Cours

Mathématiques MPSI 2021–2022
Thomas MEGARBANE
Table des matières
1 Logique et raisonnements 1
I Assertions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
II Quantificateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
III Implications, réciproques, contraposées et équivalences . . . . . . . . . . . . . . . . . . . . 3
IV Méthodes de raisonnements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Rappels et compléments de calculs 7

I Les ensembles de nombres usuels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
II Intervalles et inégalités dans R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
III Racines et puissances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
IV Manipuler des égalités et des inégalités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
V La valeur absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
VI La partie entière . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
VII Techniques de résolutions d’équations et d’inéquations . . . . . . . . . . . . . . . . . . . . . 14
3 Rappels et compléments sur les fonctions numériques 17

I Généralités sur les fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
II Tracé d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
III Continuité et dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4 Ensembles et relations 33
I Appartenance et inclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
II Opérations sur les ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
III Partitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
IV Produits cartésiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
V Relations binaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5 Applications 41
I Notion d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
II Image directe et image réciproque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
III Injections, surjections, bijections . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
IV Les ensembles finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6 Sommes, produits et systèmes 51

P Q
I Les notations et . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
II Sommes classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
III Sommes et produits doubles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
IV Factorielle et coefficients binomiaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
V Résolution de systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
TABLE DES MATIÈRES
7 Les fonctions usuelles 65

I Logarithmes, exponentielles et puissances . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
II Les fonctions circulaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
III Les fonctions hyperboliques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
8 Les complexes 87
I L’ensemble C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
II Conjugaison et module . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
III Trigonométrie et exponentielle complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
IV Résolution d’équations algébriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
V Interprétation géométrique des nombres complexes . . . . . . . . . . . . . . . . . . . . . . . 96
VI Fonction complexe d’une variable réelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
9 Primitives 101
I Primitives et intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
II Calcul de primitives et d’intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
10 Équations différentielles linéaires 111

I Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
II Équations différentielles linéaires du premier ordre . . . . . . . . . . . . . . . . . . . . . . . 112
III Équations différentielles linéaires du second ordre à coefficients constants . . . . . . . . . . 116
11 Arithmétique dans les entiers 121

I Divisibilité et nombres premiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
II PGCD et PPCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
III Décomposition en produit de nombres premiers . . . . . . . . . . . . . . . . . . . . . . . . 131
12 Calculs matriciels 137

I Les ensembles de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
II Combinaisons linéaires de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
III Produit matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
IV Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
V Matrices inversibles et systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
13 Les réels 159

I Théorème de la borne supérieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
II Approximation d’un réel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
III La droite achevée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
14 Suites numériques 163

I Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
II Limite d’une suite réelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
III Limites et inégalités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
IV Suites extraites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
V Traduction séquentielle de propriétés de R . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
VI Suites complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
VII Suites classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
15 Structures algébriques 183

I Loi de composition interne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
II Groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
III Anneaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
16 Continuité et limites 195

I Limites de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
II Fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
III Étude des suites du type un+1 = f (un ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
17 Polynômes 217
I Polynômes et fonctions polynomiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
II Arithmétique élémentaire sur K[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
III Racines de polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
IV Arithmétique des polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
V Fractions rationnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
18 Dérivabilité 249
I Nombre dérivé et fonction dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
II Propriétés générales des fonctions dérivables . . . . . . . . . . . . . . . . . . . . . . . . . . 254
III Convexité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
19 Analyse asymptotique 271

I Relations de comparaisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
II Développements limités et formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . 280
III Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
20 Espaces vectoriels et applications linéaires 297

I Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
II Famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
III Sommes de sous-espaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
IV Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
V Sous-espaces affines d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
21 Espaces vectoriels de dimension finie 325

I Dimension et base d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325
II Sous-espaces vectoriels en dimension finie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
III Applications linéaires en dimension finie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
22 Matrices et applications linéaires 339

I Matrice d’une application linéaire dans une base . . . . . . . . . . . . . . . . . . . . . . . . 339
II Application linéaire canoniquement associée à une matrice . . . . . . . . . . . . . . . . . . 343
III Changements de bases, équivalence et similitude . . . . . . . . . . . . . . . . . . . . . . . . 345
23 Intégration 353
I Les fonctions uniformément continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
II Intégrales des fonctions en escalier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
III Intégrales des fonctions continues par morceaux . . . . . . . . . . . . . . . . . . . . . . . . 357
IV Propriétés des fonctions et de leurs intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . 366
V Extension aux fonctions à valeurs complexes . . . . . . . . . . . . . . . . . . . . . . . . . . 370
VI Sommes de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
24 Déterminants et groupe symétrique 377

I Le(s) groupe(s) symétrique(s) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
II Formes multilinéaires alternées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382
III Déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387
IV Calculs de et avec des déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 392
25 Séries numériques 401

I Convergence et divergence d’une série . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 401
II Séries à termes positifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 406
III Séries absolument convergentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 412
IV Familles sommables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 418
26 Probabilités et dénombrement 431

I Rappels et compléments de dénombrement . . . . . . . . . . . . . . . . . . . . . . . . . . . 431
II Espaces probabilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 435
III Probabilité conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439
27 Espaces préhilbertiens 447

I Produits scalaires, espaces préhilbertiens, espaces euclidiens . . . . . . . . . . . . . . . . . 447
II Vecteurs orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 454
III Espaces orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 460
28 Variables aléatoires 469

I Variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 469
II Couples (et plus) de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 472
III Espérance et variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 473
29 Fonctions à deux variables 479

I Fonctions continues à deux variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 479
II Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 487
III Manipulation de fonctions de classe C 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 490
Chapitre 1
Logique et raisonnements
I Assertions
Définition I.1. On appelle assertion (ou proposition) une phrase qui est soit vraie soit fausse (et pas
les deux).
Une assertion peut dépendre d’une variable x, et on la note alors A(x).
On dit que deux assertions A et B sont équivalentes, ce que l’on note A ≡ B, si elles ont toujours la
même valeur de vérité.
Exemples I.2. — “2 est plus petit que 3” est une assertion vraie ;
— “5 est plus grand que 3” est une assertion fausse ;
— l’assertion A(x) =“x est un nombre premier” dépend de x : elle est vraie si x = 2 et fausse si x = 10
par exemple.
Définition I.3. Si A et B sont deux assertions, on définit les assertions suivantes :

1. (non A) : qui est vraie si A est fausse, et fausse sinon, qu’on appelle la négation, notée ¬A ;
2. (A ou B) : qui est vraie si l’une des deux assertions est vraie, et fausse sinon, qu’on appelle la
disjonction, notée A ∨ B ;
3. (A et B) : qui est vraie si les deux assertions sont vraies, et fausse sinon, qu’on appelle la conjonc-
tion, notée A ∧ B.
Exemples I.4. Si A =“n est un multiple de 2” et B =“n est un multiple de 3”, alors :
1. (non A)=“n est impair”
2. (A ou B)=“n est divisible soit par 2, soit par 3”
3. (A et B)=“n est un multiple de 6” (par théorème de Gauss)
Définition I.5. On appelle table de vérité d’une assertion le tableau donnant sa valeur de vérité en
fonction de celles des assertions utilisées pour la construire.
Exemples I.6. La négation, la disjonction et la conjonction ont pour tables de vérité :
A B A ou B A B A et B
A non A V V V V V V
V F V F V V F F
F V F V V F V F
F F F F F F
Propriété I.7. Si A, B, C sont des assertions, on a les propriétés suivantes :
1
2 CHAPITRE 1. LOGIQUE ET RAISONNEMENTS
1. non (non A) ≡ A ;
2. (A et B) et C ≡ A et (B et C) ;
3. (A ou B) ou C ≡ A ou (B ou C) ;
4. A et (B ou C) ≡ (A et B) ou (A et C) ;
5. A ou (B et C) ≡ (A ou B) et (A ou C) ;
6. non (A et B) ≡ [(non A) ou (non B)] ;
7. non (A ou B) ≡ [(non A) et (non B)].
Démonstration. Par exemple, montrons la dernière. On procède par table de vérité :
A B A ou B non(A ou B) non A non B (non A) et (non B)
V V V F F F F
V F V F F V F
F V V F V F F
F F F V V V V
II Quantificateurs
Définition II.1. Soit A(x) une assertion dépendant de x, qui décrit un ensemble E :
1. Si, lorsque x décrit E, A(x) est toujours vraie, on écrit :
∀x ∈ E, A(x)
qu’on lit “quel que soit x appartenant à E, A(x)”. C’est le quantificateur universel.
2. S’il existe x dans E tel que A(x) est vraie, on écrit :
∃x ∈ E, A(x)
qu’on lit “il existe x appartenant à E tel que A(x)”. C’est le quantificateur existentiel.
Propriété II.2. Avec les mêmes notations, on a :
1. non (∀x ∈ E, A(x)) ≡ ∃x ∈ E, (non A(x)) ;
2. non (∃x ∈ E, A(x)) ≡ ∀x ∈ E, (non A(x)) ;
Remarques II.3. 1. S’il existe un unique x pour lequel A(x) est vrai, on écrit : ∃!x ∈ E, A(x).
2. L’ordre des quantificateurs est importante. Par exemple les assertions :
[∀x ∈ E, ∃y ∈ E, A(x, y)] et [∃y ∈ E, ∀x ∈ E, A(x, y)]
ne sont pas les mêmes : dans la première, y dépend de x ; dans la seconde, y est indépendant de x.
Exemples II.4. 1. L’assertion :
∀n ∈ N, ∃m ∈ N, n < m
veut dire que : pour tout entier naturel n, il existe un entier naturel m tel que n < m. Elle est
vraie : pour n fixé, l’entier m = n + 1 convient.
2. L’assertion :
∃m ∈ N, ∀n ∈ N, n < m
veut dire que : il existe un entier naturel m tel que, pour tout entier naturel m, n < m. Elle est
fausse : si n = m par exemple, on ne pourra avoir n < m.
III. IMPLICATIONS, RÉCIPROQUES, CONTRAPOSÉES ET ÉQUIVALENCES 3
III Implications, réciproques, contraposées et équivalences

Définition III.1. Soient A, B sont deux assertions.
1. si, dès que A est vraie, alors B est aussi vraie : on dit que A implique B, que l’on note A ⇒ B
ou B ⇐ A et que l’on lit “si A alors B”; on dit alors que : A est une condition suffisante pour
B, ou que B est une condition nécessaire pour A.
2. si A implique B et que B implique A : on dit que A est équivalent à B, que l’on note A ⇔ B ou
B ⇔ A et que l’on lit “A si et seulement si B”; on dit alors que : A est une condition nécessaire
et suffisante pour B.
Les tables de vérités correspondantes sont :
A B A⇒B A B A⇔B
V V V V V V
V F F V F F
F V V F V F
F F V F F V
Exemples III.2. 1. si n est un entier, alors “n est un multiple de 6” est une condition suffisante, mais
non nécessaire, pour que n soit pair.
2. si x est un réel, alors “x2 = 1” est une condition nécessaire, mais non suffisante, pour que x soit
égal à 1 ;
3. si x est un réel, les assertions “x3 = −1” et “x = −1” sont équivalentes.
Proposition III.3. Si A, B sont deux assertions, alors :

1. (A ⇒ B) ≡ [(non A) ou B] ;
2. [non (A ⇒ B)] ≡ [A et (non B)] ;
3. (A ⇔ B) ≡ (A et B) ou ((non A) et (non B)) ;
4. non (A ⇔ B) ≡ (A et (non B)) ou ((non A) et B).
Démonstration. Par tables de vérité.
Proposition-Définition III.4. Si A et B sont deux assertions :

1. on appelle réciproque de l’implication A ⇒ B l’implication B ⇒ A : il n’y a pas de lien de vérité
entre une implication et sa réciproque ;
2. on appelle contraposée de l’implication A ⇒ B l’implication (non B) ⇒ (non A) : une implication
et sa contraposée ont même valeur de vérité, elles sont équivalentes.
Démonstration.
A B A ⇒ B B ⇒ A non B non A (non B) ⇒ (non A)

V V V V F F V
V F F V V F F
F V V F F V V
F F V V V V V
IV Méthodes de raisonnements
IV.1 Raisonnement par déduction
Propriété IV.1. Pour montrer l’implication A ⇒ B, on peut supposer que A est vraie et montrer alors que
B est vraie.
Pour montrer l’équivalence A ⇔ B, on peut montrer séparément que les implications A ⇒ B et B ⇒ A
sont vraies.
Pour prouver que A et B, on montre séparément que A et B sont vraies.
Pour prouver que A ou B, on peut supposer que A est fausse, et montrer alors que B est vraie.
Exemples IV.2.
1. L’utilisation d’exemple repose sur l’implication :
x ∈ E et A(x) ⇒ ∃x ∈ E, A(x).
2. Un contre-exemple repose sur l’implication :
x ∈ E et non A(x) ⇒ non (∀x ∈ E, A(x)) .
IV.2 Raisonnement par disjonction de cas

Propriété IV.3. Lorsqu’une assertion A(x) dépend d’une variable x qui prend des valeurs dans E ou dans
F , pour montrer que A(x) est vraie, on peut montrer que :
1. A(x) est vraie pour x décrivant E ;
2. A(x) est vraie pour x décrivant F .
Remarque IV.4. Les raisonnements par tables de vérités sont des raisonnements par disjonction de cas.
n(n+1)
Exemple IV.5. Montrer que, pour tout entier naturel n, le nombre 2
est un entier.
IV.3 Raisonnement par contraposition

Propriété IV.6. Pour montrer l’implication A ⇒ B, on peut montrer sa contraposée (non B) ⇒ (non A).
On peut donc supposer que B est fausse, et montrer alors que A est fausse.
Exemple IV.7. Montrer que si n est un entier tel que n2 est pair, alors n est pair.
IV.4 Raisonnement par l’absurde

Propriété IV.8. Pour montrer qu’une assertion est vraie, on peut montrer qu’elle n’est pas fausse. Pour
cela, on suppose que l’assertion est fausse, et on cherche à aboutir à une contradiction, ou à une assertion
dont on sait qu’elle est fausse.
Remarque IV.9. Beaucoup de raisonnements par l’absurde peuvent être remplacés par des raisonnements
par contraposition (et inversement).
Exemples IV.10. Montrer que :

√
1. 2 est irrationnel ;
2. Montrer que si n est un entier tel que n2 est pair, alors n est pair.
IV. MÉTHODES DE RAISONNEMENTS 5
IV.5 Raisonnement par analyse-synthèse

Propriété IV.11. Pour montrer qu’un problème admet une unique solution, on peut procéder en deux
temps :
— l’analyse : on montre qu’une hypothétique solution est nécessairement d’une certaine forme (ce
qui réduit les solutions possibles) ;
— la synthèse : on regarde, parmi les solutions possibles de l’analyse, lesquelles sont bien des solutions.
√
Exemple IV.12. Résoudre dans R l’équation : x + 2 = x.
1. analyse : on a les implications :
√
x + 2 = x ⇒ x + 2 = x2 ⇒ x2 − x − 2 = 0
et on arrive donc à un trinôme du second degré que l’on sait résoudre. On a ∆ = 1 + 8 = 9 = 32 ,

donc les solutions possibles sont x1 = 1−3
2
= −1 et x2 = 1+32
= 2.
√ √
2. synthèse : x1 + 2 = 1 ̸= −1 = x1 et x2 + 2 = 2 = x2 , donc l’unique solution au problème est 2.
Exemple IV.13. Montrer que toute fonction réelle définie sur R s’écrit de manière unique comme somme
d’une fonction paire et d’une fonction impaire.
Soit f : R → R.
1. analyse : on suppose qu’il existe deux fonctions g, h : R → R telles que : g est paire, h est impaire
et f = g + h. Si x ∈ R, on a ainsi :


 g(−x) = g(x)
h(−x) = −h(x)


 f (x) = g(x) + h(x)
f (−x) = g(−x) + h(−x)

donc g(x) et h(x) sont solutions du système :

g(x) + h(x) = f (x)
g(x) − h(x) = f (−x)
En prenant la somme et la différence des deux lignes du système, on trouve :
f (x) + f (−x) f (x) − f (−x)

g(x) = et h(x) =
2 2
donc nécessairement g et h sont définies par les formules ci-dessus.
2. synthèse : considérons g, h définies par les formules ci-dessus. Alors, si x ∈ R, on a :
— g(−x) = f (−x)+f2(−(−x)) = f (−x)+f 2
(x)
= g(x), donc g est paire ;
f (−x)−f (−(−x)) f (−x)−f (x)
— h(−x) = 2
= 2
= −h(x), donc h est impaire ;
f (x)+f (−x)+f (x)−f (−x)
— g(x) + h(x) = 2
= f (x), donc f = g + h.
Ce qui montre bien l’existence et l’unicité d’une telle écriture.
IV.6 Raisonnement par récurrence

Théorème IV.14 (récurrence simple). Soit A(n) une assertion dépendant de n décrivant N. On suppose
que :
— A(0) est vraie ;
— pour tout n ∈ N : A(n) ⇒ A(n + 1).
Alors A(n) est vraie pour tout n ∈ N.
Théorème IV.15 (récurrence d’ordre k). Soit A(n) une assertion dépendant de n décrivant N, et k ∈ N∗ .
On suppose que :
— A(0), A(1), . . . , A(k − 1) sont vraies ;
— pour tout n ∈ N : (A(n − k + 1) et A(n − k + 2) et . . . et A(n)) ⇒ A(n + 1).
Théorème IV.16 (récurrence forte). Soit A(n) une assertion dépendant de n décrivant N. On suppose que :
— A(0) est vraie ;
— pour tout n ∈ N : (A(0) et A(1) et . . . et A(n)) ⇒ A(n + 1).
Exemple IV.17. Montrons par récurrence que pour tout n ∈ N : nk=1 k 2 = n(n+1)(2n+1)
P
6
.
— initialisation : si n = 0, on a :
0
n(n + 1)(2n + 1) X
=0= k2.
6 k=0
Pn n(n + 1)(2n + 1)
— hérédité : supposons que, pour un certain n ∈ N, on ait k=0 k2 = . Alors :
6
Pn+1 Pn n(n + 1)(2n + 1)
k=0 k2 = k 2 + (n + 1)2 =
k=0 + (n + 1)2
6
n(n + 1)(2n + 1) 6(n + 1)2 n+1
= + = [n(2n + 1) + 6(n + 1)]
6 6 6
n+1 (n + 1)(n + 2)(2n + 3)
= (2n2 + 7n + 6) =
6 6
(n + 1)(n + 1 + 1)(2(n + 1) + 1)
=
6
d’où la récurrence.
Exemple IV.18. On montrera, avec un récurrence forte que tout entier naturel non nul s’écrit de manière
unique comme produit de nombres premiers.
Chapitre 2
Rappels et compléments de calculs
I Les ensembles de nombres usuels

Définition I.1. On définit les ensembles de nombres suivants :
1. N = {0, 1, 2, . . . } l’ensemble des entiers naturels ;
2. Z = N ∪ −N = {. . . , −2, −1, 0, 1, 2, . . . } l’ensemble des entiers relatifs ;
p
3. Q = { | p, q ∈ Z, q ̸= 0} l’ensemble des rationnels ;
q
4. R l’ensemble des abscisses d’une droite graduée, l’ensemble des réels ;
5. C l’ensemble nombres de la forme a + ib où a, b ∈ R et i2 = −1, l’ensemble des complexes
Et on note N∗ , Z∗ , Q∗ , R∗ , C∗ les mêmes ensembles privés de 0.
L’ensemble R \ Q est appelé l’ensemble des irrationnels.
n
Remarque I.2. On considère parfois aussi l’ensemble D des nombres décimaux : D = { | n, m ∈ Z}.
10m
Proposition I.3. On a les inclusions :
N⊂Z⊂D⊂Q⊂R⊂C
et ces inclusions sont strictes.
C
R
Q
D 22 i
Z 1 7 π
−7 2
N1 √
0 −2 1 2
2, 3 −2 + 3i
3
7
8 CHAPITRE 2. RAPPELS ET COMPLÉMENTS DE CALCULS
II Intervalles et inégalités dans R

Définition II.1. Si a, b ∈ R, on définit le segment [a; b] comme :
[a; b] = {x ∈ R | a ≤ x ≤ b}.
On dit qu’un ensemble non vide I de R est un intervalle s’il vérifie que :
∀a, b ∈ I, [a; b] ⊂ I.
Remarque II.2. Cela revient à dire qu’un intervalle contient tous les réels entre ses éléments.
Exemples II.3.
1. si a ∈ R, l’ensemble I = {a} est un intervalle : il est non vide, et si a, b ∈ I, et x ∈ [a; b], alors
a = b et ainsi : a ≤ x ≤ a, donc x = a appartient bien à I ;
2. tout segment est un intervalle : si I = [a; b] et a′ , b′ ∈ I alors :
x ∈ [a′ ; b′ ] ⇒ a′ ≤ x ≤ b′ ⇒ a ≤ a′ ≤ x ≤ b′ ≤ b ⇒ a ≤ x ≤ b ⇒ x ∈ I.
1
3. N n’est pas un intervalle car : 0 ∈ N et 1 ∈ N mais 2
∈ [0; 1] n’est pas dans N, donc on n’a pas
l’inclusion [0; 1] ⊂ N.
Proposition II.4. Tout intervalle non vide de R est d’une (et une seule) des formes suivantes, où a, b
désignent des réels tels que a < b :
1. {a} ;
2. [a; b] = {x ∈ R | a ≤ x ≤ b} ;
3. [a; b[= {x ∈ R | a ≤ x < b} ;
4. ]a; b] = {x ∈ R | a < x ≤ b} ;
5. ]a; b[= {x ∈ R | a < x < b} ;
6. [a; +∞[= {x ∈ R | a ≤ x} ;
7. ]a; +∞[= {x ∈ R | a < x} ;
8. ] − ∞; b] = {x ∈ R | x ≤ b} ;
9. ] − ∞; b[= {x ∈ R | x < b} ;
10. R.
Définition II.5. Les intervalles précédents définis par des inégalités strictes sont appelés des intervalles
ouverts. ◦
Plus généralement, si I est un intervalle, on appelle intérieur de I, noté I, l’intervalle I privé de ses
bornes.
◦
Remarque II.6. Prendre l’intérieur, c’est “ouvrir” l’intervalle : I est le pus grand intervalle ouvert inclus
dans I.
Proposition-Définition II.7. Un ensemble non vide I de R est dit convexe si :
∀a, b ∈ I, ∀t ∈ [0; 1], ta + (1 − t)b ∈ I.
Les parties convexes de R sont exactement les intervalles.
Démonstration. Soit I un ensemble de R

III. RACINES ET PUISSANCES 9
1. si I est un intervalle : soient a, b ∈ I avec a ≤ b, et t ∈ [0; 1] ; et posons x = ta + (1 − t)b. Alors :

x − a = (1 − t)(b − a) ≥ 0
b − x = t(b − a) ≥ 0
donc a ≤ x ≤ b, donc x ∈ I (comme I intervalle), donc I est convexe.

Si a > b, on se ramène au cas précédent en posant t′ = 1 − t ∈ [0; 1], et alors x = t′ b + (1 − t′ )a avec
b ≤ a.
2. si I est convexe : soient a, b ∈ I et x ∈ R tel que a ≤ x ≤ b.
Si a > b : un tel x n’existe pas, donc il n’y a rien à dire.
Si a = b, alors a = b = x, donc x ∈ I.
b−x x−a ab − ax + bx − ab
Si a < b, posons t = , de sorte que 1−t = . On a alors : ta+(1−t)b = =
b−a b−a b−a
x(b − a) x−a
= x. Mais a ≤ x ≤ b, donc 0 ≤ x − a ≤ b − a et ainsi : 0 ≤ = (1 − t) ≤ 1. Et ainsi
b−a b−a
(1 − t) (et donc t) sont dans [0; 1]. Par convexité de I, on a donc x = ta + (1 − t)b ∈ I. Donc I est
un intervalle.
III Racines et puissances

√
Définition III.1. Si x ≥ 0, on appelle sa racine carrée, notée x, comme l’unique réel positif ou nul
dont le carré vaut x.
√

2 2 x si x ≥ 0
Remarque III.2. Comme x = (−x) , alors x2 = .
−x si x ≤ 0
Proposition III.3. Soient x, y positifs. Alors :

√
√ √ √
r
x x
xy = x y et = √ (si y ̸= 0).
y y
√ √
Démonstration. Par définition, on a x, y sont positifs, donc leur produit aussi. Et :
√ √ 2 √ √
x y = ( x)2 ( y)2 = xy
d’où la première égalité. On procède de même pour le quotient.
Remarques III.4.
1. on utilise les carrés parfaits pour simplifier les racines : 1, 4, 9, 16, 25, 36, . . . , 289, 324, 361, . . . ;
2. on évite de garder
√ des
√ racines
√ au
√ dénominateur
√ dans un quotient. On simplifie une fraction en
multipliant par a, a − b ou a + b pour les faire disparaı̂tre.
Exemples III.5.
√ √ √
1. 180 = 36 × 5 = 6 5 ;
r √
3 15
2. = ;
5 5
√ √
1 11 + 3
3. √ √ = .
11 − 3 8
Définition III.6. Si x ∈ R et n ∈ N, on note :


 1 si n = 0
n
x = x · ··· · x si n > 0 .
 | {z }
n fois
Si x ̸= 0 et n ∈ Z− , on note : −n
n 1 1
x = = .
x | · ·{z
x · · · x}
n fois
Proposition III.7. Si x, y ∈ R et n, m ∈ N :
xm+n = xm · xn , xmn = (xm )n = (xn )m , (xy)n = xn y n
et ces formules restent valables pour n, m ∈ Z si x, y ̸= 0.
IV Manipuler des égalités et des inégalités

Proposition IV.1. Si a, b ∈ R, alors :
1. si c ̸= 0 : a = b si, et seulement si, ac = bc ;
2. si a = b, alors a2 = b2 ;
3. ab = 0 si, et seulement si, a = 0 ou b = 0 ;
4. pour tout fonction f définie en a et b : si a = b, alors f (a) = f (b).
Remarque IV.2. La dernière proposition n’est en général pas une équivalence. Par exemple, pour une
fonction constante, l’égalité f (a) = f (b) est vérifiée peu importe la valeur de a et b.
De manière moins extrême, on verra que : cos(a) = cos(b) ⇔ a = ±b + 2kπ, k ∈ Z.
On a une équivalence si tout élément possède au plus un antécédent par f , comme dans l’exemple qui suit.
Exemple IV.3. Soit a, b ∈ R. Montrons que a = b ⇔ ea = eb :

— si a = b : alors en appliquant la fonction exp : ea = eb ;
— si ea = eb : alors en appliquant la fonction ln : ln(ea ) = ln(eb ), c’est-à-dire a = b.
Ce qui montre l’équivalence voulue.
Proposition IV.4. La relation ≤ est compatible avec l’addition et la multiplication de la manière suivante :
1. si a, b, c, d ∈ R : (a ≤ b et c ≤ d) ⇒ a + b ≤ c + d ;
2. si a, b, c ∈ R avec c ≥ 0 : a ≤ b ⇒ ac ≤ bc ;
3. si a, b, c ∈ R avec c ≤ 0 : a ≤ b ⇒ bc ≤ ac ;
4. si a, b, c, d ∈ R : (0 < a ≤ b et 0 < c ≤ d) ⇒ 0 < ac ≤ bd.
Remarque IV.5. On ne divise ni ne soustrait des inégalités. On se ramène à des additions ou des multi-
plications en utilisant :
— si a, b ∈ R : a ≤ b ⇔ −b ≤ −a ;
1 1
— si a, b ∈ R∗ sont de même signe : a ≤ b ⇔ ≤ .
b a
Exemple IV.6. Supposons que a ∈ [1; 4] et b ∈ [1/2; 3]. Alors :
7
1. −3 ≤ −b ≤ −1/2 donc : −2 ≤ a − b ≤ 2
;
1 1 1 a
2. 3
≤ b
≤ 2 donc : 3
≤ b
≤ 8.
V. LA VALEUR ABSOLUE 11
Proposition IV.7. Si a, b ∈ R, alors :

— ab > 0 si, et seulement si, a et b sont non nuls de même signe ;
— si ab < 0 si, et seulement si, a et b sont non nuls de signes opposés.
Démonstration. Par disjonction de cas.
Proposition IV.8. Si a1 , . . . , an sont des réels de même signe, alors :
a1 + · · · + an = 0 ⇔ a1 = · · · = an .
Démonstration. On montre séparément les deux implications :

⇐ si a1 = · · · = an = 0, alors on a bien a1 + · · · + an = 0 ;
⇒ Quitte à tout multiplier par −1 on peut supposer que les ai sont positifs ou nuls.
Raisonnons par contraposée : on suppose que l’un des ai est non nul, c’est-à-dire qu’il existe i0 ∈
J1; nK tel que ai0 > 0.
Mais comme tous les ai sont positifs ou nuls, alors :
a1 + a2 + · · · + an ≥ ai0 > 0
donc a1 + · · · + an ̸= 0.
V La valeur absolue
Définition V.1. Si x ∈ R, on appelle valeur absolue de x, notée |x| le réel :

x si x ≥ 0
|x| =
−x si x < 0
Remarques V.2. 1. Une valeur absolue est toujours positive ou nulle.

2. Si x ∈ R : −|x| ≤ x ≤ |x|, et l’une des deux inégalités est une égalité.
Proposition V.3. Si x, y ∈ R :
√
1. |x| = x2 ;
2. |x| = 0 ⇔ x = 0 ;

x |x|
3. |xy| = |x| × |y| et = (pour y ̸= 0) ;
y |y|
4. |x| = |y| ⇔ x2 = y 2 ⇔ (x = y ou x = −y) ;
5. |x| ≤ y ⇔ −y ≤ x ≤ y et |x| ≥ y ⇔ x ≥ y ou x ≤ −y.
Démonstration.
1. déjà vu avec les racines ;
2. clair ;
3. découle du 1. ;
√ p
4. par le√1., on apdéjà : |x| = |y| ⇔ x2 = y 2 :
— si x2 = y 2 : en élevant au carré, on a : x2 =√y 2 ; p
— si x2 = y 2 : en prenant la racine carrée, on a : x2 = y 2 .
ce qui donne déjà que |x| = |y| ⇔ x2 = y 2 . Et on utilise enfin que :

2 2 2 2 x=y
x = y ⇔ x − y = 0 ⇔ (x − y)(x + y) = 0 ⇔ .
ou x = −y
5. On procède par disjonction de cas :

— si x ≥ 0 : alors |x| = x et donc :
|x ≤ y ⇔ 0 ≤ x ≤ y ⇔ −y ≤ 0 ≤ x ≤ y ⇔ −y ≤ x ≤ y.
— si x ≤ 0 : alors |x| = −x et donc :
|x| ≤ y ⇔ 0 ≤ −x ≤ y ⇔ −y ≤ x ≤ 0 ⇔ −y ≤ x ≤ y.
Remarques V.4.
1. si y < 0, alors les équivalences sont triviales (dans le sens où elles sont non seulement évidentes,
mais qu’en plus elles n’apportent rien comme information) :
— l’inégalité |x| ≤ y sera toujours fausse, de même que l’inégalité −y ≤ x ≤ y (car elle impliquerait
que −y ≤ y, qui est évidemment fausse) ;
— l’inégalité |x| ≥ y sera toujours vraie, comme le fait que x ≥ y ou que x ≤ −y. On a en effet :

x ≥ y ⇔ x ∈ [y; +∞[
x ≤ −y ⇔ x ∈] − ∞; −y]
et l’union de ces deux intervalles forme bien toute la droite des réels.
2. Si y ≥ 0, on a même : |x| ≤ y ⇔ x2 ≤ y 2 et |x| ≤ y ⇔ x2 ≤ y 2 .
Corollaire V.5. Si a, b ∈ R avec b > 0, l’ensemble des réels x tels que |x−a| ≤ b est le segment [a−b; a+b].
Définition V.6. Si x, y ∈ R, la quantité |x − y| est appelée distance entre x et y.
Remarque V.7. L’intervalle [a − b; a + b] correspond à l’ensemble des réels à distance au plus b de a.
Théorème V.8 (Inégalité triangulaire). Si x, y ∈ R, alors :
1. |x + y| ≤ |x| + |y| ;
2. ||x| − |y|| ≤ |x − y|.
De plus, il y a égalité dans les deux cas si, et seulement si, x et y sont de même signe.
Démonstration. 1. On utilise que −|x| ≤ x ≤ |x| et −|y| ≤ y ≤ |y|.
Donc : − (|x| + |y|) ≤ x + y ≤ |x| + |y|.
D’où : |x + y| ≤ |x| + |y|.
2. On utilise l’inégalité précédente :
|x| = |(x − y) + y| ≤ |x − y| + |y|
donc |x| − |y| ≤ |x − y|.

En échangeant les rôles de x et y, on trouve : |y| − |x| ≤ |y − x| = |x − y|.
Donc : −|x − y| ≤ |x| − |y| ≤ |x − y|.
Et ainsi : ||x| − |y|| ≤ |x + y|.
Pour les égalités, on a :
|x + y| = |x| + |y| ⇔ (x + y)2 = (|x| + |y|)2 ⇔ xy = |x| × |y| = |xy| ⇔ xy ≥ 0.
||x| − |y|| = |x − y| ⇔ (|x| − |y|)2 ≤ (x − y)2 ⇔ |xy| = xy ⇔ xy ≥ 0

Dans un cas comme dans l’autre, on a égalité si, et seulement si, xy ≥ 0, c’est-à-dire si, et seulement si, x
et y sont de même signe.
VI. LA PARTIE ENTIÈRE 13
Corollaire V.9. Si x1 , . . . , xn sont des réels, alors :

X n n
X
xk = |x1 + x2 + · · · + xn | ≤ |x1 | + |x2 | + · · · + |xn | = |xk |

k=1 k=1
avec égalité si, et seulement si, tous les xi sont de même signe.
Démonstration. Par récurrence.
Proposition V.10. La fonction x 7→ |x| a pour courbe représentative :
4
|x|
3
−5 −4 −3 −2 −1 0 1 2 3 4 5
VI La partie entière
Théorème-Définition VI.1. Si x ∈ R, il existe un unique n ∈ Z tel que n ≤ x < n + 1.
L’entier n est appelé la partie entière de x, et est notée ⌊x⌋.
Démonstration. Voir dans un autre chapitre.
Proposition VI.2. Si x ∈ R et n ∈ Z, alors n = ⌊x⌋ si, et seulement si : x − 1 < n ≤ x.
Démonstration. Découle de la définition, en notant que : x − 1 < n ⇔ x < n + 1.
Remarque VI.3. La partie entière se lit bien sur les décimales pour les nombres positifs : ⌊1, 32⌋ = 1
mais ⌊−1, 32⌋ = −2.
1 2
Exemple VI.4. Si n ∈ N∗ avec n ≥ 2, alors : n + 1

n
= n2 + 2 + n2
.
2
Donc : n2 + 2 ≤ n + n1 < n2 + 3.
j 2 k
Et ainsi : n + n1 = n2 + 2.
Proposition VI.5. Si x ∈ R et n ∈ N, alors : ⌊x + n⌋ = n + ⌊x⌋.
Démonstration. Par définition de ⌊x⌋, on a : ⌊x⌋ ≤ x < ⌊x⌋ + 1.

Donc, en rajoutant n : ⌊x⌋ + n ≤ x + n < ⌊x⌋ + n + 1.
Et, comme ⌊x⌋ + n est un entier, on a bien le résultat voulu.
Proposition VI.6. La fonction x 7→ |x| a pour courbe représentative :

4
⌊x⌋
3
−5 −4 −3 −2 −1 0 1 2 3 4 5
−1
−2
−3
−4
−5
VII Techniques de résolutions d’équations et d’inéquations

√
Exemple VII.1. Résolution de l’équation x = x + 1. √
À cause de la racine, on cherche les solution dans [−1; +∞[. Mais, comme on doit avoir x = x + 1,
alors x aussi doit être positif. On cherche donc les solutions dans [0; +∞[= R+ .
Pour x ∈ R+ , on a l’équivalence :
√ √ 2
x= x + 1 ⇔ x2 = x + 1 = x + 1
donc on souhaite résoudre dans R+ l’équation x2 − x − 1 = 0.

On a une√équation du second
√ degré de discriminant ∆ = 1 − 4 · (−1) · 1 = 5. Donc les racines sont
1+ 5 1− 5
x1 = et x2 = .
2 2
On a bien√ que x1 ≥ 0, mais x2 < 0 n’est pas solution : donc l’équation admet pour unique solution
1+ 5
x1 = .
2
Exemple VII.2. Résolution de l’équation 2x2 + 2xy − 2x + y 2 + 1 = 0.
On a : y 2 + 2xy + x2 = (y + x)2 et x2 − 2x + 1 = (x − 1)2 .
Donc l’équation est équivalente à : (y + x)2 + (x − 1)2 = 0.
Comme un carré (de réel) est positif, on a donc :

2 2 (y + x)2 = 0 x=1
(y + x) + (x − 1) = 0 ⇔ 2 ⇔
(x − 1) = 0 y = −x = −1
donc l’unique solution est (x, y) = (1, −1).

√ √
Exemple VII.3. Résolution de l’inéquation x − 1 ≤ 2x2 − 5.
VII. TECHNIQUES DE RÉSOLUTIONS D’ÉQUATIONS ET D’INÉQUATIONS 15
On a l’équivalence : √ √
x−1≤ 2x2 − 5 ⇔ 0 ≤ x − 1 ≤ 2x2 − 5
On traite séparément les deux inéquations :
— 0 ≤ x − 1 ⇔ x ≥ 1 ⇔ x ∈ [1; +∞[= S1 ;
— x − 1 ≤ 2x2 − 5 ⇔ 0 ≤ 2x2 − x − 4 : on reconnaı̂t un trinôme du second degré, de coefficient
dominant positif, qui est donc √ positif à l’extérieur
√ de ses racines.
1 + 33 1 − 33
Ses racines sont x1 = et x2 = . Donc la deuxième inéquation a pour ensemble
√ 4 √ 4
solution
√
S2 =] − ∞; 1−√4
33
] ∪ [ 1+4 33 ; +∞[.
Comme 1−4 33 < 1 et que 1+4 33 > 1, on déduit que l’équation admet pour ensemble solution :
" √ "
1 + 33
S1 ∩ S2 = ; +∞ .
4
Exemple VII.4. Résolution de l’inéquation |x − 1| ≤ |2x − 3|.

Par propriétés des valeurs absolues, on a les équivalences :
4
|x−1| ≤ |2x−3| ⇔ (x−1)2 ≤ (2x−3)2 ⇔ 0 ≤ (x−2)(3x−4) ⇔ 0 ≤ 3(x−2)(x−4/3) ⇔ x ∈]−∞; ]∪[2; +∞[.
3
où, pour la dernière équivalence, on reconnaı̂t à nouveau un trinôme du second degré, de coefficient domi-
nant positif, dont les racines sont 43 et 2.
4
Et donc l’ensemble solution est : ] − ∞; ] ∪ [2; +∞[.
3
Autre méthode : on peut procéder par disjonction de cas pour éliminer les racines. On trouve alors les
solutions selon les valeurs de x :
3 3
x ] − ∞, 1] [1, ] [ , +∞[
2 2
|x − 1| 1−x x−1 x−1
|2x − 3| 3 − 2x 3 − 2x 2x − 3
|x − 1| ≤ |2x − 3| 1 − x ≤ 3 − 2x x − 1 ≤ 3 − 2x x − 1 ≤ 2x − 3
4
⇔x≤2 ⇔x≤ ⇔x≥2
3
4
S S1 =] − ∞, 1] S2 = [1, ] S3 = [2, +∞[
3
4
Et on trouve finalement que : S = S1 ∪ S2 ∪ S3 =] − ∞; ] ∪ [2; +∞[.
3
2
Exemple VII.5. Résolution de l’équation ⌊ x3 − 2x + 35 ⌋ = −1.
L’équation est équivalente à l’inéquation :
x2 5
−1 ≤ − 2x + < 0
3 3
dont on résout séparément les deux parties :
— on procède par équivalences :
x2 5
−1 ≤ 3
− 2x + 3
⇔ −3 ≤ x2 − 6x + 5
⇔ 0 ≤ x2 − 6x + 8
On a donc un trinôme du second degré, de coefficient dominant positif, de discriminant ∆ = 4 = 22 ,
6−2 6+2
dont les racines sont : = 2 et = 4. Donc finalement la première inégalité est vérifiée
2 2
pour x ∈] − ∞; 2] ∪ [4; +∞[.
— on raisonne de la même manière :

x2 5
3
− 2x + 3
< 0 ⇔ x2 − 6x + 5 < 0
On a encore un trinôme du second degré, de coefficient dominant positif, de discriminant ∆ = 16 =

6−4 6+4
42 , dont les racines sont : = 1 et = 5. Donc finalement la seconde inégalité est vérifiée
2 2
pour x ∈]1; 5[.
Donc l’ensemble solution de l’équation est :
(] − ∞; 2] ∪ [4; +∞[) ∩]1; 5[=]1; 2] ∪ [4; 5[.

Chapitre 3
Rappels et compléments sur les fonctions

numériques
I Généralités sur les fonctions

I.1 Domaine de définition
Définition I.1. Si D est une partie non vide de R, fonction numérique f définie sur D est la donnée
pour tout élément x d’un unique réel noté f (x).
L’ensemble D est appelé
domaine de définition.
D → R
On notera alors : f : .
x 7→ f (x)
Remarque I.2. En général, une fonction sera donnée par une formule : auquel cas, son domaine de défi-
nition est là où la formule a bien un sens.
√
Exemple I.3. Considérons la fonction définie par f (x) = 4 − x2 .
Alors la formule f (x) n’a de sens que lorsque 4 − x2 ≥ 0, c’est-à-dire que Df = [−2; 2].
Définition I.4. Si f est une fonction définie sur D, et A ⊂ D un sous-ensemble de D, on définit la

restriction de f à A comme la fonction notée f |A définie sur A qui coı̈ncide avec f :

A → R
f |A : .
x 7→ f (x)
Inversement, on dit que f est un prolongement de f |A .

√ 2
Exemple I.5. La fonction x 7→ x est la restriction de la fonction x 7→ x à R+ .
Définition I.6. Si f est une fonction définie sur D et A est une partie de R, on dit que f est à valeurs
dans A si : pour tout x ∈ D, f (x) ∈ A.
D → A D → R
On notera alors f : au lieu de f : .
x 7→ f (x) x 7→ f (x)
Exemple I.7. La fonction sin est à valeurs dans [−1; 1]. Sa restriction à [0; π] est à valeurs dans [0; 1].
Définition I.8. Soient f une fonction définie sur D et à valeurs dans A, et g une fonction définie sur A.
On dit alors que g et f sont composables, et on définit la composée de g et f comme la fonction notée
g ◦ f , définie sur D par :
D → R
g◦f : .
x 7→ g (f (x))
17
18 CHAPITRE 3. RAPPELS ET COMPLÉMENTS SUR LES FONCTIONS NUMÉRIQUES
Exemple I.9. La fonction√f : x 7→ x2 + 1 définie sur R est à valeurs dans [1; +∞[. Donc elle est composable
avec la fonction g : x 7→ x2 − 1. Et on a :
p p √
∀x ∈ R, g ◦ f (x) = (x2 + 1)2 − 1 = x2 (x2 + 2) = |x| x2 + 2.
Proposition I.10. Si f, g sont deux fonctions définies sur un même ensemble D, alors on peut définir les
fonctions :

D → R
1. somme de f et g, notée f + g, définie par : f + g : ;
x 7→ f (x) + g(x)

D → R
2. produit de f et g, notée f g, définie par : f g : .
x 7→ f (x) × g(x)
On définit de même, pour λ ∈ R, la fonction λf . 
D → R
f f 
Si g ne prend jamais de valeur nulle, on définit le quotient de f et g, notée , par : : f (x) .
g g  x 7→
g(x)
I.2 Graphes, images et antécédents

Définition I.11. Si f est une fonction définie sur D, et x ∈ D, y ∈ R tels que f (x) = y. On dit que :
1. y est l’image de x ;
2. x est un antécédent de y.
Remarque I.12. Une image est unique, tandis qu’un réel peut avoir aucun, un, plusieurs ou une infinité
d’antécédents.
Exemple I.13. On considère la fonction cos définie sur R. Alors :
1. l’image de π2 est 0 ;
2. les antécédents de 0 sont les π2 + kπ pour k ∈ Z ;
3. tout y tel que |y| > 1 n’a pas d’antécédent.
Définition I.14. Si f est une fonction définie sur D, son graphe, ou sa représentation graphique, est
l’ensemble Cf défini par :
Cf = {(x, f (x)) | x ∈ D}.
Remarque I.15. Autrement dit, pour tout x, y ∈ R, on a :
(x, y) ∈ Cf ⇔ x ∈ D et y = f (x)
donc, à abscisse donnée, il y a au plus un point sur le graphe.
3 3
2 2
1 1
−2 −1 0 1 2 3 −2 −1 0 1 2
−1 −1
−2 −2
−3 −3
Pas un graphe. Un graphe.

I. GÉNÉRALITÉS SUR LES FONCTIONS 19
I.3 Fonctions bornées

Définition I.16. On dit qu’une fonction f : D → R est majorée par M ∈ R si :
∀x ∈ D, f (x) ≤ M
et on dit alors que M est un majorant de f .

On dit qu’elle est minorée par m si :
∀x ∈ D, f (x) ≥ m
et on dit alors que m est un minorant de f .
On dit enfin que f est bornée si elle est majorée et minorée.
Définition I.17. On dit qu’une fonction f : D → R possède un maximum (resp. minimum) en x ∈ D

si f (x) est un majorant (resp. un minorant) de f .
On dit plus généralement que f a un extremum en x si elle atteint son maximum ou son minimum en x.
Exemples I.18.
1. la fonction x 7→ x2 est minorée (elle admet même 0 pour minimum), mais n’est pas majorée ;
2. la fonction x 7→ ex est minorée (par 0), mais non majorée ; et elle n’admet pas de minimum ;
3. la fonction x 7→ sin(x) est bornée ; elle admet 1 comme maximum et −1 comme minimum, qui sont
respectivement atteints en tous les π2 + 2kπ et − π2 + 2kπ, pour k ∈ Z.
Remarque I.19. Graphiquement, cela se voit : la courbe de f est limitée en ordonnée (vers le haut, vers
le bas ou les deux).

D → R
Proposition I.20. La fonction f : D → R est bornée si, et seulement si, la fonction |f | :
x 7→ |f (x)|
est majorée.
Démonstration.
— si |f | est majorée par M : alors pour tout x ∈ R, on a : |f (x)| ≤ M , et donc : −M ≤ f (x) ≤ M ,
donc f est bornée (minorée par −M et majorée par M ) ;
— réciproquement
: si f est minorée par m et majorée par M , alors : ∀x ∈ D, m ≤ f (x) ≤ M . Et
f (x) ≤ M
donc : donc |f | est majorée par max(M, −m).
−f (x) ≤ −m
I.4 Monotonie
Définition I.21 (Fonction monotone). Si f est définie sur D, on dit que f est :
1. croissante si pour tous x, y ∈ D : x ≤ y ⇒ f (x) ≤ f (y) ;
2. strictement croissante si pour tous x, y ∈ D : x < y ⇒ f (x) < f (y) ;
3. décroissante si pour tous x, y ∈ D : x ≤ y ⇒ f (x) ≥ f (y) ;
4. strictement décroissante si pour tous x, y ∈ D : x < y ⇒ f (x) > f (y) ;
5. monotone si elle est croissante ou décroissante ;
6. strictement monotone si elle est strictement croissante ou strictement décroissante.
Exemples I.22.
1. La fonction exp est croissante sur R.
1
2. La fonction x 7→ est décroissante sur R∗− et sur R∗+ : elle n’est en revanche pas décroissante sur
x
R∗ car :
1 1
−1 < 1 et = −1 ≤ 1 = .
−1 1
3. La fonction x 7→ x2 est :
— strictement décroissante sur R− car :
x < y ≤ 0 ⇒ 0 ≤ −y < −x ⇒ 0 ≤ y 2 < x2
— strictement croissante sur R+ car :
0 ≤ x < y ⇒ 0 ≤ x2 < y 2
où dans chaque cas on a multiplié par elle-même une inégalité dont tous les termes étaient positifs
(ce qui est parfaitement licite).
Proposition I.23. Si f a pour graphe Cf , alors :

1. f est croissante si, et seulement si, Cf “monte” quand on va vers la droite ;
2. f est décroissante si, et seulement si, Cf “descend” quand on va vers la droite.
Remarque I.24. La monotonie se comporte assez mal avec la somme, mais très mal avec les produits.
Proposition I.25. Si f et g sont deux fonctions composables monotones, alors g ◦ f est aussi monotone,
et elle est :
1. croissante si f et g ont même monotonie ;
2. décroissante si f et g sinon.
De plus, si f et g sont strictement monotones, alors g ◦ f aussi.
Remarque I.26. Dans le cas de stricte monotonie, on a bien besoin de la stricte monotonie de f et de g.
Par exemple, si f ou g est constante, alors f ◦ g est constante donc ne peut pas être strictement monotone.
Démonstration.
Soient x, y ∈ D avec x ≤ y :
— si f est croissante : alors : f (x) ≤ f (y) et donc :
— si g est croissante : g(f (x)) ≤ g(f (y)) donc g ◦ f est croissante ;
— si g est décroissante : g(f (x)) ≥ g(f (y)) donc g ◦ f est décroissante ;
— si f est décroissante : alors : f (x) ≥ f (y) et donc :
— si g est croissante : g(f (x)) ≥ g(f (y)) donc g ◦ f est décroissante ;
— si g est décroissante : g(f (x)) ≤ g(f (y)) donc g ◦ f est croissante ;
Ce qui montre bien les cas de monotonie.
La stricte monotonie de montre de la même manière, en considérant partout des inégalités strictes.
I.5 Bijections
Définition I.27. Si I et J sont deux parties de R, on dit qu’une fonction f : I → J réalise une bijection
de I sur J si tout élément de J admet un unique antécédent par f dans I.
On note alors f −1 la fonction définie sur J qui à tout y ∈ J associe son unique antécédent par f .
La fonction f −1 est appelée bijection réciproque de f .
Exemple I.28.
I. GÉNÉRALITÉS SUR LES FONCTIONS 21
1. La fonction x 7→ ex réalise une bijection de R sur R∗+ : sa réciproque est la fonction :

∗
R+ → R
ln : .
x 7→ ln(x)

R+ → R+
2. La fonction est bijective, et sa bijection réciproque est la fonction racine carrée.
x 7→ x2

R \ {2} → R
3. Soit f : .
x 7→ x+1
x−2
Soit y ∈ R. Déterminons les antécédents de y :
x+1
y = f (x) ⇔ y =
x−2
⇔ (x − 2)y = x + 1
⇔ x(y − 1) = 2y + 1
et donc :
— si y = 1 : y n’a pas d’antécédent ;
— si y ̸= 1 : y a pour unique antécédent x = 2y+1
y−1
.
Donc f n’est pas bijective de R \ {2} sur R. Mais elle l’est de R \ {2} sur R \ {1}, et sa bijection
réciproque est :
−1 R \ {1} → R \ {2}
f : 2y+1
y 7→ y−1
Définition I.29. Si I est une partie de R, on définit la fonction identité sur I, notée idI , la fonction
définie sur I par : ∀x ∈ I, idI (x) = x.
Proposition I.30. Si f : I → J est bijective, alors :
1. f ◦ f −1 = idJ ;
2. f −1 ◦ f = idI ;
−1
3. f −1 réalise une bijection de J sur I, avec (f −1 ) = f.
Démonstration.
1. si y ∈ J, comme f −1 (y) est un antécédent de y par f (c’est même le seul), alors f (f −1 )(y) = y ;
2. si x ∈ I, alors f (x) est l’image de x par f , donc x est l’unique antécédent de f (x) ; mais f −1 (f (x))
aussi, donc x = f −1 (f (x)) ;
3. soit x ∈ I et y ∈ J un antécédent de x par f −1 : alors f −1 (y) = x. Et donc, en composant par f :
f (x) = y, donc nécessairement y = f (x), ce qui assure l’unicité d’un antécédent.
Mais f −1 (f (x)) = x, donc f (x) est bien un antécédent de x, ce qui assure l’existence.
Donc f −1 est bien bijective, et comme f (x) est l’unique antécédent de x par f −1 , alors (f −1 )−1 = f .
Proposition I.31. Si f est strictement monotone sur I, alors f réalise une bijection de I sur J = f (I) =
{f (x) | x ∈ I}.
De plus, sa réciproque f −1 a même monotonie que f .
Démonstration. Supposons par exemple que f est strictement croissante.
Soit y ∈ J : alors il existe x ∈ I tel que f (x) = y par définition de J, donc y a un antécédent.
Soient x1 , x2 sont deux antécédents de y. Si x1 < x2 , alors y = f (x1 ) < f (x2 ) = y par monotonie, ce qui
est impossible. Donc x1 = x2
Donc y a un unique antécédent, et f est bijective.
Soient y1 , y2 ∈ J tels que y1 < y2 . Notons y1 = f (x1 ) et y2 = f (x2 ) pour x1 , x2 ∈ I. Nécessairement on a :

x1 < x2 (car x1 ≥ x2 impliquerait que y1 ≥ y2 ). Mais x1 = f −1 (y1 ) et x2 = f −1 (y2 ).
Donc f −1 est strictement croissante.
Le cas où f est strictement décroissante se montrer de la même manière.
Remarque I.32. Une bijection n’est pas nécessairement monotone. Mais si elle est monotone, elle l’est
strictement.
II Tracé d’une fonction

II.1 Symétries
→
− → −
Proposition II.1. Soient f une fonction définie sur D, de graphe Cf dans le plan muni du repère (O, i , j ),
et a ∈ R. Alors :
→
−
1. le graphe de x 7→ f (x) + a est le translaté de Cf par le vecteur a j ;
→
−
2. le graphe de x 7→ f (x + a) est le translaté de Cf par le vecteur −a i ;
3. le graphe de x 7→ af (x) est le dilaté de Cf par l’affinité orthogonale (x, y) 7→ (x, ay) ;
x
4. si a ̸= 0, le graphe de x 7→ f (ax) est le dilaté de Cf par l’affinité orthogonale (x, y) 7→ ,y .
a
Démonstration.
1. On note g : x 7→ f (x) + a. Alors, si x ∈ D, on a :
(x, y) ∈ Cf ⇔ y = f (x) ⇔ y + a = f (x) + a ⇔ y + a = g(x) ⇔ (x, y + a) ∈ Cg
2. On note g : x 7→ f (x + a). Alors, si x ∈ D, on a :
(x, y) ∈ Cf ⇔ y = f (x) ⇔ y = f ((x − a) + a) ⇔ y = g(x − a) ⇔ (x − a, y) ∈ Cg
3. et 4. en exercices
Remarque II.2. Il faut bien faire attention au signe “−” et au fait qu’il faut diviser par a dans les cas 2 et
4. Par exemple, pour le cas 2, on représente ci-dessous la fonction x 7→ x2 et x 7→ (x + 1)2 : la deuxième
→
−
est bien l’image de la première par la translation de vecteur − i .
x 7→ (x + 1)2 3 x 7→ x2
−5 −4 −3 −2 −1 0 1 2 3 4
Définition II.3. Soit f : R → R. On dit que f est :

1. paire si : ∀x ∈ R, f (−x) = f (x) ;
II. TRACÉ D’UNE FONCTION 23
2. impaire si : ∀x ∈ R, f (−x) = −f (x) ;

3. T -périodique, pour T ∈ R, si : ∀x ∈ R, f (x + T ) = f (x).
Remarques II.4.
1. On peut étendre les définitions à des fonctions définies sur D ⊂ R : il faudra faire attention que
−x ∈ D ou que x + T ∈ D.
2. Une fonction T -périodique est aussi (kT )-périodique pour tout k ∈ Z. Et il sera plus intéressant de
chercher un T aussi petit que possible.
Remarque II.5. Si f est impaire, alors f (0) = 0.
Proposition II.6. Si f a pour graphe Cf :

1. f est paire si, et seulement si, Cf est symétrique par rapport à l’axe des ordonnées ;
2. f est impaire si, et seulement si, Cf est symétrique par rapport à l’origine du plan ;
→
−
3. f est T -périodique si, et seulement si, Cf est invariant par translation de vecteur T i .
Proposition II.7. Toute fonction f définie sur R s’écrit de manière unique comme somme d’une fonction
paire g et d’une fonction impaire h.
f (x) + f (−x) f (x) − f (−x)
Plus précisément, g et h sont définie par : ∀x ∈ R, g(x) = et h(x) = .
2 2
Démonstration. Voir chapitre 1.
Proposition II.8. Soient f une fonction définie sur R de graphe Cf , et a, b ∈ R :

1. si pour tout x ∈ R : f (a − x) = f (x), alors Cf est symétrique par rapport à la droite verticale
a
d’équation x = ;
2
a b
2. si pour tout x ∈ R : f (a − x) = b − f (x), alors Cf est symétrique par rapport au point ( , ).
2 2
Démonstration. 1. On considère g : x 7→ f (a − x). Alors :
(x, y) ∈ Cf ⇔ y = f (x)
⇔ y = f (a − (a − x))
⇔ y = g(a − x)
⇔ (a − x, y) ∈ Cg
Et donc Cg est l’image par Cf de l’application (x, y) 7→ (a − x, y), qui n’est autre que la symétrie
axiale considérée.
Comme f = g, on déduit la symétrie pour f .
2. On considère g : x 7→ b − f (a − x). Alors :
(x, y) ∈ Cf ⇔ y = f (x)
⇔ y = f (a − (a − x))
⇔ b − y = b − f (a − (a − x))
⇔ b − y = g(a − x)
⇔ (a − x, b − y) ∈ Cg
Et donc Cg est l’image par Cf de l’application (x, y) 7→ (a − x, b − y), qui n’est autre que la symétrie
centrale considérée.
Comme f = g, on déduit la symétrie pour f .
Proposition II.9. Si f est bijective, alors le graphe de f −1 est l’image du graphe de f par la symétrie par
rapport à la droite d’équation y = x.
Démonstration. Découle de l’équivalence : (x, y) ∈ Cf ⇔ (y, x) ∈ Cf −1 .
Remarque II.10. Les symétries permettent de réduire l’ensemble d’étude de f (c’est-à-dire l’ensemble
sur lequel on va étudier f pour pouvoir la connaı̂tre entièrement) :
— si f a une symétrie (axiale ou centrale), on peut “couper en deux” l’ensemble de définition ;
— si f est T -périodique : on peut restreindre l’ensemble sur un intervalle (quelconque) de longueur T .
Exemple II.11. Commençons l’étude de la fonction définie sur R par f (x) = cos(x)sin(x)3 . Alors f vérifie
pour tout x ∈ R :
— f (2π + x) = cos(2π + x)sin(2π + x)3 = cos(x)sin(x)3 = f (x), donc f est 2π-périodique ;
— f (−x) = cos(−x)sin(−x)3 = −cos(x)sin(x)3 = −f (x), donc f est impaire ;
— f (π − x) = cos(π − x)sin(π − x)3 = −cos(x)sin(x)3 = −f (x), donc Cf est symétrique par rapport
π
au point ( , 0).
2 h πi
Donc on peut se contenter d’étudier f sur l’intervalle 0; . On remonte alors à Cf sur R entier en
2
π
faisant une symétrie centre par rapport à ( , 0), puis une symétrie par rapport à l’axe des ordonnées, puis
→
− 2
des translations de ±2π i .
II.2 Asymptotes
Définition II.12. Soit f définie sur un intervalle de la forme ]A; +∞[ (resp. ] − ∞; A[).
On dit que la droite ∆ d’équation y = ax + b est asymptote à Cf en +∞ (resp. en −∞) si lim (f (x) −
x→+∞
(ax + b)) = 0 (resp. lim (f (x) − (ax + b)) = 0).
x→−∞
On parle d’asymptote horizontale lorsque a = 0, et d’asymptote oblique sinon.
On dit que la droite D d’équation x = A est asymptote à Cf si lim+ f (x) = ±∞ (resp. lim− f (x) = ±∞).
x→A x→A
On parle alors d’asymptote verticale.
Proposition II.13. La droite d’équation y = ax + b est asymptote à Cf en +∞ si, et seulement si :
 lim f (x) = a

x→+∞ x
 lim (f (x) − ax) = b
x→+∞
et pareil en −∞.
Remarques II.14.
1. ce résultat permet de chercher l’équation d’une asymptote en cherchant séparément (et dans cet
ordre) le coefficient directeur (c’est-à-dire a) et l’ordonnée à l’origine (c’est-à-dire b).
f (x)
2. Si jamais lim = ±∞ on a une branche parabolique d’axe vertical, comme c’est par exemple
x→+∞ x
le cas pour les fonctions x 7→ ex ou x 7→ x2 .
Démonstration. Supposons que la droite d’équation y = ax + b est asymptote :

— comme f (x)
x
= f (x)−(ax+b)
x
+ ax+b
x
, alors :

f (x) f (x) − ax − b ax + b f (x) − ax − b b
lim = lim + = lim + lim a + =a
x→+∞ x x x {z x x
x→+∞ x→+∞ x→+∞
| } | {z }
=0 =a
III. CONTINUITÉ ET DÉRIVATION 25
— comme (f (x) − ax) = (f (x) − (ax + b)) + b, alors de même :

lim (f (x) − ax) = lim (f (x) − (ax + b) + b) = lim (f (x) − (ax + b)) + lim (b) = b
x→+∞ x→+∞ x→+∞ x→+∞
| {z } | {z }
=0 =b
ce qui donne la première implication.

Pour la réciproque, il suffit de considérer la seconde limite. On a alors :
lim (f (x) − (ax + b)) = lim (f (x) − ax) + lim (−b) = b − b = 0.
x→+∞ x→+∞ x→+∞
| {z } | {z }
=b =−b
Remarque II.15. Ce résultat assure l’unicité de l’asymptote. On l’utilise en pratique pour trouver une
f (x)
asymptote, en cherchant d’abord la limite de , puis celle de f (x) − ax.
x
f (x)
Si jamais lim = a mais que lim (f (x) − ax) = ±∞, on a alors un branche parabolique oblique
x→+∞ x x→+∞
d’axe ∆ : y = ax.
x3 + 2x2
Exemple II.16. On considère la fonction f définie sur R par : f (x) = 2 .
x +1
2
f (x) 3
x + 2x 2 1 +
— pour x ̸= 0 : = 3 = x → 1;
x x +x 1 x→±∞
1+ 2
x
1
3 2
x + 2x − x − x3 2
2x − x 2 −
— f (x) − x = = 2 = x → 2
2
x +1 x +1 1 x→±∞
1+ 2
x
donc la droite D d’équation y = x + 2 est asymptote à Cf en ±∞.
4 D
3 Cf
−5 −4 −3 −2 −1 0 1 2 3 4
−1
−2
−3
III Continuité et dérivation

Les principaux résultats seront démontrés dans un autre chapitre.
III.1 Continuité
Définition III.1. Si f est une fonction définie sur un intervalle I, et a ∈ I, on dit que f est continue en
a si : lim f (x) = f (a).
x→a
Si f est continue en tout point a ∈ I, on dira qu’elle est continue sur I.
Proposition-Définition III.2. Soient I est un intervalle, a ∈ I, et f définie sur I \{a} telle que : lim f (x) =
x→a
b ∈ R. Alors f est prolongeable par continuité en a.
La fonction g définie sur I par :

f (x) si x ̸= a
∀x ∈ I, g(x) =
b si x = b
est un prolongement de f continu en a.
ex − 1
Exemple III.3. La fonction f : x 7→ est prolongeable par continuité en 0, car : lim f (x) = 1, en
x x→0
reconnaissant la limite du taux d’accroissement de la fonction exponentielle entre x et 0.
Théorème III.4 (Théorème des valeurs intermédiaires). L’image d’un intervalle par une fonction continue
est un intervalle.
Remarque III.5. C’est bien cohérent avec le théorème vu au lycée : considérons f continue sur un intervalle
I, x, y ∈ I, et J l’ensemble des images.
Alors a = f (x), b = f (y) ∈ J. Comme J est un intervalle, cela veut dire que tout élément entre a et b est
dans J, donc a un antécédent dans I.
Autrement dit : pour tout k entre a et b, il existe z tel que f (z) = k.
III.2 Dérivabilité et dérivée

Définition III.6. Si f est une fonction définie sur un intervalle I, et a ∈ I, on appelle taux d’accrois-
sement de f en a la fonction :

 I \ {a} → R
τa : f (x) − f (a) .
 x 7→
x−a
Si lim τa (x) est existe et est finie, on dit que f est dérivable en a, et on définit son nombre dérivé en
x→a
a par : f ′ (a) = lim τa (x).
x→a
Si f est dérivable en tout point a ∈ I, on dira qu’elle est dérivable sur I, et la fonction f ′ : x 7→ f ′ (x)
est appelée sa fonction dérivée.
Remarques III.7.
f (a + h) − f (a)
1. pour faciliter les calculs, on écrira plutôt : f ′ (a) = lim ;
h→0 h
2. le nombre τa (x) est le coefficient directeur de la droite passant par les points de Cf d’abscisses a et
x.
Exemples III.8.
1. la fonction f : x 7→ x2 est dérivable sur R. Si a, h ∈ R, on a :
f (a + h) − f (a) (a + h)2 − a2
= = 2a + h → 2a
h h h→0

′ R → R
et ainsi f : ;
x 7→ 2x
2. la fonction f : x 7→ |x| n’est pas dérivable en 0, car son taux d’accroissement en 0 est :

|x| − |0| |x| 1 si x > 0
τ0 (x) = = =
x−0 x −1 si x < 0
qui n’admet pas de limite quand x → 0.

Théorème III.9. Si f est dérivable en a, alors f est continue en a.
Définition III.10. Si f est dérivable en a, la tangente à Cf au point d’abscisse a est la droite passant
(a, f (a)) de coefficient directeur f ′ (a), c’est-à-dire la droite d’équation : y = f ′ (a)(x − a) + f (a).
Remarque III.11. Si f n’est pas dérivable en a, mais que lim τa (x) = ±∞, alors Cf admet pour tangente
x→a
en a la droite verticale passant par (a, f (a)), c’est-à-dire la droite d’équation : x = a.
Par exemple, pour la fonction racine, le taux d’accroissement entre 0 et h > 0 est :
√ √
h− 0 1
τ0 (h) = = √ → +∞
h−0 h h→0
donc la fonction racine admet une tangente horizontale en 0, ce qu’on voit bien sur le tracé suivant :
1
√
x
0 1 2 3 4
Proposition III.12. Si f, g sont dérivables sur I, et λ ∈ R, alors on a les fonctions dérivées suivantes :
1. (f + λg)′ = f ′ + λg ′ (la dérivation est linéaire) ;
2. (f g)′ = f ′ g + f g ′ ;
′
1 g′
3. si g ne s’annule pas : =− 2;
g g
′
f f g − f g′
′
4. si g ne s’annule pas : = .
g g2
Théorème III.13. Soient I, J deux intervalles, f : I → J et g : J → R deux fonctions dérivables.
Alors la fonction g ◦ f est dérivable, de dérivée :

′ ′ ′ I → R
(g ◦ f ) = f × g ◦ f : .
x 7→ f ′ (x) × g ′ (f (x))
Corollaire III.14. Si u est une fonction dérivable sur un intervalle I, alors :

1. si n ∈ N, alors un : x 7→ (u(x))n est dérivable sur I avec : (un )′ = n × u′ × un−1 ;
2. si u ne s’annule pas et n ∈ Z, alors un est dérivable sur I avec : (un )′ = n × u′ × un−1 ;
3. la fonction eu : x 7→ eu(x) est dérivable sur I avec : (eu )′ = u′ × eu ;
u′
4. si u est à valeurs strictement positives, ln(u) : x 7→ ln(u(x)) est dérivable avec : (lnu)′ = .
u
Démonstration. On utilise la dérivée d’une composée.
Remarque III.15. On peut renforcer le dernier résultat : si u ne s’annule pas, alors ln(|u|) est dérivable
u′
avec (ln(|u|))′ = .
u
2
Exemple III.16. La fonction f : x 7→ (ln(x2 + 1)) est dérivable sur R :
— comme u : x 7→ x2 + 1 est dérivable et positive sur R, alors ln(u) est dérivable sur R, de dérivée :
u′ (x) 2x
x 7→ = 2 ;
u(x) x +1
— donc f = (ln(u))2 est dérivable sur R, avec pour tout x ∈ R :
4x
f ′ (x) = × ln(x2 + 1).
x2 + 1
III.3 Variations d’une fonction dérivable

Proposition III.17 (Monotonie et dérivée). Si f est dérivable sur un intervalle I, alors :
1. si f ′ est positive ou nulle, f est croissante ;
2. si f ′ est négative ou nulle, alors f est décroissante.
Proposition III.18. Si de plus f ′ ne s’annule qu’un nombre fini de fois sur I, alors f est strictement
monotone.
1
Remarque III.19. Le résultat ne tient pas si I n’est pas un intervalle. Par exemple la fonction f : x 7→
x
′ 1 ∗
a pour dérivée f : x 7→ − 2 qui est toujours négative, mais n’est pas décroissante sur R .
x
Exemple III.20. Reprenons la fonction f définie sur R par f (x) = cos(x)sin(x)3 : elle est dérivable sur R,
de dérivée en x :
f ′ (x) = −sin(x)4 + 3cos(x)2 sin(x)2 = sin(x)2 4cos(x)2 − 1

h πi
donc on déduit que sur 0; :
2
π
— f ′ s’annule en 0 et ;
3 i πh
′
— f est strictement positive sur 0; ;
i π 3π i
— f ′ est strictement négative sur ; .
3 2
D’où les variations suivantes :
x 0 π/3 π/2
f′ 0 + 0 −
√
3 3
f 16
0 0
On trouve le tracé ci-dessous, où on fait :

— le tracé en bleu (par l’étude précédente) ;
— le tracé en rouge (par symétrie centrale) ;

— le tracé en orange (par symétrie axiale) ;
— le tracé en vert (par translation).
0.4
0.2
| | | | |
−2π −π 0 π/2 π 2π
−0.2
−0.4
Corollaire III.21. Soit f une fonction dérivable sur un intervalle I. Alors f est constante si, et seulement
si, f ′ est nulle.
Démonstration. Si f est constante, son taux d’accroissement est toujours nul, donc sa dérivée aussi.
Si f ′ est nulle, alors f est à la fois croissante et décroissante. Ainsi, si x, y ∈ I avec x ≤ y, alors : f (x) ≤ f (y)
et f (x) ≥ f (y), donc f (x) = f (y) et f est constante.
III.4 Dérivées d’ordre supérieur

Définition III.22. Si f est définie sur I et n ∈ N, on définit la dérivée n-ème de f (ou dérivée d’ordre
n) comme :

(n) f si n = 0
f = (n−1) ′

f si n ≥ 1 et que f (n−1) est dérivable
Si f (n) est bien définie, on dira que f est n-fois dérivable.
Si f est n-fois dérivable pour tout entier naturel n, on dira que f est infiniment dérivable.
Définition III.23. On note C 0 (I) l’ensemble des fonctions continues sur I.

Si k ∈ N∗ , on dira que f est de classe C k sur I si f est k-fois dérivable sur I et que f (k) est continue
sur I. On note C k (I) l’ensemble des fonctions de classe C k sur I.
Enfin, on note C ∞ (I) l’ensemble des fonctions C ∞ sur I, c’est-à-dire des fonctions de classe C k pour tout
entier naturel k.
Remarque III.24. Comme une fonction dérivable est continue, les fonctions de classe C ∞ sont exactement
les fonctions infiniment dérivables.

 2 1
x sin si x ̸= 0
Exemple III.25. La fonction x 7→ x est définie et dérivable sur R, mais sa dérivée
0 si x = 0

n’est pas continue en 0.
III.5 Continuité et dérivabilité des fonctions réciproques

Théorème III.26 (de la bijection monotone). Si f est continue et strictement monotone sur un intervalle
I, alors f réalise une bijection de I sur J = f (I).
De plus, J est un intervalle et f −1 est continue et de même monotonie que f sur J.
Exemple III.27. Si a, b ∈ R avec a < b et que f est continue strictement croissante sur [a; b], alors
f ([a; b]) = [f (a); f (b)]. Et pour tout élément c ∈ [f (a); f (b)], l’équation f (x) = c admet une unique
solution (dans [a; b]).
Remarque III.28. C’est en fait une amélioration du TVI, dans le sens où les antécédents sont uniques.
Théorème III.29 (dérivabilité des fonctions réciproques). Soit f est continue strictement monotone sur
◦
un intervalle I et x ∈ I. On suppose que f est dérivable en x, et on pose y = f (x). Alors :
′ 1 1
1. si f ′ (x) ̸= 0 : f −1 est dérivable en y, avec (f −1 ) (y) = ′ = ′ ;
f (x) f ◦ f −1 (y)
2. si f ′ (x) = 0 : f −1 n’est pas dérivable en y, et Cf −1 admet une tangente verticale en (y, x).
Remarque III.30. On retrouve graphiquement le résultat avec les tangentes : si D est une droite de pente
1
a ̸= 0, sa symétrique par rapport à la première bissectrice est une droite de pente .
a
1 √
x
x2
0 1 2 3
Corollaire III.31. Si I, J sont deux intervalles, f bijective de I sur J, dérivable sur I, et que f ′ ne s’annule
′ 1
pas sur I, alors f −1 est dérivable sur J avec : (f −1 ) = ′ .
f ◦ f −1
Exemple III.32. La fonction f : x 7→ x2 est dérivable sur R+ de dérivée : x 7→ 2x.
En particulier, f ′ est positive ou nulle sur R+ , ne s’annulant qu’en 0, donc f réalise une bijection stric-
tement croissante de R+ sur f (R+ ) = R+ .
√
Sa bijection réciproque est la fonction racine : f −1 : y 7→ y, qui vérifie :
√
— si y ̸= 0 : alors en notant x = y, on a f ′ (x) = 2x ̸= 0, donc f −1 est dérivable en y, avec :
′ 1 1
f −1 (y) = = √
f′ −1
◦ f (y) 2 y
— si y = 0 : comme f ′ (0) = 0, Cf −1 admet une tangente horizontale au point d’abscisse 0.

ce qu’on avait déjà vu sur le graphe précédent.
Théorème III.33. On a les dérivées usuelles suivantes :
f (x) Df f ′ (x) Df ′
c (c ∈ C) R 0 R
xn (n ∈ N∗ ) R nxn−1 R
xn (n ∈ Z∗− ) R∗ nxn−1 R∗
1 1
cas particulier : R∗ − 2 R∗
x x
xα (α ∈]1; +∞[\N) R+ αxα−1 R+
xα (α ∈]0; 1[) R+ αxα−1 R∗+
√ 1
cas particulier : x R+ √ R∗+
2 x
xα (α ∈ R∗− \ Z) R∗+ αxα−1 R∗+
ex R ex R
ax (a ∈ R∗+ ) R ln(a)ax R
1
ln(x) R∗+ R∗+
x
1
logb (x) (b ∈ R∗+ ) R∗+ R∗+
xln(b)
sin(x) R cos(x) R
cos(x) R − sin(x) R
π 1 π
tan(x) R\ + πZ 1 + tan2 (x) = R\ + πZ
2 cos2 (x) 2
1
arcsin(x) [−1, 1] √ ] − 1, 1[
1 − x2
1
arccos(x) [−1, 1] −√ ] − 1, 1[
1 − x2
1
arctan(x) R R
1 + x2
ch(x) R sh(x) R
sh(x) R ch(x) R
1
th(x) R 1 − th2 (x) = 2 R
ch (x)
Chapitre 4
Ensembles et relations
I Appartenance et inclusion
Définition I.1. Un ensemble est une collection d’objets. Chacun des objets est appelé élément. Si x est
un élément de l’ensemble E, on notera x ∈ E, qui se lit “x appartient à E”. Inversement, si y n’est pas un
élément de E, on notera y ∈
/ E, qui se lit “y n’appartient pas à E”.
Définition I.2. Si E et F sont deux ensembles, on dira que F est une partie (ou un sous-ensemble) de
E, ou que F est inclus dans E, si tout élément de F est un élément de E. On notera alors : F ⊂ E.
Remarque I.3. Un ensemble E peut être décrit en extension (on énumère les éléments) ou en com-
préhension (on donne une propriété satisfaite par les éléments). Par exemple, l’ensemble E des entiers
naturels plus petits que 3 peut s’écrire :
— en extension : E = {0; 1; 2} ;
— en compréhension : X = {n ∈ N | n < 3}.
Définition I.4. On dit que deux ensembles E et F sont égaux s’ils ont exactement les mêmes éléments,
et on note alors E = F .
Proposition I.5. Les ensembles E et F sont égaux si, et seulement si, on a les inclusions E ⊂ F et F ⊂ E.
Proposition I.6. L’inclusion est transitive : si E ⊂ F et F ⊂ G, alors E ⊂ G.
Proposition-Définition I.7. On appelle ensemble vide, que l’on note ∅, l’ensemble ne contenant aucun
élément.
L’ensemble vide est sous-ensemble de tout autre ensemble, et il est unique.
Démonstration. Si A est un ensemble vide, et E un ensemble, comme A ne contient aucun élément, tout
élément de A est dans E : donc A ⊂ E.
Si B est un autre ensemble vide, alors : A ⊂ B et B ⊂ A, donc A = B.
Définition I.8. Un ensemble possédant un seul élément est appelé singleton, et on le note {a}.
Définition I.9. Si E est un ensemble, on notera P(E) l’ensemble de toute les parties de E, c’est-à-dire
que :
F ∈ P(E) ⇔ F ⊂ E.
Remarque I.10. Les ensembles ∅ et E sont toujours des éléments de P(E).
Exemple I.11. Si E = {1; 2; 3}, alors :
P(E) = {∅; {1}; {2}; {3}; {1; 2}; {1; 3}; {2; 3}; {1; 2; 3}}.
33
34 CHAPITRE 4. ENSEMBLES ET RELATIONS
II Opérations sur les ensembles

Définition II.1. Si E est un ensemble, et A, B deux parties de E, on définit :
1. le complémentaire de A dans E, noté E − A, E \ A, AC ou A par :
A = {x ∈ E | x ∈
/ A};
2. l’intersection de A et B est :
A ∩ B = {x ∈ E | x ∈ A et x ∈ B};
3. la réunion (ou l’union) de A et B est :
A ∪ B = {x ∈ E | x ∈ A ou x ∈ B};
4. la différence de A et B est :
A − B = {x ∈ E | x ∈ A et x ∈
/ B} = A ∩ B;
5. la différence symétrique de A et B est :
A∆B = {x ∈ E | x ∈ A ∪ B et x ∈
/ A ∩ B} = A ∪ B − A ∩ B = (A − B) ∪ (B − A).
On les représente par des diagrammes de Venn (ou diagramme patate) :
E E E
A A∩B A∪B
A B A B A B
E E
A\B A∆B
A B A B
Remarque II.2. Plus généralement, les diagrammes de Venn permettent de mieux comprendre des en-
sembles, en permettant de visualiser séparément des différents éléments selon leur appartenance à chaque
ensemble considéré. Cette méthode devient rapidement compliquée lorsque l’on prend beaucoup d’ensembles.
Par exemple, on donne ci-dessous les diagrammes de Venn génériques pour 3 et 5 ensembles :
III. PARTITIONS 35
E A∩B E
A B
A∩B∩C
A∩C B∩C
Proposition II.3. Si A, B, C sont trois parties d’un ensemble E, alors :

1. commutativité de la réunion et de l’intersection : A ∪ B = B ∪ A et A ∩ B = B ∩ A ;
2. associativité de la réunion et de l’intersection :
— A ∪ (B ∪ C) = (A ∪ B) ∪ C = A ∪ B ∪ C ;
— A ∩ (B ∩ C) = (A ∩ B) ∩ C = A ∩ B ∩ C.
3. lois de de Morgan : A ∩ B = A ∪ B et A ∪ B = A ∩ B ;
4. distributivité de la réunion par rapport à l’intersection et réciproquement :
— C ∪ (A ∩ B) = (C ∪ A) ∩ (C ∪ B) ;
— C ∩ (A ∪ B) = (C ∩ A) ∪ (C ∩ B).
Remarque II.4. L’intersection et la réunion se généralisent à davantage de parties. Si A1 , . . . , An sont des

parties de E, on pose :
A1 ∩ A2 ∩ · · · ∩ An = ∩ni=1 Ai = {x ∈ E | ∀i ∈ {1, . . . , n}, x ∈ Ai }

.
A1 ∪ A2 ∪ · · · ∪ An = ∩ni=1 Ai = {x ∈ E | ∃i ∈ {1, . . . , n}, x ∈ Ai }
Remarque II.5. Il y a une correspondance entre logique et ensembles :
Ensembliste Logique
Ensemble : A Assertion : x ∈ A
Inclusion : A ⊂ B Implication : x ∈ A ⇒ x ∈ B
Égalité : A = B Équivalence : x ∈ A ⇔ x ∈ B
Complémentaire : A Négation : ¬ (x ∈ A)
Union : A ∪ B Disjonction : x ∈ A ∨ x ∈ B
Intersection : A ∩ B Conjonction : x ∈ A ∧ x ∈ B
III Partitions
Définition III.1. Si A, B sont deux ensembles, on dit qu’ils sont disjoints si : A ∩ B = ∅.
Définition III.2. Soit P une partie de P(E). On dit que :

1. P est un recouvrement de E si : ∪A∈P A = E ;
2. P est une partition de E si P est un recouvrement dont tous les éléments sont deux-à-deux dis-
joints, c’est-à-dire que :
∀A, B ∈ P, A ̸= B ⇒ A ∩ B = ∅.
Remarque III.3. Si P est un recouvrement de E, alors :
∀x ∈ E, ∃A ∈ P, x ∈ A
tandis que si P est une partition de E, alors :
∀x ∈ E, ∃!A ∈ P, x ∈ A.
Exemples III.4. L’ensemble {[n; n + 1] | n ∈ Z} est un recouvrement de R, mais pas une partition. On peut
voir par exemple que [0; 1] ∩ [1; 2] = {1} =
̸ ∅.
En revanche, l’ensemble {[n; n + 1[ | n ∈ Z} est une partition de R. Plus précisément, si x ∈ R, on a :
x ∈ [n; n + 1[⇔ n = ⌊x⌋.
IV Produits cartésiens
Définition IV.1. Si E, F sont deux ensembles, on définit le produit cartésien de E par F par :
E × F = {(x, y) | x ∈ E et y ∈ F }.
Plus généralement, si E1 , . . . , En sont des ensembles, on définit :
E1 × · · · × En = {(x1 , . . . , xn ) | x1 ∈ E1 , . . . , xn ∈ En }.
En particulier, si E1 = · · · = En = E, on note :
E × · · · × E = E n.
Remarque IV.2. Il faut bien prendre garde aux notations, pour ne pas confondre le couple (x, y) avec la
paire {x, y}.
Exemple IV.3. Un repère permet d’identifier chaque point du plan au couple de ses coordonnées, et ainsi
d’identifier le plan à R2 .
V Relations binaires
V.1 Généralités sur les relations binaires
Définition V.1. Si E est un ensemble, une relation binaire sur E est un sous ensemble R de E × E. Si
(x, y) ∈ R, on notera alors : xRy.
Définition V.2. Soit R une relation binaire sur E. On dit que R est :
1. réflexive si : ∀x ∈ E, xRx ;
2. symétrique si : ∀x, y ∈ E, xRy ⇒ yRx ;

xRy
3. antisymétrique si : ∀x, y ∈ E, ⇒ x = y;
yRx

xRy
4. transitive si : ∀x, y, z ∈ E, ⇒ xRz.
yRz
Exemples V.3. 1. la relation de divisibilité sur Z : xRy ⇔ x|y. Elle est :
— réflexive : tout entier se divise lui-même ;
— transitive : si a divise b et b divise c, alors a divise c ;
V. RELATIONS BINAIRES 37
— pas symétrique : 1 divise 2 mais 2 ne divise pas 1 ;

— pas antisymétrique : 1 divise −1 et inversement, mais 1 ̸= −1.
2. la relation d’inclusion sur un ensemble P(E), pour E un ensemble non vide, est réflexive, antisy-
métrique et transitive (par les propriétés de l’inclusion). Elle n’est pas symétrique car on a : ∅ ⊂ E
mais E ̸⊂ ∅.
3. si E est un ensemble possédant au moins deux éléments, la relation définie sur F = P(E) \ {∅}
par : ARB ⇔ A ∩ B ̸= ∅ est :
— réflexive : car A ∈ F ⇒ A ̸= ∅ ⇒ A ∩ A = A ̸= ∅ ;
— symétrique : par commutativité de l’intersection : A ∩ B = B ∩ A ;
— non transitive : prenons a ̸= b ∈ E, et A = {a}, B = {a; b}, C = {b}. Alors ARB et BC mais
pas ARC ;
— non antisymétrique : avec les mêmes notations : ARB et BRA, mais A ̸= B.
V.2 Relations d’équivalence

Définition V.4. Une relation binaire R sur E est appelée relation d’équivalence si elle est : réflexive,
symétrique et transitive.
Si x ∈ E, on définit la classe d’équivalence de x, notée cl(x) ou x, comme l’ensemble : x = {y ∈
E | xRy}.
Remarques V.5.
1. On note souvent par ∼ ou ≡ les relations d’équivalence.
2. Du fait de la symétrie, on a aussi : x = {y ∈ E | yRy}.
Proposition V.6. Soit R une relation d’équivalence sur E. Pour tous x, y ∈ E : xRy ⇔ cl(x) = cl(y).
Démonstration. Soient x, y ∈ E :
1. si xRy : soit z ∈ cl(y). Alors yRz, donc xRz (par transitivité). Donc z ∈ cl(x), et cl(y) ⊂ cl(x).
Par symétrie, on a aussi yRx, et on trouve de même cl(x) ⊂ cl(y). Donc : cl(x) = cl(y).
2. si cl(x) = cl(y) : x ∈ cl(x) (par réflexivité), donc x ∈ cl(y), donc xRy.
Proposition V.7. L’ensemble des classes d’équivalences de R forme une partition de E.

Démonstration. 1. si x ∈ E, alors x ∈ x donc tout élément de E appartient à une classe d’équivalence,
et on a un recouvrement ;
2. si x, y ∈ E tels que x ̸= y. Montrons que x ∩ y = ∅. Par l’absurde, si on avait z ∈ x ∩ y, alors on
aurait : xRz et yRz. Donc, par symétrie et transitivité : xRy, puis x = y, d’où la contradiction.
Remarque V.8. On pouvait déjà vérifier que, par réflexivité, les classes d’équivalences sont non vides. En
effet, si x ∈ E, alors x ∈ x.
Exemples V.9.
1. La relation définie sur E par : xRy ⇔ x = y est une relation d’équivalence dont les classes sont les
singletons de E.
2. Soit n ∈ N∗ . La relation définie sur Z par : xRy ⇔ (x − y) est un multiple de n est une relation
d’équivalence, dont les classes sont appelée classes de congruences modulo n. Il y a n classes de
congruences, à savoir 0, 1, . . . , n − 1. On notera alors x ≡ y [n] au lieu de xRy.
3. Si α ∈ R∗ , la relation de congruence modulo α sur R est la relation d’équivalence définie par :
xRy ⇔ (x − y) est un multiple entier de α. Si xRy, on notera alors : x ≡ y [α].
4. la relation d’équivalence dont les classes sont les [n; n + 1[ est définie par : xRy ⇔ ⌊x⌋ = ⌊x⌋y.
Plus généralement, si f est une fonction définie sur un ensemble E, la relation définie par : xRy ⇔
f (x) = f (y) est une relation d’équivalence.
V.3 Relations d’ordre

Définition V.10. Une relation binaire R sur E est appelée relation d’ordre si elle est : réflexive, anti-
symétrique et transitive.
On parlera d’ordre total si : ∀x, y ∈ E, xRy ou yRx. Dans le cas contraire, on parle d’ordre partiel.
Remarque V.11. On note souvent par ⪯ ou ⪰ les relations d’ordre, où les écritures x ⪯ y et y ⪰ x sont
équivalentes.
Exemples V.12.
1. sur R, la relation usuelle ≤ est un ordre total ;
2. sur N, la relation de divisibilité est une relation d’ordre partiel ;
3. si E est un ensemble quelconque, l’inclusion est une relation d’ordre sur P(E) : elle est partielle si
E contient au moins deux éléments.
Définition V.13. Soit E un ensemble muni d’une relation d’ordre ≤, et A une partie de E :
1. on dit qu’un élément M de E est un majorant de A si : ∀a ∈ A, a ≤ M ; on dit alors que E est
majorée ;
2. on dit qu’un élément m de E est un minorant de A si : ∀a ∈ A, m ≤ a ; on dit alors que E est
minorée.
Si E est majorée et minorée, on dit qu’elle est bornée.
Exemples V.14.
1. pour N muni de la relation de divisibilité : 1 est un minorant (car tout entier est divisible par 1),
tandis que 0 est un majorant (tout entier est un multiple de 0) ;
2. pour P(E) muni de l’inclusion : ∅ est un minorant et E est un majorant.
3. pour R muni de l’ordre ≤ : il n’y a ni majorant ni minorant. En revanche on peut trouver des
sous-parties majorées ou minorées. Par exemple N est une sous-partie minorée de R, mais elle
n’est pas majorée.
Proposition-Définition V.15. Avec les mêmes notations :
1. si a ∈ A est un majorant de A, on l’appelle maximum (ou plus grand élément) de A, et il est
unique ; on note a = max(A) ;
2. si a ∈ A est un minorant de A, on l’appelle minimum (ou plus petit élément) de A, et il est
unique ; on note a = min(A).
Démonstration. Montrons l’unicité du maximum. Soient a, a′ ∈ A deux maximums :
— a′ ∈ A et a est un majorant de A donc : a′ ≤ a ;
— a ∈ A et a′ est un majorant de A donc : a ≤ a′ .
Par antisymétrie, on a donc a = a′ , d’où l’unicité.
Remarque V.16. L’unicité du maximum ou du minimum est sous-réserve d’existence. Par exemple
sur R, l’ensemble ]0; 1[ admet bien un minorant et un majorant, mais pas de maximum ni de minimum.
Exemple V.17. Sur (R, ≤), considérons l’intervalle [−1; 1[. Il admet :
— comme minorant tout réel de ] − ∞; −1] et −1 comme minimum ;
— comme majorant tout réel de [1; +∞[ mais pas de maximum.
Montrons plus en détail le dernier point. Supposons par l’absurde que a soit un maximum de [−1; 1[.
Comme a ∈ [−1; 1[, alors : −1 ≤ a < 1, donc :0 ≤ a+1 2
< 1.
1+a
Ainsi, b = 2 est dans [−1; 1[. Mais, comme a est un majorant de [−1; 1[, on a donc : b ≤ a.
Or, on a : b ≤ a ⇔ a+1
2
≤ a ⇔ 1 ≤ a.
Donc on ne peut avoir b ≤ a, d’où la contradiction.
V. RELATIONS BINAIRES 39
Exemple V.18. Sur (N, |) : l’ensemble {2; 3; 6} admet :

— comme minorant uniquement 1, mais pas de minimum ;
— comme majorant tout multiple de 6, et 6 comme maximum.
Théorème V.19. Toute partie non vide de N possède un minimum.
Démonstration. On procède par contraposée : soit A une partie de N ne possédant pas de minimum ;
montrons alors que A est vide.
Par récurrence sur n ∈ N, montrons que n ∈ /A:
— initialisation : 0 ∈ / A, car sinon ce serait le plus petit élément de A ;
— hérédité : soit n ∈ N tel que aucun des entiers de J0; nK ne soit dans A. Alors n + 1 ∈
/ A, car sinon
ce serait le plus petit élément de A.
D’où la récurrence, ce qui conclut la preuve.
Remarque V.20. En fait, ce résultat repose sur le principe de récurrence, qu’on a admis, mais on pourrait
procéder dans l’autre sens : on admet ce théorème (on le pose comme un axiome), et on peut montrer
alors que le principe de récurrence est vrai.
Proposition V.21. Toute partie non vide et majorée de N possède un plus grand élément.
Démonstration. Soit A une partie non vide majorée de N.

Alors l’ensemble B = {n ∈ n | ∀a ∈ A, a ≤ n} est une partie non vide de N, donc possède un plus petit
élément b.
Comme b − 1 ∈ / B, alors on a deux possibilités :
• soit b − 1 ∈/ N : et donc b = 0, donc A = {0} qui admet 0 comme maximum ;
• soit il existe a ∈ A tel que : b − 1 < a. Et donc a ≥ b. Mais, par définition de b, on a a ≤ b, et donc
a = b. Donc b ∈ A et b est un majorant de A : c’est le maximum de A.
Corollaire V.22. Toute partie non vide et majorée de Z possède un plus grand élément.
Démonstration. Soit A un tel ensemble.

Si A ∩ N ̸= ∅, alors le maximum de A ∩ N convient.
Sinon, l’ensemble −A = {−a | a ∈ A} est une partie non vide de N, donc possède un minimum b. Et −b
convient.
Chapitre 5
Applications
I Notion d’application
Définition I.1. Si E, F sont deux ensembles, une application f de E vers F est la donnée, pour tout
élément x de E, d’un unique élément y de F , que l’on note f (x).
On note alors l’application f par :

E → F f
f: ou E → F.
x 7→ f (x)
On note F(E, F ) ou F E l’ensemble des applications de E vers F .

Proposition-Définition I.2. Étant donnnée f ∈ F(E, F ), on définit son graphe comme l’ensemble :
Γ = {(x, y) ∈ E × F | f (x) = y}.
Le graphe vérifie l’assertion :

∀x ∈ E, ∃!y ∈ F, (x, y) ∈ Γ.
Et tout sous-ensemble de E × F vérifiant cette assertion définit une unique application de E dans F
(autrement dit, une application est entièrement déterminée par son graphe).
Exemple I.3. On considère l’application f de {A; B; C} sur {a; b; c} définie par : f (A) = b, f (B) = a et
f (C) = b. On peut représenter f par un diagramme sagittaire, ou par un diagramme cartésien :
A a
b
B b
a
C c
E
A B C
Diagramme sagittaire. Diagramme cartésien.
Remarque I.4. Une (même) application peut être définie de différentes manières. Par exemple, la fonction
valeur absolue peut être définie sur R :
41
42 CHAPITRE 5. APPLICATIONS
√
1. explicitement : |x| = x2 ;

x si x ≥ 0
2. par disjonction de cas : |x| = ;
−x sinon
3. implicitement : |x| est l’unique solution positive ou nulle de l’équation : y 2 = x2 .
Définition I.5. Soit E un ensemble.
On appelle application identité de E l’application de E dans E définie par x 7→ x, et on la note IdE .
Si A est une partie de E, on définit la fonction indicatrice de A comme l’application de E dans {0; 1},
notée 1A , et définie par :
0 si x ∈/A
1A : x 7→
1 si x ∈ A
Proposition I.6. Soit E un ensemble et A, B deux parties de E :
1. 1A∩B = 1A · 1B ;
2. 1A = 1 − 1A ;
3. 1A∩B = 1A + 1B − 1A∪B .
4. A ⊂ B ⇔ 1A ≤ 1B .
Démonstration. Par disjonction de cas.
Définition I.7. Si f : E → F est une application, et (x, y) ∈ E × F tel que f (x) = y. On dit que :
1. y est l’image de x par f ;
2. x est un antécédent de x par f
Remarque I.8. L’image d’un élément de E est toujours unique. En revanche, un élément de F peut très
bien ne posséder aucun antécédent, ou un seul, ou même une infinité.
Définition I.9. Si E et I sont des ensembles, on appelle famille d’éléments de E indexés par I une
application x de I sur E. On notera alors xi pour désigner x(i). Et la famille x sera notée (xi )i∈I .
Exemple I.10. Une suite réelle (un )n∈N est une famille de réels indexés par N.
Définition I.11. Si f ∈ F(E, F ), et A une partie non vide de E, on définit la restriction de f à A comme
l’application de A sur F coı̈ncidant avec f , c’est-à-dire :

A → F
f |A : .
x 7→ f (x)
Inversement, si f ∈ F(E, F ) et g ∈ F(A, F ) vérifient que f |A = g, on dit que f est un prolongement
de g.
Enfin, si B est une partie de F telle que f est à valeurs dans B, on appelle corestriction comme
l’application de E sur B coı̈ncidant avec f , c’est-à-dire :

B E → B
f| : .
x 7→ f (x)
Définition I.12. Si E, F, G sont trois ensembles, f ∈ F(E, F ) et g ∈ F(F, G), on définit la composée de
g et f , notée g ◦ f , comme l’application de E dans G définie par :
∀x ∈ E, (g ◦ f )(x) = g (f (x)) .
Remarque I.13. Si f ∈ F(E, E) et n ∈ N, on notera f n = f ◦ f ◦ · · · ◦ f (avec la convention que f 0 = idE ).
| {z }
n fois
Proposition I.14. La composition est associative : si f ∈ F(E, F ), g ∈ F(F, G) et h ∈ F(G, H), alors :
(h ◦ g) ◦ f = h ◦ (g ◦ f ).
II. IMAGE DIRECTE ET IMAGE RÉCIPROQUE 43
II Image directe et image réciproque

Définition II.1. Soit f ∈ F(E, F ), A une partie de E et B une partie de F .
1. On appelle image directe de A l’ensemble :
f (A) = {f (x) | x ∈ A}.
2. On appelle image réciproque de B l’ensemble :
f −1 (B) = {x ∈ E | f (x) ∈ B}.
Remarque II.2. Les images directes et réciproques correspondent aux assertions suivantes :
y ∈ f (A) ⇔ ∃x ∈ A, f (x) = y
x ∈ f −1 (B) ⇔ f (x) ∈ B
Définition II.3. Si f ∈ F(E, F ), on appelle image de f , notée Im(f ), l’image directe de E par f :
Im(f ) = f (E) = {f (x) | x ∈ E}.
Si Im(f ) ⊂ B, pour une partie B de F , on dira que f est à valeurs dans B.

Remarque II.4. On n’a pas toujours f (E) = F , en revanche on a toujours f −1 (F ) = E.

R → R
Exemples II.5. Soit f : . Alors :
x 7→ x2
1. f ([0; 1]) = [0; 1] ;
2. f (] − 1; 2]) = [0; 4] ;
√ √
3. f −1 ([0; 2]) = [− 2; 2] ;
4. f −1 ([−4; 1]) = [−1; 1] ;
5. f −1 ({9}) = {−3; 3} ;
6. f −1 (] − 12; −1]) = ∅.
Définition II.6. Si f ∈ F(E, F ) et A ⊂ E, on dira que A est stable par f si f (A) ⊂ A.
Proposition II.7. Soient f ∈ F(E, F ), A, B deux parties de E et C, D deux parties de F . Alors :
1. A ⊂ B ⇒ f (A) ⊂ f (B) ;
2. f (A ∪ B) = f (A) ∪ f (B) ;
3. f (A ∩ B) ⊂ f (A) ∩ f (B) (Attention : on n’a pas égalité en général)
4. C ⊂ D ⇒ f −1 (C) ⊂ f −1 (D) ;
5. f −1 (C ∪ D) = f −1 (C) ∪ f −1 (D) ;
6. f −1 (C ∩ D) = f −1 (C) ∩ f −1 (D) ;
7. f −1 (C − D) = f −1 (C) − f −1 (D).
Démonstration. 1. Supposons que A ⊂ B :
y ∈ f (A) ⇒ ∃x ∈ A, f (x) = y
⇒ ∃x ∈ B, f (x) = y
⇒ y ∈ f (B)
Donc f (A) ⊂ f (B).

2. Montrons les deux inclusions :

(a) f (A ∪ B) ⊂ f (A) ∪ f (B) :
y ∈ f (A ∪ B) ⇒ ∃x
∈ A ∪ B, f (x) = y
∃x ∈ A, f (x) = y
⇒
ou ∃x ∈ B, f (x) = y
y ∈ f (A)
⇒
ou y ∈ f (B)
⇒ y ∈ (f (A) ∪ f (B))
(b) f (A) ∪ f (B) ⊂ f (A ∪ B) : On applique le résultat précédent à A ⊂ (A ∪ B) et B ⊂ (A ∪ B).

On a donc : f (A) ⊂ f (A sup B) et f (B) ⊂ f (A ∪ B), et donc : f (A) ∪ f (B) ⊂ f (A ∪ B).
3. soit y ∈ f (A ∩ B). Alors il existe x ∈ A ∩ B tel que y = f (x). Mais :
— comme x ∈ A : alors y ∈ f (A) ;
— comme x ∈ B : alors y ∈ f (B).
Et donc y ∈ f (A) ∩ f (B), ce qui prouve l’inclusion. L’autre inclusion est fausse en général, comme
le montre la remarque qui suit, donc il n’est pas nécessaire de s’y attarder.
4. Supposons que C ⊂ D :
x ∈ f −1 (C) ⇒ f (x) ∈ C
⇒ f (x) ∈ D
⇒ x ∈ f −1 (D)
Donc f −1 (C) ⊂ f −1 (D).
5. Procédons par équivalences :
x ∈ f −1 (C ∪ D) ⇔ f(x) ∈ C ∪ D
f (x) ∈ C
⇔
ou f (x) ∈ D
x ∈ f −1 (C)

⇔
ou x ∈ f −1 (D)
⇔ x ∈ (f −1 (C) ∪ f −1 (D))
x ∈ f −1 (C ∩ D) ⇔ f(x) ∈ C ∩ D
f (x) ∈ C
⇔
et f (x) ∈−1D
x ∈ f (C)
⇔
et x ∈ f −1 (D)
⇔ x ∈ (f −1 (C) ∩ f −1 (D))
x ∈ f −1 (C − D) ⇔ f(x) ∈ C − D
f (x) ∈ C
⇔
et f (x) ∈
/D
x ∈ f −1 (C)
⇔
et x ∈/ f −1 (D)
⇔ x ∈ (f (C) − f −1 (D))
−1
III. INJECTIONS, SURJECTIONS, BIJECTIONS 45
Remarque II.8. La plupart des implications précédentes sont en fait des équivalences, et donc les quelques
raisonnements par double inclusion pourraient se traiter par équivalence.
Il faut tout de même faire attention aux quantificateurs qui ne passent pas toujours très bien aux équiva-
lences, comme justement au point 3 où l’implication suivante n’est pas une équivalence :

∃x ∈ A, f (x) = y
[∃x ∈ A ∩ B, f (x) = y] ⇒ .
et ∃x ∈ B, f (x) = y

R → R
Remarque II.9. Pour le cas d’inclusion seule, on peut reprendre f : . Avec A = R∗− et
x 7→ x2
B = R∗+ , on a f (A) = f (B) = R∗+ , et donc :
f (A ∩ B) = f (∅) = ∅ et f (A) ∩ f (B) = R∗+ .
III Injections, surjections, bijections

Définition III.1. Soit f ∈ F(E, F ). On dit que f est :
1. injective si tout élément de F admet au plus un antécédent par f ;
2. surjective si tout élément de F admet au moins un antécédent par f ;
3. bijective si elle est injective et surjective, c’est-à-dire si tout élément de F admet un unique
antécédent par f .
Proposition III.2. Si f ∈ F(E, F ), on a équivalence entre :
1. f est injective ;
2. ∀x, y ∈ E, x ̸= y ⇒ f (x) ̸= f (y) ;
3. ∀x, y ∈ R, f (x) = f (y) ⇒ x = y.
Proposition III.3. De même, on a équivalence entre :
1. f est surjective ;
2. Im(f ) = F ;
3. ∀y ∈ F, ∃x ∈ E, f (x) = y.
Proposition-Définition III.4. L’application f ∈ F(E, F ) est bijective si, et seulement si, elle vérifie :
∀y ∈ F, ∃!x ∈ E, f (x) = y.
On peut alors définir l’application réciproque de f , notée f −1 , qui est l’unique application définie par :

−1 F → E
f : .
y 7→ x l’unique antécédent de y par f
−1
Et on a alors : f ◦ f −1 = idF , f −1 ◦ f = idE , et f −1 est bijective avec (f −1 ) = f.
Exemples III.5. 1. la fonction idE : E → E est bijective, d’inverse elle-même ;

R → R
2. si a, b ∈ R, la fonction f : est bijective si, et seulement si, a ̸= 0, et son inverse
x 7→ ax + b
est alors la fonction définie sur R par : f −1 (y) = y−b
a
. On a en fait le résultat plus fort suivant :
a ̸= 0 ⇔ f injective ⇔ f surjective ⇔ f surjective.
Pour le montrer, on peut voir que toutes les assertions sont équivalentes au fait que a ̸= 0 :
— si a ̸= 0 : alors f est bijective (on a même donné sa réciproque précédemment), donc f est
injective et surjective ;
— si a = 0 : alors :
— f (R) = {b} = ̸ R donc f n’est pas surjective ;
— f (0) = b = f (1) donc f n’est pas injective.
et ainsi f n’est ni surjective ni injective, et ne peut donc pas être bijective.
Proposition III.6. Soient f ∈ F(E, F ) et g ∈ F(E, F ). Alors :
1. si g ◦ f est injective, alors f est injective ;
2. si g ◦ f est surjective, alors g est surjective.
Démonstration. 1. si x, y ∈ E, alors :
f (x) = f (y) ⇒ g(f (x)) = g(f (y)) ⇒ g ◦ f (x) = g ◦ f (y) ⇒ x = y
donc f est injective ;
2. soit z ∈ G. Il existe x ∈ E tel que : z = g ◦ f (x) = g (f (x)), donc y = f (x) ∈ F vérifie g(y) = z.
Donc g est surjective.
Théorème III.7. Soit f ∈ F(E, F ). Alors f est bijective si, et seulement si, il existe une application
g : F → E telle que g ◦ f = idE et f ◦ g = idF .
Dans ces conditions, on a : g = f −1 .
Démonstration. On montre séparément les deux implications :
— nécessité : si f est bijective, alors l’application g = f −1 convient ;
— suffisance : si un tel g existe, alors :
— g ◦ f = idE est injective, donc f aussi ;
— f ◦ g = idF est surjective, donc f aussi.
Donc f est bijective. Comme g ◦ f = idE , alors : g ◦ f ◦ f −1 = f −1 , donc g = f −1 .
Proposition III.8. Soient f ∈ F(E, F ) et g ∈ F(F, G). Alors :

1. si f et g sont injectives, alors g ◦ f est injective ;
2. si f est g sont surjectives, alors g ◦ f est surjective ;
3. si f et g sont bijectives, alors g ◦ f est bijective, et : (g ◦ f )−1 = f −1 ◦ g −1 .
Démonstration. 1. si x, y ∈ E, alors :
g ◦ f (x) = g ◦ f (y) ⇒ g(f (x)) = g(f (y)) ⇒ f (x) = f (y) ⇒ x = y
2. si z ∈ G, il existe y ∈ F tel que g(y) = z. De même, il existe x ∈ E tel que f (x) = y. Et donc :
z = g ◦ f (x).
3. Posons h = f −1 ◦ g −1 . Alors :
— h ◦ (g ◦ f ) = f −1 ◦ g −1 ◦ g ◦ f = f −1 ◦ f = idE ;
— (g ◦ f ) ◦ h = g ◦ f ◦ f −1 ◦ g −1 = g ◦ g −1 = idG
ce qui donne bien le résultat.

P(E) → P(E)
Exemples III.9. 1. Si E est un ensemble, l’application f : est une bijection dont
A 7→ A
c’est la propre réciproque. On dit que f est involutive.

P(E) → F(E, {0; 1})
2. Si E est un ensemble, l’application f : est une bijection, dont la réci-
A 7→ 1A
F(E, {0; 1}) → P(E)
proque est donnée par : f −1 : .
χ 7→ χ−1 ({1})
IV. LES ENSEMBLES FINIS 47
IV Les ensembles finis

Lemme IV.1. Soient n, m ∈ N∗ et f : J1; nK → J1; mK. Alors :
1. si f est injective, alors n ≤ m ;
2. si f est surjective, alors n ≥ m ;
3. si f est bijective, alors n = m.
Démonstration.
1. si f est injective : f (1), f (2), . . . , f (n) sont des entiers distincts de J1; mK donc n ≤ m ;
2. si f est surjective : f (1), f (2), . . . , f (n) constituent les m entiers de J1; mK, donc n ≥ m.
3. découle des deux premiers points.
Définition IV.2. On dit qu’un ensemble E est fini s’il existe un entier n ∈ N et une bijection f : J1; nK → E.
On dit alors que E est de cardinal n, que l’on note : Card(E) = n ou |E| = n.
Proposition IV.3. Le cardinal d’un ensemble fini est unique.
Démonstration. Découle du lemme.
Proposition IV.4. Si E et F sont deux ensembles. Si E est fini, et qu’il existe une bijection entre E et F ,
alors F est fini de même cardinal que E.
Démonstration. Notons n = Card(E) et donnons-nous f : E → J1; nK et g : E → F bijectives. Alors g ◦ f
est une bijection de J1; nK sur F , donc F est fini de cardinal n.
Proposition IV.5. Soit E un ensemble fini, et F une partie de E. Alors F est fini, avec Card(F ) ≤
Card(E).
De plus, si Card(E) = Card(F ), alors E = F .
Démonstration. On procède par récurrence sur n = Card(E) ∈ N :
— (initialisation) si n = 0 : alors E est vide, donc F aussi, et on a bien le résultat ;
— (hérédité) soit n ∈ N∗ , et supposons le résultat acquis pour tous les ensembles finis de cardinal au
plus n − 1 :
— si F = E : alors F est fini, avec Card(F ) = Card(E) ;
— si F ̸= E : comme F ⊂ E, il existe x ∈ E \ F . Considérons f : J1; nK → E bijective, et notons
k ∈ JA; nK l’antécédent de x par f . Construisons la fonction g suivante :
g : J1; n − 1K → E \ {x}
i 7→ f (i) si i < kf (i + 1) si i ≥ k
qui est construite à partir de f en “retirant” k ainsi que son image.

L’application g est bijective puisque :
— elle est injective : puisque f l’est ; en effet, si i, j ∈ J1; n − 1K tels que g(i) = g(j), alors :
— si i, j < k : g(i) = f (i) et g(j) = f (j), donc f (i) = f (j), donc i = j (par injectivité) ;
— si i < k et j ≥ k : g(i) = f (i) et g(j) = f (j + 1), alors f (i) = f (j + 1) puis i = j + 1, ce
qui est impossible car : i < k et j + 1 > k ; donc ce cas est impossible ;
— si j < k et i ≥ k : on montre de même que ce cas est impossible ;
— si i, j ≥ k : alors on trouve f (i + 1) = f (j + 1), donc i + 1 = j + 1, donc i = j.
ce qui assure bien l’injectivité ;
— elle est surjective : soit y ∈ E \ {x}. Alors y ∈ E, donc y possède un unique antécédent par
f dans J1; nK, que l’on note i. Comme f (k) = x ̸= y, alors i ̸= k. Et ainsi :
— si i < k : alors f (i) = g(i) = y ;

— si i > k : alors f (i) = g(i − 1) = y.
ce qui assure bien la surjectivité.
D’où la bijectivité. Donc E \ {x} est fini de cardinal n − 1.
Comme x ∈ / F , alors F ⊂ E \ {x} : par récurrence on déduit donc que F est fini, de cardinal au
plus n − 1. Et ainsi, si F ̸= E, on a bien Card(F ) < Card(E).
ce qui conclut l’hérédité.
D’où la récurrence.
Proposition IV.6. Soit E un ensemble. On a équivalence entre les propriétés suivantes :

1. E est fini ;
2. il existe une surjection d’un ensemble fini F vers E ;
3. il existe une injection de E vers un ensemble fini F .
De plus, dans les deux derniers cas on a : Card(E) ≤ Card(F ).
Démonstration. Découle du point précédent, en choisissant des restrictions et correstrictions adaptées.
Proposition IV.7. Si A et B sont deux ensembles finis disjoints, alors A ∪ B est fini, avec : Card(A ∪ B) =
Card(A) + Card(B).
Plus généralement :
1. si A1 , . . . , An sont des ensembles finis deux-à-deux disjoints, alors A1 ∪ · · · ∪ An est fini avec :
Card(A1 ∪ · · · ∪ Ak ) = Card(A1 ) + · · · + Card(An ) ;
2. si A et B sont finis, alors A ∪ B et A ∩ B sont finis avec : Card(A ∪ B) = Card(A) + Card(B) −
Card(A ∩ B).
Démonstration. Posons n = Card(A) et m = Card(B), et prenons deux bijections f : J1; nK → A,

g : J1; mK → B.
On définit alors la bijection :

 J1; n + mK → A∪B
h: f (i) si i ≤ n .
i 7→
g(i − n) si i > n

Ce qui donne le premier résultat.

Le deuxième résultat se montre par récurrence sur n.
Le dernier résultat en découle, à l’aide des unions disjointes : A ∪ B = A ∪ (B \ A ∩ B) et B = (A ∩ B) ∪
(B \ A ∩ B).
Corollaire IV.8. Si E est fini et A ⊂ E, alors A est fini avec : Card(A) = Card(E) − Card(A).
Plus généralement, si A, B ⊂ E, alors A \ B est fini avec : Card(A \ B) = Card(A) − Card(A ∩ B).
Proposition IV.9. Si E et F sont des ensembles finis, alors E × F est fini, et : Card(E × F ) = Card(E) ×
Card(F ).
Démonstration. Notons n = Card(E), et m = Card(F ) avec F = {y1 , . . . , ym }.

On pose pour i ∈ J1; mK : Ei = {(x, yi ) | x ∈ E}.
Alors :
— chaque Ei est en bijection avec E, et est donc fini de cardinal n ;
— les Ei sont deux-à-deux disjoints ;
— E × F = ∪i∈J1;mK Ei .
Donc Card(E × F ) = Card(E1 ) + · · · + Card(Em ) = n
| + ·{z
· · + n} = n × m.
m fois
IV. LES ENSEMBLES FINIS 49
Proposition IV.10. Soient E, F deux ensembles finis, et f une application de E vers F :

1. si f est injective, alors Card(E) ≤ Card(F ) ;
2. si f est surjective, alors Card(E) ≥ Card(F ) ;
3. si f est bijective, alors Card(E) = Card(F ).
Démonstration. 1. la corestriction de f à f (E) fournit une bijection de E vers une partie de F ;

2. l’application qui à tout élément de F lui associe un antécédent dans E par F est une injection de
E sur F ;
3. évident.
Théorème IV.11. Soient E, F de ensembles finis de même cardinal, et f : E → F . On a équivalence entre :

1. f injective ;
2. f surjective ;
3. f bijective.
Démonstration. Posons n = Card(E) = Card(F ), et notons g : J1; nK → F bijective, de sorte que F =

{g(1), . . . , g(n)}.
Notons pour tout i ∈ J1; nK : Ei = f −1 ({g(i)}) (l’ensemble des antécédents de g(i)) et ei = |Ei | (le nombre
d’antécédents de g(i)). Alors les Ei :
— sont deux-à-deux disjoints : si x ∈ Ei ∩ Ej , alors f (x) = g(i) = g(j), donc par injectivité de g on a
i=j;
— forment un recouvrement de E : si x ∈ E, par surjectivité de g il existe i ∈ J1; nK tel que g(i) = f (x),
et donc x ∈ Ei .
donc par cardinal d’une union on déduit que : Card(E) = Card(E1 ) + · · · + Card(En ), c’est-à-dire :
n = e1 + · · · + en .
Posons pour tout i : xi = ei − 1. Alors : x1 + · · · + xn = 0. Et ainsi :
(∀i, xi ≤ 0) ⇔ (∀i, xi = 0) ⇔ (∀i, xi ≥ 0)
ce qui traduit bien que :

f injective ⇔ f bijective ⇔ f surjective.
Proposition IV.12. Si E, F sont deux ensembles finis avec Card(E) = n et Card(F ) = m, alors F(E, F )
est fini de cardinal mn .
Démonstration. On procède par récurrence sur n :

— si n = 1 : il y a bien m applications ;
— supposons le résultat acquis pour un certain n ≥ 1, et supposons que |E| = n + 1 : on fixe a ∈ E,
et on pose E ′ = E \ {a}. On considère l’application de restriction :
φ : F(E, F ) → F(E ′ , F )
f 7→ f |E ′
Tout élément de F(E ′ , F ) possède exactement m antécédents, qui correspondent aux m choix pos-
sibles pour f (a). On a donc : |F(E, F )| = m × |F(E ′ , F )| = m × mn = mn+1 , ce qui conclut la
récurrence.
Corollaire IV.13. Si E est fini avec Card(E) = n, alors P(E) est fini de cardinal 2n .

P(E) → F(E, {0; 1})
Démonstration. On considère l’application : φ : . Alors φ est bijective :
A 7→ 1A
— injectivité : si 1A = 1B alors pour tout x ∈ E :
x ∈ A ⇔ 1A (x) = 1 ⇔ 1B (x) = 1 ⇔ x ∈ B.
— surjectivité : si f ∈ F(E, {0; 1}), alors : f = 1f −1 ({1}) .

Donc Card(P(E)) = Card(F(E, {0; 1})) = 2n .
Chapitre 6
Sommes, produits et systèmes

P Q
I Les notations et
Définition I.1. Soient I = {i1 , . . . , in } un ensemble fini, et (ai )i∈I une famille de complexes indexée par I.
On définit alors :
X
1. la somme de tous les éléments ai , notée ai , comme :
i∈I
X
ai = ai 1 + · · · + ai n ;
i∈I
Y
2. le produit de tous les éléments ai , notée ai , comme :
i∈I
Y
ai = ai 1 × · · · × ai n .
i∈I
Si I = Jn; mK, pour n ≤ m deux entiers, on notera :
X m
X Y m
Y
ai = ai et ai = ai .
i∈Jn;mK i=n i∈Jn;mK i=n
Remarque I.2. Par convention, si I = ∅, on pose :

X Y
ai = 0 et ai = 1.
i∈I i∈I
P5 3 3 3 3 3
Exemples I.3. 1. k=2 k = 2 + 3 + 4 + 5 = 224 ;
Q5
2. k=2 k 3 = 23 × 33 × 43 × 53 = 1 728 000.
Remarques I.4. Les indices qui apparaissent dans une somme n’existent que dans une somme, et leur
dénomination est arbitraire. Ainsi :
1. k × 12
P P12
k=3 a k n’est pas défini, mais k=3 k × ak l’est ;
P8 3
P8 3
2. k=4 k = l=4 l = 1260.
Proposition I.5. Avec les mêmes notations, si ai = α ne dépend pas de i ∈ I, alors :

X Y
α = α × Card(I) et α = αCard(I) .
i∈I i∈I
51
52 CHAPITRE 6. SOMMES, PRODUITS ET SYSTÈMES
En particulier, si n ≤ m sont deux entiers :

m
X n
X n
X
α = (m − n + 1)α donc α = nα et α = (n + 1)α
k=n k=1 k=0
m
Y n
Y n
Y
(m−n+1) n
α=α donc α = α et α = αn+1 .
k=n k=1 i=0
Proposition I.6 (Relation de Chasles). Si I1 , I2 sont deux ensembles disjoints, alors :

X X X Y Y Y
ai = ai + ai et ai = ai × ai .
i∈I1 ∪I2 i∈I1 i∈I2 i∈I1 ∪I2 i∈I1 i∈I2
En particulier, si n ≤ m sont deux entiers :

m
X n
X m
X m
Y n
Y m
Y
ak = ak + ak et ak = ak × ak .
k=1 k=1 k=n+1 k=1 k=1 k=n+1
Remarque I.7. Si I1 et I2 ne sont pas disjoints, on peut écrire :

Q Q
X X X X Y ai ×
i∈I1 i∈I2 ai
ai = ai + ai − ai et ai = Q .
i∈I1 ∪I2 i∈I1 i∈I2 i∈I1 ∩I2 i∈I1 ∪I2 i∈I1 ∩I2 ai
2n−1
X
k
Exemple I.8. En partitionnant J0; 2n − 1K, on peut calculer : . En effet, pour k ∈ J0; 2n − 1K :
2
k=0
k
— si k est pair : on écrit k = 2i, avec i ∈ J0; n − 1K, et alors : = ⌊i⌋ = i ;
2
k
= j + 21 = j.

— si k est impair : on écrit k = 2j + 1, avec j ∈ J0; n − 1K, et alors :
2
Et finalement :
2n−1
X k X n−1 n−1 n−1
X X n(n − 1)
= i+ j =2· i=2· = n(n − 1).
k=0
2 i=0 j=0 i=0
2
Proposition I.9 (Linéarité de la somme). Si λ, µ ∈ C, et (ai ), (bi ) deux familles indexées par I fini :
! !
X X X
(λai + µbi ) = λ ai + µ bi .
i∈I i∈I i∈I
Remarque I.10. Si λ = µ = 1, ou si µ = 0, ceci nous donne les cas particuliers :

! ! !
X X X X X
(ai + bi ) = ai + bi et (λai ) = λ ai .
i∈I i∈I i∈I i∈I i∈I
Proposition I.11. Avec les mêmes notations :

λ µ
1. i∈I (aλi × bµi ) = µ
Q Q λ
Q Q Q
i∈I ai × i∈I bi = i∈I ai × i∈I bi ;

2. i∈I (λai ) = λCard(I)
Q Q
i∈I ai .
Remarque I.12. Attention à l’exposant pour le produit !

II. SOMMES CLASSIQUES 53
Proposition I.13 (Changement d’indice). Si I, J sont deux ensembles, f : I → J une bijection et (aj )j∈J
une famille de complexes indexée par J, alors :
X X
aj = af (i) .
j∈J i∈I
Inversement, si (bi )i∈I est une famille de complexes indexée par I, alors :
X X
bi = bf −1 (j) .
i∈J j∈J
En particulier :
m
X m−n
X
aj = ai+n .
j=n i=0
Remarque I.14. On a la même chose avec les produits.
II Sommes classiques
Proposition II.1 (Sommes télescopiques). Si n ≤ m sont des entiers et (ai )i∈Jn;m+1K est une famille de
complexes alors :
Xm
(ak+1 − ak ) = am+1 − an .
k=n
Si de plus les ai sont non-nuls :

m
Y ak+1 am+1
= .
k=n
ak an
Exemples II.2. Soit n ∈ N∗ , on a :

1 1 1
1. si k ∈ J1; nK, alors : − = , et donc :
k k+1 k(k + 1)
n
X 1 1
=1− ;
k=1
k(k + 1) n+1
1 k+1
2. si k ∈ J1; nK, alors : 1 + = , et donc :
k k
n
Y 1
1+ = n + 1.
k=1
k
Proposition II.3 (Somme géométrique). Si q est un complexe et n ∈ N, alors :


n  1 − q n+1
X
k si q ̸= 1
q = 1−q .
n+1 si q = 1

k=0
Démonstration. Si q = 1, alors : nk=0 q k = nk=0 1 = n + 1.

P P
Si q ̸= 1, alors :
(1 − q) × nk=0 q k =
P Pn k k+1
k=0 (q − q ) par linéarité
n+1
= 1−q par télescopage
D’où le résultat.
Corollaire II.4. Si q = ̸ 1 est un complexe, n ≤ m deux entiers, et (ak ) est une suite géométrique de
raison q (c’est-à-dire que pour tout entier k : ak+1 = q × ak ), alors :
m
X an − am+1 1 − q m−n+1 1 − raisonnombre de termes
ak = = an × = (Premier terme) × .
k=n
1−q 1−q 1 − raison
Démonstration. Une récurrence immédiate montre que, pour tout k ∈ N : an+k = an × q k .

Le résultat découle par linéarité du point précédent.
Proposition II.5 (Sommes arithmétiques). Soit n ∈ N, alors :
n
X n(n + 1)
k= .
k=0
2
Pn Pn
Démonstration. Par changement d’indice, on a : k=0 k= l=0 (n − l). Et ainsi :
n
X n
X n
X n
X
2× k= k+ (n − k) = n = n(n + 1)
k=0 k=0 k=0 k=0
ce qui donne le résultat voulu.

Corollaire II.6. Si r est un complexe, n ≤ m deux entiers, et (ak ) est une suite arithmétique de raison
r (c’est-à-dire que pour tout entier k : ak+1 = ak + r), alors :
Pm (m − n)(m − n + 1) an + am
k=n ak = (m − n + 1) × an + ×r = × (m − n + 1)
2 2 .
Premier terme + Dernier terme)
= × nombre de termes
2
Démonstration. Une récurrence immédiate montre que, pour tout k ∈ N : an+k = an + k × r.
Le résultat découle par linéarité du point précédent.
Proposition II.7. Si a, b sont deux complexes, et n ∈ N∗ , alors :
an − bn = (a − b) × (an−1 + an−2 b + · · · + abn−2 + bn−1 )

Pn−1 n−1−k k .
b = (a − b) × nk=1 an−k bk−1
P
= (a − b) × k=0 a
Démonstration. On développe directement la somme :
(a − b) × n−1 n−1−k k
Pn−1 n−k k
b − an−k−1 bk+1 )
P
k=0 a b = k=0 (a
Pn−1 n−k k
= k=0 (a b − an−(k+1) bk+1
= an − bn par télescopage
Remarques II.8. 1. pour n = 2, on retrouve l’identité remarquable : a2 − b2 = (a − b)(a + b) ;

b
2. on pouvait aussi reconnaı̂tre une somme géométrique de raison , mais cela demanderai des dis-
a
jonctions de cas suivant les valeurs de a et b ;
3. inversement, on retrouve la somme géométrique en prenant a = 1 et b = q.
Corollaire II.9. Si de plus n est impair, alors :
n−1
X
an + bn = (a + b) × an−1 − an−2 b + · · · − abn−2 + bn−1 = (a + b) × (−1)k an−1−k bk .

k=0
III. SOMMES ET PRODUITS DOUBLES 55
Démonstration. Comme n est impair, alors (−1)n = −1, et donc : an + bn = a − (−b)n . Et on applique le
résultat précédent.
Proposition II.10 (Sommes quadratique et cubique). Pour n ∈ N∗ , on a :
n
X n(n + 1)(2n + 1)
1. k2 = ;
k=1
6
n
X n2 (n + 1)2
2. k3 = .
k=1
4
Démonstration. Le premier résultat a été montré au chapitre 1.

Le second est laissé en exercice.
Remarque II.11. Le second résultat peut aussi se lire comme :
n n
!2
X X
k3 = k
k=1 k=1
ce que l’on peut voir géométriquement. L’idée étant que l’aire d’un carré de côté 1 + 2 + · · · + n doit être
égale à 1 + 23 + · · · + n3 .
Pour cela, on peut voir que, au moment d’augmenter la longueur du carré de n, on rajoute une bande dont
l’aire peut être découpée en n carrés de taille n×n. C’est-à-dire qu’on augment l’aire totale de n×n2 = n3 .
Ce dernier point est illustrée sur la figure ci-dessous :
13 23 33 43 53
1 2 3 4 5
III Sommes et produits doubles

Tous les résultats suivants s’étendent à des produits.
Proposition III.1. Si I, J sont deux ensembles finis, et (ai,j ) est une famille de complexes indexée par
I × J, alors : ! !
X X X X X
ai,j = ai,j = ai,j
(i,j)∈I×J i∈I j∈J j∈J i∈I
c’est-à-dire que l’on peut sommer sur un pavé dans l’ordre que l’on veut.
Corollaire III.2. ! !
X X XX X
ai bj = ai bj = (i, j) ∈ I × Jai bj .
i∈I j∈J i∈I j∈J
Remarque III.3. Si (ak ) est indexée par J1; nK, on trouve :
n
!2 n
X X X
ak = a2k + 2 ai aj
k=1 k=1 1≤i<j≤n
qui correspond quand n = 2 à l’identité remarquable : (a1 + a2 )2 = a21 + a22 + 2a1 a2 .
Définition III.4. Si I, J sont deux ensembles, et K ⊂ I × J, on définit :

1. pour tout i ∈ I, la coupe de K suivant i comme : Ki,J = {j ∈ J | (i, j) ∈ K} ;
2. pour tout j ∈ J, la coupe de K suivant j comme : KI,j = {i ∈ I | (i, j) ∈ K}.
Exemple III.5. Si I = J = J0; nK et K = {(i, j) ∈ I × J | i ≤ j}, alors pour tous 0 ≤ i, j ≤ n :
Ki,J = {j ∈ J | i ≤ j ≤ n} = Ji; nK et KI,j = {i ∈ I | 0 ≤ i ≤ j} = J0; jK
J
(i, n) (n, n)
(0, n)
(0, j)
KI,j (j, j)
Ki,J
K
(i, i)
(0, 0)
I
Proposition III.6. Avec les mêmes notations, on a les recouvrements disjoints :

[ [
K= ({i} × Ki,J ) = (KI,j × {j})
i∈I j∈J
et donc, si (ai,j ) est une famille indexée par I × J :

X X X X X
ai,j = ai,j = ai,j .
(i,j)∈K i∈I j∈Ki,J j∈J i∈KI,j
IV. FACTORIELLE ET COEFFICIENTS BINOMIAUX 57
Corollaire III.7. Si (ai,j ) est indexée par J0, nK2 , alors :

n X
n j
n X
X X X
ai,j = ai,j = ai,j
0≤i≤j≤n i=0 j=i j=0 i=0
n X
n j−1
n X
X X X
ai,j = ai,j = ai,j
0≤i<j≤n i=0 j=i+1 j=0 i=0
Pn
Exemple III.8. Calculer pour tout n ∈ N∗ la somme : k=1 k2k−1 :
n
X n X
X k
k−1
k2 = 2k−1
k=1 k=1 l=1
n X
X n
= 2k−1
l=1 k=l
n
X 2l−1 − 2n
=
l=1
1−2
n
X
= (2n − 2l−1 )
l=1
1 − 2n
= n × 2n −
1−2
= (n − 1) × 2n + 1
IV Factorielle et coefficients binomiaux

Définition IV.1. Si n ∈ N∗ , on définit la factorielle de n par :
n
Y
n! = n × (n − 1) × · · · × 2 × 1 = k
k=1
et on pose par convention 0! = 1.
Définition IV.2. Si n, k ∈ N, on définit le coefficient binomial “k parmi n” par :


 n!
n si k ≤ n
= k!(n − k)! .
k  0 si k > n
n

Remarque IV.3. La quantité k
correspond aux nombres de parties à k éléments dans un ensemble à n
éléments.
Proposition IV.4. Si k, n ∈ N :
n n
= .
k n−k
Exemple IV.5. On a les valeurs particulières suivantes :
1. n0 = nn = 1 ;

2. n1 = n−1
n

= n;
n(n − 1)
3. n2 = n−2
n

= .
2
Proposition IV.6 (Triangle de Pascal). Si k, n ∈ N, alors :

n n n+1
+ = .
k k+1 k+1
Démonstration. On procède par disjonction de cas.
Si k > n : toutes les sommes sont nulles.
Si k = n : on trouve : 1 + 0 = 1.
Si k ∈ J0; n − 1K :
n
n
n! n!
k
+ k+1
= +
k!(n − k)! (k + 1)!(n − (k + 1))!
n! × (k + 1) n! × (n − k) n! × (k + 1 + n − k)
= + = .
(k + 1)!(n − k)! (k + 1)!(n − k)! (k + 1)!(n − k)!
(n + 1)!
= n+1

= k+1
(k + 1)!((n + 1) − (k + 1))!
Remarque IV.7. Le triangle de Pascal permet de calculer de proche en proche tous les coefficients bino-
miaux. On représente sur la n-ème ligne les coefficients nk pour 0 ≤ k ≤ n :
1 1

0
=1 1
=1
+ + + +

2 2 2

0
=1 1
=2 2
=1
+ + + + + +

3 3 3 3

0
=1 1
=3 2
=3 3
=1
+ + + + + + + +

4 4 4 4 4

0
=1 1
=4 2
=6 3
=4 4
=1
+ + + + + + + + + +

5 5 5 5 5 5

0
=1 1
=5 2
= 10 3
= 10 4
=5 5
=1
+ + + + + + + + + + + +

6 6 6 6 6 6 6

0
=1 1
=6 2
= 15 3
= 20 4
= 15 5
=6 6
=1
n

Corollaire IV.8. Pour tous n, k ∈ N : k
∈ N.
Démonstration. En utilisant le triangle de Pascal, on montre par récurrence sur n ∈ N la proposition :

n
∀k ∈ N, ∈ N.
k
Proposition IV.9. Si n, k ∈ N∗ , alors :

n n−1
k =n
k k−1
IV. FACTORIELLE ET COEFFICIENTS BINOMIAUX 59
Démonstration. Le cas k > n est immédiat.

Si k ≤ n :

n n! n! n × (n − 1)! n−1
k =k = = =n .
k k!(n − k)! (k − 1)!(n − k)! (k − 1)!((n − 1) − (k − 1))! k−1
Théorème IV.10 (Formule du binôme de Newton). Si a, b ∈ C et n ∈ N, alors :

n
X
n n k n−k
(a + b) = a b .
k=0
k
n 0
n ∈ N. 0 0 0
Démonstration. On procède par récurrence sur
P0 0 k n−k
Si n = 0 : (a + b) = (a + b) = 1 et k=0 k a b = 0 a b = 1.
Hérédité : supposons que (a + b)n = nk=0 nk ak bn−k pour un certain n ∈ N. Alors :
P
Pn n k n−k

(a + b)n+1 = (a
Pn + b) × (a + b) n
= (a
Pn + b) k=0 k
a b
n k+1 n−k n k n+1−k

= k=0 k a b + a b
Pn+1 n l n+1−l
Pk=0
n
k
n k n+1−k
= l=1 l−1 a b + k=0 k P a b
+ k=1 k−1 a b + nk=1 nk ak bn+1−k + bn+1
n n
n+1
P k n+1−k

= a
= bn+1 + nk=1 k−1 n
+ nk a k bn+1−k + an+1
P
= n+1 a0 bn+1−0 + n n+1 k n+1−k

+ n+1 an+1 b0
P
a b
P0n+1 n+1 k n+1−kk=1 k n+1
= k=0 k
a b
ce qui conclut la récurrence.
Exemples IV.11. Soit n ∈ N∗ . Alors :

n n
X n X n k n−k
1. = 1 1 = (1 + 1)n = 2n ;
k=0
k k=0
k
n X n
k n n
X
2. (−1) = (−1)k 1n−k = (−1 + 1)n = 0 ;
k=0
k k=0
k
n
X n n
X n
k
3. n = nk · 1n−k = (n + 1)n ;
k=0
k k=0
k
n
X n
4. en revanche, on ne peut pas faire apparaı̂tre une formule du binôme dans la somme k k , car
k=0
k
le nombre que l’on met à la puissance (à sa voir k ici) change lors de la sommation.
5. Posons :
n
⌊2⌋ ⌊ n−1
2
⌋
X n X n
An = et An = .
k=0
2k k=0
2k + 1
Alors, par changement d’indice, on trouve :

— si k ∈ ⌊ n2 ⌋, alors l = 2k parcourt tous les entiers pairs de J0; nK ; donc :
X n
An = ;
l
∈J0;nK
l pair
— si k ∈ ⌊ n−1
2
⌋, alors l = 2k + 1 parcourt tous les entiers impairs de J0; nK ; donc :
X n
Bn = .
l
∈J0;nK
l impair
Et ainsi, on trouve :
n n
X n n
X n
An + Bn = = 2 et An − Bn = (−1)l = 0.
l=0
l l=0
l
Et finalement :
An = Bn = 2n−1 .
V Résolution de systèmes linéaires

On fixe K comme étant R ou C. On appelle scalaires les éléments de K.
Définition V.1. Un système linéaire à n équations et p inconnues est un système de la forme :



 a1,1 x1 + a1,2 x2 + . . . + a1,p xp = b1
 a2,1 x1

+ a2,2 x2 + . . . + an,p xp = b2
(S) : .. .. .. .. .. ..


 . . . . . .
 a x + an,2 x2 + . . . + an,p xp = bn
n,1 1
où x1 , . . . , xp sont des inconnues (que l’on cherche dans K), et où les (ai,j ) et les bi sont des scalaires fixé.
Les ai,j sont appelés les coefficients du système.
Le n-uplet (b1 , . . . , bn ) est appelé le second membre du système.
Le système obtenu en remplaçant le second membre par (0, . . . , 0) est appelé système homogène associé
à S.
On dit que (S) est incompatible s’il n’a pas de solutions, et compatible sinon.
Remarque V.2. Un système homogène est toujours compatible.
Proposition V.3. Si (n, p) = (2, 2), résoudre le système

ax + by = e
(S) :
cx + dy = f
où (a, b), (c, d) ̸= (0, 0), revient à chercher l’intersection des droites D1 : ax + by = e et D2 : cx + dy = f :
1. si les droites sont confondues : il y a une infinité de solutions (tous les points de D1 = D2 ) ;
2. si les droites sont parallèles distinctes : il n’y a pas de solutions ;
3. si les droites sont sécantes : il y a une seule solution.
Proposition-Définition V.4. Avec les mêmes notations appelle déterminant du système (S) la quantité
ad − bc. Alors (S) admet une unique solution si, et seulement si, ad − bc ̸= 0.
Démonstration. Le système admet une unique solution si, et seulement si, D1 et D2 sont sécantes.
Les vecteurs (a, b) et (c, d) sont des vecteurs normaux à D1 et D2 . Donc les droites D1 et D2 sont sécantes
si, et seulement si : det((a, b), (c, d)) ̸= 0, c’est-à-dire ad − bc ̸= 0.
V. RÉSOLUTION DE SYSTÈMES LINÉAIRES 61
Proposition V.5. Si (n, p) = (3, 2), résoudre le système :

ax + by + cz = g
(S) :
dx + ey + f z = h
où (a, b, c), (d, e, f ) ̸= (0, 0, 0), revient à chercher l’intersection des plans P1 : ax + by + cz = g et P2 :
dx + ey + f z = h :
1. si les plans sont confondues : il y a une infinité de solutions (tous les points de P1 = P2 ) ;
2. si les plans sont parallèles distincts : il n’y a pas de solutions ;
3. si les plans sont sécants : il y a une infinité de solutions (tous les points de la droite P1 ∩ P2 ).
Définition V.6. Un système est dit échelonné si le premier coefficient non nul de chaque ligne, qu’on
appelle pivot, est situé strictement à gauche des pivots des lignes suivantes.
Remarque V.7. Si on note ji l’indice du pivot de la ligne Li , cela revient à dire qu’il existe k ∈ J1; nK tel
que : les lignes Lk+1 , . . . , Ln du système homogène sont nulles, et que :j1 < j2 < · · · < jk .

 a1,j1 xj1 + . . . +
 ... + ... ... ... . . . = b1
0 + 0 + a2,j2 xj2 + . . . + . . . ... . . . = b2


(S) : .. .. .. .. .. .. .. ..


 . . . . . . . .
 0 + 0 + 0 + 0 + 0 + ak,jk + . . . = bk
Exemple V.8. Le système suivant est échelonné :

 x1 + 3x2 + 2x3 = 0
2x2 + 4x3 = 2 .
− x3 = 1

Définition V.9. Les opérations élémentaires sur les lignes d’un système sont :
1. la permutation : on échange les lignes Li et Lj , codée par Li ↔ Lj ;
2. la dilatation : multiplication d’une ligne par un scalaire λ non nul, codée par Li ← λLi ;
3. la transvection : ajout à la ligne Li d’un multiple de la ligne Lj , codée Li ← Li + λLj .
Remarques V.10.
1. Il faut bien considérer toute la ligne à chaque fois (y compris bi ).
2. L’ordre des opérations a une importance, et on les fait successivement.
Définition V.11. On dit que deux systèmes linéaires sont équivalents si l’on peut passer de l’un à l’autre
par un succession finie d’opérations élémentaires.
Remarque V.12. On peut “revenir en arrière” après avoir fait un opération élémentaire, et ceci à l’aide
d’une autre opération élémentaire. Plus précisément :
— une permutation est annulée par elle-même ;
— une dilatation de rapport λ est annulée par la dilatation de la même ligne de rapport λ1 ;
— une transvection de coefficient λ est annulée par la dilatation des mêmes lignes de coefficient −λ.
En conséquence, la relation “être équivalent” sur les systèmes est une relation d’équivalence.
Théorème V.13. Deux systèmes équivalents ont même ensemble solution.
Démonstration. Constatons déjà que chaque opération élémentaire ne peut qu’agrandir l’ensemble solution
du système initial. Ceci est clair car un système d’égalité est bien préservé quand on les combine par les
opérations élémentaires.
Comme on peut revenir en arrière par d’autres opérations élémentaires, le résultat découle par double
inclusion.
Théorème V.14 (Algorithme du pivot de Gauss–Jordan). Tout système est équivalent à un système éche-
lonné. La succession d’opérations élémentaires est donnée par la méthode de Gauss-Jordan.
Remarque V.15. L’intérêt est qu’un système échelonné est très facile à résoudre par méthode de remontée :
on résout les équations avec le moins d’inconnues, puis les réinjecte dans les précédentes.
Méthode V.16. La méthode se fait récursivement selon le nombre d’inconnues du système. On considère
le système : 

 a1,1 x1 + a1,2 x2 + . . . + a1,p xp = b1
 a2,1 x1 + a2,2 x2 +

. . . + an,p xp = b2
(S) : .. .. .. .. .. ..


 . . . . . .
 a x + a x + . . . + an,p xp = bn
n,1 1 n,2 2
— si tous les ai,1 sont nuls : alors la première colonne du système est nulle, et on continue à échelonner
suivant les colonnes suivantes ;
— sinon : quitte à permuter deux lignes, on a a1,1 ̸= 0. On fait pour tout i ∈ J2; nK la transvection :
ai,1
Li ← Li − L1 . La première colonne du système a seulement son premier coefficient non nul. Le
a1,1
système obtenu est de la forme :

 a1,1 x1 + a1,2 x2 + . . . + a1,p xp = b1

 0 + a′2,2 x2 + . . . + an,p xp = b′2

.. .. .. .. .. ..

 . . . . . .
+ an,2 x2 + . . . + an,p xp = b′n
′

 0
où, pour tout i ∈ J2; nK et tout j ∈ J2; pK on a :

ai,1 ai,1
a′i,j = ai,j − a1,j et b′j = bj − b1 .
a1,1 a1,1
et il suffit alors d’échelonner le système :

′
 a2,2 x2 + . . . + an,p xp
 = b2
(S ′ ) : .. .. .. .. ..
. . . . .
 a′ x + . . . + a x

= bn
n,2 2 n,p p
ai,1
Remarque V.17. En pratique, on prendra un pivot qui facilite les expression (par exemple un pivot
a1,1
égal à 1).
Corollaire V.18. Un système homogène à n équations et p inconnues possède une infinité de solutions
dès lors que p > n.
En particulier, il admet une solution non nulle.
Démonstration. On échelonne le système homogène, ce qui donne un système homogène, échelonné, à n
équations.
Comme p > n, alors l’une des inconnues n’apparaı̂t pas comme pivot, donc peut être choisie librement
dans K.
Pour chacune des valeurs choisie, la remontée permet de trouver une solution au système. L’infinité de
l’ensemble solution découle alors de l’infinité de K.
Exemple V.19. Résoudre le système à 3 équations et 3 inconnues :

 x1 + x2 − x3 = 2
(S) : 2x1 − x2 + x3 = 1
4x1 + x2 + 3x3 = 3

V. RÉSOLUTION DE SYSTÈMES LINÉAIRES 63

 x1 + x2 − x3 = 2
L2 ← L2 − 2L1
(S) ⇔ − 3x2 + 3x3 = −3 avec
L3 ← L3 − 4L1
− 3x2 + 7x3 = −5


 x1 + x2 − x3 = 2
⇔ − 3x2 + 3x3 = −3 avec L3 ← L3 − 2L2
+ 4x3 = −2


 x3 = −1/2
⇔ x2 = 1 + x3 = 1/2
x1 = 2 − x2 + x3 = 1

Donc le système admet pour unique solution (1, 1/2, −1/2).
Exemple V.20. Résoudre le système à 4 équations et 4 inconnues :



 2x1 + 3x2 − x3 + x4 = 2
x1 − x2 + x3 − x4 = 1

(S) :

 3x 1 + 2x2 + x3 + x4 = −1
x1 + x2 − 2x3 + 2x4 = 1



 x1 − x2 + x3 − x4 = 1
2x1 + 3x2 − x3 + x4 = 2

(S) ⇔ avec L1 ↔ L2

 3x1 + 2x2 + x3 + x4 = −1
 x1 + x2 − 2x3 + 2x4 = 1

x 1 − x2 + x3 − x4 = 1 
 L2 ← L2 − 2L1


5x2 − 3x3 + 3x4 = 0

⇔ avec L3 ← L3 − 3L1
5x2 − 2x3 + 4x4 = −4
L4 ← L4 − L1

 
2x2 − 3x3 + 3x4 = 0


 x1 − x2 + x3 − x4 = 1

2x2 − 3x3 + 3x4 = 0

⇔ avec L2 ↔ L4

 5x2 − 2x3 + 4x4 = −4
5x2 − 3x3 + 3x4 = 0



 x1 − x2 + x3 − x4 = 1
L3 ← L3 − 52 L2

2x2 − 3x3 + 3x4 = 0

⇔ 11 avec

 x − 72 x4 = −4
2 3
L4 ← L4 − 52 L2
9
x − 92 x4 = 0

 2 3

 x1 − x2 + x3 − x4 = 1
2x2 − 3x3 + 3x4 = 0

9
⇔ 11 7 avec L4 ← L4 − 11 L3

 2
x 3 − 2
x 4 = −4
− 18 x = 36

11 4 11
Et on trouve par L4 que x4 = −2, qu’on réinjecte dans L3 pour déduire que x3 = −2, qu’on réinjecte dans
L2 pour déduire x2 = 0, qu’on réinjecte dans L1 pour trouver x1 = 1.
Donc le système admet pour unique solution (1, 0, −2, −2).
Chapitre 7
Les fonctions usuelles
I Logarithmes, exponentielles et puissances

I.1 La fonction logarithme
1
Définition I.1. On appelle fonction logarithme népeirien l’unique primitive de la fonction x 7→ sur
x
R∗+ qui s’annule en 1. On la note ln ou Log.
Théorème I.2. Si a, b ∈ R∗+ et n ∈ Z, alors :

1. ln(ab) = ln(a) + ln(b) ;

1
2. ln = −ln(a) ;
a
a
3. ln = ln(a) − ln(b) ;
b
4. ln (an ) = nln(a).
Démonstration.
1. Si a, b > 0, on considère la fonction fb : x 7→ ln(xb) − ln(x)
b 1
Alors fb est dérivable sur R∗+ , avec : ∀x ∈ R∗+ , f ′ (x) = − = 0.
xb x
Donc fb est constante, donc : f (a) = f (1), donc : ln(ab) − ln(a) = ln(b).

1 1
2. On déduit : 0 = ln(1) = ln a = ln(a) + ln .
a a
a
1
3. De même : ln = ln(a) + ln = ln(a) − ln(b).
b b

n −n 1
4. Par récurrence : ∀n ∈ N, ln(a ) = nln(a). Puis : ∀n ∈ N, ln(a ) = ln = −nln(a).
an
Proposition I.3. La fonction ln est strictement croissante sur R∗+ , telle que :
lim ln(x) = +∞ et lim+ ln(x) = −∞.

x→+∞ x→0
1
Démonstration. — ∀x ∈ R∗+ , ln′ (x) = > 0 donc ln est strictement croissante ;
x
65
66 CHAPITRE 7. LES FONCTIONS USUELLES
— montrons que lim ln(x) = +∞, c’est-à-dire que :

x→+∞
∀A > 0, ∃B > 0, x > B ⇒ ln(x) > A.
Soit A > 0. Par

j stricte
k croissante : ln(2) > ln(1) = 0.
A
Posons N = ln(2) + 1 (qui est un entier naturel). Alors :
A
ln(2N ) = N · ln(2) ≥ · ln(2) = A.
ln(2)
N
Par croissance de ln,B = 2 convient.
1
— lim+ ln(x) = lim ln = − lim ln(x) = −∞.
x→0 x→+∞ x x→+∞
Corollaire I.4. La fonction ln réalise une bijection strictement croissante de R∗+ sur R.
Démonstration. Découle de la continuité de ln.
Proposition I.5. L’équation ln(x) = 1 possède une unique solution : on la note e, et on a e ≃ 2, 71828.
Proposition I.6. On a le tableau de variations et la représentation graphique suivants :
x 0 +∞
ln′ +
+∞
ln
−∞
1
ln
1 2 e 3 4
−1
−2
Définition I.7. Si a ∈ R∗+ \ {1}, on lui associe la fonction logarithme de base a, notée loga , comme la
ln(x)
fonction définie sur R∗+ par : ∀x ∈ R∗+ , loga (x) = .
ln(a)
Remarques I.8.
I. LOGARITHMES, EXPONENTIELLES ET PUISSANCES 67
1. On utilise beaucoup le logarithme en base 2, aussi appelé logarithme binaire, et le logarithme en

base 10, aussi appelé logarithme décimal, et noté parfois log..
2. Le logarithme népeirien est le logarithme de base e.
Proposition I.9. La fonction loga réalise une bijection strictement monotone de R∗+ sur R telle que
loga (1) = 0 et loga (a) = 1.
Elle est strictement croissante si a > 1 et strictement décroissante si 0 < a < 1, et vérifie les formules du
théorème I.2.
I.2 La fonction exponentielle

Théorème-Définition I.10. On définit la fonction exponentielle (népeirienne), notée exp, comme la
réciproque de la fonction ln.
Elle est définie sur R par :
∀x ∈ R, ∀y ∈ R∗+ , y = exp(x) ⇔ x = ln(y).
La fonction exp est continue, strictement croissante et dérivable sur R, de dérivée elle-même.
Démonstration. L’existence, la continuité et la monotonie découlent des propriétés de ln.

1
Comme ln′ = x 7→ ne s’annule pas sur R∗+ , alors exp est dérivable sur ln(R∗+ ) = R.
x
Si x ∈ R, on a :
1 1
exp′ (x) = ′ = = exp(x).
ln (exp(x)) 1
exp(x)
Remarque I.11. On notera plutôt ex au lieu de exp(x).

La raison étant que, si n ∈ Z, on a : ln(en ) = nln(e) = n, donc exp(n) = en .
Théorème I.12. Si a, b ∈ R et n ∈ Z, alors :

1. ea+b = ea eb ;
1
2. e−a = a ;
e
ea
3. ea−b = b ;
e
4. e = (ea )n .
na
Démonstration. Découle des propriétés du ln. Montrons par exemple la première.

Par injectivité de ln, on a :
ea+b = ea eb ⇔ ln(ea+b ) = ln(ea eb )
Et on a :
— ln(ea+b ) = a + b (par définition de exp qui est la réciproque de ln) ;
— ln(ea eb ) = ln(ea ) + ln(eb ) = a + b (où la première égalité découle des propriétés de ln, et la seconde
de la définition de exp).
et ainsi on a bien ea+b = ea · eb .
Proposition I.13. On a le tableau de variations et la représentation graphique suivants :

x −∞ +∞
exp′ +
+∞
exp
0
3
exp
2
1 ln
−3 −2 −1 0 1 2 3 4
−1
−2
−3
I.3 Les fonctions puissances et exponentielles

Définition I.14. Si a ∈ R∗+ et α ∈ R, on définit le nombre a puissance α comme : aα = exp (αln(a)).
Remarque I.15. La notation xn , pour x < 0, n’a de sens que si n ∈ Z.
Proposition I.16. Si a, b ∈ R∗+ et α, β ∈ R, alors :

aα
1. aα+β = aα · aβ et aα−β = β ;
a
β α
2. (aα ) = aαβ = aβ ;
a α aα
α α α
3. (ab) = a b et = α.
b b
Définition I.17. Si a ∈ R∗+ , on appelle fonction exponentielle de base a la fonction expa définie sur R
par : expa (x) = ax = exln(a) .
Proposition I.18. La fonction expa est dérivable sur R avec : ∀x ∈ R, (expa )′ (x) = ln(a) · ax :
1. si a = 1 : elle est constante de valeur 1 ;
2. si a > 1 : elle réalise une bijection strictement croissante de R sur R∗+ ;
3. si a < 1 : elle réalise une bijection strictement décroissante de R sur R∗+ .
Proposition I.19. On a les tableaux de variations et les courbes représentatives “génériques” suivantes :
x −∞ 0 +∞ x −∞ 0 +∞
+∞ +∞
expa expa
1 1
a>1 a<1
0 0
5
0<a<1 a>1
4
2
a=1
1
−5 −4 −3 −2 −1 0 1 2 3 4 5
Définition I.20. Si α ∈ R, on appelle fonction puissance α la fonction fα définie sur R∗+ par : fα (x) =
xα = eαln(x) .
Proposition I.21. La fonction fα est dérivable sur R∗+ avec : ∀x ∈ R∗+ , fα′ (x) = α · xα−1 :
1. si α = 0 : elle est constante de valeur 1, et prolongeable par continuité en 0 ;
2. si α < 0 : elle réalise une bijection strictement décroissante de R∗+ dans lui même, avec pour
asymptotes les axes du repère ;
3. si α > 0 : elle réalise une bijection strictement croissante de R∗+ dans lui-même.
Démonstration. Par dérivabilité des fonctions composées, fα est dérivable sur R∗+ avec :
1
∀x ∈ R∗+ , fα′ (x) = α eαln(x) = αx−1 xα = αxα−1 .
x
Ainsi, fα′ est du signe de α, ce qui donne la monotonie cherchée.
Pour l’image de fα , on a :
— si α > 0 : lim xα = lim eαln(x) = 0 et lim xα = lim eαln(x) = +∞ ;
x→0 x→0 x→+∞ x→+∞
α αln(x)
— si α < 0 : lim x = lim e = +∞ et lim x = lim eαln(x) = 0.
α
x→0 x→0 x→+∞ x→+∞
Et le dernier point donne les asymptotes.
Proposition I.22. Si α ̸= 0, alors : fα−1 = f 1 .

