Sinus et cosinus (b) Tangente
Figure 5.1 – Sinus, cosinus, tangente
2.2 Nombres complexes de module 1
Proposition 9. L’ensemble U des nombres complexes de module 1 est un sous-groupe

de (C∗ , ×).
Démonstration. Ici, petite incursion dans la théorie des groupes, avant d’en avoir parlé
en cours. Pas d’inquiétude . . . Un élément de U est non nul car de module 1. Donc U ⊂ C∗ .
Le produit de deux complexes de module 1, l’inverse d’un complexe de module 1, sont
encore de module 1. Nous verrons que cela prouve exactement que U est un sous-groupe
de C∗ .
Définition 5. Pour tout réel θ, on pose eiθ = cos θ + i sin θ.

Proposition 10. On a U = {eiθ , θ ∈ R}.
Démonstration. On a |eiθ | = 1 d’où l’inclusion réciproque. Inversement, soit z = x+iy ∈

U. On a x2 + y 2 = 1. Il existe donc un réel θ tel que z = eiθ d’où l’inclusion.
Proposition 11. Formules d’Euler

Pour θ ∈ R, on a
eiθ + e−iθ eiθ − e−iθ
cos θ = et sin θ =
2 2i
Démonstration. C’est immédiat. On utilise la parité du cosinus et l’imparité du sinus.

Proposition 12. On a, pour θ et ϕ réels :

• ei(θ+ϕ) = eiθ eiϕ .
• e−iθ = 1/eiθ
• ei(θ−ϕ) = eiθ /eiϕ .
• eiθ = 1 ⇐⇒ θ ≡ 0[2π].
• eiθ = eiϕ ⇐⇒ θ ≡ ϕ[2π].
Démonstration. La première égalité se vérifie par un petit calcul. La deuxième résulte

de la première. La troisième résulte des deux premières. Soit maintenant un réel θ. On a
eiθ = 1 si et seulement si cos θ = 1 et sin θ = 0, c’est à dire si et seulement si θ est multiple
de 2π. La dernière propriété est alors immédiate : eiθ = eiϕ ⇔ ei(θ−ϕ) = 1 ⇔ θ − ϕ ≡ 0[2π].

Remarque 8. On vient de prouver que l’application θ 7−→ eiθ est un morphisme surjectif
du groupe (R, +) vers le groupe (U, ×) dont le noyau est 2πZ.
Proposition 13. Formule de Moivre

Pour θ ∈ R et n ∈ Z, on a
(cos θ + i sin θ)n = cos nθ + i sin nθ
Démonstration. C’est immédiat en utilisant le fait que l’application θ 7−→ eiθ est un
morphisme.
Exercice. Soit x un réel et n un entier. On se propose de calculer

n
X
Sn = cos kx
k=0
et
n
X
Tn = sin kx
k=0
Pour cela, on forme

n
X
Sn + iTn = eikx
k=0
On reconnaît la somme des termes d’une suite géométrique de raison eix .

• Si x ≡ 0[2π], alors eix = 1, donc Sn + iTn = n + 1, d’où Sn = n + 1 et Tn = 0.
• Si, au contraire, x 6≡ 0[2π], alors eix 6= 1, donc
ei(n+1)x − 1
Sn + iTn =
eix − 1
On factorise au numérateur et au dénominateur de cette fraction la quantité eix/2 .

Il vient alors
ei(n+1/2)x − e−ix/2 ei(n+1/2)x − e−ix/2

Sn + iTn = =
eix/2 − e−ix/2 2i sin(x/2)
Il vient alors facilement
1 sin(n + 21 )x cos x2 − cos(n + 12 )x

Sn = + et Tn =
2 2 sin x2 2 sin x2
2.3 Arguments d’un nombre complexe non nul
z
Soit z un nombre complexe non nul. Le complexe |z| est alors de module 1, donc il existe
z
θ ∈ R tel que |z| = eiθ . Ainsi,
z = reiθ où r = |z|
Définition 6. Soit s un complexe non nul. On appelle argument de z tout réel θ tel
que z = |z|eiθ .
Proposition 14. Soit z un complexe non nul. Soit θ0 un argument de z. L’ensemble

des arguments de z est
{θ0 + 2kπ, k ∈ Z}
Si z est un complexe et θ est un argument de z, on note arg z ≡ θ[2π]. Souvent, on écrit

abusivement arg z = θ.
Remarque 9.
• Si z est sous la forme z = aeiθ avec a et θ réels, il convient de discuter sur le signe
de a pour connaître son module et un de ses arguments.
• Si l’on astreint l’argument à demeurer dans un intervalle d’amplitude 2π, tel que
[0, 2π[ ou ] − π, π], on a alors unicité de l’argument.
√ √
Exemple. Trouvons le module et√un argument de z = 3 + i. On a |z|2 = ( 3)2 + 1 = 4,
donc |z| = 2. Maintenant, |z| z
= 23 + 12 i. Un argument de z est donc un réel θ tel que
√
3
cos θ = 2 et sin θ = 21 . Par exemple, θ = π3 .
2.4 Forme trigonométrique
Soit z ∈ C. On dit que z est mis sous forme trigonométrique lorsqu’on a écrit z = reiθ
avec r ∈ R+ et θ ∈ R. La forme trigonométrique est particulièrement adaptée aux calculs
de produits, quotients, puissances, et pas du tout adaptée aux calculs de sommes.
Proposition 15. Si z1 = r1 eiθ1 et z2 = r2 eiθ2 , alors :
z1 z2 = r1 r2 ei(θ1 +θ2 )
z1 r1
= ei(θ1 −θ2 )
z2 r2
Corollaire 16. Soient z1 et z2 deux complexes non nuls. On a :
arg(z1 z2 ) ≡ arg z1 + arg z2 [2π]

z1
arg ≡ arg z1 − arg z2 [2π]
z2
Corollaire 17. Soient z un complexe non nul et n un entier relatif. On a :
arg z n ≡ n arg z[2π]
Exercice. Soient a, b, x ∈ R. On se propose de factoriser l’expression a cos x + b sin x.

Soit z = a + ib. Écrivons z sous forme trigonométrique : z = reiθ , où r ≥ 0 et θ ∈ R. Si
jamais z = 0, prendre r = 0 et θ quelconque. On a alors
a cos x + b sin x = r cos θ cos x + r sin θ sin x

= r cos(x − θ)
Par exemple,
√ !
√ 3 1
3 cos x + sin x = 2 cos x + sin x
2 2
π π
= 2 cos cos x + sin sin x
6 π 6
= 2 cos x −
6
Exercice. Soient ϕ, ψ ∈ R. On se propose de factoriser l’expression eiθ + eiϕ .

Posons ψ = 12 (θ + ϕ) et δ = 12 (θ − ϕ). On a alors
eiθ + eiϕ = ei(ψ+δ) + ei(ψ−δ)

= eiψ eiδ + eiψ e−iδ
= eiψ eiδ + e−iδ
= 2 cos δeiψ
Ainsi,
iθ iϕ θ−ϕ θ+ϕ
e +e = 2 cos exp i
2 2
Exercice. Soient ϕ, ψ ∈ R. Factoriser l’expression eiθ − eiϕ .
2.5 Exponentielle complexe
On suppose connues les propriétés de la fonction exponentielle sur R.

Définition 7. Soit z = x + iy un complexe. On appelle exponentielle de z le complexe
ez = ex eiy
Proposition 18. Soit z un complexe. On a

• ez̄ = ez
• |ez | = eRe z
• arg ez ≡ Im z[2π]
Proposition 19. Soient z, z 0 ∈ C. On a :

0 0
• ez+z = ez ez .
• e1z = e−z .
0 z
• ez−z = eez0 .
Proposition 20. Soit z ∈ C. On a ez = 1 ⇐⇒ z ∈ 2iπZ.
Démonstration. Posons z = x + iy. Supposons ez = 1. On a ex eiy = 1. En passant

au module, on obtient ex = 1 d’où x = 0 puisque x est réel. On reporte, on en déduit
eiy = 1, donc y ∈ 2πZ, comme vu plus haut. On a donc bien z ∈ 2iπZ. La réciproque est
immédiate.
0
Corollaire 21. Soient z, z 0 ∈ C. On a ez = ez ⇐⇒ z 0 − z ∈ 2iπZ.
0 0
Démonstration. C’est évident, puisque ez = ez si et seulement si ez−z = 1.
Proposition 22. Tout nombre complexe non nul a est de la forme ez0 , avec z0 ∈ C.
Ses antécédents sont alors les z0 + 2ikπ, avec k ∈ Z.
Démonstration. On écrit a = |a|eiθ où θ est un argument de a. Soit z0 = ln |a| + iθ.

Alors ez0 = a. De plus,
ez = a ⇐⇒ ez = ez0 ⇐⇒ ez−z0 = 1
c’est à dire z − z0 ∈ 2iπZ.

2.6 Application à la linéarisation de sinus et cosinus
Soient m un entier naturel et θ un réel. On écrit

m
e + e−iθ
iθ
m
cos θ =
2
et on développe par la formule du binôme de Newton :

m m
1 X m ikθ −i(m−k)θ 1 X m i(2k−m)θ
cosm θ = e e = e
2m k 2m k
k=0 k=0
On sait par ailleurs que cette quantité est réelle. Elle est donc égale à sa partie réelle. Ainsi,
m
m 1 X m
cos θ = m cos(2k − m)θ
2 k
k=0
La même opération peut bien entendu être réalisée avec un sinus. Il faut alors distinguer
suivant la parité de m.
2.7 Opération inverse : délinéarisation ?
On écrit cette fois-ci la formule de Moivre :

m
m
X m
cos mθ + i sin mθ = (cos θ + i sin θ) = ik cosk θ sinm−k θ
k
k=0
Si l’on veut par exemple cos mθ, il suffit de prendre la partie réelle :
X m
cos mθ = (−1)p cos2p θ sinm−2p θ
2p
0≤2p≤m
De même :
X m
sin mθ = (−1)p cos2p+1 θ sinm−2p−1 θ
2p + 1
0≤2p+1≤m
3 Résolution d’équations algébriques
3.1 Racine carrée d’un nombre complexe

3. RÉSOLUTION D’ÉQUATIONS ALGÉBRIQUES 71
Définition 8. On appelle racine carrée du complexe a tout complexe z tel que z 2 = a.
Proposition 23. Tout nombre complexe non nul possède exectement deux racines
carrées.
√
2
Exemple. Les racines carrées de i sont ± 2 (1 + i).
Démonstration. Soit a = reiθ , r > 0. Soit z = ρeiϕ , ρ > 0. Alors, z 2 = a si et seulement

√
si ρ2 = r et 2ϕ ≡ θ[2π], c’est-à-dire ρ = r et ϕ ≡ 2θ [π]. On trouve donc deux racines
√ θ
carrées de a qui sont ± rei 2 .
3.2 Méthode algébrique
Soit a = x + iy, où x, y ∈ R. Nous allons calculer explicitement les racines carrées de a,

sans passer par les fonctions trigonométriques.
√
Si y = 0, a est réel. Si a > 0,√les racines carrées de a sont ± a. Si, au contraire, a < 0, es
racines carrées de a sont ±i −a.
Supposons maintenant y 6= 0. Soit z = X + iY . Alors z 2 = a si et seulement si
X2 − Y 2 = x

(1)
2XY = y
Supposons (1). On a z 2 = a, donc aussi |z|2 = |a|. De plus, XY est du signe de y. On a

donc  2
 X −Y2 = x
(2) 2
X +Y 2 = |a|
XY du signe de y

Inversement, supposons (2). En additionnant et soustrayant les deux égalités, on obtient
1 1
X 2 = (|a| + x) et Y 2 = (|a| − x)
2 2
Ainsi,
r r
1 1
X=ε (|a| + x) et Y = ε0 (|a| − x)
2 2
où ε, ε0 ∈ {−1, 1}. De plus, la condition de signe impose que εε0 est du signe de y. On en
déduit que
r
1 1
2XY = 2εε0 (|a| + x) (|a| − x)
2 2
r
1
= 2εε0 (|a|2 − x2 )
4
r
0 1 2
= 2εε y
4
= εε0 |y|
= y
Ainsi, si on a (2) alors on a (1). En conclusion, (2) est une condition nécessaire et suffisante
pour que z 2 = a.
Exercice. Calculons les racines carrées de 1+i par la méthode algébrique. Soit z = X +iY .
On a z 2 = 1 + i si et seulement si
 2
 X − Y 2 = 1√
(2) X2 + Y 2 = 2
XY > 0

√ √
On en tire X 2 = 12 ( 2 + 1) et Y 2 = 21 ( 2 − 1). Avec les conditions de signe, on en déduit
!
1 √ 1 √
r r
z=± ( 2 + 1) + i ( 2 − 1)
2 2
3.3 Équation du second degré
Proposition 24. Soient a, b, c trois complexes avec a 6= 0. On considère l’équation
(E) az 2 + bz + c = 0
et son discriminant ∆ = b2 − 4ac. Si ∆ = 0, l’équation (E) a pour unique racine racine

z = −b2a . Sinon, en appelant δ une racine carrée de ∆, l’équation (E) a deux racines
distinctes qui sont −b±δ
2a .
Démonstration. On écrit
b 2 ∆
az 2 + bz + c = a(z + ) −
2a 4a
Ainsi, z est solution de E si et seulement si
2
b δ
(z + )2 =
2a 2a
3. RÉSOLUTION D’ÉQUATIONS ALGÉBRIQUES 73
ou encore
b δ
z+ =±
2a 2a

Exemple. Résolvons l’équation z 2 − (1 + 2i)z + i − 1 = 0. Son discriminant est ∆ = 1.
Nous avons de la chance, le discriminant aurait pu être non réel. Une racine carrée de ∆ est
δ = 1. Les solutions de l’équation sont donc 12 ((1 + 2i) + 1) = 1 + i et 12 ((1 + 2i) − 1) = i.
Corollaire 25. Avec les mêmes notations que dans la proposition précédente, le produit
des racines de (E) est ac et la somme des racines est −b
a .
Démonstration. Il suffit de prendre les expressions des racines données par la proposition
précédente.
Remarque 10. Lorsque ∆ = 0, ce que l’on appelle les racines est en réalité la racine
comptée deux fois. nous parlerons dans cette situation de racine double.
Proposition 26. Soient z, z 0 , s, p ∈ C. On a z + z 0 = s et zz 0 = p si et seulement si

z et z 0 sont les racines de l’équation X 2 − sX + p = 0.
Démonstration. Soient α et β les racines de cette équation. On a α + β = s et αβ = p

d’où l’un des deux sens de l’équivalence. Inversement, supposons z + z 0 = s et zz 0 = p.
z et z 0 sont évidemment les racines de l’équation (X − z)(X − z 0 ) = 0. Mais justement,
(X − z)(X − z 0 ) = X 2 − sX + p.
3.4 Racines nièmes de l’unité
Définition 9. Soit z un complexe et n un entier non nul. On appelle racine nième de

z tout complexe Z tel que Z n = z.
Les racines nièmes de 1 sont appelées les racines nièmes de l’unité.
Proposition 27. L’ensemble, noté Un , des racines nièmes de l’unité est un sous-
groupe du groupe (U, ×) des nombres complexes de module 1.
Démonstration. Si z n = 1, alors |z|n = |1| = 1 donc |z| = 1. Ainsi, Un ⊂ U. Le reste

de la preuve est facile : stabilité par produit car (zz 0 )n = z n z 0n et stabilité par inverse car
1 n
z = z1n .
Proposition 28. Il y a exactement n racines nièmes de l’unité. Précisément,

n 2ikπ o
Un = e n , k ∈ J0, n − 1K
Démonstration. Soit z = eiθ ∈ U. Alors z ∈ Un si et seulement si z n = einθ = 1 c’est à

dire nθ ∈ 2πZ ou encore θ = 2kπ
n où k ∈ Z. Ainsi,
Un = {ξ k , k ∈ Z}
2iπ
où ξ = e n . Soit maintenant k ∈ Z. On effectue la division euclidienne de k par n :
k = nq + r où 0 ≤ r < n. On a alors ξ k = (ξ n )q ξ r = ξ r . Donc,
Un = {ξ k , 0 ≤ k < n}
Enfin, si 0 ≤ i < j < n, alors 0 < i − j < n donc
2π(i − j)
0< < 2π
n
donc ξ i 6= ξ j . L’ensemble Un contient bien exactement n éléments.
Remarque 11. La somme des racines nièmes de l’unité est
ξn − 1
1 + ξ + ξ 2 + · · · + ξ n−1 = =0
ξ−1
puisque ξ n = 1.
Exemple. On a U1 = {1}, U2 = {−1, 1}, U4 = {−1, 1, −i, i}. On a U3 = {1, j, j 2 } où
j = e2iπ/3 . Le nombre j apparaît dans un grand nombre de calculs. Il faut absolument se
souvenir que 1j = j̄ = j 2 , 1 + j + j 2 = 0.
Plus généralement, si l’on dessine Un dans le plan (en identifiant le complexe x + iy et le
point (x, y)), on obtient le polygone régulier à n côtés inscrit dans le cercle unité, dont l’un
des sommets est le point (1, 0).
Exercice. Dessiner U6 .
3.5 Racines nièmes d’un nombre complexe
Proposition 29. Soit z un complexe non nul. Si u est une racine nième de z, alors
l’ensemble des racines nièmes de z est
{uξ, ξ ∈ Un }
4. INTERPRÉTATIONS GÉOMÉTRIQUES 75
w
Démonstration. On a wn = z si et seulement si wn = un , c’est à dire u ∈ Un .
Corollaire 30. Soit z un complexe non nul de module r et d’argument θ. Les racines
nièmes de z sont les complexes
√ θ 2kπ
Zk = k
rei( n + n
)
, k ∈ [|0, n − 1|]
√
Démonstration. C’est clair, puisque k
reiθ/n est clairement une racine nième de z.
Exercice. Calculer les racines cubiques de 2i.
On a 2i = 2eiπ/2 . Une racine cubique de 2i est donc

√
2eiπ/6
3
u=
Les racines cubiques de 2i sont donc
u, ju, j 2 u
où j = e2iπ/3 .
4 Interprétations géométriques
4.1 Points, vecteurs
Nous avons déjà parlé de l’affixe d’un point du plan, qui est un nombre complexe. Nous
pouvons également parler de l’affixe d’un vecteur du plan. Si A(a) et B(b) sont deux points
−−→
du plan d’affixes a, b ∈ C, l’affixe du vecteur AB est le nombre complexe b − a. Nous
noterons éventuellement →−
u (c) lorsque c ∈ C est l’affixe du vecteur →
−
u.
4.2 Somme, produit par un réel
Ces opérations sur les complexes correspondent dans le plan euclidien aux opérations
usuelles sur les vecteurs. Si →−u et →−v ont pour affixes z et z 0 , alors →
−
u +→
−
v a pour af-
0 →
−
fixe z + z . Si, de plus, λ ∈ R, alors λ u a pour affixe λz.
Ces opérations fournissent d’importantes transformations du plan.

Définition 10. Soit →

−
u ∈ R2 . L’application τ− 2 2
u : R → R définie par
→
M 7−→ M + →
−
u
est appelée la translation de vecteur u.
En termes d’affixes, si →
−
u (z0 ), cette application est décrite par
M (z) 7−→ M (z + z0 )
Définition 11. Soit Ω ∈ R2 . Soit λ ∈ R. L’application h : R2 → R2 définie par

−−→
M 7−→ Ω + λΩM
est appelée l’homothétie de centre Ω et de rapport λ.
En termes d’affixes, si Ω(z0 ), cette application est décrite par
M (z) 7−→ M (z0 + λ(z − z0 ))
4.3 Module, Argument
Module et argument représentent respectivement des distances et des angles dans le plan
euclidien. Ainsi, soient A(a) et B(b) deux points du plan. On a
d(A, B) = |b − a|
−−→
Si A(a), B(b) et C(c) sont trois points distincts, l’angle orienté entre les vecteurs AB et
−→
AC est donné par
c−a
θ = arg
b−a
4.4 Produit
C’est l’opération la plus intéressante. Commençons par le produit d’un nombre complexe
par un complexe de module 1 : Soit z ∈ C et θ ∈ R. On a alors :
• |zeiθ | = |z|
• arg(zeiθ ) ≡ arg z + θ mod 2π
4. INTERPRÉTATIONS GÉOMÉTRIQUES 77
Définition 12. Soient Ω(z0 ) un point du plan et θ un réel. L’application
M (z) 7−→ M (z0 + (z − z0 )eiθ )
est appelée la rotation de centre Ω et d’angle θ.
Plus, généralement, la multiplication par un nombre complexe non nul est la composée des
deux opérations suivantes :
• Produit par un nombre complexe de module 1 (rotation)
• Produit par un réel non nul (homothétie)
Définition 13. Soient Ω(z0 ) un point du plan, λ un réel non nul, et θ un réel.
L’application
M (z) 7−→ M (z0 + λ(z − z0 )eiθ )
est appelée la similitude (directe) de centre Ω, de rapport λ et d’angle θ.
Plus généralement, on appelle similitude (directe) du plan toute application
M (z) 7−→ M (az + b)
où a, b ∈ C, a 6= 0.
Proposition 31. Les similitudes directes sont

• Les translations.
• Les similitudes « à centre ».
Démonstration. Pour alléger les notations, nous confondons dans ce qui suit les points
et leurs affixes.
Soient a, b ∈ C, a 6= 0. Soit
f : z 7−→ az + b
la similitude correspondante. Il y a deux cas à considérer.
Si a = 1, l’application f est une translation.
Supposons maintenant a 6= 1. Soit ω ∈ C. On a f (ω) = ω si et seulement si
b
ω=
1−a
L’application f a donc un unique point fixe. Mais alors, pour tout z ∈ C,
f (z) − ω = f (z) − f (ω) = a(z − ω)
f est donc la similitude de centre ω, de rapport |a| et d’angle arg a.
Proposition 32. Les similitudes conservent les angles.
Démonstration. On pose f (z) = az + b, avec a 6= 0. Soient u, v, w ∈ C distincts. On a

alors
f (w) − f (u) aw + b − (au + b) w−u
= =
f (v) − f (u) av + b − (au + b) v−u
Les arguments de ces quantités sont donc égaux, et f conserve les angles.
On peut en fait prouver le résultat plus général suivant :
Proposition 33. Soit f : R2 → R2 une application injective. Alors, f conserve les

angles si et seulement si f est une similitude directe.
Démonstration. Seul le sens direct est à prouver. Supposons donc que f est une injection
qui conserve les angles. Posons
f (z) − f (0)
g(z) =
f (1) − f (0)
L’application g est encore une injection, et conserve toujours les angles. De plus, g(0) = 0
et g(1) = 1.
Soit z ∈ C \ R. On considère l’angle formé par 1, 0 et z. Cet angle étant conservé par g,
on a donc
g(z) − 0 z−0
arg = arg
1−0 1−0
Donc, g(z) = λz, où λ ∈ R∗+ . De même, l’angle formé par 0, 1 et z est conservé, donc
g(z) − 1 z−1
arg = arg
0−1 0−1
Il existe donc µ ∈ R∗+ tel que 1 − g(z) = µ(1 − z). D’où
1 − λz = µ(1 − z)
1 − µ = (λ − µ)z
Mais comme on a supposé z non réel, on a nécessairement λ = µ = 1, d’où g(z) = z.

Si z est réel, on recommence avec 0,i et z (on sait maintenant que g(i) = i). Finalement,
on a g(z) = z pour tout complexe z. Donc, f (z) = az + b, où a = f (1) − f (0) 6= 0 et
b = f (0). L’application f est donc une similitude directe.
Chapitre 6
Nombres réels
79
80 CHAPITRE 6. NOMBRES RÉELS
1 Le corps des réels
1.1 Corps ordonnés
Définition 1. Soit K un corps. On suppose que K est partitionné en trois parties

disjointes : K = P ∪ N ∪ {0}. On dit que K est un corps ordonné lorsque
• P est stable pour l’addition et la multiplication.
• Pour tout élément x de K, on a x ∈ P si et seulement si −x ∈ N .
√
Exemple. Q, R, {a + b 2, a, b ∈ Q} sont des corps ordonnés lorsqu’on prend pour P
l’ensemble des éléments strictement positifs du corps et pour N l’ensemble des éléments
strictement négatifs.
On suppose jusqu’à la fin de cette section que K est un corps ordonné.
Proposition 1. Soient x, y ∈ K. On a
• x, y ∈ P =⇒ xy ∈ P
• x, y ∈ N =⇒ xy ∈ P
• x ∈ P, y ∈ N =⇒ xy ∈ N
Démonstration. Par exemple, si x ∈ P et y ∈ N , on a −(xy) = x(−y) ∈ P donc

xy ∈ N .
Proposition 2. On a
• ∀x ∈ K, x2 ∈ P
• 1 ∈ P, −1 ∈ N
1
• ∀x ∈ K, x ∈ P ⇐⇒ x ∈P
Démonstration. Si x ∈ P, on a x2 = xx ∈ P. De même si x ∈ N . Pour le second point,

1 = 12 ∈ P. Pour le dernier point, on a x x1 = 1 ∈ P donc x et x1 sont tous les deux dans
P ou tous les deux dans N .
Proposition 3. On a ∀x, y ∈ N , x + y ∈ N
Démonstration. Car x + y = −((−x) + (−y)).

1. LE CORPS DES RÉELS 81
Définition 2. Pour x, y ∈ K, on pose
x < y ⇐⇒ y − x ∈ P
et
x ≤ y ⇐⇒ x < y ou x = y
On définit de même x > y et x ≥ y.
Remarque 1. Pour tout élément x de K, on a donc x > 0 si et seulement si x ∈ P, et

x < 0 si et seulement si x ∈ N . Les propositions ci-dessus nous indiquent donc que la règle
des signes est vraie dans K, que tout carré est positif, que l’inverse d’un élément positif est
positif, etc.
Proposition 4. La relation ≤ est un ordre total sur K.
Démonstration.
• La réflexivité est évidente.
• Si x < y alors y − x ∈ P donc x − y 6∈ P. Ainsi, si x ≤ y et y ≤ x, on a x = y d’où
l’antisymétrie.
• Si x < y et y < z alors z − x = (z − y) + (y − x) ∈ P donc x < z d’où la transitivité.
• Soient enfin x, y ∈ K. y − x est soit dans N auquel cas y < x, soit dans P auquel
cas x < y soit nul auquel cas x = y. L’ordre est total.
Proposition 5. Pour tous éléments x, y, z de K, on a

• x < y ⇐⇒ x + z < y + z
• Si z > 0, alors x < y ⇐⇒ xz < yz
• Si z < 0, alors x < y ⇐⇒ xz > yz
Démonstration. Supposons x < y. Alors
(y + z) − (x + z) = y − x ∈ P
donc x + z < y + z. La réciproque et les autres points se démontrent de façon identique.

Remarque 2. On ne peut pas munir C d’une structure de corps ordonné. En effet −1 = i2 ,
or −1 < 0 et tout carré est positif.
1.2 Valeur absolue
Définition 3. Pour tout x ∈ K, on a appelle valeur absolue de x, et on note |x|,

l’élément de K
|x| = max(−x, x)
Remarque 3. On bien sûr |x| = x si x ≥ 0 et |x| = −x si x ≤ 0.
Proposition 6. La valeur absolue vérifie les propriétés suivantes :

• ∀x ∈ K, |x| ≥ 0.
• ∀x ∈ K, |x| = 0 ⇐⇒ x = 0.
• ∀x, y ∈ K, |xy| = |x||y|.
• ∀x, y ∈ K, |x + y| ≤ |x| + |y|.
• ∀x, y ∈ K, ||x| − |y|| ≤ |x − y|.
Démonstration. Seules les inégalités sont non triviales. Soient x, y ∈ K. On On a

−|x| ≤ x ≤ |x| et − |y| ≤ y ≤ |y|
En ajoutant on obtient
−|x| − |y| ≤ x + y ≤ |x| + |y|
Passant à l’opposé dans ces inégalités, on a aussi
−|x| − |y| ≤ −(x + y) ≤ |x| + |y|
Mais |x + y| est l’un des deux réels x + y, −(x + y). Donc
|x + y| ≤ |x| + |y|
Passons à l’autre inégalité. On écrit x = x − y + y. De là,

|x| = |(x − y) + y| ≤ |x − y| + |y|
d’où
|x| − |y| ≤ |x − y|
En échangeant les rôles de x et y, on a aussi
|y| − |x| ≤ |y − x| = |x − y|
Comme ||x| − |y|| est l’un des deux réels |x| − |y|, |y| − |x|, on en déduit
||x| − |y|| ≤ |x − y|

2. BORNE SUPÉRIEURE 83
2 Borne supérieure
2.1 Notion de borne supérieure
Définition 4. Soit (E, ≤) un ensemble ordonné. Soit A ⊂ E. On appelle borne

supérieure de A le plus petit élément, lorsqu’il existe, de l’ensemble des majorants de
A.
On définit de même la notion de borne inférieure.
En d’autres termes, la borne supérieure M de l’ensemble A est caractérisée par

• ∀x ∈ A, x ≤ M .
• ∀y < M, ∃x ∈ A, y < x.
Notation. On note A+ (resp. A− ) l’ensemble des majorants (resp. minorants) de A. On
note sup A la borne supérieure de A, lorsqu’elle existe. De même on note inf A sa borne
inférieure.
Lorsque la borne supérieure de A existe, on a donc
sup A = min A+
De même, si la borne inférieure de A existe, alors
inf A = max A−
Proposition 7. Si A possède un plus grand élément, alors A possède une borne supé-
rieure, et sup A = max A. La réciproque est fausse.
Démonstration. Soit a = max A. Soit A+ l’ensemble des majorants de A. Soit y ∈ E.

Supposons a ≤ y. Alors, pour tout x ∈ A, x ≤ a ≤ y, donc x ≤ y. Ainsi, y ∈ A+ .
Inversement, soit y ∈ A+ . Comme a ∈ A, on a a ≤ y. Ainsi, y ∈ A+ si et seulement si
a ≤ y. Donc, A+ a un plus petit élément : a.
Exemple.
• On se place sur R muni de l’ordre usuel. On a
sup[0, 1] = 1
sup[0, 1[= 1
R+ n’a pas de borne supérieure.
• On se place dans RR muni de l’ordre usuel. Soientt f, g ∈ RR , et A = {f, g}.

L’ensemble A n’a pas, en général, de plus grand élément (prendre par exemple
f (x) = sin x et g(x) = cos x). En revanche, A a une borne supérieure. C’est la
fonction h définie par h(x) = max(f (x), g(x)) pour tout réel x. Cette fonction est
notée sup(f, g).
Remarque 4. Soit A une partie de l’ensemble R. Supposons que A possède une borne
supérieure. Alors :
• A est évidemment majorée puisque, par définition de la borne sup, l’ensemble des
majorants de A possède un plus petit élément (et donc, possède un élément !).
• A est non vide. En effet, tout réel majore l’ensemble vide, et R n’a pas de plus petit
élément.
Ainsi, si A possède une borne supérieure, alors A est non vide et majorée. Nous verrons
que dans le cas des réels la réciproque est vraie.
Exemple. On se place dans Q. Soit
A = x ∈ Q∗+ , x2 ≤ 2

Montrons que A est non vide et majorée, mais que A ne possède pas de borne supérieure.
L’ensemble A est clairement non vide puisque 1 ∈ A. De même, pour tout x ∈ A, on a
x2 ≤ 2 ≤ 22
donc x ≤ 2 et A est majoré. Supposons que A possède une borne supérieure α. Nous allons
montrer que α2 = 2, ce qui est impossible car il n’existe pas de rationnel dont le carré vaut
2.
• Tout d’abord, supposons α2 < 2. Soit h un rationnel tel que
2 − α2
0<h<
2α + 1
On a
(α + h)2 = α2 + h(2α + h) < α2 + h(2α + 1) < 2
Ainsi, α + h ∈ A ce qui n’est pas possible puisque α majore A. Donc, α2 ≥ 2.
• Supposons maintenant que α2 > 2. Soit h un rationnel vérifiant
α2 − 2
0<h<
2α
On a
(α − h)2 = α2 − 2αh + h2 > α2 − 2αh > α2 − (α2 − 2) = 2
Pour tout x ∈ A, x2 ≤ 2 ≤ (α − h)2 , donc x ≤ α − h. Ceci n’est pas possible. En
effet α − h ne majore pas A puisque α est le plus petit majorant de A.
Remarque 5. Dans tout ce qui suit, on ne parlera que de borne sup. Il existe évidemment
des propriétés identiques pour la borne inférieure, que l’on obtient par exemple en passant
à l’opposé.
2.2 Le Théorème fondamental
Théorème 8. Il existe un corps K totalement ordonné contenant Q, et tel que toute

partie non vide et majorée de K possède une borne supérieure. Un tel corps est unique
à isomorphisme près.
On choisit un tel corps, et on l’appelle R. Lequel ? Cela n’a pas d’importance, puisque tous
ces corps sont isomorphes.
Remarque 6. Reprenons l’exemple du paragraphe précédent, mais dans R au lieu de Q.
Soit donc A = {x ∈ R+ , x2 ≤ 2}. A est non vide et majorée, donc A possède une borne
supérieure α. La même démonstration que ci-dessus nous prouve que α2 = 2. Nous avons
donc prouvé l’existence d’un réel α > 0 tel que α2 = 2. Si l’on remplace 2 par un réel t > 0
quelconque une démonstration identique nous dira que tout réel positif possède une racine
carrée positive.
Exercice. Montrer l’unicité de la racine carrée positive d’un réel positif.
2.3 La droite réelle achevée
Pour simplifier certaines discussions dans le cours, on rajoute ici à R deux éléments, notés
+∞ et −∞, pour fabriquer ce que l’on appelle la droite réelle achevée, notée R.On va voir
que toute partie de R posséde une borne supérieure. En contrepartie, les opérations ne sont
plus que partiellement définies.
Définition 5. On appelle droite numérique achevée l’ensemble R = R ∪ {−∞, +∞}

où −∞ et +∞ sont deux objets sans signification.
On étend ensuite les opérations et l’ordre sur R à R.
Définition 6. On étend l’ordre de R à R en posant, pour tout réel x, −∞ < x < +∞.
Définition 7. On étend partiellement l’addition de R à R par le tableau suivant :
+ −∞ y ∈ R +∞
−∞ −∞ −∞ N.D.
x ∈ R −∞ x + y +∞
+∞ N.D. +∞ +∞
Définition 8. On étend partiellement la multiplication de R à R par le tableau

suivant :
× −∞ y ∈ R∗− 0 y ∈ R∗+ +∞
−∞ +∞ +∞ N.D. −∞ −∞
∗
x ∈ R− +∞ xy 0 xy −∞
0 N.D. 0 0 0 N.D.
x ∈ R∗+ −∞ xyy 0 xy +∞
+∞ −∞ −∞ N.D. +∞ +∞
Remarque 7. On peut également convenir que l’inverse des infinis est 0. En revanche
l’inverse de 0 pose problème d’un point de vue algébrique à cause d’une ambiguité de signe.
Proposition 9. Toute partie de R possède une borne supérieure.
Démonstration. Soit A ⊂ R.
• Si A = ∅, alors sup A = −∞. Sinon :
• Si +∞ ∈ A, alors A possède un plus grand élément, qui est aussi sa borne supé-
rieure : +∞.
• Si A = {−∞}, alors sup A = −∞.
• Sinon A \ {−∞} est une partie non vide de R. Si cette partie est majorée dans R
elle possède une borne supérieure réelle. Sinon, sup A = +∞.

Les cas intéressants pour nous sont ceux où A est une partie non vide de R : Si A est
majorée, alors A possède une borne supérieure réelle. Si A n’est pas majorée, alors sup A =
+∞.
Remarque 8. Soit A une partie non vide de R. Soit a ∈ A. Alors, les majorants de A
sont plus grands que a, les minorants de A sont plus petits que a, et donc
inf A ≤ sup A
2.4 Propriété d’Archimède
Proposition 10. Soient a et b deux réels positifs, avec b 6= 0. Il existe alors un entier
naturel n tel que nb > a.
Démonstration. On suppose le contraire. L’ensemble
E = {nb, n ∈ N}
est alors une partie de R, non vide, et majorée par a. Elle possède une borne supérieure
M . Mais alors, M − b n’est pas un majorant de E. On peut donc trouver un entier n tel
que nb > M − b. D’où (n + 1)b > M ce qui contredit le fait que M majore E.
Corollaire 11. Soient a et b deux réels, b > 0. Il existe un unique entier relatif n tel
que
nb ≤ a < (n + 1)b
Démonstration.
• Supposons d’abord a ≥ 0. Soit E l’ensemble des entiers naturels n tels que nb > a.
C’est une partie de N, non vide d’après la proposition précédente. Donc E a un plus
petit élément m. L’entier n = m − 1 répond à la question.
• Supposons maintenant a < 0. Alors, −a > 0 et il existe donc un entier n tel que
nb ≤ −a < (n + 1)b. Si a 6= nb, l’entier −n − 1 répond à la question. Sinon,
l’entier −n répond à la question. Pour l’unicité, on suppose que deux entiers m et
n conviennent. On a nb ≤ a < (m + 1)b d’où n < m + 1 et donc n ≤ m. De même
m ≤ n et donc m = n.

Une application importante de ce théorème est obtenue avec b = 1.
2.5 Partie entière, Approximations décimales
Définition 9. Soit a ∈ R. On appelle partie entière de a l’unique entier relatif n tel

que n ≤ a < n + 1. On note E(a) ou bac la partie entière de a.
Remarque 9. La partie entière de a est caractérisée par bac ∈ Z et bac ≤ a < bac + 1.
Remarque 10. On peut de la même façon définir le plafond de a, le plus petit entier
supérieur ou égal à a. Il est caractérisé par dae ∈ Z et dae < a ≤ dae + 1.
Proposition 12. Soit a un nombre réel. Il existe un unique entier relatif p tel que
p p 1
≤a< n + n
10n 10 10
Démonstration. On a b10n ac ≤ 10n a < b10n ac + 1. En posant p = E(10n a), on a le

résultat.
Remarque 11. L’ensemble n p o
D= , p ∈ Z
10n
est appelé l’ensemble des nombres décimaux. On vérifie facilement que la somme et le pro-
duit de deux nombres décimaux sont encore des nombres décimaux. En revanche, l’inverse
d’un nombre décimal non nul n’est pas forcément décimal.
Définition 10. Soit a un nombre réel et n ∈ N. On appelle valeur approchée de a à

10−n près par défaut tout réel x tel que x ≤ a ≤ x + 10−n .
On définit de même une valeur approchée de a à 10−n près par excès comme tout réel
x tel que x − 10−n ≤ a ≤ x.
Si on réinterprète le le résultat de la proposition précédente en termes de valeurs appro-

chées, on obtient donc
n
Proposition 13. Le nombre décimal b10 ac
10n est une valeur approchée de a à 10
−n près
n
par défaut. Le nombre décimal b10 ac 1
10n + 10n est une valeur approchée de a à 10
−n près
par excès.
Exemple.
• 3.14 est une valeur approchée de π√à 10−2 près par défaut.
• 1.415 est une valeur approchée de 2 à 10−3 près par excès.
2.6 Densité des rationnels et des irrationnels
Définition 11. Soit A ⊂ R. On dit que A est dense dans R lorsque pour tous x, y ∈ R
tels que x < y, il existe a ∈ A tel que x < a < y.
Remarque 12. Soit A une partie dense de R. Soient x, y ∈ R tels que x < y. Il existe
a1 ∈ A tel que x < a1 < y. On peut réutiliser la densité avec x et a1 : il existe a2 ∈ A tel
que x < a2 < a1 < y. Etc. Entre deux réels distincts, il existe donc une infinité d’éléments
de A.
Proposition 14.
• Q est dense dans R.

• R \ Q est dense dans R.
Démonstration. Soient x, y ∈ R tels que x < y.

• Par la propriété d’Archimède, il existe q ∈ N∗ tel que q > 1
y−x , d’où
1
0< <y−x
q
Toujours d’après Archimède, il existe p ∈ Z tel que
p−1 p
≤x<
q q
La première inégalité s’écrit aussi
p 1
≤ x + < x + (y − x) = y
q q
Donc x < pq < y.

√ √
• Appliquons ce qui précède à x + 2 et y + 2. Il existe a ∈ Q tel que
√ √
x+ 2<a<y+ 2
et donc √
x<a− 2<y
√
Or, a − 2 ∈ R \ Q.

Remarquons pour terminer que la propriété de densité peut s’écrire de bien des manières.
Proposition 15. Soit A ⊂ R. On a équivalence entre

(i) A est dense dans R.
(ii) Pour tout x ∈ R, pour tout ε > 0, il existe a ∈ A tel que |x − a| ≤ ε.
(iii) Tout réel est la limite d’une suite d’éléments de A.
Démonstration. Supposons (i). Soient x ∈ R et ε > 0. Par la densité de A, il existe

a ∈ A tel que x − ε < a < x + ε. D’où (ii).
Supposons (ii). Pour tout n ≥ 1, il existe an ∈ A tel que |x − an | ≤ n1 . Nous verrons dans
le chapitre sur les suites que cela entraîne la convergence de an vers x lorsque n tend vers
l’infini. D’où (iii).
Supposons (iii). Soient x, y ∈ R tels que x < y. Il existe une suite (an )n∈N d’éléments de
A qui converge vers z = x+y
2 . Nous verrons dans le chapitre sur les suites que cela entraîne
que pour tout entier n suffisamment grand,
y−x
|an − z| <
2
Pour un tel entier n, on a alors
x+y y−x x+y y−x
x= − < an < + =y
2 2 2 2
D’où (i).
Exercice. Montrer que l’ensemble des nombres décimaux est dense dans R.
3 Intervalles
3.1 Notion d’intervalle
On distingue diverses familles d’intervalles de R :
• Les intervalles bornés, qui peuvent être de 4 sortes : [a, b], [a, b[, ]a, b], ou ]a, b[, où a
et b sont deux réels. L’ensemble vide est donc a priori un intervalle. Les singletons
aussi. Un cas important est celui des intervalles de la forme [a, b], appelés aussi
segments.
• Les intervalles non bornés, qui peuvent être de 5 types : ] − ∞, b], ] − ∞, b[, ]a, +∞[,
[a, +∞[ et ] − ∞, +∞[= R.
Parmi les intervalles, certains sont ouverts, d’autres sont fermés. Précisément, ∅ et R sont
à la fois ouverts et fermés. À part ces deux cas bizarres, sont ouverts les intervalles du type
]a, b[, ] − ∞, b[, ]a, +∞[. Sont fermés les intervalles du type [a, b], ] − ∞, b], [a, +∞[.
Les intervalles du type [a, b], où −∞ < a ≤ b < +∞ jouent un rôle particulier. On les
appelle des segments.
3.2 Parties convexes
Définition 12. Soit A une partie de R. On dit que A est convexe lorsque pour tous
éléments x et y de A, avec x ≤ y, le segment [x, y] est inclus dans A.
3. INTERVALLES 91
Proposition 16. Soit A une partie de R. Alors A est convexe si et seulement si A

est un intervalle.
Démonstration. Il est évident que tout intervalle est convexe (10 cas).
Inversement, soit A une partie convexe de R. Si A est vide, c’est bien un intervalle. Sup-
posons donc A non vide. Prenons par exemple le cas où A est minorée et pas majorée.
Alors A possède une borne inférieure, que l’on va noter a. On va prouver que A = |a, +∞[,
ouvert ou fermé en a.
• Montrons que ]a, +∞[⊂ A : soit z > a. Par maximalité de a, z n’est donc pas un
minorant de A. Il existe ainsi x ∈ A tel que x < z. z n’est pas non plus majorant
de A, vu que A n’est pas majorée. Donc, il existe y ∈ A tel que z < y. Mais A est
convexe, donc [x, y] ⊂ A. Or, z ∈ [x, y], donc z ∈ A.
• Montrons que A ⊂ [a, +∞[ : a minore A, donc pour tout z de A, on a a ≤ z. D’où
le résultat.

Chapitre 7
Suites réelles et complexes
93
94 CHAPITRE 7. SUITES RÉELLES ET COMPLEXES
Une suite à valeurs dans l’ensemble E est une application u : N → E. Dans ce chapitre
nous considérerons tout d’abord des suites à valeurs dans R. Puis nous regarderons si les
résultats obtenus peuvent être étendus aux suites à valeurs dans C.
L’image de l’entier n par la suite u est appelée le nième terme de la suite. Cette image est
notée très souvent un au lieu de u(n).
La suite u est aussi notée (un )n∈N .
On considère parfois des suites « démarrant au rang n0 », c’est à dire des applications
u : [n0 , +∞[→ E.
1 Limite d’une suite
1.1 Limite réelle
Définition 1. Soit u une suite réelle. Soit ` ∈ R. On dit que la suite u tend vers `
lorsque
∀ε > 0, ∃N ∈ N, ∀n ∈ N, n ≥ N =⇒ |un − `| ≤ ε
Le réel ` est alors appelé une limite de la suite u.
Notation. On note u −→ ` ou, de façon plus compliquée, un −→ `.

n→∞
Exemple. La suite de terme général

3n − 1
un =
n2 + 5
3
tend vers 0. Soit pour cela ε > 0. Alors, |un | ≤ ε dès que n ≤ ε, puisque 3n − 1 ≤ 3n et
n2 + 5 ≥ n2 . Donc, en posant
3
N= +1
ε
on a pour tout n ≥ N l’inégalité |un | ≤ ε.
Exemple. Montrons que la suite de terme général
2n − 1
un =
3n + 5
tend vers 23 .
Pour cela, remarquons que pour tout n ∈ N,
2 2n − 1 2 13
un − = − =−
3 3n + 5 3 3(3n + 5)
1. LIMITE D’UNE SUITE 95
Ainsi,
2 13 18 2
un − = ≤ =
3 3(3n + 5) 9n n
Soit ε > 0. Soit N ∈ N tel que N ≥ 2ε . On a alors pour tout n ≥ N ,
2 2 2
un − ≤ ≤ ≤ε
3 n N
Voici une suite d’une grande importance.
Proposition 1. Soit q un réel vérifiant |q| < 1. Alors, q n tend vers 0 lorsque n tend
vers l’infini.
1
Démonstration. Soit ε > 0. Posons |q| = 1 + h, où h > 0. Alors,
1
= (1 + h)n ≥ 1 + nh
|q|n
Donc, |q n | ≤ ε dès que

1 1
n
≥
|q| ε
c’est à dire dès que
1
ε −1
n≥
h
Proposition 2. Une suite possède au plus une limite.
Démonstration. Soit u une suite. Supposons que u tend vers ` et aussi vers `0 . Soit
ε > 0. Il existe un entier N 0 tel que pour tout n ≥ N 0 ,
|un − `| ≤ ε/2
et un entier N 00 tel que pour tout n ≥ N 00 ,
|un − `0 | ≤ ε/2
Soit N = max(N 0 , N 00 ). On a
|` − `0 | ≤ |` − uN | + |uN − `0 | ≤ 2ε/2 = ε
Ceci est vrai pour tout ε > 0. On en déduit que |` − `0 | = 0, c’est à dire ` = `0 .
Nous avons dans la démonstration ci-dessus utilisé un argument très fréquent en analyse.
Si x est un réel positif ou nul qui est plus petit que tous les réels strictement positifs, alors
x = 0. Plus mathématiquement,
(∀ε > 0, 0 ≤ x ≤ ε) =⇒ x = 0
En effet, en supposant un court instant x > 0 et en prenant ε = x2 , on obtient x ≤ x2 , d’où

1 ≤ 21 , contradiction.
Remarque 1. Si une suite u tend vers un réel `, alors ` est LA limite de la suite u. On
peut alors noter
` = lim un
n→∞
ou, plus simplement, ` = lim u.
Définition 2. Une suite est dite convergente lorsqu’elle a une limite réelle. Sinon, on
dit qu’elle est divergente.
1.2 Suites bornées, valeurs absolues
Rappelons que la suite réelle u est bornée si et seulement si il existe m, M ∈ R tels que
∀n ∈ N, m ≤ un ≤ M
L’inconvénient de cette définition est qu’elle nous oblige à montrer deux inégalités. Pour
simplifier le travail, nous avons le résultat suivant.
Proposition 3. Soit u une suite réelle. La suite u est bornée si et seulement si il

existe M ∈ R tel que
∀n ∈ N, |un | ≤ M
Démonstration. Laissée en exercice.
Proposition 4. Toute suite convergente est bornée. La réciproque est fausse.
Démonstration. Supposons que u → ` ∈ R. Il existe un entier N tel que pour tout

n ∈ N on ait
n ≥ N =⇒ |un − `| ≤ 1
et donc
|un | ≤ 1 + |`|
On en déduit que pour TOUT entier n,

|un | ≤ max(|u0 |, |u1 |, . . . , |uN −1 |, 1 + |`|)
Il est facile de trouver des suites bornées divergentes, comme par exemple la suite ((−1)n )n≥0 .
Proposition 5.
• Soient u une suite bornée et v une suite qui tend vers 0. Alors, la suite uv tend
vers 0.
• Soit u une suite qui tend vers ` ∈ R. Alors, |u| tend vers |`|.
• Une suite u tend vers 0 si et seulement si sa valeur absolue tend vers 0.
Démonstration.
• Soient u une suite bornée et v une suite qui tend vers 0. Il existe donc un réel M > 0
tel que pour tout entier n, |un | ≤ M . Soit ε > 0. Il existe un entier N tel que pour
tout n ≥ N , |vn | ≤ ε/M . Mais alors
ε
|un vn | ≤ M =ε
M
• Supposons que u tend vers `. On a pour tout entier n
||un | − |`|| ≤ |un − `|
donc |u| tend vers |`|.
• Enfin, ||un | − |0|| = |un − 0| d’où l’équivalence lorsque la suite tend vers 0.
Proposition 6. Soient u et v deux suites. On suppose que v −→ 0, et que pour tout

n assez grand, |un | ≤ vn . Alors u −→ 0.
Démonstration. Soit ε > 0. Il existe N tel que pour tout n ≥ N , on ait |vn | ≤ ε. Soit
N 0 tel que pour tout n ≥ N 0 on ait |un | ≤ vn . Alors, pour tout n ≥ max(N, N 0 ), on a
|un | ≤ ε. Donc, u tend vers 0.
1.3 Limite infinie
Définition 3. Soit u une suite réelle. On dit que la suite tend vers +∞ lorsque
∀M ∈ R, ∃N ∈ N, ∀n ∈ N, n ≥ N =⇒ un ≥ M
On définit de même une suite tendant vers −∞.

n +5 2
Exemple. La suite de terme général un = 3n−1 tend vers +∞. On remarque pour cela
que pour tout n ≥ 1,
n2 n
un ≥ =
3n 3
donc un ≥ M dès que n ≥ 3M .
Le cas des suites géométriques est à citer.
Proposition 7. Soit q un réel, q > 1. Alors q n tend vers +∞.
Démonstration. Posons en effet q = 1 + h, où h > 0. Alors,
q n = (1 + h)n ≥ 1 + nh
M −1
Étant donné un réel M , on a donc q n ≥ M dès que n ≥ h .
Proposition 8. Une suite possède au plus une limite, finie ou infinie.
Démonstration. Une suite convergente est bornée, alors qu’une suite qui tend vers
l’infini ne l’est pas. Une suite ne peut pas tendre à la fois vers l’infini, et vers une limite
finie. Une suite qui tend vers +∞ a son terme général supérieur à 1 pour n assez grand.
Une telle suite ne peut donc pas tendre vers −∞. Enfin, on a déjà vu qu’une suite ne peut
pas tendre vers deux réels distincts.
1.4 Opérations sur les limites
Proposition 9. Soient u et v deux suites réelles. On suppose que un −→ ` et vn −→ `0

lorsque n −→ ∞. Soit λ ∈ R. Alors :
• u + v −→ ` + `0 .
• uv −→ ``0 .
• λu −→ λ`.
Démonstration.
• On a
|(un + vn ) − (` + `0 )| ≤ |un − `| + |vn − `0 | ≤ ε
dès que
|un − `| ≤ ε/2
et
|vn − `0 | ≤ ε/2
ce qui est le cas pour n assez grand.
• Plus subtil,
|un vn − ``0 | = |un (vn − `0 ) + `0 (un − `)| ≤ |un ||vn − `0 | + |`0 ||un − `|
La suite u converge, donc la suite |u| est majorée par un réel M > 0. On a pour
tout n ∈ N,
|un vn − ``0 | ≤ ε
dès que
ε
|un − `| ≤
2(|`0 |+ 1)
et
ε
|vn − `0 | ≤
2M
ce qui est le cas pour n assez grand.
• En ce qui concerne le produit par λ, preuve laissée en exercice.

Remarque 2. Notons RN c l’ensemble des suites réelles convergentes. Le résultat ci-dessus
nous apprend des choses sur la structure algébrique de cet ensemble. Il est stable pour
l’addition, le produit, et le produit par un nombre réel. Nous avons là ce que l’on appelle
une R-algèbre. De plus, l’application
lim : RN
c →R
vérifie :
• ∀u, v ∈ RNc , lim(u + v) = lim u + lim v.
• ∀u, v ∈ RNc , lim(uv) = lim u lim v.
• ∀u ∈ Rc , ∀λ ∈ R, lim(λu) = λ lim u.
N
L’application lim est un morphisme d’algèbres.
Proposition 10. Les résultats ci-dessus restent vrais pour des limites infinies, à condi-
tion de ne pas être dans un cas d’indétermination.
Remarque 3. Les indéterminations en question sont ∞ − ∞ et 0 × ∞. Se reporter aux

tableaux des opérations sur la droite réelle achevée.
∗
Proposition 11. Soit u une suite tendant vers ` ∈ R+ . Alors :
• Il existe un réel m > 0 et un entier n0 tels que ∀n ≥ n0 , un ≥ m.

• u1 tend vers 1` lorsque n tend vers l’infini.
Démonstration. Faisons la preuve pour ` ∈ R∗+ . On applique la définition de limite avec

ε = 2` : pour tout n assez grand, on a
` 3
≤ un ≤ `
2 2
D’où le premier point en posant
`
m=
2
Puis, pour n assez grand,
1 1 |un − `| |un − `|
| − |= ≤
un ` |un |` m`
qui est inférieur à tout ε > 0 pourvu que
|un − `| ≤ m`ε
1
Proposition 12. Soit u une suite strictement positive tendant vers 0. Alors, u tend
vers +∞ lorsque n tend vers l’infini.
Proposition 13. Soit u une suite tendant vers ` ∈ R. Soit f une fonction définie au
voisinage de `, et telle que f (x) → `0 ∈ R lorsque x tend vers `. Alors, f (un ) tend vers
`0 lorsque n tend vers l’infini.
Nous admettons pour l’instant ce théorème, puisque la notion de limite pour les fonctions
n’a pas encore été abordée de façon théorique. On l’utilisera sur des cas simples.
Exemple. Si un −→ −∞, alors eun −→ 0 puisque la limite de l’exponentielle en −∞ est
nulle.
Exemple. Soit u la suite définie par récurrence par u0 = 0, et
√
∀n ≥ 0, un+1 = 1 + un
√ √
Supposons que u converge vers un réel `. Alors, 1 + un converge vers 1 + `. Nous verrons
un peu plus loin (suites extraites) que (un+1 )n≥0 converge aussi vers `. Par unicité de la
limite, il vient √
`= 1+`
Ainsi, ` ≥ 0 et
`2 − ` − 1 = 0
√
1+ 5
Le seul réel ` ≥ 0 vérifiant cette égalité est le nombre d’or 2 . Ainsi, SI la suite converge,
√
1+ 5
c’est forcément vers 2 .
Bien entendu, il resterait à prouver que cette suite converge. Mais ceci est une autre
histoire.
1.5 Limites et ordre
Proposition 14. Soient u et v deux suites tendant respectivement vers les réels achevés
` et `0 . On suppose que pour tout entier n assez grand, on a un ≤ vn . Alors, ` ≤ `0 .
Démonstration. Soit ε > 0. Il existe trois entiers N, N 0 , N 00 tels que
∀n ≥ N, |un − `| ≤ ε
∀n ≥ N 0 , |vn − `0 | ≤ ε
et
∀n ≥ N 00 , un ≤ vn
On a donc pour tout n ≥ max(N, N 0 , N 00 ),
` − ε ≤ un ≤ vn ≤ `0 + ε
Ainsi,
` ≤ `0 + 2ε
ceci pour tout ε > 0. D’où ` ≤ `0 .
Ne pas confondre ce résultat (passage à la limite dans une inégalité) avec le suivant (théo-
rème d’encadrement)
Théorème 15. Soient u, v, w trois suites réelles. On suppose que u et w convergent

vers une même limite réelle ` et que, de plus, la double inégalité un ≤ vn ≤ wn est
vérifiée pour tout n assez grand. Alors, la suite v converge vers `.
Démonstration. Soit ε > 0. On a pour tout n assez grand
` − ε ≤ un ≤ vn ≤ wn ≤ ` + ε
d’où le résultat.
Théorème 16. Soient u, v deux suites réelles. On suppose que u tend vers +∞ et que,
de plus, l’inégalité un ≤ vn est vérifiée pour tout n assez grand. Alors, la suite v tend
vers +∞.
Démonstration. Soit M ∈ R. On a pour tout n assez grand M ≤ un ≤ vn .

Exemple. Soit
2 n
X 1
un =
k
k=1
On a
n+1
2X
1 1
un+1 − un = ≥
k 2
k=2n +1
1
Minorer chaque terme de la somme par 2n+1 et remarquer que cette somme comporte 2n
termes. Il en résulte, par exemple par récurrence sur n, que
n
un ≥
2
Ainsi un tend vers +∞ lorsque n tend vers l’infini.
1.6 Suites extraites
Définition 4. Soit u une suite. On appelle suite extraite de u toute suite v pour
laquelle pour tout n vn = uϕ(n) , où ϕ est une fonction strictement croissante de N vers
N.
Lemme 17. Soit ϕ : N → N une fonction strictement croissante. On a
∀n ∈ N, ϕ(n) ≥ n
Démonstration. On fait une récurrence sur n. Tout d’abord, ϕ(0) ∈ N et donc ϕ(0) ≥ 0.
Soit n ∈ N. Supposons ϕ(n) ≥ n. Comme n + 1 > n, on a ϕ(n + 1) > ϕ(n) et donc
ϕ(n + 1) > n. Mais n et ϕ(n + 1) sont entiers, donc ϕ(n + 1) ≥ n + 1.
Proposition 18. Toute suite extraite d’une suite tendant vers ` ∈ R tend également
vers `.
Démonstration. Faisons par exemple la preuve pour ` réel. Étant donné ε > 0, il existe
N tel que pour tout n ≥ N ,
|un − `| ≤ ε
De là, pour tout n ≥ N ,
ϕ(n) ≥ n ≥ N
donc
|uϕ(n) − `| ≤ ε
Donc, vn −→ `.
Cette proposition sert essentiellement à montrer qu’une suite est divergente, ou à trouver
des conditions pour qu’elle converge. Prenons deux exemples.
Exemple. La suite de terme général un = (−1)n n’a pas de limite. En effet, u2n tend vers
1 et u2n+1 tend vers −1.
Exemple. Soit x ∈ R. Soit u la suite définie par
∀n ∈ N, un = cos nx
Supposons que cette suite converge vers un réel `. Alors, pour tout entier n,
u2n = 2 cos2 nx − 1 = 2u2n − 1
Comme la suite (u2n )n∈N est extraite de u, elle tend aussi vers `. Mais elle tend aussi vers
2l`2 − 1. Donc, par unicité de la limite, ` = 2l2 − 1, d’où ` = 0 ou ` = − 21 .
De la même façon,
u3n = 4u3n − 3un
donc ` = 4`3 − 3` et donc ` = 0, 1 ou −1.
En réunissant les deux, on en déduit que ` = 1. Mais alors, sin2 nx = 1 − u2n tend vers 0.
Donc, sin nx tend aussi vers 0.
On considère enfin
un+1 = cos nx cos x + sin nx sin x
qui tend vers cos x. Mais (un+1 )n∈N est aussi une suite extraite de u, elle tend donc vers
1. Ainsi, cos x = 1 donc x ∈ 2πZ. Bilan : si x n’est pas un multiple de 2π, la suite diverge.
Enfin, si x ∈ 2πZ, la suite est constante égale à 1, donc converge.
Ce résultat possède un certain nombre de « réciproques » utiles. Citons la suivante :
Proposition 19. Soit u une suite réelle. On suppose que les deux suites (u2n )n≥0 et
(u2n+1 )n≥0 tendent vers une même limite ` lorsque n tend vers l’infini. Alors, la suite
u tend vers `.
Démonstration. Soit ε > 0. Il existe deux entiers N et N 0 tels que, pour tout n ≥ N ,
on ait
|u2n − `| ≤ ε
et pour tout n ≥ N 0 on ait
|u2n+1 − `| ≤ ε
Alors, pour tout n ≥ max(2N, 2N 0 + 1), on a
|un − `| ≤ ε

Exemple. Considérons la suite de terme général
n
X (−1)k−1
un =
k
k=1
Posons, pour tout n ≥ 1, vn = u2n et wn = u2n+1 . On montre alors l’une de ces deux
suites croît, l’autre décroît, et leur différence tend vers 0. Nous verrons plus loin (suites
adjacentes) que cela entraîne que v et w convergent vers une même limite. Ainsi, la suite
u converge. Sa limite est ln 2, mais ceci est une autre histoire.
2 Théorèmes d’existence de limites
2.1 Suites monotones
Définition 5. Soit u ∈ RN . La suite u est dite

• croissante lorsque
∀n, n0 ∈ N, n ≤ n0 =⇒ un ≤ un0
• strictement croissante lorsque
∀n, n0 ∈ N, n < n0 =⇒ un < un0
On définit de même la décroissance et la décroissance stricte en renversant les inégalités.

La suite u est dite monotone lorsqu’elle est croissante ou décroissante. On définit de
même la stricte monotonie.
Proposition 20. La suite réelle u est croissante si et seulement si

∀n ∈ N, un ≤ un+1
2. THÉORÈMES D’EXISTENCE DE LIMITES 105
Démonstration. Supposons u est croissante. On a clairement la propriété demandée.

Supposons inversement que pour tout entier n, un ≤ un+1 . Une récurrence facile montre
que pour tous entiers n et p, on a un ≤ un+p , d’où la croissance de u.
On a évidemment des résultats analogues pour la décroissance, la croissance stricte et la
décroissance stricte.
Proposition 21. Soit u une suite croissante de réels.

• Si u est majorée, alors u converge vers ` = sup{un , n ≥ 0}.
• Si u n’est pas majorée, alors u diverge vers +∞.
Démonstration.
• Supposons u majorée. L’ensemble E = {un , n ∈ N} est une partie de R non vide
et majorée, qui possède donc une borne supérieure `. Soit ε > 0. Le réel ` − ε ne
majore pas E, il existe donc N tel que uN > ` − ε. Mais alors, pour tout n ≥ N ,
on a
` − ε ≤ uN ≤ un ≤ ` ≤ ` + ε
ou encore
|un − `| ≤ ε
• Supposons u non majorée. Soit M ∈ R. Le réel M ne majore pas u, il existe donc
un entier N tel que uN > M . Soit n ≥ N . Par la croissance de u,
un ≥ uN ≥ M
Ainsi, u tend vers +∞.

2.2 Suites adjacentes
Définition 6. Soient u et v deux suites réelles. On dit qu’elles sont adjacentes lorsque
• L’une croît, l’autre décroît.
• Leur différence tend vers 0.
Proposition 22. Soient u et v deux suites adjacentes. Pour fixer les idées, on suppose
que u croît et v décroît. Alors :
• Les suites u et v sont convergentes.
• Elles ont la même limite.

• En supposant par exemple u croissante et v décroissante, et en appelant ` la
limite commune des deux suites, on a pour tous m, n ∈ N,
um ≤ ` ≤ vn
Démonstration. La suite v −u est décroissante et tend vers 0. On a donc par le théorème

sur les suites monotones
inf{vn − un , n ∈ N} = 0
Donc, pour tout n ∈ N, vn − un ≥ 0, c’est à dire un ≤ vn . Comme v décroît, vn ≤ v0 . Ainsi,
∀n ∈ N, un ≤ v0
La suite u est est donc croissante et majorée. Elle converge ainsi vers un réel `.
De même, v est décroissante et minorée par u0 , elle converge donc vers un réel `0 . Comme
v − u tend vers 0, on conclut que ` = `0 .
Passons au dernier point. Puisque u croît et tend vers `,
` = sup{um , m ∈ N}
Ainsi,
∀m ∈ N, um ≤ `
De même, comme v décroît et tend vers `,
∀m ∈ N, ` ≤ vn

Remarque 4. En reprenant les notations ci-dessus, on a en particulier pour tout n ∈ N,
un ≤ ` ≤ vn
La précision de l’encadrement, εn = vn − un , tend vers 0 lorsque n tend vers l’infini.

Exercice. On pose pour tout entier n ≥ 1,
n
X 1
un = − ln n
k
k=1
et
n
X 1
vn = − ln(n + 1)
k
k=1
Montrons que ces deux suites sont adjacentes.

• Soit n ≥ 1. On a
1
un+1 − un = − ln(n + 1) + ln n
n+1
Soit f : R∗+ → R définie par
1
f (x) = − ln(x + 1) + ln x
x+1
La fonction f est dérivable et on a pour tout x > 0,
1 1 1 1
f 0 (x) = − 2
− + = >0
(x + 1) x+1 x x(x + 1)2
Le fonction f est donc strictement croissante. De plus, on a pour tout x > 0

1 1
f (x) = − ln 1 +
x+1 x
et donc f tend vers 0 en +∞. Ainsi, f < 0 sur R∗+ . La suite u est donc décroissante.
• On montre de même (exercice) que la suite v est croissante.
• Enfin, on a pour tout n ≥ 1,

1
un − vn = ln(n + 1) − ln n = ln 1 + −→ 0
n n→∞
Ces deux suites sont donc adjacentes. Leur limite commune, γ ' 0.577215, est appelée la
constante d’Euler. Remarquons que l’on a pour tout n ≥ 1,
vn ≤ γ ≤ un
1

et que l’erreur commise en approchant γ par un tel encadrement est ln 1 + n . Nous
verrons plus tard que cette erreur est de l’ordre de n1 .
Proposition 23. théorème des segments emboîtés.

Soit (In )n≥0 une suite de segments. On suppose que
• Les segments sont emboîtés : ∀n ∈ N, In ⊃ In+1 .
• La longueur L(In ) de In tend vers 0 lorsque n tend vers l’infini.
T
Alors, n∈N In est un singleton.
Démonstration. Posons, pour tout n ∈ N, In = [an , bn ], où an , bn ∈ R et an ≤ bn . Les

hypothèses du théorème nous disent que (an ) croît, (bn ) décroît, et L(In ) = bn − an tend
vers 0. Les suites a et b sont donc adjacentes, et convergent ainsi vers une même limite `.
T
Posons I = n∈N In . On a pour tout n ∈ N
an ≤ ` ≤ bn
Ainsi, ` ∈ I et donc {`} ⊂ I.

Inversement, soit x ∈ I. On a alors pour tout n ∈ N,
an ≤ x ≤ bn
−bn ≤ −` ≤ −an
d’où, en ajoutant,
an − bn ≤ x − ` ≤ bn − an
c’est à dire
|x − `| ≤ bn − an
D’où, en passant à la limite dans l’inégalité, x = `.
2.3 Théorème de Bolzano-Weierstrass
Théorème 24. [Bolzano-Weierstrass]

De toute suite bornée de réels on peut extraire une suite convergente.
Nous allons démontrer ce théorème en plusieurs étapes. Donnons-nous une suite réelle u.
Supposons que u est bornée.
Définition 7. Si A ⊆ R, notons P(A) la propriété « A contient une infinité de termes

de la suite u ».
Précisément, on a P(A) si et seulement si l’ensemble
u−1 (A) = {n ∈ N : un ∈ A}
est un ensemble infini.

Remarque. Si A, B, C ⊆ R et B ∪ C = A, alors
P(A) ⇐⇒ P(B) ou P(C)
En effet,
u−1 (A) = u−1 (B) ∪ u−1 (C)
et une réunion finie d’ensembles est infinie si et seulement si l’un au moins des ensembles
est infini.
Étape 1. Construisons par récurrence sur n deux suites réelles (an )n∈N et (bn )n∈N telles
que pour tout n ∈ N, on ait P([an , bn ]).
• Rappelons que la suite u est bornée. Appelons a0 un minorant de la suite u et b0

un majorant de u. Remarquons que le segment [a0 , b0 ] contient tous les termes de
la suite u. On a donc P([a0 , b0 ]).
• Soit n ∈ N. Supposons construits an et bn tels que l’on ait P([an , bn ]). Soit cn =
1
2 (an + bn ). Comme [an , cn ] ∪ [cn , bn ] = [an , bn ], on a P([an , cn ]) ou P([cn , bn ]).
(1) Si P([an , cn ]) est vérifiée, on pose an+1 = an et bn+1 = cn .
(2) Sinon, par la remarque faite un peu plus haut, on a P([cn , bn ]). On pose alors
an+1 = cn et bn+1 = bn .
Lemme 25. Les suites a et b sont adjacentes.
Démonstration. Soit n ∈ N. Si on est dans le cas (1) ci-dessus, alors an+1 = an et

bn+1 = cn ≤ bn . Si on est dans le cas (2), alors an+1 = cn ≥ an et bn+1 = bn . Ainsi, la suite
a croît et la suite b décroît.
Il reste à montrer que la suite b − a tend vers 0. Remarquons que dans le cas (1),
1 1
bn+1 − an+1 = cn − an = (an + bn ) − an = (bn − an )
2 2
et dans le cas (2),
1 1
bn+1 − an+1 = bn − cn = bn − (an + bn ) = (bn − an )
2 2
La suite b − a est donc une suite géométrique de raison 21 . Ainsi, b − a −→ 0.
Les suites adjacentes a et b convergent ainsi vers une même limite que nous noterons `.
Étape 2. Construisons maintenant par récurrence sur n une suite (φ(n))n∈N strictement
croissante d’entiers naturels telle que pour tout n ∈ N, uφ(n) ∈ [an , bn ].
• Rappelons que u−1 ([a0 , b0 ]) = N. Posons donc, par exemple, φ(0) = 0.
• Soit n ∈ N. Supposons construit un entier φ(n) tel que uφ(n) ∈ [an , bn ]. On a
P([an+1 , bn+1 ]), c’est à dire qu’il existe une infinité d’entiers m tels que um ∈
[an+1 , bn+1 ]. On choisit un tel entier m > φ(n) et on pose φ(n + 1) = m.
La suite φ définit une suite extraite de u. C’est la suite v définie pour tout n ∈ N par
vn = uφ(n) .
Lemme 26. La suite v converge vers `.
Démonstration. On a pour tout n ∈ N, uφ(n) ∈ [an , bn ], c’est à dire

an ≤ vn ≤ bn
Les suites a et b convergent vers `. Par le théorème d’encadrement, la suite v converge
aussi vers `.
3 Suites complexes
3.1 Introduction
Soit u ∈ CN une suite à valeurs complexes. On peut fabriquer à partir de u un certain

nombre de suites, comme par exemple :
• (Re un )n≥0 , (Im un )n≥0 , et (|un |)n≥0 , qui sont des suites réelles.
• (un )n≥0 , qui est une suite complexe.
Définition 8. La suite u est dite bornée lorsque la suite réelle (|un |)n≥0 est bornée.
Proposition 27. Une suite complexe est bornée si et seulement si sa partie réelle et
sa partie imaginaire sont bornées.
Démonstration. Ceci résulte des inégalités
|Re z| ≤ |z| ≤ |Re z| + |Im z| et |Im z| ≤ |z| ≤ |Re z| + |Im z|
valables pour tout nombre complexe z.
3.2 Limites
La définition de limite dans C reste inchangée pour les suites complexes, le module rem-
plaçant la valeur absolue. En revanche, on ne parle pas de limite infinie pour une suite
complexe.
Définition 9. Soit u ∈ CN . Soit ` ∈ C. On dit que u tend vers ` lorsque
∀ε > 0, ∃N ∈ N, ∀n ≥ N, |un − `| ≤ ε
Le théorème d’unicité de la limite reste vérifié (pourquoi ?). On emploie le même vocabulaire
que pour les suites réelles : « ` est la limite de la suite u », « la suite u est convergente »,
etc.
3. SUITES COMPLEXES 111
Proposition 28. Soit u ∈ CN . La suite u est convergente si et seulement si sa partie

réelle et sa partie imaginaire sont convergentes. Plus précisément, soit ` ∈ C. On a
u → ` ⇐⇒ (Re u → Re ` et Im u → Im `)
Démonstration. Supposons que Re u → Re ` et Im u → Im `. On a pour tout n ∈ N,
|un − `| ≤ |Re un − Re `| + |Im un − Im `|
On en déduit facilement en revenant à la définition de limite que u tend vers `.

Inversement, supposons que u → `. on a pour tout n ∈ N,
|Re un − Re `| ≤ |un − `|
d’où, en appliquant la définition de limite, la convergence de Re u vers Re `. On fait de

même pour la partie imaginaire.
Restent vrais tous les théorèmes « ayant un sens », c’est à dire ne faisant pas
appel à des comparaisons de termes de la suite (il n’y a pas de relation d’ordre
dans C !) : opérations sur les limites, théorèmes sur les suites extraites, relations
de comparaison, Bolzano-Weierstrass.
Terminons cette section par l’exemple important des suites géométriques.
Proposition 29. Soit q ∈ C.

• Si |q| < 1, la suite (q n )n≥0 tend vers 0.
• Si |q| > 1, la suite (q n )n≥0 diverge. Plus précisément, |q n | tend vers l’infini.
• Si |q| = 1, et q 6= 1 la suite (q n )n≥0 diverge.
• Si q = 1 la suite (q n )n≥0 est constante égale à 1 (et donc converge vers 1).
Démonstration.
• Supposons |q| < 1. Nous avons vu dans la partie du chapitre sur les suites réelles
que |q n | = |q|n tend vers 0 lorsque n tend vers l’infini. Donc, q n tend aussi vers 0.
• Supposons |q| > 1. Alors |q n | tend vers +∞ lorsque n tend vers l’infini, et donc
(q n )n≥0 diverge.
• Supposons |q| = 1 et q 6= 1. Il existe donc x ∈ R \ 2πZ tel que q = eix . Supposons
un instant que q n = einx vers ` ∈ C lorsque n tend vers l’infini.
Or, (q n+1 )n≥0 est une suite extraite de la suite (q n )n≥0 . Cette suite tend donc aussi
vers `. Mais on a aussi, pour tout n ∈ N,
q n+1 = eix q n
et cette quantité tend vers eix `. Par unicité de la limite,
`(1 − eix ) = 0
Comme eix 6= 1, il en résulte que ` = 0. Mais ceci est absurde, puisque |un | = 1
pour tout n et donc, toujours par passage à la limite, |`| = 1.
• Le dernier point est évident.
4 Récurrences linéaires
4.1 Suites arithmétiques et géométriques
Définition 10. La suite complexe u est dite arithmétique lorsqu’il existe b ∈ C tel
que
∀n ∈ N, un+1 = b + un
Le nombre b est appelé la raison de la suite.
Proposition 30. Soit u une suite arithmétique de raison b. On a pour tout entier n,
un = u0 + bn.
Démonstration. Évident par récurrence sur n.
Proposition 31. Soit u une suite arithmétique de raison b. Alors,

n
X n(n + 1)
uk = (n + 1)u0 + b
2
k=0
Démonstration. Utiliser la propriété précédente et l’égalité

n
X 1
k = n(n + 1)
2
k=0

4. RÉCURRENCES LINÉAIRES 113
Définition 11. La suite complexe u est dite géométrique lorsqu’il existe a ∈ C tel que
∀n ∈ N, un+1 = aun
Le nombre a est appelé la raison de la suite.
Proposition 32. Soit u une suite géométrique de raison a. On a pour tout entier n,
un = u0 an .
Démonstration. Récurrence facile.
Proposition 33. Soit u une suite géométrique de raison a.

• Si a 6= 1,
n
X an+1 − 1
uk = u0
a−1
k=0
• Si a = 1,
n
X
uk = (n + 1)u0
k=0
Démonstration. Cette identité remarquable a déjà été prouvée dans le chapitre sur les
entiers naturels.
4.2 Suites « arithmético-géométriques »
Soient a, b ∈ C. Soit u ∈ CN la suite définie par son terme initial u0 et la relation

∀n ∈ N, un+1 = aun + b
Calculons un en fonction de n. Si a = 1, la suite est une suite arithmétique, et on sait faire.

Supposons donc a 6= 1.
b
Soit ω l’unique complexe vérifiant ω = aω + b (c’est à dire 1−a ). On a alors pour tout
entier n,
un+1 − ω = a(un − ω)
On retrouve une suite géométrique, d’où pour tout n,
un = ω + an (u0 − ω)
Remarquons que si |a| < 1, la suite u converge vers ω.

4.3 Récurrences linéaires à deux termes
On se donne deux nombres complexes a et b. On s’intéresse aux suites u vérifiant la relation

de récurrence
(R) ∀n ≥ 0, un+2 = aun+1 + bun
Soit q ∈ C. À quelle condition sur q la suite géométrique (q n )n≥0 vérifie-t-elle (R) ? q
convient si et seulement si pour tout n ≥ 0,
q n+2 = aq n+1 + bq n
ce qui équivaut à
(E) q 2 = aq + b
Remarquons qu’une petite discussion, laissée au lecteur, s’impose dans le cas où q = 0 est
solution du problème.
L’équation (E) est appelée l’équation caractéristique de la récurrence. Deux cas surviennent.
Cas 1. L’équation caractéristique a deux racines distinctes (a priori complexes) q et q 0 .
Proposition 34. Dans le cas 1, une suite u vérifie R si et seulement si existe α, β ∈ C

tels que pour tout n ∈ N,
un = αq n + βq 0n
Démonstration. Supposons l’existence d’un tel α et d’un tel β. Ces deux nombres
vérifient
α+β = u0
αq + βq 0 = u1
On vérifie facilement que ces deux égalités sont vérifiées par un unique couple (α, β).
On montre ensuite par une récurrence à deux termes sur n que pour tout n ∈ N, un =
αq n + βq 0n .
Exemple. La suite de Fibonacci (Fn )n≥0 est définie par F0 = 0, F1 = 1 et pour tout
entier n ∈ N,
Fn+2 = Fn+1 + Fn
L’équation caractéristique de cette récurrence est
(E) q 2 = q + 1
Cette équation possède deux racines réelles ϕ et ϕ̂. Les valeurs de ces racines importent
peu. Remarquons simplement que
ϕ + ϕ̂ = 1 et ϕϕ̂ = −1
4. RÉCURRENCES LINÉAIRES 115
Il existe α, β ∈ R tels que pour tout n ∈ N,
Fn = αϕn + β ϕ̂n
Ces deux nombres α et β sont les solutions du système

α+β = 0
αϕ + β ϕ̂ = 1
1 −1
d’où, facilement, α = ϕ−ϕ̂ , β= ϕ−ϕ̂ , et donc, pour tout n ∈ N,
ϕn − ϕ̂n
Fn =
ϕ − ϕ̂
Cas 2. L’équation caractéristique a une racine double q.
Proposition 35. Dans le cas 2, et dans l’hypothèse où q 6= 0, une suite u vérifie R

si et seulement si existe α, β ∈ C tels que pour tout n,
un = αq n + nβq n
Démonstration. Remarquons que l’hypothèse q 6= 0 n’est pas très restrictive. En effet,

si on est dans le cas 2 et que q = 0, alors a = b = 0 et la relation de récurrence est
(R) un+2 = 0
Prenons donc q 6= 0. Supposons l’existence d’un tel α et d’un tel β. Ces deux nombres
vérifient
α = u0
(α + β)q = u1
Il existe un unique couple (α, β) vérifiant ces deux égalités. On montre ensuite par une
récurrence à deux termes sur n que pour tout n ∈ N, un = αq n + nβq n .
Exemple. Considérons la suite u définie par u0 = 2, u1 = 1 et pour tout n ∈ N,
un+2 = 4un+1 − 4un
Son équation caractéristique est
(E) q 2 = 4q − 4
Cette équation possède une unique racine qui est 2. Il existe donc α, β ∈ R tels que pour
tout n ∈ N,
un = α2n + nβ2n
Ces deux nombres sont les solutions du système

α = 2
2(α + β) = 1
d’où α = 2, β = − 32 , et pour tout n ∈ N,
un = 2n+1 − 3n2n−1
Chapitre 8
Comparaison des suites
117
118 CHAPITRE 8. COMPARAISON DES SUITES
Lorsqu’on recherche la limite d’une suite, on est fréquemment confronté à des indétermina-
tions, dont les plus courantes sont ∞ − ∞, 0 × ∞, 00 , ∞∞, 1
∞ et ∞0 . En étudiant certaines
relations entre les suites (équivalence, domination, négligeabilité), nous parviendrons à

« lever » certaines indéterminations.
1 Suites équivalentes
1.1 C’est quoi ?
Définition 1. Soient u et v deux suites réelles. On dit que u est équivalente à v

lorsqu’il existe une suite (λn )n≥0 qui tend vers 1 telle que pour tout n assez grand
un = λn vn .
On note alors u ∼ v ou un ∼ vn , ou un peu abusivement un ∼ vn .
n−→∞
Proposition 1. Soient u et v deux suites réelles. On suppose que pour tout n assez
grand vn 6= 0. Alors
un
un ∼ vn ⇐⇒ −→ 1
vn n−→∞
Démonstration. C’est immédiat.
Exemple.
• 2n2 + 3n − 1 ∼ 2n2 .
• Plus généralement, soient d ∈ N∗ et a0 , . . . , ad ∈ R tels que ad 6= 0. On a
d
X
ak nk ∼ ad nd
k=0
Proposition 2. L’équivalence des suites est une relation d’équivalence.
Démonstration. Preuve facile.

1. SUITES ÉQUIVALENTES 119
1.2 Conservation de propriétés par équivalence
Proposition 3. Soient u, v deux suites réelles. Soit ` ∈ R. On suppose que u ∼ v et

que u −→ `. Alors v −→ `.
Démonstration. Pour tout n assez grand, vn = λn un où λn −→ 1, d’où le résultat.

Remarque 1. Si deux suites u et v ont une même limite `, sont-elles équivalentes ? La
réponse est NON, sauf dans les cas triviaux.
• Si ` ∈ R∗ , la réponse est OUI, puisque uv −→ `` = 1. Mais ceci est sans intérêt, car
nous sommes dans un cas où le calcul des équivalents ne sert à rien, vu qu’il n’y a
pas d’indétermination.
• Si ` = 0, ±∞, la réponse est NON, comme tout un tas d’exemple peuvent le
montrer. Par exemple, n1 et n12 , ou n et n2 .
En bref, si u et v tendent vers 0 ou vers ∞, on ne peut pas se prononcer sur leur équivalence.
Le but de ce qui suit est justement de pouvoir décider.
Proposition 4. Soient u et v deux suites équivalentes. Alors, pour tout n assez grand,
• un = 0 ⇐⇒ vn = 0.
• un > 0 ⇐⇒ vn > 0.
• un < 0 ⇐⇒ vn < 0.
Démonstration. Pour tout n assez grand, vn = λn un où λn −→ 1 lorsque n tend vers

l’infini. Appliquons la définition de limite à la suite (λn ), en prenant ε = 21 . Il en résulte
que pour tout n assez grand, λn ≥ 12 et donc λn > 0. D’où le résultat.
1.3 Opérations sur les équivalents
Proposition 5. Soient u, u0 , v, v 0 des suites réelles. On suppose u ∼ u0 et v ∼ v 0 . Alors

• uv ∼ u0 v 0 .
0
• Si vn (et donc vn0 ) est non nul pour n assez grand, uv ∼ uv0 .
• Pour tout réel α, uα ∼ u0 α .
• En revanche, on ne peut rien dire en ce qui concerne u + v et u0 + v 0 .
Démonstration.
• Le produit et le quotient de deux suites qui tendent vers 1 tend encore vers 1.
• Si la suite λ tend vers 1 et si α ∈ R, alors λα tend encore vers 1.
√
• L’addition pose problème. Par exemple, on a n2 ∼ n2 + n et −n2 + n ∼ −n2 . Mais
√
on n’a PAS n ∼ n.
1.4 Équivalents classiques
Proposition 6. Soit u une suite réelle tendant vers 0. Soit α un nombre réel. On
a alors les équivalents suivants :
eun − 1 ∼ un
ln(1 + un ) ∼ un
(1 + un )α − 1 ∼ αun
sin un ∼ un
u2n
1 − cos un ∼ 2
tan un ∼ un
Nous disposerons d’autres équivalents lorsque nous aurons abordé le cours sur les fonc-
tions usuelles.
Démonstration. Faisons la démonstration en supposant que la suite u ne s’annule pas.

La plupart de ces équivalents se montrent de la même façon, en prouvant qu’un taux
d’accroissement tend vers une certaine dérivée. Par exemple,
eun − 1 eun − e0
=
un un − 0
tend vers la dérivée de l’exponentielle en 0, c’est à dire 1. De même,
(1 + un )α − 1 f (un ) − f (0)
=
un un − 0
où f est définie pour tout x voisin de 0 par f (x) = (1 + x)α . Cette quantité tend vers
f 0 (0) = α lorsque n tend vers l’infini.
Seul l’équivalent pour le cosinus se traite différemment. On a
2
1 − cos un 2 sin2 u2n 2 u4n 1 1
= ∼ 2 = −→
u2n u2n un 2 2
Donc,
u2n
1 − cos un ∼
2

1. SUITES ÉQUIVALENTES 121
Deux mots sur les puissances . . . Pour tout réel x > 0 et tout réel α, on pose
xα = exp(α ln x)
Nous reviendrons sur les fonctions puissances dans le chapitre sur les fonctions usuelles.
Tout ce que nous aurons besoin de savoir dans ce chapitre est que si α est un entier relatif
on retrouve la valeur classique, que les formules usuelles xα+β = xα xβ , (xα )β = xαβ et
(xy)α = xα y α restent valides, et que la dérivée de x 7→ xα est x 7→ αxα−1 .
1.5 Exemples
n
• Quelle est la limite éventuelle de un = 1 + n1 lorsque n tend vers l’infini ? On a

1 1
ln un = n ln 1 + ∼n =1
n n
et ainsi, ln un −→ 1. Donc un −→ e1 = e.
• Soit u une suite qui tend vers 0. Quelle est la limite éventuelle de
(1 − eun ) sin un
vn = ?
ln(1 + 3u2n )
On a sin un ∼ un , 1 − eun ∼ −un et ln(1 + 3u2n ) ∼ 3u2n . Ainsi,
−u2n 1
vn ∼ =−
3u2n 3
et donc v −→ 13 .
• Soit u une suite qui tend vers 0. Quelle est la limite éventuelle de
ln cos(3un )
vn = ?
sin2 (2un )
On a
ln cos(3un ) = ln(1 + wn )
où wn = cos(3un ) − 1 −→ 0. Ainsi,
3
ln cos(3un ) ∼ wn = cos(3un ) − 1 ∼ − u2n
2
De là,
− 32 u2n 3
vn ∼ =−
4u2n 8
et donc v −→ − 38 .
• Soit a un réel strictement positif différent de 1. Soit u une suite qui tend vers a et ne
prend pas la valeur a. Déterminons un équivalent de
vn = loga un − logun a
Posons tout d’abord un = a + hn , de sorte que hn tend vers 0. On a
ln un ln a (ln un − ln a)(ln un + ln a)
vn = − =
ln a ln un ln a ln un
ln un +ln a tend vers 2 ln a 6= 0 et est donc équivalent à cette quantité. De même, ln un ln a −→

ln2 a ∼ ln2 a. Il reste à examiner dernier facteur :

a + hn hn hn
ln un − ln a = ln = ln 1 + ∼
a a a
Finalement,
hn 2 ln a 2
vn ∼ 2 = (un − a)
a ln a a ln a
1.6 Logarithmes et exponentielles d’équivalents
Proposition 7. Soient u et v deux suites réelles strictement positives. On suppose que

u ∼ v et u −→ ` ∈ R+ (et donc v aussi).
• Si ` 6= 1 alors ln un ∼ ln vn .
• Si ` = 1 on ne peut rien dire.
Démonstration.
• Supposons ` 6= 0, 1, +∞. On a ln un −→ ln ` et, de même, ln vn −→ ln `. Comme
ln ` est un réel non nul, ln un ln `
ln vn −→ ln ` = 1 par les opérations sur les limites.
• Supposons ` = +∞. On a
ln un ln uvnn + ln vn ln uvnn
= = +1
ln vn ln vn ln vn
Le numérateur de la fraction tend vers ln 1 = 0 et son dénominateur tend vers +∞,
celle-ci tend donc vers 0.
• Supposons ` = 0. u1n et v1n tendent alors vers +∞, donc, par le point précédent,
1 1
− ln un = ln ∼ ln = − ln vn
un vn
d’où le résultat en passant à l’opposé.
2. NÉGLIGEABILITÉ, DOMINATION 123
• Lorsque ` = 1, on ne peut rien dire. Par exemple, un = 1 + n12 et vn = 1 + n1 tendent

vers 1. Pourtant, ln un ∼ n12 et ln vn ∼ n1 ne sont pas équivalents.
Proposition 8. Soient u et v deux suites réelles. On suppose que u ∼ v et u −→ ` ∈ R

(et donc v aussi).
• Si ` 6= ±∞ alors eu ∼ ev .
• Si ` = ±∞ on ne peut rien dire.
Démonstration.
un
• Supposons ` 6= ±∞. Alors eun −→ e` et evn −→ e` . De là, eevn −→ 1.
• Lorsque ` = ±∞, tout peut arriver. Par exemple, n ∼ n + 1 et pourtant
en+1 = een 6∼ en

Moralité : On ne peut pas passer aux exponentielles dans les équivalents, sauf dans les
cas triviaux.
2 Négligeabilité, domination
2.1 C’est quoi ?
Définition 2. Soient u et v deux suites réelles. On dit que

• u est dominée par v lorsque pour tout n assez grand, un = wn vn , où la suite w
est bornée. On note alors u = O(v) ou un = O(vn ).
• u est négligeable devant v lorsque pour tout n assez grand, un = εn vn , où εn
tend vers 0 lorsque n tend vers l’infini. On note alors u = o(v) ou un = o(vn )
ou u v ou encore un vn .
Proposition 9. Soient u et v deux suites réelles. On suppose que pour tout n assez
grand vn 6= 0. Alors,

• u = O(v) si et seulement la suite uvnn est bornée.
• u = o(v) si et seulement si uvnn −→ 0 lorsque n tend vers l’infini.
Démonstration. C’est immédiat.
Exemple.
• On a 3n2 + 8n − 1 = O(n2 ), ou aussi O(n3 ) ou O(n4 ) . . .

• Plus généralement, soient d ∈ N et a0 , . . . , ad ∈ R. On a
d
X
ak nk = O(nd )
k=0
• Soient α, β ∈ R. On a nα = o(nβ ) si et seulement si α < β.

• Soient α, β ∈ R. On a αn = o(β n ) si et seulement si α < β.
Les notations « petit o » et « grand O » sont très pratiques. Voici un exemple de manipu-
lation de ces notations.
Proposition 10. Soit v une suite de réels non nuls. Alors

• Pour tout réel a, o(avn ) = o(vn ).
• Pour tout réel a non nul, o(vn ) = o(avn ).
• o(vn ) + o(vn ) = o(vn ).
• o(vn ) × o(vn ) = o(vn2 ).
Démonstration. Avec des notations évidentes, on a
• o(avn ) = εn avn = ε0n vn = o(vn ).

• o(vn ) = a1 εn avn = ε0n (avn ) = o(avn ).
• o(vn ) + o(vn ) = (εn + ε0n )vn = ε00n vn .
• o(vn ) × o(vn ) = εn ε0n vn2 = ε00n vn2 = o(vn2 ).
Le but n’est pas de retenir ce genre d’égalités, mais de les comprendre. En ces de doute, il
suffit de revenir à o(vn ) = εn vn où εn tend vers 0.
Remarque 2. Dans la proposition précédente, on a l’impression que 1 + 1 ça ne fait pas

2 et que l’égalité n’est pas une relation symétrique. Il faut effectivement faire attention
lorsqu’on manipule des o, car o(vn ) représente UNE suite négligeable devant vn . Donc,
par exemple lorsqu’on écrit o(vn ) + o(vn ) on additionne deux suites négligeables devant v,
mais ces deux suites sont a priori différentes. Encore une fois, en cas de doute il n’y a qu’à
revenir à la définition.
Exercice. Montrer que la proposition ci-dessus reste vraie en remplaçant les petits o par
des grands O.
2. NÉGLIGEABILITÉ, DOMINATION 125
2.2 Équivalents et petits o
Proposition 11. Soient u et v deux suites de réels non nuls. On a
u ∼ v ⇐⇒ u = v + o(v)
Démonstration. Tout simplement parce qu’une suite λ tend vers 1 si et seulement si

on peut écrire λn = 1 + εn où εn −→ 0.
On peut donc toujours remplacer un équivalent par une égalité, en n’oubliant pas, bien
entendu, de rajouter un petit o.
2.3 Bilan
Lorsque vn est non nul pour tout n assez grand, nous pouvons résumer tout ce qui précède
dans un tableau.
un /vn
−→ 0 un = o(vn )
−→ 1 un ∼ vn
est bornée un = O(vn )
2.4 Un exemple
Soit a un réel strictement positif. Soit u une suite qui tend vers a. Déterminons un équi-
valent de
vn = aun − uan
Posons un = a + hn , de sorte que hn tend vers 0. On a
hn a

a+hn a a hn ln a
vn = a − (a + hn ) = a e − 1+
a
On a ehn ln a − 1 ∼ hn ln a, donc
ehn ln a = 1 + hn ln a + o(hn )
De même,
hn a

hn
1+ −1∼a = hn
a a
et donc
a
hn
1+ = 1 + hn + o(hn )
a
Regroupons le tout :
vn = aa ((1 + hn ln a + o(hn )) − (1 + hn + o(hn )))

= aa (ln a − 1)hn + o(hn )
Si a 6= e, on a ln a 6= 1. Dans ce cas,
vn ∼ aa (ln a − 1)(un − a)
Si a = e, on a vn = o(un − a) et nos calculs ne nous permettent pas d’obtenir un équivalent

de vn . Nous verrons lors de l’étude des développements limités que des outils plus puissants
que ceux de ce chapitre permettent d’obtenir un tel équivalent.
3 Puissances, exponentielles, logarithmes, factorielles
3.1 Croissances comparées
On prouve dans cette dernière section un résultat qui permet de comparer logarithmes,
puissances, exponentielles et factorielle de suites tendant vers l’infini. Ce résultat est par-
fois appelé le « théorème des croissances comparées ». Noter les guillemets, les suites que
nous allons considérer n’ayant pas de raison d’être croissantes. Un terme plus approprié
aurait été « théorème de comparaison des vitesses auxquelles les logarithmes, puissances,
exponentielles et factorielles tendent vers l’infini », mais il faut avouer que c’est un peu
long comme titre.
Lemme 12. Soit a > 1. Soit u une suite qui tend vers +∞. On a
ln un un aun
Démonstration. La démonstration générale repose sur des propriétés que nous verrons
dans le chapitre sur les fonctions. Dans ce qui suit nous allons uniquement prouver la
proposition lorsque un = n.
3. PUISSANCES, EXPONENTIELLES, LOGARITHMES, FACTORIELLES 127
ln(n + 1) ln n n ln(n + 1) − (n + 1) ln n
− =
n+1 n n(n + 1)
n(ln n + ln(1 + n1 )) − (n + 1) ln n
=
n(n + 1)
1
n ln(1 + n ) − ln n
=
n(n + 1)
ln n
∼ − ≤0
n(n + 1)
Ainsi, la suite ( lnnn )n≥1 est décroissante pour n assez grand. Comme elle est minorée
par 0, elle converge vers ` ≥ 0. De plus
ln(n2 ) 2 ln n
2
=
n n n
Passons à la limite (suite extraite !). Il vient ` = 0` d’où ` = 0.
an+1 an an
− = ((a − 1)n − 1)
n+1 n n(n + 1)
1 n
Cette quantité est positive dès que n ≥ a−1 . La suite ( an )n≥1 est donc croissante à
partir d’un certain rang. Ainsi, elle tend vers ` ∈ R∗+ . Supposons un court instant `
réel. On a
an+1 an n
=a
n+1 n n+1
Passons à la limite (suite extraite !). Il vient
` = a`
d’où ` = 0. Contradiction. Ainsi, ` = +∞.

Proposition 13. Soit a > 1. Soient α, β > 0. Soit u une suite qui tend vers +∞. On
a
lnβ un uαn aun
Démonstration.
• On a !β
lnβ un ln un
=
uαn un
α/β
α/β
Posons vn = un . Il vient
!β
β/α β
lnβ un ln vn β

ln vn β
= =
uαn vn α vn
Par le lemme, cette quantité tend vers 0 lorsque n tend vers l’infini.
• On a
uαn u α
n
=
aun bun
où b = a1/α . Par le lemme, cette quantité tend vers 0 lorsque n tend vers l’infini.
Proposition 14. Soit a > 1. Soit u une suite d’entiers naturels tendant vers +∞.
On a
aun un !
Démonstration. Faisons la démonstration pour un = n. Il existe un entier N tel que

pour tout n ≥ N , on ait
a 1
≤
n 2
Pour tout n ≥ N , écrivons
an aa a a a a
= ... = K ...
n! 12 n N N +1 n
où
aa a
K= ...
12 N −1
On a alors n−N +1
an 1 K0
0≤ =≤ K = n
n! 2 2
an
où K 0 = K2N −1 . On conclut par le théorème d’encadrement des limites que n! tend vers
0 lorsque n tend vers l’infini.
3.2 Un exemple
Soit u une suite qui tend vers +∞. Déterminer un équivalent de

1
un
vn = uunn − un
0
Nous avons là une terrible indétermination du type ∞∞ − ∞. Factorisons un :
1 1
unun −1 (unun −1) ln un
vn = un un − 1 = un e −1
3. PUISSANCES, EXPONENTIELLES, LOGARITHMES, FACTORIELLES 129
1
Posons wn = unun − 1. On a
wn = eln un /un − 1
ln un
Comme ln un un , le quotient un tend vers 0, et donc
ln un
wn ∼
un
et
ln2 un
wn ln un ∼
un
Par le théorème des croissances comparées, wn ln un tend vers 0 lorsque n tend vers l’infini.
De là,
vn = un ewn ln un − 1 ∼ un wn ln un ∼ ln2 un
Chapitre 9
Groupes, anneaux, corps
131
132 CHAPITRE 9. GROUPES, ANNEAUX, CORPS
1 Lois de composition interne
1.1 Définition
Définition 1. Soit E un ensemble non vide. On appelle loi de composition interne

(ou plus simplement opération) sur E toute application ? : E × E → E.
L’usage est de noter x ? y l’image du couple (x, y) par l’opération ?. La plupart des lois
classiques sont notées additivement (+) ou multiplicativement (×, ou .) mais ce n’est pas
obligé (penser à l’intersection et la réunion des ensembles (∩, ∪), à la composition des
applications (◦), à l’opération (x, y) 7→ xy ,. . . ).
1.2 Commutativité
Définition 2. Soient E un ensemble non vide et ? une opération sur E. On dit que ?
est commutative lorsque pour tous éléments x et y de E, on a :
x?y =y?x
Exemple. L’addition et la multiplication sont commutatives dans R. La composition n’est

pas commutative dans l’ensemble RR des fonctions de R vers R. La soustraction n’est pas
commutative dans Z. La réunion est commutative dans l’ensemble P(A) des parties d’un
ensemble A.
1.3 Associativité
Définition 3. Soient E un ensemble non vide et ? une opération sur E. On dit que ?
est associative lorsque pour tous éléments x, y et z de E, on a :
(x ? y) ? z = x ? (y ? z)
Remarque 1. Les parenthèses deviennent alors inutiles, et on peut alors écrire plus
simplement x ? y ? z.
1. LOIS DE COMPOSITION INTERNE 133
Exemple. L’addition et la multiplication sont associatives dans R. La composition est

associative dans l’ensemble RR des fonctions de R vers R. La soustraction n’est pas as-
sociative dans Z. La réunion et l’intersection sont associatives dans l’ensemble P(A) des
parties d’un ensemble A.
1.4 Élément neutre
Définition 4. Soient E un ensemble non vide et ? une opération sur E. Soit e un

élément de E. On dit que e est neutre pour l’opération ? lorsque pour tout x dans E
on a :
x?e=e?x=x
Exemple. 0 est neutre pour l’addition dans C. 1 est neutre pour la multiplication dans
Q. idR est neutre pour la composition dans RR . ∅ est neutre pour la réunion dans P(A).
La soustraction dans R ne possède pas d’élément neutre : il n’existe aucun réel a tel que
pour tout réel x, on ait x − a = a − x = x.
Proposition 1. L’élément neutre, lorsqu’il existe, est unique.
Démonstration. Soient e et e0 deux neutres pour ?. On a e ? e0 = e puisque e0 est neutre,

mais on a aussi e ? e0 = e0 puisque e est neutre. Donc, e = e0 .
1.5 Élément absorbant
Définition 5. Soient E un ensemble non vide et ? une opération sur E. Soit ζ un

élément de E. On dit que ζ est absorbant pour l’opération ? lorsque pour tout x dans
E on a :
x?ζ =ζ ?x=ζ
Exercice. L’élément absorbant, s’il existe, est-il forcément unique ?
1.6 Élément inversible

Définition 6. Soient E un ensemble non vide muni d’une opération ? possédant un

neutre e. Soit x un élément de E. On dit que x est inversible pour l’opération ? lorsque
il existe un élément x0 de E tel que :
x ? x 0 = x0 ? x = e
Un tel élément x0 est appelé symétrique (ou inverse) de x pour l’opération ?.
Proposition 2. Si l’opération est associative, le symétrique, lorsqu’il existe, est

unique.
Démonstration. Soit x un élément de E. Soient x0 et x00 deux symétriques de x. On a

x ? x0 = e d’où x00 ? (x ? x0 ) = x00 ? e = x00 . Mais l’opération ? est associative : (x00 ? x) ? x0 =
e ? x0 = x0 = x00 .
Remarque 2. Le symétrique de x est couramment noté x−1 . Pour certaines lois (comme
l’addition), le symétrique est appelé l’opposé, et le symétrique de x est noté −x.
1.7 Élément régulier
Définition 7. Soit E un ensemble non vide muni d’une opération ?. Soit x un élément
de E. On dit que x est régulier pour l’opération ? lorsque, pour tous éléments y et z
de E, on a
x?y =x?z ⇒y =z et y?x=z?x⇒y =z
Proposition 3. Si l’opération est associative, un élément inversible est régulier. La

réciproque est fausse.
Démonstration. Soit x inversible, d’inverse x0 . Soient y et z tels que x ? y = x ? z. On

a alors y = x0 ? x ? y = x0 ? x ? z = z. L’inversibilité entraîne la régularité. En revanche,
Dans l’ensemble Z muni de la multiplication, le nombre 2 est régulier (2y = 2z ⇒ y = z)
mais pas inversible : il n’existe pas d’entier x tel que 2x = 1.
2. GROUPES 135
1.8 Distributivité
Définition 8. Soit E un ensemble non vide muni de deux opérations ? et ⊥. On dit

que ? est distributive par rapport à ⊥ lorsque pour tous éléments x, y, z de E, on a :
x ? (y⊥z) = (x ? y)⊥(x ? z) et (y⊥z) ? x = (y ? x)⊥(z ? x)
2 Groupes
2.1 Définitions
Définition 9. Soient G un ensemble non vide, et ? une opération sur G. On dit que
(G, ?) est un groupe lorsque
• ? est associative.
• ? possède un élément neutre.
• Tout élément de G est inversible pour la loi ?.
Si, de plus, ? est commutative, on dit que le groupe G est commutatif (ou abélien 1 ).
Remarque 3. Dans la suite, lorsqu’on travaillera sur un groupe G « abstrait », on notera

multiplicativement l’opération sur ce groupe. On notera également e le neutre G, sauf
mention contraire (et si le groupe est G0 , on note son neutre e0 , etc).
Exercice. Déterminer tous les groupes à 1, 2, 3 et 4 éléments.
Exercice. Notons S3 l’ensemble des bijections de l’ensemble J1, 3K dans lui-même. Montrer
que (S3 , ◦) est un groupe, et donner sa table.
2.2 Puissances d’un élément
Définition 10. Soit G un groupe de neutre e. On définit pour x ∈ G et n ∈ Z,

l’élément xn ∈ G par
• x0 = e
• ∀n ∈ N, xn+1 = xn x
• ∀n ∈ Z− , xn = (x−n )−1
Proposition 4. Soit G un goupe. On a pour tous x, y ∈ G,

• (x−1 )−1 = x
• (xy)−1 = y −1 x−1
Démonstration. C’est évident.
Proposition 5. Soit G un groupe. Soient x, y ∈ G tels que xy = yx. On a pour tous

entiers m, n ∈ Z xm y n = y n xm .
Démonstration. On montre d’abord par récurrence sur n que pour tout n ∈ N, xn y =

y n x.
C’est clair pour n = 0, 1. Soit n ∈ N. Supposons que xn y = yxn . On a alors
xn+1 y = xn xy = xn yx = yxn x = yxn+1
Soit maintenant n < 0. On a

x−n y = yx−n
puisque −n ∈ N. En multipliant par xn à gauche et à droite de cette égalité, on obtient
yxn = xn y. Ainsi, pour tout n ∈ Z, xn y = yxn .
Soient maintenant m, n ∈ Z. Par ce qui précède, xm et y commutent. Puis, à nouveau par
ce qui précède, xm et y n commutent.
Lemme 6. Soit G un groupe. Pour tout x ∈ G et tout n ∈ Z, on a
xn+1 = xn x
Démonstration. Pour n ∈ N c’est vrai par définition des puissances. Supposons donc
n < 0. On a donc n + 1 ≤ 0. De là,
−1
xn+1 x−1 = x−n−1 x−1
−1
= xx−n−1
−1
= x1−n−1
−1
= x−n
= xn
Il reste à multiplier les deux côtés de l’égalité par x pour obtenir le résultat.
2. GROUPES 137
Proposition 7. Soit G un groupe. On a

• ∀x, y ∈ G, ∀n ∈ Z, (xy)n = xn y n à condition que xy = yx.
• ∀x ∈ G, ∀m, n ∈ Z, xm+n = xm xn .
• ∀x ∈ G, ∀m, n ∈ Z, xmn = (xm )n .
Démonstration.
• Démontrons la première propriété. On la montre d’abord pour n ∈ N par récurrence
sur n. C’est évident pour n = 0, 1. Supposons que cela soit vrai pour un certain
entier n. On a alors
(xy)n+1 = (xy)n xy = xn y n xy = xn xy n y = xn+1 y n+1
Montrons maintenant la propriété pour n < 0. On a
(xy)n = ((xy)−n )−1 = (x−n y −n )−1 = (y −n )−1 (x−n )−1 = y n xn
Il reste à remarquer que comme x et y commutent, xn et y n commutent aussi.

• Démontrons la deuxième propriété.
Montrons tout d’abord par récurrence sur n que pour tout n ∈ N, pour tout m ∈ Z,
xm+n = xm xn . Pour n = 0, xm+0 = xm = xm e = xm x0 . Soit maintenant n ∈ N.
Supposons que pour tout m ∈ Z, xm+n = xm xn . Alors
xm+n+1 = xm+n x = xm xn x = xm xn+1
Soit maintenant n < 0. On a, en utilisant le fait que −n ∈ N,
xm = x(m+n)−n = xm+n x−n
En multipliant à droite par xn , on obtient
xm xn = xm+n x−n xn = xm+n e = xm+n
• La troisième propriété est laissée en exercice.

Remarque 4. Conséquence importante de ces formules, les puissances d’un élément x de
G commutent entre-elles.
Remarque 5. Pour certains groupes abéliens G, l’opération est notée « additivement ».
On ne parle pas de puissances, mais de multiples. Le neutre est la plupart du temps noté
0, et ce qui précède devient :
Définition 11. Soit (G, +) un groupe de neutre 0. On définit pour x ∈ G et n ∈ Z,

l’élément nx ∈ G par :
• 0x = 0
• ∀n ∈ N, (n + 1)x = nx + x
• ∀n ∈ Z− , nx = −(−nx)
Proposition 8. Soit (G, +) un groupe abélien. On a

• ∀x ∈ G, ∀m, n ∈ Z, (m + n)x = mx + nx.
• ∀x ∈ G, ∀m, n ∈ Z, (mn)x = m(nx).
• ∀x, y ∈ G, ∀n ∈ Z, n(x + y) = nx + ny.
2.3 Sous-groupes
Définition 12. Soit (G, ?) un groupe. Soit H une partie de G. On dit que H est un
sous-groupe de G lorsque (H, ?) est lui-même un groupe.
Proposition 9. Le neutre de H est le même que celui de G, et l’inverse d’un élément

de H est le même que celui de cet élément, vu comme un élément de G.
Démonstration. On a eH eH = eH . En multipliant par l’inverse de eH dans G, on obtient

eH = eG . On le note simplement e dans la suite. Soit maintenant x ∈ H. On dispose de
x0 , inverse de x en tant qu’élément de H, et x00 , l’inverse de x dans G. On a xx0 = e. On
multiplie par x00 à gauche, il vient x00 xx0 = x0 = ex00 = x00 .
Proposition 10. Soit G un groupe. Soit H ⊂ G. Alors, H est un sous-groupe de G

si et seulement si
• H 6= ∅
• Pour tous éléments x et y de H, xy ∈ H
• Pour tout élément x de H, x−1 ∈ H.
Démonstration. Dans un sens, c’est clair. Un sous groupe de G contient le neutre,

donc il est non vide. De plus, il est stable par multiplication, et on a vu que l’inverse d’un
élément de H était l’inverse de cet élément dans G. Inversement, soit H non vide, stable
2. GROUPES 139
par multiplication et inversion. L’associativité est automatique puisque H est inclus dans
G. Soit x ∈ H. Alors x−1 ∈ H donc e = xx−1 ∈ H. Donc H a bien un neutre (celui de G,
évidemment).
Remarque 6. Les deux dernières assertions sont équivalentes à : pour tous x et y de H,
xy −1 ∈ H. Preuve laissée en exercice.
2.4 Morphismes de groupes
Définition 13. Soient (G, ?) et (G0 , ∗). deux groupes. Soit f : G → G0 . On dit que f
est un morphisme (de groupes) lorsque
∀x, y ∈ G, f (x ? y) = f (x) ∗ f (y)
Proposition 11. Soit f : G → G0 un morphisme de groupes. On a :

• f (e) = e0
• ∀x ∈ G, f (x−1 ) = f (x)−1
• ∀x ∈ G, ∀n ∈ Z, f (xn ) = f (x)n
Démonstration.
• On a ee = e donc f (e)f (e) = f (e). On multiplie des deux côtés par l’inverse de f (e)
et on obtient f (e) = e0 .
• Soit x ∈ G. On a xx−1 = e donc f (x)f (x−1 ) = f (e) = e0 . On multiplie des deux
côtés par l’inverse de f (x) et on obtient f (x−1 ) = f (x)−1 .
• Pour la dernière propriété, prenons d’abord n ∈ N et faisons une récurrence. Pour
n = 0, c’est clair puisque f (x0 ) = f (e) = e0 = f (x)0 . Soit maintenant n ∈ N.
Supposons que f (xn ) = f (x)n . Alors
f (xn+1 ) = f (xn x) = f (xn )f (x) = f (x)n f (x) = f (x)n+1
Soit enfin n < 0. On a n = −p où p est un entier naturel. Alors,
f (xn ) = f ((xp )−1 ) = f (xp )−1 = (f (x)p )−1 = f (x)n

Remarque 7. Il convient bien entendu de traduire la proposition précédente lorsque
l’une des lois de groupe (voire les deux) est une loi additive. Par exemple, l’exponentielle
est un morphisme de (R, +) vers (R∗ , ×), puisque ex+y = ex ey . Donc, on a enx = (ex )n
(l’exponentielle d’un multiple est une puissance de l’exponentielle).
Définition 14. Soit f : G → G0 est un morphisme de groupes, on dit que :

• f est un isomorphisme lorsque f est bijectif.
• f est un endomorphisme lorsque G = G0 (et que les opérations sur G et G0 sont
identiques).
• f est un automorphisme lorsque f est un endomorphisme bijectif.
Définition 15. Deux groupes sont isomorphes lorsqu’il existe un isomorphisme de

l’un vers l’autre.
2.5 Noyau et image d’un morphisme
Proposition 12. L’image directe et l’image réciproque d’un sous-groupe par un mor-
phisme de groupes est encore un sous-groupe.
Démonstration. Soit f : G → G0 un morphisme de groupes.

Soit H un sous-groupe de G. Soit H 0 = f (H). H est non vide, donc H 0 aussi. Soient
y, y 0 ∈ H 0 . Il existe x, x0 ∈ G tels que y = f (x) et y 0 = f (x0 ). D’où
yy 0 = f (x)f (x0 ) = f (xx0 ) ∈ H 0
Et
y −1 = f (x)−1 = f (x−1 ) ∈ H 0
H 0 est bien un sous-groupe de G0 .

Soit maintenant H 0 un sous-groupe de G0 . Posons H = f −1 (H 0 ). On a f (e) = e0 ∈ H 0 donc
e ∈ H et H est non vide. Soient x, x0 ∈ H. On a
f (xx0 ) = f (x)f (x0 ) ∈ H 0
donc xx0 ∈ H. Enfin,

f (x−1 ) = f (x)−1 ∈ H 0
donc x−1 ∈ H. H est bien un sous-groupe de G.
Définition 16. Soit f : G → G0 un morphisme de groupes. On appelle

2. GROUPES 141
• Noyau de f , et on note ker f l’ensemble des éléments de G dont l’image par f

est le neutre de G0 :
ker f = f −1 ({e0 }) = {x ∈ G, f (x) = e0 }
• Image de f , et on note Im f , l’ensemble des images de tous les éléments de G :
Im f = f (G) = {f (x), x ∈ G}
Proposition 13. Soit f : G → G0 un morphisme de groupes.

• Le noyau de f est un sous-groupe de G.
• L’image de f est un sous-groupe de G0 .
Démonstration. En effet, ker f est l’image réciproque par f d’un sous-groupe de G0 et

Imf est l’image directe par f d’un sous-groupe de G.
Proposition 14. Soit f : G → G0 un morphisme de groupes. Alors :

• f est injectif si et seulement si ker f = {e}.
• f est surjectif si et seulement si Imf = G0 .
Démonstration. Supposons f injectif. Soit x ∈ G. On a x ∈ ker f si et seulement si

f (x) = e0 = f (e), si et seulement si x = e par l’injectivité de f .
Supposons maintenant que ker f ne contient que e. Soient x, x0 ∈ G tels que f (x) = f (x0 ).
Alors
f (x)f (x0 )−1 = e0
ou encore
f (xx0−1 ) = e0
Donc xx0−1 ∈ ker f d’où xx0−1 = e et on a bien x = x0 .

La caractérisation de la surjectivité est évidente.
2.6 Composition de morphismes
Proposition 15.
• La composée de deux morphismes de groupes est encore un morphisme de

groupes.
• La réciproque d’un isomorphisme de groupes est encore un isomorphisme de
groupes.
Proposition 16. Soit G un groupe. L’ensemble Aut G des automorphismes du groupe

G est un groupe pour la composition des applications.
3 Anneaux et corps
3.1 Définitions
Définition 17. Soit A un ensemble muni de deux opérations + et × (notées addi-

tivement et multiplicativement pour simplifier). On dit que (A, +, ×) est un anneau
lorsque
• (A, +) est un groupe abélien (dont on notera le neutre 0).
• A possède un élément neutre pour la multiplication (que l’on notera 1).
• La multiplication dans A est associative.
• La multiplication dans A est distributive par rapport à l’addition.
Si, de plus, la multiplication dans A est commutative, on dit que A est un anneau
commutatif.
Exemple. Z, Q, R, C avec les opérations usuelles sont des anneaux commutatifs. N n’en
est pas un. Si E est un ensemble, l’ensemble RE des applications de E dans R est un
anneau, en posant (f + g)(x) = f (x) + g(x) et (f g)(x) = f (x)g(x) pour toutes f, g ∈ RE et
tout x ∈ E. Cela fonctionne toujours si, à la place de R on prend un anneau A quelconque.
Remarque 8. L’ensemble {0}, muni des opérations 0+0 = 0×0 = 0 est un anneau, appelé
l’anneau nul. Dans cet anneau, on a 1 = 0. Cette situation est tout à fait exceptionnelle. En
effet, soit A un anneau dans lequel 1 = 0. Soit x ∈ A. On a alors x.1 = x, et x.1 = x.0 = 0.
Donc, x = 0. Ainsi, A est l’anneau nul. En conclusion, dans un anneau autre que l’anneau
nul, on a toujours 1 6= 0.
3. ANNEAUX ET CORPS 143
Définition 18. Soit (A, +×) un anneau commutatif. On dit que A est un corps lorsque
• A est différent de l’anneau nul.
• Tout élément non nul de A est inversible pour la multiplication.
Exemple. Z n’est pas un corps. En revanche, Q, R et C en sont. L’anneau RR n’est pas

non plus un corps. Par exemple, la fonction x 7→ x n’a pas d’inverse pour la multiplication.
3.2 Sommes et produits
Soit (A, +, ×) un anneau. Étant donnés des éléments a1 , a2 , . . . , an de l’anneau A, on définit

par récurrence sur n
Xn n
Y
ak et ak
k=1 k=1
P0 Q0
en convenant que k=1 ak = 0 et k=1 ak = 1. Plus généralement, si I est un ensemble
fini, et (ai )i∈I est une famille finie d’éléments de A, on définit par récurrence sur le cardinal
de I X Y
ai et ai
i∈I i∈I
en convenant que si I = ∅, la somme vaut 0 et le produit vaut 1. Attention, pour définir le

produit, on a besoin de savoir que les ai commutent (ce qui sera bien sûr le cas si l’anneau
est commutatif).
3.3 Puissances et multiples
Dans un anneau (A, +, ×) on dispose à la fois de la notion de multiple d’un élément (pour
l’opération +) et de puissance positive d’un élément (pour l’opération ×). Seules les
puissances positives sont autorisées pour un élément quelconque, les puissances négatives
n’ayant de sens que lorsque l’élément en question est inversible (pour la multiplication).
3.4 Sous-Anneaux
Définition 19. Soit (A, +, ×) un anneau. Soit B ⊂ A. On dit que B est un sous-
anneau de A lorsque
• (B, +, ×) est lui-même un anneau.
• Le neutre pour la multiplication dans B est le même que le neutre pour la
multiplication dans A.
Un sous-corps L du corps K est un sous-anneau L de K tel que tout élément non nul
de L possède un inverse dans L.
Proposition 17. Soit (A, +, ×) un anneau de neutre 1 pour la multiplication. Soit

B ⊂ A. Alors, B est un sous-anneau de A si et seulement si
• 1 ∈ B.
• ∀x, y ∈ B, x − y ∈ B.
• ∀x, y ∈ B, xy ∈ B.
B est un sous-corps de A si et seulement si B est un sous-anneau de A et si, de plus,
∀x ∈ B \ {0}, x−1 ∈ B
Démonstration. La preuve est laissée en exercice.
3.5 Éléments inversibles d’un anneau
Proposition 18. Soit A un anneau. L’ensemble A∗ des éléments inversibles de A,

muni de la multiplication, est un groupe.
Démonstration. La multiplication est associative. Il suffit de vérifier que le produit

de deux inversibles est inversible, et que tout inversible a un inverse, qui est lui-même
inversible. Mais on le sait déjà.
3.6 Morphismes d’anneaux
Définition 20. Soit f : A → A0 une application d’un anneau A vers un anneau A0

(les lois des deux anneaux sont notées ici + et × pour simplifier). On dit que f est un
morphisme d’anneaux lorsque
• ∀x, y ∈ A, f (x + y) = f (x) + f (y).
• f (1A ) = 1A0 .
• ∀x, y ∈ A, f (xy) = f (x)f (y).
Remarque 9. On peut parler d’image et de noyau d’un morphisme d’anneaux. Si f :

A → A0 est un morphisme d’anneaux, ker f = f −1 ({0}) et Imf = f (A). Un morphisme
3. ANNEAUX ET CORPS 145
d’anneaux étant avant tout un morphisme de groupes additifs, on a que f est injectif si
et seulement si son noyau est réduit à {0} et f est surjectif si et seulement si Imf = A0 .
Mais attention, le noyau de f n’est pas en général un sous-anneau de A (c’est ce que l’on
appelle un idéal de A, on verra apparaître cette notion dans les exercices).
Exercice. Quels sont les endomorphismes de Z ? De Q ? De R ? Citer deux endomor-

phismes de C.
3.7 Identités remarquables
Proposition 19. Soient a et b deux éléments d’un anneau A vérifiant ab = ba. Soit
n un entier naturel non nul. Alors :
n−1
X
n n
b − a = (b − a) ak bn−1−k
k=0
n−1
X n−1
X n−1
X
X = (b − a) ak bn−1−k = ak bn−k − ak+1 bn−1−k
k=0 k=0 k=0
Pn
En posant k 0 = k +1 dans la deuxième somme, on voit que celle-ci est égale à k n−k .
k=1 a b
Ainsi,
n−1
X n
X
k n−k
X= a b − ak bn−k
k=0 k=1
Tous les termes s’éliminent deux à deux, sauf le terme d’indice k = 0 dans la première
somme et le terme d’indice k = n dans la deuxième somme, qui valent respectivement bn
et an .
Un cas particulier important est le cas b = 1 :
Proposition 20. Soit a un élément d’un anneau A . Soit n un entier naturel non nul.
Alors :
n−1
X
1 − an = (1 − a) ak
k=0
Remarque 10. Si 1 − a est inversible, ce qui arrive par exemple lorsque A = C et a 6= 1,

on peut diviser l’identité précédente par 1 − a, ce qui donne la formule bien connue
n−1
X 1 − an
ak =
1−a
k=0
Pn−1 Pn−1
Bien entendu, si a = 1, alors k=0 ak = k=0 1 = n.
Proposition 21. Soient a et b deux éléments d’un anneau A vérifiant ab = ba. Soit
n un entier naturel. Alors :
n
n
X n k n−k
(a + b) = a b
k
k=0
n

Il s’agit de la formule du « binôme de Newton ». Les quantités k sont les coefficients
binomiaux : nk = k!(n−k)!
n!

.
Démonstration. Nous avons déjà démontré la formule du binôme pour a et b complexes.
Il n’y a aucune différence, la preuve se fait par récurrence sur n.
3.8 Anneaux intègres
Nous nous contentons dans ce paragraphe de quelques définitions (élément régulier, diviseur
de zéro, anneau intègre) et de propriétés faciles.
Définition 21. Soit A un anneau. Soit x ∈ A.

