Cours Concis

de
Mathmatiques
Ce travail est mis disposition selon les termes
de la licence Creative Commons Paternit - Pas
dUtilisation Commerciale - Pas de Modication
3.0 non transcrit. Pour plus dinformation, voir
http ://creativecommons.org/licenses/by-
nc-nd/3.0/ ou crire Creative Commons, 444
Castro Street, Suite 900, Mountain View, California,
94041, USA.
Pierre Guillot
Chapitres
Une table des matires dtaille se trouve la n du livre
1 Ensembles 3
2 Nombres 22
3 Polynmes 44
4 Suites 62
5 Matrices 84
6 Continuit 108
7 Dterminants 126
8 Compacit 146
9 Drives 154
10 Lexponentielle 176
11 Espaces vectoriels 195
12 Formules de Taylor 220
13 Applications linaires 235
1
14 Intgrale de Riemann 262
15 Fractions rationnelles 298
16 Diagonalisation 317
17 quations direntielles linaires 342
2
Chapitre 1
Ensembles
Premire lecture
Ensembles et appartenance
Les objets mathmatiques peuvent tre rangs dans des en-
sembles, que lon crit avec des accolades. Par exemple,
E = 1, 2, 3 et F = 19, 11
sont des ensembles. On note x X pour signier que x appar-
tient X, et dans le cas contraire on emploie le symbole ; par
exemple, on a 2 E et 3 F.
Un ensemble ne comprend jamais de rptition , et nest
pas ordonn : ainsi
2, 2, 2, 3, 3 = 2, 3 et 3, 2, 1 = 1, 2, 3 .
Il existe bien sr des ensembles innis, comme lensemble N
des nombres entiers, dont nous reparlerons au chapitre sui-
vant. Il y a galement un ensemble vide, qui ne contient aucun
lment : on le note ou, plus rarement, .
Lorsque tous les lments dun ensemble A sont aussi dans
lensemble B, on dit que Aest une partie de B, ou quil est inclus
dans B, et on note A B. Par exemple
2, 4, 6, 8 1, 2, 3, 4, 5, 6, 7, 8, 9 .
3
Les ensembles sont souvent dessins comme des bulles, et pour
reprsenter linclusion on place ces bulles les unes dans les
autres, comme ci-dessous :
Fixant B, on peut considrer lensemble !(B) dont les l-
ments sont toutes les parties de B; ainsi dans le cas o B =
1, 2, 3, on a
!(B) = , 1, 2, 3, 1, 2, 1, 3, 2, 3, 1, 2, 3 .
(On noublie ni la partie vide, ni B lui-mme.)
Enn, tant donns deux ensembles A et B, on peut for-
mer leur produit cartsien not AB, dont les lments sont les
paires (a, b) avec a A et b B. Lorsque A = 1, 3 et B = 2, 4, 6
par exemple, on a
AB = (1, 2), (1, 4), (1, 6), (3, 2), (3, 4), (3, 6) .
On notera que pour les paires, lordre est important : ainsi ll-
ment (1, 2) de NN est dirent de llment (2, 1).
Quelques constructions
Lorsquon dispose dun ensemble E, on peut sintresser
aux lements de E qui vrient une certaine proprit P. Ceux-
ci forment nouveau un ensemble, que lon note ainsi :
x E P(x) .
(Parfois le est remplac par deux points, ou par lexpression
complte tels que . Il y a de nombreuses variantes et il faut
shabituer des notations qui changent de temps en temps, en
gnral pour viter les lourdeurs.)
4
Par exemple, supposons que A E. Alors le complmentaire
de A dans E est par dnition
x E x A .
On le note gnralement EA ou EA.
Autre exemple, si A et B sont deux parties de E, alors leur
intersection est
AB = x E x A et x B ,
leur union est
AB = x E x A ou x B .
Exemple 1.1 Prenons E = NN, puis
A = (n, m) NN n = 0 ,
et enn
B = (n, m) NN m = 0 .
Alors AB = (0, 0). On peut galement crire
AB = (n, m) NN nm = 0 .
Note : en pratique, on crirait plutt A = (0, m) N N ou
encore A = (0, m) m N, lessentiel tant de se faire com-
prendre.
Il est trs important de comprendre ds maintenant que la
lettre x qui est employe ci-dessus dans la description des en-
sembles peut tre remplace par nimporte quelle autre : on
obtient rigoureusement les mmes ensembles. Par exemple si
A = x N il existe y N tel que x = 2y ,
et si
B = a N il existe b N tel que a = 2b ,
alors A = B = les nombres entiers pairs.
5
Propositions mathmatiques
On ne peut pas utiliser tout et nimporte quoi pour dcrire
les ensembles. Pour se convaincre que les proprits P comme
ci-dessus ne peuvent pas tre compltement arbitraires, voir
lencadr Deux paradoxes . Pour bien faire les choses, il
conviendrait de dnir prcisment quelles sont les proprits
acceptables, ou en dautres termes, dnir ce quest un nonc
mathmatique .
Cette thorie existe, et il existe mme plusieurs systmes
concurrents. Cependant il serait compltement hors de pro-
Deux paradoxes
Lnonc selon lequel x E P(x)
est un ensemble lorsque E est un
ensemble peut paratre anodin. En
ralit il est bien plus n quon pour-
rait le croire. Nous allons voir deux
paradoxes clbres, dont llucida-
tion fait intervenir de manire sub-
tile cette construction.
Voici le premier. Pour un entier n,
considrons la proprit n ne
peut pas tre dcrit en moins de
16 mots . Appelons cette pro-
prit P(n), et soit
A = n N P(n) .
Les mots de la langue franaise
sont en nombre ni, donc en 16
mots on ne peut dcrire quun
nombre ni de nombres. Ainsi, A est
inni et en particulier, non-vide. Soit
alors a le plus petit lment de A. Ce
nombre est le plus petit nombre qui
ne peut pas tre dcrit en moins de
16 mots . On vient tout juste de d-
crire a en 15 mots !
Cest absurde. Et pour cause, la
proprit P(n) ne fait pas partie
des proprits mathmatiques ac-
ceptables.
Notre deuxime exemple utilise
pour P(x) la proprit x x .
Celle-ci est parfaitement accep-
table. Cest sa signication intuitive
proche de zro qui donne un par-
fum de paradoxe au raisonnement
suivant, pourtant correct.
Montrons la chose suivante : pour
tout ensemble E, il existe un en-
semble A tel que A E. En eet, soit
A = x E x x .
Si on avait A E, alors on consta-
terait que A A exactement
lorsque A A, par dnition. Cest
absurde, donc A E.
On nonce souvent ce rsul-
tat sous la forme suivante : il
nexiste pas densemble de tous
les ensembles. Nous venons bien
de le dmontrer. Sil est tentant
dcrire quelque chose comme U =
x x est un ensemble pour essayer
de le dnir malgr tout, on se rend
compte que cette expression nest
pas de la forme x E P(x), et
donc ne dsigne pas un ensemble.
La prsence de lensemble E pour
chapeauter les x est essentielle.
6
pos de donner une description prcise de lun de ces systme
ds maintenant (les dtails sont parfois donns en troisime ou
quatrime anne, et encore). Nous allons nous contenter dune
discussion informelle qui suit les grandes lignes de ce que lon
appelle la logique du premier ordre (pour des raisons que lon
nexpliquera pas).
Nous avons rencontr des propositions mathmatiques :
x A par exemple, et on pourrait citer aussi les galits comme
x = y. La ngation dune proposition en est une, ainsi x A est
un nonc mathmatique.
On peut crer de nouveaux noncs laide de ou et de
et : nous lavons fait dans la dnition des intersections et
des unions. On peut aussi relier deux noncs P et Q par le
symbole , qui se lit implique . On obtient lnonc P Q,
qui est faux lorsque P est vrai et Qest faux ; dans tous les autres
cas P Q est vrai. Voyons un exemple :
A = (x, y) NN x 0 y = 0 .
Les lments de A sont les paires (x, 0) avec x entier, ainsi que
les paires (0, y) avec y entier.
Le symbole est surtout pertinent lorsquon lutilise en
conjonction avec le quanticateur universel, cest--dire le petit
symbole qui signie pour tout . Nous pouvons par exemple
utiliser ce symbole pour montrer que A B est un nonc ma-
thmatique : en eet il revient dire
x, x A x B.
Lautre quanticateur notre disposition est le quantica-
teur existentiel, qui scrit et signie il existe . On a dj ob-
serv que, pour un nombre entier n, la proprit n est pair
scrit
m N tel que n = 2m.
(En toute rigueur, en logique du premier ordre on crit plu-
tt m, m N et n = 2m. On sautorise un peu de souplesse
pour plus de clart.)
En rgle gnrale, un nonc mathmatique est une
phrase que lon peut rduire une suite de symboles com-
binant , , , =, , des ngations, des ou et des et . En
7
pratique cependant, la moindre dnition, le moindre tho-
rme, occuperaient des milliers de symboles si on voulait les
dcortiquer compltement. En consquence, il faut veiller en
permanence ce que les noncs que lon produit soient thori-
quement remplaables par des symboles, sans jamais eectuer
concrtement ce remplacement. Notons tout de mme qu
laide dun ordinateur, on peut parfois rdiger certaines d-
monstrations jusquau moindre dtail : cest ce quon appelle
les preuves automatiques .
Ajoutons enn que dans certaines situations, nous utili-
serons les symboles , ou autres, lorsque lon souhaite le-
ver toute ambigit. Ainsi de la dnition des limites, par
exemple.
Fonctions
tant donns deux ensembles A et B, une fonction f de A
vers B associe tout lment x A un lment f (x) B et
un seul. On peut traduire cette dnition (un peu vague) en
termes densembles. Si lon souhaite tre extrmement prcis,
on dira :
Dfinition 1.2 Une fonction, ou application, est un objet f d-
termin par trois ensembles :
1. un ensemble A, appel le domaine de dnition de f , ou
parfois la source de f ;
2. un ensemble B, appel le but de f ;
3. un ensemble , qui est une partie de A B et que lon
appele le graphe de f , ayant la proprit suivante : pour
chaque x A, il existe un unique y B tel que (x, y) .
Ce y est not f (x).
On utilise la notation
f : A B
pour indiquer que f est une fonction dont le domaine de d-
nition est A et dont le but est B.
On reprsente typiquement une fonction A B de la ma-
nire suivante :
8
Chaque che sur ce dessin part dun lment x A et pointe
sur f (x). La caractristique importante est que chaque point
de A marque le dbut dune che, et dune seule.
Voyons quelques exemples.
Exemple 1.3 Il y a une (et une seule) fonction f : N N telle
que f (n) = 2n
2
+1. On utilise parfois la notation
f : N N
n 2n
2
+1
pour dsigner cette fonction. Cest trs souvent par des for-
mules, telles que 2n
2
+1, que lon va dnir les fonctions.
Ici le domaine de dnition est A = N, le but est B = N, et le
graphe de f est = (n, 2n
2
+1) n N.
Exemple 1.4 Soit p: N0 N la fonction telle que p(n) =
le n-ime nombre premier. Ainsi p(1) = 2, p(2) = 3, p(3) = 5,
p(4) = 7 et ainsi de suite. Cette fonction p est bien dnie,
mme si on na pas utilis de formule. (Cela dit, il en existe.)
Exemple 1.5 Nous allons anticiper un peu et supposer que
vous connaissez un minimum lensemble R. On le reprsente
par une droite, et R R par un plan. Une fonction A B
avec A R et B R est donne par son graphe, qui ressemble
de prs ou de loin une courbe dans le plan. Par exemple la
gure suivante reprsente un tel graphe.
9
La proprit caractristique des graphes se voit bien sur le
dessin. Si maintenant on fait subir une rotation cette gure,
obtient-on encore le graphe dune fonction?
La rponse est visiblement non : pour le x indiqu, il y a deux
nombres couples (x, y
1
) et (x, y
2
) qui appartiennent la courbe.
Ce nest donc pas un graphe. On retiendra la traduction gom-
trique simple : lorsque A R et B R, une partie de AB est
le graphe dune fonction A Bsi et seulement si chaque droite
verticale dquation x = a (avec a A) coupe exactement en
un point.
Dans la suite du chapitre nous allons tudier la proprit
correspondante en utilisant cette fois des droites horizontales.
10
Deuxime lecture
Fonctions injectives
Dfinition 1.6 Soit f : A B une fonction. Supposons que,
pour tout choix de deux lments distincts x
1
x
2
dans len-
semble A, on ait galement f (x
1
) f (x
2
). On alors dit que f est
injective, ou encore que f est une injection.
Il existe bien des faons de reformuler ceci. Par exemple,
f est injective si et seulement si lgalit f (x
1
) = f (x
2
) en-
trane x
1
= x
2
. galement, il est bon de noter que f est injective
si et seulement si lquation
f (x) = b,
dont linconnue est x A et qui comporte le paramtre b B,
possde au maximum une solution.
Exemple 1.7 La fonction d : N N dnie par d(n) = 2n, est
injective : en eet si 2x
1
= 2x
2
, alors x
1
= x
2
. Lquation d(x) = b
scrit 2x = b ; elle a une solution x =
b
2
si b est pair, et aucune
solution si b est impair.
Exemple 1.8 La fonction c : Z N dnie par c(n) = n
2
, nest
pas injective (ici Z est lensemble de tous les nombres entiers,
positifs ou ngatifs). En eet c(n) = c(n), de sorte que lqua-
tion c(x) = b, qui scrit x
2
= b, peut possder deux solutions,
comme par exemple 2 et 2 qui sont solutions pour b = 4.
Voici comment on reprsente une fonction injective :
11
Cette fois-ci, les ches pointent toutes vers des lments
dirents.
Exemple 1.9 Revenons au cas particulier o f : A B avec A
et B des parties de R. Lquation f (x) = b possde une solution x
lorsque le graphe de f comporte un point (x, f (x)) qui est ga-
lement sur la droite horizontale dquation y = b. La condition
pour que f soit injective est donc que les droites horizontales
rencontrent le graphe de f en un point au maximum.
Soit le graphe de f . Faisons subir ce graphe une symtrie
par rapport la droite dquation y = x (cette symtrie envoie
le point (x, y) sur (y, x)). On obtient un ensemble

. Lorsque f
est injective, ce

ne rencontre les droites verticales quen un

point au plus. Cest--dire que

est le graphe dune fonction!

Cette discussion est illustre sur la gure suivante.
gauche en bleu, le graphe dune fonction injective ;
droite en vert, son symtrique.
12
Soyons plus prcis. Pour dnir une fonction g dont le
graphe serait

, il lui faut un ensemble de dnition et un

but. Les points de

sont ceux de la forme (f (x), x). Notons

donc
f (A) = f (x) x A B.
(Nous reviendrons sur cette notation (abrge) dans le para-
graphe suivant.) Alors on peut dnir une fonction g : f (A)
A dont le graphe est

. Concrtement, on a g(f (a)) = a, ce qui

a un sens puisque f est injective.
Cette fonction g est essentiellement ce quon appelle la r-
ciproque de f , qui se note f
1
. Toutefois il nous reste un peu de
vocabulaire introduire avant de dtailler ceci.
Fonctions surjectives et bijectives
Dfinition 1.10 Soit f : A B une fonction. On note f (A),
ou encore |(f ), lensemble
b B x A tel que b = f (x) .
(En plus concis f (A) = f (x) x A.) On dit que f (A) est
limage de A par f .
Lorsque f (A) = B, on dit que f est surjective, ou encore que f
est une surjection.
Ainsi f est surjective lorsque lquation f (x) = b possde au
minimum une solution.
Exemple 1.11 La fonction f : NN N dnie par f (n, m) =
n+m est surjective. En eet, si on se donne b N, alors f (b, 0) =
b. On a aussi f (0, b) = b, et mme f (1, b 1) = b, de sorte que f
est loin dtre injective, par contre.
Exemple 1.12 La fonction d : N N telle que d(n) = 2n nest
pas surjective. En fait lensemble image d(N) est lensemble des
nombres pairs.
Voici la reprsentation typique dune fonction surjective :
13
Ici chaque lment de B est lextrmit dau moins une che.
Dfinition 1.13 Lorsquune fonction est la fois injective et
surjective, on dit quelle est bijective, ou encore que cest une
bijection.
Lorsque f : A B est bijective, lquation f (x) = b possde
une solution et une seule. Cette solution est note f
1
(b).
On obtient ainsi une fonction f
1
: B A, que lon appelle
la rciproque de f . On a alors :
Proposition 1.14 Lorsque f est bijective, la fonction f
1
vrie
1. f
1
(f (a)) = a pour a A,
2. f (f
1
(b)) = b pour b B.
Rciproquement si on a une paire de fonctions f : A B
et g : B A telles que g(f (a)) = a pour a A et f (g(b)) = b
pour b B, alors f est une bijection et g = f
1
.
Enn, f
1
est galement une bijection lorsquelle existe, et
(f
1
)
1
= f .
Dmonstration. 1. tant donn a, soit b = f (a) ; puisque f est
injective a est le seul lment de A qui vrie cette qua-
tion, et cest cet lment que lon note f
1
(b). Donc a =
f
1
(b) = f
1
(f (a)).
14
2. Cest la dnition mme de f
1
(b).
Montrons la rciproque. Soient f et g comme dans la pro-
position. Si f (a
1
) = f (a
2
), alors on a aussi g(f (a
1
)) = g(f (a
2
)),
donc a
1
= a
2
. Ainsi f est injective. De plus, si b B on a b =
f (g(b)) donc b est bien dans limage de f , ce qui montre que f
est surjective. Finalement f est une bijection.
Partant de f (f
1
(b)) = b = f (g(b)), on applique g pour obte-
nir
g[f (f
1
(b))] = g[f (g(b))] .
Puisque g(f (a)) = a pour tout a A (et donc en particulier
pour a = f
1
(b) ou pour a = g(b)), cette dernire galit se sim-
plie et donne f
1
(b) = g(b). Donc f
1
= g.
Par symtrie, on peut inverser les rles de f et de g. Donc g
est bijective et g
1
= f , cest--dire que f
1
est bijective et
que (f
1
)
1
= f .
Exemple 1.15 La fonction s : N N dnie par s(n) = n est
une bijection. De plus, s
1
= s.
Galerie dexemples
Nous allons passer en revue quelques exemples clbres de
paires de bijections rciproques. Nous nallons pas dmontrer
que ces fonctions sont des bijections, et dailleurs nous nallons
pas les dnir prcisment pour linstant : en eet ce sont des
exemples largement traits au lyce. Au fur et mesure que
vous progresserez dans ce livre, vous trouverez les dnitions
et les dmonstrations correspondantes.
Exponentielle & logarithme. Voici en bleu le graphe de la
fonction exponentielle. Cest une fonction exp: R R
>0
(o R
>0
dsigne lensemble des nombres rels strictement positifs), et
nous reviendrons longuement sur sa dnition dans ce livre.
En vert, le graphe de sa rciproque, que lon appelle le loga-
rithme nprien; il sagit donc dune fonction ln: R
>0
R.
15
Notez qu ct du graphe bleu on a indiqu y = exp(x) : cest
le raccourci habituel pour indiquer quun point (x, y) du plan
se trouve sur le graphe si et seulement si y = exp(x). On aurait
aussi bien pu inscrire x = ln(y). ct du deuxime graphe, les
rles de x et y sont inverss.
Sinus & arcsinus. La fonction sinus est ici vue comme une
fonction sin: [

2
, +

2
] [1, 1] (le nombre , qui doit vous
tre familier, sera tudi plus en dtail dans la suite). Cest
une bijection dont la rciproque sappelle arcsinus ; on crit
arcsin: [1, 1] [

2
, +

2
].
Attention, si lon sintresse dautres intervalles, la fonc-
tion sinus ne sera pas forcment une bijection : par exemple ce
16
nest pas le cas sur [0, 2].
Cosinus & arccosinus. Le cosinus, vu comme une fonction
cos: [0, ] [1, 1], est une bijection. Sa rciproque arccos: [1, 1]
[0, ] est appele arccosinus.
Tangente & arctangente. Rappelons que lon note tan(x) =
sin(x)
cos(x)
lorsque x nest pas de la forme

2
+ n avec n Z. Ce
faisant, on obtient une fonction tan: ]

2
,

2
[ R qui est une
bijection. Sa rciproque, appele arctangente, est une fonc-
tion arctan: R ]

2
,

2
[.
17
Carr & racine. La fonction f : [0, +[ [0, +[ dnie
par f (x) = x
2
est une bijection. Sa rciproque f
1
sappelle
la fonction racine carre et se note f
1
(x) =

x.
Attardons-nous un instant sur ce dernier exemple. Que
sommes-nous capables de vritablement dmontrer ? Com-
menons par linjectivit de f . Si f (x
1
) = f (x
2
), on a x
2
1
= x
2
2
,
do
x
2
1
x
2
2
= (x
1
x
2
)(x
1
+x
2
) = 0.
Or puisquon se restreint x
1
0 et x
2
0, on ne peut avoir x
1
+
x
2
= 0 que lorsque x
1
= x
2
= 0. Dans les autres cas, on simplie
par x
1
+ x
2
et on en conclut que x
1
= x
2
, l encore. Donc f est
injective.
La fonction f , dont le but est [0, +[ est-elle bien surjec-
tive ? Cest une question bien plus dicile ! Il sagit de savoir
si tout nombre rel b possde une racine carre , cest--dire
sil existe x tel que b = x
2
. En dautres termes, est-ce quon peut
toujours donner un sens la notation

b ? Bien sr nous ve-
nons darmer ci-dessus que la rponse est oui, mais comment
le dmontrer ?
Cest lobjet du chapitre suivant, et cest aussi notre pre-
mire rencontre avec un nonc considr comme vident jus-
quau lyce et quil va falloir lucider. Les exemples ci-dessus
en contiennent bien dautres (quest-ce que lexponentielle, au
juste ? quest-ce quun cosinus ? etc)
18
La mthode axiomatique
Sil existe une distinction essentielle entre les mathma-
tiques (en tout cas dans la vision idalise quon peut en avoir)
et la plupart des autres disciplines, cest sans doute quon y a
tout le loisir de poser des questions. Quon essaie de deman-
der un physicien la dnition dune force, ou la dnition de
lnergie (et non pas la formule qui calcule telle ou telle incar-
nation de lnergie), et on rencontrera rapidement des dicul-
ts, qui sont profondes et invitables. Richard Feynman dans
son Cours de Physique donne une belle dnition de lner-
gie, par ailleurs trs mathmatique et sans doute dcevante par
certains gards pour les physiciens. Il ne parvient pas en faire
autant pour les forces, et il est intressant de lire ses explica-
tions.
Richard
Feynman, Le
cours de
Physique de
Feynman,
Dunod, 1999.
En thorie, ceci narrive jamais en mathmatiques. Vous
pouvez demander votre professeur de dnir ce quest le
logarithme, il le fera (par exemple) en disant que cest une in-
tgrale ; vous pouvez demander ce quest une intgrale, vous
aurez une rponse qui fait intervenir des limites ; vous pou-
vez ensuite demander ce que signie un passage la limite ,
etc. Mais que va-til arriver lorsquon en nit par demander ce
quest un ensemble, ce que sont les nombres entiers, et pour-
quoi 2 +2 = 4 ? Il va bien falloir trouver une rponse.
Cependant, a-t-on vraiment le dsir de traiter cette ques-
tion maintenant, dans le premier chapitre dun livre destin aux
tudiants en premire anne ? Nous arontons un vritable di-
lemme. Dun ct, par simple honntet (et pas seulement pour
avoir des rponses disposition dun tudiant rcalcitrant qui
aurait lide incongrue de demander la dnition des choses
videntes ), on a bien envie de commencer par le commence-
ment, et de dnir tous les objets que lon rencontre en partant
de rien . Dun autre ct, on peut objecter que cette exigence
serait aussi draisonnable que dimposer chaque candidat au
permis de conduire de connatre entirement la mcanique au-
tomobile avant mme sa premire heure de conduite.
De fait, la vaste majorit des mathmaticiens de profession
ne connaissent pas et ne souhaitent pas connatre les dtails des
19
fondements logiques des mathmatiques. Ils en connaissent ce-
pendant les grands principes, que nous allons exposer dans la
n de ce chapitre.
Le principe de dpart de la mthode axiomatique est
simple. On postule lexistence de certains objets, vriants cer-
taines proprits appeles axiomes. Par postuler , il faut
comprendre quil sagit de se donner des rgles du jeu, que
lon accepte sans les questionner. Ensuite, les rsultats que lon
peut dmontrer partir de ces axiomes sont considrs comme
vrais dans la thorie .
Le premier exemple remonte lAntiquit, cest celui des
axiomes dEuclide pour la gomtrie. Euclide postule lexis-
tence dobjets appels points et droites (et dautres encore), sa-
chant quun point peut appartenir une droite. Ceci dans
le respect de certaines proprits, comme deux droites pa-
rallles une mme troisime sont parallles (et bien sr,
dans cette thorie lexpression tre parallles est elle-mme
dnie, laide de concepts premiers comme lappartenance
dun point une droite). Toute la gomtrie est dduite de ces
axiomes.
En principe, comme le disait Hilbert, on pourrait remplacer
point par table , droite par chaise , et appartenir
par nimporte quel verbe, et on pourrait toujours dvelopper
la thorie, de manire purement formelle. Ceci est vrai ; ce ne
sont que des mots. Toutefois, il faut se garder de prendre ceci
trop au srieux : les axiomes ont t choisis parce quEuclide a
lintuition que le monde rel comporte des points et des droites
(ou au moins des segments), et parce quil souhaite considrer
chaque rsultat vrai dans la thorie comme une assertion
vraie sur le monde rel.
Lavantage de la mthode axiomatique est de couper court
aux dbats sur lexistence des objets de dpart. On suppose
quils existent, vriant certaines proprits, le reste nest que
dduction. Celui qui doute de lexistence de ces objets peut
entrer dans un dbat philosophique, par ailleurs intressant,
mais il ne peut pas critiquer le travail mathmatique de ceux
qui ont choisi ces axiomes (sauf montrer que les axiomes
sont contradictoires et que lon peut en dduire des choses ab-
20
surdes, comme un nonc et son contraire simultanment, par
exemple).
On continue de nos jours employer la mthode axio-
matique, mme si les mathmatiques modernes ne reposent
plus sur les axiomes dEuclide. Il existe plusieurs systmes
daxiomes possibles, et dans loptique de ce livre il nest ab-
solument pas utile den comprendre les dirences, ni mme
den dcrire un en dtail. Citons tout de mme :
1. Le systme de larithmtique de Peano. On choisit ici de
prendre les nombres entiers comme objets de dpart, et
on suppose quils vrient certaines proprits comme
tout nombre n possde un successeur n+1 . On dduit
tout le reste.
2. La thorie des ensembles de Zermelo & Fraenkel. Les objets
de dparts sont les ensembles et les axiomes sont, en gros,
les proprits dcrites dans la premire partie de ce cha-
pitre.
3. Il existe aussi un systme qui part des fonctions comme
objets primaires.
Les thormes que lon peut obtenir dans un systme sont
en gnral dmontrables dans les autres systmes. Ce nest pas
exactement vrai, et on obtient des rsultats un peu plus forts
avec la thorie des ensembles quavec larithmtique ; mais les
dirences sont subtiles et nous nen parlerons pas plus. Ceci
signie qutant donn un systme de dpart, disons la tho-
rie des ensembles, il faut pouvoir dnir les objets des autres
systmes, comme les nombres entiers ou les fonctions.
Dans ce cours, on ne va pas sencombrer de telles consid-
rations, et nous considrerons comme connus aussi bien les
ensembles que les nombres entiers.
21
Chapitre 2
Nombres
Premire lecture
Les premiers nombres
Le premier ensemble de nombres notre disposition est ce-
lui des nombres naturels :
N = 0, 1, 2, 3, . . . .
Puis vient lensemble des nombres relatifs Z, qui contient N,
et comprend galement les nombres ngatifs comme 4. Enn
nous avons lensemble des nombres rationnels Q, cest--dire
lensemble des fractions
p
q
avec p, q Z et q 0. Noter les inclu-
sions N Z Q.
Dans le chapitre prcdent nous avons expliqu que nous
ne dnirons pas lensemble N, considr comme naturel (do
son nom). Par contre on peut parfaitement donner une dni-
tion des ensembles Z et Q partir de N : voir lencadr Une
dnition de Q. Quoi quil en soit, nous pouvons considrer
que nous sommes laise avec les nombres rationnels.
A-ton besoin dautres nombres que des rationnels ? La ques-
tion remonte aux Grecs de lAntiquit. Les dicults appa-
raissent peu prs ainsi. Les nombres doivent au minimum
22
tre capables de mesurer les aires et les longueurs des objets
qui nous entourent (cest un petit anachronisme car les Grecs
ne pensaient pas (encore) aux aires comme des nombres, mais
Une dnition de Q
Imaginons quelquun qui connaisse
lensemble Z mais pas Q : com-
ment le lui dcrire ? ( titre dexer-
cice vous pourrez ensuite dcrire Z
quelquun qui connait N).
On peut facilement imaginer dnir
une fraction comme tant une paire
de nombres (p, q) Z Z avec q
0, avec la convention que (p, q)
et (a, b) reprsentent la mme frac-
tion lorsque bp = aq, puisque
p
q
=
a
b
bp = aq.
En tant tout--fait prcis, on est
amen la dnition suivante,
tonnamment complique : tant
donne une paire (p, q) de nombres
avec q 0, la fraction dnie par ce
couple est lensemble
F
p,q
= (a, b) ZZ b 0 et pb = aq .
On dcide dcrire
p
q
au lieu de F
p,q
,
par simplicit.
Maintenant si (a, b) vrie pb = aq,
on peut dmontrer que
p
q
=
a
b
.
Faisons-le : montrons que F
p,q
= F
a;b
.
Cest une galit densembles ! Soit
donc (x, y) un couple de nombres en-
tiers avec y 0. Si (x, y) F
p,q
, on
a py = xq. Multipliant par b, on ob-
tient pby = xbq. Or on a suppos
que pb = aq, donc on a aqy = xbq. En
simpliant par q qui est non-nul, on
en tire ay = xb, cest--dire (x, y)
F
a,b
. Ceci montre que F
p,q
F
a,b
;
cet argument est visiblement sym-
trique, donc de la mme manire on
a F
a,b
F
p,q
, et on conclut que F
p,q
=
F
a,b
comme on le souhaitait.
Rciproquement, comme (a, b)
F
a,b
, lgalit F
p,q
= F
a,b
en-
trane pb = aq.
Nous avons donc donn une d-
nition du symbole
p
q
qui obit au
moins une rgle que nous atten-
dons, la rgle du produit en croix .
Pour dnir Q, il reste du travail : il
faut expliquer laddition et la multi-
plication.
On pourrait croire que cest fa-
cile. Soient F
1
et F
2
deux fractions.
Choisissons (p, q) tels que F
1
=
p
q
(cest possible par dnition dune
fraction), puis choisissons (a, b) tels
que F
2
=
a
b
.
On pose alors
F
1
+F
2
=
pb +aq
qb
,
et
F
1
F
2
=
pa
qb
.
(On fait ceci videmment en pen-
sant aux formules pour
p
q
+
a
b
et
p
q

a
b
. )
Malheureusement il reste des vri-
cations faire : il faut bien sassurer
que le rsultat ne dpend pas des
choix que nous sommes obligs de
faire pour (p, q) et (a, b), qui ne sont
pas les seuls reprsentants de leur
fraction. Nous laissons ces dtails
au lecteur.
23
lide est la mme). Imaginons donc un triangle rectangle et
isocle, dont le petit ct est de longueur 1, comme ci-dessous.
Le dessin suivant doit nous convaincre, si lon sait que laire
dun rectangle sobtient en multipliant les longueurs de ses c-
ts, que laire de notre triangle est
1
2
:
Maintenant, notons la longueur de lhypotnuse (le grand
ct du triangle), et considrons ce dernier dessin, obtenu
partir de 4 copies du triangle initial :
24
Laire du carr est
2
; manifestement, cest 4 fois laire du
triangle, donc 4
1
2
= 2. On doit donc avoir

2
= 2.
Cest ici que les problmes commencent :
Proposition 2.1 Il nexiste aucun nombre rationnel Q tel
que
2
= 2.
Dmonstration. Supposons par labsurde que lon ait =
p
q
tel
que
2
= 2, donc p
2
= 2q
2
. Quitte simplier la fraction un
certain nombre de fois par 2, on peut supposer que p et q ne
sont pas tous les deux pairs.
Maintenant si lon observe la relation p
2
= 2q
2
, on voit
que p
2
est pair ; donc p est pair galement, ce que lon va
crire p = 2r. Par suite p
2
= 4r
2
= 2q
2
, donc q
2
= 2r
2
.
On en conclut que q
2
est pair, donc q aussi. Cest une contra-
diction.
Que faut-il en conclure ? Tout simplement que les nombres
rationnels ne sont pas assez comptents pour dcrire le monde
rel. Pour tre plus prcis, si lon veut assigner des nombres
aux longueurs et aux aires, de sorte que certaines proprits
souhaitables soient satisfaites (par exemple en sassurant que
laire dun rectangle est le produit des longueurs), alors on ne
peut pas utiliser (seulement) les nombres rationnels.
La proprit de la borne suprieure
Nous venons de montrer quil ny a pas de nombre ration-
nel digne dtre appel

2, et on pourrait avoir envie de ra-
jouter simplement ce nombre au lyce on vous a bien appris
rajouter un nombre i tel que i
2
= 1. (Plus loin dans ce cha-
pitre lexpression rajouter prendra un sens tout--fait prcis
et simple.) Mais nous aurions pu faire de mme avec

3 ou

5,
de sorte quil semble y avoir une innit de lacunes dans ce
systme de nombres quest Q.
Nous allons maintenant dcrire une proprit un peu abs-
traite des sous-ensembles de Q. Cest un peu dlicat, mais nous
25
allons mettre le doigt exactement sur le phnomne qui em-
pche, entre bien dautres choses, les racines carres de certains
nombres dexister dans Q.
Dfinition 2.2 Soit A Q.
Soit M Q. On dit que M est un majorant de A si a
A, a M.
Soit M Q. On dit que M est le plus grand lment de A si
cest un majorant de A et si M A.
En remplaant par , on obtient les notions de minorant
et de plus petit lment.
Soit
B = M Q M est un majorant de A .
Si B possde un plus petit lment b, on dit que cest la
borne suprieure de A et on note b = supA.
De mme, si lensemble des minorants de A possde un
plus grand lment, celui-ci est appel la borne infrieure
de A, note inf A.

On retient que le sup est le plus petit des majorants , de

mme que linf est le plus grand des minorants . Nous allons
voir que le sup et linf nexistent pas toujours, et cest bien l le
problme. Voyons quelques exemples.
Exemple 2.3 Soit
A = x Q 0 x < 1 .
Les minorants de A, pour commencer, sont tous les nombres m
tels que m 0, cest--dire quils forment lensemble
C= m Q m 0 .
Cet ensemble possde un plus grand lement, savoir 0. Cest
donc le plus grand minorant de A, et par dnition on peut
crire inf A = 0. Ce nombre est galement le plus petit lment
de A.
Nous armons que lensemble des majorants de A est
B = M Q M 1 .
26
Montrons-le. Il est clair que les lments de B sont des majo-
rants de A, et il faut montrer quil ny en a pas dautres. Soit
donc M un majorant quelconque, et supposons par labsurde
que M < 1. On a M 0 puisque 0 A, donc 0 M < 1. Consi-
drons alors a =
1
2
(M+1). On a M < a < 1, donc ce nombre sest
gliss entre M et 1, ce qui est absurde : on a a A donc on de-
vrait avoir a M. Ainsi M 1 comme on souhaitait le montrer.
Lensemble Bpossde un plus petit lment, savoir 1. Cest
le plus petit majorant de A, de sorte que supA = 1. Par contre A
na pas de plus grand lment.
Les bornes infrieure et suprieure de A sont donc 0 et 1
respectivement, et nous voyons sur cet example quil sagit
bien des bornes naturelles de A au sens intuitif. La di-
rence supA inf A = 1 0 = 1 donne une mesure de la taille
de A.
Exemple 2.4 Soit maintenant
A = x Q x
2
2 .
Intressons-nous aux majorants de A, et notons comme dhabi-
tude B lensemble quils forment. Cet ensemble est non-vide :
on a par exemple 10 B puisque tous les lments de A sont
10. En eet, un nombre x > 10 satisfait x
2
> 10
2
= 100 > 2 et ne
peut pas tre dans A.
Pour les mmes raisons, on a 3 B puisque 3
2
= 9 > 2. Ap-
prochons nous encore : on voit que
3
2
B puisque (
3
2
)
2
=
9
4
> 2.
Bien. Supposons que B possde un plus petit lment ;
en dautres termes, supposons que A possde une borne sup-
rieure. Que peut-on dire de
2
? En particulier, ce nombre est-il
plus grand ou plus petit que 2 ?
Examinons lventualit
2
> 2. Notons =
2
2 > 0, et
prenons =

2
. Si on calcule
( )
2
=
2
+
2
2,
on saperoit de la chose suivante : lingalit
2
2
< 2 = =
2
2
27
entrane ( )
2
>
2
+ (2
2
) = 2. Le nombre M = est
donc un majorant de A puisque son carr est > 2, par le mme
raisonnement qui nous a servi montrer que 100, 3 et
3
2
sont
des majorants.
Mais cest absurde puisque M < et que est cens tre
le plus petit majorant ! Cette contradiction rfute lhypothse
selon laquelle
2
> 2, et on en tire
2
2.
On peut maintenant se demander si
2
< 2. Dans cette
hypothse, notons = 2
2
> 0. Choisissons nimporte quel
nombre > 0 tel que lon ait la fois < 2 et <

4
. On note
alors que
2
< 2 et donc que

2
+2 < 4 < .
Par suite, ( + )
2
<
2
+ = 2. Donc a = + est un lment
de A. Cest de nouveau absurde puisque a > alors que est un
majorant.
Il ne nous reste pas dautre choix que denvisager que
2
= 2.
Mais cest galement impossible en vertu de la proposition 2.1 !
Finalement, cette borne suprieure ne pourrait satisfaire
ni
2
< 2, ni
2
> 2, ni
2
= 2. On en arrive la conclusion que
lensemble A ne possde pas de borne suprieure.
Lensemble des rels
Voici un thorme (trs long !) qui arme que lon peut cor-
riger les dfauts de Q.
Thorme 2.5 Il existe un ensemble R, et un seul, ayant les pro-
prits suivantes.
1. Proprits arithmtiques. R possde une addition et une
multiplication, et deux lments distingus nots 0 et 1, tels
que :
(a) x +y = y +x,
(b) 0 +x = x,
(c) (x +y) +z = x +(y +z),
(d) pour chaque x il existe un nombre not (x) tel que x +
(x) = 0,
28
(e) xy = yx,
(f) 1x = x,
(g) (xy)z = x(yz),
(h) x(y +z) = xy +xz.
(i) pour tout y 0 il existe un nombre not y
1
ou
1
y
tel
que yy
1
= 1.
2. Proprits dordre. Les lments de R peuvent tre compa-
rs. Plus prcisment, il y a une relation note telle que :
(a) tant donns x et y dans R, on a soit x y, soit y x,
(b) pour tout x on a x x,
(c) si x y et si y z, alors x z,
(d) si x y et y x alors x = y,
(e) si x y alors x +z y +z,
(f) si x y et si 0 z, alors xz yz.
De plus, on a la proprit fondamentale de la borne sup-
rieure : si A R est une partie non-vide de R possdant au
moins un majorant, alors elle possde une borne suprieure.
De mme toute partie non-vide minore possde une borne
infrieure.
3. Relation avec Q. On a Q R, et les oprations usuelles dad-
dition, de multiplication et dordre dans Q concident avec
celles calcules dans R.
De plus, pour tout a, b dans R tels que a < b, il existe x Q
tel que a < x < b.
Nous allons commenter ce thorme point par point. Mais
la premire chose remarquer, cest quil sagit dun rsultat
trs abstrait : on arme quil existe un ensemble un peu plus
gros que Q, ayant toutes les qualits de ce dernier, et possdant
en plus toutes les bornes suprieures que lon puisse dsirer.
Pourquoi noncer lexistence de cet objet plutt que lexhiber
directement ?
Tout simplement, parce que cest trs dicile, et dailleurs
nous ne parlerons pas de la dmonstration du thorme (qui
29
donne une construction explicite, mais longue et pnible). Par
Pour la
dmonstration,
voir le trs bon
article
Construction
des nombres
rels sur
Wikipedia.
contre le thorme est facile utiliser, et vous le faites depuis
longtemps.
Ce systme de nombres appel R tait inconnu des Grecs,
mme sils avaient conscience de limperfection de Q. Il faut
considrer la construction de cet objet, si abstrait et pourtant si
concrtement utile, comme un exploit de la pense humaine.
Nous allons voir tout au long de ce livre que les nombres
rels (les lments de R) sont parfaitement adapts la
description du monde rel : ils peuvent mesurer les longueurs
et les aires sans mener des contradictions, par exemple. Nous
allons commencer par montrer que 2 possde une racine carre
dans R, bien sr.
Avant a, voici quelques remarques supplmentaires :
1. Les proprits arithmtiques vous sont familires. Il ny
a rien retenir vraiment, puisque vous les appliqueriez
sans rchir. Mais puisque R est un ensemble abstrait, il
faut bien lister ces choses.
2. Mme remarque avec les proprits dordre. Notez bien
que nous avons employ les termes de majorants, bornes
suprieures, etc, dans R, et il est entendu quon donne
ces expressions le mme sens que dans la dnition 2.2.
3. La troisime srie de proprits est essentielle pour luni-
cit de R (en eet il existe des systmes de nombres en-
core plus gros ayant encore toutes les autres proprits).
On dit parfois que Q est dense dans R pour exprimer
le fait quentre deux rels a et b, aussi proche que lon
veut, il y aura toujours un rationnel x.
Voici enn le rsultat qui indique que les racines carres
existent dans R.
Proposition 2.6 Soit a R un nombre positif, cest--dire a 0.
Alors il existe un nombre x R, et un seul, tel que x 0 et x
2
= a.
On note ce nombre

a et on lappelle la racine carre de a.

Dmonstration. Dans cette dmonstration, nous allons de
nombreuses reprises indiquer quelles proprits du thorme
2.5 nous sont utiles, mme les plus videntes, pour que vous
30
voyiez bien que les raisonnements habituels reposent toujours
sur ces quelques rgles. Par la suite on ne donnera pas tant
de dtails, videmment. Dailleurs vous allez voir que lon ne
va pas indiquer toutes les proprits que lon utilise : a serait
long et pnible suivre, aussi vous laisse-t-on le soin de vrier
toutes les tapes.
Voyons dabord lunicit. Soit donc x
0
0 tel que x
2
0
= a, et
cherchons tous les x 0 tels que x
2
= a. On a
x
2
= a x
2
x
2
0
= 0,
(x x
0
)(x +x
0
) = 0.
(Pourquoi cette factorisation est-elle valide ?) Lorsquun pro-
duit ab de deux nombres rels a et b vaut 0, lun de ces nombres
doit tre nul : en eet si a 0, alors
1
a
existe daprs le (1)(i) du
thorme 2.5, et en multipliant par
1
a
on obtient
1
a
(ab) = (
1
a
a)b =
1b = b =
1
a
0 = 0 (nous avons utilis les proprits (1)(g), puis
(1)(i), puis (1)f ; le fait que x0 = 0 pour tout x se montre partir
des proprits : faites-le !) Donc b = 0.
Ici (avec a = x x
0
et b = x + x
0
) on voit que x = x
0
ou x =
x
0
. Comme 0 x
0
, on observe en ajoutant x
0
de chaque ct
que x
0
0 (proprit (2)(e) du thorme). Ainsi, dans le cas
o x = x
0
, on constate que x est la fois 0 et 0 ; cest donc
que x = 0 par la proprit (2)(d), do x = x
0
= 0. Finalement x =
x
0
quoi quil arrive, et lunicit est dmontre.
Passons lexistence. Sans surprise, on pose
A = x R x
2
a .
Si lon trouve un nombre M tel que M
2
> a, alors ce sera un
majorant de A. (Pour vrier ceci, dmontrez que si x M,
alors x
2
M
2
lorsque M 0.) Or on peut tout simplement
prendre M = a si a > 1, et M = 1 si a < 1 (pour le cas a = 1,
la proposition est videmment vraie). .
Puisque lon est dans R, on sait que A possde une borne
suprieure, en tant quensemble non vide (il contient 0) et ma-
jor ; posons donc x = supA. Il faut montrer que x
2
= a. Nous
avons dj fait le raisonnement dans lexemple 2.4 dans le
cas o a = 2 ; en procdant exactement de la mme manire,
31
on trouve que x
2
< a et x
2
> a mnent des contradictions.
Donc x
2
= a.
Par la suite, nous montrerons mme que tout nombre posi-
tif a possde une unique racine n-ime note
n

a ou a
1
n
, cest-
-dire quil existe un unique nombre positif x tel que x
n
= a.
Vous pouvez essayer de dmontrer ce rsultat maintenant sur
le mme modle : cest un peu fastidieux, mais on y arrive.
Nous allons prfrer dduire le rsultat du trs utile tho-
rme des valeurs intermdiaires (6.8), qui montrera tout son
intrt.
Terminons avec les rels en montrant la trs utile inga-
lit triangulaire . On dnit, pour x R, sa valeur absolue x
par x = x si x 0 et x = x sinon. Autrement dit, x est le plus
grand des deux nombres x et x (ou encore, x =

x
2
comme
vous pouvez maintenant le montrer).
Lemme 2.7 (Ingalit triangulaire) Si a et b sont des rels, on
a
a +b a +b .
Dmonstration. Comme a a et pareil pour b, en additionnant
on trouve a + b a + b. De mme a a et pareil pour b,
do (a +b) a +b. Comme a +b est soit a +b soit (a +b),
linegalit est assure dans tous les cas.
Corollaire 2.8 (Deuxime ingalit triangulaire) Si a et b
sont des rels, on a
a b a b .
Dmonstration. En appliquant lingalit triangulaire classique
a et b a, on obtient
b = a +(b a) a +b a ,
do b a b a. En inversant les rles de a et b, on ob-
tient a b ab. Ceci donne bien le rsultat puisque ba =
a b, et a b = |(a b).
32
Les nombres complexes
Nous navons pas encore toutes les racines carres que lon
pourrait souhaiter : il manque encore les racines des nombres
ngatifs. En eet si x R, alors x
2
0, et donc par exemple il
ny a pas de nombre rel dont le carr serait 1. Il nous faut
donc un systme de nombres encore plus tendu.
Cette fois-ci, les choses sont beaucoup plus simples. Nous
allons voir quil sut de rajouter un nombre i tel que i
2
=
1, et toutes les racines carres imaginables sont obtenues et
mme bien plus.
Comment donc rajouter ce i ? Si notre nouveau systme
de nombres contient R et un tel nombre i, alors il doit contenir
des nombres de la forme x+iy avec x, y R. De plus si les rgles
usuelles de calcul sappliquent (ce que lon souhaite), on doit
avoir
(x +iy) +(x

+iy

) = (x +x

) +i(y +y

) ,
ainsi que
(x +iy)(x

+iy

) = (xx

yy

) +i(xy

+x

y) .
Ceci motive la dnition suivante.
Dfinition 2.9 Sur le produit cartsien RR, on dnit une
addition par
(x, y) +(x

, y

) = (x +x

, y +y

) ,
et une multiplication par
(x, y)(x

, y

) = (xx

yy

, xy

+x

y) .
Muni de ces deux oprations, lensemble R R est not C, et
appel ensemble des nombres complexes.
Voyons pourquoi cette dnition est la bonne. Si x, x

sont
rels, on a
(x, 0) +(x

, 0) = (x +x

, 0) et (x, 0)(x

, 0) = (xx

, 0) .
Donc lensemble des nombres complexes de la forme (x, 0) se
comporte exactement comme lensemble R. On peut identier
33
ces deux ensembles sans risque de confusion, et lorsque x R
on crira galement x pour le nombre complexe (x, 0). (Le lec-
teur qui a pris connaissance de la dnition 1.13 parlera plutt
dune bijection x (x, 0), qui se trouve tre compatible avec les
opration arithmtiques.)
Ensuite, posons i = (0, 1). On a bien
i
2
= (0, 1)(0, 1)
= (1, 0)
= 1.
Enn, pour tout rel y, on a iy = (0, 1)(y, 0) = (0, y). Finale-
ment tout nombre complexe (x, y) peut scrire (x, y) = (x, 0) +
(0, y) = x +iy.
On vient de montrer que R C, que C contient une racine
de 1, et visiblement C ne pouvait pas tre plus petit. Tout se
passe dcidment bien, puisquon a le rsultat suivant :
Proposition 2.10 Lensemble C satisfait les neuf proprits (1)
(a-b-c-d-ef-g-h-i) du Thorme 2.5. En dautres termes, les rgles
de calcul usuelles sappliquent.
Dmonstration. Ce sont des vrications videntes, sauf la (1)(i).
tant donn z = x + iy un nombre complexe non-nul, il faut
trouver un nombre complexe w tel que zw = 1. Un tel nombre,
sil existe, serait videmment unique, et ce serait z
1
.
On appelle conjugu de z le nombre z = x iy. On a zz =
x
2
+ y
2
; ce dernier nombre est un rel positif, on peut no-
ter z =
_
x
2
+y
2
, que lon appelle le module de z. Notons que
lorsque z 0, on a z > 0 ; en particulier
1
z
existe.
Soit alors
w =
z
z
2
=
x
x
2
+y
2
i
y
x
2
+y
2
.
Cest bien un nombre complexe, et on a zw =
zz
zz
= 1. Donc w =
z
1
.
Remarque 2.11. Lopration de conjugaison que nous venons
dutiliser possde de bonnes proprits : en eet z +w = z + w
34
et zw = zw pour tout z, w C, comme on le vrie facilement.
Par suite on a
zw
2
= zwzw = zzww = z
2
w
2
.
En prenant les racines carres de ces nombres rels, on a gale-
ment zw = z w.
Nous naurons plus besoin de chercher de systme de nombres
plus grand pour obtenir des racines carres. En eet :
Proposition 2.12 Tout nombre complexe w C non-nul possde
exactement deux racines carres, qui sont opposes.
Opposes signie que lon a deux racines z et z, et au-
cune autre.
Dmonstration. Il est trs facile de voir que si w possde une
racine z
0
, alors il en possde exactement deux : en eet
z
2
= w z
2
z
2
0
= 0
(z z
0
)(z +z
0
) = 0
z = z
0
ou z = z
0
.
Pour lexistence, crivons w = a+ib, et cherchons un nombre z =
x +iy tel que z
2
= w. Ceci revient rsoudre
_
x
2
y
2
= a (1)
2xy = b (2) .
Il est astucieux ici de regarder les modules : on doit avoir z
2
=
z
2
= w, et donc
x
2
+y
2
=

a
2
+b
2
(3) .
En faisant (1) +(3) on tire
x
2
=
a +

a
2
+b
2
2
.
Le membre de droite est un rel 0, donc cette dernire qua-
tion a bien des solutions, ce qui donne deux choix opposs
pour x. De mme en faisant (3) (1) on obtient
y
2
=
a +

a
2
+b
2
2
.
35
L encore on a deux possibilits pour y.
Quels que soient les choix, lquation (1) est satisfaite ;
quant lquation (2), on est seulement assur davoir 4x
2
y
2
=
b
2
et donc 2xy = |b. Il sut alors dajuster le signe de x ou de y
pour satisfaire (2).
Exemple 2.13 Soit w = 12i, et cherchons z = x+iy tel que z
2
=
w. Comme dans la dmonstration, on constate que lon doit
avoir
_

_
x
2
y
2
= 1
2xy = 2
x
2
+y
2
=

5.
Toujours en suivant le modle de la dmonstration, on en d-
duit
x
2
=
1 +

5
2
et y
2
=
1 +

5
2
.
Lquation 2xy = 2 nous dit que x et y doivent tre de signes
opposs. On peut donc prendre
x =
_
1 +

5
2
et y =
_
1 +

5
2
.
Les deux solutions sont alors x +iy et x iy.
On sait mme rsoudre dans C des quations un peu plus
compliques :
Proposition 2.14 Soient a, b et c trois nombres complexes avec a
0, soit = b
2
4ac, et enn soit C tel que
2
= .
Alors lquation
az
2
+bz +c = 0
possde exactement deux solutions lorsque 0, donnes par :
z =
b |
2a
.
Dans le cas o = 0, ces deux solutions se confondent et il ny en
a pas dautres.
36
Dmonstration. On crit simplement
az
2
+bz +c = 0 4a
2
z
2
+4abz +4ac = 0
(2az +b)
2
+4ac b
2
= 0
(2az +b)
2
= ,
et donc 2az +b doit tre |.
ce stade, vos souvenirs de Terminale vous poussent sans
doute attendre une description de la forme polaire , la fa-
meuse criture z = e
i
. En ralit, pour expliquer rigoureu-
sement ce quil se passe, il va falloir patienter : il nous faut
dabord voir une quantit dautres rsultats. En contrepartie,
quand nous arriverons enn criture, nous aurons des vraies
dnitions du cosinus et du sinus, entre autres choses.
Vous pouvez toutefois aller voir tout de suite le passage
intitul Forme polaire et racines n-imes , dans le chapitre
Lexponentielle (page 185). Vous pourrez ainsi vous rappe-
ler vos notations de Terminale, qui vous seront peut-tre nces-
saires trs vite en Physique.
Deuxime lecture
Calculs sur machine et corps
Les systmes de nombres R et C semblent rpondre tous
nos besoins en thorie. En pratique par contre, les choses ne
sont pas aussi simples. Ds que lon commence faire des cal-
culs un peu longs, le besoin de coner la tche un ordina-
teur se fait sentir. Or, les nombres rels sont trs abstraits, nous
lavons dit ; tout ce quune machine va savoir faire, cest utiliser
des approximations, comme par exemple
x = 1.414213 =
1414213
1000000
pour approcher

2. En fait les machines ne connaissent que Q
(et encore, avec des limitations sur la taille des nombres en-
tiers employs en fonction de la mmoire, mais on peut laisser
37
ce problme de ct). Ces approximations sont une source der-
reur importante. Ainsi si lon calcule
x
32
= 65535, 1660562286
on est bien loin de

2
32
= 2
16
= 65536. Mme en sachant
que x
32
est cens approcher un nombre entier, arrondir len-
tier le plus proche ne donne pas la bonne rponse ! Aussi, no-
tons que 7 chires de x sont corrects, alors que seulement 4
chires de x
32
sont corrects.
Cependant, admettons que lon entreprenne une srie de
calculs, dans lesquels on est certains de nutiliser que des
nombres rationnels et

2, mais rien dautre. On peut tout sim-

plement apprendre lordinateur manipuler les nombres de
la forme a + b

2 avec a, b Q. En eet il sut de stipuler les

rgles suivantes :
(a +b

2) +(a

+b

2) = (a +a

) +(b +b

2,
et
(a +b

2)(a

+b

2) = (aa

+2bb

) +(ab

+a

b)

2.
On conoit bien comment un ordinateur peut considrer ces
nombres commes des paires (a, b) de rationnels et oprer les
additions et multiplications directement sur ces paires (un peu
comme dans notre dnition de C avec des paires de rels).
Voil un nouveau systme de nombres qui apparat naturelle-
ment, et sur le mme modle on en entrevoit une innit. Il est
temps de leur donner des noms prcis.
Dfinition 2.15 On dit que lensemble K est un anneau lors-
quil est muni dune addition
KK K
(x, y) x +y
et dune multiplication
Anneau est
une mauvaise
traduction de
lAllemand
Ringe, qui
signie
cercle , dans le
sens de
communaut .
KK K
(x, y) x y
38
ainsi que de deux lments nots 0 et 1, tels que les proprits
suivantes sont satisfaites :
(a) x +y = y +x, (e) x(y +z) = xy +xz
(b) 0 +x = x, et (x +y)z = xz +yz,
(c) (x +y) +z = x +(y +z), (f) 1x = x1 = x,
(d) x (x) tel que x +(x) = 0, (g) (xy)z = x(yz).
Lorsque de plus on a
(h) xy = yx,
on dit que K est un anneau commutatif.
Finalement, si en plus des proprits (a-b-c-d-e-f-g-h) on a
galement
Lexpression
corps
lorigine tait
comprise dans le
sens dun corps
de mtier, ou
dun corps
darme.
(i) x 0 x
1
tel que xx
1
= 1,
on dit que K est un corps.
En dautres termes, dans un corps les rgles usuelles darith-
mtique doivent sappliquer.
Exemple 2.16 Les ensembles Q, R et C, avec les oprations
usuelles, sont des corps.
Exemple 2.17 Soit K = a +b

2 a, b Q avec les oprations

dnies ci-dessus. On va montrer que K est un corps. En fait
les oprations sont hrites de celles de R (notez que lon
a K R), et par consquent les proprits a-b-c-d-e-f-g-h sont
automatiquement satisfaites. Mais il en manque une !
En eet, il nest pas vident que si x = a+b

2 K, alors x
1

K lorsque x 0 (on est simplement certain que x

1
existe
dans R). Cependant un petit calcul nous rassure :
1
x
=
1
a +b

2
=
a b

2
(a +b

2)(a b

2)
=
a
a
2
2b
2
+
b
a
2
2b
2

2 K.
Un avertissement. Nous avons multipli numrateur et dno-
minateur par a b

2, et ceci na un sens que si a b

2 0. Or
39
dans le cas contraire, on aurait

2 =
a
b
avec a et b rationnels, ce
qui est impossible daprs la proposition 2.1.
Ce corps est not gnralement Q[

2].
Exemple 2.18 Lensemble Z est un anneau commutatif, mais
ce nest pas un corps. En eet la proprit (i) de linverse nest
pas satisfaite, par exemple
1
2
Z.
Il va falloir attendre le chapitre 5 pour avoir un exemple
danneau non-commutatif.
Arithmtique de lhorloge
Nous allons donner dautres exemples de corps, qui ne
possdent quun nombre ni dlments. Ils sont utilis ex-
trmement souvent en thorie des nombres, en informatique,
en cryptographie, etc.
Lide de dpart est simple. Lorsquil est 23h et quon at-
tend un vnement qui doit se drouler 4h plus tard, on calcule
rapidement quil aura lieu 3h du matin. Sil est 19h et que lon
a 7h attendre, on sait bien que cela va nous amener 2h du
matin. Le raisonnement que lon fait sans y penser consiste
additionner les deux nombres (on obtient 27 dans le premier
cas, et 26 dans le deuxime), puis retrancher 24 puisque les
journes reprennent 0 ce moment-l.
On dit que lon calcule modulo 24. Vous savez aussi spon-
tanment calculer modulo 12 : il sut de ne pas direncier
le matin et laprs-midi, comme lorsquon vous demande dat-
tendre pendant 5h partir de 11h et que vous savez presque
immdiatement que vous en avez jusqu 4h (de laprs-midi).
L encore on fait 11 +5 = 16 puis 16 12 = 4 puisque lon veut
un rsultat entre 0 et 12.
On va dnir maintenant des oprations modulo N, pour
tout entier N 2, sur le mme modle. Rappelons avant de
commencer ce quest une division euclidienne : tant donns
deux nombres entiers a et b, vous savez que lon peut trouver
deux nombres entiers q (le quotient) et r (le reste), uniques, tels
que
a = bq +r ,
40
et 0 r < b. Par exemple, en faisant la division de 16 par 12 on
crit 16 = 12 1 +4 donc q = 1 et r = 4.
Dfinition 2.19 Sur lensemble 0, 1, 2, . . . , N1 on dnit une
addition par
x y = le reste dans la division euclidienne de x +y par N,
et une multiplication par
x y = le reste dans la division euclidienne de xy par N.
On crit Z/NZ pour dsigner lensemble 0, 1, 2, . . . , N1 muni
de ces oprations.
Exemple 2.20 Prenons N = 24. Si lon voit 23 et 4 comme des
lments de Z/24Z, on peut calculer 23 4. Comme
23 +4 = 27 = 24 1 +3,
on a 23 4 = 3. De mme :
23 4 = 92 = 24 3 +20,
donc 23 4 = 20.
Exemple 2.21 Prenons N = 2 ; on a maintenant Z/2Z = 0, 1.
Le seul calcul un peu tonnant est 1 1 = 0 : en eet
1 +1 = 2 = 2 1 +0.
Sinon on a sans surprise 00 = 0, et 01 = 10 = 1. La multi-
plication ne vous tonnera pas non plus. crivons les rsultats
complets sous forme de tableaux :
0 1
0 0 1
1 1 0
et
0 1
0 0 0
1 0 1
Peut-on appliquer les rgles de calcul usuelles avec Z/NZ?
Pour vrier ceci, dnissons la fonction reste :
R : Z Z/NZ
x R(x) = le reste dans la division de x par N.
41
Proposition 2.22 On a
R(x +y) = R(x) R(y) et R(xy) = R(x) R(y) .
Dmonstration. crivons les divisions euclidiennes x = Nq
1
+
R(x) et y = Nq
2
+R(y). En additionnant on trouve
x +y = N(q
1
+q
2
) +(R(x) +R(y)) .
Il se peut que R(x) +R(y) soit N; crivons donc une nouvelle
division
R(x) +R(y) = Nq
3
+r .
Ici par dnition le reste r = R(x) R(y). En regroupant :
x +y = N(q
1
+q
2
+q
3
) +r ,
et 0 r < N, donc r est bien le reste dans la division euclidienne
de x +y par N. Cest--dire que r = R(x +y) = R(x) R(y).
On procde de mme pour la multiplication.
Corollaire 2.23 Les proprits de calcul (a-b-c-d-e-f-g-h) sont
valables dans Z/NZ, pour laddition et la multiplication .
(En dautres termes, Z/NZ est un anneau commutatif.)
Dmonstration. Soit x, y et z des entiers. Puisque x(yz) = (xy)z,
en appliquant la fonction R on a R(x(yz)) = R((xy)z), ce qui
donne en utilisant la proposition
R(x) R(yz) = R(xy) R(z) ,
puis
R(x) (R(y) R(z)) = (R(x) R(y)) R(z) .
Par suite, la multiplication est associative (proprit (g)). On
fait pareil pour les autres proprits.
Lensemble Z/NZ est-il un corps ? En dautres termes, que
peut-on dire de la rgle (i) de linverse ? Voyons des exemples.
Exemple 2.24 Pour N = 2, le seul lment non-nul de Z/2Z
est x = 1. On a x x = 1, donc x
1
existe et on a mme x
1
= x.
Ainsi Z/2Z est un corps.
42
Exemple 2.25 Prenons N = 24. Comme
3 8 = 24 = 24 1 +0,
on a 3 8 = 0. On en dduit que linverse de 3 nexiste pas : en
eet si lon avait un lment 3
1
tel que 3
1
3 = 1, on aurait
3
1
(3 8) = (3
1
3) 8 = 1 8 = 8 = 0.
Or 8 0. Donc Z/24Z nest pas un corps.
Dans le chapitre suivant nous allons dterminer les valeurs
de N telles que Z/NZ est un corps. Vous pouvez essayer de de-
viner la rponse.
Nous allons conclure ce chapitre par une simplication des
notations. Il est clair qucrire x y et x y va devenir fatigant
trs vite, donc on va noter x + y et xy. Ceci introduit quelques
ambiguts (penser au fait que 8 +4 = 0 dans Z/12Z . . . ), mais
une autre convention va compenser. On va en eet utiliser la
notation x = R(x). Il ne faut pas confondre avec la conjugaison
complexe, mais puisque la proposition 2.22 nous dit que
x +y = x +y et xy = xy,
la notation se comporte comme prvu. On va alors sastreindre
mettre la barre systmatiquement sur les nombres, et donc
crire
8 +4 = 0,
dans Z/12Z. Et ce, mme si 8 = 8. . . Cest la prsence des barres
qui, par convention, signie que les calculs sont faits avec un
modulo. Dailleurs on devrait penser 8 et 8 comme des
objets totalement dirents, lun dans Z/12Z, lautre dans Z.
43
Chapitre 3
Polynmes
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Le lecteur ayant
assimil la
dnition 2.15
peut prendre
pour K
nimporte quel
corps.
Premire lecture
Dnitions & Notations
Dfinition 3.1 Donnons-nous un symbole X. Un polynme
en X coecients dans K est une expression formelle
a
0
+a
1
X+a
2
X
2
+ +a
n
X
n
avec a
n
0. Lentier n est appel le degr du polynme.
Lensemble de ces polynmes est not K[X], et le sous-
ensemble des polynmes de degr n est not K
n
[X].
Les termes symbole et expression formelle sont
comprendre de manire intuitive : disons quun polynme est
une criture. Si vous trouvez a insatisfaisant, essayez lencadr
Dnition complte des polynmes .
Par exemple, P = 3X
2
5X + 1 est un polynme de Q[X],
et Q = X
3
+iX
2
7 C[X].
Lorsque lon dispose dun polynme P K[X] et dun le-
ment x K, on peut donner un sens P(x). Sans surprise, si
P = a
0
+a
1
X+ +a
n
X
n
,
44
alors
P(x) = a
0
+a
1
x + +a
n
x
n
.
On dit que lon value P en x. Si P = X
2
+1, alors P(2) = (2)
2
+
Dnition complte des polynmes
En deux mots, un ordinateur nous
dirions quun polynme est dni
par ses coecients, et puis nous in-
diquerions les rgles de calcul sur
ces coecients. Voici les dtails.
Considrons les fonctions N K.
Une telle fonction a sera note
a = (a
0
, a
1
, a
2
, . . .) ,
avec a
n
= a(n).
On dnit une addition le plus
simplement du monde : si b =
(b
0
, b
1
, . . .), alors nous dnissons
a b = (a
0
+b
0
, a
1
+b
1
, a
2
+b
2
, . . .) .
Dnissons maintenant une multi-
plication , qui parat bien plus tor-
due : a b = (c
0
, c
1
, c
2
, . . .), o
c
n
=
n

p=0
a
p
b
np
.
(On appelle ceci la formule de Car-
tan .)
On peut vrier directement que
lensemble des fonctions N K,
avec ces oprations, est un anneau
commutatif (cf dnition 2.15).
Premire remarque : en identi-
ant x Kavec la suite (x, 0, 0, 0, . . .),
on peut considrer que K est
contenu dans cet ensemble de
suites.
Soit maintenant X = (0, 1, 0, 0, 0, . . .),
cest--dire X(n) = 0 sauf si n = 1,
et X(1) = 1. Essayons quelques cal-
culs :
X
2
= XX = (0, 0, 1, 0, 0, . . .) ,
X
3
= XX
2
= (0, 0, 0, 1, 0, . . .) ,
et de mme on constate que X
n
est
reprsent par une suite de 0, sauf
la position n o lon trouve un 1.
Finalement, soient a
0
, a
1
, . . . , a
n
des
lments de K. Si lon calcule a
0

a
1
X a
n
X
n
, on trouve
(a
0
, a
1
, . . . , a
n
, 0, 0, 0, . . .) .
On peut nalement dnir K[X]
comme tant lensemble des
suites a : N K telles que a(k) = 0
pour tous les k suprieurs un cer-
tain n N appel le degr. Les op-
rations sont celles ci-dessus, et on
va crire P+Qet PQau lieu de PQ
et P Q, pour simplier. On vrie
alors que tout polynme P scrit de
manire unique
P = a
0
+a
1
X+ +a
n
X
n
.
Par analogie, une suite quel-
conque a : N K peut tre note

n0
a
n
X
n
,
et appele une srie formelle, lors-
quon veut faire rfrence aux op-
rations daddition et de multiplica-
tion que lon vient de dnir. At-
tention cependant : cette notation
ne doit pas donner lillusion dune
somme innie ou dun passage
la limite (dailleurs nous navons pas
encore tudi les limites !).
On note K[[X]] lensemble des s-
ries formelles.
45
1 = 5, par exemple. Cette opration est tellement commune que
lon note souvent P(X) (au lieu de P tout simplement) pour un
lment de K[X], an de rappeler cette possibilit dvaluer.
Un polynme donne naissance plusieurs fonctions. Pre-
nons P = 7X
5
12X
3
; on peut considrer la fonction
R R
x P(x) = 7x
5
12x
3
.
Mais on peut aussi regarder
C C
z P(z) = 7z
5
12z
3
,
et il y aurait aussi la fonction [0, 1] R qui x associe P(x), etc
etc.
La division Euclidienne
On peut additionner et multiplier les polynmes de faon
naturelle. Il ne vous aura pas chapp quon ne peut pas tou-
jours diviser : par exemple si P = X
2
1 et Q = X+2, il ny a pas
de polynme R qui mriterait de sappeler
P
Q
, cest--dire quil
ny a pas de polynme R tel que QR = P. Pour montrer ceci, on
note que si R existait, il serait de degr 1, disons R = aX+b. Or
lquation QR = P donne en dveloppant :
aX
2
+(2a +b)X+2b = X
2
1,
et en comparant les coecients, on obtient a = 1, b =
1
2
, et 2a+
b =
3
2
= 0, contradiction.
Parfois, on peut avoir de la chance : pour le mme P, et
pour Q = X + 1, on a P = X
2
1 = (X 1)(X + 1) = (X + 1)Q
donc
P
Q
= X1.
En gnral on dit que Q divise P lorsquil existe un poly-
nme R tel que P = QR. Dans ce cas, et dans ce cas seulement,
on pourra noter R =
P
Q
. On utilise la notation Q P pour indi-
quer que Q divise P. Il faut se mer de cette notation (stan-
dard malheureusement) qui apparat symtrique alors que les
rles de P et Q sont trs dirents.
46
La situation des polynmes est trs similaire celle des
nombres entiers : on peut parfois diviser un entier par un autre,
parfois a ne tombe pas juste . Dans tout ce chapitre on va in-
sister sur les similarits, et nous commenons par les divisions
Euclidiennes.
Rappelons que, si a et b sont des nombres entiers, il existe
deux nombres entiers q (le quotient) et r (le reste), uniques, tels
que
a = bq +r ,
avec 0 r < b.
Proposition 3.2 Soit A et B deux polynmes de K[X]. Alors il
existe deux polynmes Q (le quotient) et R (le reste), uniques, tels
que
A = BQ+R,
avec degR < degB.
Dmonstration. Montrons lunicit. Si A = BQ+R et A = BQ

+
R

, en faisant la dirence on obtient

B(QQ

) = R

R.
Le degr de R

R est < degB. On en dduit que Q Q

= 0,
sinon le degr de B(Q Q

) serait degB. Donc Q = Q

et par
suite R = R

.
Pour lexistence de Q et R, nous allons donner directement
une mthode de calcul.
Exemple 3.3 Prenons A = 4X
3
2X
2
+1 et B = X
2
+X+1. On
commence par prsenter la division comme pour les nombres
entiers :
47
Puis on value en 4X
3
, combien de fois X
2
? Rponse,
4X. On calcule alors 4X B = 4X
3
+4X
2
+4X, et lon soustrait ce
rsultat au polynme A. On prsente ces calculs de la manire
suivante :
On recommence avec en 6X
2
, combien de fois X
2
? , r-
ponse 6 :
Cest termin : lorsque lon obtient gauche un polynme
de degr infrieur celui de B, cest le reste, ici R = 2X+7. Le
quotient est Q = 4X 6. On peut vrier directement que A =
BQ+R.
Exemple 3.4 Les divisions Euclidiennes vont tre dune grande
utilit par la suite, mais pour linstant vous vous demandez
peut-tre quel intrt on pourrait bien avoir diviser des po-
lynmes. Voici alors une petite astuce de calcul qui les fait
intervenir. Soit
j =
1 +i

3
2
.
Cest une solution de X
2
+ X + 1 = 0, cest--dire que j
2
+ j +
1 = 0 (proposition 2.14). Combien vaut 4j
3
2j
2
+ 1 ? Si lon
commence par dvelopper (
1+i

3
2
)
3
de manire nave, on va
perdre pas mal de temps. Alors que nous venons de dmontrer
que
4X
3
2X
2
+1 = (4X6)(X
2
+X+1) +2X+7,
48
ce qui donne en valuant en X = j la rponse 4j
3
2j
2
+ 1 =
2j +7 = 6 +i

3.
Notez bien que la division Euclidienne ne fait intervenir
que des nombres entiers (et aucune

3), et quelle seectue
trs vite, avec lhabitude. Vous aviez peut-tre russi calcu-
ler 4j
3
2j
2
+ 1 rapidement en crivant j
2
= 1 j, donc j
3
=
jj
2
= 1. Bravo, mais la mthode de la division Euclidienne ne
fait rien dautre que dorganiser ces calculs. Avec des nombres
encore plus compliqus que ce j, il devient trs dicile de trou-
ver des astuces au coup doeil.
Racines
Dfinition 3.5 Soit P K[X] un polynme, et soit r K. On
dit que r est une racine de P lorsque P(r) = 0. (Parfois on dit
que r est une solution de P, et parfois on dit (assez curieuse-
ment, dailleurs) que r est un zro de P.)
Proposition 3.6 Le nombre r K est une racine de P si et seule-
ment si le polynme Xr divise P dans K[X].
Dmonstration. On crit la division Euclidienne de P par Xr :
P = (Xr)Q+R.
Ici le degr de R doit tre < 1, donc R est de degr 0 (on dit que
cest une constante ). En faisant X = r, ceci devient P(r) = R,
donc nalement
P = (Xr)Q+P(r) .
Il est alors clair que P(r) = 0 (Xr) P.
La dmonstration indique clairement que pour trouver ex-
plicitement le polynme
P
Xr
, le plus simple est deectuer une
division Euclidienne.
Exemple 3.7 Soit P = 5X
2
15X + 10. Ce polynme a deux
racines, savoir 1 et 2. Il doit donc tre divisible par X 1 en
particulier, et en faisant la division Euclidienne on obtient
5X
2
15X+10 = (X1)(5X10) = 5(X1)(X2) ,
ce qui conrme que P est galement divisible par X2.
49
Dune manire gnrale, si P a une racine r
1
on peut crire
P = (X r
1
)Q
1
, et si Q
1
a une racine r
2
on peut crire Q
1
=
(X r
2
)Q
2
donc P = (X r
1
)(X r
2
)Q
2
; si Q
2
a une racine r
3
on aboutit P = (X r
1
)(X r
2
)(X r
3
)Q
3
. . . Peut-on continuer
comme a indniment ? En dautres termes, est-ce que chaque
polynme de K[X] va toujours possder au moins une racine
dans K?
La rponse est non, tout dabord parce que les polynmes
constants, de la forme P(X) = c, avec c K, nont aucune ra-
cine si c 0. Si maintenant degP = n 1, on observe que les
degrs successifs de Q
1
, Q
2
, . . . , ne font que diminuer, donc si
lon peut trouver n racines succesivement comme ci-dessus le
polynme Q
n
sera de degr 0 donc constant et non-nul. On ne
peut alors pas continuer avec Q
n
.
Au passage nous avons presque dmontr le rsultat sui-
vant :
Proposition 3.8 Un polynme de degr n ne possde pas plus
de n racines distinctes.
Dmonstration. Supposons en eet que lon ait n + 1 racines
distinctes, disons r
1
, r
2
, . . . , r
n+1
. On commence par crire P =
(Xr
1
)Q
1
comme ci-dessus. Ensuite, puisque P(r
2
) = 0, on crit
P(r
2
) = (r
2
r
1
)Q
1
(r
2
) = 0,
et comme r
1
r
2
par hypothse, on doit bien avoir Q
1
(r
2
) = 0.
On peut donc factoriser et obtenir Q
1
= (Xr
2
)Q
2
. On recom-
mence avec Q
2
, et ainsi de suite on aboutit
P = (Xr
1
)(Xr
2
) (Xr
n+1
)Q
n+1
.
Cette dernire galit est absurde puisque le membre de droite
a un degr n +1.
Mais il ny a pas que les polynmes constants qui nont pas
de racines. Lexemple le plus fameux est P = X
2
+ 1 R[X] et
qui ne possde pas de racine dans R, puisque le carr dun rel
est toujours positif et ne saurait valoir 1. Dans le mme ordre
dide, le polynme Q = X
2
2 Q[X] na pas de racine dans Q
daprs la proposition 2.1.
50
Dans un cas comme dans lautre, on peut considrer ces
polynmes comme des lments de C[X], et ils ont bien sr
des racines dans C. Rappelez-vous quen parlant de C nous
avions prdit que nous gagnerions bien plus que des racines
carres supplmentaires en travaillant avec les complexes. Le
thorme suivant arme en eet que toute quation polyno-
miale P(z) = 0 a une solution dans C!
Thorme 3.9 (Thorme fondamental de lalgbre) Tout
polynme de degr 1 dans C[X] possde une racine dans C.
On dit que C est algbriquement clos . Nous montrerons
le thorme fondamental de lalgbre plus loin, dans un cha-
pitre danalyse. On peut dj en tirer des consquences.
Corollaire 3.10 Tout polynme de C[X] de degr n peut scrire
de manire unique
P = (Xr
1
)(Xr
2
) (Xr
n+1
) .
Dmonstration. Lexistence de cette criture est claire ce stade,
mais comme nous nonons lunicit aussi on va prudemment
faire une rcurrence. Supposons le rsultat vrai pour les po-
lynmes de degr n 1 (pour n = 0 cest vident). Soit P de
degr n.
On peut trouver une racine r
1
pour P daprs le thorme,
donc P = (Xr
1
)Q. Par rcurrence on sait que Q = (Xr
2
)(X
r
3
) (Xr
n
), do lcriture annonce pour P.
Vrions quelle est unique. Si
P = (Xy
1
)(Xy
2
) (Xy
m
) ,
on sait dj que m = n = degP et que = = le coecient de X
n
dans P. Comme P(r
1
) = 0, on peut crire
(r
1
y
1
)(r
1
y
2
) (r
1
y
n
) = 0,
donc r
1
y
i
= 0 pour un certain indice i ; quitte renumroter,
on peut supposer que i = 1, donc y
1
= r
1
.
51
Le quotient dans la division de P par (X r
1
), qui est uni-
quement dtermin, peut donc tre calcul de deux faons dif-
frentes, ce qui donne lgalit
Q = (Xy
2
)(Xy
3
) (Xy
n
) .
Par rcurrence, on sait que cette criture est unique, cest--dire
que (quitte renumroter) on a x
i
= y
i
pour tous les indices i.
La situation pour les polynmes de R[X] est peine plus
complique. Faisons une remarque simple :
Lemme 3.11 Soit P R[X], et soit r C une racine de P. Alors le
nombre conjugu r est galement racine de P.
Dmonstration. Si P(r) = 0, on a aussi P(r) = 0 = 0. Mais comme
P(r) = a
0
+a
1
r + +a
n
r
n
avec a
i
= a
i
(puisque a
i
R), on constate que
P(r) = a
0
+a
1
r + +a
n
r
n
= P(r) = 0.
Proposition 3.12 Soit P un polynme de R[X]. On peut crire de
manire unique
P = (Xx
1
)(Xx
2
) (Xx
i
)Q
1
Q
2
Q
j
avec x
k
R et Q
k
un polynme de degr 2 dans R[X] sans racine
relle.
Dmonstration. Daprs le corollaire, on peut crire
P = (Xr
1
)(Xr
2
) (Xr
n
) ,
avec r
k
C. Si certains de ces nombres sont en fait dans R,
appelons-les x
1
, x
2
, . . . x
i
. Les autres racines r
k
qui ne sont pas
relles sont regroupes en paires : en eet daprs le lemme,
si r
k
est une racine de P, alors r
k
aussi (et r
k
r
k
dans ce cas). Le
facteur
(Xr
k
)(Xr
k
) = X
2
2|(r
k
) X+r
k

2
est un polynme de R[X] de degr 2, sans racine relle. La pro-
position sen dduit.
Lunicit est laiss en exercice.
52
Diviseurs dans C[X]
Que peut-on dire de lensemble des diviseurs dun poly-
nme P donn ? Tout dabord, notons que si P = QR, on peut
crire pour tout scalaire 0 que P = (Q)(
1

R) ; en dautres
termes, si Q divise P, alors Q divise aussi P, et en particulier P
a un nombre inni de diviseurs.
Pour viter cette complication inutile, nous dirons quun
polynme a
0
+a
1
X+a
2
X
2
+ +a
n
X
n
est unitaire si a
n
= 1. Une
meilleure question est donc : que peut-on dire de lensemble
des diviseurs unitaires dun polynme donn ? Notons que,
regarder les dnitions, il nest pas a priori vident de savoir
sil en existe un nombre ni ou non.
Grce au corollaire 3.10 cependant, on va pouvoir tudier
facilement lensemble des diviseurs dun polynme complexe.
Introduisons la notation suivante : pour un nombre complexe z
et un polynme P C[X], le nombre m
z
(P) est le plus grand en-
tier tel que (X z)
m
z
(P)
divise P. On va lappeler la multiplicit
de z comme racine de P. On remarque que m
z
(P) > 0 si et seule-
ment si z est racine de P, ce qui narrive que pour un nombre
ni de nombres z. Le corollaire 3.10 peut scrire
P =
_
zC
(Xz)
m
z
(P)
,
sachant que ce produit ne comporte quun nombre ni de
termes (les autres sont gaux 1). Le lemme suivant est alors
vident.
Lemme 3.13 Les multiplicits ont les proprits suivantes.
1. m
z
(P
1
P
2
) = m
z
(P
1
) +m
z
(P
2
).
2. Qdivise P si et seulement si m
z
(Q) m
z
(P) pour tout nombre
complexe z.
3. P ne possde quun nombre ni de diviseurs unitaires.
Dmonstration. La dmonstration (trs simple) des points (1) et
(2) est laisse en exercice. Pour le (3) notons quun polynme
unitaire Q scrit
Q =
_
zC
(Xz)
m
z
(Q)
,
53
et lorsque Qdivise P le nombre entier m
z
(Q) vrie 0 m
z
(Q)
m
z
(P) daprs le point (2). Il ny a quun nombre ni de nombres
complexes z pour lesquels m
z
(P) 0, donc au total il ny a quun
nombre ni de choix pour Q.
On peut alors poser la dnition suivante.
Dfinition 3.14 Soit P et Q deux polynmes de C[X]. Le po-
lynme pgcd(P, Q) est par dnition
pgcd(P, Q) =
_
zC
(Xz)
min(m
z
(P),m
z
(Q))
.