α
1 α α
Démonstration. Soit α ̸= 0 et x ∈ R∗+ : fα f 1 (x) = x α = x α = x.
α
Proposition I.23. Si α > 0, la fonction fα est prolongeable par continuité en 0 en une fonction g telle que
g(0) = 0.
Son prolongement est :
1. non dérivable en 0, avec une tangente verticale, si 0 < α < 1 ;
2. dérivable en 0, de dérivée 1, si α = 1 ;
3. dérivable en 0, de dérivée nulle, si α > 1.
Démonstration. Le prolongement continu découle des limites calculées précédemment. Pour x > 0, le taux
d’accroissement de fα entre 0 et x est donné par :
fα (x) − fα (0)
τ0 (x) = = xα−1 = fα−1 (x)
x−0
et on peut alors utiliser les limites calculées précédemment.
On trouve bien le résultat voulu, où la disjonction suivant le signe de α − 1 nous donne bien les trois cas
de la proposition.
Proposition I.24. On a les tableaux de variations et les courbes représentatives “génériques” suivantes :
x 0 1 +∞ x 0 1 +∞
+∞ +∞
fa fa
1 1
a>0 a<0
0 0
4 a>1 4 a < −1
a=1 a = −1
3 3 −1 < a < 0
2 2
1 0<a<1 1
0 1 2 3 4 0 1 2 3 4
I.4 Comparaisons et limites

Théorème I.25 (Croissances comparées). Si α > 0 :
ln(x) ln(x)
1. lim = lim = 0;
x→+∞ x x→+∞ xα
2. lim xln(x) = lim xα ln(x) = 0 ;

x→0 x→0
x
e ex
3. lim = lim = +∞ ;
x→+∞ x x→+∞ xα
4. lim xex = lim |x|α ex = 0.

x→−∞ x→−∞
Démonstration.

[1; +∞[ → R √ .
1. Considérons φ :
t 7→ ln(t) − 2 t
√
1
′ 1 1− t
Alors φ est dérivable sur [1; +∞[, de dérivée en t : φ (t) = − √ = ≤ 0.
t t t
Donc φ est décroissante sur [1; +∞[ : comme φ(1) = −2 < 0, alors φ est strictement négative sur
[1; +∞[.
√ ln(x) 2
Si x ≥ 1, on a donc : 0 ≤ ln(x) ≤ 2 x, donc : 0 ≤ ≤√ .
x x
ln(x)
Par encadrement : lim = 0.
x→+∞ x
1
En posant y = xα , donc x = y α , on trouve :
1
ln(x) ln(y α ) 1 ln(y)
lim = lim = lim = 0.
x→+∞ xα y→+∞ y y→+∞ α y
1 1
2. On pose y = , donc x = . Alors :
x y

1
ln
y ln(y)
lim xα ln(x) = lim = lim − = 0.
x→0 y→+∞ yα y→+∞ yα
x
e ln(x)
3. ln = x − αln(x) = x × 1 − α → +∞
xα x x→+∞
ex
donc en composant avec la fonction exponentielle : lim α = +∞.
x→+∞ x

ln|x|
4. ln (|x|α ex ) = αln(|x|) + x = x × 1 + α → −∞
x x→−∞
donc en composant avec la fonction exponentielle : lim |x|α ex = 0.
x→−∞
Remarque I.26. L’exponentielle croı̂t infiniment plus vite que les puissances, qui croissent infiniment plus
vite que le logarithme. Cela se manifeste dans les limites précédentes en notant que, dans le cas de formes
indéterminées, c’est la partie “dominante” qui donne la limite.
Proposition I.27 (Limites classiques).
ln(1 + x)
1. lim = 1;
x→0 x
ex − 1
2. lim =1
x→0 x
Démonstration.
ln(1 + x) ln(1 + x) − ln(1)
1. lim = lim = ln′ (1) = 1 ;
x→0 x x→0 (1 + x) − 1
x
e −1 e − e0
x
2. lim = lim = exp′ (0) = 1.
x→0 x x→0 x − 0
Exemples I.28. Pour déterminer une limite, on commence par regarder si les limites classiques et les opéra-
tions sur les limites suffisent. Sinon, c’est qu’on obtient une forme indéterminée : il faut alors transformer
l’expression habilement pour faire disparaı̂tre ces formes indéterminées.
ln(x3 +1)
1. lim x4 −5
:
x→+∞
ln(x3 + 1) ln(x3 + 1) x3 + 1 ln(x3 + 1) 1 1 + x13

= × = × × −→ 0.
x4 − 5 x3 + 1 x4 − 5 | x3{z+ 1 } |{z}
x 1 − x54 x→+∞
→0
| {z }
→0 →1
ln(x4 +1)
2. lim 2 :
x→+∞ x +3
ln(x4 + 1) ln(x4 + 1) x4 + 1 ln(x4 + 1) (1 + x14 )1/2

= × 2 = 4 × −→ 0.
x2 + 3 x4 + 1 x +3 (x + 1)1/2 1 + x32 x→+∞
| {z } | {z }
→0 →1
e3x
3. lim :
x→+∞ x+2
e3x e3x 3x
= × −→ +∞.
x+2 3x
|{z} |x {z
+ 2} x→+∞
→+∞ →3
e3x
4. lim 3 :
x→+∞ x +1
e3x e3x (3x)3
= × −→ +∞.
x3 + 1 (3x)3 |x3{z+ 1} x→+∞
| {z }
→+∞ →27
x3 −3xln x+ln x
5. lim ex +xsin x
:
x→+∞
x3 − 3xln x + ln x x3 1 − 3ln
x2
x
+ lnx3x
= x × −→ 0.
ex + xsin x e
|{z} 1 + exx sin x x→+∞
| {z }
→0
→1
Proposition I.29 (Inégalités classiques).

1. si x > −1, alors ln(1 + x) ≤ x ;
2. si x ∈ R, alors ex ≥ 1 + x.
Démonstration.
1. posons φ définie sur ] − 1; +∞[ par :φ(x) = ln(1 + x) − x.
1 x
Alors φ est dérivable avec : φ′ (x) = −1=− .
1+x 1+x
D’où les variations :
x −1 0 +∞
φ′ + 0 −
0
φ
Donc φ est négative sur ]1; +∞[, ce qui donne l’inégalité voulue.
2. posons ψ définie sur R par :ψ(x) = ex − x − 1.
Alors ψ est dérivable avec : ψ ′ (x) = ex − 1.
D’où les variations :
x −∞ 0 +∞
ψ′ − 0 +
ψ
0
Donc ψ est positive sur R, ce qui donne l’inégalité voulue.
I.5 Puissances de fonctions par des fonctions

Proposition I.30. Si u, v sont des fonctions définies sur un intervalle I et dérivables sur I, avec u à valeurs
dans R∗+ . Alors la fonction f : x 7→ u(x)v(x) est bien définie sur I. De plus, elle est dérivable sur I, de
dérivée x 7→ ln(u(x))v ′ (x)u(x)v(x) + v(x)u′ (x)u(x)v(x)−1 .
Démonstration. Comme u est à valeurs dans R∗+ , alors f est bien définie.
Pour analyser en détail f , on préfère écrire : f : x 7→ exp (v(x) · ln(u(x))).
Par composition et produits, la fonction f est dérivable sur I, et sa dérivée en x ∈ I est donnée par :
f ′ (x) = (v · ln(u))′ (x) · exp (v(x)ln(u(x))) = (v · ln(u))′ (x) · u(x)v(x)
qui donne bien la formule précédente en constatant que :
′ ′v(x)u′ (x)
(v · ln(u)) (x) = ln(u(x))v (x) + .
u(x)
Remarque I.31. Cette formule n’est pas à connaı̂tre : elle est là pour illustrer comment étudier ce type de
fonctions, ce qui se fait par passage par l’écriture exponentielle d’une puissance.
Exemple I.32. Étudions la fonction f : x 7→ xx .

À cause de la puissance quelconque qui apparaı̂t, f est définie sur R∗+ .
De plus, elle est dérivable. On calcule sa dérivée en écrivant que xx = exp(xln(x)), ce qui donne pour tout
x ∈ R∗+ :
f ′ (x) = (ln(x) + 1)xx .
Par stricte croissance de ln, on déduit le signe de f ′ sur R∗+ , et donc les variations de f .
Étudions les limites de f aux bornes de R∗+ :
— en 0 : par croissances comparées, on a :lim xln(x) = 0 ; et donc par composition de limites :
x→0
lim f (x) = lim exp(xln(x)) = lim exp(x) = 1

x→0 x→0 x→0
donc lim f (x) = 1 ; ceci nous dit que f est prolongeable par continuité en 0 ; on notera g son
x→0
prolongement, qui est donc défini sur R+ par :

xx si x>0
g(x) = .
1 si x=0
— en +∞ : lim xln(x) = +∞ (par calcul direct), et donc par composition :

x→+∞
lim f (x) = lim exp(xln(x)) = lim exp(x) = +∞

x→+∞ x→+∞ x→+∞
donc lim f (x) = +∞.

x→+∞
On déduit donc le tableau de variations suivant :
1
x 0 e
+∞
f′ − 0 +
1 +∞
f 1
1 e
e
Étudions plus en détail f en 0 et en +∞ :

— en 0 : on a déjà le prolongement par continuité ; étudions la dérivabilité du prolongement. Pour
x > 0, le taux d’accroissement de g entre 0 et x est donné par :
xx − 1 exp(xln(x)) − 1 exp(xln(x)) − 1
τ0 (x) = = = · ln(x)
x x xln(x)
et par limite classique et produit de limites, on a ainsi : lim τ0 (x) = −∞. Donc g n’est pas dérivable
x→0
en 0, mais sa courbe y admet une tangente verticale.
— en +∞ : pour x > 0, on a :
f (x)
= xx−1 = exp((x − 1)ln(x))
x
et donc lim f (x) x
= +∞ (par calcul direct). Donc la courbe de f admet en +∞ une branche
x→+∞
parabolique d’axe vertical.
On a donc le tracé suivant :
0 1/e 1 2
II Les fonctions circulaires

II.1 Le cercle trigonométrique
→
− → −
On se place dans le plan muni d’un repère (O, i , j ).
II. LES FONCTIONS CIRCULAIRES 75
Définition II.1. Le cercle trigonométrique est le cercle C de centre O et de rayon 1 : C = {(x, y) ∈

R2 , x2 + y 2 = 1}.
Définition II.2. Pour t ∈ R, on considère la demi-droite D+

t issue de O faisant un angle x avec l’axe des
abscisses. Elle coupe C en un unique point M .
On appelle cosinus de t, noté cos(t), l’abscisse de M . On appelle sinus de t, noté sin(t), l’ordonnée de
M.
C
M
sin(x)
Dx+ x
x
cos(x)
Définition II.3. Si t ∈ R \ π2 + kπ, k ∈, Z = k∈Z − π2 + kπ; π2 + kπ , on définit sa tangente, notée

S
sin(t)
tan(t), comme : tan(t) = cos(t) .
Proposition II.4 (Paramétrisation du cercle trigonométrique). Si M (x, y) est un point du cercle, il existe
un réel t tel que (x, y) = (cos(t), sin(t)). Ce réel est unique à 2π près.
Démonstration. La demi-droite [OM ) fournit l’existence, en prenant pour t l’angle qu’elle fait avec l’axe
des abscisses.
L’unicité provient de la définition même de π : deux valeurs de t doivent différer d’un nombre de tours
entier du cercle, donc d’un multiple entier de 2π.
Remarque II.5. En pratique, on utilisera la paramétrisation pour dire qu’il existe un unique t dans ]π; pi]
ou dans [0; 2π[.
Corollaire II.6. Si r > 0, et que M (x, y) est un point du cercle de centre O de rayon r, il existe un unique
réel t (à 2π près) tel que : (x, y) = (rcos(t), rsin(t)).
2 2 2
Démonstration. Pour un tel x(x,yy),
on a : x + y = r .
Donc, en posant (x′ , y ′ ) = , , on a : x′2 + y ′2 = 1.
r r
Donc (x′ , y ′ ) = (cos(t), sin(t)), puis (x, y) = (rcos(t), rsin(t)).
Proposition II.7. Si t ∈ R, alors :

1. cos2 (t) + sin2 (t) = 1 ;
2. cos(t + 2π) = cos(t) et sin(t + 2π) = sin(t) ;
3. cos(−t) = cos(t) et sin(−t) = −sin(t) ;

4. cos(π − t) = −cos(t) et sin(π − t) = sin(t) ;
π π
5. cos − t = sin(t) et sin − t = cos(t) ;
2 2
6. si t ̸= π2 + kπ, k ∈ Z : tan(t + π) = tan(π).
Démonstration. 1. théorème de Pythagore ;
2. définition de π ;
3. la symétrie d’axe horizontal transforme Dt+ en D−t
+
; donc envoie (x, y) = (cos(t), sin(t)) sur (x, −y) =
cos(−t), sin(−t)) ;
4. pareil avec la symétrie d’axe vertical ;
5. pareil avec la symétrie d’axe oblique ;
6. découle de 3. et 4..
Proposition II.8. Les fonctions cos et sin sont 2π-périodiques.

De plus, cos est paire, sin est impaire et pour tout t ∈ R on a :
cos(x + π) = −cos(x) et sin(x + π) = −sin(x).
Proposition II.9. La fonction tan est π-périodique et impaire.

Proposition II.10 (Valeurs remarquables). On a le tableau de valeurs :
π
√
3 2
π
√2
π π π π 2 4
t 0 2 π
6 4 3 2
√ √ 1 6
1 2 3
sin(t) 0 1 2
2 2 2
√ √
3 2 1
cos(t) 1 0
2 2 2
√
3 √
tan(t) 0 1 3 pas défini √ √
3 1 2 3
2 2 2
Démonstration. Les valeurs pour 0 ou π2 sont immédiates. Pour les autres valeurs, on utilise le théorème
de Pythagore dans des triangles particuliers (isocèle-rectangle ou équilatéral).
Proposition II.11. Si a, b ∈ R, alors :
1. cos(a + b) = cos(a)cos(b) − sin(a)sin(b) ;
2. cos(a − b) = cos(a)cos(b) + sin(a)sin(b) ;
3. sin(a + b) = sin(a)cos(b) + cos(a)sin(b) ;
4. sin(a − b) = sin(a)cos(b) − cos(a)sin(b) ;
π tan(a) + tan(b)
5. si a, b, a + b ̸= 2
+ kπ, k ∈ Z : tan(a + b) = ;
1 − tan(a)tan(b)
π tan(a) − tan(b)
6. si a, b, a − b ̸= 2
+ kπ, k ∈ Z : tan(a − b) = .
1 + tan(a)tan(b)
Démonstration. On se contente de montrer la deuxième (les autres en découlent).
On pose M, N ∈ C avec M (x, y) = (cos(a), sin(a)) et N (x′ , y ′ ) = (cos(b), sin(b)).
−−→ −−→
Alors : (ON , OM ) = (a − b).
−−→ −−→
Donc : ON .OM = OM · ON · cos(a − b) = cos(a − b).
−−→ −−→
Mais on a aussi : ON .OM = xx′ + yy ′ = cos(a)cos(b) + sin(a)sin(b).
Ce qui donne bien l’égalité cherchée.
Corollaire II.12. Pour tout a ∈ R :

1. cos(2a) = cos2 (a) − sin2 (a) = 2cos2 (a) − 1 = 1 − 2sin2 (a) ;
2. sin(2a) = 2sin(a)cos(a) ;
π 2tan(a)
3. si a, 2a ̸= + kπ, k ∈ Z : tan(2a) = .
2
1 − tan2 (a)
Et ainsi :
1 + cos(2a) 1 − cos(2a)
cos2 (a) = et sin2 (a) = .
2 2
Corollaire II.13. Si a ̸= kπ, k ∈ Z, on pose t = tan a2 . Alors :

2t
1. sin(a) = 1+t2
;
1−t2
2. cos(a) = 1+t2
;
2t
3. tan(a) = 1−t2
(si a ̸= k π2 , k ∈ Z)
Démonstration. Montrons par exemple la première. À l’aide du résultat précédent, on trouve :
2t 2tan(a/2) sin(a/2) 2
2
= 2
=2 cos (a/2) = 2sin(a/2)cos(a/2) = sin(a)
1+t 1 + tan (a/2) cos(a/2)
ce qui donne bien le résultat cherché.

Les autres égalités se montrent de même.
Corollaire II.14 (Formules de développement). Si a, b ∈ R :

1
1. cos(a)cos(b) = (cos(a + b) + cos(a − b)) ;
2
1
2. sin(a)sin(b) = (cos(a − b) − cos(a + b)) ;
2
1
3. sin(a)cos(b) = (sin(a + b) + sin(a − b)).
2
Corollaire II.15 (Formules de factorisation). Si a, b ∈ R :

a+b a−b
1. cos(a) + cos(b) = 2cos cos ;
2 2

a+b a−b
2. cos(a) − cos(b) = −2sin sin ;
2 2

a+b a−b
3. sin(a) + sin(b) = 2sin cos ;
2 2

a+b a−b
4. sin(a) − sin(b) = 2cos sin .
2 2
Corollaire II.16 (Factorisation générale). Si a, b ∈ R, il existe un réel φ tel que :

√
∀t ∈ R, acos(t) + bsin(t) = a2 + b2 cos(t − ϕ).
Démonstration. Si a = b = 0, alors tout réel φ convient.

2 2
a b a
Sinon, comme √ + √ = 1, alors il existe φ tel que : cos(φ) = √ et sin(φ) =
2
a +b 2 2
a +b 2 a + b2
2
b
√ .
a2 + b 2
Et un tel φ convient d’après les formules d’addition.
Exemple II.17. Considérons pour t ∈ R l’expression :

√
cos(t) + 3sin(t).
On a :
√ √
1 1 3 3
= et q =
√ 2 √ 2
q
2 2
12 + 3 12 + 3
π
et ainsi on φ = 3
convient. Ce qui donne finalement :
√ π
∀t ∈ R, cos(t) + 3sin(t) = 2cos t − .
3
Remarques II.18.
1. En pratique, on commence par regarder cos(φ) (ce qui donneφ au signe près), et sin(φ) permet de
lever l’ambiguı̈té sur le signe.
2. Ce résultat permet de mieux comprendre les valeurs prises par une combinaison linéaire de sin et
cos. Par exemple, dans l’exemple précédent, on voit que l’expression prend toutes les valeurs entre
−2 et 2.
II.2 Propriétés des fonctions circulaires

Lemme II.19. On a les limites :
1. lim sin(t) = 0 ;
t→0
2. lim cos(t) = 1 ;
t→0
sin(t)
3. lim = 1.
t→0 t
Démonstration. Soit h ∈ 0; π2 :

N
tan(h)
M
sin(h)
H
O cos(h) I
On a les aires suivantes :

— le triangle OM I est d’aire sin(h)
2
;
— le secteur angulaire entre [OI] et [OM ] est d’aire h2 ;
— le triangle ON I est d’aire tan(h)
2
.
Et donc :
0 < sin(h) ≤ h ≤ tan(h).
1. par encadrement : on trouve lim+ sin(h) = 0 ;
h→0
Par parité, on a : lim− sin(h) = 0.
h→0
Donc : lim sin(t) = 0
t→0
2. D’où : lim cos(t) = lim 1 − 2sin2 ( 2t ) = 1 ;

t→0 t→0
3. En divisant par sin(h) :
h 1
1≤ ≤
sin(h) cos(h)
sin(h)
d’où par encadrement : lim+ = 1.
h→0 h
sin(h)
Et par parité : lim− = 1.
h→0 h
sin(t)
Donc : lim = 1.
t→0 t
Proposition II.20. Pour tout x ∈ R, on a : |sin(x)| ≤ |x|.
Démonstration. On procède par disjonction de cas :

— si x = 0 : ok ;
— si x ∈]0; π2 [ : c’est fait dans la démonstration précédente ;
— si x ∈] − π2 ; 0[ : c’est vrai par parité ;
/ − π2 ; π2 [ : alors |x| ≥ π2 > 1 ≥ |sin(x)|.
— si x ∈]
Théorème II.21. Les fonction sin et cos sont continues et dérivables sur R, avec sin′ = cos et cos′ = −sin.
Démonstration. On utilise le lemme et les formules d’addition.

Continuité : Si x, y ∈ R :

x + y x − y x − y
|sin(x) − sin(y)| = 2cos sin ≤ 2 sin ≤ |x − y|
2 2 2
donc lim (sin(x) − sin(y)) = 0 : sin est continue en x, donc sur R.

y→x
Comme ∀x ∈ R, cos(x) = sin x + π2 , alors cos est la composée des fonctions continues sin et x 7→ x + π2 ,

donc cos est continue sur R.

Dérivabilité : Si x, y ∈ R avec x ̸= y :
x−y

sin(x) − sin(y) x + y sin 2
= cos x−y
x−y 2 2
et :
x+y

— par continuité de cos : lim cos 2
= cos(x) ;
y→x
sin( x−y
2 )
sin(t)
— par le lemme : lim x−y = lim = 1.
y→x 2 t→0 t
sin(x) − sin(y)
Donc : lim = cos(x).
y→x x−y
Donc sin est dérivable sur R, avec : sin′ = cos.
Par dérivée d’une composée, cos est dérivable et pour tout x ∈ R :
π π
cos′ (x) = 1 × sin′ x + = cos x + = −sin(x)
2 2
donc cos′ = −sin.
Corollaire II.22. Les fonctions cos et sin sont de classe C ∞ sur R.
Démonstration. On prouve par récurrence sur n ∈ N que :

nπ nπ
∀n ∈ N, cos(n) = cos x + et sin(n) = sin x + .
2 2
Corollaire II.23. La fonction tan est continue et dérivable sur R\{ π2 +kπ, k ∈ Z}, avec : tan′ = 1+tan2 =
1
cos2
.
II.3 Réciproques des fonctions circulaires

π π
Proposition-Définition
π π II.24. La restriction de la fonction sin à − 2 ; 2 est une bijection strictement
croissante de − 2 ; 2 sur [−1; 1].
Sa réciproque, appelée arc sinus, notée Arcsin, réalise une bijection de [−1; 1] sur − π2 ; π2 . Elle est

continue, strictement croissante et impaire sur [−1; 1].

Elle est dérivable sur ] − 1; 1[ avec : ∀x ∈] − 1; 1[, Arcsin′ (x) = √1−x 1
2.
Elle admet en −1 et en 1 des demi-tangentes verticales.
Démonstration. On utilise que sin′ = cos, qui est positive sur − π2 ; π2 , s’annulant uniquement en ± π2 .

Les propriétés (croissance, continuité, dérivabilité, tangentes verticales) découlent des propriétés de sin par
théorème de la bijection monotone.
Montrons l’imparité de Arcsin : soit y ∈ [−1; 1]. Notons x = Arcsin(y), et donc x ∈ [− π2 ; π2 ] vérifie
sin(x) = y. Ainsi :
−y = −sin(x) = sin(−x).
Comme (−x) ∈ [− π2 ; π2 ], alors on a : Arcsin(−y) = −x = −Arcsin(y), ce qui montre bien que Arcsin est
impaire.
Montrons
la formule de la dérivée de Arcsin. Soit yp∈] − 1; 1[, et
pnotons 2x = Arcsin(y).
p Par définition, on
π π

2 2
a : x ∈ − 2 ; 2 , donc cos(x) ≥ 0. Donc : cos(x) = cos (x) = 1 − sin (x) = 1 − y . Et ainsi :
1 1 1
Arcsin′ (y) = =p = p .
cos(x) 1 − sin2 (x) 1 − y2
Remarque II.25. Si y ∈ [−1; 1], alors : sin (Arcsin(y)) = y.

En revanche, si x ∈ R, alors : Arcsin (sin(x)) ̸= x, à moins que x ∈ − π2 ; π2 .

Proposition II.26. On a les représentations graphiques suivantes :
π
2 y=x
π
−
−π 2 −1 0
1 π π
2
sin
−1
π
−
Arcsin 2
Proposition-Définition II.27. La restriction de la fonction cos à [0; π] est une bijection strictement dé-
croissante de [0; π] sur [−1; 1].
Sa réciproque, appelée arc cosinus, notée Arccos, réalise une bijection de [−1; 1] sur [0; π]. Elle est
continue et strictement croissante sur [−1; 1].
Elle est dérivable sur ] − 1; 1[ avec : ∀x ∈] − 1; 1[, Arccos′ (x) = √1−x
−1
2.
Elle admet en −1 et en 1 des demi-tangentes verticales.
Démonstration. Comme pour Arcsin.
Remarque II.28. Si y ∈ [−1; 1], alors : cos (Arccos(y)) = y.

En revanche, si x ∈ R, alors : Arccos (cos(x)) ̸= x, à moins que x ∈ [0; π].

π
Arccos
y=x
π
2
π
−
−π 2 0
−1 1 π π
2
cos
−1
π π
π π II.30. La restriction de la fonction tan à − 2 ; 2 est une bijection strictement
Proposition-Définition
croissante de − 2 ; 2 sur R.
Sa réciproque, appelée arc tangente, notée Arctan, réalise une bijection de R sur − π2 ; π2 . Elle est

continue, strictement croissante et impaire sur R.

Elle est dérivable sur R avec : ∀x ∈] − 1; 1[, Arctan′ (x) = 1+x
1
2.
Démonstration. La stricte monotonie de tan sur ] − π2 ; π2 [ découle de l’expression de sa dérivée :

π π
∀x ∈] − ; [, tan′ (x) = 1 + tan2 (x) ≥ 1 > 0.
2 2
L’imparité de Arctan découle de l’imparité de tan (et se démontre comme pour Arcsin).
Reste à déterminer l’image de ] − π2 ; π2 [ par tan. Pour cela, on étudie les limites de tan en ± π2 :
— en − π2 + : on a les limites suivantes :
lim sin(x) = −1 et lim cos(x) = 0+

x→− π2 + x→− π2 +
et donc : lim tan(x) = −∞ ;

x→− π2 +
π−
— en 2
: on a les limites suivantes :
lim sin(x) = 1 et lim cos(x) = 0+

x→ π2 − π−
x→ 2
et donc : lim
π−
tan(x) = +∞ ;
x→ 2
ce qui donne bien la bijectivité de tan de ] − π2 ; π2 [ sur R.
Remarque II.31. Si y ∈ R, alors : tan (Arctan(y)) = y.

En revanche, si x ∈ R \ π2 + kπ, k ∈ Z , alors : Arctan (tan(x)) ̸= x, à moins que x ∈ − π2 ; π2 .


y=x
tan
π
2
3π π Arctan
− −
2 −π 2 0
π π 3π
2 2
π
−
2
Proposition II.33. On a :
1. cos(a) = cos(b) ⇔ (a ≡ b [2π] ou a ≡ −b [2π] ) ;
2. sin(a) = sin(b) ⇔ (a ≡ b [2π] ou a ≡ π − b [2π] ) ;
3. tan(a) = tan(b) ⇔ (a ≡ b [π] )
Démonstration.
1. Par 2π-périodicité, on peut supposer a, b ∈] − π; π].
Comme cos est strictement croissante sur [−π; 0], strictement décroissante sur [0; π], avec cos(−π) =
cos(π) = −1 et cos(0) = 1, alors :
— si cos(a) ̸= ±1 : alors cos(a) possède deux antécédents par cos dans ] − π; π], qui sont a et −a ;
— si cos(a) = ±1 : alors a = 0 ou π, et a est l’unique antécédent de cos(a) par cos sur ] − π; π].
Ce qui donne bien l’équivalence cherchée.
2. Le cas de sin se traite de la même manière en regardant les variations de sin sur ] − π2 ; 3π
2
].
π π
3. Le cas de tan découle de la π-périodique et de la bijectivité de tan de − 2 ; 2 sur R.
Proposition II.34. Si x ∈ [−1; 1], alors :

π
Arcsin(x) + Arccos(x) = .
2
π
Démonstration. Soit x ∈ [−1; 1]. Posons : a = Arccos(x) et b = 2
− Arcsin(x).
Alors a, b ∈ [0; π] et la fonction cos est injective sur [0; π].
Mais cos(a) = x et cos(b) = sin(Arcsin(x)) = x.
Donc a = b.
Proposition II.35. Si x ∈ R∗ , alors :
π
1 2
si x > 0
Arctan(x) + Arctan =
x − π2 si x < 0
Démonstration. On définit la fonction f sur R∗ par f (x) = Arctan(x) + Arctan 1

x
.
Alors f est dérivable sur R∗ , avec :
1 −1 1
∀x ∈ R∗ , f ′ (x) = + 2 · =0
1+x 2 x 1 + x12
donc f est constante sur chaque intervalle de R∗ , donc sur R∗+ et sur R∗− .
On a : f (1) = 2Arctan(1) = π2 et f (−1) = 2Arctan(−1) = − π2 .
III Les fonctions hyperboliques

Définition III.1. On définit sur R les fonctions :
ex + e−x
1. cosinus hyperbolique, notée ch, par : ch(x) = ;
2
x −x
2. sinus hyperbolique, notée sh, par : sh(x) = e −e
2
;
sh(x) ex −e−x
3. tangente hyperbolique, notée th, par : th(x) = ch(x)
= ex +e−x
.
Proposition III.2. Pour tout x ∈ R, on a : ch2 (x) − sh2 (x) = 1.

Démonstration. Soit x ∈ R. On a :
2 x 2
e + e−x e − e−x
x
1 2x
2 2
e + 2 + e−2x − (e2x − 2 + e−2x ) = 1.

ch (x) − sh (x) = − =
2 2 4
Proposition III.3. La fonction ch et paire, dérivable sur R de dérivée sh.

Elle vérifie : lim ch(x) = lim ch(x) = +∞.
x→+∞ x→−∞
e−x +ex
Démonstration. Si x ∈ R, alors : ch(−x) = 2
= ch(x) donc ch est paire.
Elle est dérivable avec, pour tout x ∈ R :
ex − e−x
ch′ (x) = = sh(x).
2
Comme lim ex = +∞ et lim ex = 0, on trouve les limites voulues.
x→+∞ x→−∞
Proposition III.4. La fonction sh et impaire, dérivable sur R de dérivée ch.

Elle vérifie : lim sh(x) = +∞ et lim sh(x) = −∞.
x→+∞ x→−∞
Proposition III.5. La fonction th et impaire, dérivable sur R de dérivée 1

ch2
= 1 − th2 .
Elle vérifie : lim th(x) = 1 et lim th(x) = −1.
x→+∞ x→−∞
III. LES FONCTIONS HYPERBOLIQUES 85
x −∞ 0 +∞ x −∞ 0 +∞ x −∞ 0 +∞
ch′ − 0 + sh′ + 1 + th′ + 1 +
+∞ +∞ +∞ 1
ch sh 0 th 0
1 −∞ −1
3 sh
ch
2
th
1
−3 −2 −1 0 1 2 3
−1
−2
−3
Proposition III.6. Pour tous a, b ∈ R, on a :

1. ch(a + b) = ch(a)ch(b) + sh(a)sh(b) ;
2. sh(a + b) = sh(a)ch(b) + ch(a)sh(b) ;
th(a)+th(b)
3. th(a + b) = 1+th(a)th(b)
.
Proposition-Définition III.7.
1. La fonction ch réalise une bijection strictement croissante de [0; +∞[ sur [1; +∞[. Sa réciproque,
1
notée argch est dérivable sur ]1; +∞[ avec : ∀x ∈]1; +∞[, argch′ (x) = √ .
2
x −1
2. La fonction sh réalise une bijection strictement croissante de R dans lui-même. Sa réciproque, notée
1
argsh est dérivable sur R avec : ∀x ∈ R, argsh′ (x) = √ .
2
x +1
3. La fonction th réalise une bijection strictement croissante de R sur ] − 1; 1[. Sa réciproque, notée
1
argth est dérivable sur ] − 1; 1[ avec : ∀x ∈] − 1; 1[, argth′ (x) = .
1 − x2
Démonstration. L’existence et la dérivabilité découle des points précédents.
Si x ∈]1; +∞[. On note y ∈ R∗+ tel que ch(y) = x. Alors : argch′ (x) = sh(y) 1
.
2 2
√ ∗
√
Comme ch (y) − sh (y) = 1, alors sh(y) = ± x − 1. Mais y ∈ R+ , donc sh(y) > 0, et : sh(y) = x2 − 1.
2
Et finalement : argch′ (x) = √x12 −1 .

Et pareil pour les autres.
Remarque III.8. Les réciproques des fonctions circulaires hyperboliques s’expriment explicitement de la
manière suivante :
√ √

2

2
1 1+x
Argch(x) = ln x + x − 1 , Argsh(x) = ln x + x + 1 et Argth(x) = ln .
2 1−x
Chapitre 8
Les complexes
I L’ensemble C
Définition I.1. On note i une solution de l’équation x2 + 1 = 0.
On définit alors l’ensemble C des complexes comme :
C = {a + ib | a, b ∈ R}.
Si a, b ∈ R et z = a + ib, on dit que a est la partie réelle de z, notée Re(z), et que b est la partie
imaginaire, notée Im(z). Et l’écriture z = a + ib est appelée écriture algébrique de z.
Remarque I.2. Un nombre complexe est entièrement déterminé par ses parties réelles et imaginaires,
c’est-à-dire que :
a = a′

′ ′ ′ ′
∀a, a , b, b ∈ R, a + ib = a + ib ⇔ .
b = b′
Remarques I.3.
1. L’ensemble des réel est l’ensemble des complexes de partie imaginaire nulle.
2. On appelle imaginaires purs l’ensemble iR des complexes de partie réelle nulle.
Proposition I.4. Si a, a′ , b, b′ ∈ R, on a les écritures algébriques :
1. (a + ib) + (a′ + ib′ ) = (a + a′ ) + i(b + b′ ) ;
2. (a + iy) × (a′ + ib′ ) = (aa′ − bb′ ) + i(xy ′ + yx′ ).
Proposition-Définition I.5 (Inverse). Si z ∈ C∗ , alors il existe un unique ω ∈ C∗ tel que zω = 1 : on
l’appelle l’inverse de z, et on note ω = z1 .
Démonstration. On procède par analyse-synthèse. On pose z = a + ib et ω = x + iy.
Alors :
zω = 1 ⇒ (ax − by) + i(bx + ay) = 1
ax − by = 1
⇒
 bx2 + ay = 0

 a x − aby = a
aby + b2 x = 0

⇒

 abx − b2 y = b
2
 abx + a y = 0

a
 x =

⇒ a2 + b 2
b
 y = − 2

a + b2
où a2 + b2 ̸= 0 comme z ̸= 0.
a − ib
Réciproquement : ω = 2 vérifie bien ωz = 1.
a + b2
87
88 CHAPITRE 8. LES COMPLEXES
→
− → −
Définition I.6. Étant donné (O, i , j ) un repère du plan, on associe à tout point M (x, y) le complexe
z = x + iy. On dit alors que z est l’affixe de M , ou que M est l’image du complexe z.
→
− →
−
On dira également que z = x + iy est l’affixe du vecteur →−u =x i +y j .
II Conjugaison et module
Définition II.1 (Conjugué complexe). Si z = a + ib (forme algébrique), le complexe z = a − ib est appelé
conjugué (complexe) de z.
1 1
Proposition II.2. Si z ∈ C, alors Re(z) = (z + z) et Im(z) = (z − z).
2 2i
Corollaire II.3. On déduit les équivalences suivantes :
1. z ∈ R ⇔ Im(z) ⇔ z = z ;
2. z ∈ iR ⇔ Re(z) ⇔ z = −z ;
Proposition II.4. Si z, z ′ ∈ C et λ ∈ R∗ , alors :
1. z + z ′ = z + z ′ ;
2. λz = λz ;
3. zz ′ = zz ′ ;
z′ z′ 1 1
4. si z ̸= 0 : = et = ;
z z z z
5. (z) = z.
Remarque II.5. En particulier, on déduit que l’application z 7→ z est une application R-linéaire sur C qui
est involutive (et elle est donc bijective)
Définition II.6 (Module). Si z = a + ib (forme algébrique), on appelle module de z le réel positif ou nul
défini par : √
|z| = a2 + b2 .
√
Proposition II.7. Si z ∈ C, alors : |z| = zz = |z|. Et ainsi :
1. Si z ∈ C : |Re(z)| ≤ |z| et |Im(z)| ≤ |z| ;
2. |z| = 0 ⇔ z = 0 ;
z
3. si z ̸= 0 : z −1 = ;
|z|2
z |z|
4. si z, z ′ ∈ C : |zz ′ | = |z| · |z ′ | et ′ = ′ (si z ′ ̸= 0).

z |z |
Démonstration. Notons z = a + ib. Alors :
zz = (a + ib)(a − ib) = a2 + b2
Le reste en découle.
Remarque II.8. On déduit que, si z ∈ C et λ ∈ R : |λz| = |λ| · |z|.
1
Corollaire II.9. Pour z ∈ C∗ , on a l’équivalence : |z| = 1 ⇔ = z.
z
Théorème II.10 (Inégalité triangulaire). Si z, z ′ ∈ C, alors :
1. |z + z ′ | ≤ |z| + |z ′ | ;
III. TRIGONOMÉTRIE ET EXPONENTIELLE COMPLEXE 89
2. ||z| − |z ′ || ≤ |z − z ′ |.
De plus, il y a égalité dans les deux cas si, et seulement si, z et z ′ sont positivement liés : z ′ = 0 ou il
existe λ ∈ R+ tel que z = λz ′ .
Démonstration. Si z, z ′ ∈ C, alors :
— |z + z ′ |2 = |z|2 + |z ′ |2 + 2Re(zz ′ ) ;
— |z − z ′ |2 = |z|2 + |z ′ |2 − 2Re(zz ′ ) ;
— (|z| + |z ′ |)2 = |z|2 + |z ′ |2 + 2|zz ′ | ;
— ||z| − |z ′ ||2 = |z|2 + |z ′ |2 − 2|zz ′ |.
Les inégalités découlent de : −2|zz ′ | ≤ ±2Re(zz ′ ) ≤ 2∥zz ′ |.
On a égalité dans la première si, et seulement si : Re(zz ′ ) = |zz ′ |, c’est-à-dire zz ′ ∈ R+ . Tout va bien si
z ′ = 0. Sinon, on a :
zz ′ zz ′
z = ′ = ′ ′ z ′ = λz ′ .
z zz
|{z}
∈R+
Et pareil pour la seconde inégalité.

Remarque II.11. On les regroupe dans la double inégalité :
||z| − |z ′ || ≤ |z ± z ′ | ≤ |z| + |z ′ |.
Corollaire II.12. Si z1 , . . . , zn sont des complexes, alors :

X n n
X
zk = |z1 + z2 + · · · + zn | ≤ |z1 | + |z2 | + · · · + |zn | = |zk |

k=1 k=1
avec égalité si, et seulement si, tous les zk sont deux-à-deux positivement liés.
III Trigonométrie et exponentielle complexe

III.1 Argument d’un complexe
Définition III.1. On note U l’ensemble des nombres complexes de module 1 :
U = {z ∈ C | |z| = 1}.
Proposition III.2. L’ensemble U est stable par produit, quotient et conjugaison :

z
∀z, z ′ ∈ U, zz ′ ∈ U, ∈ U et z ∈ U.
z′
Démonstration. Découle des propriétés du module.
Définition III.3 (Exponentielle complexe). On définit l’exponentielle complexe sur les imaginaires purs
par :
∀θ ∈ R, eiθ = cos(θ) + isin(θ).
Exemples III.4. On a les valeurs particulières :
π π
ei0 = e2iπ = 1, eiπ = e−iπ = −1, ei 2 = i et e−i 2 = −i.
Proposition III.5. Si θ1 , θ2 ∈ R et k ∈ Z, alors :

1. ei(θ1 +2kπ) = eiθ1 ;

2. ei(θ1 +θ2 ) = eiθ1 eiθ2 ;
eiθ1
3. ei(θ1 −θ2 ) = iθ2 ;
e
iθ −iθ1
4. e = e
1 ;
iθ1
5. |e | = 1.
Démonstration. Découle des propriétés de cos et sin. Montrons par exemple l’exponentielle complexe d’une
somme. On a :
ei(θ1 +θ2 ) = cos(θ1 + θ2 ) + isin(θ1 + θ2 )
= cos(θ1 )cos(θ2 ) − sin(θ1 )sin(θ2 ) + i (cos(θ1 )sin(θ2 ) + sin(θ1 )cos(θ2 ))
= (cos(θ1 ) + isin(θ1 )) (cos(θ2 ) + isin(θ2 ))
= eiθ1 eiθ2
Proposition III.6. L’identification de C au plan R2 identifie l’ensemble U au cercle trigonométrique C.

Ainsi, pour tout z ∈ U, il existe θ ∈ R (unique à 2π près) tel que : z = cos(θ) + isin(θ) = eiθ .
Démonstration. Si z est l’affixe de M (x, y), alors :
z ∈ U ⇔ x2 + y 2 = 1 ⇔ M ∈ C.
Le reste découle de la paramétrisation de C.
Corollaire III.7. La fonction définie de R∗+ ×] − π; π] sur C∗ par : (r, θ) 7→ reiθ est bijective.
Démonstration.
— surjectivité : si z ∈ C∗ , alors |z|
z
∈ U et on applique la proposition ;
iθ1 iθ2
— injectivité : si z = r1 e = r2 e , alors : r1 = r2 car |z| = r1 = r2 ; et θ1 ≡ θ2 [2π], donc θ1 = θ2 .
Définition III.8 (forme trigonométrique). Tout nombre complexe non nul z s’écrit sous la forme z = reiθ ,
pour r > 0 et θ ∈ R. Cette écriture s’appelle forme trigonométrique.
Le réel r est unique, et est le module de z.
Le réel θ est unique à 2π près, et est un argument de z.
L’unique argument de z dans ] − π; π] est appelé argument principal de z, et est noté arg(z).
Proposition III.9. Si z, z ′ ∈ C∗ et λ ∈ R∗ , alors :
1. arg(zz ′ ) ≡ arg(z) + arg(z ′ ) [2π] ;
z
2. arg ′ ≡ arg(z) − arg(z ′ ) [2π] ;
z
1
3. arg(z) = arg ≡ −arg(z) [2π] ;
z
z arg(z) si λ > 0
4. arg(λz) = arg ≡ .
λ arg(z) + π si λ < 0
Démonstration. Les résultats découlent des propriétés de l’exponentielle complexe. Détaillons la dernière.
Soit z = reiθ (forme trigonométrique) et λ ∈ R∗ . Alors :

(λr)eiθ si λ > 0 avec λr > 0
λz = i(θ+π)
(−λr)e si λ < 0 avec (−λr) > 0
donc les écritures précédentes sont bien des formes trigonométriques, ce qui donne bien l’argument voulu.
Remarque III.10. On déduit que z, z ′ ∈ C∗ sont positivement liés si, et seulement si, ils ont même argu-
ment.
III. TRIGONOMÉTRIE ET EXPONENTIELLE COMPLEXE 91
III.2 Formules classiques

Proposition III.11 (Formules d’Euler). Si θ ∈ R, alors :
eiθ + e−iθ eiθ − e−iθ
cos(θ) = et sin(θ) = .
2 2i
Méthode III.12. Les formules d’Euler permettent de linéariser cosn (θ) ou sinn (θ) :
1. on applique les formules d’Euler ;
2. on développe la puissance avec le binôme ;
3. on regroupe les termes pour faire apparaı̂tre des cos(kθ) ou sin(kθ) avec la formule d’Euler.
Exemple III.13. Linéariser cos4 (θ) :
4
eiθ + e−iθ

1 P4 4
eikθ e−i(4−k)θ
4

cos (θ) = =
2 24 k=0 k
1 −4iθ
+ 4e−2iθ + 6 + 4e2iθ + e4iθ

= e
16
1 −4iθ .
+ e4iθ ) + 4(e−2iθ + e2iθ ) + 6

= e
16
1
= (2cos(4θ) + 8cos(2θ) + 6)
16
1 1 3
= cos(4θ) + cos(2θ) +
8 2 8
Proposition III.14 (Formules de l’angle moitié). Si θ1 , θ2 ∈ R, alors :
θ
θ θ
θ1
i 21 −i 21 − 21
iθ1
1. 1 + e = e e +e = 2cos θ21 ei 2 ;
θ1
θ θ1
θ1
1
2. 1 − eiθ1 = ei 2 e−i 2 − e− 2 = −2isin θ21 ei 2 ;
i θ1 +θ2
3. eiθ1 + eiθ2 = eiθ1 1 + ei(θ2 −θ1 ) = 2cos θ1 −θ

2
2
e 2 ;
θ1 +θ2
4. eiθ1 − eiθ2 = eiθ1 1 − ei(θ2 −θ1 ) = 2isin θ1 −θ

2
2
ei 2 .
Remarque III.15. On retrouve les formules de factorisation de sommes de sin ou cos.
Méthode III.16. Ces formules permettent de factoriser ou d’exprimer plus simplement des sommes d’ex-
ponentielles complexes, de sin ou de cos.
Pn−1
Exemple III.17.
Pn−1Calculer C = 1 + cos(θ) + cos(2θ) + · · · + cos((n − 1)θ) = k=0 cos(kθ).
Posons S = Pk=0 sin(kθ) et E = C + iS P (de sorte quePC = Re(E) et S = Im(E)).
Alors : E = n−1k=0 (cos(kθ) + isin(kθ)) = n−1 ikθ
k=0 e = n−1 iθ k
k=0 (e ) .
— si θ ≡ 0 [2π] : alors E = n, donc C = n et S = 0 ;
— si θ ̸≡ 0 [2π] : alors on a une somme géométrique de raison eiθ ̸= 1 :
1 − einθ
E = 1×
1 − eiθ nθ
−2isin nθ2
ei 2
= θ
−2isin 2θ ei 2

sin nθ
2 i(n−1) θ2
= e
sin 2θ
Et donc :
nθ nθ

sin 2 (n − 1)θ sin 2 (n − 1)θ
C = Re(E) = θ
cos et S = Re(E) = θ
sin .
sin 2
2 sin 2
2
n
Proposition III.18 (Formules de Moivre). Si θ ∈ R et n ∈ N, alors : einθ = eiθ . Et ainsi :
cos(nθ) + isin(nθ) = (cos(θ) + sin(θ))n .
Méthode III.19. Les formules de Moivre permettent d’exprimer cos(nθ) ou sin(nθ) comme des polynômes
en cos(θ) et/ou sin(θ).
Exemple III.20. Exprimer cos(3θ) comme un polynôme en cos(θ) :
cos(3θ) + isin(3θ) = (cos(θ) + isin(θ))3

= cos3 (θ) + 3icos2 (x)sin(θ) + 3i2 cos(θ)sin2 (θ) + i3 sin3 (θ)
= cos3 (θ) − 3cos(θ)sin2 (θ) + i 3cos2 (θ)sin(θ) − sin3 (θ)
Et en identifiant les parties réelle et imaginaire, on trouve :
cos(3θ) = cos3 (θ)−3cos(θ)sin2 (θ) = 4cos3 (θ)−3cos(θ) et sin(3θ) = 3cos2 (θ)sin(θ)−sin3 (θ) = −4sin3 (θ)+3sin(θ).
Remarque III.21. On peut toujours exprimer cos(nθ) comme un polynôme en cos(θ). On peut seulement
exprimer sin(nθ) comme un polynôme en sin(θ) si n est impair.
Définition III.22 (Exponentielle complexe). Si z = x + iy (forme algébrique), on définit l’exponentielle

de z par :
exp(z) = ez = ex · eiy = ex (cos(y) + isin(y)) .
Remarque III.23. Comme : ∀x ∈ R, ex > 0, alors ex · eiy est la forme trigonométrique de ez . De sorte
que : |ez | = eRe(z) et arg(ez ) ≡ Im(z) [2π].
Proposition III.24. Si z, z ′ ∈ C, alors :

′ ′
1. ez+z = ez ez ;
′ ez
2. ez−z = z′ ;
e
z z
3. e = e ;
Re(z) = Re(z ′ )

z′
z
4. e = e ⇔ ⇔ (z − z ′ ) ∈ 2iπZ.
Im(z) ≡ Im(z ′ ) [2π]
Proposition III.25. Si a ∈ C, alors l’équation ez = a :

— n’a pas de solution si a = 0 ;
— a une infinité de solutions si a ̸= 0, à savoir : {ln|a| + i(arg(a) + 2kπ) | k ∈ Z}.
IV Résolution d’équations algébriques

IV.1 Racines n-èmes
Définition IV.1. Si n ∈ N∗ , et a ∈ C, on dit que z est une racines n-ème de a si z n = a.
Lorsque a = 1, on parle de racine n-ème de l’unité, et on note Un l’ensemble des racines n-ème de
l’unité.
Proposition IV.2. L’ensemble Un possède n éléments :

n 2ikπ
o n 2ikπ
o
Un = ωk = e n | k ∈ Z = ωk = e n | k ∈ J0; n − 1K .
IV. RÉSOLUTION D’ÉQUATIONS ALGÉBRIQUES 93
Démonstration. Comme 0n = 0, alors 0 ∈

/ Un .
Soit z ̸= 0. On écrit z = reiθ (forme trigonométrique) :
z ∈ Un ⇔ zn = 1
⇔ rn einθ = 1 · ei0
⇔ rn =√1 et nθ ≡ 0 [2π]
⇔ r = n 1 = 1 (car r > 0) et nθ = 2kπ, k ∈ Z
2ikπ
⇔ z=e n , k∈Z
ce qui donne la première égalité.

La seconde se déduit par 2π-périodicité de θ 7→ eiθ .
Exemples IV.3.
1. U2 = {±1} ;
2. U4 = {±1, ±i} ;
2iπ 4iπ 2iπ
3. U3 = {1, e 3 ,e 3 } = {1, j, j 2 } avec j = e 3 .
Corollaire IV.4. Si n ∈ N∗ et a ∈ C∗ , alors a possède exactement n racines n-èmes. Si l’on note a = reiθ ,
leur ensemble est :
n √ θ+2kπ o
i n
n
re | k ∈ J0; n − 1K = {z0 × ω | ω ∈ Un }
où z0 est une racine n-ème quelconque de a.
√ θ+2kπ
Démonstration. Il est immédiat que les n
rei n sont des racines de a.
Réciproquement, si z0 est une racine n-ème de a, alors z0 ̸= 0 et :
n
n n z z
z =a⇔z = z0n ⇔ =1⇔ ∈ Un
z0 z0
ce qui donne le résultat.
Proposition IV.5. Si n ∈ N∗ et a ∈ C∗ , alors la somme des racines n-èmes de a vaut 0.
2iπ
Démonstration. On fait apparaı̂tre une somme géométrique de raison e n .
Remarque IV.6. Les racines n-ème

p de a sont les sommets d’un polygone régulier à n côtés, inscrit dans
le cercle de centre O de rayon |a| :
n
a = reiθ
2iπ
z0 e 5
√
C(O, 5 r)
√ θ
4iπ z0 = 5
rei 5
z0 e 5
θ
θ/5 R+
z0 · U5
8iπ
z0 e 5
6iπ
z0 e 5
Le barycentre de ces points est l’origine du plan, ce qui illustre :

X
z = 0.
z∈C, z n =a
Exemple IV.7. Calculons le cosinus et le sinus de 2π 5

.
± 2iπ ± 4iπ
Considérons les racines 5-èmes de l’unité : 1, e 5 , e 5 . Comme leur somme vaut 0, on déduit que :

2π 4π
1 + 2cos + 2cos = 0.
5 5
Par formule de duplication, on a : cos 4π 2 2π 2π

5
= 2cos 5
− 1, et donc cos 5
est solution de l’équation :
4x2 + 2x − 1 = 0.
√ √
−2 ± 20 ± 5−1
Les solutions sont = .
8 4 √
2π π 2π
2π
5−1
Comme 5 ∈ [0; 2 ], alors cos 5 > 0, et donc : cos 5 = .
4
2π π 2π

Comme 5 ∈ [0; 2 ], alors sin 5 > 0, et donc :
√ √
v !2 s
s u
2π 2π u 5 − 1 5 + 5
sin = 1 − cos2 = t1 − = .
5 5 4 8
IV.2 Racines carrées

Méthode IV.8. On note z = x + iy une racine carrée de a + ib (c’est-à-dire z 2 = a + ib). Trouver z revient
à résoudre (dans R) le système :
 √
 x2 + y 2 = a2 + b 2 (en regardant le module)
x2 − y 2 = a (en regardant la partie réelle) .
2xy = b (en regardant la partie imaginaire)

IV. RÉSOLUTION D’ÉQUATIONS ALGÉBRIQUES 95
On trouve x et y (au signe près) avec les deux premières égalités. On trouve le signe avec la dernière.
Exemple IV.9. Trouver les racines carrées de −5 + 12i : on les cherche sous la forme z = x + iy. On a :
 √
 x2 + y 2 = 52 + 122 = 13
x2 − y 2 = −5 .
2xy = 12

Et ainsi :  2
 x = 4
y2 = 9 .
xy > 0 donc x, y de même signe

Donc les deux racines carrées de −5 + 12i sont 2 + 3i et −2 − 3i.

Proposition IV.10. Soient a, b, c ∈ C avec a ̸= 0, ∆ = b2 −4ac et δ une racine carrée de ∆. Alors l’équation
az 2 + bz + c = 0 admet :
−b
1. une seule solution si ∆ = 0, à savoir z0 = ;
2a
−b ± δ
2. deux solution si ∆ ̸= 0, à savoir : z1,2 = .
2a
Démonstration.
2
b c b ∆
az 2 + bz + c = 0 ⇔ a z 2 + z + =0⇔ z+ − 2 =0
a a 2a 4a
2 2
b δ b δ
⇔ z+ = ⇔z+ =±
2a 2a 2a 2a
−b ± δ
⇔ z=
2a
Proposition IV.11 (Relations coefficients-racines). Si a, b, c ∈ C avec a ̸= 0, et que z1 , z2 sont les solutions

(éventuellement confondues) de l’équation az 2 + bz + c = 0, alors :
c b
z1 z2 = et z1 + z2 = − .
a a
De plus, on a : az 2 + bz + c = a(z − z1 )(z − z2 ).
Corollaire IV.12 (Systèmes somme-produit). Si s, p ∈ C, les solutions du système :

x+y = s
xy = p
sont les couples de solutions de l’équation z 2 − sz + p = 0, formés de complexes différents si l’équation

précédente possède deux solutions distinctes.
Exemple IV.13. On considère le système :

x + y = 3 + 3i
xy = 5i
On lui associe l’équation : z 2 − (3 + 3i)z + 5i.

On a : ∆ = −2i, donc δ = 1 − i est une racine carrée de ∆.
3 + 3i ± (1 − i)
Donc z1,2 = = 2 + i ou 1 + 2i.
2
Et les solutions du système sont (2 + i, 1 + 2i) et (1 + 2i, 2 + i).
IV.3 Équations polynomiales

Définition IV.14. Pour n ∈ N, on appelle fonction polynomiale à coefficients complexes de degré
n une fonction P : C → C définie par : ∀z ∈ C, P (z) = an z n + an−1 z n−1 + · · · + a1 z + a0 , où a0 , . . . , an ∈ C
et an ̸= 0.
Une racine de P est une solution de l’équation P (z) = 0.
Proposition IV.15 (Factorisation des polynômes). Si n ≥ 1 et si z0 est une racine de P , alors il existe une
fonction polynomiale Q de degré n − 1 telle que :
∀z ∈ C, P (z) = (z − z0 )Q(z).
Théorème IV.16 (d’Alembert–Gauss). Toute fonction polynomiale à coefficients complexes de degré ≥ 1
possède une racine dans C.
Remarque IV.17. Il faut être dans C : la fonction x 7→ x2 + 1 n’a pas de racine dans R par exemple.
Corollaire IV.18. Si P est une fonction polynomiale à coefficients complexes de degré n ≥ 1, alors il existe
a ∈ C∗ et z1 , . . . , zn ∈ C tels que :
∀z ∈ C, P (z) = a(z − z1 )(z − z2 ) . . . (z − zn ).
V Interprétation géométrique des nombres complexes

−→
Proposition V.1. Si A, B sont deux points du plan d’affixes respectives zA et zB , alors le vecteur AB a
pour affixe zB − zA . Sa norme vaut |zB − zA | et son angle avec l’axe (O, x) est arg(zB − zA ).
[ = −
Plus généralement, si C est un autre point d’affixe zC , alors l’angle BAC
→ −→
AB, AC est égal à arg(zC −

zC − zA
zA ) − arg(zB − zA ) = arg .
zB − zA
Proposition V.2. On a les équivalences :

zC − zA zC − zA
1. A, B, C alignés ⇔ arg = 0 [π] ⇔ ∈R ;
zB − zA zB − zA

zC − zD π zC − zD
2. (AB) et (CD) sont perpendiculaires ⇔ arg = [π] ⇔ ∈ iR .
zB − zA 2 zB − zA
Définition V.3. Une transformation du plan est une bijection f : R2 → R2 , ou f : C → C (en
assimilant le plan à C).
Proposition V.4. On a les transformations suivantes du plan :
1. l’application z 7→ z est la symétrie d’axe (Ox) ;
2. si b ∈ C, l’application z 7→ z + b est la translation du vecteur d’affixe b ;
3. si λ ∈ R et zA ∈ C, l’application z 7→ λ(z − zA ) + zA est l’homothétie de centre A (d’affixe zA ) et
de rapport r ;
4. si θ ∈ R et ω ∈ C, l’application z 7→ eiθ (z − ω) + ω est la rotation de centre Ω (d’affixe ω) et
d’angle eiθ .
Théorème-Définition V.5. Une similitude directe est une transformation du plan qui préserve les angles
orientés.
Vue comme une application de C dans C, toute similitude s’écrit sous la forme z 7→ az + b, où a, b ∈ C
avec a ̸= 0.
Si a ̸= 1, f possède un unique point fixe Ω (un point qui est sa propre image par f ) : on dit alors que f
est la similitude directe de centre Ω, de rapport |a|, et d’angle arg(a).
V. INTERPRÉTATION GÉOMÉTRIQUE DES NOMBRES COMPLEXES 97
Démonstration. Toute application z 7→ az + b avec a ̸= 0 est bien un similitude directe (il suffit de regarder
les arguments).
Réciproquement : soit f un similitude.
Lemme V.6. Une similitude préserve les rapports de longueurs.
Preuve du lemme : Soient A, B, M, N quatre points du plan distincts, d’images respectives A′ , B ′ , M ′ , N ′ .

AB
Comme les angles sont conservés, alors les triangles ABM et A′ B ′ M ′ sont semblables. Donc : ′ ′ =
AB
AM BM
= ′ ′.
A′ M ′ BM
AM AN MN
De même, avec les triangles AM N et A′ M ′ N ′ : ′ ′ = ′ ′ = ′ ′ .
AM AN MN
AB A′ B ′
Et donc : = ′ ′.
MN MN
Considérons O, A, M d’affixes respectives 0, 1, z. Notons O′ , A′ , M ′ leurs images par f , et b, c, z ′ leurs affixes.
La conservation des angles et des rapports de longueur donne :
O′ M ′ OM ′ O ′ M ′ = AOM
′ ′
= et A\ \
OA OA
donc, par égalité des modules et arguments :
z′ − b z−0
=
c−b 1−0
et donc : z ′ = az + b, avec a = c − b ̸= 0.
L’existence et l’unicité du point fixe si a ̸= 1 vient du fait que pour un tel a :
b
z = az + b ⇔ z − az = b ⇔ z = .
1−a
Remarque V.7. Parmi les transformations précédentes, seule la conjugaison n’est pas une similitude di-
recte : elle change tout angle en son opposé.
Proposition V.8. La composé de deux similitudes est une similitude.
Proposition V.9. On considère la similitude directe f : z 7→ az + b. Alors :

1. si a = 1 : alors il s’agit d’une translation ;
2. si a ̸= 1 : si Ω est son point fixe, f est la composée de la rotation de centre Ω d’angle arg(a) et de
l’homothétie de centre Ω de rapport |a|.
Démonstration.
1. si a = 1 : alors f : z 7→ z + b est la translation de vecteur d’abscisse b ;
b
2. si a ̸= 1 : alors ω = vérifie f (ω) = ω. On note : a = λeit , h : z 7→ λ(z − ω) + ω l’homothétie
1−a
de centre Ω de rapport λ, et r : z 7→ eit (z − ω) + ω la rotation de centre Ω d’angle t. Alors :

b it b b − ab
(h ◦ r)(z) = + |{z}
λe z− = az + = az + b = f (z)
1−a 1−a 1−a
=a
Exemple V.10. On considère l’application f : z 7→ (1 + i)z + 3. Alors :

3 3
— l’unique point fixe de f est le point Ω d’affixe = = 3i ;
1 − (1 + i) −i √
— f est la composée de l’homothétie de centre Ω de rapport |1 + i| = 2 et de la rotation de centre Ω
d’angle arg(1 + i) = π4 .
4
z r Ω
π 3
4
√
2r 2 π
4
f (z) 1
f (O)
−4 −3 −2 −1 O 1 2 3 4
−1
−2
VI Fonction complexe d’une variable réelle

Définition VI.1. Soit I un intervalle de R, et φ : I → C. On note φ1 et φ2 les parties réelle et imaginaire
de φ, c’est-à-dire les fonctions définies de I sur R par : ∀t ∈ I, φ1 (t) = Re(φ(t)) et φ2 (t) = Im(φ(t)) (de
sorte que φ = φ1 + iφ2 ).
On dit que φ est continue (resp. dérivable) en t0 ∈ I si φ1 et φ2 le sont. Et pour la dérivabilité, on pose :
φ′ (t0 ) = φ′1 (t0 ) + iφ′2 (t0 ).
Proposition VI.2. Si f, g sont des fonctions dérivables sur I à valeurs dans C, et λ ∈ C, alors on a les
fonctions dérivées suivantes :
1. (f + λg)′ = f ′ + λg ′ (la dérivation est linéaire) ;
2. (f g)′ = f ′ g + f g ′ ;
′
1 g′
3. si g ne s’annule pas : =− 2;
g g
′
f f ′g − f g′
4. si g ne s’annule pas : = .
g g2
Démonstration. Toutes les formules découlent de la dérivabilité des fonctions à valeurs réelles, en ramenant
le calcul à des dérivées de combinaisons linéaires, produits ou quotient de fonctions réelles. Montrons par
exemple la formule pour le produit.
Soient f, g deux fonctions à valeurs complexes dérivables sur I, et notons f1 = Re(f ), f2 = Im(f ),
g1 = Re(g) et g2 = Im(g). De sorte que :
f g = (f1 + if2 ) · (g1 + ig2 ) = (f1 g1 − f2 g2 ) + i(f1 g2 + f2 g1 ).

VI. FONCTION COMPLEXE D’UNE VARIABLE RÉELLE 99
Par dérivée d’un produit (pour les fonctions à valeurs réelles), on déduit que Re(f g) et Im(f g) sont
dérivables, donc f g aussi, de dérivée :
(f g)′ = (f1′ g1 + f1 g1′ − f2′ g2 − f2 g2′ ) + i (f1′ g2 + f1 g2′ + f2′ g1 + f2 g1′ )
tandis que l’on a :

f ′g = (f1′ + if2′ ) · (g1 + ig2 )
= (f1′ g1 − f2′ g2 ) + i · (f1′ g2 + f2′ g1 )
′
fg = (f1 + if2 ) · (g1′ + ig2′ )
= (f1 g1′ − f2 g2′ ) + i · (f1 g2′ + f2 g1′ )
ce qui donne bien l’égalité voulue.

I → C
Proposition VI.3. Soit φ : I → C dérivable. Alors la fonction ψ : est dérivable sur I,
t 7→ eφ(t)
avec : ∀t ∈ I, ψ ′ (t) = φ′ (t)eφ(t) .
Démonstration. On pose φ1 = Re(φ) et φ2 = Im(φ).

Si x ∈ I :
ψ(t) = eφ1 (t) eiφ2 (t) = eφ1 (t) (cos(φ2 (t)) + isin(φ2 (t))) .
D’où :
ψ1 (t) = Re(ψ(t)) = eφ1 (t) cos(φ2 (t))
.
ψ2 (t) = Im(ψ(t)) = eφ1 (t) sin(φ2 (t))
Comme φ est dérivable, φ1 et φ2 aussi, donc ψ1 et ψ2 aussi. Et on a :
′
ψ1 (t) = eφ1 (t) [φ′1 (t)cos(φ2 (t)) − φ′2 (t)sin(φ2 (t))]
∀t ∈ I, .
ψ2′ (t) = eφ1 (t) [φ′1 (t)sin(φ2 (t)) + φ′2 (t)cos(φ2 (t))]
Donc ψ est dérivable, avec pour tout t ∈ I :
ψ ′ (t) = ψ1 (t) + iψ2 (t)

= eφ1 (t) [(φ′1 (t) + iφ′2 (t))cos(φ2 (t)) + (−φ′2 (t) + iφ′1 (t))sin(φ2 (t))]
= eφ1 (t) (φ′1 (t) + iφ′2 (t))eiφ2 (t)
= φ′ (t)eφ(t)
Exemple VI.4. Si α ∈ C, la fonction f : t 7→ exp (αln(t)) est dérivable sur R∗+ . Si t ∈ R∗+ , alors :
α
f ′ (t) = exp (αln(t)) = αexp ((α − 1)ln(t))
ln(t)
c’est-à-dire que, avec l’abus de notation f (t) = tα , on trouve : f ′ (t) = αtα−1 .

Chapitre 9
Primitives
I Primitives et intégrales
I.1 Généralités sur les primitives
Définition I.1. Si f est définie sur un intervalle I, on dit qu’une fonction F dérivable sur I est une
primitive de f si F ′ = f .
Exemples I.2.
1. x 7→ x3 ou x 7→ x3 − 4 sont des primitives de x 7→ 3x2 sur n’importe quel intervalle de R ;
x2
2 si x ≥ 0
2. x 7→ signe(x) x2 = 2
x2 est une primitive de x 7→ |x| sur R.
− 2 si x ≤ 0
Proposition I.3. Si I est un intervalle, f : I → R et F une primitive de f sur I, alors les primitives de f
sur I sont exactement les fonctions F + λ, pour λ ∈ R.
Démonstration. Si F est une primitive de f , et G une fonction dérivable sur I, alors :
G primitive de f ⇔ G′ = F ′ ⇔ (G − F )′ = 0 ⇔ G − F est constante.
Remarques I.4. 1. Ce résultat dit que, s’il existe une primitive, il en existe un infinité. Mais il ne dit
pas qu’il en existe.
2. Le résultat est faux si I n’est plus un intervalle. Par exemple, les fonctions 1R∗+ et 1R∗− sont des
primitives de la fonction nulle sur R∗ , mais ne diffèrent pas d’une constante. Mais il permet quand
même de chercher des primitives : par exemple pour chercher une primitive de x 7→ |x|, on peut
regarder les primitives de x 7→ x sur R+ et de x 7→ −x sur R− , puis chercher à recoler ces primitives
en une fonction dérivable sur R.
Théorème I.5 (Théorème fondamental de l’analyse). Si f est continue sur un intervalle I, alors f admet
une primitive.
Démonstration. Admis (pour le moment).
Corollaire I.6. Si f est continue sur un intervalle I et (x0 , y0 ) ∈ I × R, alors il existe une unique primitive
F de f sur I telle que F (x0 ) = y0 .
Remarque I.7. Ilexiste desfonctions non continues qui ont des primitives. Considérons par exemple la
x2 sin x1 si x ̸= 0
fonction f : x 7→ .
0 si x = 0
La fonction f est dérivable sur R :
101
102 CHAPITRE 9. PRIMITIVES
— sur R∗ : par composée et produit, f est dérivable sur R∗ avec : ∀x ∈ R∗ , f ′ (x) = 2xsin x1 − cos 1

x
.
— en 0 : f (x)−f (0) 1
−→ 0 par encadrement. Donc f est dérivable en 0 avec f ′ (0) = 0

x−0
= xsin x x→0
Mais f est une primitive de f ′ (qui est bien définie), c’est-à-dire que f ′ admet une primitive sur R. Mais
f ′ n’est pas continue en 0 car f ′ (x) n’a pas de limite quand x tend vers 0.
1 1

En effet : 2xsin x tend vers 0 en 0 (par encadrement) mais cos x n’a pas de limite en 0 (car cos n’a
pas de limite en +∞).
1.5
Cf ′
1
0.5
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
−0.5
−1
I.2 Intégrale d’une fonction continue

Proposition-Définition I.8. Soit f une fonction continue sur un intervalle I, et F une primitive de f sur
I. Si a, b ∈ I, on définit l’intégrale de f entre a et b comme :
Z b
f (t)dt = [F (t)]ba = F (b) − F (a).
a
Cette quantité est bien définie, et ne dépend pas du choix de F .
Démonstration. Il suffit de voir que cette quantité ne dépend pas du choix de F . Soient G, F deux primitives
de f sur I, et λ ∈ R tel que G = F + λ.
Alors : G(b) − G(a) = F (b) + λ − F (a) − λ = F (b)F (a).
Remarques I.9.
1. On donnera une autre définition de l’intégrale (pour des fonctions plus générales que les fonctions
continues). Et on verra que les deux définitions coı̈ncident.
2. Une intégrale est un peu comme une somme : la variable d’intégration correspond à l’indice de
sommation. On peut donc changer sa dénomination, et il n’a pas de sens hors de l’intégrale.
3. Cette définition n’a de sens que si f est continue (donc f doit avoir une primitive de classe C 1 ).
Proposition I.10. Si f, g sont deux fonctions continues sur le segment [a; b], et λ, µ ∈ R, alors :
Rb R R
b b
1. a (λf (t) + µg(t)) dt = λ a f (t)dt + µ a g(t)dt (linéarité de l’intégrale) ;
Rb Rc Rb
2. si c ∈ [a; b] : a f (t)dt = a f (t)dt + c f (t)dt (relation de Chasles) ;
I. PRIMITIVES ET INTÉGRALES 103
Rb Rb
3. a
f (t)dt = −f (t)dt ;
a
Rb
4. si f ≥ 0 sur [a; b] : a f (t)dt ≥ 0 (positivité de l’intégrale) ;
Rb Rb
5. si f ≥ g sur [a; b] : a f (t)dt ≥ a g(t)dt (croissance de l’intégrale).
Démonstration.
1. par linéarité de la dérivation, λF + µG est une primitive de λf + µG, et donc :
Rb
a
(λf (t) + µg(t)) dt = λF(b) + µG(b)
Rb − λFR (a) − µG(a)
= λ (F (b) − F (a)) + µ (G(b) − G(a))
b
= λ a f (t)dt + µ a g(t)dt
Rb Rc Rb
2. a
f (t)dt = F (b) − F (a) = (F (c) − F (a)) + (F (b) − F (c)) = a
f (t)dt + c
f (t)dt ;
Rb Ra
3. a f (t)dt = F (b) − F (a) = − (F (a) − F (b)) = − b f (t)dt ;
Rb
4. si f ≥ 0, alors F est croissante, donc F (b) ≥ F (a) et ainsi : a f (t)dt = F (b) − F (a) ≥ 0 ;
5. on applique le résultat précédent à f − g.
Remarque I.11. La croissance de l’intégrale se comprend en terme d’application sur des ensembles ordon-
nés. Cela revient en fait à dire que l’application :

F([a, b], R) → R
φ: Rb
f 7→ a f (t)dt
est croissante, en munissant F([a, b], R) de l’ordre partiel défini par g ⪯ f si, et seulement si, ∀t ∈ [a, b],
g(t) ≤ f (t), et qu’on munit R de son ordre usuel ≤.
Proposition I.12. Si f est continue de signe constant sur [a; b], alors :
Z b
f =0⇔ f (t)dt = 0.
a
Démonstration. La première
Rb implication découle de la linéarité car alors f = 0 · f .
Réciproquement, si a f (t)dt = 0 : on peut supposer f ≥ 0 sur [a; b] (quitte à changer f en −f ). On a
donc : F (b) = F (a). Mais F est croissante sur [a; b], comme F ′ = f ≥ 0, donc F est constante. Et donc
f = F ′ = 0.
Théorème
Rx I.13. Si f est une fonction continue sur un intervalle I, et a ∈ I, alors l’application F : x 7→
a
f (t)dt est l’unique primitive de f sur I qui s’annule en a.
Démonstration. Notons G une primitive de f . Alors, si x ∈ I : F (x) = G(x) − G(a). Et donc F ′ (x) =
G′ (x) = f (x) et F (a) = G(a) − G(a) = 0. L’unicité provient du théorème fondamental de l’analyse.
Rx
Remarque I.14. Toutes les primitives
Rx de f sont de la forme x →
7 a
f (t)dt + λ. Pour éviter un choix
arbitraire pour a et λ, on notera f (t)dt une primitive générique de f
Proposition I.15 (Intégrales dépendant de leurs bornes). Si I, J sont deux intervalles, u, v deux fonctions
dérivables sur I à valeurs dans J, et f continue sur J.
R v(x)
Alors la fonction φ définie sur I par : φ(x) = u(x) f (t)dt est dérivable sur I, avec :
∀x ∈ I, φ′ (x) = v ′ (x) · f (v(x)) − u′ (x) · f (u(x).
Démonstration. Si F est une primitive de f sur J, alors : φ(x) = F (v(x)) − F (u(x)), qu’on peut dériver
comme une composée.
Corollaire I.16. Si f est une fonction continue sur R, et x ∈ R :

Rx
1. si f est impaire, alors : −x f (t)dt = 0 ;
R x+T RT
2. si f est T -périodique, alors : x f (t)dt = 0 f (t)dt.
Démonstration. On dérive par rapport à x :

Rx
1. si φ(x) = −x f (t)dt, alors φ′ (x) = f (x) + f (−x) = 0, donc φ est constante, de valeur φ(0) = 0 ;
R T +x
2. si φ(x) = x f (t)dt, alors φ′ (x) = f (T + x) − f (x) = 0, donc φ est constante, de valeur φ(0) =
RT
0
f (t)dt.
Remarque I.17. Le deuxième résultat dit en fait que toute primitive d’une fonction continue impaire est
paire.
Rπ
Exemple I.18. Calculons I = 0 cos2 (t)dt. Par π-périodicité de t 7→ sin2 (t) :
Z π Z 3π/2 Z π
2 2
I= sin (π/2 + t)dt = sin (t)dt = sin2 (t)dt
0 π/2 0
Rπ R 2π
cos2 (t) + sin2 (t) dt = 0 1 · dt = π. Donc I = π2 .

et donc I + I = 0
II. CALCUL DE PRIMITIVES ET D’INTÉGRALES 105
II Calcul de primitives et d’intégrales

II.1 Calcul direct
Théorème II.1. On a les primitives usuelles suivantes :
f (x) Df F (x)
0 R 0
c (c ∈ C∗ ) R cx
xn+1
xn (n ∈ N) R
n+1
1
R∗ ln (|x|)
x
n ∗ xn+1
x (n ∈ Z, n ≤ −2) R
n+1
xα+1
xα (α ∈ R \ {−1}) R∗+
α+1
√
cas particulier : √1x R∗+ 2 x
ex R ex
ln(|x|) R∗ xln(|x|) − x
cos(x) R sin(x)
sin(x) R −cos(x)
π
tan(x) R\ 2
+ kπ | k ∈ Z −ln (|cos(x)|)
1 π
1 + tan2 (x) = R \ 2
+ kπ | k ∈ Z tan (x)
cos2 (x)
1
√ ] − 1, 1[ Arcsin(x)
1 − x2
1
−√ ] − 1, 1[ Arccos(x)
1 − x2
1
R Arctan(x)
1 + x2
sh(x) R ch(x)
ch(x) R sh(x)
th(x) R ln(ch(x))
1
1 − th2 (x) = 2 R th(x)
ch (x)
Remarque II.2. En pratique, on n’aura pas dès le départ les écritures précédentes : on utilisera la linéarité
de l’intégrale et la proposition suivante.
Proposition II.3. Si u : I → J et φ définie sur J sont deux fonctions de classe C 1 , alors la fonction
u′ · (φ′ ◦ u) est continue, et admet pour primitive φ ◦ u.
Démonstration. Par dérivée d’une composée.
Corollaire II.4. Si u est de classe C 1 sur un intervalle I :
1
1. pour n ∈ N, une primitive de u′ · un sur I est un+1 ;
n+1
2. une primitive de u′ · eu sur I est eu ;
u′
3. si u ne s’annule pas sur I, une primitive de sur I est ln (|u|) ;
u
1
4. si u > 0 sur I et que α ̸= −1, alors une primitive de u′ · uα est uα+1 .
α+1
Exemples II.5.
2 −1 2 2 2
1. xe−x = 2
· (−2x)e−x , donc une primitive de x 7→ xe−x est x 7→ − 12 e−x ;
sin(x) −sin(x)
2. tan(x) = =− , donc une primitive de tan est x 7→ −ln (|cos(x)|) ;
cos(x) cos(x)
ex x 1 ex
3. = e · , donc une primitive de x →
7 est Arctan ◦ exp.
1 + e2x 1 + (ex )2 1 + e2x
Remarque II.6. On peut créer d’autres formules du même type, mais qu’on rencontre moins souvent.
Comme par exemple qu’une primitive de u′ · cos(u) est sin(u). Par rapport au tableau, cela revient à
changer tous les x en u(x) et de multiplier la colonne de gauche par u′ (x).
Corollaire II.7. Soient F est une primitive d’une fonction continue f , et a, b ∈ R avec a ̸= 0. Alors, là où
elle est définie, la fonction x 7→ f (ax + b) est continue et admet pour primitive x 7→ a1 F (ax + b).
Exemples II.8.
1. Si on note F une primitive de t 7→ sin2 (t) sur R, alors t 7→ F ( π2 +t) est une primitive de t 7→ sin2 (t).
Ainsi on retrouve que :
Z π Z 3π/2
2 3π π
sin (π/2 + t)dt = F ( ) − F ( ) = sin2 (t)dt
0 2 2 π/2
qu’on avait énoncé précédemment sans le justifier.

1 1
2. Si a, b ∈ R avec a ̸= 0, alors une primitive sur R de x 7→ est x →
7 Arctan(ax + b).
(ax + b)2 + 1 a
1 1 1
Calculons une primitive de x 7→ 2 . On a : 2 = . Donc une primi-
x + 2x + 2 x + 2x + 2 (x + 1)2 + 1
tive est : x 7→ Arctan(x + 1).
II.2 Intégration par parties

Théorème II.9 (Intégration par parties). Si u, v sont deux fonctions de classes C 1 sur [a; b], alors :
Z b Z b
′ b
u (t)v(t)dt = [u(t)v(t)]a − u(t)v ′ (t)dt.
a a
Démonstration. Par dérivée d’un produit, une primitive de u′ v + v ′ u est uv. Et ainsi :
Z b Z b Z b
b ′ ′ ′
[u(t)v(t)]a = (u (t)v(t) + u(t)v (t)) dt = u (t)v(t)dt + u(t)v ′ (t)dt.
a a a
Remarque II.10. En pratique, pour être que cette formule soit utile, il faudra que v ′ soit facile à primitiver,
tandis que le fait de dériver u ne rende pas la fonction à intégrer plus compliquée.
Corollaire II.11. Si u, v sont deux fonctions de classe C 1 sur I, et x ∈ I, alors :
Z x Z x
′
u (t)v(t)dt = u(x)v(v) − u(t)v ′ (t)dt.
Exemples II.12.
R1 1 R1
1. 0 |{z} et dt = [tet ]0 − 0 |{z}
t |{z} et dt = e1 − 0 − (e1 − 1) = 1 ;
1 |{z}
v u′ v′ u
R π/2 R π/2
π/2 R π/2
2. 0
t2 sin(t) dt =
|{z} [−t

2
cos(t)]0 − 0 |{z}
2t (−cos(t)) dt = [2tsin(t)]π/2
0 − 0
2sin(t)dt = π − 2
| {z } | {z }
v u′ v′ u
(en faisant deux intégrations par parties successives) ;
R1
3. si I = 0 Arctan(t)dt : on pose u′ (t) = 1 et v(t) = Arctan(t) (donc u(t) = t et v ′ (t) = 1
1+t2
). On
trouve :
Z 1 1
1 t 1 2 π
I = [tArctan(t)]0 − 2
dt = Arctan(1) − ln(1 + t ) = − ln(2).
0 1+t 2 0 4
Exemples II.13.
1. avec u′ (x) = 1 et v(x) = ln(x), donc u(x) = x et v ′ (x) = x1 , on trouve :
Z x Z x
ln(t)dt = xln(x) − 1dt = xln(x) − x.
2. avec u′ (x) = cos(x) et v(x) = x, donc u(x) = sin(x) et v ′ (x) = 1, on trouve :

Z x Z x
tcos(t)dt = xsin(x) − sin(t)dt = xsin(x) + cos(x).
II.3 Changement de variable

Théorème II.14 (Changement de variable). Si φ est une fonction de classe C 1 sur [a; b], et que f est
continue sur φ([a; b]), alors :
Z b Z φ(b)
′
φ (t) · f (φ(t)) dt = f (t)dt.
a φ(a)
Démonstration. Par dérivée d’une composée, si F est une primitive de F , alors F ◦ φ est une primitive de
φ′ · (f ◦ φ). Et ainsi :
Z b Z φ(b)
′ b φ(b)
φ (x) · f (φ(x)) dx = [F (φ(t))]a = F (φ(b)) − F (φ(a)) = [F (t)]φ(a) = f (t)dt.
a φ(a)
Remarque II.15. Ce théorème peut s’utiliser dans les deux sens (comme on va le voir dans les exemples).
R 1 e2x
Exemple II.16. Calculons I = 0
dx.
1 + ex
t
On fait le changement de variable φ(x) = ex , avec f : t 7→ . Alors φ est C 1 sur [0; 1], avec φ([0; 1]) =
1+t
[1; e], et f est continue sur [1; e]. On déduit :
Z 1 Z e Z e
′ t 1
I= φ (x)f (φ(x)) dx = dt = 1− dt = (e − 1) − ln(e − 1) + ln(2).
0 1 1+t 1 1+t
Remarque II.17. En pratique, on ne fait pas apparaı̂tre φ. On procède en trois étapes en posant directement
t = φ(x) :
1. on dérive t en fonction de x : dt = φ′ (x)dx ;
2. on exprime toute l’expression dans l’intégrale en fonction de t (et plus x) ;
3. on change les bornes.
Pour l’exemple précédent, cela donne avec t = ex :
1. dt = ex dx ;
e2x t
2. dx = dt ;
1 + ex 1+t
R 1 e2x Re t
3. 0 dx = 1
dt.
1 + ex 1+t
R1 √
Exemple II.18. Calculons −1 1 − t2 dt.
On va faire le changement de variable t = cos(x). Pour x = 0, on a t = 1 et pour x = π, on a t = −1. La
fonction cos est bien C 1 . Et on a dt = −sin(x)dx. Et donc :
Z 1 √ Z 0 p Z π
π
1 − t2 dt = 1 − cos2 (x) (−sin(x)) dx = sin2 (x)dx =
−1 π 0 2
p
en inversant les bornes, et en reconnaissant que 1 − cos2 (x) = sin(x) pour x ∈ [0; π].
R 1 e2x
Exemple II.19. Calculons l’intégrale 0 1+e x dx.
1 dt
On pose x = ln(t), où la fonction ln est C . On a t = 1 pour x = 0 et t = e pour x = 1. Et dx = t
. Et
donc : Z 1 2x Z e 2ln(t) Z e 2 Z e
e e dt t dt t
x
dx = ln(t)
= = dt.
0 1+e 1 1+e t 1 1+t t 1 1+t
Méthode II.20 (Règles de Bioche). Pour simplifier le calcul d’une fraction rationnelle f en cos et sin, on
peut utiliser les règles de Bioche : si f (t)dt est invariant par le changement t 7→ −t (resp. t 7→ π − t,
t 7→ π + t), alors on peut faire le changement de variable u = cos(t) (resp. u = sin(t), u = tan(t)).
Remarques II.21.
1. Les changements de variables correspondent aux fonctions invariantes utilisées : cos(−t) = cos(t),
sin(π − t) = sin(t) et tan(π + t) = tan(t).
2. Si tous les changements fonctionnent, on peut poser u = cos(2t).
t

3. Si aucun des changements ne fonctionne, on peut poser u = tan 2
.
tan(t)
Exemple II.22. Déterminons une primitive de f : t 7→ à l’aide des règles de Bioche :
1 + cos(t)
−tan(t)
— avec t 7→ −t : f (−t)d(−t) = · (−dt) = f (t)dt ;
1 + cos(t)
tan(t)
— avec t 7→ π − t : f (π − t)d(π − t) = dt ̸= f (t)dt ;
1 − cos(t)
tan(t)
— avec t 7→ π + t : f (π + t)d(π + t) = dt ̸= f (t)dt.
1 − cos(t)
Donc on fait le changement de variable u = cos(t), avec donc du = −sint)dt, ce qui donne :
Z x Z x Z cos(x)
tan(t) sin(t) du
dt = dt = −
1 + cos(t) cos(t)(1 + cos(t)) u(u + 1)
1 1 1
Or, on a : − =− + . Et finalement :
u(u + 1) u u+1
x
Z
tan(t) 1 + cos(x) 1
dt = ln (|1 + cos(x)|) − ln (|cos(x)|) = ln = ln 1 + .
1 + cos(t) cos(x) cos(x)
Exemple II.23. Pour primitiver, pour p, q ∈ N, la fonction t 7→ sinp (t)cosq (t), on trouve ainsi que :
1. si p et q sont impairs : on fait le changement de variable u = cos(2t) ;
2. si p est impair et q est impair : on fait le changement de variable u = cos(t) ;
3. si q est pair et q est impair, on fait le changement de variable u = sin(t).
Si p et q sont pairs, il est plus efficace de linéariser.
Par exemple, pour calculer une primitive de t 7→ sin5 (t), les règles de Bioche montrent que l’on peut faire
le changement de variable u = cos(t), et donc du = −sin(t)dt, ce qui donne :
Rx 5 Rx
sin (t)dt = − sin4 (t) ·(−sin(t))dt
| {z }
=(1−cos2 (t))2
R cos(x)
= − (1 − u2 )2 du
1 2
= − cos5 (x) + cos3 (x) − cos(x)
5 3
II.4 Intégrales complexes et fonctions trigonométriques

Proposition II.24. Si φ est une fonction dérivable de classe C 1 à valeurs complexes, alors exp ◦ φ est une
primitive de φ′ · (exp ◦ φ).
Corollaire II.25. Si α ∈ C∗ , alors une primitive de x 7→ eαx est x 7→ α1 eαx .
Exemple II.26. Cherchons une primitive de x 7→ e3x sin(4x). On a : e3x sin(4x) = Im(e3x e4ix ) = Im(e(3+4i)x ).
1
Mais x 7→ e(3+4i)x est une primitive de x 7→ e(3+4i)x . Donc En prenant la partie imaginaire, on aura
3 + 4i
une primitive de x 7→ e3x sin(4x) :
1 3 − 4i 3x
e(3+4i)x = e (cos(4x) + isin(4x))
3 + 4i 25
e3x
donc : x 7→ (3sin(4x) − 4cos(4x)) est une primitive de x 7→ e3x sin(4x).
25
Exemple II.27. Cherchons une primitive de x 7→ cos(2ln(x)).
On a : cos(2ln(x)) = Re(e2iln(x) ).
1
Mais x 7→ 2i+1 · e(2i+1)ln(x) est une primitive de x 7→ e2iln(x) .
1
· e(2i+1)ln(x) = xcos(2ln(x)) + 2xsin(2ln(x))

Donc : x 7→ Re 2i+1 5 5
.
Méthode II.28. Outre les règles de Bioche, on peut chercher à primitiver une puissance de cos ou de sin,
ou un produit de telles puissances, par linéarisation.
Exemple II.29. Cherchons une primitive de x 7→ cos4 (x).

Par linéarisation, on a : cos4 (x) = 81 cos(4x) + 12 cos(2x) + 38 .
1
Donc une primitive est : x 7→ 32 sin(4x) + 14 sin(2x) + 3x
8
.
Remarque II.30. On voit que la primitive d’une fonction périodique n’est pas nécessairement périodique.
1
II.5 Intégrales de fonctions du type ax2 +bx+c
1
Proposition II.31. Soient a, b, c ∈ R, avec a > 0, et posons f : x 7→ ax2 +bx+c
, P = ax2 + bx + c et
∆ = b2 − 4ac :
1. si ∆ > 0 : en notant r1 , r2 les racines de P , on a P = a(x − r1 )(x − r2 ). Ainsi :

1 1 1 1
f (x) = = −
a(x − r1 )(x − r2 ) a(r2 − r1 ) x − r2 x − r1

1 x − r2
donc une primitive de f est x 7→ ln ;
a(r2 − r1 ) x − r1
2. si ∆ = 0 : en notant r l’unique racine de P , on a P = a(x − r)2 . Ainsi :
1 1
f (x) =
a (x − r)2
1
donc une primitive de f est x 7→ − ;
a(x − r)
b ∆
3. si ∆ < 0 : en notant p = 2a
et q = − 4a , on a la forme canonique P = a(x + p)2 + q. Ainsi :
1 1
f (x) = a
q q (x + p)2 + 1
q
1 a
donc une primitive de f est x 7→ √ Arctan q
(x + p) .
aq
Exemple II.32. Si a, b ∈ R, avec b ̸= 0, et α = a + ib, alors pour tout x ∈ R :
1 (x − a) − ib x−a b
= 2 2
= 2 2
−i
x−α (x − a) + b (x − a) + b (x − a)2 + b2
1
et donc une primitive sur R de x 7→ est :
x − (a + ib)

1 x−a
x 7→ ln (x − a)2 + b2 + iArctan

.
2 b
Chapitre 10
Équations différentielles linéaires
Pour toute la suite, on note K = R ou C, et I un intervalle de R.
I Généralités
Définition I.1. Si n ∈ N∗ , une équation différentielle linéaire d’ordre n est une équation, dont
l’inconnue y est une fonction de I dans K, et de la forme :
(E) : an y (n) + · · · + a1 y ′ + a0 y = b
où b et les ai sont des fonctions définies sur I à valeur dans K, et an ne s’annulant pas sur I. Les fonctions
ai s’appellent les coefficients.
Son équation homogène associée est l’équation différentielle obtenue en remplaçant b par la fonction
nulle.
Remarque I.2. En général, l’intervalle I sur lequel on résout l’équation est donné dans l’énoncé. Sinon,
on le cherchera le plus grand possible comme intervalle de R.
Exemples I.3.
1. la fonction cos est une solution sur R de l’équation différentielle linéaire d’ordre 1 : y ′ = −sin, ou
des équations différentielles y ′′ + y = 0 et y ( 4) − y = 0 ;
2. la fonction x 7→ − x1 est une solution sur R∗+ ou sur R∗− de l’équation différentielle linéaire homogène
d’ordre 1 : xy ′ + y = 0.
Définition I.4. Un problème de Cauchy est un système formé :

— d’une équation différentielle (E) d’ordre n ;
— des n équations : y (k) (x0 ) = yk (avec 0 ≤ k ≤ n − 1), pour un x0 ∈ I et y0 , . . . , yn−1 ∈ K.
La donnée de x0 et des yk est appelée condition initiale.
Exemple I.5. En mécanique classique du point, le principe fondamental de la dynamique fournit une
équation différentielle linéaire d’ordre 2 en la position de l’objet étudié. Une condition initiale correspond
à la donnée de la position et de la vitesse à un instant donné.
Proposition I.6. Si (E0 ) : an y (n) + · · · + a1 y ′ + a0 y = 0 est une équation différentielle linéaire homogène.
Alors l’ensemble S0 de ses solutions est non vide et stable par combinaisons linéaires, c’est-à-dire que :
∀f, g ∈ S0 , ∀λ, µ ∈ K, λf + µg ∈ S0 .
111
112 CHAPITRE 10. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
Démonstration. La fonction nulle est infiniment dérivable, de dérivées successives nulles, et est bien solution
du système homogène.
Si f, g ∈ S0 et λ, µ ∈ K, alors h = λf + µg est n-fois dérivable (par linéarité de la dérivation), avec :
∀k ∈ J1; nK, h(k) = λf (k) + µg (k) . Et donc h ∈ S0 car :
an h(n) + · · · + a1 h′ + a0 h = λ an f (n) + · · · + a1 f ′ + a0 f +µ an g (n) + · · · + a1 g ′ + a0 g = 0.

| {z } | {z }
=0 car f ∈S0 =0 car g∈S0
Théorème I.7 (Ensemble des solutions). Soit (E) une équation différentielle linéaire d’ordre n. On note
S l’ensemble de ses solutions, et S0 l’ensemble des solutions de l’équation homogène associée.
Alors, si f est une solution de (E), on a :
S = f + S0 = {f + g | g ∈ S0 }.
Démonstration. Posons f ∈ S et considérons h une fonction n-fois dérivable sur I.
Alors :
h ∈ S ⇔ an h(n) + · · · + a1 h′ + a0 h = b = an f (n) + · · · + a1 f ′ + a0 f
⇔ an (h − f )(n) + · · · + a1 (h − f )′ + a0 (h − f ) = 0 .
⇔ (h − f ) ∈ S0
Remarque I.8. Cet énoncé ne dit pas qu’il existe des solutions. Il dit en revanche que, si on sait résoudre
l’équation homogène et que l’on possède une solution à l’équation, alors on a toutes les solutions.
Proposition I.9 (Principe de superposition). Soient b1 , b2 deux fonctions définies sur I, λ, µ ∈ K, et
b = λb1 + µb2 . On considère les équations différentielles
(E) : an y (n) + · · · + a1 y ′ + a0 y = b
(E1 ) : an y (n) + · · · + a1 y ′ + a0 y = b1
(E2 ) : an y (n) + · · · + a1 y ′ + a0 y = b2
Si f est une solution de (E1 ) et g est une solution de (E2 ), alors λf + µg est une solution de (E).
II Équations différentielles linéaires du premier ordre

On considère ici l’équation différentielle : (E) : y ′ + ay = b, définie sur un intervalle I, où a, b sont deux
fonctions continues sur I à valeurs dans K.
On note (E0 ) : y ′ + ay = 0 l’équation homogène associée.
II.1 Solutions de l’équation homogène

Proposition II.1. Les solutions de (E0 ) sont les fonctions de la forme x 7→ λe−A(x) , pour λ ∈ K, où A est
une primitive de a sur I.
Démonstration. Montrons déjà que les fonction fλ : x 7→ λe−A(x) , pour λ ∈ K, sont bien solutions de (E0 ).
Par dérivation de l’exponentielle complexe, on a que fλ est dérivable sur I, avec : ∀x ∈ I, fλ′ (x) =
−a(x)e−A(x) . Et ainsi :
∀x ∈ I, fλ′ (x) + a(x)fλ (x) = −a(x)e−A(x) + a(x)e−A(x) = 0.
Réciproquement, si f est une solution de (E0 ), qui vérifie donc : f ′ + af = 0. Posons : g : x 7→ f (x)eA(x) .
Alors g est dérivable sur I, avec : ∀x ∈ I, g ′ (x) = f ′ (x)eA(x) + f (x)a(x)eA(x) = 0. Donc g est constante sur
I : en posant λ ∈ K comme étant l’unique valeur prise par g, on trouve bien que : f : x 7→ λe−A(t) est de
la forme voulue.
II. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES DU PREMIER ORDRE 113
Remarque II.2. On peut retrouver partiellement ce résultat : si une solution f de (E0 ) ne s’annule pas,
f′
elle vérifie que = −a(x), donc : (ln(|f |))′ = −a(x). En primitivant, puis en prenant l’exponentielle, on
f
retrouve que f = e−A(x)+C = λe−A(x) , avec λ = eC une constante.
Corollaire II.3 (Équation à coefficients constants). Si a ∈ C, les solutions de l’équation homogène (Ea ) :
y ′ + ay = 0 sont les fonctions x 7→ λe−ax pour λ ∈ K.
Exemples II.4.
2 x2
1. si a(x) = x : alors A(x) = x2 donc les solutions sur R sont de la forme x 7→ λe− 2 ;
2. si a(x) = − x1 : alors A(x) = −ln(|x|) donc les solutions sur R∗+ ou R∗− sont de la forme x 7→
λeln(|x|) = λ|x|. Mais, quitte à changer λ en son opposé, on déduit que les solutions sur R∗+ ou R∗−
sont de la forme x 7→ λx.
Remarque II.5. Dans le deuxième exemple, on peut recoller les solutions sur R∗+ et R∗− pour obtenir des
solutions qui sont des restrictions de fonctions dérivables sur R entier. Mais ce n’est pas toujours le cas.
II.2 Solutions de l’équation complète

Méthode II.6 (Méthode de variation de la constante). Pour trouver une solution de (E), on peut la chercher
sous la forme f (x) = λ(x)e−A(x) , où λ est une fonction dérivable.
On obtient alors que f est solution de (E) si, et seulement si, λ est une primitive de la fonction x 7→
b(x)eA(x) .
Démonstration. La fonction f est bien dérivable, de dérivée : f ′ = λ′ e−A − λae−A . Et ainsi :
f ∈ S ⇔ f ′ + af = λ′ e−A − λae−A + aλe−A = b
⇔ λ′ · e−A = b .
⇔ λ′ = beA
Remarque II.7. Pour simplifier la recherche d’une solution, on pourra décomposer b en sommes de fonc-
tions plus simples, et utiliser le principe de superposition.
Exemples II.8.
1. On considère l’équation (E) : y ′ + xy = x sur R. Les solutions de l’équation homogène sont les
x2
x 7→ λe− 2 , pour λ ∈ K.
x2
Prenons donc λ dérivable sur R et posons f : x 7→ λ(x)e− 2 . Alors :
x2
x2 ′
′ ′
f ∈ S ⇔ λ (x) = xe ⇔ λ (x) = e 2
2
x2 x2
donc : f : x 7→ e 2 e− 2 = 1 est une solution de (E).
x2
Et finalement : S = {x 7→ 1 + λe− 2 | λ ∈ K}.
2. On considère l’équation (E) : y ′ − x1 y = x sur R∗+ . Les solutions de l’équation homogène sont les
x 7→ λx, pour λ ∈ K.
Prenons donc λ dérivable sur R∗+ et posons f : x 7→ λ(x) · x. Alors :
x
f ∈ S ⇔ λ′ (x) = = 1 = (x)′
x
2
donc : f : x 7→ x est une solution de (E).
Et finalement : S = {x 7→ x2 + λx | λ ∈ K}.
Proposition II.9 (Formulation intégrale). Si on fixe x0 ∈ I, l’ensemble des solutions de (E) est :
Z x
−A(x) A(t)
S = x 7→ e λ+ b(t)e dt |λ ∈ K .
x0
II.3 Problèmes de Cauchy et recollement de solutions

Théorème II.10 (Théorème de Cauchy–Lipschitz). Si x0 ∈ I et y0 ∈ K, alors il existe une unique solution
au problème de Cauchy : ′
y + ay = b
.
y(x0 ) = y0
Rx
Démonstration. Toute solution de (E) est de la forme f : x 7→ e−A(x) λ + x0 b(t)eA(t) , pour un λ ∈ K.
Et donc pour un tel f on a : f (x0 ) = y0 ⇔ λ = y0 eA(x0 ) .
Ce qui assure l’existence et l’unicité de la solution au problème de Cauchy.
Remarque II.11. Le fait que a et b soient continues est essentiel : on peut perdre aussi bien l’existence que
l’unicité sinon.
Remarque II.12. On peut reformuler le résultat en terme d’applications. Cela veut dire que, pour tout
x0 ∈ I, l’application :
S → K
φ:
f 7→ f (x0 )
est bijective (peu importe la valeur de x0 ).
Corollaire II.13. Si f, g sont deux solutions de (E), alors : soit f = f , soit leurs courbes ne se croisent
jamais. C’est-à-dire que :
∀f, g ∈ S, (∀x ∈ I, f (x) = g(x)) ⇔ (∃x ∈ I, f (x) = g(x)) .
Démonstration. S’il existe x0 ∈ I tel que f (x0 ) = g(x0 ), alors f et g sont solutions du même problème de
Cauchy (associé aux conditions initiales x0 et f (x0 ) = y0 = g(x0 )), donc f = g.
Remarque II.14. On peut reformuler le résultat en terme de relations : cela veut dire que la relation définie
sur I × K par :
(x1 , y1 )R(x2 , y2 ) ⇔ ∃f ∈ S, f (x1 ) = y1 et f (x2 ) = y2
est une relation d’équivalence (la symétrie et la réflexivité sont immédiates, et c’est la transitivité qui
découle du résultat précédent).
Méthode II.15 (Problème de recollement). Si a et b sont continues sur un intervalle I privé des points
x1 , . . . , xm , on peut chercher une solution sur I de (E) en :
1. cherchant une solution de (E) sur chaque intervalle ouvert inclus dans I \ {x1 , . . . , xn } ;
2. choisir si possible les paramètres λ sur chaque intervalle de telle sorte que la solution obtenue soit
prolongeable par continuité en les xi ;
3. vérifier que la solution obtenue est dérivable.
Exemple II.16. Résolvons sur R l’équation différentielle linéaire (E) : x2 y ′ − y = x2 − x + 1.
2
En divisant par x2 l’équation, on se ramène à étudier sur R∗+ et R∗− l’équation : y ′ − x12 y = x −x+1
x2
— équation homogène : sur R∗+ ou sur R∗− , une primitive de − x12 est x1 , donc les solutions de l’équation
homogène sont de la forme :
1
x 7→ λe− x , λ ∈ K.
— solution particulière : la méthode de variation de la constante conduit à beaucoup de calculs, et doit
se faire avec une identification. On va directement raisonner par identification, en cherchant une
solution particulière de la forme f : x 7→ ax + b. On a pour une telle fonction f :
1 ax + b ax2 − ax − b
f ′ (x) − f (x) = a − =
x2 x2 x2
donc f : x 7→ x − 1 est une solution particulière de (E) (aussi bien sur R∗+ que sur R∗− ).
II. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES DU PREMIER ORDRE 115
— ensembles solution : les ensembles de solutions sur R∗+ ou R∗− sont donc données respectivement par
les ensembles :
S+ = {x 7→ x − 1 + λe−1/x | λ ∈ K} et S− = {x 7→ x − 1 + µe−1/x | µ ∈ K}
— recollement continu : comme lim− e−1/x = +∞ et lim+ e−1/x = 0 (par limite d’une composée), alors
x→0 x→0
le seul moyen d’avoir une solution continue en 0 en recollant des éléments de S+ et S− est de
prendre µ = 0. Donc les solutions possibles de (E) sont les fonctions de la forme :

 x − 1 + λe−1/x si x > 0
x 7→ −1 si x = 0 , pour λ ∈ K.
x−1 si x < 0

— dérivabilité du recollement : soit f une solution continue obtenue par recollement. Alors :
f (x) − f (0)
— si x < 0 : = 1 −→− 1 ;
x x→0
f (x) − f (0) λe−1/x −1/x
−→+ 1 où on utilise que lim+ e x = lim+ − −1
−1/x
— si x > 0 : =1+ x
e =
x x x→0 x→0 x→0
lim (−x) · ex = 0 par croissances comparées.
x→−∞
donc une telle fonction est bien dérivable.
Conclusion : les solutions de (E) sont exactement les fonctions :

 x − 1 + λe−1/x si x > 0
x 7→ −1 si x = 0 , λ ∈ K.
x−1 si x < 0

5 5
4 4
3 3
2 2
1 1
−5 −4 −3 −2 −1 0 1 2 3 4 5 −5 −4 −3 −2 −1 0 1 2 3 4 5
−1 −1
−2 −2
−3 −3
−4 −4
−5 −5
Ainsi, le problème de Cauchy associé à (E) avec condition initiale y(x0 ) = y0 admet :
— une unique solution si x0 > 0 et y0 ∈ K (quelconque) ;
— une infinité de solutions si x0 ≤ 0 et y0 = x0 − 1 ;
— aucune solution si x0 ≤ 0 et y0 ̸= x0 − 1.
III Équations différentielles linéaires du second ordre à coefficients

constants
On considère ici l’équation différentielle : (E) : y ′′ + ay ′ + by = c, définie sur un intervalle I, où a, b sont
des constantes dans K, et c est une fonction continue sur I à valeurs dans K.
On note (E0 ) : y ′′ + ay ′ + by = 0 l’équation homogène associée.
Définition III.1. Le polynôme X 2 + aX + b est appelé le polynôme caractéristique de l’équation (E).
III.1 Solutions de l’équation homogène

Proposition III.2. Notons ∆ = a2 − 4b. Alors :
1. si ∆ ̸= 0 : notons r1 , r2 les deux racines distinctes du polynôme caractéristique de (E). Les solutions
de (E0 ) sont les fonctions de la forme : x 7→ λer1 x + µer2 x , pour λ, µ ∈ C (ou leurs parties réelles
si on raisonne sur R) ;
2. si ∆ = 0 : notons r l’unique racine du polynôme caractéristique de (E). Les solutions de (E0 ) sont
les fonctions de la forme : x 7→ (λx + µ)erx , pour λ, µ ∈ C (ou leurs parties réelles si on raisonne
sur R).
Démonstration. Notons r1 , r2 les racines du polynôme caractéristique (avec éventuellement r1 = r2 = r).

Soit f deux fois dérivable sur I. Posons g = f ′ − r2 f . Alors g est dérivable, avec g ′ = f ′′ − r2 f ′ . Comme
r1 + r2 = −a et que r1 r2 = b, on déduit que :
f ∈ S0 ⇔ f ′′ = −af ′ − bf
⇔ g ′ = −ag ′ − bg − r2 g ′
⇔ g ′ = r1 f ′ − r1 r2 f = r1 g
donc z est solution de (E0 ) si, et seulement si, g est de la forme x 7→ λer1 x pour λ ∈ K.
Ainsi, f est solution de (E0 ) si, et seulement si, f est solution de l’équation différentielle linéaire d’ordre
1:
(E ′ ) : y ′ − r2 y = λer1 x
dont les solutions de l’équation homogène sont de la forme x 7→ µer2 x , pour µ ∈ K.
Reste à trouver une solution particulière, ce que l’on fait par variation de la constante en cherchant
une solution sous la forme x 7→ µ(x)er2 x : c’est une solution si, et seulement si, µ est une primitive de
x 7→ λe(r1 −r2 )x .
e(r1 −r2 )x
1. si ∆ ̸= 0 : alors r1 ̸= r2 , donc µ : x 7→ λ . Donc :
r1 − r2
λ
S = {x 7→ er1 x + µer2 x | λ, µ ∈ K} = {x 7→ λer1 x + µer2 x | λ, µ ∈ K}.
r1 − r2
2. si ∆ = 0 : alors r1 = r2 = r, donc µ : x 7→ λx. Donc :
S = {x 7→ (λx + µ)erx }.
Exemples III.3.
1. Les solutions de l’équation y ′′ − y ′ − 2y = 0 sont les x 7→ λe−x + µe2x , λ, µ ∈ K ;
2. Les solutions de l’équation y ′′ − 4y ′ + 4y = 0 sont les x 7→ (λx + µ)e2x , λ, µ ∈ K.
III. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES DU SECOND ORDRE À COEFFICIENTS CONSTANTS
Corollaire III.4. Si a, b ∈ R, alors avec les mêmes notations :

1. si ∆ > 0 : alors r1 , r2 ∈ R et les solutions réelles de (E0 ) sont les fonctions de la forme : x 7→
λer1 x + µer2 x , pour λ, µ ∈ R ;
2. si ∆ = 0 : alors r ∈ R et les solutions réelles de (E0 ) sont les fonctions de la forme : x 7→ (λx+µ)erx ,
pour λ, µ ∈ R ;
3. si ∆ < 0 : alors r1 , r2 = α ± iβ avec α, β ∈ R et les solutions réelles de (E0 ) sont les fonctions de
la forme : x 7→ eαx (λcos(βx) + µsin(β)), pour λ, µ ∈ R.
Démonstration. Si f est une solution réelle, alors f est une solution complexe telle que Re(f ) = f .
Ainsi les cas où ∆ ≥ 0 se proviennent directement de l’étude de C (et le fait que f = Re(f ) imposent que
λ, µ ∈ R).
Supposons ∆ < 0. Comme a, b ∈ R, alors r1 = r2 = α + iβ. Si f est une solution réelle, elle est de la forme
f : x 7→ λ1 e(α+iβ)x + µ1 e(α−iβ)x = eαx ((λ1 + µ1 )cos(βx) + i(λ1 − µ1 )sin(βx)).
Et ainsi pour tout x ∈ I :
 
f (x) = Re(f (x)) = eαx Re(λ1 + µ1 ) cos(βx) + Re(i(λ1 − µ1 )) sin(βx) .

| {z } | {z }
=λ =µ
Et il est clair que les fonctions de cette forme sont bien des solutions.
Remarques III.5.
1. Dans le dernier cas, avec les mêmes notations, les solutions sont aussi les fonctions de la forme :
x 7→ Aeαx cos(βx + φ), pour A ∈ R+ et φ ∈] − π; π], suivant un résultat de trigonométrie. On dit
alors que A est l’amplitude, φ le déphasage, α le coefficient d’amortissement, et β la fréquence.
Cette notation est fréquente lorsque l’on travaille avec des circuits électriques.
2. De manière cachée, la dernière égalité nécessite que λ1 = µ1 : c’est un résultat que l’on peut
retrouver par le théorème de Cauchy–Lipschitz qui assure l’unicité de l’écriture des solutions, et du
fait que, pour f réelle, f = f fournit une autre écriture qui revient à changer λ1 en µ1 et µ1 en λ1 .
Exemple III.6. Si ω ∈ R∗ , les solutions réelles de l’équation différentielle y ′′ + ω 2 y = 0 sont les fonctions
de la forme :
x 7→ λcos(ωx) + µsin(ωx), λ, µ ∈ R.
III.2 Solutions de l’équation complète

Proposition III.7. Si c : x 7→ Aeλx , pour A, λ ∈ K, alors il existe une solution particulière de (E) de la
forme :
1. x 7→ µeλx , avec µ ∈ K, si λ n’est pas une racine du polynôme caractéristique ;
2. x 7→ µxeλx , avec µ ∈ K, si λ est racine simple du polynôme caractéristique ;
3. x 7→ µx2 eλx , avec µ ∈ K, si λ est racine double du polynôme caractéristique.
Démonstration. Soit k ∈ N et µ ∈ K. On pose f : x 7→ µxk eλx . Alors f est deux fois dérivable sur R, avec :
∀x ∈ R, f ′ (x) = µeλx λxk + kxk−1 et f ′′ (x) = µeλx λ2 x + 2λktk−1 + k(k − 1)xk−2 .

Donc pour tout x ∈ R :

f ′′ (x) + af ′ (x) + bf (x) = µeλx (λ2 + aλ + b)xk + (2λ + a)kxk−1 + k(k − 1)xk−2

Donc f est une solution si, et seulement si, pour tout x ∈ R :

µ (λ2 + aλ + b)xk + (2λ + a)kxk−1 + k(k − 1)xk−2 = A.

1. si λ n’est pas racine du polynôme caractéristique : alors λ2 + aλ + b ̸= 0, donc k = 0 et µ =

A
2
conviennent ;
λ + aλ + b
2. si λ est racine simple du polynôme caractéristique : alors λ2 + aλ + b = 0 mais 2λ + a ̸= 0, donc
A
k = 1 et µ = conviennent ;
2λ + a
3. si λ est racine double du polynôme caractéristique : alors λ2 + aλ + b = 0 et 2λ + a = 0, donc k = 2
A
et µ = conviennent.
2
Remarque III.8. Le passage de C à R permet de trouver par la même méthodes des solutions réelles lorsque
c est de la forme Beαx cos(βx) ou Beαx sin(βx) en raisonnant dans les complexes puis en prenant les parties
réelles ou imaginaire.
Exemple III.9. Considérons l’équation (E) : y ′′ − y ′ − 2y = e−x .
Le polynôme caractéristique est X 2 − X − 2 = (X − 2)(X + 1), donc −1 est racine simple du polynôme
caractéristique, et il existe une solution particulière sous la forme x 7→ λxe−x . Posons f : x 7→ λxe−x .
Alors :
∀x ∈ R, f ′ (x) = λ(1 − x)e−x et f ′′ (x) = λ(x − 2)e−x .
Donc : f ′′ (x) − f ′ (x) − 2f (x) = λe−x · [(x − 2) − (1 − x) − 2x] = −3λe−x .
Donc : f : x 7→ − 13 xe−x est une solution de (E).
Donc les solutions de (E) sont les fonctions de la forme :

1
x 7→ λ − x e−x + µe2x .
3
Exemple III.10. Considérons l’équation (E) : y ′′ + 2y ′ + 2y = −2e−x cos(x), dont on cherche les solutions
réelles.
On lui associe l’équation : (E ′ ) : y ′′ + 2y ′ + 2y = −2e−x eix = −2e(−1+i)x .
Le polynôme caractéristique est X 2 + 2X + 2 = (X − (−1 + i))(X − (−1 − i)), donc (−1 + i) est racine
simple du polynôme caractéristique, et il existe une solution particulière sous la forme x 7→ λxe(−1+i)x .
Posons f : x 7→ λxe(−1+i)x . Alors :
∀x ∈ R, f ′ (x) = λ(1 + (−1 + i)x)e(−1+i)x et f ′′ (x) = λ(−2 + 2i − 2ix)e(−1+i)x .
Donc : f ′′ (x) + 2f ′ (x) + 2f (x) = λe(−1+i)x · [(−2 + 2i − 2ix) + 2(1 + (−1 + i)x) + 2x] = 2iλe(−1+i)x .
Donc : f : x 7→ ixe(−1+i)x est une solution de (E ′ ).
Donc y : x 7→ Re(f (x)) = −xe−x sin(x) est une solution de (E).
Donc les solutions de (E) sont les fonctions de la forme :
x 7→ e−x λeix + µe−x − xsin(x) = e−x [(λ + µ)cos(x) + (iλ − iµ − x)sin(x)] , λ, µ ∈ C

et les solutions à valeurs réelles sont les :
x 7→ e−x [λ′ cos(x) + (µ′ − x)sin(x)] , λ′ , µ′ ∈ R.
Remarque III.11. Au lieu de passer par les parties réelles, on pouvait aussi utiliser le principe de super-
ix −ix
position, en constatant que : cos(x) = e +e2
.
Remarque III.12. En général, on précisera sous quelle forme chercher une solution particulière. Notons
que, plus généralement, si le second membre est de la forme Q(x)eλx , on peut trouver une solution de la
forme xm R(x)eλx où m est la multiplicité de λ comme racine du polynôme caractéristique et R est un
polynôme de même degré que Q.
III. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES DU SECOND ORDRE À COEFFICIENTS CONSTANTS
III.3 Problèmes de Cauchy

Théorème III.13 (Théorème de Cauchy–Lipschitz). Si x0 ∈ I et y0 , y1 ∈ K, alors il existe une unique
solution au problème de Cauchy :  ′′
 y + ay ′ + by = c
y(x0 ) = y0 .
y ′ (x0 ) = y1

Idée de preuve. On admet que l’équation différentielle (E) possède une solution, que l’on note f . Alors :
1. si ∆ ̸= 0 : les solutions sont de la forme x →7 λer1 x + µer2 x + f (x). Donc on souhaite résoudre le
système d’inconnues λ, µ suivant :
rx
e 1 0 λ + er2 x0 µ = y0 − f (x0 )
r1 er1 x0 λ + r2 er2 x0 µ = y1 − f ′ (x0 )
qui est un système de linéaire à 2 inconnues, et 2 équations. Son déterminant est : (r2 −r1 )e(r1 +r2 )x0 ̸=
0, donc ce système admet une unique solution.
2. si ∆ = 0 : on procède de même, et on est amené à chercher les solutions du système :

x0 erx0 λ + erx0 µ = y0 − f (x0 )
(1 + rx0 )erx0 λ + rerx0 µ = y1 − f ′ (x0 )
qui est de déterminant −e2rx0 ̸= 0, et admet donc aussi une unique solution.
Dans les deux cas, il n’y a donc qu’une seule solution au problème de Cauchy.
Remarque III.14. Comme pour le degré 1, on peut montrer l’existence de solution par une méthode de
variation de la constante, mais celle-ci est plus complexe pour le degré 2.
Si c est de l’une des formes du paragraphe précédent (ou une fonction constante), on sait trouver des
solutions donc la démonstration est complète.
Chapitre 11
Arithmétique dans les entiers
I Divisibilité et nombres premiers

I.1 Divisibilité dans Z et division euclidienne
Définition I.1. Soient a, b ∈ Z. On dit que a divie b, ce que l’on note a|b, s’il existe x ∈ Z tel que b = ac.
On dit alors que a est un diviseur de b ou que b est un multiple de a.
Exemples I.2.
1. les diviseurs de 15 sont 1, 3, 5, 15 et leurs opposés ;
2. 1 et −1 divisent tout entier, tandis que ce sont les seuls diviseurs de 1 ;
3. 0 est multiple de tout entier, tandis que son seul multiple est 0.
Proposition-Définition I.3. Si n ∈ Z, on note D(n) l’ensemble des diviseurs de n. C’est un ensemble fini
si, et seulement si, n est non nul.
On note de même nZ = {n × k | k ∈ Z} l’ensemble des multiples de n. C’est un ensemble infini si, et
seulement si, n est non nul.
Démonstration. On a déjà D(0) = Z qui est infini et 0Z = {0} qui est fini.
Si n ̸= 0 : si a ∈ D(n), alors il existe c ∈ Z tel que n = ac. Comme n ̸= 0, alors c ̸= 0, donc |c| ≥ 1. Ainsi :
|a| ≤ |n|, donc D(n) ⊂ J−n; nK est fini.
Z → nZ
Pour un tel n, l’application φ : est une fonction injective de l’ensemble infini Z dans nZ,
k 7→ n × k
donc nZ est infini.
Proposition I.4. Soient a, b, n ∈ Z tels que n|a et n|b. Alors :
∀u, v ∈ Z, n|au + bv.
Démonstration. On écrit a = cn et b = dn pour c, d ∈ Z. Alors :
au + bv = cnu + dnv = (cu + dv) n.

| {z }
∈Z
Proposition-Définition I.5. Si a, b ∈ Z vérifient simultanément que a|b et b|a, on dira que a et b sont
associés.
C’est le cas si, et seulement si, |a| = |b|.
121
122 CHAPITRE 11. ARITHMÉTIQUE DANS LES ENTIERS
Démonstration. Si a = 0, alors b = 0 donc le résultat est vérifié.

Sinon, on pose c, d ∈ Z tels que a = cb et b = da. Et donc a = cda, donc cd = 1 (comme a ̸= 0), et
c = d = ±1. Si c = 1, alors a = b. Si c = −1, alors a = −b. Dans les deux cas : |a| = |b|.
Réciproquement, si |a| = |b| : alors a = ±b donc b|a ; et b = ±a, donc a|b.
Théorème-Définition I.6. Si a ∈ Z avec b ∈ N∗ , il existe un unique couple (q, r) ∈ Z2 tel que :
a = bq + r et 0 ≤ r < b.
On dit alors que q est le quotient et que r est le reste de la division euclidienne de a par b.
Démonstration.
— existence : l’ensemble A = {a − bk | k ∈ Z} ∩ N est une partie non vide de N (prendre k = −|a|),
donc elle possède un plus petit élément r. En notant q la valeur de k associée à r, on a : r = a − bq.
Par définition de r, on a r ≥ 0. Il suffit de montrer que r < b : si ce n’était pas le cas, alors r − b ≥ 0,
et r − b = a − b(q + 1), donc (r − b) ∈ A, ce qui contredit la définition de r.
— unicité : si bq1 +r1 = bq2 +r2 , alors b(q1 −q2 ) = r2 −r1 avec −b < r2 −r1 < b. Donc : −1 < q1 −q2 < 1,
donc q1 − q2 = 0, c’est-à-dire q1 = q2 , puis r1 = r2 . Ce qui montre l’unicité.
Remarque I.7. Le théorème reste vrai si b < 0, en imposant que 0 ≤ r < |b|.
I.2 Congruences
Définition I.8. Si a, b ∈ Z et n ∈ N∗ , on dit que a et b sont congrus modulo n, ce que l’on note a ≡ b [n],
si n|(a − b).
Remarque I.9. L’entier a est un multiple de n si, et seulement si, a ≡ 0 [n].
Proposition I.10. La relation de congruence est une relation d’équivalence sur Z.
Démonstration. Évident.
Proposition I.11 (Calculs modulaires). Si n ∈ N∗ et a, b, c, d ∈ Z, alors :
1. si a ≡ b [n] et c ≡ d [n], alors a + c ≡ b + d [n] ;
2. si a ≡ b [n] et c ≡ d [n], alors ac ≡ bd [n] ;
3. si a ≡ b [n] et k ∈ N, alors : ak ≡ bk [n] ;
4. si m ∈ N∗ , alors : a ≡ b [n] ⇔ am ≡ bm [nm].
Démonstration.
1. on note a − b = nk et c − d = nl. Alors : (a + c) − (b + d) = n(k + l), donc a + c ≡ b + d [n].
2. Avec les mêmes notations : ac = (b + nk)(d + nl) = bd + n(kd + lb + nkl) donc ac ≡ bd [n].
3. Par récurrence sur k, grâce au résultat précédent.
4. On procède par équivalence :
a ≡ b [n] ⇔ ∃k ∈ Z, a − b = kn
⇔ ∃k ∈ Z, m(a − b) = mnk car m ̸= 0
.
⇔ ∃k ∈ Z, am − bm = (mn)k
⇔ am ≡ bm [mn]
Exemple I.12. Par exemple, pour n = 3 ou 9, on retrouve les critères usuels de divisibilité car :
I. DIVISIBILITÉ ET NOMBRES PREMIERS 123
— 10 ≡ 1 [n] ;
— pour tout k ∈ N : 10 ≡ 1k = 1 [n] ;
— si m ∈ N∗ a pour écriture décimale ar ar−1 . . . a1 a0 , alors m = rk=0 ak 10k , et donc : a ≡ N
P P
k=0 ak [n].
Et on peut adapter un peu pour trouver un critère de divisibilité par 37.
Proposition I.13. Soient n ∈ N∗ et a, b ∈ Z :

1. si a = nq + r est la division euclidienne de a par n, alors : a ≡ r [n] ;
2. a et b sont congrus modulo n si, et seulement si, ils ont même reste dans la division euclidienne
par n.
Démonstration.
1. on a directement a − r = nq est un multiple de n, donc a ≡ r [n] ;
2. si a = nq1 + r1 et b = nq2 + r2 sont les divisions euclidiennes de a et b par n, alors :
— si a ≡ b [n] : alors r1 ≡ r2 [n], donc r1 − r2 est un multiple de n. Mais −n < r1 − r2 < n, donc
r1 = r2 .
— si r1 = r2 : alors r1 ≡ r2 [n] donc a ≡ b [n].
Corollaire I.14. Si n ∈ N∗ et a ∈ Z, il y a équivalence entre :

1. a est divisible par n ;
2. a ≡ 0 [n] ;
3. le reste de la division euclidienne de a par n est nul.
Corollaire I.15. Il y a exactement n classes d’équivalence pour la relation de congruence modulo n, à

savoir : 0, 1, . . . , n − 1.
I.3 Les nombres premiers

Définition I.16. Un nombre premier est un entier naturel possédant exactement deux diviseurs positifs
(1 et lui-même). Un entier naturel qui n’est pas premier est dit composé.
Remarque I.17. Comme tout nombre est divisible par 1 et par lui-même, les nombres premiers sont les
nombres distincts de 1 possédant le moins de diviseurs possibles.
Proposition I.18. Un entier p ≥ 2 est premier si, et seulement si :
∀a, b ∈ N, p = ab ⇒ (a = 1 ou b = 1).
Démonstration. Si p est premier et p = ab, alors a, b sont des diviseurs de p, donc égaux à 1 ou p. Donc si
a ̸= 1, alors a = p donc b = 1.
Réciproquement, soit a un diviseur de p différent de 1. Alors il existe b tel que ab = p. Mais, comme a ̸= 1,
alors b = 1 donc a = p.
Exemples I.19. Les premiers nombres premiers sont 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31 et 37.
Proposition I.20. Si n est un entier √naturel composé, alors son plus petit diviseur plus grand que 1 est un
nombre premier inférieur ou égal à n.
Démonstration. Soit p ce diviseur. On écrit n = pq avec q ∈ N∗ :

— comme n n’est pas premier, alors p ̸= n, donc q ̸= 1 ; √
— par définition de p, on a donc p ≤ q, donc p2 ≤ n, donc p ≤ n ;
— si p n’était pas premier, comme p > 1, alors p possède un diviseur d avec 1 < d < p. Mais d serait
un diviseur de n, plus grand que 1 et plus petit que p, ce qui est impossible.
Corollaire I.21. Tout entier admet un diviseur premier.
Corollaire I.22. Un entier p est premier si, et seulement si, il n’admet aucun diviseur parmi les nombres
√
premiers inférieurs ou égaux à p.
Remarque I.23. Ce résultat permet d’expliquer la méthode du crible pour déterminer les nombres premiers :
— on représente dans une grille tous les nombres entiers (par exemple ceux plus petits que 40) ;
— on barre 1 ;
— on entoure le premier nombre non barré, puis on barre tous ses multiples ;
— on répète ce processus jusqu’à ce que tous les nombres soient barrés ou entourés.
Les nombres entourés sont les nombres premiers.
1 ⃝2 ⃝3 4 ⃝5 6 ⃝7 8 9 10

⃝
11 12

⃝
13 14

16 ⃝
15
⃝
17
18 19 20

21

22

⃝
23 29
24
25
26
27
28
⃝ 30

⃝
31 32

33

34

35
⃝
36 37
38
39
40

Théorème I.24. Il existe une infinité de nombres premiers.
Démonstration. Raisonnons par l’absurde, en notant p1 , p2 , . . . , pn les nombres premiers, où n désigne le
nombre de nombres premiers. Alors N = p1 × · · · × pn + 1 est soit premier, soit il admet un diviseur
premier :
— il ne peut pas être premier, comme il est distincts de tous les pi ;
— s’il était divisible par un nombre premier, ce serait l’un des pi , mais alors pi diviserait n − p1 × · · · ×
pn = 1, ce qui est impossible.
D’où la contradiction, donc il existe une infinité de nombres premiers.
II PGCD et PPCM
II.1 PGCD et algorithme d’Euclide
Définition II.1. Si a, b ∈ Z, avec a ou b non nul, le plus grand commun diviseur (abrégé en pgcd ou
PGCD) de a et b est le plus grand diviseur commun à a et b :
a ∧ b = pgcd(a, b) = max (D(a) ∩ D(b)) .
Par convention, on pose 0 ∧ 0 = 0.
Exemples II.2.
1. 90 ∧ 75 = 15 car D(90) ∩ D(75) = {±1, ±3, ±5, ±15} ;
2. si a|b, alors a ∧ b = |a|. Plus généralement, si b = 0, alors a ∧ b = |a|.
Proposition II.3. Si a, b ∈ Z et k ∈ Z, alors : a ∧ b = (a + kb) ∧ b.

En particulier, si r est le reste de la division euclidienne de a par b, alors a ∧ b = r ∧ b.
Démonstration. Soit d ∈ Z :
— si d divise à la fois a et b, alors d divise a + kb et b ;
— si d divise à la fois a + kb et b, alors d divise a = (a + kb) − kb et b.
II. PGCD ET PPCM 125
Et donc : D(a) ∩ D(b) = D(a + kb) ∩ D(b). D’où l’égalité cherchée en prenant le maximum dans les deux
ensembles.
Si on écrit a = bq + r comme étant la division euclidienne de a par b, alors r = a − qb, donc on a bien un
cas particulier.
Théorème II.4 (Algorithme d’Euclide). Si a, b ∈ N avec a ≥ b, on détermine le pgcd de a et b avec
l’algorithme d’Euclide :
1. on pose r1 le reste de la division euclidienne de a par b ; donc a ∧ b = b ∧ r1 et 0 ≤ r1 < b ;
2. si r1 ̸= 0, on pose pose r2 le reste de la division euclidienne de b par r1 ;
3. on continue en posant rk+1 le reste de la division euclidienne de rk−1 par rk , tant que rk est non
nul.
La suite des rk ainsi construite est une suite strictement décroissante d’entiers (ce qui assure bien que l’un
des rk est nul et que l’on s’arrête).
Si l’on note rn le dernier reste non nul, alors :
a ∧ b = b ∧ r1 = r1 ∧ r2 = · · · = rn ∧ rn+1 = rn .
|{z}
=0
Donc le pgcd de a et b est le dernier reste non nul dans l’algorithme d’Euclide.
Remarque II.5. Quitte à changer a et b par |a| et |b|, ou à échanger les rôles de a et b, on sera bien dans
cette situation.
Exemple II.6. Calculons 5742 ∧ 1320 :
• 5742 = 1320 × 4 + 462 ;
• 1320 = 462 × 2 + 396 ;
• 462 = 396 × 1 + 66 ;
• 396 = 66 × 6 + 0.
Donc 5742 ∧ 1320 = 66.
Corollaire II.7. Si a, b ∈ Z, alors : D(a) ∩ D(b) = D(a ∧ b).
Démonstration. On avait vu que, si k ∈ Z : D(a) ∩ D(b) = D(a + kb) ∩ D(b).
En reprenant l’algorithme d’Euclide, on a donc :
D(a) ∩ D(b) = D(r1 ) ∩ D(b) = · · · = D(rn ) ∩ D(rn+1 ) = D(rn ) = D(a ∧ b).

| {z }
=Z
Corollaire II.8. Si a, b ∈ Z, le pgcd de a et b est le plus grand élément de D(a) ∩ D(b) au sens de la
divisibilité, c’est-à-dire que le pgcd de a et b est l’unique entier naturel d tel que :
∀n ∈ Z, (n|a et n|b) ⇔ n|d.
Démonstration. Il est clair que a ∧ b vérifie bien ces hypothèses comme D(a) ∩ D(b) = D(a ∧ b).
Réciproquement, si d ∈ N les vérifie, alors :
— comme d|d, on utilise l’implication précédente avec n = d, et alors d|a et d|b, donc d ∈ D(a)∩D(b) =
D(a ∧ b), donc d|a ∧ b ;
— a ∧ b divise a et b, alors en utilisant l’implication précédente avec n = a ∧ b on trouve que a ∧ b|d.
Donc d et a ∧ b sont des entiers naturels associés : ils sont égaux.
Proposition II.9. Si a, b, k ∈ Z, alors :
(ak) ∧ (bk) = |k|(a ∧ b).

Démonstration. On utilise la proposition précédente :

— si n divise |k|(a ∧ b) , comme (a ∧ b) divise a et b, alors n divise |k|a et |k|b donc ka et kb ;
— si n divise ka et kb : alors n divise ka − q × kb = kr1 ; donc en répétant le processus n divise
|k|rn−1 = |k|(a ∧ b).
D’où l’égalité cherchée.
Théorème II.10 (Identité de Bézout). Si (a, b) ∈ Z, il existe u, v ∈ Z tels que : a ∧ b = au + bv.
Démonstration. Montrons par récurrence sur b ∈ N∗ que :
∀a ∈ Z, ∃u, v ∈ Z, a ∧ b = au + bv.
— si b = 1 : alors a ∧ b = 1 = a × 0 + b × 1 ;
— si b ∈ N∗ tel que la proposition a été vérifiée jusqu’à b − 1.
Soit a ∈ Z. On écrit a = bq + r avec 0 ≤ r ≤ b − 1 :
— si r = 0 : alors b divise a donc a ∧ b = b = a × 0 + b × 1 ;
— si r > 0 : alors a∧b = b∧r. Par hypothèse de récurrence, il existe u, v ∈ Z tels que b∧r = bu+rv.
Et donc : a ∧ b = b ∧ r = bu + rv = bu + (a − bq)v = av + b(u − qv)
Ce qui prouve la récurrence.
Le cas où b = 0 est immédiat. Et le cas où b < 0 se déduit du cas où b ∈ N∗ .
Remarque II.11. Suivant la preuve, on peut trouver u et v grâce à l’algorithme d’Euclide à l’envers, en
tenant compte des quotients obtenus à chaque étape. Il s’agit de l’algorithme d’Euclide étendu.
Exemple II.12. Reprenons le calcul de 5742 ∧ 1320 = 66 :
66 = 462 − 396
= 462 − (1320 − 462 × 2) = −1320 + 462 × 3
= −1320 + (5742 − 1320 × 4) × 3 = 5742 × 3 − 1320 × 13
Remarque II.13. On savait déjà que, pour tous u, v ∈ Z, a ∧ b divise au + bv. Ce résultat dit ainsi que :
a ∧ b = min ((aZ + bZ) ∩ N∗ ) .
Et on a même l’égalité : (a ∧ b)Z = aZ + bZ.
II.2 Entiers premiers entre eux

Définition II.14. Deux entiers relatifs a et b sont dits premiers entre eux si a ∧ b = 1.
Exemples II.15.
1. deux nombres premiers sont premiers entre eux si, et seulement si, ils sont distincts ;
2. 999 et 484 sont premiers entre eux, 354 et 2035 aussi, et il y en a beaucoup d’autres...
Théorème II.16 (de Bézout). Deux entiers a et b sont premiers entre eux si, et seulement si, il existe
u, v ∈ Z tels que au + bv = 1.
Démonstration.
— si a ∧ b = 1 : on utilise la relation de Bézout ;
— si au + bv = 1 pour u, v ∈ Z : soit d un diviseur de a et b. Alors d divise au + bv = 1, donc d = ±1.
Donc D(a) ∩ D(b) = {±1}, puis a ∧ b = 1.
Remarque II.17. Du fait de la preuve, on peut trouver u, v par l’algorithme d’Euclide étendu.
Exemple II.18. On effectue l’algorithme d’Euclide étendu pour 484 et 999. On a :
999 = 2 × 484 + 31
484 = 15 × 31 + 19
31 = 1 × 19 + 12
19 = 1 × 12 + 7 .
12 = 1×7+5
7 = 1×5+2
5 = 2×2+1
puis on remonte pour trouver u et v :
1 = 5 − 2 × 2 = 5 − 2 × (7 − 1 × 5)
= 3 × 5 − 2 × 7 = 3 × (12 − 1 × 7) − 2 × 7
= 3 × 12 − 5 × 7 = 3 × 12 − 5 × (19 − 1 × 12)
= 8 × 12 − 5 × 19 = 8 × (31 − 1 × 19) − 5 × 19
= 8 × 31 − 13 × 19
= 8 × 31 − 13 × (484 − 15 × 31)
= 203 × 31 − 13 × 484 = 203 × (999 − 2 × 484) − 13 × 484
= 203 × 999 − 419 × 484
Pour 354 et 2035, on trouve par l’algorithme d’Euclide étendu : 1 = 175 × 2035 − 1006 × 354.
Définition II.19 (Inverse modulaire). Si n ∈ N∗ et a ∈ Z, on dit que a est inversible modulo n s’il existe
b ∈ Z tel que ab ≡ 1 [n].
On dira alors que b est l’inverse modulaire de a (ou que b est l’inverse de a).
Proposition II.20. Si n ∈ N∗ , alors a admet un inverse modulaire si, et seulement si, a est premier avec
n.
Démonstration. L’entier a admet un inverse si, et seulement si, il existe b tel que ab ≡ 1 [n]. C’est-à-dire
si, et seulement si, il existe b, k ∈ Z tels que ab − nk = 1, ce qui revient à ce que a ∧ n = 1 par théorème
de Bézout.
Remarque II.21. En particulier, l’inverse modulaire est donné par l’identité de Bézout.
Exemple II.22.
1. 999 et 203 sont inverses l’un de l’autre modulo 419 ou 484 ;
2. −419 et 484 sont inverses l’un de l’autre modulo 999 ou 203.
Proposition II.23. Soient a, b, c trois entiers non nuls.

Alors a est premier avec (bc) si, et seulement si, a est premier à la fois avec b et avec c.
Démonstration.
— si a ∧ bc = 1 : on considère u, v ∈ Z tels que au + bcv = 1. Alors :
— comme au + b(cv) = 1 : a ∧ b = 1 ;
— comme au + c(bv) = 1 : a ∧ c = 1.
— si a ∧ b = a ∧ c = 1 : alors, par théorème de Bézout, il existe u1 , v1 , u2 , v2 ∈ Z tels que : 1 =
au1 + bv1 = au2 + cv2 . Donc en les multipliant :
1 = (au1 + bv1 )(au2 + cv2 ) = a (au1 u2 + cu1 v2 + bv1 u2 ) + bc (v1 v2 )
donc a ∧ (bc) = 1 par théorème de Bézout.

Corollaire II.24. Soient a, b1 , . . . , bn ∈ Z.

Alors a est premier avec le produit b1 . . . bn si, et seulement si, il est premier avec chacun des bi pour
i ∈ J1; nK.
Proposition II.25 (Lemme de Gauss). Soient a, b, c trois entiers non nuls.
Si a divise bc et que a est premier avec b, alors a divise c.
Démonstration. Par théorème de Bézout, on écrit : au + bv = 1. Donc auc + bvc = c.
Mais a divise auc et bvc, donc leur somme. Donc a divise c.
Corollaire II.26 (Division modulaire). Si n ∈ N∗ et a, b, c ∈ Z tels que c ∧ n = 1, alors : ac ≡ bc [n] ⇔
a ≡ b [n].
Démonstration. On peut multiplier par l’inverse modulaire de c (qui existe bien comme c ∧ n = 1), comme
les calculs modulaires se comportent bien avec les produits.
Ou alors on applique le lemme de Gauss : si ac ≡ bc [n], alors n divise (ac − bc) = c(a − b), donc n divise
a − b, donc a ≡ b [n] et la réciproque est évidente.
Corollaire II.27. Soient a, b, c trois entiers non nuls tels que : a divise c, b divise c et a ∧ b = 1.
Alors ab divise c.
Démonstration. Comme a|c, on écrit ad = c pour un d ∈ Z. Mais b divise c = ad et est premier avec a,
donc b divise d.
On écrit donc d = bd′ pour d′ ∈ Z. Et finalement : abd′ = c, donc ab|c.
a b
Proposition II.28. Si a, b ∈ Z sont non nuls, alors a∧b et a∧b sont premiers entre eux.
De plus, si n ∈ N et a , b ∈ Z vérifient que : a ∧ b = 1, a = na′ et b = nb′ , alors n = a ∧ b.
′ ′ ′ ′
Démonstration. On note d = a ∧ b pour simplifier.

Par propriété du pgcd, on a déjà :
a b a b
d=a∧b= d ∧ d = d · ( ∧ ).
d d d d
donc ad ∧ db = 1.
Pour n, a′ , b′ comme dans l’énoncé, on a :
d = a ∧ b = (na′ ) ∧ (nb′ ) = n(a′ ∧ b′ ) = n
Proposition-Définition II.29. Si r ∈ Q, alors il existe une unique écriture de la forme r = ab avec (a, b) ∈
Z × N∗ , et a et b premiers entre eux.
Cette écriture est appelée forme irréductible de r.
′
Si r = ab′ est une autre écriture avec (a′ , b′ ) ∈ Z × N∗ , alors il existe k ∈ N∗ tel que a′ = ak et b′ = bk.
A
Démonstration. Soit r = B ∈ Q avec A, B ∈ Z et B ̸= 0. Quitte à changer (A, B) en (−A, −B), on peut
supposer que B ∈ N∗ .
Le cas où r = 0 est immédiat (car alors a = 0 et b = 1 conviennent). Supposons donc r ̸= 0, c’est-à-dire
A ̸= 0.
A B
Alors a = A∧B et b = A∧B conviennent, ce qui assure l’existence.
′ ′
Donnons-nous b′ une autre écriture. Alors ab′ = ab , donc a′ b = ab′ . Ainsi, b divise ab′ et est premier avec a,
a
′ ′
donc b′ divise b. Et de même a′ divise a. Ce qui assure que aa = bb est un entier (par divisibilité) positif
(comme b, b′ ∈ N∗ ). En le notant k, on a donc : a′ = ka et b′ = kb.
′
Si l’écriture ab′ est irréductible, alors on trouve de même que b′ divise b, et a′ divise a. Donc b et b′ sont
associés et de même signe : ils sont égaux. Donc k = 1, et a = a′ . Ce qui assure l’unicité.
Corollaire II.30. Si a, b ∈ Z avec b ̸= 0 et u0 , v0 ∈ Z tels que au0 + bv0 = a ∧ b, alors :
{(u, v) ∈ Z2 | au + bv = a ∧ b} = {(u0 + kβ, v0 − kα) | k ∈ Z}

α
où β
est la fonction irréductible de ab .
Démonstration. En exercice.
II.3 PPCM
Définition II.31. Si a, b ∈ Z, avec a et b non nul, le plus petit commun multiple (abrégé en ppcm ou
PPCM) de a et b est le plus petit multiple strictement positif commun à a et b :
a ∨ b = ppcm(a, b) = min (aZ ∩ bZ ∩ N∗ ) .
Par convention, on pose a ∨ 0 = 0 pour tout entier a.
Proposition II.32. Si a, b ∈ Z, le ppcm de a et b est le plus petit élément de aZ ∩ bZ au sens de la

divisibilité, c’est-à-dire que le ppcm de a et b est l’unique entier naturel m tel que :
∀n ∈ Z, (a|n et b|n) ⇔ m|n.
Démonstration. Posons m = a ∨ b, qui est un multiple de a et b. Considérons n un multiple de a et b, et

écrivons n = mq + r la division euclidienne de n par m, avec donc 0 ≤ r < m. Alors r = n − mq est aussi
un multiple de a et de b, et par minimalité de m on a donc r = 0, donc on a bien que m divise n.
Réciproquement, si m ∈ N vérifie ces hypothèse, alors :
— avec n = a ∨ b : comme a|a ∨ b et b|a ∨ b, alors m|a ∨ b ;
— avec n = m : comme m|m, alors a|m et b|m, donc a ∨ b|m (comme a ∨ b vérifie aussi l’équivalence
précédente).
Donc m et a ∨ b sont associés, donc égaux (comme ils appartiennent à N).
Proposition II.33. Si a, b, k ∈ Z, alors :
(ak) ∨ (bk) = |k|(a ∨ b).
Démonstration. On utilise la proposition précédente :

— si n est un multiple de |k|(a ∨ b), comme (a ∨ b) est un multiple de a et b, alors n est un multiple
de |k|a et |k|b ;
— si n est un multiple de (ka) et de (kb), alors c’est un multiple de k ; si on pose n = kn′ , alors n′ est
un multiple de a et de b, donc un multiple de (a ∨ b). Donc n = kn′ et un multiple de |k|(a ∨ b).
D’où l’égalité cherchée.
Proposition II.34. Si a, b ∈ Z, alors : (a ∧ b) × (a ∨ b) = |a × b|.
Démonstration. Supposons déjà que a et b sont premiers entre eux. On chercher alors à montrer que
a ∨ b = |ab|, et donc :
∀n ∈ Z, (a|n et b|n) ⇔ ab|n.
Considérons donc n ∈ Z :
— si ab|n : comme ab est un multiple de a et b, alors n est un multiple de a et de b (par transitivité) ;
— si n est un multiple de a et b : on écrit m = au = bv pour u, v ∈ Z. Et ainsi : a divise bv et est
premier avec b, donc a divise v. On peut donc écrire v = ak, pour k ∈ Z, et donc m = bv = abk est
un multiple de ab.
Donc a ∨ b = |ab| et l’égalité est vérifiée.

Si a et b ne sont pas premiers entre eux : le résultat est clair si a ou b est nul, car alors :
(a ∨ b) = 0 = ab
a b
Sinon, on applique le résultat précédent à a∧b et a∧b , qui sont premiers entre eux. On a par la proposition
précédente :
a b ab ab
a ∨ b = (a ∧ b) ∨ = (a ∧ b) × 2
=
a∧b a∧b (a ∧ b) a∧b
donc, en multipliant par (a ∧ b) on trouve bien l’égalité voulue.
II.4 PGCD d’un nombre fini d’entiers

Définition II.35. Si a1 , . . . , an ∈ Z non tous nuls, on définit le pgcd de a1 , . . . , an comme le plus grand
diviseur commun de tous les ai :
n n
!
^ \
a1 ∧ · · · ∧ an = ai = pgcd(a1 , . . . , an ) = max D(ai )
i=1 i=1
et on pose 0 ∧ · · · ∧ 0 = 0.
Proposition II.36. Si a1 . . . , an sont des entiers, alors :
n
\
D(pgcd(a1 , . . . , an )) = D(ai ).
i=1
Démonstration. On procède par récurrence sur n ∈ N avec n ≥ 2. Le cas n = 2 ayant été montré avant.
Pour l’hérédité, on pose d = pgcd(a1 , . . . , an ). On a :
n+1 n
!
\ \
D(ai ) = D(ai ) ∩ D(an+1 ) = D(d) ∩ D(an+1 ) = D(d ∧ an+1 )
i=1 i=1
et en prenant le maximum des ensembles précédents, il vient que d ∧ an+1 est le pgcd de a1 , . . . , an+1 , ce
qui donne le résultat voulu.
Remarque II.37. On peut ainsi calculer récursivement le pgcd d’une famille d’entier.
Corollaire II.38. Le pgcd de a1 , . . . , an est le plus grand diviseur commun des ai pour la divisibilité.
n
X
Proposition II.39. Si a1 , . . . , an sont des entiers non nuls, alors il existe u1 , . . . , un ∈ Z tels que : ai ui =
i=1
n
^
ai .
i=1
Démonstration. On procède par récurrence sur n ∈ N avec n ≥ 2. Le cas n = 2 ayant été montré avant.
Pour l’hérédité, on pose d = pgcd(a1 , . . . , an ) : Pn
— par hypothèse de récurrence (pour n) : d = i=1 ai ui ;
— par le point précédent : n+1
V
a
i=1 i = d ∧ a n+1 .
Et ainsi par théorème de Bézout :
n+1
^ n
X
ai = du + an+1 v = ai (dui ) + an+1 v.
i=1 i=1
III. DÉCOMPOSITION EN PRODUIT DE NOMBRES PREMIERS 131
Corollaire II.40. Si a1 , . . . , an ∈ Z, alors :

n
^
ai = min ((a1 Z + · · · + an Z) ∩ N∗ ) .
i=1
Définition II.41. On dit que des entiers a1 , . . . , an sont premiers entre eux dans leur ensemble si
leur pgcd vaut 1.
On dit qu’ils sont premiers entre eux deux-à-deux si ai et aj sont premiers entre eux pour tous i ̸= j
Proposition II.42. Si les ai sont deux-à-deux premiers entre eux, ils le sont dans leur ensemble.
Démonstration. On a : a1 ∧ a2 ∧ · · · ∧ an == 1.
| {z }
=1
Remarque II.43. La réciproque est fausse : (a1 , a2 , a3 ) = (2, 3, 6) donne un contre-exemple.

Proposition II.44. P Des entiers a1 , . . . , an sont premiers entre eux si, et seulement si, il existe des entiers
u1 , . . . , un tels que ni=1 ai ui = 1.
Démonstration. Comme
Ppour deux entiers : une implication par théorème de Bézout ; l’autre car un diviseur
commun aux ai divise ni=1 ai ui .
III Décomposition en produit de nombres premiers

III.1 La décomposition en facteurs premiers
Proposition III.1. Soient p un nombre premier et n ∈ Z.
Alors n est divisible par p si, et seulement si, p et n ne sont pas premiers entre eux.
Démonstration. Les diviseurs positifs de p sont 1 et p, donc :
p ∧ n ̸= 1 ⇔ p ∧ n = p ⇔ p|n.
Corollaire III.2 (Lemme d’Euclide). Un nombre premier divise un produit si, et seulement si, il divise l’un
des facteurs.
Démonstration. Soit p un nombre premier :
p ne divise pas a1 . . . an ⇔ p est premier avec a1 . . . an

⇔ p est premier avec chaque ai .
⇔ p ne divise aucun ai
Théorème III.3 (Théorème fondamental de l’arithmétique). Tout entier strictement positif s’écrit comme
produit (éventuellement vide) de nombres premiers, de manière unique à l’ordre près des facteurs.
Démonstration. Montrons l’existence par récurrence forte sur n ∈ N∗ :
— si n = 1 : alors n est le produit de 0 nombres premiers (un produit vide) ;
— supposons le résultat vrai jusqu’à n ∈ N∗ . Alors :
— si n + 1 est premier : n + 1 = n + 1 (produit à un élément) ;
— si n + 1 est composé : alors n + 1 a un diviseur premier p ≥ 2 et on peut écrire n + 1 = pm avec
m ∈ N∗ et m ≤ n+12
≤ n ; et on applique l’hypothèse de récurrence à m.
Ce qui assure l’existence d’une telle décomposition.

Pour l’unicité, supposons par l’absurde p1 , . . . , pn et q1 , . . . , qm des nombres premiers tels que p1 . . . pn =
q1 . . . qm soient deux écritures différentes.
Quitte à diviser les deux égalités ou à échanger les rôles des pi et des qj , on peut supposer qu’aucun des
pi n’apparaı̂t parmi les qj . Mais alors p1 divise le produit des qj , donc l’un des qj . Mais comme p1 et les qj
sont premiers, alors p1 est égal à l’un des qj , d’où la contradiction.
D’où l’unicité.
III.2 La valuation p-adique

Définition III.4. Soient n ∈ N∗ et p un nombre premier. La valuation p-adique de n est le nombre
(éventuellement nul) de fois qu’apparait p dans la décomposition de p comme produit de nombres premiers.
On la note vp (n).
Remarque III.5. On a en particulier que p divise n si, et seulement si, vp (n) > 0 (ou vp (n) ̸= 0).
Proposition III.6. Si n est un entier et p un nombre premier, alors pvp (n) est la plus grande puissance de
p qui divise n.
En particulier, on a : Y
n= pvp (n) .
p premier
Démonstration. On regroupe les “p” ensemble dans l’écriture de n en produit de nombres premiers, ce qui
donne l’écriture voulue et le fait que pvp (n) divise n. L’unicité assure que c’est bien la plus grande puissance
de p qui divise n.
Remarque III.7. Le produit ci-dessus est en fait fini (dans le sens où seulement un nombre fini de facteurs
sont différents de 1). Les diviseurs premiers de n sont en nombre fini, donc les nombres premiers p tels
que vp (n) > 0 sont en nombre fini. Pour les autres : vp (n) = 0 donc pvp (n) = 1.
Proposition III.8. Soient a, b ∈ N∗ et p un nombre premier :

1. vp (ab) = vp (a) + vp (b) ;
2. si a divise b : vp ab = vp (b) − vp (a).

Démonstration. On exprime ab comme produit de puissances de nombres premiers distincts :

! !
Y Y
ab = pvp (a) · pvp (b)
p premier p premier
!
Y
= pvp (a)+vp (b)
p premier
ce qui donne bien que pour tout p premier : vp (ab) = vp (a) + vp (b) par unicité de l’écriture précédente.
Le deuxième point s’en déduit en utilisant que a × ab = b.
III.3 Application aux diviseurs

Proposition III.9. Soient a, b ∈ N∗ . Alors a divise b si, et seulement si, pour tout nombre premier p :
vp (a) ≤ vp (b).
Démonstration.
b

— si a divise b : soit p un nombre premier. On a alors vp (a) = vp (b) − vp a
≤ vp (b).
— réciproquement : on pose c = p premier pvp (b)−vp (a) qui est un entier naturel (comme tous les vp (b) −
Q
vp (a) sont des entiers naturels) et qui vérifie :
Y Y Y
a×c= pvp (a) × pvp (b)−vp (a) = pvp (b) = b
p premier p premier p premier
donc a divise b.
Théorème III.10. Soient a, b ∈ N∗ . Alors :

Y
1. a ∧ b = pmin(vp (a),vp (b)) ;
p premier
Y
2. a ∨ b = pmax(vp (a),vp (b)) .
p premier
Autrement dit : pour tout p premier, on a :
vp (a ∧ b) = min(vp (a), vp (b)) et vp (a ∨ b) = max(vp (a), vp (b)).
Démonstration.
1. le lien entre valuation et diviseurs donne que, pour tout entier d :

c divise a vp (c) ≤ vp (a)
⇔ ∀p premier,
et c divise b vp (c) ≤ vp (b)
⇔ ∀p premier,
Q vp (c) ≤ min(vp (a), vp (b))
⇔ c divise p premier pmin(vp (a),vp (b))
et comme le pgcd de a et b est le plus grand diviseur commun pour la divisibilité, on trouve le
résultat voulu.
ab
2. On utilise que a ∨ b = et que pour tous m, n ∈ N : m + n = max(m, n) + min(m, n).
a∧b
Corollaire III.11. Soient a, b ∈ N∗ . Alors a et b sont premiers entre eux si, et seulement si : pour tout p
premier, vp (a) · vp (b) = 0.
Démonstration. On a les équivalences suivantes :
a∧b=1 ⇔ ∀p premier, vp (a ∧ b) = 0
⇔ ∀p premier, min(vp (a), vp (b)) = 0
⇔ ∀p premier, vp (a) = 0 ou vp (b) = 0
⇔ ∀p premier, vp (a) · vp (b) = 0
ce qui est bien le résultat voulu.
III.4 Le (petit) théorème de Fermat

Théorème III.12. Soit p un nombre premier et a un entier. Alors : ap ≡ a [p].
Si de plus a n’est pas divisible par p, alors : ap−1 ≡ 1 [p].
Démonstration. La démonstration s’appuie sur le lemme suivant :

p

Lemme III.13. Si p est un nombre premier, alors pour tout k ∈ J1; p − 1K on a : k
≡ 0 [p].
Preuve du lemme : Par définition, on a : kp = k!(p−k)!p!

et donc : p! = kp · k! · (p − k)!.

Donc p divise le membre de droite, donc un de ses facteurs. Mais il ne divise pas
p
k! = 1 · · · · · k comme
k < p, et pas non plus (p − k)! = 1 · · · · · (p − k) comme k > 1. Donc p divise k .
Montrons alors par récurrence que le résultat est vrai si a ∈ N :
— si a = 0 : ap = 0p ≡ 0 = a [p] ;
— si ap ≡ a [p] : alors par formule du binôme :
p
p
X p k
(a + 1) = a ≡ ap + 1 ≡ a + 1 [p]
k=0
k
ce qui prouve la récurrence.

