Professional Documents
Culture Documents
Cours 07112021
Cours 07112021
IPGEI de NKTT
1
Chapitre 1
Séries numériques
Du 04 au 07 Octobre
Dans ce chapitre, E = R ou C.
1.1 Généralités
Soit (un )n∈N une suite d’éléments de E. On note (Sn ) la suite définie par
n
X
∀n ∈ N, Sn = uk .
k=0
X
Le couple ((un ), (Sn ))) est appelé la série associée à la suite (un ) et sera noté un .
X
La suite (Sn )n∈N est appelée suite de sommes partielles de la série un .
Si la suite (Sn ) est convergente vers S, on dit que la série de terme général un est convergente et de somme S.
∀n ∈ N, Rn = S − Sn
et on note
+∞
X
uk := Rn .
k=n+1
X X X
Proposition 1.1 Soit un une série complexe. Alors, la série un converge ssi les séries Re(un ) et
X
Im(un ) convergent. De plus, en cas de convergence,
∞
X ∞
X ∞
X
un = Re(un ) + i Im(un ).
n=0 n=0 n=0
Exemples 1.1
2
ESP, IPGEI de NKTT Cours MP*, 2021-2022
(−1)n
4. La série de terme général un = , ∀n ∈ N converge et sa somme est ln 2.
n+1
1
5. La série de terme général un = , ∀n ∈ N∗ est divergente.
n
∞ n
X x
6. Pour tout x ∈ R, ex = .
n=0
n!
Remarque 1.1 La suite (un )n converge ssi la série de terme général vn = un − un−1 converge.
Proposition 1.2 Si la série de terme général un converge, alors un → 0 lorsque n tend vers +∞.
X
Si la condition lim un = 0 n’est pas vérifiée, on dit que la série est grossièrement divergente.
X
Exemple 1.1 La série (−1)n diverge.
X 1
Contre exemple 1.1 La série harmonique est divergente.
n+1
Propriétés 1.1 1. On ne change pas la nature d’une série en modifiant un nombre fini de ses termes.
2. L’ensemble des séries numériques convergentes est un espace vectoriel et l’application de cet ensemble
∞
X
définie par u 7→ un est linéaire.
n=0
X X
Théorème 1.1 (Critère de Cauchy) Soit un une série d’éléments de E. La série un converge ssi :
p
X
∀ϵ > 0, ∃n0 ∈ N, ∀p > q ≥ n0 , | uk | ≤ ϵ.
k=q+1
X 1
Exemple 1.2 La série harmonique est divergente.
n+1
X
Définition 1.1 ( Séries absolument convergentes) Soit un une série d’éléments de E, nous dirons qu’elle
X
est absolument convergente lorsque la série |un | est convergente.
X X
Proposition 1.3 Soit un une série d’éléments de E absolument convergente. Alors, un converge et
+∞
X +∞
X
| un | ≤ |un |.
n=0 n=0
X (−1)n
Contre exemple 1.2 La série converge mais elle ne converge pas absolument.
n+1
Exercice 1.2 1. Montrer que pour tout entier naturel N non nul,
N 2N
1 X (−1)n+1
X 1 1 1
− − =
2k − 1 4k − 2 4k 2 n=1 n
k=1
2. En déduire la somme :
1 1 1 1 1 1 1 1
1− − + − − + − − + ... + ...
2 4 3 6 8 5 10 12
3. Commenter le résultat.
3
ESP, IPGEI de NKTT Cours MP*, 2021-2022
|Rn | ≤ |un+1 |.
X 1
Exemple 1.3 1. La série converge,
n2
X 1
2. pour tout α ∈] − ∞, 1], la série diverge
nα
Application 1.1 Toute série à termes réels absolument convergente est convergente. Considérer les parties po-
sitive et négative du terme général.
p
Exercice 1.6 Étudier la nature de la série de terme général un = sin(π n2 + 2n + 3).
X X X
Corollaire 1.1 Soient un et vn deux séries de réels positifs telles que un ∼ vn . Alors les séries un et
X
vn sont de même nature.