Lemme 3.15 Le polynme pgcd(P, Q) divise P et divise Q. De plus

si D est un polynme qui divise P et Q, alors D divise pgcd(P, Q).
En particulier pgcd(P, Q) est lunique diviseur unitaire de P et de Q
de degr maximal.
On comprend donc pourquoi pgcd(P, Q) est appel le plus
grand diviseur commun de P et Q.
Dmonstration. Daprs le (2) du lemme prcdent, il est clair
que si D P et D Q, alors D pgcd(P, Q), et donc que deg(D)
deg(pgcd(P, Q)).
Vrions lunicit. Soit D un diviseur unitaire de P et de Q
dont le degr est maximal. On a D pgcd(P, Q) donc deg(D)
deg(pgcd(P, Q)) do par maximalit deg(D) = pgcd(P, Q). Par
suite D= pgcd(P, Q) puisquils sont tous les deux unitaires.
Cette approche des pgcds a pas mal de dfauts. Tout dabord,
il est dicile de calculer pgcd(P, Q) par la dnition ci-dessus :
il faut dabord factoriser entirement P et Q! Ensuite, si Knest
pas C, on ne sait rien dire. Vous arrivez certainement traiter
le cas K = R laide de la proposition 3.12 (en lieu et place du
corollaire 3.10), mais pour K= Q on est dans une impasse.
Dans la suite du chapitre on va indiquer une toute autre
mthode, plus gnrale et entranant des calculs assez faciles.
Par contre les dnitions sont moins directes.
54
Deuxime lecture
Plus grand diviseur commun
Dfinition 3.16 Soient A et B deux polynmes. Lensemble
des diviseurs communs A et B est not div(A, B).
Notez que div(A, 0) est lensemble des diviseurs de A (tout
polynme P divise le polynme nul, puisque 0 = 0 P).
Lemme 3.17 Soient A et B des polynmes (ou des nombres en-
tiers). crivons la division euclidienne A = BQ+R. Alors
div(A, B) = div(B, R) .
Dmonstration. Si D divise A et B, alors il divise R = ABQ (en
eet si A = A

D et B = B

D alors R = (A

+B

Q)D). Rciproque-
ment si D divise R et B, alors il divise A, par le mme raisonne-
ment. Donc les diviseurs considrer pour la paire (A, B) sont
les mmes que pour la paire (B, R).
Pourquoi est-ce utile ? Tout simplement parce quen passant
(B, R), les degrs (ou les nombres) sont plus petits. On peut
ensuite recommencer avec (B, R), et recommencer encore, et on
va nir par obtenir une paire de la forme (P, 0) : en eet tant
que le deuxime terme nest pas nul, on fait une nouvelle divi-
sion euclidienne, et on obtient un nouveau terme strictement
plus petit. En fait on a :
Proposition 3.18 Soient A et B des polynmes.
1. Il existe un unique polynme unitaire P tel que
div(A, B) = div(P, 0) .
On le note pgcd(A, B).
2. Si D divise A et B, alors D divise galement leur pgcd.
3. Le polynme pgcd(A, B) est galement caractris comme
lunique diviseur unitaire commun A et B dont le de-
gr est maximal.
55
4. Si on eectue une division euclidienne A = BQ+R, alors
pgcd(A, B) = pgcd(B, R) .
Cette dnition du pgcd est cohrent avec la dnition 3.14
lorsque K= C ( cause du point (3)).
Dmonstration. (1) Nous venons dexpliquer comment, en ap-
pliquant le lemme prcdent susamment souvent, on trouve
un polynme P tel que div(A, B) = div(P, 0) ; on peut suppo-
ser P unitaire. Montrons lunicit. Si div(P, 0) = div(P

, 0), alors
comme P P on a aussi P P

; et rciproquement comme P

on a P

P. Finalement P et P

se divisent lun lautre, et sont

unitaires, donc P = P

. Le polynme P est bien unique, et on

peut le noter pgcd(A, B).
(2) Lassertion sur D nest quune traduction de lgalit
entre div(A, B) et div(P, 0).
(3) Soit D div(A, B) de degr maximal. On a D pgcd(A, B),
donc deg(D) deg(pgcd(P, Q)) do par maximalit deg(D) =
pgcd(P, Q). Par suite, on a bien D = pgcd(P, Q) puisquils sont
tous les deux unitaires.
(4) Daprs le lemme prcdent, on a div(A, B) = div(B, R),
donc cest vident.
Avant de donner des exemples, remarquons que la situation
avec les nombres entiers est exactement similaire. En fait on a :
Proposition 3.19 Soient a et b des nombres entiers.
1. Il existe un unique entier positif p tel que
div(a, b) = div(p, 0) .
On le note pgcd(a, b).
2. Si d divise a et b, alors d divise galement leur pgcd.
3. Le nombre pgcd(a, b) est galement caractris comme le plus
grand diviseur commun a et b ( !).
4. Si on eectue une division euclidienne a = bq +r, alors
pgcd(a, b) = pgcd(b, r) .
56
La dmonstration est la mme. Voyons des exemples.
Exemple 3.20 Commenons par des nombres entiers, disons a =
77 et b = 91. On crit
91 = 77 1 +14,
donc pgcd(91, 77) = pgcd(77, 14). Puis
77 = 14 5 +7,
donc pgcd(77, 14) = pgcd(14, 7). Finalement
14 = 7 2 +0,
donc pgcd(14, 7) = pgcd(7, 0) = 7. Au total pgcd(77, 91) = 7.
Exemple 3.21 Prenons A = X
3
+7X
2
+2X+14 et B = X
4
+4X
2
+4,
dans R[X]. On calcule
B = (X7) A+(51X
2
+102) ,
donc pgcd(B, A) = pgcd(A, R) avec R = 51X
2
+102 (on passe les
dtails du calcul de la division euclidienne). Puis on eectue
A = (
1
51
X+
7
51
) R+0,
donc pgcd(A, R) = pgcd(R, 0). Attention, comme le pgcd est un
polynme unitaire par dnition, ici la rponse nest pas R =
51(X
2
+2) mais X
2
+2 : on divise simplement par le coecient
du terme en X
2
. Finalement pgcd(A, B) = X
2
+2.
Le thorme de Bzout
Cest le suivant :
Thorme 3.22 Soient a et b deux nombres entiers. Alors il existe
deux nombres u et v tels que
au +bv = pgcd(a, b) .
Soient A et B deux polynmes de K[X]. Alors il existe deux po-
lynmes U, V K[X] tels que
AU+BV = pgcd(A, B) .
57
Dmonstration. Dans lalgorithme deuclide, on passe dune
paire la suivante en ajoutant des multiples de a et des mul-
tiples de b.
Exemple 3.23 Revenons lexemple 3.20, avec a = 77 et b =
91 ; on a vu que d = pgcd(a, b) = 7.
Reprenons les divisions euclidiennes que nous avons faites,
en exprimant systmatiquement les restes en fonction de a et b.
Nous sommes partis de
91 = 77 1 +14 donc 14 = b a.
Puis nous avons eectu
77 = 14 5 +7 donc 7 = a 5(b a) = 6a 5b.
Enn la dernire division nous a montr que le pgcd tait
bien d = 7. On a donc d = 6a 5b, ce qui est bien la formule
annonce avec u = 6 et v = 5.
Exemple 3.24 Cette fois, reprenons lexemple 3.21. La pre-
mire division tait
B = (X7) A+51D,
avec D= pgcd(A, B) = X
2
+2. On a donc bien
D=
1
51
(X7)A+
1
51
B,
qui est la forme annonce avec U =
1
51
(X7) et V =
1
51
.
Premiers
Un nombre ou un polynme va tre appel premier lors-
quil na aucun diviseur part ceux qui sont vidents. Prci-
sons :
Dfinition 3.25 Soit p Z un nombre |1. On dit que p est
premier lorsque la seule faon dobtenir une factorisation p = ab
(avec a, b Z) est de prendre a = |1 ou b = |1.
58
Soit P K[X] un polynme de degr 1. On dit que P
est premier, ou plus souvent irrductible, lorsque la seule fa-
on dobtenir une factorisation P = AB (avec A, B K[X]) est
de prendre A constant ou B constant.
Exemple 3.26 Un nombre p est donc premier si et seule-
ment si la liste complte de ses diviseurs est 1, 1, p, p. Les
nombres 17, 71, 277, 733 et 953 sont ainsi premiers. On
adopte souvent la convention de ne parler que des nombres
premiers positifs, de sorte que leur liste commence par 2, 3, 5,
7, 11, 13 . . .
Exemple 3.27 Un polynme de degr 1 est toujours irrduc-
tible (premier). Pour un polynme P K[X] de degr 2, la si-
tuation est encore assez simple. Si P = AB et si ni A, ni B nest
constant, alors degA = degB = 1. Comme un polynme de de-
gr 1 possde toujours une racine dans K, le polynme P en
possde aussi une. Mais la rciproque est vraie : si P(r) = 0,
alors en posant A = X r on peut crire P = AB avec B de de-
gr 1 (proposition 3.6).
On retiendra quun polynme de K[X] de degr 2 est irr-
ductible si et seulement si il ne possde pas de racine dans K.
a reste vrai pour un polynme de degr 3 (vriez-le).
Par exemple P = X
2
+1 est irrductible dans R[X]. Par contre
dans C[X] on a P = (Xi)(X+i).
Le thorme de Bzout va permettre de dmontrer des
choses sur les nombres premiers et les polynmes irrductibles
qui paraissent intuitives, mais quon ne saurait pas prouver
autrement. Voici le meilleur exemple.
Lemme 3.28 (Lemme de Gauss) Soit P un premier. Si P AB,
alors P A ou P B.
Ce rsultat est valable pour les entiers comme pour les po-
lynmes.
Dmonstration. Supposons que P ne divise pas A, et mon-
trons quil divise alors B. Notons que lon a pgcd(P, A) = 1,
59
et donc UA+ PV = 1 par Bzout. Par hypothse on a AB = PR,
donc UAB = UPR, et comme UA = 1 PV, on en tire
(UA)B = BPVB = UPR.
Ceci montre que B = P(VB+UR) est bien divisible par P.
Nous pouvons nalement apporter une rponse la ques-
tion souleve la n du chapitre 2 (cf corollaire 2.23) : quand
est-ce que Z/NZ est un corps ?
Proposition 3.29 Soit p un entier 2. Alors Z/pZ est un corps
si et seulement si p est un nombre premier.
Dmonstration. Si p nest pas premier, on a p = ab avec a et b
des nombres qui ne sont pas divisibles par p. En rduisant mo-
dulo p, on obtient
ab = p = 0,
avec a 0 et b 0. Il est donc impossible que a ait un inverse
(argumenter comme dans lexemple 2.25).
Rciproquement, supposons que p soit premier, et soit a 0
un lment de Z/pZ. Lentier a est alors premier avec p, cest-
-dire que pgcd(p, a) = 1 puisque lon suppose que p ne divise
pas a. Par Bzout, on a au +pv = 1, et en rduisant modulo p on
a
au +pv = au = 1
(tant donn que p = 0). Cest donc bien que (a)
1
= u. Tout
nombre non-nul de Z/pZ possde un inverse, et on a bien af-
faire un corps.
Factorisation
Le thorme suivant gnralise le corollaire 3.10 et la pro-
position 3.12.
Thorme 3.30 Soit P K[X]. On peut crire de manire unique
P = P
1
P
2
P
k
,
o chaque P
i
est irreductible et unitaire.
60
Dmonstration. Montrons lexistence de cette criture, par r-
currence sur le degr de P (cest vident si deg(P) = 0). On peut
supposer que P est unitaire. Si P est lui-mme irreductible,
alors il ny a rien dire. Dans le cas contraire, on crit P = QR
avec deg(Q) < deg(P) et galement deg(R) < deg(P). Par r-
currence on peut factoriser Q et R en produit dirrductibles,
donc P aussi.
Montrons lunicit (cest plus n). On doit donc montrer
que si on a deux critures
P
1
P
2
P
k
= Q
1
Q
2
Q

, (*)
avec chaque P
i
et chaque Q
i
unitaire et irrductible, alors = ,
k = , et les polynmes P
i
sont les mmes que les Q
i
. On procde
par rcurrence sur le degr des deux membres de (*) (les choses
sont videntes si le degr est 0).
Tout dabord en regardant le coecient de plus haut degr,
on voit de suite que = . Ensuite, on constate que P
1
divise
le produit Q
1
Q
2
Q

. En consquence du lemme de Gauss, P

1
doit diviser lun des Q
i
, disons Q
1
pour simplier les notations.
On simplie (*) par P
1
= Q
1
pour obtenir
P
2
P
3
P
k
= Q
2
Q
3
Q

. (**)
Lgalit (**) est de degr plus petit que (*), donc par rcurrence
on sait que k = et que les polynmes P
2
, . . . , P
k
sont les mmes
que les polynmes Q
2
, . . . , Q

. Ceci termine la dmonstration.

Une fois de plus, ce thorme existe pour les nombres en-
tiers, essentiellement avec la mme dmonstration, et vous le
connaissez probablement dj :
Thorme 3.31 Soit n Z. On peut crire de manire unique
n = |p
1
p
2
p
k
,
o chaque p
i
est un nombre premier positif.
61
Chapitre 4
Suites
Premire lecture
Suites de rels
Dfinition 4.1 Une suite de nombres rels est simplement
une fonction u: N R. En gnral on crit u
n
au lieu de u(n),
et on crit (u
n
)
n0
pour dsigner la suite elle-mme.
Exemple 4.2 La suite dnie par u
n
= n
2
commence par
0, 1, 4, 9, 16, 25, 36, . . .
On emploie souvent une formule directe pour u
n
en fonction
de n, et dans ce cas on parlera directement de la suite (n
2
)
n0
.
On sautorise aussi parler de suites qui ne sont dnies
que pour des valeurs de n susamment grandes ; ainsi de la
suite (
1
n
)
n1
par exemple. On veillera toujours indiquer le
domaine de dnition, ici lensemble des entiers 1. videm-
ment ltude de cette suite se ramne celle de (
1
n+1
)
n0
: dans
les deux cas il sagit de comprendre la squence de nombres
1,
1
2
,
1
3
,
1
4
,
1
5
, . . .
Lcriture (
1
n
)
n1
est donc juste une notation commode.
62
Exemple 4.3 Une autre faon commune de dcrire une suite
est dutiliser une relation de rcurrence : par exemple, on peut
considrer la suite (u
n
)
n0
dnie par u
0
= 1 et u
n+1
= 2u
n
. Elle
commence par
1, 2, 4, 8, 16, 32, 64, 128, . . .
Dans cet exemple on voit tout de suite que u
n
= 2
n
. Pour
le dmontrer, sans surprise on procde par rcurrence : on a
bien u
0
= 2
0
= 1 et si u
n
= 2
n
alors u
n+1
= 2 2
n
= 2
n+1
.
Les choses sont en gnral bien plus compliques. Que lon
considre la suite (v
n
)
n0
dnie par peu prs nimporte
quelle formule de rcurrence choisie au hasard, disons v
n+1
=
cos(v
n
) +(sin(v
n
))
3
, et lon verra la dicult quil peut y avoir
trouver une formule pour v
n
.
Exemple 4.4 On peut aussi utiliser une relation de rcurrence
qui fait intervenir plusieurs termes antrieurs. La clbre suite
de Fibonacci est dnie par u
0
= u
1
= 1 et par u
n+2
= u
n+1
+u
n
.
Elle commence donc par
1, 1, 2, 3, 5, 8, 13, 21, . . .
Dans les exercices nous verrons comment trouver une expres-
sion pour u
n
dans le cas de cette suite.
Exemple 4.5 Soit (a
n
)
n0
une premire suite. On dnit (u
n
)
n0
par
u
n
= a
0
+a
1
+ +a
n
=
n

k=0
a
k
.
On dit alors que (u
n
)
n0
est la srie de terme gnral a
n
.
Par exemple lorsque a
n
= r
n
pour un rel r, de sorte que u
n
=
1+r+r
2
+ +r
n
, on dit que (u
n
) est une srie gomtrique (de rai-
son r). On peut trs facilement trouver une expression pour u
n
en remarquant
u
n
(1 r) = (1 +r + +r
n
) (r +r
2
+ r
n+1
) = 1 r
n+1
.
Si r 1, on en dduit
u
n
=
n

k=0
r
k
=
1 r
n+1
1 r
.
63
Cest une formule qui sert tout le temps, elle est donc savoir.
Convergence
Cest laide des suites que lon va pouvoir traduire math-
matiquement diverses notions de rapprochement : quantit qui
sapproche inniment prs de 0, courbes qui se rapprochent
linni , droites et cercles tangents une courbe, et tant
dautres ides intuitives vont dune faon ou dune autre se ra-
mener des questions de suites.
La dnition ci-dessous est au coeur de nombreux concepts
dans ce livre. Il est donc normal quelle paraisse un peu dicile
saisir au dbut, et il faut prendre le temps de lapprivoiser.
Il sagit de donner un sens lide dune suite qui se rappro-
cherait aussi prs que lon souhaite dune valeur donne. La
formulation nale est due Cauchy.
Dfinition 4.6 Soit (u
n
)
n0
une suite de nombres rels, et
soit R. On dit que (u
n
) converge vers , ou admet pour li-
mite, lorsque la condition suivante est satisfaite : pour tout > 0
il doit y avoir un entier N

tel que u
n
< ds que n N

.
En dautres termes, pour toute marge derreur donne, la
distance entre u
n
et va devenir infrieure pour peu que
lon prenne des indices susamment grands.
Dans ce cas on note
u
n

n
ou lim
n
u
n
= .

Essayons de comprendre cette dnition graphiquement,

pour commencer. Et dabord, comment dessiner une suite ?
Nous allons procder comme sur la gure ci-dessous. Les
points reprsents sont ceux de la forme (n, u
n
), cest--dire
que le diagramme se lit de la gauche vers la droite me-
sure que les indices augmentent. On a trac les axes dans le
plan RR, ainsi quune droite dquation y = vers laquelle la
suite semble saccumuler. Cest une bonne faon de visualiser
la convergence vers un nombre .
64
Revenons la dnition. tant donn un rel , la condi-
tion u
n
< est vrie lorsque (n, u
n
) se trouve dans une
bande horizontale dlimite par les droites y = + et y = .
Le nombre N

existe lorsquon peut tracer une droite verticale

comme ci-dessous, dquation x = N

, la droite de laquelle
tous les points (n, u
n
) sans exception sont dans la bande.
Ce N

doit exister pour tout , et bien sr les dicults ar-

rivent lorsque devient de plus en plus petit. La bande devient
65
plus troite et la droite verticale se dplace vers la droite.
Voyons maintenant des exemples.
Exemple 4.7 Considrons la suite (
1
n
)
n1
, et montrons quelle
converge vers 0. Notons u
n
=
1
n
. Soit donc > 0 comme dans la
dnition. Pour avoir u
n
0 =
1
n
< , il faut et il sut que n >
1

.
Soit donc N

nimporte quel entier tel que N

>
1

. On constate
bien que lorsque n N

, alors on a aussi n >

1

et donc u
n
< .
Par dnition, ceci montre que u
n

n
0.
(Voir lencadr R est archimdien pour quelques com-
mentaires sur cet exemple.)
Exemple 4.8 Maintenant voyons (
n
)
n0
pour un rel 0 <
1. Montrons que la suite tend encore vers 0. Puisque
n
0 =

n
=
n
, il sagit de majorer les termes de la suite par quelque
chose de facile comprendre.
Prenons un nombre rationnel
p
q
tel que <
p
q
< 1 (voir (3)
du thorme 2.5). On a q > p et comme il sagit dentiers, on est
mme sr que q p +1 ; ainsi

n
<
p
n
q
n
<
p
n
(p +1)
n
.
66
Remarquons que
(p +1)
n
= (p +1)(p +1) (p +1)
= p
n
+np
n1
+ (termes 0)
> p
n
+np
n1
.
On a donc
(p+1)
n
p
n
> 1 +
n
p
>
n
p
, et par suite

n
<
p
n
.
La suite (
p
n
)
n1
tend vers 0, exactement comme la suite (
1
n
)
n1
(la constante p ne change rien laaire). Donc tant donn >
0, il existe bien N

tel que
p
n
< pour n N

; pour ces mmes

valeurs de n, on a donc aussi
n
< , et nalement
n

n
0.
Exemple 4.9 On note n! = n(n1)(n2) 321, et on appelle
cette quantit factorielle n . Cest le produit de n termes qui
sont tous 2 sauf le dernier ; on a donc n! 2
n1
.
Si lon tudie la suite (
1
n!
)
n1
, il sut de remarquer
0 <
1
n!

1
2
n1
= (
1
2
)
n1
et donc
1
n!

n
0.
R est archimdien
Dans lexemple 4.7, on utilise le fait
suivant : tant donn un rel x,
il existe un entier N tel que N >
x (dans lexemple on avait x =
1

et N = N

).
Dabord, pourquoi est-ce vrai ? Le (3)
du thorme 2.5 arme quil existe
un rationnel
p
q
tel que x <
p
q
< x +1 ;
il sut alors de prendre N = p.
Cest Archimde qui le premier avait
nonc : Pour deux grandeurs in-
gales, il existe toujours un mul-
tiple entier de la plus petite, su-
prieur la plus grande. En
clair, tant donn a et b ration-
nels ou rels (mais Archimde pen-
sait seulement aux rationnels), tels
que 0 < a < b, alors il existe un en-
tier n tel que na > b. (Ce qui re-
vient prendre n >
b
a
.) En parti-
culier, la distance Terre-Lune peut
tre couverte par des allumettes
mises bout--bout. Ou mme cte
cte. Cest pour ces raisons his-
toriques que lon dit que R est ar-
chimdien quand on veut faire rf-
rence cette proprit.
titre dexercice, vous montrerez
que le (3) du thorme 2.5 est en
fait quivalent lnonc selon le-
quel R est archimdien ce qui si-
gnie que cest une proprit fonda-
mentale de R.
67
En eet lexemple prcdent avec =
1
2
montre que
1
2
n
converge
vers 0 ; or si on a une suite u
n
qui tend vers 0, et si 0 v
n
u
n
,
alors v
n
tend aussi vers 0. Vriez ceci partir de la dni-
tion, puis habituez-vous faire ce genre de petit raisonnement
rapidement.
Combiner les limites
Les exemples prcdents sont presque les seuls pour les-
quels vous verrez un cette anne. La quasi-totalit des suites
que lon va rencontrer vont tre des combinaisons de ces li-
mites, pour lesquelles on va appliquer le rsultat suivant.
Proposition 4.10 Soit (u
n
)
n0
et (v
n
)
n0
deux suites. On sup-
pose que u
n

n
et que v
n

n

. Alors on a :
1. (somme) u
n
+v
n

n
+

;
2. (produit) u
n
v
n

n

;
3. (inverse)
1
u
n

n
1

lorsque 0.
Avant de donner la dmonstration, montrons un petit r-
sultat intermdiaire :
Lemme 4.11 Toute suite qui converge est borne. En dautres
termes, si (u
n
)
n0
admet une limite, alors il existe un nombre C tel
que pour tout entier n, on a u
n
C.
De plus, si la limite est > 0, alors il existe une constante > 0
telle que u
n
> pour tous les n assez grands.
Dmonstration. Soit la limite. On crit
u
n
= (u
n
) + u
n
+ .
Soit > 0, par exemple = 1. Il existe un entier N

tel que pour

tous les n N

, on a u
n
< . Il sut alors de prendre C
plus grand que + , et plus grand que tous les nombres u
n

pour n < N

(qui sont en nombre ni).

68
Si maintenant > 0, posons =

2
. Pour n N

, on a u
n
<
ce quon va rcrire

2
= < u
n
< + .
On peut donc prendre = =

2
.
Dmonstration de la proposition. Commenons par la formule
pour le produit. Une astuce que vous reverrez souvent est
dcrire u
n
v
n

= u
n
(v
n

) +

(u
n
). Par suite
u
n
v
n

u
n
v
n

u
n
. (*)
Soit donc > 0. Par hypothse il existe N
1
tel que
u
n
< (1)
ds que n N
1
; de mme on a un N
2
tel que
v
n

< (2)
ds que n N
2
.
Si nous prenons N

nimporte quel nombre la fois plus

grand que N
1
et plus grand que N
2
, alors on a la fois (1) et
(2) lorsque n N

. Prenons une constante C comme dans le

lemme. Alors en reportant ces ingalits dans (*), on aboutit
u
n
v
n

(C+

) pour n N

. (**)
Avec lhabitude, vous vous rendrez compte que ce genre dar-
gument est susant, et que lon a essentiellement dj montr
que u
n
v
n
a pour limite

. Pourquoi ?
Simplement parce que pour tout > 0, on vient de mon-
trer que lon sait trouver N

tel que lingalit (**) est valable.

En particulier on peut faire ce travail pour =

C+

; donc il
existe N

tel que pour les entiers n N

on a eectivement
u
n
v
n

(C+

) = .
Vous montrerez la formule pour la somme sur le mme mo-
dle, en plus facile.
69
Pour linverse on crit

1
u
n

u
n
u
n

<
1

u
n
,
o est comme dans le lemme (appliqu la suite u
n
qui
converge vers > 0 (vriez-le)). Ainsi pour tout > 0, on
trouve un N

tel que pour n N

on a

1
u
n

<

.
L encore, cest susant pour armer que
1
u
n
converge vers
1

.
Exemple 4.12 Voyons comment cette proposition nous sim-
plie la vie. Admettons que lon souhaite connatre la limite
de
u
n
=
4n
2
+1
5n
2
n +2
.
On commence par diviser par n
2
au numrateur comme au d-
nominateur :
u
n
=
4 +
1
n
2
5
1
n
+
2
n
2
.
On a vu dans lexemple 4.7 que
1
n
0. Grce la formule pour
le produit, on sait dsormais que
1
n
2
= (
1
n
)(
1
n
) converge gale-
ment vers 00 = 0. De mme
2
n
2
20 = 0 et
1
n
(1)0 = 0,
encore par la formule pour le produit.
Maintenant, la formule pour la somme nous dit que 4 +
1
n
2
4 et que 5
1
n
+
2
n
2
5 0. On peut donc utiliser la
formule pour linverse qui donne nalement
u
n

n
4
5
.
Suites croissantes et dcroissantes
Dfinition 4.13 On dit que la suite (u
n
)
n0
est croissante
lorsque u
n
u
n+1
pour tout n ; on dit quelle est dcroissante
lorsque u
n+1
u
n
.
70
On dit que (u
n
) est majore lorsquil existe M Rtel que u
n

M, pour tout n ; on dit quelle est minore lorsquil existe m tel
que m u
n
.
Thorme 4.14 Toute suite croissante et majore est convergente.
Toute suite dcroissante et minore est convergente.
Dmonstration. Soit (u
n
)
n0
une suite croissante et majore. On
pose
= supu
n
n N ,
ce qui a un sens puisque cet ensemble est major par hypo-
thse.
Soit > 0 et considrons

= < . Alors

ne peut pas
tre un majorant de lensemble ci-dessus, puisque est le plus
petit. Ce qui revient dire quil y a au moins un lment de
lensemble, disons u
N
, tel que u
N
>

.
Or la suite est croissante, donc u
n
u
N
>

pour tous les n

N. On a donc < u
n
pour ces valeurs de n, et na-
lement u
n
< . On peut donc prendre N

= N et la suite
converge vers le sup de ses valeurs.
Si (u
n
) est dcroissante et minore, on applique le rsultat
ci-dessus (u
n
), qui est croissante et majore.
Exemple 4.15 Voici une deuxime faon, plus facile, de mon-
ter que
n
0 lorsque 0 < 1. Posons u
n
=
n
. Alors
u
n+1
u
n
=
< 1, donc u
n+1
< u
n
: la suite est dcroissante. Tous les termes
sont > 0, donc elle est minore. Par le thorme, (u
n
) admet une
certaine limite . Montrons que = 0.
Soit v
n
=
n+1
. Dun ct nous avons v
n
=
n
= u
n
. Par la
formule pour les produits de suites, on en dduit v
n

n
.
Dun autre ct, nous avons v
n
= u
n+1
. Il est donc clair
que v
n
a la mme limite que u
n
puisque cest la mme suite
avec simplement les termes dcals dun cran. Donc v
n

n
.
On doit donc avoir = . Si on avait 0, on en ddui-
rait = 1 ce qui contredit les hypothses. Donc = 0.
71
Convergence vers |
Dfinition 4.16 On crit
u
n

n
+ ou lim
n
u
n
= +,
lorsque la condition suivante est remplie. Pour tout M > 0, il
doit exister un entier N = N
M
tel que u
n
> M pour tous les
entiers n N.
De mme on dit que u
n
lorsque pour tout m < 0, il
existe un entier N = N
m
tel que u
n
< m ds que n N.
En dautres termes, quand u
n
+ les termes de la suite
deviennent arbitrairement grands lorsque les indices sont suf-
samment grands.
Les exemples vont provenir du rsultat suivant. Cest une
variante de la proposition 4.10, mais les choses ne marchent
pas aussi bien.
Proposition 4.17 Soient (u
n
)
n0
et (v
n
)
n0
deux suites. On sup-
pose que u
n

n
+ et que v
n

n
, o lon peut avoir aussi
bien R que = |. Alors :
1. (somme) si alors u
n
+v
n
+;
2. (produit)
(a) si > 0 alors u
n
v
n

n
+, et
(b) si < 0 alors u
n
v
n

n
;
3. (inverse)
(a)
1
u
n

n
0 ;
(b) si = 0, et si n on a v
n
> 0, alors
1
v
n

n
+;
(c) si = 0, et si n on a v
n
< 0, alors
1
v
n

n
.
Vous montrerez cette proposition titre dexercice. Avant
de passer aux exemples, notons que ce dernier nonc ne couvre
pas tous les cas : que dire de u
n
+v
n
lorsque = ? Que dire
72
de u
n
v
n
lorsque = 0 ? Rponse : rien en gnral. On dit que
ce sont les formes indtermines . Toutes les situations sont
envisageables.
Exemple 4.18 Puisque
1
n
k

n
0 pour tout entier k , le 3(b) de
la proposition nous dit que n
k

n
+. On peut videmment
vrier trs facilement ceci partir de la dnition.
De la mme manire,
n
+si > 1 : en eet posons =
1

< 1, alors
n
0, et on applique encore le 3(b). Toujours
pour les mmes raisons, on a n! +.
Enn, nous avons vu un exemple de forme indtermine
dans lexemple 4.12, en loccurence une forme
+
+
. Nous
avions montr dans ce cas prcis quil y avait bien une limite,
savoir
4
/
5
.
Il y a certaines formes indtermines que lon peut r-
soudre, et il est utile den mmoriser quelques unes au fur
et mesure quon les rencontre. En voici une premire.
TO DO : ajouter
la comparaison
facto-
rielle/puissances
Lemme 4.19 Soit un rel tel que 0 < 1, et k un entier. Alors
n
k

n
0.
Dmonstration. Cest une forme indtermine +0. Soit u
n
=
n
k

n
. On fait lestimation suivante :
u
n+1
u
n
= (1 +
1
n
)
k

n
.
Prenons =
1
2
> 0 ; alors pour tous les n N, pour un cer-
tain N = N

, on a
<
u
n+1
u
n
< + =
+1
2
< 1.
En posant =
+1
2
, on voit dabord que u
N+1
< u
N
; puis u
N+2
<
u
N+1
<
2
u
N
; et une rcurrence nous mne immdiatement
u
N+n
<
n
u
N
,
73
pour tous les n 0. Comme
n
u
N

n
0 (le terme u
N
nest
quune constante !), on en dduit bien que u
n
converge vers 0.
Deuxime lecture
Convergence absolue
Partant dune premire suite (a
n
)
n0
, on peut considrer la
srie de terme gnral a
n
, cest--dire la suite
u
n
= a
0
+a
1
+a
2
+ +a
n
=
n

k=0
a
k
.
(Cf lexemple 4.5.)
Le thorme suivant peut paratre surprenant : il dit que
pour montrer la convergence de u
n
, il sut de montrer la
convergence de la srie de terme gnral a
n
:
Thorme 4.20 Soit (a
n
)
n0
une suite. Si la limite
lim
n
n

k=0
a
k

existe, alors la limite

lim
n
n

k=0
a
k
existe galement. On dit alors que la srie de terme gnral a
n
converge absolument.
Dmonstration. On pose
S
n
=
n

k=0
a
k
et u
n
=
n

k=0
a
k
.
74
Par hypothse S
n
. Soit > 0, alors pour tous les n susam-
ment grands on aura S
n
<

2
, et donc
S
n
S
m
= (S
n
) +( S
m
) S
n
+S
n
<
lorsque n et m sont tous les deux suprieurs un certain N. On
en dduit pour la suite (u
n
) que
u
n
u
m
=

k=m+1
a
k

k=m+1
a
k
= S
n
S
m
< ,
lorsque n m N. On dit souvent que (u
n
) est une suite de
Cauchy pour exprimer cette proprit ( savoir que u
n
u
m
<
pour n et m susamment grands). La n de la dmonstration
va tablir quune suite de Cauchy de nombres rels converge
toujours.
En eet, soient

n
= infu
k
k n et
n
= supu
k
k n ,
de sorte que
n
u
n

n
. Par construction la suite
n
est
croissante et majore ; donc elle admet une limite
1
daprs le
thorme 4.14. De mme
n
converge vers une limite
2
parce
quelle est dcroissante et minore.
Mais nous avons montr que pour tout > 0, il existe un
rang N au-del duquel u
n
u
N
< ; pour ces valeurs de n, le
nombre u
n
est dans lintervalle ]u
N
; u
N
+[ de longueur 2, et
on en dduit que
n

n
2 pour n N. Ceci montre que
n

n
0 et donc que
1
=
2
. Finalement lencadrement
n

u
n

n
garantit que u
n
converge galement vers cette limite.
Notez bien que la dmonstration ne dit pas du tout com-
ment calculer la limite de

a
k
, mme si on connat celle de

a
k
.
Notez galement que ce thorme serait faux si on travaillait
sur Q; dailleurs la dmonstration utilise des bornes sup-
rieures et infrieures, qui sont propres R.
75
Dornavant, nous utiliserons la notation suivante, plus sug-
gestive, pour les limites de sommes. On crit :
+

k=0
a
k
= lim
n
n

k=0
a
k
,
lorsque cette limite existe.
Exemple 4.21 (Lexponentielle) Soit x R x. Posons
u
n
=
n

k=0
x
k
k!
.
Montrons que cette suite converge absolument. Nous devons
donc montrer que
S
n
=
n

k=0
x
k
k!
admet une limite. La suite (S
n
) est croissante, donc daprs le
thorme 4.14 il sut de montrer quelle est majore.
Pour k susamment grand, disons k K, on a x < k ; on
peut mme choisir < 1 tel que
x
k
< pour k K. On a alors
x
K+1
(K+1)!
=
x
K+1

x
K
K!
<
x
K
K!
.
De mme on a
x
K+2
(K+2)!
=
x
K+2

x
K+1
(K+1)!
<
x
K+1
(K+1)!
<
2
x
K
K!
.
Par rcurrence on obtient
x
K+k
(K+k)!
<
k
x
K
K!
.
Ceci va nous sure, puisquen posant C = S
K1
on peut crire
76
pour n K :
S
n
= C+
nK

k=0
x
K+k
(K+k)!
C+
x
K
K!
(1 + +
2
+ +
kK
)
= C+
x
K
K!
1
n+1K
1
C+
x
K
K!
1
1
.
La suite (S
N
) est donc bien majore en plus dtre croissante,
elle est donc convergente ; par suite (u
n
) est absolument conver-
gente, et donc elle-mme convergente daprs le thorme. Sa
limite, qui dpend de x, est note exp(x) ou e
x
, et appele lex-
ponentielle du nombre x. En clair
e
x
=
+

k=0
x
k
k!
.
Cette dnition de lexponentielle concide, heureusement,
avec les dnitions qui vous sont esquisses au lyce. Nous
montrerons a en tant voulu.
Exemple 4.22 Certaines sries convergent, mais sans conver-
ger absolument : il faut donc faire attention. Par exemple,
nous pourrons montrer plus loin que pour a
k
=
(1)
k+1
k+1
, la s-
rie converge et on a mme
+

k=0
(1)
k+1
k +1
= 1
1
2
+
1
3

1
4
+
1
5
+ = ln(2) .
Par contre en prenant les valeurs absolues, nous montrerons
que lon a en fait
+

k=0
1
k +1
= 1 +
1
2
+
1
3
+
1
4
+
1
5
+ = +,
cest--dire quil ny a pas de limite nie.
77
Suites de complexes
Lorsque lon se donne pour chaque entier n un nombre
complexe z
n
= a
n
+ ib
n
, et lorsque a
n

1
et b
n

2
, on dit
que (z
n
)
n0
converge vers =
1
+i
2
, et on note z
n

n
. Par
exemple
3n
2
2
n
+
2n +5
7n 12
i
n
2i
7
.
Cette dnition a le mrite dtre simple. Cependant on peut
donner une dnition plus directe, sans rfrence aux suites
relles, en remplaant simplement les valeurs absolues par les
modules ; en clair :
Proposition 4.23 La suite (z
n
)
n0
converge vers exactement
lorsque la condition suivante est remplie. Pour chaque rel > 0, il
doit y avoir un entier N

tel que z
n
< ds que n N

.
Ici z
n
est le module du nombre complexe z
n
. part
a, la condition est la mme que pour les suites relles.
Dmonstration. crivons z
n
= a
n
+b
n
. Pour commencer, suppo-
sons que a
n

1
et b
n

2
. tant donn > 0, on trouve N
1
tel
que a
n

1
< pour n N
1
, et de mme pour tous les n plus
grands quun certain entier N
2
on a b
n

2
< . Lorsque n est
la fois plus grand que N
1
et que N
2
, on a
z
n
(
1
+i
2
) =
_
(a
n

1
)
2
+(b
n

2
)
2

2
+
2

2 .
Ceci montre bien (en recommenant avec =

2
) que la condi-
tion donne est remplie pour =
1
+i
2
.
Rciproquement, supposons cette condition remplie pour
un certain =
1
+i
2
, et tudions la convergence des suites (a
n
)
et (b
n
). Soit > 0. En notant simplement que
a
n

1
z
n
,
on constate que si z
n
< , alors a
n

1
< , et ceci tablit
que a
n

1
, clairement. De mme (b
n
) converge vers
2
.
78
La convergence absolue fonctionne encore avec les com-
plexes :
Thorme 4.24 Soit (z
n
)
n0
une suite de nombres complexes. Si
la limite
lim
n
n

k=0
z
k

existe, alors la limite

lim
n
n

k=0
z
k
existe galement. On dit que la srie converge absolument.
Dmonstration. crivons z
n
= a
n
+ib
n
. On a a
n
z
n
et donc
S
n
=
n

k=0
a
k

n

k=0
z
k

+

k=0
z
k
.
La suite S
n
est donc majore. Elle est visiblement croissante,
donc elle converge. Daprs le thorme 4.20, on en dduit
lexistence de
+

k=0
a
k
;
de mme on montre lexistence de
+

k=0
b
k
.
Mais bien sr on a
|
_

_
n

k=0
z
k
_

_
=
n

k=0
a
k
, |
_

_
n

k=0
z
k
_

_
=
n

k=0
b
k
.
Puisque ces parties relles et imaginaires convergent, cest bien
que la somme elle-mme converge.
79
Exemple 4.25 (Lexponentielle complexe) Soit z C x. On
pose
u
n
=
n

k=0
z
k
k!
.
Soit x = z ; cest un nombre rel 0, et on a montr dans
lexemple 4.21 la convergence de
+

k=0
x
k
k!
.
Cest donc que (u
n
) converge absolument. Daprs le thorme,
elle converge. La limite dpend de z, on la note exp(z) ou e
z
. En
clair
e
z
=
+

k=0
z
k
k!
.
Lorsque z = i avec R, la notation e
i
concide avec celle
que vous connaissiez au lyce, comme nous le montrerons plus
loin.
Sur cette exemple on peut apprcier le secours qui nous est
apport par le thorme sur la convergence absolue : tudier
les parties relles et imaginaires de (u
n
) directement serait bien
dicile.
Pour travailler directement avec les complexes sans passer
par les parties relles et imaginaires, il nous manque encore un
ingrdient : cest la trs utile ingalit triangulaire, que nous
avons vu dans le cas de R dans le lemme 2.7. Elle reste vraie
sur C :
Lemme 4.26 Si a et b sont des nombres complexes, on a
a +b a +b ,
et
a b a b .
Nous allons donner une dmonstration trs gnrale dans
le paragraphe suivant (voir le lemme 4.30).
80
Suites de vecteurs
Lensemble C des nombres complexes peut tre identi
avec lensemble R R, que lon va noter R
2
, en voyant a +
ib comme la paire (a, b). De mme, on peut considrer len-
semble R R R des triplets (a, b, c) de nombres rels ; on va
noter cet ensemble R
3
. Lensemble R
4
est compos des quadri-
plets (a, b, c, d).
Rien de nous enpche de continuer : tant donn un en-
tier r, lensemble R
r
est constitu des r-uplets (a, b, c, d, . . .)
(squence de r nombre rels). Ces lments sont appels vec-
teurs.
Dfinition 4.27 La norme (ou norme euclidienne) dun vec-
teur est :
[(a, b, c, d, . . .)[ =

a
2
+b
2
+c
2
+d
2
+ .

En particulier, si z = a + ib, alors z = [(a, b)[. La norme est

donc une gnralisation du module.
Une suite de vecteurs est une fonction N R
r
, cest--dire
que pour tout entier n on se donne un vecteur
u
n
= (a
n
, b
n
, c
n
, d
n
, . . .) R
r
.
Exactement comme dans le cas des complexes, on a :
Proposition 4.28 Soit u
n
= (a
n
, b
n
, c
n
, d
n
, . . .) une suite de vec-
teurs de R
r
. Les deux noncs ci-dessous sont quivalents :
1. Chacune des suites (a
n
)
n0
, (b
n
)
n0
, (c
n
)
n0
, . . . , converge
respectivement vers
1
,
2
,
3
, . . .
2. Soit = (
1
,
2
, . . . ,
r
). Pour chaque rel > 0, il existe un
entier N

tel que pour n N

on a [u
n
[ < .
Thorme 4.29 Soit (a
n
)
n0
une suite de vecteurs dans R
r
. Si la
limite
lim
n
n

k=0
[a
k
[
81
existe (dans R), alors la limite
lim
n
n

k=0
a
k
existe galement (et cest un vecteur de R
r
). On dit que la srie
converge absolument.
Les dmonstrations sont les mmes que dans le cas des
complexes, et sont laisses en exercice. Nous avons galement :
Lemme 4.30 Si a et b sont des vecteurs de R
r
, alors
[a +b[ [a[ +[b[,
et
[a[ [b[ [a b[.
Montrons-le (ceci va tablir le lemme 4.26 du mme coup).
Commenons par une ingalit clbre :
Lemme 4.31 (Ingalit de Cauchy-Schwarz) Soient x
1
, x
2
,
. . . , x
r
, y
1
, y
2
, . . . , y
r
des nombres rels. Alors :

i=1
x
i
y
i

_
r

i=1
x
2
i
_

_
_

_
r

i=1
y
2
i
_

_
.
Supposons de plus que les nombres y
1
, y
2
, . . . , y
r
ne sont pas tous
nuls ; alors cette ingalit est une galit exactement lorsquil existe
un rel t tel que x
i
+ty
i
= 0 pour tous les indices i la fois.
Dmonstration. Si tous les y
i
sont nuls, les deux membres de
lingalit sont nuls, et lingalit est donc satisfaite. On sup-
pose maintenant quil ne sont pas tous nuls.
Pour t R, considrons
P(t) =
r

i=0
(x
i
+ty
i
)
2
= At
2
+Bt +C,
avec
A =
r

i=0
y
2
i
, B = 2
r

i=0
x
i
y
i
, C=
r

i=0
x
2
i
.
82
Faisons quelques observation sur P(t). Dabord, puisque P(t) est
une somme de carrs, on a P(t) 0 ; de plus P(t) = 0 exactement
lorsque x
i
+ty
i
= 0 pour tous les indices i la fois. Par hypothse
il y a un indice i
0
tel que y
i
0
0, donc une seule valeur de t au
maximum peut convenir, savoir t =
x
i
0
y
i
0
.
Concluons. Ou bien le polynme P(t) a une racine relle et
une seule, et donc son discriminant B
2
4AC = 0 ; ou bien il
na pas de racine relle du tout, et donc son discriminant B
2

4AC < 0. tant donnes les valeurs de A, B et C, on a exacte-

ment ce que dit le lemme.
Dmonstration du lemme 4.30 . Notons a = (x
1
, x
2
, . . . , x
r
) et b =
(y
1
, y
2
, . . . , y
r
). On calcule directement
[a +b[
2
=
r

i=0
(x
i
+y
i
)
2
= [a[
2
+[b[
2
+2(a, b) ,
avec
(a, b) =
r

i=0
x
i
y
i
[a[ [b[,
daprs lingalit de Cauchy-Schwartz. Finalement
[a +b[
2
[a[
2
+[b[
2
+2[a[ [b[ = ([a[ +[b[)
2
.
Ceci montre la premire ingalit triangulaire [a+b[ [a[+
[b[. La deuxime se dduit de la premire, exactement comme
dans le corollaire 2.8.
On en dduit enn :
Lemme 4.32 Si (u
n
)
n0
est une suite de vecteurs de R
r
qui converge
vers R
r
, alors on a galement
[u
n
[
n
[[.
Dmonstration. On utilise la deuxime ingalit triangulaire :
[[ [u
n
[ [ u
n
[.
Le membre de droite tend vers 0 daprs le (2) de la proposi-
tion 4.28.
83
Chapitre 5
Matrices
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Le lecteur ayant
lu la dnition
2.15 peut
prendre pour K
nimporte quel
corps.
Premire lecture
Introduction
Une matrice nest rien dautre quun tableau de nombres. Si
lon sintresse mathmatiquement aux tableaux, cest toujours
de prs ou de loin parce quils interviennent dans les systmes
linaires, cest--dire les quations du genre
_
3x 7y + 9z = 1
2x + y = 3
Ici on pourra associer ce systme la matrice
_
3 7 9 1
2 1 0 3
_
.
Il est clair que toutes les informations concernant le systme
sont contenues dans cette matrice, mais de plus on va voir (et
vous en avez sans doute eu un aperu au lyce) que la rsolu-
tion du systme gagne mme en clart lorsquelle est faite par-
tir de manipulations sur la matrice. Lobservation clef que nous
84
allons voir tout de suite est que les matrices peuvent tre mul-
tiplies entre elles. Il en rsulte des notations simples et puis-
santes.
Dans les chapitres suivants, nous montrerons que les sys-
tmes linaires, sous des formes plus sophistiques, sont om-
niprsents en mathmatiques, un point qui devrait vous sur-
prendre. Dans ce chapitre le but est simplement de se familia-
riser avec les matrices, et dapprendre rsoudre les systmes.
Commenons par les dnitions.
Dfinition 5.1 Une matrice de type nm coecients dans K
est un tableau dlments de K comprenant n lignes et m co-
lonnes. Lensemble des matrices nm est not M
n,m
(K). On uti-
lise parfois la notation M
n
(K) au lieu de M
n,n
(K), dans le cas
des matrices carres .
Par exemple,
_
3 7 9 1
2 1 0 3
_
M
2,4
(K) et
_
2 3i 4

17
2
3
_
M
2
(C) .
Les lments de M
1,n
(K) sont appels matrices-lignes et ceux
de M
n,1
(K) sont les matrices-colonnes.
Notez bien la convention suivante. partir de maintenant,
nous allons identier les matrices-colonnes avec les vecteurs
de K
n
; cest--dire que lon identie K
n
et M
n,1
(K). On se per-
met donc dcrire
_

_
x
1
x
2
.
.
.
x
n
_

_
K
n
.
On fait ce choix particulier dans le but de simplier (nor-
mment) certaines formules qui vont apparatre dans la suite.
Dans dautres chapitres de ce livre, vous lavez sans doute dj
remarqu, les lments de K
n
sont nots (x
1
, . . . , x
n
), donc en
ligne : il faut voir a comme une notation que lon sautorise ds
quil ny a pas dambigut, dans le but dconomiser la place.
Mais ds lors quil y a des matrices en vue, et des oprations
sur ces matrices, les vecteurs sont des colonnes.
85
On utilise parfois la notation
(a
ij
)1 i n
1 j m
ou plus simplement (a
ij
)
i,j
lorsque n et m sont entendus, pour
dsigner la matrice de M
n,m
(K) donc le coecient sur la ligne i,
dans la colonne j, est le nombre a
ij
. Par exemple dans le cas de
matrices 2 3, la matrice (a
ij
)
i,j
est
_
a
11
a
12
a
13
a
21
a
22
a
23
_
.
Autre exemple, avec des matrices 3 3, la matrice donne
par (cos(i) sin(j))
i,j
est
_

_
cos(1) sin(1) cos(1) sin(2) cos(1) sin(3)
cos(2) sin(1) cos(2) sin(2) cos(2) sin(3)
cos(3) sin(1) cos(3) sin(2) cos(3) sin(3)
_

_
.
Dfinition 5.2 Si A = (a
ij
)
i,j
est une matrice n m, alors sa
transpose est la matrice
t
A, de type mn, donne par
t
A = (a
ji
)1 i m
1 j n
(Noter linversion de i et de j : sur la ligne i dans la colonne j,
on trouve cette fois a
ji
.)
Par exemple si A est la matrice 2 3 ci-dessus, alors
t
A =
_

_
a
11
a
21
a
12
a
22
a
13
a
23
_

_
.
Si B est la matrice 3 3 ci-dessus, alors
t
B =
_

_
cos(1) sin(1) cos(2) sin(1) cos(3) sin(1)
cos(1) sin(2) cos(2) sin(2) cos(3) sin(2)
cos(1) sin(3) cos(2) sin(3) cos(3) sin(3)
_

_
.
La transpose dune matrice-ligne est une matrice-colonne, et
vice-versa.
86
Addition et multiplication
Pour commencer, on peut additionner deux matrices de
mme type coecient par coecient : par exemple
_
1 2 3
4 5 6
_
+
_
1 1 1
1 1 1
_
=
_
1 3 4
3 4 5
_
.
(En dautres termes (a
ij
)
i,j
+(b
ij
)
i,j
= (a
ij
+b
ij
)
i,j
.)
On peut aussi multiplier une matrice par un scalaire ,
cest--dire un lment de K, en multipliant tous les coe-
cients par ce nombre : par exemple
2
_
1 3
9 27
_
=
_
2 6
18 54
_
.
(En dautres termes (a
ij
)
i,j
= (a
ij
)
i,j
.)
Multiplier deux matrices entre elles est plus compliqu.
Commenons par un cas simple.
Dfinition 5.3 Donnons-nous une matrice-ligne de type 1
m, disons
A =
_
a
1
a
2
a
m
_
;
prenons galement une matrice-colonne de type m1, disons
B =
_

_
b
1
b
2
.
.
.
b
m
_

_
.
Alors le produit AB est par dnition la matrice 1 1 dont
lunique coecient est
a
1
b
1
+a
2
b
2
+ +a
m
b
m
.
(Si le nombre de coecients de A ntait pas gal au nombre de
coecients de B, le produit AB ne serait pas dni.)
Par exemple
_
4 1 10
_

_
1
0
1
_

_
=
_
4 (1) +(1) 0 +10 1
_
=
_
6
_
;
87
ou encore
_
2 3
_

_
x
y
_
=
_
2x 3y
_
.
Dans le cas gnral, on dnit la multiplication de la ma-
nire suivante.
Dfinition 5.4 Soit A une matrice n m, et soit B une ma-
trice m p. Alors le produit AB est la matrice n p dont le co-
ecient sur la ligne i, dans la colonne j, est le produit de la
ligne i de A par la colonne j de B.
Exemple 5.5 Admettons que lon souhaite multiplier
A =
_

_
1 4
1 2
1 1
_

_
par
B =
_
3 14 5 1
1 0 19 7
_
.
Le produit est bien dni puisque le nombre de colonnes de A
est gal au nombre de lignes de B. Le produit ABva avoir autant
de lignes que A et autant de colonnes que B; ce sera donc une
matrice 3 4.
Pour faire le calcul, il est utile de prsenter les choses
comme ci-dessous.
Pour calculer, par exemple, le coecient sur la premire
ligne, dans la colonne 3, du produit AB, on regarde la ligne
et la colonne correspondantes. Ensuite on les multiplie par la
mthode dj donne, donc ici
_
1 4
_

_
5
19
_
=
_
1 (5) +(4) (19)
_
=
_
71
_
.
88
On procde de mme pour tous les autres coecients. Aprs
un certain temps, le calcul termin ressemble ceci :
La matrice en bas droite est AB.
Exemple 5.6 Voyons comment la multiplication des matrices
permet dcrire les systmes. Considrons par exemple
_
2x + 6y = 9
4x + 3y = 1
Posons alors
A =
_
2 6
4 3
_
, X =
_
x
y
_
et B =
_
9
1
_
.
On calcule facilement que
AX =
_
2x +6y
4x +3y
_
.
Ainsi le systme de dpart est quivalent une seule galit de
matrices-colonnes, savoir :
AX = B.
Cette notation trs compacte fait ressortir le plus important :
on a bien envie de diviser par A des deux cts, puisquon
cherche X. Nous allons voir rapidement si oui ou non on peut
donner un sens prcis cette intuition.
Il faut shabituer multiplier les matrices relativement vite
et sans se tromper.
89
Rgles de calcul
Il y a deux matrices qui jouent des rles particuliers dans
les oprations arithmtiques. Tout dabord la matrice dont tous
les coecients sont nuls : on la note simplement 0, quelle que
soit sa taille. Dans le cas des matrices carres de taille n, on a
galement la matrice identit ci-dessous :
_

_
1 0 0
0 1 0
0 0
.
.
.
0
0 0 1
_

_
.
On la note Id
n
ou Id ou encore I.
Proposition 5.7 Les rgles de calcul suivantes sont valables
dans M
n
(K) :
(a) A+B = B+A, (e) A(B+C) = AB+AC
(b) 0 +A = A, et (A+B)C= AC+BC,
(c) (A+B) +C= A+(B+C), (f) IdA = AId = A,
(d) A (A) tel que A+(A) = 0, (g) (AB)C= A(BC).
(En dautres termes, M
n
(K) est un anneau, les rles de 0 et 1
tant jous par les matrices nulle et identit. Cet anneau nest pas
commutatif.)
De plus lopration de multiplication par un scalaire vrie
A = ( Id)A = A( Id) .
La dmonstration est facile et vous est laisse titre dexer-
cice. Par exemple examinez bien lgalit IdA = IdA = A. Cest
cause de cette rgle que lon crit parfois 1 pour la matrice
identit.
Cet nonc signie que les rgles de calcul habituelles sap-
pliquent aux matrices, sauf les deux suivantes. Dabord la com-
mutativit : on na pas toujours AB = BA, par exemple pour
A =
_
0 3
1 1
_
et B =
_
2 1
2 1
_
,
on a
AB =
_
6 3
0 2
_
et BA =
_
1 5
1 7
_
.
90
Lautre chose laquelle il faut shabituer, cest quon ne peut
pas toujours obtenir linverse dune matrice. En dautre
termes, tant donne A, il nexiste pas toujours de matrice A
1
telle que AA
1
= Id, mme si A 0 (rappelons que le rle de 1
est jou par Id!). En eet il sut de prendre
A =
_
1 0
0 0
_
;
il est clair quun produit AB donne toujours une matrice dont
la deuxime ligne est nulle, donc on nobtiendra jamais liden-
tit. Ce phnomne est trs important pour la suite, donc
soyons plus prcis.
Dfinition 5.8 (et Proposition) Soit A M
n
(K). On dit que A
est inversible lorsquil existe une matrice B M
n
(K) telle que
AB = Id et BA = Id .
Une telle matrice B, lorsquelle existe, est unique. On la note A
1
et on lappelle linverse de A.
Dmonstration. Nous devons montrer lunicit de B. Suppo-
sons donc que AB = BA = Id dune part, et AC = CA = Id
dautre part. En multipliant AB = Id par C gauche, on obtient
C(AB) = (CA)B = IdB = B = CId = C.
On a donc bien B = C.
On vient de voir un exemple de matrice non-inversible.
Dans le cas des matrices 2 2, on peut dcrire les matrices
inversibles trs facilement :
Proposition 5.9 Soit
A =
_
a b
c d
_
.
Alors A est inversible si et seulement si ad bc 0. Dans ce cas
linverse est donne par
A
1
=
1
ad bc
_
d b
c a
_
.
91
La quantit ad bc sappelle le dterminant de A. Dans le
chapitre du mme nom, nous verrons comment tendre ceci
aux matrices n n.
Dmonstration. Soit

A =
_
d b
c a
_
.
Alors
A

A =
_
ad bc 0
0 ad bc
_
.
Si ad bc = 0, alors A

A = 0. Dans ce cas la matrice A ne peut

pas tre inversible : si elle ltait, on aurait A
1
A

A =

A = 0,
donc a = b = c = d = 0, donc A = 0, et donc AA
1
= 0 = Id,
contradiction!
Supposons maintenant que ad bc 0. On a
A

A = (ad bc) Id,

donc en multipliant par le scalaire
1
adbc
, on obtient
A
_
1
ad bc

A
_
= Id .
De la mme manire, vous vrirez que dans lautre sens on a
aussi
_
1
ad bc

A
_
A = Id,
donc linverse de A existe et cest bien
1
adbc

A, comme annonc
dans la proposition.
Exemple 5.10 Revenons lexemple 5.6. On y trouvait la ma-
trice
A =
_
2 6
4 3
_
.
Son dterminant est 2 3 +4 6 = 30, donc A est inversible et
A
1
=
_
1
/
10
1
/
5
2
/
15
1
/
15
_
.
92
Le systme tudi tait AX = B, et nous pouvons maintenant
multiplier par A
1
pour obtenir
A
1
(AX) = (A
1
A)X = IdX = X = A
1
B = A
1
_
9
1
_
=
_
11
/
10
17
/
15
_
.
En dautres termes x =
11
/
10
et y =
17
/
15
.
Matrices chelonnes
Dfinition 5.11 Soit A une matrice. On dit que A est chelon-
ne, ou parfois chelonne en lignes, lorsque les trois conditions
suivantes sont satisfaites :
1. Dans chaque ligne de A, le premier coecient non-nul
(en partant de la gauche) est un 1. On lappelle le pivot de
la ligne.
2. mesure que lon descend dans les lignes, les pivots se
dcalent vers la droite.
3. Les lignes nulles de A sont situes en-dessous des lignes
non-nulles.
De plus, on dit que Aest bien chelonne lorsquelle est che-
lonne et que les pivots sont les seuls coecients non-nuls dans
leur colonne.
Exemple 5.12 Les matrices suivantes sont chelonnes (les pi-
vots sont encadrs) :
_

_
1 4 0 3
0 0 1 0
0 0 0 0
_

_
,
_
1 2
0 1
_
.
La premire est bien chelonne, mais pas la deuxime (il fau-
drait que le 2 soit un 0).
Les matrices A
i
ci-dessous ne sont pas chelonnes, car elles
violent les rgles 1, 2, 3 respectivement :
A
1
=
_

_
2 0 0
0 5 1
0 0 0
_

_
, A
2
=
_
0 1
1 2
_
, A
3
=
_

_
1 1 1
0 0 0
0 1 10
_

_
.
93
Pourquoi prter attention aux matrices (bien) chelonnes ?
Tout simplement parce que les systmes linaires correspon-
dants sont les plus simples possibles, en fait leurs solutions
sont donnes sur un plateau.
Exemple 5.13 Prenons la matrice suivante, qui est bien che-
lonne :
A =
_

_
1 4 0 3
0 0 1 0
0 0 0 0
_

_
.
Elle a quatre colonnes, elle peut donc dcrire un systme
quatre inconnues sur le modle de lexemple 5.6. En clair, po-
sons
X =
_

_
x
y
z
t
_

_
et, par exemple, B =
_

_
4
2
0
_

_
,
alors le systme AX = B scrit
_

_
x + 4y 3t = 4
z = 2
0 = 0
Ici les inconnues x et z sont encore appeles pivots , on les a
dailleurs encadres. La matrice tant bien chelonne, les so-
lutions sont sous nos yeux :
les inconnues qui ne sont pas des pivots vont servir de
paramtres,
les pivots vont tre exprimes en fonction de ces para-
mtres.
Les paramtres sont donc y et t, et on a z = 2 et x = 4 4y +3t.
En dautres termes lensemble des solutions est
_

_
_

_
4 4y +3t
y
2
t
_

_
avec y, t K
_

_
K
4
.
94
Il est souvent plus lisible dcrire cet ensemble sous la forme
suivante :
_

_
_

_
4
0
2
0
_

_
+y
_

_
4
1
0
0
_

_
+t
_

_
3
0
0
1
_

_
avec y, t K
_

_
.
Cette mthode aurait fonctionn tout aussi bien pour nim-
porte quel second membre B, sauf dans les cas o cest encore
plus facile. Imaginons en eet que le dernier coecient de B ne
soit pas nul, disons
B =
_

_
1
1
1
_

_
,
alors le systme devient
_

_
x + 4y 3t = 1
z = 1
0 = 1
Lquation 0 = 1 tant impossible satisfaire, le systme na pas
de solution du tout.
On vient de voir un systme avec une innit de solutions,
puis un systme sans solution. Sans changer la matrice A, il
est clair que lon tombe dans lune ou lautre de ces situations,
selon le second membre B.
Mais il existe aussi des systmes possdant une solution
unique, par exemple avec
A

=
_
1 9
0 1
_
, X =
_
x
y
_
, B =
_
b
1
b
2
_
,
alors le systme A

X = B scrit
_
x 9y = b
1
y = b
2
.
On a donc y = b
2
et x = b
1
+ 9y = b
1
+ 9b
2
. Notez bien quici
la matrice A

est chelonne mais pas bien chelonne ( cause

95
du 9), et on a russi rsoudre le systme quand mme. Ceci
dit, on a d faire une substitution supplmentaire (insrer la
valeur de y dans x).
Il est clair que si un systme AX = B avec A bien chelonne
na pas une innit de solutions (donc pas de paramtres), alors
il y a un pivot dans chaque colonne ; la matrice A ressemble
donc la matrice identit laquelle on a rajout des lignes
de zros. Ainsi, selon B, on a soit une solution unique (si les
dernires quations sont toutes 0 = 0), soit aucune (sil y en a
une du type 0 = 1 comme ci-dessus).
En particulier, avec une matrice bien chelonne, on nob-
tient jamais de systme ayant, disons, six solutions. On va voir
que toutes ces observations faites sur les matrices chelonnes
se gnralisent aux matrices quelconques.
Oprations sur les lignes
Puisquil est si facile de rsoudre les systmes correspon-
dant aux matrices chelonnes, on aimerait pouvoir se ramener
toujours ce cas. Cest eectivement possible.
Dfinition 5.14 Nous allons nous autoriser trois types dop-
rations sur les lignes dune matrice :
1. multiplier une ligne par un scalaire non-nul,
2. permuter deux lignes,
3. ajouter une ligne un multiple dune autre ligne.