Le cas général se déduit car, si a ∈ Z, il est congru modulo p à un entier naturel (par exemple le reste de
sa division euclidienne par p). Et alors on a :
ap ≡ rp ≡ r ≡ a [p]
ce qui conclut la preuve du cas général.
Si a n’est pas divisible par p, alors il est premier avec p et on peut donc diviser par a dans les congruences
modulo p.
Remarque III.14. La réciproque du théorème de Fermat est fausse : les nombres non premiers qui la
vérifient sont les nombres de Carmichael (par exemple 561).
En revanche la réciproque du lemme est vraie.
Exemple III.15. Donnons la liste des congruences de puissances modulo 7. On donne ci-dessous, pour
a, n ∈ {0, . . . 6}, la quantité an modulo 7 :
H
HH n
0 1 2 3 4 5 6
a HH
H
0 1 0 0 0 0 0 0
1 1 1 1 1 1 1 1
2 1 2 4 1 2 4 1
3 1 3 2 6 4 5 1
4 1 4 2 1 4 2 1
5 1 5 4 6 2 3 1
6 1 6 1 6 1 6 1
Remarque III.16. On déduit ainsi que les puissances positives de a modulo p sont (p − 1) périodiques ce
qui permet facilement de calculer des puissances modulaires.
Exemple III.17. Calculons : 482021 [37] :
— 37 est premier et 48 n’est pas divisible par 37, donc 48 et 37 sont premiers entre eux ;
— la division euclidienne de 2021 par 36 est : 2021 = 56 × 36 + 5 ;
— le reste de la division euclidienne de 48 par 37 est 11.
Et ainsi :
482021 ≡ 485 [37]
≡ 115 [37]
≡ 121 × 121 × 11 [37]
≡ 10 × 10 × 11 [37]
≡ 10 × 110 [37]
≡ −10 [37]
où on a utilise que 111 = 37 × 3 est un multiple de 37 pour en déduire que 121 = 111 + 10 ≡ 10 [37] et
que 110 ≡ −1 [37].
Exemple III.18. Montrons que, si n ∈ Z, tous les diviseurs premiers impairs de n2 + 1 sont congrus à 1
modulo 4.
Soit p un nombre premier impair divisant n2 + 1. Alors p ne divise pas n2 (sinon il diviserait 1), donc il
ne divise pas non plus n.
Donc par le petit théorème de Fermat : np−1 ≡ 1 [p].
Mais n2 ≡ −1 [p]. Et comme p est impair, p−1 2
∈ N. Et on a :
p−1 p−1
1 ≡ np−1 ≡ (n2 ) 2 ≡ (−1) 2 [p]
Mais (−1)k = ±1, pour k ∈ Z. Et −1 n’est pas congru à 1 modulo p (comme p est premier impair, donc
p−1
p > 2). Donc finalement : (−1) 2 = 1, donc p−1
2
est pair, c’est-à-dire que p est bien congru à 1 modulo 4.
Chapitre 12
Calculs matriciels
On note K l’ensemble R ou C. Les éléments de K sont appelés scalaires.
I Les ensembles de matrices

I.1 Définitions et notations
Définition I.1. Si n, p ∈N∗ , on appelle matrice à n lignes et p colonnes et à coefficients dans K
J1; nK × J1; pK → K
est une application A : .
(i, j) 7→ ai,j
On la représente plutôt sous forme d’un tableau à n lignes et p colonnes :
 
a1,1 a1,2 . . . a1,p
 a2,1 a2,2 . . . a2,p 
A =  .. ..  .
 
..
 . . . 
an,1 an,2 . . . an,p
Si (i, j) ∈ J1; nK × J1; pK, le scalaire ai,j est appelé le coefficient d’indice (i, j) de A.
On note Mn,p (K) l’ensemble des matrices à n lignes et p colonnes à coefficients dans K.
Si n = p, on notera plus simplement Mn (K) au lieu de Mn,n (K), et on parlera de matrices carrées de
taille n.
Remarques I.2.
1. Pour spécifier une matrice par ses coefficients, en précisant son nombre de lignes et de colonne, on
pourra noter A = (ai,j ) 1 ≤ i ≤ n , ou plus simplement A = (ai,j ) s’il n’y a pas d’ambiguı̈té.
1≤j ≤p
2. Inversement, on notera [A]i,j le coefficient d’indice (i, j) de A, pour éviter d’introduire trop de
notations.
3. Deux matrices sont égales si elles définissent la même application, c’est-à-dire si elles ont même
taille et mêmes coefficients.
Exemples I.3. On a :
1 2 3 1 i
∈ M2,3 (R) et ∈ M2 (C)
2 1 4 i 1
.
On a de même :  
1 1
j

i 1≤i≤3 =  2 4  ∈ M3,2 (C).
1≤j ≤2
3 9
137
138 CHAPITRE 12. CALCULS MATRICIELS
I.2 Matrices remarquables

Définition I.4. Si n ∈ N∗ , les éléments de M1,n (K) sont appelés matrices lignes (de taille n), tandis
que ceux de Mn,1 (K) sont appelés matrices colonnes (de taille n).
Plus généralement, si A= (a i,j ) ∈ Mn,p , on dira que les matrices ai,1 . . . ai,p sont les lignes de A,
a1,j
 .. 
tandis que les matrices  .  pour j ∈ J1; pK sont les colonnes de A.
an,j
Remarque I.5. Un élément de Kn pourra être vu comme une matrice ligne ou colonne, par les bijections
suivantes : 

 Kn → M  n,1 (K)

x1

Kn → M1,n (K)

et  .
(x1 , . . . , xn ) 7→ x1 . . . xn (x1 , . . . , xn ) 7→  ... 




 x n
Définition I.6. On appelle matrice nulle l’unique matrice de Mn,p (K) dont tous les coefficients sont nuls.
On la note parfois 0n,p .
Quand n = p, on la note plus simplement 0n .
Quand il n’y aura pas d’ambiguı̈té, on la notera plus simplement 0.
Définition I.7. Soient n ∈ N∗ et A = (ai,j ) ∈ Mn (K). On dira que la matrice A est :
1. triangulaire supérieure si : ∀i, j ∈ J1; nK, i > j ⇒ ai,j = 0, c’est-à-dire que A est de la forme :
 
a1,1 a1,2 . . . . . . a1,n
 0 a2,2 . . . . . . a2,n 
 
 0 0 a 3,3 . . . a 3,n

 
 .. .. .. .. 
 . . . . 
0 0 . . . . . . an,n
2. triangulaire inférieure si : ∀i, j ∈ J1; nK, i < j ⇒ ai,j = 0, c’est-à-dire que A est de la forme :
 
a1,1 0 0 ... 0
 a2,1 a2,2 0 . . . 0 
 .. 
 a3,1 a3,2 a3,3 . . . . 
 
 . .. .. .. 
 .. . . . 
an,1 an,2 . . . . . . an,n
3. diagonale si ∀i, j ∈ J1; nK, i ̸= j ⇒ ai,j = 0, c’est-à-dire que A est de la forme :
 
a1,1 0 . . . 0
 0 a2,2 . . . 0 
 
 .. . . . . .. 
 . . . . 
0 . . . 0 an,n
4. scalaire si elle est diagonale et que tous ses coefficients diagonaux sont égaux, c’est-à-dire qu’il
existe λ ∈ K tel que A est de la forme :
 
λ 0 ... 0
0 λ . . . 0
 
 .. . . . . .. 
. . . .
0 ... 0 λ
Dans le cas particulier où λ = 1, on parlera de la matrice identité (d’ordre n), notée aussi In .
II. COMBINAISONS LINÉAIRES DE MATRICES 139
Remarques I.8.
1. Les matrices diagonales correspondent aux matrices à la fois triangulaire supérieure et triangulaire
supérieure.
2. Si λ1 , . . . , λn ∈ K, on note Diag(λ1 , . . . , λn ) la matrice diagonale dont les coefficients sont les
λ1 , . . . , λn dans cet ordre, c’est-à-dire que :
 
λ1 0 . . . 0
 0 λ2 . . . 0 
Diag(λ1 , . . . , λn ) =  .. . . . .
 
.. 
. . . .
0 . . . 0 λn
II Combinaisons linéaires de matrices

II.1 Addition et multiplication par un scalaire
Définition II.1 (Multiplication d’une matrice par un scalaire). Soit A = (ai,j ) ∈ Mn,p (K) et λ ∈ K.
On note alors λ · A, ou plus simplement λA, la matrice : (λai,j ) ∈ Mn,p (K)
Remarque II.2. Pour tout A ∈ Mn,p (K) : 1 · A = A et 0 · A = 0n,p ;
Proposition II.3. Si A ∈ Mn,p (K) et λ, µ ∈ K, alors :
(λµ) · A = λ · (µ · A).
Démonstration. Si (i, j) ∈ J1; nK × J1; pK, alors par associativité du produit sur K :
[(λµ) · A]i,j = (λ · µ) · ai,j = λ · µ · ai,j = λ · (µ · ai,j ) = [λ · (µ · A)]i,j
donc les matrices considérées ont même taille et mêmes coefficients : elles sont égales.
Définition II.4 (Somme de matrices). Si A = (ai,j ) et B = (bi,j ) sont deux matrices de Mn,p (K), on définit
la somme de A et B, notée A + B, comme la matrice : A + B = (ai,j + bi,j ) ∈ Mn,p (K).
Proposition II.5. Si A, B, C ∈ Mn,p (K) et λ, µ ∈ K, alors :
1. A + B = B + A (commutativité de la somme) ;
2. A + (B + C) = (A + B) + C (associativité de la somme) ;
3. 0n,p + A = A = A + 0n,p (0n,p est un élément neutre pour la somme) ;
4. la matrice (−1) · A, qu’on notera plus simplement −A, est l’unique matrice D ∈ Mn,p (K) telle que :
A + D = 0n,p = D + A ;
5. (λ + µ)A = λA + µA ;
6. λ · (A + B) = λ · A + λ · B.
Démonstration. Dans toutes les égalités à montrer, les matrices ont même taille (à savoir (n, p)). Donc
pour vérifier les égalités, il suffit de vérifier les égalités des coefficients. Soit (i, j) ∈ J1; nK × J1; pK :
1. Par commutativité de l’addition sur K, on a :
[A + B]i,j = [A]i,j + [B]i,j = [B]i,j + [A]i,j = [B + A]i,j ;
2. Par associativité de l’addition sur K, on a :

[A + (B + C)]i,j = [A]i,j + [B + C]i,j = [A]i,j + [B]i,j + [C]i,j

= [A]i,j + [B]i,j + [C]i,j = [A + B]i,j + [C]i,j = [(A + B) + C]i,j
3. Comme additionner 0 ne changer rien sur K :
[0n,p + A]i,j = [0n,p ]i,j + [A]i,j = 0 + [A]i,j = [A]i,j
et la seconde égalité se déduit par commutativité de la somme matricielle ;

4. on procède directement par équivalences. Si D ∈ Mn,p (K), alors :
A + D = 0n,p ⇔ ∀(i, j) ∈ J1; nK × J1; pK, [A + D]i,j = 0

⇔ ∀(i, j) ∈ J1; nK × J1; pK, [A]i,j + [D]i,j = 0
⇔ ∀(i, j) ∈ J1; nK × J1; pK, [D]i,j = − [A]i,j = [−A]i,j
⇔ D = −A
5. même méthode que pour 1,2,3

6. idem
Remarque II.6. L’idée est que l’on peut manipuler les additions de matrices et les multiplications par des
scalaires exactement comme les opérations usuelles + et × sur K.
II.2 Matrices élémentaires

Définition II.7 (Matrices élémentaires). Soient n, p ∈ N∗ et (i, j) ∈ J1; nK × J1; pK. On note Ei,j la matrice
de Mn,p (K) dont le coefficient d’indice (i, j) vaut 1 et tous les autres valent 0, c’est-à-dire que Ei,j s’écrit :
j ème colonne
↓
 
0 ... 0 ... 0
 .. .. .. 
 . . . 
i-ème ligne →  0 . . . 1 ... 0 
 
 . .. .. 
 .. . . 
0 ... 0 ... 0
Les matrices Ei,j ainsi définies sont appelées matrices élémentaires (de taille (n, p)).
Remarque II.8. On prendra garde au fait que la taille d’une matrice élémentaire n’apparaı̂t pas dans sa
notation.
Exemples II.9. L’ensemble Mn,p (K) contient n × p matrices élémentaires.

Par exemple pour M2,3 , on trouve les 6 matrices suivantes :

1 0 0 0 1 0 0 0 1
E1,1 = , E1,2 = , E1,3 =
0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0
E2,1 = , E2,2 = , E2,3 =
1 0 0 0 1 0 0 0 1
Définition II.10 (Symbole de Kronecker). Si i, j ∈ Z (et plus souvent i, j ∈ N), on appelle symbole de
1 si i = j
Kronecker la quantité notée δi,j et définie par : δi,j = .
0 si i ̸= j
Proposition II.11. Si n, p ∈ N∗ , les matrices élémentaires de Mn,p sont données par :
∀(k, l) ∈ J1; nK × J1; pK, Ek,l = (δi,k · δj,l ) .

III. PRODUIT MATRICIEL 141
Démonstration. Il suffit de regarder les coefficients. On a :
δi,k · δj,l ̸= 0 ⇔ δi,k ̸= 0 et δj,l ̸= 0 ⇔ i = k et j = l
donc seuls le coefficient d’indice (k, l) est non nul, et vaut alors 1. Il s’agit donc bien de Ek,l .
Proposition II.12. Si A ∈ Mn,p (K), alors A est une combinaison linéaire de matrices élémentaires :
il existe des scalaires λi,j tels que :
p
n X
X
A= λi,j Ei,j .
i=1 j=1
De plus, cette écriture est unique. Plus précisément, si A = (ai,j ), alors :
p
n X
X
A= ai,j Ei,j .
i=1 j=1
est la seule écriture possible de A comme combinaison linéaire des matrices élémentaires.
Démonstration. Considérons λi,j une famille de scalaire indexée par (i, j) ∈ J1; nK × J1; pK. Posons B =
P n Pp
i=1 j=1 i,j i,j .
λ E
Par définition des opérations matricielles, le coefficient d’indice (k, l) de B est λk,l : puisque c’est le
coefficient de λk,l Ek,l , et toutes les autres matrices de la double somme ont comme coefficient 0 en indice
(k, l).
Et ainsi, comme les matrices A et B ont même taille :
A = B ⇔ ∀(k, l) ∈ J1; nK × J1; pK, [A]k,l = [B]k,l

⇔ ∀(k, l) ∈ J1; nK × J1; pK, ak,l = λk,l
ce qui est bien le résultat voulu.
III Produit matriciel

III.1 Définition et premières propriétés
Définition III.1. Soient n, p, q ∈ N∗ , A = (ai,j ) ∈ Mn,p (K) et B ∈ Mp,q (K).
On définit le produit matriciel de A et B, noté A × B ou AB, comme la matrice C = (ci,j ) ∈ Mn,q (K)
définie par :
p
X
∀(i, j) ∈ J1; nK × J1; qK, ci,j = ai,k bk,j .
k=1
Remarque III.2. Cette formule se visualise assez bien : pour calculer le coefficient d’indice (i, j) de la
matrice AB, on multiplie dans l’ordre les éléments de la i-ème ligne de A avec ceux de la j-ème colonne
de B, et on ajoute les produits obtenus.
Pour multiplier deux matrices, il faut donc que la première matrice ait autant de colonnes que la seconde
a de lignes ; par exemple, on peut toujours multiplier ensemble des matrices carrées de même taille.
j ème colonne
 ↓ 
b1,1 . . . b1,j . . . b1,q
b2,1 . . . b2,j . . . b2,q 
 
 .. .. .. 
 . . . 
bp,1 . . . bp,j . . . bp,q
   
a1,1 a1,2 . . . a1,p c1,1 . . . c1,j . . . c1,q
 .. .. ..   .. .. .. 
 . . .   . . . 
i-ème ligne →  ai,1 ai,2 . . . ai,p   ci,1 . . . ci,j . . . ci,q 
   
 . .. ..   . .. .. 
 .. . .   .. . . 
an,1 an,2 . . . an,p cn,1 . . . cn,j . . . cn,q
j ème colonne
 ↓ 
ai,1 b1,j b1,1 . . . b1,j . . . b1,q
ai,2 b2,j b2,1 . . . b2,j . . . b2,q 
 
..  .. .. .. 
.  . . . 
ai,p bp,j bp,1 . . . bp,j . . . bp,q
   
a1,1 a1,2 . . . a1,p c1,1 . . . c1,j . . . c1,q
 .. .. ..   .. .. .. 
 . . .   . . . 
i-ème ligne →  ai,1 ai,2 . . . ai,p   ci,1 . . . ci,j . . . ci,q 
   
 . .. ..   . .. .. 
 .. . .   .. . . 
an,1 an,2 . . . an,p cn,1 . . . cn,j . . . cn,q
Exemples III.3.
   
2 3 1 −4
2 1
1. 1 −2 = 4 5  ;
−1 −2
2 −3 7 8

1 3 0 1 6 10
2. =
0 1 2 3 2 3

0 1 1 3 0 1
3. = ;
2 3 0 1 2 9

1 −1 1 2 0 0
4. = .
−2 2 1 2 0 0
Remarque III.4.
Si A, B sont deux matrices non carrées, les produits AB et BA n’ont pas la même taille (il se peut même
qu’un seul ait un sens).
Mais même si A et B sont carrées de même taille, on n’a pas toujours AB = BA (c’est même rare).
Pire : on peut avoir AB = 0 sans que ni A ni B ne soit nulles.
Proposition III.5. Le produit matriciel vérifie les propriétés suivantes : si A, A′ ∈ Mn,p (K), B, B ′ ∈
Mp,q (K), C ∈ Mq,r (K), λ, µ ∈ K, alors :
1. (AB)C = A(BC) (associativité du produit matriciel) ;
2.
(λA + µA′ )B = λAB + µA′ B et A(λB + µB ′ ) = λAB + µAB ′ (bilinéarité du produit matriciel);
3. In A = A = AIp (élément neutre pour la multiplication matricielle)

4. (λA)(µB) = (λµ)(AB).
Démonstration.
Dans toutes les égalités à montrer, les matrices considérées ont même taille. Il reste donc à montrer l’égalité
entre leurs coefficients de même indice.
1. soit (i, j) ∈ J1; nK × J1; rK :
Pq
[AB]i,k [C]k,j = qk=1 pl=1 [A]i,l [B]l,k [C]k,j
P P
[(AB)C]i,j = k=1
Pp Pq Pp
= l=1 k=1 [A]i,l [B]l,k [C]k,j = l=1 [A]i,l [BC]l,j
= [A(BC)]i,j
ce qui donne bien l’égalité cherchée.

2. Montrons la première égalité. Soit (i, j) ∈ J1; nK × J1; qK :
Pp
[(λA + µA′ )B]i,j = ′
= pk=1 (λ[A]i,k + µ[A′ ]i,k ) [B]k,j
P
k=1 [λA + µA ]i,k [B]k,j
.
= λ pk=1 [A]i,k [B]k,j + µ pk=1 [A′ ]i,k [B]k,j = λ[AB]i,j + µ[A′ B]i,j
P P
3. Montrons la première égalité. Soit (i, j) ∈ J1; nK × J1; pK :

n
X
[In A]i,j = [In ]i,k [A]k,j = [A]i,j
k=1
en notant que, à i fixé, la seule valeur de k pour laquelle [In ]i,k ̸= 0 est k = i, et alors [In ]i,i = 1.
4. soit (i, j) ∈ J1; nK × J1; qK :
n p
X X
[(λA)(µB)]i,j = [λA]i,k [µB]k,j = λµ [A]i,k [B]k,j = λµ[AB]i,j = [(λµ)(AB)]i,j .
k=1 k=1
Corollaire III.6. Si λ ∈ K, la multiplication par la matrice scalaire de coefficient λ (à gauche ou à droite)
coı̈ncide avec la multiplication scalaire par λ.
Démonstration. On applique les points 3 et 4 :
(λIn )A = λ(In A) = λA = λ(AIp ) = A(λIp ).
III.2 Utilisation des matrices lignes ou colonnes

Exemple III.7. Le produit (dans cet ordre) d’une matrice ligne par une matrice colonne de même taille est
une matrice de taille (1, 1) :
 
b1 !
n
 b2 
  X
a1 a2 . . . an ·  ..  = (a1 b1 + a2 b2 + · · · + an bn ) = ak bk ∈ M1,1 (K)
. k=1
bn
et en particulier le produit d’une matrice ligne par une matrice colonne n’a de sens que si elles ont autant
de coefficients.
À l’inverse, le produit (dans cet ordre) d’une matrice colonne par une matrice ligne a toujours un sens,
et la matrice obtenue a autant de lignes que la matrice colonne, et de colonnes que la matrice ligne. Ses
coefficients donnent tous les produits possibles de coefficients des deux matrices :
   
a1 a1 b 1 a1 b 2 . . . a 1 b p
 a2    a2 b 1 a2 b 2 . . . a 2 b p 

 ..  · b1 b2 . . . bp =  .. ..  = (ai bj )i,j ∈ Mn,p (K)
 
..
.  . . . 
an an b1 an b2 . . . an bp
Proposition III.8. Si A, B sont deux matrice, alors AB est la matrice des produits des lignes de A par les
colonnes de B (en identifiant M1,1 (K) à K).
Démonstration. Soient A = (ai,j ) ∈ Mn,p (K) et B = (bi,j ) ∈ Mp,q (K). Notons A1 , . . . , An les lignes de A,
et B1 , . . . , Bq les colonnes de B. Alors pour tout (i, j) ∈ J1; nK × J1; qK :
p p
X X
[AB]i,j = ai,k bk,q = [Ai ]1,k [Bj ]k,1 = [Ai Bj ]1,1 .
k=1 k=1
Proposition III.9. Soit A ∈ Mn,p (K) :

 
x1
 .. 
1. si on note C1 , . . . , Cp ∈ Mn,1 les colonnes de A, et si X =  .  ∈ Mp,1 (K), alors :
xp
p
X
AX = x1 C1 + · · · + xp Cp = xk C k
k=1
c’est-à-dire que AX est une combinaison linéaire des colonnes de A ;

2. si on note L1 , . . . , Ln ∈ M1,p les lignes de A, et si Y = y1 . . . yn ∈ M1,n (K), alors :
n
X
Y A = y1 L1 + · · · + yn Ln = yk Lk
k=1
c’est-à-dire que Y A est une combinaison linéaire des lignes de A.

Démonstration. Notons déjà que, du fait de la définition du produit matriciel, AX est un vecteur colonne
de taille n et Y A est un vecteur ligne de taille p.
Soit i ∈ J1; nK :
p p
" p #
X X X
[AX]i,1 = [A]i,k [X]k = xk [Ck ]i,1 = xk C k .
k=1 k=1 k=1 i,1
Soit j ∈ J1; pK : " n #

n
X n
X X
[Y A]1,j = [Y ]1,k [A]k,j = yk [Lk ]1,j = yk Lk .
k=1 k=1 k=1 1,j
.
..
Remarque III.10. Si (i, j) ∈ J1; nK × J1; pK, en prenant X = Ej = 1 ∈ Mp,1 (K) avec un 1 en j-ème
 
..
.
position et des 0 sinon, et Y = Fj = . . . 1 . . . ∈ M1,n (K) avec un 1 en i-ème position et des 0 sinon,
on trouve : Fi A = Li et AEj = Cj .
III.3 Puissances de matrices

Définition III.11 (Puissance d’une matrice carrée). Si A ∈ Mn (K) et k ∈ N, on définit la puissance
k-ème de A comme : 
 In si k = 0
Ak = A × · · · × A si k>0 .
 | {z }
k fois
Remarque III.12. On peut aussi définir récursivement, en notant que Ak = A × Ak−1 si k > 0.
Remarque III.13. Si on ne considère qu’une seule matrice A, les puissances se comportent bien avec les
produits : ∀k, l ∈ N, Ak Al = Ak+l .
En revanche, on n’a pas en général que (AB)k = Ak B k .
Définition III.14 (Matrices nilpotentes). Soit A ∈ Mn (K). On dit que A est nilpotente s’il existe p ∈ N
tel que Ap = 0n .
On appelle alors l’indice de nilpotence de A le plus petit entier k tel que Ak = 0n , c’est-à-dire que :
Ak = 0n et que Ak−1 ̸= 0n .
Exemples III.15.
1. la matrice nulle est la seule matrice nilpotente d’indice 1 ;
 
0 1 0
2. considérons A = 0 0 1. Alors :
0 0 0
   
0 0 1 0 0 0
A2 = 0 0 0 ̸= 03 et A3 = 0 0 0 = 03
0 0 0 0 0 0
donc A est nilpotente d’indice 3.

Définition III.16. Soient A, B deux matrices. On dit que A et B commutent si les produits AB et BA
sont bien définis et sont égaux.
Remarque III.17. Les matrices scalaires commutent avec toute matrice carrée de même taille. On verra
en exercice que ce sont les seules matrices vérifiant cette propriété.
Proposition III.18. Si A, B sont deux matrices qui commutent, alors :
1. A et B sont des matrices carrées de même taille ;
2. pour tout k ∈ N : (AB)k = Ak B k = (BA)k .
Démonstration.
1. si A ∈ Mn,p (K) et Mq,r (K), alors :
— comme AB est défini, alors : p = q ;
— comme BA est défini, alors : r = n ;
— on a donc AB ∈ Mn (K) et BA ∈ Mp (K) ;
— comme AB = AB, alors AB et BA ont même taille donc n = p.
Et ainsi : n = p = q = r ce qui donne le résultat.
2. si k = 0, le résultat est toujours vrai (même si A et B ne commutent pas). Supposons k > 0 :
(AB)k = (AB) × (AB) × · · · × (AB) = A ×A×

{z· · · × A} B
| ×B×
k k
{z· · · × B} = A B
| {z } |
k fois k fois k fois
où on a changé l’ordre des facteurs grâce à la commutativité et l’associativité.

Remarque III.19. En fait, le précédent est un peu plus fort : on peut changer l’ordre des facteurs comme
on veut dans une succession de puissances de A et B, et le regrouper comme cela nous arrange.
Théorème III.20 (Formule du binôme). Soient A, B deux matrices qui commutent et n ∈ N. Alors :
n
n
X n k n−k
(A + B) = A B .
k=0
k
Démonstration. On procède comme pour R ou C à l’aide d’une récurrence et du triangle de Pascal.
Proposition III.21. Soient A, B deux matrices qui commutent et n ∈ N. Alors :

n−1
!
X
An − B n = (A − B) · Ak B n−1−k .
k=0

2 1
Exemple III.22. Calculons les puissances de la matrice A = .
0 2

2 0 0 1
On a : A = + .
0 2 0 0
| {z } | {z }
=2·I2 =B
Comme 2I2 est scalaire, alors elle commute avec B et on peut appliquer la formule du binôme, qui donne
pour tout n ∈ N :
n n
n n
X n n−k k
X n n−k k
A = (2I2 + B) = (2I2 ) B = 2 B
k=0
k k=0
k
Calculons les puissances de B. On a :

2 0 1 0 1 0 0
B = · = = 02
0 0 0 0 0 0
et ainsi (par associativité) toutes les puissances de B plus grande que 2 sont nulles.
La somme donnée par le binôme se simplifie donc pour n ̸= 0 :
1 n
n
X n n−k k n n−1 2 n · 2n−1
A = 2 B = 2 I2 + |n · 2{z B} = .
k |{z} 0 2n
k=0 k=0 k=1
Pour n = 0, on a A0 = I2 et la formule
n précédente
reste donc valable.
n−1
2 n · 2
Et ainsi pour tout n ∈ N : An = .
0 2n

3 1
Exemple III.23. Calculons les puissances de la matrice A = .
1 3

3 0 0 1
On a : A = + .
0 3 1 0
| {z } | {z }
=3·I2 =B
Comme 3I2 est scalaire, alors elle commute avec B et on peut appliquer la formule du binôme, qui donne
pour tout n ∈ N :
n n
n n
X n n−k k
X n n−k k
A = (3I2 + B) = (2I2 ) B = 2 B
k=0
k k=0
k
Calculons les puissances de B. On a :

2 0 1 0 1 1 0
B = · = = I2
1 0 1 0 0 1
et ainsi on déduit (par récurrence on de manière directe) que pour k ∈ N :

k I2 si k est pair
B = .
B si k est impair
On peut alors regrouper les termes dans la somme précédente :

n n
n
X n n−k X n n−k
A = 3 I2 + 3 B
k=0
k k=0
k .
k pair k impair
= S1 I2 + S2 B
n n
X n n−k X n n−k
où S1 = 3 et S2 = 3 que l’on va calculer. On a :
k=0
k k=0
k
k pair k impair
n n
X n n−k k n
X n n−k
S1 + S2 = 3 1 = 4 et S1 − S2 = 3 (−1)k = 2n
k=0
k k=0
k
4n + 2n 4n − 2n
et ainsi : S1 = et S2 = .
2 2
Et en réinjectant ces valeurs on trouve que pour tout n ∈ N :
4n + 2n 4n − 2n 0 1

n 1 0 1 4n + 2n 4n − 2n
A = + = .
2 0 1 2 1 0 2 4n − 2n 4n + 2n
On pourrait aussi calculer les puissances de A par la formule du binôme en décomposant A comme :

1 1 −1 1
A = 2 · I2 + ou A = 4 · I2 +
1 1 1 −1
où le point important est que les matrices que l’on somme pour obtenir A commutent, et leurs puissances
se calculent facilement.
Remarque III.24. Il est fondamental que les matrices

commutent. Par exemple, la même méthode ne
1 2
fonctionnerait pas pour calculer les puissances de car :
0 2

1 0 0 2 0 2 0 2 1 0 0 4
· = ̸= · = .
0 2 0 0 0 0 0 0 0 2 0 0
Dans ce cas il faudrait plutôt utiliser la somme :

1 2 0 2
= I2 + .
0 2 0 1
III.4 Produits de matrices particulières

Proposition III.25. Soient Ei,j ∈ Mn,p (K) et Ek,l ∈ Mp,q (K) deux matrices élémentaires. Alors :
Ei,j Ek,l = δj,k Ei,l ∈ Mn,q (K)
c’est-à-dire que : Ei,j Ek,l = 0n,q si k ̸= j, et qu’il s’agit sinon de la matrice élémentaire d’indice (i, l) de
taille (n, q).
Démonstration. On calcule chaque coefficient.
Corollaire III.26. Si A est une matrice et Ei,j une matrice élémentaire. Alors si les produits suivants sont
bien définis :
1. A · Ei,j est la matrice dont la j-ème colonne est la i-ème colonne de A, et tous ses autres coefficients
sont nuls ;
2. Ei,j · A est la matrice dont la i-ème ligne est la j-ème ligne de A, et tous ses autres coefficients sont
nuls.
P
Démonstration. On écrit A comme combinaisons de matrices élémentaires : A = k,l ak,l Ek,l .
Par bilinéarité du produit matriciel, on trouve que :
X X
A · Ei,j = ak,l Ek,l Ei,j = ak,i Ek,j
k,l k
X X
Ei,j · A = ak,l Ei,j Ek,l = aj,l Ei,l
k,l l
qui sont bien les égalités voulues.
Proposition III.27. Le produit de deux matrices triangulaires supérieures (resp. triangulaires inférieures,
diagonales) est une matrice triangulaire supérieure (resp. triangulaire inférieure, diagonale).
De plus, les coefficients diagonaux de la matrice produit sont égaux (dans l’ordre) aux produits deux-à-deux
des coefficients diagonaux des matrices de départ.
Démonstration. Montrons le cas de matrices triangulaires supérieures. Soient A, B ∈ Mn (K) triangulaires

supérieures. On écrit A = (ai,j ) et B = (bi,j , et ainsi : i > j ⇒ ai,j = bi,j = 0.
Soient i, j ∈ J1; nK avec i ≥ j. Alors :
n
X i−1
X n
X
[AB]i,j = ai,k bk,j = ai,k bk,j + ai,i bi,j + ai,k bk,j = ai,i bi,j
|{z} |{z}
k=1 k=1 =0 k=i+1 =0
Et ainsi on trouve bien que :

— si i > j : [AB]i,j = 0 ;
— si i = j : [AB]i,i = ai,i bi,i .
Le cas des matrices triangulaires inférieures se montre de même.
Le cas des matrices diagonales en découle : un matrice diagonale étant à la fois triangulaire supérieure et
inférieure.
Remarque III.28. On retrouve que le produit de matrices scalaires est une matrice scalaire. Qu’on savait
déjà car :
(λIn )(µIn ) = (λµ)In .
IV. TRANSPOSITION 149
Définition III.29 (Matrices par blocs). Si n1 , n2 , p1 , p2 ∈ N∗ et A1,1 ∈ Mn1 ,p1 (K), A1,2 ∈
Mn1 ,p2 (K), A2,1 ∈
A1,1 A1,2
Mn2 ,p1 (K), A2,2 ∈ Mn2 ,p2 (K), on leur associe la matrice en blocs notée , qui est l’élément
A2,1 A2,2
A ∈ Mn1 +n2 ,p1 +p2 (K) défini par :


 [A1,1 ]i,j si 1 ≤ i ≤ n1 et 1 ≤ j ≤ p1
si 1 ≤ i ≤ n1 et p1 + 1 ≤ j ≤ p1 + p2

 [A ]
1,2 i,(j−p1 )
[A]i,j =

 [A2,1 ](i−n1 ),j si n1 + 1 ≤ i ≤ n1 + n2 et 1 ≤ j ≤ p1
si n1 + 1 ≤ i ≤ n1 + n2 et p1 + 1 ≤ j ≤ p1 + p2

 [A ]
2,2 (i−n1 ),(j−p1 )
Proposition III.30. Le produit d’une matrice est compatible avec les matrices en blocs, dans le sens où,
sous réserve que tous les produits matriciels ci-dessous aient un sens :

A1,1 A1,2 B1,1 B1,2 A1,1 B1,1 + A1,2 B2,1 A1,1 B1,2 + A1,2 B2,2
· = .
A2,1 A2,2 B2,1 B2,2 A2,1 B1,1 + A2,2 B2,1 A2,1 B1,2 + A2,2 B2,2
Démonstration. En regardant chaque coefficient.
IV Transposition
Définition IV.1. Si A = (ai,j ) ∈ Mn,p (K), on appelle transposée de A, notée AT (ou parfois t A) la
matrice AT = (bi,j ) ∈ Mp,n (K) telle que :
∀(i, j) ∈ J1; nK × J1; pK, ai,j = bj,i .
Remarque IV.2. Prendre la transposée revient à échanger les lignes et les colonnes (les lignes de A sont
les colonnes de AT et inversement). Visuellement, prendre la transposée revient à effectuer une symétrie
par rapport à la diagonale. En particulier, les coefficients diagonaux ne changent pas.
 
1 0
1 3 2 −1  3 -2
Exemple IV.3. Si A = , alors AT =   2 1 .

0 -2 1 2
−1 2
Proposition IV.4. La transposition est involutive, c’est-à-dire que, si A ∈ Mn,p (K), alors :
T
AT =A
Démonstration. Si (i, j) ∈ J1; nK × J1; pK :

h T i
AT = AT j,i = [A]i,j .

i,j
Remarque IV.5. La transposition est une application de Mn,p (K) sur Mp,n (K) : comme ces ensembles
sont a priori distincts (sauf si n = p), alors il ne s’agit pas d’une involution comme on l’entendait pour
les applications. S
Mais on peut pallier ce problème en posant E = n,p∈N∗ Mn,p (K) : et dans ce cas on peut bien voir la
transposition comme une application bijective de E sur lui-même qui est sa propre réciproque.
Proposition IV.6 (Linéarité de la transposition). Si A, B ∈ Mn,p et λ, µ ∈ K, alors :
(λA + µB)T = λAT + µB T

Démonstration. Comme les matrices ont même taille, on regarde chaque coefficient. Si (i, j) ∈ J1; pK ×
J1; nK : h i
T
= [λA + µB]j,i = λ[A]j,i + µ[B]j,i = λ AT i,j + µ [B]i,j .

(λA + µB)
i,j
Proposition IV.7. Si A ∈ Mn,p (K) et B ∈ Mp,q (K), alors :
(AB)T = B T AT .
Démonstration. Soit (i, j) ∈ J1; qK × J1; nK :
p
X
(AB)T i,j = [AB]j,i = [A]j,k [B]k,i
k=1
p
X .
T T T T
= [B ]i,k [A ]k,j = [B A ]i,j
k=1
Définition IV.8. Une matrice carrée A est dite :

1. symétrique si AT = A ;
2. antisymétrique si AT = −A.
On notera Sn (K) l’ensemble des matrices symétriques de taille n, et An (K) celui des matrices antisymé-
triques.
Proposition IV.9.
1. Les coefficients diagonaux d’une matrice antisymétrique sont nuls.
2. La matrice nulle est la seule matrice symétrique et antisymétrique.
3. Toute matrice se décompose de manière unique comme somme d’une matrice symétrique et d’une
matrice antisymétrique.
Démonstration. 1. Si A ∈ Mn (K) est antisymétrique, et i ∈ J1; nK, alors :
[A]i,i = [−AT ]i,i = −[AT ]i,i = −[A]i,i
donc [A]i,i = 0.
2. Pour une telle matrice A, on a : −A = AT = A, donc A = 0n .
A + AT A − AT
3. Les matrices S = et T = sont respectivement symétrique et antisymétrique, et
2 2
vérifient A = S + T , ce qui assure l’existence. L’unicité vient du point précédent.
Remarque IV.10. Le dernier point ressemble beaucoup à l’écriture d’une fonction comme somme d’une
fonction paire et d’une fonction impaire. L’idée derrière est que l’on cherche à décomposer en somme d’un
élément stable (c’est-à-dire dont l’image est lui-même) par une involution et d’un élément “anti”-stable
(c’est-à-dire un élément dont l’image est son opposé) par cette même involution.
Pour les fonction, il s’agissait de l’involution :

F(R, R) → F(R, R)
φ:
f 7→ (x 7→ f (−x))
Et on retrouve même un autre résultat analogue : la valeur “x = 0” correspond sensiblement aux coefficients
de la diagonale dans une matrice (ce sont les éléments stables par la symétrie derrière l’involution). Et
une fonction impaire s’annule en 0, comme les coefficients diagonaux d’une matrice antisymétrique.
V. MATRICES INVERSIBLES ET SYSTÈMES LINÉAIRES 151
V Matrices inversibles et systèmes linéaires

V.1 Inversibilité matricielle
Définition V.1. Soit A ∈ Mn (K). S’il existe B ∈ Mn (K) telle que AB = BA = In , on dit que la matrice
A est inversible.
La matrice B est appelée l’inverse de A, et est notée A−1 .
L’ensemble des matrices inversibles de taille n est noté GLn (K), et est appelé le groupe linéaire.
Proposition V.2. L’inverse d’une matrice inversible est unique.
Démonstration. Soient B, C deux inverses de A. Alors :
B = B · In = B · (AC) = (BA) · C = In · C = C.
Exemples V.3.
1. la matrice In est inversible, d’inverse elle-même.
2. plus généralement, une matrice diagonale dont les coefficients valent tous ±1 est inversible d’inverse
elle-même.
3. dès lors qu’une matrice possède une ligne ou une colonne nulle, elle ne peut pas être inversible. Par
exemple la matrice nulle n’est pas inversible.
4. Une matrice nilpotente n’est pas inversible.
Proposition V.4. Soient A, B ∈ GLn (K). Alors :

−1
1. A−1 est inversible, avec : (A−1 ) = A;
2. si λ ∈ K avec λ ̸= 0, alors λA est inversible d’inverse λ1 A−1 ;
3. la matrice AB est inversible, d’inverse : (AB)−1 = B −1 A−1 ;
4. si k ∈ N, alors Ak est inversible d’inverse (Ak )−1 = (A−1 )k ;
−1 T
5. AT est inversible, d’inverse AT = (A−1 ) .
Démonstration.
1. A · A−1 = In = A−1 A ;
2. (λA) λ1 A−1 = λ λ1 AA−1 = In , et de même 1 −1

λ
A (λA) = In ;
3. (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIn A−1 = AA −1
= In et de même (B −1 A−1 )(AB) = In ;
4. on procède par récurrence sur k en utilisant le point précédent ;
T
5. par transposée d’un produit : AT (A−1 )T = (A−1 A) = InT = In et de même (A−1 )T AT .
Définition V.5 (Puissances négatives d’une matrice inversible). Si A ∈ GLn (K) et k ∈ Z. On pose :
Ak

k si k ≥ 0
A = −1 −k .
(A ) si k < 0
Proposition V.6. Une matrice triangulaire supérieure (resp. triangulaire inférieure) est inversible si, et
seulement si, ses coefficients diagonaux sont non nuls.
Dans ce cas, son inverse est également triangulaire supérieure (resp. triangulaire inférieure) et se coeffi-
cients diagonaux sont les inverses de ceux de la matrice de départ.
Démonstration. Montrons le pour une matrice triangulaire supérieure. Le cas des matrices triangulaires
inférieures découlera par transposition.
Montrons par récurrence sur n ∈ N∗ que : tout matrice triangulaire supérieure de taille n est inversible si,
et seulement si, ses coefficients diagonaux sont non nuls.
— si n = 1 : alors
1
A = (a). Et donc : si a = 0, A = 01 n’est pas inversible ; si a ̸= 0, A est inversible
d’inverse a .
— supposons le résultat vérifié pour toutes les matrices triangulaires supérieure de taille n, et donnons-
nous A ∈
Mn+1 (K) triangulaire supérieure. Écrivons A sous forme de la matrice par blocs : A =
A1 A2
où A1 ∈ Mn (K), A2 ∈ Mn,1 (K) et a ∈ K. Notons que A1 est triangulaire supérieure,
01,n a
et que les coefficients diagonaux de A sont ceux de A1 et a.
B 1 B 2
— si A est inversible : notons, suivant les mêmes tailles de blocs que A, écrivons : A−1 = .
B3 b
Par produit en blocs, on a :

−1 A1 B1 + A2 B3 A1 B2 + A2 b In 0n,1 −1 B1 A1 B1 A2 + B2 a
AA = = =A A=
aB3 ab 01,n 1 B3 A1 B3 A2 + ab
| {z }
In+1
dont on regarde les égalités bloc par bloc.

On a déjà que BA A1 = In avec l’égalité de droite.
Avec celle de gauche, on trouve ab = 1, donc a ̸= 0 et b = a1 . Comme aB3 = 01,n , et a ̸= 0, alors
B3 = 01,n . Et donc on trouve A1 B1 = In .
Ainsi A1 est inversible, d’inverse B1 . Par hypothèse de récurrence appliquée à A1 , on trouve que
B1 est triangulaire supérieur, et ses coefficients diagonaux sont les inverses de ceux de A1 , donc
des n premiers de A. −1
−1 A1 B2
Et finalement, comme A = , qui est bien de la forme voulue.
01,n a1
— si A a tous ses coefficients diagonaux non nuls : alors A1 aussi, donc on peut lui appliquer
l’hypothèse de récurrence et A1 est inversible. On a alors :
−1
A1 − a1 A−1 A1 A−1 − a1 A1 A−1 1

A1 A2 1 A2 1 1 A2 + a A2
· 1 = = In+1
01,n a 01,n a
01,n 1
−1
A1 − a1 A−1

1 A2 A1 A2
et de même on trouve que 1 · = In+1 .
01,n a
01,n a
A−1
1 − a1 A−1
1 A2
Donc A est inversible et son inverse est 1 , qui est bien de la forme voulue.
01,n a
Corollaire V.7. Si λ1 , . . . , λn ∈ K, la matrice Diag(λ1 , . . . , λn ) est inversible si, et seulement si : λ1 × · · · ×

λn ̸= 0.
Et dans ce cas on a :
−1 1 1
(Diag(λ1 , . . . , λn )) = Diag ,..., .
λ1 λn
Démonstration. Une matrice diagonale est à la fois triangulaire inférieure et supérieure, donc son inverse
aussi.
Corollaire V.8. Si λ1 , . . . , λn ∈ K∗ et k ∈ Z, alors :
(Diag(λ1 , . . . , λn ))k = Diag(λk1 , . . . , λkn ).

V.2 Lien avec les systèmes linéaires

Proposition V.9. Considérons le système linéaire à n inconnues et p équations :


 a1,1 x1 + a1,2 x2 + . . . + a1,p xp = b1
 a2,1 x1 + a2,2 x2

+ . . . + an,p xp = b2
(S) : .. .. .. .. .. ..


 . . . . . .
 a x + a x + . . . + an,p xp = bn
n,1 1 n,2 2
Alors la résolution de (S) revient à résoudre l’équation :
(E) : AX = B
où A = (ai,j ) ∈ Mn,p (K) et B = (bi ) ∈ Mn,1 sont donnés, et X = (xi ) ∈ Mp,1 (K) est l’inconnue.
Démonstration. Clair.
Proposition V.10. Avec les mêmes notations, le système précédent est compatible si, et seulement si, B
est combinaison linéaire des colonnes de A.
Démonstration. Découle de la multiplication d’une matrice par une matrice colonne.
Proposition V.11. On suppose le système (S) compatible, et on pose X0 une de ses solutions.
Alors les solutions de (S) sont les X0 + Y , où Y est une solution du système homogène associé.
Démonstration. Soit X ∈ Mp,1 . Alors on a :
AX = B ⇔ AX = AX0 ⇔ A(X − X0 ) = 0
par bilinéarité du produit. Ce qui donne bien le résultat voulu.
Corollaire V.12. Avec les mêmes notations, si p > n, alors l’équation AX = B admet soit une infinité de
solutions, soit aucune.
Démonstration. Découle de l’ensemble solution d’un système homogène possédant plus d’inconnues que
d’équations.
Proposition V.13. Soit A ∈ Mn (K). Alors A est inversible si, et seulement si, l’équation AX = B
d’inconnue X ∈ Mn,1 (K) possède une solution pour tout B ∈ Mn,1 (K).
Dans ce cas, pour tout B, le système AX = B admet une unique solution.
Démonstration. On traite séparément les deux implications.

Si A est inversible. Soient X, B ∈ Mn,1 (K). Alors :
AX = B ⇔ AA−1 X = A−1 B ⇔ X = A−1 B
donc le système AX = B admet une (unique) solution, qui est X = A−1 B.

Réciproquement, si le système AX = B admet toujours une solution. Pour tout i ∈ J1; nK, posons Xi
une solution
de l’équation AX = Ei (où Ei est la matrice élémentaire d’indice i de taille (n, 1)). Posons
e = [Xi ] ∈ Mn (K) la matrice carrée dont les colonnes sont les Xi . Alors :
X j

— par définition des Xi , on a : AX
e = [Ei ] = In ;
j
— considérons l’équation Y A = yIn , d’inconnues Y ∈ Mn (K) et y ∈ K : cette équation est un système

linéaire à n2 + 1 inconnues (n2 qui proviennent de Y et 1 pour y) et à n2 équations (une par
coefficient dans l’égalité matricielle), et admet donc une solution non-nulle. Si on la note (Y0 , y0 ),
alors on a Y0 ̸= 0 ou y0 ̸= 0.
Mais on a aussi :
y 0 = 0 ⇒ Y0 A = 0 ⇒ Y0 A Xe = 0 ⇒ Y0 = 0
donc nécessairement y0 ̸= 0.
En posant Ye = y10 Y0 , on a ainsi : Ye A = In .
Ainsi A est inversible à gauche (d’inverse X) e et à droite (d’inverse Ye ). Et on a aussi que :
Ye = Ye · In = Ye (AX)
e = (Ye A)X
e = In X
e =X
e
et donc Ye = Xe : donc A est inversible d’inverse X.

e
L’unicité dans les solutions des systèmes AX = B découle de la première implication.
Théorème V.14. Soit A ∈ Mn (K). Alors A est inversible si, et seulement si, l’une des conditions suivantes
est vérifiée :
1. pour tout B ∈ Mn,1 (K) le système AX = B a une solution ;
2. pour tout B ∈ Mn,1 (K) le système AX = B a une unique solution ;
3. il existe B ∈ Mn,1 (K) le système AX = B a une unique solution ;
4. l’équation AX = 0 a pour seule solution X = 0 ;
5. il existe une matrice C ∈ Mn (K) telle que AC = In ;
6. il existe une matrice C ∈ Mn (K) telle que CA = In .
Démonstration. Les deux premiers points ont déjà été vus.

Les points 3 et 4 seront vus au paragraphe suivant.
Pour 5 : si AC = In et B ∈ Mn,1 (K), alors : CB est une solution du système AX = B, donc par le
résultat précédent A est inversible. La réciproque est claire.
Pour 6 : si CA = In , alors AT C T = In , donc par le point précédent AT est inversible, donc A aussi. La
réciproque est claire.
Remarque V.15. Un matrice est donc inversible à droite si, et seulement si, elle est inversible à gauche.
Ceci est tout à fait remarquable compte tenu du fait que la multiplication matricielle n’est pas commutative
sur Mn (K). En particulier, dans 5 et 6, la matrice C est unique et est égale à A−1 .
Corollaire V.16. Si A, B ∈ Mn (K), alors :
A, B ∈ GLn (K) ⇔ AB ∈ GLn (R).
Démonstration. Le sens direct a déjà été montré.

Pour la réciproque, notons C = (AB)−1 . Alors :
— comme (AB)C = In , alors A(BC) = In (par associativité), donc A est inversible d’inverse BC ;
— comme C(AB) = In , alors (CA)B = In (par associativité), donc B est inversible d’inverse CA.
Remarque V.17. On retrouve au passage que : B −1 A−1 = CABC = C = (AB)−1 .

V.3 Opérations élémentaires sur les lignes et les colonnes

Proposition V.18 (Écriture matricielle des opérations élémentaires). Faire une opération élémentaires sur
les lignes (resp. les colonnes) d’une matrice revient à la multiplier à gauche (resp. à droite) par la
transformée de la matrice identité.
Démonstration. Soit A ∈ Mn (K). On considère Ei,j la matrice élémentaire d’indice (i, j) de taille n. On
rappelle que :
— la matrice Ei,j A est la matrice dont la i-ème ligne est la j-ème ligne de A ;
— la matrice AEi,j est la matrice dont la j-ème colonne est la i-ème colonne de A.
On peut alors exprimer les opérations élémentaires sur les lignes en terme de multiplication à gauche :
— la permutation Li ↔ Lj : par In − Ei,i − Ej,j + Ei,j + Ej,i ;
— la dilatation Li ← λLi : par Diag(1, . . . , 1, λ, 1, . . . , 1) = In + (λ − 1)Ei,i ;
— la transvection Li ← Li + λLj : par In + λEi,j .
Donc on trouve bien le résultat voulu.
Les opérations élémentaires sur les colonnes s’obtiennent de même par multiplication à droite :
— la permutation Ci ↔ Cj : par In − Ei,i − Ej,j + Ei,j + Ej,i (comme pour les lignes) ;
— la dilatation Ci ← λCi : par Diag(1, . . . , 1, λ, 1, . . . , 1) = In + (λ − 1)Ei,i (comme pour les lignes) ;
— la transvection Ci ← Ci + λCj : par In + λEj,i (la transposée de la matrice pour les lignes).
Proposition V.19. Réaliser des opérations élémentaires sur les lignes ou les colonnes d’une matrice ne
change pas son inversibilité.
Démonstration. Notons que, si B est une matrice inversible, alors une matrice A est inversible si, et
seulement si, AB est inversible (par inversibilité d’un produit).
Le résultat découle alors du fait que les matrices associées aux opérations élémentaires sont inversibles :
pour les dilatations ou transvection, il s’agit de matrices triangulaires de coefficients diagonaux non nuls ;
pour les permutations on peut voir que la matrice est son propre inverse.
Corollaire V.20. Une matrice possédant deux lignes identiques ou deux colonnes identiques n’est pas in-
versible.
Démonstration. Par opérations élémentaires, on se ramène à l’inversibilité d’une matrice qui possède une
ligne ou une colonne nulle.
Corollaire V.21. Si A ∈ Mn (K), alors A est inversible si, et seulement si, le système AX = 0 a pour seule
solution 0.
Démonstration. Si A est inversible, le résultat est clair.

Si A n’est pas inversible, considérons le système AX = 0. Par opérations élémentaires sur les lignes, on se
ramène au système échelonné équivalent T X = 0, où T est une matrice triangulaire supérieure. Comme A
n’est pas inversible, T non plus donc T possède un coefficient diagonal nul.
Quitte à échanger les inconnues, on peut supposons que son dernier coefficient diagonal est non nul. Mais
alors, pour tout xn ∈ K, le système T X = 0 admet une solution dont la dernière coordonnée vaut xn .
Donc le système T X = 0 admet une infinité de solution, tout comme le système AX = 0.
Corollaire V.22. La matrice A est inversible si, et seulement si, pour un B ∈ Mn,1 (K) l’équation AX = B
admet une unique solution.
Démonstration. Si A est inversible, on peut prendre B = 0 par le résultat précédent.

Réciproquement, si un tel B existe, alors notons X1 tel que AX1 = B. Comme les solutions de l’équation
AX = B sont de la forme X1 + X0 , avec X0 solution de l’équation homogène, on déduit que l’équation
homogène a pour seule solution X = 0. Et on utilise à nouveau le point précédent.
V.4 Calcul d’inverses de matrices
Proposition V.23. Si A ∈ Mn (K) et X, Y ∈ Mn,1 (K).

Si le système AX = Y (d’inconnue X) est équivalent à un système A′ Y = X (d’inconnue Y ), alors A est
inversible d’inverse A′ .
Sinon A n’est pas inversible.
Démonstration. Pour le premier cas, le système admet toujours une solution peu importe la valeur de Y ,
donc A est inversible.
Réciproquement, si A est inversible, alors A′ = A−1 convient.
Remarque V.24. En pratique on cherchera simplement à résoudre le système AX = Y (par méthode du

pivot par exemple).
     
1 −1 1 x a
Exemple V.25. Considérons la matrice A = −2 −1 0 . Posons X = y et Y = b . Alors :
    
3 −1 2 z c

x − y + z = a
AX = Y ⇔ −2x − y = b
3x − y + 2z = c


 x − y + z = a
⇔ − 3y + 2z = 2a + b
2y − z = −3a + c


 x − y + z = a
⇔ − 3y + 2z = 2a + b
z = −5a + 2b + 3c


 x − y = 6a − 2b − 3c
⇔ − 3y = 12a − 3b − 6c
z = −5a + 2b + 3c


 x − y = 6a − 2b − 3c
⇔ y = −4a + b + 2c
z = −5a + 2b + 3c


 x = 2a − b − c
⇔ y = −4a + b + 2c
z = −5a + 2b  + 3c

2 −1 −1
⇔ X = −4 1
 2 Y
−5 2 3
   
1 −1 1 2 −1 −1
Donc −2 −1 0 est inversible d’inverse −4 1 2 .
3 −1 2 −5 2 3


1 −1 1
Exemple V.26. Faisons la même chose avec B = −2 −1 1 et reprenons les mêmes X, Y . Alors :
3 −1 1

x
 − y + z = a
AX = Y ⇔ −2x − y + z = b
 3x − y + z = c

 x − y + z = a
⇔ − 3y + 3z = 2a + b
2y − 2z = −3a + c


 x − y + z = a
⇔ − 3y + 2z = 2a + b
0 = −5a + 2b + 3c

 
1
Donc l’équation BX = 0 n’a pas de solution, car alors :−5a + 2b + 3c = −5 ̸= 0.
0
Donc B n’est pas inversible.
On pouvait aussi directement chercher à résoudre BX = 0, et voir qu’il y a une solution
  non 
nulle.
 Comme

0 −1 1
les deuxième et troisième colonnes de B sont opposées, on a (sans calcul) que B 1 = −1+1 = 0,
1 −1 1
donc l’équation BX = 0 admet une solution non nulle, et B n’est pas inversible.
Proposition V.27. Si A est inversible, la suite d’opérations élémentaires sur les lignes qui transforme A
en In transformera In en A−1 .
Démonstration. Notons P1 , P2 , . . . , Pr les opérations élémentaires que l’on effectue dans cet ordre, c’est-à-
dire que :
Pr . . . P1 P0 A = In .
Alors en multipliant par A−1 , on trouve : A−1 = Pr . . . P1 P0 = Pr . . . P1 P0 In .
Remarques V.28.
1. On pourrait faire avec les opérations sur les colonnes, mais il ne faut pas mélanger les opérations
sur les lignes et les colonnes dans un même calcul d’inverse de matrice.
2. On a même mieux : si, avec des opérations élémentaires, on transforme A en une matrice non
inversible, alors A n’était pas inversible.

1 1 1
Exemple V.29. Étudions l’inversibilité de la matrice A = 1 2 3 par opérations élémentaires sur les
1 4 8
lignes :    
1 1 1 1 0 0
1 2 3 0 1 0
1 4 8 0 0 1
1 1 1 1 0 0
0 1 2 −1 1 0
0 3 7  −1 0 1 
1 1 1 1 0 0
0 1 2 −1 1 0
0 0 1  2 −3 1 
1 1 0 −1 3 −1
0 1 0 −5 7 −2
0 0 1  2 −3 1 
1 0 0 4 −4 1
0 1 0 −5 7 −2
0 0 1 2 −3 1
 
4 −4 1
donc la matrice A est inversible. Son inverse est : A−1 = −5 7 −2.
2 −3 1
Remarque V.30. Quand on cherche à inverser la matrice A par opérations élémentaires sur les lignes, au
lieu de travailler avec deux matrices simultanément, on peut travailler avec la matrice rectangulaire (AIn )
(de taille n × 2n), que l’on cherche à échelonner, ce qui revient exactement au même.
Chapitre 13
Les réels
I Théorème de la borne supérieure

Définition I.1. Soit E un ensemble muni d’une relation d’ordre ⪯, et A une partie de E :
1. on dit qu’un élément a de E est la borne inférieure de A si : a est le plus grand minorant de A ;
on note a = inf(A) ;
2. on dit qu’un élément b de E est la borne supérieure de A si : b est le plus petit majorant de A ;
on note b = sup(A).
Proposition I.2. Si A possède un maximum (resp. un minimum), alors A possède une borne supérieure
(resp. inférieure), et alors : max(A) = sup(A) (resp. min(A) = inf(A)).
Démonstration. Soit a = max(a). Donc a est un majorant de A et a ∈ A. Si M est un majorant de A,
comme a ∈ A, alors : a ≤ M . Donc a est bien le plus petit majorant : donc sup(A) existe, et sup(A) =
max(A).
Théorème I.3 (de la borne supérieure).
1. Toute partie non vide majorée de R admet une borne supérieure.
2. Toute partie non vide minorée de R admet une borne inférieure.
Exemples I.4. 1. A =]0; 1] est non vide (il contient 1), majoré (par 2) et minoré (par −41) ; sup(A) =
1 et inf(A) = 0 ;
√ √
2. B = {x ∈ R | x2 ≤ 2} vérifie sup(B) = 2 et inf(B) = − 2 ;
√ √
3. C = {x ∈ R | x2 < 2} vérifie aussi sup(C) = 2 et inf(C) = − 2.
Remarque I.5. L’ensemble Q ne vérifie pas le théorème de la borne supérieure.
Posons A = {x ∈ Q | x2 ≤ 2} : alors A est non vide et majorée, mais n’admet pas de borne supérieure
(dans Q).
Le fait que A est non vide et majorée est clair.
Montrons que A n’a pas de borne supérieure. Soit a ∈ Q un majorant de A (dans Q) : montrons qu’il ne
a 1
peut pas être le plus petit. Pour cela, on pose b = + :
2 a
— comme 1 ∈ A, alors a ≥ 1 donc b ≥ 0;
2
2 2 √
— on a b2 = a4 + a12 + 1 = 2 + a4 + a12 − 1 = 2 + a2 − a1 ≥ 2, donc b ≥ 2 est un majorant de A ;
2
— 2b = b42 ≤ 2 donc 2b ∈ A ; donc a ≥ 2b , c’est-à-dire ab ≥ 2.
√ √
— en remplaçant b par sa valeur, on déduit que a2 ≥ 2, donc a > 2 (car 2 ∈ / Q) ;
1 a 2−a2
— et donc b − a = a − 2 = 2a < 0, donc b < a.
Donc, peu importe le majorant choisi, on peut toujours trouver un majorant strictement plus petit : A n’a
pas de borne supérieure.
159
160 CHAPITRE 13. LES RÉELS
Proposition I.6. Soit A une partie non vide de R. Alors :

M est un majorant de A
1. M = supA ⇔ ;
∀ε > 0, ∃a ∈ A, M − ε < a ≤ M

m est un minorant de A
2. m = infA ⇔ ;
∀ε > 0, ∃a ∈ A, m ≤ a < m + ε
Démonstration. Montrons le premier résultat :
— si M = supA :
— M est un majorant de A (par définition) ;
— si ε > 0, alors M − ε < M donc M − ε n’est plus un majorant de A. Donc il existe a ∈ A tel
que M − ε < a. Donc M − ε < a ≤ M .
— réciproquement : soit M ′ < M . Posons ε = M ′ − M > 0. Alors il existe a ∈ A tel que M ′ < a, donc
M ′ n’est pas un majorant de A. Donc M est le plus petit majorant de A et M = supA.
Remarque I.7. L’idée derrière étant que la borne supérieure est le plus petit majorant : tout nombre
strictement plus petit n’est plus un majorant.
Définition I.8. Étant donné I un intervalle non-vide de R, notons ∂I l’ensemble (éventuellement vide) de
ses bornes inférieure et supérieure (selon que I est minoré, majoré ou borné). On définit alors l’adhérence
de I, notée I, comme I = I ∪ ∂I.
L’ensemble ∂I est appelé l’ensemble des extrémités de I.
Remarques I.9.
1. L’adhérence se voit bien sur la notation avec les crochets : cela consiste à tourner les crochets qui
définissent I vers l’intérieur.
2. Un segment est égal à son adhérence.
Exemples I.10.
1. [0; 1[ = [0; 1] ;
2. R∗+ = R+ ;
3. si I = R, alors I = R (et donc on prendra garde à ne pas confondre avec R).
Théorème I.11. L’ensemble R est archimédien, c’est-à-dire que :
∀a ∈ R∗+ , ∀b ∈ R, ∃n ∈ N, na ≥ b.
Démonstration. Soient a ∈ R∗+ et b ∈ R. Par l’absurde, supposons que : ∀n ∈ N, na < b.
Alors l’ensemble A = {na, n ∈ N} est une partie non vide majorée de R, donc possède une borne supérieure
M.
Soit n ∈ N. Alors (n + 1) ∈ N, donc (n + 1)a ∈ A, donc : (n + 1)a ≤ M . Et finalement : na ≤ M − a, donc
M − a est un autre majorant de A.
Ceci contredit le fait que M est la borne supérieure de A.
Théorème-Définition I.12. Soit x ∈ R. On appelle partie entière de x, notée ⌊x⌋, l’unique entier relatif
n tel que : n ≤ x < n + 1.
Démonstration. 1. unicité : supposons que n, n′ ∈ Z conviennent, c’est-à-dire tels que :

n ≤x< n+1
.
n′ ≤ x < n ′ + 1
n < n′ + 1

Alors : et donc −1 < n − n′ < 1.
n′ < n + 1
Mais n − n′ est un entier, donc n − n′ = 0, donc n = n′ .
II. APPROXIMATION D’UN RÉEL 161
2. existence : posons A = {k ∈ Z |k ≤ x}, qui est une partie de Z majorée (par x) et non vide car :
— si x ≥ 0 : alors 0 ∈ A ;
— si x < 0 : comme R est archimédien, il existe n ∈ N tel que n × 1 ≥ −x, et alors −n ∈ A.
Ainsi, A possède un plus grand élément, que l’on note n, et qui vérifie :
— comme n ∈ A : n ≤ x ;
— comme n + 1 ∈ / A : x < n + 1.
Et donc n convient.
Théorème-Définition I.13 (Division euclidienne). Soit y ∈ R∗+ :
∀x ∈ R, ∃!(q, r) ∈ Z × [0; y[, x = qy + r.
Cette écriture est appelée division euclidienne de x par y. On appelle r le reste et q le quotient.
x
Démonstration. Découle des propriétés de la partie entière appliquées à .
y
Remarque I.14. La partie entière n’est autre que le quotient de la division euclidienne par 1.
II Approximation d’un réel

Proposition-Définition II.1. Si x ∈ R et n ∈ N, on appelle approximation décimale de x à 10−n le
⌊10n x⌋
décimal : xn = .
10n
1
On a : xn ≤ x < xn + n .
10
Démonstration. Découle des propriétés de la partie entière.
1
Remarque II.2. Plus précisément, xn est l’approximation de x par défaut. Et xn + n est appelée
10
approximation par excès.
Proposition-Définition II.3. Une partie A de R est dite dense dans R si elle vérifie l’une des propriétés
équivalentes suivantes :
1. entre deux réels, il existe un élément de A ;
2. tout intervalle ouvert non vide de R contient un élément de A.
Démonstration. — 1 ⇒ 2 : si I est un intervalle ouvert non-vide, et x, y ∈ I avec x < y. Alors il existe
a ∈ A tel que : x ≤ a ≤ y, et donc a ∈ [x, y] ⊂ I, donc a ∈ I ;
— 2 ⇒ 1 : soient x, y ∈ R, avec x < y. Alors l’intervalle ]x, y[ contient un élément a ∈ A, et x < a < y
pour un tel A.
Théorème II.4. L’ensemble Q des rationnels est dense dans R.

Démonstration. Soient x, y ∈ R avec x < y. On veut montrer qu’il existe r ∈ Q tel que : x < r < y.
1. comme R est archimédien, il existe q ∈ N∗ tel que : q(y − x) > 1 ;
p+1
2. en notant p = ⌊xq⌋ et r = , on a que p ∈ Z et r ∈ Q vérifient : p ≤ xq < p + 1, donc x < r ;
q
1


 < y−x
3. de plus : q , donc r < y.
p

 ≤ x
q
162 CHAPITRE 13. LES RÉELS
Remarque II.5. En fait, on a même que D est dense dans R grâce à l’approximation décimale.
Théorème II.6. L’ensemble R \ Q des irrationnels est dense dans R.

√ √
Démonstration. Soient x, y ∈ R avec x < y. Alors x′ = x − 2 et y ′ = y − 2 vérifient ces mêmes
propriétés.
Par densité de Q dans R, il existe
√ r′ ∈ Q tel que : x′ < r′ < y ′ .
Et donc, en posant r = r′ + 2, on a : x < r < y. √
Reste à montrer que r ∈ R \ Q : par l’absurde, si on avait r ∈ Q, alors on aurait que : 2 = r − r′ serait
la différence de deux rationnels, donc serait un rationnel. D’où la contradiction.
III La droite achevée

Définition III.1. On appelle droite achevée, notée R, l’ensemble : R = R ∪ {−∞; +∞} = [−∞; +∞].
On prolonge l’ordre sur R à R en posant : ∀x ∈ R, −∞ ≤ x ≤ +∞.
On prolonge les opérations usuelles de R à R en posant :
1. ∀x ∈ R : x + (−∞) = −∞ et x + (+∞) = +∞ ;
2. −∞ + (−∞) = −∞ et +∞ + (+∞) = +∞ ;
3. ∀x ∈ R∗+ : x × (+∞) = +∞ et x × (−∞) = −∞ ;
4. ∀x ∈ R∗− : x × (+∞) = −∞ et x × (−∞) = +∞ ;
5. +∞ × (+∞) = −∞ × (−∞) = +∞ et +∞ × (−∞) = −∞ × (+∞) = −∞ ;
x x
6. ∀x ∈ R : = = 0;
+∞ −∞
x
7. ∀x ∈ R, x ̸= 0 : = ∞.

0
Remarque III.2. Les autres opérations, comme +∞+(−∞) ou 0×±∞ sont des formes indéterminées :
elles ne sont pas bien définies.
Proposition III.3. Tout intervalle I de R est de la forme ]a; b[, ]a; b], [a; b[ ou [a; b] pour a, b ∈ R.
Et dans ce cas, si ces quantités sont définies, on a : sup(I) = b et inf(I) = a.
Démonstration. Par disjonction de cas, selon les différentes formes d’intervalle.

Chapitre 14
Suites numériques
I Généralités
Dans cette partie K désignera R ou C.
Définition I.1. On appelle suite numérique une famille (un )n∈N d’éléments de K indexée par N.
On notera plus simplement u ou (un ) la suite, et un est le terme général de u.
Remarque I.2. On pourra indexer une suite par N privé de ses premiers éléments. Par exemple, une suite
indexée par N \ J0; n0 J sera notée : (un )n≥n0 .
Exemples I.3. Une suite peut être définie de différentes manières :
— explicite, avec une formule : ∀n ∈ N, un = n2 + 3n + 1 ;
— implicite : ∀n ∈ N, un est l’unique solution positive de l’équation xn + nx − 1 = 0 ;
— par récurrence : u0 = 10 et ∀n ∈ N, un+1 = sin(un ).
Remarque I.4. On peut voir une suite comme une fonction u : N → R, et la représenter comme telle :
un
Définition I.5. Si u, v sont deux suites numériques et λ ∈ K, on définit les suites u + v, λu et u × v par :

 (u + v)n = un + vn
∀n ∈ N, (λu)n = λun .
(u × v)n = un × vn

Définition I.6. Les indices n ∈ N sont appelés les rangs de la suite.

On dira qu’une suite (un )n∈N vérifie une propriété à partir d’un certain rang s’il existe n0 ∈ N tel que
la suite (un )n≥n0 vérifie cette propriété.
163
164 CHAPITRE 14. SUITES NUMÉRIQUES
Exemple I.7. La suite (un ) = (n!) est paire à partir du rang 2.
Définition I.8. On dira qu’une suite u est constante si elle ne prend qu’une seule valeur.
On dira qu’une suite est stationnaire si elle est constante à partir d’un certain rang.
Définition I.9. On dira qu’une suite réelle u est :

— majorée s’il existe un réel M tel que : ∀n ∈ N, un ≤ M ;
— minorée s’il existe un réel m tel que : ∀n ∈ N, un ≥ m ;
— bornée si elle est majorée et minorée.
Remarque I.10. Il faut bien faire attention à ce que les majorants ou minorants ne dépendent pas de
n.
Proposition I.11. La suite (un ) est bornée si, et seulement si,la suite (|un |) est majorée.
Démonstration. Comme pour les fonctions.
Définition I.12. On dira qu’une suite réelle u est :

1. croissante si : ∀n ∈ N, un+1 ≥ un ;
2. décroissante si : ∀n ∈ N, un+1 ≤ un ;
3. strictement croissante si : ∀n ∈ N, un+1 > un ;
4. strictement décroissante si : ∀n ∈ N, un+1 < un .
Dans les deux premiers cas, u sera dite monotone, et strictement monotone dans les autres cas.
Remarque I.13. En pratique, pour étudier la monotonie d’une suite, on étudie le signe de la suite (un+1 −
un+1
un ). Si la suite (un ) est de signe constant, on peut aussi étudier la suite un (en faisant attention au
signe de un ).

n+1
Exemple I.14. Étudions la monotonie de la suite : (un ) = .
n+2
La suite un a tous ses termes strictement positifs. Et pour tout n ∈ N on a :
n+2
un+1 n+3 (n + 2)2 n2 + 4n + 4
= n+1 = = 2 >1
un n+2
(n + 1)(n + 3) n + 4n + 3
et ainsi : un+1 > un , donc la suite (un ) est strictement croissante.
Définition I.15. Un suite (un ) est dite périodique s’il existe N ∈ N∗ tel que :
∀n ∈ N, un+N = un .
Proposition I.16. Une suite périodique (ou périodique à partir d’un certain) ne prend qu’un nombre fini
de valeurs.
Démonstration. Si n ∈ N, on écrit n = N q + r la division euclidienne de n par N . Alors un = ur ∈

{u0 , . . . , uN −1 }.
Le cas général en découle en rajoutant les premières valeurs de la suite.
Remarque I.17. De fait, les suites périodiques ne présentent pas un grand intérêt...
II. LIMITE D’UNE SUITE RÉELLE 165
II Limite d’une suite réelle

II.1 Limites finies ou infinies
Définition II.1. Si (un ) est une suite réelle, et l ∈ R, on dit que la suite (un ) converge vers l si :
∀ε > 0, ∃n0 ∈ N, ∀n ∈ N, n ≥ n0 ⇒ |un − l| ≤ ε.
On écrira alors : lim un = l (ou plus simplement lim un = l) ou un → l.

n→+∞ n→+∞
Plus généralement, on dira que la suite (un ) est convergente si elle converge vers un réel l, et divergente
sinon.
Remarque II.2. Cela revient à dire que : pour tout ε > 0, l’intervalle [l − ε; l + ε] contient tous les termes
de la suites à partir d’un certain rang.
l+ε
l
l−ε
n0
Remarques II.3.
1. En pratique, on montre que la suite (|un − l|) converge vers 0.
2. Toute la subtilité sera de trouver les bons ε, en étant sûr que ε > 0, ou de trouver un n0 convenable.
Exemple II.4. Montrons que la suite ( n1 )n≥1 converge vers 0 :

Soit ε > 0. Alors n0 = ⌊ 1ε ⌋ + 1 convient car n0 > 1ε et :
1 1 1
n ≥ n0 ⇒ n ≥ ⇒ 0 ≤ ≤ ε ⇒ | − 0| ≤ ε.
ε n n
Proposition II.5 (unicité de la limite). Si une suite converge, alors sa limite est unique.
Démonstration. Par l’absurde, supposons que la suite (un ) converge simultanément vers l1 , l2 ∈ R avec
l1 ̸= l2 .
|l1 − l2 |
Posons ε = et utilisons la définition de la limite :
3
— il existe n1 tel que : n ≥ n1 ⇒ |un − l1 | ≤ ε ;
— il existe n2 tel que : n ≥ n2 ⇒ |un − l2 | ≤ ε.
Posons N = n1 + n2 . Alors N ≥ n1 et N ≥ n2 . Mais par inégalité triangulaire :

3ε = |l1 − l2 | = |l1 − uN + uN − l2 | ≤ |l1 − uN | + |l2 − uN | ≤ 2ε
d’où la contradiction.
Donc l1 = l2 .
Proposition II.6. Toute suite convergente est bornée.
Démonstration. Soit (un ) une suite convergente de limite l. Avec ε = 1, il existe n0 ∈ N tel que : n ≥
n0 ⇒ |un − l| ≤ 1. Et donc :
∀n ≥ n0 , |un | = |un − l + l| ≤ |un − l| + |l| ≤ |l| + 1.
Donc M = max{1 + |l|, |u0 |, |u1 |, . . . , |un0 −1 |} est un majorant de (|un |) : la suite (un ) est donc bornée.
Le point important dans la preuve est que M existe bien car tout ensemble fini de réels admet un maximum.
Remarques II.7.
1. La réciproque est évidemment fausse : la suite (un ) = (−1)n est bornée mais ne converge pas.
2. L’idée de la preuve est qu’une suite est bornée si elle l’est à partir d’un certain rang ; et c’est
clairement le cas pour une suite convergente.
Proposition II.8. Si (un ) converge vers l ̸= 0, alors tous les termes sont du signe de l (et ne s’annulent
pas) à partir d’un certain rang.

|l| l 3l 3l l
Démonstration. On utilise ε = . À partir d’un certain rang, les termes sont dans ; ou ;
2 2 2 2 2
selon le signe de l.
Remarques II.9.
1. On utilisera plutôt que, si u converge vers l > 0, alors u est strictement positive à partir d’un certain
rang.
2. Le résultat montré est plus fort en fait : si l > 0, alors il existe m > 0 tel que u est minorée par
m à partir d’un certain rang ; si l < 0, il existe M < 0 tel queu est majorée par M à partir d’un
1
certain rang. Ce résultat est plus fort dans le sens où la suite un est ainsi bornée.
Définition II.10. On dit qu’une suite réelle (un ) tend vers +∞ si :
∀A ∈ R, ∃n0 ∈ N, ∀n ∈ N, n ≥ n0 ⇒ un ≥ A.
On écrira alors : lim un = +∞ (ou plus simplement lim un = +∞) ou un → +∞.
n→+∞ n→+∞
De même, on dit qu’une suite (un ) tend vers −∞ si :
∀A ∈ R, ∃n0 ∈ N, ∀n ∈ N, n ≥ n0 ⇒ un ≤ A.
et on utilisera les notations idoines.
n0
√
Exemple II.11. Montrons que la suite ( n) tend vers +∞ :
Soit A ∈ R. Alors n0 = ⌊A2 ⌋ + 1 convient car n0 > A2 et ainsi :
√ √
n ≥ n0 ⇒ n ≥ A2 ⇒ n ≥ A2 = |A| ≥ A.
Proposition II.12. Soit (un ) une suite réelle :

1. si (un ) tend vers +∞ : alors elle est minorée, et elle n’est pas majorée ;
2. si (un ) tend vers −∞ : alors elle est majorée, et elle n’est pas minorée.
Démonstration. Le fait de ne pas être majorée ou minorée découle de la définition.

Montrons qu’une suite qui tend vers +∞ est minorée. Prenons la définition avec A = 0. Il existe n0 tel
que : n ≥ n0 ⇒ un ≥ 0. Donc (un ) est minorée par : m = min{u0 , u1 , . . . , un0 −1 , 0}.
Corollaire II.13. Une suite ayant une limite est majorée ou minorée.
Démonstration. Par disjonction de cas suivant que la limite est finie ou non.
II.2 Opérations sur les limites

Théorème II.14. Si u, v sont deux suites réelles avec lim u = l et lim v = l′ (pour l, l′ ∈ R), et λ ∈ R alors,
sous réserve que les quantités ci-dessous soient bien définies :
1. la suite (u + v) a pour limite l + l′ ;
2. la suite (λu) a pour limite λl ;
3. la suite (uv) a pour limite l × l′ ;
u l
4. si l′ ̸= 0, la suite est bien définie à partir d’un certain rang, et a pour limite ′ .
v l
Remarque II.15. Il faudra bien prendre garde aux formes indéterminées (les opérations interdites dans
R). Par exemple, si l = +∞ et l′ = −∞, la suite w = u + v peut avoir tout type de comportement :
— si (un ) = n et (vn ) = −n : w est stationnaire ;
— si (un ) = 2n et (vn ) = −n : w tend vers +∞ ;
— si (un ) = n et (vn ) = −2n : w tend vers −∞ ;
— si (un ) = n et (vn ) = (−1)n − n : w n’a même pas de limite.
Démonstration (de quelques cas) :

1. notons que l + l′ est bien défini à moins que l = ±∞ et l′ = −l :
— si l, l′ ∈ R : on veut montrer que (u + v) converge vers l + l′ ∈ R. Soit ε > 0. Si n ∈ N :
|(un + vn ) − (l + l′ )| = |(un − l) + (vn − l′ )| ≤ |un − l| + |vn − l′ |.

ε
On applique les définitions des limites pour u et v avec >0:
2
ε

∃n1 ∈ N, ∀n ≥ n1 , |un − l| ≤ 2
∃n2 ∈ N, ∀n ≥ n2 , |vn − l′ | ≤ ε
2
et ainsi, en posant n0 = max(n1 , n2 ), pour tout n ≥ n0 on a :

ε ε
|(un + vn ) − (l + l′ )| ≤ + =ε
2 2
donc (u + v) tend bien vers (l + l′ ).
— si l = +∞ et l′ ̸= −∞ : alors u tend vers +∞, et v est nécessairement minorée (elle est soit
convergente, soit elle tend vers +∞). Donc u+v tend bien vers l+l′ = +∞ d’après la proposition
suivante.
— si l = −∞ et l′ ̸= +∞ : même constat.
2. la seule forme indéterminée est serait λ = 0 et l = ±∞, mais en fait λu serait la suite stationnaire
(de valeur 0), qui converge vers 0. On considère donc λ ̸= 0 :
— si l ∈ R : on veut montrer que (λu) converge vers λl ∈ R. Soit ε > 0. Si n ∈ N :
|λun − λl| = |λ| × |un − l|.
ε
On applique la définition de la limite de u à |λ| > 0, donc il existe n0 tel que : n ≥ n0 ⇒
ε
|un − l| ≤ |λ| .
Et donc : n ≥ n0 ⇒ |λun − λl| < ε. Donc (λu) tend bien vers λl.
— si l = +∞ : on veut montrer que (λu) converge vers λl = signe(λ)∞. Soit A ∈ R. On applique
la définition de la limite de u à Aλ , donc il existe n0 tel que : n ≥ n0 ⇒ un ≥ Aλ . Et donc :

λun ≥ A si λ > 0
n ≥ n0 ⇒ .
λun ≤ A si λ < 0

+∞ si λ > 0
donc λu tend bien vers λl = .
−∞ si λ < 0
3. les formes indéterminées sont si l = ±∞ et l′ = 0 (ou l’inverse) :
— si l, l′ ∈ R : on veut montrer que (uv) converge vers ll′ ∈ R. Soit ε > 0. Si n ∈ N :
|(un vn ) − (ll′ )| = |un vn − lvn + lvn − ll′ | = |(un − l)vn + l(vn − l′ )| ≤ |vn ||un − l| + |l||vn − l′ |.
Comme v est convergente, alors elle est bornée, et il existe donc M ∈ R tel que : ∀n ∈ N, |vn | ≤
M . Posons a = max(M, |l|, 1) > 0.
ε
On applique la définition des limites de u et v à 2a >0:
ε

∃n1 ∈ N, ∀n ≥ n1 , |un − l| ≤ 2a
′ ε
∃n2 ∈ N, ∀n ≥ n2 , |vn − l | ≤ 2a
En prenant n0 = max(n1 , n2 ), pour tout n ≥ n0 , on a :
ε ε
|un vn − ll′ | ≤ a + a = ε.
2a 2a
Donc (uv) converge bien vers ll′ .
— pour les autres cas : on aura toujours une des suites qui tend vers ±∞ et l’autre qui est minorée
par un nombre strictement positif ou majorée par un nombre strictement négatif à partir d’un
certain rang. Donc le résultat découle d’une proposition suivante.
4. grâce à la limite d’un produit, il suffit de montrer que u1 tend vers 1l :
— si l ∈ R∗ : on veut montrer que u1 converge vers 1l ∈ R. Soit ε > 0. Comme l ̸= 0, il existe un
rang n1 tel que : n ≥ n1 ⇒ |un | ≥ |l|2 > 0, ce qui assure déjà que u est bien définie à partir d’un
certain rang.
Si n ≥ n1 , on a :
− 1 = l − un ≤ 2 |un − l| .
1
un l lun l2
2 2
On applique la définition de la limite de u à ε l2 donc il existe n2 tel que : n ≥ n2 ⇒ |un −l| ≤ ε l2 .
D’où, avec n0 = max(n1 , n2 ) :
1 1
∀n ≥ n0 , − ≤ ε.

un l
1
Donc u
converge vers 1l .
— si l = +∞ : on veut montrer que u1 converge vers 0. Soit ε > 0.

On applique la définition de la limite de u à A = 1ε > 0. Il existe un rang n0 tel que : n ≥ n0 ⇒
un ≥ 1ε > 0. Ce qui assure que u est bien définie à partir d’un certain rang.
Et donc :
1 1
n ≥ n0 ⇒ = ≤ ε.
un un
1
Donc u
tend bien vers 0.
Remarque II.16. Une autre manière de dire est que les limites se comportent bien avec les opérations dans
R : la limite d’une somme est la somme des limites, la limite d’un produit est le produit des limites, etc.
Proposition II.17 (Limites d’autres sommes). Si u, v sont deux suites réelles :

1. si u est minorée et que v tend vers +∞, alors u + v tend vers +∞ ;
2. si u est majorée et que v tend vers −∞, alors u + v tend vers −∞.
Démonstration. Montrons le premier cas. Soit m un minorant de u, donc : ∀n ∈ N, un ≥ m.

Soit A ∈ R. On applique la définition de la limite de v avec A − m, donc il existe n0 tel que : n ≥ n0 ⇒
vn ≥ A − m.
Et donc : ∀n ≥ n0 , (un + vn ) ≥ m + (A − m) = A.
Donc (u + v) tend vers +∞.
Proposition II.18 (Limites d’autres produits). Si u, v sont deux suites réelles :

1. si u est bornée et que v converge vers 0, alors uv converge vers 0 ;
2. si u est minorée par m > 0 à partir d’un certain rang et que v tend vers ±∞, alors uv a même
limite que v ;
3. si u est majorée par M < 0 à partir d’un certain rang et que v tend vers ±∞, alors uv a une limite
opposée à celle de v.
Démonstration. 1. notons M > 0 un majorant de |u|, donc : ∀n ∈ N, |un | ≤ M .

Soit ε > 0. On applique la définition de la limite de v avec Mε > 0, donc il existe n0 tel que :
n ≥ n0 ⇒ |vn | ≤ Mε .
Et donc : ∀n ≥ n0 , |un vn | = |un | · |vn | ≤ ε.
Donc (uv) converge bien vers 0.
2. si lim v = +∞ : soit A > 0. Notons n1 , n2 ∈ N tels que :

∀n ≥ n1 , un ≥ m > 0
∀n ≥ n2 , vn ≥ |A|
m
>0
Et donc, avec n = max(n1 , n2 ), on a :
|A|
n ≥ n0 ⇒ un vn ≥ mvn ≥ m = |A| ≥ A
m
donc uv tend bien vers +∞.
3. idem.
Proposition II.19 (Limite de valeurs absolues). Si u a pour limite l ∈ R, alors |u| a pour limite |l|.
Démonstration. — si l ∈ R : alors pour tout n ∈ N : ||un | − |l|| ≤ |un − l| (par inégalité triangulaire).
Si ε > 0, il existe n0 ∈ N tel que : n ≥ n0 ⇒ |un − l| ≤ ε.
Et donc : n ≥ n0 ⇒ ||un | − |l|| ≤ ε, donc |u| converge vers |l|.
— si l = +∞ : soit A ∈ R. Par définition de la limite de u avec |A|, il existe n0 tel que : n ≥ n0 ⇒
un ≥ |A| ≥ 0.
Et donc : n ≥ n0 ⇒ |un | = un ≥ |A| ≥ A.
Remarque II.20. La réciproque est fausse en générale (reprendre la suite (un ) = ((−1)n )). Elle est vraie
si l = 0 : lim u = 0 ⇔ lim |u| = 0.
Proposition II.21 (Limites d’autres quotients). Si u est une suite réelle :

1
1. si u a tous ses termes strictement positifs à partir d’un certain rang et converge vers 0, alors
u
tend vers +∞ ;
1
2. si u a tous ses termes strictement négatifs à partir d’un certain rang et converge vers 0, alors
u
tend vers −∞.
Démonstration. Montrons le premier cas.

Soit A ∈ R.
Notons n1 tel que : n ≥ n1 ⇒ un > 0.
1
Il existe n2 tel que : n ≥ n2 ⇒ |un | ≤ .
|A| + 1
1 1
Et donc, avec n0 = max(n1 , n2 ) : n ≥ n0 ⇒ 0 < un ≤ |un | ≤ ⇒ ≥ |A| + 1 ≥ A.
|A| + 1 un
1
Donc tend vers +∞.
u
Corollaire II.22. Soit u une suite réelle qui ne s’annule plus à partir d’un certain rang.
1
Alors |u| tend vers +∞ si, et seulement si, converge vers 0.
u

Corollaire II.23. Si u converge vers l ̸= 0 et si v tend vers 0, alors la suite uv tend vers +∞.
Démonstration. Il suffit de voir que uv tend vers 0. Mais, comme u tend vers l ̸= 0, alors 1
u
converge, donc
est bornée. Donc uv = v × u1 tend vers 0.
III Limites et inégalités

III.1 Liens entre inégalités et limites
Proposition III.1. Si u et v sont deux suites réelles convergentes telles que : ∀n ∈ N, un ≤ vn , alors
lim u ≤ lim v.
Si de plus : ∀n ∈ N, un < vn , alors lim u ≤ lim v.
Démonstration. Notons l = lim u et l′ = lim v. Par opérations sur les limites :

— la suite v − u converge vers l′ − l ;
— la suite |v − u| converge vers |l′ − l|.
Mais ces deux suites sont égales par l’inégalité. Par unicité de la limite, on déduit que : |l′ − l| = l′ − l. Et
ainsi : l′ ≥ l.
Remarques III.2.
III. LIMITES ET INÉGALITÉS 171
1. on ne peut pas avoir d’inégalité stricte en passant à la limite : par exemple prendre u = 0 (la suite
nulle) et (vn ) = ( n1 ) ;
2. il suffit en fait d’avoir un ≤ vn à partir d’un certain rang ;
3. en pratique, on l’utilisera avec u ou v qui est une suite constante.
Théorème III.3 (Théorème d’encadrement, ou des gendarmes). Si u, v, w sont des suites réelles telles que :
∀n ∈ N, un ≤ vn ≤ wn .
Si les suites u et w convergent vers une même limite l, alors v converge aussi vers l.
Démonstration. Soit ε > 0. Par définition des limites de u et w :

∃n1 ∈ N, n ≥ n1 ⇒ |un − l| ≤ ε donc l − ε ≤ un
.
∃n2 ∈ N, n ≥ n2 ⇒ |wn − l| ≤ ε donc wn ≤ l + ε
En posant n0 = max(n1 , n2 ), on a :
n ≥ n0 ⇒ l − ε ≤ un ≤ vn ≤ wn ≤ l + ε donc |vn − l| ≤ ε
donc vn converge vers l.
Remarque III.4. Il suffit en fait d’avoir l’inégalité à partir d’un certain rang.
Exemples III.5.

sin(n)
1. montrons que la suite (un ) = n
tend vers 0.
Pour tout n ∈ N∗ , on a : −1 n
≤ un ≤ n1 .
Les suites de terme général −1
n
et n1 convergent vers 0, donc u converge vers 0 par encadrement.
2. étudions la limite de la suite u de terme général : un = n2n+1 + n2n+2 + · · · + n2n+n = nk=1 n2n+k .
P
Pour tout k ∈ J1; nK : n2n+n ≤ n2n+k ≤ n2n+1 .

n2 n2
Donc en sommant pour k allant de 1 à n : n2 +n
≤ un ≤ n2 +1
.
n2 1 1 n2 1
Mais n2 +n
= 1
1+ n
→ 1+0
= 1 et n2 +1
= 1+ 12
→ 1 : donc par encadrement u tend vers 1.
n
Proposition III.6 (Divergence par minoration ou majoration). Soient u, v deux suites réelles telles que :
∀n ∈ N, un ≤ vn . Alors :
1. si u tend vers +∞, alors v aussi ;
2. si v tend vers −∞, alors u aussi.
Démonstration. Montrons le premier cas. Soit A ∈ R. Il existe n0 ∈ N tel que ; n ≥ n0 ⇒ un ≥ A. Et

donc : n ≥ n0 ⇒ vn ≥ A.
III.2 Suites monotones et suites adjacentes

Théorème III.7 (de la limite monotone).
1. Soit u une suite croissante :
— si u est majorée : elle converge vers sup{un | n ∈ N} ;
— si u n’est pas majorée : alors u tend vers +∞.
2. Soit u une suite décroissante :
— si u est minorée : elle converge vers inf{un | n ∈ N} ;
— si u n’est pas minorée : alors u tend vers −∞.
Démonstration. Montrons pour une suite croissante.

— si u est majorée : notons l = sup{un | n ∈ N}, et prenons ε > 0.
Par caractérisation de la borne supérieure, on déduit que : il existe n0 ∈ N tel que l − ε ≤ un0 ≤ l.
Mais u est croissante et majorée par l, donc pour tout n ≥ n0 : un0 ≤ un ≤ l.
Et donc pour tout n ≥ n0 : l − ε ≤ un ≤ l, donc |un − l| ≤ ε.
— si u n’est pas majorée : soit A ∈ R. Alors il existe n0 ∈ N tel que un0 ≥ A (sinon A serait un
majorant de u).
Par croissance, on a donc : n ≥ n0 ⇒ un ≥ un0 ≥ A, donc u tend vers +∞.
Exemple III.8. Étudions la suite de terme général : un = 1 + 212 + · · · + n12 = nk=1 1

P
k2
.
1
— u est croissante : si n ∈ N, un+1 − un = (n+1) 2 > 0;
∗ 1 1 1
— u est majorée par 2 : si k ∈ N \ {1}, k2 ≤ k(k−1) = k−1 − k1 . Et ainsi :
Pn 1 Pn 1
un = k=1
Pk 2 = 1 + k2
k=2
≤ 1 + nk=2 k−1
1
− k1
≤ 1 + 1 − n1 = 2 − n1 ≤ 2
π2
Donc u converge, et sa limite l vérifie : l ≤ 2. (en fait sa limite vaut 6
≃ 1.65.
Remarque III.9. Le majorant utilisé n’est pas toujours la limite de la suite.
Corollaire III.10. Toute suite réelle monotone a une limite (finie ou non).
Théorème-Définition III.11. Soient u, v deux suites réelles telles que :

1. u est croissante ;
2. v est décroissante ;
3. lim (un − vn ) = 0.
Alors on dit que u et v sont adjacentes.
Sous ces conditions, u et v convergent vers une même limite l, qui est l’unique réel vérifiant :
∀n, m ∈ N, un ≤ l ≤ vm .
Démonstration. Comme u est croissante et v est décroissante, alors la suite u − v est croissante. Comme
elle converge vers 0, on déduit que : 0 est un majorant de u − v, donc u − v est toujours négative ou nulle.
Ainsi : ∀n ∈ N, un ≤ vn .
En utilisant à nouveau les monotonies, on a :
∀n ∈ N, u0 ≤ un ≤ vn ≤ v0
donc :
— la suite u est croissante, majorée par v0 , donc converge vers un réel l ;
— la suite v est décroissante, minorée par u0 , donc converge vers un réel l′ ;
— lim (un − vn ) = l′ − l = 0.
Donc u et v convergent toutes les deux vers l.
Par monotonies de u et v, on a :
sup{un | n ∈ N} = l = inf{vn | n ∈ N}
ce qui justifie déjà que : ∀n, m ∈ N, un ≤ l ≤ vm .

Si l′ vérifie les mêmes inégalités, alors :
— l′ est un majorant de u, donc : l ≤ l′ ;
IV. SUITES EXTRAITES 173
— l′ est un minorant de v, donc : l′ ≤ l.

Donc l = l′ , ce qui assure l’unicité.
Remarque III.12. Si les suites u, v sont strictement monotones, on peut mettre des inégalités strictes à la
fin.
Exemple III.13. Démonstration de l’irrationalité de e.

1. On considère les suites u, v définies par :
1 1 1 1
un = 1 + + + ··· + et vn = un + .
1! 2! n! n · n!
Alors :
1
— un+1 − un = (n+1)!
> 0, donc u est strictement croissante ;
2
1
— vn+1 − vn = (un+1 − un ) + (n+1)((n+1)!) 1
− n·n! 1
= (n+1)! 1
+ (n+1)((n+1)!) 1
− n·n! = n(n+1)+n−(n+1)
n(n+1)((n+1)!)
=
−1
n(n+1)((n+1)!)
< 0 donc v est strictement décroissante ;
1
— lim (un − vn ) = lim n·n! = 0.
Donc u et v sont adjacentes : elles convergent vers une même limite l. On admet (voir chapitre plus
tard) que l = e.
2. Par l’absurde, supposons que e est rationnel : on écrit e = pq , avec p, q ∈ N∗ (comme l ≥ u0 > 0).
p 1
Par stricte monotonie, on a : uq < q
< vq = uq + q·q!
. Donc :
q · q! · uq < p · q! < q · q! · uq + 1.
Mais q! · uq ∈ N (en regardant la formule). Donc p · q! serait un entier strictement compris entre
deux entiers consécutifs, ce qui est impossible.
Donc e est irrationnel.
Théorème III.14 (des segments emboı̂tés). On considère (In ) une suite décroissante (pour l’inclusion) de
segments, dont la longueur tend vers 0.
T+∞
Alors : n=0 In est un singleton.
Démonstration. Pour tout n ∈ N, notons : In = [un , vn ].

— par décroissance de (In ), on a : ∀n ∈ N, [un+1 , vn+1 ] ⊂ [un , vn ]. Donc u est croissante et v est
décroissante ;
— comme la longueur des In tend vers 0, alors : lim (vn − un ) = 0.
Donc u et v sont adjacentes. On note l leur limite.
Alors : ∀n ∈ N, un ≤ l ≤ vn , donc l ∈ In . Donc {l} ⊂ ∩n∈N In .
Inversement, soit x ∈ ∩n∈N In . Alors : ∀n ∈ N, un ≤ x ≤ vn . Et en passant à la limite : l ≤ x ≤ l, donc
x = l. Donc ∩n∈N In ⊂ {l}.
D’où l’égalité.
IV Suites extraites

Définition IV.1. Soient u une suite et φ : N → N strictement croissante. La suite uφ(n) , notée aussi uφ ,
est appelée suite extraite de u. La fonction φ est appelée fonction extractrice.
Exemples IV.2.
1. les suites (u2n ) et (u2n+1 ) sont les suites extraites de u correspondant aux indices pairs et impairs ;
2. la suite (un+n0 ) correspond à la suite u privée de ses n0 premiers termes.
Proposition IV.3. Si u est (strictement) croissante (ou (strictement) décroissante, constante, stationnaire,
majorée, minorée, bornée), alors toute suite extraite de u aussi.
Proposition IV.4. Si u a pour limite l ∈ R, alors toute suite extraite de u a aussi pour limite l.
Démonstration. Montrons le résultat lorsque u converge vers l ∈ R.

Soit φ : N → N strictement croissante. Alors on a le lemme suivant :
Lemme IV.5. ∀n ∈ N, φ(n) ≥ n.
preuve du lemme. On procède par récurrence :
— φ(0) ∈ N, donc φ(0) ≥ 0 ;
— supposons φ(n) ≥ n. Alors, par monotonie : φ(n+1) > φ(n) ≥ n, donc φ(n+1) > n, et finalement :
φ(n + 1) ≥ n + 1.
Soit ε > 0. Par convergence de u, il existe n0 tel que : n ≥ n0 ⇒ |un − l| ≤ ε.

Et donc par le lemme : n ≥ n0 ⇒ φ(n) ≥ φ(n0 ) ≥ n0 ⇒ |uφ(n) − l| ≤ ε.
Remarque IV.6. En pratique, on utilise plutôt la contraposée pour montrer qu’une suite n’a pas de limite :
— soit en exhibant une suite extraite qui n’a pas de limite ;
— soit en exhibant deux suites extraites qui ont des limites différentes.
Exemple IV.7. La suite (un ) = ((−1)n ) diverge car :

— la suite extraite (u2n ) est constante égale à 1, donc converge vers 1 ;
— la suite extraite (u2n+1 ) est constante égale à −1, donc converge vers −1.
Proposition IV.8. Si u converge, alors la suite (un+1 − un ) tend vers 0.
Démonstration. Notons l la limite de u. Alors (un+1 ) converge vers l. Donc (un+1 − un ) converge vers
l − l = 0.
Remarque IV.9. La réciproque est fausse.

On considère la suite définie par : un = 1 + 21 + · · · + n1 = nk=1 k1 .
P
1
On a pour n ∈ N : un+1 − un = n+1 qui tend vers 0. Mais u ne converge pas.
Par l’absurde, supposons qu’elle converge vers une limite l. Alors la suite extraite (vn ) = (u2n ) convergerait
aussi vers l. Donc la suite v − u convergerait vers 0.
Mais pour tout n ∈ N∗ :
2n n 2n
X 1 X1 X 1 n 1
vn − un = − = ≥ =
k=1
k k=1 k k=n+1 k 2n 2
et donc en passant à la limite : 0 ≥ 12 , d’où la contradiction.

Donc u ne converge pas. Au passage, comme elle est croissante, cela montre aussi qu’elle tend vers +∞.
Proposition IV.10. La suite u a pour limite l ∈ R si, et seulement si, les deux suites (u2n ) et (u2n+1 ) aussi.
Démonstration. La première implication découle du fait que l’on a des suites extraites.
Réciproquement, supposons que (u2n ) et (u2n+1 ) convergent vers l ∈ R (les cas l = ±∞ se traitent pareil).
Soit ε > 0. Alors :
∃n1 ∈ N, ∀n ≥ n1 , |u2n − l| ≤ ε
∃n2 ∈ N, ∀n ≥ n2 , |u2n+1 − l| ≤ ε
Posons n0 = max(2n1 , 2n2 + 1). Alors si n ≥ n0 :
— si n est pair : n = 2m avec m ≥ n1 , donc : |un − l| = |u2m − l| ≤ ε ;
V. TRADUCTION SÉQUENTIELLE DE PROPRIÉTÉS DE R 175
— si n est impair : n = 2m + 1 avec m ≥ n2 , donc : |un − l| = |u2m+1 − l| ≤ ε.

Donc u converge vers l.
Théorème IV.11 (de Bolzano–Weierstrass). De toute suite bornée on peut extraire une suite convergente.
Démonstration. Considérons une suite bornée u. On veut construire une fonction extractrice φ telle que
uφ converge, ce que l’on va faire récursivement.
On fixe I0 = [a0 ; b0 ] qui contient tous les termes de la suite u, c’est-à-dire : ∀n ∈ N, a0 ≤ un ≤ b0 .Et on
pose φ(0) = 0.
On partage I0 en son milieu en deux segments : nécessairement l’un de ces segments contient une infinité
de termes de u. Notons le I1 = [a1 ; b1 ]. Et on choisit N1 ∈ N tel que : uN1 ∈ I1 .
On répète ce processus : pour tout n ∈ N, on construit une suite décroissante de segments (In ) = ([an ; bn ])
et une suite strictement croissante d’entiers (Nn ) tels que pour tout n ∈ N∗ :
— In est une des moitiés de In−1 ;
— In contient une infinité de termes de u ;
— uNn ∈ In .
b 0 − a0
Comme la longueur de In est (bn − an ) = → 0, alors on peut appliquer le théorème des fermés
2n
emboı̂tés, et les suites (an ), (bn ) convergent vers l’unique élément l de ∩n∈N In .
Considérons la fonction φ : n 7→ Nn . Elle est bien strictement croissante par construction. Et comme
uNn = uφ(n) ∈ In , on déduit que :
∀n ∈ N, an ≤ uφ(n) ≤ bn .
Donc par encadrement uφ converge vers l : on a bien une suite extraite convergente.
V Traduction séquentielle de propriétés de R

Proposition V.1 (Caractérisation séquentielle de la borne supérieure). Soit A une partie non vide de R, et
M ∈ R. Alors :
1. M est la borne supérieure de A si, et seulement si, M est un majorant de A et qu’il existe une suite
à valeurs dans A qui converge vers M ;
2. A n’est pas majorée si, et seulement si, il existe une suite à valeurs dans A qui tend vers +∞.
Démonstration. 1. Supposons que M = sup(A) : alors M est un majorant de A. On construit une

suite u d’élément de A avec : u0 quelconque, et pour tout n ∈ N∗ , M − n1 ≤ un ≤ M (par définition
de la borne supérieure, comme n1 > 0).
Par encadrement, on a : lim u = M .
Réciproquement, si M est un majorant de A et que u converge vers M : soit ε > 0, alors :
∃n0 , n ≥ n0 ⇒ |un − M | < ε ⇒ M − ε < un ≤ M.
Et donc M = sup A.
2. Si A n’est pas majoré. Alors, pour tout n ∈ N, n n’est pas un majorant de A. On construit ainsi
une suite u d’éléments de A avec : ∀n ∈ N, un ≥ n.
Par minoration, on a lim u = +∞.
Inversement, si u tend vers +∞, on a vu que u n’est pas majorée, donc A non plus.
Proposition V.2 (Caractérisation séquentielle de la borne inférieure). Soit A une partie non vide de R, et
m ∈ R. Alors :
1. m est la borne inférieure de A si, et seulement si, m est un minorant de A et qu’il existe une suite
à valeurs dans A qui converge vers m ;
2. A n’est pas minorée si, et seulement si, il existe une suite à valeurs dans A qui tend vers −∞.
Exemple V.3. L’ensemble A = { n1 , | n ∈ N∗ } admet 1 comme maximum (donc comme borne supérieure),
et 0 comme borne inférieure.
Il est clair que 0 est un minorant de A, et la suite de terme général n1 tend vers 0.
Proposition V.4 (Caractérisation séquentielle de la densité). Soit A une partie de R. Alors A est dense
dans R si, et seulement si, pour tout x ∈ R il existe une suite à valeurs dans A qui converge vers x.
Démonstration. Si A est dense dans R : tout intervalle non vide de R contient un élément de A. En
∗
particulier, si x ∈ R, pour n ∈ N il existe un ∈ A ∩ x − n1 ; x + n1 . La suite u ainsi construite converge

vers x par théorème d’encadrement.

Réciproquement, supposons que pour tout x ∈ R il existe une suite d’éléments de A qui converge vers
x. Soit I intervalle ouvert non vide. Soient a < b deux éléments distincts de I (qui existent bien par
description des intervalles ouverts). Posons x = a+b
2
et ε = b−a
2
> 0. Si u est une suite d’éléments de A qui
converge vers x :
∃n0 ∈ N, n ≥ n0 ⇒ |un − x| ≤ ε.
Ainsi : un0 ∈ A vérifie : x − ε ≤ un0 ≤ x + ε. C’est-à-dire : un0 ∈ [a; b] ⊂ I. Donc I contient bien un élément
de A.
Proposition V.5. Les ensembles D, Q et R \ Q sont denses dans R.
Démonstration. Soit x ∈ R. Montrons qu’on peut écrire x comme limite d’une suite de décimaux, de
rationnels, ou d’irrationnels :
— décimaux : on utilise la suite u, où un est l’approximation décimale à 10−n près de x, qui converge
vers x par encadrement ;
— rationnels : on utilise l’inclusion des décimaux parmi les rationnels ;
— irrationnels :√si x ∈
/ Q on prend la suite constante de valeur x ; sinon on considère la suite de terme
général x + n2 qui tend vers x par opérations sur les limites.
VI Suites complexes
Proposition-Définition VI.1. Une suite complexe u est dite bornée si la suite réelle |u| est bornée.
C’est le cas si, et seulement si, les suites réelles (Re(u)) et (Im(u)) sont bornées.
Démonstration. Provient des inégalités :
— |Re(un )| ≤ |un | et |Im(un )| ≤ |un | ;
— |un | ≤ |Re(un )| + |Im(un )|.
Définition VI.2. On dit qu’une suite complexe u converge vers l ∈ C si :
∀ε > 0, ∃n0 ∈ N, ∀n ∈ N, n ≥ n0 ⇒ |un − l| < ε.
Remarque VI.3. Cela revient à dire que la suite réelle |u − l| tend vers 0.
Proposition VI.4. Si u est une suite complexe, alors u converge vers l si, et seulement si, les suites Re(u)
et Im(u) convergent.
Et dans ce cas, si u converge vers l ∈ C, alors Re(u) et Im(u) convergent respectivement vers Re(l) et
Im(l).
VII. SUITES CLASSIQUES 177
Démonstration. On utilise le théorème d’encadrement, grâce aux inégalités précédentes.

Théorème VI.5 (de Bolzano–Weierstrass). De toute suite complexe bornée on peut extraire une sous-suite
convergente.
Démonstration. On s’appuie sur le théorème pour les suites réelles. Soit u une suite complexe bornée. On
pose a = Re(u) et b = Im(u).
— comme u est bornée, alors a aussi. Il existe une fonction extractrice φ telle que aφ converge ;
— mais b aussi est bornée. Et la suite bφ est extraite de b, donc bornée aussi. On peut donc appliquer
à nouveau le théorème réel : il existe une fonction extractrice ψ telle que bφ◦ψ converge ;
— alors aφ◦ψ est une suite extraite de aφ , donc elle converge.
Et finalement uφ◦ψ converge, comme ses parties réelles et imaginaires convergent.
VII Suites classiques

VII.1 Suites arithmético-géométriques
Proposition-Définition VII.1 (suites arithmétiques). Soient u une suite numérique et r ∈ K. On dit que
u est une suite arithmétique de raison r si :
∀n ∈ N, un+1 = un + r.
On a alors : ∀n ∈ N, un = u0 + nr, et plus généralement :
∀n, m ∈ N, un = um + (n − m)r.
Proposition VII.2. Une suite arithmétique de raison r converge si, et seulement si, r = 0 (elle est alors
constante).
Une suite arithmétique de raison r > 0 (resp. r < 0) tend vers +∞ (resp. −∞).
Proposition-Définition VII.3 (suites géométriques). Soient u une suite numérique et q ∈ K. On dit que u
est une suite géométrique de raison q si :
∀n ∈ N, un+1 = un × q.
On a alors : ∀n ∈ N, un = u0 × q n , et plus généralement :
∀n ≥ m ∈ N, un = um × q n−m .
Proposition VII.4. Une suite géométrique (non nulle) de raison q converge si, et seulement si, |q| < 1
(elle tend alors vers 0) ou si q = 1 (elle est alors constante).
Démonstration. Les cas où |q| =
̸ 1 découlent du lemme qui suit.
Le cas où |q| = 1 est plus subtile, et découle de la divergence des suites (cos(nθ)) et sin(nθ)) pour
θ ∈]0; 2π[.
Lemme VII.5. Soit q ∈ R :
1. si q > 1, alors lim q n = +∞ ;
2. si q ∈] − 1; 1[, alors lim, q n = 0 ;
3. si q = 1, alors lim q n = 1 ;
4. si q ≤ −1, la suite (q n ) n’a pas de limite.
Démonstration.
1. si q > 1 : posons a = q − 1 > 0. Pour tout n ∈ N, on a :

n
n
X
n n k
q = (1 + a) = a ≥ 1 + na
k=0
k
et comme lim na = +∞ (car a > 0), alors par encadrement : lim q n = +∞ ;

2. si q ∈] − 1; 1[ : si q = 0, la suite q n est constante (de valeur 0). Sinon, posons a = | 1q | > 1. Alors
lim an = +∞, donc lim q n = 0 (par opérations sur les limites) ;
3. si q = 1 : la suite est constante ;
4. si q = −1 : alors (q 2n ) est stationnaire à 1, et (q 2n+1 ) est stationnaire à −1, donc la suite ne converge
pas (mais est bornée) ;
5. si q < −1 : la suite extraite (q 2n ) tend vers +∞, tandis que la suite extraite (q 2n+1 ) = q × (q 2n )
tend vers q × (+∞) = −∞. Donc la suite (q n ) n’a pas de limite (et n’est d’ailleurs ni majorée ni
minorée).
Définition VII.6 (suites arithmético-géométriques). On dit qu’une suite u est arithmético-géométrique

s’il existe a, b ∈ K tels que :
∀n ∈ N, un+1 = aun + b.
Remarque VII.7. Si a = 1, la suite est arithmétique. Si b = 0, la suite est géométrique.
Méthode VII.8. Si u est arithmético-géométrique avec a ̸= 1 :

1. on cherche l l’unique solution de l’équation l = al + b ;
2. la suite (un − l) est une suite géométrique de raison a.
Démonstration. Si n ∈ N :
un+1 − l = aun + b − (al + b) = a(un − l).

b n b
Remarque VII.9. On a donc la formule : un = a u0 − + , mais qu’il ne faut pas retenir
1−a 1−a
par cœur.
Exemple VII.10. Si u est définie par u0 = 0 et ∀n ∈ N, un+1 = 13 un − 2.

On commence par trouver l. On a :
1 2
l = l − 2 ⇔ l = −2 ⇔ l = −3.
3 3
Donc la suite (vn ) = (un + 3) est géométrique de raison 13 , et de premier terme v0 = u0 + 3 = 3.

n
Donc pour tout n ∈ N : vn = 3 × 31 , donc un = vn − 3 = 3n−1 1
− 3.
Et u converge vers −3.
Remarque VII.11. D’autres suites se ramènent à des suites arithmético-géométriques. Par exemple, si
a, b, k ∈ K (k ̸= 0), considérons la suite u telle que : ∀n ∈ N, un+1 = aun + b · k n .
Alors la suite (vn ) = uknn vérifie : ∀n ∈ N, vn+1 = ka vn + kb .

VII.2 Suites linéaires récurrentes d’ordre 2

Définition VII.12. Une suite linéaire récurrente d’ordre 2 est une suite u définie par une relation
du type :
∀n ∈ N, un+2 = aun+1 + bun
où a, b ∈ K.
On lui associe l’équation x2 = ax + b, appelée équation caractéristique.
Lemme VII.13. Une suite linéaire récurrente d’ordre 2 est entièrement déterminée par ses deux premiers
termes.
Démonstration. Soient u, v deux suite linéaires récurrentes d’ordre 2 telles que :

un+2 = aun+1 + bun
∀n ∈ N,
vn+2 = avn+1 + bvn
et telles que (u0 , u1) = (v0 , v1 ).

Montrons par récurrence (d’ordre 2) sur n ∈ N que un = vn (ce qui conclura que u = v) :
— c’est vrai pour n = 0 ou 1 ;
— supposons le résultat vrai au rangs n et n + 1 (pour n ∈ N). Alors on a :
vn+2 = avn+1 + bvn = aun+1 + bun = un+2 .
Théorème VII.14. On considère u une suite linéaire récurrente d’ordre 2, et on note ∆ le discriminant
de son équation caractéristique :
1. si ∆ ̸= 0 : l’équation caractéristique possède deux racines distinctes, que l’on note r1 , r2 . Et il existe
λ, µ ∈ C tels que :
∀n ∈ N, un = λr1n + µr2n .
2. si ∆ = 0 : l’équation caractéristique possède une unique solution, que l’on note r. Et il existe
λ, µ ∈ C tels que :
∀n ∈ N, un = λrn + µnrn .
Dans les deux cas, le choix de λ, µ est unique et peut être fixé en utilisant les valeurs de u0 et u1 .
Démonstration. Prouvons le premier cas :
— si λ, µ ∈ C, posons (vn ) = (λr1n + µr2n ). Pour tout n ∈ N, on a :
vn+2 = λr1n+2 + µr2n+2 = λr1n · r12 + µr2n · r22

= λr1n (ar1 + b) + µr2n (ar2 + b)
= a (λr1n+1 + µr2n+1 ) +b (λr1n + µr2n )
| {z } | {z }
vn+1 vn
donc v vérifie la même relation de récurrence que u, peu importe le choix de λ et µ.

— reste à choisir λ, µ tels que u et v aient leurs deux premiers termes identiques, c’est-à-dire :

λ + µ = u0
r1 λ + r2 µ = u1
mais on reconnaı̂t un système linéaire à deux équations et deux inconnues : son déterminant est
r1 − r2 ̸= 0 donc un tel choix de λ, µ est possible (et est même unique).
Pour le deuxième cas tout se passe pareil. On utilise que, si r est l’unique solution de x2 = ax + b, alors
2
r = a2 et b = − a4 .
Corollaire VII.15. Avec les mêmes notations, si a, b, u0 , u1 sont réels, alors la suite u est à valeurs réelles.
Si l’équation caractéristique admet deux solutions distinctes, celles-ci sont complexes conjuguées, donc de
la forme ρe±iθ (pour ρ > 0 et θ ∈ R). Il existe alors λ, µ ∈ R tels que :
∀n ∈ N, un = ρn [λcos(nθ) + µsin(nθ)] .
Démonstration. Une récurrence immédiate montre déjà bien que tous les un sont réels.
Par le théorème, il existe λ1 , µ1 tels que : ∀n ∈ N, un = λ1 r1n + µ1 r2n .
Et donc pour tout n ∈ N :
un = ρn [(λ1 + µ1 )cos(nθ) + i(λ1 − µ1 )sin(nθ)] .
Mais u est réelle, donc :

n λ = Re(λ1 + µ1 )
un = Re(un ) = ρ [λcos(nθ) + µsin(nθ)] avec .
µ = Re(i(λ1 − µ1 ))
Remarque VII.16. Dans la preuve, comme u est réelle, on peut voir que l’unicité du choix de λ1 , µ1 impose
que λ1 = µ1 . Et ainsi : λ = 2Re(λ1 ) et µ = −2Im(λ1 ).
Exemple VII.17. On considère la suite de Fibonacci, définie par : u0 = 0, u1 = 1 et pour tout n ∈ N,
un+2 = un+1 + un . √ √
L’équation caractéristique est x2 = x + 1, qui possède comme solutions : r1 = 1−2 5 et r2 = 1+2 5 (le
nombre d’or). Donc il existe λ, µ ∈ C tels que :
√ !n √ !n
1+ 5 1− 5
∀n ∈ N, un = λ +µ .
2 2
Comme u0 = 0 et u1 = 1, alors :
√
λ + µ
√
= 0
1+ 5 1− 5
2
λ + 2
µ = 1
√ √
5
ce qui donne : λ = √1
5
= 5
et µ = −λ = − 55 .
Et finalement :
√ √ !n √ !n !
5 1+ 5 1− 5
∀n ∈ N, un = − .
5 2 2
Au passage, montrons que la formule précédente définit bien des rationnels : suivant la définition de la
suite de Fibonacci, on peut voir par une récurrence immédiate qu’il doit s’agir d’entiers, ce qui n’est clair
quand on regarde la formule précédente.
Par la formule du binôme, pour n ∈ N, on a :
n n
√ n X n √ k √ n X n √
1+ 5 = 5 et 1 − 5 = (− 5)k
k=0
k k=0
k
et ainsi :
n
√ n √ n X n √ k √
1+ 5 − 1− 5 = 5 − (− 5)k
k=0
k
n √ k
X √
= 5 − (− 5)k car les termes de rangs pairs sont nuls
k=0,k impair
⌊n−1/2⌋
√

X n
= 5 · 2 · 5l en simplifiant l’expression précédente
l=0
2l + 1
⌊n−1/2⌋
√

X n
= 5 · 2 · N pour N = · 5l ∈ N
l=0
2l + 1
et ainsi on trouve avec la notation précédente que :

√ √ !n √ !n !
5 1+ 5 1− 5 2N
− = n = 21−n · N ∈ Q.
5 2 2 2
Les suites définies par une relation du type un+1 = f (un ), pour f une fonction continue, seront vues plus
tard.
Chapitre 15
Structures algébriques
I Loi de composition interne

I.1 Généralités
Définition I.1. Si E est un ensemble non vide, une loi de composition interne (abrégée en lci) est une
application de E × E dans E.
Remarque I.2. On les note souvent par des symboles (∗, ⋆, ×, +, etc.) et on utilise la notation x ⋆ y pour
désigner ⋆(x, y).
Définition I.3. Une lci ∗ sur E est dite :
1. associative si :
∀x, y, z ∈ E, (x ∗ y) ∗ z = x ∗ (y ∗ z);
2. commutative si :
∀x, y ∈ E, x ∗ y = y ∗ x.
Exemples I.4.
1. la somme (x, y) 7→ x + y et le produit (x, y) 7→ x × y sont des lci commutatives et associatives sur
N, Z, Q ou R ;
2. la différence (x, y) 7→ x − y est une lci sur Z, Q ou R, mais pas sur N (0 − 1 = −1 ∈ / N) ; elle n’est
ni commutative ni associative ;
3. le quotient (x, y) 7→ xy est une lci sur Q∗ ou R∗ , mais pas sur D∗ , Z∗ ou N∗ ; il n’est ni associatif ni
commutatif ;
4. l’union, l’intersection et la différence symétriques sont des lci associatives et commutatives sur
P(E) ;
5. la composition est une lci sur F(R, R) qui est associative, mais non commutative ;
6. l’addition matricielle sur Mn,p (K) est une lci associative et commutative ; la multiplication matri-
cielle sur Mn (K) est une lci associative, mais non commutative.
Définition I.5. Si E est muni de deux lci ∗ et ⊤, on dit que ∗ est distributive par rapport à ⊤ si :

x ∗ (y⊤z) = (x ∗ y)⊤(x ∗ z)
∀x, y, z ∈ E, .
(y⊤z) ∗ x = (y ∗ x)⊤(z ∗ x)
Exemples I.6.
1. Dans C, R, Q, Z ou N, la multiplication est distributive par rapport à l’addition, mais pas l’inverse.
2. Dans P(E), l’union est distributive par rapport à l’intersection, et l’intersection par rapport à
l’union.
3. Dans Mn (K), la multiplication matricielle est distributive par rapport à l’addition matricielle.
183
184 CHAPITRE 15. STRUCTURES ALGÉBRIQUES
I.2 Inversibilité et élément neutre

Proposition-Définition I.7. Si ∗ est une lci sur E, et e ∈ E. On dit que e est un élément neutre pour
∗ si :
∀x ∈ E, x ∗ e = x = e ∗ x.
S’il existe, un élément neutre est unique. Et on le désignera comme l’élément neutre.
Démonstration. Si e1 , e2 sont des éléments neutres, alors : e1 = e1 ∗ e2 = e2 .
Exemples I.8.
1. sur C ou un de ses sous-ensembles usuels, 0 est l’élément neutre pour la somme, et 1 pour le produit ;
2. idE est l’élément neutre de la composition sur F(E, E) ;
3. E est l’élément neutre de l’intersection sur P(E), et ∅ celui de l’union ;
4. 0n,p est l’élément neutre pour la somme matricielle sur Mn,p (K), tandis que In est l’élément neutre
pour la multiplication matricielle sur Mn (K).
Proposition-Définition I.9. Soit E est muni d’une lci ∗ associative, possédant un élément neutre e.
Un élément x ∈ E est dit inversible s’il existe y ∈ E tel que : x ∗ y = e = y ∗ x.
Un tel élément y est nécessairement unique, et on l’appelle l’inverse de x. On le note x−1 .
Démonstration. Montrons l’unicité. Si y1 , y2 sont deux inverses de x, alors :
y1 = y1 ∗ e = y1 ∗ (x ∗ y2 ) = (y1 ∗ x) ∗ y2 = e ∗ y2 = y2 .
Remarques I.10.
−1
1. Si x est inversible, alors x−1 aussi, avec : (x−1 ) = x.
2. L’élément neutre est son propre inverse, mais d’autres éléments peuvent vérifier cette propriété :
— −1 pour le produit sur C ;
— les matrices diagonales avec juste des ±1 pour la multiplication matricielle sur Mn (C) ;
— les applications involutives pour la composition sur F(E, E).
3. Il faut bien avoir x ∗ y = e et y ∗ x = e. Il y a juste pour les matrices carrées qu’on avait vu qu’une
seule des égalités suffisait mais c’est un cas très particulier (et à connaı̂tre !).
Proposition I.11. Si x, y sont deux éléments inversibles, alors x∗y est inversible, avec : (x∗y)−1 = y −1 ∗x−1 .
Démonstration. Il suffit de vérifier que y −1 ∗ x−1 est bien l’inverse de x ∗ y :
(y ∗ x−1 ) ∗ (x ∗ y) = y −1 ∗ (x−1 ∗ x) ∗y = y −1 ∗ y = e
 −1


 | {z }
=e
.

 (y ∗ x) ∗ (x−1 ∗ y −1 ) = y ∗ (x ∗ x−1 ) ∗y −1 = y ∗ y −1 = e
 | {z }
=e
Remarque I.12. Il y a deux notations fréquentes pour les lci :

1. notation additive : la lci est notée +, son élément neutre 0 ou 0E , l’inverse de x sera −x et pour
n ∈ N on notera : x| + ·{z
· · + x} = nx ;
n fois
2. notation multiplicative : la lci est notée ×, son élément neutre 1 ou 1E , l’inverse de x sera x−1 et
pour n ∈ N on notera : x · · × x} = xn .
| × ·{z
n fois
I. LOI DE COMPOSITION INTERNE 185
Proposition-Définition I.13. Si x est inversible, alors x est régulier, c’est-à-dire que :

x∗y =x∗z ⇒y =z
∀y, z ∈ E, .
y∗x=z∗x⇒y =z
Démonstration. Si x ∗ y = x ∗ z, alors en multipliant par x−1 on a : y = z. Et pareil pour l’autre

implication.
Remarque I.14. Cela signifie qu’on peut “simplifier par x” des égalités. Et on peut utiliser la contraposée
pour montrer qu’un élément n’est pas inversible.
Exemple I.15. Sur P(E) on a par analyse-synthèse que :
— E est l’unique élément inversible pour l’intersection car : si A ∈ P(E), alors A ∩ E = A ∩ A, donc
si A est inversible on a A = E ; et E est inversible (car l’élément neutre) ;
— ∅ est l’unique élément inversible pour l’union car : si A ∈ P(E), alors A ∪ ∅ = A ∪ A, donc si A
est inversible on a A = ∅ ; et ∅ est inversible (car l’élément neutre).
tandis que tout élément est inversible pour la différence symétrique !
I.3 Parties stables

Définition I.16. Soit E est muni d’une lci ∗ et A ⊂ E. On dit que A est stable par ∗ si : ∀x, y ∈ A, x∗y ∈
A.
Dans ce cas, la restriction de ∗ à A × A définit une lci sur A.
Remarque I.17. Si ∗ est associative (resp. commutative), alors sa restriction l’est aussi. La réciproque est
fausse, comme le montre la restriction de la différence sur C à {0}.
Définition I.18. Si E est muni d’une lci associative ∗, d’élément neutre e, et x ∈ E, on définit pour tout
n∈N:
n e si n = 0
x = .
x ∗ xn−1 si n > 0
Si de plus x est inversible, on définit pour n ∈ Z avec n < 0 par :
−n
xn = x−1 .
Proposition I.19. Si x ∈ E, alors : ∀n, m ∈ N, xn ∗ xm = xn+m .

Si de plus x est inversible, alors : ∀n, m ∈ Z, xn ∗ xm = xn+m .
Démonstration. Notons déjà que :
— la formule avec n, m ∈ N est immédiate par récurrence ;
— si x est inversible, alors pour tout n ∈ N, xn est inversible d’inverse x−n (par formule de l’inverse
d’un produit).
Supposons x inversible et montrons le cas où n, m ∈ Z par disjonction de cas :
— si n, m ≥ 0 : c’est le cas précédent ;
— si n, m ≤ 0 : −n −m −n−m
xn ∗ xm = x−1 ∗ x−1 = x−1 = xn+m .
— si n ≤ 0 et m ≥ 0 :
— si n + m ≥ 0 :
xn ∗ xm = xn ∗ x−n ∗ xn+m = x n −n m+n
= xm+n .

| ∗{zx } ∗x
=e
— si n + m ≤ 0 :
−n −n−m m −n−m
xn ∗ xm = x−1 ∗ xm = x−1 ∗ x−1 ∗ xm = x−1 = xn+m .
Corollaire I.20. Si E est muni l’une lci associative, alors :

1. {xn | n ∈ N∗ } est la plus petite partie de E stable par ∗ contenant x ;
2. si de plus x est inversible, {xn | n ∈ Z} est la plus petite partie de E stable par ∗, contenant x, et
dans laquelle x (et en fait chaque élément) est inversible.
Démonstration. La stabilité découle de la proposition précédente.
Pour la minimalité :
1. si A est stable et x ∈ A, une récurrence immédiate montre que : ∀n ∈ N∗ , xn ∈ A ;
2. si x est de plus inversible dans A, alors x−1 ∈ A, donc ∀n ∈ Z∗− , xn ∈ A ; et x ∗ x−1 ∈ A donc :
∀n ∈ Z, xn ∈ A.
II Groupes
II.1 Généralités
Définition II.1 (Groupe). Si G est un ensemble muni d’une lci ∗, on dit que (G, ∗) est un groupe si :
1. ∗ est associative ;
2. ∗ possède un élément neutre dans G ;
3. tout élément x de G possède un inverse dans G.
Si la loi ∗ est commutative, on dira que G est un groupe commutatif ou un groupe abélien.
Exemples II.2.
1. Z, Q, R ou C, munis de l’addition, sont des groupes abéliens ;
2. Q∗ , R∗ , R∗+ ou C∗ , munis de la multiplication, sont des groupes abéliens ;
3. (N, +) ou (R, ×) ne sont pas des groupes : dans le premier cas, 0 est l’unique élément possédant un
inverse, tandis que dans le second 0 est le seul n’en possédant pas ;
4. si n ∈ N∗ , l’ensemble des classes modulo n des entiers, muni de l’addition modulaire, est un groupe
commutatif.
5. l’ensemble Mn,p (K) est un groupe pour l’addition ; Mn (K) n’est pas un groupe pour la multiplication,
mais GLn (K) en est un.
Remarque II.3. Si (G, ∗) est un groupe, tout élément est régulier. Et il suffit d’avoir x ∗ y = eG pour avoir
y = x−1 (même si G n’est pas commutatif ).
Proposition-Définition II.4. Si E est un ensemble non vide, on note SE ou S(E) l’ensemble des bijections
de E sur lui-même.
Alors (SE , ◦) est un groupe, qu’on appelle le groupe symétrique sur E. Ses éléments sont appelés les
permutations sur E.
Si n ∈ N∗ , on notera plus simplement Sn ou Sn le groupe symétrique sur J1; nK.
Démonstration. Il est clair que ◦ est une lci sur SE (la composée de deux bijections est une bijection).
La composition est associative, et idE est l’élément neutre.
Et si σ ∈ SE , son inverse est la bijection réciproque σ −1 qui est bien dans SE .
Donc (SE , ◦) est bien un groupe.
Remarque II.5. Le groupe S(E) est non commutatif si, et seulement si, E possède au moins trois éléments.
II. GROUPES 187
Proposition-Définition II.6 (Groupe produit). Si (G1 , ∗1 ) et (G2 , ∗2 ) sont deux groupes, on définit la lci ∗
sur G1 × G2 par :
∀(g1 , g2 ), (g1′ , g2′ ) ∈ G1 × G2 , (g1 , g2 ) ∗ (g1′ , g2′ ) = (g1 ∗1 g1′ , g2 ∗2 g2′ ).
Muni de cette loi, G1 × G2 est un groupe, appelé groupe produit ou produit direct de G1 et G2 .
De plus, (G1 × G2 , ∗) est abélien si, et seulement si, (G1 , ∗1 ) et (G2 , ∗2 ) le sont.
Démonstration. Il est clair que ∗ est une lci sur G1 × G2 .

Pour l’associativité, si x1 , y1 , z1 ∈ G1 et x2 , y2 , z2 ∈ G2 , alors :
((x1 , x2 ) ∗ (y1 , y2 )) ∗ (z1 , z2 ) = (x1 ∗1 y1 , x2 ∗2 y2 ) ∗ (z1 , z2 ) = (x1 ∗1 y1 ∗1 z1 , x2 ∗2 y2 ∗2 z2 )

= (x1 , x2 ) ∗ (y1 ∗1 z1 , y2 ∗2 z2 ) = (x1 , x2 ) ∗ ((y1 , y2 ) ∗ (z1 , z2 ))
L’élément neutre est (e1 , e2 ).

Et il est clair que (x1 , x2 )−1 = (x−1 −1
1 , x2 ).
II.2 Sous-groupes
Définition II.7. Si (G, ∗) est un groupe et H est une partie de G, on dit que H est un sous-groupe de G
si H est stable par ∗ et que (H, ∗) est un groupe.
Remarque II.8. Les parties G et {eG } sont toujours des sous-groupes, qu’on appelle sous-groupes tri-
viaux.
Proposition II.9. Si (G, ∗) est un groupe et H une partie de G, on a équivalence entre :

1. H est un sous-groupe de G ;

 (i) H ̸= ∅
2. (ii) ∀x, y ∈ H x ∗ y ∈ H ;
(iii) ∀x ∈ H x−1 ∈ H


(i) H ̸= ∅
3. .
(ii) ∀x, y ∈ H x ∗ y −1 ∈ H
Démonstration. Les implications 1.⇒2.⇒3. sont claires.

Montrons que 3.⇒1. :
— comme H ̸= ∅, on peut considérer a ∈ H. Mais alors : a ∗ a−1 = e ∈ H.
Donc si y ∈ H : e ∗ y −1 = y −1 ∈ H.
Et donc si x, y ∈ H : x ∗ (y −1 )−1 = x ∗ y ∈ H.
Donc H est stable par ∗.
— L’associativité de ∗ est conservée par restriction.
Comme e ∈ H, alors ∗ a bien un élément neutre.
Si x ∈ H, alors x−1 ∈ H et x ∗ x−1 = e = x−1 ∗ x.
Donc (H, ∗) est bien un groupe.
Ce qui conclut la preuve.
Remarque II.10. Un sous-groupe de G contient toujours eG , donc en pratique pour montrer que H est non
vide on pourra chercher à montrer que eG ∈ H.
Exemples II.11.
1. Z, Q ou R sont des sous-groupes de (C, +) ;
2. Q∗+ , Q∗ , R∗+ , R∗ , U sont des sous-groupes de (C∗ , ×) ;
3. si n ∈ N, l’ensemble nZ = {na | a ∈ Z} est un sous-groupe de (Z, +) (et on verra que tous les
sous-groupes de Z sont de cette forme).
Proposition II.12. Si (Hi )i∈I est une famille de sous-groupes de (G, ∗), alors H = ∩i∈I Hi est un sous-
groupe de G.
Démonstration. Puisque eG est toujours un élément d’un sous-groupe, alors : pour tout i ∈ I, eG ∈ Hi .
Donc eG ∈ H et H ̸= ∅.
Si x, y ∈ H et i ∈ I : alors x, y ∈ Hi , donc x ∗ y −1 ∈ Hi . Comme c’est vrai pour tout i, alors : x ∗ y −1 ∈ H,
donc H est un sous-groupe de G.
T
Corollaire II.13. Si X ⊂ G, alors : H est le plus petit sous-groupe de G contenant
H sous-groupe de G
X⊂H
X.
Proposition-Définition II.14. Soit G un groupe et g ∈ G. on définit ⟨g⟩ = {g n | n ∈ Z}, qu’on appelle le
sous-groupe engendré par g.
C’est le plus petit sous-groupe de G contenant g.
Démonstration. On montre facilement que ⟨g⟩ est un sous-groupe de G : il est non vide et : ∀n, m ∈
Z, g n ∗ (g m )−1 = g n ∗ g −m = g n−m .
Il est minimal par les propriétés des parties stables.
II.3 Morphismes de groupe

Définition II.15. Soient (G, ∗) et (H, ·) deux groupes. Une application f : G → H est un morphisme de
groupes si elle vérifie :
∀x, y ∈ G, f (x ∗ y) = f (x) · f (y).
Exemples II.16.
1. la fonction ln est un morphisme de groupe de (R∗+ , ×) sur (R, +) ;
2. la fonction exp est un morphisme de groupe de (R, +) sur (R∗+ , ×) ;
(Z, +) → (R∗ , ×)

∗
3. si a ∈ R , l’application : f : est un morphisme de groupe.
n 7→ an
Proposition II.17. Si f est un morphisme de groupe de G vers H :
1. f (eG ) = eH ;
2. si x ∈ G : f (x−1 ) = [f (x)]−1 .
Démonstration. 1. f (eG ) = f (eG ∗ eG ) = f (eG ) · f (eG ), donc en simplifiant par f (eG ) : f (eG ) = eH ;
2. f (x) · f (x ) = f (x ∗ x−1 ) = f (eG ) = eH donc f (x−1 ) = (f (x))−1 .
−1
Définition II.18. Si f : G → H est un morphisme de groupe, on définit son noyau comme :
Kerf = f −1 ({eH }) = {x ∈ G | f (x) = eH }
et son image comme :

Imf = f (G) = {f (x) | x ∈ G}.
Proposition II.19. Si f : G → H est un morphisme de groupe, alors :
1. Kerf est un sous-groupe de G ;
II. GROUPES 189
2. Imf est un sous-groupe de H.

Plus généralement :
1. l’image réciproque par f d’un sous-groupe de H est un sous-groupe de G ;
2. l’image directe par f d’un sous-groupe de G est un sous-groupe de H.
Démonstration. On montre directement le cas général. Soit G′ un sous-groupe de G, et H ′ un sous-groupe

de H :
1. comme eH ∈ H ′ et f (eG ) = eH , alors eG ∈ f −1 (H ′ ), donc f −1 (H ′ ) ̸= ∅. Si x1 , x2 ∈ f −1 (H ′ ), (donc
f (x1 ), f (x2 ) ∈ H ′ ) alors :
−1
f (x1 ∗ x−1 −1
2 ) = f (x1 ) · f (x2 ) = f (x1 ) · [f (x2 )] ∈ H′
donc x1 ∗ x−1
2 ∈ f
−1
(H ′ ), qui est donc un sous-groupe de G.
2. comme eG ∈ G′ et f (eG ) = eH , alors eH ∈ f (G′ ), donc f (G′ ) ̸= ∅. Si y1 , y2 ∈ f (G′ ). Notons
x1 , x2 ∈ G′ tels que : f (x1 ) = y1 et f (x2 ) = y2 . Alors y1 · y2−1 = f (x1 ∗ x−1 ′ ′
2 ) ∈ f (G ), donc f (G ) est
un sous-groupe de H.
Proposition II.20. Si f : G → H est un morphisme de groupe, alors f est injectif si, et seulement si,
Kerf = {eG }.
Démonstration.
— si f est injective : on a déjà f (eG ) = eH . Mais par injectivité, eH possède au plus un antécédent par
f , donc Kerf = {eG } ;
— si Kerf = {eG } : soient x, y ∈ G. Alors :
f (x) = f (y) ⇔ f (x) · [f (y)]−1 = eH ⇔ f (x ∗ y −1 ) = eH ⇔ x ∗ y −1 ∈ Kerf ⇔ x ∗ y −1 = eG ⇔ x = y
d’où l’injectivité de f .
Proposition II.21. Si f : G → H et g : H → K sont deux morphismes de groupes, alors g ◦ f est un

morphisme de groupe de G dans K.
Proposition-Définition II.22. Un morphisme de groupe f : G → H bijectif est appelé un isomorphisme

de groupes. Sous ces conditions, f −1 est aussi un isomorphisme de groupe de H sur G.
Quand G = H, on parlera d’automorphisme du groupe G.
Démonstration. Soient y1 , y2 ∈ H. On pose x1 = f −1 (y1 ) et x2 = f −1 (y2 ). Alors :
f −1 (y1 ) ∗ f −1 (y2 ) = x1 ∗ x2 = f −1 [f (x1 ∗ x2 )]

= f −1 [f (x1 ) · f (x2 )] = f −1 (y1 · y2 )
et ainsi : f −1 (y1 · y2 ) = f −1 (y1 ) ∗ f −1 (y2 ), donc f −1 est bien un morphisme de groupe.

III Anneaux
III.1 Généralités
Définition III.1 (Anneau). Si A est un ensemble muni de deux lci + et ×, on dit que (A, +, ×) est un
anneau (unitaire) si :
1. (A, +) est un groupe abélien ;
2. × est associative et possède un élément neutre ;
3. × est distributive par rapport à +.
Si × est commutative, on dira que A est un anneau commutatif
Remarque III.2. Pour correspondre aux lois usuelles, on notera 0A le neutre de + et 1A celui de ×. On
adopte la notation additive pour la loi + et multiplicative pour ×.
Exemples III.3.
1. (Z, +, ×), (Q, +, ×), (R, +, ×) et (C, +, ×) sont des anneaux commutatifs ;
2. si E est un ensemble non vide, l’ensemble A = F(E, R) muni des lois : f + g : x 7→ f (x) + g(x)
et f × g : x →
7 f (x) × g(x) est un anneau commutatif ; 0A est la fonction nulle x →
7 0 et 1A est la
fonction indicatrice de E : x 7→ 1 ;
3. si n ∈ N∗ , l’ensemble des classes modulo n des entiers, muni de l’addition et de la multiplication
modulaires, est un anneau commutatif avec 0A = 0 et 1A = 1. On note cet anneau Z/nZ ;
4. Mn (K) muni de l’addition et de la multiplication matricielles est un anneau ; il est non commutatif
dès que n ≥ 2.
Proposition III.4 (Règles de calcul dans un anneau). Si (A, +, ×) est un anneau et x, y, z ∈ A, alors :
1. x × 0A = 0A = 0A × x ;
2. x × (−y) = −(x × y) = (−x) × y ;
3. x × (y − z) = x × y − x × z et (y − z) × x = y × x − z × x ;
4. pour tout n ∈ Z : x × (ny) = n(x × y) = (nx) × y.
Démonstration.
1. x × 0A + x × 0A = x × (0A + 0A ) = x × 0A . Et en simplifiant par x × 0A (dans le groupe (A, +)),
on a :x × 0A = 0A ;
2. x × y + x × (−y) = x × (y + (−y)) = x × 0A = 0A donc x × (−y) = −(x × y) ;
et le reste en exercice.
Proposition III.5. Si a, b ∈ A commutent (soit a × b = b × a) et n ∈ N∗ , alors :

n
n
X n k n−k
1. (a + b) = a b ;
k=0
k
n−1
X
n n
2. a − b = (a − b) ak bn−1−k .
k=0
Démonstration. Comme dans R ou C, ou dans les matrices.
Remarque III.6. Si a et b ne commutent pas, les formules deviennent vite compliquées. Par exemple :
(a + b)2 = a2 + a × b + b × a + b2 .
III. ANNEAUX 191
III.2 Division dans les anneaux

Définition III.7. Si (A, +, ×) est un anneau :
1. un élément a ∈ A \ {0} est appelé diviseur de zéro s’il existe b ∈ A \ {0} tel que a × b = 0A ou
b × a = 0A ;
2. un élément a ∈ A \ {0} est dit nilpotent s’il existe n ∈ N∗ tel que : an = 0A ;
3. A est dit intègre si A est commutatif et que : ∀a, b ∈ A, a × b = 0A ⇒ a = 0A ou b = 0A .
Remarques III.8.
1. On peut diviser une égalité par un nombre qui n’est pas un diviseur de zéro.
2. Un anneau intègre ne possède pas de diviseurs de zéro. Et donc dans un anneau intègre, si a ̸= 0 :
ab = ac ⇒ b = c.
Exemples III.9.
1. les anneaux Z, Q, R ou C sont intègres ;
2. si E possède plus d’un élément, l’anneau (F(E, R), +, ×) est un anneau commutatif mais n’est pas
intègre : si a ̸= b ∈ E, alors 1{a} × 1{b} = 0 ;
3. si n ∈ N∗ et m ∈ Z, alors m est inversible dans Z/nZ si, et seulement si, il est premier avec n ; et
Z/nZ est intègre si, et seulement si, n est premier ;
4. si n ≥ 2, alors Mn (K) n’est pas intègre ; les matrices triangulaires de diagonales nulles (triangu-
laires strictes) sont nilpotentes ;
Proposition-Définition III.10. Un élément de l’anneau (A, +, ×) est dit inversible s’il possède un inverse
pour la loi ×.
L’ensemble des éléments inversibles de A est noté A× : c’est un groupe pour la loi × appelé groupe des
inversibles ou groupe des unités de A.
Démonstration. On montre toutes les propriétés d’un groupe :
— si a, b ∈ A× , alors :
(a × b) × (b−1 × a−1 ) = 1A = (b−1 × a−1 ) × (a × b)
par associativité, donc a × b ∈ A× : × est bien une lci sur A× .
— l’associativité est acquise par restriction, et 1A est clairement le neutre ;
— si a ∈ A× , alors : a × a−1 = 1A = a−1 × a, donc a−1 ∈ A× .
Donc (A× , ×) est un groupe.
Proposition III.11. Si a est inversible, alors a n’est pas un diviseur de 0.
Démonstration. Si b ∈ A : a × b = 0 ⇒ b = a−1 × 0 = 0 (et pareil si b × a = 0).
Exemples III.12. 1. On a Q∗ = Q× , R∗ = R× et C∗ = C× .
En revanche : Z× = {−1; 1} = ̸ Z∗ .
Et D n’est pas non plus un corps (par exemple : 31 ∈ / D, donc 3 n’est pas inversible dans D).
2. Les éléments de (F(E, R), +, ×) inversibles sont exactement les fonctions ne s’annulant jamais.
3. Pour les matrices, on a : Mn (K)× = GLn (K).
Définition III.13. Un anneau commutatif dont tous les éléments non-nuls sont inversible est appelé un
corps
Remarque III.14. Cela revient à dire qu’un anneau commutatif A est un corps si : A× = A \ {0}.
Exemples III.15.
1. Q, R et C sont des corps, mais pas D ;
2. l’anneau Z/nZ est un corps si, et seulement si, n est un nombre premier.
III.3 Sous-anneaux
Définition III.16. Si (A, +, ×) est un anneau, et B est une partie de A, on dit que B est un sous-anneau
de A si :
1. B est stable par + et par × ;
2. B contient 1A ;
3. (B, +, ×) est un anneau.
Proposition III.17. Si B est une partie d’un anneau (A, +, ×), alors B est un sous-anneau de A si, et
seulement si :
1. 1A ∈ B ;
2. ∀x, y ∈ B, x − y ∈ B ;
3. ∀x, y ∈ B, x × y ∈ B.
Démonstration. La nécessité est évidente.
Pour la suffisance :
— par 1 et 2, on déduit que V est un sous-groupe de (A, +), donc est un groupe abélien (donc est
stable par +) ;
— par 3 : B est stable par × ;
— l’associativité et la distributivité de × découlent de celle sur A ;
— B possède 1A donc a un neutre pour ×.
Donc B est bien un sous-anneau.
Exemples III.18.
1. les ensembles Z, Q,R sont des sous-anneaux de (C, +, ×).
2. Si n ∈ N, l’ensemble nZ = {na | a ∈ Z} est un sous-anneau de (Z, +) (et tous les sous-anneaux de
Z sont de cette forme).
3. Les ensembles des matrices triangulaires supérieures, des matrices triangulaires supérieures, ou
des matrices diagonales sont des sous-anneaux de Mn (K) (comme on a vu qu’ils sont stables par
produit).
Remarque III.19. On a aussi ne notion de sous-corps : c’est un sous-anneau qui est un corps.
Exemple III.20. Montrons que Z[i] = {a + ib | a, b ∈ Z} est un anneau (muni de +, ×).
Il suffit de montrer que c’est un sous-anneau de (C, +, ×) ;
1. 1 = 1 + 0 · i ∈ Z[i] ;
2. si x = a + ib, y = α + iβ ∈ Z[i], alors : x − y = (a − α) +i (b − β) ∈ Z[i] ;
| {z } | {z }
∈Z ∈Z
3. de même : x × y = (aα − bβ) +i (aβ + bα) ∈ Z[i].
| {z } | {z }
∈Z ∈Z
Donc (Z[i], +, ×) est un anneau.
On peut voir en revanche que ce n’est pas un corps, et plus précisément que : Z[i]× = {±1; ±i}.
III.4 Morphismes d’anneaux

Définition III.21. Si (A, +A , ×A ) et (B, +B , ×B ) sont deux anneaux, un morphisme d’anneaux est une
application f : A → B telle que :
1. ∀x, y ∈ A, f (x +A y) = f (x) +B f (y) ;
2. ∀x, y ∈ A, f (x ×A y) = f (x) ×B f (y) ;
III. ANNEAUX 193
3. f (1A ) = 1B .
Exemples III.22.
1. La conjugaison complexe est un morphisme d’anneaux de C dans lui-même. Sa restriction à Z[i]
est aussi un morphisme d’anneau.
2. L’identité est le seul morphisme d’anneaux de (R, +, ×) dans lui-même.

∗ Z → Z/nZ
3. Pour n ∈ N , l’application qui à un entier associe sa classe de congruence modulo
k 7→ k
n est un morphisme
d’anneaux surjectif de Z dans Z/nZ. Plus généralement, si n divise m, l’ap-
Z/nZ → Z/mZ
plication qui à une classe modulo n associe la classe correspondant modulo
k n 7→ k m
m est également un morphisme d’anneaux.
Proposition III.23. Si f : A → B est un morphisme d’anneaux, et que A′ (resp. B ′ ) est un sous-anneau

de A (resp. de B), alors f (A′ ) (resp. f −1 (B ′ )) est un sous-anneau de B (resp. de A).
Démonstration. Comme pour les morphismes de groupes, en vérifiant les propriétés des sous-anneaux.
Proposition III.24. Le composée de morphismes d’anneaux est encore un morphisme d’anneaux.

Un morphisme d’anneau bijectif est appelé un isomorphisme d’anneaux, et son application réciproque
est aussi un isomorphisme d’anneaux.
Un isomorphisme d’anneau sur lui-même est appelé automorphisme d’anneau.
Chapitre 16
Continuité et limites
I Limites de fonctions
I.1 Voisinage et points adhérents
Définition I.1. Si I ⊂ R et a ∈ R, on dit que I est un voisinage de a s’il existe ε > 0 tel que ]a−ε; a+ε[⊂ I.
Si a = +∞ (resp. -∞) on dira de même que I est un voisinage de a s’il existe A ∈ R tel que ]A; +∞[⊂ I
(resp. ] − ∞; A[⊂ I).
Remarques I.2.
1. Si a ∈ R et que I est un voisinage de a, alors a ∈ I (c’est une condition nécessaire, mais non
suffisante).
2. Pour le cas où a ∈ R, cela revient à dire que I contient un intervalle ouvert contenant a.
Exemple I.3. Considérons l’ensemble I = [0; 1[. Alors :

— I est un voisinage de 12 , car : ] 41 ; 34 [=] 21 − 14 ; 12 + 41 [⊂ I (qui correspond bien à la définition avec
ε = 41 > 0) ;
— plus généralement, I est un voisinage de tout élément de ]0; 1[ : si a ∈]0; 1[, alors en posant ε =
min(a, 1 − a) on a bien ε > 0 et a − ε ≥ 0, a + ε ≤ 1 donc ]a − ε; a + ε[⊂ I ;
— à l’inverse, I n’est le voisinage d’aucun élément n’appartenant pas à I ;
— reste donc le cas de 0, dont I n’est pas un voisinage : par l’absurde, si on avait ε > 0 avec ]−ε; ε[⊂ I,
alors on aurait − 2ε ∈ I, ce qui est impossible car − 2ε < 0.
Définition I.4. Si I ⊂ R et a ∈ R, on dit que a est adhérent à I si tout voisinage de a intersecte I.
Remarques I.5.
1. Si a ∈ I alors a est adhérent à I (c’est une condition suffisante, mais non nécessaire)
2. Si a = +∞ (resp. −∞), du fait de la forme des voisinages de a, cela revient à dire que I n’est pas
majoré (resp. pas minoré).
Exemple I.6. Reprenons l’ensemble I = [0; 1[. Alors :

— tout élément de I lui est adhérent ;
— si a > 1 (resp. a < 0), alors a n’est pas adhérent à I : on considère le voisinage ]1; a + 1[ (resp.
]a − 1; 0[) qui est d’intersection vide avec I ;
— reste le cas de 1, qui est adhérent à I : si J est un voisinage de 1, alors il existe ε > 0 tel que
]1 − ε; 1 + ε[⊂ J ; et donc 1 − 2ε ∈ J ∩ I, donc J ∩ I ̸= ∅.
Proposition I.7. Si a ∈ R et I est un intervalle de R, alors :

◦
1. I est un voisinage de a si, et seulement si : a ∈ I ;
195
196 CHAPITRE 16. CONTINUITÉ ET LIMITES
2. a est adhérent à I si, et seulement si : a ∈ I.
Démonstration. Par disjonction de cas suivants la forme de I.
Remarque I.8. Les voisinages et les points adhérents se comprennent bien en terme de réels que l’on peut
approcher. Plus précisément, si a ∈ R et I ⊂ R, alors :
1. I est un voisinage de a si tout réel suffisamment proche de a est dans I :
∃ε > 0, ∀x ∈ R, |x − a| ≤ ε ⇒ x ∈ I;
2. a est adhérent à I si on peut trouver des réel aussi proche de a que l’on veut dans I :
∀ε > 0, ∃x ∈ R, |x − a| ≤ ε et x ∈ I.
Définition I.9. Si f est une fonction définie sur un ensemble I, et a ∈ R, on dira que f vérifie une propriété
au voisinage de a s’il existe un voisinage J de a tel que f |I∩J vérifie cette propriété.
Exemples I.10.
1. du fait des formes des voisinages de +∞, une propriété vraie au voisinage de +∞ est vérifiée pour x
suffisamment grand. Par exemple : ln est positive au voisinage de +∞, de même que tout polynôme
de coefficient dominant positif.
2. au voisinage de 0, on peut dire que :
— la fonction sin est strictement croissante : en la regardant sur [− π2 ; π2 par exemple ,
— la fonction cos ne s’annule pas : en la regardant sur le même intervalle.
En revanche, la fonction cos n’est pas monotone au voisinage de 0.
Définition I.11. On dit qu’une fonction f définie sur I admet un maximum local (resp. minimum local,
extremum local) en a ∈ I si elle admet au voisinage de a un maximum (resp. minimum, extremum) en a.
Remarque I.12. Pour différencier un extremum d’un extremum local, on parlera d’extremum global.
Exemple I.13. La fonction f : x 7→ x3 − 3x2 + 1 admet un maximum local en 0 (avec f (0) = 1) et un

minimum local en 2 (avec f (2) = −3). Ils ne sont pas globaux comme f n’est ni majorée ni minorée sur
R (en tant que polynôme de degré impair).
−2 −1 0 1 2 3 4
−1
−2
−3
−4
I. LIMITES DE FONCTIONS 197
I.2 Limite d’une fonction

Définition I.14. Soient f : I → R, a ∈ R adhérent à I et l ∈ R. Alors on définit le fait que f tende vers l
en a de l’une des 9 manières suivantes :
1. si a ∈ R :
(a) on dit que f tend vers l ∈ R lorsque x tend vers a, ce que l’on note lim f (x) = l, si :
x→a
∀ε > 0, ∃η > 0, ∀x ∈ I, |x − a| ≤ η ⇒ |f (x) − l| ≤ ε;
(b) on dit que f tend vers +∞ en a, ce que l’on note lim f (x) = +∞, si :
x→a
∀A ∈ R, ∃η > 0, ∀x ∈ I, |x − a| ≤ η ⇒ f (x) ≥ A;
(c) on dit que f tend vers −∞ en a, ce que l’on note lim f (x) = −∞, si :
x→a
∀A ∈ R, ∃η > 0, ∀x ∈ I, |x − a| ≤ η ⇒ f (x) ≤ A;
2. si a = +∞ :
(a) on dit que f tend vers l ∈ R lorsque x tend vers +∞, ce que l’on note lim f (x) = l, si :
x→+∞
∀ε > 0, ∃B ∈ R, ∀x ∈ I, x ≥ B ⇒ |f (x) − l| ≤ ε;
(b) on dit que f tend vers +∞ en +∞, ce que l’on note lim f (x) = +∞, si :
x→+∞
∀A ∈ R, ∃B ∈ R, ∀x ∈ I, x ≥ B ⇒ f (x) ≥ A;
(c) on dit que f tend vers −∞ en +∞, ce que l’on note lim f (x) = −∞, si :
x→+∞
∀A ∈ R, ∃B ∈ R, ∀x ∈ I, x ≥ B ⇒ f (x) ≤ A;
3. si a = −∞ :
(a) on dit que f tend vers l ∈ R lorsque x tend vers −∞, ce que l’on note lim f (x) = l, si :
x→−∞
∀ε > 0, ∃B ∈ R, ∀x ∈ I, x ≤ B ⇒ |f (x) − l| ≤ ε;
(b) on dit que f tend vers +∞ en −∞, ce que l’on note lim f (x) = +∞, si :
x→−∞
∀A ∈ R, ∃B ∈ R, ∀x ∈ I, x ≤ B ⇒ f (x) ≥ A;
(c) on dit que f tend vers −∞ en −∞, ce que l’on note lim f (x) = −∞, si :
x→−∞
∀A ∈ R, ∃B ∈ R, ∀x ∈ I, x ≤ B ⇒ f (x) ≤ A;
Remarques I.15.
1. Vue comme une fonction sur N, on retrouve bien la définition de la limite d’une suite, qui correspond
à la limite en +∞ de la fonction qui lui est associée (où le B joue le rôle de n0 ).
2. Comme pour les suites, on pourra aussi noter f (x) → l au lieu de lim f (x) = l.
x→a x→a
Remarques I.16.
1. Le fait de prendre a adhérent à I permet de travailler avec des objets bien définis, et qui existent
bien. Si ce n’était pas le cas, toutes les limites seraient possibles car alors l’ensemble des x ∈ I
tels que |x − a| ≤ η, x ≤ B, x ≥ B (selon les cas) serait vide pour des valeurs suffisamment mal
choisies de η ou de B.
2. On peut synthétiser ces résultats en disant que f tend vers l en a si, et seulement si, pour tout
voisinage Vl de l, il existe un voisinage Va de a tel que : f (Va ) ⊂ Vl . Cela permet surtout de n’avoir
qu’une seule définition, et donc de n’avoir qu’un seul cas à traiter pour toutes les démonstrations
(ce que l’on ne fera pas pour autant dans la suite).
Proposition I.17 (Unicité de la limite). Si une fonction tend vers une limite en a, alors cette limite est
unique.
Démonstration. Montrons le par exemple dans le cas où a ∈ R avec des limites finies.
Par l’absurde, supposons que la fonction f définie sur I tend simultanément en a vers l1 , l2 ∈ R, avec
l1 ̸= l2 .
|l1 − l2 |
Posons ε = . Par définition de la limite de f en a :
3
— il existe η1 > 0 tel que, pour tout x ∈ I : |x − a| ≤ η1 ⇒ |f (x) − l1 | ≤ ε ;
— il existe η2 > 0 tel que, pour tout x ∈ I : |x − a| ≤ η2 ⇒ |f (x) − l2 | ≤ ε.
En posant η = min(η1 , η2 ), considérons x ∈ I tel que |x − a| ≤ η (qui existe bien, comme a est adhérent à
I). On a alors, pour un tel x :
3ε = |l1 − l2 | = |f (x) − l1 + l2 − f (x)| ≤ |f (x) − l1 | + |f (x) − l2 | ≤ 2ε
d’où la contradiction avec le fait que ε > 0.
Proposition I.18. Supposons que la fonction f tende vers l ∈ R en a ∈ R. Alors :

1. si l ∈ R, alors f est bornée au voisinage de a ;
2. si l = +∞ (resp. −∞), alors f est minorée (resp. majorée) au voisinage de a.
Démonstration. Montrons le par exemple lorsque a ∈ R, et appliquons la définition de la limite :

1. si l ∈ R : avec ε = 1, il existe η > 0 tel que :
∀x ∈ I, |x − a| ≤ η ⇒ |f (x) − l| ≤ 1
et donc, en notant J =]a − η; a + η[, J est un voisinage de a sur lequel f est bornée par l − 1 et
l + 1, ce qui montre le résultat.
2. si l = +∞ (resp. −∞) : avec A = 0, en prenant η > 0 donné par la définition de la limite, alors
J =]a − η; a + η[ est un voisinage de a sur lequel f est minorée (resp. majorée) par 0.
Remarques I.19.
1. Il faut bien prendre garde que le résultat n’est vrai que au voisinage de a.
2. Les réciproques sont fausses, comme on peut le voir en 0 avec la fonction x 7→ sin( x1 ), qui est bornée
mais n’a pas de limite.
0.5
−1.4 −1.2 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4
−0.5
−1
Proposition I.20. Si f tend vers l en a, avec l ̸= 0, alors f est non nulle au voisinage de a.
Démonstration. On distingue suivant la forme de l, et ce peu importe la forme de a :

— si l ∈ R∗ : prendre la définition avec ε = |l|2 (comme pour le suites) ;
— si l = +∞ : prendre la définition avec A = 1 ;
— si l = −∞ : prendre la définition avec A = −1.
Définition I.21. Si f est définie sur I et a ∈ I, on dit que f est continue en a si : lim f (x) = f (a).
x→a
Proposition I.22. Si f est définie en a, et que f a une limite en a, alors : lim f (x) = f (a).
x→a
Démonstration. Si η > 0, alors : a ∈ I∩]a − η; a + η[. Ainsi, en notant l la limite de f en a, on a :

— si l = +∞ :
∀A ∈ R, f (a) ≥ A
ce qui est faux, car A = f (a) + 1 fournit un contre-exemple ;
— si l = −∞ :
∀A ∈ R, f (a) ≤ A
ce qui est faux, car A = f (a) − 1 fournit un contre-exemple ;
— si l ∈ R :
∀ε > 0, |f (a) − l| ≤ ε
|f (a)−l|
et donc l = f (a), sinon ε = 2
fournirait un contre-exemple.
Corollaire I.23. Si f est définie sur I et a ∈ I, alors f est continue en a si, et seulement si, f a une limite
en a.
I.3 Limites à gauche et à droite

Définition I.24. Si f est définie sur I, et a ∈ R, on dit que f est définie à gauche au voisinage de a
(resp. à droite au voisinage de a) si a est adhérent à I∩] − ∞; a[ (resp. à I∩]a; +∞[).
Exemple I.25. Si f est définie sur [0; 1[, alors f est définie :
— à gauche au voisinage de tout réel de ]0; 1] ;
— à droite au voisinage de tout réel de [0; 1[.
Définition I.26. Si a ∈ R, l ∈ R et f définie à gauche (resp. à droite) au voisinage de a, on dit que f

a pour limite à gauche (resp. à droite) l en a, ce que l’on note lim f (x) = l ou lim− f (x) = l (resp.
x→a x→a
x<a
lim f (x) = l ou lim+ f (x) = l) si f |I∩]−∞;a[ (resp. f |I∩]a;+∞[ ) tend vers l en a.

x→a x→a
x>a
Remarque I.27. On peut aussi définir les limites à gauche et à droite avec des ε. Par exemple, dire que f
a pour limite à gauche l en a se traduit par :
— si l ∈ R :
∀ε > 0, ∃η > 0, ∀x ∈ I, a − η ≤ x < a ⇒ |f (x) − l| ≤ ε;
— si l = +∞ :
∀A ∈ R, ∃η > 0, ∀x ∈ I, a − η ≤ x < a ⇒ f (x) ≥ A;
— si l = −∞ :
∀A ∈ R, ∃η > 0, ∀x ∈ I, a − η ≤ x < a ⇒ f (x) ≤ A.
Il faut bien faire attention que a n’est jamais considéré pour les limites à gauche ou à droite.
1
Exemple I.28. La fonction f : x 7→ e− x , définie sur R∗ vérifie :
lim f (x) = +∞ et lim+ f (x) = 0.

x→0− x→0
4
3
2
1
−11 −10 −9 −8 −7 −6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6 7 8 9 10 11
−1
Proposition I.29. Si a ∈ R, l ∈ R, et f définie sur I, et définie à gauche et à droite au voisinage de a.