• On dit que x est régulier lorsque pour tous y, z ∈ A,
xy = xz =⇒ y = z et yx = zx =⇒ y = z
• On dit que x est un diviseur de zéro lorsqu’il existe y ∈ A \ {0} tel que xy = 0
ou yx = 0.
Proposition 22. Un élément x de l’anneau A est régulier si et seulement si x n’est

pas un diviseur de zéro.
Démonstration.
(⇒) Supposons que x est un diviseur de zéro. Il existe donc y 6= 0 tel que, par exemple,
xy = 0. On a donc xy = x0, avec y 6= 0. x n’est donc pas régulier.
4. ESPACES VECTORIELS 147
(⇐) Supposons que x n’est pas régulier. Il existe donc y, z ∈ A distincts tels que, par
exemple, xz = yz. De là, x(y − z) = 0 et y − z 6= 0. Ainsi, x est un diviseur de zéro.
Exemple. Considérons l’anneau RR des fonctions de R vers R. La somme des deux
fonctions f et g est la fonction f + g définie pour tout réel x par
(f + g)(x) = f (x) + g(x)
et de même pour le produit f g. Une fonction f est un diviseur de zéro dans A si et seulement
si elle s’annule. Elle est régulière si et seulement si elle est inversible si et seulement si elle
ne s’annule pas.
Proposition 23. Tout élément inversible d’un anneau A est régulier. La réciproque
est fausse.
Démonstration. Soit x un élément inversible de l’anneau A. Soient y, z ∈ A. Supposons

que xy = xz. En multipliant cette égalité à gauche par x−1 , on obtient y = z. De même
pour l’implication yx = zx =⇒ y = z.
Pour la réciproque, il suffit de considérer l’anneau Z. Tous les entiers non nuls sont réguliers,
alors que les seuls éléments inversibles sont −1 et 1.
Définition 22. Soit A un anneau. On dit que A est intègre lorsque A est différent de
l’anneau nul et que tous les éléments non nuls de A sont réguliers.
Par exemple, Z est un anneau intègre. Les corps sont aussi des anneaux intègres.
Les anneaux commutatifs intègres sont « presque » des corps. On peut montrer que tout
anneau commutatif intègre A peut être en un certain sens plongé dans un corps K dont les
éléments sont les « fractions » d’éléments de A. Le corps K est appelé le corps des fractions
de l’anneau A.
Par exemple, le corps des fractions de Z est le corps Q des rationnels. Un peu plus loin
dans ce cours, nous étudierons l’anneau K[X] des polynômes à une indéterminée sur un
corps K. L’anneau K[X] est un anneau commutatif intègre, et son corps des fractions, noté
K(X) est le corps des fractions rationnelles à une indéterminée sur le corps K.
4 Espaces vectoriels
Nous nous contenterons ici de deux définitions. L’étude des espaces vectoriels, appelée
l’algèbre linéaire, sera faite plus tard dans l’année et représente une part importante du
programme.
Définition 23. Soient E un ensemble et K un corps. On suppose E muni d’une loi

de composition interne + et d’une « loi de composition externe » . : K × E → E. On
dit que (E, +, .) est un K-espace vectoriel lorsque
• (E, +) est un groupe abélien.
• Pour tout x ∈ E, 1x = x.
• Pour tous x, y ∈ E et tout λ ∈ K, λ(x + y) = λx + λy.
• Pour tout x ∈ E et tous λ, µ ∈ K, (λ + µ)x = λx + µx.
• Pour tout x ∈ E et tous λ, µ ∈ K, λ(µx) = (λµ)x.
Les éléments de E sont appelés des vecteurs. Les éléments de K sont appelés des
scalaires.
Par exemple,
• Kn muni de l’addition des n-uplets terme à terme et du produit par λ terme à terme
est un K-espace vectoriel.
• L’ensemble RR des fonctions de R vers R, muni de l’addition des fonctions et du
produit d’une fonction par un réel, est un R-espace vectoriel.
Un opération importante dans les espaces vectoriels est la combinaison linéaire. Si λ1 , . . . , λn ∈
K et x1 , . . . , xn ∈ E, on peut former le vecteur
n
X
λk xk = λ1 x1 + . . . + λn xn
k=1
On peut montrer qu’une partie F d’un espace vectoriel E est lui-même un espace vectoriel
si et seulement si F est non vide et stable par combinaisons linéaires. Une telle partie est
appelée un sous-espace vectoriel de E.
Les morphismes d’espaces vectoriels sont appelés des applications linéaires.
Définition 24. Soient E et F deux K-espaces vectoriels. Soit f : E → F . On dit que

f est une application linéaire lorsque
• Pour tous x, y ∈ E, f (x + y) = f (x) + f (y).
• Pour tout x ∈ E et tout λ ∈ K, f (λx) = λf (x).
Chapitre 10
Fonctions
149
150 CHAPITRE 10. FONCTIONS
Dans ce court chapitre, nous nous intéressons aux propriétés algébriques des fonctions
à valeurs réelles. En particulier, nous mettons en place du vocabulaire qui sera ensuite
couramment utilisé.
Dans ce chapitre, X désigne un ensemble quelconque. On s’intéresse aux propriétés al-
gébriques de l’ensemble RX des fonctions de X vers R. Deux cas sont particulièrement
intéressants : celui où X est un intervalle de R (c’est ce qui se passe dans le cours d’Ana-
lyse) et celui où X = N (ou une partie de N) dans le cours sur les suites à valeurs réelles.
1 Opérations algébriques
Soient f, g ∈ RX . On peut fabriquer à partir de f et g de nouvelles fonctions :

• La fonction f + g : X −→ R est définie, pour tout x ∈ X, par
(f + g)(x) = f (x) + g(x)
• La fonction f g : X −→ R est définie, pour tout x ∈ X, par
(f g)(x) = f (x)g(x)
• Si λ ∈ R, la fonction λf : X −→ R est définie, pour tout x ∈ X, par
(λf )(x) = λf (x)
Proposition 1. L’ensemble RX , muni des opérations ci-dessus est un espace vectoriel

et un anneau commutatif (on dit aussi une algèbre).
Démonstration. Ce sont de simples vérifications.

Remarque 1. Une fonction est inversible pour la multiplication si et seulement si elle ne
s’annule pas. Or, pour un ensemble X ayant au moins deux éléments, il existe des fonctions
X −→ R différentes de la fonction nulle, et qui pourtant s’annulent. L’anneau RX n’est
donc pas un corps.
2 Une relation d’ordre
2.1 Un ordre partiel

2. UNE RELATION D’ORDRE 151
Définition 1. Pour f, g ∈ RX , on dit que f ≤ g lorsque
∀x ∈ X, f (x) ≤ g(x)
Proposition 2. Si X a au moins deux éléments, cette relation est une relation d’ordre
partiel.
Démonstration. Laissé en exercice. Pour l’ordre partiel, prendre par exemple la fonction
x 7−→ x et x 7−→ −x. Aucune de ces fonctions n’est plus petite que l’autre.
Définition 2. Pour f, g ∈ RX , on appelle sup(f, g) la fonction définie par
sup(f, g)(x) = max(f (x), g(x))
On définit de même inf(f, g).
Remarque 2. On a
f +g f −g
sup(f, g) = +
2 2
et
f +g f −g
inf(f, g) = −
2 2
Exemple. On pose f + = sup(f, 0) et f − = − inf(f, 0). Alors, f + et f − sont positives, et

on a f = f + − f − et |f | = f + + f − .
2.2 Fonctions bornées
Définition 3. Soit f : X −→ R. On dit que f est

• majorée lorsque
∃M ∈ R, ∀x ∈ X, f (x) ≤ M
• minorée lorsque
∃m ∈ R, ∀x ∈ X, f (x) ≥ m
• bornée lorsqu’elle est majorée et minorée, ce qui peut s’écrire :
∃M ∈ R, ∀x ∈ X, |f (x)| ≤ M
Exercice. Montrer que si f, g : X −→ R sont bornées, alors f + g, f g et, pour tout réel
λ, λf , sont encore des fonctions bornées.
3 Fonctions monotones
Dans cette section, on suppose que X est une partie de R.
Définition 4. Soit f : X −→ R. On dit que

• f est croissante sur X lorsque
∀x, y ∈ X, x ≤ y =⇒ f (x) ≤ f (y)
• f est strictement croissante sur X lorsque
∀x, y ∈ X, x < y =⇒ f (x) < f (y)
On définit de même (strictement) décroissante. Enfin, f est (strictement) monotone

lorsqu’elle est croissante OU décroissante (strictement).
Remarque 3. La somme de deux fonctions croissantes est croissante. On ne peut en

revanche « rien » dire de la différence de deux fonctions croissantes.
Proposition 3. La composée de deux fonctions monotones est monotone. Le sens de

monotonie obéit à la règle des signes.
Démonstration. Laissé en exercice.

Exemple. La fonction x 7→ exp − x12 est décroissante sur R∗+ .

4 Extrema
Définition 5. Soit I un intervalle de R. Soit f : I −→ R. Soit a ∈ I. On dit que f

admet un maximum (global) en a lorsque
∀x ∈ I, f (x) ≤ f (a)
Le réel f (a) est le maximum de f sur I. On définit de même la notion de minimum.

5. PARITÉ, PÉRIODICITÉ 153
Définition 6. Soit I un intervalle de R. Soit f : I −→ R. Soit a ∈ I. On dit que f

admet un maximum local en a lorsque
∃δ > 0, ∀x ∈ I, |x − a| ≤ δ =⇒ f (x) ≤ f (a)
On définit de même la notion de minimum local.
Remarque 4. Si une fonction admet un extremum global en un point, c’est aussi bien
entendu un extremum local. La réciproque est fausse. Nous verrons plus tard des conditions
d’existence d’extrema locaux ou globaux, liées à la nature de l’intervalle I (segment) et à
la régularité de f (continuité, dérivabilité).
5 Parité, périodicité
5.1 Fonctions paires, fonctions impaires
Définition 7. Soit X ⊂ R. Soit f : X −→ R, où X est une partie de R symétrique

par rapport à 0 : ∀x ∈ X, −x ∈ X.
• On dit que f est paire lorsque
∀x ∈ X, f (−x) = f (x)
• On dit que f est impaire lorsque
∀x ∈ X, f (−x) = −f (x)
Proposition 4. Toute fonction X −→ R s’écrit de façon unique comme somme d’une

fonction paire et d’une fonction impaire.
Démonstration. Soit f : X −→ R. Supposons que f = g + h où g est paire et h est

impaire. On a pour tout x ∈ X les deux égalités
f (x) = g(x) + h(x) et f (−x) = g(x) − h(x)
On en déduit
f (x) + f (−x) f (x) − f (−x)
g(x) = et h(x) =
2 2
d’où l’unicité. Inversement, on vérifient que ces deux fonctions sont bien respectivement
paire et impaire, et que leur somme est f , d’où l’existence.
x −x x −x
Exemple. On a ex = cosh x + sinh x où cosh x = e +e 2 et sinh x = e −e
2 . Ces deux
fonctions sont les fonctions cosinus et sinus hyperboliques. Nous les étudierons plus loin
dans ce chapitre.
Proposition 5. Soit f : X → R. Alors,

• f est paire si et seulement si son graphe est symétrique par rapport à l’axe Oy.
• f est impaire si et seulement si son graphe est symétrique par rapport au point
O.
Démonstration. Supposons f paire. Notons G le graphe de f . Rappelons que
G = {(x, f (x)), x ∈ X}
Soit s : R2 −→ R2 définie par

s(x, y) = (−x, y)
L’application s est la symétrie orthogonale par rapport à l’axe Oy. Il s’agit de montrer que
s(G) = G
Soit (a, b) ∈ s(G). Il existe donc (x, y) ∈ G tel que (a, b) = s(x, y). On a x ∈ X, y = f (x),
a = −x et b = y. Comme X est symétrique par rapport à O, a ∈ X. De plus,
b = y = f (x) = f (−x) = f (a)
Ainsi, (a, b) ∈ G. Nous avons donc prouvé que s(G) ⊂ G.

Appliquons s à l’inclusion précédente. Il vient
s ◦ s(G) ⊂ s(G)
Or, s ◦ s = idR2 . Ainsi, G ⊂ s(G).

Inversement, supposons que s(G) = G. Soit x ∈ X. Soit y = f (x). On a (x, y) ∈ G, donc
s(x, y) = (−x, y) ∈ G. On en déduit que −x ∈ X et y = f (−x), d’où f (−x) = f (x). La
fonction f est paire.
Le cas où f est impaire est laissé en exercice.
5.2 Fonctions périodiques

5. PARITÉ, PÉRIODICITÉ 155
Définition 8. Soit X ⊂ R. Soit f : X −→ R. Soit T ∈ R. On dit que T est une

période de f lorsque
• ∀x ∈ X, x + T ∈ X.
• ∀x ∈ X, f (x + T ) = f (x).
La fonction f est dite périodique si elle admet au moins une période non nulle.
On note T (f ) l’ensemble des périodes de la fonction f .
Proposition 6. Soit f : X −→ R. L’ensemble T (f ) est un groupe pour l’addition : il

contient 0, et il est stable pour l’addition et par passage à l’opposé.
Démonstration. Il est clair que 0 est une période de f .

Soit T une période de f . On a pour tout x ∈ X f (x − T ) = f (x − T + T ) = f (x). Donc
−T est une période de f .
Enfin, si T1 et T2 sont deux périodes de f , on a pour tout x ∈ X f (x + T1 + T2 ) =
f (x + T1 ) = f (x) donc T1 + T2 est une période de f .
Remarque 5. On peut montrer que si G est un sous-groupe de R, alors on est dans un
(et un seul) des trois cas ci-dessous :
• G = {0}.
• G possède un plus petit élément strictement positif : dans ce cas, il existe un réel
α > 0 tel que G = αZ.
• G ne possède pas de plus petit élément strictement positif : G est alors dense dans
R.
Ceci signifie qu’il existe deux types de fonctions périodiques :
• Les fonctions dont le groupe des périodes est dense dans R. Ce sont des fonctions
très compliquées.
• Les fonctions dont le groupe des périodes est de la forme T0 Z avec T0 > 0. On
peut montrer que c’est par exemple le cas lorsque la fonction est continue en au
moins 1 point. C’est le cas simple, la fonction possède alors une plus petite période
strictement positive que l’on appelle SA période.
Proposition 7. Soit T un réel. L’ensemble des fonctions T -périodiques sur l’ensemble

X est une algèbre.
Démonstration. Cette proposition nous dit essentiellement que la somme, le produit

de deux fonctions T -périodiques, le produit d’une fonction T -périodique par un réel, sont
encore des fonctions T -périodiques.

Chapitre 11
Limites - Continuité
157
158 CHAPITRE 11. LIMITES - CONTINUITÉ
1 Étude locale d’une fonction
1.1 Un peu de topologie
Définition 1. Soit a ∈ R.
• Si a ∈ R, un voisinage de a est un segment [a − , a + ] où > 0.
• Si a = +∞, un voisinage de a est un intervalle [M, +∞[, où M ∈ R.
• Si a = −∞, un voisinage de a est un intervalle ] − ∞, M ], où M ∈ R.
Les trois propositions ci-dessous sont faciles à montrer. Leur preuve est laissée en exercice.
Proposition 1. Soit a ∈ R. L’intersection de deux voisinages de a est encore un

voisinage de a.
Proposition 2. Soit a ∈ R. Si a ∈ R, l’intersection des voisinages de a est le singleton

{a}. Si a = ±∞, l’intersection des voisinages de a est vide.
Proposition 3. Soient a, b ∈ R, a 6= b. Il existe un voisinage V de a et un voisinage

W de b tels que V ∩ W = ∅.
Notation. On note V(a) l’ensemble des voisinages de a.
Définition 2. Soit A une partie de R. Soit a ∈ R. On dit que a est adhérent à A

lorsque tout voisinage de a rencontre A.
Exemple. Les points adhérents à un intervalle sont les points de l’intervalle et ses bornes.
Notation. On note A l’ensemble des points adhérents à A. Cet ensemble est appelé
l’adhérence de A.
Exemple. L’adhérence d’un intervalle est l’intervalle fermé correspondant.

1. ÉTUDE LOCALE D’UNE FONCTION 159
Définition 3. Soit P(x) une propriété du réel x. Soit a ∈ R. On dit que la propriété
P est vraie au voisinage de a lorsque ∃V ∈ V(a), ∀x ∈ V, P(x).
1.2 Limite et continuité en un point
Définition 4. Soit A une partie de R. Soit f : A −→ R. Soit a ∈ A. Soit ` ∈ R. On

dit que f tend vers ` en a lorsque
∀V ∈ V(`), ∃W ∈ V(a), ∀x ∈ W ∩ A, f (x) ∈ W
Notation. On note f (x) −→ `.

x−→a
Remarque 1. Les ensembles A et les objets a que nous considérerons usuellement seront
de l’une des formes ci-dessous :
• A est un intervalle et a est un point de A.
• A est un intervalle et a est une borne de A, a 6∈ A.
• A est un intervalle privé d’un point a. On parle alors quelquefois d’intervalle épointé.
Proposition 4. La limite d’une fonction en un point, si elle existe, est unique.
Démonstration. Supposons que f a deux limites ` et `0 en a. Soient V un voisinage de

` et V 0 un voisinage de `0 . Il existe W, W 0 voisinages de a tels que
f (W ∩ A) ⊂ V et f (W 0 ∩ A) ⊂ V 0
W ∩ W 0 est encore un voisinage de a et
f (W ∩ W 0 ∩ A) ⊂ f (W ∩ A) ⊂ V
De même,
f (W ∩ W 0 ∩ A) ⊂ V 0
Ainsi, V ∩ V 0 6= ∅. Ceci étant vrai pour tous les voisinages de ` et `0 , on a donc ` = `0 .
Remarque 2. On parle donc de LA limite de f en a (si elle existe !). L’unicité de la limite
justifie la notation ` = lima f ou notations semblables.
Proposition 5. Si une fonction a une limite finie en un point a, cette fonction est
bornée au voisinage de a.
Démonstration. Supposons que f tend vers ` ∈ R. Pour tout x assez proche de a, on a

donc |f (x) − `| ≤ 1, donc ` − 1 ≤ f (x) ≤ ` + 1. La fonction f est donc bornée au voisinage
de a.
Proposition 6. Soit f : A −→ R. Soit a ∈ A. Si f a une limite en a, ce ne peut être

que f (a).
Démonstration. Supposons f (x) −→ ` lorsque x −→ a. Pour tout voisinage V de `,

il existe un voisinage W de a tel que f (W ∩ A) ⊂ V . Mais a appartient à W ∩ A, donc,
f (a) ∈ V . Ainsi, f (a) est dans tous les voisinages de `. Donc, ` est réel et ` = f (a).
Remarque 3. Ce que nous venons de montrer peut se révéler gênant dans certains cas.
Ainsi, il arrive parfois que l’on « retire » a de l’ensemble de définition de f et que l’on
considère la limite de f (x) lorsque x tend vers a, x 6= a.
Définition 5. Soit f : A −→ R. Soit a ∈ A. On dit que f est continue en a lorsque f

a une limite en a (qui est donc forcément f (a)).
Remarque 4. f est continue en a si et seulement si
∀ε > 0, ∃α > 0, ∀x ∈ A, |x − a| ≤ α ⇒ |f (x) − f (a)| ≤ ε
Définition 6. Soit f : A −→ R. On dit que f est continue sur A lorsque f est continue
en tout point de A.
Notation. Soit A ⊂ R. On note C 0 (A) l’ensemble des fonctions continues sur A.
1.3 Reformulations de la notion de limite
La définition de limite par les voisinages a l’avantage d’être valable dans tous les cas, en un
point fini ou pas, pour une limite finie ou pas. C’est très bien pour faire des démonstrations
très générales, mais cela l’est beaucoup moins dans les situations concrètes. On se donne
f : A −→ R. Soit a ∈ A. Soit ` ∈ R. On réécrit selon la finitude ou non de a et ` la
définition de limite.
Limite réelle en un point réel
Proposition 7. f (x) tend vers ` lorsque x tend vers a si et seulement si
∀ε > 0, ∃α > 0, ∀x ∈ A, |x − a| ≤ α =⇒ |f (x) − `| ≤ ε
Limite finie à l’infini
Proposition 8. f (x) tend vers ` lorsque x tend vers +∞ si et seulement si
∀ε > 0, ∃M ∈ R, ∀x ∈ A, x ≥ M =⇒ |f (x) − `| ≤ ε
Remarque 5. On définit de même la notion de limite réelle en −∞.
Limite nulle
Les fonctions ayant une limite nulle en un point donné possèdent des propriétés remar-
quables.
Proposition 9. Soit I un intervalle de R. Soit a ∈ I.

• Une fonction f a une limite nulle en a si et seulement si |f | a une limite nulle
en a.
• Si f a une limite nulle en a, et g est bornée au voisinage de a, alors f g a une
limite nulle en a.
Démonstration. Démonstration analogue à celle qui a été faite pour les suites.
Limite infinie en un point réel
Définition 7. f (x) tend vers +∞ lorsque x tend vers a ∈ R si et seulement si
∀M ∈ R, ∃α > 0, ∀x ∈ A, |x − a| ≤ α =⇒ f (x) ≥ M
Limite infinie à l’infini
Définition 8. f (x) tend vers +∞ lorsque x tend vers +∞ si et seulement si
∀M ∈ R, ∃M 0 ∈ R, ∀x ∈ A, x ≥ M 0 =⇒ f (x) ≥ M
On définit de même des limites en −∞, égales à ±∞. Il suffit de changer le sens des
inégalités.
1.4 Opérations sur les limites
Proposition 10. Soient f, g : A −→ R. Soit a ∈ A. Soit λ ∈ R. Soient `, `0 ∈ R. On

suppose que f (x) −→ ` et g(x) −→ `0 lorsque x −→ a. Alors :
• f (x) + g(x) −→ ` + `0 lorsque x −→ a.
• f (x)g(x) −→ ``0 lorsque x −→ a.
• λf (x) −→ λ` lorsque x −→ a.
Remarque 6. Les résultats précédents subsistent lorsque `, `0 ∈ R, sauf dans les cas
d’indétermination « ∞ − ∞ » et « 0 × ∞ ».
∗
Proposition 11. Soit g : A −→ R. Soit a ∈ A. Soit ` ∈ R+ . On suppose que g(x)
tend vers ` lorsque x tend vers a. Alors :
• Il existe un réel m > 0 tel que g(x) ≥ m au voisinage de a.
1
• g(x) tend vers 1` lorsque x tend vers a.
Remarque 7. Le résultat précédent s’adapte évidemment au cas où ` < 0. Il convient en
revanche de faire attention au cas où ` = 0. Il faut dans ce cas supposer que la fonction g
a un signe constant au voisinage de a pour conclure que g tend vers l’infini en a.
Lemme 12. Soient A et B deux parties de R. Soit f : A −→ B. Soit a ∈ A. Soit

b ∈ R. On suppose que f (x) −→ b lorsque x −→ a. Alors b appartient à B.
Démonstration. Soit V un voisinage de b. Il existe un voisinage W de a tel que f (W ∩

A) ⊂ V . Comme a est adhérent à A, W ∩ A est non vide, donc f (W ∩ A) est non vide
aussi. Mais f (W ∩ A) ⊂ B, donc V ∩ B est non vide. Ceci étant vrai pour tout voisinage
V de b, on a bien b ∈ B.
Proposition 13. Théorème de composition des limites.

Soient f : A −→ B et g : B −→ R. Soit a ∈ A, b ∈ B, ` ∈ R. On suppose que
f (x) −→ b lorsque x −→ a, et g(y) −→ ` lorsque y −→ b. Alors g ◦ f (x) −→ ` lorsque
x −→ a.
Démonstration. Soit V un voisinage de `. Il existe un voisinage W de b tel que g(W ∩

B) ⊂ V . Il existe ensuite un voisinage X de a tel que f (X ∩ A) ⊂ W . On a alors g ◦ f (X ∩
A) ⊂ g(W ∩ B) ⊂ W . La fonction g ◦ f tend bien vers ` en a.
1.5 Limites de fonctions, limites de suites
Proposition 14. Caractérisation séquentielle des limites

Soit f : A −→ R. Soit a ∈ A. Soit ` ∈ R. On a f (x) −→ ` lorsque x −→ a si et
seulement si pour toute suite (xn )n≥0 de points de A qui tend vers a, la suite (f (xn ))n≥0
tend vers `.
Démonstration. On fait la démonstration pour a et ` réels. Supposons que f (x) −→ `

lorsque x −→ a. Soit (xn ) une suite de points de A qui converge vers a. Soit ε > 0. Il existe
δ > 0 tel que
∀x ∈ A, |x − a| ≤ δ ⇒ |f (x) − `| ≤ ε
Soit N ∈ N tel que pour tout n ≥ N , |xn − a| ≤ δ. On a alors |f (xn ) − `| ≤ ε. La suite

(f (xn )) tend donc vers `.
Supposons maintenant que f (x) 6−→ ` lorsque x tend vers a. Il existe donc ε > 0 tel que
pour tout δ > 0 il existe x ∈ A tel que |x − a| ≤ δ et |f (x) − `| > ε. Pour tout entier n ≥ 1,
prenons δn = n1 . Soit xn ∈ A tel que |xn − a| ≤ n1 et |f (xn ) − `| > ε. On a xn −→ a lorsque
n −→ ∞. Mais si l’on suppose que f (xn ) −→ `, on obtient, par passage à la limite, 0 ≥ ε,
contradiction. La suite (f (xn )) ne tend donc pas vers `.
Exemple. La fonction f : x 7→ sin x1 n’a pas de limite en 0. En effet, supposons

f a
que
1 1

une limite ` en 0. Alors 0 = f 2nπ −→ ` donc ` = 0. Mais aussi, 1 = f 2nπ+ π −→ `
2
donc ` = 1, contradiction.
1.6 limites et ordre
Proposition 15. passage à la limite dans une inégalité

Soient f, g : A −→ R. Soit a ∈ A. On suppose :
• f (x) −→ ` lorsque x −→ a.
• g(x) −→ `0 lorsque x −→ a.
• f ≤ g au voisinage de a.
Alors, ` ≤ `0 .
Démonstration. Démonstration analogue à celle du théorème correspondant sur les

suites.
Proposition 16. théorème d’encadrement

Soient f, g, h : A −→ R. Soit a ∈ A. Soit ` ∈ R. On suppose :
• f ≤ g ≤ h au voisinage de a.
• f (x) −→ ` lorsque x −→ a.
• h(x) −→ ` lorsque x −→ a.
Alors, g(x) −→ ` lorsque x −→ a.

suites.
Proposition 17. théorème d’encadrement

Soient f, g : A −→ R. Soit a ∈ A. On suppose :
• f ≤ g au voisinage de a.
• f (x) −→ +∞ lorsque x −→ a.
Alors, g(x) −→ +∞ lorsque x −→ a.

suites.
1.7 Limites dans une direction
Définition 9. Soit f : I −→ R, où I est un intervalle de R. Soit a ∈ I. On suppose

que a n’est pas la borne inférieure de I. On définit la limite à gauche de f en a comme
la limite (si elle existe !) de la restriction de f à I∩] − ∞, a[, en a. On note cette limite
limx−→a,x<a f (x) ou encore f (a− ). On définit de même la limite à droite de f en a.
Remarque 8. Si a est la borne inférieure de I, la notion de limite à droite de f (x) lorsque

x −→ a et celle de limite de f (x) lorsque x −→ a, x 6= a coïncident. Même remarque pour
la limite à gauche lorsque a est la borne supérieure de I.
Proposition 18. Soit f : I −→ R. Soit a ∈ I, a n’étant pas la borne inférieure de

I. La fonction f admet une limite en a si et seulement si elle y admet une limite à
gauche et une limite à droite, et si celles-ci sont égales à f (a). On a alors
lim f = f (a− ) = f (a+ ) = f (a)

a

Remarque 9. Si f est définie sur l’intervalle épointé I \ {a}, il convient d’adapter la
proposition précédente en y enlevant les références à f (a).
1.8 Fonctions monotones
Dans ce paragraphe, les fonctions sont définies sur des intervalles.

On se donne une fonction f : I −→ R croissante. Soit également a ∈ I.
Cas où a n’est pas une borne de I
Proposition 19. f admet une limite à gauche et une limite à droite réelles en a. De
plus,
• f (a− ) = sup{f (x), x < a}.
• f (a+ ) = inf{f (x), x > a}.
• f (a− ) ≤ f (a) ≤ f (a+ ).
Démonstration. Soit E = {f (x), x ∈ I, x < a} = f (I∩] − ∞, a[). L’ensemble E est

non vide car a n’est pas la borne inférieure de I. De plus, E est majoré par f (a) puisque
f est croissante. Donc, E possède une borne supérieure ` ≤ f (a). Soit ε > 0. Comme
` − ε < `, il existe y0 ∈ E tel que y0 > ` − ε. Autrement dit, il existe x0 ∈ I, x0 < a tel
que f (x0 ) > ` − ε. Posons δ = a − x0 . On a alors pour tout x ∈ I, x < a, |x − a| = a − x ≤
δ ⇒ x0 ≥ x < a ⇒ ` − ε ≤ f (x0 ) ≤ f (x). De plus, f (x) ∈ E donc f (x) ≤ ` ≤ ` + ε. Bref,
|f (x) − `| ≤ ε. Ainsi, f (a− ) existe et vaut `. Même démonstration pour la limite à droite.
Cas où a est la borne supérieure de I, et a ∈ I
Proposition 20. f admet une limite à gauche réelle en a. De plus,

• f (a− ) = sup{f (x), x < a}.
• f (a− ) ≤ f (a).
Démonstration. Voir le cas précédent.
Cas où a est la borne supérieure de I, mais a 6∈ I
Proposition 21. f admet une limite à gauche réelle ou égale à +∞ en a. De plus,
f (a− ) = sup{f (x), x < a}
Si f est majorée sur I, ce sup est réel. Sinon, il est égal à +∞.
Démonstration. La seule différence, c’est que E n’est plus nécessairement majoré. S’il
l’est, f a une limite réelle en a. S’il ne l’est pas, f tend vers +∞ en a.
Le cas de la borne inférieure de I, et celui des fonctions décroissantes, se traitent évidem-
ment de façon identique.
2 Propriétés des fonctions continues
2.1 Opérations sur les fonctions continues
Proposition 22. Soit A ⊂ R. L’ensemble C 0 (A) des fonctions continues sur A est
une algèbre.
2. PROPRIÉTÉS DES FONCTIONS CONTINUES 167
Démonstration. Ce sont tout simplement les opérations sur les limites qui nous le
disent.
Proposition 23. La composée de deux fonctions continues est encore une fonction
continue.
Démonstration. Théorème de composition des limites.

Remarque 10. La fonction identité x 7→ x est clairement continue sur R. Il s’ensuit que
toute fonction polynôme
Xn
P (x) = ak xk
k=0
est continu sur R. De là, les fractions rationnelles
P (x)
F (x) =
Q(x)
sont continues en tout point où Q ne s’annule pas.

Nous verrons plus tard que la fonction exponentielle, les fonctions sinus et cosinus, sont
continues sur R. La fonction logarithme, les fonctions x 7→ xα (où α ∈ R) sont continues
sur R∗+ .
2.2 Prolongement par continuité
Étant donnée une fonction f :]a, . . . | −→ R, on cherche souvent à prolonger f à [a, . . . |.

Un tel prolongement est particulièrement intéressant lorsqu’il est continu.
Définition 10. Soit a ∈ R. Soit f :]a, . . . | −→ R continue sur ]a, . . . |. On dit que f
est prolongeable par continuité en a lorsqu’il existe un prolongement de f à [a, . . . | qui
soit continu.
Proposition 24. Un tel prolongement existe si et seulement si f admet une limite

finie en a.
Démonstration. Supposons l’existence d’un prolongement g. On a g(x) −→ g(a) lorsque

x −→ a. Mais hormis en a, f et g coïncident. donc f (x) −→ g(a) lorsque x −→ a.
Inversement, supposons que f (x) −→ ` ∈ R lorsque x −→ a. Le prolongement g de f en a
défini par g(a) = ` est alors continu.
2.3 Image d’un intervalle
Proposition 25. Théorème des valeurs intermédiaires

Soient a, b ∈ R tels que a < b. Soit f : [a, b] −→ R, continue sur [a, b]. On suppose
f (a) < 0 et f (b) > 0. Alors, il existe c ∈ [a, b] tel que f (c) = 0.
Démonstration. On définit par récurrence sur n deux suites (an )n≥0 et (bn )n≥0 de points
de [a, b]. Tout d’abord, a0 = a et b0 = b. Pour tout entier n ∈ N, soit cn = 21 (an + bn ).
• Si f (cn ) < 0, on pose an+1 = cn et bn+1 = bn .

• Sinon, on pose an+1 = an et bn+1 = cn .
On montre alors facilement par récurrence sur n que pour tout n ∈ N,
• a ≤ an ≤ an+1 < bn+1 ≤ bn ≤ b.

• f (an ) < 0, f (bn ) ≥ 0.
• bn − an = 21n (b − a).
Les suites (an )n≥0 et (bn )n≥0 sont donc des suites adjacentes de points de [a, b]. Ainsi, elles
convergent vers une limite commune c ∈ [a, b].
Comme c ∈ [a, b], f est continue en c. Par le théorème de caractérisation séquentielle des
limites, f (an ) −→ f (c) lorsque n tend vers l’infini. Or, f (an ) < 0. Par passage à la limite
dans les inégalités larges, on en déduit que f (c) ≤ 0. De même, f (bn ) −→ f (c) lorsque n
tend vers l’infini et f (bn ) ≥ 0, donc f (c) ≥ 0. En conclusion, f (c) = 0.
Remarque 11. La preuve ci-dessus donne une méthode effective pour calculer des ap-
proximations d’une racine de f . La fonction Python ci-dessous fait le travail en question.
Elle prend en param !tres une fonction f , deux réels a 0. Elle renvoie un couple (x, y) tel que x < y, [x, y] contient une racine de
f , et y − x ≤ ε.
def racine(f, a, b, eps):

while b - a > eps:
c = (a + b) / 2
if f(c) < 0: a = c
else: b = c
return (a, b)
Exemple. Soit f : [0, 1] −→ [0, 1] continue. Il existe x ∈ [0, 1] tel que f (x) = x. Il suffit de
considérer la fonction g : x 7−→ f (x) − x. Cette fonction est continue, g(0) ≥ 0 et g(1) ≤ 0.
Corollaire 26. Théorème des valeurs intermédiaires

Soit f : [a, b] −→ R continue. Soient α = f (a), β = f (b). Soit γ un réel compris entre
α et β. Il existe c ∈ [a, b] tel que f (c) = γ.
Démonstration. Supposons par exemple α ≤ β. Considérons la fonction g : x 7−→

f (x) − γ. Cette fonction est continue, négative en a et positive en b. Donc, elle s’annule.
Corollaire 27. Théorème des valeurs intermédiaires

L’image d’un intervalle par une fonction continue est un intervalle.
Démonstration. Soit I un intervalle de R. Soit f : I −→ R continue. Soit J = f (I).

Montrons que J est convexe. Ce sera donc un intervalle. Soient α, β ∈ J. Il existe donc
a, b ∈ I tels que f (a) = α et f (b) = β. Soit γ un réel entre α et β. f étant continue
sur [a, b], il existe donc c ∈ [a, b] tel que f (c) = γ. Mais I est convexe puisque c’est un
intervalle. Donc c ∈ I et γ = f (c) ∈ J. Ainsi, J est convexe. J est bien un intervalle.
2.4 Image d’un segment
Proposition 28. Soit f : [a, b] −→ R, continue sur [a, b]. Alors, f admet un maximum
et un minimum sur le segment [a, b].
Démonstration. Considérons l’ensemble E = f ([a, b]). Cet ensemble est non vide, et
possède donc une borne supérieure M ∈ R, éventuellement égale à +∞. Soit (xn ) une suite
de points de [a, b] telle que f (xn ) −→ M . La suite (xn ) est bornée, elle admet donc d’après
le théorème de Bolzano-Weierstrass une suite extraite (xϕ(n) ) convergeant vers un réel c.
Comme on a pour tout n a ≤ xϕ(n) ≤ b, on a par passage à la limite a ≤ c ≤ b. La fonction
f est donc continue en c, et ainsi, f (xϕ(n) ) −→ f (c). Mais on a aussi que f (xϕ(n) ) −→ M .
Donc M = f (c). On en déduit que M est réel, et aussi que M est une valeur prise par f :
M = max E. On fait de même pour le minimum.
Corollaire 29. L’image d’un segment par une fonction continue est un segment.
Démonstration. L’image d’un segment par une fonction continue est un intervalle
(théorème des valeurs intermédiaires) possédant un plus petit et un plus grand élément.
Pas de doute, c’est un segment.
2.5 Fonctions continues strictement monotones
Proposition 30. Soit f : I −→ R continue. Si f est injective, alors f est strictement

monotone.
Démonstration. Supposons f continue et injective. Soit T = {(x, y) ∈ I 2 , x < y}. Soit

F : T −→ R définie par
f (y) − f (x)
F (x, y) =
y−x
Remarquons que pour tout (x, y) ∈ T , on a x 6= y. En conséquence, F est bien définie et
F ne s’annule pas car f est injective. Il s’agit de montrer que F est de signe constant sur
T . Pour cela, soient (a, b) et (x, y) deux éléments de T . On vérifie facilement que pour tout
t ∈ [0, 1],
((1 − t)a + tx, (1 − t)b + ty) ∈ T
Soit ϕ : [0, 1] −→ R définie par
ϕ(t) = F ((1 − t)a + tx, (1 − t)b + ty)
La fonction ϕ est clairement continue sur [0, 1] et ne s’annule pas. Par le théorème des
valeurs intermédiaires, ϕ est de signe constant. Ainsi :
Pour tout (x, y) ∈ T , le signe de F (x, y) est le même que celui de F (a, b). La fonction F
est bien de signe constant.
Il reste à examiner la réciproque.
Proposition 31. Soit f : I −→ R continue, strictement croissante. Alors :

• J = f (I) est un intervalle de même « type » que I (i.e. fermé ou ouvert aux
mêmes endroits).
• f est une bijection de I sur J.
• f −1 : J −→ I est continue, strictement croissante.
Démonstration. Prenons par exemple I = [a, b[, où −∞ < a < b ≤ +∞. On sait que
J est un intervalle puisque f est continue. Mieux, pour tout x ∈ I, f (a) ≤ f (x) ≤ f (b− ).
f (a) est dans J, f (b− ) est la borne supérieure de J (limite d’une fonction monotone), donc
J = [f (a), f (b− )[ ou alors J = [f (a), f (b− )].
Supposons que f (b− ) soit dans J. Il existe alors x < b tel que f (x) = f (b− ). Mais alors, par
croissance de f , f est constante sur [x, b[. Ce n’est pas possible puisque f est strictement
croissante. f est évidemment injective, donc f est une bijection de I sur J. Notons g sa
réciproque.
On voit facilement que g est strictement croissante. Il s’agit de prouver qu’elle est continue
sur J.
Soit y ∈ J. Traitons le cas où y > f (a). Posons y = f (x) où x ∈ I et x > a. Par ce que
nous venons de voir appliqué à la restriction de f à [a, x[, on a f ([a, x[) = [f (a), f (x− )[.
Mais x ∈ I, donc f est continue en x. Ainsi, f (x− ) = f (x) = y et donc f ([a, x[) = [f (a), y[.
De là
g([f (a), y[) = g(f ([a, x[)) = [a, x[
La fonction g est croissante, donc g(y − ) existe. De plus,
g(y − ) = sup g([f (a), y[) = sup g(f ([a, x[)) = sup[a, x[= x = g(y)
De même, g(y + ) = g(y). Ainsi, g est continue en y.

Exemple. Soit n ∈ N, n ≥ 1. La fonction f : x 7→ xn est continue sur R+ . Elle est
strictement croissante. Donc f (R+ ) = [f (0), lim+∞ f [= R+ . Cette fonction est donc une
bijection de R+ sur R+ et sa réciproque est continue, strictement croissante : c’est la
fonction « racine nième ». Si n est impair, on peut se placer sur R tout entier.
Exemple. La fonction f : x 7→ sin x est continue sur [− π2 , π2 ], strictement croissante. Donc
f ([− π2 , π2 ]) = [f (− π2 ), f ( π2 )] = [−1, 1]. f est donc une bijection de [− π2 , π2 ] sur [−1, 1] et sa
réciproque est continue, strictement croissante : c’est la fonction « arc sinus ».
Remarque 12. La fonction arc sinus n’est donc PAS la réciproque de la fonction sinus
(qui, soit dit en passant, n’est pas une bijection, et n’a donc pas de réciproque). Nous en
reparlerons dans le chapitre sur les fonctions usuelles.
2.6 Fonctions lipschitziennes
Définition 11. Soit f : I −→ R. Soit k ∈ R+ . On dit que f est k-lipschitzienne sur I

lorsque
∀x, y ∈ I, |f (y) − f (x)| ≤ k|y − x|
Exemple. La fonction x 7→ sin x est 1-lipschitzienne sur R. La fonction x 7→ |x| est 1-

√
lipschitzienne sur R. La fonction x 7→ x, la fonction x 7→ x2 , ne sont pas lipschitziennes
sur R+ .
Remarque 13. Si la fonction f est k-lipschitzienne, elle est aussi k 0 -lipschitzienne pour
tout k 0 ≥ k. En fait, l’ensemble des réels k tels que f soit k-lipschitzienne est un intervalle
de la forme [k0 , +∞[. Le réel k0 est le coefficient de Lipschitz optimal pour la fonction f .
Par exemple, k0 = 1 pour la fonction sinus.
Proposition 32. Toute fonction lipschizienne est continue. La réciproque est fausse.
Démonstration. Soit f k-lipschitzienne sur I (k > 0). Soit ε > 0. Soit δ = kε . Alors,
pour tous x, y ∈ I, |x − y| ≤ δ implique |f (x) − f (y)| ≤ k|x − y| ≤ kδ = ε. En revanche, la
fonction x 7→ x2 est continue sur R mais pas lipschitzienne.
3 Continuité uniforme
3.1 Définitions
Définition 12. Soit f : I −→ R. On dit que f est uniformément continue sur I lorsque
∀ε > 0, ∃α > 0, ∀x, y ∈ I, |x − y| ≤ α ⇒ |f (x) − f (y)| ≤ ε
Proposition 33. Si f est uniformément continue sur I, alors f est continue sur I.
La réciproque est fausse.
Démonstration. Supposons f uniformément continue sur I. Soit a ∈ I. Soit ε > 0. Il

existe α > 0 tel que pour tous x, y ∈ I, |x − y| ≤ α implique |f (x) − f (y)| ≤ ε. C’est en
particulier vrai pour y = a, d’où la continuité de f en a. Pour la réciproque, voir les deux
exemples ci-dessous.
Exemple. Soit f : R+ −→ R définie par x 7→ x2 . Nous allons montrer que f n’est pas
uniformément continue sur R+ , c’est à dire que
∃ε > 0, ∀α > 0, ∃x, y ∈ I, |x − y| ≤ α et |f (x) − f (y)| > ε
En d’autres termes, on peut trouver des x et des y aussi proches que l’on désire mais dont
les images sont éloignées de plus de ε, ce ε restant à trouver. Pour n ≥ 1, soient xn = n et
yn = n + n1 . Alors
1
|xn − yn | =
n
qui est aussi petit qu’on le désire. Mais
1
|x2n − yn2 | = 2 + >2
n2
Donc, ε = 2 fait l’affaire.
3. CONTINUITÉ UNIFORME 173
Exemple. Soit f : R∗+ −→ R définie par x 7→ x1 . Nous allons montrer que f n’est pas
uniformément continue sur R∗+ . Pour n ≥ 1, soient xn = n1 et yn = n2 . Alors
1
|xn − yn | =
n
qui est aussi petit qu’on le désire. Mais
1 1 n
− = > 123
xn yn 2
pour n > 246. Donc ε = 123 fait l’affaire.

Vici un exemple important de toute une classe de fonctions uniformément continues.
Proposition 34. Toute fonction lipschizienne est uniformément continue. La réci-

proque est fausse.
ε
Démonstration. Soit f k-lipschitzienne sur I (k > 0). Soit ε > 0. Soit δ = k. Alors,
pour tous x, y ∈ I, |x − y| ≤ δ implique
|f (x) − f (y)| ≤ k|x − y| ≤ kδ = ε
Pour la réciproque prendre par exemple x 7→ x2 sur R. Pour un contre exemple de fonction
uniformément continue sur un segment mais pas lipschitzienne, voir un peu plus bas.
Proposition 35. Théorème de Heine

Toute fonction continue sur un segment est uniformément continue.
√
Remarque 14. La fonction x 7→ x est donc uniformément continue sur [0, 1], alors
qu’elle n’y est pas lipschitzienne.
Démonstration. Supposons f continue sur le segment [a, b] mais pas uniformément
continue. Il existe donc ε > 0 tel que, pour tout δ > 0, il existe x, y ∈ [a, b] tels que
|x − y| ≤ δ et |f (x) − f (y)| > ε.
Pour tout entier n ≥ 1, prenons δ = n1 . On a donc deux suites (xn ) et (yn ) d’éléments de
[a, b] telles que |xn − yn | ≤ n1 et |f (xn ) − f (yn )| > ε. La suite (xn ) est bornée. d’après le
théorème de Bolzano-Weierstrass, on peut en extraire une suite (xφ(n) ) convergeant vers c
(évidemment, c ∈ [a, b]).
1
Comme |xφ(n) −yφ(n) | ≤ φ(n) ≤ n1 , la suite (yφ(n) ) converge aussi vers c. Mais f est continue
en c donc f (xφ(n) ) −→ f (c) et f (yφ(n) ) −→ f (c). Par passage à la limite dans la minoration
par ε, on obtient 0 ≥ ε, contradiction. La fonction f est donc uniformément continue.
Remarque 15. La notion de continuité uniforme est une notion difficile à se représenter.
Être continu ne suffit pas, sauf si l’on est sur un segment. Être lipschitzien est trop fort
... On peut démontrer que la fonction f : I −→ R est uniformément continue sur I si et
seulement si
∀ε > 0, ∃k ∈ R+ , ∀x, y ∈ I, |f (x) − f (y)| ≤ k|x − y| + ε
c’est à dire qu’une fonction est uniformément continue si et seulement si, pour tout ε > 0,
elle est k-lipschitzienne « à ε près », le k dépendant du ε. À méditer . . .
4 Fonctions à valeurs complexes
Tous ce qui précède passe sans problème aux fonctions à valeurs complexes, à condition
évidemment de ne pas faire intervenir de comparaisons entre des valeurs prises par la
fonction. Passent donc aux fonctions à valeurs dans C : définition de limite, opérations
sur les limites, fonctions bornées, limites à gauche et à droite, relations de comparaison,
continuité uniforme. Ne passent pas aux fonctions à valeurs dans C : passage à la limite
dans les inégalités, encadrement, image d’un intervalle, image d’un segment, et tout ce
qui concerne les fonctions monotones. Bien entendu une fonction tend vers ` ∈ C si et
seulement si sa partie réelle tend vers Re ` et sa partie imaginaire vers Im `.
Chapitre 12
Dérivation
175
176 CHAPITRE 12. DÉRIVATION
1 Notion de dérivée
Dans toute cette section, I désigne un intervalle non trivial de R, c’est à dire contenant au
moins deux points.
1.1 Dérivée d’ordre 1
Définition 1. Soit f : I −→ R. Soit a ∈ I. On dit que f est dérivable en a lorsque la

quantité
f (x) − f (a)
x−a
a une limite réelle lorsque x tend vers a, x 6= a.
df
On appelle dérivée de f en a, et on note f 0 (a) (ou dx (a)) la valeur de cette limite.
Proposition 1. Soit f : I → R. Soit a ∈ I. f est dérivable en a si et seulement si il

existe un réel λ tel que, pour tout x ∈ I,
(∗) f (x) = f (a) + λ(x − a) + (x − a)ε(x)
où ε : I → R est telle que ε(x) −→ 0 lorsque x −→ a. Lorsque f est dérivable en a, on

a λ = f 0 (a).
Démonstration. Supposons f dérivable en a. Posons, pour tout x ∈ I \ {a},

f (x) − f (a)
ε(x) = − f 0 (a)
x−a
Posons également ε(a) = 0. La fonction ε tend vers 0 en a, et on a pour tout x ∈ I,
f (x) − f (a) = (x − a)f 0 (a) + (x − a)ε(x)
On a donc (∗) avec λ = f 0 (a). Inversement, supposons (∗). Pour tout x ∈ I différent de a,
on a
f (x) − f (a)
= λ + ε(x)
x−a
Ainsi, lorsque x tend vers a,
f (x) − f (a)
−→ λ
x−a
La fonction f est donc dérivable en a, et f 0 (a) = λ.
1. NOTION DE DÉRIVÉE 177
Proposition 2. Soit f : I → R. Soit a ∈ I. Si f est dérivable en a, alors f est

continue en a. La réciproque est fausse.
Démonstration. La relation ci-dessus nous dit qu’en particulier f (x) = f (a) + ε0 (x) où
ε0 (x) −→ 0 lorsque x −→ a. Donc f (x) −→ f (a) lorsque x −→ a. La réciproque est fausse,
comme le montre l’exemple de fonction valeur absolue, continue en 0 mais pas dérivable
en 0.
Définition 2. Soit f : I → R. On dit que f est dérivable sur I lorsque f est dérivable
en tout point de I. On dispose alors de la fonction f 0 : I −→ R.
1.2 Tangente à la courbe
Soit f : I → R. Soit a ∈ I. Supposons f dérivable en a. Rappelons que l’on a alors pour

tout x ∈ I voisin de a,
f (x) = f (a) + (x − a)f 0 (a) + (x − a)ε(x)
où ε(x) −→ 0 lorsque x −→ a. Soit ϕ : I → R définie pour tout x ∈ I par
ϕ(x) = f (a) + (x − a)f 0 (a)
On a donc pour tout x voisin de a
f (x) = ϕ(x) + (x − a)ε(x)
La fonction ϕ est une fonction affine et, d’une certaine façon, f est « proche » de ϕ au
voisinage de a. La courbe de f et la droite d’équation y = ϕ(x) sont elles aussi, d’une
certaine façon, « proches ». Cette droite est particulièrement importante.
Définition 3. La tangente à la courbe de f au point d’abscisse a est la droite d’équa-

tion
(T ) y = f (a) + (x − a)f 0 (a)
Notons A = (a, f (a)). Pour tout x voisin de a différent de a, soit B = (x, f (x)). La droite
Dx passant par A et B est appelée une sécante à la courbe de f . Une équation cartésienne
de cette sécante est
(Dx ) y = f (a) + ∆(x − a)
où
f (x) − f (a)
∆=
x−a
Lorsque x tend vers a, la droite Dx pivote autour du point A, et tend (notion qu’il convien-
drait de préciser) vers la tangente T . Ainsi, la tangente est la limite des sécantes.
1.3 Dérivées d’ordre supérieur
Définition 4. Soit f : I → R.
On définit par récurrence sur k, pour k ∈ N, la dérivabilité à l’ordre k de f sur I, ainsi
que la notation f (k) .
• La fonction f est 0 fois dérivable sur I. On pose f (0) = f .
• Pour tout entier k ≥ 1, f est k fois dérivable sur I si et seulement si
? f est k − 1 fois dérivable sur I.
? f (k−1) est dérivable sur I.
On pose alors 0
f (k) = f (k−1)
On dit que f est indéfiniment dérivable sur I lorsque f est k fois dérivable sur I, ceci
pour tout k ≥ 1.
Notation.
dk f
On utilise aussi les notations dxk
pour la dérivée d’ordre k de la fonction f .
Pour tout k ∈ N ∪ {+∞} on note Dk (I) l’ensemble des fonctions k fois dérivables sur I.
On note enfin D∞ (I) l’ensemble des fonctions indéfiniment dérivables sur I. Remarquons
que
D0 (I) = RI
et
\
D∞ (I) = Dk (I)
k≥1
Remarque 1. On peut également définir par récurrence sur k la notion de fonction k fois
dérivable en un point a : pour tout k ≥ 1, la fonction f est k fois dérivable en a lorsque
• f est k − 1 fois dérivable au voisinage de a.

• f (k−1) est dérivable en a.
0
On pose alors f (k) (a) = f (k−1) (a).
1.4 Dérivées à droite et à gauche
Définition 5. Soit f : I −→ R. Soit a ∈ I.

• Si a n’est pas la borne inférieure de I, la dérivée à gauche de f en a, notée fg0 (a),
est la dérivée en a de la restriction de f à I∩] − ∞, a]
• Si a n’est pas la borne supérieure de I, la dérivée à droite de f en a, notée fd0 (a),
est la dérivée en a de la restriction de f à I ∩ [a, +∞[.
On a le résultat suivant.
Proposition 3. Soit f : I −→ R. Soit a un point qui n’est pas une borne de I. f est
dérivable en a si et seulement si f est dérivable à gauche et à droite en a, et que les
dérivées sont égales. On a alors
f 0 (a) = fg0 (a) = fd0 (a)
Démonstration. Les taux d’accroissement ont une limite en a si et seulement si ils ont
une limite à gauche et une limite à droite, et ces deux limites sont égales.
1.5 Classes de fonctions
Définition 6. Soit f : I −→ R.
On dit que f est de classe C 0 sur I lorsque f est continue sur I.
Soit k ∈ N∗ . On dit que f est de classe C k sur I lorsque f est k fois dérivable sur I, et
que f (k) est continue sur I.
On dit enfin que f est de classe C ∞ sur I lorsque f est de classe C k sur I pour tout
entier k.
Notation. Pour tout k ∈ N ∪ {+∞}, on note C k (I) l’ensemble des fonctions de classe C k
sur I. Remarquons que
\
C ∞ (I) = C k (I)
k≥0
Proposition 4. On a les inclusions suivantes :
RI = D0 (I) ⊃ C 0 (I) ⊃ D1 (I) ⊃ C 1 (I) ⊃ D2 (I) ⊃ C 2 (I) ⊃ . . . ⊃ C ∞ (I) = D∞ (I)
Démonstration. Soit k ∈ N.
L’inclusion C k (I) ⊂ Dk (I) est évidente.
Supposons que f ∈ Dk+1 (I). La fonction f est donc k fois dérivable sur I, et f (k) est
dérivable, donc continue, sur I. De là, f ∈ C k (I). Ainsi,
Dk+1 (I) ⊂ C k (I)
L’égalité D∞ (I) = C ∞ (I) est laissée en exercice.
Remarque 2. Ces inclusions sont en réalité toutes strictes. Nous l’admettrons dans le
cas général. Montrons cependant que C 1 (R) 6= D1 (R). Pour cela, considérons f : R → R
définie par f (0) = 0 et, pour tout réel x 6= 0,
1
f (x) = x2 sin
x
Par les théorèmes sur les opérations sur les fonctions dérivables que nous allons bientôt
voir, f est dérivable en tout réel non nul. De plus, pour tout x 6= 0,
f (x) − f (0) 1
= x sin ≤ |x|
x−0 x
Ainsi, les taux d’accroissements de f en 0 tendent vers 0 lorsque x tend vers 0. On en

déduit que f est dérivable en 0, et que f 0 (0) = 0. En conclusion, f ∈ D1 (R).
Remarquons maintenant, toujours grâce aux futurs théorèmes sur les opérations sur les
dérivées, que pour tout x 6= 0,
1 1
f 0 (x) = 2x sin − cos
x x
Cette quantité n’a pas de limite lorsque x tend vers 0. Ainsi, f 0 n’est pas continue en 0, et
donc f 6∈ C 1 (R).
Remarque 3. Pour tout k ≥ 1, si f ∈ C k (I), alors f 0 ∈ C k−1 (I). De même pour les
ensembles Dk (I).
1.6 Opérations sur les dérivées
Dérivées d’ordre 1
Proposition 5. Soient f, g : I → R. Soit a ∈ I. Soit λ ∈ R. On suppose f et g

dérivables en a. Alors
• f + g est dérivable en a et
(f + g)0 (a) = f 0 (a) + g 0 (a)
• λf est dérivable en a et
(λf )0 (a) = λf 0 (a)
• f g est dérivable en a et
(f g)0 (a) = f 0 (a)g(a) + f (a)g 0 (a)

f
• Si g(a) 6= 0, alors g ne s’annule pas au voisinage de a, g est dérivable en a et
0
f f 0 (a)g(a) − f (a)g 0 (a)
(a) =
g g(a)2
Démonstration. Faisons la preuve pour le produit. On a pour tout x 6= a,

(f g)(x) − (f g)(a) g(x) − g(a) f (x) − f (a)
= f (x) + g(a)
x−a x−a x−a
On passe ensuite à la limite en remarquant que, comme f est dérivable en a, f y est aussi
continue.
Proposition 6. Soit g : I → R. Soit a ∈ I. On suppose g dérivable en a et g(a) 6= 0.

Alors
• g ne s’annule pas au voisinage de a.
• g1 est dérivable en a et
0
1 −g 0 (a)
(a) =
g g(a)2
Démonstration. g(a) 6= 0 et g est continue en a, donc g est non nulle au voisinage de

a. On a pour tout x 6= a,
1
g (x) − g1 (a) −(g(x) − g(a))
=
x−a (x − a)g(x)g(a)
On passe ensuite à la limite.
Corollaire 7. Soient f, g : I → R. Soit a ∈ I. On suppose f et g dérivables en a et

g(a) 6= 0. Alors
• g ne s’annule pas au voisinage de a.
• fg est dérivable en a et
0
f f 0 (a)g(a) − f (a)g 0 (a)
(a) =
g g(a)2
Démonstration. Il suffit de remarquer que

f 1
=f×
g g
Proposition 8. Soit J un intervalle de R. Soit f : I −→ J. Soit g : J −→ R. Soit

a ∈ I. Si f est dérivable en a et g est dérivable en f (a), alors g ◦ f est dérivable en a,
et on a :
(g ◦ f )0 (a) = g 0 (f (a)) × f 0 (a)
Démonstration.
Notons b = f (a). on a pour tout y voisin de b,
g(y) = g(b) + (y − b)g 0 (b) + (y − b)ε(y)
où ε(y) −→ 0 lorsque y tend vers b. Lorsque x tend vers a, f (x) tend vers b donc ε0 (x) =
ε(f (x)) tend vers 0. Prenons y = f (x). Il vient
g(f (x)) = g(f (a)) + (f (x) − f (a))g 0 (b) + (f (x) − f (a))ε0 (x)
= g(f (a))((x − a)f 0 (a) + (x − a)ε00 (x))g 0 (f (a))
+((x − a)f 0 (a) + (x − a)ε00 (x))ε0 (x)
où ε00 (x) −→ 0 lorsque x tend vers a. On regroupe les termes, et en particulier tout ce qui
tend vers 0 :
g(f (x)) = g(f (a)) + (x − a)f 0 (a)g 0 (f (a)) + (x − a)ε000 (x)
où ε000 (x) tend vers 0 lorsque x tend vers a. La fonction g ◦ f est donc dérivable en a, et sa
dérivée est f 0 (a)g 0 (f (a)).
Proposition 9. Soit f : I −→ J une bijection continue (et donc strictement mono-

tone). Soit a ∈ I. Soit b = f (a). On supppose que f est dérivable en a. Si f 0 (a) 6= 0,
alors f −1 est dérivable en b et
1
(f −1 )0 (b) =
f 0 (a)
Si f 0 (a) = 0, alors f −1 n’est pas dérivable en b. Plus précisément, la courbe représen-

tative de f −1 possède au point b une tangente verticale.
Démonstration. Supposons par exemple f strictement croissante. Posons g = f −1 . Pour

tout y ∈ J \ {b}, posons
g(y) − g(b)
∆(y) =
y−b
Posons y = f (x), de sorte que x = g(y). Il vient
x−a
∆(y) =
f (x) − f (a)
Lorsque y tend vers b, x = g(y) tend vers g(b) = a, car g est continue en b.
Si f 0 (a) 6= 0, ∆(y) tend vers 1
f 0 (a) .
Si f 0 (a) = 0, comme f est strictement croissante, ∆(y) > 0. Ainsi, ∆(y) tend vers +∞
lorsque y tend vers b.
Remarque 4. La formule qui nous donne la dérivée s’écrit aussi
1
(f −1 )0 (b) =
f 0 (f −1 (b))
C’est sous cette forme qu’il convient de la retenir.
Exemple. Soit f : [− π2 , π2 ] −→ R définie par f (x) = sin x. Nous avons déjà vu que f est
une bijection continue strictement croisssante. Sa réciproque est la fonction arc sinus, notée
arcsin. f est dérivable sur [− π2 , π2 ]. Sa dérivée est la fonction cos, qui s’annule uniquement
en ± π2 . Donc, arcsin est dérivable en tout point de [−1, 1] différent de sin(± π2 ), c’est à dire
sur ] − 1, 1[ et la courbe représentative de arcsin admet des tangentes verticales en −1 et
1. On a pour tout x ∈] − 1, 1[,
1 1 1
arcsin0 x = = =p
f 0 (arcsin x) cos(arcsin x) 2
1 − sin (arcsin x)
Donc
1
arcsin0 x = √
1 − x2
Dérivées d’ordre supérieur
Proposition 10. Soit k ∈ N. Soient f, g ∈ Dk (I). Soit λ ∈ R. Alors

• f + g ∈ Dk (I) et
(f + g)(k) = f (k) + g (k)
• λf ∈ Dk (I) et
(λf )(k) = λf (k)
• f g ∈ Dk (I) et on a la formule de Leibniz :
k
(k)
X k (i) (k−i)
(f g) = f g
i
i=0
Démonstration. La somme et le produit par un réel se montrent par une récurrence

facile sur k. Le produit est, quant à lui, une récurrence moins triviale.
Pour k = 0, c’est évident. Soit k ∈ N. Supposons la propriété vraie pour k. Soient f, g ∈
Dk+1 (I). Elles sont donc a fortiori k fois dérivables sur I. D’après l’hypothèse de récurrence,
f g est k fois dérivable sur I et on a
k
(k)
X k (i) (k−i)
(f g) = f g
i
i=0
Toutes les fonctions mises en jeu dans le membre de droite sont dérivables sur I. (f g)(k)
l’est donc aussi et on peut dériver l’égalité.
k
X k
(f g)(k+1) = f (i+1) g (k−i) + f (i) g (k+1−i)
i
i=0
Un calcul analogue à celui qui a été fait pour prouver la formule du binôme mène à la
formule de Leibniz.
Remarque 5. On peut, dans la proposition précédente, remplacer l’hypothèse de dériva-
bilité sur I par celle de dérivabilité en un point a ∈ I.
Corollaire 11. Soit k ∈ N ∪ {+∞}. Soient f, g ∈ C k (I). Soit λ ∈ R. Alors

• f + g ∈ C k (I).
• λf ∈ C k (I).
• f g ∈ C k (I).
De même en remplaçant C k par Dk .
Démonstration. L’essentiel a déjà été prouvé. On laisse au lecteur en exercice le soin

de compléter la démonstration.
Remarque 6. Soit k ∈ N ∪ {+∞}. Les ensembles C k (I) et Dk (I) sont des algèbres.
L’application
D : f 7→ f 0
de dérivation, qui, pour k ≥ 1, envoie C k (I) sur C k−1 (I) (en posant +∞ − 1 = +∞), est
une application linéaire mais n’est pas un morphisme d’anneaux.
Proposition 12. Soit k ∈ N∪{+∞}. Soient f : I −→ J et g : J −→ R deux fonctions

de classe C k . Alors, g ◦ f est de classe C k .
Démonstration. Si c’est vrai pour tout entier k, c’est clairement vrai pour k = ∞.
Faisons donc une récurrence sur k. Pour k = 0, c’est connu : la composée de deux fonctions
continues est continue. Soit k ∈ N. Supposons que ce soit vrai pour k. Soit f, g de classe
C k+1 . Elles sont donc a fortiori dérivables donc g ◦f est dérivable sur I. Regardons l’égalité
(g ◦ f )0 = f 0 × g 0 ◦ f
Les fonctions f 0 , f et g 0 sont C k , donc (hypothèse de récurrence et Leibniz) (g ◦ f )0 est C k .
Et donc, g ◦ f ∈ C k+1 (I).
Remarque 7. Pas de formule donnée pour la dérivée kième d’une composée. Cette formule
existe, c’est la formule de Faa di Bruno. La voici :
X n
Y
(g ◦ f )(n) (x) = αm1 ,...,mn g (m1 +...+mn ) (f (x)) (f (j) (x))mj
m1 +2m2 +...+nmn =n j=1
où
n!
αm1 ,...,mn =
m1 !1!m1 m m m
2 !2! 2 . . . mn !n! n
Proposition 13. Soit k ≥ 0. Soit g ∈ C k (I) une fonction qui ne s’annule pas. Alors
1 k
g ∈ C (I).
Démonstration. Laissée en exercice. S’inspirer de la démonstration précédente.
Proposition 14. Soit k ≥ 1. Soit f : I −→ J ∈ C k (I) une bijection dont la dérivée

ne s’annule pas. Alors f −1 ∈ C k (J).
Démonstration. S’inspirer des preuves précédentes, en écrivant que que f −1 est dérivable
sur J et que (f −1 )0 = f 0 ◦f1 −1 .
2 Accroissements finis
2.1 Extrema locaux
Proposition 15. Soit I un intervalle de R. Soit f : I −→ R. Soit a un point de I qui

n’est pas une extrémité de I. Si f admet un extremum local en a, alors f 0 (a) = 0. La
réciproque est fausse.
Démonstration. Supposons par exemple que f admet un maximum local en a. Pour

tout x < a voisin de a, on a
f (x) − f (a)
≥0
x−a
car numérateur et dénominateur sont négatifs. On passe à la limite : f 0 (a) = fg0 (a) ≥ 0.
En faisant de même à droite de a, on obtient f 0 (a) = fd0 (a) ≤ 0.
2.2 Théorème de Rolle
Théorème 16. théorème de Rolle

Soient a et b deux réels tels que a < b. Soit f : [a, b] −→ R. On suppose :
• f continue sur [a, b].
• f dérivable sur ]a, b[.
• f (a) = f (b).
Il existe alors un réel c ∈]a, b[ tel que f 0 (c) = 0.
Démonstration. Si f est constante, c’est évident car f 0 s’annule en tout point.
Supposons maintenant f non constante. Par exemple, f prend une valeur strictement
inférieure à f (a) (et donc à f (b)). La fonction f est continue sur le segment [a, b]. Elle y
possède donc un minimum global (et donc local) en un point c qui, selon les hypothèses,
n’est ni a ni b. On a donc f 0 (c) = 0.
2.3 Accroissements finis

2. ACCROISSEMENTS FINIS 187
Théorème 17. égalité des accroissements finis.

Soient a < b deux réels. Soit f : [a, b] −→ R. On suppose :
Il existe alors c ∈]a, b[ tel que
f (b) − f (a) = (b − a)f 0 (c)
Démonstration. On considère la fonction g : [a, b] −→ R définie par
g(x) = f (x) − f (a) − A(x − a)
où
f (b) − f (a)
A=
b−a
La fonction g est continue sur [a, b], dérivable sur ]a, b[, et g(a) = g(b) = 0. D’après le
théorème de Rolle, il existe c ∈ [a, b] tel que
g 0 (c) = f 0 (c) − A = 0
Corollaire 18. inégalité des accroissements finis

Soient a < b deux réels. Soit f : [a, b] −→ R. On suppose :
• Il existe deux réels m et M tels que m ≤ f 0 ≤ M sur ]a, b[.
Alors,
m(b − a) ≤ f (b) − f (a) ≤ M (b − a)
Démonstration. Majorer et minorer dans l’égalité des accroissements finis.

o
Notation. Étant donné un intervalle I de R, on note I l’intervalle I privé de ses bornes
(l’intérieur de I).
Corollaire 19. inégalité des accroissements finis (bis)

Soit f : I −→ R. On suppose :
• f continue sur I.
o
• f dérivable sur I.
o
• Il existe un réel M tel que |f 0 | ≤ M sur I.
Alors,
∀x, y ∈ I, |f (y) − f (x)| ≤ M |y − x|
En d’autres termes, une fonction dérivable et dont la dérivée est bornée est lipschit-
zienne.
Démonstration. Soient x, y ∈ I. Supposons par exemple x < y. La fonction f vérifie

toutes les hypothèses du théorème des accroissements finis sur le segment [x, y]. Il existe
o
donc c ∈]x, y[⊂ I tel que
f (y) − f (x) = f 0 (c)(y − x)
Donc,
|f (y) − f (x)| ≤ M (y − x)
Si x > y, on applique ce qui précède en intervertissant x et y. Si x = y, l’inégalité à prouver
est évidente.
2.4 Fonctions monotones
o
Théorème 20. Soit f : I −→ R, continue sur I et dérivable sur I. Alors,
o
• f est croissante sur I si et seulement si f 0 ≥ 0 sur I.
o
• f est décroissante sur I si et seulement si f 0 ≤ 0 sur I.
o
• f est constante sur I si et seulement si f 0 = 0 sur I.
o
Démonstration. Supposons f croissante sur I. Soit a ∈ I. Pout tout x 6= a, on a
f (x) − f (a)
≥0
x−a
o
On passe à la limite : f 0 (a) ≥ 0. Inversement, supposons f 0 ≥ 0 sur I. Soient x, y ∈ I tels
que x < y. On applique le théorème des accroissements finis sur le segment [x, y] : il existe
o
c ∈ [x, y] ⊂ I tel que
f (y) − f (x) = (y − x)f 0 (c)
Le membre de droite est positif, donc f (x) ≤ f (y) et f est effectivement croissante.
Démonstration bien sûr identique pour f décroissante. Enfin, f est constante si et seulement
si elle est à la fois croissante et décroissante.
2. ACCROISSEMENTS FINIS 189
o
Proposition 21. Soit f : I −→ R, continue sur I, dérivable sur I, et croissante. Soit
o
E = {x ∈ I, f 0 (x) = 0}
Alors f est strictement croissante sur I si et seulement si E ne contient aucun intervalle

non trivial.
Démonstration. Une fonction croissante f n’est pas strictement croissante si et seule-

ment si elle est constante sur un intervalle non trivial.
Remarque 8. Dans les cas les plus fréquents, l’ensemble E est un ensemble fini, ou alors
E ne contient que des points « isolés ». Par exemple, E = Z.
2.5 Passage à la limite dans une dérivée
Soient a < b. Soit f : [a, b] −→ R une fonction continue sur [a, b] et dérivable sur ]a, b]. On se
demande si f est dérivable en a. Une méthode consiste à étudier des taux d’accroissement.
Il est cependant logique de se demander ce qui se passe pour f 0 (x) lorsque x tend vers a.
Proposition 22.
• Si f 0 (x) a une limite réelle ` lorsque x tend vers a, x 6= a, alors f est dérivable
en a et f 0 (a) = `.
• Si f 0 (x) tend vers l’infini lorsque x tend vers a, x 6= a, alors f n’est pas déri-
vable en a : plus précisément, la courbe représentative de f admet une tangente
verticale en a.
• Si f 0 n’a pas de limite en a, alors on ne peut rien dire.
Démonstration. Pour tout x ∈ I tel que x > a, appliquons le théorème des accroisse-
ments finis à f sur le segment [a, x] : il existe a < cx < x tel que
f (x) − f (a)
= f 0 (cx )
x−a
Quand x tend vers a, cx aussi. Si l’on suppose que f 0 (cx ) tend vers ` ou ∞, le taux
d’accroissement fait de même par le théorème de composition des limites.
Pour le dernier point, reprenons un exemple déjà vu plus haut. Considérons la fonction
f : R −→ R définie par f (0) = 0 et, pour tout x 6= 0,
1
f (x) = x2 sin
x
La fonction f est continue sur R et, par les théorèmes sur les opérations sur les dérivées,
de classe C ∞ sur R∗+ et R∗− . De plus,
f (x) − f (0) 1
= x sin
x−0 x
tend vers 0 lorsque x tend vers 0. Donc, f est dérivable en 0 et f 0 (0). Enfin, on a pour tout
x non nul
1 1
f 0 (x) = 2x sin − cos
x x
Le premier terme tend vers 0 lorsque x tend vers 0, mais le second terme n’a pas de limite
en 0. La fonction f 0 n’a donc pas de limite en 0.
Remarque 9. Comment interpréter le contre-exemple ci-dessus ? Eh bien, quand une
fonction est définie en un point mais qu’elle n’a pas de limite en ce point, cela signifie tout
simplement. . . qu’elle n’y est pas continue. Bref, la fonction f 0 ci-dessus n’est pas continue
en 0. Dit autrement, f est dérivable, mais n’est pas de classe C 1 .
2.6 Passage à la limite pour les fonctions de classe C k
Proposition 23. Soit k ∈ N. Soient a, b ∈ R tels que a < b. Soit f : ]a, b] −→ R une
fonction de classe C k . On suppose que pour tout i ∈ J0, kK, f (i) (x) a une limite finie
lorsque x tend vers a. Alors f est prolongeable en une fonction de classe C k sur [a, b].
Démonstration. La fonction f a une limite finie en a, elle est donc prolongeable en

une fonction continue sur [a, b] que nous continuons à appeler f . Nous allons montrer par
récurrence sur i que pour tout i ∈ J0, kK f est de classe C i sur [a, b]. Pour i = 0, c’est clair
puisque f est continue. Soit i < k. Supposons la propriété vraie pour i. La fonction f (i)
est continue sur [a, b], dérivable sur ]a, b], et, par hypothèse, sa dérivée a une limite finie
en a. Grâce au théorème de passage à la limite dans une dérivée, on conclut que f (i) est
de classe C 1 sur [a, b], donc que f est de classe C i+1 sur [a, b].
Corollaire 24. Soient a, b ∈ R tels que a < b. Soit f : ]a, b] −→ R une fonction de
classe C ∞ . On suppose que pour tout i ∈ N, f (i) (x) a une limite finie lorsque x tend
vers a. Alors f est prolongeable en une fonction de classe C ∞ sur [a, b].
Démonstration. La fonction f est prologeable par continuité à [a, b] et d’après le théo-

rème précédent son prolongement est de classe C k pour tout entier naturel k.
3. FONCTIONS À VALEURS COMPLEXES 191
3.1 Dérivation
Une dérivée est une limite. La notion de dérivée s’étend donc aux fonctions à valeurs
complexes. Les opérations sur les dérivées, la formule de Leibniz, s’étendent sans difficulté.
Signalons quand même que pour dériver g ◦ f , la fonction f doit être à valeurs réelles. g,
en revanche, peut être à valeurs complexes.
Signalons le résultat suivant. Sa preuve est laissée en exercice.
Proposition 25. Soit f : I −→ C. La fonction f est dérivable au point a ∈ I si et

seulement si Re f et Im f le sont. On a alors
f 0 (a) = (Re f )0 (a) + i (Im f )0 (a)
On en déduit facilement la propriété suivante :
Proposition 26. Soit α ∈ C. La fonction f : x 7→ eαx est de classe C ∞ sur R et on a

pour tout réel x,
f 0 (x) = αeαx
3.2 Rolle et accroissements finis
Attention ! Le théorème de Rolle et le théorème des accroissements finis ne sont pas

valables pour des fonctions à valeurs complexes. Par exemple, si l’on prend
f (x) = x(1 − x) + ix2 (1 − x)
alors f est de classe C ∞ sur [0, 1], f (0) = f (1) = 0, et pourtant
f 0 (x) = (1 − 2x) + ix(2 − 3x)
ne s’annule pas.
En revanche, l’inégalité des accroissements finis reste vraie :

Théorème 27. Soient a, b ∈ R tels que a < b. Soit f : [a, b] −→ C continue sur [a, b],
dérivable sur ]a, b[. On suppose qu’il existe un réel M tel que
∀x ∈]a, b[, |f 0 (x)| ≤ M
Alors, pour tous x, y ∈ [a, b],
|f (y) − f (x)| ≤ M |y − x|
Démonstration. Contentons-nous d’une démonstration lorsque f ∈ C 1 ([a, b]) (le cas

général est plus délicat). Prenons par exemple x < y. On utilise un résultat d’intégration
démontré un peu plus bas :
Z y Z y Z y
0 0 0
|f (y) − f (x)| = f (t) dt ≤ |f (t)| dt ≤ max |f | dt ≤ M (y − x)
x x [x,y] x
3.3 Intégration
Cette section est un prématurée et nécessite des connaissances en algèbre linéaire et en

intégration. On y démontre un résultat qui est utilisé ci-dessus.
Soit f : [a, b] −→ C une fonction continue par morceaux. On appelle intégrale de f sur
[a, b] le nombre complexe
Z b Z b Z b
f= Re f + i Im f
a a a
La linéarité de l’intégrale reste vérifiée. La formule de Chasles également. On peut aussi
intégrer par parties ou faire des changements de variable.
En revanche, on ne peut plus parler de croissance ou de positivité de l’intégrale, puisqu’on
ne peut pas comparer deux fonctions à valeurs complexes. On a cependant le résultat
suivant :
Proposition 28. Soient a, b ∈ R tels que a < b. Soit f : [a, b] −→ C continue par
morceaux. Alors Z b Z b
f (x) dx ≤ |f (x)| dx
a a
Démonstration.
Rb Les barres verticales sont bienR entendu des modules de nombres com-
b
plexes. Si a f = 0 c’est évident. Supposons donc a f 6= 0.
Pour tout réel θ, on a

Z b Z b Z b Z b
Re e−iθ f = Re e−iθ f ≤ |e−iθ f | = |f |
a a a a
Rb
Prenons pour θ un argument de a f , qui est, rappelons-le, non nulle. On a donc, par
définition de l’argument d’un nombre complexe,
Z b Z b
f= f eiθ
a a
où la première égalité résulte de la linéarité de l’intégrale. On a alors

Z b Z b Z b
Re e−iθ f = Re f = f
a a a
d’où l’inégalité voulue.

Chapitre 13
Fonctions Usuelles
195
196 CHAPITRE 13. FONCTIONS USUELLES
1 Logarithmes et exponentielles
1.1 Logarithme népérien
Proposition 1. Soit ϕ : R∗+ → R définie par ϕ(x) = x1 . Il existe une unique fonction
dérivable F : R∗+ → R telle que F 0 = ϕ et F (1) = 0.
Démonstration. Nous admettons pour l’instant l’existence d’une fonction dérivable

F0 : R∗+ → R telle que F00 = ϕ. Ce résultat sera démontré dans le chapitre d’intégration.
Soit F ∈ D1 (R∗+ ) telle que F 0 = ϕ et F (1) = 0. On a alors F 0 = F00 , ou encore (F −F0 )0 = 0.
De là, F − F0 est constante sur R∗+ . Il existe ainsi un réel c tel que
F = F0 + c
De plus, F (1) = 0 = F0 (1) + c, donc c = −F0 (1). On a donc l’unicité de F . In versement,

soit F = F0 − F0 (1). La fonction F est dérivable sur R∗+ , F 0 = F00 = ϕ, et F (1) =
F0 (1) − F0 (1) = 0, d’où l’existence.
Définition 1. La fonction F est appelée le logarithme népérien. On la note ln.
Proposition 2. La fonction ln est de classe C ∞ sur R∗+ .
Démonstration. En effet, ln0 = ϕ ∈ C ∞ (R∗+ ).
Proposition 3. Pour tous x, y ∈ R∗+ ,
ln(xy) = ln x + ln y
Démonstration. Soit y > 0. La fonction fy : x 7→ ln(xy) est dérivable sur R∗+ et sa

dérivée vaut, pour tout x > 0, fy0 (x) = x1 . La fonction x 7→ fy (x) − ln x est donc constante.
Il existe ainsi cy ∈ R tel que, pour tout x > 0,
fy (x) = ln x + cy
Il reste à remarquer que

fy (1) = ln y = ln 1 + cy = cy
1. LOGARITHMES ET EXPONENTIELLES 197
Ainsi, cy = ln y.
Remarque 1. On en déduit pour tous x, y > 0 et tout n ∈ Z,
• ln x1 = − ln x
• ln xy = ln x − ln y
• ln xn = n ln x
Proposition 4. La fonction logarithme est une bijection strictement croissante de

]0, +∞[ sur R, vérifiant
lim ln x = +∞ et lim ln x = −∞
x→+∞ x→0
Démonstration. La dérivée de ln est strictement positive, d’où la croissance stricte. La

fonction ln a donc une limite α en 0 et une limite β en +∞ et, par le théorème sur les
fonctions continues strictement monotones, ln est une bijection de ]0, +∞[ sur ]α, β[.
Comme 2 > 1, ln 2 > ln 1 = 0. Donc,
ln(2n ) = n ln 2 −→ +∞
lorsque n −→ +∞. Donc, la fonction logarithme est croissante, pas majorée, et tend ainsi
vers β = +∞ en +∞.
Enfin ln x = − ln x1 −→ α = −∞ lorsque x → 0.
Définition 2. On appelle e l’unique réel strictement positif tel que ln e = 1.
Remarque 2. Le logarithme népérien est ainsi un isomorphisme du groupe (R∗+ , ×) sur

le groupe (R, +).
Proposition 5. On a
ln x
−→ 0 et x ln x −→ 0
x x→+∞ x→0
Démonstration. La fonction f : x 7−→ ln x

x est dérivable sur R∗+ . On a pour tout x > 0,
1 − ln x
f 0 (x) =
x2
Cette quantité est négative dès que x ≥ e. Ainsi, f décroît sur [e, +∞[. f a donc une limite
` en +∞. De plus, f ≥ 0 au voisinage de +∞, donc ` ∈ R+ . Remarquons que pour tout
x > 0,
2
f (x2 ) =
f (x)
x
Par composition des limites, f (x2 ) → ` en +∞. Par opérations sur les limites, le membre
de droite tend vers 0 × ` = 0. Ainsi, ` = 0.
Remarquons enfin, en posant t = x1 , que
ln x
t ln t = −
x
Quand t → 0, x → +∞. Par composition des limites, t ln t tend vers 0 lorsque t tend vers
0.
Remarque 3. On déduit de ce qui précède la courbe de la fonction ln.
Figure 13.1 – Logarithme népérien
1.2 Exponentielle
Définition 3. La fonction exponentielle, notée exp, est la fonction réciproque de la

fonction logarithme népérien. C’est une bijection strictement croissante de R sur R∗+
vérifiant
lim exp x = +∞ et lim exp x = 0
x→+∞ x→−∞
Elle est de classe C∞ sur R et égale à sa dérivée.
Démonstration. On a exp = ln−1 . D’où la monotonie stricte, la continuité, les limites.

De plus, ln est C ∞ et ln0 > 0 sur R∗+ donc exp ∈ C ∞ (R). Enfin, pour tout x réel,
1
exp0 (x) = 0 = exp x
ln (exp x)
1. LOGARITHMES ET EXPONENTIELLES 199

Remarque 4. En tant que réciproque d’un isomorphisme, l’exponentielle est un isomor-
phisme du groupe (R, +) sur le groupe (R∗+ , ×).
Proposition 6. On a pour x, y ∈ R et n ∈ Z :
• exp 0 = 1
• exp(x + y) = exp x exp y
• exp(x − y) = exp x
exp y
• exp(nx) = (exp x)n
Démonstration. L’exponentielle est un morphisme de groupes.

Remarque 5. Rappelons-nous que e est défini par ln e = 1. On en déduit que e = exp 1.
De là, pour tout n ∈ Z,
en = (exp 1)n = exp n
p
Plus généralement, soit x ∈ Q. Posons x = q où p ∈ Z et q ∈ N∗ . On a qx = p, d’où
(exp x)q = exp qx = exp p = ep
Lorsque nous aurons défini les puissances rationnelles, nous pourrons alors écrire
1 p
exp x = (ep ) q = e q = ex
Plus généralement, nous nous autoriserons à noter, pour tout x ∈ R, ex = exp x.
1.3 Logarithmes et exponentielles en base quelconque
Définition 4. Soit a > 0, a 6= 1. On appelle logarithme de base a l’application

loga : R∗+ → R définie pour tout x > 0 par
ln x
loga x =
ln a
Exemple.
• Pour a = 10, on a le logarithme décimal, noté simplement log.
• Pour a = e, on retrouve le logarithme népérien.
• Pour a = 2, on a le logarithme binaire, souvent noté lg.
Les propriétés du logarithme de base a sont tout à fait similaires à celles du logarithme
népérien : les fonctions loga et ln ne diffèrent que de la constante multiplicative ln1a .
Figure 13.2 – Logarithmes
Définition 5. Soit a > 0, a 6= 1. La fonction logarithme de base a est une bijection de

R∗+ sur R. Sa réciproque est donc une bijection de R sur R∗+ . On l’appelle exponentielle
de base a, et on la note (provisoirement) expa .
Les propriétés de l’exponentielle de base a sont identiques à celles de l’exponentielle.
Proposition 7. Soit a > 0, a 6= 1. On a pour tout réel x
expa x = exp(x ln a)
ln(exp(x ln a))
Démonstration. On a loga (exp(x ln a)) = ln a = x.
Donc expa (x) = exp(x ln a).
Remarque 6. La fonction expa , réciproque d’un isomorphisme, est elle aussi un isomor-
phisme. On a donc pour tout entier relatif n,
expa n = an
On étend la notation à tout réel x en posant
ax = exp(x ln a)
2. PUISSANCES 201
Dorénavant, nous n’utiliserons plus la notation « expa ».

Remarque 7. À retenir, pour tout réel a > 0 (y compris a = 1) et tout réel x,
ax = ex ln a
Figure 13.3 – Exponentielles
2 Puissances
2.1 Définition
Définition 6. Soit a ∈ R. On appelle « fonction puissance de base a » la fonction

ϕa : R∗+ → R définie pour tout x ∈ R∗+ par
ϕa (x) = xa
Remarque 8. L’ensemble de définition des fonctions puissance est R∗+ . Clairement, pour
certaines valeurs de a, cet ensemble de définition peut être étendu :
• Si a est un entier naturel, xa = x × x . . . × x (a fois) et la fonction x 7−→ xa peut

être définie sur R.
• Si a est un entier négatif, cette même fonction peut être définie sur R∗ .
• Nous verrons un peu plus bas que si a est l’inverse d’un entier impair, la fonction
peut aussi définie sur R.
Bref, pour un a quelconque, les fonctions puissances sont définies sur R∗+ , mais leur en-
semble de définition peut être plus gros pour certaines valeurs de a.
Proposition 8. Pour a, b réels et x, y > 0 on a :
xa y a = (xy)a xa xb = xa+b (xa )b = xab

1a = 1 x0 = 1 ln xa = a ln x
Démonstration.
(xy)a = exp(a ln(xy)) = exp(a(ln x + ln y))
qui se développe en
exp(a ln x) exp(a ln y) = xa y a
Même démonstration pour toutes les égalités.
2.2 variations
Soit a ∈ R. On a pour tout x > 0,
ϕ0a (x) = axa−1
On en déduit les variations de φa , les limites en 0 et à l’infini, et la courbe représentative.
Remarque 9. Si a > 0, la fonction x 7→ xa tend vers 0 lorsque x → 0. Elle est donc

prolongeable par continuité en 0 en posant 0a = 0. Attention, cependant : on n’a évidem-
ment pas 0a = exp(a ln 0) ! Quand ce prolongement est-il dérivable en 0 ? Formons des taux
d’accroissement :
xa − 0
= xa−1
x−0
a une limite en 0 si et seulement si a ≥ 1. Pour a = 1, la dérivée en 0 vaut 1. Pour a > 1,
cette dérivée est nulle.
Remarque 10. On rappelle que pour tout réel x, on a x0 = 1. L’élévation à la puissance 0

ne pose AUCUN problème. Ce qui est problématique, c’est le calcul de limites de puissances
dont l’exposant TEND vers 0 (et pas dont l’exposant VAUT zéro).
2. PUISSANCES 203
Figure 13.4 – Puissances
2.3 Racines
Soit n ∈ N∗ . La fonction R+ → R+ définie par x 7−→ xn est une bijection de R+ sur R+ .

√
Sa réciproque est appelée fonction racine nème. On note n x l’image du réel x ≥ 0 par
cette application. Si n est un entier naturel impair la fonction x 7→ xn est une bijection de
R sur R, ce qui permet de définir une fonction racine nème sur R.
√ n √ 1
• Pour n ∈ N∗ et x > 0, on a ( n x) = x, donc n x = x n . Ainsi, pour x > 0,
d √ d 1 1 1 1
n
x= x n = x n −1 = √
n
dx dx n n xn−1
• Lorsque n est impair et x < 0 la formule de dérivation ci-dessus reste encore valable.
2.4 Comparaison des logarithmes, puissances et exponentielles

Figure 13.5 – Racines
Proposition 9. Soient a et b sont deux réels strictement positifs. On a :
(ln x)b
−→ 0 et xa (ln x)b −→ 0
xa x→+∞ x→0
ln x
Démonstration. Nous avons déjà vu que x −→ 0 lorsque x tend vers l’infini. De là,
b !b
(ln x)b b ln(xa/b )
=
xa a xa/b
1
En remplaçant x par x on a le résultat lorsque x tend vers 0.
Proposition 10. Soient a > 1 et b > 0. On a
xb
−→ 0 et |x|b exp(ax) −→ 0
ax x→+∞ x→−∞
Démonstration. Pour la première limite, poser x = ln t. La deuxième limite est une

conséquence de la première : poser x = −t.
Remarque 11. Si a, b < 0, un passage à l’inverse donne les limites demandées. Si a et b

sont de signes contraires, il n’y a aucune indétermination.
3 Fonctions circulaires
3. FONCTIONS CIRCULAIRES 205
3.1 Fonctions cosinus, sinus et tangente
Nous avons déjà parlé de ces fonctions dans le chapitre sur les nombres complexes. Conten-
tons nous d’un petit exercice de révision.
Proposition 11. Soit x ∈ R \ {π + 2kπ, k ∈ Z}, Soit t = tan x2 . On a
1 − t2
cos x =
1 + t2
2t
sin x =
1 + t2
2t
tan x =
1 − t2
sin x2
Démonstration. Remplaçons t par cos x2 . Il vient, en mettant tout au même dénomina-
teur,
1 − t2 cos2 x2 − sin2 x
2
=
1 + t2 cos2 x2 + sin2 x
2
= cos x
On procède de même pour sin x. On fait le quotient pour tan x.
3.2 Fonctions Arc sinus et Arc cosinus
Proposition 12. La fonction f : x 7→ sin x est une bijection continue et strictement

croissante de [− π2 , π2 ] sur [−1, 1]
Définition 7. La réciproque de f est appelée le fonction Arc sinus. On la note arcsin.
Remarque 12. arcsin n’est PAS la réciproque de sin, mais de l’application que nous
avons appelée f . Pour x ∈ [−1, 1], arcsin x est l’unique élément de [− π2 , π2 ] dont le sinus
vaut x. Par exemple, arcsin 0 = 0 puisque sin 0 = 0. Autre exemple, arcsin 1 = π2 puisque
sin π2 = 1.
Proposition 13. La fonction arcsin est une bijection continue strictement croissante
et continue de [−1, 1] sur [− π2 , π2 ]. Elle est impaire, puisque réciproque d’une fonction
impaire.
Remarque 13. On a pour tout x ∈ [−1, 1], sin(arcsin x) = x. En revanche, la relation

arcsin(sin x) = x n’est valable que pour x ∈ [− π2 , π2 ]. À titre d’exercice, tracer le graphe de
la fonction f : R → R .
x 7→ arcsin(sin x)
Proposition 14. La fonction g : x 7→ cos x est une bijection continue et strictement

décroissante de [0, π] sur [−1, 1]
Définition 8. La réciproque de g est appelée le fonction Arc cosinus. On la note

arccos.
Remarque 14. arccos n’est PAS la réciproque de cos, mais de l’application que nous
avons appelée g. Pour x ∈ [−1, 1], arccos x est l’unique élément de [0, π] dont le cosinus
vaut x. Par exemple, arccos 0 = π2 puisque cos π2 = 0. Autre exemple, arccos 1 = 0 puisque
cos 0 = 1.
Proposition 15. La fonction arccos est une bijection continue strictement décrois-
sante de [−1, 1] sur [0, π]. Elle n’est ni paire, ni impaire.
Remarque 15. On a pour tout x ∈ [−1, 1], cos(arccos x) = x. En revanche, la relation

arccos(cos x) = x n’est valable que pour x ∈ [0, π]. À titre d’exercice, tracer le graphe de
la fonction f : R → R .
x 7→ arccos(cos x)
Exercice.
1. Simplifier cos(arcsin x) où x ∈ [−1, 1].
2. Faire de même avec sin(arccos x).
3. Montrer la relation arcsin x + arccos x = π2 pour x ∈ [−1, 1]. On pose pour cela
y = π2 − arcsin x et on prouve que y ∈ [0, π] et cos y = x.
Proposition 16. Les fonctions Arc sinus et Arc cosinus sont de classe C ∞ sur ] − 1, 1[
et
1
∀x ∈] − 1, 1[, arcsin0 x = √
1 − x2
3. FONCTIONS CIRCULAIRES 207
1
∀x ∈] − 1, 1[, arccos0 x = − √
1 − x2
Remarque 16. Ces fonctions ne sont pas dérivables en ±1, puisque les dérivées de leurs
réciproques au point correspondant sont nulles. On a en ces points une tangente verticale
à la courbe.
Représentations graphiques
(a) Arc sinus (b) Arc cosinus
Figure 13.6 – Fonctions circulaires inverses
3.3 Fonction Arc tangente
Proposition 17. La fonction h : x 7→ tan x est une bijection continue strictement

croissante de ] − π2 , π2 [ sur R
Définition 9. La réciproque de h est appelée le fonction Arc tangente. On la note

arctan.
Remarque 17. arctan n’est PAS la réciproque de tan, mais de l’application que nous
avons appelée h. Pour x ∈ R, arctan x est l’unique élément de ] − π2 , π2 [ dont la tangente
vaut x. Par exemple, arctan 0 = 0 puisque tan 0 = 0. Autre exemple, arctan 1 = π4 puisque
tan π4 = 1.
Proposition 18. La fonction arctan est une bijection continue strictement croissante
de R sur ] − π2 , π2 [. Elle est impaire, puisque réciproque d’une fonction impaire.
Remarque 18. On a pour tout x ∈ R, tan(arctan x) = x. En revanche, la relation

arctan(tan x) = x n’est valable que pour x ∈] − π2 , π2 [. À titre d’exercice, tracer le graphe
de la fonction f : R → R .
x 7→ arctan(tan x)
Proposition 19. La fonction Arc tangente est de classe C ∞ sur R, et :

1
∀x ∈ R, arctan0 x =
x2 +1
Remarque 19. Pour x ∈ R∗ , posons f (x) = arctan x + arctan x1 . La fonction f est

dérivable sur les intervalles R∗+ et R∗− , et sa dérivée y est nulle (le vérifier). Elle y est
donc constante. De plus, f (1) = π2 et f (−1) = − π2 . On en déduit que ∀x > 0, arctan x +
arctan x1 = π2 et ∀x < 0, arctan x + arctan x1 = − π2 .
Représentation graphique
Figure 13.7 – Arc tangente
4 Fonctions hyperboliques
4. FONCTIONS HYPERBOLIQUES 209
4.1 Fonctions cosinus et sinus hyperbolique
Définition 10. On définit les fonctions sinus et cosinus hyperbolique pour tout x réel
par :
ex − e−x ex + e−x
sinh x = et cosh x =
2 2
Proposition 20. La fonction sinh est impaire, la fonction cosh est paire. Ces deux
fonctions sont de classe C ∞ sur R et on a pour tout x ∈ R :
sinh0 x = cosh x et cosh0 x = sinh x
4.2 Trigonométrie hyperbolique
Proposition 21. Les formules ci-dessous sont vraies pour tous réels x, a, b :
ex = sinh x + cosh x
cosh2 x − sinh2 x = 1
sinh(a + b) = sinh a cosh b + cosh a sinh b
sinh(a − b) = sinh a cosh b − cosh a sinh b
cosh(a + b) = cosh a cosh b + sinh a sinh b
cosh(a − b) = cosh a cosh b − sinh a sinh b
sinh 2x = 2 sinh x cosh x
cosh 2x = cosh2 x + sinh2 x = 2 cosh2 x − 1 = 1 + 2 sinh2 x
x2 y 2
Remarque 20. La formule cosh2 t−sinh2 t = 1 permet de paramétrer l’hyperbole a2
− b2 =
1 par x = ±a cosh t, y = b sinh t.
4.3 Fonction tangente hyperbolique
Définition 11. La fonction tangente hyperbolique, notée tanh, est définie sur R par
sinh x e2x − 1 ex − e−x

tanh x = = 2x = x
cosh x e +1 e + e−x
Proposition 22. La fonction tanh est impaire, de classe C ∞ sur R, et :

1
∀x ∈ R, tanh0 x = = 1 − tanh2 x
cosh2 x
Représentation graphique
(a) Sinus et cosinus hyperboliques (b) Tangente hyperbolique
Figure 13.8 – Fonctions hyperboliques
4.4 Fonctions hyperboliques réciproques
Définition 12. La fonction « sinus hyperbolique » est continue et strictement crois-

sante sur R. elle définit une bijection de R sur R dont la réciproque est appelée Argu-
ment sinus hyperbolique et notée argsh .
La fonction argsh est ainsi une bijection continue, strictement croissante, et impaire, de R
sur R.
Définition 13. La fonction cosinus hyperbolique est continue et strictement croissante

sur R+ . elle définit une bijection de R+ sur [1, +∞[ dont la réciproque est appelée
Argument cosinus hyperbolique et notée argch .
La fonction argch est ainsi une bijection continue, strictement croissante, de [1, +∞[ sur
R+ .
4. FONCTIONS HYPERBOLIQUES 211
Proposition 23.
• La fonction argsh est dérivable sur R, et
1
∀x ∈ R, argsh 0 x = √
1 + x2
• La fonction argch est dérivable sur [1, +∞[, et
1
∀x > 1, argch 0 x = √
x2 − 1
Démonstration. Faisons-le pour argsh . On a pour tout réel x,
1 1 1 1
argsh 0 x = 0 = =q =√
sinh (argsh x) cosh(argsh x) 1 + x2
1 + sinh2 (argsh x)
Définition 14. La fonction tangente hyperbolique est continue et strictement crois-

sante sur R. elle définit une bijection de R sur ] − 1, 1[ dont la réciproque est appelée
Argument tangente hyperbolique et notée argth .
La fonction argth est ainsi une bijection continue, strictement croissante, de ] − 1, 1[ sur
R.
Proposition 24. La fonction argth est dérivable sur R, et

1
∀x ∈ R, argth 0 x =
1 − x2
Représentations graphiques
Expression à l’aide logarithmes
√
• ∀x ∈ R, argsh x = ln(x + x2 + 1).
(a) Arguments sinus et cosinus hyper-

boliques (b) Argument tangente hyperbolique
Figure 13.9 – Fonctions hyperboliques inverses
√
• ∀x ∈ [1, +∞[, argch x = ln(x+ x2 − 1).
• ∀x ∈] − 1, 1[, argth x = 21 ln 1+x
1−x .
Démonstration. Faisons-le pour l’argument sinus hyperbolique. Soient x, t ∈ R. On a

sinh t = x si et seulement si et − e−t = 2x ou encore T 2 − 2xT − 1 = 0, où l’on √ a posé
t
T = e . T > 0, et l’unique racine√strictement positive de l’équation en T est x + x2 + 1.
On en tire t = argsh x = ln(x + x2 + 1).
Chapitre 14
Fonctions convexes
213
214 CHAPITRE 14. FONCTIONS CONVEXES
1 Intervalles de R
Cette section contient des rappels et quelques compléments sur les intervalles de R.
1.1 Intervalles et parties convexes
Définition 1. Soit A ⊂ R. On dit que A est convexe lorsque pour tous x, y ∈ A,
x ≤ y =⇒ [x, y] ⊂ A
Proposition 1. Les intervalles de R sont les parties convexes de R.
Démonstration. Cette propriété a déjà été démontrée dans le cours sur les réels.
Redonnons-en la preuve.
• Soit I un intervalle. Il y a différents cas selon le type d’intervalle. Traitons par

exemple le cas où I =] − ∞, b], où b ∈ R. Soient x, y ∈ I. Supposons x ≤ y. Soit
z ∈ [x, y]. On a
−∞ < x ≤ z ≤ y ≤ b
et donc z ∈ I. Ainsi, I est convexe.

• Passons au sens intéressant. Soit I une partie convexe de R. Ici aussi il y a différents
cas. Traitons par exemple le cas où I est non vide, majoré et non minoré.
I étant non vide et majoré, il possède une borne supérieure b. Ainsi, I ⊂] − ∞, b].
Montrons à présent que ] − ∞, b[ ⊂ I. Soit z < b. Comme I n’est pas minoré, z ne

minore pas I. Ainsi, il existe x ∈ I tel que x < z. De même, b étant le plus petit
majorant de I, z ne majore pas I. Il existe donc y ∈ I tels que z < y. Ainsi, x, y ∈ I
et z ∈ [x, y]. Par la convexité de I, z ∈ I. Nous avons donc
] − ∞, b[ ⊂ I ⊂ ] − ∞, b]
Il n’y a que deux possibilités : I =] − ∞, b[ ou I =] − ∞, b]. Dans les deux cas, I est
un intervalle.

1. INTERVALLES DE R 215
1.2 Paramétrage d’un segment
Proposition 2. Soient x, y ∈ R tels que x ≤ y. Soit z ∈ R. On a z ∈ [x, y] si et

seulement si il existe λ ∈ [0, 1] tel que
z = (1 − λ)x + λy
Ainsi,
[x, y] = {(1 − λ)x + λy, λ ∈ [0, 1]}
Démonstration. La propriété est évidente si x = y. Supposons donc x < y. Soit z ∈ R.

On a
z ∈ [x, y] ⇐⇒ x≤z≤y
⇐⇒ 0≤z−x≤y−x
z−x
⇐⇒ 0≤ ≤1
y−x
z−x
⇐⇒ ∃λ ∈ [0, 1], =λ
y−x
⇐⇒ ∃λ ∈ [0, 1], z = (1 − λ)x + λy
Corollaire 3. Soit I ⊂ R. I est un intervalle de R si et seulement si pour tous x, y ∈ I,

pour tout λ ∈ [0, 1],
(1 − λ)x + λy ∈ I
Démonstration. Immédiate. Ce n’est qu’une reformulation de l’appartenance à un

segment. Remarquons qu’il est inutile ici de supposer que x ≤ y. Cette hypothèse n’a
besoin d’être faite que lorsqu’on a besoin d’écrire « [x, y] ».
Remarque. Cette propriété peut être reformulée de la façon suivante : pour tous x, y ∈ I,
pour tous λ1 , λ2 ≥ 0 tels que λ1 + λ2 = 1, on a λ1 x + λ2 y ∈ I. L’inconvénient de cette
formulation est l’apparition de deux réels λ1 , λ2 au lieu d’un unique réel λ. Son avantage
est qu’elle rend les choses plus symétriques et que maintenant nous pouvons nous demander
s’il est possible de généraliser la propriété à plus de deux points. La réponse est oui.
1.3 Barycentres
Proposition 4. Soit I un intervalle de R. Pour tout n ≥ 1, pour tous x1 , . . . , xn ∈ I,

n
X
pour tous λ1 , . . . , λn ≥ 0 tels que λi = 1, on a
i=1
n
X
λ i xi ∈ I
i=1

• Le cas n = 1 est évident.
• Le cas n = 2 résulte du corollaire ci-dessus, en posant λ = λ2 , puisqu’alors 1 − λ =
λ1 .
• Soit n ≥ 1. Supposons la propriété vraie pour l’entier n. Donnons nous x1 , . . . , xn+1 ∈
n+1
X
I. Soient λ1 , . . . , λn+1 ≥ 0 tels que λi = 1. Deux cas se présentent.
i=1
• Cas 1 : λn+1 = 1. On a alors λ1 = . . . = λn = 0 et la propriété à montrer est
évidente.
n+1
X
• Cas 2 : λn+1 < 1. Soit x = λi xi . Posons également λ = λn+1 . On peut alors
i=1
écrire
n
X
x = (1 − λ) λ0i xi + λxn+1
i=1
où
λi
λ0i =
1−λ
Remarquons que les λ0i sont positifs ou nuls, et que
n n
X 1 X 1−λ
λ0i = λi = =1
1−λ 1−λ
i=1 i=1
n
X
Par l’hypothèse de récurrence, x0 = λ0i xi ∈ I. Pour terminer,
i=1
x = (1 − λ)x0 + λxn+1 ∈ I
par le cas n = 2.

2. NOTION DE FONCTION CONVEXE 217
2 Notion de fonction convexe
2.1 C’est quoi ?
Définition 2. Soit I un intervalle de R. Soit f : I → R. On dit que f est convexe sur

I lorsque pour tous x, y ∈ I et tout λ ∈ [0, 1],
f ((1 − λ)x + λy) ≤ (1 − λ)f (x) + λf (y)
Lorsque l’inégalité est renversée, on dit que f est concave sur I.
Remarque. Par le paragraphe précédent, cette définition a bien un sens. Lorsque x, y ∈ I

et λ ∈ [0, 1], le réel (1−λ)x+λy est encore dans I, et on peut donc calculer f ((1−λ)x+λy).
Remarque. Dans la suite nous parlerons essentiellement de fonctions convexes. Tous les
résultats que nous donneront s’adaptent évidemment à des fonctions concaves, la plupart
du temps en renversant des inégalités ou en changeant des signes. Il suffit en général de
remarquer que f est convexe si et seulement si −f est concave pour conclure.
Exemples.
• Les fonctions affines x 7→ ax + b sont à la fois convexes et concaves sur R.

• Soit f : x 7→ |x|. Soient x, y ∈ R. Soit λ ∈ [0, 1]. On a
f ((1 − λ)x + λy) = |(1 − λ)x + λy|

≤ (1 − λ)|x] + λ|y| par l’inégalité triangulaire
Remarquons que nous avons utilisé λ ≥ 0 et 1 − λ ≥ 0. Ainsi, la fonction valeur

absolue est convexe sur R.
• Soit f : x 7→ x2 . Soient x, y ∈ R. Soit λ ∈ [0, 1]. On a
(1 − λ)f (x) + λf (y) − (f ((1 − λ)x + λy)) = (1 − λ)x2 + λy 2 − ((1 − λ)x + λy)2
= λ(1 − λ)(x − y)2
≥ 0
La fonction f est donc convexe sur R.
2.2 Interprétation graphique

Définition 3. Soient A, B ∈ R2 . Le segment [A, B] est l’ensemble des points M ∈ R2

vérifiant
−−→ −−→
∃λ ∈ [0, 1], AM = λAB
Soit f : I → R. Soient x, y ∈ I. Soient A = (x, f (x)) et B = (y, f (y)). Soit M = (u, v) ∈

R2 . Le point M est sur le segment [A, B] si et seulement si il existe λ ∈ [0, 1] tel que
−−→ −→ −−→
OM = OA + λAB
c’est à dire, en termes de coordonnées,

u = (1 − λ)x + λy
v = (1 − λ)f (x) + λf (y)
La fonction f est convexe sur I si et seulement si f (u) ≤ v, ceci pour tous x, y, λ. Dit
autrement, si et seulement si le point M est au-dessus du point (u, f (u)). Prenant deux
points quelconques A et B de la courbe de f et traçant le segment [A, B], la portion de la
courbe comprise (l’arc) entre A et B se trouve sous le segment [A, B] (la corde). Le dessin
ci-dessous illustre la propriété, toutes les cordes se trouvent dans l’épigraphe de la fonction
f , c’est à dire dans la partie du plan au-dessus de la courbe.
Figure 14.1 – Arcs et cordes
2.3 Généralisation de l’inégalité de convexité
Proposition 5. Soit f : I → R. La fonction f est convexe sur I si et seulement si

pour tout entier n ≥ 1, pour tous x1 , . . . , xn ∈ I, pour tous λ1 , . . . , λn ≥ 0 tels que
n
X
λi = 1,
i=1
n n
!
X X
f λ i xi ≤ λi f (xi )
i=1 i=1
Démonstration. Remarquons tout d’abord que si cette inégalité très générale est vraie,
le cas n = 2 nous dit que f est convexe.
Inversement, supposons f convexe sur I. On reprend les idées de la démonstration que
nous avons faite dans la section sur les intervalles. On procède par récurrence sur n.
• Le cas n = 1 est évident.
• Le cas n = 2 est la définition de la convexité.
• Soit n ≥ 1. Supposons la propriété vraie pour l’entier n. Donnons nous x1 , . . . , xn+1 ∈
n+1
X
I. Soient λ1 , . . . , λn+1 ≥ 0 tels que λi = 1. Deux cas se présentent.
i=1
Cas 1. λn+1 = 1. On a alors λ0 = . . . = λn = 0 et la propriété à montrer est
évidente.
n+1
X
Cas 2. λn+1 < 1. Soit x = λi xi . Posons également λ = λn+1 . On peut alors
i=1
écrire
f (x) = f ((1 − λ)x0 + λxn+1 )
λi
où, en posant λ0i = 1−λ ,
n
X
x0 = λ0i xi ∈ I
i=1
Par la convexité de f ,
f (x) ≤ (1 − λ)f (x0 ) + λf (xn+1 )
Par ailleurs, les λ0i , 1 ≤ i ≤ n, sont positifs ou nuls et de somme 1. Par l’hypothèse
de récurrence,
n n
!
X X
f (x0 ) = f λ0i xi ≤ λ0i f (xi )
i=1 i=1
En reportant dans l’inégalité précédente et en se souvenant que (1 − λ)λ0i = λi ,

on obtient
n+1
! n+1
X X
f λ i xi ≤ λi f (xi )
i=1 i=1

2.4 Croissance des pentes
Notation. Soit f : I → R. Pour x, y ∈ I tels que x 6= y, notons

f (y) − f (x)
∆f (x, y) =
y−x
Si A = (x, f (x)) et B = (y, f (y)), ∆(x, y) est la pente du segment [A, B].
Proposition 6. Croissance des pentes

Soit f : I → R. Les quatre propriétés ci-dessous sont équivalentes.
1. Pour tous x, y, z ∈ I vérifiant x < z < y, ∆f (x, z) ≤ ∆f (z, y).

2. Pour tous x, y, z ∈ I vérifiant x < z < y, ∆f (x, z) ≤ ∆f (x, y).
3. Pour tous x, y, z ∈ I vérifiant x < z < y, ∆f (x, y) ≤ ∆f (z, y).
4. f est convexe sur I.
Il est facile de se souvenir de cette propriété. Elle nous dit que les pentes des cordes de
la courbe d’une fonction convexe obéissent à des inégalités. Tout est résumé le dessin ci-
dessous, où est dessiné un triangle dont les trois côtés sont rouge, vert et bleu. Si f est
convexe, les pentes des côtés de tous les triangles vérifient
(1) rouge ≤ bleu (2) rouge ≤ vert (3) vert ≤ bleu
Inversement, si l’une de ces inégalités est valable pour tous les triangles, alors la fonction
est convexe.
Figure 14.2 – inégalités fondamentales
Démonstration. Soient x, y, z ∈ I vérifiant x < z < y. Posons z = (1 − λ)x + λy où

0 < λ < 1. On a
f (z) − f (x)
∆f (x, z) =
λ(y − x)
f (y) − f (z)
∆f (z, y) =
(1 − λ)(y − x)
f (y) − f (x)
∆f (x, y) =
y−x
Notons α = (1 − λ)f (x) + λf (y) − f (z). On a
f (y)−f (z) f (z)−f (x) α

(1) ∆f (z, y) − ∆f (x, z) = (1−λ)(y−x) − λ(y−x) = λ(1−λ)(y−x)
f (y)−f (x)
(2) ∆f (x, y) − ∆f (x, z) = y−x − f (z)−f
λ(y−x)
(x)
= α
λ(y−x)
f (y)−f (z) f (y)−f (x) α
(3) ∆f (z, y) − ∆f (x, y) = (1−λ)(y−x) − y−x = (1−λ)(y−x)
La quantité (1) est positive pour tous x < z < y si et seulement si α ≥ 0 pour tous
x < z < y, ce qui équivaut à la convexité de f . Il en est de même pour (2) et (3).
Remarque. Lorsque f : I → R est une fonction convexe, on a donc pour tous x, y, z ∈ I
vérifiant x < z < y,
∆f (x, z) ≤ ∆f (x, y) ≤ ∆f (y, z)
Corollaire 7. Soit f : I → R une fonction convexe. Soient x, y ∈ I tels que x < y.

Soient A = (x, f (x)) et B = (y, f (y)). Soient enfin z ∈ I et C = (z, f (z)).
• Si x ≤ z ≤ y, alors le point C est au-dessous de la droite (AB).
• Si z < x ou y < z, alors le point C est au-dessus de la droite (AB).
Démonstration. Remarquons tout d’abord qu’une équation cartésienne de la droite

D = (AB) est
(D) Y = f (x) + (X − x)∆f (x, y)
Le point C 0 de la droite D qui a la même abscisse que C est donc C 0 = (z, w) où
w = f (x) + (z − x)∆f (x, y)
• Nous avons déjà montré le premier point plus haut.

• Supposons par exemple y < z (le cas z < x) se montre de la même manière). Par la
croissance des pentes (rouge ≤ vert), on a
∆f (x, y) ≤ ∆f (x, z)
ou encore
f (z) ≥ f (x) + (z − x)∆f (x, y)
c’est à dire f (z) ≥ w. Le point C est donc au-dessus du point C 0 .

3 Fonctions convexes dérivables
3.1 Convexité et dérivées
Proposition 8. Soit f : I → R une fonction convexe. Alors

• f est dérivable à gauche et à droite en tout point de ˚
I.
˚ 0 0
• Pour tout x ∈ I, fg (x) ≤ fd (x).
• fg0 et fd0 sont croissantes sur ˚
I.
Démonstration.
• Soit a ∈ ˚
I. Soient x, x0 ∈ I vérifiant a < x < x0 . Par l’inégalité fondamentale
numéro 2, on a
f (x) − f (a) f (x0 ) − f (a)
≤
x−a x0 − a
La fonction ϕ : x 7→ f (x)−f
x−a
(a)
, définie sur J = I∩]a, +∞[, est donc croissante sur J.
Donnons nous par ailleurs t < a, t ∈ I. Par l’inégalité fondamentale numéro 1, on a
pour tout x ∈ J,
f (a) − f (t)
≤ ϕ(x)
a−t
Ainsi, ϕ est minorée sur J. La fonction ϕ, croissante et minorée, admet donc une
limite réelle en a. En conclusion, f est dérivable à droite en a. La dérivabilité à
gauche se montre de la même façon.
• Soit a ∈ ˚ I. Soient x, x0 ∈ I vérifiant x0 < a < x. Par l’inégalité fondamentale
numéro 1, on a
f (a) − f (x0 ) f (x) − f (a)
0
≤
a−x x−a
Faisant tendre x et x0 vers a, on obtient fg0 (a) ≤ fd0 (a).
• Soient a, b ∈ ˚
I vérifiant a < b. Soient x, x0 ∈ I tels que a < x < b < x0 . En
appliquant deux fois l’inégalité fondamentale numéro 1, on obtient
∆f (a, x) ≤ ∆f (x, b) ≤ ∆f (b, x0 )
d’où
∆f (a, x) ≤ ∆f (b, x0 )
Faisant tendre x vers a et x0 vers b, on obtient fd0 (a) ≤ fd0 (b). Ainsi, la fonction fd0
est croissante sur ˚
I. Il en est de même pour fg0 .

3. FONCTIONS CONVEXES DÉRIVABLES 223
Corollaire 9. Soit f : I → R une fonction convexe. Alors f est continue sur ˚

I.
Démonstration. f est dérivable à gauche sur ˚

I, elle est donc continue à gauche en tout
˚
point de I. Il en est de même à droite.
Remarque. Une fonction convexe peut fort bien être discontinue aux bornes de son inter-
valle de définition. Il suffit de prendre pour exemple la fonction f : [−1, 1] → R définie par
f (x) = x2 si −1 < x < 1, et f (±1) = 2.
Proposition 10. Soit f : I → R une fonction continue sur I et dérivable sur ˚

I. Alors
f est convexe sur I si et seulement si f 0 est croissante sur ˚
I.
Démonstration.
(⇒) Si f est convexe, sa dérivée est croissante, nous l’avons déjà vu.
(⇐) Supposons f 0 croissante sur ˚ I. Soient x < z < y tois points de I. La fonction f est
continue sur [x, z] et dérivable sur ]x, z[. Par le théorème des accroissements finis, il
existe donc a ∈]x, z[ tel que ∆f (x, z) = f 0 (a). De même, il existe b ∈]z, y[ tel que
∆f (z, y) = f 0 (b). On a x < a < z < b < y, et donc a < b. Par la croissance de f 0 ,
on a donc f 0 (a) ≤ f 0 (b). Ainsi, ∆f (x, z) ≤ ∆f (z, y). Nous venons donc de prouver
la première inégalité fondamentale pour tous x, y, z ∈ I vérifiant x < z < y. Mais
ceci équivaut à la convexité de f .
Proposition 11. Soit f : I → R une fonction continue sur I et deux fois dérivable
sur ˚
I. Alors f est convexe sur I si et seulement si f 00 ≥ 0 sur ˚
I.
Démonstration. Immédiat par la proposition précédente. En effet, f 0 croît sur ˚

I si et
seulement si sa dérivée y est positive.
3.2 Exemples
Nous disposons maintenant de critères simples pour montrer qu’une fonction est convexe
ou concave. Si elle est deux fois dérivable, il suffit par exemple de regarder le signe de sa
dérivée seconde. Chaque fois que l’on possède une fonction convexe, l’inégalité de convexité
et sa généralisation sont vérifiées. Nous allons voir que cela nous permet de montrer des
inégalités qui sont loin d’être évidentes.
Exemple 1. L’exponentielle est convexe sur R. En effet, pour tout réel x, exp00 (x) = ex ≥ 0.
On en déduit que pour tous réels x, y, pour tout t ∈ [0, 1],
e(1−t)x+ty ≤ (1 − t)ex + tey
Exemple 2. La fonction sin est concave sur [0, π] car sa dérivée seconde, − sin, y est
négative. Il en résulte que
a+b 1
∀a, b ∈ [0, π], sin ≤ (sin a + sin b)
2 2
Exemple 3. La fonction ln est concave sur R∗+ . En effet, elle y est deux fois dérivable, et
pour tout x > 0, ln00 (x) = − x12 ≤ 0. On en déduit que pour tous réels x1 , . . . , xn > 0,
n n
!
1X 1X
ln xk ≥ ln xk
n n
k=1 k=1
Passons à l’exponentielle dans cette inégalité. Il vient

v
n u n
1X uY
xk ≥ t n
xk
n
k=1 k=1
Exemple 4. Soit p un réel, p ≥ 1. La fonction x 7→ xp est convexe sur R+ , car elle

est continue sur R+ , deux fois dérivable sur R∗+ , et sa dérivée seconde en tout x > 0 est
p(p − 1)xp−2 ≥ 0. On a donc pour tout n ≥ 1 et tous x1 , . . . , xn ≥ 0,
n
!p n
1X 1X p
xk ≤ xk
n n
k=1 k=1
Si, en revanche, p < 1, l’inégalité est renversée puisque alors la fonction est concave (si
p ≤ 0 il convient alors de se placer sur R∗+ ).
3.3 Position courbe ←→ tangente
Proposition 12. Soit f : I → R dérivable. f est convexe sur I si et seulement si la

courbe de f est, en tout point, au-dessus de sa tangente.
Démonstration. Soit a ∈ I. Commençons par traduire la condition « la courbe est

au-dessus de sa tangente au point d’abscisse a », que nous noterons P(a). La tangente à
la courbe au point d’abscisse a est la droite d’équation
(Ta ) y = f (a) + (x − a)f 0 (a)
La propriété P(a) est donc
∀x ∈ I, f (x) ≥ f (a) + (x − a)f 0 (a)
3. FONCTIONS CONVEXES DÉRIVABLES 225
Figure 14.3 – courbe et tangentes
(⇒) Supposons f convexe. Soit a ∈ I. Supposons que a n’est pas la borne supérieure
de I et regardons ce qui se passe à droite de a (ce qui se passe à gauche se montre
de la même manière). Soit x > a. Pour tout t vérifiant a < t < x, on a, par les
inégalités fondamentales,
∆f (a, t) ≤ ∆f (a, x)
Lorsque t tend vers a, ∆f (a, t) tend vers f 0 (a). Par un passage à la limite, on obtient
donc
f (x) − f (a)
f 0 (a) ≤ ∆f (a, x) =
x−a
Multipliant l’inégalité par par x − a > 0 et ajoutant f (a), on obtient
f (x) ≥ f (a) + (x − a)f 0 (a)
qui est l’inégalité cherchée.

(⇐) Supposons que P(a) est vérifiée pour tout a ∈ I. Soient x, y z ∈ I vérifiant
x < z < y. La courbe est au-dessus de sa tangente au point d’abscisse z, donc
f (y) ≥ f (z) + (y − z)f 0 (z)
On en déduit
f 0 (z) ≤ ∆f (z, y)
De même,
f (x) ≥ f (z) + (x − z)f 0 (z)
et donc
f 0 (z) ≥ ∆f (x, z)
Ainsi, ∆f (x, z) ≤ ∆f (z, y). Ceci étant vrai pour tous x < z < y, la fonction f est
convexe sur I (inégalités fondamentales).

3.4 Inflexions
La notion générale d’inflexion est difficile à manipuler.
Définition 4. Soit C une courbe possédant une tangent en un point A. On dit que la
courbe C possède une inflexion en A lorsque, au voisinage de A, la courbe traverse sa
tangente en A.
Il existe cependant une condition suffisante d’inflexion, qui s’avère être réalisée dans beau-
coup de situations.
Proposition 13. Soit f : I → R une fonction deux fois dérivable sur I. Soit a ∈ ˚
I.
00
On suppose que f s’annule en a en changeant de signe. Alors la courbe de f possède
une inflexion au point d’abscisse a.
Démonstration. Supposons par exemple que pour tout x voisin de a, x ≤ a, f 00 (x) ≤ 0

et pour tout x voisin de a, x ≥ a, f 00 (x) ≥ 0. La fonction f est donc concave à gauche de
a et convexe à droite de a. La courbe est donc, à gauche de a, sous sa tangente au point
d’abscisse a, et, à droite de a, sur sa tangente en ce même point. Il y a donc bien inflexion.
Remarque. Cette condition d’inflexion est suffisante mais pas nécessaire. Considérons la
fonction f : R → R définie par

5 1
f (x) = x 1 + sin si x 6= 0
x
et f (0) = 1. Comme on peut le vérifier, la fonction f est deux fois dérivable sur R. On a
f 00 (0) = 0 et donc la tangente à la courbe au point d’abscisse 0 est l’axe Ox. Par ailleurs,
f est positive sur R+ et négative sur R− , la courbe traverse donc sa tangente en O. En
revanche, la dérivée seconde de f change une infinité de fois de signe au voisinage de 0,
comme on peut s’en convaincre sur le dessin ci-dessous.
4 Annexe - p-normes
4.1 Introduction
Dans cette section on se donne un réel p ≥ 1 et un entier n ≥ 1.

