Algébre - Ecours

Cours de mathématiques
Première année
Exo7
Exo7
Sommaire
1 Logique et raisonnements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1 Logique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Raisonnements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2 Ensembles et applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1 Ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Injection, surjection, bijection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4 Ensembles finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5 Relation d’équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3 Nombres complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1 Les nombres complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2 Racines carrées, équation du second degré . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3 Argument et trigonométrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4 Nombres complexes et géométrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4 Arithmétique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
1 Division euclidienne et pgcd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2 Théorème de Bézout . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3 Nombres premiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4 Congruences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5 Polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2 Arithmétique des polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3 Racine d’un polynôme, factorisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4 Fractions rationnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6 Les nombres réels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

1 L’ensemble des nombres rationnels Q . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2 Propriétés de R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3 Densité de Q dans R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4 Borne supérieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
7 Les suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
2 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3 Exemples remarquables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4 Théorème de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5 Suites récurrentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
2
SOMMAIRE 3
8 Limites et fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

1 Notions de fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
2 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
3 Continuité en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
4 Continuité sur un intervalle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
5 Fonctions monotones et bijections . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
9 Fonctions usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148

1 Logarithme et exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
2 Fonctions circulaires inverses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
3 Fonctions hyperboliques et hyperboliques inverses . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
10 Dérivée d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159

1 Dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
2 Calcul des dérivées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
3 Extremum local, théorème de Rolle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
4 Théorème des accroissements finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
11 Zéros des fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176

1 La dichotomie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
2 La méthode de la sécante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
3 La méthode de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
12 Intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
1 L’intégrale de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
2 Propriétés de l’intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
3 Primitive d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
4 Intégration par parties – Changement de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
5 Intégration des fractions rationnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
13 Développements limités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215

1 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
2 Développements limités au voisinage d’un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
3 Opérations sur les développements limités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
4 Applications des développements limités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
14 Groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
1 Groupe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
2 Sous-groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
3 Morphismes de groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
4 Le groupe Z/nZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
5 Le groupe des permutations S n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
15 Systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252

1 Introduction aux systèmes d’équations linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
2 Théorie des systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
3 Résolution par la méthode du pivot de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
SOMMAIRE 4
16 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
2 Multiplication de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
3 Inverse d’une matrice : définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
4 Inverse d’une matrice : calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
5 Inverse d’une matrice : systèmes linéaires et matrices élémentaires . . . . . . . . . . . . . . 278
6 Matrices triangulaires, transposition, trace, matrices symétriques . . . . . . . . . . . . . . . . . 285
17 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292

1 Espace vectoriel (début) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
2 Espace vectoriel (fin) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
3 Sous-espace vectoriel (début) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
4 Sous-espace vectoriel (milieu) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
5 Sous-espace vectoriel (fin) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
6 Application linéaire (début) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
7 Application linéaire (milieu) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
8 Application linéaire (fin) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
18 Algorithmes et mathématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326

1 Premiers pas avec Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
2 Écriture des entiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
3 Calculs de sinus, cosinus, tangente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
4 Les réels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
5 Arithmétique – Algorithmes récursifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 346
6 Polynômes – Complexité d’un algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
19 Cryptographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358
1 Le chiffrement de César . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358
2 Le chiffrement de Vigenère . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
3 La machine Enigma et les clés secrètes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
4 La cryptographie à clé publique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372
5 L’arithmétique pour RSA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375
6 Le chiffrement RSA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
20 Leçons de choses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386

1 Travailler avec les vidéos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386
2 Alphabet grec . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 388
3 Écrire des mathématiques : LATEX en cinq minutes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 389
4 Formules de trigonométrie : sinus, cosinus, tangente . . . . . . . . . . . . . . . . . . . . . . . . . . 391
5 Formulaire : trigonométrie circulaire et hyperbolique . . . . . . . . . . . . . . . . . . . . . . . . . . 397
6 Formules de développements limités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 400
7 Formulaire : primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 401
Cours et exercices de maths

exo7.emath.fr
Dimension finie
Groupes
Nombres
complexes Applications
Polynômes
Espaces linéaires
vectoriels
Déterminants
Arithmétique
Systèmes
Matrices
linéaires
Ensembles &
Applications
Géométrie affine
Logique & et euclidienne
Droites et plans
Raisonnements
Courbes pa-
Fonctions Trigonométrie ramétrés
Nombres réels
continues Fonctions
usuelles
Développements
limités
Suites II
Suites I
Dérivées
Équations
Intégrales I
Zéros de différentielles
fonctions
Intégrales II
Licence Creative Commons – BY-NC-SA – 3.0 FR

Exo7
1 Logique et raisonnements
1 Logique
2 Raisonnements
Vidéo ■ partie 1. Logique

Vidéo ■ partie 2. Raisonnements
Exercices Logique, ensembles, raisonnements
Quelques motivations
– Il est important d’avoir un langage rigoureux. La langue française est souvent ambigüe.
Prenons l’exemple de la conjonction « ou » ; au restaurant « fromage ou dessert » signifie l’un
ou l’autre mais pas les deux. Par contre si dans un jeu de carte on cherche « les as ou les
cœurs » alors il ne faut pas exclure l’as de cœur. Autre exemple : que répondre à la question
« As-tu 10 euros en poche ? » si l’on dispose de 15 euros ?
– Il y a des notions difficiles à expliquer avec des mots : par exemple la continuité d’une
fonction est souvent expliquée par « on trace le graphe sans lever le crayon ». Il est clair que
c’est une définition peu satisfaisante. Voici la définition mathématique de la continuité d’une
fonction f : I → R en un point x0 ∈ I :
∀ε > 0 ∃δ > 0 ∀x ∈ I (| x − x0 | < δ =⇒ | f (x) − f (x0 )| < ε).
C’est le but de ce chapitre de rendre cette ligne plus claire ! C’est la logique.
– Enfin les mathématiques tentent de distinguer le vrai du faux. Par exemple « Est-ce
qu’une augmentation de 20%, puis de 30% est plus intéressante qu’une augmentation de 50%
? ». Vous pouvez penser « oui » ou « non », mais pour en être sûr il faut suivre une démarche
logique qui mène à la conclusion. Cette démarche doit être convaincante pour vous mais
aussi pour les autres. On parle de raisonnement.
Les mathématiques sont un langage pour s’exprimer rigoureusement, adapté aux phénomènes
complexes, qui rend les calculs exacts et vérifiables. Le raisonnement est le moyen de valider —
ou d’infirmer — une hypothèse et de l’expliquer à autrui.
1. Logique
1.1. Assertions
Une assertion est une phrase soit vraie, soit fausse, pas les deux en même temps.
Exemples :
– « Il pleut. »
– « Je suis plus grand que toi. »
– « 2+2 = 4 »
Logique et raisonnements 7
– « 2×3 = 7 »
– « Pour tout x ∈ R, on a x2 Ê 0. »
– « Pour tout z ∈ C, on a | z| = 1. »
Si P est une assertion et Q est une autre assertion, nous allons définir de nouvelles assertions
construites à partir de P et de Q.
L’opérateur logique « et »
L’assertion « P et Q » est vraie si P est vraie et Q est vraie. L’assertion « P et Q » est fausse sinon.
On résume ceci en une table de vérité :
P \Q V F
V V F
F F F
F I G U R E 1.1 – Table de vérité de « P et Q »
Par exemple si P est l’assertion « Cette carte est un as » et Q l’assertion « Cette carte est cœur » alors
l’assertion « P et Q » est vraie si la carte est l’as de cœur et est fausse pour toute autre carte.
L’opérateur logique « ou »
L’assertion « P ou Q » est vraie si l’une des deux assertions P ou Q est vraie. L’assertion « P ou Q »
est fausse si les deux assertions P et Q sont fausses.
On reprend ceci dans la table de vérité :
P \Q V F
V V V
F V F
F I G U R E 1.2 – Table de vérité de « P ou Q »
Si P est l’assertion « Cette carte est un as » et Q l’assertion « Cette carte est cœur » alors l’assertion
« P ou Q » est vraie si la carte est un as ou bien un cœur (en particulier elle est vraie pour l’as de
cœur).
Remarque
Pour définir les opérateurs « ou », « et » on fait appel à une phrase en français utilisant les
mots ou, et ! Les tables de vérités permettent d’éviter ce problème.
La négation « non »
L’assertion « non P » est vraie si P est fausse, et fausse si P est vraie.
P V F
non P F V
F I G U R E 1.3 – Table de vérité de « non P »

L’implication =⇒
La définition mathématique est la suivante :
L’assertion « (non P) ou Q » est notée « P =⇒ Q ».
Sa table de vérité est donc la suivante :
P \Q V F
V V F
F V V
F I G U R E 1.4 – Table de vérité de « P =⇒ Q »
L’assertion « P =⇒ Q » se lit en français « P implique Q ».

Elle se lit souvent aussi « si P est vraie alors Q est vraie » ou « si P alors Q ».
Par exemple :
p
– « 0 É x É 25 =⇒ x É 5 » est vraie (prendre la racine carrée).
– « x ∈] − ∞, −4[ =⇒ x2 + 3x − 4 > 0 » est vraie (étudier le binôme).
– « sin(θ ) = 0 =⇒ θ = 0 » est fausse (regarder pour θ = 2π par exemple).
p
– « 2 + 2 = 5 =⇒ 2 = 2 » est vraie ! Eh oui, si P est fausse alors l’assertion « P =⇒ Q » est
toujours vraie.
L’équivalence ⇐⇒
L’équivalence est définie par :
« P ⇐⇒ Q » est l’assertion « (P =⇒ Q) et (Q =⇒ P) ».
On dira « P est équivalent à Q » ou « P équivaut à Q » ou « P si et seulement si Q ». Cette assertion

est vraie lorsque P et Q sont vraies ou lorsque P et Q sont fausses. La table de vérité est :
P \Q V F
V V F
F F V
F I G U R E 1.5 – Table de vérité de « P ⇐⇒ Q »
Exemples :
– Pour x, x0 ∈ R, l’équivalence « x · x0 = 0 ⇐⇒ (x = 0 ou x0 = 0) » est vraie.
– Voici une équivalence toujours fausse (quelque soit l’assertion P) : « P ⇐⇒ non(P) ».
On s’intéresse davantage aux assertions vraies qu’aux fausses, aussi dans la pratique et en dehors
de ce chapitre on écrira « P ⇐⇒ Q » ou « P =⇒ Q » uniquement lorsque ce sont des assertions
vraies. Par exemple si l’on écrit « P ⇐⇒ Q » cela sous-entend « P ⇐⇒ Q est vraie ». Attention rien
ne dit que P et Q soient vraies. Cela signifie que P et Q sont vraies en même temps ou fausses en
même temps.
Proposition 1
Soient P,Q, R trois assertions. Nous avons les équivalences (vraies) suivantes :
1. P ⇐⇒ non(non(P))
2. (P et Q) ⇐⇒ (Q et P)
3. (P ou Q) ⇐⇒ (Q ou P)
4. non(P et Q) ⇐⇒ (non P) ou (non Q)
5. non(P ou Q) ⇐⇒ (non P) et (non Q)
¡ ¢
6. P et (Q ou R) ⇐⇒ (P et Q) ou (P et R)
¡ ¢
7. P ou (Q et R) ⇐⇒ (P ou Q) et (P ou R)
8. « P =⇒ Q » ⇐⇒ « non(Q) =⇒ non(P) »
Démonstration
Voici des exemples de démonstrations :

4. Il suffit de comparer les deux assertions « non(P et Q ) » et « (non P ) ou (non Q ) » pour toutes
les valeurs possibles de P et Q . Par exemple si P est vrai et Q est vrai alors « P et Q »
est vrai donc « non(P et Q ) » est faux ; d’autre part (non P ) est faux, (non Q ) est faux donc
« (non P ) ou (non Q ) » est faux. Ainsi dans ce premier cas les assertions sont toutes les deux
fausses. On dresse ainsi les deux tables de vérités et comme elles sont égales les deux asser-
tions sont équivalentes.
P \Q V F
V F V
F V V
F I G U R E 1.6 – Tables de vérité de « non(P et Q) » et de « (non P) ou (non Q) »
6. On fait la même chose mais il y a trois variables : P , Q , R . On compare donc les tables de
vérité d’abord dans le cas où P est vrai (à gauche), puis dans le cas où P est faux (à droite).
¡ ¢
Dans les deux cas les deux assertions « P et (Q ou R ) » et « (P et Q ) ou (P et R ) » ont la même
table de vérité donc les assertions sont équivalentes.
Q\R V F Q\R V F
V V V V F F
F V F F F F
8. Par définition, l’implication « P =⇒ Q » est l’assertion « (non P ) ou Q ».

Donc l’implication « non(Q ) =⇒ non(P ) » est équivalente à « non(non(Q )) ou non(P ) » qui
équivaut encore à « Q ou non(P ) » et donc est équivalente à « P =⇒ Q ». On aurait aussi
pu encore une fois dresser les deux tables de vérité et voir quelles sont égales.
1.2. Quantificateurs
Le quantificateur ∀ : « pour tout »
Une assertion P peut dépendre d’un paramètre x, par exemple « x2 Ê 1 », l’assertion P(x) est vraie
ou fausse selon la valeur de x.
L’assertion
∀x ∈ E P(x)
est une assertion vraie lorsque les assertions P(x) sont vraies pour tous les éléments x de l’en-
semble E.
On lit « Pour tout x appartenant à E, P(x) », sous-entendu « Pour tout x appartenant à E, P(x) est
vraie ».
Par exemple :
– « ∀ x ∈ [1, +∞[ (x2 Ê 1) » est une assertion vraie.
– « ∀ x ∈ R (x2 Ê 1) » est une assertion fausse.
– « ∀ n ∈ N n(n + 1) est divisible par 2 » est vraie.
Le quantificateur ∃ : « il existe »
L’assertion
∃x ∈ E P(x)
est une assertion vraie lorsque l’on peut trouver au moins un x de E pour lequel P(x) est vraie. On
lit « il existe x appartenant à E tel que P(x) (soit vraie) ».
Par exemple :
– « ∃ x ∈ R (x(x − 1) < 0) » est vraie (par exemple x = 12 vérifie bien la propriété).
– « ∃ n ∈ N n2 − n > n » est vraie (il y a plein de choix, par exemple n = 3 convient, mais aussi
n = 10 ou même n = 100, un seul suffit pour dire que l’assertion est vraie).
– « ∃ x ∈ R (x2 = −1) » est fausse (aucun réel au carré ne donnera un nombre négatif).
La négation des quantificateurs
La négation de « ∀ x ∈ E P(x) » est « ∃ x ∈ E non P(x) » .
Par exemple la négation de « ∀ x ∈ [1, +∞[ (x2 Ê 1) » est l’assertion « ∃ x ∈ [1, +∞[ (x2 < 1) ». En
effet la négation de x2 Ê 1 est non(x2 Ê 1) mais s’écrit plus simplement x2 < 1.
La négation de « ∃ x ∈ E P(x) » est « ∀ x ∈ E non P(x) ».
Voici des exemples :

– La négation de « ∃ z ∈ C (z2 + z + 1 = 0) » est « ∀ z ∈ C (z2 + z + 1 6= 0) ».
– La négation de « ∀ x ∈ R (x + 1 ∈ Z) » est « ∃ x ∈ R (x + 1 ∉ Z) ».
– Ce n’est pas plus difficile d’écrire la négation de phrases complexes. Pour l’assertion :
∀x ∈ R ∃y > 0 (x + y > 10)
sa négation est
∃x ∈ R ∀y > 0 (x + y É 10).
Remarques
L’ordre des quantificateurs est très important. Par exemple les deux phrases logiques
∀x ∈ R ∃y ∈ R (x + y > 0) et ∃y ∈ R ∀x ∈ R (x + y > 0).
sont différentes. La première est vraie, la seconde est fausse. En effet une phrase logique se lit de
gauche à droite, ainsi la première phrase affirme « Pour tout réel x, il existe un réel y (qui peut donc
dépendre de x) tel que x + y > 0. » (par exemple on peut prendre y = x + 1). C’est donc une phrase
vraie. Par contre la deuxième se lit : « Il existe un réel y, tel que pour tout réel x, x + y > 0. » Cette
phrase est fausse, cela ne peut pas être le même y qui convient pour tous les x !
On retrouve la même différence dans les phrases en français suivantes. Voici une phrase vraie
« Pour toute personne, il existe un numéro de téléphone », bien sûr le numéro dépend de la personne.
Par contre cette phrase est fausse : « Il existe un numéro, pour toutes les personnes ». Ce serait le
même numéro pour tout le monde !
Terminons avec d’autres remarques.

– Quand on écrit « ∃ x ∈ R ( f (x) = 0) » cela signifie juste qu’il existe un réel pour lequel f
s’annule. Rien ne dit que ce x est unique. Dans un premier temps vous pouvez lire la phrase
ainsi : « il existe au moins un réel x tel que f (x) = 0 ». Afin de préciser que f s’annule en une
unique valeur, on rajoute un point d’exclamation :
∃! x ∈ R ( f (x) = 0).
– Pour la négation d’une phrase logique, il n’est pas nécessaire de savoir si la phrase est
fausse ou vraie. Le procédé est algorithmique : on change le « pour tout » en « il existe » et
inversement, puis on prend la négation de l’assertion P.
– Pour la négation d’une proposition, il faut être précis : la négation de l’inégalité stricte « < »
est l’inégalité large « Ê », et inversement.
– Les quantificateurs ne sont pas des abréviations. Soit vous écrivez une phrase en français :
« Pour tout réel x, si f (x) = 1 alors x Ê 0. » , soit vous écrivez la phrase logique :
∀x ∈ R ( f (x) = 1 =⇒ x Ê 0).
Mais surtout n’écrivez pas « ∀ x réel, si f (x) = 1 =⇒ x positif ou nul ». Enfin, pour passer
d’une ligne à l’autre d’un raisonnement, préférez plutôt « donc » à « =⇒ ».
– Il est défendu d’écrire 6 ∃, 6=⇒ . Ces symboles n’existent pas !
Mini-exercices
1. Écrire la table de vérité du « ou exclusif ». (C’est le ou dans la phrase « fromage ou

dessert », l’un ou l’autre mais pas les deux.)
2. Écrire la table de vérité de « non (P et Q) ». Que remarquez vous ?
3. Écrire la négation de « P =⇒ Q ».
4. Démontrer les assertions restantes de la proposition 1.
¡ ¢
5. Écrire la négation de « P et (Q ou R) ».
6. Écrire à l’aide des quantificateurs la phrase suivante : « Pour tout nombre réel, son
carré est positif ». Puis écrire la négation.
7. Mêmes questions avec les phrases : « Pour chaque réel, je peux trouver un entier relatif
tel que leur produit soit strictement plus grand que 1 ». Puis « Pour tout entier n, il existe
un unique réel x tel que exp(x) égale n ».
2. Raisonnements
Voici des méthodes classiques de raisonnements.
2.1. Raisonnement direct

On veut montrer que l’assertion « P =⇒ Q » est vraie. On suppose que P est vraie et on montre
qu’alors Q est vraie. C’est la méthode à laquelle vous êtes le plus habitué.
Exemple 1
Montrer que si a, b ∈ Q alors a + b ∈ Q.

Démonstration
p
Prenons a ∈ Q, b ∈ Q. Rappelons que les rationnels Q sont l’ensemble des réels s’écrivant q
avec p ∈ Z et q ∈ N∗ .
p p0
Alors a = q pour un certain p ∈ Z et un certain q ∈ N∗ . De même b = q0 avec p0 ∈ Z et q0 ∈ N∗ .
Maintenant
p p0 pq0 + q p0
a+b = + 0 = .
q q qq0
Or le numérateur pq0 + q p0 est bien un élément de Z ; le dénominateur qq0 est lui un élément
p00
de N∗ . Donc a + b s’écrit bien de la forme a + b = q00 avec p00 ∈ Z, q00 ∈ N∗ . Ainsi a + b ∈ Q.
2.2. Cas par cas

Si l’on souhaite vérifier une assertion P(x) pour tous les x dans un ensemble E, on montre l’asser-
tion pour les x dans une partie A de E, puis pour les x n’appartenant pas à A. C’est la méthode de
disjonction ou du cas par cas.
Exemple 2
Montrer que pour tout x ∈ R, | x − 1| É x2 − x + 1.

Démonstration
Soit x ∈ R. Nous distinguons deux cas.
Premier cas : x Ê 1. Alors | x − 1| = x − 1. Calculons alors x2 − x + 1 − | x − 1|.
x2 − x + 1 − | x − 1| = x2 − x + 1 − ( x − 1)
= x2 − 2 x + 2
= ( x − 1)2 + 1 Ê 0.
Ainsi x2 − x + 1 − | x − 1| Ê 0 et donc x2 − x + 1 Ê | x − 1|.

Deuxième cas : x < 1. Alors | x−1| = −( x−1). Nous obtenons x2 − x+1−| x−1| = x2 − x+1+( x−1) =
x2 Ê 0. Et donc x2 − x + 1 Ê | x − 1|.
Conclusion. Dans tous les cas | x − 1| É x2 − x + 1.
2.3. Contraposée
Le raisonnement par contraposition est basé sur l’équivalence suivante (voir la proposition 1) :
L’assertion « P =⇒ Q » est équivalente à « non(Q) =⇒ non(P) ».
Donc si l’on souhaite montrer l’assertion « P =⇒ Q », on montre en fait que si non(Q) est vraie
alors non(P) est vraie.
Exemple 3
Soit n ∈ N. Montrer que si n2 est pair alors n est pair.

Démonstration
Nous supposons que n n’est pas pair. Nous voulons montrer qu’alors n2 n’est pas pair. Comme
n n’est pas pair, il est impair et donc il existe k ∈ N tel que n = 2 k + 1. Alors n2 = (2 k + 1)2 =
4 k2 + 4 k + 1 = 2` + 1 avec ` = 2 k2 + 2 k ∈ N. Et donc n2 est impair.
Conclusion : nous avons montré que si n est impair alors n2 est impair. Par contraposition
ceci est équivalent à : si n2 est pair alors n est pair.
2.4. Absurde
Le raisonnement par l’absurde pour montrer « P =⇒ Q » repose sur le principe suivant : on
suppose à la fois que P est vraie et que Q est fausse et on cherche une contradiction. Ainsi si P est
vraie alors Q doit être vraie et donc « P =⇒ Q » est vraie.
Exemple 4
a b
Soient a, b Ê 0. Montrer que si 1+ b = 1+a alors a = b.
Démonstration
Nous raisonnons par l’absurde en supposant que 1+a b = 1+b a et a 6= b. Comme 1+a b = 1+b a alors
a(1 + a) = b(1 + b) donc a + a2 = b + b2 d’où a2 − b2 = b − a. Cela conduit à (a − b)(a + b) = −(a − b).
Comme a 6= b alors a − b 6= 0 et donc en divisant par a − b on obtient a + b = −1. La somme de
deux nombres positifs ne peut être négative. Nous obtenons une contradiction.
Conclusion : si 1+a b = 1+b a alors a = b.
Dans la pratique, on peut choisir indifféremment entre un raisonnement par contraposition ou par
l’absurde. Attention cependant de bien écrire quel type de raisonnement vous choisissez et surtout
de ne pas changer en cours de rédaction !
2.5. Contre-exemple
Si l’on veut montrer qu’une assertion du type « ∀ x ∈ E P(x) » est vraie alors pour chaque x de E
il faut montrer que P(x) est vraie. Par contre pour montrer que cette assertion est fausse alors
il suffit de trouver x ∈ E tel que P(x) soit fausse. (Rappelez-vous la négation de « ∀ x ∈ E P(x) »
est « ∃ x ∈ E non P(x) »). Trouver un tel x c’est trouver un contre-exemple à l’assertion « ∀ x ∈
E P(x) ».
Exemple 5
Montrer que l’assertion suivante est fausse « Tout entier positif est somme de trois carrés ».
(Les carrés sont les 02 , 12 , 22 , 32 ,... Par exemple 6 = 22 + 12 + 12 .)
Démonstration
Un contre-exemple est 7 : les carrés inférieurs à 7 sont 0, 1, 4 mais avec trois de ces nombres
on ne peut faire 7.
2.6. Récurrence
Le principe de récurrence permet de montrer qu’une assertion P(n), dépendant de n, est
vraie pour tout n ∈ N. La démonstration par récurrence se déroule en trois étapes : lors de
l’initialisation on prouve P(0). Pour l’étape d’hérédité, on suppose n Ê 0 donné avec P(n) vraie,
et on démontre alors que l’assertion P(n + 1) au rang suivant est vraie. Enfin dans la conclusion,
on rappelle que par le principe de récurrence P(n) est vraie pour tout n ∈ N.
Exemple 6
Montrer que pour tout n ∈ N, 2n > n.

Démonstration
Pour n Ê 0, notons P ( n) l’assertion suivante :
2n > n.
Nous allons démontrer par récurrence que P ( n) est vraie pour tout n Ê 0.
Initialisation. Pour n = 0 nous avons 20 = 1 > 0. Donc P (0) est vraie.
Hérédité. Fixons n Ê 0. Supposons que P ( n) soit vraie. Nous allons montrer que P ( n + 1) est
vraie.
2n+1 = 2n + 2n
> n + 2n car par P ( n) nous savons 2n > n,
> n+1 car 2n Ê 1.
Donc P ( n + 1) est vraie.

Conclusion. Par le principe de récurrence P ( n) est vraie pour tout n Ê 0, c’est-à-dire 2n > n
pour tout n Ê 0.
Remarques :
– La rédaction d’une récurrence est assez rigide. Respectez scrupuleusement la rédaction
proposée : donnez un nom à l’assertion que vous souhaitez montrer (ici P(n)), respectez les
trois étapes (même si souvent l’étape d’initialisation est très facile). En particulier méditez
et conservez la première ligne de l’hérédité « Fixons n Ê 0. Supposons que P(n) soit vraie.
Nous allons montrer que P(n + 1) est vraie. »
– Si on doit démontrer qu’une propriété est vraie pour tout n Ê n 0 , alors on commence l’initia-
lisation au rang n 0 .
– Le principe de récurrence est basé sur la construction de N. En effet un des axiomes pour
définir N est le suivant : « Soit A une partie de N qui contient 0 et telle que si n ∈ A alors
n + 1 ∈ A. Alors A = N ».
Mini-exercices
a+ b
1. (Raisonnement direct) Soient a, b ∈ R+ . Montrer que si a É b alors a É 2 É b et a É
p
ab É b.
2. (Cas par cas) Montrer que pour tout n ∈ N, n(n + 1) est divisible par 2 (distinguer les n
pairs des n impairs).
p
3. (Contraposée ou absurde) Soient a, b ∈ Z. Montrer que si b 6= 0 alors a + b 2 ∉ Q. (On
p
utilisera que 2 ∉ Q.)
p
4. (Absurde) Soit n ∈ N∗ . Montrer que n2 + 1 n’est pas un entier.
5. (Contre-exemple) Est-ce que pour tout x ∈ R on a x < 2 =⇒ x2 < 4 ?
n( n+1)
6. (Récurrence) Montrer que pour tout n Ê 1, 1 + 2 + · · · + n = 2 .
7. (Récurrence) Fixons un réel x Ê 0. Montrer que pour tout entier n Ê 1, (1 + x)n Ê 1 + nx.
Auteurs
Arnaud Bodin
Benjamin Boutin
Pascal Romon
Exo7
2 Ensembles et applications
1 Ensembles
2 Applications
3 Injection, surjection, bijection
4 Ensembles nis
5 Relation d'équivalence
Vidéo ■ partie 1. Ensembles

Vidéo ■ partie 2. Applications
Vidéo ■ partie 3. Injection, surjection, bijection
Vidéo ■ partie 4. Ensembles finis
Vidéo ■ partie 5. Relation d'équivalence
Exercices Logique, ensembles, raisonnements
Exercices Injection, surjection, bijection
Exercices Dénombrement
Exercices Relation d'équivalence, relation d'ordre
Motivations
Au début du X X e siècle le professeur Frege peaufinait la rédaction du second tome d’un ouvrage
qui souhaitait refonder les mathématiques sur des bases logiques. Il reçut une lettre d’un tout
jeune mathématicien : « J’ai bien lu votre premier livre. Malheureusement vous supposez qu’il
existe un ensemble qui contient tous les ensembles. Un tel ensemble ne peut exister. » S’ensuit une
démonstration de deux lignes. Tout le travail de Frege s’écroulait et il ne s’en remettra jamais. Le
jeune Russell deviendra l’un des plus grands logiciens et philosophes de sont temps. Il obtient le
prix Nobel de littérature en 1950.
Voici le « paradoxe de Russell » pour montrer que l’ensemble de tous les ensembles ne peut exis-
ter. C’est très bref, mais difficile à appréhender. Par l’absurde, supposons qu’un tel ensemble E
contenant tous les ensembles existe. Considérons
n o
F = E∈E |E∉E .
Expliquons l’écriture E ∉ E : le E de gauche est considéré comme un élément, en effet l’ensemble

E est l’ensemble de tous les ensembles et E est un élément de cet ensemble ; le E de droite
est considéré comme un ensemble, en effet les élément de E sont des ensembles ! On peut donc
s’interroger si l’élément E appartient à l’ensemble E. Si non, alors par définition on met E dans
l’ensemble F.
La contradiction arrive lorsque l’on se pose la question suivante : a-t-on F ∈ F ou F ∉ F ? L’une
des deux affirmation doit être vraie. Et pourtant :
– Si F ∈ F alors par définition de F, F est l’un des ensembles E tel que F ∉ F. Ce qui est
contradictoire.
– Si F ∉ F alors F vérifie bien la propriété définissant F donc F ∈ F ! Encore contradictoire.
Ensembles et applications 17
Aucun des cas n’est possible. On en déduit qu’il ne peut exister un tel ensemble E contenant tous
les ensembles.
Ce paradoxe a été popularisé par l’énigme suivante : « Dans une ville, le barbier rase tous ceux
qui ne se rasent pas eux-mêmes. Qui rase le barbier ? » La seule réponse valable est qu’une telle
situation ne peut exister.
Ne vous inquiétez pas, Russell et d’autres ont fondé la logique et les ensembles sur des bases solides.
Cependant il n’est pas possible dans ce cours de tout redéfinir. Heureusement, vous connaissez
déjà quelques ensembles :
– l’ensemble des entiers naturels N = {0, 1, 2, 3, . . .}.
– l’ensemble des entiers relatifs Z = {. . . , −2, −1, 0, 1, 2, . . .}.
©p
– l’ensemble des rationnels Q = q | p ∈ Z, q ∈ N \ {0} .
ª
p
– l’ensemble des réels R, par exemple 1, 2, π, ln(2),. . .
– l’ensemble des nombres complexes C.
Nous allons essayer de voir les propriétés des ensembles, sans s’attacher à un exemple particulier.
Vous vous apercevrez assez rapidement que ce qui est au moins aussi important que les ensembles,
ce sont les relations entre ensembles : ce sera la notion d’application (ou fonction) entre deux
ensembles.
1. Ensembles
1.1. Définir des ensembles
– On va définir informellement ce qu’est un ensemble : un ensemble est une collection d’élé-
ments.
– Exemples :
{0, 1}, {rouge, noir}, {0, 1, 2, 3, . . .} = N.
– Un ensemble particulier est l’ensemble vide, noté ∅ qui est l’ensemble ne contenant aucun
élément.
– On note
x∈E
si x est un élément de E, et x ∉ E dans le cas contraire.

– Voici une autre façon de définir des ensembles : une collection d’éléments qui vérifient une
propriété.
– Exemples :
x ∈ R | | x − 2| < 1 , z ∈ C | z5 = 1 , x ∈ R | 0 É x É 1 = [0, 1].

© ª © ª © ª
1.2. Inclusion, union, intersection, complémentaire

– L’inclusion. E ⊂ F si tout élément de E est aussi un élément de F (autrement dit : ∀ x ∈
E (x ∈ F)). On dit alors que E est un sous-ensemble de F ou une partie de F.
– L’égalité. E = F si et seulement si E ⊂ F et F ⊂ E.
– Ensemble des parties de E. On note P (E) l’ensemble des parties de E. Par exemple si
E = {1, 2, 3} :
P ({1, 2, 3}) = ∅, {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, {1, 2, 3} .
© ª
– Complémentaire. Si A ⊂ E,
© ª
ÙE A = x ∈ E | x ∉ A
On le note aussi E \ A et juste Ù A s’il n’y a pas d’ambiguïté (et parfois aussi A c ou A).
E A ÙE A
– Union. Pour A, B ⊂ E,
© ª
A ∪ B = x ∈ E | x ∈ A ou x ∈ B
Le «ou» n’est pas exclusif : x peut appartenir à A et à B en même temps.
A A∪B B
– Intersection. © ª
A ∩ B = x ∈ E | x ∈ A et x ∈ B
A A∩B B
1.3. Règles de calculs

Soient A, B, C des parties d’un ensemble E.
– A∩B = B∩ A
– A ∩ (B ∩ C) = (A ∩ B) ∩ C (on peut donc écrire A ∩ B ∩ C sans ambigüité)
– A ∩ ∅ = ∅, A ∩ A = A, A ⊂ B ⇐⇒ A ∩ B = A
– A∪B = B∪ A
– A ∪ (B ∪ C) = (A ∪ B) ∪ C (on peut donc écrire A ∪ B ∪ C sans ambiguïté)
– A ∪ ∅ = A, A ∪ A = A, A ⊂ B ⇐⇒ A ∪ B = B
– A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
– A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
¡ ¢
– Ù Ù A = A et donc A ⊂ B ⇐⇒ ÙB ⊂ Ù A.
– Ù (A ∩ B) = Ù A ∪ ÙB
– Ù (A ∪ B) = Ù A ∩ ÙB
Voici les dessins pour les deux dernières assertions.
ÙA ÙB
A B A B
Ù(A ∩ B) = Ù A ∪ ÙB Ù(A ∪ B) = Ù A ∩ ÙB
A A∩B B A A∪B B
Les preuves sont pour l’essentiel une reformulation des opérateurs logiques, en voici quelques-unes
:
– Preuve de A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) : x ∈ A ∩ (B ∪ C) ⇐⇒ x ∈ A et x ∈ (B ∪ C) ⇐⇒ x ∈
A et (x ∈ B ou x ∈ C) ⇐⇒ (x ∈ A et x ∈ B) ou (x ∈ A et x ∈ C) ⇐⇒ (x ∈ A ∩B) ou (x ∈ A ∩C) ⇐⇒
x ∈ (A ∩ B) ∪ (A ∩ C).
¡ ¢ ¡
– Preuve de Ù (A ∩ B) = Ù A ∪ ÙB : x ∈ Ù (A ∩ B) ⇐⇒ x ∉ (A ∩ B) ⇐⇒ non x ∈ A ∩ B ⇐⇒ non x ∈
¢
A et x ∈ B ⇐⇒ non(x ∈ A) ou non(x ∈ B) ⇐⇒ x ∉ A ou x ∉ B ⇐⇒ x ∈ Ù A ∪ ÙB.
Remarquez que l’on repasse aux éléments pour les preuves.
1.4. Produit cartésien

Soient E et F deux ensembles. Le produit cartésien, noté E × F, est l’ensemble des couples (x, y)
où x ∈ E et y ∈ F.
Exemple 7
1. Vous connaissez R2 = R × R = (x, y) | x, y ∈ R .

© ª
2. Autre exemple [0, 1] × R = (x, y) | 0 É x É 1, y ∈ R

© ª
x
0 1
© ª
3. [0, 1] × [0, 1] × [0, 1] = (x, y, z) | 0 É x, y, z É 1
y
z
1
1
0 1 x
Mini-exercices
1. En utilisant les définitions, montrer : A 6= B si et seulement s’il existe a ∈ A \ B ou

b ∈ B \ A.
2. Énumérer P ({1, 2, 3, 4}).
3. Montrer A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) et Ù (A ∪ B) = Ù A ∩ ÙB.
4. Énumérer {1, 2, 3} × {1, 2, 3, 4}.
5. Représenter les sous-ensembles de R2 suivants : ]0, 1[∪[2, 3[ ×[−1, 1], R\(]0, 1[∪[2, 3[ ×
¡ ¢ ¡ ¢
(R \ [−1, 1]) ∩ [0, 2] .

¡ ¢
2. Applications
2.1. Définitions
– Une application (ou une fonction) f : E → F, c’est la donnée pour chaque élément x ∈ E
d’un unique élément de F noté f (x).
Nous représenterons les applications par deux types d’illustrations : les ensembles «patates»,
l’ensemble de départ (et celui d’arrivée) est schématisé par un ovale ses éléments par des
points. L’association x 7→ f (x) est représentée par une flèche.
f
x f (x)
E F
L’autre représentation est celle des fonctions continues de R dans R (ou des sous-ensembles
de R). L’ensemble de départ R est représenté par l’axe des abscisses et celui d’arrivée par
l’axe des ordonnées. L’association x 7→ f (x) est représentée par le point (x, f (x)).
y
f (x)
x
x
– Égalité. Deux applications f , g : E → F sont égales si et seulement si pour tout x ∈ E, f (x) =

g(x). On note alors f = g.
– Le graphe de f : E → F est
n¡ o
Γ f = x, f (x) ∈ E × F | x ∈ E
¢
Γf
– Composition. Soient f : E → F et g : F → G alors g ◦ f : E → G est l’application définie par

¡ ¢
g ◦ f (x) = g f (x) .
f g
E −−−−→ F −−−−→ G
g◦ f
Exemple 8
1. L’identité, idE : E → E est simplement définie par x 7→ x et sera très utile dans la suite.
2. Définissons f , g ainsi
f : ]0, +∞[ −→ ]0, +∞[ g : ]0, +∞[ −→ R

1 , x−1 .
x 7−→ x x 7−→ x+1
Alors g ◦ f : ]0, +∞[→ R vérifie pour tout x ∈]0, +∞[ :

1
1 −1 1− x
µ ¶
¡ ¢ x
g ◦ f (x) = g f (x) = g = 1
= = − g(x).
x x +1 1+ x
2.2. Image directe, image réciproque

Soient E, F deux ensembles.
Définition 1
Soit A ⊂ E et f : E → F, l’image directe de A par f est l’ensemble

© ª
f (A) = f (x) | x ∈ A
y
f
E F
A f (A)
f (A)
x
A
Définition 2
Soit B ⊂ F et f : E → F, l’image réciproque de B par f est l’ensemble
f −1 (B) = x ∈ E | f (x) ∈ B
© ª
f
E F y
B
B
x
f −1 (B) f −1 (B)
Remarque
Ces notions sont plus difficiles à maîtriser qu’il n’y paraît !

– f (A) est un sous-ensemble de F, f −1 (B) est un sous-ensemble de E.
– La notation « f −1 (B)» est un tout, rien ne dit que f est un fonction bijective (voir plus
loin). L’image réciproque existe quelque soit la fonction.
© ª
– L’image directe d’un singleton f ({ x}) = f (x) est un singleton. Par contre l’image réci-
proque d’un singleton f −1 { y} dépend de f . Cela peut être un singleton, un ensemble à
¡ ¢
plusieurs éléments ; mais cela peut-être E tout entier (si f est une fonction constante)
ou même l’ensemble vide (si aucune image par f ne vaut y).
2.3. Antécédents
Fixons y ∈ F. Tout élément x ∈ E tel que f (x) = y est un antécédent de y.
En termes d’image réciproque l’ensemble des antécédents de y est f −1 ({ y}).
Sur les dessins suivants, l’élément y admet 3 antécédents par f . Ce sont x1 , x2 , x3 .
f
y
E x3 F
x1 x2 y y
x
x1 x2 x3
Mini-exercices
1. Pour deux applications f , g : E → F, quelle est la négation de f = g ?

4
2. Représenter le graphe de f : N → R définie par n 7→ n+1 .
3. Soient f , g, h : R → R définies par f (x) = x2 , g(x) = 2x + 1, h(x) = x3 − 1. Calculer f ◦ (g ◦ h)
et ( f ◦ g) ◦ h.
4. Pour la fonction f : R → R définie par x 7→ x2 représenter et calculer les ensembles
suivants : f ([0, 1[), f (R), f (] − 1, 2[), f −1 ([1, 2[), f −1 ([−1, 1]), f −1 ({3}), f −1 (R \ N).
3. Injection, surjection, bijection

3.1. Injection, surjection
Soit E, F deux ensembles et f : E → F une application.
Définition 3
f est injective si pour tout x, x0 ∈ E avec f (x) = f (x0 ) alors x = x0 . Autrement dit :
∀ x, x0 ∈ E f (x) = f (x0 ) =⇒ x = x0
¡ ¢
Définition 4
f est surjective si pour tout y ∈ F, il existe x ∈ E tel que y = f (x). Autrement dit :
¡ ¢
∀y ∈ F ∃x ∈ E y = f (x)
Une autre formulation : f est surjective si et seulement si f (E) = F.

Les applications f représentées sont injectives :
f y
)
E F F
x
E
Les applications f représentées sont surjectives :
f
y
E F F
x
E
Remarque
Encore une fois ce sont des notions difficiles à appréhender. Une autre façon de formuler
l’injectivité et la surjectivité est d’utiliser les antécédents.
– f est injective si et seulement si tout élément y de F a au plus 1 antécédent (et éven-
tuellement aucun).
– f est surjective si et seulement si tout élément y de F a au moins 1 antécédent.
Remarque
Voici deux fonctions non injectives :
f
y
E F
x
x0 y y
x
x x0
Ainsi que deux fonctions non surjectives :

f y
F
)
y
E F
x
E
Exemple 9
1. Soit f 1 : N → Q définie par f 1 (x) = 1+1 x . Montrons que f 1 est injective : soit x, x0 ∈ N tels
que f 1 (x) = f 1 (x0 ). Alors 1+1 x = 1+1x0 , donc 1 + x = 1 + x0 et donc x = x0 . Ainsi f 1 est injective.
Par contre f 1 n’est pas surjective. Il s’agit de trouver un élément y qui n’a pas d’antécé-
dent par f 1 . Ici il est facile de voir que l’on a toujours f 1 (x) É 1 et donc par exemple y = 2
n’a pas d’antécédent. Ainsi f 1 n’est pas surjective.
2. Soit f 2 : Z → N définie par f 2 (x) = x2 . Alors f 2 n’est pas injective. En effet on peut trouver
deux éléments x, x0 ∈ Z différents tels que f 2 (x) = f 2 (x0 ). Il suffit de prendre par exemple
x = 2, x0 = −2.
f 2 n’est pas non plus surjective, en effet il existe des éléments y ∈ N qui n’ont aucun
antécédent. Par exemple y = 3 : si y = 3 avait un antécédent x par f 2 , nous aurions
p
f 2 (x) = y, c’est-à-dire x2 = 3, d’où x = ± 3. Mais alors x n’est pas un entier de Z. Donc
y = 3 n’a pas d’antécédent et f 2 n’est pas surjective.
3.2. Bijection
Définition 5
f est bijective si elle injective et surjective. Cela équivaut à : pour tout y ∈ F il existe un
unique x ∈ E tel que y = f (x). Autrement dit :
¡ ¢
∀y ∈ F ∃!x ∈ E y = f (x)
L’existence du x vient de la surjectivité et l’unicité de l’injectivité. Autrement dit, tout élément de

F a un unique antécédent par f .
f y
E F F
x
E
Proposition 2
Soit E, F des ensembles et f : E → F une application.

1. L’application f est bijective si et seulement si il existe une application g : F → E telle
que f ◦ g = idF et g ◦ f = idE .
2. Si f est bijective alors l’application g est unique et elle aussi est bijective. L’application
¢−1
g s’appelle la bijection réciproque de f et est notée f −1 . De plus f −1
¡
= f.
Remarque
– f ◦ g = idF se reformule ainsi

¡ ¢
∀y ∈ F f g(y) = y.
– Alors que g ◦ f = idE s’écrit :

¡ ¢
∀x ∈ E g f (x) = x.
– Par exemple f : R →]0, +∞[ définie par f (x) = exp(x) est bijective, sa bijection réciproque
est g :]0, +∞[→ R définie par g(y) = ln(y). Nous avons bien exp ln(y) = y, pour tout
¡ ¢
y ∈]0, +∞[ et ln exp(x) = x, pour tout x ∈ R.

¡ ¢
Démonstration
1. – Sens ⇒. Supposons f bijective. Nous allons construire une application g : F → E . Comme f

est surjective alors pour chaque y ∈ F , il existe un x ∈ E tel que y = f ( x) et on pose g( y) = x.
¡ ¢
On a f g( y) = f ( x) = y, ceci pour tout y ∈ F et donc f ◦ g = idF . On compose à droite avec f
¡ ¢
donc f ◦ g ◦ f = idF ◦ f . Alors pour tout x ∈ E on a f g ◦ f ( x) = f ( x) or f est injective et donc
g ◦ f ( x) = x. Ainsi g ◦ f = idE . Bilan : f ◦ g = idF et g ◦ f = idE .
– Sens ⇐. Supposons que g existe et montrons que f est bijective.
¡ ¢
– f est surjective : en effet soit y ∈ F alors on note x = g( y) ∈ E ; on a bien : f ( x) = f g( y) =
f ◦ g( y) = idF ( y) = y, donc f est bien surjective.
– f est injective : soient x, x0 ∈ E tels que f ( x) = f ( x0 ). On compose par g (à gauche) alors
g ◦ f ( x) = g ◦ f ( x0 ) donc idE ( x) = idE ( x0 ) donc x = x0 ; f est bien injective.
2. – Si f est bijective alors g est aussi bijective car g ◦ f = idE et f ◦ g = idF et on applique ce
que l’on vient de démontrer avec g à la place de f . Ainsi g−1 = f .
– Si f est bijective, g est unique : en effet soit h : F → E une autre application telle que
¡ ¢
h ◦ f = idE et f ◦ h = idF ; en particulier f ◦ h = idF = f ◦ g, donc pour tout y ∈ F , f h( y) =
¡ ¢
f g( y) or f est injective alors h( y) = g( y), ceci pour tout y ∈ F ; d’où h = g.
Proposition 3
Soient f : E → F et g : F → G des applications bijectives. L’application g ◦ f est bijective et sa

bijection réciproque est
(g ◦ f )−1 = f −1 ◦ g−1
Démonstration
D’après la proposition 2, il existe u : F → E tel que u ◦ f = idE et f ◦ u = idF . Il existe aussi v : G → F

tel que v ◦ g = idF et g ◦ v = idG . On a alors ( g ◦ f ) ◦ ( u ◦ v) = g ◦ ( f ◦ u) ◦ v = g ◦ idF ◦ u = g ◦ u = idE . Et
( u ◦ v) ◦ ( g ◦ f ) = u ◦ (v ◦ g) ◦ f = u ◦ idF ◦ f = u ◦ f = idE . Donc g ◦ f est bijective et son inverse est u ◦ v.
Comme u est la bijection réciproque de f et v celle de g alors : u ◦ v = f −1 ◦ g−1 .
Mini-exercices
1. Les fonctions suivantes sont-elles injectives, surjectives, bijectives ?

– f 1 : R → [0, +∞[, x 7→ x2 .
– f 2 : [0, +∞[→ [0, +∞[, x 7→ x2 .
– f 3 : N → N, x 7→ x2 .
– f 4 : Z → Z, x 7→ x − 7.
– f 5 : R → [0, +∞[, x 7→ | x|.
1
2. Montrer que la fonction f : ]1, +∞[→]0, +∞[ définie par f (x) = x−1 est bijective. Calculer
sa bijection réciproque.
4. Ensembles finis
4.1. Cardinal
Définition 6
Un ensemble E est fini s’il existe un entier n ∈ N et une bijection de E vers {1, 2, . . . , n}. Cet
entier n est unique et s’appelle le cardinal de E (ou le nombre d’éléments) et est noté
Card E.
Quelques exemples :
1. E = {rouge, noir} est en bijection avec {1, 2} et donc est de cardinal 2.
2. N n’est pas un ensemble fini.
3. Par définition le cardinal de l’ensemble vide est 0.
Enfin quelques propriétés :
1. Si A est un ensemble fini et B ⊂ A alors B est un ensemble fini et Card B É Card A.
2. Si A, B sont des ensembles finis disjoints (c’est-à-dire A ∩ B = ∅) alors Card(A ∪ B) = Card A +
Card B.
3. Si A est un ensemble fini et B ⊂ A alors Card(A \ B) = Card A − Card B.
4. Enfin pour A, B deux ensembles finis quelconques :
Card(A ∪ B) = Card A + Card B − Card(A ∩ B)
Voici une situation où s’applique la dernière propriété :
4.2. Injection, surjection, bijection et ensembles finis
Proposition 4
Soit E, F deux ensembles finis et f : E → F une application.

1. Si f est injective alors Card E É Card F.
2. Si f est surjective alors Card E Ê Card F.
3. Si f est bijective alors Card E = Card F.
Démonstration
1. Supposons f injective. Notons F 0 = f (E ) ⊂ F alors la restriction f | : E → F 0 (définie par f | ( x) =

f ( x)) est une bijection. Donc pour chaque y ∈ F 0 est associé un unique x ∈ E tel que y =
f ( x). Donc E et F 0 ont le même nombre d’éléments. Donc Card F 0 = Card E . Or F 0 ⊂ F , ainsi
Card E = Card F 0 É Card F .
2. Supposons f surjective. Pour tout élément y ∈ F , il existe au moins un élément x de E tel que
y = f ( x) et donc Card E Ê Card F .
3. Cela découle de (1) et (2) (ou aussi de la preuve du (1)).
Proposition 5
Soit E, F deux ensembles finis et f : E → F une application. Si
Card E = Card F
alors les assertions suivantes sont équivalentes :

i. f est injective,
ii. f est surjective,
iii. f est bijective.
Démonstration
Le schéma de la preuve est le suivant : nous allons montrer successivement les implications :
( i ) =⇒ ( ii ) =⇒ ( iii ) =⇒ ( i )
ce qui prouvera bien toutes les équivalences.

– ( i ) =⇒ ( ii ). Supposons f injective. Alors Card f (E ) = Card E = Card F . Ainsi f (E ) est un
sous-ensemble de F ayant le même cardinal que F ; cela entraîne f (E ) = F et donc f est

surjective.
– ( ii ) =⇒ ( iii ). Supposons f surjective. Pour montrer que f est bijective, il reste à montrer
que f est injective. Raisonnons par l’absurde et supposons f non injective. Alors Card f (E ) <
Card E (car au moins 2 éléments ont la même image). Or f (E ) = F car f surjective, donc
Card F < Card E . C’est une contradiction, donc f doit être injective et ainsi f est bijective.
– ( iii ) =⇒ ( i ). C’est clair : une fonction bijective est en particulier injective.
Appliquez ceci pour montrer le principe des tiroirs :
Proposition 6
Si l’on range dans k tiroirs, n > k paires de chaussettes alors il existe (au moins) un tiroir
contenant (au moins) deux paires de chaussettes.
Malgré sa formulation amusante, c’est une proposition souvent utile. Exemple : dans un amphi
de 400 étudiants, il y a au moins deux étudiants nés le même jour !
4.3. Nombres d’applications

Soient E, F des ensembles finis, non vides. On note Card E = n et Card F = p.
Proposition 7
Le nombre d’applications différentes de E dans F est :
pn
Autrement dit c’est (Card F)Card E .
Exemple 10
En particulier le nombre d’applications de E dans lui-même est n n . Par exemple si E =

{1, 2, 3, 4, 5} alors ce nombre est 55 = 3125.
Démonstration
Fixons F et p = Card F . Nous allons effectuer une récurrence sur n = Card E . Soit (P n ) l’assertion
suivante : le nombre d’applications d’un ensemble à n éléments vers un ensemble à p éléments est
pn .
– Initialisation. Pour n = 1, une application de E dans F est définie par l’image de l’unique
élément de E . Il y a p = Card F choix possibles et donc p1 applications distinctes. Ainsi P1 est
vraie.
– Hérédité. Fixons n Ê 1 et supposons que P n est vraie. Soit E un ensemble à n + 1 éléments.
On choisit et fixe a ∈ E ; soit alors E 0 = E \{a} qui a bien n éléments. Le nombre d’applications
de E 0 vers F est p n , par l’hypothèse de récurrence (P n ). Pour chaque application f : E 0 → F on
peut la prolonger en une application f : E → F en choisissant l’image de a. On a p choix pour
l’image de a et donc p n × p choix pour les applications de E vers F . Ainsi P n+1 est vérifiée.
– Conclusion. Par le principe de récurrence P n est vraie, pour tout n Ê 1.
Proposition 8
Le nombre d’injections de E dans F est :
p × (p − 1) × · · · × (p − (n − 1)).
Démonstration
Supposons E = {a 1 , a 2 , . . . , a n } ; pour l’image de a 1 nous avons p choix. Une fois ce choix fait, pour
l’image de a 2 il reste p − 1 choix (car a 2 ne doit pas avoir la même image que a 1 ). Pour l’image de
a 3 il y a p − 2 possibilités. Ainsi de suite : pour l’image de a k il y p − ( k − 1) choix... Il y a au final
p × ( p − 1) × · · · × ( p − ( n − 1)) applications injectives.
Notation factorielle : n! = 1 × 2 × 3 × · · · × n. Avec 1! = 1 et par convention 0! = 1.
Proposition 9
Le nombre de bijections d’un ensemble E de cardinal n dans lui-même est :
n!
Exemple 11
Parmi les 3125 applications de {1, 2, 3, 4, 5} dans lui-même il y en a 5! = 120 qui sont bijectives.
Démonstration
Nous allons le prouver par récurrence sur n. Soit (P n ) l’assertion suivante : le nombre de bijections
d’un ensemble à n éléments dans un ensemble à n éléments est n!
– P1 est vraie. Il n’y a qu’une bijection d’un ensemble à 1 élément dans un ensemble à 1
élément.
– Fixons n Ê 1 et supposons que P n est vraie. Soit E un ensemble à n + 1 éléments. On fixe
a ∈ E . Pour chaque b ∈ E il y a -par l’hypothèse de récurrence- exactement n! applications
bijectives de E \ {a} → E \ { b}. Chaque application se prolonge en une bijection de E → F en
posant a 7→ b. Comme il y a n + 1 choix de b ∈ E alors nous obtenons n! × ( n + 1) bijections de
E dans lui-même. Ainsi P n+1 est vraie.
– Par le principe de récurrence le nombre de bijections d’un ensemble à n éléments est n!
On aurait aussi pu directement utiliser la proposition 8 avec n = p (sachant qu’alors les injections
sont aussi des bijections).
4.4. Nombres de sous-ensembles

Soit E un ensemble fini de cardinal n.
Proposition 10
Il y a 2Card E sous-ensembles de E :
Card P (E) = 2n
Exemple 12
Si E = {1, 2, 3, 4, 5} alors P (E) a 25 = 32 parties. C’est un bon exercice de les énumérer :

– l’ensemble vide : ∅,
– 5 singletons : {1}, {2}, . . .,
– 10 paires : {1, 2}, {1, 3}, . . . , {2, 3}, . . .,
– 10 triplets : {1, 2, 3}, . . .,
– 5 ensembles à 4 éléments : {1, 2, 3, 4}, {1, 2, 3, 5}, . . .,
– et E tout entier : {1, 2, 3, 4, 5}.
Démonstration
Encore une récurrence sur n = Card E .

– Si n = 1, E = {a} est un singleton, les deux sous-ensembles sont : ∅ et E .
– Supposons que la proposition soit vraie pour n Ê 1 fixé. Soit E un ensemble à n + 1 éléments.
On fixe a ∈ E . Il y a deux sortes de sous-ensembles de E :
– les sous-ensembles A qui ne contiennent pas a : ce sont les sous-ensembles A ⊂ E \{a}. Par
l’hypothèse de récurrence il y en a 2n .
– les sous-ensembles A qui contiennent a : ils sont de la forme A = {a} ∪ A 0 avec A 0 ⊂ E \ {a}.
Par l’hypothèse de récurrence il y a 2n sous-ensembles A 0 possibles et donc aussi 2n sous-
ensembles A .
Le bilan : 2n + 2n = 2n+1 parties A ⊂ E .
– Par le principe de récurrence, nous avons prouvé que si Card E = n alors Card P (E ) = 2n .
4.5. Coefficients du binôme de Newton
Définition 7
¡ n¢
Le nombre de parties à k éléments d’un ensemble à n éléments est noté k ou C nk .
Exemple 13
Les parties à deux éléments de {1, 2, 3} sont {1, 2}, {1, 3} et {2, 3} et donc 32 = 3. Nous avons
¡ ¢
déjà classé les parties de {1, 2, 3, 4, 5} par nombre d’éléments et donc

– 50 = 1 (la seule partie n’ayant aucun élément est l’ensemble vide),
¡ ¢
– 51 = 5 (il y a 5 singletons),
¡ ¢
– 52 = 10 (il y a 10 paires),
¡ ¢
– 53 = 10,
¡ ¢
– 54 = 5,
¡ ¢
– 55 = 1 (la seule partie ayant 5 éléments est l’ensemble tout entier).

¡ ¢
Sans calculs on peut déjà remarquer les faits suivants :

Proposition 11
¡ n¢ ¡ n¢ ¡ n¢
– 0 = 1, 1 = n, n = 1.
¡ n ¢ ¡ n¢
– n− k = k
¡ n¢ ¡ n¢ ¡ n¢ ¡ n¢ n
– 0 + 1 +···+ k +···+ n = 2
Démonstration
¡ n¢
1. Par exemple : 1 = n car il y a n singletons.
2. Compter le nombre de parties A ⊂ E ayant k éléments revient aussi à compter le nombre de
¡ n ¢ ¡ n¢
parties de la forme Ù A (qui ont donc n − k éléments), ainsi n− k = k .
¡ n¢ ¡ n¢ ¡ n¢ ¡ n¢ n
3. La formule 0 + 1 + · · · + k + · · · + n = 2 exprime que faire la somme du nombre de parties
à k éléments, pour k = 0, . . . , n, revient à compter toutes les parties de E .
Proposition 12
Ã ! Ã ! Ã !
n n−1 n−1
= + 0<k<n
k k k−1
Démonstration
Soit E un ensemble à n éléments, a ∈ E et E 0 = E \ {a}. Il y a deux sortes de parties A ⊂ E ayant k

éléments :
– celles qui ne contiennent pas a : ce sont donc des parties à k éléments dans E 0 qui a n − 1
éléments. Il y a en a donc n−
¡ 1¢
k ,
– celles qui contiennent a : elles sont de la forme A = {a} ∪ A 0 avec A 0 une partie à k − 1
éléments dans E 0 qui a n − 1 éléments. Il y en a nk−
¡ −1¢
¡n¢ ¡n−1¢ ¡n−1¢ 1 .
Bilan : k = k−1 + k .
Le triangle de Pascal est un algorithme pour calculer ces coefficients nk . La ligne du haut corres-
¡ ¢
pond à 00 , la ligne suivante à 10 et 11 , la ligne d’après à 20 , 21 et 22 .

¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢
La dernière ligne du triangle de gauche aux coefficients 40 , 41 , . . . , 44 .

¡ ¢ ¡ ¢ ¡ ¢
Comment continuer ce triangle pour obtenir le triangle de droite ? Chaque élément de la nouvelle
ligne est obtenu en ajoutant les deux nombres qui lui sont au-dessus à droite et au-dessus à
gauche.
1 1
1 1 1 1
1 2 1 1 2 1
1 3 3 1 1 3 3 1
1 4 6 4 1 1 4 6 4 1
1 5 10 10 5 1
Ce qui fait que cela fonctionne c’est bien sûr la proposition 12 qui se représente ainsi :
¡n−1¢ ¡n−1¢
k−1 k
¡ n¢
k
Une autre façon de calculer le coefficient du binôme de Newton repose sur la formule suivante :
Proposition 13
Ã !
n n!
=
k k!(n − k)!
Démonstration
Cela se fait par récurrence sur n. C’est clair pour n = 1. Si c’est vrai au rang n − 1 alors écrivons
¡n¢ ¡n−1¢ ¡n−1¢
et utilisons l’hypothèse de récurrence pour nk−
¡ −1¢ ¡n−1¢
k = k−1 + k 1 et k . Ainsi
Ã ! Ã ! Ã !
n n−1 n−1 ( n − 1)! ( n − 1)!
= + = +
k k−1 k ( k − 1)!( n − 1 − ( k − 1))! k!( n − 1 − k)!
( n − 1)! 1 1 ( n − 1)! n
µ ¶
= × + = ×
( k − 1)!( n − k − 1)! n−k k ( k − 1)!( n − k − 1)! k( n − k)
n!
=
k!( n − k)!
4.6. Formule du binôme de Newton
Théorème 1
Soient a, b ∈ R et n un entier positif alors :

Ã !
n n
n
a n− k · b k
X
(a + b) =
k=0 k
Autrement dit :
Ã ! Ã ! Ã ! Ã !
n n n 0 n n−1 1 n n− k k n 0 n
(a + b) = a ·b + a · b +···+ a · b +···+ a ·b
0 1 k n
Le théorème est aussi vrai si a et b sont des nombres complexes.
Exemple 14
1. Pour n = 2 on retrouve la formule archi-connue : (a + b)2 = a2 + 2ab + b2 .

2. Il est aussi bon de connaître (a + b)3 = a3 + 3a2 b + 3ab2 + b3 .
3. Si a = 1 et b = 1 on retrouve la formule : nk=0 nk = 2n .
P ¡ ¢
Démonstration
Nous allons effectuer une récurrence sur n. Soit (P n ) l’assertion : (a + b)n = nk=0 nk a n−k · b k .
P ¡ ¢
– Initialisation. Pour n = 1, (a + b)1 = 10 a1 b0 + 11 a0 b1 . Ainsi P1 est vraie.

¡ ¢ ¡ ¢
– Hérédité. Fixons n Ê 2 et supposons que P n−1 est vraie.

Ã Ã ! !
n n−1 n−1 n − 1 n−1−k k n−1
(a + b) = (a + b) · (a + b) = a a +···+ a b +···+ b
k
Ã Ã ! !
n−1 n − 1 n−1−(k−1) k−1 n−1
+b a +···+ a b +···+ b
k−1
ÃÃ ! Ã !!
n−1 n−1
= ···+ + a n− k b k + · · ·
k k−1
Ã ! Ã !
n n− k k n n
a n− k · b k
X
= ···+ a b +··· =
k k=0 k
Ainsi P n+1 est vérifiée.

– Conclusion. Par le principe de récurrence P n est vraie, pour tout n Ê 1.
Mini-exercices
1. Combien y a-t-il d’applications injectives d’un ensemble à n éléments dans un ensemble

à n + 1 éléments ?
2. Combien y a-t-il d’applications surjectives d’un ensemble à n + 1 éléments dans un
ensemble à n éléments ?
3. Calculer le nombre de façons de choisir 5 cartes dans un jeux de 32 cartes.
4. Calculer le nombre de listes à k éléments dans un ensemble à n éléments (les listes
sont ordonnées : par exemple (1, 2, 3) 6= (1, 3, 2)).
5. Développer (a − b)4 , (a + b)5 .
6. Que donne la formule du binôme pour a = −1, b = +1 ? En déduire que dans un ensemble
à n éléments il y a autant de parties de cardinal pair que de cardinal impair.
5. Relation d’équivalence
5.1. Définition
Une relation sur un ensemble E, c’est la donnée pour tout couple (x, y) ∈ E × E de «Vrai» (s’ils sont
en relation), ou de «Faux» sinon.
Nous schématisons une relation ainsi : les éléments de E sont des points, une flèche de x vers y
signifie que x est en relation avec y, c’est-à-dire que l’on associe «Vrai» au couple (x, y).
Définition 8
Soit E un ensemble et R une relation, c’est une relation d’équivalence si :

– ∀ x ∈ E, xR x, (réflexivité)
– ∀ x, y ∈ E, xR y =⇒ yR x, (symétrie)
x y
– ∀ x, y, z ∈ E, xR y et yR z =⇒ xR z, (transitivité)
y
z
x
Exemple de relation d’équivalence :
5.2. Exemples
Exemple 15
Voici des exemples basiques.

1. La relation R «être parallèle» est une relation d’équivalence pour l’ensemble E des
droites affines du plan.
– réflexivité : une droite est parallèle à elle-même,
– symétrie : si D est parallèle à D 0 alors D 0 est parallèle à D,
– transitivité : si D parallèle à D 0 et D 0 parallèle à D 00 alors D est parallèle à D 00 .
2. La relation «être du même âge» est une relation d’équivalence.
3. La relation «être perpendiculaire» n’est pas une relation d’équivalence (ni la réflexivité,
ni la transitivité ne sont vérifiées).
4. La relation É (sur E = R par exemple) n’est pas une relation d’équivalence (la symétrie
n’est pas vérifiée).
5.3. Classes d’équivalence

Définition 9
Soit R une relation d’équivalence sur un ensemble E. Soit x ∈ E, la classe d’équivalence de

x est
cl(x) = y ∈ E | yR x
© ª
x0
cl(x)
x
cl(x0 )
cl(x) est donc un sous-ensemble de E, on le note aussi x. Si y ∈ cl(x), on dit que y un représentant
de cl(x).
Soit E un ensemble et R une relation d’équivalence.
Proposition 14
On a les propriétés suivantes :

1. cl(x) = cl(y) ⇐⇒ xR y.
2. Pour tout x, y ∈ E, cl(x) = cl(y) ou cl(x) ∩ cl(y) = ∅.
© ª
3. Soit C un ensemble de représentants de toutes les classes alors cl(x) | x ∈ C constitue
une partition de E.
Une partition de E est un ensemble {E i } de parties de E tel que E =

S
i Ei et E i ∩ E j = ∅ (si i 6= j).
E
...
E2
E1 Ei ...
Ej ...
Exemples :
1. Pour la relation «être du même âge», la classe d’équivalence d’une personne est l’ensemble
des personnes ayant le même âge. Il y a donc une classe d’équivalence formée des personnes
de 19 ans, une autre formée des personnes de 20 ans,... Les trois assertions de la proposition
se lisent ainsi :
– On est dans la même classe d’équivalence si et seulement si on est du même âge.
– Deux personnes appartiennent soit à la même classe, soit à des classes disjointes.
– Si on choisit une personne de chaque âge possible, cela forme un ensemble de représentants
C. Maintenant une personne quelconque appartient à une et une seule classe d’un des
représentants.
2. Pour la relation «être parallèle», la classe d’équivalence d’une droite est l’ensemble des droites
parallèles. À chaque classe d’équivalence correspond une et une seule direction.
Voici un exemple que vous connaissez depuis longtemps :
Exemple 16
Définissons sur E = Z × N∗ la relation R par
(p, q)R (p0 , q0 ) ⇐⇒ pq0 = p0 q.
Tout d’abord R est une relation d’équivalence :

– R est réflexive : pour tout (p, q) on a bien pq = pq et donc (p, q)R (p, q).
– R est symétrique : pour tout (p, q), (p0 , q0 ) tels que (p, q)R (p0 , q0 ) on a donc pq0 = p0 q
et donc p0 q = pq0 d’où (p0 , q0 )R (p, q).
– R est transitive : pour tout (p, q), (p0 , q0 ), (p00 , q00 ) tels que (p, q)R (p0 , q0 ) et (p0 , q0 )R (p00 , q00 )
on a donc pq0 = p0 q et p0 q00 = p00 q0 . Alors (pq0 )q00 = (p0 q)q00 = q(p0 q00 ) = q(p00 q0 ). En divi-
sant par q0 6= 0 on obtient pq00 = q p00 et donc (p, q)R (p00 , q00 ).
p
Nous allons noter q = cl(p, q) la classe d’équivalence d’un élément (p, q) ∈ Z × N∗ . Par exemple,
comme (2, 3)R (4, 6) (car 2 × 6 = 3 × 4) alors les classes de (2, 3) et (4, 6) sont égales : avec notre
notation cela s’écrit : 32 = 46 .
C’est ainsi que l’on définit les rationnels : l’ensemble Q des rationnels est l’ensemble de
classes d’équivalence de la relation R .
Les nombres 23 = 64 sont bien égaux (ce sont les mêmes classes) mais les écritures sont diffé-
rentes (les représentants sont distincts).
5.4. L’ensemble Z/ nZ
Soit n Ê 2 un entier. Définissons la relation suivante sur l’ensemble E = Z :
a ≡ b (mod n) ⇐⇒ a − b est un multiple de n
Exemples pour n = 7 : 10 ≡ 3 (mod 7), 19 ≡ 5 (mod 7), 77 ≡ 0 (mod 7), −1 ≡ 20 (mod 7).
Cette relation est bien une relation d’équivalence :

– Pour tout a ∈ Z, a − a = 0 = 0 · n est un multiple de n donc a ≡ a (mod n).
– Pour a, b ∈ Z tels que a ≡ b (mod n) alors a − b est un multiple de n, autrement dit il existe
k ∈ Z tel que a − b = kn et donc b − a = (− k)n et ainsi b ≡ a (mod n).
– Si a ≡ b (mod n) et b ≡ c (mod n) alors il existe k, k0 ∈ Z tels que a − b = kn et b − c = k0 n.
Alors a − c = (a − b) + (b − c) = (k + k0 )n et donc a ≡ c (mod n).
La classe d’équivalence de a ∈ Z est notée a. Par définition nous avons donc
a = cl(a) = b ∈ Z | b ≡ a (mod n) .
© ª
Comme un tel b s’écrit b = a + kn pour un certain k ∈ Z alors c’est aussi exactement
a = a + nZ = a + kn | k ∈ Z .
© ª
Comme n ≡ 0 (mod n), n + 1 ≡ 1 (mod n), . . . alors
n = 0, n + 1 = 1, n + 2 = 2, . . .
et donc l’ensemble des classes d’équivalence est l’ensemble

Z/nZ = 0, 1, 2, . . . , n − 1
© ª
qui contient exactement n éléments.

Par exemple : pour n = 7, 0 = {. . . , −14, −7, 0, 7, 14, 21, . . .} = 7Z ; 1 = {. . . , −13, −6, 1, 8, 15, . . .} = 1 + 7Z
; . . . ; 6 = {. . . , −8, −1, 6, 13, 20, . . .} = 6 + 7Z. Mais ensuite 7 = {. . . − 7, 0, 7, 14, 21, . . .} = 0 = 7Z. Ainsi
Z/7Z = 0, 1, 2, . . . , 6 possède 7 éléments.
© ª
Remarque
Dans beaucoup de situations de la vie courante, nous raisonnons avec les modulos. Par
exemple pour l’heure : les minutes et les secondes sont modulo 60 (après 59 minutes on
repart à zéro), les heures modulo 24 (ou modulo 12 sur le cadran à aiguilles). Les jours de la
semaine sont modulo 7, les mois modulo 12,...
Mini-exercices
2 x+ y
1. Montrer que la relation définie sur N par xR y ⇐⇒ 3 ∈ N est une relation d’équiva-
lence. Montrer qu’il y a 3 classes d’équivalence.
2. Dans R2 montrer que la relation définie par (x, y)R (x0 , y0 ) ⇐⇒ x + y0 = x0 + y est une
relation d’équivalence. Montrer que deux points (x, y) et (x0 , y0 ) sont dans une même
classe si et seulement s’ils appartiennent à une même droite dont vous déterminerez la
direction.
3. On définit une addition sur Z/nZ par p + q = p + q. Calculer la table d’addition dans Z/6Z
(c’est-à-dire toutes les sommes p + q pour p, q ∈ Z/6Z). Même chose avec la multiplication
p × q = p × q. Mêmes questions avec Z/5Z, puis Z/8Z.
Auteurs
Arnaud Bodin
Benjamin Boutin
Pascal Romon
Exo7
3 Nombres complexes
1 Les nombres complexes

2 Racines carrées, équation du second degré
3 Argument et trigonométrie
4 Nombres complexes et géométrie
Vidéo ■ partie 1. Les nombres complexes, définitions et opérations

Vidéo ■ partie 2. Racines carrées, équation du second degré
Vidéo ■ partie 3. Argument et trigonométrie
Vidéo ■ partie 4. Nombres complexes et géométrie
Exercices Nombres complexes
Préambule
L’équation x + 5 = 2 a ses coefficients dans N mais pourtant sa solution x = −3 n’est pas un entier
naturel. Il faut ici considérer l’ensemble plus grand Z des entiers relatifs.
p
x+5=2 2x=−3 x2 = 12 x2 =− 2
N ,−−−−−→ Z ,−−−−−→ Q ,−−−−−→ R ,−−−−−→ C
De même l’équation 2x = −3 a ses coefficients dans Z mais sa solution x = − 32 est dans l’ensemble
plus grand des rationnels Q. Continuons ainsi, l’équation x2 = 12 à coefficients dans Q, a ses so-
p p 2
p
lutions x1 = +1/ 2 et x2 = −1/ 2 dans l’ensemble
pp des réels R
pp . Ensuite l’équation x = − 2 à ses
coefficients dans R et ses solutions x1 = + 2 i et x2 = − 2 i dans l’ensemble des nombres
complexes C. Ce processus est-il sans fin ? Non ! Les nombres complexes sont en quelque sorte
le bout de la chaîne car nous avons le théorème de d’Alembert-Gauss suivant : « Pour n’importe
quelle équation polynomiale a n x n + a n−1 x n−1 + · · · + a 2 x2 + a 1 x + a 0 = 0 où les coefficients a i sont
des complexes (ou bien des réels), alors les solutions x1 , . . . , xn sont dans l’ensemble des nombres
complexes ».
Outre la résolution d’équations, les nombres complexes s’appliquent à la trigonométrie, à la géo-

métrie (comme nous le verrons dans ce chapitre) mais aussi à l’électronique, à la mécanique
quantique, etc.
1. Les nombres complexes

1.1. Définition
Nombres complexes 39
Définition 10
Un nombre complexe est un couple (a, b) ∈ R2 que l’on notera a + ib
iR
a + ib
b
0 1 a R
Cela revient à identifier 1 avec le vecteur (1, 0) de R2 , et i avec le vecteur (0, 1). On note C l’ensemble
des nombres complexes. Si b = 0, alors z = a est situé sur l’axe des abscisses, que l’on identifie à R.
Dans ce cas on dira que z est réel, et R apparaît comme un sous-ensemble de C, appelé axe réel.
Si b 6= 0, z est dit imaginaire et si b 6= 0 et a = 0, z est dit imaginaire pur.
1.2. Opérations
Si z = a + ib et z0 = a0 + ib0 sont deux nombres complexes, alors on définit les opérations suivantes :
– addition : (a + ib) + (a0 + ib0 ) = (a + a0 ) + i(b + b0 )
iR
z + z0
z0
i z
0 1 R
– multiplication : (a + ib) × (a0 + ib0 ) = (aa0 − bb0 ) + i(ab0 + ba0 ). C’est la multiplication usuelle
avec la convention suivante :
i2 = −1
1.3. Partie réelle et imaginaire

Soit z = a + ib un nombre complexe, sa partie réelle est le réel a et on la note Re(z) ; sa partie
imaginaire est le réel b et on la note Im(z).
iR
z
Im(z)
0 1 Re(z) R
Par identification de C à R2 , l’écriture z = Re(z) + i Im(z) est unique :


0
 Re(z) = Re(z )

z = z0 ⇐⇒ et
Im(z) = Im(z0 )


En particulier un nombre complexe est réel si et seulement si sa partie imaginaire est nulle. Un
nombre complexe est nul si et et seulement si sa partie réelle et sa partie imaginaire sont nuls.
1.4. Calculs
Quelques définitions et calculs sur les nombres complexes.
λz
z
i
0
1
−z
– L’ opposé de z = a + ib est − z = (−a) + i(− b) = −a − ib.

– La multiplication par un scalaire λ ∈ R : λ · z = (λa) + i(λ b).
– L’ inverse : si z 6= 0, il existe un unique z0 ∈ C tel que zz0 = 1 (où 1 = 1 + i × 0).
Pour la preuve et le calcul on écrit z = a + ib puis on cherche z0 = a0 + ib0 tel que zz0 =
1. Autrement dit (a + ib)(a0 + ib0 ) = 1. En développant et identifiant les parties réelles et
imaginaires on obtient les équations
(
aa0 − bb0 = 1 (L 1 )
ab0 + ba0 = 0 (L 2 )
En écrivant aL 1 + bL 2 (on multiplie la ligne (L 1 ) par a, la ligne (L 2 ) par b et on additionne)

et − bL 1 + aL 2 on en déduit
( ¡ (
a0 a2 + b 2 = a a0 = a2 +a b2
¢
donc
b 0 a2 + b 2 = − b b0 = − a2 +b b2
¡ ¢
L’inverse de z est donc

1 a −b a − ib
z0 = = 2 2
+i 2 2
= 2 .
z a +b a +b a + b2
– La division : zz0 est le nombre complexe z × z10 .
– Propriété d’intégrité : si zz0 = 0 alors z = 0 ou z0 = 0.
¡ ¢n
– Puissances : z2 = z × z, z n = z × · · · × z (n fois, n ∈ N). Par convention z0 = 1 et z−n = 1z = 1
zn .
Proposition 15
Pour tout z ∈ C différent de 1
1 − z n+1
1 + z + z2 + · · · + z n = .
1− z
La preuve est simple : notons S = 1 + z + z2 + · · · + z n , alors en développant S · (1 − z) presque tous

les termes se télescopent et l’on trouve S · (1 − z) = 1 − z n+1 .
Remarque
Il n’y pas d’ordre naturel sur C, il ne faut donc jamais écrire z Ê 0 ou z É z0 .
1.5. Conjugué, module

Le conjugué de z = a + ib est z̄ = a − ib, autrement dit Re( z̄) = Re(z) et Im( z̄) = − Im(z). Le point z̄
est le symétrique du point z par rapport à l’axe réel.
p
Le module de z = a + ib est le réel positif | z| = a2 + b2 . Comme z × z̄ = (a + ib)(a − ib) = a2 + b2
p
alors le module vaut aussi | z| = z z̄.
z z = a + ib
i
0 | z|
b
1
z̄ 0 a
Quelques formules :
– z + z0 = z̄ + z0 , z̄ = z, zz0 = z̄z0
– z = z̄ ⇐⇒ z ∈ R
| z|2 = z × z̄, | z̄| = | z|, ¯ zz0 ¯ = | z|| z0 |
¯ ¯
–
– | z| = 0 ⇐⇒ z = 0
L’inégalité triangulaire : ¯ z + z0 ¯ É | z| + ¯ z0 ¯
¯ ¯ ¯ ¯
–
Exemple 17
Dans un parallélogramme, la somme des carrés des diagonales égale la somme des carrés des
côtés.
Si les longueurs des côtés sont notées L et ` et les longueurs des diagonales sont D et d alors il
s’agit de montrer l’égalité
D 2 + d 2 = 2`2 + 2L2 .
z + z0
| z − z0 | | z|
L
z0
| z + z0 | | z0 |
`
d | z0 |
` D z
| z|
L 0
Démonstration
Cela devient simple si l’on considère que notre parallélogramme a pour sommets 0, z, z0 et le dernier
sommet est donc z + z0 . La longueur du grand côté est ici | z|, celle du petit côté est | z0 |. La longueur
de la grande diagonale est | z + z0 |. Enfin il faut se convaincre que la longueur de la petite diagonale
est | z − z0 |.
¯2 ¯ ¯2
D 2 + d 2 = ¯ z + z0 ¯ + ¯ z − z0 ¯ z + z0 ( z + z0 ) + z − z0 ( z − z0 )
¯ ¡ ¢ ¡ ¢
=
= z z̄ + zz0 + z0 z̄ + z0 z0 + z z̄ − zz0 − z0 z̄ + z0 z0
¯ ¯2
= 2 z z̄ + 2 z0 z0 = 2 | z|2 + 2 ¯ z0 ¯
= 2`2 + 2L2
Mini-exercices
1. Calculer 1 − 2i + 1−i 2i .
2. Écrire sous la forme a + ib les nombres complexes (1 + i)2 , (1 + i)3 , (1 + i)4 , (1 + i)8 .
3. En déduire 1 + (1 + i) + (1 + i)2 + · · · + (1 + i)7 .
4. Soit z ∈ C tel que |1 + iz| = |1 − iz|, montrer que z ∈ R.
5. Montrer que si | Re z| É | Re z0 | et | Im z| É | Im z0 | alors | z| É | z0 |, mais que la réciproque
est fausse.
6. Montrer que 1/ z̄ = z/ | z|2 (pour z 6= 0).
2. Racines carrées, équation du second degré

2.1. Racines carrées d’un nombre complexe
Pour z ∈ C, une racine carrée est un nombre complexe ω tel que ω2 = z.
p p
Par exemple si x ∈ R+ , on connaît deux racines carrées : x, − x. Autre exemple : les racines
carrées de −1 sont i et −i.
Proposition 16
Soit z un nombre complexe, alors z admet deux racines carrées, ω et −ω.
Attention ! Contrairement au cas réel, il n’y a pas de façon privilégiée de choisir une racine plutôt
que l’autre, donc pas de fonction racine. On ne dira donc jamais « soit ω la racine de z ».
Si z 6= 0 ces deux racines carrées sont distinctes. Si z = 0 alors ω = 0 est une racine double.
Pour z = a + ib nous allons calculer ω et −ω en fonction de a et b.
Démonstration
Nous écrivons ω = x + i y, nous cherchons x, y tels que ω2 = z.
ω2 = z ⇐⇒ ( x + i y)2 = a + i b
(
x 2 − y2 = a
⇐⇒ en identifiant parties réelles et parties imaginaires.
2x y = b
Petite astuce ici : nous rajoutons l’équation |ω|2 = | z| (qui se déduit bien sûr de ω2 = z) qui s’écrit
p
aussi x2 + y2 = a2 + b2 . Nous obtenons des systèmes équivalents aux précédents :
p  pp
p1 a2 + b 2 + a
 
2 2 2 2 + b2 + a x = ±
x − y = a 2 x = a 
2 pp
p

 
 

2x y = b
p
⇐⇒ 2 y2 = a2 + b2 − a ⇐⇒ y = ± p1 a2 + b 2 − a
 2
 2 2 2
  2
x + y = a +b 2x y = b
 
2x y = b

Discutons suivant le signe du réel b. Si b Ê 0, x et y sont de même signe ou nuls (car 2 x y = b Ê 0)

donc µqp qp
1
¶
ω = ±p 2 2
a +b +a+i 2 2
a +b −a ,
2
et si b É 0 µqp qp
1
¶
ω = ±p a2 + b 2 + a − i a2 + b 2 − a .
2
p p
En particulier si b = 0 le résultat dépend du signe de a, si a Ê 0, a2 = a et par conséquent ω = ± a,
p p p
tandis que si a < 0, a2 = −a et donc ω = ±i −a = ±i |a|.
Il n’est pas nécessaire d’apprendre ces formules mais il est indispensable de savoir refaire les
calculs.
Exemple 18
p p
2 2
Les racines carrées de i sont + 2 (1 + i) et − 2 (1 + i).
En effet :
ω2 = i ⇐⇒ (x + iy)2 = i
(
x2 − y2 = 0
⇐⇒
2x y = 1
Rajoutons la conditions |ω|2 = |i| pour obtenir le système équivalent au précédent :


2 2 2 p1
 
x − y = 0 2x = 1  x=± 2
  

 
2x y = 1 ⇐⇒ 2y2 = 1 ⇐⇒ y = ± p1
 2 2
2
  
x +y =1 2x y = 1
 
 2x y = 1
Les réels x et y sont donc de même signe, nous trouvons bien deux solutions :
1 1 1 1
x + iy = p + i p ou x + iy = − p − i p
2 2 2 2
2.2. Équation du second degré
Proposition 17
L’équation du second degré az2 + bz + c = 0, où a, b, c ∈ C et a 6= 0, possède deux solutions

z1 , z2 ∈ C éventuellement confondues.
Soit ∆ = b2 − 4ac le discriminant et δ ∈ C une racine carrée de ∆. Alors les solutions sont
−b + δ −b − δ
z1 = et z2 = .
2a 2a
Et si ∆ = 0 alors la solution z = z1 = z2 = − b/2a est unique (elle est dite double). Si on s’autorisait
p
à écrire δ = ∆ pour le nombre complexe ∆, on obtiendrait la même formule que celle que vous
connaissez lorsque a, b, c sont réels.
Exemple 19
p
p −1 ± i 3
– z + z + 1 = 0, ∆ = −3, δ = i 3, les solutions sont z =
2
.
2 p
p 2 p
−1 ± 2 (1 + i)
– z2 + z + 14−i = 0, ∆ = i, δ = 22 (1 + i), les solutions sont z = = − 21 ± 42 (1 + i).
2
On retrouve aussi le résultat bien connu pour le cas des équations à coefficients réels :
Corollaire 1
Si les coefficients a, b, c sont réels alors ∆ ∈ R et les solutions sont de trois types :
b
– si ∆ = 0, la racine double est réelle et vaut − ,
p 2a
−b ± ∆
– si ∆ > 0, on a deux solutions réelles ,
2a p
− b ± i −∆
– si ∆ < 0, on a deux solutions complexes, mais non réelles, .
2a
Démonstration
On écrit la factorisation
b c b 2 b2 c
µ ¶ µµ ¶ ¶
az2 + bz + c = a z2 + z + = a z+ − 2+
a a 2a 4a a
b 2 ∆ b 2 δ2
µµ ¶ ¶ µµ ¶ ¶
= a z+ − 2 = a z+ − 2
2a 4a 2a 4a
b δ b δ
µµ ¶ ¶ µµ ¶ ¶
= a z+ − z+ +
2a 2a 2a 2a
−b + δ −b − δ
µ ¶µ ¶
= a z− z− = a ( z − z1 ) ( z − z2 )
2a 2a
Donc le binôme s’annule si et seulement si z = z1 ou z = z2 .

2.3. Théorème fondamental de l’algèbre
Théorème 2. d’Alembert–Gauss
Soit P(z) = a n z n + a n−1 z n−1 + · · · + a 1 z + a 0 un polynôme à coefficients complexes et de degré

n. Alors l’équation P(z) = 0 admet exactement n solutions complexes comptées avec leur
multiplicité.
En d’autres termes il existe des nombres complexes z1 , . . . , z n (dont certains sont éventuelle-
ment confondus) tels que
P(z) = a n (z − z1 ) (z − z2 ) · · · (z − z n ) .
Nous admettons ce théorème.
Mini-exercices
1. Calculer les racines carrées de −i, 3 − 4i.

2. Résoudre les équations : z2 + z − 1 = 0, 2z2 + (−10 − 10i)z + 24 − 10i = 0.
p p p p
3. Résoudre l’équation z2 + (i − 2)z − i 2, puis l’équation Z 4 + (i − 2)Z 2 − i 2.
4. Montrer que si P(z) = z2 + bz + c possède pour racines z1 , z2 ∈ C alors z1 + z2 = − b et
z1 · z2 = c.
5. Trouver les paires de nombres dont la somme vaut i et le produit 1.
6. Soit P(z) = a n z n + a n−1 z n−1 + · · · + a 0 avec a i ∈ R pour tout i. Montrer que si z est racine
de P alors z̄ aussi.
3. Argument et trigonométrie
3.1. Argument
Si z = x + i y est de module 1, alors x2 + y2 = | z|2 = 1. Par conséquent le point (x, y) est sur le cercle
unité du plan, et son abscisse x est notée cos θ , son ordonnée y est sin θ , où θ est (une mesure de)
l’angle entre l’axe réel et z. Plus généralement, si z 6= 0, z/| z| est de module 1, et cela amène à :
Définition 11
Pour tout z ∈ C∗ = C−{0}, un nombre θ ∈ R tel que z = | z| (cos θ + i sin θ ) est appelé un argument
de z et noté θ = arg(z).
iR
| z|
i
arg(z)
0 1 R
Cet argument est défini modulo 2π. On peut imposer à cet argument d’être unique si on rajoute la
condition θ ∈] − π, +π].
Remarque
(
cos θ = cos θ 0
θ ≡ θ0 (mod 2π) ⇐⇒ ∃ k ∈ Z, θ = θ 0 + 2kπ ⇐⇒
sin θ = sin θ 0
Proposition 18
L’argument satisfait les propriétés suivantes :

– arg zz0 ≡ arg(z) + arg z0 (mod 2π)
¡ ¢ ¡ ¢
– arg (z n ) ≡ n arg(z) (mod 2π)

– arg (1/z) ≡ − arg(z) (mod 2π)
– arg( z̄) ≡ − arg z (mod 2π)
Démonstration
zz0 | z| (cos θ + i sin θ ) ¯ z0 ¯ cos θ 0 + i sin θ 0

¯ ¯¡ ¢
=
¯ 0¯ ¡
¯ zz ¯ cos θ cos θ 0 − sin θ sin θ 0 + i cos θ sin θ 0 + sin θ cos θ 0
¡ ¢¢
=
¯ 0¯ ¡
¯ zz ¯ cos θ + θ 0 + i sin θ + θ 0
¡ ¢ ¡ ¢¢
=
donc arg zz0 ≡ arg( z) + arg z0 (mod 2π). On en déduit les deux autres propriétés, dont la deuxième
¡ ¢ ¡ ¢
par récurrence.
3.2. Formule de Moivre, notation exponentielle

La formule de Moivre est :
(cos θ + i sin θ )n = cos (nθ ) + i sin (nθ )
Démonstration
Par récurrence, on montre que
(cos θ + i sin θ )n = (cos θ + i sin θ )n−1 × (cos θ + i sin θ )

= (cos (( n − 1) θ ) + i sin (( n − 1) θ )) × (cos θ + i sin θ )
= (cos (( n − 1) θ ) cos θ − sin (( n − 1) θ ) sin θ )
+i (cos (( n − 1) θ ) sin θ + sin (( n − 1) θ ) cos θ )
= cos nθ + i sin nθ
Nous définissons la notation exponentielle par
eiθ = cos θ + i sin θ
et donc tout nombre complexe s’écrit
z = ρ eiθ
où ρ = | z| est le module et θ = arg(z) est un argument.

Avec la notation exponentielle, on peut écrire pour z = ρ eiθ et z0 = ρ 0 eiθ

0
zz0 = ρρ 0 eiθ eiθ = ρρ 0 ei(θ+θ )

0 0



 z n = ¡ρ eiθ ¢n = ρ n ¡ eiθ ¢n = ρ n einθ


1/z = 1/ ρ eiθ = ρ1 e−iθ

¡ ¢



 z̄ = ρ e−iθ

¡ ¢n
La formule de Moivre se réduit à l’égalité : eiθ = einθ .
Et nous avons aussi : ρ eiθ = ρ 0 eiθ (avec ρ , ρ 0 > 0) si et seulement si ρ = ρ 0 et θ ≡ θ 0 (mod 2π).
0
3.3. Racines n-ième
Définition 12
Pour z ∈ C et n ∈ N, une racine n-ième est un nombre ω ∈ C tel que ωn = z.
Proposition 19
Il y a n racines n-ièmes ω0 , ω1 , . . . , ωn−1 de z = ρ eiθ , ce sont :

iθ +2i kπ
ωk = ρ 1/n e n , k = 0, 1, . . . , n − 1
Démonstration
Écrivons z = ρ eiθ et cherchons ω sous la forme ω = rei t tel que z = ωn . Nous obtenons donc ρ eiθ =
¢n
ωn = rei t = r n eint . Prenons tout d’abord le module : ρ = ¯ρ eiθ ¯ = ¯ r n eint ¯ = r n et donc r = ρ 1/n
¡ ¯ ¯ ¯ ¯
(il s’agit ici de nombres réels). Pour les arguments nous avons eint = eiθ et donc nt ≡ θ (mod 2π)
(n’oubliez surtout pas le modulo 2π !). Ainsi on résout nt = θ + 2 kπ (pour k ∈ Z) et donc t = nθ + 2knπ .
iθ +2i kπ
Les solutions de l’équation ωn = z sont donc les ωk = ρ 1/n e n . Mais en fait il n’y a que n solutions
distinctes car ωn = ω0 , ωn+1 = ω1 , . . . Ainsi les n solutions sont ω0 , ω1 , . . . , ωn−1 .
Par exemple pour z = 1, on obtient les n racines n-ièmes de l’unité e2ikπ/n , k = 0, . . . , n − 1 qui
forment un groupe multiplicatif.
i i
j = e2iπ/3 eiπ/3
1 = e0 −1 = eiπ
0 0 1
j 2 = e4iπ/3 e−iπ/3
Racine 3-ième de l’unité (z = 1, n = 3) Racine 3-ième de −1 (z = −1, n = 3)
Les racines 5-ième de l’unité (z = 1, n = 5) forment un pentagone régulier :

i e2iπ/5
e4iπ/5
1
0
e6iπ/5
e8iπ/5
3.4. Applications à la trigonométrie

Voici les formules d’Euler, pour θ ∈ R :
eiθ + e−iθ eiθ − e−iθ

cos θ = , sin θ =
2 2i
Ces formules s’obtiennent facilement en utilisant la définition de la notation exponentielle. Nous

les appliquons dans la suite à deux problèmes : le développement et la linéarisation.
Développement. On exprime sin nθ ou cos nθ en fonction des puissances de cos θ et sin θ .
Méthode : on utilise la formule de Moivre pour écrire cos (nθ ) + i sin (nθ ) = (cos θ + i sin θ )n que l’on
développe avec la formule du binôme de Newton.
Exemple 20
cos 3θ + i sin 3θ = (cos θ + i sin θ )3

= cos3 θ + 3i cos2 θ sin θ − 3 cos θ sin2 θ − i sin3 θ
= cos3 θ − 3 cos θ sin2 θ + i 3 cos2 θ sin θ − sin3 θ
¡ ¢ ¡ ¢
En identifiant les parties réelles et imaginaires, on déduit que
cos 3θ = cos3 θ − 3 cos θ sin2 θ et sin 3θ = 3 cos2 θ sin θ − sin3 θ .
Linéarisation. On exprime cosn θ ou sinn θ en fonction des cos kθ et sin kθ pour k allant de 0 à n.
³ iθ −iθ ´n
Méthode : avec la formule d’Euler on écrit sinn θ = e −2ie . On développe à l’aide du binôme de
Newton puis on regroupe les termes par paires conjuguées.
Exemple 21
¶3
eiθ − e−iθ
µ
sin3 θ =
2i
1 ³ iθ 3 ´
= (e ) − 3(eiθ )2 e−iθ + 3eiθ (e−iθ )2 − (e−iθ )3
−8i
1 ³ 3iθ ´
= e − 3eiθ + 3e−iθ − e−3iθ
−8i
1 e3iθ − e−3iθ eiθ − e−iθ
µ ¶
= − −3
4 2i 2i
sin 3θ 3 sin θ
= − +
4 4
3.5. Mini-exercices
Mini-exercices
1. Mettre les nombres suivants sont la forme module-argument (avec la notation expo-
p p p
nentielle) : 1, i, −1, −i, 3i, 1 + i, 3 − i, 3 − i, p 1 , ( 3 − i)20 xx où 20xx est l’année en
3−i
cours.
2. Calculer les racines 5-ième de i.
p
3 i
3. Calculer les racines carrées de 2 +2 de deux façons différentes. En déduire les valeurs
π π
de cos 12 et sin 12 .
4. Donner sans calcul la valeur de ω0 + ω1 + · · · + ωn−1 , où les ω i sont les racines n-ième de
1.
5. Développer cos(4θ ) ; linéariser cos4 θ ; calculer une primitive de θ 7→ cos4 θ .
4. Nombres complexes et géométrie

On associe bijectivement à tout point M du plan affine R2 de coordonnées (x, y), le nombre complexe
z = x + iy appelé son affixe.
4.1. Équation complexe d’une droite

Soit
ax + b y = c
l’équation réelle d’une droite D : a, b, c sont des nombres réels (a et b n’étant pas tous les deux
nuls) d’inconnues (x, y) ∈ R2 .
Écrivons z = x + iy ∈ C, alors
z + z̄ z − z̄
x= , y= ,
2 2i
donc D a aussi pour équation a(z + z̄) − ib(z − z̄) = 2c ou encore (a − ib)z + (a + ib) z̄ = 2c. Posons
ω = a + ib ∈ C∗ et k = 2c ∈ R alors l’équation complexe d’une droite est :
ω̄ z + ω z̄ = k
où ω ∈ C∗ et k ∈ R.
C
r
D
ω
i i
0 1 0 1
4.2. Équation complexe d’un cercle

Soit C (Ω, r) le cercle de centre Ω et de rayon r. C’est l’ensemble des points M tel que dist(Ω, M) = r.
Si l’on note ω l’affixe de Ω et z l’affixe de M. Nous obtenons :
dist(Ω, M) = r ⇐⇒ | z − ω| = r ⇐⇒ | z − ω|2 = r 2 ⇐⇒ (z − ω)(z − ω) = r 2
et en développant nous trouvons que l’équation complexe du cercle centré en un point d’affixe ω et
de rayon r est :
z z̄ − ω̄ z − ω z̄ = r 2 − |ω|2
où ω ∈ C et r ∈ R.
| z − a|
4.3. Équation | z− b|
=k
Proposition 20
MA
Soit A, B deux points du plan et k ∈ R+ . L’ensemble des points M tel que MB = k est
– une droite qui est la médiatrice de [AB], si k = 1,
– un cercle, sinon.
Exemple 22
Prenons A le point d’affixe +1,B le point d’affixe −1. Voici les figures pour plusieurs valeurs
de k.
Par exemple pour k = 2 le point M dessiné vérifie bien M A = 2MB.
B A
k=3 k = 13
k=2 k = 12
k = 43 k = 34
k=1
Démonstration
| z − a|
Si les affixes de A, B, M sont respectivement a, b, z, cela revient à résoudre l’équation | z− b| = k.
| z − a|
= k ⇐⇒ | z − a|2 = k2 | z − b|2
| z − b|
⇐⇒ ( z − a)( z − a) = k2 ( z − b)( z − b)
⇐⇒ (1 − k2 ) z z̄ − z(ā − k2 b̄) − z̄(a − k2 b) + |a|2 − k2 | b|2 = 0
Donc si k = 1, on pose ω = a − k2 b et l’équation obtenue zω̄ + z̄ω = |a|2 − k2 | b|2 est bien celle d’une
droite. Et bien sûr l’ensemble des points qui vérifient M A = MB est la médiatrice de [ AB]. Si k 6= 1
2 2 2 2
on pose ω = a1−−kk2b alors l’équation obtenue est z z̄ − zω̄ − z̄ω = −|a|1−+kk2 |b| . C’est l’équation d’un cercle
−|a|2 + k2 | b|2 | a − k 2 b |2 2 2 2
de centre ω et de rayon r satisfaisant r 2 − |ω|2 = 1− k2
, soit r 2 = (1− k2 )2
+ −|a|1−+kk2 |b| .
Ces calculs se refont au cas par cas, il n’est pas nécessaire d’apprendre les formules.
Mini-exercices
1. Calculer l’équation complexe de la droite passant par 1 et i.

2. Calculer l’équation complexe du cercle de centre 1 + 2i passant par i.
| z − i|
3. Calculer l’équation complexe des solutions de = 1, puis dessiner les solutions.
| z − 1|
| z − i|
4. Même question avec = 2.
| z − 1|
Auteurs
Arnaud Bodin
Benjamin Boutin
Pascal Romon
Exo7
4 Arithmétique
1 Division euclidienne et pgcd

2 Théorème de Bézout
3 Nombres premiers
4 Congruences
Vidéo ■ partie 1. Division euclidienne et pgcd

Vidéo ■ partie 2. Théorème de Bézout
Vidéo ■ partie 3. Nombres premiers
Vidéo ■ partie 4. Congruences
Exercices Arithmétique dans Z
Préambule
Une motivation : l’arithmétique est au cœur du cryptage des communication. Pour crypter un
message on commence par le transformer en un –ou plusieurs– nombres. Le processus de codage
et décodage fait appel à plusieurs notions de ce chapitre :
– On choisit deux nombres premiers p et q que l’on garde secrets et on pose n = p × q. Le
principe étant que même connaissant n il est très difficile de retrouver p et q (qui sont des
nombres ayant des centaines de chiffres).
– La clé secrète et la clé publique se calculent à l’aide de l’algorithme d’Euclide et des
coefficients de Bézout.
– Les calculs de cryptage se feront modulo n.
– Le décodage fonctionne grâce à une variante du petit théorème de Fermat.
1. Division euclidienne et pgcd

1.1. Divisibilité et division euclidienne
Définition 13
Soient a, b ∈ Z. On dit que b divise a et on note b|a s’il existe q ∈ Z tel que
a = bq
.
Arithmétique 53
Exemple 23
– 7|21 ; 6|48 ; a est pair si et seulement si 2|a.

– Pour tout a ∈ Z on a a|0 et aussi 1|a.
– Si a|1 alors a = +1 ou a = −1.
– (a| b et b|a) =⇒ b = ±a.
– (a| b et b| c) =⇒ a| c.
– (a| b et a| c) =⇒ a| b + c.
Théorème 3. Division euclidienne
Soit a ∈ Z et b ∈ N \ {0}. Il existe des entiers q, r ∈ Z tels que
a = bq + r et 0Ér<b
De plus q et r sont uniques.
Nous avons donc l’équivalence : r = 0 si et seulement si b divise a.
Exemple 24
Pour calculer q et r on pose la division «classique». Si a = 6789 et b = 34 alors
6789 = 34 × 199 + 23
On a bien 0 É 23 < 34 (sinon c’est que l’on n’a pas été assez loin dans les calculs).
6789 34
34 dividende diviseur
338
306
199 quotient
329
306 reste
23
Démonstration
Existence. On peut supposer a Ê 0 pour simplifier. Soit N = n ∈ N | bn É a . C’est un ensemble

© ª
non vide car n = 0 ∈ N . De plus pour n ∈ N , on a n É a. Il y a donc un nombre fini d’éléments dans
N , notons q = max N le plus grand élément.
Alors qb É a car q ∈ N , et ( q + 1) b > a car q + 1 ∉ N donc
qb É a < ( q + 1) b = qb + b.
On définit alors r = a − qb, r vérifie alors 0 É r = a − qb < b.

Unicité. Supposons que q0 , r 0 soient deux entiers qui vérifient les conditions du théorème. Tout
d’abord a = bq + r = bq0 + r 0 et donc b( q − q0 ) = r 0 − r . D’autre part 0 É r 0 < b et 0 É r < b donc
− b < r 0 − r < b (notez au passage la manipulation des inégalités). Mais r 0 − r = b( q − q0 ) donc on
obtient − b < b( q − q0 ) < b. On peut diviser par b > 0 pour avoir −1 < q − q0 < 1. Comme q − q0 est
un entier, la seule possibilité est q − q0 = 0 et donc q = q0 . Repartant de r 0 − r = b( q − q0 ) on obtient
maintenant r = r 0 .
1.2. pgcd de deux entiers

Arithmétique 54
Définition 14
Soient a, b ∈ Z deux entiers, non tous les deux nuls. Le plus grand entier qui divise à la fois a
et b s’appelle le plus grand diviseur commun de a, b et se note pgcd(a, b).
Exemple 25
– pgcd(21, 14) = 7, pgcd(12, 32) = 4, pgcd(21, 26) = 1.

– pgcd(a, ka) = a, pour tout k ∈ Z et a Ê 0.
– Cas particuliers. Pour tout a Ê 0 : pgcd(a, 0) = a et pgcd(a, 1) = 1.
1.3. Algorithme d’Euclide
Lemme 1
Soient a, b ∈ N∗ . Écrivons la division euclidienne a = bq + r. Alors
pgcd(a, b) = pgcd(b, r)
En fait on a même pgcd(a, b) = pgcd(b, a − qb) pour tout q ∈ Z. Mais pour optimiser l’algorithme
d’Euclide on applique le lemme avec q le quotient.
Démonstration
Nous allons montrer que les diviseurs de a et de b sont exactement les mêmes que les diviseurs de
b et r . Cela impliquera le résultat car les plus grands diviseurs seront bien sûr les mêmes.
– Soit d un diviseur de a et de b. Alors d divise b donc aussi bq, en plus d divise a donc d
divise bq − a = r .
– Soit d un diviseur de b et de r . Alors d divise aussi bq + r = a.
Algorithme d’Euclide.
On souhaite calculer le pgcd de a, b ∈ N∗ . On peut supposer a Ê b. On calcule des divisions eucli-
diennes successives. Le pgcd sera le dernier reste non nul.
– division de a par b, a = bq 1 + r 1 . Par le lemme 1, pgcd(a, b) = pgcd(b, r 1 ) et si r 1 = 0 alors
pgcd(a, b) = b sinon on continue :
– b = r 1 q 2 + r 2 , pgcd(a, b) = pgcd(b, r 1 ) = pgcd(r 1 , r 2 ),
– r 1 = r 2 q 3 + r 3 , pgcd(a, b) = pgcd(r 2 , r 3 ),
– ...
– r k−2 = r k−1 q k + r k , pgcd(a, b) = pgcd(r k−1 , r k ),
– r k−1 = r k q k + 0. pgcd(a, b) = pgcd(r k , 0) = r k .
Comme à chaque étape le reste est plus petit que le quotient on sait que 0 É r i+1 < r i . Ainsi
l’algorithme se termine car nous sommes sûr d’obtenir un reste nul, les restes formant une suite
décroissante d’entiers positifs ou nuls : b > r 1 > r 2 > . . . Ê 0
Exemple 26
Arithmétique 55
Calculons le pgcd de a = 600 et b = 124.
600 = 124 × 4 + 104

124 = 104 × 1 + 20
104 = 20 × 5 + 4
20 = 4 × 5 + 0
Ainsi pgcd(600, 124) = 4.
Voici un exemple plus compliqué :
Exemple 27
Calculons pgcd(9945, 3003).
9945 = 3003 × 3 + 936

3003 = 936 × 3 + 195
936 = 195 × 4 + 156
195 = 156 × 1 + 39
156 = 39 × 4 + 0
Ainsi pgcd(9945, 3003) = 39.
1.4. Nombres premiers entre eux
Définition 15
Deux entiers a, b sont premiers entre eux si pgcd(a, b) = 1.
Exemple 28
Pour tout a ∈ Z, a et a + 1 sont premiers entre eux. En effet soit d un diviseur commun à a
et à a + 1. Alors d divise aussi a + 1 − a. Donc d divise 1 mais alors d = −1 ou d = +1. Le plus
grand diviseur de a et a + 1 est donc 1. Et donc pgcd(a, a + 1) = 1.
Si deux entiers ne sont pas premiers entre eux, on peut s’y ramener en divisant par leur pgcd :
Exemple 29
Pour deux entiers quelconques a, b ∈ Z, notons d = pgcd(a, b). La décomposition suivante est
souvent utile :
(
a = a0 d
avec a0 , b0 ∈ Z et pgcd(a0 , b0 ) = 1
b = b0 d
Mini-exercices
1. Écrire la division euclidienne de 111 111 par 20xx, où 20xx est l’année en cours.
2. Montrer qu’un diviseur positif de 10 008 et de 10 014 appartient nécessairement à
{1, 2, 3, 6}.
Arithmétique 56
3. Calculer pgcd(560, 133), pgcd(12 121, 789), pgcd(99 999, 1110).