Alors :
1. si a ∈ I : lim f (x) = l si, et seulement si, lim+ f (x) = lim− f (x) = f (a) = l ;
x→a x→a x→a
2. si a ∈
/ I : lim f (x) = l si, et seulement si, lim+ f (x) = lim− f (x) = l.
x→a x→a x→a
Remarque I.30. Dans le premier cas, le fait que f (a) = l exclut le cas où l = ±∞.
Démonstration.
1. Montrons les deux implications :
— Supposons que lim f (x) = l : on a déjà montré que f (a) = l. De plus, pour ε > 0, il existe η tel
x→a
que :
∀x ∈ I, |x − a| ≤ η ⇒ |f (x) − l| ≤ ε
et les limites à gauche et à droite découlent alors des implications : a − η ≤ x < a ⇒ |x − a| ≤ η
et a < x ≤ a + η ⇒ |x − a| ≤ η.
— Réciproquement : supposons que lim+ f (x) = lim− f (x) = f (a) = l. Soit ε > 0 :
x→a x→a
— par définition de la limite à gauche, il existe η1 > 0 tel que :
∀x ∈ I, a − η1 ≤ x < a ⇒ |f (x) − l| ≤ ε;
— par définition de la limite à droite, il existe η2 > 0 tel que :
∀x ∈ I, a < x ≤ a + η2 ⇒ |f (x) − l| ≤ ε.
En posant η = min(η1 , η2 ), alors pour tout x ∈ I tel que |x − a| ≤ η, on a :

— soit a − η ≤ x < a : et donc par la limite à gauche |f (x) − l| ≤ ε ;
— soit x = a : et donc f (x) = f (a) = l, donc |f (x) − l| = 0 ≤ ε ;
— soit a < x < a + η : et donc par la limite à droite |f (x) − l| ≤ ε.
c’est-à-dire que, dans tous les cas : |x − a| ≤ η ⇒ |f (x) − l| = 0 ≤ ε.
Comme ceci est pour tout ε > 0, alors on a bien : lim f (x) = l.
x→a
2. Le cas où a ∈
/ I se traite de manière très proche. Il n’y a pas à se soucier de ce qui se passe en a,
mais il y a davantage de cas à traiter car on pourrait avoir l = ±∞.
Exemples I.31.
1. on peut voir ainsi que la fonction inverse n’a pas de limite en 0, puisque :
1 1
lim+ ̸ lim− = −∞.
= +∞ =
x→0 x x→0 x
1
2. En revanche, la fonction x 7→ x2
a bien une limite en 0 puisque :
1 1
lim+ = +∞ = lim− .
x→0 x x→0 x
3. Plus généralement, un fonction paire définie sur R∗ a une limite en 0 si, et seulement si, elle a une
limite à gauche ou à droite. Tandis qu’une fonction impaire (définie en 0 ou non) a une limite en
0 si, et seulement si, elle a une limite à gauche ou à droite et que cette limite est nulle.
I.4 Lien avec les suites

Une première chose à dire est qu’une suite peut être vue comme une fonction définie sur N, et on peut
donc s’intéresser à ses limites en tant que fonction. Tout se passe alors comme pour les fonctions, puisque
N étant non majoré, cela a bien un sens de regarder la limite en +∞. Les autres limites n’ont pas beaucoup
d’intérêt, car il s’agirait de regarder les limites en les entiers, en lesquels la suite est bien définie donc sa
limite est donné en chaque entier par son image.
Théorème I.32 (Caractérisation séquentielle de la limite). Soit f définie sur I, a ∈ R adhérent à I et
l ∈ R. Il y a équivalence entre :
1. lim f (x) = l ;
x→a
2. pour toute suite (un ) à valeurs dans I et tendant vers a, la suite (f (un )) tend vers l.
Démonstration. Par exemple, montrons le résultat lorsque a, l ∈ R. On montre séparément les deux im-
plications.
— si lim f (x) = l : soit (un ) une suite à valeurs dans I tendant vers a.
x→a
Soit ε > 0 :
— f tend vers l en a, il existe η > 0 tel que :
∀x ∈ I, |x − a| ≤ η ⇒ |f (x) − l| ≤ ε;
— (un ) tend vers a, donc il existe n0 tel que :
∀n ∈ N, n ≥ n0 ⇒ |un − a| ≤ η.
Et ainsi, pour tout n ∈ N :

n ≥ n0 ⇒ |un − a| ≤ η ⇒ |f (un ) − l| ≤ ε
donc la suite (f (un )) tend bien vers l.
n
n0
a un
a−η a+η
l
f (un )
l−ε l+ε
— procédons par contraposée pour la réciproque : supposons que f ne tende pas vers l en a, c’est-à-dire
que :
∃ε > 0, ∀η > 0, ∃x ∈ I, |x − a| ≤ η et |f (x) − l| > ε (⋆)
et donnons-nous un tel ε.
1
Appliquons (⋆) avec η = n+1
pour n ∈ N, et notons un l’élément de I donné par (⋆). On a ainsi
pour tout n ∈ N :
1
|un − a| ≤ et |f (un ) − l| > ε.
n+1
La première inégalité montre que la suite (un ) tend vers a (par encadrement). Tandis que la seconde
assure que la suite (f (un )) ne tend pas vers l.
D’où la contraposée.
D’où l’équivalence.
Remarques I.33.
1. En pratique, on utilisera surtout l’implication 1. ⇒ 2. : soit pour chercher la limite d’une suite, soit
pour montrer qu’une fonction n’a pas de limite en un point.
2. Il faut que la suite soit bien à valeurs dans I, sinon le résultat devient faux.
Corollaire I.34. Si f est définie sur I, et a ∈ I tel que f a une limite en a, alors pour tout suite (un ) à
valeurs dans I tendant vers a, la suite (f (un )) tend vers f (a).
Exemples I.35. 1. La fonction f : x 7→ sin( x1 ) définie sur R∗ n’a pas de limite en 0 :
1

— la suite (un ) = nπ tend vers 0, et la suite (f (un )) = (sin(nπ)) est constante de valeur nulle,
donc tend vers 0 ;
— la suite (vn ) = 2nπ+π/2 tend vers 0 aussi, mais la suite (f (vn )) = (sin(2nπ + π2 )) est constante
1
de valeur 1, donc tend vers 1.

Comme 1 ̸= 0, alors f n’a pas de limite en 0.
1
On pouvait aussi directement utiliser la suite (wn ) = nπ+π/2 , puisque la suite (f (vn )) = ((−1)n )
n’a pas de limite.
2. Si f est une fonction périodique non constante, alors f n’a pas de limite en +∞.
Considérons T > 0 une période de f . Comme f est non constante, il existe a, b ∈ R tels que
f (a) ̸= f (b). Et alors :
— la suite (un ) = (a + nT ) tend vers +∞, tandis que la suite (f (un )) est constante de valeur f (a),
donc tend vers f (a) ;
— la suite (vn ) = (b + nT ) tend vers +∞ aussi, mais la suite (f (vn )) est constante de valeur f (b),
donc tend vers f (b).
Comme f (a) ̸= f (b), alors f n’a pas de limite en +∞.
I.5 Manipulations de limites

Théorème I.36 (Opérations sur les limites). Si f, g sont deux fonctions définies sur I et a ∈ R adhérent
à I avec lim f (x) = l et lim g(x) = l′ (pour l, l′ ∈ R) et λ ∈ R. Alors, sous réserve que les quantités
x→a x→a
ci-dessous soient bien définies :
1. la fonction (f + g) tend vers l + l′ en a ;
2. la fonction λf tend vers λl en a ;
3. la fonction f g tend vers ll′ en a ;
f l
4. si l′ ̸= 0, la fonction est bien définie au voisinage de a, et tend vers ′ en a.
g l
Démonstration. On peut refaire les mêmes manipulations que pour les suites (avec des ε, selon les diffé-
rentes limites). Ou directement invoquer le théorème analogue sur les suites, qui se transpose par définition
séquentielle de la limite.
Proposition I.37. Si f, g sont définies sur I et a ∈ R adhérent à I, alors :
1. si f est minorée (resp. majorée) au voisinage de a, et g tend vers +∞ (resp. −∞) en a, alors f + g
tend vers +∞ (resp. −∞) en a ;
2. si f est bornée au voisinage de a et que g tend vers 0 en a, alors f g tend vers 0 en a ;
3. si f est minorée par m > 0 (resp. majorée par M < 0) au voisinage de a, et si g tend vers ±∞ en
a, alors f g tend vers ±∞ (resp. ∓∞) en a.
Démonstration. Comme pour les suites, ou alors par caractérisation séquentielle.
Proposition I.38. Si f : I → J et g : J → R, a adhérent à I, b adhérent à J et l ∈ R tels que : lim f (x) = b
x→a
et lim g(y) = l.
y→b
Alors : lim g ◦ f (x) = l.
x→a
Démonstration. Montrons le par exemple dans le cas où a, b, l ∈ R.

Soit ε > 0. Alors :
— comme lim g(y) = l, alors il existe α > 0 tel que :
y→b
∀y ∈ J, |y − b| ≤ α ⇒ |g(y) − l| ≤ ε;
— comme lim f (x) = b, alors il existe η > 0 tel que :
x→a
∀x ∈ I, |x − a| ≤ η ⇒ |f (x) − b| ≤ α.
Et ainsi, on trouve que, pour tout x ∈ I :
|x − a| ≤ η ⇒ |f (x) − b| ≤ α ⇒ |g(f (x)) − l| = |g ◦ f (x) − l| ≤ ε
ce qui prouve bien le résultat voulu.
a
x
a−η a+η
b
f (x)
b−α b+α
l
g ◦ f (x)
l−ε l+ε
Remarque I.39. On peut aussi le faire par caractérisation séquentielle pour prouver tous les cas. En fait
la caractérisation séquentielle est un cas particulier où a = +∞ et f est une suite à valeurs dans J
tendant vers b, ce qui explique que la démonstration non séquentielle ressemble beaucoup à la preuve de la
caractérisation séquentielle de la limite.
I.6 Limites et inégalités

Proposition I.40. Soit f définie sur I et a adhérent à I tel que lim f (x) = l ∈ R. Alors pour m, M ∈ R :
x→a
1. si l < M (resp. m < l) alors f < M (resp. m < f ) au voisinage de a ;
2. si f ≤ M (resp. m ≤ f ) au voisinage de a, alors l ≤ M (resp. m ≤ l).
Remarque I.41.
1. Pour le 1., on ne peut pas mettre des inégalités larges au départ.
2. Pour le 2., on peut mettre des inégalités strictes au départ, mais le passage à la limite ne donnera
que des inégalités larges.
Démonstration. On se contente de traiter le cas où a ∈ R (les autres cas se traitent de même).
Supposons que l ∈ R, et montrons le 1.
— si l < M : posons ε = M2−l > 0. Par définition de la limite, il existe η > 0 tel que :
∀x ∈ I, |x − a| ≤ η ⇒ |f (x) − l| ≤ ε ⇒ f (x) ≤ l + ε
et donc, en remplaçant ε par sa valeur :

l+M
∀x ∈ I, |x − a| ≤ η ⇒ f (x) ≤ < M.
2
m−l
— si m < l : posons ε = 2
> 0. Par définition de la limite, il existe η > 0 tel que :
∀x ∈ I, |x − a| ≤ η ⇒ |f (x) − l| ≤ ε ⇒ f (x) ≥ l − ε
et donc, en remplaçant ε par sa valeur :

l+m
∀x ∈ I, |x − a| ≤ η ⇒ f (x) ≥ > m.
2
Le 2. se déduit alors par contraposée.
Si l = ±∞ on procède de même, en prenant A = m + 1 ou m, ou A = M + 1 ou M dans la définition de
la limite.
Corollaire I.42. Si f, g sont deux fonctions définies sur I, et a adhérent à I. Supposons que f, g ont des
limites en a et que, au voisinage de a, on ait : f (x) ≤ g(x). Alors :
lim f (x) ≤ lim g(x).

x→a x→a
Démonstration. Notons l = lim f (x) et l′ = lim g(x).

x→a x→a
Si l − l′ n’est pas une forme indéterminée, alors il suffit d’appliquer le résultat précédent à la fonction f − g,
qui a une limite en a (par opération sur les limites).
Mais si l − l′ est une forme indéterminée, cela veut dire que : l = l′ = ±∞, et on a alors bien lim f (x) ≤
x→a
lim g(x) puisque l’on a même une égalité.
x→a
Théorème I.43 (Théorème d’encadrement, ou des gendarmes). Si f, g, h sont trois fonctions définies sur
I, a adhérent à I, tels qu’au voisinage de a : f (x) ≤ g(x) ≤ h(x). Si lim f (x) = lim h(x) = l ∈ R, alors
x→a x→a
lim g(x) = l.
x→a
Démonstration. Montrons le résultat lorsque a ∈ R.

Soit ε > 0 :
— par l’inégalité vérifiée au voisinage de a, il existe η1 > 0 tel que :
∀x ∈ I, |x − a| ≤ η1 ⇒ f (x) ≤ g(x) ≤ h(x);
— par définition de la limite de f en a, il existe η2 > 0 tel que :
∀x ∈ I, |x − a| ≤ η2 ⇒ |f (x) − l| ≤ ε ⇒ l − ε ≤ f (x);
— par définition de la limite de h en a, il existe η3 > 0 tel que :
∀x ∈ I, |x − a| ≤ η3 ⇒ |h(x) − l| ≤ ε ⇒ h(x) ≤ l + ε.
Ainsi, en posant η = min(η1 , η2 , η3 ), on trouve pour tout x ∈ I :


 f (x) ≤ g(x) ≤ h(x)
|x − a| ≤ η ⇒ l − ε ≤ f (x) ⇒ l − ε ≤ g(x) ≤ l + ε ⇒ |g(x) − l| ≤ ε
h(x) ≤ l + ε

ce qui donne bien que lim g(x) = l.

x→a
Remarques I.44.
1. Si l = ±∞ le résultat reste vrai, mais on n’a besoin que d’une seule inégalités.
2. On peut aussi le démontrer en passant par des suites et en utilisant le théorème d’encadrement pour
les suites.
Proposition I.45. Si f, g sont définies sur I, et a adhérent à I tels que au voisinage de a : f (x) ≤ g(x).
Alors :
1. si lim f (x) = +∞, alors lim g(x) = +∞ ;
x→a x→a
2. si lim g(x) = −∞, alors lim f (x) = −∞.
x→a x→a
Démonstration.
1. la fonction g − f est minorée par 0 au voisinage de a, et f tend vers +∞ en a, donc g = (g − f ) + f
tend vers +∞ en a ;
2. la fonction f − g est majorée par 0 au voisinage de a, et g tend vers −∞ en a, donc f = (f − g) + g
tend vers −∞ en a.
Théorème I.46 (Théorème de la limite monotone). Soient a, b ∈ R avec a < b, et f :]a; b[→ R une fonction
croissante. Alors :
1. lim f (x) existe, et vaut sup f (x) si f est majorée, et +∞ sinon ;
x→b x∈]a;b[
2. lim f (x) existe, et vaut inf f (x) si f est minorée, et −∞ sinon.

x→a x∈]a;b[
Démonstration. Montrons par exemple le 1. lorsque b est réel. Posons E = {f (x) | x ∈]a; b[}, qui est un
ensemble non vide (car a < b). Alors :
— si E est majoré : notons M sa borne supérieure. Et considérons ε > 0. Par définition de M , il existe
y0 ∈ E tel que : M − ε ≤ y0 ≤ M . Par définition de E, il existe x0 ∈]a; b[ tel que y0 = f (x0 ). Posons
η = b − x0 , alors pour tout x ∈]a; b[ :
|x − b| ≤ η ⇒ b − η ≤ x < b
⇒ x
0 ≤ x < b
y0 = f (x0 ) ≤ f (x) par croissance de f
⇒
f (x) ≤ M par définition de E
⇒ M − ε ≤ f (x) ≤ M
⇒ |f (x) − M | ≤ ε
ce qui donne bien : lim f (x) = M .

x→b
— si E n’est pas majoré : soit A ∈ R. Comme E n’est pas majoré, alors A n’est pas un majorant de
E donc il existe y0 ∈ E tel que y0 ≥ A.
Par définition de E, il existe x0 ∈]a; b[ tel que f (x0 ) = y0 . En posant de nouveau η = b − x0 , on
trouve pour tout x ∈]a; b[ :
|x − b| ≤ η ⇒ b − η ≤ x
⇒ x0 ≤ x
⇒ A ≤ y0 ≤ f (x) par croissance de f
Théorème I.47. Avec les mêmes notations, si f est supposée décroissante sur ]a; b[, alors :
1. lim f (x) existe, et vaut inf f (x) si f est minorée, et −∞ sinon ;
x→b x∈]a;b[
2. lim f (x) existe, et vaut sup f (x) si f est majorée, et +∞ sinon.

x→a x∈]a;b[
Remarque I.48. Les limites considérées dans les deux théorèmes sont en fait des limites à gauche et à
droite. Le théorème peut être mis en défaut si f est défini en a ou b, ou renforcé par le résultat suivant.
Corollaire I.49. Soient a, b ∈ R avec a < b :

1. si f est croissante sur ]a; b], alors f a une limite à gauche finie en b avec : lim− f (x) ≤ f (b) ;
x→b
2. si f est décroissante sur ]a; b], alors f a une limite à gauche finie en b avec : lim− f (x) ≥ f (b) ;
x→b
3. si f est croissante sur [a; b[, alors f a une limite à droite finie en a avec : lim+ f (x) ≥ f (a) ;
x→a
4. si f est décroissante sur [a; b[, alors f a une limite à droite finie en a avec : lim+ f (x) ≤ f (a).
x→a
Démonstration. Il suffit de voir que f est majorée ou minorée par f (a) ou f (b) suivant les cas considérés.
Corollaire I.50. Si f est une fonction monotone définie sur un intervalle I, alors f admet des limites à
◦
gauche et à droite finies en tout point de I.
Corollaire I.51. Si f est monotone sur I, et a ∈ I, alors f a une limite en a si, et seulement si, elle a des
limites à gauche et à droite de a égales.
II. FONCTIONS CONTINUES 207
II Fonctions continues
II.1 Continuité en un point
Définition II.1. Si f est définie sur I ⊂ R, et a ∈ I, on dit que f est continue en a si elle a une limite
en a.
On dit que f est continue sur I si elle est continue en a pour tout a ∈ I.
On note C(I, R) (ou parfois C 0 (I, R)) l’ensemble des fonctions continues sur I.
Proposition II.2. La somme, le produit, la multiplication par un scalaire, le quotient (s’il est bien défini)
et la composition (si elle est bien définie) de fonctions continues est continue.
Démonstration. Il suffit de regarder les limites en des points donnés. Les opérations sur les limites donnent
le résultat.
Remarque II.3. On voit apparaı̂tre ici que la continuité est une notion locale : il suffit de la regarder
au voisinage d’un point pour la constater. Et la continuité sur un ensemble (par exemple un intervalle)
pourrait en ce sens être qualifiée de “multi-locale”, dans le sens où on ne fait que faire du local en chaque
point, mais à aucun moment on ne regarde les points simultanément (ce qui correspondrait à une approche
globale de la continuité).
Corollaire II.4. Pour I ⊂ R, l’ensemble C(I, R) est un sous-anneau de RI .
Démonstration.
— La fonction constante de valeur 1 est continue, et est l’élément neutre pour ×.
— si f, g sont continues, alors f − g est continue.
— si f, g sont continues, alors f g est continue.
Corollaire II.5. Les fonctions polynomiales sont continues sur R
Démonstration. Comme la continuité est préservée par somme, produit et multiplication par un scalaire,
il suffit de voir que la fonction x 7→ x est continue sur R.
Soit a ∈ R et ε > 0. Alors :
|x − a| ≤ ε ⇒ |x − a|ε
où on interprète la première inégalité comme |x − a| ≤ η, et la seconde comme |f (x) − f (a)| ≤ ε.
Ceci montre bien la continuité en a. Et donc la continuité sur R.
Définition II.6. Si f est définie sur I et a ∈ I, on dit que f est :

1. continue à gauche en a si : lim− f (x) = f (a) ;
x→a
2. continue à droite en a si : lim+ f (x) = f (a).
x→a
Remarque II.7. Cela revient à dire que f |I∩]−∞;a] ou f |I∩[a;+∞[ est continue en a.
Exemple II.8. La fonction partie entière x 7→ ⌊x⌋ est continue à droite en tout a ∈ R. Elle est continue à
gauche en tout les éléments de R \ Z.
Proposition II.9. Si f est définie sur I et a ∈ I, alors f est continue en a si, et seulement si, f est
continue à gauche et à droite en a.
Démonstration. Découle des propriétés des limites à droite et à gauche.

Proposition II.10 (Caractérisation séquentielle de la continuité). Soit f définie sur I ⊂ R et a ∈ I, alors

il y a équivalence entre :
1. f est continue en a ;
2. pour toute suite (un ) à valeurs dans I tendant vers a, la suite (f (un )) tend vers f (a).
Démonstration. Découle de la caractérisation séquentielle de la limite.
Proposition-Définition II.11. Si f est définie sur I, a ∈ R \ I adhérent à I, et l ∈ R. Supposons que

lim f (x) = l, alors on appelle prolongement par continuité de f la fonction f˜ définie sur I ∪ {a}
x→a
par :

 I ∪ {a} → R
˜

f: f (x) si x ∈ I
x 7→
l si x = a

qui est continue en a.
Démonstration. Soit ε > 0. Par définition de l, il existe η > 0 tel que :
∀x ∈ I, |x − a| ≤ η ⇒ |f (x) − l| ≤ ε
et donc pour tout x ∈ I ∪ {a} :

x ∈ I et |x − a| ≤ η |f (x) − l| ≤ ε
|x − a| ≤ η ⇒ ⇒ ⇒ |f˜(x) − l| ≤ ε
ou x = a ou f˜(x) = l
ce qui donne bien la continuité de f˜.
Exemples II.12.
ex − 1
1. Considérons la fonction f définie sur R∗ par : f (x) = . Alors, par limite classique : lim f (x) =
x x→0
1, et donc f se prolonge par continuité en la fonction continue sur R :

 R → R
 ( ex − 1
˜
f: si x ̸= 0
 x 7→
 x
1 si x = 0
sin(x)
2. Considérons la fonction g définie sur R∗ par : g(x) = . Alors pour x ̸= 0 on a :
x
sin(x) sin(x) − sin(0)

= → sin′ (0) = cos(0) = 1
x x−0 x→0
donc g se prolonge par continuité en la fonction continue sur R :
R → R


sin(x)
 (
g̃ : si x ̸= 0
 x 7→
 x
1 si x = 0
II.2 Continuité sur un intervalle

Théorème II.13 (Théorème des valeurs intermédiaires). L’image d’un intervalle par une fonction continue
est un intervalle.
Remarque II.14. Cela revient à dire que, si [a, b] ⊂ I, alors tout élément entre f (a) et f (b) a un antécédente
par f dans [a; b].
Démonstration. Considérons [a; b] ⊂ I. Supposons par exemple que f (a) ≤ f (b), et considérons y avec :
f (a) ≤ y ≤ f (b). Cherchons un antécédent c de y par f dans [a; b]
Si y = f (a) ou y = f (b), alors donc c = a ou c = b, convient. Supposons dans la suite que y ∈]f (a); f (b)[.
On propose deux démonstrations de ce résultats :
• avec des suites adjacentes : on définit les suites (an ) et (bn ) par a0 = a, b0 = b et pour tout n ∈ N :
— si f ( an +b
2
n
) < y : an+1 = an +b
2
n
et bn+1 = bn ;
— si f ( 2 ) > y : an+1 = an et bn+1 = an +b
an +bn
2
n
;
an +bn an +bn
— si f ( 2 ) = y : an+1 = bn+1 = 2 .
Alors les suites suites (an ) et (bn ) sont adjacentes.
— par récurrence, on montre que pour tout n ∈ N : an ≤ bn . En effet, si on pose (un ) = (bn − an ),
on a u0 = b − a > 0 et pour tout n ∈ N : un+1 = 12 un ou 0 (selon les cas).
— on déduit donc que les suites (an ) et (bn ) sont respectivement croissante et décroissante, puisque
pour tout n ∈ N : an+1 − an = bn −a 2
n
ou 0 selon les cas, et bn+1 − bn = an −b
2
n
ou 0 selon les cas.
— la suite (un ) tend vers 0 : soit elle est stationnaire à 0, soit géométrique de raison 12 ∈] − 1; 1[.
Et donc les suites (an ) et (bn ) convergent vers une même limite c ∈ [a; b].
Par construction des suites (an ) et (bn ), on a pour tout n ∈ N : f (an ) ≤ y ≤ f (bn ).
En passant à la limite, comme f est continue : f (c) ≤ y ≤ f (c), et donc f (c) = y.
• avec le théorème de la borne supérieure : on considère l’ensemble A = {x ∈ [a, b] | f (x) ≤ y}. C’est
une partie non vide (car a ∈ A) et majorée (par b) de R, donc A admet une borne supérieure c.
Par caractérisation séquentielle de la borne supérieure, il existe une suite (an ) d’éléments de A qui
tend vers c.
1 1
Par définition de c, pour tout n ∈ N : c + 1+n ∈
/ A. Posons (bn ) = (c + n+1 ), qui est une suite
d’éléments n’appartenant pas à A qui tend vers c.
Par définition de A, on a pour tout n ∈ N : f (an ) ≤ y < f (bn ).
Et donc en passant à la limite, comme f est continue : f (c) ≤ y ≤ f (c), donc f (c) = y.
Exemples II.15.
1. Un polynôme P de degré impair possède toujours une racine réelle. Quitte à changer P en −P , on
peut supposer que le coefficient dominant de P est strictement positif. Ainsi : lim P (x) = +∞ et
x→+∞
lim P (x) = −∞. Par définition des limites, avec A = ±1, il existe a, b ∈ R tels que P (a) < −1
x→−∞
et P (b) > 1, et donc par théorème des valeurs intermédiaire il existe c ∈ R tel que P (c) = 0.
2. Si f est continue sur ]a; b[ avec lim+ f (x) = l et lim− f (x) = l′ , alors tout élément strictement
x→a x→b
entre l et l′ a un antécédent par f . Supposons par exemple que l < l′ et posons y ∈]l, l′ [. Par
définition des limites en a et b, il existe x1 , x2 ∈]a, b[ tels que f (x1 ) ≤ y (avec ε = y − l) et
f (x2 ) ≥ y (avec ε = l′ − y). Et par théorème des valeurs intermédiaires on a bien le résultat.
Théorème II.16 (Théorème des bornes atteintes). L’image d’un segment par une fonction continue est un
segment.
Remarque II.17. Cela revient à dire qu’une fonction f continue sur [a, b] y est bornée et atteint ses bornes.
Démonstration. Soit f une fonction continue sur le segment [a, b].

Considérons l’ensemble A = {f (x) | x ∈ [a; b]}, qui est une partie non vide.
Nécessairement, A est majorée : supposons par l’absurde que ce ne soit pas le cas. Alors il existe une suite
(yn ) d’éléments de A tendant vers +∞. Donc par définition de A, il existe une suite (xn ) d’éléments de
[a, b] telle que la suite (f (xn )) = (yn ) tend vers +∞.
La suite (xn ) est bornée, donc par théorème de Bolzano–Weierstrass il existe une sous-suite (xφ(n) ) qui
converge vers x ∈ [a; b], et par continuité de f la suite (f (xφ(n) )) = (yφ(n) ) converge vers f (x), ce qui
contredit le fait que (yn ) tend vers +∞.
Comme A est bornée, alors elle a une borne supérieure M . Il faut montrer qu’elle est atteinte. Pour cela,
on utilise la caractérisation séquentielle : il existe une suite (yn ) d’éléments de A tendent vers M , et donc
une suite (xn ) d’éléments de [a, b] telle que la suite (f (xn )) = (yn ) tend vers M .
À nouveau par théorème de Bolzano–Weierstrass, il existe une sous-suite (xφ(n) ) qui converge vers x ∈ [a; b],
et par continuité de f la suite (f (xφ(n) )) = (yφ(n) ) converge vers f (x). Mais (yφ(n) ) est une suite extraite
de (yn ), donc a même limite.
Et donc f (x) = M .
Le cas de la borne inférieure m de A se traite de même : elle existe et est atteinte.
Et finalement : f ([a, b]) = [m, M ].
Remarques II.18.
1. Les autres types d’intervalles se comportent assez mal. Par exemple, avec f = sin, on a : f (] −
1, 10[) = [−1, 1] et f ([0; 3π
2
[) =] − 1; 1].
Exemples II.19.
1. Si f est continue sur [a, b] et ne s’y annule pas, alors la fonction f1 est bien définie sur [a, b] et est
bornée.
Par théorème des valeurs intermédiaires, f est de signe constant. On peut supposer par exemple f
strictement positive. Mais par théorème des bornes atteintes on a f ([a, b]) = [m, M ], avec m = f (x1 )
pour x1 ∈ [a, b]. En particulier, m > 0. Et donc :
∀x ∈ [a, b], f (x) ≥ m > 0
puis en passant à l’inverse :

1 1
∀x ∈ [a, b], ≥ >0
m f (x)
2. Si f est une fonction continue périodique, alors f est bornée sur R et atteint ses bornes. En effet,
si on note T une période de f , on a : f ([0, T ]) = f (R) par T -périodicité.
Mais par continuité de f , le théorème des bornes atteintes donne que f ([0, T ]) = [m, M ] (avec m, M
le minimum et le maximum de f ). Et finalement : f (R) = [m, M ].
II.3 Continuité et monotonie

Théorème II.20. Soit f une fonction continue sur un intervalle I. Posons J = f (I). Alors on a l’équiva-
lence entre :
1. f est strictement monotone ;
2. f réalise une bijection de I sur J.
Sous ces conditions, J est un intervalle de “même nature” que I.
Remarque II.21. Par “même nature” on veut dire que si f est croissante (resp. décroissante) alors les
crochets de I sont les mêmes que ceux de J (resp. −J) ;
Démonstration. La première implication a déjà été démontrée au chapitre 3.

Montrons la réciproque : supposons f continue et bijective, donc injective. Supposons par l’absurde qu’elle
n’est pas monotone. Alors :
— f n’est pas croissante : il existe x1 , y1 ∈ I avec x1 < y1 et f (x1 ) > f (y1 ) ;
— f n’est pas décroissante : il existe x2 , y2 ∈ I avec x2 < y2 et f (x2 ) > f (y2 ).
On construit alors les deux fonctions affines définies sur [0; 1] par :
a(t) = (1 − t)x1 + tx2 et b(t) = (1 − t)y1 + ty2
qui sont continues, à valeurs dans I, avec a(0) = x1 , a(1) = x2 , b(0) = y1 et b(1) = y2 .
La fonction g : t 7→ f (a(t)) − f (b(t)) est continue (en tant que combinaison linéaire de composée de
fonctions continues), et vérifie : g(0) = f (x1 ) − f (y1 ) > 0 et g(1) = f (x2 ) − f (y2 ) < 0. Par théorème des
valeurs intermédiaires, il existe dont t0 ∈]0; 1[ tel que g(t0 ) = 0, c’est-à-dire f (a(t0 )) = f (b(t0 )).
Par injectivité de f , on a :
f (a(t0 )) = f (b(t0 )) ⇒ a(t0 ) = b(t0 ) ⇒ (1−t0 )x1 +t0 x2 = (1−t0 )y1 +t0 y2 ⇒ (1 − t0 )(x1 − y1 ) = t0 (y2 − x2 )
| {z } | {z }
<0 >0
d’où la contradiction.
Donc f est monotone. Donc f est strictement monotone par injectivité.
Le fait que J est un intervalle découle du théorème des valeurs intermédiaires. Tandis que la nature de ses
bornes (comprises ou non) découle du théorème de la limite monotone.
Théorème II.22. Si f est continue sur un intervalle I et réalise une bijection de I sur J = f (I), alors f
est strictement monotone, et sa réciproque f −1 est continue sur J, de même monotonie que f .
Démonstration. La stricte monotonie de f découle du résultat précédent.

L’existence et la monotonie de f −1 ont été montrées au chapitre 3.
Reste à montrer la continuité de f −1 sur J. Supposons par exemple que f (donc f −1 ) est strictement
croissante, et considérons b ∈ J.
Montrons que f −1 est continue en b en montrant qu’elle est continue à gauche et à droite en b sous réserve
que cela ait un sens : c’est-à-dire une limite à gauche si b ̸= inf J et à droite si b ̸= sup J.
Supposons par exemple que b ̸= inf J et montrons à gauche en b : par théorème de la limite monotone, on
a déjà que lim− f −1 (y) existe, et si on note l sa valeur, alors l ≤ f −1 (b).
y→b
Par continuité de f en l, on a :
f (l) = lim f (x) = lim− f f −1 (y) = b

x→l y→b
et donc : l = f −1 (b).
Ce qui prouve bien la continuité à gauche.
1
Exemple II.23. Si n ∈ N∗ , la fonction x 7→ x n est continue sur R+ , en tant que réciproque de la fonction
continue (car polynomiale) x 7→ xn sur R+ .
II.4 Fonctions réelles à valeurs complexes

Définition II.24. Si f : I → C, pour I ⊂ R, a ∈ R adhérent à I, et l ∈ C, on dit que f tend vers l en a
si :
∀ε > 0, ∃η > 0, ∀x ∈ I, |x − a| ≤ η ⇒ |f (x) − l| ≤ ε.
Remarques II.25.
1. Cela revient à dire que la fonction x 7→ |f (x) − l| tend vers 0 en a.
2. La notion de limite infinie sur C est moins naturelle, notamment par le fait qu’on n’a pas cette
relation d’ordre total comme sur R.
Proposition II.26. Avec les notations précédentes, on a :

(
lim Re(f (x)) = Re(l)
x→a
lim f (x) = l ⇔ .
x→a lim Im(f (x)) = Im(l)
x→a
Démonstration. Comme pour les suites.
Définition II.27. Si I ⊂ R, on dit que f : I → C est continue si elle admet une limite en tout réel a ∈ I.
On note C(I, C) l’ensemble des fonctions continues sur I à valeurs complexes.
Proposition II.28. Pour f : I → C, on a l’équivalence :
f ∈ C(I, C) ⇔ Re(f ), Im(f ) ∈ C(I, R).
Démonstration. Découle de la proposition sur les limites de fonctions complexes.
Remarque II.29. Les résultats reposant sur la relation d’ordre sur R (comme la limite monotone, le théo-
rème des valeurs intermédiaires, la bijection monotone, etc.) ne sont plus valables sur C. Par exemple,
la fonction t 7→ eit ne vérifie pas le théorème des valeurs intermédiaires : elle prend les valeurs 1 (en 0) et
−1 (en π) mais ne s’annule jamais.
Proposition II.30. Si f ∈ C(I, C), alors |f | ∈ C(I, R).
Démonstration.
√ Comme f est continue sur C, alors Re(f ) et Im(f ) sont continues. Comme la fonction
x 7→ x est continue sur R+ , tout comme la fonction
p x 7→ x2 , donc par composée et combinaison linéaire
de fonction continue, la fonction x 7→ |f (x)| = Re(f (x))2 + Im(f (x))2 est continue.
Remarque II.31. La réciproque est fausse : on peut par exemple considérer f : x 7→ (−1)⌊x⌋ , qui vaut
alternativement 1 et −1 selon la parité de ⌊x⌋, tandis que |f | est constante de valeur 1.
Définition II.32. On dit qu’une fonction f : I → C est bornée si la fonction réelle x 7→ |f (x)| est majorée
sur I.
Corollaire II.33. Si f ∈ C([a, b], C), alors f est bornée.
Démonstration. La fonction |f | est continue sur le segment [a, b], donc son image est un segment donc est
bornée.
Remarque II.34. On a même mieux : la fonction f “atteint sa borne”, dans le sens où il existe c ∈ [a, b]
tel que |f (c)| = max |f (x)|.
x∈[a,b]
III Étude des suites du type un+1 = f (un)

III.1 Généralités
Proposition III.1. Soit f une fonction définie sur un ensemble D, telle que f (D) ⊂ D. Alors la suite (un )
définie par :
u0 ∈ D
un+1 = f (un )
est bien définie, et est unique.
III. ÉTUDE DES SUITES DU TYPE UN +1 = F (UN ) 213
Démonstration. Par une récurrence immédiate, on montre que pour tout n ∈ N : un ∈ D, et un =

f ◦ · · · ◦ f (u0 ). Ce qui donne bien le résultat.
| {z }
n fois
Remarque III.2. En pratique, on pourra travailler avec des fonctions définies sur R. Mais le fait de
restreindre f à un sous ensemble stable par f sur lequel f est monotone pourra être intéressant.
Théorème III.3. Soient f est définie sur D, et (un ) une suite d’éléments de D définie par : ∀n ∈ N, un+1 =
f (un ). On suppose que (un ) converge vers l ∈ D et que f est continue en l : alors f (l) = l.
Démonstration. Par continuité de f en l, on a :
f (l) = lim f (un ) = lim un+1 = l.
Remarque III.4. Ce théorème ne donne pas l’existence d’une limite pour (un ), mais il donne les limites
possibles. Et il peut ainsi permettre de montrer que la suite (un ) ne converge pas.
III.2 Cas où f est croissante

f (un ). On suppose que f est croissante, alors la suite (un ) est monotone.
Démonstration. Supposons par exemple que u1 ≥ u0 .
Alors par croissance de f on a : f (u1 ) = u2 ≥ u1 = f (u0 ).
Et une récurrence montre alors que (un ) est croissante.
Le cas où u1 ≤ u0 se traite de même, et montre que (un ) est décroissante.
Remarque III.6. La croissance de f ne donne pas le sens de variation de (un ) : pour l’avoir, on utilise le
signe de f (x) − x. Graphiquement, cela correspond à la position de la courbe de f par rapport à la droite
d’équation y = x, ce qui donne les graphiques suivants :
y=x
Cf
u0 u1 u2 u3 u3u2 u1 u0
Exemple III.7. Étudions la suite (un ) définie par :

(
u0 = 0 q
.
un+1 = 34 + un
On pose pour cela la fonction f : (

R+ → Rq+
f: 3
x 7→ 4
+x
qui est une fonction continue strictement croissante sur R+ .

Résolvons sur R+ l’équation f (x) = x. Pour x ∈ R+ , on a :
r
3 3 3
f (x) = x ⇔ + x = x ⇔ + x = x2 ⇔ x =
4 4 2
où l’autre racine est − 12 ∈

/ R+ .
Montrons par récurrence que : ∀n ∈ N, 0 ≤ un ≤ un+1 ≤ 32 .
— 0 ≤ u0 ≤ u1 ≤ 23 ;
|{z} |{z}
=0
√3
= 4
— par croissance de f :
3 3 3
0 ≤ un ≤ un+1 ≤ ⇒ f (0) ≤ f (un ) ≤ f (un+1 ) ≤ f ( ) ⇒ 0 ≤ un+1 ≤ un+2 ≤
2 2 2
Ainsi, la suite (un ) est croissante majorée (par 32 ) donc elle converge vers un réel l ∈ [0, 23 ]. Comme f est
continue sur R+ , elle est continue en l, donc f (l) = l. Donc l = 32 .

u0 = 1 p
.
un+1 = 1 + u2n
On pose pour cela la fonction f :

R+ → R√+
f:
x 7→ 1 + x2
qui est une fonction
√ continue strictement croissante sur R+ .
Comme u1 = 2 > u0 , alors la suite (un ) est croissante, et a donc une limite (finie ou non). Montrons
qu’elle tend vers +∞.
Par l’absurde, supposons que (un ) converge vers l ∈ R+ . Alors, par continuité de f sur R+ on aurait
f (l) = l, et donc 1 + l2 = l2 , ce qui est impossible.
III.3 Cas où f est décroissante

f (un ). On suppose que f est décroissante, alors les sous-suites (vn ) = (u2n ) et (wn ) = (u2n+1 ) vérifient
pour tout n ∈ N :
vn+1 = g(vn ) et wn+1 = g(wn ).
Ces deux suites sont monotones, de sens de variation opposés.
III. ÉTUDE DES SUITES DU TYPE UN +1 = F (UN ) 215
Démonstration. On pose g = f ◦ f , qui est croissante (en tant que composée de deux fonctions décrois-
santes). Alors les suites (vn ) et (wn ) vérifient pour tout n ∈ N :
vn+1 = g(vn ) et wn+1 = g(wn )
ce qui assure déjà leurs monotonie.

Supposons par exemple que (vn ) soit croissante. Alors v0 ≤ v1 , c’est-à-dire que u0 ≤ u2 . Et donc :
— par décroissance de f : f (u0 ) ≥ f (u2 ) ;
— donc u1 ≥ u3 , c’est-à-dire w0 ≥ w1 ;
— donc (wn ) est croissante.
Remarque III.10. On peut ainsi déduire une convergence éventuelle de (un ) de l’étude de (vn ) et (wn ) :
la suite (un ) a une limite si, et seulement si, les suites (vn ) et (wn ) tendent vers une même limite. Cette
limite est alors nécessairement finie du fait des monotonies de (vn ) et (wn ). Graphiquement, la situation
de convergence correspond à “l’escargot” suivant :
Cf y=x
u0 u2 u4 u5 u3 u1

u0 = 1
.
un+1 = cos(un )
On pose pour cela la fonction f :

[0, 1] → [0; 1]
f:
x 7→ cos(x)
qui est bien définie car [0, 1] ⊂ [0, π2 ] donc f ([0, 1]) ⊂ [0, 1]. Et f est décroissante sur [0; 1].
On pose g = f 2 qui est croissante, et les suites (vn ) = (u2n ) et (wn ) = (u2n+1 ), qui sont monotones.
La suite (un ) est bornée, donc (vn ) et (wn ) aussi. Comme elles sont monotones, elles convergent. Notons
l1 , l2 leurs limites respectives, qui sont dans [0; 1].
On considère la fonction h suivante :

[0, 1] → [0; 1]
h: .
x 7→ g(x) − x = cos(cos(x)) − x
La fonction h est dérivable sur [0, 1], avec pour tout x ∈ [0, 1] :
h′ (x) = −sin(x) · (−sin(cos(x))) − 1 = sin(x)sin(cos(x)) − 1 < 0.
Ainsi :
— h est strictement décroissante et continue sur [0, 1] ;
— h(0) = cos(1) − 0 > 0 et h(1) = cos(cos(1)) − 1 < 0 ;
donc il existe un unique l ∈ [0; 1] tel que g(l) = l.
Et finalement, pour un tel l : l1 = l = l2 . Donc (un ) converge vers l.
On peut même aller plus loin et étudier f pour voir qu’elle admet elle aussi un unique point fixe, qui est l.
Remarque III.12. L’unicité du point fixe de f ne doit venir qu’à la fin. Par exemple, si l’on considère la
suite définie par :
u0 = 1
un+1 = 1 − un
alors on peut voir que les suites (vn ) et (wn ) convergent (elles sont même constantes), mais (un ) ne converge
pas. Alors que la fonction f : x 7→ 1 − x possède un unique point fixe.
Et on peut généraliser ce contre-exemple avec d’autres fonctions involutives qui possèdent un unique point
fixe (comme f : x 7→ x1 sur R∗+ ).
Chapitre 17
Polynômes
Dans tout ce chapitre, on considère K le corps R ou C.
I Polynômes et fonctions polynomiales

I.1 L’ensemble K[X]
Définition I.1. On note K[X] l’ensemble des polynômes à une indéterminée à coefficients dans
K, c’est-à-dire l’ensemble des expressions de la forme :
P (X) = a0 + a1 X + · · · + an−1 X n−1 + an X n
où n ∈ N et a0 , . . . , an ∈ K.
On dit alors que X est l’indéterminée et a0 , . . . , an sont les coefficients.
Les expressions ai X i (pour i ∈ J0; nK) sont appelées les monômes de P (X).
Plus précisément, pour i ∈ J0; nK, on dira que ai X i est le monôme de degré i, et ai le coefficient de degré
i.
Remarque I.2. On notera 0K[X] le polynôme ayant tous ses coefficients nuls. On l’appelle polynôme nul,
et on le notera plus simplement 0 lorsqu’il n’y aura pas d’ambiguı̈té.
Par définition, deux polynômes sont égaux si, et seulement si, ils ont mêmes coefficients.
Exemples I.3.
1. X 2 + 1 ∈ R[X] ;
2. X 2 + i ∈ C[X] ;
3. 0 ∈ K[X].
Remarques I.4.
1. Comme R ⊂ C, alors R[X] ⊂ C[X].
2. S’il n’y a pas d’ambiguı̈té, on pourra omettre X et noter P au lieu de P (X).
3. Un polynôme est la somme de ses monômes.
Définition I.5. Si a0 , . . . an ∈ K, avec an ̸= 0, on dira que le polynôme P = a0 + a1 X + · · · + an X n est de
degré n, ce que l’on notera : deg(P ) = n.
Par convention, on dira que le polynôme nul est de degré −∞.
Pour n ∈ N, on notera Kn [X] l’ensemble des polynômes à coefficients dans K de degré inférieur ou égal à
n.
Les polynômes de degré 0 sont appelés polynômes constants (selon les conventions, le polynôme nul
pourra être traité à part).
217
218 CHAPITRE 17. POLYNÔMES
Exemples I.6. 1. K0 [X] = {a0 | a0 ∈ K} = K : c’est l’ensemble des polynômes constants.

2. K1 [X] = {aX + b | a, b ∈ K} ≃ K2 ;
3. K2 [X] = {aX 2 + bX + c | a, b, c ∈ K}.
Pdeg(P )
ak X k au lieu de P = k=0 ak X k
P
Remarque I.7. Pour simplifier les expressions, on pourra noter P =
(et donc omettre les bornes de sommation), ce qui revient à poser ak = 0 pour k > deg(P ), ce qui donne
bien une somme finie dans l’expression précédente.
À l’inverse, un polynôme constant sera confondu avec son coeffiient constant.
Proposition I.8. On a les inclusions :
K0 [X] ⊂ K1 [X] ⊂ K2 [X] ⊂ · · · ⊂ Kn [X] ⊂ · · · ⊂ K[X]
et toutes ces inclusions sont strictes.
Démonstration. Les inclusions sont évidentes.

Pour n ∈ N, on a : X n+1 ∈ Kn+1 [X] \ Kn [X] ce qui prouve qu’elles sont strictes.
Définition I.9. Si P ∈ K[X] est non nul, son coefficient de degré deg(P ) est appelé coefficient dominant.
On dira qu’un polynôme est unitaire si son coefficient dominant vaut 1.
Exemples I.10.
1. le polynôme X 4 + 2X 2 + 1 est unitaire ;
2. le polynôme 2X 2 + 1 n’est pas unitaire.
Remarque I.11. Plus généralement, on dira que le monôme (non nul) de plus haut degré de P est son
monôme dominant. Son coefficient de degré 0 sera lui appelé son coefficient constant.
I.2 Opérations de K[X]

ak X k , Q =
bk X k ∈ K[X] et λ ∈ K, on définit :
P P
Proposition-Définition I.12. Si P =
1. la multiplication scalaire de P par λ comme le polynôme : λ · P = (λak )X k ;
P
2. la somme de P et Q comme le polynôme : P + Q = (ak + bk )X k ;

P
ck X k , où pour tout k ∈ N on pose : ck =

P
3. P
le produit de P P et Q comme le polynôme : P Q =
k
l=0 al bk−l = i+j=k ai bj .
Démonstration. La seule chose à vérifier est que les expressions définies précédemment sont bien des
polynômes. Comme il s’agit clairement de sommes de monômes, il suffit de vérifier que ces sommes sont
finies, c’est-à-dire que leurs coefficients sont nuls à partir d’un certain degré :
1. pour k > deg(P ), on a ak = 0 et donc λak = 0 ;
2. pour k > max(deg(P ), deg(Q)), on a ak = bk = 0 et donc ak + bk = 0 ;
3. pour k > deg(P ) + deg(Q) et l ∈ J0; kK, on a :
al ̸= 0 ⇒ l ≤ deg(P ) ⇒ k − l ≥ k − deg(P ) ⇒ k − l > deg(Q) ⇒ bk−l = 0
et donc : al bk−l = 0, ce qui donne en sommant : ck = 0.

I. POLYNÔMES ET FONCTIONS POLYNOMIALES 219
Remarque I.13. Ces formules correspondent au fait de multiplier par un scalaire, d’additionner ou de
multiplier entre elles les expressions suivant les règles usuelles de calcul sur R ou C, en manipulant X
comme on le ferait avec une inconnue dans une équation. C’est clair pour les deux premières opérations.
Pour la multiplication, on a :
(a0 + a1X + · · · + an X n )(b0 + b1 X + · · · + am X m )

= (a0 b0 ) + (a0 b1 + a1 b0 )X + (a0 b2 + a1 b1 + a2 b0 )X 2 + · · · + (an−1 bm + an bm−1 )X n+m−1 + (an bm )X n+m
De plus, l’amalgame entre K0 [X] et K est légitimé par le fait que, pour λ ∈ K et P ∈ K[X], alors :
λ · P = λP (que λ soit vu comme un scalaire ou un polynôme constant).
ak X k , on définit la composée de P et Q, notée

P
Proposition-Définition I.14. Si P, Q ∈ K[X], avec P =
P ◦ Q, comme le polynôme : X
P ◦Q= ak Qk
où on pose Qk = Q · Q · · · · · Q.
| {z }
k fois
Démonstration. Il faut vérifier que P ◦ Q est bien un polynôme. Comme Q ∈ K[X], alors pour tout k ∈ N
on a Qk ∈ K[X], et donc par stabilité par combinaison linéaire on a bien le résultat.
Exemple I.15. Avec P = X 2 + 1 et Q = X + 1, on obtient :
P ◦ Q = Q2 + 1 = (X + 1)2 + 1 = X 2 + 2X + 2 et Q ◦ P = P + 1 = X 2 + 2.
Remarque I.16. Le fait de travailler avec P (X) plutôt qu’avec P permet d’éviter certaines confusions. Par
exemple, avec Q = X + 1, on notera plutôt P (Q(X)), et donc dans le cas présent P (X + 1) au lieu de
P ◦ Q. Pour ne pas confondre avec le produit de P par (X + 1), on notera ce produit (X + 1)P , ou on
explicitera le signe de multiplication en notant P × (X + 1) ou P · (X + 1).
Proposition I.17. Si P, Q ∈ K[X] et λ ∈ K, alors :

1. si λ ̸= 0, alors deg(λP ) = deg(P ) ;
2. deg(P Q) = deg(P ) + deg(Q) ;
3. deg(P + Q) ≤ max(deg(P ), deg(Q)). Si on a deg(P ) ̸= deg(Q), on a même une égalité : deg(P +
Q) = max(deg(P ), deg(Q)).
Démonstration. Notons déjà que, suivant la démonstration précédente, on a déjà certaines inégalités sur
les degrés, à savoir : 
 degλP ≤ degP
deg(P Q) ≤ deg(P ) + deg(Q)
deg(P + Q) ≤ max(deg(P ) + deg(Q))

1. Si P = 0, alors λP = 0 et le résultat est vérifié. Sinon, en notant a ̸= 0 le coefficient de degré

deg(P ) de P , celui de λP est λa ̸= 0. Donc deg(λP ) ≥ deg(P ) et on a bien l’égalité.
2. Si P ou Q = 0, alors P Q = 0 et on a le résultat. Sinon, en notant a ̸= 0 et b ̸= 0 les coefficients
dominants de P et Q, le coefficient de degré deg(P ) + deg(Q) de P Q est donc ab = ̸ 0, donc
deg(P Q) ≥ deg(P ) + deg(Q), ce qui donne bien l’égalité cherchée.
3. Reste la situation d’égalité. Supposons par exemple que n = deg(P ) > deg(Q) = m. En notant a, b
les coefficients de degré n de P et Q, on a donc a ̸= 0 et b = 0. Et donc le coefficient de degré n de
P + Q est a + b = a ̸= 0. Ce qui donne bien l’égalité.
Remarque I.18. Pour la somme, avec P = X 2 + 1 et Q = −X 2 + X, on trouve P + Q = X + 1 qui illustre

la situation sans égalité. Plus généralement, si P ̸= 0 et Q = (−1) · P , on a : P + Q = 0.
On peut donner la condition plus générale encore : il y a égalité si, et seulement si, les monômes dominants
de P et Q ne sont pas opposés.
Corollaire I.19. Si P ∈ K[X] et k ∈ N∗ , alors :
deg(P k ) = kdeg(P ).

Corollaire I.20. Si n ∈ N, alors Kn [X] est stable par addition et par multiplication par un scalaire, c’est-
à-dire que :
∀P, Q ∈ Kn [X], ∀λ ∈ K, λP, (P + Q) ∈ Kn [X].
Corollaire I.21. Si P, Q ∈ K[X] vérifient deg(P + Q) < deg(P ), alors deg(P ) = deg(Q).
Corollaire I.22. Si P, Q ∈ K[X], alors :
P Q = 0 ⇒ P = 0 ou Q = 0.
Plus généralement, si P, Q, R ∈ K[X] avec P ̸= 0, alors :
P Q = P R ⇒ Q = R.
Démonstration. On prouve le premier résultat par contraposée : si P ̸= 0 et Q ̸= 0, alors deg(P ), deg(Q) ≥

0. Et donc deg(P Q) = deg(P ) + deg(Q) ≥ 0, donc P Q ̸= 0.
Pour le cas général, on a pour P ̸= 0 :
P Q = P R ⇒ P (Q − R) = 0 ⇒ Q − R = 0 ⇒ Q = R.
Remarque I.23. Il y a en fait une petite “arnaque” dans la dernière preuve : le fait de factoriser par P
demande d’avoir la distributivité de la multiplication sur l’addition pour les polynômes, mais on la montrera
très bientôt.
Corollaire I.24. Si P, Q ∈ K[X], avec Q non constant, alors :
deg(P ◦ Q) = deg(P ) × deg(Q).
Démonstration. On note P = nk=0 ak X k , avec deg(P ) = n (c’est-à-dire an ̸= 0), de sorte que P ◦ Q =

P
P n k
k=0 ak Q .
Pour tout k ∈ N, le polynôme Qk est de degré deg(Q) × k (en itérant le résultat sur le degré d’un produit).
Par degré d’une somme, et comme an ̸= 0, on déduit donc que :
n−1
!
X
deg ak Qk ≤ (n − 1)deg(Q) et deg(an Qn ) = ndeg(Q)
k=0
et ainsi on est dans le cas d’égalité pour le degré d’une somme, donc :
deg(P ◦ Q) = ndeg(Q) = deg(P )deg(Q).
Remarque I.25. Si Q est constant, alors P ◦ Q aussi, mais on ne sait pas a priori s’il est nul ou non :
— si P = X + 1 et Q = 0 : alors P ◦ Q = 1 ;
— si P = X + 1 et Q = −1 : alors P ◦ Q = 0.
I.3 L’anneau K[X]

ak X k , Q = bk X k , R = ck X k . Alors :
P P P
Proposition I.26. Soient P =
1. P + Q = Q + P (commutativité de l’addition) ;
2. (P + Q) + R = P + (Q + R) (associativité de l’addition) ;
3. P + 0 = P = 0 + P (0 est neutre pour l’addition) ;
4. P + ((−1) · P ) = ((−1) · P ) + P = 0 (existence d’un inverse pour l’addition).
C’est-à-dire que (K[X], +) est un groupe abélien.
Démonstration. Découle directement de la définition de l’addition de polynômes. Les égalités se montrent

coefficient par coefficient : les propriétés de commutativité, associativité et de neutre découlent alors des
mêmes propriétés pour l’addition sur K.
Proposition I.27. Si n ∈ N, alors Kn [X] est un sous-groupe de K[X].
Démonstration. On a déjà 0 ∈ Kn [X], et la stabilité a été montrée précédemment.
Proposition I.28. Avec les mêmes notations :

1. P Q = QP (commutativité du produit) ;
2. (P Q)R = P (QR) (associativité du produit) ;
3. P (Q + R) = P Q + P R (distributivité du produit par rapport à la somme) ;
4. 1 × P = P = P × 1 (1 est neutre pour la multiplication).
C’est-à-dire que (K[X], +, ×) est un anneau commutatif. De plus, il est intègre.
Démonstration. On montre les égalités coefficient par coefficient :

1. Soit n ∈ N. Par le changement d’indice l = n − k, le coefficient de degré n de P Q est :
n
X n
X
ak bn−k = an−l bl
k=0 l=0
qui est donc égal à celui de QP , ce qui montre bien que P Q = QP .

2. Soit n ∈ N. Le coefficient de degré n de (P Q)R est :
Pn Pk Pn Pk
k=0 l=0 al bk−l cn−k = l=0 al bk−l cn−k
Pk=0
n Pn
= k=l al bk−l cn−k
Pl=0
n Pn−l
= ′ =0 al bk ′ c(n−l)−k ′
Pnl=0 k P n−l

= a
l=0 l b c
k=0 k (n−l)−k
qui est donc égal à celui de P (QR), ce qui montre bien que (P Q)R = P (QR).
3. Soit n ∈ N. Le coefficient de degré n de P (Q + R) est :
n n
! n
!
X X X
ak (bn−k + cn−k ) = ak bn−k + ak cn−k
k=0 k=0 k=0
qui est donc égal à celui de P Q + P R, ce qui montre bien que P (Q + R) = P Q + P R.

4. Comme le polynôme 1 a un coefficient P constant égal à 1, et tous ses autres coefficients nuls, alors
le coefficient de degré n de 1 × P est : nk=0 ak δn−k,0 = an . Donc 1 × P = P , et par commutativité
P × 1 = P.
L’intégrité de K[X] vient de l’implication P Q = 0 ⇒ P = 0 ou Q = 0 montrée précédemment.

Proposition I.29. L’anneau K[X] vérifie que, pour tous P, Q ∈ K[X] et tous λ, µ ∈ K :
1. λ · (P + Q) = λ · P + λ · Q ;
2. (λ + µ) · P = λ · P + µ · P ;
3. λ · (µ · P ) = (λµ) · P ;
4. (λ · P )Q = λ · (P Q) = P (λ · Q).
Démonstration. Découle des propriétés d’anneau de K[X], en constatant que la multiplication scalaire par
λ ∈ K se comporte comme la multiplication polynomiale par le polynôme constant de valeur λ.
Remarque I.30. Muni de la multiplication scalaire, K[X] est plus qu’un anneau : c’est une algèbre, c’est-
à-dire un anneau sur lequel K agit par multiplication scalaire de manière compatible avec les opérations
usuelles.
Proposition I.31. Le groupe des inversibles de K[X] est : K[X]× = K∗ .
Démonstration. Par double inclusion :
— si λ ∈ K∗ , alors λ · λ1 = 1 ; donc K∗ ⊂ K[X]× ;
— si P ∈ K[X]× , notons Q ∈ K[X] tel que P Q = 1, alors deg(P ) + deg(Q) = 0, donc deg(P ) = 0, et
K[X]× ⊂ K∗ .
I.4 Dérivation des polynômes

Pn
Définition I.32. Soit P = k=0 ak X k ∈ K[X]. On définit le polynôme dérivé de P , noté P ′ , comme le
polynôme :
n
X n−1
X
′ k−1
P = kak X = (k + 1)ak+1 X k .
k=1 k=0
On définit plus généralement, pour m ∈ N, la dérivée m-ème de P , notée P (m) , par : P (0) = P et
′
P (m) = P (m−1) si m > 0.
Remarque I.33. Bien que cette dérivation ressemble beaucoup à la dérivée classique (pour les fonctions
polynomiales), elle est à prendre comme une formule toute faite et n’est pas sensée refléter une limite de
taux d’accroissement.
Proposition I.34. Si P, Q ∈ K[X] et λ, µ ∈ K, alors :
1. deg(P ′ ) = deg(P ) − 1 si deg(P ) ≥ 1, et −∞ sinon ;
2. (λP + µQ)′ = λP ′ + µQ′ (linéarité de la dérivation)
3. (P Q)′ = P ′ Q + P Q′ ;
4. (P ◦ Q)′ = Q′ × (P ′ ◦ Q).
Démonstration.
1. Si P est constant, alors P ′ = 0 (en tant que valeur d’une somme vide).
Sinon, en notant P = nk=0 ak X k avec an ̸= 0, alors P ′ = k=0
Pn−1
(k + 1)ak+1 X k , donc P ′ est de degré
P
au plus n − 1. Et comme an ̸= 0, alors nan ̸= 0 donc le coefficient de degré n − 1 de P ′ est non nul :
deg(P ′ ) = n − 1.
ak X k et Q = bk X k , on a : λP + µQ = (λak + µbk )X k . Et donc :
P P P
2. En notant P =
X X X
(λP + µQ)′ = (k+1)(λak+1 +µbk+1 )X k = λ (k + 1)ak+1 X k +µ (k + 1)bk+1 X k = λP ′ +µQ′ .
l’égalité coefficient par coefficient. Notons P = ak X k , Q = bk X k et P Q = ck X k ,

P P P
3. Montrons P
k ∗
avec ck = l=0 al bk−l . Par définition de la dérivée, pour k ∈ N , les coefficients de degré k − 1 des
polynômes considérés sontP :
— pour (P Q)′ : kck = k · kl=0 al bk−l ;
Pk−1 ′
— pour P · Q′ : l=0 al bk−1−l = k−1 (k − l)al bk−l = kl=0 (k − l)al bk−l ;
P P
l=0
— pour P ′ · Q : k−1 a′l bk−1−l = k−1 (l + 1)al+1 bk−1−l = kl=1 lal bk−l = kl=0 lal bk−l .
P P P P
l=0 l=0
et comme kl=0 kal bk−l = kl=0 lal bk−l + kl=0 (k − l)al bk−l , on a bien le résultat voulu.
P P P
′
4. La formule précédente, ainsi qu’une récurrence immédiate, montrent que : ∀k ∈ N, Qk = kQ′ Qk−1 .
On déduit par linéarité de la dérivation que :
X ′ X X X
′ k ′ ′ k−1 ′
(P ◦ Q) = ak Q k
= ak (Q ) = ak kQ Q =Q · kak Q k−1
= Q′ × (P ′ ◦ Q).
Corollaire I.35. Si P, Q ∈ K[X], λ, µ ∈ K et n ∈ N, alors :

1. deg(P (n) ) = deg(P ) − n si deg(P ) − n si deg(P ) ≥ n et −∞ sinon.
2. (λP + µQ)(n) = λP (n) + Q(n) .
Démonstration. Par récurrence avec le résultat précédent.
Exemple I.36. Si P est un polynôme de degré n, de coefficient dominant an , alors : P (n) = n! · an .
Proposition I.37 (Formule de Leibniz). Si P, Q ∈ K[X] et n ∈ N, alors :
n
(n)
X n
(P Q) = P (k) Q(n−k) .
k=0
k
Démonstration. On procède par récurrence P0 sur 0n.

(0)
— si n = 0 : alors (P Q) = P Q et k=0 k P (k) Q(0−k) = P (0) Q(0) = P Q donc le résultat est vérifié.
— Supposons le résultat vérifié au rang n ∈ N. Alors :
′
(P Q)(n+1) = (P Q)(n)
Pn n
(k) (n−k) ′
= P Q
Pnk=0 nk (k) (n−k) ′
= Pk=0 k P Q
n n
= (P(k+1) Q(n−k) + P (k) Q(n+1−k) ) (k) (n+1−k)
Pk=0
n+1
k
n (l) (n+1−l)
Pn n
= l=1 l−1 P Q + k=0 k P Q 
 
(n+1) (0)
Pn n n 
(k) (n+1−k)  (0) (n+1)
= P Q +  k=1
 + P Q +P Q
 k − 1 k 
| {z }
n+1
=( k )
Pn+1 n+1
(k) (n+1−k)
= k=0 k
P Q
ce qui conclut l’hérédité, donc la récurrence.
I.5 Fonctions polynomiales

Définition I.38. On appelle fonction polynomiale une fonction définie sur K de la forme f : x 7→
a0 + a1 x + · · · + an xn avec a0 , . . . an ∈ K qui sont appelés les coefficients de f .
Avec ces notations, on dit que f est la fonction polynomiale associée au polynôme P = a0 + a1 X + · · · +
an X n ∈ K[X]. Et on notera alors f = Pe.
Proposition I.39. Deux fonctions polynomiales sont égales si, et seulement si, elles ont les mêmes coeffi-
cients.
Démonstration. Supposons f, g deux fonctions polynomiales égales, de coefficients respectifs a0 , . . . , an et
b0 , . . . , bn . Et supposons par l’absurde qu’il existe k ∈ J0, nK tel que ak ̸= bk .
Notons m le plus grand entier tel que am ̸= bm . Ainsi, pour tout x ∈ R, on a :
0 = P (x) − Q(x) = (am − bm )xm + (am−1 − bm−1 )xm−1 + · · · + (a0 − b0 ).
Et donc, pour tout x ̸= 0 :

am−1 − bm−1 a0 − b 0
0 = am − b m + + ··· + .
| {z } x xm
̸=0
En passant à la limite pour x tendant vers l’infini, on déduit que 0 = am − bm , d’où la contradiction.
Corollaire I.40. L’application P 7→ Pe est une bijection de K[X] sur l’ensemble des fonctions polynomiales
sur K.
Démonstration. La surjectivité vient de la définition des fonctions polynomiales.
L’injectivité découle de la proposition précédente.
Remarque I.41. En fait, il préserve les opérations + et × (c’est comme ça qu’on les a construites) : c’est
un isomorphisme d’anneaux.
De plus, il est compatible avec la multiplication scalaire et la dérivation, dans le sens où :
∀P, Q ∈ K[X], ∀λ, µ ∈ K, λP^

+ µQ = λPe + µQ f′ = Pe′ .
e et P
C’est un morphisme d’algèbres à dérivation.
II Arithmétique élémentaire sur K[X]

II.1 Divisibilité sur K[X]
Définition II.1. Soient A, B ∈ K[X]. On dit que B divise A, ou que A est un multiple de B, ce que l’on
note B|A, s’il existe Q ∈ K[X] tel que A = BQ.
Exemples II.2.
1. (X − 1)(X + 1) = X 2 − 1, donc : X − 1 et X + 1 divisent chacun X 2 − 1.
2. 1 + X + X 2 + X 3 divise X 4 − 1 ;
3. 0 est un multiple de tout polynôme ; inversement, 0 est le seul multiple de 0 ;
4. si a ∈ K avec a ̸= 0, alors a divise tout polynôme.
Proposition II.3. Soient A, B ∈ K[X] avec A ̸= 0 tels que B divise A, alors deg(B) ≤ deg(A).
Démonstration. On écrit A = BQ pour Q ∈ K[X]. On a donc : deg(A) = deg(B) +deg(Q). Comme A ̸= 0,
alors Q ̸= 0 donc deg(Q) ≥ 0, ce qui donne le résultat.
Proposition II.4. Si A, B, C ∈ K[X] tels que A|B et A|C, alors :
1. pour tous U, V ∈ K[X] : A|BU + CV ;
2. pour tout P ∈ K[X] : AP |BP .
Démonstration. On note B = AQ1 et C = AQ2 pour Q1 , Q2 ∈ K[X]. Alors :
II. ARITHMÉTIQUE ÉLÉMENTAIRE SUR K[X] 225
1. BU + CV = AQ1 U + AQ2 V = A(Q1 U + Q2 V ) ;

2. BP = AQ1 P = AP · Q1 ;
ce qui donne les résultats.
Proposition II.5. La relation de divisibilité sur K[X] est réflexive et transitive, mais n’est pas antisymé-
trique.
Plus précisément, pour A, B ∈ K[X], on a :
(A|B et B|A) ⇔ ∃λ ∈ K∗ , A = λB.
Remarque II.6. On a donc sensiblement le même résultat que pour la divisibilité que sur Z : les structures
d’anneaux de Z et de K[X] sont très proches. On parle d’anneaux euclidiens.
Démonstration. Soient A, B, C ∈ K[X]. Alors :
— A = 1 · A, donc A|A, ce qui donne la réflexivité ;
— si A|B et B|C, notons Q1 , Q2 ∈ K[X] tels que AQ1 = B et BQ2 = C. Alors : C = A(Q1 Q2 ), donc
A|C, ce qui donne la transitivité ;
— Montrons l’équivalence relative à la non antisymétrie :
— si A|B et B|A : si A = 0, alors B = 0 et tout λ ∈ K∗ convient.
Sinon, alors A ̸= 0 et B ̸= 0, et donc deg(A) ≤ deg(B) et deg(B) ≤ deg(A), donc deg(A) =
deg(B).
Comme B|A, notons Q ∈ K[X] tel que A = BQ : alors deg(Q) = 0, donc Q = λ pour λ ∈ K∗ ,
— réciproquement si A = λB pour λ ∈ K∗ , alors B|A. Mais on a aussi B = λ1 A, donc A|B.
Définition II.7. On dit que deux éléments de K[X] sont associés chacun divise l’autre. Suivant la remarque
précédente, cela revient à dire que l’on passe de l’un à l’autre par multiplication par un scalaire non nul.
Exemples II.8.
1. Tous les polynômes constants non nuls sont associés.
2. Le polynômes X 2 + 12 et 2X 2 + 1 sont associés. Plus généralement, tout polynôme à coefficients
rationnels est associé à un polynôme à coefficients entiers.
3. Tout polynôme non nul est associé à un unique polynôme unitaire.
II.2 Division euclidienne sur K[X]

Théorème II.9 (Division euclidienne). Soient A, B ∈ K[X] avec B ̸= 0. Alors il existe un unique couple
(Q, R) ∈ K[X]2 tels que :
A = BQ + R et deg(R) < deg(B).
On dit que Q et R sont respectivement le quotient et le reste de la division euclidienne de A par B.
Démonstration. Montrons séparément l’existence et l’unicité :
— Existence : Procédons par récurrence sur le degré de A :
— si A = 0 ou si deg(A) < deg(B) : alors (Q, R) = (0, A) convient.
— hérédité : supposons le résultat vrai pour tous les polynômes de degré inférieur à n, pour n ≥
deg(B). Soit A ∈ K[X] de degré n, et posons a, b ̸= 0 les coefficients dominants respectifs de A
et B. Posons A b = A − a X n−deg(B) · B ∈ K[X]. Alors :
b
— par degré d’un produit, ab X n−deg(B) · B est de degré n ;
— par degré d’une somme, A b est de degré au plus n ;
— son coefficient de degré n est : a − ab · b = 0, donc il n’est pas de degré n.
et finalement A b est de degré au plus (n − 1), donc par hypothèse de récurrence il existe (Q,
b R)
b
tels que A b = BQb+R b avec deg(R)
b < deg(B).
n−deg(B)
Et donc le couple (Q b + aX , R)
b convient pour A.
D’où l’existence par récurrence.
— Unicité : Supposons que (Q1 , R1 ), (Q2 , R2 ) conviennent. Alors on a : B(Q1 − Q2 ) = (R2 − R1 ).
Comme deg(R1), deg(R2 ) < deg(B), alors deg(R2 − R1 ) < deg(B).
Et ainsi : deg(B(Q1 − Q2 )) = deg(B) + deg(Q1 − Q2 ) < deg(B), donc deg(Q1 − Q2 ) < 0, c’est-à-dire
Q1 − Q2 = 0.
Ainsi on trouve R2 − R1 = 0, et donc : (Q1 , R1 ) = (Q2 , R2 ), ce qui assure l’unicité.
Remarque II.10. On pouvait aussi faire un preuve comme pour la division euclidienne sur Z, en notant
que, pour A, B fixés l’ensemble E = {deg(A − BQ) | Q ∈ K[X]} est une partie non-vide majorée de N.
L’intérêt de la preuve par récurrence est qu’elle fait apparaı̂tre comment on pose des divisions euclidiennes
de polynômes.
Corollaire II.11. Si A, B ∈ K[X] avec B ̸= 0, alors B divise A si, et seulement si, le reste de la division
euclidienne de A par B est nul.
Démonstration. Découle de l’unicité.
Exemple II.12. Si A, B ∈ K[X] et P ∈ K[X] est non constant, alors on a l’équivalence :
B|A ⇔ B ◦ P |A ◦ P.
En effet, le résultat est clair si B = 0 (car alors A = B = A ◦ P = B ◦ P = 0). Et sinon, en écrivant
A = BQ + R la division euclidienne de A par B, alors en composant avec P on a :
A ◦ P = (B ◦ P ) · (Q ◦ P ) + R ◦ P
et l’écriture ci-dessus est en fait la division euclidienne de A ◦ P par B ◦ P : en effet, par définition de
la division euclidienne de A par B on a deg(R) < deg(B), et donc par composition (comme P est non
constant) alors deg(R ◦ P ) < deg(B ◦ P ), ce qui donne bien la division euclidienne voulue par unicité.
Et ainsi on a :
B|A ⇔ R = 0 ⇔ R ◦ P = 0 ⇔ B ◦ P |A ◦ P.
Corollaire II.13. Si A, B ∈ R[X], alors B divise A dans C[X] si, et seulement si, B divise A dans R[X].
Démonstration. Commençons par la réciproque : si B divise A dans R[X], il existe Q ∈ R[X] tel que
A = BQ. L’inclusion R[X] ⊂ C[X] donne le résultat.
Réciproquement : si B divise A dans C[X], alors le reste de la division euclidienne (sur C) de A par B
est nul. Si on note A = BQ + R la division euclidienne (sur R) de A par B, alors cela fournit aussi une
division euclidienne sur C (par l’inclusion R[X] ⊂ C[X]). Et donc par unicité : R = 0. Donc B divise A
dans R[X].
Exemple II.14. Posons la division euclidienne de X 3 + X 2 + 1 par X − 1. On a :
X3 +X 2 −1 X −1
−X 3 +X 2 2
X +2X +2
2X 2
−2X 2 +2X
2X
−2X +2
+1
donc le quotient est X 2 + 2X + 2 et le reste est 1.

III. RACINES DE POLYNÔMES 227
Exemple II.15. Posons la division euclidienne de X 4 − 1 par X 2 + 1 :

X4 −1 X 2 +1
−X 4 −X 2
X2 −1
−X 2
X2 +1
0
et donc le quotient est X 2 − 1 et le reste est nul, c’est-à-dire que X 2 + 1 divise X 4 − 1.

On pouvait avoir ce résultat plus directement en constatant que : X 2 −1 = (X −1)(X +1). Et en composant
par X 2 on trouve : X 4 − 1 = (X 2 − 1)(X 2 + 1).
III Racines de polynômes

III.1 Évaluation
Définition III.1. Si P ∈ K[X] et a ∈ K, on appelle évaluation de P en a, notée P (a), l’expression
obtenue en remplaçant X par a dans P (X).
Remarque III.2. Cette expression se généralise pour d’autres valeurs de a, qui peut être une matrice carrée,
une fonction à valeurs dans K, ou même un polynôme, ce qu’on a en fait déjà effectué avant.
Les précautions à prendre sont que :
— a doit être choisi dans un anneau sur lequel K agit de manière compatible par multiplication (une
algèbre en fait) ;
— le monôme constant doit être multiplié par l’élément neutre de l’anneau considéré (pour que tout
ait bien un sens).
Méthode III.3 (Méthode de Horner). Soit P = nk=0 ak X k et a ∈ K. Alors l’expression suivante permet
P
de calculer P (a) en un minimum d’opérations :
P (a) = ((. . . ((an · a + an−1 ) · a + an−2 ) · a + . . . ) · a + a1 ) · a + a0
Remarque III.4. Une autre manière de formuler ce résultat est que la suite (finie) définie par :

u0 = an
uk = auk−1 + an−k pour 0 < k ≤ n
vérifie P (a) = un .
Exemple III.5. Prenons P (X) = X 3 + 2X 2 − X + 1 et calculons P (1 + i). Le calcul de la suite (un )
précédente donne :
u0 = 1
u1 = (1 + i) + 2 = 3 + i
u2 = (3 + i)(1 + i) − 1 = 1 + 4i
u3 = (1 + 4i)(1 + i) + 1 = −2 + 5i
et donc P (1 + i) = −2 + 5i.
Théorème III.6 (Formule de Taylor polynomiale). Si P ∈ K[X] et a ∈ K (quelconque), alors :
X P (k) (a)
P = (X − a)k .
k!
Remarque III.7. La somme précédente est en fait finie, car pour k > deg(P ) on a : P (k) = 0. Et elle
définit donc bien un polynôme.
Démonstration. On procède par récurrence sur n ∈ N pour montrer qu’elle est vraie sur Kn [X] :
— si n = 0 : alors P ∈ K0 [X] est constant, donc pour tout a ∈ K on a : P = P (a) ;
— supposons la formule vérifiée sur Kn−1 [X] pour n ∈ N∗ , et considérons P ∈ Kn [X] : alors P ′ ∈
Kn−1 [X], donc on peut écrire :
n−1 n−1
X (P ′ )(k) (a) X P (k+1) (a)
P′ = (X − a)k = (X − a)k .
k=0
k! k=0
k!
Pn P (k) (a)
Considérons le polynôme Q = k=0 (X − a)k . Par linéarité de la dérivation, on a :
k!
n n n−1
′
X P (k) (a) k ′
X P (k) (a) k−1
X P (k+1) (a)
(X − a)k

Q = (X − a) = (X − a) =
k=0
k! k=1
(k − 1)! k=0
k!
et ainsi : P ′ − Q′ = 0, donc P − Q est constant.

Or, on a : (P − Q)(a) = P (a) − Q(a) = 0, donc P = Q.
Remarque III.8. Avec a = 0, on trouve :
X P (k) (a) X
P = Xk = ak X k
k!
c’est-à-dire que les coefficient d’un polynôme sont directement données par les dérivées successives en 0 :
P (k) (0)
∀k ∈ N, ak = .
k!
Plus généralement, cela veut dire qu’il suffit de connaı̂tre la valeur prise par un polynôme et chacune de
ses dérivées pour connaı̂tre complètement ce polynôme.
III.2 Racines et multiplicité

Définition III.9. Si P ∈ K[X] et a ∈ K, on dira que a est racine (ou zéro) de P si P (a) = 0.
Remarques III.10.
— L’existence même de racines dépend du corps sur lequel on se place. Par exemple, le polynôme
X 2 + 1 n’a pas de racine dans R, mais il a comme racines ±i dans C.
— Si a ∈/ K, mais que P (a) a bien un sens, avec P (a) = 0, on dira que P est un polynôme annu-
lateur de a, mais on ne parlera pas de racine.
Proposition III.11. Si A, B ∈ K[X] avec B|A, alors toute racine de B est aussi une racine de A.
Démonstration. Notons A = BQ. Si a est une racine de B, alors : A(a) = B(a)Q(a) = 0, donc a est racine
de A.
Proposition III.12. Si A, B, C ∈ K[X] avec A = BC, et a ∈ K, alors a est racine de A si, et seulement
si, il est racine de B ou de C.
Démonstration. On a : A(a) = B(a)C(a), et donc A(a) = 0 ⇔ B(a) = 0 ou C(a) = 0.
Corollaire III.13. Si A, B ∈ K[X], avec B ̸= 0, et que R est le reste de la division euclidienne de A par
B, alors pour tout racine a de B on a : A(a) = R(a).
Remarque III.14. Ce corollaire permet de calculer des restes de divisions euclidienne, ou au moins cer-
taines de leurs propriétés, avec très peu de calculs.
Exemple III.15. Soit n ∈ N. Posons An = X n ∈ K[X], et déterminons le reste de la division euclidienne

de An par B = X 2 − 3X + 2.
— déterminons déjà les racines de B : par calcul des racines d’un polynôme de degré 2, on trouve qu’il
s’agit de 1 et 2 ;
— notons Rn le reste de la division euclidienne de An par B. Alors :
Rn (1) = An (1) = 1n = 1 et Rn (2) = An (2) = 2n .
Mais on a aussi que Rn ∈ K1 [X] (comme deg(B) = 2), donc Rn = an X + bn pour an , bn ∈ K.

On est donc ramené à résoudre le système :

an + b n = 1
2an + bn = 2n
ce qui donne finalement : Rn = (2n − 1)X + (2 − 2n ).
Proposition III.16. Soit P ∈ K[X] et a ∈ K. Alors a est racine de P si, et seulement si, (X − a) divise P .
Démonstration. Écrivons la division euclidienne de P par (X − a) : P = (X − a) · Q + R, avec Q, R ∈ K[x]

et deg(R) < deg(X − a) = 1.
Ainsi, R est constant, et comme P (a) = R(a), alors R = P (a).
On a ainsi l’équivalence : P (a) = 0 ⇔ R = 0.
Et donc a est racine de P si, et seulement si, (X − a) divise P .
Proposition-Définition III.17. Soit P ∈ K[X] non nul et a ∈ K. Alors l’ensemble {k ∈ N | (X − a)k |P }

possède un plus grand élément m ∈ N, qu’on appelle multiplicité de a comme racine de P .
L’entier m est non nul si, et seulement si, a est racine de P .
Si m = 1 : alors (X − a)|P mais (X − a)2 ̸ |P , et on dit que a est racine simple de P .
Si m ≥ 2 : alors (X − a)m |P mais (X − a)m+1 ̸ |P , et on dit que a est racine multiple de P .
Démonstration. Il faut juste montrer que {k ∈ N | (X − a)k |P } possède un plus grand élément. Or, cet
ensemble est un sous-ensemble de N :
— non vide : car (X − a)0 = 1 divise P , donc il contient 0 ;
— majoré : car, si (X − a)k |P , comme P ̸= 0, alors deg((X − a)k ) ≤ deg(P ), et donc k ≤ deg(P ).
Donc il possède bien un plus grand élément.
Proposition III.18. Si P ∈ K[X] non nul, a ∈ K et m ∈ N, alors a est racine de multiplicité m de P si,
et seulement si, il existe Q ∈ K[X] tel que :
P = (X − a)m Q et Q(a) ̸= 0.
Démonstration. Supposons a racine de P de multiplicité m. Alors on a déjà P = (X−a)m Q pour Q ∈ K[X].

Et nécessairement, pour un tel Q, on a Q(a) ̸= 0. Sinon, on aurait que (X − a)|Q, et donc Q = (X − a) · R
pour R ∈ K[X], et donc P = (X − a)m+1 R, ce qui contredit la maximalité de m.
Réciproquement, si P = (X − a)m Q avec Q(a) ̸= 0, alors (X − a)m divise P . Si (X − a)m+1 divisait P ,
alors on pourrait écrire P = (X − a)m+1 R (pour R ∈ K[X]) et donc par intégrité Q = (X − a)R, donc
Q(a) = 0. Donc P n’est pas divisible par (X − a)m+1 et a est bien racine de multiplicité m de P .
Corollaire III.19. Si A, B ∈ K[X] avec B|A, alors toute racine de B est une racine de A avec une
multiplicité supérieure ou égale.
Proposition III.20. Si P ∈ K[X], a ∈ K et m ∈ N∗ , alors a est racine de multiplicité m de P si, et

seulement si :
P (a) = P ′ (a) = · · · = P (m−1) (a) = 0 et P (m) (a) ̸= 0.
Démonstration. Notons n = deg(P ).

Si P (a) = · · · = P (m−1) (a) = 0 et P (m) (a) ̸= 0, alors par la formule de Taylor polynomiale on a :
n
X P (k) (a) k
X P (k) (a)
P = (X − a) = n (X − a)m = (X − a)m · Q
k=0
k! k=m
k!
P (k) (a) P (m) (a)

où Q = nk=m (X − a)k−m ∈ K[X]. Or, on a Q(a) =
P
̸= 0, et on a bien que la multiplicité
k! m!
de a est égale à m.
Inversement, supposons que a est racine de multiplicité m de P , de sorte que P = (X −a)m Q avec Q(a) ̸= 0,
qui correspond aussi à la division euclidienne de P par (X − a)m (de reste nul). Par la formule de Taylor
on a :
n n
! m−1
!
X P (k) (a) k m
X P (k) (a) k−m
X P (k) (a)
k
P = (X − a) = (X − a) (X − a) + (X − a)
k=0
k! k=m
k! k=0
k!
ce qui donne par unicité de la division euclidienne :

n m−1
X P (k) (a) X P (k) (a)
Q= (X − a)k−m et 0 = (X − a)k .
k=m
k! k=0
k!
Pm−1 P (k) (a) k

En reconnaissant la composée du polynôme k=0 X est de (X−a), qui doit être égale au polynôme
k!
P (k) (a)
nul, on déduit que pour tout k ∈ J0; m − 1K : = 0, donc P (k) (a) = 0.
k!
P (m) (a)
Par évaluation de Q en a, on trouve : Q(a) = ̸= 0, donc P (m) (a) ̸= 0.
m!
Corollaire III.21. Si a est racine de P de multiplicité m ≥ 2, alors a est racine de P ′ de multiplicité
(m − 1).
Démonstration. On a : P (a) = P ′ (a) = · · · = P (m−1) (a) = 0 et P (m) (a) ̸= 0.

Et donc : P ′ (a) = (P ′ )′ (a) = · · · = (P ′ )(m−2) (a) = 0 et (P ′ )(m−1) (a) ̸= 0.
Remarque III.22. On pouvait aussi le montrer par dérivée d’un produit. En notant P = (X − a)m Q avec
Q(a) ̸= 0, on a :
P ′ = m(X − a)m−1 Q + (X − a)m Q′ = (X − a)m−1 (mQ + (X − a)Q′ ) = (X − a)m−1 Q
où Q ∈ K[X] vérifie : Q(a) = mQ(a) ̸= 0.
Corollaire III.23. Si A, B ∈ K[X] avec B ̸= 0, et que R est le reste de la division euclidienne de A par B,
alors si a est une racine de B de multiplicité m ∈ N : ∀k ∈ J0; m − 1K, A(k) (a) = R(k) (a).
Démonstration. Si A = BQ + R, alors a est racine de multiplicité m de BQ. Ainsi, en dérivant k fois et

en évaluant en a, on obtient :
A(k) (a) = (BQ)(k) (a) + R(k) (a)
ce qui donne bien le résultat pour k ≤ m − 1 car alors (BQ)(k) (a) = 0.
Remarque III.24. Cela permet de calculer des restes de divisions euclidienne lorsque B possède des racines
multiples.
Exemple III.25. Reprenons le polynôme An = X n ∈ K[X], et posons Rn le reste de la division euclidienne

de An par B = (X − 1)2 . On a ainsi :
Rn (1) = An (1) = 1 et Rn′ (1) = A′n (1) = n
et donc par formule de Taylor, comme deg(Rn ) ≤ 1 :
Rn = Rn (1) + Rn′ (1)(X − 1) = nX + (n − 1).
Corollaire III.26. Si A, B, C ∈ K[X] avec A = BC, et a ∈ K. Notons mA , mB , mC les multiplicités

(éventuellement nulles) de a comme racine de A, B, C. Alors : mA = mB + mC .
Démonstration. Par définition de mB et mC , on a :
B(a) = · · · = B (mB −1) (a) = C(a) = . . . C (mC −1) (a) = 0 et B (mB ) (a), C (mC ) (a) ̸= 0.
Par la formule de Leibniz, on a pour tout n ∈ N :

n
(n)
X n
A (a) = B (k) (a)C (n−k) (a)
k=0
k
et donc :
— si n ≤ (mB + mC ) − 1 : pour tout k ∈ J0; nK, k ≤ mB − 1 ou n − k ≤ mC − 1, et donc A(n) (a) = 0 ;
— si n = mB + mC : A(n) (a) = B (mB ) (a)C (mC ) (a) ̸= 0 ;
III.3 Factorisation par les racines

Proposition III.27. Si P ∈ K[X] est non nul, et λ1 , . . . , λr ∈ K des racines deux-à-deux distinctes de P ,
de multiplicités respectives m1 , . . . , mr ∈ N∗ , alors P est divisible par (X − λ1 )m1 . . . (X − λr )mr .
Démonstration. Prouvons par récurrence sur k ∈ J1, rK que P est divisible par Pk = (X − λ1 )m1 . . . (X −
λk )mk .
— si k = 1 : alors cela a déjà été prouvé, car λ1 est racine de multiplicité m1 de P .
— hérédité : supposons pour k ∈ J1, r − 1K que P est divisible par Pk .
On pose Q ∈ K[X] tel que P = Pk Q.
Si on note n1 , n2 les multiplicités de λk+1 comme racines de Pk , Q, alors on a :
— comme P = Pk Q, alors : n1 + n2 = mk+1 ;
— comme les λi sont deux-à-deux distincts, alors Pk (λk+1 ) ̸= 0, donc n1 = 0.
Et donc n2 = mk+1 , donc Q s’écrit : Q = (X − λk+1 )mk+1 A et finalement :
P = Pk (X − λk+1 )mk+1 A = Pk+1 A
ce qui prouve l’hérédité.

Remarque III.28. On peut utiliser ce résultat dans l’autre sens : si (X − λ1 )m1 . . . (X − λr )mr divise P ,
alors λ1 , . . . , λr sont racines de P de multiplicités respectives au moins m1 , . . . , mr .
Corollaire III.29. Si λ1 , . . . , λr ∈ K sont deux à deux distincts, et P ∈ K[X], alors :
P (λ1 ) = · · · = P (λr ) = 0 ⇔ (X − λ1 ) . . . (X − λr ) divise P.

Exemple III.30. On peut se demander pour quelles valeurs de n ∈ N le polynôme X 2 +1 divise le polynôme
X n − 1.
Comme X 2 + 1 = (X + i)(X − i), alors cela revient à chercher pour quelle valeur de n on a : in − 1 = 0
et (−i)n − 1 = 0.
La première égalité impose que n ≡ 0 [4] et la seconde aussi. Et donc finalement X n − 1 est divisible par
X 2 + 1 si, et seulement si : n ≡ 0 [4].
Remarque III.31. On retrouve le passage de la division sur C[X] à celle sur R[X]. Il suffit de savoir si le
polynôme X 2 + 1 divise X n + 1 dans C[X] pour avoir aussi la divisibilité sur R[X].
Corollaire III.32. Si λ1 , . . . , λr sont des racines de P de multiplicité respectives m1 , . . . , mr , alors :

r
X
mk ≤ deg(P ).
k=1
De plus, il y a égalité si, et seulement si, les polynômes P et (X − λ1 )m1 . . . (X − λr )mr sont associés.
Démonstration. Comme (X −λ1 )m1 . . . (X −λr )mr divise P , on peut noter P = (X −λ1 )m1 . . . (X −λr )mr Q
pour Q ∈ K[X].
Et alors en regardant les degrés :
— deg((X − λ1 )m1 . . . (X − λr )mr ) ≤ deg(P ), ce qui donne l’inégalité ;
— le cas d’égalité correspond au cas où deg(Q) = 0, c’est-à-dire que Q est constant (non nul).
Corollaire III.33. Un polynôme non nul a au plus autant de racines comptées avec multiplicité que
sont degré.
En particulier, si P ∈ Kn [X] possède plus de (n + 1) racines, alors P = 0.
Corollaire III.34. Un polynôme qui possède une infinité de racines est nul.
Remarque III.35. Ce résultat peut être utilisé pour montrer que deux polynômes sont égaux : il suffit de
voir qu’il prennent une infinité de valeurs communes.
Exemple III.36. Montrons que la fonction racine carrée n’est pas polynomiale.
√
Par l’absurde, supposons qu’il existe P ∈ C[X] tel que : ∀n ∈ N, P (n) = n.
Alors : ∀n ∈ N, P (n)2 − n = 0
Donc les polynômes P 2 et X sont égaux, donc ont même degré : deg(P 2 ) = 2deg(P ) = deg(X) = 1, ce qui
est impossible.
III.4 Interpolation
Définition III.37. Si x1 , . . . , xn ∈ K sont deux-à-deux distincts et i ∈ J1, nK, le i-ème polynôme de
Lagrange associé à (x1 , . . . , xn ) est le polynôme :
Y X − xk X − x1 X − xi−1 X − xi+1 X − xn
Li = = ... ... .
x i − xk x i − x1 x i − xi−1 xi − xi+1 x i − xn
k̸=i
Remarque III.38. Le point important est que les xk sont deux à deux distincts, pour que Li soit bien défini.
Proposition III.39. Avec les notations précédentes :

1 si i = j
∀i, j ∈ J1, nK, Li (xj ) = δi,j = .
0 ̸ j
si i =
X − xk Q
Démonstration. Si i, j ∈ J1, nK. Notons Pk = de sorte que Li = k̸=i Pk :
xi − xk
— si i ̸= j : Pj (xj ) = 0 apparaı̂t dans le produit qui définit Li (xj ), donc Li (xj ) = 0 ;
— si i = j : alors Pk (xi ) = 1 pour tout k ̸= i, et donc Li (xi ) = 1.
Proposition III.40. Avec les mêmes notation, Li est l’unique polynôme de Kn−1 [X] vérifiant la propriété
précédente.
Démonstration. Si P ∈ Kn−1 [X] vérifie cette propriété, alors pour tout j ∈ J1, nK : (P − Li )(xj ) = 0.
Donc le polynôme P − Li ∈ Kn−1 [X] possède n racines, donc il s’agit du polynôme nul, donc P = Li .
Théorème III.41 (Interpolation de Lagrange). Si x1 , . . . , xn ∈ K sont deux-à-deux distincts, et y1 , . . . , yn ∈
K, alors il existe un unique polynôme P ∈ Kn−1 [X]
Pn tel que : ∀i ∈ J1, nK, P (xi ) = yi .
Plus précisément, un tel P est donné par : P = i=1 yi Li .
Démonstration. Montrons séparément
Pn l’existence et l’unicité.
— existence : posons P = i=1 yi Li . Comme tous les Li sont des éléments de Kn−1 [X], alors P aussi.
Et de plus pour tout j ∈ J1, nK on a :
n
X n
X
P (xj ) = yi Li (xj ) = yi δi,j = yj
i=1 i=1
ce qui montre que P convient.

— unicité : si P1 , P2 conviennent, alors Q = (P1 − P2 ) ∈ Kn−1 [X] vérifie :
Q(x1 ) = · · · = Q(xn ) = 0
et donc Q possède n racines, donc Q = 0. Et donc P1 = P2 , ce qui assure l’unicité.
Remarque III.42. Les polynômes Li sont de degré n − 1, mais le polynôme donné par l’interpolation de
Lagrange peut être de degré plus petit.
Par exemple, si xi = yi = i, alors le polynôme obtenu est P = X est est de degré 1.
Corollaire III.43. Si P ∈ Kn−1 [X], et x1 , . . . , xn ∈ K sont deux-à-deux distincts,
Pn alors P s’écrit de manière
unique comme combinaison linéaire en les Li . Plus précisément : P = i=1 P (xi )Li .
Corollaire III.44. Avec les notations précédentes, l’ensemble des polynômes Q tels que ∀i ∈ J1, nK, Q(xi ) =
yi est exactement l’ensemble des polynômes de la forme :
n
! n
!
X Y
y i Li + P · (X − xi )
i=1 i=1
où P ∈ K[X].
Pn
Démonstration. Posons Q0 = i=1 yi Li . Pour Q ∈ K[X], on a donc :
∀i ∈ J1, nK, Q(xi ) = yi ⇔ ∀i ∈ J1, nK, Q(xi ) = Q0 (xi )
⇔ ∀i
Q∈ J1, nK, (Q − Q0 )(xi ) = 0
n
⇔ ( i=1 (X − xi )) |(Q
Q − Q0 )
⇔ ∃P ∈ K[X], P · ( ni=1 (X − Q xi )) = Q − Q0
⇔ ∃P ∈ K[X], Q = Q0 + P · ( ni=1 (X − xi ))
Remarque III.45. Avec les notations précédente, un tel polynôme Q a pour reste Q0 dans la division eucli-
dienne par ( ni=1 (X − xi )). Donc si l’on possède un polynôme, on peut déduire Q0 par division euclidienne
Q
et retrouver ensuite tous les polynômes voulus avec le résultat précédent.
III.5 Polynômes scindés

Définition III.46. On dit qu’un polynôme P ∈ K[X] non constant est scindé (sur K) s’il possède autant
de racines (comptées avec multiplicités) que son degré.
On dira de plus que P est scindé simple (ou scindé à racines simples) si toutes ses racines sont simples.
Remarque III.47. Le fait d’être scindé dépend du corps d’étude : par exemple, le polynôme X 2 + 1 est
scindé sur C (car il a comme racines i et −i), mais pas sur R (car il n’a pas de racine dans R).
Proposition III.48. Le polynôme P ∈ K[X] est scindé si, et seulement si, il existe λ1 , . . . , λr ∈ K (deux à
deux distincts), m1 , . . . , mr ∈ N∗ et α ∈ K∗ tels que :
P = α(X − λ1 )m1 . . . (X − λr )mr .
Avec ces notations, les λi sont les racines de P , de multiplicité mi .
De plus P est de degré ri=1 mi , et de coefficient dominant α.
P
Démonstration. Si P est scindé, en notant λ1 , . . . , λr ses racines, de multiplicité m1 , . . . , mr , alors ri=1 mi =

P
deg(P ), et par le résultat précédent : P est associé à (X − λ1 )m1 . . . (X − λr )mr , donc de la forme
α(X − λ1 )m1 . . . (X − λr )mr pour α ∈ K∗ . Comme (X − λ1 )m1 . . . (X − λr )mr est unitaire, on trouve
bien le coefficient dominant pour P .
Réciproquement, si P = α(X − λ1 )m1 . . . (X − λr )mr , alors λ1 , . . . , λr sont des racines de P , de multiplicités
m1 , . . . , m r .
mk ml
Q
Q on a : P = m(X − λk ) · Qk , où Qk = α l̸=k (X − λl ) , et la multiplicité vient
En effet, pour k ∈ J1, rK,
l̸=k (λk − λl )
du fait que Q(λk ) = l ̸= 0.
Pαr
Comme deg(P ) = k=1 mi , alors P est bien scindé.
Proposition III.49. Si A, B ∈ K[X] avec B scindé, alors :
1. si A divise B, alors A est scindé, et toutes les racines de A sont des racines de B avec des multi-
plicités plus petites que pour B ;
2. B divise A si, et seulement si, toutes les racines de B sont aussi des racines de A avec des multi-
plicités plus grandes que pour B.
Démonstration. Notons λ1 , . . . , λr les racines de B, et m1 , . . . , mr leurs multiplicité de sorte que B =
α(X − λ1 )m1 . . . (X − λr )mr pour α ∈ K∗ .
Si A divise B : notons Q ∈ K[X] tel que AQ = B. Les racines de A et de Q sont exactement les mêmes
racines que B. Notons n1 , . . . , nr et n′1 , . . . , n′r leurs multiplicités (éventuellement nulles) pour A et Q.
Comme AQ = B, alors :
∀k ∈ J1; rK, nk + n′k = mk
et on a donc, en utilisant les degrés :
r
X r
X r
X
deg(A) + deg(Q) = deg(B) = mk = nk + n′k ≤ deg(A) + deg(Q)
k=1 k=1 k=1
et donc l’inégalité précédente est une égalité, ce qui impose que rk=1 nr = deg(A), donc A est scindé (et
P
Q aussi).
Si B divise A, alors (X − λ1 )m1 . . . (X − λr )mr divise A, donc chaque λk est racine de A de multiplicité au
moins mk .
Réciproquement, si tous les λk sont racines de A de multiplicité nk ≥ mk , alors il existe un polynôme Q
tel que :

n1 nr m1 mr 1 n1 −m1 nr −mr
A = (X − λ1 ) . . . (X − λr ) · Q = (α(X − λ1 ) . . . (X − λr ) ) (X − λ1 ) . . . (X − λr ) Q
| {z } α
=B
et donc B divise A.
ak X k un polynôme
P
Proposition III.50 (Formule de Viète, ou relation coefficients-racines). Soit P =
scindé de degré n, dont on note x1 , . . . , xn les racines (avec éventuellement des répétitions selon les mul-
tiplicités).
On note, pour k ∈ J1; nK, le scalaire σk comme le k-ème polynôme symétrique élémentaire en les xi ,
c’est-à-dire que : X
σk = x i 1 x i 2 . . . xi k .
1≤i1 <···<ik ≤n
Alors pour tout k ∈ J1, kK, on a :

an−k
σk = (−1)k .
an
Démonstration. Avec les notations, on a : P = an (X − x1 ) . . . (X − xn ) = ak X k .
P
L’égalité s’obtient en développant la première expression, et en identifiant les coefficient de même degré
suivant les deux écritures.
Remarque III.51. Si l’expression de σk est compliquée dans le cas général, elle l’est beaucoup moins pour
k = 1 ou n : n n
X Y
σ1 = xi et σn = xi
i=1 i=1
ce qui se voit sur le polynôme P qui s’écrit :
P = an X n − an (x1 + · · · + xn )X n−1 + an (x1 x2 + · · · + xn−1 xn )X n−2 − · · · + (−1)n an x1 x2 . . . xn .
Exemple III.52. Si n = 2, notons P = aX 2 + bX + c, qui est scindé sur C. Si on note x1 , x2 ses racines,
alors :
b c
x1 + x2 = − et x1 x2 =
a a
III.6 Racines et factorisation sur R ou C

Théorème III.53 (Théorème de d’Alembert–Gauss, ou théorème fondamental de l’algèbre). Tout polynôme
non constant de C[X] admet une racine.
Démonstration. Admis.
Corollaire III.54. Tout polynôme non constant de C[X] est scindé.
Démonstration. On procède par récurrence sur le degré de P .

— Si deg(P ) = 1 : alors P possède une racine, et est de degré 1, donc P est scindé.
— Supposons le résultat acquis pour les polynômes de degré au plus n, pour n ∈ N, et donnons-nous
P ∈ C[X] avec deg(P ) = n + 1. Comme P possède une racine λn+1 , alors il existe est divisible par
(X − λn+1 ) donc il existe Q ∈ K[X] tel que P = (X − λn+1 )Q.
Comme Q est de degré n, il est scindé, donc on peut écrire Q = α(X − λ1 ) . . . (X − λn ), et ainsi :
P = α(X − λ1 ) . . . (X − λn+1 ) est scindé.
Remarques III.55.
1. En utilisant un résultat précédent, pour montrer que B ∈ C[X] divise A ∈ C[X], il suffit de regarder
toutes les racines de B et de vérifier qu’elles sont racines de A de multiplicité plus grande ou égale.
2. On peut appliquer ce résultat à des polynômes de R[X], du fait de l’inclusion R[X] ⊂ C[X], mais
les polynômes seront alors scindés sur C.
Proposition III.56. Soit P ∈ R[X]. Si α ∈ C \ R est une racine de P de multiplicité m, alors :

1. α est aussi une racine de P , de même multiplicité que α ;

m
2. P est divisible (dans R[X]) par (X 2 − 2Re(α)X + |α|2 ) .
Démonstration. Notons P = ak X k , où les ak sont des réels.
P
Par propriété de la conjugaison complexe, on a :
X X X X
P (α) = ak α k = ak α k = ak α k = ak αk = P (α) = 0 = 0
et donc α est racine de P .

Par le même raisonnement, comme P ′ , P ′′ , . . . , P (m) sont aussi à coefficients réels, on trouve que pour
k∈N:
(k) (k) = 0 si k < m − 1
P (α) = P (α) .
̸= 0 si k = m
ce qui assure le premier résultat.
Comme α, α sont racines de multiplicité m, avec α ̸= α, alors P est divisible (sur C donc sur R) par :
(X − α)m (X − α)m . Le résultat découle alors de :
(X − α)(X − α) = X 2 − 2(α + α)X + αα = X 2 − 2Re(α)X + |α|2 .
Corollaire III.57. Si P ∈ R[X], notons λ1 , . . . λr ses racines réelles, de multiplicités m1 , . . . , mr , et

µ1 , µ1 , . . . , µp , µp ses racines complexes non réelles, de multiplicités n1 , . . . , np . Alors :
r p
Y Y
mk
P =α (X − λk ) (X 2 − 2Re(µl )X + |µl |2 )nl .
k=1 l=1
Démonstration. Découle de l’écriture de P comme polynôme scindé sur C.

Exemple III.58. Soit n ∈ N∗ . Étudions le polynôme P = X n − 1.
Pour z ∈ C, on a :
P (z) = 0 ⇔ z n = 1 ⇔ z ∈ Un
donc les racines de P (dans C) sont tous les éléments de Un .
Toutes ces racines sont simples : il y en a n = deg(P ) (on peut aussi voir qu’aucune n’est racine de
P ′ = nX n−1 ).
Et comme P est unitaire, alors :
n
2ikπ
Y
P = X −e n .
k=1
2ikπ
Les racines réelles de P sont 1 si n est impair, et 1 et −1 si n est pair. En regroupant (X − e n ) avec
2i(n−k)π
(X − e n ) pour k ̸= n, n2 , on trouve la factorisation de P sur R[X] :
( Q n−1
X 2 − 2cos 2kπ

(X − 1) k=1 2
X + 1 si n est impair
P = Q n2 −1 n .
2kπ
2

(X − 1)(X + 1) k=1 X − 2cos n X + 1 si n est pair
Et grâce aux relations coefficients-racines, on trouve :

n
X 2ikπ
X 2i(k+l)π
σ1 = e n = 0 = σ2 = e n = 0 = ...
k=1 1≤k<l≤n
Qn 2ikπ
z = (−1)n+1 .
Q
et σn = k=1 e n = z∈Un
IV. ARITHMÉTIQUE DES POLYNÔMES 237
IV Arithmétique des polynômes

Les résultats qui suivent, sauf mention contraire, sont applicables à n’importe quel corps K (R, C, Q,
Z/pZ, etc.).
IV.1 PGCD et algorithme d’Euclide

Proposition-Définition IV.1. Si A, B ∈ K[X] ne sont pas tous les deux nuls, on appelle plus grand
commun diviseur (PGCD) de A et B tout polynôme qui divise A et B et qui est de degré maximal
parmi les diviseurs communs de A et B.
Si A et B sont nuls, on pose par convention que le polynôme nul est leur seul PGCD.
Démonstration. Par exemple, supposons que A est non nul. Alors l’ensemble E = {deg(Q) | Q ∈ K[X], Q ̸=
0, Q|A, Q|B} est un sous-ensemble non vide (il contient 1) et majoré (par deg(A)) de N donc admet un
plus grand élément. Ce qui justifie l’existence d’un diviseur de degré maximal.
Remarque IV.2. On n’a pas unicité du PGCD : plus précisément, si P est un PGCD de A et B, et λ ∈ K∗ ,
alors λP est aussi un PGCD de A et B comme le degré et la divisibilité sont conservés en multipliant par
un scalaire.
Exemple IV.3. Traitons le cas où B = 0 : les PGCD de A et 0 sont alors tous les polynômes associés à A.
Comme tous les polynômes divisent 0, alors les diviseurs communs à A et 0 sont exactement les diviseurs
de A. Et le plus grand degré pour un diviseur de A est deg(A) (réalisé pour A par exemple).
Et si P divise A avec deg(P ) = deg(A), alors le degré du quotient est nul, donc P est associé à A. Ce qui
montre le résultat.
Proposition IV.4. Si A, B, D ∈ K[X] avec B ̸= 0. Notons R le reste de la division euclidienne de A par

B. Alors D est un diviseur de A et B si, et seulement si, c’est un diviseur de R et B.
Démonstration. Si D divise A et B, alors il divise R = A − QB. Donc il divise R et B.

Réciproquement, si D divise B et R, alors il divise A = BQ + R. Donc il divise A et B.
Corollaire IV.5. Avec les mêmes notations, les PGCD de A et B sont ceux de B et R.
Théorème IV.6 (Algorithme d’Euclide). Si A, B ∈ K[X] avec deg(Q) ≥ deg(B), on construit une suite
finie de polynôme R1 , . . . , Rn suivant l’algorithme d’Euclide :
1. on pose R1 le reste de la division euclidienne de A par B ;
2. si R1 ̸= 0, on pose pose R2 le reste de la division euclidienne de B par R1 ;
3. on continue en posant Rk+1 le reste de la division euclidienne de Rk−1 par Rk , tant que Rk est non
nul.
La suite des Rk est telle que la suite des degrés associée est une suite strictement décroissante d’entiers
(ce qui assure bien que l’un des Rk est nul et que l’on s’arrête).
Les diviseurs de A et B, de B et R1 , de R1 et R2 et ainsi de suite jusqu’à Rn−1 et Rn = 0 sont les mêmes.
Donc les PGCD de A et B sont les polynômes associés au dernier reste non nul dans l’algorithme
d’Euclide.
Proposition-Définition IV.7. Si A, B ∈ K[X] ne sont pas tous les deux nuls, leurs PGCD sont associés
deux-à-deux. En particulier, il en existe un unique qui est unitaire : on l’appelle le PGCD unitaire de
A et B, et on le note A ∧ B.
Par convention, on note 0 ∧ 0 = 0.
Démonstration. Découle du résultat précédent.

Corollaire IV.8. Si A, B ∈ K[X], alors les diviseurs communs de A et B sont exactement les diviseurs de
A ∧ B.
Ainsi, les PGCD de A et B sont les plus grands diviseurs commun de A et B au sens de la divisibilité,
c’est-à-dire qu’un polynôme D ∈ K[X] est un PGCD de A et B si, et seulement si :
∀P ∈ K[X], (P |A et P |B) ⇔ P |D.
Démonstration. Si A = B = 0, alors 0 est le seul PGCD de A et B. Les résultats découlent alors du fait
que 0 est divisible par tout polynôme, et que c’est le seul élément de K[X] vérifiant cette propriété.
Si A ou B est non nul : suivant les notations de l’algorithme d’Euclide, les diviseurs communs de A et B
sont exactement les diviseurs de Rn−1 , et donc de tous les polynômes qui lui sont associés, ce qui donne le
premier résultat. Ceci montre que tout PGCD de A et B vérifie l’équivalence.
Inversement, si D vérifie l’équivalence précédente, alors il doit aussi la satisfaire :
— pour P = A ∧ B : alors P |A et P |B donc P |D, c’est-à-dire que A ∧ B|D ;
— pour P = D : alors P |A et P |B, donc P |A ∧ B par le point précédent, c’est-à-dire que D|A ∧ B.
donc D est associé à A ∧ B et est un PGCD de A et B.
Théorème IV.9 (Identité de Bézout). Si A, B ∈ K[X], il existe U, V ∈ K[X] tels que : A ∧ B = AU + BV .
Démonstration. Se fait comme pour l’identité de Bézout pour les entiers : soit par récurrence sur deg(B),
soit par remontée dans l’algorithme d’Euclide (et on parle encore d’algorithme d’Euclide étendu)
Corollaire IV.10. Si A, B ∈ K[X] avec A ou B non nul, alors A ∧ B est le polynôme unitaire de plus petit
degré de la forme AU + BV pour U, V ∈ K[X].
Exemple IV.11. Prenons A = X 3 − 6X 2 + 11X − 6 et B = X 2 − X − 2.
On pourrait calculer le reste de la division euclidienne en évaluant A en les racines de B, mais on a besoin
des quotients pour satisfaire l’identité de Bézout. On a :
X 3 −6X 2 +11X −6 X 2 −X −2
−X 3 +X 2 +2X X −5
−5X 2 +13X −6
5X 2 −5X −10
8X −16
Donc R1 = 8X − 16. Pour simplifier les calcule, on continue l’algorithme d’Euclide avec 18 R1 = X − 2 :
X 2 −X −2 X −2
−X 2 +2X X +1
X −2
−X +2
0
Et donc A ∧ B = X − 2. Et :

1 1 3 2 2
1 1 5
X − 2 = (8X − 16) = (X − 6X + 11X − 6) − (X − X − 2) · (X − 5) = ·A + − X + ·B
8 8 8
|{z} 8 8
| {z }
=U =V
Corollaire IV.12. Si A, B, C ∈ K[X], alors :

1. A ∧ (B ∧ C) = (A ∧ B) ∧ C (associativité du PGCD) ;
2. (AC) ∧ (BC) = C(A ∧ B).
Démonstration. On utilise l’équivalence précédente.
IV.2 Polynômes premiers entre eux

Définition IV.13. Deux polynômes A, B ∈ K[X] sont dits premiers entre eux si A ∧ B = 1 (ce qui
revient à dire que tous leurs PGCD sont constants).
Théorème IV.14 (de Bézout). Deux polynômes A, B ∈ K[X] sont premiers entre eux si, et seulement si,
il existe U, V ∈ K[X] tels que : AU + BV = 1.
Démonstration.
— si A ∧ B = 1 : on utilise l’identité de Bézout ;
— si AU + BV = 1 pour U, V ∈ K[X] : soit D ∈ K[X] un diviseur de A et B. Alors D divise
AU + BV = 1, donc D est constant.
Corollaire IV.15. Si A, B1 , . . . , Bn ∈ K[X], alors A est premier avec le produit B1 . . . Bn si, et seulement
si, il est premier avec chacun des Bi .
Démonstration. Prouvons le par récurrence sur n ∈ N∗ :
— si n = 1 : c’est la définition ;
— si n = 2 :
— si A ∧ B1 B2 = 1 : alors AU + B1 B2 V = 1, donc : AU = B1 (B2 V ) = AU + B2 (B1 V ) = 1 donc A
est premier avec B1 et avec B2 ;
— si A ∧ B1 = A ∧ B2 = 1 : alors AU1 + B1 V1 = AU2 + B2 V2 = 1 pour U1 , U2 , V1 , V2 ∈ K[X]. Et
donc :
1 = (AU1 + B1 V1 ) · (AU2 + B2 V2 ) = A(AU1 U2 + U1 B2 V2 + U2 B1 V1 ) + (B1 B2 )(V1 V2 )
donc A est premier avec B1 B2 ;

— hérédité : si A est premier avec B1 , . . . , Bn , Bn+1 , alors il est premier avec B1 . . . Bn et Bn+1 , donc
avec leur produit ; réciproquement si A est premier avec B1 . . . Bn Bn+1 , alors il l’est avec B1 . . . Bn
et avec Bn+1 , donc avec chacun des Bi .
Proposition IV.16 (Lemme de Gauss). Si A, B, C ∈ K[X] tel que A divise BC et A est premier avec B,
alors A divise C.
Démonstration. Comme A et B sont premiers entre eux, il existe U, V tels que : AU + BV = 1. Et donc
AU C + BCV = C.
Comme A divise AU C et BV C, alors A divise C.
IV.3 PPCM
Proposition-Définition IV.17. Si A, B ∈ K[X] non nuls, on appelle plus petit commun multiple
(PPCM) de A et B tout multiple non nul de A et B de degré minimal parmi les multiples non nuls
de A et B.
Si A ou B est nul, on pose par convention que le polynôme nul est leur seul PPCM.
Démonstration. Si A et B sont non nuls, alors l’ensemble E = {deg(Q) | Q ∈ K[X], Q ̸= 0, A|Q, B|Q}
est un sous-ensemble non vide (il contient AB) de N donc admet un plus petit élément. Ce qui justifie
l’existence d’un multiple de degré minimal.
Proposition-Définition IV.18. Si A, B ∈ K[X] sont non nuls, leurs PPCM sont associés deux-à-deux. En
particulier, il en existe un unique qui est unitaire : on l’appelle le PPCM unitaire de A et B, et on le
note A ∨ B.
Par convention, on note A ∨ B = 0 dès que A ou B est nul.
Démonstration. Soient M1 , M2 deux PPCM de A et B.

Notons M1 = M2 Q + R la division euclidienne de M1 par M2 . Alors : R = M1 − QM2 est un multiple de A
et B de degré strictement inférieur à deg(M2 ) = deg(M1 ). Par minimalité du degré du PPCM, on déduit
que R = 0.
Donc M2 |M1 .
Par symétrie, on trouve que M1 |M2 , donc M1 et M2 sont associés.
Le reste est évident.
Corollaire IV.19. Si A, B ∈ K[X], alors les multiples communs de A et B sont exactement les multiples
de A ∨ B.
Ainsi, les PPCM de A et B sont les plus petits multiples communs de A et B au sens de la divisibilité,
c’est-à-dire qu’un polynôme M ∈ K[X] est un PPCM de A et B si, et seulement si :
∀P ∈ K[X], (A|P et B|P ) ⇔ M |P.
Démonstration. Si A ou B est nul, alors le résultat est immédiat comme 0 est le seul multiple de 0, et que
tout polynôme non nul possède un multiple non nul.
Si A et B sont non nuls : posons M = A ∨ B, et considérons N un multiple de A et B. On écrit
N = M Q + R la division euclidienne de N par M . Alors R = N − M Q est aussi un multiple de A et B,
qui vérifie deg(R) < deg(M ). Donc R = 0 par minimalité de M . Donc M divise N . Et tout PPCM de A
et B est associé à M donc divise aussi N .
Inversement, si N vérifie l’équivalence précédente, alors il doit aussi la satisfaire :
— pour P = M : alors A|P et B|P , donc N |P , c’est-à-dire N |M ;
— pour P = N : alors N |P donc A|P et B|P , donc M |P par le point précédent, c’est-à-dire que M |N ;
donc N et M sont associés, et N est un PPCM de A et B.
Proposition IV.20. Si A, B ∈ K[X] sont unitaires, alors :
AB = (A ∧ B)(A ∨ B).
IV.4 PGCD d’un nombre fini de polynômes

Définition IV.21. Si A1 , . . . , An ∈ K[X], on appelle PGCD de A1 , . . . , An tout polynôme qui divise chacun
des Ai de degré maximal.
Un tel polynôme, s’il est unitaire, sera noté A1 ∧ · · · ∧ An ou ni=1 Ai .
V
Proposition IV.22. Avec les mêmes notations, on a :

n
^
Ai = (. . . ((A1 ∧ A2 ) ∧ A3 ) · · · ∧ An−1 ) ∧ An .
i=1
Démonstration. Par récurrence, en utilisant le fait que : les diviseurs de A et B sont exactement les
diviseurs de A ∧ B, donc les diviseurs de A, B, C sont les diviseurs de A ∧ B et C. Et en prenant le diviseur
de degré maximal on a bien le résultat.
Proposition IV.23. Si A1 , . . . , An ∈ K[X], alors il existe U1 , . . . , Un ∈ K[X] tels que :

n
^ n
X
Ai = Ai Ui .
i=1 i=1
Démonstration. Par récurrence, avec l’identité de Bézout, comme pour les entiers.
Définition IV.24. Des polynômes A1 , . . . , An ∈ K[X] sont dits premiers entre eux dans leur ensemble
si ni=1 Ai = 1.
V
On dit qu’ils sont deux-à-deux premiers entre eux si, pour tous i ̸= j, Ai est premier avec Aj .
Proposition IV.25. Les polynômes A1 , . . . , An ∈ K[X] Pn sont premiers entre eux dans leur ensemble si, et
seulement si, il existe U1 , . . . , Un ∈ K[X] tels que : i=1 Ai Ui = 1.
Démonstration. Comme pour les entiers.
Corollaire IV.26. Des polynômes A1 , . . . , An ∈ C[x] sont premiers entre eux dans leur ensemble si, et
seulement si, ils n’ont pas de racine commune.
Démonstration. Supposons que A1 , . . . , An soient premierPentre eux. Par l’absurde, supposons que A1 (λ) =
· · · = An (λ) = 0 pour λ ∈ C. Notons U1 , . . . , Un tels que ni=1 Ai Ui = 1. Alors en évaluant en λ on trouve :
0 = 1, d’où la contradiction.
Inversement, si A1 , . . . , An ne sont pas premiers entre eux, notons D = ni=1 Ai , qui vérifie deg(D) ≥ 1. Et
V
par théorème de d’Alembert–Gauss, D possède une racine λ ∈ C, qui est donc une racine de chacun des
Ai .
IV.5 Polynômes irréductibles

Définition IV.27. Un polynôme P ∈ K[X] non constant est dit irréductible si :
∀A, B ∈ K[X], P = AB ⇒ (deg(A) = 0 ou deg(B) = 0) .
Proposition IV.28 (Lemme d’Euclide). Un polynôme irréductible divise un produit si, et seulement si, il
divise l’un des facteurs.
Démonstration. On procède comme sur Z en constatant que, pour P, A ∈ K[X] avec P irréductible : P
divise A si, et seulement si, P est A ne sont pas premiers entre eux.
Proposition IV.29. Tout polynôme non constant de K[X] s’écrit comme produit de polynômes irréductibles.
Démonstration. Par récurrence forte sur deg(P ) = n ∈ N∗ :

— si n = 1 : alors P est irréductible, car si P = AB alors A ou B est constant ;
— supposons que tout polynôme non constant de Kn−1 [X] s’écrit comme produit d’irréductibles pour
n ∈ N∗ :
— si P est irréductible : alors P = P ;
— sinon, on écrit P = AB avec deg(A), deg(B) > 0 ; comme deg(A) + deg(B) = n, on a donc
A, B ∈ Kn−1 [X]. Par hypothèse de récurrence, A et B s’écrivent comme produit d’irréductibles,
donc P = AB aussi.
D’où l’hérédité.
Remarque IV.30. Dans la preuve apparaı̂t un résultat important : tout polynôme de degré 1 est irréductible,
et ce peu importe le corps K considéré.
Théorème IV.31. Si A ∈ K[X] non constant, alors il existe α ∈ K∗ , des polynômes irréductibles unitaires
deux-à-deux distincts P1 , . . . , Pr et des entiers strictement positifs m1 , . . . , mr tels que :
r
Y
A=α Pimi .
i=1
De plus cette décomposition est unique à l’ordre près des facteurs.

Démonstration. L’existence découle du résultat précédent.

L’unicité se déduit du lemme de Gauss en constatant que, pour P, Q irréductibles, alors P |Q si, et seulement
si P et Q sont associés.
Théorème IV.32 (Décomposition en produit d’irréductibles sur C[X]). Sur C[X] :
1. les polynômes irréductibles sont exactement les polynômes de degré 1 ;
2. si P est non constant, sa factorisation en produit de facteurs irréductibles est :
r
Y
P =α (X − λk )mk
k=1
où α est le coefficient dominant de P , et les λk sont les racines distinctes de P , de multiplicité mk .
Démonstration.
1. Il est clair que les polynômes de degré 1 sont irréductibles (par la remarque précédente).
Réciproquement, si P est irréductible : il possède une racine λ ∈ C, donc est divisible par (X − λ),
donc il existe α ∈ C∗ tel que P = α(X − λ) et deg(P ) = 1.
2. Si P est non constant, il est bien de la forme donnée. Et par le point précédent il s’agit bien de
l’écriture en produit d’irréductibles.
Théorème IV.33 (Décomposition en produit d’irréductibles sur R[X]). Sur R[X] :

1. les polynômes irréductibles sont exactement les polynômes de degré 1 et les polynômes de degré 2
sans racine réelle ;
2. si P est non constant, sa factorisation en produit de facteurs irréductibles est :
r p
Y
mi
Y n
P = α (X − λi ) (X 2 − 2Re(µj )X + |µj |2 j
i=1 j=1
où α est le coefficient dominant de P , et les λi sont les racines réelles distinctes de P , de multi-
plicité mi , et les µj , µj sont les racines complexes non réelles de P , de multiplicités nj .
Démonstration.
1. Il est à nouveau clair que les polynômes de degré 1 sont irréductibles. Pour les polynômes de degré
2, si un tel polynôme ne possède pas de racine réelle alors il n’est divisible par aucun polynôme de
degré 1, donc il est aussi irréductible.
Réciproquement, si P ∈ R[X] est un polynôme irréductible. Notons λ une racine complexe de P .
Alors :
— si λ ∈ R : alors P est divisible par (X − λ), donc est de la forme α(X − λ), donc de degré 1 ;
— si λ ∈ / R : alors λ est aussi racine de P , donc P est divisible (dans C[X] donc dans R[X])
par : (X − λ)(X − λ) = X 2 − 2Re(λ)X + |λ|2 . Comme P est irréductible, il est de la forme
α(X 2 − 2Re(λ)X + |λ|2 ), qui est bien un polynôme de degré 2 sans racine réelle.
2. Si P est non constant, il est bien de la forme donnée. Et par le point précédent il s’agit bien de
l’écriture en produit d’irréductibles.
Remarque IV.34. On a en fait un résultat légèrement plus fort que celui explicité ci-dessus pour les
polynômes de degré 2, à savoir qu’un polynôme de degré 2 ou 3 est irréductible si, et seulement si, il
n’a pas de racine (car s’il est non irréductible il a nécessairement un diviseur de degré 1).
En revanche, selon les corps considérés, il existe des polynômes irréductible de degré arbitrairement grand.
On peut voir par exemple que, pour p premier, le polynôme 1 + X + · · · + X p−1 est irréductible sur Q[X].
V. FRACTIONS RATIONNELLES 243
V Fractions rationnelles
V.1 Le corps K(X)
Proposition-Définition V.1. On définit sur K[X] × (K[X] \ {0}) la relation binaire ∼ définie par :
(P1 , Q1 ) ∼ (P2 , Q2 ) ⇔ P1 Q2 = P2 Q1 .
Alors ∼ est une relation d’équivalence.

L’ensemble K(X) des fractions rationnelles sur K est l’ensemble des classes d’équivalences pour la
relation ∼.
Démonstration. On vérifie les propriétés de ∼ :
— réflexivité : si (P, Q) ∈ K[X] × (K[X] \ {0}), alors P Q = P Q donc (P, Q) ∼ (P, Q) ;
— symétrie : si (P1 , Q1 ), (P2 , Q2 ) ∈ K[X]×(K[X]\{0}), alors : (P1 , Q1 ) ∼ (P2 , Q2 ) ⇔ P1 Q2 = P2 Q1 ⇔
P2 Q1 = P1 Q2 ⇔ (P2 , Q2 ) ∼ (P1 , Q1 ) ;
— transitivité : si (P1 , Q1 ), (P2 , Q2 ), (P3 , Q3 ) ∈ K[X] × (K[X] \ {0}), avec (P1 , Q1 ) ∼ (P2 , Q2 ) et
(P2 , Q2 ) ∼ (P3 , Q3 ), alors : P1 Q2 = P2 Q1 et P2 Q3 = P3 Q2 . Et donc :
— si P2 = 0 : alors P1 = P3 = 0, donc P1 Q3 = 0 = Q1 P3 , donc (P1 , Q1 ) ∼ (P3 , Q3 ) ;
— si P2 ̸= 0 : alors P2 Q2 = 0, et comme P1 P2 Q2 Q3 = P2 P3 Q1 Q2 alors P1 Q3 = P3 Q1 , donc
(P1 , Q1 ) ∼ (P3 , Q3 ).
Donc ∼ est bien une relation d’équivalence.
P
Remarque V.2. On notera plutôt au lien de (P, Q) pour noter un élément de K(X). Inversement, on
Q
P
dira que (P, Q) est un représentant de la fraction .
Q
P1 P2
Les règles de calculs usuelles sur les fractions s’appliquent alors, car on a : = ⇔ P1 Q2 = P2 Q1 .
Q1 Q2
Remarque V.3. On pourrait construire Q de la même manière : ce serait l’ensemble des classes d’équiva-
lences pour la relation ∼ définie sur Z × Z∗ par :
(p1 , q1 ) ∼ (p2 , q2 ) ⇔ p1 q2 = p2 q1
p1 p2
ce qui correspond bien au fait que : = ⇔ p1 q2 = p2 q1 .
q1 q2
P
Proposition-Définition V.4. Tout élément F ∈ K(X) s’écrit sous la forme F = avec P ∧ Q = 1. On
Q
P
dit alors que (P, Q) est un représentant irréductible de F , ou que est irréductible.
Q
A
Démonstration. Posons F = , et notons D = A ∧ B. Alors A = DP et B = DQ avec P ∧ Q = 1, et :
B
A P
F = = , puisque AQ = DP Q = P B.
B Q
A
Remarque V.5. Une telle écriture n’est pas unique : si est irréductible, tous les autres représentants
B
λA
irréductibles sont les , pour λ ∈ K∗ .
λB
Proposition-Définition V.6. On muni K(X) des opérations + et × définies par :
P1 P2 P1 Q2 + P2 Q1 P1 P2 P1 P2
+ = et × = .
Q1 Q2 Q1 Q2 Q1 Q2 Q1 Q2
Muni de ces opérations, (K(X), +, ×) est un corps (commutatif ). Son élément neutre pour l’addition est
0 1
0 = = (0, 1) et celui pour la multiplication est 1 = = (1, 1).
1 1
A −A B
L’opposé de F = est , tandis que son inverse est (pour A ̸= 0).
B B A
Démonstration. Il n’est pas compliqué, mais un peu long, de vérifier que (K(X), +, ×) est un anneau.
Le reste est immédiat par définition des opérations.
Remarque V.7. Les opérations ci-dessus correspondent en fait à l’addition et la multiplication de K[X],
P
en confondant P ∈ K[X] avec ∈ K(X). Ce qui fait de K[X] un sous-anneau de K(X).
1
Plus précisément, on peut plonger K[X] dans K(X) par le morphisme d’anneau injectif suivant :
K[X] → K(X)
(
φ: P
P 7→
1
Remarque V.8. On pourrait généraliser cette construction à n’importe quel anneau A intègre : cela nous
fournit un corps, appelé corps des fractions de A, qui est le plus petit corps contenant A comme sous-
anneau.
V.2 Degré, partie entières, zéros et pôles

Proposition-Définition V.9. Si F ∈ K(X), alors la quantité deg(A)−deg(B) ne dépend pas du représentant
A
B
de F .
On l’appelle le degré de F , que l’on note deg(F ), qui est un entier relatif si F ̸= 0 et qui vaut −∞ si
F = 0.
A C
Démonstration. Si B , D sont deux représentants de F , alors : AD = BC. Et donc : deg(A) + deg(D) =
deg(B) + deg(C), ce qui donne bien que deg(A) − deg(B) = deg(C) − deg(D).
Le reste découle des valeurs possibles du degré d’un polynôme.
Exemples V.10.

X −1
1. deg = 1 − 3 = −2 ;
X3 + 3
2
X + 12
2. deg = 2−1 = 1;
X −7
3. si P ∈ K[X] : deg( P1 ) = deg(P ) − 0 = deg(P ).
Proposition V.11. Si F, G ∈ K(X), alors :
deg(F + G) ≤ max (deg(F ), deg(G)) et deg(F G) = deg(F ) + deg(G).
Démonstration. Découle des propriétés du degré sur K[X] et de la définition des opérations de K(X).
A
Définition V.12. Soit F = B une fraction rationnelle sous forme irréductible.
On appelle zéro de F toute racine de A, et pôle de F toute racine de B.
On appelle ordre (ou multiplicité) d’un zéro (resp. d’un pôle) de F sa multiplicité en tant que racine de
A (resp. de B).
X 3 + 3X 2
Exemple V.13. Considérons la fraction rationnelle F = . Alors :
X 3 + 3X 2 − X − 3
X 2 (X + 3) X2
F = =
(X 2 − 1)(X + 3) X2 − 1
et cette dernière écriture est irréductible.
Donc 0 est un zéro double de F , et 1 et −1 sont ses pôles, qui sont simples.
A
Définition V.14. Si F = B est une fraction rationnelle irréductible, on lui associe la fonction ration-
A(x)
nelle, notée F , comme la fonction définie sur K privé des pôles de F , par : Fe : x 7→ B(x)
e .
Remarque V.15. L’intérêt de travailler avec une forme irréductible est que l’on définit Fe sur l’ensemble
le plus grand possible. Avec une écriture non irréductible, les pôles qui apparaı̂traient en plus serait des
pôles effaçables : on pourrait prolonger Fe en ces points par continuité, et le prolongement obtenu serait
même de classe C ∞ .
Proposition-Définition V.16. Si F ∈ K(X), il existe un unique couple (E, Q) ∈ K[X] × K(X) avec
deg(Q) < 0 et F = E + Q.
Le polynôme E est appelé la partie entière de F .
A
Démonstration. Pour l’existence, notons F = B . Alors, si A = BE + R est la division euclidienne de A
R
par B, le couple (E, B ) convient.
Pour l’unicité : si F = E1 +Q1 = E2 +Q2 , alors E1 −E2 = Q2 −Q1 . Et donc deg(E1 −E2 ) = deg(Q2 −Q1 ) ≤
max (deg(Q2 ), deg(Q1 )) < 0. Donc E1 −E2 = 0 (comme E1 , E2 ∈ K[X]), c’est-à-dire E1 = E2 . Et finalement
Q1 = Q2 .
V.3 Décomposition en éléments simples

Définition V.17. Une fraction rationnelle de la forme QPk pour Q irréductible, k ∈ N∗ et deg(P ) < deg(Q)
est appelée élément simple.
Plus précisément, on parle d’élément simple de p-ème espèce de degré k, où p = deg(Q).
A
Théorème V.18 (Décomposition en éléments simples). Si F = est une fraction rationnelle, elle s’écrit
B
de manière unique comme somme d’un polynôme et d’éléments simples.
Plus précisément, si F est irréductible et que B = αB1b1 . . . Brbr est son écriture en produit de facteurs
irréductibles, alors il existe une unique famille de polynômes E, A1,1 , . . . , A1,b1 , . . . , Ar,1 , . . . , Ar,br tels que :
A1,1 A1,b Ar,1 Ar,b
F = E+ + · · · + b11 + · · · + + · · · + brr
B1 B1 Br Br
Pr Pbi Ai,j
= E+ i=1 j=1
Bij
où : ∀i, j, deg(Ai,j ) < deg(Bi ).
Démonstration. Admis.
A
Corollaire V.19 (Décomposition en éléments simples sur C(X)). Si F = ∈ C(X) est irréductible, avec
Qr B
B = α k=1 (X − λk )mk comme produit d’irréductibles, alors il existe un unique polynôme E ∈ C[X] et des
complexes α1,1 , . . . , α1,m1 , . . . , αr,1 , . . . , αr,mr uniques tels que :
mi
r X
X αi,j
F =E+ .
i=1 j=1
(X − λi )j
A
Corollaire V.20 (Décomposition en éléments simples sur R(X)). Si F = ∈ R(X) est irréductible, avec
Qr Qs B
mk 2 nl
B = α k=1 (X − λk ) l=1 (X + bl X + cl ) comme produit d’irréductibles, alors il existe un unique poly-
nôme E ∈ R[X] et des réels α1,1 , . . . , α1,m1 , . . . , αr,1 , . . . , αr,mr , β1,1 , . . . , β1,n1 , . . . , βs,1 , . . . , βs,ns , γ1,1 , . . . , γ1,n1 , . . . ,
uniques tels que :
r X mi
! s X ni
!
X αi,j X βi,j X + γi,j
F =E+ j
+ 2 + b X + c )j
.
i=1 j=1
(X − λ i ) i=1 j=1
(X i i
1 1 1
Exemple V.21. La décomposition en élément simples de est − .
X(X + 1) X X +1
Remarque V.22. On peut juste utiliser l’existence pour trouver les coefficients par identification, ou par
évaluation.
L’unicité permet en plus d’exploiter les symétries (comme la parité).
1
Exemple V.23. Décomposons la fraction rationnelle F (X) = . Les pôles sont 1 et −1, et on obtient
X2 − 1
une décomposition en éléments simples de la forme :
1 a b
F (X) = = +
X2 −1 X −1 X +1
mais la fraction F est paire ce qui donne :
a b −a −b
F (−X) = + = +
−X − 1 −X + 1 X +1 X −1
donc par unicité de la décomposition : a = −b (et b = −a).
Donc on est ramené à déterminer le coefficient associé à un pôle simple.
P
Proposition V.24. Si λ ∈ K est un pôle simple de F = Q ∈ K(X) (sous forme irréductible), alors l’élément
simple associé à X − λ dans la décomposition de F est :
P (λ) 1
′
· .
Q (λ) X − λ
Démonstration. Comme λ est un pôle simple de F , alors Q = (X − λ)Q1 , avec Q1 (λ) ̸= 0.
α
Si on regroupe tous les autres éléments simples de F en une seule fraction G, on peut écrire : F = +G.
X −λ
P
En multipliant par (X − λ), on déduit : = α + (X − λ)G. En évaluant en λ (qui a bien un sens, comme
Q1
P (λ)
λ n’est pas un pôle de G ou de QP1 ), on trouve : α = .
Q1 (λ)
Comme Q′ = [(X − λ)Q1 ]′ = (X − λ)Q′1 + Q1 , alors Q′ (λ) = Q1 (λ), et on a bien le résultat.
Proposition V.25. Si P ∈ K[X] est scindé, avec P = α rk=1 (X − λk )mk (décomposition en produit
Q
d’irréductibles), alors on a la décomposition en éléments simples :
r
P ′ X mk
= .
P k=1
X − λk
Démonstration. Par dérivée d’un produit, on a :

r
! r
!
X ′
Y X Y
P′ = α ((X − λk )mk ) · (X − λl )ml =α mk (X − λk )mk −1 · (X − λl )ml
k=1 l̸=k k=1 l̸=k
et donc : r
P ′ X mk
= .
P k=1
X − λk
P′
Remarque V.26. Implicitement on voit apparaı̂tre que n’a que des pôles simples. On a en fait, comme
P
tout racine de multiplicité m de P est racine de multiplicité m − 1 de P ′ , que les racines de P ∧ P ′ sont
P
exactement les racines de P , de multiplicités diminuées de 1. Ainsi, le polynôme a exactement les
P ∧ P′
mêmes racines que P , qui sont toutes simples.
Remarque V.27. Ce résultat se retrouve avec les fonctions rationnelles. P Avec les mêmes notations, pour
x ̸= λ1 , . . . , λr : P (x) ̸= 0 et donc ln (|P (x)|) est bien défini et vaut : rk=1 mk ln (|x − λk |).P
La fonction x 7→ ln (|P (x)|) est dérivable sur son ensemble de définition, de dérivée en x : rk=1 x−λ mk
k
.
′ P ′
Et on a bien la formule par dérivée d’une composée, comme ln (|P |) = P .
V.4 Primitives de fonctions rationnelles

Méthode V.28. Soit f = Fe une fonction rationnelle, pour F ∈ R(X). On écrit la décomposition en
éléments simples de F :
p
r X mi
! ni
!
X αi,j X X βi,j X + γi,j
F =E+ j
+
i=1 j=1
(X − λ i ) i=1 j=1
(X 2 + bi X + ci )j
dont on calcule les primitives terme à terme :

— la partie entière se traite directement (par primitive d’un polynôme) ;
— les éléments simples de première espèces se traitent en notant que :
Z x Z x
dt dt −1 1
= ln (|x − λ|) et n
= (si n ̸= 1) ;
t−λ (t − λ) n − 1 (x − λ)n−1
— les éléments simples de deuxième espèces se traitent de la manière suivante :

— pour le degré 1 :
— on écrit :
β
βx + γ 2
(2x + b) − β2 b + γ
= + ;
x2 + bx + c x2 + bx + c x2 + bx + c
— le premier terme a pour primitive (à un facteur près) : ln (|x2 + bx + c|) ;
— on écrit x2 + bx + c = (x + 2b )2 + λ2 (forme! canonique) ; une primitive du second terme est
b
x+ 2
(à un facteur près) : λ1 Arctan ;
λ
— pour le degré r :
— on écrit de même :
β
βx + γ 2
(2x + b) − β2 b + γ
= 2 + ;
(x2 + bx + c)r (x + bx + c)r (x2 + bx + c)r
1 1
— le premier terme a pour primitive (à un facteur près) : ;
1 − r (x + bx + c)r−1
2
— on procède par intégration par parties pour diminuer l’exposant du dénominateur et se ra-
mener au cas r = 1.
Remarque V.29. On peut ne traiter que des pôles de première espèce, quitte à travailler dans les complexes.
Il faudra alors bien prendre garde au fait que, pour a, b ∈ R :
Z x
1 1 2 2
x−a
dt = ln (x − a) + b + iArctan .
t − (a + ib) 2 b
Chapitre 18
Dérivabilité
I Nombre dérivé et fonction dérivée

Les résultats de cette partie restent valable si l’on suppose que f est à valeurs dans C (au lieu de R).
I.1 Dérivabilité en un point

Définition I.1. Soient f : I → R et a ∈ I. On définit le taux d’accroissement de f en a, noté τa ou
τa,f , comme la fonction : 
 I \ {a} → R
τa,f : f (x) − f (a)
 x 7→
x−a
On dit alors que f est dérivable en a si lim τa,f (x) existe, et est finie.
x→a
On note cette limite f ′ (a), et on l’appelle le nombre dérivé de f en a.
f (a + h) − f (a)
Remarque I.2. De manière équivalente, cela revient à dire que lim existe et est fini, ce
h→0 h
qui peut faciliter les calculs.
Définition I.3. Avec les mêmes notations, on dit que f est dérivable sur I si f est dérivable en tout
a ∈ I.
df
On note alors f ′ (ou Df , ou ) la fonction a 7→ f ′ (a), qui est définie sur I, et qu’on appelle fonction
dx
dérivée de f .
Proposition I.4. Si f : I → R et a ∈ I avec f dérivable en a, alors f est continue en a.
Démonstration. On a pour x ∈ I \ {a} :
f (x) − f (a)
f (x) − f (a) = · (x − a) → 0
| x {z− a } | {z } x→a
→ 0
→ f ′ (a) x→a
x→a
ce qui donne bien la continuité en a.

Remarque I.5. On n’a pas une équivalence, puisqu’il existe des fonctions continues non dérivables (par
exemple x 7→ |x| en 0).
Proposition I.6. Si f : I → R et a ∈ I, alors f est dérivable en a si, et seulement si, il existe une fonction
ε définie sur I − a = {x − a | x ∈ I} et l ∈ R tels que :
∀x ∈ I, f (x) = f (a) + l · (x − a) + (x − a) · ε(x − a) et ε(h) → 0.
h→0
Et sous ces conditions on a l = f ′ (a).
249
250 CHAPITRE 18. DÉRIVABILITÉ
Démonstration. Notons déjà qu’une telle fonction ε, si elle existe, est définie par :

 I −a → R

ε: 0 si h = 0 c’est-à-dire x = a
 h = (x − a) 7→ f (x)−f (a)
x−a
− l si h ̸= 0 c’est-à-dire x ̸= a
pour un certain l ∈ R à déterminer. Reste à faire le lien entre limite de ε et dérivabilité de f en a :

— si ε tend vers 0 en 0 : alors lim f (x)−f
x−a
(a)
−l = 0, donc lim f (x)−f
x−a
(a)
= l, c’est-à-dire que f est dérivable
x→a x→a
en a avec f ′ (a) = l ;
— si f est dérivable en a : alors lim f (x)−f
x−a
(a)
= f ′ (a), donc l = f ′ (a) convient.
x→a
Remarque I.7. On préfèrera travailler avec h → 0 plutôt que x → a en général, et donc on écrira plutôt :
f (a + h) = f (a) + f ′ (a)h + hε(h) avec ε(h) → 0.

h→0
Corollaire I.8. Avec les mêmes notations, si f est dérivable en a, alors la tangente Ta (f ) à la courbe de f
en le point d’abscisse a a pour équation :
Ta (f ) : y = f (a) + (x − a)f ′ (a).
Démonstration. Si M0 (a, f (a)) et M (x, f (x)) pour x ∈ I, alors la droite (M0 M ) est la droite passant par
M0 de pente τa,f (x). En faisant tendre x vers a, la droite (M0 M ) tend bien vers la droite passant par M0
de pente f ′ (a).
1
Cf M0
−2 −1 0 1 2 3
−1 M
Ta (f )
−2
−3
Remarque I.9. Si lim τa,f (x) = ±∞, alors la courbe de f admet une tangente verticale au point d’abscisse
x→a
a.
I. NOMBRE DÉRIVÉ ET FONCTION DÉRIVÉE 251
√
Exemple I.10. Si f : x 7→ x, alors pour x > 0 :
√ √
x− 0 1
τ0,f (x) = = √ → +∞
x−0 x x→0
et on retrouve que la représentation graphique de f possède une tangente verticale en 0 (ce qu’on avait
déjà vu comme cas particulier des fonctions x 7→ xα pour α ∈]0; 1[).
I.2 Dérivabilité à gauche et à droite

◦
Définition I.11. Soit f : I → R et a ∈ I. On dit que f est :
f (x) − f (a)
1. dérivable à gauche en a si lim− existe et est finie ; on note alors fg′ (a) cette limite,
x→a x−a
appelée dérivée à gauche de f en a ;
f (x) − f (a)
2. dérivable à droite en a si lim+ existe et est finie ; on note alors fd′ (a) cette limite,
x→a x−a
appelée dérivée à droite de f en a.
◦
Proposition I.12. Soit f : I → R, et a ∈ I. Alors f est dérivable en a si, et seulement si, f est dérivable
à gauche et à droite en a avec fg′ (a) = fd′ (a).
Démonstration. Découle de la limite du taux d’accroissement et du résultat sur les limites à gauche et à
droite.
Remarque I.13. Comme les limites de taux d’accroissement considérées sont toujours privées de a, la
valeur en a du taux n’a pas de sens. En particulier, une fonction peut être dérivable à droite et dérivable
à gauche sans être dérivable.
Exemple I.14. Reprenons f : x 7→ |x| et regardons sa dérivabilité en 0. On a déjà vu que f n’est pas
dérivable en 0, mais on peut voir que :
|x| − 0
— si x > 0 : τ0,f (x) = = 1, donc f est dérivable à droite en 0 avec fd′ (0) = 1 ;
x−0
|x| − 0
— si x < 0 : τ0,f (x) = = −1, donc f est dérivable à gauche en 0 avec fg′ (0) = −1.
x−0
ce qui montre que f est dérivable à gauche et à droite en 0, sans y être dérivable comme fg′ (0) ̸= fd′ (0).
4
|x|
3
−5 −4 −3 −2 −1 0 1 2 3 4 5
I.3 Opérations sur les dérivées

Proposition I.15. Si f, g : I → R sont dérivables en a ∈ I, alors :
1. pour tous λ, µ ∈ R : (λf + µg) est dérivable en a, avec (λf + µg)′ (a) = λf ′ (a) + µg ′ (a) ;
2. f g est dérivable en a avec (f g)′ (a) = f ′ (a)g(a) + f (a)g ′ (a) ;
′
1 1 −g ′ (a)
3. si g(a) ̸= 0, alors est dérivable en a, avec (a) = ;
g g (g(a))2
′
f f f ′ (a)g(a) − f (a)g ′ (a)
4. si g(a) ̸= 0, alors est dérivable en a, avec (a) = .
g g (g(a))2
Démonstration. Notons ε1 , ε2 fonctions tendant vers 0 en 0 telles que :
f (a + h) = f (a) + f ′ (a)h + hε1 (h)

∀h ∈ I − a,
g(a + h) = g(a) + g ′ (a)h + hε2 (h)
Et ainsi les dérivabilités et dérivées découlent des calculs suivants, pour h ∈ I − a :
1. λf (a + h) + µg(a + h) = (λf (a) + µg(a)) + (λf ′ (a) + µg ′ (a)) · h + h · (λε1 (h) + µε2 (h))
avec (λε1 (h) + µε2 (h)) → 0 ;
h→0
2.
f (a + h)g(a + h) = (f (a) + f ′ (a)h + hε1 (h)) (g(a + h) = g(a) + g ′ (a)h + hε2 (h))
= f (a)g(a) + (f ′ (a)g(a) + f (a)g ′ (a))h
+h (ε1 (h)g(a) + ε2 (h)f (a) + ε1 (h)g ′ (a)h + ε2 (h)f ′ (a)h + ε1 (h)ε2 (h)h)
| {z }
=ε(h)
avec ε(h) → 0 par opérations sur les limites ;

h→0
3.
1 1
= ′
g(a + h) g(a) + g (a)h + hε2 (h)
1 1
= g ′ (a)
g(a) 1 + h + h εg(a)
2 (h)
 g(a) 
ε2 g ′ (a)2 g ′ (a)ε2
1  ′
g (a) − g(a)
+ h g(a)2
+ h g(a)2
= 1− h+h· g ′ (a) ε (h)

g(a) g(a) 1 + g(a) h + h g(a) 2
1 g ′ (a)
= − h + hε(h)
g(a) g(a)2
avec ε(h) → 0 par opérations sur les limites ;
h→0
4. le dernier cas découle de 3 et 4.
Remarque I.16. On peut aussi montrer tous les résultats précédents par des taux d’accroissements. Par
exemple, pour le produit :
f (a + h)g(a + h) − f (a)g(a) f (a + h) (g(a + h) − g(a)) + (f (a + h) − f (a))g(a)
=
h h
g(a + h) − g(a) f (a + h) − f (a)
= f (a + h) · + g(a)
′
h
′
h
→ f (a)g (a) + f (a)g(a)
h→0
On verra au prochain chapitre comment manipuler plus facilement encore les “fonctions ε”, ce qui légitimera
davantage leur utilisation.
I. NOMBRE DÉRIVÉ ET FONCTION DÉRIVÉE 253
Corollaire I.17. Pour I ⊂ R, l’ensemble D(I, R) est un sous-anneau de C(I, R), qui est stable par combi-
naison linéaire.
Proposition I.18. Si f : I → J et g : J → R, et a ∈ I tel que f est dérivable en a et g est dérivable en

f (a), alors g ◦ f est dérivable en a avec :
(g ◦ f )′ (a) = f ′ (a) · g ′ (f (a)) .
Démonstration. Montrons le par les taux d’accroissement. Pour x ∈ I \ {a}, on a :
g ◦ f (x) − g ◦ f (a) g(f (x)) − g(f (a)) f (x) − f (a)

= ·
x−a f (x) − f (a) x−a
dont le premier facteur tend vers g ′ (f (a)) par limite d’une composée, et le second vers f ′ (a), ce qui donne
le résultat voulu.
Proposition I.19. Soit f : I → J bijective et continue. On pose a ∈ I tel que f est dérivable en a, et on
note b = f (a) ∈ J. Alors f −1 est dérivable en b si, et seulement si, f ′ (a) ̸= 0, et dans ce cas on a :
1 1
(f −1 )′ (b) = = .
f ′ (a) f ′ (f −1 (b))
Démonstration. Montrons les deux implications.