4. ANNEXE - P -NORMES 227
Figure 14.4 – une inflexion pathologique
Pour tout x = (x1 , . . . , xn ) ∈ Rn , notons
n
!1
X p
kxkp = |xi |p
i=1
Remarquons que si p = 2 on a là la norme euclidienne usuelle du vecteur x.
Commençons par quelques propriétés faciles.
Proposition 14. Pour tous x ∈ Rn et λ ∈ R,

• kxkp ≥ 0.
• kxkp = 0 =⇒ x = 0.
• kλxkp = |λ| kxkp .
Démonstration. Sans difficulté.
Ainsi, k kp possède des propriétés propres aux normes. Il reste évidemment à prouver
l’inégalité triangulaire. C’est ce que nous allons faire dans le reste de la section. Cette
inégalité s’appelle l’inégalité de Minlowski.
Proposition 15. Pour tous x, y ∈ Rn ,
kx + ykp ≤ kxkp + kykp

4.2 Une fonction convexe
Soit ϕ : [0, 1] → R définie pour tout x ∈ [0, 1] par

1 p

ϕ(x) = 1 − x p
La fonction ϕ est continue sur [0, 1], dérivable sur ]0, 1[, et pour tout x ∈]0, 1[
1
1
p−1
0 −1
ϕ (x) = −x p 1−x p
1
−1
Comme p1 − 1 ≤ 0, la fonction x 7→ x p est décroissante. Comme p ≥ 1, la fonction
1 p−1

x 7→ 1 − x p est croissante. Ces deux fonctions sont de plus positives. Il en résulte
que ϕ0 croît sur ]0, 1[. Ainsi, ϕ est convexe sur [0, 1].
4.3 Inégalité de convexité
Proposition 16. Soient a1 , . . . , an , b1 , . . . , bn 2n réels positifs. On a
n
!1 n
!1 n
!1
p p p
api bpi
X X X
(ai + bi )p ≤ +
i=1 i=1 i=1
Démonstration. Quitte à changer la valeur de n, on peut supposer que pour chaque i,

l’un des deux réels ai et bi est non nul (en effet, si les deux sont nuls, les termes correspon-
dants dans les sommes mises en jeu n’apparaissent pas).
Posons
n
X
S = (ai + bi )p
i=1
n
api
X
S1 =
i=1
n
bpi
X
S2 =
i=1
Pour tout i ∈ J1, nK, posons
api bpi 1
Xi = , Yi = , ti = (ai + bi )p
(ai + bi )p (ai + bi )p S
Les Xi appartiennent à [0, 1], et les ti sont positifs et de somme 1. On peut donc appliquer
l’inégalité de convexité généralisée à ϕ avec les Xi et les ti :
n n
!
X X
ϕ ti Xi ≤ ti ϕ(Xi )
i=1 i=1
Calculons séparément les différentes quantités apparaissant dans cette inégalité. Tout
d’abord,
n n
X 1 X p S1
ti Xi = ai =
S S
i=1 i=1
Puis
n
!
X
S1

ϕ ti Xi = ϕ S
i=1 !p
1
S1p
= 1− 1
Sp
1
p
1
1 p
= S S − S1
p
Poursuivons :
bpi
ϕ(Xi ) = = Yi
(ai + bi )p
Et enfin (calculs identiques à ce qui précède) :
n
X S2
ti ϕ (Xi ) =
S
i=1
Réunissant le tout, on obtient par l’inégalité de convexité

1
p
1 1
p S2
S − S1
p ≤
S S
Multipliant par S puis élevant à la puissance p1 , on obtient
1 1 1
S p ≤ S1p + S2p
qui est l’inégalité voulue.
4.4 Preuve de l’inégalité de Minkowski
Nous en avons quasiment terminé. Soient x = (x1 , . . . , xn ) et y = (y1 , . . . , yn ) deux éléments

de Rn . Il suffit de poser, pour i ∈ J1, nK, ai = |xi | et bi = |yi |, puis d’appliquer le résultat
précédent, pour obtenir que
kx + ykp ≤ kxkp + kykp
4.5 L’inégalité de Hölder
Rappelons que le produit scalaire des vecteurs x et y de Rn est

n
X
< x, y >= xi yi
i=1
Ce produit scalaire vérifie l’inégalité de Schwarz :
| < x, y > | ≤ kxk2 kyk2
Cette inégalité possède-t-elle une analogue avec des p-normes ? La réponse est oui, il s’agit
de l’inégalité de Hölder.
Soit p un nombre réel, p > 1. Soit q défini par l’égalité
1 1
+ =1
p q
Remarquons que le réel q vérifie également q > 1.
Commençons par un lemme.
Lemme 17. Soient a et b deux réels positifs. On a

ap bq
ab ≤ +
p q
Démonstration. Si a ou b est nul cette inégalité est évidente. Supposons donc a et b

strictement positifs. La fonction ln est concave sur R∗+ . Comme p1 + 1q = 1, l’inégalité de
concavité donne donc

1 p 1 q 1 1
ln a + b ≥ ln ap + ln bq = ln(ab)
p q p q
d’où le résultat en passant à l’exponentielle.
Proposition 18. [Hölder] Pour tous x, y ∈ Rn ,
| < x, y > | ≤ kxkp kykq
Remarque. Dans le cas où p = 2, on a aussi q = 2 et cette inégalité n’est autre que

l’inégalité de Schwarz. Ainsi, l’inégalité de Hölder est une généralisation de l’inégalité de
Schwarz.
Démonstration. Si x ou y est nul, l’inégalité est évidente. Supposons donc x et y non

nuls. Ensuite, quitte à diviser x par kxkp et y par kykq , on peut supposer que kxkp =
kykq = 1.
Pour tout i ∈ J1, nK, le lemme nous dit que
1 1
|xi | |yi | ≤ |xi |p + |yi |q
p q
Sommons le tout. Nous obtenons

n
X 1 1 1 1
|xi yi | ≤ kxkpp + kykqq = + = 1 = kxkp kykq
p q p q
i=1
Comme le membre de gauche de cette inégalité est clairement supérieur à | < x, y > | =
| ni=1 xi yi |, on obtient bien l’inégalité de Hölder.
P
4.6 Le cas p = 1
Lorsque p = 1, le réel q n’existe pas puisqu’on devrait avoir 1q = 0. Ou alors il faudrait se

lancer dans l’hypothèse hasardeuse que q = +∞. Alors lançons nous. Le problème est de
définir ce que pourrait être kxk∞ . Nous discuterons dans le paragraphe suivant du choix
que nous allons maintenant faire.
Définition 5. Pour tout x = (x1 , . . . , xn ) ∈ Rn , on pose
kxk∞ = max |xi |

1≤i≤n
Proposition 19. Pour tous x, y ∈ Rn ,
| < x, y > | ≤ kxk1 kyk∞
n
X
| < x, y > | = xi yi
i=1
n
X
≤ |xi | |yi |
i=1
Pour tout i ∈ J1, nK, |yi | ≤ kyk∞ . La somme ci-dessus est donc majorée par
n
X
kyk∞ |xi | = kxk1 kyk∞
i=1
4.7 Une justification
Soit x ∈ Rn . Que vaut lim kxkp ? Il s’avère que non seulement cette limite existe, mais
p→∞
qu’elle est précisément égale à . . . kxk∞ .
Proposition 20. Pour tout x ∈ Rn ,
kxkp −→ kxk∞
p→∞
Démonstration. Si x = 0, c’est dévident. Supposons denc x 6= 0. Soit i0 ∈ J1, nK tel que

|xi0 | = kxk∞ . Comme x 6= 0, on a |xi0 | > 0. Pour tout réel p ≥ 1,
n n
µpi
X X
kxkpp = |xi |p = |xi0 |p
i=1 i=1
xi
où 0 ≤ µi = xi0 ≤ 1. On a donc l’encadrement
|xi0 |p ≤ kxkpp ≤ n|xi0 |p
d’où 1
|xi0 | ≤ kxkp ≤ n p |xi0 |
1
Lorsque p tend vers l’infini, n p tend vers 1. Ainsi, par le théorème d’encadrement des
limites, kxkp tend vers |xi0 | = kxk∞ .

Chapitre 15
Primitives et Équations différentielles
233
234 CHAPITRE 15. PRIMITIVES ET ÉQUATIONS DIFFÉRENTIELLES
1 Calculs de primitives
1.1 Notion de primitive
Dans tout ce qui suit, K désigne R ou C. Lorsque ce n’est pas précisé, I désigne un intervalle
de R.
Définition 1. Soit f : I → K une fonction définie sur un intervalle I. Soit F : I → K.

On dit que F est une primitive de f sur I lorsque F est dérivable sur I, et F 0 = f .
Exemple. Soit α ∈ C \ {−1}. Une primitive de x 7−→ xα sur R∗+ (ou plus selon les valeurs
de α) est
xα+1
x 7−→
α+1
Une primitive sur R∗+ de x 7−→ 1
x est x 7−→ ln x.
Une primitive sur R∗− de x 7−→ 1
x est x 7−→ ln(−x).
Nous admettons le théorème suivant. Il sera démontré dans le chapitre d’intégration.
Proposition 1. Soit f : I → K une fonction continue. La fonction f admet des

primitives sur I. Si F0 est une primitive de f sur I, alors les primitives de f sur I
sont les fonctions F = F0 + c où c ∈ K.
Démonstration. Nous pouvons tout de même, avec ce que nous savons, démontrer «
l’unicité ». Soit F : I −→ R une fonction dérivable. Alors F est une primitive de f sur I
si et seulement si
F 0 = f = F00
c’est à dire
(F − F0 )0 = 0
ou encore, si et seulement si F − F0 est constante sur I.
Notation. Soit f : I → K continue. Soit F : I → K une primitive de f sur I. Pour tous
a, b ∈ I, on note
Z b
f (x) dx = F (b) − F (a)
a
Rb Rb
ou a f (t) dt (ou la lettre que l’on voudra), ou enfin plus simplement a f . Cette quantité
ne dépend pas de la primitive F choisie.
1. CALCULS DE PRIMITIVES 235
Nous noterons également de façon abusive
Z x
f (t)dt = F (x)
où F est une primitive quelconque de f sur l’intervalle I.
Remarque 1. Nous verrons plus tard que tout ceci est plus qu’une notation, mais il
faudra d’abord avoir étudié la notion d’intégrale.
Notons également la formule de Chasles, qui est évidente.
Proposition 2. Soit f : I → K une fonction continue. Soient a, b, c ∈ I. On a

Z c Z b Z c
f (x) dx = f (x) dx + f (x) dx
a a b
Démonstration. En effet, en appelant F une primitive de f sur I, on a
F (c) − F (a) = F (b) − F (a) + F (c) − F (b)
1.2 Primitives usuelles
Le tableau ci-dessous résume les primitives à connaître. On trouve dans la première colonne
la fonction à primitiver. Dans la deuxième colonne sont indiqués le ou les intervalles (les
plus grands possibles) où la fonction possède des primitives. La dernière colonne contient
l’expression d’une primitive de la fonction, valable sur tous les intervalles cités dans la
colonne précédente. Pour avoir toutes les primitives, il convient bien entendu de rajouter
des constantes.
Rx
Fonction f Intervalle(s) I Primitive f (t)dt sur I
ex R ex
ch x R sh x
sh x R ch x
cos x R sin x
sin x R − cos x
xα+1
xα (α ∈ R \ {−1}) R∗+ (au moins) α+1
1
x R∗+ ou R∗− ln |x|
ln |x| R∗+ ou R∗− x ln |x| − x
1 2
ch2 x
= 1 − th x R th x
2
1
sh2 x
= coth x − 1 R∗+ ou R∗− − coth x
1
cos2 x
= 1 + tan2 x ] − π2 + kπ, π2 + kπ[, k ∈ Z tan x
1 2
sin2 x
= 1 + cotan x ]kπ, (k + 1)π[, k ∈ Z − cotan x
tan x ] − π2 + kπ, π2 + kπ[, k ∈ Z − ln | cos x|
cotan x ]kπ, (k + 1)π[, k ∈ Z ln | sin x|
tanh x R ln(cosh x)
coth x R∗+ ou R∗− ln | sinh x|
1
ch x R 2 arctan ex
1
sh x R∗+ ou R∗− ln th x2
1
] − π2 + kπ, π2 + kπ[, k ∈ Z ln tan x2 + π4

cos x
1
sin x ]kπ, (k + 1)π[, k ∈ Z ln tan x2
1 ∗
(a ∈ R+ ) 1 x
x2 +a2
R a arctan a
1
a2 −x2
(a ∈ R∗+ ) R \ {−a, a} 1
2a
x+a
ln
x−a
√ 1
a2 −x2
(a ∈ R∗+ ) ] − a, a[ arcsin xa
√
√ 1
x2 +h
(h ∈ R∗ ) tout intervalle où x2 + h 6= 0 ln x + x2 + h
Exercice. Soient a, b ∈ R. Quelles sont les primitives sur R des fonctions x 7−→ eax cos bx
et x 7−→ eax sin bx ?
Posons α = a + ib. Considérons la fonction f : R −→ C définie pour tout réel x par
f (x) = eαx . Une primitive de f sur R est la fonction F : R −→ C définie par
1 αx
F (x) = e
α
Il suffit, pour répondre à la question posée, de prendre la partie réelle et la partie imaginaire
de F . Pour tout x ∈ R, on a
1
F (x) = eax (cos bx + i sin bx)
a + ib
a − ib ax
= e (cos bx + i sin bx)
a2 + b2
1
= eax ((a cos bx + b sin bx) + i(a sin bx − b cos bx))
a + b2
2
Ainsi,
x
eax
Z
eat cos bt dt = (a cos bx + b sin bx)
a2 + b2
et x
eax
Z
eat sin bt dt = (a sin bx − b cos bx)
a2 + b2
1.3 Intégration par parties
Proposition 3. Soient f, g ∈ C 1 (I). Soient a, b ∈ I. On a

Z b Z b
f 0 g = f (b)g(b) − f (a)g(a) − f g0
a a
ce que l’on note plus simplement

Z b Z b
f 0 g = [f g]ba − f g0
a a
Démonstration. La fonction f g est une primitive sur I de la fonction (f g)0 , continue

sur I. On a donc Z b
(f g)0 = [f g]ba
a
Mais Z b Z b Z b Z b
0 0 0 0
(f g) = (f g + f g ) = f g+ f g0
a a a a

Exemple. Pour tout n ∈ N, notons
Z x
In (x) = tn e−t dt
0
Soit n ≥ 1. On intègre par parties en posant f (t) = tn et g 0 (t) = e−t . Il vient

x
In (x) = − tn e−t 0 + nIn−1 (x) = −e−x + nIn−1 (x)

Exercice. Calculer In (x) sous forme d’une somme puis trouver la limite de In (x) lorsque
x tend vers +∞.
Exercice. Déterminer les primitives sur [−1, 1] de la fonction arc sinus.
Exercice. Calculer, pour tout n ∈ N et tout x ≥ 1,

Z x
tn ln t dt
1
1.4 Changement de variable
Proposition 4. Soient I et J deux intervalles de R. Soit f : I → R (ou C) une

fonction continue sur I à valeurs réelles ou complexes. Soit ϕ : J → I une surjection
de classe C 1 . Soient a, b ∈ I. Soient α, β ∈ J tels que ϕ(α) = a et ϕ(β) = b. On a alors
Z b Z β
f (x) dx = f (ϕ(t))ϕ0 (t) dt
a α
Démonstration. Soit F une primitive de f sur l’intervalle I. Une telle primitive existe
car f est continue. On a
Z β Z β Z β
0 0 0
f (ϕ(t))ϕ (t) dt = F (ϕ(t))ϕ (t) dt = (F ◦ ϕ)0 (t) dt = F ◦ ϕ|βα
α α α
Mais cette dernière quantité est aussi

Z b
ϕ(β)
[F ]ϕ(α) = [F ]ba = f (x) dx
a

Rb
Pratiquement, on procède comme suit. On désire calculer a f (x) dx.
• pose x = ϕ(t).
On
• calcule dx = ϕ0 (t) dt.
On
• remarque que si t = α (resp β) alors ϕ(t) = a (resp b).
On
• On
recolle tous les morceaux.
R eπ/2
Exercice. Calculer 1 sin ln x dx.
R4 √
Exercice. Calculer 0 e x dx.
π π
sinn x dx = cosn x dx.
R R
Exercice. Soit n ∈ N. Montrer que 2
0 0
2
Remarque 2. Il nous arrivera

Rβ de faire des changements de variable « à l’envers », c’est à
dire d’avoir une intégrale α g(t) dt et d’avoir envie de poser x = ϕ(t). Cela est-il possible ?
Oui, si on arrive aussi à « voir » que g(t) = f (ϕ(t))ϕ0 (t) où f est une fonction judicieuse.
Dans ce cas,
Z β Z β
g(t) dt = f (ϕ(t))ϕ0 (t) dt
α α
Zϕ(β)
= f (x) dx
ϕ(α)
R π dt
Prenons un exemple. Calculons 04 cos t . Le changement de variable « inversé » ϕ(t) = sin t
est particulièrement adapté, en remarquant que
1 cos t cos t
= =
cos t 2
cos t 1 − sin2 t
et que le numérateur cos t est la dérivée de sin t. Ainsi,
Z π Z π
4 dt 4 cos tdt
=
0 cos t 0 1 − sin2 t
√
Z 2
2 dx
=
0 1 − x2
Nous avons là une primitive usuelle.

√
Z π 2 √
4 dt 1 1+x 2 1 2+ 2
= ln = ln √
0 cos t 2 1−x 0 2 2− 2
Remarquons que nous aurions aussi pu remarquer que cos1 x est dans la liste des primitives
usuelles. Z π
4 dt x π π
3π
4
= ln tan + = ln tan
0 cos t 2 4 0 8
1.5 Primitives des fractions rationnelles
Nous aborderons de façon plus complète ce problème lorsque nous aurons traité le chapitre
sur les fractions rationnelles. Nous y verrons que toute fraction rationnelle, c’est à dire
P (x)
toute fonction du type Q(x) où P et Q sont des fonctions polynômes, s’écrit comme une
somme de fractions particulières, appelées éléments simples. Nous calculerons alors des
primitives de tous les éléments simples. Pour l’instant, concentrons nous sur les cas faciles.
1
• Primitives de x 7−→ x−a , où a ∈ R. C’est immédiat, ln |x − a| est une telle primitive,
sur ] − ∞, a[ et sur ]a, +∞[.
px+q
• Primitives de x 7−→ x2 +bx+c
où p, q, b, c ∈ R. Ici, c’est plus délicat. Commençons
par remarquer que
b 2

2
x + bx + c = x + + c0
2
b
Le changement de variable x = t − 2 permet alors de se ramener au calcul de
primitives de
pt + q
t 7−→
t2 + c
où p, q, c ne sont plus les mêmes que précédemment (pour simplifier l’écriture). Il
suffit évidemment pour cela de savoir intégrer t2 t+c et t21+c . La première primitive
est évidente, car on reconnaît dans la fonction à intégrer une dérivée :
Z t
u du 1
2
= ln |t2 + c|
u +c 2
sur des intervalles qui dépendent, en particulier, du signe de c. Concernant la seconde
primitive, se ramener au tableau des primitives usuelles. La discussion se fait sur la
nullité et le signe de c. Pour simplifier, prenons par exemple c = 0, 1, −1.
• Sur ] − ∞, −1[, ] − 1, 1[ et ]1, +∞,
Z t
du 1 1+t
2
= − ln
u −1 2 1−t
• Sur ] − ∞, 0[ et ]0, +∞[,

Z t
du 1
2
=−
u t
• Sur R, Z t
du
= arctan t
u2 +1
2 Notion d’équation différentielle
2.1 C’est quoi ?
Une équation différentielle est une équation où l’inconnue est une fonction, définie sur un
intervalle I de R, à valeurs dans R ou C, et régulière (dérivable un certain nombre de fois).
L’équation différentielle nous donne l’existence d’une relation entre la fonction inconnue,
la variable (x), et les dérivées de la fonction jusqu’à un certain ordre (ce que l’on appelle
l’ordre de l’équation différentielle).
Une équation différentielle est donc quelque chose du genre :
(E) F (x, y, y 0 , y 00 , . . . , y (n) ) = 0

2. NOTION D’ÉQUATION DIFFÉRENTIELLE 241
Résoudre (E), c’est trouver tous les intervalles I et toutes les fonctions f : I −→ R ou C,
n fois dérivables sur I, telles que
∀x ∈ I, F (x, f (x), f 0 (x), f 00 (x), . . . , f (n) (x)) = 0
On ne sait pas en général résoudre les équations différentielles. Dans certains cas, il existe
des théorèmes permettant d’affirmer l’existence de solutions, voire leur unicité lorsque l’on
impose des conditions initiales ou des conditions aux limites. Nous nous intéresserons dans
les sections suivantes uniquement à des équations d’un type très particulier, dites linéaires
.
2.2 Exemple
Considérons l’équation
(E) y 0 = y
Soit f : R → R dérivable. Posons, pour tout réel x,
g(x) = e−x f (x)
g est dérivable sur R, et pour tout réel x, f (x) = ex g(x). De là,
f 0 (x) = ex g(x) + ex g 0 (x)
Ainsi, f est solution de E sur R si et seulement si pour tout réel x on a
ex g(x) + ex g 0 (x) = ex g(x)
c’est à dire si et seulement si g 0 = 0 c’est à dire g est constante. Les solutions de (E) sur R
sont donc les multiples de la fonction exponentielle.
2.3 Exemple
Considérons l’équation
√
(E) y 0 = 2 y
Cherchons les solutions de (E) sur R.
Soit f : R → R. La fonction f est solution de (E) si et seulement si f ∈ D1 (R), f ≥ 0, et
∀x ∈ R, f 0 (x) = 2 f (x)
p
Soit f une solution de (E).

Remarquons que f 0 ≥ 0 et donc que f est croissante.
Si f s’annule en un réel a, alors, puisque f est positive et croissante, f est nulle sur ]−∞, a].
Et si f est non nulle en a, alors f > 0 sur [a, +∞[, toujours par la croissance.
Soit E = {x ∈ R, f (x) = 0}. Les remarques précédentes montrent que les seules possibilités
pour E sont (1)∅, les intervalles (2)] − ∞, a[ ou (3)] − ∞, a] avec a réel, et (4)R.
Le cas 2 est à exclure, car si f (x) = 0 pour tout x < a, alors, par continuité de f , f (a) = 0.
Le cas 4 est évident : la fonction nulle est solution de (E). Regardons donc les cas 1 et 3.
√ √
sur I = R ou ]a, +∞], f ne s’annule pas, et f 0 = 2 f , ou encore ( f )0 = 1. Il existe donc
un réel b tel que pour tout x ∈ I, f (x) = (x − b)2 . Mais cette fonction n’est croissante
et non nulle que sur ]b, +∞[. On voit donc que le cas 1 est aussi à exclure, et que b ≤ a.
Mieux, f est nulle à gauche de a, et dérivable en a, donc f 0 (a) = 0. Mais fd0 (a) = 2(a − b),
donc b = a. Finalement, f (x) = 0 si x ≤ a et f (x) = (x − a)2 si x ≥ a.
Pour résumer notre analyse, si f est solution de (E) sur R, on est dans l’un des deux cas
suivants :
• f est nulle sur R, ou alors
• Il existe a ∈ R tel que f est nulle sur ] − ∞, a] et, pour tout x ≥ a, f (x) = (x − a)2 .
Inversement, on vérifie que ces fonctions sont bien solutions de E.
Remarque 3. La résolution de notre second exemple, pourtant très simple, nous a donné
plus de mal que celle du premier exemple. Pour quoi ? Parce que l’équation différentielle
y 0 = y fait partie de la vaste famille des « équations différentielles linéaires ». Il existe
pour cette famille d’équations des méthodes de résolution spécifiques. Leurs ensembles de
solutions possèdent des structures algébriques intéressantes, etc. Nous allons dans ce qui
suit nous intéresser aux équations différentielles linéaire d’ordre 1, et à certaines équations
différentielles linéaires d’ordre 2.
3 Équations linéaires du premier ordre
Dans ce qui suit, K = R ou C.
3.1 Équation homogène
Proposition 5. Soit a : I → K une fonction continue. Les solutions sur I de l’équation

différentielle
(H) y 0 + a(x)y = 0
sont les fonctions
ϕ : x 7−→ k exp(−A(x))
3. ÉQUATIONS LINÉAIRES DU PREMIER ORDRE 243
où A est une primitive sur I de a et k ∈ K.
Démonstration. Soit ϕ0 : x 7−→ exp(−A(x)). La fonction ϕ0 est dérivable sur I, et on

a pour tout x ∈ I,
ϕ00 (x) = −A0 (x)ϕ0 (x) = −a(x)ϕ0 (x)
La fonction ϕ0 est donc solution de (H), et elle ne s’annule pas. Soit maintenant une
fonction ϕ dérivable sur I. On écrit ϕ = gϕ0 , où g est dérivable sur I. Alors ϕ est solution
de (H) si et seulement si
ϕ0 + aϕ = 0
c’est à dire
g 0 ϕ0 + gϕ00 + aϕ0 = 0
Mais ϕ0 étant solution de (H), ceci équivaut à g 0 ϕ0 = 0, ou encore g 0 = 0 puisque ϕ0 ne
s’annule pas. En d’autres termes, si et seulement si g est constante.
Corollaire 6. En reprenant les notations de la preuve précédente, l’ensemble SH des

solutions de (H) sur I est la droite vectorielle engendrée par ϕ0 .
SH = {kϕ0 , k ∈ K}
Exercice. Résoudre (x + 1)y 0 − xy + 1 = 0 sur ] − ∞, −1[, ] − 1, +∞[, puis sur R.
3.2 Équation avec second membre
Proposition 7. Soient a, b : I → K deux fonctions continues. Les solutions sur I de

l’équation différentielle
(E) y 0 + a(x)y = b(x)
sont les fonctions
ϕ : x 7−→ k exp(−A(x)) + g(x) exp(−A(x))
où A est une primitive sur I de la fonction a, k ∈ K et g est une primitive sur I de

x 7−→ b(x) exp A(x)
Démonstration. Supposons trouvée une solution ϕ1 de (E). Alors, pour toute fonction
ϕ, ϕ est solution de (E) si et seulement si ϕ − ϕ1 est solution de (H). Il suffit donc de
trouver une solution de (E) pour avoir toutes les solutions de (H).
Pour trouver une solution de (E) nous allons utiliser une technique qui s’appelle la variation
de la constante. Cherchons une solution de (E) de la forme
ϕ1 (x) = g(x)ϕ0 (x)
où, rappelons le,

ϕ0 : x 7−→ exp(−A(x))
Un calcul analogue à celui fait pour l’équation homogène conduit à
g 0 (x)ϕ0 (x) = b(x)
Il suffit donc de prendre pour g une primitive de la fonction
x 7−→ b(x) exp A(x)
Corollaire 8. L’ensemble SE des solutions de (E) sur I est une droite affine dont la
direction est la droite vectorielle SH
Exercice. Résoudre l’équation différentielle (x − 1)y 0 + (x − 2)y = x(x − 1)2 sur ] − ∞, 1[,
]1, +∞[, puis sur R.
3.3 Un exemple : deux équations fonctionnelles
Proposition 9. Les applications f : R → C dérivables vérifiant pour tous réels x, y,
(E) f (x + y) = f (x)f (y)
sont la fonction nulle et les applications x 7→ eλx où λ ∈ C.
Démonstration. Soit f une solution de (E). Remarquons tout d’abord que
f (0 + 0) = f (0)f (0)
ou encore
f (0) = f (0)2
Ainsi, f (0) = 0 ou f (0) = 1. Si f (0) = 0 alors, pour tout réel x,
f (x) = f (x + 0) = f (x)f (0) = 0

3. ÉQUATIONS LINÉAIRES DU PREMIER ORDRE 245
et f est donc la fonction nulle. Supposons maintenant que f n’est pas la fonction nulle, et
donc que f (0) = 1. On a pour tous réels x, y (en dérivant « par rapport à y »),
f 0 (x + y) = f (x)f 0 (y)
En particulier, en prenant y = 0, on a
f 0 (x) = f 0 (0)f (x)
ou encore, en posant λ = f 0 (0),

f 0 = λf
On en déduit qu’il existe k ∈ C tel que, pour tout réel x,
f (x) = keλx
Comme f (0) = 1, on a k = 1.
Inversement, la fonction nulle et les fonctions x 7−→ eλx , où λ ∈ C, sont bien solutions de
(E).
Proposition 10. Les applications f : R∗+ → R dérivables vérifiant pour tous x, y ∈ R∗+ ,
f (xy) = f (x) + f (y)
sont les applications x 7−→ λ ln x où λ ∈ R.
Démonstration. Nous pourrions utiliser la même méthode que précédemment mais

cherchons plutôt à nous ramener à ce qui précède.
Soit f une telle application. Posons pour tout réel x,
g(x) = exp(f (ex ))
La fonction g est dérivable sur R et on a pour tous réels x, y,
g(x + y) = exp(f (ex+y ))

= exp(f (ex ey ))
= exp(f (ex ) + f (ey ))
= exp(f (ex )) exp(f (ey ))
= g(x)g(y)
On en déduit que g est solution de (E). Ainsi, pour tout réel x, g(x) = eλx avec λ ∈ C
indépendant de x. La fonction g étant à valeurs réelles, λ = g 0 (0) est aussi réel. On a donc,
pour tout réel x,
exp(f (ex )) = exp(λx)
d’où
f (ex ) = λx
Soit maintenant t ∈ R∗+ . Il existe un (unique) réel x tel que t = ex , à savoir x = ln t. On a
alors
f (t) = λ ln t
Inversement, une telle application convient.
3.4 Le problème de Cauchy
Soient a, b : I → R deux fonctions continues sur un intervalle I. Soit l’équation différentielle
(E) y 0 + a(x)y = b(x)
On s’intéresse ici à la résolution de l’équation (E) avec conditions initiales.
Proposition 11. Soit x0 ∈ I et y0 ∈ K. Il existe une unique solution ϕ de l’équation

(E) telle que ϕ(x0 ) = y0 .
Démonstration. Soit ϕ une solution générale de (E). Nous avons vu que
ϕ = ϕ1 + kϕ0
où k ∈ K et la fonction ϕ0 ne s’annule pas sur I. On a alors ϕ(x0 ) = y0 si et seulement si
ϕ1 (x0 ) + kϕ0 (x0 ) = y0
c’est à dire si et seulement si

y0 − ϕ1 (x0 )
k=
ϕ0 (x0 )
On en déduit l’existence et l’unicité de la fonction ϕ vérifiant la condition initiale.
4 Résolution approchée
La plupart des équations différentielles ne peuvent pas être résolues de façon explicite. Il
existe néanmoins des méthodes numériques permettant d’en obtenir une solution appro-
chée. Nous allons dans cette section parler d’une méthode permettant d’obtenir une valeur
approchée d’une solution ϕ de l’équation différentielle
(E) y 0 = F (x, y)
4. RÉSOLUTION APPROCHÉE 247
avec condition initiale : la méthode d’Euler. Nous resterons à un niveau informel. Nous ne
justifierons pas les résultats.
On se fixe un réel δ > 0 supposé « petit ». On pose xn = x0 + nδ, et yn = ϕ(xn ) pour tout
entier n tel que xn ∈ I.
On part de ϕ(x0 ) = y0 . Le réel δ étant supposé « petit », on a
ϕ(x0 + δ) − ϕ(x0 )
≈ ϕ0 (x0 ) = F (x0 , ϕ(x0 ))
δ
ou encore
φ(x0 + δ) ≈ φ(x0 ) + δF (x0 , y0 )
Ainsi,
y1 ≈ y0 + δF (x0 , y0 )
Posons donc
ŷ1 = y0 + δF (x0 , y0 )
L’erreur commise est liée à l’identification entre le taux d’accroissement avec la dérivée.
Rien n’empêche de poursuivre avec l’approximation obtenue et d’itérer le procédé. On pose
donc ŷ0 = y0 et, pour tout n tel que xn ∈ I,
ŷn+1 = ŷn + δF (xn , ŷn )
On peut alors montrer que sous certaines conditions, ŷn est une approximation « intéres-
sante » de yn . La théorie permet en particulier d’estimer l’erreur commise en approchant
yn par ŷn .
Prenons un exemple. Considérons l’équation
(E)y 0 = y
avec x0 = 0 et y0 = 1, c’est à dire, avec les notations ci-dessus, F (x, y) = y. La solution ϕ
est bien sûr ϕ(x) = ex . La relation de récurrence devient
yn+1 = yn + δyn = (1 + δ)yn
c’est à dire que
yn = (1 + δ)n
1
Particularisons encore, en posant δ = N.On a alors
1 N

xN = 1, yN = 1 +
N
La « vraie »valeur de yN est bien sûr e1 = e. On peut montrer (et on le fera) que
1 N

1+ −→ e
N N →∞
lorsque N tend vers l’infini : si l’on diminue la taille du pas δ, on obtient a priori une
meilleure approximation des solutions.
5 Équations du second ordre
Contrairement à l’ordre 1, on ne s’intéresse qu’à des équations à coefficients constants.
5.1 Équation homogène
Soient a, b, c trois nombres complexes, a 6= 0.

On considère dans ce paragraphe l’équation différentielle
(H) ay 00 + by 0 + cy = 0
Nous noterons C l’équation caractéristique de (H) :
(C) aX 2 + bX + c = 0
et ∆ = b2 − 4ac le discriminant de cette équation.
Proposition 12.
• Si ∆ 6= 0, les solutions de (H) sont les fonctions
x 7−→ λ1 exp α1 x + λ2 exp α2 x
où λ1 et λ2 sont des nombres complexes, et α1 et α2 sont les deux racines

distinctes de (C).
• Si ∆ = 0, les solutions de (H) sont les fonctions
x 7−→ (λ1 x + λ2 ) exp αx
où λ1 et λ2 sont des nombres complexes, et α est l’unique racine de (C).
Démonstration. Soit µ ∈ C. f : x 7−→ eµx . f est solution de (H) si et seulement si µ

est une racine de l’équation caractéristique. Soit maintenant ϕ : R → C deux fois dérivable
sur R.on pose
ϕ(x) = g(x)eαx
où α est une racine de (C). La fonction ϕ est solution de H si et seulement si
aϕ00 + bϕ0 + cϕ = 0
ou encore
ag 00 + (2aα + b)g 0 + (aα2 + bα + c)g = 0
5. ÉQUATIONS DU SECOND ORDRE 249
Mais α est racine de (C), donc g convient si et seulement si
ah0 + (2aα + b)h = 0
où h = g 0 . Ceci est une équation linéaire d’ordre 1 en h. Il s’agit maintenant de distinguer

deux cas.
Première possibilité, 2aα + b 6= 0, c’est à dire que le discriminant de l’équation caractéris-
tique est non nul. On obtient
h(x) = k exp(λx)
où k ∈ C et
2aα + b
λ=−
a
De là,
g(x) = K exp(λx) + K 0
avec K, K 0 ∈ C, et
φ(x) = K exp((λ + α)x) + K 0 exp(αx)
Mais λ + α = β, où β est l’autre racine de l’équation caractéristique. Ainsi, les solutions
de H sont les fonctions de la forme
φ(x) = K exp(αx) + K 0 exp(βx)
Deuxième cas, 2aα + b = 0. On obtient
g(x) = Kx + K 0
d’où
φ(x) = (Kx + K 0 ) exp(αx)
Corollaire 13. L’ensemble SH des solutions de (H) est un plan vectoriel, engendré
par
• Si ∆ 6= 0 : x 7−→ eα1 x et x 7−→ eα2 x .
• Si ∆ = 0 : x 7−→ eαx et x − 7 → xeαx .
Dit autrement, dans chacun des deux points ci-dessus, en appelant ϕ1 et ϕ2 les fonctions
citées, l’ensemble des solutions de (H) est
SH = {λ1 ϕ1 + λ2 ϕ2 , λ1 , λ2 ∈ C}
Exercice. Résoudre les équations différentielles y 00 + y = 0, y 00 − y = 0 et y 00 − 2y 0 + y = 0.

5.2 Le cas réel
On suppose ici que a, b, c ∈ R et on cherche les solutions réelles de l’équation (H). Il y a

maintenant trois cas, selon que le discriminant de l’équation caractéristique est > 0, nul
ou < 0. Les deux premiers cas donnent les mêmes solutions que dans le cas complexes
(prendre évidemment K et K 0 réels).
Traitons le cas où ∆ < 0. Les racines de l’équation caractéristique sont λ ± iω où λ ∈ R,
ω ∈ R∗ . Soit
ϕ(x) = K exp((λ + iω)x) + K 0 exp((λ − iω)x)
Cette fonction est à valeurs réelles si et seulement si, pour tout réel x,
ϕ(x) = ϕ(x)
c’est à dire
K exp((λ + iω)x) + K 0 exp((λ − iω)x) = K exp((λ − iω)x) + K 0 exp((λ + iω)x)
ou encore
K exp(iωx) + K 0 exp(−iωx) = K exp(−iωx) + K 0 exp(iωx)
La famille (x 7−→ exp(−iωx), x 7−→ exp(iωx)) est libre dans le C-espace vectoriel CR ,
donc, une telle fonction convient si et seulement si K 0 = K. Les solutions réelles de (H)
sont les fonctions
ϕ(x) = eλx ((p + iq)eiωx + (p − iq)e−iωx ) = eλx (2p cos ωx − 2q sin ωx)
ou encore
φ(x) = eλx (A cos ωx + B sin ωx)
avec A, B ∈ R.
5.3 Équation avec second membre
On s’intéresse ici à l’équation
(E) ay 00 + by 0 + cy = g(x)
où a, b, c ∈ C, a 6= 0 et g est une fonction continue sur R.
Proposition 14. On suppose connue une solution ϕ0 de (E). Alors une fonction ϕ
est solution de (E) si et seulement si ϕ − ϕ0 est solution de (H).
5. ÉQUATIONS DU SECOND ORDRE 251
Corollaire 15. L’ensemble SE des solutions de (E), s’il est non vide, est un plan affine
dont la direction est SH .
Dit autrement, si ϕ0 est une solution de (E), alors
SE = ϕ0 + SH
Il reste évidemment à trouver UNE solution de E. Nous allons nous concentrer sur un cas
particulier : on considère un second membre de la forme
g(x) = Aeαx
où A, α ∈ C∗ .
Proposition 16. Il existe une solution de (E) de la forme Q(x)eαx , où Q est un

polynôme. Plus précisément :
• Si α n’est pas racine de l’équation caractéristique, alors deg Q = 0.
• Si α est racine de l’équation caractéristique, et que l’équation caractéristique a
deux racines distinctes, alors deg Q = 1.
• Si α est racine de l’équation caractéristique, et que l’équation caractéristique a
une racine double, alors deg Q = 2.
Démonstration. Soit ϕ(x) = Q(x)eαx . La fonction ϕ est solution de (E) si et seulement

si
aQ00 + (2aα + b)Q0 + (aα2 + bα + c)Q = A
Si α n’est pas racine de l’équation caractéristique, le degré du premier membre est celui de
Q. Ainsi, si une solution existe, on doit avoir do Q = 0.
Si α est racine de l’équation caractéristique, l’équation devient
aQ00 + (2aα + b)Q0 = A
Encore deux cas. Si l’équation caractéristique a deux racines distinctes, alors 2aα + b 6= 0
et on doit donc avoir do Q = 1. Sinon, l’équation devient
aQ00 = A
A 2
et Q est alors évident : on prend une primitive d’une primitive de aX .
Remarque 4. Soient (E1 ) et (E2 ) les équations différentielles
(E1 ) ay 00 + by 0 + cy = g1 (x)
(E2 ) ay 00 + by 0 + cy = g2 (x)
Si f1 est solution de (E1 ) et f2 est solution de (E2 ), alors f1 + f2 est solution de :
(E)ay 00 + by 0 + cy = g1 (x) + g2 (x)
C’est ce que l’on appelle le principe de superposition.

On peut donc résoudre toute une classe d’équations différentielles, puisque, par exemple,
un sinus ou un cosinus sont des combinaisons d’exponentielles.
Exercice. Résoudre les équations différentielles y 00 + y = ex et y 00 − y = ex .
Exercice. Résoudre l’ équation différentielle y 00 + y = cos x.
5.4 Problème de Cauchy
Proposition 17. Soit l’équation différentielle
(E) ay 00 + by 0 + cy = g(x)
où g est continue sur l’intervalle I. On suppose que l’équation (E) a une solution. Soit
x0 ∈ I. Soient y0 , y1 ∈ C. Il existe une unique solution ϕ de (E) telle que ϕ(x0 ) = y0
et φ0 (x0 ) = y1 .
Démonstration. On a pour tout réel x,
ϕ(x) = λ1 ϕ1 (x) + λ2 ϕ2 (x) + ϕ0 (x)
où (ϕ1 , ϕ2 ) est une base de l’espace des solutions de (H) (tout dépend du discriminant
de l’équation caractéristique), et ϕ0 est une solution particulière de (E). L’écriture des
conditions initiales fournit le système

λ1 ϕ1 (x0 ) + λ2 ϕ2 (x0 ) + ϕ0 (x0 ) = y0
λ1 ϕ01 (x0 ) + λ2 ϕ02 (x0 ) + ϕ00 (x0 ) = y1
Ce système de deux équations à deux inconnues a pour déterminant
D = (ϕ1 ϕ02 − ϕ2 ϕ01 )(x0 )
On trouve, si ∆ 6= 0,
D = (α2 − α1 )e(α1 +α2 )x0 6= 0
et si ∆ = 0,
D = e2αx0 6= 0
Ce système a donc une unique solution.
Chapitre 16
Arithmétique
253
254 CHAPITRE 16. ARITHMÉTIQUE
1 Divisibilité dans Z
On suppose connues les propriétés suivantes : (Z, +, ×) est un anneau. De plus, dans cet
anneau, lorsqu’un produit est nul l’un des facteurs est nul (anneau intègre). Cet anneau est
totalement ordonné par la relation ≤, qui est compatible avec l’addition et la multiplication.
On dispose également sur Z du concept de valeur absolue.
1.1 Diviseurs, multiples
Définition 1. Soient a, b ∈ Z. On dit que a divise b ou que b est un multiple de a, et

on note a | b, lorsqu’il existe un c ∈ Z tel que b = ac :
a | b ⇐⇒ ∃c ∈ Z, b = ac
Remarque 1.
Pour tout entier a, 0 | a si et seulement si a = 0.
Pour tout entier a, 1 | a et a | 0.
Si a est non nul, l’entier c tel que b = ac est unique car Z est intègre. On l’appelle le
quotient de b par a et on le note ab .
Notation. Soit a ∈ Z. On note
aZ = {na, n ∈ Z}
l’ensemble des multiples de a.

Remarque 2. On a a | b si et seulement si bZ ⊂ aZ.
Proposition 1.
• Pour tout a ∈ Z, a | a.
• Pour tous a, b, c ∈ Z, si a | b et b | c alors a | c.
• Pour tous entiers a, b ∈ Z, a | b et b | a si et seulement si b = ±a.
La relation « divise » n’est donc pas tout à fait une relation d’ordre. C’est ce que l’on
appelle un pré-ordre.
Démonstration.
1. DIVISIBILITÉ DANS Z 255
• Soit a ∈ Z. On a a = 1a donc a | a.
• Soient a, b, c ∈ Z. Supposons que a | b et b | c. Il existe alors p, q ∈ Z tels que b = pa
et c = qb. On en déduit que c = pqa donc a|c.
• Soient a, b ∈ Z. Supposons que a | b et b | a. Il existe p, q ∈ Z tels que b = pa et
a = qb. On en déduit b = pqb. Si b 6= 0, il vient pq = 1 donc p = q = 1 (et a = b) ou
p = q = −1 (et a = −b). Si b = 0, alors a = q0 = 0 et on a toujours b = ±a. Enfin,
si b = ±a, on a évidemment a | b et b | a.

Remarque 3. La dernière propriété nous dit que
aZ = bZ ⇐⇒ b = ±a
1.2 Division euclidienne
Proposition 2. Soient a, b ∈ N, b > 0. Il existe un entier naturel n tel que nb > a.
Démonstration. On a b(a + 1) = ab + b ≥ a + b > a.
Corollaire 3. Soient a et b deux entiers naturels, b > 0. Il existe un unique entier

naturel n tel que
nb ≤ a < (n + 1)b
Démonstration. Soit
E = {m ∈ N, mb > a}
L’ensemble E est une partie non vide de N, il admet donc un plus petit élément. Notons
le m0 . On a donc (m0 − 1)b ≤ a < m0 b. On a m0 ≥ 1 puisque m0 b > a ≥ 0. Posons
n = m0 − 1 ∈ N. On a nb ≤ a < (n + 1)b d’où l’existence.
Supposons maintenant que n et n0 conviennent. On a alors nb ≤ a < (n0 + 1)b donc
n < n0 + 1 et ainsi n ≤ n0 . De même, n0 ≤ n donc n = n0 d’où l’unicité.
Corollaire 4. Propriété d’Archimède

Soient a et b deux entiers relatifs tels que b > 0. Il existe un unique entier relatif n tel
que
nb ≤ a < (n + 1)b
Démonstration. Si a ≥ 0, c’est le corollaire précédent. Sinon, on applique le dit corollaire

à −a. Il existe m ∈ N tel que
mb ≤ −a < (m + 1)b
Si mb = −a, alors −mb = a < (−m+1)b et n = −m convient. Sinon, (−m−1)b < a < −mb
et n = −m − 1 convient.
L’unicité se prouve comme dans le corollaire précédent.
Proposition 5. Division euclidienne

Soient a et b deux entiers relatifs, b 6= 0. Il existe un unique couple (q, r) d’entiers
relatifs tel que
a = bq + r
0 ≤ r < |b|
L’entier q est appelé le quotient de la division euclidienne de a par b. L’entier r est le
reste de cette même division.
Démonstration. Prenons d’abord b > 0. Il existe q ∈ Z tel que qb ≤ a < (q + 1)b.

Posons r = a − bq. On a alors 0 ≤ r < b d’où l’existence.
Si b < 0, il existe q, r ∈ Z tels que a = (−b)q + r = b(−q) + r avec 0 ≤ r < −b = |b|.
L’unicité se prouve comme dans les corollaires ci-dessus.
Proposition 6. Les sous-groupes de Z sont les parties de Z de la forme nZ, n ∈ N.
Démonstration. Il est clair que, pour tout n ∈ N, nZ est un sous-groupe de Z.

Inversement, soit G un sous-groupe de Z, différent de {0}. G possède alors un plus petit
élément strictement positif, a. Comme a ∈ G, on a aZ ⊂ G. Réciproquement, si x ∈ G, on
fait la division euclidienne de x par a : x = qa + r avec 0 ≤ r < a. Mais x et qa étant dans
G, r = x − qa l’est aussi. Comme a est le plus petit élément strictement positif de G, on a
nécessairement r = 0.
2 PGCD, PPCM
2.1 Somme de deux sous-groupes
Définition 2. Soient H, H 0 deux sous-groupes du groupe abélien (G, +). On appelle

somme de H et H 0 le sous-ensemble de G défini par H + H 0 = {x + x0 , x ∈ H, x0 ∈ H 0 }.
2. PGCD, PPCM 257
Proposition 7. La somme de deux sous-groupes de G est un sous-groupe de G.
Démonstration.
• Notons 0 le neutre de G. On a 0 ∈ H et 0 ∈ H 0 donc
0 = 0 + 0 ∈ H + H0
• Soient u, v ∈ H + H 0 . On a u = x + x0 , v = y + y 0 où x, y ∈ H et x0 , y 0 ∈ H 0 . De là,
u − v = (x − y) + (x0 − y 0 ) ∈ H + H 0
2.2 PGCD
Proposition 8. Soient a, b ∈ Z. Il existe δ ∈ Z tel que aZ + bZ = δZ. L’entier δ est

unique au signe près.
Démonstration. aZ + bZ est un sous-groupe de Z, d’où l’existence de δ. De plus, δ 0

convient si et seulement si δZ = δ 0 Z ou encore δ 0 = ±δ.
Définition 3. On appelle plus grands communs diviseurs (en abrégé : pgcd) de a et

b les entiers δ définis ci-dessus.
Remarque 4. Deux entiers relatifs admettent deux pgcd (sauf 0 et 0). On abuse en disant
LE pgcd de a et b.
Notation. On note a ∧ b le (un) pgcd de a et b. D’autres notations existent, comme (a, b)
ou plus évidemment pgcd(a, b).
Proposition 9. Soient a, b ∈ Z. Il existe un entier δ, unique au signe près, tel que
∀d ∈ Z, d | a et d | b ⇐⇒ d | δ
Démonstration. Soit δ = a ∧ b. Montrons que δ convient. Remarquons tout d’abord

que a = a1 + b0 ∈ δZ donc δ | a. De même, δ | b.
Soit d ∈ Z. Supposons que d | δ. Alors, par transitivité de la relation « divise », d divise a
et b.
Inversement, supposons que d | a et d | b. On a δ = 1δ ∈ δZ. Donc δ ∈ aZ + bZ. Il existe

ainsi u, v ∈ Z tels que δ = ua + vb. Comme a et b sont multiples de d, il en est de même
de δ.
Soit maintenant δ 0 un autre entier qui convient. On a δ 0 | δ 0 , donc δ 0 | a et δ 0 | b, donc δ 0 |δ.
De même, δ|δ 0 donc δ 0 = ±δ. Les entiers qui conviennent sont donc exactement les pgcd
de a et b.
2.3 Théorème de Bézout
Proposition 10. Soient a et b et d trois entiers relatifs. Alors
a ∧ b | d ⇐⇒ ∃u, v ∈ Z, ua + vb = d
Démonstration. Ce théorème est en fait une évidence. En effet, soit δ = a ∧ b. d ∈ δZ

si et seulement si d ∈ aZ + bZ. C’est exactement ce qu’il fallait montrer.
Un cas particulier très important est le théorème de Bézout.
Définition 4. Deux entiers sont dits premiers entre eux lorsque leur pgcd est égal à
1 (ou -1, évidemment).
Proposition 11. Théorème de bézout

Soient a et b deux entiers relatifs. Alors, a et b sont premiers entre-eux si et seulement
si il existe un couple (u, v) d’entiers relatifs tel que ua + vb = 1.
Démonstration. Soit δ = a ∧ b. On a l’existence d’un tel couple (u, v) si et seulement

si δ divise 1, c’est à dire si et seulement si δ = 1.
2.4 Théorème de Gauss
Proposition 12. Théorème de Gauss

Soient a, b, c trois entiers relatifs. Alors

a | bc
=⇒ a | c
a∧b=1
2. PGCD, PPCM 259
Démonstration. Les hypothèses montrent l’existence de trois entiers u, v, d tels que

bc = da et ua + vb = 1. De là
uac + vbc = c
d’où
a(uc + vd) = uac + vad = c
Ainsi a | c.
2.5 Algorithme d’Euclide
Soient a et b deux entiers. Prenons a, b ∈ N pour simplifier. On définit par récurrence sur
n une suite (rn )n≥0 d’entiers naturels comme suit. On pose
r0 = a, r1 = b
Puis, pour tout entier n ≥ 1,

• Si rn 6= 0, on note rn+1 le reste de la division euclidienne de rn−1 par rn .
• Sinon, on pose rn+1 = 0.
Remarquons que, par une récurrence évidente, s’il existe un entier n ≥ 1 tel que rn = 0,
alors la suite est nulle à partir du rang n. En fait, il existe un tel entier.
Proposition 13. Il existe un entier n ≥ 1 tel que rn = 0.
Démonstration. Raisonnons par l’absurde et supposons que pour tout n, rn soit non nul.
On a alors pour tout n ≥ 1, rn+1 < rn , puisque rn+1 est le reste d’une division euclidienne
par rn . On en déduit facilement par récurrence que pour tout n ≥ 1,
rn ≤ r1 − n + 1
Mais alors,
rb+1 ≤ r1 − (b + 1) + 1 = 0
ce qui est impossible car rb+1 > 0.
Proposition 14. Soit n0 le plus petit entier n ≥ 0 tel que rn+1 = 0. Alors, a∧b = rn0 .
Démonstration. Soit d ∈ N. On voit facilement que pour tout entier 1 ≤ n ≤ n0 , d|rn−1

et d | rn si et seulement si d | rn et d | rn+1 . De là, d | a et d | b si et seulement si d | rn0 et
d | rn0 +1 = 0, c’est à dire si et seulement si d | rn0 .
Nous disposons donc d’un algorithme permettant de calculer le pgcd de deux entiers. Cet
algorithme est-il efficace ? Nous allons voir que oui.
2.6 Complexité de l’algorithme d’Euclide
Soient a et b deux entiers naturels, a > b. Nous allons estimer le nombre n0 de divisions
nécessaires à l’obtention de leur pgcd par l’algorithme d’Euclide.
Tout d’abord, quelques notations : r0 = a, r1 = b, et pour 1 ≤ k ≤ n0 ,
rk−1 = qk rk + rk+1
où rn0 = a ∧ b et rn0 +1 = 0.
Les quotients successifs sont tous au moins égaux à 1. On a donc pour 1 ≤ k ≤ n0 ,
rk−1 ≥ rk + rk+1
Notons (Fn )n≥0 la suite de Fibonacci, définie par F0 = 0, F1 = 1, et, pour tout n ∈ N,
Fn+2 = Fn+1 + Fn
On a rn0 +1 = 0 = F0 et rn0 = a ∧ b ≥ 1 = F1 . Donc
rn0 −2 ≥ 1 + 0 = F2
Plus généralement, par une récurrence facile, on a pour 0 ≤ k ≤ n0 + 1,
rn0 +1−k ≥ Fk
Pour k = n0 , on obtient
r1 = b ≥ Fn0
On peut montrer que pour tout n ∈ N,
ϕn − ϕn
Fn =
ϕ−ϕ
où ϕ et ϕ sont les racines de l’équation x2 = x
√+ 1. Prenons pour ϕ la racine positive de
cette équation. On a alors |ϕ| < 1 et ϕ − ϕ = 5 donc
ϕn − 1
Fn ≥ √
5
Ainsi,
ϕn0 − 1
√ ≤b
5
d’où √
ln(b 5 + 1)
n0 ≤
ln ϕ
Le majorant trouvé est en gros proportionnel au nombre de chiffres de l’entier b, le coeffi-
cient de proportionnalité étant à peu près égal à 4, 8. L’algorithme d’Euclide est donc très
efficace.
2. PGCD, PPCM 261
2.7 Coefficients de Bézout
Reprenons les notations ci-dessus. Soient a, b ∈ Z. Soit δ = a ∧ b. L’algorithme d’Euclide

permet de trouver un couple (u, v) tel que ua + vb = 1. On procède comme suit.
On pose u0 = 1, v0 = 0, u1 = 0, v1 = 1. On a
u0 a + v0 b = a = r0
et
u1 a + v1 b = b = r1
Soit q1 tel que r0 = q1 r1 + r2 . En combinant les deux égalités précédentes, on a
u2 a + v2 b = r2
où
u2 = u0 − q1 u1 et v2 = v0 − q1 v1
Soit 0 ≤ k ≤ n0 − 2. Supposons trouvés uk , vk , uk+1 , vk+1 tels que
uk a + vk b = rk et uk+1 a + vk+1 b = rk+1
Soit qk+1 le quotient de la division de rk par rk+1 . En posant
uk+2 = uk − qk+1 uk+1 et vk+2 = vk − qk+1 vk+1
on obtient
uk+2 a + vk+2 b = rk+2
On a donc montré comment calculer, pour tout entier 0 ≤ k ≤ n0 , deux entiers uk et vk
tels que uk a + vk b = rk . Mais pour k = n0 , on a rk = δ. D’où la construction effective de
deux entiers u et v tels que ua + vb = δ.
Un exemple illuminera tout cela.
Exemple. Prenons a = 33 et b = 21. On présente le tout dans un tableau. Dans la
deuxième colonne, les uk . Dans la troisième colonne, les vk . Dans la quatrième colonne, les
rk . Dans la dernière colonne, les qk .
k 33× +21× =
0 1 0 33 −
1 0 1 21 1
2 1 −1 12 1
3 −1 2 9 1
4 2 −3 3 3
5 −7 11 0 −
On en déduit 33 ∧ 21 = 3, u = 2, v = −3.
2.8 Propriétés utiles
Proposition 15. Soient n ≥ 1 et a, b1 , . . . , bn ∈ Z. On a

n
Y
a∧ bk = 1 ⇐⇒ ∀k ∈ J1, nK, a ∧ bk = 1
k=1
Démonstration. Pour n = 1 il n’y a rien à montrer.
Montrons la propriété pour n = 2. Supposons a ∧ b1 b2 = 1. D’après le théorème de Bézout,

il existe deux entiers u et v tels que ua + vb1 b2 = 1. En lisant cette égalité de deux façons,
on constate, toujours d’après Bézout, que a est premier avec b1 et b2 .
Supposons maintenant que a est premier avec b1 et b2 . Il existe des entiers u, v, u0 , v 0 tels
que ua + vb1 = 1 et u0 a + v 0 b2 = 1. En multipliant ces égalités on obtient U a + V b1 b2 = 1
avec U = uu0 + uv 0 b2 + u0 vb1 et V = vv 0 . a est donc premier avec b1 b2 , toujours et encore
grâce à Bézout.
La propriété pour n quelconque est une récurrence sur n. Elle est laissée en exercice.
Proposition 16. Soient n ≥ 1 et a1 , . . . , an , b ∈ Z. On suppose les ak premiers

entre-eux deux à deux. Alors,
n
Y
ak | b ⇐⇒ ∀k ∈ J1, nK, ak | b
k=1
Démonstration. Ici encore, le cas général est laissé en exercice. Traitons le cas où n = 2.
Remarquons tout d’abord que le sens de gauche à droite est évident.
Pour la réciproque, supposons que a1 et a2 sont premiers entre-eux et que a1 et a2 divisent

b. Comme a1 | b, il existe c ∈ Z tel que b = a1 c. De là, a2 | a1 c. Comme a2 ∧ a1 = 1, par le
théorème de Gauss, a2 | c. Il existe c0 ∈ Z tel que c = a2 c0 , d’où b = a1 a2 c0 : a1 a2 divise b.
Proposition 17. Soient a, b, k ∈ Z. On a
(ka) ∧ (kb) = k(a ∧ b)

2. PGCD, PPCM 263
Démonstration. Posons δ = a ∧ b et ∆ = (ka) ∧ (kb). Comme δ divise a, on a facilement

que kδ divise ka. De même, kδ divise kb et donc kδ divise ∆.
Inversement, il existe u, v ∈ Z tels que ua + vb = δ. En multipliant cette égalité par k, il
vient
u(ka) + v(kb) = kδ
Ainsi, ∆ divise kδ.

Les entiers kδ et ∆ se divisent l’un l’autre, ils sont donc égaux (au signe près, bien entendu).
Proposition 18. Soient a, b, δ, ∈ Z. Alors δ = a ∧ b si et seulement si il existe deux

entiers a1 , b1 tels que : 
 a = δa1
b = δb1
a1 ∧ b1 = 1

Démonstration. Si a et b sont nuls, le résultat est évident. Supposons donc dans ce qui
suit que a ou b est non nul.
Supposons δ = a ∧ b (on a donc δ 6= 0). On peut alors écrire a = δa1 et b = δb1 , où
a1 , b1 ∈ Z. De plus, il existe u et v tels que ua + vb = δ. En simplifiant par δ, on en tire
ua1 + vb1 = 1, donc a1 ∧ b1 = 1 par le théorème de Bézout.
Inversement, supposons a = δa1 , b = δb1 , avec a1 ∧ b1 = 1. Appelons ∆ le pgcd de a et b.
Par Bézout appliqué à a1 et b1 et une multiplication par δ, on obtient deux entiers u et v
tels que ua + vb = δ. On en déduit que ∆ | δ. Mais δ est clairement un diviseur commun
de a et b, donc δ | ∆. Ainsi, δ = ∆ (au signe près, comme toujours).
Appliquons ce qui précède pour montrer un résultat bien connu sur les rationnels.
Proposition 19. Soit x ∈ Q. Il existe un unique p ∈ Z et un unique q ∈ N∗ tels que

p ∧ q = 1 et x = pq .
Une telle écriture s’appelle l’écriture du rationnel x sous forme irréductible.

Démonstration. Commençons par l’existence. On a x = ab où a ∈ Z et b ∈ Z∗ . Soit
δ = a ∧ b. D’après la propriété précédente, on a alors a = δp et b = δq avec p ∧ q = 1. De
là, x = pq . Quitte à remplacer p et q par −p et −q, on peut supposer q > 0.
Passons à l’unicité. Supposons
p p0
x= = 0
q q
où p, p0 , q, q 0 ∈ Z, q, q 0 > 0, p ∧ q = 1 et p0 ∧ q 0 = 1. On a pq 0 = p0 q. Par le théorème de

Gauss, q | q 0 et aussi q 0 | q. Mais q, q 0 ∈ N, donc q = q 0 . On reporte et on obtient p = p0 .
2.9 PPCM
Proposition 20. Soient a et b deux entiers relatifs. Il existe un entier µ, unique au

signe près, vérifiant
∀m ∈ Z, a | m et b | m ⇐⇒ µ | m
Définition 5. « L’ » entier µ ci-dessus est appelé plus petit commun multiple (en
abrégé : ppcm) de a et b. On abuse en parlant du ppcm de a et b. On note µ = a ∨ b
ou encore ppcm(a, b).
Démonstration. Écrivons a = δa1 , b = δb1 , avec a1 ∧ b1 = 1. Soit m ∈ Z. Supposons

que a | m et b | m. Comme δ divise a et b, on a aussi par transitivité δ | m. Écrivons donc
m = δm1 où m1 ∈ Z. On a alors facilement a1 | m1 et b1 | m1 , donc, par Gauss, a1 b1 | m1
et donc δa1 b1 | m. Ainsi, tout multiple commun de a et b est multiple de l’entier
µ = δa1 b1
Inversement, l’entier µ ci dessus est bien un multiple commun de a et b.
Enfin, si µ1 et µ2 sont des ppcm de a et b, chacun divise l’autre, et ils sont donc égaux au
signe près.
Proposition 21. Soient a, b ∈ Z. Soient δ = a ∧ b et µ = a ∨ b. Alors
δµ = ab
Démonstration. δµ = δ(δa1 b1 ) = (δa1 )(δb1 ) = ab.
Remarque 5. Dire que les multiples de µ sont les multiples communs de a et b revient à
dire que
aZ ∩ bZ = µZ
Ceci serait une façon d’introduire le ppcm analogue à celle utilisée pour le pgcd, en remar-
quant que l’intersection de deux sous-groupes d’un groupe est encore un sous-groupe.
2. PGCD, PPCM 265
2.10 Résolution d’une équation diophantienne simple
Une équation diophantienne est une équation dont les inconnues sont des entiers. Ce type
d’équation se résout par des méthodes très différentes de celles utilisées pour les équations à
inconnues réelles ou complexes. Nous allons ici nous intéresser aux équations diophantienne
de degré 1 à deux inconnues.
Soient a, b, c trois entiers relatifs. On considère l’équation d’inconnues x, y ∈ Z
(E) ax + by = c
Si a = b = 0, la résolution de (E) est évidente. Supposons dorénavant que (a, b) 6= (0, 0),
et donc δ 6= 0.
Soit δ = a ∧ b. On voit que si (E) admet une solution, alors δ | c. Première conclusion :
Si δ 6 | c, alors l’équation (E) n’a pas de solution.
Supposons maintenant que δ | c. Écrivons c = δc1 , où c1 ∈ Z. On écrit a = δa1 , b = δb1 , où
a1 , b1 ∈ Z et on est ramenés à l’équation
(E1 ) x, y ∈ Z, a1 x + b1 y = c1
avec a1 ∧ b1 = 1. Cette équation a les mêmes solutions que l’équation (E).

On sait trouver une solution à cette équation : il suffit d’appliquer l’algorithme d’Euclide.
Celui-ci fournit un couple (u, v) tel que ua1 + vb1 = 1. Le couple (x1 , y1 ) = (uc1 , vc1 ) est
alors solution de (E1 ).
Soit maintenant un couple (x, y) ∈ Z2 . Alors, (x, y) est solution de (E1 ) (ou (E)) si et
seulement si a1 x + b1 y = a1 x1 + b1 y1 ou encore
a1 (x − x1 ) = b1 (y1 − y)
Le théorème de Gauss permet alors de conclure que (x, y) est solution si et seulement si il
existe un entier relatif k tel que

x = x1 + kb1
y = y1 − ka1
2.11 PGCD d’un nombre fini d’entiers
Soient a1 , . . . , an n entiers relatifs. L’ensemble
a1 Z + . . . + an Z = {u1 a1 + . . . + un an , u1 , . . . , un ∈ Z}
est un sous-groupe de Z. Il existe donc δ ∈ Z, unique au signe près, tel que
a1 Z + . . . + an Z = δZ
L’entier δ est appelé le pgcd de a1 , . . . , an . On le note
δ = ∧nk=1 ak
Remarquons que
n
X n−1
X
ak Z = ak Z + an Z
k=1 k=1
On a donc
∧nk=1 ak Z = (∧n−1 n−1
k=1 ak )Z + an Z = ((∧k=1 ak ) ∧ an )Z
On en déduit qu’au signe près,
∧nk=1 ak = (∧n−1
k=1 ak ) ∧ an
On peut donc calculer le pgcd de n entiers de proche en proche, en calculant des pgcd de
deux entiers. On peut en fait montrer que le pgcd est associatif, et les parenthèses peuvent
être placées comme bon nous semble. Nous ne prouverons pas cette propriété.
Définition 6. Soient a1 , . . . , an ∈ Z.
On dit que les ak sont premiers entre-eux deux à deux lorsque ∀i 6= j, ai ∧ aj = 1.
On dit que les ak sont premiers entre-eux dans leur ensemble lorsque ∧nk=1 ak = 1.
Proposition 22. Si des entiers sont premiers entre-eux deux à deux, ils sont premiers
entre-eux dans leur ensemble. La réciproque est fausse.
Démonstration. Le sens direct est est évident. Pour le contre-exemple, prendre par
exemple les nombres 6, 10 et 15.
Proposition 23. Soient a1 , . . . , an ∈ Z. Soit δ = ∧nk=1 ak . Soit d ∈ Z. Alors,

n
X
δ | d ⇐⇒ ∃u1 , . . . , un ∈ Z, uk ak = d
k=1
Démonstration. Il suffit de reformuler : δ | d si et seulement si d ∈ δZ. Or, δZ =

a1 Z + . . . + an Z.
3. NOMBRES PREMIERS 267
Corollaire 24. Théorème de Bézout généralisé

Soient a1 , . . . , an ∈ Z. Les ak sont premiers entre-eux dans leur ensemble si et seule-
ment si il existe u1 , . . . , un ∈ Z tels que
n
X
uk ak = 1
k=1
Démonstration. Il suffit de remarquer que δ | 1 si et seulement si δ = 1.
3 Nombres premiers
3.1 Définition
Définition 7. Soit p ∈ Z. On dit que p est premier lorsque p 6= ±1, et que p est
divisible uniquement par ±1 et ±p. Sinon, on dit que p est composé.
Remarque 6. Dorénavant, nous nous occuperons uniquement de nombres premiers posi-

tifs. Lorsque nous dirons « le nombre premier p » il conviendra de comprendre « le nombre
premier positif p ».
3.2 Propriétés
Proposition 25. Soient a, b ∈ Z. On suppose p premier. Alors,
a ∧ p = 1 ⇐⇒ p 6 | a
Démonstration. Soit δ = a ∧ p. Alors δ divise p, donc δ = 1 ou δ = p.
Supposons δ 6= 1. Alors δ = p, donc p | a.
Inversement, supposons que p | a. Alors, comme p | p, p divise δ, donc δ 6= 1.

Proposition 26. Lemme d’Euclide

Soit p ∈ Z, p 6= 0, 1. Alors, p est premier si et seulement si
(∗) ∀a, b ∈ Z, p | ab =⇒ p | a ou p | b
Démonstration. Supposons p premier. Soient a, b ∈ Z. Supposons que p | ab. Supposons

aussi que p 6 | a. Par la proposition précédente, p ∧ a = 1. Donc, par le théorème de Gauss,
p | b.
Inversement, supposons (∗). Soit d un diviseur de p. Écrivons p = dc, où c ∈ Z. On a donc

p | dc d’où, par (∗), p | d ou p | c. Mais c et d divisent p, donc
• d = ±p, ou
• c = ±p et donc d = ±1.
Proposition 27. Deux nombres premiers (positifs) distincts sont premiers entre-eux.
Démonstration. Au signe près, les seuls diviseurs de p sont 1 et p. Ceux de q sont 1 et

q. Donc le seul diviseur commun de p et q est effectivement 1.
Proposition 28. Tout entier n ≥ 2 possède au moins un diviseur premier.
Démonstration. On le prouve par récurrence forte sur n. Pour n = 2, c’est clair, vu que
2 est premier. Supposons maintenant que tout entier k, 2 ≤ k < n, possède un diviseur
premier.
Si n est premier, alors n a bien un diviseur premier : lui-même.
Si n = ab est composé, alors par exemple 2 ≤ a < n a un diviseur premier p. Mais p | a et

a | n donc p | n.
Proposition 29. Il existe une infinité de nombres premiers.
Démonstration. Supposons le contraire. Notons
P = {p1 , . . . , pn }
3. NOMBRES PREMIERS 269
l’ensemble des nombres premiers. Soit

n
Y
N= pk + 1
k=1
L’entier N est clairement supérieur à 2 (il est même très grand !). Donc il possède un
diviseur premier. Mais ce diviseur ne peut être aucun des éléments de P. Contradiction.
3.3 Décomposition en produit de facteurs premiers
Proposition 30. Tout entier naturel n ≥ 2 s’écrit comme un produit de nombres

premiers.
Démonstration. On procède par récurrence forte sur n. C’est clair si n = 2. Soit

maintenant un entier n tel que tout entier m < n s’écrive comme produit de nombres
premiers. Il y a deux possibilités.
• Si n est premier, c’est un produit de 1 nombre premier.
• Sinon, n = ab avec 2 ≤ a, b < n est composé. Mais a et b sont produits de nombres
premiers d’après l’hypothèse de récurrence. Donc, n aussi.
Proposition 31. La décomposition en produit de nombres premiers est unique à l’ordre

près des facteurs.
On s’affranchit du problème de « à l’ordre près » en normalisant l’écriture :

Notons P l’ensemble des nombres premiers positifs. Le théorème d’existence de la décom-
position nous dit que tout entier n ≥ 1 s’écrit
Y
n= p αp
p∈P
où les αp ∈ N sont tous nuls sauf un nombre fini. On peut maintenant reformuler les deux
propositions précédentes.
Proposition 32. Tout entier n ≥ 1 s’écrit de façon unique

Y
n= p αp
p∈P
où les αp ∈ N sont tous nuls sauf un nombre fini.

Démonstration. Supposons
Y Y
n= pαp = p βp
p∈P p∈P
où les αp , βp sont tous nuls sauf un nombre fini. Soit q ∈ P. On isole le facteur correspon-
dant :
q αq A = q βq B
où A et B sont des produits de nombres premiers différents de q, et donc sont premiers

avec q. En appliquant deux fois le théorème de Gauss, on obtient facilement que q αq = q βq ,
d’où αq = βq .
3.4 Valuation p-adique
Définition 8. Soit n ∈ N∗ . Soit p ∈ P. La valuation p-adique de n est le plus grand

entier naturel k tel que pk | n. On la note νp (n).
Exemple. De 72 = 23 32 , on déduit
ν2 (72) = 3, ν3 (72) = 2, ν7 (72) = 0
Remarque 7. En d’autres termes, la valuation p-adique de n est l’exposant de p dans la

décomposition de n en produit de facteurs premiers. Ainsi,
Y
n= pνp (n)
p∈P
Proposition 33. Soient a, b ∈ N∗ . Soit p ∈ P. On a
νp (ab) = νp (a) + νp (b)
et
νp (a + b) ≥ min(νp (a), νp (b))
Si νp (a) 6= νp (b), l’inégalité ci-dessus est une égalité.

4. CONGRUENCES 271
3.5 Application au pgcd et au ppcm
Proposition 34. Soient a = p∈P pαp et b = p∈P pβp deux entiers naturels non
Q Q
nuls. Alors
Y Y
a∧b= pmin(αp ,βp ) et a∨b= pmax(αp ,βp )
p∈P p∈P
Démonstration. Soit d = p∈P pγp un entier non nul. Alors, d divise a si et seulement
Q
si pour tout p ∈ P, on a γp ≤ αp : il suffit dans le sens non trivial d’utiliser le théorème
de Gauss. Il en est de même pour b, donc d divise a et b si et seulement si pour tout
p ∈ P, on a γp ≤ min(αp , βp ). Autrement dit, d divise a et b si et seulement si d divise
min(αp ,βp ) . On procède de même pour le ppcm.
Q
p∈P p
Remarque 8. On peut encore écrire ce résultat avec des valuations :

νp (a ∧ b) = min(νp (a), νp (b))
et
νp (a ∨ b) = max(νp (a), νp (b))
4 Congruences
4.1 Rappels
Nous avons déjà parlé de congruence dans le chapitre sur les relations. Rappelons que si
n ∈ N et a, b ∈ Z, on a ≡ b[n] lorsque b − a ∈ nZ. La relation de congruence modulo n est
une relation d’équivalence sur Z. Si n 6= 0, cette relation possède exactement n classes, qui
sont 0, 1, . . . , n − 1. L’ensemble des classes est ainsi
Z/nZ = {0, . . . , n − 1}
4.2 Opérations sur les congruences
Proposition 35. Soit n ∈ N. La relation de congruence modulo n est compatible avec

l’addition et la multiplication. Pour tous a, b, a0 , b0 ∈ Z tels que a ≡ b[n] et a0 ≡ b0 [n],
a + a0 ≡ b + b0 [n]
et
aa0 ≡ bb0 [n]
Démonstration. Il existe k, k 0 ∈ Z tels que b − a = kn et b0 − a0 = k 0 n. De là,
(b + b0 ) − (a + a0 ) = (b − a) + (b0 − a0 ) = (k + k 0 )n ∈ nZ
et
bb0 − aa0 = b(b0 − a0 ) + (b − a)a0 = (k 0 b + ka0 )n ∈ nZ
4.3 Le petit théorème de Fermat
Lemme 36. Soit p un nombre premier. On a, pour tout entier 1 ≤ k ≤ p − 1,

p
p|
k
p
p! = k!(p − k)!
k
donc p divise k!(p − k)! kp . Mais p est premier avec 1, 2, . . . k donc avec k!. De même, p

est premier avec 1,. . . , p − k, donc

avec (p − k)!. Donc p est premier avec k!(p − k)!. Par
le théorème de Gauss, p divise kp .
Proposition 37. Soit p un nombre premier. On a pour tout a ∈ Z
ap ≡ a[p]
Démonstration. Montrons d’abord la propriété pour a entier naturel, par récurrence

sur a. C’est clair pour a = 0. Supposons la propriété vraie pour a. On a
p
p
X p k
(a + 1) = a
k
k=0
D’après le lemme, cette somme est congrue à

p 0 p p
a + a = ap + 1
0 p
5. ANNEXE : LES ANNEAUX Z/N Z 273
modulo p. D’après l’hypothèse de récurrence, elle est bien congrue à a + 1.

Supposons maintenant a < 0. −a ∈ N, donc (−a)p ≡ −a[p]. Si p ≥ 3, alors p est impair
(car premier) donc (−a)p = −ap d’où le résultat. Si p = 2, (−a)p = ap , mais −a ≡ a[p], la
propriété est encore vérifiée.
Corollaire 38. Soit p un nombre premier. On a, pour tout a ∈ Z non multiple de p,
ap−1 ≡ 1[p]
Démonstration. Le nombre premier p divise ap − a = a(ap−1 − 1). Mais p ne divise pas

a donc p est premier avec a. Par le théorème de Gauss, p divise ap−1 − 1.
5 Annexe : les anneaux Z/nZ
Nous allons dans cette section introduire les anneaux Z/nZ. Ce sont des anneaux finis qui
possèdent de très nombreuses propriétés. Nous nous contenterons d’une courte introduc-
tion.
Dans toute cette section, n désigne un entier naturel non nul. Pour tout a ∈ Z, on note a
la classe de a modulo n. Rappelons la notation
Z/nZ = {0, . . . , n − 1}
L’ensemble Z/nZ est l’ensemble des entiers modulo n. C’est un ensemble de cardinal n.
5.1 Une addition dans Z/nZ
Pour tous a, b ∈ Z, posons

a+b=a+b
Il s’agit dans un premier temps de montrer que ceci a un sens. Précisément, il faut prouver
que a + b ne dépend que de a et b, et pas de a et b eux-mêmes. Pour cela, soient a, a0 , b, b0 ∈
0
Z. Supposons que a = a0 et b = b . Cela signifie que a ≡ a0 [n] et b ≡ b0 [n]. On a alors
a + b ≡ a0 + b0 [n]
c’est à dire
a + b = a0 + b0
Nous avons donc bien défini une opération + dans Z/nZ.
Proposition 39. (Z/nZ, +) est un groupe abélien.
Démonstration. Ce sont de simples vérifications. Le neutre pour l’addition est 0, l’opposé

de a est −a. Si a, b, c ∈ Z, on a
(a + b) + c = a + b + c
= (a + b) + c
= a + (b + c)
= a+b+c
= a + (b + c)
d’où l’associativité. La commutativité est laissée en exercice.

Exemple. Voici la table d’addition dans Z/6Z. Pour simplifier, on n’écrit pas les barres
sur les classes.
+ 0 1 2 3 4 5
0 0 1 2 3 4 5
1 1 2 3 4 5 0
2 2 3 4 5 0 1
3 3 4 5 0 1 2
4 4 5 0 1 2 3
5 5 0 1 2 3 4
5.2 Une multiplication dans Z/nZ
Pour tous a, b ∈ Z, posons

a×b=a×b
Il s’agit dans un premier temps de montrer que ceci a un sens. Précisément, il faut prouver
que a × b ne dépend que de a et b, et pas de a et b eux-mêmes. Pour cela, soient a, a0 , b, b0 ∈
0
Z. Supposons que a = a0 et b = b . Cela signifie que a ≡ a0 [n] et b ≡ b0 [n]. On a alors
a × b ≡ a0 × b0 [n]
c’est à dire
a × b = a0 × b0
Nous avons donc bien défini une opération × dans Z/nZ.

5. ANNEXE : LES ANNEAUX Z/N Z 275
Proposition 40. (Z/nZ, +, ×) est un anneau commutatif.
Démonstration. Ce sont de simples vérifications. Le neutre pour la multiplication est

1. Le reste des propriétés est laissé en exercice.
Exemple. Voici la table de multiplication dans Z/6Z. Pour simplifier, on n’écrit pas les
barres sur les classes.
× 0 1 2 3 4 5
0 0 0 0 0 0 0
1 0 1 2 3 4 5
2 0 2 4 0 2 4
3 0 3 0 3 0 3
4 0 4 2 0 4 2
5 0 5 4 3 2 1
Exemple. Voici maintenant la table de multiplication dans Z/7Z.
× 0 1 2 3 4 5 6
0 0 0 0 0 0 0 0
1 0 1 2 3 4 5 6
2 0 2 4 6 1 3 5
3 0 3 6 2 5 1 4
4 0 4 1 5 2 6 3
5 0 5 3 1 6 4 2
6 0 6 5 4 3 2 1
Exercice. Dresser les tables de multiplication des anneaux Z/5Z et Z/8Z.
5.3 Z/nZ est-il un corps ?
Lorsqu’on compare les deux exemples ci-dessus, on voit une différence : Z/6Z n’est pas un
corps (en fait cet anneau possède des diviseurs de zéro), alors que Z/7Z est un corps.
Proposition 41.
• Si n est premier, alors Z/nZ est un corps.
• Si n est composé, alors Z/nZ n’est pas intègre (et n’est donc pas un corps).
Démonstration.
• Supposons n premier. On a donc n 6= 1, et donc 0 6= 1. Il s’agit de montrer que tout

élément non nul de Z/nZ est inversible pour la multiplication. Soit donc x ∈ Z/nZ,
x 6= 0. On a donc x = a, où a ∈ Z et a n’est pas multiple de n. Comme n est
premier, a est premier avec n et, par le théorème de Bézout, il existe u, v ∈ Z tels
que
ua + vn = 1
En passant aux classes, il vient
u×a=1
Ainsi, a est inversible et son inverse est u. Remarquons que l’algorithme d’Euclide
étendu nous permet de calculer effectivement l’inverse de a.
• Supposons n composé. On a donc n = ab, où 1 ≤ a, b < n. En passant aux classes,
a×b=n=0
Cependant a 6= 0 et b 6= 0. L’anneau Z/nZ possède donc des diviseurs de zéro.

Exercice. Quels sont les éléments inversibles de Z/6Z ? Plus généralement, montrer que
si n ≥ 1 et a ∈ Z, alors a est inversible dans Z/nZ si et seulement si a ∧ n = 1.
Chapitre 17
Calcul matriciel
277
278 CHAPITRE 17. CALCUL MATRICIEL
1 Notion de matrice
1.1 Introduction
Définition 1. Soit E un ensemble. Soient p, q deux entiers non nuls. On appelle

matrice à p lignes et q colonnes à coefficients dans E toute application
A : J1, pK × J1, qK → E
Une matrice est donc une suite finie à deux indices. On représente la matrice
A = (Aij )1≤i≤p,1≤j≤q
par un tableau à p lignes et q colonnes. Ce tableau est noté indifféremment avec des [] ou
des () mais pas avec des || (notation qui sera réservée aux déterminants).
Notation. Mpq (E) désigne l’ensemble des matrices à p lignes et q colonnes à coefficients
dans E. On parle également de matrices de taille p × q.
Lorsque p = q, on note plus simplement Mp (E) l’ensemble des matrices carrées de taille
p × p (ou de taille p) à coefficients dans E.
Remarque 1.
• Une matrice colonne est une matrice qui a une seule colonne, c’est à dire un élément
de Mp1 (K).
• Une matrice ligne est une matrice qui a une seule ligne, c’est à dire un élément de
M1q (K).
Remarque 2. On généralise, et on appelle encore matrice à p lignes et q colonnes toute
application M : I × J → E lorsque I et J sont deux ensembles finis non vides de cardinaux
respectifs p et q.
Dorénavant, nous supposerons que E = K est un corps.
Nous n’expliciterons pas à chaque fois les conditions sur les tailles des matrices. Par
exemple, dans l’expression « Mpq (K) », p et q sont systématiquement des entiers natu-
rels non nuls.
1.2 Addition, produit par un scalaire
On définit les deux opérations suivantes.

1. NOTION DE MATRICE 279
Définition 2. Soient A, B ∈ Mpq (K). Soit λ ∈ K.

• La somme de A et B est la matrice A + B ∈ Mpq (K) définie, pour i ∈ J1, pK et
j ∈ J1, qK, par
(A + B)ij = Aij + Bij
• Le produit de A par le scalaire λ est la matrice λA ∈ Mpq (K) définie, pour
i ∈ J1, pK et j ∈ J1, qK, par
(λA)ij = λAij
Proposition 1. (Mpq (K), +, .) est un K-espace vectoriel.
Démonstration. C’est une simple vérification. Signalons que
• Le neutre pour l’addition est la matrice nulle, qui a tous ses coefficients égaux à 0.
• L’opposé d’une matrice est la matrice ayant tous ses coefficients opposés à la matrice
de départ.
Notation. Étant donnés deux « objets » i et j, on note δij = 0 si i 6= j et δij = 1 si i = j.

Le symbole δij est appelé le symbole de Kronecker.
Définition 3. Soient i ∈ J1, pK et j ∈ J1, qK. On appelle matrice élémentaire d’indices

i, j la matrice Eij ∈ Mpq (K) définie pour tout k ∈ J1, pK et ` ∈ J1, qK par
(Eij )k` = δik δj`
Remarquons que pour chaque taille p × q de matrices, il existe pq matrices élémentaires.

La taille des matrices Eij n’est pas indiquée dans la façon dont on les note, mais il n’y a
en général aucune ambiguïté.
Proposition 2. Toute matrice A ∈ Mpq (K) s’écrit de façon unique comme combinai-
son linéaire des matrices élémentaires. Plus précisément,
p X
X q
A= Aij Eij
i=1 j=1
Démonstration. Soit (λij )1≤i≤p,1≤j≤q une famille de scalaires. On a pour tous k, `

 
Xp X q Xp X q
 λij Eij  = λij (Eij )k`
i=1 j=1 i=1 j=1
k`
p X
X q
= λij δik δj`
i=1 j=1
= λk`
En effet, tous les termes de la somme double sont nuls, sauf éventuellement si i = k et
j = `. On en déduit existence et unicité.
1.3 Produit matriciel
Définition 4. Soient A ∈ Mpq (K) et B ∈ Mqr (K). Le produit de A et B est la

matrice AB ∈ Mpr (K) définie, pour i ∈ J1, pK et j ∈ J1, rK, par
q
X
(AB)ij = Aik Bkj
k=1
 
5 1 2
1 2 3
Exemple. Calculer le produit de A = par B =  0 1 1 .
4 5 6
−1 1 0
Proposition 3. Soient i ∈ J1, pK, j, k ∈ J1, qK et ` ∈ J1, rK. On a
Eij Ekl = δjk Eil
Démonstration. Soient 1 ≤ m ≤ p et 1 ≤ n ≤ r. On a
q
X
(Eij Ekl )mn = (Eij )ms (Ekl )sn
s=1
q
X
= δim δjs δks δln
s=1
q
X
= δim δln δjs δks
s=1
= δim δln δjk
= (δjk Eil )mn
1. NOTION DE MATRICE 281
Ceci est vrai pour tous m, n, donc
Eij Ekl = δjk Eil
Proposition 4. Soient A ∈ Mp,q (K), B ∈ Mq,r (K) et C ∈ Mr,s (K). Alors
(AB)C = A(BC)
Démonstration. Soient 1 ≤ i ≤ p et 1 ≤ j ≤ s. On a
q
X
(A(BC))ij = Aik (BC)kj
k=1
Xq X r
= Aik Bk` C`j
k=1 `=1
et de même pour ((AB)C)ij . Ainsi, A(BC) = (AB)C.
Proposition 5. Soient A ∈ Mpq (K) et B, C ∈ Mqr (K). On a
A(B + C) = AB + AC
Remarque
3. La multiplication
des matrices
n’est
pas commutative.
Parexemple, soient
0 1 0 0 1 0 0 0
A= et B = . On a AB = alors que BA = .
0 0 1 0 0 0 0 1
Exercice. Généraliser, en fabriquant deux matrices n × n A et B telles que AB 6= BA.
1.4 Transposée
Définition 5. Soit A ∈ Mp,q (K). On appelle transposée de A la matrice B ∈ Mq,p (K)

définie pour 1 ≤ i ≤ q et 1 ≤ j ≤ p par Bij = Aji .
Notation. On note AT la transposée de la matrice A.

Proposition 6. Avec des notations évidentes, on a

• Si A, B ∈ Mpq (K), (A + B)T = AT + B T
• Si A ∈ Mpq (K) et λ ∈ K, (λA)T = λAT
• Si A ∈ Mpq (K), AT T = A
• Si A ∈ Mpq (K) et B ∈ Mqr (K), (AB)T = B T AT
• Si Si A ∈ Mpq (K) est inversible, AT est inversible et (AT )−1 = (A−1 )T .
Démonstration. Par exemple,

X X
((AB)T )ij = (AB)ji = Ajk Bki = (B T )ik (AT )kj = (B T AT )ij
k k

Exercice. Démontrer les autres points.
Exercice. Calculer XX T et X T X lorsque X est une matrice colonne.
1.5 Matrices symétriques, antisymétriques
Définition 6. Une matrice carrée A est dite

• symétrique lorsque AT = A
• antisymétrique lorsque AT = −A.
On note
Sn (K) = {A ∈ Mn (K), AT = A}
et
An (K) = {A ∈ Mn (K), AT = −A}
Proposition 7. Soit K un corps dans lequel 0 6= 2.

Toute matrice de Mn (K) s’écrit de façon unique comme somme d’une matrice symé-
trique et d’une matrice antisymétrique.
Démonstration. Soit A ∈ Mn (K). Supposons que
(1) A = B + C
où B ∈ Sn (K) et C ∈ An (K). On a alors
(2) AT = (B + C)T = B T + C T = B − C
2. SYSTÈMES LINÉAIRES 283
En additionnant et en soustrayant (1) et (2), on obtient
1 1
B = (A + AT ) et C = (A − AT )
2 2
Inversement, on vérifie facilement que B est symétrique, C est antisymétrique, et B + C =

A.
   
1 4 7 1 3 5
Exemple. Soit A =  2 5 8 . On a A = B + C avec B = 3 5 7 et C =
3 6 9 5 7 9
 
0 1 2
−1 0 1
−2 −1 0
2 Systèmes linéaires
2.1 Produit d’une matrice par une matrice élémentaire
Soit A ∈ Mpq (K). Soient i, j ∈ J1, pK. Que vaut la matrice Eij A ? Soient k ∈ J1, pK et
` ∈ J1, qK. On a
p
X
(Eij A)k` = (Eij )km Am`
m=1
Xp
= δik δjm Am`
m=1
p
X
= δik δjm Am`
m=1
= δik Aj`
Ainsi, si k 6= i, on trouve à la ligne k de la matrice Eij A une ligne de zéros. En revanche,

à la ligne i de la matrice Eij A, on trouve la ligne j de la matrice A.
Le produit à gauche de A par Eij a donc eu pour effet de déplacer la ligne j de A vers la
ligne i.
Exercice. Soit A ∈ Mpq (K). Soient i, j ∈ J1, qK. Que vaut la matrice AEij ? On constatera
que l’on obtient cette fois ci un déplacement de la colonne i de A vers la colonne j.
2.2 Opérations sur les lignes et les colonnes des matrices
Il existe trois types d’opérations importantes sur les lignes et les colonnes des matrices.
Nous allons dans ce qui suit discuter surtout de lignes, en faisant simplement des remarques
pour ce qui concerne les colonnes.
Multiplier une ligne par un scalaire
Soit A ∈ Mpq (K). Soit λ ∈ K. Soit i ∈ J1, pK. L’opération consistant à multiplier la ième
ligne de A par λ sera notée
Li ←− λLi
Cette opération peut être faite par un produit matriciel. Pour cela, il suffit de multiplier
A à gauche par I + (λ − 1)Eii .
Proposition 8. Si λ 6= 0, la matrice I + (λ − 1)Eii est inversible. Son inverse est

I + ( λ1 − 1)Eii .
Démonstration. Soient B = I + (λ − 1)Eii et B 0 = I + ( λ1 − 1)Eii . Pour toute matrice

A, le produit B 0 BA a pour effet
• De multiplier la ligne i de A par λ, puis
• De multiplier la ligne i de A par λ1 .
Ainsi, B 0 BA = A. En particulier, en prenant A = I, on obtient B 0 B = I. De même,
BB 0 = I.
Échanger deux lignes
Soit A ∈ Mpq (K). Soient i, j ∈ J1, pK. L’opération consistant à échanger la ième ligne et la
jème ligne de A sera notée
Li ←→ Lj
A à gauche par I + Eij + Eji − Eii − Ejj .
Proposition 9. La matrice I + Eij + Eji − Eii − Ejj est inversible. Elle est son propre
inverse.
Démonstration. Soit B = I + Eij + Eji − Eii − Ejj . Pour toute matrice A, le produit
B 2 A a pour effet
• D’échanger les lignes i et j de A, puis

• D’échanger les lignes i et j de A.
Ainsi, B 2 A = A. En particulier, en prenant A = I, on obtient B 2 = I.
Ajouter à une ligne une combinaison linéaire des autres lignes
Soit A ∈ Mpq (K). Soit λ ∈ K. Soient i, j ∈ J1, pK. L’opération consistant à ajouter à la
ième ligne λ fois la jème ligne de A sera notée
Li ←− Li + λLj
A à gauche par I + λEji .
Proposition 10. Si i 6= j, la matrice I + λEji est inversible. Son inverse est I − λEji .
Démonstration. Soient B = I + λEji et B 0 = I + λEji . Pour toute matrice A, le produit

B 0 BA a pour effet
• D’ajouter à la ligne i de A λ fois la ligne j, puis
• De soustraire à la ligne i de A λ fois la ligne j.
Comme i 6= j, la première opération n’a pas modifié la ligne j. Ainsi, B 0 BA = A. En
particulier, en prenant A = I, on obtient B 0 B = I. De même, BB 0 = I.
2.3 Systèmes linéaires
Un système linéaire de p équations à q inconnues est un système d’équations de la forme



 a11 x1 + a12 x2 + . . . + a1q xq = b1
a21 x1 + a22 x2 + . . . + a2q xq = b2

(S)

 ...
ap1 x1 + ap2 x2 + . . . + apq xq = bp

où les aij et les bi sont donnés, et les xj sont les inconnues. Notons
A = (aij )1≤i≤p,1≤j≤q ∈ Mpq (K)
X = (x1 x2 . . . xq )T ∈ Mq1 (K)

B = (b1 b2 . . . bp )T ∈ Mp1 (K)
Le système peut alors être écrit de façon beaucoup plus compacte
(S) AX = B
La matrice A est la matrice du système. La matrice B est le second membre. La matrice

X est la matrice des inconnues.
Une solution de (S) est donc une matrice X ∈ Mq1 (K) telle que AX = B. Résoudre (S)
c’est trouver l’ensemble des solutions de (S), que nous noterons SolS . Au système (S) nous
pouvons systématiquement associer le système homogène
(H) AX = 0
que les mauvaises langues appellent aussi le système sans second membre (ce qui est absurde
car 0, ce n’est pas rien).
Le système (S) est dit compatible lorsqu’il possède au moins une solution. Nous avons le
résultat facile suivant.
Proposition 11. Soit (S) AX = B un système compatible de p équations à q incon-

nues. Soit X0 une solution de (S). Soit X ∈ Mpq (K). Alors, X ∈ SolS si et seulement
si
X = X0 + Y
où Y ∈ SolH .
AX = B ⇐⇒ AX = AX0 ⇐⇒ A(X − X0 ) = 0 ⇐⇒ X − X0 ∈ SolH

Autre résultat important,
Proposition 12. Le système (S) AX = B est compatible si et seulement si B est

combinaison linéaire des colonnes de A.
Démonstration. Notons C1 , . . . , Cq les colonnes de A. La proposition est démontrée en

remarquant simplement que le système peut aussi s’écrire
(S) x1 C1 + . . . + xq Cq = B
2.4 L’algorithme du pivot de Gauss

Définition 7. Soient (S)AX = B et (S 0 )A0 X = B deux systèmes de p équations à q

inconnues. On dit que (S) et (S 0 ) sont équivalents lorsque SolS = SolS 0 .
Proposition 13. Les opérations élémentaires sur les équations d’un système linéaire
transforment ce système en un système équivalent.
Démonstration. Soit (S) AX = B un système de p équations à q inconnues. Rappelons

les trois opérations élémentaires.
• Li ←− λLi , où λ 6= 0.
• Li ←→ Lj .
• Li ←− Li + λLj , où j 6= i
Nous avons vu que ces trois opérations sont réalisées en multipliant à gauche par une
matrice M judicieuse. On obtient donc le système
(S 0 ) M AX = M B
Mais M est inversible, donc
M AX = M B ⇐⇒ AX = B
Ainsi, SolS = SolS 0 .
Considérons le système (S) AX = B de p équations à q inconnues.
L’algorithme du pivot de Gauss permet d’éliminer une inconnue de (S) de toutes les équa-
tions sauf une. Supposons que Akj 6= 0.
On effectue les opérations suivantes sur les lignes de A ET de B :
• Lk ←− A1kj Lk . Ceci a pour effet de ramener le coefficient Akj à 1.

• Pour i 6= k, Li ←− Li − Aij Lk . Ceci a pour effet d’annuler tous les coefficients de
la colonne j de A (sauf Akj , qui reste égal à 1).
On obtient ainsi un nouveau système
(S 0 ) A0 X = B 0
qui a les mêmes solutions que le système (S), mais pour lequel xj n’apparaît dans aucune
des équations, sauf dans l’équation k.
En réitérant cette opération, on résout le système. Regardons deux exemples.

2.5 Un exemple
Considérons le système de 3 équations à 4 inconnues.

 x + 4t = 1
(S) 2x + 3y − z = 3
x + 3y − z − 4t = 2

• Étape 1. Le pivot est A11 = 1. On effectue les opérations L2 ←− L2 − 2L1 et

L3 ←− L3 − 3L1 . On obtient un nouveau système équivalent

 x + 4t = 1
3y − z − 8t = 1
3y − z − 8t = 1

• Étape 2. Le pivot est le A22 = 3. Inutile, dans la pratique, de diviser cette équation
par 3 ! On effectue l’opération L3 ←− L3 − L2 . On obtient un nouveau système
équivalent 
 x + 4t = 1
3y − z − 8t = 1
0 = 0

La résolution est terminée. On obtient toutes les solutions du système en choisissant

arbitrairement les inconnues sur lesquelles on n’a pas « pivoté ». Les inconnues sur
lesquelles on a pivoté s’expriment en fonction de celles-ci. Ici, on choisit arbitraire-
ment z et z, et on obtient

x = 1 − 4t
y = 13 (1 + z + 8t)
Dit autrement, l’ensemble des solutions du système est

1
SolS = 1 − 4t, (1 + z + 8t), z, t , z, t ∈ R
3
Remarque 4. En mettant 1 au lieu de 2 dans le second membre de la troisième équation

de (S), on aurait obtenu pour dernière équation à la fin de l’étape 2, 0 = −2. Le système
(S) aurait donc été incompatible.
2.6 Un autre exemple
Considérons le système 
 x + 2y + 3z = 6
(S) 4x + 5y + 6z = 15
7x + 8y + 9z = 24

3. L’ANNEAU DES MATRICES CARRÉES 289
• Étape 1 : le pivot est A11 = 1. On effectue les opérations
L2 ←− L2 − 4L1
L3 ←− L3 − 7L1
On obtient un système équivalent à (S)

 x + 2y + 3z = 6
(S1 ) −3y − 6z = −9
−6y − 12z = −18

• Étape 2 : le pivot est A22 = −3. On effectue les opérations

1
L2 ←− − L2
3
L1 ←− L1 − 2L2
L3 ←− L3 − (−6)L2
On obtient un nouveau système équivalent à (S)

 x−z = 0
(S2 ) y + 2z = 3
0 = 0

La résolution est terminée. On prend z arbitrairement, on a x et y en fonction de z.
SolS = {z, 3 − 2z, z), z ∈ R}
3 L’anneau des matrices carrées
3.1 Structure d’anneau
Proposition 14. Soit n un entier non nul. Mn (K) est un anneau, non commutatif
si n ≥ 2.
Démonstration. Nous avons déjà presque tout vérifié. Le neutre pour la multiplication
des matrices est la matrice identité d’ordre n
 
1 0 ... 0
0 1 . . . 0
In = 
 
. . 
 . 
0 0 ... 1
Gardons la non commutativité pour un peu plus tard, nous exhiberons même des matrices
inversibles qui ne commutent pas.
Tout ce que nous avons vu sur les anneaux s’applique donc aux matrices carrées. En
particulier, si A, B ∈ Mp (K) vérifient AB = BA, et n ∈ N, nous avons
• La formule du binôme de Newton :
n
n
X n
(A + B) = Ak B n−k
k
k=0
• L’identité remarquable
n
X
n+1 n+1
A −B = (A − B) Ak B n−k
k=0
Un cas particulier important de la seconde égalité est le cas où l’une des deux matrices est
la matrice identité. Pour tout n ≥ 1,
n−1
X
n
I − A = (I − A) Ak
k=0
3.2 Matrices inversibles
On note GLn (K) l’ensemble des matrices carrées inversibles de Mn (K).
Proposition 15. GLn (K) est un groupe.
Démonstration. GLn (K) est l’ensemble des éléments inversibles de l’anneau Mn (K).
C’est donc un groupe.
Le cas n = 2 est facile à traiter.

a c
Proposition 16. Soit A = ∈ M2 (K). La matrice A est inversible si et
b d
seulement si ad − bc 6= 0. On a alors

−1 1 d −c
A =
ad − bc −b a
La quantité ad − bc est appelée le déterminant de A.

3. L’ANNEAU DES MATRICES CARRÉES 291

a c d −c
= (ad − bc)I2
b d −b a
Si ad − bc = 0, la matrice A est un diviseur de 0 dans l’anneau M2 (K). Elle n’est donc pas
inversible. Si, au contraire, ad − bc 6= 0, on peut diviser l’égalité par ad − bc. On en déduit
l’inversibilité de A et la valeur de A−1 .
Proposition 17. Si n ≥ 2, GLn (K) est un groupe non commutatif.
Démonstration. Commençons par donner un exemple lorsque n = 2. Soient

1 1 1 0
A= et B =
0 1 1 1
On a
2 1 1 1
AB = et BA =
1 1 1 2
Ainsi, AB 6= BA. De plus, A et B ont un déterminant non nul, donc elles sont inversibles.
Pour n ≥ 2 quelconque, on peut bâtir un exemple de matrices qui ne commutent pas en

prenant
   
1 1 0 ... 0 1 0 0 ... 0
0 1 0 . . . 0 1 1 0 . . . 0
   
A = 0 0 1 . . . 0
 et B = 0 0 1 . . . 0
 

 .. ..   .. .. 
. .  . . 
0 0 0 ... 1 0 0 0 ... 1
Proposition 18. Soit A ∈ Mn (K). A est inversible si et seulement si elle est inversible
à gauche, si et seulement si elle est inversible à droite.
Démonstration. Nous admettons provisoirement ce résultat. Lorsque nous aurons, au

second semestre, fait le lien entre les matrices et les applications linéaires, il sera facile de
le démontrer grâce à un théorème qui s’appelle le théorème du rang.
Remarque 5. Grâce à ce même théorème du rang, on peut montrer qu’une matrice qui
n’est pas carrée ne peut pas être inversible. Elle peut en revanche être inversible à gauche
ou à droite.
3.3 Pratique de l’inversion des matrices
Proposition 19. Soit A ∈ Mn (K). Pour tout Y ∈ Mn1 (K), notons
(SY ) AX = Y
le système d’inconnue X ∈ Mn1 (K).

La matrice A est inversible, si et seulement si pour tout Y ∈ Mn1 (K), (SY ) a une
unique solution. L’unique solution de (SY ) est alors
X = A−1 Y
Démonstration. Supposons A inversible. On a pour tous X, Y ∈ Mn1 (K),
AX = Y ⇐⇒ A−1 (AX) = A−1 Y ⇐⇒ X = A−1 Y
Inversement, supposons que pour tout Y ∈ Mn1 (K), le système (S) a une unique solution.
Pour i = 1, . . . , n, soit Yj = (0 0 . . . 0 1 0 . . . 0)T où le 1 apparaît en position j. Soit Xj
l’unique solution du système SYj . Soit B la matrice dont les colonnes sont les Xj . La
matrice AB est alors la matrice dont les colonnes sont les Yj , c’est à dire In . Ainsi, A est
inversible à droite, donc inversible.
Une technique pratique d’inversion de matrice est donc la suivante : on résout le système
d’équations AX = Y avec un second membre Y « quelconque ». Si, pour un certain Y , le
système n’a pas de solution (ou bien en a plusieurs), alors A n’est pas inversible. Sinon, on
obtient la solution unique X = A−1 Y et on en déduit A−1 .
3.4 Un exemple
 
1 2 1
Inversons la matrice A = −1 3 1. Donnons nous Y = (a b c)T ∈ M31 (R). Soit
0 1 0
X = (x y z)T ∈ M31 (R). Résolvons le système AX = Y par le pivot de Gauss. Le système
s’écrit 
 x + 2y + z = a
(S) −x + 3y + z = b
y = c

On en déduit facilement que (S) a pour unique solution
 x = 12 a − 12 b + 12 c

y = c
z = 12 a + 12 b − 52 c

4. MATRICES TRIANGULAIRES 293
Ceci est vrai pour tout Y . La matrice A est donc inversible, et de plus
1
− 12 1

2 2
A−1 = 0 0 1 
1 1
2 2 − 52
4 matrices triangulaires
4.1 C’est quoi ?
Définition 8. Soit A ∈ Mn (K). On dit que la matrice A est triangulaire supérieure

lorsque ∀i > j, Aij = 0. De même, on dit que A est triangulaire inférieure lorsque
∀i < j, Aij = 0. Enfin, on dit que A est diagonale lorsque ∀i 6= j, Aij = 0.
Dans la suite, on note Tn (K) l’ensemble des matrices triangulaires supérieures à coeffi-
cients dans le corps K. Tous les résultats énoncés sont également vrais pour des matrices
triangulaires inférieures.
Remarque 6. Soit A ∈ Mn (K). La diagonale de A est l’ensemble des coefficients Aii ,
1 ≤ i ≤ n. Ainsi,
• A est triangulaire supérieure lorsque les coefficients de A strictement au-dessous de
sa diagonale sont nuls.
• A est triangulaire inférieure lorsque les coefficients de A strictement au-dessus de
sa diagonale sont nuls.
• A est diagonale lorsque les coefficients de A en dehors de sa diagonale sont nuls.
4.2 Structure d’anneau
Proposition 20. (Tn (K), +, ×) est un anneau, non commutatif dès que n ≥ 2.
Démonstration. Montrons que Tn (K) est un sous-anneau de Mn (K).

La matrice identité In , neutre pour la multiplication des matrices, est évidemment trian-
gulaire.
La stabilité par soustraction a déjà été montrée.
Le seul point non évident est la stabilité par produit. Soient A, B ∈ Tn (K). On a
n
X
(AB)i,j = Aik Bkj
k=1
Remarquons que
Aik Bkj 6= 0 =⇒ Aik 6= 0 ∧ Bkj 6= 0 =⇒ i ≤ k ≤ j
Ainsi, si i > j, (AB)ij = 0. Bilan : le produit de deux matrices triangulaires supérieures

est encore une matrice triangulaire supérieure.

1 1
Pour la non-commutativité, considérons tout d’abord le cas n = 2. Soient A = et
0 1

1 1 1 3 1 2
B= . On a AB = et BA = . Ainsi, AB 6= BA.
0 2 0 2 0 2
On laisse au lecteur le soin de trouver pour n ≥ 2 quelconque deux matrices triangulaires
supérieures qui ne commutent pas.
4.3 Le cas des matrices diagonales
Regardons tout d’abord un cas facile, celui des matrices diagonales. Notons A = Diag(α1 , . . . , αn )
une matrice diagonale dont les coefficients de la diagonale sont les scalaires αi . Notons
Dn (K) l’ensemble des matrices diagonales de Mn (K).
Proposition 21. Dn (K) est un anneau commutatif. Une matrice diagonale est inver-
sible si et seulement si ses coefficients diagonaux sont non nuls.
Démonstration. On vérifie facilement les résultats suivants :

• Diag(α1 , . . . , αn ) − Diag(β1 , . . . , βn ) = Diag(α1 − β1 , . . . , αn − βn ).
• Diag(α1 , . . . , αn )Diag(β1 , . . . , βn ) = Diag(α1 β1 , . . . , αn βn ).
• In = Diag(1, . . . , 1).
Ainsi, Dn (K) est un sous-anneau de Mn (K). La commutativité est claire par la formule
donnant le produit de deux matrices diagonales. Enfin, Diag(α1 , . . . , αn )Diag(β1 , . . . , βn ) =
In si et seulement si pour tout i ∈ J1, nK, αi βi = 1. La matrice Diag(α1 , . . . , αn ) est donc
inversible si et seulement si les αi sont non nuls. Son inverse est alors Diag( α11 , . . . , α1n ).
Remarque 7. Soit A = Diag(α1 , . . . , αn ). On a pour tout entier naturel p,
Ap = Diag(α1p , . . . , αnp )
Si A est inversible, ceci est encore vrai lorsque p est entier négatif.
4. MATRICES TRIANGULAIRES 295
4.4 Matrices triangulaires inversibles
Proposition 22. Soit A ∈ Tn (K). La matrice A est inversible si et seulement si ses

coefficients diagonaux sont non nuls. On a alors A−1 ∈ Tn (K).
Démonstration. Soit A ∈ Tn (K). Soient X, Y ∈ Mn1 (K). On a AX = Y si et seulement

si pour tout i ∈ [|1, n|],
X n
Aij xj = yi
j=1
Si i > j, Aij = 0. L’égalité ci-dessus est donc équivalente à
n
X
Aij xj = yi
j=i
ou encore
n
X
(Ei ) Aii xi = yi − Aij xj
j=i+1
Supposons tous les Aii non nuls. Le système ci-dessus admet une unique solution, donnée
par
1
xn = yn
Ann
et pour tout i ∈ [|1, n − 1|]

 
n
1  X
xi = yi − Aij xj 
Aii
j=i+1
Le système AX = Y a donc une unique solution, ceci pour tout Y , ce qui prouve que A
est inversible. Nous avons même « calculé » l’inverse de A. On constate que cet inverse est
une matrice triangulaire supérieure car pour tout i ∈ J1, nK, xi est combinaison linéaire de
yi , . . . , yn (récurrence facile).
Supposons maintenant que l’un des Aii est nul. Prenons un tel i maximal. Pour tout Y ,
les équations En , En−1P, . . . , Ei+1 fournissent une unique solution xn , xn−1 , . . . , xi+1 . Si l’on
choisit yi tel que yi 6= nj=i+1 Aij xj , l’équation i n’a alors pas de solution. Il existe donc Y
tel que l’équation AX = Y n’ait pas de solution. La matrice A n’est donc pas inversible.

Exemple. Soit  
1 2 3 4
0 1 5 6
A=
0

0 1 7
0 0 0 1
Il s’agit de résoudre le système


 a + 2b + 3c + 4d = x
b + 5c + 6d = y


 c + 7d = z
d = t

Il se résout en


 a = x − 2(y − 5z + 29t) − 3(z − 7t) − 4t = x − 2y + 7z − 41t
b = y − 5(z − 7t) − 6t = y − 5z + 29t


 c = z − 7t
d = t

Ainsi,  
1 −2 7 −41
0 1 −5 29 
A−1 = 
0 0 1 −7 
0 0 0 1
Chapitre 18
Polynômes
297
298 CHAPITRE 18. POLYNÔMES
1 L’algèbre des polynômes
1.1 C’est quoi ?
Dans tout le chapitre, K désigne un corps.
Proposition 1. Il existe un couple (A, X) vérifiant

• A est une K algèbre commutative contenant X.
• Tout élément P de A s’écrit de façon unique
∞
X
P = ak X k
k=0
où les ak ∈ K sont tous nuls sauf un nombre fini (nous dirons presque tous
nuls).
Si (A, X) et (B, Y ) sont deux tels couples, il existe un unique isomorphisme d’algèbres
f : A −→ B tel que f (X) = Y .
Démonstration. Admise. Remarquons que toutes les propriétés des espaces vectoriels
et des anneaux commutatifs s’appliquent à A. On a ainsi par exemple les identités remar-
quables, la formule du binôme de Newton, etc.
Remarque 1.
• X est appelé l’indéterminée.
• L’algèbre A sera dorénavant notée K[X].
• Les éléments de K[X] sont appelés les polynômes à coefficients dans K.
• Les ak sont les coefficients du polynôme P .
1.2 Degré
P∞ k
Définition 1. Soit P = k=0 ak X ∈ K[X] \ {0}. On appelle degré de P l’entier
do P = max{k ∈ N, ak 6= 0}
On pose également do 0 = −∞.
On convient dans la suite que pour tout n ∈ N, −∞ < n et −∞ + n = −∞. On convient

également que −∞ − ∞ = −∞.
1. L’ALGÈBRE DES POLYNÔMES 299
Remarque 2. Soit d ∈ N.
• Si ad 6= 0 alors do P ≥ d.
• Si ∀k > d, ak = 0, alors do P ≤ d.
1.3 Somme et produit par un scalaire

P∞ k
P∞ k
Soient P = k=0 ak X et Q = k=0 bk X deux polynômes. Soit λ ∈ K. On a
∞
X
P +Q= (ak + bk )X k
k=0
∞
X
λP = (λak )X k
k=0
Proposition 2.
• Pour tous P, Q ∈ K[X], do (P + Q) ≤ max(do P, do Q).
• Si do P 6= do Q on a égalité ci-dessus. Sinon, on ne peut rien dire a priori.
• Pour tout P ∈ K[X], pour tout λ ∈ K∗ , do (λP ) = do P .
• Pour tout P ∈ K[X], do (0P ) = −∞.
Démonstration. Faisons la preuve pour la somme. Le produit par un scalaire est laissé
au lecteur. Si P ou Q estPnul c’est évident. Supposons donc P et Q non nuls. Posons
P = ∞ k ∞ k
P
k=0 k X et Q =
a k=0 bk X . Soient m et n les degrés respectifs de P et Q. Par
exemple, m ≤ n. Soit k > n. On a ak = bk = 0 donc ak + bk = 0. Ainsi, do (P + Q) ≤ n.
Si, de plus m < n, alors an = 0 donc an +bn = bn 6= 0 donc do (P +Q) = n = max(do P, do Q).
Si do P = dQ on ne peut rien dire de plus que l’inégalité. Prenons par exemple
P = X 3 + X 2 − 2X + 5 et Q = −X 3 + X + 7
On a alors
P + Q = X 2 − X + 12
qui est de degré 2 < 3. Si, en revanche, Q = X 3 + X + 7, alors P + Q = 2X 3 − X + 12 est
de degré 3.
Vocabulaire :
Soit P = ∞ k
P
k=0 ak X ∈ K[X].
• Pour tout k ∈ N, ak est le coefficient de degré k de P .

• Pour tout k ∈ N, ak X k est le terme de degré k de P .
• Si P 6= 0 est de degré d, ad est le coefficient dominant de P et ad X d est le terme

de plus haut degré. Si ad = 1 on dit que P est unitaire. Nous noterons cd(P ) le
coefficient dominant du polynôme P . Remarquons que le polynôme nul n’a pas de
coefficient dominant.
• Un polynôme P est dit constant lorsque do P ≤ 0.
Notation : Pour tout n ∈ N, on note Kn [X] l’ensemble des polynômes de degré inférieur
ou égal à n.
En anticipant un peu sur la théorie des espaces vectoriels, nous avons le résultat suivant.
Proposition 3. Pour tout n ∈ N, Kn [X] est un sous-espace vectoriel de K[X] de

dimension n + 1.
Démonstration. En effet, c’est l’espace engendré par les polynômes 1, X, . . . , X n .
1.4 Produit
Soient P = ∞
P k
P∞ k
k=0 ak X et Q = k=0 bk X . Que valent les coefficients du produit P Q ?
Calculons-les. On a
∞
! ∞ 
X X X
PQ = ai X i  bj X j  = ai bj X i+j
i=0 j=0 (i,j)∈N2
Pour tout (i, j) ∈ N2 , posons k = i + j. On a i ≥ 0 et j ≥ 0 si et seulement si k ≥ 0 et

0 ≤ i ≤ k. Ainsi en prenant pour indice dans la somme ci-dessus le couple (i, k),
X ∞
X
i+j
ai bj X = ck X k
i,j∈N k=0
où
k
X
ck = ai bk−i
i=0
Proposition 4. Soient P, Q ∈ K[X]. On a do (P Q) = do P + do Q.
Démonstration. C’est évident si P ou Q est nul. Supposons donc nos deuxP polynômes
∞ k
non nuls.
P∞ Soient m et n leurs degrés respectifs.
P∞ Notons comme d’habitude P = k=0 ak X
k
et Q = k=0 bk X . Notons aussi P Q = k=0 ck X . k
1. L’ALGÈBRE DES POLYNÔMES 301
• Soit k > m + n. On a
k
X k
X k
X
ck = ai bk−i = ai bk−i + ai bk−i
i=0 i=0 i=m+1
Dans la seconde somme, ai = 0 puisque i > m = do P . Dans la première somme,

k − i ≥ k − m > n, donc bk−i = 0. Ainsi, ck = 0 et donc do (P Q) ≤ m + n.
• Le même calcul montre que cm+n = am bn 6= 0. Ainsi, do (P Q) ≥ m + n.

Remarque 3. Si P et Q sont deux polynômes non nuls, alors P Q 6= 0 et
cd(P Q) = cd(P )cd(Q)
où cd(P ) désigne le coefficient dominant de P .
Corollaire 5. L’anneau K[X] est un anneau intègre.
Démonstration. Soient P, Q ∈ K[X]. On a P Q = 0 si et seulement si do (P Q) = −∞,

ou encore do P + do Q = −∞. Les degrés ne peuvent donc pas être deux entiers. Donc
do P = −∞ ou do Q = −∞, c’est à dire P = 0 ou Q = 0.
Proposition 6. Soit P ∈ K[X] \ {0}. Le polynôme P est inversible si et seulement si

il est constant et non nul, c’est à dire si et seulement si do P = 0.
Démonstration. Soit λ ∈ K∗ . Soit P = λ. Alors P Q = 1, où Q = λ1 . Donc P est

inversible. Supposons maintenant P inversible. Il existe Q ∈ K[X] non nul tel que P Q = 1.
En passant aux degrés, on obtient do P = do Q = do 1 = 0. Mais les degrés de P et Q sont
des entiers naturels, donc do P = do Q = 0.
1.5 Composée
P∞ k
Définition 2. Soit P = k=0 ak X ∈ K[X]. Soit Q ∈ K[X]. On pose
∞
X
P ◦Q= ak Qk
k=0
Proposition 7. Avec les notations ci-dessus, si Q n’est pas constant alors
do (P ◦ Q) = do P × do Q
Démonstration. L’hypothèse sur Q dit que do Q ≥ 1. C’est évident si P = 0. Si P 6= 0,

posons m = do P . On a
m−1
X
P ◦ Q = am Qm + a k Qk
k=0
Pour tout k ≤ m − 1, on a do (ak Qk ) ≤ do Qk = kdo Q < mdo Q. Donc le degré de la somme

est strictement inférieur à mdo Q. De plus, am 6= 0 donc do (am Qm ) = do Qm = mdo Q. En
appliquant une nouvelle fois le théorème sur le degré d’une somme, il vient do (P ◦ Q) =
mdo Q = do P × do Q.
Remarque 4. Si Q est constant, c’est à dire si do Q ≤ 0, alors pour tout k ∈ N,
do Qk = kdo Q ≤ 0
Ainsi, P ◦ Q est constant lui aussi. Son degré est donc −∞ ou 0. Pour certaines valeurs de
Q, le degré peut être −∞, même si P et Q ne sont pas nuls. Par exemple,
(X 2 − 3X + 2) ◦ 2 = 0
Nous en reparlerons longuement plus loin lorsque nous parlerons des racines d’un poly-
nôme.
Proposition 8. La composition des polynômes est associative.
Démonstration. Dans un premier temps, on montre que pour tous polynômes P, Q, R,

on a (P +Q)◦R = P ◦R+Q◦R. Il suffit pour cela de revenir à la définition de la composée.
On montre ensuite que pour tous polynômes P, Q, R, on a (P Q) ◦ R = (P ◦ R)(Q ◦ R). En
utilisant le résultat pour la somme il suffit de vérifier que X i+j ◦ R = (X i ◦ R)(X j ◦ R), ce
qui est évident.
Soient enfin trois polynômes P, Q, R. Posons P = ∞ k
P
k=0 ak X . On a
X∞ ∞
X
(P ◦ Q) ◦ R = ( ak Qk ) ◦ R = ak (Qk ◦ R)
k=0 k=0
en utilisant la « semi-distributivité » de ◦ par rapport à l’addition. On remarque ensuite que

Qk ◦R = (Q◦R)k en utilisant la « semi-distributivité » de ◦ par rapport à la multiplication.
2. L’ANNEAU DES POLYNÔMES 303
Ainsi,
∞
X
(P ◦ Q) ◦ R = ak (Q ◦ R)k = P ◦ (Q ◦ R)
k=0
Proposition 9.
X est l’élément neutre pour la composition.
La composition des polynômes n’est pas commutative.
Démonstration. Concernant la non-commutativité, constater que

X 2 ◦ (X + 1) = X 2 + 2X + 1
alors que
(X + 1) ◦ X 2 = X 2 + 1
Si 2 6= 0 on obtient donc deux polynômes différents. Si jamais 2 = 0, alors 3 6= 0 (pour-
quoi ?). Considérer X 3 au lieu de X 2 . La neutralité de X est quant à elle évidente.
2 L’anneau des polynômes
2.1 Multiples, diviseurs, d’un polynôme
Définition 3. Soient A et B deux polynômes. On dit que A divise B, et on note A | B,

lorsqu’il existe C ∈ K[X] tel que B = AC.
Proposition 10. La relation « divise » est réflexive et transitive. En revanche, ce n’est

pas une relation d’ordre. Plus précisément, soient A, B ∈ K[X]. On a

A|B
⇐⇒ ∃λ ∈ K∗ , B = λA
B|A
On dit alors que les polynômes A et B sont associés.

Démonstration. Dans le sens direct, on voit que A et B sont nuls tous les deux, ou
non nuls tous les deux. Dans le second cas, on a do A ≤ do B, puisque B = AC. De même,
do B ≤ do A. On a donc B = AC, avec do C = 0.
2.2 Division euclidienne
Proposition 11. Soient A, B ∈ K[X], B 6= 0. Il existe un unique couple (Q, R) de

polynômes tel que
A = BQ + R
do R < do B
Q et R sont appelés le quotient et le reste de la division euclidienne de A par B.
Démonstration. Montrons d’abord l’existence. Si do A < do B, Q = 0 et R = A

conviennent. On fait ensuite une récurrence forte sur n = do A ≥ do B.
Soit A ∈ K[X] de degré n ≥ do B. Supposons l’existence du quotient et du reste de la
division par B de tout polynôme de degré < n. Soit m le degré de B. Considérons
An n−m
A0 = A − X B
Bm
Le degré de A0 est clairement inférieur ou égal à n, celui de A. Mieux, A0n = An − BAm

n
Bm = 0.
o 0 0
Donc, d A < n. On peut donc appliquer l’hypothèse de récurrence. Il existe Q , R tels que
A0 = BQ0 + R et do R < do B. D’où
An n−m An n−m
A = A0 + X B = (Q0 + X )B + R = BQ + R
Bm Bm
Pour l’unicité, supposons A = BQ+R = BQ0 +R0 où R et R0 sont de degré strictement plus
petit que le degré de B. On a B(Q−Q0 ) = R0 −R donc do B+do (Q−Q0 ) = do (R0 −R) < do B.
Ainsi, do (Q − Q0 ) < 0. Le seul polynôme de degré strinctement négatif est 0. Donc Q = Q0
puis, en reportant, R = R0 .
3 Fonctions polynômes
3.1 C’est quoi ?
Définition 4. Soit f : K → K. On dit que f est une fonction polynôme lorsqu’il existe
une suite presque nulle (a0 , a1 , · · · ) d’éléments de K telle que
∞
X
∀x ∈ K, f (x) = ak xk
k=0
3. FONCTIONS POLYNÔMES 305
On note K[x] (j’aurais préféré K[id]) l’ensemble des fonctions polynômes.