4. Trouver tous les entiers 1 É a É 50 tels que a et 50 soient premiers entre eux. Même
question avec 52.
2. Théorème de Bézout
2.1. Théorème de Bézout
Théorème 4. Théorème de Bézout
Soient a, b des entiers. Il existe des entiers u, v ∈ Z tels que
au + bv = pgcd(a, b)
La preuve découle de l’algorithme d’Euclide. Les entiers u, v ne sont pas uniques. Les entiers u, v
sont des coefficients de Bézout. Ils s’obtiennent en «remontant» l’algorithme d’Euclide.
Exemple 30
Calculons les coefficients de Bézout pour a = 600 et b = 124. Nous reprenons les calculs
effectués pour trouver pgcd(600, 124) = 4. La partie gauche est l’algorithme d’Euclide. La
partie droite s’obtient de bas en haut. On exprime le pgcd à l’aide de la dernière ligne où le
reste est non nul. Puis on remplace le reste de la ligne précédente, et ainsi de suite jusqu’à
arriver à la première ligne.
600 = 124 × 4 + 104 4 = 124 × (−5) + (600 − 124 × 4) × 6 = 600 × 6 + 124 × (−29)
124 = 104 × 1 + 20 4 = 104 − (124 − 104 × 1) × 5 = 124 × (−5) + 104 × 6
104 = 20 × 5 + 4 4 = 104 − 20 × 5
20 = 4 × 5 + 0
Ainsi pour u = 6 et v = −29 alors 600 × 6 + 124 × (−29) = 4.
Remarque
– Soignez vos calculs et leur présentation. C’est un algorithme : vous devez aboutir
au bon résultat ! Dans la partie droite, il faut à chaque ligne bien la reformater. Par
exemple 104 − (124 − 104 × 1) × 5 se réécrit en 124 × (−5) + 104 × 6 afin de pouvoir remplacer
ensuite 104.
– N’oubliez de vérifier vos calculs ! C’est rapide et vous serez certain que vos calculs sont
exacts. Ici on vérifie à la fin que 600 × 6 + 124 × (−29) = 4.
Exemple 31
Calculons les coefficients de Bézout correspondant à pgcd(9945, 3003) = 39.
9945 = 3003 × 3 + 936 39 = 9945 × (−16) + 3003 × 53

3003 = 936 × 3 + 195 39 = ···
936 = 195 × 4 + 156 39 = ···
195 = 156 × 1 + 39 39 = 195 − 156 × 1
156 = 39 × 4 + 0
Arithmétique 57
À vous de finir les calculs. On obtient 9945 × (−16) + 3003 × 53 = 39.
2.2. Corollaires du théorème de Bézout
Corollaire 2
Si d |a et d | b alors d | pgcd(a, b).
Exemple : 4|16 et 4|24 donc 4 doit divisé pgcd(16, 24) qui effectivement vaut 8.
Démonstration
Comme d |au et d | bv donc d |au + bv. Par le théorème de Bézout d | pgcd(a, b).
Corollaire 3
Soient a, b deux entiers. a, b sont premiers entre eux si et seulement si il existe u, v ∈ Z tels
que
au + bv = 1
Démonstration
Le sens ⇒ est une conséquence du théorème de Bézout.

Pour le sens ⇐ on suppose qu’il existe u, v tels que au + bv = 1. Comme pgcd(a, b)|a alors
pgcd(a, b)|au. De même pgcd(a, b)| bv. Donc pgcd(a, b)|au + bv = 1. Donc pgcd(a, b) = 1.
Remarque
Si on trouve deux entiers u0 , v0 tels que au0 + bv0 = d, cela n’implique pas que d = pgcd(a, b).
On sait seulement alors que pgcd(a, b)| d. Par exemple a = 12, b = 8 ; 12 × 1 + 8 × 3 = 36 et
pgcd(a, b) = 4.
Corollaire 4. Lemme de Gauss
Soient a, b, c ∈ Z.
Si a| bc et pgcd(a, b) = 1 alors a| c
Exemple : si 4|7 × c, et comme 4 et 7 sont premiers entre eux, alors 4| c.

Démonstration
Comme pgcd(a, b) = 1 alors il existe u, v ∈ Z tels que au + bv = 1. On multiplie cette égalité par c
pour obtenir acu + bcv = c. Mais a|acu et par hypothèse a| bcv donc a divise acu + bcv = c.
2.3. Équations ax + b y = c
Arithmétique 58
Proposition 21
Considérons l’équation
ax + b y = c (E)
où a, b, c ∈ Z.
1. L’équation (E) possède des solutions (x, y) ∈ Z2 si et seulement si pgcd(a, b)| c.
2. Si pgcd(a, b)| c alors il existe même une infinité de solutions entières et elles sont exac-
tement les (x, y) = (x0 + α k, y0 + β k) avec x0 , y0 , α, β ∈ Z fixés et k parcourant Z.
Le premier point est une conséquence du théorème de Bézout. Nous allons voir sur un exemple
comment prouver le second point et calculer explicitement les solutions. Il est bon de refaire toutes
les étapes de la démonstration à chaque fois.
Exemple 32
Trouver les solutions entières de

161x + 368y = 115 (E)
– Première étape. Y a-t’il de solutions ? L’algorithme d’Euclide. On effectue l’al-

gorithme d’Euclide pour calculer le pgcd de a = 161 et b = 368.
368 = 161 × 2 + 46
161 = 46 × 3 + 23
46 = 23 × 2 + 0
Donc pgcd(368, 161) = 23. Comme 115 = 5 × 23 alors pgcd(368, 161)|115. Par le théorème
de Bézout, l’équation (E) admet des solutions entières.
– Deuxième étape. Trouver une solution particulière : la remontée de l’algo-
rithme d’Euclide. On effectue la remontée de l’algorithme d’Euclide pour calculer les
368 = 161 × 2 + 46 23 = 161 + (368 − 2 × 161) × (−3) = 161 × 7 + 368 × (−3)

161 = 46 × 3 + 23 23 = 161 − 3 × 46
46 = 23 × 2 + 0
On trouve donc 161 × 7 + 368 × (−3) = 23. Comme 115 = 5 × 23 en multipliant par 5 on
obtient :
161 × 35 + 368 × (−15) = 115
Ainsi (x0 , y0 ) = (35, −15) est une solution particulière de (E).

– Troisième étape. Recherche de toutes les solutions. Soit (x, y) ∈ Z2 une solution
de (E). Nous savons que (x0 , y0 ) est aussi solution. Ainsi :
161x + 368y = 115 et 161x0 + 368y0 = 115
(on n’a aucun intérêt à remplacer x0 et y0 par leurs valeurs). La différence de ces deux
Arithmétique 59
égalités conduit à
161 × (x − x0 ) + 368 × (y − y0 ) = 0
=⇒ 23 × 7 × (x − x0 ) + 23 × 16 × (y − y0 ) = 0
=⇒ 7(x − x0 ) = −16(y − y0 ) (∗)
Nous avons simplifier par 23 qui est le pgcd de 161 et 368. (Attention, n’oubliez surtout
pas cette simplification, sinon la suite du raisonnement serait fausse.)
Ainsi 7|16(y − y0 ), or pgcd(7, 16) = 1 donc par le lemme de Gauss 7| y − y0 . Il existe donc
k ∈ Z tel que y − y0 = 7 × k. Repartant de l’équation (∗) : 7(x − x0 ) = −16(y − y0 ). On obtient
maintenant 7(x − x0 ) = −16 × 7 × k. D’où x − x0 = −16k. (C’est le même k pour x et pour
y.) Nous avons donc (x, y) = (x0 − 16k, y0 + 7k). Il n’est pas dur de voir que tout couple de
cette forme est solution de l’équation (E). Il reste donc juste à substituer (x0 , y0 ) par sa
valeur et nous obtenons :
Les solutions entières de 161x + 368y = 115 sont les (x, y) = (35 − 16k, −15 + 7k), k parcourant Z.
Pour se rassurer, prenez une valeur de k au hasard et vérifiez que vous obtenez bien une
solution de l’équation.
2.4. ppcm
Définition 16
Le ppcm(a, b) (plus petit multiple commun) est le plus petit entier Ê 0 divisible par a et
par b.
Par exemple ppcm(12, 9) = 36.

Le pgcd et le ppcm sont liés par la formule suivante :
Proposition 22
Si a, b sont des entiers (non tous les deux nuls) alors
pgcd(a, b) × ppcm(a, b) = |ab|
Démonstration
|ab|
Posons d = pgcd(a, b) et m = pgcd(a,b) . Pour simplifier on suppose a > 0 et b > 0. On écrit a = da0 et
2 0 0
b = db . Alors ab = d a b et donc m = da0 b0 . Ainsi m = ab0 = a0 b est un multiple de a et de b.
0
Il reste à montrer que c’est le plus petit multiple. Si n est un autre multiple de a et de b alors
n = ka = ` b donc kda0 = ` db0 et ka0 = ` b0 . Or pgcd(a0 , b0 ) = 1 et a0 |` b0 donc a0 |`. Donc a0 b|` b et ainsi
m = a 0 b |` b = n .
Voici un autre résultat concernant le ppcm qui se démontre en utilisant la décomposition en

facteurs premiers :
Arithmétique 60
Proposition 23
Si a| c et b| c alors ppcm(a, b)| c.
Il serait faux de penser que ab| c. Par exemple 6|36, 9|36 mais 6 × 9 ne divise pas 36. Par contre
ppcm(6, 9) = 18 divise bien 36.
Mini-exercices
1. Calculer les coefficients de Bézout correspondant à pgcd(560, 133), pgcd(12 121, 789).
2. Montrer à l’aide d’un corollaire du théorème de Bézout que pgcd(a, a + 1) = 1.
3. Résoudre les équations : 407x + 129y = 1 ; 720x + 54y = 6 ; 216x + 92y = 8.
4. Trouver les couples (a, b) vérifiant pgcd(a, b) = 12 et ppcm(a, b) = 360.
3. Nombres premiers
Les nombres premiers sont –en quelque sorte– les briques élémentaires des entiers : tout entier
s’écrit comme produit de nombres premiers.
3.1. Une infinité de nombres premiers
Définition 17
Un nombre premier p est un entier Ê 2 dont les seuls diviseurs positifs sont 1 et p.
Exemples : 2, 3, 5, 7, 11 sont premiers, 4 = 2 × 2, 6 = 2 × 3, 8 = 2 × 4 ne sont pas premiers.
Lemme 2
Tout entier n Ê 2 admet un diviseur qui est un nombre premier.
Démonstration
Soit D l’ensemble des diviseurs de n qui sont Ê 2 :
D = k Ê 2 | k| n .
© ª
L’ensemble D est non vide (car n ∈ D ), notons alors p = min D .

Supposons, par l’absurde, que p ne soit pas un nombre premier alors p admet un diviseur q tel
que 1 < q < p mais alors q est aussi un diviseur de n et donc q ∈ D avec q < p. Ce qui donne une
contradiction car p est le minimum. Conclusion : p est un nombre premier. Et comme p ∈ D , p
divise n.
Arithmétique 61
Proposition 24
Il existe une infinité de nombres premiers.
Démonstration
Par l’absurde, supposons qu’il n’y ait qu’un nombre fini de nombres premiers que l’on note p 1 = 2,
p 2 = 3, p 3 ,. . . , p n . Considérons l’entier N = p 1 × p 2 ×· · ·× p n + 1. Soit p un diviseur premier de N (un
tel p existe par le lemme précédent), alors d’une part p est l’un des entiers p i donc p| p 1 × · · · × p n ,
d’autre part p| N donc p divise la différence N − p 1 × · · · × p n = 1. Cela implique que p = 1, ce qui
contredit que p soit un nombre premier.
Cette contradiction nous permet de conclure qu’il existe une infinité de nombres premiers.
3.2. Eratosthène et Euclide

Comment trouver les nombres premiers ? Le crible d’Eratosthène permet de trouver les pre-
miers nombres premiers. Pour cela on écrit les premiers entiers : pour notre exemple de 2 à
25.
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Rappelons-nous qu’un diviseur positif d’un entier n est inférieur ou égal à n. Donc 2 ne peut avoir
comme diviseurs que 1 et 2 et est donc premier. On entoure 2. Ensuite on raye (ici en grisé) tous
les multiples suivants de 2 qui ne seront donc pas premiers (car divisible par 2) :

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Le premier nombre restant de la liste est 3 et est nécessairement premier : il n’est pas divisible
par un diviseur plus petit (sinon il serait rayé). On entoure 3 et on raye tous les multiples de 3 (6,
9, 12, . . . ).

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Le premier nombre restant est 5 et est donc premier. On raye les multiples de 5.

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
7 est donc premier, on raye les multiples de 7 (ici pas de nouveaux nombres à barrer). Ainsi de
suite : 11, 13, 17, 19, 23 sont premiers.

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Remarque
p
Si un nombre n n’est pas premier alors un de ses facteurs est É n. En effet si n = a × b avec
p p
a, b Ê 2 alors a É n ou b É n (réfléchissez par l’absurde !). Par exemple pour tester si un
nombre É 100 est premier il suffit de tester les diviseurs É 10. Et comme il suffit de tester les
diviseurs premiers, il suffit en fait de tester la divisibilité par 2, 3, 5 et 7. Exemple : 89 n’est
pas divisible par 2, 3, 5, 7 et est donc un nombre premier.
Arithmétique 62
Proposition 25. Lemme d’Euclide
Soit p un nombre premier. Si p|ab alors p|a ou p| b.
Démonstration
Si p ne divise pas a alors p et a sont premiers entre eux (en effet les diviseurs de p sont 1 et p,
mais seul 1 divise aussi a, donc pgcd(a, p) = 1). Ainsi par le lemme de Gauss p| b.
Exemple 33
p
Si p est un nombre premier, p n’est pas un nombre rationnel.
p
La preuve se fait par l’absurde : écrivons p = ab avec a ∈ Z, b ∈ N∗ et pgcd(a, b) = 1. Alors
2
p = ab2 donc pb2 = a2 . Ainsi p|a2 donc par le lemme d’Euclide p|a. On peut alors écrire
a = pa0 avec a0 un entier. De l’équation pb2 = a2 on tire alors b2 = pa02 . Ainsi p| b2 et donc
p| b. Maintenant p|a et p| b donc a et b ne sont pas premiers entre eux. Ce qui contredit
p
pgcd(a, b) = 1. Conclusion p n’est pas rationnel.
3.3. Décomposition en facteurs premiers
Théorème 5
Soit n Ê 2 un entier. Il existe des nombres premiers p 1 < p 2 < . . . < p r et des exposants entiers
α1 , α2 , . . . , αr Ê 1 tels que :
α α α
n = p1 1 × p2 2 × · · · × p r r .
De plus les p i et les α i (i = 1, . . . , r) sont uniques.
Exemple : 24 = 23 × 3 est la décomposition en facteurs premiers. Par contre 36 = 22 × 9 n’est pas la

décomposition en facteurs premiers c’est 22 × 32 .
Remarque
La principale raison pour laquelle on choisit de dire que 1 n’est pas un nombre premier, c’est
que sinon il n’y aurait plus unicité de la décomposition : 24 = 23 × 3 = 1 × 23 × 3 = 12 × 23 × 3 = · · ·
Démonstration
Existence. Nous allons démontrer l’existence de la décomposition par une récurrence sur n.
L’entier n = 2 est déjà décomposé. Soit n Ê 3, supposons que tout entier < n admette une décom-
position en facteurs premiers. Notons p 1 le plus petit nombre premier divisant n (voir le lemme
2). Si n est un nombre premier alors n = p 1 et c’est fini. Sinon on définit l’entier n0 = pn1 < n et on
applique notre hypothèse de récurrence à n0 qui admet une décomposition en facteurs premiers.
Alors n = p 1 × n0 admet aussi une décomposition.
Unicité. Nous allons démontrer qu’une telle décomposition est unique en effectuant cette fois une
récurrence sur la somme des exposants σ = ri=1 α i .
P
Si σ = 1 cela signifie n = p 1 qui est bien l’unique écriture possible.

Soit σ Ê 2. On suppose que les entiers dont la somme des exposants est < σ ont une unique décompo-
sition. Soit n un entier dont la somme des exposants vaut σ. Écrivons le avec deux décompositions
:
α α α β β β
n = p1 1 × p2 2 × · · · × p r r = q1 1 × q2 2 × · · · × q s s .
Arithmétique 63
(On a p 1 < p 2 < · · · et q 1 < q 2 < · · · .)

α α α
Si p 1 < q 1 alors p 1 < q j pour tous les j = 1, . . . , s. Ainsi p 1 divise p 1 1 × p 2 2 × · · · × p r r = n mais ne
β β β
divise pas q 1 1 × q 2 2 × · · · × q s s = n. Ce qui est absurde. Donc p 1 Ê q 1 .
Si p 1 > q 1 un même raisonnement conduit aussi à une contradiction. On conclut que p 1 = q 1 . On
pose alors
n α −1 α α β −1 β β
n0 = = p1 1 × p2 2 × · · · × p r r = q1 1 × q2 2 × · · · × q s s
p1
L’hypothèse de récurrence qui s’applique à n0 implique que ces deux décompositions sont les mêmes.
Ainsi r = s et p i = q i , α i = β i , i = 1, . . . , r .
Exemple 34
504 = 23 × 32 × 7, 300 = 22 × 3 × 52 .
Pour calculer le pgcd on réécrit ces décompositions :
504 = 23 × 32 × 50 × 71 , 300 = 22 × 31 × 52 × 70 .
Le pgcd est le nombre obtenu en prenant le plus petit exposant de chaque facteur premier :
pgcd(504, 300) = 22 × 31 × 50 × 70 = 12.
Pour le ppcm on prend le plus grand exposant de chaque facteur premier :
ppcm(504, 300) = 23 × 32 × 52 × 71 = 12 600
Mini-exercices
1. Montrer que n! + 1 n’est divisible par aucun des entiers 2, 3, . . . , n. Est-ce toujours un
nombre premier ?
2. Trouver tous les nombres premiers É 103.
3. Décomposer a = 2 340 et b = 15 288 en facteurs premiers. Calculer leur pgcd et leur
ppcm.
4. Décomposer 48 400 en produit de facteurs premiers. Combien 48 400 admet-il de divi-
seurs ?
5. Soient a, b Ê 0. À l’aide de la décomposition en facteurs premiers, reprouver la formule
pgcd(a, b) × ppcm(a, b) = a × b.
4. Congruences
4.1. Définition
Arithmétique 64
Définition 18
Soit n Ê 2 un entier. On dit que a est congru à b modulo n, si n divise b − a. On note alors
a ≡ b (mod n).
On note aussi parfois a = b (mod n) ou a ≡ b[n]. Une autre formulation est
a ≡ b (mod n) ⇐⇒ ∃k ∈ Z a = b + kn.
Remarquez que n divise a si et seulement si a ≡ 0 (mod n).
Proposition 26
1. La relation «congru modulo n» est une relation d’équivalence :

– a ≡ a (mod n),
– si a ≡ b (mod n) alors b ≡ a (mod n),
– si a ≡ b (mod n) et b ≡ c (mod n) alors a ≡ c (mod n).
2. Si a ≡ b (mod n) et c ≡ d (mod n) alors a + c ≡ b + d (mod n).
3. Si a ≡ b (mod n) et c ≡ d (mod n) alors a × c ≡ b × d (mod n).
4. Si a ≡ b (mod n) alors pour tout k Ê 0, a k ≡ b k (mod n).
Exemple 35
– 15 ≡ 1 (mod 7), 72 ≡ 2 (mod 7), 3 ≡ −11 (mod 7),

– 5x + 8 ≡ 3 (mod 5) pour tout x ∈ Z,
– 1120 xx ≡ 120 xx ≡ 1 (mod 10), où 20xx est l’année en cours.
Démonstration
1. Utiliser la définition.
2. Idem.
3. Prouvons la propriété multiplicative : a ≡ b (mod n) donc il existe k ∈ Z tel que a = b + kn
et c ≡ d (mod n) donc il existe ` ∈ Z tel que c ≡ d + ` n. Alors a × c = ( b + kn) × ( d + ` n) =
bd + ( b` + dk + k` n) n qui est bien de la forme bd + mn avec m ∈ Z. Ainsi ac ≡ bd (mod n).
4. C’est une conséquence du point précédent : avec a = c et b = d on obtient a2 ≡ b2 (mod n). On
continue par récurrence.
Exemple 36
Critère de divisibilité par 9.
N est divisible par 9 si et seulement si la somme de ses chiffres est divisible par 9.
Pour prouver cela nous utilisons les congruences. Remarquons d’abord que 9| N équivaut à
N ≡ 0 (mod 9) et notons aussi que 10 ≡ 1 (mod 9), 102 ≡ 1 (mod 9), 103 ≡ 1 (mod 9),...
Nous allons donc calculer N modulo 9. Écrivons N en base 10 : N = a k · · · a 2 a 1 a 0 (a 0 est le
Arithmétique 65
chiffre des unités, a 1 celui des dizaines,...) alors N = 10k a k + · · · + 102 a 2 + 101 a 1 + a 0 . Donc
N = 10k a k + · · · + 102 a 2 + 101 a 1 + a 0

≡ a k + · · · + a2 + a1 + a0 (mod 9)
Donc N est congru à la somme de ses chiffres modulo 9. Ainsi N ≡ 0 (mod 9) si et seulement
si la somme des chiffres vaut 0 modulo 9.
Voyons cela sur un exemple : N = 488 889. Ici a 0 = 9 est le chiffre des unités, a 1 = 8 celui des
dizaines,... Cette écriture décimale signifie N = 4 · 105 + 8 · 104 + 8 · 103 + 8 · 102 + 8 · 10 + 9.
N = 4 · 105 + 8 · 104 + 8 · 103 + 8 · 102 + 8 · 10 + 9

≡ 4 + 8 + 8 + 8 + 8 + 9 (mod 9)
≡ 45 (mod 9) et on refait la somme des chiffres de 45
≡ 9 (mod 9)
≡ 0 (mod 9)
Ainsi nous savons que 488 889 est divisible par 9 sans avoir effectué de division euclidienne.
Remarque
Pour trouver un «bon» représentant de a (mod n) on peut aussi faire la division euclidienne
de a par n : a = bn + r alors a ≡ r (mod n) et 0 É r < n.
Exemple 37
Les calculs bien menés avec les congruences sont souvent très rapides. Par exemple on sou-
haite calculer 221 (mod 37) (plus exactement on souhaite trouver 0 É r < 37 tel que 221 ≡ r
(mod 37)). Plusieurs méthodes :
1. On calcule 221 , puis on fait la division euclidienne de 221 par 37, le reste est notre
résultat. C’est laborieux !
2. On calcule successivement les 2k modulo 37 : 21 ≡ 2 (mod 37), 22 ≡ 4 (mod 37), 23 ≡
8 (mod 37), 24 ≡ 16 (mod 37), 25 ≡ 32 (mod 37). Ensuite on n’oublie pas d’utiliser les
congruences : 26 ≡ 64 ≡ 27 (mod 37). 27 ≡ 2 · 26 ≡ 2 · 27 ≡ 54 ≡ 17 (mod 37) et ainsi de
suite en utilisant le calcul précédent à chaque étape. C’est assez efficace et on peut
raffiner : par exemple on trouve 28 ≡ 34 (mod 37) mais donc aussi 28 ≡ −3 (mod 37) et
donc 29 ≡ 2 · 28 ≡ 2 · (−3) ≡ −6 ≡ 31 (mod 37),...
3. Il existe une méthode encore plus efficace : on écrit l’exposant 21 en base 2 : 21 =
24 + 22 + 20 = 16 + 4 + 1. Alors 221 = 216 · 24 · 21 . Et il est facile de calculer successivement
chacun de ces termes car les exposants sont des puissances de 2. Ainsi 28 ≡ (24 )2 ≡
¡ ¢2
162 ≡ 256 ≡ 34 ≡ −3 (mod 37) et 216 ≡ 28 ≡ (−3)2 ≡ 9 (mod 37). Nous obtenons 221 ≡
216 · 24 · 21 ≡ 9 × 16 × 2 ≡ 288 ≡ 29 (mod 37).
4.2. Équation de congruence ax ≡ b (mod n)

Arithmétique 66
Proposition 27
Soit a ∈ Z∗ , b ∈ Z fixés et n Ê 2. Considérons l’équation ax ≡ b (mod n) d’inconnue x ∈ Z :
1. Il existe des solutions si et seulement si pgcd(a, n)| b.

2. Les solutions sont de la forme x = x0 + ` pgcd(na,n) , ` ∈ Z où x0 est une solution particulière.
Il existe donc pgcd(a, n) classes de solutions.
Exemple 38
Résolvons l’équation 9x ≡ 6 (mod 24). Comme pgcd(9, 24) = 3 divise 6 la proposition ci-dessus
nous affirme qu’il existe des solutions. Nous allons les calculer. (Il est toujours préférable de
refaire rapidement les calculs que d’apprendre la formule). Trouver x tel que 9x ≡ 6 (mod 24)
est équivalent à trouver x et k tels que 9x = 6 + 24k. Mis sous la forme 9x − 24k = 6 il s’agit alors
d’une équation que nous avons étudier en détails (voir section 2.3). Il y a bien des solutions
car pgcd(9, 24) = 3 divise 6. En divisant par le pgcd on obtient l’équation équivalente :
3x − 8k = 2.
Pour le calcul du pgcd et d’une solution particulière nous utilisons normalement l’algorithme
d’Euclide et sa remontée. Ici il est facile de trouver une solution particulière (x0 = 6, k 0 = 2) à
la main.
On termine comme pour les équations de la section 2.3. Si (x, k) est une solution de 3x − 8k = 2
alors par soustraction on obtient 3(x − x0 ) − 8(k − k 0 ) = 0 et on trouve x = x0 + 8`, avec ` ∈ Z (le
terme k ne nous intéresse pas). Nous avons donc trouvé les x qui sont solutions de 3x − 8k = 2,
ce qui équivaut à 9x − 24k = 6, ce qui équivaut encore à 9x ≡ 6 (mod 24). Les solutions sont de
la forme x = 6 + 8`. On préfère les regrouper en 3 classes modulo 24 :
x1 = 6 + 24m, x2 = 14 + 24m, x3 = 22 + 24m avec m ∈ Z.
Remarque
Expliquons le terme de «classe» utilisé ici. Nous avons considérer ici que l’équation 9x ≡ 6
(mod 24) est une équation d’entiers. On peut aussi considérer que 9, x, 6 sont des classes
d’équivalence modulo 24, et l’on noterait alors 9x = 6. On trouverait comme solutions trois
classes d’équivalence :
x1 = 6, x2 = 14, x3 = 22.
Démonstration
1.
x ∈ Z est un solution de l’équation ax ≡ b (mod n)

⇐⇒ ∃ k ∈ Z ax = b + kn
⇐⇒ ∃ k ∈ Z ax − kn = b
⇐⇒ pgcd(a, n)| b par la proposition 21
Nous avons juste transformé notre équation ax ≡ b (mod n) en une équation ax − kn = b

étudiée auparavant (voir section 2.3), seules les notations changent : au + bv = c devient
ax − kn = b.
Arithmétique 67
2. Supposons qu’il existe des solutions. Nous allons noter d = pgcd(a, n) et écrire a = da0 , n = dn0
et b = db0 (car par le premier point d | b). L’équation ax − kn = b d’inconnues x, k ∈ Z est alors
équivalente à l’équation a0 x − kn0 = b0 , notée (?). Nous savons résoudre cette équation (voir
de nouveau la proposition 21), si ( x0 , k 0 ) est une solution particulière de (?) alors on connaît
tous les ( x, k) solutions. En particulier x = x0 + ` n0 avec ` ∈ Z (les k ne nous intéressent pas
ici).
Ainsi les solutions x ∈ Z sont de la forme x = x0 + ` pgcd(na,n) , ` ∈ Z où x0 est une solution
particulière de ax ≡ b (mod n). Et modulo n cela donne bien pgcd(a, n) classes distinctes.
4.3. Petit théorème de Fermat
Théorème 6. Petit théorème de Fermat
Si p est un nombre premier et a ∈ Z alors
a p ≡ a (mod p)
Corollaire 5
Si p ne divise pas a alors
a p−1 ≡ 1 (mod p)
Lemme 3
¡ p¢ ¡ p¢
p divise k
pour 1 É k É p − 1, c’est-à-dire k
≡ 0 (mod p).
Démonstration
¡ p¢ p! ¡ p¢ ¡ p¢
k
= k!( p−k)! donc p! = k!( p − k)! k . Ainsi p| k!( p − k)! k . Or comme 1 É k É p − 1 alors p ne divise
pas k! (sinon p divise l’un des facteurs de k! mais il sont tous < p). De même p ne divise pas ( p − k)!,
donc par le lemme d’Euclide p divise kp .
¡ ¢
Démonstration . Preuve du théorème
Nous le montrons par récurrence pour les a Ê 0.

– Si a = 0 alors 0 ≡ 0 (mod p).
– Fixons a Ê 0 et supposons que a p ≡ a (mod p). Calculons (a + 1) p à l’aide de la formule du
binôme de Newton :
Ã ! Ã ! Ã !
p p p p−1 p p−2 p
(a + 1) = a + a + a +···+ +1
p−1 p−2 1
Réduisons maintenant modulo p :

Ã ! Ã ! Ã !
p p p p−1 p p−2 p
(a + 1) ≡ a + a + a +···+ + 1 (mod p)
p−1 p−2 1
≡ a p + 1 (mod p) grâce au lemme 3
≡ a + 1 (mod p) à cause de l’hypothèse de récurrence
Arithmétique 68
– Par le principe de récurrence nous avons démontré le petit théorème de Fermat pour tout
a Ê 0. Il n’est pas dur d’en déduire le cas des a É 0.
Exemple 39
Calculons 143141 (mod 17). Le nombre 17 étant premier on sait par le petit théorème de
Fermat que 1416 ≡ 1 (mod 17). Écrivons la division euclidienne de 3141 par 16 :
3141 = 16 × 196 + 5.
Alors
¢196
143141 ≡ 1416×196+5 ≡ 1416×196 × 145 ≡ 1416 × 145 ≡ 1196 × 145 ≡ 145 (mod 17)
¡
Il ne reste plus qu’à calculer 145 modulo 17. Cela peut se faire rapidement : 14 ≡ −3 (mod 17)
donc 142 ≡ (−3)2 ≡ 9 (mod 17), 143 ≡ 142 × 14 ≡ 9 × (−3) ≡ −27 ≡ 7 (mod 17), 145 ≡ 142 × 143 ≡
9 × 7 ≡ 63 ≡ 12 (mod 17). Conclusion : 143141 ≡ 145 ≡ 12 (mod 17).
Mini-exercices
1. Calculer les restes modulo 10 de 122 + 455, 122 × 455, 122455 . Mêmes calculs modulo 11,
puis modulo 12.
2. Prouver qu’un entier est divisible par 3 si et seulement si la somme de ses chiffres est
divisible par 3.
3. Calculer 310 (mod 23).
4. Calculer 3100 (mod 23).
5. Résoudre les équations 3x ≡ 4 (mod 7), 4x ≡ 14 (mod 30).
Auteurs
Arnaud Bodin
Benjamin Boutin
Pascal Romon
Exo7
5 Polynômes
1 Dénitions
2 Arithmétique des polynômes
3 Racine d'un polynôme, factorisation
4 Fractions rationnelles
Vidéo ■ partie 1. Définitions

Vidéo ■ partie 2. Arithmétique des polynômes
Vidéo ■ partie 3. Racine d'un polynôme, factorisation
Vidéo ■ partie 4. Fractions rationnelles
Exercices Polynômes
Motivation
Les polynômes sont des objets très simples mais aux propriétés extrêmement riches. Vous savez
déjà résoudre les équations de degré 2 : aX 2 + bX + c = 0. Savez-vous que la résolution des
équations de degré 3, aX 3 + bX 2 + cX + d = 0, a fait l’objet de luttes acharnées dans l’Italie du X V I e
siècle ? Un concours était organisé avec un prix pour chacune de trente équations de degré 3 à
résoudre. Un jeune italien, Tartaglia, trouve la formule générale des solutions et résout les trente
équations en une seule nuit ! Cette méthode que Tartaglia voulait garder secrète sera quand
même publiée quelques années plus tard comme la « méthode de Cardan ».
Dans ce chapitre, après quelques définitions des concepts de base, nous allons étudier l’arithmé-
tique des polynômes. Il y a une grande analogie entre l’arithmétique des polynômes et celles des
entiers. On continue avec un théorème fondamental de l’algèbre : « Tout polynôme de degré n
admet n racines complexes. » On termine avec les fractions rationnelles : une fraction rationnelle
est le quotient de deux polynômes.
Dans ce chapitre K désignera l’un des corps Q, R ou C.
1. Définitions
1.1. Définitions
Définition 19
Un polynôme à coefficients dans K est une expression de la forme
P(X ) = a n X n + a n−1 X n−1 + · · · + a 2 X 2 + a 1 X + a 0 ,
avec n ∈ N et a 0 , a 1 , . . . , a n ∈ K.
L’ensemble des polynômes est noté K[X ].
– Les a i sont appelés les coefficients du polynôme.
– Si tous les coefficients a i sont nuls, P est appelé le polynôme nul, il est noté 0.
– On appelle le degré de P le plus grand entier i tel que a i 6= 0 ; on le note deg P. Pour
Polynômes 70
le degré du polynôme nul on pose par convention deg(0) = −∞.

– Un polynôme de la forme P = a 0 avec a 0 ∈ K est appelé un polynôme constant. Si
a 0 6= 0, son degré est 0.
Exemple 40
– X 3 − 5X + 34 est un polynôme de degré 3.

– X n + 1 est un polynôme de degré n.
– 2 est un polynôme constant, de degré 0.
1.2. Opérations sur les polynômes

– Égalité. Soient P = a n X n + a n−1 X n−1 +· · ·+ a 1 X + a 0 et Q = b n X n + b n−1 X n−1 +· · ·+ b 1 X + b 0
deux polynômes à coefficients dans K.
P =Q ssi a i = b i pour tout i
et on dit que P et Q sont égaux.

– Addition. Soient P = a n X n + a n−1 X n−1 +· · ·+ a 1 X + a 0 et Q = b n X n + b n−1 X n−1 +· · ·+ b 1 X + b 0 .
On définit :
P + Q = (a n + b n )X n + (a n−1 + b n−1 )X n−1 + · · · + (a 1 + b 1 )X + (a 0 + b 0 )
– Multiplication. Soient P = a n X n + a n−1 X n−1 + · · · + a 1 X + a 0 et Q = b m X m + b m−1 X m−1 +

· · · + b 1 X + b 0 . On définit
P × Q = c r X r + c r−1 X r−1 + · · · + c 1 X + c 0 avec r = n + m et c k =

X
a i b j pour k ∈ {0, . . . , r }.
i+ j=k
– Multiplication par un scalaire. Si λ ∈ K alors λ · P est le polynôme dont le i-ème coefficient

est λa i .
Exemple 41
– Soient P = aX 3 + bX 2 + cX + d et Q = α X 2 + β X + γ. Alors P + Q = aX 3 + (b + α)X 2 + (c +

β)X + (d + γ), P × Q = (aα)X 5 + (aβ + bα)X 4 + (aγ + bβ + cα)X 3 + (bγ + cβ + d α)X 2 + (cγ +
d β)X + d γ. Enfin P = Q si et seulement si a = 0, b = α, c = β et d = γ.
– La multiplication par un scalaire λ · P équivaut à multiplier le polynôme constant λ
par le polynôme P.
L’addition et la multiplication se comportent sans problème :
Proposition 28
Pour P,Q, R ∈ K[X ] alors

– 0 + P = P, P + Q = Q + P, (P + Q) + R = P + (Q + R) ;
– 1 · P = P, P × Q = Q × P, (P × Q) × R = P × (Q × R) ;
– P × (Q + R) = P × Q + P × R.
Pour le degré il faut faire attention :

Polynômes 71
Proposition 29
Soient P et Q deux polynômes à coefficients dans K.
deg(P × Q) = deg P + degQ
deg(P + Q) É max(deg P, degQ)
On note Rn [X ] = P ∈ R[X ] | deg P É n . Si P,Q ∈ Rn [X ] alors P + Q ∈ Rn [X ].

© ª
1.3. Vocabulaire
Complétons les définitions sur les polynômes.
Définition 20
– Les polynômes comportant un seul terme non nul (du type a k X k ) sont appelés mo-
nômes.
– Soit P = a n X n + a n−1 X n−1 + · · · + a 1 X + a 0 , un polynôme avec a n 6= 0. On appelle terme
dominant le monôme a n X n . Le coefficient a n est appelé le coefficient dominant de
P.
– Si le coefficient dominant est 1, on dit que P est un polynôme unitaire.
Exemple 42
P(X ) = (X − 1)(X n + X n−1 + · · · + X + 1). On développe cette expression : P(X ) = X n+1 + X n +

¡
· · · + X 2 + X − X n + X n−1 + · · · + X + 1 = X n+1 − 1. P(X ) est donc un polynôme de degré n + 1,

¢ ¡ ¢
il est unitaire et est somme de deux monômes : X n+1 et −1.
Remarque
Tout polynôme est donc une somme finie de monômes.
Mini-exercices
1. Soit P(X ) = 3X 3 − 2, Q(X ) = X 2 + X − 1, R(X ) = aX + b. Calculer P + Q, P × Q, (P + Q) × R

et P × Q × R. Trouver a et b afin que le degré de P − QR soit le plus petit possible.
2. Calculer (X + 1)5 − (X − 1)5 .
3. Déterminer le degré de (X 2 + X + 1)n − aX 2n − bX 2n−1 en fonction de a, b.
4. Montrer que si deg P 6= degQ alors deg(P + Q) = max(deg P, degQ). Donner un contre-
exemple dans le cas où deg P = degQ.
5. Montrer que si P(X ) = X n + a n−1 X n−1 +· · · alors le coefficient devant X n−1 de P(X − a nn−1 )
est nul.
Polynômes 72
2. Arithmétique des polynômes

Il existe de grandes similarités entre l’arithmétique dans Z et l’arithmétique dans K[X ]. Cela nous
permet d’aller assez vite et d’omettre certaines preuves.
2.1. Division euclidienne
Définition 21
Soient A, B ∈ K[X ], on dit que B divise A s’il existe Q ∈ K[X ] tel que A = BQ. On note alors
B| A.
On dit aussi que A est multiple de B ou que A est divisible par B.

Outre les propriétés évidentes comme A | A, 1| A et A |0 nous avons :
Proposition 30
Soient A, B, C ∈ K[X ].
1. Si A |B et B| A, alors il existe λ ∈ K∗ tel que A = λB.
2. Si A |B et B|C alors A |C.
3. Si C | A et C |B alors C |(AU + BV ), pour tout U, V ∈ K[X ].
Théorème 7. Division euclidienne des polynômes
Soient A, B ∈ K[X ], avec B 6= 0, alors il existe un unique polynôme Q et il existe un unique

polynôme R tels que :
A = BQ + R et deg R < deg B.
Q est appelé le quotient et R le reste et cette écriture est la division euclidienne de A par B.
Notez que la condition deg R < deg B signifie R = 0 ou bien 0 É deg R < deg B.
Enfin R = 0 si et seulement si B| A.
Démonstration
Unicité. Si A = BQ + R et A = BQ 0 + R 0 , alors B(Q − Q 0 ) = R 0 − R . Or deg(R 0 − R ) < deg B. Donc

Q 0 − Q = 0. Ainsi Q = Q 0 , d’où aussi R = R 0 .
Existence. On montre l’existence par récurrence sur le degré de A .
– Si deg A = 0 et deg B > 0, alors A est une constante, on pose Q = 0 et R = A . Si deg A = 0 et
deg B = 0, on pose Q = A /B et R = 0.
– On suppose l’existence vraie lorsque deg A É n − 1. Soit A = a n X n + · · · + a 0 un polynôme de
degré n (a n 6= 0). Soit B = b m X m + · · · + b 0 avec b m 6= 0. Si n < m on pose Q = 0 et R = A .
Si n Ê m on écrit A = B · bamn X n−m + A 1 avec deg A 1 É n − 1. On applique l’hypothèse de ré-
currence à A 1 : il existe Q 1 , R 1 ∈ K[ X ] tels que A 1 = BQ 1 + R 1 et deg R 1 < deg B. Il vient
:
a n n− m
µ ¶
A=B X + Q 1 + R1 .
bm
an
Donc Q = bm X n−m + Q 1 et R = R 1 conviennent.
Polynômes 73
Exemple 43
On pose une division de polynômes comme on pose une division euclidienne de deux entiers.
Par exemple si A = 2X 4 − X 3 − 2X 2 + 3X − 1 et B = X 2 − X + 1. Alors on trouve Q = 2X 2 + X − 3
et R = − X + 2. On n’oublie pas de vérifier qu’effectivement A = BQ + R.
2X 4 − X 3 − 2X 2 + 3X − 1 X2 − X +1
− 2X 4 − 2X 3 + 2X 2
X 3 − 4X 2 + 3X − 1 2X 2 + X − 3
− X3 − X2 + X
−3X 2 + 2X − 1
− −3X 2 + 3X − 3
−X + 2
Exemple 44
Pour X 4 − 3X 3 + X + 1 divisé par X 2 + 2 on trouve un quotient égal à X 2 − 3X − 2 et un reste

égale à 7X + 5.
X 4 − 3X 3 + X +1 X2 +2
− X4 + 2X 2
−3X 3 − 2X 2 + X + 1 X 2 − 3X − 2
− −3X 3 − 6X
−2X 2 + 7X + 1
− −2X 2 −4
7X + 5
2.2. pgcd
Proposition 31
Soient A, B ∈ K[X ], avec A 6= 0 ou B 6= 0. Il existe un unique polynôme unitaire de plus grand

degré qui divise à la fois A et B.
Cet unique polynôme est appelé le pgcd (plus grand commun diviseur) de A et B que l’on note
pgcd(A, B).
Polynômes 74
Remarque
– pgcd(A, B) est un polynôme unitaire.

– Si A |B et A 6= 0, pgcd(A, B) = λ1 A, où λ est le coefficient dominant de A.
– Pour tout λ ∈ K ∗ , pgcd(λ A, B) = pgcd(A, B).
– Comme pour les entiers : si A = BQ + R alors pgcd(A, B) = pgcd(B, R). C’est ce qui
justifie l’algorithme d’Euclide.
Algorithme d’Euclide. Soient A et B des polynômes, B 6= 0.

On calcule les divisions euclidiennes successives,
A = BQ 1 + R 1 deg R 1 < deg B

B = R1Q 2 + R2 deg R 2 < deg R 1
R1 = R2Q 3 + R3 deg R 3 < deg R 2
..
.
R k−2 = R k−1 Q k + R k deg R k < deg R k−1
R k−1 = R k Q k+1
Le degré du reste diminue à chaque division. On arrête l’algorithme lorsque le reste est nul. Le
pgcd est le dernier reste non nul R k (rendu unitaire).
Exemple 45
Calculons le pgcd de A = X 4 − 1 et B = X 3 − 1. On applique l’algorithme d’Euclide :
X 4 − 1 = (X 3 − 1) × X + X − 1
X 3 − 1 = (X − 1) × (X 2 + X + 1) + 0
Le pgcd est le dernier reste non nul, donc pgcd(X 4 − 1, X 3 − 1) = X − 1.
Exemple 46
Calculons le pgcd de A = X 5 + X 4 + 2X 3 + X 2 + X + 2 et B = X 4 + 2X 3 + X 2 − 4.
X 5 + X 4 + 2X 3 + X 2 + X + 2 = (X 4 + 2X 3 + X 2 − 4) × (X − 1) + 3X 3 + 2X 2 + 5X − 2
X 4 + 2X 3 + X 2 − 4 = (3X 3 + 2X 2 + 5X − 2) × 91 (3X + 4) − 14 2
9 (X + X + 2)
3X 3 + 2X 2 + 5X − 2 = (X 2 + X + 2) × (3X − 1) + 0
Ainsi pgcd(A, B) = X 2 + X + 2.
Définition 22
Soient A, B ∈ K[X ]. On dit que A et B sont premiers entre eux si pgcd(A, B) = 1.
Pour A, B quelconques on peut se ramener à des polynômes premiers entre eux : si pgcd(A, B) = D
alors A et B s’écrivent : A = D A 0 , B = DB0 avec pgcd(A 0 , B0 ) = 1.
2.3. Théorème de Bézout

Polynômes 75
Théorème 8. Théorème de Bézout
Soient A, B ∈ K[X ] des polynômes avec A 6= 0 ou B 6= 0. On note D = pgcd(A, B). Il existe deux
polynômes U, V ∈ K[X ] tels que AU + BV = D.
Ce théorème découle de l’algorithme d’Euclide et plus spécialement de sa remontée comme on le

voit sur l’exemple suivant.
Exemple 47
Nous avons calculé pgcd(X 4 − 1, X 3 − 1) = X − 1. Nous remontons l’algorithme d’Euclide, ici

il n’y avait qu’une ligne : X 4 − 1 = (X 3 − 1) × X + X − 1, pour en déduire X − 1 = (X 4 − 1) × 1 +
(X 3 − 1) × (− X ). Donc U = 1 et V = − X conviennent.
Exemple 48
Pour A = X 5 + X 4 +2X 3 + X 2 + X +2 et B = X 4 +2X 3 + X 2 −4 nous avions trouvé D = pgcd(A, B) =

X 2 + X + 2. En partant de l’avant dernière ligne de l’algorithme d’Euclide on a d’abord :
B = (3X 3 + 2X 2 + 5X − 2) × 91 (3X + 4) − 14
9 D donc
14 1
− D = B − (3X 3 + 2X 2 + 5X − 2) × (3X + 4).
9 9
La ligne au-dessus dans l’algorithme d’Euclide était : A = B × (X − 1) + 3X 3 + 2X 2 + 5X − 2. On

substitue le reste pour obtenir :
14 ¡ ¢ 1
− D = B − A − B × (X − 1) × (3X + 4).
9 9
On en déduit
14 1 ¡ 1 ¢
− D = − A × (3X + 4) + B 1 + (X − 1) × (3X + 4)
9 9 9
1 1 1
(3X 2 + X +5) on a AU + BV =
¡ ¢
Donc en posant U = 14 (3X +4) et V = − 14 9+(X −1)(3X +4) = − 14
D.
Le corollaire suivant s’appelle aussi le théorème de Bézout.
Corollaire 6
Soient A et B deux polynômes. A et B sont premiers entre eux si et seulement s’il existe deux
polynômes U et V tels que AU + BV = 1.
Corollaire 7
Soient A, B, C ∈ K[X ] avec A 6= 0 ou B 6= 0. Si C | A et C |B alors C | pgcd(A, B).

Polynômes 76
Corollaire 8. Lemme de Gauss
Soient A, B, C ∈ K[X ]. Si A |BC et pgcd(A, B) = 1 alors A |C.
2.4. ppcm
Proposition 32
Soient A, B ∈ K[X ] des polynômes non nuls, alors il existe un unique polynôme unitaire M de
plus petit degré tel que A | M et B| M.
Cet unique polynôme est appelé le ppcm (plus petit commun multiple) de A et B qu’on note
ppcm(A, B).
Exemple 49
ppcm X (X − 2)2 (X 2 + 1)4 , (X + 1)(X − 2)3 (X 2 + 1)3 = X (X + 1)(X − 2)3 (X 2 + 1)4 .

¡ ¢
De plus le ppcm est aussi le plus petit au sens de la divisibilité :
Proposition 33
Soient A, B ∈ K[X ] des polynômes non nuls et M = ppcm(A, B). Si C ∈ K[X ] est un polynôme
tel que A |C et B|C, alors M |C.
Mini-exercices
1. Trouver les diviseurs de X 4 + 2X 2 + 1 dans R[X ], puis dans C[X ].

2. Montrer que X − 1| X n − 1 (pour n Ê 1).
3. Calculer les divisions euclidiennes de A par B avec A = X 4 − 1, B = X 3 − 1. Puis A =
4X 3 + 2X 2 − X − 5 et B = X 2 + X ; A = 2X 4 − 9X 3 + 18X 2 − 21X + 2 et B = X 2 − 3X + 1 ;
A = X 5 − 2X 4 + 6X 3 et B = 2X 3 + 1.
4. Déterminer le pgcd de A = X 5 + X 3 + X 2 + 1 et B = 2X 3 + 3X 2 + 2X + 3. Trouver les
coefficients de Bézout U, V . Mêmes questions avec A = X 5 − 1 et B = X 4 + X + 1.
5. Montrer que si AU + BV = 1 avec degU < deg B et deg V < deg A alors les polynômes
U, V sont uniques.
3. Racine d’un polynôme, factorisation

3.1. Racines d’un polynôme
Polynômes 77
Définition 23
Soit P = a n X n + a n−1 X n−1 + · · · + a 1 X + a 0 ∈ K[X ]. Pour un élément x ∈ K, on note P(x) =

a n x n + · · · + a 1 x + a 0 . On associe ainsi au polynôme P une fonction polynôme (que l’on note
encore P)
P : K → K, x 7→ P(x) = a n x n + · · · + a 1 x + a 0 .
Définition 24
Soit P ∈ K[X ] et α ∈ K. On dit que α est une racine (ou un zéro) de P si P(α) = 0.
Proposition 34
P(α) = 0 ⇐⇒ X − α divise P
Démonstration
Lorsque l’on écrit la division euclidienne de P par X − α on obtient P = Q · ( X − α) + R où R est une

constante car deg R < deg( X − α) = 1. Donc P (α) = 0 ⇐⇒ R (α) = 0 ⇐⇒ R = 0 ⇐⇒ X − α|P .
Définition 25
Soit k ∈ N∗ . On dit que α est une racine de multiplicité k de P si (X − α)k divise P alors que
(X − α)k+1 ne divise pas P. Lorsque k = 1 on parle d’une racine simple, lorsque k = 2 d’une
racine double, etc.
On dit aussi que α est une racine d’ordre k.
Proposition 35
Il y a équivalence entre :
(i) α est une racine de multiplicité k de P.
(ii) Il existe Q ∈ K[X ] tel que P = (X − α)k Q, avec Q(α) 6= 0.
(iii) P(α) = P 0 (α) = · · · = P (k−1) (α) = 0 et P (k) (α) 6= 0.
Remarque
Par analogie avec la dérivée d’une fonction, si P(X ) = a 0 + a 1 X + · · · + a n X n ∈ K[X ] alors le

polynôme P 0 (X ) = a 1 + 2a 2 X + · · · + na n X n−1 est le polynôme dérivé de P.
3.2. Théorème de d’Alembert-Gauss

Passons à un résultat essentiel de ce chapitre :
Polynômes 78
Théorème 9. Théorème de d’Alembert-Gauss
Tout polynôme à coefficients complexes de degré n Ê 1 a au moins une racine dans C. Il admet
exactement n racines si on compte chaque racine avec multiplicité.
Nous admettons ce théorème.

Exemple 50
Soit P(X ) = aX 2 + bX + c un polynôme de degré 2 à coefficients réels : a,

p
b, c ∈ R et
p
a 6= 0.
− b+ ∆ − b− ∆
– Si ∆ = b − 4ac > 0 alors P admet 2 racines réelles distinctes 2a et 2a .
2
p p
– Si ∆ < 0 alors P admet 2 racines complexes distinctes −b+2ia |∆| et −b−2ia |∆| .
– Si ∆ = 0 alors P admet une racine réelle double −2ab .
En tenant compte des multiplicités on a donc toujours exactement 2 racines.
Exemple 51
P(X ) = X n − 1 admet n racines distinctes.

Sachant que P est de degré n alors par le théorème de d’Alembert-Gauss on sait qu’il admet
n racines comptées avec multiplicité. Il s’agit donc maintenant de montrer que ce sont des
racines simples. Supposons –par l’absurde– que α ∈ C soit une racine de multiplicité Ê 2.
Alors P(α) = 0 et P 0 (α) = 0. Donc αn − 1 = 0 et nαn−1 = 0. De la seconde égalité on déduit
α = 0, contradictoire avec la première égalité. Donc toutes les racines sont simples. Ainsi les
n racines sont distinctes. (Remarque : sur cet exemple particulier on aurait aussi pu calculer
les racines qui sont ici les racines n-ième de l’unité.)
Pour les autres corps que les nombres complexes nous avons le résultat plus faible suivant :
Théorème 10
Soit P ∈ K[X ] de degré n Ê 1. Alors P admet au plus n racines dans K.
Exemple 52
P(X ) = 3X 3 − 2X 2 + 6X − 4. Considéré comme un polynôme à coefficients dans Q ou R, P n’a

qu’une seule racine (qui est simple) α = 23 et il se décompose en P(X ) = 3(X − 23 )(X 2 + 2). Si on
considère maintenant P comme un polynôme à coefficients dans C alors P(X ) = 3(X − 23 )(X −
p p
i 2)(X + i 2) et admet 3 racines simples.
3.3. Polynômes irréductibles
Définition 26
Soit P ∈ K[X ] un polynôme de degré Ê 1, on dit que P est irréductible si pour tout Q ∈ K[X ]
divisant P, alors, soit Q ∈ K∗ , soit il existe λ ∈ K∗ tel que Q = λP.
Polynômes 79
Remarque
– Un polynôme irréductible P est donc un polynôme non constant dont les seuls diviseurs
de P sont les constantes ou P lui-même (à une constante multiplicative près).
– La notion de polynôme irréductible pour l’arithmétique de K[X ] correspond à la notion
de nombre premier pour l’arithmétique de Z.
– Dans le cas contraire, on dit que P est réductible ; il existe alors des polynômes A, B
de K[X ] tels que P = AB, avec deg A Ê 1 et deg B Ê 1.
Exemple 53
– Tous les polynômes de degré 1 sont irréductibles. Par conséquent il y a une infinité de
polynômes irréductibles.
– X 2 − 1 = (X − 1)(X + 1) ∈ R[X ] est réductible.
– X 2 + 1 = (X − i)(X + i) est réductible dans C[X ] mais est irréductible dans R[X ].
p p
– X 2 − 2 = (X − 2)(X + 2) est réductible dans R[X ] mais est irréductible dans Q[X ].
Nous avons l’équivalent du lemme d’Euclide de Z pour les polynômes :
Proposition 36. Lemme d’Euclide
Soit P ∈ K[X ] un polynôme irréductible et soient A, B ∈ K[X ]. Si P | AB alors P | A ou P |B.
Démonstration
Si P ne divise pas A alors pgcd(P, A ) = 1 car P est irréductible. Donc, par le lemme de Gauss, P
divise B.
3.4. Théorème de factorisation
Théorème 11
Tout polynôme non constant A ∈ K[X ] s’écrit comme un produit de polynômes irréductibles
unitaires :
k k k
A = λP1 1 P2 2 · · · P r r
où λ ∈ K∗ , r ∈ N∗ , k i ∈ N∗ et les P i sont des polynômes irréductibles distincts.

De plus cette décomposition est unique à l’ordre près des facteurs.
Il s’agit bien sûr de l’analogue de la décomposition d’un nombre en facteurs premiers.
3.5. Factorisation dans C[ X ] et R[ X ]

Polynômes 80
Théorème 12
Les polynômes irréductibles de C[X ] sont les polynômes de degré 1.

Donc pour P ∈ C[X ] de degré n Ê 1 la factorisation s’écrit P = λ(X −α1 )k1 (X −α2 )k2 · · · (X −αr )k r ,
où α1 , ..., αr sont les racines distinctes de P et k 1 , ..., k r sont leurs multiplicités.
Démonstration
Ce théorème résulte du théorème de d’Alembert-Gauss.
Théorème 13
Les polynômes irréductibles de R[X ] sont les polynômes de degré 1 ainsi que les polynômes
de degré 2 ayant un discriminant ∆ < 0.
Soit P ∈ R[X ] de degré n Ê 1. Alors la factorisation s’écrit P = λ(X − α1 )k1 (X − α2 )k2 · · · (X −
` `
αr )k r Q 11 · · · Q s s , où les α i sont exactement les racines réelles distinctes de multiplicité k i et
les Q i sont des polynômes irréductibles de degré 2 : Q i = X 2 + β i X + γ i avec ∆ = β2i − 4γ i < 0.
Exemple 54
P(X ) = 2X 4 (X − 1)3 (X 2 + 1)2 (X 2 + X + 1) est déjà décomposé en facteurs irréductibles dans

R[X ] alors que sapdécomposition dans C[X ] est P(X ) = 2X 4 (X − 1)3 (X − i)2 (X + i)2 (X − j)(X − j 2 )
2iπ
où j = e 3 = −1+2i 3 .
Exemple 55
Soit P(X ) = X 4 + 1.
– Sur C. On peut d’abord décomposer P(X ) = (X 2 + i)(X 2 − i). Les racines de P sont donc
les racines carrées complexes de i et −i. Ainsi P se factorise dans C[X ] :
p p p p
P(X ) = X − 22 (1 + i) X + 22 (1 + i) X − 22 (1 − i) X + 22 (1 − i) .
¡ ¢¡ ¢¡ ¢¡ ¢
– Sur R. Pour un polynôme à coefficient réels, si α est une racine alors ᾱ aussi. Dans la
décomposition ci-dessus on regroupe les facteurs ayant des racines conjuguées, cela doit
conduire à un polynôme réel :
h¡ p p ¢i h¡ p p ¢i £ p p
P(X ) = X − 22 (1 + i) X − 22 (1 − i) X + 22 (1 + i) X + 22 (1 − i) = X 2 + 2X +1 X 2 − 2X +1 ,
¢¡ ¢¡ ¤£ ¤
qui est la factorisation dans R[X ].
Mini-exercices
1
1. Trouver un polynôme P(X ) ∈ Z[X ] de degré minimal tel que : 2 soit une racine simple,
p
2 soit une racine double et i soit une racine triple.
2. Montrer cette partie de la proposition 35 : « P(α) = 0 et P 0 (α) = 0 ⇐⇒ α est une racine
de multiplicité Ê 2 ».
3. Montrer que pour P ∈ C[X ] : « P admet une racine de multiplicité Ê 2 ⇐⇒ P et P 0 ne
sont pas premiers entre eux ».
Polynômes 81
4. Factoriser P(X ) = (2X 2 + X − 2)2 (X 4 − 1)3 et Q(X ) = 3(X 2 − 1)2 (X 2 − X + 41 ) dans C[X ]. En
déduire leur pgcd et leur ppcm. Mêmes questions dans R[X ].
5. Si pgcd(A, B) = 1 montrer que pgcd(A + B, A × B) = 1.
6. Soit P ∈ R[X ] et α ∈ C \ R tel que P(α) = 0. Vérifier que P(ᾱ) = 0. Montrer que (X − α)(X −
ᾱ) est un polynôme irréductible de R[X ] et qu’il divise P dans R[X ].
4. Fractions rationnelles
Définition 27
Une fraction rationnelle à coefficients dans K est une expression de la forme
P
F=
Q
où P,Q ∈ K[X ] sont deux polynômes et Q 6= 0.
Toute fraction rationnelle se décompose comme une somme de fractions rationnelles élémentaires
que l’on appelle des « éléments simples ». Mais les éléments simples sont différents sur C ou sur R.
4.1. Décomposition en éléments simples sur C
Théorème 14. Décomposition en éléments simples sur C
Soit P/Q une fraction rationnelle avec P,Q ∈ C[X ], pgcd(P,Q) = 1 et Q = (X −α1 )k1 · · · (X −αr )k r .
Alors il existe une et une seule écriture :
P a 1, 1 a 1, 2 a 1,k1
= E + + +···+
Q (X − α1 )k1 (X − α1 )k1 −1 (X − α1 )
a 2,1 a 2,k2
+ +···+
(X − α2 )k2 (X − α2 )
+ ···
a
Le polynôme E s’appelle la partie polynomiale (ou partie entière). Les termes ( X −α) i
sont les
éléments simples sur C.
Exemple 56
– Vérifier que 1
X 2 +1
= Xa+i + Xb−i avec a = 12 i, b = − 12 i.
X −8 X 2 +9 X −7
4
– Vérifier que ( X −2)2 ( X +3)
=X + 1 + ( X−−12)2 + 2
X −2 + −1
X +3 .
Comment se calcule cette décomposition ? En général on commence par déterminer la partie poly-
nomiale. Tout d’abord si degQ > deg P alors E(X ) = 0. Si deg P É degQ alors effectuons la division
P R
euclidienne de P par Q : P = QE + R donc Q =E+ Q où deg R < degQ. La partie polynomiale est
R
donc le quotient de cette division. Et on s’est ramené au cas d’une fraction Q avec deg R < degQ.
Voyons en détails comment continuer sur un exemple.
Polynômes 82
Exemple 57
5 3 2
P
Décomposons la fraction Q = X −2 XX 3+−43XX +−28 X +11 .
– Première étape : partie polynomiale. On calcule la division euclidienne de P par
Q : P(X ) = (X 2 + 1)Q(X ) + 2X 2 − 5X + 9. Donc la partie polynomiale est E(X ) = X 2 + 1
P(X ) 2 X 2 −5 X +9 2
et la fraction s’écrit Q 2
(X ) = X + 1 + Q(X ) . Notons que pour la fraction 2 X Q−(5XX) +9 le
degré du numérateur est strictement plus petit que le degré du dénominateur.
– Deuxième étape : factorisation du dénominateur. Q a pour racine évidente +1
(racine double) et −2 (racine simple) et se factorise donc ainsi Q(X ) = (X − 1)2 (X + 2).
– Troisième étape : décomposition théorique en éléments simples. Le théorème
de décomposition en éléments simples nous dit qu’il existe une unique décomposition :
P(X ) a b c 2
Q ( X ) = E(X ) + ( X −1)2 + X −1 + X +2 . Nous savons déjà que E(X ) = X + 1, il reste à trouver
les nombres a, b, c.
– Quatrième étape : détermination des coefficients. Voici une première façon de
déterminer a, b, c. On récrit la fraction ( X −a1)2 + Xb−1 + X c+2 au même dénominateur et on
2 X 2 −5 X +9
l’identifie avec Q(X ) :
a b c (b + c)X 2 + (a + b − 2c)X + 2a − 2b + c 2X 2 − 5X + 9
+ + = qui doit être égale à .
(X − 1)2 X − 1 X + 2 (X − 1)2 (X + 2) (X − 1)2 (X + 2)
On en déduit b + c = 2, a + b − 2c = −5 et 2a − 2b + c = 9. Cela conduit à l’unique solution

a = 2, b = −1, c = 3. Donc
P X 5 − 2X 3 + 4X 2 − 8X + 11 2 −1 3
= 3
= X2 +1+ 2
+ + .
Q X − 3X + 2 (X − 1) X −1 X +2
Cette méthode est souvent la plus longue.

– Quatrième étape (bis) : détermination des coefficients. Voici une autre méthode
plus efficace.
0 2
Notons PQ ((XX)) = ( 2XX−1)−25(XX ++92) dont la décomposition théorique est : ( X −a1)2 + Xb−1 + X c+2
0
Pour déterminer a on multiplie la fraction PQ par (X − 1)2 et on évalue en x = 1.
Tout d’abord en partant de la décomposition théorique on a :
P 0 (X ) (X − 1)2
F1 (X ) = (X − 1)2 = a + b(X − 1) + c donc F1 (1) = a
Q(X ) X +2
D’autre part
P 0 (X ) 2X 2 − 5X + 9 2X 2 − 5X + 9
F1 (X ) = (X − 1)2 = (X − 1)2 = donc F1 (1) = 2
Q(X ) (X − 1)2 (X + 2) X +2
On en déduit a = 2.
On fait le même processus pour déterminer c : on multiplie par (X + 2) et on évalue en
0 2
−2. On calcule F2 (X ) = (X + 2) PQ ((XX)) = 2 X( X−−51)X2+9 = a ( XX−+1)
2 X +2
2 + b X −1 + c de deux façons et
lorsque l’on évalue x = −2 on obtient d’une part F2 (−2) = c et d’autre part F2 (−2) = 3.
Ainsi c = 3.
Comme les coefficients sont uniques tous les moyens sont bons pour les déterminer. Par
0
exemple lorsque l’on évalue la décomposition théorique PQ ((XX)) = ( X −a1)2 + Xb−1 + X c+2 en
x = 0, on obtient :
P 0 (0) c
= a−b+
Q(0) 2
Polynômes 83
Donc 9
2 = a − b + 2c . Donc b = a + 2c − 92 = −1.
4.2. Décomposition en éléments simples sur R
Théorème 15. Décomposition en éléments simples sur R
Soit P/Q une fraction rationnelle avec P,Q ∈ R[X ], pgcd(P,Q) = 1. Alors P/Q s’écrit de ma-
nière unique comme somme :
– d’une partie polynomiale E(X ),
– d’éléments simples du type ( X −aα)i ,
aX + b
– d’éléments simples du type ( X 2 +α X +β) i
.
Où les X − α et X 2 + α X + β sont les facteurs irréductibles de Q(X ) et les exposants i sont
inférieurs ou égaux à la puissance correspondante dans cette factorisation.
Exemple 58
P(X ) 4 3 2
3 X +5 X +8 X +5 X +3
Décomposition en éléments simples de Q (X ) = ( X 2 + X +1)2 ( X −1)
. Comme deg P < degQ alors
2
E(X ) = 0. Le dénominateur est déjà factorisé sur R car X + X + 1 est irréductible. La décom-
position théorique est donc :
P(X ) aX + b cX + d e
= 2 2
+ 2 + .
Q(X ) (X + X + 1) X + X +1 X −1
Il faut ensuite mener au mieux les calculs pour déterminer les coefficients afin d’obtenir :
P(X ) 2X + 1 −1 3
= 2 2
+ 2 + .
Q(X ) (X + X + 1) X + X +1 X −1
Mini-exercices
1. Soit Q(X ) = (X − 2)2 (X 2 − 1)3 (X 2 + 1)4 . Pour P ∈ R[X ] quelle est la forme théorique de la
P
décomposition en éléments simples sur C de Q ? Et sur R ?
1 X 2 +1
2. Décomposer les fractions suivantes en éléments simples sur R et C : X 2 −1
; ( X −1)2
;
X
X 3 −1
.
X 2 + X +1 2X 2−X
3. Décomposer les fractions suivantes en éléments simples sur R : ( X −1)( X +2)2
; ( X 2 +2)2
;
X6
( X 2 +1)2
.
2
4. Soit F(X ) = 2 X +7 X −20
X +2 . Déterminer l’équation de l’asymptote oblique en ±∞. Étudier la
position du graphe de F par rapport à cette droite.
Auteurs
Rédaction : Arnaud Bodin

Basé sur des cours de Guoting Chen et Marc Bourdon
Relecture : Stéphanie Bodin
Exo7
6 Les nombres réels
1 L'ensemble des nombres rationnels Q

2 Propriétés de R
3 Densité de Q dans R
4 Borne supérieure
Exercices Propriétés de R
Motivation
Voici une introduction, non seulement à ce chapitre sur les nombres réels, mais aussi aux premiers
chapitres de ce cours d’analyse.
Aux temps des babyloniens (en Mésopotamie de 3000 à 600 avant J.C.) le système de numération
b
était en base 60, c’est-à-dire que tous les nombres étaient exprimés sous la forme a + 60 + 60c 2 + · · · .
On peut imaginer que pour les applications pratiques c’était largement suffisant (par exemple
estimer la surface d’un champ, le diviser en deux parties égales, calculer le rendement par unité
de surface,...). En langage moderne cela correspond à compter uniquement avec des nombres
rationnels Q.
p
Les pythagoriciens (vers 500 avant J.C. en Grèce) montrent que 2 n’entre pas ce cadre là. C’est-
p p
à-dire que 2 ne peut s’écrire sous la forme q avec p et q deux entiers. C’est un double saut
p
conceptuel : d’une part concevoir que 2 est de nature différente mais surtout d’en donner une
démonstration.
p
Le fil rouge de ce cours va être deux exemples très simples : les nombres 10 et 1, 101/12 . Le
premier représente par exemple la diagonale d’un rectangle de base 3 et de hauteur 1 ; le second
correspond par exemple au taux d’intérêt mensuel d’un taux annuel de 10 %. Dans ce premier
p
chapitre vous allez apprendre à montrer que 10 n’est pas un nombre rationnel mais aussi à
p
encadrer 10 et 1, 101/12 entre deux entiers consécutifs.
Pour pouvoir calculer des décimales après la virgule, voire des centaines de décimales, nous aurons
besoin d’outils beaucoup plus sophistiqués :
– une construction solide des nombres réels,
– l’étude des suites et de leur limites,
– l’étude des fonctions continues et des fonctions dérivables.
Ces trois points sont liés et permettent de répondre à notre problème, car par exemple nous
2
verrons en étudiant
³ ´ la fonction f (x) = x p− 10 que la suite des rationnels (u n ) définie par u 0 = 3
1 10
et u n+1 = 2 u n + u n tend très vite vers 10. Cela nous permettra de calculer des centaines de
p
décimales de 10 et de certifier quelles sont exactes :
p
10 = 3, 1622776601683793319988935444327185337195551393252168 . . .
1. L’ensemble des nombres rationnels Q

Les nombres réels 85
1.1. Écriture décimale

Par définition, l’ensemble des nombres rationnels est
p
½ ¾
∗
Q= | p ∈ Z, q ∈ N .
q
On a noté N∗ = N \ {0}.
Par exemple : 25 ; −107 ; 36 = 12 .
a
Les nombres décimaux, c’est-à-dire les nombres de la forme 10n , avec a ∈ Z et n ∈ N, fournissent
d’autres exemples :
1234 345
1, 234 = 1234 × 10−3 = 0, 00345 = 345 × 10−5 = .
1000 100 000
Proposition 37
Un nombre est rationnel si et seulement s’il admet une écriture décimale périodique ou finie.
Par exemple :
3 1
= 0, 6 = 0, 3333 . . . 1, 179 325 325 325 . . .
5 3 ←→ ←→ ←→
Nous n’allons pas donner la démonstration mais le sens direct ( =⇒ ) repose sur la division eu-
clidienne. Pour la réciproque (⇐=) voyons comment cela marche sur un exemple : Montrons que
x = 12, 34 2021 2021 . . . est un rationnel.
←−→ ←−→
L’idée est d’abord de faire apparaître la partie périodique juste après la virgule. Ici la période
commence deux chiffres après la virgule donc on multiplie par 100 :
100x = 1234, 2021 2021 . . . (6.1)

←−→ ←−→
Maintenant on va décaler tout vers la gauche de la longueur d’une période, donc ici on multiplie
par encore par 10 000 pour décaler de 4 chiffres :
10 000 × 100x = 1234 2021, 2021 . . . (6.2)

←−→
Les parties après la virgule des deux lignes (6.1) et (6.2) sont les mêmes, donc si on les soustrait
en faisant (6.2)-(6.1) alors les parties décimales s’annulent :
10 000 × 100x − 100x = 12 342 021 − 1234
donc 999 900x = 12 340 787 donc

12 340 787
x= .
999 900
Et donc bien sûr x ∈ Q.
p
1.2. 2 n’est pas un nombre rationnel
Il existe des nombres qui ne sont pas rationnels, les irrationnels. Les nombres irrationnels
apparaissent naturellement dans les figures géométriques : par exemple la diagonale d’un carré
p
de côté 1 est le nombre irrationnel 2 ; la circonférence d’un cercle de rayon 12 est π qui est
également un nombre irrationnel. Enfin e = exp(1) est aussi irrationnel.
p
2
•
1
2
p
Nous allons prouver que 2 n’est pas un nombre rationnel.
Proposition 38
p
2∉Q
Démonstration
p
Par l’absurde supposons que 2 soit un nombre rationnel. Alors il existe des entiers p ∈ Z et q ∈ N∗
p p
tels que 2 = q , de plus –ce sera important pour la suite– on suppose que p et q sont premiers
p
entre eux (c’est-à-dire que la fraction q est sous une écriture irréductible).
p p
En élevant au carré, l’égalité 2 = q devient 2 q2 = p2 . Cette dernière égalité est une égalité d’en-
tiers. L’entier de gauche est pair, donc on en déduit que p2 est pair ; en terme de divisibilité 2 divise
p2 .
Mais si 2 divise p2 alors 2 divise p (cela se prouve par facilement l’absurde). Donc il existe un entier
p0 ∈ Z tel que p = 2 p0 .
Repartons de l’égalité 2 q2 = p2 et remplaçons p par 2 p0 . Cela donne 2 q2 = 4 p02 . Donc q2 = 2 p02 .
Maintenant cela entraîne que 2 divise q2 et comme avant alors 2 divise q.
Nous avons prouvé que 2 divise à la fois p et q. Cela rentre en contradiction avec le fait que p et
p
q sont premiers entre eux. Notre hypothèse de départ est donc fausse : 2 n’est pas un nombre
rationnel.
Comme ce résultat est important en voici une deuxième démonstration, assez différente mais
toujours par l’absurde.
Démonstration . Autre démonstration
p p p
Par l’absurde, supposons 2 = q , donc q 2 = p ∈ N. Considérons l’ensemble
p
N = n ∈ N∗ | n 2 ∈ N .
© ª
p
Cet ensemble n’est pas vide car on vient de voir que q 2 = p ∈ N donc q ∈ N . Ainsi N est une
partie non vide de N, elle admet donc un plus petit élément n 0 = min N .
Posons
p p
n 1 = n 0 2 − n 0 = n 0 ( 2 − 1),
p
il découle de cette dernière égalité et de 1 < 2 < 2 que 0 < n 1 < n 0 .
p p p p
De plus n 1 2 = ( n 0 2 − n 0 ) 2 = 2 n 0 − n 0 2 ∈ N. Donc n 1 ∈ N et n 1 < n 0 : on vient de trouver un
élément n 1 de N strictement plus petit que n 0 qui était le minimum. C’est une contradiction.
p
Notre hypothèse de départ est fausse, donc 2 ∉ Q.
Exercice 1
p
Montrer que 10 ∉ Q.
On représente souvent les nombres réels sur une « droite numérique » :

p
2 e π
−3 −2 −1 0 1 2 3 4 5
p
Il est bon de connaître les premières décimales de certains réels 2 ' 1, 4142 . . . π ' 3, 14159265 . . .
e ' 2, 718 . . .
Il est souvent pratique de rajouter les deux extrémités à la droite numérique.
Définition 28
R = R ∪ {−∞, ∞}
Mini-exercices
1. Montrer que la somme de deux rationnels est un rationnel. Montrer que le produit de
deux rationnels est un rationnel. Montrer que l’inverse d’un rationnel non nul est un
rationnel. Qu’en est-il pour les irrationnels ?
2. Écrire les nombres suivants sous forme d’une fraction : 0, 1212 ; 0, 1212 . . . ;
←
→
78, 33456456 . . .
←→
p p
3. Sachant 2 ∉ Q, montrer 2 − 3 2 ∉ Q, 1 − p1 ∉ Q.
2
a
4. Notons D l’ensemble des nombres de la forme 2n avec a ∈ Z et n ∈ N. Montrer que 3 ∉ D.
Trouver x ∈ D tel que 1234 < x < 1234, 001.
p
5. Montrer que p2 ∉ Q.
3
6. Montrer que log 2 ∉ Q (log 2 est le logarithme décimal de 2 : c’est le nombre réel tel que
10log 2 = 2).
2. Propriétés de R
2.1. Addition et multiplication
Ce sont les propriétés que vous avez toujours pratiquées. Pour a, b, c ∈ R on a :
a+b = b+a a×b = b×a

0+a = a 1 × a = a si a 6= 0
a + b = 0 ⇐⇒ a = − b ab = 1 ⇐⇒ a = 1b
(a + b) + c = a + (b + c) (a × b) × c = a × (b × c)
a × (b + c) = a × b + a × c
a × b = 0 ⇐⇒ (a = 0 ou b = 0)
On résume toutes ces propriétés en disant que :

Propriété : R1
(R, +, ×) est un corps commutatif .
2.2. Ordre sur R

Nous allons voir que les réels sont ordonnés. La notion d’ordre est générale et nous allons définir
cette notion sur un ensemble quelconque. Cependant gardez à l’esprit que pour nous E = R et
R =É.
Définition 29
Soit E un ensemble.
1. Une relation R sur E est un sous-ensemble de l’ensemble produit E × E. Pour (x, y) ∈
E × E, on dit que x est en relation avec y et on note xR y pour dire que (x, y) ∈ R .
2. Une relation R est une relation d’ordre si
– R est réflexive : pour tout x ∈ E, xR x,
– R est antisymétrique : pour tout x, y ∈ E, (xR y et yR x) =⇒ x = y,
– R est transitive : pour tout x, y, z ∈ E, (xR y et yR z) =⇒ xR z.
Définition 30
Une relation d’ordre R sur un ensemble E est totale si pour tout x, y ∈ E on a xR y ou yR x.

On dit aussi que (E, R ) est un ensemble totalement ordonné.
Propriété : R2
La relation É sur R est une relation d’ordre, et de plus, elle est totale.
Nous avons donc :

– pour tout x ∈ R, x É x,
– pour tout x, y ∈ R, si x É y et y É x alors x = y,
– pour tout x, y, z ∈ R si x É y et y É z alors x É z.
Remarque
Pour (x, y) ∈ R2 on a par définition :
x É y ⇐⇒ y − x ∈ R+
x < y ⇐⇒ (x É y et x 6= y) .
Les opérations de R sont compatibles avec la relation d’ordre É au sens suivant, pour des réels
a, b, c, d :
(a É b et c É d) =⇒ a + c É b + d
(a É b et c Ê 0) =⇒ a × c É b × c
(a É b et c É 0) =⇒ a × c Ê b × c.
On définit le maximum de deux réels a et b par :

a si a Ê b
max(a, b) =
b si b > a.
Exercice 2
Comment définir max(a, b, c), max(a 1 , a 2 , . . . , a n ) ? Et min(a, b) ?
2.3. Propriété d’Archimède
Propriété : R3, Propriété d’Archimède
R est archimédien, c’est-à-dire :
∀ x ∈ R ∃n ∈ N n > x
« Pour tout réel x, il existe un entier naturel n strictement plus grand que x. »
Cette propriété peut sembler évidente, elle est pourtant essentielle puisque elle permet de définir
la partie entière d’un nombre réel :
Proposition 39
Soit x ∈ R, il existe un unique entier relatif, la partie entière notée E(x), tel que :
E(x) É x < E(x) + 1
Exemple 59
– E(2, 853) = 2, E(π) = 3, E(−3, 5) = −4.

– E(x) = 3 ⇐⇒ 3 É x < 4.
Remarque
– On note aussi E(x) = [x].

– Voici le graphe de la fonction partie entière x 7→ E(x) :
y
y = E(x)
E(2, 853) = 2
0 1 2, 853 x
Pour la démonstration de la proposition 39 il y a deux choses à établir : d’abord qu’un tel entier
E(x) existe et ensuite qu’il est unique.
Démonstration
Existence. Supposons x Ê 0, par la propriété d’Archimède (Propriété R3) il existe n ∈ N tel que n > x.
L’ensemble K = k ∈ N | k É x est donc fini (car pour tout k dans K , on a k < n). Il admet donc un
© ª
plus grand élément k max = max K . On alors k max É x car k max ∈ K , et k max + 1 > x car k max + 1 ∉ K .
Donc k max É x < k max + 1 et on prend donc E ( x) = k max .
Unicité. Si k et ` sont deux entiers relatifs vérifiant k É x < k + 1 et ` É x < ` + 1, on a donc

k É x < ` + 1, donc par transitivité k < ` + 1. En échangeant les rôles de ` et k, on a aussi ` < k + 1.
On en conclut que ` − 1 < k < ` + 1, mais il n’y a qu’un seul entier compris strictement entre ` − 1 et
` + 1, c’est `. Ainsi k = `.
Exemple 60
p
Encadrons 10 et 1, 11/12 par deux entiers consécutifs.
p p
– Nous savons 32 = 9 < 10 donc 3 = 32 < 10 (la fonction racine carrée est croissante).
p p p
De même 42 = 16 > 10 donc 4 = 42 > 10. Conclusion : 3 < 10 < 4 ce qui implique
¡p ¢
E 10 = 3.
– On procède sur le même principe. 112 < 1, 10 < 212 donc en passant à la racine 12-ième
1
) on obtient : 1 < 1, 11/12 < 2 et donc E 1, 11/12 = 1.
¡ ¢
(c’est-à-dire à la puissance 12
2.4. Valeur absolue

Pour un nombre réel x, on définit la valeur absolue de x par :

x si x Ê 0
| x| =
− x si x < 0
Voici le graphe de la fonction x 7→ | x| :
y
y = | x|
0 1 x
Proposition 40
1. | x| Ê 0 ; | − x| = | x| ; | x| > 0 ⇐⇒ x 6= 0
p
2. x2 = | x|
3. | x y| = | x|| y|
4. Inégalité triangulaire | x + y| É | x| + | y|
¯ ¯
5. Seconde inégalité triangulaire ¯| x| − | y|¯ É | x − y|
Démonstration . Démonstration des inégalités triangulaires
– −| x| É x É | x| et −| y| É y É | y|. En additionnant − (| x| + | y|) É x + y É | x| + | y|, donc | x + y| É

| x| + | y|.
¯ ¯
– Puisque x = ( x − y) + y, on a d’après la première inégalité : | x| = ¯( x − y) + y¯ =É | x − y| + | y|.
Donc | x| − | y| É | x − y|, et en intervertissant les rôles de x et y, on a aussi | y| − | x| É | y − x|.
¯ ¯
Comme | y − x| = | x − y| on a donc ¯| x| − | y|¯ É | x − y|.
Sur la droite numérique, | x − y| représente la distance entre les réels x et y ; en particulier | x|

représente la distance entre les réels x et 0.
| x| | x − y|
| | |
0 x y
De plus on a :
– | x − a| < r ⇐⇒ a − r < x < a + r.
– Ou encore comme on le verra bientôt | x − a| < r ⇐⇒ x ∈]a − r, a + r[.
i h
/ / / / / / /|/ / / / / / /
a−r a a+r
Exercice 3
Soit a ∈ R\{0} et x ∈ R tel que | x − a| < |a|. Montrer que :

1. x 6= 0.
2. x est du signe de a.
Mini-exercices
1. On munit l’ensemble P (R) des parties de R de la relation R définie par A R B si A ⊂ B.

Montrer qu’il s’agit d’une relation d’ordre. Est-elle totale ?
¯ ¯
2. Soient x, y deux réels. Montrer que | x| Ê ¯| x + y| − | y|¯.
3. Soient x1 , . . . , xn des réels. Montrer que | x1 +· · ·+ xn | É | x1 |+· · ·+| xn |. Dans quel cas a-t-on
égalité ?
4. Soient x, y > 0 des réels. Comparer E(x + y) avec E(x) + E(y). Comparer E(x × y) et
E(x) × E(y).
E ( x) E ( x)
5. Soit x > 0 un réel. Encadrer x . Quelle est la limite de x lorsque x → +∞ ?
6. On note { x} = x − E(x) la partie fractionnaire de x, de sorte que x = E(x) +{ x}. Représenter
les graphes des fonctions x 7→ E(x), x 7→ { x}, x 7→ E(x) − { x}.
3. Densité de Q dans R
3.1. Intervalle
Définition 31
Un intervalle de R est un sous-ensemble I de R vérifiant la propriété :
∀a, b ∈ I ∀ x ∈ R (a É x É b =⇒ x ∈ I)
Remarque
– Par définition I = ; est un intervalle.

– I = R est aussi un intervalle.
Définition 32
Un intervalle ouvert est un sous-ensemble de R de la forme ]a, b[= x ∈ R | a < x < b , où a et

© ª
b sont des éléments de R.
Même si cela semble évident il faut justifier qu’un intervalle ouvert est un intervalle ( !). En effet
soient a0 , b0 des éléments de ]a, b[ et x ∈ R tel que a0 É x É b0 . Alors on a a < a0 É x É b0 < b, donc
x ∈]a, b[.
La notion de voisinage sera utile pour les limites.
Définition 33
Soit a un réel, V ⊂ R un sous-ensemble. On dit que V est un voisinage de a s’il existe un

intervalle ouvert I tel que a ∈ I et I ⊂ V .
V V I
[ ] [ ] | [ ]
a
3.2. Densité
Théorème 16
1. Q est dense dans R : tout intervalle ouvert (non vide) de R contient une infinité de
rationnels.
2. R\Q est dense dans R : tout intervalle ouvert (non vide) de R contient une infinité
d’irrationnels.
Démonstration
On commence par remarquer que tout intervalle ouvert non vide de R contient un intervalle du type
]a, b[. On peut donc supposer que I =]a, b[ par la suite.
1. Tout intervalle contient un rationnel.
On commence par montrer l’affirmation :
∀a, b ∈ R (a < b =⇒ ∃ r ∈ Q | a < r < b) (6.3)

p
Donnons d’abord l’idée de la preuve. Trouver un tel rationnel r = q , avec p ∈ Z et q ∈ N∗ ,
revient à trouver de tels entiers p et q vérifiant qa < p < qb. Cela revient à trouver un q ∈ N∗
tel que l’intervalle ouvert ] qa, qb[ contienne un entier p. Il suffit pour cela que la longueur
qb − qa = q( b − a) de l’intervalle dépasse strictement 1, ce qui équivaut à q > b−1 a .
Passons à la rédaction définitive. D’après la propriété d’Archimède (propriété R3), il existe un

entier q tel que q > b−1 a . Comme b − a > 0, on a q ∈ N∗ . Posons p = E (aq)+1. Alors p −1 É aq < p.
p p p
On en déduit d’une part a < q , et d’autre part q − 1q É a, donc q É a + 1q < a + b − a = b. Donc
p
q ∈]a, b[. On a montré l’affirmation (6.3).
2. Tout intervalle contient un irrationnel.
Partant de a, b réels tels que a < b, on peut appliquer l’implication de l’affirmation (6.3) au
p p p p
couple (a − 2, b − 2). On en déduit qu’il existe un rationnel r dans l’intervalle ]a − 2, b − 2[
p p
et par translation r + 2 ∈]a, b[. Or r + 2 est irrationnel, car sinon comme les rationnels sont
p p
stables par somme, 2 = − r + r + 2 serait rationnel, ce qui est faux d’après la proposition 38.
On a donc montré que si a < b, l’intervalle ]a, b[ contient aussi un irrationnel.
3. Tout intervalle contient une infinité de rationnels et d’irrationnels.
On va déduire de l’existence d’un rationnel et d’un irrationnel dans tout intervalle ]a, b[ le
fait qu’il existe une infinité de chaque dans un tel intervalle ouvert. En effet pour un entier
N Ê 1, on considère l’ensemble de N sous-intervalles ouverts :
i b−ah i b−a 2( b − a) h i ( N − 1)( b − a) h
a, a + , a+ ,a+ , ... a+ ,b .
N N N N
Chaque sous-intervalle contient un rationnel et un irrationnel, donc ]a, b[ contient (au moins)
N rationnels et N irrationnels. Comme ceci est vrai pour tout entier N Ê 1, l’intervalle ouvert
]a, b[ contient alors une infinité de rationnels et une infinité d’irrationnels.
Mini-exercices
1. Montrer qu’une intersection d’intervalles est un intervalle. Qu’en est-il pour une
réunion ? Trouver une condition nécessaire et suffisante afin que la réunion de deux
intervalles soit un intervalle.
a
2. Montrer que l’ensemble des nombres décimaux (c’est-à-dire ceux de la forme 10n , avec
n ∈ N et a ∈ Z) est dense dans R.
3. Construire un rationnel compris strictement entre 123 et 123, 001. Ensuite construire
un irrationnel. Sauriez-vous en construire une infinité ? Et entre π et π + 0, 001 ?
4. Montrer que si z = e iα et z0 = e iβ sont deux nombres complexes de module 1, avec α < β,
il existe un entier n ∈ N∗ et une racine n-ième de l’unité z = e iγ avec α < γ < β.
4. Borne supérieure
4.1. Maximum, minimum
Définition 34
Soit A une partie non vide de R. Un réel α est un plus grand élément de A si :
α ∈ A et ∀ x ∈ A x É α.
S’il existe, le plus grand élément est unique, on le note alors max A.
Le plus petit élément de A, noté min A, s’il existe est le réel α tel que α ∈ A et ∀ x ∈ A x Ê α.
Le plus grand élément s’appelle aussi le maximum et le plus petit élément, le minimum. Il faut
garder à l’esprit que le plus grand élément ou le plus petit élément n’existent pas toujours.
Exemple 61
– max[a, b] = b , min[a, b] = a.
– L’intervalle ]a, b[ n’a pas de plus grand élément, ni de plus petit élément.
– L’intervalle [0, 1[ a pour plus petit élément 0 et n’a pas de plus grand élément.
Exemple 62
Soit A = 1 − n1 | n ∈ N∗ .
© ª
Notons u n = 1 − n1 pour n ∈ N∗ . Alors A = u n | n ∈ N∗ . Voici une représentation graphique de

© ª
A sur la droite numérique :
0 = u1 1 u 3 u 4u 5 1
2 = u2
1. A n’a pas de plus grand élément : Supposons qu’il existe un plus grand élément α =
max A. On aurait alors u n É α, pour tout u n . Ainsi 1 − n1 É α donc α Ê 1 − n1 . À la limite
lorsque n → +∞ cela implique α Ê 1. Comme α est le plus grand élément de A alors α ∈ A.
Donc il existe n 0 tel que α = u n0 . Mais alors α = 1 − n10 < 1. Ce qui est en contradiction
avec α Ê 1. Donc A n’a pas de maximum.
2. min A = 0 : Il y a deux choses à vérifier tout d’abord pour n = 1, u 1 = 0 donc 0 ∈ A.
Ensuite pour tout n Ê 1, u n Ê 0. Ainsi min A = 0.
4.2. Majorants, minorants
Définition 35
Soit A une partie non vide de R. Un réel M est un majorant de A si ∀ x ∈ A x É M.

Un réel m est un minorant de A si ∀ x ∈ A x Ê m.
Exemple 63
– 3 est un majorant de ]0, 2[ ;

– −7, −π, 0 sont des minorants de ]0, +∞[ mais il n’y a pas de majorant.
Si un majorant (resp. un minorant) de A existe on dit que A est majorée (resp. minorée).
Comme pour le minimum et maximum il n’existe pas toujours de majorant ni de minorant, en plus
on n’a pas l’unicité.
Exemple 64
Soit A = [0, 1[.
minorants A majorants
[ [
0 1
1. les majorants de A sont exactement les éléments de [1, +∞[,

2. les minorants de A sont exactement les éléments de ] − ∞, 0].
4.3. Borne supérieure, borne inférieure

Définition 36
Soit A une partie non vide de R et α un réel.

1. α est la borne supérieure de A si α est un majorant de A et si c’est le plus petit des
majorants. S’il existe on le note sup A.
2. α est la borne inférieure de A si α est un minorant de A et si c’est le plus grand des
minorants. S’il existe on le note inf A.
Exemple 65
– sup[a, b] = b,
– inf[a, b] = a,
– sup]a, b[= b,
– ]0, +∞[ n’admet pas de borne supérieure,
– inf]0, +∞[= 0.
Exemple 66
Soit A =]0, 1].

1. sup A = 1 : en effet les majorants de A sont les éléments de [1, +∞[. Donc le plus petit
des majorants est 1.
2. inf A = 0 : les minorants sont les éléments de ] − ∞, 0] donc le plus grand des minorants
est 0.
Théorème 17. R4
Toute partie de R non vide et majorée admet une borne supérieure.
De la même façon : Toute partie de R non vide et minorée admet une borne inférieure.
Remarque
C’est tout l’intérêt de la borne supérieure par rapport à la notion de plus grand élément, dès
qu’une partie est bornée elle admet toujours une borne supérieure et une borne inférieure.
Ce qui n’est pas le cas pour le plus grand ou plus petit élément. Gardez à l’esprit l’exemple
A = [0, 1[.
Proposition 41. Caractérisation de la borne supérieure
Soit A une partie non vide et majorée de R. La borne supérieure de A est l’unique réel sup A
tel que
(i) si x ∈ A, alors x É sup A,
(ii) pour tout y < sup A, il existe x ∈ A tel que y < x.
Exemple 67
Reprenons l’exemple de la partie A = 1 − n1 | n ∈ N∗ .

© ª
0 = u1 1 u 3 u 4u 5 1
2 = u2
1. Nous avions vu que min A = 0. Lorsque le plus petit élément d’une partie existe alors la
borne inférieure vaut ce plus petit élément : donc inf A = min A = 0.
2. Première méthode pour sup A. Montrons que sup A = 1 en utilisant la définition de la
borne supérieure. Soit M un majorant de A alors M Ê 1 − n1 , pour tout n Ê 1. Donc à
la limite M Ê 1. Réciproquement si M Ê 1 alors M est un majorant de A. Donc les
majorants sont les éléments de [1, +∞[. Ainsi le plus petit des majorant est 1 et donc
sup A = 1.
3. Deuxième méthode pour sup A. Montrons que sup A = 1 en utilisant la caractérisation
de la borne supérieure.
(i) Si x ∈ A, alors x É 1 (1 est bien un majorant de A) ;
(ii) pour tout y < 1, il existe x ∈ A tel que y < x : en effet prenons n suffisamment grand
tel que 0 < n1 < 1 − y. Alors on a y < 1 − n1 < 1. Donc x = 1 − n1 ∈ A convient.
Par la caractérisation de la borne supérieure, sup A = 1.
Démonstration
1. Montrons que sup A vérifie ces deux propriétés. La borne supérieure est en particulier un
majorant, donc vérifie la première propriété. Pour la seconde, fixons y < sup A . Comme sup A
est le plus petit des majorants de A alors y n’est pas un majorant de A . Donc il existe x ∈ A
tel que y < x. Autrement dit sup A vérifie également la seconde propriété.
2. Montrons que réciproquement si un nombre α vérifie ces deux propriétés, il s’agit de sup A .
La première propriété montre que α est un majorant de A . Supposons par l’absurde que α
n’est pas le plus petit des majorants. Il existe donc un autre majorant y de A vérifiant y < α.
La deuxième propriété montre l’existence d’un élément x de A tel que y < x, ce qui contredit
le fait que y est un majorant de A . Cette contradiction montre donc que α est bien le plus
petit des majorants de A , à savoir sup A .
Remarques historiques
– Les propriétés R1, R2, R3 et le théorème R4 sont intrinsèques à la construction de R (que
nous admettons).
– Il y a un grand saut entre Q et R : on peut donner un sens précis à l’assertion « il y a beaucoup
plus de nombres irrationnels que de nombres rationnels », bien que ces deux ensembles soient
infinis, et même denses dans R.
D’autre part, la construction du corps des réels R est beaucoup plus récente que celle de Q
dans l’histoire des mathématiques.
– La construction de R devient une nécessité après l’introduction du calcul infinitésimal (New-
ton et Leibniz vers 1670). Jusqu’alors l’existence d’une borne supérieure était considérée
comme évidente et souvent confondue avec le plus grand élément.
– Ce n’est pourtant que beaucoup plus tard, dans les années 1860-1870 (donc assez récemment
dans l’histoire des mathématiques) que deux constructions complètes de R sont données :
– Les coupures de Dedekind : C est une coupure si C ⊂ Q et si ∀ r ∈ C on a r 0 < r =⇒ r 0 ∈ C .

– Le suites de Cauchy : ce sont les suites (u n )n∈N vérifiant la propriété
∀ε > 0 ∃ N ∈ N | (m Ê N , n Ê N) =⇒ | u m − u n | É ε .
Les réels sont l’ensemble des suites de Cauchy (où l’on identifie deux suites de Cauchy
dont la différence tend vers 0).
Mini-exercices
1. Soit A une partie de R. On note − A = {− x| x ∈ A }. Montrer que min A = − max(− A),

c’est-à-dire que si l’une des deux quantités a un sens, l’autre aussi, et on a égalité.
2. Soit A une partie de R. Montrer que A admet un plus petit élément si et seulement si
A admet une borne inférieure qui appartient à A.
3. Même exercice, mais en remplaçant min par inf et max par sup.
n
4. Soit A = (−1)n n+ 1 | n ∈ N . Déterminer, s’ils existent, le plus grand élément, le plus
© ª
petit élément, les majorants, les minorants, la borne supérieure et la borne inférieure.
5. Même question avec A = 1+1 x | x ∈ [0, +∞[ .
© ª
Auteurs
Arnaud Bodin
Niels Borne
Laura Desideri
Exo7
7 Les suites
1 Dénitions
2 Limites
3 Exemples remarquables
4 Théorème de convergence
5 Suites récurrentes
Vidéo ■ partie 1. Premières définitions

Vidéo ■ partie 2. Limite
Vidéo ■ partie 3. Exemples remarquables
Vidéo ■ partie 4. Théorèmes de convergence
Vidéo ■ partie 5. Suites récurrentes
Exercices Suites
Introduction
L’étude des suites numériques a pour objet la compréhension de l’évolution de séquences de
nombres (réels, complexes ...). Ceci permet de modéliser de nombreux phénomènes de la vie quo-
tidienne. Supposons par exemple que l’on place une somme S à un taux annuel de 10%. Si S n
représente la somme que l’on obtiendra après n années, on a
S0 = S S 1 = S × 1, 1 ... S n = S × (1, 1)n .
Au bout de n = 10 ans, on possédera donc S 10 = S n = S × (1, 1)10 ≈ S × 2, 59 : la somme de départ

avec les intérêts cumulés.
1. Définitions
1.1. Définition d’une suite
Définition 37
– Une suite est une application u : N → R.

– Pour n ∈ N, on note u(n) par u n et on l’appelle n-ème terme ou terme général de la
suite.
La suite est notée u, ou plus souvent (u n )n∈N ou simplement (u n ). Il arrive fréquemment que l’on
considère des suites définies à partir d’un certain entier naturel n 0 plus grand que 0, on note alors
(u n )nÊn0 .
Les suites 99
Exemple 68
p p p
– ( n)nÊ0 est la suite de termes : 0, 1, 2, 3,. . .
– ((−1)n )nÊ0 est la suite qui alterne +1, −1, +1, −1,. . .
– La suite (S n )nÊ0 de l’introduction définie par S n = S × (1, 1)n ,
– (F n )nÊ0 définie par F0 = 1, F1 = 1 et la relation F n+2 = F n+1 + F n pour n ∈ N (suite de
Fibonacci). Les premiers termes sont 1, 1, 2, 3, 5, 8, 13, . . . Chaque terme est la somme
des
³ deux
´ précédents.
1
– n2 . Les premiers termes sont 1, 14 , 19 , 16
1
, ...
nÊ1
1.2. Suite majorée, minorée, bornée
Définition 38
Soit (u n )n∈N une suite.

– (u n )n∈N est majorée si ∃ M ∈ R ∀ n ∈ N u n É M.
– (u n )n∈N est minorée si ∃ m ∈ R ∀ n ∈ N u n Ê m.
– (u n )n∈N est bornée si elle est majorée et minorée, ce qui revient à dire :
∃M ∈ R ∀n ∈ N | u n | É M.
+ M
+
+ +
+ + +
+
+
+ +
0 1 2 +
+ + m
1.3. Suite croissante, décroissante

Les suites 100
Définition 39

– (u n )n∈N est croissante si ∀ n ∈ N u n+1 Ê u n .
– (u n )n∈N est strictement croissante si ∀ n ∈ N u n+1 > u n .
– (u n )n∈N est décroissante si ∀ n ∈ N u n+1 É u n .
– (u n )n∈N est strictement décroissante si ∀ n ∈ N u n+1 < u n .
– (u n )n∈N est monotone si elle est croissante ou décroissante.
– (u n )n∈N est strictement monotone si elle est strictement croissante ou strictement
décroissante.
Voici un exemple d’une suite croissante (mais pas strictement croissante) :
+ +
+ +
+
+
+
+
Remarque
– (u n )n∈N est croissante si et seulement si ∀ n ∈ N u n+1 − u n Ê 0.

– Si (u n )n∈N est une suite à termes strictement positifs, elle est croissante si et seulement
si ∀ n ∈ N uun+n 1 Ê 1.
Exemple 69
– La suite (S n )nÊ0 de l’introduction est strictement croissante car S n+1 /S n = 1, 1 > 1.

– La suite (u n )nÊ1 définie par u n = (−1)n /n pour n Ê 1, n’est ni croissante ni décroissante.
Elle est majorée par 1/2 (borne atteinte en n = 2), minorée par −1 (borne atteinte en
n = 1).
1
1 +
2
+
+
1 2 3 4 5 6
+
+
− 12
-1 +
– La suite n1 nÊ1 est une suite strictement décroissante. Elle est majorée par 1 (borne
¡ ¢
atteinte pour n = 1), elle est minorée par 0 mais cette valeur n’est jamais atteinte.
Les suites 101
Mini-exercices
n
¡ ¢
1. La suite n+1 n∈N est-elle monotone ? Est-elle bornée ?
¡ n sin(n!) ¢
2. La suite 1+ n2 n∈N
est-elle bornée ?
3. Réécrire les phrases suivantes en une phrase mathématique. Écrire ensuite la négation
mathématique de chacune des phrases. (a) La suite (u n )n∈N est majorée par 7. (b) La
suite (u n )n∈N est constante. (c) La suite (u n )n∈N est strictement positive à partir d’un
certain rang. (d) (u n )n∈N n’est pas strictement croissante.
4. Est-il vrai qu’une suite croissante est minorée ? Majorée ?
³ n´
5. Soit x > 0 un réel. Montrer que la suite xn! est décroissante à partir d’un certain
n∈N
rang.
2. Limites
2.1. Introduction
Pour un trajet au prix normal de 20 euros on achète une carte d’abonnement de train à 50 euros et
on obtient chaque billet à 10 euros. La publicité affirme « 50% de réduction ». Qu’en pensez-vous ?
Pour modéliser la situation en termes de suites, on pose pour un entier n Ê 1 :
u n = 20n
vn = 10n + 50
u n est le prix payé au bout de n achats au tarif plein, et vn celui au tarif réduit, y compris le prix
de l’abonnement. La réduction est donc, en pourcentage :
vn u n − vn 10n − 50 5
1− = = = 0, 5 − −−−−−→ 0, 5
un un 20n 2n n→+∞
Il faut donc une infinité de trajets pour arriver à 50% de réduction !
50%
+ + + +
+
+
+
+
2.2. Limite finie, limite infinie

Les suites 102
Définition 40
La suite (u n )n∈N a pour limite ` ∈ R si : pour tout ε > 0, il existe un entier naturel N tel que
si n Ê N alors | u n − `| É ε :
∀ε > 0 ∃N ∈ N ∀n ∈ N (n Ê N =⇒ | u n − `| É ε)
On dit aussi que la suite (u n )n∈N tend vers `. Autrement dit : u n est proche d’aussi près que l’on
veut de `, à partir d’un certain rang.
`+ε
+ +
` +
un + + +
`−ε +
+
+
+
+ +
+
N n
Définition 41
1. La suite (u n )n∈N tend vers +∞ si :
∀A > 0 ∃N ∈ N ∀n ∈ N (n Ê N =⇒ u n Ê A)
2. La suite (u n )n∈N tend vers −∞ si :
∀A > 0 ∃N ∈ N ∀n ∈ N (n Ê N =⇒ u n É − A)
Remarque
1. On note limn→+∞ u n = ` ou parfois u n −−−−−→ `, et de même pour une limite ±∞.

n→+∞
2. limn→+∞ u n = −∞ ⇐⇒ limn→+∞ − u n = +∞.
3. On raccourcit souvent la phrase logique en : ∀ε > 0 ∃ N ∈ N (n Ê N =⇒ | u n − `| É ε).
Noter que N dépend de ε et qu’on ne peut pas échanger l’ordre du « pour tout » et du « il
existe ».
4. L’inégalité | u n − `| É ε signifie ` − ε É u n É ` + ε. On aurait aussi pu définir la limite par
la phrase : ∀ε > 0 ∃ N ∈ N (n Ê N =⇒ | u n − `| < ε), où l’on a remplacé la dernière
inégalité large par une inégalité stricte.
Définition 42
Une suite (u n )n∈N est convergente si elle admet une limite finie. Elle est divergente sinon
(c’est-à-dire soit la suite tend vers ±∞, soit elle n’admet pas de limite).
On va pouvoir parler de la limite, si elle existe, car il y a unicité de la limite :

Les suites 103
Proposition 42
Si une suite est convergente, sa limite est unique.
Démonstration
On procède par l’absurde. Soit ( u n )n∈N une suite convergente ayant deux limites ` 6= `0 . Choisissons
0
ε > 0 tel que ε < |`−2` | .
Comme limn→+∞ u n = `, il existe N1 tel que n Ê N1 implique | u n − `| < ε.
De même limn→+∞ u n = `0 , il existe N2 tel que n Ê N2 implique | u n − `0 | < ε.
Notons N = max( N1 , N2 ), on a alors pour ce N :
| u N − `| < ε et | u N − `0 | < ε
Donc |` − `0 | = |` − u N + u N − `0 | É |` − u N | + | u N − `0 | d’après l’inégalité triangulaire. On en tire

|` − `0 | É ε + ε = 2ε < |` − `0 |. On vient d’aboutir à l’inégalité |` − `0 | < |` − `0 | qui est impossible. Bilan
: notre hypothèse de départ est fausse et donc ` = `0 .
2.3. Propriétés des limites
Proposition 43
1. limn→+∞ u n = ` ⇐⇒ limn→+∞ (u n − `) = 0 ⇐⇒ limn→+∞ | u n − `| = 0,

2. limn→+∞ u n = ` =⇒ limn→+∞ | u n | = |`|.
Démonstration
Cela résulte directement de la définition.
Proposition 44. Opérations sur les limites
Soient (u n )n∈N et (vn )n∈N deux suites convergentes.

1. Si limn→+∞ u n = `, où ` ∈ R, alors pour λ ∈ R on a limn→+∞ λ u n = λ`.
2. Si limn→+∞ u n = ` et limn→+∞ vn = `0 , où `, `0 ∈ R, alors
lim (u n + vn ) = ` + `0
n→+∞
lim (u n × vn ) = ` × `0
n→+∞
3. Si limn→+∞ u n = ` où ` ∈ R∗ = R\ {0} alors u n 6= 0 pour n assez grand et limn→+∞ u1n = `1 .
Nous ferons la preuve dans la section suivante.

Nous utilisons continuellement ces propriétés, le plus souvent sans nous en rendre compte.
Exemple 70
Si u n → ` avec ` 6= ±1, alors
1 1
u n (1 − 3u n ) − −−−−−→ `(1 − 3`) − .
u2n − 1 n→+∞ `2 − 1
Les suites 104
Proposition 45. Opérations sur les limites infinies
Soient (u n )n∈N et (vn )n∈N deux suites telles que limn→+∞ vn = +∞.
1. limn→+∞ v1n = 0
2. Si (u n )n∈N est minorée alors limn→+∞ (u n + vn ) = +∞
3. Si (u n )n∈N est minorée par un nombre λ > 0 alors limn→+∞ (u n × vn ) = +∞
4. Si limn→+∞ u n = 0 et u n > 0 pour n assez grand alors limn→+∞ u1n = +∞.
Exemple 71
Si (u n ) est la suite de terme général p1 , alors limn→+∞ (u n ) = 0.

n
2.4. Des preuves !