Supposons que f −1 est dérivable en b. Avec les mêmes notations, comme f ◦ f −1 = idJ , alors par dérivée
1
d’une composée il vient que (f −1 )′ (b) · f ′ (a) = 1, et donc f ′ (a) ̸= 0 et (f −1 )′ (b) = ′ .
f (a)
Réciproquement, si f ′ (a) ̸= 0, alors pour tout y ∈ J \ {b} on a :
f −1 (y) − f −1 (b) f −1 (y) − f −1 (b)

= .
y−b f (f −1 (y)) − f (f −1 (b))
Comme f est continue, alors f −1 aussi donc : lim f −1 (y) = f −1 (b) = a. Et donc par composition de
y→b
limites :
f (f −1 (y)) − f (f −1 (b))
lim −1 −1
= f ′ (f −1 (b)) = f ′ (a)
y→b f (y) − f (b)
puis en passant à l’inverse :
f −1 (y) − f −1 (b) 1 1
lim = ′ = ′ −1 .
y→b y−b f (a) f (f (b))
Remarque I.20. Et on retrouve au passage le fait que la tangente à la courbe de f en a est la symétrique
de la tangente à la courbe de f −1 en b.
I.4 Dérivées d’ordre supérieur

Proposition-Définition I.21. Pour I ⊂ R et n ∈ N, on note Dn (I, R) l’ensemble des fonctions n-fois
dérivables sur I, et C n (I, R) l’ensemble des fonctions de classe C n sur I. On note C∞ (I, R) l’ensemble des
fonctions infiniment dérivables sur I, aussi appelées fonctions de classe C ∞ .
Pour tout n ∈ N, on a les inclusions strictes :
C ∞ ⊊ C n+1 (I, R) ⊊ Dn+1 (I, R) ⊊ C n (I, R) ⊊ Dn (I, R).

Démonstration. Les inclusions viennent du fait qu’une fonction dérivable est continue. Le fait qu’elles
soient strictes vient du fait qu’il existe des fonctions dérivables de dérivée non continue, ou continue non
dérivable.
Proposition I.22. Soit n ∈ N∗ et f, g de classe C n sur I :

1. si λ, µ ∈ R, alors λf + µg est de classe C n sur I, avec : (λf + µg)(n) = λf (n) + µg (n) ;
2. f g est de classe C n sur I, avec :
n
(n)
X n
(f g) = f (k) g (n−k) (Formule de Leibniz);
k=0
k
1 f
3. si g ne s’annule pas sur I, alors et sont de classe C n sur I ;
g g
4. si f : I → R et g : J → R sont composables, alors g ◦ f est de classe C n sur I ;
5. si f : I → J est bijective, et que f ′ ne s’annule pas sur I, alors f −1 est de classe C n sur J.
Remarques I.23.
1. Les énoncés restent valable en remplaçant “de classe C n ” par ”n-fois dérivable” ou “infiniment déri-
vable”.
2. On prendra bien garde aux hypothèses très faibles (non annulation de g et non annulation de f ′ ),
pour les points 3 et5.
Démonstration. 1. par récurrence, par linéarité de la dérivation ;

2. par récurrence, en utilisant le triangle de Pascal (à la manière de la démonstration du binôme) ;
3. par dérivée d’un produit, il suffit de la montrer pour f = 1, ce que l’on fait par récurrence.
1 g′
Pour l’hérédité : supposons que g est de classe C n+1 et que g ne s’annule pas. Alors ( )′ = − 2 est
g g
1 1
le produit des fonctions −g ′ (qui est de classe C n ) et des fonctions et (qui sont de classe C n par
g g
hypothèse de récurrence). Et le résultat découle de celui sur les produits.
Les deux derniers résultats se montrent par récurrence de la même manière que le quotient.
Corollaire I.24. Pour I ⊂ R, les ensembles Dn (I, R), C n (I, R) et C ∞ (I, R) (pour n ∈ N) sont des sous-
anneaux de C(I, R), qui sont stable par combinaison linéaire.
Corollaire I.25. L’ensemble des fonctions polynomiales est un sous-anneau de C ∞ (R, R) stable par combi-
naisons linéaires.
Démonstration. Découle du fait que x 7→ x est C ∞
II Propriétés générales des fonctions dérivables

II.1 Extremum d’une fonction dérivable
Définition II.1. Soient f : I → R et a ∈ I. On dit que f admet :
1. un maximum (resp. un minimum) en a si pour tout x ∈ I : f (x) ≤ f (a) (resp. f (x) ≥ f (a)) ;
2. un maximum local (resp. minimum local) en a s’il existe η > 0 tel que pour tout x ∈ I :
|x − a| < η ⇒ f (x) ≤ f (a) (resp. f (x) ≥ f (a)) ;
3. un point critique en a si f est dérivable en a et que f ′ (a) = 0.
II. PROPRIÉTÉS GÉNÉRALES DES FONCTIONS DÉRIVABLES 255
Remarques II.2.
1. Pour éviter toute ambiguı̈té, on parlera de maximum ou de maximum global dans le premier cas.
2. On parlera plus généralement d’extremums (locaux ou globaux) dans les deux premiers cas.
3. Des extremums seront qualifiés de stricts si on considère précédemment des inégalités strictes pour
x ̸= a.
Proposition II.3. Si f admet un maximum (resp. minimum) strict, celui-ci est unique.
Démonstration. Supposons par l’absurde que f admette un maximum strict en a et b, avec a ̸= b. Alors
f (a) > f (b) et f (b) > f (a), d’où la contradiction.
Proposition II.4. Si f : I → R et a ∈ I tel que I est un voisinage de I et que f soit dérivable en a. Alors
on a les implications :
f a un extremum global en a ⇒ f a un extremum local en a ⇒ f a un point critique en a.
Démonstration. La première implication est claire, du fait des définitions.

Supposons donc que f possède un maximum (local) en a. Notons η > 0 tel que : ∀x ∈ I, |a − x| < η ⇒
f (x) ≤ f (a).
Comme a est intérieur à I, alors, quitte à réduire η, on peut supposer que ]a − η; a + η[⊂ I. Et ainsi :
f (x) − f (a)
— si x ∈]a − η; a[ : ≥ 0, puis en passant à la limite pour x tendant vers a : f ′ (a) = fg′ (a) ≥
x−a
0;
f (x) − f (a)
— si x ∈]a; a + η[ : ≤ 0, puis en passant à la limite pour x tendant vers a : f ′ (a) = fd′ (a) ≤
x−a
0;
et donc f ′ (a) = 0, donc f a un point critique en a.
Le cas où f possède un minimum en a se traite de même.
Remarque II.5. Le fait que a soit intérieur est indispensable pour pouvoir travailler avec les dérivées à
gauche et à droites. Le résultat devient faux sinon : par exemple, la restriction de la fonction x 7→ x à
[0; 1] admet un minimum en 0 et un maximum en 1, mais pas de point critique.
En revanche, il donne une information importante sur la localisation des extrema : si f est dérivable sur
[a, b] ne possède pas de point critique, alors ses extrema sont en a ou b (en fait a et b).
De même, il faut imposer la dérivabilité en a : par exemple, la fonction x 7→ |x| admet un minimum en 0,
qui n’est pas un point critique.
Remarque II.6. Les réciproques des implications précédentes sont fausses. Par exemple, la fonction x 7→ x3
admet un point critique en 0, mais n’y admet pas d’extremum (local ou global), puisque pour tout x > 0
on a x3 > 0 = 03 et pour tout x < 0 on a x3 < 0.
1 x3
−3 −2 −1 0 1 2 3
−1
−2
−3
En revanche, ce résultat est utile pour sa contraposée : il permet de chercher les extremums d’une fonction
en regardant ses points critiques puis en les étudiant de manière plus poussée.
II.2 Les théorèmes de Rolle et des accroissements finis
Théorème II.7 (Théorème de Rolle). Soit f : [a, b] → R fonction :
1. continue sur [a; b] ;
2. dérivable sur ]a; b[ ;
3. telle que f (a) = f (b).
Alors il existe c ∈]a; b[ tel que f ′ (c) = 0.

4 Cf
(a, f (a)) 2 (b, f (b))
−3 −2 −1 c1 0 1 2 c2 3 4
−1
Démonstration. Comme f est continue sur le segment [a, b], alors elle y est bornée et atteint ses bornes :
— si f est constante : alors f ′ = 0 sur ]a, b[, donc tout élément de ]a, b[ convient ;
— si f n’est pas constante : alors soit son minimum soit son maximum n’est pas atteint en a et b. Il
est donc atteint en x ∈]a, b[, qui est un extremum, donc un point critique.
Remarque II.8. Comme le TVI, le résultat est faux si l’on travaille sur C au lieu de R. On peut reprendre
7 eit sur [0; 2π] : elle est dérivable, avec f (0) = 1 = f (2π),
le même contre-exemple, avec la fonction f : t →
′ it
mais f : t 7→ ie ne s’annule jamais.
Corollaire II.9. Si P ∈ R[X] de degré n ≥ 2 est scindé simple, alors P ′ aussi. De plus, si on note
a1 < · · · < an les racines de P et b1 < · · · < bn−1 celles de P ′ , alors :
a1 < b1 < a2 < b2 < · · · < an−1 < bn−1 < an .
Démonstration. On applique le théorème de Rolle à P sur chaque intervalle de la forme [ai ; ai+1 ] ce qui
assure l’existence d’une racine bi ∈]ai ; ai+1 [ pour P ′ .
◦
Corollaire II.10. Si f est continue sur un intervalle I et dérivable sur I, telle que f ′ ne s’annule pas, alors
f réalise une bijection continue strictement monotone de I sur f (I).
Démonstration. Par propriété des fonctions continues, il suffit de voir que f est injective. Par l’absurde,
◦
si x, y ∈ I vérifient f (x) = f (y) et x < y, alors par théorème de Rolle il existe c ∈]x, y[⊂ I tel que
f ′ (c) = f (y)−f
y−x
(x)
= 0, d’où la contradiction.
Donc f est injective, donc bijective sur f (I), et sa continuité entraı̂ne sa stricte monotonie.
Théorème II.11 (Égalité des accroissements finis). Si f : [a, b] → R continue sur [a, b] et dérivable sur
]a, b[, alors il existe c ∈]a, b[ tel que :
f (b) − f (a)
f ′ (c) = .
b−a
4 Cf (b, f (b))
1
(a, f (a))
−3 −2 −1 c1 0 1 2 c2 3 4
−1
Démonstration. On considère la fonction g définie sur I par :
f (b) − f (a)
g(x) = f (x) − (x − a) − f (a)
b−a
c’est-à-dire que g diffère de f d’une fonction affine et vérifie g(a) = g(b) = 0.

Alors g vérifie toutes les hypothèses du théorème de Rolle, et donc il existe c ∈]a, b[ tel que g ′ (c) = 0. Mais
la dérivée de g est donnée par :
f (b) − f (a)
g ′ : x 7→ f ′ (x) −
b−a
f (b) − f (a)
et donc il existe c ∈]a, b[ tel que f ′ (c) = .
b−a
Remarques II.12.
1. Pour pouvoir la manipuler plus facilement, on écrit parfois la dernière égalité : (b − a)f ′ (c) =
f (b) − f (a).
2. Pour mettre en évidence à quel point c est proche de a ou b, on peut aussi écrire qu’il existe θ ∈]0; 1[
f (b) − f (a)
tel que : f ′ (a + θ(b − a)) = .
b−a
II.3 Inégalité des accroissements finis et fonctions lipschitziennes

Théorème II.13 (Inégalité des accroissements finis). Soit f : I → C dérivable sur l’intervalle I. On suppose
qu’il existe M ∈ R tel que : ∀t ∈ I, |f ′ (t)| ≤ M . Alors :
∀x, y ∈ I, |f (x) − f (y)| ≤ M |x − y|.
Démonstration. Soient x, y ∈ I. Le cas x = y est clair (car les deux membres de l’inégalité à prouver son
nuls). Supposons donc x ̸= y. Quitte à échanger x et y, on peut supposer que x < y, et ainsi [x, y] ⊂ I.
— si f est à valeurs dans R : alors par égalité des accroissements finis, il existe c ∈]x, y[ tel que :
f ′ (c)(y − x) = f (y) − f (x). Comme |f ′ (c)| ≤ M , alors en prenant la valeur absolue on déduit que :
|f (y) − f (x)| = |f ′ (c)| · |y − x| ≤ M |y − x|
ce qui est l’inégalité à prouver.

— si f est à valeurs complexes :
— si f (y) − f (x) ∈ R : alors la fonction Re(f ) est à valeurs réelles et vérifie Re(f )(y) − Re(f )(x) =
Re (f (y) − f (x)) = f (y) − f (x). Par dérivée complexe, on a : (Re(f ))′ = Re(f ′ ), donc pour tout
t∈I :
| (Re(f ))′ (t)| = |Re(f ′ (t))| ≤ |f ′ (t)| ≤ M
donc en appliquant le résultat précédent à Re(f ), on a :
|f (y) − f (x)| ≤ M |y − x|
— si f (y) − f (x) ∈ / R : on pose θ ∈ R tel que eiθ (f (y) − f (x)) ∈ R. Et on applique le résultat
précédent à g : t 7→ eiθ f (t), puisque la fonction g est dérivable sur I, avec pour tout t ∈ I :
|g ′ (t)| = |eiθ | · |f ′ (t)| = |f ′ (t)| ≤ M , et g(y) − g(x) ∈ R. On a donc :
|g(y) − g(x)| ≤ M |y − x|
et le résultat découle du fait que |g(y) − g(x)| = |eiθ (f (y) − f (x)) | = |f (y) − f (x)|.
Corollaire II.14. Si f : [a, b] → C est de classe C 1 , alors il existe M ∈ R tel que :
∀x, y ∈ [a, b], |f (x) − f (y)| ≤ M |x − y|.
Démonstration. Si f est C 1 , alors |f ′ | est continue sur le segment [a, b] donc est majorée sur [a, b] par un
réel M , qui vérifie les hypothèses du théorème précédent.
Remarque II.15. En fait, on peut même démontrer plus rapidement le cas C 1 , car on a alors :
Z y
∀x, y ∈ [a, b], f (y) − f (x) = f ′ (t)dt
x
et par “inégalité triangulaire” (version intégrale), on déduit que :

Z y Z y Z y
′ ′

|f (y) − f (x)| =
f (t)dt ≤ ±
|f (t)|dt ≤ ± M dt = M |y − x|
x x x
où le ± devant les intégrales permet de prendre en compte que x < y ou y < x.
Exemple II.16. Avec la fonction sin, on a |sin′ | = |cos| ≤ 1 sur R. Et donc pour tous x, y ∈ R : |sin(x) −
sin(y)| ≤ |x − y|.
Avec y = 0, on retrouve l’inégalité classique : ∀x ∈ R, |sin(x)| ≤ |x|.
Définition II.17 (Fonctions Lipschitzienne). Si I ⊂ R et k ∈ R+ , une fonction f : I → C est dite
k-lipschitzienne si :
∀x, y ∈ I, |f (y) − f (x)| ≤ k · |y − x|.
Plus généralement, on dira que f est lipschitzienne s’il existe k ≥ 0 tel que f est k-lipschitzienne.
Remarque II.18. Une fonction k-lipschitzienne se voit graphiquement : tous les taux d’accroissements sont
entre −k et k. Et donc si on se place au point A(a, f (a)), le cône délimité par les deux droites passant par
A de pente ±k contient tous les points du graphe de f .
2
A Cf
1
−3 −2 −1 0 1 2 3 4 5 6 7 8 9 10
−1
−2
−3
Proposition II.19. Une fonction lipschitzienne est continue.

Démonstration. On applique la définition de la continuité.
Soit f : I → C une fonction k-lipschitzienne, pour k ∈ R+ . Si k = 0 alors f est constante (donc continue).
Sinon, considérons a ∈ I et ε > 0. En posant η = kε > 0, on a pour tout x ∈ I :
|x − a| ≤ η ⇒ |f (x) − f (a)| ≤ k · η = ε
ce qui assure bien la continuité de f en a ∈ I. Comme ceci est valable pour tout a ∈ I, on déduit que f
est continue sur I.
Remarque II.20. La réciproque est fausse. On peut par exemple considérer :
— la fonction f : x 7→ x2√sur R : pour tout k ∈ R+ , on a f (k + 1) − f (0) = (k + 1)2 > k · |(k + 1 − 0) ;
— √la fonction f : x 7→ x √ sur [0; 1] : si elle était k-lipschitzienne, on aurait pour tout x ∈]0; 1] :
1
x ≤ kx, et donc 1 ≤ k x, ce qui devient faut en prenant x = 1/2 (si k ≤ 1) ou x = k4 (si k > 1).
Proposition II.21. Si f est dérivable sur un intervalle I, et que |f ′ | est majorée par M , alors f est M -
lipschitzienne.
En particulier, si f est C 1 sur le segment [a, b], alors f est k-lipschitzienne avec k = max |f ′ (x)|.
x∈[a,b]
Démonstration. Découle de l’inégalité des accroissements finis et de son corollaire.

Remarque II.22. Une fonction lipschitzienne n’étant pas nécessairement dérivable, cela donne un cadre
plus large d’application de l’inégalité des accroissements finis. Par exemple la fonction x 7→ |x| n’est pas
dérivable en 0, mais est 1-lipschitzienne, puisque l’inégalité triangulaire donne :
∀x, y ∈ R, ||x| − |y|| ≤ 1 · |x − y|.
II.4 Monotonie et dérivée

Proposition II.23. Soient I intervalle et f : I → C dérivable. Alors f est constante sur I si, et seulement
si, pour tout x ∈ I : f ′ (x) = 0.
Démonstration. Si f est constante, alors sa dérivée est nulle (car tous ses taux d’accroissement, donc leurs
limites, sont nuls).
Réciproquement, si f ′ est nulle, alors par inégalité des accroissements finis, comme |f ′ | = 0 ≤ 0, on a :
∀x ∈ I, |f (x) − f (y)| ≤ 0 · |x − y| = 0
et donc f est constante.

Remarque II.24. Le résultat devient faux si on n’est pas sur un intervalle. Par exemple x 7→ Arctan(x) +
Arctan x1 est bien de dérivée nulle sur R∗ , mais n’est pas constante comme :
π
1 2
si x > 0
Arctan(x) + Arctan = π .
x − 2 si x < 0
◦
Proposition II.25. Soit I un intervalle de R, et f : I → R continue sur I et dérivable sur I. Alors f est
◦
croissante (resp. décroissante) si, et seulement si, pour tout x ∈ I : f ′ (x) ≥ 0 (resp. f ′ (x) ≤ 0).
Démonstration. Montrons le ◦cas de la croissance.
Si f est croissante : soit x ∈ I et y ∈ I \ {x}. Alors :
f (x) − f (y)
≥0
x−y
et donc en passant à la limite pour y → x : f ′ (x) ≥ 0.
◦
Réciproquement, si f ′ ≥ 0 sur I, alors considérons x, y ∈ I avec x < y. Par égalité des accroissements
◦
finis, il existe c ∈]x, y[⊂ I tel que f (y) − f (x) = f ′ (x)(y − x) ≥ 0. Et donc f (x) ≤ f (y). Donc f est
croissante.
◦
Proposition II.26. Soient I un intervalle et f : I → R continue sur I et dérivable sur I telle que :
◦
∀x ∈ I, f ′ (x) > 0. Alors f est strictement croissante sur I.
◦
Démonstration. En reprenant la preuve précédente, si x, y ∈ I vérifient x < y, alors il existe c ∈ I tel que :
f (y) − f (x) = f ′ (c)(y − x) > 0, ce qui donne la strictement monotonie.
Remarques II.27.
1. On a bien sûr le résultat analogue pour les fonctions dérivables.
◦
2. On peut faire mieux avec le théorème de Rolle : si f ′ ne s’annule pas sur I alors f est strictement
monotone, et le résultat précédent donne le sens de variations de f .
3. La réciproque est fausse : on peut reprendre x 7→ x3 qui est strictement croissante mais dont la
dérivée s’annule en 0.
◦
Corollaire II.28. Si I est un intervalle, f continue sur I et dérivable sur I telle que f ′ ≥ 0, ne s’annulant
qu’en un nombre fini de réels, alors f est strictement croissante sur I.
Démonstration. Soient x, y ∈ I avec x < y. Notons a1 , . . . , an les éventuels réels de ]x, y[ en lesquels f ′
s’annule, de sorte que x < a1 < · · · < an < y.
Par la proposition précédente, f ′ ne s’annulant sur aucun des intervalles ]x, a1 [, ]ai , ai+1 [, ]an , y[, alors on
déduit que f est strictement croissante sur chacun des intervalles larges associés. Et donc :
f (x) < f (a1 ) < · · · < f (an ) < f (y)
donc f (x) < f (y). Donc f est strictement croissante.

Remarques II.29.
1. La réciproque est fausse : par exemple, la fonction x 7→ x + sin(x) est dérivable sur R avec f ′ : x 7→
1 − cos(x), qui est bien positive ou nulle, et s’annule en tous les éléments de 2πZ.
Mais elle est strictement croissante car, sur chaque segment, f ′ n’a qu’un nombre fini de points
d’annulations, donc on peut appliquer le théorème précédent.
◦
2. On a en fait l’équivalence qu’une fonction f continue sur un intervalle I et dérivable sur I est
strictement croissante si, et seulement si :
( ◦
f ′ > 0 sur I
◦ .
{x ∈ I | f ′ (x) = 0} ne contient pas d’intervalle non trivial
II.5 Théorèmes de prolongement

Théorème II.30 (Théorème de la limite de la dérivée). Soit f : [a, b] → R fonction :
1. continue sur [a, b] ;
2. dérivable sur ]a, b] ;
3. telle que lim+ f ′ (x) = l ∈ R.
x→a
f (x) − f (a)
Alors : lim+ = l.
x→a x−a
Sous ces conditions, la fonction f est dérivable en a si, et seulement si, l ∈ R et dans ce cas f ′ (a) = l et
f ′ est continue en a.
Démonstration. Soit x ∈]a, b]. Par théorème des accroissements finis, comme f est dérivable sur ]a, x[, il
f (x) − f (a)
existe cx (qui dépend de x) tel que : f ′ (cx ) = .
x−a
Par théorème d’encadrement, comme cx ∈]a, x[, on a : lim+ cx = a. Et donc par composition :
x→a
f (x) − f (a)
lim+ = lim+ f ′ (cx ) = l
x→a x−a x→a
ce qui donne bien le résultat précédent.
Corollaire II.31. Si f est continue sur I et dérivable sur I \ {a} telle que lim f ′ (x) = l ∈ R, alors f
x→a
x ̸= a
est dérivable en a avec f ′ (a) = l.
Démonstration. On applique le cas précédent en regardant la dérivabilité à gauche et à droite en a.

√
x
√
Exemple II.32. Regardons la fonction φ définie sur R+ par : ∀x ∈ R+ , φ(x) = e − x. Alors φ est
continue sur R+ et dérivable sur R∗+ avec :
√
1 √ 1 e x−1 1
∀x ∈ R∗+ , ′
φ (x) = √ e x − √ = √ →
2 x 2 x 2 x x→0 2
1
donc φ est dérivable en 0, avec φ′ (0) = .
2
2
Cφ
0 1 2 3 4
φ(x) − φ(1) 1
On peut en déduire que : tend vers en 0, c’est-à-dire que :
x 2
√
x
√
e −1− x 1
lim+ =
x→0 x 2
√
et en faisant le changement de variable X = x on déduit que :
ex − 1 − x 1
lim+ 2
= .
x→0 x 2
Corollaire II.33 (Théorème de prolongement C 1 ). Si f est de classe C 1 sur I \{a} telle que f et f ′ possèdent
des limites finies en a, alors le prolongement par continuité de f en a définit une fonction de classe C 1 sur
I.
Démonstration. Découle directement du résultat précédent en constatant que le prolongement par conti-
nuité a bien un sens et fournit une fonction continue sur I et dérivable sur I \ {a}.
La dérivabilité et le caractère C 1 en a sont assurés par le résultat précédent.
Corollaire II.34 (Théorème de prolongement C k ). Si k ∈ N∗ et f de classe C k sur I \ {a} telles que les
quantités lim f (i) (x) existent et sont finies pour tout i ∈ J0; kK. Alors le prolongement par continuité de f
x→a
en a définit une fonction de classe C k sur I.

Les cas k = 0 et k = 1 ont déjà été traités.
Supposons f de classe C k+1 vérifie les hypothèses précédentes, pour k ∈ N∗ . Alors :
— par le cas k = 1 : on déduit que le prolongement f˜ de f est C 1 sur I ;
— f˜′ coı̈ncide avec f ′ sur I \ {a} et vérifie donc toutes les hypothèses du théorème au rang k, donc est
de classe C k sur I (en tant que seul prolongement continu de f ′ ) ;
— donc f˜ est de classe C k+1 sur I.
III Convexité
Définition III.1. Si I est un intervalle, la fonction f : I → R est dite convexe sur I si :
∀a, b ∈ I, ∀t ∈ [0; 1], f (ta + (1 − t)b) ≤ tf (a) + (1 − t)f (b).
On dira que la fonction f est concave si −f est convexe.
Remarque III.2. Notons que l’inégalité précédente a bien un sens. Comme I est un intervalle, alors I est
un convexe de R, donc pour tout a, b ∈ I et tout t ∈ [0, 1] on a bien que ta + (1 − t)b ∈ I.
Remarque III.3. Cela veut dire que toutes les cordes de f sont au-dessus de sa courbe
3 Cf
t · f (a) + (1 − t) · f (b)
2
f (a) f (b)
1 f (t · a + (1 − t) · b)
a b
−1 0 1 2 3 4 5 6 7 8
Proposition III.4. Si f est définie sur un intervalle I, alors f est convexe si, et seulement si, pour tout
a ∈ I, la fonction : 
 I \ {a} → R
τa : f (x) − f (a)
 x 7→
x−a
est croissante.
Démonstration. Supposons que f est convexe. Fixons a ∈ I et posons x, y ∈ I \ {a} tels que x < y :
— si x < y < a : on écrit y = tx + (1 − t)a avec t ∈]0; 1[. On a ainsi : y − a = t(x − a). Et donc :
f convexe ⇒ f (y) ≤ tf (x) + (1 − t)f (a)

⇒ f (y) − f (a) ≤ t (f (x) − f (a))
f (y) − f (a) f (x) − f (a) f (x) − f (a)
⇒ ≥t· =
y−a y−a x−a
— si x < a < y : on écrit de même a = tx + (1 − t)y pour t ∈]0; 1[, et ainsi t(a − x) = (1 − t)(y − a).
Et donc :
f convexe ⇒ f (a) ≤ tf (x) + (1 − t)f (y)

⇒ t (f (a) − f (x)) ≤ (1 − t) (f (y) − f (a))
f (x) − f (a) f (a) − f (x) 1 − t f (y) − f (a) f (y) − f (a)
⇒ = ≤ · =
x−a a−x t a−x y−a
III. CONVEXITÉ 265
— si a < x < y : on écrit de même x = at + (1 − t)y pour t ∈]0; 1[, et ainsi x − a = (1 − t)(y − a). Et
donc :
f convexe ⇒ f (x) ≤ tf (a) + (1 − t)f (y)

⇒ f (x) − f (a) ≤ (1 − t) (f (y) − f (a))
f (x) − f (a) f (y) − f (a) f (y) − f (a)
⇒ ≤ (1 − t) · =
x−a x−a y−a
Réciproquement, si toutes les fonctions τa sont croissantes : considérons a, b ∈ I et t ∈ [0; 1].

Montrons que f (at + (1 − t)b) ≤ tf (a) + (1 − t)f (b).
Les cas t = 0, t = 1 ou a = b sont immédiats (l’inégalité est alors une égalité). Supposons donc
a < b et t ∈]0; 1[.
Quitte à échanger a et b et t par 1 − t, on peut supposer que a < b. Et ainsi : a < ta + (1 − t)b < b.
On a donc :
f (ta + (1 − t)b) − f (a) f (b) − f (a)

τa est croissante ⇒ ≤
ta + (1 − t)b − a b−a
f (ta + (1 − t)b) − f (a) f (b) − f (a)
⇒ ≤
(1 − t)(b − a) b−a
⇒ f (ta + (1 − t)b) ≤ (1 − t) (f (b) − f (a)) + f (a)
⇒ f (ta + (1 − t)b) ≤ tf (a) + (1 − t)f (b)
ce qui prouve la convexité de f .
Corollaire III.5. Une fonction f définie sur l’intervalle I est convexe si, et seulement si, elle vérifie l’une
des trois assertions suivantes :
f (y) − f (x) f (z) − f (x)

1. pour tous x, y, z ∈ I avec x < y < z : ≤ ;
y−x z−x
f (z) − f (x) f (z) − f (y)

2. pour tous x, y, z ∈ I avec x < y < z : ≤ ;
z−x z−y
f (y) − f (x) f (z) − f (y)

3. pour tous x, y, z ∈ I avec x < y < z : ≤ .
y−x z−y
Remarque III.6. Ce résultat se comprend bien en terme de pentes. En combinant les trois inégalités
précédentes, il vient que les pentes croissent de la manière suivante :
f (y) − f (x) f (z) − f (x) f (z) − f (y)

≤ ≤ .
y−x z−x z−y
7 Cf
6 (z, f (z))
3
(y, f (y))
2
1
(x, f (x))
−3 −2 −1 0 1 2 3 4 5 6 7
−1
Corollaire III.7 (Convexité des fonctions dérivables). Une fonction f dérivable sur un intervalle I est
convexe si, et seulement si, sa dérivée est croissante.
En particulier, une fonction deux fois dérivable est convexe si, et seulement si, sa dérivée seconde est
positive ou nulle.
Démonstration. On utilise la caractérisation précédente.

Si f est convexe : soient a, b ∈ I avec a < b. Alors pour tout x ∈]a, b[ on a :
f (a) − f (x) f (a) − f (b) f (b) − f (x)

≤ ≤
a−x a−b b−x
puis en faisant tendre x vers a (dans le membre de gauche) et vers b (dans le membre de droite), on déduit
que :
f (b) − f (a)
f ′ (a) ≤ ≤ f ′ (b)
b−a
ce qui assure bien que f ′ est croissante.
Si f ′ est croissante. Considérons a < x < b. Alors par égalité des accroissements finis :
f (x) − f (a)
— il existe c ∈]a, x[ tel que : f ′ (c) = ;
x−a
f (b) − f (x)
— il existe d ∈]x, b[ tel que : f ′ (d) = .
b−x
f (x) − f (a) f (b) − f (x)
et par croissance de f ′ on déduit que : ≤ . Donc f est bien convexe.
x−a b−x
Remarque III.8. Ce résultat permet de savoir rapidement identifier une fonction convexe. Les autres
propriétés s’utilisent dans un second temps pour exploiter la convexité.
Exemple III.9. La fonction exp est convexe sur R, comme exp′′ = exp ≥ 0.
Tout polynôme du second degré est convexe ou concave, selon le signe de son coefficient dominant. En
effet, si P = ax2 + bx + c est un tel polynôme, alors P ′′ = 2a est du signe de a.
Les fonctions affines sont les seules fonctions convexes et concaves.

1
La fonction ln est deux fois dérivable sur R∗+ , de dérivée x 7→ qui est décroissante sur R∗+ (on peut voir
x
′′ 1
aussi que ln : x 7→ − 2 ≤ 0), donc elle est concave.
x
Corollaire III.10. Une fonction dérivable sur un intervalle I est convexe si, et seulement si, elle est au
dessus de ses tangentes.
Démonstration. Avec les notations précédentes, une fonction f est convexe si, et seulement si, toutes les
fonctions τa sont croissantes.
Si f est dérivable, alors :
— τa est prolongeable par continuité en a ;
— τa est dérivable sur I \ {a}.
En particulier, elle elle croissante si, et seulement si, elle a une dérivée positive ou nulle. Mais si f est
dérivable sur I, alors τa est dérivable sur I \ {a} avec :
f ′ (x)(x − a) − (f (x) − f (a)) f ′ (x)(a − x) + f (x) − f (a)

∀x ∈ I \ {a}, τa′ (x) = = −
(x − a)2 (x − a)2
et ainsi f est convexe si, et seulement si, pour tous x, a ∈ I tels que x ̸= a :
f (a) ≥ f ′ (x)(a − x) + f (x)
c’est-à-dire que f est au dessus de ses tangentes.
Remarque III.11. On a en fait un résultat plus fort : en reprenant les monotonies des taux d’accroisse-
ments, on voit qu’une fonction convexe admet des dérivées à gauche et à droite en tout point intérieur à
son ensemble de définition, et que le graphe d’une fonction convexe (même non dérivable) est au-dessus
de ses demi-tangentes (qui sont alors bien définies.
Exemple III.12. La convexité de exp et la concavité de ln, en prenant leurs tangentes respectives en 0 et
en 1, redonnent les inégalités classiques :
exp(x) ≥ 1 + x et ln(1 + x) ≤ x
1
exp
−3 −1 0
−2 1 2 3 4
−1
y =x+1
−2 ln
y =x−1
−3
Proposition III.13 (Inégalité de Jensen).PSoient f convexe sur un intervalle I, n ∈ N∗ avec n ≥ 2

x1 , . . . , xn ∈ I et λ1 , . . . , λn ∈ R+ tels que ni=1 λi = 1. Alors :
n
! n
X X
f λi xi ≤ λi f (xi ).
i=1 i=1
Démonstration. Montrons par récurrence sur n ≥ 2 que pour de tels x1 , . . . , xn , λ1 , . . . , λn on a :

n n
! n
X X X
λi xi ∈ I et f λi xi ≤ λi f (xi )
i=1 i=1 i=1
Si n = 2 : c’est le fait que I est un intervalle (donc convexe) et la définition de la convexité de f avec
λ1 = t, λ2 = 1 − t.
Supposons le résultat acquis au rang n − 1 pour n ≥ 3. Si λ1 = · · · = λn−1 = 0, alors nécessairement
λn = 1, donc on cherche à montrer que :
xn ∈ I et f (xn ) ≤ f (xn )
ce qui est vrai.

Sinon, posons :
n−1 n−1
X X λi
t= λi > 0, x = xi
i=1 i=1
t
Pn−1 λi
avec x ∈ I par hypothèse de récurrence (comme i=1 t
= 1).
On a alors λn = 1 − t, ce qui assure déjà que :
n−1
X
λi xi = tx + (1 − t)xn ∈ I
i=1
Et par convexité de f :
n
!
X
f λi xi = f (tx + (1 − t)xn ) ≤ tf (x) + (1 − t)f (xn )
i=1
Pn−1 λi
et par hypothèse de récurrence on a : f (x) ≤ i=1 t
f (xi ). Donc finalement :
n
! n
X X
f λi xi ≤ λi f (xi ).
i=1 i=1
Exemple III.14. On peut appliquer l’inégalité de Jensen pour comparer des moyennes.
Pour n ∈ N∗ et x1 , . . . , xn ∈ R∗+ , on définit leurs moyennes :
x1 + · · · + xn
— arithmétique (appelée plus simplement “moyenne”) : Ma = ;
n
n
— harmonique : Mh = 1 (l’inverse de la moyenne harmonique est la moyenne des in-
x1
+ · · · + x1n
verses) ;
√
— géométrique : Mg = n x1 . . . xn (le logarithme de la moyenne géométrique est la moyenne des
logarithmes) ; r
x21 + · · · + x2n
— quadratique : Mq = (le carré de la moyenne quadratique est la moyenne des carrés).
n
On a alors les inégalités :

Mh ≤ Mg ≤ Ma ≤ Mq
avec égalité si, et seulement si, tous les xi sont égaux.
Montrons les trois inégalités :
— par concavité de la fonction ln, on trouve que :
n
1 1X 1
ln ≥ ln
Mh n i=1 xi
et donc : n
1X
ln(Mh ) ≤ ln(xi ) = ln(Mg )
n i=1
ce qui donne la première inégalité par croissance de ln ;
— par concavité de la fonction ln, on a de même :
n n
!
1X 1X
ln(Mg ) = ln(xi ) ≤ ln xi = ln(Ma )
n i=1 n i=1
et donc par croissance de ln on a la deuxième inégalité ;
— par convexité de la fonction carré, on a :
n
! n
2 1 X 1X 2
Ma = xi ≤ x = Mq2
n i=1 n i=1 i
d’où l’inégalité par croissance de x 7→ x2 sur R+ .

En fait, ces moyenne sont triées dans le même ordre que les fonctions qui leur correspondent au voisinage
de +∞.
x2
ln(x)
1
x
Chapitre 19
Analyse asymptotique
Pour tout ce chapitre, on considère I un sous-ensemble de R, et a ∈ R adhérent à I.
I Relations de comparaisons
I.1 Négligeabilité, domination et équivalence
Définition I.1. Soient f et g deux fonctions définies sur I. On dit que :
1. f est négligeable devant g au voisinage de a, ce que l’on note f (x) = o(g(x)), s’il existe
x→a
une fonction ε définie sur un voisinage Va de a, qui tend vers 0 en a, telle que : pour tout x ∈
I ∩ Va , f (x) = ε(x)g(x) ;
2. f est dominée par g au voisinage de a, ce que l’on note f (x) = O(g(x)), s’il existe une
x→a
fonction M définie sur un voisinage Va de a, bornée, telle que : pour tout x ∈ I ∩ Va , f (x) =
M (x)g(x).
Remarque I.2. Pour la domination, cela revient à imposer l’existence de M ∈ R+ tel que, sur un voisinage
de a : |f (x)| ≤ M · |g(x)|.
Exemples I.3.
1. si a = +∞, on a vu que x = o(ex ) et que ln(x) = o(x).
x→+∞ x→+∞
2. si f et g sont deux fonctions continues en a ∈ R, avec g qui ne s’annule pas, alors : f (x) = o(g(x))
x→a
si, et seulement si, f (a) = 0 ; et peu importe la valeur de f on a toujours f (x) = O(g(x))
x→a
Remarques I.4.
1. Quant il n’y aura pas d’ambiguı̈té sur la valeur de a, on pourra écrire plus simplement f (x) = o(g(x))
(ou O). On prendra bien garde à cette notation comme la relation entre deux fonctions dépend du
point en lequel on les compare. Par exemple :
cos(x) = o(x) mais x = o(cos(x)).

x→±∞ x→0
2. Comme une fonction ayant une limite finie est bornée, la notion de o est plus forte que celle de O
dans le sens où :
f (x) = o(g(x)) ⇒ f (x) = O(g(x)).
x→a x→a
Proposition I.5. Si f, g sont définies sur I et que g ne s’annule pas sur I \ {a}, alors :
f (x)
1. f (x) = o(g(x)) ⇔ lim = 0;
x→a x→a g(x)
271
272 CHAPITRE 19. ANALYSE ASYMPTOTIQUE
f (x)
2. f (x) = O(g(x)) ⇔ est bornée sur un voisinage de a.
x→a g(x)
Démonstration. Pour un tel g, les fonctions ε ou M de la définition coı̈ncident avec la fonction fg .
Corollaire I.6 (Comparaison à des fonctions constantes). On note 1 la fonction constante de valeur 1
définie sur I. Pour f définie sur I, on a :
1. f (x) = o(1) si, et seulement si, lim f (x) = 0 ;
x→a x→a
2. f (x) = O(1) si, et seulement si, f est bornée sur un voisinage de a.
x→a
Définition I.7. Si f et g sont deux fonctions définies sur I, on dit que f est équivalente à g au
voisinage de a, ce que l’on note f (x) ∼ g(x), si f (x) = g(x) + o(g(x)).
x→a x→a
Remarque I.8. On peut aussi dire que f (x) − g(x) = o(g(x)), ce qui revient au même.
x→a
Proposition I.9. Si f, g sont définies sur I et que g ne s’annule pas sur I \ {a}, alors :
f (x)
f (x) ∼ g(x) ⇔ lim = 1.
x→a x→a g(x)
Démonstration. Découle du résultat sur les “o”.
sin(x)
Exemple I.10. On a : sin(x) ∼ x, comme on avait vu que : lim = 1.
x→0 x→0 x
De même, on a : (ex − 1) ∼ x par limite classique.
x→0
Remarque I.11. Cette caractérisation, comme celle sur les o et O, est beaucoup plus pratique pour com-
prendre les relations entre deux fonctions. D’autant plus que le fait d’imposer que g ne s’annule pas ne
réduit que très peu le cadre d’utilisation.
En revanche, l’utilisation des o et des O, comme on le verra après, se comporte très bien avec les calculs,
ce qui n’est pas toujours le cas des équivalents, qui ne sont pas aussi précis.
Proposition I.12. Si f, g sont définies sur I, et λ ∈ R, alors :

f (x) = o(g(x)) ou f (x) ∼ λg(x) ⇒ f (x) = O(g(x)).
x→a x→a x→a
Démonstration. Dans l’une ou l’autre des situations, on écrit f (x) = h(x)g(x) avec h(x) qui a une limite
finie, donc h est bornée au voisinage de a.
Remarque I.13. La réciproque est fausse : il existe des fonctions dominées qui ne sont ni négligeables ni
des équivalents. Mais l’idée est que ces deux cas extrêmes couvrent déjà beaucoup de situations, ce qui fait
qu’on ne travaillera pas beaucoup avec des O.
Proposition I.14. Si l ∈ R∗ , et f une fonction définie sur I, alors f (x) ∼ l si, et seulement si, lim f (x) =
x→a x→a
l.
Démonstration. Comme l ̸= 0, on peut utiliser la caractérisation de l’équivalence par quotient, et on a :
f (x)
f (x) ∼ l ⇔ → 1 ⇔ f (x) → l
x→a l x→a x→a
Proposition I.15. La relation ∼ est une relation d’équivalence sur l’ensemble des fonctions définies sur
x→a
I.
I. RELATIONS DE COMPARAISONS 273
Démonstration. Soit f, g, h définies sur I :

— avec ε = 0, on trouve que 0 = o(f (x)) et donc f (x) = f (x) + 0 = f (x) + o(f (x)) ∼ f (x).
— si f (x) ∼ g(x), en notant ε qui tend vers 0 tel que f (x) = g(x) + ε(x)g(x) = (1 + ε(x))g(x). Comme
ε tend vers 0, alors quitte à restreindre le voisinage de a considéré on peut supposer que 1 + ε ne
s’annule pas. Et donc :
f (x) −ε(x)
g(x) = = f (x) + f (x) ·
1 + ε(x) 1 + ε(x)
| {z }
=ε′ (x)
avec ε′ qui tend vers 0, donc g(x) ∼ f (x) ;

— si f (x) ∼ g(x) et g(x) ∼ h(x), en notant ε1 , ε2 qui tendent vers 0 tels que f (x) = g(x)(1 + ε1 ) et
g(x) = h(x)(1 + ε2 ), alors f (x) = (1 + ε1 )(1 + ε2 )h(x) donc f (x) ∼ h(x).
Ce qui montre bien la réflexivité, la symétrie et la transitivité : on a bien une relation d’équivalence.
Remarque I.16. On voit au passage que c’est plus (1 + ε) qui compte pour les équivalents, et donc on
utilisera parfois la définition équivalente que f et g sont équivalentes s’il existe une fonction θ définie sur
un voisinage Va de a, qui tend vers 1 en a, telle que : pour tout x ∈ I ∩ Va , f (x) = θ(x)g(x).
Proposition I.17. Si f (x) ∼ g(x), alors sur un voisinage de a les fonctions f et g ont le même signe.
x→a
Démonstration. On écrit f (x) = θ(x)g(x), pour θ tendant vers 1 au voisinage de a. Alors par définition
de la limite, pour un voisinage Va de a, on a : θ(x) ∈ [ 12 ; 23 ]. Et donc θ(x) > 0 dans un voisinage de a, ce
qui donne bien le résultat.
Proposition I.18. Si f (x) = O(g(x)) et g(x) = o(h(x)), alors f (x) = o(h(x))

x→a x→a x→a
Démonstration. On écrit au voisinage de a : f (x) = M (x)g(x) et g(x) = ε(x)h(x), de sorte que f (x) =
M (x)ε(x) h(x), où ε′ (x) tend vers 0 par encadrement.
| {z }
=ε′ (x)
Remarque I.19. Comme un o est aussi un O, alors le résultat est vrai avec un o.
Proposition I.20. Si f (x) ∼ g(x), alors f a une limite en a si, et seulement si, g en a une, et dans ce
x→a
cas les limites sont égales.
Démonstration. Comme ∼ est une relation d’équivalence, il suffit de montrer une implication.
Si g possède une limite, comme f = θ · g, avec θ qui tend vers 1, alors par opération sur les limites f a
même limite que g.
Proposition I.21. Si f, g, h sont définies sur I avec f ≤ g ≤ h et f (x) ∼ h(x), alors g(x) ∼ f (x).
x→a x→a
Démonstration. Par l’inégalité vérifiée par f, g, h on a :
0≤g−f ≤h−f
et donc par encadrement : g(x) − f (x) = O(h(x) − f (x)) = o(f (x)). Ce qui donne la relation d’équiva-
x→a x→a
lence.
I.2 Opérations sur les relations de comparaison

Remarque I.22. Les o ou les O ne se valent pas : par exemple, au voisinage de l’infini, on a que x = o(ex )
et ln(x) = o(ex ), mais x et ln(x) ne sont pas du tout égaux (et même ln(x) est négligeable devant x).
Proposition I.23 (Opérations sur les o et les O). Soient f, g, h des fonctions définies sur I. Alors :
1. si λ ∈ R∗ et f (x) = o(g(x)), alors f (x) = o(λg(x)) et λf (x) = o(g(x)) ;
x→a x→a x→a
2. si f (x) = o(h(x)) et g(x) = o(h(x)), alors f (x) + g(x) = o(h(x)) ;

x→a x→a x→a
3. si f (x) = o(g(x)) et g(x) = o(h(x)), alors f (x) = o(h(x)) (transitivité) ;

x→a x→a x→a
4. si f1 (x) = o(g1 (x)) et f2 (x) = o(g2 (x)), alors f1 (x)f2 (x) = o(g1 (x)g2 (x)) ;
x→a x→a x→a
∗ n n
5. si n ∈ N et f (x) = o(g(x)), alors f (x) = o(g(x) ) ;
x→a x→a
6. si f (x) = o(g(x)), alors f (x)h(x) = o(g(x)h(x)) ;

x→a x→a

1 1
7. si f et g ne s’annulent pas, alors : f (x) = o(g(x)) ⇔ = o ;
x→a g(x) x→a f (x)
8. f (x) = o(g(x)) ⇔ |f (x)| = o(|g(x)|).
x→a x→a
Démonstration.
ε
1. On pose ε qui tend vers 0 en a telle que f (x) = ε(x)g(x) sur Va . Alors, selon le cas considéré, λ
ou
λε convient, ce qui montre le résultat.
2. On pose ε1 , ε2 qui tendent vers 0 en a telles que f (x) = ε1 (x)h(x) sur Va et g(x) = ε2 (x)h(x) sur
Wa . Alors, sur Va ∩ Wa on a : (f (x) + g(x)) = (ε1 (x) + ε2 (x))h(x), avec ε1 + ε2 qui tend bien vers 0
en a (par limite d’une somme).
3. En notant ε1 , ε2 qui tendent vers 0 en a telles que f (x) = ε1 (x)g(x) sur Va et g(x) = ε2 (x)h(x) sur
Wa . Alors, sur Va ∩ Wa on a : f (x) = (ε1 (x) · ε2 (x))h(x), avec ε1 · ε2 qui tend bien vers 0 en a (par
limite d’un produit).
Et les autres points se montrent pareil. Notons qu’on peut simplifier nettement les démonstrations
dans le cas où les fonctions ne s’annulent pas, car il suffit de calculer des limites de quotients.
Remarque I.24. Tous les résultats ci-dessus restent valables en changeant les o en des O. Mais en pratique
on utilisera surtout des o (qui sont plus précis, même s’ils conduisent parfois à des calculs un peu plus
lourds).
Dans cette optique d’alléger les calculs, on essaiera le plus possible de regrouper les termes dans les o :
aussi bien les différents o qui interviennent, que certains termes qui seraient en dehors.
Corollaire I.25. Si f est définie sur I, alors :

1
1. 1 = O(f (x)) si, et seulement si, est majorée sur un voisinage de a ;
x→a f (x)
2. 1 = o(f (x)) si, et seulement si, |f | tend vers +∞ en a.
x→a
Remarque I.26. On prend bien garde à sommer les o et pas dans les o. Par exemple, on a ln(x) = o(x)
x→+∞
et ln(x) = o(−x). Mais 2ln(x) ̸= o(x − x) = o(0).
x→+∞ x→+∞ x→+∞
De fait, pour sommer des o différents, il faudra d’abord les exprimer comme des o d’une même quantité.

1 1
Exemple I.27. On considère f, g deux fonctions définies sur R telles que f (x) = 4+ +o et
x→+∞ x x2
g(x) = 3x + 2 + o(1). Alors :
x→+∞

1 1
f (x)g(x) = 4+ +o · (3x + 2 + o(1))
x→+∞ x x
2 1
= 12x + 11 + + o(1) + o
x→+∞ x x
| {z }
=o(1)
qui ne peut pas être davantage simplifiée comme expression, comme ni 12x ni 11 ne tendent vers 0 en +∞
(donc ne sont des o(1)).
Proposition I.28 (Opérations sur les équivalents). Soient f, g, h des fonctions définies sur I. Alors :
1. si f1 (x) ∼ g1 (x) et f2 (x) ∼ g2 (x), alors f1 (x)f2 (x) ∼ g1 (x)g2 (x) ;
x→a x→a x→a
∗ n n
2. si n ∈ N et f (x) ∼ g(x), alors f (x) ∼ g(x) ;
x→a x→a
3. si f (x) ∼ g(x), alors f (x)h(x) ∼ g(x)h(x) ;
x→a x→a
1 1
4. si f ou g ne s’annule pas, alors f (x) ∼ g(x) ⇔ ∼ ;
x→a f (x) x→a g(x)
5. si f ou g est positive, et f (x) ∼ g(x), alors pour tout α ∈ R : f (x)α ∼ g(x)α .
x→a x→a
Démonstration. Comme pour les o. Notons juste que le dernier résultat n’apparaissait pas pour les o, parce
qu’il est faux en général. Pour les équivalents, il vient du fait que :
α
f (x)α

f (x)
=
g(x)α g(x)
α
f (x) f (x)
et donc, par continuité de x 7→ x pour tout α ∈ R, si g(x) , tend vers 1, alors g(x) tend vers 1α = 1.
α
Remarque I.29. On ne somme jamais des équivalents : pour avoir un équivalent d’une somme, on est
obligé de repasser par les o.
Par exemple : x + 1 ∼ x et −x + 1 ∼ −x, mais x + 1 − x + 1 = 2 ̸∼ 0 = x − x.
x→+∞ x→+∞ x→+∞
Proposition I.30. Si f, g, h sont définie sur I avec f = o(g(x)) et g(x) ∼ h(x), alors f = o(h(x)).
x→a x→a x→a
Démonstration. On écrit f (x) = ε(x)g(x) et g(x) = θ(x)h(x) avec ε qui tend vers 0 en a et θ qui tend vers
1.
Alors f (x) = (ε(x)θ(x)) h(x), avec ε′ (x) qui tend vers 0.
| {z }
=ε′ (x)
Proposition I.31 (Composition à droite). On considère φ : J → I et b ∈ J tel que lim φ(x) = a. Alors
x→b
pour f, g définies sur I :
1. si f (x) = o(g(x)), alors (f ◦ φ) (x) = o ((g ◦ φ) (x)) ;
x→a x→b
2. si f (x) ∼ g(x), alors (f ◦ φ) (x) ∼ (g ◦ φ) (x).
x→a x→b
Démonstration. Par composition des limites. Les fonctions ε et θ que l’on utilise dans les hypothèses se
substituent aux fonctions ε ◦ φ et θ ◦ φ qui donnent les résultats.
Remarques I.32.
1. Dans le premier résultat, on peut remplacer les o par des O.
2. Un cas très utile est lorsque φ est une translation : on peut ainsi ramener l’étude locale d’une
fonction f au voisinage de a ̸= 0 en étudiant en 0 la fonction x 7→ f (x + a).
3. Les compositions à gauche se comportent moins bien en général. On ne donnera que quelques cas
particuliers.
Exemple I.33. On a vu que sin(x) ∼ x. Comme lim x · ln(x) = 0, alors on déduit que :
x→0 x→0
sin(x · ln(x)) ∼ x · ln(x).

x→0
Et on déduit ainsi que :

sin(x · ln(x)) sin(x · ln(x))
∼ ln(x) donc lim = −∞.
x x→0 x→0 x
ln(x)
De même, comme lim = 0, alors :
x→+∞ x

ln(x) ln(x)
sin ∼ .
x x→+∞ x
Et on déduit ainsi que :
√ √

ln(x) ln(x) ln(x)
xsin ∼ √ donc lim xsin = 0.
x x→+∞ x x→+∞ x
Proposition I.34. Si f, g sont définies sur I, alors :
1. ef (x) ∼ eg(x) si, et seulement si, lim (f (x) − g(x)) = 0 ;
x→a x→a
2. si f (x) ∼ g(x), avec f (ou g) positive, tendant vers l ∈ R \ {1} en a, alors :ln(f (x)) ∼ ln(g(x)).
x→a x→a
Démonstration.
1. Par équivalences, on a, comme l’exponentielle ne s’annule jamais :
ef (x)
ef (x) ∼ eg(x) ⇔ → 1
x→a eg(x) x→a
⇔ ef (x)−g(x) → 1
x→a
⇔ f (x) − g(x) → 0
x→a
par continuité de exp et de ln pour la dernière équivalence.

f (x)
2. Avec les conditions imposées, on a que → 1 et ln(g(x)) → ln(l) ̸= 0. Donc ln(g(x)) ne
g(x) x→a
s’annule pas sur un voisinage de a et sur ce voisinage :

f (x)
ln(f (x)) ln(g(x)) + ln(f (x)) − ln(g(x)) ln g(x) 0
= =1+ → 1+ =1
ln(g(x)) ln(g(x)) ln(g(x)) x→a ln(l)
d’où le résultat.
Remarques I.35.
1. Le cas de exp a une utilité assez limitée en fait puisque :

— avec f (x) = x et g(x) = x + 1, on a f (x) ∼ g(x) mais ef (x) ̸∼ eg(x) ;
x→+∞ x→+∞
1 1
— avec f (x) = x
et g(x) = x2
on a ef (x) ∼ e g(x)
mais f (x) ̸∼ g(x).
x→0 x→0
2. Pour le logarithme, il faut bien faire attention à ce que la limite ne soit pas 1, et la réciproque est
fausse :
(a) avec f (x) = 1 + x et g(x) = 1 + x2 , on a f (x) ∼ g(x) ∼ 1, mais ln(f (x)) ∼ x ̸∼ x2 ∼
x→0 x→0 x→0 x→0 x→0
ln(g(x)) ;
(b) avec f (x) = x et g(x) = 2x, on a ln(f (x)) = ln(x) ∼ ln(x) + ln(2) = ln(g(x)) mais
x→+∞
f (x) ̸∼ g(x).
x→+∞
I.3 Exemples fondamentaux

Remarque I.36. Si on travaille avec des fonctions continues, le cas intéressant est lorsque les limites
considérées sont nulles, ou infinies : dans les autres cas, les relations de comparaison n’apportent pas
grand chose dans la compréhension des fonctions.
C’est justement là où les relations de comparaisons sont importantes : elles lèvent les formes indéterminées
en disant plus précisément à quel point une quantité est grande ou petite.
Théorème I.37 (Croissances comparées en +∞). On a les relation de comparaisons suivantes :
1. si α, β ∈ R : α < β ⇔ xα = xβ ;
x→+∞
2. si a, b ∈ R∗+ :a<b⇔a x
o(bx ) ;
=
x→+∞
3. si α, β ∈ R∗+ : (ln(x))α = o xβ ;

x→+∞
∗ α

4. si α, β ∈ R+ : x = o eβx .
x→+∞
Démonstration. Découle des limites classiques et des croissances comparées. Dans chaque cas, comme les
fonctions ne s’annulent pas, on peut étudier la limite du quotient.
Théorème I.38 (Croissances comparées en 0). On a les relations de comparaisons suivantes :

1. si α, β ∈ R, alors : α > β ⇔ xα = o xβ ;
x→0

2. si α > 0 et β ∈ R : x = o |ln(x)|β .
α
x→0
Démonstration. Idem.
Corollaire I.39. Une fonction polynomiale non nulle est équivalente à son monôme de plus haut degré en
±∞ et à son monôme de plus petit degré en 0. Concrètement, si f : x 7→ an xn + an−1 xn−1 + · · · + am xm ,
avec m ≤ n et an , am ̸= 0, alors :
f (x) ∼ an xn et f (x) ∼ am xm .
x→±∞ x→0
Démonstration. Avec les mêmes notations, il vient que :

— pour tout k > m : xk = o(xm ) ;
x→0
— pour tout k < n : xk = = o(xn ) ;
x→±∞
et ainsi en sommant :
f (x) = am xm + o(xm ) ∼ am xm et f (x) = an xn + o(xn ) ∼ an x n .

x→0 x→0 x→±∞ x→±∞
Proposition I.40. Si f est dérivable en a, alors :
f (x) = f (a) + f ′ (a)(x − a) + o(x − a).

x→a
En particulier, si f ′ (a) ̸= 0, alors :
f (x) − f (a) ∼ f ′ (a) · (x − a).

x→a
Démonstration. Démontré au chapitre précédent.

Remarque I.41. Inversement, si on peut trouver une écriture du type f (x) = f (a) + l(x − a) + o(x − a),
x→a
on avait vu que f est dérivable en a, de dérivée f ′ (a) = l.
Et la version avec des équivalents aussi peut s’utiliser dans l’autre sens.
Corollaire I.42. On a les équivalents suivants en 0 :
1. ex − 1 ∼ x ;
x→0
1
2. − 1 ∼ −x ;
1+x x→0
3. ln(1 + x) ∼ x ;
x→0
4. si α ∈ R∗ : (1 + x)α − 1 ∼ αx ;
x→0
5. sin(x) ∼ x ;
x→0
6. tan(x) ∼ x ;
x→0
7. Arcsin(x) ∼ x ;
x→0
8. Arccos(x) − π2 ∼ −x ;
x→0
9. Arctan(x) ∼ x ;
x→0
10. sh(x) ∼ x ;
x→0
11. th(x) ∼ x.
x→0
Démonstration. Découle des calculs de dérivées en 0.

√ √
Remarque I.43. Pour α = 21 , on trouve que 1 + x − 1 ∼ x2 , ou que 1 + x = 1 + x
2
+ o(x).
x→0
1
Avec α = −1, on retrouve le cas de .
1+x
Remarque I.44. Si f ′ (a) = 0, on ne peut pas avoir l’équivalent de f (x) − f (a) aussi facilement. Par
exemple, pour cos en 0, la méthode précédente ne donnerait pas d’équivalent, mais seulement que :
cos(x) = 1 + o(x).
x→0
Exemple I.45. Déterminons un équivalent de cos(x)−1 en 0. Pour cela, on utilise que cos(x) = 1−2sin2 x

2
.
Et par le fait que sin(x) = x + o(x), on déduit que :
x→0
x 2
cos(x) = 1 − 2 + o(x)
x→0 2
Mais on a :
x 2 x 2 x 2 x2 x2
+ o(x) = · (1 + o(1)) = · (1 + o(1))2 = · (1 + o(1)) = + o(x2 )
2 2 2 4 4
et donc en réinjectant cette valeur :

x2
cos(x) = 1 − + o(x2 )
x→0 2
x2
c’est-à-dire que : cos(x) − 1 ∼ − .
x→0 2
√ √
Exemple I.46. Calculons la limite en +∞ de f : x 7→ 3 x3 + x2 − 3 x3 − 2x2 .
√ √ a−b
On pourrait utiliser des quantités conjuguées, en notant que 3 a− 3 b = √
3
√ √
3
, mais les calculs
a2 + 3 ab + b2
deviennent rapidement compliqués. On va plutôt utiliser des o :
√ √

3 3
q
1
q
2
1 1
−2 1

f (x) = 3 2 3
x + x − x − 2x = x · 2 3
1+ x − 1− x
3
= x· +o x − +o x
x→+∞ 3x x
3
∼ x· =1
x→+∞ 3x
et donc lim f (x) = 1.
x→+∞
I.4 Comparaison de suites

Définition I.47. Soient (un ), (vn ) deux suites. On dit que (un ) est négligeable devant (vn ) (resp. do-
minée par (vn ), équivalente à (vn )) s’il existe un rang n0 et une suite (wn ) qui tend vers 0 (resp. qui
est bornée, qui tend vers 1) telle que :
∀n ≥ n0 , un = wn vn .
On note alors un = o(vn ) (resp. un = O(vn ), un ∼ vn ).
Remarque I.48. Il s’agit donc de la même définition que pour les fonctions, en considérant uniquement le
cas où a = +∞ (dont on a vu que c’est le seul point adhérent important pour les suites). Cela justifie au
passage que l’on ne fasse pas apparaı̂tre le n → +∞ dans les notations.
De fait, tous les résultats précédents restent valables, notamment les liens entre les relations et les manières
de les manipuler.
Proposition I.49. Si u, v sont deux suites telles que v ne s’annule pas à partir d’un certain rang, alors :
un
1. un = O(vn ) si, et seulement si, est bornée à partir d’un certain rang ;
vn
un
2. un = o(vn ) si, et seulement si, tend vers 0 ;
vn
un
3. un ∼ vn si, et seulement si, tend vers 1.
vn
Démonstration. Comme pour les fonctions.
Proposition I.50. Si u, v sont deux suites telles que un = o(vn ) (resp. un = O(vn ), un ∼ vn ) et φ est une
extractrice, alors uφ(n) = o(vφ(n) ) (resp. uφ(n) = O(vφ(n) ), uφ(n) ∼ vφ(n) ).
Démonstration. Il suffit de voir une extraction comme une composition à droite.
Proposition I.51. Si f, g sont deux fonctions définies sur I, et (un ) une suite d’éléments de I qui tend vers
a, alors :
1. si f (x) = o(g(x)), alors f (un ) = o(g(un )) ;
x→a
2. si f (x) = O(g(x)), alors f (un ) = O(g(un )) ;
x→a
3. si f (x) ∼ g(x), alors f (un ) ∼ g(un ).
x→a
Démonstration. Par caractérisation séquentielle de la limite. Qu’on peut aussi voir comme un cas particu-
lier de composition à droite.
II Développements limités et formules de Taylor

Pour toute la suite, on suppose que a ∈ R.
II.1 Développements limités

Définition II.1. Si f est définie sur I et n ∈ N, on dit que f possède un développement limité d’ordre
n (abrégé dl n) au voisinage de a s’il existe des réels c0 , . . . , cn tels que :
f (x) = c0 + c1 (x − a) + · · · + cn (x − a)n + o ((x − a)n )
x→a
Remarque II.2. Un développement limité d’ordre n est une approximation de f par un polynôme P de
Rn [X] de la forme f (x) = P (x − a) + o ((x − a)n ).
x→a
Remarque II.3. En pratique, on essaiera de se ramener à des dl en 0. Comme les o se comportent bien
avec les compositions, cela revient à considérer l’application x 7→ f (a + x) en 0 au lieu de l’application f
en a.
Exemple II.4. Si x ̸= 1, par somme géométrique, on trouve que :
1 − xn+1
1 + x + · · · + xn =
1−x
et donc :
1 n xn+1
= 1 + x + ··· + x +
1−x 1−x
Mais on a aussi que :
xn+1 xn+1
∼ = xn+1 = o(xn ).
1−x x→0 1 x→0
1
Et ainsi : admet le dl n en 0 suivant :
1−x
1
= 1 + x + · · · + xn + o(xn ).
1 − x x→0
Proposition II.5 (Troncature). Si n, m ∈ N avec m ≤ n, et que f possède un dl n au voisinage de a, alors
f possède un dl m au voisinage de a dont les coefficients coı̈ncident.
Concrètement, si on a :
x→a
alors le dl m de f est :
f (x) = c0 + c1 (x − a) + · · · + cm (x − a)m + o ((x − a)m ) .
x→a
Démonstration. Il suffit de voir que, pour k > m : (x − a)k = o ((x − a)m ) et ainsi que :
x→a
cm+1 (x − a)m+1 + · · · + cn (x − a)n + o ((x − a)n ) = o ((x − a)m ) .

x→a
Proposition II.6. Un développement limité est unique, dans le sens où, si n ∈ N et que :
f (x) = c0 + c1 (x − a) + · · · + cn (x − a)n + o ((x − a)n ) = b0 + b1 (x − a) + · · · + bn (x − a)n + o ((x − a)n )
x→a x→a
alors pour tout i ∈ J0; nK on a : bi = ci .

II. DÉVELOPPEMENTS LIMITÉS ET FORMULES DE TAYLOR 281
Démonstration. Supposons par l’absurde que les deux dl soient différents. Notons k le plus petit entier de
J0; nK tel que bk ̸= ck . Il vient alors, en tronquant les dl de f à l’ordre k que :
f (x) = ck (x − a)k + o (x − a)k = bk (x − a)k + o (x − a)k

x→a x→a

et donc (bk − ck ) · (x − a)k = o (x − a) . Et donc bk − ck = o(1).
k
D’où la contradiction avec le fait que bk − ck ̸= 0.
Définition II.7. Si f admet le dl n suivant :

x→a
alors la fonction polynomiale x 7→ c0 + c1 (x − a) + · · · + cn (x − a)n est appelée partie régulière du dl n

de f en a.
Proposition II.8. Si f est définie sur I est possède le développement limité en a suivant :

x→a
alors en notant k le plus petit entier de J0; nK tel que ck ̸= 0, on a :
f (x) ∼ ck (x − a)k .
x→a
Démonstration. Par troncature, on a :
f (x) = ck (x − a)k + o (x − a)k

ce qui donne directement le résultat.
Remarque II.9. L’idée derrière est que l’on peut très rapidement avoir des équivalents (donc des limites)
à condition de pousser les développements limités suffisamment loin : c’est-à-dire jusqu’à avoir un terme
non nul dans la partie régulière.
Exemple II.10. La fonction exp admet en 0 le dl 2 suivant :
x x2
e = 1+x+ + o(x2 ).
x→0 2
√
x
√
Et ainsi on peut retrouver que la fonction φ définie sur R+ par φ(x) = e − x est dérivable en 0 car
pour x > 0 on a :
√
x
√ √ √
x
2 √ x
φ(x) − φ(0) e − x−1 1+ x+ 2
+ o(x) − 1 − x 2
+ o(x) 1 1
= = = = + o(1) →
x x x→0 x x→0 x x→0 2 x→0 2
1
ce qui donne bien la dérivabilité en 0, avec φ′ (0) = .
2
φ(x) − φ(0)
En prenant le dl 1 de exp, on aurait seulement obtenu que = o √1x , ce qui ne montrerait
x
même pas la dérivabilité.
Corollaire II.11. Avec les mêmes notations, on trouve que :

— si k est pair : alors f est du signe de ck au voisinage de a ;
— si k est impair : alors f est du signe de −ck sur un voisinage à gauche de a, et du signe de ck sur
un voisinage à droite de a.
Démonstration. Découle de la conservation du signe par équivalent, et du tableau de signe de x 7→ ck (x−a)k

au voisinage de a.
Proposition II.12. Si f est définie sur I et a ∈ I, alors :

1. f admet un dl 0 en a si, et seulement si, f est continue en a, et dans ce cas : f (x) = f (a) + o(1) ;
x→a
2. f admet un dl 1 en a si, et seulement si, f est dérivable en a, et dans ce cas : f (x) = f (a) +
x→a
f ′ (a)(x − a) + o(x − a).
Démonstration.
1. f admet un dl 0 si, et seulement si, f admet une limite en a, ce qui revient bien à la continuité
comme a ∈ I ;
2. déjà montré au chapitre précédent.
Remarque II.13. Le résultat n’est plus vrai aux ordres supérieurs : il existe notamment des fonctions qui
admettent un dl 2 en 0 sans être deux fois dérivable en 0.
Par exemple, considérons la fonction :

 R → R
x sin x1
3
f: si x ̸= 0
 x 7→
0 si x = 0
On constate par encadrement que f est continue sur R.

De plus, f est dérivable sur R∗ avec :

∗ ′ 2 1 1
∀x ∈ R , f (x) = 3x · sin − x · cos
x x
qui tend vers 0 en 0 (par encadrement), donc par théorème de prolongement des fonctions dérivables on
déduit que f est dérivable en 0 avec f ′ (0) = 0.
Pour la dérivée seconde en 0, on utilise le taux d’accroissement de f ′ : pour x ̸= 0, on a :
f ′ (x) − f ′ (0)

1 1
= 3x · sin − cos
x−0 x x
qui n’admet pas de limite quand x tend vers 0, donc f n’est pas deux fois dérivable en 0.
En revanche, comme x3 = o(x2 ), on déduit par encadrement que f (x) = o(x2 ). Et donc f admet un dl
x→0 x→0
2 en 0, à savoir :
f (x) = 0 + 0 · x + 0 · x2 + o(x2 ).
x→0
On verra plus tard que les dl se comportent bien avec les primitives, ce qui fournira, en primitivant n − 2
fois f , des exemples de fonctions admettant des dl n sans être n-fois dérivables.
Proposition II.14. On suppose que f est définie sur R, et que f possède un développement limité d’ordre
n en 0 de la forme :
f (x) = c0 + · · · + cn xn + o(xn ).
x→0
Alors :
1. si f est paire : tous les coefficients de degré impair de son dl sont nuls : si k est impair, alors
ck = 0 ;
2. si f est impaire : tous les coefficients de degré pair de son dl sont nuls : si k est pair, alors ck = 0 ;
Démonstration. On utilise la composition à droite par la fonction x 7→ −x sur les o, ce qui assure que :
f (−x) = c0 + c1 (−x) · · · + cn (−x)n + o((−x)n ) = c0 − c1 x · · · + (−1)n cn xn + o(xn )

x→0 x→0
donc la fonction g : x 7→ f (−x) admet le dl n ci-dessus.

Si f est paire : alors f = g, et par unicité du dl on déduit que :
c0 = c0 , c1 = −c1 , c2 = c2 , c3 = −c3 , . . .
ce qui donne bien la nullité des coefficients de degré impair.

Si f est impaire, alors f = −g, et par unicité on trouve de même que les coefficients de degré pair sont
nuls.
Remarque II.15. On peut supposer que f est seulement définie sur un ensemble I symétrique par rapport
à 0, tel que 0 est adhérent à I et le résultat tient toujours.
Les autres symétries rencontrées, tant qu’elles sont locales, se voient sur les dl : par exemple une symétrie
centrale pourra se lire sur les coefficients, mais pas la périodicité.
Corollaire II.16. Avec les mêmes notations, si on note f1 , f2 les fonctions respectivement paires et impaires
telles que f = f1 + f2 , alors f1 et f2 admettent les dl n suivant en 0 :
⌊n/2⌋
X
2 n
f1 (x) = c0 + c2 x + · · · + o(x ) = c2k x2k + o(xn ) ;
x→0 x→0
k=0
⌊n−1/2⌋
X
3 n
f2 (x) = c1 x + c3 x + · · · + o(x ) = c2k+1 x2k+1 + o(xn );
x→0 x→0
k=0
II.2 Formules de Taylor

Proposition II.17. Soit f une fonction continue sur un intervalle I admettant un dl n au voisinage de a.
Si F est une primitive de f sur I, alors F admet un dl n + 1 au voisinage de a.
Plus précisément, si :

x→a
alors :
c1 cn
(x − a)2 + · · · + (x − a)n+1 + o (x − a)n+1 .

F (x) = F (a) + c0 (x − a) +
x→a 2 n+1
Remarque II.18. Il y a certaines précautions à prendre avec ce résultat : déjà il faut prendre en compte
F (a) quand on primitive f , et surtout il faut considérer f continue sur I (pas seulement en a, ce qui
serait acquis par l’existence du dl) pour que F ait bien un sens, et que I soit un intervalle pour utiliser le
théorème des accroissements finis.
Démonstration. Avec les mêmes notations, considérons la fonction

n
X ck
φ : x 7→ F (x) − F (a) − (x − a)k+1 .
k=0
k + 1
Par construction, la fonction φ est dérivable sur I, et sa dérivée est donnée par :
n
X
∀x ∈ I, φ′ (x) = f (x) − ck (x − a)k
k=0
et ainsi φ′ (x) = o ((x − a)n ).

x→a
Si x ∈ I, par théorème des accroissements finis, il existe cx entre x et a tel que : φ(x)−φ(a) = φ′ (cx )(x−a).
Par composition, comme cx → a (par encadrement), alors : φ′ (cx ) = o((cx − a)n ).
x→a x→a
Comme |cx − a| ≤ |x − a|, alors φ′ (cx ) = o ((x − a)n ).
x→a
Et finalement : φ(x) − φ(a) = o ((x − a)n+1 ) de sorte que, en remplaçant φ par son expression :
|{z}
=0
n
X ck
(x − a)k+1 + o (x − a)n+1 .

F (x) = F (a) +
x→a
k=0
k+1
Remarque II.19. Cela veut dire qu’on peut primitiver un dl terme à terme : ce qui se comprend bien par
croissance de l’intégrale, dans la mesure ou primitiver un quantité petite donnera aussi une quantité petite.
En revanche, on ne dérive pas un dl : ce n’est pas parce qu’une fonction prend des petites valeurs que sa
dérivée aussi (par exemple cos est toujours entre les fonctions constantes de valeurs 1 et −1, mais cette
inégalité ne passe pas à la dérivation.
On peut en revanche dire que, si une fonction f possède un dl n, celui-ci est donné par la dérivée du dl
n + 1 d’une de ses primitives (par unicité du dl).
Corollaire II.20. La fonction tan admet le développement limité suivant en 0 :
x3
tan(x) = x + + o(x3 ).
x→0 3
Démonstration. On a déjà montré que tan(x) = x + o(x). Et ainsi :
x→0
tan2 (x) = (x + o(x))2 = x2 (1 + o(1))2 = x2 + o(x2 )

x→0 x→0 | {z } x→0
=1+o(1)
et donc, comme tan′ = 1 + tan2 , on déduit par intégration le dl de tan suivant :

x3 3 x3
tan(x) = tan(0) + x + + o(x ) = x + + o(x3 ).
x→0 3 3
Remarque II.21. On peut réitérer cette méthode pour obtenir de dl de tan à tout ordre : un dl n de tan
donne un dl n + 1 de 1 + tan2 , qui donne un dl n + 2 de tan, etc.
Notons au passage que, tan étant impaire, ses coefficients de degré pair sont nuls.
Théorème II.22 (Formule de Taylor–Young). Si f est une fonction de classe C n (pour n ∈ N) sur un
intervalle I, et a ∈ I, alors f admet un développement limité à l’ordre n en a, donné par :
n
X f (k) (a)
f (x) = (x − a)k + o ((x − a)n ) .
x→a
k=0
k!
Démonstration. On procède par récurrence sur n ∈ N.

Si n = 0 ou n = 1 : les résultats ont déjà été montrés.
Supposons le résultat vrai pour tout fonction de classe C n (pour n ∈ N), et considérons f de classe C n+1 .
Comme f ′ est de classe C n , alors par hypothèse de récurrence :
n n
X f ′(k) (a) X f (k+1) (a)
f ′ (x) = (x − a)k + o((x − a)n ) = (x − a)k + o ((x − a)n )
x→a
k=0
k! x→a
k=0
k!
et ainsi en primitivant le dl ci-dessus :
Pn f (k+1) (x − a)k+1
f (x) = f (a) + k=0 + o ((x − a)n+1 )
x→a k! k+1
Pn f (k+1)
= f (a) + k=0 (x − a)k+1 + o ((x − a)n+1 )
x→a (k + 1)!
Pn+1 f (k)
(a)
= k=0 (x − a)k + o ((x − a)n+1 )
x→a k!
Remarques II.23.
1. Les dérivées successives d’une fonction en un point a se lisent dont sur les coefficients de son
développement limité en a.
2. Si f est de classe C ∞ , elle admet donc des développements limités à tout ordre en tout point.
3. Cette formule coı̈ncide avec la formule de Taylor polynomiale, en ayant poussé suffisamment l’ordre
du développement pour que toutes les dérivées suivantes soient nulles.
4. Il existe d’autres formules de Taylor (Taylor–Lagrange et Taylor avec reste intégral) qui permettent
d’estimer plus précisément le o((x − a)n ) en fonction de la (n + 1)-ème dérivée de la fonction.
II.3 Développements limités usuels

Théorème II.24 (Développements limités usuels en 0). Pour n ∈ N∗ , on a :
n
X xk x2 x3 xn
1. ex = + o(xn ) = 1 + x + + + ··· + + o(xn ) ;
x→0
k=0
k! 2 6 n!
⌊n−1/2⌋
X x2k+1 x3 x5
2. sin(x) = (−1)k + o(xn ) = x − + − · · · + o(xn ) ;
x→0
k=0
(2k + 1)! 6 120
⌊n/2⌋
X x2k x2 x4
3. cos(x) = (−1)k + o(xn ) = 1 − + − · · · + o(xn ) ;
x→0
k=0
(2k)! 2 24
⌊n−1/2⌋
X x2k+1 x3 x5
4. sh(x) = + o(xn ) = x + + + · · · + o(xn ) ;
x→0
k=0
(2k + 1)! 6 120
⌊n/2⌋
X x2k x2 x 4
5. ch(x) = + o(xn ) = 1 + + + · · · + o(xn ) ;
x→0
k=0
(2k)! 2 24
n
1 X
6. = xk + o(xn ) = 1 + x + x2 + · · · + xn + o(xn ) ;
1 − x x→0 k=0
n
1 X
7. = (−x)k + o(xn ) = 1 − x + x2 − x3 + · · · + (−1)n xn + o(xn ) ;
1 + x x→0 k=0
n k
X
k−1 x nx2 x3 x4 n−1 x
n
8. ln(1 + x) = (−1) + o(x ) = x − + − + · · · + (−1) + o(xn ) ;
x→0
k=1
k 2 3 4 n
⌊n−1/2⌋
X x2k+1 x3 x5
9. Arctan(x) = (−1)k + o(xn ) = x − + − · · · + o(xn ) ;
x→0
k=0
2k + 1 3 5
10. si α ∈ R :
n
α
X α(α − 1) . . . (α − k + 1)
(1 + x) = xk + o(xn )
x→0 k!
k=0 .
α(α − 1) 2 α(α − 1) . . . (α − n + 1) n
= 1 + αx + x + ··· + x + o(xn )
x→0 2 n!
Démonstration. Pour ex , sin et cos on utilise la formule de Taylor–Young, et il suffit donc de calculer les
dérivées successives de ces fonctions en 0. Pour n ∈ N, on a :
— exp(n) (x) = exp(x), donc exp(n) (0) = 1 ;
0 si n est pair
— sin(n) (x) = sin(x + n π2 ), donc sin(n) (0) = ;
(−1)n−1/2 si n est impair

0 si n est impair
— cos(n) (x) = cos(x + n π2 ), donc cos(n) (0) = n/2 .
(−1) si n est pair
Pour sh et ch, on prend les parties respectivement impaire et paire de exp.
1 1
Le cas de a déjà été traité (par somme géométrique). On déduit le cas de en changeant x en
1−x 1+x
−x dans le dl (par opération sur les o).
On déduit alors le dl de x 7→ ln(1+x) par primitivation du dl précédent, en notant que ln(1+0) = ln(1) = 0.
1 1
Pour Arctan, on remplace x par x2 dans le dl de , ce qui donne le dl de , qu’on primitive pour
1+x 1 + x2
avoir celui de Arctan en notant que Arctan(0) = 0.
Pour (1 + x)α , la dérivée n-ème est donnée par α(α − 1) . . . (α − n + 1)(1 + x)α−n , qui vaut donc α(α −
1) . . . (α − n + 1) en 0. Et on conclut en appliquant la formule de Taylor–Young.
Remarque II.25. Pour (1 + x)α , si α ∈ N on trouve que :

α(α − 1) . . . (α − n + 1) α
=
n! n
et le dl de (1 + x)α correspond à la troncature de la formule donnée par le binôme en développant (1 + x)α .

On retrouve aussi que, pour k > α, le coefficient d’indice k dans le dl est nul, à la manière de ce qu’on
avait pour la formule de Taylor polynomiale.
Exemple II.26. À la manière de ce qu’on a fait pour Arctan, on peut donner les dl en 0 des fonctions
Arcsin et Arccos.
Par exemple pour Arcsin, on utilise que :
1 x2 3x4 1 · 3 · · · · · (2n − 1) 2n
Arcsin′ (x) = √ = (1 − x2 )1/2 = 1 + = + ··· + x + o(x2n+1 )
1−x 2 x→0 2 8 2n · n!
où on a utilisé que, pour α = − 21 :
−1 −3 −(2n − 1) 1 · 3 · · · · · (2n − 1)
α(α − 1)(α − 2) . . . (α − n + 1) = · · ··· · = (−1)n · .
2 2 2 2n
La dernière expression se simplifie en notant que :
1 · 2 · 3 · · · · · (2n − 1) · 2n (2n)!
1 · 3 · · · · · (2n − 1) = = n .
2 · 4 · . . . · · · 2n 2 · n!
En primitivant ce dl (comme Arcsin(0) = 0), on déduit que :
x3 3x5 1 · 3 · · · · · (2n − 1) 2n+1

Arcsin(x) = x+ + + ··· + n x + o(x2 n + 2)
x→0 6 40 2 · n! · (2n + 1)
Xn
1 2k 2k+1 .
2n+2
= x + o(x )
x→0
k=1
4k (2k + 1) k
Et on peut calculer le dl de Arccos de la même manière, ou utiliser que Arcsin + Arccos = π2 .
II.4 Opérations sur les développements limités

Remarque II.27. Les développements limités héritent des règles de calcul sur les o, et sont donc compatibles
avec somme, produit, quotient et composition.
La subtilité résidera dans l’optimisation de ces calculs, et notamment le fait de ne pas faire des dl d’ordre
plus grand que nécessaire, et de les tronquer au fur et à mesure pour éviter de manipuler trop de termes
dans les calculs.
Méthode II.28. Pour obtenir le dl n d’une combinaison linéaire, il suffit de prendre les dl n de chacune
des fonctions et de les regrouper terme à terme.
Exemple II.29. Donnons le dl 3 de f : x 7→ ex − ln(1 + x) en 0. On a :
x x2 x3 3 x2 x3
e = 1+x+ + + o(x ) et ln(1 + x) = x − + + o(x3 )
x→0 2 6 2 3
et ainsi :
x3
f (x) = 1 + x2 − + o(x3 ).
x→0 6
Méthode II.30. Pour obtenir un dl n d’un produit, il suffit de multiplier les dl n de chaque facteur, en
tronquant dès que l’on distribue.
Exemple II.31. Donnons le dl 4 de f : x 7→ ex cos(x) en 0. On a :
x2 x3 x4 x2 x4
ex = 1 + x + + + + o(x4 ) et cos(x) = 1 − + + o(x4 )
x→0 2 6 24 2 24
et ainsi :
x2 x3 x4 x2 x4

4 4
f (x) = 1+x+ + + + o(x ) · 1 − + + o(x )
x→0 2 6 24 2 24
x2 x3 x4 x 2 x3 x4
4
4 4 x
= 1+x+ + + + o(x ) + − − − + o(x ) + + o(x ) + o(x4 )
4
x→0 2 6 24 2 2 4 24
x3 x4
= 1+x− − + o(x4 )
x→0 3 6
Méthode II.32. Pour obtenir le dl n d’un produit, on commence par factoriser chaque facteur par son
équivalent, ce qui fait sortir un facteur de la forme (x − a)k , et on utilise ensuite des dl n − k des deux
facteurs restants.
Exemple II.33. Déterminons le dl 5 de f : x 7→ sin(x)Arcsin(x) en 0.

Comme sin(x) ∼ x et que Arcsin(x) ∼ x, alors on peut factoriser par x2 le produit des dl, et il suffit
x→0 x→0
sin(x) Arcsin(x)
d’avoir le dl 3 de et de , donc le dl 4 de sin(x) et de Arcsin(x). Par imparité, ceux-ci sont
x x
directement donnés par les dl 3.
On a :
x3 4 x3
sin(x) = x − + o(x ) et Arcsin(x) = x + + o(x4 )
x→0 6 x→0 6
et ainsi :
x3 x3

4 4
f (x) = sin(x)Arcsin(x) = x − + o(x ) · x + + o(x )
x→0 6 6
x2 x2

= x2 · 1 − + o(x3 ) · 1 + + o(x3 )
x→0 6 6
x2 x2

2 3 3 3
= x · 1+ + o(x ) − + o(x ) + o(x )
x→0 6 6
= x2 · (1 + o(x3 ))
x→0
= x2 + o(x5 )
x→0
Remarque II.34. Pour les puissances, le résultat reste le même : si f ∼ (x − a)k (à une constante
x→a
multiplicative près), pour déterminer le dl n de f l , il suffit de connaı̂tre le dl (n − k(l − 1)) de f .
Par exemple, le dl 1 de sin donne le dl n de sinn pour tout n. En revanche, pour cos, il faut le dl n de dl
n de cos pour avoir celui d’une de ses puissances.
Méthode II.35. Pour obtenir le dl n de la composée g ◦ f , on commence par exprimer le dl de g, dans

lequel on remplace la variable par f , puis par le dl de f . Le constat sur les puissances permet de savoir
jusqu’à quel ordre donner les dl de f et g.
Exemple II.36. Donnons le dl 4 en 0 de f : x 7→ ln(1 + sin(x)) en 0.

On a :
x2 x3 x4
ln(1 + x) = x − + − + o(x4 )
x→0 2 3 4
et donc par composition :
sin(x)2 sin(x)3 sin(x)4

f (x) = sin(x) − + − + o(sin(x)4 )
x→0 2 3 4
Comme sin(x) ∼ x, on a déjà que o(sin(x)4 ) = o(x4 ). Reste donc à trouver les dl 4 en 0 des puissances
x→0 x→0
de sin(x).
On a déjà :
x3 x2

4 2
sin(x) = x − + o(x ) = x · 1 − + o(x )
x→0 6 6
On déduit que :
2
x2 x2 x4

2 2 3 2
sin (x) = x · 1 − + o(x ) = x · 1 − + o(x ) = x2 −
3
+ o(x4 ).
x→0 6 3 3
Pour les autres puissances, on pourrait faire de même en calculant les dl par produit, mais on peut se
contenter d’équivalents, comme on sait déjà que sin3 et sin4 admettent des dl à tout ordre :
— on a : sin3 (x) ∼ x3 , donc sin3 (x) = x3 + ax4 + o(x4 ). Mais x 7→ sin3 (x) est impaire, donc a = 0,
x→0 x→0
et finalement :
sin3 (x) = x3 + o(x4 ).
x→0
— on a : sin4 (x) ∼ x4 , donc :

x→0
sin4 (x) = x4 + o(x4 ).
x→0
Et en réinjectant ces dl, on est ramené au dl d’une combinaison linéaire :

x3 1 x4 x3 x4

2
f (x) = x − − x − + − + o(x4 )
x→0 6 2 3 3 4 .
x2 1 3 x 4 4
= x− + x − + o(x )
x→0 2 3 12
Méthode II.37. Pour calculer le dl n de l’inverse d’une fonction, on se ramène à une composée avec
1
x 7→ en 0 en divisant la fonction par une constante pour qu’elle tende vers 1.
1±x
Le dl d’un quotient se déduit alors par produit.
Exemple II.38. Déduisons le dl de tan en 0 de ceux de sin et cos. Par exemple pour le dl 5.
Estimons d’abord les ordres des dl à faire. Comme on veut écrire :
1
tan(x) = sin(x) ·
cos(x)
sin(x) 1
et que sin(x) ∼ x et cos(x) ∼ 1, alors pour avoir le dl 5 de tan il faut le dl 4 de et de ,
x→0 x→0 x cos(x)
1
donc le dl 5 de sin(x) et le dl 4 de .
cos(x)
On utilise que :
x2 x4
cos(x) = 1 − + + o(x4 )
x→0 2 24
Et on utilise ensuite que :
1
= 1 − u + u2 − u3 + · · · + (−1)n un + o(un )
1+u
2 4
que l’on va appliquer avec u = − x2 + x24 + o(x4 ) = O(x2 ).
x→0
1
Comme on veut le dl 4 de , alors on veut le dl en u à l’ordre 2. On a alors :
cos(x)
1 1
= x2 4
cos(x) x→0 1− + x + o(x4 )
224 4
2
2 4
2 2 4
2 !
−x x −x x −x x
= 1− + + o(x4 ) + + + o(x4 ) + o + + o(x4 )
x→0 2 24 2 24 2 24
2 4 4
x x x
= 1+ − + + o(x4 )
x→0 22 24 4 4
x 5x
= 1+ + + o(x4 )
x→0 2 24
et par produit :
x3 x5 x2 5x4

5 4
tan(x) = x− + + o(x ) · 1 + + + o(x )
x→0 6 120 2 24
x3 5x5 x3 x5 x5
= x+ + − − + + o(x5 )
x→0 23 245 6 12 120
x 2x
= x+ + + o(x5 )
x→0 3 15
1
Exemple II.39. Donnons le dl 3 en 0 de . On a :
2 + ex
x2 x3 x x2 x3

x 3 3
2+e = 2+1+x+ + + o(x ) = 3 · 1 + + + + o(x )
x→0 2 6 3 6 18
et donc :
1 1 1
= · 2
x
2 + e x→0 3 x x x3
1+ + + + o(x3 )
3 6 18
et par composition, on a :
2
x x2 x3 x x2

1 x 3
= 1− + + + + o(x3 )
+ −
x x2 x3 x→0 3 6 18 3 3 6
1+ + + + o(x3 )
3 6 18
x x2 x3
2
x3
3
x x
= 1− + + + + −
x→0 3 6 18 9 9 27
x x2 x3
= 1− − + + o(x3 )
x→0 3 18 54
et finalement :
1 x x2 x3
f (x) = − − + + o(x3 ).
x→0 3 9 54 162
Méthode II.40. Pour calculer un dl ailleurs qu’en 0, on peut ou bien utiliser la formule de Taylor–Young
en calculant les dérivées successives, ou bien de ramener à des dl usuels en 0 par changement de variable
affine.
Exemple II.41. Donnons le dl 2 de ex au voisinage de 2. On peut procéder de deux manières :

— Avec la formule de Taylor–Young : il suffit de calculer les dérivées successives de la fonction expo-
nentielle en 2, ce qui donne :
∀k ∈ N, exp(k) (2) = exp(2) = e2
et en réinjectant dans la formule de Taylor–Young, on obtient :

2
x
X exp(k) (2) e2
(x − 2)k + o (x − 2)3 = e2 + e2 (x − 2) + (x − 2)2 + o((x − 2)2 ).

e =
x→2
k=0
k! 2
— Avec une composée : on écrit x = 2 + h, avec h qui tend vers 0. Et alors :
ex = e2+h= e2 · eh
h2

2 2
= e · 1+h+ + o(h )
x→2 2
e2
= e2 + e2 (x − 2) + (x − 2)2 + o((x − 2)2 )
x→2 2
Dans un cas comme dans l’autre, il n’est pas difficile d’adapter la méthode à des ordres arbitrairement
grands.
III Applications
III.1 Développement limité d’une fonction réciproque
Méthode III.1. Étant donnée une fonction f bijective de classe C n dont la réciproque f −1 est de classe C n ,
on peut déterminer un dl de f −1 en composant un dl hypothétique par f , et en utilisant que f ◦ f −1 (y) =
y = y + o(y n ) pour tout n ∈ N∗ .
y→0
Remarque III.2. On peut aussi utiliser que f −1 ◦ f = id, mais les calculs peuvent devenir plus compliqués.
III. APPLICATIONS 291
Exemple III.3. On considère la fonction f définie sur R par : f (x) = xexp(x2 ).

Alors la fonction f est dérivable sur R, de dérivée :
f ′ (x) = (2x2 + 1)exp(x2 ) > 0
donc f est continue strictement croissante sur R, avec lim f (x) = +∞ et lim f (x) = −∞, donc f
x→+∞ x→−∞
réalise une bijection strictement croissante de R sur R.
Comme f ′ ne s’annule jamais, et que f est de classe C ∞ , alors f −1 est aussi de classe C ∞ , donc admet en
tout point des dl de tout ordre.
Calculons le dl 4 de f −1 en 0. On l’écrit sous la forme :
f −1 (y) = a + by + cy 2 + dy 3 + ey 4 + o(y 4 )
Comme f est impaire, alors f −1 aussi, donc on a déjà : a = c = e = 0.

De plus, par les dl classiques, on a le dl suivant pour f :
f (x) = x · (1 + x2 + o(x3 )) = x + x3 + o(x4 ).

x→0 x→0
Soient x, y ∈ R. On a alors :
f ◦ f −1 (y) = (by + dy 3 ) + (by + dy 3 )3 + o(y 4 ) = by + (b3 + d)y 3 + o(y 4 )

y→0 y→0
f −1 ◦ f (x) = b(x + x3 ) + d(x + x3 )3 + o(x4 ) = bx + (b + d)x3 + o(x4 )

x→0 x→0
et ainsi :
— en utilisant que f ◦ f −1 (y) = y = y + o(y 4 ), on trouve par unicité d’un dl que b = 1 et b3 + d = 0,
y→0
donc d = −1 ;
— en utilisant que f −1 ◦ f (x) = x = x + o(x4 ), on trouve par unicité d’un dl que b = 1 et b + d = 0
x→0
donc d = −1.
Dans les deux cas on retrouve le même dl 4 de f −1 en 0, à savoir :
f −1 (y) = y − y 3 + o(y 4 )
x→0
III.2 Calcul de limites ou d’équivalents

Méthode III.4. Pour calculer une limite ou un équivalent d’une fonction, on peut effectuer son développe-
ment limité jusqu’au premier ordre où la partie régulière est non nulle : on déduit ainsi un équivalent de
la fonction, donc sa limite éventuelle.
1 + ln(1 + x) − ex
Exemple III.5. Déterminons la limite en 0 de la fonction f : x 7→ .
1 − cos(x)
On effectue séparément les dl du numérateur et du dénominateur jusqu’au premier terme non nul :
— pour le numérateur, un ordre 2 suffit :
x2 x2
1 + ln(1 + x) − ex = 1 + x − −1−x− + o(x2 ) = −x2 + o(x2 ) ∼ −x2
x→0 2 2 x→0 x→0
— c’est pareil pour le dénominateur :
x2 x2 x2
1 − cos(x) = 1 − 1 + + o(x2 ) = + o(x2 ) ∼
x→0 2 x→0 2 x→0 2
et ainsi :
−x2
f (x) ∼ = −2
x→0 x2 /2
donc f tend vers −2 en 0.
Remarque III.6. Il ne faudra pas pour autant systématiquement utiliser des dl : même si cela va aboutir,
les calculs sont souvent assez lourds (plus que des équivalents ou des théorèmes d’encadrement).
esin(x) − etan(x)
Par exemple, pour calculer la limite en 0 de x 7→ , on préfère y voir un taux d’accroissement
sin(x) − tan(x)
de exp entre deux quantités qui tendent vers 0, et qui tend donc vers exp′ (0) = 1 par théorème des
accroissements finis.
Remarque III.7. On pourra aussi parfois travailler avec des dl nuls mais tout de même avoir des résultats.
x − sin(x)
Par exemple, pour f : x 7→ , on trouve :
ln(1 + x)
o(x)
f (x) = = o(1) → 0.
x→0 x + o(x) x→0 x→0
mais dans ce cas on a seulement la limite (et pas un équivalent).
III.3 Position d’une courbe par rapport à sa tangente

Proposition III.8. Soit f définie au voisinage de a, qui admet un développement limité de la forme :
f (x) = f (a) + f ′ (a)(x − a) + α(x − a)n + o ((x − a)n )

x→a
pour n ≥ 2 et α ̸= 0, alors :
1. si n est pair : alors la courbe de f est au-dessus de sa tangente en a si α > 0 et en dessous sinon ;
2. si n est impair : alors la courbe de f traverse sa tangente en a, et on a un point d’inflexion.
Démonstration. L’équation de la tangente à la courbe de f est a est y = f (a) + f ′ (a)(x − a). Donc la
position de la courbe de f par rapport à cette courbe est donné par le signe de f (x) − f (a) − f ′ (a)(x − a)
au voisinage de a. D’après le dl de f , on a :
f (x) − f (a) − f ′ (a)(x − a) ∼ α(x − a)n

x→a
qui est donc du signe de α(x − a)n d’après les propriétés des équivalents, ce qui donne le résultat selon les
valeurs de α et n.
Exemple III.9. Au voisinage de 0, on a le dl suivant :
x3
sin(x) = x − + o(x3 )
x→0 6
donc la courbe de sin admet un point d’inflexion en 0.

y=x
1
sin
−3 −2 −1 0 1 2 3
−1
Corollaire III.10. Avec les mêmes notations, si f possède un point critique en a, alors :
1. si n est pair : f possède un maximum en a si α < 0 ou un minimum si α > 0 ;
2. si n est impair : f n’admet pas d’extremum en a.
III.4 Développements asymptotique

Remarque III.11. Les dl s’inscrivent dans un cadre restrictif d’approximation par des polynômes. Plus
généralement, on pourra utiliser des développements asymptotiques : des écritures de la forme :
f (x) = g0 (x) + g1 (x) + · · · + gn (x) + o(gn (x))

x→a
où les fonctions gi vérifient que pour k > l : gk (x) = o(gl (x)), et seront systématiquement des produits
x→a
ou puissances de fonctions usuelles (exp, ln ou puissances de x).
Et les mêmes types de développements s’appliquerait aussi pour des suites.
Ces développements sont d’autant plus intéressants quand les fonctions n’ont pas d’équivalent polynomial,
ou lorsqu’on se place en ±∞ (car alors les o(xn ) ne donnent pas beaucoup d’information sur la fonction).
Dans ce dernier cas, un développement asymptotique peut prendre la forme d’un développement limité en
1
x
ou en e−x (dont le calcul passe par celui d’un développement limité classique).
Exemples III.12.
1. au voisinage de 0, on a :
x3 ln(x) x5 ln(x)
ln(x)sin(x) = xln(x) − + + o(5ln(x))
x→0 6 120
2. au voisinage de +∞ :
x+2 1 1 + x2
=
x2 − 1 x 1− x12
1 2 1 1 1
= 1+ 1+ 2 + 4 +o 4
x→+∞ x x x x x
1 2 1 2 1 1
= + 2 + 3 + 4 + 5 +o
x→+∞ x x x x x x5
3. au voisinage de +∞ :
−x −x e−2x e−3x
ln(1 + e ) = e − + + o(e−3x ).
x→+∞ 2 3
Exemple III.13. Un développement asymptotique célèbre trouve ses origines dans la formule de Stirling,
qui donne un équivalent pour la factorielle :
√
n! ∼ nn e−n 2πn.

n! n!
On a ainsi que : √ → 1, donc ln √ = o(1), et ainsi ln(n!) a pour développement
nn e−n 2πn n→+∞ nn e−n 2πn
asymptotique :
ln(n) ln(2π)
ln(n!) = nln(n) − n + + + o(1).
2 2
Méthode III.14. Pour trouver l’asymptote d’une fonction f en ±∞, on peut chercher un développement
asymptotique de la forme :
f (x) = αx + β + o(1).
x→±∞
Dans ce cas, la droite d’équation y = αx + β est asymptote à f , et la position de la courbe de f par rapport
à l’asymptote est donnée par le signe de f (x) − αx − β, dont il suffit donc de trouver un équivalent.
Exemple
√ III.15.
√ Étudions les asymptotes éventuelles de la fonction définie sur R\] − 1; 1[ par : f (x) =
x2 + 1 + x2 − 1. √
On se ramène tout d’abord au dl de 1 + u en 0, à savoir :
√ u u2 u3
1+u = 1+ − + + o(u3 )
u→0 2 8 16
Et ainsi on déduit que :
√
r
1 1 1 1
x2 + 1 = |x| 1 + 2 = |x| 1 + 2 − 4 + o
x x→±∞ 2x 8x x4
√
r
1 1 1 1
x2 − 1 = |x| 1 − 2 = |x| 1 − 2 − 4 + o
x x→±∞ 2x 8x x4
ce qui donne le développement asymptotique pour f :

1 1
f (x) = |x| 2 − 4 + o
x→±∞ 4x x4
et donc :
1
— en +∞ : f (x) = 2x − + o(1/x3 ), donc f admet la droite d’équation y = 2x pour asymptote,
x→+∞ 4x3
et la courbe de f est en dessous de son asymptote ;
1
— en −∞ : f (x) = −2x + 3 + o(1/x3 ), donc f admet la droite d’équation y = −2x pour
x→−∞ 4x
asymptote, et la courbe de f est en dessous de son asymptote.
Et notons au passage que la parité de f permet de se contenter d’une étude en +∞ ou −∞ pour avoir les
deux résultats.
3
Cf
2 y = ±2x
−2 −1 0 1 2
Méthode III.16. On peut déterminer un développement asymptotique récursivement :

— on détermine un équivalent de la fonction f ou de la suite (un ) ;
— on retranche cet équivalent ;
et on répète les étapes précédentes : les équivalents ainsi trouvés constituent les termes du développement
asymptotique.
Remarque III.17. Un méthode qui ressemble beaucoup consiste à calculer des développements asymptotiques
que l’on réinjecte dans une égalité (une équation fonctionnelle par exemple) pour gagner des ordres à chaque
fois.
Exemple III.18. On considère la suite (un ) définie par le fait que, pour tout n ≥ 3, un est la plus petite
solution de l’équation ex = nx.
3
Les variations de fn : x 7→ ex − nx montrent que un ∈]0; [, donc (un ) tend vers 0. Mais on peut voir à
n
quelle vitesse.
Comme (un ) tend vers 0, alors un = o(1). Mais comme fn (un ) = 0, alors :
eun eo(1)

1 1
un = = = +o
n n n n
et en réinjectant ce développement plus poussé on trouve :

1 1
e n +o( n ) 1 1

1+ n
+o n 1 1 1
un = = = + 2 +o
n n n n n2
et on recommence :
1 12 1
+o( ) 1 1
en+n + 2n1 2 + o 1

n2 1+ n
+ n2 n2 1 1 3 1
un = = = + 2 + 2 +o
n n n n 2n n3
et on pourrait continuer sans se lasser...

Chapitre 20
Espaces vectoriels et applications linéaires
Dans tout ce chapitre, on désigne K un corps (par exemple R ou C), dont les éléments seront appelés
scalaires.
I Espaces vectoriels
I.1 La structure d’espace vectoriel
Définition I.1. Si E, F sont deux ensembles non vides, une loi de composition externe (abrégée en
lce) de F sur E est une application de F × E sur E.
Remarque I.2. Si · est une lce, on notera plus simplement λ · x au lieu de ·(λ, x).
Définition I.3. Si E est un ensemble muni d’une lci + et d’une lce · de K sur E, on dit que (E, +, ·) est
un K-espace vectoriel (ou espace vectoriel sur K, abrégé parfois K-ev) si :
1. (E, +) est un groupe abélien (qu’on notera additivement), et dont l’élément neutre 0E est appelé le
vecteur nul ;
2. ∀x ∈ E, 1 · x = x ;
3. ∀λ ∈ K, ∀x, y ∈ E, λ · (x + y) = λ · x + λ · y ;
4. ∀λ, µ ∈ K, ∀x ∈ E, (λ + µ) · x = λ · x + µ · y ;
5. ∀λ, µ ∈ K, ∀x ∈ E, (λµ) · x = λ · (µ · x).
Dans ce cas, les éléments de E sont appelés vecteurs.
Exemples I.4.
1. Sur K, on peut voir la multiplication comme une lce, ce qui fournit à K une structure d’espace
vectoriel. On peut même faire agir un sous-corps par multiplication sur K : par exemple, C est un
espace vectoriel sur C, sur R ou sur Q.
2. Plus généralement, pour n ∈ N∗ , la multiplication de toutes les coordonnées d’un élément de Kn par
un élément de K munit Kn d’une structure d’espace vectoriel sur K.
3. La multiplication scalaire munit Mn,p (K) d’une structure de K-espace vectoriel, tout comme la
multiplication par une constante dans K[X] ou K(X).
4. L’ensemble des solutions d’une équation différentielle linéaire homogène est aussi un K-ev, comme
l’ensemble des solutions d’un système linéaire homogène.
Proposition I.5 (Espace produit). Si E, F sont deux K-ev, alors l’ensemble E × F muni des opérations :
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) et λ · (x, y) = (λ · x, λ · y)
est un K-ev.
297
298 CHAPITRE 20. ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES
Démonstration. On avait déjà vu que le produit de deux groupes est un groupe. Reste à vérifier les
propriétés de la lce, qui découlent de celles pour E et F .
Pour (x, y) ∈ E × F , on a : 1 · (x, y) = (1 · x, 1 · y) = (x, y).
Si λ ∈ K et x1 , x2 ∈ E, y1 , y2 ∈ F , alors :
λ · ((x1 , y1 ) + (x2 , y2 )) = λ · (x1 + x2 , y1 + y2 ) = (λ · (x1 + x2 ), λ · (y1 + y2 ))
= (λ · x1 + λ · x2 , λ · y1 + λ · y2 ) = (λ · x1 , λ · y1 ) + (λ · x2 , λ · y2 )
= λ · (x1 , y1 ) + λ · (x2 , y2 )
Remarque I.6. Le résultat se généralise à un nombre fini de K-ev. Par exemple on retrouve que Kn =
K × · · · × K est un espace vectoriel, de vecteur nul (0, . . . , 0).
Proposition I.7. Si Ω est un ensemble non vide et E est un K-espace vectoriel, on munit F(Ω, E) de la
lci + et de la lce · suivantes :

Ω → E
∀f, g ∈ F(Ω, E), f + g : ;
x 7→ f (x) + g(x)

Ω → E
∀f ∈ F(Ω, E), ∀λ ∈ K, λ · f : .
x 7→ λ · f (x)
Alors (F(Ω, E), +, ·) est un K-espace vectoriel.
Démonstration. On vérifie facilement que (F(Ω, E), +) est un groupe : les propriétés de la loi + sur E
sont aussi vérifiées par les éléments de F(Ω, E). La fonction x 7→ 0E est son élément neutre, et l’opposé
d’une fonction f est la fonction x 7→ −f (x).
De même, il est clair que les propriétés de · sur E sont aussi vérifiées sur F(Ω, E).
Et finalement on a bien un K-ev.
Remarques I.8.
1. La situation la plus simple est lorsque E = K : la multiplication et l’addition sont directement celles
de K comme corps.
2. L’ensemble Ω n’a besoin d’aucune structure, comme toutes les opérations se font sur les images
d’éléments de Ω.
3. Dans le cas particulier où Ω = N et E = K, on trouve que l’ensemble des suites à valeurs dans K
est un K-espace vectoriel. Plus généralement, l’ensemble des suites à valeurs dans E est aussi un
K-ev.
Proposition I.9. Si (E, +, ·) est un K-ev, alors :
1. pour tous λ ∈ K et x ∈ E : λ · x = 0E ⇔ (λ = 0 ou x = 0E ) ;
2. pour tout x ∈ E : (−1) · x = −x.
Démonstration.
1. Si x = 0E , alors 0E + 0E = 0E donc λ · 0E = λ · 0E + λ · 0E , donc λ · 0E = 0E .
De même, si λ = 0 : 0 · x = (0 + 0) · x = 0 · x + 0 · x donc 0 · x = 0E .
Inversement, si λ ̸= 0, alors :

1
λ · x = 0E ⇒ λ · x = 0E ⇒ x = 0E
λ
ce qui montre bien l’équivalence.
2. Pour x ∈ E, on a :
(−1) · x + x = (−1) · x + 1 · x = (−1 + 1) · x = 0 · x = 0E
ce qui montre bien que (−1) · x est l’opposé de x, c’est-à-dire −x.
I. ESPACES VECTORIELS 299
I.2 Sous-espaces vectoriels

Définition I.10. Si (E, +, ·) est un K-ev et F est une partie de E, on dit que F est un sous-espace
vectoriel (abrégé sev) de E si F est stable par les lois + et · et que (F, +, ·) est un K-ev.
Remarque I.11. Les ensembles {0E } et E sont toujours des sev de E, qu’on appelle sous-espaces vec-
toriels triviaux.
Proposition I.12. Si (E, +, ·) est un K-ev et F est une partie de E, alors F est un sev de E si, et seulement
si :
1. F est non-vide ;
2. F est stable par combinaison linéaire : ∀x, y ∈ F, ∀λ ∈ K, λ · x + y ∈ F .
Démonstration. Par définition d’un sev, il est clair que, si F est un sev, alors il vérifie les deux propriétés.
Réciproquement, si F est non vide et stable par combinaison linéaire. Alors :
— en prenant λ = −1, on déduit déjà que : pour tous x, y ∈ F , on a x − y ∈ F . Comme F est non vide,
ceci assure déjà que F est un groupe abélien (c’est un sous-groupe de E, qui est abélien) ; ainsi F
est stable par la loi + ;
— donc 0E ∈ F , et en prenant y = 0E , on trouve que pour tout λ ∈ K et tout x ∈ F : λ · x ∈ F ; ainsi
F est stable par la loi · ;
— reste à vérifier que les propriétés qui relient les lois + et · sont bien celles d’un K-ev, mais celles-ci
découle du fait que F est une partie de E, donc les propriétés vérifiées pour les éléments de E le
sont aussi pour les éléments de F .
Remarque I.13. Comme pour les sous-groupes, un sev contient toujours 0E , donc en pratique on montrera
que 0E ∈ F pour s’assurer que F est non vide.
De même, pour des raisons de symétrie des rôles de x et y, on écrit parfois les combinaisons linéaires sous
la forme λx + µy, mais le résultat reste le même.
Exemples I.14.
1. Pour tout n ∈ N, l’ensemble Kn [X] est un sous-espace vectoriel de K[X].
2. Dans Mn (K), les ensembles de matrices triangulaires supérieures, triangulaires inférieures, diago-
nales, symétriques ou antisymétriques sont des sous-espaces vectoriels de Mn (K).
3. Dans KN , l’ensemble des suites de limite nulle est un sev. Plus généralement, l’ensemble des suites
de limite finie est aussi un sev de KN . Ce sont eux-même des sev du K-ev de l’ensemble des suites
bornées. Ce n’est en revanche pas le cas de :
— l’ensemble des suites de limite infinie : car, pour une telle suite (un ), (0 · un ) tend vers 0, donc
il n’est pas stable par · ;
— l’ensemble des suites ayant une limite : avec un = n + sin(n) et vn = −n, on trouve que
un + vn = sin(n) qui n’a pas de limite, donc il n’est pas stable par somme.
4. Dans R2 , les points de la droite d’équation ax + by = 0 (pour a, b ∈ R non tous nuls) est un sev de
R2 qu’on appelle droite vectorielle.
5. Dans R3 , les points du plan d’équation ax + by + cz = 0 (pour a, b, c ∈ R non tous nuls) est un sev
de R3 qu’on appelle plan vectoriel.
Proposition I.15. Si (Fi )i∈I est une famille de sev de E, alors F = ∩i∈I Fi est un sev de E.
Démonstration. Comme 0E ∈ Fi pour tout i ∈ I, alors 0E ∈ F et ainsi F ̸= ∅.
Si x, y ∈ F , λ ∈ K et i ∈ I : alors x, y ∈ Fi , qui est un espace vectoriel, donc λ · x + y ∈ Fi . Comme ceci
est vrai pour tout i, on déduit que λ · x + y ∈ F .
Donc F est un sev de E.
Remarque I.16. Comme pour les groupes, l’union ne se comporte pas bien avec les espaces vectoriels
(notamment à cause de leur structure de groupe).
Exemple I.17. On peut ainsi voir de deux manières que l’ensemble des solutions d’un système linéaire
homogène est un espace vectoriel :
— soit directement comme on a vu que c’est un ensemble non-vide (le vecteur nul est toujours solution)
stable par combinaison linéaire) ;
— soit en constatant que les solutions de chaque équation du système forme un sev de Rp : l’ensemble
solution du système complet est donc l’intersection de n sev de Rp , et est donc un sev de Rp .
Corollaire I.18. Si A ⊂ E est non vide, alors :
\
F
F sev de E
A⊂F
est le plus petit espace vectoriel contenant A.
II Famille de vecteurs
II.1 Combinaisons linéaires et sous-espaces engendrés
Définition II.1. Si x1 , . . . , xn ∈ E, on
P dit que x ∈ E est une combinaison linéaire de x1 , . . . , xn s’il
existe λ1 , . . . , λn ∈ K tels que : x = ni=1 λi · xi .
L’ensemble des combinaisons linéaires de x1 , . . . , xn est noté Vect(x1 , . . . , xn ), c’est-à-dire que :
( n )
X
Vect(x1 , . . . , xn ) = λi · xi | λ1 , . . . , λn ∈ K .
i=1
Exemple II.2. On se place dans R3 est on considère les vecteurs x1 = (1, −1, 0), x2 = (0, 1, −1) et
x3 = (−1, 0, 1). Alors :
Vect(x1 , x2 , x3 ) = {λx1 + µx2 + νx3 | λ, µ, ν ∈ R} .
Mais pour λ, µ, ν ∈ R on a :
λ · x1 + µ · x2 + ν · x3 = (λ, −λ, 0) + (0, µ, −µ) + (−ν, 0, ν) = (λ − ν, µ − λ, ν − µ) .
Et ainsi un élément (x, y, z) ∈ R3 est dans Vect(x1 , x2 , x3 ) si, et seulement si, il existe λ, µ, ν ∈ R tels
que : 
 λ−ν = x
µ−λ = y
ν−µ = z

que l’on peut résoudre comme un système en λ, µ, ν. En échelonnant, on trouve que le système est équivalent
à : 
 λ − ν = x
µ − ν = x+y
− µ + ν = z

qui admet donc une solution si, et seulement si x + y = −z, c’est-à-dire x + y + z = 0.

Et donc Vect(x1 , x2 , x3 ) est le plan d’équation x + y = z = 0.
Remarque II.3. La définition précédente se généralise à des familles ou des parties quelconques (éventuel-
lement infinies ou même vide) de E :
II. FAMILLE DE VECTEURS 301
— si A ⊂ E : on note Vect(A) l’ensemble des combinaisons linéaires d’un nombre fini d’éléments de
A: ( n )
X
Vect(A) = λi · xi | n ∈ N, x1 , . . . , xn ∈ A, λ1 , . . . , λn ∈ K .
i=1
— si (ai )i∈I est une famille d’éléments de E :

 

 X 

Vect(ai )i∈I = λj · xj | (λj ) ∈ J K .

 j∈J 

J ⊂ I fini
Dans tous les cas, on travaille avec des sommes finies et on utilise plutôt la notion de famille presque
nulle (ou famille à support fini) : étant donné A (fini ou non), c’est une famille (λa )a∈A telle que
{a ∈ A | λa ̸= 0} est fini. Et alors :
( )
X
Vect(A) = λa · A | (λa ) à support fini .
a∈A
Exemple II.4. D’après la formule de Taylor polynomiale, on a pour tout a ∈ K que :
Vect (X − a)k k∈J0;nK = Kn [X] et Vect (X − a)k k∈N = K[X].

Proposition-Définition II.5. Étant donnée A une partie de E :

1. Vect(A) est un sev de E.
2. C’est le plus petit sev de E contenant A, dans le sens où : si F est un sev contenant A, alors il
contient Vect(A).
On appellera ainsi Vect(A) le sous-espace vectoriel engendré par A.
Démonstration.
1. La combinaison linéaire nulle (obtenue ou bien avec la famille vide ou avec les scalaires tous nuls)
est dans Vect(A), donc 0E ∈ Vect(A) ̸= ∅.
Si x, y ∈ Vect(A) : quitte à rajouter des termes nuls dans les sommes qui suivent, on peut supposer
que :
Xn n
X
x= λi · ai et µ i · ai
i=1 i=1
pour λ1 , . . . , λn , µ1 , . . . , µn ∈ K et a1 , . . . , an ∈ A.
Et ainsi, pour tout ν ∈ K :
n
X
ν·x+y = (νλi + µi ) · ai ∈ Vect(A)
i=1
et donc Vect(A) est stable par combinaison linéaire.

Donc Vect(A) est un sev de E.
Pn
2. Soit F un sev de E contenant A. Soit x ∈ Vect(A). On écrit x = i=1 λi · ai pour λ1 , . . . , λn ∈ K
et a1 , . . . , an ∈ A.
Et alors :
— comme F contient A, il contient tous les ai ;
— comme F est stable par ·, il contient tous les λi · ai ;
— comme F est stable par +, il contient x.
Et donc Vect(A) ⊂ F .
Corollaire II.6. Si A, B sont deux parties de E, alors :

1. si A ⊂ B, alors Vect(A) ⊂ Vect(B) ;
2. si A ⊂ Vect(B), alors Vect(A ∪ B) = Vect(B).
Démonstration.
1. Comme B ⊂ Vect(B) et que A ⊂ B, alors A ⊂ Vect(B), donc Vect(A) ⊂ Vect(B).
2. On a déjà que Vect(B) ⊂ Vect(A ∪ B) comme B ⊂ A ∪ B.
Mais on a aussi que B ⊂ Vect(B) et A ⊂ Vect(B), donc A ∪ B ⊂ Vect(B), puis Vect(A ∪ B) ⊂
Vect(B).
Et l’égalité découle par double inclusion.
Remarque II.7. On pratique, on pourra utiliser ce résultat avec des familles finies. Par exemples, en
considérant les vecteurs x1 , . . . , xn , ce résultat dit que :
1. si m ≤ n : Vect(x1 , . . . , xm ) ⊂ Vect(x1 , . . . , xn ) ;
2. si xn ∈ Vect(x1 , . . . , xn−1 ), alors Vect(x1 , . . . , xn−1 ) = Vect(x1 , . . . , xn ).
Exemple II.8. Si on reprend les vecteurs x1 = (1, −1, 0), x2 = (0, 1, −1), x3 = (−1, 0, 1), on a x1 +x2 +x3 =
0, et donc : x3 = −x1 − x2 ∈ Vect(x1 , x2 ).
Et donc Vect(x1 , x2 , x3 ) = Vect(x1 , x2 ).
On peut le retrouver en notant qu’un élément (x, y, z) ∈ R3 est dans Vect(x1 , x2 ) si, et seulement si, il
existe λ, µ ∈ R tels que : 
 λ = x
µ−λ = y
−µ = z

qu’on résout pour obtenir le système équivalent :


 λ = x
µ = −z
0 = x+y+z

qui a donc une solution si, et seulement si, x + y + z = 0, et on retrouve le plan d’équation x + y + z = 0.
II.2 Familles génératrices

Définition II.9 (Famille génératrice). Une famille A (ou une partie) de E est dite génératrice si Vect(A) =
E, c’est-à-dire si tout vecteur de E peut s’écrire comme combinaison linéaire d’éléments de A.
Remarque II.10. On dit aussi que A engendre E.
Exemples II.11.
1. La famille (1, X, . . . , X n ) (pour n ∈ N) est une famille génératrice de Kn [X], tout comme les familles
(1, X − a, . . . , (X − a)n ) pour a ∈ K (par les formules de Taylor). Plus généralement, la famille
infinie (1, X − a, . . . , (X − a)n , . . . ) engendre K[X].
2. Les matrices élémentaires de taille n × p engendrent Mn,p (K).
Définition II.12 (Droite vectorielle). Un sev engendré par un unique vecteur non nul est appelé droite
vectorielle.
Exemple II.13. Reprenons dans R2 la droite d’équation ax + by = 0, et montrons qu’il s’agit d’une droite
vectorielle au sens de la définition précédente.
Le vecteur (x, y) ∈ R2 est un élément de la droite si, et seulement si, ax + by = 0, et donc :
— si a ̸= 0 : alors x = − ab y, donc (x, y) = − ab y, y = y · − ab , 1 = − ay · (b, −a) ;
— si a = 0 : on a b ̸= 0, donc y = 0, donc (x, y) = (x, 0) = xb · (b, −a).
et donc dans les deux cas (x, y) ∈ Vect((b, −a)) : on a donc bien une droite vectorielle.
II.3 Familles libres

Définition II.14 (Famille libre). Une famille A = (ai )i∈I de E est dite libre si pour toute famille (λi )i∈I à
support fini d’éléments de K : X
λi · ai = 0E ⇒ ∀i ∈ I, λi = 0
i∈I
c’est-à-dire si la seule combinaison linéaire nulle a tous ses coefficients nuls.

En particulier, si A = (a1 , . . . , an ) est une famille finie, alors A est libre si :
n
X
∀λ1 , . . . , λn ∈ K, λi · ai = 0 ⇒ λ1 = · · · = λn = 0.
i=1
Remarques II.15.
1. Il s’agit en fait d’une équivalence, mais la réciproque est toujours vérifiée.
2. On dit aussi que les éléments de A sont linéairement indépendants.
3. Une famille qui n’est pas libre est dite liée.
4. Ce résultat se transpose aux parties de E, mais l’intérêt des familles est qu’elles permettent d’ex-
primer des redondances.
5. Comme les combinaisons linéaires sont à support fini, une famille infinie est libre si, et seulement
si, toutes ses sous-familles finies sont libres.
Exemples II.16. 1. Dans R3 , la famille formée des vecteurs x1 = (1, −1, 0), x2 = (0, 1, −1), x3 =
(−1, 0, 1) est liée, puisque :
0 = x1 + x2 + x3 = 1 · x1 + 1 · x2 + 1 · x3
et que (1, 1, 1) ̸= (0, 0, 0).
2. Une famille formée d’un seul vecteur x est libre si, et seulement si, x est non nul :
— si x = 0 : alors 1 · x = 0, donc on a une combinaison linéaire nulle dont tous les coefficients ne
sont pas nuls ;
— si x ̸= 0 : alors pour tout λ ∈ K : λ · x = 0 ⇒ λ = 0, donc la famille est libre.
3. Sur Mn,p (K), les matrices élémentaires forment une famille libre, du fait de l’unicité de l’écriture :
le seul moyen d’écrire la matrice nulle comme combinaison linéaire de matrices élémentaires est
que tous les coefficients soient nuls.
4. Si A ∈ Mn (K), dont on note A1 , . . . , An les colonnes, on a pour tous λ1 , . . . , λn :
 
λ1
 .. 
λ1 A1 + · · · + λn An = A ·  . 
λn
et ainsi un combinaison linéaire nulle correspond à une solution à l’équation AX = 0 (d’inconnue
X ∈ Mn,1 (K)). Et donc la matrice A est inversible si, et seulement si, cette équation a pour seule
solution X = 0, c’est-à-dire si, et seulement si, les colonne de A forment une famille libre de
Mn,1 (K).
Proposition II.17. Une famille est liée si, et seulement si, l’un de ses vecteurs s’exprime comme combi-
naison linéaire d’autres de ses vecteurs.
Pour A = (ai )i∈I , cela revient à dire que :
X
∃i0 ∈ I, ∃(λi ) ∈ KI\{i0 } à support fini, ai0 = λi · ai .
i̸=i0
P
Démonstration. Si A est liée, notons (µi )i∈I famille non nulle à support finie telle que i∈I µi · ai = 0.
Comme (µi ) n’est pas nulle, il existe i0 ∈ I tel que µi0 ̸= 0. Ainsi, en posant pour tout i ̸= i0 : λi = − µµii ,
0
alors la famille (λi ) est bien définie, à support fini, et vérifie :
X µi X
ai0 = − · ai = λi · ai
µi0
i∈I\{i0 } i̸=i 0
ce qui montre la premièreP

implication.
Réciproquement, si ai0 = i̸=i0 λi · ai , alors en posant µi = λi si i ̸= i0 et µi0 = −1, on a :
X X
µ i · ai = λ i · ai − ai 0 = 0
i∈I i̸=i0
et la famille (µi ) est bien à support fini (comme les λi , comme on change seulement la valeur pour i0 ) et
non nulle (comme µi0 = 1 ̸= 0), donc la famille est liée.
Proposition-Définition II.18 (Vecteurs colinéaires). On dit que les vecteurs x, y ∈ E sont colinéaires si
la famille (x, y) est liée. C’est le cas si, et seulement si :
∃λ ∈ K, x = λ · y ou y = λ · x.
En particulier, si x est non nul, l’ensemble des vecteurs colinéaires à x constitue la droite vectorielle
Vect(x).
Démonstration. Le début découle du point précédent.

Pour l’ensemble des vecteurs colinéaires à x, par le point précédent, on a déjà qu’il contient Vect(x) (comme
ce sont exactement les combinaisons linéaires de x).
Inversement, si y est colinéaire à x, alors :
— soit y = λ · x : et alors y ∈ Vect(x) par définition ;
— soit x = λ · y : mais, comme x ̸= 0, alors λ ̸= 0 et donc y = λ1 · x ∈ Vect(x).
d’où l’autre inclusion, et donc le résultat.
Remarques II.19.
1. Le vecteur nul est colinéaire à tout autre vecteur.
2. Si x, y sont non nuls, alors ils sont colinéaires si, et seulement si, x = λ · y pour λ ∈ K∗ .
En particulier, la relation “être colinéaire à” définit une relation d’équivalence sur E \ {0}, et deux
éléments x, y ∈ E \ {0} sont dans la même classe si, et seulement si : Vect(x) = Vect(y).
Corollaire II.20. Une famille qui contient le vecteur nul, ou deux vecteurs colinéaires (par exemple deux
vecteurs égaux) est liée.
Proposition II.21. Soient A, B deux familles avec A ⊂ B :

1. si A est liée, alors B est liée ;
2. si B est libre, alors A est libre.
Démonstration. On pourrait montrer l’une ou l’autre des assertions, dans la mesure où elles sont
contraposées l’une de l’autre.
1. si A est liée : notons une combinaison linéaire nulle d’éléments de A à coefficients non tous nuls. C’est
donc (par l’inclusion A ⊂ B) une combinaison linéaire nulle à coefficients non tous nuls d’éléments
de B. Donc B est liée.
2. si B est libre : considérons une combinaison linéaire nulle d’éléments de A. Alors c’est une combi-
naison linéaire nulle d’éléments de B (par l’inclusion A ⊂ B), donc tous ses coefficients sont nuls
(comme B est libre). Donc A est libre.
Corollaire II.22. La famille A = (ai )i∈I est libre si, et seulement si, pour n’importe quel i0 ∈ I :
1. la famille Ai0 = (ai )i̸=i0 est libre ;
2. ai0 ∈
/ Vect(Ai0 ).
Remarque II.23. Ici, on peut librement interpréter le “n’importe quel” comme un quantificateur existenciel
ou universel et le résultat reste vrai.
Démonstration. Si A est libre : toute sous-famille de A est libre, donc pour tout i0 ∈ I la famille Ai0 est
libre, et aucun élément de A ne s’exprime comme combinaison linéaire des autres, donc ai0 ∈/ Vect(Ai0 ).
P
Inversement, si A est liée, notons i λi ai une combinaison linéaire nulle à support fini où tous les λi ne
sont pas nul, et considérons i0 ∈ I : P
— si λi0 = 0 : alors la famille Ai0 est liée, car l’un au moins des autres λi est non nul et i̸=i0 λi ai ;
−1 P
— si λi0 ̸= 0 : alors ai0 = λi ai ∈ Vect(Ai0 ).
λi0 i̸=i0
D’où l’équivalence.
Corollaire II.24. Si A est une famille et a est un vecteur, la famille A ∪ {a} est libre si, et seulement si,
la famille A est libre et que a ∈
/ Vect(A).
Proposition II.25. Une famille de polynômes de degrés deux-à-deux distincts est libre.
Démonstration. Soient P1 , . . . , Pn polynômes de degrés deux-à-deux distincts et λ1 , . . . , λn ∈ K tels que

P n
i=1 λi Pi = 0.
Quitte à renuméroter les polynômes, on peut supposer que deg(P1 ) < deg(P2 ) < · · · < deg(Pn ).
Mais alors :
n−1
X
λ n Pn = − λi Pi
i=1
et en passant au degré on déduit que λn = 0 car sinon on aurait :
deg(Pn ) ≤ max {deg(P1 ), . . . , deg(Pn−1 )} .
Et en itérant ce processus on trouve que tous les λi sont nuls, donc la famille est libre.
Remarque II.26. On a vu avec les polynômes de Lagrange qu’il existe des familles libres dont tous les
polynômes ont même degré.
Proposition II.27. Une famille A est libre si, et seulement si, tout élément de Vect(A) s’écrit de manière
unique comme combinaison linéaire d’éléments de A.
Démonstration. Si A est libre, notons x ∈ Vect(A). Quitte à rajouter des coefficients nuls dans les sommes
qui suivent, cela revient à dire qu’il existe a1 , . . . , an ∈ A, λ1 , . . . , λn , µ1 , . . . , µn ∈ K tels que :
n
X n
X
x= λi · ai = µ i · ai
i=1 i=1
et donc : n
X
0= (λi − µi ) · ai
i=1
et comme A est libre, on déduit que pour tout i : λi − µi = 0, c’est-à-dire λi = µi . D’où l’unicité.
Réciproquement, comme 0 ∈ Vect(A), si tout élément de Vect(A) s’écrit de manière unique, alors 0 aussi.
Et comme 0 s’écrit comme combinaison linéaire dont tous les coefficients sont nuls, toute combinaison
linéaire nulle a ses coefficients nuls : donc A est libre.
Remarque II.28. Ce résultat est surtout utile dans le sens direct : à la manière des systèmes linéaires, il
suffit de traiter le problème en 0 (l’analogue du problème homogène) pour avoir le résultat partout.
Par exemple, quand on a montré l’unicité de l’écriture pour les fonctions polynomiales, on aurait pu se
contenter de voir que la fonction nulle s’écrit de manière unique.
II.4 Bases
Définition II.29 (Bases). Une famille qui est à la fois libre et génératrice est appelée une base.
Exemples II.30.
1. la famille 1, X − a, . . . (X − a)n est une base de Kn ;
2. la famille des matrices élémentaires de taille n × p est une base de Mn,p (K) ;
3. la famille ((1, −1, 0), (0, 1, −1)) est une base du plan de R3 d’équation x + y + z = 0.
Proposition II.31. Une famille A est une base de E si, et seulement si, tout élément de E s’écrit de
manière unique comme combinaison linéaire d’éléments de A.
Démonstration. L’existence vient du côté “génératrice” et l’unicité du côté “libre”.

P
Définition II.32. Étant donnée une base B = (ei )i∈I d’un espace E et x ∈ E qu’on écrit x = i∈I xi · ei ,
on dit que les xi sont les coordonnées de x dans la base B
Remarque II.33. En pratique, on travaillera avec une base ordonnée, puisque les coordonnées ne sont pas
échangeable. Et on indicera souvent les éléments d’une base par l’ensemble J1; nK, et plus rarement J0; nK
ou N, mais en faisant toujours attention à l’ordre.
Et une base n’est pas unique (on l’a vu avec Kn [X] ou K[X] par exemple). Donc les coordonnées dépendent
de la base choisie.
Exemples II.34. Certains espaces vectoriels, qui reviennent souvent, on des bases standardisées, souvent
plus naturelles, appelées bases canoniques : celle-ci est unique, et soumise à de nombreuses conventions,
donc n’est pas à improviser mais à connaı̂tre. En voici quelques exemples :
1. pour Kn : ((1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1)) ;
2. pour Kn [X] : (1, X, X 2 , . . . , X n ) ;
3. pour K[X] : (1, X, X 2 , . . . , X n , X n+1 , . . . ) ;
4. pour Mn,p : (Ei,j ) 1≤i≤n
1≤j ≤p
III. SOMMES DE SOUS-ESPACES 307
Proposition II.35. Si P0 , . . . , Pn ∈ K[X] vérifient pour tout i : deg(Pi ) = i, alors la famille (Pi ) est une
base de Kn [X].
On parle alors de famille de polynômes de degrés échelonnés.
Démonstration. Comme les polynômes sont de degrés deux-à-deux distincts, on a déjà que la famille est
libre.
On montre qu’elle est génératrice en montrant par récurrence sur k ∈ J0; nK que Kk [X] = Vect(Pi )0≤i≤k :
— si k = 0 : si P ∈ K0 [X], alors P est constant (éventuellement nul) ; comme deg(P0 ) = 0, alors P0
est constant (non nul) donc P = PP0 · P0 ∈ Vect(P0 ) ;
— hérédité : si P ∈ Kk+1 [X] pour k ∈ J0, n − 1K, notons λ ∈ K le coefficient (éventuellement nul) de
P de degré k + 1, et µ celui (non nul) de Pk+1 . Alors P − µλ Pk+1 ∈ Kk [X] = Vect(P0 , . . . Pk ), donc
P ∈ Vect(P0 , . . . , Pk , Pk+1 ).
III Sommes de sous-espaces

III.1 Somme de deux sous-espaces vectoriels
Définition III.1. Si F, G sont deux sev de E, on définit leur somme, notée F + G, comme l’ensemble des
somme d’éléments de F et de G :
F + G = {x + y | x ∈ F, y ∈ G}.
Exemple III.2. Dans les matrices carrées, on a déjà vu que Sn (K) + An (K) = Mn (K).
Si on note T + (K) et T − (K) les ensembles de matrices respectivement triangulaires supérieures et infé-
rieures de taille n, alors : T + (K) + T − (K) = Mn (K).
Proposition III.3. Étant donnés F, G deux sev de E, alors F + G est un sev de E. C’est même le plus
petit sev de E contenant F et G, dans le sens où tout sev de E contenant F et G contient aussi F + G.
Démonstration. On a : 0 = |{z} 0 ∈ F + G donc F + G est non vide.
0 + |{z}
∈F ∈G
Si z1 , z2 ∈ F + G et λ ∈ K : notons z1 = x1 + y1 et z2 = x2 + y2 pour x1 , x2 ∈ F , y1 , y2 ∈ G. Alors :
λ · z1 + z2 = λ · (x1 + y1 ) + (x2 + y2 ) = λ · (x1 + x2 ) + (y1 + y2 ) ∈ F + G
| {z } | {z }
∈F ∈G
ce qui montre que F + G est bien un sev de E.
Si H est un sev de E qui contient F et G, considérons z = x + y ∈ F + G, avec x ∈ F et y ∈ G. Alors

x, y ∈ H, et donc z = x + y ∈ H. Donc F + G ⊂ H.
Remarque III.4. Une autre manière de formuler ce résultat est de dire que Vect(F ∪ G) = F + G.
Corollaire III.5. Si A, B sont deux parties de E, alors : Vect(A ∪ B) = Vect(A) + Vect(B).
En particulier, si A engendre F et B engendre G, alors A ∪ B engendre F + G.
III.2 Somme directe de deux sev

Définition III.6. Deux sev F, G de E sont dits en somme directe si tout élément de F + G s’écrit de
manière unique comme somme d’un élément de F et d’un élément de G, c”est-à-dire si :
∀x1 , x2 ∈ F, ∀y1 , y2 ∈ G, x1 + y1 = x2 + y2 ⇒ x1 = x2 et y1 = y2 .
Dans ce cas, on notera F ⊕ G au lieu de F + G.
Exemples III.7. Si on reprend les exemples précédents dans les matrices carrées, alors :
— les espaces Sn (K) et An (K) sont en somme directe : on avait montré l’unicité dans le chapitre sur
les matrices ;
— les espaces T + (K) et T − (K) ne sont pas en somme directe : comme on matrice diagonale est à la
fois triangulaire supérieure et inférieure, on a par exemple : In = In + |{z} 0 = |{z}0 + In .
|{z} |{z}
∈T + (K) ∈T − (K) ∈T + (K) ∈T − (K)
Donc l’écriture n’est pas unique.
Proposition III.8. Pour F, G deux sev de E, il y a équivalence entre :
1. F et G sont en somme directe ;
2. si x ∈ F et y ∈ G vérifient x + y = 0, alors x = y = 0 ;
3. F ∩ G = {0}.
Démonstration. Montrons que 1 ⇒ 2 ⇒ 3 ⇒ 1 ce qui montrera l’équivalence.
Pour 1 ⇒ 2 : comme tout élément de F + G s’écrit d’une seule manière, alors c’est le cas pour 0. Si x ∈ F
et y ∈ G vérifient x + y = 0, alors on a : x + y = 0 = |{z}
0 + |{z}
0 donc par unicité on déduit que x = y = 0.
∈F ∈G
Pour 2 ⇒ 3 : comme F ∩ G est un sev de E, alors 0 ∈ F ∩ G ; réciproquement, si x ∈ F ∩ G, alors on
a aussi que −x ∈ F ∩ G (comme F ∩ G est un ev), et alors : 0 = |{z} −x , et donc x = −x = 0. Et
x + |{z}
∈F ∈G
finalement F ∩ G = {0}.
Pour 3 ⇒ 1 : soit z ∈ F + G, que l’on écrit z = x1 + y1 = x2 + y2 pour x1 , x2 ∈ F et y1 , y2 ∈ G. Alors on
déduit que : x1 − x2 = y2 − y1 ∈ F ∩ G = {0}, donc x1 − x2 = y2 − y1 = 0, donc x1 = x2 et y1 = y2 . D’où
| {z } | {z }
∈F ∈G
l’unicité de l’écriture de z, donc F et G sont en somme directe.
Remarque III.9. Comme pour le fait d’être libre, on peut ramener le problème d’une combinaison linéaire
à un combinaison linéaire nulle.
III.3 Sous-espaces supplémentaires

Définition III.10. Deux sev F, G de E sont dits supplémentaires (dans E) si E = F ⊕ G, c’est-à-dire
si tout élément de E s’écrit de manière unique comme somme d’un élément de F et d’un élément de G.
Remarque III.11. Il y a en fait deux propriétés à vérifier : que F et G soient en somme directe, et que
leur somme soit égale à E.
Exemples III.12.
1. Dans Mn (K), les espaces Sn (K) et An (K) sont supplémentaires.
2. Sur C, vu comme R-espace vectoriel, les sev R et iR sont supplémentaires.
3. Dans F(R, R), les ensembles des fonctions paires et des fonctions impaires sont des espaces vectoriels
supplémentaires.
4. Par division euclidienne, si B ∈ K[X] est un polynôme non nul, alors les espaces Kdeg(B)−1 [X] (avec
la convention K−1 [X] = {0}) et B · K[X] = {B · P | P ∈ K[C]} sont supplémentaires dans K[X].
De mêmes, les espaces Kdeg(B)−1 [X] et B · Kn−deg(B) [X] sont supplémentaires dans Kn [X].
Remarque III.13. À part pour des sev triviaux, un supplémentaire n’est jamais unique. Plus précisément :
si F = {0} (resp. E), alors son seul supplémentaire est E (resp. {0}), et dans les autres cas il n’y a pas
unicité.
Par exemple, dans le plan, deux droites vectorielles distinctes (donc engendrées par des vecteurs non
colinéaires) sont toujours supplémentaires. Dans l’espace, un plan vectoriel et une droite vectorielle n’ap-
partenant pas à ce plan sont toujours supplémentaires.
III. SOMMES DE SOUS-ESPACES 309
Exemple III.14. Reprenons le plan d’équation x + y + z = 0 dans R3 que l’on note F . Considérons
u = (a, b, c) ∈
/ F , et posons G = Vect(u) la droite vectorielle engendrée par u. Montrons que F et G sont
supplémentaires car :
— F et G sont en somme directe : on peut voir que F ∩ G = {0}, car si (x, y, z) ∈ F ∩ G, alors il
existe λ ∈ R tel que : (x, y, z) = (λa, λb, λc) et alors x + y + z = 0 ⇔ λ(a + b + c) = 0 ⇔ λ = 0
(comme u ∈ / F , donc a + b + c ̸= 0).
x+y+z
— F et G engendrent E = R3 : si v = (x, y, z) ∈ R3 , posons λ = . Alors :
a+b+c
v = (v − λ · u) + λ ·u
| {z } |{z}
∈F ∈G
où le seul point subtile est que v −λ·u ∈ F , et qui vient du fait qu’il est égal à (x−λa, y −λb, z −λx),
donc la somme de ses coordonnées vaut :
(x + y + z) − λ(a + b + c) = (x + y + z) − (x + y + z) = 0.
Et donc on a bien que F ⊕ G = R3 .
Proposition III.15. Si F et G sont supplémentaires dans E, que A est une base de F et que B est une
base de G, alors A ∪ B est une base de E.
Démonstration. Montrons que A ∪ B est libre et génératrice.

Comme A engendre F et B engendre G, alors A ∪ B engendre F + G = E, donc est génératrice.
Donnons-nous une combinaison linéaire nulle de A ∪ B, à partir de deux familles (λa ) ∈ KA et (µb ) ∈ KB
à supports finis : X X
λa · a + µb · b = 0.
a∈A b∈B
Et donc : X X
λa · a = − µb · b = 0.
a∈A b∈B
| {z } | {z }
∈F ∈G
comme F et G sont en somme directe, donc F ∩ G = {0}.

Et comme A, B sont libres, on déduit que (λa ) et (µb ) sont nulles, donc la combinaison linéaire initiale a
tous ses coefficients nuls, donc la famille A ∪ B est libre.
Et finalement : A ∪ B est une base de E.
Remarque III.16. On a même une équivalence : F et G sont supplémentaire dans E si, et seulement si,
toute (une) concaténation d’une base de F et d’une base de G est une base de E. Le résultat se montre
de manière très proche : on relie la liberté de la famille au fait d’avoir une somme direct, et le caractère
générateur de la famille à celui de la somme des espaces vectoriels.
III.4 Généralisation à un nombre fini d’espaces vectoriels

Définition III.17. Pour n ∈ N∗ et F1 , . . . , Fn des sev de E, on définit de même leur somme comme
l’ensemble des sommes d’éléments de F1 , . . . , Fn :
n
( n )
X X
F1 + · · · + Fn = Fi = xi | (x1 , . . . , xn ) ∈ F1 × · · · × Fn .
i=1 i=1
Ln
On parlera de somme directe, que l’on notera F1 ⊕ · · · ⊕ Fn ou i=1 Fi , si toute écriture comme somme
d’éléments de F1 , . . . , . . . Fn est unique.
Pn
Proposition III.18. Avec les mêmes notations, i=1 Fi est un sev de E : c’est même le plus petit sev de
E contenant chacun des Fi .
Démonstration. Comme pour deux espaces, ou par récurrence sur le nombre d’espaces.
Proposition III.19. Avec les mêmes notations, il y a équivalence entre :

1. F1 , . . . , Fn sont en somme directe ;
2. si (x1 , . . . , xn ) ∈ F1 × · · · × Fn vérifie x1 + · · · + xn = 0, alors x1 = · · · = xn = 0 ;
P
3. pour tout k ∈ J1; nK : Fk ∩ i̸=k Fi = {0}.
Démonstration. Comme pour deux espaces, par implications circulaires.
Remarque III.20. Que ce soit pour 2 ou davantage d’espaces, la somme des Fi est directe si, et seulement
si, l’application φ ci-dessous est bijective :

F1 × · · · × Fn → E
φ:
(x1 , . . . , xn ) 7→ x1 + · · · + xn
et on verra d’autres manières de caractériser la bijectivité, donc d’autre manière de caractériser les sommes
directes.
IV Applications linéaires
IV.1 Généralités
Définition IV.1. Soient E, F deux K-ev. Une application f : E → F est appelée application linéaire
si :
∀x, y ∈ E, ∀λ ∈ K, f (λ · x + y) = λ · f (x) + f (y).
On note L(E, F ) l’ensemble des applications linéaires de E dans F .
Remarques IV.2.
1. En prenant λ = 1, on déduit qu’une application linéaire est aussi un morphisme de groupe (et la
réciproque est fausse). En particulier, on aura toujours f (0E ) = 0F .
2. Comme un C-espace vectoriel est aussi un R-espace vectoriel, alors on précisera parfois le corps
considéré en disant qu’une application est K-linéaire.
Exemples IV.3.
1. Sur R (vu comme une droite vectorielle), les applications linéaires sont exactement celles qu’on
avait appelées ainsi avant : les applications x 7→ ax pour a ∈ R.
2. Sur C, les similitudes qui fixent O sont C-linéaires ; la conjugaison complexe n’est pas C-linéaire
mais elle est R-linéaire, tout comme les applications z 7→ Re(z) ou z 7→ Im(z).
3. Sur les matrices, la transposition est une application linéaire de Mn,p (K) dans Mp,n (K).

Mp,1 (K) → Mn,1 (K)
4. Si A ∈ Mn,p (K), l’application fA : est un application linéaire, qu’on
X 7→ AX
appelle application linéaire canoniquement associée à A.
5. Peu importe F , l’application x 7→ 0F définie de E vers F est linéaire : c’est la seule application
linéaire constante.
IV. APPLICATIONS LINÉAIRES 311
Proposition IV.4. Si f ∈ L(E, F ), λ1 , . . . , λn ∈ K et x1 , . . . , xn ∈ E, alors :

n
! n
X X
f λi · x i = λi · f (xi ).
i=1 i=1
Démonstration. Par récurrence sur n ∈ N∗ .
Proposition IV.5. L’ensemble L(E, F ) est un sev de F(E, F ).
Démonstration. On a déjà dit que l’application nulle est linéaire, donc L(E, F ) est non vide.
Si f, g ∈ L(E, F ) et λ ∈ K, alors pour tous x, y ∈ E et µ ∈ K on a :
(λ · f + g)(µ · x + y) = λ · f (µ · x + y) + g(µ · x + y)
= λ · (µ · f (x) + f (y)) + µ · g(x) + g(y)
.
= µ · (λ · f (x) + g(x)) + (λ · f (y) + g(y))
= µ · (λ · f + g)(x) + (λ · f + g)(y)
Proposition IV.6. La composée de deux applications linéaires est une application linéaire, c’est-à-dire que,
si E, F, G sont des K-ev, f ∈ L(E, F ) et g ∈ L(F, G), alors g ◦ f ∈ L(E, G).
Démonstration. Si x, y ∈ E et λ ∈ K, alors :
(g ◦ f )(λ · x + y) = g (λ · f (x) + f (y)) = λ · g(f (x)) + g(f (y)) = λ · (g ◦ f )(x) + (g ◦ f )(y).
Proposition IV.7. La composition est une application bilinéaire, dans le sens où, si E, F, G sont des espaces
vectoriels, et f0 ∈ L(E, F ), g0 ∈ L(F, G), alors les applications :

L(E, F ) → L(E, G) L(E, G) → L(E, G)
φ: et ψ :
f 7→ g0 ◦ f g 7→ g ◦ f0
sont des applications linéaires.
Démonstration. Immédiat par le calcul.
Définition IV.8. Une application linéaire bijective est appelée un isomorphisme.
Remarque IV.9. Étant donnés E, F deux espaces vectoriels, il n’existe pas toujours d’isomorphisme de E
vers F . Mais si un tel isomorphisme existe, on dira que E et F sont isomorphes.
Proposition IV.10. Si f est un isomorphisme de E sur F , alors f −1 est un isomorphisme de F sur E.
Démonstration. La seule chose à vérifier est que la réciproque d’une application linéaire bijective est aussi
linéaire.
Soient x, y ∈ F et λ ∈ K. Alors :
f (λ · f −1 (x) + f −1 (y)) = λf (f −1 (x)) + f (f −1 (y)) = λ · x + y
et ainsi λ · f −1 (x) + f −1 (y) est l’unique antécédent de λ · x + y par f , c’est-à-dire : f −1 (λ · x + y) =

λ · f −1 (x) + f −1 (y). D’où la linéarité.
IV.2 Images directes et images réciproques

Proposition IV.11. Si f ∈ L(E, F ), alors :
1. si A est un sev de E, alors f (A) est un sev de F ;
2. si B est un sev de F , alors f −1 (B) est un sev de E.
Démonstration.
1. Comme A est un sev de E, alors 0 ∈ A donc f (0) = 0 ∈ f (A), donc A est non vide.
Si y1 , y2 ∈ f (A), notons x1 , x2 ∈ A tels que f (x1 ) = y1 , f (x2 ) = y2 . Alors pour λ ∈ K :
λy1 + y2 = λf (x1 ) + f (x2 ) = f (λx1 + x2 ) ∈ f (A)
comme A est un espace vectoriel. Donc f (A) est bien un sev.

2. Comme B est un sev de F , alors 0 = f (0) ∈ B, donc 0 ∈ f −1 (B).
Si x1 , x2 ∈ f −1 (B) et λ ∈ K, alors f (x1 ), f (x2 ) ∈ B, donc λf (x1 ) + f (x2 ) = f (λx1 + x2 ) ∈ B. Et
ainsi λx1 + x2 ∈ f −1 (B).
Donc f −1 (B) est bien un espace vectoriel.
Corollaire IV.12. Soit f ∈ L(E, F ) :

1. en tant que morphisme de groupe, son noyau Kerf = f −1 ({0}) est bien défini, et est un sev de E ;
2. en tant qu’application, son image Imf = f (E) est bien définie, et est un sev de F .
Exemple IV.13. Ce résultat permet rapidement de montrer qu’un ensemble est un espace vectoriel en le
voyant comme l’image ou le noyau d’une application linéaire. Par exemple, si on considère sur Mn (K)
M + MT
l’application linéaire φ : M 7→ (qui est linéaire comme combinaison d’applications linéaires, par
2
linéarité de la transposition). Et ainsi :
— Sn (K) = Imφ est un sev de Mn (K) ;
— An (K) = Kerφ est un sev de Mn (K).
M − MT
et on aurait pu aussi utiliser l’application ψ : M 7→ .
2
On pouvait simplifier aussi en ne divisant par par 2 dans ψ et φ, d’après le résultat qui suit.
Exemple IV.14. Si q ∈ K, l’ensemble des suites géométriques de raison q est un espace vectoriel : c’est le
noyau de l’application :
KN → KN
φ:
(un ) 7→ (un+1 − q · un )
Et on pourrait faire le même genre de raisonnements pour d’autres classes de suites.
Par exemple, si a, b ∈ K, l’ensemble des suites linéaires récurrentes d’ordre 2 définies par la relation :
un+2 + aun+1 + bun = 0 forment le noyau de l’application (un ) 7→ (un+2 + aun+1 + bun ).
On peut aussi retrouver que Rn [x] est un sev de C ∞ (R, R), en tant que noyau de l’application f 7→ f (n+1) .
Proposition IV.15. Si f ∈ L(E, F ) et λ ∈ K∗ , alors :
Ker(λf ) = Ker(f ) et Im(λf ) = Imf.
Démonstration. Comme λ ̸= 0, on a les équivalences suivantes :
λy = 0 ⇔ y = 0 et λx ∈ E ⇔ x ∈ E
et donc :
— en appliquant la première avec y = f (x) pour x ∈ E :

x ∈ Kerf ⇔ f (x) = 0 ⇔ λf (x) = 0 ⇔ x ∈ Ker(λf )
— en appliquant la seconde avec x ∈ E :
y ∈ Im(λf ) ⇔ ∃x ∈ E, y = λf (x) = f (λx) ⇔ ∃x′ ∈ E, y = f (x′ ) ⇔ y ∈ Imf.
Proposition IV.16. Si f ∈ L(E, F ), alors :

1. f est injective si, et seulement si, Kerf = {0} ;
2. f est surjective si, et seulement si, Imf = F .
Démonstration. Découle des résultats pour les morphismes de groupe (pour le noyau) et pour les applica-
tions (pour l’image).
Proposition IV.17. Si f ∈ L(E, F ) et que (xi )i∈I est une famille génératrice de E, alors la famille (f (xi ))i∈I
engendre Imf .
Démonstration. On veut montrer que Imf = Vect(f (xi ))i∈I , ce que l’on fait par double inclusion.
Comme les xi sont dans E, alors les f (xi ) sont des éléments de Imf , qui est un espace vectoriel, donc
Vect(f (xi ))i∈I ⊂ Imf .
Inversement, si y ∈ Imf , notons x ∈ E tel P que f (x) = y. Comme (xi )i∈I engendre E, alors il existe une
famille (λi )i∈I à support fini telle que : x = i∈I λi xi . Et alors :
!
X X
y = f (x) = f λ i xi = λi f (xi ) ∈ Vect(f (xi ))i∈I
i∈I i∈I
ce qui donne l’autre inclusion.