Remarque 5. Un polynôme est un objet abstrait. On ne peut pas donner une valeur à
X. En revanche, si f est une fonction polynôme, on peut évidemment calculer f (a) pour
tout a ∈ K.
Proposition 12. K[x] est une K-algèbre commutative.
Démonstration. C’est une sous-algèbre de KK , l’algèbre des fonctions de K vers K. Il

suffit de vérifier que la somme et le produit de deux fonctions polynômes sont encore des
fonctions polynômes, et de même pour le produit d’une fonction polynôme par un élément
de K.
3.2 Polynômes et fonctions polynômes

P∞ k
Soit ϕ : K[X] → K[id] l’application qui à P = k=0 Pk X associe la fonction Pb définie
par ∀x ∈ K, Pb(x) = ∞ k
P
k=0 Pk x .
Proposition 13. La fonction ϕ est un morphisme d’algèbres surjectif.
Démonstration. La preuve consiste en quelques vérifications que nous ne ferons pas :

les lecteurs qui auront scrupuleusement vérifié que K[x] est une algèbre auront d’ailleurs
déjà fait tout le travail (et seuls ceux-ci pourront comprendre cette phrase). Le problème
reste l’injectivité de ϕ : peut-on « identifier » les polynômes et les fonctions polynômes ?
Nous allons voir que c’est le cas lorsque le corps K est infini (c’est donc toujours le cas
lorsque K est un sous-corps de C).
3.3 Racines d’un polynôme
Définition 5. Soit P ∈ K[X]. Soit a ∈ K. On dit que a est racine de P lorsque

Pb(a) = 0.
Proposition 14. Soit P ∈ K[X]. Soit a ∈ K. Alors a est racine de P si et seulement

si X − a divise P .
Démonstration. Supposons que a est racine de P . On a donc
P = (X − a)Q
où Q ∈ K[X]. De là,
Pb(a) = (a − a)Q(a)
b =0
Inversement, supposons que Pb(a) = 0. On écrit
P = (X − a)Q + R
avec do R < do (X − a) = 1. R = λ ∈ K est donc constant. En passant aux fonctions
polynômes, on en tire
0 = (a − a)Q(a)
b +λ
d’où λ = 0 et P = (X − a)Q.
Proposition 15. Soient Q a1 , · · · , an des éléments distincts de K. Ce sont des racines

de P si et seulement si nk=1 (X − ak ) divise P .
Démonstration. Dans un sens, c’est évident. Dans l’autre sens, c’est une récurrence sur
n. Faisons-le pour n = 2. Soient a 6= b deux racines de P . On a P = (X − a)Q, puisque a
est racine de P . Mais alors, Pb(b) = 0 = (b − a)Q(b).
b Comme a 6= b, b est racine de Q, et
Q = (X − b)R. Donc,
P = (X − a)(X − b)R
Proposition 16. Soit P un polynôme non nul, de degré n ∈ N. Le polynôme P possède

au plus n racines.
Démonstration. Si a1 , · · · , ak sont des racines distinctes de P , alors,

k
Y
P =Q (X − aj )
j=1
Donc, do P = do Q + k d’où do P ≥ k.
Théorème 17. La fonction ϕ : K[X] → K[id] définie plus haut est un isomorphisme
si est seulement si le corps K est infini.
Démonstration. Supposons le corps K infini. Soit P ∈ ker ϕ. La fonction polynôme Pb

est donc la fonction nulle. P a ainsi une infinité de racines et ne peut être que le polynôme
nul.
Inversement, supposons K fini. Soit
Y
P = (X − a)
a∈K
4. DÉRIVATION 307
Le polynôme P est un polynôme de degré card K, et pourtant Pb = 0.
Remarque 6. Dans tout corps K infini comme Q, R, C, on peut donc identifier les po-
lynômes et les fonctions polynômes, c’est à dire que l’on n’écrira plus les chapeaux. On
écrira aussi parfois P (X) pour un polynôme P . Bref, les fonctions polynômes se prennent
pour des polynômes, et les polynômes se prennent pour des fonctions.
3.4 Racines multiples
Définition 6. Soit P un polynôme, et a un élément de K. Soit k ∈ N. On dit que a

est racine de P de multiplicité k lorsque (X − a)k divise P , mais (X − a)k+1 ne divise
pas P .
On parle ainsi de racine simple, double, etc. Une racine de multiplicité 0 est une non-racine.
Nous reviendrons un peu plus loin sur les propriétés des racines multiples.
4 Dérivation
4.1 Dérivée d’un polynôme
P∞ k.
Définition 7. Soit P = k=0 Pk X On appelle dérivée de P le polynôme
∞
X
P0 = kPk X k−1
k=1
Les formules classiques de dérivation d’une somme, d’un produit, d’une composée, se dé-
montrent sans problème de façon purement formelle. On a bien sûr la notion de dérivée
d’ordre supérieur, la formule de Leibniz, etc. Il convient de remarquer que si K est un sous-
corps de C et P ∈ K[X] est non constant, on a do P 0 = do P − 1. Ainsi, en dérivant do P + 1
fois le polynôme P , on tombe sur le polynôme nul. On remarque enfin que P c0 = (Pb)0
lorsque la notion de dérivée d’une fonction polynôme a un sens, c’est à dire, pour nous,
lorsque K = R.
4.2 Formule de Taylor
Dans ce paragraphe, on suppose que K est un sous-corps de C. Dans la pratique, K est

égal à Q, R ou C. En fait, ce dont nous allons parler est valable dans tout corps K où, pour
tout entier n ≥ 1, n 6= 0.
Proposition 18. Formule de Taylor Soit P ∈ K[X]. Soit a ∈ K. On a

∞
X (X − a)k (k)
P (X) = P (a)
k!
k=0
Démonstration. On procède par récurrence sur n = do P . C’est clair si P est constant.

Soit n ≥ 1. Supposons la propriété vraie pour les polynômes de degré n − 1. Soit P de
degré n. Le polynôme P 0 étant de degré n − 1, on a par l’hypothèse de récurrence
n−1
0
X (X − a)k (k+1)
P (X) = P (a)
k!
k=0
d’où le résultat en intégrant.
Corollaire 19. Soit P ∈ K[X]. Soit a ∈ K et k ∈ N. Alors, a est racine d’ordre k du

polynôme P si et seulement si
P (a) = P 0 (a) = · · · = P (k−1) (a) = 0 et P (k) (a) 6= 0
Démonstration. Si P et ses dérivées jusqu’à l’ordre k − 1 sont nulles en a, la formule

de Taylor s’écrit
n
X (X − a)j (j)
P (X) = P (a)
j!
j=k
On peut donc factoriser (X − a)k dans le polynôme. Une fois factorisé, le polynôme restant
ne s’annule pas en a.
Inversement, on fait une récurrence sur k. Si k ≤ 0, c’est évident. Soit k ≥ 1. Supposons
P = (X − a)k Q, où Q(a) 6= 0. Alors,
P 0 = (X − a)k−1 R
où R(a) 6= 0. Par l’hypothèse de récurrence, on a donc
P 0 (a) = · · · = P 0(k−2) (a) = 0 et P 0(k−1) (a) 6= 0
Enfin, on a bien entendu P (a) = 0.
5. FACTORISATION DES POLYNÔMES 309
5 Factorisation des polynômes
5.1 Polynômes irréductibles
Définition 8. Soit P ∈ K[X]. On dit que P est irréductible sur K lorsque

• P n’est pas constant.
• Pour tous polynômes Q et R,
P = QR =⇒ Q est constant ou R est constant
Exemple.
• Les polynômes de degré 1
• X 2 + X + 1 sur R, mais pas sur C.
• X 3 − 2 sur Q.
• X 2 + X + 1 sur Z/2Z.
Proposition 20. Tout polynôme non constant s’écrit de façon unique, à l’ordre près,
comme un produit de polynômes irréductibles.
Démonstration. Montrons tout d’abord l’existence de la décomposition. On fait une

récurrence forte sur n = do P . Si n = 1 c’est clair puisqu’un polynôme de degré 1 est irréduc-
tible. Soit n ≥ 1. Supposons l’existence de la décomposition pour tout polynôme de degré
strictement inférieur à n. Soit P un polynôme de degré n. Deux cas se présentent. Première
possibilité, P est irréductible. Dans ce cas on a fini. Deuxième possibilité, P = QR avec
Q et R non constants. Mais alors Q et R sont de degré strictement inférieur à n. D’après
l’hypothèse de récurrence, ils se décomposent en produit de polynômes irréductibles, donc
P aussi. L’unicité de la décomposition repose sur le théorème de Gauss que nous n’avons
pas encore. Nous l’admettons pour l’instant.
Théorème 21. Théorème de D’Alembert-Gauss Soit P ∈ C[X] non constant.

Alors, P a au moins une racine.
Démonstration. La démonstration de ce théorème est hors programme. Il en existe

plusieurs preuve, je donne ici les grandes lignes de l’une d’entre elles.
Soit P ∈ C[X]
P un polynôme de degré n ≥ 1. Supposons que P ne s’annule pas sur C.
Posons P = nk=0 ak X k , où les ak ∈ C et an =
6 0.
Pour tout z ∈ C,
n−1 n−1
!
X X
n k n k−n
|P (z)| ≥ |an ||z| − ak z = |z| |an | − ak z
k=0 k=0
La parenthèse tend vers |an | lorsque |z| tend vers l’infini. Ainsi, il existe un réel M tel que
pour tout z ∈ C,
|z| ≥ M =⇒ |P (z)| ≥ |P (0)|
La fonction |P | est une fonction continue du disque fermé D de centre O et de rayon M
vers R. Ce disque étant fermé et borné, |P | possède un minimum sur D. Autrement dit, il
existe z0 ∈ D tel que pour tout z ∈ D, |P (z)| ≥ |P (z0 )|. Remarquons que 0 ∈ D, et donc,
pour tout z 6∈ D, |P (z)| ≥ |P (0)| ≥ |P (z0 )|. Finalement,
∀z ∈ C, |P (z)| ≥ |P (z0 )|
La fonction |P | possède donc un minimum global sur C en z0 .

Maintenant, grâce à la formule de Taylor appliquée au polynôme P au point z0 , on a
P (z) = P (z0 ) + α(z − z0 )k + (z − z0 )k ε(z)
où α ∈ C∗ , k ≥ 1 et ε(z) −→ 0 lorsque z tend vers z0 . Divisons par P (z0 ), qui est non nul
car P est supposé sans racine. On obtient
P (z)
= 1 + β(z − z0 )k + (z − z0 )k ε(z)
P (z0 )
où β ∈ C∗ . Posons
z = z0 + ρeiθ
où ρ ∈ R+ et θ ∈ [0, 2π]. On a donc
P (z)
(1) = 1 + βρk eikθ + ρk eikθ ε(ρ)
P (z0 )
où ε(ρ) tend vers 0 lorsque ρ tend vers 0. En passant au conjugué, on a aussi
P (z)
(2) = 1 + βρk e−ikθ + ρk e−ikθ ε(ρ)
P (z0 )
Multiplions (1) et (2). Il vient

2
P (z)
= 1 + βρk eikθ + ρk eikθ ε(ρ) 1 + βρk e−ikθ + ρk e−ikθ ε(ρ)
P (z0 )
= 1 + 2ρk Re(βe−ikθ ) + ρk ε̂(ρ)
où ε̂(ρ) tend vers 0 lorsque ρ tend vers 0. Ainsi, pour ρ 6= 0,

!
1 P (z) 2
− 1 = 2Re(βe−ikθ ) + ε̂(ρ)
ρk P (z0 )
Choisissons maintenant θ tel que que Re(βe−ikθ ) < 0. Pour ρ suffisamment petit, on a
alors !
1 P (z) 2
−1 <0
ρk P (z0 )
et donc
|P (z)| < |P (z0 )|
Contradiction.
Proposition 22.
• Les polynômes irréductibles sur C sont les polynômes de degré 1.
• Les polynômes irréductibles sur R sont les polynômes de degré 1 et les polynômes
de degré 2 à discriminant strictement négatif.
Démonstration.
• Commençons par C. Soit P ∈ C[X]. Si P est de degré 1, il est irréductible. Supposons
P de degré supérieur ou égal à 2. Le théorème de d’Alembert affirme que P a une
racine a. On a donc P = (X − a)Q où Q n’est pas constant. Donc P n’est pas
irréductible.
• Passons à R. Soit P ∈ R[X].
Si P est de degré 1, il est irréductible.
Supposons P de degré 2. Si P = QR avec Q et R non constants alors Q et R sont
de degré 1, donc P a une racine. Donc, si son discriminant est strictement négatif,
P est irréductible. Inversement, si le discriminant de P est positif ou nul, P a une
racine et n’est donc pas irréductible.
Supposons pour terminer que do P ≥ 3. Si P a une racine réelle a, alors X − a divise
P et P n’est pas irréductible. Sinon, P a une racine non réelle ζ. Mais P étant à
coefficients réels, on voit facilement que ζ̄ 6= ζ est aussi racine de P . On peut donc
écrire
P = (X − ζ)(X − ζ̄)Q
où Q est a priori dans C[X]. Remarquons que
A = (X − ζ)(X − ζ̄) = X 2 − 2(Re ζ)X + |ζ|2 ∈ R[X]
Il nous reste à prouver que l’on a en fait Q ∈ R[X]. On a d’une part P = AQ dans
C[X], et d’autre part (division euclidienne dans R[X]) P = AQ0 + R avec Q0 et R
dans R[X]. Mais cette dernière égalité est aussi une égalité dans C[X], et donc une
division euclidienne dans C[X]. Par unicité du quotient et du reste de la division

euclidienne, on en déduit Q = Q0 et R = 0, d’où P = AQ avec A, Q ∈ R[X] et
do A = 2 donc Q non constant. P n’est donc pas irréductible.
5.2 Polynômes scindés
Définition 9. Soit P ∈ K[X] non nul. On dit que P est scindé (sur K) lorsque P est
un produit de polynômes de degré 1.
Exemple. Tout polynôme non nul de C[X] est scindé. C’est le théorème de d’Alembert.
Proposition 23. Soit P ∈ K[X] un polynôme non nul de racines α1 , · · · , αq d’ordres

de multiplicité respectifs k1 , · · · , kq . Alors k1 + · · · + kq ≤ do P et on a égalité si et
seulement si P est scindé sur K.
Démonstration. On remarque que si P = QR et si a est racine d’ordre k de P , mais

pas de R, alors a est racine d’ordre k de Q. En effet a est clairement racine de Q. Donc,
Q = (X − a)Q1 . On termine par récurrence sur k.
Ainsi, qi=1 (X − αi )ki divise P , donc on a bien l’inégalité demandée. La CNS d’égalité est
Q
évidente.
5.3 Relations coefficients-racines
Soient a, b, c ∈ K, a 6= 0. Soit P = aX 2 + bX + c. Supposons P scindé. On a donc

P = a(X − x1 )(X − x2 )
où x1 , x2 ∈ K. En développant on trouve les relations bien connues
x1 + x2 = − ab

x1 x2 = ac
Prenons maintenant un polynôme scindé de degré 3,

P = aX 3 + bX 2 + cX + d = a(X − x1 )(X − x2 )(X − x3 )
Un développement donne
= − ab

 x1 + x2 + x3
x1 x2 + x2 x3 + x1 x3 = ac
x1 x2 x3 = − ad

On commence à voir apparaître quelque chose.
Définition 10. Soit n ≥ 1, et k un entier entre 1 et n. On appelle k-ième polynôme

symétrique élémentaire le « polynôme à n variables »
X
σk (X1 , · · · , Xn ) = Xi1 Xi2 · · · Xik
1≤i1 <···<ik ≤n
En particulier σ1 = X1 + X2 + . . . + Xn et σn = X1 X2 . . . Xn .
Proposition 24. Soit n ≥ 1. Soit

n
X
P = ak X k
k=0
un polynôme de degré n scindé, de racines α1 , · · · , αn (éventuellement égales s’il y a

des racines multiples). En clair,
n
Y
P = an (X − αi )
i=1
On a alors pour tout k ∈ J1, nK

an−k
σk (α1 , · · · , αn ) = (−1)k
an
Démonstration. On donne juste l’idée de la preuve, qui se fait par récurrence sur n.
Pour n = 1, 2, 3 nous avons déjà vu que c’était vrai. Supposons que l’on sait faire pour un
polynôme de degré n ≥ 1, et prenons
n+1
Y
P =λ (X − αk )
k=1
où λ 6= 0 est le coefficient dominant de P et les αk sont les racines de P . On a alors, par

l’hypothèse de récurrence,
n
!
X
n n−k k
P =λ X + (−1) σn−k (α1 , · · · , αn )X (X − αn+1 )
k=1
On réordonne ensuite suivant les puissances de X pour constater que l’on obtient bien les
polynômes symétriques élémentaires en α1 , · · · , αn+1 .
Exercice. Trouver tous les réels x, y, z vérifiant


 x+y+z = 2
1
+1+1 = 65
 x y z
xyz = −6
6 Pgcd,Ppcm
6.1 L’algorithme d’Euclide
Proposition 25. Soient A et B deux polynômes à coefficients dans K. Il existe un

polynôme ∆ vérifiant
D|A
∀D ∈ K[X], ⇐⇒ D | ∆
D|B
Le polynôme ∆ est unique à constante multiplicative non nulle près.
Définition 11. ∆ est appelé un pgcd de A et B. On parlera abusivement du pgcd de

A et B, et on notera ∆ = A ∧ B ou ∆ = pgcd(A, B).
Démonstration. L’unicité est claire : si ∆1 et ∆2 sont deux pgcd de A et B, alors

chacun divise l’autre, et ils sont donc associés.
Si B = 0, l’existence est assurée, puisque ∆ = A convient. Sinon, un polynôme D divise
A et B si et seulement si il divise B et R, où R est le reste de la division euclidienne
de A par B. On crée ainsi une suite de restes successifs de divisions euclidiennes : c’est
l’algorithme d’Euclide. On arrive forcément à un reste nul, car la suite des degrés des restes
serait sinon une suite strictement décroissante d’entiers naturels. Le dernier reste non nul
est le polynôme ∆ recherché.
Exemple.
• Pour tout polynôme A, on a A ∧ 1 = 1, A ∧ 0 = A, A ∧ A = A.
• On a (X 2 − 3X + 2) ∧ (X 3 − 2X 2 + X − 2) = X − 2.
6.2 Théorème de Bézout

6. PGCD,PPCM 315
Définition 12. Soient A, B ∈ K[X]. On dit que A et B sont premiers entre eux lorsque
A ∧ B = 1.
Exemple. Deux polynômes irréductibles non associés sont premiers entre-eux. En effet,
soient P et Q irréductibles, non associés. Soit D un polynôme. Si D divise P et Q alors
D = 1 ou P et D = 1 ou Q (àcmnnp). Donc D = 1 àcmnnp.
Théorème 26. Soient A, B ∈ K[X]. Alors, A et B sont premiers entre eux si et

seulement si il existe U, V ∈ K[X] tels que AU + BV = 1.
Démonstration. Supposons l’existence de U et V . Alors, Si D divise A et B, il divise

AU + BV , donc 1. Donc, les seuls diviseurs communs de A et B sont les polynômes
constants.
Inversement, supposons que A ∧ B = 1. On a 1 × A + 0 × B = A, et 0 × A + 1 × B = B.
Soient (Rn ) et (Qn ) les suites des restes et des quotients des divisions de l’algorithme
d’Euclide : R0 = A, R1 = B, et Rn = Rn+1 Qn+2 + Rn+2 , avec Rn0 +1 = 0, et Rn0 = 1.
Si l’on a Un A + Vn B = Rn , et de même au rang n + 1, il est alors facile de combiner ces
deux égalités (la première moins Qn+2 fois la seconde) pour obtenir la même égalité au
rang n + 2. On termine donc par récurrence.
Remarque 7. Si A ∧ B = ∆, le raisonnement précédent montre qu’il existe U et V tels
que U A + V B = ∆. La réciproque est fausse lorsque ∆ n’est pas constant.
6.3 Théorème de Gauss
Théorème 27. Soient A, B, C ∈ K[X]. On suppose que A | BC et que A ∧ B = 1.

Alors, A | C.
Démonstration. Il existe U, V, Q ∈ K[X] tels que U A + V B = 1 et BC = QA. Donc,
C = U AC + V BC = U AC + V QA = (U C + V Q)A
6.4 Propriétés utiles
Les trois propriétés ci-dessous sont analogues aux propriétés vues en arithmétique sur Z.
Elles se démontrent de la même façon, grâce aux théorèmes de Bézout et Gauss.
Proposition 28. Soient A, B, ∆ ∈ K[X]. Alors ∆ = A ∧ B si et seulement si il existe

A1 , B1 ∈ K[X] tels que 
 A = ∆A1
B = ∆B1
A1 ∧ B 1 = 1

Proposition 29. Soit n ≥ 1. Soient A, B1 , . . . Bn ∈ K[X]. Alors,

n
Y
A∧ Bk = 1 ⇐⇒ ∀k ∈ J1, nK, A ∧ Bk = 1
k=1
Exemple. Soient a, b ∈ K, a 6= b. Soient α, β ∈ N. Alors (X − a)α ∧ (X − b)β = 1.
Proposition 30. Soit n ≥ 1. Soient B, A1 , . . . An ∈ K[X]. On suppose A1 , · · · , An

sont premiers entre eux deux à deux. Alors
n
Y
Ak | B ⇐⇒ ∀k ∈ J1, nK, Ak | B
k=1
6.5 Décomposition en produit de polynômes irréductibles (bis)
Rappelons-nous que nous avions jusqu’à présent laissé de côté la preuve de l’unicité de la
décomposition en produit de polynômes irréductibles. Nous en savons maintenant assez
pour montrer ce résultat.
Notation. Notons I l’ensemble des polynômes irréductibles et unitaires sur le corps K.
Proposition 31. Tout polynôme Q ∈ K[X] non nul s’écrit de façon unique
Y
Q=c P αP
P ∈I
où c ∈ K∗ et les αP sont des entiers naturels tous nuls sauf un nombre fini.
6. PGCD,PPCM 317
Démonstration. L’existence a déjà été montrée, elle se prouve par récurrence forte sur
le degré de Q. Montrons l’unicité.
Soit Q un polynôme non nul. Supposons
Y Y
Q=c P αP = c0 P βP
P ∈I P ∈I
Le coefficient dominant de Q est c = c0 . On a donc

Y Y
P αP = P βP
P ∈I P ∈I
Soit P0 ∈ I. On a  
αP0 βP0 Y
P0 |  P0 P βP 
P ∈I,P 6=P0
αP0
P βP . Donc, par le théorème de Gauss,
Q
Mais P0 est premier avec P ∈I,P 6=P0
αP0 βP0
P0 | P0
On en déduit que
αP0 ≤ βP0
De la même façon, αP0 ≥ βP0 et donc αP0 = βP0 . Il y a bien unicité de l’écriture.
6.6 Ppcm
Proposition 32. Soient A, B ∈ K[X]. Il existe un polynôme µ, unique à constante

multiplicative non nulle près, tel que

A|M
∀M ∈ K[X], ⇐⇒ µ | M
B|M
Démonstration. Voir le cours sur les entiers relatifs, la preuve est identique. On écrit
A = ∆A1 , B = ∆B1 , où ∆ = A ∧ B et A1 ∧ B1 = 1. On pose
µ = ∆A1 B1
et on montre ensuite que µ est, à constante multiplicative non nulle près, l’unique solution
du problème.
Définition 13. µ est appelé un ppcm de A et B. On parlera abusivement du ppcm

de A et B, et on notera µ = A ∨ B ou µ = ppcm(A, B).
Proposition 33. Pour tous A, B ∈ K[K], (A ∧ B)(A ∨ B) = AB.
Démonstration. Cette égalité est bien sûr vraie à constante multiplicative non nulle
près. Avec les notations ci-dessus,
(A ∧ B)(A ∨ B) = ∆(∆A1 B1 ) = AB
6.7 Calculs pratiques
Utilisation de polynômes irréductibles
Soient A = P ∈I P αP et B = P ∈I P βP où les αP , βP sont des entiers naturels presque

Q Q
tous nuls. Alors, Y
A∧B = P min(αP ,βP )
P ∈I
et Y
A∨B = P max(αP ,βP )
P ∈I
Se reporter au cours d’arithmétique dans Z pour une démonstration. Cette méthode de

calcul n’est évidemment utile que pour des polynômes que l’on sait factoriser.
Calcul des coefficients de Bézout
Se reporter au cours d’arithmétique dans Z. La méthode est identique. Elle permet de

résoudre complètement l’équation AU + BV = C, d’inconnues U, V ∈ K[X].
7 Interpolation de Lagrange
7.1 Qu’est-ce que l’interpolation ?
Soit f : K −→ K. Soit n ∈ N. Soient x0 < x1 < . . . < xn n+1 éléments distincts de K. Sans
chercher la généralité, interpoler f en les xk , c’est trouver un polynôme P tel que pour tout
7. INTERPOLATION DE LAGRANGE 319
k ∈ J0, nK, on ait P (xk ) = f (xk ). Il est clair que nous parlons ici d’interpolation polyno-
miale, on pourrait chercher à interpoler f par d’autres types de fonctions. Par exemple, si
K = R, par des combinaisons de fonctions trigonométriques. Ou alors, imposer également
que certaines dérivées de P soient égales aux dérivées de f aux points correspondants.
En réalité, on peut se débarrasser de la fonction f dans la formulation de la question : étant

donnés y0 , . . . , yn ∈ K, existe-t-il un polynôme P ∈ K[X] tel que pour tout k ∈ J0, nK, on
ait P (xk ) = yk ?
Pour les toutes petites valeurs de n, la réponse est évidente.
Lorsque n = 0, la réponse est clairement oui, on peut prendre par exemple un polynôme
constant.
Lorsque n = 1, c’est encore oui en prenant pour P une fonction affine : par deux points
distincts du « plan » il passe une unique droite. Ceci peut se généraliser.
7.2 Existence et unicité
Proposition 34. Soit n ∈ N. Soient x0 , x1 , xn n + 1 éléments distincts de K. Soient

y0 , y1 , . . . , yn n + 1 éléments de K. Il existe un unique polynôme P ∈ Kn [X] tel que
∀k ∈ J0, nK, P (xk ) = yk
Démonstration. Commençons par l’unicité. Supposons que deux tels polynômes P et Q

conviennent. Le polynôme P − Q s’annule en x0 , . . . , xn , et a donc au moins n + 1 racines
distinctes. Mais ce polynôme est de degré inférieur ou égal à n. C’est le polynôme nul.
Ainsi, P = Q.
Passons à l’existence. Pour i ∈ J0, nK, soit

Q
k6=i (X − xk )
Li = Q
k6=i (xi − xk )
On vérifie facilement que ces polynômes sont de degré n, et que pour tous i, j ∈ J0, nK, on
a
Li (xj ) = δij
c’est à dire 0 si i 6= j et 1 si i = j. Ces polynômes sont les polynômes de Lagrange

élémentaires. Soit maintenant
Xn
P = yi Li
i=0
Le polynôme P est de degré inférieur ou égal à n (degré d’une somme). De plus, pour tout
j ∈ J0, nK,
Xn n
X
P (xj ) = yi Li (xj ) = yi δij = yj
i=0 i=0
Le polynôme P convient donc.

Que se passe-t-il si l’on supprime la condition de degré ? On perd l’unicité. Plus précisé-
ment :
Proposition 35. Avec les notations ci-dessus, soit Q ∈ R[X]. On a Q(xj ) = yj pour
tout j ∈ J0, nK si et seulement si il existe A ∈ K[X] tel que
n
Y
Q=P +A (X − xk )
k=0
Démonstration. Un tel polynôme vérifie clairement les conditions. Inversement, soit

Q un polynôme prenant les valeurs yj aux points xj . Le polynôme Q − P s’annule en
x0 , . . . , xn . On en déduit que
n
Y
(X − xk ) | Q − P
k=0

Chapitre 19
Fractions rationnelles
321
322 CHAPITRE 19. FRACTIONS RATIONNELLES
1 Le corps des fractions rationnelles
1.1 Notion de fraction rationnelle
Soit K un corps. L’anneau K[X] des polynômes à coefficients dans K est un anneau in-
tègre. Un résultat très général affirme que K[X] possède un corps des fractions, unique à
isomorphisme près, noté K(X) : le corps des fractions rationnelles à une indéterminée.
P
Formellement, une fraction rationnelle est le quotient F = Q de deux polynômes, où le
polynôme Q est non nul. Si P, Q, R, S ∈ K[X] et Q, S 6= 0, on a
P R
= ⇐⇒ P S = QR
Q S
P R P S + QR
+ =
Q S QS
PR PR
=
QS QS
Proposition 1. Forme irréductible

Soit F ∈ K(X). F s’écrit de façon unique
P
F =
Q
où P, Q ∈ K[X], Q est unitaire, et P ∧ Q = 1.
La fraction F est alors dite sous forme irréductible.

Démonstration.
P
• Pour l’unicité, supposons F = Q = R S , où P ∧ Q = 1, R ∧ S = 1, et Q, S sont
unitaires. On a alors P S = QR.
Q divise P S et Q est premier avec P . Par le théorème de Gauss, Q divise S. De
même S divise Q. Ainsi, il existe λ ∈ K∗ tel que S = λQ. Comme Q et S sont
unitaires, λ = 1 et ainsi Q = S. En reportant, on obtient P = R.
P
• Soient P, Q ∈ K[X] tels que F = Q , où Q 6= 0. Soit ∆ = P ∧ Q. On peut alors
P1
écrire P = ∆P1 , Q = ∆Q1 , où P1 ∧ Q1 = 1. De là, F = Q 1
. Quitte à diviser P1 et
Q1 par le coefficient dominant de Q1 , on peut supposer que Q1 est unitaire, d’où
l’existence.

1. LE CORPS DES FRACTIONS RATIONNELLES 323
1.2 Degré d’une fraction rationnelle
P
Définition 1. Soit F = Q ∈ K(X). On appelle degré de F la quantité
do F = do P − do Q
Le degré d’une fraction est soit un entier relatif, soit −∞ lorsque la fraction est nulle.
Attention à quelques pièges : une fraction de degré 0 n’est pas forcément constante, par
exemple.
Il convient de vérifier que cette définition a un sens, c’est à dire qu’elle dépend uniquement
de la fraction F et pas des polynômes P et Q choisis pour la représenter.
Proposition 2. Cette quantité ne dépend pas des polynômes P et Q choisis pour

représenter F .
Démonstration. Avec des notations évidentes, supposons

P R
F = =
Q S
On a alors P S = QR. De là,
do (P S) = dP + do S = do (QR) = dQ + do R
d’où
do P − do Q = dR − do S
Proposition 3. Soient F, G ∈ K(X). On a
do (F + G) ≤ max(do F, do G)
Si les fractions ont des degrés différents, c’est une égalité. Sinon, on ne peut rien dire.
P R
Démonstration. On pose F = Q et G = S. On a
P S + QR
F +G=
QS
d’où
do (F + G) = do (P S + QR) − do (QS) ≤ max(do (P S), do (QR)) − do (QS)

Cette quantité vaut aussi
max(do (P S) − do (QS), do (QR) − do (QS)) = max(do P − do Q, do R − do S)
Si do F 6= do G, alors do P − do Q 6= do R − do S, donc do (P S) 6= do (QR) et on a bien égalité.

Proposition 4. Soient F, G ∈ K(X). On a do (F G) = do F + do G.
Démonstration. Avec les mêmes notations que ci-dessus,
do (F G) = do (P R) − do (QS) = do P + do R − do Q − do S = do F + do G
1.3 Racines, pôles
P
Définition 2. Soit F = Q une fraction écrite sous forme irréductible.
• On appelle racine de F toute racine de P .
• On appelle pôle de F toute racine de Q.
Une fraction a un nombre fini de pôles. Une fraction non nulle a un nombre fini de racines.
1.4 Fonctions rationnelles
Une fonction rationnelle est une fonction f : D ⊂ K → K vérifiant la propriété suivante :

Il existe P, Q ∈ K[X], Q 6= 0, tels que pour tout x ∈ D, Q(x) 6= 0 et
P (x)
f (x) =
Q(x)
On ne refait pas ce qui a été fait pour les polynômes. Noter simplement qu’une fonction ra-
tionnelle est définie sur K sauf peut-être en un nombre fini de points, les pôles de la fraction
rationnelle correspondante. On définit également la dérivée d’une fraction rationnelle.
2 Éléments simples
2. ÉLÉMENTS SIMPLES 325
2.1 C’est quoi ?
Définition 3. On appelle élément simple sur le corps K toute fraction rationnelle du

type
P
F = n
Q
où n ∈ N∗ , Q est irréductible et do P < do Q.
2.2 Exemples essentiels
• Lorsque Q est de degré 1, on a ce que l’on appelle un élément simple de première

espèce d’ordre n. On a alors
α
F =
(X − a)n
avec α ∈ K∗ , a ∈ K et n ≥ 1. Ce type d’élément simple est le seul lorsque K = C.
• Si K = R, on trouve également des éléments simples de deuxième espèce : les
fractions
αX + β
F =
(X + pX + q)n
2
avec α, β, p, q ∈ R, (α, β) 6= (0, 0), n ≥ 1, et p2 − 4q < 0.
2.3 Partie entière d’une fraction rationnelle
Proposition 5. Soit F ∈ K(X). Il existe un unique polynôme E ∈ K[X], et une

unique fraction rationnelle G de degré strictement négatif, tels que F = E + G.
Le polynôme E est la partie entière de la fraction F .
A
Démonstration. On écrit F = B. On fait la division euclidienne de A par B :
A = BE + R
avec do R < do B. D’où
R
F =E+
B
R
On a montré l’existence, en posant G = B.
Pour l’unicité, supposons, avec des notations évidentes,

F = E1 + G1 = E2 + G2
Alors G1 − G2 = E2 − E1 est un polynôme de degré strictement négatif. C’est donc le
polynôme nul, d’où l’unicité.
2.4 Parties polaires d’une fraction
Proposition 6. Soit n ≥ 1. Soient A, B1 , . . . , Bn ∈ K[X], où les Bk sont non nuls et

premiers entre eux deux à deux. Soit
A
F =
B1 · · · Bn
On suppose
n
X
o
d A< do Bi
i=1
F s’écrit alors de façon unique

n
X Ai
F =
Bi
i=1
avec pour tout i, do Ai < do Bi .
Démonstration. On fait la démonstration dans le cas n = 2. On étend ensuite par

récurrence sur n.
• Existence : Soit F = B1AB2 . D’après Bézout, il existe deux polynômes U et V tels
que U B1 + V B2 = 1. On peut donc écrire
A(U B1 + V B2 ) V A UA
F = = +
B1 B2 B1 B2
On peut ensuite isoler les parties entières de ces fractions, et écrire
A1 A2
F = E1 + E2 + +
B1 B2
Mais, forcément, E1 + E2 = 0 puisque do F < 0.
• Unicité : Supposons, avec des notations claires, que
A1 A2 A0 A0
F = + = 1+ 2
B1 B2 B1 B2
On a alors
A1 − A01 A0 − A2
= 2
B1 B2
d’où
(A1 − A01 )B2 = (A02 − A2 )B1
B1 divise (A1 − A01 )B2 . Or, B1 ∧ B2 = 1. Par le théorème de Gauss, B1 divise
A1 − A01 . Comme do (A1 − A01 ) < do B1 , on a nécessairement A1 − A01 = 0. De même,
A2 = A02 .

Remarque 1. Le résultat précédent permet de « séparer » les pôles d’une fraction.
2.5 Décomposition en éléments simples sur C
Proposition 7. Soit F ∈ C(X) une fraction de pôles a1 , · · · , an d’ordres de multipli-

cités respectifs k1 , · · · , kn . Alors
kj
n X
X αi,j
F =E+
(X − aj )i
j=1 i=1
où les αi,j ∈ C et E ∈ C[X]. La décomposition est unique.
Démonstration. On admet l’unicité (qui a presque été déjà faite, d’ailleurs). Le poly-
nôme E est la partie entière de F . Le jème terme de la somme est la partie polaire relative
au pôle aj . Elle se décompose en somme d’éléments simples en écrivant la formule de Taylor
(ou en faisant des divisions euclidiennes par X − aj ).
2.6 Pôles simples
Soit F une fraction possédant a pour pôle simple. Le théorème précédent nous dit que
α
F = +G
X −a
où a n’est pas un pôle de G. Le scalaire α est appelé le résidu de F au point a. Il existe
essentiellement 2 méthodes pratiques de calcul de α
• Supposons ici que l’on sait écrire F sous la forme
P
F =
(X − a)Q
les polynômes P et Q n’ayant pas a pour racine. On a alors
P
(X − a)F = = α + (X − a)G
Q
P (a)
On a donc, en évaluant en a, α = Q(a) .
X 2 +1
Exemple. Soit F = X 3 −1
. Calculons le résidu de F en 1. On a
X2 + 1
(X − 1)F =
X2 +X +1
et cette quantité vaut 2/3 en 1. Donc,
2
F = +G
3(X − 1)
où G a pour pôles  et . Le lecteur calculera de même les résidus en  et .

• Il arrive que l’on sache que a est pôle simple de F , sans pouvoir factoriser facilement son
dénominateur. On suppose ici que
P
F =
Q
où a est racine simple de Q, et pas racine de P . Par la formule de Taylor pour Q, on
obtient :
Q(X) = (X − a)Q0 (a) + (X − a)2 Q1
où Q1 ∈ K[X]. De là,
P
F =
(X − a)(Q0 (a)
+ (X − a)Q1 )
On a donc réussi à factoriser X − a au dénominateur. En appliquant la première méthode,
on obtient ainsi que que le résidu de F en a est
P (a)
Q0 (a)
Exemple. Soit
1
F =
Xn
−1
Les pôles de F sont les racines nièmes de 1. On a donc (rappelons que Un est l’ensemble
des racines nes de l’unité) X αω
F =
X −ω
ω∈Un
avec
1 ω
αω = =
nω n−1 n
2.7 Pôles multiples
On traite un exemple dans lequel il y a des pôles doubles ...

Soit
X5
F =
(X − 1)2 (X + 2)2
Alors
aX + b cX + d
F =E+ 2
+
(X − 1) (X + 2)2
La théorie nous dit que E s’obtient par une division euclidienne, assez pénible à effectuer
ici, car il faut développer le dénominateur. On trouve E = X − 2. Pour obtenir a et b, on
multiplie F par (X − 1)2 . On a
X5
aX + b + (X − 1)2 G =
(X + 2)2
où la fraction G n’a pas 1 pour pôle. En faisant X = 1, on obtient

1
a+b=
9
13
En dérivant, puis en faisant X = 1, on obtient a = 27 , d’où b = − 10
27 . On laisse le lecteur
terminer la décomposition. On trouve
1 13 32 176
F =X −2+ 2
+ − 2
+
9(X − 1) 27(X − 1) 9(X + 2) 27(X + 2)
2.8 Décomposition en éléments simples sur R
P
Proposition 8. Soit F = Q ∈ R(X) une fraction écrite sous forme irréductible. On
suppose que Q se factorise en
m
Y n
Y
Q=c (X − ai )αi (X 2 + pi X + qi )βi
i=1 i=1
où c ∈ R∗ , les αi , βi sont des entiers non nuls, les ai ∈ R sont distincts deux à deux,
les (pi , qi ) ∈ R sont distincts deux à deux et vérifient p2i − 4qi < 0. La fraction F s’écrit
alors de façon unique
αi
m X n βi
X λij XX µij X + νij
F =E+ j
+
(X − ai ) (X 2 + pi X + qi )j
i=1 j=1 i=1 j=1
où E est un polynôme, et les λij , µij , νij sont des réels.
Démonstration. Démonstration admise.

On a souvent à décomposer des fractions à coefficients réels en éléments simples. Lorsque les
pôles non réels sont des pôles simples, on peut décomposer sur C et regrouper les parties
correspondant à des pôles conjugués. On peut aussi, écrire la décomposition a priori et
donner à X des valeurs particulières.
Exemple. Soit
1
F =
X4 + X2 + 1
On a
1 aX + b cX + d
F = = 2 +
(X 2 − X + 1)(X 2 + X + 1) X − X + 1 X2 + X + 1
Tout d’abord, F est paire. Le changement de X en −X donne la même DES. On en déduit
que a = −c et b = d. Maintenant, multiplions par X 2 + X + 1. Il vient
1
= cX + d + (X 2 + X + 1)G
X2 − X + 1
où G n’a pas j pour pôle. On fait X = j :

1
= cj + d
j2 −j+1
On utilise les relations j 2 + j + 1 = 0 et j 3 = 1 pour obtenir que
1 j+1
=
j2 −j+1 2
La famille (1, j) étant libre dans le R-espace vectoriel C, on en déduit c = d = 12 . Ainsi
1 1 −X + 1 1 X +1
= +
X4 2
+X +1 2 2
2X −X +1 2X +X +1
3 Primitives des fractions rationnelles
Toute fraction rationnelle se décompose en une somme contenant un polynôme et des

éléments simples. Ainsi, pour obtenir une primitive d’une F.R., il suffit de savoir calculer
une primitive d’un élément simple. Le lecteur est évidemment supposé savoir calculer une
primitive d’un polynôme. . .
3.1 Primitives d’un élément simple de première espèce
1
Rx
On se donne F = (X−a) n , avec a ∈ R ou C, et n ≥ 1. On désire calculer F (t) dt. La
variable x reste évidemment réelle.
Lorsque n ≥ 2, une primitive de F est
Z x
−1
F (t) dt =
(n − 1)(x − a)n−1
que a soit réel ou complexe.

Lorsque n = 1 et a est réel, une primitive de F sur ] − ∞, a[ et sur ]a, +∞[ est
Z x
F (t) dt = ln |x − a|
Lorsque n = 1 et a = p + iq avec p, q réels, q 6= 0, on a
1 (x − p) + iq
F (x) = =
(x − p) − iq (x − p)2 + q 2
3. PRIMITIVES DES FRACTIONS RATIONNELLES 331
Une primitive de F sur R est donc

Z x
1 x−p
F (t) dt = ln((x − p)2 + q 2 ) + i arctan
2 q
Exemple. On a
1 X +i
= 2
X −i X +1
Ainsi, pour tout réel x,
Z x Z x
dt t+i
= dt
t−i t2 + 1
Z x Z x
t dt dt
= + i
t2 + 1 t2 + 1
1
= ln(x2 + 1) + i arctan x
2
3.2 Primitives d’un élément simple de deuxième espèce d’ordre 1
On suppose ici les fractions à coefficients réels. On se donne

αX + β
F =
X 2 + pX + q
avec un dénominateur irréductible. Une simple translation (t = x+ p2 ) permet de se ramener

au calcul d’une primitive de
ut + v
G(t) = 2
t + a2
avec a réel non nul, ce qui s’intègre en
u v t
ln(t2 + a2 ) + arctan
2 a a
3.3 Primitives d’un élément simple de deuxième espèce d’ordre au moins 2
Une translation de la variable, comme au paragraphe ci-dessus, permet de se ramener au

problème suivant : calculer Z x
t
In = dt
(t + a2 )n
2
et Z x
1
Jn = dt
(t2 + a2 )n
où n ≥ 2.
Le calcul de In est immédiat :

−1
In =
2(n − 1)(x2 + a2 )n−1
Pour calculer Jn , on intègre par parties en posant u0 = 1 et v = 1

(x2 +a2 )n
. Il vient
x
t2
Z
x
Jn = 2 + 2n dt
(x + a2 )n (t2 + a2 )n+1
L’intégrale vaut Jn − a2 Jn+1 . Connaissant J1 , on peut ainsi calculer de proche en proche

les intégrales Jn .
Exercice. Calculer Z 1
dx
I=
0 (x2 + 1)2
R1
On évalue dx
0 x2 +1 en intégrant par parties. Posons u0 = 1 et v = 1
x2 +1
. Il vient
1 1 Z 1
x2
Z
dx x
= + 2 dx
0 x2 + 1 2
x +1 0 2
0 (x + 1)
2
Z 1 2
1 (x + 1) − 1
= +2 dx
2 0 (x2 + 1)2
Z 1 Z 1
1 1 1
= +2 2
dx − 2 2 2
dx
2 0 x +1 0 (x + 1)
Z 1
1 1
= +2 2
dx − 2I
2 0 x +1
De là, Z 1
1 1 π 1
2I = dx − = +
0 x2 +1 2 4 2
et finalement
π 1
I= +
8 4
Chapitre 20
Analyse asymptotique
333
334 CHAPITRE 20. ANALYSE ASYMPTOTIQUE
1 Comparaison des fonctions au voisinage d’un point
Dans cette section, nous allons explorer la notion de fonction négligeable ou dominée par
une autre fonction, ainsi que la notion de fonctions équivalentes. Nous allons retrouver des
notions que nous avions déjà étudiées pour les suites. La différence essentielle est que pour
les fonctions tout se passe au voisinage d’un point a ∈ R à préciser, alors que pour les
suites c’est toujours lorsque l’indice n tend vers l’infini.
1.1 Négligeabilité, domination
Définition 1. Soit a ∈ R. Soient f et g deux fonctions définies au voisinage de a (sauf

peut-être en a). On dit que
• f est dominée par g en a lorsque f = gh, où la fonction h est bornée au voisinage
de a. On note alors f = Oa (g).
• f est négligeable devant g en a lorsque f = εg, où ε est une fonction qui tend
vers 0 en a. On note alors f = oa (g) ou f ≺≺a g.
Remarque 1. Lorsque la fonction g ne

s’annule pas au voisinage de a, les définitions
ci-dessus équivalent respectivement à fg est bornée au voisinage de a, et à fg tend vers
0 en a.
Remarque 2. Si le point a est clair et sans ambigüité, on notera plus légèrement o(g) et
O(g).
Exemple.
• On a 3x2 − 1 = O+∞ (x2 ). En effet,
3x2 − 1 1
2
= 3 − 2 −→ 3
x x
lorsque x tend vers +∞. Ce quotient, ayant une limite finie, est borné au voisinage
de +∞.
• Étant donnés deux réels α < β, on a xα = o+∞ (xβ ) mais xβ = o0 (xα ). Il suffit pour
β
le voir de considérer le quotient xxα = xβ−α .
Proposition 1. Soit f une fonction définie au voisinage de a. Alors
oa (f ) + oa (f ) = oa (f )
1. COMPARAISON DES FONCTIONS AU VOISINAGE D’UN POINT 335
et
oa (f ) × oa (f ) = oa (f 2 )
Si f est bornée au voisinage de a, alors
oa (f ) × oa (f ) = oa (f )
oa (f ) + oa (f ) = (ε + ε0 )f = ε00 f
où toutes les fonctions ε tendent vers 0 en a. Preuves analogues dans tous les cas.
Remarque 3. On remarque, dans la proposition précédente, que 1 + 1 ça ne fait pas 2 et
que les égalités avec des petits o ou des grands O sont à considérer avec précaution. Il faut
effectivement faire attention lorsqu’on manipule des o, car oa (f ) représente UNE fonction
négligeable devant f en a. Donc, par exemple lorsqu’on écrit oa (f ) + oa (f ) on additionne
deux fonctions négligeables devant f , mais ces deux fonctions sont a priori différentes. En
cas de doute, il n’y a qu’à revenir à la définition : oa (f ) = εf où la fonction ε tend vers 0
au point a considéré.
1.2 Fonctions équivalentes
Définition 2. Soient deux fonctions f et g définies au voisinage de a ∈ R, sauf peut-

être en a. On dit que ces fonctions sont équivalentes en a, et on note f ∼a g, lorsque
f = λg, où λ(x) −→ 1 lorsque x tend vers a.
f
Remarque 4. Celà revient à dire que g tend vers 1 en a, dans le cas où la fonction g ne
s’annule pas au voisinage de a.
Remarque 5. Lorsque le point a est clair, on note f ∼ g plutôt que f ∼a g, histoire
d’alléger.
Proposition 2. L’équivalence des fonctions en un point est réflexive, symétrique et

transitive : c’est une relation d’équivalence.
Proposition 3. Si deux fonctions sont équivalentes en un point, et si l’une des deux

tend vers une limite, alors l’autre tend aussi vers cette même limite.
Démonstration. Supposons f ∼a g et g −→a `. On a f = λg avec λ −→a 1, d’où le

résultat.
Proposition 4. Si deux fonctions sont équivalentes en un point, elles ont même signe
au voisinage de ce point.
Démonstration. Supposons f ∼a g. On a f = λg avec λ −→a 1. En appliquant la

définition de limite, λ(x) > 0 pour tout x voisin de a, d’où le résultat.
Proposition 5. Soient f et g deux fonctions définies au voisinage de a. On a
f ∼a g ⇐⇒ f = g + oa (g)
Démonstration. Tout simplement parce qu’une fonction λ tend vers 1 si et seulement

si on peut écrire λ = 1 + ε où ε −→ 0.
Exemple. Cet exemple est essentiel. Soit P un polynôme. En ±∞ P est équivalent à
son terme de plus haut degré. En 0, il est équivalent à son terme de plus bas degré. Par
exemple,
3x4 + 7x2 − 2x − 1 ∼+∞ 3x4
et
5x3 − 2x2 − 3x ∼0 −3x
Proposition 6. L’équivalence des fonctions en un point est compatible avec la mul-

tiplication, la division, et l’élévation à une puissance fixée. En revanche, elle n’est pas
compatible avec l’addition.
Démonstration. De façon plus explicite, soit a ∈ R. Soient f, g, f 0 , g 0 des fonctions

définies au voisinage de a, sauf peut-être en a. Supposons f ∼a g et f 0 ∼a g 0 . Il s’agit de
montrer que
• f f 0 ∼a gg 0
• ff0 ∼a gg0
• Pour tout réel α, f α ∼a g α .
Le produit et le quotient de deux fonctions qui tendent vers 1 tend encore vers 1. Si la
fonction λ tend vers 1 et si α ∈ R, alors λα tend encore vers 1. L’addition pose en revanche
problème. Par exemple, on a x2 ∼0 x2 + x3 et −x2 + x4 ∼0 −x2 . Mais on n’a PAS x4 ∼0 x3 .

1. COMPARAISON DES FONCTIONS AU VOISINAGE D’UN POINT 337
1.3 Équivalents classiques
Proposition 7. Soit α ∈ R. On a les équivalents suivants en 0 :
ex − 1 ∼0 x
ln(1 + x) ∼0 x
(1 + x)α − 1 ∼0 αx
sin x ∼0 x
x2
1 − cos x ∼0 2
tan x ∼0 x
sinh x ∼0 x
x2
cosh x − 1 ∼0 2
tanh x ∼0 x
arcsin x ∼0 x
arctan x ∼0 x
argsh x ∼0 x
argth x ∼0 x
Démonstration. La plupart de ces formules se montrent de la même façon, en montrant

qu’un taux d’accroissement tend vers une certaine dérivée. Par exemple,
ex − 1 ex − e0
=
x x−0
tend vers la dérivée de l’exponentielle en 0, c’est à dire 1. Seules deux formules, celles du
cosinus et celle du cosinus hyperbolique, se traitent à part. On a par exemple, pour le
cosinus,
2
1 − cos x 2 sin2 x2 2 x4 1 1
= ∼ 2 = −→
x2 x2 x 2 2
Donc,
x2
1 − cos x ∼0
2
1.4 Fonctions de référence
Proposition 8. Soient a > 1, α > 0, β > 0. On a en +∞ :

• (ln x)β = o+∞ (xα )
• xα = o+∞ (ax )
Démonstration. Voir le chapitre sur les fonctions usuelles.

Remarque 6. Ce résultat permet de lever des indéterminations pour certaines limites en
3
±∞ et en 0. Par exemple, xex −→ 0 en +∞ puisque x3 = o(ex ).
Autre exemple, considérons f (x) = x2 ln7 x, définie au voisinage de 0. Posons t = x1 . On a
ln7 t
f (x) = −
t2
Lorsque x −→ 0, t −→ +∞ donc f (x) −→ 0 lorsque x −→ 0.
Dernier exemple, soit f (x) = x3 ex . Posons t = −x. On a
t3
f (x) = −
et
Lorsque x −→ −∞, on a t −→ +∞, donc f (x) tend vers 0.
1.5 Un exemple de calcul d’équivalent
Les techniques de calcul sont les mêmes que celles vues dans le chapitre de comparaison
de suites :
• Se ramener à une variable qui tend vers 0
• Chercher à faire apparaître des équivalents usuels
• Se méfier des sommes
Prenons un exemple déjà vu pour les suites, en le transposant à des fonctions.
Soit a un réel strictement positif, a 6= 1. Cherchons un équivalent de f (x) = ax −xa lorsque
x tend vers a.
• Se ramener à 0. Posons x = a + h de sorte que h tend vers 0 lorsque x tend vers a.
• Faire apparaître des équivalents usuels. On a
h a

f (x) = aa+h − (a + h)a = aa ah − 1 +
a
Tout d’abord, ah = eh ln a donc
ah − 1 = eh ln a − 1 ∼ h ln a
Ensuite,
h a

h
1+ −1∼a =h
a a
• Se méfier des sommes. Il faut additionner les deux équivalents précédents, ce qui est
interdit. On écrit donc ces équivalents comme des égalités avec des petits o.
ah − 1 = h ln a + o(h ln a) = h ln a + o(h)
2. DÉVELOPPEMENTS LIMITÉS 339
et
h a

1+ − 1 = h + o(h)
a
Regroupant le tout, il vient
f (x) = aa (h ln a − h + o(h)) = aa (ln a − 1)h + o(h)
Finalement, si a 6= e,
f (x) ∼a aa (ln a − 1)(x − a)
Pourquoi si a 6= e, parce que pour a = e on obtient
f (x) = o(h) = oa (x − a)
Dans ce cas nous avons pas trouvé d’équivalent de f en a. Il nous faudra attendre
la section sur les développements limités pour en obtenir un. Patience !
2 Développements limités
2.1 Formule de Taylor-Young
Proposition 9. Soit n ≥ 0. Soit I un intervalle non trivial de R. Soit a ∈ I. Soit

f : I −→ R n fois dérivable en a. Alors
n
X (x − a)k
f (x) = f (k) (a) + oa ((x − a)n )
k!
k=0
Remarque 7. Pour n = 0, à condition d’interpréter « 0 fois dérivable » comme « conti-

nue » ce théorème nous dit que si f est continue en a, alors f (x) = f (a) + o(1), c’est à dire
que f (x) tend vers f (a) lorsque x tend vers a. Normal, c’est la définition de la continuité.
Pour n = 1, le théorème affirme que si f est dérivable en a alors
f (x) = f (a) + (x − a)f 0 (a) + oa (x − a)
Nous connaissons déjà ce résultat, vu dans le cours de dérivation.

Démonstration. Supposons dans ce qui suit n ≥ 2. Posons
n
X (x − a)k
g(x) = f (x) − f (k) (a)
k!
k=0
On constate (exercice !) que g, définie au voisinage de a, est n fois dérivable en a, et que
g(a) = g 0 (a) = · · · = g (n) (a) = 0
Cela signifie en particulier que g est n − 1 fois dérivable dans un voisinage de a. On utilise
le théorème des accroissements finis pour écrire
g(x) = g(x) − g(a) = (x − a)g 0 (c1 )
avec a < c1 < x (ou x < c1 < a). De même
g 0 (c1 ) = g 0 (c1 ) − g 0 (a) = (c1 − a)g 00 (c2 )
avec a < c2 < c1 . On continue jusqu’à
g (n−2) (cn−2 ) = (cn−2 − a)g (n−1) (cn−1 )
On a donc
g(x) = (x − a)(c1 − a) · · · (cn−2 − a)g (n−1) (cn−1 )
avec a < cn−1 < · · · < c1 < x. Ainsi,
g(x) g (n−1) (cn−1 )

≤
(x − a)n x−a
Or,
g (n−1) (cn−1 ) g (n−1) (cn−1 ) − g (n−1) (a)
≤
x−a cn−1 − a
et cette quantité tend vers g (n) (a) = 0 lorsque x tend vers a.
2.2 Notion de DL
Définition 3. Soit f une fonction définie au voisinage du réel a. Soit n ∈ N. On dit

que f admet un développement limité à l’ordre n en a lorsqu’il existe a0 , . . . , an ∈ R
tels que
Xn
f (x) = ak (x − a)k + oa ((x − a)n )
k=0
Remarque 8. Lorsque le point a est clair, nous noterons simplement o au lieu de oa .

De plus, nous écrirons o(x − a)n au lieu de o((x − a)n ), histoire de ne pas alourdir les
notations.
Remarque 9. On peut encore écrire
f (x) = Pn (x − a) + o(x − a)n
avec Pn ∈ Rn [X]. La quantité Pn (x − a) est appelée la partie régulière du DL, et o(x − a)n
est le reste.
Proposition 10. Si f est n fois dérivable en a ∈ R, elle admet un DL à l’ordre n en

a.
Démonstration. C’est exactement ce que dit le théorème de Taylor-Young. Ce théorème

donne également les coefficients du DL.
Proposition 11. Soit f une fonction définie au voisinage du réel a.

• f admet un DL à l’ordre 0 en a si et seulement si f est continue en a.
• f admet un DL à l’ordre 1 en a si et seulement si f est dérivable en a.
• On ne peut rien dire d’autre.
Démonstration.
• f a un DL à l’ordre 0 en a si et seulement si il existe α ∈ R tel que f (x) = α + o(1).
Ceci revient à dire que f à une limite réelle α en a. C’est la définition de la continuité
en a.
• f a un DL à l’ordre 1 en a si et seulement si il existe α, β ∈ R tels que
f (x) = α + β(x − a) + o(x − a)
Nécessairement, α = f (a) (faire tendre x vers a). On a vu dans le cours de dérivation

que l’égalité
f (x) = f (a) + β(x − a) + o(x − a)
équivaut à la dérivabilité de f en a, et que f 0 (a) = β.
• Soit f : R −→ R définie par f (0) = 0 et, pour tout x 6= 0,
1
f (x) = x3 sin
x
On vérifie point par point les résultats suivants :
? f est de classe C ∞ sur R∗+ et sur R∗− .
? Pour tout x 6= 0, f 0 (x) = 3x2 sin x1 − x cos x1 .
? f est dérivable en 0 et f 0 (0) = 0.
Pour tout x 6= 0, on a donc
f 0 (x) − f 0 (0) 1 1
= 3x sin − cos
x−0 x x
Il est clair que cette quantité n’a pas de limite en 0. La fonction f n’est donc pas
deux fois dérivable en 0. Cependant,
1
f (x) = x2 × (x sin ) = o(x2 )
x
puisque x sin x1 tend vers 0 lorsque x tend vers 0. Ainsi, f a un développement limité
à l’ordre 2 en 0.
Proposition 12. Soit f une fonction définie au voisinage du réel a. Soit n ∈ N. Si f

admet un DL à l’ordre n au point a, ce DL est unique.
Démonstration. Supposons
n
X n
X
k n
ak (x − a) + o(x − a) = bk (x − a)k + o(x − a)n
k=0 k=0
On en déduit
n
X
ck (x − a)k = o(x − a)n
k=0
où l’on a posé ck = ak − bk . Supposons l’un au moins des ck non nul. Soit j le plus petit
indice tel que cj 6= 0. Alors,
n
X
ck (x − a)k ∼a cj (x − a)j
k=0
et cette quantité n’est pas négligeable devant (x − a)n . On a donc une contradiction. Ainsi,
tous les ck sont nuls, c’est à dire
∀k ∈ J0, nK, ak = bk

Exemple. Si une fonction est définie au voisinage de 0, et paire, tout D.L. de cette fonction
en 0 a ses coefficients de degré impair nuls. Remarque analogue pour une fonction impaire.
2.3 Utilité des développements limités
Les développements limités permettent de connaître le comportement d’une fonction au

voisinage d’un point : limite éventuelle de cette fonction, signe de la fonction, extrema,. . .
Par exemple, nous savons que si une fonction est dérivable en un point et y possède un
extremum, alors sa dérivée s’annule. Mais nous savons aussi que la réciproque est fausse.
Si l’on possède un développement limité à l’ordre 2 de la fonction au point considéré, on

peut souvent trancher (mais pas toujours, hélas).
Proposition 13. Soit f une fonction définie au voisinage du réel a. On suppose que
f admet en a un DL à l’ordre 2 de la forme
f (x) = f (a) + λ(x − a)2 + o(x − a)2
• Si λ > 0, f admet un minimum local en a.

• Si λ < 0, f admet un maximum local en a.
• Si λ = 0 on ne peut rien dire.
Démonstration. Supposons λ 6= 0. On a
f (x) − f (a) ∼ λ(x − a)2
du signe de λ au voisinage de a.
Remarque 10. Si λ = 0, une solution peut consister à faire un DL de f en a à un ordre

plus élevé. lequel ? Suffisamment élevé pour qu’un coefficient non nul apparaisse dans le
DL.
2.4 Développements classiques
Voici ci-dessous les développements limités EN 0 pour les fonctions usuelles, à un ordre
quelconque.
Proposition 14. Pour tout entier naturel n on a, lorsque x tend vers 0,

n
X xk
ex = + o(xn )
k!
k=0
n
X xk
ln(1 + x) = (−1)k+1 + o(xn )
k
k=1
n
X x2k+1
arctan x = (−1)k + o(x2n+2 )
2k + 1
k=0
n
X x2k+1
argth x = + o(x2n+2 )
2k + 1
k=0
n
X x2k+1
sin x = (−1)k + o(x2n+2 )
(2k + 1)!
k=0
n
X x2k
cos x = (−1)k + o(x2n+1 )
(2k)!
k=0
n
X x2k+1
sinh x = + o(x2n+2 )
(2k + 1)!
k=0
n
X x2k
cosh x = + o(x2n+1 )
(2k)!
k=0
n
α
X α k
(1 + x) = x + o(xn ) (α ∈ R)
k
k=0
1 2
tan x = x + x3 + x5 + o(x5 )
3 15
1
Remarque 11. Pour le lecteur qui se demanderait ce que vaut 3
2 , on pose, pour tout
α ∈ R,
α α(α − 1) . . . (α − k + 1)
=
k k!
si k 6= 0, et α0 = 1. Ainsi, par exemple,

1 1 −1 −3
2 2 2 2 1
= =
3 3! 16
Démonstration. Toutes les fonctions ci-dessus sont de classe C ∞ au voisinage de 0. Par

le théorème de Taylor-Young elles admettent donc des développements limités à tous les
ordres en 0. Mises à part les fonctions arctan et argth, pour lesquelles la preuve attendra un
peu, la démonstration consiste à calculer la dérivée d’ordre k de la fonction puis à l’évaluer

en 0. Traitons juste le cas important de f (x) = (1 + x)α .
On a, pour tout x voisin de 0, f 0 (x) = α(1 + x)α−1 , f 00 (x) = α(α − 1)(1 + x)α−2 , et par
une récurrence facile, pour tout k ≥ 0,
f (k) (x) = α(α − 1) . . . (α − k + 1)(1 + x)α−k
Ainsi,
f (k) (0) = α(α − 1) . . . (α − k + 1)
On a donc
f (k) (0)

α(α − 1) . . . (α − k + 1) α
= =
k! k! k
Il ne reste plus qu’à appliquer Taylor-Young pour obtenir le D.L. de f à l’ordre n en 0.
1 1
1 1 1 ( −1)
Exemple. On a 02 = 1, 12 = 12 et 22 = 2 22 = − 18 . Ainsi, on a en 0
√ 1 1
1 + x = 1 + x − x2 + o(x2
2 8
Exercice. Déterminer le D.L. à l’ordre 3 en 0 de √ 1 .

1−x2
Remarque 12. Un autre cas important est le cas α = −1. On a pour tout k ≥ 1,

−1 (−1)(−2) . . . (−k)
= = (−1)k
k k!
1
Ainsi, un DL de 1+x en 0 à l’ordre n est
n
1 X
= (−1)k xk + o(xn )
1+x
k=0
1
En remplaçant x par −x, un DL à l’ordre n en 0 de 1−x est
n
1 X
= xk + o(xn )
1−x
k=0
1
En remplaçant x par −x2 , un DL à l’ordre 2n en 0 de 1−x2
est
n
1 X
2
= x2k + o(x2n )
1−x
k=0
1
et même o(x2n+1 ) puisque la fonction x 7−→ 1−x2
est paire.
Exemple. Depuis la fin de la section précédente, une question nous obsède : quel est un
équivalent de f (x) = ex − xe lorsque x tend vers e ? Nous pouvons maintenant y répondre
en faisant un DL à l’ordre 2 de f en e. Posons x = e + h, de sorte que h −→ 0 lorsque
x −→ e.
f (x) = ee+h − (e + h)e

h e

e h
= e e − 1+
e
2
e 1 2 2 e h e h 2
= e 1 + h + h + o(h ) − 1 + + + o(h )
2 1 e 2 e2
h e(e − 1) h2

e 1 2 2 2
= e 1 + h + h + o(h ) − 1 + e + + o(h )
2 e 2 e2
1 e−1 2
= e h + o(h2 )
2
1 e−1 2
∼ e h
2
Ainsi,
1 e−1
ex − xe ∼e e (x − e)2
2
Remarque 13. Comment estimer numériquement la validité d’un tel résultat ? Si nous
posons g(x) = 12 ee−1 (x − e)2 , alors f (x) − g(x) = o(x − e)2 : en prenant un réel x « proche »
de e, f (x) − g(x) devrait être « très proche » de 0. Ici, en prenant x = e + 10−1 et une
calculatrice, on obtient f (x) − g(x) ' 2.2 × 10−3 , ce qui ne prouve rien mais qui est assez
rassurant. En poussant le calcul un peu plus loin et en faisant un DL à l’ordre 3, on montre
qu’en fait
1
f (x) − g(x) ∼ ee−2 (3e − 2)(x − e)3
6
Il s’avère que cette quantité, évaluée en e + 10−1 , vaut environ 2.1 × 10−3 .
3 Opérations sur les développements limités
Nous allons voir dans cette section que les DLs peuvent s’ajouter, se soustraire, se mul-
tiplier, se diviser, se composer, et même s’intégrer . . . mais pas se dériver ! Les exemples
donnés pour chaque opération sont évidemment essentiels pour bien comprendre comment
opérer en pratique sur les DLs.
Notation. Si P = ∞ k
P
k=0 ak X ∈ R[X], et n ∈ N, on note
n
X
P |n = ak X k
k=0
3. OPÉRATIONS SUR LES DÉVELOPPEMENTS LIMITÉS 347
le polynôme P que l’on a tronqué au degré n (suppression des termes de degré > n).
N.B : le point fondamental dans les calculs qui suivent est la manipulation des petits o.
Nous utiliserons sans modération les deux résultats suivants :
• Soient p ∈ N, λ ∈ R∗ et a ∈ R. Alors
oa (λ(x − a)p ) = oa ((x − a)p )
• Si 0 ≤ p ≤ q sont deux entiers et a ∈ R, alors le plus petit gagne :
oa (x − a)p + oa (x − a)q = oa (x − a)p
3.1 Somme de DLs
Soient f et g deux fonctions définies au voisinage du point a, et admettant en a des DLs

d’ordres respectifs p et q. On a
f (x) = P (x − a) + o(x − a)p
et
g(x) = Q(x − a) + o(x − a)q
où P ∈ Rp [X] et Q ∈ Rq [X]. On en tire
f (x) + g(x) = P (x − a) + Q(x − a) + o(x − a)p + o(x − a)q
ou encore
(f + g)(x) = (P + Q)|r (x) + o(x − a)r
où r = min(p, q). Bref, additionner des DLs ne pose aucune difficulté.
Exemple. Un DL à l’ordre 4 en 0 de sin x est
1
sin = x − x3 + o(x4 )
6
Un DL à l’ordre 4 en 0 de cos x est
1 1
cos x = 1 − x2 + x4 + o(x4 )
2 24
Donc, un DL à l’ordre 4 en 0 de sin x + cos x est
1 1 1
sin x + cos x = 1 + x − x2 − x3 + x4 + o(x4 )
2 6 24
3.2 Produit de DLs
Soient f et g deux fonctions définies au voisinage du point a, et admettant en a des DLs

d’ordres respectifs p et q. On a
f (x) = P (x − a) + o(x − a)p
et
g(x) = Q(x − a) + o(x − a)q
où P ∈ Rp [X] et Q ∈ Rq [X]. Posons plus précisément
P (x − a) = (x − a)µ P1 (x − a)
où P1 (0) 6= 0, et de même
Q(x − a) = (x − a)ν Q1 (x − a)
où Q1 (0) 6= 0. Il vient alors
f (x)g(x) = ((x − a)µ P1 (x − a) + o(x − a)p )((x − a)ν Q1 (x − a) + o(x − a)q )

= P (x − a)Q(x − a) + o(x − a)r
= P (x − a)Q(x − a)|r + o(x − a)r
où r = min(p+ν, q +µ). Le lecteur est invité à bien comprendre ces quelques lignes, surtout
la seconde : tout l’intérêt des DLs est de n’écrire que ce qui est nécessaire !
Exemple. Déterminons un DL à l’ordre 3 en 0 de ex sin x. Avec les notations ci-dessus,
on a µ = 0 et ν = 1. Il suffit donc de prendre p = 2 et q = 3.
1 1 1
ex sin x = (1 + x + x2 + o(x2 ))(x − x3 + o(x3 )) = x + x2 + x3 + o(x3 )
2 6 3
Lorsque les calculs deviennent un peu compliqués, ce n’est pas une mauvaise idée de calculer
le produit en stockant les coefficients dans un tableau.
Calculons par exemple le DL à l’ordre 4 en 0 de ex ln(1 + x). Un DL à l’ordre 3 de ex suffit
car le DL de ln(1 + x) « commence » par x. On a
ex = 1 +x + 21 x2 + 16 x3 +o(x3)
ln(1 + x) = x − 21 x2 + 13 x3 − 41 x4 +o(x4 )
On effectue le produit en rangeant chaque coefficient dans la bonne case. Les termes de
degré strictement supérieur à 4 ne sont pas pris en compte, ils sont « absorbés » par le
o(x4 ).
x0 0 =0
x1 1 =1
x2 − 21 + 1 = 21
1 1 1
x3 3 − 2 + 2 = 31
1 1 11 1
x4 −4 + 3 − 22 + 6 =0
Ainsi,
1 1
ex ln(1 + x) = x + x2 + x3 + o(x4 )
2 3
3.3 Inverse d’un DL
Soit f ayant un développement limité à l’ordre n au point a. On suppose que f (a) 6= 0, et

1
on cherche un DL en a de f (x) . Pour simplifier, on suppose f (a) = 1 (si ce n’est pas le cas
on peut facilement s’y ramener en factorisant f (a) !), et on écrit
f (x) = 1 + P (x − a) + o(x − a)p
où P(0)=0. On a
1 1 o(x − a)p
− = = o(x − a)p
f (x) 1 + P (x − a) f (x)(1 + P (x − a))
ou encore
1 1
= + o(x − a)p
f (x) 1 + P (x − a)
Utilisons le DL usuel de (1 + x)−1 = 1
1+x . On a
1
= 1 − x + x2 + . . . + (−1)k xk + o0 (xk )
1+x
et donc, puisque P (x − a) tend vers 0 lorsque x tend vers a :
1
= 1 − P (x − a) + P (x − a)2 + . . . + (−1)k P (x − a)k + o(P (x − a)k )
1 + P (x − a)
Écrivons P (x − a) = (x − a)µ P1 (x − a) où P1 (0) 6= 0. Alors o(P (x − a)k ) = o(x − a)µk .

Donc,
1
= Q(x − a) + o(P (x − a)p )
1 + P (x − a)
où Q est un polynôme de degré inférieur ou égal à p, à condition de choisir k tel que µk ≥ p.
N’explicitons pas plus le calcul général et prenons un exemple.
1
Exemple. Déterminons un D.L. à l’ordre 4 en 0 de cos x . On a, par les DLs usuels,
1 1
=
cos x 1−u
avec
1 1
u = x2 − x4 + o(x4 )
2 24
Remarquons que u est « de l’ordre de » x2 . Donc o(u2 ) = o(x4 ). De là,
1
= 1 + u + u2 + o(u2 )
cos x
= 1 + u + u2 + o(x4 )
1 5
= 1 + x2 + x4 + o(x4 )
2 24
Déduisons-en un D.L. à l’ordre 5 en 0 de tan x :

1
tan x = sin x
cos x
1 1 5 1 5
= (x − x3 + x + o(x5 ))(1 + x2 + x4 + o(x4 ))
6 120 2 24
1 3 2 5 5
= x + x + x + o(x )
3 15
3.4 Composition de DLs
Nous traitons juste deux exemples.

Exemple. Soit f (x) = ln cos x. Faisons un DL de f en 0 à l’ordre 4. On a
f (x) = ln(1 + u)
où
1 1
u = − x2 + x4 + o(x4 )
2 24
tend vers 0 lorsque x tend vers 0. Donc,
1
f (x) = u − u2 + o(u2 )
2
et on s’arrête à l’ordre 2 parce que o(u2 ) = o(x4 ). On a donc à additionner et multiplier
des DLs, ce que l’on sait déjà faire. Le lecteur vérifiera que
1 1
f (x) = x2 − x4 + o(x4 )
2 12
x
Exemple. Faisons un DL à l’ordre 3 en 0 de f (x) = ee . On a
1 1
f (x) = exp(1 + x + x2 + x3 + o(x3 )) = e exp u
2 6
où
1 1
u = x + x2 + x3 + o(x3 )
2 6
tend vers 0 lorsque x tend vers 0. Donc,
1 1
f (x) = e(1 + u + u2 + u3 + o(u3 ))
2 6
Le lecteur est prié ici de calculer des DLs de u2 et u3 , puis de vérifier que, en fin de compte,
5
f (x) = e(1 + x + x2 + x3 + o(x3 ))
6
3.5 Primitivation de DLs
Proposition 15. Soit f une fonction dérivable au voisinage du point a. On suppose

que f 0 admet en a un D.L. à l’ordre n :
n
X
f 0 (x) = ak (x − a)k + o(x − a)n
k=0
Alors, f admet en a un D.L. à l’ordre n + 1 qui est

n
X ak
f (x) = f (a) + (x − a)k+1 + o(x − a)n+1
k+1
k=0
Remarque 14. Ce théorème est bien un théorème d’intégration de DL : si g a un DL à

l’ordre n, alors toute primitive de g aura un DL à l’ordre n + 1 en ce même point, obtenu
en intégrant « formellement » le DL de g. En revanche, si g a un DL à l’ordre n en a, si g
est dérivable au voisinage de a, on ne peut absolument pas affirmer que g 0 aura un DL en
a.
Démonstration. Posons
n
X ak
ϕ(x) = f (x) − f (a) − (x − a)k+1
k+1
k=0
La fonction ϕ est dérivable au voisinage de a, et on a
ϕ0 (x) = o(x − a)n = (x − a)n ε(x)
où ε(x) tend vers 0 lorsque x tend vers a. Utilisons le théorème des accroissements finis :
φ(x) = ϕ(x) − ϕ(a) = (x − a)ϕ0 (c)

où c est situé entre a et x. On a donc
ϕ(x) = (x − a)(c − a)n ε(c) = (x − a)n+1 ε(c) = o(x − a)n+1
car comme c est situé entre a et x, ε(c) tend vers 0 lorsque x tend vers a (théorème de
composition des limites).
Exemple. Soit f : x 7−→ arctan x. La fonction f est de classe C ∞ sur R, elle admet donc
des développements limités de tous ordres en 0. On a
n
1 X
f 0 (x) = 2
= (−1)k x2k + o(x2n+1 )
1+x
k=0
Le théorème d’intégration des DL nous dit que arctan x a un DL à l’ordre 2n + 2 en 0,

obtenu en intégrant formellement le DL ci-dessus. Ainsi, comme arctan 0 = 0,
n
X x2k+1
arctan x = (−1)k + o(x2n+2 )
2k + 1
k=0
Exercice. Déterminer un DL à l’ordre 2n + 2 en 0 de argth x.

Exemple. Déterminons un DL à l’ordre 7 en 0 de arcsin x.
La fonction arcsin est dérivable au voisinage de 0 et
1 1
arcsin0 x = √ = (1 − x2 )− 2
1−x 2
On reconnaît un DL usuel :
1 3 5
arcsin0 x = 1 − (−x2 ) + (−x2 )2 − (−x2 )3 + o(x6 )
2 8 16
1 1
où l’on a utilisé −22 = 38 et −32 = − 16 5
. Comme arcsin 0 = 0, on en déduit, par le
théorème d’intégration des DLs,
1 3 5 7
arcsin x = x + x3 + x5 + x + o(x7 )
6 40 112
Exemple. Soit f (x) = arccos(1 − x2 ), définie sur [−1, 1]. La fonction f est continue sur
[−1, 1] et dérivable sur [−1, 1], sauf peut-être en 0. Vérifions que f est en fait dérivable en
0. Pour tout x ∈ [−1, 1] \ {0}, on a
2
f 0 (x) = √
2 − x2
√
Donc, f 0 (x) tend vers 2 lorsque x tend vers 0. On en déduit par un corollaire du théorème
des accroissements
√ finis que, comme f 0 a une limite finie en 0, f est dérivable en 0 et
f (0) = 2, la limite de f 0 en 0.
0
4. DÉVELOPPEMENTS ASYMPTOTIQUES 353
Un DL en 0 de f 0 à l’ordre 4 est (DLs usuels)

√ x2 3x4
f 0 (x) = 2 + √ + √ + o(x4 )
2 2 16 2
On en déduit grâce au théorème d’intégration des DL, que
√ x3 3x5
f (x) = 2x + √ + √ + o(x5 )
6 2 80 2
√
Posant x = 1 − t, on en déduit ce que l’on appelle un développement asympotique de la
fonction arccos en 1 :
3 5
√ 1 (1 − t) 2 3(1 − t) 2 5
arccos t = 2(1 − t) +
2 √ + √ + o((1 − t) 2 )
6 2 80 2
4 Développements asymptotiques
4.1 Notion de DA
Si l’on reprend l’exemple de la fonction arccos du paragraphe précédent, on voit que l’on
a effectué au voisinage de 1 quelque chose qui ressemble à un développement limité, sauf
que ce n’en est pas un. D’ailleurs, aucun développement limité de arccos au voisinage de
1 n’existe (sauf un DL à l’ordre 0), puisque cette fonction n’est pas dérivable en 1. Si l’on
regarde attentivement ce que l’on a fait, on a écrit arccos x sous forme d’une somme de
fonctions, chaque fonction étant négligeable en 1 devant la précédente.
De façon générale, soit f une fonction définie au voisinage de a ∈ R. On effectue un
développement asymptotique de f en a lorsqu’on écrit
f (x) = ϕ0 (x) + ϕ1 (x) + . . . + ϕn (x) + oa (ϕn (x))
où pour tout k ∈ J1, nK, ϕk (x) = oa (ϕk−1 (x)).

On voit qu’un développement limité de f en a ∈ R est un cas particulier de DA, obtenu
en prenant ϕk (x) = (x − a)k .
4.2 Quelques exemples
Exemple. On prend f (x) = xx et a = 0. On a
1
f (x) = exp(x ln x) = 1 + x ln x + x2 ln2 x + o(x2 ln2 x)
2
√
Exemple. On prend f (x) = sinh x et a = +∞. On a
r
1 x
f (x) = (e − e−x )
2
On essaie évidemment de se ramener à ce que l’on sait faire, c’est à dire à un développement
limité. Pour cela, on factorise ex sous la racine :
1 xp
f (x) = √ e 2 1 − e−2x
2
Comme e−2x tend vers 0 lorsque x tend vers l’infini, on peut faire un « DL » de la racine
carrée :
1 x 1 1
f (x) = √ e 2 (1 − e−2x − e−4x + o(e−4x ))
2 2 8
1 x 1 −3x 1 −7x 7
= √ (e 2 − e 2 − e 2 + o(e− 2 x ))
2 2 8
Exemple. On prend f (x) = arctan x et a = +∞. On a pour x > 0
π 1 π 1 1 1
f (x) = − arctan = − + 3 + o( 3 )
2 x 2 x 3x x
Exemple. On prend f (x) = cotan x et a = 0. On a
cos x 1 cos x
f (x) = =
sin x x g(x)
où
sin x 1 1 4
g(x) = = 1 − x2 + x + o(x4 )
x 6 120
1
On fait ensuite un DL (à l’ordre 5) de g(x) que l’on multiplie par un DL de cos x :
cos x 1 1
= 1 − x2 − x4 + o(x5 )
g(x) 3 45
d’où
1 1 1
cotan x = − x − x3 + o(x4 )
x 3 45
Le lecteur est invité à compléter le détail des calculs.
4.3 La formule de Stirling
Il existe des équivalents pas évidents du tout à démontrer. C’est le cas de la formule de
Stirling.
Le lecteur angoissé par la démonstration de 4 pages qui va suivre est autorisé à ne pas lire
les détails. Cela dit, on y raconte des choses très instructives.
√
n n
Proposition 16. On a n! ∼ e 2πn.
La démonstration de la formule de Stirling est longue et nécessite un certain nombre de

lemmes.
Posons pour tout n ≥ 1,
n
X 1
un = ln k − n ln n + n − ln n
2
k=1
1
Lemme 17. On a un+1 − un ∼ − 12n 2.
Démonstration.
1 1
un+1 − un = ln(n + 1) − (n + 1) ln(n + 1) + (n + 1) − ln(n + 1) + n ln n − n + ln n
2 2
1 1
= 1 − (n + ) ln(1 + )
2 n
1
Comme n tend vers 0, on peut utilser un DL de ln(1 + x) en 0 :
1 1 1 1 1 1 1
un+1 − un = 1 − (n + )( − + + o( 3 ))
2 n 2 n2 3 n3 n
1 1
= − 2
+ o( 2 )
12n n
1
∼ −
12n2

On voit donc que la différence un+1 − un entre deux termes successifs de la suite (un ) tend
vers 0. En fait, cette différence tend assez vite vers 0 pour que la suite (un ) converge.
Lemme 18. La suite (un ) est convergente.

Démonstration. Pour tout n assez grand, on a

1 un+1 − un 3
≤ 1 ≤
2 − 12n2 2
ou encore
1 1
− 2
≥ un+1 − un ≥ − 2
24n 8n
On déduit de la première inégalité que la suite (un ) décroît à partir d’un certain rang N . Il
reste à prouver qu’elle est minorée. C’est l’autre inégalité qui permettra de conclure. Soit
n ≥ N . On a
n−1 n−1
X 1 X 1
un = (uk+1 − uk ) + uN ≥ − + uN
8 k2
k=N k=N
Il nous faut un lemme pour montrer le lemme . . .
Pn 1
Lemme 19. Soit vn = k=1 k2 . La suite (vn ) est majorée.
Démonstration. La suite (vn ) est croissante. Pour montrer qu’elle est majorée, il suffit
de montrer que la suite extraite (v2n ) est majorée. Or,
2n+1
X−1 1 1
v2n+1 − v2n = 2
≤ 2n × 2n
k 2
k=2n
1
où 2n est le nombre de termes de la somme et 22n
est le plus grand terme, obtenu pour
k = 2n . De là,
1
v2n+1 − v2n ≤
2n
Pour terminer,
v2n = (v2 − v1 ) + (v4 − v2 ) + (v8 − v4 ) + . . . + (v2n − v2n−1 ) + v1
1 1 1
≤ 0
+ 1 + . . . + n−1 + 1
2 2 2
1
= 3 − n−1 ≤ 3
2

Démonstration. Retour à un . . . On a pour tout n ≥ N , un ≥ uN − 83 . La suite (un ) est
décroissante à partir d’un certain rang, minorée, donc converge vers un réel `.
Lemme 20. Il existe un réel C > 0 tel que

n n √
n! ∼ C n
e
Démonstration. Il s’avère que
n!
n n√
un = ln
e n
Cette quantité tend vers `, donc exp(un ) tend vers C = e` , d’où l’équivalent cherché.
Il reste maintenant à calculer C, et même cela n’est pas simple. À cet effet, introduisons
les intégrales de Wallis. Pour tout n ∈ N, soit
Z π
2
Wn = sinn t dt
0
Lemme 21. La suite (Wn ) est positive, décroissante.
Démonstration. La positivité est évidente : on intègre une fonction positive. Pour tout
entier n, on a
Z π
2
Wn+1 − Wn = sinn t(sin t − 1) dt
0
Cette fois on intègre une fonction négative, d’où la décroissance.
Lemme 22. On a pour tout entier n ≥ 2,

n−1
Wn = Wn−2
n
Démonstration. On intègre par parties Wn , en posant u0 sin t et v = sinn−1 t. Le calcul

est laissé au lecteur (s’il reste un lecteur).
Lemme 23. On a pour tout entier n,
(2n)! π
W2n =
22n n!2 2
et
22n n!2
W2n+1 =
(2n + 1)!
Démonstration. Récurrence sur n, utiliser le lemme précédent.

π
Lemme 24. nWn Wn+1 −→ 2 lorsque n tend vers l’infini.
Démonstration. Posons un = nWn Wn+1 . On a

2n π
u2n =
2n + 1 2
π
qui tend bien vers 2 lorsque n tend vers l’infini. Et
2n + 1 π
u2n+1 = (2n + 1)W2n+1 W2n+2 =
2n + 2 2
qui tend aussi vers π2 . On conclut avec la « réciproque » du théorème sur les suites extraites.
Lemme 25. Wn ∼ Wn+1 .
n+1
Wn+2 = Wn ≤ Wn+1 ≤ Wn
n+2
d’où
n+1 Wn+1
≤ ≤1
n+2 Wn
On conclut avec le théorème d’encadrement des limites.
π
p
Lemme 26. Wn ∼ 2n .
Démonstration. En, effet, nWn Wn+1 ∼ nWn2 −→ π2 .

On y est !
√
Lemme 27. C = 2π
2n 2n
√
(2n)! π e C 2n π 1 π
W2n = 2n 2 ∼ n √ 2 = √
2 n! 2 22n n
C n 2 C 2n
e
Par ailleurs r
π
W2n ∼
4n
D’où √
C∼ 2π
Mais C est constant. Donc √
C= 2π

Moralité : il n’est pas toujours facile de trouver un équivalent. . .
Chapitre 21
Étude des Fonctions
361
362 CHAPITRE 21. ÉTUDE DES FONCTIONS
Voici un plan d’étude des fonctions d’une variable réelle. Certaines parties de cette étude
peuvent être abordées dans un ordre différent, ou être parfois omises. Tout ce qui suit n’est
bien entendu valable que pour des fonctions raisonnablement régulières : on exclut les cas
pathologiques et les courbes monstrueuses.
1 Ensemble de définition
L’étude de la fonction f commence forcément par la recherche de son ensemble de définition

Df . Cette recherche est souvent, mais pas toujours, immédiate.
2 Réduction de l’ensemble d’étude
La fonction est-elle paire ? Impaire ? Périodique ? L’expression de f présente-t-elle des

symétries ? À partir des symétries algébriques on peut souvent déduire des symétries
géométriques de la courbe représentative, et donc une réduction de l’ensemble d’étude.
Plus on réduit cet ensemble, et moins on a de travail par la suite.
3 Régularité de la fonction
Les théorèmes du cours permettent d’affirmer que la fonction est continue, dérivable,
C 1 , . . . , C ∞ sur certains intervalles.
Tout ce qui précède a permis de mettre en évidence un certain nombre de points que nous
appellerons remarquables . Ce sont
• +∞ ou −∞ si l’ensemble d’étude de f est non borné.
• Les bornes des intervalles trouvés lors de la recherche de Df , ou lors de l’étude de
la régularité de f . En fait, tout point ayant été nommément cité est remarquable.
En général, en un tel point, la fonction n’est pas définie, ou alors elle est définie
mais les théorèmes généraux du cours ne permettent pas d’affirmer si elle y est
continue, dérivable, . . . D’autres points remarquables risquent d’apparaître dans les
paragraphes qui suivent.
4 Variations
Le signe de f 0 permet de déterminer des intervalles sur lesquels f est monotone (on
rappelle que f est supposée être raisonnablement gentille). Les points d’annulation de f 0
5. POINTS REMARQUABLES RÉELS 363
sont également des points remarquables (tangente horizontale).

On résume ce qui précède dans le tableau de variations de f , qui doit faire apparaître :
• Le signe de f 0 .
• Les points remarquables.
• Les points que nous trouvons rigolos ou attrayants ( zéros de f , de f 00 , . . . ).
Ce tableau est incomplet : il y manque les limites éventuelles de f en certains points
remarquables.
5 Points remarquables réels
5.1 Point réel où la fonction n’est pas définie
La fonction a-t-elle une limite infinie en ce point (éventuellement à droite ou à gauche) ?

On a alors une asymptote verticale .
A-t-on une limite finie ? On prolonge alors par continuité, et on passe au numéro suivant.
Pas de limite ? On abandonne tout espoir d’étude et on dessine comme on peut (cf sin x1 ).
5.2 Points où la fonction est définie
On recherche (en revenant éventuellement à la définition) si la fonction est continue au

point, si elle y est dérivable, si on a une tangente verticale à la courbe . . . Lorsqu’il y a
tangente oblique on recherche la position de la courbe par rapport à cette tangente au
voisinage du point considéré.
6 Étude à l’infini
on suppose ici à titre d’exemple que la fonction est définie au voisinage de +∞. C’est pareil
en −∞.
6.1 Limite à l’infini
Limite finie
Si f a une limite finie à l’infini, on a alors une asymptote horizontale . Le tableau de

variations permet de préciser la position de la courbe par rapport à cette asymptote.
Limite infinie
On passe au paragraphe intitulé « Direction asymptotique ».
Pas de limite
On abandonne l’étude et trace comme on le sent (exemple : sin(x2 )).
6.2 Direction asymptotique
On suppose ici que f (x) tend vers l’infini (plus ou moins) lorsque x → +∞. On considère
f (x)
x et on regarde ce que fait cette quantité lorsque x → ∞. A-t-on
• f (x) ∼ ax avec a 6= 0 ? Il y a direction asymptotique dans la direction de la

droite Y = aX. On passe au paragraphe suivant.
• f (x) = o(x) ? Il y a direction asymptotique dans la direction de la droite Ox.
On parle également de branche parabolique dans la direction de l’axe Ox.
• x = o(f (x)) ? Il y a direction asymptotique dans la direction de la droite Oy.
On parle également de branche parabolique dans la direction de l’axe Oy.
• Rien de tout cela ? On abandonne l’étude à l’infini et on trace au feeling.
f (x)
En résumé, c’est l’étude d’une limite éventuelle de x à l’infini qui permet de savoir si la
courbe admet une direction asymptotique.
6.3 Asymptote, branche parabolique
On suppose ici que f (x) → ±∞ lorsque x → +∞, et que f (x) ∼ ax où a 6= 0. On a donc

f (x) = ax + o(x) et il est alors naturel de considérer la quantité f (x) − ax. Cette quantité
admet-elle en +∞
• Une limite finie b ? On a alors f (x) = ax+b+o(1) et on dit que la droite Y = aX +b
est asymptote à la courbe au voisinage de +∞. On passe ensuite au paragraphe
suivant.
• Une limite infinie ? On a une branche parabolique dans la direction de la droite
Y = aX.
• Rien du tout ? On se contente de la direction asymptotique, et on arrête l’étude.
6.4 Position courbe/asymptote
On suppose ici que la courbe admet l’asymptote Y = aX + b (a 6= 0) au voisinage de +∞.

Il faut alors étudier la position de la courbe par rapport à cette asymptote, en considérant
la quantité f (x) − ax − b. Le signe de cette quantité détermine la position. On peut
7. CONCAVITÉ 365
chercher ce signe « algébriquement » lorsque les expressions mises en jeu sont simples, ou
sinon au voisinage de l’infini par des calculs d’équivalents ou des développements
asymptotiques.
7 Concavité
Cette étude est souvent omise. L’étude du signe de f 00 permet de préciser les inflexions
de la courbe, et les intervalles où la fonction est convexe ou concave .
Lorsque f 00 > 0 sur un intervalle, cela signifie que f 0 croît sur cet intervalle. Les pentes
augmentent, la courbe « tourne » vers la gauche. On dit dans ce cas que la fonction f est
convexe.
Si, au contraire, f 00 < 0, la fonction est concave.
Lorsque f 00 s’annule en changeant de signe, la fonction passe de convexe à concave (ou le

contraire). On tournait vers la gauche et on se met à tourner vers la droite. La courbe
présente une inflexion.
8 Tracé
C’est le but ultime de l’étude, et il ne doit pas être négligé. Tout ce qui a été étudié doit se
voir sur le dessin : les points remarquables et leurs éventuelles tangentes, les asymptotes
éventuelles, . . . et des axes avec une indication d’échelle. En revanche, en mathématiques
un tableau de valeurs est totalement inutile en général. Ce qui est important est la forme
de la courbe, beaucoup plus que son exactitude.
9 Un exemple complet
√
3
Nous allons étudier la fonction f : x 7→ x3 − x2 .
9.1 Ensemble de définition, symétries, régularité
La fonction f est continue sur R. Elle ne présente aucune symétrie apparente. Elle est de
classe C ∞ sur ]−∞, 0[, ]0, 1[ et ]1, +∞[. Nous voyons donc se dégager 4 points remarquables :
−∞, 0, 1 et +∞.
9.2 Variations
Pour tout x 6= 0, 1, on a
x(3x − 2)
f 0 (x) = p
3 (x3 − x2 )2
3
qui est du signe de x(3x − 2). La fonction f est donc

• Strictement croissante sur ] − ∞, 0].
• Strictement décroissante sur [0, 32 ].
• Strictement croissante sur [ 23 , +∞[.
9.3 Étude en 0
La fonction f est-elle dérivable en 0 ? Considérons des taux d’accroissement. Pour tout x

non nul voisin de 0, on a
r
f (x) − f (0) f (x) 3 1
= = 1−
x−0 x x
Lorsque x tend vers 0, x > 0, cette quantité tend vers −∞. À gauche de 0, cette même
quantité tend vers +∞. La courbe de f a donc une tangente verticale en 0. Cette tangente
verticale s’accompagne d’un changement de sens de variation : nous avons ce que l’on
appelle un point de rebroussement.
9.4 Étude en 1
La fonction f est-elle dérivable en 1 ? Considérons des taux d’accroissement. Pour tout x

différent de 1 voisin de 1, on a
p √
3
f (x) − f (1) 3
x2 (x − 1) x2
= = p
x−1 x−1 3
(x − 1)2
Lorsque x tend vers 1, cette quantité tend vers +∞. La courbe de f a donc une tangente
verticale en 1.
9.5 Étude en ±∞
On a pour tout x 6= 0
r
f (x) 3 1
= 1−
x x
9. UN EXEMPLE COMPLET 367
Cette quantité tend vers 1 lorsque x tend vers ±∞. On a donc à l’infini une direction
asymptotique, qui est celle de la droite d’équation Y = X.
Considérons donc f (x) − x :
r !
p
3 3 1
f (x) − x = x3 − x2 − x = x 1− −1
x
1
Comme x tend vers 0 en ±∞, les équivalents usuels nous donnent
r
3 1 1
1− − 1 ∼±∞ −
x 3x
Ainsi,
1
f (x) − x ∼ −
3
Comme deux fonctions équivalentes ont même limite, il en résulte que f (x) − x → − 13
lorsque x tend vers ±∞. La courbe admet donc à l’infini une asymptote qui est la droite
d’équation
1
Y =X−
3
Il s’agit maintenant de déterminer la position de la courbe par rapport à l’asymptote. Pour
cela il faut déterminer le signe de f (x) − x + 13 au voisinage de l’infini. Il s’agit pour cela
de peaufiner notre calcul d’équivalent, en faisant un développement asymptotique. On a,
à l’infini,
r 1
3 1 1 3
1− = 1−
x x
1
11 1 1
= 1− + 3 + o( 2 )
3x 2 x2 x
11 1 1 1
= 1− − 2
+ o( 2 )
3x 9x x
Multipliant le tout par x, il vient
1 11 1
f (x) = x − − + o( )
3 9x x
Ainsi,
1 11
f (x) − x + ∼−
3 9x
Au voisinage de −∞, la courbe est sur l’asymptote. Au voisinage de +∞, la courbe est
sous l’asymptote.
9.6 Courbe
9.7 Concavité
On trouve avec un peu de courage que pour x 6= 0, 1,
2
f 00 (x) = − 2
9(x2 (x − 1)) 3 (x − 1)
Cette quantité est positive si x < 1 et négative si x > 1. Ainsi,
La courbe tourbe vers la gauche sur ] − ∞, 1[.
La courbe tourbe vers la droite sur ]1, +∞[.
On a une inflexion en 1.
10 Un autre exemple
Nous allons étudier la fonction f : x 7→ sin xtan x .

10. UN AUTRE EXEMPLE 369
10.1 Ensemble de définition, symétries, régularité
On a très précisément f (x) = etan x ln sin x . La fonction f est donc définie en tout réel x tel
que tan x est défini et sin x > 0. Ainsi,
!
[ π
Df = ]2kπ, (2k + 1)π[ \ {2kπ + , k ∈ Z}
2
k∈Z
Cela fait très peur, mais f est de période 2π. Nous allons donc l’étudier sur
π
D =]0, π[\{ }
2
La fonction f est de classe C ∞ sur ]0, π2 [ et ] π2 , π[.
Nous voyons se dégager au final 3 points remarquables : 0, π2 et π.
10.2 Variations
Pour tout x ∈ D,

0 1 cos x f (x)
ln sin x + cos2 x

f (x) = f (x) 2
ln sin x + tan x = 2
cos x sin x cos x
Le signe de f 0 n’est pas évident. Posons ϕ(x) = ln sin x + cos2 x. La fonction ϕ est dérivable
sur ]0, π[ et, pour tout x ∈]0, π[,
cos x cos x(1 − 2 sin2 x)

ϕ0 (x) = − 2 sin x cos x =
sin x sin x
On en déduit les variations de ϕ.
π π 3π
x 0 4 2 4
π
ϕ0 (x) + 0 − 0 + 0 −
>0 >0
ϕ(x)
−∞ 0 −∞
Par le TVI et la monotonie stricte, ϕ s’annule en un réel α ∈]0, π4 [, en π

2 et en β = π − α.
Comme le signe de f 0 est celui de ϕ, on en déduit les variations de f .
π
x 0 α 2 β π
f 0 (x) − 0 + 0 −
? ?
f (x) ?
? ?
π
Avis aux lecteurs : il faudrait une double barre à la verticale de 2 mais, assez paresseuse-
ment, je n’ai pas envie de chercher comment faire.
10.3 Étude en 0
Pour tout x > 0 voisin de 0, on a
tan x ln sin x ∼ x ln x
Or, x ln x tend vers 0 lorsque x tend vers 0. On en déduit que tan x ln sin x tend aussi vers
0 et, donc, f (x) tend vers e0 = 1 lorsque x tend vers 0.
On peut donc prolonger f par continuité en 0 en posant f (0) = 1. Le prolongement est-il
dérivable ? On a
f (x) − f (0) 1 tan x ln sin x 1 1

= e − 1 ∼ tan x ln sin x ∼ x ln x = ln x
x−0 x x x
Les taux d’accroissement tendent donc vers −∞ lorsque x tend vers 0 : la courbe de f
possède au point (0, 1) une tangente verticale.
10.4 Étude en π
L’étude en π est tout à fait analogue. Il suffit de poser x = π − h où h tend vers 0 lorsque
x tend vers π. On obtient que f (x) tend vers 1 lorsque x tend vers π et que la courbe a
une tangente verticale au point (π, 1).
π
10.5 Étude en 2
π π
Posons x = 2 + h, de sorte que h tend vers 0 lorsque x tend vers 2. On a

1
f (x) = exp(tan x ln sin x) = exp − ln cos h
tan h
10. UN AUTRE EXEMPLE 371
Nous allons faire un DL à l’ordre 1 de l’expression entre parenthèses. Tout d’abord
1 1
ln cos h = ln(1 − h2 + o(h2 )) = − h2 + o(h2 )
2 2
Ensuite,
tan h = h + o(h2 ) = h(1 + o(h))
et donc
1 1 1 1
= = (1 + o(h))
tan h h 1 + o(h) h
Regroupons le tout. Il vient

1 1 1 2 2
− ln cos h = (1 + o(h)) h + o(h )
tan h h 2

1
= (1 + o(h)) h + o(h)
2
1
= h + o(h)
2
Pour finir,

1 1 1 π π
f (x) = exp h + o(h) = 1 + h + o(h) = 1 + (x − ) + o(x − )
2 2 2 2 2
π
On en déduit que f (x) tend vers 1 lorsque x tend vers 2, puis que le prolongement par
continuité de f est dérivable en π2 , de dérivée 12 .
Un développement limité à l’ordre 2 aurait permis de connaître la position de la courbe

par rapport à sa tangente au voisinage de π2 . Nous ne le ferons pas.
10.6 Courbe
Ne connaissant pas précisément α, et donc β = π − α, on trace la courbe un peu comme

on le peut. Ce qui est important, c’est de faire clairement apparaître les variations de f et
l’allure de f au voisinage des points remarquables. La courbe ci-dessous est un exemple de
ce qu’il ne faut pas faire. Obtenue automatiquement, la courbe ne présente pas de tangente
clairement verticale pour x = 0 et x = π. Un tracé à la main serait préférable.
10.7 Concavité
Nous avons déjà eu du mal à étudier les variations de f . L’étude de la concavité serait sans
doute truffée de calculs inextricables, nous nous en dispenserons.
Chapitre 22
Espaces vectoriels
373
374 CHAPITRE 22. ESPACES VECTORIELS
1 Généralités
1.1 Notion d’espace vectoriel
Définition 1. Soit K un corps. Soit E un ensemble. On suppose E muni

• d’une loi de composition interne + : E × E −→ E.
• d’une loi de composition externe . : K × E −→ E.
On dit que (E, +, .) est un K-espace vectoriel lorsque
• (E, +) est un groupe commutatif.
• ∀x ∈ E, 1.x = x.
• ∀λ ∈ K, ∀x, y ∈ E, λ.(x + y) = λ.x + λ.y.
• ∀λ, µ ∈ K, ∀x ∈ E, (λ + µ).x = λ.x + µ.x.
• ∀λ, µ ∈ K, ∀x ∈ E, (λµ).x = λ.(µ.x).
Les éléments de E sont appelés des vecteurs. Les éléments de K son appelés des sca-
laires.
1.2 Propriétés immédiates
Soit E un K-espace vectoriel.
Proposition 1. ∀λ ∈ K, ∀x ∈ E, λx = 0 ⇐⇒ λ = 0 ou x = 0.
Démonstration. Soit λ ∈ K. On a λ0 = λ(0 + 0) = λ0 + λ0 d’où, en soustrayant λ0 :

λ0 = 0. De même, pour tout x ∈ E, 0x = 0. Inversement, soient λ ∈ K et x ∈ E tels que
λx = 0. Supposons λ 6= 0. On multiplie par λ1 :

1 1
0 = (λx) = λ x = 1x = x
λ λ
Proposition 2. ∀x ∈ E, (−1)x = −x.
Démonstration. 1x + (−1)x = (1 + (−1))x = 0x = 0.

1. GÉNÉRALITÉS 375
1.3 Exemples
• Kn
On munit Kn d’une structure de K-espace vectoriel avec les opérations ci-dessous.
+ : Kn × Kn −→ Kn
(x1 , · · · , xn ) , (y1 , · · · , yn ) 7→ (x1 + y1 , · · · , xn + yn )
et
. : K × Kn −→ Kn
λ , (x1 , · · · , xn ) 7→ (λx1 , · · · , λxn )
Remarque 1. : C peut être vu à la fois comme le C-espace vectoriel C1 et le R-espace

vectoriel R2 . Ces deux structures sont différentes. Lorsque le corps de base n’est pas précisé,
c’est le contexte qui permet de savoir.
• FX
On se donne un ensemble X et un K-espace vectoriel F . L’ensemble des fonctions de X

dans F , muni des opérations
• d’addition des fonctions : (f + g)(x) = f (x) + g(x)
• de multiplication d’une fonction par un scalaire : (λ.f )(x) = λ.(f (x)).
est lui-même un K-espace vectoriel. Comme cas particuliers, les fonctions de R vers R, les
suites à valeurs complexes, etc.
• K[X]
• Mpq (K)
• Produit d’espaces vectoriels
Soient E et F deux K-espaces vectoriels. L’ensemble E × F est muni de façon évidente

d’une structure d’espace vectoriel. On peut évidemment faire un produit de 3, . . . , n espaces
vectoriels. On remarque que l’espace Kn est en fait le produit K × . . . × K de n copies du
K-espace vectoriel K.
1.4 Combinaisons linéaires

Définition 2. Soit E un K-espace vectoriel, x1 , . . . , xn n vecteurs de E, et λ1 , . . . , λn

n scalaires. On appelle combinaison linéaire des xi affectés des coefficients λi le vecteur
n
X
u= λi .xi
i=1
Exemple. Dans R2 , soient e1 = (1, 1) et e2 = (0, 1). Tout vecteur de R2 s’écrit de façon
unique comme combinaison linéaire de e1 et e2 . On dit que (e1 , e2 ) est une base du plan.
Exemple. Dans R3 , soient e1 = (1, 2, 1), e2 = (2, −1, 0) et e3 = (3, 1, 1). Soit u =
(x, y, z) ∈ R3 . Le vecteur u est combinaison linéaire des ei si et seulement si il existe 3
scalaires λ1 , λ2 , λ3 tels que u = λ1 e1 + λ2 e2 + λ3 e3 . Il est équivalent de dire que le système
ci-dessous admet au moins une solution :

 x = λ1 + 2λ2 + 3λ3
(S) y = 2λ1 − λ2 + λ3
z = λ1 + λ3

On voit qu’une condition nécessaire d’existence d’une solution pour (S) est que x+2y = 5z.
Inversement, si cette égalité est vérifiée, on peut trouver une solution avec λ2 = 0.
On donne maintenant une définition plus générale de la notion de combinaison linéaire.
Définition 3. Soit I un ensemble quelconque, (xi )i∈I une famille de vecteurs de E, et

(λi )i∈I une famille dePscalaires telle que tous les λi , sauf un nombre fini, soient nuls. On
utilisera la notation i∈I λi .xi pour représenter λi1 xi1 + . . . + λip xip , où i1 , . . . , ip sont
des éléments de I en dehors desquels les λ sont nuls. On convient également qu’une
combinaison linéaire vide est le vecteur nul.
Remarque 2. Une famille de scalaires tous nuls sauf un nombre fini d’entre-eux est dite
presque nulle.
Exemple. Dans E = CR , on considère la famille F = (fn )n∈Z définie par ∀n ∈ Z, ∀x ∈
R, fn (x) = einx . Alors, la fonction cos3 est combinaison des éléments de la famille F. En
effet, pour tout réel x, on a
3 1
cos3 x = cos 3x + cos x
4 4
donc
3 1
cos3 = f3 + f1
4 4
2. APPLICATIONS LINÉAIRES 377
2 Applications linéaires
2.1 C’est quoi ?
Définition 4. Soient E et F deux K-espaces vectoriels. Soit f : E −→ F . On dit que

f est une application linéaire lorsque
• ∀x, y ∈ E, f (x + y) = f (x) + f (y).
• ∀λ ∈ K, ∀x ∈ E, f (λx) = λf (x).
Bref, les applications linéaires sont les morphismes d’espaces vectoriels.
Remarque 3. Une application linéaire f est avant tout un morphisme de groupes additifs.
Elle vérifie donc f (0) = 0.
Proposition 3. Soit f : E −→ F .
f est linéaire ⇐⇒ f conserve les combinaisons linéaires.
Démonstration. Supposons f linéaire. Montrons par récurrence sur n ∈ N que f conserve

les combinaisons linéaires de n vecteurs. Pour n = 0, cela vient du fait que f (0) = 0. Pour
n = 1, c’est parce que f (λx) = λf (x). Pour n = 2,
f (λx + µy) = f (λx) + f (µy) = λf (x) + µf (y)
Pour passer de n à n + 1, il suffit de remarquer que combiner n + 1 vecteurs revient à

combiner les n premiers, puis à combiner le résultat avec le dernier. Donc, si on sait faire
pour n et pour 2, on sait faire pour n + 1. Inversement, si f conserve les combinaisons
linéaires, elle est évidemment linéaire, puisque l’addition et le produit par un scalaire sont
des cas particuliers de combinaisons linaires.
Remarque 4. En clair, la linéarité de f permet d’écrire des égalités du type
!
X X
f λ i xi = λi f (xi )
i∈I i∈I
2.2 Quelques exemples
Cinq exemples choisis parmi les milliers que nous rencontrerons au fil du cours . . .
• Les homothéties : f : E −→ E; x 7→ αx. Lorsque E = K, ce sont les seules applica-

tions linéaires.
• f : K[X] −→ K définie par f (P ) = P (1).
• f (u) = lim+∞ u, définie sur l’ensemble des suites réelles convergentes, à valeurs dans
R.
• f : D1 (R) −→ RR définie par f (ϕ) = ϕ0 . R
x
• f : C 0 (R) −→ C 1 (R) définie par f (ϕ)(x) = 0 ϕ(t) dt.
2.3 Endomorphismes du plan
On se propose de rechercher toutes les applications linéaires R2 −→ R2 et de déterminer

lesquelles sont bijectives. Soient e1 = (1, 0) et e2 = (0, 1) les vecteurs de la base canonique
de R2 . Soit u = (x, y) = xe1 + ye2 un vecteur quelconque. On se donne f linéaire. Posons
u0 = (x0 , y 0 ) = f (u). Alors, f (u) = xf (e1 ) + yf (e2 ), d’où
0
x = ax + cy
(S)
y 0 = bx + dy
où f (e1 ) = (a, b) et f (e2 ) = (c, d). Il est clair qu’inversement l’application ci-dessus est
linéaire. Les endomorphismes de R2 sont donc caractérisés par la donnée de 4 réels a, b, c, d.
Cherchons maintenant lesquels sont injectifs. Si f est injectif, l’équation f (u) = f (0) doit
avoir une unique solution : (0, 0). On s’intéresse donc au système

ax + cy = 0
bx + dy = 0
À quelle condition ce système admet-il pour unique solution le couple (0, 0) ? On voit que si
un couple (x, y) est solution, alors (combinaison judicieuse) (ad−bc)x = 0 et (ad−bc)y = 0.
Donc, si ad − bc 6= 0, on aura x = y = 0. Inversement, si ad − bc = 0, alors une petite
discussion sur la nullité ou non du couple (a, c) permet de trouver une solution non nulle
au système.
Conclusion : f est injective si et seulement si ad − bc 6= 0.
Cherchons maintenant une condition de surjectivité. On constate, en résolvant le système
(S), que si ad − bc 6= 0, alors f est surjective. Mieux, dans ce cas le système admet une
solution unique : f est donc bijective. La réciproque de f est d’ailleurs linéaire, et est
donnée par (x0 , y 0 ) = f −1 (x, y) où
0 1
x = ad−bc (dx − cy)
0 1
y = ad−bc (−bx + ay)
Si ad − bc = 0, alors , dans le cas où le couple (a, b) n’est pas le couple nul, on constate que
si (S) possède une solution, alors bx0 − ay 0 = 0. L’application f n’est donc pas surjective.
Si (a, b) = (0, 0), on trouve de même des éléments de R2 qui n’ont pas d’antécédent par f .
Conclusion : f est surjective si et seulement si ad − bc 6= 0.
2. APPLICATIONS LINÉAIRES 379
2.4 Vocabulaire, notations
Soient E et F deux espaces vectoriels.

On note L(E, F ) l’ensemble des applications linéaires de E dans F .
Lorsque E = F , on note plus simplement L(E).
Lorsque F = K on note E ∗ = L(E, K) et cet ensemble est appelé le dual de E.
Définition 5. Soit f ∈ L(E, F ). on dit que

• f est un endomorphisme de E lorsque E = F .
• f est un isomorphisme lorsque f est bijective.
• f est un automorphisme de E lorsque f est un endomorphisme bijectif.
• f est une forme linéaire sur E lorsque F = K (le corps de base).
2.5 Opérations sur les applications linéaires
On donne ici quelques théorèmes relatifs aux opérations sur les applications linéaires.
Proposition 4. Soient E et F deux K-espaces vectoriels. L’ensemble L(E, F ), muni

de l’addition des fonctions et de la multiplication par un scalaire, est un K-espace
vectoriel.
Démonstration. Vérifications immédiates.

En clair, la somme de deux applications linéaires est linéaire, le produit d’une application
linéaire par un sacalaire est linéaire, et ces opérations vérifient tous les axiomes de la
structure d’espace vectoriel. Noter que L(E, F ) ⊂ F E est ce que l’on appellera bientôt un
sous-espace vectoriel de F E .
Proposition 5. Soient E, F, G trois K-espaces vectoriels. Soit f ∈ L(E, F ) et g ∈

L(F, G). Alors
• g ◦ f ∈ L(E, G).
• Si f est un isomorphisme, alors f −1 ∈ L(F, E).
Démonstration. Soient x, y ∈ E et λ, µ ∈ K. On a
g ◦ f (λx + µy) = g(f (λx + µy)) = g(λf (x) + µf (y)) = λg ◦ f (x) + µg ◦ f (y)
Supposons f ∈ L(E, F ) bijectif et posons g = f −1 . Soient x, y ∈ F . Posons x = f (X) et

y = f (Y ). On a
g(λx + µy) = g(λf (X) + µf (Y )) = g(f (λX + µY )) = λX + µY = λg(X) + µg(Y )
Proposition 6. Soit E un K-espace vectoriel. L’ensemble L(E), muni des lois +, . et

◦ est une K-algèbre (non commutative en général).
Démonstration. Nous savons déjà que L(E) est un K espace vectoriel. Il reste à vérifier
les propriétés d’anneau et une petite propriété dont nous n’avons pas encore parlé. Le neutre
pour la composition est idE , qui est clairement linéaire. La composition est associative,
ceci est une propriété universelle. Reste à voir la distributivité par rapport à l’addition.
Soient donc f, g, h ∈ L(E) et x ∈ E. On a
(g + h) ◦ f (x) = (g + h)(f (x)) = g(f (x)) + h(f (x)) = (g ◦ f + h ◦ f )(x)
D’où
(g + h) ◦ f = g ◦ f + h ◦ f
Remarquons que ceci est vrai sans utiliser la linéarité. En revanche
f ◦ (g + h)(x) = f (g(x) + h(x)) = (f ◦ g + f ◦ h)(x)
donc
f ◦ (g + h) = f ◦ g + f ◦ h
Et là, on a eu besoin de la linéarité de f .
La dernière propriété à vérifier relie le produit par un scalaire à la composition. Il s’agit
de voir que
∀f, g ∈ L(E), ∀λ ∈ K, λ(g ◦ f ) = (λg) ◦ f = g ◦ (λf )
C’est vrai parce que g est linéaire. Laissons la non commutativité de côté pour l’instant.
Nous verrons que dès que E est « suffisamment gros » (de dimension strictement supérieure
à 1), L(E) n’est pas commutatif.
Proposition 7. Soit E un K-espace vectoriel. L’ensemble des automorphismes de E

est un groupe pour la composition, non commutatif en général.
Démonstration. C’est l’ensemble des éléments inversibles de l’anneau L(E). Pour la

non commutativité, même remarque que ci-dessus.
3. SOUS-ESPACES VECTORIELS 381
Définition 6. Le groupe des automorphismes de l’espace vectoriel E est appelé le

groupe linéaire de E, et est noté GL(E).
3 Sous-espaces vectoriels
3.1 C’est quoi ?
Définition 7. Soit E un K-espace vectoriel. Soit F ⊂ E. On dit que F est un sous-

espace vectoriel de E lorsque, F est stable pour les lois + et ., et que, muni de ces
deux lois, F est lui-même un espace vectoriel.
3.2 Caractérisation
Proposition 8. Soit E un K-espace vectoriel. Soit F ⊂ E. F est un sous-espace

vectoriel de E si et seulement si
• F est non vide.
• ∀x, y ∈ F, x + y ∈ F .
• ∀λ ∈ K, ∀x ∈ F, λx ∈ F .
Remarque 5.
• Cette proposition nous dit que pour prouver qu’un ensemble est un espace vectoriel,
il suffit tout d’abord de remarquer qu’il est inclus dans un « gros » espace vectoriel,
puis de vérifier trois petites propriétés. Comparer avec la définition d’espace vec-
toriel, qui nécessite de prouver 10 propriétés. Moralité, on utilisera ce théorème à
chaque fois que ce sera possible.
• Les deux dernières conditions peuvent être remplacées par
∀λ ∈ K, ∀x, y ∈ E, λx + y ∈ E
• Une partie non vide de E est un s.e.v de E si et seulement si elle est stable par
combinaisons linéaires.
3.3 Exemples
• Pour tout espace vectoriel E, {0} et E sont des sev de E.

• Les droites vectorielles sont des s.e.v. de R2 . Les droites et les plans vectoriels sont
des sev de R3 .
• L’ensemble des suites réelles convergentes est un sev de l’espace RN des suites réelles.
• L’ensemble des fonctions f : R −→ R de classe C 3 telles que f (0) = 0 est un sev de
RR .
• Pour tout n ≥ 0, l’ensemble Rn [X] des polynômes de degré inférieur ou égal à n est
un sev de R[X].
• L’ensemble Tn (K) des matrices triangulaires supérieures n×n est un sev de Mn (K).
3.4 Image directe et réciproque par une application linéaire
Proposition 9. Soient E, F deux K-espaces vectoriels, et f ∈ L(E, F ). Soient E 0 un

s.e.v de E, et F 0 un s.e.v de F . Alors, f (E 0 ) est un s.e.v de F , et f −1 (F 0 ) est un s.e.v
de E.
Démonstration. Prouvons le résultat pour l’image directe. L’image réciproque est laissée
en exercice. Tout d’abord, 0 ∈ E 0 , donc f (0) = 0 ∈ f (E 0 ) : f (E 0 ) est non vide. Soient
u, v ∈ f (E 0 ) et λ ∈ K. Il existe x, y ∈ E 0 tels que u = f (x) et v = f (y). On a alors
λu + v = λf (x) + f (y) = f (λx + y) ∈ f (E 0 )

Deux cas fondamentaux vont suivre.
3.5 Noyau et image d’une application linéaire
Définition 8. Soit f ∈ L(E, F ) une application linéaire. On appelle noyau de f le

sous-espace vectoriel de E
ker f = f −1 ({0})
et image de f le sous-espace vectoriel de F
Im f = f (E)
Exemple.
• f : R2 −→ R2 définie par f (x, y) = (x + 3y, 2x + 6y). Soit u = (x, y) ∈ R2 . Alors
u ∈ ker f si et seulement si x + 3y = 0. ker f est la droite de R2 engendrée par
(−3, 1). On a u ∈ Im f si et seulement si il existe a, b ∈ R tels que x = a + 3b et
4. OPÉRATIONS SUR LES S.E.V 383
y = 2a + 6b. Il est facile de voir que ceci équivaut à y = 2x. Donc, l’image de f est
la droite engendrée par (1, 2).
• Soit ϕ : C 1 (R) −→ RR définie par ϕ(f ) = f 0 . Alors ker ϕ est l’ensemble des fonctions
constantes et le cours d’intégration nous montrera que Im ϕ = C 0 (R).
Proposition 10. Soit f ∈ L(E, F ).

• f est injective si et seulement si ker f = {0}.
• f est surjective si et seulement si Im f = F .
Démonstration. Voir le chapitre sur les groupes. En effet, une application linéaire est
avant tout un morphisme de groupes.
4 Opérations sur les s.e.v
4.1 Intersection
Proposition 11. Soit E un espace vectoriel. Toute intersection de sous-espaces vec-

toriels de E est un sous-espace vectoriel de E.
T
Démonstration. Soit (Ei )i∈I une famille de sev de E. Soit F = i∈I Ei .
0 est dans tous les Ei , donc dans F . Ainsi, F est non vide.
Soient x, y ∈ F et λ ∈ K. x et y sont dans tous les Ei , donc λx + y aussi.
4.2 s.e.v engendré par une partie
Proposition 12. Soit A une partie d’un espace vectoriel E. L’intersection de tous les
s.e.v de E contenant A est encore un s.e.v de E contenant A, et c’est même le plus
petit au sens de l’inclusion. On l’appelle le s.e.v de E engendré par A et on le note
V ect(A) ou < A >.
Démonstration. Toute intersection de sev de E est encore un sev de E. De plus, toute

intersection de parties de E contenant A contient aussi A.
Exemple.
• < ∅ >= {0}.
• Si F est un sev de E, alors < F >= F .

• Soit u = (1, 2) ∈ R2 : < {u} > (noté plus simplement ) est la droite vectorielle
engendrée par u. Ce sera évident dans deux secondes.
Proposition 13. Soit A une partie d’un espace vectoriel E. Le s.e.v de E engendré
par A est l’ensemble des combinaisons linéaires d’éléments de A.
Démonstration. Notons F l’ensemble des combinaisons linéaires d’éléments de A. Il

est clair que F est un s.e.v de E contenant A. De plus tout s.e.v de E contenant A doit
contenir F , car un s.e.v est stable par combinaison linéaire. Donc, F =< A >.
Un cas important est celui où la partie A est finie. Par exemple, si u ∈ E, alors
= {λu, λ ∈ K}
Si u et v sont deux vecteurs de E, alors
< u, v >= {λu + µv, λ, µ ∈ K}
Remarquer l’abus de notation qui consiste à ne pas écrire les accolades.