Exemple 5.15 Prenons la matrice

_

_
1 1 2 0
3 1 1 1
1 1 1 5
_

_
,
et faisons quelques oprations. Retranchons la premire ligne
la dernire ligne (oprations de type (3)) :
_

_
1 1 2 0
3 1 1 1
0 2 1 5
_

_
L
3
L
3
L
1
96
On a not L
3
L
3
L
1
pour indiquer lopration eectue ;
dautres abbrviations sont possibles mais en tout cas il est bon
dindiquer au lecteur comment on a obtenu la nouvelle ma-
trice. Poursuivons par une autre opration de type (3) :
_

_
1 1 2 0
0 4 7 1
0 2 1 5
_

_
L
2
L
2
3L
1
Essayons une opration de type (1), puis une de type (2) :
_

_
1 1 2 0
0 4 7 1
0 1
1
/
2
5
/
2
_

_
L
3

1
/
2
L
3
_

_
1 1 2 0
0 1
1
/
2
5
/
2
0 4 7 1
_

_
L
2
L
3
Essayons dobtenir une matrice aussi simple que possible. Dbarrassons-
nous de ce 4 :
_

_
1 1 2 0
0 1
1
/
2
5
/
2
0 0 5 11
_

_
L
3
L
3
4L
2
_

_
1 1 2 0
0 1
1
/
2
5
/
2
0 0 1
11
/
5
_

_
L
3

1
5
L
3
Cest dj une matrice chelonne. On peut mme poursuivre
notre eort et obtenir une matrice bien chelonne :
_

_
1 1 2 0
0 1 0
18
/
5
0 0 1
11
/
5
_

_
L
2
L
2

1
2
L
3
_

_
1 1 0
22
/
5
0 1 0
18
/
5
0 0 1
11
/
5
_

_
L
1
L
1
+2L
3
97
et enn
_

_
1 0 0
4
/
5
0 1 0
18
/
5
0 0 1
11
/
5
_

_
L
1
L
1
+L
2
Thorme 5.16 En faisant des oprations sur les lignes dune
matrice A, on peut toujours obtenir une matrice bien chelonne,
et une seule.
On notera E
A
la matrice bien chelonne associe A.
Lunicit de la matrice E
A
sera dmontre dans la deuxime
moiti de ce chapitre. Pour lexistence, il sut de procder
comme dans lexemple 5.15. On peut garder en tte les lignes
directrices suivantes :
On choisit une ligne avec un coecient non-nul dans la
premire colonne, on met cette ligne en premire posi-
tion, puis avec des oprations de type (3) on fait appa-
ratre des 0 dans la premire colonne sur les autres lignes.
On divise la premire ligne par son premier coecient
pour que celui-ci devienne un 1.
On oublie la premire colonne et la premire ligne com-
pltement, et on continue avec le reste de la matrice. On
obtient alors une matrice chelonne.
Pour obtenir une matrice bien chelonne, on commence
par le dernier pivot. Avec des oprations de type (3), on
fait apparatre des 0 au-dessus de ce pivot. Puis on re-
commence avec les pivot prcdent.
Ou alors, relisez lexemple 5.15 soigneusement.
Toutes ces considrations nauraient pas un grand intrt
vis--vis des systmes si lon navait pas le rsultat suivant, qui
arme que les oprations sur les lignes ne changent pas les
solutions :
Proposition 5.17 Considrons un systme de la forme AX = B,
o X et B sont des colonnes, et X contient les inconnues.
Soit A

obtenue partir de A en faisant des oprations sur les

lignes, et soit B

obtenue en faisant les mmes oprations sur B.

Alors le systme A

X = B

a les mmes solutions que AX = B.

98
L encore, la dmonstration sera donne plus loin dans ce
chapitre (elle nest pas dicile).
Exemple 5.18 Considrons le systme
_

_
x y 2z = 0
3x + y + z = 1
x + y z = 5
Il est de la forme AX = B en posant
A =
_

_
1 1 2
3 1 1
1 1 1
_

_
, X =
_

_
x
y
z
_

_
, B =
_

_
0
1
5
_

_
.
Daprs la proposition, on ne change pas les solutions en fai-
sant des oprations sur A et B en mme temps. Il sagit de faire
les mmes oprations sur ces deux matrices, et en pratique de
nombreux tudiants prfrent ajouter B comme colonne A,
de sorte que lon fait des oprations sur la matrice
_

_
1 1 2 0
3 1 1 1
1 1 1 5
_

_
.
(La ligne verticale est juste l pour rappeler do vient la der-
nire colonne.) Cest la matrice sur laquelle nous avons tra-
vaill dans lexemple 5.15. Nous avons vu quaprs quelques
oprations, on arrive
_

_
1 0 0
4
/
5
0 1 0
18
/
5
0 0 1
11
/
5
_

_
.
En faisant la traduction inverse, on retrouve un systme, qui
est particulirement simple :
_

_
x =
4
/
5
y =
18
/
5
z =
11
/
5
Ces trois valeurs de x, y et z sont les solutions du systme ini-
tial AX = B, comme vous pouvez le vrier.
99
Calcul de linverse dune matrice
Nous allons donner une mthode pour calculer linverse
dune matrice quand elle existe (ou dmontrer que linverse
nexiste pas lorsque cest le cas). Nous ne dirons rien de la d-
monstration ici : cest encore un rsultat tabli plus loin dans
ce chapitre.
La mthode va paratre un peu magique. Donnons simple-
ment lindication suivante : nous venons dexpliquer comment
rsoudre les systmes linaires en faisant des oprations sur
les lignes, alors que dans lexemple 5.10 nous indiquions com-
ment rsoudre un systme si lon connait linverse de sa ma-
trice. Cest en comparant ces deux mthodes, qui doivent bien
donner le mme rsultat, quon en dduit la mthode de calcul.
Voici le principe.
Proposition 5.19 Soit A M
n
(K). Alors :
1. A est inversible si et seulement si sa matrice bien chelon-
ne E
A
est lidentit.
2. tant donne une suite doprations sur les lignes qui trans-
forment A en E
A
= Id, on obtient A
1
en faisant les mmes
oprations (dans le mme ordre) sur la matrice identit.
Exemple 5.20 Voyons comment mettre ceci en pratique. Ad-
mettons que lon sintresse linverse de la matrice
A =
_

_
1 1 1
0 1 1
1 2 3
_

_
.
On va faire des oprations sur les lignes de A pour trouver sa
forme bien chelonne, et chaque opration est faite en paral-
lle sur la matrice identit. On commence donc par prsenter
les matrices cte cte :
_

_
1 1 1
0 1 1
1 2 3
_

_
_

_
1 0 0
0 1 0
0 0 1
_

_
100
On commence :
_

_
1 1 1
0 1 1
0 3 2
_

_
_

_
1 0 0
0 1 0
1 0 1
_

_
L
3
L
3
+L
1
_

_
1 1 1
0 1 1
0 0 5
_

_
_

_
1 0 0
0 1 0
1 3 1
_

_
L
3
L
3
+L
2
_

_
1 1 1
0 1 1
0 0 1
_

_
_

_
1 0 0
0 1 0
1
/
5
3
/
5
1
/
5
_

_
L
1
L
1
L
2
L
2
L
3

1
5
L
3
_

_
1 1 0
0 1 0
0 0 1
_

_
_

_
6
/
5
3
/
5
1
/
5
1
/
5
2
/
5
1
/
5
1
/
5
3
/
5
1
/
5
_

_
L
2
L
2
+L
3
L
1
L
1
L
3
_

_
1 0 0
0 1 0
0 0 1
_

_
_

_
1 1 0
1
/
5
2
/
5
1
/
5
1
/
5
3
/
5
1
/
5
_

_
L
1
L
1
+L
2
On a obtenu une matrice bien chelonne, cest donc E
A
. Ici on
a E
A
= Id, donc A est inversible daprs la proposition. Cette
mme proposition arme aussi que la matrice A
1
est la der-
nire matrice crite droite, cest--dire
A
1
=
_

_
1 1 0
1
/
5
2
/
5
1
/
5
1
/
5
3
/
5
1
/
5
_

_
.
Prenons un autre exemple, disons
B =
_

_
1 2 1
6 16 2
11 6 3
_

_
.
Cest reparti :
_

_
1 2 1
0 28 8
0 28 8
_

_
_

_
1 0 0
6 1 0
11 0 1
_

_
L
3
L
3
+6L
1
L
2
L
2
+11L
1
101
_

_
1 2 1
0 28 8
0 0 0
_

_
_

_
1 0 0
6 1 0
5 1 1
_

_
L
3
L
3
L
2
Arrtons-nous : on vient dobtenir une ligne de zros. En ef-
fet, si lon poursuivait le calcul on obtiendrait une matrice bien
chelonne qui elle-mme aurait une ligne de zros, donc E
B

Id. Daprs la proposition, la matrice B nest pas inversible. Les
calculs que lon a fait sur la matrice identit nauront servi
rien : cest lun des petits dfauts de la mthode.
Deuxime lecture
Un autre point de vue sur les oprations sur les lignes
Lobservation suivante est riche de consquences : faire une
opration sur les lignes revient multiplier gauche par une
matrice inversible. Plus prcisment :
Proposition 5.21 Soit A une matrice, et A

obtenue en faisant
une opration sur les lignes de A. Alors il existe une matrice inver-
sible P telle que A

= PA.
De plus, on peut trouver une matrice P unique qui convient
pour toutes les matrices A la fois.
Dmonstration. Cherchons P qui convient pour toutes les ma-
trices A. On na pas beaucoup de choix, puisquen faisant A =
Id, on a A

= PId = P : en dautres termes, la matrice P elle-

mme doit tre obtenue en faisant lopration en question sur
les lignes de la matrice identit.
Par exemple, pour multiplier la premire ligne par 0,
on doit prendre
P = M

=
_

_
0 0
0 1 0
0 0 1
0 0 0
.
.
.
_

_
.
102
Or on vrie que pour toute matrice A, le produit M

A est ef-
fectivement obtenu en multipliant la premire ligne de Apar .
De plus M

est bien inversible, dinverse M

1 . Donc la propo-
sition est vraie pour cette opration. Pour multiplier une autre
ligne, dplacer le long de la diagonale.
Pour permuter la premire ligne et la deuxime, on doit
prendre
P =
_

_
0 1 0 0
1 0 0 0
0 0 1 0
0 0 0 1
0 0 0 0
.
.
.
_

_
.
On vrie que cette matrice convient eectivement. Elle est in-
versible, et mme gale on inverse.
Pour ajouter fois la deuxime ligne la premire, prendre
P = C
12

=
_

_
1 0
0 1 0
0 0 1
0 0 0
.
.
.
_

_
.
Cette matrice convient, et son inverse est C
12

.
Les autres cas sont similaires.
Corollaire 5.22 Pour chaque matrice A, il existe une matrice P
inversible telle que E
A
= PA.
Attention, cette matrice P dpend de A fortement !
Dmonstration. On peut obtenir E
A
en faisant des oprations
sur les lignes de A; disons que cela ncessite k tapes. Si la
premire opration correspond la matrice P
1
, alors aprs une
tape on travaille avec P
1
A. Si la deuxime opration est don-
ne par P
2
, on se retrouve avec P
2
P
1
A. Aprs k oprations, on
a P
k
P
k1
P
1
A = E
A
. La matrice P = P
k
P
k1
P
1
est inversible et
son inverse est P
1
1
P
1
2
P
1
k
.
On peut maintenant dmontrer trs facilement la proposi-
tion 5.17 :
103
Dmonstration de la proposition 5.17 . Pour toute matrice inver-
sible P, on a
AX = B PAX = PB,
puisquon passe de lgalit de gauche celle de droite en mul-
tipliant par P, et dans lautre sens en multipliant par P
1
. Or
faire des oprations sur les lignes revient bien multiplier par
une matrice inversible.
Justication de la mthode de calcul de linverse
Commenons par un petit lemme utile.
Lemme 5.23 Soit A et B deux matrices carres telles que
AB = Id .
Alors A et B sont toutes les deux inversibles, et inverses lune de
lautre.
Rappelez-vous que dans la dnition 5.8, on donnait deux
conditions vrier : AB = Id et galement BA = Id. Donc ce
rsultat arme quune seule de ces conditions entrane lautre.
Dmonstration. Soit P inversible telle que PA = E
A
. On a donc
PAB = E
A
B = PId = P.
En particulier la matrice E
A
B = P est inversible. On en conclut
quil ne peut pas y avoir de lignes nulles dans E
A
, sinon il en
serait de mme dans E
A
B, et cette matrice ne pourrait pas tre
inversible.
Puisque E
A
est bien chelonne sans lignes nulles, et car-
re, on doit avoir E
A
= Id. Ainsi E
A
B = IdB = B = P, et B est
inversible. En multipliant AB = Id par B
1
droite, on ob-
tient A = B
1
, donc A est inversible galement, et cest linverse
de B.
Dmonstration de la propositon 5.19. Si Aest inversible, on a E
A
=
Id comme on vient de le voir dans la dmonstration du lemme.
Rciproquement si E
A
= Id, alors on prend P inversible telle
104
que PA = E
A
= Id. Daprs le lemme A est inversible et son
inverse est A
1
= P. Ceci tablit dj le (1) de la proposition
5.19.
Puisque P = A
1
, on a PId = A
1
. Or multiplier gauche
par P revient faire des opration sur les lignes, et on constate
bien que A
1
sobtient en faisant sur la matrice identit les
mmes oprations que lon a faites sur A. Cest ce que dit le
(2) de la proposition.
Lunicit de la matrice bien chelonne
Proposition 5.24 Soient E
1
et E
2
des matrices bien chelonnes
de mme dimension. On suppose quil existe une matrice P inver-
sible telle que E
2
= PE
1
. Alors E
1
= E
2
. De plus les coecients de P
sous la diagonale sont nuls, et les coecients sur la diagonale sont
tous des 1.
Dmonstration. Supposons que E
1
commence par k colonnes
nulles (avec ventuellement k = 0). La k + 1-me colonne est
donc
_

_
1
0
.
.
.
0
_

_
,
puisque E
1
est bien chelonne. En consquence, la matrice PE
1
commence galement par k colonnes de 0, et sa k + 1-me co-
lonne est la k +1-me colonne de P. Mais PE
1
= E
2
est chelon-
ne, donc cette colonne de P est elle aussi de la forme
_

_
1
0
.
.
.
0
_

_
.
On voit donc dj que E
1
et E
2
sont identiques dans les k + 1
105
premires colonnes. Plus prcisment on notera
E
i
=
_

_
0 0 1
0 0 0
0 0 0
.
.
.
.
.
.
.
.
.
0 0 0
F
i
_

_
pour i = 1 ou 2. On notera que la matrice F
i
est bien chelonne.
De mme on note
P =
_

_
1 a
2
a
3
a
n
0
0
.
.
.
0
P

_
.
Cette matrice P

est inversible ; en fait si P est de dimension n

n, alors linverse de P

est le bloc (n1) (n1) en bas droite

de P
1
.
partir de lgalit E
2
= PE
1
, on tire facilement F
2
= P

F
1
.
Faisons une rcurrence sur la taille des matrices. Comme F
i
est strictement plus petite que E
i
, on peut supposer que lon
connait la proposition dans ce cas, et donc que F
1
= F
2
et que P

est de la forme annonce. On voit dj que P est aussi de la

forme annonce. Reste montrer que E
1
et E
2
ont la mme
premire ligne.
Si E
1
a un pivot dans la ligne i > 1, alors E
2
aussi puisque F
1
=
F
2
. Un pivot tant seul dans sa colonne, on constate que, dans
la mme colonne de PE
1
, on trouve a
i
sur la premire ligne.
Puisque PE
1
= E
2
est bien chelonne avec un pivot dans cette
colonne, on doit avoir a
i
= 0 dans ce cas.
Si par contre la ligne i de E
1
na pas de pivot, cest quelle
est nulle. Peu importe alors la valeur de a
i
pour cet indice i : la
premire ligne de PE
1
est gale la premire ligne de E
1
.
Dmonstration du thorme 5.16 . Si E
1
et E
2
sont deux matrices
bien chelonnes obtenues partir de A, alors il existe des ma-
trices inversibles P
1
et P
2
telles que P
1
A = E
1
et P
2
A = E
2
(pro-
106
position 5.21). Ainsi E
2
= P
2
P
1
1
E
1
, donc la proposition prc-
dente montre que E
2
= E
1
. La matrice chelonne associe A
est bien unique.
107
Chapitre 6
Continuit
Premire lecture
Introduction & Dnitions
Une fonction continue, intuitivement, est une fonction que
lon peut dessiner sans lever le stylo, comme celle-ci :
Ci-dessous, un dessin dune fonction qui nest pas conti-
nue. On a mme lintuition, plus prcisment, quelle nest pas
continue au point x
0
:
108
Figure 6.1 Le graphe dune fonction qui nest pas continue en x
0
.
Les crochets sont simplement l pour indiquer que la valeur de la
fonction au point x
0
est celle indique sur la branche droite du
graphe.
Pourquoi sintresser aux fonctions continues ? La proprit
cruciale dune fonction continue est la suivante : puisque le
graphe est trac dun seul tenant, alors si la fonction prend
des valeurs positives et des valeurs ngatives, on est sr quelle
prend galement la valeur 0. Sur le premier graphe ci-dessus,
la fonction est dabord positive, puis prend quelques valeurs
ngatives ; et bien sr elle passe par la valeur 0 (comment vi-
ter cela si on ne peut pas lever le stylo ?). De mme, puisque
cette fonction reprend des valeurs positives, elle sannule une
deuxime fois.
En dautres termes, si lon sait quune fonction f est conti-
nue, alors on peut prdire lexistence de solutions de lqua-
tion f (x) = 0. De nombreuses quations qui nous concernent
peuvent se mettre sous cette forme, donc la notion de conti-
nuit va tre trs utile.
Oui mais comment traduire mathmatiquement lide de
continuit ? Il y a plusieurs faons de le faire, toutes assez
abstraites au premier abord, et nous devrions avoir un seul
critre pour juger du bien-fond dune dnition : elle doit
nous permettre de dmontrer rigoureusement la proprit ci-
109
dessus. Nous allons prendre la dnition qui nous parat la
plus simple, et nous allons eectivement dmontrer le clbre
thorme des valeurs intermdiaires , qui en est la version
prcise.
Dfinition 6.2 Soit I R, et soit f : I R une fonction.
On dit que f est continue au point x
0
I lorsque, pour toute
suite (u
n
)
n0
qui converge vers x
0
, la suite f (u
n
)
n0
converge
vers f (x
0
).
(Le lettre I est pour intervalle , puisque la plupart de nos
exemples sont sur un intervalle, et certains thormes ne fonc-
tionnent que dans ce cas ; ceci dit, en toute gnralit I peut
tre nimporte quoi.)
Voyons un exemple :
Lemme 6.3 Soit P R[X] un polynme. Alors la fonction x
P(x) est continue (en tout point x
0
).
Dmonstration. Soit donc une suite (u
n
)
n0
telle que u
n

n
x
0
. Puisque P est un polynme, la suite (P(u
n
)) est obtenue
partir de (u
n
) en faisant une srie dadditions et de multi-
plications. Les limites de suites sont compatibles avec les
sommes et les produits, comme la proposition 4.10 nous laf-
rme, donc P(u
n
)
n
P(x
0
). Ce qui signie par dnition
que P est continue.
Exemple 6.4 Le premier graphe de ce chapitre est celui de x
x
4
+x
3
x
2
5x +1. Dire que cette fonction est continue en x
0
revient dire que, si u
n
x
0
, alors u
4
n
+ u
3
n
u
2
n
5u
n
+ 1
x
4
0
+x
3
0
x
2
0
5x
0
+1, ce qui est clair. Le dessin a t obtenu laide
dun ordinateur, qui procde toutes sortes dapproximations
pendant le trac, donc on ne peut pas conclure grandchose de
laspect de ce graphe. Toutefois, il est rassurant que le rsultat
ne soit pas contraire notre intuition des fonctions continues.
Exemple 6.5 Voici un exemple de fonction qui nest pas conti-
nue. Dnissons f sur lintervalle [0, 2] par :
f (x) =
_
0 si x < 1
1 si x 1.
110
Le graphe de f fait donc un saut autour de la valeur 1. Pour
montrer que f nest pas continue, on va considrer la suite u
n
=
1
1
n
. On a bien u
n
1, mais f (u
n
) = 0 pour tout n, donc (f (u
n
))
ne risque pas de converger vers f (1) = 1. Par dnition, f nest
pas continue.
Le thorme des valeurs intermdiaires
Avant dnoncer ce thorme, un petit rappel sur les inter-
valles. Jusqu prsent nous avons utilis le mot intervalle
en nous basant sur les souvenirs du lyce. Voici une dnition
simple :
Dfinition 6.6 Soit I R. On dit que I est un intervalle
lorsque, pour tous nombres a, b et c tels que a < b < c avec a I
et c I, on a aussi b I.
Exemple 6.7 On a les exemples suivants :
Les intervalles ouverts, de la forme
]a, b[= x a < x < b ,
avec a, b R ou mme a = , b = +.
Les intervalles ferms, qui peuvent tre compacts cest-
-dire de la forme
[a, b] = x a x b avec a, b R,
ou bien non-compacts , cest--dire de la forme :
[a, +[ ou ] ; b] .
Les intervalles semi-ouverts, qui sont de la forme
]a, b] ou [a, b[ .
En fait, cette liste est complte. Vous montrerez titre
dexercice que tout intervalle I est de lun des types ci-dessus,
et que de plus a = inf I et b = supI, lorsque lune ou lautre de
ces bornes existe.
111
Voyons un contre-exemple. Lensemble
I = [0, 1] [3, 4]
nest pas un intervalle. Dabord, il nest pas dans la liste ci-
dessus, et surtout on voit tout de suite que 1 I, que 3 I mais
que 2 I, ce qui contredit bien la dnition.
Nous pouvons maintenant noncer :
Thorme 6.8 (Thorme des valeurs intermdiaires) Soit I
un intervalle, et f : I R une fonction continue. Soient a < b
deux lments de I. Alors si y est un nombre quelconque compris
entre f (a) et f (b), il existe (au moins) un nombre x avec a x b,
tel que f (x) = y.
(En dautres termes, limage dun intervalle par une fonction
continue est encore un intervalle.)
Dmonstration. Supposons par exemple que f (a) < f (b), de
sorte que f (a) y f (b). Posons
A = t a t b et f (t) y .
Cest un ensemble non-vide (a A) et major (par b), donc il
possde une borne suprieure x = supA.
Soit n un entier 1. Considrons dune part le nombre x
1
n
< x. Ce nest pas un majorant de A (puisque x est le plus
petit), donc il existe t
n
A avec x
1
n
< t
n
x. On a t
n

x. La fonction f tant continue, on a galement f (t
n
) f (x).
Puisque f (t
n
) y, on a f (x) y.
Dautre part, le nombre s
n
= x +
1
n
> x ne peut appartenir
A, donc f (s
n
) > y. On a s
n
x et, par continuit de f , il
vient f (s
n
) f (x) et f (x) y.
Notez bien que x nest pas unique. Sur le dessin suivant on
a reprsent les lments de la dmonstration, et on voit quon
avait trois choix dans ce cas pour x, celui retenu tant le plus
grand.
112
Exemple 6.9 (Racine n-imes) Prenons lexemple de la fonc-
tion f : [0; +[Rdnie par f (x) = x
n
, pour un entier n. Cest
une fonction polynomiale, donc continue.
Prenons un nombre rel y 0, et choisissons un nombre b
tel que b
n
> y. On a donc f (0) y f (b), et le thorme
des valeurs intermdiaires arme donc lexistence dun x tel
que f (x) = y, cest--dire x
n
= y. On constate que tout nombre
rel positif possde une racine n-ime.
De plus, si 0 x
1
< x
2
, on a x
n
1
< x
n
2
; cette remarque simple
entrane lunicit du x 0 tel que x
n
= y. La racine n-ime po-
sitive de y est bien dnie, on la note
n

y.
Nous avions dmontr ce rsultat pour n = 2, avec pas mal
deorts (proposition 2.6). Le thorme des valeurs interm-
diaires, maintenant quil est dmontr, simplie considrable-
ment ce genre de questions.
Il nous reste considrer les racines n-imes dans C, ce qui
ncessite de nouveaux outils.
Autres exemples de fonctions continues
Les fonctions usuelles sont toutes continues :
Proposition 6.10 Les fonctions suivantes sont continues en tout
point de leur domaine de dnition :
x e
x
sur R,
113
x sin(x) sur R,
x cos(x) sur R,
x tan(x) sur R

2
+k avec k Z,
x ln(x) sur ]0; +[,
x arcsin(x) sur [1, 1],
x arccos(x) sur [1, 1],
x arctan(x) sur R,
x
n

x sur [0; +[ pour n N.

Pour linstant, on ne risque pas de donner une dmonstra-
tion de cette proposition : on na mme pas de dnition rigou-
reuse de la plupart de ces fonctions ! Toutefois, dans le reste
de ce chapitre, on va tablir que x
n

x est continue, et mon-

trer galement quil sut de montrer la continuit des quatre
premires fonction dans la liste ci-dessus pour obtenir automa-
tiquement la continuit des autres. Grce certaines formules
de trigonomtrie quil faudra tablir et que vous devinez peut-
tre, on se ramnera montrer seulement la continuit de lex-
ponentielle. Pour cela, on travaillera directement avec la d-
nition donne dans lexemple 4.21. Nous traiterons ceci dans le
chapitre intitul Lexponentielle .
Pour construire encore plus de fonctions continues, on uti-
lise le rsultat suivant :
Proposition 6.11 Soient f et g deux fonctions dnies sur I et
continues en x
0
I. Alors
(somme) x f (x) +g(x) est continue en x
0
,
(produit) x f (x)g(x) est continue en x
0
,
(inverse) si f (x) 0 sur I, alors x
1
f (x)
est continue en x
0
.
En eet, ceci dcoule directement de la proposition 4.10.
Exemple 6.12 Si lon admet que le sinus et le cosinus sont des
fonctions continues, alors
x tan(x) =
sin(x)
cos(x)
est galement continue l o elle est dnie, cest--dire l ou
le cosinus ne sannule pas.
114
Par rapport aux suites, une nouveaut trs simple :
Proposition 6.13 Soit f : I J continue en x
0
I, et soit g : J
R continue en f (x
0
) J. Alors la fonction g f : I R, qui x
associe g(f (x)), est continue en x
0
.
Dmonstration. Soit donc (u
n
)
n0
une suite qui converge vers x
0
.
Posons v
n
= f (u
n
). La suite (v
n
) converge vers f (x
0
) car f est
continue en x
0
. La suite (g(v
n
)) converge vers g(f (x
0
)) car g
est continue en f (x
0
). Donc g f , par dnition, est continue
en x
0
.
Exemple 6.14 Considrons une expression comme
x
e
cos(x)
ln(x)
1 +(arctan(x))
2
.
Les propositions ci-dessous permettent darmer en un clin
doeil que cette fonction est continue sur ]0; +[. En eet, com-
menons par
x 1 +(arctan(x))
2
;
la fonction arctan est continue (6.10), donc son carr aussi
(6.11) ; la fonction constante gale 1 est continue, donc la
somme 1 +(arctan(x))
2
est continue (6.11 encore).
Ce dnominateur ne sannule pas, donc
x
1
1 +(arctan(x))
2
est continue (6.11).
Ensuite x e
cos(x)
est continue puisque cest une composi-
tion de fonctions continues (6.13) ; lexpression x ln(x) est
le produit du logarithme et de la fonction constante gale 1,
cest donc une fonction continue. La somme des deux aussi : le
numrateur est continu.
Enn, toute lexpression de dpart tant le produit de deux
fonctions continues, il est continu.
Il faut sentraner reconnaitre trs vite que ce genre dex-
pression donne une fonction continue.
115
Le langage des limites
Dfinition 6.15 Soit f : I R une fonction et x
0
R, ou
mme x
0
= |. On dit que f admet pour limite en x
0
, et on
note
lim
xx
0
f (x) = ,
lorsque pour toute suite (u
n
)
n0
qui converge vers x
0
, avec u
n

I, la suite (f (u
n
)) converge vers .
Dans un premier temps, cette notion apparat comme une
reformulation de la continuit, notamment cause du rsultat
suivant :
Proposition 6.16 Soit f : I R et x
0
I. Alors
f est continue en x
0
f admet une limite en x
0
.
De plus, la limite est automatiquement f (x
0
).
Dmonstration. Si f est continue en x
0
, alors par dnition
lim
xx
0
f (x) = f (x
0
) ,
donc on a limplication . Pour montrer , supposons que f
admette la limite en x
0
. Il sut de prendre la suite constante
u
n
= x
0
pour constater que (f (u
n
)) converge vers f (x
0
) (cette
suite est elle-mme constante). Donc = f (x
0
). Il est alors clair
que f est continue en x
0
.
Mais il ne faut pas sy mprendre. Les limites apportent une
souplesse nouvelle, puisque lon ne suppose pas que f est dnie
en x
0
dans la dnition des limites. Voyons des exemples.
Exemple 6.17 Considrons la fonction f : ]0; +[R dnie
par f (x) =
1
x
.
Regardons la limite en 0. Si (u
n
)
n0
converge vers 0 avec u
n
dans le domaine de dnition de f , cest--dire u
n
> 0, on
a f (u
n
) =
1
u
n
+. Cest donc que
lim
x0
f (x) = +.
116
Le mme raisonnement donne
lim
x+
f (x) = 0.
En fait le graphe a lallure suivante :
Lexemple suivant illustre ce quon appelle le prolonge-
ment par continuit .
Exemple 6.18 Soit f : R0 R dnie par
f (x) = x sin(
1
x
) .
Cette fonction est continue en tout x
0
0 comme on le voit
facilement partir des rsultats ci-dessus.
Regardons la limite en 0, donc prenons (u
n
) qui tend vers 0
avec u
n
0. Alors f (u
n
) u
n
puisque sin(
1
u
n
) 1. On en
dduit f (u
n
) 0, et donc
lim
x0
f (x) = 0.
Dnissons alors

f (x) =
_
f (x) si x 0,
0 sinon.
Les fonctions f et

f ont la mme limite en tout point x
0
R
(prenez le temps de vous en convaincre). De plus cette limite
vaut toujours

f (x
0
). On conclut que

f est continue.
117
On dit que

f prolonge f par continuit, puisquelle concide
avec f sur le domaine de dnition de cette dernire, et quelle
est continue. Vue la limite de f en 0, on naurait pas pu prendre
une autre valeur pour

f (0), donc le prolongement est unique.
Voici le graphe de f sur [0, 2; 0, 2] :
Pour linstant nous ne sommes pas capables de calculer
beaucoup de limites (pas plus quau lyce). Dans le chapitre
Formules de Taylor nous verrons une mthode rapide et
facile, qui fonctionne dans beaucoup de cas.
Continuit et ingalits
Le rsultat suivant est trs utile. Il arme que si une fonc-
tion continue satisfait une ingalit en un point, alors ceci reste
vrai au voisinage du point :
Proposition 6.19 Soit f : I R une fonction continue en x
0
I.
On suppose que f (x
0
) > 0. Alors il existe un intervalle ouvert J =
]a, b[ avec x
0
J tel que f (x) > 0 pour tout x J.
Dmonstration. On va mme montrer quon peut prendre a =
x
0

1
n
et b = x
0
+
1
n
pour un certain entier n. En eet, si ce ntait
pas le cas, par labsurde on trouverait pour chaque n un x
n
tel
que
x
0

1
n
< x
n
< x
0
+
1
n
118
et tel que f (x
n
) 0. La suite (x
n
) converge vers x
0
, et par
continuit de f la suite (f (x
n
)) converge vers f (x
0
) : on en d-
duit f (x
0
) 0 ce qui est absurde.
En guise dapplication nous allons montrer le thorme sui-
vant, qui donne des dnitions alternatives de la notion de
continuit. Le (3) en particulier est utilis dans de nombreux
livres.
Thorme 6.20 Soit f : I R et x
0
I. Les conditions suivantes
sont quivalentes.
1. f est continue en x
0
;
2. pour tout intervalle ouvert J contenant f (x
0
), il existe un in-
tervalle ouvert I

contenant x
0
tel que f (I

) J ;
3. pour tout > 0, il existe > 0 tel que f (x) f (x
0
) < pour
tous les x tels que x x
0
< .
Dmonstration. Montrons que (1) (2). Lintervalle J tant
donn, il existe met Mtels que f (x
0
) ]m, M[ J. Soit alors g(x) =
f (x) m; cest une fonction continue telle que g(x
0
) > 0, donc
daprs la proposition prcdente on a aussi g(x) > 0 pour
tous les x dans un intervalle ]a
1
, b
1
[. De mme en consid-
rant h(x) = M f (x), on obtient h(x) > 0 pour x dans un inter-
valle ]a
2
, b
2
[. Sur lintervalle I

=]a
1
, b
1
[]a
2
, b
2
[, on a m < f (x) <
M, donc f (I

) ]m, M[ J.
Montrons (2) (3). Prenons J =]f (x
0
) , f (x
0
) + [, alors
le (2) donne un intervalle I

, qui lui-mme contient un inter-

valle de la forme ]x
0
, x
0
+ [. Linclusion f (I

) J donne la
conclusion du (3).
Montrons (3) (1). Soit donc (u
n
)
n0
une suite qui converge
vers x
0
; on doit montrer que (f (u
n
)) converge vers f (x
0
). On
prend donc > 0, et un comme dans le (3). Pour n susam-
ment grand, on a u
n
x
0
< , et donc f (u
n
) f (x
0
) < .
Deuxime lecture
119
Continuit et fonctions monotones
Dfinition 6.21 Une fonction f est dite croissante lorsque,
pour tout x et y dans son domaine de dnition, lingalit x <
y entrane f (x) f (y). Elle est dite dcroissante si x < y entrane
au contraire f (x) f (y). (Ainsi f ne peut tre la fois croissante
et dcroissante que si elle est constante.)
On dit dune fonction f quelle est monotone si elle est ou
bien croissante, ou bien dcroissante.
Nous verrons beaucoup dexemples dans le chapitre sur la
drivabilit. Notons simplement que lexponentielle est crois-
sante, la fonction cosinus est dcroissante sur [0, ], et la mme
fonction cosinus vue comme une fonction dnie sur R tout
entier nest pas monotone.
Le comportement des fonctions monotones vis--vis de la
continuit est particulirement simple. Commenons par une
sorte de rciproque au thorme des valeurs intermdiaires :
Proposition 6.22 Soit I un intervalle et f : I R une fonction
monotone. Alors f est continue si et seulement si f (I) est un inter-
valle.
Par exemple, la fonction sur la gure 6.1 est croissante. Elle
nest pas continue, et son ensemble image est en deux mor-
ceaux.
Dmonstration. Le thorme des valeurs intermdiaires arme
que si f est continue, alors f (I) est un intervalle. Supposons
que f est croissante et montrons la rciproque (le cas o f est
dcroissante est similaire). Prenons x
0
I et supposons pour
linstant que f (x
0
) nest pas une borne de lintervalle f (I).
Soit J un intervalle ouvert contenant f (x
0
). Alors J f (I)
est un intervalle contenant f (x
0
), donc contenant un inter-
valle [m, M] avec m < f (x
0
) < M. Par dnition m = f (a) et M =
f (b) pour a, b I. Comme f est croissante, on a a < x
0
< b dune
part, et dautre part pour a < x < b on a m < f (x) < M. En po-
sant I

=]a, b[, on a en particulier f (I

) J. Daprs le (2) du
thorme 6.20, ceci montre que f est continue en x
0
.
Lorsque f (x
0
) est une borne de f (I), on a m = f (x
0
) ou M =
f (x
0
), et selon le cas, f (x
0
) est un minimum ou un maximum
120
de la fonction croissante f . On peut adapter facilement la d-
monstration (laiss en exercice).
Dans le reste de ce chapitre, nous aurons besoin des no-
tions de fonction injective, surjective, et bijective (dnitions
1.6, 1.10, 1.13).
Proposition 6.23 Soit I un intervalle, et f : I R une fonction
continue. Alors f est monotone si et seulement si elle est injective.
Dmonstration. Si f est croissante (disons), alors en prenant
deux lments x
1
x
2
I on doit avoir x
1
< x
2
ou x
2
< x
1
,
donc f (x
1
) < f (x
2
) ou f (x
2
) < f (x
1
) selon le cas, et certaine-
ment f (x
1
) f (x
2
). Donc f est injective.
Voyons la rciproque. Supposons que f est continue et in-
jective, et prenons a I. On va montrer que f est monotone
sur [a, +[ ; comme a est arbitraire, on aura bien tabli que f
est monotone.
Soit g(x) = f (x) f (a), que lon voit comme une fonction
dnie sur lintervalle I]a; +[. Par injectivit de f , la fonc-
tion g ne sannule pas. Daprs le thorme des valeurs in-
termdiaires, elle ne peut pas changer de signe, donc disons
par exemple que lon a g(x) > 0 pour tous les x > a, cest--
dire f (x) > f (a). Dans ce cas on va montrer que f est croissante
sur ]a; +[.
En eet, si ce ntait pas le cas, on aurait deux valeurs b
et c avec a < b < c telles que f (b) > f (c). Mais alors, prenons
nimporte quelle valeur y telle que f (c) < y < f (b) et f (a) < y <
f (b). En appliquant le thorme des valeurs intermdiaires sur
lintervalle [a; b], on trouve x
1
< b tel que f (x
1
) = y. En faisant
de mme sur [b, c] on trouve x
2
> b tel que f (x
2
) = y. Ceci est
absurde puisque f est injective.
La n de la dmonstration est illustre sur la gure sui-
vante.
121
Thorme 6.24 Soit f : I J une bijection continue, o I et J
sont des intervalles de R. Alors sa rciproque f
1
est galement
continue.
Dmonstration. La fonction f tant continue et injective, elle
est monotone par la proposition prcdente. Donc f
1
est ga-
lement monotone. De plus f
1
(J) = I, qui est un intervalle par
hypothse, donc f
1
est continue daprs la proposition 6.22.
Exemple 6.25 Lorsque nous aurons (enn) montr que la
fonction exponentielle est continue, nous dduirons du tho-
rme ci-dessus que sa rciproque le logarithme est galement
continue. De mme les fonctions arccosinus, arcsinus, et arc-
tangente sont continues parce que les fonctions cosinus, sinus,
et tangentes sont continues, comme nous le montrerons.
Pour linstant, nous pouvons dj tablir fermement que x
n

x est continue sur [0; +[ : en eet, cest la rciproque de la

fonction x x
n
, qui est continue puisquelle est polynomiale.
122
Fonctions de plusieurs variables
Puisque la continuit sexprime en termes de convergence
de suites, et que nous savons ce que signie converger pour
une suite de vecteurs (voir proposition 4.28), nous pouvons
tendre sans problme la dnition principale de ce chapitre :
Dfinition 6.26 Soit X R
n
, et f : X R
m
une fonction. On
dit que f est continue en x X lorsque pour toute suite (u
n
)
n0
qui converge vers x (dans R
n
), la suite (f (u
n
)) converge vers f (x)
(dans R
m
).
On dit que f admet pour limite en x
0
R
n
lorsque pour
toute suite (u
n
)
n0
qui converge vers x
0
, la suite (f (u
n
)) converge
vers (ceci mme si x
0
X).
Notons quune telle fonction est de la forme
(x
1
, x
2
, . . . , x
m
) (f
1
(x
1
, . . . x
n
), . . . , f
m
(x
1
, . . . , x
n
)) .
Chaque fonction f
i
est dnie sur Xet prend ses valeurs dans R.
On appelle ces fonctions les composantes de f .
Le rsultat suivant se dmontre exactement comme les
noncs correspondants pour les fonctions dune seule va-
riable.
Proposition 6.27 Les sommes, produits et inverses de fonctions
continues, lorsquelles sont dnies, sont continues. La composition
de deux fonctions continues est encore continue.
Avec les notations ci-dessus, la fonction f est continue si et
seulement si chaque composante f
i
est continue.
De plus, f est continue en x X si et seulement si elle admet la
limite f (x) en ce point.
Enn, une fonction f est continue en x
0
si et seulement si, pour
tout > 0, il existe > 0 tel que [f (x) f (x
0
)[ < pour tous les x
tels que [x x
0
[ < .
Attention, par contre la rciproque dune fonction continue
de plusieurs variables nest pas toujours continue, contraire-
ment au cas trait dans le thorme 6.24.
123
Exemple 6.28 La projection p
i
, dnie sur R
n
par
p
i
(x
1
, x
2
, . . . , x
n
) = x
i
,
est continue : on le vrie directement partir des dnitions.
Partant de l, on peut utiliser des sommes et produits, par
exemple
(x
1
, x
2
, x
3
) 2x
1
x
3
x
5
2
est continue sur R
3
daprs la proposition prcdente.
On peut aussi composer avec des fonctions usuelles :
(x
1
, x
2
) sin(x
1
x
2
)
est continue, ainsi que
(x
1
, x
2
, x
3
) e
x
2
1
x
3
arctan(x
2
1) .
Exemple 6.29 Voici un exemple plus sophistiqu. On va iden-
tier lensemble des matrices M
n
(R) avec R
n
2
pour toutes les
questions de continuit (le fait de disposer les nombres en
tableau ne change rien laaire). De mme on va identi-
er M
n
(R) M
n
(R) avec R
2n
2
.
Ceci tant fait, il est lgitime de demander si la fonction
suivante est continue :
f : M
n
(R) M
n
(R) M
n
(R)
(A, B) f (A, B) = AB.
Et la rponse est oui : si A = (a
ij
)
i,j
et B = (b
ij
)
i,j
, alors sur la
ligne i, dans la colonne j de f (A, B) on trouve
n

k=0
a
i,k
b
k,j
.
Cette expression est continue (elle est obtenue partir des pro-
jections en faisant des produits et des sommes). Puisque les
composantes de f sont continues, cest que f est elle-mme
continue.
Notons maintenant GL
n
(R) lensemble des matrices inver-
sibles de M
n
(R) ; cest une notation standard qui fait rfrence
124
lexpression groupe linaire . Que dire de la continuit de
la fonction suivante ?
g : GL
n
(R) GL
n
(R)
A A
1
.
Cest loin dtre une question abstraite ou inutile. Lorsque vous
conez un ordinateur la tche de calculer linverse dune
matrice A coecients rels, dans de nombreux cas vous al-
lez entrer une approximation B de la matrice A (disons en ne
donnant quune dizaine de chires aprs la virgule). Lordi-
nateur vous donne la valeur de B
1
. Est-ce que, du fait que B
tait proche de A, on peut sattendre ce que B
1
soit proche
de A
1
? Cest ce quon demande lorsque la continuit de g est
tudie.
Dans le cas n = 2, nous pouvons rpondre : en eet daprs
la proposition 5.9, la fonction g scrit dans ce cas
_
a b
c d
_

1
ad bc
_
d b
c a
_
.
(La mme proposition arme que sur GL
2
(R), la quantit ad
bc ne sannule pas.) Cette expression est visiblement continue.
Nous allons voir que g est continue pour tout n, mais pour
cela il va nous falloir dvelopper la thorie des dterminants,
qui font lobjet du prochain chapitre.
125
Chapitre 7
Dterminants
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Le lecteur ayant
lu la dnition
2.15 peut
prendre pour K
nimporte quel
corps.
Premire lecture
Mthode de calcul
Lobjectif de ce chapitre est de montrer une gnralisation
de la proposition 5.9. Plus prcisment, on cherche associer
toute matrice carre un nombre, son dterminant, qui soit fa-
cilement calculable et qui permette de dcider si la matrice est
inversible ou non. On aimerait aussi avoir une formule pour
linverse (bien que lon sache dj calculer les inverses ecace-
ment).
Cest dans la deuxime partie de ce chapitre que nous mon-
trerons le thorme suivant :
Thorme 7.1 Il existe une unique fonction
det : M
n
(K) K
A det(A)
ayant les proprits suivantes :
1. Si A
1
est obtenue partir de A en multipliant une ligne
par K, alors det(A
1
) = det(A).
126
2. Si A
2
est obtenue partir de A en changeant deux lignes,
alors det(A
2
) = det(A).
3. Si A
3
est obtenue partir de A en ajoutant une ligne un
multiple dune autre ligne, alors det(A
3
) = det(A).
4. det(Id) = 1.
De plus, pour toute matrice A, on a det(A) = det(
t
A). Par suite, on
peut remplacer ligne par colonne dans ce qui prcde.
Enn, si : M
n
(K) K est une fonction ayant les propri-
ts (1), (2) et (3) ci-dessus (mais pas forcment (4)), alors il existe
un nombre K telle que (A) = det(A).
Cest tout ce que nous avons besoin de savoir sur cette fonc-
tion, et le fait de rejeter la dnition du dterminant plus
tard ne va nous empcher ni de les calculer, ni de montrer leur
utilit.
Commenons par quelques calculs. Ensuite nous montre-
rons que les dterminants ont bien quelque chose voir avec
les inverses.
Exemple 7.2 Pour les matrices 22, la fonction que lon a dj
vue
_
a b
c d
_
ad bc
vrie les quatre conditions : vriez-le ! Donc par unicit, cest
bien la fonction dterminant :
det
_
a b
c d
_
= ad bc.
Exemple 7.3 Prenons
M =
_

_
2 2 2
3 3 3
1
2
1
2

1
2
_

_
,
et calculons det(M). On va utiliser les proprits ci-dessus pour
se ramener une matrice chelonne, comme nous savons le
faire.
127
Dabord une notation : on va crire

2 2 2
3 3 3
1
2
1
2

1
2

= det
_

_
2 2 2
3 3 3
1
2
1
2

1
2
_

_
.
La proprit (1) est souvent interprte lenvers par
les tudiants, au dbut. Il sagit bien de la chose suivante : la
matrice M est obtenue en multipliant par 2 la premire ligne
de
N =
_

_
1 1 1
3 3 3
1
2
1
2

1
2
_

_
.
On a donc det(M) = 2det(N). La rgle est simple : on sort
le 2 du dterminant. On va crire les choses comme ceci (on
continue avec les autres lignes) :

2 2 2
3 3 3
1
2
1
2

1
2

= 2

1 1 1
3 3 3
1
2
1
2

1
2

= 2 3

1 1 1
1 1 1
1
2
1
2

1
2

= 2 3
1
2

1 1 1
1 1 1
1 1 1

.
Maintenant faisons une opration de type (3) :

1 1 1
1 1 1
1 1 1

1 1 1
0 2 0
1 1 1

L
2
L
2
+L
1
.
Ces oprations ne changent pas le dterminant. On continue :

1 1 1
0 2 0
1 1 1

1 1 1
0 2 0
0 0 2

L
3
L
3
L
1
.
Avec lhabitude, vous verrez immdiatement que ce dernier d-
terminant vaut 4. Pourquoi ? Voyons :

1 1 1
0 2 0
0 0 2

= 2 (2)

1 1 1
0 1 0
0 0 1

128
= 4

1 1 0
0 1 0
0 0 1

= 4

1 0 0
0 1 0
0 0 1

Pour les deux dernires galits, on a fait successivement

les oprations L
1
L
1
L
3
puis L
1
L
1
L
2
.
Le dterminant de la matrice identit vaut 1 daprs le tho-
rme, donc

1 1 1
0 2 0
0 0 2

= 4,
comme annonc. Quand au dterminant de M, il vaut nale-
ment
det(M) = 2 3
1
2
(4) = 12.
Exemple 7.4 Avec des oprations sur les lignes, on peut tou-
jours se ramener au calcul du dterminant dune matrice bien
chelonn. Que dire sil ne sagit pas de lidentit ? Par exemple
que vaut det(A) lorsque
A =
_

_
1 0 0
0 1 0
0 0 0
_

_
?
Cest bien simple : en multipliant la troisme ligne de A par 0,
on obtient encore la matrice A. Donc det(A) = 0det(A) = 0. Le
dterminant dune matrice ayant une ligne nulle est nul. Et pareil
avec les colonnes.
Le rsultat suivant est alors facile :
Proposition 7.5 Une matrice carre est inversible si et seulement
si son dterminant est non-nul.
Dmonstration. Si A

est obtenue partir de A en faisant une

opration sur les lignes, on a det(A

) 0 det(A) 0 (on
se rappellera que les oprations autorises pour chelonner
une matrice, donnes dans la dnition 5.14, comprennent la
multiplication dune ligne par un scalaire non-nul). Si E
A
d-
signe comme dhabitude la matrice bien chelonne associe
A, on constate que det(A) 0 si et seulement si det(E
A
) 0.
129
De plus, pour une matrice bien chelonne telle que E
A
, on
constate que son dterminant vaut 0 sil y a une ligne nulle,
et 1 sinon, puisque le seul cas dans lequel il ny a pas de ligne
nulle dans E
A
se produit pour E
A
= Id.
Pour nir on sait que Aest inversible si et seulement si E
A
=
Id (proposition 5.19), donc si et seulement si det(E
A
) = 1, ce qui
se produit si et seulement si det(A) 0.
Par exemple, la matrice M de lexemple 7.3 est inversible
puisque son dterminant vaut 12 0. Pour montrer a, nous
avons en fait chelonn la matrice et trouv au passage que E
M
=
Id, ce qui tablit directement que M est inversible. On se de-
mande si lon y gagne. Il est vrai quavec lhabitude, on calcule
les dterminants assez rapidement en multipliant les astuces et
les raccourcis lorsquon reconnat certaines matrices a sera
particulirement vrai lorsque nous donnerons la deuxime m-
thode de calcul, qui se prte au calcul mental rapide.
Il ne faut pas trop prendre a au srieux, cependant : cal-
culatoirement, les dterminants ne sont pas un outil rvolu-
tionnaire. Pour une matrice un peu grosse (quelques milliers
de lignes), dont on veut savoir si elle est inversible laide dun
ordinateur, la meilleure mthode consiste faire des oprations
sur les lignes pour obtenir la matrice chelonne, et les rac-
courcis que les dterminants permettent de prendre nont pas
une inuence sensible sur la dure du calcul.
Les dterminants ont pourtant de nombreuses applications.
Donnons-en une simple.
Exemple 7.6 Soit t K. Quand-est-ce que la matrice
_
2 t
1 9
_
est inversible ? Son dterminant vaut 18 + t, donc la condition
est prcisment t 18. On peut retrouver cette condition sans
passer par le dterminant, mais cest moins facile suivre.
Pour un exemple plus compliqu, soit un paramtre rel.
Quand-est-ce que la matrice
_
cos() sin()
sin() cos()
_
130
est inversible ? En prenant le dterminant, on obtient cos()
2
+
sin()
2
= 1, donc la matrice est toujours inversible. En faisant
des oprations sur les lignes pour trouver la matrice chelon-
ne, on se retrouve dans une discussion trs pnible.
La proposition suivante rend souvent service.
Proposition 7.7 Soit Aet Bdeux matrices carres de mme taille.
Alors
det(AB) = det(A) det(B) .
De plus si A est inversible alors
det(A
1
) =
1
det(A)
.
Dmonstration. La matrice B tant xe, considrons la fonc-
tion dnie par (A) = det(AB). On voit tout de suite quelle
vrie les proprits (1), (2) et (3) du thorme 7.1. (Noter que
faire des oprations sur les lignes de AB revient faire des op-
rations sur les lignes de A, puis multiplier par B.) Daprs le
thorme, il existe une constante tel que (A) = det(A).
En prenant A = Id, on observe (Id) = det(IdB) = det(B) =
det(Id) = , cest--dire = det(B). Ceci montre que det(AB) =
det(A) det(B).
Si A
1
existe, on calcule det(AA
1
) = det(A) det(A
1
) =
det(Id) = 1.
Dveloppements des dterminants
Dfinition 7.8 Soit A une matrice n n. On appelle mineur
en i, j, et on note
ij
, le dterminant de la matrice (n1)(n1)
obtenue en supprimant la ligne i et la colonne j de A.
Exemple 7.9 Soit
A =
_

_
1 2 3
4 5 6
7 8 9
_

_
.
Alors

11
=

5 6
8 9

,
22
=

1 3
7 9

,
23
=
_
1 2
7 8
_
.
131
Dfinition 7.10 Notons A = (a
ij
)
i,j
. Le dveloppement de det(A)
par la ligne i est
det
i
(A) =
n

j=1
(1)
i+j
a
ij

ij
.
Le dveloppement de det(A) par la colonne j est
det
j
(A) =
n

i=1
(1)
i+j
a
ij

ij
.
(Cette fois cest lindice i qui varie dans la somme.)
Exemple 7.11 Prenons
A =
_

_
0 1 1
2 0 5
3 0 1
_

_
.
Pour grer le signe (1)
i+j
, le plus simple est de former un ta-
bleau :
_

_
+ +
+
+ +
_

_
La rgle est simple : on commence par + en haut gauche, et on
alterne de sorte quil ny a jamais deux signes identiques cte
cte.
Pour dvelopper par rapport la premire ligne, disons, on
prend les mineurs et les coecients dans la matrices, les signes
dans le tableau, et on ajoute :
det
1
(A) = +0

0 5
0 1

(1)

2 5
3 1

+(1)

2 0
3 0

= 0 +17 +0 = 17.
Par rapport la troisime colonne, on a
det
3
(A) = +(1)

2 0
3 0

0 1
3 1

+(1)

0 1
2 0

= 0 5 (3) (2) = 17.

Ce nest pas un hasard si on trouve le mme rsultat.
132
Proposition 7.12 Pour tout i et tout j, on a
det
i
(A) = det
j
(A) = det(A) .
En dautre termes, le dveloppement donne une formule pour cal-
culer le dterminant, en fonction de dterminants plus petits.
Dmonstration. Pour linstant nous allons nous contenter dune
esquisse de dmonstration. Dans la suite du chapitre un argu-
ment complet sera donn.
Lide simple est que A det
i
(A), vue comme une fonc-
tion M
n
(K) K, vrie les proprits (1), (2), (3) et (4) du tho-
rme 7.1. Daprs ce thorme, une telle fonction est unique,
donc det
i
(A) = det(A). On procde de mme pour det
j
(A).
Il faut donc vrier soigneusement ces quatre proprits.
Ce nest pas dicile (cest mme un bon exercice), mais cest
un peu long.
On a donc une nouvelle mthode, compltement dirente,
pour calculer les dterminants. Est-elle meilleure ? En thorie
la rponse est cinglante : non, elle est mme bien pire. Pour sen
convaincre, comptons le nombre de multiplications ncessaires
pour calculer un dterminant de taille nn. En chelonnant la
matrice, on peut montrer quil faut quelque chose de lordre
de n
2
multiplications pour avoir le dterminant. En dvelop-
pant par une ligne, puis en dveloppant les dterminants plus
petits, etc, jusqu en arriver des dterminants 2 2, on fait
plus de n! oprations.
Prenons n = 50. laide dun ordinateur qui eectuerait
un milliard de milliards doprations par seconde (10
18
), il
faudrait plus de 10
38
ans pour complter le calcul par la m-
thode des dterminants. Lunivers selon les dernires estima-
tions existe depuis 15 10
9
ans. En chelonnant la matrice, les
2500 multiplications ncessaires sont faites presque instanta-
nment.
En pratique, pour des matrices de trs petite taille (n 6)
comme vous en rencontrerez dans les exercices, et sans ordi-
nateur, on combine souvent direntes mthodes : oprations
sur les lignes, sur les colonnes, et quelques dveloppements.
Voyons un exemple.
133
Exemple 7.13 Prenons
A =
_

_
0 1 0 1
2 1 9 0
2 7 4 5
2 0 1 1
_

_
.
Pour calculer det(A), on peut commencer par retrancher la
deuxime colonne la dernire, ce qui ne change pas le dter-
minant. On obtient
det(A) =

0 1 0 0
2 1 9 1
2 7 4 12
2 0 1 1

.
Maintenant on dveloppe par la premire ligne, videmment,
puisquelle a tellement de zros :
det(A) =

2 9 1
2 4 12
2 1 1

,
en noubliant pas le signe qui vient du tableau de signes cor-
respondant.
On retranche la pemire ligne aux suivantes :
det(A) =

2 9 1
0 5 13
0 10 2

,
puis on eectue L
3
L
3
2L
2
:
det(A) =

2 9 1
0 5 13
0 0 24

.
Nous sommes dj habitus aux dterminants de cette forme
triangulaire . On peut mentalement faire le dveloppement
suivant par la premire colonne :

2 9 1
0 5 13
0 0 24

= 2

5 13
0 24

= 2 (5) 24 = 240.
134
(Dune manire gnrale, le dterminant dune matrice trian-
gulaire est le produit des coecients sur la diagonale). Finale-
ment det(A) = 240.
Les formules de Cramer
Nous allons maintenant voir une formule pour calculer lin-
verse dune matrice, qui est une gnralisation de celle donne
dans la proposition 5.9.
Soit A = (a
ij
) une matrice. On pose

A = ((1)
i+j

ij
)
ij
,
et on lappelle la comatrice de A. (On rappelle que le mi-
neur
ij
a t introduit dans la dnition 7.8).
Proposition 7.14 On a
A
t

A = det(A) Id .
Dmonstration. Sur la ligne i, dans la colonne j du produit A
t

A,
on a par dnition le nombre
c
ij
=
n

k=0
a
ik
(1)
k+j

jk
.
Lorsque i = j, on reconnat la formule pour le dveloppement
de det(A) par la ligne i, donc c
ii
= det(A). Lorsque i j par
contre, on obtient le dveloppement de det(A

) par la ligne j,
o A

est la matrice obtenue partir de A en recopiant la ligne i

dans la ligne j ; comme A

se retrouve avec deux lignes iden-

tiques, sont dterminant est nul, donc c
ij
= 0 pour i j.
Finalement A
t

A na de coecients non-nuls que sur la dia-
gonale, o lon trouve det(A), comme annonc.
Corollaire 7.15 (Formules de Cramer) Soit A une matrice
inversible. Alors
A
1
=
1
det(A)
t

A.
135
Dmonstration. Daprs la proposition, on a
A
_
1
det(A)
t

A
_
= Id,
ce qui donne le rsultat (voir lemme 5.23).
Exemple 7.16 Prenons
A =
_

_
1 3 1
1 4 0
0 1 2
_

_
.
Pour calculer la comatrice, on commence par le coecient en
haut gauche, qui doit tre

4 0
1 2

= 8.
Le coecient sur la ligne 1, dans la colonne 2, est

1 0
0 2

= 2.
(On noublie pas le signe.) Ainsi de suite, on nit par obtenir

A =
_

_
8 2 1
5 2 1
4 1 1
_

_
.
On calcule det(A) = 3. Finalement
A
1
=
1
3
_

_
8 5 4
2 2 1
1 1 1
_

_
=
_

_
8
/
3
5
/
3
4
/
3
2
/
3
2
/
3
1
/
3
1
/
3
1
/
3
1
/
3
_

_
.
Cette mthode de calcul de linverse est draisonnablement
populaire auprs des tudiants. Pourtant, elle est beaucoup
moins ecace que la mthode de la proposition 5.19 (on peut
de nouveau compter le nombre doprations eectues, et il
est largement suprieur avec les formules de Cramer). Cest
pourquoi nous ninsisterons pas sur les exemples.
Par contre les formules de Cramer ont des consquences
plus thoriques, par exemple :
136
Lemme 7.17 Soit A une matrice coecients dans Z. Alors A
possde une inverse coecients dans Z si et seulement si det(A) =
|1.
Dmonstration. Si det(A) = |1, la formule pour A
1
montre
bien que ses coecients sont des nombres entiers.
Rciproquement, si A
1
est coecients dans Z, on note
que det(A) det(A
1
) = 1 alors que det(A) et det(A
1
) sont des
nombres entiers. Ceci entrane bien sr que det(A) = |1.
Autre application, nous pouvons maintenant rpondre la
question pose dans lexemple 6.29 :
Lemme 7.18 La fonction
GL
n
(R) GL
n
(R)
A A
1
est continue.
Daprs lexpression pour A
1
, cest vident.
Deuxime lecture
Unicit du dterminant
Nous allons nous tourner vers la dmonstration du tho-
rme 7.1. La partie unicit est en fait trs simple, et en ra-
lit nous lavons presque dj vue.
En eet, si : M
n
(K) K vrie les fameuses propri-
ts (1), (2), (3) et (4), alors pour calculer (A), on peut faire
des oprations sur les lignes dont on sait prcisment com-
ment elles changent la quantit (A), et se ramener une ma-
trice chelonne. Mais pour une matrice chelonn, on constate
que prend la valeur 0 sil y a une ligne nulle, ou 1 sinon (voir
la discussion dans lexemple 7.4 et la dmonstration de la pro-
position 7.5). Finalement, on na tout simplement pas le choix
pour la valeur de (A). Do lunicit dune fonction qui vri-
erait les quatre proprits.
137
Si ne vrie pas la proprit (4), on pose = (Id). Si
0, on travaille avec (A) = (A)/ qui vrie les quatre propri-
ts, et donc (A) = det(A) ce qui donne bien (A) = det(A). Si
par contre = 0 on voit facilement que (A) = 0 pour toute
matrice A en raisonnant comme ci-dessus ; l encore (A) =
det(A) = 0.
Toute la dicult rside dans lexistence de la fonction
dterminant. Avec la formule pour le dveloppement du d-
terminant, on pourrait donner une dnition par rcurrence,
en partant des matrices 2 2. Cest possible, mais certaines
choses vont tre diciles montrer, comme par exemple le fait
que det(A) = det(
t
A). Nous allons utiliser une autre approche,
qui est plus instructive.
Faisons une observation sur les matrices 3 3. En dvelop-
pant par les lignes ou les colonnes, on obtient

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

= a
13
a
22
a
31
+a
12
a
23
a
31
+a
13
a
21
a
32
a
11
a
23
a
32
a
12
a
21
a
33
+a
11
a
22
a
33
.
On constate que le dterminant (sil existe !) est une somme
de termes de la forme a
1i
1
a
2i
2
a
ni
n
prcds de signes conve-
nables. Mme si a parat compliqu, nous allons partir de l
pour donner une dnition gnrale.
Permutations
Dfinition 7.19 Soit X un ensemble. Une permutation de X
est une bijection : X X.
Nous allons particulirement nous intresser au cas X =
1, 2, 3, . . . , n. On notera S
n
lensemble des permutations de
ce X, et on appelle S
n
le n-ime groupe symtrique.
On trouve bien dautres notations pour le groupe sym-
trique, comme par exemple S
n
ou

n
.
le symbole Sest
un S majuscule
en criture
gothique
allemande.
Exemple 7.20 Nous allons avoir besoin dune notation pour
138
donner des exemples. Nous allons crire
=
_
1 2 n
(1) (2) (n)
_
;
cest--dire que, par exemple,
=
_
1 2 3
3 2 1
_
est un raccourci pour dsigner la fonction , de lensemble 1, 2, 3
vers lui-mme, telle que (1) = 3, (2) = 2 et (3) = 1.
Pour ver que est bien une bijection, et donc un l-
ment de S
3
, le plus simple est de constater que ((i)) = i
pour i = 1, 2, 3, donc
1
= .
Voyons un lement de S
5
:
=
_
1 2 3 4 5
2 3 1 5 4
_
.
Pour montrer que est une bijection, donnons directement sa
rciproque :

1
=
_
1 2 3 4 5
3 1 2 5 4
_
.
On vrie que (
1
(i)) = i et
1
((i)) = i, ce qui justie la
notation
1
. Pour trouver ce
1
, la recette que nous venons
dappliquer est simple : pour chaque i on cherche le nombre j
tel que (j) = i, qui doit exister et tre unique (sinon nest pas
une bijection) ; cest ce nombre que lon crit en dessous de i,
cest--dire que j =
1
(i).
Voici une faon encore plus simple de le dire : changeons
les deux lignes de la matrice de , puis dplaons les colonnes
pour que sur la premire ligne on ait 1, 2, 3, 4, 5 dans cet ordre.
On obtient la matrice de
1
.
Dfinition 7.21 Soit S
n
. Pour deux entiers distincts i et j
entre 1 et n, on pose
q
ij
=
(j) (i)
j i
.
139
On a q
ij
= q
ji
, de sorte que q
ij
ne dpend que de la paire i, j.
On pose ensuite
() =
_
i,j
q
ij
.
On appelle () la signature de .
Exemple 7.22 Prenons
=
_
1 2 3
2 3 1
_
S
3
.
Les paires considrer sont 1, 2, 1, 3, 2, 3. On trouve
q
12
=
3 2
2 1
= 1, q
13
=
1 2
3 1
=
1
2
, q
23
=
1 3
3 2
= 2.
Finalement () = 1
1
2
(2) = 1.
Notons que la quantit q
ij
est positive si (i) et (j) sont
dans le mme ordre que i et j, et ngative sinon : on dit
alors quil y a une inversion en i, j.
Lemme 7.23 Pour toute permutation , on a () = |1.
Dmonstration. Montrons que () = 1. En posant d
ij
= j i,
de sorte que d
ij
= d
ji
, on peut crire () = N/D avec
N =
_
i,j
d
(i)(j)
et D=
_
i,j
d
ij
.
On doit donc montrer que N = D. Or cest une vidence : dans
les deux cas, il sagit du produit de tous les nombres d
ij
pour
toutes les paires i, j. Voici une autre formulation : pour chaque
terme d
ij
du produit D, considrons i

=
1
(i) et j

=
1
(j).
Alors N contient le terme d
(i

)(j

)
= d
ij
. Ainsi chaque terme du
produit D correspond un terme et un seul du produit N, et
vice-versa, do N = D.
Corollaire 7.24 Soit N le nombre dinversions pour . Alors
() = (1)
N
.
140
Dmonstration. Seul le signe de q
ij
compte, dans le calcul de (),
puisquen valeur absolue on sait dj que () = 1. Ce signe
vaut (1) si et seulement si on a une inversion en i, j, donc au
total le signe est (1)
N
.
Exemple 7.25 Fixons i et j et considrons la transposition
ij

S
n
, dnie par
ij
(i) = j,
ij
(j) = i et
ij
(x) = x si x i, j. En
dautres termes,
ij
change i et j et xe les autres lments.
Par exemple dans S
5
on a

24
=
_
1 2 3 4 5
1 4 3 2 5
_
.
Calculons la signature de
ij
. En comptant les inversions,
on constate que lon en obtient une pour la paire i, j, une pour
chaque paire i, x avec i < x < j, et une pour chaque paire x, j
avec i < x < j. On peut regrouper ces dernires inversions par
deux en associant i, x et x, j, ce qui rassemble un nombre pair
de signes (1) dans le calcul de (). Linversion pour i, j reste
seule, et au total
(
ij
) = 1.
Dfinition 7.26 Soit et des lments de S
n
. La compo-
sition dnie par (i) = ((i)) est encore un lment
de S
n
, que lon va noter par simplicit. La composition est
parfois appele le produit de et .
Proposition 7.27 Pour , S
n
, on a
() = () () .
Dmonstration. crivons
(j) (i)
j i
=
(j) (i)
(j) (i)

(j) (i)
j i
.
Multiplions ces galits pour toutes les paires i, j, on obtient
() =
_

_
_
i,j
(j) (i)
(j) (i)
_

_
() .
141
Il ne reste qu montrer que le produit entre parenthses est (),
cest--dire que
_
i,j
(j) (i)
(j) (i)
=
_
i,j
(j) (i)
j i
.
Or chaque terme dun de ces produits se retrouve une fois
et une seule dans lautre (comme dans la dmonstration du
lemme 7.23), donc ils sont bien gaux.
La dnition du dterminant
La voici enn :
Dfinition 7.28 Soit A = (a
ij
) M
n
(K). Son dterminant est
det(A) =

S
n
() a
1(1)
a
2(2)
a
n(n)
.

Nous allons montrer toutes les proprits (attendues depuis

lnonc du thorme 7.1) sous forme de lemmes.
Lemme 7.29 On a det(A) = det(
t
A).
Dmonstration. On doit vrier que

S
n
() a
1(1)
a
2(2)
a
n(n)
=

S
n
() a
(1)1
a
(2)2
a
(n)n
.
Fixons , et observons les nombres a
(i)i
. En prenant i =
1
(j),
pour un entier j quelconque, on obtient a
(i)i
= a
j
1
(j)
; et en
prenant le produit on a
a
(1)1
a
(2)2
a
(n)n
= a
1
1
(1)
a
2
1
(2)
a
n
1
(n)
.
De plus, de la relation
1
= Id (la permutation identit), on
dduit ()(
1
) = 1 et donc () = (
1
).
Finalement, le terme correspondant dans le membre de
droite ci-dessus est prcisment le terme correspondant
1
dans le membre de gauche. Donc les sommes sont gales.
142
Lemme 7.30 Si A
1
est obtenue partir de A en multipliant une
ligne par , alors det(A
1
) = det(A).
Celui-ci est vident !
Lemme 7.31 Si A
2
est obtenue partir de A en permutant deux
lignes, alors det(A
2
) = det(A).
Dmonstration. Soient k et les lignes qui sont permutes.
Si A = (a
ij
), alors A
2
= (a
(i)j
), o =
k
est la transposition
comme dans lexemple 7.25. Le dterminant de cette matrice
est
det(A
2
) =

S
n
() a
(1)(1)
a
(2)(2)
a
(n)(n)
.
Notons que a
(i)(i)
= a
j((j))
avec j = (i), ou ce qui revient au
mme i = (j). On en tire
a
(1)(1)
a
(2)(2)
a
(n)(n)
= a
1((1))
a
2((2))
a
n((n))
.
Combinons a avec () = ()() = () encore daprs
lexemple 7.25. Finalement
det(A
2
) =

S
n
() a
1((1))
a
2((2))
a
n((n))
.
Il reste observer que la somme ci-dessus est det(A) : en ef-
fet le terme correspondant dans la dnition de det(A) se
retrouve dans cette somme correspondant
1
.
Pour le reste des dmonstrations, xons une matrice A,
et choisissons une ligne i. Pour x
1
, x
2
, . . . , x
n
K, on va no-
ter f (x
1
, . . . , x
n
) le dterminant de la matrice obtenue en rem-
plaant la ligne i de A par (x
1
, . . . , x
n
). Par exemple si A = (a
ij
)
est une matrice 33 et que lon regarde la ligne 2, cela signie
que
f (x
1
, x
2
, x
3
) =

a
11
a
12
a
13
x
1
x
2
x
3
a
31
a
32
a
33

.
En particulier on a det(A) = f (a
i1
, a
i2
, . . . , a
in
).
143
Daprs la dnition 7.28, il est clair quil existe des nombres
que lon va noter
1
,
2
, . . . ,
n
tels que
f (x
1
, . . . , x
n
) =
1
x
1
+
2
x
2
+ +
n
x
n
. (*)
En consquence, on note que f (x
1
+y
1
, . . . , x
n
+y
n
) = f (x
1
, . . . , x
n
)+
f (y
1
, . . . , y
n
).
Lemme 7.32 Les formules de dveloppement du dterminant par
une ligne ou une colonne sont valides.
Dmonstration. Puisque det(A) = det(
t
A), il sut de montrer
ceci pour les lignes. Daprs la dnition 7.10, nous devons
donc montrer que
j
= (1)
i+j

ij
, avec les notations ci-dessus.
Notons que
j
= f (0, 0, . . . , 1, . . . , 0), avec le 1 en j-ime posi-
tion, daprs (*). On peut donc voir
j
comme le dterminant
dune certaine matrice ; en permutant i lignes et j colonnes,
cette matrice devient
_

_
M

.
.
.