Nous n’allons pas tout prouver mais seulement quelques résultats importants. Les autres se
démontrent de manière tout à fait semblable.
Commençons par prouver un résultat assez facile (le premier point de la proposition 45) :
« Si lim u n = +∞ alors lim u1n = 0. »
Démonstration
Fixons ε > 0. Comme limn→+∞ u n = +∞, il existe un entier naturel N tel que n Ê N implique u n Ê 1ε .
On obtient alors 0 É u1n É ε pour n Ê N . On a donc montré que limn→+∞ u1n = 0.
Afin de prouver que la limite d’un produit est le produit des limites nous aurons besoin d’un peu
de travail.
Proposition 46
Toute suite convergente est bornée.
Démonstration
Soit ( u n )n∈N une suite convergeant vers le réel `. En appliquant la définition de limite (définition
40) avec ε = 1, on obtient qu’il existe un entier naturel N tel que pour n Ê N on ait | u n − `| É 1, et
donc pour n Ê N on a
| u n | = |` + ( u n − `)| É |`| + | u n − `| É |`| + 1.
`+1
+ +
` +
+ + +
+
+
`−1
+
+
+ +
+
N
Donc si on pose
M = max(| u 0 |, | u 1 |, · · · , | u N −1 |, |`| + 1)
Les suites 105
on a alors ∀ n ∈ N | u n | É M .
Proposition 47
Si la suite (u n )n∈N est bornée et limn→+∞ vn = 0 alors limn→+∞ (u n × vn ) = 0.
Exemple 72
Si (u n )nÊ1 est la suite donnée par u n = cos(n) et (vn )nÊ1 est celle donnée par vn = p1 , alors
n
limn→+∞ (u n vn ) = 0.
Démonstration
La suite ( u n )n∈N est bornée, on peut donc trouver un réel M > 0 tel que pour tout entier naturel n on
ait | u n | É M . Fixons ε > 0. On applique la définition de limite (définition 40) à la suite (vn )n∈N pour
ε
ε0 = M . Il existe donc un entier naturel N tel que n Ê N implique |vn | É ε0 . Mais alors pour n Ê N on
a :
| u n vn | = | u n ||vn | É M × ε0 = ε.
On a bien montré que limn→+∞ ( u n × vn ) = 0.
Prouvons maintenant la formule concernant le produit de deux limites (voir proposition 44).
« Si lim u n = ` et lim vn = `0 alors lim u n vn = ``0 . »

Démonstration . Démonstration de la formule concernant le produit de deux limites
Le principe est d’écrire :

u n vn − ``0 = ( u n − `)vn + `(vn − `0 )
D’après la proposition 47, la suite de terme général `(vn − `0 ) tend vers 0. Par la même proposition il
en est de même de la suite de terme général ( u n − `)vn , car la suite convergente (vn )n∈N est bornée.
On conclut que limn→+∞ ( u n vn − ``0 ) = 0, ce qui équivaut à limn→+∞ u n vn = ``0 .
2.5. Formes indéterminées

Dans certaines situations, on ne peut rien dire à priori sur la limite, il faut faire une étude au cas
par cas.
Exemple 73
1. « +∞−∞ » Cela signifie que si u n → +∞ et vn → −∞ il faut faire faire l’étude en fonction

de chaque suite pour lim(u n + vn ) comme le prouve les exemples suivants.
e n − ln(n) = +∞
¡ ¢
lim
n→+∞
lim n − n2 = −∞
¡ ¢
n→+∞
1
µµ ¶ ¶
lim n+ −n =0
n→+∞ n
Les suites 106
2. « 0 × ∞ »
1
lim × e n = +∞
n→+∞ ln n
1
lim × ln n = 0
n→+∞ n
1
lim × (n + 1) = 1
n→+∞ n
∞ 0
3. « ∞ », « 0 », « 1∞ », ...
2.6. Limite et inégalités
Proposition 48
1. Soient (u n )n∈N et (vn )n∈N deux suites convergentes telles que : ∀ n ∈ N, u n É vn . Alors
lim u n É lim vn
n→+∞ n→+∞
2. Soient (u n )n∈N et (vn )n∈N deux suites telles que limn→+∞ u n = +∞ et ∀ n ∈ N, vn Ê u n .

Alors limn→+∞ vn = +∞.
3. Théorème des « gendarmes » : si (u n )n∈N , (vn )n∈N et (wn )n∈N sont trois suites telles que
∀n ∈ N u n É vn É wn
et limn→+∞ u n = ` = limn→+∞ wn , alors la suite (vn )n∈N est convergente et limn→+∞ vn =

`.
` wn + + + + + + + + + + +
+ + + + +
+ +
+ +
+ + + + + + + +
vn + + + + + +
un +
Remarque
1. Soit (u n )n∈N une suite convergente telle que : ∀ n ∈ N, u n Ê 0. Alors limn→+∞ u n Ê 0.

2. Attention : si (u n )n∈N est une suite convergente telle que : ∀ n ∈ N, u n > 0, on ne peut
affirmer que la limite est strictement positive mais seulement que limn→+∞ u n Ê 0. Par
1
exemple la suite (u n )n∈N donnée par u n = n+ 1 est à termes strictement positifs, mais
converge vers zéro.
Démonstration . Démonstration de la Proposition 48
1. En posant wn = vn − u n , on se ramène à montrer que si une suite (wn )n∈N vérifie ∀ n ∈ N,

wn Ê 0 et converge, alors limn→+∞ wn Ê 0. On procède par l’absurde en supposant que ` =
limn→+∞ wn < 0. En prenant ε = | 2` | dans la définition de limite (définition 40), on obtient qu’il
existe un entier naturel N tel que n Ê N implique |wn − `| < ε = − 2` . En particulier on a pour
n Ê N que wn < ` − `2 = 2` < 0, une contradiction.
Les suites 107
0
N
` + 2ε = 2l +
+ + wn É 2` < 0
+ + +
`
2. Laissé en exercice.
3. En soustrayant la suite ( u n )n∈N , on se ramène à montrer l’énoncé suivant : si ( u n )n∈N et
(vn )n∈N sont deux suites telles que : ∀ n ∈ N, 0 É u n É vn et limn→+∞ vn = 0, alors ( u n ) converge
et limn→+∞ u n = 0. Soit ε > 0 et N un entier naturel tel que n Ê N implique |vn | < ε. Comme
| u n | = u n É vn = |vn |, on a donc : n Ê N implique | u n | < ε. On a bien montré que limn→+∞ u n =
0.
Exemple 74. Exemple d’application du théorème des « gendarmes »
Trouver la limite de la suite (u n )n∈N de terme général :
(−1)n
un = 2 +
1 + n + n2
Mini-exercices
1. Soit (u n )n∈N la suite définie par u n = 2nn++21 . En utilisant la définition de la limite montrer
que limn→+∞ u n = 2. Trouver explicitement un rang à partir duquel 1, 999 É u n É 2, 001.
n+cos n
2. Déterminer la limite ` de la suite (u n )n∈N de terme général : n−sin n et trouver un entier
N tel que si n Ê N, on ait | u n − `| É 10−2 .
3. La suite (u n )n∈N de terme général (−1)n e n admet-elle une limite ? Et la suite de terme
général u1n ?
p p
4. Déterminer la limite de la suite (u n )nÊ1 de terme général n + 1 − n. Idem avec vn =
cos n n!
sin n+ln n . Idem avec w n = n n .
3. Exemples remarquables
3.1. Suite géométrique
Proposition 49. Suite géométrique
On fixe un réel a. Soit (u n )n∈N la suite de terme général : u n = a n .

1. Si a = 1, on a pour tout n ∈ N : u n = 1.
2. Si a > 1, alors limn→+∞ u n = +∞.
3. Si −1 < a < 1, alors limn→+∞ u n = 0.
4. Si a É −1, la suite (u n )n∈N diverge.
Les suites 108
Démonstration
1. est évident.
2. Écrivons a = 1 + b avec b > 0. Alors le binôme de Newton s’écrit a n = (1 + b)n = 1 + nb +
¡ n¢ 2 ¡ n¢ k n
2 b + · · · + k b + · · · + b . Tous les termes sont positifs, donc pour tout entier naturel n on a
: a Ê 1 + nb. Or limn→+∞ (1 + nb) = +∞ car b > 0. On en déduit que limn→+∞ a n = +∞.
n
3. Si a = 0, le résultat est clair. Sinon, on pose b = | a1 |. Alors b > 1 et d’après le point précédent
limn→+∞ b n = +∞. Comme pour tout entier naturel n on a : |a|n = b1n , on en déduit que
limn→+∞ |a|n = 0, et donc aussi limn→+∞ a n = 0.
4. Supposons par l’absurde que la suite ( u n )n∈N converge vers le réel `. De a2 Ê 1, on déduit
que pour tout entier naturel n, on a a2n Ê 1. En passant à la limite, il vient ` Ê 1. Comme de
plus pour tout entier naturel n on a a2n+1 É a É −1, il vient en passant de nouveau à la limite
` É −1. Mais comme on a déjà ` Ê 1, on obtient une contradiction, et donc ( u n ) ne converge
pas.
3.2. Série géométrique
Proposition 50. Série géométrique

Pn
Soit a un réel, a 6= 1. En notant k=0
a k = 1 + a + a2 + · · · + a n , on a :
n 1 − a n+1
ak =
X
k=0 1−a
Démonstration
En multipliant par 1 − a on fait apparaître une somme télescopique (presque tous les termes s’an-
nulent) :
(1 − a) 1 + a + a2 + · · · + a n = 1 + a + a2 + · · · + a n − a + a2 + · · · + a n+1 = 1 − a n+1 .
¡ ¢ ¡ ¢ ¡ ¢
Remarque
Pn 1
Si a ∈] − 1, 1[ et (u n )n∈N est la suite de terme général : u n = k=0
a k , alors limn→+∞ u n = 1−a .
De manière plus frappante, on peut écrire :
1
1 + a + a2 + a3 + · · · =
1−a
Enfin, ces formules sont aussi valables si a ∈ C \ {1}. Si a = 1, alors 1 + a + a2 + · · · + a n = n + 1.
Exemple 75
1
L’exemple précédent avec a = 2 donne
1 1 1
1+
+ + + · · · = 2.
2 4 8
Cette formule était difficilement concevable avant l’avènement du calcul infinitésimal et a été
popularisée sous le nom du paradoxe de Zénon. On tire une flèche à 2 mètres d’une cible.
Elle met un certain laps de temps pour parcourir la moitié de la distance, à savoir un mètre.
Puis il lui faut encore du temps pour parcourir la moitié de la distance restante, et de nouveau
Les suites 109
un certain temps pour la moitié de la distance encore restante. On ajoute ainsi une infinité
de durées non nulles, et Zénon en conclut que la flèche n’atteint jamais sa cible !
L’explication est bien donnée par l’égalité ci-dessus : la somme d’une infinité de termes peut
bien être une valeur finie ! ! Par exemple si la flèche va à une vitesse de 1 m/s, alors elle
parcoure la première moitié en 1 s, le moitié de la distance restante en 12 s, etc. Elle parcoure
bien toute la distance en 1 + 12 + 41 + 18 + · · · = 2 secondes !
1 1 1
2 4
¯ ¯
3.3. Suites telles que ¯ uun+n 1 ¯ < ` < 1
¯ ¯
Théorème 18
Soit (u n )n∈N une suite de réels non nuls. On suppose qu’il existe un réel ` tel que pour tout
entier naturel n (ou seulement à partir d’un certain rang) on ait :
¯ ¯
¯ u n+1 ¯
¯ u ¯ < ` < 1.
¯ ¯
n
Alors limn→+∞ u n = 0.
Démonstration
¯ ¯
On suppose que la propriété ¯ uun+n 1 ¯ < ` < 1 est vraie pour tout entier naturel n (la preuve dans le cas
¯ ¯
où cette propriété n’est vraie qu’à partir d’un certain rang n’est pas très différente). On écrit
u n u1 u2 u3 un
= × × ×···×
u0 u0 u1 u2 u n−1
ce dont on déduit ¯ ¯
¯ un ¯ n
¯ u ¯ < ` × ` × ` × · · · × ×` = `
¯ ¯
0
et donc | u n | < | u 0 |`n . Comme ` < 1, on a limn→+∞ `n = 0. On conclut que limn→+∞ u n = 0.
Corollaire 9
Soit (u n )n∈N une suite de réels non nuls.
Si limn→+∞ uun+n 1 = 0, alors limn→+∞ u n = 0.
Exemple 76
n
Soit a ∈ R. Alors limn→+∞ an! = 0.
Les suites 110
Démonstration
an
Si a = 0, le résultat est évident. Supposons a 6= 0, et posons u n = n! . Alors
u n+1 a n+1 n! a
= · = .
un ( n + 1)! a n n + 1
Pour conclure, on peut ou bien directement utiliser le corollaire : comme lim uun+n 1 = 0 (car a est fixe),
on a lim u n = 0. Ou bien, comme uun+n 1 = n+
a
1 , on déduit par le théorème que pour n Ê N > 2|a| on a :
¯ ¯
¯ u n+1 ¯ | a| | a| | a| 1
¯ u ¯ = n+1 É N +1 < N < 2 = `
¯ ¯
n
et donc limn→+∞ u n = 0.
Remarque
1. Avec les¯ notations

¯ du théorème, si on a pour tout entier naturel n à partir d’un certain
¯ u n+1 ¯
rang : ¯ u n ¯ > ` > 1, alors la suite (u n )n∈N diverge. En effet, il suffit d’appliquer le
1
théorème à la suite de terme général |u n | pour voir que limn→+∞ | u n | = +∞.
2. Toujours avec les notations du théorème, si ` = 1 on ne peut rien dire.
Exemple 77
p
Pour un nombre réel a, a > 0, calculer limn→+∞ n a.
p
On va montrer que limn→+∞ n a = 1. Si a = 1, c’est clair. Supposons a > 1. Écrivons a = 1 + h,
avec h > 0. Comme
h n h
µ ¶
1+ Ê 1+n = 1+h = a
n n
p
(voir la preuve de la proposition 49) on a en appliquant la fonction racine n-ième, n · :
h p
1+ Ê n a Ê 1.
n
p
n
On peut conclure grâce au théorème « des gendarmes » que limn→+∞ a = 1. Enfin, si a < 1,
on applique le cas précédent à b = a1 > 1.
3.4. Approximation des réels par des décimaux
Proposition 51
Soit a ∈ R. Posons
E(10n a)
un = .
10n
Alors u n est une approximation décimale de a à 10−n près, en particulier limn→+∞ u n = a.
Exemple 78
π = 3, 14159265 . . .
Les suites 111
E (100 π)
u0 = 100
= E(π) = 3
E (101 π) E (31,415...)
u1 = 101
= 10 = 3, 1
E (102 π) E (314,15...)
u2 = 102
= 100 = 3, 14
u 3 = 3, 141
Démonstration
D’après la définition de la partie entière, on a
E (10n a) É 10n a < E (10n a) + 1
donc
1
un É a < un +
10n
ou encore
1
0 É a − un < .
10n
Or la suite de terme général 101n est une suite géométrique de raison 1
10 , donc elle tend vers 0. On
en déduit que limn→+∞ u n = a.
Exercice 4
Montrer que la suite (u n )n∈N de la proposition 51 est croissante.
Remarque
1. Les u n sont des nombres décimaux, en particulier ce sont des nombres rationnels.
2. Ceci fournit une démonstration de la densité de Q dans R. Pour ε > 0, et I =]a − ε, a + ε[,
alors pour n assez grand, u n ∈ I ∩ Q.
Mini-exercices
1. Déterminer la limite de la suite (u n )n∈N de terme général 5n − 4n .

2. Soit vn = 1 + a + a2 + · · · + a n . Pour quelle valeur de a ∈ R la suite (vn )nÊ1 a pour limite 3
(lorsque n → +∞) ?
1+2+22 +···+2n
3. Calculer la limite de 2n .
4. Montrer que la somme des racines n-ièmes de l’unité est nulle.
sin(( n+ 21 )θ )
5. Montrer que si sin( θ2 ) 6= 0 alors 1
+ cos(θ ) + cos(2θ ) + · · · + cos(nθ ) = (penser à
2 2 sin( θ2 )
eiθ ).
6. Soit (u n )nÊ2 la suite de terme général u n = ln(1 + 12 ) × ln(1 + 31 ) ×· · ·× ln(1 + n1 ). Déterminer
la limite de uun+n 1 . Que peut-on en déduire ?
πn
7. Déterminer la limite de 1×3×5×···×(2 n+1) (où π = 3, 14 . . .).
8. Soit a un réel. Montrer que pour tout ε > 0 il existe un couple (m, n) ∈ Z × N (et même
une infinité) tel que ¯a − 2mn ¯ É ε.
¯ ¯
Les suites 112
4. Théorème de convergence
4.1. Toute suite convergente est bornée
Revenons sur une propriété importante que nous avons déjà démontrée dans la section sur les
limites.
Proposition 52
Toute suite convergente est bornée.
La réciproque est fausse mais nous allons ajouter une hypothèse supplémentaire pour obtenir des
résultats.
4.2. Suite monotone
Théorème 19
Toute suite croissante et majorée est convergente.
Remarque
Et aussi :
– Toute suite décroissante et minorée est convergente.
– Une suite croissante et qui n’est pas majorée tend vers +∞.
– Une suite décroissante et qui n’est pas minorée tend vers −∞.
Démonstration . Démonstration du théorème 19
Notons A = { u n | n ∈ N} ⊂ R. Comme la suite ( u n )n∈N est majorée, disons par le réel M , l’ensemble
A est majoré par M , et de plus il est non vide. Donc d’après le théorème R4 du chapitre sur les
réels, l’ensemble A admet une borne supérieure : notons ` = sup A . Montrons que limn→+∞ u n = `.
Soit ε > 0. Par la caractérisation de la borne supérieure, il existe un élément u N de A tel que
` − ε < u N É `. Mais alors pour n Ê N on a ` − ε < u N É u n É `, et donc | u n − `| É ε.
4.3. Deux exemples

ζ(2)
Soit (u n )nÊ1 la suite de terme général :
1 1 1
un = 1 + 2
+ 2 +···+ 2 .
2 3 n
– La suite (u n )nÊ1 est croissante : en effet u n+1 − u n = (n+11)2 > 0.

– Montrons par récurrence que pour tout entier naturel n Ê 1 on a u n É 2 − n1 .
– Pour n = 1, on a u 1 = 1 É 1 = 2 − 11 .
– Fixons n Ê 1 pour lequel on suppose u n É 2 − n1 . Alors u n+1 = u n + (n+11)2 É 2 − n1 + (n+11)2 . Or
1
( n+1)2
É n(n1+1) = n1 − n+
1 1
1 , donc u n+1 É 2 − n+1 , ce qui achève la récurrence.
– Donc la suite (u n )nÊ1 est croissante et majorée par 2 : elle converge.
Les suites 113
Remarque
π2
On note ζ(2) cette limite, vous montrerez plus tard qu’en fait ζ(2) = 6 .
Suite harmonique
C’est la suite (u n )nÊ1 de terme général :
1 1 1
un = 1 + + +···+ .
2 3 n
Calculons limn→+∞ u n .
1
– La suite (u n )nÊ1 est croissante : en effet u n+1 − u n = n+ 1 > 0.
– Minoration de u 2 p − u 2 p−1 . On a u 2 − u 1 = 1 + 2 − 1 = 2 ; u 4 − u 2 = 13 + 41 > 14 + 14 = 21 , et en général
1 1
:
1 1 1 1 1
u 2 p − u 2 p−1 = p−1 + p−1 + · · · + p > 2 p−1 × p =
|2 + 1 2 {z + 2 2} 2 2
2 p−1 =2 p −2 p−1 termes Ê 21p
– limn→+∞ u n = +∞. En effet

p
u 2 p − 1 = u 2 p − u 1 = (u 2 − u 1 ) + (u 4 − u 2 ) + · · · + (u 2 p − u 2 p−1 ) Ê
2
donc la suite (u n )nÊ1 est croissante mais n’est pas bornée, donc elle tend vers +∞.
4.4. Suites adjacentes
Définition 43
Les suites (u n )n∈N et (vn )n∈N sont dites adjacentes si

1. (u n )n∈N est croissante et (vn )n∈N est décroissante,
2. pour tout n Ê 0, on a u n É vn ,
3. limn→+∞ (vn − u n ) = 0.
Théorème 20
Si les suites (u n )n∈N et (vn )n∈N sont adjacentes, elles convergent vers la même limite.
Il y a donc deux résultats dans ce théorème, la convergence de (u n ) et (vn ) et en plus l’égalité des
limites.
Les termes de la suites sont ordonnées ainsi :
u 0 É u 1 É u 2 É · · · É u n É · · · · · · É v n É · · · É v2 É v1 É v0
Démonstration
– La suite ( u n )n∈N est croissante et majorée par v0 , donc elle converge vers une limite `.
– La suite (vn )n∈N est décroissante et minorée par u 0 , donc elle converge vers une limite `0 .
– Donc `0 − ` = limn→+∞ (vn − u n ) = 0, d’où `0 = `.
Les suites 114
Exemple 79
Reprenons l’exemple de ζ(2). Soient (u n ) et (vn ) les deux suites définies pour n Ê 1 par
Xn 1 1 1 1 2
un = 2
= 1+ 2 + 2 +···+ 2 et vn = u n + .
k=1 k 2 3 n n+1
Montrons que (u n ) et (vn ) sont deux suites adjacentes :

1
1.(a) (u n ) est croissante car u n+1 − u n = ( n+1)2
> 0.
1 2 2 n+2+2( n+1)2 −2( n+1)( n+2)
(b) (vn ) est décroissante : vn+1 − vn = ( n+1)2
+ n+2 − n+1 = ( n+2)( n+1)2
=
−n
( n+2)( n+1)2
<0
2
2. Pour tout n Ê 1 : vn − u n = n+1 > 0, donc u n É vn .
2
3. Enfin comme vn − u n = n+1 donc lim(vn − u n ) = 0.
Les suites (u n ) et (vn ) sont deux suites adjacentes, elles convergent donc vers une même
limite finie `. Nous avons en plus l’encadrement u n É ` É vn pour tout n Ê 1. Ceci fournit
des approximations de la limite : par exemple pour n = 3, 1 + 14 + 19 É ` É 1 + 41 + 19 + 12 donc
1, 3611 . . . É ` É 1, 8611 . . .
Exercice 5
Soit (u n )nÊ1 la suite de terme général :
1 1 1
un = 1 + 3
+ 3 +···+ 3 .
2 3 n
Montrer que la suite (u n )nÊ1 converge (on pourra considérer la suite (vn )nÊ1 de terme général
vn = u n + n12 ).
Remarque
On note ζ(3) cette limite. On l’appelle aussi constante d’Apéry. Roger Apéry a prouvé en 1978
que ζ(3) ∉ Q.
4.5. Théorème de Bolzano-Weierstrass
Définition 44
Soit (u n )n∈N une suite. Une suite extraite ou sous-suite de (u n )n∈N est une suite de la forme
(u φ(n) )n∈N , où φ : N → N est une application strictement croissante.
+ + +
+ + +
+
+
+
+
+ +
+
φ(0) φ(1) φ(2) φ(3)
Les suites 115
Exemple 80
Soit la suite (u n )n∈N de terme général u n = (−1)n .

– Si on considère φ : N → N donnée par φ(n) = 2n, alors la suite extraite correspondante
a pour terme général u φ(n) = (−1)2n = 1, donc la suite (u φ(n) )n∈N est constante égale à 1.
– Si on considère ψ : N → N donnée par ψ(n) = 3n, alors la suite extraite correspondante
¢n
a pour terme général u ψ(n) = (−1)3n = (−1)3 = (−1)n . La suite (u ψ(n) )n∈N est donc égale
¡
à (u n )n∈N .
1 + + + + +
φ(0) = 0 φ(1) = 2 φ(2) = 4 φ(3) = 6
-1 + + + +
1 + + + + +
ψ(0) = 0 ψ(1) = 3 ψ(2) = 6
-1 + + + +
Proposition 53
Soit (u n )n∈N une suite. Si limn→+∞ u n = `, alors pour toute suite extraite (u φ(n) )n∈N on a
limn→+∞ u φ(n) = `.
Démonstration
Soit ε > 0. D’après la définition de limite (définition 40), il existe un entier naturel N tel que n Ê N
implique | u n − `| < ε. Comme l’application φ est strictement croissante, on montre facilement par
récurrence que pour tout n, on a φ( n) Ê n. Ceci implique en particulier que si n Ê N , alors aussi
φ( n) Ê N , et donc | u φ(n) − `| < ε. Donc la définition de limite (définition 40) s’applique aussi à la suite
extraite.
Corollaire 10
Soit (u n )n∈N une suite. Si elle admet une sous-suite divergente, ou bien si elle admet deux
sous-suites convergeant vers des limites distinctes, alors elle diverge.
Exemple 81
Soit la suite (u n )n∈N de terme général u n = (−1)n . Alors (u 2n )n∈N converge vers 1, et (u 2n+1 )n∈N
converge vers −1 (en fait ces deux sous-suites sont constantes). On en déduit que la suite
(u n )n∈N diverge.
Les suites 116
Exercice 6
Soit (u n )n∈N une suite. On suppose que les deux sous-suites (u 2n )n∈N et (u 2n+1 )n∈N convergent
vers la même limite `. Montrer que (u n )n∈N converge également vers `.
Terminons par un résultat théorique très important.
Théorème 21. Théorème de Bolzano-Weierstrass
Toute suite bornée admet une sous-suite convergente.
Exemple 82
1. On considère la suite (u n )n∈N de terme général u n = (−1)n . Alors on peut considérer les
deux sous-suites (u 2n )n∈N et (u 2n+1 )n∈N .
2. On considère la suite (vn )n∈N de terme général vn = cos n. Le théorème affirme qu’il
existe une sous-suite convergente, mais il est moins facile de l’expliciter.
Démonstration . Démonstration du théorème 21
On procède par dichotomie. L’ensemble des valeurs de la suite est par hypothèse contenu h dansi un
intervalle [a, b]. Posons a 0 = a, b 0 = b, φ(0) = 0. Au moins l’un des deux intervalles a 0 , a0 +2 b0 ou
h i
a0 +b0
2 , b 0 contient u n pour une infinité d’indices n. On note [a 1 , b 1 ] un tel intervalle, et on note
φ(1) un entier φ(1) > φ(0) tel que u φ(1) ∈ [a 1 , b 1 ].
a1 b1
a0 b0
En itérant cette construction, on construit pour tout entier naturel n un intervalle [a n , b n ], de

longueur b2−na , et un entier φ( n) tel que u φ(n) ∈ [a n , b n ]. Notons que par construction la suite (a n )n∈N
est croissante et la suite ( b n )n∈N est décroissante.
Comme de plus limn→+∞ ( b n − a n ) = limn→+∞ b2−na = 0, les suites (a n )n∈N et ( b n )n∈N sont adjacentes
et donc convergent vers une même limite `. On peut appliquer le théorème « des gendarmes » pour
conclure que limn→+∞ u φ(n) = `.
Mini-exercices
p
1. Soit (u n )n∈N la suite définie par u 0 = 1 et pour n Ê 1, u n = 2 + u n−1 . Montrer que cette
suite est croissante et majorée par 2. Que peut-on en conclure ?
ln(2 n)
2. Soit (u n )nÊ2 la suite définie par u n = ln 4 ln 6 ln 8
ln 5 × ln 7 × ln 9 × · · · × ln(2 n+1) . Étudier la croissance
de la suite. Montrer que la suite (u n ) converge.
3. Soit N Ê 1 un entier et (u n )n∈N la suite de terme général u n = cos( nNπ ). Montrer que la
suite diverge.
4. Montrer que les suites de terme général u n = nk=1 k1! et vn = u n + n·(1n!) sont adjacentes.
P
Que peut-on en déduire ?

k+1
5. Soit (u n )nÊ1 la suite de terme général nk=1 (−1)k . On considère les deux suites extraites
P
de terme général vn = u 2n et wn = u 2n+1 . Montrer que les deux suites (vn )nÊ1 et (wn )nÊ1
sont adjacentes. En déduire que la suite (u n )nÊ1 converge.
Les suites 117
6. Montrer qu’une suite bornée et divergente admet deux sous-suites convergeant vers des
valeurs distinctes.
5. Suites récurrentes
Une catégorie essentielle de suites sont les suites récurrentes définies par une fonction. Ce chapitre
est l’aboutissement de notre étude sur les suites, mais nécessite aussi l’étude de fonctions (voir
«Limites et fonctions continues»).
5.1. Suite récurrente définie par une fonction

Soit f : R → R une fonction. Une suite récurrente est définie par son premier terme et une relation
permettant de calculer les termes de proche en proche :
u0 ∈ R et u n+1 = f (u n ) pour n Ê 0
Une suite récurrente est donc définie par deux données : un terme initial u 0 , et une relation de
récurrence u n+1 = f (u n ). La suite s’écrit ainsi :
u0 , u 1 = f (u 0 ), u 2 = f (u 1 ) = f ( f (u 0 )), u 3 = f (u 2 ) = f ( f ( f (u 0 ))), . . .
Le comportement peut très vite devenir complexe.
Exemple 83
p
Soit f (x) = 1 + x. Fixons u 0 = 2 et définissons pour n Ê 0 : u n+1 = f (u n ). C’est-à-dire u n+1 =
p
1 + u n . Alors les premiers termes de la suite sont :
r s r
p p p p
q q q
2, 1 + 2, 1 + 1 + 2, 1+ 1 + 1 + 2, 1+ 1+ 1 + 1 + 2, . . .
Voici un résultat essentiel concernant la limite si elle existe.
Proposition 54
Si f est une fonction continue et la suite récurrente (u n ) converge vers `, alors ` est une
solution de l’équation :
f (`) = `
Si on arrive à montrer que la limite existe alors cette proposition permet de calculer des candidats
à être cette limite.
y
y=x
`1
`2 `3 x
Les suites 118
Une valeur `, vérifiant f (`) = ` est un point fixe de f . La preuve est très simple et mérite d’être
refaite à chaque fois.
Démonstration
Lorsque n → +∞, u n → ` et donc aussi u n+1 → `. Comme u n → ` et que f est continue alors la suite
( f ( u n )) → f (`). La relation u n+1 = f ( u n ) devient à la limite (lorsque n → +∞) : ` = f (`).
Nous allons étudier en détail deux cas particuliers fondamentaux : lorsque la fonction est crois-
sante, puis lorsque la fonction est décroissante.
5.2. Cas d’une fonction croissante

Commençons par remarquer que pour une fonction croissante, le comportement de la suite (u n )
définie par récurrence est assez simple :
– Si u 1 Ê u 0 alors (u n ) est croissante.
– Si u 1 É u 0 alors (u n ) est décroissante.
La preuve est une simple récurrence : par exemple si u 1 Ê u 0 , alors comme f est croissante on a
u 2 = f (u 1 ) Ê f (u 0 ) = u 1 . Partant de u 2 Ê u 1 on en déduit u 3 Ê u 2 ,...
Voici le résultat principal :
Proposition 55
Si f : [a, b] → [a, b] une fonction continue et croissante, alors quelque soit u 0 ∈ [a, b], la suite
récurrente (u n ) est monotone et converge vers ` ∈ [a, b] vérifiant f (`) = ` .
Il y a une hypothèse importante qui est un peu cachée : f va de l’intervalle [a, b] dans lui-même.
Dans la pratique, pour appliquer cette proposition, il faut commencer par choisir [a, b] et vérifier
que f ([a, b]) ⊂ [a, b].
y
b
f ([a, b])
a b x
Démonstration
La preuve est une conséquence des résultats précédents. Par exemple si u 1 Ê u 0 alors la suite ( u n )
est croissante, elle est majorée par b, donc elle converge vers un réel `. Par la proposition 54, alors
f (`) = `. Si u 1 É u 0 , alors ( u n ) est une décroissante et minorée par a, et la conclusion est la même.
Les suites 119
Exemple 84
Soit f : R → R définie par f (x) = 41 (x2 − 1)(x − 2) + x et u 0 ∈ [0, 2]. Étudions la suite (u n ) définie
par récurrence : u n+1 = f (u n ) (pour tout n Ê 0).
1. Étude de f
(a) f est continue sur R.
(b) f est dérivable sur R et f 0 (x) > 0.
(c) Sur l’intervalle [0, 2], f est strictement croissante.
1
(d) Et comme f (0) = 2 et f (2) = 2 alors f ([0, 2]) ⊂ [0, 2].
2. Graphe de f
f
y
(y = x)
u0 u1 u2 1 u01 u00 2 x
Voici comment tracer la suite : on trace le graphe de f et la bissectrice (y = x). On

part d’une valeur u 0 (en rouge) sur l’axe des abscisses, la valeur u 1 = f (u 0 ) se lit sur
l’axe des ordonnées, mais on reporte la valeur de u 1 sur l’axe des abscisses par symétrie
par rapport à la bissectrice. On recommence : u 2 = f (u 1 ) se lit sur l’axe des ordonnées
et on le reporte sur l’axe des abscisses, etc. On obtient ainsi une sorte d’escalier, et
graphiquement on conjecture que la suite est croissante et tend vers 1. Si on part d’une
autre valeur initiale u00 (en vert), c’est le même principe, mais cette fois on obtient un
escalier qui descend.
3. Calcul des points fixes.
Cherchons les valeurs x qui vérifient ( f (x) = x), autrement dit ( f (x) − x = 0), mais
1
f (x) − x = (x2 − 1)(x − 2) (7.1)
4
Donc les points fixes sont les {−1, 1, 2}. La limite de (u n ) est donc à chercher parmi ces 3
valeurs.
4. Premier cas : u 0 = 1 ou u 0 = 2.
Alors u 1 = f (u 0 ) = u 0 et par récurrence la suite (u n ) est constante (et converge donc vers
u 0 ).
5. Deuxième cas : 0 É u 0 < 1.
Les suites 120
– Comme f ([0, 1]) ⊂ [0, 1], la fonction f se restreint sur l’intervalle [0, 1] en une fonction
f : [0, 1] → [0, 1].
– De plus sur [0, 1], f (x) − x Ê 0. Cela se déduit de l’étude de f ou directement de l’ex-
pression (7.1).
– Pour u 0 ∈ [0, 1[, u 1 = f (u 0 ) Ê u 0 d’après le point précédent. Comme f est croissante,
par récurrence, comme on l’a vu, la suite (u n ) est croissante.
– La suite (u n ) est croissante et majorée par 1, donc elle converge. Notons ` sa limite.
– D’une part ` doit être un point fixe de f : f (`) = `. Donc ` ∈ {−1, 1, 2}.
– D’autre part la suite (u n ) étant croissante avec u 0 Ê 0 et majorée par 1, donc ` ∈ [0, 1].
– Conclusion : si 0 É u 0 < 1 alors (u n ) converge vers ` = 1.
6. Troisième cas : 1 < u 0 < 2.
La fonction f se restreint en f : [1, 2] → [1, 2]. Sur l’intervalle [1, 2], f est croissante
mais cette fois f (x) É x. Donc u 1 É u 0 , et la suite (u n ) est décroissante. La suite (u n )
étant minorée par 1, elle converge. Si on note ` sa limite alors d’une part f (`) = `, donc
` ∈ {−1, 1, 2}, et d’autre part ` ∈ [1, 2[. Conclusion : (u n ) converge vers ` = 1.
Le graphe de f joue un rôle très important, il faut le tracer même si on ne le demande pas
explicitement. Il permet de se faire une idée très précise du comportement de la suite : Est-elle
croissante ? Est-elle positive ? Semble-t-elle converger ? Vers quelle limite ? Ces indications sont
essentielles pour savoir ce qu’il faut montrer lors de l’étude de la suite.
5.3. Cas d’une fonction décroissante
Proposition 56
Soit f : [a, b] → [a, b] une fonction continue et décroissante. Soit u 0 ∈ [a, b] et la suite récur-
rente (u n ) définie par u n+1 = f (u n ). Alors :
– La sous-suite (u 2n ) converge vers une limite ` vérifiant f ◦ f (`) = `.
– La sous-suite (u 2n+1 ) converge vers une limite `0 vérifiant f ◦ f (`0 ) = `0 .
Il se peut (ou pas !) que ` = `0 .

Démonstration
La preuve se déduit du cas croissant. La fonction f étant décroissante, la fonction f ◦ f est croissante.
Et on applique la proposition 55 à la fonction f ◦ f et à la sous-suite ( u 2n ) définie par récurrence
u 2 = f ◦ f ( u 0 ), u 4 = f ◦ f ( u 2 ),. . .
De même en partant de u 1 et u 3 = f ◦ f ( u 1 ),. . .
Exemple 85
1 1
f (x) = 1 + , u 0 > 0, u n+1 = f (u n ) = 1 +
x un
1. Étude de f . La fonction f :]0, +∞[→]0, +∞[ est une fonction continue et strictement
décroissante.
2. Graphe de f .
Les suites 121
u0 1 u2 u3 2 u1 x
Le principe pour tracer la suite est le même qu’auparavant : on place u 0 , on trace u 1 =

f (u 0 ) sur l’axe des ordonnées et on le reporte par symétrie sur l’axe des abscisses,... On
obtient ainsi une sorte d’escargot, et graphiquement on conjecture que la suite converge
vers le point fixe de f . En plus on note que la suite des termes de rang pair semble une
suite croissante, alors que la suite des termes de rang impair semble décroissante.
3. Points fixes de f ◦ f .
¡ ¢ ¡ 1¢ 1 x 2x + 1
f ◦ f (x) = f f (x) = f 1 + = 1 + 1
= 1+ =
x 1+ x x+1 x+1
Donc
( p p )
2x + 1 1− 5 1+ 5
f ◦ f (x) = x ⇐⇒ = x ⇐⇒ x2 − x − 1 = 0 ⇐⇒ x ∈ ,
x+1 2 2
p
1+ 5
Comme la limite doit être positive, le seul point fixe à considérer est ` = 2 .
Attention ! Il y a un unique point fixe, mais on ne peut pas conclure à ce stade car f est
définie sur ]0, +∞[ qui n’est pas un intervalle compact.
p
1+ 5
4. Premier cas 0 < u 0 É ` = 2 .
Alors, u 1 = f (u 0 ) Ê f (`) = ` ; et par une étude de f ◦ f (x) − x, on obtient que : u 2 =
f ◦ f (u 0 ) Ê u 0 ; u 1 Ê f ◦ f (u 1 ) = u 3 .
Comme u 2 Ê u 0 et f ◦ f est croissante, la suite (u 2n ) est croissante. De même u 3 É u 1 ,
donc la suite (u 2n+1 ) est décroissante. De plus comme u 0 É u 1 , en appliquant f un
nombre pair de fois, on obtient que u 2n É u 2n+1 . La situation est donc la suivante :
u 0 É u 2 É · · · É u 2n É · · · É u 2n+1 É · · · É u 3 É u 1
La suite (u 2n ) est croissante et majorée parp

u 1 , donc elle converge. Sa limite ne peut
être que l’unique point fixe de f ◦ f : ` = 1+2 5 .
Lapsuite (u 2n+1 ) est décroissante et minorée par u 0 , donc elle converge aussi vers ` =
1+ 5
2 . p
1+ 5
On en conclut que la suite (u n ) converge vers ` = 2 .
Les suites 122
p
1+ 5
5. Deuxième cas u 0 Ê ` = 2 . p
1+ 5
On montre de la même façon que (u 2n ) est décroissante et converge vers 2 , et que
p
1+ 5
(u 2n+1 ) est croissante et converge aussi vers 2 .
Mini-exercices
1. Soit f (x) = 19 x3 + 1, u 0 = 0 et pour n Ê 0 : u n+1 = f (u n ). Étudier en détails la suite

(u n ) : (a) montrer que u n Ê 0 ; (b) étudier et tracer le graphe de g ; (c) tracer les
premiers termes de (u n ) ; (d) montrer que (u n ) est croissante ; (e) étudier la fonction
g(x) = f (x) − x ; (f) montrer que f admet deux points fixes sur R+ , 0 < ` < `0 ; (g) montrer
que f ([0, `]) ⊂ [0, `] ; (h) en déduire que (u n ) converge vers `.
p
2. Soit f (x) = 1 + x, u 0 = 2 et pour n Ê 0 : u n+1 = f (u n ). Étudier en détail la suite (u n ).
3. Soit (u n )n∈N la suite définie par : u 0 ∈ [0, 1] et u n+1 = u n − u2n . Étudier en détail la suite
(u n ).
4
4. Étudier la suite définie par u 0 = 4 et u n+1 = u n +2 .
Auteurs
Auteurs : Arnaud Bodin, Niels Borne, Laura Desideri

Dessins : Benjamin Boutin
Exo7
8 Limites et fonctions continues
1 Notions de fonction
2 Limites
3 Continuité en un point
4 Continuité sur un intervalle
5 Fonctions monotones et bijections
Vidéo ■ partie 1. Notions de fonction

Vidéo ■ partie 2. Limites
Vidéo ■ partie 3. Continuité en un point
Vidéo ■ partie 4. Continuité sur un intervalle
Vidéo ■ partie 5. Fonctions monotones et bijections
Exercices Limites de fonctions
Exercices Fonctions continues
Motivation
Nous savons résoudre beaucoup d’équations (par exemple ax + b = 0, ax2 + bx + c = 0,...) mais ces
équations sont très particulières. Pour la plupart des équations nous ne saurons pas les résoudre,
en fait il n’est pas évident de dire s’il existe une solution, ni combien il y en a. Considérons par
exemple l’équation extrêmement simple :
x + exp x = 0
Il n’y a pas de formule connue (avec des sommes, des produits,... de fonctions usuelles) pour trouver
la solution x.
Dans ce chapitre nous allons voir que grâce à l’étude de la fonction f (x) = x + exp x il est possible
d’obtenir beaucoup d’informations sur la solution de l’équation x + exp x = 0 et même de l’équation
plus générale x + exp x = y (où y ∈ R est fixé).
x + exp(x)
Nous serons capable de prouver que pour chaque y ∈ R l’équation « x +exp x = y » admet une solution
x ; que cette solution est unique ; et nous saurons dire comment varie x en fonction de y. Le point
Limites et fonctions continues 124
clé de tout cela est l’étude de la fonction f et en particulier de sa continuité. Même s’il n’est pas
possible de trouver l’expression exacte de la solution x en fonction de y, nous allons mettre en
place les outils théoriques qui permettent d’en trouver une solution approchée.
1. Notions de fonction
1.1. Définitions
Définition 45
Une fonction d’une variable réelle à valeurs réelles est une application f : U → R, où U est
une partie de R. En général, U est un intervalle ou une réunion d’intervalles. On appelle U le
domaine de définition de la fonction f .
Exemple 86
La fonction inverse :
f : ] − ∞, 0[ ∪ ]0, +∞[ −→ R
1
x 7−→ .
x
Le graphe d’une fonction f : U → R est la partie Γ f de R2 définie par Γ f = (x, f (x)) | x ∈ U .

© ª
Γf
f (x)
(x, f (x))
1
x
x
x
1.2. Opérations sur les fonctions

Soient f : U → R et g : U → R deux fonctions définies sur une même partie U de R. On peut alors
définir les fonctions suivantes :
– la somme de f et g est la fonction f + g : U → R définie par ( f + g)(x) = f (x) + g(x) pour tout
x∈U ;
– le produit de f et g est la fonction f × g : U → R définie par ( f × g)(x) = f (x) × g(x) pour tout
x∈U ;
– la multiplication par un scalaire λ ∈ R de f est la fonction λ · f : U → R définie par
(λ · f )(x) = λ · f (x) pour tout x ∈ U.
f +g
( f + g)(x)
g(x) f
g
f (x)
1.3. Fonctions majorées, minorées, bornées
Définition 46
Soient f : U → R et g : U → R deux fonctions. Alors :

– f Ê g si ∀ x ∈ U f (x) Ê g(x) ;
– f Ê 0 si ∀ x ∈ U f (x) Ê 0 ;
– f > 0 si ∀ x ∈ U f (x) > 0 ;
– f est dite constante sur U si ∃a ∈ R ∀ x ∈ U f (x) = a ;
– f est dite nulle sur U si ∀ x ∈ U f (x) = 0.
f (y)
f (x)
x y
Définition 47
Soit f : U → R une fonction. On dit que :

– f est majorée sur U si ∃ M ∈ R ∀ x ∈ U f (x) É M ;
– f est minorée sur U si ∃ m ∈ R ∀ x ∈ U f (x) Ê m ;
– f est bornée sur U si f est à la fois majorée et minorée sur U, c’est-à-dire si ∃ M ∈
R ∀ x ∈ U | f (x)| É M.
m
1.4. Fonctions croissantes, décroissantes
Définition 48
Soit f : U → R une fonction. On dit que :
– f est croissante sur U si ∀ x, y ∈ U x É y =⇒ f (x) É f (y)
– f est strictement croissante sur U si ∀ x, y ∈ U x < y =⇒ f (x) < f (y)

– f est décroissante sur U si ∀ x, y ∈ U x É y =⇒ f (x) Ê f (y)
– f est strictement décroissante sur U si ∀ x, y ∈ U x < y =⇒ f (x) > f (y)
– f est monotone (resp. strictement monotone) sur U si f est croissante ou décrois-
sante (resp. strictement croissante ou strictement décroissante) sur U.
f (y)
f (x)
x y
Exemple 87

[0, +∞[−→ R
– La fonction racine carrée est strictement croissante.
 x 7−→ p x
– Les fonctions exponentielle exp : R → R et logarithme ln :]0, +∞[→ R sont strictement
croissantes. 
R −→ R
– La fonction valeur absolue n’est ni croissante, ni décroissante. Par contre,
 x 7−→ | x|

[0, +∞[−→ R
la fonction est strictement croissante.
 x 7−→ | x|
1.5. Parité et périodicité
Définition 49
Soit I un intervalle de R symétrique par rapport à 0 (c’est-à-dire de la forme ] − a, a[ ou [−a, a]

ou R). Soit f : I → R une fonction définie sur cet intervalle. On dit que :
– f est paire si ∀ x ∈ I f (− x) = f (x),
– f est impaire si ∀ x ∈ I f (− x) = − f (x).
Interprétation graphique :
– f est paire si et seulement si son graphe est symétrique par rapport à l’axe des ordonnées.
– f est impaire si et seulement si son graphe est symétrique par rapport à l’origine.
y y
x x
Exemple 88
– La fonction définie sur R par x 7→ x2n (n ∈ N) est paire.

– La fonction définie sur R par x 7→ x2n+1 (n ∈ N) est impaire.
– La fonction cos : R → R est paire. La fonction sin : R → R est impaire.
y
x3
x2
Définition 50
Soit f : R → R une fonction et T un nombre réel, T > 0. La fonction f est dite périodique de
période T si ∀ x ∈ R f (x + T) = f (x).
f
f (x) = f (x + T)
x x+T
Interprétation graphique : f est périodique de période T si et seulement si son graphe est

invariant par la translation de vecteur T~i, où ~i est le premier vecteur de coordonnées.
Exemple 89
Les fonctions sinus et cosinus sont 2π-périodiques. La fonction tangente est π-périodique.
y
+1
cos x
x
−π π sin x
0 2π 3π
−1
Mini-exercices
1. Soit U =] − ∞, 0[ et f : U → R définie par f (x) = 1/x. f est-elle monotone ? Et sur U =

]0, +∞[ ? Et sur U =] − ∞, 0[ ∪ ]0, +∞[ ?
2. Pour deux fonctions paires que peut-on dire sur la parité de la somme ? du produit ?
et de la composée ? Et pour deux fonctions impaires ? Et si l’une est paire et l’autre
impaire ?
3. On note { x} = x − E(x) la partie fractionnaire de x. Tracer le graphe de la fonction x 7→ { x}
et montrer qu’elle est périodique.
4. Soit f : R → R la fonction définie par f (x) = 1+xx2 . Montrer que | f | est majorée par 12 ,
étudier les variations de f (sans utiliser de dérivée) et tracer son graphe.
5. On considère la fonction g : R → R, g(x) = sin π f (x) , où f est définie à la question
¡ ¢
précédente. Déduire de l’étude de f les variations, la parité, la périodicité de g et tracer

son graphe.
2. Limites
2.1. Définitions
Limite en un point
Soit f : I → R une fonction définie sur un intervalle I de R. Soit x0 ∈ R un point de I ou une

extrémité de I.
Définition 51
Soit ` ∈ R. On dit que f a pour limite ` en x0 si
∀ε > 0 ∃δ > 0 ∀x ∈ I | x − x0 | < δ =⇒ | f (x) − `| < ε
On dit aussi que f (x) tend vers ` lorsque x tend vers x0 . On note alors lim f (x) = ` ou bien
x→ x0
lim f = `.
x0
ε
`
ε
x0
x
δ
Remarque
– L’inégalité | x − x0 | < δ équivaut à x ∈]x0 − δ, x0 + δ[. L’inégalité | f (x) − `| < ε équivaut à

f (x) ∈]` − ε, ` + ε[.
– On peut remplacer certaines inégalités strictes « < »par des inégalités larges « É » dans
la définition : ∀ε > 0 ∃δ > 0 ∀ x ∈ I | x − x0 | É δ =⇒ | f (x) − `| É ε
– Dans la définition de la limite
∀ε > 0 ∃δ > 0 ∀x ∈ I | x − x0 | < δ =⇒ | f (x) − `| < ε
le quantificateur ∀ x ∈ I n’est là que pour être sûr que l’on puisse parler de f (x). Il est
souvent omis et l’existence de la limite s’écrit alors juste :
∀ε > 0 ∃δ > 0 | x − x0 | < δ =⇒ | f (x) − `| < ε.
– N’oubliez pas que l’ordre des quantificateurs est important, on ne peut échanger le ∀ε
avec le ∃δ : le δ dépend en général du ε. Pour marquer cette dépendance on peut écrire
: ∀ε > 0 ∃δ(ε) > 0 . . .
Exemple 90
p p
– lim x = x0 pour tout x0 Ê 0,
x→ x0
– la fonction partie entière E n’a pas de limite aux points x0 ∈ Z.
y y
E(x)
p
x
p
x0
1 1
0 1 x0 x 0 1 x0 ∈ Z x
Définition 52
– On dit que f a pour limite +∞ en x0 si
∀A > 0 ∃δ > 0 ∀x ∈ I | x − x0 | < δ =⇒ f (x) > A.
On note alors lim f (x) = +∞.

x→ x0
– On dit que f a pour limite −∞ en x0 si
∀A > 0 ∃δ > 0 ∀x ∈ I | x − x0 | < δ =⇒ f (x) < − A.
On note alors lim f (x) = −∞.

x→ x0
x0 x
x0 − δ
x0 + δ
Limite en l’infini
Soit f : I → R une fonction définie sur un intervalle de la forme I =]a, +∞[.
Définition 53
– Soit ` ∈ R. On dit que f a pour limite ` en +∞ si
∀ε > 0 ∃B > 0 ∀x ∈ I x > B =⇒ | f (x) − `| < ε.
On note alors lim f (x) = ` ou lim f = `.

x→+∞ +∞
– On dit que f a pour limite +∞ en +∞ si
∀A > 0 ∃B > 0 ∀x ∈ I x > B =⇒ f (x) > A.
On note alors lim f (x) = +∞.

x→+∞
On définit de la même manière la limite en −∞ des fonctions définies sur les intervalles du type
] − ∞, a[.
Exemple 91
 tout n Ê 1 :
On a les limites classiques suivantes pour
+∞ si n est pair
– lim x n = +∞ et lim x n =
x→+∞ x→−∞ −∞ si n est impair
1 1
µ ¶ µ ¶
– lim = 0 et lim = 0.
x→+∞ x n x→−∞ x n
Exemple 92
Soit P(x) = a n x n + a n−1 x n−1 +· · ·+ a 1 x + a 0 avec a n > 0 et Q(x) = b m x m + b m−1 x m−1 +· · ·+ b 1 x + b 0

avec b m > 0.



+∞ si n > m
P(x) 
lim = ba n si n = m
x→+∞ Q(x) 
 m
0 si n < m

Limite à gauche et à droite
Soit f une fonction définie sur un ensemble de la forme ]a, x0 [∪]x0 , b[.
Définition 54
– On appelle limite à droite en x0 de f la limite de la fonction f ¯¯] x ,b[ en x0 et on la note

0
lim
+
f .
x0
– On définit de même la limite à gauche en x0 de f : la limite de la fonction f ¯¯]a,x [ en
0
x0 et on la note lim
−
f.
x0
– On note aussi lim x→ x0 f (x) pour la limite à droite et lim x→ x0 f (x) pour la limite à gauche.
x> x0 x< x0
Dire que f : I → R admet une limite ` ∈ R à droite en x0 signifie donc :
∀ε > 0 ∃δ > 0 x0 < x < x0 + δ =⇒ | f (x) − `| < ε.
Si la fonction f a une limite en x0 , alors ses limites à gauche et à droite en x0 coïncident et valent
lim f .
x0
Réciproquement, si f a une limite à gauche et une limite à droite en x0 et si ces limites valent
f (x0 ) (si f est bien définie en x0 ) alors f admet une limite en x0 .
Exemple 93
Considérons la fonction partie entière au point x = 2 :

– comme pour tout x ∈]2, 3[ on a E(x) = 2, on a lim
+
E=2 ,
2
– comme pour tout x ∈ [1, 2[ on a E(x) = 1, on a lim
−
E = 1.
2
Ces deux limites étant différentes, on en déduit que E n’a pas de limite en 2.
y
E(x)
limite à droite lim2+ E
limite à gauche lim2− E
0 2 x
2.2. Propriétés
Proposition 57
Si une fonction admet une limite, alors cette limite est unique.
On ne donne pas la démonstration de cette proposition, qui est très similaire à celle de l’unicité de
la limite pour les suites (un raisonnement par l’absurde).
Soient deux fonctions f et g. On suppose que x0 est un réel, ou que x0 = ±∞.
Proposition 58
Si lim f = ` ∈ R et lim g = `0 ∈ R, alors :

x0 x0
– lim(λ · f ) = λ · ` pour tout λ ∈ R
x0
– lim( f + g) = ` + `0
x0
– lim( f × g) = ` × `0
x0
1 1
– si ` 6= 0, alors lim =
x0 f `
1
De plus, si lim f = +∞ (ou −∞) alors lim = 0.
x0 x0 f
Cette proposition se montre de manière similaire à la proposition analogue sur les limites de suites.
Nous n’allons donc pas donner la démonstration de tous les résultats.
Démonstration
1
Montrons par exemple que si f tend en x0 vers une limite ` non nulle, alors f est bien définie dans
1
un voisinage de x0 et tend vers `
.
1
Supposons ` > 0, le cas ` < 0 se montrerait de la même manière. Montrons tout d’abord que f est
bien définie et est bornée dans un voisinage de x0 contenu dans I . Par hypothèse
∀ε0 > 0 ∃δ > 0 ∀x ∈ I x0 − δ < x < x0 + δ =⇒ ` − ε0 < f ( x) < ` + ε0 .
Si on choisit ε0 tel que 0 < ε0 < `/2, alors on voit qu’il existe un intervalle J = I ∩ ] x0 − δ, x0 + δ[ tel
que pour tout x dans J , f ( x) > `/2 > 0, c’est-à-dire, en posant M = `/2 :
1
∀x ∈ J 0< < M.
f ( x)
Fixons à présent ε > 0. Pour tout x ∈ J , on a
1 ¯¯ |` − f ( x)| M
¯ ¯
¯ 1
¯ f ( x) − ` ¯ = f ( x)` < ` |` − f ( x)| .
¯
Donc, si dans la définition précédente de la limite de f en x0 on choisit ε0 = `ε

M , alors on trouve qu’il
existe un δ > 0 tel que
¯ ¯
¯ 1 1 ¯¯ M M
∀ x ∈ J x0 − δ < x < x0 + δ =⇒ ¯
¯ − < |` − f ( x)| < ε0 = ε.
f ( x) ` ¯ ` `
Proposition 59
Si lim f = ` et lim g = `0 , alors lim g ◦ f = `0 .

x0 ` x0
Ce sont des propriétés que l’on utilise sans s’en apercevoir !
Exemple 94
Soit x 7→ u(x) une fonction , x0 ∈ R tel que u(x) → 2 lorsque x → x0 . Posons f (x) =
q
1 + u(1x)2 + ln u(x). Si elle existe, quelle est la limite de f en x0 ?
– Tout d’abord comme u(x) → 2 alors u(x)2 → 4 donc u(1x)2 → 14 (lorsque x → x0 ).
– De même comme u(x) → 2 alors dans un voisinage de x0 u(x) > 0 donc ln u(x) est bien
définie dans ce voisinage et de plus ln u(x) → ln 2 (lorsque x → x0 ).
– Cela entraîne que 1 + u(1x)2 + ln u(x) → 1 + 14 + ln 2 lorsque x → x0 . En particulier 1 + u(1x)2 +
ln u(x) Ê 0 dans un voisinage de x0 donc f (x) est bien définie dans un voisinage de x0 .
– Et par composition
q avec la racine carrée alors f (x) a bien une limite en x0 et
lim x→ x0 f (x) = 1 + 14 + ln 2.
Il y a des situations où l’on ne peut rien dire sur les limites. Par exemple si lim x0 f = +∞ et
lim x0 g = −∞ alors on ne peut a priori rien dire sur la limite de f + g (cela dépend vraiment de f
et de g). On raccourci cela en +∞ − ∞ est une forme indéterminée.
∞ 0
Voici une liste de formes indéterminées : +∞ − ∞ ; 0 × ∞ ; ; ; 1∞ ; ∞0 .
∞ 0
Enfin voici une proposition très importante qui lie le comportement d’une limite avec les inégalités.
Proposition 60
– Si f É g et si lim f = ` ∈ R et lim g = `0 ∈ R, alors ` É `0 .

x0 x0
– Si f É g et si lim f = +∞, alors lim g = +∞.
x0 x0
– Théorème des gendarmes
Si f É g É h et si lim f = lim h = ` ∈ R, alors g a une limite en x0 et lim g = `.
x0 x0 x0
lim x0 f = lim x0 g = lim x0 h g
x0
Mini-exercices
2 x2 − x−2
1. Déterminer, si elle existe, la limite de 3 x2 +2 x+2
en 0. Et en +∞ ?
sin x en +∞. Et pour cos px
¡1¢
2. Déterminer, si elle existe, la limite de x
?
3. En utilisant la définition de la limite (avec des ε), montrer que lim x→2 (3x + 1) = 7.
4. Montrer que si f admet une limite finie en x0 alors il existe δ > 0 tel que f soit bornée
sur ]x0 − δ, x0 + δ[.
p p
1+ x − 1+ x 2 x2 −4
5. Déterminer, si elle existe, lim x→0 x . Et lim x→2 x2 −3 x+2
?
3. Continuité en un point
3.1. Définition
Soit I un intervalle de R et f : I → R une fonction.
Définition 55
– On dit que f est continue en un point x0 ∈ I si

∀ε > 0 ∃δ > 0 ∀ x ∈ I | x − x0 | < δ =⇒ | f (x) − f (x0 )| < ε
c’est-à-dire si f admet une limite en x0 (cette limite vaut alors nécessairement f (x0 )).
– On dit que f est continue sur I si f est continue en tout point de I.
ε
f (x0 )
ε
x0
x
δ
Intuitivement, une fonction est continue sur un intervalle, si on peut tracer son graphe « sans
lever le crayon », c’est-à-dire si elle n’a pas de saut.
Voici des fonctions qui ne sont pas continues en x0 :
y y y
x0 x x0 x x0 x
Exemple 95
Les fonctions suivantes sont continues :

– une fonction constante sur un intervalle,
p
– la fonction racine carrée x 7→ x sur [0, +∞[,
– les fonctions sin et cos sur R,
– la fonction valeur absolue x 7→ | x| sur R,
– la fonction exp sur R,
– la fonction ln sur ]0, +∞[.
Par contre, la fonction partie entière E n’est pas continue aux points x0 ∈ Z, puisqu’elle n’ad-
met pas de limite en ces points. Pour x0 ∈ R \ Z, elle est continue en x0 .
3.2. Propriétés
La continuité assure par exemple que si la fonction n’est pas nulle en un point (qui est une
propriété ponctuelle) alors elle n’est pas nulle autour de ce point (propriété locale). Voici l’énoncé :
Lemme 4
Soit f : I → R une fonction définie sur un intervalle I et x0 un point de I. Si f est continue en

x0 et si f (x0 ) 6= 0, alors il existe δ > 0 tel que
∀ x ∈]x0 − δ, x0 + δ[ f (x) 6= 0
f (x0 )
x0 − δ x0 x0 + δ
Démonstration
Supposons par exemple que f ( x0 ) > 0, le cas f ( x0 ) < 0 se montrerait de la même manière. Écrivons
ainsi la définition de la continuité de f en x0 :
∀ε > 0 ∃δ > 0 ∀x ∈ I x ∈ ] x0 − δ, x0 + δ[ =⇒ f ( x0 ) − ε < f ( x) < f ( x0 ) + ε.
Il suffit donc de choisir ε tel que 0 < ε < f ( x0 ). Il existe alors bien un intervalle J = I ∩ ] x0 − δ, x0 + δ[
tel que pour tout x dans J , on a f ( x) > 0.
La continuité se comporte bien avec les opérations élémentaires. Les propositions suivantes sont
des conséquences immédiates des propositions analogues sur les limites.
Proposition 61
Soient f , g : I → R deux fonctions continues en un point x0 ∈ I. Alors

– λ · f est continue en x0 (pour tout λ ∈ R),
– f + g est continue en x0 ,
– f × g est continue en x0 ,
– si f (x0 ) 6= 0, alors 1f est continue en x0 .
Exemple 96
La proposition précédente permet de vérifier que d’autres fonctions usuelles sont continues :
– les fonctions puissance x 7→ x n sur R (comme produit x × x × · · · ),
– les polynômes sur R (somme et produit de fonctions puissance et de fonctions
constantes),
P ( x)
– les fractions rationnelles x 7→ Q ( x) sur tout intervalle où le polynôme Q(x) ne s’annule
pas.
La composition conserve la continuité (mais il faut faire attention en quels points les hypothèses
s’appliquent).
Proposition 62
Soient f : I → R et g : J → R deux fonctions telles que f (I) ⊂ J. Si f est continue en un point

x0 ∈ I et si g est continue en f (x0 ), alors g ◦ f est continue en x0 .
3.3. Prolongement par continuité
Définition 56
Soit I un intervalle, x0 un point de I et f : I \ { x0 } → R une fonction.

– On dit que f est prolongeable par continuité en x0 si f admet une limite finie en x0 .
Notons alors ` = lim f .
x0
– On définit alors la fonction f˜ : I → R en posant pour tout x ∈ I

 f (x) si x 6= x
0
f˜(x) =
` si x = x .
0
Alors f˜ est continue en x0 et on l’appelle le prolongement par continuité de f en x0 .
x0 x
Dans la pratique, on continuera souvent à noter f à la place de f˜.
Exemple 97
Considérons la fonction f définie sur R∗ par f (x) = x sin 1x . Voyons si f admet un prolonge-
¡ ¢
ment par continuité en 0 ?

Comme pour tout x ∈ R∗ on a | f (x)| É | x|, on en déduit que f tend vers 0 en 0. Elle est donc
prolongeable par continuité en 0 et son prolongement est la fonction f˜ définie sur R tout entier
par : 
 x sin ¡ 1 ¢ si x 6= 0
˜
f (x) = x
0 si x = 0.
3.4. Suites et continuité

Proposition 63
Soit f : I → R une fonction et x0 un point de I. Alors :
pour toute suite (u n ) qui converge vers x0

f est continue en x0 ⇐⇒
la suite ( f (u n )) converge vers f (x0 )
Démonstration
=⇒ On suppose que f est continue en x0 et que ( u n ) est une suite qui converge vers x0 et on
veut montrer que ( f ( u n )) converge vers f ( x0 ).
Soit ε > 0. Comme f est continue en x0 , il existe un δ > 0 tel que
∀x ∈ I | x − x0 | < δ =⇒ | f ( x) − f ( x0 )| < ε.
Pour ce δ, comme ( u n ) converge vers x0 , il existe N ∈ N tel que
∀n ∈ N n Ê N =⇒ | u n − x0 | < δ.
On en déduit que, pour tout n Ê N , comme | u n − x0 | < δ, on a | f ( u n ) − f ( x0 )| < ε et donc ( f ( u n ))

converge vers f ( x0 ).
⇐= On va montrer la contraposée : supposons que f n’est pas continue en x0 et montrons
qu’alors il existe une suite ( u n ) qui converge vers x0 et telle que ( f ( u n )) ne converge pas vers
f ( x0 ).
Par hypothèse, comme f n’est pas continue en x0 :
∃ε0 > 0 ∀δ > 0 ∃ xδ ∈ I tel que | xδ − x0 | < δ et | f ( xδ ) − f ( x0 )| > ε0 .
On construit la suite ( u n ) de la façon suivante : pour tout n ∈ N∗ , on choisit dans l’assertion

précédente δ = 1/ n et on obtient qu’il existe u n (qui est x1/n ) tel que
1
| u n − x0 | < et | f ( u n ) − f ( x0 )| > ε0 .
n
La suite ( u n ) converge vers x0 alors que la suite ( f ( u n )) ne peut pas converger vers f ( x0 ).
Remarque
On retiendra surtout l’implication : si f est continue sur I et si (u n ) est une suite convergente
de limite `, alors ( f (u n )) converge vers f (`). On l’utilisera intensivement pour l’étude des
suites récurrentes u n+1 = f (u n ) : si f est continue et u n → `, alors f (`) = `.
Mini-exercices
1. Déterminer le domaine
q de définition et de continuité des fonctions suivantes : f (x) =
1
1/ sin x, g(x) = 1/ x + 2 , h(x) = ln(x2 + x − 1).
2. Trouver les couples (a, b) ∈ R2 tels que la fonction f définie sur R par f (x) = ax + b si
x < 0 et f (x) = exp(x) si x Ê 0 soit continue sur R. Et si on avait f (x) = x−a 1 + b pour x < 0
?
3. Soit f une fonction continue telle que f (x0 ) = 1. Montrer qu’il existe δ > 0 tel que : pour
tout x ∈]x0 − δ, x0 + δ[ f (x) > 21 .
¡1¢
4. Étudier la continuité de f : R → R définie par : f (x) = sin(x) cos x si x 6= 0 et f (0) = 0.
Et pour g(x) = xE(x) ?
x3 +8
5. La fonction définie par f (x) = admet-elle un prolongement par continuité en −2 ?
| x+2|
p
6. Soit la suite définie par u 0 > 0 et u n+1 = u n . Montrer que (u n ) admet une limite ` ∈ R
p
lorsque n → +∞. À l’aide de la fonction f (x) = x calculer cette limite.
4. Continuité sur un intervalle

4.1. Le théorème des valeurs intermédiaires
Théorème 22. Théorème des valeurs intermédiaires
Soit f : [a, b] → R une fonction continue sur un segment.
Pour tout réel y compris entre f (a) et f (b), il existe c ∈ [a, b] tel que f (c) = y.
f (b) y
y f (b)
f (a)
a c1 c2 c3 b x f (a)
a b x
Démonstration
Montrons le théorème dans le cas où f (a) < f ( b). On considère alors un réel y tel que f (a) É y É f ( b)
et on veut montrer qu’il a un antécédent par f .
1. On introduit l’ensemble suivant
n o
A = x ∈ [a, b] | f ( x) É y .
Tout d’abord l’ensemble A est non vide (car a ∈ A ) et il est majoré (car il est contenu dans
[a, b]) : il admet donc une borne supérieure, que l’on note c = sup A . Montrons que f ( c) = y.
f (b)
f (a)
a b x
A c = sup(A)
2. Montrons tout d’abord que f ( c) É y. Comme c = sup A , il existe une suite ( u n )n∈N contenue
dans A telle que ( u n ) converge vers c. D’une part, pour tout n ∈ N, comme u n ∈ A , on a
f ( u n ) É y. D’autre part, comme f est continue en c, la suite ( f ( u n )) converge vers f ( c). On en
déduit donc, par passage à la limite, que f ( c) É y.
3. Montrons à présent que f ( c) Ê y. Remarquons tout d’abord que si c = b, alors on a fini,
puisque f ( b) Ê y. Sinon, pour tout x ∈] c, b], comme x ∉ A , on a f ( x) > y. Or, étant donné que f
est continue en c, f admet une limite à droite en c, qui vaut f ( c) et on obtient f ( c) Ê y.
4.2. Applications du théorème des valeurs intermédiaires

Voici la version la plus utilisée du théorème des valeurs intermédiaires.
Corollaire 11
Si f (a) · f (b) < 0, alors il existe c ∈]a, b[ tel que f (c) = 0.
f (b) > 0
a c
b x
f (a) < 0
Démonstration
Il s’agit d’une application directe du théorème des valeurs intermédiaires avec y = 0. L’hypothèse
f (a) · f ( b) < 0 signifiant que f (a) et f ( b) sont de signes contraires.
Exemple 98
Tout polynôme de degré impair possède au moins une racine réelle.
y
x 7→ P(x)
En effet, un tel polynôme s’écrit P(x) = a n x n + · · · + a 1 x + a 0 avec n un entier impair. On peut

supposer que le coefficient a n est strictement positif. Alors on a lim P = −∞ et lim P = +∞.
−∞ +∞
En particulier, il existe deux réels a et b tels que f (a) < 0 et f (b) > 0 et on conclut grâce au
corollaire précédent.
Corollaire 12
Soit f : I → R une fonction continue sur un intervalle I. Alors f (I) est un intervalle.
Attention ! Il serait faux de croire que l’image par une fonction f de l’intervalle [a, b] soit l’inter-
valle [ f (a), f (b)].
f (b)
f ([a, b])
f (a)
a b x
Démonstration
Soient y1 , y2 ∈ f ( I ), y1 É y2 . Montrons que si y ∈ [ y1 , y2 ], alors y ∈ f ( I ). Par hypothèse, il existe

x1 , x2 ∈ I tels que y1 = f ( x1 ), y2 = f ( x2 ) et donc y est compris entre f ( x1 ) et f ( x2 ). D’après le théorème
des valeurs intermédiaires, comme f est continue, il existe donc x ∈ I tel que y = f ( x), et ainsi
y ∈ f ( I ).
4.3. Fonctions continues sur un segment

Théorème 23
Soit f : [a, b] → R une fonction continue sur un segment. Alors il existe deux réels m et M tels
que f ([a, b]) = [m, M]. Autrement dit, l’image d’un segment par une fonction continue est un
segment.
y
M
a b x
Comme on sait déjà par le théorème des valeurs intermédiaires que f ([a, b]) est un intervalle, le
théorème précédent signifie exactement que
Si f est continue sur [a, b] alors f est bornée sur [a, b] et elle atteint ses bornes.
Donc m est le minimum de la fonction sur l’intervalle [a, b] alors que M est le maximum.
[[Preuve : à écrire]]
Mini-exercices
1. Soient P(x) = x5 − 3x − 2 et f (x) = x2 x − 1 deux fonctions définies sur R. Montrer que

l’équation P(x) = 0 a au moins une racine dans [1, 2] ; l’équation f (x) = 0 a au moins
une racine dans [0, 1] ; l’équation P(x) = f (x) a au moins une racine dans ]0, 2[.
2. Montrer qu’il existe x > 0 tel que 2 x + 3 x = 5 x .
3. Dessiner le graphe d’une fonction continue f : R → R tel que f (R) = [0, 1]. Puis f (R) =]0, 1[
; f (R) = [0, 1[ ; f (R) =] − ∞, 1], f (R) =] − ∞, 1[.
4. Soient f , g : [0, 1] → R deux fonctions continues. Quelles fonctions suivantes sont à coup
sûr bornées : f + g, f × g, f /g ?
5. Soient f et g deux fonctions continues sur [0, 1] telles que ∀ x ∈ [0, 1] f (x) < g(x). Montrer
qu’il existe m > 0 tel que ∀ x ∈ [0, 1] f (x) + m < g(x). Ce résultat est-il vrai si on remplace
[0, 1] par R ?
5. Fonctions monotones et bijections

5.1. Rappels : injection, surjection, bijection
Dans cette section nous rappelons le matériel nécessaire concernant les applications bijectives.
Définition 57
Soit f : E → F une fonction, où E et F sont des parties de R.

– f est injective si ∀ x, x0 ∈ E f (x) = f (x0 ) =⇒ x = x0 ;
– f est surjective si ∀ y ∈ F ∃ x ∈ E y = f (x) ;
– f est bijective si f est à la fois injective et surjective, c’est-à-dire si ∀ y ∈ F ∃!x ∈ E y =
f (x).
Proposition 64
Si f : E → F est une fonction bijective alors il existe une unique application g : F → E telle
que g ◦ f = idE et f ◦ g = idF La fonction g est la bijection réciproque de f et se note f −1 .
Remarque
– On rappelle que l’identité, idE : E → E est simplement définie par x 7→ x.

¡ ¢
– g ◦ f = idE se reformule ainsi : ∀ x ∈ E g f (x) = x.
¡ ¢
– Alors que f ◦ g = idF s’écrit : ∀ y ∈ F f g(y) = y.
– Dans un repère orthonormé les graphes des fonctions f et f −1 sont symétriques par
rapport à la première bissectrice.
y
y
y y
x1 x2 x3 x
x x
y
y f
y=x
f −1
5.2. Fonctions monotones et bijections

Voici un résultat important qui permet d’obtenir des fonctions bijectives.
Théorème 24. Théorème de la bijection
Soit f : I → R une fonction définie sur un intervalle I de R. Si f est continue et strictement

monotone sur I, alors
1. f établit une bijection de l’intervalle I dans l’intervalle image J = f (I),
2. la fonction réciproque f −1 : J → I est continue et strictement monotone sur J et elle a
le même sens de variation que f .
y
y=x
f −1
J = f (I)
I x
En pratique, si on veut appliquer ce théorème à une fonction continue f : I → R, on découpe

l’intervalle I en sous-intervalles sur lesquels la fonction f est strictement monotone.
Exemple 99
Considérons la fonction carrée définie sur R par f (x) = x2 . La fonction f n’est pas strictement
monotone sur R, d’ailleurs, on voit bien qu’elle n’est pas injective. Cependant, en restreignant
son ensemble de définition à ] − ∞, 0] d’une part et à [0, +∞[ d’autre part, on définit deux
fonctions strictement monotones (les ensembles de départ sont différents) :
( (
] − ∞, 0] −→ [0, +∞[ [0, +∞[−→ [0, +∞[
f1 : 2 et f2 :
x 7−→ x x 7−→ x2
On remarque que f (] − ∞, 0]) = f ([0, +∞[) = [0, +∞[. D’après le théorème précédent, les fonc-
tions f 1 et f 2 sont des bijections. Déterminons leurs fonctions réciproques f 1−1 : [0, +∞[→
] − ∞, 0] et f 2−1 : [0, +∞[→ [0, +∞[. Soient deux réels x et y tels que y Ê 0. Alors
y = f (x) ⇔ y = x2
p p
⇔x= y ou x = − y,
c’est-à-dire y admet deux antécédents, l’un dans [0, +∞[ et l’autre dans ] − ∞, 0]. Et donc
p p
f 1−1 (y) = − y et f 2−1 (y) = y. On retrouve bien que chacune des deux fonctions f 1 et f 2 a le
même sens de variation que sa réciproque.
y
y=x
f1 f2
f 2−1
p p x
− y y
f 1−1
On remarque que la courbe totale en pointillée (à la fois la partie bleue et la verte), qui est
l’image du graphe de f par la symétrie par rapport à la première bissectrice, ne peut pas être
le graphe d’une fonction : c’est une autre manière de voir que f n’est pas bijective.
Généralisons l’exemple précédent.
Exemple 100
Soit n Ê 1. Soit f : [0, +∞[→ [0, +∞[ définie par f (x) = x n . Alors f est continue et strictement
croissante. Comme lim+∞ f = +∞ alors f est une bijection. Sa bijection réciproque f −1 est
1 p
notée : x 7→ x n (ou aussi x 7→ n x) : c’est la fonction racine n-ième. Elle est continue et
strictement croissante.
5.3. Démonstration
On établit d’abord un lemme utile à la démonstration du théorème précédent.
Lemme 5
Soit f : I → R une fonction définie sur un intervalle I de R. Si f est strictement monotone sur
I, alors f est injective sur I.
Démonstration
Soient x, x0 ∈ I tels que f ( x) = f ( x0 ). Montrons que x = x0 . Si on avait x < x0 , alors on aurait né-
cessairement f ( x) < f ( x0 ) ou f ( x) > f ( x0 ), suivant que f est strictement croissante, ou strictement
décroissante. Comme c’est impossible, on en déduit que x Ê x0 . En échangeant les rôles de x et de x0 ,
on montre de même que x É x0 . On en conclut que x = x0 et donc que f est injective.
Démonstration . Démonstration du théorème
1. D’après le lemme précédent, f est injective sur I . En restreignant son ensemble d’arrivée à
son image J = f ( I ), on obtient que f établit une bijection de I dans J . Comme f est continue,
par le théorème des valeurs intermédiaires, l’ensemble J est un intervalle.
2. Supposons pour fixer les idées que f est strictement croissante.
(a) Montrons que f −1 est strictement croissante sur J . Soient y, y0 ∈ J tels que y < y0 . Notons
x = f −1 ( y) ∈ I et x0 = f −1 ( y0 ) ∈ I . Alors y = f ( x), y0 = f ( x0 ) et donc
y < y0 =⇒ f ( x) < f ( x0 )
=⇒ x < x0 (car f est strictement croissante)
−1 −1
=⇒ f ( y) < f ( y0 ),
c’est-à-dire f −1 est strictement croissante sur J .

(b) Montrons que f −1 est continue sur J . On se limite au cas où I est de la forme ]a, b[, les
autres cas se montrent de la même manière. Soit y0 ∈ J . On note x0 = f −1 ( y0 ) ∈ I . Soit ε > 0.
On peut toujours supposer que [ x0 − ε, x0 + ε] ⊂ I . On cherche un réel δ > 0 tel que pour tout
y ∈ J on ait
y0 − δ < y < y0 + δ =⇒ f −1 ( y0 ) − ε < f −1 ( y) < f −1 ( y0 ) + ε
c’est-à-dire tel que pour tout x ∈ I on ait
y0 − δ < f ( x) < y0 + δ =⇒ f −1 ( y0 ) − ε < x < f −1 ( y0 ) + ε.
Or, comme f est strictement croissante, on a pour tout x ∈ I
f ( x0 − ε) < f ( x) < f ( x0 + ε) =⇒ x0 − ε < x < x0 + ε

=⇒ f −1 ( y0 ) − ε < x < f −1 ( y0 ) + ε.
Comme f ( x0 − ε) < y0 < f ( x0 + ε), on peut choisir le réel δ > 0 tel que
f ( x0 − ε) < y0 − δ et f ( x0 + ε) > y0 + δ
et on a bien alors pour tout x ∈ I
y0 − δ < f ( x) < y0 + δ =⇒ f ( x0 − ε) < f ( x) < f ( x0 + ε)

=⇒ f −1 ( y0 ) − ε < x < f −1 ( y0 ) + ε.
La fonction f −1 est donc continue sur J .
Mini-exercices
1. Montrer que chacune des hypothèses « continue » et « strictement monotone » est néces-
saire dans l’énoncé du théorème.
2. Soit f : R → R définie par f (x) = x3 + x. Montrer que f est bijective, tracer le graphe de f
et de f −1 .
3. Soit n Ê 1. Montrer que f (x) = 1 + x + x2 +· · ·+ x n définit une bijection de l’intervalle [0, 1]
vers un intervalle à préciser.
4. Existe-t-il une fonction continue : f : [0, 1[→]0, 1[ qui soit bijective ? f : [0, 1[→]0, 1[ qui
soit injective ? f :]0, 1[→ [0, 1] qui soit surjective ?
5. Pour y ∈ R on considère l’équation x + exp x = y. Montrer qu’il existe une unique solution
y. Comment varie y en fonction de x ? Comme varie x en fonction de y ?
Auteurs

Exo7
9 Fonctions usuelles
1 Logarithme et exponentielle
2 Fonctions circulaires inverses
3 Fonctions hyperboliques et hyperboliques inverses
Vidéo ■ partie 1. Logarithme et exponentielle

Vidéo ■ partie 2. Fonctions circulaires inverses
Vidéo ■ partie 3. Fonctions hyperboliques et hyperboliques inverses
Vous connaissez déjà des fonctions classiques : exp, ln, cos, sin, tan. Dans ce chapitre il s’agit d’ajou-
ter à notre catalogue de nouvelles fonctions : ch, sh, th, arccos, arcsin, arctan, Argch, Argsh, Argth.
Ces fonctions apparaissent naturellement dans la résolution de problèmes simples, en particulier
issus de la physique. Par exemple lorsqu’un fil est suspendu entre deux poteaux (ou un collier tenu
entre deux mains) alors la courbe dessinée est une chaînette dont l’équation fait intervenir le
cosinus hyperbolique et un paramètre a (qui dépend de la longueur du fil et de l’écartement des
poteaux) : ³x´
y = a ch
a
1. Logarithme et exponentielle
1.1. Logarithme
Proposition 65
Il existe une unique fonction, notée ln :]0, +∞[→ R telle que :
1
ln0 (x) = (pour tout x > 0) et ln(1) = 0.
x
De plus cette fonction vérifie (pour tout a, b > 0) :
1. ln(a × b) = ln a + ln b,
2. ln( a1 ) = − ln a,
3. ln(a n ) = n ln a, (pour tout n ∈ N)
4. ln est une fonction continue, strictement croissante et définit une bijection de ]0, +∞[
sur R,
Fonctions usuelles 149
5. lim x→0 ln(1x+ x) = 1,

6. la fonction ln est concave et ln x É x − 1 (pour tout x > 0).
ln x
0 1 e x
Remarque
ln x s’appelle le logarithme naturel ou aussi logarithme néperien. Il est caractérisé par

ln(e) = 1. On définit le logarithme en base a par
ln(x)
loga (x) =
ln(a)
De sorte que loga (a) = 1.

Pour a = 10 on obtient le logarithme décimal log10 qui vérifie log10 (10) = 1 (et donc
log10 (10n ) = n). Dans la pratique on utilise l’équivalence : x = 10 y ⇐⇒ y = log10 (x) En
informatique intervient aussi le logarithme en base 2 : log2 (2n ) = n.
Démonstration
Rx 1
L’existence et l’unicité viennent de la théorie de l’intégrale : ln( x) = 1 t dt. Passons aux propriétés.
y
1. Posons f ( x) = ln( x y) − ln( x) où y > 0 est fixé. Alors f 0 ( x) = y ln0 ( x y) − ln0 ( x) = x y − 1x = 0. Donc
x 7→ f ( x) a une dérivée nulle, donc est constante et vaut f (1) = ln( y) − ln(1) = ln( y). Donc
ln( x y) − ln( x) = ln( y).
2. D’une part ln(a × a1 ) = ln a + ln a1 , mais d’autre part ln(a × a1 ) = ln(1) = 0. Donc ln a + ln a1 = 0.
3. Similaire ou récurrence.
4. ln est dérivable donc continue, ln0 ( x) = 1x > 0 donc la fonction est strictement croissante.
Comme ln(2) > ln(1) = 0 alors ln(2n ) = n ln(2) → +∞ (lorsque n → +∞). Donc lim x→+∞ ln x =
+∞. De ln x = − ln 1x on déduit lim x→0 ln x = −∞. Par le théorème sur les fonctions continues
et strictement croissantes, ln :]0, +∞[→ R est une bijection.
5. lim x→0 ln(1x+ x) est la dérivée de ln au point x0 = 1, donc cette limite existe et vaut ln0 (1) = 1.
6. ln0 ( x) = 1x est décroissante, donc la fonction ln est concave. Posons f ( x) = x−1−ln x ; f 0 ( x) = 1− 1x .
Par une étude de fonction f atteint son maximum en x0 = 1. Donc f ( x) Ê f (1) = 0. Donc
ln x É x − 1.
1.2. Exponentielle
Définition 58
La bijection réciproque de ln :]0, +∞[→ R s’appelle la fonction exponentielle, notée exp : R →

]0, +∞[.
y exp x
0 1 x
Pour x ∈ R on note aussi e x pour exp x.
Proposition 66
La fonction exponentielle vérifie les propriétés suivantes :

– exp(ln x) = x pour tout x > 0 et ln(exp x) = x pour tout x ∈ R
– exp(a + b) = exp(a) × exp(b)
– exp(nx) = (exp x)n
– exp : R →]0, +∞[ est une fonction continue, strictement croissante vérifiant lim x→−∞ exp x =
0 et lim x→+∞ exp = +∞.
– La fonction exponentielle est dérivable et exp0 x = exp x, pour tout x ∈ R. Elle est convexe
et exp x Ê 1 + x
Remarque
La fonction exponentielle est l’unique fonction qui vérifie exp0 (x) = exp(x) (pour tout x ∈ R) et
exp(1) = e. Où e ' 2, 718 . . . est le nombre qui vérifie ln e = 1.
Démonstration
Ce sont les propriétés du logarithme retranscrites pour sa bijection réciproque.

Par exemple pour la dérivée : on part de l’égalité ln(exp x) = x que l’on dérive. Cela donne exp0 ( x) ×
1
ln0 (exp x) = 1 donc exp0 ( x) × exp 0
x = 1 et ainsi exp ( x) = exp x.
1.3. Puissance et comparaison

Par définition, pour a > 0 et b ∈ R,
a b = exp b ln a
¡ ¢
Remarque
p 1
a = a 2 = exp 21 ln a
¡ ¢
–
p 1
– n a = a n = exp n1 ln a (la racine n-ième de a)
¡ ¢
– On note aussi exp x par e x ce qui se justifie par le calcul : e x = exp x ln e = exp(x).
¡ ¢
– Les fonctions x 7→ a x s’appellent aussi des fonctions exponentielles et se ramènent

systématiquement à la fonction exponentielle classique par l’égalité a x = exp(x ln a). Il
ne faut surtout pas les confondre avec les fonctions puissances x 7→ xa .
Comparons les fonctions ln x, exp x avec x :
Proposition 67
ln x exp x
lim =0 et lim = +∞.
x→+∞ x x→+∞ x
xa (a > 1)
y exp x
x
xa (a < 1)
ln x
0 1 x
Démonstration
p
ln x
1. On a vu ln x É x − 1 (pour tout x > 0). Donc ln x É x donc p
x
É 1. Cela donne
³p ´
2 p p
ln x ln x ln x ln x 1 2
0É = =2 =2 p p É p
x x x x x x
Cette double inégalité entraîne lim x→+∞ lnxx = 0.

2. On a vu exp x Ê 1 + x (pour tout x ∈ R). Donc exp x → +∞ (lorsque x → +∞).
x ln(exp x) ln u
= =
exp x exp x u
ln u x
lorsque x → +∞ alors u = exp x → +∞ et donc par le premier point u → 0. Donc exp x → 0 et
exp x
reste positive, ainsi lim x→+∞ x = +∞.
Mini-exercices
1. Montrer que ln(1 + e x ) = x + ln(1 + e− x ), pour tout x ∈ R.

2. Étudier la fonction f (x) = ln(x2 + 1) − ln(x) − 1. Tracer son graphe. Résoudre l’équation
( f (x) = 0). Idem avec g(x) = 1+xln x . Idem avec h(x) = x x .
3. Expliquer comment log10 permet de calculer le nombre de chiffres d’un entier n.
2 2
4. Montrer ln(1 + x) Ê x − x2 pour x Ê 0 (faire une étude de fonction). Idem avec e x Ê 1 + x + x2
pour tout x Ê 0.
¢n
5. Calculer la limite de la suite définie par u n = 1 + n1
¡
lorsque n → +∞. Idem avec
¡ 1 ¢n 1
vn = n et wn = n . n
2. Fonctions circulaires inverses

2.1. Arccosinus
Considérons la fonction cosinus cos : R → [−1, 1], x 7→ cos x. Pour obtenir une bijection à partir de
cette fonction, il faut considérer la restriction de cosinus à l’intervalle [0, π]. Sur cet intervalle la
fonction cosinus est continue et strictement décroissante, donc la restriction
cos| : [0, π] → [−1, 1]
est une bijection. Sa bijection réciproque est la fonction arccosinus :
arccos : [−1, 1] → [0, π]
arccos x π
y
+1
π
x 2
−π −π 0 π π
2 2
x
−1 cos x −1 0 1
On a donc, par définition de la bijection réciproque :

¡ ¢
cos arccos(x) = x ∀ x ∈ [−1, 1]
arccos cos(x) = x ∀ x ∈ [0, π]
¡ ¢
Autrement dit :
Si x ∈ [0, π] cos(x) = y ⇐⇒ x = arccos y
Terminons avec la dérivée de arccos :

−1
arccos0 (x) = p ∀ x ∈] − 1, 1[
1 − x2
Démonstration
On démarre de l’égalité cos(arccos x) = x que l’on dérive :
cos(arccos x) = x
=⇒ − arccos0 ( x) × sin(arccos x) = 1
−1
=⇒ arccos0 ( x) =
sin(arccos x)
−1
=⇒ arccos0 ( x) = p (∗)
1 − cos2 (arccos x)
−1
=⇒ arccos0 ( x) = p
1 − x2
Le point crucial (∗) se justifie ainsi : on démarre de l’égalité cos2 y + sin2 y = 1, en substituant
y = arccos x on obtient cos2 (arccos x) + sin2 (arccos x) = 1 donc x2 + sin2 (arccos x) = 1. On en déduit :
p
sin(arccos x) = + 1 − x2 (avec le signe + car arccos x ∈ [0, π]).
2.2. Arcsinus
La restriction
π π
sin| : [− , + ] → [−1, 1]
2 2
est une bijection. Sa bijection réciproque est la fonction arcsinus :
π π
arcsin : [−1, 1] → [− , + ]
2 2
y
π
2 arcsin x
y
+1 sin x x
−1 0 1
x
−π −π 0 π π
2 2
−π
2
−1
¡ ¢
sin arcsin(x) = x ∀ x ∈ [−1, 1]
arcsin sin(x) = x ∀ x ∈ [− π2 , + π2 ]
¡ ¢
Si x ∈ [− π2 , + π2 ] sin(x) = y ⇐⇒ x = arcsin y
1
arcsin0 (x) = p ∀ x ∈] − 1, 1[
1 − x2
2.3. Arctangente
La restriction
π π
tan| :] − , + [→ R
2 2
est une bijection. Sa bijection réciproque est la fonction arctangente :

π π
arctan : R →] − , + [
2 2
y tan x
−π π x
−π
2
π
2
3π
2
y
π
2
arctan x
0 x
−π
2
tan arctan(x) = x ∀ x ∈ R
¡ ¢
arctan tan(x) = x ∀ x ∈] − π2 , + π2 [
¡ ¢
Si x ∈] − π2 , + π2 [ tan(x) = y ⇐⇒ x = arctan y
1
arctan0 (x) = ∀x ∈ R
1 + x2
Mini-exercices
p p p
2 3
1. Calculer les valeurs de arccos et arcsin en 0, 1, 12 , 2 , 2 . Idem pour arctan en 0, 1, 3
et p1 .
3
2. Calculer arccos(cos 73π ). Idem avec arcsin(sin 73π ) et arctan(tan 73π ) (attention aux inter-
valles !)
3. Calculer cos(arctan x), cos(arcsin x), tan(arcsin x).
³ ´
4. Calculer la dérivée de f (x) = arctan p x 2 . En déduire que f (x) = arcsin x, pour tout
1− x
x ∈] − 1, 1[.
5. Montrer que arccos x + arcsin x = π2 , pour tout x ∈ [−1, 1].
3. Fonctions hyperboliques et hyperboliques inverses

3.1. Cosinus hyperbolique et son inverse
Pour x ∈ R, le cosinus hyperbolique est :
e x + e− x
ch x =
2
La restriction ch| : [0, +∞[→ [1, +∞[ est une bijection. Sa bijection réciproque est Argch : [1, +∞[→
[0, +∞[.
y
chx
shx
y
1 argshx
argchx
1
0 1 x
0 1 x
3.2. Sinus hyperbolique et son inverse

Pour x ∈ R, le sinus hyperbolique est :
e x − e− x
sh x =
2
sh : R → R est une fonction continue, dérivable, strictement croissante vérifiant lim x→−∞ sh x = −∞
et lim x→+∞ sh x = +∞, c’est donc une bijection. Sa bijection réciproque est Argsh : R → R.
Proposition 68
– ch2 x − sh2 x = 1.
– ch0 x = sh x, sh0 x = ch x.
– Argsh : R → R est strictement croissante et continue.
– Argsh est dérivable et Argsh0 x = p 12 .
p x +1
– Argsh x = ln x + x2 + 1 .
¡ ¢
Démonstration
– ch2 x − sh2 x = 14 ( e x + e− x )2 − ( e x − e− x )2 = 14 ( e2 x + 2 + e−2 x ) − ( e2 x − 2 + e−2 x ) = 1.

£ ¤ £ ¤
d x
d e +e − x x − x
– dx (ch x) = dx 2 = e −2e = sh x. Idem pour la dérivée de sh x.
– Car c’est la réciproque de sh.
– Comme la fonction x 7→ sh0 x ne s’annule pas sur R alors la fonction Argsh est dérivable sur
R. On calcule la dérivée par dérivation de l’égalité sh(Argsh x) = x :
1 1 1
Argsh0 x = =q =p
ch(Argsh x) 2 x2 + 1
sh (Argsh x) + 1
p
– Notons f ( x) = ln x + x2 + 1 alors
¡ ¢
1 + p x2 1
x +1
f 0 ( x) = p =p = Argsh0 x
2
x+ x +1 2
x +1
Comme de plus f (0) = ln(1) = 0 et Argsh 0 = 0 (car sh 0 = 0), on en déduit que pour tout x ∈ R,
f ( x) = Argsh x.
3.3. Tangente hyperbolique et son inverse

Par définition la tangente hyperbolique est :
sh x
th x =
ch x
La fonction th : R →] − 1, 1[ est une bijection, on note Argth :] − 1, 1[→ R sa bijection réciproque.
y
argthx
y
−1 0 1 x
1 thx
0 x
−1
3.4. Trigonométrie hyperbolique
ch2 x − sh2 x = 1
ch(a + b) = ch a · ch b + sh a · sh b
ch(2a) = ch2 a + sh2 a = 2 ch2 a − 1 = 1 + 2 sh2 a
sh(a + b) = sh a · ch b + sh b · ch a
sh(2a) = 2 sh a · ch a
th a + th b
th(a + b) =
1 + th a · th b
ch0 x = sh x
sh0 x = ch x
1
th0 x = 1 − th2 x =
ch2 x
1
Argch0 x = p (x > 1)
x2 − 1
1
Argsh0 x = p
x2 + 1
1
Argth0 x = (| x| < 1)
1 − x2
p
Argch x = ln x + x2 − 1 (x Ê 1)
¡ ¢
p
Argsh x = ln x + x2 + 1 (x ∈ R)
¡ ¢
1 1+ x
µ ¶
Argth x = ln (−1 < x < 1)
2 1− x
Mini-exercices
1. Dessiner les courbes paramétrées t 7→ (cos t, sin t) et t 7→ (ch t, sh t). Pourquoi cos et sin
s’appellent des fonctions trigonométriques circulaires alors que ch et sh sont des fonc-
tions trigonométriques hyperboliques ?
e ix + e− ix
2. Prouver par le calcul la formule ch(a + b) = . . . En utilisant que cos x = 2 retrouver
la formule pour cos(a + b).
3. Résoudre l’équation sh x = 3.
sh(2 x)
4. Montrer que 1+ch(2 x) = th x.
5. Calculer les dérivées des fonctions définies par : th(1 + x2 ), ln(ch x), Argch(exp x),
Argth(cos x).
Auteurs
Arnaud Bodin, Niels Borne, Laura Desideri

Exo7
10 Dérivée d’une fonction
1 Dérivée
2 Calcul des dérivées
3 Extremum local, théorème de Rolle
4 Théorème des accroissements nis
Vidéo ■ partie 1. Définition

Vidéo ■ partie 2. Calculs
Vidéo ■ partie 3. Extremum local, théorème de Rolle
Vidéo ■ partie 4. Théorème des accroissements finis
Exercices Fonctions dérivables
Motivation
p
Nous souhaitons calculer 1, 01 ou du moins en trouver une valeur approchée. Comme 1, 01 est
p p
proche de 1 et que 1 = 1 on se doute bien que 1, 01 sera proche de 1. Peut-on être plus précis ?
p
Si l’on appelle f la fonction définie par f (x) = x, alors la fonction f est une fonction continue en
x0 = 1. La continuité nous affirme que pour x suffisamment proche de x0 , f (x) est proche de f (x0 ).
Cela revient à dire que pour x au voisinage de x0 on approche f (x) par la constante f (x0 ).
y = (x − 1) 12 + 1
p
y= x
y=1
1
0 1 x
Nous pouvons faire mieux qu’approcher notre fonction par une droite horizontale ! Essayons avec
une droite quelconque. Quelle droite se rapproche le plus du graphe de f autour de x0 ? Elle
doit passer par le point (x0 , f (x0 )) et doit «coller» le plus possible au graphe : c’est la tangente au
graphe en x0 . Une équation de la tangente est
y = (x − x0 ) f 0 (x0 ) + f (x0 )
où f 0 (x0 ) désigne le nombre dérivé de f en x0 .

p 1
On sait que pour f (x) = x, on a f 0 (x) = 2p x
. Une équation de la tangente en x0 = 1 est donc
y = (x − 1) 12 + 1. Et donc pour x proche de 1 on a f (x) ≈ (x − 1) 12 + 1. Qu’est ce que cela donne
Dérivée d’une fonction 160
p 0,01
pour notre calcul de 1, 01 ? On pose x = 1, 01 donc f (x) ≈ 1 + 12 (x − 1) = 1 + 2 = 1, 005. Et c’est
p
effectivement une très bonne de approximation de 0, 01 = 1, 00498 . . .. En posant h = x − 1 on peut
p
reformuler notre approximation en : 1 + h ≈ 1 + 21 h qui est valable pour h proche de 0.
Dans ce chapitre nous allons donc définir ce qu’est la dérivée d’une fonction, et établir les formules
des dérivées des fonctions usuelles. Enfin, pour connaître l’erreur des approximations, il nous
faudra travailler beaucoup plus afin d’obtenir le théorème des accroissements finis.
1. Dérivée
1.1. Dérivée en un point
Soit I un intervalle ouvert de R et f : I → R une fonction. Soit x0 ∈ I.
Définition 59
f ( x )− f ( x )
f est dérivable en x0 si le taux d’accroissement x− x0 0 a une limite finie lorsque x tend
vers x0 . La limite s’appelle alors le nombre dérivé de f en x0 et est noté f 0 (x0 ). Ainsi
f (x) − f (x0 )
f 0 (x0 ) = lim
x→ x0 x − x0
Définition 60
f est dérivable sur I si f est dérivable en tout point x0 ∈ I. La fonction x 7→ f 0 (x) est la
df
fonction dérivée de f , elle se note f 0 ou dx .
Exemple 101
La fonction définie par f (x) = x2 est dérivable en tout point x0 ∈ R. En effet :

2 2
f (x) − f (x0 ) x − x0 (x − x0 )(x + x0 )
= = = x + x0 −−−−→ 2x0 .
x − x0 x − x0 x − x0 x→ x0
On a même montré que le nombre dérivé de f en x0 est 2x0 , autrement dit : f 0 (x) = 2x.
Exemple 102
Montrons que la dérivée de f (x) = sin x est f 0 (x) = cos x. Nous allons utiliser les deux assertions
suivantes :
sin x p−q p+q
−−−→ 1 et sin p − sin q = 2 sin · cos .
x x→0 2 2
f ( x)− f (0) sin x
Remarquons déjà que la première assertion prouve x−0 = x → 1 et donc f est dérivable
en x0 = 0 et f 0 (0) = 1.
Pour x0 quelconque on écrit :
x− x
f (x) − f (x0 ) sin x − sin x0 sin 2 0 x + x0
= = x− x0 · cos .
x − x0 x − x0 2
2
Lorsque x → x0 alors d’une part cos x+2x0 → cos x0 et d’autre part en posant u = x− x0
2 alors u → 0
f ( x )− f ( x )
et on a sinu u → 1. Ainsi x− x0 0 → cos x0 et donc f 0 (x) = cos x.
1.2. Tangente
f ( x )− f ( x )
La droite qui passe par les points distincts (x0 , f (x0 )) et (x, f (x)) a pour coefficient directeur x− x0 0 .
À la limite on trouve que le coefficient directeur de la tangente est f 0 (x0 ). Une équation de la
tangente au point (x0 , f (x0 )) est donc :
y = (x − x0 ) f 0 (x0 ) + f (x0 )
M0
x0 x
1.3. Autres écritures de la dérivée

Voici deux autres formulations de la dérivabilité de f en x0 .
Proposition 69
f (x0 + h) − f (x0 )
– f est dérivable en x0 si et seulement si lim existe et est finie.
h→0 h
– f est dérivable en x0 si et seulement s’il existe ` ∈ R (qui sera f 0 (x0 )) et une fonction
ε : I → R telle que ε(x) −−−−→ 0 avec
x → x0
f (x) = f (x0 ) + (x − x0 )` + (x − x0 )ε(x).
Démonstration
Il s’agit juste de reformuler la définition de f 0 ( x0 ). Par exemple, après division par x − x0 , la deuxième
écriture devient
f ( x) − f ( x0 )
= ` + ε( x).
x − x0
Proposition 70
Soit I un intervalle ouvert, x0 ∈ I et soit f : I → R une fonction.

– Si f est dérivable en x0 alors f est continue en x0 .
– Si f est dérivable sur I alors f est continue sur I.
Démonstration
Supposons f dérivable en x0 et montrons qu’elle est aussi continue en ce point.

Voici une démonstration concise : partant de l’écriture alternative donnée dans la proposition 69,
nous écrivons
f ( x) = f ( x0 ) + ( x − x0 )` + ( x − x0 )ε( x) .
| {z } | {z }
→0 →0
Donc f ( x) → f ( x0 ) lorsque x → x0 et ainsi f est continue en x0 .
On reprend cette démonstration sans utiliser les limites mais uniquement la définition de continuité
et dérivabilité :
Fixons ε0 > 0 et écrivons f ( x) = f ( x0 ) + ( x − x0 )` + ( x − x0 )ε( x) grâce à la proposition 69, où ε( x) −−−−→ 0
x → x0
et ` = f 0 ( x0 ). Choisissons δ > 0 de sorte qu’il vérifie tous les points suivants :
– δÉ1
– δ|`| < ε0
– si | x − x0 | < δ alors |ε( x)| < ε0 (c’est possible car ε( x) → 0)
Alors l’égalité ci-dessus devient :
¯ f ( x) − f ( x0 )¯ = ¯( x − x0 )` + ( x − x0 )ε( x)¯
¯ ¯ ¯ ¯
É | x − x0 | · |`| + | x − x0 | · |ε( x)|

É δ| ` | + δε0 pour | x − x0 | < δ
0 0 0
É ε + ε = 2ε
Nous venons de prouver que si | x − x0 | < δ alors ¯ f ( x) − f ( x0 )¯ < 2ε0 , ce qui exprime exactement que
¯ ¯
f est continue en x0 .
Remarque
La réciproque est fausse : par exemple, la fonction valeur absolue est continue en 0 mais
n’est pas dérivable en 0.
y
y = | x|
0 1 x
En effet, le taux d’accroissement de f (x) = | x| en x0 = 0 vérifie :


f (x) − f (0) | x| +1 si x > 0
= = .
x−0 x −1 si x < 0
Il y a bien une limite à droite (qui vaut +1), une limite à gauche (qui vaut −1) mais elles ne
sont pas égales : il n’y a pas de limite en 0. Ainsi f n’est pas dérivable en x = 0.
Cela se lit aussi sur le dessin il y a une demi-tangente à droite, une demi-tangente à gauche
mais elles ont des directions différentes.
Mini-exercices
1. Montrer que la fonction f (x) = x3 est dérivable en tout point x0 ∈ R et que f 0 (x0 ) = 3x02 .
p
2. Montrer que la fonction f (x) = x est dérivable en tout point x0 > 0 et que f 0 (x0 ) = 2p1x .
0
p
3. Montrer que la fonction f (x) = x (qui est continue en x0 = 0) n’est pas dérivable en
x0 = 0.
4. Calculer l’équation de la tangente (T0 ) à la courbe d’équation y = x3 − x2 − x au point
d’abscisse x0 = 2. Calculer x1 afin que la tangente (T1 ) au point d’abscisse x1 soit paral-
lèle à (T0 ).
5. Montrer que si une fonction f est paire et dérivable, alors f 0 est une fonction impaire.
2. Calcul des dérivées

2.1. Somme, produit,...
Proposition 71
Soient f , g : I → R deux fonctions dérivables sur I. Alors pour tout x ∈ I :

– ( f + g)0 (x) = f 0 (x) + g0 (x),
– (λ f )0 (x) = λ f 0 (x) où λ est un réel fixé,
0 0 0
– ³( f ×
´ g) (x) = f (x)g(x) + f (x)g (x),
0 f 0 ( x)
1
– f (x) = − f ( x)2 (si f (x) 6= 0),
³ ´0
f f 0 ( x ) g ( x )− f ( x ) g 0 ( x )
– g (x) = g ( x )2
(si g(x) 6= 0).
Remarque
Il est plus facile de mémoriser les égalités de fonctions :

µ ¶0 µ ¶0
0 0 0 0 0 0 0 0 1 f0 f f 0 g − f g0
( f + g) = f + g , (λ f ) = λ f , ( f × g) = f g + f g , =− 2, = .
f f g g2
Démonstration
Prouvons par exemple ( f × g)0 = f 0 g + f g0 .