Exercice. On se place dans R3 , et on pose e1 = (1, 2, 3), e2 = (4, 5, 6) et e3 = (7, 8, 9).
Déterminer < e1 , e2 , e3 >.
4.3 Quelques propriétés
Proposition 14. Soient A et B deux parties d’un espace vectoriel E. On a

• A ⊂< A > avec égalité si et seulement si A est un sev de E.
• << A >>=< A >.
• A ⊂ B =⇒ < A >⊂.
• < A ∩ B >⊂< A > ∩ .
Démonstration.
Premier point : < A > est le plus petit . . . contenant A, donc il contient A. Si on a égalité,
alors < A > est les plus petit sev de E . . . , c’est donc un sev de E. Inversement, si A est
un sev de E, il est clair que le plus petit sev de E qui contient A est A.
Second point : puisque < A > est un sev de E, on a << A >>=< A >.
Troisième point : supposons A ⊂ B. Alors A ⊂. Mais < A > est le plus petit sev de
E contenant A, et en est un, donc < A >⊂.
Dernier point : A ∩ B ⊂ A, donc < A ∩ B >⊂< A >. De même, < A ∩ B >⊂ d’où
l’inclusion demandée.
5. SOUS-ESPACES SUPPLÉMENTAIRES 385
Remarque 6. Soient A = {(1, 2)} et B = {(2, 4)} deux parties de R2 . On a

< A >==< (1, 2) >
donc
< A > ∩ =< (1, 2) >
En revanche,
< A ∩ B >= {0}
L’inclusion réciproque dans le dernier point de la proposition ci-dessus est donc fausse en
général.
5 Sous-espaces supplémentaires
5.1 Somme de deux s.e.v
Soient F et G deux s.e.v d’un espace vectoriel E. On appelle somme de F et G la partie

de E
F + G = {x + y, x ∈ F, y ∈ G}
Proposition 15. F + G est un sev de E. Précisément,
F + G =< F ∪ G >
Démonstration. F + G est non vide et stable par combinaison linéaire. C’est donc un
sev de E.
Pour tout x ∈ F , on a x = x + 0 ∈ F + G donc F ⊂ F + G. De même pour G, d’où
F ∪ G ⊂ F + G.
Soit H un sev de E contenant F ∪ G. Pour tout x ∈ F et y ∈ G, x, y ∈ H donc x + y ∈ H.
Ainsi, F + G ⊂ H. F + G est donc le plus petit sev de E contenant F ∪ G, c’est à dire que
F + G =< F ∪ G >.
Remarque 7. On généralise à la somme de n sev E1 , . . . , En d’un espace vectoriel E.
5.2 Sommes directes - s.e.v supplémentaires
Définition 9. On dit que F et G sont en somme directe lorsque tout élément z de

F + G s’écrit de façon unique sous la forme z = x + y, avec x ∈ F et y ∈ G.
Notation. Lorsque F et G sont en somme directe, on note F ⊕ G la somme de F et G.
C’est l’unicité qui importe, vu que l’existence est assurée par la définition même de la
somme de deux sev.
Proposition 16. Deux sev de E, F et G, sont en somme directe, si et seulement si
F ∩ G = {0}
Démonstration. Supposons F et G en somme directe. Soit x ∈ F ∩ G. Alors, x =

x + 0 = 0 + x et on a deux décompositions de x sur F + G. Comme la somme est directe,
la décomposition est unique, et ainsi x = 0.
Inversement, supposons que F ∩ G = {0}. Soit x = x1 + x2 = y1 + y2 un élément de F + G,

donné avec deux décompositions sur la somme. On a alors x1 − y1 = y2 − x2 et ces deux
quantités sont dans F ∩ G. Elles sont donc nulles.
Définition 10. Deux sev de E, F et G sont dit supplémentaires lorsque
F ⊕G=E
En d’autres termes, F et G sont supplémentaires lorsque tout vecteur de E s’écrit de façon

unique comme somme d’un vecteur de F et d’un vecteur de G.
Exemple.
• Deux droites vectorielles distinctes du plan sont supplémentaires.

• Les ensembles P des fonctions paires et I des fonctions impaires de R vers R sont
des sev supplémentaires de RR .
• Les ensembles Sn (K) et An (K) des matrices symétriques et des matrices antisymé-
triques n × n sont des sev supplémentaires de Mn (K).
5.3 Projecteurs
Définition 11. Soit E un espace vectoriel. On appelle projecteur de E tout endomor-

phisme p de E vérifiant
p◦p=p
5. SOUS-ESPACES SUPPLÉMENTAIRES 387
Proposition 17. Soit E un espace vectoriel. Soit p ∈ L(E). L’endomorphisme p est un

projecteur si et seulement si il existe deux sous-espaces vectoriels de E supplémentaires,
F et G tels que
• ∀x ∈ F, p(x) = x.
• ∀x ∈ G, p(x) = 0.
Les deux sev F et G sont uniquement déterminés par la donnée du projecteur p. Pré-
cisément,
F = ker(p − id) = Im p et G = ker p
Démonstration. Supposons que p est un projecteur de E. Soient F = ker(p − id) et

G = ker p. Alors, F et G sont des sev de E puisque ce sont des noyaux d’applications
linéaires. De plus, F ∩ G = {0} puisque un vecteur x de leur intersection doit vérifier
p(x) = x = 0. Enfin, pour tout x de E, on a
x = (x − p(x)) + p(x)
et p(x − p(x)) = 0, donc x − p(x) ∈ G, et p(p(x)) = p(x), donc p(x) ∈ F , d’où F ⊕ G = E.

La réciproque est immédiate.
Si F1 et G1 vérifient les mêmes propriétés que F et G, alors pour tout x de F1 , on a
p(x) = x, donc x ∈ F = Ker(p − id). De même, G1 ⊂ G. Soit x ∈ F . Alors, x = x1 + x2 ,
avec x1 ∈ F1 et x2 ∈ G1 . On en tire p(x) = p(x1 ) + p(x2 ) ou encore x = x1 . Donc, x ∈ F1 .
De même, G1 = G.
Définition 12. Le projecteur p est appelé projecteur sur F parallèlement à G.
5.4 Symétries
Définition 13. Soit E un espace vectoriel. On appelle symétrie de E tout endomor-

phisme f de E vérifiant
f ◦ f = id
Proposition 18. Soit E un espace vectoriel sur un corps K dans lequel 2 6= 0. Soit
f ∈ L(E). L’endomorphisme f est une symétrie si et seulement si il existe deux sous-
espaces vectoriels de E supplémentaires, F et G tels que
• ∀x ∈ F, f (x) = x.
• ∀x ∈ G, f (x) = −x.
Les deux sev F et G sont uniquement déterminés par la donnée dde la symétrie f .
Démonstration. Supposons que f est une symétrie de E. Soient F = Ker(f − id) et

G = Ker(f +id). Alors, F et G sont des sev de E puisque ce sont des noyaux d’applications
linéaires. De plus, F ∩ G = {0} puisque un vecteur x de leur intersection doit vérifier
f (x) = x = −x. Enfin, pour tout x de E, on a
x + f (x) x − f (x)
x= +
2 2
Remarquons que
x + f (x) x + f (x)
f =
2 2
x+f (x)
donc 2 ∈ F . De même,

x − f (x) x − f (x)
f =
2 2
x−f (x)
donc 2 ∈ G, d’où F ⊕ G = E.
La réciproque est immédiate.
Si F1 et G1 vérifient les mêmes propriétés que F et G, alors pour tout x de F1 , on a
f (x) = x, donc x ∈ F = Ker(f − id). De même, G1 ⊂ G. Soit x ∈ F . Alors, x = x1 + x2 ,
avec x1 ∈ F1 et x2 ∈ G1 . On en tire f (x) = f (x1 ) + f (x2 ) ou encore x = x1 − x2 . Donc, en
additionnant les deux égalités donnant x, x = x1 ∈ F1 . De même, G1 = G.
Définition 14. On dit que f est la symétrie par rapport à F , parallèlement à G.
6 Familles remarquables de vecteurs
6.1 Famille libre, famille génératrice, base
Définition 15. Soit F = (ei )i∈I une famille de vecteurs d’un espace vectoriel E. On
dit que la famille F est
6. FAMILLES REMARQUABLES DE VECTEURS 389
• Une famille libre lorsque tout vecteur de E s’écrit d’au plus une façon comme
combinaison linéaire des vecteurs de F.
• Une famille génératrice de E lorsque tout vecteur de E s’écrit d’au moins une
façon comme combinaison linéaire des vecteurs de F.
• Une base de E lorsque tout vecteur de E s’écrit d’exactement une façon comme
combinaison linéaire des vecteurs de F.
Exemple.
• La famille vide est libre.
• Une famille (u) de 1 vecteur est libre si et seulement si ce vecteur est non nul.
• Dans Kn , la famille (e1 , . . . , en ) où ei est le n-uplet dont toutes les coordonnées sont
nulles, sauf la ième qui vaut 1, est une base. On l’appelle la base canonique de Kn .
• La famille (X n )n≥0 est une base de K[X]. On l’appelle la base canonique de K[X].
• La famille (Eij )1≤i≤p,1≤j≤q des matrices élémentaires de taille p × q est une base de
Mpq (K). On l’appelle la base canonique de Mpq (K).
6.2 Vocabulaire
Les vecteurs d’une famille libre sont dits indépendants.

Une famille qui n’est pas libre est dite liée.
P
Si B = (ei )i∈I est une base de E, et x = i∈I xi ei est un vecteur de E, les scalaires xi ,
tous nuls sauf un nombre fini d’entre eux, sont appelés les coordonnées du vecteur x dans
la base B.
6.3 Propriétés faciles
Proposition 19. Une famille F = (ei )i∈I de vecteurs de E est libre si et seulement
si pour toute famille presque nulle de scalaires (λi )i∈I , on a
X
λi ei = 0 =⇒ ∀i ∈ I, λi = 0
i∈I
Démonstration. Supposons la familleP F libre. Le vecteur nul s’écrit d’au plus une façon
comme combinaison des ei . Or, 0 = i∈I 0ei . D’où l’implication. Inversement, supposons
F liée. Il existe donc un vecteur x de E s’écrivant de deux façons différentes comme
combinaison des vecteurs de F. On a donc
X X
x= λi ei = µi e i
i ∈I i ∈I
et il existePau moins un i ∈ I tel que λi 6= µi . En posant pour tout i ∈ I, νi = λi − µi , il

vient 0 = i ∈I νi ei avec les νi pas tous nuls, ce qui est la négation de l’implication.
Exercice. Montrer que les vecteurs e1 = (1, 1, 2), e2 = (1, 1, 1) et e3 = (2, 1, 0) forment
une base B de R3 , et calculer, pour tout vecteur u = (x, y, z) ∈ R3 , ses coordonnées dans
la base B.
Proposition 20. Une famille F = (ei )i∈I de vecteurs de E est liée si et seulement si
l’un des vecteurs de la famille est combinaison linéaire des autres.
P
Démonstration. Supposons la famille liée. On a alors une combinaison nulle i∈I λi ei =
0 avec au moins un des λi non nul. Soit i0 ∈ I tel que λi0 6= 0. Alors, on peut exprimer ei0
comme combinaison des autres vecteurs :
X λi
ei0 = − ei
λi0
i6=i0
Inversement, supposons qu’il existe i0 ∈ I tel que

X
e i0 = µi ei
i6=i0
P
où les µi ∈ K sont presque tous nuls. Alors, on a une combinaison nulle i∈I λi ei = 0,
en posant λi = µi si i 6= i0 , et λi0 = −1. Combinaison nulle, donc, mais au moins un des
coefficients est non nul, puisqu’il vaut −1.
Histoire d’insister, F est liée si et seulement si
X
∃i0 ∈ I, ∃(λi )i6=i0 , ei0 = λi ei
i6=i0
Il s’agit bien de « ∃i0 ». L’un des vecteurs est combinaison des autres, mais on ne peut pas
a priori dire lequel. Prenons un exemple. Dans E = R3 , soient e1 , (1, 2, 3), e2 = (2, 4, 6) et
e3 = (1, 2, 4). La famille (e1 , e2 , e3 ) est liée car
e2 = 2e1 + 0e3
Remarquons cependant qu’il est impossible d’exprimer e3 comme combinaison linéaire de

e1 et e2 (exercice).
Les preuves des trois propriétés ci-dessous sont laissées en exercice.
Proposition 21. Toute « sous-famille » d’une famille libre est libre.

Proposition 22. Toute « sur-famille » d’une famille liée est liée.
Proposition 23. Toute « sur-famille » d’une famille génératrice est génératrice.
Remarque 8. Les problèmes intéressants se posent donc lorsqu’on considère des sur-
familles de familles libres ou des sous-familles de familles génératrices, c’est à dire des «
grosses » familles libres ou des « petites » familles génératrices.
6.4 Familles remarquables et applications linéaires
Proposition 24. Soient E et F deux K-espaces vectoriels. Soit F une famille de

vecteurs de E. Soit f ∈ L(E, F ). On a
• f (< F >) =< f (F) >.
• Si f est injective, et F est libre, alors f (F) est libre.
• Si f est surjective, et F est génératrice de E, alors f (F) est génératrice de F .
Démonstration. Posons F = (ei )i∈I .

P
Premier point : Soit y ∈ E. Alors y ∈ f (< F >) si et seulement si ∃(λi )i∈I , y = f ( i λi ei ).
Comme !
X X
f λi ei = λi f (ei )
i i
ceci équivaut à y ∈< f (F) >.

P P
Deuxième point : Supposons i λi f (ei ) = 0.
P PCeci équivaut à f ( i λi ei ) = 0, c’est à dire
i λi ei ∈ ker f . Mais f est injective, donc i λi ei = 0. Donc les λi sont nuls puisque les
ei sont libres.
Troisième point : < f (F) >= f (< F >) = f (< E >) = F .
Dans le cas des bases, on a des résultats plus précis.
Proposition 25. Soient E et F deux K-espaces vectoriels. Soit B une base de l’espace
vectoriel E. Soit f ∈ L(E, F ). Alors
• f est injective, si et seulement si f (B) est libre.
• f est surjective, si et seulement si f (B) est génératrice de F .
• f est bijective, si et seulement si f (B) est une base de F .
Démonstration. Posons B = (ei )i∈I . Le troisième point est évidemment une conséquence
des deux premiers, et les implications
P des deux premiers points nous sontPdéjà connues.
Supposons f (B) libre. Soit x = i λi ei ∈ ker f . On a donc 0 = f (x) = i λi f (ei ). Les
f (ei ) sont libres, donc les λi sont nuls. Donc x = 0 et f est bien injective. f (B) génératrice
⇒ f surjective est laissé en exercice.
Proposition 26. Soient E et F deux K-espaces vectoriels. Soit B = (ei )i∈I une base
de E. Soit F 0 = (e0i )i∈I une famille de vecteurs de F indexée par le même ensemble I
que la base B. Il existe alors une unique application linéaire f : E −→ F telle que
∀i ∈ I, f (ei ) = e0i
Démonstration. Supposons qu’une telle P application linéaire f existe. Soit x ∈ E. On

0
P
écrit x = j∈I xj ej . On a alors f (x) = j∈I xj ej ; d’où l’existence d’au plus une telle ap-
plication. Inversement, l’application que nous venons de trouver est bien linéaire (exercice)
et envoie les ej sur les e0j . D’où l’existence.
Remarque 9. Ce théorème est d’une importance capitale. Une application linéaire est
caractérisée par la donnée de l’image des vecteurs d’une base de l’espace de départ. Grâce
à ce théorème, on peut se donner de façon simple des applications linéaires.
Ainsi, par exemple, soit (e1 , e2 , e3 ) la base canonique de R3 . Soit f l’application linéaire
de R3 dans R2 définie par f (e1 ) = (1, 2), f (e2 ) = (3, 4) et f (e3 ) = (5, 6). On obtient
facilement, en cas de besoin,
f (x, y, z) = (x + 3y + 5z, 2x + 4y + 6z)
6.5 Familles libres maximales, génératrices minimales
Proposition 27. Soit F une famille de vecteurs de l’espace vectoriel E. Il y a équi-

valence entre
• F est libre et toute sur-famille de F est liée.
• F est génératrice et toute sous-famille de F est non-génératrice.
• F est une base de E.
Ainsi, une famille de vecteurs de E est une base si et seulement si elle est libre maximale
ou génératrice minimale.
Démonstration. Posons F = (ei )i∈I . Supposons F libre maximale. P Soit e ∈ E. La
famille F ∪ (e) est donc liée. Il existe une combinaison nulle 0 = i λi ei + λe dans laquelle
tous les coefficients ne sont pas nuls. En fait, λ 6= 0 puisque la famille F est libre. On peut
donc écrire e comme combinaison des vecteurs de F : F est génératrice et c’est donc une
base.
Inversement, supposons que F est une base. Soit e ∈ E. Soit G = F ∪ (e). On peut écrire
e comme combinaison des ei puisque F est une base. Donc G est liée. F est bien libre
maximale.
L’équivalence entre base et génératrice minimale est laissée en exercice.
6.6 bases et sev supplémentaires
Proposition 28. Soit E un espace vectoriel, et F1 , . . . , Fn des sev de E en somme

directe tels que ⊕nk=1 Fk = E. Pour k = 1, . . . , n, soit Bk une base de Fk . Alors,
B1 ∪ . . . ∪ Bn est une base de E.
Démonstration. Exercice. Il suffit de le faire pour n = 2, puis d’effectuer une récurrence

sur n.
Chapitre 23
Dimension finie
395
396 CHAPITRE 23. DIMENSION FINIE
1 Dimension
1.1 Espaces de dimension finie
Définition 1. Soit E un K-espace vectoriel. On dit que E est de dimension finie

lorsque E possède au moins une famille génératrice finie.
Exemple.
• Kn , dont la base canonique a n éléments.
• Mpq (K), dont la base canonique a pq éléments.
• Kn [X], l’espace des polynômes de degré inférieur ou égal à n, est engendré par les
polynômes X k , k = 0, . . . , n.
• En revanche, l’espace R[X] des polynômes à coefficients dans R, ne l’est pas. En
effet, les polynômes d’une famille génératrice finie ont leurs degrés bornés et leurs
combinaisons linéaires aussi. Une famille finie ne peut donc pas engendrer l’espace
tout entier.
1.2 Cardinal des familles libres
Lemme 1. Soit n ≥ 0. Soit F = (ei )1≤i≤n une famille de n vecteurs de l’espace

vectoriel E. Soit F 0 = (e0i )1≤i≤n+1 une famille de n + 1 vecteurs combinaisons linéaires
des vecteurs de F. Alors, F 0 est liée.

• C’est clair lorsque n = 0. La famille F est vide et la famille F 0 = (0) est liée.
• Soit n ∈ N. Supposons la propriété vraie pour n. On prend F = (e1 , . . . , en+1 ), et
F 0 = (e01 , . . . , e0n+2 ) avec
n+1
X
0
ej = aij ei
i=1
pour j = 1, . . . , n + 2. Si tous les an+1,j sont nuls, alors les vecteurs de F 0 sont
combinaisons de n vecteurs, donc sont liés d’après l’hypothèse de récurrence. Sinon,
quitte à renuméroter, on peut supposer que an+1,n+2 6= 0.
On pose pour 1 ≤ j ≤ n + 1,
e00j = e0j − λj e0n+2

1. DIMENSION 397
avec λj choisi de sorte que les e00j soient combinaisons de e1 , . . . , en . Alors, les e00j
sont liés, et on en tire aisément que les e0j aussi.
Corollaire 2. Soit E un espace vectoriel ayant une famille génératrice de n éléments.

Alors, toutes les familles libres de E sont finies, et ont au plus n éléments.
Démonstration. Soit G une famille génératrice de E de cardinal n. Toute famille de

cardinal n + 1 est une famille dont les vecteurs sont des combinaisons des vecteurs de G,
et est donc liée. Toute famille de cardinal au moins égal à n + 1 étant une sur-famille
d’une famille liée est donc aussi liée. Conclusion, les familles libres sont finies, de cardinal
inférieur ou égal à n.
Corollaire 3. Toutes les bases d’un espace vectoriel de dimension finie sont finies, de
même cardinal.
Démonstration. Soient B et B 0 deux bases d’un espace de dmiension finie. La famille

B est libre et la famille B 0 est génératrice, donc B est finie et card B ≤ card B 0 . De même
pour l’autre inégalité en inversant les rôles de B et B 0 .
Il ne reste plus qu’à prouver que tout espace de dimension finie possède des bases ...
1.3 Le théorème de la base incomplète
Proposition 4. Soit E un espace vectoriel de dimension finie. Soient F une famille

libre de E, et G une famille génératrice de E. Alors on peut fabriquer une base de E
en rajoutant à la famille F certains des vecteurs de la famille G.
Démonstration. Rappelons que si E a une famille génératrice finie de n vecteurs, alors

toutes les familles libres de E sont finies, de cardinal inférieur ou égal à n.
Quitte à rajouter à G les vecteurs de F, on peut supposer que « F ⊂ G ». On pose

F = (ei )i∈I et G = (ei )i∈J , avec I, J finis et I ⊂ J. Parmi toutes les familles libres (ei )i∈K
avec I ⊂ K ⊂ J, il y en a une dont le cardinal est maximal (car les cardinaux de telles
familles sont majorés par n). On montre facilement que cette famille est une base de E.
Corollaire 5. Théorème de la base incomplète

Soit F une famille libre de l’espace vectoriel de dimension finie E. Alors il existe une
sur-famille de F qui est une base de E.
Démonstration. Il suffit d’appliquer la proposition précédente à F et à G = (x)x∈E qui

est évidemment génératrice.
Corollaire 6. Théorème de la base extraite

Soit G une famille génératrice de l’espace vectoriel de dimension finie E. Alors il existe
une sous-famille de G qui est une base de E.
Démonstration. Il suffit d’appliquer la proposition à la famille vide F = (), qui est

libre, et à la famille génératrice G.
Corollaire 7. Tout espace vectoriel de dimension finie possède des bases.
Démonstration. On applique par exemple le théorème de la base incomplète à la famille

vide F = (), qui est libre. Ou, si l’on préfère, on applique le théorème de la base extraite
à G = (x)x∈E , qui est génératrice.
1.4 Bilan
Dans un espace vectoriel de dimension finie, il y a des bases, et elles sont toutes finies, et
de même cardinal.
Définition 2. Le cardinal commun des bases d’un espace vectoriel de dimension finie E
est appelé la dimension de E, et noté dim E, (ou dimK E en cas de confusion possible).
Exemple.
• L’espace nul est de dimension 0. Il a pour seule et unique base la famille vide.
• Une droite est un espace vectoriel de dimension 1, un plan un espace de dimension
2.
• Kn est de dimension n puisque sa base canonique a n vecteurs. Et donc toutes ses
bases aussi.
• Rn [X], l’espace des polynômes de degré inférieur ou égal à n, est de dimension n+1,
puisque sa base canonique (X k )0≤k≤n est de cardinal n + 1.
• Mpq (K) est de dimension pq, puisque sa base canonique, constituée des matrices
élémentaires, est de cardinal pq.
2. SEV D’UN ESPACE DE DIMENSION FINIE 399
• Mn (K), l’espace des matrices carrées n × n à coefficients dans K, est donc de

dimension n2 .
Remarque 1. Si l’on voit C comme un R-espace vectoriel, une base de C est (1, i). Ainsi,
dimR C = 2
En revanche, si l’on voit C comme un C-espace vectoriel, alors une base de C est (1). Ainsi,
dimC C = 1
Il peut être bizarre de parler de la droite complexe, mais c’est ainsi.
Ci-dessous, quelques faits à toujours avoir à l’esprit.
Proposition 8. Soit E un espace vectoriel de dimension n.

• Les familles libres de E sont finies, de cardinal ≤ n.
• Toute famille de vecteurs de E de cardinal > n est liée.
• Les familles génératrices de E sont infinies, ou finies de cardinal ≥ n.
• Toute famille de vecteurs de E de cardinal < n est non génératrice.
• Une famille de vecteurs de E est une base, si et seulement si elle est libre, et de
cardinal n.
• Une famille de vecteurs de E est une base, si et seulement si elle est génératrice,
et de cardinal n.
Démonstration.
• Déjà montré.
• C’est la contraposée du premier point.
• Par le théorème de la base extraite, de toute famille génératrice de E on peut
extraire une base. Or, les bases sont de cardinal n.
• C’est la contraposée du troisième point.
• Dans un sens c’est évident. Inversement, une famille libre de cardinal n est, par le
premier point, libre maximale. C’est donc une base.
• Dans un sens c’est évident. Inversement, une famille génératrice de cardinal n est,
par le troisième point, génératrice minimale. C’est donc une base.
2 Sev d’un espace de dimension finie

2.1 Dimension d’un sev
Proposition 9. Soit E un espace de dimension finie n. Soit F un sev de E. Alors

• F est de dimension finie p.
• p ≤ n.
• p = n si et seulement si F = E.
Démonstration. Soit F une famille libre de F . C’est aussi une famille libre de E, donc
F possède au plus n éléments. On en déduit les deux premiers points. Si p = n, alors F
possède une base B de cardinal n. Mais B est alors une famille libre de E, de cardinal
n = dim E. On en déduit que B est aussi une base de E. D’où = E = F .
Définition 3. Soit E un espace de dimension finie n. On appelle droite de E, tout

sev de E de dimension 1, plan de E tout sev de dimension 2, et hyperplan de E tout
sev de dimension n − 1.
2.2 Sev supplémentaires
Proposition 10. Soit E un espace de dimension finie n. Soit F un sev de E, de

dimension p. Alors, F possède un supplémentaire, et les supplémentaires de F sont
tous de dimension n − p.
Démonstration. La réunion d’une base de F et d’une base d’un supplémentaire de F est

une base de E. D’où la dimension des supplémentaires. Pour l’existence, c’est le théorème
de la dimension.
3 Dimensions classiques
3.1 Image d’un sev par une application linéaire
Proposition 11. Soient E et F deux espaces vectoriels. Soit E 0 un sev de dimension

finie de E. Alors, f (E 0 ) est aussi de dimension finie. Précisément :
• dim f (E 0 ) ≤ dim E 0 .
• Si f est injective, on a égalité.
3. DIMENSIONS CLASSIQUES 401
Démonstration. Soit B une base de E 0 . Alors, f (B) engendre f (E 0 ). Si, de plus, f est
injective, f (B) est libre, et est donc une base de f (E 0 ).
3.2 Espaces isomorphes
Proposition 12. Deux espaces vectoriels de dimension finie sur un même corps K
sont isomorphes si et seulement si ils ont la même dimension.
Démonstration. Le sens direct résulte du théorème précédent. Dans l’autre sens, il n’y
a qu’à envoyer une base de l’un sur une base de l’autre pour fabriquer un isomorphisme.
Corollaire 13. Soit E un K-espace de dimension n. Alors, E est isomorphe à Kn .
Ce résultat affirme que tous les espaces de même dimension sur un corps K sont « identiques
» du point de vue de la structure d’espace vectoriel. Cependant, certains espaces possèdent
aussi des propriétés non vectorielles. Par exemple, lorsqu’on travaille sur les polynômes, on
dispose du produit de polynômes, de la notion de degré, . . . , qui ne sont pas des propriétés
vectorielles.
3.3 Somme de sous-espaces vectoriels
Proposition 14. Soit E un K-espace de dimension finie. Soient F, G deux sev de E.

On a alors
dim F + G ≤ dim F + dim G
On a égalité si et seulement si F et G sont en somme directe.
Démonstration. Soient B 0 une base de F et B 00 une base de G. La réunion
B = B 0 ∪ B 00
est une famille génératrice de F + G. D’où l’inégalité demandée.

Supposons maintenant que F et G sont en somme directe. Alors B est une base de F ⊕ G,
donc
dim(F ⊕ G) = card B = card B 0 + card B 00 = dim F + dim G
Inversement, supposons que F et G ne sont pas en somme directe. Il existe un vecteur

de F + G qui s’écrit de deux façons différentes comme somme d’un vecteur de F et d’un
vecteur de G. On en déduit, en écrivant ces deux vecteurs dans les bases B 0 et B 00 , qu’il
existe une combinaison linéaire non triviale des vecteurs de B. La famille B est génératrice
mais pas libre, donc
dim(F + G) < card B = dim F + dim G
3.4 Produit d’espaces vectoriels
Proposition 15. Soient E et F deux K-espaces de dimension finie. Alors E × F est

aussi de dimension finie, et
dim E × F = dim E + dim F
Remarque 2. Généralisation immédiate à un produit de n espaces vectoriels par récur-

rence sur n.
Démonstration. Soient (ei )1≤i≤n une base de E et (fj )1≤j≤p une base de F . La famille
constituée par les couples (ei , 0), 1 ≤ i ≤ n et (0, fj ), 1 ≤ j ≤ p est une base de E × F .
Remarque 3. Soient F, G deux sev d’un espace E. Supposons que F et G sont en somme
directe. Alors, F ⊕ G est isomorphe à F × G par l’application
(x, y) 7−→ x + y
Ces deux espaces ont donc bien la même dimension, à savoir dim F + dim G.
3.5 Dimension des espaces d’applications linéaires
Proposition 16. Soient E et F deux K-espaces vectoriels de dimensions respectives

q et p. Alors, L(E, F ) est de dimension finie, et
dim L(E, F ) = p × q
Démonstration. Soient B = (ej )1≤j≤q une base de E, et B 0 = (e0i )1≤i≤p une base de F .
On définit, pour 1 ≤ i ≤ p et 1 ≤ j ≤ q, l’application gij ∈ L(E, F ), par
∀k ∈ J1, qK, gij (ek ) = δjk e0i
Pq
Soit f ∈ L(E, F ). Soit x = j=1 xj ej ∈ E. On a
q
X
f (x) = xj f (ej )
j=1
3. DIMENSIONS CLASSIQUES 403
Mais f (ej ) ∈ F , donc est combinaison linéaire des e0i . Posons
p
X
f (ej ) = aij e0i
i=1
Il vient alors
p X
X q
f (x) = aij xj e0i
i=1 j=1
Par ailleurs,
q
X X
gij (x) = kxk gij (ek ) = qxk δjk e0i = xj e0i
k=1 k=1
Ainsi,
p X
X q
f (x) = aij gij (x)
i=1 j=1
Ceci est vrai pour tout x ∈ E, donc

p X
X q
f= aij gij
i=1 j=1
La famille des gij est donc génératrice de L(E, F ).
Supposons maintenant que

p X
X q
aij gij = 0
i=1 j=1
On a donc pour tout k ∈ J1, qK,
p X
X q p X
X q p
X
0= aij gij (ek ) = aij δjk e0i = aik e0i
i=1 j=1 i=1 j=1 i=1
Les e0i étant libres, il s’ensuit qu’on a pour tout i ∈ J1, pK et tout k ∈ J1, qK aik = 0. La
famille des gij est donc libre, c’est ainsi une base de L(E, F ).
Un certain nombre de cas particuliers sont à noter. Si E est de dimension n, alors
• dim L(E) = n2 .
• dim E ∗ = dim E = n.
Exercice. On prend E = F et n = p. Avec les notations du théorème, calculer gi,j ◦ gk,l

pour 1 ≤ i, j, k, l ≤ n.
4 Notion de rang
4.1 Rang d’une famille de vecteurs
Définition 4. Soit F une famille de vecteurs dans un espace vectoriel E. Si < F >
est de dimension finie, on appelle rang de F l’entier
rg F = dim < F >
Proposition 17. Soit F une famille finie de vecteurs dans un espace vectoriel E. On
a
• rg F ≤ card F.
• rg F = card F si et seulement si F est libre.
Démonstration.
• F engendre < F >, d’où l’inégalité.

• On a égalité si et seulement si F est une base de < F >, c’est à dire si et seulement
si F est libre (puisqu’elle est par le premier point toujours génératrice).
4.2 Rang d’une application linéaire
Définition 5. Soit f ∈ L(E, F ). On appelle rang de f la quantité
rg f = dim(Im f )
Bien entendu, on a des liens entre rang d’une famille et rang d’une application linéaire.
Par exemple, si B est une base de E, alors
rg f = rg f (B)
4. NOTION DE RANG 405
4.3 Le théorème du rang
Proposition 18. Soient E et F deux espaces de dimension finie sur un même corps.
Soit f ∈ L(E, F ). Alors
• Pour tout supplémentaire G de ker f , l’application fˆ : G −→ Im f définie, pour
tout x ∈ G, par fˆ(x) = f (x) est un isomorphisme de G sur Im f .
• dim ker f + dim Im f = dim E.
Démonstration. fˆ est évidemment linéaire. Soit x ∈ ker fˆ. Alors, f (x) = 0 et x ∈ G,

c’est à dire x ∈ ker f ∩ G. Donc x = 0 puisque ces sev sont en somme directe.
Soit maintenant y ∈ Im f . Il existe x ∈ E tel que y = f (x). Écrivons x = x0 + x00 où
x0 ∈ ker f et x00 ∈ G. On a
y = f (x) = f (x0 ) + f (x00 ) = f (x00 ) = fˆ(x00 )
fˆ est donc surjective, c’est un isomorphisme. Conséquence,
dim Im f = dim G = dim E − dim ker f
4.4 Quelques conséquences
Proposition 19. Soit f : E → F une application linéaire entre deux espaces de

même dimension, finie. Alors,
f est injective ⇐⇒ f est surjective ⇐⇒ f est bijective.
Démonstration. C’est immédiat avec le théorème du rang.
Proposition 20. Soient F et G deux sev d’un espace E. Alors
dim(F + G) = dim F + dim G − dim F ∩ G
Démonstration. Considérons f : F × G → F + G définie pour x ∈ F et y ∈ G par

f (x, y) = x + y
L’application f est surjective, et son noyau est
H = {(x, −x), x ∈ F ∩ G}
H est clairement un sev de F × G isomorphe à F ∩ G par l’application x 7→ (x, −x). Il ne

reste qu’à appliquer le théorème du rang.
Exercice. Refaire la démonstration en considérant une base de F ∩ G et en la complétant
avec le théorème de la base incomplète.
Exercice. Soient f ∈ L(E, F ) et g ∈ L(F, G). Montrer
• rg(f ) ≤ min(dim E, dim F ).
• rg(g ◦ f ) ≤ min(rg(f ), rg(g))
• Si g est injective, rg(g ◦ f ) = rg(f ).
• Si f est surjective, rg(g ◦ f ) = rg(g).
4.5 Calcul pratique d’un rang
Des méthodes du type « pivot de Gauss » permettent de calculer un rang. Nous allons le
voir sur un exemple. Supposons donnés
• un espace vectoriel E de dimension p.
• une base B = (ei )1≤i≤p de E.
• une famille F = (uj )1≤j≤n de n vecteurs de E dont on connaît les coordonnées dans
la base B :
Xp
uj = aij ei
i=1
Proposition 21. On ne change pas l’espace engendré par F lorsque :

• On échange deux vecteurs de F.
• On multiplie un vecteur de F par un scalaire non nul.
• On ajoute à l’un des vecteurs de F une combinaison linéaire des autres vecteurs.

Ce résultat permet pratiquement de calculer le rang d’une famille de vecteurs. On va
prendre deux exemples.
Exemple. Dans R3 , u1 = (1, 2, 5), u2 = (2, 1, 4) et u3 = (1, −1, −1). On écrit les vecteurs
en colonnes
u1 u2 u3 v1 v2 v3
1 2 1 1 0 0 1 0 0 1 0 0
→(1) →(2) →(3)
2 1 −1 2 −3 −3 2 −3 0 2 1 0
5 4 −1 5 −6 −6 5 −6 0 5 2 0
avec
4. NOTION DE RANG 407
1. C2 ←− C2 − 2C1 , C3 ←− C3 − C1
2. C3 ←− C3 − C2
3. C2 ←− − 13 C2
On a donc une famille de rang 2.
Exemple. Dans R5 , u1 = (2, 3, −3, 4, 2), u2 = (3, 6, −2, 5, 9), u3 = (7, 18, −2, 7, 7) et
u4 = (2, 4, −2, 3, 1).
On met le tout dans un tableau.
u1 u2 u3 u4
2 3 7 2
3 6 18 4
−3 −2 −2 −2
4 5 7 3
2 9 7 1
Étape 1 : C2 ←− 2C2 − 3C1 , C3 ←− 2C3 − 7C1 , C4 ←− C4 − C1 .
2 0 0 0
3 3 15 1
−3 5 17 1
4 −2 −14 −1
2 12 0 −1
Étape 2 : C3 ←− C3 − 5C2 , C4 ←− 3C4 − C2 .
2 0 0 0
3 3 0 0
−3 5 −8 −2
4 −2 −4 −1
2 12 −60 −15
Étape 3 : C4 ←− 4C4 − C3 , C3 ←− − 14 C3 .
v1 v2 v3 v4
2 0 0 0
3 3 0 0
−3 5 2 0
4 −2 1 0
2 12 15 0
Le rang de la famille est donc 3.

Exercice. Déterminer noyau et image de f ∈ L(R3 ) définie par f (e1 ) = e1 + 2e2 + e3 ,
f (e2 ) = −2e1 + 3e2 + 3e3 , f (e3 ) = 4e1 + e2 − e3 .
5 Dual d’un espace vectoriel
5.1 Rappels
Soit E un K-espace vectoriel. Rappelons que le dual de E est l’espace E ∗ = L(E, K) des
formes linéaires sur E. Lorsque E est de dimension finie, E et E ∗ ont la même dimension
(et sont donc isomorphes). Nous allons dans cette section étudier quelques aspects de ce
que l’on appelle la dualité.
5.2 Formes coordonnées, base duale
Définition 6. Soit E un K-espace vectoriel de dimension finie n. Soit B = (e1 , . . . , en )

une base de E. On appelle formes linéaires coordonnées (relatives à la base B) les
formes linéaires e∗i , i = 1, . . . , n définies par
∀i, j ∈ {1, . . . , n}, e∗i (ej ) = δij
Pn
Remarque 4. Soit x = j=1 xj ej un vecteur de E. On a
n
X n
X
e∗i (x) = xj e∗i (ej ) = xj δij = xi
j=1 j=1
Ainsi, la i-ème forme coordonnée renvoie tout simplement la ième coordonnée de x dans
la base B. On a donc eu raison de l’appeler une « forme coordonnée ».
Notation. On note B ∗ la famille des formes coordonnées dans la base B.
Proposition 22. La famille B ∗ est une base de E ∗ . On l’appelle la base duale de la

base B.
Démonstration. Comme cette famille est de cardinal n, il suffit de montrer qu’elle est
libre. Supposons donc
X n
λi e∗i = 0
i=1
5. DUAL D’UN ESPACE VECTORIEL 409
où les λi sont des scalaires. On applique au vecteur ej :

n
X
λi e∗i (ej ) = λj = 0
i=1
La famille B ∗ est bien libre.

Exemple. Dans E = R2 , on pose e1 = (1, 2) et e2 = (3, 4). Soit u = (x, y) ∈ E. On vérifie
aisément que
3 1
u = −2x + y e1 + x − y e2
2 2
Ainsi,
3 1
e∗1 (x, y) = −2x + y et e∗2 (x, y) = x − y
2 2
Exemple. Soient x0 , x1 , . . . , xn n + 1 scalaires distincts. Soit B = (Lj )0≤j≤n la famille des

polynômes élémentaires de Lagrange associés aux xk (voir le chapitre sur les polynômes).
La famille B est une famille de polynômes de Kn [X] de cardinal n + 1. Montrons qu’elle
est libre.
Supposons que
n
X
λj Lj = 0
j=0
En évaluant en xj , on obtient λj = 0. La famille B est donc une base de Kn [X]. Quelle est
sa base duale ? La réponse est claire. On doit avoir
∀i, j, e∗i (Lj ) = 0
et on sait que ∀i, j, Lj (xi ) = 0. Par linéarité, on a pour tout P ∈ K[X],
e∗i (P ) = P (xi )
5.3 Hyperplans
Définition 7. Soit E un K-espace vectoriel. Soit H un sev de E. On dit que H est

un hyperplan de E lorsque H possède un supplémentaire qui est une droite.
Remarque 5. En dimension finie n on retrouve la notion usuelle : un hyperplan de E est

un sev de E de dimension n − 1.
Proposition 23. Soit E un K-espace vectoriel. Soit H un sev de E. Soit a ∈ E \ H.

H est un hyperplan de E si et seulement si
H⊕ < a >= E
Démonstration. Le sens réciproque est évident, par définition d’un hyperplan.

Inversement, soit H un hyperplan de E. Il existe b ∈ E \ H tel que H⊕ = E. Soit
a ∈ E \ H. On a
a = h + λb
où h ∈ H et λ ∈ K. Le scalaire λ ne peut pas être nul car a 6∈ H. On en déduit que
1
b= (a − h)
λ
Soit maintenant x ∈ E. on a
x = h0 + µb = h00 + νa
donc E = H+ < a >. Enfin, H∩ < a > est clairement réduit à 0, donc
E = H⊕ < a >
5.4 Noyau d’une forme linéaire non nulle
Proposition 24. Soit E un K-espace vectoriel. Soit ϕ ∈ E ∗ \ {0}. Le noyau de ϕ est

un hyperplan de E.
Démonstration. Soit H = ker ϕ. Soit a ∈ E tel que ϕ(a) 6= 0. Il en existe puisque ϕ

n’est pas nulle. Soit x ∈ E. On a
ϕ(x)
x=h+ a
ϕ(a)
où
ϕ(x)
h=x− a
ϕ(a)
On a facilement ϕ(h) = 0, donc x ∈ H+ < a >. Donc E = H+ < a >. La somme est
clairement directe.
Proposition 25. Soit E un K-espace vectoriel. Soit H un hyperplan de E. Il existe

une forme linéaire ϕ non nulle telle que H = ker ϕ. De plus, étant données deux formes
liéaires non nulles sur E, ϕ et ψ, on a ker ϕ = ker ψ si et seulement si il existe µ ∈ K∗
tel que ψ = µϕ.
Démonstration. Soit a un vecteur qui n’est pas dans H, de sorte que H⊕ < a >= E.
La forme linéaire définie par ∀x ∈ H, ϕ(x) = 0 et ϕ(a) = 1 a bien pour noyau H.
Deux formes linéaires non nulles ont clairement même noyau.
Soient enfin deux formes linéaires non nulles ϕ et ψ ayant même noyau H. Soit a 6∈ H.
Soit µ = ψ(a)
ϕ(a) . On a ψ(a) = µϕ(a) donc, par linéarité, ψ et µϕ coïncident sur < a >. Elles
coïncident aussi sur H, qui est leur noyau. Donc, par linéarité, elles sont égales sur E.
5.5 Équations d’un hyperplan
Soit E un K-espace vectoriel de dimension finie n. Soit H un hyperplan de E. L’hyperplan

H est le noyau d’une forme linéaire non nulle ϕ. Il est plus exactement le noyau commun
des formes linéaires non nulles multiples de ϕ. Donnons nous une base B = (e1 , . . . , en ) de
E. Posons ϕ(ei ) = ai pourPi = 1, . . . , n. Le n-uplet (a1 , . . . , an ) est un
Pnn-uplet non nul de
scalaires. Pour tout x = ni=1 xi ei ∈ E, on a par Pn linéarité ϕ(x) = i=1 ai xi . On a alors
x ∈ H si et seulement si ϕ(x) = 0, c’est à dire i=1 ai xi = 0.
Définition 8. La « formule »
n
X
(H) ai xi = 0
i=1
est appelée une équation cartésienne de l’hyperplan H dans la base B.
Proposition 26.
• Tout hyperplan possède une équation cartésienne.
• Toute équation cartésienne est l’équation d’un hyperplan.
• Deux équations cartésiennes sont des équations d’un même hyperplan si et seule-
ment si leurs coefficients sont proportionnels.
Démonstration. Ce n’est qu’une reformulation de résultats déjà démontrés : un hyper-

plan est le noyau d’une forme linéaire non nulle.
Exemple.
• Soit E = R2 , muni de la base canonique. Les hyperplans de E sont les droites

vectorielles. Une équation d’une droite vectorielle (dans la base canonique) est donc
(D) ax + by = 0
où le couple (a, b) est différent du couple (0, 0). Deux équations représentent une
même droite si et seulement si leurs coefficients sont proportionnels. remarquons
qu’un vecteur directeur de D est n’importe quel vecteur non nul de D, par exemple
le vecteur (−b, a).
• Soit E = R3 , muni de la base canonique. Les hyperplans de E sont les plans vecto-
riels. Une équation d’un plan vectoriel (dans la base canonique) est donc
(P ) ax + by + cz = 0
où le triplet (a, b, c) est différent du triplet (0, 0, 0). Deux équations représentent un
même plan si et seulement si leurs coefficients sont proportionnels.
• etc.
5.6 Intersections d’hyperplans
Soit E un K-espace de dimension finie n. Soit m ∈ N∗ , m ≤ n. Toute intersection de

m hyperplans de E est évidemment un sev de E. Peut-on affirmer quelque chose sur sa
dimension ? Peut-on énoncer une réciproque ?
Proposition 27.
• Toute intersection de m hyperplans de E est un sev de E de dimension supé-
rieure ou égale à n − m.
• Tout sev de E de dimension n − m est l’intersection de m hyperplans de E.
Démonstration.
• Pour i = 1, . . . , m, soit Hi = ker ϕi où ϕi est une forme linéaire non nulle sur E.
Soit
F = H1 ∩ . . . ∩ Hm
Considérons l’application linéaire f : E → Km définie par
f (x) = (ϕ1 (x), . . . , ϕm (x))
On a précisément F = ker f . Appliquons le théorème du rang :
dim E = n = dim F + r
où r = rgf . Mais r ≤ dim Km = m. Donc, dim F = n − r ≥ n − m.

• Soit F un sev de E de dimension n − m. B0 = (eP 1 , . . . , en−m ) une base de F . On

complète en B = (e1 , . . . , en ) base de E. Soit x = ni=1 xi ei un vecteur de E. Alors
x∈F ⇐⇒ xn−m+1 = . . . = xn = 0
⇐⇒ e∗n−m+1 (x) = . . . = e∗n (x)
⇐⇒ x ∈ ker e∗n−m+1 ∩ . . . ∩ ker e∗n
Ainsi,
F = ker e∗n−m+1 ∩ . . . ∩ ker e∗n
F est donc l’intersection de n − (n − m + 1) + 1 = m hyperplans de E.

Chapitre 24
Matrices
415
416 CHAPITRE 24. MATRICES
1 Vecteurs, applications linéaires et matrices
1.1 Matrice d’un vecteur, d’une famille de vecteurs
p et B = (e1 , · · · , ep ) une base de E. Soit x ∈ E.

Soit E un K-espace vectoriel de dimensionP
Le vecteur x s’écrit de façon unique x = pk=1 xi ei où les xi ∈ K sont les coordonnées de
x dans la base B.
Définition 1. On appelle matrice de x dans la base B la matrice colonne

T
matB (x) = x1 . . . xp
Proposition 1. Soit E un K-espace vectoriel de dimension p muni d’une base B.

L’application
matB : E −→ Mp1 (K)
qui associe à tout x de E sa matrice dans la base B est un isomorphisme d’espaces
vectoriels.
Démonstration. Il est immédiat de vérifier que pour tous vecteurs x, y ∈ E et tout

λ ∈ K, on a
matB (x + y) = matB (x) + matB (y)
et
matB (λx) = λmatB (x)
De plus, toute matrice de Mp1 (K) est la matrice dans la base B d’un unique vecteur de
E.
Pour toutes les opérations sur les vecteurs, on peut donc travailler indifféremment sur les
vecteurs ou leurs matrices, une fois que l’on s’est fixé une base de E .
Définition 2. Plus généralement, étant donnée une famille F = (x1 , · · · , xq ) de q

vecteurs de E, on définit matB (F) comme la matrice à p lignes et q colonnes dont la
jème colonne (j ∈ J1, qK) est formée des coordonnées du vecteur xj dans la base B.
1. VECTEURS, APPLICATIONS LINÉAIRES ET MATRICES 417
1.2 Matrice d’une application linéaire
Définition 3. Soient E et F deux K-espaces vectoriels de dimensions respectives q et

p et munis de bases B = (e1 , · · · , eq ) et B 0 = (e01 , · · · , e0p ). Soit f ∈ L(E, F ). On appelle
matrice de f dans les bases B et B 0 la matrice de Mpq (K)
matB,B0 (f ) = matB0 (f (B))
C’est donc la matrice à p lignes et q colonnes dont la jème colonne est formée des coor-
données du jème vecteur de f (B) dans la base B 0 .
Notation. Lorsque F = E et B 0 = B on note de façon plus légère matB (f ).
Exemple. Soit f = idE où dim E = n. Alors,
matB (f ) = In
où In est la matrice identité d’ordre n. Tous les coefficients diagonaux de In sont égaux à
1 et les autres coefficients sont nuls.
Exemple. Soit f : R3 → R3 définie par
f (x, y, z) = (x + 4y + 7z, 2x + 5y + 8z, 3x + 6y + 9z)

 
1 4 7
La matrice de f dans la base canonique de R3 est 2 5 8.
3 6 9
Proposition 2. Soient E et F deux K-espaces vectoriels de dimensions respectives q

et p, munis de bases respectives B et B 0 . L’application
matB,B0 : L(E, F ) −→ Mpq (K)
qui à chaque application associe sa matrice dans les bases B et B 0 est un isomorphisme
d’espaces vectoriels.
Démonstration. La linéarité est une simple vérification.

L’isomorphisme résulte du fait qu’une application linéaire est caractérisée par la donnée
des images des vecteurs d’une base.
Remarque 1. A retenir :
matB,B0 (f + g) = matB,B0 (f ) + matB,B0 (g)

et
matB,B0 (λf ) = λmatB,B0 (f )
Proposition 3. On se donne trois espaces vectoriels E, F , G, de dimensions res-

pectives r, q et p, munis de bases B, B 0 et B 00 . Soient f ∈ L(E, F ) et f ∈ L(F, G).
Alors
matB,B00 (g ◦ f ) = matB0 ,B00 (g) × matB,B0 (f )
Démonstration. C’est une conséquence directe de la définition du produit matriciel.
Proposition 4. Soit E un K-espace vectoriel de dimension finie n. Soit B une base

de E. L’application matB : L(E) −→ Mn (K) définie par
A 7−→ matB A
est un isomorphisme d’algèbres.
Démonstration. Nous savons déjà que c’est un isomorphisme d’espaces vectoriels. De

plus, matB idE = In , qui est l’élément neutre pour la multiplication matricielle, et la propo-
sition précédente nous dit que l’application matB transforme les composées d’applications
linéaires en produits de matrices.
1.3 Image d’un vecteur par une application linéaire
Proposition 5. Soit f ∈ L(E, F ), les deux espaces E et F étant munis de bases

respectives B et B 0 . Soit x ∈ E. Alors
matB0 (f (x)) = matB,B0 (f ) × matB (x)
Démonstration. Posons B = (e1 , . . . , eq ), B 0 = (e01 , . . . , e0p ), A = matB,B0 f , X = matB x

et X 0 = matB0 (f (x)). On a, avec des notations évidentes,
   
Xq p
X q
X
f (x) = f  xj e j  =  Aij xj  e0i
j=1 i=1 j=1
1. VECTEURS, APPLICATIONS LINÉAIRES ET MATRICES 419
Ainsi, pour tout i ∈ J1, pK,

q
X q
X
0
Xi1 = Aij xj = Aij Xj1
j=1 j=1
Effectivement, X 0 = AX.
1.4 Application linéaire canoniquement associée à une matrice
Soit A ∈ Mpq (K). Il existe alors une unique application linéaire f ∈ L(Kq , Kp ) telle que
A = matB,B0 f , où B et B 0 sont les bases canoniques respectives de Kq et Kp .
Cette application f , que nous noterons fA , est appelée l’application linéaire canoniquement
associée à la matrice A. Remarquons que l’on a
• Pour toutes matrices A, B ∈ Mpq (K),
fA+B = fA + fB
• Pour toute matrice A ∈ Mpq (K) et tout λ ∈ K,
fλA = λfA
• Pour toutes matrices A ∈ Mpq (K) et B ∈ Mqr (K),
fAB = fA ◦ fB
Nous éviterons de le faire par la suite, mais il est bon de noter que le vocabulaire relatif aux
applications linéaires peut être utilisé dans l’univers des matrices. En identifiant Mp1 (K)
et Kn , on peut donc parler :
• Du noyau de A :
ker A = ker fA = {X ∈ Mq1 (K), AX = 0} ⊂ Kq
• De l’image de A.
Im A = Im fA = {AX, X ∈ Mq1 (K)} ⊂ Kp
L’image de A est l’espace engendré par les colonnes de A.

• Du rang de A.
rg A = rg fA
C’est le rang de la famille des colonnes de A.
Nous pouvons enfin démontrer un résultat dont nous avons parlé dans le premier chapitre
sur les matrices.
Proposition 6. Soit A ∈ Mn (K). On a équivalence entre

• A est inversible à gauche.
• A est inversible à droite.
• A est inversible.
Démonstration. Supposons A inversible à gauche. Soit B un inverse à gauche de A. De

BA = In , on déduit fB ◦ fA = idKn . fA est donc inversible à gauche. Par un corollaire du
théorème du rang, fA est donc aussi surjectif, et fA ◦ fB = idKn . De là, AB = In , et A est
ainsi inversible.
Même démonstration pour prouver que A inversible à droite =⇒ A inversible.
Remarque 2. Soit A ∈ Mpq (K) où p 6= q. Alors, fA ∈ L(Kq , Kp ) n’est pas un isomor-
phisme, donc A n’est pas inversible. En revanche, une matrice non carrée peut fort bien
être inversible à gauche, ou inversible à droite (mais pas les deux). Par exemple, soit

1 2 1
A=
1 0 0
A est de rang 2, donc fA ∈ L(R3 , R2 ) aussi. Ainsi, fA est surjectif, donc inversible à droite.
Un inverse à droite de A (ce n’est pas le seul) est
 
0 1
B = 0 0 
1 −1
Exercice. Trouver tous les inverses à droite de la matrice A ci-dessus.
2 Changements de base
2.1 Matrices de passage
Définition 4. Soit E un K-espace vectoriel de dimension finie. Soient B et B 0 deux

bases de E. On appelle matrice de passage de B à B 0 la matrice
0
PBB = matB (B 0 ) = matB0 ,B (idE )
2. CHANGEMENTS DE BASE 421
Proposition 7. Soit E un K-espace vectoriel de dimension finie. Soient B et B 0 deux

0
bases de E. La matrice PBB est inversible et son inverse est PBB0 .
0
In = matB,B id = matB,B (id ◦ id) = matB0 ,B id × matB,B0 id = PBB PBB0
0
De même, PBB0 PBB = I.
2.2 Changement de base pour un vecteur
Proposition 8. Soit E un K-espace vectoriel muni de deux bases B et B 0 . Soit x ∈ E.

0
Posons P = PBB , X = matB (x) et X 0 = matB0 (x). Alors
X = P X0
Démonstration. On écrit que x = idE (x), où idE part de E muni de la base B 0 et arrive
dans E muni de la base B.
2.3 Changement de bases pour une application linéaire
Proposition 9. Soient E et F deux K-espaces vectoriels. Soient B1 et B10 deux bases

de E, et B2 et B20 deux bases de F . Soit f ∈ L(E, F ). Notons M = matB1 ,B2 (f ) et
B0 B0
M 0 = matB10 ,B20 (f ). Notons également P1 = PB11 et P2 = PB22 . Alors
M 0 = P2−1 M.P1
Démonstration. On écrit f = idF ◦ f ◦ idE avec idE : E, B10 → E, B1 , f : E, B1 → F, B2

et idF : F, B2 → F, B20 .
Remarque 3. Un cas particulier très important est celui où E = F , B1 = B2 = B, et
B10 = B20 = B 0 . On a alors la formule plus simple
M 0 = P −1 M P
0
où P = PBB .
3 Rang
3.1 Rang d’une matrice
Rappelons la définition du rang d’une matrice.
Définition 5. Soit A ∈ MK (p, q). On appelle rang de A le rang de la famille des

colonnes de A, identifiées à des vecteurs de Kp .
Exemple.

1 2 3
rg = 2.
0 2 4
 
1 4 7
rg  2 5 8  = 2.
3 6 9
 
1 4 7
rg  2 5 8  = 3.
3 6 10
rgIn = n, rg 0 = 0.
Remarque 4.
• Si f ∈ L(E, F ), le rang de f est égal au rang de sa matrice dans n’importe quel
couple de bases.
• Une matrice A ∈ MK (n) est inversible si et seulement si rgA = n.
3.2 Matrice canonique d’une application linéaire
Proposition 10. Soit f ∈ L(E, F ) où E et F sont deux espaces vectoriels de dimen-

sions q et p. On suppose que rgf = r. Il existe alors une base B de E et une base B 0
de F telles que
Ir 0r,q−r
matB,B0 (f ) =
0p−r,r 0p−r,q−r
Notation. On note dorénavant Jp,q,r la matrice ci-dessus. A noter que son rang est égal
à r. A noter également, la forme de Jp,q,r lorsque r est égal à p et/ou q (quand f est une
surjection et/ou une injection).
3. RANG 423
Démonstration. ker f est de dimension q − r. Soit G un supplémentaire de ker f . Soit

B1 = (e1 , · · · , er ) une base de G, et B2 = (er+1 , · · · , eq ) une base de ker f . La réunion
B de ces deux familles est une base de E. Soit B10 = (e01 , · · · , e0r ) l’image par f de la
famille B1 . D’après le théorème du rang, cette famille est libre. On la complète en une base
B 0 = (e01 , · · · , e0p ) de F . La matrice de f dans les bases B et B 0 a la forme cherchée.
3.3 Équivalence des matrices
Définition 6. Soient A, B ∈ Mpq (K) deux matrices de même taille. On dit que A est
équivalente à B lorsqu’il existe Q ∈ GLq (K) et P ∈ GLp (K) telles que
B = P −1 AQ
Proposition 11. L’équivalence des matrices est une relation d’équivalence.
Proposition 12. Deux matrices sont équivalentes si et seulement si elles représentent

une même application linéaire dans deux couples de bases.
Démonstration. Supposons que B = P −1 AQ. On interprète A comme matB,B0 (f ) où

B0
f ∈ L(Kq , Kp ) (par exemple). On interprète ensuite P comme PB01 et Q comme PBB1 . Il en
résulte que B = matB1 ,B10 (f ). La réciproque provient des formules de changement de base.
Proposition 13. Deux matrices sont équivalentes si et seulement si elles ont le même
rang.
Démonstration. Supposons A et B équivalentes. Elles sont donc les matrices d’une

même application linéaire f dans deux couples de bases différentes. Ainsi,
rgB = rgf = rgA
Inversement, si A et B ont pour rang r, alors elles sont toutes deux équivalentes à Jp,q,r ,
donc elles sont équivalentes.
3.4 Rang et transposition
Proposition 14. Soit A ∈ Mp,q (K). Alors, rgA = rgAT .
Remarque 5. Ceci implique en particulier que pour chercher le rang d’une famille de
vecteurs ou d’une matrice, on peut tout aussi bien opérer sur les lignes que sur les colonnes.
En revanche, bien noter que des opérations sur les lignes détruisent toute possibilité de
trouver une image ou un noyau.
Démonstration. Soit r = rg A. La matrice A est équivalente à Jp,q,r . On voit alors

facilement que AT équivaut à Jq,p,r et est donc de même rang que A.
3.5 Rang et matrices extraites
Définition 7. Soit M ∈ Mp,q (K). On appelle matrice extraite de M toute matrice

M 0 qui est la restriction de M à I × J, I et J étant des sous-ensembles non vides
respectivement de [1, p] et [1, q].
En pratique, extraire une matrice de M c’est rayer des lignes et des colonnes de M .

a c
Exemple. M = possède 9 matrices extraites (les écrire).
b d
Exercice. Soit M ∈ Mp,q (K). Montrer qu’on peut extraire (2p − 1)(2q − 1) matrices de
M.
Proposition 15. Soit A ∈ Mp,q (K) une matrice de rang r. Alors :

• Toutes les matrices extraites de A sont de rang inférieur ou égal à r.
• Il existe une matrice carrée de taille r × r, extraite de A, qui est inversible.
Démonstration. Soit r = rgA. C’est le rang de la famille des colonnes de A. Si l’on

extrait r + 1 colonnes ou plus de A, elles seront donc liées. Le fait de rayer des lignes
conservera la dépendance linéaire des colonnes. Il reste à extraire de A une matrice r × r
inversible. On sait tout d’abord qu’il existe r colonnes de A formant une famille libre. On
les extrait. La matrice p × r ainsi extraite est toujours de rang r. Il y a donc r lignes de
cette matrice qui forment une famille libre. On les extrait, et on obtient ce que l’on cherche.

4. TRACE 425
4 Trace
4.1 Trace d’une matrice carrée
Définition 8. Soit A =∈ Mn (K). On appelle trace de A le scalaire

n
X
T rA = Akk
k=1
Proposition 16. Soient A et B deux matrices carrées de même taille, et λ un scalaire.

Alors
• T r(A + B) = T rA + T rB
• T r(λA) = λT rA
• T r(AT ) = T rA
• T r(AB) = T r(BA)
Démonstration. Montrons la dernière égalité. On a

X X
T r(AB) = (AB)ii = Aik Bki
i i,k
De même pour T r(BA).
4.2 Trace d’un endomorphisme
Proposition 17. Soit f un endomorphisme d’un espace vectoriel E. La quantité

T r(matB (f )) ne dépend pas de la base B choisie. On l’appelle la trace de f , et on
la note T rf .
Démonstration. Si A et A0 sont les matrices de f dans deux bases de E, on a alors

A0 = P −1 M P où P est une matrice de passage. Ainsi,
T rA0 = T r(P −1 AP ) = T r(AP P −1 ) = T rA


Exemple. La trace de idE est égale à la dimension de E.
Exemple. Soit p le projecteur sur F (de dimension k) parallèlement à G, où F et G sont
deux sev supplémentaires de E. Soit B une base de E formée de la réunion d’une base de
F et d’une base de G. La matrice de p dans la base B est particulièrement simple. Elle est
diagonale, les k premiers éléments de la diagonale valent 1, les autres valent 0. Ainsi, la
trace de p est égale à k = dim F , c’est à dire au rang de p.
Exercice. Quelle est la trace d’une symétrie ?
5 Similitude
Définition 9. Deux matrices carrées A et B sont semblables lorsqu’il existe une

matrice P inversible telle que B = P −1 AP .
Remarque 6. La relation de similitude est aussi une relation d’équivalence, et deux

matrices semblables sont a fortiori équivalentes et ont donc le même rang.
Proposition 18. Deux matrices sont semblables si et seulement si elles représentent

un même endomorphisme dans deux bases.
Démonstration. Identique à ce qui a été fait pour les matrices équivalentes. La seule
différence, c’est qu’ici P = Q.
Proposition 19. Deux matrices semblables ont même trace. La réciproque est fausse.
Démonstration. Soient A, B deux matrices carrées semblables. Il existe une matrice

inversible P telle que B = P −1 AP . On a alors
trB = trP −1 AP = trP P −1 A = trA

Il y a en fait bien plus à raconter, mais nous n’en dirons pas plus pour l’instant. Finissons
ce chapitre par un exercice.

0 1
Exercice. Soit A = . Soit f l’endomorphisme de R2 dont la matrice dans la base
1 1
canonique B est A.
5. SIMILITUDE 427
1. Soient ϕ et ϕ̂ les racines de l’équation X 2 − X − 1 = 0. Montrons qu’il existe deux

vecteurs non nuls e1 et e2 de R2 tels que f (e1 ) = ϕe1 et f (e2 ) = ϕ̂e2 .
2. Montrer que B 0 = (e01 , e02 ) est une base de R2 .
3. En déduire que A = P DP −1 où P est une matrice inversible (à calculer explicite-
ϕ 0
ment) et D = .
0 ϕ̂
4. Calculer An pour tout entier naturel n.
5. On pose F0 = 0, F1 = 1, et, pour tout entier n, Fn+2 = Fn+1 + Fn . On pose
également Yn = (Fn Fn+1 )T .
(a) Montrer que pour tout n ≥ 0, Yn+1 = AYn .
(b) En déduire que Yn = An Y0 .
(c) Déduire de ce qui précède une expression de Fn en fonction de n.
Chapitre 25
Groupes Symétriques
429
430 CHAPITRE 25. GROUPES SYMÉTRIQUES
1 Compléments sur les groupes finis
Ce paragraphe éclaire ce que nous ferons dans les sections suivantes. Tous les résultats sont
énoncés pour des groupes « multiplicatifs ». Il convient bien entendu d’adapter dans le cas
de groupes dont l’opération est notée additivement.
1.1 Groupes cycliques
Définition 1. Soit (G, ×) un groupe. On dit que G est cyclique lorsque G est fini et
qu’il existe a ∈ G tel que
G = {ak , k ∈ Z}
Notation. On note G =< a >. Le cardinal de G est aussi appelé son ordre. On le note
|G|.
Exemple. (Un , ×), (Z/nZ, +) pour tout n ≥ 1.
Proposition 1. Soit G =< a > un groupe cyclique d’ordre n. On a

• G = {e, a, a2 , . . . , an−1 }.
• ∀i, j ∈ Z, ai = aj ⇔ j − i ∈ nZ.
• ∀k ∈ Z, ak = e ⇔ k ∈ nZ.
Démonstration. Notons E = {m ∈ Z, am = e}. E est clairement un sous-groupe de Z.

Il existe donc m ∈ N tel que E = mZ.
Comme le groupe G est fini, on peut trouver i, j ∈ Z, i < j tels que ai = aj . On a alors
aj−i = e : il existe m ∈ N∗ tel que am = e. Ainsi, E 6= {0} et m > 0.
Soient maintenant i, j ∈ Z. On a ai = aj si et seulement si aj−i = e, c’est à dire j − i ∈ E.

Enfin, une division euclidienne par m montre facilement que tout élément de G est de la
forme ak avec k ∈ J0, m − 1K. D’où G = {e, a, . . . , am−1 }.
Il reste à vérifier que toutes ces puissances sont distinctes deux à deux pour en déduire que
|G| = m, donc m = n.
1. COMPLÉMENTS SUR LES GROUPES FINIS 431
1.2 Ordre d’un élément, ordre d’un sous-groupe
Définition 2. Soit G un groupe. Soit a ∈ G. Si le sous-groupe de G < a > est fini,

on appelle ordre de a l’entier
|a| = | < a > |
Proposition 2.
• |a| est le plus petit entier naturel k tel que ak = e.
• ∀i, j ∈ Z, ai = aj ⇔ j − i ∈ nZ.
• ∀k ∈ Z, ak = e ⇔ k ∈ nZ.
Démonstration. Voir la démonstration faite pour les groupes cycliques : < a > est un
groupe cyclique, engendré par a.
Exemple. Ordre des éléments de U6 , de Z/12Z.
Exercice. Soit G un groupe. Soient a, b ∈ G tels que ab = ba. Alors |ab| divise |a| ∨ |b|.
La relation peut être stricte.
1.3 Le théorème de Lagrange
Proposition 3. Soit G un groupe fini. Soit H un sous-groupe de G. Alors, |H| divise

|G|.
Démonstration. Soit ∼ la relation binaire sur G définie par

∀x, y ∈ G, x ∼ y ⇔ xy −1 ∈ H
On montre facilement que l’on a là une relation d’équivalence. Notons, pour tout x ∈ G,
Cx la classe de x. On remarque que H = Ce . Soit C = Cg une classe modulo ∼. On a
pour tout x ∈ H, xg ∈ C, puisque (xg)g −1 = x ∈ H. On définit ainsi une application
ϕ : H −→ C en posant ϕ(x) = xg. On voit facilement que ϕ est une bijection : ainsi, H
et C ont le même cardinal. Toutes les classes modulo ∼ sont de même cardinal. Notons
C1 , C2 , . . . , Cp les classes distinctes modulo ∼. On a
p
[
G= Ck
k=1
et les classes sont disjointes. Donc
p
X
|G| = |Ck | = p|H|
k=1
l’ordre de H divise l’ordre de G et le quotient de ces ordres est le nombre de classes modulo
∼.
Exercice. Montrer qu’un groupe d’ordre premier est cyclique.
Exemple. Sous-groupes de D4 , le groupe des isométries du plan laissant invariant l’en-
semble des sommets d’un carré.
2 Notion de permutation
2.1 Permutations d’un ensemble
Définition 3. Soit E un ensemble non vide. On appelle permutation de E toute

bijection de E dans E. On note S(E) l’ensemble des permutations de E.
Proposition 4. Soit E un ensemble. L’ensemble S(E) est un groupe pour la com-

position des applications. Ce groupe est non abélien dès que E possède au moins 3
éléments.
Démonstration. La composée de deux bijections, la réciproque d’une bijection, sont des

bijections. La composition des applications est associative. L’identité de E est le neutre
pour la composition.
En ce qui concerne la non-commutatitivité, soient a, b, c trois éléments distincts de E. Soient
f, g ∈ S(E) définies comme suit : f (a) = b, f (b) = c, f (c) = a et pour tout x 6= a, b, c,
f (x) = x. g(a) = b, g(b) = a et pour tout x 6= a, b, g(x) = x. On a alors g ◦ f (a) = g(b) = b
et f ◦ g(a) = f (b) = c. Donc, f ◦ g 6= g ◦ f .
Définition 4. Le groupe S(E) est appelé le groupe symétrique de E. Ses éléments

sont appelés les permutations de E.
Proposition 5. Soient E et F deux ensembles. On suppose qu’il existe une bijection

de E sur F . Alors les groupes S(E) et S(F ) sont isomorphes.
Démonstration. Soit ϕ : E −→ F une bijection. Soit F : S(E) −→ S(F ) définie, pour

toute f ∈ S(E), par
F (f ) = ϕ ◦ f ◦ ϕ−1
2. NOTION DE PERMUTATION 433
On vérifie aisément que F est une bijection. De plus, pour toutes f, g ∈ S(E),
F (g ◦ f ) = ϕ ◦ (g ◦ f ) ◦ ϕ−1 = (ϕ ◦ g ◦ ϕ−1 ) ◦ (ϕ ◦ f ◦ ϕ−1 ) = F (g) ◦ F (f )
Ainsi, les groupes S(E) et S(F ) sont isomorphes.
Proposition 6. Soit E un ensemble fini de cardinal n ∈ N. Le groupe (S(E), ◦) est

un groupe fini, de cardinal n!.
Démonstration. Nous démontrerons de façon rigoureuse ce résultat dans le cours

de dénombrement. Contentons nous pour l’instant de l’argument suivant. Notons E =
{x1 , . . . , xn }. Une application f ∈ S(E) est caractérisée par
• La valeur de f (x1 ) : n possibilités.
• La valeur de f (x2 ) : n − 1 possibilités, car f est injective, donc f (x2 ) 6= f (x1 ).
• La valeur de f (x3 ) : n − 2 possibilités, car f est injective, donc f (x3 ) 6= f (x1 ) et
f (x3 ) 6= f (x2 ).
• ...
• La valeur de f (xn ) : 1 possibilité, car f est injective, donc f (xn ) 6= f (x1 ), . . . ,
f (xn ) 6= f (xn−1 ).
Le nombre total de bijections de E sur E est donc
n × (n − 1) × (n − 2) . . . × 1 = n!

On ne s’occupera dans ce qui suit que des permutations de l’ensemble J1, nK.
Notation.
• On note Sn = S(J1, nK).
• Une permutation σ ∈ Sn est notée par le tableau de ses valeurs :

1 2 ... n
σ=
σ(1) σ(2) . . . σ(n)
• L’usage est de noter multiplicativement la composition des permutations. Attention,

donc, aux confusions.
2.2 Exemples
On a S1 = {id}, S2 = {id, τ } où τ (1) = 2, τ (2) = 1. Regardons d’un peu plus près

1 2 3
S3 = {id, ρ, ρ2 , τ12 , τ13 , τ23 } où ρ = et τij échange i et j et laisse le troisième
2 3 1
élément invariant. Voici la table de multiplication dans S3 :
id ρ ρ2 τ12 τ23 τ13

id id ρ ρ2 τ12 τ23 τ13
ρ ρ ρ2 id τ13 τ12 τ23
ρ2 ρ2 id ρ τ23 τ13 τ12
τ12 τ12 τ23 τ13 id ρ ρ2
τ23 τ23 τ13 τ12 ρ2 id ρ
τ13 τ13 τ12 τ23 ρ ρ2 id
Exercice. Trouver les sous-groupes de S3 .
2.3 Ordre d’une permutation
Soit σ ∈ Sn . Considérons l’ensemble
E = {σ k , k ∈ Z}
L’ensemble E est inclus dans Sn , c’est donc un ensemble fini. Cependant, il existe une
infinité d’entiers relatifs. Il existe donc i, j ∈ Z, i < j, tels que σ i = σ j . Soit k = j − i ≥ 1.
On a alors
σ k = id
Définition 5. Soit σ ∈ Sn . L’ordre de σ est le plus petit entier k ≥ 1 tel que σ k = id.
Exercice. Quel est l’ordre des éléments de S3 ?
Proposition 7. Soit σ ∈ Sn une permutation d’ordre ω. Pour tout k ∈ Z, on a

σ k = id si et seulement si ω | k. Dit autrement,
{k ∈ Z, σ k = id} = ωZ
Démonstration. Soit k = cω un multiple de ω. On a
σ k = (σ ω )c = idc = id
Ainsi,
{k ∈ Z, σ k = id} ⊃ ωZ
Inversement, soit k ∈ Z tel que σ k = id. Par une division euclidienne, on écrit k = qω + r
où q, r ∈ Z et 0 ≤ r < ω. De là,
id = σ k = (σ ω )q σ r = σ r
3. ORBITES 435
Mais ω est le plus petit entier ≥ 1 tel que σ ω = id. Ainsi, on n’a pas r ≥ 1, donc r = 0.
On en déduit que k = qω, d’où
{k ∈ Z, σ k = id} ⊂ ωZ
3 Orbites
3.1 Notion d’orbite
Définition 6. Soit a ∈ J1, nK. Soit σ ∈ Sn . On appelle orbite de a suivant σ l’ensemble
Oσ (a) = {σ k (a), k ∈ Z}
Proposition 8. Les orbites suivant une permutation σ ∈ Sn forment une partition

de J1, nK : les orbites sont non vides, disjointes, et leur réunion est J1, nK.
Démonstration. Soit a ∈ J1, nK. On a a = σ 0 (a), donc a ∈ Oσ (a). Ainsi, les orbites sont
non vides et leur réunion est J1, nK.
Prenons maintenant deux orbites O = Oσ (a) et O0 = Oσ (a0 ). Supposons que O ∩ O0 6= ∅.
0 0
Soit b ∈ O ∩ O0 . Il existe donc k, k 0 ∈ Z tels que b = σ k (a) = σ k (a0 ). Donc a0 = σ k−k (a).
On en déduit facilement que O0 ⊂ O. De même, O ⊂ O0 donc O0 = O.
3.2 Étude des orbites
Proposition 9. Soit σ ∈ Sn . Soit a ∈ J1, nK. Soit p le cardinal de l’orbite de a. Alors

• Pour tout entier relatif k, on a σ k (a) = a si et seulement si k ∈ pZ.
• Oσ (a) = {σ k (a), k ∈ J0, p − 1K}.
Démonstration. Soit E = {k ∈ Z, σ k (a) = a}. On vérifie facilement que E est un

sous-groupe de Z. Il existe donc m ∈ N tel que E = mZ.
L’entier m est non nul. En effet, l’orbite de a est un ensemble fini, il existe donc deux
entiers distincts i et j tels que σ i (a) = σ j (a). Donc, 0 6= i − j ∈ E.
Soit maintenant k ∈ Z. On a, par une division euclidienne, k = mq + r, 0 ≤ r < m. De là
σ k (a) = σ r (smq (a)) = σ r (a)
Donc, Oσ (a) = {a, σ(a), . . . , σ m−1 (a)}.

De plus, si i, j ∈ J0, m−1K, i 6= j et σ i (a) = σ j (a), alors i−j ∈ E = mZ. Mais |i−j| ≤ m−1.
D’où i = j. Donc, Oσ (a) a exactement m éléments, donc m = p.
3.3 Cycles, Transpositions
Définition 7.
• Un cycle est une permutation ayant exactement une orbite non réduite à un
point.
• L’orbite en question est appelée le support du cycle.
• La longueur du cycle est le cardinal de son support.
• Une transposition est un cycle de longueur 2.
Notation. Si σ est un cycle de longueur `, et a appartient à l’unique orbite de σ non

réduite à un point, on note
σ = (a σ(a) σ 2 (a) . . . σ `−1 (a))
Remarque 1. Cette notation est ambiguë, puisque l’on ne sait plus à quel Sn le cycle ap-
partient. En général, ceci n’a pas d’importance. Mieux, c’est plutôt un avantage puisqu’un
cycle dont le support est inclus dans J1, nK peut être vu comme un élément de Sn , Sn+1 ,
etc.
Proposition 10. L’ordre d’un cycle est égal à sa longueur.
Démonstration. Soit σ = (a σ(a) . . . σ p−1 (a)) un p-cycle. On a pour tout k < p,

σ k (a) 6= a, donc σ k 6= id. On vérifie ensuite facilement que σ p = id. Ainsi, l’ordre de σ est
p.
3.4 Cycles de supports disjoints
Proposition 11. Deux cycles de supports disjoints commutent.

3. ORBITES 437
Démonstration. Soient σ, σ 0 deux cycles de supports disjoints. Soit a ∈ J1, nK. Il y a

trois possibilités.
• Si a est dans le support de σ, alors il n’est pas dans le support de σ 0 et σ(a) non
plus. De là,
σσ 0 (a) = σ(a) = σ 0 σ(a)
• Même raisonnement si a est dans le support de σ 0 .
• Enfin, si a n’est dans aucun des deux supports, alors
σ(a) = σ 0 (a) = σσ 0 (a) = σ 0 σ(a) = a
Proposition 12. Soient σ et σ 0 deux cycles de supports disjoints, de longueurs p et

p0 . Alors l’ordre de σσ 0 est p ∨ p0 .
Démonstration. Posons γ = σσ 0 . On a pour tout k ∈ N, (σσ 0 )k = σ k σ 0k puisque σ et

σ 0 commutent.
Supposons (σσ 0 )k = id. Soit a un élément du support de σ. a n’appartient donc pas au
support de σ 0 , donc σ 0 (a) = a et, a fortiori, σ 0k (a) = a. Ainsi,
a = (σσ 0 )k (a) = σ k (σ 0k (a)) = σ k (a)
donc k est multiple de p. De même, en prenant a dans le support de σ 0 , on obtient que k

est un multiple de p0 . Ainsi, p ∨ p0 divise k.
Inversement, supposons que p ∨ p0 divise k. Alors p et p0 divisent k, donc σ k = σ 0k = id.
Ainsi, (σσ 0 )k = id.
En conclusion, (σσ 0 )k = id si et seulement si p∨p0 divise k. L’ordre de σσ 0 est effectivement
p ∨ p0 .
Proposition 13. Toute permutation s’écrit de façon unique, à l’ordre près des fac-
teurs, comme un produit de cycles de supports disjoints.
Démonstration. Nous allons donner uniquement les grandes lignes de la preuve de

l’existence. Soit σ ∈ Sn . Supposons que σ possède q orbites O1 , . . . , Oq de cardinaux
p1 , . . . , pq . Pour i = 1, . . . , q, soit
γi = (a σ(a) . . . σ pi −1 (a))
où a ∈ Oi . Le support de γi est précisément Oi . Les orbites étant disjointes, les γi sont des
cycles de supports disjoints.
Soit maintenant b ∈ J1, nK. b appartient à une, et une seule des orbites suivant σ, mettons
l’orbite Oi . On a donc pour tout j 6= i, γj (b) = b, et γi (b) = σ(b). Il en résulte facilement
que
(γ1 . . . γq )(b) = σ(b)
Ainsi,
σ = γ 1 . . . γq
La preuve ci-dessus nous dit comment décomposer de façon effective une permutation σ
en produit de cycles de supports disjoints.
• On choisit un point a non fixe de σ.

• On construit le cycle γ1 = (a σ(a) . . . σ p−1 (a)) où p est le cardinal de Oσ (a).
• On recommence avec un point non fixe b qui n’est pas dans le support de γ1 , s’il
existe un tel point. On obtient un cycle γ2 .
• etc.
Exemple. Soit

1 2 3 4 5 6 7 8 9 10 11
σ=
3 1 7 8 5 6 2 10 11 4 9
On prend par exemple a = 1 et on obtient le cycle (1 3 7 2).
On recommence avec par exemple b = 4 et on obtient le cycle (4 8 10).
On recommence avec par exemple c = 9 et on obtient le cycle (9 11).
Tous les points non fixes ont été considérés. Ainsi,
σ = (1 3 7 2)(4 8 10)(9 11)
Exercice. Décrire le groupe symétrique S4 .
Nous avons maintenant une technique pour énumérer de façon logique les éléments d’un
groupe symétrique. On laisse les détails au lecteur. Voici les éléments de S4 :
• id.
• Les transpositions. Il y en a 6.
• Les 3-cycles. Il y en a 8.
• Les 4 cycles. Il y en a 6.
• Les produits de deux transpositions de supports disjoints. Il y en a 3.
Remarquons que 1 + 6 + 8 + 6 + 3 = 4!, ce qui est heureux.

4. SIGNATURE 439
4 Signature
4.1 Décomposition en produit de transpositions
Proposition 14. Soit n ∈ N∗ . Toute permutation de Sn est un produit d’au plus n − 1

transpositions.
Démonstration. On raisonne par récurrence sur n, où σ ∈ Sn .

• Si n = 1, c’est trivial. σ = id est un produit de 0 transposition.
• Supposons la propriété vraie pour les permutations de Sn . Soit σ ∈ Sn+1 .
Si σ(n + 1) = n + 1, il n’y a rien à faire : σ, identifiée à un élément de Sn , est un
produit d’au plus n − 1 transpositions, donc d’au plus n transpositions.
Sinon, notons τ = ((n + 1)σ(n + 1)). Soit σ 0 = τ σ. Alors σ 0 (n + 1) = n + 1 donc
σ 0 ∈ Sn est un produit d’au plus n − 1 transpositions par l’hypothèse de récurrence.
Donc, σ = τ σ 0 est un produit d’au plus n transpositions.

Exemple. Décomposition d’un cycle. Soit s = (a1 a2 . . . ap ) un cycle. On a alors une
décomposition de s en produit de transpositions (ce n’est pas la seule) qui est
s = (a1 a2 )(a2 a3 ) . . . (ap−1 ap )
Remarque 2. Il n’y a pas unicité de la décomposition. Par exemple,
(1 2)(2 3) = (1 2 3) = (2 3 1) = (2 3)(3 1)
4.2 Signature d’une permutation
Définition 8. Soit σ ∈ Sn . On appelle signature de σ le nombre
ε(σ) = (−1)n−m
où m est le nombre d’orbites suivant σ.
Exemple. ε(id) = 1. Pour toute transposition τ , ε(τ ) = −1. PLus généralement, si γ est
un cycle de longueur ` ≥ 2, on a
ε(γ) = (−1)`−1
Proposition 15. Soit σ ∈ Sn . Soit τ une transposition. On a
ε(στ ) = −ε(σ)
Démonstration. Notons τ = (i j) et σ 0 = στ . Comment les orbites suivant σ se

comportent-elles suivant σ 0 ? Soit γ une orbite suivant σ.
Tout d’abord, si ni i ni j n’appartiennent à γ, alors pour tout x ∈ γ on a σ 0 (x) = σ(x). γ
est donc aussi une orbite suivant σ 0 . Nous avons réglé le cas de presque toutes les orbites,
il n’en restent plus qu’une ou deux à considérer.
• Première possibilité, i et j sont dans une même orbite suivant σ. Il ne reste donc à
considérer que l’orbite γ qui contient i et j. On a
γ = Oσ (i) = {i, σ(i), . . . , j = σ k (i), . . . , σ p−1 (i)}
où p est le cardinal de l’orbite γ. On a σ 0 (i) = σ(j) = σ k+1 (i). Puis
σ 0 (σ k+1 (i)) = σ k+2 (i), . . . , σ 0 (σ p−1 (i)) = i
Nous avons une orbite suivant σ 0 , qui est
γ10 = {i, σ(j), . . . , σ p−1 (i)}
Cela dit, tous les points de σ n’ont pas été passés en revue. Le même raisonnement
nous donne une seconde orbite suivant σ 0 , qui est
γ20 = {j, σ(i), . . . , σ k−1 (i)}
Ainsi, γ s’est transformée en deux orbites suivant σ 0 .

• Deuxième possibilité, i et j sont dans deux orbites distinctes suivant σ,
γ1 = Oσ (i) = {i, σ(i), . . . , σ p−1 (i)}

et
γ2 = Oσ (j) = {j, σ(j), . . . , σ q−1 (j)}
Cette fois-ci, γ1 et γ2 se réunissent en une unique orbite suivant σ 0 , qui est
γ = {i, σ(j), . . . , σ q−1 (j), σ(i), . . . , σ p−1 (i)}
Ainsi, γ1 et γ2 se sont transformées en une orbite suivant σ 0 .

Bilan, le nombres d’orbites suivant σ 0 est égal au nombre d’orbites suivant σ ±1. On a
donc effectivement ε(σ 0 ) = −ε(σ).
4. SIGNATURE 441
Proposition 16. Soient τ1 , . . . , τp p transpositions de Sn . On a
ε(τ1 . . . τp ) = (−1)p
Démonstration. On fait une récurrence sur p. C’est évident par la proposition précé-
dente.
Remarque 3. Nous avons vu qu’une permutation pouvait s’écrire de différentes façons
comme produit de transpositions. Il y a en revanche unicité de la parité du nombre de
transpositions qui interviennent dans le produit.
Proposition 17. La fonction ε : Sn −→ {−1, 1} est un morphisme de groupes :
∀σ, σ 0 ∈ Sn , ε(σσ 0 ) = ε(σ)ε(σ 0 )
Démonstration. Si σ est le produit de p transpositions et σ 0 est le produit de q trans-

positions, alors σσ 0 est le produit de p + q transpositions. On a donc
ε(σσ 0 ) = (−1)p+q = (−1)p (−1)q = ε(σ)ε(σ 0 )

Exercice. Trouver la signature de

1 2 3 4 5 6 7 8 9 10 11 12
σ=
7 11 4 3 1 6 12 5 10 2 9 8
On peut par exemple décomposer σ en produit de cycles de supports disjoints.
σ = (1 7 12 8 5)(2 11 9 10)(3 4)
De là,
ε(σ) = ε(1 7 12 8 5)ε(2 11 9 10)ε(3 4) = 1 × (−1) × (−1) = 1
Exercice. Trouver la signature de tous les éléments de S3 , S4 et S5 .
4.3 Groupe alterné

Définition 9. On appelle groupe alterné d’ordre n l’ensemble
An = ker ε
Une permutation est dite paire lorsqu’elle est dans An , impaire sinon.
Exemple. Un p-cycle est pair si et seulement si p est impair.
Proposition 18. L’ensemble An est un sous-groupe de Sn . Pour n ≥ 2, on a

n!
card An =
2
Démonstration. An est un sous-groupe de Sn en tant que noyau d’un morphisme de

groupes. De plus, si n ≥ 2, il existe dans Sn au moins une permutation impaire (une
transposition, par exemple). Notons-la τ . L’application σ 7→ τ σ est alors une bijection de
An dans Sn \ An : il y a autant de permutations paires que de permutations impaires. D’où
le résultat.
Exercice. Décrire A3 , A4 et A5 .
4.4 Complément
Quels sont tous les morphismes de groupes de (Sn , ◦) vers (C∗ , ×) ?

Nous avons bien entendu la fonction 1 constante égale à 1, et la signature ε. Y en a-t-il
d’autres ? La réponse est non. Commençons par un lemme.
Lemme 19. Soit n ≥ 2. Soient τ, τ 0 deux transpositions de Sn . Il existe σ ∈ Sn telle

que
τ 0 = στ σ −1
Démonstration. Posons τ = (a b) et τ 0 = (c d), où a 6= b et c 6= d. Soit σ ∈ Sn telle

que σ(a) = c et σ(b) = d. Soit x ∈ J1, nK.
• Cas 1, x 6= c, d. On a alors σ −1 (x) 6= a, b, donc τ (σ −1 (x)) = σ −1 (x), d’où
στ σ −1 (x) = σσ −1 (x) = x = τ 0 (x)
• Cas 2, x = c. On a alors
στ σ −1 (x) = στ (a)σ(b) = d = τ 0 (x)
5. ANNEXE : INVERSIONS 443
• Cas 3, x = d. Ce cas est identique au précédent.

τ 0 et στ σ −1 coïncident en tout point, ces deux applications sont donc égales.
On dit que les transpositions τ et τ 0 sont conjuguées.
Exercice. Montrer, plus généralement, que deux cycles de même longueur sont conjugués.
Proposition 20. Soit n ≥ 2. Les seuls morphismes de groupes de (Sn , ◦) vers (C∗ , ×)
sont 1 et ε.
Démonstration. Soit f un tel morphisme. Soient τ, τ 0 deux transpositions. Soit σ ∈ Sn

telle que τ 0 = στ σ −1 . On a alors
f (τ 0 ) = f (στ σ −1 ) = f (σ)f (τ )f (σ)−1 = f (τ )
Ainsi, f prend la même valeur sur toutes les transpositions.

Quelle est cette valeur ? On a (1 2)2 = id, donc
f ((1 2))2 = f (id) = 1
Ainsi, f ((1 2)) = ±1. Deux cas se présentent.

• Cas 1, f ((1 2)) = −1. On a alors pour toute transposition τ , f (τ ) = −1. Soit
σ ∈ Sn . Écrivons σ = τ1 . . . τp où les τi sont des transpositions. On a alors
f (σ) = f (τ1 ) . . . f (τp ) = (−1)p = ε(σ)
Ainsi,
f =ε
• Cas 2, f ((1 2)) = 1. Par le même raisonnement, on obtient
f =1
5 Annexe : Inversions
Définition 10. Pour σ ∈ Sn , on appelle inversion de σ tout couple (i, j) tel que
i < j et σ(i) > σ(j). On note I(σ) le nombre d’inversions de σ. On note également
e(σ) = (−1)I(σ) .
Exemple. I(id) = 0. Soit τ = (pq) une transposition. Prenons par exemple p < q. Les
couples (i, j) tels que i < j et τ (i) < τ (j) ont soit leur premier élément égal à p, soit leur
second élément égal à q. Précisément, les couples concernés sont (p, p + 1), (p, p + 2),. . . ,
(p, q), et aussi (p + 1, q), (p + 2, q),. . ., (q − 1, q). Donc I(τ ) = 2(q − p) − 1.
Notation. On note P2 (n) l’ensemble des parties de {1, . . . , n} à deux éléments. On a ainsi
card P2 (n) = n(n−1)
2 .
Lemme 21. Soit σ ∈ Sn . L’application, notée encore σ, P2 (n) −→ P2 (n) définie par
σ({i, j}) = {σ(i), σ(j)} est une bijection.
Démonstration. Il suffit de prouver l’injectivité, qui est évidente.
Proposition 22. Soit σ ∈ Sn . On a

Y σ(i) − σ(j)
e(σ) =
i−j
{i,j}∈P2 (n)
Y σ(i) − σ(j)
ϕ(σ) =
i−j
{i,j}∈P2 (n)
On constate tout d’abord que

Y σ(i) − σ(j)
ϕ(σ) =
i−j
i<j
Donc, le signe de ϕ(σ) est le même que celui de e(σ).

Considérons ensuite
Y
P = (σ(i) − σ(j))
{i,j}∈P2 (n)
Posons {i0 , j 0 } = σ({i, j}). Alors,
Y
P = (i0 − j 0 )
{i0 ,j 0 }∈P2 (n)
d’après le lemme démontré plus haut. Ainsi, |ϕ(σ)| = 1.

Les quantités e(σ) et ϕ(σ) ont même signe et même valeur absolue, elles sont donc égales.

5. ANNEXE : INVERSIONS 445
Proposition 23. La fonction e : Sn −→ {−1, 1} est un morphisme de groupes.
Démonstration. Soient σ et τ deux permutations de Sn . On a

Y στ (i) − στ (j) Y σ(τ (i)) − σ(τ (j)) Y τ (i) − τ (j)
e(στ ) = =
i−j τ (i) − τ (j) i−j
{i,j}∈P2 (n) {i,j}∈P2 (n) {i,j}∈P2 (n)
Le second produit est ε(τ ). Quant au premier produit, il suffit de poser {i0 , j 0 } = τ ({i, j}),
pour voir qu’il est égal à ε(σ). Ainsi,
e(στ ) = e(σ)e(τ )
Proposition 24. e = ε.
Démonstration. Rappelons-nous que pour toute transposition τ = (p q) (où p < q) on

a I(τ ) = 2(q − p) − 1. On a donc e(τ ) = −1 = ε(τ ). Ainsi, e et ε sont deux morphismes
de groupes qui coïncident sur les transpositions. Comme toute permutation est produit de
transpositions on en déduit aisément que e = ε.
Chapitre 26
Déterminants
447
448 CHAPITRE 26. DÉTERMINANTS
1 Applications multilinéaires
1.1 Définitions
Définition 1. Soient E1 , . . . , En , F n + 1 K-espaces vectoriels. Soit
f : E1 × . . . × En −→ F
une application. On dit que f est n-linéaire lorsque f est « linéaire en chacune de ses
variables » : ∀i ∈ J1, nK, ∀x1 , . . . , xi−1 , xi+1 , . . . , xn ∈ E1 × . . . × Ei−1 × Ei+1 × . . . × En ,
l’application fi : Ei −→ F définie par
fi (x) = f (x1 , . . . , x, . . . , xn )
est linéaire.
Si F = K, on dit que f est une forme n-linéaire.
Exemple.
• La multiplication des réels, le produit matriciel, la multiplication des polynômes,
sont bilinéaires.
• Le produit scalaire sur Rn est une forme bilinéaire.
• Le produit vectoriel sur R3 est une application bilinéaire.
• Le déterminant sur R2 est une forme bilinéaire (cf chapitre de début d’année).
• Le déterminant sur R3 est une forme trilinéaire.
Notation. On note L(E1 , . . . , En ; F ) l’ensemble des applications n-linéaires de E1 × . . . ×
En vers F . Lorsque E1 = . . . = En , on note plus simplement Ln (E, F ).
Exemple. Déterminons toutes les formes bilinéaires R2 × R2 −→ R. Soit (e1 , e2 ) une base
du plan. Soit f une forme bilinéaire sur R2 . Soient u = xe1 + ye2 et v = x0 e1 + y 0 e2 . On a
f (u, v) = a11 xx0 + a12 xy 0 + a21 x0 y + a22 yy 0
où aij = f (ei , ej ).
Inversement, toute application de cette forme est clairement bilinéaire. Creusons un peu.
Pour i, j ∈ J1, 2K, soit fij définie par
fij (x1 e1 + x2 e2 , x01 e1 + x02 e2 ) = xi x0j
Toute forme bilinéaire sur R2 s’écrit de façon unique f = i,j aij fij où les aij ∈ R. En
P
résumé,
L2 (R2 , R) =< fij , 1 ≤ i ≤ 2, 1 ≤ j ≤ 2 >
est un R-espace vectoriel de dimension 4.
1. APPLICATIONS MULTILINÉAIRES 449
1.2 Structure des ensembles d’applications n-linéaires
Proposition 1. L(E1 , . . . , En ; F ) est un K-espace vectoriel de dimension

n
!
Y
dim Ek × dim F
k=1
lorsque tous les espaces mis en jeu sont de dimension finie.
Démonstration. Nous avons vu un cas particulier de ce théorème dans l’exemple ci-

dessus. Le cas général se démontre de la même façon, en introduisant des bases des Ek et
de F . Nous ne donnerons pas les détails.
1.3 Formes n-linéaires alternées
Définition 2. Soit f ∈ Ln (E, F ). On dit que f est

• symétrique lorsque pour tous x1 , . . . , xn ∈ E, pour tous i, j ∈ J1, nK,
f (x1 , . . . , xj , . . . , xi , . . . , xn ) = f (x1 , . . . , xi , . . . , xj , . . . , xn )
• antisymétrique lorsque pour tous x1 , . . . , xn ∈ E, pour tous i, j ∈ J1, nK, i 6= j,
f (x1 , . . . , xj , . . . , xi , . . . , xn ) = −f (x1 , . . . , xi , . . . , xj , . . . , xn )
• alternée lorsque pour tous x1 , . . . , xn ∈ E, pour tous i, j ∈ J1, nK, i 6= j,
xi = xj =⇒ f (x1 , . . . , xn ) = 0
Exemple. Recherchons toutes les formes antisymétriques sur R2 . Nous avons déjà la forme
générale d’une forme bilinéaire. En reprenant les notations ci-dessus, supposons que f est
antisymétrique. Alors,
a11 = f (e1 , e1 ) = −f (e1 , e1 ) = −a1,1
Donc a11 = 0. De même, a22 = 0. Et
a12 = f (e1 , e2 ) = −f (e2 , e1 ) = −a21
Finalement, f (u, v) = k(xy 0 − x0 y) où k ∈ R. Inversement, une telle application est bien
antisymétrique.
Exercice. Déterminer toutes les formes bilinéaires alternées sur R2 . Indication : lire le
théorème suivant.
Proposition 2. Soit K un corps dans lequel 2 6= 0. Soit E un K-espace vectoriel. Soit

f ∈ Ln (E, K). Alors, f est antisymétrique si et seulement si f est alternée.
Démonstration. On le fait pour n = 2, histoire de simplifier. Soient x, y ∈ E.
Si f est antisymétrique, alors, pour tout x ∈ E, f (x, x) = −f (x, x), d’où 2f (x, x) = 0.
Comme 2 est non nul, f est donc alternée.
Si f est alternée, alors, pour tous x, y ∈ E,
0 = f (x + y, x + y) = f (x, y) + f (y, x)
donc f est antisymétrique.
Notation. On note Λn (E) l’ensemble des formes n-linéaires alternées sur E.
Proposition 3. Soit f une forme n-linéaire sur E. Alors, f ∈ Λn (E) si et seulement

si pour tout σ ∈ Sn ,
∀x1 , . . . , xn ∈ E, f (xσ(1) , . . . , xσ(n) ) = ε(σ)f (x1 , . . . , xn )
Démonstration. Dans un sens, c’est évident : prendre pour σ une transposition.
Inversement, toute permutation est un produit de transpositions. On raisonne par récur-

rence sur le nombre de transpositions du produit.
2 Déterminant d’une famille de vecteurs
2.1 Notations
Dans ce qui va suivre :
• E est un K-espace vectoriel de dimension n ≥ 1.

• B = (e1 , . . . , en ) est une base de E.
• x1 , . . P
. , xn sont n vecteurs de E.
• xj = ni=1 xij ei est l’écriture de xj dans la base B.
• f est une forme n-linéaire alternée sur E.
On cherche à exprimer f (x1 , . . . , xn ) à l’aide des coordonnées des xi .

2. DÉTERMINANT D’UNE FAMILLE DE VECTEURS 451
2.2 Calculs
On utilise tout d’abord la n-linéarité de f :

n n
!
X X
f (x1 , . . . , xn ) = f x i1 1 e i1 , . . . , x in n e in
i1 =1 in =1
n
X n
X
= ... xi1 1 . . . xin n f (ei1 , . . . , ein )
i1 =1 in =1
X
= xi1 1 . . . xin n f (ei1 , . . . , ein )
(i1 ,...,in )∈A
où
A = {(i1 , . . . , in ) ∈ J1, nKn , ∀j 6= k, ij 6= ik }
En effet, f (ei1 , . . . , ein ) = 0 dès que deux des eij sont égaux (alternance de f ).
Soit ψ : Sn −→ A définie par
ψ(σ) = (σ(1), . . . , σ(n))
L’application ψ est une bijection. On peut grâce à elle effectuer un changement d’indice
dans la somme qui nous (pré)occupe, et écrire :
X
f (x1 , . . . , xn ) = xσ(1)1 . . . xσ(n)n f eσ(1)1 , . . . , eσ(n)n
σ∈Sn
X
= f (e1 , . . . , en ) × ε(σ)xσ(1)1 . . . xσ(n)n
σ∈Sn
On a donc f (x1 , . . . , xn ) = Cϕ(x1 , . . . , xn ) où ϕ : E n −→ K est définie par

X
ϕ(x1 , . . . , xn ) = ε(σ)xσ(1)1 . . . xσ(n)n
σ∈Sn
et
C = f (e1 , . . . , en )
ne dépend pas des vecteurs xj .

Conclusion : toute forme n-linéaire alternée sur E est un multiple de ϕ.
Il reste à prouver deux choses :
• ϕ n’est pas la fonction nulle.
• ϕ est n-linéaire alternée.
• Les coordonnées du vecteur ej dans la base B sont les δij , 1 ≤ i ≤ n :

n
X
ej = δij j ei
ij =1
Donc, X
ϕ(e1 , . . . , en ) = ε(σ)δσ(1)1 . . . δσ(n)n
σ∈Sn
Or, tous les produits dans la somme ci-dessus sont nuls, sauf lorsque σ = id. Donc,
ϕ(e1 , . . . , en ) = 1. AInsi, ϕ n’est pas la fonction nulle.
• Soit γ ∈ Sn . Posons yj = xγ(j) . On a
X
ϕ(xγ(1) , . . . , xγ(n) ) = ε(σ)yσ(1)1 . . . yσ(n)n
σ∈Sn
X
= ε(σ)xσ(1)γ(1) . . . xσ(n)γ(n)
σ∈Sn
X n
Y
= ε(σ) xσ(k)γ(k)
σ∈Sn k=1
On pose dans le produit k = γ(k 0 ) (γ est une bijection). Il vient

X n
Y
ϕ(xγ(1) , . . . , xγ(n) ) = ε(σ) xσγ(k)k
σ∈Sn k=1
Maintenant, on pose dans la somme σ = σ 0 γ, et on obtient

X n
Y
ϕ(xγ(1) , . . . , xγ(n) ) = ε(σγ) xσ(k)k = ε(γ)ϕ(x1 , . . . , xn )
σ∈Sn k=1
puisque ε(σγ) = ε(γ)ε(σ). Ainsi, ϕ est antisymétrique, donc alternée.

Remarque 1. Pour être parfaitement exacts, notre preuve ne fonctionne que dans un
corps K où 2 6= 0.
2.3 Bilan
Proposition 4. Les formes n-linéaires alternées sur E sont les multiples de l’applica-
tion ϕ : E n −→ K définie par
X
ϕ(x1 , . . . , xn ) = ε(σ)xσ(1)1 . . . xσ(n)n
σ∈Sn
De plus, ϕ est l’unique application n-linéaire alternée sur E qui prend la valeur 1 en
(e1 , . . . , en ).
2. DÉTERMINANT D’UNE FAMILLE DE VECTEURS 453
Corollaire 5. Λn (E) est un K-espace vectoriel de dimension 1.
Démonstration. En effet, Λn (E) =< ϕ > et ϕ 6= 0.
2.4 Déterminant d’une famille de vecteurs
Définition 3. Avec les notations qui précèdent, l’application ϕ est appelée « détermi-
nant dans la base B », et est notée detB :
X
det(x1 , . . . , xn ) = ε(σ)xσ(1)1 . . . xσ(n)n
B
σ∈Sn
Remarque 2. L’application « déterminant dans la base B » est donc l’unique application

n-linéaire alternée f sur E telle que f (B) = 1.
Remarque 3. Lorsque σ décrit Sn , σ −1 aussi. Le changement d’indice σ = σ 0−1 dans
l’expression de ϕ montre (calcul omis) que l’on a également :
X
det(x1 , . . . , xn ) = ε(σ)x1σ(1) . . . xnσ(n)
B
σ∈Sn
2.5 Déterminant d’une matrice carrée
Définition 4. Soit A ∈ Mn (K). On appelle déterminant de A le déterminant de la

famille des colonnes de A, identifiées à des vecteurs de Kn , dans la base canonique de
Kn .
Notation. Si A = (aij )1≤i,j≤n , on notera le déterminant de A :
a11 ··· a1n

det A = .. ..
. .
an1 · · · ann
Une formule pour le déterminant de A est

X
det A = ε(σ)aσ(1)1 . . . aσ(n)n
σ∈Sn
Proposition 6. Soit A ∈ Mn (K). On a det tA = det A.
Démonstration. C’est une conséquence directe de « l’autre » écriture de ϕ dans le

paragraphe précédent.
On a donc aussi X
det A = ε(σ)a1σ(1) . . . anσ(n)
σ∈Sn
2.6 Exemples
Pour n = 2, on a
a11 a12
= a11 a22 − a12 a21
a21 a22
Pour n = 3, on a
a11 a12 a13

a21 a22 a23 = a11 a22 a33 + a21 a32 a13 + a31 a12 a23
a31 a32 a33
−a21 a12 a33 − a11 a32 a23 − a31 a22 a13
De façon générale, pour n quelconque, un déterminant est une expression possédant n!

termes. La moitié de ces termes est affectée d’un signe plus (permutations paires), l’autre
moitié d’un signe moins (permutations impaires).
2.7 Déterminants, bases, matrices inversibles
Proposition 7. Soient E un K-espace vectoriel de dimension n, B une base de E, et

F une famille de n vecteurs de E. Alors F est une base de E si et seulement si
det F 6= 0
B
Proposition 8. Soit A ∈ Mn (K). Alors, A est inversible si et seulement si
det A 6= 0
3. CALCUL DES DÉTERMINANTS 455
Démonstration. Ces deux propositions sont évidemment deux points de vues d’un même
théorème.
(⇒) Supposons que F est une base de E. On dispose alors des deux applications n-linéaires
alternées non nulles, detB et aussi detF . Ces deux applications sont proportionnelles : il
existe donc un réel λ (non nul) tel que detB = λ detF . En particulier
det(F) = λ det(F) = λ 6= 0
B F
(⇐) Supposon que F = (x1 , . . . , xn ) est liée. Alors, l’un des vecteurs est combinaison
linéaire des autres : X
∃i ∈ J1, nK, xi = λ j xj
j6=i
Mais alors,
X
det(F) = det(x1 , . . . , λj xj , . . . , xn )
B B
j6=i
X
= λj det(x1 , . . . , xj , . . . , xn )
B
j6=i
où xj se trouve à la position i. Comme xj se trouve aussi à la position j, par l’alternance,

tous les termes de la somme sont nuls.
3 Calcul des déterminants
3.1 Déterminant d’une matrice triangulaire
Proposition 9. Soit A = (aij )1≤i,j≤n une matrice triangulaire. Alors

n
Y
det A = akk
k=1
Démonstration. Prenons par exemple A triangulaire supérieure. Pour tout i > j,

aij = 0. On a X
det A = ε(σ)Tσ
σ∈Sn
où Tσ = aσ(1)1 . . . aσ(n)n . Mais si Tσ 6= 0 alors, par la triangularité de A,
σ(1) ≤ 1, . . . , σ(n) ≤ n
D’où σ = id par une petite récurrence. Il n’y a donc au plus qu’un terme non nul dans la
somme.
 
2 2 3 4
0 1 6 5
Exemple. Soit A =  0 0 4 3. On a

0 0 0 1
det A = 2 × 1 × 4 × 1 = 8
3.2 Opérations sur les lignes et les colonnes
Proposition 10.
• Échanger deux colonnes d’un déterminant change le signe de celui-ci.
• Multiplier une colonne d’un déterminant par un scalaire λ revient à multiplier
ce déterminant par λ.
• Ajouter à une colonne d’un déterminant une combinaison linéaire des autres
colonnes ne change pas la valeur du déterminant.
Démonstration. Ce sont des conséquences directes de l’antisymétrie, de la multilinéarité,

et de l’alternance.
Remarque 4. Bien entendu, ces résultats sont également valables pour les opérations sur
les lignes. Il suffit de transposer.
Exemple. Soit x ∈ C. Calculons le déterminant de taille n
x 1 ··· 1
..
1 x . 1
Dn = .... ..
. . . 1
1 ··· 1 x
On effectue d’abord C1 ←− C1 + C2 + . . . + Cn . Il vient
1 1 ··· 1
..
1 x . 1
Dn = (x + n − 1) .. .. ..
. . . 1
1 ··· 1 x
On effectue ensuite Li ←− Li − L1 , pour i = 2, 3, . . . , n. Il vient

1 ···
··· 1
. ..
0 x − 1 .. .
Dn = (x + n − 1) . .. .. = (x + n − 1)(x − 1)n−1
.. . . 0
0 ··· 0 x−1
3.3 Développement suivant une ligne ou une colonne
Définition 5. Soit A = (aij ) ∈ Mn (K). On appelle :

• Mineur de A d’indices i, j le déterminant de la matrice obtenue en rayant la
ligne i et la colonne j de A.
• Cofacteur de A d’indices i, j le mineur de A d’indices i, j multiplié par (−1)i+j .
• Comatrice de A la matrice des cofacteurs de A.
Notation. Nous noterons

• Min(A, i, j) le mineur de A, ligne i, colonne j.
• Cof(A, i, j) le cofacteur de A, ligne i, colonne j.
• Com A la comatrice de A.
Exemple.
a c d −b
Com =
b d −c a
   
1 4 7 −3 6 −3
Com 2 5 8 =  6 −12 6 
3 6 9 −3 6 −3
On va maintenant établir une formule permettant de calculer le déterminant d’une matrice

en fonction de certains de ses cofacteurs.
Soit A = (aij )1≤i,j≤n ∈ Mn (K). Appelons A1 , . . . , An les colonnes de A, identifiées à des
vecteurs de Kn , et soit B = (e1 , . . . , en ) la base canonique de Kn . Soit j un entier fixé entre
1 et n. On a
det A = det(A1 , . . . , An )
B
n
X
= det(A1 , . . . , aij ei , . . . , An )
B
i=1
n
X
= aij det(A1 , . . . , ei , . . . , An )
B
i=1
où ei est en jème position.

Posons Dij = detB (A1 , . . . , ei , . . . , An ) :
a11 ··· 0 ··· a1n

.. .. ..
. . .
.. ..
. 0 .
Dij = .. ..
. 1 .
.. ..
. 0 .
.. .. ..
. . .
an1 · · · 0 ··· ann
le 1 étant à la ligne i, colonne j. On effectue les opérations
Li ←→ Li+1 , Li+1 ←→ Li+2 , . . . , Ln−1 ←→ Ln
puis
Cj ←→ Cj+1 , Cj+1 ←→ Cj+2 , . . . , Cn−1 ←→ Cn
ce qui donne
a11 ··· a1n 0
.. .. ..
Dij = (−1)i+j . . .
an1 · · · ann 0
··· ··· ··· 1
Attention, il n’y a « plus » de ligne i et de colonne j dans le déterminant ci-dessus. Le calcul
de ce déterminant par la formule de la définition fait apparaître une somme sur les σ ∈ Sn
tels que σ(n) = n. On change d’indice en remarquant que l’ensemble de ces permutations
est en bijection avec Sn−1 . On trouve alors que
Dij = Cof(A, i, j)
On a ainsi prouvé la
Proposition 11. Soit A = (aij ) ∈ Mn (K). Soit j ∈ [1, n]. On a

n
X
det A = aij Cof (A, i, j)
i=1
Définition 6. La formule précédente est appelée développement de det A par rapport

à la colonne j.
Tout ce qui vient d’être vu peut être bien sûr transposé :
Proposition 12. Soit A = (aij ) ∈ Mn (K). Soit i ∈ [1, n]. On a

n
X
det A = aij Cof(A, i, j)
j=1
Définition 7. La formule précédente est appelée développement de det A par rapport

à la ligne i.
Exemple. Développons
1 2 3
D= 4 5 6
7 8 9
par rapport à la première colonne. On a
5 6 2 3 2 3
D = 1× −4× +7×
8 9 8 9 5 6
= 1 × (−3) − 4 × (−6) + 7 × (−3)
= 0
Exemple. Calculons
1 + x2 x 0 ··· ··· 0
.. ..
x 1 + x2 x . .
Dn = .. .. .. .. ..
0 . . . . .
.. ..
. .
On développe par rapport à la première colonne :
Dn = (1 + x2 )Dn−1 − x∆n−1
où ∆n−1 est le mineur « de x ». En développant ∆n−1 par rapport à la première colonne,

on voit que ∆n−1 = xDn−2 . D’où
Dn = (1 + x2 )Dn−1 − x2 Dn−2
Il ne reste qu’à résoudre cette récurrence, qui est une récurrence linéaire à deux termes. La
fin du calcul ne pose pas de problème, elle est laissée au lecteur.
3.4 Un exemple plus compliqué
Soit n ∈ N∗ . Soient a0 , . . . , an−1 n réels ou complexes. Soit Vn (a0 , . . . , an−1 ) (que nous
noterons juste Vn s’il n’y a pas d’ambiguïté) le déterminant n × n dans lequel le coefficient
lige i, colonne j est aji . Attention, une fois n’est pas coutume, on numérote les lignes et les
colonnes à partir de 0 et pas de 1. Ce déterminant s’appelle le déterminant de Vandermonde
et on se propose de le calculer. Plus explicitement, on a
x00 x10 . . . x0n−1

x10 x11 . . . x1n−1
Vn =
...
n−1
x0n−1 x1n−1 . . . xn−1
On effectue les opérations suivantes : Cn ←− Ck − xn−1 Ck−1 pour k = n, n − 1, . . . , 2. On

en déduit
1 x0 − xn−1 x0 (x0 − xn−1 ) ... x0n−2 (x0 − xn−1 )

1 x1 − xn−1 x1 (x1 − xn−1 ) ... x1n−2 (x1 − xn−1 )
Vn = ...
1 xn−2 − xn−1 xn−2 (xn−2 − xn−1 ) . . . xn−2
n−2 (xn−2 − xn−1 )
1 0 0 ... 0
Développons par rapport à la dernière ligne. Nous obtenons
x0 − xn−1 x0 (x0 − xn−1 ) . . . xn−2

0 (x0 − xn−1 )
x1 − xn−1 x1 (x1 − xn−1 ) . . . xn−2 (x1 − xn−1 )
Vn = (−1)n+1 1
...
xn−2 − xn−1 xn−2 (xn−2 − xn−1 ) . . . xn−2
n−2 (xn−2 − xn−1 )
Sur chaque ligne i, il y a une factorisation possible par xi − xn−1 . On obtient
n−2
Y
Vn (x0 , . . . , xn−1 ) = Vn−1 (x0 , . . . , xn−2 ) (xn−1 − xi )
i=0
Par une récurrence simple, on en tire

Y
Vn (x0 , . . . , xn−1 ) = (xj − xi )
0≤i<j≤n−1
On a donc obtenu une factorisation complète du déterminant de Vandermonde, avec en

prime une condition nécessaire et suffisante de nullité :
Proposition 13. Vn = 0 si et seulement si deux des xk sont égaux.

4. DÉTERMINANT D’UN ENDOMORPHISME 461
Remarque 5. Dans un sens, c’était évident, puisque si deux des xk sont égaux on a deux
lignes égales dans le déterminant. L’autre implication n’était pas triviale.
Remarque 6. On rencontre des déterminants de Vandermonde dans un grand nombre
de situations. Prenons l’exemple de l’interpolation de Lagrange. Soient x0 , . . . , xn−1 ∈ C
distincts deux à deux, soient y0 , . . . , yn−1 ∈ C. Soit
n−1
X
P = ak xk
k=0
un polynôme de C[X] de degré inférieur ou égal à n − 1. On a pour tout j ∈ J0, n − 1K,

P (xj ) = yj , si et seulement si ∀j ∈ J0, n − 1K,
n−1
X
ak xkj = yj
k=0
Interprétons matriciellement ce système dont les inconnues sont les ak . On peut encore
l’écrire AX = Y où
   
a0 y0
 a1   y1 
X =  .  , Y =  .  , A = (xkj )0≤j,k≤n−1
   
.
 .  .
 . 
an−1 yn−1
det A est un déterminant de Vandermonde (transposé), donc A est inversible et AX = Y si

et seulement si X = A−1 Y . Le système a une unique solution, il existe un unique polynôme
répondant à la question. Évidemment, cette méthode ne donne pas le polynôme, en tout
cas pas sans résoudre le système, ce que nous ne ferons pas.
4 Déterminant d’un endomorphisme
4.1 Construction
Proposition 14. Soit E un K-espace vectoriel de dimension n. Soit f ∈ L(E). Il

existe un unique λ ∈ K tel que pour tout ϕ ∈ Λn (E), pour tous x1 , . . . , xn ∈ E,
ϕ(f (x1 ), . . . , f (xn )) = λϕ(x1 , . . . , xn )

Définition 8. Ce scalaire λ est appelé le déterminant de f . Il est noté det f .
Démonstration. À toute application ϕ ∈ Λn (E) \ {0}, associons l’application ϕ définie

pour x1 , . . . , xn ∈ E par
ϕ(x1 , . . . , xn ) = ϕ(f (x1 ), . . . , f (xn ))
ϕ est encore une forme n-linéaire alternée sur E. De plus, si ϕ = 0 alors ϕ = 0. Donc,
puisque Λn (E) est une droite, il existe α ∈ K tel que
ϕ = αϕ
Il s’agit maintenant de prouver que α ne dépend pas de ϕ. Pour cela, soient ϕ, ψ ∈ Λn (E).
Prenons ϕ, ψ non nulles. Il existe α, β ∈ K tels que
ϕ = αϕ et ψ = βψ
Mais comme ϕ 6= 0, il existe aussi γ ∈ K∗ tel que
ψ = γϕ
d’où, facilement,
ψ = γϕ
De là,
βψ = βγϕ = γαϕ
Comme γ et ϕ sont non nuls, il vient α = β.
Exercice. Pourquoi ce scalaire λ est-il unique ? Indication : supposer qu’il y en a eux.
Remarque 7. det f est caractérisé par ∀ϕ ∈ Λn (E), ∀x1 , . . . , xn ∈ E,
ϕ(f (x1 ), . . . , f (xn )) = (det f )ϕ(x1 , . . . , xn )
4.2 Calcul pratique
Proposition 15. Soit f ∈ L(E). Soit B une base de E. Soit A la matrice de f dans
la base B. Alors
det f = det A
Démonstration. ϕ = detB est une forme n-linéaire alternée. On en déduit
ϕ = (det f )ϕ
On applique aux vecteurs de la base :
ϕ(B) = (det f )ϕ(B)
ou encore
ϕ(f (B)) = det f
puisque ϕ(B) = 1. Finalement :
det f = det(f (B))

B
ou encore :
det f = det(matB (f ))

Exemple. Calculons le déterminant d’une symétrie. Soit f est une symétrie de E. On a
det f = (−1)dim G
où G est l’ensemble des vecteurs changés en leur opposé par f . Il suffit pour cela d’écrire
la matrice de f dans une base judicieuse (laquelle ?).
4.3 Interprétation géométrique
On suppose ici que K = R. Nous ne justifierons pas les résultats qui vont suivre. Soit B la
base canonique de Rn . Soit B 0 = (u1 , . . . , un ) une base de Rn .
Si n = 2, detB B 0 est l’aire du parallélogramme défini par les deux vecteurs de B 0 .
Si n = 3, detB B 0 est le volume du paralléllépipède défini par les trois vecteurs de B 0 .
Nous admettrons que ce résultat se généralise à une dimension quelconque. Soit alors
f ∈ L(Rn ). Les calculs du paragraphe précédent montrent que :
detB (f (u1 ), . . . , f (un ))

det f =
detB (u1 , . . . , un )
En d’autres termes, f transforme les volumes dans un rapport constant, et le coefficient

de proportionnalité est précisément le déterminant de f .
4.4 Propriétés de morphisme du déterminant

Proposition 16. Soient f et g deux endomorphismes d’un K-espace vectoriel de

dimension finie E. On a
det(g ◦ f ) = det g × det f
Proposition 17. Soient A, B ∈ Mn (K). On a
det(AB) = det A × det B
Démonstration. Ces deux théorèmes sont évidemment deux interprétations d’une même
chose. Soit B une base de E. Soit ϕ l’application detB . On a
ϕ(g ◦ f (B)) = det(g ◦ f )ϕ(B) = det(g ◦ f )
Mais
ϕ(g ◦ f (B)) = ϕ(g(f (B))) = (det g)ϕ(f (B)) = (det g)(det f )ϕ(B) = det g det f
Proposition 18. Soit f ∈ L(E). Alors,
f ∈ GL(E) ⇐⇒ det f 6= 0
Démonstration. Soit B une base de E. Soit A = matB f . Alors
f ∈ GL(E) ⇐⇒ A ∈ Mn (K) ⇐⇒ det A 6= 0
Proposition 19. Soit E un K-espace vectoriel de dimension n ≥ 1. L’application

det : GL(E) −→ K∗ est un morphisme surjectif du groupe (GL(E), ◦) sur le groupe
(K∗ , ×).
Proposition 20. Soit n ≥ 1. L’application det : GLn (K) −→ K∗ est un morphisme

surjectif du groupe (GLn (K), ×) sur le groupe (K∗ , ×).
Démonstration. Ces deux résultats sont deux versions d’un même théorème. Il reste
seulement à prouver la surjectivité. Faisons-le pour les matrices. Soit α ∈ K∗ . Soit A ∈
Mn (K) la matrice diagonale dont tous les éléments diagonaux sont égaux à 1, sauf celui
ligne 1, colonne 1, qui vaut α. Alors, det A = α.
Remarque 8. Le cas n = 0 est un peu à part. Un K-espace vectoriel de dimension 0 est
E = {0}. Il possède une unique base qui est la famille vide B = (). Le seul endomorphisme
de E est f = 0, et on a det f = 1 car
det f = det f (B) = det B = 1

B B
Du point de vue matriciel, le déterminant de la « matrice vide » est 1.
Proposition 21. Deux matrices semblables ont le même déterminant.
Démonstration. Soient A, B ∈ Mn (K) deux matrices semblables. Il existe donc P ∈

GLn (K) telle que
B = P −1 AP
De là,
det B = det(P −1 AP ) = (det P )−1 det A det P = det A
4.5 Orientation d’un espace vectoriel réel
Soit E un R-espace vectoriel de dimension finie. Notons E l’ensemble des bases de E. On

définit une relation binaire ∼ sur E comme suit :
Définition 9. Étant données deux bases B et B 0 de E, B ∼ B 0 si et seulement det f > 0,

où f est l’unique automorphisme de E qui envoie B sur B 0 .
Proposition 22. La relation ∼ est une relation d’équivalence sur E.
Démonstration. L’identité envoie toute base B sur elle-même, et det id = 1 > 0. Donc,
B ∼ B.
Si f ∈ GL(E) envoie B sur B 0 , et det f > 0, alors f −1 envoie B 0 sur B et
1
det(f −1 ) = >0
det f
Donc, ∼ est symétrique.
La transitivité est laissée en exercice, il suffit de constater que la composée de deux auto-
morphismes de déterminant strictement positif en est encore un.
Proposition 23. Lorsque dim E > 0, la relation ∼ possède exactement deux classes
d’équivalence.
Démonstration. Soit f0 ∈ GL(E) telle que det f0 < 0.
Soit B1 une base de E. Notons C1 la classe de B1 modulo ∼. Soit B2 = f0 (B1 ). Soit C2 la

classe de B2 . Comme det f0 < 0, on a B1 6∼ B2 , donc C1 6= C2 . On a au moins deux classes
d’équivalence, celle de B1 et celle de B2 .
Soit maintenant B une base quelconque de E. Supposons que B 6∈ C1 , c’est à dire B 6∼ B1 .