0 0 1
_

_
o M est obtenue partir de A en supprimant la ligne i et la
colonne j. Vous montrerez titre dexercice que le dterminant
de cette matrice est det(M) (cest un cas archi-particulier de
dveloppement par une ligne, qui se dduit directement de la
formule de la dnition 7.28).
Par dnition
ij
= det(M), et les oprations sur les lignes et
colonnes ont introduit le signe (1)
i+j
, donc le dterminant
j
est bien (1)
i+j

ij
.
Lemme 7.33 Lorsque la matrice Apossde deux lignes identiques,
on a det(A) = 0.
Dmonstration. En permutant ces deux lignes, on ne change
pas A; donc det(A) = det(A). On en dduit que det(A) = 0.
Les plus observateurs auront not que cet argument ne
fonctionne que parce que 1 1, on encore 2 0. Or il se peut
144
trs bien que 2 = 0 si lon travaille avec K = Z/2Z, ce qui nest
pas exclu! Pour couvrir ce cas, on peut faire une dmonstration
du lemme par rcurrence, en partant des matrices 2 2 et en
dveloppant par une ligne laide du lemme prcdent.
Voici nalement la dernire proprit :
Lemme 7.34 Si A
3
est obtenue partir de A en ajoutant un mul-
tiple de la ligne j la ligne i, alors det(A
3
) = det(A).
Dmonstration. On a
det(A
3
) = f (a
i1
+a
j1
, a
i2
+a
j2
, . . . , a
in
+a
jn
)
= f (a
i1
, a
i2
, . . . , a
in
) +f (a
j1
, a
j2
, . . . , a
jn
)
= det(A) +0.
En eet f (a
j1
, a
j2
, . . . , a
jn
) = 0, puisque cest le dterminant de
la matrice obtenue en recopiant la ligne j dans la ligne i (et qui
possde donc deux lignes identiques).
145
Chapitre 8
Compacit
Premire lecture
Le thorme de Bolzano et Weierstrass
Dfinition 8.1 Soit (u
n
)
n0
une suite. Une sous-suite de (u
n
)
est une suite de la forme (u
(n)
)
n0
o : N N est une fonc-
tion strictement croissante.
Les exemples typiques sont (u
2n
)
n0
et (u
2n+1
)
n0
.
Thorme 8.2 (Bolzano &Weierstrass) Soit (u
n
)
n0
une suite
de nombre rels. On suppose quil existe deux nombres a et b tels
que u
n
[a, b] pour chaque indice n. Alors il existe une sous-
suite (u
(n)
)
n0
qui possde une limite [a, b].
Souvent on nonce : de toute suite de rels borne on peut
extraire une sous-suite convergente .
Dmonstration. Posons a
0
= a, b
0
= b, et m =
a
0
+b
0
2
, le milieu
de [a
0
, b
0
]. Soit A N lensemble des entiers n tels que u
n

[a
0
, m], et soit B lensemble des entiers n tels que u
n
[m, b
0
].
Les ensembles Aet Bne peuvent pas tre tous les deux nis,
puisque A B = N. Si A est inni, on pose a
1
= a
0
et b
1
= m;
dans le cas contraire on pose a
1
= m et b
1
= b
0
.
146
Par rcurrence, on construit a
n+1
et b
n+1
partir de a
n
et b
n
de la mme manire, en sarrangeant pour quil y ait une in-
nit de termes de la suite dans lintervalle [a
n+1
, b
n+1
].
On nit avec deux suites (a
n
) et (b
n
) telles que b
n
a
n
=
ba
2
n
(puisque lon divise la longueur de lintervalle par 2 chaque
tape), et en particulier b
n
a
n
0. De plus (a
n
) est crois-
sante et majore, donc converge vers
1
, alors que (b
n
) est d-
croissante et minore et donc converge vers
2
. On en conclut
que
1
=
2
.
Pour chaque entier n, choisissons maintenant un entier (n)
tel que a
n
u
(n)
b
n
en sarrangeant pour que soit croissante
(cest possible par construction). Il est clair que u
(n)

1
=

2
.
Les applications sont plus thoriques que pratiques, au
moins dans un premier temps. Elles sont par contre fonda-
mentales, et vont prendre de plus en plus dimportance au fur
et mesure de vos tudes en mathmatiques.
Fonctions continues et intervalles compacts
Nous avons vu avec le thorme des valeurs intermdiaires
(6.8) que limage dun intervalle par une fonction continue est
encore un intervalle. Il y a plusieurs types dintervalles : ou-
verts, ferms, semi-ouverts. . . Est-ce que limage dun intervalle
est du mme type que celui-ci ? La rponse est non, comme sur
la gure ci-dessous.
147
Ici on voit une portion du graphe dune fonction continue
dnie sur lintervalle semi-ouvert [0, +[, et son image est vi-
siblement lintervalle ouvert ] , +[ (il reste imaginer la
suite du graphe, videmment). Mance donc.
Par contre on a le rsultat suivant, qui est notre permire
application de Bolzano & Weierstrass.
Proposition 8.3 Soit f une fonction continue dnie sur linter-
valle compact I = [a, b]. Alors f (I) est aussi un intervalle compact.
Dmonstration. Soit J = f (I), on sait que cest un intervalle
daprs le thorme des valeurs intermdiaires. Soit m = inf(J)
ou m = si linf nexiste pas ; de mme soit M = sup(J)
ou M = + si le sup nexiste pas. On a donc J = (m, M) o les
parenthses signient quon ne sait pas encore sil sagit de [
ou ].
Prenons une suite (y
n
) telle que y
n
M, avec y
n
J. Par
dnition on a y
n
= f (x
n
) pour un certain x
n
I = [a, b]. Daprs
le thorme de Bolzano et Weierstrass, on peut extraire une
sous-suite (x
(n)
) qui converge vers [a, b]. Par continuit
de f , on a f (x
(n)
) = y
(n)
f (). Comme (y
(n)
) est une sous-
suite de (y
n
), elle doit converger vers M, et donc M = f ().
On en conclut que M +, et que M J. On procde de
mme pour montrer que m et que m J. Finalement J =
[m, M].
Notons bien, en particulier, que lon a le rsultat suivant :
Corollaire 8.4 Soit f une fonction continue dnie sur un in-
tervalle compact. Alors f atteint son maximum et son minimum.
Lexpression f atteint son maximum et son minimum
contient plusieurs choses, qui sont toutes des consquences du
fait que limage de f est de la forme [m, M], mais quil est bon
dnoncer sparment. Tout dabord le sup des valeurs prises
par la fonction, que lon note M, nest pas +; mais plus pr-
cisment, on sait aussi quil existe un x dans lensemble de d-
nition tel que f (x) = M. Cest pour cette raison que lon parle
du maximum de f et pas seulement de son sup, pour insister.
De mme avec le minimum m.
148
Il peut y avoir plusieurs valeurs pour lesquelles les extrema
sont atteints, bien sr. Sur la gure ci-dessous, le maximum
de la fonction est atteint en x
1
et x
2
, et le minimum est atteint
en x
3
.
On comparera la situation avec celle de la fonction x
1
x
,
dnie sur lintervalle ]0; +[ (qui nest pas compact) : elle ne
possde ni maximum ni minimum. Linf des valeurs de cette
fonction est 0, mais cette valeur nest pas atteinte.
Le corollaire prdit donc lexistence de valeurs maximales
et minimales sous des hypothses assez simples. Il est bien
utile, comme on va le voir.
Deuxime lecture
Parties compactes
Les arguments utilisant le thorme de Bolzano et Weiers-
trass sont tellement ecaces que lon en vient donner un nom
aux ensembles sur lesquels on peut ladapter.
Dfinition 8.5 Soit X R
n
. On dit que X est compact lorsque
de toute suite (u
n
)
n0
avec u
n
X on peut extraire une sous-
suite (u
(n)
)
n0
qui converge vers X.
149
Avec ce vocabulaire, le thorme de Bolzano et Weierstrass
peut tre interprt comme armant que les ensembles que
nous avions dores et dj appels intervalles compacts
sont eectivement compacts au sens de cette dnition. Ce
sont dailleurs les seuls intervalles ayant cette proprit. Par
exemple [0, +[ nest pas compact, puisque la suite (2
n
)
n0
na
pas de sous-suite convergente ; de mme ]0, 1[ nest pas com-
pact, puisque la suite (
1
n
)
n1
ne possde que des sous-suites
qui convergent vers 0, et 0 ]0, 1[ (noter la condition X, trs
importante, dans la dnition).
Ltude des compacts se fera plus en dtails en deuxime
voire troisime anne. Nous allons cependant voir un exemple
riche de consquences.
Proposition 8.6 Soit R R
2
un rectangle de la forme
R = [a, b] [c, d] .
Alors R est compact.
Dmonstration. Soit (u
n
)
n0
une suite dlments de R, et no-
tons u
n
= (x
n
, y
n
).
Daprs le thorme de Bolzano et Weierstrass, on peut
trouver une sous-suite (x
(n)
) qui converge vers [a, b]. Appli-
quons le mme thorme la suite (z
n
) dnie par z
n
= y
(n)
: il
existe une sous-suite (z
(n)
) qui converge vers

[c, d]. Notons

que z
(n)
= y
((n))
.
Considrons la suite (x
((n))
) : cest une sous-suite de (x
(n)
)
donc elle converge vers . Donc nalement u
((n))
converge
vers (,

).
Citons un exemple de rsultat dont la dmonstration se d-
duit immdiatement de celle que nous avons donne pour les
intervalles compacts.
Proposition 8.7 Soit f : X R une fonction continue, o X
R
n
est un compact. Alors f atteint son maximum et son minimum.
titre dexercice vous montrerez ceci en adaptant largu-
ment donn pour le corollaire 8.4 : vous verrez quil ny a es-
sentiellement rien changer.
150
Autres tudes de minima et maxima
Pour montrer lexistence dun maximum ou dun minimum
dune fonction f dont on ne sait pas grandchose, ou avec la-
quelle on ne souhaite pas faire de calculs compliqus (comme
les drives du chapitre suivant), on essaie souvent de se ra-
mener au corollaire 8.4. Lorsque la fonction en question nest
pas dnie sur un compact, il faut faire des eorts supplmen-
taires. Voici un exemple simple.
Proposition 8.8 Soit f : R
2
R une fonction continue.
1. Supposons que pour toute suite (u
n
)
n0
telle que [u
n
[ +,
on a f (u
n
) +. Alors f atteint son minimum sur R
2
.
2. Supposons que pour toute suite (u
n
)
n0
telle que [u
n
[ +,
on a f (u
n
) 0. Alors f atteint son maximum sur R
2
.
Dmonstration. Montrons le (1), le (2) tant similaire. Soit
R
n
= [n, n] [n, n] .
Ce rectangle est compact daprs la proposition 8.6, donc sur R
n
la fonction f atteint un minimum en u
n
(proposition 8.7).
Puisque R
n
R
n+1
, on a f (u
n+1
) f (u
n
) (le minimum dimi-
nue quand on le prend sur une partie plus grande). Montrons
maintenant quil existe un entier N tel que tous les termes u
n
appartiennent R
N
. Par labsurde, si ce ntait pas le cas, on
aurait une sous-suite (u
(n)
)
n0
telle que [u
(n)
[ + : il
sut de prendre u
(n)
lextrieur du rectange R
n
. Par hy-
pothse f (u
(n)
) +, ce qui est absurde puisque (f (u
(n)
))
est dcroissante. Donc N existe.
Si maintenant x R
2
, on a x R
n
pour un certain n, et
donc f (x) f (u
n
) ; mais u
n
R
N
, donc f (u
n
) f (u
N
). Finale-
ment f (u
N
) est le minimum de f .
Continuit uniforme
La prochaine application du thorme de Bolzano et Weiers-
trass concerne une proprit ne des fonctions continues. Rap-
pelons que dans le (3) du thorme 6.20, nous avons montr
quune fonction f tait continue au point x
0
si et seulement
151
si la condition suivante tait satisfaite : pour tout > 0 on
doit trouver un > 0 de telle sorte que f (x) f (x
0
) < ds
que x x
0
< . Voyons a sur un exemple.
Exemple 8.9 Prenons f (x) =
1
x
sur lintervalle ]0, 1], et soit x
0
dans cet intervalle. Montrons que f est continue en x
0
direc-
tement partir de la dnition (cest--dire sans utiliser le fait
quil sagit de linverse dune fonction continue qui ne sannule
pas). Soit donc > 0. Calculons :
f (x) f (x
0
) =

1
x

1
x
0

x x
0
xx
0

.
On a donc f (x) f (x
0
) < ds que x x
0
< xx
0
. Mais on ne
peut certainement pas prendre = xx
0
, puisque ne doit pas
dpendre de x, par dnition.
Par contre, choisissons un nombre > 0 tel que < x
0
, et
prenons

=
2
. Pour tous les x dans lintervalle [, 1], on a

<
xx
0
donc lingalit x x
0
<

entrane bien f (x) f (x

0
) < .
Pour nir, nous devons prendre tel que 0 <

dune
part, et < x
0
dautre part. Avec ce , lingalit x x
0
<
entrane x = x
0
(x
0
x) > x
0
> , cest--dire que x [, 1] ;
largument ci-dessus donne donc f (x) f (x
0
) < ds que x
x
0
< .
Une chose retenir de ce calcul, cest que sur un intervalle
de la forme [, 1] on peut prendre le mme

pour tous les

points x
0
la fois ( savoir

=
2
). Alors que sur ]0, 1], nous
venons de la voir, il faut chosir un qui dpend de x
0
.
Ce phnomne porte un nom :
Dfinition 8.10 Soit I R, et soit f : I R. On dit que f est
uniformment continue sur I lorsque pour tout > 0, il existe >
0 tel que f (x)f (x
0
) < ds que lon choisit x, x
0
I tels que x
x
0
< .
Avec ce langage, nous pouvons dire que la fonction x
1
x
est uniformment continue sur chaque intervalle compact de la
forme [, 1] pour 0 < < 1. Par contre, sur lintervalle ]0, 1], la
fonction dnie par la mme formule nest pas uniformment
continue. Cest lessence de lexemple 8.9.
152
On peut se demander pourquoi rentrer dans des consid-
rations si prcises. La rponse arrivera avec le chapitre sur les
intgrales : il se trouve que, pour dnir rigoureusement lin-
tgrale dune fonction, nous aurons besoin de savoir que la-
dite fonction est uniformment continue. Heureusement, nous
naurons pas refaire un travail comme ci-dessus pour chaque
fonction, puisque le thorme suivant nous pargne toutes les
dicults.
Thorme 8.11 (Heine) Soit f une fonction continue sur un
intervalle compact. Alors elle est uniformment continue.
Dmonstration. Par labsurde. Si f nest pas uniformment conti-
nue, alors il existe un > 0 tel que pour chaque > 0, on peut
choisir x et y tels que x y < et cependant f (x) f (y) .
Prenons
n
=
1
n
pour chaque entier n 1, et notons x
n
et y
n
nos
choix pour
n
.
Soit I = [a, b] lintervalle sur lequel f est dnie. Daprs
la proposition 8.6, le rectangle R = I I est compact. La suite
dnie par u
n
= (x
n
, y
n
) possde donc une sous-suite u
(n)
=
(x
(n)
, y
(n)
) qui converge vers (,

) R. En dautres termes on
a x
(n)
et y
(n)

, et donc x
(n)
y
(n)

. De plus,
puisque

x
(n)
y
(n)

<
(n)
=
1
(n)

n
0,
on constate =

.
Enn, par continuit de f , on a f (x
(n)
) f () et f (y
(n)
)
f (), donc
f (x
(n)
) f (y
(n)
) 0.
Mais dans la mesure o

f (x
(n)
) f (y
(n)
)

> 0,
cette dernire convergence vers 0 est impossible. Cette conclu-
sion absurde montre que f est uniformment continue.
153
Chapitre 9
Drives
Premire lecture
Dnitions & Premires proprits
Dfinition 9.1 Soit f une fonction dnie sur un intervalle I.
On dit que f est drivable au point x
0
I lorsque le taux dac-
croissement, cest--dire la fonction dnie par
T
x
0
(x) =
f (x) f (x
0
)
x x
0
(pour x x
0
) possde une limite (nie). Lorsque cest le cas,
cette limite est note f

(x
0
), et ce nombre est appele le nombre
driv en x
0
.
La fonction x f

(x), lorsquelle est dnie en tout point
de I, est appele la drive de f .
Le taux daccroissement T
x
0
(x) ci-dessus est la pente de
la droite qui passe par (x
0
, f (x
0
)) et par (x, f (x)). En faisant va-
rier x, avec x
0
x, on obtient toute une famille de droites.
Lorsque f est drivable en x
0
, ces droites atteignent une po-
sition limite lorsque x se rapproche de x
0
. La droite passant
par (x
0
, f (x
0
)) et dont la pente est cette valeur limite f

(x
0
) est
appele la tangente au graphe de f au point x
0
. La situation est
illustre sur le dessin suivant.
154
Lorsque f

(x
0
) > 0, la droite tangente est le graphe dune
fonction croissante ; il est raisonnable de penser alors f elle-
mme comme une fonction croissante au voisinage de x
0
,
et dans ce chapitre nous allons rendre cette intuition prcise.
Puisque vous connaissez le rsultat (sans dmonstration!) de-
puis le lyce, inutile de vous faire patienter : nous verrons que
lorsque f

(x
0
) > 0 pour tous les x
0
, alors la fonction est crois-
sante.
Le plus tonnant avec les drives reste la facilit avec la-
quelle on peut les calculer.
Exemple 9.2 Prenons f (x) = x, sur R tout entier par exemple.
Pour tout x
0
, on a
T
x
0
(x) =
x x
0
x x
0
= 1.
Cette fonction a donc certainement une limite, qui vaut 1.
Cest--dire que f

(x
0
) = 1, pour tout x
0
R.
Autre exemple simple, si g(x) = c est une fonction constante,
alors le taux dacroissement est
c c
x x
0
= 0,
155
et donc g

(x
0
) = 0.
Un peu plus compliqu, prenons h(x) =
1
x
sur R

. Alors le
taux daccroissement est
h(x) h(x
0
)
x x
0
=
1
x x
0
_
1
x

1
x
0
_
=
1
xx
0
.
Cette expression tend vers
1
x
2
0
lorsque x x
0
, donc h est dri-
vable et h

(x
0
) =
1
x
2
0
.
Avant mme de donner dautres exemples, notons la chose
suivante :
Lemme 9.3 Soit f une fonction drivable en x
0
. Alors f est ga-
lement continue en x
0
.
Dmonstration. On crit simplement
f (x) f (x
0
) = (x x
0
)
f (x) f (x
0
)
x x
0
0 f

(x
0
) = 0,
donc f admet pour limite f (x
0
) lorsque x x
0
, ce qui signie
bien quelle est continue.
Exemple 9.4 Donnons maintenant quelques exemples de fonc-
tions qui ne sont pas drivables. Le plus simple est de prendre
une fonction qui nest pas continue : daprs le lemme, elle ne
peut pas tre drivable non plus.
Mais il existe des fonctions continues qui ne sont pas dri-
vables. Prenons par exemple la valeur absolue , cest--dire
la fonction x x, dnie sur R. Prenons x
0
= 0 et examinons
le taux daccroissement :
T
0
(x) =
x 0
x 0
=
_
1 si x > 0,
1 si x < 0.
Cette expression na pas de limite en 0, puisque par exemple
on a T
0
(
1
n
)
n
1 alors que T
0
(
1
n
)
n
1. Donc la fonction
valeur absolue nest pas drivable en 0. (Et en x
0
, pour x
0
0 ?)
156
Autre exemple, la fonction dnie sur [0, +[ par x

x.
En x
0
= 0, le taux daccroissement est
T
0
(x) =

0
x 0
=
1

x
,
dni sur ]0; +[. On a donc T
0
(x) + lorsque x 0, et il
ny a pas de limite nie : la fonction nest pas drivable en 0 (et
ailleurs ?).
Proposition 9.5 Soient f et g deux fonctions dnies sur I et
drivables en x
0
I. Alors
(somme) x f (x) +g(x) est drivable en x
0
, et sa drive en
ce point est f

(x
0
) +g

(x
0
).
(produit) x f (x)g(x) est drivable en x
0
, et sa drive en
ce point est f

(x
0
)g(x
0
) +f (x
0
)g

(x
0
).
Dmonstration. Montrons la formule pour le produit (celle
pour la somme est facile et laisse en exercice). On tudie le
taux daccroissement :
f (x)g(x) f (x
0
)g(x
0
)
x x
0
= f (x)
_
g(x) g(x
0
)
x x
0
_
+g(x
0
)
_
f (x) f (x
0
)
x x
0
_
.
Puisque f est continue en x
0
en vertu du lemme prcdent,
cette expression a bien pour limite f (x
0
)g

(x
0
) + f

(x
0
)g(x
0
),
comme annonc.
Exemple 9.6 Prenons f (x) = g(x) = x. Alors la proposition in-
dique que la drive de x x
2
est x 1x +x 1 = 2x. Conti-
nuons : la drive de x x
3
= x
2
x est, toujours daprs la
formule sur le produit, donne par x (2x) x +x
2
1 = 3x
2
.
En continuant de cette manire, on montre par rcurrence
(faites-le) que la drive de x x
n
est x nx
n1
.
Si on se donne une constante c, et que lon applique encore
et toujours la formule pour le produit, on constate que la dri-
ve de x cx
n
est x 0 x
n
+c nx
n1
= cnx
n1
.
Enn, grce la formule pour la somme, on constate que
toute fonction polynomiale, cest--dire de la forme
x a
0
+a
1
x +a
2
x
2
+ +a
n
x
n
157
est drivable, de drive
x a
1
+2a
2
x +3a
3
x
2
+ +na
n
x
n1
.
Voici une autre dnition de la drivabilit, qui va paratre
articielle pour linstant mais dont on comprendra le caractre
naturel dans le chapitre sur les formules de Taylor.
Lemme 9.7 f est drivable en x
0
si et seulement si il existe deux
nombres a
0
et a
1
tels quon peut crire
f (x
0
+h) = a
0
+a
1
h +h(h) ,
o (h) 0 quand h 0. De plus, lorsque ces nombres existent,
on a a
0
= f (x
0
) et a
1
= f

(x
0
).
Lisez soigneusement la dmonstration ci-dessous, qui est
particulirement simple, an de comprendre quil sagit juste
dune reformulation des choses. Gomtriquement, le lemme
arme que la fonction h f (x
0
) + f

(x
0
) h, dont le graphe est
une droite (la droite tangente), est une bonne approxima-
tion de la fonction h f (x
0
+ h), puisque la dirence entre
les deux, qui vaut h(h), est le produit de deux fonctions qui
tendent vers 0.
Dmonstration. Supposons dabord que f est drivable en x
0
,
et posons (nous navons gure le choix)
(h) =
f (x
0
+h) f (x
0
) f

(x
0
) h
h
=
f (x
0
+h) f (x
0
)
h
f

(x
0
) ,
pour h 0, et (0) = 0. Par dnition, on a bien (h) 0
lorsque h 0, et on a tout fait pour que f (x
0
+ h) = f (x
0
) +
f

(x
0
)h +h(h).
Montrons la rciproque ; supposons que a
0
et a
1
existent,
tels que f (x
0
+h) = a
0
+a
1
h +h(h) avec (h) 0. Tout dabord
en faisant tendre h vers 0, on constate que
lim
xx
0
f (x) = lim
h0
f (x
0
+h) = a
0
.
Mais alors, la proposition 6.16 nous dit que a
0
= f (x
0
).
158
Par suite le taux daccroissement en x
0
vaut
f (x) f (x
0
)
x x
0
=
f (x
0
+h) f (x
0
)
h
= a
1
+(h) ,
en posant h = x x
0
. Lorsque x x
0
, ce taux daccroissement
tend donc vers a
1
, ce qui par dnition signie que f est dri-
vable en x
0
et que f

(x
0
) = a
1
.
Avec cette nouvelle formulation, il devient facile de mon-
trer un rsultat sur la composition des fonctions :
Proposition 9.8 Soit g : I J une fonction drivable en x
0
I,
et soit f : J R une fonction drivable en g(x
0
) J. Alors f g est
drivable en x
0
, et de plus
(f g)

(x
0
) = f

(g(x
0
)) g

(x
0
) .
Dmonstration. Daprs le lemme, on peut crire
g(x
0
+h) = g(x
0
) +g

(x
0
) h +h(h) ,
avec (h) 0 lorsque h 0, et de mme en posant y
0
= g(x
0
),
f (y
0
+u) = f (y
0
) +f

(y
0
) u +u(u) ,
avec (u) 0 lorsque u 0. On commence donc par crire
f g (x
0
+h) = f [g(x
0
+h)]
= f [g(x
0
) +g

(x
0
) h +h(h)]
= f (y
0
+u) ,
en posant u = g

(x
0
) h +h(h). On peut donc poursuivre :
f g (x
0
+h) = f (y
0
) +f

(y
0
) u +u(u)
= f (y
0
) +f

(y
0
) [g

(x
0
)h +h(h)] +u(u)
= f (y
0
) +f

(y
0
)g

(x
0
)h +h(h) ,
o lon a rassembl tous les termes manquants dans (h), cest-
-dire que lon a pos
(h) = f

(y
0
)(h) +(g

(x
0
) +(h))
_
h(g

(x
0
) +(h))
_
.
159
Cette expression est peut-tre complique, mais lon retiendra
simplement que (h) 0 lorsque h 0.
On donc trouv a
0
= f (y
0
) et a
1
= f

(y
0
)g

(x
0
) comme dans
le lemme, et on conclut que f g est drivable en x
0
comme
annonc.
Exemple 9.9 Prenons f (t) =
1
t
sur J = R

. Nous avons vu dans

lexemple 9.2 que f

(t) =
1
t
2
.
Si on se donne maintenant une fonction g dnie sur I telle
que g(x) 0 pour tout x I, alors on peut la voir comme une
fonction I J. On peut donc considrer f g, et on a tout sim-
plement f g (x) =
1
g(x)
.
La proposition arme que cette fonction est drivable, et
que sa drive en x est
f

(g(x)) g

(x) =
1
g(x)
2
g

(x) =
g

(x)
g(x)
2
.
Ce rsultat est savoir, donc nous allons lnoncer sparment.
Proposition 9.10 Soit g : I R une fonction drivable qui ne
sannule pas. Alors la fonction x
1
g(x)
est drivable, de dri-
ve x
g

(x)
g(x)
2
.
Proposition 9.11 Les fonctions suivantes sont drivables sur le
domaine indiqu :
x e
x
sur R, et sa drive est x e
x
,
x sin(x) sur R, et sa drive est x cos(x),
x cos(x) sur R, et sa drive est x sin(x),
x tan(x) sur R

2
+k avec k Z, et sa drive est x
1 +(tan(x))
2
,
x ln(x) sur ]0; +[, et sa drive est x
1
x
,
x arcsin(x) sur [1, 1], et sa drive est x
1

1x
2
,
x arccos(x) sur [1, 1], et sa drive est x
1

1x
2
,
x arctan(x) sur R, et sa drive est x
1
1+x
2
,
x
n

x = x
1
/
n
sur ]0; +[ pour n 1, et sa drive est x
1
n
(
n

x)
1n
=
1
n
x
1
/
n
1
.
160
Ce nest pas la premire fois que nous sommes dans cette
situation : nous navons pas de (vraie) dnition des fonctions
exponentielle, sinus et cosinus, donc aucun espoir de faire cette
dmonstration pour linstant. Dans le chapitre suivant nous al-
lons (enn!) remdier cela.
On peut par contre calculer la drive de la fonction tan-
gente laide des formules pour cosinus et sinus : faites-le.
Dans la deuxime partie de ce chapitre, nous verrons un r-
sultat sur la drive de la rciproque dune fonction, partir
duquel nous pourrons dmontrer les formules ci-dessus pour
les cinq derniers exemples.
Le thorme des accroissements nis
Le thorme des accroissements nis est aux fonctions d-
rivables ce que le thorme des valeurs intermdiaires est aux
fonctions continues : cest ce rsultat qui justie les dnitions.
Commenons par une remarque simple et importante :
Lemme 9.12 Soit f : [a, b] R une fonction. On suppose quil
existe c ]a, b[ tel que f est drivable en c, et tel que f atteint un
extremum (maximum ou minimum) en c. Alors f

(c) = 0.
Dmonstration. Supposons que f atteint un minimum en c,
161
donc que f (x) f (c) 0 pour tout x [a, b]. Alors
f (x) f (c)
x c
0 pour x > c.
En passant la limite, on obtient f

(c) 0. Mais
f (x) f (c)
x c
0 pour x < c,
et en passant la limite on obtient f

(c) 0.
Finalement f

(c) = 0, comme annonc. On procde de ma-
nire similaire dans le cas dun maximum.
Attention ne pas faire dire ce lemme plus que ce quil
ne dit vraiment. Tout dabord il ne faut pas oublier la condi-
tion c ]a, b[ : penser la fonction f (x) = x sur [0, 1], elle atteint
un minimumen 0 et un maximumen 1, mais sa drive de san-
nule pas. Ensuite, noter que la rciproque du lemme est fausse :
par exemple la fonction f (x) = x
3
sur R vrie f

(0) = 0, mais
on ne peut trouver aucun intervalle [a, b] comme dans lnonc.
Thorme 9.13 (Accroissements finis) Soit f : [a, b] R une
fonction continue. On suppose que f est drivable sur ]a, b[.
Alors il existe un nombre c avec a < c < b tel que
f

(c) =
f (b) f (a)
b a
.
Bien sr le nombre c nest pas unique.
162
Dmonstration. Posons
A =
f (b) f (a)
b a
,
et g(x) = f (x) Ax, pour x [a, b]. La fonction g est drivable
et g

(x) = f

(x) A. Nous allons montrer le thorme pour la
fonction g ; puisque g(b) g(a) = f (b) f (a) A(b a) = 0, on a
g(b) g(a)
b a
= 0,
et il sagit de montrer quil existe c tel que g

(c) = 0. Mais
alors g

(c) = f

(c)A = 0 et on a bien f

(c) = A, donc le thorme
est montr pour f galement.
(La fonction g vrie g(b) = g(a), et dans ce cas particulier
le thorme sappelle thorme de Rolle .)
Daprs la proposition 8.3, on a g([a, b]) = [m, M], puisque g
est continue. Si g est constante, alors g

(x) = 0 pour tout x, et

il ny a rien montrer ; on peut donc supposer que m < M.
Soit x
1
[a, b] tel que g(x
1
) = m et soit x
2
tel que g(x
2
) = M.
Si x
1
]a, b[, on prend c = x
1
. Puisque g atteint alors un mi-
nimum en c, on a g

(c) = 0 daprs le lemme.

Si au contraire x
1
= a ou b, on a g(a) = g(b) = m. Mais
alors x
2
]a, b[ puisque m M. Dans ce cas on pose c = x
2
,
et puisque g atteint un maximum en c, le mme lemme donne
encore g

(c) = 0.
La plus importante consquence est bien sr :
Corollaire 9.14 Soit f une fonction drivable dnie sur lin-
tervalle I. Alors
si f

(x) 0 pour tous les x I, alors la fonction f est crois-
sante ;
si f

(x) > 0 pour les x, alors f est strictement croissante ;
si f

(x) 0, resp. f

(x) < 0, alors f est dcroissante, resp.
strictement dcroissante ;
si f

(x) = 0 pour tous les x I, alors f est constante.
Dmonstration. Montrons le premier point, les autres tant si-
milaires (le dernier est mme une consquence des autres).
163
Supposons donc que f

(x) 0 pour x I. Si a < b sont deux
lments de I, alors daprs le thorme il existe c tel que
f (b) f (a)
b a
= f

(c) 0.
On en dduit que f (b) f (a).
En Terminale vous avez normalement pass beaucoup de
temps tudier des fonctions laide de ce rsultat, ce qui n-
cessite un certain entranement. Nous allons donner un exemple
archi-simple pour rappeler un peu la mthode ; dans les exer-
cices vous tes invits vous refaire la main. Dans le chapitre
suivant nous verrons quelques exemples supplmentaires.
Exemple 9.15 Regardons la fonction f dnie sur R par
f (x) = ax
2
+bx +c,
o a, b, c R. Soit C un nombre tel que
2
= b
2
4ac ; nous
savons que les racines de f , qui peuvent tre relles ou com-
plexes, sont
x
1
=
b
2a
et x
2
=
b +
2a
.
Regardons la drive : f

(x) = 2ax +b. Supposons que a > 0. On
a donc f

(x) > 0 pour x >
b
2a
, et f

(x) < 0 pour x <
b
2a
, ainsi
que f

(x) = 0 pour x =
b
2a
. La fonction est donc dcroissante
sur ] ,
b
2a
] et croissante sur [
b
2a
, +[ ; on en dduit quelle
atteint un minimum en
b
2a
, ce qui est cohrent avec le fait que
la drive sannule en ce point.
Noter que ce nombre
b
2a
est la moyenne des deux ra-
cines
1
2
(x
1
+x
2
). De plus, la valeur minimale prise par f est
f (
b
2a
) =
b
2
4a
+c,
et cette valeur est ngative si et seulement si b
2
4ac 0.
laide du thorme des valeurs intermdiaires, on retrouve le
fait que les racines sont relles si et seulement si le discrimi-
nant b
2
4ac est positif.
164
Deuxime lecture
Le thorme du point xe
Dfinition 9.16 Soit f : I R une fonction et soit k 0. On
dit que f est k-lipschitzienne sur I lorsque
f (x) f (y) kx y ,
pour tous x, y I.
Lorsque 0 < k < 1, on dit parfois dune fonction lipschit-
zienne quelle est contractante , cest--dire quelle rduit les
distances.
Vous montrerez titre dexercice trs facile que si f est k-
lipschitzienne, alors elle est continue, et mme uniformment
continue (dnition 8.10).
Il est important de garder en tte que lorsque f est dri-
vable, alors cette notion nouvelle se ramne un critre trs
simple :
Lemme 9.17 Soit f : I R une fonction drivable. Alors f est k-
lipschitzienne si et seulement si f

(x) k pour tout x I.
165
Pour lintuition il est donc raisonnable, ds lors quon a af-
faire une fonction lipschitzienne, de penser une fonction
drivable de drive borne.
Dmonstration. Si f est k-lipschitzienne, on crit

f (x) f (x
0
)
x x
0

x x
0
x x
0

= k,
do f

(x
0
) k en passant la limite.
Rciproquement si f

(x
0
) k pour chaque x
0
, alors on uti-
lise le thorme des accroissements nis pour crire

f (x) f (y)
x y

= f

(c) k
pour tous x, y. Le rsultat en dcoule.
Thorme 9.18 (Thorme du point fixe) Soit f : I I une
fonction k-lipschitzienne, pour 0 < k < 1. Alors f possde un
unique point xe dans I, cest--dire quil existe un unique x
0
I
tel que f (x
0
) = x
0
.
De plus, si u
0
I est choisi arbitrairement, et si lon dnit une
suite (u
n
)
n0
par u
n+1
= f (u
n
), alors (u
n
)
n
x
0
.
Dmonstration. Commenons par lunicit. Si x
0
et x
1
sont
deux points xes de f , alors f (x
1
) f (x
0
) = x
1
x
0
dune
part, mais par hypothse on a aussi f (x
1
) f (x
0
) kx
1
x
0
.
On a donc x
1
x
0
= 0 puisque k < 1, do x
1
= x
0
.
Prenons maintenant u
0
et dnissons (u
n
) comme dans
lnonc. Si on peut montrer que (u
n
) possde une limite ,
alors la suite (f (u
n
)) doit converger vers f () par continuit
de f ; mais f (u
n
) = u
n+1
, donc (f (u
n
)) est une sous-suite de (u
n
),
et ce titre elle converge vers . Donc = f () et par unicit,
= x
0
.
Il faut donc montrer que (u
n
) converge. crivons
u
n
= u
0
+(u
1
u
0
) +(u
2
u
1
) + +(u
n
u
n1
) .
166
En dautres termes en posant a
n
= u
n
u
n1
on a
u
n
= u
0
+
n

i=1
a
i
.
Nous allons montrer que la srie de terme gnral a
i
converge
absolument, et donc converge daprs le thorme 4.20. Pour
cela, notons que
a
i
= u
i
u
i1
= f (u
i1
) f (u
i2
)
ku
i1
u
i2
= kf (u
i2
) f (u
i3
)
k
2
u
i2
u
i3

k
3
u
i3
u
i4

k
i1
u
1
u
0
.
Ceci montre que
n

i=1
a
i
u
1
u
0
(1 +k +k
2
+ +k
n1
) = u
1
u
0

1 k
n
1 k
u
1
u
0

1
1 k
.
On a donc bien
+

i=1
a
i
< +,
cest--dire que la srie est absolument convergente.
Il est trs facile de rprsenter la situation sur un dessin.
Prenons I = [0, 1], et traons le graphe dune fonction dri-
vable, telle que la pente de la tangente reste petite : daprs
le lemme 9.17, elle est lipschitzienne. On fait en sorte que la
fonction prenne ses valeurs dans [0, 1], bien sr. Ajoutons au
dessin un point u
0
et son image f (u
0
), ainsi que la diagonale
(lensemble des points (x, x) x [0, 1]).
167
Pour dessiner les points suivants de la suite, on doit repor-
ter f (u
0
) sur laxe des abscisses. Pour cela, nous devons en fait
prendre le symtrique du point (0, f (u
0
)), qui se trouve dj sur
la gure sur laxe des ordonnes, par rapport la diagonale.
Nous allons poursuivre en conservant uniquement les seg-
ments indiqus en traits pleins. La recette est simple : on part
dun point du graphe, on rejoint la diagonale, puis on vire
angle droit en direction du graphe. On obtient une gure en
forme de spirale, qui montre bien la convergence de la suite
168
vers le point lintersection du graphe et de la diagonale, cest-
-dire le point xe.
titre dexercice, tentez lexprience suivante : essayez de
faire le mme dessin mais avec un graphe tel que la drive au
point xe est 2 ou 3. Que se passe-til ?
Exemple 9.19 (Calcul numrique de racines carres) Il ar-
rive parfois que lintrt du thorme ne soit pas dans lexis-
tence et lunicit du point xe, qui peuvent tre videntes pour
dautres raisons, mais dans la mthode de calcul de ce point
xe qui est propose, laide de la suite (u
n
).
Voici un exemple. Considrons la fonction f dnie par f (x) =
1
2
(x+

x
) pour x > 0, o est un rel positif. Lquation f (x
0
) = x
0
est quivalente x
2
0
= , qui pour x
0
> 0 possde la solu-
tion unique x
0
=

. Oui, mais comment valuer numrique-
ment

? Il existe plusieurs faons de procder videmment,
mais le thorme du point xe en fournit dj une qui est e-
cace.
Pour se ramener au cadre du thorme, prenons a =

et b >

quelconque, et posons I = [a, b]. La drive est don-

ne par f

(x) =
1
2
(1

2x
2
), et on vrie alors que 0 f

(x)
1
2
pour x I. On en dduit que f est
1
2
-lipschitzienne sur I. De
plus, f est croissante sur cet intervalle ; comme f (a) = a, et
169
puisquon voit de suite que f (b) b, lintervalle I vrie f (I)
I.
partir de maintenant, on voit f comme une fonction I I
laquelle le thorme sapplique. En prenant par exemple u
0
=
b, nous savons maintenant que la suite dnie par rcurrence
par u
n+1
= f (u
n
) =
1
2
(u
n
+

u
n
) converge vers

.
Essayons pour = 2. En prenant b = 2, on en dduit que la
suite vriant u
0
= 2 et u
n+1
=
1
2
(u
n
+
2
u
n
) converge vers

2. Les
premiers termes sont
u
0
= 2, u
1
=
3
2
= 1, 5, u
2
=
17
12
= 1, 41666. . .
puis
u
3
=
577
408
= 1, 4121568627. . . , u
4
=
665857
470832
= 1, 41421356237. . .
La mthode est trs bonne puisquon peut calculer la prcision
du rsultat. En eet, on a
u
n+1
x
0
= f (u
n
) f (x
0
) ku
n
x
0
,
et on en dduit (un peu comme dans la dmonstration du tho-
rme) que
u
n
x
0
k
n
u
0
x
0
.
Dans notre exemple, on a pris k =
1
2
et donc on sait que
u
n

2
1
2
n
2

2
1
2
n
.
Comme 2
10
> 1000, on en dduit que lcart entre u
10
et

2
est infrieur 0, 001, par exemple ; puisque u
10
commence
par 1, 414, on en dduit que

2 commence galement par 1, 414.

(Et sachant ceci, on en dduit a posteriori que u
4
commence
dj par les 3 bons chires aprs la virgule. Mais il fallait bien
le dmontrer.)
170
Drives et rciproques
Proposition 9.20 Soit f : I J une bijection, et soit f
1
: J I
sa rciproque. On suppose que f est continue, et quelle est dri-
vable au point x
0
I, avec f

(x
0
) 0. Alors en notant y
0
= f (x
0
),
la fonction f
1
est drivable au point y
0
et
(f
1
)

(y
0
) =
1
f

(x
0
)
.
Dmonstration. Le taux daccroissement pour f
1
au point y
0
est la fonction T
y
0
dnie par
T
y
0
(y) =
f
1
(y) f
1
(y
0
)
y y
0
,
pour y y
0
. On a donc
T
y
0
(f (x)) =
f
1
(f (x)) f
1
(f (x
0
))
f (x) f (x
0
)
=
x x
0
f (x) f (x
0
)
,
et cette expression a un sens pour x x
0
puisqualors f (x)
f (x
0
). Par drivabilit de f , on en dduit que T
y
0
(f (x))
1
f

(x
0
)
lorsque x x
0
.
Comme la fonction f
1
est continue daprs le thorme 6.24,
on a f
1
(y) f
1
(y
0
) = x
0
lorsque y y
0
. Par composition,
T
y
0
(y) = T
y
0
_
f (f
1
(y))
_

1
f

(x
0
)
lorsque y y
0
, ce qui signie bien que f
1
est drivable en y
0
,
et que le nombre driv est celui annonc.
En combinant plusieurs rsultats dj obtenus, on en arrive
au thorme suivant, qui est facile mmoriser.
Thorme 9.21 Soit f une fonction continument drivable sur
lintervalle I, telle que f

(x) 0 pour tout x I.
Alors f ralise une bijection I J. Sa rciproque f
1
est gale-
ment continument drivable, et
(f
1
)

(y) =
1
f

(f
1
(y))
,
171
pour tout y J.
Enn, si I est ouvert, alors J lest aussi.
Notez que lon dit dune fonction f quelle est continument
drivable pour indiquer quelle est drivable et que f

est conti-
nue. On parle aussi parfois de fonction de classe C
1
.
Avant 1990,
lorthographe
recommande
tait
continment .
Dmonstration. Puisque la fonction f

est continue et ne san-
nule pas, elle ne peut pas changer de signe en vertu du tho-
rme des valeurs intermdiaires : ainsi, ou bien f

(x) > 0 pour
tout x I et f est croissante, ou bien f

(x) < 0 et f est dcrois-
sante. Dans tous les cas, f est monotone. En notant J = f (I), qui
est un intervalle encore daprs le thorme des valeurs inter-
mdiaires, on a donc tabli que f : I J est une bijection.
La proposition prcdente montre que f
1
est drivable en
tout point de J, et montre galement la formule pour (f
1
)

. Le
thorme 6.24 montre que f
1
est continue, et on en conclut
que (f
1
)

=
1
f

f
1
est elle-mme continue.
Enn, une fonction (strictement) monotone ne peut pas
avoir de minimum ni de maximum sur un intervalle ouvert
(vriez-le), donc J doit tre ouvert si I est ouvert.
Exemple 9.22 On peut retrouver certains des rsultats de la
proposition 9.11. Par exemple, sachant que la fonction expo-
nentielle est drivable, et que cest mme sa propre drive, on
peut calculer la drive de sa rciproque, le logarithme, partir
du thorme :
ln

(x) =
1
exp

(ln(x))
=
1
exp(ln(x))
=
1
x
.
Autre exemple, sachant que la fonction tangente est drivable
et que
tan

(x) = 1 +(tan(x))
2
> 0,
on en dduit que sa rciproque arctangente est drivable et que
arctan

(x) =
1
tan

(arctan(x))
=
1
1 +tan(arctan(x))
2
=
1
1 +x
2
.
172
Sur le mme modle, vous pourrez traiter arcsinus et arccosi-
nus.
Enn, prenons f (x) = x
n
(pour n 1), de sorte que f

(x) =
nx
n1
. Cette drive sannule en 0 (pour n 2), donc pour ap-
pliquer le thorme il faut se restreindre ]0; +[. On en d-
duit que la rciproque, cest--dire la fonction f
1
(x) =
n

x, est
drivable pour x > 0 et que
(f
1
)

(x) =
1
f

(f
1
(x))
=
1
n(f
1
(x))
n1
=
1
n(
n

x)
n1
=
1
n
(
n

x)
1n
.
En 0, cette fonction nest pas drivable, voir lexemple 9.4.
Fonctions valeurs vectorielles
Soit I R, et soit f : I R
n
, qui est donc de la forme
t f (t) = (f
1
(t), f
2
(t), , f
n
(t)) .
Pour dnir la drive dune telle fonction, deux choses peuvent
venir lesprit ; et la proposition suivante arme quelles con-
cident.
Proposition 9.23 Avec les notations ci-dessus, les deux propri-
ts suivantes sont quivalentes :
1. chaque fonction f
i
est drivable au point t
0
;
2. la fonction
t
f (t) f (t
0
)
t t
0
possde une limite lorsque t t
0
.
Dans ce cas, la limite en question est
(f

1
(t
0
), . . . , f

n
(t
0
)) ,
que lon appelle le vecteur driv de f en t
0
; on le note f

(t
0
).
Rappelons que la notion de limite de fonction valeurs vec-
torielles a t donne dans la dnition 6.26. Il faut bien com-
prendre que lorsque lon forme
f (t) f (t
0
)
t t
0
,
173
le numrateur est une dirence de vecteurs (ou de matrices-
colonnes, si lon veut), alors que le dnominateur est un sca-
laire. Cest--dire que
f (t) f (t
0
)
t t
0
=
1
t t
0
_

_
f
1
(t) f
1
(t
0
)
.
.
.
f
n
(t) f
n
(t
0
)
_

_
.
Ayant ralis ceci, la dmonstration est facile.
Exemple 9.24 Une fonction de la forme : I R
2
, donc de la
forme
t (t) = (x(t), y(t)) ,
est appele une courbe. La drive, lorsquelle existe, est
t

(t) = (x

(t), y

(t)) ,
et

(t) est appel le vecteur-vitesse linstant t : en eet on peut

penser comme un point qui se dplace dans le plan. La
vitesse linstant t est
[

(t)[ =
_
x

(t)
2
+y

(t)
2
.
Par abus de langage, limage de , cest--dire lensemble
(I) = (t) t I ,
est parfois galement appel une courbe. Au point (t), on peut
tracer la droite de vecteur directeur

(t), qui est appele la

tangente la courbe linstant t. Nous allons tudier quelques
courbes dans les exercices. a se fait simplement en tudiant
sparment les fonctions t x(t) et t y(t).
Les proprits usuelles des drives restent vraies pour les
fonctions valeurs vectorielles, par exemple il est clair que (f +
g)

= f

+g

. Il ny a pas de formule pour le produit, puisque le

produit de deux vecteurs nest pas en gnral dni.
Par contre, on peut considrer les fonctions dont les va-
leurs sont des matrices, cest--dire les fonctions du type I
M
n,m
(R). On peut identier M
n,m
(R) avec R
nm
, et ce qui pr-
cde sapplique. On a alors sans surprise :
174
Lemme 9.25 Si f : I M
n,m
(R) et g : I M
m,
(R) sont dri-
vables, alors f g : I M
n,
(R) est drivable et
(f g)

(t) = f

(t)g(t) +f (t)g

(t) .
La dmonstration peut se faire directement par le calcul,
en se basant sur la formule pour les fonctions valeurs relles
(voir la proposition 9.5).
Par contre, il faut faire attention une chose : le thorme
des accroissements nis concerne strictement les fonctions
valeurs relles, et na pas dquivalent pour les fonctions vecto-
rielles. Il reste nanmoins vrai que si une fonction drivable f
sur un intervalle I vrie f

(t) = 0 pour tout t I, alors f est
constante : en eet il sut de le vrier pour chaque compo-
sante de f .
Enn, concluons en indiquant que ces dernires remarques
sur les fonctions valeurs vectorielles ou matricielles restent
vraies en remplaant R par C.
175
Chapitre 10
Lexponentielle
Premire lecture
Lexponentielle complexe
Dfinition 10.1 Soit z C. On note exp(z) ou e
z
le nombre
e
z
=
+

k=0
z
k
k!
= lim
n
n

k=0
z
k
k!
.
Le nombre complexe e
z
est appel lexponentielle de z.
Lexistence de la limite a t montre dans lexemple 4.25.
La plus importante proprit de lexponentielle est sans
conteste la suivante :
Thorme 10.2 Soient a et b deux nombres complexes. Alors
e
a+b
= e
a
e
b
.
En particulier, pour tout nombre complexe z, on a e
z
e
z
=
e
0
= 1. On constate donc que e
z
0.
Dmonstration. On a e
a+b
= limu
n
, en posant
u
n
=
n

k=0
(a +b)
k
k!
.
176
En utilisant la formule de Newton pour le binme, on peut d-
velopper et obtenir :
u
n
=
n

k=0
k

p=0
_
k
p
_
a
p
b
kp
k!
=
n

k=0
k

p=0
a
p
p!
b
kp
(k p)!
.
Si maintenant on pose
p,q
=
a
p
p!
b
q
q!
, et si on note
T
n
= (p, q) NN 0 p +q n ,
alors le calcul prcdent scrit
u
n
=

(p,q)T
n

p,q
.
De mme, on a e
a
e
b
= limv
n
o
v
n
=
_

_
n

p=0
a
p
p!
_

_
_

_
n

q=0
b
q
q!
_

_
.
On peut dvelopper le produit :
v
n
=
n

p=0
n

q=0
a
p
p!
b
q
q!
.
Si on pose cette fois-ci
C
n
= (p, q) NN 0 p n et 0 q n ,
alors on a
v
n
=

(p,q)C
n

p,q
.
On souhaite montrer que (u
n
) et (v
n
) ont la mme limite, ou
encore que v
n
u
n

n
0. Cette dirence scrit
v
n
u
n
=

(p,q)C
n
T
n

p,q
.
177
On a donc la majoration
v
n
u
n

(p,q)C
n
T
n

p,q
,
et
p,q
=
a
p
p!
b
q
q!
. On en tire la conclusion suivante : si on avait
dmontr le thorme pour a et b la place de a et b, alors
on saurait que le membre de droite de cette dernire ingalit
tend vers 0, donc le membre de gauche aussi. Ainsi, il est suf-
sant de montrer le thorme pour tous les nombres rels 0,
largument ci-dessus montre quil est alors vrai pour tous les
complexes.
Nous poursuivons donc en supposant que a 0 et b 0. Il
sut alors dobserver que C
N
T
2N
C
2N
pour en dduire que
v
n
u
2n
v
2n
.
Ces trois suites sont convergentes, il est donc clair quelles ont
la mme limite.
Le rsultat suivant va tre utile pour calculer des drives.
Proposition 10.3 Pour tout nombre complexe z
0
, on a
lim
zz
0
e
z
e
z
0
z z
0
= e
z
0
.
Cest bien une limite dans les complexes, pas seulement
dans R. Donc strictement parler ce nest pas un nombre d-
riv.
On dit parfois
que la fonction
z e
z
est
holomorphe .
Dmonstration. Prenons dabord z
0
= 0. On crit
e
z
1
z
= 1 +
z
2!
+
z
2
3!
+ +
z
n
(n +1)!
+
= 1 +z
_
1
2!
+
z
3!
+ +
z
n
(n +2)!
+
_
.
178
Lorsque z 1, on a la majoration

z
_
1
2!
+
z
3!
+ +
z
n
(n +2)!
+
_

1
2!
+
1
3!
+ +
1
n!
+

= z(e 1)
z0
0.
On a donc bien
e
z
1
z
1 = e
0
lorsque z 0.
Maintenant si z
0
est quelconque, on pose h = zz
0
et daprs
le thorme prcdent,
e
z
e
z
0
z z
0
=
e
z
0
+h
e
z
0
h
= e
z
0
_
e
h
1
h
_
e
z
0
,
en utilisant le cas particulier dj trait.
Lexponentielle relle
Lorsque x R, il est clair que e
x
R. Nous allons nous tour-
ner vers ltude de x e
x
, vue comme une fonction R R, et
bien sr lun de nos objectifs est de vrier quil sagit bien de
la fonction aborde en Terminale.
Voici de quoi sen convaincre :
Lemme 10.4 La fonction exp : R R est drivable, et exp

=
exp. De plus, il sagit de lunique fonction ayant cette proprit et
prenant la valeur 1 en 0.
Le mot-clef est peut-tre unique : au Lyce on vous a cer-
tainement prsent lexponentielle comme une fonction gale
sa drive, et telle que exp(0) = 1, sans pouvoir dmontrer son
existence. Daprs le lemme, la fonction exponentielle que nous
avons prsente est la bonne.
Dmonstration. Le fait que exp

= exp dcoule directement de

la proposition 10.3.
Soit maintenant une fonction f : R R telle que f

= f
et f (0) = 1. On considre la fonction g dnie par g(x) =
e
x
f (x). On a alors g

(x) = e
x
f (x)+e
x
f

(x) = 0 puisque f

(x) =
f (x). Par suite, la fonction g est constante, disons g(x) = c.
179
Mais alors f (x) = e
x
g(x) puisque e
x
e
x
= e
0
= 1, donc f (x) =
ce
x
. Si nous prenons en compte f (0) = 1, on en dduit c = 1, et
nalement f (x) = e
x
.
Proposition 10.5 La fonction exponentielle ralise une bijec-
tion R R
>0
. Sa rciproque, que lon appelle le logarithme n-
prien et que lon note ln: R
>0
R, est drivable. De plus, on a
ln

(x) =
1
x
.
Dmonstration. On a vu que lexponentielle ne sannulait pas.
Daprs le thorme des valeurs intermdiaires, elle ne peut
pas changer de signe sur R, et comme e
0
= 1, on conclut que e
x
>
0 pour x R.
Comme exp

= exp > 0, lexponentielle est croissante. On a

donc e
x
1 pour x 0. En considrant g(x) = e
x
x 1, qui
satisfait g(0) = 0 et g

(x) = e
x
1 0 pour x 0, on saper-
oit que g est croissante et donc reste positive pour x 0. En
dautres termes e
x
x +1 pour x 0, et en particulier
lim
x+
e
x
= +.
On en dduit
lim
x
e
x
= lim
x+
e
x
= lim
x+
1
e
x
= 0.
Daprs le thorme des valeurs intermdiaires, limage
de R par la fonction exponentielle est un intervalle, contenu
dans ]0, +[. Vues les limites que nous venons de calculer, cette
image doit tre ]0, +[ tout entier.
On a donc montr que lexponentielle tait une bijection
comme annonc. Les assertions sur la rciproque se montrent
avec la proposition 9.20, et vrai dire, nous lavons dj fait
dans lexemple 9.22.
Voici une dernire proprit qui tait familire au lyce.
Proposition 10.6 Soit N un entier. Alors
lim
x+
e
x
x
N
= +,
180
et
lim
x
x
N
e
x
= 0.
Enn
lim
t0
t ln(t) = 0.
Dmonstration. Posons P
n
(x) = 1 + x +
x
2
2
+ +
x
n
n!
, de sorte
que e
x
= lim
n
P
n
(x). Pour x 0, on a e
x
P
n
(x) pour tout n ;
or pour n > N on a dj
lim
x+
P
n
(x)
x
N
= +,
pour des raisons de degrs. La deuxime limite se calcule
en prenant linverse, puisque e
x
=
1
e
x
. Pour la troisime, on
pose x = x(t) = e
t
, de sorte que t ln(t) = xe
x
avec x(t)
lorsque t 0, do le rsultat.
Le cercle et le nombre
Nous allons maintenant dudier la fonction dnie sur R
par (t) = e
it
. En identiant C et R
2
, on pense comme une
courbe dans le plan. Commenons par une remarque.
Lemme 10.7 Soit z C. Alors e
z
= e
z
.
Dmonstration. Il faut noter que si (u
n
) est une suite de com-
plexes telle que u
n
= a
n
+ib
n
=
1
+i
2
, alors u
n
= a
n
ib
n

=
1
i
2
(puisque a
n

1
et b
n

2
).
On obtient le lemme en appliquant cette remarque
u
n
=
n

k=0
z
n
n!
,
qui converge vers e
z
, alors que
u
n
=
n

k=0
z
n
n!
converge vers e
z
.
181
Puisque it = it quand t R, nous avons e
it
= e
it
, et donc
e
it

2
= e
it
e
it
= e
0
= 1.
Par suite (t) = 1 : la courbe prend ses valeurs dans
C= z C tel que z = 1 ,
cest--dire le cercle de centre (0, 0) et de rayon 1. Lun de nos
grands objectifs est de montrer que passe par chaque point
du cercle C.
Lemme 10.8 La fonction est drivable et

(t) = ie
it
.
Dmonstration. On calcule
e
it
e
it
0
t t
0
= i
e
it
e
it
0
it it
0
ie
it
0
,
daprs la proposition 10.3 applique en z
0
= it
0
.
On a notamment

(t) = ie
it
= 1. En termes plus go-
mtriques : le point (t) se dplace vitesse constante le long
du cercle. Intuitivement, cest peut-tre dj susant pour se
convaincre que va faire tout le tour de C.
Dfinition 10.9 On dnit une fonction cos sur R par la for-
mule
cos(t) = |(e
it
) =
e
it
+e
it
2
.
On lappelle le cosinus. De mme on dnit une fonction sin
sur R par la formule
sin(t) = |(e
it
) =
e
it
e
it
2i
,
et on lappelle le sinus.
On a donc e
it
= cos(t) + i sin(t). De plus la relation e
it

2
= 1
donne cos(t)
2
+sin(t)
2
= 1.
partir des dnitions et du lemme prcdent, on obtient
tout de suite :
182
Lemme 10.10 La fonction cos est drivable et cos

= sin. De
mme la fonction sin est drivable et sin

= cos.
Voici un rsultat fondamental.
Thorme 10.11 Il existe un unique nombre rel positif, not ,
tel que
e
it
= 1 t = 2n avec n Z.
De plus, on a e
i
+1 = 0.
Dmonstration. Commenons par une petite tude du sinus au
voisinage de 0. Puisque e
0
= 1, on a sin(0) = 0 et sin

(0) =
cos(0) = 1. Comme la fonction cosinus est continue (et mme
drivable), la proposition 6.19 nous assure quil existe un in-
tervalle ]a, b[ avec a < 0 < b tel que cos(t) > 0 pour t ]a, b[.
La fonction sinus est donc strictement croissante sur cet inter-
valle, et en particulier sin(t) 0 si t 0 et t ]a, b[ ; on en dduit
galement que e
it
1 pour t 0 et t ]a, b[.
Montrons maintenant que la fonction cosinus peut sannu-
ler. Procdons par labsurde : si cos(t) 0 pour tout t, alors
on aurait cos(t) > 0 daprs le thorme des valeurs interm-
diaires, et sin serait croissante sur tout R. En particulier, on au-
rait sin(t) sin(b) > 0 pour t b. Mais alors, regardons la fonc-
tion g dnie par g(t) = cos(t) + sin(b) t 1 qui vrie g(0) = 0
et g

(t) = sin(t) +sin(b) 0. Elle est donc dcroissante, et par

suite g(t) 0 pour t 0, ce qui donne cos(t) 1 sin(b) t. Cest
absurde, puisquon en dduit que cos(t) lorsque t +,
alors que bien sr le cosinus prend ses valeurs dans [1, 1]
cause de la relation cos(t)
2
+sin(t)
2
= 1.
On peut donc trouver t
0
tel que cos(t
0
) = 0. On a alors sin(t
0
)
2
=
1 donc sin(t
0
) = |1 et e
it
0
= |i. Comme i
4
= (i)
4
= 1, on
a e
4it
0
= (e
it
0
)
4
= 1.
Passons au thorme proprement dit. Posons
K = t R e
it
= 1 ,
et
A = t K et t > 0 .
Nous avons prouv que A , puisque cet ensemble contient
llment 4t
0
> 0. Nous avons galement prouv que A ne
183
contient aucun lment dans lintervalle ]a, b[. On peut donc
poser = inf A, ce nombre est alors bien dni et b > 0.
Enn, on pose =

2
(cest la dnition du nombre ).
Il faut commencer par vrier que 2 = appartient K (et
mme A). En eet, par dnition de linf il existe une suite (t
n
)
qui converge vers avec t
n
A, donc e
it
n
= (t
n
) = 1. Par conti-
nuit de , on a (t
n
) (), et donc () = 1, ce qui signie
bien que K.
Soit maintenant t Kquelconque, et soit n lunique nombre
entier tel que
n
t
2
< n +1,
de sorte que 0 t 2n < 2. On note que
e
i(t2n)
= e
it
e
2ni
= e
it
(e
2i
)
n
= 1 1
n
= 1.
Ainsi t 2n K, mais par dnition de 2 = = inf A, le seul
lment de K dans [0, 2[ est 0. On en conclut bien que t = 2n,
comme on souhaitait le montrer.
Enn, le nombre e
i
vrie (e
i
)
2
= e
2i
= 1, donc e
i
= |1.
Mais < 2 donc e
i
= 1 est exclu. Finalement on a bien e
i
=
1, ce qui achve la dmonstration.
Proposition 10.12 Sur lintervalle [0,

2
], la fonction cosinus est
dcroissante. Son image est lintervalle [0, 1] entier.
Sur le mme intervalle, la fonction sinus est croissante. Son
image est galement lintervalle [0, 1] entier.
Dmonstration. Le nombre x = e
i

2
vrie x
2
= e
i
= 1, donc x =
|i. On a donc cos(

2
) = 0 et sin(

2
) = |1. (Dans un instant nous
allons trouver le bon signe.)
Le nombre

2
est le plus petit nombre rel pour lequel le
cosinus sannule : en eet si t
0
est un tel nombre, nous avons
vu au cours de la dmonstration du thorme que 4t
0
vri-
e e
4it
0
= 1 ; nous savons alors que 4t
0
est un multiple de 2,
donc t
0
est un multiple de

2
. Ainsi la fonction cosinus ne san-
nule pas sur [0,

2
[, et donc elle ne change pas de signe (valeurs
intermdiaires). Comme cos(0) = 1, on en dduit cos(t) 0 sur
cet intervalle.
184
La fonction sinus est donc croissante sur le mme intervalle
puisque sin

= cos, et puisque sin(0) = 0, on a sin(t) 0 pour t

[0,

2
]. En particulier sin(

2
) = +1.
Enn, la relation cos

= sin montre que la fonction cosinus

est dcroissante, toujours sur le mme intervalle.
Pour conclure, cest le thorme des valeurs intermdiaires
qui garantit que les deux fonctions en question prennent bien
toutes les valeurs entre 0 et 1.
Nous avons atteint notre objectif :
Proposition 10.13 Tout point du cercle unit Cest de la forme e
it
pour au moins un nombre t R. De plus, deux nombres t et u
vrient e
it
= e
iu
si et seulement si t = u +2n avec n Z.
Dmonstration. Si e
it
= e
iu
, alors e
i(tu)
= 1, donc la dernire
partie de lnonc est une consquence du thorme.
Soit maintenent x + iy un nombre complexe de module 1,
cest--dire que x
2
+ y
2
= 1. Dans un premier temps, suppo-
sons que x 0 et y 0, de sorte que y =

1 x
2
. Le nombre x
appartient [0, 1], il est donc de la forme x = cos(t) pour un
unique nombre t [0,

2
], daprs la proposition prcdente. On
a alors sin(t) 0 et bien sr cos(t)
2
+ sin(t)
2
= 1, donc sin(t) =
_
1 cos(t)
2
=

1 x
2
= y. Finalement e
it
= x+iy, ce qui prouve
le rsultat dans ce cas.
Si y 0, on prend dabord un t tel que e
it
= x iy (cas pr-
cdent), et alors e
it
= x +iy (lemme 10.7). Et enn, si x 0, on
prend t tel que e
it
= x iy, et alors e
i(t)
= e
it
= x +iy.
Forme polaire et racines n-imes
Proposition 10.14 Tout nombre complexe non-nul z C

peut
scrire z = e
i
avec > 0 et R. Le nombre est unique, et en
fait = z ; le nombre est dtermin un multiple de 2 prs.
En consquence, tout nombre complexe non-nul z peut scrire z =
e
w
pour w C.
Dmonstration. Il sut de considrer
z
z
: cest complexe de mo-
dule 1, donc
z
z
= e
i
daprs la proposition 10.13. Ainsi z =
185
ze
i
. La mme proposition indique que est dtermin un
multiple de 2 prs.
En prenant x = ln(z), et w = x + i, nous avons bien e
w
=
e
x
e
i
= ze
i
= z.
Voici une application importante :
Corollaire 10.15 Soit n 1 un entier. Tout nombre complexe z
possde des racines n-imes.
Plus prcisment, si z 0, il existe exactement n nombres (dis-
tincts)
0
,
1
, . . . ,
n1
tels que
n
k
= z.
La dmonstration va indiquer comment trouver explicite-
ment ces racines.
Dmonstration. On crit z = e
i
et lon prend =
n

e
i

n
; on a
alors eectivement
n
= e
i
= z.
Voyons les autres possibilits. Si = r e
i
vrie
n
= 1 =
r
n
e
ni
, alors on doit avoir r
n
= et n = + 2k avec k Z.
Comme r 0, on en dduit r =
n

. Dautre part
=

n
+
2k
n
,
donc
e
i
= e
i

n
e
2ki
n
,
de sorte que nalement = e
2ki
n
pour un certain k Z. Rci-
proquement si est de cette forme alors
n
= z, puisque
_
e
2ki
n
_
n
=
1.
Si k et sont deux entiers, alors les nombres e
2ki
n
et e
2i
n
sont gaux prcisment lorsquil existe un entier m tel que =
k +mn (autrement dit, lorsque k et sont gaux modulo n). On
en dduit que pour 0 k n1, les nombres e
2ki
n
sont distincts,
et que tout nombre de la forme e
2i
n
avec entier est dans cette
liste. Ce sont les n racines de lunit .
Finalement on a bien n nombres qui conviennent, sa-
voir
k
= e
2ki
n
pour 0 k n 1.
186
Le thorme fondamental de lalgbre
Pour linstant nous avons cit ce thorme (3.9) sans d-
monstration. Revoici lnonc :
Thorme 10.16 Tout polynme de degr 1 dans C[X] possde
une racine dans C.
Dmonstration. Soit donc P C[X] de degr 1 ; crivons
P(X) = a
0
+a
1
X+a
2
X
2
+ +a
n
X
n
,
avec a
n
0.
La fonction dnie sur C par z P(z) est continue. De plus
en crivant
P(z) = a
n
z
n
_
1 +
a
n1
a
n
1
z
+
a
n2
a
n
1
z
2
+ +
a
0
a
n
1
z
n
_
,
on voit que pour toute suite (z
n
)
n0
de nombres complexes
tels que z
n
+, on a galement P(z
n
) +. La fonc-
tion f : R
2
R dnie par f (z) = P(z) satisfait donc les hy-
pothses de la proposition 8.8, et on conclut quil existe z
0

C tel que f (z) f (z
0
) pour tout z C. Nous allons montrer
que f (z
0
) = 0, donc P(z
0
) = 0, ce qui tablit le thorme.
Procdons par labsurde, et supposons que P(z
0
) 0. Pour
se faciliter les choses, considrons
Q =
P(z
0
+X)
P(z
0
)
;
alors Qest un polynme de mme degr que P, la quantit Q(z)
atteint un minimum en 0, et ce minimum vaut Q(0) = 1. cri-
vons
Q(z) = 1 +b
d
z
d
+b
d+1
z
d+1
+ +b
n
z
n
,
avec b
d
0, et d 1. Maintenant, pour se dbarrasser de b
d
,
passons au polynme
R(X) = Q(X) ,
o vrie
d
=
1
b
d
: un tel nombre existe daprs le corol-
laire 10.15. Ce R est un polynme de degr n, la quantit R(z)
187
atteint un minimum en 0, et ce minimum vaut encore R(0) = 1 ;
mais de plus
R(z) = 1 z
d
+c
d+1
z
d+1
+ +c
n
z
n
,
pour des coecients c
i
dont la valeur na pas dimportance
pour la suite.
Montrons que la relation R(z) 1 nous mne une contra-
diction. Prenons x R et crivons
R(x) 1 = x
d
_
1 +c
d+1
x +c
d+2
x
2
+ +c
n
x
nd
_
= x
d
g(x) .
Il existe un intervalle I contenant 0 sur lequel la quantit g(x)
reste > 0, daprs la proposition 6.19. Sur cet intervalle, on
constate que R(x) 1 est du signe de x
d
, et donc prend des
valeurs (strictement) ngatives. Ceci est en contradiction avec
lingalit R(x) 1.
Deuxime lecture
Matrices et normes
Dfinition 10.17 Soit A = (a
ij
) M
n,m
(R). Sa norme (eucli-
dienne) est
[A[ =
_

i,j
a
2
ij
_

_
1
2
.
De mme, soit A = (a
ij
) M
,nm
(C). Sa norme euclidienne est
[A[ =
_

i,j
a
ij

2
_

_
1
2
.

188
Quelques remarques simposent. Une matrice relle de taille n
m est constitue de nm coecients, et on peut identier len-
semble M
n,m
(R) avec R
nm
. Ceci tant fait, la norme dune ma-
trice nest autre que la norme euclidienne du vecteur corres-
pondant de R
nm
, que nous connaissons bien (dnition 4.27).
De mme avec les matrices complexes, on identie M
n,m
(C)
avec C
nm
; de plus on peut identier C avec R
2
, de telle sorte
que z = x + iy correspond (x, y), et alors z
2
= x
2
+ y
2
; par
suite C
nm
peut tre vu comme R
2nm
, et au total la norme dune
matrice complexe nest rien dautre que la norme du vecteur
de R
2nm
correspondant.
Pour les calculs, il va tre utile de faire la remarque sui-
vante. Si les colonnes de A sont C
1
, C
2
, . . . , C
m
, alors
[A[
2
= [C
1
[
2
+ +[C
m
[
2
;
de mme si les lignes de A sont L
1
, . . . , L
n
, alors
[A[
2
= [L
1
[
2
+ +[L
n
[
2
.
La dirence entre les matrices et les vecteurs, videmment,
est que lon peut multiplier les matrices. Le rsultat suivant
donne le lien entre les normes et la multiplication.
Lemme 10.18 Soient A M
n,m
(C) et B M
m,
(C). Alors
[AB[ [A[ [B[.
Dmonstration. crivons A = (a
ij
) et notons L
1
, . . . , L
n
les lignes
de A; de mme crivons B = (b
ij
) et notons C
1
, . . . , C

les co-
lonnes de B. La matrice AB possde, sur sa ligne i et dans la
colonne j, le coecient
c
ij
=
m

k=1
a
ik
b
kj
.
189
On a donc les ingalits
c
ij

m

k=1
a
ik
b
kj

k
a
ik

2
_

_
1
2
_

k
b
kj

2
_

_
1
2
= [L
i
[ [C
j
[.
La premire est lingalit triangulaire, la deuxime est linga-
lit de Cauchy-Schwarz (lemme 4.31). En prenant la somme, il
vient
[AB[
2
=

i,j
c
ij

i,j
[L
i
[
2
[C
j
[
2
=
_

i
[L
i
[
2
_

_
_

j
[C
j
[
2
_

_
= [A[
2
[B[
2
.
Le rsultat en dcoule.
Lexponentielle de matrice
Lemme 10.19 Soit A une matrice carre. On note
S
n
(A) =
n

k=0
1
k!
A
k
.
Alors la suite (S
n
(A))
n0
possde une limite.
Avant de donner la dmonstration, indiquons tout de suite :
Dfinition 10.20 Soit A une matrice carre, coecients
complexes. Son exponentielle est
exp(A) = e
A
= lim
n
S
n
(A) =
+

k=0
1
k!
A
k
.