Fixons x0 ∈ I . Nous allons réécrire le taux d’accroissement de f ( x) × g( x) :
f ( x) g( x) − f ( x0 ) g( x0 ) f ( x) − f ( x0 ) g ( x ) − g ( x0 )
= g ( x) + f ( x0 ) −−−−→ f 0 ( x0 ) g( x0 ) + g0 ( x0 ) f ( x0 ).
x − x0 x − x0 x − x0 x → x0
Ceci étant vrai pour tout x0 ∈ I la fonction f × g est dérivable sur I de dérivée f 0 g + f g0 .
2.2. Dérivée de fonctions usuelles

Le tableau de gauche est un résumé des principales formules à connaître, x est une variable. Le
tableau de droite est celui des compositions (voir paragraphe suivant), u représente une fonction
x 7→ u(x).
Fonction Dérivée Fonction Dérivée

xn nx n−1 (n ∈ Z) un nu0 u n−1 (n ∈ Z)
0
1
x − x12 1
u − uu2
p 1 p1 p 1pu0
x 2 x u 2 u
xα α xα−1 (α ∈ R) uα α u0 uα−1 (α ∈ R)
ex ex eu u0 e u
1 u0
ln x x ln u u
cos x − sin x cos u − u0 sin u

sin x cos x sin u u0 cos u
1 u0
tan x 1 + tan2 x = cos2 x
tan u u0 (1 + tan2 u) = cos2 u
Remarque
p
– Notez que les formules pour x n , 1x x et xα sont aussi des conséquences de la dérivée
de l’exponentielle. Par exemple xα = eα ln x et donc
d α d α ln x 1 1
(x ) = (e ) = α eα ln x = α xα = α xα−1 .
dx dx x x
– Si vous devez dériver une fonction avec un exposant dépendant de x il faut absolument
repasser à la forme exponentielle. Par exemple si f (x) = 2 x alors on réécrit d’abord
f (x) = e x ln 2 pour pouvoir calculer f 0 (x) = ln 2 · e x ln 2 = ln 2 · 2 x .
2.3. Composition
Proposition 72
Si f est dérivable en x et g est dérivable en f (x) alors g ◦ f est dérivable en x de dérivée :

¢0
g ◦ f (x) = g0 f (x) · f 0 (x)
¡ ¡ ¢
Démonstration
La preuve est similaire à celle ci-dessus pour le produit en écrivant cette fois :
¡ ¢ ¡ ¢
g ◦ f ( x ) − g ◦ f ( x0 ) g f ( x ) − g f ( x0 ) f ( x) − f ( x0 )
−−−−→ g0 f ( x0 ) × f 0 ( x0 ).
¡ ¢
= ×
x − x0 f ( x) − f ( x0 ) x − x0 x → x0
Exemple 103
1
Calculons la dérivée de ln(1 + x2 ). Nous avons g(x) = ln(x) avec g0 (x) = x ; et f (x) = 1 + x2 avec
f 0 (x) = 2x. Alors la dérivée de ln(1 + x2 ) = g ◦ f (x) est
¢0 2x
g ◦ f (x) = g0 f (x) · f 0 (x) = g0 1 + x2 · 2x =
¡ ¡ ¢ ¡ ¢
.
1 + x2
Corollaire 13
Soit I un intervalle ouvert. Soit f : I → J dérivable et bijective dont on note f −1 : J → I la

bijection réciproque. Si f 0 ne s’annule pas sur I alors f −1 est dérivable et on a pour tout x ∈ J
:
¢0 1
f −1 (x) =
¡
f −1 (x)
¡ ¢
f0
Démonstration
Notons g = f −1 la bijection réciproque de f . Soit y0 ∈ J et x0 ∈ I tel que y0 = f ( x0 ). Le taux d’accrois-

sement de g en y0 est :
g( y) − g( y0 ) g( y) − x0
= ¡ ¢
y − y0 f g( y) − f ( x0 )
1
Lorsque y → y0 alors g( y) → g( y0 ) = x0 et donc ce taux d’accroissement tend vers f 0 ( x0 ) . Ainsi
0 1
g ( y0 ) = f 0 ( x0 ) .
Remarque
Il peut être plus simple de retrouver la formule à chaque fois en dérivant l’égalité
¡ ¢
f g(x) = x
où g = f −1 est la bijection réciproque de f .

En effet à droite la dérivée de x est 1 ; à gauche la dérivée de f g(x) = f ◦ g(x) est f 0 g(x) · g0 (x).
¡ ¢ ¡ ¢
¡ ¢
L’égalité f g(x) = x conduit donc à l’égalité des dérivées :
f 0 g(x) · g0 (x) = 1.
¡ ¢
Mais g = f −1 donc
¢0 1
f −1 (x) =
¡
¢.
f −1 (x)
¡
f0
Exemple 104
Soit f : R → R la fonction définie par f (x) = x + exp(x). Étudions f en détail.

Tout d’abord :
1. f est dérivable car f est la somme de deux fonctions dérivables. En particulier f est
continue.
2. f est strictement croissante car f est la somme de deux fonctions strictement croissante.
3. f est une bijection car lim x→−∞ f (x) = −∞ et lim x→+∞ f (x) = +∞.
4. f 0 (x) = 1 + exp(x) ne s’annule jamais (pour tout x ∈ R).
Notons g = f −1 la bijection réciproque de f . Même si on ne sait pas a priori exprimer g, on

peut malgré tout connaître des informations sur cette fonction : par le corollaire ci-dessus g
est dérivable et l’on calcule g0 en dérivant l’égalité f g(x) = x. Ce qui donne f 0 g(x) · g0 (x) = 1
¡ ¢ ¡ ¢
et donc ici
1 1
g0 (x) = ¡ ¢= ¡ ¢.
f0 g(x) 1 + exp g(x)
¡ ¢
Pour cette fonction f particulière on peut préciser davantage : comme f g(x) = x alors
¡ ¢ ¡ ¢
g(x) + exp g(x) = x donc exp g(x) = x − g(x). Cela conduit à :
1
g0 (x) = .
1 + x − g(x)
y
y = x + exp(x)
y=x
y = 12 (x − 1)
1 y = g(x)
0 1 x
¢0
Par exemple f (0) = 1 donc g(1) = 0 et donc g0 (1) = 12 . Autrement dit f −1 (1) = 12 . L’équation
¡
de la tangente au graphe de f −1 au point d’abscisse x0 = 1 est donc y = 12 (x − 1).
2.4. Dérivées successives

Soit f : I → R une fonction dérivable et soit f 0 sa dérivée. Si la fonction f 0 : I → R est aussi dérivable
on note f 00 = ( f 0 )0 la dérivée seconde de f . Plus généralement on note :
¢0
f (0) = f , f (1) = f 0 , f (2) = f 00 f (n+1) = f (n)
¡
et
Si la dérivée n-ième f (n) existe on dit que f est n fois dérivable.
Théorème 25. Formule de Leibniz
Ã ! Ã !
¢(n) ( n) n (n−1) (1) n ( n− k ) ( k )
· g + · · · + f · g ( n)
¡
f ·g =f · g+ f · g +···+ f
1 k
Autrement dit : Ã !
¢(n) n n
f ( n− k ) · g ( k ) .
¡ X
f ·g =
k=0 k
La démonstration est similaire à celle de la formule du binôme de Newton et les coefficients que
l’on obtient sont les mêmes.
Exemple 105
– Pour n = 1 on retrouve ( f · g)0 = f 0 g + f g0 .

– Pour n = 2, on a ( f · g)00 = f 00 g + 2 f 0 g0 + f g00 .
Exemple 106
Calculons les dérivées n-ième de exp(x) · (x2 + 1) pour tout n Ê 0. Notons f (x) = exp(x) alors
f 0 (x) = exp(x), f 00 (x) = exp(x),..., f (k) (x) = exp(x). Notons g(x) = x2 + 1 alors g0 (x) = 2x, g00 (x) = 2
et pour k Ê 3, g(k) (x) = 0.
Appliquons la formule de Leibniz :
Ã ! Ã ! Ã !
¢(n) ( n) n (n−1) (1) n (n−2) (2) n (n−3)
(x) · g(3) (x) +· · ·
¡
f · g (x) = f (x) · g(x) + f (x) · g (x) + f (x) · g (x) + f
1 2 3
On remplace f (k) (x) = exp(x) et on sait que g(3) (x), g(4) (x) = 0,. . . Donc cette somme ne contient
que les trois premiers termes :
Ã ! Ã !
¢(n) n n
f · g (x) = exp(x) · (x2 + 1) +
¡
exp(x) · 2x + exp(x) · 2.
1 2
Que l’on peut aussi écrire :
¢(n) ³ n(n − 1) ´
(x) = exp(x) · x2 + 2nx +
¡
f ·g +1 .
2
Mini-exercices
1. Calculer les dérivées des fonctions suivantes : f 1 (x) = x ln x, f 2 (x) = sin 1x , f 3 (x) =
p p ¢1
x 3
1 + 1 + x2 , f 4 (x) = ln( 11+ , f 5 (x) = x x , f 6 (x) = arctan x + arctan 1x .
¡
−x )
f0
2. On note ∆( f ) = f . Calculer ∆( f × g).
3. Soit f :]1, +∞[→] − 1, +∞[ définie par f (x) = x ln(x) − x. Montrer que f est une bijection.
Notons g = f −1 . Calculer g(0) et g0 (0).
4. Calculer les dérivées successives de f (x) = ln(1 + x).
5. Calculer les dérivées successives de f (x) = ln(x) · x3 .
3. Extremum local, théorème de Rolle

3.1. Extremum local
Soit f : I → R une fonction définie sur un intervalle I.
Définition 61
– On dit que x0 est un point critique de f si f 0 (x0 ) = 0.

– On dit que f admet un maximum local en x0 (resp. un minimum local en x0 ) s’il
existe un intervalle ouvert J contenant x0 tel que
pour tout x ∈ I ∩ J f (x) É f (x0 )
(resp. f (x) Ê f (x0 )).

– On dit que f admet un extremum local en x0 si f admet un maximum local ou un
minimum local en ce point.
maximum global
minimums locaux maximums locaux
x
I
Dire que f a un maximum local en x0 signifie que f (x0 ) est la plus grande des valeurs f (x) pour les
x proches de x0 . On dit que f : I → R admet un maximum global en x0 si pour toutes les autres
valeurs f (x), x ∈ I on a f (x) É f (x0 ) (on ne regarde donc pas seulement les f (x) pour x proche de
x0 ). Bien sûr un maximum global est aussi un maximum local, mais la réciproque est fausse.
Théorème 26
Soit I un intervalle ouvert et f : I → R une fonction dérivable. Si f admet un maximum local

(ou un minimum local) en x0 alors f 0 (x0 ) = 0.
En d’autres termes, un maximum local (ou un minimum local) x0 est toujours un point critique.
Géométriquement, au point (x0 , f (x0 )) la tangente au graphe est horizontale.
y
x
I
Exemple 107
Étudions les extremums de la fonction f λ définie par f λ (x) = x3 + λ x en fonction du paramètre

λ ∈ R. La dérivée est f λ0 (x) = 3x2 + λ. Si x0 est un extremum local alors f λ0 (x0 ) = 0.
– Si λ > 0 alors f λ0 (x) > 0 et ne s’annule jamais il n’y a pas de points critiques donc pas
non plus d’extremums. En anticipant sur la suite : f λ est strictement croissante sur R.
– Si λ = 0 alors f λ0 (x) = 3x2 . Le seul point critique est x0 = 0. Mais ce n’est ni un maximum
local, ni un minimum local. En effet si q x < 0, f 0 (x)
q< 0¢= f 0 (0) et si x > 0, f 0 (x) > 0 = f 0 (0).
– Si λ < 0 alors f λ (x) = 3x − |λ| = 3 x + 3 x − |λ3| . Il y a deux points critiques x1 =
0 2 |λ| ¢¡
¡
q q
− |λ3| et x2 = + |λ3| . En anticipant sur la suite : f λ0 (x) > 0 sur ] − ∞, x1 [ et ]x2 , +∞[ et
f λ0 (x) < 0 sur ]x1 , x2 [. Maintenant f λ est croissante sur ] − ∞, x1 [, puis décroissante sur
]x1 , x2 [, donc x1 est un maximum local. D’autre part f λ est décroissante sur ]x1 , x2 [ puis
croissante sur ]x2 , +∞[ donc x2 est un minimum local.
x2
x1
λ>0 λ=0 λ<0
Remarque
1. La réciproque du théorème 26 est fausse. Par exemple la fonction f : R → R, définie par

f (x) = x3 vérifie f 0 (0) = 0 mais x0 = 0 n’est ni maximum local ni un minimum local.
2. L’intervalle du théorème 26 est ouvert. Pour le cas d’un intervalle fermé, il faut faire
attention aux extrémités. Par exemple si f : [a, b] → R est une fonction dérivable qui
admet un extremum en x0 , alors on est dans l’une des situations suivantes :
– x0 = a,
– x0 = b,
– x0 ∈]a, b[ et dans ce cas on a bien f 0 (x0 ) = 0 par le théorème 26.
Aux extrémités on ne peut rien dire pour f 0 (a) et f 0 (b), comme le montre les différents
maximums sur les dessins suivants.
x0 I a I
I b
3. Pour déterminer max[a,b] f et min[a,b] f (où f : [a, b] → R est une fonction dérivable) il
faut comparer les valeurs de f aux différents points critiques et en a et en b.
Supposons que x0 soit un maximum local de f , soit donc J l’intervalle ouvert de la définition
contenant x0 tel que pour tout x ∈ I ∩ J on a f ( x) É f ( x0 ).
f ( x)− f ( x )
– Pour x ∈ I ∩ J tel que x < x0 on a f ( x) − f ( x0 ) É 0 et x − x0 < 0 donc x− x0 0 Ê 0 et donc à la
f ( x )− f ( x0 )
limite lim x→ x0− x − x0 Ê 0.
f ( x)− f ( x0 )
– Pour x ∈ I ∩ J tel que x > x0 on a f ( x) − f ( x0 ) É 0 et x − x0 > 0 donc x − x0 É 0 et donc à la
f ( x )− f ( x0 )
limite lim x→ x+ É 0.
x − x0
0
Or f est dérivable en x0 donc
f ( x) − f ( x0 ) f ( x ) − f ( x0 )
lim = lim = f 0 ( x0 ).
x→ x0− x − x0 +
x → x0 x − x0
La première limite est positive, la seconde est négative, la seule possibilité est que f 0 ( x0 ) = 0.
3.2. Théorème de Rolle
Théorème 27. Théorème de Rolle
Soit f : [a, b] → R telle que

– f est continue sur [a, b],
– f est dérivable sur ]a, b[,
– f (a) = f (b).
Alors il existe c ∈]a, b[ tel que f 0 (c) = 0.
f (a) = f (b)
a c b
Interprétation géométrique : il existe au moins un point du graphe de f où la tangente est

horizontale.
Démonstration
Tout d’abord, si f est constante sur [a, b] alors n’importe quel c ∈]a, b[ convient. Sinon il existe x0 ∈
[a, b] tel que f ( x0 ) 6= f (a). Supposons par exemple f ( x0 ) > f (a). Alors f est continue sur l’intervalle
fermé et borné [a, b], donc elle admet un maximum en un point c ∈ [a, b]. Mais f ( c) Ê f ( x0 ) > f (a)
donc c 6= a. De même comme f (a) = f ( b) alors c 6= b. Ainsi c ∈]a, b[. En c, f est donc dérivable et
admet un maximum (local) donc f 0 ( c) = 0.
Exemple 108
Soit P(X ) = (X − α1 )(X − α2 ) · · · (X − αn ) un polynôme ayant n racines réelles différentes :

α1 < α2 < · · · < αn .
1. Montrons que P 0 a n − 1 racines distinctes.

On considère P comme une fonction polynomiale x 7→ P(x). P est une fonction continue
et dérivable sur R. Comme P(α1 ) = 0 = P(α2 ) alors par le théorème de Rolle il existe
c 1 ∈]α1 , α2 [ tel que P 0 (c 1 ) = 0. Plus généralement, pour 1 É k É n − 1, comme P(αk ) =
0 = P(αk+1 ) alors le théorème de Rolle implique l’existence de c k ∈]αk , αk+1 [ tel que
P 0 (c k ) = 0. Nous avons bien trouvé n − 1 racines de P 0 : c 1 < c 2 < · · · < c n−1 . Comme P 0
est un polynôme de degré n − 1, toutes ses racines sont réelles et distinctes.
2. Montrons que P + P 0 a n − 1 racines distinctes.
L’astuce consiste à considérer la fonction auxiliaire f (x) = P(x) exp x. f est une fonction
continue et dérivable sur R. f s’annule comme P en α1 , . . . , αn .
La dérivée de f est f 0 (x) = P(x)+ P 0 (x) exp x. Donc par le théorème de Rolle, pour chaque
¡ ¢
1 É k É n − 1, comme f (αk ) = 0 = f (αk+1 ) alors il existe γk ∈]αk , αk+1 [ tel que f 0 (γk ) = 0.
Mais comme la fonction exponentielle ne s’annule jamais alors (P + P 0 )(γk ) = 0. Nous
avons bien trouvé n − 1 racines distinctes de P + P 0 : γ1 < γ2 < · · · < γn−1 .
3. Déduisons-en que P + P 0 a toutes ses racines réelles.
P + P 0 est un polynôme à coefficients réels qui admet n − 1 racines réelles. Donc (P +
P 0 )(X ) = (X − γ1 ) · · · (X − γn−1 )Q(X ) où Q(x) = X − γn est un polynôme de degré 1. Comme
P + P 0 est à coefficients réels et que les γ i sont aussi réels, ainsi γn ∈ R. Ainsi on a obtenu
une n-ième racine réelle γn (pas nécessairement distincte des autres γ i ).
Mini-exercices
1. Dessiner le graphe de fonctions vérifiant : f 1 admet deux minimums locaux et un

maximum local ; f 2 admet un minimum local qui n’est pas global et un maximum local
qui est global ; f 3 admet une infinité d’extremum locaux ; f 4 n’admet aucun extremum
local.
2. Calculer en quel point la fonction f (x) = ax2 + bx + c admet un extremum local.
3. Soit f : [0, 2] → R une fonction deux fois dérivable telle que f (0) = f (1) = f (2) = 0. Montrer
qu’il existe c 1 , c 2 tels que f 0 (c 1 ) = 0 et f 0 (c 2 ) = 0. Montrer qu’il existe c 3 tel que f 00 (c 3 ) = 0.
4. Montrer que chacune des trois hypothèses du théorème de Rolle est nécessaire.
4. Théorème des accroissements finis

4.1. Théorème des accroissements finis
Théorème 28. Théorème des accroissements finis
Soit f : [a, b] → R une fonction continue sur [a, b] et dérivable sur ]a, b[. Il existe c ∈]a, b[ tel
que
f (b) − f (a) = f 0 (c) (b − a)
a c b
Interprétation géométrique : il existe au moins un point du graphe de f où la tangente est parallèle

à la droite (AB) où A = (a, f (a)) et B = (b, f (b)).
Démonstration
f ( b )− f ( a ) f ( b )− f ( a )
Posons ` = b−a et g( x) = f ( x) − ` · ( x − a). Alors g(a) = f (a), g( b) = f ( b) − b−a · ( b − a) = f (a).
Par le théorème de Rolle, il existe c ∈]a, b[ tel que g0 ( c) = 0. Or g0 ( x) = f 0 ( x) − `. Ce qui donne
f ( b)− f (a)
f 0 ( c ) = b−a .
4.2. Fonction croissante et dérivée
Corollaire 14
Soit f : [a, b] → R une fonction continue sur [a, b] et dérivable sur ]a, b[.
1. ∀ x ∈]a, b[ f 0 (x) Ê 0 ⇐⇒ f est croissante ;
0
2. ∀ x ∈]a, b[ f (x) É 0 ⇐⇒ f est décroissante ;
3. ∀ x ∈]a, b[ f 0 (x) = 0 ⇐⇒ f est constante ;
4. ∀ x ∈]a, b[ f 0 (x) > 0 =⇒ f est strictement croissante ;
0
5. ∀ x ∈]a, b[ f (x) < 0 =⇒ f est strictement décroissante.
Remarque
La réciproque au point (4) (et aussi au (5)) est fausse. Par exemple la fonction x 7→ x3 est
strictement croissante et pourtant sa dérivée s’annule en 0.
Démonstration
Prouvons par exemple (1).

Sens =⇒. Supposons d’abord la dérivée positive. Soient x, y ∈]a, b[ avec x É y. Alors par le théorème
des accroissements finis, il existe c ∈] x, y[ tel que f ( x) − f ( y) = f 0 ( c)( x − y). Mais f 0 ( c) Ê 0 et x − y É
0 donc f ( x) − f ( y) É 0. Cela implique que f ( x) É f ( y). Ceci étant vrai pour tout x, y alors f est
croissante.
Sens ⇐=. Réciproquement, supposons que f est croissante. Fixons x ∈]a, b[. Pour tout y > x nous
f ( y)− f ( x )
avons y − x > 0 et f ( y) − f ( x) Ê 0, ainsi le taux d’accroissement vérifie y− x Ê 0. À la limite, quand
y → x, ce taux d’accroissement tend vers la dérivée de f en x et donc f 0 ( x) Ê 0.
4.3. Inégalité des accroissements finis
Corollaire 15. Inégalité des accroissements finis
Soit f : I → R une fonction dérivable sur un intervalle I ouvert. S’il existe une constante M
tel que pour tout x ∈ I, ¯ f 0 (x)¯ É M alors
¯ ¯
¯ ¯
∀ x, y ∈ I ¯ f (x) − f (y)¯ É M | x − y|
Démonstration
Fixons x, y ∈ I , il existe alors c ∈] x, y[ ou ] y, x[ tel que f ( x) − f ( y) = f 0 ( c)( x − y) et comme | f 0 ( c)| É M

¯ ¯
alors ¯ f ( x) − f ( y)¯ É M | x − y|.
Exemple 109
Soit f (x) = sin(x). Comme f 0 (x) = cos x alors | f 0 (x)| É 1 pour tout x ∈ R. L’inégalité des accrois-
sements finis s’écrit alors :
pour tous x, y ∈ R | sin x − sin y| É | x − y|.
En particulier si l’on fixe y = 0 alors on obtient
| sin x| É | x|
ce qui est particulièrement intéressant pour x proche de 0.
y=x
y
y = sin x
x
y = − sin x
y = −x
4.4. Règle de l’Hospital
Corollaire 16. Règle de l’Hospital
Soient f , g : I → R deux fonctions dérivables et soit x0 ∈ I. On suppose que

– f (x0 ) = g(x0 ) = 0,
– ∀ x ∈ I \ { x0 } g0 (x) 6= 0.
f 0 (x) f (x)
Si lim =` (∈ R) alors lim = `.
x→ x0 g0 (x) x→ x0 g(x)
Démonstration
Fixons a ∈ I \ { x0 } avec par exemple a < x0 . Soit h : I → R définie par h( x) = g(a) f ( x) − f (a) g( x). Alors
– h est continue sur [a, x0 ] ⊂ I ,
– h est dérivable sur ]a, x0 [,
– h( x0 ) = h(a) = 0.
Donc par le théorème de Rolle il existe c a ∈]a, x0 [ tel que h0 ( c a ) = 0.
Or h0 ( x) = g(a) f 0 ( x) − f (a) g0 ( x) donc g(a) f 0 ( c a ) − f (a) g0 ( c a ) = 0. Comme g0 ne s’annule pas sur I \{ x0 }
f ( a) f 0 (c )
cela conduit à g(a) = g0 ( c a ) . Comme a < c a < x0 lorsque l’on fait tendre a vers x0 on obtient c a → x0 .
a
Cela implique
f ( a) f 0(ca) f 0(ca)
lim = lim 0 = lim 0 = `.
a→ x0 g(a) a → x0 g ( c a ) c a → x0 g ( c a )
Exemple 110
2
Calculer la limite en 1 de ln( xln(+xx)−1) . On vérifie que :
– f (x) = ln(x2 + x − 1), f (1) = 0, f 0 (x) = x22+x+x−11 ,
– g(x) = ln(x), g(1) = 0, g0 (x) = 1x ,
– Prenons I =]0, 1], x0 = 1, alors g0 ne s’annule pas sur I \ { x0 }.
f 0 (x) 2x + 1 2x2 + x
= × x = −−−→ 3.
g0 (x) x2 + x − 1 x2 + x − 1 x→1
Donc
f (x)
−−−→ 3.
g(x) x→1
Mini-exercices
3 2
1. Soit f (x) = x3 + x2 − 2x + 2. Étudier la fonction f . Tracer son graphe. Montrer que f
admet un minimum local et un maximum local.
p
2. Soit f (x) = x. Appliquer le théorème des accroissements finis sur l’intervalle [100, 101].
1
p 1
En déduire l’encadrement 10 + 22 É 101 É 10 + 20 .
1
3. Appliquer le théorème des accroissements finis pour montrer que ln(1 + x) − ln(x) < x
(pour tout x > 0).
4. Soit f (x) = e x . Que donne l’inégalité des accroissements finis sur [0, x] ?
5. Appliquer la règle de l’Hospital pour calculer les limites suivantes (quand x → 0) :
x ln(x + 1) 1 − cos x x − sin x

n
; p ; ; .
(1 + x) − 1 x tan x x3
Auteurs
Arnaud Bodin
Niels Borne
Laura Desideri
Exo7
11 Zéros des fonctions
1 La dichotomie
2 La méthode de la sécante
3 La méthode de Newton
Vidéo ■ partie 1. La dichotomie

Vidéo ■ partie 2. La méthode de la sécante
Vidéo ■ partie 3. La méthode de Newton
Dans ce chapitre nous allons appliquer toutes les notions précédentes sur les suites et les fonctions,
à la recherche des zéros des fonctions. Plus précisément, nous allons voir trois méthodes afin de
trouver des approximations des solutions d’une équation du type ( f (x) = 0).
1. La dichotomie
1.1. Principe de la dichotomie
Le principe de dichotomie repose sur la version suivante du théorème des valeurs intermé-
diaires :
Théorème 29
Si f (a) · f (b) É 0, alors il existe ` ∈ [a, b] tel que f (`) = 0.
La condition f (a) · f (b) É 0 signifie que f (a) et f (b) sont de signes opposés (ou que l’un des deux est
nul). L’hypothèse de continuité est essentielle !
y y
f (b) > 0
f (a) > 0
a ` b b
x a ` x
f (a) < 0
f (b) < 0
Ce théorème affirme qu’il existe au moins une solution de l’équation ( f (x) = 0) dans l’intervalle
[a, b]. Pour le rendre effectif, et trouver une solution (approchée) de l’équation ( f (x) = 0), il s’agit
maintenant de l’appliquer sur un intervalle suffisamment petit. On va voir que cela permet d’obte-
nir un ` solution de l’équation ( f (x) = 0) comme la limite d’une suite.
Zéros des fonctions 177
Voici comment construire une suite d’intervalles emboîtés, dont la longueur tend vers 0, et conte-
nant chacun une solution de l’équation ( f (x) = 0).
On part d’une fonction f : [a, b] → R continue, avec a < b, et f (a) · f (b) É 0.
Voici la première étape de la construction : on regarde le signe de la valeur de la fonction f
appliquée au point milieu a+2 b .
– Si f (a) · f ( a+2 b ) É 0, alors il existe c ∈ [a, a+2 b ] tel que f (c) = 0.
– Si f (a) · f ( a+2 b ) > 0, cela implique que f ( a+2 b ) · f (b) É 0, et alors il existe c ∈ [ a+2 b , b] tel que
f (c) = 0.
y
y
a+b
a 2
b x
f ( a+ b
2 )>0 f ( a+ b
2 )<0
a
a+b b x
2
Nous avons obtenu un intervalle de longueur moitié dans lequel l’équation ( f (x) = 0) admet une
solution. On itère alors le procédé pour diviser de nouveau l’intervalle en deux.
Voici le processus complet :
– Au rang 0 :
On pose a 0 = a, b 0 = b. Il existe une solution x0 de l’équation ( f (x) = 0) dans l’intervalle
[a 0 , b 0 ].
– Au rang 1 :
– Si f (a 0 ) · f ( a0 +2 b0 ) É 0, alors on pose a 1 = a 0 et b 1 = a0 +2 b0 ,
– sinon on pose a 1 = a0 +2 b0 et b 1 = b.
– Dans les deux cas, il existe une solution x1 de l’équation ( f (x) = 0) dans l’intervalle [a 1 , b 1 ].
– ...
– Au rang n : supposons construit un intervalle [a n , b n ], de longueur b2−na , et contenant une
solution xn de l’équation ( f (x) = 0). Alors :
– Si f (a n ) · f ( a n +2 b n ) É 0, alors on pose a n+1 = a n et b n+1 = a n +2 b n ,
– sinon on pose a n+1 = a n +2 b n et b n+1 = b n .
– Dans les deux cas, il existe une solution xn+1 de l’équation ( f (x) = 0) dans l’intervalle
[a n+1 , b n+1 ].
À chaque étape on a
a n É xn É b n .
On arrête le processus dès que b n − a n = b2−na est inférieur à la précision souhaitée.
Comme (a n ) est par construction une suite croissante, (b n ) une suite décroissante, et (b n − a n ) → 0
lorsque n → +∞, les suites (a n ) et (b n ) sont adjacentes et donc elles admettent une même limite.
D’après le théorème des gendarmes, c’est aussi la limite disons ` de la suite (xn ). La continuité de
f montre que f (`) = limn→+∞ f (xn ) = limn→+∞ 0 = 0. Donc les suites (a n ) et (b n ) tendent toutes les
deux vers `, qui est une solution de l’équation ( f (x) = 0).
p
1.2. Résultats numériques pour 10
p
Nous allons calculer une approximation de 10. Soit la fonction f définie par f (x) = x2 − 10, c’est
p p
une fonction continue sur R qui s’annule en ± 10. De plus 10 est l’unique solution positive de
l’équation ( f (x) = 0). Nous pouvons restreindre la fonction f à l’intervalle [3, 4] : en effet 32 = 9 É 10
p p
donc 3 É 10 et 42 = 16 Ê 10 donc 4 Ê 10. En d’autre termes f (3) É 0 et f (4) Ê 0, donc l’équation
( f (x) = 0) admet une solution dans l’intervalle [3, 4] d’après le théorème des valeurs intermédiaires,
p p
et par unicité c’est 10, donc 10 ∈ [3, 4].
p p
Notez que l’on ne choisit pas pour f la fonction x 7→ x − 10 car on ne connaît pas la valeur de 10.
C’est ce que l’on cherche à calculer !
3 4
x
3.125
3.25
3.5
Voici les toutes premières étapes :
1. On pose a 0 = 3 et b 0 = 4, on a bien f (a 0 ) É 0 et f (b 0 ) Ê 0. On calcule a0 +2 b0 = 3, 5 puis f ( a0 +2 b0 )
p
: f (3, 5) = 3, 52 − 10 = 2, 25 Ê 0. Donc 10 est dans l’intervalle [3; 3, 5] et on pose a 1 = a 0 = 3 et
b 1 = a0 +2 b0 = 3, 5.
2. On sait donc que f (a 1 ) É 0 et f (b 1 ) Ê 0. On calcule f ( a1 +2 b1 ) = f (3, 25) = 0, 5625 Ê 0, on pose
a 2 = 3 et b 2 = 3, 25.
3. On calcule f ( a2 +2 b2 ) = f (3, 125) = −0, 23 . . . É 0. Comme f (b 2 ) Ê 0 alors cette fois f s’annule sur
le second intervalle [ a2 +2 b2 , b 2 ] et on pose a 3 = a2 +2 b2 = 3, 125 et b 3 = b 2 = 3, 25.
p
À ce stade, on a prouvé : 3, 125 É 10 É 3, 25.
Voici la suite des étapes :
a0 = 3 b0 = 4
a1 = 3 b 1 = 3, 5
a2 = 3 b 2 = 3, 25
a 3 = 3, 125 b 3 = 3, 25
a 4 = 3, 125 b 4 = 3, 1875
a 5 = 3, 15625 b 5 = 3, 1875
a 6 = 3, 15625 b 6 = 3, 171875
a 7 = 3, 15625 b 7 = 3, 164062 . . .
a 8 = 3, 16015 . . . b 8 = 3, 164062 . . .
Donc en 8 étapes on obtient l’encadrement :
p
3, 160 É 10 É 3, 165
p
En particulier, on vient d’obtenir les deux premières décimales : 10 = 3, 16 . . .
1.3. Résultats numériques pour (1, 10)1/12

Nous cherchons maintenant une approximation de (1, 10)1/12 . Soit f (x) = x12 − 1, 10. On pose a 0 = 1
et b 0 = 1, 1. Alors f (a 0 ) = −0, 10 É 0 et f (b 0 ) = 2, 038 . . . Ê 0.
a0 = 1 b 0 = 1, 10
a1 = 1 b 1 = 1, 05
a2 = 1 b 2 = 1, 025
a3 = 1 b 3 = 1, 0125
a 4 = 1, 00625 b 4 = 1, 0125
a 5 = 1, 00625 b 5 = 1, 00937 . . .
a 6 = 1, 00781 . . . b 6 = 1, 00937 . . .
a 7 = 1, 00781 . . . b 7 = 1, 00859 . . .
a 8 = 1, 00781 . . . b 8 = 1, 00820 . . .
Donc en 8 étapes on obtient l’encadrement :
1, 00781 É (1, 10)1/12 É 1, 00821
1.4. Calcul de l’erreur

La méthode de dichotomie a l’énorme avantage de fournir un encadrement d’une solution ` de
l’équation ( f (x) = 0). Il est donc facile d’avoir une majoration de l’erreur. En effet, à chaque étape,
la taille l’intervalle contenant ` est divisée par 2. Au départ, on sait que ` ∈ [a, b] (de longueur
b − a) ; puis ` ∈ [a 1 , b 1 ] (de longueur b−2 a ) ; puis ` ∈ [a 2 , b 2 ] (de longueur b−4 a ) ; ... ; [a n , b n ] étant
de longueur b2−na .
Si, par exemple, on souhaite obtenir une approximation de ` à 10− N près, comme on sait que
a n É ` É b n , on obtient |` − a n | É | b n − a n | = b2−na . Donc pour avoir |` − a n | É 10− N , il suffit de choisir
n tel que b2−na É 10− N .
Nous allons utiliser le logarithme décimal :
b−a
É 10− N ⇐⇒ (b − a)10 N É 2n
2n
⇐⇒ log(b − a) + log(10 N ) É log(2n )
⇐⇒ log(b − a) + N É n log 2
N + log(b − a)
⇐⇒ n Ê
log 2
Sachant log 2 = 0, 301 . . ., si par exemple b − a É 1, voici le nombre d’itérations suffisantes pour avoir
une précision de 10− N (ce qui correspond, à peu près, à N chiffres exacts après la virgule).
10−10 (∼ 10 décimales) 34 itérations

Il faut entre 3 et 4 itérations supplémentaires pour obtenir une nouvelle décimale.
Remarque
En toute rigueur il ne faut pas confondre précision et nombre de décimales exactes, par
exemple 0, 999 est une approximation de 1, 000 à 10−3 près, mais aucune décimale après la
virgule n’est exacte. En pratique, c’est la précision qui est la plus importante, mais il est plus
frappant de parler du nombre de décimales exactes.
1.5. Algorithmes
Voici comment implémenter la dichotomie dans le langage Python. Tout d’abord on définit une
fonction f (ici par exemple f (x) = x2 − 10) :
Algorithme . dichotomie.py (1)
def f(x) :
return x*x - 10
Puis la dichotomie proprement dite : en entrée de la fonction, on a pour variables a, b et n le

nombre d’étapes voulues.
def dicho(a,b,n) :
for i in range(n) :
c = (a+b)/2
if f(a)*f(c) <= 0 :
b = c
else :
a = c
return a,b
Même algorithme, mais avec cette fois en entrée la précision souhaitée :

def dichobis(a,b,prec) :
while b-a>prec :
c = (a+b)/2
if f(a)*f(c) <= 0 :
b = c
else :
a = c
return a,b
Enfin, voici la version récursive de l’algorithme de dichotomie.

def dichotomie(a,b,prec) :
if b-a<=prec :
return a,b
else :
c = (a+b)/2
if f(a)*f(c) <= 0 :
return dichotomie(a,c,prec)
else :
return dichotomie(c,b,prec)
Mini-exercices
p p
3
1. À la main, calculer un encadrement à 0, 1 près de 3. Idem avec 2.
2. Calculer une approximation des solutions de l’équation x3 + 1 = 3x.
3. Est-il plus efficace de diviser l’intervalle en 4 au lieu d’en 2 ? (À chaque itération, la
dichotomie classique nécessite l’évaluation de f en une nouvelle valeur a+2 b pour une
précision améliorée d’un facteur 2.)
4. Écrire un algorithme pour calculer plusieurs solutions de ( f (x) = 0).
5. On se donne un tableau trié de taille N, rempli de nombres appartenant à {1, . . . , n}.
Écrire un algorithme qui teste si une valeur k apparaît dans le tableau et en quelle
position.
2. La méthode de la sécante
2.1. Principe de la sécante
L’idée de la méthode de la sécante est très simple : pour une fonction f continue sur un intervalle
[a, b], et vérifiant f (a) É 0, f (b) > 0, on trace le segment [AB] où A = (a, f (a)) et B = (b, f (b)). Si le
segment reste au-dessus du graphe de f alors la fonction s’annule sur l’intervalle [a0 , b] où (a0 , 0)
est le point d’intersection de la droite (AB) avec l’axe des abscisses. La droite (AB) s’appelle la
sécante. On recommence en partant maintenant de l’intervalle [a0 , b] pour obtenir une valeur a00 .
a a0 a00 b
x
A 00
A0
A
Proposition 73
Soit f : [a, b] → R une fonction continue, strictement croissante et convexe telle que f (a) É 0,
f (b) > 0. Alors la suite définie par
b − an
a0 = a et a n+1 = a n − f (a n )
f (b) − f (a n )
est croissante et converge vers la solution ` de ( f (x) = 0).
L’hypothèse f convexe signifie exactement que pour tout x, x0 dans [a, b] la sécante (ou corde)
entre (x, f (x)) et (x0 , f (x0 )) est au-dessus du graphe de f .
(x0 , f (x0 ))
x
x0 x
(x, f (x))
Démonstration
1. Justifions d’abord la construction de la suite récurrente.

L’équation de la droite passant par les deux points (a, f (a)) et ( b, f ( b)) est
f ( b ) − f ( a)
y = ( x − a) + f ( a)
b−a
f ( b )− f ( a )
Cette droite intersecte l’axe des abscisses en (a0 , 0) qui vérifie donc 0 = (a0 − a) b−a + f (a),
donc a0 = a − f (bb)− a
− f (a) f (a).
2. Croissance de (a n ).
Montrons par récurrence que f (a n ) É 0. C’est vrai au rang 0 car f (a 0 ) = f (a) É 0 par hypothèse.
Supposons vraie l’hypothèse au rang n. Si a n+1 < a n (un cas qui s’avérera a posteriori jamais
réalisé), alors comme f est strictement croissante, on a f (a n+1 ) < f (a n ), et en particulier
f (a n+1 ) É 0. Sinon a n+1 Ê a n . Comme f est convexe : la sécante entre (a n , f (a n )) et ( b, f ( b))
est au-dessus du graphe de f . En particulier le point (a n+1 , 0) (qui est sur cette sécante par
définition a n+1 ) est au-dessus du point (a n+1 , f (a n+1 )), et donc f (a n+1 ) É 0 aussi dans ce cas,
ce qui conclut la récurrence.
Comme f (a n ) É 0 et f est croissante, alors par la formule a n+1 = a n − f (bb)− an
− f (a n ) f (a n ), on obtient
que a n+1 Ê a n .
3. Convergence de (a n ).
La suite (a n ) est croissante et majorée par b, donc elle converge. Notons ` sa limite. Par
continuité f (a n ) → f (`). Comme pour tout n, f (a n ) É 0, on en déduit que f (`) É 0. En particu-
lier, comme on suppose f ( b) > 0, on a ` < b. Comme a n → `, a n+1 → `, f (a n ) → f (`), l’égalité
b−`
a n+1 = a n − f (bb)− an
− f (a n ) f (a n ) devient à la limite (lorsque n → +∞) : ` = ` − f ( b)− f (`) f (`), ce qui
implique f (`) = 0.
Conclusion : (a n ) converge vers la solution de ( f ( x) = 0).
p
2.2. Résultats numériques pour 10
Pour a = 3, b = 4, f (x) = x2 − 10 voici les résultats numériques, est aussi indiquée une majoration
p
de l’erreur εn = 10 − a n (voir ci-après).
a0 = 3 ε0 É 0, 1666 . . .
a 1 = 3, 14285714285 . . . ε1 É 0, 02040 . . .
a 2 = 3, 16000000000 . . . ε2 É 0, 00239 . . .
a 3 = 3, 16201117318 . . . ε3 É 0, 00028 . . .
a 4 = 3, 16224648985 . . . ε4 É 3, 28 . . . · 10−5
a 5 = 3, 16227401437 . . . ε5 É 3, 84 . . . · 10−6
a 6 = 3, 16227723374 . . . ε6 É 4, 49 . . . · 10−7
a 7 = 3, 16227761029 . . . ε7 É 5, 25 . . . · 10−8
a 8 = 3, 16227765433 . . . ε8 É 6, 14 . . . · 10−9

Voici les résultats numériques avec une majoration de l’erreur εn = (1, 10)1/12 − a n , avec f (x) =
x12 − 1, 10, a = 1 et b = 1, 1
a0 = 1 ε0 É 0, 0083 . . .
a 1 = 1, 00467633 . . . ε1 É 0, 0035 . . .
a 2 = 1, 00661950 . . . ε2 É 0, 0014 . . .
a 3 = 1, 00741927 . . . ε3 É 0, 00060 . . .
a 4 = 1, 00774712 . . . ε4 É 0, 00024 . . .
a 5 = 1, 00788130 . . . ε5 É 0, 00010 . . .
a 6 = 1, 00793618 . . . ε6 É 4, 14 . . . · 10−5
a 7 = 1, 00795862 . . . ε7 É 1, 69 . . . · 10−5
a 8 = 1, 00796779 . . . ε8 É 6, 92 . . . · 10−6
2.4. Calcul de l’erreur

La méthode de la sécante fournit l’encadrement a n É l É b. Mais comme b est fixe cela ne donne
pas d’information exploitable pour | l − a n |. Voici une façon générale d’estimer l’erreur, à l’aide du
théorème des accroissements finis.
Proposition 74
Soit f : I → R une fonction dérivable et ` tel que f (`) = 0. S’il existe une constante m > 0 telle
que pour tout x ∈ I, | f 0 (x)| Ê m alors
| f (x)|
| x − `| É pour tout x ∈ I.
m
Démonstration
Par l’inégalité des accroissement finis entre x et ` : | f ( x) − f (`)| Ê m| x − `| mais f (`) = 0, d’où la
majoration.
p
Exemple 111. Erreur pour 10
Soit f (x) = x2 − 10 et l’intervalle I = [3, 4]. Alors f 0 (x) = 2x donc | f 0 (x)| Ê 6 sur I. On pose donc
p
m = 6, ` = 10, x = a n . On obtient l’estimation de l’erreur :
| f (a n )| |a2n − 10|
εn = |` − a n | É =
m 6
p |3,172 −10|
Par exemple on a trouvé a 2 = 3, 16... É 3, 17 donc 10 − a 2 É 6 = 0, 489.
p |a28 −10|
Pour a 8 on a trouvé a 8 = 3, 1622776543347473 . . . donc 10 − a 8 É 6 = 6, 14 . . . · 10−9 . On a
en fait 7 décimales exactes après la virgule.
Dans la pratique, voici le nombre d’itérations suffisantes pour avoir une précision de 10−n pour
cet exemple. Grosso-modo, une itération de plus donne une décimale supplémentaire.
Exemple 112. Erreur pour (1, 10)1/12
On pose f (x) = x12 − 1, 10, I = [1; 1, 10] et ` = (1, 10)1/12 . Comme f 0 (x) = 12x11 , si on pose de plus
m = 12, on a | f 0 (x)| Ê m pour x ∈ I. On obtient
|a12
n − 1, 10|
εn = |` − a n | É .
12
Par exemple a 8 = 1.0079677973185432 . . . donc
|a12
8 − 1, 10|
|(1, 10)1/12 − a 8 | É = 6, 92 . . . · 10−6 .
12
2.5. Algorithme
Voici l’algorithme : c’est tout simplement la mise en œuvre de la suite récurrente (a n ).
Algorithme . secante.py
def secante(a,b,n) :
for i in range(n) :
a = a-f(a)*(b-a)/(f(b)-f(a))
return a
Mini-exercices
p p
3
1. À la main, calculer un encadrement à 0, 1 près de 3. Idem avec 2.
3. Calculer une approximation de la solution de l’équation (cos x = 0) sur [0, π]. Idem avec
(cos x = 2 sin x).
4. Étudier l’équation (exp(− x) = − ln(x)). Donner une approximation de la (ou des) solu-
tion(s) et une majoration de l’erreur correspondante.
3. La méthode de Newton
3.1. Méthode de Newton
La méthode de Newton consiste à remplacer la sécante de la méthode précédente par la tangente.
Elle est d’une redoutable efficacité.
Partons d’une fonction dérivable f : [a, b] → R et d’un point u 0 ∈ [a, b]. On appelle (u 1 , 0) l’inter-
section de la tangente au graphe de f en (u 0 , f (u 0 )) avec l’axe des abscisses. Si u 1 ∈ [a, b] alors
on recommence l’opération avec la tangente au point d’abscisse u 1 . Ce processus conduit à la
définition d’une suite récurrente :
f (u n )
u 0 ∈ [a, b] et u n+1 = u n − .
f 0 (u n )
Démonstration
En effet la tangente au point d’abscisse u n a pour équation : y = f 0 ( u n )( x − u n ) + f ( u n ). Donc le

point ( x, 0) appartenant à la tangente (et à l’axe des abscisses) vérifie 0 = f 0 ( u n )( x − u n ) + f ( u n ). D’où
f (u )
x = u n − f 0 (un ) .
n
f (u n )
un
u n+1
p
3.2. Résultats pour 10
p
Pour calculer a, on pose f (x) = x2 − a, avec f 0 (x) = 2x. La suite issue de la méthode de Newton
u2 −a
est déterminée par u 0 > 0 et la relation de récurrence u n+1 = u n − 2nu n . Suite qui pour cet exemple
s’appelle suite de Héron et que l’on récrit souvent
1 a
µ ¶
u0 > 0 et u n+1 = un + .
2 un
Proposition 75
p
Cette suite (u n ) converge vers a.
p
Pour le calcul de 10, on pose par exemple u 0 = 4, et on peut même commencer les calculs à la
main :
u0 = 4 ³ ´
1
u 0 + 10 1 10
¡ ¢ 13
u1 = 2 u 0 = 2 Ã4 + 4 = = 3, 25
! 4
³ ´
u 2 = 21 u 1 + 10 1 13 10 329
u 1 = 2 4 + 13 = 104 = 3, 1634 . . .
³ ´ 4
u 3 = 21 u 2 + 10
u2 = 216 401
68 432 = 3, 16227788 . . .
u 4 = 3, 162277660168387 . . .
p
Pour u 4 on obtient 10 = 3, 1622776601683 . . . avec déjà 13 décimales exactes !
p
Voici la preuve de la convergence de la suite (u n ) vers a.
Démonstration
1 a
µ ¶
u0 > 0 et u n+1 = un + .
2 un
p
1. Montrons que u n Ê a pour n Ê 1.
Tout d’abord
¶2
1 u2n + a 1 1 ( u2n − a)2
µ
u2n+1 − a = −a= ( u 4
n − 2 au 2
n + a 2
) =
4 un 4 u2n 4 u2n
Donc u2n+1 − a Ê 0. Comme il est clair que pour tout n Ê 0, u n Ê 0, on en déduit que pour tout
p
n Ê 0, u n+1 Ê a. (Notez que u 0 lui est quelconque.)
2. Montrons que ( u n³)nÊ1 est
´ une suite décroissante qui converge.
Comme uun+n 1 = 12 1 + a2 , et que pour n Ê 1 on vient de voir que u2n Ê a (donc a
É 1), alors
un u2n
u n+1
un É 1, pour tout n É 1.
Conséquence : la suite ( u n )nÊ1 est décroissante et minorée par 0 donc elle converge.
p
3. ( u n ) converge vers a.
Notons `³ la limite ´ de ( u n ). Alors ¡u n →¢` et u n+1 → `. Lorsque n → +∞ dans la relation
u n+1 = 12 u n + uan , on obtient ` = 21 ` + a` . Ce qui conduit à la relation `2 = a et par positivité
p
de la suite, ` = a.

Pour calculer (1, 10)1/12 , on pose f (x) = x12 − a avec a = 1, 10. On a f 0 (x) = 12x11 . On obtient u n+1 =
u12 −a
u n − 12n u11 . Ce que l’on reformule ainsi :
n
1 a
µ ¶
u 0 > 0 et u n+1 = 11u n + 11 .
12 un
Voici les résultats numériques pour (1, 10)1/12 en partant de u 0 = 1.
u0 = 1
u 1 = 1, 0083333333333333 . . .
u 2 = 1, 0079748433368980 . . .
u 3 = 1, 0079741404315996 . . .
u 4 = 1, 0079741404289038 . . .
Toutes les décimales affichées pour u 4 sont exactes : (1, 10)1/12 = 1, 0079741404289038 . . .
p
3.4. Calcul de l’erreur pour 10
Proposition 76
p
1. Soit k tel que u 1 − a É k. Alors pour tout n Ê 1 :
¶2n−1
p p k
µ
un − a É 2 a p
2 a
2. Pour a = 10, u 0 = 4, on a :
µ ¶2n−1
p 1
u n − 10 É 8
24
Admirez la puissance de la méthode de Newton : 11 itérations donnent déjà 1000 décimales

exactes après la virgule. Cette rapidité de convergence se justifie grâce au calcul de l’erreur : la
précision est multipliée par 2 à chaque étape, donc à chaque itération le nombre de décimales
exactes double !

Démonstration
1. Dans la preuve de la proposition 75, nous avons vu l’égalité :

p p
( u2n − a)2 p p ( u n − a)2 ( u n + a)2
u2n+1 − a = donc ( u n+1 − a)( u n+1 + a) =
4 u2n 4 u2n
p
Ainsi comme u n Ê a pour n Ê 1 :
p ¶2
p p 1 1 a p 1 1 1 p
µ
u n+1 − a = ( u n − a)2 × p × 1 + É ( u n − a)2 × p × ·(1+1)2 = p ( u n − a)2
u n+1 + a 4 un 2 a 4 2 a
p
Si k vérifie u 1 − a É k, nous allons en déduire par récurrence, pour tout n Ê 1, la formule
¶2n−1
p p k
µ
un − a É 2 a p
2 a
C’est vrai pour n = 1. Supposons la formule vraie au rang n, alors :

Ãµ ¶2n−1 !2 ¶2n
p 1 p 1 p k p k
µ
u n+1 − a É p ( u n − a)2 = p (2 a)2 p =2 a p
2 a 2 a 2 a 2 a
La formule est donc vrai au rang suivant.

p p
2. Pour a = 10 avec u 0 = 4 on a u 1 = 3, 25. Comme 3 É 10 É 4 alors u 1 − 10 É u 1 − 3 É 14 . On
p
fixe donc k = 14 . Toujours par l’encadrement 3 É 10 É 4, la formule obtenue précédemment
devient
Ã 1 !2n−1 µ ¶2n−1
p 1
un − a É 2 · 4 4 =8 .
2·3 24
3.5. Algorithme
p
Voici l’algorithme pour le calcul de a. On précise en entrée le réel a Ê 0 dont on veut calculer la
racine et le nombre n d’itérations.
Algorithme . newton.py
def racine_carree(a,n) :
u=4 # N'importe qu'elle valeur > 0
for i in range(n) :
u = 0.5*(u+a/u)
return u
p
En utilisant le module decimal le calcul de u n pour n = 11 donne 1000 décimales de 10 :
3,
16227766016837933199889354443271853371955513932521
68268575048527925944386392382213442481083793002951
87347284152840055148548856030453880014690519596700
15390334492165717925994065915015347411333948412408
53169295770904715764610443692578790620378086099418
28371711548406328552999118596824564203326961604691
31433612894979189026652954361267617878135006138818
62785804636831349524780311437693346719738195131856
78403231241795402218308045872844614600253577579702
82864402902440797789603454398916334922265261206779
26516760310484366977937569261557205003698949094694
21850007358348844643882731109289109042348054235653
40390727401978654372593964172600130699000095578446
31096267906944183361301813028945417033158077316263
86395193793704654765220632063686587197822049312426
05345411160935697982813245229700079888352375958532
85792513629646865114976752171234595592380393756251
25369855194955325099947038843990336466165470647234
99979613234340302185705218783667634578951073298287
51579452157716521396263244383990184845609357626020
Mini-exercices
p
1. À la calculette, calculer les trois premières étapes pour une approximation de 3, sous
p3
forme de nombres rationnels. Idem avec 2.
2. Implémenter la méthode de Newton, étant données une fonction f et sa dérivée f 0 .
4. Soit a > 0. Comment calculer a1 par une méthode de Newton ?
p ³ ´
5. Calculer n de sorte que u n − 10 É 10−` (avec u 0 = 4, u n+1 = 12 u n + uan , a = 10).
Auteurs

Exo7
12 Intégrales
1 L'intégrale de Riemann
2 Propriétés de l'intégrale
3 Primitive d'une fonction
4 Intégration par parties Changement de variable
5 Intégration des fractions rationnelles
Vidéo ■ partie 1. L'intégrale de Riemann

Vidéo ■ partie 2. Propriétés
Vidéo ■ partie 3. Primitive
Vidéo ■ partie 4. Intégration par parties - Changement de variable
Vidéo ■ partie 5. Intégration des fractions rationnelles
Exercices Calculs d'intégrales
Motivation
Nous allons introduire l’intégrale à l’aide d’un exemple. Considérons la fonction exponentielle
f (x) = e x . On souhaite calculer l’aire A en-dessous du graphe de f et entre les droites d’équation
(x = 0), (x = 1) et l’axe (Ox).
y y = ex
1
A
x
0 1
Nous approchons cette aire par des sommes d’aires des rectangles situés sous la courbe. Plus
précisément, soit n Ê 1 un entier ; découpons notre intervalle [0, 1] à l’aide de la subdivision
(0, n1 , n2 , . . . , ni , · · · , n−1
n , 1). £ i−1 i ¤
On considère les «rectangles inférieurs» R − i
, chacun ayant pour base l’intervalle n , ¡n et pour
hauteur f i−n1 = e( i−1)/n . L’entier i varie de 1 à n. L’aire de R − : ni − i−n1 ×
¡ ¢ ¢
i
est «base × hauteur»
i −1
e( i−1)/n = n1 e n .
Intégrales 191
y y = ex y y = ex
1 1
R 0− R 1− R 2− R 3− R 0+ R 1+ R 2+ R 3+
x x
0 1 2 3 1 0 1 2 3 1
4 4 4 4 4 4
La somme des aires des R −

i
se calcule alors comme somme d’une suite géométrique :
i −1 ¡ 1 ¢n 1
n e n 1X n ¡ 1¢ 1 1− en
X i −1 n ¡ ¢
= e n = 1
= 1 e − 1 −−−−−→ e − 1.
i =1 n n i=1 n 1− en en −1 n→+∞
e x −1
Pour la limite on a reconnu l’expression du type x − −−→ 1 (avec ici x = n1 ).
x→0
Soit maintenant les «rectangles supérieurs» R + , ayant la même base i−n1 , ni
£ ¤
i
mais la hauteur
i
f ni = e i/n . Un calcul similaire montre que ni=1 en → e − 1 lorsque n → +∞.
n
¡ ¢ P
L’aire A de notre région est supérieure à la somme des aires des rectangles inférieurs ; et elle est
inférieure à la somme des aires des rectangles supérieurs. Lorsque l’on considère des subdivisions
de plus en plus petites (c’est-à-dire lorsque l’on fait tendre n vers +∞) alors on obtient à la limite
que l’aire A de notre région est encadrée par deux aires qui tendent vers e − 1. Donc l’aire de notre
région est A = e − 1.
y y = ex
x
0 1
n = 10
Voici le plan de lecture conseillé pour ce chapitre : il est tout d’abord nécessaire de bien comprendre
comment est définie l’intégrale et quelles sont ses principales propriétés (parties 1 et 2). Mais il
est important d’arriver rapidement à savoir calculer des intégrales : à l’aide de primitives ou par
les deux outils efficaces que sont l’intégration par parties et le changement de variable.
Dans un premier temps on peut lire les sections 1.1, 1.2 puis 2.1, 2.2, 2.3, avant de s’attarder lon-
guement sur les parties 3, 4. Lors d’une seconde lecture, revenez sur la construction de l’intégrale
et les preuves.
Dans ce chapitre on s’autorisera (abusivement) une confusion entre une fonction f et son ex-
pression f (x). Par exemple on écrira « une primitive de la fonction sin x est − cos x » au lieu « une
primitive de la fonction x 7→ sin x est x 7→ − cos x ».
Intégrales 192
1. L’intégrale de Riemann
Nous allons reprendre la construction faite dans l’introduction pour une fonction f quelconque. Ce
qui va remplacer les rectangles seront des fonctions en escalier. Si la limite des aires en-dessous
égale la limite des aires au-dessus on appelle cette limite commune l’intégrale de f que l’on note
Rb
a f (x) dx. Cependant il n’est pas toujours vrai que ces limites soit égales, l’intégrale n’est donc
définie que pour les fonctions intégrables. Heureusement nous verrons que si la fonction f est
continue alors elle est intégrable.
a x
b
y = f (x)
1.1. Intégrale d’une fonction en escalier
Définition 62
Soit [a, b] un intervalle fermé borné de R (−∞ < a < b < +∞). On appelle une subdivision de
[a, b] une suite finie, strictement croissante, de nombres S = (x0 , x1 , . . . , xn ) telle que x0 = a et
xn = b. Autrement dit a = x0 < x1 < . . . < xn = b.
a b
x0 x1 x2 x3 x4 x5 x6 x7 x
Définition 63
Une fonction f : [a, b] → R est une fonction en escalier s’il existe une subdivision
(x0 , x1 , . . . , xn ) et des nombres réels c 1 , . . . , c n tels que pour tout i ∈ {1, . . . , n} on ait
∀ x ∈]x i−1 , x i [ f (x) = c i
Autrement dit f est une fonction constante sur chacun des sous-intervalles de la subdivision.
Intégrales 193
Remarque
La valeur de f aux points x i de la subdivision n’est pas imposée. Elle peut être égale à celle
de l’intervalle qui précède ou de celui qui suit, ou encore une autre valeur arbitraire. Cela n’a
pas d’importance car l’aire ne changera pas.
c7
y
c5
c1
c2
0
x0 x1 x2 x3 x4 x5 x6 x7 x
c4
c6
c3
Définition 64
Rb
Pour une fonction en escalier comme ci-dessus, son intégrale est le réel a f (x) dx défini par
Z b n
X
f (x) dx = c i (x i − x i−1 )
a i =1
Remarque
Notez que chaque terme c i (x i − x i−1 ) est l’aire du rectangle compris entre les abscisses x i−1
et x i et de hauteur c i . Il faut juste prendre garde que l’on compte l’aire avec un signe «+» si
c i > 0 et un signe «−» si c i < 0.
L’intégrale d’une fonction en escalier est l’aire de la partie située au-dessus de l’axe des
abscisses (ici en rouge) moins l’aire de la partie située en-dessous (en bleu). L’intégrale d’une
fonction en escalier est bien un nombre réel qui mesure l’aire algébrique (c’est-à-dire avec
signe) entre la courbe de f et l’axe des abscisses.
1.2. Fonction intégrable

Rappelons qu’une fonction f : [a, b] → R est bornée s’il existe M Ê 0 tel que :
∀ x ∈ [a, b] − M É f (x) É M.
Rappelons aussi que si l’on a deux fonctions f , g : [a, b] → R, alors on note
f Ég ⇐⇒ ∀ x ∈ [a, b] f (x) É g(x).
On suppose à présent que f : [a, b] → R est une fonction bornée quelconque. On définit deux
nombres réels : ½Z b ¾
−
I ( f ) = sup φ(x) dx | φ en escalier et φ É f
a
Intégrales 194
½Z b ¾
I + ( f ) = inf φ(x) dx | φ en escalier et φ Ê f
a
φÉ f φÊ f
y = f (x)
a x
b
Pour I − ( f ) on prend toutes les fonctions en escalier (avec toutes les subdivisions possibles) qui
restent inférieures à f . On prend l’aire la plus grande parmi toutes ces fonctions en escalier,
comme on n’est pas sûr que ce maximum existe on prend la borne supérieure. Pour I + ( f ) c’est le
même principe mais les fonctions en escalier sont supérieures à f et on cherche l’aire la plus petite
possible.
Il est intuitif que l’on a :
Proposition 77
I − ( f ) É I + ( f ).
Les preuves sont reportées en fin de section.
Définition 65
Une fonction bornée f : [a, b] → R est dite intégrable (au sens de Riemann) si I − ( f ) = I + ( f ).
Rb
On appelle alors ce nombre l’intégrale de Riemann de f sur [a, b] et on le note a f (x) dx.
Exemple 113
– Les fonctions en escalier sont intégrables ! En effet si f est une fonction en escalier
alors la borne inférieure I − ( f ) et supérieure I + ( f ) sont atteintes avec la fonction φ = f .
Rb
Bien sûr l’intégrale a f (x) dx coïncide avec l’intégrale de la fonction en escalier définie
lors du paragraphe 1.1.
– Nous verrons dans la section suivante que les fonctions continues et les fonctions
monotones sont intégrables.
– Cependant toutes les fonctions ne sont pas intégrables. La fonction f : [0, 1] → R dé-
finie par f (x) = 1 si x est rationnel et f (x) = 0 sinon, n’est pas intégrable sur [0, 1].
Convainquez-vous que si φ est une fonction en escalier avec φ É f alors φ É 0 et que
si φ Ê f alors φ Ê 1. On en déduit que I − ( f ) = 0 et I + ( f ) = 1. Les bornes inférieure et
supérieure ne coïncident pas, donc f n’est pas intégrable.
Intégrales 195
0 1 x
Il n’est pas si facile de calculer des exemples avec la définition. Nous allons vu l’exemple de la
R1
fonction exponentielle dans l’introduction où nous avions en fait montré que 0 e x dx = e − 1. Nous
allons voir maintenant l’exemple de la fonction f (x) = x2 . Plus tard nous verrons que les primitives
permettent de calculer simplement beaucoup d’intégrales.
Exemple 114
R1
Soit f : [0, 1] → R, f (x) = x2 . Montrons qu’elle est intégrable et calculons 0 f (x) dx.
y
y = x2
x
0 n=5 1
Soit n Ê 1 et considérons la subdivision régulière de [0, 1] suivante S = 0, n1 , n2 , . . . , ni , . . . , n− 1

¡ ¢
n ,1 .
Sur l’intervalle i−n1 , ni nous avons
£ ¤
¡ i−1 ¢2 ¡ i ¢2
É x2 É
£ i−1
, ni
¤
∀x ∈ n n n .
2
Nous construisons une fonction en escalier φ− en-dessous de f par φ− (x) = ( i−n1) si x ∈ i−n1 , ni
£ £
2
(pour chaque i = 1, . . . , n) et φ− (1) = 1. De même nous construisons une fonction en escalier φ+

2
au-dessus de f définie par φ+ (x) = ni 2 si x ∈ i−n1 , ni (pour chaque i = 1, . . . , n) et φ+ (1) = 1. φ−
£ £
et φ+ sont des fonctions en escalier et l’on a φ− É f É φ+ .

L’intégrale de la fonction en escalier φ+ est par définition
Z 1 n i2 µ i i−1
¶ n i2 1 1 X n
+
i2 .
X X
φ (x) dx = 2 n
− = 2 n
= 3
0 i =1 n n i =1 n n i =1
Pn 2 n( n+1)(2 n+1)
On se souvient de la formule i =1 i = 6 , et donc
Z 1 n(n + 1)(2n + 1) (n + 1)(2n + 1)
φ+ (x) dx = = ·
0 6n3 6n2
De même pour la fonction φ− :

Z 1 n (i − 1)2 1 1 nX −1 (n − 1)n(2n − 1) (n − 1)(2n − 1)
φ− (x) dx = j2 =
X
2
= 3
= ·
0 i =1 n n n j =1 6n3 6n2
Intégrales 196
Maintenant I − ( f ) est la borne supérieure sur toutes les fonctions en escalier inférieures à f
R1 R1
donc en particulier I − ( f ) Ê 0 φ− (x) dx. De même I + ( f ) É 0 φ+ (x) dx. En résumé :
(n − 1)(2n − 1)
Z 1 Z 1 (n + 1)(2n + 1)
− − +
= φ (x) dx É I ( f ) É I ( f ) É φ+ (x) dx = .
6n2 0 0 6n2
Lorsque l’on fait tendre n vers +∞ alors les deux extrémités tendent vers 13 . On en déduit
R1
que I − ( f ) = I + ( f ) = 13 . Ainsi f est intégrable et 0 x2 dx = 13 .
1.3. Premières propriétés
Proposition 78
1. Si f : [a, b] → R est intégrable et si l’on change les valeurs de f en un nombre fini de

points de [a, b] alors la fonction f est toujours intégrable et la valeur de l’intégrale
Rb
a f (x) dx ne change pas.
2. Si f : [a, b] → R est intégrable alors la restriction de f à tout intervalle [a0 , b0 ] ⊂ [a, b] est
encore intégrable.
1.4. Les fonctions continues sont intégrables

Voici le résultat théorique le plus important de ce chapitre.
Théorème 30
Si f : [a, b] → R est continue alors f est intégrable.
La preuve sera vue plus loin mais l’idée est que les fonctions continues peuvent être approchées
d’aussi près que l’on veut par des fonctions en escalier, tout en gardant un contrôle d’erreur
uniforme sur l’intervalle.
Une fonction f : [a, b] → R est dite continue par morceaux s’il existe un entier n et une subdi-
vision (x0 , . . . , xn ) telle que f |] xi−1 ,xi [ soit continue, admette une limite finie à droite en x i−1 et une
limite à gauche en x i pour tout i ∈ {1, . . . , n}.
x
Intégrales 197
Corollaire 17
Les fonctions continues par morceaux sont intégrables.
Voici un résultat qui prouve que l’on peut aussi intégrer des fonctions qui ne sont pas continues à
condition que la fonction soit croissante (ou décroissante).
Théorème 31
Si f : [a, b] → R est monotone alors f est intégrable.
1.5. Les preuves

Les preuves peuvent être sautées lors d’une première lecture. Les démonstrations demandent
une bonne maîtrise des bornes sup et inf et donc des «epsilons». La proposition 77 se prouve en
manipulant les «epsilons». Pour la preuve de la proposition 78 : on prouve d’abord les propriétés
pour les fonctions en escalier et on en déduit qu’elles restent vraies pour les fonctions intégrables
(cette technique sera développée en détails dans la partie suivante).
Le théorème 30 établit que les fonctions continues sont intégrables. Nous allons démontrer une
version affaiblie de ce résultat. Rappelons que f est dite de classe C 1 si f est continue, dérivable
et f 0 est aussi continue.
Théorème 32. Théorème 30 faible
Si f : [a, b] → R est de classe C 1 alors f est intégrable.
Démonstration
Comme f est de classe C 1 alors f 0 est une fonction continue sur l’intervalle fermé et borné [a, b] ;
f 0 est donc une fonction bornée : il existe M Ê 0 tel que pour tout x ∈ [a, b] on ait | f 0 ( x)| É M .
Nous allons utiliser l’inégalité des accroissements finis :
∀ x, y ∈ [a, b] | f ( x) − f ( y)| É M | x − y|. (?)
Soit ε > 0 et soit ( x0 , x1 , . . . , xn ) une subdivision de [a, b] vérifiant pour tout i = 1, . . . , n :
0 < x i − x i−1 É ε. (??)
Nous allons construire deux fonctions en escalier φ− , φ+ : [a, b] → R définies de la façon suivante :
pour chaque i = 1, . . . , n et chaque x ∈ [ x i−1 , x i [ on pose
c i = φ− ( x ) = inf f ( t) et d i = φ+ ( x ) = sup f ( t)
t∈[ x i−1 ,x i [ t∈[ x i−1 ,x i [
et aussi φ− ( b) = φ+ ( b) = f ( b). φ− et φ+ sont bien deux fonctions en escalier (elles sont constantes
sur chaque intervalle [ x i−1 , x i [).
Intégrales 198
y
y = f (x)
di
ci
x i−1 xi x
De plus par construction on a bien φ− É f É φ+ et donc

Z b Z b
φ− ( x) dx É I − ( f ) É I + ( f ) É φ+ ( x) dx .
a a
En utilisant la continuité de f sur l’intervalle [ x i−1 , x i ], on déduit l’existence de a i , b i ∈ [ x i−1 , x i ]

tels que f (a i ) = c i et f ( b i ) = d i . Avec (?) et (??) on sait que d i − c i = f ( b i ) − f (a i ) É M | b i − c i | É
M ( x i − x i−1 ) É M ε (pour tout i = 1, . . . , n). Alors
Z b Z b n
φ+ ( x) dx − φ− ( x) dx É
X
M ε( x i − x i−1 ) = M ε( b − a)
a a i =1
Ainsi 0 É I + ( f ) − I − ( f ) É M ε( b − a) et lorsque l’on fait tendre ε → 0 on trouve I + ( f ) = I − ( f ), ce qui

prouve que f est intégrable.
La preuve du théorème 31 est du même style et nous l’omettons.
Mini-exercices
1. Soit f : [1, 4] → R définie par f (x) = 1 si x ∈ [1, 2[, f (x) = 3 si x ∈ [2, 3[ et f (x) = −1 si
R2 R3 R4 R3 R7
x ∈ [3, 4]. Calculer 1 f (x) dx, 1 f (x) dx, 1 f (x) dx, 12 f (x) dx, 32 f (x) dx.
2
R1 Pn n( n+1)
2. Montrer que 0 x dx = 1 (prendre une subdivision régulière et utiliser i =1 i = 2 ).
3. Montrer que si f est une fonction intégrable et paire sur l’intervalle [−a, a] alors
Ra Ra
−a f (x) dx = 2 0 f (x) dx (on prendra une subdivision symétrique par rapport à l’ori-
gine).
4. Montrer que si f est une fonction intégrable et impaire sur l’intervalle [−a, a] alors
Ra
−a f (x) dx = 0.
5. Montrer que tout fonction monotone est intégrable en s’inspirant de la preuve du théo-
rème 32.
2. Propriétés de l’intégrale
Les trois principales propriétés de l’intégrale sont la relation de Chasles, la positivité et la linéarité.
2.1. Relation de Chasles

Intégrales 199
Proposition 79. Relation de Chasles
Soient a < c < b. Si f est intégrable sur [a, c] et [c, b], alors f est intégrable sur [a, b]. Et on a
Z b Z c Z b
f (x) dx = f (x) dx + f (x) dx
a a c
Pour s’autoriser des bornes sans se préoccuper de l’ordre on définit :

Z a Z a Z b
f (x) dx = 0 et pour a < b f (x) dx = − f (x) dx.
a b a
Pour a, b, c quelconques la relation de Chasles devient alors

Z b Z c Z b
f (x) dx = f (x) dx + f (x) dx
a a c
2.2. Positivité de l’intégrale
Proposition 80. Positivité de l’intégrale
Soit a É b deux réels et f et g deux fonctions intégrables sur [a, b].

Z b Z b
Si f É g alors f (x) dx É g(x) dx
a a
En particulier l’intégrale d’une fonction positive est positive :

Z b
Si f Ê0 alors f (x) dx Ê 0
a
2.3. Linéarité de l’intégrale
Proposition 81
Soient f , g deux fonctions intégrables sur [a, b].

Rb Rb Rb
1. f + g est une fonction intégrable et a ( f + g)(x) dx = a f (x) dx + a g(x) dx.
Rb Rb
2. Pour tout réel λ, λ f est intégrable et on a a λ f (x) dx = λ a f (x) dx.
Par ces deux premiers points nous avons la linéarité de l’intégrale : pour tous réels
λ, µ
Z b Z b Z b
λ f (x) + µ g(x) dx = λ f (x) dx + µ
¡ ¢
g(x) dx
a a a
Rb ¡R b ¢¡ R b ¢
3. f × g est une fonction intégrable sur [a, b] mais en général a ( f g)(x) dx 6= a f (x) dx a g(x) dx .
4. | f | est une fonction intégrable sur [a, b] et
¯Z b ¯ Z b¯
¯ ¯ ¯
¯
¯ f (x) dx¯¯ É ¯ f (x)¯ dx
a a
Intégrales 200
Exemple 115
Z 1¡ Z 1 Z 1 1 10
x
2 2
e x dx = 7
¢
7x − e dx = 7 x dx − − (e − 1) = −e
0 0 0 3 3
R1 1
R1
Nous avons utilisé les calculs déjà vus : 0 x2 dx = 3 et 0 e x dx = e − 1.
Exemple 116
R n sin(nx)
Soit I n = 1 1+ x n dx. Montrons que I n → 0 lorsque n → +∞.
¯Z n ¯ Z n Z n Z n
¯ sin(nx) ¯ | sin(nx)| 1 1
| I n | = ¯¯ n
dx ¯É
n
dx É n
dx É n
dx
1 1+ x 1+ x 1 1+ x 1 x
¯
1
Il ne reste plus qu’à calculer cette dernière intégrale (en anticipant un peu sur la suite du
chapitre) :
· −n+1 ¸n
n−n+1
Z n Z n
1 −n x 1
n
dx = x dx = = − −−−−−→ 0
1 x 1 − n + 1 1 − n + 1 − n + 1 n→+∞
1
(car n−n+1 → 0 et − n+1 → 0).
Remarque
Rb ¡R b ¢¡ R b ¢
Notez que même si f × g est intégrable on a en général a ( f g)(x) dx 6= a f (x) dx a g(x) dx .
Par exemple, soit f : [0, 1] → R la fonction définie par f (x) = 1 si x ∈ [0, 12 [ et f (x) = 0 sinon. Soit
g : [0, 1] → R la fonction définie par g(x) = 1 si x ∈ [ 12 , 1[ et g(x) = 0 sinon. Alors f (x) × g(x) = 0
R1 R1 R1
pour tout x ∈ [0, 1] et donc 0 f (x)g(x) dx = 0 alors que 0 f (x) dx = 12 et 0 g(x) dx = 12 .
2.4. Une preuve

Nous allons prouver la linéarité de l’intégrale : λ f = λ f et f + g = f + g. L’idée est la
R R R R R
suivante : il est facile de voir que pour des fonctions en escalier l’intégrale (qui est alors une
somme finie) est linéaire. Comme les fonctions en escalier approchent autant qu’on le souhaite les
fonctions intégrables alors cela implique la linéarité de l’intégrale.
λf = λ
R R
Démonstration . Preuve de f
Soit f : [a, b] → R une fonction intégrable et λ ∈ R. Soit ε > 0.

Il existe φ− et φ+ deux fonctions en escalier approchant suffisamment f , avec φ− É f É φ+ :
Z b Z b Z b Z b
f ( x) dx − ε É φ− ( x) dx et φ+ ( x) dx É f ( x) dx + ε (†)
a a a a
Quitte à rajouter des points, on peut supposer que la subdivision ( x0 , x1 , . . . , xn ) de [a, b] est suffi-
samment fine pour que φ− et φ+ soient toutes les deux constantes sur les intervalles ] x i−1 , x i [ ; on
note c−i et c+i leurs valeurs respectives.
Dans un premier temps on suppose λ Ê 0. Alors λφ− et λφ+ sont encore des fonctions en escalier
vérifiant λφ− É λ f É λφ+ . De plus
Z b n n Z b
λφ− ( x) dx = λ c− c−i ( x i − x i−1 ) = λ φ− ( x) dx
X X
i ( x i − x i −1 ) = λ
a i =1 i =1 a
Intégrales 201
De même pour φ+ . Ainsi

Z b Z b
λ φ− ( x) dx É I − (λ f ) É I + (λ f ) É λ φ+ ( x) dx
a a
En utilisant les deux inégalités (†) on obtient

Z b Z b
λ f ( x) dx − λε É I − (λ f ) É I + (λ f ) É λ f ( x) dx + λε
a a
Lorsque l’on fait tendre ε → 0 cela prouve que I − (λ f ) = I + (λ f ), donc λ f est intégrable et
Rb Rb + −
a λ f ( x) dx = λ a f ( x) dx. Si λ É 0 on a λφ É λ f É λφ et le raisonnement est similaire.
R R R
Démonstration . Preuve de f +g= f+ g
Soit ε > 0. Soient f , g : [a, b] → R deux fonctions intégrables. On définit deux fonctions en escalier
φ+ , φ− pour f et deux fonctions en escalier ψ+ , ψ− pour g vérifiant des inégalités similaires à (†)
de la preuve au-dessus. On fixe une subdivision suffisamment fine pour toutes les fonctions φ± , ψ± .
On note c±i , d ±
i
les constantes respectives sur l’intervalle ] x i−1 , x i [. Les fonctions φ− + ψ− et φ+ + ψ+
sont en escalier et vérifient φ− + ψ− É f + g É φ+ + ψ+ . Nous avons aussi que
Z b n Z b Z b
− − − − −
ψ− ( x) dx
X
(φ + ψ )( x) dx = ( c i + d i )( x i − x i−1 ) = φ ( x) dx +
a i =1 a a
De même pour φ+ + ψ+ . Ainsi

Z b Z b Z b Z b
φ− ( x) dx + ψ− ( x) dx É I − ( f + g) É I + ( f + g) É φ+ ( x) dx + ψ+ ( x) dx
a a a a
Les conditions du type (†) impliquent alors

Z b Z b Z b Z b
f ( x) dx + g( x) dx − 2ε É I − ( f + g) É I + ( f + g) É f ( x) dx + g( x) dx + 2ε
a a a a
Rb¡
Lorsque ε → 0 on déduit I − ( f + g) = I + ( f + g), donc f + g est intégrable et
¢
a f ( x) + g( x) dx =
Rb Rb
a f ( x) dx + a g( x) dx.
Mini-exercices
R1 1
R1
1. En admettant que 0 x n dx = n+ n
1 . Calculer l’intégrale 0 P(x) dx où P(x) = a n x + · · · +
a x + a 0 . Trouver un polynôme P(x) non nul de degré 2 dont l’intégrale est nulle :
R 11
0 P(x) dx = 0.
Rb ³R ´2 R p qR ¯R ¯
2 b b b Rb ¯ b
2. A-t-on a f (x) dx = a f (x) dx ; a f (x) dx = a f (x) dx ; a | f (x)| dx = ¯ a f (x) dx¯
¯
¯ ¯ ¯ ¯
R ¯R b ¯ ¯R b
; | f (x) + g(x)| dx = ¯ a f (x) dx¯ + ¯ a g(x) dx¯ ?
¯
Rb Rb Rb
3. Peut-on trouver a < b tels que a x dx = −1 ; a x dx = 0 ; a x dx = +1 ? Mêmes
Rb 2
questions avec a x dx.
¯R ¯
R2 ¯ b
4. Montrer que 0 É 1 sin2 x dx É 1 et ¯ a cos3 x dx¯ É | b − a|.
¯
3. Primitive d’une fonction

3.1. Définition
Intégrales 202
Définition 66
Soit f : I → R une fonction définie sur un intervalle I quelconque. On dit que F : I → R est
une primitive de f sur I si F est une fonction dérivable sur I vérifiant F 0 (x) = f (x) pour tout
x ∈ I.
Trouver une primitive est donc l’opération inverse de calculer la fonction dérivée.
Exemple 117
x3
1. Soit I = R et f : R → R définie par f (x) = x2 . Alors F : R → R définie par F(x) = 3 est une
x3
primitive de f . La fonction définie par F(x) = 3 + 1 est aussi une primitive de f .
p 3
2. Soit I = [0, +∞[ et g : I → R définie par g(x) = x. Alors G : I → R définie par G(x) = 32 x 2
est une primitive de g sur I. Pour tout c ∈ R, la fonction G + c est aussi une primitive de
g.
Nous allons voir que trouver une primitive permet de les trouver toutes.
Proposition 82
Soit f : I → R une fonction et soit F : I → R une primitive de f . Toute primitive de f s’écrit

G = F + c où c ∈ R.
Démonstration
Notons tout d’abord que si l’on note G la fonction définie par G ( x) = F ( x) + c alors G 0 ( x) = F 0 ( x) mais
comme F 0 ( x) = f ( x) alors G 0 ( x) = f ( x) et G est bien une primitive de f .
Pour la réciproque supposons que G soit une primitive quelconque de f . Alors (G − F )0 ( x) = G 0 ( x) −
F 0 ( x) = f ( x) − f ( x) = 0, ainsi la fonction G − F a une dérivée nulle sur un intervalle, c’est donc une
fonction constante ! Il existe donc c ∈ R tel que (G − F )( x) = c. Autrement dit G ( x) = F ( x) + c (pour
tout x ∈ I ).
R R R
Notations On notera une primitive de f par f (t) dt ou f (x) dx ou f (u) du (les lettres t, x, u, ...
sont des lettres dites muettes, c’est-à-dire interchangeables). On peut même noter une primitive
R
simplement par f .
La proposition 82 nous dit que si F est une primitive de f alors il existe un réel c, tel que F =
R
f (t) dt + c.
Rb
Attention : f (t) dt désigne une fonction de I dans R alors que l’intégrale a f (t) dt désigne un
R
Rb
nombre réel. Plus précisément nous verrons que si F est une primitive de f alors a f (t) dt =
F(b) − F(a).
Par dérivation on prouve facilement le résultat suivant :
Proposition 83
Soient F une primitive de f et G une primitive de g. Alors F + G est une primitive de f + g.

Et si λ ∈ R alors λF est une primitive de λ f .
Une autre formulation est de dire que pour tous réels λ, µ on a

Z Z Z
λ f (t) + µ g(t) dt = λ f (t) dt + µ
¡ ¢
g(t) dt
Intégrales 203
3.2. Primitives des fonctions usuelles
e x dx = e x + c sur R
R
sur R
R
cos x dx = sin x + c
sur R
R
sin x dx = − cos x + c
x n+1
x n dx = (n ∈ N) sur R
R
n+1 +c
xα+1
xα dx = (α ∈ R \ {−1}) sur ]0, +∞[
R
α+1
+c
1
R
x dx = ln | x| + c sur ]0, +∞[ ou ] − ∞, 0[
sur R
R R
sh x dx = ch x + c, ch x dx = sh x + c
dx
sur R
R
1+ x 2
= arctan x + c
(
arcsin x + c
p dx
R
= π sur ] − 1, 1[
1− x2
2 − arccos x + c
(
argshx + c
p dx sur R
R
= p
ln x + x2 + 1 + c
¡ ¢
x2 +1
(
argchx + c
p dx
R
= p sur x ∈]1, +∞[
ln x + x2 − 1 + c
¡ ¢
x2 −1
Remarque
Ces primitives sont à connaître par cœur.

1. Voici comment lire ce tableau. Si f est la fonction définie sur R par f (x) = x n alors la
n+1
fonction : x 7→ xn+1 est une primitive de f sur R. Les primitives de f sont les fonctions
n+1
définies par x 7→ xn+1 + c (pour c une constante réelles quelconque). Et on écrit x n dx =
R
x n+1
n+1 + c, où c ∈ R.
2. Souvenez vous que la variable sous le symbole intégrale est une variable muette. On
n+1
peut aussi bien écrire t n dt = xn+1 + c.
R
3. La constante est définie pour un intervalle. Si l’on a deux intervalles, il y a deux

constantes qui peuvent être différentes. Par exemple pour 1x dx nous avons deux
R
domaines de validité : I 1 =]0, +∞[ et I 2 =] − ∞, 0[. Donc 1x dx = ln x + c 1 si x > 0 et

R
R 1
x dx = ln | x| + c 2 = ln(− x) + c 2 si x < 0.
4. On peut trouver des primitives aux allures très différentes par exemple x 7→ arcsin x et
x 7→ π2 − arccos x sont deux primitives de la même fonction x 7→ p 1 2 . Mais bien sûr on
1− x
sait que arcsin x + arccos x = π2 , donc les primitives diffèrent bien d’une constante !
3.3. Relation primitive-intégrale

Intégrales 204
Théorème 33
Soit f : [a, b] → R une fonction continue. La fonction F : I → R définie par

Z x
F(x) = f (t) dt
a
est une primitive de f , c’est-à-dire F est dérivable et F 0 (x) = f (x).

Par conséquent pour une primitive F quelconque de f :
Z b
f (t) dt = F(b) − F(a)
a
£ ¤b
Notation. On note F(x) a = F(b) − F(a).
Exemple 118
Nous allons pouvoir calculer plein d’intégrales. Recalculons d’abord les intégrales déjà ren-
contrées.
1. Pour f (x) = e x une primitive est F(x) = e x donc
Z 1 £ ¤1
e x dx = e x 0 = e1 − e0 = e − 1.
0
x3
2. Pour g(x) = x2 une primitive est G(x) = 3 donc
Z 1 £ x3 ¤1
x2 dx = 3 0 = 13 .
0
Rx £ ¤ t= x
3. a cos t dt = sin t t=a = sin x − sin a est une primitive de cos x.
Ra
4. Si f est impaire alors ses primitives sont paires (le montrer). En déduire que −a f (t) dt =
0.
Remarque
Rx
1. F(x) = f (t) dt est même l’unique primitive de f qui s’annule en a.
a
Rb 0
2. En particulier si F est une fonction de classe C 1 alors a F (t) dt = F(b) − F(a) .
Rx
3. On évitera la notation a f (x) dx où la variable x est présente à la fois aux bornes et à
Rx Rx
l’intérieur de l’intégrale. Mieux vaut utiliser la notation a f (t) dt ou a f (u) du pour
éviter toute confusion.
4. Une fonction intégrable n’admet pas forcément une primitive. Considérer par exemple
f : [0, 1] → R définie par f (x) = 0 si x ∈ [0, 21 [ et f (x) = 1 si x ∈ [ 12 , 1]. f est intégrable sur
[0, 1] mais elle n’admet pas de primitive sur [0, 1]. En effet par l’absurde si F était une
primitive de F, par exemple la primitive qui vérifie F(0) = 0. Alors F(x) = 0 pour x ∈ [0, 21 [
et F(x) = x − 12 pour x ∈ [ 12 , 1]. Mais alors nous obtenons une contradiction car F n’est pas
dérivable en 12 alors que par définition une primitive doit être dérivable.
Intégrales 205
Démonstration
Essayons de visualiser tout d’abord pourquoi la fonction F est dérivable et F 0 ( x) = f ( x).
y
A
f (x0 )
y = f (x)
x0 x x
Fixons x0 ∈ [a, b]. Par la relation de Chasles nous savons :

Z x Z x0 Z a Z x Z x
F ( x ) − F ( x0 ) = f ( t) dt − f ( t) dt = f ( t) dt + f ( t) dt = f ( t) dt
a a x0 a x0
Donc le taux d’accroissement

F ( x) − F ( x0 ) 1 x A
Z
= f ( t) dt =
x − x0 x − x0 x0 x − x0
où A est l’aire hachurée (en rouge). Mais cette aire hachurée est presque un rectangle, si x est
suffisamment proche de x0 , donc l’aire A vaut environ ( x − x0 ) × f ( x0 ) lorsque x → x0 le taux d’ac-
croissement tend donc vers f ( x0 ). Autrement dit F 0 ( x0 ) = f ( x0 ).
Rx
Passons à la preuve rigoureuse. Comme f ( x0 ) est une constante alors x0 f ( x0 ) dt = ( x − x0 ) f ( x0 ),
donc
Z x Z x Z x
F ( x) − F ( x0 ) 1 1 1 ¡ ¢
− f ( x0 ) = f ( t) dt − f ( x0 ) dt = f ( t) − f ( x0 ) dt
x − x0 x − x0 x0 x − x 0 x0 x − x0 x0
Fixons ε > 0. Puisque f est continue en x0 , il existe δ > 0 tel que (| t − x0 | < δ =⇒ | f ( t) − f ( x0 )| < ε).
Donc :
¯ ¯ ¯ Z x ¯ ¯Z x ¯ ¯Z x ¯
¯ F ( x) − F ( x0 ) ¯ ¯ 1 1 1
ε dt¯¯ = ε
¡ ¢ ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ − f ( x0 )¯ = ¯
¯ ¯ f ( t) − f ( x0 ) dt¯ É
¯ ¯ ¯ f ( t) − f ( x0 ) dt¯ É
¯ ¯ ¯
¯ x − x0 x − x0 x0 | x − x 0 | ¯ x0 | x − x 0 | ¯ x0
Ce qui prouve que F est dérivable en x0 et F 0 ( x0 ) = f ( x0 ).
Maintenant on sait que F est une primitive de f , F est même la primitive qui s’annule en a car
Ra
F (a) = a f ( t) dt = 0. Si G est une autre primitive on sait F = G + c. Ainsi
¡ ¢
Z b
G ( b ) − G ( a) = F ( b ) + c − F ( a) + c = F ( b ) − F ( a) = F ( b ) = f ( t) dt.
a
3.4. Sommes de Riemann

L’intégrale est définie à partir de limites de sommes. Mais maintenant que nous savons calculer
des intégrales sans utiliser ces sommes on peut faire le cheminement inverse : calculer des limites
de sommes à partir d’intégrales.
Intégrales 206
Théorème 34
n Z b
b−a
f a + k b−n a
X ¡ ¢
Sn = n −−−−−→ f (x) dx
n→+∞ a
k=1
La somme S n s’appelle la somme de Riemann associée à l’intégrale et correspond à une subdi-

vision régulière de l’intervalle [a, b] en n petits intervalles. La hauteur de chaque rectangle étant
évaluée à son extrémité droite.
Le cas le plus utile est le cas où a = 0, b = 1 alors b−n a = n1 et f a + k b−n a = f nk et ainsi
¡ ¢ ¡ ¢
n Z 1
1
f nk
X ¡ ¢
Sn = n −−−−−→ f (x) dx
n→+∞ 0
k=1
f ( nk )
x
k
0 n 1
Exemple 119
Calculer la limite de la somme S n = nk=1 n+1 k .

P
On a S 1 = 12 , S 2 = 31 + 14 , S 3 = 41 + 15 + 16 , S 4 = 15 + 16 + 17 + 18 ,. . .
La somme S n s’écrit aussi S n = n1 nk=1 1 k . En posant f (x) = 1
P
1+ x , a = 0 et b = 1, on reconnaît
1+ n
que S n est une somme de Riemann. Donc
n 1 n Z b Z 1 1 ¤1
1 1
f nk −−−−−→
X X ¡ ¢ £
Sn = n k
= n f (x) dx = dx = ln |1 + x| 0 = ln 2 − ln 1 = ln 2.
k=1 1 + k=1
n→+∞ a 0 1+ x
n
Ainsi S n → ln 2 (lorsque n → +∞).
Mini-exercices
p p
1. Trouver les primitives des fonctions : x3 − x7 , cos x + exp x, sin(2x), 1 + x + x, p1 , 3
x,
x
1
x+1 .
2. Trouver les primitives des fonctions : ch(x) − sh( 2x ), 1
1+4 x2
,p1 2 −p 1
.
1+ x 1− x2
3. Trouver une primitive de x2 e x sous la forme (ax2 + bx + c)e . x
4. Trouver toutes les primitives de x 7→ x12 (préciser les intervalles et les constantes).
R1 R π dx R e 1− x R1
5. Calculer les intégrales 0 x n dx, 04 1+ x2
, 1 x2 dx, 02 x2dx
−1
.
k/ n
6. Calculer la limite (lorsque n → +∞) de la somme S n = nk=0 e n . Idem avec S 0n =
P
Intégrales 207
Pn n
k=0 ( n+ k)2
.
4. Intégration par parties – Changement de variable

Pour trouver une primitive d’une fonction f on peut avoir la chance de reconnaître que f est la
dérivée d’une fonction bien connue. C’est malheureusement très rarement le cas, et on ne connaît
pas les primitives de la plupart des fonctions. Cependant nous allons voir deux techniques qui
permettent des calculer des intégrales et des primitives : l’intégration par parties et le changement
de variable.
4.1. Intégration par parties
Théorème 35
Soient u et v deux fonctions de classe C 1 sur un intervalle [a, b].

Z b £ ¤b
Z b
u(x) v0 (x) dx = uv a − u0 (x) v(x) dx
a a
£ ¤b £ ¤b £ ¤b
Notation. Le crochet F a est par définition F a = F(b) − F(a). Donc uv a = u(b)v(b) − u(a)v(a).
£ ¤
Si l’on omet les bornes alors F désigne la fonction F + c où c est une constante quelconque.
La formule d’intégration par parties pour les primitives est la même mais sans les bornes :
Z Z
u(x)v (x) dx = uv − u0 (x)v(x) dx.
0
£ ¤
La preuve est très simple :

Démonstration
Rb Rb £ ¤b Rb £ ¤b R b
On a ( uv)0 = u0 v + uv0 . Donc a ( u0 v + uv0 ) = a ( uv)0 = uv a . D’où a uv0 = uv a − a u0 v.
L’utilisation de l’intégration par parties repose sur l’idée suivante : on ne sait pas calculer direc-
tement l’intégrale d’une fonction f s’écrivant comme un produit f (x) = u(x)v0 (x) mais si l’on sait
calculer l’intégrale de g(x) = u0 (x)v(x) (que l’on espère plus simple) alors par la formule d’intégra-
tion par parties on aura l’intégrale de f .
Exemple 120
R1
1. Calcul de 0 xe x dx. On pose u(x) = x et v0 (x) = e x . Nous aurons besoin de savoir que
u0 (x) = 1 et qu’une primitive de v0 est simplement v(x) = e x . La formule d’intégration par
parties donne :
R1 x R1 0
0 xe dx = £ 0 u(x)v (x) dx
¤1 R 1 0
= u(x)v(x) 0 − 0 u (x)v(x) dx
¤1 R1
= xe x 0 − 0 1 · e x dx
£
¢ £ ¤1
= 1 · e1 − 0 · e0 − e x 0
¡
= e − (e1 − e0 )
= 1
Re
2. Calcul de 1 x ln x dx.
Intégrales 208
1 x2
On pose cette fois u = ln x et v0 = x. Ainsi u0 = x et v = 2. Alors
Z e Z e Z e Z e
x2 e 1 x2
0
£ ¤e 0
£ ¤
ln x · x dx = uv = uv 1 − u v = ln x · 2 1− x 2 dx
1 1 1 1
Z e
2 2¢
e2 1h 2 e
i
e2 2
e2 +1
= ln e e2 − ln 1 12 − 12 x
− e4 + 14 =
¡
x dx = 2 − 2 = 2 4
1 2 1
R
3. Calcul de arcsin x dx.
Pour déterminer une primitive de arcsin x nous faisons artificiellement apparaître un
produit en écrivant arcsin x = 1 · arcsin x pour appliquer la formule d’intégration par
parties. On pose u = arcsin x, v0 = 1 (et donc u0 = p 1 2 et v = x) alors
1− x
x
Z Z
¤ £ p p
dx = x arcsin x − − 1 − x2 = x arcsin x+ 1 − x2 + c
£ ¤ £ ¤
1·arcsin x dx = x arcsin x − p
1 − x2
4. Calcul de x2 e x dx. On pose u = x2 et v0 = e x pour obtenir :

R
Z Z
x2 e x dx = x2 e x − 2 xe x dx
£ ¤
On refait une deuxième intégration par parties pour calculer

Z Z
xe x dx = xe x − e x dx = (x − 1)e x + c
£ ¤
D’où Z
x2 e x dx = (x2 − 2x + 2)e x + c.
Exemple 121
1 sin(π x)
Z
Nous allons étudier les intégrales définies par I n = dx, pour tout entier n > 0.
0 x+n
1. Montrer que 0 É I n+1 É I n .
sin(π x) sin(π x)
Pour 0 É x É 1, on a 0 < x + n É x + n + 1 et sin(π x) Ê 0, donc 0 É x+ n+1 É x+ n . D’où
0 É I n+1 É I n par la positivité de l’intégrale.
2. Montrer que I n É ln n+1
n . En déduire lim n→+∞ I n .
sin(π x) R1 ¤1
De 0 É sin(π x) É 1, on a 1 1
dx = ln(x + n) 0 = ln n+1
£
x+ n É x+ n . D’où 0 É I n É 0 x+ n n → 0.
3. Calculer limn→+∞ nI n .
1
Nous allons faire une intégration par parties avec u = x+ n et v0 = sin(π x) (et donc u0 =
− ( x+1n)2 et v = − π1 cos(π x)) :
1 ¸1
1 n 1 n 1 1 n 1 n
Z · Z
nI n = n sin(π x) dx = − cos(π x) − cos(π x) dx = + − Jn
0 x+n π x+n 0 π 0 (x + n)
2 π (n + 1) π π
R 1 cos(π x)
Il nous reste à évaluer Jn = 0 ( x + n )2 dx.
¯ n ¯ n Z 1 | cos(π x)| n 1 1 n 1 1 n 1 1 1 1
Z · ¸ µ ¶
¯ Jn ¯ É dx É dx = − = − + = → 0.
¯ ¯
π π 0 (x + n) 2 π 0 (x + n) 2 π x+n 0 π 1+n n π n+1
Donc limn→+∞ nI n = limn→+∞ π(nn+1) + π1 − πn Jn = π2 .

Intégrales 209
4.2. Changement de variable
Théorème 36
Soit f une fonction définie sur un intervalle I et ϕ : J → I une bijection de classe C 1 . Pour
tout a, b ∈ J
Z ϕ( b) Z b
f ϕ(t) · ϕ0 (t) dt
¡ ¢
f (x) dx =
ϕ(a) a
Si F est une primitive de f alors F ◦ ϕ est une primitive de f ◦ ϕ · ϕ0 .

¡ ¢
Voici un moyen simple de s’en souvenir. En effet si l’on note x = ϕ(t) alors par dérivation on obtient
dx
R ϕ(b) Rb
dt = ϕ (t) donc dx = ϕ (t) dt. D’où la substitution ϕ(a) f (x) dx = a f (ϕ(t)) ϕ (t) dt.
0 0 0
Démonstration
Comme F est une primitive de f alors F 0 ( x) = f ( x) et par la formule de la dérivation de la composition

F ◦ ϕ on a
(F ◦ ϕ)0 ( t) = F 0 (ϕ( t))ϕ0 ( t) = f (ϕ( t))ϕ0 ( t).
Donc F ◦ ϕ est une primitive de f (ϕ( t))ϕ0 ( t).

Z b
¤b ¢ £ ¤ϕ(b)
Z ϕ( b)
f (ϕ( t))ϕ0 ( t) dt = F ◦ ϕ a = F ϕ( b) − F ϕ(a) = F ϕ(a) =
£ ¡ ¢ ¡
Pour les intégrales : f ( x) dx.
a ϕ(a)
Remarque
Comme ϕ est une bijection de J sur ϕ(J), sa réciproque ϕ−1 existe et est dérivable sauf quand
ϕ s’annule. Si ϕ ne s’annule pas, on peut écrire t = ϕ−1 (x) et faire un changement de variable
en sens inverse.
Exemple 122
R
Calculons la primitive F = tan t dt.
sin t
Z Z
F= tan t dt = dt .
cos t
0
On reconnaît ici une forme uu (avec u = cos t et u0 = − sin t) dont une primitive est ln | u|. Donc
0
F = − uu = − ln | u| = − ln | u| + c = − ln | cos t| + c.
R £ ¤
Nous allons reformuler tout cela en terme de changement de variable. Notons ϕ(t) = cos t alors
ϕ0 (t) = − sin t, donc
ϕ0 (t)
Z
F= − dt
ϕ(t)
Si f désigne la fonction définie par f (x) = 1x , qui est bijective tant que x 6= 0 ; alors F =
− ϕ0 (t) f (ϕ(t)) dt. En posant x = ϕ(t) et donc dx = ϕ0 (t)dt, on reconnaît la formule du change-
R
ment de variable, par conséquent
1
Z Z
−1
F ◦ ϕ = − f (x) dx = − dx = − ln | x| + c .
x
Comme x = ϕ(t) = cos t, on retrouve bien F(t) = − ln | cos t| + c.
Intégrales 210
Remarque : pour que l’intégrale soit bien définie il faut que tan t soit définie, donc t 6≡ π2 mod π.
La restriction d’une primitive à un intervalle ]− π2 + kπ, π2 + kπ[ est donc de la forme − ln | cos t|+ c.
Mais la constante c peut être différente sur un intervalle différent.
Exemple 123
R 1/2
Calcul de 0 (1− xx2 )3/2 dx.
Soit le changement de variable u = ϕ(x) = 1 − x2 . Alors du = ϕ0 (x) dx = −2x dx. Pour x = 0 on a
u = ϕ(0) = 1 et pour x = 12 on a u = ϕ( 12 ) = 34 . Comme ϕ0 (x) = −2x, ϕ est une bijection de [0, 12 ]
sur [0, 34 ]. Alors
Z 1/2 x dx
Z 3/4 − du 1
Z 3/4 1£ ¤3/4 £ 1 ¤3/4 1 2
2
= =− u−3/2 du = − − 2u−1/2 1 = p 1 = q − 1 = p − 1.
0 (1 − x2 )3/2 1 u3/2 2 1 2 u 3 3
4
Exemple 124
R 1/2
Calcul de 0 (1− x12 )3/2 dx.
On effectue le changement de variable x = ϕ(t) = sin t et dx = cos t dt. De plus t = arcsin x donc
pour x = 0 on a t = arcsin(0) = 0 et pour x = 12 on a t = arcsin( 12 ) = π6 . Comme ϕ est une bijection
de [0, π6 ] sur [0, 12 ],
Z 1/2 dx
Z π/6 cos t dt
Z π/6 cos t dt
Z π/6 cos t
Z π/6 1 £ ¤π/6 1
= 2
= = dt = dt = tan t 0 = p .
0 (1 − x2 )3/2 0 (1 − sin t)3/2 0 (cos2 t)3/2 0 cos3 t 0
2
cos t 3
Exemple 125
Calcul de (1+ x12 )3/2 dx.

R
dt
Soit le changement de variable x = tan t donc t = arctan x et dx = cos2 t
. Donc
1 1 dt
Z Z
F= dx =
(1 + x2 )3/2 (1 + tan2 t)3/2 cos2 t
dt 1
Z
= (cos2 t)3/2
2
car 1 + tan2 t =
Z cos t cos2 t
£ ¤
= cos t dt = sin t = sin t + c = sin(arctan x) + c
Donc
1
Z
dx = sin(arctan x) + c.
(1 + x2 )3/2
En manipulant un peu les fonctions on trouverait que la primitive s’écrit aussi F(x) = p x + c.
1+ x2
Mini-exercices
R π/2 R π/2
1. Calculer les intégrales à l’aide d’intégrations par parties : 0 t sin t dt, 0 t2 sin t dt,
R π/2
puis par récurrence 0 t n sin t dt.
t2 sh t dt, puis
R R
2. Déterminer les primitives à l’aide d’intégrations par parties : t sh t dt,
par récurrence t n sh t dt.
R
Intégrales 211
Rap Rπ p
3. Calculer les intégrales à l’aide de changements de variable : 0 a2 − t2 dt ; −π 1 + cos t dt
(pour ce dernier poser deux changements de variables : u = cos t, puis v = 1 − u).
R
4. Déterminer les p
primitives suivantes à l’aide de changements de variable : th t dt où
t
th t = sh
R t
ch t , e dt.
5. Intégration des fractions rationnelles

Nous savons intégrer beaucoup de fonctions simples. Par exemple toutes les fonctions polyno-
2 3 n+1
miales : si f (x) = a 0 + a 1 x + a 2 x2 + · · · + a n x n alors f (x) dx = a 0 x + a 1 x2 + a 2 x3 + · · · + a n xn+1 + c.
R
Il faut être conscient cependant

pque beaucoup de fonctions ne s’intègrent pas à l’aide de fonctions
2
R 2π
2 2 2
simples. Par exemple si f (t) = a cos t + b sin t alors l’intégrale 0 f (t) dt ne peut pas s’expri-
mer comme somme, produit, inverse ou composition de fonctions que vous connaissez. En fait cette
intégrale vaut la longueur d’une ellipse d’équation paramétrique (a cos t, b sin t) ; il n’y a donc pas
de formule pour le périmètre d’une ellipse (sauf si a = b auquel cas l’ellipse est un cercle !).
b−
a
// //
−
Mais de façon remarquable, il y a toute une famille de fonctions que l’on saura intégrer : les
fractions rationnelles.
5.1. Trois situations de base

α x+β
On souhaite d’abord intégrer les fractions rationnelles f (x) = ax2 +bx+ c avec α, β, a, b, c ∈ R, a 6= 0 et
(α, β) 6= (0, 0).
Premier cas. Le dénominateur ax2 + bx + c possède deux racines réelles distinctes x1 , x2 ∈ R.
α x+β
Alors f (x) s’écrit aussi f (x) = a( x− x1 )( x− x2 ) et il existe de nombres A, B ∈ R tels que f (x) = x−Ax1 + x−Bx2 .
On a donc Z
f (x) dx = A ln | x − x1 | + B ln | x − x2 | + c
sur chacun des intervalles ] − ∞, x1 [, ]x1 , x2 [, ]x2 , +∞[ (si x1 < x2 ).
Deuxième cas. Le dénominateur ax2 + bx + c possède une racine double x0 ∈ R.

α x+β
Alors f (x) = a( x− x )2 et il existe des nombres A, B ∈ R tels que f (x) = ( x−Ax )2 + x−Bx0 . On a alors
0 0
A
Z
f (x) dx = − + B ln | x − x0 | + c
x − x0
sur chacun des intervalles ] − ∞, x0 [, ]x0 , +∞[.
Troisième cas. Le dénominateur ax2 + bx + c ne possède pas de racine réelle. Voyons comment
faire sur un exemple.
Exemple 126
u0
Soit f (x) = 2 x2x++x1+1 . Dans un premier temps on fait apparaître une fraction du type u (que
l’on sait intégrer en ln | u|).
(4x + 1) 41 − 41 + 1 1 4x + 1 3 1
f (x) = = · 2 + · 2
2x2 + x + 1 4 2x + x + 1 4 2x + x + 1
Intégrales 212
4 x+1
On peut intégrer la fraction 2 x2 + x+1
:
4x + 1 u0 (x)
Z Z
dx = ln ¯2x2 + x + 1¯ + c
¯ ¯
dx =
2x2 + x + 1 u(x)
1 1
Occupons nous de l’autre partie 2 x2 + x+1
, nous allons l’écrire sous la forme u2 +1
(dont une
primitive est arctan u).
1 1 1 8 1 8 1
= = = ·8 = ·¡
2x2 + x + 1 2(x + 1 2 1
4) − 8 +1 2(x + 1 2 7
4) + 8
7 7 2(x + 4 )2 + 1 7 p4 (x + 1 ) 2 + 1
1 ¢
47
On pose le changement de variable u = p4 (x + 1 ) (et donc du = p4 dx) pour trouver

7 4 7
p
dx 8 dx 8 du 7 2 2 4 ¡ 1¢
Z Z Z µ ¶
= = · = p arctan u + c = p arctan p x + +c .
2x2 + x + 1 7 p4 (x + 1 ) 2 + 1 7 u2 + 1 4 4
¡ ¢
4
7 7 7
7
Finalement :
1 ¡ 2 3 4 ¡ 1¢
Z µ ¶
¢
f (x) dx = ln 2x + x + 1 + p arctan p x + +c
4 2 7 7 4
5.2. Intégration des éléments simples

P ( x)
Soit Q ( x) une fraction rationnelle, où P(x),Q(x) sont des polynômes à coefficients réels. Alors la
P ( x)
fraction s’écrit comme somme d’un polynôme E(x) ∈ R[x] (la partie entière) et d’éléments
Q ( x)
simples d’une des formes suivantes :
γ αx + β
ou avec b2 − 4ac < 0
(x − x0 )k (ax2 + bx + c)k
où α, β, γ, a, b, c ∈ R et k ∈ N \ {0}.
1. On sait intégrer le polynôme E(x).
γ
2. Intégration de l’élément simple ( x− x )k .
0
R γ dx
(a) Si k = 1 alors x− x0 = γ ln | x − x0 | + c (sur ] − ∞, x0 [ ou ]x0 , +∞[).
R γ dx γ
(b) Si k Ê 2 alors ( x− x )k = γ (x − x0 )−k dx = −k+1 (x − x0 )−k+1 + c (sur ] − ∞, x0 [ ou ]x0 , +∞[).
R
0
α x+β
3. Intégration de l’élément simple (ax2 + bx+ c)k
. On écrit cette fraction sous la forme
αx + β 2ax + b 1
=γ +δ
(ax2 + bx + c)k (ax2 + bx + c)k (ax2 + bx + c)k
2ax+ b u 0 ( x) 1 − k+1
+ c = −k1+1 (ax2 + bx + c)−k+1 + c.
R R
(a) (ax2 + bx+ c)k
dx = u ( x) k
dx = − k+1 u(x)
(b) Si k = 1, calcul de ax2 +1bx+ c dx. Par un changement de variable u = px + q on se ramène à
R
calculer une primitive du type udu

R
2 +1 = arctan u + c.
1
R
(c) Si k Ê 2, calcul de (ax2 +bx+ c)k dx. On effectue le changement de variable u = px + q pour
se ramener au calcul de I k = (u2du
R
+1)k
. Une intégration par parties permet de passer de I k
à I k−1 .
Par exemple calculons I 2 . Partant de I 1 = udu 1 0
R
2 +1 on pose f = u2 +1 et g = 1. La formule
d’intégration par parties f g0 = [ f g] − f 0 g donne (avec f 0 = − (u22+u1)2 et g = u)

R R
R du h i R 2 h i R u2 +1−1
u 2 u du u
I1 = 2 +1 = 2 +1 + 2 +1)2 = 2 +1 + 2 du
h u i u ( u u h i (u2 +1)2
u
R du R du u
= u2 +1
+ 2 u2 +1 − 2 (u2 +1)2 = u2 +1 + 2I 1 − 2I 2
Intégrales 213
On en déduit I 2 = 21 I 1 + 12 u2u+1 + c. Mais comme I 1 = arctan u alors
du 1 1 u
Z
I2 = = arctan u + + c.
(u2 + 1)2 2 2 u2 + 1
5.3. Intégration des fonctions trigonométriques

R R P (cos x,sin x)
On peut aussi calculer les primitives de la forme P(cos x, sin x) dx ou Q (cos x,sin x) dx quand P et
Q sont des polynômes, en se ramenant à intégrer une fraction rationnelle.
Il existe deux méthodes :
– les règles de Bioche sont assez efficaces mais ne fonctionnent pas toujours ;
– le changement de variable t = tan 2x fonctionne tout le temps mais conduit à davantage de
calculs.
Les règles de Bioche. On note ω(x) = f (x) dx. On a alors ω(− x) = f (− x) d(− x) = − f (− x) dx et
ω(π − x) = f (π − x) d(π − x) = − f (π − x) dx.
– Si ω(− x) = ω(x) alors on effectue le changement de variable u = cos x.
– Si ω(π − x) = ω(x) alors on effectue le changement de variable u = sin x.
– Si ω(π + x) = ω(x) alors on effectue le changement de variable u = tan x.
Exemple 127
x dx
Calcul de la primitive 2cos
R
−cos2 x
π− x) d (π− x) x) (− dx)
On note ω(x) = 2cos x dx
−cos2 x
. Comme ω(π − x) = cos( 2−cos2 (π− x)
= (− cos
2−cos2 x
= ω(x) alors le change-
ment de variable qui convient est u = sin x pour lequel du = cos x dx. Ainsi :
cos x dx cos x dx du
Z Z Z
£ ¤
= = = arctan u = arctan(sin x) + c .
2 − cos2 x 2 − (1 − sin2 x) 1 + u2
Le changement de variable t = tan 2x .