IV.3 Endomorphismes
Définition IV.18. Une application linéaire de E dans E est appelée un endomorphisme de E. On note
L(E) l’ensemble des endomorphismes de E.
Un endomorphisme bijectif de E est appelé un automoprhisme. On note GL(E) l’ensemble des auto-
morphismes de E.
Exemple IV.19. L’application identité idE est un endomorphisme de E, et c’est même un automorphisme.
Les applications de la forme λ · idE pour λ ∈ K∗ aussi : ce sont les homothéties de E.
Proposition IV.20. (L(E), +, ◦) est un anneau.
Démonstration. Comme (L(E), +, ·) est un ev, alors (L(E), +) est un groupe abélien, dont l’élément neutre
est l’application nulle.
La composition laisse stable L(E), est associative, et possède pour élément neutre l’application idE ∈ L(E).
La bilinéarité assure la distributivité de ◦ par rapport à +.
Remarque IV.21. En particulier on pourra utiliser toutes les règles de calcul dans les anneaux : puissances,
binômes (en cas de commutativité), nilpotence, etc. Pour la composition, si f, g ∈ L(E), on notera plus
simplement gf au lieu de g ◦ f , et f k (pour k ∈ N) au lieu de f ◦ · · · ◦ f . Si de plus f ∈ GL(E), alors on
| {z }
k fois
notera f k pour k ∈ Z, défini f k si k ∈ N et (f −1 )−k si k < 0.
De plus, dès lors que E n’est pas une droite ou {0}, alors L(E) n’est pas commutatif.
Corollaire IV.22. (GL(E), ◦) est un groupe.
En particulier, c’est un sous-groupe de S(E).
Démonstration. Il s’agit du groupe des inversibles de l’anneau (L(E), +, ◦).
IV.4 Projecteurs et symétries

Définition IV.23. Soit E un espace vectoriel, et F, G deux sev supplémentaires dans E. On appelle alors
le projecteur sur F parallèlement à G l’application :

E → E
p:
x = xF + xG 7→ xF
où l’écriture x = xF + xG est l’unique écriture d’un élément de E comme somme d’un élément de F et
d’un élément de G.
G G
xG x = x F + xG xG x = xF + xG
F
F
xF = p(x) xF = p(x)
Remarques IV.24.
1. Le fait que F et G soient supplémentaires permet d’avoir une application bien définie : la somme
directe permet qu’elle soit bien définie sur F + G, et le fait que F + G = E permet donc de la définir
sur E entier.
2. Si on inverse les rôles de F et G, on obtient un autre projecteur q tel que p + q = idE .
Proposition IV.25. Avec les mêmes notations, p est un endomorphisme idempotent de E, c’est-à-dire
tel que p ◦ p = p.
Démonstration. La linéarité vient de l’unicité de l’écriture : si x, y ∈ E avec x = xF +xG et y = yF +yG ∈ E
leurs décompositions, et λ ∈ K, alors :
λ · x + y = λ · (xF + xG ) + (yF + yG ) = λ · xF + yF + λ · xG + yG
| {z } | {z }
∈F ∈G
et donc par définition de p on a : p(λ · x + y) = λ · xF + yF = λ · p(x) + p(y). Donc p ∈ L(E).

De plus, on a :
p(x) = xF = xF + |{z}0
|{z}
∈F ∈G
donc p(p(x)) = xF = p(x). Et comme ceci est vrai pour tout x, on a bien p ◦ p = p.
Théorème IV.26. Les projecteurs de E sont exactement les endomorphismes idempotents p de E.
Pour un tel p, il s’agit plus précisément de la projection sur Imp parallèlement à Kerp.
Démonstration. On a déjà vu qu’un projecteur est un endomorphisme idempotent.
Réciproquement, soit p ∈ L(E) vérifie p ◦ p = p. Montrons que Imp et Kerp sont supplémentaires, et que
p est le projecteur sur Imp parallèlement à Kerp.
— si x ∈ E, alors x = p(x) + x − p(x) avec :

|{z} | {z }
=x1 =x2
— par définition, x1 ∈ Imp ;
— par linéarité et idempotence de p : p(x2 ) = p(x) − p ◦ p(x) = 0, donc x2 ∈ Kerp.
Donc Imp et Kerp engendrent E.
— si x ∈ Imp ∩ Kerp, alors il existe y ∈ E tel que p(y) = x et p(x) = 0. Mais, par idempotence, on a :
x = p(y) = p ◦ p(y) = p(x) = 0
donc Imp ∩ Kerp = {0}, donc Imp et Kerp sont en somme directe.
Donc Imp et Kerp sont supplémentaires.
Mais alors, on a pour tout x ∈ E :
x = p(x) + (x − p(x))
|{z} | {z }
∈Imp ∈Kerp
donc p est l’application qui associe à x sa composante suivant Imp associé à la décomposition E =
Imp ⊕ Kerp : c’est donc le projecteur sur Imp parallèlement à Kerp.
Remarque IV.27. Comme Imp et Kerp sont supplémentaires, on déduit que l’on a l’équivalence : Imp =
E ⇔ Kerp = {0}. Ainsi, on a équivalence entre : p injectif, p surjectif et p bijectif (ce qu’on avait déjà vu
avec les applications idempotentes), et que dans ce cas p = id.
Proposition IV.28. Si p ∈ L(E), alors p est un projecteur si, et seulement si :
Imp = Ker(p − idE ).
Remarque IV.29. Pour x ∈ E, on a :
x ∈ Ker(p − idE ) ⇔ (p − idE )(x) = 0 ⇔ p(x) = x
et plus généralement, pour f ∈ L(E) et λ ∈ K, on a :
x ∈ Ker(f − λidE ) ⇔ f (x) = λ · x
et ces ensembles ont un rôle très important pour analyser des endomorphismes.
Démonstration. Si p est un projecteur :
— comme p ◦ p = p, alors pour tout x ∈ Imp, on a : p(x) = x donc Imp ⊂ Ker(p − idE ) ;
— réciproquement, si p(x) = x, alors : x est sa propre image donc x ∈ Imp.
ce qui montre bien l’égalité.
Si Imp = Ker(p − idE ), alors pour tout x ∈ E, on a p(x) ∈ Imp = Ker(p − idE ), et donc : p(p(x)) = x.
Donc p est idempotent : c’est un projecteur.
Remarque IV.30. Dans la démonstration, on voit que seule l’inclusion Imp ⊂ Ker(p − idE ) est liée au fait
d’avoir un projecteur : l’autre inclusion est en fait toujours vérifiée.
M + MT
Exemple IV.31. Considérons l’application φ ∈ L(Mn (K)) telle que φ : M 7→ .
2
Alors φ est le projecteur sur Sn (K) parallèlement à An (K). On a en effet :
T
M +M T M +M T
2
+ 2
M +M T +M T +M
M + MT
2
∀M ∈ Mn (K), φ ◦ φ(M ) = = = = φ(M )
2 2 2
donc φ est une application linéaire involutive : c’est un projecteur.
De plus, on a pour tout M ∈ Mn (K) :
M +M T
— M ∈ Kerφ ⇔ = 0 ⇔ M + M T = 0 ⇔ M ∈ An (K), donc Kerφ = An (K) ;
2
M + MT
— M ∈ Imφ ⇔ M ∈ Ker(φ − id) ⇔ φ(M ) = M ⇔ = M ⇔ M = M T ⇔ M ∈ Sn (K).
2
Définition IV.32. Soit E un espace vectoriel, et F, G deux sev supplémentaires de E. On appelle alors
symétrie par rapport à F parallèlement à G l’application :

E → E
s:
x = xF + xG 7→ xF − xG
où l’écriture x = xF + xG est l’unique écriture d’un élément de E comme somme d’un élément de F et
d’un élément de G.
G G
xG x = xF + xG xG x = xF + xG
F
F
xF xF
−xG −xG
s(x) = xF − xG s(x) = xF − xG
Proposition IV.33. Avec les mêmes notations, si p désigne le projecteur sur F parallèlement à G, alors :
s = 2p − idE .
Démonstration. En gardant les notations, si x ∈ E, alors :
(2p − idE )(x) = 2xF − (xF + xG ) = xF − xG = s(x).
Corollaire IV.34. Avec les mêmes notations, s est un endomorphisme de E involutif, c’est-à-dire tel que
s ◦ s = idE .
Démonstration. Comme s = 2p − idE , on a déjà que s ∈ L(E). Et comme p et idE commutent, on a :
s2 = (2p − idE )2 = 4p2 − 4p + idE = idE
en utilisant quand p2 = p.
Théorème IV.35. Les symétries de E sont exactement les endomorphismes involutifs s de E.

Pour un tel s, il s’agit plus précisément de la symétrie par rapport à Ker(s − idE ) parallèlement à Ker(s +
idE ).
Démonstration. On a déjà vu qu’une symétrie est un endomorphisme involutif.

s + idE
Réciproquement, soit s ∈ L(E) tel que s ◦ s = idE . Notons p = . Alors :
2
s2 + 2s + idE s + idE
p◦p= = = p.
4 2
Donc p est le projecteur sur Imp parallèlement à Kerp, et s = 2p − idE est la symétrie par rapport à Imp
parallèlement à Kerp.
Mais on a aussi que :
s − idE
— Imp = Ker(p − idE ) = Ker = Ker(s − idE ) ;
2
s + idE
— Kerp = Ker = Ker(s + idE ).
2
Et finalement, s est la symétrie par rapport à Ker(s − idE ) parallèlement à Ker(s + idE ).
Remarque IV.36. On peut réécrire ces deux noyaux de la manière suivante :
Ker(s − idE ) = {x ∈ E | s(x) = x} et Ker(s + idE ) = {x ∈ E | s(x) = −x}.
IV.5 Détermination d’une application linéaire

Proposition IV.37. Étant données (xi )i∈I une base de E, et (yi )i∈I une famille quelconque d’éléments de
F , il existe une unique application linéaire f ∈ L(E, F ) telle que :
∀i ∈ I, f (xi ) = yi .
P
Démonstration. Si une telle application f existe : considérons x ∈ E, que l’on écrit x = i∈I λi xi (pour
(λi ) famille de scalaires à support fini). Et alors par linéarité :
!
X X X
f (x) = f λi · xi = λi · f (xi ) = λi y i
i∈I i∈I i∈I
où l’écriture a bien un sens comme l’écriture de x comme combinaison linéaire des xi existe, et est unique.
Donc f est donnée par la formule précédente.
Reste à montrer que f est linéaire : si x = i∈I λi xi et x′ = i∈I µi xi . Alors pour tout λ ∈ K on a :
P P
X
λx + x′ = (λλi + µi ) · xi
i∈I
et ainsi :
! !
X X X
f (λ · x + x′ ) = (λ · λi + µi )yi = λ · λ i · xi + µ i · xi = λ · f (x) + f (x′ )
i∈I i∈I i∈I
et donc une telle application f est bien linéaire.
Remarque IV.38. On voit bien qu’on a besoin d’une base tant pour l’aspect libre (pour que f soit bien
définie) que générateur (pour qu’elle soit définie partout).
Corollaire IV.39. Si B est une base de E, deux applications de L(E, F ) sont égales si, et seulement si,
elles coı̈ncident sur B.
Démonstration. Par l’unicité dans la proposition précédente.

Remarque IV.40. Notons qu’il faut a priori avoir une base de E pour utiliser ce résultat, ce qui n’est pas
toujours le cas.
Théorème IV.41. Étant données (xi )i∈I une base de E et (yi )i∈I une famille de E, alors l’application
f ∈ L(E, F ) qui vérifie pour tout i ∈ I que f (xi ) = yi est :
1. injective si, et seulement si, (yi )i∈I est libre ;
2. surjective si, et seulement si, (yi )i∈I engendre F ;
3. bijective si, et seulement si, (yi )i∈I est une base de F .
Démonstration. Comme une famille est une base si, et seulement si, elle est libre et génératrice, et qu’une
application est bijective si, et seulement si, elle est injective et surjective, alors il suffit de montrer les deux
premiers points.
P
P Ker(f ) = {0}. Considérons (λi ) à support fini telle que i∈I λi yi = 0.
1. Si f est injective : alors
Alors, en posant x = i∈I λi xi , on a :
X
f (x) = λi yi = 0
i∈I
P
donc x ∈ Kerf , donc x = i∈I λi xi = 0. Mais la famille (xi ) est une base de E, donc elle est libre,
et donc la famille (λi ) est nulle, donc la famille (yi ) est libre.
P
Réciproquement, si (yi ) est libre : soit x ∈ Kerf . On écrit x = i∈I λi xi , de telle sorte que :
X
f (x) = 0 = λi y i
i∈I
et comme la famille (yi ) est libre, on déduit que (λi ) est la famille nulle, donc x = 0. Ce qui montre
l’autre implication.
2. On a déjà vu que l’image d’une famille génératrice engendre l’image d’un application linéaire. Et
ainsi on a : Imf = Vect(f (xi )) = Vect(yi ). Et donc f est surjective si, et seulement si, Vect(yi ) = F ,
c’est-à-dire que (yi ) engendre F .
3. Découle des deux points précédents.
Exemple IV.42. Considérons E un espace vectoriel, (e1 , . . . , en ) famille d’éléments de E. On pose l’appli-
cation :
Kn → E
φ: Pn .
(λ1 , . . . , λn ) 7→ i=1 λi ei
Suivant les notations précédentes, l’application φ n’est autre que l’unique application linéaire de Kn dans
E qui envoie les vecteurs de la base canonique sur la famille (ei ). On trouve ainsi que la famille (ei ) est
une base de E si, et seulement si, l’application φ est bijective.
Et c’est bien ce qu’on avait trouvé pour les bases, puisque la bijectivité de φ revient à dire que tout élément
de E a un unique antécédent par φ dans Kn , c’est-à-dire que tout élément de E s’écrit de manière unique
comme combinaison linéaire d’éléments de la famille (ei ).
Proposition IV.43. Soient F, G deux sev de E supplémentaires, et soit H un K-ev.
Pour tout couple (f, g) ∈ L(F, H) × L(G, H), il existe une unique application linéaire h ∈ L(E, H) telle
que : h|F = f et h|G = g.
Démonstration. Si un tel h existe, il est nécessairement défini par le fait que :
∀x ∈ E, x = xF + xG ⇒ h(x) = h(xF ) + h(xG ) = f (xF ) + g(xG )
|{z} |{z}
∈F ∈G
ce qui assure l’unicité.

Montrons qu’une telle application répond bien au problème :
— h ainsi définie est linéaire : si x, y ∈ E se décomposent en x = xF + xG , y = yF + yG , et λ ∈ K,

alors :
λ · x + y = λ · xF + yF + λ · xG + yG
| {z } | {z }
∈F ∈G
donc :
h(λx + y) = f (λxF + yF ) + g(λxG + yG )
= λf (xF ) + f (yF ) + λg(xG ) + g(yG )
= λh(x) + h(y)
ce qui assure la linéarité de h.
— si x ∈ F : alors x = |{z}
x + |{z}0 donc h(x) = f (x) + g(0) = f (x), donc h|F = f .
∈F ∈G
— de même h|G = g.
Ce qui montre l’existence.
IV.6 Formes linéaires et hyperplans

Définition IV.44. Si E est un K-ev, une application linéaire de E dans K est appelée une forme linéaire.
On notera E ∗ au lieu de L(E, K) l’ensemble des formes linéaires sur E.
Exemples IV.45.
1. Si on se place sur R3 , l’application : (x, y, z) 7→ x + y + z est une forme linéaire.
On peut même voir que, comme une application linéaire est entièrement définie par l’image d’une
base, toute forme linéaire sur R3 est de la forme (x, y, z) 7→ ax + by + cz, où a, b, c sont les images
respectives des vecteurs de la base canonique de R3 .
2. RSur Kn [X], on peut considérer les applications φ : P 7→ P (a) (pour a ∈ K) ou encore ψ : P 7→
1
0
P (t)dt : ce sont deux formes linéaires, que l’on peut aussi chercher à exprimer à l’aide des images
des vecteurs de la base canonique.
Pour φ : si k ∈ J0; nK, alors φ(X k ) = ak et on retrouve que φ( nk=0 ak X k ) = nk=0 ak ak , donc pas
P P
très instructif.
Pour ψ : si k ∈ J0; nK, alors ψ(X k ) = k+1 1
, et donc : ψ( nk=0 ak X k ) = nk=0 k+1
ak
P P
, ce qui facilite les
calculs.
3. Plus généralement, les applications φ et ψ peuvent s’étendre en des formes linéaires sur F(Ω, K) et
C 0 (R, K) respectivement, mais on perd alors l’existence de base.
Définition IV.46. Si E est un K-ev et H est un sev de E, on dira que H est un hyperplan (vectoriel)
s’il existe une forme linéaire φ non nulle telle que H = Kerφ.
Exemples IV.47.
1. Dans R3 , l’ensemble {(x, y, z) ∈ R3 | x + y + z = 0} est un hyperplan, en tant que noyau de la forme
linéaire (x, y, z) 7→ x + y + z, qui est non nulle. Plus généralement, si a, b, c ∈ R sont non tous nuls,
l’ensemble {(x, y, z) ∈ R3 | ax + by + cz = 0} = Ker((x, y, z) 7→ ax + by + cz) est un hyperplan.
2. Si Ω est une ensemble quelconque et a ∈ Ω, l’ensemble {f ∈ F(Ω, R) | f (a) = 0} = Ker(f 7→ f (a))
est un hyperplan. Par exemple, si Ω = N : pour tout n0 ∈ N, l’ensemble {(un ) ∈ KN | un0 = 0} est
un hyperplan.
Rb
3. L’ensemble {f ∈ C 0 ([a, b], K) | a f (t)dt = 0} est un hyperplan de C 0 ([a, b], K). Si E est l’ensemble
R 2π
des fonctions continues 2π-périodiques, alors l’hyperplan {f ∈ E | 0 f (t)dt = 0} est l’ensemble
des fonctions continues 2π-périodiques dont les primitives sont périodiques.
Théorème IV.48. Un sev H de E est un hyperplan si, et seulement si, c’est un supplémentaire d’une
droite.
Dans ce cas, c’est même un supplémentaire de toute droite qu’il ne contient pas.
Démonstration. Soit H un hyperplan : notons φ ∈ E ∗ tel que H = Kerφ. Comme φ ̸= 0, il existe u ∈ E
tel que φ(u) ̸= 0 (et donc nécessairement u ∈
/ H). Montrons que E = H ⊕ D, où D = Vect(u) :
φ(x) φ(x)
— soit x ∈ E : alors x = x − u+ u, avec xH ∈ H comme par linéarité φ(xH ) = φ(x) −
φ(u) φ(u)
| {z } | {z }
=xH =xD
φ(x)
φ(u) = 0 et xD ∈ D par construction. Donc E = H + D.
φ(u)
— soit x ∈ H ∩ D : alors x = λu, pour λ ∈ K, et φ(x) = 0. Donc par linéarité : 0 = φ(x) = λ · φ(u)
|{z}
̸=0
donc λ = 0, puis x = 0. Donc H ∩ D = {0}.
Et finalement E = H ⊕ D.
La seule propriété utilisée pour u est que φ(u) ̸= 0, on peut le remplacer pour tout élément de E \ H, ce
qui montre le dernier résultat (comme contenir un vecteur est équivalent à contenir la droite qu’il engendre
pour un espace vectoriel).
Si H est le supplémentaire d’une droite D. Notons u ∈ E tel que D = Vect(u). Alors l’application :

E → K
φ:
x = xH + λ · u 7→ λ
est une forme linéaire telle que H = Kerφ : en effet, on a :
x ∈ Kerφ ⇔ λ = 0 ⇔ x = xH ∈ H
et donc H est un hyperplan.

Exemples IV.49.
1. Pour l’hyperplan H d’équation x+y+z = 0 dans R3 , on a déjà montré que tout vecteur n’appartenant
pas à H engendre un supplémentaire de H dans R3 .
2. Dans R2 , toute droite vectorielle est donnée par une équation de la forme ax + by = 0 (avec a ou b
non nul) : c’est donc un hyperplan ! En particulier, deux droites de R2 sont supplémentaires si, et
seulement si, elles sont distinctes.
Proposition IV.50. Deux formes linéaires donnent le même hyperplan si, et seulement si, elles sont coli-
néaires.
Démonstration. On considère φ, ψ deux formes linéaires non nulles : leurs hyperplans associés sont H1 =
Kerφ et H2 = Kerψ ; et elles sont colinéaires si, et et seulement si, il existe λ ∈ K∗ tel que φ = λψ (comme
elles sont non nulles).
On a déjà vu que Ker(λψ) = Kerψ donc deux formes linéaires colinéaires donnent le même hyperplan.
φ(u)
Réciproquement, si H1 = H2 : notons u ∈ / H1 . Alors φ(u), ψ(u) ̸= 0. Posons λ = ∈ K∗ .
ψ(u)
Si x ∈ E, posons x = xH +µ · u. Alors :
|{z}
∈H1
φ(u)
φ(x) = µ · φ(u) et λψ(x) = · µ · φ(u) = µ · φ(u)
ψ(u)
et ainsi : φ = λψ, donc φ et ψ sont colinéaires.
V. SOUS-ESPACES AFFINES D’UN ESPACE VECTORIEL 321
V Sous-espaces affines d’un espace vectoriel

V.1 Points, vecteurs et sous-espaces affines
Un espace vectoriel E peut être traité de manière affine : on distingue alors les points (notés par des lettre
→
− −
majuscules : A, B, C, etc.) des vecteurs (notés avec des flèches : →
−a , b ,→
c , etc., ou pas d’ailleurs).
Définition V.1. Un point est un élément d’un espace affine.
Définition V.2 (Translations). Si →

−
a ∈ E, on appelle translation de vecteur →
−
a l’application :

E → E
τ−a :
→
x 7→ x + → −
a
Remarque V.3. Les translations permettent de faire le lien entre points et vecteurs, dans le sens où le
point A et le vecteur →
−
a décrivent le même élément de E si :
τ−
a (0) = A.
→
−→ −
Pour A, B deux points et →
−
u un vecteur, on notera B = A + → −
u ou AB = → u si B = τ−u (A).
→
→
− −→ → −
La correspondance entre un point A et son vecteur a est donnée par : OA = a (où O est le point associé
au vecteur nul).
Définition V.4. On appelle sous-espace affine de E tout sous-ensemble F de E de la forme F =

→
−
a (F ) = {x + a | x ∈ F }, pour F un sev de E.
τ−
→
On note plus simplement F = F + → −a (ou F + a). Et on dira que F est le sous-espace affine de E
passant par a de direction F .
Proposition-Définition V.5. Dans l’écriture précédente, le choix de F est unique, mais pas celui de a. Plus
précisément, les espaces affines F + a et F ′ + a′ sont égaux si, et seulement si : F = F ′ et (a − a′ ) ∈ F .
L’espace vectoriel F est appelé la direction de l’espace affine F + a.
Démonstration. — si a + F = a′ + F ′ : alors a′ ∈ a′ + F = a + F donc a′ = a + x pour x ∈ F , et donc

a′ − a = x ∈ F .
Si x ∈ F ′ , alors a′ + x ∈ a′ + F = a + F , donc il existe y ∈ F tel que : a′ + x = a + y. Et alors :
x = a + y − a′ = (a − a′ ) + y ∈ F
| {z } |{z}
∈F ∈F
donc F ′ ⊂ F . Et par raisonnement analogue on trouve F ⊂ F ′ . Et donc F = F ′ .

— si a′ − a ∈ F , montrons que a + F = a′ + F :
— si u ∈ a + F : on pose x ∈ F tel que u = a + x. Et alors :
u = a′ + (a + x) − a′ = a′ + (a − a′ ) + x ∈ a′ + F
| {z }
∈F
donc a + F ⊂ a + F ′ .
— comme a − a′ ∈ F , en échangeant les rôles de a et a′ , on trouve que :a′ + F ⊂ a + F .
et ainsi a + F = a′ + F .
Corollaire V.6. Si F est un espace affine de direction F , alors pour tout a ∈ F on a : F = F + a. En

particulier, si a, b ∈ F, alors b − a ∈ F .
Définition V.7. Un espace affine dont la direction est une droite (resp. un hyperplan) est appelé une droite
affine (resp. un hyperplan affine).
Exemples V.8.
1. Dans R2 , toute droite affine est donnée par une équation de la forme ax + by + c = 0, avec a ou b
non nul. La direction d’une telle droite est la droite vectorielle d’équation ax + by = 0.
2. Dans R3 , les hyperplans vectoriels sont donnés par des équations de la forme ax + by + xz + d = 0,
avec a, b, c non tous nuls, et la direction d’un tel hyperplan est l’hyperplan vectoriel d’équation
ax + by + xz = 0.
V.2 Intersection de sous-espaces affines

Proposition V.9. Une intersection d’espaces affines est soit vide, soit un espace affine dirigée par l’inter-
section de leurs directions.
T
Démonstration. Soient (Fi )i∈I une famille d’espaces affines. Supposons que i∈I Fi est non vide, et notons
a un de ses éléments, de sorte que a appartient à chaque Fi , et donc :
∀i ∈ I, Fi = Fi + a
où Fi est la direction de Fi .

On a ainsi les équivalences :
T
x∈ i∈I Fi ⇔ ∀i ∈ I, x ∈ Fi = Fi + a
⇔ ∀i ∈ I, ∃xi ∈ Fi , x = xi + a
⇔ ∀i ∈ I, ∃xi ∈ Fi , x − a = xi
⇔ ∀i ∈ I, xT− a ∈ Fi
⇔ x−T a ∈ i∈I Fi
⇔ x ∈ i∈I Fi + a
T T
et ainsi : i∈I Fi = i∈I Fi + a.
Proposition V.10. Étant donnés F = A + F et G = B + G deux sous-espaces affines de E, alors F ∩ G

−→
est non vide si, et seulement si, AB ∈ F + G.
−−→ −−→
Démonstration. Si F ∩ G ̸= ∅, notons M un de ses points. Alors AM ∈ F et M B ∈ G. Et donc :
−→ −−→ −−→
AB = AM + M B ∈ F + G.
−→ →
− →
−
Réciproquement, si AB = |{z} v . Notons M = A + →
u + |{z} −u . Alors :
∈F ∈G
— M ∈ F par construction ;
−−→ −→ z}|{
— BM = BA + AM = −→ −u −→ −
v +→ −
u = −→
−
v ∈ G, donc M ∈ G.
donc F ∩ G contient M , donc est non vide.
V. SOUS-ESPACES AFFINES D’UN ESPACE VECTORIEL 323
−→
AB
→
−
v
A F
→
−
u M =A+→
−
u =B−→
−
v
Exemple V.11. Dans R2 , deux droites vectorielles distinctes sont supplémentaires, donc engendrent tout
l’espace. Ainsi, deux droites qui ne se coupent pas ont nécessairement la même direction : elles sont
parallèles.
V.3 Sous-espaces affines et équation linéaires

Définition V.12. Une équation linéaire est une équation de la forme f (x) = y, où f ∈ L(E, F ) et y ∈ F
sont les paramètres, et x ∈ E est l’inconnue.
Proposition V.13. Si E, F sont deux espaces vectoriels, f ∈ L(E, F ), et y ∈ F , alors l’ensemble des
solutions de l’équation linéaire f (x) = y est soit l’ensemble vide, soit un sous-espace affine de E dirigé par
Kerf .
Démonstration. Supposons que l’ensemble des solutions soit non vide, et notons a ∈ E tel que f (a) = y.
Alors pour tout x ∈ E :
f (x) = y ⇔ f (x) = f (a) ⇔ f (x − a) = 0 ⇔ x − a ∈ Kerf ⇔ x ∈ a + Kerf.
Exemples V.14.
1. si A ∈ Mn,p (K) et B ∈ Mn,1 (K), alors les solutions du système AX = B, si elles existent, forment
un espace affine dirigé par Ker(X 7→ AX), c’est-à-dire dirigé par l’espace vectoriel des solutions de
l’équation homogène.
2. les solutions d’une équation différentielle linéaire forment un espace affine dirigé par l’espace vec-
toriel des solutions de l’équation homogène associée. Pour le premier degré, on a en effet que, pour
f dérivable : f ′ + af = b ⇔ φ(f ) = b, où φ : f 7→ f ′ + af est une application linéaire. Et c’est
pareil pour les degrés plus grands.
3. si a, b ∈ K avec a ̸= 1, l’ensemble des suites arithmético-géométriques telles que un+1 = aun + b est
b
un espace affine, contenant la suite constante de valeur et dirigée par l’espace vectoriel des
1−a
suites géométriques de raison a.
4. Si x1 , . . . , xn sont des scalaires deux-à-deux distincts, et y1 , . . . , yn sont des scalaires (quelconques),
alors l’ensemble {P ∈ K[X] | ∀i ∈ J1, nK, P (xi ) = yi } est un sous-espace affine dirigé par F =
{(X − x1 ) . . . (X − xn )P | P ∈ K[X]}.
Remarques V.15.
1. Si E = K, alors f est une forme linéaire, donc si f ̸= 0 on obtient un hyperplan affine.
2. Si y = 0, on retrouve directement Kerf , qui est un espace vectoriel. C’est en fait le seul cas car si
l’ensemble solution est un espace vectoriel, il contient 0 donc y = f (0) = 0.
Chapitre 21
Espaces vectoriels de dimension finie
Dans tout ce chapitre, on désigne K un corps (par exemple R ou C), dont les éléments seront appelés
scalaires.
I Dimension et base d’un espace vectoriel

I.1 Dimension d’un espace vectoriel
Définition I.1. Un espace vectoriel E est dit de dimension finie s’il possède une famille génératrice de
cardinal fini.
Dans le cas contraire, on dira que E est de dimension infinie.
Exemples I.2.
1. Les espaces Kn , Kn [X] ou Mn,p (K) sont de dimension finie, puisque l’on a donné des familles
génératrices (et même des bases) finies.
2. L’espaces K[X] est de dimension infinie, car on peut voir qu’aucune famille finie n’est génératrice
(en raisonnant sur les degrés). On verra que les espaces KN et F(R, K) sont également de dimension
infinie.
Proposition I.3. Soit E un espace vectoriel de dimension finie, engendré par une famille à n éléments.
Alors toute famille libre possède au plus n éléments.
Remarque I.4. On utilisera souvent la contraposée, à savoir que toute famille de cardinal strictement plus
grand que n est liée.
Démonstration. Montrons la contraposée. Comme une famille contenant une famille liée est elle-même liée,
il suffit de montrer que toute famille de cardinal n + 1 est liée.
Montrons par récurrence sur n que : si E possède une famille génératrice de cardinal n, toute famille de
cardinal n + 1 d’éléments de E est liée :
— si n = 0 : alors E est engendré par une famille vide, donc E = {0}. Une famille à 1 élément contient
un élément de E, donc 0, donc est liée ;
— supposons le résultat vrai pour n ∈ N. Soit (x1 , . . . , xn+1 ) une famille qui engendre E, et (y1 , . . . , yn+2 )
une famille d’éléments de E (de cardinal n + 2). Posons F = vect(x1 , . . . , xn ), et écrivons pour tout
i ∈ J1; n + 2K :
yi = zi + λi xn+1
avec zi ∈ F et λi ∈ K, qui existent bien comme la famille (xi ) engendre E.
Si tous les λi sont nuls, alors tous les yi sont des éléments de F et on applique directement l’hypothèse
de récurrence (comme F est engendré par n éléments), et la famille (y1 , . . . , yn+2 ) est liée.
325
326 CHAPITRE 21. ESPACES VECTORIELS DE DIMENSION FINIE
Sinon, il existe i tel que λi ̸= 0. Quitte à renuméroter les yi , on peut supposer que λ1 ̸= 0. Posons
alors pour tout i ∈ J2; n + 2K :
λi
zi′ = yi − y1
λ1
Alors pour un tel i on a :
λi λi
zi′ = zi + λi xn+1 − (z1 + λ1 xn+1 ) = zi − z1 ∈ F.
λ1 λ1
Par hypothèse de récurrence, la famille (z2′ , . . . zn+2
′
) est liée (possédant n + 1 éléments dans un
espace engendré par n éléments). Donc il existe µ2 , . . . , µn+2 non tous nuls tels que :
n+2
X
µi zi′ = 0.
i=2
Et donc en remplaçant dans l’expression précédente :

n+2 n+2
! n+2 n+2
X
′
X λi
X X
0= µi zi = − µi y1 + µi y i = µi yi
i=2 i=2
λ1 i=2 i=1
| {z }
=µ1
où les µi sont non tous nuls (par construction). Donc la famille (y1 , . . . , yn+2 ) est liée, ce qui prouve
l’hérédité.
D’où le résultat par récurrence.
Théorème-Définition I.5 (Dimension d’un espace vectoriel). Si E est un espace vectoriel de dimension
finie, toutes ses bases ont même cardinal fini. Ce cardinal est appelé dimension de E, que l’on note
dim E (ou dimK E quand on veut préciser le corps).
Démonstration. Soient B1 = (x1 , . . . , xn ) et B2 = (y1 , . . . , ym ) deux bases de E. Notons déjà que, en tant
que familles libres dans un espace de dimension fini, ces bases sont finies.
Par la proposition précédente :
— comme B1 est génératrice et B2 est libre, alors m ≤ n ;
— comme B2 est génératrice et B1 est libre, alors n ≤ m.
Et donc m = n.
Remarques I.6.
1. Ce théorème ne donne pas l’existence de base, mais celles-ci existent toujours en dimension finie
comme on le verra plus loin. Il dit en revanche que la dimension est le nombre de coordonnées,
c’est-à-dire concrètement le nombre de degrés de liberté (ou de paramètres) pour décrire un espace
vectoriel de dimension finie.
2. On parlera de manière analogue d’un espace affine de dimension finie, si sa direction est un espace
de dimension finie, et sa dimension sera alors la dimension de l’espace affine.
Exemples I.7.
1. dim Kn = n ;
2. dim Kn [X] = n + 1 ;
3. dim Mn,p (K) = n × p (et en particulier dim Mn (K) = n2 ) ;
4. dimC C = 1 mais dimR C = 2. Plus généralement, si E est un espace vectoriel de dimension finie
sur C, c’est aussi un espace vectoriel de dimension finie sur R avec : dimR E = 2 · dimC E.
I. DIMENSION ET BASE D’UN ESPACE VECTORIEL 327
Définition I.8. On appelle droite vectorielle tout espace vectoriel de dimension 1.

On appelle plan vectoriel tout espace vectoriel de dimension 2.
Exemples I.9.
1. L’ensemble des solutions homogènes d’une équation différentielle linéaire d’ordre n est un espace
vectoriel de dimension n : il s’agit donc d’une droite vectorielle pour les équations de degré 1, et
d’un plan vectoriel pour celles de degré 2.
2. L’ensemble des suites linéaires vérifiant une même relation de récurrence linéaire d’ordre 2 est un
plan vectoriel.
Proposition I.10. Si E, F sont deux espaces vectoriels de dimension finie, alors E × F est un espace
vectoriel de dimension finie avec dim(E × F ) = dimE + dimF .
Démonstration. On admet l’existence de bases (pour le moment). On considère (e1 , . . . , en ) base de E et

(f1 , . . . , fm ) base de F . Alors la famille ((e1 , 0), . . . , (en , 0), (0, f1 ), . . . , (0, fm )) est une base de E × F :
P
1. elle est P génératrice : si (x, y) ∈ E×F , comme (ei ) et (fj ) sont génératrices, on peut écrire x = i xi ei
et y = j yj fj de sorte que :
X X
(x, y) = xi (ei , 0) + yj (0, fj );
i j
P P
2. elle est libre : si i λi (ei , 0) + j µj (0, fj ) = 0, alors en regardant coordonnée par coordonnée on
trouve : X X
λi ei = 0 et µj f j = 0
i j
et donc, comme les familles (ei ) et (fj ) sont libres, les familles (λi ) et (µj ) sont nulles ; donc on a
bien une famille libre.
Et le résultat sur la dimension en découle naturellement.
des espaces de dimensions finies, alors E1 × · · · × En est de dimension

Corollaire I.11. Si E1 , . . . , En sontP
finie avec : dim(E1 × · · · × En ) = i dim(Ei ).
Démonstration. Par récurrence sur n.
I.2 Bases dans un espace de dimension finie

Proposition I.12. Soit E un espace vectoriel de dimension fini engendré par (x1 , . . . , xn ). Si la famille
(x1 , . . . , xp ) (pour un certain p ∈ J1; nK) est libre, alors il existe des éléments x′p+1 , . . . , x′r parmi xp+1 , . . . xn
tels que la famille (x1 , . . . , xp , x′p+1 , . . . , x′r ) est une base de E.
Démonstration. On va construire, à partir de (x1 , . . . , xp ) une famille libre maximale.

Pour cela, on considère : A = {card(J) | J1; pK ⊂ J ⊂ J1; nK et (xi )i∈J est libre}.
Alors A est une partie non vide de N, donc possède un plus grand élément. Notons J un sous-ensemble
réalisant ce maximum. Montrons que (xi )i∈J est une base de E. Comme par construction elle est déjà libre,
il suffit de voir qu’elle est génératrice. Pour cela, on pose F = vect(xi , i ∈ J) et on va montrer que E = F .
On a déjà que F ⊂ E. Et de plus, comme E = vect(xi , i ∈ J1, nK), il suffit de montrer que tous les xi sont
dans F . Soit i0 ∈ J1; nK :
— si i0 ∈ J : alors c’est clair que xi ∈ F par construction ;
— si i0 ∈/ J : card(J ∪ {i0 }) > card(J) ; par maximalité de J, on déduit

P que la famille (xi )i∈J∪{i0 } est
liée. Ainsi il existe (λi )i∈J et λ0 non tous nuls tels que : λ0 xi0 + i∈J λi xi = 0.
Nécessairement on a λ0 ̸= 0 (sinon la famille (xi )i∈J serait liée). Et donc :
1 X
xi 0 = − λ i xi ∈ F
λ0 i∈J
ce qui montre bien le résultat.

Et finalement E = F , donc (xi )i∈J est bien une base de E.
Corollaire I.13 (Théorème de la base extraite). Si E ̸= {0} est un espace vectoriel de dimension finie, de
toute famille génératrice finie de E on peut extraire une base de E.
Démonstration. Soit (x1 , . . . , xn ) qui engendre E. Comme E ̸= {0} alors l’un des xi (au moins) est non
nul. Quitte à les renuméroter, on peut supposer que x1 ̸= 0, de sorte que la famille (x1 ) est libre et on peut
appliquer le résultat précédent.
Corollaire I.14. Tout espace vectoriel de dimension finie admet une base.
Corollaire I.15 (Théorème de la base incomplète). Toute famille libre d’un espace vectoriel E de dimension
finie peut être complétée en une base de E.
Démonstration. On considère (x1 , . . . , xm ) une famille libre de E (nécessairement finie comme E est de
dimension finie), et (y1 , . . . , yn ) famille génératrice de E. On applique alors le résultat précédente à la
famille (x1 , . . . , xm , y1 , . . . , yn ).
I.3 Familles finies dans un espace de dimension finie

Proposition I.16. Soit E un espace vectoriel de dimension n ∈ N∗ et (x1 , . . . , xm ) (pour m ∈ N∗ ) une
famille d’éléments de E. Alors :
1. si (xi ) est libre, alors m ≤ n ;
2. si (xi ) est génératrice, alors m ≥ n.
Démonstration.
1. Déjà prouvé.
2. Si (x1 , . . . , xm ) est génératrice, on peut en extraire une base, qui sera de cardinal n (comme toutes
les bases de E), donc n ≤ m.
Proposition I.17. Soit E un espace vectoriel de dimension n ∈ N∗ , et (xi ) une famille de cardinal n. Alors
on a l’équivalence :
(xi ) est libre ⇔ (xi ) est génératrice ⇔ (xi ) est une base.
Démonstration. Il suffit de montrer que, si (xi ) est libre ou génératrice alors c’est une base (les réciproques
étant évidentes). On a en effet :
— si (xi ) est libre : on peut la compléter en une base ; mais comme (xi ) est de cardinal n, sa base
complétée aura même cardinal, donc (xi ) sera sa propre base complétée, donc est bien une base ;
— si (xi ) est génératrice : on peut en extraire une base ; mais comme (xi ) est de cardinal n, sa base
extraite aura même cardinal, donc (xi ) sera sa propre base extraite, donc est bien une base.
Remarque I.18. En pratique, étant donné un espace vectoriel dont on connaı̂t la dimension, pour montrer
qu’une famille en est une base, on montrera qu’elle est libre et a le bon cardinal. On pourra montrer qu’elle
est génératrice (au lieu de libre), mais c’est en général plus difficile.
II. SOUS-ESPACES VECTORIELS EN DIMENSION FINIE 329

Exemple I.19. Soient a ̸= b ∈ C. Montrons que la famille (X − a)k (X − b)n−k k∈J0;nK est une base de
Cn [X].
Comme dim Cn [X] = n + 1, alors la famille considéré a bon cardinal : il suffit de montrer qu’elle est libre
ou génératrice pour avoir que c’est une base.P
Et elle est libre : si λ0 , . . . , λn ∈ C vérifient nk=0 λk (X − a)k (X − b)n−k = 0, alors :
— en évaluant en a, il vient λ0 (a − b)n = 0, donc λ0 = 0 ;
— en simplifiant par (X − a) puis en évaluant à nouveau en a, il vient : λ1 = 0 ;
— et en continuant à diviser par (X − a) et évaluer en a, on trouve λ0 = λ1 = · · · = λn = 0.
Donc la famille est libre : donc c’est une base de Cn [X].
On peut aussi montrer qu’elle est génératrice, ce qui se fait bien par récurrence sur n ∈ N :
— si n = 0 : alors la famille possède pour seul élément le polynôme constant de valeur 1, qui engendre
bien C0 [X] (l’ensemble des polynômes constants), et dont c’est même la base canonique ;
— soit n ∈ N tel que la famille au rang n engendre Cn [X]. Considérons la famille au rang (n + 1), et
montrons qu’elle engendre Cn+1 [X].
Pour cela, soit P ∈ Cn+1 [X]. Alors, comme a ̸= b, on peut considérer le polynôme :
P (a)
Q=P− · (X − b)n+1
(a − b)n+1
qui est un élément de Cn+1 [X] qui vérifie :
P (a)
Q(a) = P (a) − n+1
· (a − b)n+1 = 0
(a − b)
donc Q est divisible par (X − a). On écrit Q = (X − a) · R, avec R ∈ Cn [X].

Par hypothèse de récurrence, on peut écrire R comme combinaison linéaires des (X − a)k (X − b)n−k
pour k ∈ J0; nK. On peut alors écrire :
n
X
R= λk (X − a)k (X − b)n−k
k=0
et en réinjectant dans l’expression de Q puis de P , on trouve :

n n+1
P (a) n+1
X
k+1 n−k P (a) n+1
X
P = ·(X−b) + λ k (X−a) (X−b) = ·(X−b) + λk (X−a)l (X−b)n+1−
(a − x)n+1 k=0
(a − x) n+1
l=1
qui est bien un combinaison linéaire des (X − a)k (X − b)n+1−k pour k ∈ J0; n + 1K.
Et ainsi on a bien montré que la famille est génératrice.
II Sous-espaces vectoriels en dimension finie

II.1 Dimension d’un sous-espace et rang d’une famille
Proposition II.1. Si E est un espace vectoriel de dimension finie, alors tout sous-espace vectoriel F de E
est également de dimension finie.
De plus, on a dim F ≤ dim E, avec égalité si, et seulement si, F = E.
Démonstration. Si F = {0} alors le résultat est vérifié.

Sinon, on considère l’ensemble A = {n ∈ N∗ | ∃(x1 , . . . , xn ) ∈ F n libre} (l’ensemble des cardinaux de
familles libres construites à partir d’éléments de F ). Alors A est une partie non vide (comme F ̸= {0})
majorée (par dim E, comme toute famille libre d’éléments de F est une famille libre d’éléments de E) donc
admet un plus grand élément n.
Notons (x1 , . . . , xn ) famille libre de F . Montrons que c’est une base. Il suffit de prouver qu’elle est généra-
trice.
Soit x ∈ F . La famille (x1 , . . . , xn , x) est de cardinal (n + 1), donc liée (par définition de n), et comme
(x1 , . . . , xn ) est libre cela veut donc dire que x est combinaison linéaire de x1 , . . . , xn : la famille (xi ) est
donc bien génératrice.
Donc finalement F admet une base de cardinal n ≤ dim E, ce qui prouve le résultat.
Si dim E = dim F , toute base de F est également une base de E (en tant que famille libre d’élément de E
de “bon” cardinal), donc E = F (en tant qu’espace engendré par cette base).
Remarques II.2.
1. Le résultat est faux en dimension infinie. Par exemple, si E = R[X] et F = {P ∈ R[X] | P (0) = 0},
alors F est un sev de E, et F et E ont même dimension (infinie) mais F ̸= E.
2. Ce résultat dit aussi que l’application :

{F sev de E} → N
φ:
F 7→ dimF
est une application strictement croissante (où on prend comme relations d’ordre l’inclusion au
départ, et la relation d’ordre usuelle à l’arrivée).
Exemples II.3.
1. Dans R2 , les sous-espaces non triviaux sont les espaces de dimension 1 (donc les droites).
2. Dans R3 , ce sont les espaces de dimension 1 ou 2, donc les plans et les droites.
Définition II.4. Étant donnée une famille (xi )i∈I (finie ou non) d’un espace vectoriel E de dimension finie,
on appelle rang de la famille (xi ) la dimension de l’espace vect((xi )i∈I ), que l’on notera rg((xi )i∈I ).
Remarque II.5. Pour une famille finie (x1 , . . . , xn ), on notera rg(x1 , . . . , xn ) son rang.
On peut généraliser à une famille finie dans un espace quelconque : on raisonne alors dans l’espace vectoriel
engendré, qui est de dimension finie.
Proposition II.6. On considère (xi )i∈I famille d’éléments de E. Alors :
1. si E est de dimension finie : (xi ) est génératrice si, et seulement si, rg((xi )) = dim E ;
2. si I est fini : rg((xi )) ≤ card(I), avec égalité si, et seulement si, la famille (xi ) est libre.
Démonstration. On pose F = Vect(xi ), de sorte que dim(F ) = rg(xi ). Et alors :
1. (xi ) est génératrice si, et seulement si, E = F , c’est-à-dire dim(E) = dim(F ) = rg(xi ) si E est de
dimension finie ;
2. (xi ) engendre F , donc est de cardinal au moins dim(F ), avec égalité si, et seulement si, c’est une
base, c’est-à-dire qu’elle est libre (comme elle est déjà génératrice).
II.2 Somme de sous-espaces vectoriels

Proposition II.7. Soient F, G deux espaces supplémentaires dans un espace vectoriel E de dimension finie.
Alors : dim E = dim F + dim G.
Démonstration. Considérons (f1 , . . . , fn ) une base de F et (g1 , . . . , gm ) une base de G, avec donc n = dim F
et m = dim G. Montrons que la famille B = (f1 , . . . , fn , g1 , . . . , gm ) est une base de E.
II. SOUS-ESPACES VECTORIELS EN DIMENSION FINIE 331
— comme E = F + G, tout élément x ∈ E s’écrit x = xF + xG pour xF ∈ F et xG ∈ G. Comme les

familles (fi ) et (gj ) engendrent
P respectivement
P F et G, alors il existe des
Pfamilles P
de scalaires (λi )
et (µj ) telles que : xF = i λi fi et xG = j µj gj . Et finalement : x = i λi fi + j µj gj est bien
engendré par B ; P P
— comme F ∩ G = {0}, soient (λi ), (µj ) tels que i λi fi + j µj gj = 0. Alors :
X X
λi f i = − µj gj ∈ F ∩ G
i j
| {z } | {z }
∈F ∈G
P P
donc i λi fi = 0 = j µj gj . Et comme les familles (fi ), (gj ) sont libres on déduit que les scalaires
(λi ) et (µj ) sont nuls : la famille B est libre.
Et donc dimE = dim(F + G) = cardB = n + m = dim F + dim G.
Remarque II.8. En fait on a un résultat plus fort : si F, G sont deux espaces de dimension finie, on a
équivalence entre :
1. la somme F + G est directe ;
2. la concaténation de deux bases de F et G est une base de F + G ;
3. dim (F + G) = dim F + dim G.
Qui se démontre sensiblement de la même manière.
Dans ce cas, une base de F + G obtenue par concaténation d’une base de F et d’une base de G sera appelée
base adaptée à la décomposition en somme directe F ⊕ G. Le point important étant qu’il existe des bases
non adaptées.
Théorème II.9 (Formule de Grassmann). Soient F et G deux sous-espaces vectoriels de dimensions finies
d’un espace vectoriel E (quelconque). Alors :
dim (F + G) = dim F + dim G − dim (F ∩ G).
Démonstration. Considérons (e1 , . . . , ep ) une base de F ∩ G (ce qui a bien un sens comme F ∩ G est un
sous-espace de F ou de G, donc est de dimension finie.
On complète la famille (e1 , . . . , ep ) des deux manières suivantes :
— en (e1 , . . . , ep , f1 , . . . , fn ) pour avoir une base de F ;
— en (e1 , . . . , ep , g1 , . . . , gm ) pour avoir une base de G.
Et on a déjà que p = dim (F ∩ G), n + p = dim F et m + p = dim G.
Montrons que la famille (e1 , . . . , ep , f1 , . . . , fn , g1 , . . . , gm ) est une base de F + G :
— elle est génératrice : si x ∈ F + G, on écrit x = xF + xG pour xF ∈ F et xG ∈ G. Comme
(e1 , . . . , ep , f1 , . . . , fn ) et (e1 , . . . , ep , g1 , . . . , gm ) sont respectivement des bases (donc génératrices)
de F et G, il existe de familles (αi ), (βi ), (λj ), (µk ) telles que :
X X X X
xF = αi ei + λj fj et xG = βi ei + µk gk
i j i k
et donc : X X X
x= (αi + βi )ei + λj f j + µk gk
i j k
ce qui donne bien que la famille est génératrice ;

— elle est libre : si (αi ), (λj ), (µk ) sont des familles de scalaires telles que :
X X X
0= αi e i + λj fj + µk gk
i j k
alors : X X X
αi ei + λj f j = − µk gk ∈ F ∩ G
i j k
| {z } | {z }
∈F ∈G
et donc on peut écrire : X X

µk gk = βi ei
k i
Comme la famille (e1 , . . . , ep , g1 , . . . , gm ) est libre, cela donne que tous les µk sont nuls. Et il vient
alors : X X
αi e i + λj f j = 0
i j
et comme la famille (e1 , . . . , ep , f1 , . . . , fn ) est libre on trouve de même que les αi et λj sont nuls, ce
qui donne bien que la famille est libre.
On a donc une base de F + G, qui est de cardinal n + m + p, qui est donc la dimension de F + G. Et on a
bien :
dim(F + G) = p + n + m = (p + n) + (p + m) − p = dim F + dim G − dim (F ∩ G).
Corollaire II.10. Soient F, G deux sev d’un espace vectoriel E de dimension finie. Alors F et G sont
supplémentaires dans E si, et seulement si, deux des assertions suivantes sont vérifiées :
1. E = F + G ;
2. F ∩ G = {0} ;
3. dim F + dim G = dim E.
et alors les trois assertions sont vérifiées.
Démonstration. Les deux premières assertions sont la définition d’être supplémentaire. Et la proposition
précédente assure le résultat sur la dimension.
Il suffit donc de montrer que, si deux autres assertions que sont vérifiées, alors les deux premières sont
vérifiées pour avoir le résultat :
— si E = F + G et dim F + dim G = dim E : alors par la formule de Grassmann, comme E = F + G,
on a dim (F ∩ G) = 0, donc F ∩ G = {0} et F et G sont supplémentaires dans E ;
— si F ∩ G = {0} et dim F + dim G = dim E : alors par la formule de Grassmann dim(F + G) =
dim F + dim G = dim E, donc (F + G) est un sev de E de même dimension finie que E, donc
F + G = E et F et G sont supplémentaires dans E.
Corollaire II.11. Dans un espace E de dimension finie, tout sev F de E admet des supplémentaires. De
plus, ils ont tous même dimension, à savoir dim E − dim F .
Démonstration. Pour l’existence, on considère (f1 , . . . , fn ) une base de F (de sorte que n = dim, F ), qu’on
complète en une base de E : (f1 , . . . , fn , g1 , . . . , gm ) (avec donc dim E = n + m).
On pose G = vect(g1 , . . . , gm ). Comme (g1 , . . . , gm ) est libre, alors c’est une base de G, donc dim G = m.
Et ainsi on a : E = vect(f1 , . . . , fn , g1 , . . . , gm ) = F + G et dim E = dim F + dim G, donc F et G sont bien
supplémentaires dans E.
Le résultat sur la dimension découle de la formule de Grassmann.
Remarque II.12. Ces résultats se généralisent à davantage de sous-espaces, ce que l’on pourrait prouver
de manière analogue, ou en utilisant des résultats sur les applications linéaires en dimension finie (qu’on
verra plus loin).
III. APPLICATIONS LINÉAIRES EN DIMENSION FINIE 333
Pn
Proposition II.13. Si F1 , . . . , Fn sont des sev d’un espace E de dimension finie, alors i=1 Fi est un sev
de E de dimension finie tel que : !
Xn Xn
dim Fi ≤ dimFi
i=1 i=1
avec égalité si, et seulement si, la somme est directe.

De plus, cette somme est directe si, et seulement si, la concaténation de bases des Fi est une base de
P n
i=1 Fi .
III Applications linéaires en dimension finie

III.1 Dimension de L(E, F )
Proposition III.1. Si E, F sont deux espaces vectoriels de dimensions finies, alors L(E, F ) est un espace
vectoriel de dimension finie avec : dim L(E, F ) = dim E × dim F .
En particulier, dim L(E) = (dim E)2 et dim E ∗ = dim E.
Démonstration. Soient (e1 , . . . , ep ) et (f1 , . . . , fn ) des bases respectivement de E et F . On considère, pour

(i, j) ∈ J1; nK × J1; pK l’application linéaire φi,j ∈ L(E, F ) définie par :
p
X
φi,j : λk ek 7→ λj fi
k=1
c’est-à-dire que φi,j (ek ) = δk,j fi .

Ces applications sont linéaires, et bien définies par le fait que (ek ) est une base de E.
Montrons que la famille (φi,j ) est une base de L(E, F ) :
P
— si λi,j sont des scalaires tels que i,j λi,j φi,j = 0 : en évaluant en ek pour k ∈ J1; nK, il vient :
X
λi,k fi = 0
i
et par liberté de la famille (fi ) on déduit que tous les λi,k sont nuls. Donc tous les λi,j sont nuls, et
la famille (φi,j ) est libre ;
— soit φ ∈ L(E, F ) : pour tout k ∈ J1; pK, on a φ(ek ) ∈ F , donc comme la famille (fi ) engendre F il
existe des scalaires λi,k tels que :
X
φ(ek ) = λi,k fi .
i
P
Montrons qu’alors : φ = i,j λi,j φi,j . Par détermination d’une application linéaire, il suffit de voir
que les deux applications coı̈ncident sur une base de E. Mais par construction, on a justement que
pour tout k ∈ J1; pK :
!
X X X X
λi,j φi,j (ek ) = λi,j φi,j (ek ) = λi,j δk,j fi = λi,k fi = φ(ek )
i,j i,j i,j i
ce qui prouve bien l’égalité.

Donc (φi,j ) engendre bien L(E, F ).
Et finalement (φi,j ) est bien une base de L(E, F ). Son cardinal est n × m = dim E × dim F , ce qui donne
la dimension de L(E, F ).
III.2 Injectivité, surjectivité ou bijectivité d’une application linéaire

Proposition III.2. Soient E, F deux espaces de même dimension finie, et φ ∈ L(E, F ). On a équivalence
entre :
1. φ est injective ;
2. φ est surjective ;
3. φ est bijective.
Démonstration. On fixe (e1 , . . . , en ) une base de E. Alors la famille (φ(e1 ), . . . , φ(en )) est une famille de
F de cardinal n = dim F . On a donc l’équivalence :
(φ(ei )) libre ⇔ (φ(ei )) génératrice ⇔ (φ(ei )) base
ce qui revient à dire que :

φ injective ⇔ φ surjective ⇔ φ bijective .
Corollaire III.3. Si E est un espace vectoriel de dimension finie, et f ∈ L(E), alors il y a équivalence
entre :
1. f est inversible : il existe g ∈ L(E) telle que g ◦ f = idE = f ◦ g ;
2. f est inversible à gauche : il existe g ∈ L(E) telle que g ◦ f = idE ;
3. f est inversible à droite : il existe g ∈ L(E) telle que f ◦ g = idE .
Et dans ce cas on a : g = f −1 .
Démonstration. L’inversibilité est en fait la bijectivité. Il suffit alors de constater que :
— si g ◦ f = idE : alors g ◦ f est injective, donc f également, donc f est bijective ;
— si f ◦ g = idE : alors f ◦ g est surjective, donc f également, donc f est bijective.
Et les réciproques découlent de la bijectivité.
Et en composant par f −1 (à gauche ou à droite) dans les égalités ci-dessus, on obtient bien que g = f −1 .
Définition III.4. Deux espaces vectoriels E, F sont dits isomorphes s’il existe une application linéaire
bijective de E sur F .
Théorème III.5. Si E, F sont deux espaces vectoriels avec l’un des deux de dimension finie, ils sont
isomorphes si, et seulement si, ils ont même dimension.
Démonstration. Si E, F ont même dimension : notons n cette dimension (qui est finie par hypothèse),
et posons (e1 , . . . , en ), (f1 , . . . , fn ) des bases de E et F respectivement. Alors l’application φ ∈ L(E, F )
définie par φ(ei ) = fi pour tout i ∈ J1; nK envoie une base sur une base : elle est donc bijective. Donc E et
F sont isomorphes.
Si E, F sont isomorphes : supposons par exemple que E est de dimension finie n, et notons φ : E →
F application linéaire bijective. Soit (e1 , . . . , en ) une base de E. Alors par bijectivité de φ la famille
(φ(e1 ), . . . , φ(en )) est une base de F , qui est donc de dimension n également.
Remarque III.6. Comme dim Kn = n, un espace vectoriel E est de dimension n si, et seulement si, il est
en bijection avec Kn . Une telle bijection est donnée par l’application :
n
X
(λ1 , . . . , λn ) 7→ λi ei
i=1
où (ei ) est une base de E (la bijectivité étant assurée par l’unicité et l’existence de l’écriture des éléments
de E dans la base (ei )).
Exemple III.7. Si F1 , . . . , Fn sont des espaces de dimension finie, ils sont en somme directe si, et seulement
si, l’application :
F1 × · · · × Fn → F1 + · · · + Fn
φ:
(x1 , . . . , xn ) 7→ x1 + · · · + xn
est bijective. Comme elle est surjective par définition, elle est injective si, et seulement si, les espaces
F1 × · · · × Fn et F1 + · · · + Fn ont même dimension, c’est-à-dire si, et seulement si :
n
! n
X X
dim Fi = dim Fi .
i=1 i=1
III.3 Le théorème du rang

Définition III.8. Soit f une application linéaire. Si Imf est un espace vectoriel de dimension finie, sa
dimension est appelée rang de f est est notée rg(f ).
Remarque III.9. Si E est muni d’une base ou d’une famille génératrice (xi )i∈I (finie ou non), alors le
rang de f est le rang de la famille (f (xi )i∈I ) (comme cette famille engendre Imf par définition).
Proposition III.10. Si f ∈ L(E, F ) avec E ou F de dimension finie, alors f est de rang fini avec rg(f ) ≤
min (dim E, dim F ).
Démonstration. Si E est de dimension finie : notons (e1 , . . . , en ) une base de E. Alors la famille (f (e1 ), . . . , f (en ))
est une famille génératrice de Imf de cardinal n = dim E, donc rg(f ) est au plus n = dim E.
Si F est de dimension finie : alors Imf est un sev de F , donc de dimension finie majorée par dim F .
|Imf
Proposition III.11. Si f ∈ L(E, F ) et que S est un supplémentaire de Kerf dans E, alors f|S est un
isomorphisme de S sur Imf .
|Imf
Démonstration. Comme S ⊂ E, on a f (S) ⊂ f (E) = Imf donc g = f|S est bien définie, et est bijective :
— injectivité : soit x ∈ Ker g : alors x ∈ S vérifie f (x) = 0, donc x ∈ Kerf . Et finalement : x ∈
Kerf ∩ S = {0}, d’où l’injectivité ;
— surjectivité : soit y ∈ Imf : notons x ∈ E tel que y = f (x). Posons x = x1 + x2 avec x1 ∈ Ker f et
x2 ∈ S. Alors :
y = f (x) = f (x1 + x2 ) = f (x1 ) + f (x2 ) = f (x2 ) ∈ f (S) = Im g
donc g est surjective.

Et finalement g est bien bijective.
Remarque III.12. Ce résultat a un cadre d’application assez limité, dans la mesure où il n’existe pas
toujours des supplémentaires.
Théorème III.13 (Théorème du rang). Si E, F sont deux espaces vectoriels, avec E de dimension finie, et
f ∈ L(E, F ), alors :
dim E = rg(f ) + dim Kerf.
Démonstration. Comme E est de dimension finie, il existe S supplémentaire de Kerf dans E. On a donc :
— comme S est un supplémentaire de Kerf : dim S = dim E − dimKerf ;
|Imf
— par bijectivité de f|S : dim S = dim Imf = rg(f ).
Et ainsi : dim E = rg(f ) + dimKerf .
Remarque III.14. La dimension de F n’a aucune incidence dans ce théorème. Ou du moins cette incidence
est cachée dans la définition même de f . Par exemple, on pourrait considérer G espace vectoriel qui contient
G, et voir un élément de L(E, F ) comme un élément de L(E, G), sans en changer ni le rang ni le noyau.
On obtient surtout que rg(f ) ≤ dim E : une application linéaire ne peut que diminuer la dimension.
Proposition III.15. Si f ∈ L(E, F ), alors :

1. si E est de dimension finie : f est injective si, et seulement si, rg(f ) = dim E ;
2. si F est de dimension finie, f est surjective si, et seulement si, rg(f ) = dim F .
Démonstration.
1. f est injective si, et seulement si, Kerf = {0}, c’est-à-dire dim Kerf = 0 ; si E est de dimension
finie, par théorème du rang, c’est équivalent au fait que : rg(f ) = dim E ;
2. f est surjective si, et seulement si, Imf = F ; si F est de dimension finie, comme Imf est un sev de
F , c’est équivalent au fait que rg(f ) = dim F .
Remarque III.16. On retrouve ainsi d’une autre manière que, pour un endomorphisme f sur un espace de
dimension finie :
f injectif ⇔ f surjectif ⇔ f bijectif.
Plus précisément, on a pour f ∈ L(E) et E de dimension n ∈ N∗ :
Ker f = {0} ⇔ rg(f ) = n ⇔ f bijective.
Corollaire III.17. Si f ∈ L(E, F ), avec E et F de dimensions finies, alors :

1. si dim E < dim F , alors f n’est pas surjective ;
2. si dim E > dim F , alors f n’est pas injective.
Démonstration. Découle du résultat précédent et du fait que : rg(f ) ≤ min(dim E, dim F ).
Remarque III.18. En particulier, si f réalise un isomorphisme de E vers F , alors E et F ont même

dimension.
Proposition III.19. Si E est un espace vectoriel (quelconque) et f ∈ GL(E), alors pour tout sous-espace
F de E de dimension finie, l’espace f (F ) est de dimension finie, de même dimension que F .
Démonstration. Il suffit de voir que, u étant injective, f|F l’est également, et induit donc un isomorphisme
de F sur f (F ), qui ont donc même dimension.
Remarque III.20. En fait c’est seulement l’injectivité de f qui est importante ici.
Corollaire III.21. Si E, F sont deux espaces vectoriels quelconques et f ∈ L(E, F ) de rang fini :
1. si g ∈ GL(E), alors rg(f ◦ g) = rg(f ) ;
2. si h ∈ GL(F ), alors rg(h ◦ f ) = rg(f ).
Démonstration.
1. Comme g est surjective alors g(E) = E, donc Im(f ◦ g) = f ◦ g(E) = f (E) = Imf , ce qui donne
l’égalité en prenant la dimension.
2. Comme h est injective, alors Im(h ◦ f ) = h (Imf ), qui a donc même dimension que Imf par le
résultat précédent.
Remarque III.22. En fait c’est seulement la surjectivité de g et l’injectivité de h qu’on utilise ici.
III.4 Formes linéaires et équations de sous-espaces

Proposition III.23. Si E est un espace vectoriel de dimension finie n ∈ N∗ , et (e1 , . . . , en ) est une base de
E, alors toute forme linéaire sur E est combinaison linéaire de applications φi (pour i ∈ J1; nK) définies
par :
∀i, j ∈ J1; nK, φi (xj ) = δi,j .
Une telle écriture est unique. Plus précisément, si on note φ = ni=1 λi φi , alors :
P
∀i ∈ J1; nK, λi = φ(ei ).
Démonstration. L’existence et unicité de l’écriture comme combinaison linéaire vient de la base de L(E, K) =
E ∗ donnée avant.
Le dernier point vient du fait que, si φ = ni=1 λi φi et i ∈ J1; nK, alors :
P
n
X n
X
φ(ei ) = λj φj (ei ) = λj δi,j = λi .
j=1 j=1
P
Remarque III.24. Les φi et l’écriture φ = i λi φi dépendent de la base choisie. Elles permettent d’expri-
mer l’image d’un vecteur par ses coordonnées.
Exemple III.25. On considère sur R3 la forme linéaire :
φ : (x, y, z) 7→ x + y + z
dont les coordonnées dans la base de E ∗ associée à la base canonique sont (1, 1, 1).
On peut chercher à exprimer φ à partir de la base ((1, 0, 0), (1, 1, 0), (1, 1, 1)), dont on note φ1 , φ2 , φ3 les
| {z } | {z } | {z }
=e1 =e2 =e3
formes linéaires correspondantes. Alors :
φ(e1 ) = 1, φ(e2 ) = 2 et φ(e3 ) = 3
donc : φ = φ1 + 2φ2 + 3φ3 .

On pourrait aussi chercher à déterminer φ1 , φ2 , φ3 . Pour cela, il faut exprimer les vecteurs de la base
canonique en fonction de e1 , e2 , e3 . On trouve :
(1, 0, 0) = e1 , (0, 1, 0) = e2 − e1 et (0, 0, 1) = e3 − e2
et donc :
φ1 (x, y, z) = xφ1 ((1, 0, 0)) + yφ1 ((0, 1, 0)) + zφ1 ((0, 0, 1)) = x − y
φ2 (x, y, z) = xφ2 ((1, 0, 0)) + yφ2 ((0, 1, 0)) + zφ2 ((0, 0, 1)) = y − z
φ3 (x, y, z) = xφ3 ((1, 0, 0)) + yφ3 ((0, 1, 0)) + zφ3 ((0, 0, 1)) = z
et en combinant les deux formules on trouve bien que φ : (x, y, z) 7→ x + y + z.
Corollaire III.26. Si E est un espace vectoriel dimension finie n ∈ N∗ , les hyperplans de E sont exactement
les sev de E de dimension n − 1.
De plus, étant donnés (e1 , . . . , en ) une base de E et H un tel hyperplan, il existe λ1 , . . . , λn non tous nuls
tels que : ( n )
X n
X
H= xi e i | λi xi = 0 .
i=1 i=1
Démonstration. Les hyperplans sont exactement les supplémentaires de droites (qui sont des espaces de
dimension 1), donc ce sont les espaces de dimension n − 1 (par la formule de Grassmann et l’existence de
supplémentaires).
Soit φ ∈ E ∗ non nulle telle que H = Ker φ. Notons φ = ni=1 λi φi (où les φi sont les formes linéaires
P
associées à la base (ei )). Alors les λi sont non tous nuls (comme φ ̸= 0), et on trouve ainsi :
 

 

 n n n
!

X X X 
H = Kerφ = xi e i | λj φj xi ei
 

 i=1 j=1 i=1 


 | {z } 

=xj

Pn
Remarque III.27. On dit alors que l’équation i=1 λi xi = 0 est une équation de l’hyperplan H dans la
base (e1 , . . . , en ).
Exemple III.28. Considérons E = Rn [X] (pour n ∈ N), qui est un espace vectoriel de dimension n − 1.
L’application φ : P 7→ P (1) est une forme linéaire (c’est clair) non nulle (car par exemple φ(1) = 1 ̸= 0),
donc son noyau H = Kerφ dans E est un hyperplan de E.
Son équation dans la base canonique (1, X, . . . , X n ) est :
H : a0 + a1 + · · · + an = 0
puisque l’on a : φ ( i=0 ai X i ) = ni=0 ai .
Pn P
Corollaire III.29. Deux hyperplans sont confondus si, et seulement si, leurs équations dans une même base
sont proportionnelles.
Démonstration. Si on note φ1 , φ2 les formes linéaires associées aux deux hyperplans, alors les hyperplans
sont confondus si, et seulement si, les forme sφ1 , φ2 sont colinéaires, c’est-à-dire qu’elles sont proportion-
nelles.
Corollaire III.30. Si E est de dimension n et m ∈ N vérifie m ≤ n, alors tout sev de E de dimension m
est l’intersection de (n − m) hyperplans de E.
Démonstration. Soit F un sev de E de dimension m. On considère (e1 , . . . , em ) un base de F , qu’on
complète en (e1 , . . . , en ) base de E.
Notons (φ1 , . . . , φn ) les formes linéaires associées, et pour tout i ∈ J1; nK notons Hi = Kerφi . Alors :
F = ∩ni=m+1 Hi
est bien l’intersection de n − m hyperplans.
Remarque III.31. En termes d’équations, cela veut dire que tout espace vectoriel de E de dimension m est
donné par un système de (n − m) équations (une par hyperplan). Ces équations sont en fait deux-à-deux
linéairement indépendantes, et elles donnent le système d’équation associé à l’espace vectoriel.
Pour une droite, on retrouve la situation déjà connue depuis longtemps :
— dans le plan : il s’agit d’un hyperplan, qui est donc donné par une seule équation ;
— dans l’espace : c’est un espace de dimension 1, donc intersection de (3 − 1) = 2 (hyper)plans, donc
un système de deux équations.
Remarque III.32. Plus généralement, on peut s’intéresser à l’intersection de p plans dans E, et on trouve
que :
dim (∩pi=1 Hi ) ≥ dimE − p.
On utilise l’application φ : x 7→ (φ1 (x), . . . , φp (x)), où les φi sont les formes linéaires associées aux
hyperplans Hi . Le théorème du rang appliqué à φ donne le résultat (et montre qu’il y a égalité si, et
seulement si, φ est bijective, ce qui est le cas si, et seulement si, les φi sont linéairement indépendantes).
Chapitre 22
Matrices et applications linéaires
I Matrice d’une application linéaire dans une base

I.1 Représentation matricielle
Définition I.1. Soit E un espace vectoriel de dimension finie n, B =P(e1 , . . . , en ) une base de E, et x ∈ E.
Si on note λ1 , . . . , λn les coordonnées de x dans B (c’est-à-dire x = λi , ei ), alors la matrice de x dans
la base B est la matrice colonne :
 
λ1
 .. 
MatB (x) =  .  ∈ Mn,1 (K).
λn
Plus généralement,Psi on note x1 , . . . , xp des vecteurs de E, et que les λi,j sont les coordonnées de xj
(c’est-à-dire xj = i λi,j ei ), alors la matrice de la famille (xj ) dans la base B est la matrice :
 
λ1,1 λ1,2 . . . λ1,p
 λ2,1 λ2,2 . . . λ2,p 
MatB ((xj )1≤j≤p =  .. ..  = (λi,j ) ∈ Mn,p (K).
 
.. . .
 . . . . 
λn,1 λn,2 . . . λn,p
Remarque I.2. On prendra bien garde qu’un vecteur sera représenté par une matrice colonne.
Exemple I.3. Dans R3 , la matrice de la famille (x1 , x2 , x3 ) avec x1 = (3, 1, 4), x2 = (1, 5, 9), x3 = (2, 6, 5)
dans la base canonique est :  
3 1 2
1 5 6
4 9 5
Proposition I.4. Étant donnée une base B de E, l’application x 7→ MatB (x) est une bijection de E sur
Mn,1 (K).
Démonstration. Découle de l’unicité de l’écriture d’un vecteur comme combinaison linéaires d’éléments
d’une base.
Définition I.5. Si E, F sont deux espaces vectoriels de dimension finie, B = (e1 , . . . , ep ) une base de E, et
C = (f1 , . . . , fn ) une base de F et f ∈ L(E, F ), on appelle matrice de f dans bases B et C la matrice
MatB,C (f ) = (λi,j ) ∈ Mn,p (K) où les λi,j vérifient :
n
X
∀j ∈ J1; pK, f (ej ) = λi,j fi .
i=1
339
340 CHAPITRE 22. MATRICES ET APPLICATIONS LINÉAIRES
Dans, le cas particulier où E = F (donc f est un endomorphisme de E) et B = C, on notera plus

simplement MatB (f ) au lieu de MatB,B (f ).
Remarques I.6.
1. La matrice de f est la matrice de la famille (f (ej )) dans la base C.
2. Si on reprend la base de L(E, F ) des fonctions φi,j : ek 7→ δk,j fi , alors les λi,j sont les coordonnées
de f dans la base des φi,j .
Exemples I.7.
1. Peu importe le choix de B, on a : MatB (idE ) = In .
2. La dérivation de K3 [X] dans K2 [X], munis de leurs bases canoniques, a pour matrice :
 
0 1 0 0
0 0 2 0 .
0 0 0 3
et l’évaluation en a de Kn [X] sur K a pour matrice :

1 a a2 . . . an .
3. Si on voit C comme un R-espace vectoriel de dimension 2, muni de la base (1, i), alors la similitude
z 7→ (a + ib)z est un endomorphisme de C, dont la matrice est :

a −b
b a
comme f (1) = a + ib et f (i) = −b + ia.
Proposition I.8. Étant données une base B de E et une base C de F , l’application f 7→ MatB,C (f ) est une
bijection de L(E, F ) sur Mn,p (K).
Démonstration. Soit M = (λi,j ) ∈ Mn,p (K). Il existe une unique application f ∈ L(E, F ) telle que :
n
X
∀j ∈ J1; pK, f (ej ) = λi,j fi
i=1
c’est-à-dire que M a un unique antécédent dans L(E, F ), ce qui donne la bijectivité.
Remarque I.9. Il faut bien prendre garde au fait que cette bijection nécessite en amont de fixer des bases
de E et F .
Corollaire I.10. Étant donnée une base B de E, l’application f 7→ MatB (f ) est une bijection de L(E) sur
Mn (K).
I.2 Compatibilité des opérations

Proposition I.11. Étant données une base B de E et une base C de F , f, g ∈ L(E, F ) et λ, µ ∈ K, alors :
MatB,C (λf + µg) = λMatB,C (f ) + µMatB,C (g)
et donc l’application f 7→ MatB,C (f ) est un isomorphisme d’espaces vectoriels de L(E, F ) sur Mn,p (K).
I. MATRICE D’UNE APPLICATION LINÉAIRE DANS UNE BASE 341
Démonstration. On note B = (e1 , . . . , ep ) et C = (f1 , . . . fn ). Alors :
(λf + µg)(ej ) = λf (ej ) + µg(ej )
d’où l’égalité coordonnée par coordonnée de ces vecteurs sur la base (fi ), ce qui donne l’égalité coefficient
par coefficient des matrices associées.
Remarque I.12. On retrouve au passage la dimension de L(E, F ).
Proposition I.13. Si B et C sont des bases de E et F , f ∈ L(E, F ) et x ∈ E, alors :
MatC (f (x)) = MatB,C (f ) × MatB (x) .
Démonstration.
  Notons B = (e1 , . . . , ep ) et C = (f1 , . . . , fn ). Si on note MatB,C (f ) = (ai,j ) et MatB (x) =
λ1
 .. 
 .  alors :
λp
p p p p
! n n
!
X X X X X X
f (x) = f λj ej = λj f (ej ) = λj ai,j fi = ai,j λj fi
j=1 j=1 j=1 i=1 i=1 j=1
ce qui donne bien le résultat
Proposition I.14. Si B, C et D sont des bases de E, F et G, f ∈ L(E, F ) et g ∈ L(F, G), alors :
MatB,D (g ◦ f ) = MatC,D (g) × MatB,C (f ).
Démonstration. Si on note B = (e1 , . . . , ep ), C = (f1 , . . . , fn ) et D = (g1 , . . . , gm ), alors pour tout j ∈ J1; pK :
MatD (g ◦ f (ej )) = MatC,D (g) × MatC (f (ej ))
et donc la j-ème colonne de MatB,D (g ◦ f ) est le produit de MatC,D (g) par la j-ème colonne de MatB,C (f ),
ce qui donne bien l’égalité voulue.
Remarque I.15. Il faut bien faire attention que l’on prend la même base pour F pour écrire la matrice de
f et celle de g (sinon le résultat est faux).
Exemple I.16. On se place sur K3 [X]. L’application P →7 XP ′ est un endomorphisme de K3 [X], qu’on
peut voir comme la composée des applications :

K3 [X] → K2 [X] K2 [X] → K3 [X]
f: et g :
P 7→ P ′ P 7→ XP
et on trouve ainsi en notant B, C les bases canoniques de K3 [X] et K2 [X] :

   
0 0 0 0  
 1  1 0 0 1 0 0
0 

 = × 0 0 2 0 .
 2  0 1 0
0 0 0 3
3 0 0 1 | {z }
| {z } | {z } MatB,C (f )
MatB (g◦f ) MatB (g)
Corollaire I.17. Étant donnée une base B de E, l’application f 7→ MatB (f ) est un isomorphisme d’anneaux
de L(E) sur Mn (K).
Exemple I.18. On fixe E un espace vectoriel, B(e1 , e2 , e3 ) une base de E, et s ∈ L(E) dont la matrice dans
la base B est :  
0 −2 1
S= 0 1
 0 .
1 2 0
Alors on a :
S 2 = I3 = MatB (id)
donc s est une symétrie.
Pour x = ae 1 + be2 + ce3 ∈ E, on a :
    
a a  −2b + c = a
s(x) = x ⇔ A b = b ⇔
    b = b ⇔ a + 2b − c = 0
c c a + 2b = c

    
a a  −2b + c = −a
b = 0
s(x) = −x ⇔ b = b ⇔
    b = −b ⇔⇔
a+c = 0
c c a + 2b = −c

et donc s est la symétrie sur P parallèlement à D, où :
P = Vect((2e1 − e2 ), (e2 + 2e3 )) et D = Vect(e1 − e3 ).
Et ce peu importe l’espace E et la base B choisie. Par exemple, sur K2 [X] muni de la base canonique, on
déduit que l’application linéaire : a + bX + cX 2 7→ (−2b + c) + bX + (a + 2b)X 2 est une symétrie sur
{P ∈ K2 [X] | 2P (0) + 4P ′ (0) − P ′′ (0) = 0} parallèlement à {λ(X 2 − 1) | λ ∈ K}.
Corollaire I.19. Si B et C sont des bases de E et F , avec E, F de même dimension finie, et f ∈ L(E, F ),
alors f est un isomorphisme si, et seulement si, MatB,C (f ) est inversible, et dans ce cas :
MatC,B f −1 = (MatB,C (f ))−1 .

Démonstration. On note pour simplifier A = MatB,C (f ). Alors :
f bijective ⇔ ∃g ∈ L(F, E), g ◦ f = idE et f ◦ g = idF

⇔ ∃B ∈ Mn (K), BA = AB = In
(avec M = MatC,B (g))
⇔ A est inversible
et alors on a :
In = MatB (idE ) = MatB (f −1 ◦ f ) = MatC,B (f −1 )MatB,C (f )
ce qui donne bien l’inverse à gauche, qui coı̈ncide avec l’inverse à droite (par propriété des inverses matri-
ciels), mais qu’on pourrait montrer indépendamment.
Remarque I.20. On retrouve même un résultat plus fort : l’inversibilité à gauche d’une application linéaire
est équivalente à l’inversibilité à gauche de la matrice associée (et pareil à droite). Et ainsi on retrouve
que, pour les matrices carrées comme pour les applications linéaires entre deux espaces vectoriels de même
dimension finie, les inversibilités à gauche ou à droite sont équivalentes à l’inversibilité.
Exemple I.21. Sur K2 [X], on considère l’endomorphisme f : P 7→ P + P ′ + P ′′ . Alors la matrice de f

dans la base canonique est la matrice :  
1 1 2
A = 0 1 2
0 0 1
II. APPLICATION LINÉAIRE CANONIQUEMENT ASSOCIÉE À UNE MATRICE 343
donc, comme A est triangulaire supérieure de coefficients diagonaux non nuls, alors A est inversible, donc
f est bijective.
On inverse A par pivot, ce qui donne :
 
1 −1 0
A−1 = 0 1 −2
0 0 1
et donc f est inversible, d’inverse f −1 : P 7→ P − P ′ .

On aurait pu aussi déduire l’inversibilité (et surtout l’inverse) de A de celui de f , en constatant que :
f = id + g + g 2 où g : P 7→ P ′ est nilpotente d’ordre 3 (sur K2 [X]), donc f est inversible d’inverse id − g.
II Application linéaire canoniquement associée à une matrice

Définition II.1. Si A ∈ Mn,p (K), on lui associe l’application :

Mp,1 (K) → Mn,1 (K)
f:
X 7→ AX
qu’on appellera l’application linéaire canoniquement associée à A.

En assimilant Kp et Kn à Mp,1 (K) et Mn,1 (K), l’application f est l’élément de L(Kp , Kn ) dont la matrice
dans les bases canoniques est A.
II.1 Rang d’une matrice

Définition II.2. Si A ∈ Mn,p (K), on appelle rang de A, noté rg(A), le rang de la famille de ses colonnes
(qui sont des éléments de Mn,1 (K), assimilé à Kn ).
Plus généralement, on dira que l’image de A, notée Im A, est l’espace vectoriel engendré par ses colonnes
(vu indifféremment comme un sous-espace de Mn,1 (K) ou Kn ).
Et on a ainsi : dim Im A = rg(A).
Remarque II.3. Du fait des multiplications matricielles avec des vecteurs colonnes, on a : Im A = {AX | X ∈
Mp,1 (K)}.
Proposition II.4. Si B est une base d’un espace vectoriel E, et (x1 , . . . , xp ) est une famille de E, alors :
rg (x1 , . . . , xp ) = rg (MatB (x1 , . . . , xp )) .
Démonstration. Notons B = (e1 , . . . , en ) base de E. Alors l’application :



 M  → E
n,1 (K)
λ1


φB :  ..  Pn

  .  7→ i=1 λi ei

 λn
est un isomorphisme (il s’agit de la bijection réciproque de x 7→ MatB (x)).

Mais cette application envoie Im (MatB (x1 , . . . , xp )) sur Vect (x1 , . . . , xp ) (elle envoie chaque colonne sur le
vecteur correspondant).
Et comme un isomorphisme préserve les dimensions, on a donc bien l’égalité voulue.
Corollaire II.5. Si f ∈ L(E, F ) et B, C des bases de E et F respectivement, alors : rg(f ) = rg (MatB,C (f )).
Démonstration. On applique le résultat précédent à la famille (f (e1 ), . . . , f (ep )), où B = (e1 , . . . , ep ).
Corollaire II.6. Si A ∈ Mn,p (K), alors :

1. rg(A) ≤ min(n, p) ;
2. si n = p, alors A est inversible si, et seulement si, rg(A) = n ;
3. pour toutes matrices P ∈ GLn (K) et Q ∈ GLp (K), on a : rg(A) = rg(P AQ).
Démonstration. 1. découle du rang de f canoniquement associé à A ;

2. un endomorphisme en dimension finie est surjectif si, et seulement si, il est bijectif, et la surjectivité
est donnée par le rang ;
3. découle de rg(g ◦ f ) = rg(f ) = rg(f ◦ h) pour g, h inversibles.
Remarques II.7.
1. Pour le point 2, on peut aussi dire que cela revient à ce que les colonnes de A engendrent Kn
(comme elles engendrent un sev de Kn de dimension rg(A)).
2. On a même un résultat plus fort pour le 3 : si Q ∈ GLp (K), alors Im A = Im AQ
Corollaire II.8. Si B = (e1 , . . . , en ) est une base de E et (x1 , . . . , xn ) est une famille de vecteurs de E,
alors (x1 , . . . , xn ) est une base si, et seulement si, MatB (x1 , . . . , xn ) est inversible.
Démonstration. Les deux assertions sont équivalentes au fait que rg(x1 , . . . , xn ) = n.
II.2 Lien avec les systèmes linéaires

Définition II.9. Si A ∈ Mn,p (K), on appellera noyau de A, noté Ker A, l’ensemble des X ∈ Mn,1 (K) tels
que : AX = 0.
Remarque II.10. Le noyau d’une matrice est donc l’ensemble des solutions du système homogène AX = 0.
Proposition II.11. Le noyau d’une matrice est égal au noyau de son application linéaire canoniquement
associée.
Démonstration. Découle de l’égalité :
MatC (f (x)) = MatB,C (f ) × MatB (x) .
Corollaire II.12 (Théorème du rang matriciel). Si A ∈ Mn,p (K), alors :
p = dimKer A + rg(A).
Démonstration. Découle du théorème du rang pour f ∈ L(Kp , Kn ) associée à A.
Corollaire II.13. Si A ∈ Mn (K), alors A est inversible si, et seulement si, Ker A = {0}.
Démonstration. Découle du résultat analogue pour les endomorphismes en dimension finie.
Proposition II.14. Si A ∈ Mn,p (K) et B ∈ Mn,1 (K), alors le système AX = B (d’inconnue X ∈ Mp,1 (K))
admet une solution si, et seulement si, B ∈ Im A.
Dans ce cas, l’ensemble des solutions est un espace affine de Mp,1 (K) dirigé par Ker A, qui est donc de
dimension p − rg(A).
Si n = p et que A est inversible, le système AX = B admet toujours une unique solution, et on dit qu’il
s’agit d’un système de Cramer.
III. CHANGEMENTS DE BASES, ÉQUIVALENCE ET SIMILITUDE 345
Démonstration. L’existence de solution découle de la définition de Im A.

Pour la structure de l’ensemble solution, on l’a déjà vu lors de la présentation des espaces affines. La dimen-
sion des solutions découlent du théorème du rang qu’on applique à l’application linéaire canoniquement
associée à A.
Le dernier résultat a déjà été montré.
Remarque II.15. La dimension de l’ensemble solution se lit bien sur la méthode du pivot : multiplier par
une matrice inversible (à gauche ou à droite) ne change pas le rang, donc échelonner une matrice ne
change pas son rang. Et il est clair (à la manière des familles de polynômes de degrés échelonnées) que le
rang d’une matrice échelonnée est égal au nombre de ses pivots.
Proposition II.16. Si A ∈ Mn,p (K), alors :

1. si P ∈ GLn (K), on a : Ker A = Ker P A ;
2. si Q ∈ GLp (K), on a : Im A = Im AQ.
En particulier, les opérations élémentaires sur les lignes de A préservent le noyau, et celles sur les colonnes
préservent l’image. Plus généralement, ces deux opérations préservent le rang.
Démonstration. On a pour tout X ∈ Mp,1 (K) et P ∈ GLn (K) :
X ∈ Ker A ⇔ AX = 0 ⇔ P AX = 0 ⇔ X ∈ Ker P A

La seconde a déjà été montrée.
Le reste découle de l’écriture matricielle des opérations élémentaires : une opération élémentaire sur une
ligne (resp. une colonne) revient à multiplier à gauche (resp. à droite) par une matrice inversible, ce
qui préserve donc le noyau (resp. l’image). La préservation du rang découle alors du théorème du rang
matriciel.
III Changements de bases, équivalence et similitude

III.1 Changements de bases
Définition III.1. Soient B et C deux bases d’un espace vectoriel E de dimension finie. On appelle matrice
de passage de B à C la matrice :
PBC = PB→C = MatB (C).
Proposition III.2. Avec les mêmes notations, on a :
PBC = MatC,B (idE ).
Et on a ainsi que :
1. PBC est inversible, d’inverse : PCB ;
2. si D est une autre base de E, alors : PBD = PBC · PCD .
Démonstration. Le premier point vient du fait que les éléments de C sont envoyés sur eux-même par idE .
On déduit ainsi que :
1. comme idE = id−1
E , alors :
(MatB,C (idE ))−1 = MatC,B (id−1

E ) = MatC,B (idE )
ce qui donne bien l’égalité voulue ;

2. comme idE ◦ idE = idE , alors :
MatD,B (idE ) = MatC,B (idE ) × MatD,C (idE )
ce qui donne l’égalité sur les matrices de passage.
Exemple III.3. On se place sur K2 [X]. On considère B la base canonique, et on pose C la famille de
polynômes d’interpolation de Lagrange associée à la famille (0, 1, 2), c’est-à-dire :
 
 X 2 − 3X + 2 2 X2 − X 
C=
 , −X
| {z+ 2X},
.
2 2 
| {z } L1 | {z }
L0 L2
Et donc :  
1 0 0
C 3
PB = A = − 2
2 − 12 
1
2
−1 12
Mais on sait très bien exprimer un polynôme de K2 [X] dans la base (L0 , L1 , L2 ), à savoir :
∀P ∈ K2 [X], P = P (0) · L0 + P (1) · L1 + P (2) · L2
et donc pour la base canonique, on trouve :
1 = L0 + L1 + L2 , X = L1 + 2 · L2 et X 2 = L1 + 4 · L2
donc finalement on trouve :  

1 0 0
A−1 = PC,B = 1 1 1 .
1 2 4
Proposition III.4. Si B et C sont deux bases de E, alors pour tout x ∈ E on a :
MatB (x) = PB,C MatC (x)
c’est-à-dire que la matrice de passage de B à C permet de passer des coordonnées de x dans C à celles dans
B.
Remarque III.5. La terminologie semble donc assez mal choisie. On verra qu’elle s’adapte en fait très bien
aux endomorphismes.
Exemple III.6. On reprend les polynômes L0 , L1 , L2 d’interpolation associés à la famille (0, 1, 2). Et on
veut calculer rapidement dans la base canonique le polynôme P = 4L0 + L1 − 2L2 . On a :
     
1 0 0 4 4
1 1 
MatB (P ) = PB,C · MatC (P ) = − 2 2 − 2 · 1
  = −3

1 1
2
−1 2 −2 0
donc P = 4 − 3X.
Théorème III.7 (Formule de changement de base). Soient E, F deux espaces vectoriels de dimension finie,
B, B ′ deux bases de E et C, C ′ deux bases de F , alors pour tout f ∈ L(E, F ) on a :
′
MatB′ ,C ′ (f ) = PCC′ MatB,C (f )PBB .
Démonstration. Découle du fait que : f = idF ◦ f ◦ idE et de la représentation matricielle d’une composée.
Remarque III.8. Il faut bien faire attention à l’ordre et au sens dans lequel on prend les matrices de
passage. L’écriture se retient bien par le graphique suivant :
MatB,C (f )
(E, B) / (F, C)
O
′
PBB PCC′

(E, B ′ ) Mat / (F, C ′ )
B′ ,C ′ (f )
Corollaire III.9. Si E est un espace vectoriel de dimension finie, et B, B ′ deux bases de E, alors pour tout
f ∈ L(E) on a :
′
′ −1 ′
MatB′ (f ) = PBB′ MatB (f )PBB = PBB MatB (f )PBB .
Remarque III.10. L’intérêt d’une telle formule est de trouver une base dans laquelle la matrice de f est
plus simple, et permet de faire des calculs, et d’en déduire ensuite des propriétés de f .
Exemple III.11. Considérons sur K2 [X] l’endomorphisme f tel que :

 
2 0 0
A = MatB (f ) = −3 −2 −6 .
2 3 7
Alors en notant P = PBC , la matrice dans la base C = (L0 , L1 , L2 ) de f est :

       
1 0 0 2 0 0 1 0 0 2
−1
MatC (f ) = P · A · P = 1 1 1 · −3
  −2 −6 · −3/2 2 −1/2 =  1 
1 2 4 2 3 7 1/2 −1 1/2 4
et on peut ainsi plus facilement calculer les puissances de f (ou d’autres propriétés de f ).
III.2 Matrices équivalentes

Définition III.12. Soient A, B ∈ Mn,p (K). On dit que A et B sont équivalentes s’il existe P ∈ GLn (K)
et Q ∈ GLp (K) telles que : A = P −1 BQ.
Remarque III.13. Du fait de la formule de changement de base, cela revient à dire que A et B représentent
une même application linéaire, mais dans des couples de bases différentes.
Proposition III.14. La relation précédente définit une relation d’équivalence sur Mn,p (K).
Démonstration. On a les propriétés suivantes :

— réflexivité : si A ∈ Mn,p (K), avec P = In ∈ GLn (K) et Q = Ip ∈ GLp (K) on a : A = P −1 AQ ;
— symétrie : si A, B ∈ Mn,p (K) et P ∈ GLn (K), Q ∈ GLp (K) telles que : A = P −1 BQ. Alors
−1
B = P AQ−1 = (P −1 ) A (Q−1 ) avec P −1 ∈ GLn (K) et Q−1 ∈ GLp (K) ;
— transitivité : si A, B, C ∈ Mn,p (K) et P1 , P2 ∈ GLn (K), Q1 , Q2 ∈ GLp (K) telles que : A = P1−1 BQ1
et B = P2−1 CQ2 , alors : A = P1−1 P2−1 CQ2 Q1 = P −1 CQ avec P = P2 P1 ∈ GLn (K) et Q = Q2 Q1 ∈
GLp (K).
Proposition III.15. Pour n, p ∈ N∗ et r ∈ J0; min(n, p)K, on définit la matrice Jn,p,r ∈ Mn,p (K) comme la
matrice en blocs :
Ir 0r,p−r
Jn,p,r = .
0n−r,r 0n−r,p−r
Alors, si A ∈ Mn,p (K) est de rang r, la matrice A est équivalente à Jn,p,r .
Démonstration. Notons f : Kp → Kn l’application linéaire canoniquement associée à A.
On a rg(A) = rg(f ) = r. Si on considère S un supplémentaire de Ker f dans Kp , avec (e1 , . . . , er , er+1 , . . . , ep )
une base de Kp adaptée à la décomposition Kp = S ⊕Ker f , alors la famille (f (e1 ), . . . , f (er )) = (f1 , . . . , fr )
est une base de Imf . Si on la complète en (f1 , . . . , fr , fr+1 , . . . , fn ) base de F , alors on a :

fj si j ≤ r
∀j ∈ J1; pK, f (ej ) =
0 si j > r
ce qui donne bien que :

Jn,p,r = Mat(ej ),(fi ) (f ).
En posant P la matrice de passage de (fi ) à la base canonique de Kn , et Q celle de (ej ) à la base canonique
de Kp , on a bien :
A = MatBp ,Bn (f ) = P −1 Jn,p,r Q
donc A est bien équivalente à Jn,r,p .
Remarque III.16. Le calcul effectif du rang se fait alors par méthode du pivot : on cherche à échelonner la
matrice A par opérations sur les lignes ou les colonnes, ce qui donne finalement son rang (qui correspond au
nombre de pivots après échelonnage) : la matrice P −1 correspond aux opérations sur les lignes effectuées,
et Q celles sur les colonnes.
Corollaire III.17. Deux matrice sont équivalentes si, et seulement si, elles ont même rang.
Démonstration. Soient A, B ∈ Mn,p (K). Notons r = rg(A) et r′ = rg(B), de sorte que A et B sont
respectivement équivalentes à Jn,p,r et à Jn,p,r′ :
— si r = r′ : alors A et B sont équivalentes à une même matrice, donc équivalentes ;
— si A et B sont équivalentes : on note P ∈ GLn (K) et Q ∈ GLp (K) tels que A = P −1 BQ et alors :
r = rg(A) = rg(P −1 BQ) = rg(B) = r′ (comme multiplier par des matrices inversibles à gauche ou
à droite ne change pas le rang).
Corollaire III.18. Si A ∈ Mn,p (K), alors rg(A) = rg(AT ).

Démonstration. Notons r = rg(A), et P ∈ Gln (K), Q ∈ GLp (K) telles que A = P −1 Jn,p,r Q.
Alors : T −1 T
AT = P −1 Jn,p,r Q = QT Jn,p,r T
P
| {z }
|{z} | {z }
∈GLp (K) =Jp,n,r ∈GLn (K)
dont AT est équivalente à Jp,n,r , donc est de rang r.

Remarque III.19. Comme le rang d’une matrice est le rang de la famille de ses colonnes, le résultat dit
ainsi qu’il s’agit aussi du rang de la famille de ses lignes (qui sont les colonnes de sa transposée).
Définition III.20. Soit A = (ai,j ) ∈ Mn,p (K). Une matrice extraite de A est une matrice de la forme
(ai,j ) i ∈ I ∈ M|I|,|J| (K), pour I ⊂ J1; pK et J ⊂ J1; nK.
j ∈J
Proposition III.21. Si A ∈ Mn,p (K) :

1. toute matrice extraite de A a pour rang au plus rg(A) ;
2. il existe une matrice extraite de A inversible de taille rg(A).

Remarque III.22. Et ainsi le rang de A est la plus grande taille possible d’une matrice inversible extraite
de A.
Démonstration.
1. Soit B une matrice extraite de A. Notons A = (ai,j ) et B = (ai,j ) i∈I .
j ∈J
Notons C = (ai,j ) 1≤i≤n , c’est-à-dire que C est la matrice construite à partir de A, en retirant les
j ∈J
mêmes colonnes à A que pour obtenir B, mais en gardant toutes les lignes.
Comme les colonnes de C sont des colonnes de A, alors rg(C) ≤ rg(A).
Et comme les lignes de B sont des lignes de C, alors rg(B) ≤ rg(C).
Et finalement rg(B) ≤ rg(A).
2. Notons r = rg(A) : comme le rang de A est la dimension de l’espace engendré par les colonnes de
A, alors il existe une base de cet espace construit à partir de colonnes de A (par théorème de la
base extraite). Notons C la matrice obtenue en ne gardant que ces colonnes, qui est donc de rang
r et possédant r colonnes.
Comme le rang de C est aussi le rang de ses lignes, on peut à nouveau utiliser le théorème de la
base extraite pour ne garder que r lignes qui forment une base, ce qui forme la matrice B.
La matrice B est carrée de taille r, et elle est de rang r, donc est bien inversible.
III.3 Matrices semblables

Définition III.23. Soient A, B ∈ Mn (K). On dit que A et B sont semblables s’il existe P ∈ GLn (K)
telle que : A = P −1 BP .
Remarques III.24.
1. À nouveau par formule de changement de base, selon revient à dire que A et B représentent un
même endomorphisme, mais dans des bases différentes.
2. L’intérêt, comme avant, est de trouver une matrice semblable qui facilite les manipulations. Par
exemple, on dira que A est diagonalisable si elle est semblable à une matrice diagonale, ou tri-
gonalisable si elle est semblable à une matrice triangulaire.
Proposition III.25. Le fait d’être semblable définit une relation d’équivalence sur Mn (K).
Démonstration. Comme pour les matrices équivalentes.
Proposition III.26. Si A ∈ Mn (R), alors :
1. A est la matrice d’un projecteur si, et seulement si, elle est semblable à une matrice diagonale de
comportant que des 0 et des 1 sur la diagonale ; c’est le cas si, et seulement si, on a A2 = A.
2. A est la matrice d’une symétrie si, et seulement si, elle est semblable à une matrice diagonale ne
comportant que des 1 et des −1 sur la diagonale ; c’est le cas si, et seulement si, on a A2 = In .
Démonstration. On pose f l’application linéaire canoniquement associée à f . Alors A2 est la matrice de
f 2 dans la base canonique, ce qui donne déjà que f est un projecteur (resp. une symétrie) si, et seulement
si, A2 = A (resp. A2 = In ).
Montrons le résultat de similitude pour un projecteur :
— si A est semblable à une matrice diagonale D ne comportant que des 0 et des 1 sur la diagonale : alors
D2 = D (comme 02 = 0 et 12 = 1), et A = P −1 DP pour P ∈ GLn (K). Donc A2 = P −1 DP P −1 DP =
P −1 D2 P = P −1 DP = A, donc A est bien la matrice d’un projecteur ;
— si A est la matrice d’un projecteur : comme Im f ⊕ Ker f = Kn , en posant B une base de Kn adaptée
à cette décomposition, on a :
Im 0
MatB (f ) = D =
0 0
où m = rg(f ) ≤ n. Et par formule de changement de base, en notant P la matrice de passage de B
dans la base canonique, on a : A = P −1 DP , où D est bien de la forme voulue.
Le résultat de symétrie se montre de manière similaire.
Définition III.27. Si A = (ai,j ) ∈ Mn (K), on appelle trace de A la quantité notée tr(A) définie par :
n
X
tr(A) = ai,i .
i=1
Exemples III.28. 1. tr(In ) = n et tr(0n ) = 0 ;

2. si A est antisymétrique : tr(A) = 0 (car tous les coefficients diagonaux de A sont nuls) ;
3. tr(diag(λ1 , . . . , λn )) = λ1 + · · · + λn ;
4. si A ∈ Mn,p (K), alors AT A ∈ Mp (K) et AAT ∈ Mn (K) vérifient : tr(AAT ) = tr(AT A) = i,j a2i,j .
P
Proposition III.29. L’application A 7→ tr(A) définit une forme linéaire de Mn (K) sur K.
De plus, pour tous A, B ∈ Mn (K) on a :
tr(AT ) = tr(A) et tr(AB) = tr(BA).
Démonstration. Si A, B ∈ Mn (K) et λ, µ ∈ K, alors :
n
X n
X
tr(λA + µB) = [λA + µB]i,i = λ[A]i,i + µ[B]i,i = λtr(A) + µtr(B)
i=1 i=1
ce qui donne la linéarité.

Pour la transposée : A et AT ont mêmes coefficients diagonaux, donc en les sommant on trouve que
tr(A) = tr(AT ).
Et enfin :
Xn n X
X n n X
X n n
X
tr(AB) = [AB]i,i = [A]i,k [B]k,i = [B]k,i [A]i,k = [BA]k,k = tr(BA).
i=1 i=1 k=1 k=1 i=1 k=1
Remarque III.30. Le dernier résultat se généralise : si A ∈ Mn,p (K) et B ∈ Mp,n (K), alors les quantités
tr(AB) et tr(BA) sont bien définies et sont égales.
Il faut cependant bien faire attention : on peut inverser deux matrices dans un produit de deux facteurs,
mais on ne peut pas échanger tous les ordres des matrices dans un produit et espérer la trace. Par exemple
avec :
1 1 1 0 1 0
A= , B= et C =
0 1 1 1 0 0
on a :
2 0 1 0
ABC = et ACB =
1 0 0 0
et donc tr(ABC) ̸= tr(ACB).
On peut en revanche les échanger de manière circulaire :
tr(A1 A2 , . . . An−1 An ) = tr(A2 A3 . . . An−1 An A1 ) = tr(A3 A4 . . . An−1 An A1 A2 ) = . . .
et par exemple avec trois matrices on trouve :
tr(ABC) = tr(BCA) = tr(CAB).
Corollaire III.31. Deux matrices semblables ont même trace.
Démonstration. Soient A, B ∈ Mn (K), et P ∈ GLn (K) tels que : A = P −1 BP . Alors :
tr(A) = tr(P −1 BP ) = tr (P −1 B)P = tr P (P −1 B) = tr (P P −1 )B = tr(B).

Remarque III.32. La notion de matrices semblables étant plus restrictive que celle de matrices équivalentes,
on avait déjà que deux matrices semblables ont même rang.
Mais cette condition n’est pas suffisante, car deux matrices peuvent avoir même rang et même trace sans
être semblable : par exemple les matrices :

1 0 1 1
et
0 1 0 1
sont toutes les deux de rang et de trace valant 2, mais ne sont pas semblable (comme la seule matrice
semblable à I2 est elle-même).
En particulier, il est en général difficile de montrer que deux matrices sont semblables.
Proposition-Définition III.33. Si f ∈ L(E), pour E de dimension finie, alors la trace de MatB (f ) ne

dépend pas de la base B de E considérée.
On définit cette quantité comme étant la trace de f , notée tr(f ), et l’application f 7→ tr(f ) définit ainsi
une forme linéaire sur L(E).
Démonstration. Toutes les représentations matricielles de f sont semblables, donc ont la même trace, ce
qui montre qu’elle est bien définie.
La linéarité découle du résultat sur les matrices.
Proposition III.34. Si f, g ∈ L(E), alors tr(f g) = tr(gf ).
Démonstration. Découle du résultat sur les matrices.
Proposition III.35. Soient F, G deux espaces supplémentaires d’un espace vectoriel E de dimension finie
n ∈ N∗ , p le projecteur sur F parallèlement à G et s la symétrie sur F parallèlement à G. Alors :
n + tr(s) n − tr(s)
dim F = tr(p) = et dim G = n − tr(p) = .
2 2
Démonstration. Comme la trace ne dépend pas du choix de la base, il suffit de représenter p et s dans une
base B adaptée à la décomposition F ⊕ G = E. Si on note m = dimF (de sorte que dimG = n − m), alors
on a :
Im 0 Im 0
MatB (p) = et MatB (s) =
0 0n−m 0 −In−m
et donc : tr(p) = m et tr(s) = 2m − n.
Remarque III.36. Pour un projecteur, on a même que : tr(p) = rg(p), ce qui permet facilement de calculer
le rang.
Chapitre 23
Intégration
Dans tout le chapitre on désignera par K le corps R ou C.
I Les fonctions uniformément continues

Définition I.1. Soit f : I → K pour I ⊂ R. On dit que f est uniformément continue sur I si :
∀ε > 0, ∃η > 0, ∀x, y ∈ I, |x − y| ≤ η ⇒ |f (x) − f (y)| ≤ ε.
Remarque I.2. La définition ressemble beaucoup à la continuité :
∀x ∈ I, ∀ε > 0, ∃η > 0, ∀y ∈ I, |x − y| ≤ η ⇒ |f (x) − f (y)| ≤ ε
et la différence est qu’on a inversé les quantificateurs : le “∀x ∈ I” (qui permettait de donner la continuité
en x ∈ I) est passé après le “∀ε > 0”, et surtout devant le “∃η”. Ainsi, à ε fixé, le η adapté ne dépend pas
de x. La notion de fonction uniformément continue est donc plus contraignante que la notion de fonction
continue.
Proposition I.3. Toute fonction uniformément continue est continue.
Remarque I.4. La réciproque est fausse. Par exemple la fonction x 7→ x2 sur R n’est pas uniformément
continue.
Par l’absurde, si elle l’était, on aurait pour ε = 1 > 0 l’existence de η > 0 tel que : ∀x, y ∈ R, |x − y| ≤
η ⇒ |x2 − y 2 | ≤ 1.
Mais on a pour tout x ∈ R+ : (x + η)2 = x2 + 2xη + η 2 et donc pour tout x ∈ R+ on aurait : 2xη ≤ 1, ce
qui est impossible comme lim 2xη = +∞ (comme η > 0).
x→+∞
Proposition I.5. Toute fonction lipschitzienne est uniformément continue.
Démonstration. Soit f : I → K une fonction k-lipschitzienne pour k ≥ 0.

ε
Soit ε > 0. Alors η = convient car :
k+1
ε
∀x, y ∈ I, |x − y| ≤ η ⇒ |f (x) − f (y)| ≤ k|x − y| ≤ kη = k ≤ ε.
k+1
Théorème I.6 (de Heine). Une fonction continue sur un segment est uniformément continue.
353
354 CHAPITRE 23. INTÉGRATION
Démonstration. On considère f continue sur [a, b], et on suppose par l’absurde que f n’est pas uniformé-
ment continue, et donc :
∃ε > 0, ∀η > 0, ∃x, y ∈ [a, b], |x − y| ≤ η et |f (x) − f (y)| > ε.
Prenons un tel ε > 0, et appliquons pour n ∈ N∗ le résultat à η = n1 , cela veut dire qu’il existe deux suites
(xn ), (yn ) telles que pour tout n ∈ N∗ :
1
|xn − yn | ≤ et |f (xn ) − f (yn )| > ε.
n
Mais (xn ) est bornée (car un segment est borné) et donc par théorème de Bolzano–Weierstrass il existe
une suite extraite (xφ(n) ) qui converge vers un réel x, qui est nécessairement dans [a, b] comme un segment
est fermé.
Par encadrement, comme lim φ(n) = +∞, alors : |xφ(n) − yφ(n) | → 0, et donc la suite (yφ(n) ) converge
n→+∞ n→+∞
également vers x.
Comme f est continue en x, alors les suites (f (xφ(n) )) et (f (yφ(n) )) convergent vers f (x). Et donc :
lim |f (xφ(n) ) − f (yφ(n) )| = 0

n→+∞
mais on a aussi : ∀n ∈ N∗ , |f (xφ(n) ) − f (yφ(n) )| > ε, donc par passage à la limite : 0 ≥ ε.

D’où la contradiction.
Donc f est uniformément continue.
√
Exemple I.7. On a vu que la fonction x 7→ x est continue mais non lipschitzienne sur [0, 1] (à cause de
son comportement en 0). Mais par théorème de Heine, comme [0, 1] est un segment, elle est uniformément
continue sur [0, 1] (et elle l’est même sur R+ ).
II Intégrales des fonctions en escalier

II.1 Les fonctions en escalier
Définition II.1. Étant donné [a, b] un segment, on appelle subdivision de [a, b] une partie finie σ =
{x0 , . . . , xn } pour n ∈ N∗ et a = x0 < x1 < · · · < xn = b.
On appelle alors le pas de σ la quantité : δ(σ) = max (xi+1 − xi ).
i∈J0;n−1K
Remarque II.2. Pour mettre en évidence l’ordre dans lequel les xi sont rangés, on pourra voir σ plutôt
comme une famille que comme un ensemble.
Exemple II.3. Si n ∈ N∗ , on dispose de la subdivision à pas régulier donnée par :

b−a
∀k ∈ J0; nK, xk = a + k .
n
Définition II.4. On dit qu’une fonction f : [a, b] → R est une fonction en escalier s’il existe une
subdivision σ = (xi )i∈J0;nK telle que : pour tout i ∈ J0; n − 1K, la fonction f |]xi ;xi+1 [ est constante.
On dira alors que σ est une subdivision adaptée à f .
Et on notera E([a, b]) l’ensemble des fonctions en escalier sur [a, b].
Remarques II.5.
1. Il faut bien regarder f sur les intervalles ouverts ]xi ; xi+1 [. Les valeurs de f en les xi n’a pas
d’importance.
II. INTÉGRALES DES FONCTIONS EN ESCALIER 355
2. Il n’y a pas unicité d’une subdivision. Plus précisément, si σ est une subdivision adaptée à f , tout
subdivision τ de [a, b] plus fine que σ (c’est-à-dire qui contient σ en tant qu’ensemble) est également
adaptée à f .
Exemples II.6.
1. La restriction de la fonction x 7→ ⌊x⌋ à n’importe quel segment est une fonction en escalier.
2. La fonction définie sur [a; b] dont le graphe est le suivant est en escalier :
x0 = a x1 x2 x3 x4 = b
Proposition II.7. L’ensemble E([a, b]) est à la fois un sous-anneau et un sev de F([a, b], R).
Démonstration. Pour le sous-anneau : la fonction constante de valeur 1 est constante, donc toutes ses
restrictions aussi, donc elle est en escalier (toute subdivision convient).
De plus la différence et le produit de deux fonctions constantes est une fonction constante, donc en prenant
deux fonctions en escalier et une subdivision adaptée simultanément aux deux (par union de subdivisions
adaptées à chacune) on a le résultat.
Pour le sev : on procède comme pour le produit : une combinaison linéaire de fonctions constantes est
constante, et il suffit juste de travailler à nouveau avec une subdivision adaptée aux deux fonctions en
escalier considérées.
II.2 Intégrale d’une fonction en escalier

Théorème-Définition II.8. Soit f une fonction en escalier sur [a, b], et σ = (xi )i∈J0;nK une subdivision
adaptée. Pour tout i ∈ J0; n − 1K, on note λi l’unique valeur prise par f sur ]xi ; xi+1 [.
Alors la quantité :
n−1
X
(xi+1 − xi )λi
i=0
ne dépend pas du choix de σ adaptée à f . On l’appelle l’intégrale de f entre a et b, et on la notera

indifféremment :
Z Z b Z b
f, f ou f (t)dt.
[a,b] a a
x0 = a x1 x2 x3 x4 = b
Remarque II.9. On retrouve l’aire algébrisée sous la courbe (avec un signe “+” quand la fonction prend
des valeurs positives, et avec un signe “−” sinon).
Démonstration. La seule chose à prouver est que la quantité donnée ne dépend pas du choix de la subdi-
vision adaptée.
On va déjà montrer que, si σ est une subdivision adaptée, alors ajouter un point à σ ne change pas la
valeur de l’intégrale définie à l’aide de σ.
Soit σ = (xi ) une subdivision adaptée à f . On note k ∈ J0; n−1K et x ∈]xk ; xk+1 [ qu’on rajoute à σ. Comme
σ est adaptée à f , alors f est constante sur ]xk ; xk+1 [, de valeur λk (avec les notations précédentes), donc
la valeur de f sur ]xk ; x[ et ]x; xk+1 [ est également λk . Ainsi l’intégrale associée à σ ∪ {x} est :
k−1
! n−1
! n−1
X X X
(xi+1 − xi )λi + (x − xk )λk + (xk+1 − x)λk + (xi+1 − xi )λi = (xi+1 − xi )λi
| {z }
i=1 i=k+1 i=1
=(xk+1 −xk )λk
et donc on retrouve la valeur associée à σ.

Une récurrence immédiate montre que l’on peut ainsi rajouter un nombre fini de points à une subdivision
adaptée sans changer la valeur de l’intégrale associée.
Enfin, si σ1 , σ2 sont deux subdivisions adaptées, alors l’intégrale associée à σ = σ1 ∪ σ2 est obtenue
indifféremment en rajoutant un nombre fini de points à σ1 ou σ2 , donc l’intégrale associée est la même que
celle associées à σ1 ou σ2 , qui sont donc égales.
Remarque II.10. La valeur de f en les xi n’a aucune incidence sur son intégrale. Mieux : comme rajouter
des points à une subdivision préserve le fait qu’elle soit adaptée, on peut changer la valeur de f en un
nombre fini de points sans changer la valeur de l’intégrale.
Proposition II.11. Si f, g ∈ E([a, b]) et λ ∈ R, alors :

Z b Z b Z b
1. (λf (t) + g(t)) dt = λ f (t)dt + g(t)dt (linéarité de l’intégrale) ;
a a a
Z b
2. si f ≥ 0, alors : f (t)dt ≥ 0 (positivité de l’intégrale) ;
a
Z b Z b
3. si f ≤ g, alors : f (t)dt ≤ g(t)dt (croissance de l’intégrale) ;
a a
Z b Z c Z c
4. si c ∈ [a, b] : f (t)dt = f (t)dt + f (t)dt (relation de Chasles).
a a b
III. INTÉGRALES DES FONCTIONS CONTINUES PAR MORCEAUX 357
Démonstration. Découle à chaque fois des propriétés analogues pour la somme, en prenant une subdivision
adaptée à f et g.
Remarque II.12. On retrouve ainsi les mêmes propriétés que pour l’intégrale qu’on avait définie pour
les fonctions continues à l’aide de primitives. La différence étant qu’on peut changer les fonctions en un
nombre fini de points sans changer la valeur de l’intégrale, donc par exemple pour la croissance il suffit
d’avoir f (t) ≤ g(t) pour tout t ∈ [a, b] sauf en un nombre fini de points.
Corollaire II.13. Si f ∈ E([a, b]) alors :

Z b Z b

f (t)dt ≤ |f (t)|dt.

a a
Démonstration. Découle de la croissance et de la linéarité, on notant que : −|f | ≤ f ≤ |f |, et donc :

Z b Z b Z b
− |f (t)|dt ≤ f (t)dt ≤ |f (t)|dt
a a a
III Intégrales des fonctions continues par morceaux

III.1 Les fonctions continues par morceaux
Définition III.1. On dit qu’une fonction f : [a, b] → R est une fonction continue par morceaux s’il
existe une subdivision σ = (xi )i∈J0;nK telle que pour tout i ∈ J0; n − 1K la fonction f |]xi ;xi+1 [ et continue et
prolongeable par continuité en xi et xi+1 .
On dira alors que σ est une subdivision adaptée à f .
Et on notera Cpm ([a, b]) l’ensemble des fonctions continues par morceaux sur [a; b].
Remarques III.2.
1. Une fonction constante est prolongeable par continuité (il suffit de fixer comme image l’unique valeur
qu’elle prend). Donc toute fonction en escalier est continue par morceaux : E([a, b]) ⊂ C([a, b]).
2. Une fonction continue est continue par morceaux (toute subdivision convient).
3. Comme pour les fonctions en escalier, les valeurs en les xi n’ont aucune incidence. Et une subdivi-
sion restera adaptée si on lui rajoute des points.
4. Le prolongement par continuité impose que f a des limites finies à gauche et à droite en les xi .
En revanche, ces limites n’ont pas de raison d’être égales (ce qui reviendrait à avoir une fonction
continue).
5. Une fonction continue par morceaux sur [a, b] a un nombre fini de points de discontinuité, puisqu’ils
sont inclus dans les points d’une subdivision adaptée.
Exemples III.3.
1. La fonction définie sur [a, b] dont le graphe est le suivant est continue par morceaux.
x0 = a x1 x2 x3 x4 = b
2. En revanche, la fonction f définie sur [−1, 1] par :

1

x
si x ̸= 0
f (x) =
0 si x=0
n’est pas continue par morceaux. Elle est certes continue sur [−1; 0[ et sur ]0; 1], mais ses limites
à gauche et à droite en 0 ne sont pas finies donc ses restrictions à ] − 1; 0[ et ]0; 1[ ne sont pas
prolongeables par continuité en 0.
15
10
5
Cf
−1 0 1
−5
−10
−15
Proposition III.4. L’ensemble Cpm ([a, b]) est à la fois un sous-anneau et un sev de F([a, b], R).
Démonstration. On procède comme pour les fonctions en escalier.

Pour le sous-anneau : la fonction constante de valeur 1 est continue donc continue par morceaux.
En prenant une subdivision adaptée à deux fonctions continues par morceaux, on constate facilement que :
— leur différence est continue par morceau : la continuité découle du fait que la différence de deux
fonctions continues est continue ; le prolongement par continuité se fait par opération sur les limites ;
— et idem pour le produit.
Pour le sev : il suffit de voir qu’une combinaison linéaire de fonctions continues est continue, et le prolon-
gement par continuité se déduit des opérations sur les limites.
Proposition III.5. Une fonction continue par morceaux sur un segment est bornée.
Démonstration. Soit f ∈ Cpm ([a, b]), et (xi )i∈J0;nK adaptée à f .

Alors pour tout i ∈ J0; n − 1K, si on note fi le prolongement par continuité de f |]xi ,xi+1 [ à [xi , xi+1 ], alors
fi est une fonction continue sur un segment, dont par théorème des bornes atteintes elle est bornée (et
atteint ses bornes, mais ce n’est pas important ici), donc en notant Mi un majorant de |fi | on a :
∀x ∈]xi , xi+1 [, |f (x)| = |fi (x)| ≤ Mi
En notant M = max (M0 , . . . , Mn−1 , |f (x0 )|, . . . , |f (xn )|) on trouve bien un majorant de |f | sur [a, b], donc
f est bornée.
Remarque III.6. Rien n’indique en revanche que les bornes sont atteintes. Par exemple, on peut considérer
la fonction : f C 
 [0; 1] → [0; 1]
1
si x ∈ {0; 1}
x 7→ 2
x si x ∈]0; 1[

qui admet 0 et 1 comme bornes inférieure et supérieure respectivement, mais qui ne sont pas atteintes.
Cf
0 1
Définition III.7. Si I est un intervalle quelconque de R, une fonction f définie sur I sera dite continue
par morceaux si la restriction de f à tout segment de I est continue par morceaux (au sens précédent).
Exemples III.8.
1. La fonction partie entière est continue par morceaux sur R.
2. La fonction x 7→ x · ⌊x⌋ est continue par morceaux sur R :
10
9
8
7
6
5
4
3
2
1
−3 −2 −1 0 1 2 3 4
sin ⌊ x1 ⌋

si x ̸= 0
3. La fonction x 7→ est continue par morceau sur ]0; 1], mais pas sur [0; 1]
0 si x = 0
(on aurait besoin d’une subdivision “infinie” dans le second cas).
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
−1
III.2 Densité des fonctions en escalier

Définition III.9. Étant donnée f une fonction bornée sur [a; b], on appelle norme infinie (ou norme sup)
la quantité : ∥f ∥∞ = sup |f (x)|.
x∈[a,b]
Remarques III.10.
1. Cette définition a bien un sens, car si f est bornée, alors {|f (x)| | x ∈ [a, b]} est une partie non vide
majorée de R. Et comme il s’agit même d’une partie de R+ , on a toujours ∥f ∥∞ ≥ 0.
2. Comme une fonction continue par morceaux sur un segment est bornée, on peut bien définir ∥f ∥∞
pour de telles fonctions. C’est également le cas pour le fonctions continues, et par théorème des
bornes atteintes on a même un maximum (au lieu d’une borne supérieure).
3. Géométriquement, cela veut dire que le graphe de f est compris entre les droites horizontales d’équa-
tion y = ±∥f ∥∞ .
Proposition III.11. Si f, g sont deux fonctions bornées sur [a, b] et λ ∈ R, alors :

1. ∥λf ∥∞ = |λ| · ∥f ∥∞ (positive homogénéité de degré 1, ou juste homogénéité) ;
2. ∥f + g∥∞ ≤ ∥f ∥∞ + ∥g∥∞ (inégalité triangulaire) ;
3. ∥f ∥∞ = 0 ⇔ f = 0 (séparation).
Démonstration.
1. Si x ∈ [a, b], alors |λf (x)| = |λ| · ∥f (x)|, et on a le résultat en passant au sup.
2. Si x ∈ [a, b], alors : |f (x) + g(x)| ≤ |f (x)| + |g(x)| ≤ ∥f ∥∞ + ∥g∥∞ .
3. Si f = 0, alors il est clair que ∥f ∥∞ = 0 (par calcul direct ou par le premier point avec λ = 0).
Réciproquement, si ∥f ∥∞ = 0 alors pour tout x ∈ [a, b] on a : |f (x)| ≤ 0, donc f (x) = 0, et donc
f = 0.
Remarque III.12. On voit qu’en fait toutes les propriétés de la norme infinie découlent des propriétés
analogues pour la valeur absolue : ces deux notions s’inscrivent plus généralement dans la notion de “nor-
mes”, qui sont des applications à valeurs réelles (en fait nécessairement positives), qui vérifient les trois
propriétés ci-dessus : homogénéité, inégalité triangulaire et séparation. Et on en verra d’autres que cette
norme infinie ou la valeur absolue.
Définition III.13. Si f et g sont deux fonctions bornées sur [a, b], on définit la distance uniforme entre
f et g comme la quantité ∥f − g∥∞ .
Remarques III.14.
1. Cette définition a bien un sens car, par inégalité triangulaire, si f et g sont bornées, alors f − g
aussi. Mais on pourrait aussi définir une distance entre deux fonctions non bornées, mais dont la
différence serait bornée.
2. Graphiquement, cela veut dire que les courbes de f et g restent assez proches. On peut même voir
cela de manière asymétrique : le graphe de g reste dans le “cylindre” de rayon ∥f − g∥∞ autour du
graphe de f , ou de manière équivalente le graphe de f reste dans le “cylindre” de rayon ∥f − g∥∞
autour du graphe de g.
3
∥f − g∥∞
2
Cf
1
−4 −3 −2 −1 0 1 2 3 4 5 6
Cg −1
3
∥f − g∥∞
2
Cf
1
−4 −3 −2 −1 0 1 2 3 4 5 6
Cg −1
Théorème III.15. Si f est une fonction continue par morceaux sur [a, b] et ε > 0, alors il existe deux
fonctions en escalier φ− +
ε et φε telles que :
1. φ− +
ε ≤ f ≤ φε ;
−
2. ∥φ+
ε − φε ∥∞ ≤ ε.
≤ε
Cφ+ε
Cf
Cφ−ε
≤ε
Cφ+ε
Cf Cφ−ε
≤ε
≤ε
Démonstration. Montrons d’abord le résultat si f est continue.

Comme f est continue sur [a, b], par théorème de Heine elle y est uniformément continue. Il existe donc
η > 0 tel que :
∀x, y ∈ [a, b], |x − y| ≤ η ⇒ |f (x) − f (y)| ≤ ε.
b−a
Considérons n ∈ N∗ tel que ≤ η, et prenons (xi )i∈J0;nK la subdivision à pas régulier associée, c’est-à-
n
dire que :
b−a
∀i ∈ J0; nK, xi = a + i .
n
Pour tout i ∈ J0; n − 1K, par théorème des bornes atteintes appliquée à f sur le segment [xi , xi+1 ], on
a : f ([xi , xi+1 ]) = [mi , Mi ]. Par définition de mi , Mi , il existe yi , zi ∈ [xi , xi+1 ] tels que f (yi ) = mi et
f (zi ) = Mi . Et donc, par définition des xi on a :|yi − zi | ≤ |xi+1 − xi | ≤ η, donc |Mi − mi | = Mi − mi ≤ ε.
−
Et il est alors clair que les fonctions φ+
ε , φε suivantes conviennent :
 
 [a, b] → R  [a, b] → R
−
φ+

ε : M i si x ∈ [x i ; x i+1 [ et φε : mi si x ∈ [xi ; xi+1 [
x 7→ x 7→
f (b) si x = b f (b) si x=b
 
Pour le cas général, on considère (xi )i∈J0;nK une subdivision adaptée à f . Pour tout i ∈ J0; n − 1K, notons
fi le prolongement par continuité de f |]xi ;xi+1 [ à [xi ; xi+1 ]. Comme fi est continue, il existe deux fonctions
−
en escalier φ+
ε,i et φε,i telles que pour tout x ∈]xi ; xi+1 [ :
φ− + + −
ε,i (x) ≤ fi (x) ≤ φε,i (x) et φε,i (x) − φε,i (x) ≤ ε.
| {z }
=f (x)
Et ainsi les fonctions en escalier suivantes conviennent :

 
 [a, b] → R  [a, b] → R
−
et φ−
+
+
φε : φε,i (x) si x ∈]xi ; xi+1 [ ε : φε,i (x) si x ∈]xi ; xi+1 [
x 7→ x 7→
f (xi ) si x = xi f (xi ) si x = xi
 
Remarque III.16. L’idée est que l’on peut encadrer aussi proche que l’on veut (au sens de la distance
définie avant) toute fonction continue par morceaux par des fonctions en escalier. Et on peut regarder
aussi ces approximations de manière séparée puisque, par inégalité triangulaire, on a :
−
∥φ+
ε − f ∥∞ ≤ ε et ∥φε − f ∥∞ ≤ ε.
En ce sens, cette notion de densité est très proche de celle qu’on avait vue avec les réels (par exemple la
densité de Q ou R \ Q dans R) : on dit que A est dense dans B si tout élément de B peut être approché
arbitrairement près par un élément de A.
III.3 Intégrale des fonctions continues par morceaux

Théorème-Définition III.17. Si f ∈ Cpm ([a, b]) on lui associe les ensembles :
Z b Z b
+ −
I (f ) = φ(t)dt | φ ∈ E([a, b]), φ ≥ f et I (f ) = φ(t)dt | φ ∈ E([a, b]), φ ≤ f .
a a
Les quantités sup(I − (f )) et inf(I+ (f )) sont bien définies, et sont égales.

On appelle leur valeur commune l’intégrale de f entre a et b, et on la notera indifféremment :
Z Z b Z b
f, f ou f (t)dt.
[a,b] a a
De plus, l’intégrale ainsi définie coı̈ncide avec l’intégrale définie précédemment, dans le sens où les deux
définitions donnent la même valeur pour f ∈ E([a, b]).
Démonstration. Constatons déjà que les ensemble I + (f ) et I − (f ) sont non vides : f est bornée, et encadrée
par les fonctions constantes (donc en escalier) de valeurs ±∥f ∥∞ .
De plus, si on considère g, h en escalier sur [a, b] telles que g ≤ f ≤ h, alors par croissance de l’intégrale
Rb Rb
(pour les fonctions en escalier), on a : a g ≤ a h. Et donc, par définition des ensembles I + (f ) et I − (f ),
on a que tout élément de I + (f ) est plus grand que tout élément de I − (f ).
Les ensembles I + (f ) et I − (f ) sont donc non vides, respectivement minoré (par tout élément de I − (f ))
et majoré (par tout élément de I + (f )). Ce qui justifie que les bornes considérées sont bien définies, et
vérifient même : sup(I − (f )) ≤ inf(I+ (f )).
− − −
Soit ε > 0. Considérons φ+ + +
ε , φε en escalier telles que φε ≤ f ≤ φε et ∥φε −φε ∥∞ ≤ ε. Alors par croissance
de l’intégrale (montrée pour les intégrales de fonctions en escalier), on a :
Z b Z b Z b Z b
φ+ φ− φ+ φ−

ε (t)dt − ε (t)dt = ε (t) − ε (t) dt ≤ εdt = (b − a)ε
a a a a
et comme par définition des bornes précédentes on a :

Z b Z b
φ−
ε (t)dt
−
≤ supI (f ) ≤ infI (f ) ≤ +
φ+
ε (t)dt
a a
on déduit finalement que :

infI + (f ) − supI − (f ) ≤ (b − a)ε
et comme ceci est vrai pour tout ε > 0, en faisant tendre ε vers 0, on déduit que : infI + (f ) − supI − (f ) ≤ 0.
D’où l’égalité cherchée : infI + (f ) = supI − (f ).
Si f est en escalier, alors f ≤ f ≤ f et par définition on a donc :
Z b Z b Z b
f (t)dt ≤ f (t)dt ≤ f (t)dt
a a a
| {z } | {z } | {z }
au sens des fonctions en escalier au sens des fonctions continues par morceaux au sens des fonctions en escalier
Remarques III.18. L’intégrale ainsi définie s’interprète aussi comme une aire (algébrisée) sous la courbe
d’une fonction, mais cela se voit moins directement.
De plus, comme on peut changer une fonction en escalier en un nombre fini de points sans changer la
valeur de son intégrale, on peut voir par encadrement que cela reste valable pour une fonction continue par
morceaux.
Proposition III.19. Si f, g ∈ Cpm ([a, b]) et λ ∈ R, alors :

Z b Z b Z b
1. (λf (t) + g(t)) dt = λ f (t)dt + g(t)dt (linéarité de l’intégrale) ;
a a a
Z b
2. si f ≥ 0, alors : f (t)dt ≥ 0 (positivité de l’intégrale) ;
a
Z b Z b
3. si f ≤ g, alors : f (t)dt ≤ g(t)dt (croissance de l’intégrale) ;
a a
Z b Z c Z c
4. si c ∈ [a, b] : f (t)dt = f (t)dt + f (t)dt (relation de Chasles) ;
a a b
Z b Z b

5. f (t)dt ≤
|f (t)|dt (inégalité triangulaire).
a a
Démonstration. Découle à chaque fois des propriétés de l’intégrale définie sur les fonctions en escalier. Tous
les résultats se montrent par encadrement, par des encadrements arbitrairement proches par des fonctions
en escaliers.
Remarque III.20. On retrouve par linéarité qu’on peut changer une fonction continue par morceaux en un
nombre fini de points sans changer la valeur de son intégrale. L’idée est que les fonctions diffèrent d’une
fonction nulle sauf en un nombre fini de points, dont l’intégrale vaut 0 (par formule de l’intégrale d’une
fonction en escalier).
Proposition III.21. Si f ∈ C 0 ([a, b], R) de signe constant, alors :

Z b
f (t)dt = 0 ⇔ f = 0.
a
Rb
Démonstration. Si f = 0, on a directement que a f (t)dt = 0.
Réciproquement, supposons que f est continue positive non nulle. Notons x0 ∈ [a, b] tel que f (x0 ) > 0.
Par continuité, on peut même choisir un tel x0 ∈]a; b[. Et par définition de la continuité, il existe η > 0 tel
que :
f (x0 )
∀x ∈ [a, b] ∩ [x0 − η; x0 + η], |f (x) − f (x0 )| ≤
2
et quitte à réduire η on peut même supposer que [x0 − η; x0 + η] ⊂ [a, b].
Par inégalité triangulaire, on a donc :
f (x0 ) f (x0 )
∀x ∈ [x0 − η; x0 + η], f (x) ≥ f (x0 ) − = .
2 2
Et donc la fonction en escalier φ définie sur [a, b] par :
f (x0 )
si x ∈ [x0 − η; x0 + η]
φ : x 7→ 2
0 si x ∈ / [x0 − η; x0 + η]
Rb
vérifie f ≥ φ et a φ(t)dt = (2η) · f (x2 0 ) = ηf (x0 ) > 0.
Rb
Et par croissance de l’intégrale, on a bien : a f (t)dt > 0.
f (x0 )
f (x0 )
2
x0
x0 − η x0 + η
Remarque III.22. On peut adapter le résultat à des fonctions continues par morceaux : une fonction
continue par morceau de signe constant (sauf en un nombre fini de points) est d’intégrale nulle si, et
seulement si, elle est nulle en tous les points en lesquels elle est continue.
Ra
Définition III.23. Si f ∈ Cpm ([a, b]), on définit l’intégrale de f entre b et a, notée b
f (t)dt, comme :
Z a Z b
f (t)dt = − f (t)dt.
b a
Remarque III.24. La généralisation ci-dessus préserve la linéarité et la relation de Chasles.

En revanche, la positivité, la croissance et l’inégalité triangulaire ne sont plus vérifiées, et il faudra se
ramener à une intégrale entre deux bornes dans le “bon ordre” pour pouvoir les appliquer.
IV Propriétés des fonctions et de leurs intégrales

IV.1 Le théorème fondamental de l’analyse
Définition IV.1. Si f ∈ Cpm ([a, b]), on appelle valeur moyenne de f entre a et b la quantité :
Z b
1
f (t)dt.
b−a a
Z b
1
Proposition IV.2. Si f est continue sur le segment [a, b], alors il existe c ∈ [a, b] tel que f (c) = f (t)dt.
b−a a
Démonstration. Pour simplifier notons µ la valeur moyenne de f entre a et b.

Comme f est continue sur le segment [a, b], alors par théorème des bornes atteintes il existe α, β ∈ [a, b]
et m, M ∈ R tels que : f ([a, b]) = [m, M ] et f (α) = m, f (β) = M .
Pour tout x ∈ [a, b], on a :
m ≤ f (x) ≤ M
donc par croissance de l’intégrale (en divisant par (b − a)) :
m≤µ≤M
et donc µ ∈ [f (α), f (β)]. Par théorème des valeurs intermédiaires, comme f est continue sur [a, b] donc
entre α et β, on déduit qu’il existe c entre α et β (donc dans [a, b]) tel que f (c) = µ.
Remarques IV.3.
1. On peut modifier la démonstration pour voir que c peut même être choisi dans ]a, b[ : c’est clair si
µ est différent de m et M (car alors c est strictement entre α et β) ; et sinon cela veut dire que f
est constante donc tout c convient.
2. Le résultat est faux si f n’est pas continue. Par exemple, si on prend f la fonction partie entière
1
sur [0; 2], on trouve µ = ∈ / Z donc qui n’est pas dans l’image de f .
2
Théorème IV.4 (Théorème fondamental de l’analyse). Si f est continue sur un intervalle I, alors f admet
une primitive.
Plus précisément, pour tout x0 ∈ I et y0 ∈ R, l’application :
Z x
x 7→ f (t)dt + y0
x0
est l’unique primitive de f sur I qui vaut y0 en x0 .

IV. PROPRIÉTÉS DES FONCTIONS ET DE LEURS INTÉGRALES 367
Démonstration. Comme les primitives de f (si ellesRexistent) diffèrent toutes d’une constante, il suffit de
x
montrer que, pour a ∈ I fixé, l’application F : x 7→ a f (t)dt est une primitive de f .
Fixons x0 ∈ I et considérons x ∈ I distinct de x0 . Alors :
Z x Z x0 Z x Z a Z x
F (x) − F (x0 ) 1 1 1
= f (t)dt − f (t)dt = f (t)dt + f (t)dt = f (t)dt
x − x0 x − x0 a a x − x0 a x0 x − x 0 x0
en utilisant la relation de Chasles.

On reconnait ainsi la valeur moyenne de f entre x et x0 . Il existe donc cx (qui dépend de x), entre x et
x0 , tel que :
F (x) − F (x0 )
= f (cx ).
x − x0
En faisant tendre x vers x0 , on a que cx tend vers x0 (par encadrement). Et donc, comme f est continue,
on déduit que :
lim f (cx ) = f (x0 )
x→x0
et finalement :
F (x) − F (x0 )
lim = f (x0 )
x→x0 x − x0
ce qui montre bien que F est dérivable, et que sa dérivée est f .
Remarques IV.5.
1. La définition qu’on avait donné initialement (dans le chapitre sur les primitives) coı̈ncide donc avec
celle qu’on donne ici.
2. Il faut cependant bien prendre garde R x au fait que f est continue : pour f seulement continue par
morceaux,R la fonction F : x 7→ a f (t)dt n’est pas dérivable partout. Par exemple, si on pose
x
F : x 7→ 0 ⌊t⌋dt, on obtient une fonction qui est dérivable en tout point sauf en les entiers, car
alors ses dérivées à gauche et à droite sont différentes.
10
9
8
7
6
5
4
3
2
1
−4 −3 −2 −1 0 1 2 3 4 5
Et on pouvait anticiper un tel résultat : on avait vu qu’une fonction dérivée doit vérifier le théorème
des valeurs intermédiaires, ce qui n’est pas le cas de la fonction partie entière, qui ne peut donc pas
être une dérivée.
3. Il faut bien que f soit continue pour que F soit dérivable. Mais si f est seulement continue par
morceaux, on a tout de même que F est continue. L’idée étant que f est bornée au voisinage de
tout point (une fonction continue par morceaux sur un segment étant bornée), et si on considère M
une telle borne, alors sur le même voisinage on voit facilement que F est même M -lipschitzienne
(par croissance de l’intégrale).
Corollaire
Rx IV.6. Si f est continue par morceaux sur un intervalle I, et a ∈ I, alors la fonction F : x 7→
a
f (t)dt est dérivable en tout point où f est continue, et sa dérivée coı̈ncide alors avec f .
Démonstration. Il suffit de restreindre f (et donc F ) à un intervalle sur lequel f est continue, ce qui ramène
au résultat précédent.
Corollaire IV.7. Si f est continue sur un intervalle I et a, b ∈ I, alors en notant F une primitive quelconque
de f sur I on a :
Z b
f (t)dt = F (b) − F (a).
a
Démonstration. Prenons F une primitive

Rx de f sur I, qui existe bien comme f est continue, et dont on a
vu qu’elle est de la forme F : x 7→ x0 f (t)dt + y0 . Alors :
Z b Z a Z b Z x0 Z b
F (b) − F (a) = f (t)dt + y0 − f (t)dt − y0 = f (t)dt + f (t)dt = f (t)dt.
x0 x0 x0 a a
Remarque IV.8. On retrouve ainsi toutes les propriétés déjà énoncées pour l’intégrale d’une fonction conti-
nue sur un segment, et notamment l’intégration par parties, le changement de variable, ou les propriétés
d’intégrales dépendant de leurs bornes. Ces résultats demandent les mêmes hypothèses que précédemment
(notamment le fait d’être C 1 pour faire des intégrations par parties).
Les résultats s’adaptent alors à des fonctions continues par morceaux en découpant l’intégrale sur les
différents segments sur lesquels f est continue, à l’aide de la relation de Chasles.
Proposition IV.9. Soit f une fonction continue par morceaux sur R, alors :
1. si f est paire : pour tout a ∈ R, on a :
Z a Z a
f (t)dt = 2 f (t)dt.
−a 0
2. si f est impaire : pour tout a ∈ R, on a :

Z a
f (t)dt = 0.
−a
3. si f est T -périodique : pour tout a ∈ R, on a :

Z a+T Z T
f (t)dt = f (t)dt.
a 0
Démonstration. Se montre par changement de variable ou par dérivée d’une intégrale dépendant de ses
bornes (comme montré en début d’année) si la fonction f est continue.
Le cas général s’en déduit en découpant et en utilisant la relation de Chasles.
IV. PROPRIÉTÉS DES FONCTIONS ET DE LEURS INTÉGRALES 369
Remarque IV.10. Pour une fonction périodique, cela permet de donner un sens intuitif à la valeur
moyenne. En effet, si f est T -périodique, on en déduit que :
Z T Z x Z x
1 1 1
f (t)dt = lim f (t)dt = lim f (t)dt
T 0 x→∞ x 0 x→∞ 2x −x
qui se montre en encadrant x entre deux réels de la forme nT , (n + 1)T et en prenant la limite.
Exemple IV.11. Étudions la fonction f définie sur R∗+ par :

Z 1 √
∀x ∈ R∗+ , f (x) = 1 + x2 e2t dt.
0
Le problème est que la variable apparaı̂t dans l’intégrande (et non dans les bornes). On procède alors à un
changement de variable pour la faire passer de l’un à l’autre, en posant u = xet . On a alors du = xet dt =
udt, et donc pour tout x > 0 :
Z 1√ Z ex √
2 2t
1 + u2
f (x) = 1 + x e dt = dt
0 x u
qui peut être manipulée

√ à la manière du théorème fondamental de l’analyse.
1 + u2
En notant g : u 7→ (qui est continue sur R∗+ ) et G une primitive de g sur R∗+ , on a alors :
u
∀x > 0, f (x) = G(ex) − G(x)
et donc, par composition, la fonction f est de classe C 1 et vérifie :

√ √
1 + e 2 x2 − 1 + x2
∀x > 0, f ′ (x) = eG′ (ex) − G′ (x) = eg(ex) − g(x) = .
x
et on peut ensuite obtenir une expression explicite de f en fonction de x en intégrant chaque terme
séparément, avec les changements de variables u = Argsh(ex) et u = Argsh(x)
IV.2 Formules de Taylor globales

Théorème IV.12 (Formule de Taylor avec reste intégral). Si f est une fonction de classe C n+1 sur un
intervalle I, et a ∈ I, alors pour tout x ∈ I on a :
x
f ′′ (a) f (n) (a) (x − t)n
Z
′
f (x) = f (a) + f (a)(x − a) + (x − a)2 + · · · + (x − a)n + f (n+1) (t) dt
2 n! a n!
Xn
f (k) (a)
Z x
(x − t)n .
k (n+1)
= (x − a) + f (t) dt
k=0
k! a n!
Démonstration. On procède par récurrence sur n ∈ N.

Si n = 0 : soit f une fonction de classe C 1 . Alors f est une primitive de f ′ , qui est continue, donc pour
tous a, x ∈ I : Z x
f ′ (t)dt = f (x) − f (a)
a
Rx
ce qui donne bien la formule voulue, à savoir : f (x) = f (a) + a f ′ (t)dt (avec la convention que 0! = 1).
Soit n ∈ N tel que la formule soit vraie pour tout fonction f de classe Cn+1 , et considérons f de classe
C n+2 .
Alors en particulier f est de classe C n+1 , donc on peut lui appliquer l’hypothèse de récurrence, donc :
n x
f (k) (a) (x − t)n
X Z
k (n+1)
f (x) = (x − a) + f (t) dt.
k=0
k! a n!
(x − t)n+1
On procède alors par intégration par parties : les fonctions f (n+1) et t 7→ − sont de classe C 1 , et
(n + 1)!
(n+2) (x − t)n
de dérivées respectives f et t 7→ , et donc :
n!
Z x x Z x
(x − t)n (x − t)n+1 (x − t)n+1

(n+1)
f (t) dt = −f (n+1)
(t) + f (n+2) (t) dt
a n! (n + 1)! Za a (n + 1)!
x .
f (n+1) (a) n+1 (n+2) (x − t)n+1
= (x − a) + f (t) dt
(n + 1)! a (n + 1)!
Ce qui donne bien la formule voulue en réinjectant dans l’égalité précédente.
Remarque IV.13. On retrouve (et c’est normal) la partie régulière de la formule de Taylor–Young. La
différence entre ces deux formules de Taylor est l’estimation de l’écart entre la fonction et sa partie ré-
gulière : la formule de Taylor–Young dit seulement que l’écart est “petit” si on se place au voisinage de a
(et a donc une nature locale), tandis que celle avec reste intégral donne l’écart de manière exacte, et en
n’importe quel point (d’où sa nature globale).
Corollaire IV.14 (Inégalité de Taylor–Lagrange). Si f est de classe C (n+1) sur un intervalle I, et a, b ∈ I

tels que |f (n+1) | est majorée par M ∈ R+ entre a et b, alors :

n (k)
X f (a)
k |b − a|n+1
f (b) − (b − a) ≤ M .

k=0
k! (n + 1)!
Démonstration. Par formule de Taylor avec reste intégral, on a déjà :

n b
f (k) (a) (b − t)n
X Z
k
f (b) − (b − a) = f (n+1) (t) dt.
k=0
k! a n!
Si a ≤ b, alors par inégalité triangulaire on a :

Z b n
Z b n Z b
(b − t)n (b − a)n+1 |b − a|n+1

f (n+1) (t) (b − t) (n+1) (b − t)
dt ≤ f (t) dt ≤ M dt = M = M .

a n!
a
n! a n! (n + 1)! (n + 1)!
Si a > b, on utilise à nouveau l’inégalité triangulaire, en échangeant les bornes des intégrales pour qu’elles
soient dans le bon sens. On trouve le même résultat, ce qui prouve l’inégalité de Taylor–Lagrange.
V Extension aux fonctions à valeurs complexes

Définition V.1. On dit qu’une fonction f : [a, b] → C est continue par morceaux si les fonctions Re(f )
et Im(f ) le sont.
Définition V.2. Étant donnée f : [a, b] → C continue par morceaux, on définit l’intégrale de f entre a
et b comme : Z b Z b Z b
f (t)dt = Re(f )(t)dt + i Im(f )(t)dt.
a a a
VI. SOMMES DE RIEMANN 371
Remarque V.3. On peut aussi revenir aux intégrales de Re(f ) et Im(f ) à partir de celle de f , en constatant
que :
Z b Z b Z b Z b
Re f (t)dt = Re(f )(t)dt et Im f (t)dt = Im(f )(t)dt.
a a a a
Proposition V.4. L’intégrale ainsi étendue aux fonctions à valeurs complexes vérifie la propriété de linéa-
rité, la relation de Chasles ainsi que l’inégalité triangulaire.
Démonstration. La linéarité et la relation de Chasles se montrent facilement par les propriétés analogues
pour les fonctions à valeurs réelles (en les appliquant à Re(f ) et Im(f ).
Pour l’inégalité triangulaire, considérons f continue par morceaux sur [a, b] à valeurs dans C. Notons θ ∈ R
Rb
u argument de a f (t)dt. Alors :
Z b Z b

iθ

f (t)dt = e f (t)dt .
a a
Et on peut alors se ramener au cas réel, et utiliser l’inégalité triangulaire pour l’intégrale de fonctions à
valeurs réelles, comme : R
b Rb
a f (t)dt = e−iθ a f (t)dt

Rb
= a f(t)e−iθ dt
Rb
= Re a f (t)e−iθ dt
Rb
= a Re(f (t)e−iθ )dt
Rb Rb
≤ a |f (t)e−iθ |dt = a |f (t)|dt
ce qui donne bien l’inégalité voulue.
Remarque V.5. On perd certains résultats propres à R, notamment ceux liés à la relation d’ordre sur R
(comme la positivité ou la croissance de l’intégrale).
Le théorème fondamental de l’analyse, même si sa preuve reposait sur le théorème des valeurs inter-
médiaires, reste vrai pour une fonction à valeur complexe, en regardant séparément ses parties réelle et
imaginaire.
Et les formules de Taylor (avec reste intégral on l’inégalité de Taylor–Lagrange) restent vraies, comme
elles reposent sur des intégrations par parties (qui restent valables par linéarité) et l’inégalité triangulaire
(dont on vient de voir qu’elle reste vraie).
En revanche, l’égalité de Taylor–Lagrange deviendrait fausse, à la manière du théorème de Rolle (dont il
s’agit d’une généralisation).
VI Sommes de Riemann
Définition VI.1. Étant donné [a, b] un segment, on appelle subdivision pointée de [a, b] la donnée d’un
couple (σ, (ti )i∈J0;n−1K ) où σ = (xi )i∈J0;nK est une subdivision de [a, b], et (ti )i∈J0;n−1K est une famille d’élé-
ments de [a, b] satisfaisant : ∀i ∈ J0; n − 1K, ti ∈ [xi ; xi+1 ].
On définira alors le pas de s, noté δ(s), comme le pas de σ.
Définition VI.2 (Somme de Riemann). Si f ∈ Cpm ([a, b]) et si (σ, (ti )i∈J0;n−1K ) est une subdivision pointée
de [a, b], on lui associe la somme de Riemann notée R(f, s) comme la quantité :
n−1
X
R(f, s) = (xi+1 − xi )f (ti ).
i=0
Remarque VI.3. En pratique, on travaillera souvent avec les subdivisions régulières, et avec les subdivisions
pointées associées en prenant ti = xi ou ti = xi+1 , c’est-à-dire qu’on considèrera les deux sommes de
Riemann suivantes :
n−1 n
b−aX b−a b−aX b−a
f a+k et f a+k .
n k=0 n n k=1 n
Proposition VI.4. Si f est une fonction continue sur [a, b], et ε > 0, il existe η > 0 tel que, pour toute
subdivision pointée s de [a, b], si δ(s) ≤ η alors :
Z b

f (t)dt − R(f, s) ≤ ε.

a
Démonstration. Comme f est continue, par théorème de Heine elle est uniformément continue. Notons
ε
η > 0 qui correspond à la définition de l’uniforme continuité pour f avec > 0, et montrons qu’un tel
b−a
η convient.
ε
Soit i ∈ J0; n − 1K et t ∈ [xi ; xi+1 ]. Alors on a : |t − ti | ≤ xi+1 − xi ≤ η, et donc |f (t) − f (ti )| ≤ . Et
b−a
ainsi :
Z n−1
n−1 Z n−1

b X X xi X
f (t)dt − (xi+1 − xi )f (ti ) = f (t)dt − (xi+1 − xi )f (ti )

a
i=0 Zxi+1

i=0 i=0
n−1
X xi
= (f (t) − f (ti )) dt

i=0 xi+1

n−1
X xi Z
≤ |f (t) − f (ti )|dt
i=0 xi+1
n−1 Z xi
X ε
≤ dt
xi+1 b−a
Zi=0b
ε
≤ dt = ε
a b−a
Remarque VI.5. Ce résultat veut dire que l’on peut approcher de manière arbitrairement proche une in-
tégrale (d’une fonction continue) par une somme de Riemann quelconque, à condition que le pas soit
suffisamment petit.
On peut aussi interpréter ce résultat en termes de limites :
Z b
R(s, f ) → f (t)dt.
δ(s)→0 a
Théorème VI.6. Si f est une fonction continue par morceaux sur le segment [a, b], alors :
b n−1 n
b−aX b−a b−aX b−a
Z
f (t)dt = lim f a+k = lim f a+k .
a n→+∞ n n n→+∞ n n
k=0 k=1
Démonstration. Notons déjà que, par relation de Chasles, en découpant l’intégrale en des intervalles sur
lesquels f est continue, on peut se ramener au cas où f est continue.
Et si f est continue, on applique le résultat précédent, en notant que les deux sommes dont on cherches
b−a
les limites sont des sommes de Riemann associées aux subdivision régulières : elles sont un pas de ,
n
qui tend vers 0 quand n tend vers +∞, ce qui donne le résultat par la proposition précédente.
Remarque VI.7. On aura parfois des sommes légèrement différentes, comme par exemple :
n
b−aX b−a
f a+k .
n k=0 n
On essaie alors de se ramener aux sommes de Riemann, en calculant explicitement l’écart entre la somme
considérée et une somme de Riemann.
b−a
Ici, l’écart est de f (a) · , qui tend vers 0, donc on trouve :
n
b n
b−aX b−a
Z
f (t)dt = lim f a+k .
a n→+∞ n n
k=0
Et le résultat se généralise bien sûr à toute somme de Riemann dont le pas tend vers 0.
Remarque VI.8. Les deux sommes considérées ici et dont on prend les limites se comprennent bien gra-
phiquement : on découpe [a, b] en n parts égales, et on prend la fonction en escalier qui prend les mêmes
valeurs que f à gauche dans le premier cas, ou à droite dans le second.
On parle alors de méthode des rectangles à gauche dans le premier cas, et de méthode des rec-
tangles à droite dans le second. Il existe d’autres méthodes plus générales : l’idée est que l’on approxime
ici sur chaque tronçon la fonction f par une fonction constante. On pourrait l’approximer par la constante
prose au point milieu du rectangle (on parle de méthode du point milieu) ou par des polynômes de
degrés arbitrairement grands, et de coefficients bien choisis (qui s’inscrivent dans le cadre général des mé-
thode de Newton–Coates). Ces méthodes sont compliquées à gérer dans le cas général, mais se comprennent
très bien avec des fonctions suffisamment régulières (par exemple des polynômes de degré suffisamment
petit, sur lesquelles elles donnent des résultats exacts).
Cf
Cf
Cf
Exemples VI.9.
n
X 1
1. Étudions la limite de la suite (un )n≥1 définie par : un = n · 2
.
k=1
(n + k)
On a : n n
1X 1 1 − 0X k
un = k
= f
n k=1 (1 + n ) 2 n k=1 n
1
où f : x 7→ , qui est continue sur [0; 1]. Et en reconnaissant une somme de Riemann, on a
(1 + x)2
donc que (un ) tend vers :
Z 1 Z 1 1
1 −1 1
f (t)dt = 2
dt = = .
0 0 (1 + t) 1+x 0 2
n
X n
2. Étudions la suite (un )n≥1 définie par : un = .
k=1
n2 + k2
On a : n n
1X 1 1 − 0X k
un = 2 = f
n k=1 1 + nk 2 n k=1 n
1
où f : x 7→ , qui est continue sur [0; 1]. En en reconnaissant une somme de Riemann, on a
1 + x2
donc que (un ) tend vers : Z 1 Z 1
1 π
f (t)dt = 2
dt = .
0 0 1+t 4
On peut aller plus loin et déterminer la vitesse de convergence de (un ) en étudiant la suite de terme
π
général un − . Pour tout n ∈ N∗ , on a :
4
n Z 1
π X 1/n 1
un − = 2 − 2
dx
4 k 1 + x

k=1 1 + n
0
!
n Z k/n
X 1/n 1
= −
k 2 2
dx
k=1 1 + (k−1)/n 1 + x
n
Xn Z k/n
= (f (k/n) − f (x))dx
k=1 (k−1)/n
1
où on reprend f : x 7→ .
1 + x2
Mais par inégalité des accroissements finis (ou inégalité de Taylor–Lagrange à l’ordre 1, ce qui re-
−2x
vient au même) la fonction f étant de classe C 1 sur [0; 1] de dérivée f ′ : x 7→ , et donc
(1 + x2 )2
|f ′ | ≤ 2 (par majoration un peu brutale du numérateur, et minoration aussi brutale du dénomina-
teur, en valeur absolue) ce qui donne :

(k − 1) k
∀k ∈ J1; nK, ∀x ∈ ; , |f (k/n) − f (x)| ≤ 2|k/n − x| = 2(k/n − x)
n n
et en réinjectant on trouve finalement que :

n Z k/n n Z k/n n
π X X X 1 1
|un − | ≤ |f (k/n) − f (x)|dx ≤ 2|k/n − x|dx = 2
=
4 k=1 (k−1)/n k=1 (k−1)/n k=1
n n

π π 1
et donc un converge vers avec un − = O .
4 4 n
Chapitre 24
Déterminants et groupe symétrique
I Le(s) groupe(s) symétrique(s)

I.1 Les permutations
Définition I.1. Pour n ∈ N∗ , on appelle groupe symétrique, noté Sn (ou parfois Sn ), l’ensemble des
bijections de J1; nK dans lui-même.
Proposition I.2. Muni de la composition, Sn est un groupe de cardinal n!.
Démonstration. L’aspect groupe a déjà été montré.