190
Dmonstration. On utilise la convergence absolue, cest--dire
le thorme 4.29, qui nous assure quil sut de vrier que
lim
n
n

k=0
[
1
k!
A
k
[
existe. Or, on a
[
1
k!
A
k
[
1
k!
[A[
k
,
daprs le lemme 10.18. Si on note
u
n
=
n

k=0
[
1
k!
A
k
[,
on a donc
u
n

n

k=0
1
k!
[A[
k

k=0
1
k!
[A[
k
= e
[A[
.
La suite (u
n
) est donc croissante et majore, et on en conclut
quelle possde bien une limite.
Pour linstant, on ne sait calculer que des exemples trs
simples :
Exemple 10.21 Prenons une matrice diagonale :
A =
_
x 0
0 y
_
.
On a donc
A
n
=
_
x
n
0
0 y
n
_
,
et
S
n
(A) =
_

n
k=0
x
k
k!
0
0

n
k=0
y
k
k!
_

_
.
En passant la limite, on obtient :
e
A
=
_
e
x
0
0 e
y
_
.
191
Proposition 10.22 Lexponentielle de matrice possde les pro-
prits suivantes :
1. Si P est inversible, alors
e
P
1
AP
= P
1
e
A
P.
2. Si AB = BA, alors e
A
B = Be
A
.
3. Si AB = BA alors
e
A+B
= e
A
e
B
.
La proprit (3) est la plus importante, bien sr. Attention,
lhypothse AB = BA est ncessaire !
Dmonstration. Pour le (1), on calcule dabord
(P
1
AP)
2
= P
1
APP
1
AP = P
1
A
2
P,
et de mme
(P
1
AP)
3
= P
1
AP(P
1
AP)
2
= P
1
APP
1
A
2
P = P
1
A
3
P.
Par rcurrence on obtient pour tout n :
(P
1
AP)
n
= P
1
A
n
P.
On voit que S
n
(P
1
AP) = P
1
S
n
(A)P, do la formule (1) en pas-
sant la limite.
Pour le (2), on passe la limite dans la relation vidente
S
n
(A)B = BS
n
(A) (ou alors, si B est inversible, on utilise la rela-
tion B
1
AB = A, do B
1
e
A
B = e
A
daprs le (1)).
Pour le (3), cest essentiellement la mme dmonstration
que pour le thorme 10.2. Lhypothse AB = BA est utili-
se pour pouvoir utiliser la formule de Newton qui donne le
dveloppement de (A + B)
n
(elle est fausse si AB BA, par
exemple (A+B)
2
= A
2
+AB+BA+B
2
en gnral). On constate
quil sut de montrer la formule pour [A[ et [B[ au lieu de A
et B, et nous savons que lidentit est vraie pour les nombres
rels.
192
Exemple 10.23 Prenons
A =
_
11 18
6 10
_
.
Pour calculer e
A
, on essaie de la mettre sous la forme P
1
BP
o B est le plus simple possible. Dans le chapitre Diagona-
lisation , nous verrons de nombreuses techniques pour faire
a ; pour linstant, admettons que lon nous ait sou que, en
posant
P =
_
3 2
2 1
_
,
alors
P
1
AP =
_
1 0
0 2
_
= D.
On a donc
e
A
= e
PDP
1
= Pe
D
P
1
,
daprs le (1) de la proposition. On peut calculer e
D
sans peine
comme dans lexemple prcdent, et nalement
e
A
=
_
3 2
2 1
__
e
1
0
0 e
2
__
1 2
2 3
_
=
_
3e
1
+4e
2
6e
1
+6e
2
2e
1
2e
2
4e
1
3e
2
_
.
Voici comment exploiter la proprit (3). Prenons
A =
_
5 7
0 5
_
.
On pose alors A = D+N avec
D=
_
5 0
0 5
_
et N =
_
0 7
0 0
_
.
On vrie que DN = ND, donc e
A
= e
D
e
N
. De nouveau, on
peut calculer e
D
facilement puisque la matrice est diagonale.
193
Pour N, on constate que N
2
= 0, ce qui ramne son exponen-
tielle e
N
= 1 +N. Finalement
e
A
= e
D
(1 +N) =
_
e
5
7e
5
0 e
5
_
.
Exponentielle et drive
Proposition 10.24 Soit A une matrice complexe, de taille n n.
La fonction : R M
n
(C) dnie par (t) = e
tA
est drivable, et
sa drive est

(t) = Ae
tA
= A(t).
De plus, cette proprit caractrise , cest--dire que si c: R
M
n
(C) vrie c

(t) = Ac(t) et c(0) = Id, alors on a c(t) = (t) pour

tout t.
Il faut noter que, si s et t sont deux nombres rels, alors les
matrices sA et tA commutent, donc e
(s+t)A
= e
sA
e
tA
. En dautres
termes (s +t) = (s)(t).
Dmonstration. Le calcul de

(t) est tout--fait analogue la

dmonstration de la proposition 10.3.
Montrons lunicit. Supposons donc que c

(t) = Ac(t), et d-
nissons
f (t) = e
tA
c(t) .
La drive de f est donne par
f

(t) = (A)e
tA
c(t) +e
tA
c

(t) = e
tA
_
Ac(t) +c

(t)
_
= 0.
On a utilis le fait que Ae
tA
= e
tA
A, daprs le (2) de la
proposition 10.22. Puisque f

(t) = 0, on en conclut que f est
constante, donc pour tout t on a f (t) = f (0) = Id. Ceci donne
e
tA
c(t) = Id, et en multipliant par e
tA
on en tire bien c(t) =
e
tA
= (t).
194
Chapitre 11
Espaces vectoriels
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Le lecteur ayant
assimil la
dnition 2.15
peut prendre
pour K
nimporte quel
corps.
Premire lecture
Au collge on vous a prsent les vecteurs, dans le cadre
de la gomtrie lmentaire dans le plan ou lespace. Ces m-
thodes sont tellement ecaces que lon souhaite les appliquer
le plus largement possible, non seulement en dimension
quelconque, mais galement dans des cadres abstraits. Un es-
pace vectoriel va tre dni comme un ensemble sur lequel
on peut faire ce type de gomtrie.
Il se trouve que les calculs que nous allons tre amens
faire se ramnent presque tous des oprations sur les ma-
trices, que nous savons dj faire. Ce chapitre prsente une or-
ganisation abstraite de ces calculs, en quelque sorte. Au fur et
mesure de vos tudes en mathmatiques, les espaces vectoriels
vont prendre de plus en plus de place.
195
Dnitions & Exemples fondamentaux
Dfinition 11.1 Un espace vectoriel sur K est un ensemble E
muni dune opration daddition
EE E
(u, v) u +v
et dune opration
KE E
(, u) u
satisfaisant les axiomes suivants :
(a) u +v = v +u, (e) (u +v) = u +v,
(b) 0 +u = u, (f) ( +) u = u + u,
(c) (u +v) +w = u +(v +w), (g) 1 u = u,
(d) u (u) tel que u +(u) = 0, (h) () u = ( u),
pour u, v, w E et , K.
Exemple 11.2 Lexemple le plus fondamental, sans conteste,
est celui de K
n
. On identie, comme dhabitude, les lments
de K
n
avec les matrices-colonnes de M
n,1
(K), et les oprations
sont celles que lon connait bien :
_

_
x
1
x
2
.
.
.
x
n
_

_
+
_

_
y
1
y
2
.
.
.
y
n
_

_
=
_

_
x
1
+y
1
x
2
+y
2
.
.
.
x
n
+y
n
_

_
,
et

_

_
x
1
x
2
.
.
.
x
n
_

_
=
_

_
x
1
x
2
.
.
.
x
n
_

_
.
On vrie sans problme que les axiomes (a-b-c-d-e-f-g-h) sont
satisfaits, donc K
n
est un espace vectoriel sur K. En fait la pro-
position 5.7 nous indique que lensemble M
n,m
(K) des matrices
est aussi un espace vectoriel.
196
Exemple 11.3 Lensemble K[X] des polynmes coecients
dans K est un espace vectoriel sur K, la vrication des huit
axiomes tant immdiate. Cest un premier pas vers labstrac-
tion : de par leurs bonnes proprits, les polynmes peuvent
tre vus et manipuls comme des vecteurs !
Exemple 11.4 Soit Aun ensemble quelconque. Notons T(A, K)
lensemble des fonctions A K. Si f et g sont de telles fonc-
tions, on dnit leur somme f +g de la manire la plus simple,
par la formule (f + g)(x) = f (x) + g(x), pour x A. De mme
si K, on dnit f par (f )(x) = f (x).
On vrie que T(A, K), avec ces oprations, est un espace
vectoriel sur K. Les fonctions sont donc aussi des vecteurs.
Sous-espaces
La quasi-totalit des espaces vectoriels que nous allons ren-
contrer vont tre btis partir des trois exemples prcdents,
en ajoutant des conditions supplmentaires. Nous allons utili-
ser la notion suivante :
Dfinition 11.5 Soit E un espace vectoriel et F E. On dit
que F est un sous-espace vectoriel de E lorsque les deux condi-
tions suivantes sont remplies : pour u, v F, on doit avoir u+v
F, et pour K et v F, on doit avoit v F.
Il est clair quun sous-espace vectoriel est lui-mme un es-
pace vectoriel, et cest notre principale source dexemple. Pour
certains tudiants (par exemple certains chimistes), la seule no-
tion au programme est celle de sous-espace vectoriel de R
n
.
Et pour tout le monde, cest lexemple comprendre en pre-
mier.
Exemple 11.6 Voici un exemple gnrique de sous-espace
de K
n
. Donnons-nous une matrice A M
m,n
(K) et considrons
E = v K
n
Av = 0 .
(L encore on identie les lments de K
n
avec des matrices-
colonnes, donc le produit Au a un sens.) Alors E est un sous-
espace de K
n
. En eet si u et v sont dans E, on a Au = Av = 0,
197
donc A(u+v) = Au+Av = 0, donc u+v E. On vrie de mme
que A(v) = Av = 0 si Av = 0, donc v E si v E.
Par exemple, prenons
A =
_
3 1 2
7 0 8
_
M
2,3
(R) .
Dnissons E comme ci-dessus, et prenons un lment
v =
_

_
x
y
z
_

_
R
3
.
Alors v E lorsque Av = 0, cest--dire lorsque
_
3x + y + 2z = 0
7x + 8z = 0
On dit que ce sont les quations qui dnissent E. On retien-
dra que les solutions dun systme linaire, dont le second
membre est 0, forment un espace vectoriel.
Exemple 11.7 On note K
n
[X] lensemble des polynmes dont
le degr est n. Alors K
n
[X] est un sous-espace vectoriel de
lespace K[X] (vriez-le).
Voyons un exemple plus abstrait.
Exemple 11.8 Soit ((I, R) lensemble des fonctions continues
sur lintervalle I. On a ((I, R) T(I, R), et la proposition 6.11
nous dit que cest un sous-espace vectoriel.
On peut remplacer continue par drivable , ou encore
paire , ou impaire . . . On peut mme considrer
E = f T(I, R) f est drivable deux fois et 3f

5f

+f = 0 ,
on vrie que E est alors un sous-espace vectoriel de T(I, R).
Familles gnratrices
Pour dcrire un sous-espace vectoriel, il est trs commun de
donner des quations comme dans lexemple 11.6, mais il y a
une autre mthode galement utile.
198
Dfinition 11.9 Soit E un espace vectoriel, et soient e
1
, e
2
, . . . ,
e
n
des lments de E. Une combinaison linaire de ces lments
est une somme de la forme

1
e
1
+
2
e
2
+ +
n
e
n
,
avec
i
K.
Lensemble des combinaisons vectorielles de e
1
, e
2
, . . . , e
n
est not \ect(e
1
, . . . , e
n
).
Lemme 11.10 Lensemble \ect(e
1
, . . . , e
n
) est un sous-espace vec-
toriel de E.
Nous dirons de \ect(e
1
, . . . , e
n
) que cest lespace engendr par
les vecteurs e
1
, . . . , e
n
.
Dmonstration. On fait un calcul direct. Prenons
u =
1
e
1
+
2
e
2
+ +
n
e
n
\ect(e
1
, . . . , e
n
)
et
v =
1
e
1
+
2
e
2
+ +
n
e
n
\ect(e
1
, . . . , e
n
) ,
on a alors
x +y = (
1
+
1
)e
1
+(
2
+
2
)e
2
+ +(
n
+
n
)e
n
.
Ainsi u+v \ect(e
1
, . . . , e
n
). De mme on voit que v appartient
au vect si cest le cas de v.
Exemple 11.11 Prenons E = R
3
, puis
e
1
=
_

_
1
5
2
_

_
et e
2
=
_

_
3
0
1
_

_
.
Comment vrier si un lment quelconque de R
3
, disons
v =
_

_
x
y
z
_

_
,
199
appartient \ect(e
1
, e
2
) ? Par dnition v \ect(e
1
, e
2
) si et
seulement sil existe deux nombres
1
et
2
tels que v =
1
e
1
+

2
e
2
. En crivant ceci, on tombe sur le systme suivant :
_

1
+ 3
2
= x
5
1
= y
2
1
3
2
= z
Nous savons faire ; commenons par L
2
L
2
5L
1
et L
3

L
3
+2L
1
:
_

1
+ 3
2
= x
15
2
= y 5x
3
2
= z +2x
Faisons L
2
L
2
+ 5L
3
, puis changeons les deux dernires
lignes :
_

1
+ 3
2
= x
3
2
= z +2x
0 = 5x +y +5z
Pour que v \ect(e
1
, e
2
), il est donc ncessaire que 5x+y+5z = 0.
Mais rciproquement, si 5x +y +5z = 0, alors on peut rsoudre
le systme ( savoir,
2
=
1
3
(z + 2x) et
1
= x 3
2
= x z,
mais peu importent ces valeurs). Donc nalement lespace vec-
toriel \ect(e
1
, e
2
) est compltement dcrit par lquation 5x+y+
5z = 0.
Il est important de savoir passer dun espace dcrit comme
un vect une description par des quations comme dans
lexemple 11.6. On peut toujours le faire sur le modle du cal-
cul ci-dessus. Plus loin nous verrons comment faire la transi-
tion inverse (vous pouvez dj essayer dimaginer la mthode).
Les descriptions par des quations permettent de vrier
rapidement si un lment donn appartient au sous-espace en
question; les descriptions par les vects permettent dobtenir
facilement des vecteurs appartenant au sous-espace.
Un espace vectoriel donn peut tre dcrit comme un vect
de plusieurs faons, et nous allons nous attacher trouver les
meilleures familles de vecteurs, notamment celles contenant le
plus petit nombre dlments. Commenons par donner une
dnition :
200
Dfinition 11.12 Soit E un espace vectoriel et e
1
, e
2
, . . . , e
n
une
famille dlments de E. On dit que cest une famille gnratrice
de E lorsque E = \ect(e
1
, . . . , e
n
).
Exemple 11.13 Prenons E = R
2
et
e
1
=
_
1
0
_
, e
2
=
_
0
1
_
.
crivons simplement
_
x
y
_
= x
_
1
0
_
+y
_
0
1
_
= xe
1
+ye
2
.
On constate bien que tout vecteur de R
2
peut scrire comme
une combinaison linaire de e
1
et e
2
, donc e
1
, e
2
est une famille
gnratrice de R
2
.
Il y en a dautres, par exemple prenons

1
=
_
2
3
_
,
2
=
_
1
1
_
.
La condition pour quun vecteur
_
x
y
_
appartienne \ect(
1
,
2
)
est lexistence de deux nombres
1
et
2
tels que
_
2
1
+
2
= x
3
1
+
2
= y
Le dterminant du systme est 2 1 3 1 = 1 0, donc la
matrice correspondante est inversible (ou si vous prfrez, la
matrice bien chelonne correspondante est lidentit), donc le
systme a une solution unique. On peut si on le souhaite trou-
ver les valeurs de
1
et
2
, mais peu importe : de toute faon,
nous savons que
1
,
2
est une famille gnratrice de R
2
.
Enn, notons que la famille e
1
, e
2
,
1
,
2
, qui comporte 4 l-
ments, est galement gnratrice par dnition. Et pour termi-
ner, nous avons vu un exemple de famille qui nest pas gnra-
trice dans lexemple 11.11, puisque le vect en question ntait
pas R
3
tout entier mais un sous-espace dcrit par une certaine
quation.
201
En fait dans le cas o E = K
n
, on peut se ramener des
calculs simples sur des matrices :
Proposition 11.14 Soit e
1
, e
2
, . . . , e
m
une famille de vecteurs
de K
n
, et soit A M
n,m
(K) la matrice dont les colonnes sont les
vecteurs e
i
. Enn soit E
A
la matrice bien chelonne associe.
Alors e
1
, e
2
, . . . , e
m
est une famille gnratrice de K
n
si et seule-
ment si E
A
comporte un pivot dans chaque ligne.
Remarquons que la condition revient demander que E
A
ne comporte pas de ligne nulle.
Dmonstration. Par dnition, la famille est gnratrice si et
seulement si pour tout v K
n
, il existe
=
_

2
.
.
.

m
_

_
tel que A = v.
Supposons que cest le cas. Prenons une matrice inversible P
telle que PA = E
A
(corollaire 5.22), et choisissons
v = P
1
u avec u =
_

_
0
0
.
.
.
0
1
_

_
.
Dans ce cas le systme A = v quivaut, en multipliant par P,
PA = Pv, soit E
A
= u. On constate que la dernire ligne
de E
A
ne peut pas tre nulle, sinon E
A
se terminerait aussi par
une ligne nulle, et ce nest pas le cas de u. Donc aucune ligne
de E
A
nest nulle, tant donn quelle est bien chelonne.
Montrons la rciproque, et supposons que E
A
na pas de
ligne nulle. Nous devons montrer que le systme A = v a des
solutions quel que soit v, ou ce qui revient au mme en mul-
tipliant par P, que E
A
= Pv possde toujours des solutions.
202
Notons que dans ce cas, puisque E
A
est bien chelonne avec n
lignes non-nulles, de taille nm, on peut lobtenir partir de la
matrice identit de taille nn en rajoutant des colonnes nulles
droite. Mais alors
E
A
=
_

2
.
.
.

n
_

_
= les n premires lignes de ,
et le systme E
A
= Pv possde certainement des solutions,
puisquil scrit en fait
i
= le coecient sur la ligne i de Pv,
pour 1 i n.
La remarque suivante est trs utile :
Corollaire 11.15 Si e
1
, e
2
, . . . , e
m
est une famille gnratrice
de K
n
, alors m n.
De plus, si m = n, alors la famille est gnratrice si et seulement
si la matrice A est inversible.
Dmonstration. Si m < n la matrice chelonn E
A
, ayant plus
de lignes que de colonnes, est certaine davoir une ligne nulle,
donc la famille ne pourrait pas tre gnratrice daprs la pro-
position. Donc m n.
Si m = n, la matrice E
A
est carre ; elle ne possde pas de
ligne nulle exactement lorsquelle vaut lidentit, puisquelle
est bien chelonne. Daprs la proposition 5.19, ceci quivaut
linversibilit de A.
Familles libres
Dfinition 11.16 Soit E un espace vectoriel et e
1
, e
2
, . . . , e
n
une famille dlments de E. On dit que cest une famille libre
lorsque lquation

1
e
1
+
2
e
2
+ +
n
e
n
= 0,
avec
i
K, ne possde quune seule solution, savoir
1
=

2
= =
n
= 0.
203
Nous allons voir que le concept de famille libre est en un
certain sens le dual du concept de famille gnratrice. Rapi-
dement, nous verrons que les familles qui sont la fois libres
et gnratrices sont particulirement intressantes. Mais com-
menons par des exemples.
Exemple 11.17 Prenons E = R
2
, puis
e
1
=
_
5
1
_
et e
2
=
_
3
7
_
.
Pour vrier si la famille est libre, nous devons examiner lqua-
tion
1
e
1
+
2
e
2
= 0, qui scrit comme le systme
_
5
1
+ 3
2
= 0

1
+ 7
2
= 0
Le dterminant tant 32 0, le systme a une solution unique,
qui est bien sr
1
=
2
= 0. Donc la famille est libre.
Si maintenant on pose e
3
=
_
2
8
_
, la famille e
1
, e
2
, e
3
est-
elle libre ? Le systme devient
_
5
1
+ 3
2
2
3
= 0

1
+ 7
2
+ 8
3
= 0
En faisant L
1
L
1
+5L
2
, puis en permutant les lignes, on ob-
tient
_

1
+ 7
2
+ 8
3
= 0
38
2
+ 38
3
= 0
Le systme est chelonn, on prend
3
comme paramtre, et on
tire
1
=
2
=
3
. En particulier, on a la solution
1
=
2
= 1,

3
= 1, et dailleurs on vrie eectivement que e
1
+e
2
e
3
= 0.
La famille nest donc pas libre. (Ceux dentre vous qui auraient
repr que e
1
+ e
2
e
3
= 0 peuvent simplement faire cette re-
marque, et il est alors tabli que la famille nest pas libre).
Exemple 11.18 Voyons un exemple plus abstrait. On prend E =
T(R, R), lespace vectoriel de toutes les fonctions R R, et on
204
essaie la famille consitue par e
1
= cos (la fonction cosinus)
et e
2
= sin. Cette famille est-elle libre ?
On doit tudier lquation
1
e
1
+
2
e
2
= 0. Cest une galit
de fonctions, et en particulier le 0 dsigne la fonction nulle ;
cest--dire que lquation est vraiment
x R,
1
cos(x) +
2
sin(x) = 0,
les inconnues tant
1
et
2
. Or pour x = 0 on trouve
1
= 0 et
pour x =

2
on trouve
2
= 0, donc la famille est bien libre.
Pour tudier les familles libres dans K
n
, on dispose du r-
sultat suivant, quil est instructif de comparer la proposi-
tion 11.14.
Proposition 11.19 Soit e
1
, e
2
, . . . , e
m
une famille de vecteurs
de K
n
, et soit A M
n,m
(K) la matrice dont les colonnes sont les
vecteurs e
i
. Enn soit E
A
la matrice bien chelonne associe.
Alors e
1
, e
2
, . . . , e
m
est une famille libre de K
n
si et seulement
si E
A
comporte un pivot dans chaque colonne.
Dmonstration. Pour vrier si la famille est libre, on doit tu-
dier le systme A = 0, avec
=
_

2
.
.
.

m
_

_
.
Il possde les mmes solutions que le systme chelonn E
A
=
0. ce stade on doit se rappeler que les inconnues qui vont
servir de paramtres dans lcriture des solutions sont celles
qui correspondent aux colonnes dans lesquelles il ny a pas de
pivot (relire au besoin lexemple 5.13).
Ainsi la famille est libre le systme na quune solu-
tion il ny a pas de paramtres il y a un pivot dans
chaque colonne.
Corollaire 11.20 Si e
1
, e
2
, . . . , e
m
est une famille libre de K
n
,
alors m n.
De plus, si m = n, alors la famille est libre si et seulement si la
matrice A est inversible.
205
Dmonstration. Si m > n la matrice chelonne E
A
, ayant plus
de colonnes que de lignes, est certaine davoir une colonne sans
pivot, donc la famille ne pourrait pas tre libre. Donc m n.
Si n = m, la matrice E
A
est carre ; elle possde un pivot
dans chaque colonne exactement lorsquelle vaut lidentit,
puisquelle est chelonne. Daprs la proposition 5.19, ceci
quivaut linversibilit de A.
En comparant ce dernier rsultat avec le corollaire 11.15,
on constate que
Corollaire 11.21 Considrons une famille comportant prcis-
ment n vecteurs dans K
n
. Alors elle est libre elle est gnra-
trice la matrice A est inversible.
Autre observation simple : une famille la fois libre et g-
nratrice de K
n
doit comporter n vecteurs, ni plus ni moins.
Ces phnomnes sont gnraux dans les espaces vectoriels, et
nous allons tout de suite le montrer.
Bases
Dfinition 11.22 Lorsquune famille est la fois libre et g-
nratrice, on dit que cest une base de lespace vectoriel consi-
dr.
Exemple 11.23 Dans K
n
, nous venons juste de voir quune
famille e
1
, e
2
, . . . , e
m
ne peut pas tre une base si m n ; si n = m
la famille est une base exactement lorsque la matrice nn dans
laquelle on a rang ces vecteurs en colonnes est inversible.
La base canonique de K
n
est celle pour laquelle la matrice en
question est lidentit. En clair
e
1
=
_

_
1
0
.
.
.
0
_

_
, e
2
=
_

_
0
1
.
.
.
0
_

_
, . . . , e
n
=
_

_
0
0
.
.
.
1
_

_
.
Exemple 11.24 Considrions E = K
n
[X], lespace vectoriel des
polynmes de degr n. Posons e
i
= X
i
, pour 0 i n. Tout
206
polynme scrit comme combinaison linaire des puissances
de X, donc la famille est gnratrice ; de plus si

0
e
0
+
1
e
1
+
2
e
2
+ +
n
e
n
= 0 =
0
+
1
X+
2
X
2
+ +
n
X
n
,
alors on a
0
=
1
= =
n
= 0 (par dnition mme de ce
quest le polynme nul). Donc la famille est libre.
Finalement la famille 1, X, X
2
, . . . , X
n
est une base, quon ap-
pelle encore la base canonique de K
n
[X]. Noter quelle com-
prend n +1 lments.
Exemple 11.25 Lorsquun sous-espace de K
n
est donn par
des quations (sur le modle de lexemple 11.6), on peut faci-
lement en trouver une base. Considrons donc
E = v K
n
Av = 0 ,
o A est une matrice. On peut chelonner la matrice sans chan-
ger les solutions de Av = 0, donc nous allons supposer que A
est chelonne et donner la mthode sur un exemple. Prenons
A =
_

_
1 4 0 3
0 0 1 0
0 0 0 0
_

_
, v =
_

_
x
y
z
t
_

_
,
alors en tudiant Av = 0 on constate que lensemble des solu-
tions est
E =
_

_
y
_

_
4
1
0
0
_

_
+t
_

_
3
0
0
1
_

_
avec y, t K
_

_
.
(Pour les calculs intermdiaires, reprendre lexemple 5.13.)
Prenons les notations
e
1
=
_

_
4
1
0
0
_

_
, e
2
=
_

_
3
0
0
1
_

_
,
207
alors nous venons dcrire que E = \ect(e
1
, e
2
), donc e
1
, e
2
est
une famille gnratrice de E. On peut vrier directement que
la famille est libre, puisque lquation
1
e
1
+
2
e
2
= 0 donne
_

_
4
1
+3
2

1
0

2
_

_
=
_

_
0
0
0
0
_

_
,
do
1
=
2
= 0. La famille est bien libre et cest donc une base
de E.
Ce nest pas un hasard : lorsquon crit les solutions de la
manire dcrite dans lexemple 5.13, les vecteurs que lon ob-
tient forment toujours une base. On peut le vrier rapidement
dans chaque cas.
la n du chapitre nous verrons comment trouver une base
dun sous-espace prsent comme un vect. En attendant, vous
pourriez crire des quations pour lespace et procder comme
ci-dessus (mais la mthode que nous verrons est plus ecace).
Coordonnes
Lintrt des bases est de permettre lutilisation de coordon-
nes, de la faon suivante. Soit e
1
, e
2
, . . . , e
n
une base de lespace
vectoriel E, et soit v E un vecteur quelconque. La famille tant
gnratrice, on peut trouver des nombres
i
tels que
v =
1
e
1
+
2
e
2
+ +
n
e
n
.
La famille tant libre, on peut voir que cette criture est en fait
unique : en eet, si on a galement
v =
1
e
1
+
2
e
2
+ +
n
e
n
,
alors en faisant la dirence on obtient
v v = 0 = (
1

1
)e
1
+(
2

2
)e
2
+ +(
n

n
)e
n
.
Puisque la famille est libre, on doit avoir
i

i
= 0 et donc
i
=

i
.
208
Dfinition 11.26 Soit B = e
1
, e
2
, . . . , e
n
une base de lespace
vectoriel E. Si v E, les nombres
1
,
2
, . . . ,
n
tels que
v =
1
e
1
+
2
e
2
+ +
n
e
n
sont appels les coordonnes de x dans la base B. On notera
B
[v] =
_

2
.
.
.

n
_

_
K
n
.
Lorsque la base B sera vidente daprs le contexte on crira
tout simplement [v].
Exemple 11.27 Soit B = e
1
, e
2
la base de R
2
donne par
e
1
=
_
1
1
_
et e
2
=
_
1
1
_
.
Cest bien une base, puisque si nous mettons ces vecteurs en
colonnes dans
A =
_
1 1
1 1
_
,
alors det(A) = 2 0. Prenons maintenant un vecteur quel-
conque de R
2
, disons
v =
_
x
1
x
2
_
.
Pour trouver ses coordones
1
,
2
dans la base B nous devons
rsoudre
1
e
1
+
2
e
2
= v, ce qui revient
A = v avec =
_

1

2
_
.
Puisque A est inversible on a
= A
1
v =
_
1
/
2
1
/
2
1
/
2
1
/
2
__
x
1
x
2
_
=
_
1
2
x
1
+
1
2
x
2
1
2
x
1

1
2
x
2
_
.
209
Finalement
B
[v] =
_
1
2
x
1
+
1
2
x
2
1
2
x
1

1
2
x
2
_
Par contre si nous appelons ( la base canonique (cf exemple 11.23),
alors on a tout simplement
(
[v] = v .
En eet le calcul est le mme que ci-dessus, mais cette fois A =
Id; ou encore, cela dcoule du calcul suivant :
v =
_
x
1
x
2
_
= x
1
_
1
0
_
+x
2
_
0
1
_
.
Exemple 11.28 Considrons maintenant E = K
n
[X] et sa base
canonique, cest--dire B = 1, X, X
2
, . . . , X
n
. Si on prend un poly-
nme P E et quon lcrit
P = a
0
+a
1
X+a
2
X
2
+ +a
n
X
n
,
alors par dnition
B
[P] =
_

_
a
0
a
1
.
.
.
a
n
_

_
K
n+1
.
Les coordonnes vont nous permettre de ramener de nom-
breuses questions abstraites sur un espace vectoriel E des
questions sur K
n
, que lon sait traiter. Considrons par exemple :
Proposition 11.29 Soit E un espace vectoriel, et soit B = e
1
, e
2
,
. . . , e
n
une base. crivons [v] pour
B
[v]. Alors
1. [u +v] = [u] +[v],
2. [v] = [v],
3. si
1
,
2
, . . . ,
m
est une famille de vecteurs de E, alors elle est
libre si et seulement si la famille [
1
], [
2
], . . . , [
m
] de vecteurs
de K
n
est libre.
210
4. idem avec gnratrice au lieu de libre .
La dmonstration est extrmement facile ; elle vous est lais-
se titre dexercice important.
Voici une premire application. Le thorme suivant est le
plus important du chapitre pour linstant.
Thorme 11.30 Soit E un espace vectoriel, muni dune base B =
e
1
, e
2
, . . . , e
n
. Enn, soit T =
1
,
2
, . . . ,
m
une famille de vecteurs
de E.
1. Si T est gnratrice, alors m n.
2. Si T est libre, alors m n.
3. Si T est une base, alors m = n.
Rciproquement, si m = n, alors T est gnratrice T est libre
T est une base.
Dmonstration. Elle est trs simple. En eet nous avons d-
montr tout ceci dans le cas o E = K
n
: voir le corollaire
11.15 pour le (1), le corollaire 11.20 pour le (2) ; le (3) est alors
vident, et la rciproque est galement indique dans ces co-
rollaires.
Pour le cas gnral, on utilise tout simplement la proposi-
tion prcdente, qui nous ramne K
n
.
Nous constatons que toutes les bases dun espace vectoriel ont
le mme nombre dlments. Ce nombre porte un nom :
Dfinition 11.31 La dimension dun espace vectoriel est le
nombre de vecteurs dans une base quelconque. La dimension
de E est note dimE.
Exemple 11.32 La dimension de K
n
est n : prendre la base
canonique.
Exemple 11.33 La dimension de K
n
[X] est n + 1 (attention!),
l encore voir la base canonique 1, X, X
2
, . . . , X
n
.
Exemple 11.34 Lespace vectoriel K[X] ne possde pas de base
nie : en eet si P
1
, P
2
, . . . , P
n
est une famille nie de polynmes,
alors en prenant N = supdeg(P
i
), on voit facilement que tout
211
polynme dans \ect(P
1
, P
2
, . . . , P
n
) est de degr N. En particu-
lier \ect(P
1
, . . . , P
n
) nest pas K[X] tout entier.
Dans ce livre nous ne parlerons pas de familles innies de
vecteurs. Ceci dit, il existe des dnitions que vous pouvez
imaginer de famille libre , famille gnratrice et base
ayant ventuellement un nombre inni de vecteurs. Avec ces
dnitions, on montre que la famille innie 1, X, X
2
, . . . , X
k
, . . .
est une base de K[X].
Quoi quil en soit, nous dirons quun espace vectoriel est de
dimension nie lorsquil possde une base nie. Ce nest pas le
cas de K[X], qui est de dimension innie.
Exemple 11.35 Voici une application clbre. Prenons E =
R
n
[X], qui est de dimension n +1. Choisissons un nombre x
0

R, et considrons
e
i
= (Xx
0
)
i
pour 0 i n.
Montrons que cette famille est libre : lquation
0
e
0
+
1
e
1
+
+
n
e
n
= 0 scrit

0
+
1
(Xx
0
) +
2
(Xx
0
)
2
+ +
n
(Xx
0
)
n
= 0.
Le terme en X
n
dans le membre de gauche est
n
X
n
, donc
n
=
0. Mais alors le terme en X
n1
dans le membre de gauche
est
n1
X
n1
, donc
n1
= 0. De proche en proche, on en d-
duit que
n
=
n1
= =
1
=
0
= 0. Donc la famille est
libre.
Cette famille ayant n + 1 lments, cest en fait une base
daprs le thorme. Autre argument possible pour montrer la
mme chose : crivons [e
i
] pour les coordonnes de e
i
dans la
base canonique, alors il sut de montrer que la famille [e
i
] est
une base de K
n+1
(cf proposition 11.29) ; or la matrice obtenue
en mettant ces vecteurs en colonnes est triangulaire suprieure
avec des 1 sur la diagonale, donc son dterminant est 1 et donc
elle est inversible, ce qui tablit que les vecteurs forment une
base.
Que lon prenne un argument ou lautre, essayez dappr-
cier les eorts qui nous sont conomiss : montrer directement
212
que la famille est gnratrice par un calcul naf serait bien p-
nible.
On en dduit que tout polynme P R
n
[X] peut scrire de
manire unique sous la forme
P =
0
+
1
(Xx
0
) +
2
(Xx
0
)
2
+ +
n
(Xx
0
)
n
= 0. (*)
Sachant que cette criture existe, il est maintenant facile de cal-
culer les nombres
i
. En valuant en X = x
0
, on trouve dj
0
=
P(x
0
). Prenons maintenant la drive :
P

=
1
+2
2
(Xx
0
) + +n
n
(Xx
0
)
n1
.
On en tire
1
= P

(x
0
). En drivant une deuxime fois on
voit 2
2
= P

(x
0
), puis 6
3
= P
(3)
(x
0
), et par rcurrence on
montre (faites-le) que k!
k
= P
(k)
(x
0
).
Lquation () sappelle la formule de Taylor, quon crit donc
P(X) =
deg(P)

k=0
P
(k)
(x
0
)
k!
(Xx
0
)
k
.
Deuxime lecture
Le thorme de la base incomplte
Nous avons vu que les bases sont trs utiles pour tudier les
espaces vectoriels, mais quil nexiste pas toujours de base nie
(cf exemple 11.34). Nous aurions bien besoin de critres faciles
pour garantir lexistence de bases, et cest le thorme suivant
qui va en donner. Commenons par un lemme trs simple.
Lemme 11.36 Soit E un espace vectoriel, soit e
1
, . . . , e
n
une famille
libre de E, et soit v E tel que la famille e
1
, e
2
, . . . , e
n
, v nest pas
libre.
Alors v \ect(e
1
, . . . , e
n
).
213
Dmonstration. Il existe une combinaison linaire nulle

1
e
1
+ +
n
e
n
+v = 0,
dont les coecients ne sont pas tous nuls. On doit donc avoir
0 : en eet dans le cas o = 0 on aurait

1
e
1
+ +
n
e
n
= 0
donc
1
=
2
= =
n
= 0 puisque la famille est libre, ce qui
est une contradiction.
On peut donc crire
v =
1

(
1

1
+ +
n

n
) ,
ce qui montre que v \ect(e
1
, . . . , e
n
).
Thorme 11.37 (de la base incomplte) Soit E un espace vec-
toriel, soit L =
1
,
2
, . . . ,
n
une famille libre de vecteurs de E, et
soit ( = g
1
, g
2
, . . . , g
m
une famille gnratrice de E. Alors on peut
complter L par des vecteurs de ( pour en faire une base.
Plus prcisment, il existe des indices i
1
, i
2
, . . . , i
k
tels que

1
,
2
, . . . ,
n
, g
i
1
, g
i
2
, . . . , g
i
k
est une base de E.
Dmonstration. Considrons lensemble des entiers s tels quil
existe des indices (distincts) i
1
, i
2
, . . . , i
s
pour lesquels

1
,
2
, . . . ,
n
, g
i
1
, g
i
2
, . . . , g
i
s
est libre ; notons S cet ensemble. Prenons k = supS, qui existe
puisque S est ni (si S = par contre, on prend k = 0). Par
dnition on a une famille libre
T =
1
,
2
, . . . ,
n
, g
i
1
, g
i
2
, . . . , g
i
k
,
et nous allons montrer que cest une base.
Prenons en eet un vecteur g
i
de la famille (. Si on lajoute
la famille T, on obtient une famille de n +k +1 vecteurs ; par
214
maximalit de k, cette famille ne peut pas tre libre. Daprs le
lemme 11.36, on a donc g
i
\ect(T).
Cest vrai pour tous les vecteurs de (, donc \ect(() \ect(T).
Mais \ect(() = E puisque ( est gnratrice par dnition, et
donc \ect(T) = E galement, cest--dire que T est bien gn-
ratrice.
Corollaire 11.38 Si E possde une famille gnratrice (nie),
alors E possde une base (nie).
Dmonstration. Cest ce que dit le thorme dans le cas o L est
la famille vide (vous pouvez vrier que la dmonstration
du thorme est parfaitement adapte au cas o il ny a aucun
vecteur dans L).
Voici une autre consquence (en toute rigueur cest surtout
une consquence du lemme 11.36).
Corollaire 11.39 Soit E un espace vectoriel de dimension -
nie, et soit F E un sous-espace. Alors F est de dimension nie
et dimF dimE.
De plus, on a une quivalence F = E dimF = dimE.
Dmonstration. Si L est une famille libre de F, alors cest aussi
une famille libre de E. Donc L comprend moins de n lments,
o n = dimE (thorme 11.30).
Prenons maintenant une famille libre L de F ayant le plus
grand nombre dlments, disons L =
1
, . . . ,
m
, avec donc m
n. Alors par le lemme 11.36, on voit que tout f F appar-
tient \ect(L) (puisque la famille
1
, . . . ,
m
, f ne peut pas tre
libre, par maximalit de m). Cette famille est donc une base,
et dimF = m dimE.
Si on a en fait dimF = dimE, alors prenons une base L =

1
,
2
, . . . ,
n
de F; cest une famille libre dlments de E, com-
prenant n = dimE vecteurs, donc cest une base de E daprs le
thorme 11.30. Ainsi F = \ect(L) = E.
215
Le rang dune matrice
Dfinition 11.40 Soit A M
n,m
(K). On note \ect(A) le sous-
espace de K
n
engendr par les colonnes de A. La dimension
de \ect(A) est appele le rang de la matrice A.
Nous allons voir comment calculer le rang. Du mme coup,
nous verrons comment trouver une base dun espace vectoriel
donn comme un vect dans K
n
. En fait, laide de la thorie d-
veloppe dans ce chapitre, nous allons donner deux mthodes
profondment direntes ; le fait quelles donnent le mme r-
sultat est un thorme clbre.
Proposition 11.41 Le rang de A est le nombre de lignes non-
nulles dans la matrice bien chelonne E
A
.
Pour trouver une base de \ect(A), il sut de prendre les co-
lonnes de A qui correspondent aux pivots.
Attention la dernire phrase. Elle signie que si les pivots
de E
A
sont dans les colonnes i
1
, i
2
, . . . , i
r
, alors les colonnes de
la matrice de dpart A numrotes i
1
, . . . , i
r
forment une base
de \ect(A) (notez que le nombre de pivots est gal au nombre
de lignes non-nulles, bien sr). De nombreux tudiants font
lerreur de proposer les colonnes de E
A
comme base.
Dmonstration. On note g
1
, g
2
, . . . , g
m
les colonnes de A, qui
forment une famille ( gnratrice de \ect(A). Notons i
1
, . . . , i
r
les numros des colonnes de E
A
qui contiennent les pivots, et
soit B = g
i
1
, . . . , g
i
r
. Nous allons montrer que B est une base
de \ect(A), ce qui prouve les deux assertions du mme coup.
Soit B la matrice dont les colonnes sont les vecteurs de B ;
en dautres termes B est formes des colonnes de A num-
rotes i
1
, . . . , i
r
. Alors la matrice bien chelonne E
B
est elle
aussi extraite de E
A
en gardant les colonnes correspondantes.
En particulier, E
B
possde un pivot dans chaque colonne, par
construction. Daprs la proposition 11.19, la famille B est
libre.
Par contre, prenons un indice i qui nest pas dans la liste i
1
,
. . . , i
r
, et rajoutons le vecteur g
i
B ( sa place dans lordre).
La matrice de cette nouvelle famille, disons C, est obtenue
216
partir de B en rinsrant la colonne de A correspondante. La
mme chose peut tre dite de E
C
, obtenus partir de E
B
en
rajoutant une colonne de E
A
. Cette colonne ne contient pas de
pivot par construction, et cest encore la proposition 11.19 qui
nous permet de conclure que la famille obtenue en rajoutant g
i
B nest pas libre. Daprs le lemme 11.36, on a g
i
\ect(B).
Finalement, on a bien \ect(A) = \ect(() \ect(B) \ect(A),
donc \ect(B) = \ect(A), et B est une base.
On en dduit la chose suivante :
Corollaire 11.42 On ne change pas le rang dune matrice en
faisant des oprations sur ses lignes.
Dmonstration. Si A

est obtenue partir de Apar de telles op-

rations, on a E
A
= E
A
clairement.
Exemple 11.43 Prenons
A =
_

_
7 1 4 0
1 2 8 51
5 5 12 102
_

_
.
Aprs quelques oprations sur les lignes, nous obtenons la
forme chelone :
E
A
=
_

_
1 0
16
/
15
17
/
5
0 1
52
/
15
119
/
5
0 0 0 0
_

_
.
Le rang de A est donc 2. Les pivots sont dans les colonnes 1 et 2
de E
A
, donc on va prendre les colonnes 1 et 2 de A :
e
1
=
_

_
7
1
5
_

_
, e
2
=
_

_
1
2
5
_

_
.
La proposition nous dit que e
1
, e
2
est une base de \ect(A).
Passons la deuxime mthode : les colonnes vont rempla-
cer les lignes. Les choses se passent maintenant dans lordre
inverse, car le rsultat suivant est assez vident.
217
Lemme 11.44 On ne change pas le rang dune matrice A en fai-
sant des oprations sur les colonnes. En fait on ne change mme
pas \ect(A).
Dmonstration. Si A

est obtenue partir de A par de telles

oprations, chaque colonne de A

est visiblement dans \ect(A).

Ainsi \ect(A

) \ect(A). Mais bien sr on peut retrouver A en

faisant des oprations sur les colonnes de A

, donc de la mme
manire on a \ect(A) \ect(A

).
Dans lnonc suivant, on va dire quune matrice est che-
lonne en colonnes lorsque cest la transpose dune matrice
chelonne. En dautres termes, reprenez la dnition de ma-
trice chelonne et remplacez ligne par colonne . En fai-
sant des oprations sur les colonnes dune matrice A, on peut
la mettre sous une forme unique bien chelonne en colonnes :
pour sen assurer, il sut dobserver que cela revient mettre
la transpose
t
A sous forme bien chelonne en faisant des
oprations sur les lignes.
Proposition 11.45 Le rang de A est le nombre de colonnes non-
nulles dans la matrice bien chelonne en colonnes associe A.
Pour trouver une base de \ect(A), il sut de prendre les co-
lonnes non-nulles de cette matrice chelonne en colonnes.
Dmonstration. Soit B la matrice bien chelonne en colonnes
obtenue partir de A. Daprs le lemme \ect(B) = \ect(A).
Si g
1
, g
2
, . . . , g
r
sont les colonnes non-nulles de B, il est clair
que \ect(g
1
, . . . , g
r
) = \ect(B), donc il sut de sassurer que cest
une famille libre. Or les pivots tant seuls dans leurs lignes,
cest clair (voir lexemple).
Exemple 11.46 Reprenons le mme exemple, cest--dire :
A =
_

_
7 1 4 0
1 2 8 51
5 5 12 102
_

_
.
En faisant des oprations sur les colonnes, on peut mettre A
218
sous la forme
_

_
1 0 0 0
0 1 0 0
1 2 0 0
_

_
,
et cette matrice est bien chelonne en colonnes . On voit de
nouveau que le rang est 2. Cette fois ci, la proposition nous dit
de prendre

1
=
_

_
1
0
1
_

_
,
2
=
_

_
0
1
2
_

_
.
La famille
1
,
2
est une base de \ect(A).
En comparant les deux mthodes, il vient le rsultat sui-
vant, qui est loin dtre vident si on part de la dnition :
Thorme 11.47 Le rang dune matrice est gal au rang de sa
transpose.
Dmonstration. Le rang de A est le nombre de lignes non-
nulles dans E
A
, qui est gal au nombre de colonnes non-nulles
dans
t
E
A
. Or
t
E
A
est bien chelonne en colonnes, et obtenue
partir de
t
A en faisant des oprations sur les colonnes, donc le
nombre de ses colonnes non-nulles est bien le rang de
t
A.
219
Chapitre 12
Formules de Taylor
Introduction
Soit f une fonction dnie sur un intervalle I contenant 0.
Nous allons examiner les conditions de continuit et de driva-
bilit en 0 sous un angle un peu nouveau.
La fonction f est continue en 0 si et seulement si limf (x) =
f (0) lorsque x 0. Dans ce cas, on peut crire, mme si a
parat articiel pour linstant, que
f (x) = f (0) +(x) ,
avec (x) = f (x) f (0) ; on observe alors que (x) 0 lorsque
x 0. En dautres termes, la fonction f se rapproche de la va-
leur (constante) f (0) lorsque x approche de 0. On ne sait pas
quelle vitesse cette approche se fait.
De la mme manire, le lemme 9.7 nous dit que si f est
drivable en 0, alors
f (x) = f (0) +f

(0) x +x(x) ,
o l encore (x) 0 lorsque x 0. crivons P(x) = f (0) +
f

(0) x ; cest un polynme en x, de degr 1. Comme nous le fai-
sions remarquer aprs le lemme 9.7, la dirence f (x) P(x) =
x(x) est le produit de deux fonctions qui tendent vers 0 avec x,
220
et on peut donc considrer que P est une approximation assez
bonne de f .
Gomtriquement, le graphe de P est la droite passant par
(0, f (0)) et dont le coecient directeur est f

(0) ; cest la droite
tangente au graphe de f . On en sait donc un peu plus sur la
faon dont f approche la valeur f (0) lorsque x 0.
Le but de ce chapitre est de montrer que lon peut continuer
dans cette voie : on peut trouver, en supposant que lon peut
driver f au moins n fois, un polynme P
n
(x) de degr n tel que
la dirence f (x) P
n
(x) tende vers 0 encore plus vite.
Cest utile dans de nombreux calculs : nous allons tre ca-
pables de calculer des limites qui restent inaccessibles par les
autres mthodes classiques. En fait, presque nimporte quel
calcul de limite va se ramener une limite de polynmes !
La formule de Taylor-Lagrange
Il y a un certain nombre de formules, dites de Taylor , qui
ont toutes pour objectif lapproximation dune fonction par un
polynme, comme annonc dans lintroduction. Nous en ver-
rons deux, il en existe encore dautres.
Thorme 12.1 (Taylor-Lagrange) Soit f une fonction dri-
vable n fois sur un intervalle I contenant 0. Alors x I il existe
]0; 1[ tel que :
f (x) = f (0) +f

(0)x +
f

(0)
2
x
2
+ +
f
(n1)
(0)
(n 1)!
x
n1
+
f
(n)
(x)
n!
x
n
.
(Attention : dpend de x et de n.)
Dmonstration. On va faire la dmonstration pour x > 0, pour
simplier.
On peut toujours trouver un rel A (qui dpend de x !) tel
que
f (x) = f (0) +f

(0) x + +
A
n!
x
n
.
(En eet il sut de poser A = (f (x) (f (0) + ))/(x
n
/n!).) On
veut montrer que A = f
(n)
(x) pour un certain 0 < < 1.
221
Sur lintervalle [0; x], on dnit
F : t f (x)
_
f (t) +f

(t)(x t) +
f

(t)
2
(x t)
2
+
+
f
(n1)
(t)
(n 1)!
(x t)
n1
_

A
n!
(x t)
n
.
Cette fonction F est drivable, on a F(0) = 0 par choix de A,
et F(x) = 0. Le thorme des accroissements nis donne lexis-
tence de c ]0, x[ tel que
F

(c) =
F(x) F(0)
x 0
= 0.
En posant =
c
x
, on a bien 0 < < 1 et c = x.
Calculons maintenant F

(t) (les dtails vous sont cons en

exercice) :
F

(t) =
A
(n 1)!
(xt)
n1

f
(n)
(t)
(n 1)!
(xt)
n1
=
_
Af
(n)
(t)
_
(x t)
n1
(n 1)!
.
Donc lquation F

(x) = 0 que nous avons obtenue donne A =

f
(n)
(x), comme on le souhaitait.
Pour n = 1, noter que cette formule redonne exactement
le thorme des accroissements nis (un tout petit peu refor-
mul).
Exemple 12.2 Prenons la fonction f (x) = e
x
. On a f

= f , et
donc aussi f

= f et par rcurrence f
(n)
= f pour tout n. En par-
ticulier f
(n)
(0) = 1. La formule de Taylor-Lagrange donne donc,
pour tout x R et tout entier n , lexistence dun nombre 0 <
< 1 (qui dpend de x et de n) tel que
f (x) = e
x
= 1 +x +
x
2
2
+ +
x
n1
(n 1)!
+
e
x
n!
x
n
.
En guise dapplication, essayons de xer x et de faire tendre n
vers linni. Si on observe que e
x
e
x
e
x
, on en tire

e
x

n1

k=0
x
k
k!

e
x
x
n
n!
.
222
Puisque
x
n
n!
0 lorsque n + (toujours avec x x), on en
dduit
e
x
= lim
n+
n1

k=0
x
k
k!
=
+

k=0
x
k
k!
.
On retrouve la dnition de lexponentielle telle que nous
lavions donne (dnition 10.1). De plus, nous avons simple-
ment utilis le fait que f

= f et f (0) = 1, donc nous retrouvons
la partie unicit du lemme 10.4.
Exemple 12.3 Prenons maintenant une fonction pour laquelle
nous ne connaissons pas encore de dveloppement en srie :
par exemple f (x) = ln(1 +x), dnie sur ] 1; +[. On a
f

(x) =
1
1 +x
donc f

(x) =
1
(1 +x)
2
et f
(3)
(x) =
2
(1 +x)
3
.
On peut montrer que f
(n)
(x) = (1)
n1
(n 1)!(1 + x)
n
; en fait
en drivant cette formule on obtient tout de suite la forme
de f
(n+1)
(x), do le rsultat par rcurrence. En particulier, on
a f
(n)
(0) = (1)
n1
(n 1)!.
La formule de Taylor-Lagrange donne lexistence pour tout x
et tout n dun nombre 0 < < 1 tel que
f (x) = ln(1+x) = x
x
2
2
+
x
3
3

x
4
4
+ +(1)
n1
x
n1
n 1
+
(1)
n1
x
n
n(1 +x)
n
.
L encore, xons x et faisons tendre n vers +, pour voir. On
va se restreindre x ] 1, 1], pour avoir x
n
1. Dans ce cas et
pour x 0 on a

(1)
n1
x
n
n(1 +x)
n

1
n

n
0,
alors que pour x 0 on a (1 +x) (1 +x) donc

(1)
n1
x
n
n(1 +x)
n

1
n(1 +x)
n

n
0.
223
Dans les deux cas lexpression tend vers 0, et on a donc pour
tout x ] 1, 1] :
ln(1 +x) = lim
n+
k1

k=1
(1)
k1
x
k
k
=
+

k=1
(1)
k1
x
k
k
.
Cest cette formule qui est utilise par les calculatrices pour
calculer un logarithme ! Notons pour x = 1 que lon a
ln(2) =
+

k=1
(1)
k1
k
= 1
1
2
+
1
3

1
4
+
Nous avions annonc ce rsultat dans lexemple 4.22.
La formule de Taylor-Young
Dans les exemples ci-dessus, nous avons x x et tudi le
reste , cest--dire le terme en x
n
; cest typique de lutilisa-
tion de Taylor-Lagrange. Voici maintenant la formule de Taylor-
Young, qui va tre utilise lorsque lon veut faire tendre x vers 0
pour calculer une limite.
Thorme 12.4 (Taylor-Young) Soit f une fonction drivable n
fois sur un intervalle I contenant 0. Alors on peut crire
f (x) = f (0) +f

(0)x +
f

(0)
2
x
2
+ +
f
(n)
(0)
n!
x
n
+x
n
(x)
o (x) 0 quand x 0.
Dmonstration. La dmonstration complte sera donne plus
loin. Ici nous donnons une dmonstration avec une toute pe-
tite restriction : on va supposer que, en plus des hypothses
ci-dessus, la fonction f
(n)
est continue en 0. Cest par exemple
le cas si f est drivable n +1 fois, et en pratique dans tous nos
exemples nous serons dans cette situation.
On a alors f
(n)
(x) f
(n)
(0) ; en dautres termes, si on pose
h(x) = f
(n)
(x) f
(n)
(0), on peut crire f
(n)
(x) = f
(n)
(0) +h(x) avec
h(x) 0. La formule de Taylor-Lagrange donne alors :
f (x) = f (0) + +
f
(n1)
(0)
(n 1)!
x
n1
+
f
(n)
(0)
n!
x
n
+x
n
h(
x
x) .
224
On rappelle encore que =
x
dpend de x. Posons alors (x) =
h(
x
x). Comme 0 <
x
< 1, on a (x) 0 lorsque x 0, ce qui
conclut la dmonstration.
Exemple 12.5 Avant de connatre les formules de Taylor, cal-
culer une limite relve souvent de lastuce. Par exemple es-
sayons de calculer la limite de
cos(x)1
x
lorsque x 0. Lastuce
consiste remarque que, si f (x) = cos(x), alors la quantit tu-
die est le taux daccroissement de f :
cos(x) 1
x
=
f (x) f (0)
x 0
f

(0) = 0.
Si maintenant nous essayons de calculer la limite de
cos(x)1
x
2
en 0, la mme astuce ne donne rien. Pour parvenir faire le
calcul, crivons la formule de Taylor-Young pour la fonction f
dnie par f (x) = cos(x) et pour n = 2 (on dit souvent Taylor-
Young lordre 2 ). On a f (0) = 1, f

(0) = 0 et f

(0) = 1. Par
consquent :
f (x) = cos(x) = 1
x
2
2
+x
2
(x)
avec (x) 0. Et donc :
cos(x) 1
x
2
=
1
2
+(x)
1
2
.
Ainsi, la formule de Taylor nous a permis de remplacer la
fonction cos par le polynme 1
x
2
2
dans le calcul de la limite.
Au passage, il est trs facile dcrire la formule de Taylor-
Young pour la fonction cos nimporte quel ordre, puisque les
drives successives sont :
cos

= sin, cos

= cos, cos
(3)
= sin et cos
(4)
= cos .
Les nombres cos
(n)
(0), lorsque n augmente, sont donc
1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, . . . ,
225
la squence 1, 0, 1, 0 se rptant sans cesse. En particulier les
termes impairs dans la formule de Taylor-Young sont nuls,
et la formule lordre 2n +1 est
cos(x) = 1
x
2
2
+
x
4
4!

x
6
6!
+ +(1)
n
x
2n
(2n)!
+x
2n+1
(x) ,
o (x) 0 lorsque x 0.
Exemple 12.6 On souhaite calculer la limite en 0 de
sin(x)x
x
2
.
crivons dabord la formule de Taylor-Young pour la fonction
sinus : les drives successives sont
sin

= cos, sin

= sin, sin
(3)
= cos et sin
(4)
= sin .
Les nombres sin
(n)
(0), lorsque n augmente, sont donc
0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, . . . .
En particulier les termes pairs dans la formule de Taylor-Young
sont nuls, et la formule lordre 2n est
sin(x) = x
x
3
3!
+
x
5
5!

x
7
7!
+ +(1)
n
x
2n1
(2n 1)!
+x
2n
(x) ,
o (x) 0 lorsque x 0. Pour notre limite, prenons lordre 4 :
sin(x) = x
x
3
6
+x
4
(x) ,
o, vous laurez devin, on a (x) 0. Ainsi
sin(x) x
x
2
=
x
6
+x
2
(x) 0.
Exemple 12.7 Un dernier. Essayons de calculer la limite de

1 +2x
3

1 +3x
x
2
,
lorsque x tend vers 0. Introduisons la notation f

(t) = (1 + t)

,
pour > 0, et calculons la formule de Taylor-Young pour f

. On
a
f

(t) = (1 +t)
1
, f

(t) = ( 1)(1 +t)

2
,
226
et par rcurrence on a facilement
f
(n)

(t) = ( 1)( 2) ( n +1) (1 +t)

n
.
Le coecient qui apparat dans Taylor-Young est donc
f
(n)

(0)
n!
=
( 1)( 2) ( n +1)
n!
,
et ce nombre est souvent not
_

n
_
, ce qui est cohrent avec la
notation lorsque est un entier. On a donc
(1 +t)

= 1 +t +
( 1)
2
t
2
+ +
_

n
_
t
n
+t
n
(t) ,
avec (t) 0. Pour =
1
2
et n = 2, on obtient

1 +t = (1 +t)
1
2
= 1 +
1
2
t
t
2
8
+t
2

1
(t) .
Pour t = 2x ceci donne

1 +2x = 1 +x
x
2
2
+4x
2

1
(2x) .
Vous montrerez quen prenant =
1
3
on en arrive
3

1 +3x = 1 +x x
2
+9x
2

2
(x) .
Finalement lexpression dont on cherche la limite est de la
forme
1
2
x
2
+x
2
h(x)
x
2
=
1
2
+h(x) ,
o h(x) est une certaine expression qui tend vers 0 avec x. La
limite vaut
1
2
.
Si vous avez trouv ce dernier calcul un peu compliqu,
alors vous conviendrez quon aurait besoin de notations plus
simples, et de quelques conseils pratiques.
227
Dveloppements limits
Les expressions telles que 4x
2

1
(x) ci-dessus sont rapide-
ment pnibles manier. Donner des noms dirents aux fonc-
tions qui tendent vers 0 qui apparassent (
1
,
2
, . . . ) devient
vite compliqu, et on se demande sil est vraiment utile de bap-
tiser toutes ces fonctions. On ne peut pourtant pas toutes les
nommer de la mme manire.
Pour rsoudre ce problme, on introduit la notation de Lan-
dau, qui en toute rigueur est un peu ambige, mais en pratique
conomise bien des eorts. Elle fonctionne de la manire sui-
vante : tout dabord on crit
o(1)
qui se prononce petit o de 1 , pour dsigner une fonction
anonyme qui tend vers 0. On ne dit pas quand qui tend vers
quoi , cest pourquoi la notation est ambige, mais cest le
contexte qui rend les choses claires.
Ensuite, tant donne une fonction , qui en pratique sera
trs souvent de la forme (x) = x
n
, on utilise le raccourci
o((x)) = (x) o(1) .
Par exemple o(x
n
) dsigne une expression de la forme x
n
(x)
avec (x) 0 (et ces expressions sont beaucoup intervenues
dans le dbut de ce chapitre !). Ainsi on peut noncer la conclu-
sion du thorme de Taylor-Young sous la forme
f (x) = f (0) +f

(0)x +
f

(0)
2
x
2
+ +
f
(n)
(0)
n!
x
n
+o(x
n
) .
On peut penser o((x)) comme quelque chose de ngli-
geable devant (x) .
Avant de voir cette notation loeuvre dans un calcul, une
petite dnition :
Dfinition 12.8 On dit que f a un dveloppement limit
lordre n au voisinage de 0 sil existe a
0
, . . . , a
n
R tels que
f (x) = a
0
+a
1
x +a
2
x
2
+ a
n
x
n
+o(x
n
) .

228
Le thorme de Taylor-Young arme donc que si f est d-
rivable n fois, alors elle possde un dveloppement limit
lordre n, et de plus a
k
=
f
(k)
(0)
k!
. Mais utiliser le thorme nest
pas toujours la meilleure faon de trouver un dveloppement
limit en fait, presque jamais.
Exemple 12.9 En crivant (1x)(1+x+x
2
+ +x
n
) = 1x
n+1
,
on tire
1
1 x
= 1 +x +x
2
+ x
n
+
x
n+1
1 x
= 1 +x +x
2
+ x
n
+o(x
n
) .
Ici on a utilis le fait que
x
1x
0 lorsque x 1, ce quon r-
sume en crivant
x
1x
= o(1) ; et donc
x
n+1
1x
= o(x
n
).
Bien entendu on peut obtenir ce dveloppement grce
Taylor-Young, ou encore en utilisant celui de (1 + t)

comme
dans lexemple 12.7 pour = 1 et t = x. Mais le plus simple
pour le retrouver reste le calcul ci-dessus.
Exemple 12.10 Cherchons un dveloppement limit de la
fonction x (e
x
1)(sin(x) x) en 0 lordre 4. On crit
e
x
1 = x +o(x) et sin(x) x =
x
3
3!
+o(x
3
) ;
en eet nous connaissons ces dveloppements par coeur depuis
les exemples 12.2 et 12.6.
En multipliant il vient
(e
x
1)(sin(x) x) =
x
4
3!
+
_

x
3
3!
o(x) +xo(x
3
) +o(x)o(x
3
)
_
.
Maintenant nous faisons une srie de petites simplications,
quil va falloir shabituer faire de tte (cest trs facile). Tout
dabord

x
3
3!
o(x) =
x
4
3!
o(1) = x
4
o(1) = o(x
4
) .
Pour la deuxime galit, on utilise le fait que
1
3!
o(1) = o(1), ce
qui signie seulement que
1
3!
o(1) tend vers 0 avec x.
229
Deux autres petits calculs donnent xo(x
3
) = o(x
4
) et o(x)o(x
3
) =
o(x
4
). Enn la somme des termes dans le crochet est
o(x
4
) +o(x
4
) +o(x
4
) = x
4
(o(1) +o(1) +o(1)) = x
4
o(1) = o(x
4
) .
Ici on utilise le fait que o(1) + o(1) = o(1) (ce qui surprend la
premire fois !). Finalement
(e
x
1)(sin(x) x) =
x
4
3!
+o(x
4
) .
Proposition 12.11 Si lon peut crire :
f (x) = a
0
+a
1
x + a
n
x
n
+o(x
n
)
= b
0
+b
1
x + b
n
x
n
+o(x
n
)
alors a
i
= b
i
. En dautres termes, lorsquun dveloppement limit
existe, il est unique.
Dmonstration. Par rcurrence sur n. Pour n = 0, on prend la
limite quand x tend vers 0, et on obtient a
0
= b
0
.
Si lunicit a t prouve pour n 1 et que lon a un dve-
loppement limit lordre n, on crit a
n
x
n
+ o(x
n
) = o(x
n1
) et
de mme pour b
n
, et on obtient
f (x) = a
0
+a
1
x + a
n1
x
n1
+o(x
n1
)
= b
0
+b
1
x + b
n1
x
n1
+o(x
n1
) .
Par rcurrence on a a
i
= b
i
pour 0 i n 1.
On peut donc simplier lgalit ci-dessus, et il reste a
n
x
n
+
o(x
n
) = b
n
x
n
+o(x
n
). On divise par x
n
et on prend la limite en 0 :
il vient a
n
= b
n
.
Exemple 12.12 Cette proposition est videmment utile lorsque
nous avons deux faons de trouver un dveloppement limit.
Par exemple, considrons la question suivante : soit f (x) =
1
1+2x
3
; combien vaut f
(6)
(0) ? On peut bien sr rpondre cette
question en drivant 6 fois. . . mais cest trs long. Procdons
autrement.
230
Daprs Taylor-Young, nous savons que cette fonction pos-
sde un dveloppement limit tous les ordres, et le terme
en x
k
est prcisment
f
(k)
(0)
k!
x
k
. Mais nous savons aussi que
1
1 u
= 1 +u +u
2
+o(u
2
) ,
depuis lexemple 12.9, donc en prenant u = 2x
3
:
1
1 +2x
3
= 1 2x
3
+4x
6
+o(x
6
) .
Dtaillons un peu ce qui vient de se passer avec le reste. Le
terme o(u
2
) scrit donc u
2
(u) avec (u) 0 lorsque u 0.
Lorsque lon fait u = 2x
3
, ce terme devient 4x
6
(2x
3
), et cette
expression est bien de la forme x
6
o(1) = o(x
6
). L encore il faut
faire a de tte, avec lhabitude.
Daprs la proposition, on peut comparer ce dveloppement
limit avec celui donn par Taylor-Young, et en particulier pour
les termes en x
6
la comparaison donne
f
(6)
(0)
6!
= 4 donc f
(6)
(0) = 4 6! = 2880.
Mthodes de calcul des dveloppements limits
Calculer les dveloppements limits ncessite de lentra-
nement, et nous allons lister quelques techniques connatre.
videmment la premire mthode est dappliquer le thorme
de Taylor-Young, mais il est trs rare que ce soit le meilleur
choix. Cest bien sr grce ce thorme que nous avons ob-
tenu les dveloppements des fonctions usuelles (exponentielle,
sinus, cosinus. . . ), mais ceux-ci sont savoir par coeur abso-
lument, de sorte qu partir de maintenant il sera exception-
nel dappliquer directement Taylor-Young. ( la n du chapitre
nous rsumons les choses mmoriser).
Exemple 12.13 (Composition) Essayons de trouver un dve-
loppement limit de
1
cos(x)
lordre 4 en 0. On utilise le fait
que :
1
1 +u
= 1 u +u
2
+o(u
2
) .
231
Ensuite on crit cos(x) = 1+u(x) avec u(x) =
x
2
2
+
x
4
4!
+o(x
4
) (on
a retenu le calcul de lexemple 12.5 par coeur).
En combinant les rsultats, on obtient
1
cos(x)
=
1
1 +u(x)
= 1 u(x) +u(x)
2
+o(u(x)
2
)
= 1 +
x
2
2
+
5x
4
24
+o(x
4
) .
On a utilis au passage o(u(x)
2
) = o(x
4
). Dune manire g-
nrale le petit rsultat suivant est retenir : si u(x) possde un
dveloppement limit qui commence par un terme en x
m
, alors
o(u(x)
n
) = o(x
nm
).
Exemple 12.14 (Intgration) Le principe est le suivant. Soit f
une fonction drivable n+1 fois. Daprs Taylor-Young, f admet
un dveloppement limit lordre n +1, donc f (x) = a
0
+a
1
x +
+a
n+1
x
n+1
+o(x
n+1
), avec a
k
=
f
(k)
(0)
k!
.
Mais on sait aussi que f

est drivable n fois, et donc admet
un dveloppement limit de la forme f

(x) = b
0
+b
1
x+ +b
n
x
n
+
o(x
n
), avec cette fois
b
k
=
(f

)
(k)
(0)
k!
=
f
(k+1)
(0)
k!
= (k +1)a
k+1
.
On peut donc trouver les a
k
partir des b
k
(et le contraire aussi
dailleurs, mais en gnral cest plus intressant dans ce sens, et
cest pourquoi on parle de la mthode dintgration). Il reste
juste calculer a
0
= f (0) directement, et on obtient n +1 coef-
cients du dveloppement limit de f partir de n coecients
du dveloppement de f

.
Voyons a pour f (x) = arctan(x). On est bien plus laide
avec la drive f

(x) =
1
1+x
2
, puisque lon a
1
1 +x
2
= 1 x
2
+x
4
x
6
+ +(1)
n
x
2n
+o(x
2n
) .
(On dduit celui-ci du dveloppement de
1
1u
, que lon connat
par coeur). Pour revenir f , il sut dintgrer terme terme ,
232
cest--dire que lon a
f (x) = f (0)
x
3
3
+
x
5
5

x
7
7
+ +(1)
n
x
2n+1
2n +1
+o(x
2n+1
) .
Et bien sr f (0) = arctan(0) = 0.
Exemple 12.15 (Tangente) Il y a de nombreuses faons de
calculer le dveloppement limit de f (x) = tan(x). La mthode
que nous allons prsenter est particulirement rapide. Cest un
classique qui peut donner des ides dans dautres situations.
On commence par noter que f

(x) = 1 +tan(x)
2
= 1 +f (x)
2
.
Ainsi f (0) = 0 et f

(0) = 1+0 = 1. Par Taylor-Young, nous avons
le dveloppement lordre 1, savoir f (x) = x +o(x).
Mais alors
f

(x) = 1 +f (x)
2
= 1 +(x +o(x))
2
= 1 +x
2
+o(x
2
) .
Par la mthode dintgration, on en dduit que
f (x) = x +
x
3
3
+o(x
3
) .
Et on recommence :
f

(x) = 1 +
_
x +
x
3
3
+o(x
3
)
_
2
= 1 +x
2
+
2
3
x
4
+o(x
4
) .
On intgre de nouveau :
f (x) = x +
x
3
3
+
2
15
x
5
+o(x
5
) .
On peut continuer comme a pendant longtemps. Vous pouvez
vrier que lon a
f (x) = x +
x
3
3
+
2
15
x
5
+
17
315
x
7
+
62
2835
x
9
+o(x
9
) .
Il nexiste pas de formule gnrale pour lordre n.
233
Le minimum savoir par coeur
Plus on connat de dveloppements limits par coeur, plus
les suivants sont faciles. Voici cependant une liste minimale de
choses savoir par coeur, sous peine dtre incapable daron-
ter les exercices. Les dmonstrations ont toutes t donnes au
cours de ce chapitre. Nous indiquons des moyens mnmotech-
niques.
e
x
= 1 +x +
x
2
2
+ +
x
n
n!
+o(x
n
).
cos(x) = 1
x
2
2
+
x
4
4!

x
6
6!
+ +(1)
n
x
2n
(2n)!
+o(x
2n+1
).
(On garde les termes pairs de lexponentielle avec un
signe une fois sur deux.)
sin(x) = x
x
3
3!
+
x
5
5!

x
7
7!
+ +(1)
n
x
2n1
(2n 1)!
+o(x
2n
).
(Pareil avec les termes impairs.)
(1 +x)

= 1 +x +
( 1)
2
x
2
+ +
_

n
_
x
n
+o(x
n
)
( Formule du binme .)

1
1 x
= 1 +x +x
2
+ +x
n
+o(x
n
).
(Cest un cas particulier de la formule prcdente, mais il
est tellement important quil faut savoir lcrire rapide-
ment.)
ln(1 +x) = x
x
2
2
+
x
3
3
+ +(1)
n1
x
n
n
+o(x
n
).
(En drivant on doit retrouver la formule pour (1 +x)
1
.)
Pour arctan, arcsin et arccos, on drive et on fait un dve-
loppement de la drive laide de la formule pour (1 +
x)

.
234
Chapitre 13
Applications linaires
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Le lecteur ayant
assimil la
dnition 2.15
peut prendre
pour K
nimporte quel
corps.
Premire lecture
Dnition & Exemples
Dfinition 13.1 Soient E et F des espaces vectoriels sur K.
Une application linaire est une fonction f : E F telle que
f (u + v) = f (u) + f (v) pour u, v E, et telle que f (v) = f (v)
pour tout K.
Exemple 13.2 Lexemple le plus simple sobtient en choisis-
sant une matrice A M
m,n
(K). On dnit alors une application
f : K
n
K
m
v f (v) = Av .
(Comme dhabitude, les vecteurs sont vus comme des matrices-
colonnes.) On vrie trs simplement que f (u+v) = A (u+v) =
Au + Av = f (u) + f (v), et f (v) = A (v) = Av = f (v). Cest
donc bien une application linaire.
Ainsi lapplication f : R
3
R
2
dnie par
f
_

_
x
y
z
_

_
=
_
5x +7y z
x y +19z
_
=
_
5 7 1
1 1 19
_
_

_
x
y
z
_

_
235
est linaire.
Exemple 13.3 Prenons E = F = C, qui est un espace vectoriel
de dimension 1 sur K = C. Fixons un nombre rel . Lappli-
cation f (z) = e
i
z est alors linaire, exactement comme dans
lexemple prcdent.
On peut aussi identier C avec R
2
de la manire habituelle ;
on le voit alors comme un espace vectoriel de dimension 2
sur K = R. La mme application f est toujours linaire, bien
sr, quand on la voit comme une fonction R
2
R
2
. On lap-
pelle la rotation dangle , ce qui doit correspondre lide de
rotation que vous avez tudie au collge ou au lyce.
Exemple 13.4 Voyons un exemple plus abstrait. Prenons
E = : R R drivable ,
lespace vectoriel des fonctions drivables, et
F = T(R, R) ,
lespace vectoriel de toutes les fonctions R R. Alors on peut
dnir une application f : E F par f () =

. Cette applica-
tion f est linaire, car (+)

et ()

pour toute
constante (cf proposition 9.5).
Dfinition 13.5 (et Proposition) Soit f : E F linaire. On
dnit son noyau ker(f ) comme tant
ker(f ) = v E f (v) = 0 .
On dnit limage de f , note |(f ), par
kernel en
Anglais = noyau
|(f ) = w F il existe v E tel que w = f (v) .
On utilise aussi la notation f (E) pour |(f ).
Alors ker(f ) et |(f ) sont des sous-espaces vectoriels (de E
et F respectivement).
La dimension de |(f ) est appele le rang de f .
La vrication que ker(f ) et |(f ) sont bien des sous-
espaces vectoriels vous est laisse.
236
Exemple 13.6 Prenons f (v) = Av comme dans lexemple 13.2.
Alors ker(f ) est lensemble des v tels que Av = 0 : cest len-
semble des solutions dun systme linaire. Rciproquement
dailleurs, tant donn un systme, on peut considrer sa ma-
trice et lapplication linaire correspondante, dont le noyau est
lensemble des solutions.
Avant de regarder |(f ) pour le mme f , notons un rsultat
simple :
Lemme 13.7 Soit f : E F linaire. Si E = \ect(e
1
, . . . , e
n
),
alors |(f ) = \ect(f (e
1
), . . . , f (e
n
)).
Dmonstration. Chaque f (e
i
) est dans |(f ) par dnition,
donc \ect(f (e
1
), . . . , f (e
n
)) |(f ). Rciproquement, si w = f (v),
alors on crit v =
1
e
1
+ +
n
e
n
, ce qui est possible par hypo-
thse, et on applique f :
w = f (v) = f (
1
e
1
+ +
n
e
n
) =
1
f (e
1
) + +
n
f (e
n
) .
Ceci montre bien que w \ect(f (e
1
), . . . , f (e
n
)).
Exemple 13.8 Reprenons encore f : K
n
K
m
dnie par f (v) =
Av comme dans lexemple prcdent, et intressons nous |(f ).
On peut prendre la base canonique e
1
, . . . , e
n
de K
n
, et daprs
le lemme on sait que |(f ) = \ect(f (e
1
), . . . , f (e
n
)). Or on a
f (e
i
) = Ae
i
= A
_

_
0
.
.
.
1
.
.
.
0
_

_
= la i-me colonne de A.
Donc |(f ) est lespace engendr par les colonnes de A, cest-
-dire que |(f ) = \ect(A). En particulier, par dnition mme
le rang de f concide avec le rang de A (rappelez-vous la d-
nition 11.40).
Ces deux derniers exemples montrent que les deux grands
types de sous-espaces de K
n
qui nous sont familiers, savoir
237
ceux dnis par des quations et ceux donns comme des vects,
peuvent tre vus comme des noyaux ou des images dapplica-
tions linaires. Comprendre les applications linaires permet
donc de comprendre bien des choses.
Exemple 13.9 Reprenons lapplication f () =

comme dans
lexemple 13.4. Le noyau de f est constitu des fonctions
telles que

= 0 ; daprs le thorme des accroissements nis,

ceci revient dire que est constante.
Limage de f est lensemble des applications qui sont de
la forme =

. En dautres termes il sagit des fonctions qui

possdent une primitive. Peut-on dcrire facilement cet espace
vectoriel ? Cest une question trs dicile ! Dans le chapitre
suivant nous montrerons au moins que toutes les fonctions
continues possdent une primitive (mais a nest quune des-
cription partielle de |(f ) bien sr).
Sommes directes
Nous souhaitons dcrire deux types dapplications linaires
trs courantes et de nature gomtrique, les projections et les
symtries. Ce sont des gnralisations des projections et sym-
tries orthogonales que vous aviez vues au collge. Pour pr-
parer correctement la version la plus gnrale, il nous faut exa-
miner un peu les relations quil peut y avoir entre deux sous-
espaces dun espace donn.
On part donc dun espace vectoriel E, et on prend deux
sous-espaces U et V. On peut tout dabord considrer linter-
section UV, constitue des vecteurs qui sont la fois dans U
et dans V : vous vrirez sans peine que cest encore un sous-
espace vectoriel. Une autre opration possible est la suivante.
Dfinition 13.10 La somme de U et V, note U+ V est len-
semble des vecteurs de E de la forme u +v avec u U et v V.