Les formules de la «tangente de l’arc moitié» permettent d’exprimer sinus, cosinus et tangente en
fonction de tan 2x .
x 1 − t2 2t 2t 2 dt
Avec t = tan on a cos x = sin x = tan x = et dx = .
2 1 + t2 1 + t2 1 − t2 1 + t2
Exemple 128
R0
Calcul de l’intégrale −π/2 1−dxsin x .
Le changement de variable t = tan 2x définit une bijection de [− π2 , 0] vers [−1, 0] (pour x = − π2 ,
2t
t = −1 et pour x = 0, t = 0). De plus on a sin x = 1+ t2
et dx = 12+dt
t2
.
2 dt
0 dx 0 0 dt 0 dt 1 0 1¢
Z Z Z Z · ¸
1+ t2 ¡
= 2t
=2 2
=2 2
=2 = 2 1− =1
− π2 1 − sin x −1 1 − −1 1 + t − 2t −1 (1 − t) 1 − t −1 2
1+ t 2
Intégrales 214
Mini-exercices
4 x+5 6− x 1 2 x−4
R R R R
1. Calculer les primitives x2 + x−2
dx, x2 −4 x+4
dx, dx.
( x−2)2 +1
( x−2)2 +1
dx,
R dx R x dx
2. Calculer les primitives I k = ( x−1)k pour tout k Ê 1. Idem avec Jk = ( x2 +1)k .
R1 R1 R 1 x dx R1
3. Calculer les intégrales suivantes : 0 x2 +dxx+1 , 0 x2x+dx
x+1
, 0 ( x2 + x+1)2
, 0 ( x2 +dx
x+1)2
.
π π R 2π dx
sin2 x cos3 x dx, cos4 x dx,
R 2
R 2
4. Calculer les intégrales suivantes : − π2 0 0 2+sin x .
Auteurs

Relecture : Pascal Romon
Exo7
13 Développements limités
1 Formules de Taylor
2 Développements limités au voisinage d'un point
3 Opérations sur les développements limités
4 Applications des développements limités
Vidéo ■ partie 1. Formules de Taylor

Vidéo ■ partie 2. Développements limités au voisinage d'un point
Vidéo ■ partie 3. Opérations sur les DL
Vidéo ■ partie 4. Applications
Exercices Développements limités
Motivation
Prenons l’exemple de la fonction exponentielle. Une idée du comportement de la fonction f (x) =
exp x autour du point x = 0 est donné par sa tangente, dont l’équation est y = 1 + x. Nous avons
approximé le graphe par une droite. Si l’on souhaite faire mieux, quelle parabole d’équation
y = c 0 + c 1 x + c 2 x2 approche le mieux le graphe de f autour de x = 0 ? Il s’agit de la parabole
d’équation y = 1 + x + 12 x2 . Cette équation à la propriété remarquable que si on note g(x) = exp x −
1 + x + 12 x2 alors g(0) = 0, g0 (0) = 0 et g00 (0) = 0. Trouver l’équation de cette parabole c’est faire
¡ ¢
un développement limité à l’ordre 2 de la fonction f . Bien sûr si l’on veut être plus précis, on
continuerait avec une courbe du troisième degré qui serait en fait y = 1 + x + 12 x2 + 61 x3 .
y y = ex
y = 1+ x
2
y = 1 + x + x2
2 3 0 1 x
y = 1 + x + x2 + x6
Dans ce chapitre, pour n’importe quelle fonction, nous allons trouver le polynôme de degré n qui
approche le mieux la fonction. Les résultats ne sont valables que pour x autour d’une valeur fixée
(ce sera souvent autour de 0). Ce polynôme sera calculé à partir des dérivées successives au point
considéré. Sans plus attendre, voici la formule, dite formule de Taylor-Young :
x2 xn
f (x) = f (0) + f 0 (0)x + f 00 (0) + · · · + f (n) (0) + x n ε(x).
2! n!
Développements limités 216
n
La partie polynomiale f (0) + f 0 (0)x +· · ·+ f (n) (0) xn! est le polynôme de degré n qui approche le mieux
f (x) autour de x = 0. La partie x n ε(x) est le «reste» dans lequel ε(x) est une fonction qui tend vers
0 (quand x tend vers 0) et qui est négligeable devant la partie polynomiale.
1. Formules de Taylor
Nous allons voir trois formules de Taylor, elles auront toutes la même partie polynomiale mais
donnent plus ou moins d’informations sur le reste. Nous commencerons par la formule de Taylor
avec reste intégral qui donne une expression exacte du reste. Puis la formule de Taylor avec reste
f (n+1) (c) qui permet d’obtenir un encadrement du reste et nous terminons avec la formule de
Taylor-Young très pratique si l’on n’a pas besoin d’information sur le reste.
Soit I ⊂ R un intervalle ouvert. Pour n ∈ N∗ , on dit que f : I → R est une fonction de classe C n si f
est n fois dérivable sur I et f (n) est continue. f est de classe C 0 si f est continue sur I. f est de
classe C ∞ si f est de classe C n pour tout n ∈ N.
1.1. Formule de Taylor avec reste intégral
Théorème 37. Formule de Taylor avec reste intégral
Soit f : I → R une fonction de classe C n+1 (n ∈ N) et soit a, x ∈ I. Alors
f 00 (a) 2 f ( n) ( a ) n
R x f (n+1) ( t) n
f (x) = f (a) + f 0 (a)(x − a) + 2! (x − a) + · · · + n! (x − a) + a n! (x − t) dt.
Nous noterons T n (x) la partie polynomiale de la formule de Taylor (elle dépend de n mais aussi de
f et a) :
f 00 (a) f (n) (a)
T n (x) = f (a) + f 0 (a)(x − a) + (x − a)2 + · · · + (x − a)n .
2! n!
Remarque
En écrivant x = a + h (et donc h = x − a) la formule de Taylor précédente devient (pour tout a

et a + h de I) :
f 00 (a) 2 f (n) (a) n h f (n+1) (a + t)

Z
f (a + h) = f (a) + f 0 (a)h + h +···+ h + (h − t)n dt
2! n! 0 n!
Exemple 129
La fonction f (x) = exp x est de classe C n+1 sur I = R pour tout n. Fixons a ∈ R. Comme
f 0 (x) = exp x, f 00 (x) = exp x,. . . alors pour tout x ∈ R :
Z x
exp a exp t
exp x = exp a + exp a · (x − a) + · · · + (x − a)n + (x − t)n dt.
n! a n!
Bien sûr si l’on se place en a = 0 alors on retrouve le début de notre approximation de la

2 3
fonction exponentielle en x = 0 : exp x = 1 + x + x2! + x3! + · · ·
Montrons cette formule de Taylor par récurrence sur k É n :
f 00 (a) f ( k ) ( a) b ( b − t) k
Z
f ( b) = f (a) + f 0 (a)( b − a) + ( b − a)2 + · · · + ( b − a) k + f (k+1) ( t) dt.
2! k! a k!
(Pour éviter les confusions entre ce qui varie et ce qui est fixe dans cette preuve on remplace x par b.)
Rb
Initialisation. Pour n = 0, une primitive de f 0 ( t) est f ( t) donc a f 0 ( t) dt = f ( b) − f (a), donc f ( b) =
Rb
f (a) + a f 0 ( t) dt. (On rappelle que par convention ( b − t)0 = 1 et 0! = 1.)
Hérédité. Supposons la formule vraie au rang k − 1. Elle s’écrit f ( b) = f (a) + f 0 (a)( b − a) + · · · +
f (k−1) (a) Rb k−1
( k−1)! ( b − a)
k−1
+ a f (k) ( t) (b(k−−t)1)! dt.
Rb k−1
On effectue une intégration par parties dans l’intégrale a f (k) ( t) (b(k−−t)1)! dt. En posant u( t) = f (k) ( t)
( b− t)k−1 k
et v0 ( t) = ( k−1)! , on a u0 ( t) = f (k+1) ( t) et v( t) = − (b−k!t) ; alors
¸b Z b
b ( b − t)k−1 ( b − t) k ( b − t) k
Z ·
f ( k ) ( t) dt = − f (k) ( t) + f (k+1) ( t) dt
a ( k − 1)! k! a a k!
( b − a) k ( b − t) k
Z b
= f ( k ) ( a) + f (k+1) ( t) dt.
k! a k!
Ainsi lorsque l’on remplace cette expression dans la formule au rang k − 1 on obtient la formule au
rang k.
Conclusion. Par le principe de récurrence la formule de Taylor est vraie pour tous les entiers n
pour lesquels f est classe C n+1 .
1.2. Formule de Taylor avec reste f (n+1) ( c)
Théorème 38. Formule de Taylor avec reste f (n+1) (c)
Soit f : I → R une fonction de classe C n+1 (n ∈ N) et soit a, x ∈ I. Il existe un réel c entre a et

x tel que :
f 00 (a) 2 f ( n) ( a ) n f (n+1) ( c) n+1

f (x) = f (a) + f 0 (a)(x − a) + 2! (x − a) + · · · + n! (x − a) + ( n+1)! (x − a) .
Exemple 130
Soient a, x ∈ R. Pour tout entier n Ê 0 il existe c entre a et x tel que exp x = exp a + exp a · (x −
exp a exp c
a) + · · · + n! (x − a)n + (n+1)! (x − a)n+1 .
Dans la plupart des cas on ne connaîtra pas ce c. Mais ce théorème permet d’encadrer le reste.
Ceci s’exprime par le corollaire suivant :
Corollaire 18
Si en plus la fonction | f (n+1) | est majorée sur I par un réel M, alors pour tout a, x ∈ I, on a :
n+1
¯ f (x) − T n (x)¯ É M | x − a|
¯ ¯
·
(n + 1)!
Exemple 131
Approximation de sin(0, 01).

Soit f (x) = sin x. Alors f 0 (x) = cos x, f 00 (x) = − sin x, f (3) (x) = − cos x, f (4) (x) = sin x. On obtient
donc f (0) = 0, f 0 (0) = 1, f 00 (0) = 0, f (3) (0) = −1. La formule de Taylor ci-dessus en a = 0 à l’ordre
2 3 4 3
x4
3 devient : f (x) = 0 + 1 · x + 0 · x2! − 1 x3! + f (4) (c) x4! , c’est-à-dire f (x) = x − x6 + f (4) (c) 24 , pour un
certain c entre 0 et x.
Appliquons ceci pour x = 0, 01. Le reste étant petit on trouve alors
(0, 01)3
sin(0, 01) ≈ 0, 01 − = 0, 00999983333 . . .
6
On peut même savoir quelle est la précision de cette approximation : comme f (4) (x) = sin x
3 ¢¯ 4
alors | f (4) (c)| É 1. Donc ¯ f (x) − x − x6 ¯ É x4! . Pour x = 0, 01 cela donne : ¯ sin(0, 01) − 0, 01 −
¯ ¡ ¯ ¡
(0,01)3 ¢¯¯ (0,01)4 (0,01)4

6 É . Comme
24 ≈ 4, 16 · 10−10 alors notre approximation donne au moins 8
24
chiffres exacts après la virgule.
Remarque
– Dans ce théorème l’hypothèse f de classe C n+1 peut-être affaiblie en f est «n + 1 fois

dérivable sur I».
– «le réel c est entre a et x» signifie «c ∈]a, x[ ou c ∈]x, a[».
– Pour n = 0 c’est exactement l’énoncé du théorème des accroissements finis : il existe
c ∈]a, b[ tel que f (b) = f (a) + f 0 (c)(b − a).
– Si I est un intervalle fermé borné et f de classe C n+1 , alors f (n+1) est continue sur
I donc il existe un M tel que | f (n+1) (x)| É M pour tout x ∈ I. Ce qui permet toujours
d’appliquer le corollaire.
Pour la preuve du théorème nous aurons besoin d’un résultat préliminaire.
Lemme 6. Égalité de la moyenne
Supposons a < b et soient u, v : [a, b] → R deux fonctions continues avec v Ê 0. Alors il existe
Rb Rb
c ∈ [a, b] tel que a u(t)v(t) dt = u(c) a v(t) dt.
Démonstration
Rb Rb Rb
Notons m = inf t∈[a,b] u( t) et M = sup t∈[a,b] u( t). On a m a v( t) dt É a u( t)v( t) dt É M a v( t) dt (car
Rb
a u( t)v( t) dt
v Ê 0). Ainsi m É Rb É M . Puisque u est continue sur [a, b] elle prend toutes les valeurs
a v( t) dt
comprises entre m et M (théorème des valeurs intermédiaires). Donc il existe c ∈ [a, b] avec u( c) =
Rb
au( t)v( t) dt
Rb .
a v( t) dt
Pour la preuve nous montrerons la formule de Taylor pour f ( b) en supposant a < b. Nous montrerons
seulement c ∈ [a, b] au lieu de c ∈]a, b[.
n
Posons u( t) = f (n+1) ( t) et v( t) = (b−n!t) . La formule de Taylor avec reste intégral s’écrit f ( b) = T n (a) +
Rb Rb Rb
a u( t)v( t) dt. Par le lemme, il existe c ∈ [a, b] tel que a u( t)v( t) dt = u( c) a v( t) dt. Ainsi le reste
n n+1 b a)n+1
Rb Rb h i
est a u( t)v( t) dt = f (n+1) ( c) a (b−n!t) dt = f (n+1) ( c) − (b(n−+t)1)! = f (n+1) ( c) (b(−n+1)! . Ce qui donne la
a
formule recherchée.
1.3. Formule de Taylor-Young

Théorème 39. Formule de Taylor-Young
Soit f : I → R une fonction de classe C n et soit a ∈ I. Alors pour tout x ∈ I on a :
f 00 (a) 2 f ( n) ( a ) n n
f (x) = f (a) + f 0 (a)(x − a) + 2! (x − a) + · · · + n! (x − a) + (x − a) ε(x),
où ε est une fonction définie sur I telle que ε(x) −−−→ 0.

x→ a
Démonstration
f étant un fonction de classe C n nous appliquons la formule de Taylor avec reste f (n) ( c) au rang
f 00 (a)
n − 1. Pour tout x, il existe c = c( x) compris entre a et x tel que f ( x) = f (a) + f 0 (a)( x − a) + 2! ( x −
f (n−1) (a) n−1 f ( n) ( c ) f 00 (a)
a )2 + · · · + ( n−1)! ( x − a) + n! ( x − a)n . Que nous réécrivons : f ( x) = f (a) + f 0 (a)( x − a) + 2! ( x −
f ( n) ( a ) n f ( n ) ( c )− f ( n ) ( a ) f ( n ) ( c )− f ( n ) ( a )
a )2 + · · · + n! ( x − a ) + n! ( x − a)n . On pose ε( x) = n! . Puisque f (n) est continue et
que c( x) → a alors lim x→a ε( x) = 0.
1.4. Un exemple
Soit f :] − 1, +∞[→ R, x 7→ ln(1 + x) ; f est infiniment dérivable. Nous allons calculer les formules de
Taylor en 0 pour les premiers ordres.
Tous d’abord f (0) = 0. Ensuite f 0 (x) = 1+1 x donc f 0 (0) = 1. Ensuite f 00 (x) = − (1+1x)2 donc f 00 (0) = −1.
Puis f (3) (x) = +2 (1+1x)3 donc f (3) (0) = +2. Par récurrence on montre que f (n) (x) = (−1)n−1 (n − 1)! (1+1x)n
f (n) (0) n n
et donc f (n) (0) = (−1)n−1 (n − 1)!. Ainsi pour n > 0 : n! x = (−1)n−1 (n−1)! n
n! x = (−1)
n−1 x
n.
Voici donc les premiers polynômes de Taylor :
x2 x2 x3
T0 (x) = 0 T1 (x) = x T2 (x) = x − T3 (x) = x − +
2 2 3
Les formules de Taylor nous disent que les restes sont de plus en plus petits lorsque n croît. Sur
le dessins les graphes des polynômes T0 , T1 , T2 , T3 s’approchent de plus en plus du graphe de f .
Attention ceci n’est vrai qu’autour de 0.
2 3
y = x − x2 + x3 y=x
y
y = ln(1 + x)
1
0 y=0
1 x
2
y = x − x2
Pour n quelconque nous avons calculer que le polynôme de Taylor en 0 est

n xk x2 x3 xn
(−1)k−1 − · · · + (−1)n−1 .
X
T n (x) = = x− +
k=1 k 2 3 n
1.5. Résumé
Il y a donc trois formules de Taylor qui s’écrivent toutes sous la forme
f (x) = T n (x) + R n (x)
où T n (x) est toujours le même polynôme de Taylor :

f 00 (a) f (n) (a)
T n (x) = f (a) + f 0 (a)(x − a) + (x − a)2 + · · · + (x − a)n .
2! n!
C’est l’expression du reste R n (x) qui change (attention le reste n’a aucune raison d’être un poly-
nôme).
f (n+1) (t)
x
Z
R n (x) = (x − t)n dt Taylor avec reste intégral
a n!
f (n+1) (c)
R n (x) = (x − a)n+1 Taylor avec reste f (n+1) (c), c entre a et x
(n + 1)!
R n (x) = (x − a)n ε(x) Taylor-Young avec ε(x) −−−→ 0
x→ a
Selon les situations l’une des formulations est plus adaptée que les autres. Bien souvent nous
n’avons pas besoin de beaucoup d’information sur le reste et c’est donc la formule de Taylor-Young
qui sera la plus utile.
Notons que les trois formules ne requièrent pas exactement les mêmes hypothèses : Taylor avec
reste intégral à l’ordre n exige une fonction de classe C n+1 , Taylor avec reste une fonction n + 1 fois
dérivable, et Taylor-Young une fonction C n . Une hypothèse plus restrictive donne logiquement une
conclusion plus forte. Cela dit, pour les fonctions de classe C ∞ que l’on manipule le plus souvent,
les trois hypothèses sont toujours vérifiées.
Notation. Le terme (x − a)n ε(x) où ε(x) −−−→ 0 est souvent abrégé en «petit o» de (x − a)n et est
x →0
n
noté o((x − a)n ). Donc o((x − a)n ) est une fonction telle que lim x→a o((( xx−−aa))n ) = 0. Il faut s’habituer à
cette notation qui simplifie les écritures, mais il faut toujours garder à l’esprit ce qu’elle signifie.
Cas particulier : Formule de Taylor-Young au voisinage de 0. On se ramène souvent au cas

particulier où a = 0, la formule de Taylor-Young s’écrit alors
x2 xn
f (x) = f (0) + f 0 (0)x + f 00 (0) + · · · + f (n) (0) + x n ε(x)
2! n!
où lim x→0 ε(x) = 0.

Et avec la notation «petit o» cela donne :
x2 xn
f (x) = f (0) + f 0 (0)x + f 00 (0) + · · · + f (n) (0) + o(x n )
2! n!
Mini-exercices
1. Écrire les trois formules de Taylor en 0 pour x 7→ cos x, x 7→ exp(− x) et x 7→ sh x.

2. Écrire les formules de Taylor en 0 à l’ordre 2 pour x 7→ p1 , x 7→ tan x.
1+ x
3. Écrire les formules de Taylor en 1 pour x 7→ x3 − 9x2 + 14x + 3.
p p
4. Avec une formule de Taylor à l’ordre 2 de 1 + x, trouver une approximation de 1, 01.
Idem avec ln(0, 99).
2. Développements limités au voisinage d’un point

2.1. Définition et existence
Soit I un intervalle ouvert et f : I → R une fonction quelconque.
Définition 67
Pour a ∈ I et n ∈ N, on dit que f admet un développement limité (DL) au point a et à l’ordre

n, s’il existe des réels c 0 , c 1 , . . . , c n et une fonction ε : I → R telle que lim x→a ε(x) = 0 de sorte
que pour tout x ∈ I :
f (x) = c 0 + c 1 (x − a) + · · · + c n (x − a)n + (x − a)n ε(x).
– L’égalité précédente s’appelle un DL de f au voisinage de a à l’ordre n .

– Le terme c 0 + c 1 (x − a) + · · · + c n (x − a)n est appelé la partie polynomiale du DL.
– Le terme (x − a)n ε(x) est appelé le reste du DL.
La formule de Taylor-Young permet d’obtenir immédiatement des développements limités en po-

f ( k ) ( a)
sant c k = k! :
Proposition 84
Si f est de classe C n au voisinage d’un point a alors f admet un DL au point a à l’ordre n,

qui provient de la formule de Taylor-Young :
f 0 (a) f 00 (a) f (n) (a)

f (x) = f (a) + (x − a) + (x − a)2 + · · · + (x − a)n + (x − a)n ε(x)
1! 2! n!
où lim x→a ε(x) = 0.
Remarque
1. Si f est de classe C n au voisinage d’un point 0, un DL en 0 à l’ordre n est l’expression :
x2 xn
f (x) = f (0) + f 0 (0)x + f 00 (0) + · · · + f (n) (0) + x n ε(x)
2! n!
2. Si f admet un DL en un point a à l’ordre n alors elle en possède un pour tout k É n. En

effet
f 0 (a) f (k) (a)

f (x) = f (a) + (x − a) + · · · + (x − a)k
1! k!
f (k+1) (a) f (n) (a)
+ (x − a)k+1 + · · · + (x − a)n + (x − a)n ε(x)
(k + 1)! n!
| {z }
=( x−a)k η( x)
où lim x→a η(x) = 0.

2.2. Unicité
Proposition 85
Si f admet un DL alors ce DL est unique.
Démonstration
Écrivons deux DL de f : f ( x) = c 0 + c 1 ( x − a) + · · · + c n ( x − a)n + ( x − a)n ε1 ( x) et f ( x) = d 0 + d 1 ( x − a) +

· · · + d n ( x − a)n + ( x − a)n ε2 ( x). En effectuant la différence on obtient :
( d 0 − c 0 ) + ( d 1 − c 1 )( x − a) + · · · + ( d n − c n )( x − a)n + ( x − a)n (ε2 ( x) − ε1 ( x)) = 0.
Lorsque l’on fait x = a dans cette égalité alors on trouve d 0 − c 0 = 0. Ensuite on peut diviser cette
égalité par x − a : ( d 1 − c 1 ) + ( d 2 − c 2 )( x − a) + · · · + ( d n − c n )( x − a)n−1 + ( x − a)n−1 (ε2 ( x) − ε1 ( x)) = 0. En
évaluant en x = a on obtient d 1 − c 1 = 0, etc. On trouve c 0 = d 0 , c 1 = d 1 , . . . , c n = d n . Les parties
polynomiales sont égales et donc les restes aussi.
Corollaire 19
Si f est paire (resp. impaire) alors la partie polynomiale de son DL en 0 ne contient que des
monômes de degrés pairs (resp. impairs).
2
Par exemple x 7→ cos x est paire et nous verrons que son DL en 0 commence par : cos x = 1 − x2! +
x4 6
4! − x6! + · · · .
Démonstration
f ( x) = c 0 + c 1 x + c 2 x2 + c 3 x3 + · · · + c n x n + x n ε( x). Si f est paire alors f ( x) = f (− x) = c 0 − c 1 x + c 2 x2 −

c 3 x3 + · · · + (−1)n c n x n + x n ε( x). Par l’unicité du DL en 0 on trouve c 1 = − c 1 , c 3 = − c 3 , . . . et donc
c 1 = 0, c 3 = 0,. . .
Remarque
1. L’unicité du DL et la formule de Taylor-Young prouve que si l’on connaît le DL et que

f est de classe C n alors on peut calculer les nombres dérivés à partir de la partie
f ( k ) ( a)
polynomiale par la formule c k = k! . Cependant dans la majorité des cas on fera
l’inverse : on trouve le DL à partir des dérivées.
2. Si f admet un DL en un point a à l’ordre n Ê 0 alors c 0 = f (a).
3. Si f admet un DL en un point a à l’ordre n Ê 1, alors f est dérivable en a et on a c 0 = f (a)
et c 1 = f 0 (a). Par conséquent y = c 0 + c 1 (x − a) est l’équation de la tangente au graphe de
f au point d’abscisse a.
4. Plus subtil : f peut admettre un DL à l’ordre 2 en un point a sans admettre une dérivée
seconde en a. Soit par exemple f (x) = x3 sin 1x . Alors f est dérivable mais f 0 ne l’est pas.
Pourtant f admet un DL en 0 à l’ordre 2 : f (x) = x2 ε(x) (la partie polynomiale est nulle).
2.3. DL des fonctions usuelles à l’origine

Les DL suivants en 0 proviennent de la formule de Taylor-Young.
2 3 n
x
exp x = 1 + 1! + x2! + x3! + · · · + xn! + x n ε(x)
2 4 2n
ch x = 1 + x2! + x4! + · · · + (2xn)! + x2n+1 ε(x)
3 5 2 n+1
x
sh x = 1! + x3! + x5! + · · · + (2xn+1)! + x2n+2 ε(x)
2 4 2n
cos x = 1 − x2! + x4! − · · · + (−1)n (2xn)! + x2n+1 ε(x)
3 5 2 n+1
x
sin x = 1! − x3! + x5! − · · · + (−1)n (2xn+1)! + x2n+2 ε(x)
2 3 n
ln(1 + x) = x − x2 + x3 − · · · + (−1)n−1 xn + x n ε(x)
(1 + x)α = 1 + α x + α(α2!−1) x2 + · · · + α(α−1)...n(!α−n+1) x n + x n ε(x)
1
= 1 − x + x2 − x3 + · · · + (−1)n x n + x n ε(x)
1+ x
1
= 1 + x + x2 + · · · + x n + x n ε(x)
1− x
p (2 n−3) n
1 + x = 1 + 2x − 18 x2 + · · · + (−1)n−1 1·1·3·25···
n n! x + x n ε(x)
Ils sont tous à apprendre par cœur. C’est facile avec les remarques suivantes :
– Le DL de ch x est la partie paire du DL de exp x. C’est-à-dire que l’on ne retient que les
monômes de degré pair. Alors que le DL de sh x est la partie impaire.
– Le DL de cos x est la partie paire du DL de exp x en alternant le signe +/− du monôme. Pour
sin x c’est la partie impaire de exp x en alternant aussi les signes.
– On notera que la précision du DL de sin x est meilleure que l’application naïve de la formule
de Taylor le prévoit (x2n+2 ε(x) au lieu de x2n+1 ε(x)) ; c’est parce que le DL est en fait à l’ordre
2n + 2, avec un terme polynomial en x2n+2 nul (donc absent). Le même phénomène est vrai
pour tous les DL pairs ou impairs (dont sh x, cos x, ch x).
– Pour ln(1 + x) n’oubliez pas qu’il n’y a pas de terme constant, pas de factorielle aux dénomi-
nateurs, et que les signes alternent.
– Il faut aussi savoir écrire le DL à l’aide des sommes formelles (et ici des «petits o») :
n xk n xk
+ o(x n ) (−1)k−1 + o(x n )
X X
exp x = et ln(1 + x) =
k=1 k! k=1 k
– La DL de (1+ x)α est valide pour tout α ∈ R. Pour α = −1 on retombe sur le DL de (1+ x)−1 = 1+1 x .
Mais on retient souvent le DL de 1−1 x qui est très facile. Il se retrouve aussi avec la somme
n+1 n+1
x x
d’une suite géométrique : 1 + x + x2 + · · · + x n = 1−1− 1 1 n
x = 1− x − 1− x = 1− x + x ε(x).
1 1 p x 1
– Pour α = 2 on retrouve (1 + x) 2 = 1 + x = 1 + 2 − 8 x2 + · · · . Dont il faut connaître les trois
premiers termes.
2.4. DL des fonctions en un point quelconque

La fonction f admet un DL au voisinage d’un point a si et seulement si la fonction x 7→ f (x + a)
admet un DL au voisinage de 0. Souvent on ramène donc le problème en 0 en faisant le changement
de variables h = x − a.
Exemple 132
1. DL de f (x) = exp x en 1.
On pose h = x − 1. Si x est proche de 1 alors h est proche de 0. Nous allons nous ramener
à un DL de exp h en h = 0. On note e = exp 1.
h2 hn
µ ¶
n
exp x = exp(1 + (x − 1)) = exp(1) exp(x − 1) = e exp h = e 1 + h + +···+ + h ε(h)
2! n!
(x − 1)2 (x − 1)n
µ ¶
= e 1 + (x − 1) + +···+ + (x − 1)n ε(x − 1) , lim ε(x − 1) = 0.
2! n! x→1
2. DL de g(x) = sin x en π/2.

Sachant sin x = sin( π2 + x − π2 ) = cos(x − π2 ) on se ramène au DL de cos h quand h = x − π2 → 0.
( x− π2 )2 ( x− π2 )2n
On a donc sin x = 1 − 2! +· · ·+ (−1)n (2 n)! + (x − π2 )2n+1 ε(x − π2 ), où lim x→π/2 ε(x − π2 ) = 0.
3. DL de `(x) = ln(1 + 3x) en 1 à l’ordre 3.
Il faut se ramener à un DL du type ln(1 + h) en h = 0. On pose h = x − 1 (et donc x = 1 + h).
On a `(x) = ln(1 + 3x) = ln 1 + 3(1 + h) = ln(4 + 3h) = ln 4 · (1 + 34h ) = ln 4 + ln 1 + 34h =
¡ ¢ ¡ ¢ ¡ ¢
¡ ¢2 ¡ ¢3
ln 4 + 34h − 12 34h + 31 34h + h3 ε(h) = ln 4 + 3( x4−1) − 32
9 9
(x − 1)2 + 64 (x − 1)3 + (x − 1)3 ε(x − 1)
où lim x→1 ε(x − 1) = 0.
Mini-exercices
1. Calculer le DL en 0 de x 7→ ch x par la formule de Taylor-Young. Retrouver ce DL en

x −x
utilisant que ch x = e −2e .
p
2. Écrire le DL en 0 à l’ordre 3 de 1 + x. Idem avec p 1 .
3
1+ x
p
3. Écrire le DL en 2 à l’ordre 2 de x.
1
4. Justifier l’expression du DL de 1− x à l’aide de l’unicité des DL de la somme d’une suite
géométrique.
3. Opérations sur les développements limités

3.1. Somme et produit
On suppose que f et g sont deux fonctions qui admettent des DL en 0 à l’ordre n :
f (x) = c 0 + c 1 x + · · · + c n x n + x n ε1 (x) g(x) = d 0 + d 1 x + · · · + d n x n + x n ε2 (x)
Proposition 86
– f + g admet un DL en 0 l’ordre n qui est :
( f + g)(x) = f (x) + g(x) = (c 0 + d 0 ) + (c 1 + d 1 )x + · · · + (c n + d n )x n + x n ε(x).
– f × g admet un DL en 0 l’ordre n qui est : ( f × g)(x) = f (x) × g(x) = T n (x) + x n ε(x) où

T n (x) est le polynôme (c 0 + c 1 x + · · · + c n x n ) × (d 0 + d 1 x + · · · + d n x n ) tronqué à l’ordre n.
Tronquer un polynôme à l’ordre n signifie que l’on conserve seulement les monômes de degré É n.
Exemple 133
p p
Calculer le DL de cos x × 1 + x en 0 à l’ordre 2. On sait cos x = 1 − 21 x2 + x2 ε1 (x) et 1 + x =
1 + 21 x − 81 x2 + x2 ε2 (x). Donc :
p 1 2 1 1 2
µ ¶ µ ¶
2 2
cos x × 1 + x = 1 − x + x ε1 (x) × 1 + x − x + x ε2 (x) on développe
2 2 8
1 1
= 1 + x − x2 + x2 ε2 (x)
2 µ8
1 2 1 1
¶
− x 1 + x − x2 + x2 ε2 (x)
2 2 8
1 1
µ ¶
+ x2 ε1 (x) 1 + x − x2 + x2 ε2 (x)
2 8
1 1 2
= 1 + x − x + x2 ε2 (x) on développe encore
2 8
1 1 1 4 1 4
− x2 − x3 + x − x ε2 (x)
2 4 16 2
1 3 1
+ x ε1 (x) + x ε1 (x) − x4 ε1 (x) + x4 ε1 (x)ε2 (x)
2
2 ¶ 8
1 1 2 1 2
µ
= 1+ x+ − x − x on a regroupé les termes de degré 0 et 1, 2
2 8 2
| {z }
partie tronquée à l’ordre 2
1 1 4 1 4 1 1
+ x2 ε2 (x) − x3 + x − x ε2 (x) + x2 ε1 (x) + x3 ε1 (x) − x4 ε1 (x) + x4 ε1 (x)ε2 (x) et ici les aut
| 4 16 2 {z 2 8 }
reste de la forme x2 ε( x)
1 5
= 1 + x − x2 + x2 ε(x)
2 8
On a en fait écrit beaucoup de choses superflues, qui à la fin sont dans le reste et n’avaient
pas besoin d’être explicitées ! Avec l’habitude les calculs se font très vite car on n’écrit plus
les termes inutiles. Voici le même calcul avec la notation «petit o» : dès qu’apparaît un terme
x2 ε1 (x) ou un terme x3 ,... on écrit juste o(x2 ) (ou si l’on préfère x2 ε(x)).
p 1 2 1 1 2
µ ¶ µ ¶
2 2
cos x × 1 + x = 1 − x + o(x ) × 1 + x − x + o(x ) on développe
2 2 8
1 1
= 1 + x − x2 + o(x2 )
2 8
1 2
− x + o(x2 )
2
+ o(x2 )
1 5
= 1 + x − x2 + o(x2 )
2 8
La notation «petit o» évite de devoir donner un nom à chaque fonction, en ne gardant que sa
propriété principale, qui est de décroître vers 0 au moins à une certaine vitesse. Comme on le
voit dans cet exemple, o(x2 ) absorbe les éléments de même ordre de grandeur ou plus petits
que lui : o(x2 ) − 14 x3 + 21 x2 o(x2 ) = o(x2 ). Mais il faut bien comprendre que les différents o(x2 )
écrits ne correspondent pas à la même fonction, ce qui justifie que cette égalité ne soit pas
fausse !
3.2. Composition
On écrit encore :
f (x) = C(x)+ x n ε1 (x) = c 0 + c 1 x+· · ·+ c n x n + x n ε1 (x) g(x) = D(x)+ x n ε2 (x) = d 0 + d 1 x+· · ·+ d n x n + x n ε2 (x)
Proposition 87
Si g(0) = 0 (c’est-à-dire d 0 = 0) alors la fonction f ◦ g admet un DL en 0 à l’ordre n dont la

partie polynomiale est le polynôme tronqué à l’ordre n de la composition C(D(x)).
Exemple 134
¡ ¢
Calcul du DL de h(x) = sin ln(1 + x) en 0 à l’ordre 3.
– On pose ici f (u) = sin u et g(x) = ln(1 + x) (pour plus de clarté il est préférable de donner
des noms différents aux variables de deux fonctions, ici x et u). On a bien f ◦ g(x) =
¡ ¢
sin ln(1 + x) et g(0) = 0.
3
– On écrit le DL à l’ordre 3 de f (u) = sin u = u − u3! + u3 ε1 (u) pour u proche de 0.
2 3
– Et on pose u = g(x) = ln(1 + x) = x − x2 + x3 + x3 ε2 (x) pour x proche de 0.
– On aura besoin de calculer un DL à l’ordre 3 de u2 (qui est bien sûr le produit u × u) :
2 3 ¢2
u2 = x − x2 + x3 + x3 ε2 (x) = x2 − x3 + x3 ε3 (x) et aussi u3 qui est u × u2 , u3 = x3 + x3 ε4 (x).
¡
3
– Donc h(x) = f ◦ g(x) = f (u) = u − u3! + u3 ε1 (u) = x − 12 x2 + 31 x3 − 16 x3 + x3 ε(x) = x − 21 x2 +
¡ ¢
1 3 3
6 x + x ε(x).
Exemple 135
p
Soit h(x) = cos x. On cherche le DL de h en 0 à l’ordre 4.
p
On utilise cette fois la notation «petit o». On connaît le DL de f (u) = 1 + u en u = 0 à l’ordre
p
2 : f (u) = 1 + u = 1 + 12 u − 81 u2 + o(u2 ).
¡ ¢
Et si on pose u(x) = cos x − 1 alors on a h(x) = f u(x) et u(0) = 0. D’autre part le DL de u(x) en
x = 0 à l’ordre 4 est : u = − 12 x2 + 24
1 4
x + o(x4 ). On trouve alors u2 = 14 x4 + o(x4 ).
Et ainsi
1 1
h(x) = f u = 1 + u − u2 + o(u2 )
¡ ¢
2 8
1 ¡ 1 2 1 4¢ 1 ¡ 1 4¢
= 1+ − x + x − x + o(x4 )
2 2 24 8 4
1 1 4 1 4
= 1 − x2 + x − x + o(x4 )
4 48 32
1 1 4
= 1 − x2 − x + o(x4 )
4 96
3.3. Division
Voici comment calculer le DL d’un quotient f /g. Soient
f (x) = c 0 + c 1 x + · · · + c n x n + x n ε1 (x) g(x) = d 0 + d 1 x + · · · + d n x n + x n ε2 (x)
1
Nous allons utiliser le DL de 1+ u = 1 − u + u2 − u3 + · · · .
1. Si d 0 = 1 on pose u = d 1 x + · · · + d n x n + x n ε2 (x) et le quotient s’écrit f /g = f × 1+1 u .

2. Si d 0 est quelconque avec d 0 6= 0 alors on se ramène au cas précédent en écrivant
1 1 1
= .
g(x) d 0 1 + x + · · · + d n x n + xn ε2 ( x)
d 1
d0 d0 d0
3. Si d 0 = 0 alors on factorise par x k (pour un certain k) afin de se ramener aux cas précédents.
Exemple 136
1. DL de tan x en 0 à l’ordre 5.
3 5 2 4
x
Tout d’abord sin x = x − x6 + 120 x
+ x5 ε(x). D’autre part cos x = 1 − x2 + 24 + x5 ε(x) = 1 + u en
2 4
x
posant u = − x2 + 24 + x5 ε(x).
2
x4 x4
¢2
Nous aurons besoin de u2 et u3 : u2 = − x2 + 24 + x5 ε(x) = + x5 ε(x) et en fait u3 =
¡
4
x5 ε(x). (On note abusivement ε(x) pour différents restes.)
Ainsi
1 1 x2 x4 x4 x2 5 4
= = 1 − u + u2 − u3 + u3 ε(u) = 1 + − + + x5 ε(x) = 1 + + x + x5 ε(x) ;
cos x 1 + u 2 24 4 2 24
Finalement
1 ¡ x3 x5 ¢ ¡ x2 5 x3 2
+ x5 ε(x) × 1+ + x4 + x5 ε(x) = x+ + x5 + x5 ε(x).
¢
tan x = sin x× = x− +
cos x 6 120 2 24 3 15
1+ x
2. DL de 2+ x en 0 à l’ordre 4.
1+ x 1 1 1 x ³ x ´2 ³ x ´3 ³ x ´4 1 x x2 x3 x4
µ ¶
4
= (1+ x) x = (1+ x) 1 − + − + + o(x ) = + − + − + o(x4 )
2+ x 2 1+ 2 2 2 2 2 2 2 4 8 16 32
sin x
3. Si l’on souhaite calculer le DL de sh x en 0 à l’ordre 4 alors on écrit
3 5 2 4
x − x3! + x5! + o(x5 ) x 1 − x3! + x5! + o(x4 )
¡ ¢
sin x
= 3 5
= ¡ 2 4
sh x x + x3! + x5! + o(x5 ) x 1 + x3! + x5! + o(x4 )
¢
x2 x4 1 x2 x4
+ o(x4 ) × + o(x4 )
¡ ¢
= 1− + 2 4
= ··· = 1− +
3! 5! 1 + x3! + x5! + o(x4 ) 2 18
Autre méthode. Soit f (x) = C(x) + x n ε1 (x) et g(x) = D(x) + x n ε2 (x). Alors on écrit la division suivant
les puissances croissantes de C par D à l’ordre n : C = DQ + x n+1 R avec degQ É n. Alors Q est la
partie polynomiale du DL en 0 à l’ordre n de f /g.
Exemple 137
3
DL de 2+1x++x22x à l’ordre 2. On pose C(x) = 2 + x + 2x3 et g(x) = D(x) = 1 + x2 alors C(x) =
D(x) × (2 + x − 2x2 ) + x3 (1 + 2x). On a donc Q(x) = 2 + x − 2x2 , R(x) = 1 + 2x. Et donc lorsque l’on
f ( x)
divise cette égalité par C(x) on obtient g( x) = 2 + x − 2x2 + x2 ε(x).
3.4. Intégration
Soit f : I → R une fonction de classe C n dont le DL en a ∈ I à l’ordre n est f (x) = c 0 + c 1 (x − a) +
c 2 (x − a)2 + · · · + c n (x − a)n + (x − a)n ε(x).
Théorème 40
Notons F une primitive de f . Alors F admet un DL en a à l’ordre n + 1 qui s’écrit :
(x − a)2 (x − a)3 (x − a)n+1

F(x) = F(a) + c 0 (x − a) + c 1 + c2 + · · · + cn + (x − a)n+1 η(x)
2 3 n+1
où lim η(x) = 0.
x→ a
Cela signifie que l’on intègre la partie polynomiale terme à terme pour obtenir le DL de F(x) à la
constante F(a) près.
Démonstration
Rx Rx
On a F ( x) − F (a) = a f ( t) dt = a 0 ( x − a) + · · · + na+n1 ( x − a)n+1 + a ( t − a)n+1 ε( t) dt. Notons η( x) =
1 x
( t − a)n ε( t) dt.
R
( x−a)n+1 a ¯ ¯
Rx Rx
Alors |η( x)| É ¯ ( x−a1)n+1 a |( t − a)n | · sup t∈[a,x] |ε( t)| dt¯ = | ( x−a1)n+1 | · sup t∈[a,x] |ε( t)| · a |( t − a)n | dt =
¯ ¯
1
n+1sup t∈[a,x] |ε( t)|.
Mais sup t∈[a,x] |ε( t)| → 0 lorsque x → a. Donc η( x) → 0 quand x → a.
Exemple 138
Calcul du DL de arctan x.
On sait que arctan0 x = 1+1x2 . En posant f (x) = 1
1+ x 2
et F(x) = arctan x, on écrit
1 n
arctan0 x = (−1)k x2k + x2n ε(x).
X
=
1 + x2 k=0
(−1)k 2 k+1 3 5 7
+ x2n+1 ε(x) = x − x3 + x5 − x7 + · · ·
Pn
Et comme arctan(0) = 0 alors arctan x = k=0 2 k+1
x
Exemple 139
La méthode est la même pour obtenir un DL de arcsin x en 0 à l’ordre 5.

1 − 1 (− 1 −1)
arcsin0 x = (1 − x2 )− 2 = 1 − 12 (− x2 ) + 2 22 (− x2 )2 + x4 ε(x) = 1 + 21 x2 + 38 x4 + x4 ε(x).
Donc arcsin x = x + 61 x3 + 403 5
x + x5 ε(x).
Mini-exercices
1. Calculer le DL en 0 à l’ordre 3 de exp(x) − 1+1 x , puis de x cos(2x) et cos(x) × sin(2x).

p ¡p ¢
2. Calculer le DL en 0 à l’ordre 2 de 1 + 2 cos x, puis de exp 1 + 2 cos x .
¢2
3. Calculer le DL en 0 à l’ordre 3 de ln(1 + sin x). Idem à l’ordre 6 pour ln(1 + x2 ) .
¡
ln(1+ x3 ) ex
4. Calculer le DL en 0 à l’ordre n de x3
. Idem à l’ordre 3 avec 1+ x .
5. Par intégration retrouver la formule du DL de ln(1 + x). Idem à l’ordre 3 pour arccos x.
4. Applications des développements limités

Voici les applications les plus remarquables des développements limités. On utilisera aussi les DL
lors de l’étude locale des courbes paramétrées lorsqu’il y a des points singuliers.
4.1. Calculs de limites

Les DL sont très efficaces pour calculer des limites ayant des formes indéterminées ! Il suffit juste
de remarquer que si f (x) = c 0 + c 1 (x − a) + · · · alors lim x→a f (x) = c 0 .
Exemple 140
ln(1 + x) − tan x + 12 sin2 x

Limite en 0 de .
3x2 sin2 x 2 3 4
f ( x)
Notons g( x) cette fraction. En 0 on a f (x) = ln(1+ x)−tan x+ 21 sin2 x = x− x2 + x3 − x4 + o(x4 ) − x+
¡ ¢ ¡
x3 x3 3 2 x2 x4 1 2 1 4
4
¢ 1¡ ¢ 4 5 4 4 2 2
3 +¡o(x ) +¢2 x − 6 + o(x ) = − 2 − 4 + 2 (x − 3 x ) + o(x ) = − 12 x + o(x ) et g(x) = 3x sin x =
2
3x2 x + o(x) = 3x4 + o(x4 ).
5 4
− 12
f ( x) x + o( x4 ) − 5 + o(1)
Ainsi g ( x) =
3 x4 + o( x4 )
= 312+ o(1) en notant o(1) une fonction (inconnue) tendant vers 0 quand
f ( x) 5
x → 0. Donc lim x→0 g( x) = − 36 .
Note : en calculant le DL à un ordre inférieur (2 par exemple), on n’aurait pas pu conclure, car
f ( x) 2
on aurait obtenu g( x) = oo(( xx2 )) , ce qui ne lève pas l’indétermination. De façon générale, on calcule
les DL à l’ordre le plus bas possible, et si cela ne suffit pas, on augmente progressivement
l’ordre (donc la précision de l’approximation).
4.2. Position d’une courbe par rapport à sa tangente
Proposition 88
Soit f : I → R une fonction admettant un DL en a : f (x) = c 0 + c 1 (x − a) + c k (x − a)k + (x − a)k ε(x),

où k est le plus petit entier Ê 2 tel que le coefficient c k soit non nul. Alors l’équation de la
tangente à la courbe de f en a est : y = c 0 + c 1 (x − a) et la position de la courbe par rapport à la
tangente pour x proche de a est donnée par le signe f (x) − y, c’est-à-dire le signe de c k (x − a)k .
Il y a 3 cas possibles.
– Si le signe est positif alors la courbe est au-dessus de la tangente.
y
a x
– Si le signe est négatif alors la courbe est en dessous de la tangente.

y
a x
– Si le signe change (lorsque l’on passe de x < a à x > a) alors la courbe traverse la tangente au
point d’abscisse a. C’est un point d’inflexion.
y
a x
f 00 (a)
Comme le DL de f en a à l’ordre 2 s’écrit aussi f (x) = f (a) + f 0 (a)(x − a) + 2 (x − a)2 + (x − a)2 ε(x).
Alors l’équation de la tangente est aussi y = f (a) + f 0 (a)(x − a). Si en plus f 00 (a) 6= 0 alors f (x) − y
garde un signe constant autour de a. En conséquence si a est un point d’inflexion alors f 00 (a) = 0.
(La réciproque est fausse.)
Exemple 141
Soit f (x) = x4 − 2x3 + 1.

1
1. Déterminons la tangente en 2 du graphe de f et précisons la position du graphe par
rapport à la tangente.
On a f 0 (x) = 4x3 − 6x2 , f 00 (x) = 12x2 − 12x, donc f 00 ( 12 ) = −3 6= 0 et k = 2.
1
On en déduit le DL de f en 2 par la formule de Taylor-Young : f (x) = f ( 12 ) + f 0 ( 12 )(x −
1 f 00 ( 21 )
2)+ 2! (x − 12 )2 + (x − 12 )2 ε(x) = 13
16 − (x − 12 ) − 32 (x − 21 )2 + (x − 21 )2 ε(x).
Donc la tangente en 12 est y = 16 13
− (x − 21 ) et le graphe de f est en dessous de la tangente
car f (x) − y = − 2 + ε(x) (x − 12 )2 est négatif autour de x = 12 .
¡ 3 ¢
2. Déterminons les points d’inflexion.

Les points d’inflexion sont à chercher parmi les solutions de f 00 (x) = 0. Donc parmi x = 0
et x = 1.
– Le DL en 0 est f (x) = 1 − 2x3 + x4 (il s’agit juste d’écrire les monômes par degrés crois-
sants !). L’équation de la tangente au point d’abscisse 0 est donc y = 1 (une tangente
horizontale). Comme −2x3 change de signe en 0 alors 0 est un point d’inflexion de f .
– Le DL en 1 : on calcule f (1), f 0 (1), . . . pour trouver le DL en 1 f (x) = −2(x − 1) + 2(x −
1)3 + (x − 1)4 . L’équation de la tangente au point d’abscisse 1 est donc y = −2(x − 1).
Comme 2(x − 1)3 change de signe en 1, 1 est aussi un point d’inflexion de f .
y y
y = x4 − 2x3 + 1 y = x4 − 2x3 + 1
1 1 tangente en 0
0 0 1
1 1 x x
2
tangente en 12
tangente en 1
4.3. Développement limité en +∞

Soit f une fonction définie sur un intervalle I =]x0 , +∞[. On dit que f admet un DL en +∞ à
l’ordre n s’il existe des réels c 0 , c 1 , . . . , c n tels que
c1 cn 1 ¡1¢
f (x) = c 0 + +···+ n + n ε
x x x x
où ε 1x tend vers 0 quand x → +∞.

¡ ¢
Exemple 142
f (x) = ln 2 + 1x = ln 2 + ln 1 + 1 1 1 1
+ · · · + (−1)n−1 n21n xn + 1 1
x n ε( x ),
¡ ¢ ¡ ¢
2x = ln 2 + 2x − 8 x2
+ 24 x3
où
lim x→∞ ε( 1x ) = 0
y
³ ´
y = ln 2 + 1x
1
y = ln(2)
0 1 x
Cela nous permet d’avoir une idée assez précise du comportement de f au voisinage de +∞.
Lorsque x → +∞ alors f (x) → ln 2. Et le second terme est + 12 x, donc est positif, cela signifie
que la fonction f (x) tend vers ln 2 tout en restant au-dessus de ln 2.
Remarque
1. Un DL en +∞ s’appelle aussi un développement asymptotique.

2. Dire que la fonction x 7→ f (x) admet un DL en +∞ à l’ordre n est équivalent à dire que
la fonction x → f ( 1x ) admet un DL en 0+ à l’ordre n.

3. On peut définir de même ce qu’est un DL en −∞.
Proposition 89
f ( x) f ( x)
On suppose que la fonction x 7→ x admet un DL en +∞ (ou en −∞) : x = a 0 + ax1 +
ak
xk
+ x1k ε( 1x ), où k est le plus petit entier Ê 2 tel que le coefficient de x1k soit non nul. Alors
lim x→+∞ f (x) − (a 0 x + a 1 ) = 0 (resp. x → −∞) : la droite y = a 0 x + a 1 est une asymptote à la
courbe de f en +∞ (ou −∞) et la position de la courbe par rapport à l’asymptote est donnée
par le signe de f (x) − y, c’est-à-dire le signe de xak−k1 .
y
y = f (x)
y = a0 x + a1
Démonstration
ak
+ xk1−1 ε( 1x ) = 0. Donc y = a 0 x + a 1 est une asymptote à
¡ ¢
On a lim x→+∞ f ( x) − a 0 x − a 1 = lim x→+∞ x k−1
a a ¡
la courbe de f . Ensuite on calcule la différence f ( x) − a 0 x − a 1 = xk−k 1 + xk1−1 ε( 1x ) = xk−k 1 1 + a1 ε( 1x ) .
¢
k
Exemple 143
p
Asymptote de f (x) = exp 1x · x2 − 1.
y y = 1+ x p
y = exp 1x · x2 − 1
y = −x − 1
0
−1 1 x
1. En +∞,
p s
f (x) 1 x2 − 1 1 1
= exp · = exp · 1 − 2
x x x x x
³ 1 1 1 1 1 ´ ³ 1 1 1 ´
= 1 + + 2 + 3 + 3 ε( ) · 1 − 2 + 3 ε( )
x 2x 6x x x 2x x x
1 1 1 1
= · · · = 1 + − 3 + 3 ε( )
x 3x x x
Donc l’asymptote de f en +∞ est y = x + 1. Comme f (x) − x − 1 = − 31x2 + x12 ε( 1x ) quand

x → +∞, le graphe de f reste en dessous de l’asymptote.
p q
f ( x) 2
2. En −∞. x = exp 1x · xx−1 = − exp 1x · 1 − x12 = −1 − 1x + 31x3 + x13 ε( 1x ). Donc y = − x − 1 est
1
une asymptote de f en −∞. On a f (x) + x + 1 = 3 x2
+ x12 ε( 1x ) quand x → −∞ ; le graphe de
f reste au-dessus de l’asymptote.
Mini-exercices
p
sin x − x 1 + x − sh 2x
1. Calculer la limite de lorsque x tend vers 0. Idem avec (pour
x3 xk
k = 1, 2, 3, . . .).
p ¶1
x−1 1− x x 1 1
µ
2. Calculer la limite de lorsque x tend vers 1. Idem pour , puis 2
− 2
ln x 1+ x tan x x
lorsque x tend vers 0.
3. Soit f (x) = exp x + sin x. Calculer l’équation de la tangente en x = 0 et la position du
graphe. Idem avec g(x) = sh x.
¢x
4. Calculer le DL en +∞ à l’ordre 5 de x2x−1 . Idem à l’ordre 2 pour 1 + 1x .
¡
q
3
5. Soit f (x) = xx++11 . Déterminer l’asymptote en +∞ et la position du graphe par rapport
à cette asymptote.
Auteurs

Relecture : Pascal Romon
Exo7
14 Groupes
1 Groupe
2 Sous-groupes
3 Morphismes de groupes
4 Le groupe Z/nZ
5 Le groupe des permutations S n

Vidéo ■ partie 2. Sous-groupes
Vidéo ■ partie 3. Morphismes de groupes
Vidéo ■ partie 4. Le groupe Z/ nZ
Vidéo ■ partie 5. Le groupe des permutations
Motivation
Évariste Galois a tout juste vingt ans lorsqu’il meurt dans un duel. Il restera pourtant comme l’un
des plus grands mathématiciens de son temps pour avoir introduit la notion de groupe, alors qu’il
avait à peine dix-sept ans.
Vous savez résoudre les équations de degré 2 du type ax2 + bx + c = 0. Les solutions s’expriment en
p
fonction de a, b, c et de la fonction racine carrée . Pour les équations de degré 3, axq3 + bx2 + cx
q+ d =
p p
35−1 5+1
3
0, il existe aussi des formules. Par exemple une solution de x3 + 3x + 1 = 0 est x0 = 2 − 2 .
De telles formules existent aussi pour les équations de degré 4.
Un préoccupation majeure au début du X I X e siècle était de savoir s’il existait des formules simi-
laires pour les équations de degré 5 ou plus. La réponse fut apportée par Galois et Abel : non il
n’existe pas en général une telle formule. Galois parvient même à dire pour quels polynômes c’est
possible et pour lesquels ce ne l’est pas. Il introduit pour sa démonstration la notion de groupe.
Les groupes sont à la base d’autres notions mathématiques comme les anneaux, les corps, les
matrices, les espaces vectoriels,... Mais vous les retrouvez aussi en arithmétique, en géométrie, en
cryptographie !
Nous allons introduire dans ce chapitre la notion de groupe, puis celle de sous-groupe. On étu-
diera ensuite les applications entre deux groupes : les morphismes de groupes. Finalement nous
détaillerons deux groupes importants : le groupe Z/nZ et le groupe des permutations S n .
1. Groupe
1.1. Définition
Groupes 236
Définition 68
Un groupe (G, ?) est un ensemble G auquel est associé une opération ? (la loi de composi-
tion) vérifiant les quatre propriétés suivantes :
1. pour tout x, y ∈ G, x? y∈G (? est une loi de composition interne)
2. pour tout x, y, z ∈ G, (x ? y) ? z = x ? (y ? z) (la loi est associative)
3. il existe e ∈ G tel que ∀ x ∈ G, x ? e = x et e ? x = x (e est l’élément neutre)
0
4. pour tout x ∈ G il existe x ∈ G tel que x?x = x ?x = e
0 0
(x0 est l’inverse de x et est
noté x−1 )
Si de plus l’opération vérifie
pour tous x, y ∈ G, x ? y = y ? x,
on dit que G est un groupe commutatif (ou abélien).
Remarque
– L’élément neutre e est unique. En effet si e0 vérifie aussi le point (3), alors on a e0 ? e = e
(car e est élément neutre) et e0 ? e = e0 (car e0 aussi). Donc e = e0 . Remarquez aussi que
l’inverse de l’élément neutre est lui-même. S’il y a plusieurs groupes, on pourra noter
e G pour l’élément neutre du groupe G.
– Un élément x ∈ G ne possède qu’un seul inverse. En effet si x0 et x00 vérifient tous les
deux le point (4) alors on a x ? x00 = e donc x0 ? (x ? x00 ) = x0 ? e. Par l’associativité (2) et la
propriété de l’élément neutre (3) alors (x0 ? x) ? x00 = x0 . Mais x0 ? x = e donc e ? x00 = x0 et
ainsi x00 = x0 .
1.2. Exemples
Voici des ensembles et des opérations bien connus qui ont une structure de groupe.
– (R∗ , ×) est un groupe commutatif, × est la multiplication habituelle. Vérifions chacune des
propriétés :
1. Si x, y ∈ R∗ alors x × y ∈ R∗ .
2. Pour tout x, y, z ∈ R∗ alors x × (y × z) = (x × y) × z, c’est l’associativité de la multiplication des
nombres réels.
3. 1 est l’élément neutre pour la multiplication, en effet 1 × x = x et x × 1 = x, ceci quelque soit
x ∈ R∗ .
4. L’inverse d’un élément x ∈ R∗ est x0 = 1x (car x × 1x est bien égal à l’élément neutre 1).
L’inverse de x est donc x−1 = 1x . Notons au passage que nous avions exclu 0 de notre groupe,
car il n’a pas d’inverse.
Ces propriétés font de (R∗ , ×) un groupe.
5. Enfin x × y = y × x, c’est la commutativité de la multiplication des réels.
– (Q∗ , ×), (C∗ , ×) sont des groupes commutatifs.
– (Z, +) est un groupe commutatif. Ici + est l’addition habituelle.
1. Si x, y ∈ Z alors x + y ∈ Z.
Groupes 237
2. Pour tout x, y, z ∈ Z alors x + (y + z) = (x + y) + z.

3. 0 est l’élément neutre pour l’addition, en effet 0 + x = x et x + 0 = x, ceci quelque soit x ∈ Z.
4. L’inverse d’un élément x ∈ Z est x0 = − x car x + (− x) = 0 est bien l’élément neutre 0. Quand
la loi de groupe est + l’inverse s’appelle plus couramment l’opposé.
5. Enfin x + y = y + x, et donc (Z, +) est un groupe commutatif.
– (Q, +), (R, +), (C, +) sont des groupes commutatifs.
– Soit R l’ensemble des rotations du plan dont le centre est à l’origine O.
Rθ
Alors pour deux rotations R θ et R θ0 la composée R θ ◦ R θ0 est encore une rotation de centre
l’origine et d’angle θ + θ 0 . Ici ◦ est la composition. Ainsi (R , ◦) forme un groupe (qui est même
commutatif). Pour cette loi l’élément neutre est la rotation d’angle 0 : c’est l’identité du plan.
L’inverse d’une rotation d’angle θ est la rotation d’angle −θ .
– Si I désigne l’ensemble des isométries du plan (ce sont les translations, rotations, réflexions
et leurs composées) alors (I , ◦) est un groupe. Ce groupe n’est pas un groupe commutatif. En
effet, identifions le plan à R2 et soit par exemple R la rotation de centre O = (0, 0) et d’angle
π
2 et T la translation de vecteur (1, 0). Alors les isométries T ◦ R et R ◦ T sont des applications
distinctes. Par exemple les images du point A = (1, 1) par ces applications sont distinctes :
T ◦ R(1, 1) = T(−1, 1) = (0, 1) alors que R ◦ T(1, 1) = R(2, 1) = (−1, 2).
R ◦ T(A)
A
R(A) A T(A)
T ◦ R(A)
π π
2 2
O O
Voici deux exemples qui ne sont pas des groupes :

– (Z∗ , ×) n’est pas un groupe. Car si 2 avait un inverse (pour la multiplication ×) ce serait 12
qui n’est pas un entier.
– (N, +) n’est pas un groupe. En effet l’inverse de 3 (pour l’addition +) devrait être −3 mais
−3 ∉ N.
Nous étudierons dans les sections 4 et 5 deux autres groupes très importants : les groupes cy-
cliques (Z/nZ, +) et les groupes de permutations (S n , ◦).
1.3. Puissance
Revenons à un groupe (G, ?). Pour x ∈ G nous noterons x ? x par x2 et x ? x ? x par x3 . Plus
généralement nous noterons :
Groupes 238
– x n = |x ? x ?
{z· · · ? x},
n fois
– x0 = e,
– x−n = |x−1 ? ·{z
· · ? x−1}.
n fois
Rappelez-vous que x−1 désigne l’inverse de x dans le groupe.
Les règles de calcul sont les mêmes que pour les puissances des nombres réels. Pour x, y ∈ G et
m, n ∈ Z nous avons :
– x m ? x n = x m+ n ,
– (x m )n = x mn ,
– (x ? y)−1 = y−1 ? x−1 , attention à l’ordre !
– Si (G, ?) est commutatif alors (x ? y)n = x n ? yn .
1.4. Exemple des matrices 2 × 2

Une matrice 2 × 2 est un tableau de 4 nombres (pour nous des réels) notée ainsi :
Ã !
a b
.
c d
¡a b¢ ¡ a0b0
et M 0 =
¢
Nous allons définir l’opération produit noté × de deux matrices M = c d c d0
0 :
Ã ! Ã ! Ã !
a 0 b a0 b0 aa0 + bc0 ab0 + bd 0
M×M = × 0 = .
c d c d0 ca0 + dc0 cb0 + dd 0
Voici comment présenter les calculs, on place M à gauche, M 0 au dessus de ce qui va être le résultat.
On calcule un par un, chacun des termes de M × M 0 .
Pour le premier terme on prend la colonne située au dessus et la ligne située à gauche : on effectue
les produits a × a0 et b × c0 qu’on additionne pour obtenir le premier terme du résultat. Même chose
avec le second terme : on prend la colonne située au dessus, la ligne située à gauche, on fait les
produit, on additionne : ab0 + bd 0 . Idem pour les deux autres termes.
Ã !
× a0 b0
Ã ! ×Ã
c0 d0 !
a b aa0 + bc0 ab0 + bd 0
c d ca0 + dc0 cb0 + dd 0
¡1 1
¡1 0¢
et M 0 = alors voici comment poser les calculs (M × M 0 à gauche,
¢
Par exemple si M = 0 −1 21
M 0 × M à droite) ! Ã Ã !
1 0 1 1
Ã ! Ã
2 1 ! Ã ! Ã
0 −1 !
1 1 3 1 1 0 1 1
0 −1 −2 −1 2 1 2 1
alors M × M 0 = −32 −11 et M 0 × M = 12 11 . Remarquez qu’en général M × M 0 6= M 0 × M.

¡ ¢ ¡ ¢
¡a b¢
Le déterminant d’une matrice M = c d est par définition le nombre réel
det M = ad − bc.
Groupes 239
Proposition 90
L’ensemble des matrices 2 × 2 ayant un déterminant non nul, muni de la multiplication des
matrices ×, forme un groupe non-commutatif.
Ce groupe est noté (G`2 , ×).
Nous aurons besoin d’un résultat préliminaire :
Lemme 7
det(M × M 0 ) = det M · det M 0 .
Pour la preuve, il suffit de vérifier le calcul : aa0 + bc0 cb0 + dd 0 − ab0 + bd 0 ca0 + dc0 = (ad −
¡ ¢¡ ¢ ¡ ¢¡ ¢
bc)(a0 d 0 − b0 c0 ).
Revenons à la preuve de la proposition.
Démonstration
1. Vérifions la loi de composition interne. Si M, M 0 sont des matrices 2 × 2 alors M × M 0 aussi.

Maintenant si M et M 0 sont de déterminants non nuls alors det( M × M 0 ) = det M · det M 0 est
aussi non nul. Donc si M, M 0 ∈ G`2 alors M × M 0 ∈ G`2 .
2. Pour vérifier que la loi est associative, c’est un peu fastidieux. Pour trois matrices M, M 0 , M 00
quelconques il faut montrer ( M × M 0 ) × M 00 = M × ( M 0 × M 00 ). Faites-le pour vérifier que vous
maîtrisez le produit de matrices.
3. Existence de l’élément neutre. La matrice identité I = 10 01 est l’élément neutre pour la
¡ ¢
multiplication des matrices : en effet ac db × 10 01 = ac db et 10 01 × ac db = ac db .

¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢
4. Existence de l’inverse. Soit M = ac db une matrice de déterminant non nul alors M −1 =

¡ ¢
1 −1
d −b = I et que M −1 × M = I .
¡ ¢
ad − bc − c a est l’inverse de M : vérifiez que M × M
5. Enfin nous avons déjà vu que cette multiplication n’est pas commutative.
Mini-exercices
1. Montrer que (R∗+ , ×) est un groupe commutatif.

2. Soit f a,b : R → R la fonction définie par x 7→ ax + b. Montrer que l’ensemble F = { f a,b | a ∈
R∗ , b ∈ R} muni de la composition «◦» est un groupe non commutatif.
x+ y
3. (Plus dur) Soit G =] − 1, 1[. Pour x, y ∈ G on définit x ? y = 1+ x y . Montrer que (G, ?) forme
un groupe en (a) montrant que ? est une loi de composition interne : x ? y ∈ G ; (b)
montrant que la loi est associative ; (c) montrant que 0 est élément neutre ; (d) trouvant
l’inverse de x.
Soit (G, ?) est un groupe quelconque, x, y, z sont des éléments de G.

4. Montrer que si x ? y = x ? z alors y = z.
¢−1
5. Que vaut x−1
¡
?
6. Si x n = e, quel est l’inverse de x ?
Matrices :
Groupes 240
¡ 0 −1 ¢ ¡1 2¢ ¡1 2¢
7. Soient M1 = 1 0 , M2 = 1 0 , M3 = 3 4 . Vérifier que M1 × (M2 × M3 ) = (M1 × M2 ) × M3 .
8. Calculer (M1 × M2 )2 et M12 × M22 . (Rappel : M 2 = M × M)

9. Calculer les déterminants des M i ainsi que leur inverse.
¡ a b ¢ ¡ a0 b0
¢
10. Montrer que l’ensemble des matrices 2×2 muni de l’addition + définie par c d + c0 d0
=
¡ a+ a0 b + b 0 ¢
c+ c0 d + d 0
forme un groupe commutatif.
2. Sous-groupes
Montrer qu’un ensemble est un groupe à partir de la définition peut être assez long. Il existe une
autre technique, c’est de montrer qu’un sous-ensemble d’un groupe est lui-même un groupe : c’est
la notion de sous-groupe.
2.1. Définition
Soit (G, ?) un groupe.
Définition 69
Une partie H ⊂ G est un sous-groupe de G si :

– e ∈ H,
– pour tout x, y ∈ H, on a x ? y ∈ H,
– pour tout x ∈ H, on a x−1 ∈ H.
Notez qu’un sous-groupe H est aussi un groupe (H, ?) avec la loi induite par celle de G.
Par exemple si x ∈ H alors, pour tout n ∈ Z, nous avons x n ∈ H.
Remarque
Un critère pratique et plus rapide pour prouver que H est un sous-groupe de G est :
– H contient au moins un élément
– pour tout x, y ∈ H, x ? y−1 ∈ H.
2.2. Exemples
– (R∗+ , ×) est un sous-groupe de (R∗ , ×). En effet :
– 1 ∈ R∗+ ,
– si x, y ∈ R∗+ alors x × y ∈ R∗+ ,
– si x ∈ R∗+ alors x−1 = 1x ∈ R∗+ .
– (U, ×) est un sous-groupe de (C∗ , ×), où U = { z ∈ C | | z| = 1}.
– (Z, +) est un sous-groupe de (R, +).
– { e} et G sont les sous-groupes triviaux du groupe G.
– L’ensemble R des rotations du plan dont le centre est à l’origine est un sous-groupe du groupe
des isométries I .
– L’ensemble des matrices diagonales a0 d0 avec a 6= 0 et d 6= 0 est un sous-groupe de (G`2 , ×).
¡ ¢
2.3. Sous-groupes de Z
Groupes 241
Proposition 91
Les sous-groupes de (Z, +) sont les nZ, pour n ∈ Z.
L’ensemble nZ désigne l’ensemble des multiples de n :

n o
nZ = k · n | k ∈ Z .
Par exemple :
– 2Z = {. . . , −4, −2, 0, +2, +4, +6, . . .} est l’ensemble des entiers pairs,
– 7Z = {. . . , −14, −7, 0, +7, +14, +21, . . .} est l’ensemble des multiples de 7.
Démonstration
Fixons n ∈ Z. L’ensemble nZ est un sous-groupe de (Z, +), en effet :

– nZ ⊂ Z,
– l’élément neutre 0 appartient à nZ,
– pour x = kn et y = k0 n des éléments de nZ alors x + y = ( k + k0 ) n est aussi un élément de nZ,
– enfin si x = kn est un élément de nZ alors − x = (− k) n est aussi un élément de nZ.
Réciproquement soit H un sous-groupe de (Z, +). Si H = {0} alors H = 0Z et c’est fini. Sinon H
contient au moins un élément non-nul et positif (puisque tout élément est accompagné de son
opposé) et notons
© ª
n = min h > 0 | h ∈ H .
Alors n > 0. Comme n ∈ H alors − n ∈ H , 2 n = n + n ∈ H , et plus généralement pour k ∈ Z alors kn ∈ H .

Ainsi nZ ⊂ H . Nous allons maintenant montrer l’inclusion inverse. Soit h ∈ H . Écrivons la division
euclidienne :
h = kn + r, avec k, r ∈ Z et 0 É r < n.
Mais h ∈ H et kn ∈ H donc r = h − kn ∈ H . Nous avons un entier r Ê 0 qui est un élément de H et

strictement plus petit que n. Par la définition de n, nécessairement r = 0. Autrement dit h = kn et
donc h ∈ nZ. Conclusion H = nZ.
2.4. Sous-groupes engendrés

Soit (G, ?) un groupe et E ⊂ G un sous-ensemble de G. Le sous-groupe engendré par E est le
plus petit sous-groupe de G contenant E.
Par exemple si E = {2} et le groupe est (R∗ , ×), le sous-groupe engendré par E est H = {2n | n ∈ Z}.
Pour le prouver : il faut montrer que H est un sous-groupe, que 2 ∈ H, et que si H 0 est un autre
sous-groupe contenant 2 alors H ⊂ H 0 .
Autre exemple avec le groupe (Z, +) : si E 1 = {2} alors le sous-groupe engendré par E 1 est H1 = 2Z.
Si E 2 = {8, 12} alors H2 = 4Z et plus généralement si E = {a, b} alors H = nZ où n = pgcd(a, b).
2.5. Mini-exercices
1. Montrer que {2n | n ∈ Z} est un sous-groupe de (R∗ , ×).
2. Montrer que si H et H 0 sont deux sous-groupes de (G, ?) alors H ∩ H 0 est aussi un sous-groupe.
3. Montrer que 5Z ∪ 8Z n’est pas un sous-groupe de (Z, +).
4. Montrer que l’ensemble des matrices 2 × 2 de déterminant 1 ayant leurs coefficients dans Z
est un sous-groupe de (G`2 , ×).
5. Trouver le sous-groupe de (Z, +) engendré par {−12, 8, 20}.
Groupes 242
3. Morphismes de groupes
3.1. Définition
Définition 70
Soient (G, ?) et (G 0 , ¦) deux groupes. Une application f : G −→ G 0 est un morphisme de

groupes si :
pour tout x, x0 ∈ G f (x ? x0 ) = f (x) ¦ f (x0 )
L’exemple que vous connaissez déjà est le suivant : soit G le groupe (R, +) et G 0 le groupe (R∗+ , ×).
Soit f : R −→ R∗+ l’application exponentielle définie par f (x) = exp(x). Nous avons bien
f (x + x0 ) = exp(x + x0 ) = exp(x) × exp(x0 ) = f (x) × f (x0 ).
Et donc f est bien un morphisme de groupes.
3.2. Propriétés
Proposition 92
Soit f : G −→ G 0 un morphisme de groupes alors :

– f (e G ) = e G 0 ,
¢−1
– pour tout x ∈ G, f (x−1 ) = f (x) .
¡
Il faut faire attention où «habitent» les objets : e G est l’élément neutre de G, e G 0 celui de G 0 . Il n’y
a pas de raison qu’ils soient égaux (ils ne sont même pas dans le même ensemble). Aussi x−1 est
¢−1
est l’inverse de f (x) mais dans G 0 .
¡
l’inverse de x dans G, alors que f (x)
Reprenons l’exemple de la fonction f : R −→ R∗+ définie par f (x) = exp(x). Nous avons bien f (0) = 1
: l’élément neutre de (R, +) a pour image l’élément neutre de (R∗+ , ×). Pour x ∈ R son inverse dans
1 1
(R, +) est ici son opposé − x, alors f (− x) = exp(− x) = exp( x) = f ( x) est bien l’inverse (dans (R+ , ×)) de
∗
f (x).
Démonstration
– f ( e G ) = f ( e G ? e G ) = f ( e G ) ¦ f ( e G ), en multipliant (à droite par exemple) par f ( e G )−1 on

obtient e G 0 = f ( e G ).
– Soit x ∈ G alors x ? x−1 = e G donc f ( x ? x−1 ) = f ( e G ). Cela entraîne f ( x) ¦ f ( x−1 ) = e G 0 , en
¢−1 ¢−1
composant à gauche par f ( x) , nous obtenons f ( x−1 ) = f ( x) .
¡ ¡
Proposition 93
– Soient deux morphismes de groupes f : G −→ G 0 et g : G 0 −→ G 00 . Alors g ◦ f : G −→ G 00

est un morphisme de groupes.
– Si f : G −→ G 0 est un morphisme bijectif alors f −1 : G 0 −→ G est aussi un morphisme
de groupes.
Groupes 243
Démonstration
La première partie est facile. Montrons la deuxième : Soit y, y0 ∈ G 0 . Comme f est bijective, il existe
x, x0 ∈ G tels que f ( x) = y et f ( x0 ) = y0 . Alors f −1 ( y ¦ y0 ) = f −1 f ( x) ¦ f ( x0 ) = f −1 f ( x ? x0 ) = x ? x0 =
¡ ¢ ¡ ¢
f −1 ( y) ? f −1 ( y0 ). Et donc f −1 est un morphisme de G 0 vers G .
Définition 71
Un morphisme bijectif est un isomorphisme. Deux groupes G,G 0 sont isomorphes s’il existe
un morphisme bijectif f : G −→ G 0 .
Continuons notre exemple f (x) = exp(x), f : R −→ R∗+ est une application bijective. Sa bijection
réciproque f −1 : R∗+ −→ R est définie par f −1 (x) = ln(x). Par la proposition 93 nous savons que f −1
est aussi un morphisme (de (R∗+ , ×) vers (R, +)) donc f −1 (x × x0 ) = f −1 (x) + f −1 (x0 ). Ce qui s’exprime
ici par la formule bien connue :
ln(x × x0 ) = ln(x) + ln(x0 ).
Ainsi f est un isomorphisme et les groupes (R, +) et (R∗+ , ×) sont isomorphes.
3.3. Noyau et image

Soit f : G −→ G 0 un morphisme de groupes. Nous définissons deux sous-ensembles importants qui
vont être des sous-groupes.
Définition 72
Le noyau de f est
© ª
Ker f = x ∈ G | f (x) = e G 0
C’est donc un sous-ensemble de G. En terme d’image réciproque nous avons par définition Ker f =
f −1 { e G 0 } . (Attention, la notation f −1 ici désigne l’image réciproque, et ne signifie pas que f est
¡ ¢
bijective.) Le noyau est donc l’ensemble des éléments de G qui s’envoient par f sur l’élément neutre
de G 0 .
Définition 73
L’image de f est
© ª
Im f = f (x) | x ∈ G
C’est donc un sous-ensemble de G 0 et en terme d’image directe nous avons Im f = f (G). Ce sont les
éléments de G 0 qui ont (au moins) un antécédent par f .
Proposition 94
Soit f : G −→ G 0 un morphisme de groupes.

1. Ker f est un sous-groupe de G.
2. Im f est un sous-groupe de G 0 .
3. f est injectif si et seulement si Ker f = { e G }.
4. f est surjectif si et seulement si Im f = G 0 .
Groupes 244
Démonstration
1. Montrons que le noyau est un sous-groupe de G .

(a) f ( e G ) = e G 0 donc e G ∈ Ker f .
(b) Soient x, x0 ∈ Ker f . Alors f ( x ? x0 ) = f ( x) ¦ f ( x0 ) = e G 0 ¦ e G 0 = e G 0 et donc x ? x0 ∈ Ker f .
(c) Soit x ∈ Ker f . Alors f ( x−1 ) = f ( x)−1 = e−1
G0
= e G 0 . Et donc x−1 ∈ Ker f .
2. Montrons que l’image est un sous-groupe de G 0 .
(a) f ( e G ) = e G 0 donc e G 0 ∈ Im f .
(b) Soient y, y0 ∈ Im f . Il existe alors x, x0 ∈ G tels que f ( x) = y, f ( x0 ) = y0 . Alors y ¦ y0 = f ( x) ¦
f ( x0 ) = f ( x ? x0 ) ∈ Im f .
(c) Soit y ∈ Im f et x ∈ G tel que y = f ( x). Alors y−1 = f ( x)−1 = f ( x−1 ) ∈ Im f .
3. Supposons f injective. Soit x ∈ Ker f , alors f ( x) = e G 0 donc f ( x) = f ( e G ) et comme f est injective
alors x = e G . Donc Ker f = { e G }. Réciproquement supposons Ker f = { e G }. Soient x, x0 ∈ G tels
¢−1
que f ( x) = f ( x0 ) donc f ( x) ¦ f ( x0 ) = e G 0 , d’où f ( x) ¦ f ( x0−1 ) = e G 0 et donc f ( x ? x0−1 ) = e G 0 . Ceci
¡
implique que x ? x ∈ Ker f . Comme Ker f = { e G } alors x ? x0−1 = e G et donc x = x0 . Ainsi f

0−1
est injective.
4. C’est clair !
3.4. Exemples
Exemple 144
1. Soit f : Z −→ Z définie par f (k) = 3k. (Z, +) est considéré comme ensemble de départ et
d’arrivée de l’application Alors f est un morphisme du groupe (Z, +) dans lui-même car
f (k + k0 ) = 3(k + k0 ) = 3k + 3k0 = f (k) + f (k0 ). Calculons le noyau : Ker f = { k ∈ Z | f (k) = 0}.
Mais si f (k) = 0 alors 3k = 0 donc k = 0. Ainsi Ker f = {0} est réduit à l’élément neutre et
donc f est injective. Calculons maintenant l’image Im f = { f (k) | k ∈ Z} = {3k | k ∈ Z} = 3Z.
Nous retrouvons que 3Z est un sous-groupe de (Z, +).
Plus généralement si l’on fixe n ∈ Z et que f est définie par f (k) = k · n alors Ker f = {0}
et Im f = nZ.
2. Soient les groupes (R, +) et (U, ×) (où U = { z ∈ C | | z| = 1}) et f l’application f : R −→ U
0 0
définie par f (t) = ei t . Montrons que f est un morphisme : f (t + t0 ) = ei( t+ t ) = ei t × ei t =
f (t) × f (t0 ). Calculons le noyau Ker f = { t ∈ R | f (t) = 1}. Mais si f (t) = 1 alors ei t = 1 donc
t = 0 (mod 2π). D’où Ker f = {2kπ | k ∈ Z} = 2πZ. Ainsi f n’est pas injective. L’image de f
est U car tout nombre complexe de module 1 s’écrit sous la forme f (t) = ei t .
3. Soient les groupes (G`2 , ×) et (R∗ , ×) et f : G`2 −→ R∗ définie par f (M) = det M. Alors la
formule vue plus haut (lemme 7) det(M × M 0 ) = det M × det M 0 implique que f est un
morphisme de groupes. Ce morphisme est surjectif, car si t ∈ R∗ alors det 10 0t = t. Ce
¡ ¢
¡1 0¢ ¡ t 0¢
morphisme n’est pas injectif car par exemple det 0 t = det 0 1 .
Attention : ne pas confondre les différentes notations avec des puissances −1 : x−1 , f −1 , f −1 { e G 0 }
¡ ¢
:
– x−1 désigne l’inverse de x dans un groupe (G, ?). Cette notation est cohérente avec la notation
usuelle si le groupe est (R∗ , ×) alors x−1 = 1x .
– Pour une application bijective f −1 désigne la bijection réciproque.
– Pour une application quelconque f : E −→ F, l’image réciproque d’une partie B ⊂ F est
f −1 (B) = x ∈ E | f (x) = B , c’est une partie de E. Pour un morphisme f , Ker f = f −1 { e G 0 } est
© ª ¡ ¢
Groupes 245
donc l’ensemble des x ∈ G tels que leur image par f soit e G 0 . Le noyau est défini même si f
n’est pas bijective.
Mini-exercices
1. Soit f : (Z, +) −→ (Q∗ , ×) défini par f (n) = 2n . Montrer que f est un morphisme de
groupes. Déterminer le noyau de f . f est-elle injective ? surjective ?
2. Mêmes questions pour f : (R, +) −→ (R , ◦), qui à un réel θ associe la rotation d’angle θ
de centre l’origine.
3. Soit (G, ?) un groupe et f : G −→ G l’application définie par f (x) = x2 . (Rappel : x2 =
x ? x.) Montrer que si (G, ?) est commutatif alors f est un morphisme. Montrer ensuite
la réciproque.
4. Montrer qu’il n’existe pas de morphisme f : (Z, +) → (Z, +) tel que f (2) = 3.
5. Montrer que f , g : (R∗ , ×) → (R∗ , ×) défini par f (x) = x2 , g(x) = x3 sont des morphismes
de groupes. Calculer leurs images et leurs noyaux respectives.
4. Le groupe Z/nZ
4.1. L’ensemble et le groupe Z/ nZ
Fixons n Ê 1. Rappelons que Z/nZ est l’ensemble
Z/nZ = 0, 1, 2, . . . , n − 1
© ª
où p désigne la classe d’équivalence de p modulo n.

Autrement dit
p = q ⇐⇒ p ≡ q (mod n)
ou encore p = q ⇐⇒ ∃ k ∈ Z p = q + kn.
On définit une addition sur Z/nZ par :
p+q = p+q
Par exemple dans Z/60Z, on a 31 + 46 = 31 + 46 = 77 = 17.
Nous devons montrer que cette addition est bien définie : si p0 = p et q0 = q alors p0 ≡ p (mod n),
q0 ≡ q (mod n) et donc p0 + q0 ≡ p + q (mod n). Donc p0 + q0 = p + q. Donc on a aussi p0 + q0 = p + q.
Nous avons montré que l’addition est indépendante du choix des représentants.
L’exemple de la vie courante est le suivant : considérons seulement les minutes d’une montre ; ces
minutes varient de 0 à 59. Lorsque l’aiguille passe à 60, elle désigne aussi 0 (on ne s’occupe pas des
heures). Ainsi de suite : 61 s’écrit aussi 1, 62 s’écrit aussi 2,. . . Cela correspond donc à l’ensemble
Z/60Z. On peut aussi additionner des minutes : 50 minutes plus 15 minutes font 65 minutes qui
s’écrivent aussi 5 minutes. Continuons avec l’écriture dans Z/60Z par exemple : 135 + 50 = 185 = 5.
Remarquez que si l’on écrit d’abord 135 = 15 alors 135 + 50 = 15 + 50 = 65 = 5. On pourrait même
écrire 50 = −10 et donc 135 + 50 = 15 − 10 = 5. C’est le fait que l’addition soit bien définie qui justifie
que l’on trouve toujours le même résultat.
Groupes 246
Proposition 95
(Z/nZ, +) est un groupe commutatif.
C’est facile. L’élément neutre est 0. L’opposé de k est − k = − k = n − k. L’associativité et la commu-

tativité découlent de celles de (Z, +).
4.2. Groupes cycliques de cardinal fini
Définition 74
Un groupe (G, ?) est un groupe cyclique s’il existe un élément a ∈ G tel que :
pour tout x ∈ G, il existe k ∈ Z tel que x = a k
Autrement dit le groupe G est engendré par un seul élément a.

Le groupe (Z/nZ, +) est un groupe cyclique. En effet il est engendré par a = 1, car tout élément k
s’écrit k = 1 + · · · 1} = k · 1.
| + 1{z
k fois
Voici un résultat intéressant : il n’existe, à isomorphisme près, qu’un seul groupe cyclique à n
éléments, c’est Z/nZ :
Théorème 41
Si (G, ?) un groupe cyclique de cardinal n, alors (G, ?) est isomorphe à (Z/nZ, +).
Démonstration
Comme G est cyclique alors G = . . . , a−2 , a−1 , e, a, a2 , a3 , . . . . Dans cette écriture il y a de nom-
© ª
breuses redondances (car de toute façon G n’a que n éléments). Nous allons montrer qu’en fait
G = e, a, a2 , . . . , a n−1 a n = e.
© ª
et que
Tout d’abord l’ensemble e, a, a2 , . . . , a n−1 est inclus dans G . En plus il a exactement n éléments.
© ª
En effet si a p = a q avec 0 É q < p É n − 1 alors a p− q = e (avec p − q > 0) et ainsi a p− q+1 = a p− q ? a = a,

a p− q+2 = a2 et alors le groupe G serait égal à e, a, a2 , . . . , a p− q−1 et n’aurait pas n éléments. Ainsi
© ª
e, a, a2 , . . . , a n−1 ⊂ G et les deux ensembles ont le même nombre n d’éléments, donc ils sont égaux.
© ª
Montrons maintenant que a n = e. Comme a n ∈ G et que G = e, a, a2 , . . . , a n−1 alors il existe 0 É p É

© ª
n − 1 tel que a n = a p . Encore une fois si p > 0 cela entraîne a n− p = e et donc une contradiction. Ainsi
p = 0 donc a n = a0 = e.
Nous pouvons maintenant construire l’isomorphisme entre (Z/ nZ, +) et (G, ?). Soit f : Z/ nZ −→ G
l’application définie par f ( k) = a k .
– Il faut tout d’abord montrer que f est bien définie car notre définition de f dépend du
représentant k et pas de la classe k : si k = k0 (une même classe définie par deux représentants
distincts) alors k ≡ k0 (mod n) et donc il existe ` ∈ Z tel que k = k0 + ` n. Ainsi f ( k) = a k =
0 0 0 0 0
a k +`n = a k ? a`n = a k ? (a n )` = a k ? e` = a k = f ( k0 ). Ainsi f est bien définie.
0 0
– f est un morphisme de groupes car f ( k + k0 ) = f ( k + k0 ) = a k+k = a k ? a k = f ( k) ? f ( k0 ) (pour
tout x, x0 ∈ Z).
– Il est clair que f est surjective car tout élément de G s’écrit a k .
– Comme l’ensemble de départ et celui d’arrivée ont le même nombre d’éléments et que f est
surjective alors f est bijective.
Conclusion f est un isomorphisme entre (Z/ nZ, +) et (G, ?).
Groupes 247
Mini-exercices
1. Trouver tous les sous-groupes de (Z/12Z, +).

2. Montrer que le produit défini par p × q = p × q est bien défini sur l’ensemble Z/nZ.
3. Dans la preuve du théorème 41, montrer directement que l’application f est injective.
4. Montrer que l’ensemble Un = z ∈ C | z n = 1 est un sous-groupe de (C∗ , ×). Montrer que
© ª
Un est isomorphe à Z/nZ. Expliciter l’isomorphisme.

5. Montrer que l’ensemble H = 10 01 , 10 −01 , −01 01 , −01 −01 est un sous-groupe de (G`2 , ×)
©¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢ª
ayant 4 éléments. Montrer que H n’est pas isomorphe à Z/4Z.
5. Le groupe des permutations S n

Fixons un entier n Ê 2.
5.1. Groupe des permutations
Proposition 96
L’ensemble des bijections de {1, 2, . . . , n} dans lui-même, muni de la composition des fonctions
est un groupe, noté (S n , ◦).
Une bijection de {1, 2, . . . , n} (dans lui-même) s’appelle une permutation. Le groupe (S n , ◦) s’ap-
pelle le groupe des permutations (ou le groupe symétrique).
Démonstration
1. La composition de deux bijections de {1, 2, . . . , n} est une bijection de {1, 2, . . . , n}.

2. La loi est associative (par l’associativité de la composition des fonctions).
3. L’élément neutre est l’identité.
4. L’inverse d’une bijection f est sa bijection réciproque f −1 .
Il s’agit d’un autre exemple de groupe ayant un nombre fini d’éléments :
Lemme 8
Le cardinal de S n est n! .
Groupes 248
Démonstration
La preuve est simple. Pour l’élément 1, son image appartient à {1, 2, . . . , n} donc nous avons n choix.
Pour l’image de 2, il ne reste plus que n − 1 choix (1 et 2 ne doivent pas avoir la même image car
notre application est une bijection). Ainsi de suite... Pour l’image du dernier élément n il ne reste
qu’une possibilité. Au final il y a n × ( n − 1) × · · · × 2 × 1 = n! façon de construire des bijections de
{1, 2, . . . , n}
5.2. Notation et exemples

Décrire une permutation f : {1, 2, . . . , n} −→ {1, 2, . . . , n} équivaut à donner les images de chaque i
allant de 1 à n. Nous notons donc f par
" #
1 2 ··· n
f (1) f (2) · · · f (n)
Par exemple la permutation de S 7 notée

" #
1 2 3 4 5 6 7
f
3 7 5 4 6 1 2
est la bijection f : {1, 2, . . . , 7} −→ {1, 2, . . . , 7} définie par f (1) = 3, f (2) = 7, f (3) = 5, f (4) = 4, f (5) = 6,
f (6) = 1, f (7) = 2. C’est bien une bijection car chaque nombre de 1 à 7 apparaît une fois et une
seule sur la deuxième ligne.
L’élément neutre du groupe est l’identité id ; pour S 7 c’est donc 11 22 33 44 55 66 77 .

£ ¤
Il est facile de calculer la composition de deux permutations f et g avec cette notation. Si f =

£1 2 3 4 5 6 7¤ £1 2 3 4 5 6 7¤
3 7 5 4 6 1 2 et g = 4 3 2 1 7 5 6 alors g ◦ f s’obtient en superposant la permutation f puis g
 
1 2 3 4 5 6 7 f " #
1 2 3 4 5 6 7
g ◦ f = 3 7 5 4 6 1 2 g◦ f =
 
g 2 6 7 1 5 4 3
2 6 7 1 5 4 3
ensuite on élimine la ligne intermédiaire du milieu et donc g ◦ f se note 12 26 37 41 55 64 73 .

£ ¤
Il est tout aussi facile de calculer l’inverse d’une permutation : il suffit d’échanger les lignes du
haut et du bas et de réordonner le tableau. Par exemple l’inverse de
" #
1 2 3 4 5 6 7
f= f −1
3 7 5 4 6 1 2
se note f −1 =
£3 7 5 4 6 1 2¤ £1 2 3 4 5 6 7¤
1234567 ou plutôt après réordonnement 6714352 .
5.3. Le groupe S 3
Nous allons étudier en détails le groupe S 3 des permutations de {1, 2, 3}. Nous savons que S 3
possède 3! = 6 éléments que nous énumérons :
– id = 11 22 33 l’identité,
£ ¤
– τ1 = 11 23 32 une transposition,
£ ¤
£1 2 3¤
– τ2 = 3 2 1 une deuxième transposition,
– τ3 = 12 21 33 une troisième transposition,
£ ¤
– σ = 12 23 31 un cycle,
£ ¤
– σ−1 = 13 21 32 l’inverse du cycle précédent.

£ ¤
Groupes 249
Donc S 3 = id, τ1 , τ2 , τ3 , σ, σ−1 .

© ª
Calculons τ1 ◦ σ et σ ◦ τ1 :
h1 2 3i £ h1 2 3i
τ1 ◦ σ = 2 3 1 = 13 22 31 = τ2
£1 2 3¤
et σ ◦ τ1 = = τ3 .
¤
132 = 213
321 213
Ainsi τ1 ◦ σ = τ2 est différent de σ ◦ τ1 = τ3 , ainsi le groupe S 3 n’est pas commutatif. Et plus
généralement :
Lemme 9
Pour n Ê 3, le groupe S n n’est pas commutatif.
Nous pouvons calculer la table du groupe S 3
g◦f id τ1 τ2 τ3 σ σ−1
id id τ1 τ2 τ3 σ σ−1
−1
τ1 τ1 id σ σ τ1 ◦ σ = τ2 τ3
−1
τ2 τ2 σ id σ τ3 τ1
−1
τ3 τ3 σ σ id τ1 τ2
−1
σ σ σ ◦ τ1 = τ3 τ1 τ2 σ id
−1 −1
σ σ τ2 τ3 τ1 id σ
F I G U R E 14.1 – Table du groupe S 3
Comment avons-nous rempli cette table ? Nous avons déjà calculé τ1 ◦ σ = τ2 et σ ◦ τ1 = τ3 . Comme
f ◦ id = f et id ◦ f = f il est facile de remplir la première colonne noire ainsi que la première ligne
noire. Ensuite il faut faire les calculs !
On retrouve ainsi que S 3 = id, τ1 , τ2 , τ3 , σ, σ−1 est un groupe : en particulier la composition de
© ª
deux permutations de la liste reste une permutation de la liste. On lit aussi sur la table l’inverse
de chaque élément, par exemple sur la ligne de τ2 on cherche à quelle colonne on trouve l’identité,
c’est la colonne de τ2 . Donc l’inverse de τ2 est lui-même.
5.4. Groupe des isométries du triangle

Soit (ABC) un triangle équilatéral. Considérons l’ensemble des isométries du plan qui préservent
le triangle, c’est-à-dire que l’on cherche toutes les isométries f telles que f (A) ∈ { A, B, C }, f (B) ∈
{ A, B, C }, f (C) ∈ { A, B, C }. On trouve les isométries suivantes : l’identité id, les réflexions t 1 , t 2 , t 3
d’axes D1 , D2 , D3 , la rotation s d’angle 23π et la rotation s−1 d’angle − 23π (de centre O).
D3 D2
+ 23π − 23π
O
B C
D1
Groupes 250
Proposition 97
L’ensemble des isométries d’un triangle équilatéral, muni de la composition, forme un groupe.
Ce groupe est isomorphe à (S 3 , ◦).
L’isomorphisme est juste l’application qui à t i associe τ i , à s associe σ et à s−1 associe σ−1 .
5.5. Décomposition en cycles

– Nous allons définir ce qu’est un cycle : c’est une permutation σ qui fixe un certain nombre
d’éléments (σ(i) = i) et dont les éléments non fixés sont obtenus par itération : j, σ( j), σ2 ( j), . . .
C’est plus facile à comprendre sur un exemple :
" #
1 2 3 4 5 6 7 8
σ=
1 8 3 5 2 6 7 4
est un cycle : les éléments 1, 3, 6, 7 sont fixes, les autres s’obtiennent comme itération de 2 :
2 7→ σ(2) = 8 7→ σ(8) = σ2 (2) = 4 7→ σ(4) = σ3 (2) = 5, ensuite on retrouve σ4 (2) = σ(5) = 2.
– Nous noterons ce cycle par
(2 8 4 5)
Il faut comprendre cette notation ainsi : l’image de 2 est 8, l’image de 8 est 4, l’image de 4 est
5, l’image de 5 est 2. Les éléments qui n’apparaissent pas (ici 1, 3, 6, 7) sont fixes. On aurait
pu aussi noter ce même cycle par : (8 4 5 2), (4 5 2 8) ou (5 2 8 4).
– Pour calculer l’inverse on renverse les nombres : l’inverse de σ = (2 8 4 5) est σ−1 = (5 4 8 2).
– Le support d’un cycle sont les éléments qui ne sont pas fixes : le support de σ est {2, 4, 5, 8}.
La longueur (ou l’ordre) d’un cycle est le nombre d’éléments qui ne sont pas fixes (c’est donc
le cardinal du support). Par exemple (2 8 4 5) est un cycle de longueur 4.
Autres exemples : σ = 12 23 31 = (1 2 3) est un cycle de longueur 3 ; τ = 11 24 33 42 = (2 4) est un
£ ¤ £ ¤
–
cycle de longueur 2, aussi appelé une transposition.
Par contre f = 17 22 35 44 56 63 71 n’est pas un cycle ; il s’écrit comme la composition de deux cycles
£ ¤
–
f = (1 7) ◦ (3 5 6). Comme les supports de (1 7) et (3 5 6) sont disjoints alors on a aussi
f = (3 5 6) ◦ (1 7).
Ce dernier point fait partie d’un résultat plus général que nous admettons :
Théorème 42
Toute permutation de S n se décompose en composition de cycles à supports disjoints. De plus

cette décomposition est unique.
Pour l’unicité il faut comprendre : unique à l’écriture de chaque cycle près (exemple : (3 5 6) et
(5 6 3) sont le même cycle) et à l’ordre près (exemple : (1 7) ◦ (3 5 6) = (3 5 6) ◦ (1 7)).
Exemple : la décomposition de f = 15 22 31 48 53 67 76 84 en composition de cycle à supports disjoints est
£ ¤
(1 5 3) ◦ (4 8) ◦ (6 7).
Attention, si les supports ne sont pas disjoints alors cela ne commute plus : par exemple g =
(1 2) ◦ (2 3 4) n’est pas égale à h = (2 3 4) h 1◦2(13 42).
i En effet l’écriture de g en produit de cycle à
£1 2 3 4¤
support disjoint est g = (1 2) ◦ (2 3 4) = 1 3 4 2 = 2 3 4 1 = (1 2 3 4) alors que celle de h est
2341
h = (2 3 4) ◦ (1 2) = 13 21 34 42 = (1 3 4 2).
£ ¤
Groupes 251
Mini-exercices
1. Soient f définie par f (1) = 2, f (2) = 3, f (3) = 4, f (4) = 5, f (5) = 1 et g définie par g(1) = 2,
g(2) = 1, g(3) = 4, g(4) = 3, g(5) = 5. Écrire les permutations f , g, f −1 , g−1 , g ◦ f , f ◦ g,
f 2 , g2 , (g ◦ f )2 .
2. Énumérer toutes les permutations de S 4 qui n’ont pas d’éléments fixes. Les écrire
ensuite sous forme de compositions de cycles à supports disjoints.
3. Trouver les isométries directes préservant un carré. Dresser la table des compositions
et montrer qu’elles forment un groupe. Montrer que ce groupe est isomorphe à Z/4Z.
4. Montrer qu’il existe un sous-groupe de S 3 isomorphe à Z/2Z. Même question avec Z/3Z.
Est-ce que S 3 et Z/6Z sont isomorphes ?
5. Décomposer la permutation suivante en produit de cycles à supports disjoints : f =
f 2 , f 3 , f 4 puis f 20 xx où 20xx est l’année en cours. Mêmes ques-
£1 2 3 4 5 6 7¤
5 7 2 6 1 4 3 . Calculer
£1 2 3 4 5 6 7 8 9¤
tions avec g = 3 8 9 6 5 2 4 7 1 et h = (25)(1243)(12).
Auteurs
Arnaud Bodin
Benjamin Boutin
Pascal Romon
Exo7
15 Systèmes linéaires
1 Introduction aux systèmes d'équations linéaires

2 Théorie des systèmes linéaires
3 Résolution par la méthode du pivot de Gauss
Vidéo ■ partie 1. Introduction aux systèmes d'équations linéaires

Vidéo ■ partie 2. Théorie des systèmes linéaires
Vidéo ■ partie 3. Résolution par la méthode du pivot de Gauss
1. Introduction aux systèmes d’équations linéaires

L’algèbre linéaire est un outil essentiel pour toutes les branches des mathématiques appliquées,
en particulier lorsqu’il s’agit de modéliser puis résoudre numériquement des problèmes issus de
divers domaines : des sciences physiques ou mécaniques, des sciences du vivant, de la chimie, de
l’économie, des sciences de l’ingénieur,...
Les systèmes linéaires interviennent dans de nombreux contextes d’applications car ils forment
la base calculatoire de l’algèbre linéaire. Ils permettent également de traiter une bonne partie de
la théorie de l’algèbre linéaire en dimension finie. C’est pourquoi le présent cours commence avec
une étude des équations linéaires et de leur résolution.
Ce chapitre a un but essentiellement pratique : résoudre des systèmes linéaires. La partie théo-
rique sera revue et prouvée dans le chapitre « Matrices ».
1.1. Exemple : deux droites dans le plan

L’équation d’une droite dans le plan (Ox y) s’écrit
ax + b y = e
où a, b et e sont des paramètres réels. Cette équation s’appelle équation linéaire dans les
variables (ou inconnues) x et y.
Par exemple, 2x + 3y = 6 est une équation linéaire, alors que les équations suivantes ne sont pas
des équations linéaires :
p
2x + y2 = 1 ou y = sin(x) ou x= y.
Considérons maintenant deux droites D 1 et D 2 et cherchons les points qui sont simultanément
sur ces deux droites. Un point (x, y) est dans l’intersection D 1 ∩ D 2 s’il est solution du système :
(
ax + b y = e
(S)
cx + d y = f
Trois cas se présentent alors :

Systèmes linéaires 253
1. Les droites D 1 et D 2 se coupent en un seul point. Dans ce cas, illustré par la figure de gauche,
le système (S) a une seule solution.
2. Les droites D 1 et D 2 sont parallèles. Alors le système (S) n’a pas de solution. La figure du
centre illustre cette situation.
3. Les droites D 1 et D 2 sont confondues et, dans ce cas, le système (S) a une infinité de solutions.
y y y
D1
D1
D2
D2
D1 = D2
x x x
Nous verrons plus loin que ces trois cas de figure (une seule solution, aucune solution, une infinité
de solutions) sont les seuls cas qui peuvent se présenter pour n’importe quel système d’équations
linéaires.
1.2. Résolution par substitution

Pour savoir s’il existe une ou plusieurs solutions à un système linéaire, et les calculer, une première
méthode est la substitution. Par exemple pour le système :
(
3x + 2y = 1
(S)
2x − 7y = −2
Nous réécrivons la première ligne 3x + 2y = 1 sous la forme y = 12 − 32 x. Et nous remplaçons (nous

substituons) le y de la seconde équation, par l’expression 12 − 23 x. Nous obtenons un système équi-
valent : (
y = 12 − 32 x
2x − 7( 12 − 32 x) = −2
La seconde équation est maintenant une expression qui ne contient que des x, et on peut la
résoudre : ( (
y = 12 − 32 x y = 12 − 32 x
⇐⇒
(2 + 7 × 32 )x = −2 + 72 x = 253
Il ne reste plus qu’à remplacer dans la première ligne la valeur de x obtenue :

(
8
y = 25
3
x = 25
3 8
Le système (S) admet donc une solution unique ( 25 , 25 ). L’ensemble des solutions est donc
3 8
½µ ¶¾
S = , .
25 25
1.3. Exemple : deux plans dans l’espace

Dans l’espace (0x yz), une équation linéaire est l’équation d’un plan :
ax + b y + cz = d
L’intersection de deux plans dans l’espace correspond au système suivant à 2 équations et à 3

inconnues : (
ax + b y + cz = d
a0 x + b 0 y + c 0 z = d 0
Trois cas se présentent alors :
– les plans sont parallèles (et distincts) et il n’y a alors aucune solution au système,
– les plans sont confondus et il y a une infinité de solutions au système,
– les plans se coupent en une droite et il y a une infinité de solutions.
Exemple 145
(
2x + 3y − 4z = 7
1. Le système n’a pas de solution. En effet, en divisant par 2
4x + 6y − 8z = −1
(
2x + 3y − 4z = 7
la seconde équation, on obtient le système équivalent : . Les
2x + 3y − 4z = − 21
deux lignes sont clairement incompatibles : aucun (x, y, z) ne peut vérifier à la fois
2x + 3y − 4z = 7 et 2x + 3y − 4z = − 12 . L’ensemble des solutions est donc S = ∅.
(
2x + 3y − 4z = 7
2. Pour le système , les deux équations définissent le même plan !
4x + 6y − 8z = 14
Le système est donc équivalent à une seule équation : 2x + 3y − 4z = 7. Si on récrit cette
équation sous la forme z = 12 x + 34 y − 74 , alors on peut décrire l’ensemble des solutions
sous la forme : S = (x, y, 21 x + 34 y − 74 ) | x, y ∈ R .
© ª
(
7x + 2y − 2z = 1
3. Soit le système . Par substitution :
2x + 3y + 2z = 1
( ( (
7x + 2y − 2z = 1 z = 27 x + y − 12 z = 27 x + y − 12
⇐⇒ ⇐⇒
2x + 3y + 2 72 x + y − 12 = 1
¡ ¢
2x + 3y + 2z = 1 9x + 5y = 2
( (
z = 72 x + y − 12 z = 17 1
10 x − 10
⇐⇒ ⇐⇒
y = − 95 x + 25 y = − 95 x + 25
Pour décrire l’ensemble des solutions, on peut choisir x comme paramètre :
9 2 17 1
½µ ¶ ¾
S = x, − x + , x− |x∈R .
5 5 10 10
Géométriquement : nous avons trouvé une équation paramétrique de la droite définie

par l’intersection de deux plans.
Du point de vue du nombre de solutions, nous constatons qu’il n’y a que deux possibilités, à savoir
aucune solution ou une infinité de solutions. Mais les deux derniers cas ci-dessus sont néanmoins
très différents géométriquement et il semblerait que dans le second cas (plans confondus), l’infinité
de solutions soit plus grande que dans le troisième cas. Les chapitres suivants nous permettront
de rendre rigoureuse cette impression.
Si on considère trois plans dans l’espace, une autre possibilité apparaît : il se peut que les trois
plans s’intersectent en un seul point.
1.4. Résolution par la méthode de Cramer

On note ¯ ac db ¯ = ad − bc le déterminant. On considère le cas d’un système de 2 équations à 2
¯ ¯
inconnues : (
ax + b y = e
cx + d y = f
Si ad − bc 6= 0, on trouve une unique solution dont les coordonnées (x, y) sont :
¯ ¯ ¯ ¯
¯ e b¯ ¯a e ¯
¯ ¯ ¯ ¯
¯ ¯ ¯ ¯
¯ f d¯ ¯c f ¯
x= ¯ ¯ y= ¯ ¯
¯a b ¯ ¯a b ¯
¯ ¯ ¯ ¯
¯ ¯ ¯ ¯
¯ c d¯ ¯ c d¯
Notez que le dénominateur égale le déterminant pour les deux coordonnées et est donc non nul.
Pour le numérateur de la première coordonnée x, on remplace la première colonne par le second
membre ; pour la seconde coordonnée y, on remplace la seconde colonne par le second membre.
Exemple 146
(
tx − 2y = 1
Résolvons le système suivant la valeur du paramètre t ∈ R.
3x + t y = 1
Le déterminant associé au système est ¯ 3t −t2 ¯ = t2 + 6 et ne s’annule jamais. Il existe donc une
¯ ¯
unique solution (x, y) et elle vérifie :

¯ ¯ ¯ ¯
¯1 −2¯ ¯ t 1¯
¯ ¯ ¯ ¯
¯ ¯ ¯ ¯
¯1 t ¯ t+2 ¯3 1¯ t−3
x= 2 = 2 , y= 2 = 2 .
t +6 t +6 t +6 t +6
n³ ´o
Pour chaque t, l’ensemble des solutions est S = tt2++26 , tt2−+36 .
1.5. Résolution par inversion de matrice

Pour ceux qui connaissent les matrices, le système linéaire
(
ax + b y = e
cx + d y = f
est équivalent à Ã ! Ã ! Ã !
a b x e
AX = Y où A= , X= , Y= .
c d y f
Si le déterminant de la matrice A est non nul, c’est-à-dire si ad − bc 6= 0, alors la matrice A est
inversible et Ã !
−1 1 d −b
A =
ad − bc − c a
et l’unique solution X = xy du système est donnée par

¡ ¢
X = A −1 Y .
Exemple 147
(
x+ y = 1
Résolvons le système suivant la valeur du paramètre t ∈ R.
x + t2 y = t
Le déterminant du système est ¯ 11 t12 ¯ = t2 − 1.
¯ ¯
Premier cas. t 6= +1 et t 6= −1. Alors t2 − 1 6= 0. La matrice A = 11 t12 est inversible d’inverse

¡ ¢
A −1 = t21−1 −t 1 −11 . Et la solution X = xy est

¡ 2 ¢ ¡ ¢
Ã !Ã ! Ã ! Ã !
t
−1 1 t2 −1 1 1 t2 − t t + 1
X=A Y= 2 = 2 = 1 .
t − 1 −1 1 t t −1 t−1 t+1
Pour chaque t 6= ±1, l’ensemble des solutions est S = t+t 1 , t+11 .