Le cardinal sera montré plus tard (dans le chapitre sur les dénombrements).
Définition I.3. Un élément σ ∈ Sn sera appelé permutation. On la représentera alors de la manière

suivante :
1 2 ... n−1 n
.
σ(1) σ(2) . . . σ(n − 1) σ(n)
et on appellera support de σ, noté Supp(σ), comme l’ensemble des éléments de qui ne sont pas fixés par
σ:
Supp(σ) = {k ∈ J1; nK | σ(k) ̸= k}.
Remarque I.4. Pour simplifier les notations, dans la notation précédente pour σ, on pourra ne faire
apparaı̂tre que les éléments du support de σ (mais il y a alors une ambiguı̈té sur la valeur de n).
Exemples I.5.
1. Si n = 1, le seul élément de Sn est id.

1 2
2. Si n = 2, il y a deux éléments dans S2 , à savoir id et τ = : i 7→ 3 − i. Et S2 ≃ U2 ≃ Z/2Z
2 1
est un groupe abélien.
3. Si n ≥ 3, alors Sn est non abélien, et devient rapidement compliqué. On peut noter que S3 est
l’unique groupe non abélien (à isomorphisme de groupe près) de cardinal 6.
Proposition I.6. Deux éléments de Sn de supports disjoints commutent si leurs supports sont disjoints.
Démonstration. On considère σ, τ ∈ Sn de supports disjoints et i ∈ Sn :

— si i ∈ Supp(σ) : alors i ̸= σ(i), puis par injectivité de σ on a : σ(i) ̸= σ (σ(i)), donc σ(i) ∈ Supp(σ).
Et ainsi i, σ(i) ∈
/ Supp(τ ) donc : τ (i) = i et τ ◦ σ(i) = σ(i). En composant avec σ on trouve donc :
τ ◦ σ(i) = σ ◦ τ (i).
— si i ∈ Supp(τ ) : on procède de même en échangeant les rôles de τ et de σ.
— si i ∈
/ Supp(σ) ∪ Supp(τ ) : alors i = σ(i) = τ (i) et donc τ ◦ σ(i) = σ ◦ τ (i).
377
378 CHAPITRE 24. DÉTERMINANTS ET GROUPE SYMÉTRIQUE
Et ainsi on a bien que σ et τ commutent.

Remarque I.7. La réciproque est fausse : on peut prendre n’importe quel élément non trivial qui commute
avec lui-même et avec ses puissances. Ou on peut aussi faire des exemples moins triviaux en considérant
par exemple dans S5 les permutations :

1 2 3 4 5 1 2 3 4 5
σ= et τ =
3 4 1 5 2 3 5 1 2 4
dont il n’est pas compliqué de voir qu’elles commutent, et qui ne sont pas puissance l’une de l’autre.
I.2 Cycles et transpositions

Proposition-Définition I.8. Si p ∈ J2; nK et a1 , . . . , ap des éléments deux-à-deux distincts de J1; nK, on lui
associe l’application :

 J1; nK → J1;
  nK
 k k∈
si/ {a1 , . . . , ap }

σ:

 k 7→ ai+1 si k = ai pour i ∈ J1; p − 1K
a1 si
k = ap
 

Alors σ ainsi définie est un élément de Sn qu’on notera a1 a2 . . . ap .
Les permutations de la forme précédentes sont appelées cycles (ou p-cycles, ou cycles de longueur p).
Démonstration. Il faut seulement montrer la bijectivité de σ. Comme σ est définie entre deux ensembles
finis de même cardinal (à savoir J1; nK).
Et la surjectivité est claire.

1 2 3 4 5 6
Exemple I.9. Considérons σ = correspond au 4-cycle : 1 3 6 4 = 3 6 4 1 =
3 2 6 1 5 4
6 4 1 3 = 4 1 3 6 =.
Et plus généralement, tout p-cycle s’écrit de p manières différentes.
Remarque I.10. Un p-cycle a un support de cardinal p (constitué de tous les ai en reprenant les notations
précédentes), donc laisse n − p points fixes. Mais la réciproque est fausse.
Proposition I.11. L’inverse d’un p-cycle est un p-cycle.
Démonstration. Considérons σ = a1 a2 . . . ap . Alors on a : σ −1 = ap ap−1 . . . a2 a1 qui est

donc bien un p-cycle.

Remarque I.12. Les puissances
quelconques d’un p-cycle ne sont pas toujours des cycles. Par exemple, si
on prend σ = 1 2 3 4 alors :
2 1 2 3 4
σ =
3 4 1 2
qui n’est pas un cycle.
Définition I.13. Une transposition est un 2-cycle.
Proposition I.14. Les transpositions sont exactement les éléments de Sn dont le support est de cardinal 2.
De plus elles sont involutives.

Démonstration. Si on considère τ = i j une transposition, alors Supp(τ ) = {i, j} est de cardinal 2, et
on a directement que τ 2 = id.
Inversement, si τ ∈ Sn a un support de cardinal 2 : notons Supp(τ) = {i, j}. Comme τ (i) ̸= i, alors
nécessairement τ (i) = j, et de même τ (j) = i, ce qui donne τ = i j .
I. LE(S) GROUPE(S) SYMÉTRIQUE(S) 379
I.3 Orbites et décomposition en cycles

Définition I.15. Si σ ∈ Sn et i ∈ J1; nK, on appelle orbite de i sous (l’action de) σ l’ensemble :
Oσ (i) = {σ k (i) | k ∈ Z}.

1 2 3 4 5 6
Exemple I.16. Prenons σ = . Alors les orbites sont {1, 6}, {2, 4, 5} et {3}.
6 4 3 5 2 1
Proposition I.17. On fixe σ ∈ Sn et on définit sur J1; nK la relation Rσ définie par :
iRσ j ⇔ ∃k ∈ Z, σ k (i) = j.
Alors Rσ est une relation d’équivalence. De plus, les classes d’équivalences sont les orbites sous σ.
Démonstration. Le fait qu’on a une relation d’équivalence est immédiat :

— réflexivité : i = σ 0 (i) ;
— symétrie : si j = σ k (i), alors i = σ −k (j) ;
′ ′
— transitivité : si j = σ k (i) et l = σ k (j), alors l = σ k+k i.
Et on a par définition :
cl(i) = {j ∈ J1, nK | ∃k ∈ Z, j = σ k (i)} = {σ k (i) | k ∈ Z} = Oσ (i).
Théorème I.18. Tout permutation s’écrit comme produit de cycles à supports disjoints. De plus, une telle
écriture est unique à l’ordre près des cycles.
Démonstration. La preuve repose sur le lemme suivant :

Lemme I.19. Si σ ∈ Sn et O est une orbite sous σ non réduite à un singleton. Alors σ|O est un cycle de
support O.
Preuve du lemme : Notons i ∈ J1; nK tel que O = Oσ (i) = {σ k (i) | k ∈ Z}. On considère p ∈ N∗ le plus
petit possible tel que σ p (i) = i, qui existe bien car O est un sous-ensemble de J1; nK, donc est fini, donc il
existe k, l ∈ Z distincts avec σ k (i) = σ l (i).
Donc l’ensemble {k ∈ N∗ | σ k (i) = i} est une partie non vide (qui contient |k − l|) de N, donc possède un
plus petit élément.
Par division euclidienne, on trouve alors que :
O = {σ k (i) | k ∈ J0; p − 1K}
et tous les éléments dans la description ci-dessus sont deux-à-deux distincts (sinon cela contredirait la
minimalité de p).
Et on a ainsi que :
σ|O = i σ(i) σ 2 (i) . . . σ p−1 (i)
qui est bien un cycle de support O.
On va construire grâce au lemme une décomposition, et montrer qu’elle est unique (à l’ordre près) :
— existence : comme Rσ est une relation d’équivalence, ses classes (qui sont les orbites) forment une
partition de J1; nK. Plus précisément, les orbites non réduites à un singleton forment une partition
du support de σ. On écrit alors :
Supp(σ) = ∪pi=1 Oi
et pour tout i ∈ J1; pK, on note σi la permutation définie par :

σ(x) si x ∈ Oi
σ : x 7→
x sinon
qui est un cycle de support Oi (d’après le lemme).
Comme les orbites de σ sont deux-à-deux disjointes, les supports des σi aussi (et donc ils com-
mutent).
Montrons que σ = σ1 ◦ · · · ◦ σp . Pour cela, soit x ∈ J1; nK :
— si x ∈ / Supp(σ) : alors on a déjà que σ(x) = x. Mais x n’est dans aucun des supports des σi ,
donc pour tout i on a également σi (x) = x, et par composition σ(x) = σ1 ◦ · · · ◦ σp (x) ;
— si x ∈ Supp(σ) : notons i ∈ J1; pK (unique) tel que x ∈ Oi . Et alors par commutativité des σi :
 
σ1 ◦ . . . σp (x) = σi  σ1 ◦ · · · ◦ σp (x) = σi (x) = σ(x)

| {z }
avec tous les indices saufi
ce qui donne bien la décomposition voulue, et assure l’existence.

— unicité : si σ = σ1 ◦ · · · ◦ σp est un produit de cycles à supports disjoints, alors on a déjà que
Supp(σ) = ∪pi=1 Supp(σi ) et cette écriture correspond exactement à la décomposition de Supp(σ) en
orbites.
Donc les supports de σi sont entièrement déterminés par σ, et leur nombre aussi (il y en a autant
que d’orbites non déduites à un singleton).
Enfin on a pour tout i que :
σi |Supp(σi ) = σ|Supp(σi )
comme les autres cycles ont une action triviale sur Supp(σi ), ce qui détermine entièrement σi .
D’où l’unicité.
Remarque I.20. Le point important dans cette démonstration est qu’elle donne une méthode pour déter-
miner explicitement l’écriture d’une permutation en produit de cycles.

1 2 3 4 5 6
Exemple I.21. Reprenons σ = . Alors on a :
6 4 3 5 2 1

σ= 1 6 2 4 5 3 = 1 6 2 4 5
Et on peut ensuite calculer les ordres des permutations. Pour la permutation σ on a pour tout k ∈ Z que :
k k
σk = 1 6 2 4 5
et donc σ k = id ⇔ k ∈ 6Z.
Remarque I.22. Plus généralement, si σ est le produit de cycles de longueurs p1 , . . . , pr , alors σ est d’ordre
ppcm(p1 , . . . , pr ).
Corollaire I.23. Toute permutation s’écrit comme produit de transpositions.
Démonstration. Du fait du théorème précédente, il suffit de montrer que tout cycle s’écrit comme produit
de transpositions.
Considérons le cycle σ = a1 a2 . . . ap .
Un calcul directe montre que :

σ = a1 a2 a2 a3 . . . ap−2 ap−1 ap−1 ap
I. LE(S) GROUPE(S) SYMÉTRIQUE(S) 381
Remarques I.24.
1. Une telle écriture n’est évidemment pas unique. Prenons par exemple id qu’on peut toujours écrire
τ ◦ τ avec τ une transposition quelconque.
Du fait de l’unicité dans l’écriture précédente, il ne faut pas non plus espérer que les transpositions
aient des supports disjoints, ou qu’elles commutent.
2. Le résultat se comprend bien : on peut réarranger comme on veut un ensemble fini en échangeant les
éléments deux par deux. On a même mieux : on pourrait n’échanger que des éléments consécutifs
(à la manière
du tri à bulles), ce qui revient à ne considérer que les transpositions de la forme
i i + 1 (pour i ∈ J1; n − 1K). Et il y a de nombreux autres systèmes de générateurs.
I.4 Signature d’une permutation

Définition I.25. Étant donnée σ ∈ Sn , on définit sa signature, notée ε(σ), comme la quantité :
Y σ(i) − σ(j)
ε(σ) = .
1≤i<j≤n
i − j
Théorème I.26. La signature est l’unique morphisme de groupe non trivial de Sn dans {−1; 1}.
Démonstration. Montrons déjà que la signature est un morphisme de groupe non trivial de Sn dans
{−1; 1} :
— elle est à valeurs dans {−1; 1} : posons I = {(i, j) | 1 ≤ i < j ≤ n} ; par bijectivité de σ, on a que
l’application : 
 I → I
φσ : (σ(i), σ(j)) si σ(i) < σ(j)
 (i, j) 7→
(σ(j), σ(i)) si σ(j) < σ(i)
est injective, donc bijective (en tant qu’application entre deux ensembles finis de même cardinal).
Et alors : Y Y
|σ(i) − σ(j)| = |i − j|
(i,j)∈I (i,j)∈I
ce qui donne par quotient : |ε(σ)| = 1, donc ε(σ) ∈ {−1; 1}.

— c’est un morphisme de groupe : si σ, τ ∈ Sn , alors :
ε(στ ) Y σ(τ (i)) − σ(τ (j)) Y i−j Y σ(τ (i)) − σ(τ (j)) Y σ(i) − σ(j)
= · = = = ε(σ)
ε(τ ) i<j
i − j i<j
τ (i) − τ (j) i<j
τ (i) − τ (j) i−j
(i,j)∈φτ (I)
ce qui montre bien que ε(στ ) = ε(σ)ε(τ ), et on a bien un morphisme.

— elle est non triviale : on a directement que :
Y τ (i) − τ (j)
ε( 1 2 ) =
i<j
i−j
Y τ (i) − τ (j) Y τ (2) − τ (j) Y τ (1) − τ (j) τ (1) − τ (2)
= · · ·
3≤i<j
i − j 2<j
2 − j 1<j
1 − j 1−2
Y i−j Y1−j Y2−j 2−1
= · · · = −1
3≤i<j
i − j 2<j 2 − j 2<j 1 − j 1 − 2
| {z } | {z }
=1 =1
Pour l’unicité, considérons φ un tel morphisme non trivial. Comme Sn est engendré par les transpositions,
il suffit de montrer que toute transposition a pour image −1, l’image des autres permutations découlera
par morphisme.

Montrons déjà que toutes les transpositions ont même image. Pour cela, considérons i j et k l deux
transpositions. Comme i ̸= j et k ̸= l, on peut trouver une permutation qui envoie i sur k et j sur l. En
notant σ une telle transposition, on a :
σ −1 i j σ = k l

et donc :
φ( k l ) = φ(σ −1 i j σ) = φ(σ −1 ) φ( i j )φ(σ) = φ(σ −1 )φ(σ) φ( i j ) = φ( i j )

| {z } | {z }
=(φ(σ))−1 =1
et ainsi toutes les transpositions ont même image. Soit elles ont pour image 1, et dans ce cas φ est trivial,
soit elles ont pour image −1 et alors φ = ε.
Ce qui montre bien l’unicité.
Remarque I.27. Le résultat sur les transpositions se généralise à des permutations quelconques : étant
données deux permutations σ1 , σ2 , elles sont conjuguées (c’est-à-dire que l’on peut trouver σ ∈ Sn telle
que σ1 = σ −1 σ2 σ) si, et seulement si, leurs décompositions en cycles à supports disjoints font intervenir
autant de cycles de chaque longueur.
Corollaire I.28. Si σ ∈ Sn s’écrit comme le produit de transpositions σ = τ1 ◦ . . . τp , alors la parité de p
est donnée par : (−1)p = ε(σ).
Remarque I.29. On avait montré qu’une telle écriture n’était pas unique. Le résultat précédent montre
qu’elle a tout de même une certaine rigidité.
Corollaire I.30. Un p-cycle a pour signature (−1)p−1 .
Démonstration. On avait écrit un p-cycle en produit de (p − 1) transpositions. Comme les transpositions
sont de signature (−1), le résultat découle par morphisme.
Remarque I.31. Ce résultat permet en pratique de calculer facilement une signature, en décomposant une
permutation en produit de cycles (ce qui est plus pratique qu’une décomposition en produit de transposi-
tions).

1 2 3 4 5 6
Exemple I.32. Reprenons σ = = 1 6 2 4 5 . Alors :
6 4 3 5 2 1
ε(σ) = ε 1 6 · 2 4 5 = (−1)1 · (−1)2 = −1

II Formes multilinéaires alternées

Remarque II.1. Les déterminants permettent de généraliser les notions d’aires et de volumes.
C’est ce qu’on a en dimension 2 :
→
−
v1
= (a1 , b1 ) A2 = a
2 b1 − a
1b 2
y1
→
− y2 − x2
u2 A1 = x1
= (x2 , y2 )
→
−
u1 →
−
v2
= (x1 , y1 ) = (a2 , b2 )
II. FORMES MULTILINÉAIRES ALTERNÉES 383
ou en dimension 3 :
→
−
u2
= (x2 , y2 , z1 )
→
−
u3
= (x3 , y3 , z3 )
x1 · y2 · z3 + x2 · y3 · z1 + x3 · y1 · z2
→
− V1 =
u1 −x3 · y2 · z1 − x2 · y1 · z3 − x1 · y3 · z2
= (x1 , y1 , z1 )
→
−v3
= (a3 , b3 , c3 )
→
−v2
= (a2 , b2 , c1 )
a1 · b 2 · c 3 + a2 · b 3 · c 1 + a3 · b 1 · c 2
V2 =
−a3 · b2 · c1 − a2 · b1 · c3 − a1 · b3 · c2
→
−v1
= (a1 , b1 , c1 )
On est donc à la recherche d’une fonction définie sur les familles de vecteurs qui généraliserait tout cela :
on veut qu’elle vérifie certaines propriétés qui se comprennent intuitivement (et qu’on expliquera quand
elles apparaı̂tront).
II.1 Formes multilinéaires

Définition II.2. Étant donnés E1 , . . . , En et F des espaces vectoriels, une application f : E1 × · · · ×
En → F sera dite multilinéaire (ou n-linéaire si on veut mettre en évidence le nombre d’espaces)
si elle est linéaire par rapport à chacune de ses variables, c’est-à-dire que pour tout i ∈ J1; nK et tout
(x1 , . . . , xi−1 , xi+1 , . . . xn ) ∈ E1 × · · · × Ei−1 × Ei+1 · · · × . . . En l’application :
fi : x 7→ f (x1 , . . . xi−1 , x, xi+1 , . . . , xn )
est une application linéaire de Ei dans F .
Remarques II.3.
1. Une application multilinéaire n’est en général pas linéaire : si λ ∈ K et (x1 , . . . , xn ) ∈ E1 × · · · × En ,
alors :
f (λ(x1 , . . . , xn )) = f (λx1 , . . . , λxn ) = λn f (x1 , . . . , xn ).
2. Dans le cas particulier où n = 2, on parle d’application bilinéaire. On parle alors de linéarité
à gauche pour désigner la linéarité par rapport aux éléments de E1 , et linéarité à droite par
rapport à ceux de E2 .
Exemples II.4.
1. L’application qui à deux matrices associe leur produit est bilinéaire (on l’avait montré quand on avait
défini les produits matriciels). Plus généralement, si m0 , m1 , . . . , mn ∈ N∗ , alors l’application :

Mm0 ,m1 (K) × · · · × Mmn−1 ,mn (K) → Mm0 ,mn (K)
(A1 , . . . , An ) 7→ A1 × · · · × An
est une forme n-linéaire.

2. Et on a des résultats analogues avec toutes les algèbres qu’on a rencontrées : il s’agit en fait d’une
conséquence de la distributivité du produit sur l’addition.
3. Le déterminant en dimension 2 défini par :

a c
det = ad − bc
b d
est bilinéaire, vu comme l’application :

R2 →7 R
det :
((a, b), (c, d)) → 7 ad − bc
On peut par exemple vérifier la linéarité à gauche. Si a, a′ , b, b′ , c, d ∈ R et λ, µ ∈ R, alors :
det (λ(a, b) + µ(a′ , b′ ), (c, d)) = det ((λa + µa′ , λb + µb′ ), (c, d)) = (λa + µa′ )d − (λb + µb′ )c
.
= λ (ad − bc) + µ (a′ d − b′ c) = λdet((a, b), (c, d)) + µdet((a′ , b′ ), (c, d))
4. De même, le produit scalaire en dimension 2 défini par :
(a, b) · (c, d) = ac + bd
est bilinéaire.
Définition II.5. Si E est un K-espace vectoriel, et n ∈ N∗ , une application n-linéaire de E n dans K est
appelée forme n-linéaire sur E.
Exemple II.6. Dans les exemples précédents, le déterminant et le produit scalaire sont des applications
2-linéaires de R2 × R2 sur R : ce sont des formes 2-linéaires sur R2 .
II.2 Formes alternées

Définition II.7. Pour E un K-ev et n ∈ N∗ , une forme n-linéaire φ sur E est dite alternée si :

n i ̸= j
∀(x1 , . . . , xn ) ∈ E , ∀i, j ∈ J1; nK, ⇒ φ(x1 , . . . , xn ) = 0
xi = xj
c’est-à-dire que tout n-uplet dont deux éléments sont égaux ont une image nulle par φ.
Exemples II.8.
1. Le déterminant est une forme 2-linéaire alternée :
det((a, b), (a, b)) = ab − ab = 0
2. Le produit scalaire n’est pas alternée :
(a, b) · (a, b) = a2 + b2
donc par exemple avec a = 1 et b = 0 on a : (1, 0) · (1, 0) = 1 ̸= 0.

II. FORMES MULTILINÉAIRES ALTERNÉES 385
Proposition II.9. Si φ est une forme n-linéaire alternée , alors l’image par φ d’un n-uplet ne change pas
si on ajoute à l’un se ses éléments une combinaison linéaire de ses autres éléments.
Démonstration. On considère (x1 , . . . , xn ) ∈ E n , alors pour tous i, j ∈ J1; nK distincts et tout λ ∈ K,
on peut changer la valeur de xi en xi + λxj sans changer la valeur de φ. Comme modifier xi par une
combinaison linéaire des xj (pour j ̸= i) revient à faire un nombre fini d’opérations de ce type, le résultat
voulu en découlera.
Par n-linéarité, on a déjà :
φ(. . . , xi + λxj , . . . ) = φ(. . . xi , . . . ) + λφ(. . . , xj , . . . )
Mais comme φ est alternée, on déduit que le second terme ci-dessus est nul. Ce qui prouve le résultat.
Corollaire II.10. L’image d’une famille liée par une forme n-linéaire alternée est nulle.
Démonstration. Considérons (x1 , . . . , xn ) famille liée. Alors l’un des vecteurs s’exprime P comme combinaison
linéaire des autres. Il existe donc i ∈ J1; nK et des scalaires (λj )j̸=i tels que : xi = j̸=i λj xj = 0.
Et ainsi : X
φ(. . . , xi , . . . ) = φ(. . . , xi − λj xj , . . . ) = φ(. . . , 0, . . . ) = 0
j̸=i
par linéarité par rapport à la i-ème coordonnée.
II.3 Antisymétrie et permutation

Proposition-Définition II.11. Une forme n-linéaire φ est dite antisymétrique si :
∀(x1 , . . . , xn ) ∈ E n , ∀i, j ∈ J1; nK, i < j ⇒ φ(x1 , . . . , xi , . . . , xj , . . . , xn ) = −φ(x1 , . . . , xj , . . . , xi , . . . , xn )
c’est-à-dire que le fait d’inverser deux éléments dans un n-uplet change son image par φ en son opposé.
Les formes n-linéaires alternées sont exactement les formes n-linéaires antisymétriques.
Démonstration. On procède par double implication :
— si φ est alternée : considérons (x1 , . . . , xn ) ∈ E n et fixons i, j ∈ J1; nK tels que i < j. Alors comme
φ est alternée :
φ(. . . , xi + xj , . . . , xi + xj , . . . ) = 0
mais par n-linéarité, on a également :
φ(. . . , xi + xj , . . . , xi + xj , . . . ) = φ(. . . , xi , . . . , xi + xj , . . . ) + φ(. . . , xj , . . . , xi + xj , . . . )

= φ(. . . , xi , . . . , xi , . . . ) +φ(. . . , xi , . . . , xj , . . . ) + φ(. . . , xj , . . . , xi , . . . ) + φ(. . . , xj , . . . , xj , . . . )
| {z } | {z }
=0 =0
= φ(. . . , xi , . . . , xj , . . . ) + φ(. . . , xj , . . . , xi , . . . )
ce qui donne finalement :
φ(. . . , xj , . . . , xi , . . . ) = −φ(. . . , xi , . . . , xj , . . . )
donc φ est antisymétrique.

— si φ est antisymétrique : considérons (x1 , . . . , xn ) ∈ En et i, j ∈ J1; nK distincts tels que xi = xj .
Quitte à échanger i et j, on peut supposer que i < j, et ainsi en échangeant xi et xj dans le n-uplet
(x1 , . . . , xn ) (ce qui ne changer rien à la valeur du n-uplet), on trouve que :
φ(x1 , . . . , xn ) = −φ(x1 , . . . xn )
et donc φ(x1 , . . . , xn ) = 0, donc φ est alternée.

Corollaire II.12. Si φ est une forme n-linéaire alternée et σ ∈ Sn , alors :
∀(x1 , . . . , xn ) ∈ E n , φ(xσ(1) , . . . , xσ(n) ) = ε(σ)φ(x1 , . . . , xn )
c’est-à-dire que le fait d’échanger les éléments d’un n-uplet suivant une permutation modifie la valeur de
φ en la multipliant par la signature de la permutation.
Démonstration. On sait qu’inverser deux éléments dans un n-uplet multiplie par −1 son image par φ. Le
résultat est donc vrai pour tout transposition.
On en déduit alors le résultat général : on considère une permutation σ, qu’on écrit comme produit des
transpositions τ1 ◦ · · · ◦ τp . Le fait le permuter les éléments suivant σ revient à appliquer p transpositions,
donc à multiplier φ par (−1)p = ε(σ).
II.4 Formes multilinéaires alternées en dimension finie

Proposition II.13. Étant donnés E un espace vectoriel de dimension n ∈ N∗ , (e1 , . . . , en ) une base de E,
et n ∈ N∗, une forme p-linéaire alternée φ sur E est entièrement déterminée par les quantités :
φ(ei1 , . . . , eip ) pour 1 ≤ i1 < i2 < · · · < ip ≤ n
Démonstration. Considérons (x1 , . . . , xp ) ∈ E p , et notons (ai,j ) = Mat(ei ) (xj ), de sorte que :

n
X
∀j ∈ J1; pK, xj = ai,j ei
i=1
Alors par n-linéarité de φ, on déduit déjà que :

X
φ(x1 , . . . , xn ) = ai1 ,1 ai2 ,1 , . . . aip ,1 φ ei1 , ei2 , . . . , eip
i1 ,...,ip ∈J1;nK
Mais par le caractère alterné de φ, on a que :

— si deux indices ij , ij ′ sont égaux : φ ei1 , ei2 , . . . , eip = 0 ;
— si tous les indices sont distincts : en permutant les indices, on peut se ramener à les ranger dans
l’ordre (strictement) croissant, en multipliant par la signature de la permutation correspondante.
Et donc dans la somme ne resteront que des termes de la forme de l’énoncé, ce qui prouve le résultat.
Théorème II.14. Si E est un espace vectoriel de dimension n, alors une forme n-linéaire alternée est
entièrement déterminée par l’image d’une base.
Plus précisément, si (x1 , . . . , xn ) est une famille de vecteur de E dont la matrice dans la base (e1 , . . . , en )
est (ai,j ), alors : !
X
φ(x1 , . . . , xn ) = φ(e1 , . . . , en ) · ε(σ)aσ(1),1 . . . aσ(n),n .
σ∈Sn
C’est donc une droite vectorielle engendrée par la forme n-linéaire alternée :
n n
!
X X X
x1 = ai,1 ei , . . . , xn = ai,n ei 7→ ε(σ)aσ(1),1 . . . aσ(n),n
i=1 i=1 σ∈Sn
Démonstration. Le lemme précédent donne déjà l’écriture de φ(x1 , . . . , n) : dans la somme du lemme, il ne
restera que les termes où les ik sont deux-à-deux distincts (et forment donc l’ensemble J1; nK), où on fait
à chaque fois ressortir la signature de la permutation qui permet de ranger les ik dans l’ordre croissant.
Pour montrer qu’il s’agit d’une droite vectorielle, on constate déjà que :
III. DÉTERMINANTS 387
— c’est un espace vectoriel : c’est un sev de F(E n , K) en tant que sous-ensemble non vide (la fonction
nulle est n-linéaire alternée) stable par combinaison linéaire (immédiat par le calcul) ;
— il est engendré par un vecteur : par l’écriture précédente, il suffit de voir que l’application ψ don-
née dans le théorème est une forme n-linéaire alternée. La n-linéarité vient du fait que chaque
application : (x1 , . . . , xn ) 7→ aσ(1),1 . . . aσ(n),n est n-linéaire (par n-linéarité du produit de n facteurs,
comme chaque facteur correspond à un unique xi ). Le caractère alterné est plus calculatoire, mais
se montre en faisant agir une transposition, et en utilisant que pour tout transposition τ on a :
{τ ◦ σ | σ ∈ Sn } = Sn et que ε(τ ◦ σ) = −ε(σ) (ce qui fera bien apparaı̂tre le “−” des formes
antisymétriques, donc alternées).
— et ce vecteur est non nul : il suffit de voir que ψ est non nulle, mais comme Mat(ei ) (ei ) = In = (δi,j ),
alors : X
ψ(e1 , . . . , en ) = ε(σ)δσ(1),1 . . . δσ(n),n = ε(id) = 1
σ∈Sn
Remarque II.15. On a en fait un résultat plus général, mais plus compliqué à montrer, qui est que l’en-
semble des formes p-linéaires alternées sur un espace de dimension n est un espace vectoriel de dimension
n

k
.
La structure d’espace vectoriel se montre comme dans le cas où p = n.
Pour la dimension :
1 ≤ i1 <
— le cas général se comprend bien : on a vu qu’il suffisait de regarder les φ(ei1 , . . . , eip ) (avec
n
· · · < ip ≤ n) pour déterminer φ, ce qui donne une majoration de la dimension par p (car d’un
côté la dimension constitue le nombre de degré de libertés, et de l’autre on a np choix pour les ij ) ;

— on retrouve le cas particulier où n = p comme np = 1 ;

— on retrouve le cas où p = 1, puisqu’une forme 1-linéaire alternée est en fait un forme linéaire, et
dimE ∗ = dimE = n = n1 ;
— le cas où p = 0 est un peu plus subtile, mais se comprend bien : une application 0-linéaire alternée
est en fait une application de E 0 dans K, donc une fonction de {0} dans K, et F(Ω, F ) est un
espace vectoriel de dimension card(Ω) · dim(F ), ce qui donne bien une dimension 1 dans notre cas ;
— et on retrouve le cas où n < p : toute famille à p éléments étant liée, une forme p-linéaire alternée
sur un espace de dimension plus petit est nulle ;
III Déterminants
III.1 Déterminant d’une famille de vecteurs dans une base
Théorème-Définition III.1. Étant donné E un espace vectoriel de dimension n et B = (e1 , . . . , en ) une
base de E, il existe une unique forme n-linéaire alternée sur E telle que l’image de (e1 , . . . , en ) soit égale
à 1.
On l’appelle le déterminant dans la base (ei ), et on le note det(ei) ou detB .
Si (x1 , . . . , xn ) ∈ E n vérifie : MatB (xj ) = (ai,j ), alors :
X X n
Y
detB (x1 , . . . , xn ) = ε(σ)aσ(1),1 . . . aσ(n),n = ε(σ) aσ(i),i .
σ∈Sn σ∈Sn i=1
De plus, toute forme n-linéaire alternée est un multiple de detB . Plus précisément, si φ est une telle forme,
alors :
φ = φ(e1 , . . . , en ) · detB .
Démonstration. L’unicité vient du fait que l’ensemble des formes n-linéaires forme une droite vectorielle :
si une autre forme existait, elle serait de la forme φ = λdetB . Et on trouve alors λ = 1 en évaluant en
(e1 , . . . , en ) ce qui donne bien l’unicité.
L’existence vient de l’application ψ construite au théorème précédent (on avait bien que ψ(e1 , . . . , en ) = 1),
et donne la formule du théorème par son caractère n-linéaire alterné.
Enfin, comme detB est une forme n-linéaire alternée non nulle, alors elle engendre l’ensemble des formes
n-linéaires alternées (comme il s’agit d’une droite vectorielle). Donc toute forme n-linéaire alternée φ s’écrit
sous la forme φ = λdetB , et l’évaluation en (e1 , . . . , en ) donne λ = φ(e1 , . . . , en ).
Exemples III.2.
1. Donnons l’expression du déterminant dans K2 muni de sa base canonique B. Considérons les vec-
teurs x = (a, b) et y = (c, d). Alors on a déjà que :

a c
MatB (x, y) = .
b d
On a S2 = {id, τ1,2 }, avec ε(id) = 1 et ε(τ1,2 ) = −1. Donc :
detB (x, y) = ε(id) a1,1 a2,2 +ε(τ1,2 ) a2,1 a1,2 = ad − bc

| {z } | {z }
σ=id σ=τ1,2
+
a c

b d
−
2. Pour K3 muni de sa base canonique B, on procède de même. On considère les vecteurs x =

(a, b, c), y = (d, e, f ), z = (g, h, i), ce qui donne pour matrice :
 
a d g
A = (ai,j ) = MatB (x, y, z) =  b e h .
c f i

On a : S3 = {id, 1 2 , 1 3 , 2 3 , 1 2 3 , 1 3 2 }, avec comme signature 1 pour id et
les 3-cycles, et −1 pour les transpositions.
Et par la formule explicite du déterminant on trouve :
aei − |{z}
detB (x, y, z) = |{z} bdi − cge − af h + bf g + |{z} cdh
|{z} |{z} |{z}
id

1 2 1 3 2

1 3 2 3 1 2 3
Qu’on ne retiendra pas par cœur, mais qu’on retrouve avec la règle de Sarrus :

+ a d g a d
b e h b e

− c f ic f

+ a d g a d g a d g

b e h = b e h −b e h

− c f i c f i c f i
Remarque III.3. En dimensions 2 et 3, on retrouve les formules pour l’aire d’un parallélogramme ou pour
le volume d’un parallélépipède. Cette conformité du déterminant avec l’aire ou le volume se comprennent
bien par les propriétés du déterminant :
— le caractère n-linéaire se décompose en sa compatibilité vis-à-vis de la somme, et de la multiplication

par un scalaire, ce qui est cohérent avec le fait que l’aire de de surface est la somme des aires, et
qu’une surface dilatée d’un facteur suivant une direction a son aire multipliée par le même facteur.
— le caractère alterné permet de donner un signe à l’aire, un peu à la manière de l’aire sous la courbe
d’une fonction pour comprendre son intégrale : on parle d’aire algébrisée.
Et on comprend bien qu’une forme n-linéaire n’est en général pas linéaire : doubler la taille d’un carré
(respectivement d’un cube) c’est multiplier son aire par 4 (respectivement son volume par 8).
Corollaire III.4 (Formule de changement de base). Si B et C sont deux bases de E de dimension n, alors :
detC = detC (B) · detB
et donc pour tout (x1 , . . . , xn ) ∈ E n on a :
detC (x1 , . . . , xn ) = detC (B) · detB (x1 , . . . , xn ).
Démonstration. C’est le résultat précédent, appliqué à φ = detC .
Corollaire III.5. Si (x1 , . . . , xn ) est une famille de vecteur de E, alors c’est une base si, et seulement si,
pour n’importe quelle base B de E on a : detB (x1 , . . . , xn ) ̸= 0.
Démonstration. Si (x1 , . . . , xn ) n’est pas une base, alors elle elle liée et donc son image par toute forme
n-linéaire alternée est nulle.
Si (x1 , . . . , xn ) est une base, alors par formule de changement de base :
1 = det(x1 ,...,xn ) (x1 , . . . , xn ) = detx1 ,...,xn (B)detB (x1 , . . . , xn )
et on a donc bien que : detB (x1 , . . . , xn ) ̸= 0.
Remarque III.6. On a en fait un résultat plus fort, à savoir que : detB (C) · detC (B) = 1.
III.2 Déterminant d’un endomorphisme

Proposition-Définition III.7. Si E est un espace vectoriel de dimension finie, B = (e1 , . . . , en ) une base et
f ∈ L(E), on appelle déterminant de f la quantité detB (f (e1 ), . . . , f (en )).
Celle-ci ne dépend pas de la base de E considérée, et sera notée det(f ).
De plus, pour tous x1 , . . . , xn ∈ E on a :
detB (f (x1 ), . . . , f (xn )) = det(f ) · detB (x1 , . . . , xn ).
Démonstration. La seule chose à prouver est que cette quantité ne dépend pas de la base choisie. Consi-
dérons donc B = (e1 , . . . , en ), C = (f1 , . . . , fn ) deux bases de E.
On considère l’application :

En → K
φ:
(x1 , . . . , xn ) 7→ detB (f (x1 ), . . . , f (xn ))
qui est une forme n-linéaire alternée sur E (par caractère n-linéaire alterné de detB et linéarité de f ). Et
donc on peut écrire :
φ = φ(e1 , . . . , en ) · detB = φ(f1 , . . . , fn ) · detC
En évaluant la dernière égalité en (e1 , . . . , en ), on a donc en remplaçant φ par son expression :
detB (f (e1 ), . . . , f (en )) detB (e1 , . . . , en ) = detB (f (f1 ), . . . , f (fn )) · detC (e1 , . . . , en )) = detC (f (f1 ), . . . , f (fn ))
| {z }
=1
par formule du changement de base. Ce qui donne bien que le déterminant de f est bien défini et le dépend
pas de la base choisie.
Et le fait que φ = φ(e1 , . . . , en )detB donne le dernier résultat.
Proposition III.8 (Déterminant d’une composée). Si f, g ∈ L(E) alors :
det(g ◦ f ) = det(g) · det(f ) = det(f ◦ g).
Démonstration. On considère B = (e1 , . . . , en ) une base de E, et alors :
det(g ◦ f ) = detB (g ◦ f (e1 ), . . . , g ◦ f (en )) = det(g)detB (f (e1 ), . . . , f (en )) = det(g)det(f )

Comme det(g)det(f ) = det(f )det(f ), on déduit la seconde en échangeant les rôles de f et g.
Exemple III.9. Si E est de dimension n et λ ∈ K, alors par n-linéarité du déterminant on a : det(λidE ) =

λn .
Plus généralement, si f ∈ L(E), alors : det(λf ) = λn det(f ).
Corollaire III.10. Un endomorphisme f de E est un automorphisme si, et seulement si, son déterminant
est non nul, et on a alors :
1
det(f −1 ) = .
det(f )
L’application det réalise ainsi un morphisme de groupes de GL(E) dans K∗ .
Remarque III.11. Le premier résultat se comprend bien en terme de familles de vecteurs, dans la mesure
où :
— un endomorphisme est bijectif si, et seulement si, l’image d’une base est une base ;
— une famille est une base si, et seulement si, son déterminant est non nul.
III.3 Déterminant d’une matrice carrée

Définition III.12. Soit A = (ai,j ) ∈ Mn (K). On appelle déterminant de A la quantité :
X n
Y
det(A) = ε(σ) aσ(i),i .
σ∈Sn i=1
On notera alors :
a1,1 . . . a1,j . . . a1,n
. .. ..
.
. . .
det(A) = ai,1 . . . ai,j . . . ai,n .

. .. ..
.. . .

a . . . a . . . a
n,1 n,j n,n
Remarque III.13.
Le déterminant d’une matrice est le déterminant dans la base canonique de Mn,1 (K) de la famille de ses
vecteurs colonnes. C’est donc le déterminant de l’endomorphisme canoniquement associé.
Proposition III.14. Si E est un espace de dimension n, et B une base de E, alors :

1. si (x1 , . . . , xn ) est une famille de vecteurs de E : detB (x1 , . . . , xn ) = detMatB (x1 , . . . , xn ) ;
2. si f ∈ L(E), alors : det(f ) = detMatB (f ).
Démonstration. Découle directement de la formule.
Proposition III.15. Étant données A, B ∈ Mn (K) et λ ∈ K, on a :

1. det(λA) = λn det(A) ;
2. det(AB) = det(A)det(B) = det(BA).
Démonstration. Découle des résultats pour les endomorphismes, appliqués aux endomorphismes canoni-
quement associés à A et à B.
Remarque III.16. Le second résultat se généralise à davantage de matrices, du fait de la commutativité de

la multiplication sur K. En effet, si A1 , . . . , Ar ∈ Mn (K), alors on :
det(A1 . . . An ) = det(A1 )det(A2 . . . An ) = · · · = det(A1 ) . . . det(An )
et en échangeant les déterminants à droite, on déduit que pour toute permutation σ ∈ Sn on a :
det(A1 . . . An ) = det(Aσ(1) . . . Aσ(n) ) = det(A1 ) . . . det(An ).
Corollaire III.17. Deux matrices semblables ont même déterminant.
Démonstration. Considérons A, B ∈ Mn (K) et P ∈ GLn (K) telles que : A = P −1 BP . Alors :
det(A) = det(P −1 BP ) = det(P P −1 B) = det(B).
Remarque III.18. On peut aussi interpréter ce résultat en terme d’endomorphismes, comme on a montré
que le déterminant d’un endomorphisme ne dépend pas de la base choisie.
Corollaire III.19. Une matrice A ∈ Mn (K) est inversible si, et seulement si, son déterminant est non nul,
et on a alors :
1
det(A−1 ) = .
det(A)
L’application det réalise ainsi un morphisme de groupes de GLn (K) dans K∗ .
Remarque III.20. On retrouve d’une autre manière que deux matrices semblables ont même déterminant,
comme :
det(P −1 BP ) = det(P −1 )det(B)det(P ) = det(P )−1 det(B)det(P ) = det(B).
Proposition III.21. Si A ∈ Mn (K), alors : det(A) = det(AT ).

Ainsi, le déterminant d’une matrice est également le déterminant de la famille de ses vecteurs lignes dans
la base canonique.
Démonstration. Par formule qui définit le déterminant, on a :

X n
Y
det(A) = ε(σ) aσ(i),i
σ∈Sn i=1
X Yn
= ε(σ) aj,σ−1 (j) (en posant j = σ(i))
σ∈Sn j=1
X n
Y
−1
= ε(τ ) aj,τ (j) (en posant τ = σ −1 )
τ ∈Sn j=1
X n
Y
A τ (j),j (comme ε(τ ) = ε(τ −1 ))
T
= ε(τ )
τ ∈Sn j=1
= det(AT )
 
x1
Exemple III.22. Si A ∈ GLn (K) et B ∈ Mn,1 (K), alors l’unique solution X =  ...  de l’équation
 
xn
AX = B est donnée par :
det(Ai )
∀i ∈ J1; nK, xi =
det(A)
où Ai désigne la matrice obtenue à partir de A en changeant la i-ème colonne par B.
On a déjà montré l’existence. Considérons donc une telle solution. Alors, en notant C1 , . . . , Cn les colonnes
de A, on a :
x1 C 1 + · · · + xn C n = B
de sorte que :
det(Ai ) = det (C1 , . . . , B, . . . , Cn )

= det (C1 , . . . , (x1 C1 + · · · + xn Cn ), Cn )
= det (C1 , . . . , xi Ci , . . . , Cn ) comme le déterminant est n-linéaire alterné
= xi · det(C1 , . . . , Ci , . . . , Cn )
| {z }
=det(A)
ce qui donne bien la formule voulue.
IV Calculs de et avec des déterminants

IV.1 Opérations élémentaires
Proposition IV.1. Étant donnée A ∈ Mn (K) :
1. La permutation de deux lignes ou deux colonnes de A multiplie son déterminant par −1.
2. La dilatation de coefficient λ d’une ligne ou d’une colonne de A multiplie le déterminant par λ.
3. La transvection d’une ligne d’une ligne ou d’une colonne de A ne change pas son déterminant.
Démonstration. On utilise que le déterminant d’une matrice est une forme n-linéaire alternée, vue comme
une application sur les colonnes ou les lignes.
Une permutation revient à faire agir une transposition sur les lignes ou les colonnes, et donc multiplie le
déterminant par −1 (car le déterminant est antisymétrique).
Une dilatation revient à multiplier une ligne ou une colonne par λ, donc à multiplier le déterminant par λ
(car le déterminant est n-linéaire).
Une transvection revient à ajouter à une ligne ou une colonne une combinaison linéaire des autres lignes
ou colonnes, et ne change pas le déterminant (car le déterminant est alterné).
Remarque IV.2. Un point important est que toutes ces opérations préservent le rang (et l’inversibilité),
donc il est rassurant de voir que ces opérations préservent la nullité ou non du déterminant.
Remarque IV.3. On peut ainsi effectuer la méthode du pivot pour calculer le déterminant d’une matrice :
— soit on se ramène par opérations élémentaires à la matrice In , dont le déterminant est 1 ;
— soit on se ramène à une matrice non inversible, donc le déterminant est 0.
Et les opérations élémentaires utilisées permettent d’en déduire le déterminant de la matrice de départ.
Proposition IV.4. Le déterminant d’une matrice triangulaire est égal au produit de ses coefficients diago-
naux.
IV. CALCULS DE ET AVEC DES DÉTERMINANTS 393
Démonstration. Montrons le pour une matrice triangulaire supérieure (le cas des matrices triangulaires
inférieures se déduit par passage à la transposée).
Soit A = (ai,j ) ∈ Mn (K) triangulaire supérieure, c’est-à-dire que : ∀i, j ∈ J1; nK, i > j ⇒ ai,j = 0.
On utilise le lemme suivant :
Lemme IV.5. Soit σ ∈ Sn telle que : ∀i ∈ J1; nK, σ(i) ≤ i. Alors σ = id.
Preuve du lemme : On montre par récurrence forte (finie) sur i ∈ J1; nK que σ(i) = i :
— si i = 1 : σ(1) ≤ 1, donc nécessairement σ(1) = 1.
— si i ∈ J1; n − 1K tel que pour tout j ∈ J1; iK, σ(j) = j. Alors σ(i + 1) ≤ i + 1 donc σ(i + 1) ∈ J1; i + 1K.
Mais par injectivité de σ, on a que σ(i + 1) ∈ / σ (J1; iK) = J1; iK. Et donc σ(i + 1) = i + 1.
Ce qui prouve le lemme par récurrence.
On a par définition :
X n
Y X n
Y n
Y
det(A) = ε(σ) aσ(i),i = ε(σ) aσ(i),i = ai,i .
σ∈Sn i=1 σ=id i=1 i=1
car dans la somme tout élément σ ∈ Sn \ {id} vérifie σ(i) > i pour un i ∈ J1; nK (d’après le lemme), et
donc pour un tel σ on a : ni=1 aσ(i),i = 0 (car l’un des facteurs est nul).
Q
Remarques IV.6.
1. Ce résultat simplifie beaucoup les calculs, puisqu’il suffit d’échelonner une matrice (par opérations
élémentaires) pour calculer son déterminant, au lieu de faire toute la méthode du pivot.
2. On retrouve au passage qu’une matrice triangulaire est inversible si, et seulement si, ses coefficients
diagonaux sont non nuls.
 
1 −1 2 −1
 2 −1 1 −2
Exemple IV.7. Calculons le déterminant de la matrice : A =  −1 3
:
1 −1
3 0 −2 0

1 −1 2 −1

2 −1 1 −2
det(A) =
−1 3 1 −1
3
0 −2 0
1 −1 2 −1

0 1 −3 0
=
0 2 3 −2

0 3 −8 3

1 −1 2 −1

0 1 −3 0
=
0 0 9 −2
0 0 1 3

1 −1 2 −1

0 1 −3 0
= −
0 0 1 3

0 0
9 −2
1 −1 2 −1

0 1 −3 0
= −
0 0 1 3

0 0 0 −29
= 29
Proposition IV.8. Le déterminant d’une matrice triangulaire en bloc est égal au produit des déterminants
de ses blocs diagonaux.
Preuve avec les décompositions de permutations :

Montrons déjà
le cas de deux blocs diagonaux.
A1,1 A1,2
Considérons la matrice en blocs : A = (ai,j ) = ∈ Mn (K) où A1,1 ∈ Mn1 (K) et A2,2 ∈
0 A2,2
Mn2 (K). Alors on obtient :
X n
Y
det(A) = ε(σ) aσ(i),i .
σ∈Sn i=1
Mais, du fait de la forme de A, les seuls termes non nuls de la sommes sont ceux pour lesquels σ(J1; n1 K) ⊂
J1; n1 K, et donc σ(J1; n1 K) = J1; n1 K (en tant qu’application injective entre ensembles de même cardinal, la
restriction de σ à J1; n1 K réalise une bijection sur J1; n1 K).
Un tel σ ∈ Sn vérifie également : σ(Jn1 + 1; nK) ⊂ Jn1 + 1; nK, et donc σ(Jn1 + 1; nK) = Jn1 + 1; nK (par le
même argument).
On note Sn′ l’ensemble de tels éléments σ ∈ Sn , auxquels on associe les restrictions σ1 , σ2 respectivement
à J1; n1 K et à Jn1 + 1; nK, on a :
X n1
Y n
Y
det(A) = ε(σ) aσ1 (i),i aσ2 (j),j
′
σ∈Sn i=1 j=n1 +1
mais en assimilant σ1 à un élément de Sn1 (par restriction) et σ2 à un élément de Sn2 (à savoir l’élément :
j 7→ σ2 (j + n1 ) − n1 ), on trouve que :
X n1
Y n2
Y
det(A) = ε(σ1 ) · ε(σ2 ) [A1,1 ]σ1 (i),i [A2,2 ]σ2 (j),j = det(A1,1 )det(A2,2 ).
σ1 ∈Sn1 ,σ2 ∈Sn2 i=1 j=1
Le résultat général se déduit alors par récurrence, en notant que toute matrice triangulaire en blocs peut
se décomposer en matrice triangulaire en blocs de la forme ci-dessus.
Preuve par les formes n-linéaire alternées : Montrons

déjà le cas de deux blocs diagonaux.
A1,1 A1,2
Considérons la matrice en blocs : A = (ai,j ) = ∈ Mn (K) où A1,1 ∈ Mn1 (K) et A2,2 ∈
0 A2,2
Mn2 (K).
On pose φ l’application :

 Mn1 ,1 (K)n1 → K
φ: X1 . . . Xn1 A1,2
 (X1 , . . . , Xn1 ) 7→ det
0 A2,2
Par linéarité du déterminant par rapport aux n1 premières colonnes et par son caractère alterné, on voit
facilement que φ est une forme n1 -linéaire alternée sur Mn1 ,1 (K), et donc en notant B la base canonique
de Mn1 ,1 (K) on obtient que pour tous X1 , . . . , Xn1 ∈ Mn1 ,1 (K) on a :

In1 A1,2
φ(X1 , . . . , Xn1 ) = detB (X1 , . . . , Xn1 )φ(B) = detB (X1 , . . . , Xn1 )det .
0 A2,2
On applique la même méthode que ci-dessus à l’application :


 Mn2 ,1 (K)n2 → K
ψ: In1 A1,2
 (Y1 , . . . , Yn2 ) 7→ det
0 Y1 . . . Yn2
et on obtient de même, en notant C la base canonique de Mn2 ,1 (K), que pour tous Y1 , . . . , Yn2 ∈ Mn2 ,1 (K) :

In1 A1,2
ψ(Y1 , . . . Yn2 ) = detC (Y1 , . . . , Yn2 )det .
0 In2
La dernière matrice est triangulaire avec des 1 sur la diagonale, donc de déterminant 1, ce qui donne
finalement que pour tous X1 , . . . , Xn1 ∈ Mn1 ,1 (K) et Y1 , . . . , Yn2 ∈ Mn2 ,1 (K) :

X1 . . . Xn1 A1,2
det = detB (X1 , . . . , Xn1 ) · detC (Y1 , . . . , Yn2 )
0 Y1 . . . Yn2
En prenant pour X1 , . . . , Xn1 , Y1 , . . . , Yn2 les colonnes respectivement de A1,1 et A2,2 , on obtient donc :
det(A) = det(A1,1 ) · det(A2,2 ).
Le résultat général se déduit par récurrence comme dans l’autre preuve.
Exemple IV.9. Calculons le déterminant de la matrice :

 
−2 −1 −1 3 −1
2
 3 3 −3 2 

A= 0 0 2 4 −2

0 0 0 −2 0 
0 0 0 −1 1

−2 −1 −2 0
On reconnaı̂t une matrice triangulaire en blocs, avec les trois blocs diagonaux : , 2 et .
2 3 −1 1
Et donc :
−2 −1 −2 0
· 2 ·
det(A) = −1 1 = (−4) · 2 · (−2) = 16

2 3
IV.2 Cofacteur et développement suivant une ligne ou colonne

Définition IV.10. Soient A ∈ Mn (K) et i, j ∈ J1; nK. On appelle alors :
1. mineur d’ordre (i, j) de A, noté ∆i,j (A) (ou plus simplement ∆i,j lorsqu’il n’y a pas d’ambiguı̈té)
le déterminant de la matrice extraite de A, obtenue en supprimant la i-ème ligne et la j-ème colonne ;
2. cofacteur d’ordre (i, j) de A la quantité (−1)i+j ∆i,j (A).
Théorème IV.11 (Développement du déterminant suivant une colonne). Si A = (ai,j ) ∈ Mn (K) et j ∈

J1; nK, alors :
Xn
det(A) = (−1)i+j ai,j ∆i,j .
i=1
Démonstration. Notons C1 , . . . , Cn les colonnes de A et B = (E1 , . . . , En ) la base canonique de Mn,1 (K),

de sorte que :
det(A) = detB (C1 , . . . , Cn ) .
Pn
On a alors : Cj = i=1 ai,j Ei , et donc par n-linéarité :
n
X
det(A) = ai,j detB (C1 , . . . , Cj−1 , Ei , Cj+1 , . . . , Cn ).
i=1
Fixons i ∈ J1; nK, et calculons detB (C1 , . . . , Cj−1 , Ei , Cj+1 , . . . , Cn ). On a :

a1,1 ... a1,j−1 0 a1,j+1 ... a1,n
. .. .. .. ..
.
. . . . .

ai−1,1 . . . ai−1,j−1 0 ai−1,j+1 ... ai−1,n

detB (C1 , . . . , Cj−1 , Ei , Cj+1 , . . . , Cn ) = ai,1 . . . ai,j−1 1 ai,j+1 ... ai−1,n

ai+1,1 . . . ai+1,j−1 0 ai+1,j+1 ... ai+1,n

. .. .. .. ..
.. . . . .

a ... an,j−1 0 an,j+1 ... a
n,1 n,n

1 ai,1 ... ai,j−1 ai,j+1 . . . ai−1,n

0 a1,1 ... a1,j−1 a1,j+1 . . . a1,n
.. .. .. ..

. . . .

j−1 ..
i−1

= (−1) · (−1) · . ai−1,1 . . . ai−1,j−1 ai−1,j+1 . . . ai−1,n
a . . . ai+1,j−1 ai+1,j+1 . . . ai+1,n
i+1,1
.. .. .. ..

. . . .
0 an,1 . . . an,j−1 an,j+1 . . . an,n

a1,1 ... a1,j−1 a1,j+1 ... a1,n

. .. .. ..
.
. . . .

a . . . ai−1,j−1 ai−1,j+1 . . . ai−1,n

= (−1)i+j · i−1,1
ai+1,1 . . . ai+1,j−1 ai+1,j+1 . . . ai+1,n

.. .. .. ..

. . . .
a . . . an,j−1 an,j+1 . . . an,n
n,1
= (−1)i+j ∆i,j

cycle 1 2 . . . i qui est
où on a permuté les i premières lignes par le de signature (−1)i−1 , et les j
premières colonnes par le cycle 1 2 . . . j qui est de signature (−1)j−1 , et où le dernier déterminant
se calcule par blocs.
Corollaire IV.12 (Développement du déterminant suivant une ligne). Si A = (ai,j ) ∈ Mn (K) et i ∈ J1; nK,
alors :
Xn
det(A) = (−1)i+j ai,j ∆i,j .
j=1
Démonstration. Découle du théorème précédent appliqué à AT .
Remarques IV.13.
1. On peut ainsi transformer le calcul du déterminant d’une matrice de taille n en celui de n matrices
de taille (n − 1). Cette méthode n’est en général pas rentable (on peut voir que la complexité est de
n(n − 1)
l’ordre de n! si on effectue toutes les étapes, donc bien plus long qu’un pivot qui demande
2
opérations). Mais elle peut être utile lorsque la matrice considérée présente beaucoup de 0 sur une
ligne ou une colonne (et on choisira alors cette ligne ou colonne pour développer le déterminant).
2. Il ne faut pas oublier les signes à rajouter du fait des (−1)i+j . Du fait de la somme, cela revient à
alterner les signes, qu’on peut visualiser en mettant en regard la matrice dont on veut calculer le
déterminant et la matrice des signes :

+ − + − + . . .

− + − + − . . .
+ − + − + . . . .

.. ..
. .
 
1 −1 2 −1
 2 −1 1 −2
Exemple IV.14. Reprenons la matrice A =  −1 3
.
1 −1
3 0 −2 0
La dernière ligne comporte deux 0, et en développant suivant cette ligne on trouve :

−1 2 −1 1 −1 −1

det(A) = −3 · −1 1 −2 + 2 · 2
−1 −2
3 1 −1 −1 3 −1
et les deux déterminants de taille 3 que l’on fait apparaı̂tre se calculent rapidement par la règle de Sarrus,
ou avec un pivot :

−1 2 −1 −1 2 −1
−1 1 −2 = 0 −1 −1 = − −1 −1 = −(4 + 7) = −11

7 −4
3 1 −1 0 7 −4

1 −1 −1 1 −1 −1
1 0
2 −1 −2 = 0 1 0 =
= −2

−1 3 −1 0 2 −2 2 −2
et finalement :
det(A) = −3 · · · (−11) + 2 · (−2) = 29.
IV.3 Le déterminant de Vandermonde

Définition IV.15. Étant donnés n ∈ N∗ et x1 , . . . , xn ∈ K, on appelle déterminant de Vandermonde
la quantité :
1 1 ... 1 1

x1 x2 . . . xn−1 xn

x2 x22 . . . x2n−1 x2n
V (x1 , . . . , xn ) = 1
.. .. .. ..
. . . .
n−1 n−1 n−1 n−1
x1 x2 . . . xn−1 xn
Proposition IV.16. Avec les mêmes notations, on a :
Y
V (x1 , . . . , xn ) = (xj − xi ).
1≤i<j≤n
∗
par récurrence sur n ∈ N :
Démonstration. Montrons le résultat
— si n = 1 : alors V (x1 ) = 1 = 1, qui vérifie bien la formule car on trouve le produit vide (qui vaut
1) ;
— si n = 2 : alors :
1 1
V (x1 , x2 ) =
= x2 − x1
x1 x2
qui correspond bien à la formule ;
— supposons le résultat acquis jusqu’au rang n pour n ∈ N∗ , et considérons x1 , . . . , xn+1 . On souhaite

calculer V (x1 , . . . , xn+1 ).
Notons déjà que, si deux des xi sont égaux, alors la matrice qui définit le déterminant de Vander-
monde a deux colonnes égales, donc n’est pas inversible, et l’égalité à montrer est vraie (les deux
membres sont nuls).
Si les xi sont deux-à-deux distincts, posons l’application P définie sur K par :
P : x 7→ V (x1 , . . . , xn , x)
de sorte que l’on veut calculer P (xn+1 ).
En développant suivant la dernière colonne, on a pour tout x ∈ K :

1 1 ... 1 1
x1 x2 . . . xn
x1 x2 . . . xn x
x2 x2 . . . x2
2 2 2 2 1 2 n
P (x) = x1 x2 . . . xn x = (−1)n+2 · 1 · .. .. ..
.. .. .. ..
.n .n .

. . . . x1 x2 . . . xnn

n n
x1 x2 . . . xnn xn

1 1 ... 1
1 1 ... 1
x1 x2 ... xn
x2 x2 . . . x2
n+3 1 2 n 2n+2 n x2 x22 ... x2n
+(−1) · x · .. .. + · · · + (−1) ·x · 1

..
. .. .. ..
n .n .
n
. . .
x1 x2 . . . xn n−1 n−1 n−1

x1 x2 . . . xn
| {z }
V (x1 ,...,xn )xn
Et ainsi la fonction P est une fonction polynomiale. Plus précisément :

— son monôme dominant est V (x1 , . . . , xn ) · xn ;
— x1 , . . . , xn sont des racines de P .
Et ainsi, on déduit que P est scindé, car, comme tous les xi sont distincts, P a au moins autant de
racines que son degré.
Et finalement on déduit que :
n
Y
∀x ∈ K, P (x) = V (x1 , . . . , xn , x) = V (x1 , . . . , xn ) · (x − xi )
i=1
et ainsi, par hypothèse de récurrence, en évaluant en x = xn+1 on trouve bien :

n
Y Y Y Y
V (x1 , . . . , xn+1 ) = V (x1 , . . . , xn ) (xn+1 −xi ) = (xj −xi )· (xj −xi ) = (xj −xi )
i=1 1≤i<j≤n 1≤i<j=n+1 1≤i<j≤n+1
Remarque IV.17. Le déterminant d’une matrice étant égal à celui de sa transposée, on a également que :

1 x1 x2
1 . . . xn−1
1

1 x2 x2 n−1
2 . . . x2
V (x1 , . . . , xn ) = .. ..

.. ..
. . . .
1 xn x2n n−1

. . . xn
et on reconnaı̂t la matrice, dans les bases canoniques de Kn−1 [X] et Kn , de l’application :
φ : P 7→ (P (x1 ), . . . , P (xn )).
Il est clair d’une telle application n’est pas inversible si deux des xi sont égaux. On peut voir indifféremment
que, si xi = xj pour i ̸= j fixés, alors :
Q
— φ( k̸=i (X − xk )) = 0 = φ(0), donc φ n’est pas injective ;
— (0, . . . , 1, . . . 0) (un 1 en position i et des 0 partout ailleurs) n’a pas d’antécédent, car un élément
de Imφ a mêmes coordonnées en places i et j ; donc φ n’est pas surjective.
Inversement, si les xi sont deux-à-deux distincts, en notant L1 , . . . , Ln les polynômes interpolateurs de
Lagrange associés à la famille (xi ), l’application φ est inversible d’inverse :
n
X
−1
φ : (y1 , . . . , xn ) 7→ yi Li .
i=1
IV.4 Comatrices
Définition IV.18. Étant donnée A ∈ Mn (K), on appelle comatrice de A, notée Com(A), comme la
matrice de Mn (K) dont les coefficients sont les cofacteurs de A, c’est-à-dire que :
∀i, j ∈ J1; nK, [Com(A)]i,j = (−1)i+j ∆i,j .

 
2 −1 3
Exemple IV.19. Si A = 1 1 2 , alors :
0 0 −3
 
1 2
− 1 2
1 1
+
 0 −3 +
0
−3 0 0   

 −1 3
 −3 3 0
2 3 2 −1  
− 0 −3 + 0
Com(A) =  −  = −3 −6 0

−3 0 0

 −1 3

2

2 −1
 −5 −1 3
3
+ − +
1 2 1 2 1 1
Théorème IV.20. Si A ∈ Mn (K), alors :
(Com(A))T · A = det(A) · In = A · (Com(A))T .
Démonstration. Pour i, j ∈ J1; nK, on a :

h i n
X
A (Com(A))T = ai,k (−1)j+k ∆j,k
i,j
k=1
en notant ∆j,k les mineurs de A.

On a alors deux situations :
— si i = j : on reconnaı̂t
h directement
i le développement du déterminant de A suivant la i-ème ligne,
T
et on a ainsi : A (Com(A)) = det(A).
i,i
— si i ̸= j : on reconnaı̂t alors le développement suivant la j-ème ligne de la matrice construite à partir
de A en remplaçant lah j-ème ligne pari la i-ème. C’est donc le déterminant d’une matrice ayant deux
T
lignes égales, donc : A (Com(A)) = 0.
h i i,j
Et ainsi : A (Com(A))T = det(A) · δi,j = [det(A)In ]i,j donc A (Com(A))T = det(A)In .

i,j
La seconde égalité se montre de même (en reconnaissant des développements de déterminants suivant des
colonnes).
Remarque IV.21. En prenant la transposée dans les égalités précédentes, on trouve également que
AT · Com(A) = det(A) · In = Com(A) · AT

1
Corollaire IV.22. Si A ∈ GLn (K), on a : A−1 = Com(A)T .
det(A)
Remarque IV.23. Cette méthode permet d’exprimer implicitement des inverses de matrices, mais est en
général peu efficace car assez longue en calculs. Elle reste raisonnable pour les matrices de taille 2 ou 3,
à plus forte raison quand elles présentent de nombreux coefficients nuls (car alors les cofacteurs sont plus
facile à calculer).
Exemples IV.24.

a b d −c
1. Pour une matrice de taille 2 : A = , la comatrice est : Com(A) = .
c d −b a

−1 1 d −b
Et donc, si A est inversible, son inverse est : A = .
ad − bc −c a

−1 1/a −b/ad
Si de plus c = 0, on obtient que : A = , et on retrouve qu’une matrice triangulaire
0 1/d
inversible est triangulaire, avec comme coefficients diagonaux les inverses des coefficients diago-
naux de la matrice de départ. Il n’est d’ailleurs pas difficile d’étendre ce résultat à des matrices
triangulaires de taille quelconques par un calcul analogue.
Si A n’est pas inversible, avec A ̸= 0, on déduit que les colonnes de Com(A)T sont des éléments
de KerA (qui est de dimension 1), et comme Com(A)T est non nulle, on déduit que ses colonnes
engendrent KerA (et sont proportionnelles).
 
4 3 −2
2. Pour une matrice de taille 3, considérons : A = −5 −1 2 .
−2 6 3
On calcule le déterminant de A par règle de Sarrus, ce qui donne :
det(A) = −12 + 60 − 12 + 4 − 48 + 45 = 37
Et de plus :  
−15 11 −32
Com(A) = −21 8 −30
4 2 11
Et donc :  
−15 −21 4
1 
A−1 = · 11 8 2
37
−32 −30 11
Chapitre 25
Séries numériques
I Convergence et divergence d’une série

I.1 Notion de série
Définition I.1. Étant donnée
P(un )n∈N P
une suite àP
valeurs réelles on complexes, on lui associe la série de
terme général un , notée un (ou n un , ou n≥0 un ), qui est la suite (Sn )n∈N définie par :
n
X
∀n ∈ N, Sn = uk
k=0
P
Pour n ∈ N, on dira que Sn est la somme partielle d’ordre n de la série un .
Remarques I.2.
P
1. Ces notions se généralisent à des suites définies P
à partir d’un rang n0 . On notera également n un
la série associée (s’il n’y a pas d’ambiguı̈té) ou n≥n0 un si on P veut être plus précis). Les sommes
partielles sont alors définies seulement pour n ≥ n0 par : Sn = nk=n0 uk .
2. Une série peut s’analyse comme une suite, en regardant les sommes partielles. Et inversement, on
peut analyser n’importe quelle suite (un ) comme la série de terme général (un+1 − un ). L’idée sera
d’exploiter des résultats de suite pour analyser une série, ou inversement, selon le contexte.
Exemples I.3.
On a vu différentes situations où les sommes partielles (donc les termes de la série) s’expriment facilement :
1. si (un ) est une suite arithmétique : par exemple si un = 3 + 2 · n (suite arithmétique de raison 2 et
de premier terme 3) alors :
n
X (n + 1)(3 + 3 + 2n)
Sn = 3+2·k = = (n + 1)(n + 3).
k=0
2
2. si (un ) est une suite géométrique : par exemple si un = 3 · 2n (suite géométrique de raison 2 et de
premier terme 3) alors :
n
X 2n+1 − 1
3 · 2n = 3 · = 3 · 2n+1 − 1 .

Sn =
k=0
2−1
1 1 1
3. si on a un télescopage : par exemple si un = = − alors :
n(n + 1) n n+1
n
X 1 1 1
Sn = − =1− .
k=1
k k + 1 n + 1
401
402 CHAPITRE 25. SÉRIES NUMÉRIQUES
Et la linéarité de la somme permet aussi d’utiliser plus généralement ces situations connues.
P
Définition I.4. Si (un ) est une suite numérique, on dira que la série un converge (ou est convergente)
si la suite (Sn ) des
P+∞sommes partielles converge.
On notera alors n=0 un sa limite, qu’on appellera somme de la série.
Une série qui ne converge pas sera dite divergente.
Plus généralement, on parlera de nature d’une série selon qu’elle converge ou non.
Remarque I.5. P
On prendra bien garde à ne pas confondre :
— la série un : qui P
est une suite ;
n
— la somme partielle P k=0 uk : qui est un réel ou un complexe, construit en tant que somme finie ;
— la somme de la série +∞ n=0 un : qui n’a même pas toujours un sens.
Exemples I.6.
1. Dans les exemples précédents, seule la série associée au téléscopage convergeait.
2. La série de terme général (−1)n diverge. On a en effet que pour tout n ∈ N :
n
X
k 0 si n est impair
(−1) =
1 si n est pair
k=0
1 1
3. La série de terme général diverge, tandis que la série de terme général 2 converge. On avait
n n
montré ces deux résultats en montrant que :
P1
— si on note (Sn )n≥1 la suite des sommes partielles de la série , alors pour tout n ∈ N∗ on a :
n
2n 2n
X 1 X 1 1
S2n − Sn = ≥ =
k=n+1
k k=n+1 2n 2
donc la suite (Sn ) ne peut converger, car sinon la suite extraite (S2n ) convergerait vers la même
limite, donc on aurait que (S2n − Sn ) tend vers 0 ;
P 1
— si on note (Tn )n≥1 la suite des sommes partielles de la série , alors la suite (Tn ) est
n2
croissante : elle converge si, et seulement si, elle est majorée. Mais pour tout n ∈ N∗ on a :
n n n
X 1 X 1 X 1
Tn = 2
= 1 + 2
≤1+ ≤2
k=1
k k=2
k k(k − 1)
|k=2 {z }
1
=1− par télescopage
n
P 1
et donc (Tn ) converge, donc la série converge.
n2
P P
Proposition I.7. Étant donnée (un )n≥n0 une suite complexe et n1 ≥ n0 , les séries n≥n0 un et n≥n1 un
ont même nature.
Démonstration. On revient à la définition de la convergence, avec les sommes partielles. On a pour tout
n ≥ n1 :
Xn 1 −1
nX n
X
uk = uk + uk
k=n0 k=n0 k=n1
et donc les sommes partielles associées aux suites (un )n≥n0 et (un )n≥n1 diffèrent d’une constante : l’une
converge si, et seulement si, l’autre converge. C’est-à-dire que les séries associées ont même nature.
I. CONVERGENCE ET DIVERGENCE D’UNE SÉRIE 403
Remarque I.8. On s’intéressera ainsi plus particulièrement au comportement en l’infini d’une suite pour
déterminer la nature de la série associée, et retirer éventuellement les premiers termes si ceux-ci posent
problème.
En revanche, pour déterminer la somme d’une série, il faudra bien prendre garde à conserver tous les
termes, puisque ceux-ci ont une incidence sur la somme.
P
Proposition I.9. La suite (un ) et la série télescopique (un+1 − un ) ont même nature.
Démonstration. Pour tout n ∈ N, on a :

n
X
uk+1 − uk = un+1 − u0
k=0
P
et donc la série (un+1 − un ) a même nature que la suite (un+1 ), donc que la suite (un ) par extraction.
I.2 Sommes et restes d’une série convergente

P P
Proposition
P I.10 (Linéarité de la somme). Si un , vn sont deux séries convergentes et λ, µ ∈ C, alors
la série (λun + µvn ) converge et :
+∞
X +∞
X +∞
X
(λun + µvn ) = λ un + µ vn .
n=0 n=0 n=0
Démonstration. Cela découle directement de la linéarité de la somme. Plus précisément, si n ∈ N on a :

n
X n
X n
X
(λuk + µvk ) = λ uk + µ vk
k=0 k=0 k=0
et en passant à la limite dans le membre de droite, on déduit que :

n
X +∞
X +∞
X
lim (λuk + µvk ) = λ un + µ vn
n→+∞
k=0 n=0 n=0
Remarques I.11.
1. On obtient notamment que multiplier une suite par un scalaire (non nul) ne change pas la nature
de sa série.
P
2. La réciproque est fausse : prenons λ = µ = 1 et (vn ) = (−un ) avec un divergente, ce qui donne
une combinaison linéaire de série qui converge, alors qu’aucune des séries ne converge.
P
3. Ce résultat peutPaussi s’utiliser
P pour déterminer la nature d’une série : si un converge, alors
les deux séries
P v et
nP (un + vn ) ont même nature.
P La réciproque
P se déduit de la proposition
appliquée à un et vn , et la réciproque avec (−un ) et (un + vn ).
P
Proposition-Définition I.12. Si la série un converge,
P alors la suite (un ) tend vers 0.
Ainsi, si la suite (un ) ne tend pas vers 0, la série un sera divergente, et on dira qu’elle diverge gros-
sièrement.
un converge, alors les suites ( nk=0 uk ) et

P P Pn−1
Démonstration. Si la série k=0 uk convergent vers une
même limite, donc leur différence, à savoir (un ) tend vers 0.
Le reste découle par contraposée.
Remarque I.13. La réciproque est fausse. Une suite peut tendre vers 0sans que sa série ne converge, ou
P1 1
même ne soit bornée. On a vu par exemple que n
diverge alors que tend vers 0.
n
En revanche, cela dit plus rapidement que (−1)n diverge, sans avoir à calculer les sommes partielles.
P
La première chose à faire pour déterminer si une série converge est donc de vérifier si son terme général
tend vers 0.
√
π n
Exemple I.14. La série de terme général 1 − est divergente car :
n
√ √ √

π n π −π 1 π 1
1− = exp nln 1 − = exp n +o = exp − √ + o √ → 1 ̸= 0
n n n n n n n→+∞
Remarque I.15. Cette analyse asymptotique est d’autant plus intéressante qu’on verra d’autres critères, P
en fonction de la vitesse à laquelle la suite (un ) tend vers 0, pour en déduire la nature de la série un .
L’idée derrière est que non seulement le terme général doit tendre vers 0, mais il doit tendre suffisamment
vite pour avoir la convergence de la série (à une considération près sur le signe dont on parlera plus tard).
P
Définition I.16. Si un est une série convergente, on définit son reste de rang n, pour n ∈ N, comme
la quantité :
+∞
X Xn +∞
X
Rn = uk − uk = uk .
k=0 k=0 k=n+1
Remarque I.17. Le reste donne la vitesse de convergence d’une série vers sa limite.
Proposition I.18. Avec les mêmes notations, la suite (Rn ) tend vers 0.
Démonstration. On a pour tout n ∈ N que :
+∞
X n
X
Rn = uk − uk
k=0 k=0
P Pn P+∞
et par convergence de la série un , on a : lim k=0 uk = k=0 uk . Ce qui donne bien que Rn tend vers
n→+∞
0 par opérations sur les limites.
I.3 Séries usuelles

Remarque I.19. Comme la seule suite arithmétique qui tend vers 0 est la suite constante nulle, on ne
s’intéresse pas à l’étude de “séries arithmétiques”.
Proposition I.20 (Série géométrique). Pour q ∈ C, la série de terme général q n est convergente si, et
seulement si, |q| < 1, et on a alors :
+∞
X 1
qn = .
n=0
1−q
Démonstration.
P n Notons déjà que, si |q| ≥ 1, alors pour tout n ∈ N on a : |q n | = |q|n ≥ 1, donc la série
q diverge grossièrement.
Si |q| < 1, alors on a explicitement les sommes partielles, avec :
n
X 1 − q n+1 1
∀n ∈ N, qk = →
k=0
1−q n→+∞ 1−q
1
en notant que lim q n = 0 (par limite classique). Et ainsi q n converge, et sa somme vaut
P
.
n→+∞ 1−q
I. CONVERGENCE ET DIVERGENCE D’UNE SÉRIE 405
P
Corollaire I.21. Si (un ) est une suite géométrique (non nulle) de raison q ∈ C, la série un converge si,
u0
et seulement si, |q| < 1, et dans ce cas sa somme est : .
1−q
Démonstration. Par linéarité.
52n+3 52 25
Exemple I.22. Soit un = 3n−2 . Alors (un ) est une suite géométrique de raison q = 3 = , et donc la
P 3 3 27
série un converge, et sa somme vaut :
+∞
X 53 1 53 · 35 35 · 53 30375
un = = = = .
3−2 52 3
3 −5 2 2 2
n=0 1−
33
zn
Proposition I.23 (Série exponentielle). Si z ∈ C, la série de terme général est convergente, avec :
n!
+∞ n
X z
= ez .
n=0
n!

[0; 1] → C
Démonstration. Fixons z ∈ C, et considérons la fonction f : .
t 7→ etz
Alors on avait vu (au Chapitre 8) que, comme la fonction t 7→ tz est dérivable sur [0; 1], alors f est dérivable
sur [0; 1] avec : f ′ : t 7→ zetz .
Une récurrence immédiate montre alors que f est infiniment dérivable avec :
∀k ∈ N, ∀t ∈ [0; 1], f (k) (t) = z k etz .
On déduit ainsi que :
∀k ∈ N, ∀t ∈ [0; 1], |f (k) (t)| = |z|k |etz | = |z|etRe(z) ≤ |z|k · e|z| .
Par inégalité de Taylor–Lagrange appliquée à f à l’ordre n, on a donc :

n

k n (k)
X z X f (0) |z|n+1 · 1n
(1 − 0) ≤ e|z|
z k
e − = f (1) −
k!
k=0
k!
k=0
(n + 1)!
où le membre de droite tend vers 0 par croissances comparées.

P zn
Et on a donc bien : que la série converge, et que sa somme vaut ez .
n!
Remarque I.24. Beaucoup considèrent cette série comme la définition de la fonction exponentielle :
grâce aux différents résultats sur les séries qu’on verra dans ce chapitre, on peut ainsi retrouver toutes les
propriétés de l’exponentielle (exponentielle d’une somme, dérivée, etc.).
On peut ainsi définir les fonctions cos et sin à partir de l’exponentielle ainsi définie, grâce aux formules
d’Euler, et retrouver leurs propriétés.
Et surtout, cela donne une autre définition au nombre π : c’est le double du premier point d’annulation
sur R+ de la fonction cos.
P zn P (−z)n
Exemple I.25. Si l’on considère z ∈ C, alors les séries et ! sont convergentes, de sommes
z −z
n! n
respectives : e et e .
1 z n 1 (−z)n
Et donc pour tout n ∈ N on que la série de terme général + converge. Sa somme vaut :
2 n! 2 n!
— par définition :
+∞ n +∞ +∞
X z + (−z)n X z n X z 2n
= =
n=0
2 · n! n=0, n pair
n! n=0
(2n)!
— par linéarité :
ez + e−z
= ch(z).
2
P+∞ z 2n
et donc on trouve que : ch(z) = n=0 , ce qui coı̈ncide (pour z ∈ R) avec la formule et le développe-
(2n)!
ment limité (poussé à l’infini par inégalité de Taylor–Lagrange) du cosinus hyperbolique.
Et on pourrait faire de même avec le sinus hyperbolique. Et tout cela reste très proche des considérations
énoncées précédemment autour de cos et de sin.
II Séries à termes positifs

II.1 Inégalité et séries à termes positifs
Remarque II.1. Du fait de la linéarité, l’étude des séries à termes positifs permet de comprendre les séries
à termes de signe (ou argument) constant.
Et comme changer les premiers termes d’une suite ne change pas la nature de sa série, on peut étendre
les résultats à des séries à termes positifs à partir d’un certain rang.
Le problème reste quand la suite change une infinité de fois de signe.
P
Proposition II.2. Si un est une série à termes positifs, alors elle converge si, et seulement si, la suite
de ses sommes partielles est majorée.
P
Démonstration. Si un est à termes positifs, alors la suite (Sn ) de ses sommes partielles est une suite
croissante : elle converge si, et seulement si, elle est majorée.
P
Remarque II.3. On a en fait un peu mieux : la série un a toujours une limite, et dans le cas où elle
diverge cette limite est +∞.
Dans le cas où elle converge, on a :
+∞
X n
X
un = sup{ uk | n ∈ N}.
n=0 k=0
Proposition II.4. Soient (un ), (vn ) deux suites à valeurs positives telles que : ∀n ∈ N, 0 ≤ un ≤ vn . Alors :
P P
1. si vn converge, alors un converge ;
P P
2. si un diverge, alors vn diverge.
P+∞
un ≤ +∞
P
De plus, s’il y a convergence, alors : 0 ≤ n=0 n=0 vn .
Démonstration.
P
1. si vn converge : alors pour tout n ∈ N, on a :
n
X n
X +∞
X
0≤ uk ≤ vk ≤ vk
k=0 k=0 k=0
P P
et donc les sommes partielles de la série un sont majorées, donc la série u converge.
P+∞n
En passant à la limite dans l’inégalité précédente, on trouve bien que 0 ≤ n=0 un ≤ +∞
P
n=0 vn .
II. SÉRIES À TERMES POSITIFS 407
un diverge : alorsP un tend vers +∞, et en utilisant à nouveau que 0 ≤ nk=0 uk ≤ nk=0 vk
P P P P
2. si
on déduit que la série vn tend vers +∞ par encadrement.
Remarque II.5. Les résultats de convergence restent valables si l’inégalité 0 ≤ un ≤ vn n’est valable qu’à
partir d’un certain rang. En revanche, l’inégalité sur les sommes n’est alors plus vérifiée.
Et ils s’étendent également par linéarité à des suites de même argument constant à partir d’un certain
rang.
Exemples II.6.
P 2 + cos(n)
1. Pour tout n ∈ N, on a : 1 ≤ 2 + cos(n) ≤ 3 et donc la série converge (étant majorée
3n
P 3 P 2 + cos(n) P1
par qui converge) mais la série diverge (étant minorée par qui diverge).
3n n n
P (n)e−n converge car :
P
2. Si P ∈ R[X], la série
— si P est unitaire, on a alors lim P (n) = +∞, et donc à partir d’un certain rang la suite
n→+∞
(P (n)e−n ) est positive.
— sinon on se ramène par linéarité au cas où P est unitaire ;
Et alors, par croissance comparée on a : lim P (n)e−n/2 = 0. Et donc, à partir d’un certain rang
n n→+∞
on a 0 ≤ P (n)e−n ≤ e−n/2 = e−1/2 , qui est le terme général d’une série convergente (comme on
a une série géométrique de raison e−1/2 avec |e−1/2 | < 1).
Et le résultat se généralise sans trop de mal au cas où P ∈ C[X] par linéarité (en traitant séparément
la
P convergence des monômes). On verra qu’on peut même les étendre à une série de la forme
P (n)q n pour P ∈ C[X] et q ∈ C avec |q| < 1.
P1 P 1
3. Comme on a vu que diverge, alors pour tout α ≤ 1 on a que diverge également comme
n nα
1 1
on a pour un tel α : ≤ α .
n n
II.2 Relations de comparaisons et séries à termes positifs

Proposition II.7. Si (un ), (vn ) sont telles que :
1. les suites (un ) et (vn ) sont à termes positifs ;
2. un = O(vn ) ;
P
3. vn converge ;
P
alors un converge.
Démonstration. Comme (un ), (vn ) sont à termes positifs et que un = O(vn ), il existe M ∈ R+ telle que :
∀n ∈ N, P 0 ≤ un ≤ M · vn . P
La série
P vn converge, donc la série M vn également, et on conclut par la proposition précédente que
un converge.
P
Théorème
P II.8. Si (un ), (vn ) sont deux suites à termes positifs telles que un ∼ vn , alors les séries un
et vn ont même nature.
Démonstration. On utilise
P la proposition précédente,
P en notant que, comme un ∼ vn , alors :
— un = O(vn ) : si P vn converge, alors P un aussi ;
— vn = O(un ) : si un converge, alors vn aussi.
Ce qui donne bien l’équivalence.
Remarque II.9. Le résultat est faux si les suites considérées ne sont pas à termes positifs (ou au moins de
P (−1)n
signe constant). Et il faudra toujours le préciser. On verra par exemple que la série √ converge, ce
n
P (−1)n 1

qui implique la divergence de la série √ + , alors que les termes généraux sont équivalents.
n n
Du fait des propriétés des équivalences de suites, il suffira en fait de voir que l’une des deux suites est à
termes positifs.
Exemples II.10.
n n2
1. Si un = cos − 1, alors un ∼ − , qui est le terme général d’une série convergente de signe
2n 4n
n2

1
constant. La convergence vient du fait que, par croissances comparées : n = O n .
4 2
1
2. Si un = 1 − e1/n , alors
P
un diverge comme un ∼ qui est le terme général d’une série divergente
n
à termes positifs.
1 1 1 1
3. Si n ∈ N∗ , on a : = − , et donc la série de terme général converge.
n(n + 1) n n+1 n(n + 1)
1 1 P 1
Comme 2 ∼ et que ces suites sont à termes positifs, on déduit que la série
n n(n + 1) n2
converge.
P 1
On montrerait de même que, pour tout α > 1, la série converge, en notant que, par télescopage
nα
P 1 1
sur les sommes partielles, la série α−1
− converge et que :
n (n + 1)α−1
α−1
1 1 1 + n1 −1 α−1
− = ∼ .
nα−1 (n + 1)α−1 (n + 1)α−1 nα
II.3 Comparaisons entre séries et intégrales
Théorème II.11 (Comparaison séries/intégrales).

P Soit f une fonction continue par morceauxR npositive dé-
croissante sur [0; +∞[. Alors la séries n≥a f (n) converge si, et seulement si, la suite 0
f (t)dt n∈N
converge.
Démonstration.
f (k − 1)
f (k)
k−1 k
P
Notons déjà que, comme f est positive, alors la série f (n) est convergente si, et seulement si, elle est
majorée. Rn
Et de même, par positivité de f , la suite 0 f (t)dt n∈N est croissante, comme pour tout n ∈ N on a :
Z n+1 Z n Z n+1
f (t)dt − f (t)dt = f (t)dt ≥ 0
0 0 n
Rn
en utilisant la relation de Chasles et la positivité de l’intégrale. Donc la suite 0
f (t)dt n∈N
converge si,
et seulement si elle est bornée.
Considérons k ∈ N. Alors par monotonie de f on a :
∀t ∈ [k; k + 1], f (k + 1) ≤ f (t) ≤ f (k)
et donc en intégrant entre k et k + 1 on trouve :

Z k+1 Z k+1 Z k+1
f (k + 1) = f (k + 1)dt ≤ f (t)dt ≤ f (k)dt = f (k)
k k k
puis en sommant pour k ∈ J0; n − 1K on trouve :

n
X Z n n−1
X
f (k) ≤ f (t)dt ≤ f (k)
k=1 0 k=0
et finalement
P : Rn
— si f (n) converge : alors elle est majorée, et tout majorant est un majorant de 0 f (t)dt , qui
estPdonc convergente ; P
— si f (n) diverge : alors elles tend vers +∞, donc n≥1 f (n) aussi, et donc par encadrement
Rn
0
f (t)dt diverge aussi.
ce qui donne bien l’équivalence.
Remarques II.12.
1. On peut tout aussi bien translater la série ou l’intégrale sans changer le résultat. Plus précisément,
P
si a ∈ R et f continue par morceaux, positive, décroissante sur [a; +∞[, alors la série n≥a f (n) a
Rn
même nature que la suite a f (t)dt n≥a .
2. L’encadrement donné entre les sommes partielles et les intégrales se comprend bien en terme de
croissance d’intégrale : il s’agit d’encadrer, à la manière des rectangles, la fonction f par les fonc-
tions en escaliers qui prennent les mêmes valeurs que f en les entiers. Et on peut ainsi interpréter
la série comme une intégrale, et on a un problème de comparaison d’intégrales.
Inversement,
R n+1 par télescopage, on peut interpréter la suite des intégrales comme la série de terme
général n f (t)dt (par télescopage), qui est une série à termes positifs. Et on peut alors traiter
le problème comme une comparaison entre des séries à termes positifs (les mêmes encadrements
donnant que les séries considérées ont même nature).
3. On a mieux que la convergence ou la divergence des séries : l’encadrement entre sommes partielles
et intégrales permet d’avoir des équivalents des restes (en cas de convergence de la série) ou des
sommes partielles (en cas de divergence de la série).
P 1
Théorème II.13 (Séries de Riemann). Pour α ∈ R, la série converge si, et seulement si, α > 1.
nα
P 1
De telles séries sont appelées séries de Riemann. Lorsque α = 1, on retrouve la série n≥1 qu’on
n
appelle série harmonique.
P 1
Démonstration. Notons déjà que, si α ≤ 0, alors la série diverge grossièrement.
nα
1
Si α > 0, considérons la fonction f : t 7→ α qui est continue, positive, décroissante sur [1; +∞[. Et donc
t
P 1 R n dt
par le théorème précédent, la série converge si, et seulement si, la suite 1 α
converge. Mais on
nα t
a pour tout n ∈ N∗ :

ln(n) si α = 1 +∞ si α ≤ 1
Z n (
dt 
= 1 1 → 1
1 t
α 1 − α−1 si α ̸= 1 n→+∞ si α > 1
α−1 n α−1

P 1
ce qui donne bien que la série converge si, et seulement si, α > 1.
nα
Remarques II.14.
1. On peut se passer de la comparaison à des intégrales : le cas α = 1 avait été fait en regardant les
sommes partielles de rang n et 2n, et permet de déduire les cas α ≤ 1. Et le cas α > 1 avait été
traité par télescopage. L’intérêt des intégrales est surtout qu’elle donne des encadrements, et donc
des meilleures estimations des sommes partielles ou des restes.
2. Il ne faut pas les confondre avec les sommes de Riemann, qu’on a vu au chapitre d’intégration,
qui ne sont pas du tout de la même forme (même si on a vu certains liens entre les deux notions).
3. On n’aura pas toujours des séries de Riemann, mais l’intérêt est que l’on pourra parfois comparer
(par exemple grâce au théorème de croissances comparées) à des séries de Riemann, ce qui permettra
d’estimer la convergence ou non d’une série.
4. Le théorème ci-dessus donne la convergence des séries, mais pas leurs sommes. Elles sont en géné-
rales très compliquées à expliciter, et constituent un objet fondamental en recherche mathématiques,
1
à savoir la fonction zêta de Riemann, définie par : ζ : α 7→ +∞
P
n=1 α . On peut donner explicitement
n
P+∞ 1 π2
les valeurs de ζ aux entiers positifs pairs (par exemple ζ(2) = n=1 2 = ), mais on connaı̂t très
n 6
peu d’informations sur les valeurs en les entiers impairs. On sait depuis 2000 qu’une infinité est
irrationnels, et depuis 2001 que l’un des quatre nombres ζ(5), ζ(7), ζ(9), ζ(11) est irrationnel. Mais
c’est à peu près tout.
Exemples II.15.
1
1. La série de terme général diverge. Et on a pour tout n ∈ N∗ l’encadrement :
n
n+1 Z n+1 n
X 1 1 X 1
≤ dt ≤
k=2
k 1 t k=1
k
ce qui donne donc :

Z n+1 n Z n
1 X1 1
dt ≤ ≤1+ dt
1 t k=1
k 1 t
R n+1 1 Rn 1
et comme 1
dt = ln(n + 1) ∼ ln(n) et 1 + 1 dt = 1 + ln(n) ∼ ln(n), on trouve que :
t t
n
X 1
Sn = ∼ ln(n).
k=1
k
1
2. La série de terme général converge, et pour tout n ∈ N∗ et N ≥ n + 1 on a :
n2
N +1 Z N +1 N
X 1 1 X 1
2
≤ 2
dt ≤
k=n+1
k n t k=n
k2
ce qui donne donc :

Z N +1 N Z N
1 X 1 1 1
2
dt ≤ 2
≤ 2
+ 2
dt
n+1 t k=n+1
k (n + 1) n+1 t
Et on a : Z N +1
1 1 1 1 1
dt = − → ∼
n+1 t2 n+1 N +1 N →+∞ n+1 n
Z N
1 1 1 1 1 1 1 1
+ dt = + − → + ∼
(n + 1)2 n+1 t2 (n + 1)2 n + 1 N N →+∞ n + 1 (n + 1)2 n
ce qui donne, en passant à la limite dans l’inégalité précédente et par encadrement d’équivalents
que :
+∞
X 1 1
Rn = 2
∼ .
k=n+1
k n
1
Exemple II.16. On considère α, β ∈ R, et on s’intéresse à la série de terme général . Alors :
nα ln(n)β
— si α < 1 : alors par croissances comparées, on a que :

1 1
=o
n(1+α)/2 nα ln(n)β
comme :
1 1 n(1−α)/2
= ·
nα ln(n)β n(1+α)/2 ln(n)β
| {z }
→ +∞
n→+∞
1 1+α
et donc, comme la série de terme général (1+α)/2 diverge (comme 2
< 1), alors la série de terme
n
1
général α diverge également ;
n ln(n)β
— si α > 1 : on procède à nouveau par croissances comparées, et on trouve que :

1 1
=o
nα ln(n)β n(1+α)/2
comme on a cette fois-ci :

1 1 n(1−α)/2
= ·
nα ln(n)β n(1+α)/2 ln(n)β
| {z }
→ 0
n→+∞
1
et comme la série de terme général (1+α)/2 converge (comme 1+α2
> 1), alors la série de terme
n
1
général α converge également ;
n ln(n)β
1 1
— reste le cas où α = 1 : si β ≤ 0, alors β
≥ et on a donc divergence de la série. Si β > 0,
nln(n) n
1
on procède par comparaison à une intégrale, comme la fonction t 7→ est continue positive
tln(t)β
décroissante sur [2; +∞[. Pour n ≥ 2 on a par changement de variable u = ln(t) :
Z n Z ln(n)
1 du
dt =
2 tln(t)β ln(2) uβ
qu’on avait déjà étudiée pour les séries de Riemann, et qui tend vers une limite finie si, et seulement
si, β > 1.
1
Et finalement la série de terme général α converge si, et seulement si, α > 1 ou α = 1 et β > 1.
n ln(n)β
III Séries absolument convergentes

III.1 Convergence et absolue convergence
P
Définition III.1. Si
P (un ) est une suite à valeurs complexes, la série un est dite absolument conver-
gente si la série |un | converge.
Remarque III.2. L’intérêt est de ramener l’étude d’une série à termes complexes à celle d’une série à
termes positifs. Et comme changer une suite de signe constant en sa valeur absolue revient à la multiplier
par une constant (1 ou −1 selon son signe), une série à termes de signe constant est convergente si, et
seulement si, elle est absolument convergente.
Exemples III.3.
1. En tant que séries à termes positifs, les séries de Riemann de paramètre α > 1 sont absolument
convergentes.
2. Une série géométrique est absolument convergente si, et seulement si, elle est convergente : si (un )
est géométrique de raison q, alors |un | est géométrique de raison |q|. La convergence de l’une ou
l’autre des séries est équivalente au fait que |q| < 1.
3. La série exponentielle est absolument convergente, puisque pour tout z ∈ C on a :
n
z |z|n
=
n! n!
qui est le terme général d’une série convergente, à savoir de la série qui définit e|z| .
III. SÉRIES ABSOLUMENT CONVERGENTES 413
P (−1)n
4. La série est absolument convergente, car on retrouve la série de Riemann de paramètre 2.
n2
P (−1)n
En revanche la série n’est pas absolument convergente (on retrouve la série harmonique).
n
Théorème III.4.
P Toute série absolument convergente est convergente.
De plus, si un est absolument convergente, alors :

X+∞ X +∞
un ≤ |un |.

k=0 k=0
P
Démonstration. Notons (un ) suite numérique telle que un converge absolument.
Si (un ) est à valeurs réelles : posons vn = max(un , 0) et wn = max(−un , 0), de sorte que les suites (vn ), (wn )
sont à valeurs positives et que :
∀n ∈ N, un = vn − wn et 0 ≤ vn , wn ≤ |un |.
On a ainsi queP P(vn ), (wn ) sont à valeurs positives, et majorées par |un |, dont la série converge,
les suites
donc les séries Pvn et Pwn convergent.
Et donc la série un = (vn − wn ) converge également par linéarité.
Si (un ) est à valeurs complexes : on considère les suites (vn ) = (Re(un )) et (wn ) = (Im(un )), qui convergent
absolument (comme elles sont majorées P par |un |), donc qui convergent (en tant que suites réelles qui
convergent absolument). Et donc un converge également.
Pour l’inégalité triangulaire, on utilise que pour tout n ∈ N :
n n
X X
uk ≤ |uk |

k=0 k=0
et donc en passant à la limite : +∞ +∞

X X
uk ≤ |uk |

k=0 k=0
(−1)n+1
P
Remarque III.5. La réciproque est fausse : par exemple la série n≥1 dont on a vu qu’elle est
n
convergente (sa somme valant ln(2), mais non absolument convergente par comparaison avec la série
harmonique).
Une série qui converge, mais qui ne converge pas absolument sera dite semi-convergente.
III.2 Comparaison à des séries à termes positifs

P
Proposition III.6. Si (unP), (vn ) sont des suites à valeurs complexes telles que vn converge absolument
et que un = O(vn ), alors un converge absolument.
P
Démonstration.
P Comme un = O(vn ), alors P|un | = O(|vn |), et donc, comme la série |vn | converge, alors
la série |un | converge également, donc un converge absolument.
P
Corollaire III.7. Si (un ) est une suite
P complexe, et (vn ) est une suite de réels positifs telle que vn
converge et que un = O(vn ), alors un converge.
P
Démonstration.
P Comme vn est convergente et à termes positifs, alors elle converge absolument.
Donc un converge absolument, donc converge.
Remarques III.8.
1. Comme la notion de O englobe celle de o ou d’équivalent, on peut utiliser ce résultat lorsque un ∼ vn
ou un = o(vn ).
2. En pratique, on essaie de travailler avec des séries absolument convergentes bien connues : par
exemple les séries de Riemann,les séries
géométriques, ou la série exponentielle. Par exemple, s’il
1 P
existe α > 1 tel que un = O α
, alors un est (absolument) convergente. En pratique, on
n
cherchera α > 1 tel que la suite (nα un ) tend vers 0.
3. Ce résultat est très utile pour montrer la convergence d’une série. Mais il ne saurait montrer la
divergence : on essaie alors de se ramener à une série à termes de signe constant et d’utiliser les
résultats précédents (par exemple une comparaison à une série de Riemann).
Exemple III.9.
Si on fixe x > 0, on peut chercher à montrer que la suite (un ) définie par :
nx n!
∀n ∈ N, un =
(x + n)(x + n − 1) . . . (x + 1)x
converge. Pour cela, on préfère travailler avec des sommes qu’avec des produits, et on pose donc la suite
(vn ) définie par :
Xn n
X
vn = ln(un ) = xln(n) + ln(k) − ln(x + k)
k=1 k=0
et plutôt que d’étudier la convergence de (vn ) (ce qui donnerait la convergence de (un )), on va plutôt étudier
la convergence de la série de terme général vn+1 − vn , ce qui est équivalent (pas télescopage). On a pour
tout n ∈ N :
vn+1 − vn = xln(n + 1) + 1) − ln(x
ln(n + + n + 1) − xln(n)
1 x
= xln 1 + − ln 1 +
n n+1
x x 1
= − +O 2
n n+1 n
x 1 1
= +O 2
=O
n(n + 1) n n2
P
et donc la série (vn+1 − vn ) converge absolument, donc converge.
Donc (vn ) converge, donc (un ) également.
III.3 Le critère de d’Alembert

Proposition
III.10. On considère (un ) une suite complexe qui ne s’annule pas. On suppose que la suite
un+1
un tend vers l ∈ R. Alors :

P
1. si l > 1 : la série un diverge grossièrement ;
P
2. si l < 1 : la série un converge absolument.
Démonstration. Traitons séparément les deux cas :

l−1
1. si l > 1 : alors par définition de la limite avec ε = > 0, il existe n0 ∈ N tel que :
2
(l + 1)
∀n ≥ n0 , |un+1 | ≥ |un |
2
et donc, en itérant : n−n0

1+l
∀n ≥ n0 , |un | ≥ |un0 |
2

1 + l
donc |un | tend vers +∞ (comme > 1), et la série P un diverge grossièrement.
2
1−l
2. si l < 1 : alors par définition de la limite avec ε = > 0, il existe n0 ∈ N tel que :
2
1+l
∀n ≥ n0 , |un+1 | ≤ |un |
2
et donc, en itérant : n−n0
1+l
∀n ≥ n0 , |un | ≤ |un0 |
2
n
P 1+l n

1+l
c’est-à-dire que un = O . Et comme la série converge (absolument) alors
P 2 2
un converge absolument.
Remarques III.11.
1. Ce critère est un peu comme une comparaison à des séries géométriques (comme on le voit dans la
preuve), et permet d’avoir un panel plus large de comparaison que seulement les séries de Riemann.
2. On peut aussi l’appliquer à des séries dont certains termes sont nuls : il faut alors utiliser la suite
extraite (uφ (n)) construite à partir de (un ) en ne gardant que les termes non nuls.

un+1
3. On a en fait un résultat plus fort : il suffit que la suite soit minorée par un l > 1 à partir d’un
un
certain rang pour le premier cas, ou majorée par un l < 1 dans le second (et pas nécessairement
qu’elle converge).
P P 1 P (−1)n
4. Dans le cas où l = 1, on ne peut rien dire, comme le montrent les séries 1, , et
n n
P 1
dont la première diverge grossièrement, la deuxième diverge, la troisième converge mais pas
n2
absolument, et la dernière converge absolument.
Exemples III.12.
1. On peut retrouver rapidement la convergence de la série exponentielle (mais pas sa limite). Consi-
zn
dérons z ∈ C∗ et posons un = . Alors pour tout n ∈ N on a :
n!
|un+1 | |z|
= → 0
|un | n + 1 n→+∞
P zn
et donc la série converge absolument.
n!
n!
2. Étudions la convergence de la série de terme général un = n . On a pour tout n ∈ N :
n
n
n
un+1 (n + 1)! n 1
= · n+1
= 1−
un n!
(n + 1) n+1
1
= exp nln 1 −
n+1
1 1
= exp n · − +o
n+1 n+1
= exp (−1 + o(1)) → e−1 < 1
n→+∞
P n!
et donc la série converge.
nn
III.4 Séries alternées

Théorème III.13. Si (un ) est une suite positive décroissante tendant vers 0, on dit que la série (−1)n un
P
est une série alternée.
C’est une série convergente, dont la suite des reste est contrôlée par son premier terme, dans le sens où il
est du signe de son premier terme et majoré en valeur absolue par celui-ci :

+∞
X
∀n ∈ N, |Rn | = k
(−1) uk = (−1)n+1 Rn ≤ un+1 .

k=n+1
Démonstration. Pour montrer la convergence, considérons la suite (Sn ) des sommes partielles : ∀n ∈
N, Sn = nk=0 (−1)k uk ;
P
Alors pour tout n ∈ N on a :
— S2n+2 − S2n = u2n+2 − u2n+1 ≤ 0 donc la suite (S2n ) est décroissante ;
— S2n+3 − S2n+1 = −u2n+3 + u2n+2 ≥ 0 donc la suite (S2n+1 ) est croissante ;
— S2n − S2n+1 = u2n+1 → 0.
n→+∞
Donc les suites (S2n ) et (S2n+1
P) sont adjacentes : elles convergent vers une même limite l qui est donc la
limite de (Sn ). Donc la série (−1)n un est convergente, de somme l. Et de plus, l vérifie :
∀n, m ∈ N, S2m+1 ≤ l ≤ S2n .
Pour la majoration de |Rn |, on procède par disjonction de cas :

— si n est pair : on a par propriétés des suites adjacentes que : Sn+1 ≤ l ≤ Sn . Et donc Rn = l − Sn ∈
[Sn+1 − Sn ; 0] = [−un+1 ; 0]. Donc |Rn | = −Rn ≤ un+1 .
— si n est impair : on a de même que : Sn ≤ l ≤ Sn+1 et donc Rn ∈ [0; un+1 ]. Donc |Rn | = Rn ≤ un+1 .
S0
u0
S2
S4
Sn
u1
u3 Rn un+1
l u4
u2
Sn+1
S3
S1
Remarques III.14.
1. Il suffit en fait que (un ) soit décroissante à partir d’un certain rang. En revanche, il faut toujours
que (un ) tende vers 0.
2. En pratique, pour déterminer la convergence d’une série, on essaiera de se ramener à une combi-
naisons linéaires de séries dont on peut déterminer la nature (par critère des séries alternées ou par
comparaison pour les séries à termes positifs) dont au plus une ne converge pas, comme modifier
une série par une série convergente ne change pas sa nature.
Exemples III.15.
P (−1)n ln(n)

ln(n)
1. Avec (un ) = , on trouve la série : .
n n
Par comparaison avec la série harmonique, on voit déjà qu’elle n’est pas absolument convergente. Et
comme elle n’est pas de signe constant on ne peut pas non plus utiliser de comparaison (encadrements
ou équivalents).
On a déjà par croissance comparées que (un ) tend vers 0.
ln(x)
La fonction f : x 7→ est dérivable sur R∗+ , de dérivée définie par :
x
1 − ln(x)
∀x ∈ R∗+ , f ′ (x) =
x
et donc f est strictement décroissante sur [e; +∞[. On peut donc appliquer le théorème des séries
alternées, en notant que la suite (un )n≥3 est positive décroissante tendant vers 0.
P+∞ (−1)n ln(n)
On peut même estimer sa limite plus précisément : si on note l = n=1 et Sn =
n
n
Pn (−1) ln(n)
k=1 , alors pour tout n ≥ 3 on a :
n
ln(n + 1)
|l − Sn | ≤ .
n+1
1
et intéressons-nous à la série (−1)n un .
P
2. Considérons (un ) = √ n
n + (−1)
1 P
Notons déjà que un ∼ √ donc la série un diverge (par équivalent avec une série à termes
n
positifs), donc on n’a pas la convergence absolue.
Pour établir la nature de la série, on fait un développement asymptotique :
(−1)n
(−1)n un = √
n + (−1)n
(−1)n 1
= √ ·
n (−1)n
1+ √
n
(−1)n (−1)n 1

1
= √ 1− √ + +o
n n n n
(−1)n

1 1
= √ − +o
n n n
Et on peut étudier chacun des termes :
P (−1)n
— √ converge par théorème des séries alternées ;
n
P 1 1 1 1 1
— − +o diverge, comme − +o ∼ − , et l’on peut utiliser les équivalents (comme
n n n n n
1 P 1
− est de signe constant), et que − diverge (par propriété des séries de Riemann.
n n
Donc finalement (−1)n un diverge.
P
Remarque III.16. Dans le second exemple, on a ainsi que :
(−1)n (−1)n
√ ∼ √
n + (−1)n n
P (−1)n P (−1)n
mais les séries √ et √ ne sont pas de même nature.
n + (−1)n n
Exemple III.17. Montrons que π < 4, où on définit π comme le double du premier point d’annulation sur
eix + e−ix
R+ de l’application cos définie par : cos(x) = .
2
Par linéarité de la somme, on a pour tout x ∈ R (en fait la même formule serait valable pour x ∈ C) que :
+∞ +∞
X (ix)n (−ix)n X (−1)n x2n
cos(x) = + = .
n=0
2 · n! 2 · n! n=0
(2n)!
22n
Posons (un ) = . Alors (un ) est positive, tend vers 0, et pour tout n ∈ N on a :
(2n)!
22n+2 22n 22n

4
un+1 − un = − = −1
(2n + 2)! (2n)! (2n)! (2n + 2)(2n + 1)
donc (un ) est décroissante à partir de son deuxième terme.

Donc cos(x) est définie à l’aide d’une série alternée. Par contrôle du reste, on a :
+∞
22 24 X
cos(2) = 1 − + + (−1)k uk
| 2! {z 4!} k=3
1 | {z
≤0
}
=−
3
1
et donc cos(2) ≤ − < 0.
3
π
En tant que premier point d’annulation de cos, on déduit que < 2, et donc π < 4.
2
IV Familles sommables
IV.1 Ensembles dénombrables
Définition IV.1. Un ensemble I est dit dénombrable s’il existe une bijection σ : N → I.
Inversement, un ensemble infini qui n’est pas dénombrable sera dit indénombrable.
Remarques IV.2.
1. Un ensemble fini ou dénombrable sera dit au plus dénombrable (dans le sens où il n’a pas plus
d’éléments qu’un ensemble dénombrable).
2. Dans certaines terminologies, on considère que les ensembles finis sont aussi dénombrables. On
parlera ainsi plutôt d’ensemble infinis dénombrables pour éviter les confusions sachant que, avec la
définition précédente, un ensemble dénombrable est nécessairement infini.
3. Comme la composée et l’inverse d’une bijection sont bijectives, alors un ensemble est dénombrable
si, et seulement si, il est en bijection avec n’importe quel ensemble dénombrable.
Exemples IV.3.
IV. FAMILLES SOMMABLES 419
1. L’ensemble N est dénombrable, de même que toute partie infinie de N. Plus généralement, tout
sous-ensemble infini d’un ensemble dénombrable est dénombrable, ce qui se montre à l’aide une
composée à droite (à la manière des suites extraites). Et donc toute partie d’un ensemble (au plus)
dénombrable est au plus dénombrable.
2. L’ensemble Z est dénombrable, comme l’application :

 N → Z
n

φ: si n est pair
 n 7→ 2
n+1
− 2 si n est impair
est une bijection.
−7 −6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6 7 Z
13 11 9 7 5 3 1 0 2 4 6 8 10 12 14 N
3. En revanche, R n’est pas dénombrable, tout comme n’importe quel intervalle de R non réduit à un
point. De manière plus subtile, les ensembles P(N) ou E N (pour E un ensemble ayant au moins
deux éléments) sont indénombrables.
Proposition IV.4. Si I est un ensemble dénombrable et J un ensemble quelconque, alors :
1. s’il existe σ : I → J surjective, alors J est au plus dénombrable ;

2. s’il existe σ : J → I injective, alors J est au plus dénombrable.
Démonstration. Dans un cas comme dans l’autre, on peut mettre J en bijection avec une partie de I (par
restriction et correstriction).
Une telle partie est :
— soit finie : dans ce cas J est fini ;
— soit infinie : alors cette partie est dénombrable et en bijection avec J, donc J est dénombrable.
Remarque IV.5. L’idée est qu’une application injective ne perd pas d’information, et qu’une application
(peu importe ses propriétés) n’en crée pas, ce qui ressemble aux inégalités sur le rang qu’on avait vu pour
les applications linéaires en dimension finie.
Proposition IV.6. L’ensemble N × N est dénombrable.
Démonstration. On peut montrer facilement (avec des encadrements) que l’application :
N×N → N
(
f: (n + m)(n + m + 1)
(n, m) 7→ +m
2
définit bien une bijection de N × N sur N. Celle-ci revient à numéroter les éléments de N × N suivant les
“diagonales” : Dk = {(n, m) ∈ N × N | n + m = k} :
3
9 13 18 24
2
5 8 12 17
1
2 4 7 11
0 1 3 6
0 1 2 3
Corollaire IV.7.
1. Un produit cartésien d’un nombre fini d’ensembles dénombrables est dénombrable.
2. Une union finie ou dénombrable d’ensembles finis ou dénombrables est finie ou dénombrable.
Démonstration.
1. Comme tout ensemble dénombrable est en bijection avec N, il suffit de montrer que Np est dénom-
brable pour tout p ∈ N∗ , ce qui se fait par récursivement. Plus précisément, pour tout p ∈ N∗ on
définit l’application φp : Np → N par :
— si p = 1 : alors φp = idN ;
— si p ≥ 2 : φp : (n1 , . . . , np ) 7→ f (φp−1 (n1 , . . . , np−1 ), np+1 )
où f est une bijection de N2 dans N (par exemple celle donnée dans la proposition précédente).
Et la bijectivité des applications φp découle de celle de f .
2. Montrons déjà le résultat sur une union dénombrable d’ensembles dénombrables. Notons J un
ensemble dénombrable, et pour tout j ∈ J considérons Ij ensemble dénombrable. Montrons que
I = ∪j∈J Ij est dénombrable :
— comme J est dénombrable, il existe σ : N → J bijective ;
— pour tout j ∈ J l’ensemble Ij est dénombrable, donc il existe τj : N → Ij bijective.
Et donc l’application :
N2 → I
φ:
(n, m) 7→ τσ(n) (m)
est une surjection de N2 (qui est dénombrable) dans I, donc I est dénombrable.
Et rajouter une infinité dénombrable de fois les ensembles considérés dans l’union, ou à rajouter
à chaque ensemble une infinité dénombrable d’éléments, ne ferait qu’augmenter cette union. Donc
une union finie ou dénombrable d’ensembles finis ou dénombrables est une partie d’une union
dénombrable d’ensemble dénombrables : elle est au plus dénombrable.
Exemple IV.8.
L’ensemble Q est donc dénombrable, comme l’application :
(
Z×N → Q
n
(n, m) 7→
m+1
est surjective de Z × N (qui est dénombrable) dans Q.
IV.2 Somme d’une famille de réels positifs

Définition IV.9. On considère I un ensemble quelconque, et (ui )i∈I une famille d’éléments de R+ ∪{+∞} =
[0; +∞] indexée par I.
On définit alors la somme de la famille (ui ) comme la borne supérieure dans R de l’ensemble :
X
A={ ui | F ⊂ I, F fini}
i∈F
P
et que l’on notera : i∈I ui .
Remarque IV.10. La somme d’une famille de réels a toujours un sens : selon que l’ensemble A est majoré
ou non, la somme sera alors un réel positif ou +∞.
Proposition IV.11. Si (ui )i∈I est une famille d’éléments de R+ , alors :
P P
1. si I est fini : la somme i∈I ui (au sens précédent) coı̈ncide avec la somme i∈I ui (au sens donné
aux sommes finies) ;
P P
2. si I = N : alors la somme i∈I ui coı̈ncide avec la limite de la série un . En particulier, cette
somme est finie si, et seulement si, la série de terme général un converge.
P
Démonstration. 1. si I est fini : alors en reprenant les notations de la définition, on a que i∈I ui (au
sens des sommes finies) est le maximum de X A puisque :
P P P P
— si F ⊂ I : alors i∈F ui = i∈I ui − ui ≤ i∈I ui ; donc i∈I ui (au sens des sommes
i∈I\F
| {z }
≤0
finies) est un majorant de A ; P
— avec F = I (qui P est bien fini) : alors i∈I ui (au sens des sommes finies) est P un élément de A.
Et donc sup A = i∈I ui (au sens des sommes finies), puisque l’on a même que i∈I ui = max A.
2. si I = N : montrons que +∞
P P
n=0 un = n∈N un . Pour cela, notons (Sn ) la suite des sommes partielles
vers +∞
P
(qui converge
P n=0 un ) :
— si un diverge : alors (Sn ) tend vers +∞ (par propriété des séries à termes positifs). Mais on
a par définition que pour tout n ∈ N :
n
X X
Sn = uk = ui ∈ A
k=0 i∈J0;nK
et
P donc (Sn ) est une suite d’éléments de A qui tend vers +∞, donc A n’est pas majorée, donc
n∈N un = supA = +∞.
un converge : alors (Sn ) est majorée par +∞
P P
— si n=0 un , qui est également sa limite. Si F ⊂ N
est fini, alors en notant n0 = max(F ) on a : F ⊂ J0; n0 K. Et donc comme les un sont positifs :
X X +∞
X
ui ≤ ui = Sn0 ≤ un
i∈F i∈J0;n0 K n=0
et donc +∞
P
n=0 un est un majorant de A. Et comme, par la même P considération que ci-dessus, on
trouve que (Sn ) est une suite P
d’éléments de A, dont la limitePest +∞ n=0 un , alors par caractérisa-
tion on trouve que : sup A = +∞ +∞
P
n=0 nu , et donc u
n∈N n = n=0 n .
u
Théorème IV.12. Si (ui )i∈I est une famille de réels positifs indexé par I et σ est une permutation de I,
alors : X X
ui = uσ(i) .
i∈I i∈I
Démonstration. Si F ⊂ I est fini, alors σ(F ) et σ −1 (F ) sont des ensembles fini de I (de même cardinal que
I). Ainsi, σ permet de définir une bijection sur l’ensemble E des parties finies de I, définie par : F 7→ σ(F ),
de bijection réciproque F 7→ σ −1 (F ).
Et ainsi on a l’égalité ensembliste (par double inclusion) :
X X
{ ui | F ⊂ I, F fini} = { uσ(i) | F ⊂ I, F fini}
i∈F i∈F
ce qui donne l’égalité voulue en considérant les bornes supérieures de ces ensembles.
Remarque IV.13. Lorsque tous les termes sont positifs, on peut réordonner les termes d’une série sans en
changer la valeur (et donc sans en changer la nature).
À l’inverse, changer l’ordre des termes dans une somme infinie peut en changer la valeur. On verra en
exercice que la série harmonique alternée, si on renumérote ses termes, peut changer de valeur, et même
ne plus converger.
P
Définition IV.14. Une famille (ui )i∈I de réels positifs est dite sommable si : i∈I ui < +∞, c’est-à-dire
si l’ensemble : X
A={ ui | F ⊂ I, F fini}
i∈F
est borné.
Exemple IV.15.
Si I = Z et x ∈]0; 1[, alors la famille x|n| n∈Z est sommable.

On a en effet que, si F ⊂ N est fini, alors F est borné, donc inclus dans un intervalle d’entiers de la
forme J−n; nK (pour n ∈ N∗ ). Et alors :
n n
X
|i|
X
|k|
X 1 − xn+1 2 1+x
x ≤ x =2 xk − 1 = 2 −1≤ −1=
i∈F k=−n k=0
1−x 1−x 1−x
1+x
donc l’ensemble des sommes finies est majoré par .
1−x
Et de plus, en considérant Fn = J−n; nK (pour n ∈ N∗ ) on a :
X 1 − xn+1 1+x
x|i| = 2 − 1 lim
i∈Fn
1−x n→+∞ 1−x
1+x 1+x
est même la borne supérieure cherchée. Et donc n∈Z x|n| =
P
ce qui donne que .
1−x 1−x
Proposition IV.16. Une famille (ui )i∈I de réels positifs sommable est à support au plus dénombrable,
c’est-à-dire que l’ensemble :
supp(u) = {i ∈ I | ui ̸= 0}
est au plus dénombrable.
1
Démonstration. Posons pour tout n ∈ N∗ : In = {i ∈ I | ui ≥ }. Alors pour tout n ∈ N∗ l’ensemble In
n
est fini, comme par croissance :
|In | X X
≤ ui ≤ ui < +∞
n i∈I i∈I n
1
De plus, comme R est archimédien : si i ∈ I vérifie ui ̸= 0, alors il existe n ∈ N∗ tel que ui ≥ , c’est-à-dire
n
i ∈ In . Et donc :
supp(u) = ∪n∈N∗ In
donc supp(u) est une union dénombrable d’ensemble finis : il est au plus dénombrable.
Remarque IV.17. On a en fait un résultat plus fort : si (ui )i∈I est une famille sommable, alors pour tout
ε > 0 l’ensemble {i ∈ I | ui > ε} est fini, ce qui permet par contraposée de facilement montrer que certaines
familles ne sont pas sommables.
Exemple IV.18.

1
La famille n’est pas sommable car l’ensemble [4, 5] ∩ Q est infini, et pour tout x ∈ [4, 5] ∩ Q
x2 x∈Q∩[π;+∞[
1 1
on a : 2 ≥ .
x 25
Proposition IV.19 (Linéarité de la somme). Si (ui )i∈I et (vi )i∈I sont des familles sommables et λ, µ ∈ R+ ,
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. Découle de la linéarité de la somme (pour le sommes finies), qui assure que pour tout
F ⊂ I fini on a : X X X
(λui + µvi ) = λ ui + µ vi
i∈F i∈F i∈F
et l’égalité voulue découle en passage au sup.
Proposition IV.20 (Croissance de la somme). Si (ui )i∈I et (vi )i∈I sont deux familles de réels positifs, alors :
P P
1. si : ∀i ∈ I, ui ≤ vi , alors i∈I ui ≤ i∈I vi ;
P P
2. si J ⊂ I (avec J fini ou non), alors i∈J ui ≤ i∈I ui .
Démonstration.
1. avec l’inégalité vérifiée par (ui ) et (vi ), on a pour tout F ⊂ I fini :
X X
ui ≤ vi
i∈F i∈F
et donc en passant au sup on trouve l’égalité voulue.

2. par transitivité de l’inclusion, si F ⊂ I ′ , alors F ⊂ I. Et on a donc l’inclusion :
X X
A′ = { ui | F ⊂ I ′ , F fini} ⊂ { uj | F ⊂ I, F fini} = A
i∈F i∈F
et donc tout majorant de A est un majorant de A′ , donc supA′ ≤ supA, ce qui donne l’inégalité
voulue.
Remarque IV.21. Les inégalités précédentes ont un sens que les famille soient sommable ou non. Dans le
cas de familles non sommables, on travaille en fait avec la relation d’ordre ≤ définie sur R.
Corollaire IV.22.
1. Si (ui )i∈I , (vi )i∈I sont des familles de réels positifs telles que ∀i ∈ I, ui ≤ vi et que la famille (vi )
est sommable, alors (ui ) est sommable.
2. Si (ui )i∈I et sommable et si J ⊂ I, alors (ui )i∈J est sommable.
Démonstration. C’est le résultat précédent, dans le cas où les sommes sont finies.
IV.3 Groupement dans les sommes à termes positifs

Théorème IV.23 (Sommation par paquets, cas positif). Soit (ui )i∈I une famille de réels positifs. On suppose
qu’il existe un ensemble J et une famille (Ij )j∈J tels que I est la réunion disjointe des Ij .
Alors :  
X X X
ui =  ui  .
i∈I j∈J i∈Ij
En particulier, la famille (ui )i∈I est sommable si, et seulement si, les deux conditions suivantes sont
réalisées :
1. pour tout j ∈ J, la famille (ui )i∈Ij est sommable ;
P
2. la famille u
i∈Ij i est sommable.
j∈J
P P
Démonstration. Posons pour j ∈ J : Sj = i∈Ij ui . Et notons S = j∈J Sn . Les Sj et S sont donc des
éléments de [0; +∞].
Supposons que tous les Sj et S sont finis (ce qui correspond aux deux conditions de la fin du théorème).
Notons F ⊂ I fini. Alors comme F est fini et que les Ij sont deux-à-deux disjoints, l’ensemble J0 = {j ∈
J | F ∩ Ij ̸= ∅} est fini. Et on a :
 
X X X XX X
ui =  ui  ≤ ui = Sj ≤ S
i∈F j∈J0 i∈F ∩Ij j∈J0 i∈Ij j∈J0
ce qui donne que (ui )i∈I est sommable, et que sa somme Σ vérifie σ ≤ S.
Réciproquement, si (ui ) est sommable. Notons Σ sa somme. P

Soit j ∈ J, et considérons F partie finie de Ij . Alors F est également une partie finie de I, donc i∈F ui ≤ Σ,
ce qui assure que la famille (ui )i∈Ij est sommable, donc Sj est finie.
De plus, si on note J0 ⊂ J fini, et pour tout j ∈ J0 on se donne Fj ⊂ Ij fini, alors : F = ∪j∈J0 Fj est une
partie finie de I, et comme les Fj sont deux-à-deux disjoints on déduit que :
X XX
ui = ui ≤ Σ
i∈F j∈J0 i∈Fj
et en passant au sup pour les Fj ⊂ Ij , on déduit que :

X
Sj ≤ Σ
j∈J0
et en passant au sup pour J0 ⊂ J on trouve que la famille (Sj )j∈J est sommable, de somme S ≤ Σ.
Finalement, on trouve bien que lafamille (ui )i∈I est sommable si, et seulement si, toutes les familles (ui )i∈Ij
P
sont sommables et que la famille i∈Ij ui également. Et en combinant les deux inégalités précédentes,
j∈J
on trouve alors que :  
X X X
ui =  ui  .
i∈I j∈J i∈Ij
P
Enfin, si (ui )i∈I n’est pas sommable,
alors i∈I ui = +∞, et par contraposée du point précédent on a
P P
également que j∈J i∈Ij ui = +∞, car :
— ou bien l’une des familles (ui )i∈Ij n’est pas sommable : et alors la somme comporte un terme égal
à +∞, donc vaut +∞P ;
— ou bien la famille i∈Ij ui n’est pas sommable, et sa somme vaut +∞.
j∈J
Corollaire IV.24 (Théorème de Fubini positif). On considère la famille (ui,j )(i,j)∈I×J de réels positifs.
Alors : ! !
X X X X X
ui,j = ui,j = ui,j
Remarque IV.25. On peut voir cette somme sur une indexation par un produit comme une somme double.
L’intérêt est que, comme on le voit dans la formule, on peut sommer dans l’ordre que l’on veut, comme
pour les sommes finies : soit fixer un élément de I et sommer pour tous les éléments de J, soit l’inverse.
Et le résultat est vrai que les famille soient sommables ou non, et permet donc de prouver la sommabilité
d’une famille.
Exemple IV.26.
2 1
On considère l’ensemble I = {(n, m) ∈ N | m ≥ n} et on considère la famille . Montrons que
m! (n,m)∈I
la famille est sommable et calculons sa somme.
On a :
X 1 +∞ X
+∞ +∞ Xm
X 1 X 1
= =
m! n=0 m=n m! m=0 n=0 m!
(n,m)∈I
et on va utiliser la deuxième écriture, qui permet de calculer plus facilement puisque l’on a :
+∞ X m +∞ +∞ +∞ +∞
X 1 X (m + 1) X 1 X 1 X 1
= = + =2 = 2e
m=0 n=0
m! m=0 m! m=1
(m − 1)! m=0 m! m=0
m!
Ce qui prouve que la famille considérée est sommable, et que sa somme vaut 2e.
Corollaire IV.27. On considère les familles (ai )i∈I et (bj )j∈J de réels positifs. Alors :
! !
X X X
ai · b j = ai · bj .
(i,j)∈I×J i∈I j∈J
Démonstration. Découle du résultat précédent, appliqué à (ui,j ) = (ai · bj ) et par linéarité, comme :
! !! ! !
X X X X X X X
ai · b j = ai · b j = ai bj = ai · bj .
(i,j)∈I×J i∈I j∈J i∈I j∈J i∈I j∈J
Remarque IV.28. Là encore, comme le résultat est valable pour des familles sommables ou non, on peut
l’utiliser pour montrer la sommabilité d’une famille.
Exemple IV.29.
1
Montrons que la famille est sommable.
n m2
2
(n,m)∈N∗ ×N∗
Par théorème de Fubini, on a :
X 1 X 1 X 1
=
n2 m2 n∈N∗ n2 m∈N∗ m2
(n,m)∈N∗ ×N∗
et on reconnaı̂t à droite deux sommes finies (par critère de Riemann), dont le produit est donc fini : la
famille est sommable, et on a même :
!2
X 1 X 1 π4
= = .
∗ ∗
n2 m2 n∈N∗
n2 36
(n,m)∈N ×N
IV.4 Familles sommables de complexes

P Une famille (ui )i∈I de complexe est dite sommable si la famille (|ui |)i∈I est sommable,
Définition IV.30.
c’est-à-dire si i∈I |ui | < +∞.
On note l1 (I) l’ensemble des familles sommables indexées par I.
Remarques IV.31.
1. Si I = N, une famille sommable revient à la donnée d’une série absolument convergente. Et si I
est fini on est ramené aux sommes finies, qu’on a déjà traitées.
2. Toute famille finie est sommable.
3. Si J ⊂ I et que (ui )i∈I est sommable, alors (ui )i∈I est également sommable.
4. Du fait du résultat analogue sur les familles sommables de réels positifs, si (ui )i∈I est sommable,
l’ensemble {i ∈ I | ui ̸= 0} est au plus dénombrable.
Proposition-Définition IV.32. On considère (ui )i∈I ∈ l1 (I) pour I dénombrable, et on note σ : N → I

bijective. Alors la quantité :
+∞
X
uσ(n)
n=0
est bien définie, et est un

Pcomplexe dont la valeur ne dépend pas de σ. On l’appelle la somme de la famille
(ui )i∈I , et on la note : i∈I ui .
De plus, pour tout ε > 0, il existe F ⊂ I finie telle que :

X X
ui − ui ≤ ε.

i∈I i∈F
Démonstration. Notons déjà que, comme (ui )i∈I est sommable, alors (uσ(n) )n∈N aussi, comme on a direc-
tement que : X X
{ |ui | | F ⊂ I, F fini} = { |uσ(n) | | F ⊂ N, F fini}.
i∈F n∈F
uσ(n) est absolument convergente, donc convergente. Ce qui prouve déjà que +∞
P P
Et donc la série n=0 uσ(n)
a bien un sens, et est un complexe (fini).
Pour montrer
P que la quantité ne dépend pas de σ, il suffit de voir qu’on peut réordonner les termes dans
la somme +∞ n=0 uσ(n) sans changer sa valeur :
— si les ui sont des réels positifs : alors on a déjà montré le résultat ;
— si les ui sont des réels : on écrit ui = ui + |ui | − |ui | et donc :
| {z } |{z}
≥0 ≥0
+∞
X +∞
X +∞
X
uσ(n) = uσ(n) + |uσ(n) | − |uσ(n) |
n=0 n=0 n=0
où les deux sommes de droites ont bien un sens comme elles sont absolument convergentes, et on
peut y réordonner les termes comme ce sont deux séries à termes positifs ;
— si les ui sont des complexes : on se ramène au cas précédent en notant que ui = Re(ui ) +i Im(ui ).
| {z } | {z }
∈R ∈R
Le dernier résultat vient du fait que, si on pose pour n ∈ N que Fn = σ (J0; nK) (qui est bien un sous-
ensemble fini de I), alors on reconnaı̂t le reste d’une série convergente :
X X +∞
X
ui − ui = uσ(n)
i∈I i∈Fn k=n+1
qui tend vers 0 pour n tendant vers +∞. Donc pour n suffisamment grand, on aura bien l’inégalité voulue
pour ε (avec F = Fn qui est bien fini).
Remarques IV.33.
1. Lorsque I n’est pas dénombrable, on a deux
P situations : ou bien I est fini, ou bien I est indénom-
brable. Dans le premier cas, la quantité i∈I ui a déjà été définie, et dans le second, comme (ui )i∈I
est sommable, alors {i ∈ I | ui ̸= 0} est fini ou dénombrable, et on peut donc se ramener aux deux
situations connues.
2. En modifiant un peu la démonstration, on peut mettre montrer que, pour tout ε > 0 il existe F ⊂ I
fini tel que :
X X
∀J ⊂ I, F ⊂ J ⇒ ui − ui ≤ ε

i∈I i∈J
(en considérant des restes de séries absolument convergentes), et ce que les ensembles J ci-dessus
soient fini ou non.
3. Comme la série uσ(n) converge (même absolument) alors uσ(n) tend vers 0. Et donc dans une famille
sommable, toute suite d’éléments de la famille tend vers 0.
Proposition IV.34 (Inégalité triangulaire). Si (ui )i∈I est une famille sommable de nombre complexes, alors :

X X
ui ≤ |ui |.

i∈I i∈I
Démonstration. Découle de l’inégalité triangulaire pour les séries, appliquée à la série de terme général
uσ(n) où σ est une bijection de N dans I.
Proposition IV.35. Soient (ui )i∈I une famille de complexes et (vi )i∈I une famille de réels positifs telles
que :
1. ∀i ∈ I, |ui | ≤ vi ;
2. la famille (vi )i∈I est sommable.
Alors la famille (ui )i∈I est sommable, avec :

X X
ui ≤ vi .

i∈I i∈I
P
Démonstration. Comme (vi )i∈I est sommable, alors la somme i∈I vi est finie. P
Par croissance des sommes (pour les sommes à termes positifs) on déduit que i∈I |ui | est finie, donc
(ui )i∈I est sommable.
La proposition précédente, et la croissance, assurent que :

X X X
ui ≤ |ui | ≤ vi .

i∈I i∈I i∈I
Proposition IV.36 (Linéarité de la somme). Si (ui )i∈I , (vi )i∈I sont deux famille sommables, et λ, µ ∈ C,
alors la famille (λui + µvi )i∈I est sommable, avec :
X X X
(λui + µvi ) = λ ui + µ vi .
i∈I i∈I i∈I
Démonstration. Par inégalité triangulaire, on a pour tout i ∈ I que :
|λui + µvi | ≤ |λui | + |µvi | = |λ| · |ui | + |µ| · |vi |
Par linéarité de la somme (pour les sommes à termes positifs) on a que :

X X X
(|λ| · |ui | + |µ| · |vi |) = |λ| |ui | + |µ| |vi | < +∞
i∈I i∈I i∈I
donc la famille (|λ| · |ui | + |µ| · |vi |)i∈I est une famille sommable de réels positifs.
Par le pointP
précédent, on déduit que la famille (λui + µvi )i∈I est sommable.
La somme i∈I λui + µvi est ainsi bien définie, et la linéarité pour les sommes de séries permet de
conclure.
IV.5 Groupement dans les sommes à termes complexes

Théorème IV.37 (Sommation par paquets, cas complexe). Soit (ui )i∈I une famille sommable de complexes.
On suppose qu’il existe un ensemble J et une famille (Ij )j∈J tels que I est la réunion disjointe des Ij . Alors :
1. pour tout j ∈ J, la famille (ui )i∈Ij est sommable ;
P
2. la famille i∈Ij ui est sommable ;
j∈J
Et on a de plus :  
X X X
ui =  ui  .
i∈I j∈J i∈Ij
Démonstration. Par théorème de sommation par paquets (cas positif), comme Pla famille (|ui |)i∈I est som-
mable, on a déjà que les familles (|ui |)i∈Ij sont sommables, et que la famille i∈Ij |ui | également. On
j∈J
déduit ainsi que : P
— pour tout j ∈ J, la quantité Sj = i∈Ij ui est bien définie, et vérifie par inégalité triangulaire que :
P
Sj ≤ i∈Ij |ui | ;
— par majoration par une famille sommable, la famille (Sj )j∈J est donc sommable également.
Reste à montrer l’égalité sur les sommes, qu’on fait en se ramenant au cas de la sommation par paquets
dans le cas positifs par linéarité :
— si les ui sont des réels positifs : alors on a déjà montré le résultat ;
— si les ui sont des réels : on écrit ui = ui + |ui | − |ui | et donc par linéarité et par théorème :
P P P
i∈I u i = (|u i | + u i ) − |ui |
Pi∈I P i∈I
P P
= j∈J i∈Ij (|u i | + ui ) − |u i |
j∈J i∈Ij
P P .
= j∈J i∈Ij (|ui | + ui ) − |ui |
P P
= j∈J i∈Ij u i
— si les ui sont des complexes : on se ramène au cas précédent en notant que ui = Re(ui ) +i Im(ui ).
| {z } | {z }
∈R ∈R
Corollaire IV.38 (Théorème de Fubini). Si la famille (ui,j )(i,j)∈I×J est sommable, alors :
! !
X X X X X
ui,j = ui,j = ui,j
Corollaire IV.39. Si les familles (ai )i∈I et (bj )j∈J sont sommables, alors la famille (ai · bj )(i,j)∈I×J est
sommable, et on a : ! !
X X X
ai · b j = ai · bj .
(i,j)∈I×J i∈I j∈J
Démonstration. Comme pour les réels positifs.
Remarque IV.40. Ce résultat, comme le théorème de Fubini, se généralise à des sommes sur des produits
finis d’ensembles.
P P
Proposition-Définition IV.41. Étant données un et vn deux séries absolument convergentes, on définit
leur produit de Cauchy comme la série de terme général wn défini par :
n
X n
X X
∀n ∈ N, wn = uk vn−k = un−k vk = uk vl .
k=0 k=0 k+l=n
P
Alors la série wn est absolument convergente, et vérifie :
+∞ +∞
! +∞
!
X X X
wn = un · vn .
n=0 n=0 n=0
Démonstration. On applique successivement le théorème de Fubini et le théorème de sommation par pa-

quets à la famille (un vm )(n,m)∈N×N , en écrivant que N2 est l’union disjointe des éléments de la famille (Ik )k∈N
définie par :
∀k ∈ N, Ik = {(n, m) ∈ N2 | n + m = k}
ce qui donne :
! !  
+∞
X +∞
X X +∞
X X +∞
X
un · vm = un vm =  un vm  = wn
n=0 m=0 (n,m)∈N2 k=0 (n,m)∈Ik k=0
Proposition IV.42. La fonction exp, définie sur C par :

+∞ n
X z
∀z ∈ C, exp(z) =
n=0
n!
est un morphisme de groupes de (C, +) dans (C∗ , ×).

P z1n P z2n
Démonstration. Considérons z1 , z2 ∈ C. Les séries et sont absolument convergentes, et on a
n! n!
donc : ! +∞ ! +∞ !
+∞ n X zn n k n−k
X z1 2
X X z z
1 2
exp(z1 )exp(z2 ) = =
n=0
n! n=0
n! n=0 k=0
k!(n − k)!
mais on a également pour tout n ∈ N que :

n n n
X z1k z2n−k 1 X n! k n−k 1 X n k n−k (z1 + z2 )n
= · z1 z2 = z1 z2 =
k=0
k!(n − k)! n! k=0
k!(n − k)! n! k=0
k n!
en reconnaissant la formule du binôme. Et finalement on a :

+∞
X (z1 + z2 )n
exp(z1 )exp(z2 ) = = exp(z1 + z2 )
n=0
n!
P+∞ 0n
Comme exp(0) = n=0 = 1, on déduit déjà que :
n!
∀z ∈ C, exp(z)exp(−z) = exp(0) = 1
et donc exp : C → C∗ .
Et d’après la formule précédente, exp réalise bien un morphisme de groupes.
Chapitre 26
Probabilités et dénombrement
I Rappels et compléments de dénombrement

I.1 Rappels sur les applications entre ensembles finis
Théorème I.1. Si f : E → F avec E, F ensembles finis de même cardinal, alors on a équivalence entre :
1. f injective ;
2. f surjective ;
3. f bijective.
Proposition I.2. Si f : E → F est bijective, avec E ou F fini, alors E et F sont finis de même cardinal.
Corollaire I.3. Si f : E → F , alors :
1. si f est surjective et que E est fini, alors F est fini avec |F | ≤ |E| ;
2. si f est injective et que F est fini, alors E est fini avec |E| ≤ |F |.
Démonstration. Par restriction ou corestriction on met E ou F en bijection avec une partie de F ou E.
Théorème I.4 (Principe des tiroirs). Si f : E → F , avec F fini et E infini ou de cardinal strictement plus
grand que F , alors f n’est pas injective.
Démonstration. C’est la contraposée du second point.
Remarque I.5. L’idée derrière le nom de ce théorème est que, étant donnés n, p ∈ N avec n > p, si on a
n tiroirs et p chaussettes, alors au moins deux chaussettes sont dans le même tiroir.
Exemple I.6. Prenons 10 entiers quelconques entre 10 et 99. Alors on peut trouver deux sous-ensembles
disjoints dont les éléments ont même somme.
Prenons I un tel ensemble de nombres, notons :

P(I) → N
φ: P
J 7→ j∈J j
Alors Imφ ⊂ J0; 945K, tandis que |P(I)| = 2|I| = 210 = 1024.
Donc φ n’est pas injective : il existe deux ensembles J1 , J2 ⊂ I distincts avec φ(J1 ) = φ(J2 ). Et donc les
parties J1 \ J2 et J2 \ J1 sont disjointes de même somme.
Théorème I.7 (Principe des bergers). Si f : E → F est surjective, avec F fini, et que tout élément de F
possède p antécédents, alors E est fini de cardinal : |E| = p · |F |.
Démonstration. Par surjectivité de f P
, on peut écrire E comme l’union disjointe : E = ∪y∈F f −1 ({y}).
En passant au cardinal, on a : |E| = y∈F |f −1 ({y})| = y∈F p = p · |F |.
P
Remarque I.8. L’idée derrière le nom est qu’un berger, pour compter le nombre de pattes de ses moutons,
peut se contenter de compter ses moutons, comme chaque mouton a quatre pattes.
431
432 CHAPITRE 26. PROBABILITÉS ET DÉNOMBREMENT
I.2 Arrangements et permutations

Définition I.9. Étant donnés E un ensemble quelconque et p ∈ N, on appelle p-arrangement un p-uplet
d’éléments distincts de E.
Remarques I.10.
1. Un p-arrangement est un p-uplet de la forme (x1 , . . . , xp ) ∈ E p tel que : i ̸= j ⇒ xi ̸= xj . Mais
l’ordre compte dans la représentation d’un p-arrangement, de sorte que les p-uplets (x1 , x2 , . . . , xp )
et (x2 , x1 , . . . , xp ) sont distincts.
2. Un p-arrangement revient à choisir une application injective de J1; pK dans E. Et ainsi, d’après
un résultat sur les ensembles finis, on a donc qu’un tel p-arrangement existe si, et seulement si,
Card(E) ≥ p.
Proposition I.11. Si E est un ensemble fini de cardinal n ∈ N et p ∈ J0; nK, alors le nombre Apn de
p-arrangements d’éléments de E est :
n!
Apn = n(n − 1) . . . (n − p + 1) = .
(n − p)!
Démonstration. On procède par récurrence sur p. Plus précisément, montrons par récurrence sur p ∈ N
n!
que : ∀n ≥ p, Apn = :
(n − p)!
— si p = 0 : alors il y a bien un seul 0-arrangement (qui correspond à la liste vide) ; mais cela ne fait
sûrement pas consensus donc montrons le cas suivant ;
— si p = 1 : alors tout 1-uplet a ses éléments deux-à-deux distincts (il n’a qu’un seul élément), donc
il y a autant de 1-arrangements que d’éléments de E, à savoir n ;
— supposons que la formule vérifiée pour un p ∈ N, pour tout n ≥ p, et considérons E de cardinal
n ≥ p + 1 : alors l’application :
E p+1 → E
φ:
(x0 , . . . , xp ) 7→ x0
induit une bijection de l’ensemble des (p + 1)-arrangements de E vers E.
Plus précisément, si on fixe x0 ∈ E, alors l’ensemble des antécédents de x0 par φ parmi les (p + 1)-
arrangements forme l’ensemble :
{(x0 , x1 , . . . , xp ) | (x1 , . . . , xp ) p-arrangement de E \ {x0 }
(n − 1)!
et il y a donc autant d’antécédents que de p-arrangements d’éléments de E\{x0 }, à savoir
(n − 1 − p)!
par hypothèse de récurrence.
Comme il y a (n + 1)-valeurs pour x0 , on a finalement par principe des bergers que :
(n − 1)! n!
Ap+1
n =n· =
(n − 1 − p)! (n − (p + 1))!
Corollaire I.12. Étant donnés E un ensemble à p éléments et F un ensemble à n éléments, alors l’ensemble
n!
des applications injectives de E dans F possède éléments si p ≤ n, et est vide sinon.
(n − p)!
Corollaire I.13. Si E est un ensemble fini à n éléments, alors le groupe SE des permutations de E possède
n! éléments.
Démonstration. Comme E est fini, une application f : E → E est bijective si, et seulement si, elle est
injective. Il suffit donc de compter les applications injectives, qui sont bien au nombre de n! par le résultat
précédent (avec n = p).
I. RAPPELS ET COMPLÉMENTS DE DÉNOMBREMENT 433
I.3 Combinaisons et parties

Définition I.14. Étant donnés E un ensemble quelconque et p ∈ N, on appelle p-combinaison une partie
de E à p éléments.
Remarque I.15.
Comme pour un arrangement, une p-combinaison revient à choisir p éléments de E, à la différence près
que l’ordre ne compte pas : {x1 , x2 , . . . , xp } = {x2 , x2 , . . . , xp }.
Il y a donc autant de p-combinaisons que d’ensembles images d’applications injectives de J1; pK dans E.
Proposition I.16. Si E est un ensemble fini de cardinal n ∈ N et p ∈ J0; nK, le nombre Cnp de p-combinaisons
d’éléments de E est :
Apn

p n(n − 1) . . . (n − p + 1) n! n
Cn = = = = .
p! p! p!(n − p)! p
Démonstration. On va utiliser le résultat sur le nombre de p-arrangements.
Plus précisément, deux p-arrangements (x1 , . . . , xp ) et (y1 , . . . , yp ) donnent la même combinaison si, et
seulement si, il existe une bijection σ ∈ Sp telle que :
∀i ∈ J1; pK, xσ(i) = yi .
Comme les xi sont deux-à-deux distincts, deux bijections distinctes donnent des p-arrangements distincts.
Et donc il y a autant de p-arrangements donnant la même p-combinaison qu’il y a d’éléments dans Sp ,
c’est-à-dire p!.
Ap
Et finalement : Cnp = n = np .

p!
Remarque I.17. On peut ainsi donner une interprétation combinatoire aux coefficients binomiaux, et donc
un démonstration combinatoire aux résultat associés.
Exemples I.18.
1. Si n ∈ N et E est un ensemble à n élément, toutes les parties de E on un ncardinal dans J0; nK.
n
Pour p ∈ J0; nK fixé, il y a p parties à p éléments, et comme il y a en tout 2 parties dans E, on
trouve : n
X n
= 2n .
p=0
p
Plus généralement, on peut retrouver la formule du binôme :
(a + b)n = (a + b) . . . (a + b)
| {z }
n fois
p n−p
et donc il y a autant
de termes en a b que de manières de choisir p-fois a dans les n-facteurs
n
ci-dessus, donc p . Et on a bien :
n
n
X n p n−p
(a + b) = ab .
p=0
p
2. L’application :
P(E) → P(E)
φ:
A 7→ A
qui à une partie de E associe son complémentaire réalise une bijection (elle est involutive), et envoie
toute partie à p-élément sur une partie à n − p-élément, ce qui donne que :

n n
∀p ∈ J1; nK, = .
p n−p
3. Pour le triangle de Pascal, fixons p ∈ J1; nK, et cherchons à compter les parties de J1; nK à p
éléments :
la partie à (p − 1) éléments de J1; n − 1K pour avoir
— soit la partie contient n : et il reste à fixer
p éléments en tout ; cela représente n−1
p−1
choix ;
— soit la partie ne contient pas n : et il faut fixer une partie à p éléments dans J1; n − 1K ; cela
représente n−1p
choix.
et donc on a en sommant :
n n−1 n−1
= + .
p p−1 p
4. Si on a à disposition n personnes et que l’on veut former une équipe de p personnes, avec un
capitaine, alors on peut procéder de différentes manières :
— on choisit le capitaine (on a n choix), puis le reste de l’équipe, ce qui donne n · n−1

p−1
manières
de faire ;
— on choisit les membres de l’équipe, puis parmi les personnes choisies on décide du capitaine, ce
qui donne p · np manières ;

— on choisit les non-capitaines, puis parmi les personnes non choisies on décide du capitaine, ce
n

qui donne p−1 · (n − p + 1).
Et on trouve donc la fameuse formule du capitaine :

n−1 n n
n =p = (n − p + 1)
p−1 p p−1
Remarque I.19. On voit bien apparaı̂tre, surtout dans le dernier exemple, un des enjeux des problèmes de
dénombrements : trouver la “bonne” manière de compter les éléments, ce qui peut donner des expressions
différentes sur le résultat final.
Proposition I.20. On considère E un ensemble quelconque x1 , . . . , xn ∈ E non nécessairement deux-à-deux
distincts, et on note k1 , . . . , kr les multiplicités d’occurrence dans la famille (xi ) (si les xi sont deux-à-deux
distincts, on aura r = n et k1 = · · · = kn = 1). Alors le nombre de n-uplets distincts que l’on peut former
avec les xi est de :
n!
k1 ! · · · · · kr !
(qu’on appelle aussi coefficient binomial généralisé).
Démonstration. O peut procéder de deux manières :
— on peut adapter la preuve qui donne le nombre de combinaisons : on considère l’application :

Sn 7→ E n
φ:
σ 7→ (xσ(1) , . . . , xσ(n) )
dont l’image est justement l’ensemble dont on cherche le cardinal.

Considérons Y = (y1 , . . . , yn ) un tel n-uplet : alors on peut échanger les coordonnées de même
valeurs sans changer Y , et donc Y possède k1! · · · · · kr ! antécédents (toutes les permutations entre
coordonnées égales).
Mais on a de plus la partition :
Sn = ∪Y ∈Imφ φ−1 ({Y })
et ainsi, comme on a une union disjointe :
X
|Sn | = n! = |φ−1 ({Y })| = |Imφ|k1 ! · · · · · kr !
Y ∈Imφ
ce qui donne bien la formule voulue.

II. ESPACES PROBABILISÉS 435
— par une “vraie” méthode combinatoire : on compte les n-uplets possibles en raisonnant sur les
positions de chaque valeur prise par les xi . On a k1 coordonnées qui prennent la premièrevaleur,
ce qui laisse k1 choix pour les coordonnées associées. Pour la valeur suivante, il y a n−k
n
1
k2
choix.
n−k1 −k2 n−k1 −···−kr−1

Puis k3
choix pour la suivante. Et ainsi de suite jusqu’à avoir kr
choix pour la
dernière.
En utilisant les expressions factorielles des coefficients binomiaux, et en utilisant que k1 +· · ·+kr = n,
on déduit que l’ensemble des n-uplets a pour cardinal :
n! (n − k1 )! (n − k1 − k2 )! (n − k1 − · · · − kr−1 )!
· · · ··· ·
k1 !(n − k1 )! k2 !(n − k1 − k2 )! k3 !(n − k1 − k2 − k3 )! kr !(n − k1 − · · · − kr )!
ce qui donne bien la formule voulue par télescopage.
Exemple I.21. On peut se demander combien de mots on peut former à partir de DIPLODOCUS. On a
parmi les lettres de DIPLODOCUS :
— deux D et deux O ;
— une fois les lettres I,P,L,C,U,S.
avec donc un total de 10 lettres, cela fait un nombre de mots de :
10!
= 907200.
2! · 2! · 1! · · · · · 1!
II Espaces probabilisés
II.1 Univers et événements
Définition II.1. Une expérience aléatoire est une expérience dont on ne peut prédire l’issue.
L’ensemble des issues d’une expérience aléatoire est appelé l’univers.
Remarque II.2. En général, on notera Ω l’univers d’une expérience aléatoire, et ω ses éléments. On ne
travaillera cette année qu’avec des univers finis.
Exemples II.3. 1. Pour un lancer de pièce, l’univers est {P ile, F ace}.

2. Pour un lancer de dé, l’univers est {1, . . . , n} (selon le nombre de faces du dé).
Définition II.4. Étant donnée une expérience aléatoire d’univers Ω, on appellera événement une partie
de Ω. Plus précisément, on dira que :
1. Ω est l’événement certain ;
2. ∅ est l’événement impossible ;
3. les singletons sont les événements élémentaires.
Exemple II.5. Si on considère l’expérience “tirer une carte au hasard dans un jeu de tarot”, alors |Ω| = 78,
et l’événement A = {R♣, R♢, R♡, R♠} revient à tirer un Roi.
Définition II.6. Étant donné A ⊂ Ω un événement, on définit le contraire de A, noté A, comme le

complémentaire de A dans Ω, c’est-à-dire : A = Ω \ A.
Si de plus B ⊂ Ω est un autre événement, on associe à A et B :
— la disjonction (appelée aussi “A ou B”), comme l’événement A ∪ B ;
— la conjonction (appelée aussi “A et B”), comme l’événement A ∩ B.
Et on dira que A et B sont incompatibles si A ∩ B = ∅.
Exemple II.7. On considère un lancer de dé à 6 faces, avec les événements A =“le numéro est pair”=
{2, 4, 6} et B =“le numéro est premier”= {2, 3, 5}. Alors :
— A = {1, 3, 5} =“le numéro est impair”;
— B = {1, 4, 6} =“le numéro n’est pas premier”;
— A ∪ B = {2, 3, 4, 5, 6} = {1} ;
— A ∩ B = {2}.
Définition II.8. Un système complet d’événements est une famille (Ai )i∈J1;nK d’événements deux-à-
deux incompatibles tels que : ∪ni=1 Ai = Ω.
Remarque II.9. C’est une partition, dans laquelle on autorise certains événements à être vide.
Exemples II.10.
1. ({ω})ω∈Ω est un système complet d’événements ;
2. si A ⊂ Ω, alors (A, A) est un système complet d’événements.
II.2 Probabilité sur un ensemble fini

Définition II.11 (Probabilité). Si Ω est un univers fini, une probabilité sur Ω est la donnée d’une appli-
cation P : Ω → [0; 1] telle que :
1. P (Ω) = 1 ;
2. ∀A, B ∈ P(Ω), A ∩ B = ∅ ⇒ P(A ∪ B) = P(A) + P(B) (additivité)
On dira alors que (Ω, P) est un espace probabilisé.
Remarque II.12. Le point important ici est que la probabilité est une donnée à rajouter à l’univers consi-
dérer. On peut avoir des expériences aléatoires qui ont même univers, mais pas la même probabilité. Par
exemple, ce serait la différence entre un dé équilibré et un dé truqué.
Proposition II.13. Si (Ω, P) est un espace probabilité, alors :

1. P(∅) = 0 ;
2. si A ∈ P(Ω), alors P(A) = 1 − P(A) ;
3. si A, B ∈ P(Ω) avec A ⊂ B, alors P(A) ≤ P(B) (croissance d’une probabilité) ;
4. si A, B ∈ P(Ω), alors P(A ∪ B) = P(A) + P(B) − P(A ∩ B) ;
5. si (Ai )i∈J1;nK est une famille finie d’événements, alors : P (∪ni=1 Ai ) ≤ ni=1 P(Ai ) (sous-additivité).
P
De plus, on a égalité dès lors que les Ai sont deux-à-deux incompatibles.
Démonstration.
1. Comme Ω ∩ ∅ = ∅ et Ω ∪ ∅ = Ω, alors par additivité :
P(Ω) = P(Ω) + P(∅)
et donc P(∅) = 0.
2. Comme A ∩ A = ∅ et A ∪ A = Ω, alors par additivité :
1 = P(Ω) = P(A) + P(A).
3. Si A ⊂ B, alors on écrit B = A ∪ (B \ A) (qui est une union disjointe). Et ainsi :
P(B) = P(A) + P(B \ A) ≥ P(A).

| {z }
≥0
II. ESPACES PROBABILISÉS 437
4. On a l’union disjointe : (A ∪ B) = A ∪ (B \ A) qui donne déjà que : P(A ∪ B) = P(A) + P(B \ A).
Et on a également l’union disjointe : B = (A∩B)∪(B\A), ce qui donne : P(B) = P(A∩B)+P(B\A).
En réinjectant, on a bien :
P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
5. Procédons par récurrence sur n ∈ N∗ .