L encore, cest un sous-espace vectoriel de E.

Exemple 13.11 Lorsque Uet Vsont donns par des quations,
dcrire UV est facile. Par exemple dans E = R
3
, si U est dcrit
238
par les quations
_
3x y + z = 0
x + 3y + 5z = 0
et si V est dcrit par lquation x z = 0, alors U V est len-
semble des vecteurs dont les coordonnes vrient toutes ces
quations la fois. En clair UV est dcrit par
_

_
3x y + z = 0
x + 3y + 5z = 0
x z = 0
Si maintenant Uet Vsont donns comme des vects, cest U+
V qui est facile dcrire. En eet, les dnitions entranent
immdiatement que
\ect(u
1
, . . . , u
n
) +\ect(v
1
, . . . , v
m
) = \ect(u
1
, . . . , u
n
, v
1
, . . . , v
m
) .
(Vriez-le.)
Si maintenant on souhaite dcrire UV pour U et V donns
comme des vects, ou U+ V pour U et V donns par des qua-
tions, la seule solution est de faire dabord une traduction des
quations aux vects ou vice-versa, comme on sait le faire.
Il existe une relation simple entre les dimensions de UV
et U+V :
Proposition 13.12 Soit E un espace vectoriel et U, V deux sous-
espaces de dimension nie. Alors U+V et UV sont de dimension
nie, et on a
dim(U+V) = dim(U) +dim(V) dim(UV) .
Dmonstration. Puisque UV est un sous-espace de U, il est de
dimension nie par le corollaire 11.39. Prenons donc une base
de UV, disons e
1
, e
2
, . . . , e
d
.
Daprs le thorme de la base incomplte (11.37), on peut
trouver u
1
, u
2
, . . . , u
k
U tels que B
U
= e
1
, . . . , e
d
, u
1
, . . . , u
k
est
une base de U. De mme, on peut trouver v
1
, . . . , v

V tels
que B
V
= e
1
, . . . , e
d
, v
1
, . . . , v

est une base de V. Montrons que

B = e
1
, . . . , e
d
, u
1
, . . . , u
k
, v
1
, . . . , v

239
est une base de U+V. Ceci montrera que U+Vest de dimension
nie, et que sa dimension est d + k + = (d + k) + (d + ) d =
dim(U) +dim(V) dim(UV), comme prvu.
Pour commencer, puisque U = \ect(B
U
) et V = \ect(B
V
), il
est clair que U+ V = \ect(B) (voir lexemple prcdent). Donc
B est gnratrice. Pour montrer quelle est libre, nous devons
tudier lquation

1
e
1
+ +
d
e
d
+
1
u
1
+ +
k
u
k
+
1
v
1
+

= 0,
que nous rcrivons

1
e
1
+ +
d
e
d
+
1
u
1
+ +
k
u
k
= (
1
v
1
+ +

) .
Le membre de gauche appartient U et le membre de droite
appartient V; pour quils soient gaux, il faut donc quils
appartiennent tous les deux U V. Lespace U V ayant
pour base e
1
, . . . , e
d
, les deux membres de la dernire quation
doivent donc tre de la forme
1
e
1
+ +
d
e
d
pour certains
scalaires
i
. crivons en particulier
(
1
v
1
+ +

) =
1
e
1
+ +
d
e
d
,
ou encore

1
e
1
+ +
d
e
d
+
1
v
1
+ +

= 0.
La famille B
\
tant libre, tous les coecients ci-dessus sont
nuls :
1
= =
d
=
1
=

= 0. Si nous revenons lqua-

tion de dpart, il ne reste plus que

1
e
1
+ +
d
e
d
+
1
u
1
+ +
k
u
k
= 0.
Et nalement, la famille B
/
tant libre, ces derniers coecients
sont galement nuls :
1
= =
d
=
1
= =
k
= 0. La fa-
mille B est bien libre.
Corollaire 13.13 Soit E un espace vectoriel de dimension -
nie, et soient U, V deux sous-espaces. Alors, lorsque deux des trois
conditions ci-dessous sont remplies, la troisime lest galement :
1. UV = 0,
240
2. E = U+V,
3. dim(U) +dim(V) = dim(E).
Dmonstration. Il faut simplement se rappeler les choses sui-
vantes : si F est un sous-espace de E, alors F = E dim(F) =
dim(E) (corollaire 11.39) ; en outre F = 0 dim(F) = 0.
Donc on peut rcrire les trois conditions de la faon suivante :
1. dim(UV) = 0,
2. dim(E) = dim(U) +dim(V) dim(UV),
3. dim(U) +dim(V) = dim(E).
(On a utilis la proposition pour le (2)). Il est maintenant clair
que si deux galits sont vraies, alors la troisime aussi.
Dfinition 13.14 On dit que E est la somme directe de U et V,
et on crit E = UV, lorsque lon a UV = 0 et E = U+V.
Le corollaire indique donc que, dans le cas de la dimen-
sion nie qui est celui que nous recontrons presque toujours,
on peut vrier si E = UV de plusieurs faons. Typiquement,
vrier si E = U+ V peut tre plus dicile que de vrier les
deux autres conditions du corollaire.
Exemple 13.15 Prenons E = R
3
, puis U dni par lqua-
tion 2x y +7z = 0, et enn V = \ect(v) avec
v =
_

_
1
1
2
_

_
.
Alors dim(U) = 2 (on peut prendre y et z comme paramtres),
et dim(V) = 1, donc dim(U)+dim(V) = dim(E). Daprs le corol-
laire, pour vrier que E = UVil sut de montrer que UV =
0. Ceci nous vite de montrer directement E = U+ V, ce qui
est un peu plus pnible.
Un vecteur de V est de la forme
v =
_

2
_

_
,
241
avec R. Ce vecteur est dans U lorsque
2 +7 2 = 15 = 0.
Ceci narrive que pour = 0, donc le seul vecteur la fois
dans U et dans V est le vecteur nul. On a bien U V = 0,
et nalement E = UV.
Exemple 13.16 Une situation trs simple est celle dun espace
vectoriel E muni dune base e
1
, . . . , e
n
, dans lequel on choisit de
couper en deux ces vecteurs, en posant U = \ect(e
1
, . . . , e
k
)
et V = \ect(e
k+1
, . . . , e
n
). Dans ce cas il est clair que E = U V,
les deux conditions les plus facile vrier tant E = U + V
et dim(U) +dim(V) = dim(E).
Il y a mme une sorte de rciproque. Si E = UV, prenons
une base u
1
, . . . , u
k
de U et une base v
1
, . . . , v

de V, et consi-
drons B = u
1
, . . . , u
k
, v
1
, . . . , v

. Alors B est une base de E, le

plus facile tant de reprer que cest une famille gnratrice
ayant k + = dim(E) lments.
La meilleure faon de comprendre de manire intuitive et
gomtrique les sommes directes reste dtudier les projections,
ce que nous allons faire maintenant.
Projections et symtries
De mme que les bases nous permettent de prendre des co-
ordonnes, les sommes directes vont nous permettre de dcom-
poser les vecteurs. En eet, supposons que E = U V, et pre-
nons x E. Puisque E = U+ V, on peut trouver u U et v V
tels que x = u+v. Mais de plus, u et v sont uniques. Pour vrier
ceci, crivons x = u

+v

avec u

U et v

V, puis
u +v = u

+v

=u u

= v

v .
On a u u

U et v

v V, donc pour que ces vecteurs soient

gaux, il faut quils soient dans UV = 0. Ainsi u u

= 0 =
v

v et donc u = u

, v = v

.
Les vecteurs u et v sont bien dnis par x ; on pourrait les
noter u
x
et v
x
. Nous allons pouvoir tudier la fonction qui x
associe u
x
:
242
Dfinition 13.17 Supposons que E = U V. La projection
sur U, paralllement V, est lapplication
p: E E,
dnie par p(x) = u
x
, o x = u
x
+v
x
(comme ci-dessus).
Exemple 13.18 Prenons E = R
2
, et choisissons une base e
1
, e
2
.
Enn, posons U = \ect(e
1
) et V = \ect(e
2
), de sorte que E = UV
comme dans lexemple 13.16. Soit p la projection sur U, paral-
llement V.
La situation se prsente comme sur le dessin suivant, sur
lequel on a indiqu x et p(x) sur un exemple. La construction
se fait en prenant la parallle V passant par x ; lintersection
de cette droite avec U est p(x).
Proposition 13.19 Soit p comme ci-dessus. Alors
1. p est linaire,
2. p(p(x)) = p(x),
3. le noyau de p est V, limage de p est U.
Rciproquement, si p est une application de E vers lui-mme
vriant (1) et (2), alors on a
E = |(p) ker(p) ,
et p est la projection sur |(p) paralllement ker(p).
Sur la gure prcdente, essayez de voir gomtriquement
pourquoi U = ker(p) et V = |(p).
Dmonstration. Si x = u +v et y = u

+v

, alors x +y = (u +u

) +
(v + v

) avec u + u

U et v + v

V, donc par dnition p(x +

y) = u + u

, avec u = p(x) et u

= p(y). On montre de mme

que p(x) = p(x). La projection p est bien linaire.
En crivant x = u +v comme ci-dessus, on a p(x) = u U. Si
lon crit u = u +0, alors cest la dcomposition de u sur U et V
et par dnition p(u) = u. Ainsi p(p(x)) = p(x). Les points (1) et
(2) sont montrs.
Passons au (3). Si x = u +v et si p(x) = u = 0, alors x = v V;
donc ker(p) V. Rciproquement si x V, on crit x = 0 + x =
243
u +v pour constater que u = 0 = p(x) (et v = x), donc x ker(p)
et nalement ker(p) = V. Limage de p est clairement contenue
dans U, et rciproquement si on prend u U, en lcrivant u =
u + 0 on voit (comme ci-dessus) que p(u) = u donc u |(p).
Limage de p est bien U.
Voyons la rciproque, et supposons que p est linaire de E
vers E, avec p(p(x)) = p(x). Si on prend x E quelconque, on
crit simplement
x = p(x) +(x p(x)) . (*)
Bien sr p(x) |(p), et comme p(x p(x)) = p(x) p(p(x)) =
p(x)p(x) = 0, on a xp(x) ker(p). Ceci montre que E = |(p)+
ker(p).
Pour tablir que la somme est directe, prenons x ker(p)
|(p). Alors p(x) = 0 puisque x ker(p). Dautre part x = p(y)
pour un certain y, donc p(x) = p(p(y)) = p(y) = x. En comparant
les deux on voit que x = 0, et ker(p) |(p) = 0. La somme est
bien directe.
Enn lquation (*) montre bien que la projection de x
sur |(p) paralllement ker(p) est p(x).
Aprs les projections, les symtries. Cette fois-ci, au lieu de
remplacer v
x
par 0, on le remplace par v
x
. Plus prcisment :
Dfinition 13.20 Supposons que E = U V. La symtrie par
rapport U, dans la direction V, est lapplication
s : E E,
dnie par s(x) = u
x
v
x
, o x = u
x
+v
x
(comme ci-dessus).
Proposition 13.21 Soit s comme ci-dessus. Alors
1. s est linaire,
2. s(s(x)) = x,
3. on peut caractriser U et V par
U = x E s(x) = x ,
et
V = x E s(x) = x .
244
Rciproquement, si s est une application de E vers lui-mme v-
riant (1) et (2), et si on dnit U et V par les galits ci-dessus,
alors E = UV et s est la symtrie par rapport U, dans la direc-
tion V.
Dmonstration. On vous laisse montrer les trois points, titre
dexercice. Montrons la rciproque : on prend s linaire telle
que s(s(x)) = x et on dnit U et V par les galits proposes.
crivons
x =
1
2
(x +s(x)) +
1
2
(x s(x)) .
En posant u
x
=
1
2
(x +s(x)) et v
x
=
1
2
(x s(x)), on a donc x = u
x
+
v
x
. De plus
s(u
x
) =
1
2
(s(x) +s(s(x))) =
1
2
(s(x) +x) = u
x
,
donc u
x
U par dnition. Un calcul similaire donne s(v
x
) =
v
x
, soit v
x
V. Ceci montre que E = U+V.
Si x U V, alors s(x) = x = x, donc 2x = 0 et x = 0. Par
suite UV = 0, et E = UV.
Enn s(x) = s(u
x
+ v
x
) = u
x
v
x
, donc s est bien la symtrie
annonce.
La matrice dune application linaire
Nous avons vu quune matrice A M
m,n
(K) dnissait une
application linaire f de K
n
vers K
m
par f (v) = Av. Nous allons
voir maintenant que, rciproquement, si f : E F est linaire,
on peut lui associer une matrice une fois que des bases ont t
choisies pour E et F.
Supposons donc que B = e
1
, . . . , e
n
est une base de E, et
que ( =
1
, . . . ,
m
est une base de F. Le lemme suivant contient
une observation simple : pour dnir une application linaire
dans cette situation, il sut de spcier chaque f (e
i
).
Lemme 13.22 Soient v
1
, . . . , v
n
des vecteurs quelconques de F.
Alors il existe une application linaire f : E F et une seule telle
que f (e
i
) = v
i
.
245
Dmonstration. Voyons lunicit dabord. Prenons u E, que
lon peut crire u =
1
e
1
+ +
n
e
n
. On doit avoir
f (u) =
1
f (e
1
) + +
n
f (e
n
)
=
1
v
1
+ +
n
v
n
. (*)
Il ny a donc quun seul choix possible pour f (u), et f est
unique si elle existe.
Pour vrier lexistence, on dnit f par la formule (), et on
doit simplement vrier quelle est linaire. Cest trs facile, et
on vous le cone titre dexercice.
Exploitons maintenant le fait que nous avons aussi choisi
une base ( pour F. En eet, pour spcier f (e
i
), il sut dsor-
mais de donner ses coordonnes dans ( ; cest--dire que lon
peut crire
f (e
i
) = a
1i

1
+a
2i

2
+ +a
mi

m
,
et lapplication f est dtermine par les nombres a
ij
. Cest la
matrice (a
ij
) que lon appelle la matrice de f , par rapport aux
bases B et (.
En dautres termes :
Dfinition 13.23 Soit f : E F une application linaire,
soit B = e
1
, . . . , e
n
une base de E, et soit ( une base de F. Alors la
matrice de f dans les bases B et (, que lon va noter
(
[f ]
B
,
est construite de la manire suivante : dans la colonne i, on
place les coordonnes de f (e
i
) dans la base (.
Lorsque les bases sont videntes daprs le contexte, on va
crire [f ] plutt que
(
[f ]
B
.
Exemple 13.24 Prenons E = F = R
2
, et
e
1
=
_
3
1
_
, e
2
=
_
1
2
_
.
246
Alors B = e
1
, e
2
est une base de R
2
. On pose U = \ect(e
1
) et V =
\ect(e
2
), de sorte que R
2
= UV. Soit maintenant p la projection
sur U, paralllement V.
Il y a au moins deux questions naturelles que lon peut po-
ser. Tout dabord, quelle est
B
[p]
B
?
(On dira la matrice de p dans la base B pour indiquer que
lon prend ( = B). Pour cela, on revient la dnition. Dans la
colonne 1, on crit les coordonnes de p(e
1
) dans la base B. On
a p(e
1
) = e
1
= 1 e
1
+0 e
2
, donc la premire colonne est
_
1
0
_
.
Dans la colonne 2, on indique les coordonnes de p(e
2
). Or p(e
2
) =
0 = 0 e
1
+0 e
2
, donc la deuxime colonne est
_
0
0
_
.
Finalement
B
[p]
B
=
_
1 0
0 0
_
.
Maintenant, avec R
2
il est naturel de penser la base cano-
nique ( =
1
,
2
avec

1
=
_
1
0
_
,
2
=
_
0
1
_
.
Quelle est donc
(
[p]
(
?
Il faut calculer p(
1
) et p(
2
), dans la base canonique, et ceci
nous donnera les deux colonnes de la matrice que lon cherche.
Prenons donc un vecteur quelconque
x =
_
x
1
x
2
_
.
247
On va calculer ses coordonnes dans la base B, puisque cest
avec cette base que lon sait bien faire des calculs avec p. Pour
cela introduisons
A =
_
3 1
1 2
_
,
la matrice dont les colonnes sont les vecteurs de B. On a alors
B
[x] = A
1
x =
_
2
7
1
7

1
7
3
7
__
x
1
x
2
_
=
_
2
7
x
1
+
1
7
x
2

1
7
x
1
+
3
7
x
2
_
.
(Revoir lexemple 11.27 si ce nest pas clair.) En particulier on
obtient donc
B
[
1
] =
_
2
7

1
7
_
,
B
[
2
] =
_
1
7
3
7
_
.
On a donc
1
=
2
7
e
1

1
7
e
2
, ce qui permet de calculer que
p(
1
) =
2
7
e
1
=
_
6
7
2
7
_
=
6
7

1
+
2
7

2
.
De la mme manire, on a
2
=
1
7
e
1
+
3
7
e
2
donc
p(
2
) =
1
7
e
1
=
_
3
7
1
7
_
=
3
7

1
+
1
7

2
.
Finalement
(
[p]
(
=
_
6
7
3
7
2
7
1
7
_
.
Pour vrier si vous avez assimil les dnitions, assurez-vous
que vous comprenez maintenant pourquoi
(
[p]
B
=
_
3 0
1 0
_
et
B
[p]
(
=
_
2
7
1
7
0 0
_
.
Si vous trouvez cet exemple dicile suivre, alors vous ap-
prcierez la formule du changement de base que nous al-
lons prsenter trs bientt. Cest une formule simple et sys-
tmatique pour organiser les calculs ci-dessus, mais il faudra
248
toujours tre capable dcrire au moins une matrice (pour cer-
taines bases), la formule donnera les matrices dans les autres
bases. Dans lexemple, le plus simple est de commencer par
B
[p]
B
=
_
1 0
0 0
_
.
Nous commenons dailleurs avec cet exemple voir lint-
rt de toutes ces matrices : puisquelles contiennent toutes
la mme information, savoir une description de lapplica-
tion p, libre nous de choisir la plus simple. Et vous voyez
bien que
B
[p]
B
est beaucoup plus simple que les autres ! Cette
ide sera pousse dans le chapitre Diagonalisation .
Commenons par constater, avec la proposition suivante,
que toutes les applications linaires (entre espaces vectoriels
de dimension nie) se ramnent multiplier une matrice par
un vecteur-colonne ; et la composition des applications se ra-
mne multiplier les matrices.
Proposition 13.25 Soient E, F et G des espaces vectoriels, et
soient B, ( et T des bases de ces espaces respectifs.
1. Si f : E F est linaire, et si x E, alors [f (x)] = [f ][x]. Plus
prcisment
(
[f (x)] =
(
[f ]
B
B
[x] .
2. Si g : F G est linaire, alors [g f ] = [g][f ]. Plus prcis-
ment
T
[g f ]
B
=
T
[g]
(
(
[f ]
B
.
Nous ne donnerons pas les dtails de la dmonstration : elle
consiste seulement vrier les dnitions.
Exemple 13.26 Reprenons lexemple prcdent. Nous avons
calcul
M =
(
[p]
(
=
_
6
7
3
7
2
7
1
7
_
.
Ceci nous permet de calculer limage dun vecteur quelconque
par lapplication p (dans la base canonique). En eet si
x =
_
x
1
x
2
_
=
(
[x] ,
249
alors
p(x) =
(
[p(x)] =
(
[p]
(
(
[x] = Mx =
_
6
7
x
1
+
3
7
x
2
2
7
x
1
+
1
7
x
2
_
.
En dautres termes, lapplication p nest autre que p(x) = Mx.
Au dpart il ntait pas clair partir de la dnition go-
mtrique de la projection que lon puisse lcrire simplement
avec une matrice.
Formule du changement de base
Nous allons voir comment passer de la matrice dune ap-
plication linaire, crite dans certaines bases, la matrice de la
mme application crite dans dautres bases. Notre point de d-
part est donc celui dun espace vectoriel E muni de deux bases,
disons B = e
1
, . . . , e
n
et ( =
1
, . . . ,
n
.
Dfinition 13.27 La matrice de passage de B (, que lon va
noter
(
P
B
,
est la matrice obtenue de la manire suivante : dans la co-
lonne i, on place les coordonnes de e
i
dans la base (.
Exemple 13.28 Reprenons lexemple 13.24, et conservons les
notations. On a alors
(
P
B
=
_
3 1
1 2
_
.
En eet cette matrice contient bien dans la colonne 1 le vec-
teur e
1
de B, crit dans la base canonique (, et de mme la
colonne 2 contient e
2
.
Pour calculer
B
P
(
, on doit placer dans la colonne 1 le vecteur-
colonne
B
[
1
], et dans la colonne 2 on place
B
[
2
]. Nous avons
fait ces calculs dans lexemple, et nalement on a
B
P
(
=
_
2
7
1
7

1
7
3
7
_
.
250
Proposition 13.29 Les matrices de passage ont les proprits sui-
vantes :
1.
B
P
B
= Id (matrice identit).
2.
T
P
B
=
T
P
(
(
P
B
.
3.
B
P
(
=
_
(
P
B
_
1
.
Dmonstration. Le premier point est vident daprs les d-
nitions. Pour le deuxime, le plus simple est de noter la chose
suivante : si : E E est lapplication (x) = x, alors les dni-
tions entranent que
(
P
B
=
(
[]
B
.
On exploite ensuite le fait que ((x)) = x donc = et par
suite, en utilisant la proposition 13.25 :
T
P
B
=
T
[]
B
=
T
[ ]
B
=
T
[]
(
(
[]
B
=
T
P
(
(
P
B
.
Le troisme point est maintenant facile, puisque lon a
B
P
(
(
P
B
=
(
P
(
= Id,
donc les matrices
(
P
B
et
B
P
(
sont bien inverses lune de lautre,
comme annonc.
Voici maintenant la formule proprement dite :
Proposition 13.30 Soit f : E F linaire, soient B et B

deux
bases de E, et soient (

et (

deux bases de F. Alors

(
[f ]
B

=
(
P
(
(
[f ]
B
B
P
B

.
Cette formule est plus facile mmoriser quil ny parat. Il
sut de se rappeler quil faut mettre des matrices de pas-
sage gauche et droite ; ensuite, pour crire les bonnes bases,
il sut de sassurer dabord que les bases apparaissant cte--
cte sont les mmes (ci-dessus, on a crit B deux fois, cte--
cte, et de mme pour () ; enn, les bases lextrieur des
formules (donc B

et (

) sont les mmes des deux cts de lga-

lit.
251
Dmonstration. On utilise la mme astuce. Soit
E
: E E lap-
plication
E
(x) = x, et soit
F
dnit de la mme manire. On
a
F
(f (
E
(x))) = f (x), donc
F
f
E
= f , ce qui donne en termes
de matrices (en utilisant la proposition 13.25) :
(
[f ]
B

=
(
[
F
f
E
]
B

=
(
[
F
]
(
(
[f ]
B
B
[
E
]
B

(
P
(
(
[f ]
B
B
P
B

,
puisque
(
[
F
]
(
=
(
P
(
et
B
[
E
]
B
=
B
P
B
.
Exemple 13.31 Reprenons lexemple 13.24 : les choses vont
tre maintenant beaucoup plus simples. Il sagit donc de la
projection p: R
2
R
2
sur U = \ect(e
1
) paralllement V =
\ect(e
2
). Dans la base B = e
1
, e
2
on a
B
[p]
B
=
_
1 0
0 0
_
,
puisque p(e
1
) = e
1
et p(e
2
) = 0 (pour linstant les vecteurs e
1
et e
2
particuliers que lon choisit ne changent rien laaire).
Si maintenant on considre la base canonique ( et que lon veut
la matrice de p dans cette base, on utilise la formule du chan-
gement de base :
(
[p]
(
=
(
P
B
B
[p]
B
B
P
(
.
Dans lexemple 13.28, nous avons vu que
(
P
B
=
_
3 1
1 2
_
.
Pour lautre, on utilise le fait que
B
P
(
=
_
(
P
B
_
1
. Nous avons
dj fait ce calcul, et on trouve
B
P
(
=
_
2
7
1
7

1
7
3
7
_
.
Ce qui donne bien
(
[p]
(
=
_
3 1
1 2
__
1 0
0 0
__
2
7
1
7

1
7
3
7
_
=
_
6
7
3
7
2
7
1
7
_
.
252
On peut traiter sans peine le cas de la projection s par rapport
U, dans la direction V. En eet on a s(e
1
) = e
1
et s(e
2
) = e
2
,
donc
B
[s]
B
=
_
1 0
0 1
_
.
Dans la base canonique, on introduit exactement les mmes
matrices de passage, donc
(
[s]
(
=
_
3 1
1 2
__
1 0
0 1
__
2
7
1
7

1
7
3
7
_
=
_
5
7
6
7
4
7

5
7
_
.
Ce qui signie que pour trouver limage dun vecteur quel-
conque par cette symtrie, on peut calculer simplement
s
_
x
1
x
2
_
=
_
5
7
6
7
4
7

5
7
__
x
1
x
2
_
=
_
5
7
x
1
+
6
7
x
2
4
7
x
1

5
7
x
2
_
.
Deuxime lecture
Applications injectives, surjectives, bijectives
Le lecteur est invit revoir les dnitions des termes in-
jectif , surjectif , et bijectif , introduits dans le tout pre-
mier chapitre de ce livre.
Nous allons examiner ces concepts dans le cadre des ap-
plications linaires. Il se trouve que la situation est bien plus
simple que dans le cas gnral. Commenons par :
Lemme 13.32 Soit f : E F linaire. Si f possde une rci-
proque f
1
: F E, alors f
1
est galement linaire.
Dmonstration. Prenons u et v dans F, et soit x = f
1
(u + v).
On a f (x) = u + v = f (f
1
(u)) + f (f
1
(v)) = f (f
1
(u) + f
1
(v))
puisque f est linaire. En applicant f
1
, on obtient x = f
1
(u)+
f
1
(v) = f
1
(u+v). On vous laisse montrer de la mme manire
que f
1
(v) = f
1
(v).
On utilise un mot savant pour les applications bijectives et
linaires :
253
Dfinition 13.33 Une application linaire et bijective est ap-
pele un isomorphisme. Lorsquil existe un isomorphisme E
F, on dit que E et F sont isomorphes.
Ce nouveau nom ne doit pas cacher un vieux calcul :
Proposition 13.34 Soit f : E F linaire, soit B une base (nie)
de E, et soit ( une base (nie) de F. Alors
f est un isomorphisme la matrice
(
[f ]
B
est inversible.
De plus la matrice de la rciproque f
1
est linverse de la matrice
de f .
Ce qui veut dire que lon peut se ramener un calcul de
dterminant.
Dmonstration. Si f
1
existe, on note que f
1
(f (x)) = x donc la
matrice de f
1
f dans la base B est lidentit. Ainsi
Id =
B
_
f
1
f
_
B
=
B
_
f
1
_
(
(
[f ]
B
.
De la mme manire, on montre dans lautre sens que
(
[f ]
B
B
_
f
1
_
(
= Id,
ce qui montre que
B
_
f
1
_
(
=
_
(
[f ]
B
_
1
.
Rciproquement, si la matrice de f est inversible, on dnit
M =
(
[f ]
B
et N = M
1
,
et on crit g pour lunique application F E dont la matrice
est
B
[g]
(
= N.
Les relations MN = NM = Id entranent g(f (x)) = x et f (g(x)) =
x, donc g = f
1
.
254
Une matrice inversible se doit dtre carre, donc citons tout
de suite :
Corollaire 13.35 Deux espaces de dimension nie E et F sont
isomorphes ils ont la mme dimension.
Dmonstration. Pour toute application linaire f : E F, sa
matrice est de dimension mn, avec n = dim(E) et m = dim(F).
Sil en existe une qui est bijective, alors sa matrice doit tre
carre, donc n = m. Rciproquement si n = m, prenons nim-
porte quelle matrice A inversible de taille n n (par exemple
lidentit), prenons une base B de E et une base ( de F, et enn
prenons f lunique application linaire f : E F telle que
(
[f ]
B
= A.
Cest un isomorphisme daprs la proposition.
Exemple 13.36 Prenons r : R
2
R
2
la rotation dangle au-
tour de lorigine. Rappelons quen identiant R
2
avec le plan
complexe C, on a r(z) = e
i
z. Choisissons la base B = 1, i. On
a r(1) = e
i
= cos() + i sin(), et r(i) = ie
i
= sin() + i cos().
Par dnition on a donc
B
[r]
B
=
_
cos() sin()
sin() cos()
_
.
Le dterminant de cette matrice est cos()
2
+ sin()
2
= 1 0,
donc elle est inversible et son inverse est
_
cos() sin()
sin() cos()
_
.
Donc r est bijective et sa rciproque est donne par la matrice
ci-dessus dans la base B. Puisque cos() = cos() et sin() =
sin(), on peut rcrire
[r
1
] =
_
cos() sin()
sin() cos()
_
.
On constate que la rciproque de r est la rotation dangle ,
ce qui est normalement vident du point de vue gomtrique.
255
Les conditions de surjectivit et dinjectivit se vrient
galement facilement. On a dabord :
Proposition 13.37 Une application linaire f : E F est surjec-
tive le rang de f vaut dim(F).
Dmonstration. Tout est dans les dnitions. On a f surjective
|(f ) = F dim(|(f )) = dim(F), et bien sr dim(|(f ))
est par dnition le rang de f .
Exemple 13.38 Une application linaire f : R
2
R
3
ne peut
pas tre surjective. En eet, si A dsigne la matrice de f dans
les bases canoniques, alors f (v) = Av et le rang de f est le rang
de la matrice A. Or le rang dune matrice 3 2 ne saurait tre
gal 3.
Pour linjectivit, le rsultat suivant est trs utile :
Proposition 13.39 Une application linaire f est injective
on a ker(f ) = 0.
Dmonstration. Si f est injective, alors pour x ker(f ) on a f (x) =
0 = f (0) donc x = 0, et ker(f ) = 0. Rciproquement, sup-
posons que ker(f ) = 0. Si f (x
1
) = f (x
2
), alors f (x
1
x
2
) =
f (x
1
) f (x
2
) = 0, donc x
1
x
2
ker(f ), do x
1
= x
2
, et f est
bien injective.
Exemple 13.40 Voici la traduction en termes de matrices. Pre-
nons f : K
n
K
m
dnie par f (v) = Av pour une matrice A.
Alors les lments v de ker(f ) sont les solutions du systme
linaire Av = 0.
Dire que ker(f ) = 0, cest armer que ce systme na que la
solution nulle. On saperoit alors que linjectivit de f revient
exiger que les colonnes de A forment une famille libre.
En particulier, cest impossible pour n > m(thorme 11.30),
et il ny a par exemple aucune application linaire injective R
3

R
2
.
On voit que des considrations simples sur les matrices
nous permettent de faire des liens entre linjectivit ou la sur-
jectivit dune application linaire et les dimensions des es-
paces qui sont en jeu. En fait il y a une faon trs simple et trs
256
gnrale de rsumer toutes ces relations, quil faut retenir :
cest le thorme du rang que nous prsentons maintenant.
Le thorme du rang
Cest le suivant :
Thorme 13.41 Soit f : E F une application linaire, et sup-
posons que E est de dimension nie. Alors |(f ) est de dimension
nie, et on a
dim(E) = dim(ker(f )) +dim(|(f )) .
Dmonstration. Soit e
1
, . . . , e
k
une base de ker(f ). Par le tho-
rme de la base incomplte, on peut trouver
1
, . . . ,

tels que
la famille B = e
1
, . . . , e
k
,
1
, . . . ,

est une base de E. Posons f

i
=
f (
i
), et montrons que la famille ( = f
1
, . . . , f

est une base

de |(f ). Comme dim(E) = k +, le thorme sera tabli.
Si y |(f ), par dnition y = f (x) pour un certain x E, et
on peut crire
x =
1
e
1
+ +
k
e
k
+
1

1
+ +

,
do
y = f (x) =
1
f (
1
) + +

f (

) =
1
f
1
+ +

.
(car f (e
i
) = 0 bien sr). Donc ( est gnratrice de |(f ).
Si maintenant on a une combinaison linaire nulle :

1
f
1
+ +

= 0 =
1
f (
1
) + +

f (
l
) = f (
1

1
+ +

) ,
on en conclut que
1

1
+ +

ker(f ). Nous avons une

base de ker(f ) notre disposition, crivons donc quil existe
des scalaires
1
, . . . ,
k
tels que

1
+ +

=
1
e
1
+ +
k
e
k
.
On en dduit

1
e
1
+ +
k
e
k

= 0,
et comme B est une base de E, on a nalement
1
= =
k
=

1
= =

= 0. En particulier, la famille ( est libre.

257
Exemple 13.42 Pour une application f : K
n
K
m
, de la forme
f (v) = Av, o A est une matrice, ce thorme dit une chose
bien concrte en termes du systme Av = 0. En eet dim(E) = n
est le nombre dinconnues en jeu, dim(ker(f )) est le nombre
(minimal) de paramtres ncessaires pour dcrire lensemble
des solutions, et dim(|(f )) est le rang de la matrice A. On a
donc
_
nombre
dinconnues
_
=
_
nombre de
paramtres
_
+
_
rang de
la matrice
_
.
Avec un peu dexprience vis--vis des systmes, a na rien de
surprenant. Il est toutefois apprciable davoir une formula-
tion trs prcise de cette galit par exemple la notion de
dimension dun espace vectoriel rend prcise lide de nombre
minimal de paramtres ncessaires pour dcrire les solutions.
Le thorme du rang a de nombreuses consquences imm-
diates.
Corollaire 13.43 Soit f : E F linaire. Alors
1. Si f est injective, on a dim(E) dim(F).
2. Si f est surjective, on a dim(E) dim(F).
3. Si f est un isomorphisme, on a dim(E) = dim(F).
Nous avions observ ces phnomnes un peu plus haut,
mais la dmonstration est maintenant plus directe :
Dmonstration. Si f est injective, alors dim(ker(f )) = 0 (propo-
sition 13.39), do dim(E) = dim(|(f )) dim(F) puisque |(f )
est un sous-espace de F.
Si f est surjective, alors dim(|(f )) = dim(F) = dim(E)
dim(ker(f )) dim(E).
Le prochain rsultat met galement au clair quelque chose
que nous avions observ sur des exemples :
Corollaire 13.44 Soit f : E F linaire. Si deux des proprits
ci-dessous sont satisfaites, alors la troisime lest galement :
1. f est injective,
258
2. f est surjective,
3. dim(E) = dim(F).
Dmonstration. Dans le prcdent corollaire on a vu que (1) et
(2) entranent (3). Supposons que lon ait (1) et (3). Alors
dim(|(f )) = dim(E) dim(ker(f )) = dim(F) 0 = dim(F) ,
donc |(f ) = F et f est surjective. Si lon a (2) et (3), alors
dim(ker(f )) = dim(E) dim(|(f )) = dim(F) dim(F) = 0,
donc ker(f ) = 0 est f est injective.
Nous verrons de nombreuses applications dans les exer-
cices.
Vieux rsultats, nouvelles dmonstrations
Le thorme du rang occupe une place centrale en algbre
linaire. tel point que dans certains livres sur le sujet, on
trouve une dmonstration de ce thorme trs tt dans lexpo-
sition, avec les autres rsultats prsents comme consquences.
Ce genre dapproche est plus concis mais plus dicile suivre
pour les dbutants. Il est probable quen deuxime anne, on
vous donne un rsum de lalgbre linaire de premire anne
qui soit de ce genre.
Pour se faire une ide, voici de nouvelles dmonstrations
de rsultats dj obtenus, qui font usage du thorme du rang.
Notez la concision des arguments en contrepartie de leur ct
abstrait. Il est naturel que ces dmonstrations soient plus di-
ciles suivre pour linstant.
Lemme 13.45 Soit A et B des matrices carres telles que AB = Id.
Alors on a galement BA = Id, et B = A
1
Nous avions vu a en tant que lemme 5.23, et la dmonstra-
tion faisait appel la notion de matrice bien chelonne.
259
Dmonstration. Soit E = M
n
(K), vu comme un espace vectoriel
de dimension nie, et soit
f : M
n
(K) M
n
(K)
M f (M) = BM.
On voit tout de suite que f est linaire. Montrons quelle est
injective. Si f (M) = 0, alors BM = 0 ; en multipliant par A
gauche, on obtient ABM = IdM = M = 0, donc ker(f ) = 0.
Ainsi f est injective, et daprs le corollaire 13.44, elle est ga-
lement surjective (on a E = F ici). On conclut quil existe, en
particulier, une matrice C telle que f (C) = Id, soit BC = Id. En
multipliant encore par A gauche, on a C= A.
Voici maintenant le rsultat selon lequel le rang dune ma-
trice est gal au rang de sa transpose (voir le thorme 11.47),
dans ce nouveau style. On obtient mme un peu plus quavant.
Quelques notations : on travaille avec des matrices mn, et on
crit
I
mn
r
=
_

_
1
.
.
.
1
0
.
.
.
0
_

_
,
cest--dire la matrice dont tous les coecients sont nuls, sauf
les r premiers sur la diagonale, qui valent 1. Lorsque la taille
est vidente, on crit juste I
r
.
Proposition 13.46 Soit A une matrice mn.
1. Si P M
n
(K) est inversible, alors rang(AP) = rang(A).
2. Si Q M
m
(K) est inversible, alors rang(QA) = rang(A).
3. rang(A) = r il existe P et Q telles que QAP = I
r
.
4. rang(A) = rang(
t
A).
Nous avons vu tous ces rsultats, part le (3). La dmons-
tration va tre trs dirente.
260
Dmonstration. La matrice A donne une application linaire
que lon va noter f
A
: K
n
K
m
, dnie par f
A
(v) = Av. De
mme on note f
P
et f
Q
pour les applications linaires corres-
podant P et Q.
Montrons le (1). Le rang de Aest dim(|(f
A
)) = dim(f
A
(K
n
)),
et de mme le rang de AP est dim(f
A
(f
P
(K
n
))). Puisque f
P
est
un isomorphisme, elle est surjective, et donc f
P
(K
n
) = K
n
. Do
le (1).
Pour le (2), on note que le rang de QA est dim(f
Q
(f
A
(K
n
))).
Lapplication g : f
A
(K
n
) f
Q
(f
A
(K
n
)) donne par g(v) = f
Q
(v)
est surjective par dnition, et injective parce que f
Q
est elle-
mme injective (comme application dnie sur K
m
tout entier).
Donc g est un isomorphisme et on en conclut que dim(f
A
(K
n
)) =
dim(f
Q
(f
A
(K
n
))). Do le (2).
Pour le (3), si QAP = I
r
alors rang(A) = rang(QAP) = rang(I
r
)
daprs les points (1) et (2), et bien sr rang(I
r
) = r. Rcipro-
quement, supposons que le rang de A est r. Comme dans la d-
monstration du thorme du rang, prenons e
1
, . . . , e
k
une base
de ker(f
A
), que lon complte en une base de K
n
avec des vec-
teurs
1
, . . . ,
r
; on a vu que lon obtient une base de |(f
A
) en
prenant f
1
, . . . , f
r
o f
i
= f (
i
). Enn, compltons f
1
, . . . , f
r
en
une base de K
m
en ajoutant des vecteurs f
r+1
, . . . , f
m
. Si B =

1
, . . . ,
r
, e
1
, . . . , e
k
et ( = f
1
, . . . , f
m
, alors par dnition
(
[f
A
]
B
= I
r
.
Mais alors
(
[f
A
]
B
= QAP o Q et P sont des matrices de pas-
sages bien choisies (et en particulier inversibles). Ceci donne le
(3).
Le (4) est maintenant vident. En eet si A est de rang r,
on a QAP = I
mn
r
do
t
P
t
A
t
Q =
t
I
mn
r
= I
nm
r
. Daprs le (3)
appliqu
t
A, on en dduit que
t
A est de rang r galement.
261
Chapitre 14
Intgrale de Riemann
Premire lecture
Introduction
Le problme de dpart que nous nous proposons de r-
soudre dans ce chapitre est le suivant. tant donne une fonc-
tion f , existe-t-il une fonction F telle que
F

= f ? (*)
Lquation (*) est le premier exemple dquation direntielle
que nous rencontrons. Il sagit dune quation dans laquelle
linconnue est une fonction, ici F, et la condition sur F fait
intervenir sa drive. Nous verrons que rsoudre (*) est une
premire tape importante pour rsoudre des quations di-
rentielles plus compliques. Notons quune solution de (*) est
appele une primitive de f .
Il est facile dtudier lunicit des solutions, sil y en a. En
eet, supposons que f soit dnie sur un intervalle I, et que
nous cherchions F sur I. En prsence de deux primitives F et G,
on observe que (F G)

= F

= f f = 0. La fonction F G
est alors constante : deux primitives dune mme fonction sur
un intervalle dirent dune constante, cest--dire que G(x) =
F(x) +c pour x I.
262
Le point dlicat est de montrer que, sous certaines condi-
tions, il existe au moins une primitive. On aimerait galement
pouvoir calculer explicitement les valeurs prises par F. Dans ce
chapitre nous allons dmontrer quune primitive existe lorsque
la fonction f est continue.
La stratgie est la suivante. Supposons que F

= f , que
F(x
0
) = 0, et examinons la condition F

(x
0
) = f (x
0
). Si lon
scarte un peu de x
0
pour atteindre le point x
0
+ h avec h
petit , alors F(x
0
+h) est proche de F(x
0
)+F

(x
0
)h = f (x
0
)h (on
remplace la fonction par son dveloppement limit lordre 1).
Lide est dinterprter la quantit F(x
0
+ h) ~ f (x
0
)h comme
laire du rectangle de hauteur f (x
0
) et de largeur h. De mme la
dirence F(x
0
+2h)F(x
0
+h) devrait tre proche de F

(x
0
+h)h =
f (x
0
+h)h, qui est laire du rectangle de hauteur f (x
0
+h) et de
largeur h. Au total F(x
0
+2h) = (F(x
0
+2h)F(x
0
+h))+F(x
0
+h) est
proche de la somme des aires des deux rectangles considrs
sur le dessin ci-dessous.
De mme pour tout entier k, la valeur F(x
0
+kh) est proche
de la somme des aires de k rectangles. Pour trouver une ap-
proximation de F(x
1
) pour x
1
> x
0
, on peut dcouper linter-
valle [x
0
, x
1
] en morceaux de largeur h, et calculer laire des
263
rectangles obtenus. Lorsque h devient de plus en plus petit, in-
tuitivement, on obtient laire de la zone situe entre le graphe
de f et laxe des abscisses, et entre les droites verticales dqua-
tions x = x
0
et x = x
1
.
Cette analyse tant faite, pour dnir la fonction F, il reste
dnir rigoureusement ce quon entend par aire . Cest
ce que nous allons faire, et nous lappellerons lintgrale de f ,
entre deux bornes donnes (sur le dessin, x
0
et x
1
). Nous pour-
rons alors poser F(x) = lintgrale de f entre x
0
et x, et nous
montrerons (assez facilement) que ce procd donne bien une
primitive de f .
Nous obtenons au passage une application intressante, qui
est celle que vous avez tudie en Terminale : dans de nom-
breux cas, cest le calcul de laire qui nous intresse, alors que
lon peut trouver une primitive directement. La relation entre
aire et primitive est utile dans les deux sens.
Fonctions intgrables au sens de Riemann
On xe un intervalle compact [a; b]. Les premires fonctions
pour lesquelles on peut dnir facilement ce quest laire sous
la courbe sont les fonctions en escaliers :
264
Dfinition 14.1 Une fonction sur [a, b] est dite en escaliers
lorsquil existe des nombres a
0
= a < a
1
< a
2
< < a
n
= b tels
que est constante sur chaque intervalle ouvert ]a
i
, a
i+1
[.
La famille a = (a
0
, a
1
, . . . , a
n
) est appele une subdivision
(adapte ).
Voici un exemple de fonction en escaliers.
Notez que la valeur de en a
i
peut tre quelconque, in-
dpendamment des valeurs prises sur ]a
i1
, a
i
[ et ]a
i
, a
i+1
[. Sur
cet exemple on voit bien que la subdivision a = (a
0
, a
1
, a
2
, a
3
, a
4
)
nest pas unique : en eet est en ralit constante sur ]a
2
, a
4
[,
et on aurait pu prendre la subdivision a

= (a
0
, a
1
, a
2
, a
4
).
On peut alors poser la dnition suivante :
Dfinition 14.2 Soit en escaliers, et a = (a
0
, . . . , a
n
) une sub-
division adapte. Soit
i
la valeur de sur ]a
i
, a
i+1
[. On pose :
I(, a) =
n1

i=0
(a
i+1
a
i
)
i
.

Ce nombre est bien laire des rectangles dnis par

(avec cependant la possibilit que
i
soit ngatif). Gomtri-
quement on sattend donc ce que I() ne dpende pas du
choix de la subdivision. Cest le cas :
265
Lemme 14.3 Le nombre I(, a) ne dpend que de et pas du choix
de la subdivision a.
On va donc pouvoir utiliser la notation I().
Dmonstration. tudions un premier cas simple : si a

est obte-
nue partir de a en retirant un point a
i
, comme dans lexemple
ci-dessus, nous allons montrer que I(, a

) = I(, a). En eet, la

fonction est alors constante sur ]a
i1
, a
i+1
[ de sorte que dans
la somme dnissant I(, a), on a deux termes que se simpli-
ent :
(a
i+1
a
i
)
i
+(a
i
a
i1
)
i1
= (a
i+1
a
i1
)
i1
,
puisque
i1
=
i
. Lgalit I(, a

) = I(, a) est alors claire.

En rptant lopration, on constate que si a

est obtenue
partir de a en retirant plusieurs points, alors on a I(, a

) =
I(, a) l encore.
Finalement, soient a et a

deux subdivisions quelconques

(adaptes ). On dnit une nouvelle subdivision a

en pre-
nant tous les points de a et de a

, et en les rangeant dans lordre.

Alors a

est obtenue partir de a en retirant les points de a

,
donc I(, a

) = I(, a) ; et a

est obtenue partir de a

en reti-
rant les points de a, donc I(, a

) = I(, a

). Finalement I(, a) =
I(, a

).
Lorsque et sont deux fonctions (quelconques) sur [a; b]
telles que (x) (x) pour chaque x [a; b], on crira simple-
ment . La proprit suivante est trs utile :
Lemme 14.4 Si et sont en escaliers, et si , alors I()
I().
Dmonstration. Soit a
0
< a
1
< . . . < a
n
une subdivision telle que
, resp , est constante de valeur
i
, resp

i
, sur ]a
i
; a
i+1
[. Grce
au lemme prcdent, on peut utiliser cette subdivision (qui
nest pas forcment minimale) pour calculer les I. Par hypo-
thse on a
i

i
, donc
I() =
n1

i=0
(a
i+1
a
i
)
i

n1

i=0
(a
i+1
a
i
)

i
= I() ,
266
comme annonc.
Il est bon de noter quon ne change pas I() si on change la
fonction en un nombre ni de points. De mme, si (x) (x)
pour tous les x dans [a; b] sauf pour un nombre ni de valeurs
x = x
1
, . . . , x = x
k
, alors on peut quand mme conclure que I()
I(). Dans ce qui suit, on va utiliser ce genre de simplications
de manire implicite.
Nous arrivons la dnition de lintgrale de Riemann. Soit
f une fonction quelconque, borne, sur [a; b]. On dnit
I
+
(f ) = inf I() en escalier telle que f
et
I

(f ) = supI() en escalier telle que f .

Daprs le lemme prcdent, la relation f donne I()
I(), et par suite I

(f ) I
+
(f ).
Dfinition 14.5 Lorsque I

(f ) = I
+
(f ), on dit que f est int-
grable au sens de Riemann, et on note
_
b
a
f
la valeur de I
|
(f ), que lon appelle intgrale de f sur [a; b]. On
note aussi parfois
_
b
a
f (t) dt .
Ici la variable t est muette, et peut tre remplace par nimporte
quelle lettre, souvent x ou y ou u...
Noter que la dnition contient un sup, et un inf. Ceci est
possible car les sup et les inf existent dans R, comme nous
lavons vu. La thorie des intgrales atteste, nouveau, de lim-
portance de cette proprit des nombres rels.
Lemme 14.6 Lorsque f est en escaliers, on a
_
b
a
f = I(f ) .
267
Dmonstration. On peut prendre = f , et f donne I

(f )
I() = I(f ). De mme, en prenant = f on obtient I
+
(f ) I(f ).
Ainsi, on a I

(f ) I
+
(f ), do I

(f ) = I
+
(f ) = I(f ).
Premiers exemples de fonctions intgrables
Notre premier objectif est de trouver dautres exemples de
fonctions intgrables, en dehors des fonctions en escaliers. La
dnition ci-dessus est trs concise, et montre de manire ex-
plicite lutilisation de sup et de inf, mais pour montrer concr-
tement quune fonction donne est intgrable on va utiliser le
critre simple suivant.
Lemme 14.7 Soit f une fonction sur [a; b]. Alors f est intgrable
il existe deux suites (
n
)
n0
et (
n
)
n0
de fonctions en esca-
liers telles que
n
f
n
, et telles que
lim
n+
_
b
a

_
b
a

n
= 0.
On a alors
_
b
a
f = lim
n
_
b
a

n
= lim
n
_
b
a

n
.
Dmonstration. Commenons par =. De
n
f on tire I

(f )
_
b
a

n
par dnition; de mme I
+
(f )
_
b
a

n
. On tire
0 I
+
(f ) I

(f )
_
b
a

_
b
a

n
.
En passant la limite sur n, on obtient bien I
+
(f ) = I

(f ), cest-
-dire que f est intgrable.
Maintenant regardons =. Soit n un entier 1. Comme
I

(f )
1
n
< I

(f ), on sait par dnition du sup (= le plus pe-

tit des majorants dun ensemble) quil existe une fonction en
escaliers
n
telle que
n
f et telle que I(
n
) I

(f )
1
n
. De
la mme manire, il existe
n
en escaliers telle que
n
f et
268
telle que I(
n
) I
+
(f ) +
1
n
. Si f est intgrable on a I
+
(f ) = I

(f )
et donc
0
_
b
a

_
b
a

n

_
I
+
(f ) +
1
n
_

_
I

(f )
1
n
_
=
2
n
(la premire ingalit provient du lemme 14.4). En passant la
limite, on obtient le rsultat.
Pour nir, de lingalit
n
f
n
, on tire
_
b
a

n

_
b
a
f
_
b
a

n
par dnition mme de lintgrale. En crivant ceci sous la
forme
0
_
b
a
f
_
b
a

n

_
b
a

_
b
a

n
et en faisant tendre n vers linni, on obtient bien la formule
souhaite.
Par exemple on peut utiliser ce rsultat pour montrer :
Proposition 14.8 Soit f une fonction monotone sur [a; b]. Alors
f est intgrable.
Dmonstration. On va faire la preuve dans le cas o f est crois-
sante. Le cas o elle est dcroissante est similaire.
Soit n un entier 1. On va dcouper [a; b] en n morceaux
en posant a
i
= a +i
_
ba
n
_
, pour 0 i n. On dnit maintenant
deux fonctions en escaliers
n
, resp.
n
, qui sont constantes
sur chaque intervalle ]a
i
: a
i+1
[ de valeur f (a
i
), resp. f (a
i+1
).
Par croissance de f , on a
n
f
n
. Calculons maintenant
_
b
a

n
= I(
n
) directement avec la formule dnissant I : comme
a
i+1
a
i
=
1
n
, on obtient
_
b
a

n
=
1
n
n1

i=0
f (a
i
).
269
De mme
_
b
a

n
=
1
n
n1

i=0
f (a
i+1
).
On tire
_
b
a

_
b
a

n
=
f (b) f (a)
n
.
On fait ensuite tendre n vers linni, et les conditions du lemme
14.7 sont runies. Donc f est intgrable.
Cette dmonstration est illustre sur le dessin suivant.
Exemple 14.9 Prenons f (t) = t sur [0, 1]. Elle est croissante,
donc intgrable, et on peut mme calculer son intgrale grce
au procd dcrit dans la dmonstration. En eet dans ce cas
on a
n
(t) =
i
n
sur lintervalle ]
i
n
,
i+1
n
[. Par suite
I(
n
) =
n1

i=0
i
n

_
i +1
n

i
n
_
=
1
n
2
n1

i=0
i .
270
Or comme vous le savez on a
n1

i=0
i = 0 +1 +2 +3 + +(n 1) =
n(n 1)
2
.
Ceci donne
I(
n
) =
1
2

1
2n
,
et
_
1
0
t dt = lim
n
I(
n
) =
1
2
.
Exemple 14.10 Prenons maintenant f (t) = e
t
sur [0, 1]. L en-
core f est croissante donc intgrable, et cette fois on a (toujours
avec les notations de la dmonstration)
n
(t) = e
i
n
sur ]
i
n
,
i+1
n
[.
Ici
I(
n
) =
n1

i=0
e
i
n

_
i +1
n

i
n
_
=
1
n
n1

i=0
e
i
n
.
Si on pose = e
1
n
, on a
n1

i=0
_
e
1
n
_
i
= 1 + +
2
+ +
n1
=
1
n
1
=
1 e
1 e
1
n
.
Utilisons le dveloppement limit e
u
= 1 + u + o(u). On en
tire e
1
n
= 1 +
1
n
+o(
1
n
), do
I(
n
) =
1
n

1 e

1
n
+o(
1
n
)
=
1 e
1 +o(1)
.
En passant la limite, on obtient
_
1
0
e
t
dt = e 1.
On a donc dj un grand nombre dexemples de fonctions
qui sont intgrables, comme lexponentielle, le logarithme, etc.
Noter que lon ne suppose mme pas que f est continue dans
la proposition.
271
Pour ce qui est des autres fonctions usuelles , comme le
sinus et le cosinus par exemple, on peut remarquer que sur un
intervalle compact [a; b], mme si elles ne sont pas forcment
monotones, on peut dcouper [a; b] en un nombre ni de sous-
intervalles sur lesquels ces fonctions sont monotones. Les pro-
prits lmentaires des intgrales, que nous allons voir tout
de suite, vont alors montrer que ces fonctions sont galement
intgrables.
Proprits lmentaires
Commenons par la relation de Chasles :
Proposition 14.11 Soit f une fonction sur [a; b], et soit x [a; b].
Alors f est intgrable sur [a; b] f est intgrable sur [a; x] et sur
[x; b].
De plus, on a la relation dite de Chasles :
_
b
a
f =
_
x
a
f +
_
b
x
f .
Le schma de la dmonstration est retenir : on va le ruti-
liser constamment.
Dmonstration. On commence par traiter le cas o f est en es-
caliers. Alors f est intgrable partout, donc il y a seulement la
relation de Chasles montrer. En utilisant la formule pour I,
on saperoit que le rsultat est vident.
On passe au cas gnral. Montrons =. On suppose que f
est intgrable sur [a; b], et on prend
n
et
n
comme dans le
lemme 14.7. La relation
n
f
n
tant valable sur [a; b],
elle est aussi valable sur [a; x] et [x; b]. De plus, comme
n
et
n
sont en escaliers et que lon a une relation de Chasles dans ce
cas, on a :
_
b
a

_
b
a

n
=
__
x
a

_
x
a

n
_
+
__
b
x

_
b
x

n
_
.
Les termes entre parenthses sont 0 car
n

n
et on a le
lemme 14.4.
272
En particulier on a
0
_
x
a

_
x
a

n

_
b
a

_
b
a

n
et en faisant tendre n vers +, on obtient
lim
n+
_
x
a

_
x
a

n
= 0.
Donc le lemme 14.7 (dans le sens =!) nous dit que f est int-
grable sur [a; x]. De mme entre x et b.
Montrons maintenant =. Notons f
1
la restriction de f
[a; x]. On suppose f
1
intgrable, donc on peut choisir des suites

n,1
et
n,1
comme dans le lemme 14.7. De mme, on dnit
f
2
,
n,2
et
n,2
sur [x; b]. On recolle les morceaux, en dnissant

n
sur [a; b] par
n
(t) =
n,1
(t) si t [a; x], et
n
(t) =
n,2
(t) si
t ]x; b] ; de mme on dnit
n
.
On veut utiliser encore le lemme 14.7 pour conclure. V-
rions les hypothses :
n
et
n
sont en escaliers ; on a bien

n
f
n
, car on peut vrier ceci sparment sur [a; x] et
sur [x; b] et on a suppos que
n,i
f
n,i
pour i = 1 ou 2 ; en-
n, la relation de Chasles pour les fonctions en escaliers donne
encore :
_
b
a

_
b
a

n
=
__
x
a

_
x
a

n
_
+
__
b
x

_
b
x

n
_
.
Le terme dans la premire parenthse est en fait
_
x
a

n,1

_
x
a

n,1
puisque par construction,
n
=
n,1
sur [a; x] ; de mme le
terme dans la deuxime parenthse peut scrire avec
n,2
et

n,2
. Donc les termes entre parenthses tendent vers 0 quand
n tend vers +, en on a nalement runi toutes les hypothses
du lemme 14.7, qui nous dit que f est intgrable sur [a; b].
De plus, on sait aussi que
_
b
a
f = lim
n+
_
b
a

n
, que
_
x
a
f =
_
x
a
f
1
= lim
n+
_
x
a

n,1
273
et que
_
b
x
f =
_
b
x
f
2
= lim
n+
_
b
x

n,2
.
En crivant la relation de Chasles pour
n
(qui est en escaliers)
et en passant la limite, on obtient la relation de Chasles pour
f quelconque.
Exemple 14.12 Supposons que f soit une fonctions sur [a; b],
et quil existe une subdivision a
0
= a < a
1
< < a
n
= b telle
que f est monotone sur [a
i
: a
i+1
] (par exemple les fonctions si-
nus et cosinus ont cette proprit sur nimporte quel intervalle
compact). Alors daprs la proposition 14.8, f est intgrable sur
[a
i
: a
i+1
]. En utilisant la proposition 14.11 (plusieurs fois !), on
obtient que f est intgrable sur [a; b].
On a donc montr que toutes les fonctions dites usuelles
sont intgrables. Par contre nous navons encore rien dit sur la
faon de calculer les intgrales, bien sr.
Toutes les autres proprits lmentaires de lintgrale se
dmontrent de la mme manire. On a principalement :
Proposition 14.13 Proprits de lintgrale :
1. (Linarit) Si f et g sont intgrables, et si , R, alors
f +g est intgrable et on a :
_
b
a
(f (t) +g(t)) dt =
_
b
a
f (t) dt +
_
b
a
g(t) dt .
En dautres termes, lensemble E des fonctions intgrables est
un espace vectoriel, et lintgrale est une application linaire
E R.
2. (Croissance) Si f et g sont intgrables, et si f g, alors
_
b
a
f
_
b
a
g.
Esquisse. Le principe est le mme que pour la proposition pr-
cdente : on vrie les proprits pour les fonctions en esca-
liers dabord (par exemple le point 2 est donn dans ce cas par
274
le lemme 14.4), et on utilise le lemme 14.7 pour montrer par
passage la limite que les proprits sont en fait vries pour
des fonctions quelconques.
Sur le mme modle, nous allons conclure en tablissant
la trs utile ingalit triangulaire pour les intgrales. Nous
aurons besoin des dnitions suivantes : si f est une fonction
quelconque, on pose
f
+
(x) =
_
f (x) si f (x) 0
0 sinon,
f

(x) =
_
f (x) si f (x) 0
0 sinon.
On vrie que lon a f (x) = f
+
(x) f

(x) et aussi f (x) = f
+
(x) +
f

(x). Aussi, on note que si f g, alors f
+
g
+
et g

f

.
Proposition 14.14 Si f est intgrable sur [a; b], alors f est ga-
lement intgrable et on a lingalit dite triangulaire

_
b
a
f

_
b
a
f .
Dmonstration. On commence par montrer que f
+
est int-
grable. Puisque f est intgrable, on peut trouver
n
et
n
comme dans le lemme 14.7. Les fonctions
+
n
et
+
n
sont en es-
caliers, et on a
+
n
f
+

+
n
. On vrie (exercice) que
+
n

+
n

n
. Donc nalement
0
_
b
a

+
n

_
b
a

+
n

_
b
a

_
b
a

n
.
(On a utilis la linarit de lintgrale.) En passant la limite,
on voit que lon peut appliquer le lemme 14.7 dans le sens =,
et on conclut que f
+
est intgrable.
De mme, on montre que f

est intgrable. Donc f = f
+
+
f

est intgrable, comme somme de fonctions intgrables.
Enn, de f f on tire
_
b
a
f
_
b
a
f
275
par croissance de lintgrale. De mme de f f on tire

_
b
a
f
_
b
a
f .
On a bien prouv lingalit triangulaire.
Intgrales et fonctions continues
Nous allons maintenant montrer le rsultat thorique prin-
cipal du chapitre, savoir lintgrabilit des fonctions conti-
nues.
Thorme 14.15 Soit f une fonction continue sur [a; b]. Alors f
est intgrable.
Dmonstration. On commence comme dans la proposition 14.8.
Soit n un entier 1. On va dcouper [a; b] en n morceaux en
posant a
i
= a + i
_
ba
n
_
, pour 0 i n. On dnit maintenant
deux fonctions en escaliers
n
, resp.
n
, qui sont constantes
sur chaque intervalle ]a
i
: a
i+1
[ de valeur
i
, resp
i
, avec

i
= minf (t) t [a
i
; a
i+1
]
et

i
= maxf (t) t [a
i
; a
i+1
] .
(Ceci a un sens daprs le corollaire 8.4, qui garantit que
i

+par exemple.) Ainsi
n
f
n
.
Soit > 0. Comme f est uniformment continue (daprs
le thorme de Heine 8.11), il existe > 0 tel que, si x et y
sont dans [a; b] et vrient x y < , alors f (x) f (y) < . Mais
pour n susamment grand, on a
1
n
< ; xons un tel n. Comme
a
i+1
a
i
=
1
n
, on voit que si x et y sont pris tous les deux dans
]a
i
; a
i+1
[, alors f (x)f (y) . On en conclut que
i

i
pour
chaque i.
Si on calcule maintenant
_
b
a
(
n

n
) directement avec la
formule pour I, on obtient :
_
b
a
(
n

n
) =
n1

i=0
(a
i+1
a
i
)(
i

i
)

n
+

n
+ +

n
= .
276
Ainsi, pour tout > 0, on a 0
_
b
a
(
n

n
) ds que n est
susamment grand; cest dire que
lim
n+
_
b
a
(
n

n
) = 0.
Le lemme 14.7 nous dit alors que f est intgrable.
On saperoit a posteriori quon aurait pu considrer dautres
fonctions en escaliers dans cette dmonstration, et obtenir la
mme limite. Pour tre prcis, on a le rsultat suivant :
Proposition 14.16 Soit f une fonction continue sur [a; b]. Pour
chaque entier n 1, on pose a
i
= a + i
_
ba
n
_
pour 0 i n, et on
choisit x
i,n
[a
i
; a
i+1
]. Alors :
lim
n+
b a
n
n1

i=0
f (x
i,n
) =
_
b
a
f (t) dt .
Dmonstration. On reprend alors les notations de la dmons-
tration du thorme 14.15.
Soit alors
n
la fonction en escaliers, constante sur ]a
i
; a
i+1
[,
de valeur f (x
i,n
). La formule pour I montre que I(
n
) est bien
la somme dont on cherche la limite.
Par dnition, on a alors
n

n

n
, et donc
I(
n
) I(
n
) I(
n
).
Les termes de gauche et de droite de cette ingalit tendent vers
_
b
a
f comme on la observ, et donc le terme du milieu converge
vers la mme limite.
Les sommes de cette forme sont appeles sommes de Rie-
mann. Comme on vient de le voir dans la dmonstration, elles
expriment lintgrale de certaines fonctions en escaliers qui
sapprochent de f , et la proposition arme qu la limite on
obtient lintgrale de f . Il est clair quon aurait pu trouver des
fonctions en escaliers plus gnrales pour lesquelles le rsultat
est encore vrai (notamment avec des subdivisions de linter-
valle [a, b] plus compliques) et cest parfois sous cette forme
277
que lon nonce un rsultat sur les sommes de Riemann dans
certains livres. Dune manire gnrale, lorsquon tudie cer-
taines sommes, il faut garder en tte lide dutiliser des fonc-
tions en escaliers et des intgrales.
En pratique ceci dit, mme la version ci-dessus est trop g-
nrale. Dans presque tous les cas que lon rencontre, le choix
est x
i,n
= a
i
; et trs souvent, on a mme a = 0 et b = 1. Ainsi, il
est bon de mmoriser la formule suivante : lorsque f est conti-
nue sur [0, 1], on a
lim
n
1
n
n1

i=0
f
_
i
n
_
=
_
1
0
f (t) dt .
Exemple 14.17 Soit
S
n
=
n1

i=0
n
i
2
+n
2
.
La suite (S
n
)
n1
a-t-elle une limite ? Si on pense utiliser une
somme de Riemann, il faut trouver une bonne fonction f . Com-
menons par faire apparatre le
1
n
, puis mettons la quantit
i
n
en vidence :
S
n
=
1
n
n1

i=0
n
2
i
2
+n
2
=
1
n
n1

i=0
1
1 +
i
2
n
2
.
On a donc bien envie dintroduire la fonction f dnie sur [0, 1]
par f (t) =
1
1+t
2
, puisqualors :
S
n
=
1
n
n1

i=0
f
_
i
n
_
.
Donc S
n
est une somme de Riemann, et
lim
n
S
n
=
_
1
0
f (t) dt =
_
1
0
dt
1 +t
2
.
Reste calculer cette intgrale ! Nous allons maintenant voir
comment.
278
La fonction x
_
x
a
f
Il existe une hirarchie des fonctions sur [a; b] :
f drivable =f continue =f intgrable.
On a dj vu la premire implication; la deuxime est le
contenu du thorme 14.15. On va maintenant montrer quen
intgrant une fonction, on remonte dans la hirarchie.
Soit donc f intgrable sur [a; b]. On note
F(x) =
_
x
a
f (t) dt .
Daprs la proposition 14.11, F est bien dnie.
Proposition 14.18 Pour toute fonction f intgrable, la fonc-
tion F est continue.
Dmonstration. Soit donc x
0
[a; b]. Daprs la relation de
Chasles, on a :
F(x) F(x
0
) =
_
x
x
0
f (t) dt .
La fonction f est borne par hypothse : crivons f (t) M
pour t [a; b]. Utilisons maintenant lingalit triangulaire :
F(x) F(x
0
)
_
x
x
0
f (t) dt
_
x
x
0
Mdt = M(x x
0
) .
(On a suppos x x
0
, le cas x x
0
est similaire.) Ceci montre
que
lim
xx
0
F(x) F(x
0
) = 0,
cest--dire que F est continue en x
0
.
Dans le mme genre, on a le rsultat annonc depuis lin-
troduction de ce chapitre :
Proposition 14.19 Si f est continue, F est drivable. De plus, on
a F

= f .
279
Dmonstration. Soit x
0
[a; b]. En utilisant la relation
_
x
x
0
f (x
0
) dt = f (x
0
)(x x
0
)
et la relation de Chasles, on peut crire :
F(x) F(x
0
)
x x
0
f (x
0
) =
1
x x
0
_
x
x
0
(f (t) f (x
0
)) dt.
Soit > 0. Comme f est continue en x
0
, il existe > 0 tel que
x x
0
< entrane f (x) f (x
0
) < . Fixons un tel x, et pour
simplier disons x > x
0
. Si maintenant t [x
0
; x], on a aussi
t x
0
< et donc f (t) (f (x
0
) < . On en dduit :

F(x) F(x
0
)
x x
0
f (x
0
)

1
x x
0
_
x
x
0
f (t) f (x
0
) dt

1
x x
0
_
x
x
0
dt

(x x
0
)
x x
0
= .
On a donc bien
lim
xx
0
F(x) F(x
0
)
x x
0
f (x
0
) = 0.
Donc F est drivable en x
0
, et F

(x
0
) = f (x
0
).
On a donc bien dmontr, comme annonc dans lintroduc-
tion, que toute fonction continue f admet une primitive, ici
note F. Notons que le point dlicat tait vraiment de montrer
que f est intgrable : le reste de la preuve ci-dessus nutilise
que des proprits lmentaires de lintgrale.
La proposition a une consquence que lon appelle, en toute
simplicit, le thorme fondamental de lanalyse :
Thorme 14.20 Si f est une fonction continument drivable
sur [a; b], alors
_
b
a
f

(t) dt = f (b) f (a) .
280
Dmonstration. Cest une reformulation de la proposition pr-
cdente. Dire que f est continument drivable signie que f

est continue, on peut donc appliquer la proposition 14.19 avec
f

a la place de f . On en dduit que lapplication dnie par
g(x) =
_
x
a
f

(t) dt
est drivable de drive f

. Donc g a la mme drive que f , et
ceci entrane f (x) = g(x) + c pour une constante c. En valuant
en a, on obtient f (a) = g(a) + c = c, do f (x) = g(x) + f (a). En
x = b, on obtient f (b) f (a) = g(b), ce quon voulait.
Exemple 14.21 Revenons lintgrale rencontre la n de
lexemple 14.17 :
_
1
0
dt
1 +t
2
= ?
Pour utiliser le thorme 14.20, il nous faut trouver une fonc-
tion f telle que
f

(t) =
1
1 +t
2
.
Passant en revue les drives des fonctions que lon connat, on
constate que lon peut prendre
f (t) = arctan(t)
(et les autres primitives sur [0, 1] sont donc de la forme t
arctan(t) +c). Donc
_
1
0
dt
1 +t
2
= arctan(1) arctan(0) =

4
.
En particulier, grce lexemple 14.17, on a une formule pour
calculer :
= lim
n
4
n1

i=0
n
i
2
+n
2
.
La convergence est trs lente. Il faut attendre n = 119 pour
avoir 3 chires corrects (3, 149984. . . ) et pour n = 100000 on
obtient 3, 141602. . . , donc seulement 4 chires corrects.
281
Exemple 14.22 On peut retrouver les rsultats des exemples 14.9
et 14.10 trs facilement. En eet la fonction t t admet pour
primitive t
t
2
2
, do
_
1
0
t dt =
_
t
2
2
_
1
0
=
1
2
.
Ici on a utilis la notation avec les crochets qui vous est fami-
lire depuis la Terminale, savoir
[f (t)]
b
a
= f (b) f (a) .
De mme on a
_
1
0
e
t
dt =
_
e
t
_
1
0
= e 1.
On retrouve bien les mmes valeurs.
Exemple 14.23 La mthode des primitives pour calculer les
sommes est trs puissante ; cest prcisment pour cela que les
intgrales sont plus faciles calculer que les sommes. Voyons
une application. On considre la suite (H
n
)
n1
dnie par
H
n
= 1 +
1
2
+
1
3
+ +
1
n
=
n

i=1
1
i
.
(On appelle parfois (H
n
) la srie harmonique , do la nota-
tion.) Nous allons montrer que H
n
tend vers +. partir de la
dnition, cest dicile.
Essayons donc dutiliser des intgrales. Nous navons pas
une somme de Riemann, mais nous pouvons malgr tout es-
sayer dintroduire certaines fonctions en escaliers. En loc-
curence, considrons lintervalle [1, n] et la fonction en esca-
liers
n
qui vaut
1
i
sur lintervalle ]i, i + 1[. En comptant laire
des rectangles, on constate que
_
n
1

n
= H
n
.
282
Soit maintenant f (t) =
1
t
sur le mme intervalle. On a alors
n

f , ce qui est une consquence du fait que f est dcroissante. Par
suite
_
n
1

n

_
n
1
f .
Mais grce la mthode des primitives, nous pouvons facile-
ment calculer lintgrale de f : en eet le logarithme ln vri-
e ln

= f . Ainsi
_
n
1
dt
t
= ln(n) ln(1) = ln(n) .
Or nous savons que ln(n) +lorsque n +, donc linga-
lit H
n
ln(n) que nous venons dobtenir garantit que H
n

+.
La formule du changement de variables
Une autre consquence plus ou moins immdiate de la pro-
position 14.19 est la formule du changement de variables
qui est trs pratique dans les calculs :
Proposition 14.24 Soit u une fonction continument drivable
sur [a; b], et supposons que limage de [a; b] par u soit lintervalle
[u(a); u(b)]. Soit f une fonction continue sur [u(a); u(b)]. Alors :
_
b
a
f (u(t)) u

(t) dt =
_
u(b)
u(a)
f (x) dx.
Dmonstration. Pour X [u(a); u(b)], soit
F(X) =
_
X
u(a)
f (x) dx
et soit g(T) = F(u(T)) pour T [a; b]. Puisque f est continue, la
proposition 14.19 permet de calculer la drive de F, savoir
F

= f ; et la formule pour la drive dune fonction compose

donne au total :
g

(T) = F

(u(T)) u

(T) = f (u(T)) u

(T) .
283
Dun autre ct, soit
h(T) =
_
T
a
f (u(t))u

(t) dt
pour T [a; b]. Lexpression t f (u(t))u

(t) est bien continue,

donc la proposition 14.19 (encore) donne h

(T) = f (u(T))u

(T).
Ainsi, les fonctions g et h ont la mme drive. Elles sont
toutes les deux nulles en T = a, donc elles sont nalement
gales. En crivant g(b) = h(b), on obtient la formule.
Pour retenir correctement la formule, nous suggrons un
petit abus de notation. Dans le membre de droite de la formule
du changement de variables, lcriture f (x) dx peut tre vi-
demment remplace par f (y) dy ou f (z) dz. Si vous pensez que
lon peut utiliser nimporte quelle lettre, demandez-vous quand
mme ce que donnerait la formule avec la lettre f ou pire,
avec d. Nous proposons dutiliser la lettre u, et donc de m-
moriser
_
b
a
f (u(t)) u

(t) dt =
_
u(b)
u(a)
f (u) du.
strictement parler, cest un abus de notation, puisque la
lettre u dsigne dj une certaine fonction. Mais lintuition
derrire ce choix est assez correcte. Si on lit la formule de
la droite vers la gauche , on constate que en faisant va-
rier u , donc en remplaant u par u(t), on doit remplacer du
par u

(t) dt, ce qui est cohrent avec la notation u

(t) =du/ dt
utilise en Physique.
La plupart du temps, on utilise cependant la formule de la
gauche vers la droite . Dans ce sens, on retient que lexpres-
sion u(t), ventuellement trs complique, peut tre remplace
simplement par u pour peu que lon ait quelque part un u

(t) dt,
qui va devenir du. Voici un exemple.
Exemple 14.25 Calculons
_
1
0
dt
1 +e
t
.
284
On va poser u(t) = e
t
, pour voir. Il nous faudrait un u

(t) dt
quelque part ; or u

(t) = e
t
. On peut donc articiellement crire
_
1
0
dt
1 +e
t
=
_
1
0
e
t
dt
e
t
(1 +e
t
)
=
_
1
0
u

(t) dt
u(t)(1 +u(t))
=
_
e
1
du
u(1 +u)
.
On va pouvoir nir ce calcul facilement. Avant de le faire, re-
marquons que si les choses se sont bien passes, cest surtout
parce que u

(t) peut sexprimer facilement en termes de u(t). Cest

la grande qualit que lon cherche dans un changement de va-
riables. Faites lexprience suivante : essayez le changement de
variables v(t) = 1/(1 + e
t
). Vous vous rendrez compte que pour
faire apparatre le v

(t) dt, on est amen exprimer v

(t) en
fonction de v(t). Cest faisable, mais moins facile que pour u ;
au total on nit avec la mme expression, mais aprs bien plus
deorts.
Terminons tout de mme. On crit
1
u(1 +u)
=
1
u

1
1 +u
.
Vous vrierez cette galit sans peine ; au chapitre suivant
nous verrons comment systmatiser ce genre dastuce. Main-
tenant il vient :
_
e
1
du
u(1 +u)
=
_
e
1
du
u

_
e
1
du
1 +u
= [ln(u)]
e
1
[ln(1 +u)]
e
1
= 1 +ln(2) ln(1 +e) .
Deuxime lecture
Fonctions valeurs vectorielles
Dfinition 14.26 Soit f : [a, b] R
r
une fonction, et crivons
f (t) = (f
1
(t), . . . , f
r
(t)) .
285
On dit que f est Riemann-intgrable lorsque chaque fonction f
k
est Riemann-intgrable (au sens dj dni dans ce chapitre).
De plus, lintgrale de f est le vecteur
_
b
a
f =
__
b
a
f
1
,
_
b
a
f
2
, . . . ,
_
b
a
f
r
_
.