Soit f l’unique automorphisme de E qui envoie B1 sur B. On a donc det f < 0. Mais f ◦f0−1
envoie B2 sur B et
det(f ◦ f0−1 ) = det f det(f0−1 ) > 0
en tant que produit de deux nombres négatifs. Donc B ∈ C2 , on a au plus deux classes.
Définition 10. Ces deux classes sont appelées les orientations de E. Orienter E, c’est
choisir l’une des deux classes.
Les bases de la classe choisie sont dites directes. Les bases de l’autre classe sont dites
indirectes.
Remarque 9. Une fois l’espace orienté, on passe d’une base directe à une base directe
par un automorphisme de déterminant > 0, d’une base directe à une base indirecte par un
automorphisme de déterminant < 0, et d’une base indirecte à une base indirecte par un
automorphisme de déterminant > 0.
Remarque 10. Le choix de l’orientation est a priori arbitraire. Cependant, en dimensions

2 et 3, il y a des préférences pour ce choix. Sens trigonométrique dans le plan, règle des
trois doigts dans l’espace.
5 Inversion des matrices
5.1 Définitions, Notations
Rappelons la définition ci-dessous.

5. INVERSION DES MATRICES 467
Définition 11. Soit A une matrice carrée. On appelle comatrice de A la matrice dont
les coefficients sont les cofacteurs de A.
Notation. On note Com A la comatrice de A et Ã la transposée de la comatrice de A. Ã

est aussi appelée la transcomatrice de A.
 
1 4 7
Exercice. Calculer la transposée de la comatrice de 2 5 8.
3 6 9
5.2 Produit d’une matrice et de sa transcomatrice
Proposition 24. Soit A ∈ Mn (K). On a :
AÃ = ÃA = (det A)In
Démonstration. On calcule AÃ :

• Soit i ∈ J1, nK : on a
n
X
(AÃ)ii = Aik (Ã)ki
k=1
n
X
= Aik Cof(A, i, k)
k=1
= det A
• Soient i, j ∈ J1, nK, i 6= j :

n
X
(AÃ)ij = Aik Cof(A, j, k)
k=1
Soit B la matrice fabriquée à partir de A comme suit : les lignes de B sont identiques
aux lignes de A, sauf la ligne j de B que l’on prend égale à la ligne i de A. B
a donc deux lignes identiques, d’où det B = 0. De plus, Aik = Bik = Bjk , et
Cof(A, j, k) = Cof(B, j, k), car la ligne j de B, la seule qui diffère des lignes de A,
n’intervient pas dans ce calcul de cofacteur. Donc,
n
X
(AÃ)ij = Bjk Cof(B, j, k) = det B = 0
k=1

5.3 Application au calcul de l’inverse
Proposition 25. Soit A ∈ Mn (K), det A 6= 0. Alors :

1
A−1 = Ã
det A
Démonstration. C’est une conséquence immédiate du théorème précédent.

a c −1 1 d −c
Exemple. Soit A = une matrice 2 × 2. On a A = det A .
b d −b a
 
1 2 3
Exercice. Soit A = 4 5 6. Calculer det A, puis Ã, et enfin l’inverse de A.
7 8 8
Chapitre 27
Systèmes linéaires
469
470 CHAPITRE 27. SYSTÈMES LINÉAIRES
1 Sous-espaces affines d’un espace vectoriel
1.1 Espaces affines - Points et vecteurs
Voici la définition générale d’un espace affine.
Définition 1. Soit E un K-espace vectoriel. Soit E un ensemble dont les éléments sont
appelés des points. On suppose donnée une application ⊕ : E × E −→ E.
On dit que (E, E, +) est un K-espace affine lorsque
• Pour tout a ∈ E l’application x 7−→ a ⊕ x est une bijection de E sur E.
• Pour tout a ∈ E, pour tous x, y ∈ E, (a ⊕ x) ⊕ y = a ⊕ (x + y).
Nous ne chercherons pas dans ce qui suit la généralité. Contentons-nous de remarquer que
si E est un K-espace vectoriel, alors E lui-même est muni de façon évidente d’une structure
d’espace affine en posant pour tous a, x ∈ E, a ⊕ x = a + x.
Ainsi, selon les circonstances, les éléments de E sont vus comme des points ou comme
des vecteurs. Le translaté d’un « point » a ∈ E par le « vecteur » u ∈ E est le « point »
a + u ∈ E, la somme classique de a et de u.
Définition 2. Soient a, b ∈ E. Le vecteur d’origine a et d’extrémité b est le vecteur

→
−
ab = b − a
Concrètement, au niveau où nous nous plaçons, on a simplement un jeu de notations :

→
−
b = a + u ⇐⇒ ab = u ⇐⇒ b − a = u
On a par exemple la relation de Chasles. Si a, b, c ∈ E,
c − a = (b − a) + (c − b)
ou encore
→
− →
− → −
ac = ab + bc
1.2 Translations - sous-espaces affines

1. SOUS-ESPACES AFFINES D’UN ESPACE VECTORIEL 471
Définition 3. Soit E un K-espace vectoriel. Soit u ∈ E. On appelle translation de

vecteur u l’application τu : E −→ E définie pour tout x ∈ E par
τu (x) = x + u
Proposition 1. L’ensemble T (E) des translations de E, muni de la composition des

applications, est un groupe isomorphe au groupe additif de E.
Démonstration. Pour tous vecteurs u, v de E, pour tout x ∈ E, on a

τu+v (x) = x + (u + v) = (x + v) + u = (τu ◦ τv )(x)
Ainsi,
τu+v = τu ◦ τv
On vérifie alors sans peine que l’application τ : E −→ T (E) définie par u 7−→ τu est un
isomorphisme de groupes.
Notation. Pour tout a ∈ E et tout sev F de E, on note
a + F = {a + u, u ∈ F }
Définition 4. Soit F une partie de E. On dit que F est un sous-espace affine de E

lorsqu’il existe un point a ∈ E et un sous-espace vectoriel F de E tels que
F =a+F
Proposition 2. Avec les notations ci-dessus, le sous-espace vectoriel F est caractérisé

de façon unique. Quant à a, on peut prendre n’importe quel point de F.
Démonstration. Supposons F = a + F = b + G où a, b ∈ E et F, G sont des sev de E.

En remarquant que 0 ∈ F , on obtient que a ∈ F. Il en est de même évidemment pour b.
→
− →
− →
−
Toujours avec 0 ∈ F , on voit que a ∈ b + G, donc que ba ∈ G (et aussi ab = −ba, et de
même pour F ).
Soit x ∈ F . On a a + x ∈ b + G, c’est à dire il existe y ∈ G tela que a + x = b + y. D’où
x = (b − a) + y ∈ G. Donc, F ⊂ G. L’inclusion réciproque se montre de la même façon,
donc F = G.
Définition 5. On dit que F = a + F est le sous-espace affine de E passant par a et

dirigé par F .
Remarque 1. La dimension d’un sous-espace affine est par définition celle de sa direction.
On parle ainsi de droite affine, de plan affine, etc.
1.3 Parallélisme
Définition 6. Soient F et G deux sous-espaces affines de E de directions respectives

F et G. On dit que F est parallèle à G lorsque F = G.
Remarque 2. La relation de parallélisme est clairement une relation d’équivalence sur

l’ensemble des sous-espaces affines de E. De plus, deux sous-espaces affines de E parallèles
ont la même dimension.
Cela peut paraître parfois gênant : on ne peut pas, par exemple, dire qu’une droite est
parallèle à un plan.
Il est possible de changer notre définition en décrétant que F est parallèle à G lorsque
F ⊂ G ou G ⊂ F . Dans ce cas on peut parler de droite parallèle à un plan, mais . . . on
perd la transitivité du parallélisme.
1.4 Intersection de sous-espaces affines
Proposition 3.T Soit (Fi )i∈I une famille de sous-espaces affines de E. Alors, si l’in-
tersection F = i∈I Fi est non vide, c’est un sous-espace affine de E.
T
Démonstration. Soit a ∈ F. Soit F = i∈I Fi . Alors, on montre facilement que F =
a + F.
1.5 Barycentres-Parties convexes
P 4. Soient a1 , . . . , an n points de l’espace vectoriel E. Soient λ1 , . . . , λn ∈

Proposition
K tels que nk=1 λk 6= 0. Il existe un unique point ω ∈ E tel que
n
λk −
−→ = 0
X
ωak
k=1
Définition 7. Le point ω est appelé le barycentre des ak affectés des coefficients λk .
Démonstration. Soit ω ∈ E. On a
n n
−−→ −→
λk −
−→ =
X X
ωak λk (Oak − Oω)
k=1 k=1
Pn
où O est un point quelconque de E. Notons s = k=1 λk . Le scalaire s est non nul. Le
point ω convient si et seulement si
n
−→ X −−→
sOω = λk Oak
k=1
d’où l’existence et l’unicité de ω.
Proposition 5. Soit F une partie non vide du K-espace vectoriel E. Alors F est un
sous-espace affine de E si et seulement si tout barycentre d’éléments de F est encore
un élément de F.
Démonstration. Supposons que F = a + F est un sous-espace affine de E, passant par

a, dirigé par F . Soit n ≥ 1. Soient ai = a + xi , 1 ≤ i ≤ n n points de F. Soient λ1 , . . . , λn n
scalaires dont la somme s est non nulle. Soit ω le barycentre des ai affectés des coefficients
λi . On a
1X 1 X
ω= λi (a + xi ) = (sa + λi xi ) = a + z
s s
i i
où z = 1s i λi xi ∈ F . Donc, ω ∈ F.
P
Supposons inversement que F est stable par barycentres. Soit a ∈ F. Soit
F = {p − a, p ∈ F}
On a donc F = a + F , et il s’agit de prouver que F est un sev de E.

• Tout d’abord, a − a = 0 ∈ F , donc F est non vide.
• Soient x = p − a, y = q − a ∈ F . Soit z = x + y. On a donc z = (p + q − a) − a.
Mais p + q − a est le barycentre de p, q, a affectés des coefficients 1, 1, −1. Donc
p + q − a ∈ F et z ∈ F .
• Enfin, soit x = p−a ∈ F . Soit λ ∈ K. On a λx = λ(p−a) = λp−(λ−1)a−a = q −a
où q n’est autre que le barycentre de p et a affectés des coefficients λ et 1 − λ. Donc,
q ∈ F et λx ∈ F .
Ainsi, F est bien un sev de E.
Définition 8. Soit E un K-espace vectoriel. Soient x, y ∈ E. Le segment x, y est

l’ensemble
[x, y] = {(1 − t)x + ty, t ∈ [0, 1]}
Remarque 3. Soit z ∈ E. Alors, z ∈ [x, y] si et seulement si il existe t ∈ [0, 1] tel que

z = (1 − t)x + ty
Ceci s’écrit encore z − x = t(y − x) ou encore
−
→ = t−
xz →
xy
où t ∈ [0, 1].
Définition 9. Soit A une partie du K-ev E. A est dite convexe lorsque pour tous
x, y ∈ A on a [x, y] ⊂ A.
Proposition 6. Soit A une partie du K-espace vectoriel E. Alors A est convexe si

et seulement si tout barycentre d’éléments de A à coefficients positifs est encore un
élément de A.
Démonstration. Supposons A stable par barycentres à coefficients positifs. Soient x, y ∈

A. Le segment [x, y] est justement constitué des barycentres de x et de y à coefficients
positifs. Donc [x, y] ⊂ A et A est convexe.
Supposons inversement que A est convexe. Montrons par récurrence sur n que pour tout
n ≥ 1, A est stable par barycentre de n points à coefficients positifs.
Pour n = 1, il n’y a rien à montrer.
Pour n = 2, c’est la définition de la convexité.
Soit n ≥ 1. Supposons la propriété vraie pour n. Soient a1 , . . . , an+1 n + 1 points de A.
Soient λ1 , . . . , λn+1 n+1 réels positifs non tous nuls. Soit s leur somme. Soit p le barycentre
des ak affectés des coefficients λk . Si λ1 = . . . = λn = 0, on a p = an+1 ∈ F. Sinon, on a
n+1
1X λn+1 λn+1
p= λk ak = 1 − b+ an+1
s s s
k=1
où
n
1 X
b = Pn λ k ak
k=1 λk k=1
Par l’hypothèse de récurrence, on a b ∈ F. Or p est un barycentre de a et b, donc p ∈ F.

1.6 hyperplans affines
Soit E un K-espace vectoriel de dimension n. Soit B = (e1 , . . . , en ) une base de E. Soit

F : Kn −→ K. On peut alors considérer l’ensemble
A = {x ∈ E, F (x1 , . . . , xn ) = 0}
Pn
où x = k=1 xi ei . Pour écrire les choses plus simplement, on note juste
(A) F (x1 , . . . , xn ) = 0
et on dit que l’on a là une équation cartésienne de A dans la base B.
Définition 10. Soit E un K-espace vectoriel de dimension finie n. On appelle hyper-

plan affine de E tout sous-espace affine de E de dimension n − 1.
Proposition 7. Une base de E étant choisie, tout hyperplan affine de E admet une
équation cartésienne du type
Xn
ak xk = b
k=1
où les ak ne sont pas tous nuls. Deux équations représentent le même hyperplan si et
seulement si leurs coefficients (second membre y compris) sont proportionnels. Enfin,
toute équation de ce type est celle d’un hyperplan affine.
Démonstration. Remarquons tout d’abord qu’une forme linéaire non nulle sur E est
surjective. En effet, son image est un sev non nul de K. Comme K est de dimension 1, ce
sev est donc K.
Maintenant, toute équation du type nk=1 ak xk = b s’écrit aussi f (x) = b où f est une
P
forme linéaire non nulle sur E, ou encore f (x) = f (a) puisque f est surjective, ou encore
f (x − a) = 0 c’est à dire x − a ∈ H où H = ker f est un hyperplan vectoriel de E. Le reste
de la preuve consiste à écrire ce que l’on sait sur les équations des hyperplans vectoriels.
Le lecteur est amené à relire la section « dualité » du cours d’algèbre linéaire.
Exemple. Plaçons nous dans R3 . L’équation
(P) 3x − 2y + 5z = 6
est l’équation d’un plan affine P. La direction de P est le plan vectoriel d’équation
(P ) 3x − 2y + 5z = 0
On a donc P = a + P , où a est n’importe quel point de P, par exemple a = (1, 1, 1).
2 Rappels sur les systèmes linéaires
2.1 Position du problème
Un système linéaire de p équations à q inconnues est un système d’équations du type
q
X
(S) aij xj = bi , 1≤i≤p
j=1
Un tel système peut plus simplement être écrit
(S) AX = B
où A = (aij ) ∈ Mp,q (K), X = (xj ) ∈ Mq,1 (K) et B = (bi ) ∈ Mp,1 (K).
Définition 11. Avec les notations ci-dessus :

• La matrice A est la matrice du système.
• La matrice B est le second membre.
• La matrice X est la matrice des inconnues.
• Le rang du système est le rang de A.
• Le système est dit compatible lorsqu’il a au moins une solution, et incompatible
sinon.
• Le système est dit homogène lorsque B = 0 : tout système homogène est com-
patible, puisqu’il admet au moins la solution triviale X = 0.
Remarque 4. Soit (S) AX = B un système de p équations à q inconnues, de rang r.

Alors
r ≤ min(p, q)
Proposition 8. Un système de une équation à q inconnues, ayant un premier membre

non trivial, est toujours compatible. L’ensemble de ses solutions est un hyperplan affine
de Kq
Démonstration. Déjà faite, à la fin de la section précédente.

2. RAPPELS SUR LES SYSTÈMES LINÉAIRES 477
2.2 Interprétations
Il y a plusieurs façons d’interpréter l’ensemble des solutions d’un système. Chacune a ses
avantages et ses inconvénients. En voici quelques unes.
• Résoudre p équations à q inconnues : vue naïve du problème, aucune interprétation,
on résout et c’est tout.
• Résoudre l’équation matricielle AX = B à une inconnue X : vue matricielle, fina-
lement on a 1 équation à 1 inconnue.
• Résoudre l’équation f (x) = b où f ∈ L(Kq , Kp ) : et là, tout l’arsenal du cours
d’algèbre linéaire est à notre disposition.
• Intersection d’hyperplans : vue géométrique.
Selon les besoins de telle ou telle démonstration, nous utiliserons l’interprétation qui nous
convient le mieux.
2.3 Structure des solutions - Systèmes homogènes
Proposition 9. Soit
(H) AX = 0
un système de p équations à q inconnues, de rang r. L’ensemble SolH des solutions de
(H) est un sous-espace vectoriel de Kq de dimension q − r.
Démonstration. Soit f ∈ L(Kq , Kp ), de matrice A dans les bases canoniques de Kq et

Kp . L’ensemble des solutions de (H) est
SolH = ker f
D’où le résultat par le théorème du rang.
Remarque 5. Si p < q (moins d’équations que d’inconnues), alors r ≤ p < q donc
q − r > 0 : il y a des solutions non triviales. En revanche, si q ≤ p, on ne peut rien dire
sans un calcul précis du rang r.
2.4 Structure des solutions - Cas général
Proposition 10. Soit

(E) AX = B
un système de p équations à q inconnues de rang r. Soit
(H) AX = 0
le système homogène associé.

SI le système (E) est compatible, alors l’ensemble SolE des solutions de (E) est un
sous-espace affine de Kq dont la direction est SolH .
Démonstration. Soit x0 une solution de (E). Soit x ∈ Kq . Alors, x est solution de (E)
si et seulement si x − x0 est solution de (H).
Exercice. L’intérêt de cet exercice n’est pas de résoudre des systèmes mais de regarder
la structure de leurs ensembles de solutions. Examiner les systèmes très simples suivants :
trouver leur matrice, leur rang, puis résoudre et regarder la structure de l’ensemble des
solutions.

x+y = 5
1.
x−y = 3

x+y+z = 5
2.
x−y−z = 3

 x+y = 1
3. x + 2y = 3
3x − y = λ


 x + 4t = 1
4. 2x + 3y − z = 3
x + 3y − z − 4t = −2

3 Systèmes de Cramer
3.1 Définitions
Définition 12. Un système AX = B est dit de Cramer lorsque

• Il y a autant d’équations que d’inconnues.
• La matrice A du système est inversible.
En résumé, avec les notations précédentes, lorsque p = q = r.
Proposition 11. Soit A ∈ Mn (K). Il y a équivalence entre

• A est inversible.
• ∀B ∈ Mn,1 (K), le système AX = B a une unique solution.
3. SYSTÈMES DE CRAMER 479
• ∀B ∈ Mn,1 (K), le système AX = B est compatible.

• ∀B ∈ Mn,1 (K), le système AX = B a au plus une solution.
• La seule solution du système AX = 0 est X = 0.
Démonstration. On interprète en termes de vecteurs et d’applications linéaires. Soit

E un K-espace vectoriel de dimension n, muni d’une base B. Soit f ∈ L(E) telle que
matB f = A. Nous avons à montrer qu’il y a équivalence entre
• f est bijective.
• f est bijective (eh oui, encore !).
• f est surjective.
• f est injective.
• ker f = {0}.
Mais tout cela, nous le savons déjà.
3.2 Formules de Cramer
Proposition 12. Soit A ∈ GLn (K). Soit (S) AX = B un système de Cramer. Soit
(x1 , . . . , xn ) l’unique solution de (S). Pour 1 ≤ j ≤ n, soit Aj la matrice obtenue en
remplaçant la jème colonne de A par B. On a alors
det Aj
∀j ∈ J1, nK, xj =
det A
Démonstration. Soient C1 , . . . , Cn les colonnes de A, vues comme vecteurs de Kn . Soit

B la base canonique de Kn . Le système s’écrit alors
x1 C1 + . . . + xn Cn = B
Or,
det Aj = det(C1 , . . . , B, . . . , Cn )
B
n
X
= det(C1 , . . . , x i Ci , . . . , C n )
B
i=1
= xj det(C1 , . . . , Cn ) = xj det A
B
tous les autres termes étant nuls à cause de la propriété d’alternance.


ax + cy = α
Exemple. Soit le système où ad − bc 6= 0. L’unique solution de ce
bx + dy = β
système est
αd − βc −αb + βa
x= , y=
ad − bc ad − bc

 x + 2y − z = 1
Exercice. Résoudre le système 3x − y − z = 0
2x + 2y + z = 0

La matrice du système est  

1 2 −1
A = 3 −1 −1
2 2 1
Le déterminant de A vaut −17 6= 0. On a donc bien un système de Cramer. La matrice A1
est  
1 2 −1
A1 = 0 −1 −1
0 2 1
Le déterminant de A1 est 1. On a donc
det A1 −1
x= =
det A 17
On laisse au lecteur le calcul de y et z.
Remarque 6. Les formules de Cramer n’ont d’intérêt pratique que pour les petites valeurs
de n (2 ou 3). Elles sont en revanche d’un intérêt théorique certain, puisqu’elles donnent
la forme des solutions du système.
4 L’algorithme du Pivot de Gauss
Nous avons déjà parlé de l’algorithme du pivot de Gauss. Nous allons ici formaliser de
façon plus détaillée cet algorithme.
Soit le système (S) AX = B de p équations à q inconnues, de rang r. On se propose
de transformer ce système en un système équivalent, de même rang, et de matrice plus
« simple ». La discussion va porter sur le rang de A.
4.1 Première étape
Si r = 0, alors A = 0 et on n’a rien à faire :

• Si B 6= 0, le système n’a aucune solution : SolS = ∅.
4. L’ALGORITHME DU PIVOT DE GAUSS 481
• Si B = 0, SolS = Kq .
Si r 6= 0, il existe i, j tels que aij 6= 0. Quitte à échanger deux équations, et peut-être éga-
lement deux inconnues, on peut supposer i = j = 1. On effectue les opérations suivantes :
• L1 ←− a111 L1
• Pour i = 2, . . . , p, Li ←− Li − ai1 L1
On obtient ainsi un nouveau système équivalent au premier, et de même rang,
(S1 ) A1 X = B1
où
1 a112 . . . a11q
 
 0 a122 . . . a12q 
A1 = 
 
.. .. .. 
 . . . 
1 1
0 ap2 . . . apq
4.2 Étape générale
Supposons qu’au bout de k étapes, on soit parvenu à un système équivalent à (S) et de

même rang,
(Sk ) Ak X = Bk
où
Ik ...
Ak =
Op−k,k ...
Si r = k, alors on a
Ik ...
Ak =
Op−k,k Op−k,q−k
En effet, les k = r premières colonnes de Ak sont indépendantes. Les autres colonnes sont
donc combinaisons linéaires des k premières. En conséquence, on en déduit les solutions
du système :
• Si brr+1 = . . . = brp = 0, alors les solutions du système sont obtenues en choisissant
arbitrairement les inconnues xr+1 , . . . , xq . Les autres inconnues, x1 , . . . , xr sont alors
uniquement déterminées.
• sinon, il n’y a pas de solution : le système est incompatible.
Si r > k, alors il existe i, j > k tels que aij 6= 0 (sinon la matrice Ak serait de rang k). Quitte
à échanger deux équations, voire deux inconnues, on peut supposer que i = j = k + 1. Le
nombre a(k+1)(k+1) 6= 0 est appelé le pivot. On effectue alors les opérations suivantes :
• Lk+1 ←− a 1 Lk+1
(k+1)(k+1)
• Li ←− Li − ai(k+1) Lk+1 pour i 6= k + 1.
On obtient ainsi un nouveau système équivalent au premier, et de même rang,
(Sk+1 ) Ak+1 X = Bk+1
où
Ik+1 ...
Ak+1 =
Op−k−1,k+1 ...
4.3 Bon, et alors ?
Partant d’un système (S) de rang r, on fabrique des systèmes (S1 ), (S2 ), . . . , (Sr ) équiva-
lents à (S) et tels que l’on connaisse les solutions de (Sr ). La méthode du pivot permet
donc de résoudre le système (S) en exactement r étapes, où r est le rang du système.
Remarquons que le rang de (S) n’a pas à être connu a priori. La méthode du pivot termine
au bout d’un certain nombre d’étapes. À la fin du calcul on en déduit le rang de (S).
4.4 Un exemple
Considérons le système 
 x + 2y + 3z = 6
(S) 4x + 5y + 6z = 15
7x + 8y + 9z = 24

• Étape 1 : le pivot est a11 = 1. On effectue les opréations

1
L1 ←− L1
1
L2 ←− L2 − 4L1
L3 ←− L3 − 7L1

 x + 2y + 3z = 6
(S1 ) −3y − 6z = −9
−6y − 12z = −18

• Étape 2 : le pivot est a22 = −3. On effectue les opérations

1
L2 ←− L2
−3
L1 ←− L1 − 2L2
L3 ←− L3 − (−6)L2
5. COMPLÉMENTS 483


 x−z = 0
(S2 ) y + 2z = 3
0 = 0

La résolution est terminée. On prend z arbitrairement, on a x et y en fonction de z.

Un triplet (x, y, z) est solution si et seulement si x = z et y = 3 − 2z, ce qui s’écrit
encore
(x, y, z) = (z, 3 − 2z, z) = (0, 3, 0) + z(1, −2, 1)
Si nous notons a = (0, 3, 0) et D =< (1, −2, 1) >, nous avons pour conclure
SolS = a + D
L’ensemble des solutions de (S) est la droite affine passant par a et dirigée par D.
5 Compléments
5.1 Calcul du déterminant d’une matrice carrée
Soit A ∈ Mn (K). L’algorithme du pivot permet de calculer le déterminant de A. Pour cela,

on simule la résolution du système AX = B avec un second membre B virtuel (inutile de
l’écrire). À chaque étape de l’algorithme, on obtient un nouveau système dont on connait
le déterminant en fonction du déterminant du système précédent : on a multiplié une ligne
par un scalaire, ce qui a multiplié le déterminant par ce même scalaire. On a peut-être aussi
effectué des échanges de lignes, ce qui a changé le signe du déterminant. Si l’algorithme
termine en strictement moins de n étapes, alors det A = 0 puisque rg A < n. Sinon, le
dernier système est IX = B, de déterminant 1. D’où la valeur de det A.
5.2 Inversion d’une matrice carrée
La méthode du pivot peut s’appliquer à un second membre et à des inconnues « matri-

cielles » : ceci revient à effectuer une résolution simultanée de systèmes ayant tous la même
matrice mais des seconds
 membres
 différents. Prenons un exemple. Nous allons inverser
 en
1 2 3 1
trois étapes A = 4 5 6. On résout simultanément les trois systèmes AX = 0,
7 8 8 0
   
0 0
AX = 1 et AX = 0, ce qui revient à résoudre les système d’inconnue matricielle
0 1
X ∈ M3 (R), AX = I3 . En d’autres termes, X = A−1 . Présentons tout cela dans des
tableaux. On part du tableau
1 2 3 1 0 0
4 5 6 0 1 0
7 8 8 0 0 1
et on utilise l’algorithme du pivot.
Première étape : L2 ←− L2 − 4L1 et L3 ←− L3 − 7L1 . On obtient
1 2 3 1 0 0
0 −3 −6 −4 1 0
0 −6 −13 −7 0 1
Deuxième étape : L2 ←− − 13 L2 puis L1 ←− L1 − 2L2 et L3 ←− L3 + 6L2 . On obtient :
1 0 −1 − 53 2
3 0
4
0 1 2 3 − 13
0
0 0 −1 1 −2 1
Troisième et dernière étape, L3 ←− −L3 puis L1 ←− L1 + L3 et L2 ←− L2 − 2L3 . On
obtient :
1 0 0 − 83 8
3 −1
10 13
0 1 0 3 − 3 2
0 0 1 −1 2 −1
On lit l’inverse de la matrice A dans les trois dernières colonnes du tableau :

 8 8

−3 3 −1
A−1 =  10 3 − 13
3 2
−1 2 −1
5.3 Évaluation de la complexité de la méthode du pivot
Soit à résoudre un système de p équations, q inconnues, rang r. Cette résolution se fait en

r étapes. À chaque étape, on fait les opérations suivantes :
• Échange possible de 2 lignes : q + 1 échanges.
• Échange possible de 2 colonnes : p échanges.
• Normalisation d’une ligne : p + 1 divisions.
• Ajout à p − 1 lignes d’un multiple de la pième : (p − 1)((q + 1) + (q + 1)) additions
ou multiplications.
On fait donc au total de l’ordre de 2rpq opérations. Pour une système de Cramer n × n, on
a donc 2n3 opérations. Ce nombre est également le nombre d’opérations nécessaire pour
calculer un déterminant avec la méthode du pivot. Pour inverser une matrice, il faut deux
fois plus d’opérations, et on a donc de l’ordre de 4n3 opérations. Aussi non-intuitif que
cela puisse paraître,
5. COMPLÉMENTS 485
Inverser une matrice par l’algorithme du pivot a un coût du même ordre de grandeur que
multiplier naïvement deux matrices.
Faisons pour clore ce chapitre une petite application numérique. La formule générale pour
calculer un déterminant de taille n avec une somme sur les permutations de Sn nécessite
de l’ordre de (n + 1)! opérations. Pour inverser une matrice A avec la formule
1
A−1 = Ã
det A
il faut calculer 1 déterminant de taille n et n2 déterminants de taille n − 1, ce qui donne
de l’ordre de n2 n! opérations. Notons tn = 4n3 et t0n = n2 n!.
Supposons donnée une machine effectuant 1010 opérations par seconde. Évaluons le temps
tn nécessaire à cette machine pour résoudre un système n × n de Cramer avec la méthode
du pivot, et le temps t0n avec la méthode naïve :
n tn t0n
3 1.8 10−8 s 5.4 10−9 s
5 −8
5 10 s 3 10−7 s
10 4 10−7 s 3 10−2 s
−6
15 1.3 10 s 8 heures
20 3.2 10−6 s 3085 ans
100 4 10−4 s 2.9 10144 ans
Remarque 7. Prenons un ordinateur d’une puissance de 100 Watts. Pour inverser une
matrice de taille 20 avec les formules naïves, il faudra une énergie de 1011 Joules. Sachant
qu’une centrale nucléaire fournit une puissance de 109 Watts, cela représente la quan-
tité d’énergie fournie par cette centrale pendant 5 minutes. C’est à dire la consommation
d’environ un demi-kilo d’uranium enrichi. . .
Chapitre 28
Intégration
487
488 CHAPITRE 28. INTÉGRATION
L’intégrale d’une fonction f entre deux réels a et b est un réel qui mesure l’aire sous la
courbe de f . Mais qu’est-ce qu’une aire ?
Le mathématicien prend les choses ... à l’envers. Il définit l’aire comme l’intégrale de la
fonction. Mais alors, me direz-vous, qu’est-ce que l’intégrale ? Le but de ce chapitre est de
répondre à cette question.
Il existe différentes théories de l’intégration : intégrale de Riemann, intégrale de Lebesgue,
intégrale de Stieljes, et bien d’autres. La théorie présentée ici est celle de l’intégrale de
Riemann.
• Nous allons commencer par définir l’intégrale de fonctions très simples, les fonctions
en escalier, qui sont tout simplement des fonctions constantes par morceaux.
• Nous montrerons ensuite que, d’une certaine façon, les fonctions en escalier sont
denses dans un ensemble qui contient, entre-autres, les fonctions continues par mor-
ceaux.
• Cette propriété nous permettra d’étendre la définition de l’intégrale aux fonctions
continues par morceaux.
1 Intégration des fonctions en escalier
1.1 Subdivisions d’un segment
Définition 1. Soient a, b ∈ R, a < b. On appelle subdivision du segment [a, b] toute

suite finie σ = (x0 , x1 , · · · , xn ) (n ≥ 1) de points de [a, b] vérifiant
a = x0 < x1 < · · · < xn = b
Notation. On note S([a, b]) l’ensemble des subdivisions du segment [a, b].
Définition 2. Soit σ = (xi )0≤i≤n ∈ S([a, b]).

• On appelle pas de σ le réel
µ(σ) = max (xi+1 − xi )

0≤i<n
• On appelle support de σ l’ensemble
Supp(σ) = {xi , 0 ≤ i ≤ n}
1. INTÉGRATION DES FONCTIONS EN ESCALIER 489
Exemple. Soient a < b, et n ≥ 1. Pour 0 ≤ k ≤ n posons

b−a
xk = a + k
n
On obtient une subdivision à pas constant dont le pas est
b−a
µn =
n
Définition 3. Soit σ, σ 0 ∈ S([a, b]). On dit que σ est moins fine que σ 0 , ou σ 0 est plus
fine que σ, et on note σ ≤ σ 0 lorsque
Supp(σ) ⊂ Supp(σ 0 )
Proposition 1. Soient σ 0 , σ 00 ∈ S([a, b]). Il existe une subdivision de [a, b] à la fois

plus fine que σ 0 et que σ 00 .
Démonstration. C’est par exemple la subdivision dont le support est la réunion des
supports de σ 0 et de σ 00 .
1.2 Notion de fonction en escalier
Définition 4. Soit ϕ : [a, b] −→ R. On dit que ϕ est en escalier sur [a, b] lorsqu’il
existe une subdivision σ = (xi )0≤i≤n de [a, b] telle que ϕ soit constante sur les intervalles
]xi , xi+1 [.
Définition 5. Une telle subdivision est dite adaptée à ϕ.
Remarque 1. Il est clair que si σ est une subdivision adaptée à ϕ, alors toute subdivision
plus fine que σ est encore adaptée.
Exemple. Les fonctions constantes sont en escalier.
Proposition 2. L’ensemble E([a, b]) des fonctions en escalier sur [a, b] est une R-
algèbre.
Démonstration. Montrons que c’est une sous-algèbre de l’algèbre R[a,b] .

• La fonction constante égale à 1 est en escalier.

• Soient ϕ, ψ en escalier sur [a, b]. Soit σ une subdivision adaptée à ϕ et à ψ. Il suffit
pour en créer une de prendre une subdivision adaptée à ϕ, une subdivision adaptée à
ψ, et de créer la subdivision dont le support est la réunion des supports de ces deux
subdivisions. Il est alors clair que cette nouvelle subdivision est adaptée à ϕ + ψ, à
ϕψ et à λϕ pour tout λ réel.
1.3 Intégrale d’une fonction en escalier
Proposition 3. Soit ϕ ∈ E([a, b]). Soit σ = (xi )0≤i≤n une subdivision adaptée à ϕ.
Pour 0 ≤ i ≤ n − 1, soit yi la valeur (constante) de ϕ sur ]xi , xi+1 [. La quantité
n−1
X
yi (xi+1 − xi )
i=0
ne dépend pas de la subdivision σ.
Démonstration. Sans entrer dans les détails de la preuve, cela signifie que si l’on coupe
un rectangle en plusieurs morceaux, l’aire totale est la somme des aires des morceaux.
Définition 6. La quantitéR b introduite

R dans le théorème
R b précédent est appelée intégrale
de ϕ sur [a, b], et notée a ϕ, ou [a,b] ϕ, ou encore a ϕ(x) dx.
Exercice. Dessinez une fonction en escalier. Puis hachurez la partie du plan entre sa
« courbe » et l’axe Ox.
Rb
Remarque 2. Si vous avez fait l’exercice, bravo, vous avez devant les yeux a ϕ ! C’est
l’aire de ce que vous avez hachuré.
1.4 Propriétés
Proposition 4. Soient a, b ∈ R, a < b. On a pour toutes fonctions ϕ, ψ ∈ E([a, b]) et

tout réel λ :
Rb Rb Rb
• Linéarité 1 : a (ϕ + ψ) = a ϕ + a ψ.
Rb Rb
• Linéarité 2 : a λϕ = λ a ϕ.
1. INTÉGRATION DES FONCTIONS EN ESCALIER 491
Rb Rb
• Croissance : ϕ ≤ ψ =⇒ a ϕ≤ a ψ.
Rb Rb
• a ϕ ≤ a |ϕ|
Démonstration.
• Pour la linéarité 1, on prend une subdivision adaptée à la fois à ϕ et à ψ.
• La linéarité 2 et la croissance sont évidentes.
• Pour la dernière inégalité, remarquons d’abord que si ϕ ∈ E([a, b]), il en va de même
pour |ϕ|. Maintenant, ϕ ≤ |ϕ|, donc par la croissance, on a
Z b Z b
ϕ≤ |ϕ|
a a
De même, −ϕ ≤ |ϕ|, donc par croissance et linéarité,

Z b Z b
− ϕ≤ |ϕ|
a a
Rb Rb Rb
D’où l’inégalité voulue, puisque | a ϕ| est l’un des deux nombres a ϕ et − a ϕ.
Proposition 5. Formule de Chasles

Soient a, b, c ∈ R, a < b < c. Soit ϕ : [a, c] −→ R. Alors
• ϕ ∈ E([a, c]) si et seulement si ϕ ∈ E([a, b]) et ϕ ∈ E([b, c]).
• Si ϕ ∈ E([a, c]) alors
Z c Z b Z c
ϕ= ϕ+ ϕ
a a b
Démonstration. On n’entre pas dans les détails. Disons simplement qu’un réunissant
une subdivision adaptée sur [a, b] et une subdivision adaptée sur [b, c], on fabrique une
subdivision adaptée sur [a, c]. Inversement, si on a une subdivision adaptée sur [a, c], on
obtient des subdivisions adaptées sur [a, b] et [b, c] en la coupant en deux et en rajoutant
éventuellement b aux deux subdivisions obtenues.
Remarque 3. On généralise la notation intégrale en posant pour a > b
Z b Z a
ϕ=− ϕ
a b
et pour tout a Z a
ϕ=0
a
La formule de Chasles est alors vérifiée dans tous les sens (si j’ose dire). La linéarité
fonctionne encore sans problème. En revanche, attention aux inégalités ! Elles ont toutes
tendance à se renverser.
Rb
Moralité : quand on écrit des inégalités sur des intégrales du genre a ϕ on contrôle tou-
jours que a ≤ b.
2 Construction de l’intégrale
2.1 Fonctions continues par morceaux
Définition 7. Soit f : [a, b] −→ R. On dit que f est continue par morceaux sur [a, b]
lorsqu’il existe une subdivision σ = (xi )0≤i≤n de [a, b] telle que
• f est continue sur les intervalles ouverts ]xi , xi+1 [.
• f admet une limite à gauche et à droite réelles en tous les xi , 1 ≤ i ≤ n − 1,
une limite à droite réelle en a et une limite à gauche réelle en b.
Une telle subdivision est, comme pour les fonctions en escalier, dite adaptée à f . Toute
subdivision plus fine qu’une subdivision adaptée est encore adaptée.
Remarque 4. Toute fonction continue, toute fonction en escalier, est évidemment continue
par morceaux. Nous avons donc les inclusions
C 0 ([a, b]) ⊂ Cm ([a, b]) et E([a, b]) ⊂ Cm ([a, b])
Définition 8. On étend cette notion à des fonctions définies sur un intervalle quel-
conque. Soit f : I −→ R. On dit que f est continue par morceaux sur I lorsque sa
restriction à tout segment inclus dans I est continue par morceaux.
Exemple. La fonction partie entière, la fonction f : R −→ R définie par f (x) = x − bxc,

sont continues par morceaux sur R.
Proposition 6. L’ensemble Cm ([a, b]) des fonctions continues par morceaux sur [a, b]
est une R-algèbre et E([a, b]) en est une sous-algèbre.
Démonstration. C’est la même démonstration que celle que nous avons faite pour les
fonctions en escalier.
2. CONSTRUCTION DE L’INTÉGRALE 493
Proposition 7. Soient a, b ∈ R, a < b. L’ensemble E([a, b]) est dense dans Cm ([a, b])
au sens suivant : pour toute fonction f ∈ Cm ([a, b]), pour tout réel ε > 0, il existe deux
fonctions ϕ, ψ ∈ E([a, b]) telles que
ϕ ≤ f ≤ ψ et ψ − ϕ ≤ ε
Démonstration. Pour alléger la preuve, on la fait seulement pour f continue sur [a, b].
Soit ε > 0. D’après le théorème de Heine, f est uniformément continue sur [a, b]. Il existe
donc α > 0 tel que
∀x, y ∈ [a, b], |x − y| ≤ α =⇒ |f (x) − f (y)| ≤ ε
Soit σ = (x0 = a, . . . , xn = b) une subdivision de [a, b] de pas µ(σ) ≤ α. Soit ϕ en escalier

définie comme suit.
Pour tout k ∈ J0, n − 1K, pour tout x ∈ [xk , xk+1 [,
ϕ(x) = min f
[xk ,xk+1 ]
Il reste à définir ϕ(b). Posons ϕ(b) = f (b).

On définit de même ψ en mettant max à la place de min. On a clairement
ϕ≤f ≤ψ
Par ailleurs, soit x ∈ [a, b[. Soit k tel que x ∈ [xk , xk+1 [. On a
ψ(x) − ϕ(x) = max f − min f = f (v) − f (u)

[xk ,xk+1 ] [xk ,xk+1 ]
où u, v ∈ [xk , xk+1 ] (théorème des valeurs intermédiaires). Mais alors,
|v − u| ≤ µ(σ) ≤ α
donc
|f (v) − f (u)| ≤ ε
Ainsi, pour tout x différent de b, on a ψ(x) − ϕ(x) ≤ ε. Pour x = b aussi. Donc, ψ − ϕ ≤ ε.
2.2 Intégrale d’une fonction continue par morceaux
Notation. Soit f : [a, b] −→ R bornée. On note

(Z )
E− (f ) = ϕ, ϕ ∈ E([a, b]), ϕ ≤ f
[a,b]
et (Z )
E+ (f ) = ψ, ψ ∈ E([a, b]), f ≤ ψ
[a,b]
Remarque 5. E− (f ) est donc une partie de R. C’est l’ensemble de toutes les intégrales
de toutes les fonctions en escalier inférieures ou égales à f . De même pour E+ (f ).
Remarque 6. Toute fonction continue par morceaux sur [a, b] est bornée sur [a, b]. En
effet, elle est bornée sur chacun des morceaux d’une subdivision adaptée.
Proposition 8. Les ensembles E− (f ) et E+ (f ) possèdent respectivement une borne

supérieure et une borne inférieure, et on a
inf E+ (f ) ≥ sup E− (f )
Démonstration. f est bornée sur [a, b], c’est à dire minorée et majorée par des fonctions
constantes. Comme une fonction constante est en escalier, les ensembles E− et E+ sont
donc non vides.
De plus, soient x ∈ E− et y ∈ E+ . On a
Z b Z b
x= ϕ et y = ψ
a a
où ϕ, ψ ∈ E([a, b]) et ϕ ≤ f ≤ ψ. Ainsi, par la croissance de l’intégrale des fonctions en

escalier, x ≤ y. On en déduit que sup E− et inf E+ existent, et
sup E− ≤ inf E+

Notation. Pour toute fonction f : [a, b] −→ R bornée, nous noterons
Z b
f = sup E− (f )
∗a
et Z ∗b
f = inf E+ (f )
a
Exercice. Les réels sup E− et inf E+ peuvent être distincts lorsque la fonction f est
« compliquée ». Prenons par exemple la fonction f : [0, 1] −→ R définie par f (x) = 1 si
x ∈ Q et f (x) = 0 sinon. Montrer que
E− (f ) = R− et E+ (f ) = [1, +∞[
2. CONSTRUCTION DE L’INTÉGRALE 495
En déduire que Z 1 Z ∗1
f = 0 et f =1
∗0 0
Proposition 9. Soit f ∈ Cm ([a, b]). On a sup E− (f ) = inf E+ (f ).
Démonstration. Soit ε > 0. Il existe ϕ, ψ ∈ E([a, b]) telles que

ε
ϕ≤f ≤ψ et ψ − ϕ ≤
b−a
De là,
Z b Z b Z b
ε
ψ− ϕ≤ =ε
a a a b−a
On en déduit que
Z b Z b
inf E+ (f ) − sup E− (f ) ≤ ψ− ϕ≤ε
a a
Ceci étant vrai pour tout ε > 0, on en déduit que inf E+ (f ) ≤ sup E− (f ). L’autre inégalité
étant vraie pour toute fonction f , on a l’égalité recherchée.
Définition 9. Soit f : [a, b] −→ R une fonction bornée. On dit que f est intégrable
Rb R ∗b
sur [a, b] lorsque ∗a f = a f . On appelle alors intégrale de f sur [a, b] le réel
Z b Z b Z ∗b
f= f= f
a ∗a a
R Rb
Notation. On note aussi, comme pour les fonctions en escalier, [a,b] f , ou encore a f (x) dx.
Exercice. Soi tf : [a, b] → R une fonction en escalier. On dispose alors a priori pour f de
deux notions d’intégrale. Montrer qu’il n’y a pas d’ambiguïté.
Rb
Précisément, prouver que E− (f ) a un plus grand élément, qui est a (f ) au sens de l’in-
tégrale des fonctions en escalier. Ainsi, l’intégrale de f au sens du I et l’intégrale de f au
sens du II sont égales.
R1
Exemple. Calculons 0 x2 dx.
Soit f : [0, 1] −→ R définie par f (x) = x2 . Considérons pour tout n la subdivision régulière
(xk )0≤k≤n où
k
xk =
n
Soit ϕ en escalier définie par ϕ(x) = f (xk ) sur l’intervalle [xk , xk+1 [ (et φ(1) = 1). On a
φ ≤ f . Calculons son intégrale :
1 n−1 2
(n − 1)(2n − 1)
Z
1X k
ϕ= =
0 n n 6n2
k=0
Soit de même ψ en escalier définie par ψ(x) = f (xk+1 ) sur l’intervalle [xk , xk+1 [ (et ψ(1) =
1). On a ψ ≥ f . Calculons son intégrale :
Z 1 n−1 2
1X k+1 (n + 1)(2n + 1)
ψ= =
0 n n 6n2
k=0
On a donc pour tout n ≥ 1,

1
(n − 1)(2n − 1)
Z
(n + 1)(2n + 1)
≤ f≤
6n2 0 6n2
1
Le minorant et le majorant tendent vers 3 lorsque n tend vers l’infini. On a donc
Z 1
1
x2 dx =
0 3
R1
Exercice. Calculer de la même manière 0 ex dx.
3 Propriétés de l’intégrale
3.1 Linéarité
La propriété qui suit est fondamentale.
Proposition 10. Soient f, g ∈ Cm ([a, b]) et λ ∈ R. On a

Rb Rb Rb
• a (f + g) = a f + a g
Rb Rb
• a λf = λ a f
Démonstration. Soit ε > 0. Il existe ϕ1 , ψ1 , ϕ2 , ψ2 en escalier sur [a, b] telles que

ε ε
ϕ1 ≤ f ≤ ψ1 , ϕ2 ≤ g ≤ ψ2 , ψ1 − ϕ1 ≤ 2(b−a) et ψ2 − ϕ2 ≤ 2(b−a) .
Par définition même de l’intégrale de f et de g, on a
Z b Z b Z b
(1) ϕ1 ≤ f≤ ψ1
a a a
3. PROPRIÉTÉS DE L’INTÉGRALE 497
Z b Z b Z b
(2) ϕ2 ≤ g≤ ψ2
a a a
Remarquons que ϕ1 + ϕ2 est en escalier et minore f + g. De même, ψ1 + ψ2 est en escalier

et majore f + g. Par définition de l’intégrale de f + g et la linéarité de l’intégrale pour les
fonctions en escalier,
Z b Z b Z b Z b Z b
(3) ϕ1 + ϕ2 ≤ (f + g) ≤ ψ1 + ψ2
a a a a a
On ajoute à (3) les inégalités opposées de (1) et (2). On obtient

Z b Z b Z b Z b Z b Z b Z b
(ϕ1 − ψ1 ) + (ϕ2 − ψ2 ) ≤ (f + g) − f− g≤ (ψ1 − ϕ1 ) + (ψ2 − ϕ2 )
a a a a a a a
d’où
Z b Z b Z b
(f + g) − f− g ≤ε
a a a
Ceci est vrai pour tout ε > 0, donc l’intégrale de la somme est la somme des intégrales.
Pour le produit par un réel, c’est bien plus facile, nous nous dispenserons ici de donner la
preuve.
3.2 Positivité et croissance
La propriété de positivité de l’intégrale, ainsi que ses corollaires (croissance, inégalité tri-
angulaire) sont fondamentales.
Proposition 11. Positivité de l’intégrale

Soient a, b ∈ R tels que a < b. Soit f ∈ Cm ([a, b]). On a
Z b
f ≥ 0 =⇒ f ≥0
a
Démonstration. La fonction nulle est en escalier et minore f , donc

Z b Z b
0= 0≤ f
a a

Proposition 12. Croissance de l’intégrale

Soient a, b ∈ R tels que a < b. Soient f, g ∈ Cm ([a, b]). On a
Z b Z b
f ≤ g =⇒ f≤ g
a a
Démonstration. On a g − f ≥ 0, donc
Z b
(g − f ) ≥ 0
a
On termine en utilisant la linéarité de l’intégrale.
Proposition 13. Inégalité triangulaire

Soient a, b ∈ R tels que a < b. Soit f ∈ Cm ([a, b]). Alors |f | ∈ Cm ([a, b]) et
Z b Z b
f ≤ |f |
a a
Démonstration. Une subdivision adaptée à f est aussi adaptée à |f |. Pour montrer

l’inégalité, il suffit de remarquer que f ≤ |f | et −f ≤ |f |, puis d’utiliser la croissance de
l’intégrale et sa linéarité.
3.3 Formule de Chasles
La propriété qui suit est fondamentale.
Proposition 14. Formule de Chasles

Soient a, b, c ∈ R tels que a < b < c. Soit f : [a, c] −→ R. Alors
• f ∈ Cm ([a, c]) si et seulement si f ∈ Cm ([a, b]) et f ∈ Cm ([b, c]).
• Si f ∈ Cm ([a, c]) alors
Z c Z b Z c
f= f+ f
a a b
Démonstration. Nous l’admettrons. L’idée est de travailler avec des subdivisions adap-
tées auxquelles on rajoute éventuellement le point b.
Remarque 7. Comme pour les fonctions en escalier, on généralise la notation intégrale

en posant, si a > b,
Z b Z a
f =− f
a b
et aussi Z a
f =0
a
La formule de Chasles est alors vérifiée dans tous les sens.
Attention cependant : les inégalités concernant les intégrales (comme la positivité ou la
croissance) ne sont valables que lorsque a ≤ b.
3.4 Nullité de l’intégrale
Proposition 15. Soit f : [a, b] −→ R continue et positive, telle que

Z b
f =0
a
Alors
∀x ∈ [a, b], f (x) = 0
Démonstration. Supposons que f n’est pas identiquement nulle sur [a, b]. Il existe
c ∈ [a, b] tel que f (c) > 0.
Supposons c 6= a, b (si c = a ou b, la preuve est analogue). Comme f est continue en c, il
existe δ > 0, tel que
1
∀x ∈ [c − δ, c + δ], f (x) ≥ f (c)
2
Prenons δ suffisamment petit pour que a ≤ c − δ et c + δ ≤ b. On a alors
Z b Z c−δ Z c+δ Z b Z c+δ
f= f+ f+ f ≥0+ f + 0 ≥ δf (c) > 0
a a c−δ c+δ c−δ
3.5 Inégalité de Schwarz
Soient a, b ∈ R, a < b. Pour f, g ∈ Cm ([a, b]), notons

Z b
< f, g >= fg
a
Proposition 16. L’application (f, g) 7−→< f, g > vérifie les propriétés suivantes :
• C’est une forme bilinéaire symétrique sur Cm ([a, b]).
• ∀f ∈ Cm ([a, b]), < f, f >≥ 0.
• ∀f ∈ C 0 ([a, b]), < f, f >= 0 =⇒ f = 0.
Démonstration.
• La symétrie est évidente car la multiplication des réels est commutative. La bilinéa-
rité résulte de la linéarité de l’intégrale.
• Soit f ∈ Cm ([a, b]). La fonction f 2 est positive donc, par positivité de l’intégrale,
Z b
< f, f >= f2 ≥ 0
a
• Soit f ∈ C 0 ([a, b]). Supposons < f, f >= 0. La fonction f 2 est continue et positive
sur [a, b] et son intégrale est nulle. Par le théorème de nullité de l’intégrale, on a
donc f = 0.

Remarque 8. Nous reviendrons sur ce sujet dans le chapitre sur les espaces préhilbertiens
réels. Ce que nous raconte le théorème, c’est que la fonction (f, g) 7−→< f, g > est un
produit scalaire sur C 0 ([a, b]).
Proposition 17. Inégalité de Schwarz

Soient a, b ∈ R vérifiant a < b. Soient f, g ∈ Cm ([a, b]). Alors
s s
Z b Z b Z b
fg ≤ f 2 g2
a a a
Si f et g sont continues sur [a, b], l’inégalité précédente est une égalité si et seulement
si f et g sont proportionnelles.
Démonstration. Considérons la fonction ϕ : R −→ R définie par
ϕ(t) =< tf + g, tf + g >
Remarquons tout d’abord que, par positivité de l’intégrale, on a pour tout réel t, ϕ(t) ≥ 0.
De plus, par bilinéarité,
ϕ(t) =< f, f > t2 + 2 < f, g > t+ < g, g >
La fonction ϕ est donc une fonction polynôme de degré inférieur ou égal à 2.

Commençons par le cas où < f, f >= 0. La fonction ϕ est alors une fonction affine de
signe constant. C’est donc une fonction constante, ce qui entraîne < f, g >= 0. L’inégalité
demandée est alors évidente, elle devient 0 ≤ 0. C’est même une égalité.
Supposons maintenant < f, f >6= 0. La fonction ϕ est une fonction polynôme de degré 2
et de signe constant. Son discriminant est donc négatif ou nul. Que vaut le discriminant
en question ? Eh bien c’est
∆ = 4 < f, g >2 −4 < f, f >< g, g >
On a donc
< f, g >2 ≤< f, f >< g, g >
d’où l’inégalité de Schwarz en passant à la racine carrée.
Passons maintenant au cas d’égalité. Supposons f et g continues sur [a, b]. Reprenons les
deux cas ci-dessus.
• Le cas < f, f >= 0. Dans ce cas, nous avons vu que < f, g >= 0. On a donc égalité.
De plus, comme f est continue, < f, f >= 0 entraîne f = 0. Ainsi, f = 0g : f et g
sont proportionnelles. L’équivalence est donc vérifiée.
• Le cas < f, f >6= 0 (et donc f 6= 0).
? Supposons f et g proportionnelles : il existe t ∈ R tel que g = tf . On a
Z b Z b Z b
2
fg = tf = |t| f2
a a a
Par ailleurs,
Z b Z b Z b 2
f2 g 2 = t2 f2
a a a
En prenant la racine carrée on voit qu’on a égalité dans l’inégalité de Schwarz.
? Supposons maintenant l’égalité dans l’inégalité de Schwarz. Rappelons-nous la
démonstration de l’inégalité : l’inégalité de Schwarz nous dit qu’un discriminant
est négatif ou nul. Maintenant, ce discriminant est nul. Qu’est-ce que cela veut
dire ? Eh bien que la fonction ϕ a une racine (double). Il existe donc t ∈ R tel
que ϕ(t) = 0, c’est à dire
< tf + g, tf + g >= 0
La fonction tf + g étant continue sur [a, b], cela implique que tf + g = 0, c’est
à dire
g = −tf
Les fonctions f et g sont effectivement proportionnelles.

Exercice. Voyons sur un exemple comment utiliser ce théorème. Soient a, b ∈ R, a < b.
Posons
E = {f ∈ C 0 ([a, b]), f > 0}
Soit ϕ : E −→ R définie, pour toute f ∈ E, par

Z b Z b
1
ϕ(f ) = f
a a f
Montrons que ϕ possède un minimum sur l’ensemble E et calculons ce minimum.
Par l’inégalité de Schwarz, on a pour tout f ∈ E,

Z b 2
1
ϕ(f ) ≥ f = (b − a)2
a f
La fonction ϕ est donc minorée par (b − a)2 . Par ailleurs, on a égalité ci-dessus si et
seulement si il existe un réel λ tel que
1
f =λ
f
c’est à dire si et seulement si

f2 = λ
bref, si et seulement si f est constante. Conclusion :
ϕ admet un minimum sur E qui est (b − a)2 . Ce minimum est atteint pour les fonctions
constantes et elles seulement.
4 Approximations de l’intégrale
4.1 Sommes de Riemann - Méthode des rectangles
Définition 10. Soient a, b ∈ R, a < b. On appelle subdivision pointée de [a, b] tout

couple S = (σ, τ ) où σ = (xi )0≤i≤n est une subdivision « normale » de [a, b] et τ =
(ξi )0≤i≤n−1 vérifie
∀i ∈ J0, n − 1K, ξi ∈ [xi , xi+1 ]
Une subdivision pointée est donc une subdivision pour laquelle, dans chacun des mor-
ceaux de la subdivision, on se donne un point particulier.
•
Notation. On note S([a, b)] l’ensemble des subdivisions pointées de [a, b].
4. APPROXIMATIONS DE L’INTÉGRALE 503
Définition 11. Soient a, b ∈ R tels que a < b. Soit f : [a, b] −→ R. Soit S une
subdivision pointée de [a, b]. On appelle somme de Riemann associée à f et S la quantité
n−1
X
RS (f ) = (xi+1 − xi )f (ξi )
i=0
Exercice. Faire un petit dessin. RS (f ) est l’aire d’une réunion de rectangles : dessiner la
courbe de f , une subdivision de quelques points, hachurer l’aire correspondant à RS (f ).
Proposition 18. Soient a, b ∈ R tels que a < b. Soit f : [a, b] −→ R une fonction
continue. Alors
•
Z b
∀ε > 0, ∃δ > 0, ∀S ∈ S([a, b]), µ(S) ≤ δ =⇒ f − RS (f ) ≤ ε
a
Démonstration. Soit ε > 0. f est uniformément continue sur [a, b], donc il existe δ > 0
tel que
ε
∀x, y ∈ [a, b], |x − y| ≤ δ =⇒ |f (x) − f (y)| ≤
b−a
Soit S une subdivision pointée de [a, b] (mêmes notations que dans la définition) de pas
inférieur ou égal à δ. On a
Z b n−1
X Z xi+1 Z xi+1
f − RS (f ) = f (x) dx − f (ξi ) dx
a i=0 xi xi
n−1
X xi+1
Z
≤ |f (x) − f (ξi )| dx
i=0 xi
n−1
X Z xi+1 ε
≤ dx
xi b−a
i=0
Z b
ε
= dx
a b−a
= ε

La proposition ci-dessus
Rb nous dit les sommes de Riemann associées à la fonction continue
f convergent vers a f lorsque le pas des subdivisions tend vers 0. Le problème, c’est qu’on
ne maîtrise pas l’erreur commise en approchant l’intégrale par une somme de Riemann.
Tout ce que l’on sait, c’est que la somme de Riemann est proche de l’intégrale lorsque le
pas de la subdivision est assez petit. Tout cela est évidemment assez vague.
Si l’on a des renseignements supplémentaires sur f , on peut dire mieux. Par exemple,
lorsque f est lipschitzienne . . .
Proposition 19. Soient a, b ∈ R tels que a < b. Soit k ≥ 0. Soit f : [a, b] −→ R

k-lipschitzienne. On a alors pour toute subdivision pointée S de [a, b],
Z b
f − RS (f ) ≤ k(b − a)µ(S)
a
Démonstration.
Z b n−1
X Z xi+1 Z xi+1
f − RS (f ) = f (x) dx − f (ξi ) dx
a i=0 xi xi
n−1
X xi+1
Z
≤ |f (x) − f (ξi )| dx
i=0 xi
n−1
X Z xi+1
≤ k |x − ξi | dx
i=0 xi
n−1
X Z xi+1
≤ kµ(S) dx
i=0 xi
= k(b − a)µ(S)
Exemple. Si S est une subdivision régulière de [a, b] en n morceaux, alors
b
(b − a)2
Z
f − RS (f ) ≤ k
a n
Exemple. Appliquons la méthode des rectangles à f (x) = exp x sur [0, 1]. Soit n ≥ 1. Avec
les notations ci-dessus, prenons une subdivision régulière en posant xk = nk , 0 ≤ k ≤ n.
Posons également ξk = xk , 0 ≤ k ≤ n − 1. On a
n−1
X
RS (f ) = (xk+1 − xk )f (ξk )
k=0
n−1
X 1 k/n
= e
n
k=0
n−1
1 X k
= e1/n
n
k=0
On reconnaît la somme des termes d’une suite géométrique :

n
1 e1/n − 1
RS (f ) =
n e1/n − 1
1 e−1
=
n e1/n − 1
Lorsque n tend vers l’infini, e1/n − 1 ∼ n1 . Ainsi,
1e−1
RS (f ) ∼ =e−1
n n1
On en déduit que RS (f ) tend vers e − 1 lorsque n tend vers l’infini. Ainsi,
Z 1
ex dx = e − 1
0
Remarque 9. Bien évidemment, calculer des intégrales par cette méthode n’est pas de
tout repos. Il existe cependant des cas où l’on ne sait pas trouver de primitives d’une
fonction, mais où la méthode des rectangles permet de calculer quand même l’intégrale de
cette fonction. Voir feuille d’exercices.
Remarque 10. La méthode des rectangles n’est pas une bonne méthode pour approcher
une intégrale. Le majorant de l’erreur en n1 nous dit que si l’on veut, par exemple, obte-
nir une intégrale avec 9 chiffres exacts, il faudra additionner 1 milliard de termes. C’est
évidemment peu rassurant.
Dans le paragraphe suivant, nous allons examiner une méthode plus efficace, où l’erreur
est majorée par n12 .
4.2 Méthode des trapèzes
Soient a, b ∈ R tels que a < b. Soit f : [a, b] −→ R. On suppose dans ce qui suit que f est
de classe C 2 . On note M2 (f ) le maximum de |f 00 | sur le segment [a, b].
Dans un premier temps, considérons la fonction affine ϕ : [a, b] → R égale à f aux points
a et b.
Proposition 20. On a pour tout t ∈ [a, b],
(t − a)(b − t)
|f (t) − ϕ(t)| ≤ M2 (f )
2
M2
g(x) = f (x) − ϕ(x) − (x − a)(b − x)
2
On a g ∈ C 2 [a, b], g(a) = g(b) = 0, et g 00 = f 00 + M2 ≥ 0. La fonction g 0 est donc croissante.
De plus, par Rolle, il existe c ∈]a, b[, tel que g 0 (c) = 0. Donc, g 0 ≤ 0 sur [a, c] et g 0 ≥ 0 sur
[c, b]. On en tire les variations de g sur [a, b], et on constate (exercice, faire le tableau de
variations de g) que g ≤ 0 sur [a, b]. Donc,
M2
f (x) − ϕ(x) ≤ (x − a)(b − x)
2
En faisant de même avec

M2
h(x) = f (x) − ϕ(x) + (x − a)(b − x)
2
on trouve l’autre inégalité.
b
(b − a)3
Z
1
f − (b − a)(f (a) + f (b)) ≤ M2
a 2 12
Z b Z b Z b
M2 b (b − a)3
Z
f− ϕ ≤ |f − ϕ| ≤ (t − a)(b − t) dt = M2
a a a 2 a 12
Rb
Par ailleurs, a ϕ est l’aire d’un trapèze (faire un dessin), et donc
Z b
1
ϕ = (b − a)(f (a) + f (b))
a 2

L’idée suivante est de couper le segment [a, b] en n morceaux, et d’appliquer ce qui précède
sur chacun des morceaux. On obtient la proposition ci-dessous.
Proposition 22. Soit n ≥ 1. Pour i ∈ J0, nK, soit xi = a + i b−a

n . Alors
b
(b − a)3
Z
f − Tn (f ) ≤ M2 (f )
a 12n2
où
n−1
b−aX
Tn (f ) = (f (xi ) + f (xi+1 ))
2n
i=0
Démonstration. Soit ϕ la fonction égale à f aux points xi et affine sur chacun des
morceaux de la subdivision régulière. On a
Z b Z b n−1
X Z xi+1 Z xi+1
f− ϕ ≤ f− ϕ
a a i=0 xi xi
n−1
X (b − a)3
≤ M2
12n3
i=0
(b − a)3
= M2
12n2
Par ailleurs,
Z b n−1
X Z xi+1
ϕ= ϕ = Tn (f )
a i=0 xi

Remarque 11. On a
n−1
b−aX (b − a)(f (b) − f (a))
Tn (f ) = f (xi ) +
n 2n
i=0
On constate donc que la somme associée à la méthode des trapèzes est égale à une somme
de Riemann à laquelle on rajoute le terme correcteur
(b − a)(f (b) − f (a))
2n
Exemple. Prenons a = 0, b = 1 et f (x) = x2 . Il vient

n−1 2
1X i 1 (n − 1)n(2n − 1) 1 1 1
Tn (f ) = + = 3
+ = + 2
n n 2n 6n 2n 3 6n
i=0
R1
Or, 0 f = 31 . Ainsi, l’erreur commise est 1
6n2
. Par ailleurs, l’erreur théorique est
(b − a)3 1
M2 2
= 2
12n 6n
Ainsi, notre calcul de l’erreur était optimal. Le majorant que nous avons trouvé est atteint
pour notre exemple.
5 Primitives
Nous allons enfin voir comment la notion d’intégrale permet de prouver que toute fonction
continue sur un intervalle y admet des primitives.
5.1 Notion de primitive
Définition 12. Soit I un intervalle de R. Soient f et F deux fonctions définies sur I.

On dit que F est une primitive de f sur I lorsque F ∈ D1 (I) et que F 0 = f sur I.
5.2 Existence et unicité des primitives
Proposition 23. Unicité des primitives

Soit I un intervalle de R. Soit f : I −→ R. On suppose que f admet une primitive F
sur I. Alors, les primitives de f sont les fonctions F + c où c ∈ R.
Démonstration. Soit G ∈ D1 (I). G est une primitive de f sur I si et seulement si

G0 = f , c’est à dire G0 = F 0 , ou encore (G − F )0 = 0. C’est à dire si et seulement si G − F
est constante sur I.
Nous y voilà . . .
Proposition 24. Existence des primitives

Soit I un intervalle de R. Soit f : I −→ R une fonction continue. Soit a ∈ I. L’appli-
cation F : I −→ R définie pour tout x ∈ I par
Z x
F (x) = f (t) dt
a
est une primitive de f sur I.

5. PRIMITIVES 509
Démonstration.
• La fonction F est bien définie sur I puisque pour tout x ∈ I, f est continue sur
[a, x] (ou [x, a] si x ≤ a) : l’intégrale existe donc.
• Soit x0 ∈ I. Soit x ∈ I. Alors
Z x Z x
F (x) − F (x0 ) − (x − x0 )f (x0 ) = f (t) dt − (x − x0 )f (x0 ) = (f (t) − f (x0 )) dt
x0 x0
Soit ε > 0. Puisque f est continue en x0 , il existe α > 0 tel que, pour tout t ∈ I,
|t − x0 | ≤ α =⇒ |f (t) − f (x0 )| ≤ ε
On a alors pour tout x > x0 tel que |x − x0 | ≤ α,

Z x
|F (x) − F (x0 ) − (x − x0 )f (x0 )| ≤ |f (t) − f (x0 )| dt ≤ |x − x0 |ε
x0
D’où
F (x) − F (x0 )
− f (x0 ) ≤ ε
x − x0
Le même résultat est obtenu pour x < x0 . Tout ceci n’est autre que la définition de
limite. Nous venons de prouver que
F (x) − F (x0 )
−→ f (x0 )
x − x0 x→x0
Ainsi, F est dérivable en x0 et F 0 (x0 ) = f (x0 ).

5.3 Application
Proposition 25. Théorème fondamental du calcul intégral

Soit f : [a, b] −→ R une fonction continue. Soit F une primitive de f sur [a, b]. Alors
Z b
f (x) dx = F (b) − F (a)
a
Démonstration. Posons, pour tout x ∈ [a, b],

Z x
G(x) = f (t) dt
a
F et G étant des primitives de f sur [a, b], il existe un réel c tel que pour tout x ∈ [a, b],
on ait
F (x) = G(x) + c
Mais alors Z b
F (b) − F (a) = G(b) − G(a) = G(b) = f (x) dx
a

Le reste de la section est déjà connu (voir le chapitre sur les primitives). Redonnons les
résultats.
5.4 Intégration par parties
Proposition 26. Soient u, v : [a, b] −→ R deux fonctions de classe C 1 . On a

Z b Z b
u0 v = [uv]ba − uv 0
a a
où [ϕ]ba = ϕ(b) − ϕ(a).
Démonstration. On a (uv)0 = u0 v + uv 0 . Et on intègre. Comme (uv)0 est continue, on

peut appliquer le théorème fondamental du calcul intégral dans le membre de gauche. Bien
évidemment, une primitive de (uv)0 est uv.
Exemple. Cherchons une primitive de la fonction arcsin sur [−1, 1]. Pour cela, considérons
Z x
F (x) = arcsin t dt
0
pour −1 ≤ x ≤ 1. On voudrait poser u0 = 1 et v = arcsin x, malheureusement v n’est pas

dérivable en −1 et 1. Supposons donc d’abord −1 < x < 1 pour rendre notre IPP valide.
Il vient Z x
x t p
F (x) = [t arcsin t]0 − √ dt = x arcsin x + 1 − x2 + 1
0 1 − t2
Une primitive de la fonction arcsin sur ] − 1, 1[ est donc la fonction
p
F : x 7→ x arcsin x + 1 − x2
Maintenant, la fonction F ci-dessus est parfaitement définie, et même continue, sur [−1, 1].
Nous savons que F est une primitive de arcsin sur ] − 1, 1[, et nous savons que F est
continue sur [−1, 1]. Pourquoi F est-elle une primitive de arcsin sur [−1, 1] ?
La fonction arcsin est continue sur [−1, 1], elle y admet donc une primitive. Choisissons
une telle primitive G de sorte que G(0) = F (0) = −1. F et G sont deux primitives de
5. PRIMITIVES 511
arcsin sur ] − 1, 1[, elles diffèrent donc sur ] − 1, 1[ d’une constante, nulle par notre choix
de G(0). Bref, F = G sur ] − 1, 1[.
Pour terminer, le lecteur est invité à faire l’exercice ci-dessous.
Exercice. Soient F et G deux fonctions continues sur [−1, 1]. On suppose que F = G sur
] − 1, 1[. Montrer qu’on a en fait F = G sur [−1, 1]. La continuité est évidemment la clé,
faire tendre x vers 1 (et −1).
5.5 Changement de variable
Proposition 27. Soient α, β ∈ R. Soit ϕ ∈ C 1 ([α, β]). Soit f une fonction continue
sur un intervalle I contenant ϕ([α, β]). On a
Z β Z ϕ(β)
0
f (ϕ(t))ϕ (t) dt = f (x) dx
α ϕ(α)
Démonstration. Soit F une primitive de f sur I. On a pour tout t ∈ [α, β],
f (ϕ(t))ϕ0 (t) = F 0 (ϕ(t))ϕ0 (t) = (F ◦ ϕ)0 (t)
Ainsi,
Z β Z β
f (ϕ(t))ϕ0 (t) dt = (F ◦ ϕ)0 (t) dt
α α
= F ◦ ϕ|βα
= F (ϕ(β)) − F (ϕ(α))
Z ϕ(β)
= f (x) dx
ϕ(α)

Remarque 12. L’énoncé du théorème de changement R b de variable est compliqué, mais
son utilisation est en réalité simple. On désire calculer a f (x) dx. Pour cela, on décide de
poser x = ϕ(t). On cherche alors α et β tels que a = ϕ(α) et b = ϕ(β) (quand x vaut a,
t vaut α). La question est ensuite : que devient dx ? Le théorème nous dit qu’il devient
ϕ0 (t) dt (facile de s’en souvenir : dx = dx
dt dt). Ainsi
Z β Z b
0
f (ϕ(t))ϕ (t) dt = f (x) dx
α a
Exercice. Soit X ∈ [−1, 1]. Calculer

Z X
I= arcsin x dx
0
en posant x = sin t. Trouver tout d’abord
Z arcsin X
I= t cos t dt
0
Puis faire une intégration par parties et finir le calcul.
6 Formules de Taylor
6.1 Introduction
Nous avons déjà rencontré deux formules de Taylor : la formule de Taylor Young, qui
permet de calculer des limites, des équivalents, des développements limités. Et la formule
de Taylor pour les polynômes, qui est une formule « exacte », permettant d’exprimer un
polynôme à l’aide des puissances de X − a et des dérivées de ce polynôme en a.
Nous allons dans ce paragraphe donner deux autres formules de Taylor, toujours bâties
sur le même modèle : f est une fonction possédant une certaine régularité, a, b (ou a, x, ou
autre chose) sont deux réels, et la formule est toujours
f (b) = Tn (b − a) + Rn
où
n
X Xk
Tn = f (k) (a)
k!
k=0
est un polynôme de degré inférieur ou égal à n, et Rn est un « reste ». C’est ce reste qui
va changer selon le théorème.
6.2 Formule de Taylor avec reste intégral
Proposition 28. Soit n ≥ 0. Soient a, b ∈ R. Soit f : [a, b] −→ R (ou [b, a], si a > b)
de classe C n+1 . Alors
n
X (b − a)k (k)
f (b) = f (a) + Rn
k!
k=0
où
b
(b − t)n (n+1)
Z
Rn = f (t)dt
a n!
6. FORMULES DE TAYLOR 513
Démonstration. On fait une récurrence sur n. Pour n = 0, la formule s’écrit

Z b
f (b) = f (a) + f 0 (t) dt
a
qui n’est autre que le théorème fondamental du calcul intégral. Supposons maintenant le
théorème vérifié pour un entier n. Soit f ∈ C n+2 ([a, b]). On a alors
n
X (b − a)k
f (b) = f (k) (a) + Rn
k!
k=0
d’après l’hypothèse de récurrence. Intégrons Rn par parties en posant
(b − t)n
u0 = et v = f (n+1) (t)
n!
Il vient
b
(b − a)n+1 (b − t)n+1 (n+2)
Z
Rn = + f (t)dt
(n + 1)! a (n + 1)!
d’où le résultat pour l’entier n + 1.
6.3 Inégalité de Taylor-Lagrange
Nous allons majorer le Rn de la formule de Taylor avec reste intégral pour obtenir une
inégalité : l’inégalité de Taylor-Lagrange.
Proposition 29. Soit n ≥ 0. Soient a, b ∈ R, a < b. Soit f : [a, b] −→ R de classe

C n+1 . Alors
n
X (b − a)k (k)
f (b) = f (a) + Rn
k!
k=0
où
|b − a|n+1
|Rn | ≤ max f (n+1)
(n + 1)! [a,b]
Le résultat reste valable si a > b en remplaçant le segment [a, b] par le segment [b, a].
Et il est trivial lorsque a = b.
Démonstration. Il suffit de majorer l’intégrale |Rn | de la formule de Taylor avec reste

intégral.
Remarque 13. Contrairement à la formule de Taylor-Young qui ne raconte des choses que
localement, au voisinage d’un certain point, l’inégalité de Taylor-Lagrange est une inégalité
globale. Elle sert donc à prouver. . . des inégalités globales. Prenons un exemple. On prend
f (x) = ex , a = 0, b = x. Et n quelconque. Il vient donc
n
X xk
ex = + Rn
k!
k=0
où
|x|n+1
|Rn | ≤ max | exp |
(n + 1)! S
avec S = [0, x] ou [x, 0] selon que x est positif ou négatif. Ce max vaut en fait 1 si x ≤ 0
et ex si x > 0. Mais il ne dépend pas de n. Lorsque n tend vers l’infini, le majorant tend
vers 0. On vient ainsi de prouver que
n
X xk
−→ ex
k! n→∞
k=0
Lorsque nous aurons vu le chapitre sur les séries, nous écrirons cela
∞
x
X xk
e =
k!
k=0
Exercice. Soit x ∈ R. Montrer que

n
X x2k
(−1)k −→ cos x
(2k)! n→∞
k=0
Énoncer et montrer un résultat analogue pour sin x.
Cette section contient une très brève extension de la notion d’intégrale aux fonctions tou-
jours définies sur un segment [a, b], mais à valeurs dans C.
Soit f : [a, b] −→ C une fonction continue par morceaux (i.e. sa partie réelle et sa partie
imaginaire sont continues par morceaux). On appelle intégrale de f sur [a, b] le nombre
complexe
Z b Z b Z b
f (x) dx = Re(f (x)) dx + i Im(f (x)) dx
a a a
La linéarité de l’intégrale reste vérifiée. La formule de Chasles également. On peut évidem-

ment intégrer par parties ou faire des changements de variable.
En revanche, on ne peut plus parler de croissance ou de positivité de l’intégrale, puisqu’on

ne peut pas comparer deux nombres complexes. On a cependant le résultat suivant :
Proposition 30. Soient a, b ∈ R, a < b. Soit f : [a, b] −→ C continue par morceaux.

Alors Z b Z b
f (x) dx ≤ |f (x)| dx
a a
Démonstration.
Rb Les barres verticales sont bienR entendu des modules de nombres com-
b
plexes. Si a f = 0 c’est évident. Supposons donc a f 6= 0.
Pour tout réel θ, on a
Z b Z b Z b Z b
−iθ −iθ −iθ
Re e f = Re e f ≤ |e f | = |f |
a a a a
Rb
Prenons pour θ un argument de a f , qui est, rappelons-le, non nulle. On a donc, par
définition de l’argument d’un nombre complexe,
Z b Z b
f= f eiθ
a a
où la première égalité résulte de la linéarité de l’intégrale. On a alors

Z b Z b Z b
−iθ
Re e f = Re f = f
a a a
d’où l’inégalité voulue.

Chapitre 29
Dénombrements
517
518 CHAPITRE 29. DÉNOMBREMENTS
1 Notion d’ensemble fini
1.1 Cardinal
Lemme 1. Soient E et F deux ensembles non vides. Soient a ∈ E et b ∈ F . Il existe

une bijection de E vers F si et seulement si il existe une bijection de E 0 = E \ {a} vers
F 0 = F \{b}. Le résultat reste vrai si l’on remplace bijection par injection ou surjection.
Démonstration. Supposons qu’il existe une bijection f : E 0 −→ F 0 . Soit g : E −→ F

définie par g(x) = f (x) si x ∈ E 0 et g(a) = b. Alors g est une bijection de E sur F .
Supposons maintenant qu’il existe une bijection f : E −→ F . Soit ϕ : F −→ F définie
par ϕ(x) = x si x 6= f (a) et x 6= b, ϕ(f (a)) = b et ϕ(b) = f (a). La fonction ϕ échange
simplement b et f (a). Elle est bijective, et d’ailleurs égale à sa réciproque. Considérons
maintenant la fonction f 0 = ϕ◦f . f 0 est une bijection de E vers F (composée de bijections)
et, de plus f 0 (a) = b. La fonction g : E 0 −→ F 0 définie par g(x) = f 0 (x) est alors une
bijection de E 0 sur F 0 .
La démonstration est identique pour les injections et les surjections.
Notation. Pour tout entier non nul, on note n̄ = J0, n − 1K l’ensemble des entiers entre 0
et n − 1. On note également 0̄ = ∅.
Notation. Soient A et B deux ensembles. On écrit A ' B lorsqu’il existe une bijection de
A sur B.
Proposition 2. Soient n et p deux entiers. On a
n̄ ' p̄ ⇐⇒ n = p
Démonstration. Dans un sens c’est trivial. En effet, si n = p, alors n̄ = p̄ et il existe

bien une bijection entre n̄ et p̄ : l’identité.
Inversement, on effectue une récurrence sur p. Pour p = 0 c’est clair, car s’il existe une
application d’un ensemble vers ∅, alors cet ensemble est vide.
Soit maintenant p ∈ N. Supposons que ∀n ∈ N, s’il existe une bijection de n̄ sur p̄ alors
n = p. Soit n ∈ N. Supposons qu’il y a une bijection de n̄ sur p + 1. On a forcément n ≥ 1,
car p + 1 6= 0. D’après le lemme, il existe une bijection de n − 1 sur p̄. Par l’hypothèse de
récurrence, on a n − 1 = p, c’est à dire n = p + 1.
1. NOTION D’ENSEMBLE FINI 519
Lemme 3.
• Soient n et p deux entiers. Il existe une injection de n̄ sur p̄ si et seulement si
n ≤ p.
• Soient n et p deux entiers. Il existe une surjection de n̄ sur p̄ si et seulement si
n ≥ p.
Démonstration. Pour les injections, on peut par exemple faire une démonstration
analogue à celle du résultat sur les bijections.
Pour les surjections, on peut remarquer qu’il existe une surjection de n̄ sur p̄ si et seulement
si il existe une injection de p̄ vers n̄. On est ainsi ramenés au cas des injections.
Définition 1. Soit E un ensemble. On dit que E est fini lorsqu’il existe un entier n
tel que E ' n̄. D’après la proposition précédente, cet entier est unique. On l’appelle le
cardinal de E.
Notation. Il existe un certain nombre de notations pour le cardinal d’un ensemble fini E.
Les plus fréquentes sont Card E, #E ou |E|. Dans ce chapitre nous utiliserons la notation
|E|.
1.2 Propriétés
Proposition 4. Soient E et F deux ensembles finis. Alors
E ' F ⇐⇒ |E| = |F |
Démonstration. Soit n = |E|. Soit p = |F |. Soient f : E −→ n̄ une bijection et

g : F −→ p̄ une bijection. Si n = p, alors g −1 ◦f est une bijection de E vers F . Inversement,
si h est une bijection de E vers F , alors, g ◦ h ◦ f −1 est une bijection de n̄ vers p̄, donc
n = p.
Proposition 5. Soient E et F deux ensembles finis. Alors il existe une injection de

E vers F si et seulement si |E| ≤ |F |. Et il existe une surjection de E vers F si et
seulement si |E| ≥ |F |.
Démonstration. Démonstration analogue à celle du théorème sur les bijections.

Proposition 6. Soit E un ensemble fini. Soit E 0 ⊂ E. Alors

• E 0 est fini.
• |E 0 | ≤ |E|.
• |E 0 | = |E| ⇐⇒ E 0 = E.
Démonstration. On fait une récurrence sur n = |E|.

Pour n = 0, c’est clair, puisque E 0 = ∅.
Soit n ∈ N. Supposons la propriété vérifiée pour n. Soit E un ensemble fini de cardinal
n + 1. Soit E 0 ⊂ E.
Si E 0 = E, il n’y a rien à faire : E 0 est fini et |E 0 | = |E|.
Sinon, soit a ∈ E \ E 0 . On a E 0 ⊂ E \ {a}. On a une bijection de E sur n + 1 donc, d’après
le lemme au début du paragraphe, on a une bijection entre E \ {a} et n̄. Dons E \ {a} est
fini, de cardinal n. Par l’hypothèse de récurrence, E 0 est fini, de cardinal inférieur ou égal
à n (et donc différent de n + 1).
Proposition 7. Soit f : E −→ F une application d’un ensemble fini E vers un

ensemble fini F de même cardinal. Alors,
f est bijective ⇐⇒ f est injective ⇐⇒ f est surjective.
Démonstration. Supposons f injective. f est alors une bijection de E sur f (E) ⊂ F .

Donc, |E| = |f (E)| = |F |. Donc f (E) = F et f est surjective.
Supposons maintenant que f est surjective. f possède un inverse à gauche g qui est injectif.
D’après ce que nous venons de dire sur les injections, g est bijectif et sa réciproque, f , l’est
aussi.
2 Opérations sur les ensembles finis
2.1 Union disjointe
Proposition 8. Soit n ≥ 1. Soient E1 , . . . , En n ensembles finis disjoints deux à deux.

Leur réunion est alors finie et
n
[ n
X
Ek = |Ek |
k=1 k=1
2. OPÉRATIONS SUR LES ENSEMBLES FINIS 521
Démonstration. On le montre pour n = 2. Une récurrence facile sur n permet de

conclure. Soient donc A et B deux ensembles finis disjoints, de cardinaux respectifs n et
p. Soient f : A −→ n̄ et g : B −→ p̄ deux bijections. Considérons l’application
h : A ∪ B −→ n + p
définie par h(x) = f (x) si x ∈ A et h(x) = g(x) + n si x ∈ B. On montre alors facilement

que h est une bijection.
2.2 Différence, union
Proposition 9. Soient A et B deux ensembles finis, B ⊂ A. Alors A \ B est fini et
|A \ B| = |A| − |B|
Démonstration. On a A = B ∪ (A \ B) et la réunion est disjointe.
Proposition 10. Soient E et F deux ensembles finis. Alors, E ∪ F et E ∩ F sont

finis, et
|E ∪ F | = |E| + |F | − |E ∩ F |
Démonstration. E ∪ F = (E \ (E ∩ F )) ∪ F et cette réunion est disjointe. On a donc
|E ∪ F | = |E \ (E ∩ F )| + |F |
Puis on utilise que E ∩ F ⊂ E et, donc, que
|E \ (E ∩ F )| = |E| − |E ∩ F |
Cette formule se généralise à la réunion de n ensembles finis. La formule que l’on obtient
alors s’appelle la formule du crible.
Exemple. Écrivons la formule pour trois ensembles finis E, F, G. On a
|E ∪ F ∪ G| = |(E ∪ F ) ∪ G|
= |E ∪ F | + |G| − |(E ∪ F ) ∩ G|
= |E| + |F | − |E ∩ F | + |G| − |(E ∩ G) ∪ (F ∩ G)|
= |E| + |F | − |E ∩ F | + |G| − (|E ∩ G| + |F ∩ G| − |(E ∩ G) ∩ (F ∩ G)|)
= |E| + |F | + |G| − |E ∩ F | − |E ∩ G| − |F ∩ G| + |E ∩ F ∩ G|
Pour 4 ensembles finis E, F, G, H on obtient
|E ∪ F ∪ G ∪ H| = |E| + |F | + |G| + |H|

−|E ∩ F | − |E ∩ G| − |E ∩ H| − |F ∩ G| − |F ∩ H| − |G ∩ H|
+|E ∩ F ∩ G| + |E ∩ F ∩ H| + |E ∩ G ∩ H| + |F ∩ G ∩ H|
−|E ∩ F ∩ G ∩ H|
La formule générale pour n ensembles finis est énoncée et montrée en annexe du chapitre.
2.3 Produit cartésien
Proposition 11. Soient E et F deux ensembles finis. Alors E × F est fini, et
|E × F | = |E| × |F |
Démonstration. On a [
E×F = E × {y}
y∈F
Les ensembles E × {y} sont disjoints. On a donc

X
|E × F | = |E × {y}|
y∈F
Soit y ∈ F . La fonction F : E −→ E ×{y} définie par f (x) = (x, y) est clairement bijective.
Ainsi, |E × {y}| = |E|. Ainsi,
X X
|E × F | = |E| = |E| 1 = |E| × |F |
y∈F y∈F

3. APPLICATIONS ENTRE ENSEMBLES FINIS 523
Remarque 1. Généralisation évidente par récurrence sur p à un produit de p ensembles

finis : si E1 , . . . , Ep sont p ensembles finis, alors E1 × . . . × Ep est fini et
|E1 × . . . × Ep | = |E1 | × . . . × |Ep |
Un cas particulier important est le suivant.
Proposition 12. Soit F un ensemble fini. Soit p ∈ N. L’ensemble F p des p-uplets

d’éléments de F est fini, et
|F p | = |F |p
Démonstration. En effet,
Fp = F × F × ... × F
p fois, et donc
|F p | = |F | × |F | × . . . × |F | = |F |p
3 Applications entre ensembles finis
3.1 Dénombrements d’applications
Proposition 13. Soient E et F deux ensembles finis. L’ensemble F E des applications

de E dans F est fini, et
F E = |F ||E|
Démonstration. On fait une récurrence sur n = |E|.

Pour n = 0, on a E = ∅ et il y a une seule application de E vers F : (∅, F, ∅). Donc, le
cardinal de F E est 1 = |F |0 .
Soit maintenant n ∈ N. Supposons la propriété vérifiée pour n. Soit E de cardinal n + 1.
Soit a ∈ E. Posons E 0 = E \ {a}. Alors E = E 0 ∪ {a} et |E 0 | = n. Considérons l’application
0
ϕ : F E × F −→ F E
définie comme suit. À tout couple (f, b) on associe l’application g définie par g(x) = f (x)
si x 6= a, et g(a) = b. On démontre facilement que l’application ϕ est bijective. Donc
0 0
|F E | = |F E × F | = |F E | × |F | = |F |n × |F | = |F |n+1

3.2 Dénombrements d’injections, de bijections
Notation. Étant donnés deux ensembles A et B, on note I(A, B) l’ensemble des injections
de A vers B.
Notation. Soient n, p ∈ N. On note np = n(n − 1) . . . (n − p + 1).
Proposition 14. Soient E et F deux ensembles finis. L’ensemble I(E, F ) des injec-
tions de E dans F est fini, et
|I(E, F )| = |F ||E|
Démonstration. On montre le résultat par une récurrence sur p = |E|.

Pour p = 0, c’est clair. Il y a une seule application de E vers F et elle est injective.
Soit maintenant p ∈ N. Supposons la propriété vraie pour tout ensemble E fini de cardinal
p. Soit E un ensemble de cardinal p + 1. E = E 0 ∪ {a} où E 0 est de cardinal p et a ∈ E.
Soit [
Z= I(E \ {a}, F \ {b}) × {b}
b∈F
Considérons l’application φ : Z −→ I(E, F ) définie comme suit : au couple (f, b) on
associe l’application g définie par g(x) = f (x) si x 6= a et g(a) = b (on vérifie que g est
bien injective). Alors, l’application φ est bijective, et sa réciproque associe à l’injection
g : E −→ F le couple (f, b) où b = g(a) et f est la restriction de g à E \ {a}, corestreinte à
F \ {b} (oui, je sais, plus personne ne suit). On a donc égalité des cardinaux des ensembles
de départ et d’arrivée de φ :
X
|I(E, F )| = |I(E \ {a}, F \ {b}) × {b}|
b∈F
X
= |I(E \ {a}, F \ {b})|
b∈F
X
= (n − 1)p
b∈F
= n(n − 1)p
= np+1

Remarque 2. Soient E et F deux ensembles de cardinaux respectifs p et n. Supposons
p > n. On a np = 0, ce qui est heureux puisque dans ce cas I(E, F ) = ∅.
Remarque 3. Le lecteur aura sûrement remarqué la complexité de la démonstration
précédente. Nous somme en présence d’un problème (déterminer le nombre d’injections)
où une idée simple conduit à une preuve compliquée. Voici l’idée simple en question :
3. APPLICATIONS ENTRE ENSEMBLES FINIS 525
Une injection f de E (de cardinal p) vers F (de cardinal n ≥ p) se fabrique comme suit.
Appelons x1 , . . . , xp les éléments de E :
• On choisit la valeur de f (x1 ) : n possibilités. Puis,
• On choisit la valeur de f (x2 ) : n − 1 possibilités, car f (x2 ) 6= f (x1 ) puisque f est
injective. Puis,
• On choisit la valeur de f (x3 ) : n − 2 possibilités, car deux valeurs dans l’ensemble
d’arrivées sont déjà « prises »..
• ...
• On choisit enfin la valeur de f (xp ) : n − p + 1 possibilités.
On a au total n(n − 1) . . . (n − p + 1) = np façons de construire une telle injection f .
Cette façon de procéder n’est certes pas totalement rigoureuse, mais nous ne nous prive-
rons pas de l’utiliser pour gagner du temps. En gardant toujours à l’esprit que si nous le
voulions nous pourrions toujours fabriquer des bijections pour déterminer des cardinaux.
Voir l’appendice pour une discussion plus approfondie à ce sujet.
Corollaire 15. Soit E un ensemble fini de cardinal n. L’ensemble S(E) des bijections
de E dans E est fini, et
|S(E)| = n!
Démonstration. Une application de E vers E est bijective si et seulement si elle est

injective. Il suffit d’appliquer le théorème précédent et de remarquer que
nn = n!
Corollaire 16. Soit F un ensemble fini de cardinal n. Soit p ≤ n. L’ensemble des

p-uplets d’éléments distincts de F est fini, de cardinal np .
Démonstration. Notons F p l’ensemble des p-uplets d’éléments distincts de F . Rappelons

que I(J1, pK, F ) est l’ensemble des injections de J1, pK vers F .
La fonction ϕ : I(J1, pK, F ) −→ F p définie par
ϕ(f ) = (f (1), . . . , f (p))
est une bijection. Sa réciproque est la fonction ψ : F p −→ I(J1, pK, F ) définie par
ψ(x1 , . . . , xp ) = f
où f est définie par ∀i ∈ J1, pK, f (i) = xi . Ainsi,
|F p | = |I(J1, pK, F )| = |F |p

4 Parties d’un ensemble fini
4.1 Nombre total de parties
Proposition 17. Soit E un ensemble fini. L’ensemble P(E) des parties de E est fini,
et
|P(E)| = 2|E|
Démonstration. On procède par récurrence sur n = |E|.

Pour n = 0 c’est clair puisque P(∅) = {∅}.
Soit n ∈ N. Supposons la propriété vraie pour tout ensemble de cardinal n. Soit E =
E 0 ∪ {a} un ensemble de cardinal n + 1. Nous avons P(E) = P 0 (E) ∪ P 00 (E) où
• P 0 (E) est l’ensemble des parties de E qui ne contiennent pas a.
• P 00 (E) est l’ensemble des parties de E qui contiennent a.
Une partie de E ne peut pas à le fois contenir a et ne pas le contenir. Ces deux ensembles
sont donc disjoints et ainsi
|P(E)| = |P 0 (E)| + |P 00 (E)|
Nous allons maintenant calculer les deux cardinaux du membre de droite de cette égalité.
• Pour P 0 (E) c’est facile. En effet, les parties de E qui ne contiennent pas a sont les
parties de E 0 . Ainsi, P 0 (E) = P(E 0 ). Par l’hypothèse de récurrence,
|P 0 (E)| = 2n
• Un élément de P 00 (E) est une partie A de E qui contient a. Une telle partie A est de
la forme A0 ∪ {a} où A0 ⊂ E 0 . On trouve donc facilement une bijection entre P 00 (E)
et P(E 0 ). C’est la fonction φ : P 00 (E) −→ P(E 0 ) définie par φ(A) = A \ {a}. Ainsi,
|P 00 (E)| = |P(E 0 )| = 2n
Finalement,
|P(E)| = |P 0 (E)| + |P 00 (E)| = 2n + 2n = 2n+1

Remarque 4. Il existe une autre démonstration tout aussi instructive de ce résultat.
Soit E un ensemble fini. Rappelons que la fonction indicatrice d’une partie A de E est la
fonction 1A : E −→ {0, 1} définie par 1A (x) = 1 si x ∈ A et 0 sinon.
4. PARTIES D’UN ENSEMBLE FINI 527
Considérons la fonction 1 : P(E) −→ {0, 1}E définie pour tout A ⊂ E par 1(A) = 1A .
On montre facilement que cette fonction est une bijection. Sa réciproque est la fonction
1−1 : {0, 1}E −→ P(E) définie, pour toute fonction f : E −→ {0, 1}, par
1−1 (f ) = f −1 ({1})
Ainsi,
|P(E)| = {0, 1}E = |{0, 1}||E| = 2|E|
Nous allons maintenant introduire une notation déjà utilisée pour les coefficients binomiaux
au début de l’année. Évidemment, nous allons prouver que ces nombres notés comme des
coefficients binomiaux sont bien les coefficients binomiaux.
4.2 Nombre de parties de cardinal donné
Notation. Soit E un ensemble fini de cardinal n. Soit k ∈ N. On note Pk (E) l’ensemble

des parties de E de cardinal k. On note nk le cardinal de Pk (E), c’est à dire le nombre de

parties de E de cardinal k.
Remarque 5.
• Pour que notre notation ait un sens, il conviendrait de vérifier que le cardinal de
Pk (E) ne dépend que du cardinal de E et pas de E. En d’autres termes, sir E et
E 0 sont deux ensembles finis de même cardinal alors Pk (E) et Pk (E 0 ) ont le même
cardinal. La vérification est
laissée au lecteur.
• On a bien évidemment nk = 0 dès que k > n puisque, dans ce cas, Pk (E) = ∅. Le
problème est de calculer cette quantité lorsque 0 ≤ k ≤ n.
Proposition 18. Soit n ∈ N. On a les propriétés suivantes :

• Pour tout k ∈ J0, nK, nk = n−k
n

Pn n
n
• k=0 k = 2
• Pour tout k ∈ N, n+1 n n

k+1 = k + k+1 (triangle de Pascal)
Démonstration.
• Soit E un ensemble de cardinal n. Pour toute partie A de E de cardinal k, E \ A est
de cardinal n − k. On vérifie alors que l’application A 7−→ E \ A est une bijection
de Pk (E) sur Pn−k (E) d’où la première égalité.
• Soit E un ensemble de cardinal n. La seconde égalité résulte de
n
[
P(E) = Pk (E)
k=0
puis de la formule donnant le cardinal d’une union disjointe.

• Pour la troisième égalité, soit E un ensemble de cardinal n + 1. posons E = E 0 ∪ {a}

où E 0 est de cardinal n. Les parties de E de cardinal k + 1 sont de deux sortes. Il y
a tout d’abord celles qui ne contiennent pas a, et qui sont les éléments de Pk+1 (E 0 ).
n
Il y en a k+1 . Et il y a celles qui contiennent a, et qui sont de la forme A ∪ {a} où
A ∈ Pk (E ). Il y en a nk . D’où l’égalité cherchée.
0

Proposition 19. Soient n, k ∈ N tels que 0 ≤ k ≤ n. Alors :

n n!
=
k k!(n − k)!
Démonstration. On montre par récurrence sur n que pour tout entier n ∈ N,

n n!
∀k ∈ J0, nK, =
k k!(n − k)!
Pour n = 0 c’est évident.
Soit n ∈ N. Supposons la propriété vraie pour n. Soit 1 ≤ k ≤ n. On a

n+1 n n
= +
k k k−1
Comme 1 ≤ k ≤ n on peut utiliser l’hypothèse de récurrence sur les deux termes du
membre de droite :

n+1 n! n!
= +
k k!(n − k)! (k − 1)!(n − k + 1)!
n!
= ((n + 1 − k) + k)
k!(n + 1 − k)!
(n + 1)!
=
k!(n + 1 − k)!
Il reste à vérifier la propriété pour k = 0 et k = n + 1. Soit E un ensemble de cardinal

n + 1. P0 (E) = {∅} est un singleton, donc

n+1 (n + 1)!
=1=
0 0!(n + 1 − 0)!
De même, Pn+1 (E) = {E} est un singleton, donc

n+1 (n + 1)!
=1=
n+1 (n + 1)!(n + 1 − (n + 1))!

5. ANNEXE : LA FORMULE DU CRIBLE 529
Proposition 20. Soit A un anneau. Soient a, b ∈ A tels que ab = ba. Soit n ∈ N.

Alors
n
n
X n k n−k
(a + b) = a b
k
k=0
Démonstration. Il s’agit de la formule du binôme, déjà prouvée par récurrence dans un

chapitre antérieur. Nous allons en faire ici une « démonstration combinatoire », sans entrer
dans les micro-détails. On a
(a + b)n = (a + b)(a + b) . . . (a + b)
Le développement de ce produit de n sommes de deux termes donne 2n termes. Chacun
de ces termes est de la forme
ak bn−k
où k est le nombre de fois que l’on a choisi a dans un facteur. On a alors évidemment choisi
b dans les n − k autres facteurs. Ainsi,
n
X
(a + b)n = C(n, k)ak bn−k
k=0
où C(n, k) est le nombre de façons de choisir a dans k facteurs parmi n. Mais ce choix de
k facteurs n’est rien d’autre que le choix d’une partie de cardinal k dans l’ensemble des n
facteurs. On a donc
n
C(n, k) =
k
d’où la formule cherchée.
5 Annexe : la formule du crible
On donne dans ce paragraphe une égalité qui permet d’écrire le cardinal d’une réunion
comme une somme de cardinaux d’intersections : la formule du crible, aussi connue sous le
nom de formule de Poincaré. La démonstration donnée ici utilise les relations coefficients-
racines pour les polynômes à l’aide des polynômes symétriques élémentaires.
Proposition 21. Soit E un ensemble fini. Soient A1 , . . . , An n parties de E. On a

n
[ n
X X
Ai = (−1)k+1 |Ai1 ∩ . . . ∩ Aik |
i=1 k=1 1≤i1 <...<ik ≤n
Démonstration. Soit E un ensemble fini. Soit A une partie de E. On rappelle que la

fonction indicatrice de A est la fonction 1A : E −→ E définie par 1A (x) = 0 si x 6∈ A et
1A (x) = 1 si x ∈ A. Les propriétés ci-dessous sont faciles à démontrer :
• ∀A ⊂ E, 1E\A = 1 − 1A .
• ∀A, B ⊂ E, 1A∩B
P = 1A 1B .
• ∀A ⊂ E, |A| = x∈E 1A (x).
Donnons-nous n parties de E, A1 , A2 , . . . , An . Les lois de Morgan nous permettent d’écrire

n
[ n
\
Ai = E \ (E \ Ai )
i=1 i=1
Un passage à la fonction caractéristique donne
1∪ni=1 Ai = 1 − 1∩ni=1 E\Ai

n
Y
= 1− 1E\Ai
i=1
Yn
1∪ni=1 Ai = 1− (1 − 1Ai ) (29.1)
i=1
Soient maintenant x1 , . . . , xn n éléments d’un anneau commutatif A. Le polynôme

n
Y
P = (X − xi ) ∈ A[X]
i=1
se développe en
P = X n − σ1 X n−1 + . . . + (−1)n σn
Xn
n
= X + (−1)k σk X n−k
k=1
où X
σk = xi1 . . . xik
1≤i1 <...<ik ≤n
est le kième polynôme symétrique élémentaire en x1 , . . . , xn . En évaluant le polynôme P

en X = 1, on obtient
Yn n
X
(1 − xi ) = 1 + (−1)k σk (29.2)
i=1 k=1
5. ANNEXE : LA FORMULE DU CRIBLE 531
Revenons à nos ensembles. Appliquons la formule (2) à xi = 1Ai , i = 1, . . . , n. Ceci est

une opération parfaitement licite, puisque les fonctions 1Ai sont des éléments de l’anneau
commutatif RE . Nous obtenons
n
X n
X
1∪ni=1 Ai = 1 − 1 − (−1)k σk = (−1)k+1 σk (29.3)
k=1 k=1
où X X
σk = 1Ai1 . . . 1Aik = 1Ai1 ∩...∩Aik
1≤i1 <...<ik ≤n 1≤i1 <...<ik ≤n
On reporte cette valeur dans l’équation (3), ce qui nous donne l’égalité entre fonctions
indicatrices
n
X X
1∪i=1 Ai =
n (−1)k+1 1Ai1 ∩...∩Aik (29.4)
k=1 1≤i1 <...<ik ≤n
Il ne nous reste plus qu’à déduire de l’égalité (4) une égalité entre cardinaux. Pour cela,
on somme cette égalité sur tous les éléments x de E
n
[ n
XX X
Ai = (−1)k+1 1Ai1 ∩...∩Aik (x)
i=1 x∈E k=1 1≤i1 <...<ik ≤n
n
X X X
= (−1)k+1 1Ai1 ∩...∩Aik (x)
k=1 1≤i1 <...<ik ≤n x∈E
Xn X
= (−1)k+1 |Ai1 ∩ . . . ∩ Aik | (29.5)
k=1 1≤i1 <...<ik ≤n

Chapitre 30
Probabilités
533
534 CHAPITRE 30. PROBABILITÉS
1 Univers
1.1 Notion d’univers
Définition 1. On appelle univers tout ensemble (fini) Ω.
Qu’est-on censé modéliser par la notion d’univers ? lorsqu’on répète une expérience, l’issue
de cette expérience peut changer à chaque répétition. Bien qu’imprévisible, cette issue est
quand même restreinte à appartenir à un certain ensemble de valeurs. L’univers Ω est
censé être l’ensemble des issues (ou résultats possibles, ou réalisations) de l’expérience.
Dans ce cours, nous ne nous intéresserons qu’à des univers finis. Dans le cours de deuxième
année, les résultats seront étendus à des univers dénombrables. La branche des probabilités
s’intéressant aux univers « continus » est également fondamentale, mais vous ne l’étudierez
pas lors des deux prochaines années. Elle fait appel à la théorie de la mesure et de l’intégrale.
Exemple. On lance une pièce. On peut prendre pour univers l’ensemble
Ω = {P, F }
Exemple. On jette deux dés à 6 faces. On peut prendre pour univers l’ensemble
Ω = J1, 6K2
des couples d’entiers entre 1 et 6.
Exemple. On lance une fléchette sur une cible de rayon R : on peut prendre pour univers
l’ensemble
Ω = [0, R]×] − π, π]
Remarque 1. Dans les exemples ci-dessus, nous avons fait un choix de modélisation.
Nous avons supposé que la pièce ne tombe jamais sur la tranche, que le dé ne peut pas
s’immobiliser sur un coin, que la fléchette ne rate pas la cible. Le choix d’un univers n’est
jamais innocent. Disons que celui ci ne doit pas être trop petit parce qu’il doit prendre en
compte toutes les issues possibles de l’expérience. Mais il ne doit pas être non plus trop
gros si nous voulons éviter d’avoir à manipuler des quantités inextricables dans nos calculs.
Prenons l’exemple du lancer d’un dé. On pourrait prendre pour univers l’ensemble de
toutes les trajectoires possibles du dé dans l’espace, c’est à dire un ensemble de courbes
paramétrées décrivant toutes les trajectoires. On peut également inclure dans cet univers
des renseignements concernant l’humidité de l’air, la pression atmosphérique, le matériau
du tapis sur lequel le dé est jeté, l’humeur du lanceur de dé, etc.
1. UNIVERS 535
1.2 Notion d’événement
Lorsqu’on effectue une expérience, on s’intéresse la plupart du temps à la réalisation de

certains résultats, caractérisés par certaines propriétés. Par exemple, on lance deux pièces
et on veut savoir si l’une des pièces est tombée sur pile. Ou on lance deux dés, et on
veut savoir si la somme des dés est un nombre premier. En général, plusieurs issues de
l’expérience fournissent le résultat voulu. On s’intéresse ainsi à une partie de l’univers, ce
que l’on appelle un événement.
Définition 2. Un événement est une partie de l’univers Ω.
Exemple. On lance 2 pièces. L’univers choisi est
Ω = {(P, P ), (P, F ), (F, P ), (F, F )}
L’événement « l’une au moins des pièces est tombée sur pile » est
A = {(P, P ), (P, F ), (F, P )}
1.3 Le vocabulaire des probabilités
Les probabilistes utilisent leur propre vocabulaire, un ensemble de mots qui sont des syno-
nymes de mots que nous utilisons couramment dans les autres branches des mathématiques.
Voici un petit dictionnaire, qui permet de passer du vocabulaire de la théorie des ensembles
à celui des probabilités, et vice versa.
Théorie des ensembles Probabilités
A Partie de Ω Événement
{ω} Singleton Événement élémentaire
ω Élément de Ω Issue d’une expérience
Ω\A Complémentaire de A Contraire de A
A∪B Réunion de A et B A ou B
A∩B Intersection de A et B A et B
∅ Ensemble vide Événement impossible
Ω Univers, événement certain
A∩B =∅ Ensembles disjoints Événements incompatibles
1.4 Systèmes complets d’événements

Définition 3. Soit Ω un univers. On appelle système complet d’événements tout

ensemble E = {A1 , . . . , An } d’événements vérifiant :
• Les Ai sont non vides
• Les Ai sont deux à deux incompatibles.
• Ω = ∪ni=1 Ai .
Bref, un système complet d’événements est une partition de l’univers.
Remarque 2. On travaillera souvent avec des systèmes complets de deux événements, à

savoir un événement A et son contraire Ac . Par exemple, pour un lancer de dés, A = « la
somme des dés est paire » et Ac = « la somme des dés est impaire ».
2 Espaces probabilisés finis
Je lance un dé non truqué (« parfait », dit-on aussi). Qu’entends-je par « il y a une chance
sur deux pour que j’obtienne un nombre pair » ?
L’approche historique est l’approche expérimentale. Je réalise une expérience, celle du

lancer d’un dé. Cette expérience réussit si j’obtiens un nombre pair, elle échoue si j’obtiens
un nombre impair. J’effectue un « grand »nombre N de fois cette expérience, et j’enregistre
le nombre Ns de succès. J’espère, je suppose, je m’imagine, que NNs sera à peu près égal à
0.5. Dit autrement, NNs tend-il vers 21 lorsque N tend vers l’infini ?
La réponse est non : si j’ai beaucoup beaucoup de chance, j’obtiendrai indéfiniment des
nombres pairs, et ma fraction vaudra (et tendra vers) 1. Si je n’ai vraiment pas de chance,
elle vaudra (et tendra vers) 0. Et je peux imaginer des suites de lancers qui feront tendre
cette fraction vers n’importe quel nombre entre 0 et 1, ou vers rien du tout.
Je peux alors essayer d’affirmer que cette fraction tendra presque sûrement vers 12 . Le seul
problème est de définir presque sûrement : allons donc, cela veut dire « avec une probabilité
égale à 1 » ! Euh, mais je veux précisément définir le concept de probabilité !
Bref, le concept originel de probabilité ne se laisse pas facilement appréhender. La route a

été ouverte par Kolmogorov dans les années 1930, en ne disant pas ce qu’est une probabilité,
mais en disant quelles sont les propriétés qu’elle doit vérifier. Tout comme les axiomes de
la théorie des ensembles qui ne nous disent pas ce qu’est un ensemble ou les axiomes de la
géométrie qui refusent obstinément de nous raconter ce qu’est un point ou une droite.
La figure ci-dessous montre la fréquence d’apparition de « pile » lors de 5000 tirages à pile
ou face d’une pièce non truquée. On voit (en tout cas sur cet exemple), la fréquence tendre
vers 0.5. Tout à la fin du prochain chapitre nous verrons apparaître dans l’inégalité de
2. ESPACES PROBABILISÉS FINIS 537
Bienaymé-Tchebychev des indices que notre intuition initiale de limite d’une fréquence est
correcte.
Figure 30.1 – 5000 tirages à pile ou face
2.1 Notion de probabilité
Définition 4. Soit Ω un univers. On appelle probabilité sur Ω toute fonction P :

P(Ω) → [0, 1] vérifiant :
• P (Ω) = 1.
• ∀A, B ⊂ Ω, A ∩ B = ∅ ⇒ P (A ∪ B) = P (A) + P (B).
Définition 5. On appelle espace probabilisé tout couple (Ω, P ) où Ω est un univers

fini et P est une probabilité sur Ω.
Proposition 1. Soit (Ω, P ) un espace probabilisé. On a P (∅) = 0.
Démonstration. On a ∅ ∪ ∅ = ∅. Donc P (∅) + P (∅) = P (∅).
Proposition 2. Soit (Ω, P ) un espace probabilisé. Soit n ≥ 1. Soient A1 , . . . , An n

événements deux à deux incompatibles. On a
n n
!
[ X
P Ai = P (Ai )
i=1 i=1
Démonstration. Récurrence immédiate sur n.
Remarque 3. Soit (Ω, P ) un espace probabilisé. Soit A ⊂ Ω. On a

[
A= {a}
a∈A
et les singletons sont évidemment deux à deux incompatibles. Ainsi,

X
P (A) = P ({a})
a∈A
La probabilité d’une partie de Ω est entièrement déterminée par les probabilités des sin-
gletons qui la composent. Pour définir une probabilité sur un univers, il suffit donc de la
définir pour chaque événement élémentaire de cet univers.
Proposition 3. Soit Ω un univers fini. Il existe une unique probabilité sur Ω constante
sur les singletons. On l’appelle la probabilité uniforme sur Ω.
Démonstration. Supposons qu’une telle probabilité P existe. Soit p la valeur commune

de cette probabilité sur les singletons. Soit n = |Ω|. On a alors
X X
1 = P (Ω) = P ({x}) = p = np
x∈Ω x∈Ω
donc
1
p=
n
1
Inversement la fonction définie sur les singletons par P ({x}) = n et par l’égalité, vraie
pour tout événement,
X
P (A) = P ({a})
a∈A
est une probabilité sur Ω.
Proposition 4. Soit P la probabilité uniforme sur un univers Ω. On a pour tout

événement A,
|A|
P (A) =
|Ω|
Remarque 4. Par exemple P ({x}) = 61 pour x = 1, . . . , 6 pour un dé parfait et P ({x}) =

1
2 pour x = P, F pour une pièce parfaite. Ce sera même la définition de « parfait ».
2.2 Un exemple
On jette 3 dés parfaits. Quelle est la probabilité d’obtenir au moins un 4 ?
Choisissons comme univers Ω = J1, 6K3 , de cardinal 216, muni de la probabilité uniforme.
L’événement qui nous intéresse est A où A est l’événement « on a obtenu au moins un 4 ».
Nous avons deux méthodes pour calculer sa probabilité. Pour l’instant, seule la première
méthode nous est accessible. Écrivons A = A1 ∪ A2 ∪ A3 où Ai est l’événement « on a
obtenu exactement i fois le nombre 4 ». Les Ai sont incompatibles, et
3
53−i

i
P (Ai ) =
216
D’où
1 91
P (A) = P (A1 ) + P (A2 ) + P (A3 ) = (3 × 25 + 3 × 5 + 1 × 1) =
216 216
2.3 Propriétés des probabilités
Proposition 5. Soient A et B deux événements tels que B ⊂ A. On a

• P (A \ B) = P (A) − P (B).
• P (B) ≤ P (A).
Démonstration. On a A = B ∪ (A \ B) et cette réunion est disjointe. Donc
P (A) = P (B) + P (A \ B)
Corollaire 6. Soit A un événement. On a P (Ac ) = 1 − P (A).
Exemple. Retour au jet de trois dés parfaits. Deuxième méthode, meilleure que la pré-
cédente, pour obtenir la probabilité de l’événement « au moins un 4 ». On cherche la
probabilité de l’événement contraire, qui est « on n’a obtenu aucun 4 ». Cette probabilité
53 125
vaut 216 = 216 . D’où
125 91
P (A) = 1 − =
216 216
Proposition 7. Soient A et B deux événements. On a

P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
Démonstration. On écrit
A ∪ B = (A \ (A ∩ B)) ∪ B
Cette réunion est disjointe, donc
P (A ∪ B) = P (A \ (A ∩ B)) + P (B) = P (A) − P (A ∩ B) + P (B)

Exercice. Soient A, B, C trois événements. On a
P (A ∪ B ∪ C) = P (A ∪ B) + P (C) − P ((A ∪ B) ∩ C)
= P (A) + P (B) − P (A ∩ B) + P (C) − P ((A ∩ C) ∪ (B ∩ C)
et une dernière application de la formule pour la réunion de deux ensembles fournit
P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C)
Cette formule se généralise à des réunions de n ensembles : c’est la formule de Poincaré,

dite aussi formule du crible.
Exemple. On jette 3 dés parfaits. Quelle est la probabilité de l’événement A = « au moins
un 4 ou au moins un 5 » ? Notons Bi l’événement « on obtient au moins un i ». On a vu
91
que P (Bi ) = 216 . Il s’agit maintenant de calculer P (B4 ∩B5 ). Par exemple en additionnant
(3)×2×4 24
les probabilités des événements incompatibles « un 4, un 5 » ( 2 216 = 216 ), « un 4, deux
3 3 30
5 » ( 216 ) et « deux 4, un 5 » ( 216 ). Donc P (B1 ∩ B2 ) = 216 . Et
152 19
P (A) = P (B4 ) + P (B5 ) − P (B4 ∩ B5 ) = =
216 27
Vérifions avec Python :

>>> de = range(1, 7)
>>> Omega = [(x, y, z) for x in de for y in de for z in de]
>>> A = [t for t in Omega if 4 in t or 5 in t]
>>> float(len(s1)) / len(s)
0.7037037037037037
>>> 19. / 27
0.7037037037037037
Proposition 8. Soit n ≥ 1. Soient A1 , . . . , An n événements. On a

n n
!
[ X
P Ai ≤ P (Ai )
i=1 i=1
Démonstration. C’est clair pour n = 1, 2. On termine par récurrence sur n.
2.4 Tirages avec remise dans une urne : la loi binomiale
Considérons l’expérience suivante : une urne contient r boules rouges et v boules vertes.
On effectue n fois l’opération suivante : on prend une boule dans l’urne, on regarde sa
couleur, on remet la boule dans l’urne, et on mélange bien. Soit k ∈ J0, nK. Quelle est la
probabilité d’avoir tiré k boules rouges ?
Soit N = r + v. Soit p = Nr . On numérote les boules de 1 à N et on choisit pour univers

Ω = J1, N Kn , l’ensemble des n-uplets d’éléments de J1, N K. On munit Ω de la probabilité
uniforme P .
Chaque élément de Ω représente la liste des boules tirées, dans l’ordre chronologique. Une
même boule peut y apparaître plusieurs fois car à chaque tirage on remet la boule dans
l’urne. Combien y-a-t-il d’éléments de Ω comportant k boules rouges ?
On choisit d’abord les k positions où ces boules vont apparaître : il y a nk possibilités. On

remplit ces k positions avec une boule rouge arbitraire : rk possibilités. Puis on remplit les
n − k positions restantes avec une boule verte arbitraire : v n−k possibilités. Au total, le
n k n−k
. Le cardinal de Ω est N n , donc

cardinal de l’événement « k boules rouges » est k r v
la probabilité de notre événement est
n k n−k

k r v n r k v n−k n k
n
= = p (1 − p)n−k
N k N N k
Nous reparlerons de ces probabilités plus loin, lorsque nous aborderons la loi binomiale
B(n, p).
2.5 Tirages sans remise dans une urne : la loi hypergéométrique
Considérons l’expérience suivante : une urne contient r boules rouges et v boules vertes.
On effectue n fois l’opération suivante : on prend une boule dans l’urne, on regarde sa
couleur, on NE REMET PAS la boule dans l’urne. Soit k ∈ J0, nK. Quelle est la probabilité
d’avoir tiré k boules rouges ?
Soit N = r +v. On numérote les boules de 1 à N et on choisit pour univers Ω = Pn (J1, N K),
l’ensemble des parties à n éléments de J1, N K. On munit Ω de la probabilité uniforme P .
Chaque élément de Ω représente l’ensemble des n boules tirées. Une même boule ne peut
pas y apparaître plusieurs fois puisque à chaque tirage la boule n’est pas remise dans l’urne.
Combien y-a-t-il d’éléments de Ω comportant k boules rouges ?
On choisit d’abord l’ensemble des k boules rouges qui ont été tirées : il y a kr possibilités.

v
On choisit ensuite l’ensemble des n − k boules vertes qui ont été tirées : il y a n−k
possibilités. Au total, le cardinal de l’événement « k boules rouges » est kr n−k v

. Le
N

cardinal de Ω est n , donc la probabilité de notre événement est
r
v
k n−k
N

n
Exercice. Quelles sont, en fonction de N, v, r, les valeurs de k pour lesquelles ces proba-
bilités sont non nulles ?
Pmin(n,r) r v
Exercice. Que vaut k=0 k n−k ?
Remarque 5. Ces probabilités sont elles aussi liées à une loi importante, la loi hyper-
géométrique H(N, n, p). Nous ne l’étudierons pas plus avant et nous contenterons d’un
histogramme.
Figure 30.2 – Loi hypergéométrique : r = 60, v = 40, n = 30
Remarque 6. On peut très bien faire les calculs en choisissant comme univers Ω = J1, N Kn ,
l’ensemble des n-uplets d’éléments distincts de J1, N K, muni de la probabilité uniforme. On
a cette fois
N!
|Ω| =
(N − n)!
Pour obtenir un tirage contenant k boules rouges, on choisit d’abord les k indices du n-uplet
qui correspondent aux boules rouges : nk possibilités. Puis, pour ces k positions, on choisit
3. PROBABILITÉS CONDITIONNELLES 543
r!
k boules rouges distinctes : (r−k)! possibilités. Puis, pour les n−k positions restantes, choix
v
de n − k boules vertes distinctes : (v−n+k)! possibilités. La probabilité cherchée est donc
n r! v
r
v

k (r−k)! (v−n+k)! k n−k
N!
= N

(N −n)! n
On retrouve évidemment ( ? ? ?) le même résultat. Remarquons quand même que bien que
le choix de l’univers nous soit laissé, les calculs étaient un peu plus simples avec notre
premier choix.
3 Probabilités conditionnelles
3.1 C’est quoi ?
Définition 6. Soit (Ω, P ) un espace probabilisé. Soit B un événement vérifiant P (B) >
0. Soit A un événement. On appelle probabilité (conditionnelle) de A sachant B le réel
P (A ∩ B)
P (A|B) =
P (B)
Exemple. Dans une famille de deux enfants, quelle est la probabilité que le second enfant
soit une fille sachant qu’il y a au moins une fille ? On prend l’univers
Ω = {(F, F ), (F, G), (G, F ), (G, G)}
Soit A l’événement « le second enfant est une fille » et B l’événement « il y a au moins une
fille ». On a
A = {(F, F ), (G, F )}
et
B = {(F, F ), (G, F ), (F, G)}
D’où A ∩ B = A et P (A|B) = 32 .
Proposition 9. L’application PB : P(Ω) → [0, 1] définie par PB (A) = P (A|B) est

une probabilité.
Démonstration. Il y a deux propriétés à vérifier. On a

P (Ω ∩ B) P (B)
PB (Ω) = = =1
P (B) P (B)
Soient A, A0 deux événements incompatibles. On a
(A ∪ A0 ) ∩ B = (A ∩ B) ∪ (A0 ∩ B)
Il est clair que A ∩ B et A0 ∩ B sont incompatibles, d’où
PB (A ∪ A0 ) = PB (A) + PB (A0 )

Exemple. Une urne contient r boules rouges et v boules vertes. Soit N = r + v. Je tire
sans remise deux boules de l’urne. Quelle est la probabilité que la seconde boule soit verte,
sachant que la première boule est verte ?
Prenons Ω = {(x, y) ∈ J1, N K2 , x 6= y} muni de la probabilité uniforme. Pour i = 1, 2 soit
Vi l’événement « la ième boule tirées est verte ». On a
|V1 | = v(N − 1)
|V1 ∩ V2 | = v(v − 1)
d’où
v(v − 1) v−1
P (V 2|V 1) = =
v(N − 1) N −1
qui est évidemment la réponse à laquelle on s’attendait.
3.2 Probabilités composées, probabilités totales
Proposition 10. [Probabilités composées]

Soient A1 , . . . , An n événements tels que
P (A1 ∩ . . . ∩ An ) 6= 0
On a alors
P (A1 ∩ . . . ∩ An ) = P (A1 )P (A2 |A1 )P (A3 |A1 ∩ A2 ) . . . P (An |A1 ∩ . . . ∩ An−1 )

Démonstration. Récurrence sur n. Pour n = 1, 2 c’est évident. Supposons la propriété

vraie pour n et donnons nous n+1 événements A1 , . . . , An+1 tels que P (A1 ∩. . .∩An+1 ) 6= 0.
On a
P (A1 ∩ . . . ∩ An+1 ) = P (An+1 |A1 ∩ . . . ∩ An )P (A1 ∩ . . . ∩ An )
On termine grâce à l’hypothèse de récurrence.
Proposition 11. [Probabilités totales] Soit {A1 , . . . , An } un système complet d’événe-

ments, tous de probabilité non nulle. Soit B un événement. Alors :
n
X
P (B) = P (B|Ai )P (Ai )
i=1
n n
!
[ [
B =B∩Ω=B∩ Ai = (B ∩ Ai )
i=1 i=1
Les Ai sont incompatibles deux à deux, donc les B ∩ Ai aussi. Donc

n
X n
X
P (B) = P (B ∩ Ai ) = P (B|Ai )P (Ai )
i=1 i=1

Exemple. Les usines U1 U2 et U3 fabriquent des boulons pour construire un pont. 10%
des boulons sont fabriqués par l’usine U1 , 50% des boulons sont fabriqués par l’usine U2 ,
et 40% des boulons sont fabriqués par l’usine U3 . On sait également que 3% des boulons
fabriqués par l’usine U1 sont défectueux, 12% des boulons fabriqués par l’usine U2 sont
défectueux et 5% des boulons fabriqués par l’usine U3 sont défectueux. On contrôle un
boulon au hasard sur le pont. Soit D l’événement « le boulon est défectueux ». On a
3
X
P (D) = P (D|Ui )P (Ui ) = 0.03 × 0.1 + 0.12 × 0.5 + 0.05 × 0.4 = 0.083
i=1
Exercice. Une urne contient r boules rouges et v boules vertes. Soit N = r + v. On tire
deux boules de l’urne sans remise. Quelle est la probabilité que la deuxième boule tirée
soit verte ?
Prenons Ω = {(x, y) ∈ J1, N K2 , x 6= y} muni de la probabilité uniforme. Pour i = 1, 2 soit
Vi (resp : Ri ) l’événement « la ième boule tirées est verte » (resp. : rouge). On a
v−1 v v r v
P (V2 ) = P (V2 |V1 )P (V1 ) + P (V2 |R1 )P (R1 ) = + =
N −1N N −1N N
On remarque que la probabilité que la d’être verte est la même pour la première et pour
la deuxième boule. Et si on tirait 3 boules ? 8 boules ?
Explication : prenons pour Ω l’ensemble des couples d’entiers distincts entre 1 et N , muni
de la probabilité uniforme. L’application (x, y) 7→ (y, x) est une bijection de l’événement
« la première boule est verte » sur l’événement « la deuxième boule est verte ». Ces deux
événements ont donc même cardinal, et comme nous avons choisi la probabilité uniforme
ils ont même probabilité. L’avantage de ce raisonnement est qu’il s’étend sans difficulté au
tirage de n boules sans remise.
3.3 Formule de Bayes
Proposition 12. Soient A et B deux événements tels que P (A) > 0 et P (B) > 0. On
a
P (B|A)P (A)
P (A|B) =
P (B)
Démonstration. On a P (A ∩ B) = P (A|B)P (B) = P (B|A)P (A).
Proposition 13. [Formules de Bayes]

Soit {A1 , . . . , An } un système complet d’événements de probabilités non nulles. Soit B
un événement de probabilité non nulle. On a pour tout j ∈ J1, nK,
P (B|Aj )P (Aj )
P (Aj |B) = Pn
i=1 P (B|Ai )P (Ai )
Démonstration. Il suffit d’utiliser les deux propositions précédentes.