©¡ ¢ª
(
x+ y = 1
Deuxième cas. t = +1. Le système s’écrit alors : et les deux équations sont
x+ y = 1
identiques. Il y a une infinité de solutions : S = (x,
( 1 − x) | x ∈ R .
© ª
x+ y = 1
Troisième cas. t = −1. Le système s’écrit alors : , les deux équations sont
x + y = −1
clairement incompatibles et donc S = ∅.
Mini-exercices
(
x − 2y = −1
1. Tracer les droites et résoudre le système linéaire de trois façons
− x + 3y = 3
différentes
( : substitution, méthode de Cramer, inverse d’une matrice. Idem avec
2x − y = 4
.
3x + 3y = −5
(
4x − 3y = t
2. Résoudre suivant la valeur du paramètre t ∈ R : .
2x − y = t2
(
tx − y = 1
3. Discuter et résoudre suivant la valeur du paramètre t ∈ R : .
x + (t − 2)y = −1
(
(t − 1)x + y = 1
Idem avec .
2x + t y = −1
2. Théorie des systèmes linéaires

2.1. Définitions
Définition 75
On appelle équation linéaire dans les variables (ou inconnues) x1 , . . . , x p toute relation de
la forme
a 1 x1 + · · · + a p x p = b, (15.1)
où a 1 , . . . , a p et b sont des nombres réels donnés.

Remarque
– Il importe d’insister ici sur le fait que ces équations linéaires sont implicites, c’est-à-dire
qu’elles décrivent des relations entre les variables, mais ne donnent pas directement les
valeurs que peuvent prendre les variables.
– Résoudre une équation signifie donc la rendre explicite, c’est-à-dire rendre plus appa-
rentes les valeurs que les variables peuvent prendre.
– On peut aussi considérer des équations linéaires de nombres rationnels ou de nombres
complexes.
Soit n Ê 1 un entier.
Définition 76
Un système de n équations linéaires à p inconnues est une liste de n équations linéaires.
On écrit usuellement de tels systèmes en n lignes placées les unes sous les autres.
Exemple 148
Le système suivant a 2 équations et 3 inconnues :

(
x1 − 3x2 + x3 = 1
−2x1 + 4x2 − 3x3 = 9
La forme générale d’un système linéaire de n équations à p inconnues est la suivante :



 a 11 x1 +a 12 x2 +a 13 x3 + ··· +a 1 p x p = b1 (← équation 1)

a 21 x1 +a 22 x2 +a 23 x3 + ··· +a 2 p x p = b2 (← équation 2)




.. .. .. .. ..



 . . . . = .

 a i1 1 x + a i2 2x + a i 3 x3 + ··· +a i p x p = bi (← équation i)
. . .. .. ..





 .. .. . . = .


a n1 x1 +a n2 x2 +a n3 x3 + ··· +a np x p = bn (← équation n)

Les nombres a i j , i = 1, . . . , n, j = 1, . . . , p, sont les coefficients du système. Ce sont des données. Les
nombres b i , i = 1, . . . , n, constituent le second membre du système et sont également des données.
Il convient de bien observer comment on a rangé le système en lignes (une ligne par équation)
numérotées de 1 à n par l’indice i, et en colonnes : les termes correspondant à une même inconnue
x j sont alignés verticalement les uns sous les autres. L’indice j varie de 1 à p. Il y a donc p colonnes
à gauche des signes d’égalité, plus une colonne supplémentaire à droite pour le second membre.
La notation avec double indice a i j correspond à ce rangement : le premier indice (ici i) est le
numéro de ligne et le second indice (ici j) est le numéro de colonne. Il est extrêmement important
de toujours respecter cette convention.
Dans l’exemple 148, on a n = 2 (nombre d’équations = nombre de lignes), p = 3 (nombre d’inconnues
= nombre de colonnes à gauche du signe =) et a 11 = 1, a 12 = −3, a 13 = 1, a 21 = −2, a 22 = 4, a 23 = −3,
b 1 = 1 et b 2 = 9.
Définition 77
Une solution du système linéaire est une liste de p nombres réels (s 1 , s 2 , . . . , s p ) (un p-uplet)
tels que si l’on substitue s 1 pour x1 , s 2 pour x2 , etc., dans le système linéaire, on obtient une
égalité. L’ ensemble des solutions du système est l’ensemble de tous ces p-uplets.
Exemple 149
Le système (
x1 − 3x2 + x3 = 1
−2x1 + 4x2 − 3x3 = 9
admet comme solution (−18, −6, 1), c’est-à-dire
x1 = −18 , x2 = −6 , x3 = 1 .
Par contre, (7, 2, 0) ne satisfait que la première équation. Ce n’est donc pas une solution du
système.
En règle générale, on s’attache à déterminer l’ensemble des solutions d’un système linéaire. C’est
ce que l’on appelle résoudre le système linéaire. Ceci amène à poser la définition suivante.
Définition 78
On dit que deux systèmes linéaires sont équivalents s’ils ont le même ensemble de solutions.
À partir de là, le jeu pour résoudre un système linéaire donné consistera à le transformer en
un système équivalent dont la résolution sera plus simple que celle du système de départ. Nous
verrons plus loin comment procéder de façon systématique pour arriver à ce but.
2.2. Différents types de systèmes

Voici un résultat théorique important pour les systèmes linéaires.
Théorème 43
Un système d’équations linéaires n’a soit aucune solution, soit une seule solution, soit une
infinité de solutions.
En particulier, si vous trouvez 2 solutions différentes à un système linéaire, alors c’est que vous
pouvez en trouver une infinité ! Un système linéaire qui n’a aucune solution est dit incompatible.
La preuve de ce théorème sera vue dans un chapitre ultérieur (« Matrices »).
2.3. Systèmes homogènes

Un cas particulier important est celui des systèmes homogènes, pour lesquels b 1 = b 2 = · · · = b n =
0, c’est-à-dire dont le second membre est nul. De tels systèmes sont toujours compatibles car ils
admettent toujours la solution s 1 = s 2 = · · · = s p = 0. Cette solution est appelée solution triviale.
Géométriquement, dans le cas 2 × 2, un système homogène correspond à deux droites qui passent
par l’origine, (0, 0) étant donc toujours solution.
Mini-exercices
1. Écrire un système linéaire de 4 équations et 3 inconnues qui n’a aucune solution. Idem
avec une infinité de solution. Idem avec une solution unique.
2. Résoudre le système à n équations et n inconnues dont les équations sont (L i ) : x i −
x i+1 = 1 pour i = 1, . . . , n − 1 et (L n ) : xn = 1.
3. Résoudre les systèmes suivants : 
   x1
 + x2 = 1
 x1 +2x2 +3x3 +4x4 = 0
  x1
 +2x2 +3x3 = 1 

 x2 + x3 = 2
x2 +2x3 +3x4 = 9 x1 + x2 + x3 = 2
   x3 + x4 = 3
x3 +2x4 = 0 x1 − x2 + x3 = 3 
  

 x
1 +2x2 +2x3 + x4 = 0
4. Montrer que si un système linéaire homogène a une solution (x1 , . . . , x p ) 6= (0, . . . , 0), alors
il admet une infinité de solutions.
3. Résolution par la méthode du pivot de Gauss

3.1. Systèmes échelonnés
Définition 79
Un système est échelonné si :

– le nombre de coefficients nuls commençant une ligne croît strictement ligne après ligne.
Il est échelonné réduit si en plus :
– le premier coefficient non nul d’une ligne vaut 1 ;
– et c’est le seul élément non nul de sa colonne.
Exemple 150

 2x1
 +3x2 +2x3 − x4 = 5
– − x2 −2x3 = 4 est échelonné (mais pas réduit).

3x4 = 1


 2x1
 +3x2 +2x3 − x4 = 5
– −2x3 = 4 n’est pas échelonné (la dernière ligne commence

x3 + x4 = 1

avec la même variable que la ligne au-dessus).
Il se trouve que les systèmes linéaires sous une forme échelonnée réduite sont particulièrement
simples à résoudre.
Exemple 151
Le système linéaire suivant à 3 équations et 4 inconnues est échelonné et réduit.


 x1
 +2x3 = 25
x2 −2x3 = 16

x4 = 1

Ce système se résout trivialement en


 x1
 = 25 − 2x3
x2 = 16 + 2x3

x4 = 1.

En d’autres termes, pour toute valeur de x3 réelle, les valeurs de x1 , x2 et x4 calculées ci-
dessus fournissent une solution du système, et on les a ainsi toutes obtenues. On peut donc
décrire entièrement l’ensemble des solutions :
S = (25 − 2x3 , 16 + 2x3 , x3 , 1) | x3 ∈ R .

© ª
3.2. Opérations sur les équations d’un système

Nous allons utiliser trois opérations élémentaires sur les équations (c’est-à-dire sur les lignes) qui
sont :
1. L i ← λL i avec λ 6= 0 : on peut multiplier une équation par un réel non nul.
2. L i ← L i + λL j avec λ ∈ R (et j 6= i) : on peut ajouter à l’équation L i un multiple d’une autre
équation L j .
3. L i ↔ L j : on peut échanger deux équations.
Ces trois opérations élémentaires ne changent pas les solutions d’un système linéaire ; autrement
dit ces opérations transforment un système linéaire en un système linéaire équivalent.
Exemple 152
Utilisons ces opérations élémentaires pour résoudre le système suivant.


 x
 + y +7z = −1 (L 1 )
2x − y +5z = −5 (L 2 )

−x −3y −9z = −5

(L 3 )
Commençons par l’opération L 2 ← L 2 − 2L 1 : on soustrait à la deuxième équation deux fois la

première équation. On obtient un système équivalent avec une nouvelle deuxième ligne (plus
simple) :

 x
 + y +7z = −1
−3y −9z = −3 L 2 ←L 2 −2L 1

−x −3y −9z = −5

Puis L 3 ← L 3 + L 1 : 
 x
 + y +7z = −1
−3y −9z = −3

−2y −2z = −6

L 3 ←L 3 +L 1
On continue pour faire apparaître un coefficient 1 en tête de la deuxième ligne ; pour cela on
divise la ligne L 2 par −3 :

 x
 + y +7z = −1
y +3z = 1 L 2 ← − 31 L 2

−2y −2z = −6

On continue ainsi
 
 x + y +7z
 = −1  x
 + y +7z = −1
y +3z = 1 y +3z = 1
 
4z = −4 z = −1 L 3 ← 14 L 3
 
L 3 ←L 3 +2L 2
 
 x
 + y +7z = −1  x
 +y = 6 L 1 ←L 1 −7L 3
y = 4 L 2 ←L 2 −3L 3 y = 4
 
z = −1 z = −1
 
On aboutit à un système réduit et échelonné :


 x
 = 2 L 1 ←L 1 −L 2
y = 4

z = −1

On obtient ainsi x = 2, y = 4 et z = −1 et l’unique solution du système est (2, 4, −1).
La méthode utilisée pour cet exemple est reprise et généralisée dans le paragraphe suivant.
3.3. Méthode du pivot de Gauss

La méthode du pivot de Gauss permet de trouver les solutions de n’importe quel système linéaire.
Nous allons décrire cet algorithme sur un exemple. Il s’agit d’une description précise d’une suite
d’opérations à effectuer, qui dépendent de la situation et d’un ordre précis. Ce processus aboutit
toujours (et en plus assez rapidement) à un système échelonné puis réduit, qui conduit immédia-
tement aux solutions du système.
Partie A. Passage à une forme échelonnée.
Soit le système suivant à résoudre :


 − x2 +2x3 +13x4 = 5
x1 −2x2 +3x3 +17x4 = 4

− x1 +3x2 −3x3 −20x4 = −1

Pour appliquer la méthode du pivot de Gauss, il faut d’abord que le premier coefficient de la
première ligne soit non nul. Comme ce n’est pas le cas ici, on échange les deux premières lignes
par l’opération élémentaire L 1 ↔ L 2 :

 x1
 −2x2 +3x3 +17x4 = 4 L 1 ↔L 2
− x2 +2x3 +13x4 = 5

− x1 +3x2 −3x3 −20x4 = −1

Nous avons déjà un coefficient 1 devant le x1 de la première ligne. On dit que nous avons un pivot
en position (1, 1) (première ligne, première colonne). Ce pivot sert de base pour éliminer tous les
autres termes sur la même colonne.
Il n’y a pas de terme x1 sur le deuxième ligne. Faisons disparaître le terme x1 de la troisième ligne
; pour cela on fait l’opération élémentaire L 3 ← L 3 + L 1 :

 x1
 −2x2 +3x3 +17x4 = 4
− x2 +2x3 +13x4 = 5

x2 −3x4 = 3

L 3 ←L 3 +L 1
On change le signe de la seconde ligne (L 2 ← −L 2 ) pour faire apparaître 1 au coefficient du pivot

(2, 2) (deuxième ligne, deuxième colonne) :

 x1
 −2x2 +3x3 +17x4 = 4
x2 −2x3 −13x4 = −5 L 2 ← −L 2

x2 −3x4 = 3

On fait disparaître le terme x2 de la troisième ligne, puis on fait apparaître un coefficient 1 pour
le pivot de la position (3, 3) :
 
 x1
 −2x2 +3x3 +17x4 = 4  x1
 −2x2 +3x3 +17x4 = 4
x2 −2x3 −13x4 = −5 x2 −2x3 −13x4 = −5
 
2x3 +10x4 = 8 x3 +5x4 = 4 L 3 ← 12 L 3
 
L 3 ←L 3 −L 2
Le système est maintenant sous forme échelonnée.
Partie B. Passage à une forme réduite.

Il reste à le mettre sous la forme échelonnée réduite. Pour cela, on ajoute à une ligne des multiples
adéquats des lignes situées au-dessous d’elle, en allant du bas à droite vers le haut à gauche.
On fait apparaître des 0 sur la troisième colonne en utilisant le pivot de la troisième ligne :
 
 x1
 −2x2 +3x3 +17x4 = 4  x1
 −2x2 2x4 = −8 L 1 ←L 1 −3L 3
x2 −3x4 = 3 L 2 ←L 2 +2L 3 x2 −3x4 = 3
 
x3 +5x4 = 4 x3 +5x4 = 4
 
On fait apparaître des 0 sur la deuxième colonne (en utilisant le pivot de la deuxième ligne) :

 x1
 −4x4 = −2 L 1 ←L 1 +2L 2
x2 −3x4 = 3

x3 +5x4 = 4

Le système est sous forme échelonnée réduite.
Partie C. Solutions. Le système est maintenant très simple à résoudre. En choisissant x4 comme
variable libre, on peut exprimer x1 , x2 , x3 en fonction de x4 :
x1 = 4x4 − 2, x2 = 3x4 + 3, x3 = −5x4 + 4.
Ce qui permet d’obtenir toutes les solutions du système :
S = (4x4 − 2, 3x4 + 3, −5x4 + 4, x4 ) | x4 ∈ R .

© ª
3.4. Systèmes homogènes

Le fait que l’on puisse toujours se ramener à un système échelonné réduit implique le résultat
suivant :
Théorème 44
Tout système homogène d’équations linéaires dont le nombre d’inconnues est strictement
plus grand que le nombre d’équations a une infinité de solutions.
Exemple 153
Considérons le système homogène




 3x1 + 3x2 − 2x3 − x5 = 0

 −x − x
1 2 + x3 + 3x4 + x5 = 0


 2x1 + 2x2 − x3 + 2x4 + 2x5 = 0

 x3 + 8x4 + 4x5 = 0.
Sa forme échelonnée réduite est


 x1
 + x2 + 13x5 = 0
x3 + 20x5 = 0

x4 − 2x5 = 0.

On pose comme variables libres x2 et x5 pour avoir
x1 = − x2 − 13x5 , x3 = −20x5 , x4 = 2x5 ,
et l’ensemble des solutions :
S = (− x2 − 13x5 , x2 , −20x5 , 2x5 , x5 ) | x2 , x5 ∈ R

© ª
qui est bien infini.
Mini-exercices
1. Écrire un système linéaire à 4 équations et 5 inconnues qui soit échelonné mais pas
réduit. Idem avec échelonné, non réduit, dont tous les coefficients sont 0 ou +1. Idem
avec échelonné et réduit. 
 2x1 − x2
 + x4 = 1


 x2 + x3 −2x4 = 3
2. Résoudre les systèmes échelonnés suivants :


 2x3 + x4 = 4

 x4 = −2

 x1 + x2 + x4 = 0
 (
x1 +2x2 + x4 = 0
x2 + x3 = 0
 2x 3 − 3x4 = 0
2x3 + x4 = 0

3. Si l’on passe d’un système (S) par une des trois opérations élémentaires à un système
(S 0 ), alors quelle opération permet de passer de (S 0 ) à (S) ?
4. Résoudre les systèmes linéaires suivants par la méthode du pivot de Gauss :
 
 2x
 + y + z = 3  2x1
 + 4x2 − 6x3 − 2x4 = 2
x − y + 3z = 8 3x1 + 6x2 − 7x3 + 4x4 = 2
 
x + 2y − z = −3 5x1 + 10x2 − 11x3 + 6x4 = 3
 

 x
 +y −z = a
5. Résoudre le système suivant, selon les valeurs de a, b ∈ R : −x +2z = b

2y +2z = 4

Auteurs
• D’après un cours de Eva Bayer-Fluckiger, Philippe Chabloz, Lara Thomas de l’École

Polytechnique Fédérale de Lausanne,
• et un cours de Sophie Chemla de l’université Pierre et Marie Curie, reprenant des
parties d’un cours de H. Ledret et d’une équipe de l’université de Bordeaux animée par
J. Queyrut,
• mixés et révisés par Arnaud Bodin, relu par Vianney Combet.
Exo7
16 Matrices
1 Dénition
2 Multiplication de matrices
3 Inverse d'une matrice : dénition
4 Inverse d'une matrice : calcul
5 Inverse d'une matrice : systèmes linéaires et matrices élémentaires
6 Matrices triangulaires, transposition, trace, matrices symétriques

Vidéo ■ partie 2. Multiplication de matrices
Vidéo ■ partie 3. Inverse d'une matrice : définition
Vidéo ■ partie 4. Inverse d'une matrice : calcul
Vidéo ■ partie 5. Inverse d'une matrice : systèmes linéaires et matrices élémentaires
Vidéo ■ partie 6. Matrices triangulaires, transposition, trace, matrices symétriques
Les matrices sont des tableaux de nombres. La résolution d’un certain nombre de problèmes
d’algèbre linéaire se ramène à des manipulations sur les matrices. Ceci est vrai en particulier pour
la résolution des systèmes linéaires.
Dans ce chapitre, K désigne un corps. On peut penser à Q, R ou C.
1. Définition
1.1. Définition
Définition 80
– Une matrice A est un tableau rectangulaire d’éléments de K.

– Elle est dite de taille n × p si le tableau possède n lignes et p colonnes.
– Les nombres du tableau sont appelés les coefficients de A.
– Le coefficient situé à la i-ème ligne et à la j-ème colonne est noté a i, j .
Un tel tableau est représenté de la manière suivante :

 
a 1,1 a 1,2 . . . a 1, j . . . a 1,p
 
 a 2,1 a 2,2 . . . a 2, j . . . a 2,p 
 
 ... ... ... ... ... ...  ¡ ¢ ¡ ¢
A= ou A = a i, j 1É iÉn ou a i, j .
 

 a i,1 a i,2 . . . a i, j . . . a i,p  1É j É p
 
 ... ... ... ... ... ... 
 
a n,1 a n,2 . . . a n, j . . . a n,p
Matrices 266
Exemple 154
Ã !
1 −2 5
A=
0 3 7
est une matrice 2 × 3 avec, par exemple, a 1,1 = 1 et a 2,3 = 7.
Encore quelques définitions :
Définition 81
– Deux matrices sont égales lorsqu’elles ont la même taille et que les coefficients corres-
pondants sont égaux.
– L’ensemble des matrices à n lignes et p colonnes à coefficients dans K est noté M n,p (K).
Les éléments de M n,p (R) sont appelés matrices réelles.
1.2. Matrices particulières

Voici quelques types de matrices intéressantes :
– Si n = p (même nombre de lignes que de colonnes), la matrice est dite matrice carrée. On
note M n (K) au lieu de M n,n (K).
 
a 1, 1 a 1, 2 ... a 1,n
a a 2, 2 ... a 2,n 
 
 2, 1
 . .. .. 
 . ..
 . . . . 

a n,1 a n,2 ... a n,n

Les éléments a 1,1 , a 2,2 , . . . , a n,n forment la diagonale principale de la matrice.
– Une matrice qui n’a qu’une seule ligne (n = 1) est appelée matrice ligne ou vecteur ligne.
On la note ³ ´
A = a 1,1 a 1,2 . . . a 1,p .
– De même, une matrice qui n’a qu’une seule colonne (p = 1) est appelée matrice colonne ou
vecteur colonne. On la note  
a 1,1
 a 2,1 
 
A=  ..  .

 . 
a n,1
– La matrice (de taille n × p) dont tous les coefficients sont des zéros est appelée la matrice
nulle et est notée 0n,p ou plus simplement 0. Dans le calcul matriciel, la matrice nulle joue
le rôle du nombre 0 pour les réels.
1.3. Addition de matrices
Définition 82. Somme de deux matrices
Soient A et B deux matrices ayant la même taille n × p. Leur somme C = A + B est la matrice
de taille n × p définie par
ci j = ai j + bi j.
En d’autres termes, on somme coefficients par coefficients. Remarque : on note indifféremment

a i j où a i, j pour les coefficients de la matrice A.
Matrices 267
Exemple 155
Ã ! Ã ! Ã!
3 −2 0 5 3 3
Si A= et B= alors A+B = .
1 7 2 −1 3 6
Ã !
0 −2
Par contre si B = alors A + B0 n’est pas définie.
8
Définition 83. Produit d’une matrice par un scalaire
Le produit d’une matrice A = a i j de M n,p (K) par un scalaire α ∈ K est la matrice αa i j

¡ ¢ ¡ ¢
formée en multipliant chaque coefficient de A par α. Elle est notée α · A (ou simplement α A).
Exemple 156
Ã ! Ã !
1 2 3 2 4 6
Si A= et α=2 alors αA = .
0 1 0 0 2 0
La matrice (−1)A est l’opposée de A et est notée − A. La différence A − B est définie par A + (−B).
Exemple 157
Ã ! Ã! Ã !
2 −1 0 −1 4 2 3 −5 −2
Si A= et B= alors A−B = .
4 −5 2 7 −5 3 −3 0 −1
L’addition et la multiplication par un scalaire se comportent sans surprises :
Proposition 98
Soient A, B et C trois matrices appartenant à M n,p (K). Soient α ∈ K et β ∈ K deux scalaires.

1. A + B = B + A : la somme est commutative,
2. A + (B + C) = (A + B) + C : la somme est associative,
3. A + 0 = A : la matrice nulle est l’élément neutre de l’addition,
4. (α + β)A = α A + β A,
5. α(A + B) = α A + αB.
Démonstration
Prouvons par exemple le quatrième point. Le terme général de (α + β) A est égal à (α + β)a i j . D’après
les règles de calcul dans K, (α + β)a i j est égal à αa i j + βa i j qui est le terme général de la matrice
α A + β A.
Mini-exercices
³ −7 2 ´ ³1 2 3´ ³ 21 −6 ´ ³1 0 1´ ³ 1 2´
1. Soient A = 0 −1 , B = 2 3 1 , C = 0 3 , D = 12 0 1 0 , E = −3 0 . Calculer toutes les
1 −4 321 −3 12 111 −8 6
sommes possibles de deux de ces matrices. Calculer 3A + 2C et 5B − 4D. Trouver α tel
que A − αC soit la matrice nulle.
Matrices 268
2. Montrer que si A + B = A, alors B est la matrice nulle.

3. Que vaut 0 · A ? et 1 · A ? Justifier l’affirmation : α(β A) = (αβ)A. Idem avec nA =
A + A + · · · + A (n occurrences de A).
2. Multiplication de matrices
2.1. Définition du produit
Le produit AB de deux matrices A et B est défini si et seulement si le nombre de colonnes de A
est égal au nombre de lignes de B.
Définition 84. Produit de deux matrices
Soient A = (a i j ) une matrice n × p et B = (b i j ) une matrice p × q. Alors le produit C = AB est

une matrice n × q dont les coefficients c i j sont définis par :
p
X
ci j = a ik b k j
k=1
On peut écrire le coefficient de façon plus développée, à savoir :
c i j = a i1 b 1 j + a i2 b 2 j + · · · + a ik b k j + · · · + a i p b p j .
Il est commode de disposer les calculs de la façon suivante.

 
×
 
 × 
  ←B

 × 

×
   
|
   
   | 
A→
    ← AB
 × × × ×

− − −
 ci j 

Avec cette disposition, on considère d’abord la ligne de la matrice A située à gauche du coefficient
que l’on veut calculer (ligne représentée par des × dans A) et aussi la colonne de la matrice B située
au-dessus du coefficient que l’on veut calculer (colonne représentée par des × dans B). On calcule
le produit du premier coefficient de la ligne par le premier coefficient de la colonne (a i1 × b 1 j ), que
l’on ajoute au produit du deuxième coefficient de la ligne par le deuxième coefficient de la colonne
(a i2 × b 2 j ), que l’on ajoute au produit du troisième. . .
2.2. Exemples
Exemple 158

Ã! 1 2
1 2 3
A= B = −1 1
 
2 3 4
1 1
On dispose d’abord le produit correctement (à gauche) : la matrice obtenue est de taille
2 × 2. Puis on calcule chacun des coefficients, en commençant par le premier coefficient c 11 =
1 × 1 + 2 × (−1) + 3 × 1 = 2 (au milieu), puis les autres (à droite).
Matrices 269
     
1 2 1 2 1 2
−1 1 −1 1 −1 1
     
Ã ! Ã 1 1 ! Ã ! Ã 1 1 ! Ã ! Ã1 1!
1 2 3 c 11 c 12 1 2 3 2 c 12 1 2 3 2 7
2 3 4 c 21 c 22 2 3 4 c 21 c 22 2 3 4 3 11
Un exemple intéressant est le produit d’un vecteur ligne par un vecteur colonne :

b1
 b2 
³ ´  
u = a1 a2 ··· an v=
 .. 

 . 
bn
Alors u × v est une matrice de taille 1 × 1 dont l’unique coefficient est a 1 b 1 + a 2 b 2 + · · · + a n b n . Ce

nombre s’appelle le produit scalaire des vecteurs u et v.
Calculer le coefficient c i j dans le produit A × B revient donc à calculer le produit scalaire des
vecteurs formés par la i-ème ligne de A et la j-ème colonne de B.
2.3. Pièges à éviter

Premier piège. Le produit de matrices n’est pas commutatif en général.
En effet, il se peut que AB soit défini mais pas BA, ou que AB et BA soient tous deux définis mais
pas de la même taille. Mais même dans le cas où AB et BA sont définis et de la même taille, on a
en général AB 6= BA.
Exemple 159
Ã !Ã ! Ã ! Ã !Ã ! Ã !
5 1 2 0 14 3 2 0 5 1 10 2
= mais = .
3 −2 4 3 −2 −6 4 3 3 −2 29 −2
Deuxième piège. AB = 0 n’implique pas A = 0 ou B = 0.

Il peut arriver que le produit de deux matrices non nulles soit nul. En d’autres termes, on peut
avoir A 6= 0 et B 6= 0 mais AB = 0.
Exemple 160
Ã ! Ã ! Ã !
0 −1 2 −3 0 0
A= B= et AB = .
0 5 0 0 0 0
Troisième piège. AB = AC n’implique pas B = C. On peut avoir AB = AC et B 6= C.
Exemple 161
Ã ! Ã ! Ã ! Ã !
0 −1 4 −1 2 5 −5 −4
A= B= C= et AB = AC = .
0 3 5 4 5 4 15 12
Matrices 270
2.4. Propriétés du produit de matrices

Malgré les difficultés soulevées au-dessus, le produit vérifie les propriétés suivantes :
Proposition 99
1. A(BC) = (AB)C : associativité du produit,

2. A(B + C) = AB + AC et (B + C)A = BA + C A : distributivité du produit par rapport
à la somme,
3. A · 0 = 0 et 0 · A = 0.
Démonstration
Posons A = (a i j ) ∈ M n,p (K), B = ( b i j ) ∈ M p,q (K) et C = ( c i j ) ∈ M q,r (K). Prouvons que A (BC ) = ( AB)C
en montrant que les matrices A (BC ) et ( AB)C ont les mêmes coefficients.
p
X
Le terme d’indice ( i, k) de la matrice AB est x ik = a i` b `k . Le terme d’indice ( i, j ) de la matrice
`=1
( AB)C est donc Ã !
q
X q
X p
X
x ik c k j = a i` b`k c k j .
k=1 k=1 `=1
q
X
Le terme d’indice (`, j ) de la matrice BC est y` j = b `k c k j . Le terme d’indice ( i, j ) de la matrice
k=1
A (BC ) est donc Ã !
p
X q
X
a i` b`k c k j .
`=1 k=1
Comme dans K la multiplication est distributive et associative, les coefficients de ( AB)C et A (BC )
coïncident. Les autres démonstrations se font comme celle de l’associativité.
2.5. La matrice identité

La matrice carrée suivante s’appelle la matrice identité :
 
1 0 ... 0
0 1 ... 0
 
 
In =  .. .. . . .. 
. . . .
 
 
0 0 ... 1
Ses éléments diagonaux sont égaux à 1 et tous ses autres éléments sont égaux à 0. Elle se note
I n ou simplement I. Dans le calcul matriciel, la matrice identité joue un rôle analogue à celui du
nombre 1 pour les réels. C’est l’élément neutre pour la multiplication. En d’autres termes :
Proposition 100
Si A est une matrice n × p, alors
In · A = A et A · I p = A.
Matrices 271
Démonstration
Nous allons détailler la preuve. Soit A ∈ M n,p (K) de terme général a i j . La matrice unité d’ordre p
est telle que tous les éléments de la diagonale principale sont égaux à 1, les autres étant tous nuls.
On peut formaliser cela en introduisant le symbole de Kronecker. Si i et j sont deux entiers, on
appelle symbole de Kronecker, et on note δ i, j , le réel qui vaut 0 si i est différent de j , et 1 si i est
égal à j . Donc
(
0 si i 6= j
δ i, j =
1 si i = j.
Alors le terme général de la matrice identité I p est δ i, j avec i et j entiers, compris entre 1 et p.
La matrice produit AI p est une matrice appartenant à M n,p (K) dont le terme général c i j est donné
p
X
par la formule c i j = a ik δk j . Dans cette somme, i et j sont fixés et k prend toutes les valeurs
k=1
comprises entre 1 et p. Si k 6= j alors δk j = 0, et si k = j alors δk j = 1. Donc dans la somme qui
définit c i j , tous les termes correspondant à des valeurs de k différentes de j sont nuls et il reste
donc c i j = a i j δ j j = a i j 1 = a i j . Donc les matrices AI p et A ont le même terme général et sont donc
égales. L’égalité I n A = A se démontre de la même façon.
2.6. Puissance d’une matrice

Dans l’ensemble M n (K) des matrices carrées de taille n × n à coefficients dans K, la multiplication
des matrices est une opération interne : si A, B ∈ M n (K) alors AB ∈ M n (K).
En particulier, on peut multiplier une matrice carrée par elle-même : on note A 2 = A × A, A 3 =
A × A × A.
On peut ainsi définir les puissances successives d’une matrice :
Définition 85
Pour tout A ∈ M n (K), on définit les puissances successives de A par A 0 = I n et A p+1 = A p × A

pour tout p ∈ N. Autrement dit, A p = |A × A ×{z· · · × A}.
p facteurs
Exemple 162

1 0 1
On cherche à calculer A p avec A = 0 −1 0. On calcule A 2 , A 3 et A 4 et on obtient :
 
0 0 2
     
1 0 3 1 0 7 1 0 15
A 2 = 0 1 0 A 3 = A 2 × A = 0 −1 0 A 4 = A 3 × A = 0 1 0  .
     
0 0 4 0 0 8 0 0 16
p
 p
 premières puissances permet de penser que la formule est : A =
L’observation de ces
1 0 2 −1
p
0 (−1) 0 . Démontrons ce résultat par récurrence.
 
0 0 2p
Il est vrai pour p = 0 (on trouve l’identité). On le suppose vrai pour un entier p et on va le
démontrer pour p + 1. On a, d’après la définition,
2p − 1 2 p+1 − 1
     
1 0 1 0 1 1 0
A p+1 = A p × A = 0 (−1) p 0  × 0 −1 0 = 0 (−1) p+1 0 .
     
0 0 2p 0 0 2 0 0 2 p+1
Matrices 272
Donc la propriété est démontrée.
2.7. Formule du binôme

Comme la multiplication n’est pas commutative, les identités binomiales usuelles sont fausses. En
particulier, (A + B)2 ne vaut en général pas A 2 + 2AB + B2 , mais on sait seulement que
(A + B)2 = A 2 + AB + BA + B2 .
Proposition 101. Calcul de (A + B) p lorsque AB = BA
Soient A et B deux éléments de M n (K) qui commutent, c’est-à-dire tels que AB = BA. Alors,
pour tout entier p Ê 0, on a la formule
Ã !
p
p
X p p− k k
(A + B) = A B
k=0 k
¡ p¢
où k
désigne le coefficient du binôme.
La démonstration est similaire à celle de la formule du binôme pour (a + b) p , avec a, b ∈ R.
Exemple 163
   
1 1 1 1 0 1 1 1
   
0 1 2 1 0 0 2 1
Soit A = 
0 0
. On pose N = A − I =  . La matrice N est nilpotente (c’est-
 1 3

0
 0 0 3

0 0 0 1 0 0 0 0
à-dire il existe k ∈ N tel que N k = 0) comme le montrent les calculs suivants :
   
0 0 2 4 0 0 0 6
   
0 0 0 6 3 0 0 0 0
N2 =  N 4 = 0.
  
0 0
 N = et
 0 0  
 0 0 0 0 

0 0 0 0 0 0 0 0
Comme on a A = I + N et les matrices N et I commutent (la matrice identité commute avec

toutes les matrices), on peut appliquer la formule du binôme de Newton. On utilise que I k = I
pour tout k et surtout que N k = 0 si k Ê 4. On obtient
Ã ! Ã !
p 3
p p k p− k X p k p( p−1) p( p−1)( p−2) 3
N = I + pN + 2! N 2 +
X
A = N I = 3! N .
k=0 k k=0 k
D’où  
1 p p2 p(p2 − p + 1)
 
0 1 2p p(3p − 2) 
Ap = 
0
.
 0 1 3p 

0 0 0 1
Matrices 273
Mini-exercices
³2 1 0 ´ ³ 8 2´ ³5´ ³ ´
1. Soient A = 60 −24 −02 , B = 0 1 0 , C = −3 2 , D = 2 , E = x y z . Quels produits
¡ ¢
2 −2 −3 −5 5 −1
sont possibles ? Les calculer !
³0 0 1´ ³1 0 0´
2. Soient A = 0 1 0 et B = 0 0 2 . Calculer A 2 , B2 , AB et BA.
112 1 −1 0
³2 0 0´ ³0 0 0´
3. Soient A = 0 2 0 et B = 2 0 0 . Calculer A p et B p pour tout p Ê 0. Montrer que AB =
002 310
BA. Calculer (A + B) p .
3. Inverse d’une matrice : définition

3.1. Définition
Définition 86. Matrice inverse
Soit A une matrice carrée de taille n × n. S’il existe une matrice carrée B de taille n × n telle
que
AB = I et BA = I,
on dit que A est inversible. On appelle B l’inverse de A et on la note A −1 .
On verra plus tard qu’il suffit en fait de vérifier une seule des conditions AB = I ou bien BA = I.
– Plus généralement, quand A est inversible, pour tout p ∈ N, on note :
A − p = (A −1 ) p = |A −1 A −{z
1
· · · A −1} .
p facteurs
– L’ensemble des matrices inversibles de M n (K) est noté GL n (K).
3.2. Exemples
Exemple 164
Soit A = 10 23 . Étudier si A est inversible, c’est étudier l’existence d’une matrice B = ac db à

¡ ¢ ¡ ¢
coefficients dans K, telle que AB = I et BA = I. Or AB = I équivaut à :

Ã !Ã ! Ã ! Ã ! Ã !
1 2 a b 1 0 a + 2c b + 2d 1 0
AB = I ⇐⇒ = ⇐⇒ =
0 3 c d 0 1 3c 3d 0 1
Cette égalité équivaut au système :




 a + 2c = 1

 b + 2d = 0


 3c = 0

 3d = 1
Sa résolution est immédiate : a = 1, b = − 23 , c = 0, d = 13 . Il n’y a donc qu’une seule matrice

µ 2¶
1−
possible, à savoir B = 0 13 . Pour prouver qu’elle convient, il faut aussi montrer l’égalité
3
BA = I, dont la vérification est laissée au lecteur. La matrice A est donc inversible et A −1 =

Matrices 274
Ã !
1 − 23
.
0 31
Exemple 165
Ã !
¡3 0¢ a b
La matrice A = 50 n’est pas inversible. En effet, soit B = une matrice quelconque.
c d
Alors le produit Ã !Ã ! Ã !
a b 3 0 3a + 5b 0
BA = =
c d 5 0 3c + 5d 0
ne peut jamais être égal à la matrice identité.
Exemple 166
– Soit I n la matrice carrée identité de taille n × n. C’est une matrice inversible, et son
inverse est elle-même par l’égalité I n I n = I n .
– La matrice nulle 0n de taille n × n n’est pas inversible. En effet on sait que, pour toute
matrice B de M n (K), on a B0n = 0n , qui ne peut jamais être la matrice identité.
3.3. Propriétés
Unicité
Proposition 102
Si A est inversible, alors son inverse est unique.
Démonstration
La méthode classique pour mener à bien une telle démonstration est de supposer l’existence de
deux matrices B1 et B2 satisfaisant aux conditions imposées et de démontrer que B1 = B2 .
Soient donc B1 telle que AB1 = B1 A = I n et B2 telle que AB2 = B2 A = I n . Calculons B2 ( AB1 ).
D’une part, comme AB1 = I n , on a B2 ( AB1 ) = B2 . D’autre part, comme le produit des matrices est
associatif, on a B2 ( AB1 ) = (B2 A )B1 = I n B1 = B1 . Donc B1 = B2 .
Inverse de l’inverse
Proposition 103
Soit A une matrice inversible. Alors A −1 est aussi inversible et on a :
(A −1 )−1 = A
Inverse d’un produit

Matrices 275
Proposition 104
Soient A et B deux matrices inversibles de même taille. Alors AB est inversible et
(AB)−1 = B−1 A −1
Il faut bien faire attention à l’inversion de l’ordre !

Démonstration
Il suffit de montrer (B−1 A −1 )( AB) = I et ( AB)(B−1 A −1 ) = I . Cela suit de
(B−1 A −1 )( AB) = B−1 ( A A −1 )B = B−1 IB = B−1 B = I,

et ( AB)(B−1 A −1 ) = A (BB−1 ) A −1 = AI A −1 = A A −1 = I.
De façon analogue, on montre que si A 1 , . . . , A m sont inversibles, alors
(A 1 A 2 · · · A m )−1 = A −1 −1 −1
m A m−1 · · · A 1 .
Simplification par une matrice inversible
Si C est une matrice quelconque de M n (K), nous avons vu que la relation AC = BC où A et B sont
des éléments de M n (K) n’entraîne pas forcément l’égalité A = B. En revanche, si C est une matrice
inversible, on a la proposition suivante :
Proposition 105
Soient A et B deux matrices de M n (K) et C une matrice inversible de M n (K). Alors l’égalité
AC = BC implique l’égalité A = B.
Démonstration
Ce résultat est immédiat : si on multiplie à droite l’égalité AC = BC par C −1 , on obtient l’égalité :

( AC )C −1 = (BC )C −1 . En utilisant l’associativité du produit des matrices on a A (CC −1 ) = B(CC −1 ),
ce qui donne d’après la définition de l’inverse AI = BI , d’où A = B.
Mini-exercices
et B = 25 13 . Calculer A −1 , B−1 , (AB)−1 , (BA)−1 , A −2 .

¡ −1 −2 ¢ ¡ ¢
1. Soient A = 3 4
³1 0 0´
2. Calculer l’inverse de 0 2 0 .
103
³ −1 −2 0 ´
3. Soit A = 2 3 0 . Calculer 2A − A 2 . Sans calculs, en déduire A −1 .
0 0 1
4. Inverse d’une matrice : calcul

Nous allons voir une méthode pour calculer l’inverse d’une matrice quelconque de manière efficace.
Cette méthode est une reformulation de la méthode du pivot de Gauss pour les systèmes linéaires.
Auparavant, nous commençons par une formule directe dans le cas simple des matrices 2 × 2.
Matrices 276
4.1. Matrices 2 × 2
Ã !
a b
Considérons la matrice 2 × 2 : A = .
c d
Proposition 106
Si ad − bc 6= 0, alors A est inversible et

Ã !
−1 1 d −b
A = ad − bc −c a
Démonstration
1
¡1 0¢
d −b
¡ ¢
On vérifie que si B = ad − bc − c a alors AB = 0 1 . Idem pour BA .
4.2. Méthode de Gauss pour inverser les matrices

La méthode pour inverser une matrice A consiste à faire des opérations élémentaires sur les lignes
de la matrice A jusqu’à la transformer en la matrice identité I. On fait simultanément les mêmes
opérations élémentaires en partant de la matrice I. On aboutit alors à une matrice qui est A −1 .
La preuve sera vue dans la section suivante.
En pratique, on fait les deux opérations en même temps en adoptant la disposition suivante : à
côté de la matrice A que l’on veut inverser, on rajoute la matrice identité pour former un tableau
(A | I). Sur les lignes de cette matrice augmentée, on effectue des opérations élémentaires jusqu’à
obtenir le tableau (I | B). Et alors B = A −1 .
Ces opérations élémentaires sur les lignes sont :

1. L i ← λL i avec λ 6= 0 : on peut multiplier une ligne par un réel non nul (ou un élément de
K \ {0}).
2. L i ← L i + λL j avec λ ∈ K (et j 6= i) : on peut ajouter à la ligne L i un multiple d’une autre
ligne L j .
3. L i ↔ L j : on peut échanger deux lignes.
N’oubliez pas : tout ce que vous faites sur la partie gauche de la matrice augmentée, vous devez
aussi le faire sur la partie droite.
4.3. Un exemple
 
1 2 1
Calculons l’inverse de A =  4 0 −1 .
 
−1 2 2
Voici la matrice augmentée, avec les lignes numérotées :
 
1 2 1 1 0 0 L1
(A | I) =  4 0 −1 0 1 0 
 
L2
−1 2 2 0 0 1 L3
Matrices 277
On applique la méthode de Gauss pour faire apparaître des 0 sur la première colonne, d’abord sur
la deuxième ligne par l’opération élémentaire L 2 ← L 2 − 4L 1 qui conduit à la matrice augmentée :
 
1 2 1 1 0 0
 0 −8 −5 −4 1 0 
 
L 2 ←L 2 −4L 1
−1 2 2 0 0 1
Puis un 0 sur la première colonne, à la troisième ligne, avec L 3 ← L 3 + L 1 :

 
1 2 1 1 0 0
 0 −8 −5 −4 1 0 
 
0 4 3 1 0 1 L 3 ←L 3 +L 1
On multiplie la ligne L 2 afin qu’elle commence par 1 :

 
1 2 1 1 0 0
5 1
 0 1 − 81 0  L 2 ←− 18 L 2
 
8 2
0 4 3 1 0 1
On continue afin de faire apparaître des 0 partout sous la diagonale, et on multiplie la ligne L 3 .
Ce qui termine la première partie de la méthode de Gauss :
   
1 2 1 1 0 0 1 2 1 1 0 0
5 1
 0 1 − 18 0  puis  0 1 5 1
− 18 0 
   
8 2 8 2
1 1
0 0 2 −1 2 1 L 3 ←L 3 −4L 2 0 0 1 −2 1 2 L 3 ←2L 3
Il ne reste plus qu’à « remonter » pour faire apparaître des zéros au-dessus de la diagonale :
1 0 0 − 12 1 1
   
1 2 1 1 0 0 2 2 L 1 ←L 1 −2L 2 −L 3
7
 0 1 0 4 − 34 − 45  L 2 ←L 2 − 58 L 3 puis  0 1 0 74 − 34 − 45
   

0 0 1 −2 1 2 0 0 1 −2 1 2
Ainsi l’inverse de A est la matrice obtenue à droite et après avoir factorisé tous les coefficients par
1
4 , on a obtenu :  
−2 2 2
1
A −1 =  7 −3 −5

4
−8 4 8
Pour se rassurer sur ses calculs, on n’oublie pas de vérifier rapidement que A × A −1 = I.
Mini-exercices
¡ 3 1 ¢ ¡ 2 −3 ¢ ¡ 0 2 ¢ ¡ α+1 1 ¢
1. Si possible calculer l’inverse des matrices : 7 2 , −5 4 , 3 0 , 2 α .
¡ θ − sin θ ¢ −1
2. Soit A(θ ) = cos
sin θ cos θ . Calculer A(θ ) .
´ ³ 2 −2 1 ´ µ 1 0 1 0 ¶ µ 2 1 1 1 ¶
Ã 1 1 1 0 0!
1 3 0 0 1 2 0 0
³
3. Calculer l’inverse des matrices : 2 1 −1 , 3 0 5 , −01 22 −02 01 , 10 01 −01 21 , −1 1 2 0 0 .
−2 1 1 1 1 2 0 2 1 3 01 1 0 0 0 0 2 1
0 0 0 5 3
Matrices 278
5. Inverse d’une matrice : systèmes linéaires et matrices

élémentaires
5.1. Matrices et systèmes linéaires
Le système linéaire



 a 11 x1 + a 12 x2 + ··· + a1 p x p = b1

 a x
21 1 + a 22 x2 + ··· + a2 p x p = b2


 ...

 a x
n1 1 + a n 2 x2 + ··· + a np x p = bn
peut s’écrire sous forme matricielle :

     
a 11 ... a1 p x1 b1
a 21 ... a2 p x2 b2
     
     
 .. ..   ..  =  .. .
. . . .
     
     
a n1 ... a np xp bn
| {z } | {z } | {z }
A X B
On appelle A ∈ M n,p (K) la matrice des coefficients du système. B ∈ M n,1 (K) est le vecteur du second
membre. Le vecteur X ∈ M p,1 (K) est une solution du système si et seulement si
A X = B.
Nous savons que :
Théorème 45
Un système d’équations linéaires n’a soit aucune solution, soit une seule solution, soit une
infinité de solutions.
5.2. Matrices inversibles et systèmes linéaires

Considérons le cas où le nombre d’équations égale le nombre d’inconnues :
     
a 11 ... a 1n x1 b1
a 21 ... a 2n x2 b2
     
     
 .. ..   ..  =  .. .
. . . .
     
     
a n1 ... a nn xn bn
| {z } | {z } | {z }
A X B
Alors A ∈ M n (K) est une matrice carrée et B un vecteur de M n,1 (K). Pour tout second membre,
nous pouvons utiliser les matrices pour trouver la solution du système linéaire.
Matrices 279
Proposition 107
Si la matrice A est inversible, alors la solution du système A X = B est unique et est :
X = A −1 B.
La preuve est juste de vérifier que si X = A −1 B, alors A X = A A −1 B = A A −1 B = I · B = B.

¡ ¢ ¡ ¢
Réciproquement si A X = B, alors nécessairement X = A −1 B. Nous verrons bientôt que si la matrice

n’est pas inversible, alors soit il n’y a pas de solution, soit une infinité.
5.3. Les matrices élémentaires

Pour calculer l’inverse d’une matrice A, et aussi pour résoudre des systèmes linéaires, nous avons
utilisé trois opérations élémentaires sur les lignes qui sont :
1. L i ← λL i avec λ 6= 0 : on peut multiplier une ligne par un réel non nul (ou un élément de
K \ {0}).
2. L i ← L i + λL j avec λ ∈ K (et j 6= i) : on peut ajouter à la ligne L i un multiple d’une autre
ligne L j .
3. L i ↔ L j : on peut échanger deux lignes.
Nous allons définir trois matrices élémentaires E L i ←λL i , E L i ←L i +λL j , E L i ↔L j correspondant à ces
opérations. Plus précisément, le produit E × A correspondra à l’opération élémentaire sur A. Voici
les définitions accompagnées d’exemples.
1. La matrice E L i ←λL i est la matrice obtenue en multipliant par λ la i-ème ligne de la matrice
identité I n , où λ est un nombre réel non nul.
 
1 0 0 0
 
0 5 0 0
E L 2 ←5L 2 = 
0

 0 1 0

0 0 0 1
2. La matrice E L i ←L i +λL j est la matrice obtenue en ajoutant λ fois la j-ème ligne de I n à la
i-ème ligne de I n .
 
1 0 0 0
 
−3 1 0 0
E L 2 ←L 2 −3L 1 = 
0

 0 1 0

0 0 0 1
3. La matrice E L i ↔L j est la matrice obtenue en permutant les i-ème et j-ème lignes de I n .
 
1 0 0 0
 
0 0 0 1
E L 2 ↔L 4 = E L 4 ↔L 2 = 
0

 0 1 0

0 1 0 0
Les opérations élémentaires sur les lignes sont réversibles, ce qui entraîne l’inversibilité des
matrices élémentaires.
Le résultat de la multiplication d’un matrice élémentaire E par A est la matrice obtenue en

effectuant l’opération élémentaire correspondante sur A. Ainsi :
Matrices 280
1. La matrice E L i ←λL i × A est la matrice obtenue en multipliant par λ la i-ème ligne de A.

2. La matrice E L i ←L i +λL j × A est la matrice obtenue en ajoutant λ fois la j-ème ligne de A à la
i-ème ligne de A.
3. La matrice E L i ↔L j × A est la matrice obtenue en permutant les i-ème et j-ème lignes de A.
Exemple 167
1.      
1 0 0 x1 x2 x3 x1 x2 x3
1
E L 2 ← 1 L 2 × A = 0 0 ×  y1 y2 y3  =  13 y1 1
3 y2
1
3 y3 
     
3 3
0 0 1 z1 z2 z3 z1 z2 z3
2.      
1 0 −7 x1 x2 x3 x1 − 7z1 x2 − 7z2 x3 − 7z3
E L 1 ←L 1 −7L 3 × A = 0 1 0  ×  y1 y2 y3  =  y1 y2 y3 
     
0 0 1 z1 z2 z3 z1 z2 z3
3.      
1 0 0 x1 x2 x3 x1 x2 x3
E L 2 ↔L 3 × A = 0 0 1 ×  y1 y2 y3  =  z1 z2 z3 
     
0 1 0 z1 z2 z3 y1 y2 y3
5.4. Équivalence à une matrice échelonnée
Définition 87
Deux matrices A et B sont dites équivalentes par lignes si l’une peut être obtenue à partir
de l’autre par une suite d’opérations élémentaires sur les lignes. On note A ∼ B.
Définition 88
Une matrice est échelonnée si :

– le nombre de zéros commençant une ligne croît strictement ligne par ligne jusqu’à ce
qu’il ne reste plus que des zéros.
Elle est échelonnée réduite si en plus :
– le premier coefficient non nul d’une ligne (non nulle) vaut 1 ;
– et c’est le seul élément non nul de sa colonne.
Exemple d’une matrice échelonnée (à gauche) et échelonnée réduite (à droite) ; les ∗ désignent des
coefficients quelconques, les + des coefficients non nuls :
   
+ ∗ ∗ ∗ ∗ ∗ ∗ 1 ∗ 0 0 ∗ ∗ 0
   
 0 0 + ∗ ∗ ∗ ∗  0 0 1 0 ∗ ∗ 0
   
 0 0 0 + ∗ ∗ ∗  0 0 0 1 ∗ ∗ 0
   
   
 0 0 0 0 0 0 + 0 0 0 0 0 0 1
   
0 0 0 0 0 0 0 0 0 0 0 0 0 0
   
0 0 0 0 0 0 0 0 0 0 0 0 0 0
Matrices 281
Théorème 46
Étant donnée une matrice A ∈ M n,p (K), il existe une unique matrice échelonnée réduite U
obtenue à partir de A par des opérations élémentaires sur les lignes.
Ce théorème permet donc de se ramener par des opérations élémentaires à des matrices dont la
structure est beaucoup plus simple : les matrices échelonnées réduites.
Démonstration
Nous admettons l’unicité.

L’existence se démontre grâce à l’algorithme de Gauss. L’idée générale consiste à utiliser des substi-
tutions de lignes pour placer des zéros là où il faut de façon à créer d’abord une forme échelonnée,
puis une forme échelonnée réduite.
Soit A une matrice n × p quelconque.
Partie A. Passage à une forme échelonnée.

Étape A.1. Choix du pivot.
On commence par inspecter la première colonne. Soit elle ne contient que des zéros, auquel cas on
passe directement à l’étape A.3, soit elle contient au moins un terme non nul. On choisit alors un
tel terme, que l’on appelle le pivot. Si c’est le terme a 11 , on passe directement à l’étape A.2 ; si c’est
un terme a i1 avec i 6= 1, on échange les lignes 1 et i (L 1 ↔ L i ) et on passe à l’étape A.2.
Au terme de l’étape A.1, soit la matrice A a sa première colonne nulle (à gauche) ou bien on obtient
une matrice équivalente dont le premier coefficient a011 est non nul (à droite) :
 
a011 a012 ··· a01 j ··· a01 p
 
0 a 12 ··· a1 j ··· a1 p
 0
 a 21 a022 a02 j a02 p 

0

a 22 ··· a2 j ··· a2 p 
 ··· ···
 
 .. .. .. ..   . .. .. .. 

. . . . 
  .. . . . 
 = A ou bien

 0  ∼ A.

0
 a i2 ··· ai j ··· aip    a i1 a0i2 ··· a0i j ··· a0i p 
. .. .. .. 

 .

.  .. .. .. .. 
. . . . 

 . . . 
0 a n2 ··· an j ··· a np a0n1 a0n2 ··· a0n j ··· 0
a np
Étape A.2. Élimination.

On ne touche plus à la ligne 1, et on se sert du pivot a011 pour éliminer tous les termes a0i1 (avec
a0i1
i Ê 2) situés sous le pivot. Pour cela, il suffit de remplacer la ligne i par elle-même moins a011
× la
a021 a031
ligne 1, ceci pour i = 2, . . . , n : L 2 ← L 2 − a011
L1, L3 ← L3 − a011
L 1 ,. . .
Au terme de l’étape A.2, on a obtenu une matrice de la forme
 
a011 a012 · · · a01 j · · · a01 p
 0 a0022 · · · a002 j · · · a002 p 
 
 
 . .. .. .. 
 .. . . . 
 ∼ A.
 
00 00 00
 0 a a a

 i2
· · · ij
· · · ip 

 . . . .
 .. .. .. .. 

 
0 a00n2 · · · a00n j · · · a00np
Étape A.3. Boucle.

Matrices 282
Au début de l’étape A.3, on a obtenu dans tous les cas de figure une matrice de la forme
a111 a112 · · · a11 j · · · a11 p

 
 0 a122 · · · a12 j · · · a12 p 

 
 
 . .. .. .. 
 .. . . . 
∼ A
 
1 1 1
 0 a a a

 i2
· · · ij
· · · ip 

 . . . .
 .. .. .. .. 

 
0 a1n2 · · · a1n j · · · a1np
dont la première colonne est bien celle d’une matrice échelonnée. On va donc conserver cette pre-
mière colonne. Si a111 6= 0, on conserve aussi la première ligne, et l’on repart avec l’étape A.1 en
l’appliquant cette fois à la sous-matrice ( n − 1) × ( p − 1) (ci-dessous à gauche : on « oublie » la pre-
mière ligne et la première colonne de A ) ; si a111 = 0, on repart avec l’étape A.1 en l’appliquant à la
sous-matrice n × ( p − 1) (à droite, on « oublie » la première colonne) :
a112 · · · a11 j · · · a11 p

 
 1 1 1

a 22 · · · a 2 j · · · a 2 p  1
 a 22 · · · a12 j · · · a12 p 

 . .. .. 
 . 
 .

 . . . 

 .. .. .. 
 1
a 1 1 
 . . 
· · · a · · · a
 
 i2 ij ip   a1i2 · · · a1i j · · · a1i p 
 
 . .. .. 
 . 
 .

 . . .   .. .. .. 
. . 
a1n2 · · · a1n j · · · a1np 
1 1 1

a n2 · · · a n j · · · a np
Au terme de cette deuxième itération de la boucle, on aura obtenu une matrice de la forme
a111 a112 · · · a11 j · · · a11 p

 
 0 a222 · · · a22 j · · · a22 p 

 
 
 . .. .. .. 
 .. . . . 
 ∼ A,
 
2 2
 0 0 a a

 · · · ij
· · · ip 

 . . . .
 .. .. .. .. 

 
0 0 · · · a2n j · · · a2np
et ainsi de suite.
Comme chaque itération de la boucle travaille sur une matrice qui a une colonne de moins que
la précédente, alors au bout d’au plus p − 1 itérations de la boucle, on aura obtenu une matrice
échelonnée.
Partie B. Passage à une forme échelonnée réduite.

Étape B.1. Homothéties.
On repère le premier élément non nul de chaque ligne non nulle, et on multiplie cette ligne par
l’inverse de cet élément. Exemple : si le premier élément non nul de la ligne i est α 6= 0, alors on
effectue L i ← α1 L i . Ceci crée une matrice échelonnée avec des 1 en position de pivots.
Étape B.2. Élimination.

On élimine les termes situés au-dessus des positions de pivot comme précédemment, en procédant
à partir du bas à droite de la matrice. Ceci ne modifie pas la structure échelonnée de la matrice en
raison de la disposition des zéros dont on part.
Matrices 283
Exemple 168
Soit  
1 2 3 4
A =  0 2 4 6 .
 
−1 0 1 0
A. Passage à une forme échelonnée.
Première itération de la boucle, étape A.1. Le choix du pivot est tout fait, on garde a111 = 1.
Première itération de la boucle, étape A.2. On ne fait rien sur la ligne 2 qui contient déjà un
zéro en bonne position et on remplace la ligne 3 par L 3 ← L 3 + L 1 . On obtient
 
1 2 3 4
A ∼ 0 2 4 6 .
 
0 2 4 4
Deuxième itération de la boucle, étape A.1. Le choix du pivot est tout fait, on garde a222 = 2.
Deuxième itération de la boucle, étape A.2. On remplace la ligne 3 avec l’opération L 3 ←
L 3 − L 2 . On obtient  
1 2 3 4
A ∼ 0 2 4 6  .
 
0 0 0 −2
Cette matrice est échelonnée.
B. Passage à une forme échelonnée réduite.

1
Étape B.1, homothéties. On multiplie la ligne 2 par 2 et la ligne 3 par − 12 et l’on obtient
 
1 2 3 4
A ∼ 0 1 2 3 .
 
0 0 0 1
Étape B.2, première itération. On ne touche plus à la ligne 3 et on remplace la ligne 2 par
L 2 ← L 2 − 3L 3 et L 1 ← L 1 − 4L 3 . On obtient
 
1 2 3 0
A ∼ 0 1 2 0 .
 
0 0 0 1
Étape B.2, deuxième itération. On ne touche plus à la ligne 2 et on remplace la ligne 1 par
L 1 ← L 1 − 2L 2 . On obtient  
1 0 −1 0
A ∼ 0 1 2 0
 
0 0 0 1
qui est bien échelonnée et réduite.
5.5. Matrices élémentaires et inverse d’une matrice

Matrices 284
Théorème 47
Soit A ∈ M n (K). La matrice A est inversible si et seulement si sa forme échelonnée réduite

est la matrice identité I n .
Démonstration
Notons U la forme échelonnée réduite de A . Et notons E le produit de matrices élémentaires tel

que E A = U .
⇐= Si U = I n alors E A = I n . Ainsi par définition, A est inversible et A −1 = E .
=⇒ Nous allons montrer que si U 6= I n , alors A n’est pas inversible.
– Supposons U 6= I n . Alors la dernière ligne de U est nulle (sinon il y aurait un pivot sur
chaque ligne donc ce serait I n ).
– Cela entraîne que U n’est pas inversible : en effet, pour tout matrice carrée V , la dernière
ligne de UV est nulle ; on n’aura donc jamais UV = I n .
– Alors, A n’est pas inversible non plus : en effet, si A était inversible, on aurait U = E A
et U serait inversible comme produit de matrices inversibles (E est inversible car c’est un
produit de matrices élémentaires qui sont inversibles).
Remarque
Justifions maintenant notre méthode pour calculer A −1 .

Nous partons de (A | I) pour arriver par des opérations élémentaires sur les lignes à (I |B).
Montrons que B = A −1 . Faire une opération élémentaire signifie multiplier à gauche par une
des matrices élémentaires. Notons E le produit de ces matrices élémentaires. Dire que l’on
arrive à la fin du processus à I signifie E A = I. Donc A −1 = E. Comme on fait les mêmes
opérations sur la partie droite du tableau, alors on obtient EI = B. Donc B = E. Conséquence
: B = A −1 .
Corollaire 20
Les assertions suivantes sont équivalentes :

(i) La matrice A est inversible.Ã ! Ã !
0 0
(ii) Le système linéaire A X = ... a une unique solution X = ... .
0 0
(iii) Pour tout second membre B, le système linéaire A X = B a une unique solution X .
Démonstration
Nous avons déjà vu ( i ) =⇒ ( ii ) et ( i ) =⇒ ( iii ).

Nous allons seulement montrer ( ii ) =⇒ ( i ). Nous raisonnons par contraposée : nous allons montrer
la proposition équivalente non( i ) =⇒ non( ii ). Si A n’est pas inversible, alors sa forme échelonnée
réduite U contient un premier zéro sur sa diagonale, disons à la place `. Alors U à la forme suivante
   
1 0 ··· c1 ∗ ··· ∗ − c1
 .. ..   . 
 .. 

 0 . 0 . ··· ∗ 
  
0 0 1 c `−1 ··· ∗ − c `−1 
   
 
   

 0 ··· 0 0 ∗ ··· ∗ .
 On note X =
 1 .

0 ··· 0 0 ∗ ··· ∗  0 
   
 
.. .. .. .. ..  .. 
   
.
 
 . . . ··· 0 .   . 
0 ··· ··· 0 ∗ 0
Matrices 285
Alors X n’est pas le vecteur nul, mais U X est le vecteur nul. Comme A = E −1U , alors A X est le
vecteur nul. Nous avons donc trouvé un vecteur non nul X tel que A X = 0.
Mini-exercices
1. Exprimer les systèmes linéaires suivants sous forme matricielle

 et les résoudre en
  x+t =α
x+z =1
( 

2x + 4y = 7

  x − 2y = β

inversant la matrice : , −2y + 3z = 1 , .
−2x + 3y = −14   x+ y+ t = 2
x+z =1
 


 y+ t = 4
2. Écrire les matrices 4 × 4 correspondant aux opérations élémentaires : L 2 ← 31 L 2 , L 3 ←

L 3 − 41 L 2 , L 1 ↔ L 4 . Sans calculs, écrire leurs inverses. Écrire la matrice 4 × 4 de l’opéra-
tion L 1 ← L 1 − 2L 3 + 3L 4 .
3. Écrire les matrices suivantes sous forme échelonnée, puis échelonnée réduite :
³ 1 2 3 ´ ³ 1 0 2 ´ µ 2 0 −2 0 ¶
1 4 0 , 1 −1 1 , 1 −0 1 1 0
−2 −2 −3 2 −2 3 −2 1 4 .
−1 2 −1 −2
6. Matrices triangulaires, transposition, trace, matrices sy-

métriques
6.1. Matrices triangulaires, matrices diagonales
Soit A une matrice de taille n × n. On dit que A est triangulaire inférieure si ses éléments
au-dessus de la diagonale sont nuls, autrement dit :
i < j =⇒ a i j = 0.
Une matrice triangulaire inférieure a la forme suivante :

 
a 11 0 ··· ··· 0
 .. .. 
a
 21 a 22 . . 

 . . . ..
.. ...

 . ..
 . .


 . .. ..

 .
 . . . 0 

a n1 a n2 ··· ··· a nn
On dit que A est triangulaire supérieure si ses éléments en-dessous de la diagonale sont nuls,
autrement dit :
i > j =⇒ a i j = 0.
Une matrice triangulaire supérieure a la forme suivante :
 
a 11 a 12 . . . . . . . . . a 1n
 0 a 22 . . . . . . . . . a 2n 
 
 .. .. 
 
.. ..
 .
 . . . 
 . .. .. .. 
 .. . . . 
 
 . .. .. . 
 . . . .
 . . 

0 . . . . . . . . . 0 a nn
Matrices 286
Exemple 169
Deux matrices triangulaires inférieures (à gauche), une matrice triangulaire supérieure (à

droite) :    
4 0 0 Ã ! 1 1 −1
5 0
0 −1 0 0 −1 −1
   
1 −2
3 −2 3 0 0 −1
Une matrice qui est triangulaire inférieure et triangulaire supérieure est dite diagonale. Autre-
ment dit : i 6= j =⇒ a i j = 0.
Exemple 170
Exemples de matrices diagonales :

 
−1 0 0 Ã !
2 0
 0 6 0 et
 
0 3
0 0 0
Exemple 171. Puissances d’une matrice diagonale
Si D est une matrice diagonale, il est très facile de calculer ses puissances D p (par récurrence
sur p) :
   p 
α1 0 . . . ... 0 α1 0 ... ... 0
 0 α2 0 ... 0  0 α2p 0 ... 0
   
 . ..   .. .. 
   
D =  .. . . . . . . ..
. .  =⇒ D p
= ..
.
..
.
..
.
 . . 
 
 
p
 0 . . . 0 αn−1 0   0 . . . 0 αn−1 0 
   
p
0 ... ... 0 αn 0 ... ... 0 αn
Théorème 48
Une matrice A de taille n × n, triangulaire, est inversible si et seulement si ses éléments

diagonaux sont tous non nuls.
Démonstration
Supposons que A soit triangulaire supérieure.

– Si les éléments de la diagonale sont tous non nuls, alors la matrice A est déjà sous la forme
échelonnée. En multipliant chaque ligne i par l’inverse de l’élément diagonal a ii , on obtient
des 1 sur la diagonale. De ce fait, la forme échelonnée réduite de A sera la matrice identité.
Le théorème 47 permet de conclure que A est inversible.
– Inversement, supposons qu’au moins l’un des éléments diagonaux soit nul et notons a `` le
premier élément nul de la diagonale. En multipliant les lignes 1 à ` − 1 par l’inverse de leur
Matrices 287
élément diagonal, on obtient une matrice de la forme

 
1 ∗ ··· ··· ∗
 .. 

 0 . ∗ ··· ··· ∗ 

0 0 1 ∗ ··· ∗
 
 
 
 0 ··· 0 0 ∗ ··· ∗ .
 
0 ··· 0 0 ∗ ··· ∗
 
 
.. .. .. .. ..
 
.
 
 . . . ··· 0 . 
0 ··· ··· 0 ∗
Il est alors clair que la colonne numéro ` de la forme échelonnée réduite ne contiendra pas de
1 comme pivot. La forme échelonnée réduite de A ne peut donc pas être I n et par le théorème
47, A n’est pas inversible.
Dans le cas d’une matrice triangulaire inférieure, on utilise la transposition (qui fait l’objet de la sec-
tion suivante) et on obtient une matrice triangulaire supérieure. On applique alors la démonstration
ci-dessus.
6.2. La transposition
Soit A la matrice de taille n × p
 
a 11 a 12 ... a1 p
a 21 a 22 ... a2 p
 
 
A= .. .. .. .
. . .
 
 
a n1 a n2 ... a np
Définition 89
On appelle matrice transposée de A la matrice A T de taille p × n définie par :

 
a 11 a 21 ... a n1
a 12 a 22 ... a n2
 
AT = 
 
.. .. .. .
. . .
 
 
a1 p a2 p ... a np
Autrement dit : le coefficient à la place (i, j) de A T est a ji . Ou encore la i-ème ligne de A devient
la i-ème colonne de A T (et réciproquement la j-ème colonne de A T est la j-ème ligne de A).
Notation : La transposée de la matrice A se note aussi souvent t A.
Exemple 172
 T    T  
1 2 3 1 4 −7 0 3 Ã ! 1
0 1 −1
 4 5 −6 = 2 5 8  1 −5 = (1 −2 5)T = −2
       
3 −5 2
−7 8 9 3 −6 9 −1 2 5
L’opération de transposition obéit aux règles suivantes :

Matrices 288
Théorème 49
1. (A + B)T = A T + B T
2. (α A)T = α A T
3. (A T )T = A
4. (AB)T = B T A T
5. Si A est inversible, alors A T l’est aussi et on a (A T )−1 = (A −1 )T .
Notez bien l’inversion : (AB)T = B T A T , comme pour (AB)−1 = B−1 A −1 .
6.3. La trace
Dans le cas d’une matrice carrée de taille n × n, les éléments a 11 , a 22 , . . . , a nn sont appelés les
éléments diagonaux.
Sa diagonale principale est la diagonale (a 11 , a 22 , . . . , a nn ).
 
a 11 a 12 ... a 1n
 a 21 a 22 ... a 2n 
 
 . .. .. 
 . ..
 . . . . 

a n1 a n2 ... a nn
Définition 90
La trace de la matrice A est le nombre obtenu en additionnant les éléments diagonaux de A.

Autrement dit,
tr A = a 11 + a 22 + · · · + a nn .
Exemple 173
¡2 1¢
– Si A = 0³5 , alors ´tr A = 2 + 5 = 7.
1 1 2
– Pour B = 5 2 8 , tr B = 1 + 2 − 10 = −7.
11 0 −10
Théorème 50
Soient A et B deux matrices n × n. Alors :

1. tr(A + B) = tr A + tr B,
2. tr(α A) = α tr A pour tout α ∈ K,
3. tr(A T ) = tr A,
4. tr(AB) = tr(BA).
Matrices 289
Démonstration
1. Pour tout 1 É i É n, le coefficient ( i, i ) de A + B est a ii + b ii . Ainsi, on a bien tr( A + B) = tr( A ) +

tr(B).
2. On a tr(α A ) = αa 11 + · · · + αa nn = α(a 11 + · · · + a nn ) = α tr A .
3. Étant donné que la transposition ne change pas les éléments diagonaux, la trace de A est
égale à la trace de A T .
4. Notons c i j les coefficients de AB. Alors par définition
c ii = a i1 b 1 i + a i2 b 2 i + · · · + a in b ni .
Ainsi,
tr( AB) = a 11 b 11 +a 12 b 21 +··· + a 1 n b n1
+a 21 b 12 +a 22 b 22 +··· + a 2 n b n2
..
.
+ a n1 b 1 n + a n2 b 2 n +··· +a nn b nn .
On peut réarranger les termes pour obtenir
tr( AB) = a 11 b 11 +a 21 b 12 +··· + a n1 b 1 n

+a 12 b 21 +a 22 b 22 +··· + a n2 b 2 n
..
.
+ a 1 n b n1 + a 2 n b n2 +··· +a nn b nn .
En utilisant la commutativité de la multiplication dans K, la première ligne devient
b 11 a 11 + b 12 a 21 + · · · + b 1n a n1
qui vaut le coefficient (1, 1) de BA . On note d i j les coefficients de BA . En faisant de même

avec les autres lignes, on voit finalement que
tr( AB) = d 11 + · · · + d nn = tr(BA ).
6.4. Matrices symétriques
Définition 91
Une matrice A de taille n × n est symétrique si elle est égale à sa transposée, c’est-à-dire si
A = AT ,
ou encore si a i j = a ji pour tout i, j = 1, . . . , n. Les coefficients sont donc symétriques par rapport
à la diagonale.
Exemple 174
Les matrices suivantes sont symétriques :

 
Ã ! −1 0 5
0 2
0 2 −1
 
2 4
5 −1 0
Matrices 290
Exemple 175
Pour une matrice B quelconque, les matrices B · B T et B T · B sont symétriques.

Preuve : (BB T )T = (B T )T B T = BB T . Idem pour B T B.
6.5. Matrices antisymétriques
Définition 92
Une matrice A de taille n × n est antisymétrique si
A T = − A,
c’est-à-dire si a i j = −a ji pour tout i, j = 1, . . . , n.
Exemple 176
 
Ã ! 0 4 2
0 −1
−4 0 −5
 
1 0
−2 5 0
Remarquons que les éléments diagonaux d’une matrice antisymétrique sont toujours tous nuls.
Exemple 177
Toute matrice est la somme d’une matrice symétrique et d’une matrice antisymétrique.
Preuve : Soit A une matrice. Définissons B = 21 (A + A T ) et C = 12 (A − A T ). Alors d’une part

A = B + C ; d’autre part B est symétrique, car B T = 12 (A T + (A T )T ) = 12 (A T + A) = B ; et enfin
C est antisymétrique, car C T = 12 (A T − (A T )T ) = −C.
Exemple :
Ã ! Ã ! Ã !
2 10 2 9 0 1
Pour A = alors A = + .
8 −3 9 −3 −1 0
| {z } | {z }
symétrique antisymétrique
Mini-exercices
1. Montrer que la somme de deux matrices triangulaires supérieures reste triangulaire

supérieure. Montrer que c’est aussi valable pour le produit.
2. Montrer que si A est triangulaire supérieure, alors A T est triangulaire inférieure. Et si
A est diagonale ?
 x1 
x2
3. Soit A =  .. . Calculer A T · A, puis A · A T .
.
xn
4. Soit A = ac db . Calculer tr(A · A T ).

¡ ¢
5. Soit A une matrice de taille 2 × 2 inversible. Montrer que si A est symétrique, alors A −1
aussi. Et si A est antisymétrique ?
6. Montrer que la décomposition d’une matrice sous la forme « symétrique + antisymé-
Matrices 291
trique » est unique.
Auteurs
• D’après un cours de Eva Bayer-Fluckiger, Philippe Chabloz, Lara Thomas de l’École

Polytechnique Fédérale de Lausanne,
• et un cours de Sophie Chemla de l’université Pierre et Marie Curie, reprenant des
parties de cours de H. Ledret et d’une équipe de l’université de Bordeaux animée par J.
Queyrut,
Exo7
17 Espaces vectoriels
1 Espace vectoriel (début)

2 Espace vectoriel (n)
3 Sous-espace vectoriel (début)
4 Sous-espace vectoriel (milieu)
5 Sous-espace vectoriel (n)
6 Application linéaire (début)
7 Application linéaire (milieu)
8 Application linéaire (n)
Vidéo ■ partie 1. Espace vectoriel (début)

Vidéo ■ partie 2. Espace vectoriel (fin)
Vidéo ■ partie 3. Sous-espace vectoriel (début)
Vidéo ■ partie 4. Sous-espace vectoriel (milieu)
Vidéo ■ partie 5. Sous-espace vectoriel (fin)
Vidéo ■ partie 6. Application linéaire (début)
Vidéo ■ partie 7. Application linéaire (milieu)
Vidéo ■ partie 8. Application linéaire (fin)
La notion d’espace vectoriel est une structure fondamentale des mathématiques modernes. Il
s’agit de dégager les propriétés communes que partagent des ensembles pourtant très différents.
Par exemple, on peut additionner deux vecteurs du plan, et aussi multiplier un vecteur par un
réel (pour l’agrandir ou le rétrécir). Mais on peut aussi additionner deux fonctions, ou multiplier
une fonction par un réel. Même chose avec les polynômes, les matrices,... Le but est d’obtenir des
théorèmes généraux qui s’appliqueront aussi bien aux vecteurs du plan, de l’espace, aux espaces de
fonctions, aux polynômes, aux matrices,... La contrepartie de cette grande généralité de situations
est que la notion d’espace vectoriel est difficile à appréhender et vous demandera une quantité
conséquente de travail ! Il est bon d’avoir d’abord étudié le chapitre « L’espace vectoriel Rn ».
1. Espace vectoriel (début)

Dans ce chapitre, K désigne un corps. Dans la plupart des exemples, ce sera le corps
des réels R.
1.1. Définition d’un espace vectoriel

Un espace vectoriel est un ensemble formé de vecteurs, de sorte que l’on puisse additionner (et
soustraire) deux vecteurs u, v pour en former un troisième u + v (ou u − v) et aussi afin que l’on
puisse multiplier chaque vecteur u d’un facteur λ pour obtenir un vecteur λ · u. Voici la définition
formelle :
Espaces vectoriels 293
Définition 93
Un K-espace vectoriel est un ensemble non vide E muni :

– d’une loi de composition interne, c’est-à-dire d’une application de E × E dans E :
E×E → E
(u, v) 7→ u+v
– d’une loi de composition externe, c’est-à-dire d’une application de K × E dans E :
K×E → E
(λ, u) 7→ λ · u
qui vérifient les propriétés suivantes :

1. u + v = v + u (pour tous u, v ∈ E)
2. u + (v + w) = (u + v) + w (pour tous u, v, w ∈ E)
3. Il existe un élément neutre 0E ∈ E tel que u + 0E = u (pour tout u ∈ E)
4. Tout u ∈ E admet un symétrique u0 tel que u + u0 = 0E . Cet élément u0 est noté − u.
5. 1 · u = u (pour tout u ∈ E)
6. λ · (µ · u) = (λµ) · u (pour tous λ, µ ∈ K, u ∈ E)
7. λ · (u + v) = λ · u + λ · v (pour tous λ ∈ K, u, v ∈ E)
8. (λ + µ) · u = λ · u + µ · u (pour tous λ, µ ∈ K, u ∈ E)
Nous reviendrons en détail sur chacune de ces propriétés juste après des exemples.
1.2. Premiers exemples
Exemple 178. Le R-espace vectoriel R2
Posons K = R et E = R2 . Un élément u ∈ E est donc un couple (x, y) avec x élément de R et y

élément de R. Ceci s’écrit
R2 = (x, y) | x ∈ R, y ∈ R .
© ª
– Définition de la loi interne. Si (x, y) et (x0 , y0 ) sont deux éléments de R2 , alors :
(x, y) + (x0 , y0 ) = (x + x0 , y + y0 ).
– Définition de la loi externe. Si λ est un réel et (x, y) est un élément de R2 , alors :
λ · (x, y) = (λ x, λ y).
L’élément neutre de la loi interne est le vecteur nul (0, 0). Le symétrique de (x, y) est (− x, − y),
que l’on note aussi −(x, y).
λ·u
u+v
0 v
−u
L’exemple suivant généralise le précédent. C’est aussi le bon moment pour lire ou relire le chapitre
« L’espace vectoriel Rn ».
Exemple 179. Le R-espace vectoriel Rn
Soit n un entier supérieur ou égal à 1. Posons K = R et E = Rn . Un élément u ∈ E est donc un

n-uplet (x1 , x2 , . . . , xn ) avec x1 , x2 , . . . , xn des éléments de R.
– Définition de la loi interne. Si (x1 , . . . , xn ) et (x10 , . . . , x0n ) sont deux éléments de Rn , alors
:
(x1 , . . . , xn ) + (x10 , . . . , x0n ) = (x1 + x10 , . . . , xn + x0n ).
– Définition de la loi externe. Si λ est un réel et (x1 , . . . , xn ) est un élément de Rn , alors :
λ · (x1 , . . . , xn ) = (λ x1 , . . . , λ xn ).
L’élément neutre de la loi interne est le vecteur nul (0, 0, . . . , 0). Le symétrique de (x1 , . . . , xn )
est (− x1 , . . . , − xn ), que l’on note −(x1 , . . . , xn ).
De manière analogue, on peut définir le C-espace vectoriel Cn , et plus généralement le K-
espace vectoriel Kn .
Exemple 180
Tout plan passant par l’origine dans R3 est un espace vectoriel (par rapport aux opérations
habituelles sur les vecteurs). Soient K = R et E = P un plan passant par l’origine. Le plan
admet une équation de la forme :
ax + b y + cz = 0
où a, b et c sont des réels non tous nuls.
³x´
Un élément u ∈ E est donc un triplet (noté ici comme un vecteur colonne) y tel que ax + b y +
z
cz = 0. ³ ´ µ 0 ¶
x x
Soient y et y0 deux éléments de P . Autrement dit,
z z0
ax + b y + cz = 0,
et ax0 + b y0 + cz0 = 0.
x+ x0
µ ¶
Alors y+ y0 est aussi dans P car on a bien :
z+ z0
a(x + x0 ) + b(y + y0 ) + c(z + z0 ) = 0.

³0´
Les autres propriétés sont aussi faciles à vérifier : par exemple l’élément neutre est 0 ; et
³x´ 0
si y appartient à P , alors ax + b y + cz = 0, que l’on peut réécrire a(− x) + b(− y) + c(− z) = 0 et
z ³x´
ainsi − y appartient à P .
z
Attention ! Un plan ne contenant
³ 0 ´ pas l’origine n’est pas un espace vectoriel, car justement il
ne contient pas le vecteur nul 0 .
0
1.3. Terminologie et notations

Rassemblons les définitions déjà vues.
– On appelle les éléments de E des vecteurs. Au lieu de K-espace vectoriel, on dit aussi espace
vectoriel sur K.
– Les éléments de K seront appelés des scalaires.
– L’ élément neutre 0E s’appelle aussi le vecteur nul. Il ne doit pas être confondu avec l’élé-
ment 0 de K. Lorsqu’il n’y aura pas de risque de confusion, 0E sera aussi noté 0.
– Le symétrique − u d’un vecteur u ∈ E s’appelle aussi l’opposé.
– La loi de composition interne sur E (notée usuellement +) est appelée couramment l’addition
et u + u0 est appelée somme des vecteurs u et u0 .
– La loi de composition externe sur E est appelée couramment multiplication par un scalaire.
La multiplication du vecteur u par le scalaire λ sera souvent notée simplement λ u, au lieu
de λ · u.
Somme de n vecteurs. Il est possible de définir, par récurrence, l’addition de n vecteurs, n Ê 2. La

structure d’espace vectoriel permet de définir l’addition de deux vecteurs (et initialise le processus).
Si maintenant la somme de n − 1 vecteurs est définie, alors la somme de n vecteurs v1 , v2 , . . . , vn
est définie par
v1 + v2 + · · · + vn = (v1 + v2 + · · · + vn−1 ) + vn .
L’associativité de la loi + nous permet de ne pas mettre de parenthèses dans la somme v1 + v2 +
· · · + vn .
n
X
On notera v1 + v2 + · · · + vn = vi .
i =1
1.4. Mini-exercices
1. Vérifier les 8 axiomes qui font de R3 un R-espace vectoriel.
(
ax + b y + cz = 0
2. Idem pour une droite D de R3 passant par l’origine définie par .
a x + b0 y + c0 z = 0
0
3. Justifier que les ensembles suivants ne sont pas des espaces vectoriels : (x, y) ∈ R2 | x y = 0
© ª
; (x, y) ∈ R2 | x = 1 ; (x, y) ∈ R2 | x Ê 0 et y Ê 0 ; (x, y) ∈ R2 | −1 É x É 1 et − 1 É y É 1 .

© ª © ª © ª
4. Montrer par récurrence que si les v i sont des éléments d’un K-espace vectoriel E, alors pour
tous λ i ∈ K : λ1 v1 + λ2 v2 + · · · + λn vn ∈ E.
2. Espace vectoriel (fin)

2.1. Détail des axiomes de la définition
Revenons en détail sur la définition d’un espace vectoriel. Soit donc E un K-espace vectoriel. Les
éléments de E seront appelés des vecteurs. Les éléments de K seront appelés des scalaires.
Loi interne.
La loi de composition interne dans E, c’est une application de E × E dans E :
E×E → E
(u, v) 7→ u+v
C’est-à-dire qu’à partir de deux vecteurs u et v de E, on nous en fournit un troisième, qui sera noté
u + v.
La loi de composition interne dans E et la somme dans K seront toutes les deux notées +, mais le
contexte permettra de déterminer aisément de quelle loi il s’agit.
Loi externe.
La loi de composition externe, c’est une application de K × E dans E :
K×E → E
(λ, u) 7→ λ · u
C’est-à-dire qu’à partir d’un scalaire λ ∈ K et d’un vecteur u ∈ E, on nous fournit un autre vecteur,
qui sera noté λ · u.
Axiomes relatifs à la loi interne.
1. Commutativité. Pour tous u, v ∈ E, u + v = v + u. On peut donc additionner des vecteurs dans

l’ordre que l’on souhaite.
2. Associativité. Pour tous u, v, w ∈ E, on a u + (v + w) = (u + v) + w. Conséquence : on peut
« oublier » les parenthèses et noter sans ambiguïté u + v + w.
3. Il existe un élément neutre, c’est-à-dire qu’il existe un élément de E, noté 0E , vérifiant :
pour tout u ∈ E, u + 0E = u (et on a aussi 0E + u = u par commutativité). Cet élément 0E
s’appelle aussi le vecteur nul.
4. Tout élément u de E admet un symétrique (ou opposé), c’est-à-dire qu’il existe un élément
u0 de E tel que u + u0 = 0E (et on a aussi u0 + u = 0E par commutativité). Cet élément u0 de E
est noté − u.
Proposition 108
– S’il existe un élément neutre 0E vérifiant l’axiome (3) ci-dessus, alors il est unique.
– Soit u un élément de E. S’il existe un élément symétrique u0 de E vérifiant l’axiome
(4), alors il est unique.
Démonstration
– Soient 0E et 00E deux éléments vérifiant la définition de l’élément neutre. On a alors, pour
tout élément u de E :
u + 0E = 0E + u = u et u + 00E = 00E + u = u
– Alors, la première propriété utilisée avec u = 00E donne 00E + 0E = 0E + 00E = 00E .
– La deuxième propriété utilisée avec u = 0E donne 0E + 00E = 00E + 0E = 0E .
– En comparant ces deux résultats, il vient 0E = 00E .
– Supposons qu’il existe deux symétriques de u notés u0 et u00 . On a :
u + u0 = u0 + u = 0E et u + u00 = u00 + u = 0E .
Calculons u0 + ( u + u00 ) de deux façons différentes, en utilisant l’associativité de la loi + et les

relations précédentes.
– u0 + ( u + u00 ) = u0 + 0E = u0
– u0 + ( u + u00 ) = ( u0 + u) + u00 = 0E + u00 = u00
– On en déduit u0 = u00 .
Remarque
Les étudiants connaissant la théorie des groupes reconnaîtront, dans les quatre premiers
axiomes ci-dessus, les axiomes caractérisant un groupe commutatif.
Axiomes relatifs à la loi externe.
5. Soit 1 l’élément neutre de la multiplication de K. Pour tout élément u de E, on a
1 · u = u.
6. Pour tous éléments λ et µ de K et pour tout élément u de E, on a
λ · (µ · u) = (λ × µ) · u.
Axiomes liant les deux lois.
7. Distributivité par rapport à l’addition des vecteurs. Pour tout élément λ de K et pour tous
éléments u et v de E, on a
λ · (u + v) = λ · u + λ · v.
8. Distributivité par rapport à l’addition des scalaires. Pour tous λ et µ de K et pour tout
élément u de E, on a :
(λ + µ) · u = λ · u + µ · u.
La loi interne et la loi externe doivent donc satisfaire ces huit axiomes pour que (E, +, ·) soit un
espace vectoriel sur K.
2.2. Exemples
Dans tous les exemples qui suivent, la vérification des axiomes se fait simplement et est laissée
au soin des étudiants. Seules seront indiquées, dans chaque cas, les valeurs de l’élément neutre
de la loi interne et du symétrique d’un élément.
Exemple 181. L’espace vectoriel des fonctions de R dans R
L’ensemble des fonctions f : R −→ R est noté F (R, R). Nous le munissons d’une structure de
R-espace vectoriel de la manière suivante.
– Loi interne. Soient f et g deux éléments de F (R, R). La fonction f + g est définie par :
∀x ∈ R ( f + g)(x) = f (x) + g(x)
(où le signe + désigne la loi interne de F (R, R) dans le membre de gauche et l’addition
dans R dans le membre de droite).
– Loi externe. Si λ est un nombre réel et f une fonction de F (R, R), la fonction λ · f est
définie par l’image de tout réel x comme suit :
∀x ∈ R (λ · f )(x) = λ × f (x).
(Nous désignons par · la loi externe de F (R, R) et par × la multiplication dans R. Avec
l’habitude on oubliera les signes de multiplication : (λ f )(x) = λ f (x).)
– Élément neutre. L’élément neutre pour l’addition est la fonction nulle, définie par :
∀x ∈ R f (x) = 0.
On peut noter cette fonction 0F (R,R) .

– Symétrique. Le symétrique de l’élément f de F (R, R) est l’application g de R dans R
définie par :
∀ x ∈ R g(x) = − f (x).
Le symétrique de f est noté − f .
Exemple 182. Le R-espace vectoriel des suites réelles
On note S l’ensemble des suites réelles (u n )n∈N . Cet ensemble peut être vu comme l’ensemble
des applications de N dans R ; autrement dit S = F (N, R).
– Loi interne. Soient u = (u n )n∈N et v = (vn )n∈N deux suites appartenant à S . La suite
u + v est la suite w = (wn )n∈N dont le terme général est défini par
∀n ∈ N wn = u n + vn
(où u n + vn désigne la somme de u n et de vn dans R).

– Loi externe. Si λ est un nombre réel et u = (u n )n∈N un élément de S , λ · u est la suite
v = (vn )n∈N définie par
∀n ∈ N vn = λ × u n
où × désigne la multiplication dans R.

– Élément neutre. L’élément neutre de la loi interne est la suite dont tous les termes sont
nuls.
– Symétrique. Le symétrique de la suite u = (u n )n∈N est la suite u0 = (u0n )n∈N définie par :
∀n ∈ N u0n = − u n .
Elle est notée − u.

Exemple 183. Les matrices
L’ensemble M n,p (R) des matrices à n lignes et p colonnes à coefficients dans R est muni d’une
structure de R-espace vectoriel. La loi interne est l’addition de deux matrices. La loi externe
est la multiplication d’une matrice par un scalaire. L’élément neutre pour la loi interne est
la matrice nulle (tous les coefficients sont nuls). Le symétrique de la matrice A = (a i, j ) est
la matrice (−a i, j ). De même, l’ensemble M n,p (K) des matrices à coefficients dans K est un
K-espace vectoriel.
Autres exemples :
1. L’espace vectoriel R[X ] des polynômes P(X ) = a n X n + · · · + a 2 X 2 + a 1 X + a 0 . L’addition est
l’addition de deux polynômes P(X ) + Q(X ), la multiplication par un scalaire λ ∈ R est λ · P(X ).
L’élément neutre est le polynôme nul. L’opposé de P(X ) est −P(X ).
2. L’ensemble des fonctions continues de R dans R ; l’ensemble des fonctions dérivables de R
dans R,...
3. C est un R-espace vectoriel : addition z + z0 de deux nombres complexes, multiplication λ z
par un scalaire λ ∈ R. L’élément neutre est le nombre complexe 0 et le symétrique du nombre
complexe z est − z.
2.3. Règles de calcul
Proposition 109
Soit E un espace vectoriel sur un corps K. Soient u ∈ E et λ ∈ K. Alors on a :

1. 0 · u = 0E
2. λ · 0E = 0E
3. (−1) · u = − u
4. λ · u = 0E ⇐⇒ λ = 0 ou u = 0E
L’opération qui à (u, v) associe u + (−v) s’appelle la soustraction. Le vecteur u + (−v) est noté u − v.
Les propriétés suivantes sont satisfaites : λ(u − v) = λ u − λv et (λ − µ)u = λ u − µ u.
Démonstration
Les démonstrations des propriétés sont des manipulations sur les axiomes définissant les espaces
vectoriels.
1. – Le point de départ de la démonstration est l’égalité dans K : 0 + 0 = 0.
– D’où, pour tout vecteur de E , l’égalité (0 + 0) · u = 0 · u.
– Donc, en utilisant la distributivité de la loi externe par rapport à la loi interne et la défi-
nition de l’élément neutre, on obtient 0 · u + 0 · u = 0 · u. On peut rajouter l’élément neutre
dans le terme de droite, pour obtenir : 0 · u + 0 · u = 0 · u + 0E .
– En ajoutant −(0 · u) de chaque côté de l’égalité, on obtient : 0 · u = 0E .
2. La preuve est semblable en partant de l’égalité 0E + 0E = 0E .
3. Montrer (−1) · u = − u signifie exactement que (−1) · u est le symétrique de u, c’est-à-dire vérifie
u + (−1) · u = 0E . En effet :
u + (−1) · u = 1 · u + (−1) · u = (1 + (−1)) · u = 0 · u = 0E .
4. On sait déjà que si λ = 0 ou u = 0E , alors les propriétés précédentes impliquent λ · u = 0E .

Pour la réciproque, soient λ ∈ K un scalaire et u ∈ E un vecteur tels que λ · u = 0E .

Supposons λ différent de 0. On doit alors montrer que u = 0E .
– Comme λ 6= 0, alors λ est inversible pour le produit dans le corps K. Soit λ−1 son inverse.
– En multipliant par λ−1 les deux membres de l’égalité λ · u = 0E , il vient : λ−1 · (λ · u) = λ−1 · 0E .
– D’où en utilisant les propriétés de la multiplication par un scalaire (λ−1 × λ) · u = 0E et donc
1 · u = 0E .
– D’où u = 0E .
2.4. Mini-exercices
1. Justifier si les objets suivants sont des espaces vectoriels.
(a) L’ensemble des fonctions réelles sur [0, 1], continues, positives ou nulles, pour l’addition et
le produit par un réel.
(b) L’ensemble des fonctions réelles sur R vérifiant lim x→+∞ f (x) = 0 pour les mêmes opéra-
tions.
(c) L’ensemble des fonctions sur R telles que f (3) = 7.
(d) L’ensemble R∗+ pour les opérations x ⊕ y = x y et λ · x = xλ (λ ∈ R).
(e) L’ensemble des points (x, y) de R2 vérifiant sin(x + y) = 0.
(f) L’ensemble des vecteurs (x, y, z) de R3 orthogonaux au vecteur (−1, 3, −2).
(g) L’ensemble des fonctions de classe C 2 vérifiant f 00 + f = 0.
R1
(h) L’ensemble des fonctions continues sur [0, 1] vérifiant 0 f (x) sin x dx = 0.
(i) L’ensemble des matrices ac db ∈ M2 (R) vérifiant a + d = 0.
¡ ¢
2. Prouver les propriétés de la soustraction : λ · (u − v) = λ · u − λ · v et (λ − µ) · u = λ · u − µ · u.
3. Sous-espace vectoriel (début)

Il est vite fatiguant de vérifier les 8 axiomes qui font d’un ensemble un espace vectoriel. Heureu-
sement, il existe une manière rapide et efficace de prouver qu’un ensemble est un espace vectoriel
: grâce à la notion de sous-espace vectoriel.
3.1. Définition d’un sous-espace vectoriel
Définition 94
Soit E un K-espace vectoriel. Une partie F de E est appelée un sous-espace vectoriel si :

– 0E ∈ F,
– u + v ∈ F pour tous u, v ∈ F,
– λ · u ∈ F pour tout λ ∈ K et tout u ∈ F.
Remarque
Expliquons chaque condition.

– La première condition signifie que le vecteur nul de E doit aussi être dans F. En fait il
suffit même de prouver que F est non vide.
– La deuxième condition, c’est dire que F est stable pour l’addition : la somme u + v de
deux vecteurs u, v de F est bien sûr un vecteur de E (car E est un espace vectoriel), mais
ici on exige que u + v soit un élément de F.
– La troisième condition, c’est dire que F est stable pour la multiplication par un scalaire.
Exemple 184. Exemples immédiats
1. L’ensemble F = (x, y) ∈ R2 | x + y = 0 est un sous-espace vectoriel de R2 . En effet :

© ª
(a) (0, 0) ∈ F,
(b) si u = (x1 , y1 ) et v = (x2 , y2 ) appartiennent à F, alors x1 + y1 = 0 et x2 + y2 = 0 donc
(x1 + x2 ) + (y1 + y2 ) = 0 et ainsi u + v = (x1 + x2 , y1 + y2 ) appartient à F,
(c) si u = (x, y) ∈ F et λ ∈ R, alors x + y = 0 donc λ x + λ y = 0, d’où λ u ∈ F.
y
0 x
2. L’ensemble des fonctions continues sur R est un sous-espace vectoriel de l’espace vec-
toriel des fonctions de R dans R. Preuve : la fonction nulle est continue ; la somme de
deux fonctions continues est continue ; une constante fois une fonction continue est une
fonction continue.
3. L’ensemble des suites réelles convergentes est un sous-espace vectoriel de l’espace vec-
toriel des suites réelles.
Voici des sous-ensembles qui ne sont pas des sous-espaces vectoriels.
Exemple 185
1. L’ensemble F1 = (x, y) ∈ R2 | x + y = 2 n’est pas un sous-espace vectoriel de R2 . En effet

© ª
le vecteur nul (0, 0) n’appartient pas à F1 .

2. L’ensemble F2 = (x, y) ∈ R2 | x = 0 ou y = 0 n’est pas un sous-espace vectoriel de R2 .
© ª
En effet les vecteurs u = (1, 0) et v = (0, 1) appartiennent à F2 , mais pas le vecteur

u + v = (1, 1).
3. L’ensemble F3 = (x, y) ∈ R2 | x Ê 0 et y Ê 0 n’est pas un sous-espace vectoriel de R2 . En
© ª
effet le vecteur u = (1, 1) appartient à F3 mais, pour λ = −1, le vecteur − u = (−1, −1)
n’appartient pas à F3 .
F2 F3
0
0 0
F1
3.2. Un sous-espace vectoriel est un espace vectoriel

La notion de sous-espace vectoriel prend tout son intérêt avec le théorème suivant : un sous-espace
vectoriel est lui-même un espace vectoriel. C’est ce théorème qui va nous fournir plein d’exemples
d’espaces vectoriels.
Théorème 51
Soient E un K-espace vectoriel et F un sous-espace vectoriel de E. Alors F est lui-même un

K-espace vectoriel pour les lois induites par E.
Méthodologie. Pour répondre à une question du type « L’ensemble F est-il un espace vectoriel
? », une façon efficace de procéder est de trouver un espace vectoriel E qui contient F, puis prouver
que F est un sous-espace vectoriel de E. Il y a seulement trois propriétés à vérifier au lieu de huit
!
Exemple 186
1. Est-ce que l’ensemble des fonctions paires (puis des fonctions impaires) forme un espace
vectoriel (sur R avec les lois usuelles sur les fonctions) ?
Notons P l’ensemble des fonctions paires et I l’ensemble des fonctions impaires. Ce
sont deux sous-ensembles de l’espace vectoriel F (R, R) des fonctions.
P = f ∈ F (R, R) | ∀ x ∈ R, f (− x) = f (x)
© ª
I = f ∈ F (R, R) | ∀ x ∈ R, f (− x) = − f (x)
© ª
P et I sont des sous-espaces vectoriels de F (R, R). C’est très simple à vérifier, par
exemple pour P :
(a) la fonction nulle est une fonction paire,
(b) si f , g ∈ P alors f + g ∈ P ,
(c) si f ∈ P et si λ ∈ R alors λ f ∈ P .
Par le théorème 51, P est un espace vectoriel (de même pour I ).
2. Est-ce que l’ensemble S n des matrices symétriques de taille n est un espace vectoriel
(sur R avec les lois usuelles sur les matrices) ?
S n est un sous-ensemble de l’espace vectoriel M n (R). Et c’est même un sous-espace
vectoriel. Il suffit en effet de vérifier que la matrice nulle est symétrique, que la somme
de deux matrices symétriques est encore symétrique et finalement que le produit d’une
matrice symétrique par un scalaire est une matrice symétrique. Par le théorème 51, S n
est un espace vectoriel.
Démonstration . Preuve du théorème 51
Soit F un sous-espace vectoriel d’un espace vectoriel (E, +, ·). La stabilité de F pour les deux lois
permet de munir cet ensemble d’une loi de composition interne et d’une loi de composition externe,
en restreignant à F les opérations définies dans E . Les propriétés de commutativité et d’associativité
de l’addition, ainsi que les quatre axiomes relatifs à la loi externe sont vérifiés, car ils sont satisfaits
dans E donc en particulier dans F , qui est inclus dans E .
L’existence d’un élément neutre découle de la définition de sous-espace vectoriel. Il reste seulement
à justifier que si u ∈ F , alors son symétrique − u appartient à F .
Fixons u ∈ F . Comme on a aussi u ∈ E et que E est un espace vectoriel alors il existe un élément de
E , noté − u, tel que u + (− u) = 0E . Comme u est élément de F , alors pour λ = −1, (−1) u ∈ F . Et ainsi
− u appartient à F .
Un autre exemple d’espace vectoriel est donné par l’ensemble des solutions d’un système linéaire
homogène. Soit A X = 0 un système de n équations à p inconnues :
    
a 11 . . . a 1 p x1 0
 . ..  .   . 
 .  .  =  . 
 . .  .   . 
a n1 . . . a np xp 0
On a alors
Théorème 52
Soit A ∈ M n,p (R). Soit A X = 0 un système d’équations linéaires homogènes à p variables.

Alors l’ensemble des vecteurs solutions est un sous-espace vectoriel de R p .
Démonstration
Soit F l’ensemble des vecteurs X ∈ R p solutions de l’équation A X = 0. Vérifions que F est un

sous-espace vectoriel de R p .
– Le vecteur 0 est un élément de F .
– F est stable par addition : si X et X 0 sont des vecteurs solutions, alors A X = 0 et A X 0 = 0,
donc A ( X + X 0 ) = A X + A X 0 = 0, et ainsi X + X 0 ∈ F .
– F est stable par multiplication par un scalaire : si X est un vecteur solution, on a aussi
A (λ X ) = λ( A X ) = λ0 = 0, ceci pour tout λ ∈ R. Donc λ X ∈ F .
Exemple 187
Considérons le système     
1 −2 3 x 0
 2 −4 6   y  =  0  .
    