Par exemple, si nous identions comme dhabitude le plan C

des nombres complexes avec R
2
, en voyant x +iy comme (x, y),
alors cette dnition signie que nous avons la convention
suivante : pour une fonction f : [a, b] C de la forme f (t) =
x(t) +iy(t), son intgrale est
_
b
a
f (t) dt =
_
b
a
x(t) dt +i
_
b
a
y(t) dt .
Cest videmment la dnition la plus naturelle.
Proposition 14.27 On a les proprits suivantes.
1. Si f et g sont intgrables, valeurs dans R
r
, et si et sont
des constantes relles, alors f +g est intgrable et
_
b
a
(f (t) +g(t)) dt =
_
b
a
f (t) dt +
_
b
a
g(t) dt .
De plus, si v R
r
est un vecteur (constant), et si f : [a, b]
R est intgrable, alors la fonction t f (t) v est intgrable et
_
b
a
f (t) v dt =
__
b
a
f (t) dt
_
v .
2. La relation de Chasles est vrie.
3. Si f : [a, b] R
r
est continue, alors elle est intgrable.
4. Si f : [a, b] R
r
est continument drivable, alors
_
b
a
f

(t) dt = f (b) f (a) .
286
La dmonstration de cette proposition est laisse en exer-
cice ; cest une consquence directe des dnitions. Nous allons
nous contenter de la remarque suivante. Si e
1
, . . . , e
r
est une base
de R
r
, alors pour chaque t on peut crire
f (t) =
1
(t)e
1
+ +
r
(t)e
r
.
En utilisant les deux proprits nonces dans le (1) de la pro-
position, on en dduit, si f est intgrable, que
_
b
a
f (t) dt =
_
b
a

1
(t)e
1
dt + +
_
b
a

r
(t)e
r
dt
=
__
b
a

1
(t) dt
_
e
1
+ +
__
b
a

r
(t) dt
_
e
r
.
Si maintenant on prend pour e
1
, . . . , e
r
la base canonique, on
retrouve la dnition mme de lintgrale de f ; en dautres
termes, pour que le (1) de la proposition soit vrai, la seule d-
nition possible est celle que nous avons donne. Dans le mme
temps, nous observons que lintgrale se comporte comme
prvu dans toutes les bases, donc notre dnition ne privi-
lgie pas la base canonique.
Pour travailler avec les fonctions valeurs vectorielles, il
serait utile de montrer que lon peut se ramener aux fonctions
en escaliers, comme dans le cas des fonctions valeurs dans R.
La dnition de fonction en escaliers ne change pas : il
sagit toujours dune fonction : [a, b] R
r
qui est constante
sur ]a
k
, a
k+1
[ pour une certaine subdivision ( ceci prs que la
valeur constante est bien sr un vecteur).
Il y a une dicult : crire f na pas de sens pour les
fonctions valeurs dans R
r
. Pour cette raison, on a un rsultat
moins prcis que le lemme 14.7, mais qui va sure.
Proposition 14.28 Soit f : [a, b] R
r
une fonction intgrable.
Alors il existe une suite de fonctions en escaliers (
n
)
n0
valeurs
dans R
r
telle que
_
b
a

n
(t) dt
n
_
b
a
f (t) dt . (1)
287
Si de plus f est continue, alors on a
_
b
a
[f (t)
n
(t)[dt
n
0, (2)
et enn
_
b
a
[
n
(t)[dt
n
_
b
a
[f (t)[dt . (3)
Remarquons que lhypothse f continue est uniquement
l pour nous simplier la vie. En eet, pour que les relations
(2) et (3) aient un sens, il faut que la fonction t [f (t)[ soit
intgrable, et mme la fonction t [f (t) + v[ pour tout vec-
teur constant v (ainsi en utilisant la relation de Chasles on voit
que t [f (t)
n
(t)[ est galement intgrable). Ceci est auto-
matique lorsque f est continue (cf (3) de la proposition). Dans
la dmonstration vous verrez bien que la continuit nest pas
utilise pour autre chose.
Dmonstration. Pour chaque indice k on applique le lemme 14.7
f
k
, et on trouve une suite (
k,n
) de fonctions en escaliers telles
que
k,n
f
k
et
_
b
a

k,n
(t) dt
n
_
b
a
f
k
(t) dt . (*)
Posons
n
(t) = (
1,n
(t), . . . ,
r,n
(t)). Alors
n
est en escaliers,
valeurs dans R
r
. La relation (1) est alors une consquence im-
mdiate des dnitions.
Pour montrer (2), qui est plus dicile tablir, soit e
1
, . . . , e
r
la base canonique de R
r
. crivons
f (t)
n
(t) = (f
1
(t)
1,n
(t)) e
1
+ +(f
r
(t)
r,n
(t)) e
r
.
Daprs lingalit triangulaire pour les vecteurs, on a
[f (t)
n
(t)[ f
1
(t)
1,n
(t) [e
1
[ + +f
r
(t)
r,n
(t) [e
r
[.
Puisque f
k

k,n
et [e
k
[ = 1, on peut rcrire ceci
[f (t)
n
(t)[ (f
1
(t)
1,n
(t)) + +(f
r
(t)
r,n
(t)) ,
288
do
_
b
a
[f (t)
n
(t)[dt
_
b
a
f
1
(t) dt
_
b
a

1,n
(t) dt +
+
_
b
a
f
r
(t) dt
_
b
a

r,n
(t) dt .
Ainsi la relation (*) entrane bien la relation (2).
Pour la (3), on utilise tout simplement la deuxime in-
galit triangulaire, celle qui arme que [a[ [b[ [ab[ (cf
lemme 4.30). Ceci donne

_
b
a
([f (t)[ [
n
(t)[) dt

_
b
a
[f (t)[ [
n
(t)[ dt

_
b
a
[f (t)
n
(t)[dt .
(On a utilis aussi lingalit triangulaire pour les intgrales de
fonctions relles.) On constate que (3) est une consquence de
(2).
laide de la proposition 14.28, nous pouvons montrer lin-
galit triangulaire pour les fonctions valeurs dans R
r
. Il ne
vous aura pas chapp quil nous a fallu plus deorts pour
lobtenir que dans le cas des fonctions relles.
Proposition 14.29 Soit f : [a, b] R
r
continue. Alors
_
_
_
_
_
_
_
b
a
f (t) dt
_
_
_
_
_
_

_
b
a
[f (t)[dt .
Dmonstration. Supposons dabord que f est en escaliers. Son
intgrale est alors de la forme

k
(a
k+1
a
k
)
k
,
o f est constante de valeur
k
sur ]a
k
, a
k+1
[. Lingalit trian-
gulaire pour les vecteurs donne
_
_
_
_
_
_
_

k
(a
k+1
a
k
)
k
_
_
_
_
_
_
_

k
(a
k+1
a
k
) [
k
[.
289
Or le membre de droite nest autre que lintgrale de la fonction
en escaliers t [f (t)[. Donc lingalit triangulaire est vraie
pour les intgrales de fonctions en escaliers.
Pour f continue, on prend une suite (
n
) comme dans la
proposition 14.28. Pour chaque n on a
_
_
_
_
_
_
_
b
a

n
(t) dt
_
_
_
_
_
_

_
b
a
[
n
(t)[dt ,
puisque
n
est en escaliers. Le membre de droite tend vers lin-
tgrale de t [f (t)[ daprs le (3) de la proposition. Le membre
de gauche tend vers
_
_
_
_
_
_
_
b
a
f (t) dt
_
_
_
_
_
_
,
daprs le (1) de la proposition et le lemme 4.32. En passant
la limite sur n, on a donc lingalit annonce.
Nous allons utiliser ceci pour montrer que le plus court
chemin entre deux points, cest la ligne droite .
Longueur dune courbe
Une courbe est tout simplement une application : [a, b]
R
r
. On utilise surtout le mot courbe dans les cas r = 2
(courbes planaires) ou r = 3 (courbes dans lespace), mais leur
tude peut se faire en gnral.
Comment dnir la longueur dune courbe ? Une ide na-
turelle est de chercher une approximation de la courbe par des
segments de droite, comme dans la gure ci-dessous.
290
Plus prcisment, on choisit une subdivision a
0
= a < a
1
<
< a
n
= b de [a, b], et on considre le segment qui joint (a
k
)
(a
k+1
), pour 0 k < n. La longueur de ce segment est [(a
k+1
)
(a
k
)[, donc une premire approximation de la longueur de
est
(, a) =
n1

k=0
[(a
k+1
) (a
k
)[.
Si on insre un nouveau point dans la subdivision, disons si
on ajoute un point a

0
entre a
0
et a
1
, alors on peut crire
[(a
1
) (a
0
)[ = [(a
1
) (a

0
) +(a

0
) (a
0
)[
[(a
1
) (a

0
)[ +[(a

0
) (a
0
)[,
daprs lingalit triangulaire. Si on appelle a

la nouvelle sub-
division, on aura donc (, a

) (, a) : la longueur augmente
mesure que la subdivision devient plus ne.
Ceci motive la dnition suivante.
Dfinition 14.30 La longueur de la courbe : [a, b] R
r
est
() = sup (, a) a subdivision de [a, b] .
On pose () = +lorsque le sup nexiste pas dans R.
On dit parfois dune courbe telle que () < +quelle est
rectiable.
Le rsultat qui va rendre les choses calculables est le sui-
vant :
291
Proposition 14.31 Soit : [a, b] R
r
une courbe continument
drivable. Alors
() =
_
b
a
[

(t)[dt .
Dmonstration. Soit a une subdivision. On crit
[(a
k+1
) (a
k
)[ =
_
_
_
_
_
_
_
a
k+1
a
k

(t) dt
_
_
_
_
_
_

_
a
k+1
a
k
[

(t)[dt , (*)
en utilisant le thorme fondamental de lanalyse puis linga-
lit triangulaire. En faisant la somme sur tous les indices k, par
la relation de Chasles il vient
(, a)
_
b
a
[

(t)[dt ,
et donc
()
_
b
a
[

(t)[dt .
Soit maintenant > 0. On va montrer quil existe une subdivi-
sion a telle que
_
b
a
[

(t)[dt (, a) + ,
ce qui terminera la dmonstration. Pour cela, examinons un
cas simple dans lequel lingalit triangulaire est en fait une
galit : lorsque v est un vecteur constant, on a bien
_
_
_
_
_
_
_
b
a
v dt
_
_
_
_
_
_
= [(b a)v[ = (b a) [v[ =
_
b
a
[v[dt .
Prenons deux points a
k
et a
k+1
dans [a, b], et appliquons cette
dernire remarque avec v =

(a
k
). Intuitivement, lide est
la suivante : lorsque a
k
et a
k+1
sont trs proches, la fonction
continue

ne varie pas beaucoup sur [a

k
, a
k+1
], donc elle est
292
presque constante, gale

(a
k
) ; lingalit (*) ci-dessus est
alors presque une galit. Pour mettre en forme ceci, notons
M
k
= sup [

(t)

(a
k
)[ t [a
k
, a
k+1
] ,
et crivons :
_
a
k+1
a
k
[

(t)[dt =
_
a
k+1
a
k
[

(a
k
) +(

(t)

(a
k
))[dt

_
a
k+1
a
k
[

(a
k
)[dt +
_
a
k+1
a
k
[

(t)

(a
k
)[dt
=
_
_
_
_
_
_
_
a
k+1
a
k

(a
k
) dt
_
_
_
_
_
_
+
_
a
k+1
a
k
[

(t)

(a
k
)[dt

_
_
_
_
_
_
_
a
k+1
a
k

(a
k
) dt
_
_
_
_
_
_
+M
k
(a
k+1
a
k
)
=
_
_
_
_
_
_
_
a
k+1
a
k
_

(t) +(

(a
k
)

(t))
_
dt
_
_
_
_
_
_
+M
k
(a
k+1
a
k
)

_
_
_
_
_
_
_
a
k+1
a
k

(t) dt
_
_
_
_
_
_
+
_
a
k+1
a
k
[

(a
k
)

(t)[dt
+M
k
(a
k+1
a
k
)
[(a
k+1
) (a
k
)[ +2M
k
(a
k+1
a
k
) .
Puisque

est continue sur lintervalle compact [a, b], elle est

uniformment continue daprs le thorme de Heine. Ainsi, il
existe un > 0 tel que [

(x)

(y)[ <

/
2(ba)
ds que x y < .
On peut alors choisir n un entier tel que
ba
n
< , et poser a
k
=
a +k
_
ba
n
_
, de sorte que a
k+1
a
k
=
ba
n
< et donc M
k


2(ba)
.
Si on fait la somme des ingalits
_
a
k+1
a
k
[

(t)[dt [(a
k+1
) (a
k
)[ +

n
pour tous les indices k, on termine avec
_
b
a
[

(t)[dt (, a) + ,
comme annonc.
293
Corollaire 14.32 Soient p et q deux points dans R
r
. Alors le
plus court chemin continument drivable entre p et q est la ligne
droite, dont la longueur est [q p[.
Dmonstration. Soit donc un chemin continument drivable
sur [a, b], tel que (a) = p et (b) = q. Comme on la dj observ
dans la dmonstration prcdente, on a
[q p[ = [(b) (a)[
=
_
_
_
_
_
_
_
b
a

(t) dt
_
_
_
_
_
_

_
b
a
[

(t)[dt
= () .
Donc la longueur de la courbe est toujours suprieure ou
gale la distance euclidienne [q p[. Prenons maintenant la
ligne droite, disons : [0, 1] R
r
dnie par
(t) = (1 t) p +t q (= p +t (q p)) .
(Cest bien un dplacement en ligne droite de p vers q.) La d-
rive est

(t) = q p, un vecteur constant, donc

_
1
0
[

(t)[dt = [q p[ = () .
Ainsi dans le cas de la ligne droite le minimum est atteint.
Exemple 14.33 (Circonfrence dun cercle) Considrons,
dans le plan complexe identi R
2
, le cercle de centre p et
de rayon R. On peut le parcourir avec la courbe : [0, 2] C
dnie par
(t) = p +Re
it
,
comme expliqu dans le chapitre Lexponentielle . Calculons
la longueur de cette courbe, qui est continument drivable. On
a

(t) = Rie
it
do [

(t)[ = R. Ainsi
() =
_
2
0
Rdt = 2R.
294
La circonfrence dun cercle de rayon R est 2R, en particulier
a ne dpend pas du centre. videmment ctait la premire
dnition historique du nombre .
Il peut vous paratre surprenant quune courbe soit dnie
comme une fonction et pas un sous-ensemble de R
r
, et que la
longueur dune courbe : [a, b] R
r
ne soit pas dtermine
par limage ([a, b]). Par exemple, dans le cas du cercle, est-ce
que la longueur change si lon considre une courbe qui se
dplace sur le cercle une vitesse dirente ? Et lorsque nous
parlions ci-dessus de la ligne droite entre p et q, est-ce que
lon aurait pu considrer une autre paramtrisation que t
(1 t) p +t q, et trouver une autre longueur ?
La premire rponse ces questions est que la longueur
dpend en eet en gnral de la fonction. Lexemple le plus
bte est celui de la courbe : [0, 4] R
2
dnie par (t) =
p +Re
it
: en eet cette courbe fait deux fois le tour du cercle
de centre p et de rayon R, et vous pouvez vrier que sa lon-
gueur est 4R. Alors que limage ([0, 4]) est le cercle, qui
peut tre parcouru par une courbe de longueur 2R comme
on la vu. Ici les deux courbes sont trs direntes dans leur
comportement.
Cependant, voici un petit rsultat qui exprime lide que
des changements simples de paramtrisation ne vont pas chan-
ger la longueur.
Lemme 14.34 Soit
1
: [a, b] R
r
une courbe continument d-
rivable, et soit u: [c, d] [a, b] une bijection, galement suppose
continument drivable. Soit enn
2
=
1
u, qui est encore une
courbe. Alors
(
1
) = (
2
) .
Dmonstration. La fonction u est monotone daprs la propo-
sition 6.23, on va supposer quelle est croissante (le cas d-
croissant est similaire), do u(c) = a, u(d) = b, et u

(t) 0 pour
tout t [c, d].
On applique alors simplement le thorme du changement
295
de variables :
(
2
) =
_
d
c
[

2
(t)[dt
=
_
d
c
[

1
(u(t)) u

(t)[dt
=
_
d
c
[

1
(u(t))[u

(t) dt
=
_
b
a
[

1
(u)[du
= (
1
) .
Pour en revenir au cercle, la courbe
1
: [0, 2] R
2
d-
nie par
1
(t) = p + Re
it
et la courbe
2
: [0, 1] R
2
dnie
par
2
(t) = p + Re
2it
sont lies comme ci-dessus, avec u(t) =
2t, donc elles ont la mme longueur (comme on le vrie tout
de suite).
Dmonstration de Taylor-Young
Nous allons conclure ce chapitre avec la dmonstration du
thorme de Taylor-Young dans sa forme gnrale (dans le cha-
pitre sur les formules de Taylor nous avions une petite hypo-
thse restrictive). laide des intgrales, cest trs facile.
Lemme 14.35 Soit I un intervalle contenant 0 et f : I R une
fonction intgrable. On suppose que f (t) = o(t
n
) pour un certain
entier n. Si on pose
F(x) =
_
x
0
f (t) dt ,
pour x I, alors F(x) = o(x
n+1
).
Dmonstration. Par hypothse f (t) = t
n
h(t) avec h(t) 0, donc
si on se donne un > 0 il existe un > 0 tel que h(t) <
296
pour t < . Si on prend galement 0 < x < on a

_
x
0
f (t) dt

_
x
0
f (t) dt

_
x
0
t
n
dt
=
_
t
n+1
n +1
_
x
0
=
x
n+1
n +1
.
On traite de la mme faon le cas < x < 0, et nalement on
constate que si x < , alors

F(x)
x
n+1

n +1
.
Cest donc que
F(x)
x
n+1
0
lorsque x 0, comme on le souhaitait.
On peut alors montrer facilement
Thorme 14.36 (Taylor-Young) Soit f une fonction drivable
n fois sur un intervalle I contenant 0. Alors on peut crire
f (x) = f (0) +f

(0)x +
f

(0)
2
x
2
+ +
f
(n)
(0)
n!
x
n
+o(x
n
) .
Dmonstration. Par rcurrence. Le cas n = 1 est donn par le
lemme 9.7. Supposons le thorme vrai pour n, et soit f dri-
vable n+1 fois. Appliquons le rsultat au rang n la fonction f

,
qui est drivable n fois :
f

(t) = f

(0) +(f

)

(0)t + +
(f

)
(n)
(0)
(n 1)!
t
n1
+o(t
n1
) .
En intgrant ceci entre 0 et x, et en utilisant le lemme prc-
dent, on obtient la formule pour f au rang n.
297
Chapitre 15
Fractions rationnelles
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Le lecteur ayant
assimil la
dnition 2.15
peut prendre
pour K
nimporte quel
corps.
Fractions rationnelles
Dfinition 15.1 Une fraction rationnelle F coecients dans K
est un quotient de deux polynmes de K[X] :
F =
P
Q
,
avec Q 0. Lensemble des fractions rationnelles est not K(X).

Les rgles de calcul usuelles sappliquent. Dans le jargon

de la dnition 2.15, on dira que K(X) est un corps. Des infor-
mations supplmentaires sont apportes dans lencadr Les
corps de fractions .
Le nombre degPdegQ est appel le degr de F, not degF.
Il faut vrier quil est bien dni, puisque la paire (P, Q) nest
pas unique : en fait on a
P
Q
=
P

PQ

= P

Q,
298
et ainsi degP + degQ

= degP

+ degQ, do degP degQ =

degP

degQ

, comme souhait.
Notre objectif est de mettre les fractions rationnelles sous
une forme particulire, qui facilite le calcul des primitives
lorsque K= R. Tout part de lobservation suivante :
Lemme 15.2 Soit F =
P
Q
une fraction rationnelle. Supposons que
lon ait une factorisation Q = AB avec pgcd(A, B) = 1. Alors il
existe des polynmes P
1
et P
2
tels que
F =
P
1
A
+
P
2
B
.
Dmonstration. On utilise le thorme de Bzout (3.22), qui
nous donne lexistence de U et V tels que AU + BV = 1. Par
Les corps de fractions
La question dsormais classique re-
vient : comment donner une dni-
tion complte des fractions ra-
tionnelles, susamment complte
pour quun ordinateur puisse faire
des calculs ?
Il se trouve que le procd est to-
talement identique, quasiment mot
pour mot, celui dcrit dans len-
cadr Une dnition de Q dans
le chapitre Nombres ; ceci prs
quil faut remplacer Z par K[X].
En fait cette construction porte un
nom : on dit que Q est le corps
des fractions de lanneau Z, et
que K(X) est le corps des frac-
tions de lanneau K[X]. Cest la rai-
son pour laquelle avec Sage, on
construit Q(X) avec la commande
QQ[X].fraction_field()
Pour faire cette construction par-
tir dun anneau A quelconque, il y
a une petite restriction technique :
il faut pouvoir simplier dans A.
Plus prcisment, on dit quun an-
neau A est intgre lorsque lgalit
ab = 0 avec a, b A et a 0, entrane
b = 0. Cest vrai pour A = Z et A =
K[X], mais pas pour A = M
n
(K).
Vous pourrez montrer alors facile-
ment, en copiant ce que lon a fait
pour Q, qu partir de nimporte quel
anneau A qui est commutatif et in-
tgre, on peut contruire un corps,
not Fr(A) et appel le corps des
fractions de A.
Il y aura peu dexemples en premire
anne, hormis Z et K(X). On peut en
donner un tout de mme en consi-
drant A = Z[

2], qui par dnition

est lensemble des nombres de la
forme a + b

2 avec a, b Z. Vous
montrerez que cet anneau est com-
mutatif et intgre, et que son corps
des fractions est Q[

2], cest--dire
lensemble des nombres de la forme
a +b

2 avec cette fois a, b Q.

299
suite
1
AB
=
AU+BV
AB
=
U
B
+
V
A
.
En multipliant par P, il vient
F =
P
AB
=
PV
A
+
PU
B
,
do le rsultat avec P
1
= PV et P
2
= PU.
On sait donc couper une fraction rationnelle en deux
lorsque son dnominateur se factorise en deux termes premiers
entre eux. loppos, on a une autre remarque calculatoire :
Lemme 15.3 Soient P et Q deux polynmes, soit un entier, et
soit
F =
P
Q

.
Alors il existe des polynmes P
j
, pour 0 j , tels que
F = P
0
+
P
1
Q
+
P
2
Q
2
+ +
P

,
et tels que degP
j
< degQ pour j 1.
Attention, il ny a pas de condition sur le degr de P
0
.
Dmonstration. Faisons une division euclidienne
P = AQ+R,
avec degR < degQ. Alors
P
Q

=
AQ+R
Q

=
A
Q
1
+
R
Q

.
On peut alors poser P

= R et faire une rcurrence sur .

On en dduit le thorme principal de ce chapitre.
300
Thorme 15.4 (Dcomposition en lments simples) Soit F
K(X). crivons
F =
P
Q
=
P
Q

1
1
Q

2
2
Q

n
n
,
avec chaque Q
i
irreductible, et avec pgcd(Q
i
, Q
j
) = 1 pour i j.
Alors il existe des polynmes P
i,j
pour 1 i n et 1 j
i
, et un
polynme P
0
, tels que
F = P
0
+
n

i=1

j=1
P
i,j
Q
j
i
,
avec degP
i,j
< degQ
i
.
De plus, si degP < degQ, alors P
0
= 0.
Cet nonc peut paratre compliqu, mais nous verrons
quil est facile mettre en pratique. Lessentiel est que chaque
terme
P
i,j
Q
j
i
,
que lon appelle lment simple , possde une primitive as-
sez facile calculer (lorsque K = R). On va donc tre capable
de calculer une primitive de nimporte quelle fraction ration-
nelle F.
Dmonstration. Cest la combinaison des deux lemmes prc-
dents. Le deuxime lemme traite le cas n = 1. Dans le cas gn-
ral, on pose A = Q

1
1
Q

n1
n1
et B = Q

n
n
, de sorte que pgcd(A, B) =
1. Le premier lemme donne alors
F =
P
1
A
+
P
2
B
,
et lon peut faire une rcurrence sur n.
Reste montrer le de plus . Notons une chose simple :
si F et G sont deux fractions rationnelles, on a
deg(F+G) max(degF, degG) .
Dans notre thorme, si degF < 0, on en dduit que degP
0
< 0.
Or P
0
est un polynme, donc ceci impose P
0
= 0.
301
Avant de donner des exemples de calculs, donnons des ver-
sions de ce thorme spcialises R et C.
Corollaire 15.5 (lments simples sur C.) Soit
F =
P
(Xx
1
)

1
(Xx
n
)

n
C(X) ,
o les nombres x
i
sont distincts. Alors on peut crire
F = P
0
+
n

i=1

j=1

i,j
(Xx
i
)
j
,
o P
0
est un polynme et
i,j
C. De plus si degF < 0 alors P
0
= 0.
Exemple 15.6 Prenons
F =
X
3
X
X
2
+1
.
Le premier rexe est de faire une division euclidienne du nu-
mrateur par le dnominateur. Ici on a X
3
X = X(X
2
+1) 2X,
de sorte que
F = X
2X
X
2
+1
.
On va maintenant appliquer le thorme au dernier terme
droite. Puisque X
2
+1 = (Xi)(X+i), on sait quil existe et
tels que
2X
X
2
+1
=

Xi
+

X+i
.
Le plus simple pour trouver les valeurs de et nest pas
de procder comme dans la dmonstration du thorme, mais
simplement didentier les numrateurs :

Xi
+

X+i
=
( +)X+( )i
X
2
+1
=
2X
X
2
+1
.
On a donc = 0 et + = 2, donc = = 1. Finalement
F = X
1
Xi

1
X+i
.
302
Voici maintenant la version sur R, qui est celle qui nous
intresse le plus pour calculer des primitives.
Corollaire 15.7 (lments simples sur R.) Soit
F =
P
(Xx
1
)

1
(Xx
n
)

n
Q

1
1
Q

m
m
R(X) ,
o les nombres x
i
sont distincts, chaque polynme Q
i
est de degr 2
sans racine relle, et pgcd(Q
i
, Q
j
) = 1 si i j. Alors on peut crire
F = P
0
+
n

i=1

j=1

i,j
(Xx
i
)
j
+
n

i=1

j=1

i,j
X+
i,j
Q
j
i
,
o P
0
R[X], et
i,j
,
i,j
,
i,j
R. De plus si degF < 0 alors P
0
= 0.
Exemple 15.8 Si on reprend lexemple prcdent, cest--dire
F =
X
3
X
X
2
+1
,
alors on a vu quaprs une simple division euclidienne on a
F = X
2X
X
2
+1
.
Sur R, on sarrte l : on ne peut pas factoriser plus le dno-
minateur X
2
+ 1, et lexpression obtenue est bien de la forme
annonce dans le corollaire. Notons dailleurs que lon a assez
travaill pour calculer une primitive, en eet
_
b
a
F(x) dx =
_
x
2
2
ln(x
2
+1)
_
b
a
.
Voyons un exemple beaucoup plus compliqu. Prenons
F =
1
X
5
2X
4
+6X
3
12X
2
+9X18
.
Il faut dabord factoriser le dnominateur. Nous avons de la
chance, puisque 2 est une racine vidente . En faisant une di-
vision euclidienne, on obtient (X2)(X
4
+6X
2
+9). De plus X
4
+
303
6X
2
+9 = (X
2
+3)
2
, de sorte que
F =
1
(X2)(X
2
+3)
2
.
Le corollaire nous annonce donc que nous pouvons crire
F =

X2
+

1
X+
1
X
2
+3
+

2
X+
2
(X
2
+3)
2
. (*)
Il est possible, bien que trs long, de mettre le membre de
droite au mme dnominateur. On obtient au numrateur
( +
1
) X
4
+(2
1
+
1
) X
3
+(6 +3
1
2
1
+
2
) X
2
+(6
1
+3
1
2
2
+
2
) X+9 6
1
2
2
. (**)
En crivant que ce numrateur doit valoir 1, on obtient alors
un systme 5 inconnues et 5 quations, dont on sait quil pos-
sde des solutions, et on peut les trouver par les techniques
habituelles. laide dun ordinateur, cest une mthode trs ef-
cace.
Bien sr pour nir le calcul la main, on peut utiliser des
astuces. Voici une compilation des plus connues. Multiplions
lquation (*) par le polynme X2 :
(X2)F =
1
(X
2
+3)
2
= +
(
1
X+
1
)(X2)
X
2
+3
+
(
2
X+
2
)(X2)
(X
2
+3)
2
.
On peut voir a comme une galit de fonctions, et on va regar-
der la valeur en X = 2 : il reste simplement =
1
49
. On a dj
trouv !
Maintenant multiplions (*) par (X
2
+3)
2
; nous obtenons
1
X2
=
1
49
(X
2
+3)
2
X2
+(
1
X+
1
)(X
2
+3) +(
2
X+
2
) .
On value en X = i

3 (pour que X
2
+3 = 0), et il reste simple-
ment
1
i

3 2
=
2
i

3 +
2
.
304
Pour trouver les parties relles et imaginaires du membre de
gauche on crit bien sr
1
i

3 2
=
2 i

3
7
,
do
2
=
2
7
et
2
=
1
7
.
Ensuite, on peut choisir dvaluer (*) en X = 0, parce que
cest relativement facile : on obtient

1
18
=
1
3

1

37
882
,
do
1
=
2
49
.
Regardons le numrateur (**) ci-dessus. Il commence par (+

1
)X
4
, ce que lon peut vrier de tte trs vite sans tout mettre
au mme dnominateur. On a donc +
1
= 0 do
1
= =

1
49
.
Finalement
F =
1
49
_
1
X2

X+2
X
2
+3

7X+2
(X
2
+3)
2
_
.
Ce calcul tait relativement compliqu. Pourrait-on en coner
une partie un ordinateur ? La seule chose qui ntait pas pu-
rement mcanique dans le raisonnement ci-dessus tait. . . de
trouver que 2 tait une racine du dnominateur. Ceci tant,
un ordinateur peut (au pire) mettre les deux membres de (*)
au mme dnominateur et rsoudre un systme, et ce, en une
fraction de seconde. Retenons :
Proposition 15.9 Lorsque lon sait factoriser compltement le
dnominateur dune fraction rationnelle, trouver la dcomposition
en lments simples est une procdure automatisable, que lon peut
coner une machine.
Par contre, vous aurez peut-tre besoin de savoir dcompo-
ser une fraction la main, pour les besoins dun concours ou
dun examen! Dans labsolu, il est utile de savoir traiter les cas
trs simples, mais il est absurde de devenir expert.
305
Intgration des lments simples
Nous xons dsormais K = R. La dcomposition en l-
ments simples est cense nous aider calculer les primitives,
et pour mettre cela en oeuvre il fait savoir intgrer chacun des
termes apparaissant dans le corollaire 15.7.
Les plus simples sont bien sr
_
q
p
dx
(x x
0
)

=
_
(x x
0
)
+1
+1
_
q
p
pour > 1 et
_
q
p
dx
x x
0
= [ lnx x
0
]
q
p
(ne pas oublier la valeur absolue). Il nous reste donc traiter
_
q
p
x +
(ax
2
+bx +c)

dx.
Il y a toute une srie dtapes pour y arriver. Le premier
rexe est de faire apparatre la drive du dnominateur au
numrateur . En eet on sait calculer
_
q
p
2ax +b
(ax
2
+bx +c)

dx =
_
(ax
2
+bx +c)
+1
+1
_
q
p
pour > 1 et
_
q
p
2ax +b
ax
2
+bx +c
dx =
_
lnax
2
+bx +c
_
q
p
.
Donc on va se dbrouiller pour faire apparatre 2ax +b.
Exemple 15.10 la n de lexemple 15.8 nous avions le terme
x +2
x
2
+3
.
On crit alors
x +2
x
2
+3
=
1
2
_
2x
x
2
+3
+
4
x
2
+3
_
,
306
de sorte que lon sait intgrer une partie au moins de lexpres-
sion :
_
q
p
x +2
x
2
+3
dx =
1
2
_
q
p
2x
x
2
+3
dx +2
_
q
p
1
x
2
+3
dx
=
_
ln(x
2
+3)
_
q
p
+2
_
q
p
dx
x
2
+3
.
De la mme manire si nous avons intgrer lexpression
5x 3
x
2
+x +1
,
la premire chose faire est dcrire
5x 3
x
2
+x +1
=
5
2
_
2x +1
x
2
+x +1
_

11
2(x
2
+x +1)
.
On a alors
_
q
p
5x 3
x
2
+x +1
dx =
5
2
_
ln(x
2
+x +1)
_
q
p

11
2
_
q
p
dx
x
2
+x +1
.
Retournons au cas gnral. Nous sommes ramens calcu-
ler les intgrales de la forme
_
q
p
dx
(ax
2
+bx +c)
n
,
avec b
2
4ac < 0 puisquon suppose que le dnominateur ne
sannule pas. On en connat une :
_
q
p
dx
x
2
+1
= [ arctan(x) ]
q
p
.
Nous allons voir que lon peut toujours se ramener ce cas-l
(ce qui explique la prsence abondante de la fonction arctan-
gente dans toutes les questions de primitives). La prochaine
tape est de faire un changement de variables pour mettre le
dnominateur sous la forme u(x)
2
+1.
307
Exemple 15.11 Reprenons les exemples ci-dessus. On a
1
x
2
+3
=
1
3(
x
2
3
+1)
=
1
3((
x

3
)
2
+1)
=
1
3(u(x)
2
+1)
avec u(x) =
x

3
. On a u

(x) =
1

3
et donc
_
q
p
dx
x
2
+3
=

3
3
_
q
p
1

3
dx
u(x)
2
+1
=

3
3
_
q
p
u

(x) dx
u(x)
2
+1
=

3
3
_
q/

3
p/

3
du
u
2
+1
=

3
3
[ arctan(u) ]
q/

3
p/

3
.
Plutt que de refaire ce changement de variables chaque
fois, on peut dcider de mmoriser quune primitive de x
1
x
2
+a
2
est x
1
a
arctan(
x
a
) (tout dpend de la quantit de pri-
mitives que lon souhaite garder en tte). Pour a =

3 on re-
trouve le rsultat ci-dessus videmment (noter que
1

3
=

3
3
).
Cependant, il est parfois prfrable de refaire le changement
de variables, notamment lorsque le dnominateur est lev
une puissance (voir plus bas).
Essayons maintenant x
2
+x+1 au dnominateur. La prsence
du terme de degr 1 nous force une tape prliminaire :
x
2
+x +1 = (x +
1
2
)
2

1
4
+1 = t(x)
2
+
3
4
avec t(x) = x +
1
2
. On peut faire un premier changement de va-
riables :
_
q
p
dx
x
2
+x +1
=
_
q
p
t

(x) dx
t(x)
2
+
3
4
=
_
q+
1
2
p+
1
2
dt
t
2
+
3
4
.
Ou bien on change encore de variables, ou bien on utilise la
primitive que lon connait, pour en arriver :
_
q+
1
2
p+
1
2
dt
t
2
+
3
4
=
_
2

3
arctan(
2t

3
)
_
q+
1
2
p+
1
2
.
308
En utilisant ce genre de changements de variables, on en
arrive nalement toujours calculer une intgrale de la forme
I
n
=
_
q
p
dx
(x
2
+1)
n
.
Nous savons faire pour n = 1, et la dernire chose que nous
devons apprendre est le calcul de I
n
pour tout entier n.
Cest le moment dutiliser la technique, que vous avez vue
au Lyce, de lintgration par parties. Le principe est trs simple :
de la formule
(f g)

= f

g +f g

,
on tire f

g = (f g)

f g

et donc
_
q
p
f

(x)g(x) dx = [f (x)g(x)]
q
p

_
q
p
f (x)g

(x) dx.
(Cette formule est valable ds que f et g sont continument d-
rivables.)
Exemple 15.12 Pour trouver une primitive de x ln(x), on
peut faire une intgration par parties avec f (x) = 1 et g(x) =
ln(x), do
_
q
p
ln(x) dx = [ xln(x) ]
q
p

_
q
p
dx
= [xln(x) x]
q
p
.
Une primitive est donc x xln(x) x.
Pour en revenir au calcul de I
n
, on a la formule de rcur-
rence suivante.
Lemme 15.13 Pour n 1 on a
I
n+1
=
2n 1
2n
I
n
+
1
2n
_
x
(x
2
+1)
n
_
q
p
.
Plutt que dapprendre cette relation par coeur, il vaut
mieux retenir que la dmonstration, que voici, sappuie sur
une intgration par parties.
309
Dmonstration. On prend f (x) = 1 et g(x) =
1
(x
2
+1)
n
, do
I
n
=
_
x
(x
2
+1)
n
_
q
p
+2n
_
q
p
x
2
dx
(x
2
+1)
n
.
En crivant x
2
= x
2
+11, on constate que la dernire intgrale
droite est I
n
I
n+1
. On en tire le rsultat en arrangeant les
termes.
Exemple 15.14 Pour calculer
_
q
p
dx
(x
2
+3)
2
on commence par poser u(x) =
x

3
comme dans lexemple pr-
cdent, de sorte que
_
q
p
dx
(x
2
+3)
2
=

3
3
_
q

du
(u
2
+1)
2
avec p

=
p

3
et q

=
q

3
. On fait une intgration par parties :
_
q

du
(u
2
+1)
2
=
_
u
(u
2
+1)
2
_
q

+4
_
q

u
2
+1 1
(u
2
+1)
2
=
_
u
(u
2
+1)
2
+4arctan(u)
_
q

4
_
q

du
(u
2
+1)
2
,
do
_
q

du
(u
2
+1)
2
=
1
5
_
u
(u
2
+1)
2
+4arctan(u)
_
q

.
Finalement
_
q
p
dx
(x
2
+3)
2
=

3
15
_
u
(u
2
+1)
2
+4arctan(u)
_
q/

3
p/

3
.
Ces calculs sont diciles. Cependant, nous pouvons nou-
veau remarquer que rien nempche un ordinateur de les faire
pour nous : toutes les tapes sont parfaitement mcaniques.
310
Proposition 15.15 Lorsque lon sait factoriser compltement le
dnominateur dune fraction rationnelle, trouver une primitive est
une procdure automatisable, que lon peut coner une machine.
L encore, renseignez-vous pour savoir si lon attend de
vous, loccasion dun concours ou dun examen, que vous
sachiez calculer ces primitives la main . Cest trs pro-
bable ! En tout cas il est souhaitable de savoir traiter quelques
exemples.
Fractions rationnelles trigonomtriques
Nous allons apprendre calculer des intgrales dun certain
type prcis, savoir de la forme
_
q
p
F(cos(), sin()) d .
Ici on suppose que lon a une fonction (x, y) F(x, y), deux
variables, dnie au moins au point (x, y) = (cos(), sin())
pour p q. Lensemble de ces points est un arc de cercle,
et en faisant un peu de gomtrie nous allons trouver un chan-
gement de variables judicieux. En particulier, lintgrale ci-
dessus va se ramener une intgrale de fraction rationnelle
lorsque F(x, y) est une expression utilisant seulement des op-
rations arithmtiques (addition, soustraction, multiplication et
division), disons par exemple
F(cos(), sin()) =
3cos()
2
sin() 1
sin()
3
+cos()
.
On dit parfois alors que F(cos(), sin()) est une fraction ra-
tionnelle trigonomtrique .
Pour les impatients, il est trs simple de rsumer la m-
thode : utiliser le changement de variables t() = tan(

2
). Vous
pouvez de suite aller voir lexemple 15.17 ci-dessous, en pre-
nant connaissance des quations (**) au passage. Mais il est
instructif de prendre le temps de comprendre pourquoi cette
astuce fonctionne.
311
Considrons le dessin ci-dessous. On indentie le plan R
2
avec C, et sur le dessin on a plac le point z
0
= 1 ainsi quun
point z = x +iy = cos() +i sin() sur le cercle unit.
Lide trs simple est la suivante : au lieu de reprer le
point z laide de langle quil fait avec lhorizontale depuis
lorigine, on peut utiliser langle , entre lhorizontale et la
droite passant par z
0
et z. Remarquons que le triangle repr-
sent sur le dessin est isocle, donc possde deux angles gaux,
et 2 + = ; mais + = donc =

2
.
On peut retrouver ceci par le calcul. crivons z = x+iy, alors
le vecteur u = z z
0
est simplement u = z + 1 = x + 1 + iy. Par
dnition de , on a aussi u = re
i
= r cos() +ri sin() pour un
certain r > 0, donc tan() =
y
x+1
. Puisque z est de module 1, on
peut galement crire x = cos() et y = sin(), de sorte que
tan() =
sin()
cos() +1
=
2cos(

2
) sin(

2
)
2cos(

2
)
2
1
=
sin(

2
)
cos(

2
)
= tan(

2
) .
On retrouve bien =

2
, si lon prend dans lintervalle ], [
et dans ]

2
,

2
[.
Nous venons dutiliser quelques formules de trigonomtrie
bien connues. Cest en faisant un petit eort de calcul suppl-
mentaire que lon va comprendre lintrt dutiliser au lieu
312
de . Posons t = tan(

2
) =
y
x+1
, et calculons
1 +t
2
=
y
2
+x
2
+2x +1
(x +1)
2
=
2
x +1
,
puisque x
2
+y
2
= 1. On en tire
x +1 =
2
1 +t
2
, (*)
do
x = cos() =
1 t
2
1 +t
2
et y = sin() =
2t
1 +t
2
. (**)
(La deuxime en multipliant (*) par t, puisque y = t(x+1).) Ces
relations sont trs intressantes, puisquelles nous poussent
utiliser en ralit t, et non pas lui-mme, pour reprer le
point z sur le cercle : lavantage est alors que les coordonnes x
et y de z sont des fractions rationnelles en t. Par contraste,
lorsque lon exprime x et y en fonction de , on fait appel aux
fonctions cosinus et sinus, qui sont bien plus compliques (la
dirence va devenir trs claire dans le calcul des primitives,
ci-dessous).
Pour rsumer, nous avons montr la chose suivante.
Proposition 15.16 Soit z = x +iy un nombre complexe ; on sup-
pose z 1. Alors z est de module 1 si et seulement sil existe un
nombre rel t tel que
x =
1 t
2
1 +t
2
et y =
2t
1 +t
2
.
Dans ce cas, on a
t =
y
x +1
,
donc en particulier t est uniquement dtermin par z.
Ce rsultat nest pas seulement intressant pour les pri-
mitives (voir lencadr Triplets pythagoriciens ). Mais pour
linstant, faisons donc le lien avec le calcul des intgrales, dont
313
nous nous sommes carts temporairement. Rappelons que
nous cherchons calculer
_
q
p
F(cos(), sin()) d .
La petite tude gomtrique ci-dessus nous pousse introduire
Triplets pythagoriciens
La proposition 15.16 tablit une bi-
jection entre lensemble R dune
part, et lensemble des points sur
le cercle unit (sauf (1, 0)) dautre
part. Cette bijection tant donne
par la formule explicite
t (
1 t
2
1 +t
2
,
2t
1 +t
2
) ,
on constate quelle possde la pro-
prit remarquable dtablir gale-
ment une bijection entre Q et len-
semble des points (x, y) sur le cercle
tels que x Q et y Q (et (x, y)
(1, 0)).
Voici une application clbre. Un
triplet pythagoricien est donn par
trois nombres entiers (a, b, c) tels
que a
2
+b
2
= c
2
. Grce au thorme
de Pythagore, on peut interprter un
tel triplet comme donnant les lon-
gueurs (entires !) dun triangle rec-
tangle. Par exemple (3, 4, 5) est un
triplet pythagoricien.
Connaissant un triplet (a, b, c), on
peut en fabriquer une innit en
multipliant par un mme nombre
n, cest--dire en considrant
(na, nb, nc), mais les triangles cor-
respondants ont le mme aspect.
Peut-on construire une innit de
triplets pythagoriciens, y compris
en considrant comme identiques
deux triplets proportionnels ?
Sans parler dinnit, peut-on dj
en construire beaucoup ? Combien
pouvez-vous en citer ?
On commence par associer tout
triplet (a, b, c) la paire (x, y) avec x =
a
c
et y =
b
c
. On a alors x
2
+ y
2
=
1, cest--dire que (x, y) est sur le
cercle unit, et x Q, y Q. Vous
montrerez titre dexercice que si
un autre triplet (a

, b

, c

) donne la
paire (x

, y

), alors (x

, y

) = (x, y) si et
seulement si (a

, b

, c

) et (a, b, c) sont
proprotionnels. De plus, partir de
(x, y) on peut retrouver au moins un
triplet (a, b, c) correspondant en mul-
tipliant par le produit des dnomina-
teurs de x et y (ou leur ppcm).
Or daprs ce qui prcde, se don-
ner la paire (x, y) revient se donner
un nombre t Q; de plus les condi-
tions x > 0 et y > 0 (qui simposent
nous lorsque lon prend a, b et c po-
sitifs) sont quivalentes 0 < t < 1.
Nous avons donc une bijection entre
les triplets pythagoriciens pro-
portionnalit prs et les nombres
rationnels entre 0 et 1 ! Il y en a donc
bien une innit.
Pour t =
1
/
2
, on trouve x =
3
/
5
et
y =
4
/
5
do le triplet pythagori-
cien (3, 4, 5) que nous connaissions
dj. Pour t =
1
/
3
on tombe sur
(4, 3, 5) qui nest pas vraiment di-
rent. Par contre pour t =
1
/
4
on ob-
tient (15, 8, 17) et pour t =
1
/
5
on d-
couvre le triplet (12, 5, 13).
314
le nombre t, qui a lair de donner des formules simples. Plus
prcisment, posons
t() = tan(

2
) .
Est-ce un bon changement de variables ? Tout dabord, daprs
(**) nous avons
F(cos(), sin()) = F
_
1 t()
2
1 +t()
2
,
2t()
1 +t()
2
_
.
Quant la drive t

(), nous sommes chanceux car elle vaut

t

() =
1
2
(1 +tan(

2
)
2
) =
1
2
(1 +t()
2
) .
On peut donc toujours crire
_
q
p
F(cos(), sin()) d = 2
_
q
p
F
_
1 t()
2
1 +t()
2
,
2t()
1 +t()
2
_
t

()
1 +t()
2
d
= 2
_
t(q)
t(p)
F
_
1 t
2
1 +t
2
,
2t
1 +t
2
_
dt
1 +t
2
.
Lorsque F est une fraction rationnelle trigonomtrique, lex-
pression que nous avons intgrer est une fraction rationnelle
en t. Nous savons donc comment en trouver une primitive.
Exemple 15.17 Essayons de calculer
I =
_
2
0
cos() d
cos() +sin()
.
Nous avons bien une expression en cos() et sin(). Comme
nous lavons dit, la seule chose retenir est que poser t() =
tan(

2
) est une bonne ide. crivons t pour t(), et rempla-
ons cos() par
1t
2
1+t
2
, puis sin() par
2t
1t
2
. Il vient
cos()
cos() +sin()
=
1 t
2
t
2
+2t +1
=
1
2
(1 t
2
)(1 +t
2
)
1
2
(t
2
+2t +1)(1 +t
2
)
.
315
La deuxime manoeuvre est l pour faire apparatre
1
2
(1+t
2
) =
t

(). On a donc
I = 2
_
1
0
(1 t
2
) dt
(t
2
+2t +1)(1 +t
2
)
,
le t

() d devenant dt. Nous avons donc une fraction ration-

nelle en t.
Le facteur t
2
+2t +1 au dnominateur sannule pour t = 1|

2, ce qui permet de factoriser. La dcomposition en lments

simples scrit alors
1 t
2
(t 1

2)(t 1 +

2)(1 +t
2
)
=
1
4(t 1

2)
+
1
4(t 1 +

2)

t 1
2(1 +t
2
)
.
Do la primitive
1
4
lnt 1

2 +
1
4
lnt 1 +

2
1
4
ln(1 +t
2
) +
1
2
arctan(t) .
Cette expression vaut 0 pour t = 0 (noter que ln(

2 1)+
ln(

2 +1) = ln(

2
2
1) = ln(1) = 0), et elle vaut

8
pour t = 1.
Finalement I =

4
.
316
Chapitre 16
Diagonalisation
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Le lecteur ayant
assimil la
dnition 2.15
peut prendre
pour K
nimporte quel
corps.
Premire lecture
Motivation
Dans ce chapitre, les concepts dalgbre linaire des cha-
pitres prcdents vont tre mis en application. Nous allons d-
crire la technique gnrale de la diagonalisation, qui sera uti-
lise dans ce livre dans le cadre de problmes trs concrets :
lors de ltude de certaines quations direntielles dune part
(dcrite dans le chapitre suivant), et dautre part pour analy-
ser certaines suites rcurrentes. Voyons ce dernier point tout
de suite.
Imaginons une suite de vecteurs (X
n
)
n0
, avec X
n
R
d
, d-
nie par rcurrence de la manire suivante : on se donne X
0
,
on xe une matrice A de dimension d d, et on pose
X
n+1
= AX
n
. (*)
Pour tre trs concret, nous allons prendre un exemple clbre.
Commenons par la suite de Fibonacci (u
n
)
n0
, qui est la suite
de rels dnie par u
0
= u
1
= 1 et u
n+2
= u
n+1
+ u
n
. On peut
317
alors poser pour tout n 0 :
X
n
=
_
u
n
u
n+1
_
R
2
.
On a alors
X
n+1
=
_
u
n+1
u
n+2
_
=
_
u
n+1
u
n+1
+u
n
_
=
_
0 1
1 1
__
u
n
u
n+1
_
= AX
n
,
o Aest la matrice 22 ci-dessus. On est donc bien en prsence
dune suite de la forme (*). Nous allons voir que lon sait bien
mieux tudier (X
n
) que (u
n
). En fait en passant par (X
n
), nous
allons trouver une expression directe pour u
n
en fonction de n,
ce qui nest a priori pas vident du tout.
Commenons par quelques calculs :
X
1
= AX
0
, X
2
= AX
1
= A
2
X
0
, X
3
= AX
2
= A
3
X
0
,
et par rcurrence on obtient immdiatement X
n
= A
n
X
0
. Nous
devons donc calculer les puissances successives de la matrice A.
Par le calcul direct, cest dicile (essayez quelques valeurs de n
pour tenter de deviner la formule).
Soit alors maintenant
P =
_
1+

5
2
1

5
2
1 1
_
.
Do sort cette matrice ? Tout le but de ce chapitre, justement,
et dexpliquer do provient P, et comment la trouver par vous-
mme. Pour linstant, supposons donc que lon ait envie des-
sayer cette matrice, et de calculer P
1
AP. On trouve
P
1
=
_

5
5

5
10
+
1
2

5
5

5
10
+
1
2
_

_
,
puis
P
1
AP =
_

_
1+

5
2
0
0
1

5
2
_

_
.
318
Voil qui nous arrange bien. En eet, la matrice P
1
AP est dia-
gonale, cest--dire que seuls les coecients sur sa diagonale
sont non-nuls ; on peut donc calculer les puissances de cette
matrice sans eort :
(P
1
AP)
n
=
_

_
_
1+

5
2
_
n
0
0
_
1

5
2
_
n
_

_
.
Bien sr ce que nous cherchons, ce sont les puissances de A.
Mais y bien regarder on a :
(P
1
AP)
2
= P
1
APP
1
AP = P
1
A
2
P,
et de mme
(P
1
AP)
3
= P
1
AP(P
1
AP)
2
= P
1
APP
1
A
2
P = P
1
A
3
P.
Par rcurrence on obtient pour tout n :
(P
1
AP)
n
= P
1
A
n
P.
Ainsi la matrice que lon cherche est tout simplement
A
n
= P(P
1
AP)
n
P
1
= P
_

_
_
1+

5
2
_
n
0
0
_
1

5
2
_
n
_

_
P
1
.
Il ny a plus qu multiplier ces trois matrices. Pour le faire sans
douleur, introduisons

1
=
1 +

5
2
,
2
=
1

5
2
,
de sorte que
P =
_

2

1
1 1
_
et P
1
=
1

5
_
1
1
1
2
_
.
En tenant compte de la relation
1

2
= 1, on obtient nale-
ment
A
n
=
1

5
_

n1
1

n1
2

n
1

n
2

n
1

n
2

n+1
1

n+1
2
_
.
319
Rcoltons le fruit de nos eorts, et retournons la suite de Fi-
bonacci. Nous avions
_
u
n
u
n+1
_
= X
n
= A
n
X
0
= A
n
_
1
1
_
.
Sur la premire ligne de cette galit de matrices-colonnes, on
a la relation
u
n
=
1

5
_

n1
1

n1
2
+
n
1

n
2
_
,
ce qui est donc une formule donnant le n-ime nombre de Fi-
bonnaci. Il est remarquable que ce soit un nombre entier, de
ce point de vue. Noter quen utilisant les relations 1 +
1
=
2
1
et 1 +
2
=
2
2
, on peut mme simplier cette expression en
u
n
=
1

5
_

n+1
1

n+1
2
_
.
Pouvez-vous
utiliser cette
expression
pour u
n
an de
calculer la limite
de
u
n+1
u
n
?
Le calcul ci-dessus a t rendu possible par larrive drama-
tique de la matrice P, ayant la proprit que P
1
AP est diago-
nale. Trouver P, tant donne la matrice A, est ce quon appelle
diagonaliser A. Dans ce chapitre nous allons voir comment pro-
cder (lorsque cest possible). Nous aurons besoin dutiliser les
concepts despace vectoriel, dapplication linaire, mais aussi
de dterminant, dvelopps dans les chapitres prcdents. En
un sens, nous voyons une mise en oeuvre de toute cette thorie.
Matrices conjugues
Nous allons commencer par donner des noms aux phno-
mnes observs dans lexemple prcdent. Ce chapitre intro-
duit beaucoup de vocabulaire !
Dfinition 16.1 Deux matrices carres A et B coecients
dans K sont dites conjugues, ou semblables, sil existe une ma-
trice inversible P coecients dans K telle que B = P
1
AP (ou
ce qui revient au mme, A = PBP
1
).
On dit quune matrice A est diagonalisable lorsquil existe
une matrice diagonale D telle que A et D sont conjugues.
320
Exemple 16.2 Nous avons vu ci-dessus que la matrice
A =
_
0 1
1 1
_
et la matrice
D=
_

_
1+

5
2
0
0
1

5
2
_

_
sont conjugues : en eet D= P
1
AP avec
P =
_
1+

5
2
1

5
2
1 1
_
.
En particulier, la matrice A est diagonalisable.
En prsence de deux matrices A et B, il est dicile de sa-
voir si elles sont conjugues, et dans ce chapitre nous allons
apprendre quelques techniques. Voici dj un premier critre
simple.
Lemme 16.3 Si A et B sont conjugues, alors det(A) = det(B).
Dmonstration. En eet, si B = P
1
AP, alors
det(B) = det(P)
1
det(A) det(P) = det(A) .
Exemple 16.4 Dans lexemple prcdent, on a bien det(A) =
det(D) = 1. Par contre les matrices
A =
_
2 3
4 5
_
et B =
_
1 1
1 1
_
ne sont pas conjugues, puisque det(A) = 2 et det(B) = 0.
Aprs le dterminant, voici la trace :
Dfinition 16.5 Soit A = (a
ij
) une matrice carre. La trace
de A, note Tr(A), est la somme des coecients sur la diago-
nale de A.
321
Exemple 16.6 En reprenant les notations de lexemple 16.2,
on a Tr(A) = 0 +1 = 1. Pour D, on obtient
Tr(D) =
1 +

5
2
+
1

5
2
= 1.
On obtient le mme rsultat, et ce nest pas un hasard.
Lemme 16.7 La trace possde les proprits suivantes :
1. Si M et N sont carres, alors Tr(MN) = Tr(NM).
2. Si A et B sont conjugues, alors Tr(A) = Tr(B).
Dmonstration. Pour le (1), on fait un calcul direct. Si M =
(m
ij
)
i,j
et N = (n
k
)
k,
, on trouve en fait
Tr(MN) =

i,k
m
ik
n
ki
= Tr(NM) .
Pour le (2), supposons que B = P
1
AP, et posons M = P
1
,
puis N = AP. Alors
Tr(B) = Tr(MN) = Tr(NM) = Tr(APP
1
) = Tr(A) .
Exemple 16.8 Nous allons pouvoir donner des exemples de
matrices qui ne sont pas diagonalisables. Commenons par
A =
_
1 1
0 1
_
.
Supposons que A soit diagonalisable, donc quil existe une ma-
trice inversible P telle que
P
1
AP =
_

1
0
0
2
_
= D.
On doit alors avoir det(A) = 1 = det(D) =
1

2
, et Tr(A) = 2 =
Tr(D) =
1
+
2
. Nous connaissons donc la somme et le produit
de
1
et
2
, et il est alors facile de trouver ces nombres : lastuce
habituelle est de regarder le polynme
(X
1
)(X
2
) = X
2
(
1
+
2
)X+
1

2
= X
2
2X+1 = (X1)
2
.
322
On en dduit que
1
=
2
= 1. Mais alors, la matrice D nest
autre que la matrice identit ! Par suite
A = P
1
DP = P
1
IdP = P
1
P = Id,
ce qui est absurde puisque A Id. Cette contradiction montre
que P ne peut pas exister, cest--dire que A nest pas diagona-
lisable.
Voyons maintenant la matrice
A =
_
0 1
1 0
_
.
Celle-ci est-elle diagonalisable ? De nouveau, supposons quil
existe P telle que P
1
AP = D, avec D ayant les coecients
1
et
2
sur la diagonale, comme ci-dessus. Cette fois-ci, on doit
avoir
1

2
= det(A) = 1 et
1
+
2
= Tr(A) = 0. Ceci donne
(X
1
)(X
2
) = X
2
+1.
Les nombres
1
et
2
, qui sont des lments de K, doivent donc
tre les racines du polynme X
2
+1. Si K = R, nous avons dj
une contradiction, puisque les racines sont i et i, qui ne sont
pas dans R : on dit que A nest pas diagonalisable sur R.
Mais on peut considrer A comme une matrice de M
2
(C),
coecients complexes, et rechercher P galement coecients
complexes. Dans ce cas on peut prendre
P =
_
1 1
i i
_
, et alors P
1
AP =
_
i 0
0 i
_
.
Donc A est diagonalisable sur C. L encore, nous allons ex-
pliquer dans la suite du chapitre comment trouver cette ma-
trice P, que nous avons sortie de nulle part.
Interprtation laide des applications linaires
La proposition que voici donne des exemples de matrices
conjugues, et en un sens elle les donne mme tous.
323
Proposition 16.9 Soit E un espace vectoriel de dimension nie,
et soit f : E E une application linaire. Soient / et B deux bases
de E. Les matrices de f dans ces bases respectives sont notes
A =
/
[f ]
/
et B =
B
[f ]
B
.
Alors A et B sont conjugues, et plus prcisment on a mme B =
P
1
AP o P est la matrice de passage
P =
/
P
B
.
Rciproquement, si C est une matrice de la mme taille que A, telle
que A et C sont conjugues, alors il existe une base ( de E telle que
C=
(
[f ]
(
.
Dmonstration. Cest la formule du changement de base (pro-
position 13.30), qui arme prcisment que
B
[f ]
B
=
B
P
/
/
[f ]
/
/
P
B
.
Rappelons que si P =
/
P
B
, alors P
1
=
B
P
/
.
Pour la rciproque, soit P telle que C = P
1
AP. Soient e
1
,
e
2
, . . . , e
n
les vecteurs de E dont les coordonnes dans la base /
sont les colonnes de la matrice P. Puisque P est inversible,
ses colonnes forment une base de K
n
(corollaire 11.21), donc
la famille ( = e
1
, . . . , e
n
est une base de E (proposition 11.29).
Daprs la formule du changement de base on a
(
[f ]
(
=
(
P
/
/
[f ]
/
/
P
(
= P
1
AP = C.
Conclusion : deux matrices sont conjugues exactement
lorsquelles reprsentent la mme application linaire dans
deux bases direntes. De nouveau, les techniques matricielles
et le concept dapplication linaire vont senrichir mutuelle-
ment.
Pour diagonaliser, il va tre trs utile de rchir en termes
dapplication linaires. En eet :
324
Proposition 16.10 Soit A M
n
(K), et soit f : K
n
K
n
lap-
plication linaire dnie par A, cest--dire f (v) = Av. Alors A est
diagonalisable il existe une base e
1
, e
2
, . . ., e
n
de K
n
avec la
proprit que f (e
i
) =
i
e
i
pour un certain scalaire
i
K.
Lorsque cest le cas, soit P la matrice dont les colonnes sont les
vecteurs e
i
; on a alors
P
1
AP =
_

1
0 0
0
2
0
0 0
.
.
.
.
.
.
0 0
n
_

_
. (*)
Dmonstration. Soit ( la base canonique de K
n
, de sorte que A =
(
[f ]
(
. Supposons que la base B = e
1
, . . ., e
n
existe avec la pro-
prit ci-dessus, alors par dnition mme de la matrice dune
application linaire, on a
B
[f ]
B
=
_

1
0 0
0
2
0
0 0
.
.
.
.
.
.
0 0
n
_

_
. (**)
Mais daprs la formule du changement de base, on a
B
[f ]
B
=
P
1
AP avec P =
(
[f ]
B
. Donc (*) est vrie, et A est diagonali-
sable.
Rciproquement, si (*) est vrie, on procde lenvers :
on appelle e
1
, . . ., e
n
les colonnes de P, qui forment une base B
puisque P est inversible ; la formule du changement de variable
nous dit que (**) est vrie ; et par dnition mme cela signi-
e que f (e
i
) =
i
e
i
.
De nouveau, ces choses portent des noms classiques :
Dfinition 16.11 Soit f : E E une application linaire. Un
vecteur propre de f est un vecteur v 0 tel que f (v) = v pour
un certain scalaire K. On dit que v et sont associs.
Lorsque K est associ au moins un vecteur propre, on
dit que cest une valeur propre de f .
325
Enn, la valeur propre tant xe, lensemble des v E
tels que f (v) = v est appel lespace propre associ . Nous le
noterons E

.
Notez bien la condition v 0, qui est essentielle ; elle ga-
rantit que v dtermine , puisque v = v entrane bien = ,
lorsque v 0.
Exemple 16.12 Prenons deux vecteurs e
1
, e
2
R
2
qui forment
une base, et posons U = \ect(e
1
), puis V = \ect(e
2
), de sorte
que R
2
= UV. Soit maintenant s la symtrie par rapport U,
dans la direction V.
Par dnition, on a s(e
1
) = e
1
, donc e
1
est un vecteur propre
de s associ la valeur propre 1. De mme s(e
2
) = 1, donc e
2
est un vecteur propre de s associ la valeur propre 1. Enn,
en crivant B = e
1
, e
2
, on a
B
[s]
B
=
_
1 0
0 1
_
,
et cette matrice est diagonale. Par suite, la matrice de s dans
nimporte quelle base est de la forme
P
1
_
1 0
0 1
_
P,
cest--dire quelle est diagonalisable.
Nous pouvons compltement terminer les calculs prsents
dans lintroduction de ce chapitre :
Exemple 16.13 Retournons la matrice
A =
_
0 1
1 1
_
de lintroduction (et de lexemple 16.2). Pour trouver (seuls !)
une matrice P telle que
P
1
AP =
_

1
0
0
2
_
,
326
on utilise dabord la mme astuce que dans lexemple 16.8 : on
doit avoir
1
+
2
= Tr(A) = 1 et
1

2
= det(A) = 1. Donc
(X
1
)(X
2
) = X
2
(
1
+
2
)X+
1

2
= X
2
X1.
Ainsi,
1
et
2
sont les racines du polynme X
2
X1 ; suppo-
sons quon les ait numrotes de la faon suivante :

1
=
1 +

5
2
,
2
=
1

5
2
.
On comprend dj mieux do provenaient ces

5 !
Maintenant, soit f lapplication f (v) = Av, comme dans
la proposition 16.10. Cherchons les vecteurs propres associs

1
: cest un calcul de systme linaire. En eet, lqua-
tion f (v) =
1
v scrit
_
0 1
1 1
__
x
y
_
=
1
_
x
y
_
, en posant v =
_
x
y
_
.
Ceci donne le systme
_

1
x + y = 0
x + (1
1
)y = 0
et en faisant L
2
L
2
+
1

1
L
2
on obtient 0 = 0 sur la deuxime
ligne. Lensemble des solutions est donc dcrit par la seule
quation
1
x +y = 0, on peut prendre y comme paramtre, et
on constate que lon a un espace vectoriel de dimension 1, avec
comme base par exemple (en prenant y = 1) le vecteur
e
1
=
_
1

1
1
_
=
_

2
1
_
.
En procdant de la mme manire pour
2
, on montre que les-
pace propre associ, cest--dire lensemble des vecteurs tels
que f (v) =
2
v, est un espace de dimension 1 avec pour base
le vecteur
e
2
=
_

1
1
_
.
327
Il se trouve que e
1
, e
2
est une base de R
2
, comme on le voit
tout de suite. Si alors P est la matrice dont les colonnes sont e
1
et e
2
, la proposition 16.10 nous dit que P
1
AP est la matrice
diagonale annonce. Voici comment on tait venu bout de la
suite de Fibonacci.
Le polynme caractristique
Nous savons dsormais diagonaliser les matrices 2 2, du
moins lorsque cest possible, en procdant comme nous lavons
fait dans lexemple 16.13. Ce qui semble nous empcher de
faire de mme avec des matrices quelconques, cest que lon
ne sait pas a priori quelles sont les valeurs propres poten-
tielles, alors que pour les 2 2 on exploite lastuce de cal-
cul (X
1
)(X
2
) = X
2
Tr(A)X + det(A). Il se trouve quil
existe un polynme jouant le mme rle pour les matrices de
nimporte quelle taille.
Proposition 16.14 Soit A M
n
(K), et f lapplication f (v) = Av.
Alors est valeur propre de f det(AId) = 0.
Lexpression det(A Id) est un polynme en , que lon
appelle le polynme caractristique de A(ou de f ). On le note
A
,
ou
f
.
Dmonstration. Cette dmonstration est facile en soi, mais il
est intressant de noter la quantit de rsultats non-triviaux
des chapitres prcdents qui entrent en jeu.
Pour K, notons f Id lapplication dnie par (f
Id)(v) = f (v)v. Alors par dnition est une valeur propre
de f il existe v 0 tel que (f Id)(v) = 0 ker(f Id)
0.
Daprs la proposition 13.39, cette condition quivaut dire
que f Id nest pas injective. Daprs le thorme du rang (ou
plus prcisment le corollaire 13.44), ceci quivaut encore
dire que f Id nest pas bijective.
Daprs la proposition 13.34, ceci revient armer que la
matrice de f Id dans la base canonique nest pas inversible.
Or cette matrice est A Id, et nalement la proposition 7.5
arme que cette condition se ramne det(AId) = 0.
328
Exemple 16.15 Prenons une matrice 2 2 :
A =
_
a b
c d
_
.
Le polynme caractristique est alors

A
= det(AId) = det
__
a b
c d
_

_
0
0
__
=

a b
c d

=
2
(a +d) +(ad bc) ,
ce qui donne dans ce cas particulier

A
=
2
Tr(A) +det(A) .
On retrouve donc le polynme de degr 2 qui tait apparu dans
nos calculs avec les matrices 2 2.
Exemple 16.16 Prenons maintenant
A =
_

_
6 2 1
6 1 2
0 0 3
_

_
.
Le polynme caractristique est donn par :

A
=

6 2 1
6 1 2
0 0 3

= (3 )

6 2
6 1

= (3 )(
2
5 +6) = ( 3)
2
( 2) .
Les valeurs propres sont donc 2 et 3, et on dit que 3 a une mul-
tiplicit de 2 puisque le polynme caractristique a (3)
2
en
facteur.
Examinons les vecteurs propres. Pour trouver ceux asso-
cis la valeur propre 2, on rsoud comme dhabitude le sys-
tme Av = 2v. Faites le calcul, vous trouverez un espace de di-
mension 1, avec pour base par exemple
e
1
=
_