Exemple. On reprend l’exemple des usines et des boulons. On contrôle un boulon sur le
pont et on constate qu’il est défectueux. Quelle est la probabilité que ce boulon provienne
de l’usine U1 ? De l’usine U2 ? De l’usine U3 ?
Pour U2 le calcul a déjà été partiellement fait : le dénominateur dans la formule de Bayes
vaut 0.083. Pour compléter, on a
P (D|U2 )P (U2 ) 0.12 × 0.5
P (U2 |D) = = ' 0.72
P (D) 0.083
Les deux autres usines sont laissées en exercice.

Exercice. Quelle est la probabilité que ce boulon provienne de l’usine U1 ? De l’usine U3 ?
Assurez-vous que la somme des trois probabilités trouvées est bien 1 !
3.4 Événements indépendants
Définition 7. Soient A et B deux événements. On dit que A et B sont indépendants

lorsque
P (A ∩ B) = P (A)P (B)
Remarque 7. Si P (B) > 0, A et B sont indépendants si et seulement si
P (A|B) = P (A)
Définition 8. Soit (Ai )1≤i≤n une famille (finie) d’événements. On dit que la famille
est indépendante lorsque pour toute partie I de l’ensemble J1, nK on a
!
\ Y
P Ai = P (Ai )
i∈I i∈I
Remarque 8. Des événements peuvent être indépendants deux à deux sans que la famille
le soit. Prenons par exemple Ω = {1, 2, 3, 4} muni de la probabilité uniforme. Soient A =
{1, 2}, B = {1, 3} et C = {1, 4}. On a P (A ∩ B) = 41 = P (A)P (B), et de même pour A ∩ C
et B ∩ C. Mais P (A ∩ B ∩ C) = 14 alors que P (A)P (B)P (C) = 81 .
Remarque 9. On lance une pièce parfaite deux fois de suite. Quelle est la probabilité
d’obtenir face au deuxième lancer sachant qu’on a obtenu pile au premier lancer ? L’énoncé
de notre problème sous-entend l’indépendance des lancers. La réponse est donc 12 . C’est
ce que l’on a implicitement supposé lorsque, dans nos exemples, on munissait l’univers
Ω = {P, F }2 de la probabilité uniforme.
Imaginons maintenant que la pièce est truquée. Cette pièce a la probabilité p ∈ [0, 1] de
tomber sur pile lors d’un lancer (et la probabilité q = 1 − p de tomber sur face). Quelle
probabilité va-t-on mettre sur Ω ? C’est là que l’indépendance doit être explicitée ! Notons
Pi (resp : Fi ) l’événement « la pièce tombe sur pile (resp : face) au lancer numéro i ». On
a, par l’indépendance de P1 et P2 :
P (P1 ∩ P2 ) = P (P1 )P (P2 ) = p2
De même,
P (F1 ∩ F2 ) = P (F1 )P (F2 ) = q 2 , P (P1 ∩ F2 ) = P (F1 ∩ P2 ) = pq

1
Exercice. Un dé truqué a une probabilité de tomber sur 6 égale à 3 et une probabilité
1− 13 2
égale de tomber sur les autres faces (qui vaut donc 5 = 15 ).
On lance deux fois le dé.
Quelle est la probabilité que la somme des deux chiffres obtenus soit supérieure ou égale à
7?
L’indépendance des deux lancers est implicite. On prend Ω = J1, 6K2 , muni de la probabilité
« produit » :
2
2 4
P ({(x, y)}) = =
15 225
si x, y 6= 6,
2 1 2
P ({(x, y)}) = =
15 3 45
si x = 6 ou bien y = 6, mais pas les deux, et
1
P ({(6, 6)}) =
9
L’événement qui nous intéresse contient 10 couples ne comportant pas le nombre 6, 10
couples contenant une seule fois le nombre 6, et le couple (6, 6). La probabilité cherchée
4 2
est donc P = 10 × 225 + 10 × 45 + 91 = 15
11
' 0.73.
Chapitre 31
Variables aléatoires
549
550 CHAPITRE 31. VARIABLES ALÉATOIRES
1 Notion de variable aléatoire
Dans tout le chapitre, (Ω, P ) désigne un espace probabilisé fini.
1.1 C’est quoi ?
Définition 1. Soit E un ensemble. Une variable aléatoire à valeurs dans E est une
application X : Ω → E. Lorsque E ⊂ R on parle de variable aléatoire réelle.
Remarque 1. Nous ne considérons dans ce cours que des univers Ω finis. Une variable
aléatoire à valeurs dans un ensemble E ne prend donc qu’un nombre fini de valeurs. Re-
marquons également qu’une « variable » aléatoire n’est pas une variable mais une fonction.
Exemple. On lance deux dés à 6 faces. On modélise cette expérience par l’univers Ω =
J1, 6K2 . La fonction X : (x, y) ∈ Ω 7→ x + y ∈ R est une variable aléatoire réelle. L’ensemble
des valeurs prises par X est X(Ω) = J2, 12K.
Notation.
• Soit A une partie de E. On note {X ∈ A} l’événement X −1 (A) de Ω.
• Si x ∈ E, l’événement {X = x} est {X ∈ {x}}.
• Si X est une variable aléatoire réelle, {X ≤ x} est {X ∈] − ∞, x]}. On utilise
évidemment des notations analogues pour d’autres types d’intervalles.
1.2 Loi d’une variable aléatoire
Définition 2. Soit X : Ω → E une variable aléatoire. On appelle loi de la variable

aléatoire X l’application PX : P(E) → [0, 1] définie pour tout A ⊂ E par
PX (A) = P (X ∈ A)
Proposition 1. Avec les notations ci-dessus, PX est une probabilité sur E.
Démonstration.
Remarquons tout d’abord que, en toute rigueur, l’ensemble E peut être infini. Avec les dé-
finitions restrictives de notre cours (univers finis), la fonction PX est plutôt une probabilité
sur X(Ω). Nous abuserons dans toute la suite.
1. NOTION DE VARIABLE ALÉATOIRE 551
Nous devons vérifier deux propriétés.

• Tout d’abord,
PX (E) = P (X −1 (E)) = P (Ω) = 1
• Soient A et B deux parties de E disjointes. On a
PX (A ∪ B) = P (X −1 (A ∪ B)) = P (X −1 (A) ∪ X −1 (B))
Les événements X −1 (A) et X −1 (B) sont eux aussi disjoints (exercice), donc
P (X −1 (A) ∪ X −1 (B)) = P (X −1 (A)) + P (X −1 (B))
ou encore
PX (A ∪ B) = PX (A) + PX (B)

Remarque 2. L’ensemble E devient donc un univers sur lequel PX est une loi de pro-
babilité. Le couple (E, PX ) est ainsi un espace probabilisé. En toute rigueur, nous n’avons
défini que des probabilités sur un univers fini, et il faudrait systématiquement considérer
X(Ω), et non E. Pour des raisons de simplicité, nous ne le ferons pas. De toute façon, pour
toute partie A de E telle que A∩X(Ω) = ∅, on a PX (A) = 0. Les événements incompatibles
avec X(Ω) ont une probabilité nulle.
Notation. Les notations introduites précédemment se répercutent bien entendu sur la
notation des probabilités. Ainsi, on note P (X ∈ A) au lieu de PX (A). P (X ∈ {x}) est tout
simplement noté P (X = x), et si X est une variable aléatoire réelle, P (X ≤ x) dénote
P (X ∈] − ∞, x]), etc.
Proposition 2. Soit X : Ω → E une variable aléatoire. La loi de X est entièrement

déterminée par les nombres px = P (X = x) pour x ∈ X(Ω).
Démonstration. Rappelons que nos univers sont finis. Soit A ⊂ E. On a

!
[
PX (A) = PX {x}
x∈A
Les événements {x} étant incompatibles deux à deux,

X X
PX (A) = P (X = x) = px
x∈A x∈A

Remarque 3. La somme ci-dessus est éventuellement infinie mais contient seulement un
nombre fini de valeurs non nulles, puisque l’univers Ω est fini. Si l’on veut absolument
écrire des choses compliquées, on peut encore l’écrire

X
P (X = x)
x∈A∩X(Ω)
Exemple. On reprend l’exemple du lancer de deux dés. On met la probabilité uniforme

sur Ω = {1, . . . , 6}2 . Soit X la somme des deux dés. La loi de X est donnée dans le tableau
ci-dessous :
x 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
P (X = x) 36 36 36 36 36 36 36 36 36 36 36
1.3 Image d’une variable aléatoire par une fonction
Soit X : Ω → E une variable aléatoire. Soit f : E → F une application. La fonction

f ◦ X : Ω → F est elle-aussi une variable aléatoire, que l’on note (horreur !) f (X). Soit
A ∈ F . On a
P (f (X) ∈ A) = P (f ◦ X ∈ A) = P (X ∈ f −1 (A))
Ainsi, calculer la loi de f (X) nécessite de maîtriser des calculs d’images réciproques par f .
Ce n’est pas souvent le cas.
Exemple. Soit X : Ω → {−2, −1, 0, 1, 2} de loi uniforme. Quelle est la loi de X 2 ?
Posons Y = X 2 . Tout d’abord, Y prend les valeurs 0, 1, 4. On a
• P (Y = 0) = P (X = 0) = 15 .
• P (Y = 1) = P ({X = 1} ∪ {X = −1}) = P (X = 1) + P (X = −1) = 52 .
• P (Y = 4) = P ({X = 2} ∪ {X = −2}) = P (X = 2) + P (X = −2) = 52 .
2 Lois usuelles
2.1 Loi uniforme
Définition 3. Soit E = {x1 , . . . , xn }. Soit X : Ω → E. On dit que X suit une loi

uniforme lorsque pour tout i ∈ J1, nK,
1
P (X = xi ) =
n
2. LOIS USUELLES 553
Remarque 4. On a alors bien entendu
|A|
∀A ⊂ E, P (X ∈ A) =
n
Exemple. Lors du lancer d’un dé équilibré, la variable aléatoire X égale à la valeur

marquée par le dé suit une loi uniforme.
2.2 Loi de Bernoulli
Définition 4. Soit p ∈ [0, 1]. Soit X : Ω → {0, 1}. On dit que X suit une loi de
Bernoulli de paramètre p lorsque
P (X = 1) = p et P (X = 0) = 1 − p
On note X B(p) une v.a. qui sui la loi de Bernoulli de paramètre p.
Remarque 5. La loi de Bernoulli intervient dans tout problème où le résultat peut prendre
deux valeurs, comme le jeu de pile ou face, ou encore le succès ou l’échec d’une expérience,
la réponse oui ou non à une question posée, garçon ou fille, boule rouge ou verte, gaucher
ou droitier, etc.
Le réel p est la probabilité de succès de l’expérience. Le réel q = 1 − p est la probabilité
d’échec.
Remarque 6. Voici une sorte de réciproque. Soit A un événement (le succès d’une ex-
périence), tel que P (A) = p. Soit 1A la fonction indicatrice de A. On a 1A : Ω → {0, 1}.
La fonction 1A est une variable aléatoire réelle. On a P (1A = 1) = P (A) = p et
P (1A = 0) = P (Ac ) = 1 − p. Ainsi, 1A suit une loi de Bernoulli de paramètre p :
P1A = B(p)
Exemple. Une urne contient r boules rouges et v boules vertes. Soit p = Nr où N = r + v

est le nombre total de boules présentes dans l’urne.. On tire une boule au hasard. La
variable aléatoire X qui prend la valeur 1 lorsque la boule est rouge et 0 lorsque la boule
est verte suit une loi de Bernoulli de paramètre p.
2.3 Loi binomiale

Définition 5. Soit n ∈ N∗ . Soit p ∈ [0, 1]. Soit X : Ω → J0, nK. On dit que X suit une
loi binomiale de paramètres n et p lorsque pour tout k ∈ J0, nK,

n k
P (X = k) = p (1 − p)n−k
k
On note X B(n, p) une v.a. qui suit la loi binomiale de paramètres n, p.
Proposition 3. On a là une loi de probabilité.
Démonstration. Il faut essentiellement vérifier que le poids total est bien égal à 1. Or
n n
X X n k
B(n, p)({k}) = p (1 − p)n−k = (p + (1 − p))n = 1
k
k=0 k=0
(a) Loi B(40, 0.3) (b) Loi B(40, 0.5) (c) Loi B(40, 0.8)
Figure 31.1 – La loi binomiale
Remarque 7. Remarquons que B(1, p) = B(p). Y a-t-il en lien entre loi de Bernoulli et
loi binomiale ? Nous verrons plus loin, et ce sera un résultat essentiel, que si la v.a. Y est
la somme de n variables aléatoires indépendantes suivant une loi de Bernoulli B(p), alors
Y B(n, p).
3 Couples de variables aléatoires
Soient X : Ω → E et Y : Ω → F deux variables aléatoires. On dispose alors de la variable

aléatoire, que l’on va noter (X, Y ) : Ω → E × F définie par
(X, Y )(ω) = (X(ω), Y (ω))

3. COUPLES DE VARIABLES ALÉATOIRES 555
Remarque 8. Soient a ∈ E et b ∈ F . On a
P ({X = a} ∩ {Y = b}) = P ((X, Y ) = (a, b))
Nous noterons cette quantité plus simplement P (X = a, Y = b). On généralise à A ⊂ E et

B ⊂ F en posant
P (X ∈ A, Y ∈ B) = P ({X ∈ A} ∩ {Y ∈ B}) = P ((X, Y ) ∈ A × B)
3.1 Loi conjointe, lois marginales
Définition 6. Soient X et Y deux variables aléatoires définies sur un même espace

probabilisé.
• La loi conjointe de X et Y est la loi du couple (X, Y ).
• Les lois marginales de (X, Y ) sont les lois de X et de Y .
3.2 Un exemple
On dispose de deux variables aléatoires X et Y à valeurs dans {0, 1, 2}. La loi du couple
(X, Y ) est donnée dans le tableau ci-dessous. Par exemple, on lit P ((X, Y ) = (2, 1)) = 0.2.
On a également indiqué dans ce tableau la somme des lignes et la la somme des colonnes.
Bien entendu, la somme de toutes les probabilités est 1.
P {X = 0} {X = 1} {X = 2}
{Y = 0} 0.1 0.3 0 0.4
{Y = 1} 0 0.2 0.2 0.4
{Y = 2} 0.1 0 0.1 0.2
0.2 0.5 0.3
Remarque 9. La dernière colonne du tableau est la loi de Y , et la dernière ligne est la

loi de X. De façon générale, si l’on connaît la loi conjointe de X et Y on peut retrouver
les lois de X et Y . En effet, soit a ∈ E. On a
[ [
{X = a} = {X = a, Y = b} = {(X, Y ) = (a, b)}
b∈F b∈F
et les événements de cette réunion sont incompatibles deux à deux. Donc

X
P (X = a) = P ((X, Y ) = (a, b))
b∈F
Ainsi, pour tout a ∈ E, on a

X
PX ({a}) = P(X,Y ) ({(a, b)})
b∈F
La loi PX est donc déterminée de façon unique à partir de la loi P(X,Y ) . De même, pour
tout b ∈ F , on a
X
PY ({b}) = P(X,Y ) ({(a, b)})
a∈E
Exemple. Dans l’exemple ci-dessus, la probabilité PX est obtenue en sommant les co-
lonnes : P (X = 0) = 0.2, P (X = 1) = 0.5 et P (X = 2) = 0.3. De même, PY est obtenue
en sommant les lignes. Voilà pourquoi PX et PY sont appelées les lois marginales : elles
sont dans les marges du tableau.
Remarque 10. En revanche, connaissant les lois de X et de Y , il n’est pas possible,
sauf informations supplémentaires (cf indépendance, un peu plus loin), de trouver la loi
conjointe de X et Y .
Exemple. On munit S5 de la probabilité uniforme P . Soient X : S5 → R et Y : S5 → R
définies par X(σ) = l’ordre de σ et Y (σ) = la signature de σ. Déterminer la loi conjointe
de X et Y .
Voici, regroupés dans un tableau, les ordres et les signatures des diverses permutations
de S5 , regroupées par « types ». On indique également sur chaque ligne combien il y a
de permutations de chaque type, classées par leur décomposition en produit de cycles de
supports disjoints.
σ X(σ) Y (σ) nb
id 1 1 1
(i j) 2 −1 10
(i j k) 3 1 20
(i j k l) 4 −1 30
(i j k l m) 5 1 24
(i j)(k l) 2 1 15
(i j)(k l m) 6 −1 20
On en déduit la loi du couple (X, Y ), résumée dans un tableau, ainsi, évidemment, que les
lois marginales.
P {X = 1} {X = 2} {X = 3} {X = 4} {X = 5} {X = 6}
10 30 20 1
{Y = −1} 0 120 0 120 0 120 2
1 15 20 24 1
{Y = 1} 120 120 120 0 120 0 2
1 25 20 30 24 20
120 120 120 120 120 120
3. COUPLES DE VARIABLES ALÉATOIRES 557
3.3 Loi conditionnelle
Ce paragraphe peut être sauté en première lecture. Il ne sera pas utilisé dans le reste du
chapitre.
Définition 7. Soient X et Y deux variables aléatoires définies sur un même espace

probabilisé. Soit x ∈ E tel que P (X = x) > 0. Soit B ⊂ F . On pose
PY |X=x (B) = P (Y ∈ B|X = x)
Exemple. On reprend l’exemple du groupe S5 du paragraphe précédent :

15
P (Y = 1, X = 2) 120 3
PY |X=2 ({1}) = P (Y = 1|X = 2) = = 25 =
P (X = 2) 120
5
Plus généralement, voici PY |X=2 (B) pour B ⊂ {−1, 1}.
B ∅ {−1} {1} {−1, 1}

2 3
PY |X=2 (B) 0 5 5 1
Proposition 4. Soient X : Ω → E et Y : Ω → F deux variables aléatoires définies

sur un même espace probabilisé Ω. Soit x ∈ E. La fonction
PY |X=x : P(F ) → R
est une probabilité sur F .
Démonstration. Notons A l’événement {X = x}. Soit B ⊂ F . On a
PY |X=x (B) = P (Y ∈ B|X = x) = PA (Y ∈ B)
où PA , on le sait, est une probabilité sur Ω. Notons P 0 = PA . Le couple (Ω, P 0 ) est un

espace probabilisé, et P 0 (Y ∈ B) = PY0 (B) où PY0 est la loi de Y , vue comme une variable
aléatoire sur (Ω, P 0 ). Ainsi, PY0 est une probabilité sur F .
Remarque 11. En reprenant la démonstration ci-dessus, on voit que considérer la loi
conditionnelle de Y sachant X = x revient simplement à changer la probabilité sur Ω,
en mettant sur celui-ci la probabilité PA au lieu de la probabilité P . Ainsi, les théorèmes
vérifiés les variables aléatoires restent valables pour les lois conditionnelles. Par exemple,
nous définirons bientôt l’espérance d’une variable aléatoire réelle. Si Y est une variable
aléatoire réelle on peut alors sans difficulté définir l’espérance conditionnelle de Y sachant
X = x. L’espérance conditionnelle vérifie toutes les propriétés de l’espérance « classique »

comme par exemple, nous le verrons, la positivité ou la linéarité.
Terminons ce paragraphe par un résultat qui nous explique à quoi peut servir la notion de
loi conditionnelle.
Proposition 5. La connaissance de la loi de X et, pour tout x ∈ E tel que P (X =

x) > 0, de la loi conditionnelle de Y sachant X = x, permet de calculer la loi de Y .
Démonstration. Les événements {X = x} forment un système complet d’événements.

On a pour tout B ∈ P(F ),
!
[
P (Y ∈ B) = P (Y ∈ B, X = x)
x∈E
X
= P (Y ∈ B, X = x)
x∈E
X
= P (Y ∈ B, X = x)
x∈E,P (X=x)>0
X
= P (Y ∈ B|X = x)P (X = x)
x∈E,P (X=x)>0
X
= PY |X=x (B)P (X = x)
x∈E,P (X=x)>0
La troisième égalité est vérifiée car {Y ∈ B, X = x} ⊂ {X = x}. Ainsi, si P (X = x) = 0

alors, a fortiori, P (Y ∈ B, X = x) = 0.
3.4 Généralisation à n variables aléatoires
On peut bien entendu généraliser ce qui vient d’être dit pour des couples de variables
aléatoires à des n-uplets de variables aléatoires. Prenons par exemple un triplet (X, Y, Z) de
variables aléatoires. Nous avons une loi conjointe, trois lois marginales. Les lois marginales
se récupèrent à partir de la loi conjointe. Par exemple,
X
P (X = x) = P (X = x, Y = y, Z = z)
y,z
De même, on peut définir un certain nombre de lois conditionnelles, comme par exemple
P (X = x, Y = y|Z = z) ou encore P (X = x|Y = y, Z = z), etc.
4. VARIABLES ALÉATOIRES INDÉPENDANTES 559
4 Variables aléatoires indépendantes
Nous y voilà. L’indépendance est, dans tout ce que nous venons de, et allons, raconter,
la vraie notion probabiliste. Celle qui ne correspond à rien dans les autres branches des
mathématiques (j’exagère à peine).
4.1 C’est quoi ?
Définition 8. Soient X : Ω → E et Y : Ω → F deux variables aléatoires. On dit que

X et Y sont indépendantes lorsque pour tout x ∈ X(Ω) et tout y ∈ Y (Ω) on a
P (X = x, Y = y) = P (X = x)P (Y = y)
Proposition 6. Soient X et Y deux variables aléatoires. X et Y sont indépendantes

si et seulement si pour tout A ⊂ X(Ω), pour tout B ⊂ Y (Ω),
P ((X, Y ) ∈ A × B) = P (X ∈ A)P (Y ∈ B)
Démonstration. Dans un sens c’est évident. Il suffit de prendre des singletons pour A
et B. Inversement, supposons X et Y indépendantes. Soient A ⊂ X(Ω) et B ⊂ Y (Ω).
[
P ((X, Y ) ∈ A × B) = P ( {(X, Y ) = (a, b)})
a∈A,b∈B
X
= P ({(X, Y ) = (a, b)})
a∈A,b∈B
X
= P (X = a)P (Y = b)
a∈A,b∈B
X X
= P (X = a) P (Y = b)
a∈A b∈B
= P (X ∈ A)P (Y ∈ B)

4.2 Généralisation
Définition 9. Soient X1 , . . . , Xn n variables aléatoires. On dit que X1 , . . . , Xn sont

indépendantes lorsque pour tous x1 ∈ X1 (Ω), . . . , xn ∈ Xn (Ω) on a
P (X1 = x1 , . . . , Xn = xn ) = P (X1 = x1 ) . . . P (Xn = xn )
Proposition 7. Soient X1 , . . . , Xn n variables aléatoires. Ces variables aléatoires sont

indépendantes si et seulement si pour tous Ak ⊂ Xk (Ω), k = 1, . . . , n,
P (X1 ∈ A1 , . . . , Xn ∈ An ) = P (X1 ∈ A1 ) . . . P (Xn ∈ An )
Démonstration. La démonstration est analogue à celle vue pour deux variables aléa-
toires.
Proposition 8. Soient X1 , . . . , Xn n variables aléatoires indépendantes. Alors, pour

tous Ak ⊂ Xk (Ω), k = 1, . . . , n, les événements {Xk ∈ Ak } sont indépendants.
Démonstration. La petite subtilité est que nous devons montrer que pour tout ensemble
I = {k1 , . . . , kr } ⊂ J1, nK,
P (Xk1 ∈ Ak1 , . . . , Xkr ∈ Akr ) = P (Xk1 ∈ Ak1 ) . . . P (Xkr ∈ Akr )
Il suffit pour cela de poser Ak = Xk (Ω) si k 6∈ I. On a alors
{Xk1 ∈ Ak1 , . . . , Xkr ∈ Akr } = {X1 ∈ A1 , . . . , Xn ∈ An }
La propriété en découle par la proposition précédente.

Remarque 12. Cette propriété nous dit qui lorsque l’on a n variables aléatoires indépen-
dantes, toute sous-famille de ces v.a. est encore formée de v.a. indépendantes.
4.3 Le lemme des coalitions
Nous allons voir dans ce paragraphe qu’en « combinant » des variables aléatoires indépen-
dantes on ne peut « fabriquer » que des variables indépendantes. Commençons par deux
cas particuliers.
4. VARIABLES ALÉATOIRES INDÉPENDANTES 561
Proposition 9. Soient X : Ω → E et Y : Ω → F deux variables aléatoires indépen-

dantes. Soient f : E → E 0 et g : F → F 0 . Les variables aléatoires f (X) et g(Y ) sont
indépendantes.
P (f (X) = x, g(Y ) = y) = P (X ∈ f −1 (x), Y ∈ g −1 (y))

= P (X ∈ f −1 (x))P (Y ∈ g −1 (y))
= P (f (X) = x)P (g(Y ) = y)
Proposition 10. Soit n ≥ 1. Soient X1 , . . . , Xn n variables aléatoires indépendantes.

Soit m ∈ J1, n − 1K. Alors, les variables aléatoires (X1 , . . . , Xm ) et (Xm+1 , . . . , Xn )
sont indépendantes.
Démonstration. Histoire de ne pas nous noyer dans les indices, faisons la preuve pour
n = 3 et m = 1. Soient X, Y, Z trois variables aléatoires réelles indépendantes. Montrons
que X et (Y, Z) sont aussi indépendantes. On a
P (X = x, (Y, Z) = (y, z)) = P (X = x, Y = y, Z = z)

= P (X = x)P (Y = y)P (Z = z)
par l’indépendance. Mais
P (Y = y)P (Z = z) = P (Y = y, Z = z)
= P ((Y, Z) = (y, z))

En combinant ces deux cas particuliers, on obtient le
Proposition 11. Lemme des coalitions

Soit n ≥ 1. Soient X1 , . . . , Xn n variables aléatoires indépendantes. Soit m ∈
J1, n − 1K. Alors, pour toutes fonctions f et g, les variables aléatoires f (X1 , . . . , Xm )
et g(Xm+1 , . . . , Xn ) sont indépendantes.
Démonstration. Tout d’abord, X = (X1 , . . . , Xm ) et Y = (Xm+1 , . . . , Xn ) sont indé-

pendantes. Puis, f (X) et g(Y ) sont indépendantes.
Remarque 13. On peut généraliser le lemme des coalitions en découpant le n-uplet
(X1 , . . . , Xn ) en plus de deux coalitions.
Remarque 14. Voici quelques exemples :

• Si X, Y, Z sont des v.a. réelles indépendantes, alors X + Y√et Z sont indépendantes.
• Si X, Y, Z, T, U sont des v.a. réelles indépendantes, alors X 2 + Y 2 et eU (Z−T ) sont
indépendantes.
• Etc.
4.4 Retour à la loi binomiale
Nous avons maintenant suffisamment de résultats à notre disposition pour montrer le

théorème suivant.
Proposition 12. Soit n ≥ 1. Soit p ∈ [0, 1]. Soient X1 , . . . , Xn n variables aléatoires

indépendantes suivant la loi de Bernoulli B(p). Alors, la variable aléatoire
S = X1 + . . . + Xn
suit la loi binomiale B(n, p).
Démonstration. On fait une récurrence sur n. Pour n = 1, c’est évident puisque B(p) =
B(1, p). Soit maintenant n ≥ 1. Supposons la propriété vraie pour n. Soient X1 , . . . , Xn+1
n + 1 variables aléatoires indépendantes de loi B(p). Soit
S = X1 + . . . + Xn+1
Remarquons que S ne prend que des valeurs entre 0 et n + 1.
Soit tout d’abord k ∈ J1, n + 1K. On a
{S = k} = {Xn+1 = 0, X1 + . . . + Xn = k} ∪ {Xn+1 = 1, X1 + . . . + Xn = k − 1}
ces deux événements étant clairement disjoints. On a donc
P (S = k) = P (Xn+1 = 0, X1 + . . . + Xn = k) + P (Xn+1 = 1, X1 + . . . + Xn = k − 1)
Le lemme des coalitions nous dit que X1 + . . . + Xn et Xn+1 sont indépendantes. Donc
P (Y = k) = P (Xn+1 = 0)P (X1 + . . . + Xn = k) + P (Xn+1 = 1)P (X1 + . . . + Xn = k − 1)
On applique l’hypothèse de récurrence :

n k n−k n
P (Y = k) = (1 − p) p (1 − p) +p pk−1 (1 − p)n−k+1
k k−1

n n
= + pk (1 − p)n+1−k
k k−1

n+1 k
= p (1 − p)n+1−k
k
5. ESPÉRANCE 563
qui est bien la probabilité voulue.
Reste à regarder ce qui se passe pour k = 0. On a
{Y = 0} = {X1 = 0, . . . , Xn+1 = 0}
d’où

n+1 0
P (Y = 0) = P (X1 = 0) . . . P (Xn+1 = 0) = (1 − p)n+1 = p (1 − p)n+1
0
5 Espérance
5.1 Notion d’espérance
Définition 10. Soit X une variable aléatoire réelle. On appelle espérance de X le réel
X
E(X) = xP (X = x)
x∈X(Ω)
Exemple. On lance deux dés équilibrés. Soit X la somme des dés. On a
1 2 6 1
E(X) = 2 + 3 + . . . + 7 + . . . + 12 = 7
36 36 36 36
Remarque 15. L’espérance de X peut-être vue comme la « moyenne » des valeurs prises
par X. Chaque valeur x est prise avec une probabilité px = P (X = x) d’apparaître. La
proposition ci-dessous nous donne une autre façon de calculer une espérance.
Proposition 13. Soit X : Ω → R une variable aléatoire réelle. On a

X
E(X) = P ({ω})X(ω)
ω∈Ω
Démonstration.
X X X
P ({ω})X(ω) = P ({ω})X(ω)
ω∈Ω x∈X(Ω) ω∈Ω|X(ω)=x
X X
= x P ({ω})
x∈X(Ω) ω∈Ω|X(ω)=x
X
= xP (X = x)
x∈X(Ω)
= E(X)
5.2 Espérance des variables aléatoires usuelles
• Variable aléatoire constante : Soit X une variable aléatoire réelle constante, de valeur
m. On a évidemment E(X) = m. En corollaire, si X est une variable aléatoire réelle,
le réel E(X) peut être considéré comme une variable aléatoire constante. Donc, un
peu abusivement,
E(E(X)) = E(X)
• Loi uniforme : soit X une variable aléatoire réelle prenant les valeurs x1 , . . . , xn
selon une loi uniforme. On a
n
1X
E(X) = xk
n
k=1
c’est à dire la moyenne arithmétique des valeurs prises par X.

• Loi de Bernoulli : soit p ∈ [0, 1]. soit X une variable aléatoire suivant la loi B(p).
On a
E(X) = P (X = 0) × 0 + P (X = 1) × 1 = (1 − p) × 0 + p × 1 = p
• Loi binomiale : soit n ≥ 1, p ∈ [0, 1]. soit X une variable aléatoire suivant la loi
B(n, p). On a
n
X n k
E(X) = k p (1 − p)n−k
k
k=0
Nous allons calculer un peu péniblement cette somme, mais nous verrons très bientôt
que l’espérance de la loi binomiale peut être obtenue beaucoup plus simplement. On
5. ESPÉRANCE 565
a
n n
X n k n−k
X n!
k p (1 − p) = pk (1 − p)n−k
k (k − 1)!(n − k)!
k=0 k=1
n−1
X n!
= pk+1 (1 − p)n−1−k
(k)!(n − k − 1)!
k=0
n−1
X n − 1
= np pk (1 − p)n−1−k
k
k=0
= np(p + 1 − p)n−1
= np
5.3 Propriétés
Proposition 14. L’espérance est linéaire : Soient X, Y deux variables aléatoires

réelles, et α, β ∈ R. On a
E(αX + βY ) = αE(X) + βE(Y )
Démonstration.
X
E(αX + βY ) = P ({ω})(αX(ω) + βY (ω))
ω∈Ω
X X
= α P ({ω})X(ω) + β P ({ω})Y (ω)
ω∈Ω ω∈Ω
= αE(X) + βE(Y )

Exemple. Revenons à l’espérance d’une variable aléatoire X suivant une loi binomiale
B(n, p). L’espérance de X ne dépend que de la loi de X, et pas de X elle-même. Plus
clairement, toutes les variables aléatoires suivant la loi B(n, p) ont la même espérance. On
peut donc prendre
X = X1 + . . . + Xn
où les Xk sont n variables aléatoires (indépendantes, mais on n’en a pas besoin) suivant la
loi de Bernoulli B(p). Par linéarité de l’espérance, on a
n
X n
X
E(X) = E(Xk ) = p = np
k=1 k=1
C’est quand même plus facile que le calcul fait plus haut.
Exemple. Retour à la somme des deux dés. Soit X la variable aléatoire « valeur du
premier dé ». Soit Y la variable aléatoire « valeur du deuxième dé. On a
7
E(X) = E(Y ) =
2
(loi uniforme). D’où
E(X + Y ) = 7
ce qui est une façon beaucoup plus simple d’obtenir l’espérance que de calculer la loi de
X +Y !
Exemple. Espérance de la loi hypergéométrique. Soit S le nombre de boules rouges tirées
d’une urne lors d’un tirage de n boules dans une urne sans remise. Alors,
S = X1 + . . . + Xn
où Xk = 1 si la kième boule tirée est rouge, et Xk = 0 sinon. Nous avons montré au

chapitre précédent que E(Xk ) = p où p = Nr , N étant le nombre de boules. Contrairement
à ce qui se passe pour un tirage avec remise, les Xk ne sont pas indépendantes, mais la
linéarité de l’espérance s’applique :
n
X
E(S) = E(Xk ) = np
k=1
Remarque 16. Nous avons là un exemple d’un phénomène très fréquent. Pour calculer
l’espérance d’une variable aléatoire réelle, on n’a parfois pas besoin de connaître sa loi. Si
une variable aléatoire s’exprime en fonction d’autres variables aléatoires dont on connaît
l’espérance, on a alors l’espoir d’obtenir l’espérance de notre variable. Voyons tout de suite
un autre exemple, où cette idée s’applique pleinement.
Exercice. On munit Sn de la probabilité uniforme P . Soit X : Sn → R définie par
X(σ) = le nombre de points fixes de σ. Calculer E(X).
Pour i = 1, . . . , n, soit Xi (σ) = 1 si σ(i) = i, et 0 sinon. {Xi = 1} est l’ensemble des
permutations σ ∈ Sn telles que σ(i) = i c’est à dire, avec un léger abus, l’ensemble des
permutations de l’ensemble J1, nK \ {i}. On a donc |{Xi = 1}| = (n − 1)!, d’où
|{Xi = 1}| (n − 1)! 1
P (Xi = 1) = = =
|Sn | n! n
Comme Xi ne prend que les valeurs 0 et 1, c’est une variable de Bernoulli. On a donc
1
E(Xi ) = P (Xi = 1) =
n
Enfin,
n
X
X= Xk
k=1
5. ESPÉRANCE 567
donc, par linéarité de l’espérance,

n
X
E(X) = E(Xk ) = 1
k=1
Une permutation de Sn possède donc « en moyenne » 1 point fixe.
Proposition 15. Soit X une variable aléatoire à valeurs positives. On a

• E(X) ≥ 0.
• E(X) = 0 si et seulement si P (X 6= 0) = 0.
Démonstration. Remarquons tout d’abord que

X X
E(X) = xP (X = x) = xP (X = x)
x∈X(Ω) x∈X(Ω),x6=0
Cette somme est clairement positive puisque X(Ω) ⊂ R+ . De plus elle est nulle si et
seulement si
∀x ∈ X(Ω) \ {0}, P (X = x) = 0
ce qui équivaut à
X
P (X = x) = 0
x∈X(Ω),x6=0
Cette dernière somme n’est autre que P (X 6= 0).
Définition 11. Soit (Ω, P ) un espace probabilisé.

Un événement A est dit presque certain (ou presque sûr) lorsque P (A) = 1.
Si P(ω) est une propriété des éléments de Ω, on dit que la propriété P est presque
sûrement vraie sur Ω lorsque l’événement {ω ∈ Ω, P(ω)}) est presque certain.
Ainsi, par exemple, dans la proposition précédente, E(X) = 0 si et seulement si X est

presque sûrement nulle.
Proposition 16. Soient X, Y deux variables aléatoires réelles telles que X ≤ Y . On

a
E(X) ≤ E(Y )
De plus, E(X) = E(Y ) si et seulement si P (X < Y ) = 0.
Démonstration. On a Y − X ≥ 0 donc E(Y − X) ≥ 0. Nous sommes donc ramenés à

la proposition précédente.
5.4 Formule de transfert
Proposition 17. Soit X : Ω → E une variable aléatoire. Soit ϕ : E → R. On a

X
E(ϕ(X)) = ϕ(x)P (X = x)
x∈X(Ω)
Démonstration. Écrivons X sous la forme

X
X= x1(X=x)
x∈X(Ω)
Soit X
Y = ϕ(x)1(X=x)
x∈X(Ω)
Soit ω ∈ Ω. On a
X
Y (ω) = ϕ(x)1(X=x) (ω)
x∈X(Ω)
X
= ϕ(x)δX(ω),x
x∈X(Ω)
= ϕ(X(ω))
= ϕ(X)(ω)
Ainsi, Y = ϕ(X). On en déduit, par linéarité de l’espérance, que

X X
E(ϕ(X)) = ϕ(x)E(1(X=x) ) = ϕ(x)P (X = x)
x∈X(Ω) x∈X(Ω)

Remarque
P 17. Si X est une variable aléatoire réelle et ϕ = idR , on obtient E(X) =
x∈X(Ω) xP (X = x), c’est à dire la définition de l’espérance. Ce qui est évidemment
heureux.
Exemple. La variable aléatoire X prend les valeurs −1, 0, 1, 2 et suit une loi uniforme.
On a E(X) = 21 , E(X 2 ) = 14 (−1)2 + 14 02 + 41 12 + 14 22 = 32
Exercice. Calculer E(X 4 ).
6. VARIANCE, ÉCART-TYPE, COVARIANCE 569
5.5 Espérance d’un produit de variables aléatoires indépendantes
Proposition 18. Soient X et Y deux variables aléatoires réelles indépendantes. On a
E(XY ) = E(X)E(Y )
Démonstration.
X X
E(X)E(Y ) = xP (X = x) yP (Y = y)
x∈X(Ω) y∈Y (Ω)
X
= xyP (X = x)P (Y = y)
(x,y)∈X(Ω)×Y (Ω)
Comme X et Y sont indépendantes, on a donc

X
E(X)E(Y ) = xyP (X = x, Y = y)
(x,y)∈X(Ω)×Y (Ω)
Réorganisons cette somme par produits xy constants.

X X
E(X)E(Y ) = xyP (X = x, Y = y)
z∈XY (Ω) xy=z
X X
= z P (X = x, Y = y)
z∈XY (Ω) xy=z
P
La somme xy=z P (X = x, Y = y) n’est autre que P (XY = z), d’où le résultat.
Remarque 18. L’indépendance de X et Y est inutile pour la somme de deux va-
riables aléatoires, mais indispensable pour leur produit. Prenons par exemple X de
loi de Bernoulli B(p), et Y = X. On a XY = X 2 = X, donc E(XY ) = p. Mais
E(X)E(Y ) = E(X)2 = p2 , donc E(X)2 6= E(X 2 ) sauf dans les cas triviaux où p = 0
ou p = 1.
6 Variance, écart-type, covariance
6.1 Variance, écart-type
Définition 12. Soit X une variable aléatoire réelle.

• On appelle variance de X le réel
V (X) = E((X − E(X))2 )
• On appelle écart-type de X le réel

p
σ(X) = V (X)
Remarque 19. L’intérêt de l’écart-type est d’avoir la même dimension que X. Si X est
exprimé en mètres, par exemple, alors V (X) est exprimée en mètres carrés, mais σ(X)
est aussi exprimé en mètres. C’est l’écart-type qui mesure l’écart de X à sa moyenne.
Nous préciserons davantage cela un peu plus loin, lorsque nous parlerons de l’inégalité de
Bienaymé-Tchebychev.
Proposition 19. Soit X une variable aléatoire réelle. On a
V (X) = E(X 2 ) − E(X)2
Démonstration.
V (X) = E(X 2 − 2E(X)X + E(X)2
= E(X 2 ) − 2E(X)E(X) + E(X)2
= E(X 2 ) − E(X)2

35
Exemple. On lance deux dés parfaits. Soit X la somme des deux dés. On a V (X) = 6
q
et σ(X) = 35
6 ' 2.4.
Proposition 20. Soit X une variable aléatoire réelle. Soient a, b ∈ R. On a
V (aX + b) = a2 V (X)
et
σ(aX + b) = |a|σ(X)
Démonstration. Soit Y = aX + b. On a
E(Y ) = aE(X) + E(b) = aE(X) + b
Donc
E((Y − E(Y ))2 = E(a(X − E(X)))2 ) = a2 E((X − E(X))2 ) = a2 V (X)
Pour l’écart-type, prendre la racine carrée.
Définition 13.
• Une variable aléatoire réelle X est dite centrée lorsque E(X) = 0.
• Elle est dite réduite lorsque V (X) = 1.
Proposition 21. Soit X une variable aléatoire réelle d’espérance m et d’écart-type

σ > 0. Soit Y = X−m
σ . Alors Y est centrée et réduite.
Démonstration. Laissée en exercice, c’est très facile.
6.2 Variance des variables aléatoires usuelles
Variable aléatoire presque constante
Proposition 22. Soit X une variable aléatoire réelle. On a V (X) = 0 si et seulement

si X est constante presque sûrement.
Démonstration. Supposons que X = m en dehors d’un ensemble de probabilité nulle.

On a E(X 2 ) = m2 puisque X 2 est presque sûrement constante, égale à m2 . Et on a aussi
E(X)2 = m2 .
Inversement, supposons V (X) = 0. Soit Y = (X − E(X))2 . L’énoncé nous dit que E(Y ) =
0. Mais Y ≥ 0. Donc, X − E(X) est presque sûrement nulle.
Loi uniforme
Proposition 23. Soit n ≥ 1. Soit a ∈ R. Soit b = a + n − 1. Soit X une variable

aléatoire suivant la loi uniforme sur l’ensemble {a, a + 1, . . . , b}. On a
n2 − 1
V (X) =
12
Démonstration. On a n = b − a + 1. C’est le nombre de valeurs prises par X. De là

1
E(X) = (a + (a + 1) + . . . + (a + n − 1))
n
1 n(n − 1)
= (na + )
n 2
b−a
= a+
2
n−1
= a+
2
Un peu plus compliqué maintenant :
n−1
2 1X
E(X ) = (a + k)2
n
k=0
n−1
1 X
= (a2 + 2ka + k 2 )
n
k=0
n−1 n−1
!
1 X X
= na2 + 2a k+ k2
n
k=0 k=0

1 n(n − 1) (n − 1)n(2n − 1)
2
= na + 2a +
n 2 6
(n − 1)(2n − 1)
= a2 + a(n − 1) +
6
Donc
V (X) = E(X 2 ) − E(X)2

(n − 1)2

2 (n − 1)(2n − 1) 2
= a + a(n − 1) + − a + a(n − 1) +
6 4
2
n −1
=
12

Remarque 20. Prenons n « grand ». On a alors σ(X) ∼ √n qui vaut à peu près n
12 3.5 .
Loi de Bernoulli
Proposition 24. Soit p ∈ [0, 1]. Soit X une variable aléatoire suivant une loi de
Bernoulli B(p). On a
V (X) = p(1 − p)
Démonstration. C’est immédiat. D’ailleurs on a déjà fait ce calcul.

Exemple. On lance une pièce équilibrée. Soit X la variable aléatoire qui vaut 1 lorsque
la pièce tombe sur pile et 0 lorsque la pièce tombe sur face. On a
1 1
E(X) = et σ(X) =
2 2
Loi binomiale
Proposition 25. Soit p ∈ [0, 1]. Soit n ≥ 1. Soit X une variable aléatoire suivant une
loi binomiale B(n, p). On a
V (X) = np(1 − p)
Démonstration. Admettons pour l’instant que si X et Y sont des variables aléatoires

réelles indépendantes, alors V (X +Y ) = V (X)+V (Y ). La variance d’une variable aléatoire
ne dépendant que de la loi de celle-ci, on peut donc supposer que X est la somme de n
variables aléatoires indépendantes suivant une loi de Bernoulli de même paramètre p. Le
calcul de la variance est alors évident.
Remarque 21. Cette fois, on a √
σ(X) ∼ K n
où p
K= p(1 − p)
On voit donc que σ(X) = o(n), c’est à dire que les valeurs prises par X sont « resserrées »
autour de son espérance. Voir exemple un peu plus bas, après la preuve de l’inégalité de
Bienaymé-Tchebychev. Par exemple, pour n = 10000 et p = 12 on obtient E(X) = 5000 et
σ(X) = 50, c’est à dire cent fois moins que l’espérance. L’inégalité de Bienaymé-Tchebychev
nous dira entre autres que
1
P (|X − 5000| ≥ 500) ≤
100
Autrement dit, 99% des valeurs prises par X sont comprises entre 4500 et 5500.
6.3 Inégalité de Markov
Proposition 26. Soit X une variable aléatoire à valeurs positives. Soit t > 0. On a
E(X)
P (X ≥ t) ≤
t
Démonstration.
X
tP (X ≥ t) = t P (X = x)
x∈X(Ω),x≥t
X
= tP (X = x)
x∈X(Ω),x≥t
X
≤ xP (X = x)
x∈X(Ω),x≥t
X
≤ xP (X = x)
x∈X(Ω)
= E(X)

Exemple. Soit X une variable aléatoire suivant la loi binomiale B(n, p). On a donc pour
tout t > 0,
np
P (X ≥ t) ≤
t
Nous apprenons donc par exemple que
1
P (X ≥ 100np) ≤
100
1
C’est intéressant lorsque 100np < n, c’est à dire si p < 100 . Pour continuer l’exemple, si
1
p < 1000 , alors
n 1
P (X ≥ ) ≤ P (X ≥ 100np) ≤
10 100
6.4 Inégalité de Bienaymé-Tchebychev
Proposition 27. Soit X une variable aléatoire réelle. Soit m = E(X) l’espérance de
X. Soit σ = σ(X) l’écart-type de X. Soit λ > 0. On a
σ2
P (|X − m| ≥ λ) ≤
λ2
Démonstration. On applique l’inégalité de Markov à la variable aléatoire Y = (X −m)2 ,

avec t = λ2 . Il vient
E((X − m)2 )
P ((X − m)2 ≥ λ2 ) ≤
λ2
c’est à dire
σ2
P (|X − m| ≥ λ) ≤
λ2

Remarque 22. Si on remplace λ par λσ dans l’inégalité, on obtient une autre forme plus
homogène de l’inégalité de Bienaymé-Tchebychev :
1
P (|X − m| ≥ λσ) ≤ 2
λ
Exemple. On lance n fois un dé équilibré. On appelle X le nombre de 6 obtenus. Chaque

lancer de dé est une expérience aléatoire de type succès-échec, avec une probabilité de
succès p = 16 . X suit donc la loi binomiale B(n, 16 ). L’inégalité de Bienaymé-Tchebychev
devient donc
n 5n
P( X − ≥ λ) ≤
6 36λ2
Avec λ = n6 , on obtient
n n n 5
P( X − ≥ ) = P (X > ) ≤
6 6 3 n
ou encore, en passant à l’événement contraire :
n 5
P (X < ) ≥ 1 −
3 n
Pour que la probabilité d’obtenir un nombre de 6 entre 0 et n3 soit au moins égale à 0.5, il
suffit de de choisir n tel que 1 − n5 ≥ 0.5, c’est à dire par exemple n = 10. Si on veut que
9
cette même probabilité soit supérieure à 10 , il faudra prendre n tel que 1 − n5 ≥ 0.9, c’est
à dire par exemple n = 50.
Remarque 23. Cette même probabilité peut être calculée à la main sous la forme d’une
somme. Après tout, on connaît la loi de X. On s’aperçoit qu’en fait il suffit de prendre
n = 9 pour que la probabilité cherchée soit supérieure à 0.9. L’inégalité de Bienaymé-
Tchebychev est loin d’être optimale, mais elle a l’incommensurable avantage d’être vraie
pour TOUTES les variables aléatoires réelles, quelle que soit leur loi.
Proposition 28. Proposition[Loi faible des grands nombres]

Soit (Xn )n≥1 une suite de variables aléatoires indépendantes de même loi, d’espérance
m et d’écart-type σ. Pour tout n ≥ 1, soit
1
Yn = (X1 + . . . + Xn )
n
Soit ε > 0. Alors,
P (|Yn − m| < ε) −→ 1
n→∞
Démonstration. Par la linéarité de l’espérance, on a

n
1X
E(Yn ) = E(Xk ) = m
n
k=1
Anticipons un peu sur les propriétés de la variance. Nous montrerons à la fin du chapitre
que si X1 , . . . , Xn sont n variables aléatoires réelles indépendantes, alors
n n
!
X X
V Xk = V (Xk )
k=1 k=1
Ainsi,
n
!
1 X
V (Y ) = V Xk
n2
k=1
n
1 X
= V (Xk )
n2
k=1
σ2
=
n
Appliquons maintenant l’inégalité de Bienaymé-Tchebychev à Yn . On a
V (Yn ) σ2
P (|Yn − m| ≥ ε) ≤ =
ε2 nε2
Ainsi,
P (|Yn − m| ≥ ε) −→ 0
n→∞
d’où le résultat, puisque
P (|Yn − m| < ε) = 1 − P (|Yn − m| ≥ ε)

Remarque 24. Regardons un cas particulier de ce théorème, en prenant pour les Xn des
variables aléatoires indépendantes suivant une même loi de Bernoulli de paramètre p. Soit
A un événement de probabilité p. L’événement A représente le succès d’une expérience
aléatoire. On réalise n fois cette expérience, et on appelle ns le nombre de succès, de sorte
que
ns = X1 + . . . + Xn
On a alors, pour tout ε > 0,
ns
P( − p < ε) → 1
n
lorsque n tend vers l’infini. Le quotient nns tend donc d’une certaine façon vers p (c’est ce
qu’on appelle la convergence en probabilité), ce que l’on mourait d’envie de savoir depuis le
début du chapitre précédent. On peut en réalité faire mieux que cela (il s’agit entre autres
de la loi forte des grands nombres), mais ceci est une autre histoire.
6.5 Covariance
Définition 14. Soient X et Y deux variables aléatoires réelles. On appelle covariance

de X et Y le réel
Cov(X, Y ) = E((X − E(X))(Y − E(Y )))
Proposition 29. On a Cov(X, Y ) = E(XY ) − E(X)E(Y ).
Corollaire 30. Soient X et Y deux variables aléatoires réelles indépendantes. On a

Cov(X, Y ) = 0.
Démonstration. On développe et on utilise la linéarité de l’espérance. Quant au corol-

laire, rappelons que si nos variables aléatoires sont indépendantes, l’espérance du produit
est le produit des espérances. La covariance mesure donc d’une certaine façon le « degré
de non indépendance » de X et Y .
Remarque 25. Soit X une variable aléatoire prenant les valeurs −1, 0, 1 selon une loi
uniforme. Soit Y = X 2 . On vérifie facilement que X et Y ne sont pas indépendantes. Par
exemple, P (X = −1, Y = 0) = 0 mais P (X = −1)P (Y = 0) = 91 . On a XY = X 3 = X
donc E(XY ) = E(X) = 0. Et E(X)E(Y ) = 0 donc Cov(X, Y ) = 0. La réciproque de la
proposition ci-dessus est donc fausse.
Remarquons que nous n’avons pas eu besoin de calculer E(Y ). Cela dit, E(Y ) = E(X 2 ) =
V (X) = 23 (loi uniforme).
Exemple. On lance trois dés équitables. Soit X la somme des deux premiers dés et Y la
somme des deux derniers dés. Quelle est la covariance de X et Y ? Il nous faudrait pour
l’instant calculer la loi du couple (X, Y ). Faisable, mais pénible. Attendons un peu . . .
6.6 Quelques propriétés de la covariance
Proposition 31. Soient X, Y , Z des variables aléatoires réelles, α, β, γ, δ quatre

réels. On a
• Cov(X, Y ) = Cov(Y, X).
• Cov(X, X) = V (X).
• Cov(αX + β, γY + δ) = αγCov(X, Y ).
• Cov(X + Y, Z) = Cov(X, Z) + Cov(Y, Z) et de même à droite.
• |Cov(X, Y )| ≤ σ(X)σ(Y ).
Démonstration. Seul le dernier point mérite qu’on s’y attarde. Considérons la fonction
f : R → R définie par
f (t) = E((X + tY )2 )
Remarquons que f ≥ 0. On a pour tout réel t,
f (t) = E(t2 Y 2 + 2tXY + X 2 ) = t2 E(Y 2 ) + 2tE(XY ) + E(X 2 )
La fonction f est donc une fonction polynomiale de degré inférieur ou égal à 2. Deux cas
se présentent.
• E(Y 2 ) 6= 0, c’est à dire que Y n’est pas presque sûrement nulle. f est de degré 2 et
de signe constant, son discriminant est donc négatif ou nul :
E(XY )2 − E(X 2 )E(Y 2 ) ≤ 0
d’où
E(XY )2 ≤ E(X 2 )E(Y 2 )
Mettons maintenant X − E(X) et Y − E(Y ) à la place de X et Y . On obtient que

si Y n’est pas presque sûrement constante,
Cov(XY )2 ≤ V (X)V (Y )
d’où le résultat en passant à la racine carrée.

• E(Y 2 ) = 0, c’est à dire Y est constante presque sûrement. f est alors affine et
positive, donc constante. Son coefficient de degré 1 est donc nul : E(XY ) = 0.
Cette fois-ci, E(XY )2 = E(X 2 )E(Y 2 ) = 0. En faisant comme dans le premier cas,
on obtient que si Y est presque sûrement constante,
Cov(XY )2 = V (X)V (Y ) = 0
Proposition 32. Soient X, Y deux variables aléatoires réelles. On a
|Cov(X, Y )| = σ(X)σ(Y )
si et seulement si il existe trois réels a, b, c, (a, b) 6= (0, 0), tels que
aX + bY + c = 0
presque sûrement.
Démonstration.
• Supposons aX + bY + c = 0 presque sûrement, où a, b, c ∈ R et, par exemple, a 6= 0.

On a donc
X = βY + γ
où β = − ab et γ = − ac . De là,
V (X)V (Y ) = V (βY + γ)V (Y ) = β 2 V (Y )2
et
Cov(X, Y ) = E((X − E(X))(Y − E(Y ))) = E(β(Y − E(Y ))2 ) = βV (Y )
On a donc bien l’égalité.

• Supposons inversement que |Cov(X, Y )| = σ(X)σ(Y ). Deux cas se présentent.
? Y est constante presque sûrement, égale p.s. à un réel γ. On a alors
0X + 1Y − γ = 0
presque sûrement.
? Y n’est pas est constante presque sûrement. On reprend la démonstration de la
proposition précédente. Le déterminant de la fonction polynomiale f de degré 2
est nul, c’est à dire que f admet une racine (double). Il existe donc t ∈ R tel
que f (t) = 0, c’est à dire
E((X − E(X) + t(Y − E(Y )))2 ) = 0
On en déduit que la variable aléatoire X − E(X) + t(Y − E(Y )) est nulle presque
sûrement, ou encore
X + tY − (E(X) + tE(Y )) = 0
presque sûrement. D’où le résultat en posant a = 1, b = t et c = −E(X)−tE(Y ).

Exemple. On reprend l’exemple du lancer de 3 dés. X et Y sont respectivement la somme
des deux premiers dés et la somme des deux derniers dés. La bilinéarité de la covariance
permet de calculer très simplement Cov(X, Y ). En effet, soient A, B, C les valeurs des 3
dés. Les variables A, B, C sont indépendantes et on a X = A + B et Y = B + C. D’où
Cov(X, Y ) = Cov(A + B, B + C)
= Cov(A, B) + Cov(A, C) + Cov(B, B) + Cov(B, C)
= Cov(A, B) + Cov(A, C) + Cov(B, C) + V (B)
Les trois covariances sont nulles puisque les variables aléatoires sont indépendantes. Et B
suit une loi uniforme, donc
62 − 1 35
V (B) = =
12 12
35
Ainsi, Cov(X, Y ) = 12 .
35
Remarquons que l’inégalité de Schwarz est bien vérifiée, puisque Cov(X, Y ) = 12 alors que
σ(X)σ(Y ) = σ(X)2 = 356 .
Remarque 26. Toute ressemblance avec les propriété des produits scalaires est non
fortuite. Mais Cov n’est pas un produit scalaire. C’est une forme bilinéaire symétrique
positive (sur quel espace ?). En revanche, Cov(X, X) = 0 si et seulement si V (X) = 0 c’est
à dire si et seulement si X est constante presque sûrement. Mais pas nulle !
6.7 Variance d’une somme de variables aléatoires
Les ressemblances avec les produits scalaires ne s’arrêtent pas là. Nous allons montrer deux
égalités qui correspondent, dans les espaces préhilbertiens, aux identités de polarisation.
Proposition 33. Soient X et Y deux variables aléatoires réelles. On a

• V (X + Y ) = V (X) + V (Y ) + 2Cov(X, Y ).
• V (X − Y ) = V (X) + V (Y ) − 2Cov(X, Y ).
Proposition 34. Si X1 , . . . , Xn sont n variables aléatoires réelles, on a

X
V (X1 + . . . + Xn ) = V (X1 ) + . . . + V (Xn ) + 2 Cov(Xi , Xj )
1≤i<j≤n
Démonstration. On fait la démonstration pour deux variables aléatoires. Pour n va-

riables, c’est pareil. La deuxième égalité se déduit de la première en changeant Y en −Y .
Concentrons-nous sur la première. On a
V (X + Y ) = Cov(X + Y, X + Y )
= Cov(X, X) + 2Cov(X, Y ) + Cov(Y, Y )
par bilinéarité et symétrie. D’où l’égalité.
Corollaire 35. Soient X et Y deux variables aléatoires réelles indépendantes. On a
V (X + Y ) = V (X) + V (Y )
Démonstration. C’est évident, puisque dans ce cas Cov(X, Y ) = 0.

Exemple. Exemple du lancer de deux dés. Soit X = A + B la somme des valeurs des
deux dés. Les variables aléatoires A et B sont indépendantes, donc
35 35 35
V (X) = V (A) + V (B) = + =
12 12 6
La morale de l’histoire, c’est que si on connaît espérance et variance du lancer de 1 dé, on
peut calculer sans aucun effort espérance et variance du lancer de deux dés, trois dés, etc..
Corollaire 36. Soit n ≥ 1. Soit p ∈ [0, 1]. Soit X une variable aléatoire suivant la loi
binomiale B(n, p). On a
V (X) = np(1 − p)
Démonstration. Car X suit la même loi que la somme de n variables aléatoires indé-
pendantes suivant la loi de Bernoulli B(p). On peut donc additionner les variances.
6.8 La loi hypergéométrique
Pour finir en beauté, nous allons calculer la variance de la loi hypergéométrique. Remettons
d’abord toutes les notations en place. Une urne contient N ≥ 2 boules, dont r sont rouges
et v = N − r sont vertes. Soit 1 ≤ n ≤ N . On effectue n tirages sans remise dans l’urne.
Choisissons pour univers Ω l’ensemble des n-uplets d’entiers distincts de l’ensemble J1, N K.
Munissons Ω de la probabilité P uniforme.
Pour k ∈ J1, nK, soit Xk : Ω → {0, 1} définie par Xk (x1 , . . . , xn ) = 1 si xk est rouge, et
0 sinon. On peut par exemple convenir que x est rouge si 1 ≤ x ≤ r, et x est vert si
r + 1 ≤ x ≤ N . Notons enfin
Xn
S= Xk
k=1
Nous avons déjà vu que les variables aléatoires Xk suivent une loi de Bernoulli de paramètre
p = Nr . Nous avons donc E(Xk ) = Nr . Il en résulte que
n
X nr
E(S) = E(Xk ) =
N
k=1
Quelle est la variance de S ? Nous avons

n
X X
V (S) = V (Xk ) + 2 Cov(Xi , Xj )
k=1 1≤i<j≤n
r(N −r)
Les variances des Xk nous sont connues, elles valent p(1 − p) = N2
. Il reste à calculer
les covariances.
Commençons par remarquer le fait suivant : Soient 1 ≤ i < j ≤ n. La fonction
(x1 , x2 , . . . xn ) 7→ (xi , xj , . . . , xn )
qui échange x1 et xi , ainsi que x2 et xj , est une bijection de Ω sur Ω. Les événements
{X1 = 1, X2 = 1} et {Xi = 1, Xj = 1} sont donc en bijection. Comme la probabilité P est
la probabilité uniforme, ces deux événements ont la même probabilité. Or,
P (Xi = 1, Xj = 1) = P (Xi Xj = 1) = E(Xi Xj )
puisque la variable aléatoire Xi Xj suit une loi de Bernoulli (elle ne prend que 0 et 1 pour
valeurs). Ainsi,
E(Xi Xj ) = E(X1 X2 )
et donc
Cov(Xi , Xj ) = Cov(X1 , X2 ) = E(X1 X2 ) − E(X1 )E(X2 )
Que vaut E(X1 X2 ) ?
r−1 r
E(X1 X2 ) = P (X1 = 1, X2 = 1) = P (X2 = 1|X1 = 1)P (X1 = 1) =
N −1N
et donc
r−1 r r r r(N − r)
Cov(X1 , X2 ) = − =− 2
N −1N NN N (N − 1)
Remarquons enfin que le nombre de couples (i, j) tels que 1 ≤ i < j ≤ n est 21 n(n − 1). De
là,
1
V (S) = nV (X1 ) + 2 n(n − 1)Cov(X1 , X2 )
2
nr(N − r) r(N − r)
= − n(n − 1) 2
N2 N (N − 1)

r r n(n − 1)
= n (1 − ) 1 −
N N N (N − 1)
= λnp(1 − p)
où
n(n − 1)
λ=1−
N (N − 1)
Nous constatons que cette variance est inférieure à celle que nous aurions obtenue pour un
tirage avec remise. Nous voyons également que si n est petit devant N , λ ' 1 et la variance
de S s’approche alors de la variance np(1 − p) de la loi binomiale du tirage sans remise.
Enfi, si n = N , on a V (S) = 0 ce qui est normal puisque dans ce cas S est constante égale
à r (si on retire toutes les boules de l’urne, le nombre de boules rouges tirées est constant
égal à r).
Chapitre 32
Espaces préhilbertiens
583
584 CHAPITRE 32. ESPACES PRÉHILBERTIENS
1 Produits scalaires
1.1 Notion de produit scalaire
Définition 1. Soit E un R-espace vectoriel. On appelle produit scalaire sur E toute

application ϕ : E × E −→ R vérifiant :
• ϕ est bilinéaire.
• ϕ est symétrique : ∀x, y ∈ E, ϕ(x, y) = ϕ(y, x).
• ϕ est « positive » : ∀x ∈ E, ϕ(x, x) ≥ 0.
• ϕ est « définie » : ∀x ∈ E, ϕ(x, x) = 0 ⇒ x = 0.
Notation. Les produits scalaires sont notés de beaucoup de façons : x.y ou (x|y) ou
< x, y >, etc. Dans la suite, nous utiliserons la notation < •, • >.
Exemple.
• Prenons E = Rn . Le produit scalaire canonique sur E est
n
X
< x, y >= xk yk
k=1
• Prenons E = C 0 ([a, b]), où a = f (x)g(x) dx
−1
• Prenons E = R[X] :
Z 1
< P, Q >= P (x)Q(x) dx
−1
• Prenons E = Mn (R) :
< A, B >= tr(AT B)
Le lecteur est invité à vérifier que l’on a bien là des produits scalaires.
Exercice. Trouver tous les produits scalaires sur Rn pour n = 1 et n = 2.
Pour n = 1, c’est immédiat. Soit E un R-espace vectoriel de dimension 1. Soit e un vecteur
non nul de E. Soit <, > un produit scalaire sur E. On a pour tous x, y ∈ R,
< xe, ye >= xy < e, e >= λxy
où λ =< e, e >> 0. Inversement, pour tout λ > 0, la fonction (xe, ye) 7→ λxy est clairement
un produit scalaire sur E.
1. PRODUITS SCALAIRES 585
Prenons maintenant un R espace vectoriel E de dimension 2. Soit B = (e1 , e2 ) une base

de E. Soit <, > un produit scalaire sur E. Soient u, v ∈ E. Écrivons u = xe1 + ye2 et
v = x0 e1 + y 0 e2 . Il vient, par bilinéarité et symétrie,
< u, v > = xx0 < e1 , e1 > +(xy 0 + x0 y) < e1 , e2 > +yy 0 < e2 , e2 >
= axx0 + b(xy 0 + x0 y) + cyy 0
où a =< e1 , e1 >, b =< e1 , e2 > et c =< e2 , e2 >. En particulier,
< u, u >= ax2 + 2bxy + cy 2
Par la « positivité » et la « définition », a > 0 et c > 0. Toujours par ces deux propriétés,
on a pour tous x, y ∈ R,
ax2 + 2bxy + cy 2 ≥ 0
avec nullité si et seulement si x = y = 0. Cette contrainte est évidemment très forte.
Prenant y = 1, en particulier on obtient pour tout x ∈ R,
ax2 + 2bx + c > 0
On a donc un trinôme du second degré qui ne s’annule pas. Cela impose b2 − ac < 0.
On laisse au lecteur de vérifier la réciproque. En résumé, les produits scalaires sur E sont
les fonctions de la forme
(u, v) 7→ axx0 + b(xy 0 + x0 y) + cyy 0
où
a > 0, c > 0, b2 − ac < 0
Définition 2. On appelle espace préhilbertien réel tout espace vectoriel réel muni
d’un produit scalaire. On appelle espace euclidien tout espace préhilbertien réel de
dimension finie .
1.2 Inégalité de Cauchy-Schwarz
Proposition 1. Inégalité de Schwarz

Soit E un espace préhilbertien réel. Alors :
• Pour tous x, y ∈ E,
√
| < x, y > | ≤ < x, x >< y, y >
• Il y a égalité si et seulement si x et y sont liés.

Démonstration.
• Si y est nul, on a égalité, ce qui prouve la proposition dans ce cas particulier.
• Supposons donc y 6= 0. Soit λ un réel. Alors,
0 ≤< x + λy, x + λy >=< x, x > +2λ < x, y > +λ2 < y, y >
On a là un trinôme du second degré qui garde un signe constant : son discriminant est
donc négatif ou nul : c’est l’inégalité de Schwarz. Si x et y sont colinéaires, l’égalité
est claire. Inversement, si il y a égalité, le trinôme ci-dessus a un discriminant nul.
Le trinôme a ainsi une racine réelle α. On a alors < x + αy, x + αy >= 0, d’où
x + αy = 0. Les vecteurs x et y sont liés.
1.3 Norme euclidienne
Définition 3. Soit E un espace vectoriel réel (ou complexe). Une norme sur E est
une application Φ : E −→ R vérifiant :
• ∀x ∈ E, Φ(x) ≥ 0.
• ∀x ∈ E, Φ(x) = 0 ⇒ x = 0.
• ∀x ∈ E, ∀λ ∈ K, Φ(λx) = |λ|Φ(x) (homogénéité).
• ∀x, y ∈ E, Φ(x + y) ≤ Φ(x) + Φ(y) (inégalité de Minkowski).
Proposition 2. Soit E un espace préhilbertien. L’application E −→ R qui à tout vec-

√
teur x ∈ E associe ||x|| = < x, x > est une norme sur E, appelée norme euclidienne
(associée au produit scalaire en question).
Démonstration. L’inégalité triangulaire est la seule des propriétés qui soit non triviale :
||x + y||2 =< x + y, x + y >= ||x||2 + ||y||2 + 2 < x, y >
On termine grâce à l’inégalité de Schwarz.

Remarque 1. L’inégalité de Schwarz s’écrit dorénavant :
| < x, y > | ≤ ||x||.||y||
On constate donc que si x et y sont non nuls, on a

< x, y >
−1 ≤ ≤1
||x||.||y||
1. PRODUITS SCALAIRES 587
Définition 4. Soient x et y deux vecteurs non nuls de l’espace préhilbertien E. On

appelle écart angulaire entre les vecteurs x et y le réel θ ∈ [0, π] défini par :
< x, y >
θ = arccos
||x||.||y||
Exercice. Montrer les propriétés suivantes :

• ||x + y|| = ||x|| + ||y|| si et seulement si x et y sont colinéaires et de même sens.
• |||x|| − ||y||| ≤ ||x − y||
Indications : Pour le premier point, reprendre la démonstration de l’inégalité triangulaire.
Puis utiliser le cas d’égalité dans l’inégalité de Schwarz. Pour le second point, écrire x =
(x − y) + y puis utiliser l’inégalité triangulaire : vous aurez fait la moitié du travail.
Définition 5. On appelle vecteur unitaire tout vecteur de norme 1.
Proposition 3. Soit E un espace préhilbertien. Tout vecteur u 6= 0 est colinéaire à

u u
exactement deux vecteurs unitaires : ||u|| et − ||u|| .
Démonstration. Soit λ ∈ R. On a
kλuk = |λkuk
Ainsi, kλuk = 1 si et seulement si

1
λ=±
kuk
1.4 Distance euclidienne
Définition 6. Soit E un ensemble non vide. On appelle distance sur E toute appli-
cation d : E × E −→ R vérifiant :
• ∀x, y ∈ E, d(x, y) ≥ 0.
• ∀x, y ∈ E, d(x, y) = 0 ⇔ x = y.
• ∀x, y ∈ E, d(x, y) = d(y, x).
• ∀x, y, z ∈ E, d(x, z) ≤ d(x, y) + d(y, z).
Proposition 4. Soit E un espace préhilbertien. L’application d : E × E −→ R définie

par d(x, y) = ||y − x|| est une distance sur E, appelée distance euclidienne (associée au
produit scalaire de E).
Démonstration. Exercice. Cela résulte facilement des propriétés de la norme.
1.5 Relations utiles
Proposition 5. On a dans tout espace préhilbertien les égalités suivantes :

• ||x + y||2 = ||x||2 + ||y||2 + 2 < x, y >
• ||x − y||2 = ||x||2 + ||y||2 − 2 < x, y >
• < x, y >= 41 (||x + y||2 − ||x − y||2 ) (identité de polarisation).
• < x, y >= 12 (||x + y||2 − ||x||2 − ||y||2 ) (identité de polarisation).
• < x, y >= 21 (−||x − y||2 + ||x||2 + ||y||2 ) (identité de polarisation).
• ||x + y||2 + ||x − y||2 = 2(||x||2 + ||y||2 ) (identité du parallélogramme).
Démonstration.
• ||x + y||2 =< x + y, x + y >= ||x||2 + ||y||2 + 2 < x, y > par bilinéarité du produit
scalaire.
• Preuve identique au premier point.
• Soustraire les égalités du premier point.
• Réarranger l’égalité du premier point.
• Réarranger l’égalité du deuxième point.
• Additionner les égalités du premier point.

Exercice. On définit sur R2 ||(x, y)|| = |x| + |y|. Vérifier que l’on a là une norme, mais
que cette norme n’est pas euclidienne.
La propriété de norme est facile à vérifier. Supposons maintenant que l’on a là une norme
euclidienne, associée à un produit scalaire < •, • > sur R2 .
Prenons u = (1, 1), v = (1, −2) et w = (−1, 1). On a
kuk = 2, kvk = 3, kwk = 2
On a aussi
ku + vk = 3, ku + wk = 2, kv + wk = 1, ku + v + wk = 1
De là, par l’identité de polarisation,
1 1
< u, w >= (ku + wk2 − kuk2 − kwk2 ) = (4 − 4 − 4) = −2
2 2
2. ORTHOGONALITÉ 589
De même,
1
< v, w >= (1 − 9 − 4) = −6
2
et donc, par bilinéarité du produit scalaire,
=< u, w > + < v, w >= −8
Mais par l’identité de polarisation,
1 1
= (ku + v + wk2 − ku + vk2 − kwk2 ) = (1 − 9 − 4) = −6
2 2
On a donc une contradiction. Ainsi, cette norme ne peut pas être une norme euclidienne.
2 Orthogonalité
2.1 Vecteurs orthogonaux
Définition 7. Vecteurs orthogonaux

Deux vecteurs x et y de l’espace préhilbertien E sont dits orthogonaux, et on note
x⊥y, lorsque < x, y >= 0.
Proposition 6. Soit E un espace préhilbertien.

• Pour tous x, y ∈ E, x⊥y ⇐⇒ y⊥x.
• Pour tout x ∈ E, x⊥x ⇐⇒ x = 0.
• Le seul vecteur orthogonal à tous les vecteurs de E est le vecteur nul.
Démonstration.
• Le produit scalaire est symétrique, donc l’orthogonalité des vecteurs est une relation
symétrique.
• x⊥x ⇐⇒ < x, x >= 0 ⇐⇒ x = 0.
• si x est orthogonal à tous les vecteurs de E il est orthogonal à lui-même. Donc il
est nul.

Définition 8. Familles orthogonales

Une famille F = (ei )i∈I de vecteurs de E est dite orthogonale lorsque :
∀i, j ∈ I, i 6= j =⇒ < ei , ej >= 0
Si, de plus, on a ∀i ∈ I, < ei , ei >= 1, on dit que la famille est orthonormée (ou
orthonormale).
Proposition 7. Théorème de Pythagore

Soit (ei )1≤i≤n une famille finie de vecteurs. Si cette famille est orthogonale, alors
n 2 n
X X
ek = kek k2
k=1 k=1
La réciproque est vraie dans le cas où n = 2.
Démonstration.
n 2 n n
X X X
ek = < ek , ek >
k=1 k=1 k=1
n
X X
= kek k2 + 2 < ei , ej >
k=1 i<j
par bilinéarité du produit scalaire.

Si la famille est orthogonale, les produits scalaires < ei , ej > sont nuls pour i 6= j. On a
donc l’égalité de Pythagore.
Pour n = 2, l’égalité ci-dessus devient
ke1 + e2 k2 = ke1 k2 + ke2 k2 + 2 < e1 , e2 >
On a l’égalité de Pythagore si et seulement si < e1 , e2 >= 0.
Proposition 8. Toute famille orthogonale de vecteurs non nuls est libre.
Démonstration. Soit (ei )i∈I ) une famille orthogonale

P de vecteurs non nuls. Soit (λi )i∈I
une famille presque nulle de réels. Supposons i∈I λi ei = 0.
Soit j ∈ I. On a, en faisant le produits scalaire par ej ,
X
< λi ei , ej >= λj < ej , ej >=< 0, ej >= 0
i∈I
D’où λj = 0 puisque ej est non nul et, donc, < ej , ej >6= 0.
2.2 Sous-ensembles orthogonaux
Définition 9. Soient A et B deux parties de E. On dit que A est orthogonale à B, et

on note A⊥B, lorsque
∀(x, y) ∈ A × B, x⊥y
On parle ainsi par exemple de deux droites orthogonales du plan ou de l’espace, ou encore
d’une droite et d’un plan orthogonaux dans R3 . En revanche, deux plans de R3 ne sont
jamais orthogonaux.
Exercice. Pourquoi ? Et est-ce que deux plans peuvent être orthogonaux en dimension
4?
2.3 Orthogonal d’une partie
Définition 10. Soit A ⊂ E. On appelle orthogonal de A l’ensemble
A⊥ = {y ∈ E, ∀x ∈ A, < x, y >= 0}
Proposition 9.
1. E ⊥ = {0} et {0}⊥ = E.
2. A et A⊥ sont orthogonaux.
3. A⊥ est un sous-espace vectoriel de E.
4. A ⊂ B ⇒ B ⊥ ⊂ A⊥
5. A⊥ =< A >⊥
6. A ⊂ A⊥⊥
Remarque 2. Nous verrons bientôt que la dernière inclusion est en fait une égalité en
dimension finie.
Démonstration.
1. 0 est le seul vecteur de E orthogonal à tous les vecteurs de E, donc E ⊥ = {0}. Tous
les vecteurs de E sont orthogonaux à 0 donc {0}⊥ = E.
2. Soit A une partie de E. Soient x ∈ A et y ∈ A⊥ . On a y⊥x donc A et A⊥ sont bien

orthogonaux.
3. A⊥ est non vide, car il contient 0. Soient x, y ∈ A⊥ et z ∈ A. Soit λ ∈ R. On a
< x, z >=< y, z >= 0, donc < λx + y, z >= λ < x, z > + < y, z >= 0.
4. Supposons A ⊂ B. Un vecteur orthogonal à tous les vecteurs de B est a fortiori
orthogonal à tous les vecteurs de A. Donc B ⊥ ⊂ A⊥ .
5. On a A ⊂< A >, donc < A >⊥ ⊂ A⊥ . Inversement, Soit y ∈ A⊥ . Il est orthogonal
à tous les vecteurs de A, donc, par bilinéarité du produit scalaire, à toutes les
combinaisons linéaires de vecters de A. Donc y ∈< A >⊥ .
6. Soit x ∈ A. On a pour tout y ∈ A⊥ , x⊥y. Donc, x ∈ A⊥⊥ .
2.4 Algorithme de Gram-Schmidt
Dans cette partie, E est un espace euclidien (de dimension n sauf mention contraire).
Proposition 10. Soit B = (e1 , . . . , en ) une base de E. Il existe une base orthogonale
B 0 = (u1 , . . . , un ) de E telle que
∀i ∈ J1, nK, Vect(e1 , . . . , ei ) = Vect(u1 , . . . , ui )
Démonstration. Posons u1 = e1 , et, pour k = 1, . . . , n − 1,
k
X < ek+1 , ui >
uk+1 = ek+1 − ui
< ui , ui >
i=1
Montrons par récurrence sur k que pour tout k ∈ J1, nK,
• u1 , . . . , uk sont non nuls.

• u1 , . . . , uk sont orthogonaux deux à deux.
• Vect(e1 , . . . , ek ) = Vect(u1 , . . . , uk )
Pour k = 1 c’est immédiat. Soit donc 1 ≤ k ≤ n − 1. Supposons la propriété vraie pour k.
• Par l’hypothèse de récurrence, u1 , . . . , uk sont combinaisons de e1 , . . . , ek . Comme la

famille B est libre, ek+1 n’est donc pas combinaison de u1 , . . . , uk . Ainsi, uk+1 6= 0.
Et par l’hypothèse de récurrence, u1 , . . . , uk ne sont pas nuls non plus.
• Soit 1 ≤ j ≤ k. Montrons que uk+1 est orthogonal à uj . Pour cela effectuons un

produit scalaire :
k
X < ek+1 , ui >
< uk+1 , uj > = < ek+1 − ui , uj >
< ui , ui >
i=1
k
X < ek+1 , ui >
= < ek+1 , uj > − < ui , uj >
< ui , ui >
i=1
Dans la somme ci-dessus, tous les termes sont nuls (orthogonalité par l’hypothèse
de récurrence), sauf lorsque i = j. Il reste donc
< ek+1 , uj >
< uk+1 , uj >=< ek+1 , uj > − < uj , uj >= 0
< uj , uj >
• Par l’hypothèse de récurrence, u1 , . . . , uk sont combinaisons linéaires de e1 , . . . , ek .

De là, l’expression de uk+1 nous dit que uk+1 , combinaison linéaire de u1 , . . . , uk , ek+1 ,
est combinaison linéaire de e1 , . . . , ek , ek+1 . Ainsi, u1 , . . . , uk+1 sont combinaisons
linéaires de e1 , . . . , ek+1 . On a donc
Vect(u1 , . . . , uk+1 ) ⊂ Vect(e1 , . . . , ek+1 )
L’inclusion réciproque se montre de façon analogue.

En prenant k = n, on obtient donc que B 0 est famille orthogonale de vecteurs non nuls de
E. C’est donc une famille libre. Comme son cardinal est la dimension de E, B 0 est bien
une base orthogonale de E.
cette famille répond aux conditions du théorème.
Remarque 3. Nous verrons bientôt que ek+1 − uk+1 n’est autre que la projection ortho-
gonale de ek+1 sur < u1 , . . . , uk >.
Corollaire 11. Tout espace euclidien possède des bases orthogonales (et même ortho-
normales).
Remarque 4. Toute famille orthogonale de vecteurs non nuls de E peut être complétée
en une base orthogonale de E : il suffit pour cela d’appliquer :
• le théorème de la base incomplète, puis
• l’algorithme de Schmidt (à partir d’un certain rang).
Exercice. Orthogonaliser la famille des trois vecteurs de l’espace, (1, 2, 3), (4, 5, 6) et
(7, 8, 8).
On reprend les notations du théorème de Gram-Schmidt. Posons e1 = (1, 2, 3), e2 = (4, 5, 6)
et e3 = (7, 8, 8). La famille B = (e1 , e2 , e3 ) est bien une base de E (calculer par exemple
son déterminant pour s’en convaincre). On a u1 = e1 = (1, 2, 3), puis

< e2 , u1 > 16 3
u2 = e2 − u1 = (4, 5, 6) − (1, 2, 3) = (4, 1, −2)
< u1 , u1 > 7 7
Inutile de s’embarasser de la fraction, prenons plutôt u2 = (4, 1, −2). Enfin,
< e3 , u1 > < e3 , u2 >
u3 = e3 − u1 − u2
< u1 , u1 > < u2 , u2 >
47 20
= (7, 8, 8) − (1, 2, 3) − (4, 1, −2)
14 21
On laisse au lecteur le soin de finir le calcul.
2.5 Conséquences
Proposition 12. Soit E un espace euclidien. Soit F un sous-espace vectoriel de E.

Alors
• F ⊕ F⊥ = E
• F ⊥⊥ = F
Démonstration. Soit (e1 , . . . , ep ) une b.o.n. de F . On la complète en une b.o.n. (e1 , . . . , en )

de E. Soit G =< ep+1 , . . . , en >. On montre facilement que G = F ⊥ .
Remarque 5. Parmi tous les supplémentaires de F , il y en a donc un qui se distingue
des autres : c’est F ⊥ , LE supplémentaire orthogonal de F .
Proposition 13. Soit E un espace euclidien. Pour tout vecteur a ∈ E, soit ϕa : E −→

R définie par ϕa (x) =< a, x >. L’application ϕ : a 7−→ ϕa est un isomorphisme de E
sur son dual E ∗ .
Démonstration. L’application ϕ est clairement linéaire, et aboutit bien dans E ∗ . De plus,

si a ∈ ker ϕ, alors, a est orthogonal à tous les vecteurs de E, donc a = 0 : l’application ϕ
est injective. En raison de l’égalité des dimensions de E et E ∗ , ϕ est donc un isomorphisme
d’espaces vectoriels.
Remarque 6. Ce résultat a priori abstrait est intéressant lorsqu’on le relie à ce que l’on
sait sur les hyperplans et les formes linéaires. Rappelons que les hyperplans de E sont
les noyaux des formes linéaires non nulles sur E. Or, le noyau de la forme linéaire ϕa est
l’orthogonal de la droite Vect(a).
Encore plus concrètement, plaçons nous dans R3 et considérons le plan d’équation
(P ) x − 2y + 3z = 0
Soit a = (1, −2, 3). Le vecteur u est dans P si et seulement si ϕa (u) =< a, u >= 0. Bref,
le théorème ci-dessus est une façon très abstraite d’exprimer que P est l’orthogonal de la
droite D = Vect(a).
2.6 Calculs en bases orthonormées
Proposition 14. Soit E un espace euclidien. Soit B = (e1 , . . . , en ) une base ortho-
normée de E. Soient x, y ∈ E de coordonnées xi , yi dans la base B. On a alors
• xi =< x, eiP
>
• < x, y >=
P 2 x i yi
2
• ||x|| = xi
En définitive, tous les calculs sont identiques à ceux que l’on ferait dans Rn muni du produit
scalaire canonique.
Démonstration. Soit n est la dimension de E. La base B étant orthonormée, on a
∀i, j ∈ J1, nK < ei , ej >= δij
où δij , le symbole de Kronecker, vaut 0 si i 6= j et 1 si i = j.

• Soit i ∈ J1, nK. On a
n
X n
X n
X
< x, ei >=< xj ej , ei >= xj < ej , ei >= xj δji = xi
j=1 j=1 j=1
• On a
n
X n
X n
X n
X n
X
< x, y >=< xi e i , yj ej >= xi yj < ei , ej >= xi yj δij = xi yi
i=1 j=1 i,j=1 i,j=1 i=1
• L’égalité ||x||2 = x2i est une conséquence du point précédent (prendre y = x).
P

Remarque 7. En base orthogonale, ces formules se compliquent un peu parce que les
normes kei k ne sont plus égales à 1. On a alors (exercice)
• xi = <x,e i>
kei k2 P
• < x, y >= 2
2
P ke2 i k2 xi yi
• ||x|| = kei k xi
Exercice. Que deviennent ces formules dans une base quelconque ?
3 Projecteurs orthogonaux - Symétries orthogonales
3.1 Définitions
Définition 11. Soit F un sous-espace vectoriel de l’espace euclidien E. Le projecteur

orthogonal sur F est le projecteur sur F parallèlement à F ⊥ . De même, la symétrie
orthogonale par rapport à F est la symétrie par rapport à F parallèlement à F ⊥ .
Remarque 8. Supposons donnée une base orthogonale de F , F = (u1 , . . . , uk ). Soit x un

vecteur de E et pF (x) son projeté orthogonal sur F . Alors,
k
X < x, ui >
pF (x) = ui
< ui , ui >
i=1
On reconnaît là les expressions qui intervenaient dans l’algorithme de Schmidt.

Bien entendu, si la base est orthonormée, tout ceci se simplifie et devient :
k
X
pF (x) = < x, ui > ui
i=1
3.2 Cas particuliers
Soit D =< e > où e est un vecteur non nul. Alors

< x, e >
pD (x) = e
||e||2
Soit H = e⊥ un hyperplan de E. Alors

< x, e >
pH (x) = x − e
||e||2
puisque pD + pH = idE .
Il est donc immédiat de calculer un projeté orthogonal sur une droite ou sur un hyperplan.
3.3 Distance d’un vecteur à un sous-espace vectoriel

3. PROJECTEURS ORTHOGONAUX - SYMÉTRIES ORTHOGONALES 597
Proposition 15. Soit F un sous-espace vectoriel de l’espace euclidien E. Soit x ∈ E.

Soit p(x) le projeté orthogonal de x sur F . On a alors
• ∀y ∈ F, d(x, y) ≥ d(x, p(x)).
• ∀y ∈ F, d(x, y) = d(x, p(x)) ⇒ y = p(x).
En clair, p(x), et lui seul, réalise le minimum de distance entre x et les vecteurs de F .
Démonstration. Soit y ∈ F . On a
y − x = (y − p(x)) + (p(x) − x)
Comme x − p(x) ∈ F ⊥ et y − p(x) ∈ F , ces deux vecteurs sont orthogonaux. Ainsi, par
Pythagore,
||y − x||2 = ||y − p(x)||2 + ||p(x) − x||2
ou encore d(x, y)2 = d(x, p(x))2 + d(p(x), y)2 . Comme un carré est positif, on a donc
d(x, y)2 ≥ d(x, p(x))2 . Et comme seul le carré de 0 est nul, on a égalité si et seulement si
d(p(x), y) = 0, c’est à dire y = p(x).
Définition 12. On appelle distance de x à F la quantité d(x, F ) = ||x − p(x)||.
Exemple. En reprenant les expressions du projeté sur un hyperplan et une droite vus un
peu plus haut, on obtient que
• Si H = e⊥ est un hyperplan de E, alors
< x, e >
d(x, H) =
||e||
• Si D =< e > est une droite vectorielle, alors
2
< x, e >
d(x, D)2 = x − e
||e||2
Développons cette expression. On a
< x, e > < x, e >
d(x, D)2 = < x − e, x − e>
||e||2 ||e||2
< x, e > < x, e > 2
= kxk2 − 2 < x, e > +k ek
||e||2 ||e||2
< x, e >2
= kxk2 −
||e||2
1
kxk2 kek2 − < x, e >2

= 2
kek
Ainsi, p
||x||2 ||e||2 − < x, e >2
d(x, D) =
||e||
Chapitre 33
Endomorphismes orthogonaux
599
600 CHAPITRE 33. ENDOMORPHISMES ORTHOGONAUX
1 Généralités
Dans tout le chapitre, (E, <, >) désigne un espace euclidien.
1.1 Notion d’endomorphisme orthogonal
Définition 1. Soit f un endomorphisme de E. On dit que f est un endomorphisme

orthogonal lorsque f conserve les produits scalaires, c’est à dire :
∀x, y ∈ E, < f (x), f (y) >=< x, y >
Remarque 1. En fait, la linéarité résulte de la conservation des produits scalaires. En

effet, soit f : E → E conservant les produits scalaires. Soit B = (e1 , . . . , en ) une base
orthonormée de E. On a pour tous i, j,
< f (ei ), f (ej ) >=< ei , ej >= δij
Donc la famille B 0 = f (B) est une base orthonormée de E.
Soient maintenant x, y ∈ E et i ∈ J1, nK. Soit
X =< f (x + y) − f (x) − f (y), f (ei ) >
On a
X =< f (x + y), f (ei ) > − < f (x), f (ei ) > − < f (y), f (ei ) >
par bilinéarité du produit scalaire. Comme f conserve les produits scalaires, on a donc
X =< x + y, ei > − < x, ei > − < y, ei >=< x + y − x − y, ei >= 0
Le vecteur f (x + y) − f (x) − f (y) est donc orthogonal à tous les vecteurs d’une base de E,
et donc, par linéarité, à tous les vecteurs de E. Ainsi, f (x + y) = f (x) + f (y). On démontre
de façon analogue que pour tout vecteur x de E et tout réel λ, on a f (λx) = λf (x).
Exemple. Les symétries orthogonales sont un exemple important. Soit F un sous-espace
vectoriel de E. Soit s la symétrie par rapport à F , parallèlement à F ⊥ . Alors, s est un
endomorphisme orthogonal de E. En effet, soient x = x0 + x00 et y = y 0 + y 00 deux vecteurs
de E décomposés suivant F ⊕ F ⊥ . On a f (x) = x0 − x00 et f (y) = y 0 − y 00 . D’où
< f (x), f (y) >=< x0 , y 0 > + < x00 , y 00 >
car les produits scalaires des « primes » par les « secondes » sont nuls. Mais cette quantité
est aussi < x, y >.
Définition 2. Une symétrie orthogonale par rapport à un hyperplan est appelée une
réflexion. Une symétrie orthogonale par rapport à un sous-espace vectoriel de dimension
n − 2 (où n est la dimension de E) est appelée un demi-tour.
Remarque 2. Le déterminant d’une réflexion vaut −1. Celui d’un demi-tour est égal à
1.
Notation. On note O(E) l’ensemble des endomorphismes orthogonaux de E.
1.2 Propriétés élémentaires
Proposition 1. L’ensemble O(E), muni de la loi ◦, est un groupe, sous-groupe de

GL(E).
Démonstration. On a vu un peu plus haut qu’une base orthonormée était transformée

par un endomorphisme orthogonal en une base orthonormée. Un endomorphisme orthogo-
nal est donc un automorphisme. De plus, idE est clairement dans O(E). Enfin, O(E) est
stable par composition et réciproque.
Proposition 2. Soit f ∈ L(E). Alors, f ∈ O(E) si et seulement si f conserve la

norme euclidienne :
∀x ∈ E, ||f (x)|| = ||x||
Démonstration. Si f conserve les produits scalaires, elle conserve évidemment la norme

euclidienne. Inversement, supposons que f conserve la norme. On a pour tous vecteurs
x, y ∈ E
1
< f (x), f (y) >= (||f (x) + f (y)||2 − ||f (x) − f (y)||2 )
4
La linéarité de f et la conservation de la norme permettent de conclure.
Proposition 3. Soit f ∈ O(E). On a pour tous x, y ∈ E,
d(f (x), f (y)) = d(x, y)
Les endomorphismes orthogonaux sont des isométries (vectorielles).
Démonstration. Une distance est la norme d’une différence, et les endomorphismes

orthogonaux conservent la norme.
Remarque 3. La réciproque est fausse : par exemple, les translations conservent les
distances mais ne sont pas linéaires. On peut montrer en revanche que si f conserve les
distances et f (0) = 0, alors f ∈ O(E). Nous laissons ce résultat en exercice.
Proposition 4. On rappelle que l’écart angulaire entre deux vecteurs non nuls x et y
est l’unique réel θ ∈ [0, π] tel que
< x, y >
cos θ =
||x||||y||
Les endomorphismes orthogonaux conservent les écarts angulaires.
Démonstration. Un endomorphisme orthogonal conserve le produit scalaire et la norme.

1.3 Endomorphismes orthogonaux et bases orthonormées
Proposition 5. Soit B une base orthonormée de E. Soit f ∈ L(E). Alors, f ∈ O(E)

si et seulement si f (B) est une base orthonormée de E.
Démonstration. Si f ∈ O(E), alors f conserve les produits scalaires, donc les vecteurs
orthogonaux. f conserve également la norme, donc les vecteurs unitaires. Donc f conserve
les bases orthonormées.
Inversement, supposons que f (B) = B 0 où B et B 0 sont deux bases orthonormées de E.

Avec des notations évidentes, on a alors pour tous indices i et j,
< f (ei ), f (ej ) >= δij =< ei , ej >
Mais cela entraîne que pour tous vecteurs x et y de E,

X
< f (x), f (y) > = xi yj < f (ei ), f (ej ) >
i,j
X
= xi yj < ei , ej >
i,j
= < x, y >
L’application f conserve bien les produits scalaires.

1.4 Matrices orthogonales
Proposition 6. Soit f ∈ L(E). Soit B une base orthonormée de E. Soit M = matB f .

Les assertions suivantes sont équivalentes :
• tM M = I
• M tM = I
• M est inversible et M −1 = t M
• Les colonnes de M , vues comme vecteurs de Rn , forment une base orthonormée
de Rn .
• f ∈ O(E)
Démonstration. L’équivalence des trois premiers points est un résultat connu : une
matrice carrée est inversible à gauche si et seulement si elle est inversible à droite, et
inverse à gauche et à droite sont alors uniques et égaux (à l’inverse de la matrice).
Le premier et le quatrième point sont clairement équivalents : à la ligne i, colonne j de
t M M , on trouve justement le produit scalaire des colonnes i et j de la matrice M .
Enfin, le quatrième et le cinquième point sont équivalents, puisque f est un endomor-

phisme orthogonal si et seulement si f (B) est une base orthonormée de E, c’est-à-dire si
et seulement si les colonnes de M sont unitaires et orthogonales deux à deux.
Proposition 7. On appelle matrice orthogonale toute matrice M ∈ Mn (R) telle

que t M M = I ou, ce qui est équivalent, M t M = I, ou encore M est inversible et
M −1 = t M .
Notation. On note On (R) l’ensemble des matrices orthogonales n × n.

Exemple. Fabriquons une matrice orthogonale 3 × 3. Cela revient à fabriquer une base
orthonormée de R3 pour le produit scalaire canonique. Par exemple, la matrice
 √ 
3 1 √6
1
M=  √ 1 √3 − 6 
4
− 6 6 2
convient car ses colonnes sont de norme 1, et orthogonales deux à deux (le vérifier !).
Proposition 8. L’ensemble On (R) est un groupe pour la multiplication matricielle,

sous-groupe de GLn (R). Ce groupe est isomorphe à O(E) lorsque n = dim E.
Démonstration. Soit B une base orthonormée de E. L’application Φ : O(E) → On (R)

définie par Φ(f ) = matB f est un isomorphisme de groupes.
Proposition 9. Soit M ∈ On (R). Alors, det M = ±1.
Démonstration. C’est une conséquence immédiate de t M M = I.
Proposition 10. Les ensembles SO(E) et SOn (R) formés respectivement des endo-
morphismes orthogonaux de déterminant 1 et des matrices orthogonales de déterminant
1 sont des groupes. Ces deux groupes sont isomorphes. On les appelle respectivement
le groupe spécial-orthogonal de E et le groupe spécial-orthogonal d’ordre n.
Démonstration. Ce sont des groupes, car ce sont les noyaux du morphisme « déterminant
». Ils sont isomorphes par le même isomorphisme que celui vu un peu avant.
Définition 3. On appelle rotations les éléments de SO(E).
Remarque 4. On ne voit pas pourquoi. C’est normal. Le reste du chapitre consiste à

essayer de s’en faire une idée en dimensions 2 et 3.
1.5 Produit mixte
E désigne un espace euclidien orienté de dimension n.
0
Proposition 11. Soient B, B 0 deux bases de E. Soit P = PBB la matrice de passage
de B à B 0 . Soient x1 , . . . , xn n vecteurs de E. Soient U = matB (x1 , . . . , xn ) et U 0 =
matB0 (x1 , . . . , xn ). On a
U = PU0
Démonstration. Soient X1 , X10 les matrices respectives de x1 dans les bases B et B 0 .

On a X1 = P X10 . Ainsi, la première colonne de la matrice U est la première colonne de la
matrice P U 0 . Il en est de même pour les n − 1 autres colonnes.
Corollaire 12. Avec les notations ci-dessus, on a
det(x1 , . . . , xn ) = det P det

0
(x1 , . . . , xn )
B B
2. LE GROUPE ORTHOGONAL DU PLAN 605
Corollaire 13. Le déterminant detB (x1 , . . . , xn ) est le même dans toutes les bases
orthonormées directes B.
Démonstration. La matrice de passage d’une b.o.n.d à une autre b.o.n.d est une matrice
de rotation. Son déterminant est donc égal à 1.
Définition 4. On appelle produit mixte des vecteurs x1 , . . . , xn , et on note [x1 , . . . , xn ]

le déterminant des vecteurs x1 , . . . , xn dans n’importe quelle b.o.n.d de E. Ainsi,
[x1 , . . . , xn ] = det(x1 , . . . , xn )
B
où B est n’importe quelle b.o.n.d. d eE.
Exemple. Soit (e1 , . . . , en ) une b.o.n.d de E. On a [e1 , . . . , en ] = 1. En effet, c’est le

déterminant de la base dans n’importe quelle b.o.n.d, par exemple elle-même. En revanche,
le produit mixte des vecteurs d’une b.o.n.i vaut −1.
2 Le groupe orthogonal du plan
On se donne dans cette section f ∈ O(E), où E est un plan euclidien orienté. On suppose
fixée une base orthonormée B de E. On appelle M la matrice de f dans cette base. La
a c
matrice M est donc orthogonale. Posons M = .
b d
2.1 Recherche des matrices orthogonales
On écrit t M M = I. Cela fournit le système

 2
 a + b2 = 1
ac + bd = 0
 2
c + d2 = 1
Les deux premières égalités nous disent qu’il existe des réels θ et ϕ tels que a = cos θ,
b = sin θ, c = cos ϕ,d = sin ϕ. La seconde égalié montre qu’alors cos(ϕ − θ) = 0. Deux cas
se présentent :
• Si ϕ ≡ θ + π/2 mod (2π), alors

cos θ − sin θ
M=
sin θ cos θ
On voit qu’alors det M = 1, c’est à dire que M ∈ SO2 (R) et f ∈ SO(E).

• Si ϕ ≡ θ − π/2 mod (2π), alors

cos θ sin θ
M=
sin θ − cos θ
On voit qu’alors det M = −1.
2.2 Étude des endomorphismes orthogonaux de déterminant -1
On a ici t M = M . Comme t M M = I, il vient donc M 2 = I, d’où f 2 = id. f est donc une

symétrie. On vérifie sans peine que f est la symétrie orthogonale (la réflexion) par rapport
à la droite dirigée par le vecteur de coordonnées (cos 2θ , sin 2θ ) dans la base B. Il suffit de
vérifier que ce vecteur est invariant par f est que le vecteur (− sin 2θ , cos 2θ ), orthogonal au
premier, est changé par f en son opposé.
2.3 Étude des endomorphismes orthogonaux de déterminant 1

cos θ − sin θ
Ici, f est une rotation. Notons M (θ) = . On a donc
sin θ cos θ
SO2 (R) = {M (θ), θ ∈ R}
Proposition 14. L’application φ : R → SO2 (R) définie par φ(θ) = M (θ) est un
morphisme de groupes surjectif.
Démonstration. Un simple calcul montre que pour tous θ, θ0 ∈ R,
M (θ)M (θ0 ) = M (θ + θ0 )
D’où la propriété de morphisme. Cette application est surjective par définition même de
SO2 (R). Remarquons enfin que M (θ) = I si et seulement si θ ∈ 2πZ. Notre morphisme a
donc l’ensemble 2πZ pour noyau, et n’est donc pas un isomorphisme.
Si l’on veut fabriquer un isomorphisme entre SO2 (R) et un groupe connu, il nous faut
quelque chose qui représenterait les réels « modulo 2π ». Cela existe : c’est par exemple le
groupe U des nombres complexes de module 1.
Proposition 15. L’application φ : U → SO2 (R) définie par φ(eiθ ) = M (θ) est un
isomorphisme de groupes.
2. LE GROUPE ORTHOGONAL DU PLAN 607
Proposition 16. Soit f une rotation de E. La matrice de f ne dépend pas de la base

orthonormée directe choisie. Elle est de la forme M (θ), où θ ∈ R est défini de façon
unique modulo 2π.
Démonstration. Soient B et B 0 deux bond de E. La matrice de f dans la base B est

M = M (θ), et celle de f dans la base B 0 est M 0 = M (θ0 ). La matrice de passage de B à
B 0 est une matrice de rotation, puisque, ces deux bases ont la même orientation. Elle est
donc de la forme P = M (ϕ) où ϕ ∈ R. Les formules de changement de base donnent alors
M 0 = P −1 M P
= M (−φ)M (θ)M (φ)
= M (−φ + θ + φ)
= M
Définition 5. Le réel θ est appelé l’angle de la rotation f , et caractérise complètement

cette rotation.
π
Exemple. Quelle est la matrice de la rotation de E d’angle 3 ? C’est
√ !
1 3
√2
− 2
3 1
2 2
2.4 Angle orienté de deux vecteurs non nuls
Proposition 17. Soient x et y deux vecteurs non nuls de E. Il existe une unique
rotation f telle que
x y
f =
||x|| ||y||
L’angle de cette rotation (défini modulo 2π) est appelé angle (orienté) entre les vecteurs
x et y.
Démonstration. On peut supposer x et y unitaires pour fairela démonstration.

Fixons
cos α
une bond de E. Dans cette base, la matrice de x est X = et celle de y est
sin α

cos β
Y = . Soit f une rotation, de matrice M (θ) dans la même base. On a f (x) = y si
sin β
et seulement si M (θ)X = Y ce qui équivaut (calcul immédiat) à θ ≡ β − α mod 2π. D’où
l’existence et l’unicité de f .
Proposition 18. Soient x et y deux vecteurs non nuls du plan. Soit θ l’angle orienté
entre x et y. On a
< x, y > = ||x||||y|| cos θ
[x, y] = ||x||||y|| sin θ
Démonstration. Immédiat, en reprenant les matrices de x et y ci-dessus.

Exemple. Dans R2 euclidien, orienté, soient u = (1, 2) et v = (3, 4). Soit θ l’angle orienté
entre u et v. On a
√
kuk = 5, kvk = 5, < u, v >= 11, [u, v] = −2
On en déduit par la proposition précédente que

√
5 √5 cos θ = 11
5 5 sin θ = −2
De la première égalité on obtient que

11
θ ≡ ± arccos √ mod (2π)
5 5
La deuxième inégalité nous dit que sin θ < 0, donc
11
θ ≡ − arccos √ mod (2π)
5 5
2.5 Générateurs du groupe orthogonal
Proposition 19. Les réflexions engendrent O(E).
Démonstration. Le produit de deux matrices de réflexion est évidemment une matrice

de rotation : en effet, deux matrices de déterminant -1 se multiplient en une matrice de
déterminant 1. Mieux, en effectuant effectivement ce calcul, on voit que l’on peut obtenir
toutes les matrices de rotation. On peut même choisir l’une des deux matrices de réflexion
de façon complètement arbitraire.
3. PRODUIT VECTORIEL 609
Par exemple, on a pour tout réel θ

cos θ sin θ 1 0 cos θ − sin θ
=
sinθ − cos θ 0 −1 sin θ cos θ
3 Produit vectoriel
Dans toute cette section, E désigne un espace euclidien orienté de dimension 3.
3.1 Notion de produit vectoriel
Proposition 20. Soient u, v ∈ E. Il existe un unique vecteur a ∈ E tel que
∀w ∈ E, [u, v, w] =< a, w >
Démonstration. L’application w 7→ [u, v, w] est une forme linéaire sur E. Et on sait que
l’application a 7→< a, . > est un isomorphisme de E sur son dual E ∗ .
Définition 6. Le vecteur a est appelé produit vectoriel de u et v et est noté u ∧ v. Il

est donc caractérisé par
∀w ∈ E, [u, v, w] =
Proposition 21. L’application (u, v) 7→ u ∧ v est bilinéaire, antisymétrique, alternée.
Démonstration. Pour tous vecteurs u, u0 , v, w, on a
< (u + u0 ) ∧ v, w > = [u + u0 , v, w]
= [u, v, w] + [u0 , v, w]
= + < u0 ∧ v, w >
= 
D’où
(u + u0 ) ∧ v = u ∧ v + u0 ∧ v
De même pour toutes les autres propriétés de la bilinéarité.

Pour l’antisymétrie, [v, u, w] = −[u, v, w] donc < v ∧ u, w >=< −u ∧ v, w > d’où v ∧ u =
−u ∧ v. Pour l’alternance, prendre v = u dans l’antisymétrie.
3.2 Propriétés essentielles
Proposition 22. Soient u, v ∈ E. On a u ∧ v = 0 si et seulement si u et v sont

colinéaires.
Démonstration. u ∧ v = 0 si et seulement si u ∧ v est orthogonal à tous les vecteurs w

de E c’est à dire ∀w ∈ E, [u, v, w] = 0 ou encore ∀w ∈ E, (u, v, w) est liée. Si (u, v) est liée,
c’est bien le cas. Si (u, v) est libre, le théorème de la base incomplète fournit un vecteur w
tel que (u, v, w) soit une base de E, et donc [u, v, w] 6= 0.
Proposition 23. Soient u, v ∈ E. Le vecteur u ∧ v est orthogonal à u et à v.
Démonstration. = [u, v, u] = 0 et de même pour v.
Proposition 24. Soit (e1 , e2 , e3 ) une b.o.n.d. de E. On a
e1 ∧ e2 = e3 , e2 ∧ e3 = e1 , e3 ∧ e1 = e2
Démonstration. Le vecteur e1 ∧ e2 est orthogonal à e1 et e2 . Il appartient donc à

l’orthogonal de V ect(e1 , e2 ) = V ect(e3 ). Il existe ainsi un réel λ tel que e1 ∧ e2 = λe3 . De
là,
[e1 , e2 , e3 ] = 1 =< e1 ∧ e2 , e3 >= λ||e3 ||2 = λ
Les autres relations se montrent de façon analogue.
Remarque 5. Par antisymétrie, e2 ∧ e1 = −e3 et relations analogues. Si la base est
orthonormée indirecte, changer tous les signes.
Remarque 6. Soient u, v ∈ E deux vecteurs non colinéaires. Soit a = u ∧ v. Le vecteur
a est non nul et orthogonal à u et v. De plus,
[u, v, a] ==< a, a > > 0
Ainsi, la famille (u, v, a) est une base (pas orthogonale en général !) directe puisque son
déterminant est strictement positif. Pour caractériser complètement a, il nous faudrait sa
norme. C’est ce que nous allons faire.
3. PRODUIT VECTORIEL 611
Proposition 25. Soient u et v deux vecteurs non nuls. Soit θ l’écart angulaire entre
u et v. On a
ku ∧ vk = kukkvk sin θ
Démonstration. Supposons tout d’abord u et v unitaires. Si u et v sont liés, l’égalité

est évidente. Supposons-les donc libres. Soit
u1 = v− < v, u > u = v − cos θ u
(Gram-Schmidt). Les vecteurs u et u1 sont orthogonaux et non nuls. On a
||u1 ||2 = ||v||2 + cos2 θ||u||2 − 2 cos θ < u, v >= 1 − cos2 θ = sin2 θ
Donc
||u1 || = sin θ
Posons
u1 = sin θu0
de sorte que u0 est unitaire et orthogonal à u. On a donc
v = cos θ u + sin θ u0
Soit enfin u00 tel que (u, u0 , u00 ) soit une base orthonormée directe. On a alors
u ∧ v = u ∧ (cos θ u + sin θ u0 ) = cos θ u ∧ u + sin θ u ∧ u0 = sin θ u00
et on en tire
||u ∧ v|| = sin θ
Lorsque u et v ne sont pas forcément unitaires, il suffit de poser u = ||u||u1 , v = ||v||v1 .

Les vecteurs u1 et v1 sont unitaires, et de même écart angulaire que u et v. On a alors
||u ∧ v|| = ||u||||v||||u1 ∧ v1 || = ||u||||v|| sin θ
Corollaire 26. Pour tous vecteurs u, v ∈ E, on a
< u, v >2 +||u ∧ v||2 = ||u||2 ||v||2
Démonstration. Si u ou v est nul, c’est évident. Sinon, il suffit d’écrire

< u, v >= ||u||||v|| cos θ
où θ est l’écart angulaire entre u et v.
3.3 Calculs en base orthonormée directe
Soit B = (e1 , e2 , e3 ) une base orthonormée directe de E. Soient u, v deux vecteurs de E,

de coordonnées ui et vi dans la base B. Calculons les coordonnées de u ∧ v. On a
u ∧ v = < u1 e1 + u2 e2 + u3 e3 , v1 e1 + v2 e2 + v3 e3 >
= (u2 v3 − u3 v2 )e1 + (u3 v1 − u1 v3 )e2 + (u1 v2 − u2 v1 )e3
La formule n’est pas très jolie, un bon moyen de s’en souvenir est de la voir comme un
« déterminant » 3 × 3 dont la troisième colonne contient des vecteurs. Plus précisément,
on a la formule formelle
u1 v1 e1
u ∧ v = u2 v2 e2
u3 v3 e3
Exemple. Dans R3 euclidien canonique orienté, le produit vectoriel de (1, 2, 3) et (4, 5, 6)

est
1 4 e1
2 5 e2 = (−3, 6, −3)
3 6 e3
3.4 Annexe : double produit vectoriel
Proposition 27. Soient u, v, w ∈ E. On a
u ∧ (v ∧ w) =< u, w > v− < u, v > w
Démonstration. Écrire les vecteurs u, v, w dans une b.o.n.d et développer les deux
membres de l’égalité.
Remarque 7. Le produit vectoriel n’est donc pas associatif.
Exercice. Soient u, v, w ∈ E. Montrer que
[u ∧ v, v ∧ w, w ∧ u] = [u, v, w]2
On a
[u ∧ v, v ∧ w, w ∧ u] =
Par la formule du double produit vectoriel,
(v ∧ w) ∧ (w ∧ u) =< v ∧ w, u > w− < v ∧ w, w > u

4. LE GROUPE ORTHOGONAL DE L’ESPACE 613
Le produit scalaire < v ∧ w, w > est nul puisque v ∧ w est orthogonal à w. Donc
(v ∧ w) ∧ (w ∧ u) = < v ∧ w, u > w
= [v, w, u]w
= [u, v, w]w
De là,
[u ∧ v, v ∧ w, w ∧ u] = 

= [u, v, w] 
= [u, v, w]2
4 Le groupe orthogonal de l’espace
4.1 Sous espaces stables
Soit E un espace euclidien de dimension quelconque. Soit f ∈ O(E).
Valeurs propres de f
Soit x ∈ E \ {0}. Supposons qu’il existe un réel λ tel que f (x) = λx. Alors, λ = ±1. En
effet, ||f (x)|| = ||λ|||x||, mais aussi ||f (x)|| = ||x|| par conservation de la norme. Comme x
est non nul, il vient |λ| = 1..
Droites stables par f
Supposons qu’il existe une droite D stable par f . Soit e un vecteur directeur de D. Comme
f (e) ∈ D, il existe donc un réel λ tel que f (e) = λe. Donc, f (e) = ±e. Par linéarité, on a
donc f (x) = x pour tout x ∈ D, ou f (x) = −x pour tout x ∈ D.
Ce qui vient d’être dit ne s’applique bien sûr qu’aux droites stables. Par exemple, dans un
plan stable, il peut arriver qu’aucun vecteur (non nul) ne soit changé par f en un multiple
de lui-même (exemple : une rotation du plan, tout simplement).
Orthogonal d’un sous-espace stable

Proposition 28. Soit F un sous-espace de E stable par f . Alors,

• f induit sur F un endomorphisme orthogonal de F .
• F ⊥ est stable par f .
Démonstration. Le premier point est évident.
Soit maintenant x ∈ F ⊥ . Soit y ∈ F . On a
< f (x), f (y) >=< x, y >= 0
Donc, f (x) appartient à l’orthogonal de f (F ). Mais F est stable par f , donc f (F ) ⊂ F . De

plus f est un isomorphisme, donc f conserve les dimensions, et donc f (F ) = F . Finalement,
f (x) ∈ F ⊥ . Donc, F ⊥ est lui aussi stable par f .
bilan
L’idée pour étudier un endomorphisme orthogonal de E est donc la suivante : on cherche

les vecteurs invariants de f (on pourrait tout aussi bien chercher les vecteurs changés en
leur opposé). L’ensemble E1 de ces vecteurs invariants est un sous-espace stable par f . Si
ce sous-espace est non trivial, alors :
• f est l’identité sur E1 .

• f est un endomorphisme orthogonal de E1⊥ . Or, dim E1⊥ < dim E. On s’est donc
ramenés à l’étude des endomorphismes orthogonaux d’un espace de dimension stric-
tement plus petite.
Dans ce qui suit, on se place dans un espace euclidien orienté de dimension 3.
4.2 Cas 1 : Les invariants forment tout l’espace
Ce cas est trivial : f = idE .
4.3 Cas 2 : Les invariants forment un plan
Soit P le plan en question. La droite D = P ⊥ est alors stable par f . Les vecteurs de D
sont donc changés en leur opposé par f (hormis le vecteur nul, ils ne peuvent pas être
invariants, puisque les invariants sont tous dans P , et que D ∩ P = {0}). On constate donc
que f est la réflexion par rapport à P .
4.4 Cas 3 : Les invariants forment une droite
Soit D la droite en question. Le sous-espace P = D⊥ est un plan stable par f , et f est

un endomorphisme orthogonal de P . Ce ne peut être une réflexion de P , puisque tous les
vecteurs invariants par f sont sur D. C’est donc une rotation deP (différente de l’identité).
Un petit problème se pose alors : il convient d’orienter P , mais il n’y a aucune façon «
logique » d’effectuer cette orientation de manière compatible avec l’orientation de l’espace
E. On procède comme suit :
• On oriente la droite D en choisissant sur D un vecteur unitaire e3 (deux choix
arbitraires sont donc possibles).
• Une base orthonormée (e1 , e2 ) de P est déclarée directe lorsque la base (e1 , e2 , e3 )
est une base orthonormée directe de E.
La restriction de f à P est alors la rotation d’angle θ 6≡ 0 mod (2π).

On remarque que la matrice de f dans une base orthonormée directe de dernier vecteur e3
est alors  
cos θ − sin θ 0
M =  sin θ cos θ 0 
0 0 1
On voit que det f = 1 : f est donc une rotation.
Définition 7. f est la rotation d’axe D orienté par e3 , et d’angle θ. L’axe orienté et

l’angle caractérisent complètement f .
Remarque 8. Si l’on change l’orientation de D, on change θ en −θ.
4.5 Cas 4 : Le seul invariant est 0
Là, on est un peu embêtés. Cependant, on peut s’en tirer par une petite acrobatie. Soit λ un
réel. Il existe un vecteur x non nul tel que f (x) = λx si et seulement si det(f − λidE ) = 0.
Or l’application λ 7→ det(f − λidE ) est une fonction polynomiale de degré 3. Or, tout
polynôme de degré 3 a une racine réelle (théorème des valeurs intermédiaires). Il existe
donc un vecteur non nul x et un réel λ tel que f (x) = λx. Ce λ vaut −1 ou 1, mais ce n’est
pas 1. C’est donc −1.
Ainsi, l’ensemble G des vecteurs changés en leur opposé est un sous-espace vectoriel non
trivial de E. Il peut être de dimension 1,2 ou 3. Considérons chacun des trois cas :
• G = E : dans ce cas, f = −idE . Ce n’est pas une rotation.
• G est un plan. C’est impossible, car alors G⊥ serait une droite stable, nécessairement
composée de vecteurs invariants. Mais f n’a pas d’invariants à part le vecteur nul.
• G = D est une droite. Soit P l’orthogonal de D. Soit σ la réflexion par rapport à

P.
On constate alors que dans ce cas f ◦σ admet G pour droite d’invariants. Donc, f ◦σ
est une rotation ρ d’axe D. De là, f = ρ ◦ σ. Et pour finir, det f = det ρ det σ = −1.
Donc f n’est pas une rotation.
Remarque 9. On vérifie facilement dans le dernier cas que ρ◦σ = σ◦ρ. On peut également
montrer l’unicité des applications σ et ρ.
4.6 Conclusion
Proposition 29. Les endomorphismes orthogonaux de E de dimension 3 sont :

• Les rotations qui, mise à part l’identité, sont caractérisées par un axe et un
angle.
• Les réflexions, caractérisées par un plan.
• Les composées d’une réflexion et d’une rotation différente de l’identité d’axe
orthogonal au plan de la réflexion, caractérisées par un axe orienté et un angle.
Exercice. Vérifier que −idE entre bien la dernière catégorie.
4.7 Générateurs de O(E) et de SO(E)
Nous montrons dans cette section que les réflexions engendrent O(E), c’est à dire que tout
endomorphisme orthogonal est une composée de réflexions. Ainsi, les réflexions sont des
endomorphismes orthogonaux élémentaires, en ce sens que l’on peut avec celles-ci fabriquer
tous les autres. Nous donnons une démonstration purement matricielle. Elle a l’avantage
d’être rapide, mais de cacher le sens géométrique de ce théorème. Il est conseillé de faire
l’exercice qui suit la proposition.
Proposition 30. Les réflexions engendrent O(E).
Démonstration. Nous allons démontrer que toute rotation est la composée de deux ré-
flexions. Comme les endomorphismes orthogonaux de E sont les rotations et les composées
d’une réflexion et d’une rotation, cela prouvera le théorème. Soit f une rotation différente
de l’identité, d’angle θ. Dans une base B orthonormée directe judicieuse, la matrice de f
est  
cos θ − sin θ 0
M =  sin θ cos θ 0
0 0 1
Soit  
cos θ sin θ 0
A =  sin θ − cos θ 0
0 0 1
A est une matrice orthogonale et A2 = I. C’est donc une matrice de symétrie orthogonale.
De plus, det A = −1 et A 6= −I, c’est donc la matrice d’une réflexion. De même,
 
1 0 0
B = 0 −1 0
0 0 1
st une matrice de réflexion. On a AB = M , ce qui prouve notre assertion.

Exercice. Déterminer les caractéristiques des réflexions qui apparaissent dans la démons-
tration de la proposition ci-dessus.
Nous énonçons et démontrons un théorème analogue au précédent pour SO(E), mais cette
fois-ci avec les demi-tours.
Proposition 31. Les demi-tours engendrent SO(E).
Démonstration. Nous allons démontrer que toute rotation est la composée de deux demi-
tours. Soit f une rotation différente de l’identité, d’angle θ. Dans une base B orthonormée
directe judicieuse, la matrice de f est
 
cos θ − sin θ 0
M =  sin θ cos θ 0
0 0 1
Soit  
cos θ sin θ 0
A =  sin θ − cos θ 0 
0 0 −1
A est une matrice orthogonale et A2 = I, donc A est une matrice de symétrie orthogonale.
De plus, det A = 1 et A 6= I, c’est donc la matrice d’un demi-tour. De même,
 
1 0 0
B = 0 −1 0 
0 0 −1
est une matrice de demi-tour. On a AB = M , ce qui prouve notre assertion.