3 −6 9 z 0
L’ensemble des solutions F ⊂ R3 de ce système est :
F = (x = 2s − 3t, y = s, z = t) | s, t ∈ R .
© ª
Par le théorème 52, F est un sous-espace vectoriel de R3 . Donc par le théorème 51, F est un
espace vectoriel.
Une autre façon de voir les choses est d’écrire que les éléments de F sont ceux qui vérifient
l’équation (x = 2y − 3z). Autrement dit, F est d’équation (x − 2y + 3z = 0). L’ensemble des
solutions F est donc un plan passant par l’origine. Nous avons déjà vu que ceci est un espace
vectoriel.
3.3. Mini-exercices
Parmi les ensembles suivants, reconnaître ceux qui sont des sous-espaces vectoriels :
1. (x, y, z) ∈ R3 | x + y = 0
© ª
2. (x, y, z, t) ∈ R4 | x = t et y = z
© ª
3. (x, y, z) ∈ R3 | z = 1
© ª
4. (x, y) ∈ R2 | x2 + x y Ê 0
© ª
5. (x, y) ∈ R2 | x2 + y2 Ê 1
© ª
6. f ∈ F (R, R) | f (0) = 1
© ª
7. f ∈ F (R, R) | f (1) = 0
© ª
8. f ∈ F (R, R) | f est croissante

© ª
© ª
9. (u n )n∈N | (u n ) tend vers 0
4. Sous-espace vectoriel (milieu)

4.1. Combinaisons linéaires
Définition 95
Soit n Ê 1 un entier, soient v1 , v2 , . . . , vn , n vecteurs d’un espace vectoriel E. Tout vecteur de la

forme
u = λ1 v1 + λ2 v2 + · · · + λn vn
(où λ1 , λ2 , . . . , λn sont des éléments de K) est appelé combinaison linéaire des vecteurs
v1 , v2 , . . . , vn . Les scalaires λ1 , λ2 , . . . , λn sont appelés coefficients de la combinaison linéaire.
Remarque : Si n = 1, alors u = λ1 v1 et on dit que u est colinéaire à v1 .
Exemple 188
1. Dans le R-espace vectoriel R3 , (3, 3, 1) est combinaison linéaire des vecteurs (1, 1, 0) et
(1, 1, 1) car on a l’égalité
(3, 3, 1) = 2(1, 1, 0) + (1, 1, 1).
2. Dans le R-espace vectoriel R2 , le vecteur u = (2, 1) n’est pas colinéaire au vecteur v1 = (1, 1)
car s’il l’était, il existerait un réel λ tel que u = λv1 , ce qui équivaudrait à l’égalité
(2, 1) = (λ, λ).
3. Soit E = F (R, R) l’espace vectoriel des fonctions réelles. Soient f 0 , f 1 , f 2 et f 3 les fonctions
définies par :
∀ x ∈ R f 0 (x) = 1, f 1 (x) = x, f 2 (x) = x2 , f 3 (x) = x3 .
Alors la fonction f définie par
∀x ∈ R f (x) = x3 − 2x2 − 7x − 4
est combinaison linéaire des fonctions f 0 , f 1 , f 2 , f 3 puisque l’on a l’égalité
f = f3 − 2 f2 − 7 f1 − 4 f0.
Ã !
1 1 3
4. Dans M2,3 (R), on considère A = . On peut écrire A naturellement sous la
0 −1 4
forme suivante d’une combinaison linéaire de matrices élémentaires (des zéros partout,
sauf un 1) :
Ã ! Ã ! Ã ! Ã ! Ã !
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0
A= + +3 − +4 .
0 0 0 0 0 0 0 0 0 0 1 0 0 0 1
Voici deux exemples plus compliqués.

Exemple 189
³1´ ³6´ ³9´
Soient u = 2 et v = 4 deux vecteurs de R3 . Montrons que w = 2 est combinaison linéaire
−1 2 7
de u et v. On cherche donc λ et µ tels que w = λ u + µv :
λ 6µ λ + 6µ
           
9 1 6
2 = λ  2  + µ 4 =  2λ  + 4µ =  2λ + 4µ  .
           
7 −1 2 −λ 2µ −λ + 2µ
On a donc 
 9 = λ + 6µ

2 = 2λ + 4µ
7 = −λ + 2µ.


Une solution de ce système est (λ = −3, µ = 2), ce qui implique que w est combinaison linéaire
de u et v. On vérifie que l’on a bien
     
9 1 6
2 = −3  2  + 2 4 .
     
7 −1 2
Exemple 190
³1´ ³6´ ³4´
Soient u = 2 et v = 4 . Montrons que w = −1 n’est pas une combinaison linéaire de u et
−1 2 8
v. L’égalité

4 = λ + 6µ
     
4 1 6 

−1 = λ  2  + µ 4 équivaut au système −1 = 2λ + 4µ
     
8 = −λ + 2µ.

8 −1 2

Or ce système n’a aucune solution. Donc il n’existe pas λ, µ ∈ R tels que w = λ u + µv.
4.2. Caractérisation d’un sous-espace vectoriel
Théorème 53. Caractérisation d’un sous-espace par la notion de combinaison

linéaire
Soient E un K-espace vectoriel et F une partie non vide de E. F est un sous-espace vectoriel
de E si et seulement si
λ u + µv ∈ F pour tous u, v ∈ F et tous λ, µ ∈ K.
Autrement dit si et seulement si toute combinaison linéaire de deux éléments de F appartient

à F.
Démonstration
– Supposons que F soit un sous-espace vectoriel. Et soient u, v ∈ F , λ, µ ∈ K. Alors par la

définition de sous-espace vectoriel : λ u ∈ F et µv ∈ F et ainsi λ u + µv ∈ F .
– Réciproquement, supposons que pour chaque u, v ∈ F , λ, µ ∈ K on a λ u + µv ∈ F .
– Comme F n’est pas vide, soient u, v ∈ F . Posons λ = µ = 0. Alors λ u + µv = 0E ∈ F .
– Si u, v ∈ F , alors en posant λ = µ = 1 on obtient u + v ∈ F .
– Si u ∈ F et λ ∈ K (et pour n’importe quel v, en posant µ = 0), alors λ u ∈ F .
4.3. Intersection de deux sous-espaces vectoriels
Proposition 110. Intersection de deux sous-espaces
Soient F,G deux sous-espaces vectoriels d’un K-espace vectoriel E. L’intersection F ∩ G est
un sous-espace vectoriel de E.
On démontrerait de même que l’intersection F1 ∩ F2 ∩ F3 ∩ · · · ∩ F n d’une famille quelconque de

sous-espaces vectoriels de E est un sous-espace vectoriel de E.
Démonstration
Soient F et G deux sous-espaces vectoriels de E .

– 0E ∈ F , 0E ∈ G car F et G sont des sous-espaces vectoriels de E ; donc 0E ∈ F ∩ G .
– Soient u et v deux vecteurs de F ∩ G . Comme F est un sous-espace vectoriel, alors u, v ∈ F
implique u + v ∈ F . De même u, v ∈ G implique u + v ∈ G . Donc u + v ∈ F ∩ G .
– Soient u ∈ F ∩ G et λ ∈ K. Comme F est un sous-espace vectoriel, alors u ∈ F implique λ u ∈ F .
De même u ∈ G implique λ u ∈ G . Donc λ u ∈ F ∩ G .
Conclusion : F ∩ G est un sous-espace vectoriel de E .
Exemple 191
Soit D le sous-ensemble de R3 défini par :
D = (x, y, z) ∈ R3 | x + 3y + z = 0 et x − y + 2z = 0 .
© ª
Est-ce que D est sous-espace vectoriel de R3 ? L’ensemble D est l’intersection de F et G, les

sous-ensembles de R3 définis par :
F = (x, y, z) ∈ R3 | x + 3y + z = 0
© ª
G = (x, y, z) ∈ R3 | x − y + 2z = 0
© ª
Ce sont deux plans passant par l’origine, donc des sous-espaces vectoriels de R3 . Ainsi D =
F ∩ G est un sous-espace vectoriel de R3 , c’est une droite vectorielle.
Remarque
La réunion de deux sous-espaces vectoriels de E n’est pas en général un sous-espace vectoriel

de E. Prenons par exemple E = R2 . Considérons les sous-espaces vectoriels F = (x, y) | x = 0
© ª
et G = (x, y) | y = 0 . Alors F ∪ G n’est pas un sous-espace vectoriel de R2 . Par exemple,

© ª
(0, 1) + (1, 0) = (1, 1) est la somme d’un élément de F et d’un élément de G, mais n’est pas dans
F ∪ G.
(1, 1)
(0, 1)
G
0 (1, 0)
4.4. Mini-exercices
µ ¶ µ p ¶
−2
p −4 2
1. Peut-on trouver t ∈ R tel que les vecteurs 2 et 4pt soient colinéaires ?
t 2 2
³1´ ³1´ ³ −1 ´
2. Peut-on trouver t ∈ R tel que le vecteur 3t soit une combinaison linéaire de 3 et 1 ?
t 2 −1
5. Sous-espace vectoriel (fin)

5.1. Somme de deux sous-espaces vectoriels
Comme la réunion de deux sous-espaces vectoriels F et G n’est pas en général un sous-espace
vectoriel, il est utile de connaître les sous-espaces vectoriels qui contiennent à la fois les deux
sous-espaces vectoriels F et G, et en particulier le plus petit d’entre eux (au sens de l’inclusion).
Définition 96. Définition de la somme de deux sous-espaces
Soient F et G deux sous-espaces vectoriels d’un K-espace vectoriel E. L’ensemble de tous

les éléments u + v, où u est un élément de F et v un élément de G, est appelé somme des
sous-espaces vectoriels F et G. Cette somme est notée F + G. On a donc
© ª
F + G = u + v | u ∈ F, v ∈ G .
F +G
F
Proposition 111
Soient F et G deux sous-espaces vectoriels du K-espace vectoriel E.

1. F + G est un sous-espace vectoriel de E.
2. F + G est le plus petit sous-espace vectoriel contenant à la fois F et G.
Démonstration
1. Montrons que F + G est un sous-espace vectoriel.

– 0E ∈ F , 0E ∈ G , donc 0E = 0E + 0E ∈ F + G .
– Soient w et w0 des éléments de F + G . Comme w est dans F + G , il existe u dans F et v
dans G tels que w = u + v. Comme w0 est dans F + G , il existe u0 dans F et v0 dans G tels
que w0 = u0 + v0 . Alors w + w0 = ( u + v) + ( u0 + v0 ) = ( u + u0 ) + (v + v0 ) ∈ F + G , car u + u0 ∈ F et
v + v0 ∈ G .
– Soit w un élément de F + G et λ ∈ K. Il existe u dans F et v dans G tels que w = u + v. Alors
λw = λ( u + v) = (λ u) + (λv) ∈ F + G , car λ u ∈ F et λv ∈ G .
2. – L’ensemble F + G contient F et contient G : en effet tout élément u de F s’écrit u = u + 0
avec u appartenant à F et 0 appartenant à G (puisque G est un sous-espace vectoriel), donc
u appartient à F + G . De même pour un élément de G .
– Si H est un sous-espace vectoriel contenant F et G , alors montrons que F + G ⊂ H . C’est
clair : si u ∈ F alors en particulier u ∈ H (car F ⊂ H ), de même si v ∈ G alors v ∈ H . Comme
H est un sous-espace vectoriel, alors u + v ∈ H .
Exemple 192
Déterminons F + G dans le cas où F et G sont les sous-espaces vectoriels de R3 suivants :
F = (x, y, z) ∈ R3 | y = z = 0 G = (x, y, z) ∈ R3 | x = z = 0 .
© ª © ª
et
F +G
F
G 0
y
Un élément w de F + G s’écrit w = u + v où u est un élément de F et v un élément de G. Comme

u ∈ F alors il existe x ∈ R tel que u = (x, 0, 0), et comme v ∈ G il existe y ∈ R tel que v = (0, y, 0).
Donc w = (x, y, 0). Réciproquement, un tel élément w = (x, y, 0) est la somme de (x, 0, 0) et de
(0, y, 0). Donc F + G = (x, y, z) ∈ R3 | z = 0 . On voit même que, pour cet exemple, tout élément
© ª
de F + G s’écrit de façon unique comme la somme d’un élément de F et d’un élément de G.

Exemple 193
Soient F et G les deux sous-espaces vectoriels de R3 suivants :
F = (x, y, z) ∈ R3 | x = 0 G = (x, y, z) ∈ R3 | y = 0 .
© ª © ª
et
z G
0
y
Dans cet exemple, montrons que F + G = R3 . Par définition de F + G, tout élément de F + G est
dans R3 . Mais réciproquement, si w = (x, y, z) est un élément quelconque de R3 : w = (x, y, z) =
(0, y, z) + (x, 0, 0), avec (0, y, z) ∈ F et (x, 0, 0) ∈ G, donc w appartient à F + G.
Remarquons que, dans cet exemple, un élément de R3 ne s’écrit pas forcément de façon unique
comme la somme d’un élément de F et d’un élément de G. Par exemple (1, 2, 3) = (0, 2, 3) +
(1, 0, 0) = (0, 2, 0) + (1, 0, 3).
5.2. Sous-espaces vectoriels supplémentaires
Définition 97. Définition de la somme directe de deux sous-espaces
Soient F et G deux sous-espaces vectoriels de E. F et G sont en somme directe dans E si

– F ∩ G = {0E },
– F + G = E.
On note alors F ⊕ G = E.
Si F et G sont en somme directe, on dit que F et G sont des sous-espaces vectoriels supplémen-
taires dans E.
Proposition 112
F et G sont supplémentaires dans E si et seulement si tout élément de E s’écrit d’une manière

unique comme la somme d’un élément de F et d’un élément de G.
Remarque
– Dire qu’un élément w de E s’écrit d’une manière unique comme la somme d’un élément
de F et d’un élément de G signifie que si w = u + v avec u ∈ F, v ∈ G et w = u0 + v0 avec
u0 ∈ F, v0 ∈ G alors u = u0 et v = v0 .
– On dit aussi que F est un sous-espace supplémentaire de G (ou que G est un sous-
espace supplémentaire de F).
– Il n’y a pas unicité du supplémentaire d’un sous-espace vectoriel donné (voir un exemple
ci-dessous).
– L’existence d’un supplémentaire d’un sous-espace vectoriel sera prouvée dans le cadre
des espaces vectoriels de dimension finie.
Démonstration
– Supposons E = F ⊕ G et montrons que tout élément u ∈ E se décompose de manière unique.

Soient donc u = v + w et u = v0 + w0 avec v, v0 ∈ F et w, w0 ∈ G . On a alors v + w = v0 + w0 , donc
v − v0 = w0 − w. Comme F est un sous-espace vectoriel alors v − v0 ∈ F , mais d’autre part G est
aussi un sous-espace vectoriel donc w0 − w ∈ G . Conclusion : v − v0 = w0 − w ∈ F ∩ G . Mais par
définition d’espaces supplémentaires F ∩ G = {0E }, donc v − v0 = 0E et aussi w0 − w = 0E . On en
déduit v = v0 et w = w0 , ce qu’il fallait démontrer.
– Supposons que tout u ∈ E se décompose de manière unique et montrons E = F ⊕ G .
– Montrons F ∩ G = {0E }. Si u ∈ F ∩ G , il peut s’écrire des deux manières suivantes comme
somme d’un élément de F et d’un élément de G :
u = 0E + u et u = u + 0E .
Par l’unicité de la décomposition, u = 0E .

– Montrons F + G = E . Il n’y rien à prouver, car par hypothèse tout élément u se décompose
en u = v + w, avec v ∈ F et w ∈ G .
Exemple 194
1. Soient F = (x, 0) ∈ R2 | x ∈ R et G = (0, y) ∈ R2 | y ∈ R .

© ª © ª
Montrons que F ⊕ G = R2 . La première façon de le voir est que l’on a clairement F ∩ G =

{(0, 0)} et que, comme (x, y) = (x, 0) + (0, y), alors F + G = R2 . Une autre façon de le voir est
d’utiliser la proposition 112, car la décomposition (x, y) = (x, 0) + (0, y) est unique.
y
G
G0
F
0 x
2. Gardons F et notons G 0 = (x, x) ∈ R2 | x ∈ R . Montrons que l’on a aussi F ⊕ G 0 = R2 :

© ª
(a) Montrons F ∩ G 0 = {(0, 0)}. Si (x, y) ∈ F ∩ G 0 alors d’une part (x, y) ∈ F donc y = 0, et
aussi (x, y) ∈ G 0 donc x = y. Ainsi (x, y) = (0, 0).
(b) Montrons F + G 0 = R2 . Soit u = (x, y) ∈ R2 . Cherchons v ∈ F et w ∈ G 0 tels que u = v + w.
Comme v = (x1 , y1 ) ∈ F alors y1 = 0, et comme w = (x2 , y2 ) ∈ G 0 alors x2 = y2 . Il s’agit
donc de trouver x1 et x2 tels que
(x, y) = (x1 , 0) + (x2 , x2 ).
Donc (x, y) = (x1 + x2 , x2 ). Ainsi x = x1 + x2 et y = x2 , d’où x1 = x − y et x2 = y. On trouve

bien
(x, y) = (x − y, 0) + (y, y),
qui prouve que tout élément de R2 est somme d’un élément de F et d’un élément de
G0.
3. De façon plus générale, deux droites distinctes du plan passant par l’origine forment
des sous-espaces supplémentaires.
Exemple 195
Est-ce que les sous-espaces vectoriels F et G de R3 définis par
F = (x, y, z) ∈ R3 | x − y − z = 0 G = (x, y, z) ∈ R3 | y = z = 0
© ª © ª
et
sont supplémentaires dans R3 ?
G
F
1. Il est facile de vérifier que F ∩ G = {0}. En effet si l’élément u = (x, y, z) appartient à

l’intersection de F et de G, alors les coordonnées de u vérifient : x − y − z = 0 (car u
appartient à F), et y = z = 0 (car u appartient à G), donc u = (0, 0, 0).
2. Il reste à démontrer que F + G = R3 .
Soit donc u = (x, y, z) un élément quelconque de R3 ; il faut déterminer des éléments v
de F et w de G tels que u = v + w. L’élément v doit être de la forme v = (y1 + z1 , y1 , z1 )
et l’élément w de la forme w = (x2 , 0, 0). On a u = v + w si et seulement si y1 = y, z1 = z,
x2 = x − y − z. On a donc
(x, y, z) = (y + z, y, z) + (x − y − z, 0, 0)
avec v = (y + z, y, z) dans F et w = (x − y − z, 0, 0) dans G.
Conclusion : F ⊕ G = R3 .
Exemple 196
Dans le R-espace vectoriel F (R, R) des fonctions de R dans R, on considère le sous-espace

vectoriel des fonctions paires P et le sous-espace vectoriel des fonctions impaires I . Montrons
que P ⊕ I = F (R, R).
1. Montrons P ∩ I = {0F (R,R) }.

Soit f ∈ P ∩ I , c’est-à-dire que f est à la fois une fonction paire et impaire. Il s’agit de
montrer que f est la fonction identiquement nulle. Soit x ∈ R. Comme f (− x) = f (x) (car f
est paire) et f (− x) = − f (x) (car f est impaire), alors f (x) = − f (x), ce qui implique f (x) = 0.
Ceci est vrai quel que soit x ∈ R ; donc f est la fonction nulle. Ainsi P ∩ I = {0F (R,R) }.
2. Montrons P + I = F (R, R).
Soit f ∈ F (R, R). Il s’agit de montrer que f peut s’écrire comme la somme d’une fonction
paire et d’une fonction impaire.
Analyse. Si f = g+ h, avec g ∈ P , h ∈ I , alors pour tout x, d’une part, (a) f (x) = g(x)+ h(x),
et d’autre part, (b) f (− x) = g(− x) + h(− x) = g(x) − h(x). Par somme et différence de (a) et
(b), on tire que
f (x) + f (− x) f (x) − f (− x)
g(x) = et h(x) = .
2 2
f ( x)+ f (− x)
Synthèse. Pour f ∈ F (R, R), on définit deux fonctions g, h par g(x) = 2 et h(x) =
f ( x )− f (− x )
2 . Alors d’une part f (x) = g(x) + h(x) et d’autre part g ∈ P (vérifier g(− x) = g(x))
et h ∈ I (vérifier h(− x) = − h(x)). Bilan : P + I = F (R, R).
En conclusion, P et I sont en somme directe dans F (R, R) : P ⊕ I = F (R, R). Notez que,
comme le prouvent nos calculs, les g et h obtenus sont uniques.
5.3. Sous-espace engendré
Théorème 54. Théorème de structure de l’ensemble des combinaisons linéaires
Soit {v1 , . . . , vn } un ensemble fini de vecteurs d’un K-espace vectoriel E. Alors :

– L’ensemble des combinaisons linéaires des vecteurs {v1 , . . . , vn } est un sous-espace vec-
toriel de E.
– C’est le plus petit sous-espace vectoriel de E (au sens de l’inclusion) contenant les
vecteurs v1 , . . . , vn .
Notation. Ce sous-espace vectoriel est appelé sous-espace engendré par v1 , . . . , vn et est noté
Vect(v1 , . . . , vn ). On a donc
u ∈ Vect(v1 , . . . , vn ) ⇐⇒ il existe λ1 , . . . , λn ∈ K tels que u = λ1 v1 + · · · + λn vn
Remarque
– Dire que Vect(v1 , . . . , vn ) est le plus petit sous-espace vectoriel de E contenant les vec-
teurs v1 , . . . , vn signifie que si F est un sous-espace vectoriel de E contenant aussi les
vecteurs v1 , . . . , vn alors Vect(v1 , . . . , vn ) ⊂ F.
– Plus généralement, on peut définir le sous-espace vectoriel engendré par une partie
V quelconque (non nécessairement finie) d’un espace vectoriel : Vect V est le plus petit
sous-espace vectoriel contenant V .
Exemple 197
1. E étant un K-espace vectoriel, et u un élément quelconque de E, l’ensemble Vect(u) =

{λ u | λ ∈ K} est le sous-espace vectoriel de E engendré par u. Il est souvent noté K u. Si
u n’est pas le vecteur nul, on parle d’une droite vectorielle.
K = Vect(u)
u
0
v u
0
Vect(u, v)
2. Si u et v sont deux vecteurs de E, alors Vect(u, v) = λ u + µv | λ, µ ∈ K . Si u et v ne sont

© ª
pas colinéaires, alors Vect(u, v) est un plan vectoriel.

³1´ ³1´
3. Soient u = 1 et v = 2 deux vecteurs de R3 . Déterminons P = Vect(u, v).
1 3
³x´ ³x´
y ∈ Vect(u, v) ⇐⇒ y = λ u + µv pour certains λ, µ ∈ R
z ³ xz ´ ³1´ ³1´
⇐⇒ y = λ 1 +µ 2
z 1 3
 x = λ+µ

⇐⇒ y = λ + 2µ
z = λ + 3µ


Nous obtenons bien une équation paramétrique du plan P passant par l’origine et
contenant les vecteurs u et v. On sait en trouver une équation cartésienne : (x − 2y + z =
0).
Exemple 198
Soient E l’espace vectoriel des applications de R dans R et f 0 , f 1 , f 2 les applications définies

par :
∀x ∈ R f 0 (x) = 1, f 1 (x) = x et f 2 (x) = x2 .
Le sous-espace vectoriel de E engendré par { f 0 , f 1 , f 2 } est l’espace vectoriel des fonctions

polynômes f de degré inférieur ou égal à 2, c’est-à-dire de la forme f (x) = ax2 + bx + c.
Méthodologie. On peut démontrer qu’une partie F d’un espace vectoriel E est un sous-espace
vectoriel de E en montrant que F est égal à l’ensemble des combinaisons linéaires d’un nombre
fini de vecteurs de E.
Exemple 199
Est-ce que F = (x, y, z) ∈ R3 | x − y − z = 0 est un sous-espace vectoriel de R3 ?

© ª
Un triplet de R3 est élément de F si et seulement si x = y + z. Donc u est élément de F si et

seulement s’il peut s’écrire u = (y + z, y, z). Or, on a l’égalité
(y + z, y, z) = y(1, 1, 0) + z(1, 0, 1).

© ª
Donc F est l’ensemble des combinaisons linéaires de (1, 1, 0), (1, 0, 1) . C’est le sous-espace vec-
© ª © ª
toriel engendré par (1, 1, 0), (1, 0, 1) : F = Vect (1, 1, 0), (1, 0, 1) . C’est bien un plan vectoriel
(un plan passant par l’origine).
Démonstration . Preuve du théorème 54
1. On appelle F l’ensemble des combinaisons linéaires des vecteurs {v1 , . . . , vn }.

(a) 0E ∈ F car F contient la combinaison linéaire particulière 0v1 + · · · + 0vn .
(b) Si u, v ∈ F alors il existe λ1 , . . . , λn ∈ K tels que u = λ1 v1 + · · · + λn vn et µ1 , . . . , µn ∈ K tels que
v = µ1 v1 + · · · + µn vn . On en déduit que u + v = (λ1 + µ1 )v1 + · · · + (λn + µn )vn appartient bien
à F.
(c) De même, λ · u = (λλ1 )v1 + · · · + (λλn )vn ∈ F .
Conclusion : F est un sous-espace vectoriel.
2. Si G est un sous-espace vectoriel contenant {v1 , . . . , vn }, alors il est stable par combinaison
linéaire ; il contient donc toute combinaison linéaire des vecteurs {v1 , . . . , vn }. Par conséquent
F est inclus dans G : F est le plus petit sous-espace (au sens de l’inclusion) contenant
{v1 , . . . , vn }.
5.4. Mini-exercices
1. Trouver des sous-espaces vectoriels distincts F et G de R3 tels que
(a) F + G = R3 et F ∩ G 6= {0} ;
(b) F + G 6= R3 et F ∩ G = {0} ;
(c) F + G = R3 et F ∩ G = {0} ;
(d) F + G 6= R3 et F ∩ G 6= {0}.
2. Soient F = (x, y, z) ∈ R3 | x + y + z = 0 et G = Vect (1, 1, 1) ⊂ R3 .
© ª © ª
(a) Montrer que F est un espace vectoriel. Trouver deux vecteurs u, v tels que F = Vect(u, v).
(b) Calculer F ∩ G et montrer que F + G = R3 . Que conclure ?
3. Soient A = 10 00 , B = 00 01 , C = 00 10 , D = 01 00 des matrices de M2 (R).
¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢
(a) Quel est l’espace vectoriel F engendré par A et B ? Idem avec G engendré par C et D.
(b) Calculer F ∩ G. Montrer que F + G = M2 (R). Conclure.
6. Application linéaire (début)

6.1. Définition
Nous avons déjà rencontré la notion d’application linéaire dans le cas f : R p −→ Rn (voir le chapitre
« L’espace vectoriel Rn »). Cette notion se généralise à des espaces vectoriels quelconques.
Définition 98
Soient E et F deux K-espaces vectoriels. Une application f de E dans F est une application
linéaire si elle satisfait aux deux conditions suivantes :
1. f (u + v) = f (u) + f (v), pour tous u, v ∈ E ;
2. f (λ · u) = λ · f (u), pour tout u ∈ E et tout λ ∈ K.
Autrement dit : une application est linéaire si elle « respecte » les deux lois d’un espace vectoriel.
Notation. L’ensemble des applications linéaires de E dans F est noté L (E, F).
6.2. Premiers exemples
Exemple 200
L’application f définie par

f : R3 → R2
(x, y, z) 7→ (−2x, y + 3z)
est une application linéaire. En effet, soient u = (x, y, z) et v = (x0 , y0 , z0 ) deux éléments de R3
et λ un réel.
f (u + v) = f (x + x0 , y + y0 , z + z0 ) f (λ · u) = f (λ x, λ y, λ z)
− 2(x + x0 ), y + y0 + 3(z + z0 ) = (−2λ x, λ y + 3λ z)
¡ ¢
=
et
= (−2x, y + 3z) + (−2x0 , y0 + 3z0 ) = λ · (−2x, y + 3z)
= f (u) + f (v) = λ · f (u)
Toutes les applications ne sont pas des applications linéaires !
Exemple 201
Soit f : R → R l’application définie par f (x) = x2 . On a f (1) = 1 et f (2) = 4. Donc f (2) 6= 2 · f (1).
Ce qui fait que l’on n’a pas l’égalité f (λ x) = λ f (x) pour un certain choix de λ, x. Donc f n’est
pas linéaire. Notez que l’on n’a pas non plus f (x + x0 ) = f (x) + f (x0 ) dès que xx0 6= 0.
Voici d’autres exemples d’applications linéaires :

1. Pour une matrice fixée A ∈ M n,p (R), l’application f : R p −→ Rn définie par
f (X ) = A X
est une application linéaire.

2. L’ application nulle, notée 0L (E,F ) :
f : E −→ F f (u) = 0F pour tout u ∈ E.
3. L’ application identité, notée idE :
f : E −→ E f (u) = u pour tout u ∈ E.
6.3. Premières propriétés
Proposition 113
Soient E et F deux K-espaces vectoriels. Si f est une application linéaire de E dans F, alors
:
– f (0E ) = 0F ,
– f (− u) = − f (u), pour tout u ∈ E.
Démonstration
Il suffit d’appliquer la définition de la linéarité avec λ = 0, puis avec λ = −1.
Pour démontrer qu’une application est linéaire, on peut aussi utiliser une propriété plus « concen-
trée », donnée par la caractérisation suivante :
Proposition 114. Caractérisation d’une application linéaire
Soient E et F deux K-espaces vectoriels et f une application de E dans F. L’application f est

linéaire si et seulement si, pour tous vecteurs u et v de E et pour tous scalaires λ et µ de K,
f (λ u + µv) = λ f (u) + µ f (v).
Plus généralement, une application linéaire f préserve les combinaisons linéaires : pour tous
λ1 , . . . , λn ∈ K et tous v1 , . . . , vn ∈ E, on a
f (λ1 v1 + · · · + λn vn ) = λ1 f (v1 ) + · · · + λn f (vn ).
Démonstration
– Soit f une application linéaire de E dans F . Soient u, v ∈ E , λ, µ ∈ K. En utilisant les deux

axiomes de la définition, on a
f (λ u + µv) = f (λ u) + f (µv) = λ f ( u) + µ f (v).
– Montrons la réciproque. Soit f : E → F une application telle que f (λ u + µv) = λ f ( u) + µ f (v)

(pour tous u, v ∈ E , λ, µ ∈ K). Alors, d’une part f ( u + v) = f ( u) + f (v) (en considérant le cas
particulier où λ = µ = 1), et d’autre part f (λ u) = λ f ( u) (cas particulier où µ = 0).
Vocabulaire.
Soient E et F deux K-espaces vectoriels.
– Une application linéaire de E dans F est aussi appelée morphisme ou homomorphisme
d’espaces vectoriels. L’ensemble des applications linéaires de E dans F est noté L (E, F).
– Une application linéaire de E dans E est appelée endomorphisme de E. L’ensemble des
endomorphismes de E est noté L (E).
6.4. Mini-exercices
Montrer que les applications suivantes f i : R2 → R2 sont linéaires. Caractériser géométriquement
ces applications et faire un dessin.
1. f 1 (x, y) = (− x, − y) ;
2. f 2 (x, y) = (3x, 3y) ;
3. f 3 (x, y) = (x, − y) ;
4. f 4 (x, y) = (− x, y) ;
¡p p
5. f 5 (x, y) = 23 x − 21 y, 12 x + 23 y .
¢
7. Application linéaire (milieu)

7.1. Exemples géométriques
Symétrie centrale.
Soient E un K-espace vectoriel. On définit l’application f par :
f :E → E
u 7 → −u
f est linéaire et s’appelle la symétrie centrale par rapport à l’origine 0E .

0
f λ (u) = λ · u
f (u) = − u
u
0
Homothétie.
Soient E un K-espace vectoriel et λ ∈ K. On définit l’application f λ par :
fλ : E → E
u 7 → λu
f λ est linéaire. f λ est appelée homothétie de rapport λ.

Cas particuliers notables :
– λ = 1, f λ est l’application identité ;
– λ = 0, f λ est l’application nulle ;
– λ = −1, on retrouve la symétrie centrale.
Preuve que f λ est une application linéaire :
f λ (α u + βv) = λ(α u + βv) = α(λ u) + β(λv) = α f λ (u) + β f λ (v).
Projection.
Soient E un K-espace vectoriel et F et G deux sous-espaces vectoriels supplémentaires dans E,
c’est-à-dire E = F ⊕ G. Tout vecteur u de E s’écrit de façon unique u = v + w avec v ∈ F et w ∈ G. La
projection sur F parallèlement à G est l’application p : E → E définie par p(u) = v.
w u
F
v = p(u)
– Une projection est une application linéaire.

En effet, soient u, u0 ∈ E, λ, µ ∈ K. On décompose u et u0 en utilisant que E = F ⊕ G : u = v + w,
u0 = v0 + w0 avec v, v0 ∈ F, w, w0 ∈ G. Commençons par écrire
λ u + µ u0 = λ(v + w) + µ(v0 + w0 ) = (λv + µv0 ) + (λw + µw0 ).
Comme F et G sont des un sous-espaces vectoriels de E, alors λv + µv0 ∈ F et λw + µw0 ∈ G.

Ainsi :
p(λ u + µ u0 ) = λv + µv0 = λ p(u) + µ p(u0 ).
– Une projection p vérifie l’égalité p2 = p.

Note : p2 = p signifie p ◦ p = p, c’est-à-dire pour tout u ∈ E : p p(u) = p(u). Il s’agit juste
¡ ¢
de remarquer que si v ∈ F alors p(v) = v (car v = v + 0, avec v ∈ F et 0 ∈ G). Maintenant, pour

¡ ¢
u ∈ E, on a u = v + w avec v ∈ F et w ∈ G. Par définition p(u) = v. Mais alors p p(u) = p(v) = v.
Bilan : p ◦ p(u) = v = p(u). Donc p ◦ p = p.
Exemple 202
Nous avons vu que les sous-espaces vectoriels F et G de R3 définis par
F = (x, y, z) ∈ R3 | x − y − z = 0 G = (x, y, z) ∈ R3 | y = z = 0
© ª © ª
et
sont supplémentaires dans R3 : R3 = F ⊕G (exemple 195). Nous avions vu que la décomposition

s’écrivait :
(x, y, z) = (y + z, y, z) + (x − y − z, 0, 0).
Si p est la projection sur F parallèlement à G, alors on a p(x, y, z) = (y + z, y, z).
G
(x, y, z)
F
0
p(x, y, z)
Exemple 203
Nous avons vu dans l’exemple 196 que l’ensemble des fonctions paires P et l’ensemble des
fonctions impaires I sont des sous-espaces vectoriels supplémentaires dans F (R, R). Notons
p la projection sur P parallèlement à I . Si f est un élément de F (R, R), on a p( f ) = g où
g:R → R
f (x) + f (− x)
x 7→ .
2
7.2. Autres exemples

1. La dérivation. Soient E = C 1 (R, R) l’espace vectoriel des fonctions f : R −→ R dérivables avec
f 0 continue et F = C 0 (R, R) l’espace vectoriel des fonctions continues. Soit
d : C 1 (R, R) −→ C 0 (R, R)
f 7−→ f 0
Alors d est une application linéaire, car (λ f + µ g)0 = λ f 0 + µ g0 et donc d(λ f + µ g) = λ d( f ) +

µ d(g).
2. L’intégration. Soient E = C 0 (R, R) et F = C 1 (R, R). Soit
I : C 0 (R, R) −→ C 1 (R, R)
Rx
f (x) 7−→ 0 f (t) dt
R x¡ Rx Rx
L’application I est linéaire car 0 λ f (t) + µ g(t) dt = λ 0 f (t) dt + µ 0 g(t) dt pour toutes
¢
fonctions f et g et pour tous λ, µ ∈ R.

3. Avec les polynômes.

Soit E = Rn [X ] l’espace vectoriel des polynômes de degré É n. Soit F = Rn+1 [X ] et soit
f : E −→ F
P(X ) 7−→ X P(X )
Autrement dit, si P(X ) = a n X n + · · · + a 1 X + a 0 , alors f (P(X )) = a n X n+1 + · · · + a 1 X 2 + a 0 X .

C’est une application linéaire : f (λP(X ) + µQ(X )) = λ X P(X ) + µ X Q(X ) = λ f (P(X )) +
µ f (Q(X )).
4. La transposition.
Considérons l’application T de M n (K) dans M n (K) donnée par la transposition :
T : M n (K) −→ M n (K)
A 7−→ AT
T est linéaire, car on sait que pour toutes matrices A, B ∈ M n (K) et tous scalaires λ, µ ∈ K :
(λ A + µB)T = (λ A)T + (µB)T = λ A T + µB T .
5. La trace.
tr : M n (K) −→ K
A 7−→ tr A
est une application linéaire car tr(λ A + µB) = λ tr A + µ tr B.
7.3. Mini-exercices
1. Les applications suivantes sont-elles linéaires ?
(a) R −→ R, x 7−→ 3x − 2
4
(b) R −→ R, (x, y, x0 , y0 ) 7−→ x · x0 + y · y0
(c) C 0 (R, R) −→ R, f 7−→ f (1)
1 0
(d) C (R, R) −→ C (R, R), f 7−→ f 0 + f
R1
(e) C 0 ([0, 1], R) −→ R, f 7−→ 0 | f (t)| dt
(f) C 0 ([0, 1], R) −→ R, f 7−→ max x∈[0,1] f (x)
(g) R3 [X ] −→ R3 [X ], P(X ) 7−→ P(X + 1) − P(0)
T T
2. Soient f , g : M n (R) −→ M n (R) définies par A 7−→ A +2A et A 7−→ A −2A . Montrer que f et g sont
des applications linéaires. Montrer que f (A) est une matrice symétrique, g(A) une matrice
antisymétrique et que A = f (A) + g(A). En déduire que les matrices symétriques et les
matrices antisymétriques sont en somme directe dans M n (R). Caractériser géométriquement
f et g.
8. Application linéaire (fin)

8.1. Image d’une application linéaire
Commençons par des rappels. Soient E et F deux ensembles et f une application de E dans F.
Soit A un sous-ensemble de E. L’ensemble des images par f des éléments de A, appelé image
directe de A par f , est noté f (A). C’est un sous-ensemble de F. On a par définition :
© ª
f (A) = f (x) | x ∈ A .
Dans toute la suite, E et F désigneront des K-espaces vectoriels et f : E → F sera une application
linéaire.
f (E) s’appelle l’image de l’application linéaire f et est noté Im f .
Proposition 115. Structure de l’image d’un sous-espace vectoriel
1. Si E 0 est un sous-espace vectoriel de E, alors f (E 0 ) est un sous-espace vectoriel de F.

2. En particulier, Im f est un sous-espace vectoriel de F.
Remarque
On a par définition de l’image directe f (E) :

f est surjective si et seulement si Im f = F.
Démonstration
Tout d’abord, comme 0E ∈ E 0 alors 0F = f (0E ) ∈ f (E 0 ). Ensuite on montre que pour tout couple ( y1 , y2 )
d’éléments de f (E 0 ) et pour tous scalaires λ, µ, l’élément λ y1 + µ y2 appartient à f (E 0 ). En effet :
y1 ∈ f (E 0 ) ⇐⇒ ∃ x1 ∈ E 0 , f ( x1 ) = y1
y2 ∈ f (E 0 ) ⇐⇒ ∃ x2 ∈ E 0 , f ( x2 ) = y2 .
Comme f est linéaire, on a
λ y1 + µ y2 = λ f ( x1 ) + µ f ( x2 ) = f (λ x1 + µ x2 ).
Or λ x1 + µ x2 est un élément de E 0 , car E 0 est un sous-espace vectoriel de E , donc λ y1 + µ y2 est bien

un élément de f (E 0 ).
8.2. Noyau d’une application linéaire
Définition 99. Définition du noyau
Soient E et F deux K-espaces vectoriels et f une application linéaire de E dans F. Le noyau

de f , noté Ker( f ), est l’ensemble des éléments de E dont l’image est 0F :
© ª
Ker( f ) = x ∈ E | f (x) = 0F
Autrement dit, le noyau est l’image réciproque du vecteur nul de l’espace d’arrivée : Ker( f ) =
f −1 {0F }.
Proposition 116
Soient E et F deux K-espaces vectoriels et f une application linéaire de E dans F. Le noyau

de f est un sous-espace vectoriel de E.
Démonstration
Ker( f ) est non vide car f (0E ) = 0F donc 0E ∈ Ker( f ). Soient x1 , x2 ∈ Ker( f ) et λ, µ ∈ K. Montrons que
λ x1 + µ x2 est un élément de Ker( f ). On a, en utilisant la linéarité de f et le fait que x1 et x2 sont
des éléments de Ker( f ) : f (λ x1 + µ x2 ) = λ f ( x1 ) + µ f ( x2 ) = λ0F + µ0F = 0F .
Exemple 204
Reprenons l’exemple de l’application linéaire f définie par
f : R3 → R2
(x, y, z) 7→ (−2x, y + 3z)
– Calculons le noyau Ker( f ).
(x, y, z) ∈ Ker( f ) ⇐⇒ f (x, y, z) = (0, 0)

⇐⇒ ((−2x, y + 3z) = (0, 0)
−2x = 0
⇐⇒
y + 3z = 0
⇐⇒ (x, y, z) = (0, −3z, z), z∈R
Donc Ker( f ) = (0, −3z, z) | z ∈ R . Autrement dit, Ker( f ) = Vect (0, −3, 1) : c’est une
© ª © ª
droite vectorielle.
– Calculons l’image de f . Fixons (x0 , y0 ) ∈ R2 .
(x0 , y0 ) = f (x, y, z) ⇐⇒ (−2x, y + 3z) = (x0 , y0 )

(
−2x = x0
⇐⇒
y + 3z = y0
0
On peut prendre par exemple x = − x2 , y0 = y, z = 0. Conclusion : pour n’importe quel
0
(x0 , y0 ) ∈ R2 , on a f (− x2 , y0 , 0) = (x0 , y0 ). Donc Im( f ) = R2 , et f est surjective.
Exemple 205
Soit A ∈ M n,p (R). Soit f : R p −→ Rn l’application linéaire définie par f (X ) = A X . Alors Ker( f ) =
X ∈ R p | A X = 0 : c’est donc l’ensemble des X ∈ R p solutions du système linéaire homogène
© ª
A X = 0. On verra plus tard que Im( f ) est l’espace engendré par les colonnes de la matrice A.
Le noyau fournit une nouvelle façon d’obtenir des sous-espaces vectoriels.
Exemple 206
Un plan P passant par l’origine, d’équation (ax + b y + cz = 0), est un sous-espace vectoriel
de R3 . En effet, soit f : R3 → R l’application définie par f (x, y, z) = ax + b y + cz. Il est facile
de vérifier que f est linéaire, de sorte que Ker f = (x, y, z) ∈ R3 | ax + b y + cz = 0 = P est un
© ª
sous-espace vectoriel.
Exemple 207
Soient E un K-espace vectoriel, F et G deux sous-espaces vectoriels de E, supplémentaires :

E = F ⊕ G. Soit p la projection sur F parallèlement à G. Déterminons le noyau et l’image de
p.
w u
F
v = p(u)
Un vecteur u de E s’écrit d’une manière unique u = v + w avec v ∈ F et w ∈ G et par définition

p(u) = v.
– Ker(p) = G : le noyau de p est l’ensemble des vecteurs u de E tels que v = 0, c’est donc
G.
– Im(p) = F. Il est immédiat que Im(p) ⊂ F. Réciproquement, si u ∈ F alors p(u) = u, donc
F ⊂ Im(p).
Conclusion :
Ker(p) = G et Im(p) = F.
Théorème 55. Caractérisation des applications linéaires injectives
Soient E et F deux K-espaces vectoriels et f une application linéaire de E dans F. Alors :

© ª
f injective ⇐⇒ Ker( f ) = 0E
Autrement dit, f est injective si et seulement si son noyau ne contient que le vecteur nul. En
particulier, pour montrer que f est injective, il suffit de vérifier que :
si f (x) = 0F alors x = 0E .
Démonstration
– Supposons que f soit injective et montrons que Ker( f ) = {0E }. Soit x un élément de Ker( f ).
On a f ( x) = 0F . Or, comme f est linéaire, on a aussi f (0E ) = 0F . De l’égalité f ( x) = f (0E ), on
déduit x = 0E car f est injective. Donc Ker( f ) = {0E }.
– Réciproquement, supposons maintenant que Ker( f ) = {0E }. Soient x et y deux éléments de E
tels que f ( x) = f ( y). On a donc f ( x)− f ( y) = 0F . Comme f est linéaire, on en déduit f ( x − y) = 0F ,
c’est-à-dire x − y est un élément de Ker( f ). Donc x − y = 0E , soit x = y.
Exemple 208
Considérons, pour n Ê 1, l’application linéaire
f : Rn [X ] −→ Rn+1 [X ]
P(X ) 7−→ X · P(X ).
Étudions d’abord le noyau de f : soit P(X ) = a n X n + · · · + a 1 X + a 0 ∈ Rn [X ] tel que X · P(X ) = 0.

Alors
a n X n+1 + · · · + a 1 X 2 + a 0 X = 0.
Ainsi, a i = 0 pour tout i ∈ {0, . . . , n} et donc P(X ) = 0. Le noyau de f est donc nul : Ker( f ) = {0}.
L’espace Im( f ) est l’ensemble des polynômes de Rn+1 [X ] sans terme constant : Im( f ) =
Vect X , X 2 , . . . , X n+1 .
© ª
Conclusion : f est injective, mais n’est pas surjective.
8.3. L’espace vectoriel L (E, F )

Soient E et F deux K-espaces vectoriels. Remarquons tout d’abord que, similairement à l’exemple
181, l’ensemble des applications de E dans F, noté F (E, F), peut être muni d’une loi de composition
interne + et d’une loi de composition externe, définies de la façon suivante : f , g étant deux
éléments de F (E, F), et λ étant un élément de K, pour tout vecteur u de E,
( f + g)(u) = f (u) + g(u) et (λ · f )(u) = λ f (u).
Proposition 117
L’ensemble des applications linéaires entre deux K-espaces vectoriels E et F, noté L (E, F),
muni des deux lois définies précédemment, est un K-espace vectoriel.
Démonstration
L’ensemble L (E, F ) est inclus dans le K-espace vectoriel F (E, F ). Pour montrer que L (E, F ) est un
K-espace vectoriel, il suffit donc de montrer que L (E, F ) est un sous-espace vectoriel de F (E, F ) :
– Tout d’abord, l’application nulle appartient à L (E, F ).
– Soient f , g ∈ L (E, F ), et montrons que f + g est linéaire. Pour tous vecteurs u et v de E et
pour tous scalaires α, β de K,
( f + g)(α u + βv) = f (α u + βv) + g(α u + βv) (définition de f + g)

= α f ( u ) + β f ( v) + α g ( u ) + β g ( v) (linéarité de f et g)
= α ( f ( u) + g( u)) + β ( f (v) + g(v)) (propriétés des lois de F )
= α( f + g)( u) + β( f + g)(v) (définition de f + g)
f + g est donc linéaire et L (E, F ) est stable pour l’addition.

– Soient f ∈ L (E, F ), λ ∈ K, et montrons que λ f est linéaire.
(λ f )(α u + βv) = λ f (α u + β v ) (définition de λ f )

λ α f ( u ) + β f ( v)
¡ ¢
= (linéarité de f )
= αλ f ( u) + βλ f (v) (propriétés des lois de F )
= α(λ f )( u) + β(λ f )(v) (définition de λ f )
λ f est donc linéaire et L (E, F ) est stable pour la loi externe.

L (E, F ) est donc un sous-espace vectoriel de F (E, F ).
En particulier, L (E) est un sous-espace vectoriel de F (E, E).
8.4. Composition et inverse d’applications linéaires

Proposition 118. Composée de deux applications linéaires
Soient E, F,G trois K-espaces vectoriels, f une application linéaire de E dans F et g une
application linéaire de F dans G. Alors g ◦ f est une application linéaire de E dans G.
Remarque
En particulier, le composé de deux endomorphismes de E est un endomorphisme de E. Autre-

ment dit, ◦ est une loi de composition interne sur L (E).
Démonstration
Soient u et v deux vecteurs de E , et α et β deux éléments de K. Alors :
( g ◦ f )(α u + βv) g f (α u + βv)

¡ ¢
= (définition de g ◦ f )
g α f ( u ) + β f ( v)
¡ ¢
= (linéarité de f )
= α g ( f ( u)) + β g ( f (v)) (linéarité de g)
= α( g ◦ f )( u) + β( g ◦ f )(v) (définition de g ◦ f )
La composition des applications linéaires se comporte bien :
g ◦ ( f1 + f2) = g ◦ f1 + g ◦ f2 (g 1 + g 2 ) ◦ f = g 1 ◦ f + g 2 ◦ f (λ g) ◦ f = g ◦ (λ f ) = λ(g ◦ f )
Vocabulaire.
Soient E et F deux K-espaces vectoriels.
– Une application linéaire bijective de E sur F est appelée isomorphisme d’espaces vectoriels.
Les deux espaces vectoriels E et F sont alors dits isomorphes.
– Un endomorphisme bijectif de E (c’est-à-dire une application linéaire bijective de E dans E)
est appelé automorphisme de E. L’ensemble des automorphismes de E est noté GL(E).
Proposition 119. Linéarité de l’application réciproque d’un isomorphisme
Soient E et F deux K-espaces vectoriels. Si f est un isomorphisme de E sur F, alors f −1 est

un isomorphisme de F sur E.
Démonstration
Comme f est une application bijective de E sur F , alors f −1 est une application bijective de F sur
E . Il reste donc à prouver que f −1 est bien linéaire. Soient u0 et v0 deux vecteurs de F et soient α et
β deux éléments de K. On pose f −1 ( u0 ) = u et f −1 (v0 ) = v, et on a alors f ( u) = u0 et f (v) = v0 . Comme
f est linéaire, on a
f −1 (α u0 + βv0 ) = f −1 α f ( u) + β f (v) = f −1 f (α u + βv) = α u + βv

¡ ¢ ¡ ¢
car f −1 ◦ f = idE (où idE désigne l’application identité de E dans E ). Ainsi
f −1 (α u0 + βv0 ) = α f −1 ( u0 ) + β f −1 (v0 ),
et f −1 est donc linéaire.

Exemple 209
Soit f : R2 → R2 définie par f (x, y) = (2x + 3y, x + y). Il est facile de prouver que f est linéaire.
Pour prouver que f est bijective, on pourrait calculer son noyau et son image. Mais ici nous
allons calculer directement son inverse : on cherche à résoudre f (x, y) = (x0 , y0 ). Cela corres-
pond à l’équation (2x + 3y, x + y) = (x0 , y0 ) qui est un système linéaire à deux équations et deux
inconnues. On trouve (x, y) = (− x0 + 3y0 , x0 − 2y0 ). On pose donc f −1 (x0 , y0 ) = (− x0 + 3y0 , x0 − 2y0 ).
On vérifie aisément que f −1 est l’inverse de f , et on remarque que f −1 est une application
linéaire.
Exemple 210
Plus généralement, soit f : Rn → Rn l’application linéaire définie par f (X ) = A X (où A est

une matrice de M n (R)). Si la matrice A est inversible, alors f −1 est une application linéaire
bijective et est définie par f −1 (X ) = A −1 X .
Dans l’exemple précédent,
Ã ! Ã ! Ã !
x 2 3 −1 −1 3
X= A= A = .
y 1 1 1 −2
8.5. Mini-exercices
1. Soit f : R3 → R3 définie par f (x, y, z) = (− x, y + z, 2z). Montrer que f est une application
linéaire. Calculer Ker( f ) et Im( f ). f admet-elle un inverse ? Même question avec f (x, y, z) =
(x − y, x + y, y).
2. Soient E un espace vectoriel, et F,G deux sous-espaces tels que E = F ⊕ G. Chaque u ∈ E
se décompose de manière unique u = v + w avec v ∈ F, w ∈ G. La symétrie par rapport à
F parallèlement à G est l’application s : E → E définie par s(u) = v − w. Faire un dessin.
Montrer que s est une application linéaire. Montrer que s2 = idE . Calculer Ker(s) et Im(s). s
admet-elle un inverse ?
3. Soit f : Rn [X ] → Rn [X ] définie par P(X ) 7→ P 00 (X ) (où P 00 désigne la dérivée seconde). Montrer
que f est une application linéaire. Calculer Ker( f ) et Im( f ). f admet-elle un inverse ?
Auteurs
• D’après un cours de Sophie Chemla de l’université Pierre et Marie Curie, reprenant des
parties d’un cours de H. Ledret et d’une équipe de l’université de Bordeaux animée par
J. Queyrut,
• et un cours de Eva Bayer-Fluckiger, Philippe Chabloz, Lara Thomas de l’École Polytech-
nique Fédérale de Lausanne,
Exo7
18 Algorithmes et mathématiques
1 Premiers pas avec Python

2 Écriture des entiers
3 Calculs de sinus, cosinus, tangente
4 Les réels
5 Arithmétique Algorithmes récursifs
6 Polynômes Complexité d'un algorithme
Vidéo ■ partie 1. Premiers pas avec Python

Vidéo ■ partie 2. Ecriture des entiers
Vidéo ■ partie 3. Calculs de sinus, cosinus, tangente
Vidéo ■ partie 4. Les réels
Vidéo ■ partie 5. Arithmétique Algorithmes récursifs
Vidéo ■ partie 6. Polynômes Complexité d'un algorithme
1. Premiers pas avec Python

Dans cette partie on vérifie d’abord que Python fonctionne, puis on introduira les boucles (for et
while), le test if ... else ... et les fonctions.
1.1. Hello world !

Pour commencer testons si tout fonctionne !
Travaux pratiques 1
1. Définir deux variables prenant les valeurs 3 et 6.

2. Calculer leur somme et leur produit.
Voici à quoi cela ressemble :

Algorithme . hello-world.py
>>> a=3
>>> b=6
>>> somme = a+b
>>> print(somme)
9
>>> # Les résultats
>>> print("La somme est", somme)
La somme est 9
>>> produit = a*b
>>> print("Le produit est", produit)
Le produit est 18
Algorithmes et mathématiques 327
On retient les choses suivantes :

– On affecte une valeur à une variable par le signe égal =.
– On affiche un message avec la fonction print().
– Lorsque qu’une ligne contient un dièse #, tout ce qui suit est ignoré. Cela permet d’insérer
des commentaires, ce qui est essentiel pour relire le code.
Dans la suite on omettra les symboles >>>. Voir plus de détails sur le fonctionnement en fin de
section.
1.2. Somme des cubes
Travaux pratiques 2
1. Pour un entier n fixé, programmer le calcul de la somme S n = 13 + 23 + 33 + · · · + n3 .

2. Définir une fonction qui pour une valeur n renvoie la somme Σn = 1 + 2 + 3 + · · · + n.
3. Définir une fonction qui pour une valeur n renvoie S n .
4. Vérifier, pour les premiers entiers, que S n = (Σn )2 .
1.
Algorithme . somme-cubes.py (1)
n = 10
somme = 0
for i in range(1,n+1) :
somme = somme + i*i*i
print(somme)
Voici ce que l’on fait pour calculer S n avec n = 10.

– On affecte d’abord la valeur 0 à la variable somme, cela correspond à l’initialisation S 0 = 0.
– Nous avons défini une boucle avec l’instruction for qui fait varier i entre 1 et n.
– Nous calculons successivement S 1 , S 2 ,. . . en utilisant la formule de récurrence S i = S i−1 +
i 3 . Comme nous n’avons pas besoin de conserver toutes les valeurs des S i alors on garde
le même nom pour toutes les sommes, à chaque étape on affecte à somme l’ancienne valeur
de la somme plus i 3 : somme = somme + i*i*i.
– range(1,n+1) est l’ensemble des entiers {1, 2, . . . , n}. C’est bien les entiers strictement
inférieurs à n + 1. La raison est que range(n) désigne {0, 1, 2, . . . , n − 1} qui contient n
éléments.
n( n+1)
2. Nous savons que Σn = 1 + 2 + 3 + · · · + n = 2 donc nous n’avons pas besoin de faire une
boucle :
def somme_entiers(n) :
return n*(n+1)/2
Une fonction en informatique est similaire à une fonction mathématique, c’est un objet
qui prend en entrée des variables (dites variables formelles ou variables muettes, ici n) et
retourne une valeur (un entier, une liste, une chaîne de caractères,... ici n(n2+1) ).
3. Voici la fonction qui retourne la somme des cubes :
def somme_cubes(n) :
somme = 0
somme = somme + i**3
return somme
³ ´2
n( n+1)
4. Et enfin on vérifie que pour les premiers entiers S n = 2 , par exemple pour n = 12 :
n = 12
if somme_cubes(n) == (somme_entiers(n)**2) :
print("Pour n=", n, "l'assertion est vraie.")
else :
print("L'assertion est fausse !")
On retient :
– Les puissances se calculent aussi avec ** : 52 s’écrit 5*5 ou 5**2, 53 s’écrit 5*5*5 ou 5**3,...
– Une fonction se définit par def ma_fonction(variable) : et se termine par return resultat.
– if condition : ... else : ... exécute le premier bloc d’instructions si la condition est
vraie ; si la condition est fausse cela exécute l’autre bloc.
– Exemple de conditions
– a < b : a < b,
– a <= b : a É b,
– a == b : a = b,
– a= b ! : a 6= b.
– Attention ! Il est important de comprendre que a==b vaut soit vraie ou faux (on compare a
et b) alors qu’avec a=b on affecte dans a la valeur de b.
– Enfin en Python (contrairement aux autres langages) c’est l’indentation (les espaces en début
de chaque ligne) qui détermine les blocs d’instructions.
1.3. Calcul de π au hasard

Nous allons voir qu’il est possible de calculer les premières décimales de π par la méthode de
Monte-Carlo, c’est à dire avec l’aide du hasard. On considère le carré de coté 1, le cercle de rayon 1
centré à l’origine, d’équation x2 + y2 = 1, et la portion de disque dans le carré (voir la figure).
(0, 1)
(0, 0) (1, 0)
Travaux pratiques 3
1. Calculer l’aire du carré et de la portion de disque.

2. Pour un point (x, y) tiré au hasard dans le carré, quelle est la probabilité que le point
soit en fait dans la portion de disque ?
3. Tirer un grand nombre de points au hasard, compter ceux qui sont dans la portion de
disque.
4. En déduire les premières décimales de π.
Voici le code :
Algorithme . pi-hasard.py
import random # Module qui génère des nombres aléatoires
Tir = 0 # Numéro du tir

NbTirDansLeDisque = 0 # Nombre de tirs dans le disque
while (Tir < 1000) :

Tir = Tir + 1
# On tire au hasard un point (x,y) dans [0,1] x [0,1]
x = random.random()
y = random.random()
if (x*x+y*y <= 1) : # On est dans le disque
NbTirDansLeDisque = NbTirDansLeDisque + 1
MonPi = 4*NbTirDansLeDisque / Tir

print("Valeur expérimentale de Pi : %0.3f" %MonPi)
Commentaires :
– Un petit calcul prouve que l’aire de la portion de disque est π4 , l’aire du carré est 1. Donc la
probabilité de tomber dans le disque est π4 .
– Pour tirer un nombre au hasard on utilise une fonction random() qui renvoie un nombre réel
de l’intervalle [0, 1[. Bien sûr à chaque appel de la fonction random() le nombre obtenu est
différent !
– Cette fonction n’est pas connue par défaut de Python, il faut lui indiquer le nom du module
où elle se trouve. En début de fichier on ajoute import random pour le module qui gère les
tirages au hasard. Et pour indiquer qu’une fonction vient d’un module il faut l’appeler par
module.fonction() donc ici random.random() (module et fonction portent ici le même nom
!).
– La boucle est while condition : ... Tant que la condition est vérifiée les instructions de
la boucle sont exécutées. Ici Tir est le compteur que l’on a initialisé à 0. Ensuite on commence
à exécuter la boucle. Bien sûr la première chose que l’on fait dans la boucle est d’incrémenter
le compteur Tir. On continue jusqu’à ce que l’on atteigne 999. Pour Tir= 1000 la condition
n’est plus vraie et le bloc d’instructions du while n’est pas exécuté. On passe aux instructions
suivantes pour afficher le résultat.
– À chaque tir on teste si on est dans la portion de disque ou pas à l’aide de l’inégalité x2 + y2 É 1.
– Cette méthode n’est pas très efficace, il faut beaucoup de tirs pour obtenir le deux premières
décimales de π.
1.4. Un peu plus sur Python

– Le plus surprenant avec Python c’est que c’est l’indentation qui détermine le début et la
fin d’un bloc d’instructions. Cela oblige à présenter très soigneusement le code.
– Contrairement à d’autres langages on n’a pas besoin de déclarer le type de variable. Par
exemple lorsque l’on initialise une variable par x=0, on n’a pas besoin de préciser si x est un
entier ou un réel.
– Nous travaillerons avec la version 3 (ou plus) de Python, que l’on appelle par python ou
python3. Pour savoir si vous avez la bonne version tester la commande 4/3. Si la réponse
est 1.3333... alors tout est ok. Par contre avec les versions 1 et 2 de Python la réponse est
1 (car il considérait que c’est quotient de la division euclidienne de deux entiers).
– La première façon de lancer Python est en ligne de commande, on obtient alors l’invite >>>
et on tape les commandes.
– Mais le plus pratique est de sauvegarder ses commandes dans un fichier et de faire un appel
par python monfichier.py
– Vous trouverez sans problème de l’aide et des tutoriels sur internet !
Mini-exercices
1. Soit le produit P n = (1 − 21 ) × (1 − 31 ) × (1 − 14 ) × · · · × (1 − n1 ). Calculer une valeur approchée

de P n pour les premiers entiers n.
2. Que vaut la somme des entiers i qui apparaissent dans l’instruction for i in range(1,10).
Idem pour for i in range(11). Idem pour for i in range(1,10,2). Idem pour
for i in range(0,10,2). Idem pour for i in range(10,0,-1).
3. On considère le cube [0, 1] × [0, 1] × [0, 1] et la portion de boule de rayon 1 centrée à
l’origine incluse dans ce cube. Faire les calculs de probabilité pour un point tiré au
hasard dans le cube d’être en fait dans la portion de boule. Faire une fonction pour le
vérifier expérimentalement.
4. On lance deux dés. Expérimenter quelle est la probabilité que la somme soit 7, puis 6,
puis 3 ? Quelle est la probabilité que l’un des deux dés soit un 6 ? d’avoir un double ? La
fonction randint(a, b) du module random retourne un entier k au hasard, vérifiant
a É k É b.
5. On lance un dé jusqu’à ce que l’on obtienne un 6. En moyenne au bout de combien de
lancer s’arrête-t-on ?
2. Écriture des entiers

Nous allons faire un peu d’arithmétique : le quotient de la division euclidienne //, le reste %
(modulo) et nous verrons l’écriture des entiers en base 10 et en base 2. Nous utiliserons aussi la
notion de listes et le module math.
2.1. Division euclidienne et reste, calcul avec les modulo

La division euclidienne de a par b, avec a ∈ Z et b ∈ Z∗ s’écrit :
a = bq + r et 0Ér<b
où q ∈ Z est le quotient et r ∈ N est le reste.

En Python le quotient se calcule par : a // b. Le reste se calcule par a % b. Exemple : 14 // 3
retourne 4 alors que 14 % 3 (lire 14 modulo 3) retourne 2. On a bien 14 = 3 × 4 + 2.
Les calculs avec les modulos sont très pratiques. Par exemple si l’on souhaite tester si un entier est
pair, ou impair cela revient à un test modulo 2. Le code est if (n%2 == 0) : ... else : ....
Si on besoin de calculer cos(n π2 ) alors il faut discuter suivant les valeurs de n%4.
Appliquons ceci au problème suivant :
Travaux pratiques 4
Combien y-a-t-il d’occurrences du chiffre 1 dans les nombres de 1 à 999 ? Par exemple le
chiffre 1 apparaît une fois dans 51 mais deux fois dans 131.
Algorithme . nb-un.py
NbDeUn = 0
for N in range(1,999+1) :
ChiffreUnite = N % 10
ChiffreDizaine = (N // 10) % 10
ChiffreCentaine = (N // 100) % 10
if (ChiffreUnite == 1) :
NbDeUn = NbDeUn + 1
if (ChiffreDizaine == 1) :
NbDeUn = NbDeUn + 1
if (ChiffreCentaine == 1) :
NbDeUn = NbDeUn + 1
print("Nombre d'occurences du chiffre '1' :", NbDeUn)
Commentaires :
– Comment obtient-on le chiffre des unités d’un entier N ? C’est le reste modulo 10, d’où
l’instruction ChiffreUnite = N % 10.
– Comment obtient-on le chiffre des dizaines ? C’est plus délicat, on commence par effectuer la
division euclidienne de N par 10 (cela revient à supprimer le chiffre des unités, par exemple
si N = 251 alors N // 10 retourne 25). Il ne reste plus qu’à calculer le reste modulo 10, (par
exemple (N // 10) % 10 retourne le chiffre des dizaines 5.
– Pour le chiffre des centaines on divise d’abord par 100.
2.2. Écriture des nombres en base 10

L’écriture décimale d’un nombre, c’est associer à un entier N la suite de ses chiffres [a 0 , a 1 , . . . , a n ]
de sorte que a i soit le i-ème chiffre de N. C’est-à-dire
N = a n 10n + a n−1 10n−1 + · · · + a 2 102 + a 1 10 + a 0 et a i ∈ {0, 1, . . . , 9}
a 0 est le chiffre des unités, a 1 celui des dizaines, a 2 celui des centaines,...
Travaux pratiques 5
1. Écrire une fonction qui à partir d’une liste [a 0 , a 1 , . . . , a n ] calcule l’entier N correspon-
dant.
2. Pour un entier N fixé, combien a-t-il de chiffres ? On pourra s’aider d’une inégalité du
type 10n É N < 10n+1 .
3. Écrire une fonction qui à partir de N calcule son écriture décimale [a 0 , a 1 , . . . , a n ].
Voici le premier algorithme :

Algorithme . decimale.py (1)
def chiffres_vers_entier(tab) :
N = 0
for i in range(len(tab)) :
N = N + tab[i] * (10 ** i)
return N
La formule mathématique est simplement N = a n 10n + a n−1 10n−1 + · · · + a 2 102 + a 1 10 + a 0 . Par

exemple chiffres_vers_entier([4,3,2,1]) renvoie l’entier 1234.
Expliquons les bases sur les listes (qui s’appelle aussi des tableaux)
– En Python une liste est présentée entre des crochets. Par exemple pour tab = [4,3,2,1]
alors on accède aux valeurs par tab[i] : tab[0] vaut 4, tab[1] vaut 3, tab[2] vaut 2,
tab[3] vaut 1.
– Pour parcourir les éléments d’un tableau le code est simplement for x in tab, x vaut alors
successivement 4, 3, 2, 1.
– La longueur du tableau s’obtient par len(tab). Pour notre exemple len([4,3,2,1]) vaut 4.
Pour parcourir toutes les valeurs d’un tableau on peut donc aussi écrire for i in range(len(tab)),
puis utiliser tab[i], ici i variant ici de 0 à 3.
– La liste vide est seulement notée avec deux crochets : []. Elle est utile pour initialiser une
liste.
– Pour ajouter un élément à une liste tab existante on utilise la fonction append. Par exemple
définissons la liste vide tab=[], pour ajouter une valeur à la fin de la liste on saisit :
tab.append(4). Maintenant notre liste est [4], elle contient un seul élément. Si on conti-
nue avec tab.append(3). Alors maintenant notre liste a deux éléments : [4, 3].
Voici l’écriture d’un entier en base 10 :
Algorithme . decimale.py (2)
def entier_vers_chiffres(N) :
tab = []
n = floor(log(N,10)) # le nombre de chiffres est n+1
tab.append((N // 10 ** i) % 10)
return tab
Par exemple entier_vers_chiffres(1234) renvoie le tableau [4, 3, 2, 1]. Nous avons expliqué
tout ce dont nous avions besoin sur les listes au-dessus, expliquons les mathématiques.
– Décomposons N∗ sous la forme [1, 10[ ∪ [10, 100[ ∪ [100, 1000[ ∪ [1 000, 10 000[ ∪ · · · Chaque
intervalle est du type [10n , 10n+1 [. Pour N ∈ N∗ il existe donc n ∈ N tel que 10n É N < 10n+1 .
Ce qui indique que le nombre de chiffres de N est n + 1.
Par exemple si N = 1234 alors 1 000 = 103 É N < 104 = 10 000, ainsi n = 3 et le nombre de
chiffres est 4.
– Comment calculer n à partir de N ? Nous allons utiliser le logarithme décimal log10 qui vé-
rifie log10 (10) = 1 et log10 (10 i ) = i. Le logarithme est une fonction croissante, donc l’inégalité
10n É N < 10n+1 devient log10 (10n ) É log10 (N) < log10 (10n+1 ). Et donc n É log10 (N) < n + 1. Ce
qui indique donc que n = E(log10 (N)) où E(x) désigne la partie entière d’un réel x.
2.3. Module math

Quelques commentaires informatiques sur un module important pour nous. Les fonctions mathé-
matiques ne sont pas définies par défaut dans Python (à part | x| et x n ), il faut faire appel à une
librairie spéciale : le module math contient les fonctions mathématiques principales.
abs(x) | x|
x ** n xn
p
sqrt(x) x
exp(x) exp x
log(x) ln x logarithme népérien
log(x,10) log x logarithme décimal
cos(x), sin(x), tan(x) cos x, sin x, tan x en radians
acos(x), asin(x), atan(x) arccos x, arcsin x, arctan x en radians
floor(x) partie entière E(x) :plus grand entier n É x (floor = plancher)
ceil(x) plus petit entier n Ê x (ceil = plafond)
– Comme on aura souvent besoin de ce module on l’appelle par le code from math import *.
Cela signifie que l’on importe toutes les fonctions de ce module et qu’en plus on n’a pas
besoin de préciser que la fonction vient du module math. On peut écrire cos(3.14) au lieu
math.cos(3.14).
– Dans l’algorithme précédent nous avions utilisé le logarithme décimal log(x,10), ainsi que
la partie entière floor(x).
2.4. Écriture des nombres en base 2

On dispose d’une rampe de lumière, chacune des 8 lampes pouvant être allumée (rouge) ou éteinte
(gris).
0 1 2 3 4 5 6 7
On numérote les lampes de 0 à 7. On souhaite contrôler cette rampe : afficher toutes les combinai-
sons possibles, faire défiler une combinaison de la gauche à droite (la “chenille”), inverser l’état de
toutes les lampes,... Voyons comment l’écriture binaire des nombres peut nous aider. L’écriture
binaire d’un nombre c’est son écriture en base 2.
Comment calculer un nombre qui est écrit en binaire ? Le chiffre des “dizaines” correspond à 2
(au lieu de 10), le chiffre des “centaines” à 4 = 22 (au lieu de 100 = 102 ), le chiffres des “milliers” à
8 = 23 (au lieu de 1000 = 103 ),... Pour le chiffre des unités cela correspond à 20 = 1 (de même que
100 = 1).
Par exemple 10011b vaut le nombre 19. Car
10011b = 1 · 24 + 0 · 23 + 0 · 22 + 1 · 21 + 1 · 20 = 16 + 2 + 1 = 19.
De façon générale tout entier N ∈ N s’écrit de manière unique sous la forme
N = a n 2n + a n−1 2n−1 + · · · + a 2 22 + a 1 2 + a 0 et a i ∈ {0, 1}
On note alors N = a n a n−1 . . . a 1 a 0 b (avec un indice b pour indiquer que c’est son écriture binaire).
Travaux pratiques 6
1. Écrire une fonction qui à partir d’une liste [a 0 , a 1 , . . . , a n ] calcule l’entier N correspon-
dant à l’écriture binaire a n a n−1 . . . a 1 a 0 b .
2. Écrire une fonction qui à partir de N calcule son écriture binaire sous la forme
[a 0 , a 1 , . . . , a n ].
La seule différence avec la base 10 c’est que l’on calcule avec des puissances de 2.
Algorithme . binaire.py (1)
def binaire_vers_entier(tab) :
N = 0
for i in range(len(tab)) :
N = N + tab[i] * (2 ** i)
return N
Idem pour le sens inverse où l’on a besoin du logarithme en base 2, qui vérifie log2 (2) = 1 et
log2 (2 i ) = i.
def entier_vers_binaire(N) :
tab = []
n = floor(log(N,2)) # le nombre de chiffres est n+1
tab.append((N // 2 ** i) % 2)
return tab
Maintenant appliquons ceci à notre problème de lampes. Si une lampe est allumée on lui attribut
1, et si elle est éteinte 0. Pour une rampe de 8 lampes on code [a 0 , a 1 , . . . , a 7 ] l’état des lampes.
Par exemple la configuration suivante :
20 21 22 23 24 25 26 27
est codé [1, 0, 0, 1, 0, 1, 1, 1] ce qui correspond au nombre binaire 11101001b = 233.
Travaux pratiques 7
1. Faire une boucle qui affiche toutes les combinaisons possibles (pour une taille de rampe
donnée).
2. Quelle opération mathématique élémentaire transforme un nombre binaire a n . . . a 1 a 0 b
en a n . . . a 1 a 0 0 b (décalage vers la gauche et ajout d’un 0 à la fin) ?
3. Soit N 0 = a n a n−1 . . . a 1 a 0 0 b (une écriture avec n + 2 chiffres). Quelle est l’écriture binaire
de N 0 (mod 2n+1 ) ? (C’est une écriture avec n + 1 chiffres.)
4. En déduire un algorithme qui pour une configuration donnée de la rampe, fait permuter
cycliquement (vers la droite) cette configuration. Par exemple [1, 0, 1, 0, 1, 1, 1, 0] devient
[0, 1, 0, 1, 0, 1, 1, 1].
5. Quelle opération mathématique élémentaire permet de passer d’une configuration à son
opposée (une lampe éteinte s’allume, et réciproquement). Par exemple si la configuration
était [1, 0, 1, 0, 1, 1, 1, 0] alors on veut [0, 1, 0, 1, 0, 0, 0, 1]. (Indication : sur cet exemple
calculer les deux nombres correspondants et trouver la relation qui les lie.)
1. Il s’agit d’abord d’afficher les configurations. Par exemple si l’on a 4 lampes alors les configu-
rations sont [0, 0, 0, 0], [1, 0, 0, 0], [0, 1, 0, 0], [1, 1, 0, 0],. . . , [1, 1, 1, 1]. Pour chaque lampe nous
avons deux choix (allumé ou éteint), il y a n + 1 lampes donc un total de 2n+1 configurations.
Si l’on considère ces configurations comme des nombres écrits en binaire alors l’énumération
ci-dessus correspond à compter 0, 1, 2, 3, . . . , 2n+1 − 1.
D’où l’algorithme :
def configurations(n) :
for N in range(2**(n+1)) :
print(entier_vers_binaire_bis(N,n))
Où entier_vers_binaire_bis(N,n) est similaire à entier_vers_binaire(N), mais en af-

fichant aussi les zéros non significatifs, par exemple 7 en binaire s’écrit 111b , mais codé sur
8 chiffres on ajoute devant des 0 non significatifs : 00000111b .
2. En écriture décimale, multiplier par 10 revient à décaler le nombre initial et rajouter un
zéro. Par exemple 10 × 19 = 190. C’est la même chose en binaire ! Multiplier un nombre par 2
revient sur l’écriture à un décalage vers la gauche et ajout d’un zéro sur le chiffre des unités.
Exemple : 19 = 10011b et 2 × 19 = 38 donc 2 × 10011b = 100110b .
3. Partant de N = a n a n−1 . . . a 1 a 0 b . Notons N 0 = 2N, son écriture est N 0 = a n a n−1 . . . a 1 a 0 0 b .
Alors N 0 (mod 2n+1 ) s’écrit exactement a n−1 a n−2 . . . a 1 a 0 0 b et on ajoute a n qui est le quotient
de N 0 par 2n+1 .
Preuve : N 0 = a n · 2n+1 + a n−1 · 2n +· · ·+ a 0 · 2. Donc N 0 (mod 2n+1 ) = a n−1 · 2n +· · ·+ a 0 · 2. Donc
N 0 (mod 2n+1 ) + a n = a n−1 · 2n + · · · + a 0 · 2 + a n .
4. Ainsi l’écriture en binaire de N 0 (mod 2n+1 ) + a n s’obtient comme permutation circulaire de
celle de N. D’où l’algorithme :
def decalage(tab) :
N = binaire_vers_entier(tab)
n = len(tab)-1 # le nombre de chiffres est n+1
NN = 2*N % 2**(n+1) + 2*N // 2**(n+1)
return entier_vers_binaire_bis(NN,n)
5. On remarque que si l’on a deux configurations opposées alors leur somme vaut 2n+1 − 1
: par exemple avec [1, 0, 0, 1, 0, 1, 1, 1] et [0, 1, 1, 0, 1, 0, 0, 0], les deux nombres associés sont
N = 11101001b et N 0 = 00010110b (il s’agit juste de les réécrire de droite à gauche). La
somme est N + N 0 = 11101001b + 00010110b = 11111111b = 28 − 1. L’addition en écriture
binaire se fait de la même façon qu’en écriture décimale et ici il n’y a pas de retenue. Si M
est un nombre avec n + 1 fois le chiffres 1 alors M + 1 = 2n+1 . Exemple si M = 11111b alors
M + 1 = 100000b = 25 ; ainsi M = 25 − 1. Donc l’opposé de N est N 0 = 2n+1 − 1 − N (remarquez
que dans Z/(2n+1 − 1)Z alors N 0 ≡ − N).
Cela conduit à :
def inversion(tab) :
N = binaire_vers_entier(tab)
n = len(tab)-1 # le nombre de chiffres est n+1
NN = 2**(n+1)-1 - N
return entier_vers_binaire_bis(NN,n)
Mini-exercices
1. Pour un entier n fixé, combien y-a-t-il d’occurrences du chiffre 1 dans l’écriture des
nombres de 1 à n ?
2. Écrire une fonction qui calcule l’écriture décimale d’un entier, sans recourir au log (une
boucle while est la bienvenue).
3. Écrire un algorithme qui permute cycliquement une configuration de rampe vers la
droite.
4. On dispose de n + 1 lampes, chaque lampe peut s’éclairer de trois couleurs : vert, orange,
rouge (dans cet ordre). Trouver toutes les combinaisons possibles. Comment passer
toutes les lampes à la couleur suivante ?
5. Générer toutes les matrices 4 × 4 n’ayant que des 0 et des 1 comme coefficients. On
codera une matrice sous la forme de lignes [[1, 1, 0, 1], [0, 0, 1, 0], [1, 1, 1, 1], [0, 1, 0, 1]].
6. On part du point (0, 0) ∈ Z2 . A chaque pas on choisit au hasard un direction Nord, Sud,
Est, Ouest. Si on va au Nord alors on ajoute (0, 1) à sa position (pour Sud on ajoute
(0, −1) ; pour Est (1, 0) ; pour Ouest (−1, 0)). Pour un chemin d’une longueur fixée de
n pas, coder tous les chemins possibles. Caractériser les chemins qui repassent par
l’origine. Calculer la probabilité p n de repasser par l’origine. Que se passe-t-il lorsque
n → +∞ ?
7. Écrire une fonction, qui pour un entier N, affiche son écriture en chiffres romains :
M = 1000, D = 500, C = 100, X = 10, V = 5, I = 1. Il ne peut y avoir plus de trois
symboles identiques à suivre.
3. Calculs de sinus, cosinus, tangente

Le but de cette section est le calcul des sinus, cosinus, et tangente d’un angle par nous même, avec
une précision de 8 chiffres après la virgule.
3.1. Calcul de Arctan x

Nous aurons besoin de calculer une fois pour toute Arctan(10− i ), pour i = 0, . . . , 8, c’est-à-dire que
l’on cherche les angles θ i ∈] − π2 , π2 [ tels que tan θ i = 10− i . Nous allons utiliser la formule :
+∞ x2k+1 x3 x5 x7
(−1)k
X
Arctan x = = x− + − +···
k=0 2k + 1 3 5 7
Travaux pratiques 8
1. Calculer Arctan 1.
2. Calculer θ i = Arctan 10− i (avec 8 chiffres après la virgule) pour i = 1, . . . , 8.
3. Pour quelles valeurs de i, l’approximation Arctan x ' x était-elle suffisante ?
Algorithme . tangente.py (1)
def mon_arctan(x,n) :
somme = 0
for k in range(0,n+1) :
if (k%2 == 0) : # si k est pair signe +
somme = somme + 1/(2*k+1) * (x ** (2*k+1))
else : # si k est impair signe -
somme = somme - 1/(2*k+1) * (x ** (2*k+1))
return somme
– La série qui permet de calculer Arctan x est une somme infinie, mais si x est petit alors
2 k+1
chacun des termes (−1)k 2xk+1 est très très petit dès que k devient grand. Par exemple si
¯ ¯
2 k+1 ¯
1
0 É x É 10 alors x2k+1 É 1021k+1 et donc pour k Ê 4 nous aurons ¯(−1)k 2xk+1 ¯ < 10−9 . Chacun des
¯
termes suivants ne contribue pas aux 8 premiers chiffres après la virgule. Attention : il se
pourrait cependant que la somme de beaucoup de termes finissent par y contribuer, mais ce
n’est pas le cas ici (c’est un bon exercice de le prouver).
– Dans la pratique on calcule la somme à un certain ordre 2k + 1 jusqu’à ce que les 8 chiffres
après la virgules ne bougent plus. Et en fait on s’aperçoit que l’on a seulement besoin d’utiliser
3 5 7
Arctan x ' x − x3 + x5 − x7 .
– Pour i Ê 4, Arctan x ' x donne déjà 8 chiffres exacts après la virgule !
On remplit les valeurs des angles θ i obtenus dans une liste nommée theta.
3.2. Calcul de tan x

Le principe est le suivant : on connaît un certain nombre d’angles avec leur tangente : les angles
θ i (calculés ci-dessus) avec par définition tan θ i = 10− i . Fixons un angle a ∈ [0, π2 ]. Partant du point
M0 = (1, 0), nous allons construire des points M1 , M2 , . . . , M n jusqu’à ce que M n soit (à peu près)
y
sur la demi-droite correspondant à l’angle a. Si M n a pour coordonnées (xn , yn ) alors tan a = xnn .
L’angle pour passer d’un point M k à M k+1 est l’un des angles θ i .
Mn
M n−1
M2
M1
a
θi n
θi2
θi1
O M0
Rappelons que si l’on a un point M(x, y) alors la rotation centrée à l’origine et d’angle θ envoie
M(x, y) sur le point N(x0 , y0 ) avec
Ã ! Ã !Ã ! (
x0 cos θ − sin θ x x0 = x cos θ − y sin θ
0 = c’est-à-dire
y sin θ cos θ y y0 = x sin θ + y cos θ
Pour un point M, on note M 0 le point de la demi-droite [ON) tel que les droites (OM) et (MM 0 )
soient perpendiculaires en M.
M0
Mn
N
y
tan a ' xn
n
yn
a
θ
O M
O xn
Travaux pratiques 9
1.(a) Calculer la longueur OM 0 .

(b) En déduire les coordonnées de M 0 .
(c) Exprimez-les uniquement en fonction de x, y et tan θ .
2. Faire une boucle qui décompose l’angle a en somme d’angles θ i (à une précision de 10−8
; avec un minimum d’angles, les angles pouvant se répéter).
3. Partant de M0 = (1, 0) calculer les coordonnées des différents M k , jusqu’au point
y
M n (xn , yn ) correspondant à l’approximation de l’angle a. Renvoyer la valeur xnn comme
approximation de tan a.
Voici les préliminaires mathématiques :

OM OM
– Dans le triangle rectangle OMM 0 on a cos θ = OM 0
0 donc OM = cos θ .
– D’autre part comme la rotation d’angle θ conserve les distances alors OM = ON. Si les
coordonnées de M 0 sont (x00 , y00 ) alors x00 = cos1 θ x0 et y00 = cos1 θ y0 .
– Ainsi (
x00 = cos1 θ x0 = cos1 θ x cos θ − y sin θ = x − y tan θ
¡ ¢
y00 = cos1 θ y0 = cos1 θ x sin θ + y cos θ = x tan θ + y

¡ ¢
Autrement dit : Ã ! Ã !Ã !
x00 1 − tan θ x
=
y00 tan θ 1 y
Voici une boucle simple pour décomposer l’angle θ : on commence par retirer le plus grand angle
θ0 autant de fois que l’on peut, lorsque ce n’est plus possible on passe à l’angle θ1 ,...
i = 0
while (a > precision) : # boucle tant que la precision pas atteinte
while (a < theta[i]) : # choix du bon angle theta_i à soustraire
i = i+1
a = a - theta[i] # on retire l'angle theta_i et on recommence
Ici precision est la précision souhaité (pour nous 10−9 ). Et le tableau theta contient les valeurs
des angles θ i . Ã !
x0
Posons x0 = 1, y0 = 0 et M0 = . Alors on définit par récurrence M k+1 = P(θ i ) · M k où P(θ ) =
y0
Ã !
1 − tan θ
. Les θ i sont ceux apparaissant dans la décomposition de l’angle en somme de
tan θ 1
θ i , donc on connaît tan θ i = 10− i . Ainsi si l’on passe d’un point M k à M k+1 par un angle θ i on a
simplement : (
xk+1 = xk − yk · 10− i
yk+1 = xk · 10− i + yk
y
La valeur xnn est la tangente de la somme des angles θ i , donc une approximation de tan a.
Le code est maintenant le suivant.
def ma_tan(a) :
precision = 10**(-9)
i = 0 ; x = 1 ; y = 0
while (a > precision) :
while (a < theta[i]) :
i = i+1
newa = a - theta[i] # on retire l'angle theta_i
newx = x - (10**(-i))*y # on calcule le nouveau point
newy = (10**(-i))*x + y
x = newx
y = newy
a = newa
return y/x # on renvoie la tangente
Commentaires pour conclure :

– En théorie il ne faut pas confondre «précision» et «nombre de chiffres exacts après la virgule».
Par exemple 0.999 est une valeur approchée de 1 à 10−3 près, mais aucun chiffre après la
virgule n’est exact. Dans la pratique c’est la précision qui importe plus que le nombre de
chiffres exacts.
– Notez à quel point les opérations du calcul de tan x sont simples : il n’y a quasiment que
des additions à effectuer. Par exemple l’opération xk+1 = xk − yk · 10− i peut être fait à la main
: multiplier par 10− i c’est juste décaler la virgule à droite de i chiffres, puis on additionne.
C’est cet algorithme « C O R D I C » qui est implémenté dans les calculatrices, car il nécessite
très peu de ressources. Bien sûr, si les nombres sont codés en binaire on remplace les 10− i
par 2− i pour n’avoir qu’à faire des décalages à droite.
3.3. Calcul de sin x et cos x
Travaux pratiques 10
Pour 0 É x É π2 , calculer sin x et cos x en fonction de tan x. En déduire comment calculer les
sinus et cosinus de x.
1
Solution : On sait cos2 + sin2 x = 1, donc en divisant par cos2 x on trouve 1 + tan2 x = cos2 x
. On en
déduit que pour 0 É x É π2 cos x = p 1 2 . On trouve de même sin x = p tan x 2 .
1+tan x 1+tan x
Donc une fois que l’on a calculé tan x on en déduit sin x et cos x par un calcul de racine carrée.
Attention c’est valide car x est compris entre 0 et π2 . Pour un x quelconque il faut se ramener par
les formules trigonométriques à l’intervalle [0, π2 ].
Mini-exercices
1. On dispose de billets de 1, 5, 20 et 100 euros. Trouvez la façon de payer une somme de

n euros avec le minimum de billets.
2. Faire un programme qui pour n’importe quel x ∈ R, calcule sin x, cos x, tan x.
3. Pour t = tan 2x montrer que tan x = 1−2t

t2
. En déduire une fonction qui calcule tan x. (Uti-
liser que pour x assez petit tan x ' x).
4. Modifier l’algorithme de la tangente pour qu’il calcule aussi directement le sinus et le
cosinus.
4. Les réels
Dans cette partie nous allons voir différentes façons de calculer la constante γ d’Euler. C’est un
nombre assez mystérieux car personne ne sait si γ est un nombre rationnel ou irrationnel. Notre
objectif est d’avoir le plus de décimales possibles après la virgule en un minimum d’étapes. Nous
verrons ensuite comment les ordinateurs stockent les réels et les problèmes que cela engendre.
4.1. Constante γ d’Euler

Considérons la suite harmonique :
1 1 1 1
Hn = + + +···+
1 2 3 n
et définissons
u n = H n − ln n.
Cette suite (u n ) admet une limite lorsque n → +∞ : c’est la constante γ d’Euler.
1. Calculer les premières décimales de γ. Sachant que u n − γ ∼ 21n , combien de décimales

exactes peut-on espérer avoir obtenues ?
2. On considère vn = H n − ln n + 12 + 241n . Sachant vn − γ ∼ − 481n3 , calculer davantage de
¡ ¢
décimales.
Algorithme . euler.py (1)
def euler1(n) :
somme = 0
for i in range(n,0,-1) :
somme = somme + 1/i
return somme - log(n)
def euler2(n) :
somme = 0
somme = somme + 1/i
return somme - log(n+1/2+1/(24*n))
Vous remarquez que la somme est calculée à partir de la fin. Nous expliquerons pourquoi en fin de
section.
4.2. 1000 décimales de la constante d’Euler

Il y a deux techniques pour obtenir plus de décimales : (i) pousser plus loin les itérations, mais
pour avoir 1000 décimales de γ les méthodes précédentes sont insuffisantes ; (ii) trouver une
méthode encore plus efficace. C’est ce que nous allons voir avec la méthode de Bessel modifiée.
Soit
An EX(α n) µ n k ¶2 EX(α n) µ n k ¶2
wn = − ln n avec A n = H k et B n =
Bn k=1 k! k=0 k!
où α = 3.59112147... est la solution de α(ln α − 1) = 1 et E(x) désigne la partie entière. Alors
C
|wn − γ| É
e4n
où C est une constante (non connue).
1. Programmer cette méthode.

2. Combien d’itérations faut-il pour obtenir 1000 décimales ?
3. Utiliser le module decimal pour les calculer.
Voici le code :
def euler3(n) :
alpha = 3.59112147
N = floor(alpha*n) # Borne des sommes
A = 0 ; B = 0
H = 0
for k in range(1,N+1) :
c = ( (n**k)/factorial(k) ) ** 2 # Coefficient commun
H = H + 1/k # Somme harmonique
A = A + c*H
B = B + c
return A/B - log(n)
Pour obtenir N décimales il faut résoudre l’inéquation eC4n É 101N . On «passe au log» pour obtenir
n Ê N ln(10)4 +ln(C ) . On ne connaît pas C mais ce n’est pas si important. Moralement pour une itération
de plus on obtient (à peu près) une décimale de plus (c’est-à-dire un facteur 10 sur la précision !).
Pour n Ê 800 on obtient 1000 décimales exactes de la constante d’Euler :
0,
57721566490153286060651209008240243104215933593992
35988057672348848677267776646709369470632917467495
14631447249807082480960504014486542836224173997644
92353625350033374293733773767394279259525824709491
60087352039481656708532331517766115286211995015079
84793745085705740029921354786146694029604325421519
05877553526733139925401296742051375413954911168510
28079842348775872050384310939973613725530608893312
67600172479537836759271351577226102734929139407984
30103417771778088154957066107501016191663340152278
93586796549725203621287922655595366962817638879272
68013243101047650596370394739495763890657296792960
10090151251959509222435014093498712282479497471956
46976318506676129063811051824197444867836380861749
45516989279230187739107294578155431600500218284409
60537724342032854783670151773943987003023703395183
28690001558193988042707411542227819716523011073565
83396734871765049194181230004065469314299929777956
93031005030863034185698032310836916400258929708909
85486825777364288253954925873629596133298574739302
Pour obtenir plus de décimales que la précision standard de Python, il faut utiliser le module
decimal qui permet de travailler avec une précision arbitraire fixée.
4.3. Un peu de réalité

En mathématique un réel est un élément de R et son écriture décimale est souvent infinie après
la virgule : par exemple π = 3, 14159265 . . . Mais bien sûr un ordinateur ne peut pas coder une
infinité d’informations. Ce qui se rapproche d’un réel est un nombre flottant dont l’écriture est :
±1, 234567890123456789 e ±123

| {z } | {z }
mantisse exposant
pour ±1, 234 . . . × 10±123 . La mantisse est un nombre décimal (positif ou négatif) appartenant
à [1, 10[ et l’exposant est un entier (lui aussi positif ou négatif). En Python la mantisse à une
précision de 16 chiffres après la virgule.
Cette réalité informatique fait que des erreurs de calculs peuvent apparaître même avec des
opérations simples. Pour voir un exemple de problème faites ceci :
Poser x = 10−16 , y = x + 1, z = y − 1. Que vaut z pour Python ?
Comme Python est très précis nous allons faire une routine qui permet de limiter drastiquement
le nombre de chiffres et mettre en évidence les erreurs de calculs.
1. Calculer l’exposant d’un nombre réel. Calculer la mantisse.

2. Faire une fonction qui ne conserve que 6 chiffres d’un nombre (6 chiffres en tout : avant
+ après la virgule, exemple 123, 456789 devient 123, 456).
Voici le code :
Algorithme . reels.py (1)
precision = 6 # Nombre de décimales conservées

def tronquer(x) :
n = floor(log(x,10)) # Exposant
m = floor( x * 10 ** (precision-1 - n)) # Mantisse
return m * 10 ** (-precision+1+n) # Nombre tronqué
Comme on l’a déjà vu auparavant l’exposant se récupère à l’aide du logarithme en base 10. Et
pour tronquer un nombre avec 6 chiffres, on commence par le décaler vers la gauche pour obtenir
6 chiffres avant la virgule (123, 456789 devient 123456, 789) il ne reste plus qu’à prendre la partie
entière (123456) et le redécaler vers la droite (pour obtenir 123, 456).
Absorption
1. Calculer tronquer(1234.56 + 0.007).

2. Expliquer.
Chacun des nombres 1234, 56 et 0, 007 est bien un nombre s’écrivant avec moins de 6 décimales
mais leur somme 1234, 567 a besoin d’une décimale de plus, l’ordinateur ne retient pas la 7-ème
décimale et ainsi le résultat obtenu est 1234, 56. Le 0, 007 n’apparaît pas dans le résultat : il a été
victime d’une absorption.
Élimination
1. Soient x = 1234, 8777, y = 1212, 2222. Calculer x − y à la main. Comment se calcule la

différence x − y avec notre précision de 6 chiffres ?
2. Expliquer la différence.
Comme x − y = 22, 6555 qui n’a que 6 chiffres alors on peut penser que l’ordinateur va obtenir
ce résultat. Il n’en est rien, l’ordinateur ne stocke pas x mais tronquer(x), idem pour y. Donc
l’ordinateur effectue en fait le calcul suivant : tronquer(tronquer(x)-tronquer(y)), il calcule
donc 1234, 87 − 1212, 22 = 22, 65. Quel est le problème ? C’est qu’ensuite l’utilisateur considère
–à tort– que le résultat est calculé avec une précision de 6 chiffres. Donc on peut penser que le
résultat est 22, 6500 mais les 2 derniers chiffres sont une pure invention.
C’est un phénomène d’élimination. Lorsque l’on calcule la différence de deux nombres proches,
le résultat a en fait une précision moindre. Cela peut être encore plus dramatique avec l’exemple
δ = 1234, 569 − 1234, 55 la différence est 0, 01900 alors que l’ordinateur retournera 0, 01000. Il y a
presque un facteur deux, et on aura des problèmes si l’on a besoin de diviser par δ.
Signalons au passage une erreur d’interprétation fréquente : ne pas confondre la précision

d’affichage (exemple : on calcule avec 10 chiffres après la virgule) avec l’exactitude du résultat
(combien de décimales sont vraiment exactes ?).
Conversion binaire – décimale
Enfin le problème le plus troublant est que les nombres flottants sont stockés en écriture binaire
et pas en écriture décimale.
Effectuer les commandes suivantes et constater !

1. sum = 0 puis for i in range(10) : sum = sum + 0.1. Que vaut sum ?
2. 0.1 + 0.1 == 0.2 et 0.1 + 0.1 + 0.1 == 0.3
3. x = 0.2 ; print("0.2 en Python = %.25f" %x)
La raison est simple mais néanmoins troublante. L’ordinateur ne stocke pas 0, 1, ni 0, 2 en mémoire
mais le nombre en écriture binaire qui s’en rapproche le plus.
En écriture décimale, il est impossible de coder 1/3 = 0, 3333 . . . avec un nombre fini de chiffres
après la virgule. Il en va de même ici : l’ordinateur ne peut pas stocker exactement 0, 2. Il stocke
un nombre en écriture binaire qui s’en rapproche le plus ; lorsqu’on lui demande d’afficher le
nombre stocké, il retourne l’écriture décimale qui se rapproche le plus du nombre stocké, mais ce
n’est plus 0, 2, mais un nombre très très proche :
0.2000000000000000111022302. . .
4.4. Somme des inverses des carrés

Voyons une situation concrète où ces problèmes apparaissent.
1
1. Faire une fonction qui calcule la somme S n = 12
+ 212 + 312 + · · · + n12 .
2. Faire une fonction qui calcule cette somme mais en utilisant seulement une écriture
décimale à 6 chiffres (à l’aide de la fonction tronquer() vue au-dessus).
3. Reprendre cette dernière fonction, mais en commençant la somme par les plus petits
termes.
4. Comparez le deux dernières méthodes, justifier et conclure.
La première fonction ne pose aucun problème et utilise toute la précision de Python.

Dans la seconde on doit, à chaque calcul, limiter notre précision à 6 chiffres (ici 1 avant la virgule
et 5 après).
def somme_inverse_carres_tronq(n) :
somme = 0
somme = tronquer(somme + tronquer(1/(i*i)))
return somme
Il est préférable de commencer la somme par la fin :

def somme_inverse_carres_tronq_inv(n) :
somme = 0
somme = tronquer(somme + tronquer(1/(i*i)))
return somme
Par exemple pour n = 100 000 l’algorithme somme_inverse_carres_tronq() (avec écriture tron-
quée, sommé dans l’ordre) retourne 1, 64038 alors que l’algorithme somme_inverse_carres_tronq_inv()
(avec la somme dans l’ordre inverse) on obtient 1, 64490. Avec une précision maximale et n très
2
grand on doit obtenir 1, 64493 . . . (en fait c’est π6 ).
Notez que faire grandir n pour l’algorithme somme_inverse_carres_tronq() n’y changera rien, il
bloque à 2 décimales exactes après la virgule : 1, 64038 ! La raison est un phénomène d’absorption
: on rajoute des termes très petits devant une somme qui vaut plus de 1. Alors que si l’on part
des termes petits, on ajoute des termes petits à une somme petite, on garde donc un maximum de
décimales valides avant de terminer par les plus hautes valeurs.
Mini-exercices
1. Écrire une fonction qui approxime la constante α qui vérifie α(ln α − 1) = 1. Pour cela
poser f (x) = x(ln x − 1) − 1 et appliquer la méthode de Newton : fixer u 0 (par exemple ici
f (u )
u 0 = 4) et u n+1 = u n − f 0 (unn ) .
2. Pour chacune des trois méthodes, calculer le nombre approximatif d’itérations néces-
saires pour obtenir 100 décimales de la constante γ d’Euler.
k)!]3 An Cn
3. Notons C n = 41n 2kn=0 (k!)[(2
4 (16 n)2 k . La formule de Brent-McMillan affirme γ = B − B2 −
P
n n
ln n + O( e18n ) où cette fois les sommations pour A n et B n vont jusqu’à E(β n) avec β =
4, 970625759 . . . la solution de β(ln β − 1) = 3. La notation O( e18n ) indique que l’erreur
est É eC8n pour une certaine constante C. Mettre en œuvre cette formule. En 1999 cette
formule a permis de calculer 100 millions de décimales. Combien a-t-il fallu d’itérations
?
1
4. Faire une fonction qui renvoie le terme u n de la suite définie par u 0 = 3 et u n+1 = 4u n − 1.
Que vaut u 100 ? Faire l’étude mathématique et commenter.
5. Arithmétique – Algorithmes récursifs

Nous allons présenter quelques algorithmes élémentaires en lien avec l’arithmétique. Nous en
profitons pour présenter une façon complètement différente d’écrire des algorithmes : les fonctions
récursives.
5.1. Algorithmes récursifs

Voici un algorithme très classique :
Algorithme . recursif.py (1)
def factorielle_classique(n) :
produit = 1
produit = i * produit
return produit
Voyons comment fonctionne cette boucle. On initialise la variable produit à 1, on fait varier un
indice i de 1 à n. À chaque étape on multiplie produit par i et on affecte le résultat dans produit.
Par exemple si n = 5 alors la variable produit s’initialise à 1, puis lorsque i varie la variable
produit devient 1 × 1 = 1, 2 × 1 = 2, 3 × 2 = 6, 4 × 6 = 24, 5 × 24 = 120. Vous avez bien sûr reconnus le
calcul de 5!
Étudions un autre algorithme.

def factorielle(n) :
if (n==1) :
return 1
else :
return n * factorielle(n-1)
Que fait cet algorithme ? Voyons cela pour n = 5. Pour n = 5 la condition du «si» (if) n’est pas
vérifiée donc on passe directement au «sinon» (else). Donc factorielle(5) renvoie comme résultat
: 5 * factorielle(4). On a plus ou moins progressé : le calcul n’est pas fini car on ne connaît
pas encore factorielle(4) mais on s’est ramené à un calcul au rang précédent, et on itère :
factorielle(5) = 5 * factorielle(4) = 5 * 4 * factorielle(3) = 5 * 4 * 3 * factorielle(2)
et enfin factorielle(5) = 5 * 4 * 3 * 2 * factorielle(1). Pour factorielle(1) la condi-
tion du if (n==1) est vérifiée et alors factorielle(1)=1. Le bilan est donc que factorielle(5) = 5 * 4 * 3 *
c’est bien 5!
Une fonction qui lorsque elle s’exécute s’appelle elle-même est une fonction récursive. Il y a une
analogie très forte avec la récurrence. Par exemple on peut définir la suite des factorielles ainsi :
u1 = 1 et u n = n × u n−1 si n Ê 2.
Nous avons ici u n = n! pour tout n Ê 1.

Comme pour la récurrence une fonction récursive comporte une étape d’initialisation (ici
if (n==1) : return 1 correspondant à u1 = 1) et une étape d’hérédité (ici return n * factorielle(n-1)
correspondant à u n = n × u n−1 ).
On peut même faire deux appels à la fonction :

def fibonacci(n) :
if (n==0) or (n==1) :
return 1
else :
return fibonacci(n-1)+fibonacci(n-2)
Faites-le calcul de fibonacci(5). Voici la version mathématique des nombres de Fibonacci.
F0 = 1, F1 = 1 et F n = F n−1 + F n−2 si n Ê 2.
On obtient un nombre en additionnant les deux nombres des rangs précédents :
1 1 2 3 5 8 13 21 34 ...
5.2. L’algorithme d’Euclide

L’algorithme d’Euclide est basé sur le principe suivant
si b|a alors pgcd(a, b) = b sinon pgcd(a, b) = pgcd(b, a mod b)
1. Créer une fonction récursive pgcd(a,b) qui calcule le pgcd.

2. On note p n la probabilité que deux entiers a, b tirés au hasard dans 1, 2, . . . , n soient
premiers entre eux. Faire une fonction qui approxime p n . Lorsque n devient grand,
comparer p n et π62 .
Voici le code pour l’algorithme d’Euclide récursif. Notez à quel point le code est succinct et épuré !
Algorithme . arith.py (1)
def pgcd(a,b) :
if a%b == 0 :
return b
else :
return pgcd(b, a%b)
Deux entiers a, b sont premiers entre eux ssi pgcd(a, b) = 1, donc voici l’algorithme :
def nb_premiers_entre_eux(n,nbtirages) :
i = 1
nbpremiers = 0
while i <= nbtirages :
i = i+1
a = random.randint(1,n)
b = random.randint(1,n)
if pgcd(a,b)==1 :
nbpremiers = nbpremiers + 1
return nbpremiers
On tire au hasard deux entiers a et b entre 1 et n et on effectue cette opération nbtirages fois.
Par exemple entre 1 et 1000 si l’on effectue 10 000 tirage on trouve une probabilité mesurée par
nbpremiers/nbtirages de 0, 60 . . . (les décimales d’après dépendent des tirages).
Lorsque n tend vers +∞ alors p n → π62 = 0.607927 . . . et on dit souvent que : «la probabilité que
deux entiers tirés au hasard soient premiers entre eux est π62 .»
Commentaires sur les algorithmes récursifs :

– Les algorithmes récursifs ont souvent un code très court, et proche de la formulation mathé-
matique lorsque l’on a une relation de récurrence.
– Selon le langage ou la fonction programmée il peut y avoir des problèmes de mémoire (si par
exemple pour calculer 5! l’ordinateur a besoin de stocker 4! pour lequel il a besoin de stocker
3!...).
– Il est important de bien réfléchir à la condition initiale (qui est en fait celle qui termine
l’algorithme) et à la récurrence sous peine d’avoir une fonction qui boucle indéfiniment !
– Il n’existe pas des algorithmes récursifs pour tout (voir par exemple les nombres premiers)
mais ils apparaissent beaucoup dans les algorithmes de tris. Autre exemple : la dichotomie
se programme très bien par une fonction récursive.
5.3. Nombres premiers

Les nombres premiers offrent peu de place aux algorithmes récursifs car il n’y a pas de lien de
récurrence entre les nombres premiers.
1. Écrire une fonction qui détecte si un nombre n est premier ou pas en testant s’il existe
p
des entiers k qui divise n. (On se limitera aux entiers 2 É k É n, pourquoi ?).
2. Faire un algorithme pour le crible d’Eratosthène : écrire tous les entiers de 2 à n,
conserver 2 (qui est premier) et barrer tous les multiples suivants de 2. Le premier
nombre non barré (c’est 3) est premier. Barrer tous les multiples suivants de 3,...
3. Dessiner la spirale d’Ulam : on place les nombres entiers en spirale, et on colorie en
rouge les nombres premiers.
··· ···
..
5 4 3 .
6 1 2 11
7 8 9 10
p p
1. Si n n’est pas premier alors n = a × b avec a, b Ê 2. Il est clair que soit a É n ou bien b É n
p
(sinon n = a × b > n). Donc il suffit de tester les diviseurs 2 É k É n. D’où l’algorithme :
def est_premier(n) :
if (n<=1) : return False
k = 2
while k*k <= n :
if n%k==0 :
return False
else :
k = k +1
return True
Notez qu’il vaut mieux écrire la condition k*k <= n plutôt que k <= sqrt(n) : il est beau-
coup plus rapide de calculer le carré d’un entier plutôt qu’extraire une racine carrée.
Nous avons utilisé un nouveau type de variable : un booléen est une variable qui ne
peut prendre que deux états Vrai ou Faux (ici True or False, souvent codé 1 et 0). Ainsi
est_premier(13) renvoie True, alors que est_premier(14) renvoie False.
2. Pour le crible d’Eratosthène le plus dur est de trouver le bon codage de l’information.
def eratosthene(n) :
liste_entiers = list(range(n+1)) # tous les entiers
liste_entiers[1] = 0 # 1 n'est pas premier
k = 2 # on commence par les multiples de 2
while k*k <= n :
if liste_entiers[k] != 0 : # si le nombre k n'est pas barré
i = k # les i sont les multiples de k
while i <= n-k :
i = i+k
liste_entiers[i] = 0 # multiples de k : pas premiers
k = k +1
liste_premiers = [k for k in liste_entiers if k !=0] # efface les 0
return liste_premiers
Ici on commence par faire un tableau contenant les entiers [0,1,2,3,4,5,6,7,8,9,10,11,12,13,...].