_
3
2
0
_

_
.
329
Pour la valeur propre 3, on rsoud Av = 3v. Lensemble des
solutions est de dimension 2, avec pour base par exemple
e
2
=
_

_
2
1
0
_

_
et e
3
=
_

_
1
1
1
_

_
.
(Vriez ceci.)
Il se trouve que e
1
, e
2
, e
3
est une base de R
3
. Nous avons
donc une base de vecteurs propres, ce qui signie que A est
diagonalisable. Plus prcisment, si P est la matrice dont les
colonnes sont e
1
, e
2
, e
3
, on sait sans calcul supplmentaire que
A = P
1
_

_
2 0 0
0 3 0
0 0 3
_

_
P.
Donnons quelques prorits gnrales du polynmes carac-
tristique.
Proposition 16.17 Soient A et B des matrices de M
n
(K).
1. Si A et B sont conjugues, alors
A
=
B
.
2. Si Aest diagonalisable, alors son polynme caractristique
A
est scind sur K.
Rappelons quun polynme en est dit scind si cest un
produit de facteurs de degr 1, cest--dire sil est de la forme
c(
1
)(
2
) (
n
) .
Dmonstration. Si B = P
1
AP alors
P
1
(AId)P = P
1
APP
1
P = AId,
donc BId et AId sont conjugues. Elles ont donc le mme
dterminant, ce qui donne le (1).
Pour le (2), on utilise le (1) dans le cas o B est diagonale.
On a alors

A
=
B
=

1
0 0
0
2
0
0 0
.
.
.
.
.
.
0 0
n

= (
1
) (
n
) .
330
Donc
A
est bien scind dans ce cas.
Compter les vecteurs propres
Nous avons essentiellement dcrit toutes les tapes nces-
saires pour diagonaliser une matrice. Mais on peut faire une
remarque supplmentaire qui va nous simplier la tche.
Aprs avoir trouv des vecteurs propres pour les diverses
valeurs propres, nous devons vrier si lon peut trouver une
base complte, forme de ces vecteurs propres. Il sensuit un
travail de vrication, pour savoir si certaines familles sont
libres. Vous aurez peut-tre remarqu que dans les exemples
jusqu prsent, on navait jamais de mauvaise surprise : ce nest
pas un hasard, comme nous allons le montrer.
Commenons par
Lemme 16.18 Soit f : E E une application linaire, et soit e
1
,
. . . , e
n
une famille de vecteurs propres de f . On suppose que e
i
est
associ
i
, et que les nombres
1
, . . . ,
n
sont distincts.
Alors la famille e
1
, . . . , e
n
est libre.
Dmonstration. Par rcurrence sur n, le rsultat tant vident
pour n = 1 (un vecteur propre est non-nul par dnition).
Supposons donc que lon ait n + 1 vecteurs propres, et une
combinaison linaire nulle, disons

1
e
1
+ +
n+1
e
n+1
= 0. (*)
Appliquons f aux deux membres de (*) ; en utilisant f (e
i
) =

i
e
i
, il vient

1
e
1
+ +
n+1

n+1
e
n+1
= 0. (**)
Multiplions (*) par
n+1
, et retranchons le rsultat (**) ; il
vient
(
1

n+1
)
1
e
1
+ (
n

n+1
)
n
e
n
= 0.
Par rcurrence, tous les coecients de cette combinaison li-
naire sont nuls, donc (
i

n+1
)
i
= 0 pour 1 i n. Comme

i

n+1
0 par hypothse, on en tire
i
= 0 pour ces valeurs
de i. Ensuite il est clair que
n+1
= 0 galement, et la famille est
donc libre.
331
Du coup, lentreprise de diagonalisation sen trouve simpli-
e : en deux mots, lorsque lon runit des bases des dirents
espaces propres, on obtient une famille qui est automatique-
ment libre. Si elle comporte susamment de vecteurs, et seule-
ment dans ce cas, on a russi diagonaliser. Plus prcisment :
Proposition 16.19 Soit A M
n
(K), et soit f lapplication li-
naire associe. Soient
1
,
2
, . . . ,
m
les racines distinctes du poly-
nme caractristique de A.
Pour chaque
i
, soit n
i
la dimension de lespace propre asso-
ci ker(f
i
Id), et soit
e
i1
, e
i2
, . . . , e
in
i
une base de cet espace.
Alors A est diagonalisable si et seulement si
m

i=1
n
i
= n.
Lorsque cest le cas, la famille comprenant tous les vecteurs e
ij
est
une base de K
n
, forme de vecteurs propres de f .
Dmonstration. Montrons que la famille forme de tous les e
ij
est libre. Si on a une combinaison linaire nulle de la forme

i,j

i,j
e
ij
= 0,
alors on pose e
i
=

j

i,j
e
ij
. On a f (e
i
) =
i
e
i
(puisque chaque e
ij
est un vecteur propre associ
i
). De plus on a e
1
+e
2
+ +e
m
=
0.
Cette relation donnerait une contradiction au lemme pr-
cdent, moins que tous les vecteurs e
i
soient nuls (et ne
sont donc pas des vecteurs propres). On a donc e
i
= 0 et donc
chaque
i,j
= 0 puisque la famille e
i1
, e
i2
, . . . , e
in
i
est libre.
Comme annonc, la famille forme de tous les e
ij
est libre.
Elle comporte

i
n
i
lements, donc si

i
n
i
= n = dimK
n
, cest
une base. Dans ce cas, on est en prsence dune base forme de
vecteurs propres, donc A est diagonalisable.
332
Pour nir, supposons que

i
n
i
< n. Un vecteur propre v
de f doit appartenir un ker(f
i
Id) pour un certain i, donc
en particulier v \ect(e
ij
). Mais lespace \ect(e
ij
) est de dimen-
sion

i
n
i
< n, et il ne peut pas contenir une base de K
n
. Donc
il nexiste pas de base de K
n
forme de vecteurs propres de f ,
et A nest pas diagonalisable.
En particulier, on a le rsultat suivant, tonnament simple :
Corollaire 16.20 Soit A M
n
(K). Si le polynme caractris-
tique de A possde n racines distinctes dans K, alors A est diago-
nalisable.
Dmonstration. Soient
1
, . . . ,
n
les valeurs propres (distinctes).
Chaque espace ker(f
i
Id) est 0, par dnition, donc il est
de dimension 1. Ainsi, la somme

i
n
i
du corollaire prc-
dent est n ; mais bien sr cette somme est aussi n puisque
lon a vu que cest le nombre de vecteurs dans une certaine
famille libre.
Finalement

i
n
i
= n, donc A est diagonalisable (et de plus
chaque n
i
= 1).
Lorsque lon souhaite montrer quune matrice est diagona-
lisable, mais que lon na pas besoin de trouver expressment
les vecteurs propres, ce corollaire est videmment idal. Nous
verrons une application dans le chapitre sur les quations dif-
frentielles.
Avant de donner des exemples dutilisation de ces derniers
rsultats, nous allons rsumer la mthode dveloppe dans ce
chapitre.
Rsum
Soit A M
n
(K), soit f : K
n
K
n
lapplication linaire d-
nie par f (v) = Av. Pour tenter de diagonaliser A, on suit les
tapes suivantes.
1. On calcule le polynme caractristique
A
= det(AId),
et on trouve ses racines
1
, . . . ,
m
dans K.
Si
A
nest pas scind, alors A nest pas diagonalisable,
et on sarrte.
333
Si
A
est scind, on passe ltape suivante. Si les va-
leurs propres sont distinctes, on sait dj que Aest dia-
gonalisable.
2. Pour chaque
i
, on calcule une base de ker(f
i
Id). On
en dduit sa dimension n
i
.
Si

i
n
i
< n, la matrice A nest pas diagonalisable, et on
sarrte.
Si

i
n
i
= n, la matrice est diagonalisable, et on passe
ltape suivante.
3. Soit e
i1
, e
i2
, . . . , e
in
i
une base de ker(f
i
Id). Alors la
runion de tous ces vecteurs est une base de K
n
. Soit P la
matrice dont les colonnes sont, dans lordre :
e
11
, . . . , e
1n
1
, . . . , e
m1
, . . . , e
mn
m
.
Alors sans calcul supplmentaire on sait que
P
1
AP =
_

1
0 0 0
.
.
.
.
.
.
0 0 0 0
0 0
1
0 0 0
0 0 0
2
0 0
.
.
. 0 0 0
.
.
.
0
0 0 0 0 0
2

.
.
. 0 0 0
.
.
.
.
.
.
.
.
.
_

_
.
droite on a une matrice diagonale, o
1
apparat n
1
fois, puis
2
apparat n
2
fois, etc.
Exemple 16.21 Prenons
A =
_

_
1 1 3
2 3 2
3 1 1
_

_
.
Le calcul du polynme caractristique donne

A
=
3
+5
2
+2 24.
334
Selon la faon de calculer le dterminant, ce polynme peut
vous apparatre factoris, ce qui est videmment une bonne
chose pour calculer les racines. En rgle gnrale, les opra-
tions sur les lignes ou les colonnes, plutt que les dveloppe-
ments, on tendance produire des polynmes factoriss.
Mais admettons que nous ayons obtenu le polynme sous
la forme ci-dessus. Il faut trouver une racine vidente . Dans
cette situation, il est souvent utile de revenir la matrice : nest-
il pas clair que si on ajoute 2 sur la diagonale de A, alors la
premire colonne devient gale la troisime ? Donc det(A +
2Id) = 0, ce qui signie que 2 est valeur propre, et
A
(2) = 0.
On termine ensuite facilement la factorisation :

A
= ( +2)(
2
7 +12) = ( +2)( 4)( 3) .
Les valeurs propres sont 2, 4 et 3. On a trois valeurs
propres distinctes, donc on sait que la matrice est diagonali-
sable. (Ceci conclut ltape 1).
Avant de poursuivre les calculs, dressons la liste de ce que
nous pouvons dj prvoir. Nous allons trouver des vecteurs e
1
,
e
2
et e
3
, vecteurs propres associs 2, 4 et 3 respectivement ;
ces vecteurs vont former une base de R
3
, automatiquement.
Soit P la matrice dont les colonnes sont e
1
, e
2
, e
3
. Alors
P
1
AP =
_

_
2 0 0
0 4 0
0 0 3
_

_
.
Ce sont les conclusions de ltape 3. Si les valeurs propres
navaient pas t distinctes, on naurait pas pu prvoir le r-
sultat de ltape 2.
Cette tape 2 reste faire, de toute faon. Pour la valeur
propre 2 par exemple, on cherche ker(f +2Id) ce qui revient
rsoudre
_

_
3x y + 3z = 0
2x + 5y + 2z = 0
3x + y + 3z = 0
En quelques tapes on constate que ce systme quivaut aux
quations y = 0 et x + z = 0. En prenant z = 1 par exemple, on
335
obtient
e
1
=
_

_
1
0
1
_

_
.
De la mme manire, on obtient
e
2
=
_

_
1
5
1
_

_
, e
3
=
_

_
1
12
5
_

_
.
Deuxime lecture
Trigonalisation
Nous lavons vu, la diagonalisation ne fonctionne pas tou-
jours. dfaut de pouvoir diagonaliser, on tente parfois de tri-
gonaliser.
Dfinition 16.22 Une matrice carre est dite triangulaire (su-
prieure) lorsque les coecients sous la diagonale sonts nuls.
On dit quune matrice carre A est trigonalisable lorsquelle
est conjugue une matrice triangulaire, cest--dire lorsquil
existe P telle que P
1
AP est triangulaire.
Exemple 16.23 La matrice
A =
_
3 1
0 3
_
est triangulaire (donc trigonalisable !). On peut voir facilement
quelle nest pas diagonalisable : en eet
A
= ( 3)
2
, donc
la seule valeur propre est 3, et lespace propre correspondant
nest que de dimension 1.
Il est quand mme possible de faire des calculs avec A, par
exemple de calculer A
n
, mme si cest plus dicile que pour
une matrice diagonale. Posons
D=
_
3 0
0 3
_
et N =
_
0 1
0 0
_
,
336
de sorte que A = D+ N. On a N
2
= 0, ce qui va grandement
nous aider. Notons galement que DM = MD = 3M pour toute
matrice M. On peut donc calculer
A
2
= (D+N)
2
= (D+N)(D+N) = D
2
+ND+DN+N
2
= D
2
+6N.
De mme
A
3
= (D
2
+6N)(D+N) = D
3
+6ND+D
2
N+6N
2
= D
3
+18N+9N = D
3
+27N.
Visiblement A
n
est de la forme D
n
+ a
n
N. On a a
2
= 6 = 2 3
et a
3
= 27 = 3 3
2
. Supposons que a
n
= n3
n1
, alors
A
n+1
= (D
n
+n3
n1
N)(D+N) = D
n+1
+(n +1)3
n
N.
Par rcurrence, ceci montre que a
n
= n3
n1
pour tout n (dans
les exercices nous verrons une autre mthode pour trouver
cette expression pour a
n
, sans avoir deviner ). Finalement
la matrice A
n
vaut
D
n
+n3
n1
N =
_
3
n
0
0 3
n
_
+3
n1
_
0 1
0 0
_
=
_
3
n
n3
n1
0 3
n
_
.
Lorsquune matrice est triangulaire, avec
1
,
2
, . . .,
n
sur
la diagonale, son polynme caractristique est (
1
)(
2

) (
n
). En particulier il est scind ; toute matrice dont
le polynme caractristique nest pas scind ne peut donc pas
tre trigonalisable.
Sur C, tous les polynmes sont scinds daprs le thorme
fondamental de lalgbre, donc on ne risque pas de trouver de
matrices non-trigonalisables en procdant comme a. Et en fait,
il ny en a pas ! En eet :
Proposition 16.24 Soit A M
n
(C). Alors A est trigonalisable.
Dmonstration. On va procder par rcurrence sur n (pour n =
1 il ny a rien prouver).
Soit
A
le polynme caractristique de A. Comme on est
sur C, ce polynme possde au moins une racine, disons
1
.
337
Si f est lapplication f (v) = Av, alors par dnition, on a donc
un vecteur propre e
1
tel que que f (e
1
) =
1
e
1
.
Daprs le thorme de la base incomplte, on peut trouver
une base B =e
1
, e
2
, . . ., e
n
de C
n
dont le premier vecteur est e
1
.
La matrice de f dans la base B est de la forme
B
[f ]
B
=
_

1

0
.
.
.
0
A

_
,
o A

est une matrice (n 1) (n 1) (et est un coecient

quelconque).
Par rcurrence, il existe une matrice inversible Q telle que
la matrice T

= Q
1
A

Q est triangulaire. Posons alors

P =
_

_
1 0 0
0
.
.
.
0
Q
_

_
.
Linverse de P est de la mme forme, avec Qremplace par Q
1
.
Un petit calcul montre alors que
P
1
B
[f ]
B
P =
_

1

0
.
.
.
0
Q
1
A

Q = T

_
.
En particulier cette matrice est triangulaire, puisque T

lest ;
notons-la T, de sorte que
B
[f ]
B
= PTP
1
.
Enn, notons ( la base canonique, ce qui permet dcrire A =
(
[f ]
(
. Notons galement R =
B
P
(
. La formule du changement
de base nous dit que
A = R
1
B
[f ]
B
R = R
1
PTP
1
R = S
1
TS,
avec S = P
1
R. Ainsi, la matrice A est bien conjugue la ma-
trice triangulaire T.
338
Le thorme montre donc quil existe P telle que
P
1
AP =
_

2

.
.
.
.
.
.

n
_

_
.
Le polynme caractristique de A est donc
(
1
) (
n
) ,
et les nombres
i
sont les valeurs propres de A. On observe
alors que
1
+
2
+ +
n
= Tr(A), et
1

2

n
= det(A), for-
mules que nous connaissions pour n = 2. En dautres termes :
Corollaire 16.25 La somme des valeurs propres dune matrice
complexe, comptes avec leurs multiplicits, est gale sa trace ; le
produit de ces valeurs propres est gale son dterminant.
On a une notion vidente de matrice triangulaire infrieure,
lorsque les coecients au-dessus de la diagonale sont nuls. On
dduit du thorme prcdent que :
Corollaire 16.26 Toute matrice complexe est conjugue une
matrice triangulaire infrieure.
Dmonstration. On applique le thorme la matrice trans-
pose
t
A : il existe donc P telle que T = P
1
(
t
A)P est trian-
gulaire suprieure. En transposant, on obtient
t
PA
t
P
1
=
t
T.
Posant Q =
t
P
1
, on a bien montr que Q
1
AQ =
t
T tait trian-
gulaire infrieure.
Approximations
laide de la proposition 16.24, on peut montrer que la
plupart des matrices sont diagonalisables. Plus prcisment,
nous allons montrer :
Proposition 16.27 Soit A une matrice coecients complexes.
Alors il existe une suite (A
n
)
n0
de matrices diagonalisables, telle
que
A
n

n
A.
339
Rappelons un peu ce que la convergence signie. Si A
M
N
(C), alors chaque A
n
M
N
(C) ; dire que A
n
converge vers A
signie que les N
2
coecients de A
n
convergent les N
2
coe-
cients de A. Mais on peut identier une matrice de M
N
(C) avec
un vecteur de C
N
2
(ou encore de R
4N
2
, en voyant C comme R
2
),
et penser la convergence en termes de norme comme dans la
proposition 4.28, si lon prfre.
Cette proposition est rapprocher de ce que font les ordi-
nateurs lorsquils eectuent des calculs numriques approchs.
tant donne une matrice coecients rels ou complexes, et
quelle que soit la prcision requise, un ordinateur (auquel on
ne demande pas explicitement de faire des calculs exacts) va
toujours annoncer quelle est diagonalisable (sur C). Concr-
tement, les valeurs propres, dont seule une valeur approche
sera calcule, seront toujours considres comme distinctes, et
dans ce cas on a le corollaire 16.20.
Cest cette mme ide qui va guider la dmonstration.
Dmonstration. Daprs la proposition 16.24, on peut trouver P
telle que P
1
AP est triangulaire ; utilisons les notations sui-
vantes :
T = P
1
AP =
_

2

.
.
.

N
_

_
. ()
Soit maintenant T
n
obtenue en prenant les coecients de T
mais avec les changements suivants sur la diagonale :
T
n
=
_

1
+
1
n

2
+
2
n

.
.
.

N
+
N
n
_

_
.
(Les coecients sont les mmes que dans () ; seule la dia-
gonale est change.) Donc sur la ligne i on rencontre le coe-
cient
i
=
i,n
=
i
+
i
n
.
Nous allons voir que les coecients
i
sont tous distincts,
pour n susamment grand. En eet, si i et j sont deux indices,
340
alors nous avons deux cas considrer : dabord, si
i
=
j
,
alors
i

j
=
ij
n
0 si i j ; si par contre
i

j
, alors
puisque
i
converge vers
i
, et
j
converge vers
j
, il est clair
que
i

j
ds que n est susamment grand.
Daprs le corollaire 16.20, la matrice T
n
est diagonalisable,
pour tous les n susamment grands. Or il est clair que
T
n

n
T et que PT
n
P
1

n
PTP
1
= A.
Enn, nous notons que PT
n
P
1
est diagonalisable pour n su-
samment grand, comme T
n
.
341
Chapitre 17
quations
direntielles linaires
Premire lecture
Une quation direntielle est une quation dans laquelle
linconnue est une fonction, souvent note y dans ce chapitre.
Par exemple, si f est une fonction quelconque, on peut consi-
drer lquation direntielle trs simple
y

= f ,
dont les solutions sont les primitives de f . Nous avons tu-
di cette quation dans le chapitre sur les intgrales. Autre
exemple : lquation
y

= y
a pour solutions (dnies sur R) les fonctions de la forme y(x) =
ce
x
avec c R, et aucune autre. Nous avons vu ce rsultat
loccasion du lemme 10.4, et nous allons le redmontrer sous
peu.
Dans ce chapitre, nous donnons un certain nombre de re-
cettes pour rsoudre des quations bien particulires, qui sont
parmi celles que lon rencontre le plus souvent. Nous aurons
besoin du calcul de primitives, et aussi de lalgbre linaire
342
pour les quations les plus compliques. Dans le chapitre sui-
vant, nous donnerons quelques rsultats gnraux, notamment
sur lexistence et lunicit des solutions. Cette thorie gnrale
nest pas ncessaire pour linstant.
quations linaires dordre 1
Ce sont les quations de la forme
y

(x) = a(x)y(x) +b(x) . (E)

Lquation homogne associe est
y

(x) = a(x)y(x) . (H)

En gnral on a une restriction x I, o I R est souvent un
intervalle (voir les exemples ci-dessous).
La proposition suivante justie ladjectif linaire :
Proposition 17.1 Lensemble S
H
des solutions de lquation ho-
mogne est un espace vectoriel.
De plus, si y
0
est une solution particulire de lquation (E),
alors nimporte quelle solution y
1
de (E) peut scrire
y
1
= y
0
+y
o y est solution de (H).
Notons une chose : on peut considrer les solutions y va-
leurs dans R, ou bien celles valeurs dans C. Lespace vecto-
riel S
H
est lui-mme rel ou complexe selon le choix que lon
fait. La thorie est la mme dans les deux cas (alors que dans la
suite du chapitre, vous serez peut-tre surpris de voir que lon
travaille avec C en gnral).
Dmonstration. Si y et z sont des solutions de (H) alors on cal-
cule tout simplement
(y +z)

= y

+z

= ay +az = a(y +z) ,

donc y + z S
H
. On vrie galement facilement que si y S
H
et si est un scalaire, alors y S
H
. Donc S
H
est un espace
343
vectoriel. (En langage plus savant : lapplication y y

ay est
linaire, et S
H
est son noyau.)
Pour la deuxime partie, soient y
0
et y
1
deux solutions de
(E), alors
(y
1
y
0
)

= y

1
y

0
= (ay
1
+b) (ay
0
+b) = a(y
1
y
0
) ,
donc la fonction y = y
1
y
0
est bien solution de (H).
Nous connaissons donc la structure de lensemble des solu-
tions de (E), et lon est pouss commencer par rsoudre (H).
Cest assez facile.
Voyons dabord lide intuitive (qui va aussi servir de moyen
mnmotechnique). On souhaite rsoudre lquation y

= ay. On
a bien envie dcrire
y

y
= a, (*)
mais alors il faut se restreindre aux fonctions y qui ne san-
nulent pas. Ceci tant, on peut intgrer les deux membres de
lquation (*), pour peu que a soit continue. Il vient
_
x
x
0
y

(t) dt
y(t)
= [lny(t)]
x
x
0
=
_
x
x
0
a(t) dt .
Ici nous avons suppos que y tait dnie sur un intervalle I
contenant x
0
et x. On va rcrire un peu cette galit. Posons
(x) =
_
x
x
0
a(t) dt ,
de sorte que lon a
lny(x) = (x) +c
0
,
o c
0
est une constante. Il vient
y(x) = e
(x)
e
c
0
.
Dbarrassons-nous de cette valeur absolue. On a suppos que y
ne sannulait pas, et tait dnie sur un intervalle ; de plus,
344
on suppose ds le dpart que y est drivable donc continue.
Daprs le thorme des valeurs intermdiaires, y ne change
pas de signe. On a donc ou bien y(x) = y(x) pour tout x I, ou
bien y(x) = y(x) pour tout x. En posant c = |e
c
0
, on en conclut
que
y(x) = ce
(x)
, (**)
pour une certaine constante c, et pour tout x I.
Nous avons donc montr que les solutions de (H) qui ne
sannulent pas sur un intervalle I sont de la forme (**). On ima-
gine assez dicilement comment une solution pourrait san-
nuler, et prendre la forme (**) l o elle ne sannule pas. Cest
en eet impossible, comme le montre le rsultat suivant.
Proposition 17.2 Supposons que a est continue sur un inter-
valle I, et que y est une solution dnie sur I de lquation
y

(x) = a(x)y(x) (x I)
Alors il existe une constante c telle que
y(x) = ce
(x)
,
o est une primitive de a, cest--dire que

= a. Rciproquement
pour tout c cette expression donne une solution.
Notez que maintenant que nous avons pressenti ce rsultat,
nous en donnons une dmonstration compltement dtourne
(et trs ecace).
Dmonstration. Soit une telle primitive, qui existe puisque a
est continue. Considrons la fonction f dnie sur I par f (x) =
y(x)e
(x)
. Alors
f

(x) = y

(x)e
(x)

(x)y(x)e
(x)
= (a(x)y(x)a(x)y(x)) e
(x)
= 0.
Donc la fonction f est constante sur lintervalle I, disons f (x) =
c. Do le rsultat (la rciproque est vidente).
En particulier, la seule fonction qui sannule est obtenue en
prenant c = 0, et alors y est la fonction nulle.
345
Exemple 17.3 Si on revient lquation y

= y sur I = R, la
proposition nous dit que ses solutions sont de la forme y(x) =
ce
x
, comme on le savait.
Exemple 17.4 Considrons maintenant y

(x) = xy(x), sur I =

R. Pour se rappeler lnonc de la proposition, il est trs cou-
rant de refaire les premires tapes du calcul que nous avons
fait en prliminaire. On crit donc
y

(x)
y(x)
= x,
do
lny(x) =
x
2
2
+ constante,
puis
y(x) = ce
x
2
2
.
(On retient que la valeur absolue est passe dans c .)
Trouver une solution particulire
Nous savons dsormais rsoudre (H). Pour rsoudre (E),
reste trouver une solution de (E), et appliquer la proposi-
tion 17.1. cette n, il existe un principe gnral, qui servira
dans tout le chapitre (et mrite dtre tent avec nimporte
quelle quation direntielle). Cette mthode porte le nom
troublant de variation des constantes.
Le principe est le suivant. Aprs avoir trouv les solutions
de lquation homogne, on constate quelles scrivent avec
un certain nombre de paramtres (les constantes ). On peut
alors essayer de trouver une solution de lquation gnrale en
remplaant ces paramtres par des fonctions (donc en les fai-
sant varier ).
Cest une recette assez vague, qui sapplique dans de nom-
breuses situations. Dans le cas des quations linaires dordre
1, les choses sont trs simples. Les solutions de (H) sont de la
forme y(x) = ce
(x)
. Pour trouver une solution de (E), on peut
alors essayer une fonction de la forme y(x) = c(x)e
(x)
.
346
Exemple 17.5 Cherchons une fonction y telle que
y

(x) = y(x) +1 (E)

On a vu que les solutions de y

(x) = y(x) sont de la forme y(x) =

ce
x
; daprs le principe de variation de la constante, on a intrt
chercher une solution sous la forme y(x) = c(x)e
x
.
Une astuce est
possible ici : on
note que si y est
solution de (E),
alors la fonction
z(x) = y(x) +1
vrie z

= z.
On a alors y

(x) = c

(x)e
x
+ c(x)e
x
= (c

(x) + c(x))e
x
. Si nous
remplaons y

par sa valeur dans (E), on trouve

(c

(x) +c(x))e
x
= c(x)e
x
+1,
ce qui revient c

(x)e
x
= 1 ou encore c

(x) = e
x
. On en d-
duit c(x) = e
x
+ constante ; comme on cherche juste une so-
lution (et non pas toutes les solutions), on prend la constante
gale 0. Finalement c(x) = e
x
, et y(x) = e
x
e
x
= 1. La fonc-
tion constante gale 1 est solution de (E), comme on aurait
pu le remarquer tout de suite !
Pour nir le travail, appliquons la proposition 17.1. Elle
arme que la solution gnrale de (E) (selon lexpression
consacre) et de la forme 1 +ce
x
, avec c R.
Dans le cas qui nous proccupe des quations linaires
dordre 1, on a en fait le rsultat suivant.
Lemme 17.6 Pour les quations linaires dordre 1, la mthode de
la variation de la constante fonctionne toujours, et se ramne un
calcul de primitive.
Cest pourquoi vous entendrez les gens parler dintgrer
une quation direntielle, au lieu de la rsoudre .
Dmonstration. Les solutions de y

= ay, lorsque a est continue,

sont de la forme y(x) = ce
(x)
, o

(x) = a(x). Cherchons une

solution de lquation y

= ay +b sous la forme y(x) = c(x)e

(x)
.
On a y

(x) = (c

(x) +a(x)c(x))e
(x)
= a(x)y(x) +c

(x)e
(x)
. Donc
lquation y

= ay +b revient c

(x)e
(x)
= b(x), ou encore c

(x) =
b(x)e
(x)
. On sest donc bien ramen calculer une primitive
de b(x)e
(x)
.
347
Exemple 17.7 Prenons lquation
y

(x) =
y(x)
1 +x
2
+e
arctan(x)
. (E)
Commenons par lquation homogne
y

(x) =
y(x)
1 +x
2
(H)
qui donne
y

(x)
y(x)
=
1
1 +x
2
,
do
lny(x) = arctan(x) +c,
et
y(x) = ce
arctan(x)
.
Maintenant, cherchons une solution particulire de (E),
sous la forme y(x) = c(x)e
arctan(x)
. On peut faire un calcul di-
rect de y

et remplacer dans (E) ; on peut aussi si lon prfre

retenir la formule obtenue dans la dmonstration du lemme ;
enn on peut aussi redmontrer rapidement le lemme, lorsque
le cas gnral est plus clair que le cas particulier considr
(driver c(x)e
arctan(x)
nest pas tellement plus agrable que d-
river c(x)e
(x)
). Bref, on constate que y(x) = c(x)e
arctan(x)
est so-
lution de (E) lorsque
c

(x) = e
arctan(x)
e
arctan(x)
= 1.
On prend donc c(x) = x, et alors y(x) = xe
arctan(x)
. On peut vri-
er rapidement que cest bien une solution de (E).
La solution gnrale de (E) est alors
y(x) = xe
arctan(x)
+ce
arctan(x)
,
o c est une constante.
348
quations linaires dordre suprieur
Sans se restreindre lordre 1, une quation direntielle li-
naire est par dnition de la forme
y
(n+1)
(x) = a
n
(x)y
(n)
(x) + +a
0
(x)y(x) +b(x) . (E)
Lquation homogne associe, sans surprise, est
y
(n+1)
(x) = a
n
(x)y
(n)
(x) + +a
0
(x)y(x) . (H)
La structure gnrale des solutions ne change pas :
Lemme 17.8 La proposition 17.1 est valable pour les quations
dordre suprieur.
Dmonstration. Si y est une fonction drivable n+1 fois sur un
ensemble I, alors on note D(y) la fonction
D(y) = y
(n+1)
a
n
y
(n)
a
0
y;
alors D(y) est encore une fonction dnie sur I. On vrie tout
de suite que D(y + z) = D(y) + D(z) et D(y) = D(y) si est
une constante. Comme S
H
est lensemble des fonctions y telles
que D(y) = 0, on voit de suite que cest un espace vectoriel.
En dautres termes, on peut voir D comme une applica-
tion E F o Eest lespace vectoriel des fonctions drivables n+
1 fois sur I, et F est lespace vectoriel de toutes les fonctions
sur I ; alors S
H
= ker(D), cest donc un espace vectoriel.
Nous avons vu comment rsoudre les quations dordre 1
dans le dbut du chapitre. Il y a un autre cas particulier que
lon sait traiter : celui des quations coecients constants ,
cest--dire de la forme
y
(n+1)
(x) = a
n
y
(n)
(x) + +a
0
y(x) +b(x) , (E)
lquation homogne associe tant
y
(n+1)
(x) = a
n
y
(n)
(x) + +a
0
y(x) . (H)
349
On commence par une remarque simple : il est facile de
trouver des solutions de la forme y(x) = e
x
. En eet dans ce cas
on a y

(x) = e
x
, puis y

(x) =
2
e
x
, et on voit immdiatement
que y
(k)
(x) =
k
e
x
pour tout k 0. Si nous insrons ceci dans
lquation (H), on obtient

n+1
e
x
= [a
n

n
+ +a
1
+a
0
] e
x
,
ce qui revient en simpliant lexponentielle () = 0, en po-
sant
(X) = X
n+1
[a
n
X
n
+ +a
1
X+a
0
] .
On appelle (X) le polynme caractristique de lquation (H).
Puisque S
H
est une espace vectoriel, on peut obtenir dautres
solutions en considrant des combinaisons linaires, cest--
dire des fonctions de la forme
y(x) = c
1
e

1
x
+ +c
m
e

m
x
,
o
1
, . . . ,
m
sont des racines du polynme caractristique.
Nous allons maintenant montrer que, sous lhypothse que ce
polynmes admet n + 1 racines distinctes, il ny a pas dautres
solutions :
Proposition 17.9 Supposons que le polynme caractristique
admette n + 1 racines distinctes
0
,
1
, . . . ,
n
dans C. Alors toute
solution y valeurs complexes de lquation homogne, dnie sur
un intervalle, est de la forme
y(x) = c
0
e

0
x
+ +c
n
e

n
x
,
o c
k
C. En particulier une telle solution peut stendre en une
fonction dnie sur R tout entier.
Avant de donner la dmonstration, voyons tout de suite
quelques exemples simples.
Exemple 17.10 Considrons lquation homogne
y

= y.
Le polynme caractristique est (X) = X
2
1 = (X 1)(X+ 1).
La solution gnrale est donc
y(x) = c
1
e
x
+c
2
e
x
.
350
Exemple 17.11 Voyons maintenant
y

= y.
Cette fois le polynme caractristique est (X) = X
2
+ 1 = (X+
i)(Xi). La solution gnrale est donc
y(x) = c
1
e
ix
+c
2
e
ix
. (*)
Mais cette fois-ci, on peut se demander quelle forme particu-
lire est prise par les solutions valeurs dans R. crivons sim-
plement que y(x) R si et seulement si y(x) = |(y(x)). En pre-
nant la partie relle de (*), on constate alors que y(x) est de la
forme
y(x) = acos(x) +bsin(x) , (**)
o a et b sont des constantes relles. (Si vous faites le calcul
vous verrez que lon a prcisment
a = |(c
1
) +|(c
2
) et b = |(c
2
) |(c
1
) ,
mais ces valeurs importent peu.) Rciproquement, toute fonc-
tion de la forme (**) est solution de (H), clairement. Finalement
lexpression (**) est la forme gnrale des solutions de lqua-
tion y

= y qui sont valeurs dans R.

On peut retenir que les solutions relles sobtiennent en
prenant les parties relles et imaginaires des solutions com-
plexes.
Passons la dmonstration de la proposition.
Dmonstration. Soit y une fonction dnie sur un intervalle
de R, valeurs dans C. Dnissons alors
Y(x) =
_

_
y(x)
y

(x)
.
.
.
y
(n)
(x)
_

_
, (*)
351
de sorte que
Y

(x) =
_

_
y

(x)
y

(x)
.
.
.
y
(n+1)
(x)
_

_
.
Dans ces conditions, la fonction y est solution de (H) exacte-
ment lorsque
Y

(x) =
_

_
y

(x)
y

(x)
.
.
.
a
n
y
(n)
(x) +a
n1
y
(n1)
(x) + +a
0
y(x)
_

_
.
Il se trouve que lon peut crire ceci laide dune matrice. Po-
sons
A =
_

_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
a
0
a
1
a
2
a
n
_

_
.
Alors y est solution de (H) si et seulement si Y est solution de
Y

(x) = AY(x) . (V)

Notons dailleurs que si une fonction Y quelconque est solution
de (V), alors elle doit tre de la forme (*).
Conclusion : avec cette astuce (lintroduction de la bonne
matrice A), nous avons ramen ltude de lquation (H)
ltude de lquation (V), qui a lavantage dtre dordre 1,
mme si les fonctions en jeu sont cette fois valeurs vecto-
rielles.
Lide est de diagonaliser A (dans la suite du chapitre nous
verrons que cest systmatiquement la chose faire). Si
A
est
le polynme caractristique de A, et si est le polynme ca-
ractristique de lquation direntielle, il se trouve que lon
a

A
= (1)
n+1
.
352
Vous montrerez ceci, titre dexercice. En particulier,
A
et
ont les mmes racines, et par hypothse ce sont
0
,
1
, . . . ,
n
,
qui sont distinctes. Daprs le corollaire 16.20, la matrice A est
diagonalisable.
Nous savons donc quil existe une matrice P telle que
P
1
AP =
_

0
0 0
0
1
0
0 0
.
.
.
.
.
.
0 0
n
_

_
.
Appelons D cette matrice diagonale, de sorte que A = PDP
1
.
Lquation direntielle peut alors scrire
Y

(x) = PDP
1
Y(x) P
1
Y

(x) = DP
1
Y(x)
Z

(x) = DZ(x) ,
en posant Z(x) = P
1
Y(x).
Comme D est diagonale, cette nouvelle quation est trs
simple. crivons
Z(x) =
_

_
z
0
(x)
.
.
.
z
n
(x)
_

_
.
(Si on calculait P, on pourrait exprimer z
k
en fonction de y,
mais nous naurons mme pas besoin de faire ce calcul). Lqua-
tion Z

(x) = DZ(x) scrit z

k
(x) =
k
z
k
(x) pour chaque k, qua-
tion que lon sait rsoudre : on a z
k
(x) = c
k
e

k
x
.
Pour rcuprer Y, et donc y, on utilise Y = PZ. On constate
bien que y(x) est une combinaison linaire des e

k
x
, comme an-
nonc.
Pour rsoudre compltement lquation (E), il faut savoir
trouver une solution particulire. cette n, on peut appli-
quer des techniques du type variation des constantes , mais
les calculs sont souvent compliqus. Il convient de connatre
un certain nombre dastuces, et elles seront explores dans les
exercices. Cest galement dans les exercices que nous verrons
353
comment grer les quations pour lesquelles le polynme ca-
ractristique a des racines multiples.
Deuxime lecture
Systmes dquations direntielles
Un systme dquations direntielles linaires, coe-
cients constants, est par dnition une quation direntielle
de la forme
Y

(x) = AY(x) +B(x) , (E)

o Y est une fonction valeurs dans C
n
, ainsi que B, et A est
une matrice n n. Lquation homogne associe est
Y

(x) = AY(x) . (H)

Exemple 17.12 Si lon souhaite trouver deux fonctions y
1
et y
2
telles que
_
y

1
(x) = 15y
1
(x) + 44y
2
(x)
y

2
(x) = 10y
1
(x) + 27y
2
(x) ,
alors il sagit bien dun systme dquations direntielles li-
naires. En eet en notant
Y(x) =
_
y
1
(x)
y
2
(x)
_
et A =
_
15 44
10 27
_
,
alors on cherche bien rsoudre Y

(x) = AY(x).
Noter quen pratique les notations peuvent tre trs di-
rentes, par exemple le systme peut se prsenter sous la forme
(parfaitement quivalente)
_
x

(t) = 15x(t) + 44y(t)

y

(t) = 10x(t) + 27y(t) .

a sera notamment le cas si lon pense t comme au temps ,
et t (x(t), y(t)) comme une courbe. Toutefois dans ce cha-
pitre nous garderons des notations uniformes.
354
Exemple 17.13 Au cours de la dmonstration de la proposi-
tion 17.9, nous avons vu que les quations linaires dordre su-
prieur, coecients constants, peuvent se ramener un sys-
tme (trs particulier). Tout ce que nous allons maintenant d-
montrer sur les systmes sapplique donc cette situation.
De nouveau, la proposition 17.1 sapplique : le soin vous
est laiss de faire cette dmonstration trs facile. Nous allons
surtout nous intresser aux quations homognes, dans un pre-
mier temps du moins, et voir quelques techniques pour lqua-
tion (E) dans les exercices.
La mthode pour rsoudre lquation homogne est simple
et tient en un mot : diagonaliser. Plus prcisment :
1. On commence par tenter de diagonaliser A, donc de trou-
ver P telle que la matrice D= P
1
AP est diagonale. Si cest
impossible, on cherchera une matrice P telle que P
1
AP
est la plus simple possible (en premire anne on vous
donnera des indications pour a).
2. Lquation Y

(x) = AY(x), puisque A = PDP

1
, se rcrit
de la manire suivante :
Y

(x) = PDP
1
Y(x) P
1
Y

(x) = DP
1
Y(x)
Z

(x) = DZ(x) ,
en posant Z(x) = P
1
Y(x).
3. On note
Z(x) =
_

_
z
1
(x)
.
.
.
z
n
(x)
_

_
,
puis on rsoud lquation Z

(x) = DZ(x). Lorsque D est

diagonale, ceci revient rsoudre une quation simple
pour chaque z
k
, et on trouve z
k
immdiatement.
4. On retrouve Y(x) par la formule Y(x) = PZ(x).
Il est important de noter que lon a pas besoin de calculer lin-
verse de la matrice P, aucun moment. En eet les techniques
de diagonalisation que lon a vues permettent de trouver P telle
que P
1
AP est diagonale sans calculer P
1
.
355
Exemple 17.14 Revenons lexemple 17.12. La matrice est
A =
_
15 44
10 27
_
.
Le polynme caractristique est
A
=
2
12+35 = (7)(
5), les valeurs propres sont 7 et 5, la matrice est diagonalisable.
On cherche les vecteurs propres, on trouve par exemple
e
1
=
_
2
1
_
et e
2
=
_
11
5
_
associs 7 et 5 respectivement. On en conclut quen posant
P =
_
2 11
1 5
_
,
alors
P
1
AP =
_
7 0
0 5
_
= D.
On pose alors
Z(x) = P
1
Y(x) =
_
z
1
(x)
z
2
(x)
_
.
(On na pas calcul P
1
.) Alors Z satisfait lquation Z

(x) =
DZ(x), ce qui scrit
_
z

1
(x) = 7z
1
(x)
z

2
(x) = 5z
2
(x) .
On sait bien faire a : z
1
(x) = c
1
e
7x
et z
2
(x) = c
2
e
5x
.
Pour nir Y(x) = PZ(x) donc
_
y
1
(x) = 2c
1
e
7x
+ 11c
2
e
5x
y
2
(x) = c
1
e
7x
+ 5c
2
e
5x
Exemple 17.15 Parfois la matrice A nest pas diagonalisable
(a sera videmment plus rare). Par exemple on peut considrer
le systme
_
y

1
(x) = y
1
(x) + y
2
(x)
y

2
(x) = y
1
(x) + 3y
2
(x) .
356
Le polynme caractristique est ( 2)
2
, et lespace propre as-
soci lunique valeur propre 2 est de dimension 1, avec pour
base par exemple
e
1
=
_
1
1
_
.
La matrice nest pas diagonalisable. Prenons nimporte quel
vecteur e
2
tel que e
1
, e
2
est une base, par exemple
e
2
=
_
1
0
_
,
et soit P la matrice dont les colonnes sont e
1
et e
2
. Calculons
P
1
AP =
_
2 1
0 2
_
= D.
(Un peu de rexion montre que, quel que soit notre choix
pour e
2
, la matrice P
1
AP doit tre triangulaire, et en calcu-
lant la trace ou le dterminant on sassure que la diagonale
doit tre (2, 2). La mthode qui suit ne dpend pas vraiment
du choix de e
2
.)
On continue dappliquer la mthode. On pose
Z(x) = P
1
Y(x) =
_
z
1
(x)
z
2
(x)
_
.
On a Z

(x) = DZ(x), ce qui scrit

_
z

1
(x) = 2z
1
(x) z
2
(x)
z

2
(x) = 2z
2
(x)
On peut rsoudre la deuxime dabord : z
2
(x) = c
2
e
2x
. En rem-
plaant dans la premire, nous obtenons
z

1
(x) = 2z
1
(x) c
2
e
2x
. (*)
Cest une quation dordre 1, que lon sait rsoudre ! Lquation
homogne est z

1
(x) = 2z
1
(x) qui a pour solutions les fonctions
de la forme c
1
e
2x
. En appliquant la mthode de variation de
357
la constante, on cherche une solution de (*) de la forme c(x)e
2x
;
on constate que lquation revient c

(x) = c
2
e
2x
e
2x
= c
2
. On
prend c(x) = c
2
x ce qui donne la solution c
2
xe
2x
. Finalement
la solution gnrique de (*) est
z
1
(x) = c
1
e
2x
c
2
xe
2x
.
On retrouve nalement y
1
et y
2
daprs la relation Y(x) = PZ(x),
cest--dire y
1
(x) = z
1
(x) + z
2
(x) = c
1
e
2x
+ c
2
(1 x)e
2x
et y
2
(x) =
z
1
(x) = c
2
e
2x
.
tude qualitative des systmes
Nous avons toutes les clefs en main pour rsoudre les sys-
tmes dquations direntielles en pratique. prsent, nous
allons montrer quelques proprits qualitatives : le calcul de la
dimension de lespace vectoriel des solutions, leur forme gn-
rale, et les intervalles sur lesquelles on peut les dnir. En deux
mots, nous trouverons que pour un systme nn, les solutions
forment un espace de dimension n, on peut les exprimer avec
des exponentielles et des polynmes, et par consquent on peut
naturellement les tendre R tout entier. Les dmonstrations
font surtout appel de lalgbre linaire.
Commenons par un petit lemme de calcul.
Lemme 17.16 Soit f (x) = P(x)e
x
, o P est un polynme. Alors f
possde une primitive de la forme Q(x)e
x
, o Q est encore un
polynme. Si 0, alors degQ degP, alors que si = 0,
alors degQ = degP+1.
Dmonstration. Le cas = 0 est vident donc on se tourne
vers 0. La drive de Q(x)e
x
est (Q(x) + Q

(x))e
x
. Il suf-
t donc de montrer que pour tout polynme P, il existe un
polynme Q de degr degP tel que P = Q+Q

.
Pour montrer ceci, soit n = degP, et soit
: C
n
[X] C
n
[X]
Q Q+Q

.
Cest une application linaire ; regardons ker(). On a (Q) =
0 Q = Q

, et si Q 0 cest impossible pour des rai-

sons de degr. Donc ker() = 0. Par suite, est injective, et
358
donc surjective aussi (corollaire 13.44). Ainsi il existe Q tel
que (Q) = P.
Thorme 17.17 On considre une quation direntielle de la
forme
Y

(x) = AY(x) , (H
A
)
o A M
n
(C). Alors lespace vectoriel S
A
des solutions est de di-
mension n.
De plus, les solutions ont la forme suivante. crivons
Y(x) =
_

_
y
1
(x)
.
.
.
y
n
(x)
_

_
,
et soit

A
() = (
1
)
m
1
(
s
)
m
s
le polynme caractristique de A, factoris sur C. Alors y
k
(x) peut
scrire comme une combinaison linaire des expressions
x
j
e

i
x
avec j < m
i
.
En particulier y
k
stend naturellement en une solution dnie
sur R.
Dmonstration. On va procder par rcurrence sur n. Le cas n =
1 est celui des quations linaires dordre 1 que lon connait
bien, et le thorme est alors videmment vrai. Supposons donc
le thorme dmontr pour n 1 et montrons-le pour n.
Le point essentiel est de comprendre ce qui se passe lors-
quon remplace la matrice A par une matrice conjugue B =
P
1
AP. Comme nous lavons vu dans les exemples, si Y est une
solution de Y

= AY, alors Z = P
1
Y est solution de Z

= BZ, et
vice-versa. De manire plus savante, on a un isomorphisme
S
A
S
B
Y P
1
Y.
359
Linverse est donn par ZPZ, bien sr. On en dduit que dimS
A
=
dimS
B
. Dautre part, chaque composante z
k
de Z est une com-
binaison linaire des composantes y
k
de Y (et rciproquement),
donc elles ont la mme forme (combinaisons de certains po-
lynmes et dexponentielles). Conclusion : il sut de montrer
le thorme pour B, il sera alors vrai pour A.
Choisissons donc P telle que la matrice B = P
1
AP est de la
forme
B =
_

_
A
n1
0
.
.
.
0

n
_

_
.
Cest possible daprs le corollaire 16.26 (qui dit mme que lon
peut prendre A
n1
triangulaire infrieure, mais a ne sera pas
utile). Notons que

A
() =
B
() = (
n
)
A
n1
() ,
comme on le voit en dveloppant par la dernire colonne.
Soit donc Z une solution de Z

(x) = BZ(x), et notons

Z(x) =
_

_
z
1
(x)
.
.
.
z
n
(x)
_

_
.
Enn notons
Z
n1
(x) =
_

_
z
1
(x)
.
.
.
z
n1
(x)
_

_
,
cest--dire que Z
n1
est obtenu en ne gardant que les n1 pre-
mires composantes de Z. Daprs la forme de B, on constate
que Z
n1
vrie Z

n1
(x) = A
n1
Z
n1
(x) (cest ce que lon voit
en ne regardant que les n 1 premires quations du sys-
tme Z

(x) = BZ(x)). On a donc une application linaire

: S
B
S
A
n1
Z Z
n1
.
360
Nous allons montrer deux choses : dune part, que est sur-
jective, et dautre part que dimker() = 1. En eet, supposons
ces deux choses tablies, et appliquons le thorme du rang.
Nous avons
dimS
B
= dimker() +dim(|()) ,
et par rcurrence, on sait que dim|() = dimS
A
n1
= n 1.
On a donc dimS
B
= 1 +(n 1) = n = dimS
A
. Ceci donne bien le
calcul de la dimension au rang n.
Le plus simple est ltude de ker(). Si (Z) = 0, alors Z est
de la forme
Z(x) =
_

_
0
0
.
.
.
z
n
_

_
,
et lquation Z

(x) = BZ(x) quivaut z

n
(x) =
n
z
n
; cette der-
nire quation est un systme dordre 1, donc ses solutions
forment un espace de dimension 1 (et concrtement, z
n
(x) =
ce

n
x
). Ceci montre que dimker() = 1.
Montrons que est surjective. Il faut montrer que, tant
donnes des fonctions z
1
, . . . , z
n1
qui forment une solution
de Z

n1
(x) = A
n1
(x)Z
n1
, on peut les complter en une solu-
tion Z de Z

(x) = BZ(x) en ajoutant une fonction bien choisie z

n
.
Or la seule quation du systme Z

(x) = BZ(x) faisant interve-

nir z
n
est la dernire, qui est de la forme
z

n
(x) =
n
z
n
(x) +b(x) . (*)
On sait tudier les quations dordre 1 ; en particulier, une telle
quation possde toujours des solutions lorsque b est continue,
ce qui est le cas (voir plus bas la forme de b). Donc on peut
trouver z
n
, et est surjective. Ceci conclut la dmonstration
que lespace des solutions est de dimension n.
Pour nir la dmonstration, il reste tablir que les so-
lutions ont la forme annonce, et par rcurrence on le sait
pour Z
n1
; reste donc voir la forme de z
n
, ce qui va se faire
361
en regardant de plus prs lquation (*). Puisque les fonc-
tions z
k
sont des combinaisons de polynmes et dexponen-
tielles, pour 1 k n 1, on a
b(x) =

i
P
i
(x)e

i
x
.
La solution gnrale de (*) est donc
z
n
(x) = ce

n
x
+c(x)e

n
x
,
o c(x) vrie
c

(x) = b(x)e

n
x
=

i
P
i
(x)e
(
i

n
)x
.
On peut maintenant appliquer le lemme 17.16. Il nous dit que
lon peut choisir c(x) sous la forme
c(x) =

i
Q
i
(x)e
(
i

n
)x
,
o Q
i
est un polynme, avec degQ
i
degP
i
, sauf si
n
=
i
pour un certain i, et alors degQ
i
= degP
i
+1. Notons alors que
le produit c(x)e

n
x
peut scrire
c(x)e

n
x
=

i
Q
i
(x)e

i
x
.
Ceci montre que z
n
(x) a prcisment la forme annonce.
Nous pouvons revisiter les examples tudis ci-dessus la
lumire du thorme.
Exemple 17.18 Le systme de lexemple 17.12 tait
_
y

1
(x) = 15y
1
(x) + 44y
2
(x)
y

2
(x) = 10y
1
(x) + 27y
2
(x) ,
la solution tait donne dans lexemple 17.14. On a vu que le
polynme caractristique tait ( 7)( 5). Le thorme nous
arme alors que y
1
est de la forme
y
1
(x) = ae
7x
+be
5x
,
362
o a et b sont des constantes, et que y
2
est de la forme
y
2
(x) = ce
7x
+de
5x
.
Attention : le thorme ne dit certainement pas que, rcipro-
quement, on obtient des solutions en prenant a, b, c, d arbitrai-
rement ; dailleurs on ne sattend pas avoir 4 paramtres libres
alors que le thorme nous dit galement que lespace des so-
lutions est de dimension 2.
En fait, nous avions fait les calculs et trouv que
_
y
1
(x) = 2c
1
e
7x
+ 11c
2
e
5x
y
2
(x) = c
1
e
7x
+ 5c
2
e
5x
o c
1
et c
2
sont des constantes arbitraires (il y en a bien 2 !).
Regardons de mme lexemple 17.15, pour lequel le sys-
tme est
_
y

1
(x) = y
1
(x) + y
2
(x)
y

2
(x) = y
1
(x) + 3y
2
(x) .
Le polynme caractristique est ( 2)
2
. Le thorme arme
donc que
y
1
(x) = ae
2x
+bxe
2x
,
et
y
2
(x) = ce
2x
+dxe
2x
,
o a, b, c, d sont des constantes ; lespace des solutions est de di-
mension 2 donc il doit y avoir des relations entre ces constantes.
Nous avions fait les calculs et trouv que
y
1
(x) = (c
1
+c
2
)e
2x
c
2
xe
2x
,
et que
y
2
(x) = c
2
e
2x
,
avec deux constantes arbitraires c
1
et c
2
.
Les rsultats prdits par le thorme sont donc cohrents
avec ceux que lon avait obtenus directement. Le thorme
lui seul ne donne pas assez dinformation pour rsoudre le sys-
tme, et dailleurs on sen passe. Mais lintrt de cet nonc
363
abstrait est de dire au moins quelque chose dans les cas o un
calcul direct nest pas envisageable, par exemple si la matrice
est trs grande, o si elle dpend elle-mme de paramtres
dune manire complique.
Retour sur les quations dordre suprieur
Pour se convaincre de lintrt du thorme 17.17, voici
une consquence concrte : nous pouvons maintenant rsoudre
toutes les quations direntielles linaires dordre suprieur,
coecients constants. Rappelons que dans la proposition 17.9
nous avions seulement trait le cas o les racines du polynme
caractristique taient distinctes.
Proposition 17.19 On considre lquation homogne
y
(n+1)
(x) = a
n
y
(n)
+ +a
0
y(x) . (H)
Soit
() =
n+1
[a
n

n
+ +a
0
] = (
1
)
m
1
(
s
)
m
s
le polynme caractristique, factoris sur C. Alors toute solution y
de (H) peut scrire de manire unique
y(x) =
s

i=1
m
i
i

j=0
c
ij
x
j
e

i
x
,
et rciproquement pour tout choix de coecients c
ij
, une fonction
de cette forme est solution.
Dmonstration. On reprend le dbut de la dmonstration de la
proposition 17.9 : on pose
A =
_

_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 1
a
0
a
1
a
2
a
n
_

_
,
364
et alors on constate que Y est solution de Y

(x) = AY(x) si et
seulement si elle est de la forme
Y(x) =
_

_
y(x)
y

(x)
.
.
.
y
(n)
(x)
_

_
, (*)
avec y solution de (H).
Si on note S
A
lespace des solutions de Y

= AY, et S
H
les-
pace des solutions de (H), alors on a un isomorphisme S
A
S
H
donn par Y y ; linverse envoie y sur la fonction Y dnie
par (*). On en conclut, daprs le thorme 17.17, que dimS
H
=
dimS
A
= n.
Or, daprs le mme thorme, on sait que y doit avoir prci-
sment la forme annonce dans la proposition (rappelons que
le polynme caractristique de A est, au signe prs, le poly-
nme caractristique considr dans lnonc).
Il est facile de conclure. Soit e
ij
la fonction dnie sur R
par e
ij
(x) = x
j
e

i
x
, pour 1 i s et 0 j < m
i
. Ces fonctions
sont au nombre de n, qui est le degr du polynme . Consid-
rons alors lespace vectoriel E = \ect(e
ij
) (cest un sous-espace
de lespace de toutes les fonctions R C). Il est donc de dimen-
sion n. Mais on vient de voir que S
H
E et que dimS
H
= n.
On en conclut que S
H
= E et que dimE = n ; de plus la famille
des e
ij
doit donc tre libre.
On a donc bien montr que chaque e
ij
S
H
, donc est solu-
tion de (H), et que chaque solution de (H) scrivait de manire
unique comme combinaison linaire de ces fonctions.
Exemple 17.20 Considrons lquation
y
(3)
(x) +3y

(x) +3y

(x) +y(x) = 0.
Le polynme caractristique est
3
+3
2
+3 +1 = ( +1)
3
. On
en conclut que les solutions sont prcisment les fonctions de
la forme
(a +bx +cx
2
)e
x
,
o a, b et c sont des constantes arbitraires.
365
Utilisation de lexponentielle matricielle
Le lecteur ayant parcouru la deuxime partie du chapitre
Lexponentielle connait les exponentielles de matrices. Rap-
pelons que si A est une matrice, alors par dnition
e
A
=
+

k=0
1
k!
A
k
.
La proposition 10.24 arme alors que la fonction (x) = e
xA
vrie

(x) = Ae
xA
. On aperoit alors une nouvelle faon de
produire des solutions de nos systmes dquations diren-
tielles : en eet, pour tout vecteur v C
n
, si on pose Y(x) = e
xA
v,
alors Y

(x) = Ae
xA
v = AY(x).
Et toutes les solutions sont en fait de cette forme :
Proposition 17.21 Soit Yune solution du systme Y

(x) = AY(x).
Alors Y est de la forme Y(x) = e
xA
v pour un certain vecteur v ; par
suite v = Y(0). Rciproquement toutes les fonctions de cette forme
sont solutions.
En particulier, une solution Y de ce systme est entirement d-
termine par le vecteur Y(0).
Dmonstration. Nous avons dj vu la partie rciproque . On
doit montrer que toute solution Y est de cette forme.
Il y a deux dmonstrations faciles. La premire consiste
adapter la dmonstration de la proposition 17.2, en remplaant
lexponentielle usuelle par lexponentielle de matrice. Il ny a
presque rien changer (et le peu quil y a changer a en fait
t vu lors de la dmonstration de la proposition 10.24).
Voici la deuxime dmonstration. On considre lapplica-
tion : S
A
C
n
dnie par (Y) = Y(0) (comme dhabitude S
A
est lespace vectoriel des solutions du systme). Lapplication
est videmment linaire. De plus, elle est surjective, puisque
pour tout v C
n
, la solution Y S
A
dnie par Y(x) = e
xA
v
vrie Y(0) = v. Daprs le thorme 17.17, la dimension de S
A
est n, et on en conclut que est injective galement. Ceci
montre que Y est dtermine par v = Y(0). Ainsi, la seule so-
lution Y telle que Y(0) = v est Y(x) = e
xA
v.
366
Il semblerait que nous ayons donn une formule simple
pour exprimer les solutions de Y

(x) = AY(x), et en un sens cest

le cas. Mais il ne faudrait pas croire que cette formule va nous
dispenser de la mthode que nous connaissons pour rsoudre
un tel systme en pratique. En eet, le calcul de e
A
est compli-
qu, et se fait. . . en diagonalisant A (voir lexemple 10.23). On
ne gagne pas vraiment de temps en procdant ainsi.
Par contre, le fait quune solution Y est dtermine par Y(0)
est nouveau. Nous verrons dans le prochain chapitre quil y a
l un phnomne gnral dans la thorie des quations di-
rentielles.
Exemple 17.22 De nouveau, retournons lexemple 17.12,
donc au cas o
A =
_
15 44
10 27
_
.
Les solutions de Y

(x) = AY(x) sont, daprs la proposition, de la

forme e
xA
v, et nous devons donc commencer par calculer e
xA
.
On a vu (exemple 17.14) que
P
1
AP =
_
7 0
0 5
_
= D avec P =
_
2 11
1 5
_
.
On en tire xA = P(xD) P
1
et
e
xA
= Pe
xD
P
1
,
voir la proposition 10.22. De plus comme xD est diagonale, on
a videmment
e
xD
=
_
e
7x
0
0 e
5x
_
.
On veut sviter le calcul de P
1
(rappelons que nous navons
pas eu besoin de faire ce calcul pour diagonaliser A). On va
donc garder le rsultat sous cette forme, et crire quil existe
un vecteur v tel que
Y(x) = e
xA
v = Pe
xD
P
1
v =
_
2e
7x
11e
5x
e
7x
5e
5x
_
w,
367
en posant w = P
1
v. On sait que v peut tre choisi librement,
donc w peut tre choisi librement ; en posant
w =
_
c
1
c
2
_
,
on retrouve le rsultat de lexemple 17.14, savoir que Y est de
la forme
Y(x) =
_
2c
1
e
7x
+11c
2
e
5x
c1e
7x
+5c
2
e
5x
_
.
Cette mthode nest ni plus rapide, ni plus lente que la prc-
dente.
368
Table des matires
1 Ensembles 3
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 3
Ensembles et appartenance . . . . . . . . . . . . . 3
Quelques constructions . . . . . . . . . . . . . . . 4
Propositions mathmatiques . . . . . . . . . . . . 6
Fonctions . . . . . . . . . . . . . . . . . . . . . . . 8
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 11
Fonctions injectives . . . . . . . . . . . . . . . . . 11
Fonctions surjectives et bijectives . . . . . . . . . 13
Galerie dexemples . . . . . . . . . . . . . . . . . 15
La mthode axiomatique . . . . . . . . . . . . . . 19
2 Nombres 22
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 22
Les premiers nombres . . . . . . . . . . . . . . . . 22
La proprit de la borne suprieure . . . . . . . . 25
Lensemble des rels . . . . . . . . . . . . . . . . . 28
Les nombres complexes . . . . . . . . . . . . . . . 33
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 37
Calculs sur machine et corps . . . . . . . . . . . . 37
Arithmtique de lhorloge . . . . . . . . . . . . . 40
3 Polynmes 44
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 44
Dnitions & Notations . . . . . . . . . . . . . . . 44
La division Euclidienne . . . . . . . . . . . . . . . 46
369
Racines . . . . . . . . . . . . . . . . . . . . . . . . 49
Diviseurs dans C[X] . . . . . . . . . . . . . . . . . 53
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 55
Plus grand diviseur commun . . . . . . . . . . . . 55
Le thorme de Bzout . . . . . . . . . . . . . . . 57
Premiers . . . . . . . . . . . . . . . . . . . . . . . 58
Factorisation . . . . . . . . . . . . . . . . . . . . . 60
4 Suites 62
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 62
Suites de rels . . . . . . . . . . . . . . . . . . . . 62
Convergence . . . . . . . . . . . . . . . . . . . . . 64
Combiner les limites . . . . . . . . . . . . . . . . 68
Suites croissantes et dcroissantes . . . . . . . . . 70
Convergence vers | . . . . . . . . . . . . . . . . 72
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 74
Convergence absolue . . . . . . . . . . . . . . . . 74
Suites de complexes . . . . . . . . . . . . . . . . . 78
Suites de vecteurs . . . . . . . . . . . . . . . . . . 81
5 Matrices 84
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 84
Introduction . . . . . . . . . . . . . . . . . . . . . 84
Addition et multiplication . . . . . . . . . . . . . 87
Rgles de calcul . . . . . . . . . . . . . . . . . . . 90
Matrices chelonnes . . . . . . . . . . . . . . . . 93
Oprations sur les lignes . . . . . . . . . . . . . . 96
Calcul de linverse dune matrice . . . . . . . . . 100
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 102
Un autre point de vue sur les oprations sur les
lignes . . . . . . . . . . . . . . . . . . . . . 102
Justication de la mthode de calcul de linverse 104
Lunicit de la matrice bien chelonne . . . . . . 105
6 Continuit 108
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 108
Introduction & Dnitions . . . . . . . . . . . . . 108
Le thorme des valeurs intermdiaires . . . . . . 111
370
Autres exemples de fonctions continues . . . . . 113
Le langage des limites . . . . . . . . . . . . . . . . 116
Continuit et ingalits . . . . . . . . . . . . . . . 118
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 119
Continuit et fonctions monotones . . . . . . . . 120
Fonctions de plusieurs variables . . . . . . . . . . 123
7 Dterminants 126
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 126
Mthode de calcul . . . . . . . . . . . . . . . . . . 126
Dveloppements des dterminants . . . . . . . . 131
Les formules de Cramer . . . . . . . . . . . . . . . 135
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 137
Unicit du dterminant . . . . . . . . . . . . . . . 137
Permutations . . . . . . . . . . . . . . . . . . . . . 138
La dnition du dterminant . . . . . . . . . . . . 142
8 Compacit 146
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 146
Le thorme de Bolzano et Weierstrass . . . . . . 146
Fonctions continues et intervalles compacts . . . 147
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 149
Parties compactes . . . . . . . . . . . . . . . . . . 149
Autres tudes de minima et maxima . . . . . . . 151
Continuit uniforme . . . . . . . . . . . . . . . . 151
9 Drives 154
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 154
Dnitions & Premires proprits . . . . . . . . 154
Le thorme des accroissements nis . . . . . . . 161
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 165
Le thorme du point xe . . . . . . . . . . . . . 165
Drives et rciproques . . . . . . . . . . . . . . . 171
Fonctions valeurs vectorielles . . . . . . . . . . 173
10 Lexponentielle 176
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 176
Lexponentielle complexe . . . . . . . . . . . . . . 176
Lexponentielle relle . . . . . . . . . . . . . . . . 179
371
Le cercle et le nombre . . . . . . . . . . . . . . 181
Forme polaire et racines n-imes . . . . . . . . . . 185
Le thorme fondamental de lalgbre . . . . . . 187
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 188
Matrices et normes . . . . . . . . . . . . . . . . . 188
Lexponentielle de matrice . . . . . . . . . . . . . 190
Exponentielle et drive . . . . . . . . . . . . . . 194
11 Espaces vectoriels 195
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 195
Dnitions & Exemples fondamentaux . . . . . . 196
Sous-espaces . . . . . . . . . . . . . . . . . . . . . 197
Familles gnratrices . . . . . . . . . . . . . . . . 198
Familles libres . . . . . . . . . . . . . . . . . . . . 203
Bases . . . . . . . . . . . . . . . . . . . . . . . . . 206
Coordonnes . . . . . . . . . . . . . . . . . . . . . 208
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 213
Le thorme de la base incomplte . . . . . . . . 213
Le rang dune matrice . . . . . . . . . . . . . . . . 216
12 Formules de Taylor 220
Introduction . . . . . . . . . . . . . . . . . . . . . 220
La formule de Taylor-Lagrange . . . . . . . . . . . 221
La formule de Taylor-Young . . . . . . . . . . . . 224
Dveloppements limits . . . . . . . . . . . . . . 228
Mthodes de calcul des dveloppements limits . 231
Le minimum savoir par coeur . . . . . . . . . . 234
13 Applications linaires 235
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 235
Dnition & Exemples . . . . . . . . . . . . . . . 235
Sommes directes . . . . . . . . . . . . . . . . . . . 238
Projections et symtries . . . . . . . . . . . . . . . 242
La matrice dune application linaire . . . . . . . 245
Formule du changement de base . . . . . . . . . . 250
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 253
Applications injectives, surjectives, bijectives . . 253
Le thorme du rang . . . . . . . . . . . . . . . . 257
372
Vieux rsultats, nouvelles dmonstrations . . . . 259
14 Intgrale de Riemann 262
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 262
Introduction . . . . . . . . . . . . . . . . . . . . . 262
Fonctions intgrables au sens de Riemann . . . . 264
Premiers exemples de fonctions intgrables . . . 268
Proprits lmentaires . . . . . . . . . . . . . . . 272
Intgrales et fonctions continues . . . . . . . . . . 276
La fonction x
_
x
a
f . . . . . . . . . . . . . . . . . 279
La formule du changement de variables . . . . . 283
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 285
Fonctions valeurs vectorielles . . . . . . . . . . 285
Longueur dune courbe . . . . . . . . . . . . . . . 290
Dmonstration de Taylor-Young . . . . . . . . . . 296
15 Fractions rationnelles 298
Fractions rationnelles . . . . . . . . . . . . . . . . 298
Intgration des lments simples . . . . . . . . . 306
Fractions rationnelles trigonomtriques . . . . . 311
16 Diagonalisation 317
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 317
Motivation . . . . . . . . . . . . . . . . . . . . . . 317
Matrices conjugues . . . . . . . . . . . . . . . . . 320
Interprtation laide des applications linaires . 323
Le polynme caractristique . . . . . . . . . . . . 328
Compter les vecteurs propres . . . . . . . . . . . 331
Rsum . . . . . . . . . . . . . . . . . . . . . . . . 333
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 336
Trigonalisation . . . . . . . . . . . . . . . . . . . . 336
Approximations . . . . . . . . . . . . . . . . . . . 339
17 quations direntielles linaires 342
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 342
quations linaires dordre 1 . . . . . . . . . . . . 343
Trouver une solution particulire . . . . . . . . . 346
quations linaires dordre suprieur . . . . . . . 349
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . . 354
373
Systmes dquations direntielles . . . . . . . . 354
tude qualitative des systmes . . . . . . . . . . . 358
Retour sur les quations dordre suprieur . . . . 364
Utilisation de lexponentielle matricielle . . . . . 366
374
Index
algorithme dEuclide, 53
anneau, 38
application, 8
application linaire, 231
arccosinus, 17
archimdien, 63
arcsinus, 16
arctangente, 17
base, 202
base canonique, 202, 203
Bzout (thorme), 54
bijection, 14
Bolzano-Weierstrass
(thorme de), 142
borne infrieure, 26
borne suprieure, 26
but (dune fonction), 8
C
1
(fonction), 168
Cauchy (suite de), 71
Cauchy-Schwarz (ingalit de),
78
changement de variables, 279
Chasles (relation de), 268
circonfrence, 290
combinaison linaire, 195
compact, 145
complexe (nombre), 33
conjugu (dun complexe), 34
continue (fonction), 106, 119
continuit uniforme, 148
continument drivable, 168
convergence, 60
convergence absolue, 70, 75,
77
coordonnes, 205
corps, 38
cosinus, 17
courbe, 286
Cramer (formules de), 131
croissante (fonction), 116
croissante (suite), 66
dcomposition en lments
simples, 297
dense (Qest dense dans R), 30
drive, 150
dterminant, 122, 138
dveloppement des
dterminants, 128
dveloppement limit, 224
diagonalisable, 316
dimension, 207
division euclidienne, 40, 47
domaine de dnition, 8
chelonne (matrice), 89
lments simples, 297
ensemble, 3
375
escaliers (fonction en), 261
espace engendr, 195
espace propre, 321
espace vectoriel, 192
exponentielle, 15, 72, 76
famille gnratrice, 197
famille libre, 199
Fibonacci (suite de), 59, 313
fonction, 8
formes indtermines, 69
formule du changement
de base, 247
fraction rationnelle, 294
fraction rationnelle
trigonomtrique, 307
Gauss (lemme), 56
graphe, 8
groupe symtrique, 134
Heine (thorme), 149
ingalit triangulaire, 32, 76,
78
ingalit triangulaire pour les
intgrales, 285
inf, 26
injection, 11
intgrable (fonction), 263
intgrale, 263
intervalle, 107
inverse (dune matrice), 87, 96
irrductible (polynme), 56
isomorphisme, 250
Landau (notation de), 224
limite, 112
limite (dune suite), 60
lipschitzienne (fonction), 161
logarithme, 15
longueur dune courbe, 287
majorant, 26
matrice, 81
matrice de passage, 246
matrice dune application
linaire, 242
matrices conjugues, 316
matrices semblables, 316
mineur, 127
minorant, 26
module (dun complexe), 34
modulo, 40
monotone (fonction), 116
multiplication des
matrices, 84
norme, 77
notation de Landau, 224
noyau, 232
oprations sur les lignes, 92
partie (dun ensemble), 3
permutation, 134
pgcd, 53
polynme, 44
polynme caractristique, 324
premier (nombre), 56
produit cartsien, 4
projection, 239
quanticateur, 7
R, 28
racine (dun polynme), 49
racine carre, 18, 30, 35
376
rang (dune application
linaire), 232
rang (dune matrice), 212
rationnel (nombre), 22
rciproque, 14
rel (nombre), 28
Riemann-intgrable, 263
Riemann (somme de), 273
Rolle (thorme), 159
rotation, 232
srie, 59
signature (dune permutation),
135
sinus, 16
somme directe, 237
somme de sous-espaces, 234
sommes de Riemann, 273
sous-espace vectoriel, 193
sous-suite, 142
suite (de rels), 58
sup, 26
surjection, 13
symtrie, 240
tangente, 17
Taylor (formule pour les
polynmes), 209
Taylor-Lagrange, 217
Taylor-Young, 220, 293
thorme des accroissements
nis, 158
thorme de la base
incomplte, 210
thorme des valeurs
intermdiaires, 108
thorme du rang, 253
thorme fondamental de
lanalyse, 276
thorme fondamental de
lalgbre, 51, 183
thorme du point xe, 162
trace, 317
transpose (dune matrice), 82
transposition, 137
triangulaire (matrice), 332
trigonalisable, 332
triplet pythagoricien, 310
valeur absolue, 32
valeur propre, 321
\ect, 195
vecteur propre, 321
Z/NZ, 40
377