Exercice. Déterminer les caractéristiques des demi-tours qui apparaissent dans la dé-
monstration de la proposition ci-dessus.
5 Compléments
5.1 Écart angulaire entre un vecteur et son image par une rotation
Soit f une rotation de l’espace d’angle θ. Dans une bond B = (e1 , e2 , e3 ) judicieusement
choisie, la matrice de f est
 
cos θ − sin θ 0
M =  sin θ cos θ 0 
0 0 1
Soit x = ae1 + be2 + ce3 un vecteur unitaire de E. On a
f (x) = (a cos θ − b sin θ)e1 + (a sin θ + b cos θ)e2 + ce3
Ainsi,
< x, f (x) > = a(a cos θ − b sin θ) + b(a sin θ + b cos θ) + c2
= (a2 + b2 ) cos θ + c2
= cos θ + c2 (1 − cos θ)
Les vecteurs x et f (x) étant unitaires, cette quantité est égale à cos ϕ où ϕ est l’écart
angulaire entre x et f (x) : cos φ = cos θ + c2 (1 − cos θ). On constate que cos ϕ ≥ cos θ, c’est
à dire ϕ ≤ θ, avec égalité si et seulement si c = 0, c’est à dire si et seulement si le vecteur
x est orthogonal à l’axe de la rotation.
5.2 La formule d’Euler-Rodrigues
On reprend
f (x) = (a cos θ − b sin θ)e1 + (a sin θ + b cos θ)e2 + ce3
= cos θ(ae1 + be2 ) + sin θ(−be1 + ae2 ) + ce3
Par ailleurs, ae1 + be2 = x − ce3 , −be1 + ae2 = e3 ∧ x, et c =< x, e3 >. Donc,
f (x) = cos θ(x− < e3 , x > e3 ) + sin θe3 ∧ x+ < e3 , x > e3
Appelons ω le vecteur e3 (vecteur unitaire orientant l’axe). On obtient
Proposition 32. Soit f la rotation d’axe orienté par le vecteur unitaire ω, d’angle θ.
On a pour tout x ∈ E,
f (x) = (cos θ)x + (sin θ)ω ∧ x + (1 − cos θ) < ω, x > ω

5. COMPLÉMENTS 619
Cette formule s’appelle la formule d’Euler-Rodrigues.

π
Exemple. Calculons la matrice dans la base canonique de la rotation d’angle 2 d’axe
orienté par le vecteur (1, 1, 1).
π √1 (1, 1, 1).
Dans la formule précédente, on prend donc θ = 2 et ω = 3
Ainsi, pour tout
u = (x, y, z) ∈ R3 ,
f (u) = ω ∧ u+ < ω, u > ω

1 1
= √ (z − y, x − z, y − x) + (x + y + z)(1, 1, 1)
3 3
On en déduit la matrice de f en mettant en colonnes les vecteurs f (1, 0, 0), f (0, 1, 0) et

f (0, 0, 1) :  1 1 √1 1 √1

3 3 − 3 3 − 3
A =  13 + √13 1 1
3 + 3
√1 

3
1 √1 1 √1 1
3 − 3 3 + 3 3
5.3 Étude pratique d’un endomorphisme orthogonal
Soit E euclidien orienté de dimension 3. Soit f ∈ L(E). Soit A = matB f la matrice de

f dans la base B. Dans un grand nombre d’exercices, on demande d’étudier f . Comment
faire ? L’étude se fait en plusieurs étapes. Le plan qui suit est systématique (cela dit on
peut parfois aller plus vite, mais bref . . . ). On suppose dans ce qui suit que A 6= ±I3 , car
sinon l’étude est évidemment immédiate.
1. f est-il un endomorphisme orthogonal ? Pour cela il suffit de vérifier que A ∈ O3 (R).

C’est facile, il suffit de constater que les colonnes de A sont de norme 1 et orthogo-
nales. Un simple coup d’oeil suffit. Supposons dans la suite que c’est le cas.
2. De quel type est l’endomorphisme f ? Réflexion ? Rotation ? Composée de ces deux
types ? On recherche les invariants par f . Pour cela, on résout l’équation AX = X,
où X ∈ M31 (R). Il y a trois possibilités.
(a) Les invariants sont un plan P . Alors f est la réflexion de plan P .
(b) Le seul invariant est le vecteur nul 0. Alors, pour aller au plus vite, −f est une
rotation différente de l’identité, et on est ramenés au dernier cas.
(c) Les invariants sont une droite D. C’est le cas intéressant : f est une rotation
d’axe D. On passe à l’étape 3.
3. Dans cette étape, on suppose que f est une rotation d’axe D connu, d’angle θ à
déterminer.
(a) On oriente D en choisissant un vecteur non nul e sur la droite D. On note dans
e
ce qui suit ω = kek .
(b) Comment trouver cos θ ? Assez curieusement, c’est immédiat. En effet, les ma-
trice de f dans toutes les bases de E ont la même trace. Or, on sait qu’il existe
une base de E dans laquelle la matrice de f est
 
cos θ − sin θ 0
 sin θ cos θ 0
0 0 1
La trace de cette matrice est 1 + 2 cos θ. Ainsi,
1 + 2 cos θ = Tr A
(c) Enfin, comment trouver sin θ ? Connaissant déjà le cosinus, il nous suffit d’obtenir
le signe du sinus. Pour cela, reprenons la formule d’Euler-Rodrigues, vue au
paragraphe précédent. Soit u un vecteur de E. Calculons un produit mixte :
[u, f (u), e] = [u, (cos θ)u + (sin θ)ω ∧ u + (1 − cos θ) < ω, u > ω, e]
= (cos θ)[u, u, e] + (sin θ)[u, ω ∧ u, e] + (1 − cos θ) < ω, u > [u, ω, e]
par trilinéarité du produit mixte. Dans la somme ci-dessus, le premier et le

dernier terme sont nuls, car le produit mixte est alterné. Ainsi,
[u, f (u), e] = (sin θ)[u, ω ∧ u, e]

= (sin θ)kek[u, ω ∧ u, ω]
= (sin θ)kek[ω, u, ω ∧ u]
Si u n’est pas colinéaire à ω, le produit mixte ci-dessus est strictement positif.

On en déduit la recette suivante.
Proposition 33. Le signe de sin θ est le signe de [u, f (u), e] où u est n’im-
porte quel vecteur non colinéaire à e.
5.4 Un exemple
Soit f l’endomorphisme de R3 dont la matrice dans la base canonique est

 
8 1 −4
1
A = −4 4 −7
9
1 8 4
Suivons le plan . . .
1. Les colonnes de A sont unitaires et orthogonales (immédiat), donc A ∈ O3 (R) et

f ∈ O(R3 ).
5. COMPLÉMENTS 621
2. Cherchons les invariants par f en résolvant le système AX = X. Ce système, après

multiplication par 9 et simplifications mineures, s’écrit

 −x +y −4z = 0
4x +5y +7z = 0
x +8y −5z = 0

Sa résolution ne pose aucune difficulté. On obtient que les invariants par f sont la
droite D =< e > où e = (3, −1, −1). f est donc une rotation d’axe D.
(a) Décidons d’orienter D par le vecteur e. Il reste à déterminer l’angle θ de la
rotation f .
16 7
(b) On a 1 + 2 cos θ = Tr A = 9 . Ainsi, cos θ = 18 et donc
7
θ ≡ ± arccos [2π]
18
(c) Déterminons le signe de sin θ. Pour cela, prenons un vecteur non colinéaire à e :
u = (1, 0, 0) fera l’affaire ! On lit f (u) = 19 (8, −4, 1) dans la première colonne de
A. Le signe de sin θ est celui du produit mixte
1 8 3
1 5
[u, f (u), e] = 0 −4 −1 = >0
9 9
0 1 −1
Ainsi, sin θ > 0.

7
Pour conclure, f est la rotation d’axe D dirigé par (3, −1, −1) et d’angle arccos 18 modulo
2π.
Remarque. Il aurait été tout à fait possible d’orienter l’axe D par le vecteur (−3, 1, 1).
7
Dans ce cas, l’angle de la rotation aurait été − arccos 18 .
Chapitre 34
Séries
623
624 CHAPITRE 34. SÉRIES
1 Généralités
1.1 Notion de série
Définition 1. Soit (un )n≥0 une suite de nombres complexes.

• On appelle série de terme général un la suite (Sn )n≥0 définie pour tout entier n
par
X n
Sn = uk
k=0
P P
• On notera un (ou uk , ou ce que l’on veut comme indice) la série de terme
général un . P
• Pour n ∈ N, les sommes Sn sont les sommes partielles
P de la série un .
• Pour n ∈ N, un est le nième terme de la série un .
Remarque 1. Comme pour les suites, les séries peuvent démarrer à un rang autre que
0. Pour les questions de convergence que nous allons bientôt aborder, les premiers termes
de la série ne jouent aucun rôle. En revanche, pour le calcul de ce que nous appellerons la
somme de la série, chaque terme importe.
P
L’inconvénient de la notation un est que l’on ne sait pas quel est le premier terme de la
série. Il faudra parfois être plus précis.
P
Remarque 2. Il convient de faire très attention à la notation un : ce n’est qu’une
notation
P abstraite, avec laquelle il ne s’agit pas de faire des calculs. La soi-disant « somme »
un est une fonction N → R ou C.
X
un = (Sn )n≥0
Exemple. Les deux séries ci-dessous joueront un rôle important dans l’étude de la conver-
gence d’une série.
• Soit q ∈ C. On appelle série géométrique de raison q la série
X
qn
• Soit α ∈ C. On appelle série de Riemann de paramètre α la série

X 1
nα
Remarque 3. Au cas où vous vous demanderiez ce que vaut 23+i , c’est
23+i = 23 2i = 8ei ln 2 = 8 cos(ln 2) + 8i sin(ln 2)
P
Définition 2. Soit (un )n≥0 une suite de nombres complexes. On dit que la série un
converge lorsque la suite de ses sommes partielles est convergente. Sinon, on dit que la
série diverge. En cas de convergence, on appelle somme de la série, et on note
∞
X
un
n=0
la limite en question.
Ainsi,
∞
X N
X
un = lim un
N →+∞
n=0 n=0
Remarque 4. Cette définition est en réalité un pléonasme puisque une série EST la suite
de ses sommes partielles.
Remarque 5. On adapte évidemment la notation si la série démarre à un rang autre que
0.
P
Exercice. Soit (un )n≥0 une suite complexe. Soit P N ∈ N. Montrer que la série un (avec
n ≥ 0) est convergente si et seulement si la série un (avec n ≥ N + 1) est convergente
et que, lorsqu’il y a convergence,
∞
X N
X ∞
X
un = un + un
n=0 n=0 n=N +1
En d’autres termes, le fait de converger ou de diverger ne dépend pas des premiers termes
de la série.
Exemple. Soit q ∈ C. Si q = 1,
n
X
qk = n + 1
k=0
qui tend vers +∞ lorsque n tend vers l’infini. Si q 6= 1, on a
n
X 1 − q n+1
qk =
1−q
k=0
1
Cette quantité converge si et seulement si |q| < 1, et sa limite est alors 1−q .
P n
Proposition 1. Soit q ∈ C. La série q converge si et seulement si |q| < 1. On a
alors
∞
X 1
qn =
1−q
n=0
Remarque 6. Pour la convergence des séries de Riemann, il va falloir attendre un peu.

P
Remarque 7. Il est temps de faire un petit bilan sur le vocabulaire. Soit un une série.
Soit n ∈ N.
P
• uk c’est la série. Ce n’est pas un nombre mais une suite.
• un c’est
P le nième terme de la série.
• Sn = P nk=0 uk c’est la nième somme partielle de la série.
• S = ∞ k=0 uk c’est la somme de la série. Et ce n’est PAS une somme mais une
limite de sommes.
Un autre exemple important est celui de la fonction exponentielle.
P zn
Proposition 2. Soit z ∈ C. La série n! est convergente. Sa somme est
∞
X zn
= ez
n!
n=0
Démonstration. Soit f : [0, 1] → C définie par f (t) = etz . La fonction f est de classe
C ∞ sur [0, 1]. On peut donc lui appliquer l’inégalité de Taylor-Lagrange. Remarquons que
pour tout t ∈ [0, 1] et tout entier n, on a
f (n) (t) = z n etz
et en particulier, f (n) (0) = z n . Ainsi,

n
z
X zk
f (1) = e = + Rn
k!
k=0
où
1
|Rn | ≤ max |z n+1 etz |
(n + 1)! t∈[0,1]
Soit x = Re z. Remarquons que pour tout t ∈ [0, 1],
|z n+1 etz | = |z|n+1 etx ≤ |z|n+1 max(1, ex )

On a donc
|z|n+1
|Rn | ≤ max(1, ex )
(n + 1)!
Comme |z|n+1 = o((n + 1)!), on en déduit que Rn → 0 lorsque n tend vers l’infini. Ainsi,
n
X zk
−→ ez
k! n→∞
k=0

x2n x2n+1
Exercice. Soit x ∈ R. Montrer que les séries (−1)n (2n)! et (−1)n (2n+1)!
P P
sont conver-
gentes, et que
∞
X x2n
(−1)n = cos x
(2n)!
n=0
∞
X x2n+1
(−1)n = sin x
(2n + 1)!
n=0
1.2 linéarité de la somme
P P
Proposition
P 3. Soient un et vn deux séries convergentes. Soient λ, µ ∈ R ou C.
La série (λun + µvn ) est alors convergente et on a
∞
X ∞
X ∞
X
(λun + µvn ) = λ un + µ vn
n=0 n=0 n=0
Démonstration. Soit n ∈ N. On a
n
X n
X n
X
(λuk + µvk ) = λ uk + µ vk
k=0 k=0 k=0
Les sommes du membre de droite convergent respectivement vers ∞

P P∞
k=0 uk et k=0 vk . Par
les opérations sur les limites, la somme du membre de gauche tend vers
∞
X ∞
X
λ uk + µ vk
k=0 k=0

1.3 Restes
P
Définition 3. Soit un une série convergente, de somme S. Les restes de la série
sont les nombres
Rn = S − Sn
Pn
où Sn = k=0 uk est la nième somme partielle de la série.
Remarque 8. La suite (Rn )n≥0 des restes tend évidemment versP 0 lorsque n tend vers
l’infini. Chaque reste Rn est en fait lui-même la somme de la série uk (où k ≥ n + 1) :
∞
X
Rn = uk
k=n+1
Exemple. Reprenons les séries géométriques de raison q ∈ C, vérifiant |q| < 1. On a
1 − q n+1 1
Sn = et S =
1−q 1−q
Donc
∞
X q n+1
Rn = S − Sn = qk =
1−q
k=n+1
1.4 Condition nécessaire de convergence
P
Proposition 4. Soit un une série.
• Si cette série converge, alors son terme général un tend vers 0.
• La réciproque est fausse : il existe des (tas de) séries divergentes dont le terme
général tend vers 0.
Démonstration.
Pn Supposons que la série converge. La suite de terme général Sn =
k=0 uk converge donc vers une limite S qui est la somme de notre série. On a pour tout
n ≥ 1,
X n n−1
X
un = uk − uk = Sn − Sn−1
k=0 k=0
Cette quantité tend vers S − S = 0.

Pour un contre-exemple de la réciproque, posons par exemple pour tout n ≥ 1,

√ √
un = n − n − 1
On a √ √ √ √
( n − n − 1)( n + n − 1) 1
un = √ √ =√ √
n+ n−1 n+ n−1
qui tend vers 0 lorsque n tend vers l’infini. En revanche,
n √
X √ √
Sn = ( k − k − 1) = n
k=1
tend vers l’infini lorsque n tend vers l’infini. Nous avons donc là un exemple d’une série
divergente dont le terme général tend pourtant vers 0.
Remarque 9. Ce théorème sert à démontrer qu’une série diverge. Lorsque le terme général
d’une série ne tend pas vers 0, on dit que la série diverge grossièrement. À retenir
absolument : à chaque fois qu’on s’attaque à l’étude d’une série, on regarde la limite
éventuelle du terme général. Si cette limite n’existe pas, ou n’est pas nulle, c’est RÉGLÉ :
la série diverge. Sinon, eh bien ON NE SAIT PAS. Il faut travailler davantage.
1.5 Lien entre suites et séries
S’intéresser à la convergence d’une série, c’est par définition même s’intéresser à la conver-
gence d’une suite : la suite de ses sommes partielles. La fin de la démonstration précédente
suggère que pour s’intéresser à la convergence d’une suite, on peut si l’on veut s’intéresser
à la convergence d’une série.
Proposition 5. Soit (un )n≥0 une Psuite réelle ou complexe. La suite (un )n≥0 est conver-
gente si et seulement si la série (un+1 − un ) est convergente.
Démonstration. C’est immédiat, puisque la somme partielle de cette série est

n
X
Sn = (uk+1 − uk ) = un+1 − u0
k=0
par télescopage. On a même mieux : en cas de convergence,
∞
X
(un+1 − un ) = ` − u0
n=0
où ` est la limite de un .
Remarque 10. Pourquoi se compliquer la vie ? Pourquoi étudier une série pour montrer
la convergence d’une suite ? Tout simplement parce que bientôt nous aurons des théorèmes
qui nous diront que sous certaines conditions une série converge. En utilisant ces théorèmes
sur des séries judicieuses nous pourrons donc aussi montrer que des suites convergent.
2 Séries à termes positifs
Les résultats qui suivent s’appliquent uniquement à des séries à termes réels positifs. Ils
sont essentiels dans l’étude de la convergence des séries.
2.1 Majorer (ou pas) les sommes partielles
P
Proposition 6. Soit un une série à termes réels. On suppose que pour tout n assez
grand, un ≥ 0. La série converge si et seulement si ses sommes partielles sont majorées.
Démonstration. Il existe un entier N tel que pour tout n ≥ N , un ≥ 0. On a donc

pour tout n ≥ N − 1, Sn+1 − Sn = un+1 ≥ 0. La suite (Sn )n≥0 des sommes partielles de la
séries est donc croissante à partir d’un certain rang. Si la suite (Sn )n≥0 est majorée alors
elle converge. Si elle n’est pas majorée alors elle tend vers l’infini et, donc, elle diverge.
2.2 Majorer (ou minorer) le terme général
P P
Proposition 7. Soient un et vn deux séries à termes réels. On suppose
• Pour tout entier n assez grand on a
0 ≤ un ≤ vn
P
• La série vn converge.
P
Alors la série un converge aussi.
Démonstration. Pour simplifier on fait la démonstration en supposant 0 ≤ un ≤ vn

pour tout entier n. La preuve générale est à peine plus compliquée. Notons
∞
X
S= vk
k=0
Pour tout entier n ∈ N, on a

n
X n
X ∞
X
uk ≤ vk ≤ vk = S
k=0 k=0 k=0
P P
Les sommes partielles de la série un sont donc majorées, ainsi la série un converge.
2. SÉRIES À TERMES POSITIFS 631
P P
Corollaire 8. Soient un et vn deux séries à termes réels. On suppose
• Pour tout entier n assez grand on a
0 ≤ un ≤ vn
P
• La série un diverge.
P
Alors la série vn diverge aussi.
Démonstration. C’est la contraposée de la proposition précédente.

Remarque 11. Nous avons maintenant une quasi-règle de base pour les séries À TERMES
RÉELS POSITIFS :
• Pour montrer qu’une série à termes positifs converge on majore le
terme général de cette série par le terme général d’une série à
termes positifs convergente.
• Pour montrer qu’une série à termes positifs diverge on minore le
terme général de cette série par le terme général d’une série à
termes positifs divergente.
• On majore ou on minore le terme général et pas les sommes partielles !
Mais ça tourne en rond cette histoire ? Non, l’idée est de posséder un « catalogue » de
séries convergentes « de base », et de tenter des majorations par les termes généraux de
ces séries. Nous avons déjà les séries géométriques dans notre catalogue. Bientôt les séries
de Riemann. . . .
2.3 Termes généraux équivalents
P P
Proposition 9. Soient un et vn deux séries à termes réels. On suppose
• Pour tout entier n assez grand, vn ≥ 0.

• un ∼ vn lorsque n tend vers l’infini.
P P
Alors, la série un converge si et seulement si la série vn converge.
Démonstration. Tout d’abord, deux suites équivalentes ont même signe pour n assez
grand. Ainsi, pour tout n assez grand on a un et vn positifs.
P
Supposons que vn converge. Comme un ∼ vn , on a pour toutP n assez grand 0 ≤ un ≤
3 P 3
v
2 n . La série ( v
2 n ) est à termes positifs et convergente, donc un converge.
P
Supposons inversement que un converge. Comme vn ∼ P un , on a pour tout n assez grand
0 ≤ vn ≤ 23 un . Donc de même que deux lignes plus haut vn converge.
Exemple. Considérons la série de terme général
n2 + 1 −n
un = e
3n2 + 2
n
On a pour tout n ∈ N, un ≥P0. De plus, un ∼ 13 1e , terme général d’une série géométrique
de raison 1e . Donc la série un converge.
2.4 Équivalence des restes
P P
Proposition 10. Soient un et vn deux séries à termes positifs pour n assez
grand. On suppose que
• Les deux séries convergent.
• un ∼ vn lorsque n tend vers l’infini.
Alors les restes des deux séries sont équivalents : lorsque n tend vers +∞,
∞
X ∞
X
uk ∼ vk
k=n+1 k=n+1
Démonstration. Soit ε > 0. prenons ε < 1. Il existe un entier N tel que pour tout
n ≥ N on ait un , vn ≥ 0 et
un (1 − ε) ≤ vn ≤ un (1 + ε)
Soient n, p ≥ N tels que n < p. On a alors
p
X p
X p
X
(1 − ε) uk ≤ vk ≤ (1 + ε) uk
k=n+1 k=n+1 k=n+1
Faisons tendre p vers +∞ ci-dessus. On obtient

∞
X ∞
X ∞
X
(1 − ε) uk ≤ vk ≤ (1 + ε) uk
k=n+1 k=n+1 k=n+1
c’est à dire
(1 − ε)Rn ≤ Rn0 ≤ (1 + ε)Rn
où Rn et Rn0 sont les restes des séries n≥0 un et n≥0 vn . En résumé,
P P
∀ε > 0, ∃N ∈ N, ∀n ≥ N, (1 − ε)Rn ≤ Rn0 ≤ (1 + ε)Rn

Par la définition de limite, cela signifie que Rn ∼ Rn0 .
3. COMPARAISON ENTRE SÉRIES ET INTÉGRALES 633
3 Comparaison entre séries et intégrales
3.1 Séries vs intégrales

P
Soit f : R+ → R+ une fonction décroissante. Considérons la série f (n). On a pour tout
k ≥ 0, pour tout t ∈ [k, k + 1],
f (k + 1) ≤ f (t) ≤ f (k)
Intégrons entre k et k + 1. Il vient

Z k+1
f (k + 1) ≤ f (t) dt ≤ f (k)
k
Soient maintenant 0 ≤ n < p. Sommons l’inégalité ci-dessus pour n ≤ k ≤ p − 1. On

obtient
p−1
X p−1 Z k+1
X p−1
X
f (k + 1) ≤ f (t) dt ≤ f (k)
k=n k=n k k=n
c’est à dire
p
X Z p p−1
X
f (k) ≤ f (t) dt ≤ f (k)
k=n+1 n k=n
Ceci peut encore s’écrire

Z p+1 p
X Z p
f (t) dt ≤(1) f (k) ≤(2) f (t) dt
n k=n n−1
où l’inégalité (1) est valable pour 0 ≤ n ≤ p et l’inégalité (2) est valable pour 1 ≤ n ≤ p.
Si l’on connaît une primitive de f , on a alors un encadrement des sommes partielles de
la série qui permet très souvent de conclure à sa convergence ou à sa divergence. Nous
pouvons enfin régler le cas des séries de Riemann pour un exposant réel.
Proposition 11. Soit α ∈ R.

P 1
• Si α ≤ 0, la série Pest1 grossièrement divergente.
nα
• Si 0 < α ≤ 1, la série
P 1 nα diverge, bien que son terme général tende vers 0.
• Si α > 1, la série nα converge.
Démonstration.
• Pour α ≤ 0, le terme général ne tend pas vers 0, d’où la divergence grossière.
1
• Supposons 0 < α < 1. On prend dans l’inégalité (1) ci-dessus f (x) = xα , n ← 1 et
p ← n. Il vient donc
n Z n+1
X 1 dt
α
≥
k 1 tα
k=1
1−α n+1
t
=
1−α 1
(n + 1)1−α − 1
=
1−α
Comme α < 1, le minorant tend vers +∞ lorsque n tend vers l’infini. Ainsi, par le
théorème de comparaison des limites,
n
X 1
−→ +∞
kα
k=1
lorsque n tend vers l’infini. La série diverge.

1
• Supposons maintenant α = 1. On prend dans l’inégalité (1) ci-dessus f (x) = x,
n ← 1 et p ← n. Il vient
n Z n+1
X 1 dt
≥
k 1 t
k=1
= [ln t]n+1
1
= ln(n + 1)
Le minorant tend vers +∞ lorsque n tend vers l’infini. Ainsi,
n
X 1
−→ +∞
k
k=1
lorsque n tend vers l’infini. La série diverge.

1
• Supposons enfin α > 1. On prend dans l’inégalité (2) ci-dessus f (x) = xα , n ← 2 et
p ← n. Il vient donc
n n
X 1 X 1
= 1+
kα kα
k=1 k=2
Z n
dt
≤ 1+
tα
1 1−α n
t
= 1−
α−1 1
1 n1−α
= 1+ −
α−1 α−1
1 α
≤ 1− =
α−1 α−1
3. COMPARAISON ENTRE SÉRIES ET INTÉGRALES 635
La série est à termes positifs et ses sommes partielles sont majorées. Elle est donc
convergente.

Exercice. La comparaison séries-intégrales permet
P 1également d’évaluer des restes de séries
convergentes. Considérons par exemple la série n2
. Cette série converge, donc
∞
X 1
Rn =
k2
k=n+1
tend vers 0 lorsque n tend vers l’infini. Cherchons un équivalent de Rn . Pour cela, écrivons
l’inégalité :
Z p+1 p Z p
dt X 1 dt
2
≤(1) 2
≤(2) 2
n+1 t k n t
k=n+1
ou encore
p
1 1 X 1 1 1
− ≤ 2
≤ −
n+1 p+1 k n p
k=n+1
Faisons maintenant tendre p vers l’infini :

∞
1 X 1 1
≤ 2
≤
n+1 k n
k=n+1
Ainsi
1
Rn ∼
n
lorsque n tend vers l’infini.
3.2 Un exemple complet : la série harmonique
On considère ici la série harmonique

X1
n
Nous savons que cette série est divergente, mais nous allons estimer plus précisément ses
sommes partielles Sn . Tout d’abord, en appliquant le paragraphe précédent, on obtient
Z n+1 n Z n
dt X 1 dt
≤ ≤1+
1 t k 1 t
k=1
ou encore
ln(n + 1) ≤ Sn ≤ 1 + ln n
On en déduit aisément que Sn ∼ ln n lorsque n tend vers l’infini.
Considérons maintenant un = Sn − ln n. Nous savons que la suite u et la série de terme

général vn = un+1 − un sont de même nature. Or,
n+1 n
X 1 X1
vn = − ln(n + 1) − + ln n
k k
k=1 k=1

1 1
= − ln 1 +
n+1 n

1 1 1 1 1 1 1
= 1− +o − + 2
+o
n n n n 2n n2
1
∼ − 2
2n
P
La série vn est donc convergente, puisque son terme général est équivalent, au facteur
1
− 2 près, au terme général d’une série de Riemann convergente. Ainsi, (un )n≥1 converge
également. Sa limite, γ, est appelée la constante d’Euler. Remarquons que nous avons
∞
X 1
vk ∼ −
2n
k=n+1
lorsque n tend vers l’infini. Cela résulte de l’exemple du paragraphe précédent et du théo-
rème de l’équivalence des restes.
Estimons maintenant
n
X 1
wn = un − γ = − ln n − γ
k
k=1
Dans le calcul ci-dessus, nous avons
n
X
vn = un+1 − u1 = un+1 − 1
k=1
d’où
∞
X
γ =1+ vk
k=1
Ainsi,
n−1 ∞ ∞
!
X X X
wn = un − γ = 1 + vk − 1+ vk =− vk
k=1 k=1 k=n
La remarque faite un peu plus haut nous montre que
1
wn ∼
2n
En conclusion :
n
X 1 1 1
= ln n + γ + +o
k 2n n
k=1
4. CONVERGENCE ABSOLUE 637
On pourrait continuer l’expérience en considérant

n
X 1 1
zn = − ln n − γ −
k 2n
k=1
1
En appliquant à nouveau le théorème suite-série. On obtiendrait que zn ∼ − 12n 2 , et donc
n
X 1 1 1 1
= ln n + γ + − 2
+o
k 2n 12n n2
k=1
Application, si l’on veut calculer une valeur approchée de la constante d’Euler on a intérêt
à considérer par exemple la quantité
n
X 1 1 1
− ln n − +
k 2n 12n2
k=1
1

qui va converger vers γ aussi vite qu’un o n2
.
Considérons la fonction Python ci-dessous :
def approx_gamma(n):
s = 0
for k in range(1, n+1):
s = s + 1 / k
return s - log(n) - 1 / (2 * n) + 1 / (12 * n ** 2)
approx_gamma(1000) renvoie instantanément la valeur 0.577215664902 : tous les chiffres
sont exacts. Si l’on s’était contentés de return s - log(n), il aurait fallu additionner 1012
termes, c’est à dire attendre quelques semaines.
Remarque 12. Pourquoi tous les chiffres exacts ? EhPbien, croyez moi sur parole, le
terme suivant dans le développement asymptotique de nk=1 k1 est 120n 1
4 . Notre fonction
1
approx_gamma renvoie donc la valeur de γ avec une erreur de l’ordre de 120n 4 , et pour
−14
n = 1000, cette quantité est inférieure à 10 . Attention, ceci n’est pas une preuve ! Nous
n’avons pas un encadrement de l’erreur commise mais seulement un équivalent.
4 Convergence absolue
4.1 Séries absolument convergentes
P P
Définition 4. Soit un une série àPtermes dans R ou C. On dit que la série un
converge absolument lorsque la série |un | converge.
P (−1)n
Exemple. Soit α ∈ R. La série nα est absolument convergente si et seulement si
α > 1.
P 1
Proposition 12. Soit α ∈ C. La série nα est absolument convergente si et seule-
ment si Re(α) > 1.
Démonstration. Posons α = p + iq, où p, q ∈ R. On a
|nα | = |np eiq ln n | = np = nRe(α)
D’où le résultat par le théorème sur les séries de Riemann à paramètre réel.
4.2 Convergence absolue et convergence
Proposition 13. Il existe des séries qui convergent, mais ne convergent pas absolu-
ment.
Démonstration. Considérons la série

X (−1)n
2n + 1
1 11 P 1
Cette série ne converge pas absolument, puisque 2n+1 ∼ 2 n. Or la série n est une série
de Riemann divergente.
En revanche, nous avons vu dans l’un des exercices du chapitre d’intégration que cette
série converge, avec de plus
∞
X (−1)n π
=
2n + 1 4
n=0
Proposition 14. Toute série absolument convergente est convergente.
Remarque 13. En résumé :

• Absolument convergente ⇒ convergente.
• Convergente ⇒
6 absolument convergente.
Une série convergente mais pas absolument convergente est dite semi-convergente. Ce sont
les séries semi-convergentes qui sont le plus difficiles à étudier.
Avant de démontrer ce théorème, introduisons une notation.

4. CONVERGENCE ABSOLUE 639
Notation. Pour tout réel x, on pose x+ = x si x ≥ 0 et x+ = 0 sinon. De même, on pose

x− = −x si x ≤ 0 et x− = 0 sinon.
Proposition 15. Pour tout réel x, les réels x+ et x− sont positifs,
x = x+ − x− et |x| = x+ + x−
Démonstration. C’est évident, il n’y a qu’à considérer deux cas, selon le signe de x.
• Prouvons d’abord le théorème pour une série à termes réels.
P
Démonstration. Soit (un )n≥0 une suite réelle. Supposons que la série |un | est conver-
gente. On a, pour tout entier n,
−
0 ≤ u+
n ≤ |un | et 0 ≤ un ≤ |un |
P + P −
Les séries à termes positifs un et un ont donc leur terme général majoré par le terme
général d’une série convergente. On en déduit que ces deux séries convergent. Par linéarité,
la série X X
−
un = (u+
n − un )
est également convergente.

• Prouvons maintenant le théorème pour une série à termes complexes.
P
Démonstration. Soit (un )n≥0 une suite complexe. Supposons que la série |un | est
convergente. On a pour tout entier n,
0 ≤ |Re(un )| ≤ |un |
P
La série à termes réels
P Re(un ) est ainsi absolument convergente,
P donc convergente. De
même pour la série Im(un ) et, par linéarité, pour la série un .
Remarque 14. Soit n ∈ N. On a
n
X n
X
uk ≤ |uk |
k=0 k=0
par l’inégalité triangulaire pour les « sommes finies ». On passe à la limite dans l’inégalité
en faisant tendre n vers l’infini (les deux séries mises en jeu convergent), et on obtient
∞
X ∞
X
uk ≤ |uk |
k=0 k=0
Corollaire 16. Soit (un )n≥0 une suite complexe.PSoit (vn )n≥0 une suite de réels posi-
P On suppose que un = O(vn ) et que la série
tifs. vn est convergente. Alors, la série
un est absolument convergente, donc convergente.
Démonstration. C’est évident, par définition même de la relation de domination. Il

existe un réel K > 0 tel que pour tout n assez grand, on ait |un | ≤ Kvn .
4.3 Séries alternées
Que faire lorsqu’une série n’est pas absolument convergente ? Dans ce cas, il n’est pas
possible de ramener l’étude de celle-ci à l’étude d’une série à termes positifs. Il existe
cependant une classe de séries pour lesquelles on peut conclure à la convergence. Il s’agit
des séries alternées.
(−1)n un où la suite
P
Définition 5. Une série alternée est une série de la forme
(un )n≥0 est une suite réelle décroissante qui tend vers 0.
Proposition 17. Soit (un )n≥0 est une suite réelle décroissante qui tend vers 0. Notons
Sn la nième somme partielle de la série et Rn le nième reste. Alors,
• La série (−1)n un est convergente.
P
• Pour tout n ≥ 0, Rn est du signe de (−1)n+1 et
|Rn | ≤ un+1
Démonstration. Pour tout entier naturel n, notons Sn0 = S2n et Sn00 = S2n+1 . On a
0
Sn+1 − Sn0 = S2n+2 − S2n
2n+2
X 2n+2
X
= (−1)k uk − (−1)k uk
k=0 k=0
= u2n+2 − u2n+1
≤ 0
5. APPENDICE - REPRÉSENTATIONS P-ADIQUES DES RÉELS 641
Ainsi, la suite (Sn0 )n≥0 est décroissante. Par un calcul analogue, la suite (Sn00 )n≥0 est crois-
sante. Enfin, pour tout n ≥ 0,
2n
X 2n+1
X
Sn0 − Sn00 = (−1)k uk − (−1)k uk
k=0 k=0
= u2n+1
−→ 0
n→∞
Les suites (Sn0 )n≥0 et (Sn00 )n≥0 sont donc adjacentes. Elles convergent vers une même limite
S. Par la « réciproque » du théorème des suites extraites, la suite (Sn )n≥0 converge aussi
vers S.
Venons-en au signe et à la majoration de |Rn |. Par un résultat classique sur les suites
adjacentes, on a pour tout entier n ≥ 0,
S2n+1 ≤ S ≤ S2n
Soustrayons S2n pour obtenir
−u2n+1 = S2n+1 − S2n ≤ R2n ≤ 0
Ainsi,
|R2n | ≤ u2n+1
De même,
S2n+1 ≤ S ≤ S2n+2
et donc, en soustrayant S2n+1 ,
0 ≤ R2n+1 ≤ S2n+2 − S2n+1 = u2n+2
On a donc bien, pour tout entier naturel n,
|Rn | ≤ un+1
5 Appendice - Représentations p-adiques des réels
Dans toute cette section, p désigne un entier supérieur ou égal à 2. Nous allons montrer
que « presque » tous les réels x ∈ [0, 1[ s’écrivent de façon unique comme la somme d’une
série :
∞
X ak
x=
pk
k=1
où les ak sont des entiers entre 0 et p − 1.
5.1 Représentation en base p des entiers naturels
Ce paragraphe n’a rien à voir avec les séries, mais avant de parler de la représentation
p-adique des réels il est logique, en guise d’échauffement, de commencer par s’intéresser
aux entiers.
Proposition 18. Soit n ∈ N. L’entier n s’écrit de façon unique

∞
X
ak pk
k=0
où les ak ∈ J0, p − 1K sont tous nuls sauf un nombre fini.
Démonstration.
• Pour l’existence, on fait une récurrence forte sur n.
Pour n = 0 l’existence est immédiate : on prend tous les ak nuls.
Soit n ≥ 1. Supposons que les entiers entre 0 et n−1 s’écrivent sous la forme voulue.
Effectuons la division euclidienne de n par p :
n = mp + a0
où m ∈ N et a0 ∈ J0, p − 1K. On a 0 ≤ m < n, et on peut donc grâce à l’hypothèse
de récurrence écrire
X∞
m= bk pk
k=0
où les bk sont des entiers entre 0 et p − 1 presque tous nuls. On reporte et on obtient
∞
X
n= bk pk+1 + a0
k=0
qui est bien de la forme recherchée, en posant pour tout k ≥ 1, ak = bk−1 .

• Prouvons maintenant l’unicité en raisonnant par l’absurde. Soit n ∈ N. Supposons
que l’entier n admet deux écritures distinctes
∞
X ∞
X
n= ak pk = bk pk
k=0 k=0
L’ensemble des entiers k tels que ak 6= bk est une partie de N non vide par hypothèse,
et majorée puisque les ak et les bk sont nuls (donc égaux) pour k assez grand. Elle
possède donc un plus grand élément que nous appellerons j. On a pour fixer les
idées aj > bj . Soustrayons, il vient
j−1
X
(aj − bj )pj = (bk − ak )pk
k=0
Le membre de gauche est supérieur ou égal à pj . Majorons le membre de droite :

j−1 j−1
X X pj − 1
(bk − ak )pk ≤ (p − 1) pk = (p − 1) = pj − 1
p−1
k=0 k=0
Le membre de gauche et celui de droite ne peuvent pas être égaux, contradiction.

PN k
Notation. Pour n = k=0 ak p avec les conditions requises sur les ak , on écrit n =
aN . . . a0 p , ou plus simplement n = aN . . . a0 lorsque aucune confusion n’est à craindre. Les
ak sont appelés les chiffres de l’écriture de n en base p.
Exemple. Les deux valeurs de p les plus utilisées sont sans aucun doute p = 10 (écriture
décimale) et p = 2 (écriture binaire). Prenons n = 1789. On a
1789 = 1 × 103 + 7 × 102 + 8 × 101 + 9 × 100
donc l’écriture décimale de 1789 est . . . 1789.
On utilise aussi souvent en informatique la base 16 (hexadécimale) dont les chiffres sont
notés 0, 1, . . . , 9, A, B, C, D, E, F .
Exercice. Quelle est l’écriture binaire de 1789 ? Regrouper les chiffres de l’écriture binaire
4 par 4 et en déduire l’écriture hexadécimale de 1789.
5.2 Représentations en base p d’un réel
Tout réel x ≥ 0 s’écrit sous la forme n + y où n = bxc ∈ N et y ∈ [0, 1[. Nous allons donc
nous concentrer sur les réels de l’intervalle [0, 1[.
Soit x ∈ [0, 1[. Posons x0 = x et a1 = bpx0 c. On a

a1 ≤ px < a1 + 1
donc
a1 1
0≤x− <
p p
De plus
0 ≤ a1 ≤ px < p
donc, comme a1 est entier,
0 ≤ a1 ≤ p − 1
a1
Ceci suggère de recommencer, en posant x1 = x − p .
On définit par récurrence sur n une suite (xn )n≥0 et une suite (an )n≥0 comme suit : a0 = 0,
x0 = x et, pour tout n ∈ N,
an+1
an+1 = bpn+1 xn c et xn+1 = xn − n+1
p
Proposition 19. On a pour tout entier n ≥ 0 :

• 0 ≤ an ≤ pP− 1.
• xn = x − nk=0 apkk .
• 0 ≤ xn < p1n .
Démonstration. Par récurrence sur n. Pour n = 0, c’est évident. Supposons donc la

propriété vérifiée pour un entier n. On a
an+1 ≤ pn+1 xn < an+1 + 1
Comme xn < p1n , on a an+1 < p donc an+1 ≤ p − 1. Comme xn ≥ 0, an+1 l’est aussi (c’est
sa partie entière). Enfin,
an+1 an+1 1
n+1
≤ xn < n+1 + n+1
p p p
d’où, après une petite soustraction,
1
0 ≤ xn+1 <
pn+1
P∞ ak
Corollaire 20. On a x = k=0 pk .
Démonstration. Évident : d’après la proposition précédente, xn tend vers 0 lorsque n

tend vers l’infini.
Définition 6. La suite (an )n≥1 est appelé un développement p-adique du réel x. On

note x = 0.a1 a2 a3 . . ..
Exemple. Un développpement décimal du réel 17 est 0.142857142857 . . .. Montrons-le.

Soit y = 0.142857. La barre indique que l’on répète à l’infini cette séquence de 6 chiffres.
On a donc
106 y = 142857.142857 = 142857 + y
De là, 999999y = 142857 et donc
142857 1
y= =
999999 7
1
Exercice. Exhiber un candidat pour développement décimal de 13 et montrer que vous
avez bien choisi.
Remarque 15. Si x est un réel positif quelconque, un développement p-adique de x est

x = bn . . . b0 .a1 a2 a3 . . . où bn . . . b0 est un développement p-adique de la partie entière de
x. Si x < 0, on écrit x = −y où y = −x.
5.3 Unicité du développement
Eh bien il n’y a pas unicité ! Considérons par exemple le réel x = 0.49999 . . .. On a
10x − 4 = 0.9999 . . .
d’où
10(10x − 4) = 9 + 10x − 4
c’est-à dire 90x = 45, d’où x = 12 . Mais on a aussi 1
2 = 0.50000 . . .. Ainsi, 1
2 admet deux
développements décimaux distincts.
Nous allons maintenant regarder quels sont précisément les réels admettant plusieurs dé-
veloppements p-adiques, combien ils en ont, et à quoi ressemblent ces développements.
Soit donc x ∈ [0, 1]. On suppose

∞ ∞
X ak X bk
x= k
=
p pk
k=1 k=1
où les ak et les bk sont des entiers entre 0 et p − 1, et au moins un des ak est différent
du bk correspondant. Prenons un tel k minimal, notons le k0 et supposons par exemple
ak0 > bk0 . On a donc
∞
ak0 − bk0 X bk − ak
k
=
p 0 pk
k=k0 +1
La somme du membre de droite est inférieure ou égale à

∞ ∞
X p−1 X 1 1
= (p − 1) = k0
pk pk p
k=k0 +1 k=k0 +1
tout le monde ayant reconnu ci-dessus un reste de série géométrique. Et elle est égale à
1
p k0
si et seulement si pour tout k ≥ k0 , on a bk = p − 1 et ak = 0 (le lecteur est invité à
justifier cette affirmation pas si évidente).
Le membre de gauche est quant à lui supérieur ou égal à pk10 , et est égal à cette valeur si
et seulement si ak0 = bk0 + 1. Mais ces deux membres sont égaux. On en déduit donc :
• Pour tout k ≥ k0 , on a bk = p − 1 et ak = 0
• ak0 = bk0 + 1.
On voit donc que si x possède deux développements p-adiques, l’un de ces deux dévelop-
pements est nul à partir d’un certain rang. Ceci suggère de définir l’ensemble

n
E= , n ∈ Z, k ∈ N
pk
Muni de l’addition et de la multiplication, cet ensemble est un sous-anneau de R, l’ensemble

des nombres p-adiques (ont dit les nombres décimaux lorsque p = 10).
On en déduit (presque) la proposition :
Proposition 21. Soit x ∈ [0, 1[. Le nombre x possède deux développements p-adiques
distincts si et seulement si x ∈ E. Dans le cas où x ∈ E, x possède exactement deux
développements p-adiques. L’un est nul à partir d’un certain rang, de la forme
N
X ak
x=
pk
k=1
où les ak sont des entiers entre 0 et p − 1, et aN 6= 0. L’autre est

N −1 ∞
X ak aN − 1 X p−1
x= k
+ N
+
p p pk
k=1 k=N +1
Démonstration. Il reste une vérification à faire, à savoir que les deux développements
ci-dessus sont bien égaux à x. Elle est laissée au lecteur.
4675
Exemple. On prend p = 10. Soit x = 10000 . Les deux développements décimaux de x
sont x = 0.4675000 . . . et x = 0.4674999 . . ..
Exemple. Soit x = 11 13 . Le réel x n’étant pas un nombre décimal, il possède un unique

développement. L’algorithme de division appris au CM2 nous donne x = 0.846153. Une
vérification serait de poser y = 0.846153 et de constater que 1000000y = 846153 + y, donc
846153
999999y = 846153 d’où y = 999999 = 11
13 = x.
5.4 Développements périodiques
NB : Ce paragraphe est traité à titre de complément. Il peut être sauté en première lecture.
Quels sont précisément les réels admettant un développement p-adique périodique à partir
d’un certain rang ?
Périodique implique rationnel
Commençons par le sens facile. Soit
x = n + 0.b1 . . . bN a1 . . . ak
où n ∈ Z, N ∈ N, k ∈ N∗ et les ai , bi ∈ J0, p − 1K. En clair, x est un réel dont le

développement p-adique est périodique à partir du rang N + 1, de période k.
Proposition 22. On a x ∈ Q.
Démonstration. Commençons par faire un peu de ménage. Soit y = 0.a1 . . . ak . On a
y = 10N (x − n) − b1 . . . bN
Pour montrer ce que l’on veut, il suffit de montrer que y ∈ Q. Or
10k y = a1 . . . ak .a1 . . . ak = a1 . . . ak + 0.a1 . . . ak = a + y
où a = a1 . . . ak . Ainsi,
a
y= ∈Q
10k −1

C’était le sens facile. Passons au sens intéressant. Soit x ∈ Q+ . Si x est entier il a évidem-
ment un développement p-adique périodique (de période 1). Supposons donc x non entier
et posons x = ab où a, b ∈ N, b ≥ 2.
Rationnel implique périodique - Cas 1
Supposons dans un premier temps que b ∧ p = 1. Par exemple, si p = 10, nous supposons
que b n’est ni pair ni multiple de 5. Il existe des démonstrations « élémentaires » de ce
qui va suivre mais la théorie des anneaux et la théorie des groupes finis vont nous fournir
une preuve très élégante. Rappelons que Z/bZ est un anneau commutatif. Ses éléments
inversibles forment un groupe G pour la multiplication. Notons g le cardinal de ce groupe.
Comme b ∧ p = 1, la classe de p appartient à G. Le théorème de Lagrange nous dit alors
que pg = 1 dans Z/bZ. En termes de congruences, cela signifie que
pg ≡ 1 mod b
ou encore qu’il existe m ∈ N (forcément positif) tel que
pg = 1 + mb
Multiplions tout cela par a pour obtenir
pg a = a + m0 b
où m0 = ma ∈ N. Puis divisons par b :
pg x = x + m0
Notons x = 0.a1 a2 . . . le développement p-adique de x. Nous avons donc
a1 a2 . . . ag + 0.ag+1 ag+2 . . . = m0 + 0.a1 a2 . . .
d’où, en identifiant les parties entières,
m0 = a1 a2 . . . ag
et
0.ag+1 ag+2 . . . = 0.a1 a2 . . .
Peut-on faire des identifications dans l’égalité ci-dessus ? Oui, car b est premier avec p, donc
le réel pg x − m0 qui apparaît dans le membre de gauche de l’égalité ci-dessus a un unique
développement p-adique. Ainsi, ag+1 = a1 , ag+2 = a2 , . . . Le développement p-adique de x
est périodique de période g.
Exemple. Prenons x = 71 . L’anneau Z/7Z est un corps car 7 est premier. On a donc
g = 6. De là, 106 ≡ 1 mod 7. Effectivement, une division euclidienne nous donne
106 = 1 + 142857 × 7
En divisant par 7, on obtient ainsi
106 x = x + 142857
d’où
x = 0.142857
Rationnel implique périodique - Cas 2
Il nous reste à traiter les rationnels dont le dénominateur n’est pas nécessairement premier
avec p. Pour ne pas surcharger les notations, je vais prendre dans ce qui suit p = 10, mais
les raisonnements s’adaptent sans problème à p quelconque.
a
Soit x = b ∈ Q+ où a, b ∈ N, b ≥ 2. Écrivons
b = 2α 5β b0
où α, β ∈ N et b0 est premier avec p. Prenons pour fixer les idées α ≤ β. On a
a 2β−α a a0
10β x = 10β =
2α 5β b0 b0 b0
On est ainsi ramenés au cas du dénominateur premier avec p : 10β x a un développement

p-adique périodique, ce qui veut dire que x a un développement périodique à partir du
rang β + 1.
1
Exemple. Prenons x = 35 . Avec les notations ci-dessus, on a α = 0 et β = 1. On a
10x = 27 = 0.285714. Ainsi, x = 0.0285714 a un développement périodique à partir du
rang 2, et de période 6.
Conclusion
Nous avons donc prouvé le théorème suivant.
Proposition 23. Soit x ∈ R+ . Le développement p-adique de x est périodique à partir

d’un certain rang si et seulement si x est rationnel.
Chapitre 35
Familles Sommables
651
652 CHAPITRE 35. FAMILLES SOMMABLES
1 Familles sommables de réels positifs
1.1 Introduction
Nous avons déjà étudié la droite réelle achevée dans le chapitre sur les réels. Voici quelques
rappels.
On étend l’addition des réels à l’ensemble [0, +∞] en posant, pour tout x ∈ [0, +∞],
x + ∞ = ∞.
On étend également l’ordre usuel sur R+ à [0, +∞] en posant pour tout x ∈ R+ , x < +∞.
Le plus grand élément de [0, +∞] est donc +∞.
Pour toute partie E de [0, +∞], la borne supérieure de E est, comme d’habitude, le plus
petit majorant de E. On montre facilement que
• Si E = ∅, sup E = 0.
• Si E est non vide et majorée par un réel positif, sup E ∈ R+ est la borne supérieure
usuelle de E.
• Si E est non vide et n’est pas majorée par un réel positif, alors sup E = +∞.
1.2 Notion de famille sommable
Soit (ui )i∈I une famille de réels positifs

P indexée par un ensemble I quelconque. Nous allons
donner un sens à l’expression i∈I ui . C’est évidemment facile si l’ensemble I est fini
(prendre la somme usuelle), et cela nous suggère la définition suivante dans le cas général.
Si u = (ui )i∈I est une une famille de réels positifs, posons
( )
X
S(u) = ui , F fini, F ⊂ I
i∈F
Définition 1. Soit u = (ui )i∈I une famille de réels positifs. La somme de la famille u
est X
ui = sup S(u)
i∈I
La famille u est dite sommable lorsque sa somme est finie.
Remarque 1. La somme d’une famille de réels positifs est donc un réel positif, ou alors
+∞.
1. FAMILLES SOMMABLES DE RÉELS POSITIFS 653
Exemple. Soit x ∈ [0, 1[. Pour tout n ∈ Z, posons un = x|n| . Montrons que la famille
(un )n∈Z est sommable. Pour cela, soit F ⊂ Z fini. On a
X
un = S1 + S2
n∈F
où X X
S1 = x|n| et S2 = x|n|
n∈F,n<0 n∈F,n≥0
Majorons S1 et S2 . Soit M ∈ N∗ tel que pour tout n ∈ F , |n| ≤ M . On a alors
−1 M
X X x − xM +1 x
S1 ≤ x−n = xn = ≤
1−x 1−x
n=−M n=1
De même,
M
X 1 − xM +1 1
S2 ≤ xn = ≤
1−x 1−x
n=0
d’où
X 1+x
x|n| ≤
1−x
n∈F
Ainsi,
1+x
sup S(u) ≤
1−x
donc la famille (un )n∈Z est sommable.
1+x
Montrons maintenant que la somme de cette famille est 1−x . Pour cela, donnons-nous
ε > 0. Il existe une entier N tel que
−1
X x 1
x−n ≥ − ε
1−x 2
n=−N
et
N
X 1 1
xn ≥ − ε
1−x 2
n=0
De là, en posant F = J−N, N K,

X 1+x
un ≥ −ε
1−x
n∈F
Il en résulte que
1+x
sup S(u) ≥ −ε
1−x
Ceci étant vrai pour tout ε > 0, on a donc

1+x
sup S(u) ≥
1−x
En conclusion,
X 1+x
sup S(u) = un =
1−x
n∈Z
Remarquons l’inégalité entre la somme d’une famille de réels positifs et la somme d’une
sous-famille :
Proposition 1. Soit u = (ui )i∈I une famille de réels positifs. Soit I 0 ⊂ I. Soit
u0 = (ui )i∈I 0 . Alors, X X
ui ≤ ui
i∈I 0 i∈I
En particulier, si la famille u est sommable, alors la famille u0 est aussi sommable.
Démonstration. Soit F fini inclus dans I 0 . Alors, F ⊂ I et donc

X
ui ∈ S(u)
i∈F
Ainsi,
S(u0 ) ⊂ S(u)
d’où X X
ui = sup S(u0 ) ≤ sup S(u) = ui
i∈I 0 i∈I
1.3 Deux cas particuliers importants
L’ensemble I des indices des familles que nous considérons est a priori quelconque. Il y a
deux cas particuliers importants à noter.
Proposition 2. Soit u = (ui )i∈I une famille de réels positifs indexée par un ensemble
fini I. Alors, la famille (ui )i∈I est sommable et sa somme est la somme usuelle des ui .
Démonstration. Posons I = {i1 , . . . , in }. Pour toute partie F finie de I, on a

X n
X
ui ≤ S = uik
i∈F k=1
L’ensemble S(u) est majoré par S. De plus, en prenant F = I, on constate que S ∈ S(u).
Donc S(u) possède un plus grand élément, qui est S.
Proposition 3. Soit (un )n∈N une suite de réels positifs. On a
X ∞
X
un = un
n∈N n=0
où la somme de droite vaut par convention +∞ lorsque la sérieP diverge. En particulier,

la famille (un )n∈N est sommable si et seulement si la série un est convergente.
∞
X
S= un ∈ [0, +∞]
n=0
Soit F une partie finie de N. L’ensemble F possède un plus grand élément n0 . Comme les
ui sont positifs, on a
X n0
X
ui ≤ ui ≤ S
i∈F i=0
Ainsi, par passage à la borne supérieure,
X
(1) ui ≤ S
i∈I
Soit α < S. Par définition de la somme d’une série, il existe un entier N tel que, pour tout
n ≥ N,
Xn
ui > α
i=0
En prenant F = J0, N K, on a donc X
ui > α
i∈F
De là, X X
ui ≥ ui > α
i∈I i∈F
Ceci étant vrai pour tout α < S, il vient donc
X
(2) ui ≥ S
i∈I
En combinant (1) et (2), on obtient

X ∞
X
ui = S = un
i∈I n=0

1.4 Invariance par permutation
Proposition 4. Soit (ui )i∈I une famille de réels positifs. Soit σ : I → I une bijection.
Pour tout i ∈ I, soit vi = uσ(i) . Alors
X X
vi = ui
i∈I i∈I
En particulier, la famille (vi )i∈I est sommable si et seulement si la famille (ui )i∈I est
sommable.
ui et S 0 =
P P
Démonstration. Notons S = i∈I i∈I vi .
Soit F fini inclus dans I. Notons G = σ(F ). Remarquons que G est fini, et inclus dans I.
On a X X X
vi = uσ(i) = uk ≤ S
i∈F i∈F k∈G
De là, par passage à la borne supérieure,
S0 ≤ S
Soit maintenant α < S. Il existe F ⊂ I tel que
X
ui > α
i∈F
Soit G = σ −1 (F ). On a alors X X
vk = ui > α
k∈G i∈F
Ainsi, X X
S0 = vk ≥ vk > α
k∈I k∈G
En résumé, pour tout α < S,
α < S0 ≤ S
d’où
S0 = S
Corollaire 5. Soit (un )n≥0 une suite de réels positifs. Soit σ : N → N une bijection.
Pour tout n ∈ N, soit vn = uσ(n) . Alors
∞
X ∞
X
vn = un
n=0 n=0
P P
En particulier, la série vn converge si et seulement si la série un converge.
1.5 Linéarité
Proposition 6. Soient (ui )i∈I et (vi )i∈I deux familles de réels positifs. Alors
X X X
(ui + vi ) = ui + vi
i∈I i∈I i∈I
X X X
S0 = ui , S 00 = vi et S = (ui + vi )
i∈I i∈I i∈I
Il s’agit de prouver que S = S 0 + S 00 .

Soit F fini, F ⊂ I. On a
X X X
(ui + vi ) = ui + vi ≤ S 0 + S 00
i∈F i∈F i∈F
Par passage à la borne supérieure,
(1) S ≤ S 0 + S 00
Soit maintenant γ < S 0 + S 00 . On laisse le soin au lecteur de montrer que γ = α + β, où

α < S 0 et β < S 00 . Il existe F 0 fini, F 0 ⊂ I, tel que
X
ui > α
i∈F 0
De même, il existe F 00 fini, F 00 ⊂ I, tel que

X
vi > β
i∈F 00
Posons F = F 0 ∪ F 00 . On a alors
X X
ui ≥ ui > α
i∈F i∈F 0
et X X
vi ≥ vi > β
i∈F i∈F 00
De là, X X X X
(ui + vi ) ≥ (ui + vi ) = ui + vi > α + β = γ
i∈I i∈F i∈F i∈F
Ceci étant vrai pour tout γ < S0 + S 00 , il en résulte
(2) S ≥ S 0 + S 00
De (1) et (2), on déduit le résultat.
Proposition 7. Soit (ui )i∈I une famille de réels positifs. Soit λ ∈ R+ . Alors
X X
(λui ) = λ ui
i∈I i∈I
1.6 Sommation par paquets
Proposition 8. Soit (ui )i∈I une famille de réels positifs. On suppose que
[
I= Ij
j∈J
où les ensembles Ij sont disjoints deux à deux. Alors

 
X X X
ui =  ui 
i∈I j∈J i∈Ij
On convient, dans l’égalité ci-dessus, que si l’un des termes d’une « somme » est égal
à +∞, alors la somme est égale à +∞.
Démonstration. Nous admettrons ce résultat.

En reprenant les mêmes notations, on en déduit le résultat suivant.
Proposition 9. La famille (ui )i∈I est sommable si et seulement si

• Pour tout j ∈ J, la famille (ui )i∈Ij est sommable, de somme Sj .
• La famille (Sj )j∈J est sommable.
Exemple. Reprenons l’exemple vu au début du chapitre. Soit x ∈ [0, 1[. Considérons la

famille (x|n| )n∈Z . Décomposons Z en Z = Z∗− ∪ N. La famille (x|n| )n∈N est sommable, de
somme
∞
X X 1
xn = xn =
1−x
n∈N n=0
De même, la famille (x|n| )n∈Z∗− est sommable, de somme
∞
X X X x
x|n| = xn = xn =
1−x
n∈Z∗− n∈N∗ n=1
Par le théorème de sommation par paquets, la famille (x|n| )n∈Z est sommable, de somme
X X X x 1
x|n| = x|n| + x|n| = +
1−x 1−x
n∈Z n∈Z∗− n∈N
Un cas particulier de la proposition précédente est celui où I = A × B est un produit

cartésien. En effet, [
A×B = {a} × B
a∈A
et les ensembles {a} × B sont disjoints deux à deux. Ainsi,

  !
X X X X X
uab =  uab  = uab
(a,b)∈A×B a∈A (a,b)∈{a}×B a∈A b∈B
On peut bien entendu renverser dans le calcul que nous venons de faire le rôle de A et B.
On a ainsi le résultat ci-dessous, appelé le théorème de Fubini.
Proposition 10. Théorème de Fubini

Soit (uab )a∈A,b∈B une famille de réels positifs. Alors
! !
X X X X X
uab = uab = uab
a∈A,b∈B a∈A b∈B b∈B a∈A
Par la proposition 9, on a de plus le résultat suivant.
Proposition 11. La famille (uab )a∈A,b∈B est sommable si et seulement si

• Pour tout a ∈ A, la famille (uab )b∈B est sommable, de somme Sa .

• La famille (Sa )a∈A est sommable.
Et un résultat analogue en échangeant les rôles de A et B.
Exemple. Soit x ∈ [0, 1[. Pour (p, q) ∈ N2 , posons upq = xp+q . Par le théorème de Fubini,
on a
 
X X X
xp+q =  xp xq  (Fubini)
(p,q)∈N2 p∈N q∈N
 
X X
= xp xq  (linéarité)
p∈N q∈N
X 1

= xp (série géométrique)
1−x
p∈N
1 X p
= x (linéarité)
1−x
p∈N
1
= (série géométrique)
(1 − x)2
2 Familles sommables de nombres complexes
Dans la partie I, manipuler des sommes de réels positifs ne posait pas de difficultés parti-
culière : nos « sommes » étaient finies, ou égales à +∞.
Nous allons maintenant considérer des familles de nombres complexes. Nous allons voir que
les résultats de la section I s’étendent pour la plupart, mais il va falloir être plus prudents.
2.1 Sommabilité
Définition 2. Soit (ui )i∈I une famille de nombres complexes indexée par un ensemble
I. On dit que la famille est sommable lorsque la famille de réels positifs (|ui |)i∈I est
sommable, c’est à dire lorsque X
|ui | < +∞
i∈I
2. FAMILLES SOMMABLES DE NOMBRES COMPLEXES 661
Notation. On note `1 (I) l’ensemble des familles sommables de nombres complexes (ou
réels) indexées par I. Pour être plus précis, on peut utiliser la notation `1 (I, R) ou `1 (I, C).
Les deux résultats ci-dessous permettent de prouver qu’une famille est sommable.
Proposition 12. Toute sous-famille d’une famille sommable est sommable.
Démonstration. Même démonstration que pour les familles de réels positifs. On ne peut
plus, évidemment, écrire des inégalités reliant la somme de la sous-famille et la somme de
la famille.
Proposition 13. Soient (ui )i∈I une famille de nombres complexes et (vi )i∈I une
famille de réels positifs. On suppose que la famille (vi )i∈I est sommable et que pour
tout i ∈ I, |ui | ≤ vi . Alors, la famille (ui )i∈I est sommable.
P
Démonstration. Notons S = i∈I vi . Soit J une partie finie de I. Alors
X X
|ui | ≤ vi ≤ S
i∈J i∈J
La famille (|ui |)i∈I est donc sommable.

Exemple. Soit x ∈] − 1, 1[. La famille (x|n| )n∈Z est sommable. En effet, pour tout n ∈ Z,
x|n| = |x||n|
Or, |x| ∈ [0, 1[ et nous avons vu au début du chapitre que la famille (|x||n| )n∈Z est une
famille sommable de réels positifs.
Il s’agit maintenant de donner un sens à la somme d’une famille sommable de nombres
réels ou de nombres complexes.
2.2 Somme d’une famille sommable
Première étape, ramenons nous à ce que nous savons faire, à savoir des familles de réels
positifs.
Pour tout réel x, notons x+ = max(x, 0) et x− = − min(x, 0). Remarquons que x+ et x−
sont des réels positifs et que, de plus
x = x+ − x− et |x| = x+ + x−
Proposition 14. Soit (ui )i∈I une famille de nombres réels. La famille (ui )i∈I est
−
sommable si et seulement si les familles (u+
i )i∈I et (ui )i∈I sont sommables.
Démonstration. Supposons la famille (ui )i∈I sommable, c’est à dire la famille (|ui |)i∈I .
On a pour tout i ∈ I,
0 ≤ u+ i ≤ |ui |
donc la famille (u+

i )i∈I de réels positifs, dont chacun des termes est majoré par le terme
d’une famille sommable, est elle aussi sommable. Il en est de même pour (u− i )i∈I .
− −
Supposons inversement les familles (u+ +
i )i∈I et (ui )i∈I sommables. La famille (ui + ui )i∈I
est ainsi sommable. Mais cette famille n’est autre que (|ui |)i∈I .
La définition de la somme d’une famille sommable de réels s’impose clairement.
Définition 3. Soit (ui )i∈I une famille sommable de réels. La somme de la famille est
X X X
ui = u+
i − u−i
i∈I i∈I i∈I
Proposition 15. Soit (ui )i∈I une famille de nombres complexes. La famille (ui )i∈I
est sommable si et seulement si les familles (Re ui )i∈I et (Im ui )i∈I sont sommables.
Démonstration. On a pour tout i ∈ I,
|Re ui | ≤ |ui |
|Im ui | ≤ |ui |
|ui | ≤ |Re ui | + |Im ui |

Grâce à ces inégalités, l’équivalence est facile à montrer.
La définition de la somme d’une famille sommable de nombres complexes s’impose.
Définition 4. Soit (ui )i∈I une famille sommable de nombres complexes. La somme
de la famille est X X X
ui = Re ui + i Im ui
i∈I i∈I i∈I
Remarque 2. Le lecteur pardonnera au rédacteur de la définition l’emploi du i comme

nombre complexe, mais aussi comme indice.
Ces deux définitions, parfaitement correctes, nous laissent un peu dubitatifs. Ne pourrait-
on pas donner une définition de la somme d’une famille sommable de réels ou de complexes
qui n’oblige pas à décomposer les réels ou les complexes en petits morceaux ? C’est tout à
fait possible.
Proposition 16. Soit (ui )i∈I une famille sommable de nombres complexes. Il existe
un unique nombre complexe S tel que pour tout ε > 0, il existe F fini inclus dans I tel
que pour tout G fini vérifiant F ⊂ G ⊂ I,
X
ui − S ≤ ε
i∈G
Le nombre complexe S est précisément la somme de la famille :

X
S= ui
i∈I
Démonstration. Supposons qu’il existe deux tels nombres complexes S et S 0 . Soit ε > 0.
Soient F, F 0 associés à S, S 0 et ε. Posons G = F ∪ F 0 . On a alors
X X
|S − S 0 | ≤ ui − S + ui − S 0 ≤ 2ε
i∈G i∈G
Ceci étant vrai pour tout ε > 0, il en résulte que S = S 0 .

On fait la démonstration de l’existence pour une famille de nombres réels. La preuve pour
les familles de nombres complexes est analogue (on se ramène à des familles réelles).
Soit S = i∈I ui . La famille de réels positifs (u+ +
P
i )i∈I est sommable, de somme S , et la
− −
famille de réels positifs (ui )i∈I est sommable, de somme S .
Soit ε > 0. Il existe F1 ⊂ I fini tel que pour tout G fini, F1 ⊂ G ⊂ I,
X 1
u+
i −S
+
≤ ε
2
i∈G
De même, il existe F2 ⊂ I fini tel que pour tout G fini, F2 ⊂ G ⊂ I,
X 1
u−
i −S
−
≤ ε
2
i∈G
Posons F = F1 ∪ F2 . Pour tout G fini, F ⊂ G ⊂ I, on a

! !
X X X
+ + − −
ui − S = ui − S − ui − S
i∈G i∈G i∈G
X X
≤ u+
i −S
+
+ u−
i −S
−
i∈G i∈G
≤ ε
Proposition 17. Linéarité de la somme

Soient (ui )i∈I et (vi )i∈I deux familles sommables de nombres complexes. Soient λ, µ ∈
C. Alors, la famille (λui + µvi )i∈I est sommable, et
X X X
(λui + µvi ) = λ ui + µ vi
i∈I i∈I i∈I
Démonstration. Remarquons tout d’abord que pour tout i ∈ I,

|λui + µvi | ≤ |λ||ui | + µ|vi |
Les familles (|ui |)i∈I et (|vi |)i∈I étant sommables, les résultats sur les familles sommables
de réels positifs nous montrent que la famille (|λui + µvi |)i∈I l’est aussi. Il reste à montrer
l’égalité.
Notons S 0 = i∈I ui , S 00 = i∈I vi et S = i∈I λui + µvi . Soit ε > 0. Il existe F fini
P P P
inclus dans I tel que, pour tout F ⊂ G ⊂ I, G fini, on ait
X ε
ui − S 0 ≤
2(|λ| + 1)
i∈G
et
X ε
vi − S 00 ≤
2(|µ| + 1)
i∈G
De là,
! !
X X X
(λui + µvi ) − λS 0 + µS 00
ui − S 0 vi − S 00

= λ +µ
i∈G i∈G i∈G
X X
≤ |λ| ui − S 0 + |µ| vi − S 00
i∈G i∈G
|λ|ε |µ|ε
≤ +
2(|λ| + 1) 2(|µ| + 1)
≤ ε
Par unicité de la somme d’une famille sommable, on conclut que
S = λS 0 + µS 00
Remarque 3. L’ensemble `1 (I) est ainsi un C-espace vectoriel, sous-espace vectoriel de

CI .
2.3 Séries et sommabilité
Proposition 18. Séries et sommabilité

Soit (un )n∈N une suite
P de nombres complexes. La famille (un )n∈N est sommable si et
seulement si la série un est absolument convergente. On a alors
X ∞
X
un = un
n∈N n=0
Démonstration. La famille (un )n∈N sommable si et seulement si la famille de réels po-

sitifs (|un |)P
n∈N est sommable. Ceci équivaut, comme nous l’avons vu Pau I, à la convergence
de la série |un |, c’est à dire à la convergence absolue de la série un .
Supposons qu’on a la convergence. Soient S = n∈N un et S 0 = ∞

P P
n=0 un . Montrons que
S 0 = S. Donnons-nous ε > 0. Il existe un ensemble fini F inclus dans N tel que pour tout
G fini, F ⊂ G ⊂ N, on ait
X 1
(1) ui − S ≤ ε
2
i∈G
Par ailleurs, il existe un entier N tel que pour tout n ≥ N ,
n
X 1
(2) ui − S 0 ≤ ε
2
i=0
Prenons n ≥ N tel que F ⊂ J0, N K. Pour G = J0, nK, on a alors (1), et aussi (2). De là,
n
X n
X
0
|S − S | ≤ |S − ui | + | ui − S 0 | ≤ ε
i∈G i∈G
Ceci étant vrai pour tout ε > 0, on en déduit que S = S 0 .

2.4 Le théorème de Fubini
Proposition 19. Sommation par paquets

Soit (ui )i∈I une famille sommable de nombres complexes. On suppose que
[
I= Ij
j∈J
où les ensembles Ij sont disjoints deux à deux. Alors,

• Pour tout j ∈ J, la famille (ui )i∈Ij est sommable, de somme Sj .
• La famille (Sj )j∈J est sommable.
• On a X XX
ui = ui
i∈I j∈J i∈Ij
Démonstration. Nous admettrons ce résultat.

Remarque 4. Remarquons que l’on n’a plus ici l’équivalence que l’on avait pour les
familles de réels positifs. Les paquets peuvent être sommables, ainsi que la famille des
sommes des paquets, sans que la famille complète le soit. Prenons par exemple I = N et,
pour tout j ∈ N, Ij = {2j, 2j + 1}. Posons, pour tout i ∈ N, ui = (−1)i . Pour tout j ∈ N,
la famille (ui )i∈Ij est évidemment sommable (famille finie), et sa somme est
Sj = (−1)2j + (−1)2j+1 = 0
La famille (Sj )j∈N est la famille nulle, elle P

est donc sommable. En revanche, la famille
(ui )i∈N n’est pas sommable, puisque la série (−1)i diverge grossièrement.
Comme dans le cas des familles de réels positifs, le cas où I = A × B fournit le théorème
de Fubini.
Proposition 20. Théorème de Fubini

Soit (uab )a∈A,b∈B une famille sommable de nombres complexes. Alors,
• Pour tout a ∈ A, la famille (uab )b∈B est sommable, de somme Sa .
• La famille (Sa )a∈A est sommable.
• On a !
X X X
uab = uab
a∈A,b∈B a∈A b∈B
Démonstration. Identique à celle faite pour les familles sommables de réels positifs.
Proposition 21. Soient (ai )i∈I et (bi0 )i0 ∈I 0 deux familles sommables de nombres com-
plexes. Alors, la famille (ai bi0 )(i,i0 )∈I×I 0 est sommable, et
X X X
ai bi0 = ai bi0
(i,i0 )∈I×I 0 i∈I i0 ∈I 0
Démonstration. On applique le théorème de Fubini à la famille (uii0 = ai bi0 )(i,i0 )∈I×I 0 .

On a alors
!
X X X
uii0 = ai b0i
i∈I,i0 ∈I 0 i∈I i0 ∈I 0
!
X X
= ai b0i
i∈I i0 ∈I 0
X X
= ai b0i
i∈I i0 ∈I 0

Remarque 5. Ce résultat s’étend par récurrence à un nombre fini quelconque de familles
sommables.
Exemple. Reprenons un exemple déjà vu plus haut. Soit x ∈] − 1, 1[. Les familles (xp )p∈N
et (xq )q∈N sont sommables (série géométrique), donc la famille (xp+q )(p,q)∈N2 l’est aussi, et
X X X 1
xp+q = xp xq =
(1 − x)2
(p,q)∈N2 p∈N q∈N
2.5 Un exemple moins évident
Soit x ∈] − 1, 1[. Considérons la famille (xmn )(m,n)∈(N∗ )2 .

Montrons tout d’abord que cette famille est sommable. Le théorème de Fubini pour les
familles de réels positifs nous dit que
X X X X |x|m
|xmn | = (|x|m )n =
1 − |x|m
m,n∈N∗ m∈N∗ n∈N∗ m∈N∗
Lorsque m tend vers l’infini,

|x|m
∼ |x|m
1 − |x|m
|x|m est une série géométrique convergente, sonc

P
Or, la série
X
|xmn | < +∞
m,n∈N∗
Maintenant que nous savons que notre famille est sommable nous pouvons lui appliquer le
théorème de sommation par paquets et ses corollaires.
L’ensemble des indices étant un produit cartésien, notre première idée est d’appliquer le
théorème de Fubini.
On a pour tout m ∈ N∗ ,
X X xm
xmn = (xm )n =
1 − xm
n∈N∗ n∈N∗
Ainsi, par le théorème de Fubini,

∞
X X xm
xmn =
1 − xm
(m,n)∈(N∗ )2 m=1
Regroupons maintenant les termes de façon différente. Écrivons

[
(N∗ )2 = Ik
k∈N∗
où
Ik = {(m, n) ∈ (N∗ )2 , mn = k}
Les Ik étant des ensembles disjoints, on peut appliquer le théorème de sommation par
paquets. X X X X
xmn = xmn = |Ik |xk
(m,n)∈(N∗ )2 k∈N∗ (m,n)∈Ik k∈N∗
Remarquons que |Ik | = d(k), où d(k) est le nombreP de diviseurs

P xde k. Nous venons donc
n
de montrer que pour tout x ∈] − 1, 1[, les séries n
d(n)x et 1−xn sont convergentes, et
∞ ∞
X X xn
d(n)xn =
1 − xn
n=1 n=1
3 Produit de Cauchy
3.1 Produit de Cauchy de deux séries

3. PRODUIT DE CAUCHY 669
P P
Définition 5. Soient un et vn deux
P séries de nombres complexes. Le produit de
Cauchy de ces deux séries est la série wn , où, pour tout n ∈ N,
n
X
wn = uk vn−k
k=0
P
Proposition
P P 22. Le produit de Cauchy wn de deux séries absolument convergentes
un et vn est une série absolument convergente. De plus,
∞
X ∞
X ∞
X
wn = un vn
n=0 n=0 n=0
Démonstration. Pour i, i0 ∈ N, posons zii0 = ui vi0 . La famille (ui )i∈N et la famille

(vi0 )i0 ∈N sont sommables. Par la proposition 16, la famille (zii0 )(i,i0 )∈N×N est sommable, et
X X X
zii0 = ui v i0
i∈N,i0 ∈N i∈N i0 ∈N
Pour tout n ∈ N, posons
In = {(i, i0 ) ∈ N × N, i + i0 = n}
Les In sont disjoints deux à deux et leur réunion est N × N. Par le théorème de sommation
par paquets,
X ∞
X X
zii0 = zii0
i∈N,i0 ∈N n=0 (i,i0 )∈In
Il reste à remarquer que

X X n
X
z ii0 = ui v =i0 ui vn−i = wn
(i,i0 )∈In i+i0 =n i=0
3.2 Un exemple
Soient a, b ∈ C tels que |a| < 1 et |b| < 1. Supposons a 6= b. On a pour tout n ∈ N,
n
an+1 − bn+1 X k n−k
= a b
a−b
k=0
P n P n
On reconnaît là le nième terme du produit de Cauchy des séries a et b , qui sont
P an+1 −bn+1
toutes les deux absolument convergentes. Ainsi, la série a−b est convergente, et
∞ ∞ ∞
X an+1 − bn+1 X
n
X 1
= a bn =
a−b (1 − a)(1 − b)
n=0 n=0 n=0
Exercice. Nous aurions pu étudier la série de l’exemple ci-dessus dans le chapitre sur les
séries, en utilisant uniquement des résultats élémentaires. Comment ?
3.3 L’exponentielle
En application de la proposition
P xnprécédente,
P yn prenons l’exemple de l’exponentielle complexe.
0
Soient x, x ∈ C. Les séries n! et n! sont absolument convergentes, de sommes
∞ ∞
X xn X yn
= ex et = ey
n! n!
n=0 n=0
Quel est leur produit de Cauchy ? C’est la série de terme général

n n
X xk y n−k 1 X n k n−k (x + y)n
wn = = x y =
k! (n − k)! n! k n!
k=0 k=0
Ainsi, par la proposition précédente,
ex+y = ex ey
On retrouve donc la propriété de morphisme de l’exponentielle complexe.
4 Complément - Le cardinal des familles sommables
Le résultat que nous énonçons dans ce paragraphe n’est pas à connaître, il est cependant
très instructif. Un ensemble dénombrable est un ensemble en bijection avec l’ensemble N.
On peut prouver, par exemple, que Z et Q sont dénombrables, mais que R ne l’est pas.
Est-il possible de considérer des familles sommables (ui )i∈I de nombres complexes où, par
exemple, I = R ? Oui, mais alors la plupart des ui sont obligatoirement nuls. Précisé-
ment, nous allons montrer que seuls un nombre dénombrable des ui sont différents de 0.
Commençons par un lemme que nous admettrons.
S
Lemme 23. Soit (En )n∈N une suite d’ensembles finis. Alors, n∈N En est un ensemble
fini ou dénombrable.
4. COMPLÉMENT - LE CARDINAL DES FAMILLES SOMMABLES 671
Démonstration. Admise.
Venons-en au résultat qui nous intéresse.
Proposition 24. Soit (ui )i∈I une famille sommable de nombres complexes. Soit
E = {i ∈ I, ui 6= 0}
Alors, l’ensemble E est fini ou dénombrable.
P
Démonstration. Notons S = |ui |. Pour tout entier n ≥ 0, soit
i∈I

1
En = i ∈ I, |ui | ≥
n+1
Pour toute partie finie F de En ,

1 X X X
|F | ≤ |ui | ≤ |ui | ≤ |ui | = S
n+1
i∈F i∈En i∈I
Ainsi, |F | ≤ (n + 1)S. L’ensemble En ne contient aucun sous-ensemble fini de cardinal

strictement supérieur à (n + 1)S, donc En est lui aussi un ensemble fini. Remarquons
maintenant que [
E= En
n∈N
L’ensemble E est une réunion dénombrable d’ensemble finis, c’est donc un ensemble fini
ou dénombrable.
Chapitre 36
Fonctions de deux variables
673
674 CHAPITRE 36. FONCTIONS DE DEUX VARIABLES
Dans tout ce chapitre, on se place dans le plan R2 muni du produit scalaire canonique.
Lorsqu’on parle de norme, il s’agit de la norme euclidienne associée. La plupart des résultats
présentés ici restent valables si l’on se place dans Rp (où p est un entier ≥ 2) et avec une
norme quelconque.
1 Un peu de topologie
1.1 Disques
Définition 1. Soit a ∈ R2 . Soit r ∈ R+ . On appelle

• Disque ouvert de centre a et de rayon r l’ensemble
D(a, r) = {x ∈ E, ||x − a|| < r}
• Disque fermé de centre a et de rayon r l’ensemble
D(a, r) = {x ∈ E, ||x − a|| ≤ r}
• Cercle de centre a et de rayon r l’ensemble
C(a, r) = {x ∈ E, ||x − a|| = r}
Le cas où r = 0 est un peu à part. Les disques ouverts de rayon 0 sont vides, les disques
fermés de rayon 0 sont les singletons. Dans la suite, nous supposerons implicitement que
le rayon des disques est non nul.
Remarque 1. En dimension 3 ou plus, on peut définir les mêmes notions. Mais on dit
alors boule et sphère au lieu de disque et cercle.
Proposition 1. Un disque est convexe.
Démonstration. Soit D = D(a, r) un disque (ouvert, pour fixer les idées). Soient
x, y ∈ D et λ ∈ [0, 1]. Soit z = (1 − λ)x + λy. Alors
||z − a|| = ||(1 − λ)(x − a) + λ(y − a)||
On applique l’inégalité triangulaire :
||z − a|| < (1 − λ + λ)r = r
Ainsi, z ∈ D.
1. UN PEU DE TOPOLOGIE 675
1.2 Ensembles ouverts
Définition 2. Soit A ⊂ R2 . On dit que A est ouvert lorsque A est une réunion de
disques ouverts.
Exemple. L’ensemble vide, R2 , les disques ouverts, sont des ensembles ouverts.
Nous donnons maintenant une caractérisation plus manipulable des ouverts.
Proposition 2. Soit A ⊂ R2 . L’ensemble A est ouvert si et seulement si pour tout

point a ∈ A, il existe un réel ε > 0 tel que D(a, ε) ⊂ A.
Démonstration. Supposons A ouvert. Soit a ∈ A. Comme A est réunion de disques

ouverts, on a a ∈ D(b, r) pour un certain b et un certain r. On vérifie alors que
D(a, r − ||a − b||) ⊂ D(b, r)
En posant ε = r − ||a − b||, on a D(a, ε) ⊂ A.

Inversement, supposons que pour tout a ∈ A, on ait l’existence d’un ε(a) > 0 tel que
D(a, ε(a)) ⊂ A. Alors, [
A= D(a, ε(a))
a∈A
donc A est ouvert.

Exercice. Montrons que le complémentaire d’un disque fermé est ouvert. Soient c ∈ R2
et r ≥ 0. Soit D = D(c, r) le disque fermé de centre c et de rayon r. Posons
A = R2 \ D
Pour tout x ∈ A, on a ||x − c|| > r. Soit
εx = ||x − c|| − r > 0
Soit Dx le disque ouvert de centre x et de rayon εx . Pour tout y ∈ Dx , on a
||x − c|| = ||(x − y) + (y − c)|| ≤ ||x − y|| + ||y − c|| < εx + ||y − c||
Ainsi,
||y − c|| > ||x − c|| − εx = r
et donc y ∈ A. On en déduit que Dx ⊂ A. Par la proposition précédente, A est ouvert.
Exercice. Montrons qu’un disque fermé n’est jamais ouvert.
Soit D = D(c, r) le disque fermé de rayon c ∈ R2 et de rayon r ≥ 0. Soit a = c + (r, 0). On

a a ∈ D puisque ||a − c|| = r.
Donnons-nous maintenant ε > 0 quelconque. Considérons le disque ouvert D0 = D(a, ε)
de centre a et de rayon ε. Soit x = a + ( 12 ε, 0). On a
1
||x − a|| = ε < ε
2
et donc x ∈ D0 . Cependant,
1
||x − c|| = r + ε > r
2
0
et donc x 6∈ D. Ainsi, D 6⊂ D. Ceci étant vrai pour tout ε > 0, D n’est pas ouvert.
Exercice. Toute réunion d’ouverts est un ouvert, et toute intersection finie d’ouverts
est un ouvert. En revanche, une intersection infinie d’ouverts peut fort bien ne pas être
ouverte.
2 Continuité
2.1 Notion de continuité
Définition 3. Soit Ω un ouvert de R2 . Soit f : Ω −→ R. Soit a ∈ Ω. On dit que f est

continue a lorsque
∀ε > 0, ∃α > 0, ∀x ∈ Ω, ||x − a|| ≤ α =⇒ |f (x) − f (a)| ≤ ε
On dit que f est continue sur Ω lorsque f est continue en tout point a ∈ Ω.
2.2 Exemples
Proposition 3. La norme euclidienne est continue sur R2 .
Démonstration. Soit a ∈ R2 . Pour tout x ∈ R2 , on a
|kxk − kak| ≤ kx − ak
Donnons-nous un réel ε > 0. Soit α = ε. Alors
kx − a| ≤ α =⇒ |kxk − kak| ≤ ε
d’où la continuité de la norme en a.

2. CONTINUITÉ 677
Proposition 4. Les applications (x, y) 7−→ x et (x, y) 7−→ y sont continues sur R2 .
Proposition 5. L’application + : R2 −→ R définie par +(x, y) = x + y est continue.

On a des résultats analogues pour les autres opérations.
Exercice. Quel est l’ensemble de définition de la fonction « division » ? Où est-elle conti-
nue ?
Exemple. Soit c ∈ R. Soit f : R2 −→ R définie par f (0, 0) = c et, pour tout (x, y) ∈ R2 ,
xy
f (x, y) =
x2 + y2
Géométriquement, l’ensemble des points (x, y, z) ∈ R3 tels que z = f (x, y) est une surface.
En voici une représentation graphique.
On voit que pour x = y = 0 la surface présente un aspect « pincé ». Effectivement,

montrons que f n’est pas continue en (0, 0). Pour cela, posons pour tout (x, y) 6= (0, 0),
x = r cos θ et y = r sin θ, de sorte que r = k(x, y)k. On a
r2 cos θ sin θ 1
f (x, y) = = sin(2θ)
r2 2
Ainsi,
1
f (x, y) − f (0, 0) = sin(2θ) − c
2
Choisissons θ tel que sin θ 6= 2c. Soit ε = 12 12 sin(2θ) − c . Soit α > 0. Pour tout r ≤ α, le
point (x, y) = (r cos θ, r sin θ) vérifie k(x, y)k ≤ α. Pourtant, |f (x, y) − f (0, 0)| > ε. Ainsi,
f n’est pas continue en (0, 0).
2.3 Opérations sur les fonctions continues
Citons sans preuve les deux résultats suivants. Leur démonstration est analogue à celle
faite pour les fonctions d’une variable réelle.
Proposition 6. Soit Ω un ouvert de R2 . Soient f, g : Ω −→ R. Soit λ ∈ R. Soit

a ∈ Ω. On suppose que f et g sont continues en a. Alors
• f + g est continue en a.
• λf est continue en a.
• f g est continue en a.
• Si g(a) 6= 0, il existe une disque ouvert D ⊂ Ω centré en a tel que g ne s’annule
pas sur D, et fg est continue en a.
Proposition 7. Soient Ω un ouvert de R2 et I un intervalle de R. Soient f : Ω −→ I

et g : I −→ R. Soit a ∈ I. On suppose que f est continue en a et g est continue en
f (a). Alors g ◦ f est continue en a.
Remarque 2. Rappelons l’exercice vu un peu plus haut : on y a montré que les applica-
tions (x, y) 7−→ x et (x, y) 7−→ y sont continues sur R2 . Les théorèmes sur les opérations
sur les fonctions continues prouvent alors que les formes linéaires sont continues sur R2 . De
même, les fonctions polynômes à plusieurs variables sont continues sur R2 . Les fractions
rationnelles à plusieurs variables sont continues là où elles sont définies.
Exemple. Soit c ∈ R. Soit f : R2 −→ R définie par f (0, 0) = c et, pour tout (x, y) ∈ R2 ,
xy
f (x, y) =
x2 + y2
3. DÉRIVÉES PARTIELLES 679
Nous avons déjà vu que f n’est pas continue en (0, 0). En revanche, par les théorèmes sur
les fonctions continues, f est continue sur R2 \ {(0, 0)}.
Comment prouver qu’une fonction de plusieurs variables est continue ? Les théorèmes sur
les opérations sur les fonctions continues permettent de régler le problème, sauf peut-être
en quelques points (nous avons déjà vu l’exemple de x2xy+y 2
). En ces points, un passage en
« coordonnées polaires » permet souvent de régler la question, du moins pour les fonctions
auxquelles nous nous intéressons.
Exemple. Prenons
x3 − y 3
f (x, y) = si (x, y) 6= (0, 0)
x2 + y 2
et f (0, 0) = 0. Par les opérations sur les fonctions continues, f est continue sur R2 \{(0, 0)}.
Pour l’étude en 0, posons x = r cos θ et y = r sin θ, où r ≥ 0 et θ ∈ R. On a donc
||(x, y)|| = r. Il vient alors
r3 (cos3 θ − sin3 θ)
f (x, y) = = r(cos3 θ − sin3 θ)
r2
Donc,
|f (x, y)| ≤ 2r = 2||(x, y)||
Ainsi, pour tout ε > 0, |f (x, y)| ≤ ε dès que ||(x, y)|| ≤ 2ε . La fonction f est continue en
(0, 0).
3 Dérivées partielles
3.1 Dérivée selon un vecteur
Soit Ω un ouvert de R2 . Soit f : Ω −→ R. Soit a ∈ Ω. Soit u ∈ R2 .
Proposition 8. Pour tout réel t assez petit, on a a + tu ∈ Ω.
Démonstration. L’ensemble Ω est ouvert. Il existe donc ε > 0 tel que D(a, ε) ⊂ Ω. On
a donc a + tu ∈ Ω dès que |t|||u|| < ε.
Définition 4. On dit que f est dérivable en a selon le vecteur u lorsque la quantité
f (a + tu) − f (a)
t
admet une limite lorsque le réel t 6= 0 tend vers 0. On appelle alors dérivée de f en a
selon le vecteur u la limite en question.
Notation. La dérivée de f en a selon u est notée df (a)(u).

Exemple. Soit f (x, y) = x2 − y 2 . Soient a = (x0 , y0 ) et u = (h, k). On vérifie aisément
que pour tout u ∈ R2 , df (a)(u) existe et vaut 2x0 h − 2y0 k. Remarquons que
df (a) : R2 −→ R
est ici une forme linéaire sur R2 . Nous verrons au cours de ce chapitre que sous certaines
conditions de régularité sur f , ce sera toujours le cas.
3.2 Dérivées partielles
On note (e1 , e2 ) la base canonique du plan R2 .
Définition 5. On appelle dérivées partielles de f en a les quantités df (a)(e1 ) et

df (a)(e2 ), lorsqu’elles existent.
∂f ∂f
Notation. On note ces dérivées partielles ∂x (a) et ∂y (a), en sous-entendant que x et y
sont les noms des « variables ».
Lorsque les dérivées partielles de f existent en tout point de l’ouvert Ω, on dispose donc
des deux fonctions ∂f ∂f
∂x : Ω −→ R et ∂y : Ω −→ R.
Définition 6. On dit que f est de classe C 1 sur Ω lorsque ∂f ∂f

∂x et ∂y existent et sont
continues sur Ω. On note C 1 (Ω) l’ensemble des fonctions de classe C 1 sur l’ouvert Ω.
∂f
Posons a = (a1 , a2 ). La dérivée partielle ∂x (a), lorsqu’elle existe, est
∂f f (a1 + t, a2 ) − f (a1 , a2 )
(a) = lim
∂x t−→0 t
De même,
∂f f (a1 , a2 + t) − f (a1 , a2 )
(a) = lim
∂y t−→0 t
En réalité, dans la plupart des cas il n’est pas utile de considérer un taux d’accroissement.
Par exemple, pour dériver « par rapport à x », tout se passe comme si on fixait la deuxième
variable et que l’on dérivait la fonciton d’une variable restante.
Exemple. Soit f : R2 −→ R définie par f (0, 0) = 0 et, pour tout (x, y) 6= (0, 0),
xy
f (x, y) =
x2 + y 2
∂f
Soit a = (x, y) 6= (0, 0). Alors, ∂x (a) existe et
∂f y(y 2 − x2 )
(a) = 2
∂x (x + y 2 )2
Bref, on fixe y et on dérive par rapport à x, comme s’il n’y avait qu’une variable.
Reprenons maintenant ce qui se passe en (0, 0). Pour voir si f a des dérivées partielles en
(0, 0) on ne peut évidemment plus dériver « bêtement ». On revient à la définition avec des
taux d’accroissement. Pour tout t 6= 0,
f (0 + t, 0) − f (0, 0) f (t, 0) − f (0, 0)

= =0
t t
On en déduit ∂f
∂x (0, 0) existe et vaut 0. Un calcul analogue montre que la dérivée partielle
par rapport à y en (0, 0) existe et vaut aussi 0.
Ce résultat est remarquable si l’on se souvient que la fonction f n’est pas continue en
0. Ainsi, pour les fonctions de plusieurs variables, la « dérivabilité » n’entraîne pas la
continuité.
Exercice. Montrer que la fonction f de l’exemple ci-dessus possède en (0, 0) des dérivées
suivant tout vecteur.
3.4 Opérations sur les dérivées
Une dérivée partielle est en fait une dérivée « normale ». On a donc des formules pour
les dérivées partielles d’une somme, d’un produit, d’un quotient,. . . analogues à celles déjà
vues pour les fonctions d’une seule variable. Par souci de complétude, voici le résultat.
Proposition 9. Soit Ω un ouvert de R2 . Soient f, g : Ω −→ R. Soit λ ∈ R. Soient

a ∈ Ω et u ∈ R2 . On suppose que f et g sont dérivables en a selon le vecteur u. Alors
• f + g est dérivable en a selon le vecteur u, et
d(f + g)(a)(u) = df (a)(u) + dg(a)(u)
• λf est dérivable en a selon le vecteur u, et
d(λf )(a)(u) = λdf (a)(u)
• f g est dérivable en a selon le vecteur u, et
d(f g)(a)(u) = df (a)(u)g(a) + f (a)dg(a)(u)
• Si g est non nulle dans un disque centré en a, alors fg est dérivable en a selon
le vecteur u, et

f df (a)(u)g(a) − f (a)dg(a)(u)
d (a)(u) =
g g(a)2
3.5 Développement limité à l’ordre 1
Proposition 10. Développement limité à l’ordre 1

Soit f : Ω −→ R une fonction de classe C 1 . Soit a = (x0 , y0 ) ∈ Ω. Alors,
• Pour tout u = (h, k) ∈ R2 , df (a)(u) existe et
∂f ∂f
df (a)(u) = h (a) + k (a)
∂x ∂y
• Lorsque u tend vers (0, 0), on a
f (a + u) = f (a) + df (a)(u) + o(kuk)
Démonstration. Théorème admis.

Explicitons tout de même le sens de o(kuk). Soit ϕ : D −→ R une fonction définie sur un
disque ouvert D centré en 0. On dit que ϕ(u) = o(kuk) lorsque pour tout ε > 0, il existe
α > 0, tel que pour tout u ∈ D,
kuk ≤ α =⇒ |ϕ(u)| ≤ εkuk
où ε(u) tend vers 0 lorsque u tend vers 0.

Remarquons également que ce résultat est extrêmement fort : l’existence ET la continuité

des dérivées partielles, c’est à dire des dérivées selon les deux vecteurs de la base canonique,
entraîne l’existence des dérivées selon tous les vecteurs. De plus, l’application df (a) :
R2 −→ R est une forme linéaire sur R2 .
Remarque 3. Nous avons vu plus haut que l’ensemble des points (x, y, z) ∈ R3 tels que
z = f (x, y) est une surface. Soit a = (x0 , y0 ). Soit b = (x, y) = (x0 + h, y0 + k) un point de
Ω voisin de a. On a par la proposition précédente
f (b) = f (a) + α(x − x0 ) + β(y − y0 ) + o(k(h, k)k)

∂f ∂f
où α = ∂x (a) et β = ∂y (a). Le sous-ensemble P de R3 d’équation cartésienne
(P) z = f (a) + α(x − x0 ) + β(y − y0 )
est un plan affine. C’est le plan tangent à la surface représentative de f au point (x0 , y0 , f (x0 , y0 )).
Au voisinage de ce point, la surface représentative de f est, d’une certaine façon, « collée
» au plan P. Nous n’entrerons pas plus avant dans les détails.
Corollaire 11. Une fonction de classe C 1 est continue.
Démonstration. Reprenons les notations ci-dessus. Lorsque u tend vers 0, ses compo-
santes h et k également, donc f (a + u) tend vers f (a). C’est précisément la définition de
la continuité de f en a.
3.6 Gradient
Définition 7. Soit f ∈ C 1 (Ω). Soit a ∈ Ω. Le gradient de f en a est le vecteur de R2

∂f ∂f
∇f (a) = (a), (a)
∂x ∂y
Le développement limité à l’ordre 1 de f en a s’écrit maintenant
f (a + u) = f (a)+ < ∇f (a), u > +o(kuk)
Dit autrement,
df (a)(u) =< ∇f (a), u >
Prenons u =6 0 et supposons que ∇f (a) 6= 0. On notons θ l’écart angulaire entre u et
∇f (a). On a alors
f (a + u) − f (a) = k∇f (a)kkuk cos θ + o(kuk)

En « négligeant » le o(kuk), on constate ainsi que, pour des vecteurs ` de norme fixée,
|f (a + u) − f (a)| est maximal lorsque θ = 0 ou θ = π, c’est à dire lorsque u et ∇f (a) sont
colinéaires. Le gradient de f en a est ainsi la direction dans laquelle f croît le plus vite au
voisinage de a.
3.7 Extrema locaux
Définition 8. Soit f : Ω −→ R. Soit a ∈ Ω. On dit que f admet un maximum local

en a lorsqu’il existe ε > 0 tel que ∀x ∈ D(a, ε), f (x) ≤ f (a). On définit de même un
minimum local, et un extremum local.
Proposition 12. Si f est de classe C 1 sur Ω et admet un extremum local en a ∈ Ω,

alors toutes ses dérivées suivant tout vecteur (et en particulier ses dérivées partielles)
s’annulent en a.
Démonstration. Soit u ∈ R2 . Supposons que f a un minimum local en a. On a alors

pour tout t assez petit f (a + tu) ≥ f (a). Donc, pour tout t > 0 assez petit, le taux
d’accroissement f (a+tu)−f
t
(a)
est positif. En passant à la limite, on en déduit
df (a)(u) ≥ 0
En recommençant pour t < 0, on obtient l’inégalité inverse.

Exemple. La fonction définie sur R2 par f (x, y) = x2 + y 2 a toutes ses dérivées partielles
qui s’annulent en (0, 0). On vérifie qu’inversement, ce point donne lieu à un minimum de
f.
Exemple. En revanche, la fonction définie sur R2 par f (x, y) = x2 − y 2 a toutes ses
dérivées partielles qui s’annulent en (0, 0), mais ce point ne donne pas lieu à un extremum
local de f . En effet, f (0, 0) = 0. Pour tout h > 0,
f (h, 0) = h2 > 0
donc f n’a pas un maximum local en (0, 0). De même,
f (0, h) = −h2 < 0
donc f n’a pas un minimum local en (0, 0).
4 Composition
4. COMPOSITION 685
4.1 La règle de la chaîne
On se donne un intervalle I de R et un ouvert Ω de R2 . Soit ϕ : I −→ Ω une fonction de

classe C 1 . De façon précise, pour tout t ∈ I,
ϕ(t) = (x(t), y(t))
où x, y : I −→ R sont deux fonctions de classe C 1 sur I.

Soit f : Ω −→ R une fonction de classe C 1 . La fonction g = f ◦ ϕ : I −→ R est donc une
fonction réelle d’une variable réelle.
Proposition 13. Règle de la chaîne

La fonction g est de classe C 1 sur I, et on a pour tout réel t ∈ I :
∂f ∂f
g 0 (t) = (ϕ(t))x0 (t) + (ϕ(t))y 0 (t)
∂x ∂y
Démonstration. Soit h 6= 0 un réel assez petit pour que t + h ∈ I. On a
g(t + h) − g(t) = f (T + H) − f (T )
où T = ϕ(t) et T + H = ϕ(t + h). On fait un DL de f à l’ordre 1 en T :
f (T + H) − f (T ) = df (T )(H) + o(kHk)
Remarquons maintenant que
H = ϕ(t + h) − ϕ(t) = hφ0 (t) + o(h) = (hx0 (t) + o(h), hy 0 (t) + o(h))
Donc,
∂f ∂f
df (T )(H) = (hx0 (t) + o(h)) (ϕ(t)) + (hy 0 (t) + o(h)) (ϕ(t))
∂x ∂y
De plus, o(kHk) = o(h), donc
g(t + h) − g(t) ∂f ∂f
= (x0 (t) + o(1)) (T ) + (y 0 (t) + o(1)) (T ) + o(1)
h ∂x ∂y
tend vers
∂f ∂f
x0 (t) (T ) + y 0 (t) (T )
∂x ∂y
lorsque h tend vers 0.
Comment retenir cette formule ? Nous avons déjà mis en place les « bonnes notations ».
Remarquons que x et y désignent deux choses
• Le nom des variables relatives à la fonction f .

• Le nom des fonctions qui définissent ϕ.
Il n’y a pas de confusion possible. Lorsque x et y apparaissent au numérateur d’une dérivée,
ce sont des fonctions. Lorsqu’elles apparaissent au dénominateur, ce sont des variables. De
façon abrégée, la règle de la chaîne s’écrit
dg ∂f dx ∂f dy
= +
dt ∂x dt ∂y dt
Bien évidemment, il faut préciser en quels points les dérivées sont calculées. C’est facile :
• Si c’est une dérivée par rapport à t, c’est au point t.
• Si c’est une dérivée par rapport à x ou y, c’est au point « (x, y) », qu’il faut com-
prendre comme étant (x(t), y(t)).
Exemple. Un point se déplace au cours d’un intervalle de temps I. Son abscisse est son
ordonnée, x et y, sont deux fonctions du temps et définissent une fonction ϕ : I −→ R2 .
Pour tout t ∈ I, ϕ(t) = (x(t), y(t).
Comment trouver les points de la trajectoire qui sont le plus près (ou le plus loin) de
l’origine O ? Il suffit de considérer la fonction f : R2 −→ R définie par
f (x, y) = x2 + y 2
On cherche alors les extrema de la fonction g : t 7→ f (ϕ(t)).

En supposant toutes les fonctions de classe C 1 , on a pour tout t ∈ I,
∂f dx ∂f dy dx dy
g 0 (t) = + = 2x + 2y
∂x dt ∂y dt dt dt
Pour prendre un exemple concret, le point décrit une demi-hyperbole. La fonction ϕ, définie
sur R, est donnée par
ϕ(t) = (x(t), y(t)) = (ch t, sh t)
On a donc
g 0 (t) = 2x sh t + 2y ch t = 4ch t sh t
g 0 s’annule donc en t = 0. On a alors ϕ(0) = (1, 0) et f (0, 0) = 1. Si la demi-hyperbole
possède un point à distance minimale, il s’agit du point (1, 0).
Il s’avère que ce point réalise effectivement le minimum des distances des points de la
demi-hyperbole à O. En effet, pour tout t ∈ R,
ch2 t + sh2 t = ch 2t ≥ 1
avec égalité si et seulement si t = 0.

4. COMPOSITION 687
4.2 Généralisation
Soient Ω et Ω0 deux ouverts de R2 . Soient ϕ : Ω0 −→ Ω et f : Ω −→ R. Soit

g = f ◦ ϕ : Ω0 −→ R
Pour tout (x, y) ∈ Ω0 , on a
ϕ(x, y) = (u(x, y), v(x, u))
où u, v : Ω −→ R. Supposons les fonctions f, u, v de classe C 1 sur leurs domaines respectifs.
Proposition 14. La fonction g est de classe C 1 sur Ω0 . Pour tout a ∈ Ω0 , on a

∂g ∂f ∂u ∂f ∂v
(a) = (ϕ(a)) (a) + (ϕ(a)) (a)
∂x ∂u ∂x ∂v ∂x
et
∂g ∂f ∂u ∂f ∂v
(a) = (ϕ(a)) (a) + (ϕ(a)) (a)
∂y ∂u ∂y ∂v ∂y
Remarquer ici encore comment la règle de la chaîne s’applique. Dit rapidement, on a

∂g ∂f ∂u ∂f ∂v
= +
∂x ∂u ∂x ∂v ∂x
et
∂g ∂f ∂u ∂f ∂v
= +
∂y ∂u ∂y ∂v ∂y
4.3 Un exemple
Nous allons déterminer toutes les fonctions f : R2 −→ R de classe C 1 vérifiant l’équation

aux dérivées partielles
∂f ∂f
(E) + =0
∂x ∂y
Considérons pour cela l’application ϕ : R2 −→ R2 définie par
ϕ(x, y) = (u(x, y), v(x, y)) = (x + y, x − y)
La fonction ϕ est clairement de classe C 1 et bijective. Sa réciproque est aussi C 1 .
Soit f une fonction de classe C 1 sur R2 . Posons g = f ◦ ϕ−1 , de sorte que f = g ◦ ϕ. Il
vient, pour tout a = (x, y) ∈ R2 ,
∂f ∂g ∂u ∂g ∂v
(a) = (ϕ(a)) (a) + (ϕ(a)) (a)
∂x ∂u ∂x ∂v ∂x
∂g ∂g
= (ϕ(a)) + (ϕ(a))
∂u ∂v
De même,
∂f ∂g ∂u ∂g ∂v
(a) = (ϕ(a)) (a) + (ϕ(a)) (a)
∂y ∂u ∂y ∂v ∂y
∂g ∂g
= (ϕ(a)) − (ϕ(a))
∂u ∂v
Ainsi,
∂f ∂f ∂g
(a) + (a) = 2 (ϕ(a))
∂x ∂y ∂u
La fonction f est solution de l’équation (E) si et seulement si pour tout a ∈ R2 ,
∂g
(ϕ(a)) = 0
∂u
La fonction h étant bijective, cela équivaut à dire que pour tout b ∈ R2 ,
∂g
(b) = 0
∂u
On peut montrer que cela équivaut à l’existence d’une fonction G : R −→ R de classe C 1

telle que pour tout (u, v) ∈ R2 , g(u, v) = G(v), ou encore, pour tout (x, y) ∈ R2 ,
f (x, y) = g(u(x, y), v(x, y)) = g(x + y, x − y) = G(x − y)
Pour résumer, les fonctions solutions de l’équation aux dérivées partielles sont les « fonc-
tions de x − y ».
Index
689
Index
C, 58 tangente hyperbolique, 211

N, 32 associativité, 132
R, 85 asymptote, 364
Z, 254 automorphisme, 139, 379
adhérence, 158 barycentre, 216, 472

affixe, 59 base, 388
algorithme d’Euclide base duale, 408
dans Z, 259 bijection, 45
pour les polynômes, 314 borne supérieure, inférieure, 83
algorithme de Gram-Schmidt, 592 branche parabolique, 364
algorithme du pivot de Gauss, 480
angle d’une rotation, 607 cardinal, 519
angle orienté, 607 d’ensembles d’applications, 523
anneau, 142 d’ensembles de parties, 526
antécédent, 45 d’ensembles en bijection, 519
application, 44 d’un produit cartésien, 522
bilinéaire, 448 d’un sous-ensemble, 519
identité, 46 d’une différence, 521
linéaire, 377 d’une famille sommable, 670
multilinéaire, 448 d’une réunion, 521
multilinéaire alternée, 449 d’une union disjointe, 520
multilinéaire antisymétrique, 449 changement de variable, 238, 511
multilinéaire symétrique, 449 Chasles, formule de, 498
réciproque, 47 classe d’équivalence, 54
arc coefficient binomial, 37
cosinus, 205 cofacteur, 457
sinus, 205 comatrice, 466
tangente, 207 combinaison linéaire, 375
Archimède, propriété d’, 86 commutativité, 132
argument, 66 complémentaire, 27
cosinus hyperbolique, 210 composée, 46
sinus hyperbolique, 210 congruence
690
INDEX 691
dans R, 53 direction asymptotique, 364

dans Z, 53 disjonction, 13
congruences, 271 disque, 674
conjonction, 11 distance, 587
conjugué, 60 d’un vecteur à un sous-espace, 597
convexe, 90, 474 euclidienne, 588
corps, 142 diviseur, 254
corps ordonné, 80 diviseur d’un polynôme, 303
cosinus, 62, 205 division euclidienne
cosinus hyperbolique, 208 dans Z, 256
couple, 27 des polynômes, 304
covariance, 577 double produit vectoriel, 612
croissance des pentes, 220 droite réelle achevée, 85
cycle, 436 dual d’un espace vectoriel, 408
dérivée, 176 écart angulaire, 586

àdroite, à gauche, 179 écart-type, 569
d’ordre supérieur, 178 élément
d’un polynôme, 307 absorbant, 133
déterminant inversible, 133
d’un endomorphisme, 461 inversible, anneau, 144
d’une famille de vecteurs, 453 neutre, 133
d’une matrice carrée, 453 régulier, 134
d’une matrice triangulaire, 455 simple, 325
développement, 457 endomorphisme, 139, 379
de Vandermonde, 460 orthogonal, 600
opérations lignes-colonnes, 456 ensemble, 22
développement asymptotique, 353 ouvert, 675
développement limité, 340 vide, 24
degré ensemble fini, 519
d’une fraction rationnelle, 323 ensembles égaux, 23
demi-tour, 600 équation du second degré, 72
densité de Q et R \ Q dans R, 88 équations d’un hyperplan, 411
dérivée équivalence, 11
partielle, 680 équivalence logique, 16
selon un vecteur, 679 espérance, 563
différence de deux ensembles, 27 loi binomiale, 564
dimension loi de Bernoulli, 564
d’espaces vectoriels isomorphes, 401 variable aléatoire constante, 564
d’un espace vectoriel, 398 espace affine, 470
d’un produit d’espaces vectoriels, 402 espace préhilbertien, 585
d’un sous-espace vectoriel, 400 espace probabilisé, 537
d’une somme, 401 espace vectoriel, 374
des espaces d’applications linéaires, 402 de dimension finie, 396
692 INDEX
et, 11 formes coordonnées, 408

Euler, formule d’, 65 formule
événement, 535 d’Euler, 65
élémentaire, 535 de Bayes, 546
certain, 535 de Moivre, 65
impossible, 535 de Stirling, 355
événements de Taylor avec reste intégral, 512
incompatibles, 535 de Taylor pour les polynômes, 308
indépendants, 547 de Taylor-Young, 339
exponentielle, 198 de transfert, 568
exponentielle complexe, 68 du binôme, 38, 146
extremum local, 186 formule de Chasles, 498
formules de Cramer, 479
factorielle, 37 fraction rationnelle, 322
famille, 29, 44
famille génératrice, 388 gradient, 683
famille liée, 389 groupe, 135
famille libre, 388 abélien, 135
famille sommable alterné, 441
de nombres complexes, 660 cyclique, 430
de réels positifs, 652 orthogonal, 601
fonction spécial-orthogonal, 604
bornée, minorée, majorée, 151 symétrique, 432
caractéristique, 49
homothétie, 76
continue, 160
hyperplan, 409
continue de deux variables, 676
hyperplan affine, 475
continue par morceaux, 492
continue strictement monotone, 170 identité, 46
convexe, 217 identité du parallélogramme, 588
de classe C k , Dk , 179 identités de polarisation, 588
dominée par une autre, 334 identités remarquables, 145
en escalier, 489 image
indicatrice, 49 d’un élément, 44
lipschitzienne, 171 d’un morphisme de groupes, 140
monotone, 152 d’une application linéaire, 382
négligeable devant une autre, 334 directe, 49
périodique, 154 directe d’un sous-espace vectoriel, 382
paire, impaire, 153 réciproque, 49
polynôme, 304 réciproque d’un sous-espace vectoriel, 382
puissance, 201 image, nombre complexe, 59
rationnelle, 324 implication, 14
uniformément continue, 172 inégalité
fonctions équivalentes, 335 de Bienaymé-Tchebytchev, 574
forme linéaire, 379 de Markov, 573
INDEX 693
de Schwarz pour les intégrales, 499 lois marginales, 555

de Taylor-Lagrange, 513
des accroissements finis, 187 méthode des rectangles, 502
inclusion, 23 méthode des trapèzes, 505
indépendants, vecteurs, 389 majorant, 51
inégalité matrice, 278
de Schwarz, 585 antisymétrique, 282
inflexion, 226 canonique d’une application linéaire, 422
injection, 45 carrée, 278
intégrale colonne, 278
fonction continue par morceaux, 493 d’un système, 476
fonction en escalier, 490 d’un vecteur, 416
intégration par parties, 237, 510 d’une application linéaire, 417
intérieur d’un intervalle, 187 d’une famille de vecteurs, 416
intersection, 26 de l’image d’un vecteur, 418
d’hyperplans, 412 de passage, 420
de sous-espaces affines, 472 élémentaire, 279
intervalle, 90 extraite, 424
image par une fonction continue, 169 inversible, 290
inverse, 133 ligne, 278
inversion, 443 orthogonale, 603
isométrie, 601 symétrique, 282
isomorphisme, 139, 379 triangulaire, 293
issue d’une expérience, 535 matrices
équivalentes, 423
lemme semblables, 426
des coalitions, 561 maximum, 52
limite global, 152
d’une fonction, 159 local, 153
d’une fonction monotone, 165 mineur, 457
directionnelle, 165 minimum, 52
infinie d’une suite, 97 minorant, 51
réelle d’une suite, 94 module, 61
logarithme népérien, 196 Moivre, formule de, 65
loi morphisme
binomiale, 541, 553 d’anneaux, 144
conditionnelle, 557 de groupes, 139
conjointe, 555 multiple, 254
d’une variable aléatoire, 550 multiple d’un polynôme, 303
de Bernoulli, 553 multiples
hypergéométrique, 541 dans un anneau, 143
uniforme, 552 dans un groupe, 137
loi de composition interne, 132
lois de Morgan, 27 négation, 14
694 INDEX
nombre complexe, 58 plus petit commun multiple

de module 1, 64 de deux entiers, 264
nombre decimal, 88 de deux polynômes, 317
nombre premier, 267 point adhérent, 158
non, 14 pôle d’une fraction rationnelle, 324
norme, 586 polynôme
euclidienne, 586 d’interpolation de Lagrange, 318
noyau irréductible, 309
d’un morphisme de groupes, 140 scindé, 312
d’une application linéaire, 382 symétrique élémentaire, 313
primitive, 234, 508
opération, 132 probabilité, 537
orbite d’une permutation, 435 conditionnelle, 543
ordre d’un élément, d’un sous-groupe, 431 uniforme, 538
orientation, 465 probabilités
orthogonal composées, 544
d’une partie, 591 totales, 545
orthogonalité produit
d’une famille de vecteurs, 589 d’une matrice par un scalaire, 278
de deux ensembles, 591 de Cauchy, 668
de deux vecteurs, 589 de deux matrices, 280
ou, 13 mixte, 605
produit cartésien, 28
paradoxe de Russell, 22 produit scalaire, 584
paramétrage d’un segment, 215 produit vectoriel, 609
partie dense, 88 produits
partie entière dans un anneau, 143
d’un réel, 87 projecteur, 386
d’une fraction rationnelle, 325 orthogonal, 596
partie imaginaire, 59 prolongement, 45
partie réelle, 59 prolongement par continuité, 167
parties d’un ensemble, 24 proposition, 10
parties polaires, 326 propriété
partition, 54 vraie au voisinage d’un point, 158
pas d’une subdivision, 488 propriété d’Archimède, 255
passage à la limite dans une inégalité puissances
fonctions, 164 dans un anneau, 143
suites, 101 dans un groupe, 135
période, 154
permutation, 432 quantificateur existentiel, 18
plus grand élément, 52 quantificateur universel, 17
plus grand commun diviseur
de deux entiers, 257 réciproque, 47
plus petit élément, 52 racine
INDEX 695
carrée d’un nombre complexe, 70 de deux matrices, 278

d’un polynôme, 305 de deux sous-groupes, 256
d’une fraction rationnelle, 324 de Riemann, 502
de l’unité, 73 de sous-espaces vectoriels, 385
multiple, 307 somme directe, 385
nième d’un nombre complexe, 74 sommes
rang dans un anneau, 143
d’un système, 476 sous-anneau
d’une application linéaire, 404 caractérisation, 144
d’une famille de vecteurs, 404 définition, 143
d’une matrice, 422 sous-espace affine, 471
récurrence sous-espace vectoriel
à deux termes, 40 caractérisation, 381
définir une suite, 41 définition, 381
faible, 33 engendré par une partie, 383
forte, 39 sous-espaces affines parallèles, 472
réflexion, 600 sous-espaces vectoriels supplémentaires, 385
règle de la chaîne, 684 sous-groupe
relation caractérisation, 138
binaire, 50 définition, 138
d’équivalence, 52 de Z, 256
d’ordre, 50 subdivision, 488
d’ordre total, 51 adaptée, 489, 492
restes d’une série convergente, 628 plus fine qu’une autre, 489
restriction, 45 pointée, 502
réunion, 25 régulière, à pas constant, 489
rotation, 76, 604 suite
arithmétique, 112
série convergente, divergente, 96
de Riemann, 624 géométrique, 112
segment, 90, 474 monotone, 104
image par une fonction continue, 169 récurrente linéaire à 2 termes, 114
série, 624 suite extraite, 102
absolument convergente, 637 suites adjacentes, 105
alternée, 640 sup de deux fonctions, 151
convergente, divergente, 625 support d’un cycle, 436
exponentielle, 626 surjection, 45
géométrique, 624 symétrie, 387
harmonique, 635 symétrie
signature d’une permutation, 439 orthogonale, 596
similitude, 77 système complet d’événements, 535
sinus, 62, 205 système
sinus hyperbolique, 208 compatible, 476
somme de Cramer, 478
696 INDEX
homogène, 476 valeur absolue, 82

linéaire, 285 variable aléatoire, 550
variables aléatoires indépendantes, 559
tangente, 62, 205 variance, 569
tangente hyperbolique, 209 loi binomiale, 573
théorème loi de Bernoulli, 572
de Bézout dans Z, 258 loi uniforme, 571
de Bézout pour les polynômes, 314 variable presque constante, 571
de Bolzano-Weierstraß, 108 vecteur
de caractérisation séquentielle des limites, unitaire, 587
163 voisinage, 158
de composition des limites, 163
de d’Alembert-Gauss, 309
de Fermat (petit), 272
de Gauss dans Z, 258
de Gauss pour les polynômes, 315
de Heine, 173
de Lagrange, 431
de nullité de l’intégrale, 499
de Rolle, 186
des accroissements finis, 186
des segments emboîtés, 107
des valeurs intermédiaires, 168
du rang, 405
fondamental du calcul intégral, 509
théorème d’encadrement des limites
fonctions, 164
suites, 101
théorème
de Fubini, 659, 666
de Pythagore, 590
de sommation par paquets, 666
tirages
avec remise, 541
sans remise, 541
trace
d’un endomorphisme, 425
d’une matrice carrée, 425
translation, 75, 470
transposée d’une matrice, 281
transposition, 436
trigonométrique, forme, 67
univers, 534

PolyMaths 2

Transféré par

Droits d'auteur :

Formats disponibles

PolyMaths 2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

PolyMaths 2

Transféré par

Droits d'auteur :

Formats disponibles

Cours de Mathématiques

Auteur : Marc Lorenzi

Lycée Camille Guérin

7 Suites réelles et complexes 93

8 Comparaison des suites 117

9 Groupes, anneaux, corps 131

11 Limites - Continuité 157

13 Fonctions Usuelles 195

14 Fonctions convexes 213

2 Notion de fonction convexe . . . . . . . . . . . . . . . . . . . . . . . . . . . 217

15 Primitives et Équations différentielles 233

17 Calcul matriciel 277

19 Fractions rationnelles 321

20 Analyse asymptotique 333

21 Étude des Fonctions 361

1 Ensemble de définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362

22 Espaces vectoriels 373

23 Dimension finie 395

25 Groupes Symétriques 429

4 Déterminant d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . 461

27 Systèmes linéaires 469

31 Variables aléatoires 549

32 Espaces préhilbertiens 583

33 Endomorphismes orthogonaux 599

35 Familles Sommables 651

36 Fonctions de deux variables 673

1.1 Le langage des mathématiques

• Théorème : une proposition d’une grande importance, parfois l’aboutissement d’an-

1.2 Équivalence de deux propositions

Définition 1. On dit que deux propositions P et Q sont équivalentes, et on note

Le discours mathématique a tendance à relier, à connecter des propositions entre-elles, ceci

Définition 2. Étant données deux propositions P et Q, le connecteur ∧ (ET) permet de

Voici la table de vérité du « ET ».

Proposition 2. Soient P, Q, R des propositions. On a

Comment montrer un « ET » ? Eh bien, on montre d’abord l’une des deux propositions,

Définition 3. Étant données deux propositions P et Q, le connecteur ∨ (OU) per-

Voici la table de vérité du « OU »(inclusif).

Pour le ou exclusif, la dernière ligne de la table serait 1 1 0.

Remarque 5. Comment montrer un « OU » ? Ce n’est pas si évident que cela. Il va falloir

Voici quelques propriétés du connecteur « OU » :

Proposition 3. Soient P, Q, R des propositions. On a

Proposition 4. Soient P, Q, R des propositions. On a

Démonstration. Ces deux propositions se prouvent en faisant des tables de vérité.

2.3 Le connecteur « NON »

Définition 4. Étant donnée une proposition P , le connecteur ¬ (NON) permet de

Voici la table de vérité du « NON ».

Proposition 5. Soient P, Q des propositions. On a

¬(¬P ∧ ¬Q) ⇐⇒ (¬¬P ) ∨ (¬¬Q)

Par le premier point, on a donc

¬¬(¬P ∧ ¬Q) ⇐⇒ ¬(P ∨ Q)

et à nouveau par le premier point,

2.4 Le connecteur « IMPLIQUE »

Définition 5. Étant données deux propositions P et Q, on crée une nouvelle propo-

Voici la table de vérité de « IMPLIQUE ».

Proposition 6. Soient P, Q, R des propositions. On a

Proposition 7. Principe de contraposition

Proposition 8. Principe de démonstration par l’absurde

2.5 Équivalence logique

Nous revenons ici à l’étude du connecteur d’équivalence. Rappelons la