Pour signifier qu’un nombre n’est pas premier ou remplace l’entier par 0. Comme 1
n’est pas un nombre premier : on le remplace par 0. Puis on fait une boucle, on part
de 2 et on remplace tous les autres multiples de 2 par 0 : la liste est maintenant :
[0,0,2,3,0,5,0,7,0,9,0,11,0,13,...]. Le premiers nombre après 2 est 3 c’est donc un
nombre premier. (car s’il n’a aucun diviseur autre que 1 et lui-même car sinon il aurait été
rayé). On garde 3 et remplace tous les autres multiples de 3 par 0. La liste est maintenant
: [0,0,2,3,0,5,0,7,0,0,0,11,0,13,...]. On itère ainsi, à la fin on efface les zéros pour
obtenir : [2,3,5,7,11,13,...].
3. Pour la spirale d’Ulam la seule difficulté est de placer les entiers sur une spirale, voici le
résultat.
À gauche le début de la spirale (de n = 1 à 37) en rouge les nombres premiers (en noir les
nombres non premiers) ; à droite le motif obtenu jusqu’à de grandes valeurs (en blanc les
nombres non premiers).
Mini-exercices
1. Écrire une version itérative et une version récursive pour les fonctions suivantes : (a)
la somme des carrés des entiers de 1 à n ; (b) 2n (sans utiliser d’exposant) ; (c) la partie
entière d’un réel x Ê 0 ; (d) le quotient de la division euclidienne de a par b (avec a ∈ N,
b ∈ N∗ ) ; (e) le reste de cette division euclidienne (sans utiliser les commandes % ni //).
2. Écrire une version itérative de la suite de Fibonacci.
3. Écrire une version itérative de l’algorithme d’Euclide. Faire une version qui calcule les
4. Écrire une fonction itérative, puis récursive, qui pour un entier n renvoie la liste de ses
diviseurs. Dessiner une spirale d’Ulam, dont l’intensité de la couleur dépend du nombre
de diviseurs.
5. Une suite de Syracuse est définie ainsi : partant d’un entier s’il est pair on le divise par
deux, s’il est impair on le multiplie par 3 et on ajoute 1. On itère ce processus. Quelle
conjecture peut-on faire sur cette suite ?
1
6. Dessiner le triangle de Pascal 1 1 Ensuite effacer tous les coefficients pairs (ou
1 2 1
···
mieux : remplacer les coefficients pairs par un carré blanc et les coefficients impairs
par un carré rouge). Quelle figure reconnaissez-vous ?
6. Polynômes – Complexité d’un algorithme

Nous allons étudier la complexité des algorithmes à travers l’exemple des polynômes.
6.1. Qu’est-ce qu’un algorithme ?

Qu’est ce qu’un algorithme ? Un algorithme est une succession d’instructions qui renvoie un
résultat. Pour être vraiment un algorithme on doit justifier que le résultat retourné est exact (le
programme fait bien ce que l’on souhaite) et ceci en un nombre fini d’étapes (cela renvoie le
résultat en temps fini).
Maintenant certains algorithmes peuvent être plus rapides que d’autres. C’est souvent le temps
de calcul qui est le principal critère, mais cela dépend du langage et de la machine utilisée. Il
existe une manière plus mathématique de faire : la complexité d’un algorithme c’est le nombre
d’opérations élémentaires à effectuer.
Ces opérations peuvent être le nombre d’opérations au niveau du processeur, mais pour nous ce
sera le nombre d’additions +, le nombre de multiplications × à effectuer. Pour certains algorithmes
la vitesse d’exécution n’est pas le seul paramètre mais aussi la taille de la mémoire occupée.
6.2. Polynômes
On code un polynôme a 0 + a 1 X + · · · + a n X n sous la forme d’une liste [a 0 , a 1 , . . . , a n ].

1. Écrire une fonction correspondant à la somme de deux polynômes. Calculer la complexité
de cet algorithme (en terme du nombre d’additions sur les coefficients, en fonctions du
degré des polynômes).
2. Écrire une fonction correspondant au produit de deux polynômes. Calculer la complexité
de cet algorithme (en terme du nombre d’additions et de multiplications sur les coeffi-
cients).
3. Écrire une fonction correspondant au quotient et au reste de la division euclidienne de
A par B où B est un polynôme unitaire (son coefficient de plus haut degré est 1). Majorer
la complexité de cet algorithme (en terme du nombre d’additions et de multiplications
sur les coefficients).
1. La seule difficulté est de gérer les indices, en particulier on ne peut appeler un élément
d’une liste en dehors des indices où elle est définie. Une bonne idée consiste à commencer
par définir une fonction degre(poly), qui renvoie le degré du polynôme (attention au 0 non
significatifs).
Voici le code dans le cas simple où deg A = deg B :
Algorithme . polynome.py (1)
def somme(A,B) : # si deg(A)=deg(B)

C = []
for i in range(0,degre(A)+1) :
s = A[i]+B[i]
C.append(s)
Calculons sa complexité, on suppose deg A É n et deg B É n : il faut faire l’addition des

coefficients a i + b i , pour i variant de 0 à n : donc la complexité est de n + 1 additions (dans
Z ou R).
2. Pour le produit il faut se rappeler que si A(X ) = m
P i Pn j
i =0 a i X , B(X ) = j =0 b j X et C = A × B =
P m+ n
c X k alors le k-ème coefficient de C est c k = i+ j=k a i × b j . Dans la pratique on fait
P
k=0 k
attention de ne pas accéder à des coefficients qui n’ont pas été définis.
def produit(A,B) :
C = []
for k in range(degre(A)+degre(B)+1) :
s = 0
for i in range(k+1) :
if (i <= degre(A)) and (k-i <= degre(B)) :
s = s + A[i]*B[k-i]
C.append(s)
return C
Pour la complexité on commence par compter le nombre de multiplications (dans Z ou R).

Notons m = deg A et n = deg B. Alors il faut multiplier les m + 1 coefficients de A par les n + 1
coefficients de B : il y a donc (m + 1)(n + 1) multiplications.
Comptons maintenant les additions : les coefficients de A × B sont : c 0 = a 0 b 0 , c 1 = a 0 b 1 +
a 1 b 0 , c 2 = a 2 b 0 + a 1 b 1 + a 2 b 0 ,...
Nous utilisons l’astuce suivante : nous savons que le produit A × B est de degré m + n donc a
(au plus) m + n + 1 coefficients. Partant de (m + 1)(n + 1) produits, chaque addition regroupe
deux termes, et nous devons arriver à m + n + 1 coefficients. Il y a donc (m + 1)(n + 1) − (m +
n + 1) = mn additions.
3. Pour la division euclidienne, le principe est de poser une division de polynôme. Par exemple
pour A = 2X 4 − X 3 − 2X 2 + 3X − 1 et B = X 2 − X + 1.
2X 4 − X 3 − 2X 2 + 3X − 1 X2 − X +1
− 2X 4 − 2X 3 + 2X 2
X 3 − 4X 2 + 3X − 1 2X 2 + X − 3
− X3 − X2 + X
−3X 2 + 2X − 1
− −3X 2 + 3X − 3
−X + 2
Alors on cherche quel monôme P1 fait diminuer le degré de A − P1 B, c’est 2X 2 (le coefficient 2
est le coefficient dominant de A). On pose ensuite R 1 = A − P1 B = X 3 − 4X 2 + 3X − 1, Q 1 = 2X 2 ,
on recommence avec R 1 divisé par B, R 2 = R 1 − P2 B avec P2 = X , Q 2 = Q 1 + P2 ,... On arrête
lorsque deg R i < deg B.
def division(A,B) :
Q = [0] # Quotient
R = A # Reste
while (degre(R) >= degre(B)) :
P = monome(R[degre(R)],degre(R)-degre(B))
R = somme(R,produit(-P,B))
Q = somme(Q,P)
return Q,R
C’est une version un peu simplifiée du code : où P = r n X deg R −deg B et où il faut remplacer
−P par [−a 0 , −a 1 , ...]. Si A, B ∈ Z[X ] alors le fait que B soit unitaire implique que Q et R sont
aussi à coefficients entiers.
Quelle est la complexité de la division euclidienne ? À chaque étape on effectue une multi-
plication de polynômes (P i × B) puis une addition de polynôme (R i − P i B) ; à chaque étape le
degré de R i diminue (au moins) de 1. Donc il y a au plus deg A − deg B + 1 étapes.
Mais dans la pratique c’est plus simple que cela. La multiplication P i × B est très simple :
car P i est un monôme P i = p i X i . Multiplier par X i c’est juste un décalage d’indice (comme
multiplier par 10 i en écriture décimale) c’est donc une opération négligeable. Il reste donc à
multiplier les coefficients de B par p i : il y a donc deg B + 1 multiplications de coefficients.
La soustraction aussi est assez simple on retire à R i un multiple de B, donc on a au plus
deg B + 1 coefficients à soustraire : il y a à chaque étape deg B + 1 additions de coefficients.
Bilan : si m = deg A et n = deg B alors la division euclidienne s’effectue en au plus (m − n +
1)(m + 1) multiplications et le même nombre d’additions (dans Z ou R).
6.3. Algorithme de Karatsuba

Pour diminuer la complexité de la multiplication de polynômes, on va utiliser un paradigme très
classique de programmation : « diviser pour régner ». Pour cela, on va décomposer les polynômes
à multiplier P et Q de degrés strictement inférieurs à 2n en
P = P1 + P2 · X n et Q = Q1 + Q2 · X n
avec les degrés de P1 , P2 , Q 1 et Q 2 strictement inférieurs à n.
1. Écrire une formule qui réduit la multiplication des polynômes P et Q de degrés stricte-
ment inférieurs à 2n en multiplications de polynômes de degrés strictement inférieurs
à n.
2. Programmer un algorithme récursif de multiplication qui utilise la formule précédente.
Quelle est sa complexité ?
3. On peut raffiner cette méthode avec la remarque suivante de Karatsuba : le terme
intermédiaire de P · Q s’écrit
P1 · Q 2 + P2 · Q 1 = (P1 + P2 ) · (Q 1 + Q 2 ) − P1 Q 1 − P2 Q 2
Comme on a déjà calculé P1 Q 1 et P2 Q 2 , on échange deux multiplications et une addition

(à gauche) contre une multiplication et quatre additions (à droite). Écrire une fonction
qui réalise la multiplication de polynômes à la Karatsuba.
4. Trouver la formule de récurrence qui définit la complexité de la multiplication de Karat-
suba. Quelle est sa solution ?
1. Il suffit de développer le produit (P1 + X n P2 ) · (Q 1 + X n Q 2 ) :
(P1 + X n P2 ) · (Q 1 + X n Q 2 ) = P1 Q 1 + X n · (P1 Q 2 + P2 Q 1 ) + X 2n · P2 Q 2
On se ramène ainsi aux quatre multiplications P1 Q 1 , P1 Q 2 , P2 Q 1 et P2 Q 2 entre polynômes

de degrés strictement inférieurs à n, plus deux multiplications par X n et X 2n qui ne sont
que des ajouts de zéros en tête de liste.
2. On sépare les deux étapes de l’algorithme : d’abord la découpe des polynômes (dans laquelle
il ne faut pas oublier de donner n en argument car ce n’est pas forcément le milieu du poly-
nôme, n doit être le même pour P et Q). Le découpage P1,P2 = decoupe(P,n) correspond à
l’écriture P = P1 + X n P2 .
def decoupe(P,n) :
if (degre(P)<n) : return P, [0]
else : return P[0 :n], P[n :]
On a aussi besoin d’une fonction produit_monome(P,n) qui renvoie le polynôme X n · P

par un décalage. Voici la multiplication proprement dite avec les appels récursifs et leur
combinaison.
def produit_assez_rapide(P,Q) :
p = degre(P) ; q = degre(Q)
if (p == 0) : return [P[0]*k for k in Q] # Condition initiale : P=cst
if (q == 0) : return [Q[0]*k for k in P] # Condition initiale : Q=cst
n = (max(p,q)+1)//2 # demi-degré
P1,P2 = decoupe(P,n) # decoupages
Q1,Q2 = decoupe(Q,n)
P1Q1 = produit_assez_rapide(P1,Q1) # produits en petits degrés
P2Q2 = produit_assez_rapide(P2,Q2)
R1 = produit_monome(somme(P1Q2,P2Q1),n) # décalages
R2 = produit_monome(P2Q2,2*n)
return somme(P1Q1,somme(R1,R2)) # sommes
La relation de récurrence qui exprime la complexité de cet algorithme est C(n) = 4C(n/2) +
O(n) et elle se résout en C(n) = O(n2 ). Voir la question suivante pour une méthode de résolu-
tion.
3.
def produit_rapide(P,Q) :
p = degre(P) ; q = degre(Q)
if (p == 0) : return [P[0]*k for k in Q] # Condition initiale : P=cst
if (q == 0) : return [Q[0]*k for k in P] # Condition initiale : Q=cst
n = (max(p,q)+1)//2 # demi-degré
P1,P2 = decoupe(P,n) # decoupages
Q1,Q2 = decoupe(Q,n)
P1Q1 = produit_rapide(P1,Q1) # produits en petits degrés
P2Q2 = produit_rapide(P2,Q2)
PQ = produit_rapide(somme(P1,P2),somme(Q1,Q2))
R1 = somme(PQ,somme([-k for k in P1Q1],[-k for k in P2Q2]))
R1 = produit_monome(R1,n) # décalages
R2 = produit_monome(P2Q2,2*n)
return somme(P1Q1,somme(R1,R2)) # sommes
4. Notons C(n) la complexité de la multiplication entre deux polynômes de degrés strictement

inférieurs à n. En plus des trois appels récursifs, il y a des opérations linéaires : deux calculs
de degrés, deux découpes en n/2 puis des additions : deux de taille n/2, une de taille n, une
de taille 3n/2 et une de taille 2n. On obtient donc la relation de récurrence suivante :
C(n) = 3 · C(n/2) + γ n
15 C (2` ) ¡ 2 ¢`
où γ = 2 . Une méthode de résolution est de poser α` = 3`
qui vérifie α` = α`−1 + γ 3 .
D’où on tire, puisque α0 = C(1) = 1,

Ã µ ¶`+1 !
X̀ 2 k 2
µ ¶
α` = γ + α0 = 3γ 1 − +1−γ
k=1 3 3
puis pour n = 2` :
ln 3 ln 3
C(n) = C(2` ) = 3` α` = γ(3`+1 − 2`+1 ) + (1 − γ)3` = O(3` ) = O(2` ln 2 ) = O(n ln 2 )
ln 3
La complexité de la multiplication de Karatsuba est donc O(n ln 2 ) ' O(n1.585 ).
6.4. Optimiser ses algorithmes

Voici quelques petites astuces pour accélérer l’écriture ou la vitesse des algorithmes :
– k ** 3 au lieu de k * k * k (cela économise de la mémoire, une seule variable au lieu de 3)
;
– k ** 2 <= n au lieu de k <= sqrt(n) (les calculs avec les entiers sont beaucoup plus ra-
pides qu’avec les réels) ;
– x += 1 au lieu de x = x +1 (gain de mémoire) ;
– a,b = a+b, a-b au lieu de newa = a+b ; newb = a-b ; a = newa ; b = newb (gain
de mémoire, code plus court).
Cependant il ne faut pas que cela nuise à la lisibilité du code : il est important que quelqu’un
puisse relire et modifier votre code. Le plus souvent c’est vous même qui modifierez les algorithmes
qui vous avez écrits et vous serez ravi d’y trouver des commentaires clairs et précis !
Mini-exercices
1. Faire une fonction qui renvoie le pgcd de deux polynômes.

2. Comparer les complexités des deux méthodes suivantes pour évaluer un polynôme ³ P
n−1 n
en une valeur x0 ∈ R : P(x0 ) = a 0 + a 1 x0 + · · · + a n−1 x0 + a n x0 et P(x0 ) = a 0 + x0 a 1 +
¡ ¢´
x0 a 2 + · · · + x0 (a n−1 + a n x0 ) (méthode de Horner).
3. Comment trouver le maximum d’une liste ? Montrer que votre méthode est de com-
plexité minimale (en terme du nombre de comparaisons).
4. Soit f : [a, b] → R une fonction continue vérifiant f (a) · f (b) É 0. Combien d’itérations de
la méthode de dichotomie sont nécessaires pour obtenir une racine de f (x) = 0 avec une
précision inférieure à ε ?
5. Programmer plusieurs façons de calculer les coefficients du binôme de Newton nk et les
¡ ¢
comparer.
6. Trouver une méthode de calcul de 2n qui utilise peu de multiplications. On commencera
par écrire n en base 2.
Auteurs

Relecture : Jean-François Barraud
Remerciements à Lionel Rieg pour son tp sur l’algorithme de Karatsuba
Exo7
19 Cryptographie
1 Le chirement de César
2 Le chirement de Vigenère
3 La machine Enigma et les clés secrètes
4 La cryptographie à clé publique
5 L'arithmétique pour RSA
6 Le chirement RSA
Vidéo ■ partie 1. Le chiffrement de César

Vidéo ■ partie 2. Le chiffrement de Vigenère
Vidéo ■ partie 3. La machine Enigma et les clés secrètes
Vidéo ■ partie 4. La cryptographie à clé publique
Vidéo ■ partie 5. L'arithmétique pour RSA
Vidéo ■ partie 6. Le chiffrement RSA
1. Le chiffrement de César
1.1. César a dit...
Jules César a-t-il vraiment prononcé la célèbre phrase :
DOHD MDFWD HVW
ou bien comme le disent deux célèbres Gaulois : « Ils sont fous ces romains ! ».
En fait César, pour ses communications importantes à son armée, cryptait ses messages. Ce que
l’on appelle le chiffrement de César est un décalage des lettres : pour crypter un message, A
devient D, B devient E, C devient F,...
A 7−→ D B 7−→ E C 7−→ F ... W 7−→ Z X 7−→ A Y 7−→ B Z 7−→ C
Voici une figure avec l’alphabet d’origine en haut et en rouge, en correspondance avec l’alphabet
pour le chiffrement en-dessous et en vert.
Nous adopterons la convention suivante, en vert c’est la partie du message à laquelle tout le
monde a accès (ou qui pourrait être intercepté), c’est donc le message crypté. Alors qu’en rouge
c’est la partie du message confidentiel, c’est le message en clair.
Cryptographie 359
Pour prendre en compte aussi les dernières lettres de l’alphabet, il est plus judicieux de représenté
l’alphabet sur un anneau. Ce décalage est un décalage circulaire sur les lettres de l’alphabet.
Pour déchiffrer le message de César, il suffit de décaler les lettres dans l’autre sens, D se déchiffre
en A, E en B,...
Et la célèbre phrase de César est :
ALEA JACTA EST
qui traduite du latin donne « Les dés sont jetés ».
1.2. Des chiffres et des lettres

Il est plus facile de manipuler des nombres que des lettres, aussi nous passons à une formulation
mathématique. Nous associons à chacune des 26 lettres de A à Z un nombre de 0 à 25. En termes
mathématiques, nous définissons une bijection :
© ª © ª
f : A, B, C, . . . , Z −→ 0, 1, 2, . . . , 25
par
A 7−→ 0 B 7−→ 1 C 7−→ 2 ... Z 7−→ 25
Ainsi "A L E A" devient "0 11 4 0".

Le chiffrement de César est un cas particulier de chiffrement mono-alphabétique, c’est-à-dire
un chiffrement lettre à lettre.
Quel est l’intérêt ? Nous allons voir que le chiffrement de César correspond à une opération
mathématique très simple. Pour cela, rappelons la notion de congruence et l’ensemble Z/26Z.
1.3. Modulo
Soit n Ê 2 un entier fixé.
Définition 100
On dit que a est congru à b modulo n, si n divise b − a. On note alors
a ≡ b (mod n).
Pour nous n = 26. Ce qui fait que 28 ≡ 2 (mod 26), car 28 − 2 est bien divisible par 26. De même
85 = 3 × 26 + 7 donc 85 ≡ 7 (mod 26).
On note Z/26Z l’ensemble de tous les éléments de Z modulo 26. Cet ensemble peut par exemple
être représenté par les 26 éléments {0, 1, 2, . . . , 25}. En effet, puisqu’on compte modulo 26 :
0, 1, 2, . . . , 25, puis 26 ≡ 0, 27 ≡ 1, 28 ≡ 2, . . . , 52 ≡ 0, 53 ≡ 1, . . .
Cryptographie 360
et de même −1 ≡ 25, −2 ≡ 24,...
Plus généralement Z/nZ contient n éléments. Pour un entier a ∈ Z quelconque, son représentant
dans {0, 1, 2, . . . , n − 1} s’obtient comme le reste k de la division euclidienne de a par n : a = bn + k.
De sorte que a ≡ k (mod n) et 0 É k < n.
De façon naturelle l’addition et la multiplication d’entiers se transposent dans Z/nZ.
Pour a, b ∈ Z/nZ, on associe a + b ∈ Z/nZ.

Par exemple dans Z/26Z, 15 + 13 égale 2. En effet 15 + 13 = 28 ≡ 2 (mod 26). Autre exemple : que
vaut 133 + 64 ? 133 + 64 = 197 = 7 × 26 + 15 ≡ 15 (mod 26). Mais on pourrait procéder différemment
: tout d’abord 133 = 5 × 26 + 3 ≡ 3 (mod 26) et 64 = 2 × 26 + 12 ≡ 12 (mod 26). Et maintenant sans
calculs : 133 + 64 ≡ 3 + 12 ≡ 15 (mod 26).
On fait de même pour la multiplication : pour a, b ∈ Z/nZ, on associe a × b ∈ Z/nZ.

Par exemple 3 × 12 donne 10 modulo 26, car 3 × 12 = 36 = 1 × 26 + 10 ≡ 10 (mod 26). De même :
3 × 27 = 81 = 3 × 26 + 3 ≡ 3 (mod 26). Une autre façon de voir la même opération est d’écrire d’abord
27 = 1 (mod 26) puis 3 × 27 ≡ 3 × 1 ≡ 3 (mod 26).
1.4. Chiffrer et déchiffrer

Le chiffrement de César est simplement une addition dans Z/26Z ! Fixons un entier k qui est
le décalage (par exemple k = 3 dans l’exemple de César ci-dessus) et définissons la fonction de
chiffrement de César de décalage k qui va de l’ensemble Z/26Z dans lui-même :
(
Z/26Z −→ Z/26Z
Ck :
x 7−→ x+ k
Par exemple, pour k = 3 : C 3 (0) = 3, C 3 (1) = 4. . .

Pour déchiffrer, rien de plus simple ! Il suffit d’aller dans l’autre sens, c’est-à-dire ici de soustraire.
La fonction de déchiffrement de César de décalage k est
(
Z/26Z −→ Z/26Z
Dk :
x 7−→ x− k
En effet, si 1 a été chiffré en 4, par la fonction C 3 alors D 3 (4) = 4 − 3 = 1. On retrouve le nombre

original. Mathématiquement, D k est la bijection réciproque de C k , ce qui implique que pour tout
x ∈ Z/26Z :
¡ ¢
D k C k (x) = x
En d’autres termes, si x est un nombre, on applique la fonction de chiffrement pour obtenir le

nombre crypté y = C k (x) ; ensuite la fonction de déchiffrement fait bien ce que l’on attend d’elle
D k (y) = x, on retrouve le nombre original x.
Ck
Z/26Z Z/26Z
Dk
Cryptographie 361
Une autre façon de voir la fonction de déchiffrement est de remarquer que D k (x) = C −k (x). Par
exemple C −3 (x) = x + (−3) ≡ x + 23 (mod 26).
Voici le principe du chiffrement : Alice veut envoyer des messages secrets à Bruno. Ils se sont
d’abord mis d’accord sur une clé secrète k, par exemple k = 11. Alice veut envoyer le message
"COUCOU" à Bruno. Elle transforme "COUCOU" en "2 14 20 2 14 20". Elle applique la fonction
de chiffrement C 11 (x) = x + 11 à chacun des nombres : "13 25 5 13 25 5" ce qui correspond au mot
crypté "NZFNZF". Elle transmet le mot crypté à Bruno, qui selon le même principe applique la
fonction de déchiffrement D 11 (x) = x − 11.
ALICE BRUNO
COUCOU NZFNZF NZFNZF COUCOU
Ck Dk
2 14 20 2 14 20 13 25 5 13 25 5 13 25 5 13 25 5 2 14 20 2 14 20
Exemple 211
Un exemple classique est le "rot13" (pour rotation par un décalage de 13) :
C 13 (x) = x + 13
et comme −13 ≡ 13 (mod 26) alors D 13 (x) = x + 13. La fonction de déchiffrement est la même
que la fonction de chiffrement !
Exemple : déchiffrez le mot "PRFNE".
Notons ici deux points importants pour la suite : tout d’abord nous avons naturellement considéré
un mot comme une succession de lettres, et chaque opération de chiffrement et déchiffrement
s’effectue sur un bloc d’une seule lettre. Ensuite nous avons vu que chiffrer un message est une
opération mathématique (certes sur un ensemble un peu spécial).
1.5. Espace des clés et attaque

Combien existe-t-il de possibilités de chiffrement par la méthode de César ? Il y a 26 fonctions C k
différentes, k = 0, 1, . . . , 25. Encore une fois, k appartient à Z/26Z, car par exemple les fonctions C 29
et C 3 sont identiques. Le décalage k s’appelle la clé de chiffrement, c’est l’information nécessaire
pour crypter le message. Il y a donc 26 clés différentes et l’espace des clés est Z/26Z.
Il est clair que ce chiffrement de César est d’une sécurité très faible. Si Alice envoie un message
secret à Bruno et que Chloé intercepte ce message, il sera facile pour Chloé de le décrypter même
si elle ne connaît pas la clé secrète k. L’attaque la plus simple pour Chloé est de tester ce que
donne chacune des 26 combinaisons possibles et de reconnaître parmi ces combinaisons laquelle
donne un message compréhensible.
1.6. Algorithmes
Les ordinateurs ont révolutionné la cryptographie et surtout le décryptage d’un message intercepté.
Nous montrons ici, à l’aide du langage Python comment programmer et attaquer le chiffrement de
César. Tout d’abord la fonction de chiffrement se programme en une seule ligne :
Cryptographie 362
Algorithme . cesar.py (1)
def cesar_chiffre_nb(x,k) :
return (x+k)%26
Ici x est un nombre de {0, 1, . . . , 25} et k est le décalage. (x+k)%26 renvoie le reste modulo 26 de la
somme (x+k). Pour le décryptage, c’est aussi simple :
def cesar_dechiffre_nb(x,k) :
return (x-k)%26
Pour chiffrer un mot ou un phrase, il n’y a pas de problèmes théoriques, mais seulement des
difficultés techniques :
– Un mot ou une phrase est une chaîne de caractères, qui en fait se comporte comme une liste.
Si mot est une chaîne alors mot[0] est la première lettre, mot[1] la deuxième lettre... et la
boucle for lettre in mot : permet de parcourir chacune des lettres.
– Pour transformer une lettre en un nombre, on utilise le code Ascii qui à chaque caractère
associe un nombre, ord(A) vaut 65, ord(B) vaut 66... Ainsi (ord(lettre) - 65) renvoie le
rang de la lettre entre 0 et 25 comme nous l’avons fixé dès le départ.
– La transformation inverse se fait par la fonction char : char(65) renvoie le caractère A,
char(66) renvoie B...
– Pour ajouter une lettre à une liste, faites maliste.append(lettre). Enfin pour transformer
une liste de caractères en une chaîne, faites "".join(maliste).
Ce qui donne :
def cesar_chiffre_mot(mot,k) :
message_code = [] # Liste vide
for lettre in mot : # Pour chaque lettre
nb = ord(lettre)-65 # Lettre devient nb de 0 à 25
nb_crypte = cesar_chiffre(nb,k) # Chiffrement de César
lettre_crypte = chr(nb_crypte+65) # Retour aux lettres
message_code.append(lettre_crypte) # Ajoute lettre au message
message_code = "".join(message_code) # Revient à chaine caractères
return(message_code)
Pour l’attaque on parcourt l’intégralité de l’espace des clés : k varie de 0 à 25. Noter que pour
décrypter les messages on utilise ici simplement la fonction de César avec la clé − k.
Cryptographie 363
def cesar_attaque(mot) :
for k in range(26) :
print(cesar_chiffre_mot(mot,-k))
return None
2. Le chiffrement de Vigenère
2.1. Chiffrement mono-alphabétique
Principe
Nous avons vu que le chiffrement de César présente une sécurité très faible, la principale raison
est que l’espace des clés est trop petit : il y a seulement 26 clés possibles, et on peut attaquer un
message chiffré en testant toutes les clés à la main.
Au lieu de faire correspondre circulairement les lettres, on associe maintenant à chaque lettre une
autre lettre (sans ordre fixe ou règle générale).
Par exemple :
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
F Q B M X I T E P A L W H S D O Z K V G R C N Y J U
Pour crypter le message

ETRE OU NE PAS ETRE TELLE EST LA QUESTION
on regarde la correspondance et on remplace la lettre E par la lettre X, puis la lettre T par la lettre
G, puis la lettre R par la lettre K...
Le message crypté est alors :
XGKX DR SX OFV XGKX GXWWX XVG WF ZRXVGPDS
Pour le décrypter, en connaissant les substitutions, on fait l’opération inverse.
Avantage : nous allons voir que l’espace des clés est gigantesque et qu’il n’est plus question
d’énumérer toutes les possibilités.
Inconvénients : la clé à retenir est beaucoup plus longue, puisqu’il faut partager la clé consti-
tuée des 26 lettres "FQBMX...". Mais surtout, nous allons voir que finalement ce protocole de
chiffrement est assez simple à « craquer ».
Espace des clés

© ª
Mathématiquement, le choix d’une clé revient au choix d’une bijection de l’ensemble A, B, . . . , Z
© ª
vers le même ensemble A, B, . . . , Z . Il y a 26! choix possibles. En effet pour la lettre A de l’ensemble
de départ, il y a 26 choix possibles (nous avions choisi F), pour B il reste 25 choix possibles (tout
sauf F qui est déjà choisi), pour C il reste 24 choix... enfin pour Z il ne reste qu’une seule possibilité,
la seule lettre non encore choisie. Au final il y a : 26 × 25 × 24 × · · · × 2 × 1 soit 26! choix de clés. Ce
qui fait environ 4 × 1026 clés. Il y a plus de clés différentes que de grains de sable sur Terre ! Si un
ordinateur pouvait tester 1 000 000 de clés par seconde, il lui faudrait alors 12 millions d’années
pour tout énumérer.
Cryptographie 364
Attaque statistique
La principale faiblesse du chiffrement mono-alphabétique est qu’une même lettre est toujours
chiffrée de la même façon. Par exemple, ici E devient X. Dans les textes longs, les lettres n’ap-
paraissent pas avec la même fréquence. Ces fréquences varient suivant la langue utilisée. En
français, les lettres les plus rencontrées sont dans l’ordre :
ESAINTRULODCPMVQGFHBXJYZKW
avec les fréquences (souvent proches et dépendant de l’échantillon utilisé) :
E S A I N T R U L O D
14.69% 8.01% 7.54% 7.18% 6.89% 6.88% 6.49% 6.12% 5.63% 5.29% 3.66%
Voici la méthode d’attaque : dans le texte crypté, on cherche la lettre qui apparaît le plus, et si
le texte est assez long cela devrait être le chiffrement du E, la lettre qui apparaît ensuite dans
l’étude des fréquences devrait être le chiffrement du S, puis le chiffrement du A... On obtient
des morceaux de texte clair sous la forme d’une texte à trous et il faut ensuite deviner les lettres
manquantes.
Par exemple, déchiffrons la phrase :

LHLZ HFQ BC HFFPZ WH YOUPFH MUPZH
On compte les apparitions des lettres :
H :6 F :4 P :3 Z :3
On suppose donc que le H crypte la lettre E, le F la lettre S, ce qui donne
*E** ES* ** ESS** *E ***SE ****E
D’après les statistiques P et Z devraient se décrypter en A et I (ou I et A). Le quatrième mot
"HFFPZ", pour l’instant décrypté en "ESS**", se complète donc en "ESSAI" ou "ESSIA". La
première solution semble correcte ! Ainsi P crypte A, et Z crypte I. La phrase est maintenant :
*E*I ES* ** ESSAI *E ***ASE **AIE
En réfléchissant un petit peu, on décrypte le message :
CECI EST UN ESSAI DE PHRASE VRAIE
2.2. Le chiffrement de Vigenère

Blocs
L’espace des clés du chiffrement mono-alphabétique est immense, mais le fait qu’une lettre soit
toujours cryptée de la même façon représente une trop grande faiblesse. Le chiffrement de Vigenère
remédie à ce problème. On regroupe les lettres de notre texte par blocs, par exemple ici par blocs
de longueur 4 :
CETTE PHRASE NE VEUT RIEN DIRE
devient
CETT EPHR ASEN EVEU TRIE NDIR E
(les espaces sont purement indicatifs, dans la première phrase ils séparent les mots, dans la
seconde ils séparent les blocs).
Si k est la longueur d’un bloc, alors on choisit une clé constituée de k nombres de 0 à 25 :
(n 1 , n 2 , . . . , n k ). Le chiffrement consiste à effectuer un chiffrement de César, dont le décalage dépend
du rang de la lettre dans le bloc :
– un décalage de n 1 pour la première lettre de chaque bloc,
– un décalage de n 2 pour la deuxième lettre de chaque bloc,
– ...
– un décalage de n k pour la k-ème et dernière lettre de chaque bloc.
Cryptographie 365
Pour notre exemple, si on choisit comme clé (3, 1, 5, 2) alors pour le premier bloc "CETT" :
– un décalage de 3 pour C donne F,
– un décalage de 1 pour E donne F,
– un décalage de 5 pour le premier T donne Y,
– un décalage de 2 pour le deuxième T donne V.
Ainsi "CETT" de vient "FFYV". Vous remarquez que les deux lettres T ne sont pas cryptées par
la même lettre et que les deux F ne cryptent pas la même lettre. On continue ensuite avec le
deuxième bloc...
Mathématiques
L’élément de base n’est plus une lettre mais un bloc, c’est-à-dire un regroupement de lettres. La
fonction de chiffrement associe à un bloc de longueur k, un autre bloc de longueur k, ce qui donne
en mathématisant les choses :
(
Z/26Z × Z/26Z × · · · × Z/26Z −→ Z/26Z × Z/26Z × · · · × Z/26Z
C n1 ,n2 ,...,n k :
(x1 , x2 , . . . , xk ) 7−→ (x1 + n 1 , x2 + n 2 , . . . , xk + n k )
Chacune des composantes de cette fonction est un chiffrement de César. La fonction de déchiffre-
ment est juste C −n1 ,−n2 ,...,−n k .
Espace des clés et attaque
Il y a 26k choix possibles de clés, lorsque les blocs sont de longueur k. Pour des blocs de longueur
k = 4 cela en donne déjà 456 976, et même si un ordinateur teste toutes les combinaisons possibles
sans problème, il n’est pas question de parcourir cette liste pour trouver le message en clair, c’est-
à-dire celui qui est compréhensible !
Il persiste tout de même une faiblesse du même ordre que celle rencontrée dans le chiffrement
mono-alphabétique : la lettre A n’est pas toujours cryptée par la même lettre, mais si deux lettres
A sont situées à la même position dans deux blocs différents (comme par exemple "ALPH ABET")
alors elles seront cryptées par la même lettre.
Une attaque possible est donc la suivante : on découpe notre message en plusieurs listes, les
premières lettres de chaque bloc, les deuxièmes lettres de chaque bloc... et on fait une attaque
statistique sur chacun de ces regroupements. Ce type d’attaque n’est possible que si la taille des
blocs est petite devant la longueur du texte.
2.3. Algorithmes
Voici un petit algorithme qui calcule la fréquence de chaque lettre d’une phrase.
Algorithme . statistiques.py
def statistiques(phrase) :
liste_stat = [0 for x in range(26)] # Une liste avec des 0
for lettre in phrase : # On parcourt la phrase
i = ord(lettre)-65
if 0 <= i < 26 : # Si c'est une vraie lettre
liste_stat[i] = liste_stat[i] + 1
return(liste_stat)
Cryptographie 366
Et voici le chiffrement de Vigenère.

Algorithme . vigenere.py
def vigenere(mot,cle) : # Clé est du type [n_1,...,n_k]

message_code = []
k = len(cle) # Longueur de la clé
i = 0 # Rang dans le bloc
for lettre in mot : # Pour chaque lettre
nomb = ord(lettre)-65 # Lettre devient nb de 0 à 25
nomb_code = (nomb+cle[i]) % 26 # Vigenère : on ajoute n_i
lettre_code = chr(nomb_code+65) # On repasse aux lettres
i=(i+1) % k # On passe au rang suivant
message_code.append(lettre_code) # Ajoute lettre au message
message_code = "".join(message_code) # Revient à chaine caractères
return(message_code)
3. La machine Enigma et les clés secrètes

3.1. Un secret parfait
L’inconvénient des chiffrements précédents est qu’une même lettre est régulièrement chiffrée de
la même façon, car la correspondance d’un alphabet à un ou plusieurs autres est fixée une fois
pour toutes, ce qui fait qu’une attaque statistique est toujours possible. Nous allons voir qu’en
changeant la correspondance à chaque lettre, il est possible de créer un chiffrement parfait !
Expliquons d’abord le principe à l’aide d’une analogie : j’ai choisi deux entiers m et c tels que
m + c = 100. Que vaut m ? C’est bien sûr impossible de répondre car il y a plusieurs possibilités :
0 + 100, 1 + 99, 2 + 98,... Par contre, si je vous donne aussi c alors vous trouvez m immédiatement
m = 100 − c.
Voici le principe du chiffrement : Alice veut envoyer à Bruno le message secret M suivant :
ATTAQUE LE CHATEAU
Alice a d’abord choisi une clé secrète C qu’elle a transmise à Bruno. Cette clé secrète est de la
même longueur que le message (les espaces ne comptent pas) et composée d’entiers de 0 à 25, tirés
au hasard. Par exemple C :
[4, 18, 2, 0, 21, 12, 18, 13, 7, 11, 23, 22, 19, 2, 16, 9]
Elle crypte la première lettre par un décalage de César donné par le premier entier : A est décalé
de 4 lettres et devient donc E. La seconde lettre est décalée du second entier : le premier T devient
L. Le second T est lui décalé de 2 lettres, il devient V. Le A suivant est décalé de 0 lettre, il reste
A... Alice obtient un message chiffré X qu’elle transmet à Bruno :
ELVALGW YL NEWMGQD
Pour le décrypter, Bruno, qui connaît la clé, n’a qu’à faire le décalage dans l’autre sens.
Notez que deux lettres identiques (par exemples les T) n’ont aucune raison d’être cryptées de la
même façon. Par exemple, les T du message initial sont cryptés dans l’ordre par un L, un V et un
M.
Formalisons un peu cette opération. On identifie A avec 0, B avec 1, ..., Z avec 25. Alors le message
crypté X est juste la "somme" du message M avec la clé secrète C, la somme s’effectuant lettre à
Cryptographie 367
lettre, terme à terme, modulo 26.

Notons cette opération M ⊕ C = X .
A T T A Q U E L E C H A T E A U
0 19 19 0 16 20 4 11 4 2 7 0 19 4 0 20
⊕
4 18 2 0 21 12 18 13 7 11 23 22 19 2 16 9
= 4 11 21 0 11 6 22 24 11 13 4 22 12 6 16 3
E L V A L G W Y L N E W M G Q D
Bruno reçoit X et connaît C, il effectue donc X ª C = M.

Pourquoi ce système est-il inviolable ? Pour chacune des lettres, c’est exactement le même problème
que trouver m, sachant que m + c = x (où x = 100), mais sans connaître c. Toutes les possibilités
pour m pourraient être juste. Et bien sûr, dès que l’on connaît c, la solution est triviale : m = x − c.
Il y a trois principes à respecter pour que ce système reste inviolable :
1. La longueur de la clé est égale à la longueur du message.
2. La clé est choisie au hasard.
3. La clé ne sert qu’une seule fois.
Ce système appelé "masque jetable" ou chiffrement de Vernam est parfait en théorie, mais sa
mise en œuvre n’est pas pratique du tout ! Tout d’abord il faut que la clé soit aussi longue que le
message. Pour un message court cela ne pose pas de problème, mais pour envoyer une image par
exemple cela devient très lourd. Ensuite, il faut trouver un moyen sûr d’envoyer la clé secrète à
son interlocuteur avant de lui faire parvenir le message. Et il faut recommencer cette opération à
chaque message, ou bien se mettre d’accord dès le départ sur un carnet de clés : une longue liste
de clés secrètes.
Pour justifier que ce système est vraiment inviolable voici une expérience amusante : Alice veut
envoyer le message M ="ATTAQUE LE CHATEAU" à Bruno, elle choisit la clé secrète C=[4, 18,
2, 0,...] comme ci-dessus et obtient le message chiffré X ="ELVA..." qu’elle transmet à Bruno.
Alice se fait kidnapper par Chloé, qui veut l’obliger à déchiffrer son message. Heureusement, Alice
a anticipé les soucis : elle a détruit le message M, la clé secrète C et a créé un faux message M 0 et
une fausse clé secrète C 0 . Alice fournit cette fausse clé secrète C 0 à Chloé, qui déchiffre le message
par l’opération X ª C 0 et elle trouve le message bien inoffensif M 0 :
RECETTE DE CUISINE
Alice est innocentée !
Comment est-ce possible ? Alice avait au préalable préparé un message neutre M 0 de même
longueur que M et calculé la fausse clé secrète C 0 = X ª M 0 . Chloé a obtenu (par la contrainte) X
et C 0 , elle déchiffre le message ainsi
X ª C 0 = X ª (X ª M 0 ) = (X ª X ) ⊕ M 0 = M 0
Chloé trouve donc le faux message.

Ici la fausse clé C 0 est :
[13, 7, 19, 22, 18, 13, 18, 21, 7, 11, 10, 14, 20, 24, 3, 25]
La première lettre du message chiffré est un E, en reculant de 13 lettres dans l’alphabet, elle se
déchiffre en R...
Cryptographie 368
3.2. La machine Enigma

Afin de s’approcher de ce protocole de chiffrement parfait, il faut trouver un moyen de générer
facilement de longues clés, comme si elles avaient été générées au hasard. Nous allons étudier
deux exemples utilisés en pratique à la fin du siècle dernier, une méthode électro-mécanique : la
machine Enigma et une méthode numérique : le D E S .
La machine Enigma est une machine électro-mécanique qui ressemble à une machine à écrire.
Lorsque qu’une touche est enfoncée, des disques internes sont actionnés et le caractère crypté
s’allume. Cette machine, qui sert aussi au déchiffrement, était utilisée pour les communications
de l’armée allemande durant la seconde guerre mondiale. Ce que les Allemands ne savaient pas,
c’est que les services secrets polonais et britanniques avaient réussi à percer les secrets de cette
machine et étaient capables de déchiffrer les messages transmis par les allemands. Ce long travail
d’études et de recherches a nécessité tout le génie d’Alan Turing et l’invention de l’ancêtre de
l’ordinateur.
Nous symbolisons l’élément de base de la machine Enigma par deux anneaux :

– Un anneau extérieur contenant l’alphabet "ABCDE..." symbolisant le clavier de saisie des
messages. Cet anneau est fixe.
– Un anneau intérieur contenant un alphabet dans le désordre (sur la figure "GWQRU...").
Cet anneau est mobile et effectue une rotation à chaque touche tapée au clavier. Il représente
la clé secrète.
Voici, dans ce cas, le processus de chiffrement du mot "BAC", avec la clé de chiffrement "G" :
1. Position initiale. L’opérateur tourne l’anneau intérieur de sorte que le A extérieur et fixe
soit en face du G intérieur (et donc B en face de W).
Cryptographie 369
2. Première lettre. L’opérateur tape la première lettre du message : B, la machine affiche la

correspondance W.
3. Rotation. L’anneau intérieur tourne de 1/26ème de tour, maintenant le A extérieur et fixe
est en face du W, le B en face du Q,...
4. Deuxième lettre. L’opérateur tape la deuxième lettre du message A, la machine affiche la

correspondance, c’est de nouveau W.
5. Rotation. L’anneau intérieur tourne de 1/26ème de tour, maintenant le A extérieur et fixe
est en face du Q, le B en face du R, le C en face du U,...
6. Troisième lettre. L’opérateur tape la troisième lettre du message C, la machine affiche la

correspondance U.
7. Rotation. L’anneau intérieur effectue sa rotation.
8. Message chiffré. Le message crypté est donc "WWU"
Cette méthode de chiffrement est identique à un chiffrement de type Vigenère pour une clé de lon-
gueur 26. Il y a 26 clés différents à disposition avec un seul anneau intérieur et identifiées par lettre
de la position initiale : G, W, Q... T correspondant aux alphabets : "GWQ...PT", "WQR...TG",
"QRU...GW"...
En fait, la machine Enigma était beaucoup plus sophistiquée, il n’y avait pas un mais plusieurs
anneaux intérieurs. Par exemple pour deux anneaux intérieurs comme sur la figure : B s’envoie
sur W, qui s’envoie sur A ; la lettre B est cryptée en A. Ensuite l’anneau intérieur numéro 1
effectue 1/26ème de tour. La lettre A s’envoie sur W, qui s’envoie sur A ; la lettre A est cryptée en
Cryptographie 370
A. Lorsque l’anneau intérieur numéro 1 a fait une rotation complète (26 lettres ont été tapées) alors
l’anneau intérieur numéro 2 effectue 1/26ème de tour. C’est comme sur un compteur kilométrique,
lorsque le chiffre des kilomètres parcourt 0, 1, 2, 3, ..., 9, alors au kilomètre suivant, le chiffre des
kilomètres est 0 et celui des dizaines de kilomètres est augmenté d’une unité.
S’il y a trois anneaux, lorsque l’anneau intérieur 2 a fait une rotation complète, l’anneau intérieur
3 tourne de 1/26ème de tour. Il y a alors 263 clés différentes facilement identifiables par les trois
lettres des positions initiales des anneaux.
Il fallait donc pour utiliser cette machine, d’abord choisir les disques (nos anneaux intérieurs) les
placer dans un certain ordre, fixer la position initiale de chaque disque. Ce système était rendu
largement plus complexe avec l’ajout de correspondances par fichage entre les lettres du clavier
(voir photo). Le nombre de clés possibles dépassait plusieurs milliards de milliards !
3.3. La ronde des chiffres : DES

La machine Enigma génère mécaniquement un alphabet différent à chaque caractère crypté,
tentant de se rapprocher d’un chiffrement parfait. Nous allons voir une autre méthode, cette fois
numérique : le DES. Le DES (Data Encryption Standard) est un protocole de chiffrement par blocs.
Il a été, entre 1977 et 2001, le standard de chiffrement pour les organisations du gouvernement
des États-Unis et par extension pour un grand nombre de pays dans le monde.
Commençons par rappeler que l’objectif est de générer une clé aléatoire de grande longueur. Pour
ne pas avoir à retenir l’intégralité de cette longue clé, on va la générer de façon pseudo-aléatoire à
partir d’une petite clé.
Voyons un exemple élémentaire de suite pseudo-aléatoire.
Soit (u n ) la suite définie par la donnée de (a, b) et de u 0 et la relation de récurrence
u n+1 ≡ a × u n + b (mod 26).
Par exemple pour a = 2, b = 5 et u 0 = 6, alors les premiers termes de la suites sont :
6 17 13 5 15 9 23 25 3 11 1 7 19 17 13 5
Cryptographie 371
Les trois nombres (a, b, u 0 ) représentent la clé principale et la suite des (u n )n∈N les clés secondaires.
Avantages : à partir d’une clé principale on a généré une longue liste de clés secondaires. Inconvé-
nients : la liste n’est pas si aléatoire que cela, elle se répète ici avec une période de longueur 12 :
17, 13, 5, ..., 17, 13, 5, ...
Le système DES est une version sophistiquée de ce processus : à partir d’une clé courte et d’opéra-
tions élémentaires on crypte un message. Comme lors de l’étude de la machine Enigma, nous allons
présenter une version très simplifiée de ce protocole afin d’en expliquer les étapes élémentaires.
Pour changer, nous allons travailler modulo 10. Lorsque l’on travaille par blocs, les additions se
font bit par bit. Par exemple : [1 2 3 4] ⊕ [7 8 9 0] = [8 0 2 4] car (1 + 7 ≡ 8 (mod 10), 2 + 8 ≡ 0
(mod 10),...)
Notre message est coupé en blocs, pour nos explications ce seront des blocs de longueur 8. La clé
est de longueur 4.
Voici le message (un seul bloc) : M = [1 2 3 4 5 6 7 8] et voici la clé : C = [3 1 3 2].
Étape 0. Initialisation. On note M0 = M et on découpe M en une partie gauche et une partie

droite
M0 = [G 0 k D 0 ] = [1 2 3 4 k 5 6 7 8]
Étape 1. Premier tour. On pose
M1 = [D 0 k C ⊕ σ(G 0 )]
où σ est une permutation circulaire.

On effectue donc trois opérations pour passer de M0 à M1 :
1. On échange la partie droite et la partie gauche de M0 :
M0 7−→ [5 6 7 8 k 1 2 3 4]
2. Sur la nouvelle partie droite, on permute circulairement les nombres :
7−→ [5 6 7 8 k 2 3 4 1]
3. Puis on ajoute la clé secrète C à droite (ici C = [3 1 3 2]) :
7−→ [5 6 7 8 k 5 4 7 3] = M1
On va recommencer le même processus. Cela revient à appliquer la formule de récurrence, qui

partant de M i = [G i k D i ], définit
M i+1 = [D i k C ⊕ σ(G i )]
Étape 2. Deuxième tour. On part de M1 = [5 6 7 8 k 5 4 7 3].

1. On échange la partie droite et la partie gauche de M0 :
M0 7−→ [5 4 7 3 k 5 6 7 8]
2. Sur la nouvelle partie droite, on permute circulairement les nombres.
7−→ [5 4 7 3 k 6 7 8 5]
Cryptographie 372
3. Puis on ajoute la clé secrète C à droite.
7−→ [5 4 7 3 k 9 8 1 7] = M2
On peut décider de s’arrêter après ce tour et renvoyer le message crypté X = M2 = [5 4 7 3 9 8 1 7].

Comme chaque opération élémentaire est inversible, on applique un protocole inverse pour déchif-
frer.
Dans le vrai protocole du DES, la clé principale est de taille 64 bits, il y a plus de manipulations
sur le message et les étapes mentionnées ci-dessus sont effectuées 16 fois (on parle de tours). À
chaque tour, une clé différente est utilisée. Il existe donc un préambule à ce protocole : générer 16
clés secondaires (de longueur 48 bits) à partir de la clé principale, ce qui se fait selon le principe
de la suite pseudo-aléatoire (u n ) expliquée plus haut.
4. La cryptographie à clé publique

Les Grecs pour envoyer des messages secrets rasaient la tête du messager, tatouaient le message
sur son crâne et attendaient que les cheveux repoussent avant d’envoyer le messager effectuer sa
mission !
Il est clair que ce principe repose uniquement sur le secret de la méthode.
4.1. Le principe de Kerckhoffs

Cette méthode rudimentaire va à l’encontre du principe de Kerckhoffs. Le principe de Kerckhoffs
s’énonce ainsi :
«La sécurité d’un système de chiffrement ne doit reposer que sur la clé.»
Cela se résume aussi par :

«L’ennemi peut avoir connaissance du système de chiffrement.»
Voici le texte original d’Auguste Kerckhoffs de 1883 «La cryptographie militaire» paru dans le
Journal des sciences militaires.
Il traite notamment des enjeux de sécurité lors des correspondances :
«Il faut distinguer entre un système d’écriture chiffré, imaginé pour un échange
momentané de lettres entre quelques personnes isolées, et une méthode de cryptogra-
phie destinée à régler pour un temps illimité la correspondance des différents chefs
d’armée entre eux.»
Le principe fondamental est le suivant :
«Dans le second cas, [. . . ] il faut que le système n’exige pas le secret, et qu’il
puisse sans inconvénient tomber entre les mains de l’ennemi.»
Ce principe est novateur dans la mesure où intuitivement il semble opportun de dissimuler le
maximum de choses possibles : clé et système de chiffrement utilisés. Mais l’objectif visé par
Kerckhoffs est plus académique, il pense qu’un système dépendant d’un secret mais dont le méca-
nisme est connu de tous sera testé, attaqué, étudié, et finalement utilisé s’il s’avère intéressant et
robuste.
4.2. Factorisations des entiers

Quels outils mathématiques répondent au principe de Kerckoffs ?
Cryptographie 373
Un premier exemple est la toute simple multiplication ! En effet si je vous demande combien font
5 × 7, vous répondez 35. Si je vous demande de factoriser 35 vous répondez 5 × 7. Cependant ces
deux questions ne sont pas du même ordre de difficulté. Si je vous demande de factoriser 1591,
vous aller devoir faire plusieurs tentatives, alors que si je vous avais directement demandé de
calculer 37 × 43 cela ne pose pas de problème.
Pour des entiers de plusieurs centaines de chiffres le problème de factorisation ne peut être résolu
en un temps raisonnable, même pour un ordinateur. C’est ce problème asymétrique qui est à la
base de la cryptographie RSA (que nous détaillerons plus tard) : connaître p et q apporte plus
d’information utilisable que p × q. Même si en théorie à partir de p × q on peut retrouver p et q,
en pratique ce sera impossible.
Formalisons ceci avec la notion de complexité. La complexité est le temps de calculs (ou le nombre
d’opérations élémentaires) nécessaire pour effectuer une opération.
Commençons par la complexité de l’addition : disons que calculer la somme de deux chiffres (par
exemple 6 + 8) soit de complexité 1 (par exemple 1 seconde pour un humain, 1 milliseconde pour
un ordinateur). Pour calculer la somme de deux entiers à n chiffres, la complexité est d’ordre
n (exemple : 1234 + 2323, il faut faire 4 additions de chiffres, donc environ 4 secondes pour un
humain).
La multiplication de deux entiers à n chiffres est de complexité d’ordre n2 . Par exemple pour
multiplier 1234 par 2323 il faut faire 16 multiplications de chiffres (chaque chiffre de 1234 est à
multiplier par chaque chiffre de 2323).
1
Par contre la meilleure méthode de factorisation connue est de complexité d’ordre exp(4n 3 ) (c’est
moins que exp(n), mais plus que n d pour tout d, lorsque n tend vers +∞).
Voici un tableau pour avoir une idée de la difficulté croissante pour multiplier et factoriser des
nombres à n chiffres :
n multiplication factorisation
3 9 320
4 16 572
5 25 934
10 100 5 528
50 2 500 2 510 835
100 10 000 115 681 968
200 40 000 14 423 748 780
4.3. Fonctions à sens unique

Il existe bien d’autres situations mathématiques asymétriques : les fonctions à sens unique. En
d’autres termes, étant donnée une fonction f , il est possible connaissant x de calculer «facilement»
f (x) ; mais connaissant un élément de l’ensemble image de f , il est «difficile» ou impossible de
trouver son antécédent.
Dans le cadre de la cryptographie, posséder une fonction à sens unique qui joue le rôle de chif-
frement n’a que peu de sens. En effet, il est indispensable de trouver un moyen efficace afin de
pouvoir déchiffrer les messages chiffrés. On parle alors de fonction à sens unique avec trappe
secrète.
Prenons par exemple le cas de la fonction f suivante :
f : x 7−→ x3 (mod 100).

Cryptographie 374
– Connaissant x, trouver y = f (x) est facile, cela nécessite deux multiplications et deux divi-
sions.
– Connaissant y image par f d’un élément x (y = f (x)), retrouver x est difficile.
Tentons de résoudre le problème suivant : trouver x tel que x3 ≡ 11 (mod 100).

On peut pour cela :
– soit faire une recherche exhaustive, c’est-à-dire essayer successivement 1, 2, 3, ..., 99, on
trouve alors :
713 = 357 911 ≡ 11 (mod 100),
– soit utiliser la trappe secrète : y 7−→ y7 (mod 100) qui fournit directement le résultat !
117 = 19 487 171 ≡ 71 (mod 100).
La morale est la suivante : le problème est dur à résoudre, sauf pour ceux qui connaissent la
trappe secrète. (Attention, dans le cas de cet exemple, la fonction f n’est pas bijective.)
4.4. Chiffrement à clé privée

Petit retour en arrière. Les protocoles étudiés dans les chapitres précédents étaient des chif-
frements à clé privée. De façon imagée, tout se passe comme si Bruno pouvaient déposer son
message dans un coffre fort pour Alice, Alice et Bruno étant les seuls à posséder la clé du coffre.
BRUNO
ALICE
En effet, jusqu’ici, les deux interlocuteurs se partageaient une même clé qui servait à chiffrer (et
déchiffrer) les messages. Cela pose bien sûr un problème majeur : Alice et Bruno doivent d’abord
se communiquer la clé.
BRUNO ALICE
Message M Clé C Message M
Message crypté X
Chiffrement C Déchiffrement D
4.5. Chiffrement à clé publique

Les fonctions à sens unique à trappe donnent naissance à des protocoles de chiffrement à clé
publique. L’association «clé» et «publique» peut paraître incongrue, mais il signifie que le principe
de chiffrement est accessible à tous mais que le déchiffrement nécessite une clé qu’il faut bien sûr
garder secrète.
Cryptographie 375
BRUNO
ALICE
De façon imagée, si Bruno veut envoyer un message à Alice, il dépose son message dans la boîte
aux lettres d’Alice, seule Alice pourra ouvrir sa boîte et consulter le message. Ici la clé publique
est symbolisée par la boîte aux lettre, tout le monde peut y déposer un message, la clé qui ouvre la
boîte aux lettres est la clé privée d’Alice, que Alice doit conserver à l’abri.
BRUNO ALICE
Clé publique
Message M Clé privée Message M
Message crypté X
Chiffrement C Déchiffrement D
En prenant appui sur l’exemple précédent, si le message initial est 71 et que la fonction f de
chiffrement est connue de tous, le message transmis est 11 et le déchiffrement sera rapide si la
trappe secrète 7 est connue du destinataire.
Les paramètres d’un protocole de chiffrement à clé publique sont donc :
– les fonctions de chiffrement et de déchiffrement : C et D ,
– la clé publique du destinataire qui va permettre de paramétrer la fonction C ,
– la clé privée du destinataire qui va permettre de paramétrer la fonction D .
Dans le cadre de notre exemple Bruno souhaite envoyer un message à Alice, ces éléments sont :
– C : x 7−→ x? (mod 100) et D : x 7−→ x? (mod 100),
– 3 : la clé publique d’Alice qui permet de définir complètement la fonction de chiffrement :
C : x 7−→ x3 (mod 100),
– 7 : la clé privée d’Alice qui permet de définir complètement la fonction de déchiffrement :
D : x 7−→ x7 (mod 100).
Dans la pratique, un chiffrement à clé publique nécessite plus de calculs et est donc assez lent,
plus lent qu’un chiffrement à clé privée. Afin de gagner en rapidité, un protocole hybride peut être
mis en place de la façon suivante :
– à l’aide d’un protocole de chiffrement à clé publique, Alice et Bruno échangent une clé,
– Alice et Bruno utilise cette clé dans un protocole de chiffrement à clé privée.
5. L’arithmétique pour RSA

Pour un entier n, sachant qu’il est le produit de deux nombres premiers, il est difficile de retrouver
les facteurs p et q tels que n = pq. Le principe du chiffrement RSA, chiffrement à clé publique,
repose sur cette difficulté.
Dans cette partie nous mettons en place les outils mathématiques nécessaires pour le calcul des
clés publique et privée ainsi que les procédés de chiffrement et déchiffrement RSA.
Cryptographie 376
5.1. Le petit théorème de Fermat amélioré

Nous connaissons le petit théorème de Fermat
Théorème 56. Petit théorème de Fermat
Si p est un nombre premier et a ∈ Z alors
a p ≡ a (mod p)
et sa variante :
Corollaire 21
Si p ne divise pas a alors
a p−1 ≡ 1 (mod p)
Nous allons voir une version améliorée de ce théorème dans le cas qui nous intéresse :
Théorème 57. Petit théorème de Fermat amélioré
Soient p et q deux nombres premiers distincts et soit n = pq. Pour tout a ∈ Z tel que
pgcd(a, n) = 1 alors :
a( p−1)( q−1) ≡ 1 (mod n)
On note ϕ(n) = (p − 1)(q − 1), la fonction d’Euler. L’hypothèse pgcd(a, n) = 1 équivaut ici à ce que
a ne soit divisible ni par p, ni par q. Par exemple pour p = 5, q = 7, n = 35 et ϕ(n) = 4 · 6 = 24. Alors
pour a = 1, 2, 3, 4, 6, 8, 9, 11, 12, 13, 16, 17, 18, ... on a bien a24 ≡ 1 (mod 35).
Démonstration
Notons c = a( p−1)( q−1) . Calculons c modulo p :
c ≡ a( p−1)( q−1) ≡ (a( p−1) ) q−1 ≡ 1 q−1 ≡ 1 (mod p)
où l’on appliquer le petit théorème de Fermat : a p−1 ≡ 1 (mod p), car p ne divise pas a.
Calculons ce même c mais cette fois modulo q :
c ≡ a( p−1)( q−1) ≡ (a( q−1) ) p−1 ≡ 1 p−1 ≡ 1 (mod q)
où l’on appliquer le petit théorème de Fermat : a q−1 ≡ 1 (mod q), car q ne divise pas a.
Conclusion partielle : c ≡ 1 (mod p) et c ≡ 1 (mod q).
Nous allons en déduire que c ≡ 1 (mod pq).

Comme c ≡ 1 (mod p) alors il existe α ∈ Z tel que c = 1 + α p ; comme c ≡ 1 (mod q) alors il existe
β ∈ Z tel que c = 1 + β q. Donc c − 1 = α p = β q. De l’égalité α p = β q, on tire que p|β q.
Comme p et q sont premiers entre eux (car ce sont des nombres premiers distincts) alors par le
lemme de Gauss on en déduit que p|β. Il existe donc β0 ∈ Z tel que β = β0 p.
Ainsi c = 1 + β q = 1 + β0 pq. Ce qui fait que c ≡ 1 (mod pq), c’est exactement dire a( p−1)( q−1) ≡ 1
(mod n).
Cryptographie 377
5.2. L’algorithme d’Euclide étendu

Nous avons déjà étudié l’algorithme d’Euclide qui repose sur le principe que pgcd(a, b) = pgcd(b, a
(mod b)).
Voici sa mise en œuvre informatique.
Algorithme . euclide.py (1)
def euclide(a,b) :
while b !=0 :
a , b = b , a % b
return a
On profite que Python assure les affectations simultanées, ce qui pour nous correspond aux suites
(
a i+1 = b i
b i+1 ≡ a i (mod b i )
initialisée par a 0 = a, b 0 = b.
Nous avons vu aussi comment « remonter » l’algorithme d’Euclide à la main pour obtenir les
coefficients de Bézout u, v tels que au + bv = pgcd(a, b). Cependant il nous faut une méthode plus
automatique pour obtenir ces coefficients, c’est l’algorithme d’Euclide étendu.
On définit deux suites (x i ), (yi ) qui vont aboutir aux coefficients de Bézout.
L’initialisation est :
x0 = 1 x1 = 0 y0 = 0 y1 = 1
et la formule de récurrence pour i Ê 1 :
x i+1 = x i−1 − q i x i yi+1 = yi−1 − q i yi
où q i est le quotient de la division euclidienne de a i par b i .

def euclide_etendu(a,b) :
x = 1 ; xx = 0
y = 0 ; yy = 1
while b != 0 :
q = a // b
a , b = b , a % b
xx , x = x - q*xx , xx
yy , y = y - q*yy , yy
return (a,x,y)
Cet algorithme renvoie d’abord le pgcd, puis les coefficients u, v tels que au + bv = pgcd(a, b).
5.3. Inverse modulo n

Soit a ∈ Z, on dit que x ∈ Z est un inverse de a modulo n si ax ≡ 1 (mod n).
Trouver un inverse de a modulo n est donc un cas particulier de l’équation ax ≡ b (mod n).
Cryptographie 378
Proposition 120
– a admet un inverse modulo n si et seulement si a et n sont premiers entre eux.

– Si au + nv = 1 alors u est un inverse de a modulo n.
En d’autres termes, trouver un inverse de a modulo n revient à calculer les coefficients de Bézout
associés à la paire (a, n).
Démonstration
La preuve est essentiellement une reformulation du théorème de Bézout :
pgcd(a, n) = 1 ⇐⇒ ∃ u, v ∈ Z au + nv = 1
⇐⇒ ∃u ∈ Z au ≡ 1 (mod n)
Voici le code :
def inverse(a,n) :
c,u,v = euclide_etendu(a,n) # pgcd et coeff. de Bézout
if c != 1 : # Si pgcd différent de 1 renvoie 0
return 0
else :
return u % n # Renvoie l'inverse
5.4. L’exponentiation rapide

Nous aurons besoin de calculer rapidement des puissances modulo n. Pour cela il existe une
méthode beaucoup plus efficace que de calculer d’abord a k puis de le réduire modulo n. Il faut
garder à l’esprit que les entiers que l’on va manipuler ont des dizaines voir des centaines de
chiffres.
Voyons la technique sur l’exemple de 511 (mod 14). L’idée est de seulement calculer 5, 52 , 54 , 58 ...
et de réduire modulo n à chaque fois. Pour cela on remarque que 11 = 8 + 2 + 1 donc
511 = 58 × 52 × 51 .
i
Calculons donc les 52 (mod 14) :
5 ≡ 5 (mod 14)
52 ≡ 25 ≡ 11 (mod 14)
54 ≡ 52 × 52 ≡ 11 × 11 ≡ 121 ≡ 9 (mod 14)
58 ≡ 54 × 54 ≡ 9 × 9 ≡ 81 ≡ 11 (mod 14)
à chaque étape est effectuée une multiplication modulaire. Conséquence :
511 ≡ 58 × 52 × 51 ≡ 11 × 11 × 5 ≡ 11 × 55 ≡ 11 × 13 ≡ 143 ≡ 3 (mod 14).
Nous obtenons donc un calcul de 511 (mod 14) en 5 opérations au lieu de 10 si on avait fait
5×5×5···.
Cryptographie 379
Voici une formulation générale de la méthode. On écrit le développement de l’exposant k en base 2

: (k ` , . . . , k 2 , k 1 , k 0 ) avec k i ∈ {0, 1} de sorte que
k i 2i .
X̀
k=
i =0
On obtient alors
P` i i
xk = x i =0 k i 2 (x2 )k i .
Ỳ
=
i =0
Par exemple 11 en base 2 s’écrit (1, 0, 1, 1), donc, comme on l’a vu :
3 2 1 0
511 = (52 )1 × (52 )0 × (52 )1 × (52 )1 .
Voici un autre exemple : calculons 17154 (mod 100). Tout d’abord on décompose l’exposant k = 154
en base 2 : 154 = 128 + 16 + 8 + 2 = 27 + 24 + 23 + 21 , il s’écrit donc en base 2 : (1, 0, 0, 1, 1, 0, 1, 0).
Ensuite on calcule 17, 172 , 174 , 178 , ..., 17128 modulo 100.
17 ≡ 17 (mod 100)
172 ≡ 17 × 17 ≡ 289 ≡ 89 (mod 100)
174 ≡ 172 × 172 ≡ 89 × 89 ≡ 7921 ≡ 21 (mod 100)
178 ≡ 174 × 174 ≡ 21 × 21 ≡ 441 ≡ 41 (mod 100)
1716 ≡ 178 × 178 ≡ 41 × 41 ≡ 1681 ≡ 81 (mod 100)
1732 ≡ 1716 × 1716 ≡ 81 × 81 ≡ 6561 ≡ 61 (mod 100)
1764 ≡ 1732 × 1732 ≡ 61 × 61 ≡ 3721 ≡ 21 (mod 100)
17128 ≡ 1764 × 1764 ≡ 21 × 21 ≡ 441 ≡ 41 (mod 100)
Il ne reste qu’à rassembler :
17154 ≡ 17128 × 1716 × 178 × 172 ≡ 41 × 81 × 41 × 89 ≡ 3321 × 3649 ≡ 21 × 49 ≡ 1029 ≡ 29 (mod 100)
On en déduit un algorithme pour le calcul rapide des puissances.

Algorithme . puissance.py
def puissance(x,k,n) :
puiss = 1 # Résultat
while (k>0) :
if k % 2 != 0 : # Si k est impair (i.e. k_i=1)
puiss = (puiss*x) % n
x = x*x % n # Vaut x, x^2, x^4,...
k = k // 2
return(puiss)
En fait Python sait faire l’exponentiation rapide : pow(x,k,n) pour le calcul de a k modulo n, il
faut donc éviter (x ** k) % n qui n’est pas adapté.
6. Le chiffrement RSA
Voici le but ultime de ce cours : la chiffrement RSA. Il est temps de relire l’introduction du chapitre
« Arithmétique » pour s’apercevoir que nous sommes prêts !
Cryptographie 380
Pour crypter un message on commence par le transformer en un –ou plusieurs–

nombres. Les processus de chiffrement et déchiffrement font appel à plusieurs
notions :
– On choisit deux nombres premiers p et q que l’on garde secrets et on
pose n = p × q. Le principe étant que même connaissant n il est très difficile
de retrouver p et q (qui sont des nombres ayant des centaines de chiffres).
– La clé secrète et la clé publique se calculent à l’aide de l’algorithme
d’Euclide et des coefficients de Bézout.
– Les calculs de cryptage se feront modulo n.
– Le déchiffrement fonctionne grâce à une variante du petit théorème
de Fermat.
Dans cette section, c’est Bruno qui veut envoyer un message secret à Alice. La processus se décom-
pose ainsi :
1. Alice prépare une clé publique et une clé privée,
2. Bruno utilise la clé publique d’Alice pour crypter son message,
3. Alice reçoit le message crypté et le déchiffre grâce à sa clé privée.
6.1. Calcul de la clé publique et de la clé privée

Choix de deux nombres premiers
Alice effectue, une fois pour toute, les opérations suivantes (en secret) :
– elle choisit deux nombres premiers distincts p et q (dans la pratique ce sont de très grand
nombres, jusqu’à des centaines de chiffres),
– Elle calcule n = p × q,
– Elle calcule ϕ(n) = (p − 1) × (q − 1).
Exemple 1.
– p = 5 et q = 17
– n = p × q = 85
– ϕ(n) = (p − 1) × (q − 1) = 64
Vous noterez que le calcul de ϕ(n) n’est possible que si la décomposition de n sous la forme p × q
est connue. D’où le caractère secret de ϕ(n) même si n est connu de tous.
Exemple 2.
– p = 101 et q = 103
– n = p × q = 10 403
– ϕ(n) = (p − 1) × (q − 1) = 10 200
Choix d’un exposant et calcul de son inverse
Alice continue :
– elle choisit un exposant e tel que pgcd(e, ϕ(n)) = 1,
– elle calcule l’inverse d de e module ϕ(n) : d × e ≡ 1 (mod ϕ(n)). Ce calcul se fait par l’algo-
rithme d’Euclide étendu.
Exemple 1.
– Alice choisit par exemple e = 5 et on a bien pgcd(e, ϕ(n)) = pgcd(5, 64) = 1,
Cryptographie 381
– Alice applique l’algorithme d’Euclide étendu pour calculer les coefficients de Bézout corres-
pondant à pgcd(e, ϕ(n)) = 1. Elle trouve 5 × 13 + 64 × (−1) = 1. Donc 5 × 13 ≡ 1 (mod 64) et
l’inverse de e modulo ϕ(n) est d = 13.
Exemple 2.
– Alice choisit par exemple e = 7 et on a bien pgcd(e, ϕ(n)) = pgcd(7, 10 200) = 1,
– L’algorithme d’Euclide étendu pour pgcd(e, ϕ(n)) = 1 donne 7 × (−1457) + 10 200 × 1 = 1. Mais
−1457 ≡ 8743 (mod ϕ(n)), donc pour d = 8743 on a d × e ≡ 1 (mod ϕ(n)).
Clé publique
La clé publique d’Alice est constituée des deux nombres :
n et e
Et comme son nom l’indique Alice communique sa clé publique au monde entier.
Exemple 1. n = 85 et e = 5
Exemple 2. n = 10 403 et e = 7
Clé privée
Alice garde pour elle sa clé privée :
Alice détruit en secret p, q et ϕ(n) qui ne sont plus utiles. Elle conserve secrètement sa clé privée.
Exemple 1. d = 13
Exemple 2. d = 8743
6.2. Chiffrement du message

Bruno veut envoyer un message secret à Alice. Il se débrouille pour que son message soit un entier
(quitte à découper son texte en bloc et à transformer chaque bloc en un entier).
Message
Le message est un entier m, tel que 0 É m < n.
Exemple 1. Bruno veut envoyer le message m = 10.
Exemple 2. Bruno veut envoyer le message m = 1234.

Cryptographie 382
Message chiffré
Bruno récupère la clé publique d’Alice : n et e avec laquelle il calcule, à l’aide de l’algorithme
d’exponentiation rapide, le message chiffré :
x ≡ m e (mod n)
Il transmet ce message x à Alice
Exemple 1. m = 10, n = 85 et e = 5 donc
x ≡ me (mod n) ≡ 105 (mod 85)
On peut ici faire les calculs à la main :
102 ≡ 100 ≡ 15 (mod 85)

104 ≡ (102 )2 ≡ 152 ≡ 225 ≡ 55 (mod 85)
x ≡ 105 ≡ 104 × 10 ≡ 55 × 10 ≡ 550 ≡ 40 (mod 85)
Le message chiffré est donc x = 40.
Exemple 2. m = 1234, n = 10 403 et e = 7 donc
x ≡ me (mod n) ≡ 12347 (mod 10 403)
On utilise l’ordinateur pour obtenir que x = 10 378.
6.3. Déchiffrement du message

Alice reçoit le message x chiffré par Bruno, elle le décrypte à l’aide de sa clé privée d, par l’opération
:
m ≡ x d (mod n)
qui utilise également l’algorithme d’exponentiation rapide.

Nous allons prouver dans le lemme 10, que par cette opération Alice retrouve bien le message
original m de Bruno.
Exemple 1. c = 40, d = 13, n = 85 donc
x d ≡ (40)13 (mod 85).
Calculons à la main 4013 ≡ (mod 85) on note que 13 = 8 + 4 + 1, donc 4013 = 408 × 404 × 40.
402 ≡ 1600 ≡ 70 (mod 85)

404 ≡ (402 )2 ≡ 702 ≡ 4900 ≡ 55 (mod 85)
408 ≡ (404 )2 ≡ 552 ≡ 3025 ≡ 50 (mod 85)
Donc
x d ≡ 4013 ≡ 408 × 404 × 40 ≡ 50 × 55 × 40 ≡ 10 (mod 85)
qui est bien le message m de Bruno.
Exemple 2. c = 10 378, d = 8743, n = 10 403. On calcule par ordinateur x d ≡ (10 378)8743

(mod 10 403) qui vaut exactement le message original de Bruno m = 1234.
Cryptographie 383
n, e d
? x ≡ m e (mod n) ?
m - C - D - m ≡ x d (mod n)
Bruno Alice
6.4. Schéma
Clés d’Alice :
– publique : n, e
– privée : d
6.5. Lemme de déchiffrement

Le principe de déchiffrement repose sur le petit théorème de Fermat amélioré.
Lemme 10
Soit d l’inverse de e modulo ϕ(n).
Si x ≡ m e (mod n) alors m ≡ x d (mod n).
Ce lemme prouve bien que le message original m de Bruno, chiffré par clé publique d’Alice (e, n)
en le message x, peut-être retrouvé par Alice à l’aide de sa clé secrète d.
Démonstration
– Que d soit l’inverse de e modulo ϕ( n) signifie d · e ≡ 1 (mod ϕ( n)). Autrement dit, il existe
k ∈ Z tel que d · e = 1 + k · ϕ( n).
– On rappelle que par le petit théorème de Fermat généralisé : lorsque m et n sont premiers
entre eux
mϕ(n) ≡ m( p−1)( q−1) ≡ 1 (mod n)
– Premier cas pgcd( m, n) = 1.

Notons c ≡ m e (mod n) et calculons x d :
x d ≡ ( m e )d ≡ m e·d ≡ m1+k·ϕ(n) ≡ m · m k·ϕ(n) ≡ m · ( mϕ(n) )k ≡ m · (1)k ≡ m (mod n)
– Deuxième cas pgcd( m, n) 6= 1.

Comme n est le produit des deux nombres premiers p et q et que m est strictement plus
petit que n alors si m et n ne sont pas premiers entre eux cela implique que p divise m ou
bien q divise m (mais pas les deux en même temps). Faisons l’hypothèse pgcd( m, n) = p et
pgcd( m, q) = 1, le cas pgcd( m, n) = q et pgcd( m, p) = 1 se traiterait de la même manière.
Étudions ( m e )d à la fois modulo p et modulo q à l’image de ce que nous avons fait dans la
preuve du théorème de Fermat amélioré.
– modulo p : m ≡ 0 (mod p) et ( m e )d ≡ 0 (mod p) donc ( m e )d ≡ m (mod p),
– modulo q : ( m e )d ≡ m ×( mϕ(n) )k ≡ m ×( m q−1 )( p−1)k ≡ m (mod q).
Comme p et q sont deux nombres premiers distincts, ils sont premiers entre eux et on peut
écrire comme dans la preuve du petit théorème de Fermat amélioré que
( m e )d ≡ m (mod n)
Cryptographie 384
6.6. Algorithmes
La mise en œuvre est maintenant très simple. Alice choisit deux nombres premiers p et q et un
exposant e.
Voici le calcul de la clé secrète :
Algorithme . rsa.py (1)
def cle_privee(p,q,e) :
n = p * q
phi = (p-1)*(q-1)
c,d,dd = euclide_etendu(e,phi) # Pgcd et coeff de Bézout
return(d % phi) # Bon représentant
Le chiffrement d’un message m est possible par tout le monde, connaissant la clé publique (n, e).
def codage_rsa(m,n,e) :
return pow(m,e,n)
Seule Alice peut déchiffrer le message crypté x, à l’aide de sa clé privée d.

def decodage_rsa(x,n,d) :
return pow(x,d,n)
Pour continuer...
Bibliographie commentée :
1. Histoire des codes secrets de Simon Singh, Le livre de Poche.
Les codes secrets racontés comme un roman policier. Passionnant. Idéal pour les plus litté-
raires.
2. Comprendre les codes secrets de Pierre Vigoureux, édition Ellipses.
Un petit livre très clair et très bien écrit, qui présente un panorama complet de la cryptogra-
phie sans rentrer dans les détails mathématiques. Idéal pour les esprits logiques.
3. Codage et cryptographie de Joan Gómez, édition Le Monde – Images des mathématiques.
Un autre petit livre très clair et très bien, un peu de maths, des explications claires et des
encarts historiques intéressants.
4. Introduction à la cryptographie de Johannes Buchmann, édition Dunod.
Un livre d’un niveau avancé (troisième année de licence) pour comprendre les méthodes
mathématiques de la cryptographie moderne. Idéal pour unifier les points de vue des mathé-
matiques avec l’informatique.
5. Algèbre - Première année de Liret et Martinais, édition Dunod.
Livre qui recouvre tout le programme d’algèbre de la première année, très bien adapté aux
étudiants des l’université. Pas de cryptographie.
Cryptographie 385
Auteurs
Arnaud Bodin
François Recher
Exo7
20 Leçons de choses
1 Travailler avec les vidéos

2 Alphabet grec
3 Écrire des mathématiques : LATEX en cinq minutes
4 Formules de trigonométrie : sinus, cosinus, tangente
5 Formulaire : trigonométrie circulaire et hyperbolique
6 Formules de développements limités
7 Formulaire : primitives
Vidéo ■ partie 2. L'alphabet grec

Vidéo ■ partie 3. LATEX en cinq minutes
Vidéo ■ partie 4. Formules de trigonométrie : sinus, cosinus, tangente
Vidéo ■ partie 5. Formulaire : trigonométrie circulaire et hyperbolique
Vidéo ■ partie 6. Développements limités
Vidéo ■ partie 7. Primitives
1. Travailler avec les vidéos

Les vidéos ne remplacent pas les vrais cours. Cependant elle peuvent vous aider pour préparer,
approfondir ou réviser vos connaissances. Nous vous offrons deux outils supplémentaires pour
travailler : les polycopié de cours et les vidéos. Voici quelques conseils pour optimiser le visionnage.
1.1. Les vidéos

– Les deux outils de bases : papier & crayon. Notez les points qui vous échappent pour
pouvoir y revenir plus tard, faites des petits croquis, résolvez les mini-exercices,... Soyez
actifs devant votre écran !
– Limitez-vous : une ou deux vidéos d’affilée c’est déjà beaucoup de travail. Il vaut mieux
privilégier la régularité (par exemple une vidéo de cours par jour et deux vidéos d’exercices).
Si vous enchaînez les vidéos comme une séance de cinéma, vous oublierez tout au bout de
trois jours.
– Profitez des fonctions pause & retour en arrière pour prendre le temps de bien comprendre
les notions, quitte à repassez la séquence trois fois. Les vidéos vont quatre à cinq fois plus
vite que la « vraie vie » : une vidéo de 15 minutes correspond à un cours d’une heure, un
exercice corrigé en 5 − 6 minutes en vidéo serait corrigé en une demi-heure en TD.
– Il faut du temps et du travail. Les mathématiques exigent pas mal d’efforts, mais cela vaut
vraiment le coup. Tout le monde peut réussir, il n’y a pas besoin d’un don spécial ni d’être un
génie des maths. Cependant ne vous leurrez pas, il y a des notions difficiles : bien sûr les
profs et les vidéos sont là pour vous aider à les surmonter, mais l’apprentissage repose avant
tout sur la qualité et la quantité de votre travail personnel.
– À titre d’exemple le chapitre Nombres complexes c’est 1h15 de cours en vidéos et aussi 1h15
d’exercices en vidéos. Cela correspond à 6 heures de cours dans la réalité et 12 heures de
séances d’exercices (sur 2 à 3 semaines). Pensez aussi que les étudiants, en plus d’assister
Leçons de choses 387
aux cours et aux td, doivent fournir un travail personnel conséquent : à une heure de cours
correspond une heure de travail personnel en plus ! Ainsi le chapitre Nombres complexes
c’est plus de 30 heures de travail en tout et pas seulement 3 heures de visionnage.
Retenez donc le facteur 10 : Une vidéo de 12 minutes c’est 120 minutes de travail.
1.2. Pour les cours

Il faut :
– Recopier le cours au fur et à mesure du visionnage : écrire permet de mémoriser et d’adop-
ter un rythme plus lent que celui de la vidéo.
– Travailler avec le poly qui contient plus de détails.
– Comprendre le cours.
– Apprendre le cours. Les définitions, les théorèmes et les propositions doivent être appris
par cœur. Bien sûr une notion bien comprise est beaucoup plus facile à apprendre !
– Faire les mini-exercices.
– Faire les fiches d’exercices.
1.3. Pour les exercices

– Chercher d’abord à résoudre l’exercice tout seul, sans regarder la correction (ni écrite, ni
vidéo). Chercher demande du temps et de la persévérance. Cela permet de vérifier si l’on
connaît bien son cours. Les exercices ne sont pas une suite d’astuces à retenir, mais un moyen
de travailler par vous-même.
– Le lendemain seulement, vous pouvez regarder la correction.
– La vidéo de correction et la correction écrite sont complémentaires. Étudiez les deux.
1.4. Note aux collègues enseignants

Si vous êtes enseignants ces vidéos peuvent être utiles de plusieurs façons :
– Vous pouvez proposer les vidéos en compléments ou en révision de vos cours.
– Vous pouvez les proposer comme compléments ou comme sujet d’exposés à faire par les
étudiants.
– Vous pouvez passez une vidéos dans vos cours : le support audiovisuel est mieux mémorisé
qu’un cour classique, cela permet en plus de regagner l’attention des étudiants en diversifiant
les types d’activités.
– Vous pouvez donner à vos étudiants à étudier seul un chapitre à l’avance, sur lequel vous
revenez dans votre cours.
Vous trouverez des conseils efficaces dans le livre Enseigner à l’université de Markus Brauer. Si
vous utilisez ces vidéos d’une façon ou d’une autre nous serions ravis d’avoir un retour de votre
expérience !
1.5. D’autres sources pour travailler

Rien ne remplace un vrai prof dans une vraie salle de cours !
Voici deux livres papiers : Algèbre et Analyse de François Liret, Dominique Martinais aux éditions
Dunod.
– Deux livres qui recouvrent le programme de première année.
– Adaptés aux étudiants de l’université.
– Un peu cher !
Voici un cours de première année accessible en ligne : Cours concis de mathématiques – Première
année de Pierre Guillot.
– Cours concis et complet (370 pages).
– Adapté aux étudiants de l’université.
– Gratuit !
Et un livre accessible gratuitement en ligne Cours de mathématiques – Math Sup (attention gros
fichier : 11 Mo) d’Alain Soyeur, François Capaces, Emmanuel Vieillard-Baron.
– Cours très complet (1200 pages !).
– Adapté aux élèves des classes prépas.
– Gratuit !
2. Alphabet grec
α alpha ν nu
β beta ξ xi
γ Γ gamma o omicron
δ ∆ delta π Π pi
ε epsilon ρ, % rho
ζ zeta σ Σ sigma
η eta τ tau
θ Θ theta υ upsilon
ι iota φ, ϕ Φ phi
κ kappa χ chi
λ Λ lambda ψ Ψ psi
µ mu ω Ω omega
On rencontre aussi “nabla” ∇, l’opérateur de dérivée partielle ∂ (dites “d rond”), et aussi la première
lettre de l’alphabet hébreu “aleph” ℵ.
3. Écrire des mathématiques : LATEX en cinq minutes

3.1. Les bases
Pour écrire des mathématiques, il existe un langage pratique et universel, le langage LATEX (pro-
noncé [latek]). Il est utile pour rédiger des textes contenant des formules, mais aussi accepté sur
certains blogs et vous permet d’écrire des maths dans un courriel ou un texto.
Une formule s’écrit entre deux dollars $\pi^2$ qui donne π2 ou entre double dollars si l’on veut la
centrer sur une nouvelle ligne ; $$\lim u_n = +\infty$$ affichera :
lim u n = +∞
Dans la suite on omettra les balises dollars.
3.2. Premières commandes

Les exposants s’obtiennent avec la commande ^ et les indices avec _ : a2 s’écrit a^2 ; u n s’écrit
u_n ; α2i s’écrit \alpha_i^2. Les accolades { } permettent de grouper du texte : 2^{10} pour 210 ;
a_{i,j} pour a i, j .
Il y a ensuite toute une liste de commandes (qui commencent par \) dont voici les plus utiles :
p
\sqrt racine a \sqrt{a}
p p
1+ 2 \sqrt{1+\sqrt{2}}
p
3
x \sqrt[3]{x}
a
\frac fraction \frac{a}{b}
b
π3
\frac{\pi^3}{12}
12
1
\frac{1}{2 + \frac{3}{4}}
2 + 34
1
γn \gamma^{\frac{1}{n}}
\lim limite limn→+∞ u n = 0 \lim_{n \to +\infty} u_n = 0
lim x→0+ f (x) < ε \lim_{x \to 0^+} f(x) < \epsilon
n 1
\sum \sum_{i=1}^n \frac{1}{i}
X
somme
i =1 i
\sum_{i \ge 0} a_i

X
ai
i Ê0
Z b
\int intégrale φ(t)dt \int_a^b \phi(t) dt
a
3.3. D’autres commandes

Voici d’autres commandes, assez naturelles pour les anglophones.
a∈E a \in E
f :E→F f : E \to F
A⊂E A \subset E
+∞ +\infty
P =⇒ Q P \implies Q
aÉ0 a \le 0
P ⇐⇒ Q P \iff Q
a>0 a > 0
∀ \forall
aÊ1 a \ge 1
∃ \exists
δ \delta
∪ \cup
∆ \Delta
∩ \cap
3.4. Pour allez plus loin

Il est possible de créer ses propres commandes avec \newcommand. Par exemple avec l’instruction
\newcommand{\Rr}{\mathbb{R}}
vous définissez une nouvelle commande \Rr qui exécutera l’instruction \mathbb{R} et affichera
donc R.
Autre exemple, après avoir défini
\newcommand{\monintegrale}{\int_0^{+\infty} \frac{\sin t}{t} dt}
la commande \monintegrale affichera 0 sint t dt.
R +∞
Pour (beaucoup) plus de détails, consultez le manuel Une courte ( ?) introduction à LATEX.
3.5. Mini-exercices
Écrire en LATEX toutes ces formules (qui par ailleurs sont vraies !).
p p a−b
1. a − b = p p
a+ b
+∞
X 1 π2
2. 2
=
n=1 n 6
Z +R
2 p
3. lim e− t dt = π
R →+∞ −R
4. ∀ε > 0 ∃δ Ê 0 (| x − x0 | < δ =⇒ | ln(x) − ln(x0 )| < ε)
+∞
X 1
µ
4 2 1 1
¶
5. k 8k + 1
− − − =π
k=0 16 8k + 4 8k + 5 8k + 6
4. Formules de trigonométrie : sinus, cosinus, tangente

4.1. Le cercle trigonométrique
y
(0, 1)
³ p ´ ³ p ´
− 12 , 23 1
2, 2
3
³ p p ´ ³p p ´
− 22 , 22 π
2
2 , 2
2
2
2π π
³ p ´ 3 3 ³p ´
− 23 , 21 3π
90◦
π 3 1
2 ,2
4 4
120◦ 60◦
5π π
6 135◦ 45◦ 6
150◦ 30◦
(−1, 0) (1, 0)
π 180◦ 360◦ 2π x
210◦ 330◦
7π 11π
6 225◦ 315◦ 6
³ p 240◦ 300◦ ³p
5π 7π
270◦
´ ´
− 23 , − 21 4 4
3 1
2 ,− 2
4π 5π
3 3
³ p p ´ 3π ³p p ´
− 22 , − 22 2 2
2 ,− 2
2
³ p ´ ³ p ´
− 12 , − 23 1
2 ,− 2
3
(0, −1)
Voici le cercle trigonométrique (de rayon 1), le sens de lecture est l’inverse du sens des aiguilles
d’une montre. Les angles remarquables sont marqués de 0 à 2π (en radian) et de 0◦ à 360◦ . Les
coordonnées des points correspondant à ces angles sont aussi indiquées.
T
1
M
sin x
tan x
x
x
O cos x 1
Le point M a pour coordonnées (cos x, sin x). La droite (OM) coupe la droite d’équation (x = 1) en T,
l’ordonnée du point T est tan x.
Les formules de base :
cos2 x + sin2 x = 1
cos(x + 2π) = cos x
sin(x + 2π) = sin x
sin x Nous avons les formules suivantes :
cos(− x) = cos x
x cos x sin(− x) = − sin x

−x cos(− x)
On retrouve graphiquement ces formules

sin(− x) à l’aide du dessin des angles x et − x.
Il en est de même pour les formules suivantes :
π
cos(π + x) = − cos x cos(π − x) = − cos x cos( − x) = sin x
2
π
sin(π + x) = − sin x sin(π − x) = sin x sin( − x) = cos x
2
sin(π − x) sin x
sin x
cos(π + x) π+ x π− x
x x
cos x cos(π − x) cos x
sin(π + x)
sin( π
2 − x)
sin x
π
2 −x
x
cos( π
2 − x)
cos x
π π π π
x 0
6 4 3 2
p p
3 2 1
cos x 1 0
2 2 2
p p
1 2 3
sin x 0 1
2 2 2
1 p
tan x 0 p 1 3
3
Valeurs que l’on retrouve bien sur le cercle trigonométrique.
(0, 1) ³ p ´
1 3
2, 2
π ³p p ´
2 2
2 π 2 , 2
3
π ³p
90◦
´
3 1
4 2 ,2
60◦ π
45◦
6
30◦
(1, 0)
0◦ 0
4.2. Les fonctions sinus, cosinus, tangente

La fonction cosinus est périodique de période 2π et elle paire (donc symétrique par rapport à l’axe
des ordonnées). La fonction sinus est aussi périodique de période de 2π mais elle impaire (donc
symétrique par rapport à l’origine).
y
+1
cos x
x
−π π sin x
0 2π 3π
−1
Voici un zoom sur l’intervalle [−π, π].

y
+1
sin x x
−π −π 0 π π
2 2
−1 cos x
Pour tout x n’appartenant pas à {. . . , − π2 , π2 , 32π , 52π , . . .} la tangente est définie par
sin x
tan x =
cos x
La fonction x 7→ tan x est périodique de période π ; c’est une fonction impaire.
y tan x
+1
−π 0 π x
−π
2
π
2
3π
2
−1
Voici les dérivées :
cos0 x = − sin x
sin0 x = cos x
1
tan0 x = 1 + tan2 x =
cos2 x
4.3. Les formules d’additions
cos(a + b) = cos a · cos b − sin a · sin b

sin(a + b) = sin a · cos b + sin b · cos a
tan a + tan b
tan(a + b) =
1 − tan a · tan b
On en déduit immédiatement :
cos(a − b) = cos a · cos b + sin a · sin b

sin(a − b) = sin a · cos b − sin b · cos a
tan a − tan b
tan(a − b) =
1 + tan a · tan b
Il est bon de connaître par cœur les formules suivantes (faire a = b dans les formules d’additions) :
cos 2a = 2 cos2 a − 1
= 1 − 2 sin2 a
= cos2 a − sin2 a
sin 2a = 2 sin a · cos a
2 tan a
tan 2a =
1 − tan2 a
4.4. Les autres formules

Voici d’autres formules qui se déduisent des formules d’additions. Il n’est pas nécessaire de les
connaître mais il faut savoir les retrouver en cas de besoin.
1£ ¤
cos a · cos b = cos(a + b) + cos(a − b)
2
1£ ¤
sin a · sin b = cos(a − b) − cos(a + b)
2
1£ ¤
sin a · cos b = sin(a + b) + sin(a − b)
2
Les formules précédentes se reformulent aussi en :

p+q p−q
cos p + cos q = 2 cos · cos
2 2
p+q p−q
cos p − cos q = −2 sin · sin
2 2
p+q p−q
sin p + sin q = 2 sin · cos
2 2
p−q p+q
sin p − sin q = 2 sin · cos
2 2
Enfin les formules de la «tangente de l’arc moitié» permettent d’exprimer sinus, cosinus et tangente
en fonction de tan 2x .

cos x 1− t 2

 = 1+ t 2
x 
2t
Avec t = tan on a sin x = 1+ t 2
2 
2t

tan x

= 1− t 2
Ces formules sont utiles pour le calcul de certaines intégrales par changement de variable, en
2dt
utilisant en plus la relation dx = .
1 + t2
4.5. Mini-exercices
1
1. Montrer que 1 + tan2 x = cos2 x
.
2. Montrer la formule d’addition de tan(a + b).
3. Prouver la formule pour cos a · cos b.
4. Prouver la formule pour cos p + cos q.
2 tan 2x
5. Prouver la formule : sin x = .
1 + (tan 2x )2
pp
6. Montrer que cos π8 = 21 π
2 + 2. Calculer cos 16 π
, cos 32 ,. . .
7. Exprimer cos(3x) en fonction cos x ; sin(3x) en fonction sin x ; tan(3x) en fonction tan x.
5. Formulaire : trigonométrie circulaire et hyperbolique

Fonctions circulaires et hyperboliques
Propriétés trigonométriques : remplacer cos par ch et sin par i · sh.
cos2 x + sin2 x = 1 p+q p−q

cos p + cos q = 2 cos · cos
2 2
p+q p−q
cos p − cos q = −2 sin · sin
2 2
p+q p−q
sin p + sin q = 2 sin · cos
cos(a + b) = cos a · cos b − sin a · sin b 2 2
p−q p+q
sin(a + b) = sin a · cos b + sin b · cos a sin p − sin q = 2 sin · cos
2 2
tan a + tan b
tan(a + b) =
1 − tan a · tan b
ch2 x − sh2 x = 1
cos(a − b) = cos a · cos b + sin a · sin b

sin(a − b) = sin a · cos b − sin b · cos a ch(a + b) = ch a · ch b + sh a · sh b
tan a − tan b sh(a + b) = sh a · ch b + sh b · ch a
tan(a − b) =
1 + tan a · tan b th a + th b
th(a + b) =
1 + th a · th b
cos 2a = 2 cos2 a − 1
ch(a − b) = ch a · ch b − sh a · sh b
= 1 − 2 sin2 a
sh(a − b) = sh a · ch b − sh b · ch a
= cos2 a − sin2 a th a − th b
th(a − b) =
1 − th a · th b
sin 2a = 2 sin a · cos a
2 tan a
tan 2a =
1 − tan2 a
ch 2a = 2 ch2 a − 1
= 1 + 2 sh2 a
= ch2 a + sh2 a
1£ ¤
cos a · cos b = cos(a + b) + cos(a − b) sh 2a = 2 sh a · ch a
2
1£
2 th a
¤
sin a · sin b = cos(a − b) − cos(a + b)
2 th 2a =
1£ ¤ 1 + th2 a
sin a · cos b = sin(a + b) + sin(a − b)
2
p+q p−q
ch p + ch q = 2 ch · ch
1£ ¤ 2 2
ch a · ch b = ch(a + b) + ch(a − b) p+q p−q
2 ch p − ch q = 2 sh · sh
1£ 2 2
p+q p−q
¤
sh a · sh b = ch(a + b) − ch(a − b)
2 sh p + sh q = 2 sh · ch
2 2
1£ ¤
p−q p+q
sh a · ch b = sh(a + b) + sh(a − b) sh p − sh q = 2 sh · ch
2 2 2

1− t 2 
cos x = 1+ t 2 1+ t 2
ch x =

 
x  
 1− t 2
avec t = tan on a sin x = 2t x 
2t
2 1+ t 2 avec t = th on a sh x = 1− t 2
2

2t

tan x

=


2t
1− t 2 th x =

1+ t 2
Dérivées : la multiplication par i n’est plus valable
cos0 x = − sin x ch0 x = sh x

sin0 x = cos x sh0 x = ch x
1 1
tan0 x = 1 + tan2 x = th0 x = 1 − th2 x =
cos2 x ch2 x
−1 1
Arccos0 x = p (| x| < 1) Argch0 x = p (x > 1)
1 − x2 x2 − 1
1 1
Arcsin0 x = p (| x| < 1) Argsh0 x = p
1 − x2 x2 + 1
1 1
Arctan0 x = Argth0 x = (| x| < 1)
1 + x2 1 − x2
6. Formules de développements limités

Développements limités usuels (au voisinage de 0)
x x2 xn n xk
ex = 1 + + o(x n ) = + o(x n )
X
+ +···+
1! 2! n! k=0 k!
x2 x4 x2 n n x2 k
− · · · + (−1)n · + o(x2n+1 ) = (−1)k + o(x2n+1 )
X
cos x = 1 − +
2! 4! (2n)! k=0 (2k)!
x3 x5 x2n+1 n x2k+1
− · · · + (−1)n · + o(x2n+2 ) = (−1)k + o(x2n+2 )
X
sin x = x − +
3! 5! (2n + 1)! k=0 (2k + 1)!
x3 2 5 17 7
tan x = x + + x + x + o(x8 )
3 15 315
x2 x4 x2 n n x2 k
+ o(x2n+1 ) = + o(x2n+1 )
X
ch x = 1 + + +···+
2! 4! (2n)! k=0 (2k)!
x3 x5 x2n+1 n x2k+1
+ o(x2n+2 ) = + o(x2n+2 )
X
sh x = x + + +···+
3! 5! (2n + 1)! k=0 (2k + 1)!
x3 2 5 17 7
th x = x − + x − x + o(x8 )
3 15 315
x2 x3 xn n xk
− · · · + (−1)n−1 · + o(x n ) = (−1)k+1 + o(x n )
X
ln (1 + x) = x − +
2 3 n k=1 k
Ã !
α(α − 1) α(α − 1) · · · (α − n + 1) n α
α n n
2
x k + o(x n )
X
(1 + x) = 1 + αx + x +···+ x + o(x ) =
2! n! k=0 k
1 n
= 1 − x + x2 − · · · + (−1)n x n + o(x n ) = (−1)k x k + o(x n )
X
1+ x k=0
1 n
= 1 + x + x2 + · · · + x n + o(x n ) = x k + o(x n )
X
1− x k=0
p x 1 1 · 1 · 3 · 5 · · · (2n − 3) n
1 + x = 1 + − x2 − · · · + (−1)n−1 · x + o(x n )
2 8 2n n!
1 x 3 1 · 3 · 5 · · · (2n − 1) n
p = 1 − + x2 − · · · + (−1)n · x + o(x n )
1+ x 2 8 2n n!
π 1 x3 1 · 3 x5 1 · 3 · 5 · · · (2n − 1) x2n+1
arccos x = −x− − −···− + o(x2n+2 )
2 2 3 2·4 5 2 · 4 · 6 · · · (2n) 2n + 1
1 x3 1 · 3 x5 1 · 3 · 5 · · · (2n − 1) x2n+1
arcsin x = x + + +···+ + o(x2n+2 )
2 3 2·4 5 2 · 4 · 6 · · · (2n) 2n + 1
x3 x5 x2n+1
arctan x = x − + + · · · + (−1)n · + o(x2n+2 )
3 5 2n + 1
7. Formulaire : primitives
Primitives usuelles
C désigne une constante arbitraire. Les intervalles sont à préciser.
eα t
Z
eα t dt = +C (α ∈ C∗ )
α
tα+1 dt
Z Z
α = ln | t| + C
t dt = +C (α 6= −1)
α+1 t
¯ ¯
dt 1 ¯¯ 1 + t ¯¯
Z
dt
Z
= ln +C
= Arctan t + C 1 − t2 2 ¯ 1 − t ¯
1 + t2
dt
Z ¯ p ¯
p = ln ¯ t + t2 + α¯ + C
¯ ¯
Z
dt t2 + α
p = Arcsin t + C
1 − t2
Z
ch t dt = sh t + C
Z
cos t dt = sin t + C Z
sh t dt = ch t + C
Z
sin t dt = − cos t + C Z
dt
= th t + C
ch2 t
dt
Z
= tan t + C
cos2 t dt
Z
= −coth t + C
sh2 t
dt
Z
= −cotan t + C
sin2 t dt
Z
= 2Arctan e t + C
Z
dt
¯
¯
µ
t π ¯
¶¯ ch t
= ln ¯¯tan + ¯¯ + C
cos t 2 4 ¯ ¯
dt t ¯¯
Z
¯
Z
dt
¯ ¯
t ¯¯ = ln ¯th ¯ + C
¯
sh t 2
¯
= ln ¯tan ¯ + C
¯
sin t 2
Z
th t dt = ln (ch t) + C
Z
tan t dt = − ln |cos t| + C
Z Z
cotan t dt = ln |sin t| + C coth t dt = ln |sh t| + C
Les auteurs
Les auteurs des chapitres «Logique», «Ensembles», «Arithmétique», «Nombres complexes» et
«Groupes» sont :
– Arnaud Bodin (université Lille 1),
– Benjamin Boutin (université Rennes 1),
– Pascal Romon (université Marne-la-Vallée).
Les auteurs des chapitres «Nombres réels», «Suites», «Fonctions», «Dérivées» sont :
– Arnaud Bodin (université Lille 1),
– Niels Borne (université Lille 1),
– Laura Desideri (université Lille 1).
Les chapitres «Intégrales», «Développements limités», «Polynômes» sont d’Arnaud Bodin, d’après
des cours de Marc Bourdon et Guoting Chen.
Les exercices en vidéos sont de Arnaud Bodin et Léa Blanc-Centi (université Lille 1).
La musique du générique est de Victor Fleurant.

Algébre - Ecours

Transféré par

Droits d'auteur :

Formats disponibles

Algébre - Ecours

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Algébre - Ecours

Transféré par

Droits d'auteur :

Formats disponibles

Cours de mathématiques

6 Les nombres réels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

8 Limites et fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

9 Fonctions usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148

10 Dérivée d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159

11 Zéros des fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176

13 Développements limités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215

15 Systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252

17 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292

18 Algorithmes et mathématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326

20 Leçons de choses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386

Cours et exercices de maths

Licence Creative Commons – BY-NC-SA – 3.0 FR

Vidéo ■ partie 1. Logique

∀ε > 0 ∃δ > 0 ∀x ∈ I (| x − x0 | < δ =⇒ | f (x) − f (x0 )| < ε).

F I G U R E 1.1 – Table de vérité de « P et Q »

F I G U R E 1.2 – Table de vérité de « P ou Q »

L’assertion « non P » est vraie si P est fausse, et fausse si P est vraie.

F I G U R E 1.3 – Table de vérité de « non P »

La définition mathématique est la suivante :

L’assertion « (non P) ou Q » est notée « P =⇒ Q ».

Sa table de vérité est donc la suivante :

F I G U R E 1.4 – Table de vérité de « P =⇒ Q »

L’assertion « P =⇒ Q » se lit en français « P implique Q ».

L’équivalence est définie par :

On dira « P est équivalent à Q » ou « P équivaut à Q » ou « P si et seulement si Q ». Cette assertion

F I G U R E 1.5 – Table de vérité de « P ⇐⇒ Q »

Voici des exemples de démonstrations :

F I G U R E 1.6 – Tables de vérité de « non(P et Q) » et de « (non P) ou (non Q) »

8. Par définition, l’implication « P =⇒ Q » est l’assertion « (non P ) ou Q ».

La négation des quantificateurs

La négation de « ∀ x ∈ E P(x) » est « ∃ x ∈ E non P(x) » .

La négation de « ∃ x ∈ E P(x) » est « ∀ x ∈ E non P(x) ».

Voici des exemples :

∀x ∈ R ∃y > 0 (x + y > 10)

∀x ∈ R ∃y ∈ R (x + y > 0) et ∃y ∈ R ∀x ∈ R (x + y > 0).

Terminons avec d’autres remarques.

1. Écrire la table de vérité du « ou exclusif ». (C’est le ou dans la phrase « fromage ou

2.1. Raisonnement direct

Montrer que si a, b ∈ Q alors a + b ∈ Q.

2.2. Cas par cas

Montrer que pour tout x ∈ R, | x − 1| É x2 − x + 1.

Ainsi x2 − x + 1 − | x − 1| Ê 0 et donc x2 − x + 1 Ê | x − 1|.

L’assertion « P =⇒ Q » est équivalente à « non(Q) =⇒ non(P) ».

Soit n ∈ N. Montrer que si n2 est pair alors n est pair.

Montrer que pour tout n ∈ N, 2n > n.

Donc P ( n + 1) est vraie.

Vidéo ■ partie 1. Ensembles

Expliquons l’écriture E ∉ E : le E de gauche est considéré comme un élément, en effet l’ensemble

si x est un élément de E, et x ∉ E dans le cas contraire.

x ∈ R | | x − 2| < 1 , z ∈ C | z5 = 1 , x ∈ R | 0 É x É 1 = [0, 1].

1.2. Inclusion, union, intersection, complémentaire

Le «ou» n’est pas exclusif : x peut appartenir à A et à B en même temps.

1.3. Règles de calculs

Voici les dessins pour les deux dernières assertions.

1.4. Produit cartésien

1. Vous connaissez R2 = R × R = (x, y) | x, y ∈ R .

2. Autre exemple [0, 1] × R = (x, y) | 0 É x É 1, y ∈ R

1. En utilisant les définitions, montrer : A 6= B si et seulement s’il existe a ∈ A \ B ou

(R \ [−1, 1]) ∩ [0, 2] .