X 1
Exemple 1.4 La série converge.
n(3n + 1)
cos n1 (1 + n1 )n
Exercice 1.7 Étudier la nature de la série de terme général un = .
n2
4
ESP, IPGEI de NKTT Cours MP*, 2021-2022
(−1)n
Exercice 1.8 On considère la série de terme général un = √ .
n − (−1)n
(−1)n
1. Montrer que un ∼ √ .
n
X
2. Montrer que la série un est divergente. Commenter ce résultat.
X un+1
Proposition 1.4 (Règle de d’Alembert) Soit un une série de réels strictement positifs telle que lim =
n→∞ un
l.
X
1. Si l > 1, la série un diverge grossièrement.
X
2. Si l < 1, la série un converge.
X
3. Si l = 1, on ne peut rien dire sur la nature de un .
X zn
Exercice 1.9 Montrer que pour tout z ∈ C, la série est convergente.
n!
+∞
X +∞
X
uk = o( vk ), n → +∞,
k=n k=n
X
2. Si un = O(vn ), alors un converge et les restes vérifient
+∞
X +∞
X
uk = O( vk ), n → +∞,
k=n k=n
X
3. si un ∼ vn , alors un converge et les restes vérifient
+∞
X +∞
X
uk ∼ vk , n → +∞,
k=n k=n
+∞
X 1
Exercice 1.10 Trouver un équivalent simple de la suite Rn = .
k2
k=n+1
X X X
Théorème 1.6 Soient un et vn deux séries de réels. On suppose que la série vn est à termes positifs
et divergente. Alors :
1. Si un = o(vn ), alors
n
X n
X
uk = o( vk ), n → +∞.
k=0 k=0
5
ESP, IPGEI de NKTT Cours MP*, 2021-2022
2. Si un = O(vn ), alors
n
X n
X
uk = O( vk ), n → +∞.
k=0 k=0
3. si un ∼ vn , alors
n
X n
X
uk ∼ vk , n → +∞.
k=0 k=0
Application
Pn 1.2 Soit (un ) une suite de réels convergente vers l ∈ R∗ . Monter que la suite
uk
vn = k=1 converge aussi vers l.
n
1 √ √
Exercice 1.11 On considère les suites un = √ , vn = 2( n + 1 − n), n ∈ N∗ . Montrer que un ∼ vn et en
n
n
X 1
déduire un équivalent simple de √ .
k=1
k
X
Remarque 1.2 La série de référence vn doit être positive ou de signe constant à partir d’un certain rang.
n
X 1
Application 1.3 Pour tout n ∈ N∗ , on pose Hn = . On a :
k
k=1
1. Hn ∼ log n.
2. La suite Hn − log n converge vers un réel γ.
1 1
3. Hn = log n + γ + + o( ).
2n n
Exercice 1.12 On considère la suite (un )n≥0 définie par u0 ∈]0; +∞[ et :
1
∀n ∈ N, un+1 = un + .
un
Montrer :
1. un → +∞
√
2. un ∼ 2n
√ 1 ln n ln n
3. un = 2n + √ √ + o( √ ). On pourra considérer la suite vn = u2n − 2n.
4 2 n n
6
ESP, IPGEI de NKTT Cours MP*, 2021-2022
X n
X
∀n ∈ N, wn = up vq = up vn−p
p+q=n p=0
X X X
Théorème 1.8 Soient un et vn deux séries absolument convergentes de E. Alors, wn , le produit de
X X
Cauchy de un et vn est absolument convergente et :
+∞ +∞
! +∞
!
X X X
wn = un vn .
n=0 n=0 n=0
7
Chapitre 2
Du 08 au 28 Octobre
2.1 Rappels
Sommes directes(caractérisations, exemples), matrices et applications linéaires, changement de bases
Déterminer SpR (f ).
Proposition 2.1 Des vecteurs propres associés à des valeurs propres deux à deux distinctes forment une famille
libre.
Exemple 2.1 La famille (x 7→ eax )a∈R est libre dans l’espace C ∞ (R, R).
Définition 2.3 Le polynôme caractéristique de f est le polynôme caractéristique de sa matrice dans une base
quelconque.