— si n = 1 : on a même une égalité ;
— si n = 2 : on a montré que P(A1 ∪ A2 ) = P(A1 ) + P(A2 ) − P(A1 ∩ A2 ) ≤ P(A1 ) + P(A2 ). Si A1
et A2 sont incompatibles, on a P(A1 ∩ A2 ) = 0 ce qui donne bien l’égalité.
— supposons le résultat vérifié pour un n ∈ N∗ , et considérons A1 , . . . , An+1 ∈ P(Ω). Alors :
n
X n+1
X
∪n+1 P ((∪ni=1 Ai ) P (∪ni=1 Ai )

P i=1 Ai = ∪ An+1 ) ≤ + P(An+1 ) ≤ P(Ai ) + P(An+1 ) = P(Ai )
i=1 i=1
ce qui montre bien la formule.

Si les Ai sont deux-à-deux incompatibles, alors An+1 et (∪ni=1 Ai ) le sont également, ce qui assure
que la première inégalité est une égalité. Et pour la seconde on retrouve le cas d’égalité du
résultat au rang n.
Remarques II.14.
1. Ces résultats se comprennent bien d’un point de vue probabiliste. Par exemple, pour la croissance : si
l’événement A est réalisé et que A ⊂ B, alors l’événement B est aussi réalisé. Et donc la probabilité
de B est plus grande que celle de A, comme B est réalisé dès que A l’est.
P dans le sens où on pourrait avoir P(A) ≤ P(B) sans

2. La réciproque des points 3. et 5. est fausse,
avoir A ⊂ B, et on peut avoir P (∪Ai ) = P(Ai ) même avec des Ai non incompatibles.
Corollaire II.15. Si (Ai )i∈J1;nK est un système complet d’événements, alors :

n
X
P(Ai ) = 1
i=1
et plus généralement, si A ∈ P(Ω), on a :

n
X
P(A) = P(A ∩ Ai ).
i=1
En particulier : X
P({ω}) = 1
ω∈Ω
et plus généralement si A ∈ P(Ω), on a :

X
P(A) = P({ω}).
ω∈A
Démonstration. C’est le cas d’égalité de la dernière assertion.
Définition II.16. On considère Ω un ensemble P fini. On appelle distribution de probabilité sur Ω une
famille (pω )ω∈Ω de réels positifs telle que : ω∈Ω pω = 1.
Théorème II.17. Si Ω est une ensemble fini muni d’une probabilité P, alors la famille (P({ω}))ω∈Ω est une
distribution de probabilité qui détermine entièrement P, dans le sens où l’application P 7→ (P({ω}))ω∈Ω
définit une bijection des probabilités sur Ω vers les distributions de probabilité sur Ω.
Démonstration. Notons déjà que, comme la famille ({ω})ω∈Ω forme un système complet d’événements, on
a bien que (P({ω}))ω∈Ω est une distribution de probabilité.
Reste à montrer la bijectivité de φ : P 7→ (P({ω}))ω∈Ω :
— injectivité : par probabilité d’une union disjointe, on a que :
X
∀A ⊂ Ω, P(A) = P({ω})
ω∈A
et donc P est entièrement déterminée par les probabilités des événements élémentaires, donc par
φ(P), ce qui donne bien l’injectivité.
P (pω )ω∈Ω une distribution de probabilité sur Ω. On considère sur P(Ω)
— surjectivité : considérons
l’applicationPP : A 7→ ω∈A pω . Montrons que P vérifie bien φ(P) = (pω ) :
— P(Ω) = ω∈Ω pω = 1 par définition d’une distribution de probabilités ;
— si A et B sont incompatibles, alors :
X X X
P(A ∪ B) = pω = pω + pω = P(A) + P(B)
ω∈A∪B ω∈A ω∈B
et on déduit également de ces deux résultats, comme φ est à valeurs dans R+ (somme de réels
positifs) que :
∀A ∈ P(Ω), 1 = P(Ω) = P(A ∩ A) = P(A) + P(A)
| {z }
≥0
donc finalement P est une application de P(Ω) dans [0; 1], avec P(Ω) = 1 et additive : c’est une
probabilité.
De plus, si ω0 ∈ Ω, alors :
X
P({ω0 }) = p ω = p ω0
ω∈{ω0 }
et donc (P({ω})) = (pω ), donc φ(P) = (pω ), ce qui donne la surjectivité.
Remarques II.18.
1. L’idée est qu’une probabilité se comprend bien en termes de probabilité des événements élémentaires.
C’est d’autant plus légitime sur un univers fini, mais pourrait très bien s’étendre à des univers infinis
(les termes sont toujours positifs donc les sommes ont toujours un sens, et comme toutes les sommes
finies étant majorées par 1, on ne manipule que des familles sommables).
2. Ce résultat met en évidence le lien entre probabilités et dénombrement : on peut raisonner sur les
événements élémentaires, qu’on peut dénombrer et évaluer individuellement leurs probabilités pour
déduire la probabilité de tout événement.
Proposition-Définition II.19. Si Ω est un univers fini, il existe une unique probabilité P telle que tous les
événements élémentaires ont même probabilité.
On l’appelle la probabilité uniforme sur Ω, et elle est donnée par :
|A|
∀A ∈ Ω, P(A) = .
|Ω|
III. PROBABILITÉ CONDITIONNELLE 439
Démonstration. Nécessairement, si les événements élémentaires ont tous la même probabilité, en notant α
cette probabilité, on a par probabilité d’une union disjointe que :
X
1 = P(Ω) = P({ω}) = |Ω| · α
ω∈Ω
1
et donc α = .
|Ω|
1
La famille (pω ) = forme alors une distribution de probabilités, et par union disjointe on trouve
|Ω|
que :
X 1 |A|
∀A ⊂ Ω, P(A) = = .
ω∈A
|Ω| |Ω|
Remarques II.20.
1. On parlera aussi d’équiprobabilité, comme tous les événements élémentaires ont même probabilité.
2. Pour mettre en évidence le caractère uniforme d’une probabilité, on emploiera le terme équilibré
pour un lancer (d’un dé ou d’une pièce par exemple) ou indiscernable pour un tirage (de cartes
ou de boules).
3. Dans le cas d’une probabilité uniforme, le fait de dénombrer les événements élémentaires (ce qui
revient à calculer des cardinaux d’ensembles) permet directement de déduire les probabilités. C’est
dans ce cadre que les technique de dénombrement sont les plus efficaces.
Exemple II.21. Les problèmes de dénombrements sont souvent présentés sous forme de tirages. Si on
considère une urne contenant n ∈ N∗ boules, et que l’on effectue p tirages successifs, on a deux paramètres
à prendre en compte, selon que l’on fait des remises ou non et que l’ordre compte ou non.
Le fait de ne pas compter l’ordre revient à faire des tirages simultanés, pour lesquels la notion de remise
n’a pas vraiment de sens, si bien qu’on
a généralement l’un des trois cas suivants :
n
— sans remise et sans ordre : p possibilités ;
— sans remise et avec ordre : Apn possibilités ;
— avec remise et avec ordre : np possibilités.
Et le tirage avec remise sans tenir compte de l’ordre correspond à n+p−1

p
possibilités (ce que l’on montrera
en exercice).
III Probabilité conditionnelle

III.1 Probabilités conditionnelles
Définition III.1 (Probabilité conditionnelle). On considère A, B deux événements d’un espace probabilisé
(Ω, P) tels que P(B) ̸= 0.
On définit alors la probabilité conditionnelle de A sachant B est la quantité notée PB (A) ou P(A | B)
définie par :
P(A ∩ B)
PB (A) =
P(A)
Remarque III.2. Le sens derrière est celui conforme à l’intuition : c’est la probabilité de réaliser l’événe-
ment A tout en sachant déjà que B est réalisé.
Exemple III.3. Considérons un jeu de tarot, duquel on tire une carte avec équiprobabilité.
On considère les événements A =“tirer un roi” et B =“tirer une tête”.
Un jeu de tarot contient 78 cartes, dont les têtes sont les valets, cavaliers, reines et rois (chaque valeur
étant représentée par 4 cartes, ce qui fait 16 têtes). Comme on a une équiprobabilité, on déduit que :
4 2 16 8 2
P(A) = = , P(B) = = et P(A ∩ B) = P(A) =
78 39 78 39 39
Par définition, on a les probabilités conditionnelles :
2 2
P(A ∩ B) 39 1 P(A ∩ B) 39
PB (A) = = 8 = et PA (B) = = 2 =1
P(B) 39
4 P(A) 39
ce que l’on comprend bien intuitivement :

— pour PB (A) : si on a pioché une tête, comme toutes les têtes sont équiprobables, on a 1 chance sur
4 d’avoir pioché un roi ;
— pour PA (B) : si on a pioché un roi, on a nécessairement pioché une tête, d’où une probabilité de 1.
Remarque III.4. L’événement “A sachant B” n’existe pas : pour calculer une probabilité conditionnelle, il
faudra systématiquement revenir aux calculs des probabilités de A ∩ B et de B.
Proposition III.5. Si B est un événement de l’espace probabilisé (Ω, P) tel que P(B) ̸= 0, alors l’applica-
tion :
P(Ω) → [0; 1]
PB :
A 7→ PB (A)
est une probabilité sur Ω.
Démonstration. Notons déjà que, si A ⊂ Ω alors A ∩ B ⊂ B, et donc par croissance de P on a : P (A ∩ B) ∈

[0; P(B)].
Comme P(B) ̸= 0, alors P(B) > 0 et donc : PB (A) ∈ [0; 1].
De plus, on a :
P(B)
— Ω ∩ B = B, et donc PB (Ω) = = 1;
P(B)
— si A1 , A2 sont incompatibles : alors A1 ∩ B et A2 ∩ B sont également incompatibles, comme par
associativité et commutativité de l’intersection on a : (A1 ∩ B) ∩ (A2 ∩ B) = (A1 ∩ A2 ) ∩ B = ∅. Et
ainsi :
P(A1 ∩ B) + P(A2 ∩ B) P((A1 ∩ B) ∪ (A2 ∩ B)) P ((A1 ∪ A2 ) ∩ B)
PB (A1 )+PB (A2 ) = = = = PB (A1 ∪A2 )
P(B) P(B) P(B)
par distributivité de l’intersection par rapport à l’union.

Et on a donc bien une probabilité.
Remarque III.6. Les propriétés des probabilités (passage au complémentaire, croissance, sous-additivité,
etc.) sont donc aussi vérifiées par les probabilités conditionnelles.
III.2 Probabilités et probabilités conditionnelles

Théorème III.7 (Formule des probabilités composées). On considère A1 , . . . , An des événements d’un es-
pace probabilisé (Ω, P) tels que P(A1 ∩ · · · ∩ An−1 ) ̸= 0. Alors :
P (A1 ∩ · · · ∩ An ) = P(A1 )PA1 (A2 )PA1 ∩A2 (A3 ) . . . PA1 ∩···∩An−1 (An )
Qn−1 .
= i=0 PA1 ∩···∩Ai (Ai+1 )
Démonstration. Notons déjà que, pour tout i ∈ J1; n − 1K on a :

(A1 ∩ · · · ∩ An−1 ) ⊂ (A1 ∩ · · · ∩ Ai )
et donc par croissance des probabilités on déduit que : P(A1 ∩ · · · ∩ Ai ) ≥ P(A1 ∩ · · · ∩ An−1 ) > 0, ce qui
assure que les probabilités conditionnelles ci-dessus sont bien définies.
Pour obtenir l’égalité, il suffit de constater qu’on a un télescopage, en écrivant en extension les probabilités
conditionnelles :
n−1 n−1
Y Y P(A1 ∩ · · · ∩ Ai+1 )
PA1 ∩···∩Ai (Ai+1 ) = P(A1 ) · = P(A1 ∩ · · · ∩ An )
i=0 i=1
P(A1 ∩ · · · ∩ Ai )
Remarques III.8.
1. Cette formule est particulièrement utile lors de tirages successifs sans remise : chaque tirage modifie
les probabilités des tirages suivants, ce qui fait apparaı̂tre les produits de probabilités conditionnelles
du théorème.
Et elles se comprennent bien en terme d’arbres de probabilité : le produit correspond au produit des
probabilités associées à chaque branche.
Et le même raisonnement se transpose à un tirage simultané, en ordonnant les éléments tirés.
2. La formule s’étend au cas où P(A1 ∩· · ·∩An−1 ) = 0, en posant par convention que PB (A)·P (B) = 0
dès que P(B) = 0.
Exemple III.9.
On considère une urne contenant 2n boules (n noires et n blanches), et on y tire successivement sans
remise 3 boules. On se demande la probabilité de tirer dans cet ordre des boules noire/blanche/noire.
Pour i ∈ {1, 2, 3} notons Bi l’événement “tirer une boule blanche au tirage i”. On veut donc calculer la
probabilité de B1 ∩ B2 ∩ B3 , ce qui se fait par les probabilités composées :
n n n−1 n
P B1 ∩ B2 ∩ B3 = P B1 PB1 (B2 ) · PB1 ∩B2 B3 = · · =
2n 2n − 1 2n − 2 4(2n − 1)
ce qui se comprend bien avec l’arbre suivant :
n−2
2n−2 B3
n−1
B2
2n − 1 n
2n−2 B3
B1
n n−1
2n−2 B3
2n n
2n − 1 B2
n−1 B3
2n−2
n−1
2n−2 B3
n
B2
n 2n − 1
n−1 B3
2n 2n−2
B1
n
2n−2 B3
n−1
B2
2n − 1
n−2 B3
2n−2
Théorème III.10 (Formule des probabilités totales). Si on considère {A1 , . . . , An } un système complet
d’événements, et B ∈ P(Ω), alors :
n
X n
X
P(B) = P(B ∩ Ai ) = P(Ai )PAi (B)
i=1 i=1
(en reprenant à nouveau la convention selon laquelle PA (B) · P (A) = 0 dès que P(A) = 0).
Démonstration. Comme on a un système complet d’événements, alors Ω = ∪ni=1 Ai (comme union disjointe)
et donc pour tout événement B on a : B = ∪ni=1 (B ∩ Ai ) (l’union étant également disjointe). Par additivité,
il vient donc :
Xn
P(B) = P(B ∩ Ai )
i=1
et la réécriture vient :
— directement de la définition des probabilités conditionnelles si P(Ai ) ̸= 0 ;
— du fait que, si P(Ai ) = 0, alors P(B ∩ Ai ) = 0 (par croissance).
Remarque III.11. Tout l’enjeu est justement de trouver un système complet d’événements qui facilite les
calculs des probabilités qui apparaissent dans la somme.
Et à nouveau, le résultat se comprend bien avec un arbre :
PA1 (B) B
A1
PA1 (B) B
PA2 (B) B
P(A1 )
A2
PA2 (B) B
P(A2 ) ..
.
P(Ai )
PAi (B) B
Ai
PAi (B) B
P(An ) ..
.
PAn (B) B
An
PAn (B) B
Exemple III.12. On considère une urne contenant n boules noires et b boules blanches. On tire sans remise
trois boules, et on se demande la probabilité d’avoir une boule blanche au troisième tirage.
Pour i ∈ {1, 2, 3} notons Bi l’événement “tirer une boule blanche au tirage i”. On veut calculer la probabilité
de B3 . Pour cela, on utilise le système complet d’événements B1 ∩ B2 , B1 ∩ B2 , B1 ∩ B1 , B1 ∩ B2 , ce qui
donne :
P(B3 ) = P(B1 ∩ B2 ∩ B3 ) + P(B1 ∩ B2 ∩ B3 ) + P(B1 ∩ B1 ∩ B3 ) + P(B1 ∩ B2 ∩ B3 )
b b−1 b−2 b n b−1
= · · + · ·
b+n b+n−1 b+n−2 b+n b+n−1 b+n−2
n b b−1 n n−1 b
+ · · + · ·
b+n b+n−1 b+n−2 b+n b+n−1 b+n−2
b · ((b + n)2 − 3(b + n) + 2) b
= =
(b + n)(b + n − 1)(b + n − 2) b+n
Et notons que le résultat final est rassurant : si on échange les rôles de b et n, cela vient à calculer la
n
probabilité de P(B3 ), qui vaudrait donc . Et on a bien que :
b+n
b n
P(B3 ) + P(B3 ) = + = 1.
b+n b+n
Et surtout, on aurait pu prévoir ce résultat : le rôle des boules est symétrique : si on regarde nos triplets
obtenus à la fin, on comprend bien que le fait de regarder la première ou la troisième boule ne change rien
b
à la probabilité. Et il est immédiat que P(B1 ) = par un argument de dénombrement.
n+b
Théorème III.13 (Formule de Bayes). Si A, B sont des événements qui sont tous les deux de probabilité
non nulle, alors :
PA (B)P(A)
PB (A) = .
P(B)
Démonstration. On a directement par définition que :
P(A ∩ B) = PB (A)P(B) = PA (B)P(A)
ce qui donne l’égalité en divisant par P(B).

Remarque III.14. La formule de Bayes s’utilise surtout lorsque l’on veut changer le prisme sous lequel on
regarde deux événements : on connaı̂t une probabilité conditionnelle et on veut calculer l’autre.
Exemple III.15. On considère un test de dépistage. Suivant les résultats du laboratoire :
— si une personne est malade : le test est positif dans 99% des cas ;
— si une personne n’est pas malade : le test est positif dans 0, 1% des cas.
Et on se demande à quel point le test est fiable, dans le sens où, si un test est positif, on veut savoir la
probabilité que la personne testée soit malade.
Si on note T l’événement “le test est positif ” et M l’événement “la personne est malade”, on veut donc
calculer PT (M ) en fonction de la probabilité P(M ) = p d’être malade, ce qui se fait par la formule de
Bayes :
PM (T )P(M ) 0, 99 · p
PT (M ) = =
P(T ) P(T )
et on calcule P(T ) par la formule des probabilités totales, ce qui donne (avec le système complet {M, M }) :
P(T ) = PM (T )P(M ) + PM (T )P(M ) = 0, 99 · p + 0, 001 · (1 − p) = 0, 001 + 0.989 · p.
Et finalement on trouve que :

0, 99p 1
PT (M ) = ≃ 10−3
0, 001 + 0.989 · p p
+1
ce qui donne par exemple :

— avec p = 10−3 : on a une chance sur 2 d’être malade avec un test positif ;
— avec p = 10−4 : on a 9% de chance d’être malade avec un test positif.
Corollaire III.16. Si on considère {A1 , . . . , An } un système complet d’événements, et B ∈ P(Ω), alors :
PA (B)P(Ai )
∀i ∈ J1; nK, PB (Ai ) = Pn i .
j=1 P(Aj )PAj (B)
Démonstration. Découle du résultat précédent, et de la formule des probabilités totales pour changer P(B)
en l’expression du dénominateur.
Remarque III.17. Pour le système complet {A, A}, on retrouve que :
PA (B)P(A)
PB (A) =
P(A)PA (B) + P(A)PA (B)
et on retrouve la méthode employée dans l’exemple précédent.
III.3 Indépendance
Définition III.18. Deux événements A et B sont dits indépendants si : P(A ∩ B) = P(A)P(B).
Exemples III.19.
1. On lance un dé équilibré à 6 faces. Alors les événements A =“le montant est un nombre premier”
et B =“le montant est un multiple de 3” sont indépendants.
On a : A = {2, 3, 5}, B = {3, 6} et A∩B = {3}. Et comme on a une équiprobabilité on a directement
que :
1 1 1
P(A ∩ B) = = · = P(A) · P(B).
6 2 3
2. On considère le fait de tirer une carte dans un jeu de cartes indiscernables. On considère les évé-
nements A =“tirer une dame” et B =“tirer un cœur”. Dans ce cas, on a A ∩ B =“tirer la dame de
cœur”.
Alors selon le type de jeu, les événements A et B sont indépendants ou non :
— dans un jeu de 52 cartes :
1 1 1
P(A ∩ B) = = · = P(A) · P(B)
52 13 4
donc A et B sont indépendants ;
— dans le même jeu, mais où on aurait perdu le roi de trèfle :
1 52 4 13
P(A ∩ B) = ̸= 2 = · = P(A) · P(B)
51 51 51 51
donc A et B ne sont pas indépendants ;
— dans un jeu de tarot on a :
1 56 4 14
P(A ∩ B) = ̸= 2 = · = P(A) · P(B)
78 78 78 78
donc A et B ne sont pas indépendants.
Proposition III.20. Soient A, B deux événements avec P(B) ̸= 0. Alors les événements A et B sont
indépendants si, et seulement si, P(A) = PB (A).
P(A ∩ B)
Démonstration. On écrit directement, comme P(B) ̸= 0, que : PB (A) = . Et donc A et B sont
P(B)
indépendant si, et seulement si :
P(A ∩ B)
P(A) = = PB (A)
P(B)
Remarques III.21.
1. On comprend bien avec ce résultat le terme d’indépendance : le fait d’avoir une information sur B
ne donne aucune information sur A, dans la mesure où la probabilité de A n’est pas affectée par le
fait que B soit réalisée ou non.
2. Si P(B) = 0, alors B est indépendant de A : on a en effet P(A ∩ B) ≤ P(B) (par croissance) donc
P(A ∩ B) = 0, donc P(A ∩ B) = P(A) · P(B).
Proposition III.22. Si A et B sont deux événements indépendants, alors A et B le sont aussi.
Démonstration. Par formule des probabilités totales, on a :
P(A) = P(A ∩ B) + P(A ∩ B)
et ainsi : P(A ∩ B) = P(A) − P(A ∩ B) = P(A) − P(A)P(B) = P(A) · (1 − P(B)) = P(A)P(B).

Donc A et B sont bien indépendants.
Remarque III.23. Comme le fait d’être indépendant défini une relation symétrique, on déduit que, si A et
B sont indépendants, alors A et B également, de même que A et B.
Définition III.24. Des événements A1 , . . . , An sont dits (mutuellement) indépendants si :
Y
∀I ⊂ J1; nK, P (∩i∈I Ai ) = P(Ai ).
i∈I
Remarque III.25. Des événements mutuellement indépendants sont deux-à-deux indépendants, dans le
sens où, avec les notations précédentes :
∀i, j ∈ J1; nK, i ̸= j, P(Ai ∩ Aj ) = P(Ai )P(Aj ).
En revanche, la réciproque est fausse. Par exemple, on si on considère le lancer d’un dé rouge et d’un dé
bleu équilibrés à 6 faces (chacun), on peut considérer les événements suivants :
A = “le montant du dé bleu est pair”, B = “le montant du dé rouge est pair”,
C = “la somme des montants des dés est paire”.

On a en effet par des méthodes de dénombrements que :
3×6 1 6×3 1 3×3+3×3 1
P(A) = = , P(B) = = , P(C) = =
6×6 2 6×6 2 6×6 2
et en notant que A ∩ B = A ∩ C = B ∩ C =“les deux montants sont pairs”, on trouve :
1
P(A ∩ B) = P(A ∩ C) = P(B ∩ C) =
4
ce qui donne bien que les événements A, B, C sont deux-à-deux indépendants.
Ils ne sont en revanche pas mutuellement indépendant comme on a A ∩ B∩ = A ∩ B = A ∩ C = B ∩ C,
et ainsi :
1 1
P(A ∩ B ∩ C) = ̸= = P(A)P(B)P(C).
4 8
Proposition III.26. Si A1 , . . . , An sont des événements mutuellement indépendants, et que l’on se donne
pour tout i ∈ J1; nK un événement Bi ∈ {Ai , Ai }, alors les événements B1 , . . . , Bn sont mutuellement
indépendants.
Démonstration. On montre facilement que A1 , A2 , . . . , An sont mutuellement indépendants, ce qui se fait

comme pour deux événements , en distinguant selon que 1 ∈ I ou non, suivant les notations de la définition.
Le cas général se déduit par symétrie des rôles des Ai , en itérant.
Chapitre 27
Espaces préhilbertiens
On ne considère ici que des R-espaces vectoriels.
I Produits scalaires, espaces préhilbertiens, espaces euclidiens

I.1 Produits scalaires
Définition I.1. Si E est un R-espace vectoriel, une forme bilinéaire φ sur E est dite symétrique si :
∀x, y ∈ E, φ(x, y) = φ(y, x).
Exemples I.2.
1. Le produit usuel sur R est bilinéaire symétrique.
2. Le produit scalaire usuel sur R2 est bilinéaire symétrique comme :
∀x1 , x2 , y1 ,2 ∈ R, (x1 , x2 ) · (y1 , y2 ) = x1 y1 + x2 y2 = (y1 , y2 ) · (x1 , x2 )
et on aurait pareil avec le produit scalaire sur R3 .

3. Plus généralement, pour tout n ∈ N∗ , la forme bilinéaire définie sur Rn par :
n
X
∀x1 , . . . , xn , y1 , . . . , yn ∈ R, φ ((x1 , . . . , xn ), (y1 , . . . , yn )) = xi y i
i=1
est symétrique.
4. Si E est de dimension 2 et B = (e1 , e2 ) est une base de E, alors detB est une forme bilinéaire sur
E, mais n’est pas symétrique comme detB (e1 , e2 ) = 1 ̸= −1 = detB (e2 , e1 ).
En revanche, l’application :
2
(R2 ) → R
((x1 , x2 ), (y1 , y2 )) 7→ x1 y2 + x2 y1
est bien symétrique.

5. Si E = Cpm ([a, b], R), alors l’application :
Z b
φ : (f, g) 7→ f (t)g(t)dt
a
est bilinéaire symétrique :
447
448 CHAPITRE 27. ESPACES PRÉHILBERTIENS
— si f1 , f2 ∈ E et λ, µ ∈ R, alors :
Z b Z b
φ(λf1 + µf2 , g) = (λf1 (t) + µf2 (t)) g(t)dt = (λf1 (t)g(t) + µf2 (t)g(t)) dt
a a
Z b Z b
=λ f1 (t)g(t)dt + µ f2 (t)g(t)dt = λφ(f1 , g) + µφ(f2 , g)
a a
ce qui prouve la linéarité à gauche ;

— la linéarité à droite se montre de même, à l’aide de la bilinéarité du produit usuel sur R et de
la linéarité de l’intégrale ;
— la symétrie découle directement de la symétrie du produit sur R, comme :
Z b Z b
∀f, g ∈ E, φ(f, g) = f (t)g(t)dt = g(t)f (t)dt = φ(g, f ).
a a
Remarque I.3. L’aspect symétrique permet de montrer plus facilement la bilinéarité : une application de
E 2 sur R symétrique est bilinéaire si, et seulement si, elle est linéaire à gauche ou à droite.
Proposition I.4 (Identités remarquables). Si φ est une forme bilinéaire symétrique sur E, alors pour tous
x, y ∈ E on a :
1. φ(x + y, x + y) = φ(x, x) + 2φ(x, y) + φ(y, y) ;
2. φ(x − y, x − y) = φ(x, x) − 2φ(x, y) + φ(y, y) ;
3. φ(x + y, x − y) = φ(x − y, x + y)φ(x, x) − φ(y, y).
Démonstration.
Découle à chaque fois de la bilinéarité et de la symétrie. Plus précisément, si x, y ∈ E, alors :
φ(x + y, x + y) = φ(x, x + y) + φ(y, x + y)

= φ(x, x) + φ(x, y) + φ(y, x) + φ(y, y) .
= φ(x, x) + 2φ(x, y) + φ(y, y)
On déduit alors le deuxième point par linéarité, en changeant y en −y :
φ(x − y, x − y) = φ(x + (−y), x + (−y)) = φ(x, x) + 2φ(x, −y) + φ(−y, −y) = φ(x, x) − 2φ(x, y) + φ(y, y) .
Et le troisième point se montre comme le premier :
φ(x + y, x − y) = φ(x, x − y) + φ(y, x − y)

= φ(x, x) − φ(x, y) + φ(y, x) + φ(y, y) .
= φ(x, x) − φ(y, y)
Remarque I.5. Ce sont les mêmes formules que sur R (pour le produit usuel).
Définition I.6 (Produit scalaire). Une forme bilinéaire symétrique φ sur E est un produit scalaire si elle
est :
1. définie :
∀x ∈ E, φ(x, x) = 0 ⇔ x = 0;
2. positive :
∀x ∈ E, φ(x, x) ≥ 0.
I. PRODUITS SCALAIRES, ESPACES PRÉHILBERTIENS, ESPACES EUCLIDIENS 449
Remarque I.7. En général, si φ défini un produit scalaire sur E, on notera ⟨x, y⟩ ou (x|y) au lieu de
φ(x, y). Et on pourra noter ⟨·, ·⟩ ou (·|·) pour désigner φ.
Proposition-Définition I.8.
1. Pour n ∈ N∗ , l’application : (X, Y ) 7→ X T · Y définit un produit scalaire sur Rn .
2. Pour n, p ∈ N∗ , l’application (A, B) 7→ tr(AT · B) définit un produit scalaire sur Mn,p (R).
Ces produits scalaires sont appelés produits scalaires canoniques de Rn et Mn,p (R).
Démonstration.
Si X = (xi ), Y = (yj ) ∈ Rn , alors :
n
X
T
X ·Y = xi y i
i=1
dont on a déjà dit qu’elle est bilinéaire symétrique.

On a de plus :
n
X
XT · X = x2i ≥ 0
i=1
ce qui assure la positivité. Et pour le caractère défini :

n
X
T
X ·X =0⇔ x2i = 0 ⇐ ∀i ∈ J1; nK, xi = 0 ⇔ X = 0.
i=1
On a donc bien un produit scalaire.

Le cas de Mn,p (R) se montre de même en notant que, si A = (ai,j ), B = (bi,j ) ∈ Mn,p (R), on a :
 
p n n n p
X X X  XX
T T T

tr(A · B) = A B j,j =  [A ]j,i bi,j  = ai,j bi,j
| {z }
j=1 j=1 i=1 i=1 j=1
=ai,j
et donc : p
n X
X
T
tr(A · A) = a2i,j .
i=1 j=1
Remarque I.9. On pourrait généraliser cette méthode pour créer des produits scalaires sur n’importe quel
espace vectoriel de dimension finie : si on considère E de dimension n ∈ N∗ , et (e1 , . . . , en ) une base de
E, alors l’application :
φ: P E×E → R
( ni=1 xi ei , ni=1 yi ei ) 7→
P Pn
i=1 xi yi
définit un produit scalaire sur E.
De plus, en munissant Rn du produit scalaire canonique, l’application :

E → Rn
ψ : Pn
i=1 xi ei 7→ (x1 , . . . , xn )
est un isomorphisme qui préserve le produit scalaire : c’est une isométrie.

Proposition I.10. L’application : Z b
(f, g) 7→ f (t)g(t)dt
a
définit un produit scalaire sur C([a, b], R).
Démonstration. Le caractère bilinéaire symétrique a déjà été prouvé.

Si f ∈ C([a, b], R), on a :
Z b
f (t)2 dt ≥ 0
a
par positivité de l’intégrale, donc on a bien une forme positive.
Et de plus, si f ∈ C([a, b], R), alors f 2 est continue positive sur [a, b] et donc :
Z b
f (t)dt = 0 ⇔ f 2 = 0 ⇔ f = 0
a
donc la forme est bien définie.
Remarques I.11.
1. La continuité est importante pour avoir l’aspect défini. Ainsi, la même application est une forme
bilinéaire symétrique positive sur Cpm ([a, b], R), mais ce n’est plus un produit scalaire.
2. Ce n’est pas non plus un produit scalaire sur C(R, R) : la seule propriété que l’on aurait est que :
⟨f, f ⟩ = 0 ⇔ f |[a,b] = 0.
En revanche, c’en est un sur R[X] : la bilinéarité, symétrie, positivité sont claires. Et si P ∈ R[X]
Rb
vérifie a P (t)2 dt = 0, alors P est nul sur [a, b], donc nul.
Définition I.12. Un espace préhilbertien est un espace vectoriel muni d’un produit scalaire.
Si cet espace est de dimension finie, on parlera d’espace euclidien.
Remarque I.13. Un même espace peut être muni de différents produits scalaires : il faudra donc préciser
celui considéré.
Exemple I.14. L’espace E = R[X] est un espace préhilbertien pour les produits scalaires suivants :
Rb
1. (P, Q) 7→ a P (t)Q(t)dt (pour a < b) ;
2. ( an X n , bn X n ) 7→ +∞
P P P
n=0 an bn ;
P+∞ (i) (i)
3. (P, Q) 7→ i=0 P (a)Q (a) (pour a ∈ R).
Proposition I.15. Tout sous-espace d’un espace préhilbertien est un espace préhilbertien.
Démonstration. Si E est muni du produit scalaire φ, alors φ définit également une forme bilinéaire symé-
trique définie positive sur tout sous-espace vectoriel de E comme toutes les propriétés à vérifier pour φ
sont définies à l’aide de quantificateurs universel.
Remarque I.16. La réciproque est fausse, dans le sens où : si φ est une forme bilinéaire symétrique sur
un espace E, et F est un sev de E pour lequel φ est un produit scalaire, alors φ n’est pas nécessairement
un produit scalaire sur E.
Exemple I.17. Si n ∈ N, alors Rn [X] est espace euclidien, et on peut prendre n’importe quel produit scalaire
issu de R[X].
Si x0 , . . . , xn sont des réels deux-à-deux distincts, alors :
n
X
(P, Q) 7→ P (xi )Q(xi )
i=0
est un produit scalaire sur Rn [X] (mais pas sur R[X]). On peut le montrer par le calcul, ou recon-
naı̂tre le produit scalaire associé à la base des polynômes d’interpolation de Lagrange associés à la famille
(x0 , . . . , xn ).
I.2 Norme associée à un produit scalaire

Définition I.18 (Norme et distance associées à un produit scalaire). On considère E un espace préhilbertien
muni du produit scalaire ⟨·, ·⟩. On appelle norme associée à ⟨·, ·⟩ l’application :

E → R+
∥ · ∥: p .
x 7→ ∥x∥ = ⟨x, x⟩
La distance associée à ⟨·, ·⟩ est l’application :

E × E → R+
d: p .
(x, y) 7→ d(x, y) = ∥x − y∥ = ⟨x − y, x − y⟩
Exemple I.19. Sur Rn , la norme et la distance associées au produit scalaire canonique sont données par :
v v
u n u n
uX uX
2
∥(x1 , . . . , xn )∥ = t xi et d ((x1 , . . . , xn ), (y1 , . . . , yn )) = t (xi − yi )2 .
i=1 i=1
Et on retrouve les formules usuelles pour n = 2 ou n = 3.
Théorème I.20 (Inégalité de Cauchy–Schwarz). Si E est un espace préhilbertien muni du produit scalaire
⟨·, ·⟩, alors :
∀x, y ∈ E, |⟨x, y⟩| ≤ ∥x∥ · ∥y∥
avec égalité si, et seulement si, les vecteurs x et y sont colinéaires.
Démonstration. Soient x, y ∈ E.
Si y = 0, alors l’inégalité est vérifiée : c’est même une égalité, et on a bien la condition d’égalité (comme
le vecteur nul est colinéaire à tout vecteur).
Sinon, considérons l’application définie sur R par :
∀t ∈ R, f (t) = ∥x + ty∥2 = ⟨x + ty, x + ty⟩.
Alors pour tout t ∈ R, on a par bilinéarité et symétrie du produit scalaire :
f (t) = ⟨x, x⟩ + 2t⟨x, y⟩ + t2 ⟨y, y⟩
donc f est une fonction polynomiale du second degré, comme ⟨y, y⟩ = ̸ 0 (puisque y ̸= 0).
De plus, pour tout t ∈ R, on a : f (t) ≥ 0 (par positivité du produit scalaire). Donc f est de signe constant.
Et donc le discriminant de f est négatif ou nul, c’est-à-dire :
∆ = (2⟨x, y⟩)2 − 4⟨x, x⟩ · ⟨y, y⟩ = 4 (⟨x, y⟩)2 − (∥x∥ · ∥y∥)2 ≤ 0.

En passant à la racine carrée, on trouve bien que : |⟨x, y⟩| ≤ ∥x∥ · ∥y∥.
En cas d’égalité, on déduit que f a un discriminant nul, donc s’annule en un réel t. On a alors pour ce
même t : ⟨x + ty, x + ty⟩ = 0. Et comme le produit scalaire est défini, on a donc x = −ty, donc x et y sont
bien colinéaires.
Réciproquement, si x et y sont colinéaires : comme y ̸= 0, il existe λ ∈ R tel que x = λy, et alors f (−λ) = 0.
D’où l’équivalence cherchée.
Remarques I.21.
1. On retrouve une situation déjà connue pour le produit scalaire sur R2 :
|→
−
u ·→
−
v | ≤ ∥→
−
u ∥ · ∥→
−
v ∥.
2. Le caractère défini est seulement indispensable pour montrer la situation d’égalité. Si on a seulement
une forme bilinéaire symétrique positive φ, on trouve tout de même que :
p p
∀x, y ∈ E, |φ(x, y)| ≤ φ(x, x) · φ(y, y)
en étudiant séparément selon que φ(y, y) = 0 ou φ(y, y) ̸= 0. Et la situation d’égalité peut s’analyser
en déterminant l’ensemble {x ∈ E | φ(x, x) = 0}.
Exemples I.22.
1. Pour tous x1 , . . . , xn , y1 , . . . , yn ∈ R, on a :
v v
Xn u n
X uX
u n
u 2t
xi yi ≤ xi yi2
t

i=1 i=1 i=1
avec égalité si, et seulement si, les vecteurs (x1 , . . . , xn ) = et (y1 , . . . , yn ) sont colinéaires.
On retrouve l’inégalité entre moyennes arithmétique et quadratique :
Pn r Pn
2

i=1 xi i=1 xi
= |⟨(x1 , . . . , xn ), (1/n, . . . , 1/n)⟩| ≤ ∥(x1 , . . . , xn )∥ · ∥(1/n, . . . , 1/n)∥ =
n n
avec égalité si, et seulement si, x1 = · · · = xn .

2. Si f, g sont deux fonctions continues sur [a, b], alors :
Z b sZ b s
Z b

f (t)g(t)dt ≤
2
f (t) dt g(t)2 dt

a a a
avec égalité si, et seulement si, f est proportionnelle à g.

L’inégalité reste valable si f, g sont seulement continues par morceaux, mais on perd alors la condi-
tion d’égalité. Plus précisément, pour f, g ∈ Cpm ([a, b], R), on aura égalité si, et seulement si, f est
proportionnelle à g sauf éventuellement en un nombre fini de points.
Proposition I.23. Si E est un espace préhilbertien, et ∥ · ∥ est la norme associée au produit scalaire sur
E, alors pour tous x, y ∈ E et λ ∈ R on a :
1. ∥λx∥ = |λ| · ∥x∥ (positive homogénéité de degré 1, ou juste homogénéité) ;
2. ∥x∥ = 0 ⇔ x = 0 (séparation) ;
3. ∥x + y∥ ≤ ∥x∥ + ∥y∥ (inégalité triangulaire).
De plus, dans l’inégalité triangulaire, il y a égalité si, et seulement si, x et y sont positivement coli-
néaires (ou colinéaires de même sens), c’est-à-dire qu’il existe µ ∈ R+ tel que x = µy ou y = µx.
Démonstration.
1. Par définition de la norme, on a :
p p p
∥λx∥ = ⟨λx, λx⟩ = λ2 ⟨x, x⟩ = |λ| · ⟨x, x⟩ = |λ| · ∥x∥.
2. On a déjà par bilinéarité (ou le point précédent) que ∥0∥ = 0.

Réciproquement, si ∥x∥ = 0, alors ⟨x, x⟩ = ∥x∥2 = 0 donc x = 0 (comme le produit scalaire est
défini).
3. Pour x, y ∈ E, on a par inégalité de Cauchy–Schwarz :

∥x + y∥2 = ⟨x + y, x + y⟩ = ⟨x, x⟩ + 2⟨x, y⟩ + ⟨y, y⟩
≤ ∥x∥2 + 2∥x∥ · ∥y∥ + ∥y∥2
≤ (∥x∥ + ∥y∥)2
ce qui donne l’inégalité en passant à la racine carrée.
De plus, il y a égalité si, et seulement si, ⟨x, y⟩ = ∥x∥ · ∥y∥.
Pour avoir une telle égalité, on doit donc déjà avoir égalité dans l’inégalité de Cauchy–Schwarz,
donc x et y sont colinéaires. Le cas où y = 0 est immédiat (on a bien égalité, et x, y sont bien
colinéaires de même sens). Sinon, on peut écrire x = λy pour λ ∈ R, et on a alors :
⟨x, y⟩ = λ⟨x, x⟩ = λ∥x∥2 et ∥x∥ · ∥y∥ = |λ| · ∥x∥2
et ainsi on a l’égalité si, et seulement si, λ ≥ 0
Remarques I.24.
1. On retrouve les trois propriétés qu’on avait démontrées pour la norme ∥ · ∥∞ sur les fonctions
continues par morceaux : ce sont en fait les trois propriétés qui justifient l’appellation de norme.
2. Pour l’inégalité triangulaire, on a même :
|∥x∥ − ∥y∥| ≤ ∥x + y∥ ≤ ∥x∥ + ∥y∥
avec égalité à droite (resp. à gauche) si, et seulement si, x et y sont colinéaire de même sens (resp.
de sens opposés).
Corollaire I.25. Avec les mêmes notations, si d est la distance associée au produit scalaire sur E, alors
pour tous x, y, z ∈ E on a :
1. d(x, y) = d(y, x) ;
2. d(x, y) = 0 ⇔ x = y ;
3. d(x, z) ≤ d(x, y) + d(y, z).
Démonstration. Découle respectivement de la symétrie du produit scalaire, de son caractère défini, et de
l’inégalité triangulaire pour la norme.
Proposition I.26 (Identités remarquables). Si E est un espace préhilbertien muni d’un produit scalaire ⟨·, ·⟩
et de norme associée ∥ · ∥, alors pour tous x, y ∈ E on a :
1. ∥x + y∥2 = ∥x∥2 + 2⟨x, y⟩ + ∥y∥2 ;
2. ∥x − y∥2 = ∥x∥2 − 2⟨x, y⟩ + ∥y∥2 ;
3. ⟨x + y, x − y⟩ = ∥x∥2 − ∥y∥2 .
Démonstration. Découle des identités remarquables avec les formes bilinéaires symétriques.
Corollaire I.27 (Identités de polarisation). Avec les mêmes notations, on a :
1 1 2
x∥ + ∥y∥2 − ∥x − y∥2 = 1 ∥x + y∥2 − ∥x − y∥2 .
∥x + y∥2 − ∥x∥2 − ∥y∥2

⟨x, y⟩ =
2 2 4
Démonstration. Découle directement des identités remarquables.
Corollaire I.28 (Identité du parallélogramme). Avec les mêmes notations, on a :
∥x + y∥2 + ∥x − y∥2 = 2 ∥x∥2 + ∥y∥2 .

Démonstration. On soustrait les deux premières identités de polarisation.

Remarque I.29. Le résultat veut dire que la somme des carrés des longueurs des diagonales d’un parallé-
logramme est égale à la somme des carrés des longueurs de ses côtés :
x−
y
x
y
x+
Dont tout le monde connaı̂t bien un cas particulier : quand il s’agit d’un rectangle, on retrouve le théorème
de Pythagore.
II Vecteurs orthogonaux
II.1 Orthogonalité et orthonormalité
Définition II.1. Si E est un espace préhilbertien muni d’un produit scalaire ⟨·, ·⟩, on dit que x, y ∈ E sont
orthogonaux, ce que l’on note x ⊥ y, si ⟨x, y⟩ = 0.
Exemples II.2.
1. Peu importe l’espace considéré : le vecteur nul est orthogonal à tout vecteur, et c’est le seul vecteur
satisfaisant cette propriété.
C’est aussi le seul vecteur orthogonal à lui-même (comme un produit scalaire est défini).
2. Sur R2 muni du produit scalaire canonique, les vecteurs (a, b) et (−b, a) sont orthogonaux.
Définition II.3. Avec les mêmes notations, si X, Y sont deux parties de E, on dira que X et Y sont
orthogonales, ce que l’on note X ⊥ Y , si tout vecteur de X est orthogonal à tout vecteur de Y :
∀(x, y) ∈ X × Y, x ⊥ y.
Définition II.4. Avec les mêmes notations, une famille (xi )i∈I d’éléments de E est dite orthogonale si
tous ses éléments sont deux-à-deux orthogonaux : ∀i, j ∈ I, i ̸= j ⇒ xi ⊥ xj .
Elle sera dite de plus orthonormale (ou orthonormée) si tous ses vecteurs sont unitaires (c’est-à-dire
de norme 1), c’est-à-dire si :
∀i, j ∈ I, ⟨xi , xj ⟩ = δi,j .
Exemples II.5.
1. Pour le produit scalaire canonique, les bases canoniques de Rn ou de Mn,p (R) sont orthonormées.
2. Plus généralement, si B = (e1 , . . . , en ) est une base de E, elle est orthonormée pour le produit
scalaire : * n +
X n
X n
X
xi ei , yi ei = xi y i .
i=1 i=1 i=1
Par exemple, si x0 , . . . , xn sont des réels deux-à-deux distincts, la famille des polynômes d’interpola-
tion de Lagrange
Pnassociés forme une famille orthonormale pour le produit scalaire défini sur Rn [X]
par : ⟨P, Q⟩ = i=0 P (xi )Q(xi ).
II. VECTEURS ORTHOGONAUX 455
3. Sur C([0, 2π], R), la famille (fk )k∈N définit par fk : x 7→ cos(kx) est une famille orthogonale pour le
R 2π
produit scalaire : ⟨f, g⟩ = 0 f (t)g(t)dt.
On a pour k, l ∈ N avec k ̸= l, on a :
R 2π R 2π
⟨fk , fl ⟩ = 0 fk (t)fl (t)dt = 0 cos(kt)cos(lt)dt
1 R 2π 1 R 2π
= cos((k + l)t)dt + cos((k − l)t)dt
2 0 2π2
0
2π
1 1 1 1
= sin((k + l)t) + sin((k − l)t)
2 k+l 0 2 k+l 0
= 0
ce qui donne bien le caractère orthogonal.

En revanche, elle n’est pas orthonormée. Pour tout k ∈ N, on a :
Z 2π Z 2π
2 cos(2kt) + 1 2π si k=0
⟨fk fk ⟩ = cos (kt)dt = dt =
0 0 2 π si k ̸= 0
!
fk
En revanche, la famille p est orthonormée.
(1 + δ0,k )π k∈N
Proposition II.6. Une famille orthogonale de vecteurs non nuls est libre.
Pn Considérons (x1 , . . . , xn ) une famille orthogonale de vecteurs non nuls. Soient λ1 , . . . , λn ∈

Démonstration.
R tels que i=1 λi xi . Alors pour tout j ∈ J1; nK, on a :
* n + n
X X
0 = ⟨0, xj ⟩ = λi xi , xj = λi ⟨xi , xj ⟩ = λj ∥xj ∥2
i=1 i=1
et donc, comme xj ̸= 0, alors ∥xj ∥ =

̸ 0 donc λj = 0.
Et donc la famille est libre.
Remarque II.7. On retrouve notamment un résultat vu pendant l’année, à savoir que la famille (x 7→
cos(kx))k∈N est une famille libre.
Corollaire II.8. Toute famille orthonormée est libre.
Théorème II.9 (de Pythagore). Si E est un espace préhilbertien et x, y ∈ E, alors x et y sont orthogonaux
si, et seulement si, ∥x + y∥2 = ∥x∥2 + ∥y∥2 .
Démonstration. On a par identité remarquable :
∥x + y∥2 = ∥x∥2 + ∥y∥2 + 2⟨x, y⟩
ce qui donne bien que ∥x + y∥2 = ∥x∥2 + ∥y∥2 si, et seulement si, ⟨x, y⟩ = 0, c’est-à-dire que x et y sont
orthogonaux.
Remarque II.10. Les formulations autour des triangles rectangles, et les similarités entre les mots “hypoté-
nuse” et “hippopotame” ont entraı̂ner de nombreuses déformations de ce théorème. De nombreuses blagues
à la qualité discutable autour de théorème autour d’hippopotames par exemple. Ou sinon le fait que le fait
d’accoler la même figure aux côtés d’un triangle rectangle, en la dilatant suivant un rapport correspondant
à la longueur du côté, donne que l’aire de la figure adjacente à l’hypoténuse est égale à la somme des aires
des deux autres. Et c’est même valable lorsque les figures représentent des hippopotames :
Corollaire II.11. Si (x1 , . . . , xn ) est une famille orthogonale, on a :

2
n
X n
X
= ∥xi ∥2

i=1 i=1
Remarque II.12. On pouvait aussi procéder par calcul direct, par propriétés d’une forme bilinéaire symé-
trique. Plus généralement, on obtient pour tout famille :
2
Xn n X
X n n
X X
x = ⟨x , x ⟩ = ∥xi ∥2 + ⟨xi , xj ⟩

i i j

i=1 i=1 j=1 i=1 i̸=j
ce qui permet de voir au passage que l’on n’a plus l’équivalence lorsque l’on considère plus de deux vecteurs.
II.2 Le processus d’orthonormalisation de Gram–Schmidt

Théorème II.13 (Orthonormalisation de Gram–Schmidt). Si E est un espace préhilbertien, et (e1 , . . . , en )
est une famille libre d’éléments de E, alors il existe une famille orthonormée (x1 , . . . , xn ) de E telle que :
∀k ∈ J1; nK, Vect(e1 , . . . , ek ) = Vec(x1 , . . . , xk ).
Plus précisément, on peut construire les xk récursivement : si on a déjà construit les vecteurs x1 , . . . , xk−1 ,
x∗k
alors on peut poser xk = ∗ , où :
∥xk ∥
k−1
X
∗
xk = ek − ⟨ek , xi ⟩xi .
i=1
Démonstration. On considère la famille (xk ) construite comme dans l’énoncé du théorème. On va montrer
par récurrence sur k ∈ J1; nK que la famille (x1 , . . . , xk ) est orthonormée, et vérifie Vect(e1 , . . . , ek ) =
Vect(x1 , . . . , xk ).
e1
Si k = 1 : comme la famille (e1 , . . . , en ) est libre, alors e1 ̸= 0, et ainsi x1 = est un vecteur unitaire :
∥e1 ∥
la famille (x1 ) est orthonormée, et engendre bien Vect(e1 ).
Supposons que (x1 , . . . , xk ) soit orthonormée avec Vect(x1 , . . . , xk ) = Vect(e1 , . . . , ek ). Alors pour tout
j ∈ J1; kK on a : D E
⟨x∗k+1 , xj ⟩ = ek+1 − ki=1 ⟨ek+1 , xi ⟩xi , xj
P
= ⟨ek+1 , xj ⟩ − ki=1 ⟨⟨ek+1 , xi ⟩xi , xj ⟩

P
= ⟨ek+1 , xj ⟩ − ki=1 ⟨ek+1 , xi ⟩ ⟨xi , xj ⟩

P
| {z }
=δi,j
= ⟨ek+1 , xj ⟩ − ⟨ek+1 , xj ⟩
= 0
ce qui montre déjà que la famille (x1 , . . . , xk , x∗k+1 ) est orthogonale.
De plus, on a que x∗k+1 est non nul, car sinon on aurait :
k
X
ek+1 = ⟨ek+1 , xi ⟩xi ∈ Vect(x1 , . . . , xk ) = Vect(e1 , . . . , ek )
i=1
ce qui contredirait la liberté de la famille (e1 , . . . , ek+1 ).

x∗
Et donc xk+1 = ∗k+1 est bien défini. Et la famille (x1 , . . . , xk+1 ) est donc une famille orthogonale dont
∥xk+1 ∥
tous les vecteurs sont unitaires : c’est une famille orthonormée.
Par hypothèse de récurrence, on a : x1 , . . . , xk ∈ Vect(e1 , . . . , ek ). Par construction, on a xk+1 ∈ Vect(x1 , . . . , xk , ek
Vect(e1 , . . . , ek+1 ). Mais la famille (e1 , . . . , ek+1 ) est libre (sous-famille d’une famille libre), donc c’est une
base de Vect(e1 , . . . , ek+1 ), qui est donc de dimension k + 1.
Et comme la famille (x1 , . . . , xk+1 ) est libre (car orthonormée), c’est donc une base de Vect(e1 , . . . , ek+1 ),
ce qui prouve bien par son côté générateur que Vect(e1 , . . . , ek+1 ) = Vect(x1 , . . . , xk+1 ).
Remarques II.14.
1. La récursivité de la construction se comprend bien avec n = 2 :
— on transforme e1 en le divisant par sa norme pour le rendre unitaire ;
— on transforme e2 en lui retirant ⟨e2 , x1 ⟩x1 pour le rendre orthogonal à e1 , qu’on renormalise pour
le rendre unitaire également.
Et on verra le sens plus général qui se cache derrière.
e3 e3 e3
e1 x1 x1
e2 e2 x∗2
e3 x∗3
x1 x1 x3 x1
x2 x2 x2
2. Il existe des énoncés légèrement différents qui permettent d’assurer l’unicité de la base (x1 , . . . , xn ).
Il suffit par exemple d’imposer que pour tout k ∈ J1; nK, ⟨ek xk ⟩ > 0 et on a alors l’unicité d’une telle
base (celle donnée par la construction du théorème). On peut notamment observer que, si (ei ) est
orthonormée, alors la famille (xi ) rendue par l’algorithme de Gram–Schmidt est égale à la famille
(ei ).
R1
Exemple II.15. On considère R[X] muni du produit scalaire : ⟨P, Q⟩ = 0 P (t)Q(t)dt. Appliquons l’algo-
rithme de Gram–Schmidt à la famille (P0 = 1, P1 = X, P2 = X 2 ) (qui est bien libre) pour construire une
famille orthonormée (Q0 , Q1 , Q2 ) :
R1 P0 P0
— On a directement : ∥P0 ∥2 = 0 1dt = 1, donc Q0 = = = 1.
∥P0 ∥ 1
— Pour Q1 , on a déjà :
Z 1
∗ 1
Q1 = P1 − ⟨X, Q0 ⟩Q0 = X − t · 1dt · 1 = X −
0 2
et donc : 2
Z 1
1 1
∥Q∗1 ∥2 = t− dt =
0 2 12
donc finalement :
Q∗1 √ √

1
Q1 = = 12 X − = 3 (2X − 1)
∥Q∗1 ∥ 2
— Pour Q2 , on a déjà :
Q∗2 = P2 − ⟨P
R2 , Q0 ⟩Q0 − ⟨P√ 1 ⟩Q1
2 , Q √
1 2 R1
= X − 0 t dt · 1 − 3 0 t2 (2t − 1)dt · 3(2X − 1)
2
1 1 1
= X 2 − − (2X − 1) = X 2 − X +
3 2 6
et donc : 2
Z 1
1 1
∥Q∗2 ∥2 = 2
t −t+ dt =
0 6 180
donc finalement :
Q∗2 √ √

2 1
= 5 6X 2 − 6X + 1 .

Q2 = ∗
= 180 X − X +
∥Q2 ∥ 6
√ √
Et finalement, la famille 1, 3(2X − 1), 5(6X 2 − 6X + 1) est une famille orthonormale pour ce produit
scalaire sur R[X].
Remarque II.16. Le théorème de Pythagore permet de gagner un peu de temps dans les calculs. On a
en effet, que les xi sont orthogonaux, et donc pour tout k la famille (x1 , . . . , xk+1 , x∗k ) est orthogonale, et
donc : 2
Xk−1 k−1
X
2 ∗ ∗ 2
∥ek ∥ = xk + ⟨ek , xi ⟩xi = ∥xk ∥ + ⟨ek , xi ⟩2 ∥xi ∥2

| {z }
i=1 i=1 =1
et donc :
k−1
X
2 2
∥xk ∥ = ∥ek ∥ − ⟨ek , xi ⟩2
i=1
Par exemple, dans le calcul précédent, on pouvait calculer ∥Q∗2 ∥ un peu plus rapidement, en utilisant que :
1 1 1 1
∥Q∗2 ∥2 = ∥P2 ∥2 − ⟨P2 , Q1 ⟩2 − ⟨P2 , Q0 ⟩2 = − − = .
5 9 12 180
II.3 Bases orthonormées

Définition II.17. Une base orthonormée (abrégé en bon) d’un espace préhilbertien E est une famille
orthonormée qui est une base de E.
Exemples II.18.
1. Les bases canoniques de Rn ou Mn,p (R) sont des bon pour les produits scalaires canoniques.
2. Plus généralement, n’importe quelle base est une base orthonormée pour le produit scalaire qu’on
lui avait associé.
R1 √ √
3. Dans R2 [X] muni du produit scalaire ⟨P, Q⟩ = 0 P (t)Q(t)dt, la famille 1, 3(2X − 1), 5(6X 2 − 6X + 1
est une base orthonormée.
4. Pour un espace de dimension 1, les bases orthonormées sont exactement les familles à un vecteur
unitaire.
Théorème II.19.
1. Tout espace euclidien possède une base orthonormée.
2. Dans un espace euclidien, toute famille orthonormée peut être complétée en une base orthonormée.
Démonstration.
1. Tout espace de dimension finie admet une base, donc un espace euclidien admet toujours une base.
L’algorithme de Gram–Schmidt appliqué à cette base donne une base orthonormée.
2. Tout famille orthonormée est libre, donc par théorème de la base incomplète peut être complétée
en une base. Lui appliquer l’algorithme de Gram–Schmidt permettra d’avoir une base orthonormée,
et ne changera pas les premiers vecteurs, donc permet de compléter la base initiale en une base
orthonormée.
Remarques II.20.
1. Le second résultat s’appelle le théorème de la base orthonormale incomplète.
2. L’algorithme de Gram–Schmidt ne fait rien si la famille est déjà orthonormée. Si elle est seulement
orthogonale, l’algorithme divise chaque vecteur par sa norme.
Proposition II.21. Si E est un espace euclidien, et (e1 , . . . , en ) est une bon de E, alors pour tout x ∈ E
on a : n
X
x= ⟨x, ei ⟩ei
i=1
c’est-à-dire que les coordonnées de x dans (e1 , . . . , en ) sont : (⟨x, e1 ⟩, . . . , ⟨x, en ⟩).
Démonstration. Notons x = ni=1 xi ei (c’est-à-dire que (x1 , . . . , xn ) sont les coordonnées de x). Alors pour
P
tout j ∈ J1; nK : * n +
X Xn n
X
⟨x, ej ⟩ = xi ei , ej = xi ⟨ei , ej ⟩ = xi δi,j = xj
i=1 i=1 i=1
Proposition II.22.
 Soit  B = (e1 , . . . , en ) une bon de E et x, y ∈ E. On note
 E un espace euclidien,
x1 y1
 ..   .. 
X = MatB (x) =  .  et Y = MatB (y) =  . . Alors :
xn yn
v
n
X √
u n
uX
⟨x, y⟩ = X T Y = xi yi et ∥x∥ = XT X = t x2i .
i=1 i=1
Démonstration. Avec les mêmes notations, on a directement par bilinéarité :

* n n
+ n
X X X X X
⟨x, y⟩ = xi e i , yj ej = xi yj ⟨ei , ej ⟩ = xi yj δi,j = xi yi = X T Y
i=1 j=1 i,j i,j i=1
ce qui donne l’expression pour le produit scalaire. p

Et l’expression pour la norme se déduit directement de la définition, comme ∥x∥ = ⟨x, x⟩.
Remarques II.23.
1. La proposition précédente permet d’exprimer facilement les xi , yi à l’aide des produits scalaires
⟨x, ei ⟩, ⟨y, ei ⟩ et permettent d’adapter les expressions précédentes aux vecteurs et espaces considérés.
2. Une autre manière de formuler est que, étant donné un produit scalaire, une base orthonormée
revient à choisir une base dont le produit scalaire associé est celui déjà considéré.
III Espaces orthogonaux

III.1 Supplémentaire orthogonal
Définition III.1 (Orthogonal d’une partie). Soient E un espace préhilbertien, et X une partie de E. On
appelle orthogonal de X (dans E) l’ensemble :
X ⊥ = {y ∈ E | ∀x ∈ X, x ⊥ y}.
Exemples III.2.
1. On a toujours ∅⊥ = E = {0}⊥ (le vecteur nul est orthogonal à tout vecteur) et E ⊥ = {0} (et c’est
le seul). Comme c’est même le seul vecteur orthogonal à lui-même, on déduit que X ∩ X ⊥ = {0}
ou ∅.
2. Dans R3 muni du produit scalaire canonique, pour tous a, b, c ∈ R on a :
{(x, y, z) ∈ R3 | ax + by + cz = 0} = {(a, b, c)}⊥ .
puisqu’on a directement que ⟨(x, y, z), (a, b, c)⟩ = ax + by + cz.

3. Si X, Y sont deux parties de E, elles sont orthogonales si, et seulement si, X ⊂ Y ⊥ . Par symétrie
des rôles, on déduit que X ⊂ Y ⊥ si, et seulement si, Y ⊂ X ⊥ , ce qu’on montrera plus tard.
Proposition III.3. Si X, Y sont deux parties d’un espace préhilbertien E, alors :

1. X ⊥ est un sous-espace vectoriel de E ;
2. si X ⊂ Y , alors Y ⊥ ⊂ X ⊥ ;
3. X ⊥ = (Vect(X))⊥ .
Démonstration.
1. Comme le vecteur nul est orthogonal à tout vecteur, on a : 0 ∈ X ⊥ .
Si y1 , y2 ∈ X ⊥ et λ, µ ∈ R, alors pour tout x ∈ X on a :
⟨λy1 + µy2 , x⟩ = λ⟨y1 , x⟩ + µ⟨y2 , x⟩ = 0
donc λy1 + µy2 ∈ X ⊥ .

C’est donc bien un sous-espace vectoriel de E.
III. ESPACES ORTHOGONAUX 461
2. Supposons que X ⊂ Y . Soit z ∈ Y ⊥ . Alors :
∀y ∈ Y, ⟨z, y⟩ = 0
puis par inclusion de X dans Y :

∀x ∈ X, ⟨z, x⟩ = 0
ce qui donne que z ∈ X ⊥ , et donc Y ⊥ ⊂ X ⊥ .
3. On a déjà, comme X ⊂ Vect(X), l’inclusion Vect(X)⊥ ⊂ X ⊥ .
Pour l’autre inclusion, considérons y ∈ X ⊥ et x ∈ Vect(X). Notons x = ni=1 λi xi pour x1 , . . . , xn ∈
P
X. Alors par bilinéarité :
Xn
⟨y, x⟩ = λi ⟨y, xi ⟩ = 0
| {z }
i=1 =0
et donc on a bien que y ∈ Vect(X)⊥ .
Remarques III.4.
1. On voit ainsi l’aspect central des espaces vectoriels quand on travaille avec des espaces orthogonaux :
déjà l’orthogonal d’une partie (quelconque) est toujours un espace vectoriel ; et ensuite il suffit de
regarder les orthogonaux des espaces vectoriels, et pour les étudier il suffit d’étudier l’orthogonalité
par rapport aux éléments d’une famille génératrice. Par exemple, si F = Vect(e1 , . . . , en ), alors on
a l’équivalence :
x ∈ F ⊥ ⇔ ∀i ∈ J1; nK, x ⊥ ei .
2. Pour montrer que X ⊥ est un espace vectoriel, on pouvait aller plus vite en montrant que c’est une
intersection d’espaces vectoriels :
X ⊥ = ∩x∈X Ker (y 7→ ⟨x, y⟩)
en utilisant la linéarité à droite du produit scalaire.

Exemple III.5. On considère R2 [X] muni du produit scalaire ⟨P, Q⟩ = 1k=−1 P (k)Q(k). Pour déterminer
P
R1 [X]⊥ , on note que (1, X) est une base de R1 [X], et si P = aX 2 + bX + c ∈ R2 [X] on a :
— ⟨P, 1⟩ = P (−1) · 1 + P (0) · 1 + P (1) · 1 = (a − b + c) + c + (a + b + c) = 2a + 3c ;
— ⟨P, X⟩ = P (−1) · −1 + P (0) · 0 + P (1) · 1 = −(a − b + c) + 0 + (a + b + c) = 2b.
Et ainsi on a les équivalences :
P ∈ R1 [X]⊥ ⇔ ⟨P, 1⟩ = ⟨P, X⟩ = 0 ⇔ 2a + 3c = 0 = 2b
ce qui donne que R1 [X]⊥ = Vect(3X 2 − 2).

Proposition III.6. Si X est une partie d’un espace préhilbertien E, alors X ⊂ (X ⊥ )⊥ .
Démonstration. Si x ∈ X, alors pour tout y ∈ X ⊥ on a : ⟨x, y⟩ = 0. Et donc x ∈ (X ⊥ )⊥ .
Remarque III.7. Comme l’orthogonal est un espace vectoriel, on ne peut espérer une égalité que si X est
un espace vectoriel. Mais même en imposant cette condition on n’a pas toujours l’égalité.
Théorème-Définition III.8 (Supplémentaire orthogonal). Si E est un espace préhilbertien (quelconque) et
F un sous-espace vectoriel de E de dimension finie, alors : F ⊥ est un supplémentaire de F dans E.
C’est même le seul supplémentaire de F qui soit orthogonal à F . On l’appelle le supplémentaire or-
thogonal de F .
⊥
De plus, on a F ⊥ = F .
Démonstration. On a déjà que F ∩ F ⊥ = {0}, ce qui montre que F et F ⊥ sont en somme directe.
Reste à montrer que E = F + F ⊥ . Considérons (f1 , . . . , fn ) une base orthonormé de F (qui existe bien
comme F est de dimension finie.
Soit x ∈ E. Alors pour tout j ∈ J1; nK on a :
* n
+ n
X X
x− ⟨x, fi ⟩fi , fj = ⟨x, fj ⟩ − ⟨x, fi ⟩ ⟨fi , fj ⟩ = ⟨x, fj ⟩ − ⟨x, fj ⟩ = 0
| {z }
i=1 i=1
δi,j
Pn
ce qui assure que x − i=1 ⟨x, fi ⟩fi ∈ F ⊥.
Et on a ainsi que :
n
X n
X
x= ⟨x, fi ⟩fi + x − ⟨x, fi ⟩fi ∈ F + F ⊥
|i=1 {z } | i=1
{z }
∈F ∈F ⊥
ce qui assure bien que F et F ⊥ sont supplémentaires.
Pour l’unicité, considérons G un supplémentaire de F dans E orthogonal à F . Comme F et G sont

orthogonaux, on a déjà que G ⊂ F ⊥ .
Pour l’autre inclusion, considérons x ∈ F ⊥ . On a déjà que E = F ⊕ G, donc il existe xF ∈ F et xG ∈ G
tels que x = xF + xG . Et ainsi :
∥xF ∥2 = ⟨xF , xF ⟩ = ⟨xF , x − xG ⟩ = 0 − 0 = 0
et donc xF = 0, c’est-à-dire que x = xG ∈ G, ce qui prouve la seconde inclusion.
Et finalement G = F ⊥ , ce qui prouve l’unicité.
⊥
Pour le dernier résultat, on a déjà prouvé que F ⊂ F ⊥ .
⊥
Pour l’autre inclusion, soit x ∈ F ⊥ . On pose x = x1 + x2 où x1 ∈ F et x2 ∈ F ⊥ . Alors :
∥x2 ∥2 = ⟨x2 , x2 ⟩ = ⟨x2 , x − x1 ⟩ = ⟨x2 , x⟩ − ⟨x2 , x1 ⟩ = 0 − 0 = 0
⊥
et donc x2 = 0, c’est-à-dire que x = x1 ∈ F , ce qui prouve bien que F ⊥ = F .
Remarques III.9.
1. En prenant F de dimension finie dans E de dimension infinie, les conclusions du théorème restent
valable pour F ⊥ , qui est de dimension infinie. Ainsi, il n’est pas nécessaire d’avoir un espace de
dimension finie pour avoir (F ⊥ )⊥ = F . Et on pourrait avoir même F et F ⊥ de dimension infinie :
par exemple, si F = Vect(1, X 2 , . . . , X 2n , . . . ) dans R[X] muni du produit scalaire associé à sa base
canonique, on trouve F ⊥ = Vect(X, X 3 , . . . , X 2n+1 , . . . ), et on a bien R[X] = F ⊕ F ⊥ .
2. On voit apparaı̂tre un résultat important : on n’avait pas l’unicité du supplémentaire, mais l’ortho-
gonalité permet de l’acquérir.
3. Si E est euclidien, on a directement toutes les hypothèses sur F .
4. On notera parfois E = F ⊕⊥ G pour notifier que F et G sont supplémentaires orthogonaux.
Exemple III.10. Dans Mn (R) muni de son produit scalaire canonique, les espaces Sn (R) et An (R) sont
supplémentaires orthogonaux l’un de l’autre.
On a en effet l’orthogonalité, comme pour toutes matrices S ∈ Sn (R) et A ∈ An (R) on a :
⟨A, S⟩ = tr(AT S) = −tr(AS) = −tr(SA) = −tr(S T A) = −⟨S, A⟩ = ⟨A, S⟩
et donc ⟨A, S⟩ = 0.
Et le fait qu’ils soient supplémentaire a déjà été montré plusieurs fois.
Donc finalement : Sn (R) = An (R)⊥
Corollaire III.11. Si E est un espace euclidien, alors pour tout sous-espace vectoriel F de E on a :
dim(F ⊥ ) = dim(E) − dim(F ).
Exemple III.12. Dans le cas d’un hyperplan, tout supplémentaire (donc en particulier le supplémentaire
orthogonal) est une droite. Et donc tout vecteur non-nul a orthogonal à un hyperplan H engendre H ⊥ .
Et en reprenant l’orthogonal, on déduit que : H = Vect(a)⊥ = {a}⊥ .
On retrouve dans R3 que :
{(x, y, z) ∈ R3 | ax + by + cz = 0} = {(a, b, c)}⊥
et plus généralement on
Pnavait vu que, étant donné (e1 , . . . , en ) une base de E, un hyperplan est donné par
une équation du type i=1 ai xi = 0, où les xi sont les coordonnées dans la base (ei ) des points considérés,
et les ai sont des coefficients qui dépendent de l’hyperplan.
Et cet hyperplan est directement {(a1 , . . . , an )}⊥ pour le produit scalaire associé à (e1 , . . . , en ).
Corollaire III.13. Si E est un espace euclidien, les hyperplans sont exactement les orthogonaux de droites.
Plus précisément, si on considère B = (e1 , . . . , en ) une base orthonormée de E, et H l’hyperplan d’équation
P n ⊥
i=1 ai xi = 0, alors H = Vect ((a1 , . . . , an )) .
Démonstration. Le premier résultat découle directement des dimensions, comme les hyperplans sont exac-
tement les espaces de dimension n, donc leur orthogonal est une droite. Et inversement l’orthogonal d’une
droite est bien un hyperplan.
Le second résultat découle du lien entre expression du produit scalaire et coordonnées dans une base
orthonormée.
Remarque III.14. Avec les mêmes notations, le vecteur n = ni=1 ai ei est un vecteur normal à H. Tout
P
élément non nul de H ⊥ = Vect(n) est également appelé vecteur normal.
III.2 Projecteur orthogonal

Définition III.15. Si E est un espace préhilbertien, et F est un sous-espace vectoriel de E de dimension
finie, on appelle projecteur orthogonal sur F le projecteur pF sur F parallèlement à F ⊥ .
Pour x ∈ E, on dira que pF est le projeté orthogonal de x sur F .
F⊥
x = xF + xF ⊥
F⊥ xF ⊥
x = xF + xF ⊥
xF ⊥
F
xF = pF (x)
F
xF = pF (x)
Remarques III.16.
1. L’unicité du supplémentaire orthogonal permet de ne pas préciser les deux espaces supplémentaires
(comme on le ferait normalement pour un projecteur).
2. Étant donné un projecteur p ∈ L(E), c’est un projecteur orthogonal si, et seulement si, (Imp)⊥ =
Kerp.
Proposition III.17. Si F est un sous-espace vectoriel de dimension finie E préhilbertien, en notant (f1 , . . . , fn )
une base de F et pF la projection orthogonale sur F , on a :
n
X
∀x ∈ E, pF (x) = ⟨x, fi ⟩fi .
i=1
De plus, pF (x) est l’unique élément de F tel que x − pF (x) ∈ F ⊥ .
Démonstration. En reprenant les mêmes notations, on a directement que :

n
! n
X X
x= x− ⟨x, fi ⟩fi + ⟨x, fi ⟩fi = x − pF (x) + pF (x)
| {z } | {z }
i=1 i=1
| {z } | {z } ∈F ⊥ ∈F
∈F ⊥ ∈F
⊥
et
Pndonc, par unicité de l’écriture (comme F et F sont en somme directe), on a bien que pF (x) =
i=1 ⟨x, fi ⟩fi .
Si y ∈ F vérifie que x − y ∈ F ⊥ , alors :
pF (y) = y et 0 = pF (x − y) = pF (x) − pF (y)
donc y = pF (x).
Remarques III.18.
1. On a ainsi deux méthodes pour calculer un projeté orthogonal : ou bien on passe par une base
orthonormée, ou bien on utilise la caractérisation de la fin de la proposition. Et c’est souvent cette
seconde méthode qui est plus efficace, car la première demande de déterminer une base orthonormée
ce qui peut prendre du temps, et cela fait aussi apparaı̂tre des racines carrées, alors que la seconde
permet de faire des calculs dans une base quelconque.
2. On retrouve l’expression de l’algorithme de Gram–Schmidt. Si on reprend les notations de l’al-
gorithme, on a que, pour tout k ∈ J1; nK, la famille (x1 , . . . , xk ) est une base orthonormée de
Fk = Vect(e1 , . . . , ek ), et on a donc x∗k+1 = ek+1 − pk (ek+1 ), où pk est la projection orthogonale sur
Fk .
3. Pour le dernier résultat, on pouvait aussi constater que pour tout i ∈ J1; nK, on a : ⟨x − y, fi ⟩ = 0,
et donc ⟨x, fi ⟩ = ⟨y, fi ⟩ par linéarité à gauche. De sorte que, par expression des coordonnées en
base orthonormée :
X n n
X
y= ⟨y, fi ⟩fi = ⟨x, fi ⟩fi = pF (x).
i=1 i=1
Corollaire III.19. On considère H un hyperplan d’un espace euclidien E, et n un vecteur normal à H,

alors en notant pH la projection orthogonale sur H on a :
⟨x, n⟩
∀x ∈ E, pH (x) = x − n.
∥n∥2
Remarque III.20. Si n est unitaire, on a même plus simplement :
∀x ∈ E, pH (x) = x − ⟨x, n⟩n.

R 2π
Exemple III.21. Considérons E = C([0, 2π], R) muni du produit scalaire ⟨f, g⟩ = 0 f (t)g(t)dt.
On pose F = Vect(cos, sin), qui est un espace de dimension 2. Et on veut déterminer le projeté orthogonal
sur F de la fonction id.
On procède suivant les deux méthodes précédentes. On calcule déjà tous les produits scalaires dont on aura
besoin : Z 2π
2
∥cos∥ = cos2 (t)dt = π = ∥sin∥2
0
(en linéarisant par exemple)

Z 2π
⟨cos, sin⟩ = cos(t)sin(t)dt = 0
0
(en linéarisant, ou par changement de variable u = cos(t) ou u = sint)

Z 2π
teit dt = −2iπ donc ⟨id, sin⟩ = −2π et ⟨id, cos⟩ = 0
0
(en calculant la première intégrale par intégration par parties)

Et avec ces calculs on déduit :
cos sin
— par base orthonormée : la base (cos, sin) est déjà orthogonale, donc la famille √ ,√ est une
π π
base orthonormée de F . Et la projection orthogonale de id sur F est donc :

cos cos sin sin ⟨id, cos⟩ ⟨id, sin⟩
id, √ √ + id, √ √ = cos + sin = −2sin.
π π π π π π
— par caractérisation d’un projecteur : on note p(id) = λcos + µsin. Et on a id − p(id) ∈ F ⊥ , ce qui
donne :
0 = ⟨id − pid, cos⟩ = ⟨id − λcos − µsin, cos, cos⟩ = ⟨id, cos⟩ − λ∥cos∥2 − µ⟨sin, cos⟩ = −λπ
0 = ⟨id − pid, sin⟩ = ⟨id − λcos − µsin, cos, sin⟩ = ⟨id, sin⟩ − λ⟨cos, sin⟩ − µ∥sin∥2 = −2π − µπ
et donc λ = 0 et µ = −2, ce qui donne p(id) = −2sin.
III.3 Distance à un espace vectoriel

Définition III.22 (Distance d’un point à une partie). Étant donné un espace préhilbertien E, un élément
x ∈ E et une partie non vide A de E, on appelle distance de x à A, notée d(x, A), la quantité :
d(x, A) = inf d(x, a) = inf ∥x − a∥.

a∈A a∈A
Remarques III.23.
1. Comme A est supposé non vide, alors d(x, A) est la borne inférieure d’une partie non vide minorée
de R+ , donc c’est un réel positif ou nul.
2. Si x ∈ A, on a d(x, A) = 0. Mais la réciproque est fausse pour des parties A quelconques. Par
exemple, si on se place sur R, alors pour tout x ∈ R on a d(x, Q) = 0 (par densité de Q dans R).
Théorème III.24. Soit E est un espace préhilbertien, et F un sous-espace vectoriel de E de dimension

finie. On note pF la projection orthogonale sur F .
Alors pour tout x ∈ E, pF (x) est l’unique élément de F qui réalise la distance de x à F , c’est à dire que
l’on a :
∀y ∈ F, d(x, F ) = ∥x − y∥ ⇔ y = pF (x).
Démonstration.
F⊥
x
F⊥
x
∥x − pF (x)∥
F
∥x − pF (x)∥
pF (x)
F
y p(x) y
Soit y ∈ F . Alors :
x − y = (x − pF (x)) + (pF (x) − y)
| {z } | {z }
∈F ⊥ ∈F
Et donc par théorème de Pythagore :
∥x − y∥2 = ∥x − pF (x)∥2 + ∥pF (x) − y∥2
ce qui donne bien que ∥x − y∥ ≥ ∥x − pF (x)∥, avec égalité si, et seulement si, ∥y − pF (x)∥ = 0, c’est-à-dire
y = pF (x).
Remarques III.25.
1. Une conséquence est que, dans le cadre du théorème, la distance n’est plus seulement une borne
inférieure : c’est un minimum.
2. On peut reformuler ce résultat en termes d’extrema : la fonction x 7→ d(x, y), définie sur F , atteint
un minimum global strict en F .
3. La dernière formule montre aussi comme alléger les calculs avec le théorème de Pythagore : il suffit
de calculer ∥x∥2 et ∥pF (x)∥2 (ce qui revient à prendre y = 0) et on trouve :
d(x, F )2 = ∥x − pF (x)∥2 = ∥x∥2 − ∥pF (x)∥2
ce qui fait apparaı̂tre au passage que l’on a toujours ∥x∥ ≥ ∥pF (x)∥ pour un projecteur orthogonal
(c’est d’ailleurs une caractéristique des projecteurs orthogonaux).
Corollaire III.26. Considérons H un hyperplan d’un espace euclidien E, de vecteur normal n. Alors :
|⟨x, n⟩|
∀x ∈ E, d(x, H) = .
∥n∥
Exemple III.27. On cherche à calculer :

Z 1 2
A = inf et − a − bt − ct2 dt
a,b∈R 0
qui est bien défini comme toutes les intégrales ci-dessus sont positives.
R1
Considérons l’espace C([0, 1], R) muni du produit scalaire ⟨f, g⟩ = 0
f (t)g(t)dt. Alors on a :
A = inf ∥t 7→ et − a − bt − ct2 ∥2 = d(exp, R2 [x])2 .

a,b∈R
Pour calculer cette√distance, on√passe la projection orthogonale sur F = R2 [X]. Comme on a déjà montré
que la famille (1, 3(2X − 1), 5(6X 2 − 6X + 1)) est une base orthonormée de R2 [X] pour ce produit
scalaire, on déduit que le projeté orthogonal de exp est :
D √ E √ D √ E √
pF (exp) = ⟨exp, 1⟩ · 1 + exp, 3(2X − 1) · 3(2X − 1) + exp, 5(6X − 6X + 1) · 5(6X 2 − 6X + 1)
2
R1
Pour calculer ces quantités, on calcule ak = 0 et tk dt pour k ∈ {0, 1, 2}. On a :
R1
— pour k = 0 : a0 = 0 et dt = e − 1 ;
R1 1 R1
— pour k = 1 : a1 = 0 tet dt = [tet ]0 − 0 et dt = e − a1 = 1 ;
R1 1 R1
— pour k = 2 : a2 = 0 t2 et dt = [t2 et ]0 − 2 0 tet = e − 2a1 = e − 2.
Par linéarité on déduit :
⟨exp, 1⟩ = a0 = e − 1
D √ E √ √
exp, 3(2X − 1) = 3(2a1 − a0 ) = 3(3 − e)
D √ E √ √
exp, 5(6X 2 − 6X + 1) = 5(6a2 6a1 + a0 ) = 5(7e − 19)
Et donc ∥pF (exp)∥2 = (e − 1)2 + 3(3 − e)2 + 5(7e − 19)2 = 249e2 − 1350e + 1833.
2
R 1 2t e2 − 1
Et comme ∥exp∥ = 0 e dt = , on déduit que :
2
−497e2 + 2700e − 3667
A= ≃ 3 · 10−5
2
et que A est un minimum, atteint pour a + bX + cX 2 = pF (exp), ce qui donne :
a = 39e − 105, b = 588 − 216e et c = 210e − 570.
À titre de comparaison, si on avait voulu approcher exp par son développement de Taylor en 0, on aurait
eu : Z 1 2
t2 15e2 − 90e + 134
t
e −1−t− dt = ≃ 7 · 10−3
0 2 30
et avec le développement en 1 :
1 2
e(t − 1)2 −31e2 + 90e − 15
Z
t
e − e − e(t − 1) − dt = ≃ 2 · 10−2
0 2 30
et on trouverai une valeur environ de 2 · 10−4 avec un développement de Taylor en 1/2 (ce qui est à peu
près la meilleure valeur que l’on puisse faire avec un développement de Taylor).
Chapitre 28
Variables aléatoires
I Variables aléatoires
I.1 Variables aléatoires et événements
Définition I.1 (Variable aléatoire). Étant donné Ω l’univers d’une expérience aléatoire, et E un ensemble
quelconque, on appelle variable aléatoire sur Ω à valeurs dans E tout application X : Ω → E.
On parle de variable aléatoire réelle lorsque E ⊂ R.
Remarques I.2.
1. L’idée d’une variable aléatoire est de simplifier notre problème, en regroupant ensemble certaines
issues, qui joueraient le même rôle.
2. Comme au premier chapitre de probabilités, on ne considèrera que des ensembles Ω finis dans ce
chapitre. Et, quitte à restreindre X, on pourra alors toujours considérer E fini également.
3. On peut composer à gauche une variable aléatoire par une fonction quelconque, et avoir ainsi une
nouvelle variable aléatoire. Si X : Ω → E est une variable aléatoire, et f : E → F est une fonction
quelconque, alors f ◦ X, qu’on notera plus simplement f (X), est une variable aléatoire.
Exemples I.3.
1. Si on tire deux dés à 6 faces, on peut considérer la variable aléatoire X qui, à un tirage donné,
associe la somme des montants.
On passe alors de 36 tirages à seulement 11 sommes.
2. On peut considérer une urne, dans laquelle sont placées des boules blanches et noires, que l’on tire
n fois. Et on peut considérer la variable aléatoire qui, étant donnés une suite de tirages, associe
le rang du premier tirage où on a tiré une boule blanche, ou 0 comme image si on ne tire jamais
de boule blanche. Ainsi, si on note ai ∈ {B, N } la couleur de la boule au i-ème tirage, la variable
aléatoire considérée est définie par :

0 si ∀i ∈ J1; nK, ai = N
X : (a1 , . . . , an ) 7→
min {i ∈ J1; nK | ai = B} sinon
Remarque I.4.
Une variable aléatoire permet de passer d’un ensemble d’issues Ω à un ensemble E quelconque.
Inversement, étant donnée une variable aléatoire X à valeurs dans E et une partie A de E, on peut
considérer l’événement X −1 (A), qu’on notera plus simplement [X ∈ A] ou (X ∈ A). Si A = {a}, on
notera [X = a] au lieu de [X ∈ {a}], et dans le cas de variables aléatoires réelles, pour tous a, b ∈ R avec
a < b, on notera respectivement [X ≤ a], [X ≥ a], [a ≤ X ≤ b] au lieu de [X ∈] − ∞; a]], [X ∈ [a; +∞[] et
[X ∈ [a; b]] (et les notations idoines pour des inégalités strictes).
469
470 CHAPITRE 28. VARIABLES ALÉATOIRES
Proposition I.5. Si X : Ω → E est une variable aléatoire, alors {[X = a] | a ∈ E} est un système complet
d’événements, qu’on appelle système complet d’événements associé à X.
Démonstration. On utilise que E s’écrit comme l’union disjointe : E = ∪a∈E {a}.
Le caractère disjoint assure que les événements [X = a] sont deux à deux incompatibles. Et le fait que ce
soit un recouvrement assure que l’on a bien un recouvrement de Ω.
Exemple I.6. Pour un lancé de deux dés à 6 faces, la variable aléatoire X qui correspond à la somme des
montants des dés vérifie X(Ω) = J2; 12K, et on a :
[X = 2] = {(1, 1)}, [X = 3] = {(1, 2), (2, 1)}, . . .
. . . , [X = 10] = {(6, 4), (5, 5), (4, 6)}, [X = 11] = {(6, 5), (5, 6)}, [X = 12] = {(6, 6)}.
I.2 Loi d’une variable aléatoire

Définition I.7 (Loi d’une variable aléatoire). Étant donnée une variable aléatoire X sur un espace proba-
bilisé (Ω, P), la loi de X est l’application :

P (X(Ω)) → [0; 1]
PX :
A 7→ P(X ∈ A)
Proposition I.8. La loi PX définit une probabilité sur X(Ω).

Démonstration. On a déjà que :
PX (X(Ω)) = P(X ∈ X(Ω)) = P(Ω) = 1
De plus, si A, B ∈ P (X(Ω)) sont disjoints, alors :
[X ∈ (A ∪ B)] = X −1 (A ∪ B) = X −1 (A) ∪ X −1 (B) = [X ∈ A] ∪ [X ∈ B]
et cette dernière union est disjointe également. Et donc par définition de PX on déduit que :
PX (A ∪ B) = P ([X ∈ A] ∪ [X ∈ B]) = P ([X ∈ A]) + P ([X ∈ B]) = PX (A) + PX (B)
ce qui donne bien l’additivité.

Donc PX est bien une probabilité sur X(Ω).
Remarque I.9. Le point important est d’avoir une probabilité sur Ω, qu’on transforme en une loi pour X.
Si on considère A ⊂ Ω tel que P(A) ̸= 0, on a vu que PA définit une probabilité sur Ω : une probabilité
conditionnelle définit donc une nouvelle loi, qu’on appelle loi conditionnelle (de la variable aléatoire X
sachant A).
Proposition I.10. Si X est une variable aléatoire sur un univers fini Ω, alors la loi de X est entièrement
déterminée par la famille (PX ({x}) = P(X = x))x∈X(Ω) , qui est une distribution de probabilités sur X(Ω).
Plus précisément, si A ∈ P (X(Ω)), on a :
X
PX (A) = P(X = x).
x∈A
Démonstration. Découle du résultat analogue pour les probabilités, qui donne la bijection entre probabilité
et distribution de probabilités.
Remarque I.11. On définit alors une relation d’équivalence sur les variables aléatoires, en notant X ∼ Y
si PX = PY . On dira alors que X et Y suivent (ou ont) la même loi.
I. VARIABLES ALÉATOIRES 471
Corollaire I.12. Si Ω est un ensemble fini muni de la probabilité uniforme P, et X : Ω → E est une variable
aléatoire, alors :
|X −1 (A)|
∀A ∈ P(E), PX (A) = .
|ω|
Exemple I.13. lancer de deux dés équilibrés à 6 faces
Proposition I.14. Si X, Y : Ω → E sont deux variables aléatoires de même loi, et f une fonction définie
sur E, alors f (X) et f (Y ) suivent la même loi.
Plus précisément, cette loi est donnée par :
X
∀A ∈ P (f (X(Ω))) , Pf (X) (A) = P(f (X) ∈ A) = P(X = x).
x∈X(Ω), f (x)∈A
Démonstration. immédiat
I.3 Variables aléatoires usuelles

Définition I.15 (loi uniforme). Étant donné E un ensemble fini non vide, on dit qu’une variable aléatoire
X sur Ω suit une loi uniforme sur E si :
|A|
X(Ω) = E et ∀A ⊂ E, P(X ∈ A) =
|E|
ce que l’on note X ∼ U(E).
Exemple I.16. Si on considère un dé équilibré à n faces, la loi qui donne le montant du dé suit la loi
U(J1; nK).
Définition I.17 (Loi de Bernoulli). Soit p ∈ [0; 1]. On dit qu’une variable aléatoire X sur Ω suit une loi
de Bernoulli de paramètre p si :
X(Ω) = {0; 1} et P(X = 1) = p, P(X = 0) = 1 − p
ce que l’on note X ∼ B(p).

Exemple I.18. On considère une pièce déséquilibrée, qui tombe sur Pile avec probabilité p (et Face avec
probabilité 1 − p). Alors la variable aléatoire qui vaut 1 si la pièce fait Pile et 0 sinon suit une loi de
Bernoulli de paramètre p.
Plus généralement, une expérience qui a deux issues peut-être modélisée par une variable aléatoire de
Bernoulli : par exemple si on considère une loterie avec 48 participant, si on considère la variable aléatoire
1
qui vaut 1 si on gagne et 0 si on perd, elle suit une loi de Bernoulli de paramètre p = 48 .
Définition I.19 (Loi binomiale). Soit p ∈ [0; 1] et n ∈ N∗ . On dit qu’une variable aléatoire X sur Ω suit
une loi binomiale de paramètres n et p si :

n k
X(Ω) = J0; nK et ∀k ∈ J0; nK, P(X = k) = p (1 − p)n−k
k
ce que l’on note X ∼ B(n, p).
Exemple I.20. On considère une pièce déséquilibrée, qui tombe sur Pile avec probabilité p (et Face avec
probabilité (1 − p)), qu’on lance n fois de manière indépendante. Alors la variable aléatoire du nombre
de Pile après les n lancers suit une loi binomiale de paramètres n et p.
Pour avoir X = k, on a à choisir les nk possibilités pour choisir les k lancers qui feront Pile et les (n − k)
lancers qui feront Face. Une fois ces choix, on a une probabilité de pk (par indépendance) que les lancers
choisis fassent Pile, et (1 − p)n−k que les autres donnent Face. Ce qui donne bien la loi voulue.
II Couples (et plus) de variables aléatoires

II.1 Lois conjointes et marginales
Définition II.1 (Couples de variables aléatoires). Étant donné deux variables aléatoires X : Ω → E et
Y : Ω → F , l’application :
Ω → E×F
(X, Y ) :
ω 7→ (X(ω), Y (ω))
est une variable aléatoire appelle couple de variables aléatoires sur Ω.
Remarque II.2. De manière analogue, on parle de n-uplets de variables aléatoires.
Définition II.3 (Lois conjointes et marginales). On considère (X, Y ) un couple de variables aléatoires sur
Ω:
1. la loi de la variable aléatoire (X, Y ) est appelée loi conjointe du couple (X, Y ) ;
2. les lois de X et de Y sont appelées respectivement première et seconde loi marginale du couple
(X, Y ).
Remarque II.4. Pour la loi conjointe, si (x, y) ∈ E × F , on notera P(X = x, Y = y) pour la probabilité
de l’événement [X = x] ∩ [Y = y].
Proposition II.5. Si (X, Y ) est un couple de variable aléatoire, alors :
X
∀x ∈ X(Ω), P(X = x) = P(X = x, Y = y)
y∈Y (Ω)
X
∀y ∈ Y (Ω), P(Y = y) = P(X = x, Y = y)
x∈X(Ω)
Démonstration. On applique la formule des probabilités totales aux systèmes complets d’événements
{[Y = y] | y ∈ Y (Ω)} et {[X = x] | x ∈ X(Ω)}.
Remarque II.6. Autrement dit, les lois marginales se déduisent de la loi conjointe. Mais la réciproque est
fausse : par exemple, si on lance deux dés équilibrés à 6 faces, et qu’on considère X la variable aléatoire
correspondant au montant du premier dé, et Y celle du second. Alors X et Y suivent la même loi, mais
les couples (X, X) et (X, Y ) ne suivent pas la même loi, puisque pour tous k, l ∈ J1; 6K on a :
1 δk,l
P(X = k, Y = l) = et P(X = k, X = l) =
36 6
II.2 Indépendance de variables aléatoires

Définition II.7. Si X : Ω → E et Y : Ω → F sont des variables aléatoires, on dit qu’elles sont indépen-
dantes si : pour tout A ∈ P(E) et B ∈ P(F ) les événements [X ∈ A] et [Y ∈ B] sont indépendants,
c’est-à-dire que :
P([X ∈ A] ∩ [Y ∈ B]) = P(X ∈ A)P(Y ∈ B)
et on note alors : X ⊥ Y .
Remarque II.8. La définition s’étend à davantage de variables aléatoires. Comme pour les événements, il
y a une différence entre le fait d’être mutuellement indépendants, ou d’être indépendant deux à deux.
Proposition II.9. Si X, Y sont deux variables aléatoires, elles sont indépendantes si, et seulement si, pour
tout (x, y) ∈ X(Ω) × Y (Ω) les événements [X = x] et [Y = y] sont indépendants, c’est-à-dire que :
P(X = x, Y = y) = P(X = x)P(Y = y).

III. ESPÉRANCE ET VARIANCE 473
Démonstration. Notons déjà que, si X et Y sont indépendants, en appliquant la définition aux singletons
{x} et {y} on a bien le résultat.
Réciproquement, si pour tout (x, y) ∈ X(Ω) × Y (Ω) on a P(X = x, Y = y) = P(X = x)P(Y = y). Soit
A ∈ P(X(Ω)) et B ∈ P(Y (Ω)). Alors par propriété des lois de variables aléatoires :
X X
P(X ∈ A) = P(X = x), P(Y ∈ B) = P(Y = y)
x∈A y∈B
X
P((X, Y ) ∈ A × B) = P([X ∈ A] ∩ [Y ∈ B]) = P([X = x] ∩ [Y = y])
(x,y)∈A×B
ce qui donne en faisant apparaı̂tre une somme double par produit :

P P
P(X ∈ A)P(Y ∈ B) = P(X = x) y∈B P(Y = y)
P x∈A
= P(X = x)P(Y = y)
P(x,y)∈A×B
= (x,y)∈A×B P([X ∈ A] ∩ [Y ∈ B])
donc X et Y sont bien indépendantes.

Remarque II.10. Le point important est que l’indépendance permet de passer de la loi conjointe aux lois
marginales.
Exemple II.11. Si X1 , . . . , Xn sont des variables aléatoires indépendantes suivant chacune une loi de Ber-
noulli de paramètre p, alors la variable aléatoire X1 + · · · + Xn suit une loi binomiale de paramètres n et
p.
Proposition II.12 (Lemme des coalitions). Si X1 , . . . , Xn sont des variables aléatoires indépendantes, et
m ∈ J1; nK tel que les variables aléatoires f (X1 , . . . , Xm ), g(Xm+1 , . . . , Xn ) sont bien définies, alors elles
sont indépendantes.
Démonstration. Découle du résultat précédent, en raisonnant avec les distributions de probabilités.
Exemple II.13. Si X1 , . . . , Xk sont des variables aléatoires indépendantes suivant des lois binomiales de
paramètres n1 et p, . . .,nk et p, alors :
k k
!
X X
Xi ∼ B ni , p .
i=1 i=1
III Espérance et variance

III.1 Espérance d’une variable aléatoire
Définition III.1. Si X est une variable aléatoire réelle ou complexe sur un ensemble fini Ω, on définit
son espérance comme : X
E(X) = xP(X = x)
x∈X(Ω)
Remarques III.2.
1. Si Ω est fini, alors X(Ω) également, donc la somme ci-dessus a toujours un sens. On verra l’année
prochaine, pour les variables aléatoires discrète, que l’on peut étendre la définition à des ensembles
X(Ω) dénombrables, à condition que la famille (xP(X = x))x∈X(Ω) soit sommable.
2. L’espérance se comporte comme une somme, donc également comme une intégrale, et on verra
qu’elle possède des propriétés communes avec ces deux autres notions.
3. L’espérance correspond à la moyenne des valeurs prises par X, pondérées par les probabilités as-
sociées : c’est donc un indicateur sur les valeurs prises par X en moyenne. On dira notamment
qu’une variable aléatoire est centrée si son espérance est nulle.
Théorème III.3 (Espérance des lois usuelles).

1 Pn
1. Si X suit une loi uniforme sur E = {x1 , . . . , xn } ⊂ C, alors : E(X) = xi .
n i=1
En particulier, si E = {m} (variable aléatoire constante) on a E(X) = m, et si E = Ja; bK (pour
a+b
a, b ∈ Z) on a : E(X) = .
2
2. Si X ∼ B(p), alors E(X) = p.
3. Si X ∼ B(n, p), alors E(X) = np.
Exemple III.4. Si A ⊂ Ω, la variable aléatoire 1A suit une loi de Bernoulli de paramètre P(A).
Proposition III.5. Si X est une variable aléatoire réelle ou complexe sur un espace probabilisé (Ω, P) fini,
alors : X
E(X) = X(ω)P({ω}).
ω∈Ω
Démonstration. Par sommation par paquets (cas de sommes finies), en notant que [X = x] = ∪ω∈Ω, X(ω)=x {ω}.
Proposition III.6 (Linéarité de l’espérance). Si X, Y sont deux variables aléatoires réelles ou complexes
sur Ω et λ, µ ∈ R (ou C), alors :
E [λX + µY ] = λE [X] + µE [Y ] .
En particulier, on a :
E(X) = E (Re(X)) + iE (Im(X)) .
Exemples III.7. somme de dés

espérance Binomiale à partir de Bernoulli
Proposition III.8 (Positivité de l’espérance). Si X est une variable aléatoire à valeurs dans R+ , alors :
E(X) ≥ 0
avec égalité si, et seulement si, P(X = 0) = 1.
Démonstration. somme de nombres positifs ou nuls

cas d’égalité donne P(X = a) = 0 si a > 0, et donc P(X = 0) = 1.
Remarque III.9. Presque sûrement nulle/constante
Corollaire III.10 (Croissance de l’espérance). Si X et Y sont deux variables aléatoires telles que X ≤ Y ,
alors E(X) ≤ E(Y ).
Démonstration. Par linéarité et positivité.
Proposition III.11 (Inégalité triangulaire).
|E(X)| ≤ E(|X|)
avec égalité ssi X d’argument (signe) constant.

Proposition III.12 (Théorème de transfert). Si X est une variable aléatoire sur Ω et f : X(Ω) → R, alors :
X
E (f (X)) = f (x)P(X = x)
x∈X(Ω)
Démonstration. Découle de la sommation par paquets.

Remarque III.13. application aux couples)
Corollaire III.14. Si X, Y sont deux variables aléatoires réelles, alors :
X
E(XY ) = xyP(X = x, Y = y)
(x,y)∈X(Ω)×Y (Ω)
En particulier, si X et Y sont indépendantes, alors :
E(XY ) = E(X)E(Y ).
Démonstration. on applique le transfert au couple (X, Y ) et à la fonction (x, y) 7→ xy.

En cas d’indépendance, on reconnait une somme double.
Remarque III.15. Généralisation à davantage de va indépendantes.
Théorème III.16 (Inégalité de Markov). Si X est une variable aléatoire positive et a > 0, alors :
E(X)
P(X ≥ a) ≤
a

a si X ≥ a
Démonstration. On pose Y = a · 1[X≥a] = .
0 si X < a
On a donc Y ≤ X, et par croissance de l’espérance :
E(Y ) ≤ E(X)
Mais par linéarité :

E(Y ) = a · E(1[X≥a] = a · P(X ≥ a)
ce qui donne bien l’inégalité de Markov en divisant par a > 0.
Remarque III.17. permet de localiser un peu mieux les variables aléatoires
III.2 Variance
Définition III.18 (Variance et écart type). Si X est une variable aléatoire réelle, on définit sa variance
comme :
V (X) = E (X − E(X))2

et son écart type comme : p

σ(X) = V (X).
On dira que X est réduite si V (X) = 1.
Remarque III.19. le “−E(X)” permet d’avoir une va centrée, puisque la variance permet d’avoir la dis-
persion d’une va, c’est-à-dire à quel point elle est en moyenne éloignée de sa moyenne (ici avec un écart
quadratique)
Plus généralement, on a les moments d’ordre k ∈ N définis par mk (X) = E(X k ), et les moments centrés
d’ordre k comme E (X − E(X))k , c’est-à-dire que la variance est le moment centré d’ordre 2.
Proposition III.20 (Formule de Koenig–Huygens). Si X est une variable aléatoire réelle, alors :
V (X) = E(X 2 ) − E(X)2
Démonstration. calcul direct en notant que (X − E(X))2 = X 2 − 2E(X)X + E(X)2 et en utilisant la

linéarité de l’espérance.
Proposition III.21. Si X est une va réelle, alors :

1. V (X) ≥ 0, avec égalité ssi X est ps constante (P(X = E(X)) = 1) ;
2. si a, b ∈ R, alors : V (aX + b) = a2 V (X).
Corollaire III.22. Si X est une variable aléatoire réelle qui n’est pas presque sûrement constante, alors la
X − E(X)
variable aléatoire Y = est bien définie, et est centrée réduite (E(Y ) = 0 et V (Y ) = 1).
σ(X)
Théorème III.23 (Variance des lois usuelles).
1. Si X suit une loi uniforme sur E fini, alors :

Si E = {m} (variable aléatoire constante) on a V(X) = 0.
(b − a + 1)2 − 1
Si E = Ja; bK (pour a, b ∈ Z) on a : V(X) = .
12
n2 − 1
En particulier, si E = JJ1; nK on a : V(X) = .
12
2. Si X ∼ B(p), alors V(X) = p(1 − p).
3. Si X ∼ B(n, p), alors E(X) = np(1 − p).
Théorème III.24 (Inégalité de Bienaymé–Tchebychev). Si X est une variable aléatoire réelle, pour tout
a > 0 on a :
V (X)
P (|X − E(X)| ≥ a) ≤
a2
Démonstration. On applique Markov à Y = (X − E(X))2 , qui est bien positive, avec a2 , en notant que :
[|X − E(X)| ≥ a] = Y ≥ a2

pour a > 0.
Exemple III.25. Application type ”loi des grands nombres” : on tire une pièce (peut-être truquée) qui tombe
sur pile avec probabilité p. On lance n fois cette pièce, et on note le nombre de Pile obtenus. On veut savoir
à quel point le résultat obtenu est fiable.
N
Si on note N le nombre de Pile obtenus, et F = la fréquence associée, alors N ∼ B(n, p) (par
n
indépendance des lancers), donc E(N ) = np puis par linéarité E(F ) = p.
Par Bienaymé–Tchebychev, si on veut savoir à 0, 01 près la valeur de p, on utilise que :
V (N ) np(1 − p) 10−4 2500

P (|F − p| ≥ 0.01) = P (|N − E(N )| ≥ 0.01) ≤ 2
= −4 2
= p(1 − p) ≤
(0.01n) 10 n n n
Donc si on veut avoir moins d’une chance sur 10 de faire une erreur de plus de 0, 01 sur la valeur de p, il
suffit de lancer 25000 fois la pièce et de regarder la fréquence d’apparition de Pile.
III.3 Covariance
Définition III.26 (Covariance). Si X, Y sont deux variables aléatoires réelles, on définit la covariance de
X et Y comme :
Cov(X, Y ) = E (X − E(X)) E (Y − E(Y )) .
On dira que X et Y sont décorrélées si Cov(X, Y ) = 0.
Proposition III.27 (Formule de Huygens). cov(X,Y) = E(XY)-E(X)E(Y)
Corollaire III.28. Si X, Y indépendantes, alors elles sont décorrelées.
Remarque III.29. Réciproque fausse. Contre exemple : X ∼ U({−1, 0, 1}) et Y = X 2 . On trouve que
cov(X, Y ) = 0, mais X = 0 ⇔ Y = 0 donc pas indépendantes.
Proposition III.30. L’application cov est une forme bilinéaire qui vérifie pour toutes variables aléatoires
X, Y :
1. cov(X, Y ) = cov(Y, X) (symétrie)
2. cov(X, X) = V (X) ≥ 0 (positivité)
Remarque III.31. Pas défini, donc pas un produit scalaire sur les va réelles. Mais c’en est un sur les va
centrées !
Proposition III.32. Si X, Y va réelles :
V(X + Y ) = V(X) + V(Y ) + 2Cov(X, Y ).
Corollaire III.33. Si X, Y indépendantes : V (X + Y ) = V (X) + V (Y ).

P P P
Corollaire III.34. V (P Xi ) = P V (Xi ) + 2 i<j Cov(Xi , Xj )
si indépendantes : V ( Xi ) = V (Xi ).
Démonstration. par récurrence
Remarque III.35. En prenant X1 , . . . , Xn indépendantes qui suivent une même loi de Bernoulli de para-
mètre p, on retrouve la variance d’une loi binomiale.
Chapitre 29
Fonctions à deux variables
On considère ici l’espace R2 , muni de sa structure euclidienne par son produit scalaire canonique, et on
note ∥ · ∥ la norme associée.
I Fonctions continues à deux variables

I.1 Topologie de R2 euclidien
Définition I.1 (Boules ouvertes/fermées). Si A ∈ R2 et r > 0, on définit la boule ouverte de centre A
et de rayon r comme :
Bo (A, r) = {x ∈ R2 | ∥x − A∥ < r}
A
Bo (A, r)
et la boule fermée de centre A et de rayon r comme :
Bf (A, r) = {x ∈ R2 | ∥x − A∥ ≤ r}.
A
Bf (A, r)
Remarque I.2. La boule ouverte (resp. fermée) de centre A de rayon r joue dans R2 le même rôle que
l’intervalle ouvert ]a−r, a+r[ (resp. le segment [a−r, a+r]) dans R. Et lien entre les boules ouvertes/fermées
est le même que celui entre les intervalles ouverts/fermés : on retire on on rajoute le bord.
Définition I.3 (Voisinage). Soit x ∈ R2 et U ⊂ R2 . On dit que U est un voisinage de x s’il existe r > 0
tel que : Bo (x, r) ⊂ U .
479
480 CHAPITRE 29. FONCTIONS À DEUX VARIABLES
r
x U
Bo (x, r)
Remarques I.4.
1. Si U est un voisinage de x, alors nécessairement x ∈ U .
2. La réciproque est fausse : si x ∈ U , U est un voisinage de x à moins que x soit “au bord” de U .
Et c’est l’intérêt de travailler avec des boules (ouvertes ou fermées), puisqu’elle ont des éléments
partout autour de leur centre.
Définition I.5 (Ouverts). Un sous-ensemble U de R2 est un ouvert s’il est un voisinage de chacun de ses
points, c’est-à-dire s’il vérifie l’une des conditions équivalentes suivantes :
∀x ∈ U, ∃r > 0, Bo (x, r) ⊂ U
∀x ∈ U, ∃r > 0, ∥x − y∥ < r ⇒ y ∈ U
Remarque I.6. Que ce soit pour les voisinages ou les ouverts, on peut changer les boules ouvertes par des
boules fermées dans les définitions. Le point important étant que, si x ∈ R2 et r > 0, alors : Bf (x, r/2) ⊂
Bo (x, r).
Exemples I.7.
1. Les boules ouvertes sont des ouverts.
Soit A ∈ R2 et r> 0. Montrons que
la boule ouverte U = Bo (A, r) est un ouvert. Soit donc x ∈ U .
r − ∥x − A∥
Alors on a : Bo x, ⊂ U . En effet, on a pour tout y ∈ R2 :
2

r − ∥x − A∥ r − ∥x − A∥
y ∈ Bo x, ⇒ ∥y − x∥ <
2 2
r − ∥x − A∥
⇒ ∥y − A∥ ≤ ∥y − x∥ + ∥x − A∥ ≤ + ∥x − A∥ ≤
inégalité triangulaire 2
⇒ y∈U
I. FONCTIONS CONTINUES À DEUX VARIABLES 481
x A
Bo (A, r)
2. Les boules fermées ne sont pas des ouverts.

Soit A ∈ R2 et r > 0. Montrons que la boule fermée V = Bf (A, r) n’est pas un ouvert. Prenons
x ∈ R2 tel que ∥x − A∥ = r et considérons ε > 0. Alors Bo (x, ε) ̸⊂ V , tandis que x ∈ V .
A + r + 2ε (x − A)

Prenons y = . Alors :
r
ε/2 ε/2
— ∥y − x∥ = r (x − A) = r ∥x−A∥ < ε;

r + ε/2 r + ε/2
— ∥y − A∥ (x − A) = ∥x−A∥ > r.

r r
ce qui montre bien que Bf (A, r) n’est pas un voisinage de x, donc n’est pas un ouvert.
x
y ε A
Bf (A, r)
Proposition I.8.
1. Une union (quelconque) d’ouverts est un ouvert.
2. Une intersection d’un nombre fini d’ouverts est un ouvert.
Démonstration. à faire
Remarque I.9. Le fait que les ouverts soient en nombre fini pour l’intersection est fondamental. Par
exemple on a :
∩n∈N∗ Bo (0, 1/n) = {0}
qui n’est pas un ouvert.
De plus, même si les ouverts sont inclus les uns dans les autres, une intersection infinie d’ouverts peut
être vide. Par exemple on a :
∩n∈N∗ Bo ((1/n, 0), 1/n) = ∅.
Définition I.10 (Fermés). Un sous-ensemble F ⊂ R2 est dit fermé si son complémentaire R2 \ F est un
ouvert.
Proposition I.11.
1. Une intersection quelconque de fermés est un fermé.
2. Une intersection d’un nombre fini de fermés est un fermé.
Démonstration. Comme pour les ouverts, ou comme corollaire en utilisant les règles de de Morgan.
Exemple I.12. Une boule fermée est un fermé.

x
A
Bf (A, r)
Remarques I.13.
1. On a exactement la même situation que sur R.
2. Comme dans R, il existe des ensembles qui ne sont ni ouverts, ni fermés. Par exemple, l’ensemble
R+ × R∗+ n’est ni ouvert, ni fermé.
À l’inverse, il existe des ensembles ouverts et fermés : il s’agit de ∅ et R2 , et ce sont les seuls.
I.2 Fonctions (continues) de R2 dans R.

Définition I.14 (Fonction à deux variables). On a appelle fonction à deux variables une application
d’un ensemble E ⊂ R2 dans R.
Son graphe est la surface S = {(x, y, f (x, y)) | (x, y) ∈ E}.
Si λ ∈ f (E), on appelle ligne (ou courbe) de niveau (associée à la valeur λ) l’ensemble : Γλ =
f −1 ({λ}) = {(x, y) | (x, y) ∈ E, f (x, y) = λ}.
Remarque I.15. En général, comme on le verra dans les exemples, les lignes de niveau sont des courbes,
mais ce n’est pas toujours le cas. Par exemple, si f est la fonction nulle sur R2 , alors Γ0 = {(x, y) | x, y ∈ R}
est le plan R2 .
Le cas général se comprend assez bien : on intersecte le graphe de f (qui se ressemble localement à un
plan) avec le plan d’équation z = λ, ce qui donne localement une intersection de deux plans distincts, donc
une droite. Et on garde la même structure en la projetant sur le plan d’équation z = 0, ce qui donne bien
une courbe.
Et c’est la méthode générale pour comprendre graphiquement les courbes de niveaux : la courbe Γλ est
la projection orthogonale (pour le produit scalaire canonique de R3 ) sur le plan d’équation z = 0 de
l’intersection du graphe de f avec le plan d’équation z = λ.
Exemples I.16.

R2 → R
1. Le plan d’équation x+y +z = 0 est le graphe de la fonction : f : . La ligne de
(x, y) 7→ −x − y
niveau associée à la valeur 0 est : Γ0 = {(a, −a) | a ∈ R} = {(x, y) ∈ R2 | x + y = 0} (qui est même
une droite). Et plus généralement, pour tout λ ∈ R on a : Γλ = {(a − λ, −a) | a ∈ R} = {(x, y) ∈
R2 | x + y + λ = 0}. Donc les lignes de niveaux sont exactement les droites du plan de pente −1.
Γ0 Γ−1 Γ−2 Γ−3

4
f (x, y) = 3
4 Γ1 3
f (x, y) = 2
3 z Γ2 2
2 f (x, y) = 1
y Γ3 1 y
1 f (x, y) = 0 x x
−4 −3 −2 −1 1 2 3 4
0 f (x, y) = −1
−1
−1 f (x, y) = −2
−4
−3 −2
−2 f (x, y) = −3 −2
−1
0
−3 1 −3
2
3
−4
−4 −3 −2 −1 0 1 2 3 4 4 −4

R2 → R
2. La fonction g : a pour graphe l’hyperboloı̈de de révolution d’axe (Oz) d’équa-
(x, y) 7→ x2 + y 2
tion : z = x2 + y 2 .
Pour tout λ ∈ R+ , la ligne de niveau associée est un cercle : Γλ = {(x, y) | x2 + y 2 = λ}. Et les
lignes de niveau sont même exactement les cercles de centre (0, 0), comme Img = R+ .
8
2
7
6
f (x, y) = 4 1 y
5
f (x, y) = 3
4 Γ4 Γ3 Γ2 Γ1 x
f (x, y) = 2
−2 −1 1 2
3
f (x, y) = 1
2 z
−1
1 y −2
−1
0
x 1
0
−2 −1 0 1 2 2 −2
Proposition I.17. L’ensemble des courbes de niveau non vides forme une partition de l’ensemble de défi-
nition de f .
Remarque I.18. La partition correspond à la relation d’équivalence sur Df définie par :
(x, y) ∼ (x′ , y ′ ) ⇔ f (x, y) = f (x′ , y ′ ).
Définition I.19 (Continuité d’une fonction à deux variables). Une fonction à deux variables f définie sur
un ensemble E est dite continue en a ∈ E si :
∀ε > 0, ∃η > 0, ∀(x, y) ∈ E, ∥(x − y) − a∥ ≤ η ⇒ |f (x, y) − f (a)| ≤ ε.
Remarque I.20. Les inégalités qui apparaissent dans l’implication peuvent être remplacées par des inégalités
strictes sans changer la définition. Et on peut ainsi reformuler la définition avec des boules (ouvertes ou
fermées) :
∀ε > 0, ∃η > 0, f (Bo (a, η)) ⊂ Bo (f (a), ε)
où Bo (a, η) = {(x, y) ∈ R2 | ∥(x, y) − a∥ < η} (boule ouverte au sens de R2 ) et Bo (f (a), ε) = {x ∈
R | |x − f (a)| < ε} =]f (a) − ε; f (a) + ε[ (boule ouverte au sens de R).
Définition I.21. Une fonction à deux variable est dite continue si elle est continue en tout point de son
ensemble de définition.
Théorème I.22. Si f : U → R est une fonction à deux variables définie sur U ouvert de R2 , alors f est
continue si, et seulement si, l’image réciproque de tout ouvert (au sens de R) est un ouvert (au sens de
R2 ).
Remarque I.23. Que ce soit pour le théorème ou pour la définition, on retrouve une situation analogue à
celle sur R : l’image réciproque par une application continue d’un voisinage est un voisinage. Le point clé
de la démonstration du théorème est que l’on peut écrire un ouvert (de R comme de R2 ) comme une union
(éventuellement infinie) de boules ouvertes, et qu’une union (finie ou non) d’ouverts est un ouvert.
Exemple I.24. La fonction f définie sur R2 par :
R2 → R

xy

 (
f: si (x, y) ̸= (0, 0)
 (x, y) 7→
 x + y2
2
0 si (x, y) = (0, 0)
n’est pas continue en (0, 0).

On peut voir que :
— si x ̸= 0 : f (x, 0) = 0 → 0 ;
x→0
— si y ̸= 0 : f (0, y) = 0 → 0.
y→0
Donc la seule valeur de f (0, 0) pour que f soit continue serait 0.
Soit (x, y) ∈ R2 \ {(0, 0)}. Considérons ρ ≥ 0 et θ ∈ R tels que : (x, y) = (ρcos(θ), ρsin(θ)) (ce qui revient
à raisonner en coordonnées polaires). Alors faire tendre (x, y) vers (0, 0) revient à faire tendre ρ vers 0.
ρ2 cos(θ)sin(θ)
Mais on a : f (ρcos(θ), ρsin(θ)) = = cos(θ)sin(θ).
ρ2
π
Et on trouve par exemple pour θ = que :
4
1
f (ρcos(θ), ρsin(θ)) = ̸→ 0 = f (0, 0)
2 ρ→0
ce qui montre bien que f n’est pas continue en 0.
Remarque I.25. L’utilisation du passage en coordonnées polaires est souvent efficace pour étudier la conti-
nuité d’une fonction en (0, 0). Cela permet de se ramener à la recherche d’une limite pour ρ tendant vers
0, de manière indépendante du choix de θ.
Et on peut se ramener à cette situation dans le cas général : si on veut étudier la continuité en a ∈ R2 ,
on pose (x, y) = a + (ρcos(θ), ρsin(θ)).
Le point important est que l’on veut tendre vers a (ou vers (0, 0) si on reprend l’exemple précédent)
suivant toutes les directions. Et même avec des chemins tortueux (ce qui revient à faire varier θ), en
prenant seulement garde au fait que ρ tend vers 0.
Exemples I.26.
1. Les fonctions constantes sont continues : on peut voir que, dans la définition, tout η convient, peu
importe la valeur de ε.
2
R → R
2. La norme ∥ · ∥ : est une application continue.
x 7→ ∥x∥
Par inégalité triangulaire, on a en effet pour tout x, a ∈ R2 et tout ε > 0 que :
∥x − a∥ ≤ ε ⇒ |∥x∥ − ∥a∥| ≤ ε.
∥a∥ + ε
∥a∥ − ε ε a
3. Les projections :
R2 → R R2 → R
et
(x, y) 7→ x (x, y) 7→ y
sont également continues.
Par exemple, pour la première, on a pour tous x, y, a, b ∈ R :
p p
∥(x, y) − (a, b)∥ = (x − a)2 + (y − b)2 ≥ (x − a)2 = |x − a|.
Et ainsi, pour tout ε > 0 :
∥(x, y) − (a, b)∥ ≤ ε ⇒ |x − a| ≤ ε.
Remarque I.27. Le dernier exemple s’inscrit dans un résultat plus général : toute application linéaire sur
un espace de dimension finie est continue.
Proposition I.28. La somme, le produit, le quotient, la composée et la combinaison linéaire d’applications
continues (à deux variables ou à variables réelles) sont continues dès lors qu’elles sont bien définies.
Démonstration. Se montre comme dans le cas réel.
Pn Pm
Corollaire I.29. Les fonctions polynomiales sur R2 , c’est-à-dire de la forme : (x, y) 7→ i=0 j=0 ai,j xi y j
pour n, m ∈ N et (ai,j ) famille de réels, sont continues sur R2 .
Démonstration. C’est directement une combinaison linéaire de produits itérés des applications (x, y) 7→ x
et (x, y) 7→ y.
Corollaire I.30. Si f, g sont des fonctions continues sur R (ou un sous-ensemble de R), alors les fonctions
(x, y) 7→ f (x) + g(y) et (x, y) 7→ f (x) · g(y) sont continues sur leur ensemble de définition.
Démonstration. Par continuité d’une composée, puis par continuité d’une somme ou d’un produit, en
composant f et g avec les applications (x, y) 7→ x et (x, y) 7→ y pour voir que (x, y) 7→ f (x) et (x, y) 7→ g(y)
sont continues (en tant que fonctions à deux variables).
II. DÉRIVÉES PARTIELLES 487
II Dérivées partielles
II.1 Fonctions partielles et dérivées partielles
Définition II.1 (Fonctions partielles). Si f : U → R pour U ⊂ R2 est une fonction à deux variables, et
(x0 , y0 ) ∈ U , on appelle première fonction partielle (resp. seconde fonction partielle) de f la fonction
x 7→ f (x, y0 ) (resp. la fonction y 7→ f (x0 , y).
Remarque II.2. En pratique, on travaillera avec des fonctions définies sur des ouverts. Si on reprend les
notations, et que l’on note r > 0 tel que Bo ((x0 , y0 ), r) ⊂ U , alors les fonction partielles de f sont définies
sur les intervalles ]x0 − r; x0 + r[ et ]y0 − r, y0 + r[), ce qui permet de faire une étude locale en x0 et en y0
(étude de dérivabilité par exemple). Il suffit en fait que U soit un voisinage de (x0 , y0 ).
Définition II.3 (Dérivées partielles). Avec les mêmes notations, et en supposant U ouvert, on dit que f
admet une dérivée partielle en (x0 , y0 ) suivant la première (resp. la seconde) variable si la première
(resp. la seconde) fonction partielle de f en y0 (resp. en x0 ) est dérivable en x0 (resp. en y0 ).
∂f ∂f
On note alors (x0 , y0 ) et (x0 , y0 ) les nombres dérivés ainsi obtenus, appelés dérivées partielles de f .
∂x ∂y
Remarque II.4. Les dérivées partielles d’une fonction à deux variables s’expriment comme dérivées de
fonctions à variable réelle, et donc comme limite de taux d’accroissement. On a concrètement :
∂f f (x, y0 ) − f (x0 , y0 ) f (x0 + h, y0 ) − f (x0 , y0 )



 (x0 , y0 ) = lim = lim
∂x x→x0 x − x0 h→0 h
∂f f (x 0 , y) − f (x 0 , y0 ) f (x 0 , y0 + h) − f (x0 , y0 ) .
(x0 , y0 ) = lim = lim


∂y y→y0 y − y0 h→0 h
Remarque II.5. Le fait de ne regarder que les fonctions partielles fait perdre beaucoup d’information par
rapport à f . Par exemple, une fonction qui admet des dérivées partielles suivant les deux variables n’est
même pas nécessairement continue.
On peut reprendre la fonction f définie sur R2 par :
R2 → R

xy

 (
f: 2 + y2
si (x, y) ̸= (0, 0)
 (x, y) →
7 x
0 si (x, y) = (0, 0)

dont on a vu qu’elle n’est pas continue en (0, 0).

Ses fonctions partielles en (0, 0) sont les fonctions :
φ : x 7→ f (x, 0) = 0 et ψ : y 7→ f (0, y) = 0
qui sont constantes, donc dérivables de dérivée nulle. Et ainsi f admet bien des dérivées partielles en 0,
et plus précisément :
∂f ∂f
(0, 0) = φ′ (0) = 0 et (0, 0) = ψ ′ (0) = 0.
∂x ∂y
Proposition II.6. La somme, le produit, le quotient, la composée et la combinaison linéaire d’applica-
tions admettant des dérivées (partielles pour les fonctions à deux variables, classique pour les fonctions à
variables réelles) admettent également des dérivées (au même sens) dès lors qu’elles sont bien définies.
Remarque II.7. Le calcul explicite de ces dérivées (partielles ou non) se fait en reprenant les définitions, et
en passant éventuellement par les fonctions partielles, ce qui ramène le calcul à des dérivées de fonctions à
variables réelles, donc on connaı̂t le comportement vis-à-vis des produits, quotients, combinaisons linéaires,
etc.
Définition II.8 (Gradient). Si f : U → R, pour U ouvert de R2 , admet des dérivées partielles en (x0 , y0 ) ∈
U , on appelle gradient de f en (x0 , y0 ) le vecteur :

∂f ∂f
∇f (x0 , y0 ) = (x0 , y0 ), (x0 , y0 ) .
∂x ∂y
Remarque II.9. Le principal intérêt du gradient est de pouvoir manipuler simultanément les deux dérivées
partielles d’une fonction. Et la dérivation de combinaisons linéaires ou de produits s’énonce alors facile-
ment. Par exemple, si f, g sont deux fonctions à deux variables admettant des dérivées partielles (donc un
gradient) en (x0 , y0 ), et λ, µ ∈ R, alors :
∇(λf +µg)(x0 , y0 ) = λ∇f (x0 , y0 )+µ∇g(x0 , y0 ) et ∇(f ·g)(x0 , y0 ) = g(x0 , y0 )∇f (x0 , y0 )+f (x0 , y0 )∇g(x0 , y0 ).
II.2 Fonctions de classe C 1 sur un ouvert de R2

Définition II.10 (Fonction de classe C 1 ). Une fonction à deux variables f : U → R, pour U ouvert de R2
est dite (de classe) C 1 si elle admet des dérivées partielles continues sur U .
Remarque II.11. Les dérivées partielles d’une fonction à deux variables sont également des fonctions à
deux variables : c’est donc dans ce sens qu’on entend la continuité.
Proposition II.12. La somme, le produit, le quotient, la composée et la combinaison linéaire d’applications

C 1 (à deux variables ou à variables réelles) sont C 1 dès lors qu’elles sont bien définies.
Exemples II.13.
1. Si f, g sont deux fonctions (à variable réelle) C 1 sur R , alors les applications :
φ : (x, y) 7→ f (x) + g(y) et ψ : (x, y) 7→ f (x)g(y)
sont C 1 sur R2 .
On a en effet les dérivées partielles :

∂φ ∂φ ∂ψ ∂ψ
(x, y) = f ′ (x) (x, y) = g ′ (y) et (x, y) = g(y)f ′ (x) (x, y) = f (x)g ′ (y)
∂x ∂y ∂x ∂y
qui sont bien des fonctions continues sur R2 .

2. Considérons l’application f : (x, y) 7→ ax + by, pour a, b ∈ R (c’est-à-dire
que f est l’application
2
linéaire de R dans R dont la matrice dans les bases canoniques est a b ).
Alors on a les dérivées partielles :
∂f ∂f
(x, y) = a et (x, y) = b
∂x ∂y
qui sont bien continues (en tant que fonctions constantes). Et on a même : ∇f (x, y) = (a, b).
3. Si f : (x, y) 7→ i,j ai,j xi y j est une fonction polynomiale, alors elle admet les dérivées partielles :
P
∂f X ∂f X
(x, y) = ai,j · i · xi−1 y j et (x, y) = ai,j · j · xi y j−1
∂x i≥1,j
∂y j≥1,i
qui sont continues (en tant que fonctions polynomiales), donc les fonctions polynomiales (sur R2 )
sont de classe C 1 .
II. DÉRIVÉES PARTIELLES 489
II.3 Formules de Taylor

Théorème II.14 (Formule de Taylor à l’ordre 1). Soit f une fonction de classe C 1 sur un ouvert U de R2 .
On considère (x0 , y0 ) ∈ U . Alors pour tout (h, k) ∈ R2 tel que (x0 + h, y0 + k) ∈ U , on a :
∂f ∂f
f (x0 + h, y0 + k) = f (x0 , y0 ) + (x0 , y0 )h + (x0 , y0 )k + o (∥(h, k)∥)
∂x ∂y
où o (∥(h, k)∥) = ∥(h, k)∥ · ε(h, k) avec ε(h, k) → 0.
(h,k)→(0,0)
Démonstration. en intégrant les inégalités de continuité sur un chemin bien choisi
(x0 + h, y0 + k)
U
(x0 , y0 ) (x0 + h, y0 )
Remarques II.15.
1. Le fait de travailler sur un ouvert U fait que l’on peut légitimement étudier f (x, y) pour (x, y) proche
de (x0 , y0 ), c’est-à-dire pour (h, k) proche de (0, 0).
2. Si on reprend les mêmes notations, la formule de Taylor s’exprime à l’aide du gradient comme :
f ((x0 , y0 ) + (h, k)) = f (x0 , y0 ) + ⟨∇f (x0 , y0 ), (h, k)⟩ + o (∥(h, k)∥)
Corollaire II.16. Une fonction C 1 est continue.

Démonstration. En passant à la limite dans la formule de Taylor.
Remarques II.17.
1. Ces résultats marque la différence entre les fonctions à deux variables et les fonctions à variable
réelle : alors qu’il suffisait d’être dérivable pour être continu et avoir un développement limité d’ordre
1 dans le cas réel, les dérivées partielles ne suffisent pas pour les fonctions à deux variables (qui ne
sont même pas continues a priori).
2. On peut s’intéresser aux fonctions qui coı̈ncident avec leur développement de Taylor à l’ordre 1.
Dans le cas réel, il s’agissait des fonctions affines. Dans le cas des fonctions à deux variables
aussi : il s’agit des fonctions affines sur R2 , c’est à dire de la forme (x, y) 7→ a + f (x, y), où a est
un réel quelconque, et f est une forme linéaire sur R2 .
Définition II.18 (Plan tangent). Si f est une fonction de classe C 1 sur un ouvert U de R2 , et (x0 , y0 ) ∈ U ,
on appelle plan tangent à la surface d’équation z = f (x, y) le plan d’équation :
∂f ∂f
z − z0 = (x0 , y0 )(x − x0 ) (x0 , y0 )(y − y0 )
∂x ∂y
où on a posé z0 = f (x0 , y0 ).
Remarque II.19. Du fait de la formule de Taylor, le plan tangent correspond à la meilleure approximation
du graphe de f (qui n’est autre que la surface d’équation z = f (x, y)) par un plan. Le terme de plan
“tangent” permet de faire l’analogie avec le cas réel : la dérivée d’une fonction permet d’exprimer sa
tangente, qui est la droite qui approxime le mieux sa courbe.

R2 → R
Exemple II.20. Considérons la fonction : f : , qui est de classe C 1 (en tant que
(x, y) 7→ x2 + y 2
fonction polynomiale). Alors pour tout (x, y) ∈ R2 on a : ∇f (x, y) = (2x, 2y).
Le plan tangent au point (x0 , y0 ) est donc le plan d’équation :
z − (x20 + y02 ) = 2x0 (x − x0 ) + 2y0 (y − y0 )
c’est-à-dire : 2x0 x + 2y0 y − z = x20 + y02 .
3
(x0 , y0 , z0 )
2
1 −2
−1
0
0 1
−2 −1 0 1 2 2
III Manipulation de fonctions de classe C 1

III.1 Dérivée directionnelle
Définition III.1 (Dérivée directionnelle). Si f : U → R pour U ouvert de R2 , et v ∈ R2 , on dit que f a
une dérivée (directionnelle) suivant le vecteur v en (x0 , y0 ) ∈ U si la quantité :
f ((x0 , y0 ) + tv) − f (x0 , y0 )
lim
t→0 t
existe et est finie.
On note alors ∂v f (x0 , y0 ) cette limite.
Remarque III.2. La dérivée directionnelle revient à la dérivée en 0 de la fonction (réelle) t 7→ f ((x0 , y0 ) +
tv). Cette fonction est d’ailleurs bien définie en 0, comme on travaille sur un ouvert, et donc pour t
suffisamment petit on a bien (x0 , y0 ) + tv ∈ U .
Exemple III.3. Pour v = (1, 0), on a pour tout t ̸= 0 :
f ((x0 , y0 ) + tv) − f (x0 , y0 ) f (x0 + t, y0 ) − f (x0 , y0 )
=
t t
et donc f a une dérivée directionnelle suivant v = (1, 0) en (x0 , y0 ) si, et seulement si, elle a une première
dérivée partielle en (x0 , y0 ).
III. MANIPULATION DE FONCTIONS DE CLASSE C 1 491
De même, elle a une seconde dérivée partielle si, et seulement si, elle a une dérivée suivant le vecteur
(0, 1).
Et on a même égalité entre dérivée partielle et dérivée directionnelle correspondante dans ces deux cas,
sous réserve d’existence.
Proposition III.4. Si f est de classe C 1 sur un ouvert U de R2 , alors elle admet des dérivées partielles
suivant tout vecteur en tout point. Plus précisément, la dérivée suivant le vecteur u = (u1 , u2 ) en (x0 , y0 )
est :
∂f ∂f
∂u f (x0 , y0 ) = ⟨∇f (x0 , y0 ), u⟩ = (x0 , y0 )u1 + (x0 , y0 )u2 .
∂x ∂y
Démonstration. Par formule de Taylor.
Remarque III.5. Le terme de dérivée directionnel est un peu trompeur, puisque ce n’est pas seulement
la direction de u qui importe, mais aussi son sens et sa norme. Plus précisément, si u ∈ R2 et λ ∈ R,
avec f qui admet une dérivée directionnelle suivant le vecteur u en (x0 , y0 ), alors elle admet une dérivée
directionnelle suivant le vecteur λu, et on a :
∂λu f (x0 , y0 ) = λ∂u f (x0 , y0 ).
III.2 Utilisation de courbes paramétrées

Proposition III.6. Soient f : U → R, pour U ouvert de R2 , une fonction de classe C 1 , et x, y : I → R,
pour I intervalle de R, deux fonctions de classe C 1 telles que : ∀t ∈ I, (x(t), y(t)) ∈ U . Alors la fonction
F : t 7→ f (x(t), y(t)) est C 1 sur I avec :
∂f ∂f
∀t ∈ I, F ′ (t) = (x(t), y(t)) · x′ (t) + (x(t), y(t)) · y ′ (t) = ⟨∇f (x(t), y(t)), (x′ (t), y ′ (t))⟩ .
∂x ∂y
Démonstration. Par formule de Taylor de x et y, qu’on réinjecte dans celle de f , on trouve une formule de
Taylor pour F . Ceci donne bien la dérivée de F annoncée, qui est bien continue (comme somme, produit
et composée de fonctions continues), ce qui donne bien que F est C 1 .
Remarque III.7. L’idée derrière est de bien choisir les fonctions x et y pour que l’ensemble {(x(t), y(t)) | t ∈
I} (qui est en toute généralité une courbe) donne un ensemble intéressant.
Par exemple, si on considère le cercle de centre (x0 , y0 ) et de rayon r ∈ R, on peut utiliser l’un des
paramétrages suivants :
2

 x(t) = x0 + r 1 − t

x(t) = x0 + rcos(t) 1 + t2 , t ∈ R
, t ∈ [0; 2π] ou
y(t) = y0 + rsin(t)  y(t) = y0 + r 2t

1 + t2
Exemple III.8. Reprenons
la fonction f : (x, y) 7→ x2 + y 2 . Prenons r ∈ R, et considérons x, y définies sur
x(t) = rcos(t)
R par : ∀t ∈ R, (c’est-à-dire que l’on utilise une paramétrisation du cercle de centre
y(t) = rsin(t)
(0, 0) de rayon |r|). ′
1 x (t) = −rsin(t)
Alors x, y sont C sur R avec : ∀t ∈ R, . De sorte que la fonction F : t 7→
y ′ (t) = rcos(t)
f (x(t), y(t)) est C 1 sur R avec :
∀t ∈ R, F ′ (t) = ⟨∇f (x(t), y(t)), (x′ (t), y ′ (t))⟩ = −2r2 cos(t)sin(t) + 2r2 cos(t)sin(t) = 0
donc F est constante.

Ce qui est bien cohérent avec l’étude des lignes de niveaux de f , dont la projection sur le plan (Oxy) sont
exactement les cercles de centre O.
Corollaire III.9. Si γ : I → U est une courbe paramétrée de classe C 1 , et f : U → R est une fonction à
deux variables de classe C 1 , alors f ◦ γ est de classe C 1 sur I, avec :
∀t ∈ I, (f ◦ γ)′ (t) = ⟨∇f (γ(t)), γ ′ (t)⟩ .
Remarque III.10. Ce n’est qu’une reformulation du résultat précédent, mais cela permet de retrouver
sensiblement la même formule que la dérivée d’une composée (pour les fonctions réelles), à la différence
près que le produit usuel de R a été remplacé par le produit scalaire.
Corollaire III.11. Les gradients sont orthogonaux aux lignes de niveaux.
Démonstration. Considérons f : U → R de classe C 1 , pour U ouvert de R2 , Γλ une ligne de niveau de f ,
et γ : I → U de classe C 1 telle que : ∀t ∈ I, γ(t) ∈ Γλ .
Alors l’application F = f ◦ γ est constante, de valeur λ. Donc sa dérivée est nulle, ce qui donne que :
⟨∇f (γ(t)), γ ′ (t)⟩ = 0, donc ∇f (γ(t)) et γ ′ (t) sont bien orthogonaux pour tout t.
Le premier vecteur est directement le gradient, tandis que le second est tangent à la courbe γ. Ce qui
donne bien le résultat.
Remarque III.12. Plus généralement, les valeurs prises par f grandissent d’autant plus vite sur une courbe
que celle-ci va dans le même sens que le gradient.
Exemple III.13. Reprenons la fonction f : (x, y) 7→ x2 + y 2 et les notations de l’exemple précédent.
Suivant la paramétrisation utilisée, le vecteur tangent à Γr2 en (x0 , y0 ) est le vecteur (−y0 , x0 ), qui est bien
orthogonal au gradient à f en (x0 , y0 ) puisque l’on a : ∇f (x0 , y0 ) = (2x0 , 2y0 ).
∇f (x0 , y0 ) = (2x0 , 2y0 )
(x′0 , y0′ ) = (−y0 , x0 )
(x0 , y0 )
Γr1 , r1 < r2
Γr2
Γr3 , r3 > r2
Corollaire III.14. Soient f, φ, ψ des fonctions à deux variables de classe C 1 , telles que : g : (u, v) 7→
f (φ(u, v), ψ(u, v)) est bien définie. Alors g est de classe C 1 , avec :
∂g ∂f ∂φ ∂f ∂ψ
(u, v) = (φ(u, v), ψ(u, v)) (u, v) + (φ(u, v), ψ(u, v)) (u, v)
∂x ∂x ∂x ∂y ∂x
∂g ∂f ∂φ ∂f ∂ψ
(u, v) = (φ(u, v), ψ(u, v)) (u, v) + (φ(u, v), ψ(u, v)) (u, v)
∂y ∂x ∂y ∂y ∂y
Démonstration. On applique le résultat précédent avec x : t 7→ φ(u + t, v) et ψ : t 7→ ψ(u + t, v) pour
avec la première dérivée partielle, et avec x : t 7→ φ(u, v + t) et ψ : t 7→ ψ(u, v + t) pour la seconde, ce qui
donne bien les expressions des dérivées partielles de g, qui sont bien C 1 comme on reconnaı̂t des sommes,
produits ou composées de fonctions continues.
Remarques III.15.
∂g
1. Il faut bien prendre garde au fait que la dérivée partielle veut dire que l’on dérive par rapport
∂x
à la première variable de g. Avec les notations de l’énoncé, cela revient à dériver l’expression
∂g
f (φ(u, v), ψ(u, v)) par rapport à u. Et pour éviter les confusions, on pourra parfois écrire au
∂u
∂g
lieu de .
∂x
2. Comme les calculs de dérivées de composées dans le cas réel, l’intérêt est de simplifier un problème
différentiel (d’équation différentiel ou de calcul d’intégrale) par un changement de variable adapté.
Exemple III.16. Considérons les applications φ, ψ définies par :
∀(r, θ) ∈ R∗+ ×]0; π[, (φ(r, θ), ψ(r, θ)) = (rcos(θ), rsin(θ))
ce qui revient à paramétrer en polaire l’ensemble R × R∗+ par des applications C 1 .

On considère f de classe C 1 sur R × R∗+ , et on définit la fonction g sur R∗+ ×]0; π[ par :
∀(r, θ) ∈ R∗+ ×]0; π[, g(r, θ) = f (rcos(θ), rsin(θ)).
Alors g est de classe C 1 sur R∗+ ×]0; π[ et pour tout (r, θ) ∈ R∗+ ×]0; π[ on a :
∂g ∂f ∂φ ∂f ∂ψ
(r, θ) = (rcos(θ), rsin(θ)) (r, θ) + (rcos(θ), rsin(θ)) (r, θ)
∂r ∂x ∂r ∂y ∂r
∂f ∂f
= (rcos(θ), rsin(θ))cos(θ) + (rcos(θ), rsin(θ))sin(θ)
∂x ∂y
∂g ∂f ∂φ ∂f ∂ψ
(r, θ) = (rcos(θ), rsin(θ)) (r, θ) + (rcos(θ), rsin(θ)) (r, θ)
∂θ ∂x ∂θ ∂y ∂θ
∂f ∂f
= (rcos(θ), rsin(θ)) · (−rsin(θ)) + (rcos(θ), rsin(θ)) · (rcos(θ))
∂x ∂y
Utilisons la fonction g = f ◦ (φ, ψ) pour trouver toutes les fonctions f de classe C 1 de R × R∗+ dans R2
telles que :
∂f ∂f p
∀(x, y) ∈ R × R∗+ , x (x, y) + y (x, y) = x2 + y 2 .
∂x ∂y
Considérons f une fonction de classe C 1 . Alors elle vérifie l’équation précédente si, et seulement si, la
fonction g construite ci-dessus vérifie :
∂g ∂f ∂f p
∀(r, θ) ∈ R∗+ ×]0; π[, r = rcos(θ) (rcos(θ), rsin(θ)) + rsin(θ) (rcos(θ), rsin(θ)) = x2 + y 2
∂r | {z } ∂x | {z } ∂x | {z }
=x =y =r
c’est-à-dire si, et seulement si, la fonction g ainsi construite vérifie :

∂g
∀(r, θ) ∈ R∗+ ×]0; π[, = 1.
∂r
C’est le cas si, pour tout θ ∈]0; π[, il existe un réel λθ (dépendant de θ a priori) tel que :
∀r ∈ R∗+ , g(r, θ) = r + λθ .
Et donc les fonctions g correspondant aux solutions sont exactement les fonctions de la forme :
∗
R+ ×]0; π[ → R
g:
(r, θ) 7→ r + h(θ)
pour h fonction de classe C 1 de ]0; π[ dans R.

On revient alors à f facilement, ce qui dit que les fonctions f cherchées sont toutes de la forme :
 ∗
 R × R+ → R
 !!
f: p x
 (x, y) 7→
 x2 + y 2 + h Arccos p
x2 + y 2
pour h fonction de classe C 1 de ]0; π[ dans R.
Remarque III.17. On a ici restreint les ensembles d’étude de sorte que l’application (φ, ψ) réalise une
bijection de R∗+ ×]0; π[ dans R × R∗+ : ceci n’est pas obligatoire, comme pour les changements de variables,
mais permet plus facilement de travailler dans les deux sens (passer de f à g et inversement). Sinon, il
faudrait procéder par analyse–synthèse.
III.3 Extrema
Définition III.18 (Extrema). Si f est définie sur un sous-ensemble A de R2 , à valeurs dans R, et a ∈ A,
on dit que :
1. f possède un maximum (global) en a si :
∀x ∈ A, f (x) ≤ f (a)
et on dit de plus que maximum est strict si on a de plus : f (x) = f (a) ⇔ x = a ;

2. f possède un maximum local en a s’il existe ε > 0 tel que f |Bo (a,ε)∩A possède un maximum en a,
c’est-à-dire si :
∃ε > 0, ∀x ∈ Bo (a, ε) ∩ A, f (x) ≤ f (a);
et ce maximum est dit strict s’il est strict au sens précédent pour f |Bo (a,ε)∩A quitte à réduire la
valeur de ε.
On définit de manière analogue la notion de minimum (local ou global, strict ou non) en inversant
l’inégalité précédente.
On parlera plus généralement d’extremum (local ou global, strict ou non).
Définition III.19 (Point critique). Si f est une fonction de classe C 1 sur un ouvert U de R2 , et a ∈ U , on
dit que f possède un point critique en a si : ∇f (a) = 0, c’est-à-dire si :
∂f ∂f
(a) = (a) = 0.
∂x ∂y
Théorème III.20. Si f est définie sur un ouvert U de R2 et a ∈ U , tels que f possède un extremum en a
et que f est C 1 sur un voisinage de a, alors f admet un point critique en a.
Démonstration. Il suffit d’utiliser le résultat correspondant pour les fonctions à variable réelle, qu’on
applique aux fonctions partielles de f , qui sont bien C 1 sur un voisinage de a et qui possèdent également
un extremum en a.
Remarques III.21.
1. Comme sur R, le fait d’avoir un point critique est une condition nécessaire mais non suffisante pour
avoir un extremum. De plus, la nature de cet éventuel extremum nécessite de faire une étude plus
poussée de f (par développement limités par exemple pour avoir un extremum local, ou par des jeux
de réécriture pour un extremum global). Et du fait de l’équation du plan tangent, un point critique
correspond à un point sur le graphe en lequel le plan tangent horizontal.
2. Le fait d’être C 1 et de travailler sur un ouvert est fondamental. Ainsi, pour étudier les extrema
d’une fonction qui ne serait pas C 1 partout, et qui ne serait pas définit sur un ouvert, ou étudiera
d’un côté les points en lesquels f n’est pas C 1 , et les points au bord (qui peuvent être des extrema
sans être des points critiques), et dans un second temps les points critiques (qui sont les seuls lieux
possibles d’existence d’extrema).
Exemples III.22.

R2 → R
1. Considérons f : . Alors f est C 1 sur R2 , qui est un ouvert : tous les extrema
(x, y) 7→ x2 + y 2
de f sont des points critiques.
Mais pour (a, b) ∈ R2 , on a :
∇f (a, b) = 0 ⇔ (2a, 2b) = (0, 0) ⇔ a = b = 0
donc (0, 0) est le seul point critique de f , et donc le seul extremum possible.
Mais f (0, 0) = 0, qui est un minimum global strict car :
∀(x, y) ∈ R2 , f (x, y) = x2 + y 2 ≥ 0 et f (x, y) = 0 ⇔ x2 + y 2 = 0 ⇔ x = y = 0.

R2 → R
2. Soit f : . Alors f est de classe C 1 sur l’ouvert R2 (en tant
(x, y) 7→ 4x2 − 4xy + y 2 − 6x + 2y
que fonction polynomiale), donc tous ses extrema sont des points critiques. Et on a :
∂f ∂f
∀(x, y) ∈ R2 , = 8x − 4y − 6 et = −4x + 2y + 2.
∂x ∂y
Pour tout (a, b) ∈ R2 , on a donc :

8a − 4b − 6 = 0
∇f (a, b) = 0 ⇔
−4a + 2b + 2 = 0
−2 = 0
⇔
−4a + 2b + 2 = 0
et donc f n’admet pas de point critique, comme le dernier système n’a pas de solution.
Donc f ne possède pas d’extremum, peu importe sa nature.

R2 → R
3. Soit f : . Alors f est C 1 sur l’ouvert R2 (en tant que fonction poly-
(x, y) 7→ x2 (1 + y)3 + y 2
nomiale), donc tous ses extrema sont des points critiques. Et on a :
∂f ∂f
∀(x, y) ∈ R2 , = 2(1 + y)3 x et = 3x2 (1 + y)2 + 2y.
∂x ∂y
Pour tout (a, b) ∈ R2 , on a donc :

2(1 + b)3 a = 0
∇f (a, b) = 0 ⇔ 2 2
2a (1 + b) + 2b = 0
a = 0 b = −1
⇔ ou
2b = 0 2b = 0
⇔ a=b=0
donc le seul point critique est (0, 0).

Pour étudier sa nature en tant qu’extremum éventuel, étudions f (x, y) pour (x, y) ∈ R2 tendant
vers (0, 0). Pour un tel (x, y), on a :
f (x, y) = x2 (1 + 3y + 3y 2 + y 3 ) + y 2
= x2 + y 2 +3x2 y + 3y 2 x2 + x2 y 3 .
2 2 2 2 3
3x y + 3y x + x y
= (x2 + y 2 ) 1 +
x2 + y 2
x2 + y 2
Mais on a aussi par inégalité classique : |xy| ≤ . Et donc par inégalité triangulaire on déduit
2
que : 2
3x y + 3y 2 x2 + x2 y 3 3

≤ |x| + 3 |xy| + 1 |xy 2 | → 0
2
x +y 2 2 2 2 (x,y)→(0,0)
2
3x y + 3y 2 x2 + x2 y 3 1

et donc, pour ε suffisamment petit, on a : ≤ .
x2 + y 2 2
Et finalement, pour un tel ε on a :
x2 + y 2
∀(x, y) ∈ Bo ((0, 0), ε), f (x, y) − f (0, 0) = f (x, y) ≥ ≥0
2
avec égalité si, et seulement si : x = y = 0. On a donc un minimum local strict en (0, 0), et c’est
le seul extremum de f sur R2 .
Ce n’est pas un minimum global, car f n’est pas minorée. On a par exemple pour tout y ∈ R :
f (1, y) = (1 + y)3 + y 2 ∼ y3
y→±∞
et donc :
lim f (1, y) = +∞ et lim f (1, y) = −∞.
y→+∞ y→−∞
Théorème III.23 (des bornes atteintes). Si F est un ensemble fermé et borné de R2 , alors toute fonction
continue sur F admet un maximum et un minimum sur F .
Remarque III.24. L’intérêt est qu’un tel théorème assure l’existence des extrema, et aide donc à la re-
cherche.
Exemple III.25. Étudions la fonction f : (x, y) 7→ x + y sur F = Bf ((0, 0), r) (pour r ∈ R+ fixé). On a
déjà que f est C 1 sur F (et en particulier continue), donc par théorème des bornes atteintes elle atteint
son maximum et son minimum en des points de F .
De tels points, s’ils n’étaient pas au bord de F , serait donc sur l’ensemble U = Bo ((0, 0), r), qui est un
ouvert, et seraient donc aussi des points en lesquels f |U atteint un extremum : ce serait donc des points
critiques. Mais on a directement que, pour tout (x, y) ∈ F : ∇f (x, y) = (1, 1) ̸= 0, donc f n’a pas de points
critique.
Ces points sont donc nécessairement au bord, c’est-à-dire sur l’ensemble Cr = {(x, y) | x2 + y 2 = r2 } =
{(rcos(t), rsin(t)) | t ∈ R}.
Pour trouver ces points, il suffit d’étudier les extrema de la fonction (à variable réelle) :

R → R
φ:
t 7→ f (rcos(t), rsin(t))
qui est une fonction C 1 (comme composée de fonctions C 1 ), et donc ses extrema correspondent à des points
critiques (au sens des fonctions à variable réelle).
On a pour tout t ∈ R :
φ(t) = rcos(t) + rsin(t)
et donc pour tout t ∈ R, on a :

φ′ (t) = r (−sin(t) + cos(t))
ce qui donne que les points critiques de φ, et donc nécessairement les points en lesquels elle atteint un
π
extremum, sont les réels t tels que : cos(t) = sin(t). C’est-à-dire les éléments de + πZ. De telles valeurs
( √ √ !) 4
2 2
correspondent à (x, y) ∈ ± , .
2 2
Comme il y a deux valeurs, et que parmi ces deux valeurs une (au moins) correspond à un maximum et
l’autre à un minimum, il suffit de voir laquelle est la plus grande et laquelle la plus petite. Et comme on
a: √ √ ! √ √ !
2 2 √ √ 2 2
f , = 2>− 2=f − ,−
2 2 2 2
√ √ !
2 2
on déduit que, sur F , la fonction f admet un maximum global en , et un minimum global en
2 2
√ √ !
2 2
, , et pas d’autre extremum (local ou global).
2 2
Comme f n’atteint d’extremum en aucun autre point, ces extrema sont d’ailleurs nécessairement stricts.

Cours

Transféré par

Droits d'auteur :

Formats disponibles

Cours

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours

Transféré par

Droits d'auteur :

Formats disponibles

Mathématiques MPSI 2021–2022

2 Rappels et compléments de calculs 7

3 Rappels et compléments sur les fonctions numériques 17

6 Sommes, produits et systèmes 51

7 Les fonctions usuelles 65

10 Équations différentielles linéaires 111

11 Arithmétique dans les entiers 121

12 Calculs matriciels 137

13 Les réels 159

14 Suites numériques 163

15 Structures algébriques 183

16 Continuité et limites 195

19 Analyse asymptotique 271

20 Espaces vectoriels et applications linéaires 297

21 Espaces vectoriels de dimension finie 325

22 Matrices et applications linéaires 339

24 Déterminants et groupe symétrique 377

25 Séries numériques 401

26 Probabilités et dénombrement 431

27 Espaces préhilbertiens 447

28 Variables aléatoires 469

29 Fonctions à deux variables 479

Définition I.3. Si A et B sont deux assertions, on définit les assertions suivantes :

Exemples I.6. La négation, la disjonction et la conjonction ont pour tables de vérité :

Propriété I.7. Si A, B, C sont des assertions, on a les propriétés suivantes :

III Implications, réciproques, contraposées et équivalences

Proposition III.3. Si A, B sont deux assertions, alors :

Démonstration. Par tables de vérité.

Proposition-Définition III.4. Si A et B sont deux assertions :

A B A ⇒ B B ⇒ A non B non A (non B) ⇒ (non A)

2. Un contre-exemple repose sur l’implication :

x ∈ E et non A(x) ⇒ non (∀x ∈ E, A(x)) .

IV.2 Raisonnement par disjonction de cas

IV.3 Raisonnement par contraposition

IV.4 Raisonnement par l’absurde

Exemples IV.10. Montrer que :

IV.5 Raisonnement par analyse-synthèse

et on arrive donc à un trinôme du second degré que l’on sait résoudre. On a ∆ = 1 + 8 = 9 = 32 ,

donc g(x) et h(x) sont solutions du système :

En prenant la somme et la différence des deux lignes du système, on trouve :

f (x) + f (−x) f (x) − f (−x)

IV.6 Raisonnement par récurrence

Rappels et compléments de calculs

I Les ensembles de nombres usuels

et ces inclusions sont strictes.

II Intervalles et inégalités dans R

Proposition-Définition II.7. Un ensemble non vide I de R est dit convexe si :

∀a, b ∈ I, ∀t ∈ [0; 1], ta + (1 − t)b ∈ I.

Les parties convexes de R sont exactement les intervalles.

Démonstration. Soit I un ensemble de R

1. si I est un intervalle : soient a, b ∈ I avec a ≤ b, et t ∈ [0; 1] ; et posons x = ta + (1 − t)b. Alors :

donc a ≤ x ≤ b, donc x ∈ I (comme I intervalle), donc I est convexe.

III Racines et puissances

Proposition III.3. Soient x, y positifs. Alors :

d’où la première égalité. On procède de même pour le quotient.

Définition III.6. Si x ∈ R et n ∈ N, on note :

xm+n = xm · xn , xmn = (xm )n = (xn )m , (xy)n = xn y n

et ces formules restent valables pour n, m ∈ Z si x, y ̸= 0.

IV Manipuler des égalités et des inégalités

Exemple IV.3. Soit a, b ∈ R. Montrons que a = b ⇔ ea = eb :