8
ESP, IPGEI de NKTT Cours MP*, 2021-2022
9
ESP, IPGEI de NKTT Cours MP*, 2021-2022
Définition 2.4 Soit A ∈ Mn (K) et λ une valeur propre de A. La multiplicité algébrique de λ, notée ma (λ), est
l’ordre de multiplicité de la racine λ dans le polynôme caractéristique χA .
Proposition 2.3 Soient f ∈ L(E) et F un s.e.v stable par f . Alors χfF divise χf où fF est l’endomorphisme
induit par f à F.
Théorème 2.1 Soit A ∈ Mn (K). Alors les conditions suivantes sont équivalentes :
1. A est diagonalisable sur K.
2. χA est scindé sur K et pour tout λ ∈ SpK (A),
De plus, dans ces cas, si (X1 , . . . , Xn ) est une base de Kn , formée de vecteurs propres de A, alors la matrice P
dont les vecteurs colonnes sont (X1 , . . . , Xn ) est inversible et D = P −1 AP est une matrice diagonale formée de
valeurs propres de A.
Exercice 2.4 Soit A ∈ Mn (K)( avec n ≥ 2) une matrice de rang 1. Montrer que A est diagonalisable si, et
seulement si tr(A) ̸= 0.
Corollaire 2.2 (Une condition suffisante). Soit A ∈ Mn (K). Supposons que A admet n valeurs propres
distinctes. Alors A est diagonalisable.
1 a
Exemple 2.2 Pour tout a ∈ K, la matrice A = est diagonalisable sur K.
0 2
Procédure de diagonalisation :
1. Factoriser le polynôme caractéristique :
Si le polynôme caractéristique a des racines complexes non réelles, la matrice n’est pas diagonalisable dans
R, mais elle peut l’être dans C.
10
ESP, IPGEI de NKTT Cours MP*, 2021-2022
Supposons que vous ayez bien trouvé une base de ma (λi ) vecteurs propres pour chaque valeur propre λi .
Rassemblez les vecteurs que vous avez trouvés pour chaque valeur propre, il y en a n en tout. La matrice
dont les colonnes sont ces n vecteurs est la matrice de passage P de la base canonique à la nouvelle base.
3. Conclure : A est diagonalisabe . Soit D la matrice diagonale dont les termes diagonaux sont les valeurs
propres de A associées aux colonnes de P en respectant le même ordre dans l’écriture des valeurs propres,
et dans celle des colonnes de P . Alors
D = P −1 AP.
Remarque 2.4 Pour toute matrice A ∈ Mn (K) et tout polynôme P ∈ K[X], on définit de même P (A).
Exemple 2.3 Soit P ∈ K[X]. Alors :
a1 0 ... ... 0 P (a1 ) 0 ... ... 0
0 a2 0 ... 0 0 P (a 2 ) 0 ... 0
P ... . . . .. .. .. = .. . .. . .. .. ..
.
. . . .
. .
0 . . . 0 an−1 0 0 ... 0 P (an−1 ) 0
0 ... ... 0 an 0 ... ... 0 P (an )
Plus généralement,
∗′ ∗∗′
a1 ∗ ... ... ∗∗ P (a1 ) ... ...
.. .. . ..
P (a2 ) . .
0
a2 . ... .
0
... .
... ..
P .. .. .. = . .. .. .. .. .
.
. . . . . . . . .
0 ... 0 an−1 ∗∗∗ 0 ... 0 P (an−1 ) ∗ ∗ ∗′
0 ... ... 0 an 0 ... ... 0 P (an )
n−1
X
Exercice 2.6 Soient P = ai X i ∈ K[X] et
i=0
0 1 (0)
.. .. ..
. . .
∈ Mn K).
J =
..
0 . 1
1 0 ... 0
11
ESP, IPGEI de NKTT Cours MP*, 2021-2022
Montrer que
a0 a1 ... an−1
.. ..
an−1 a0 . .
P (J) =
.
.
.. .. ..
. . a1
a1 ... an−1 a0
Indication : Considérer l’endomorphisme canoniquement associé.
matB (P (f )) = P (matB (f )) .
Définition 2.7 Soient (A, +, .) un anneau commutatif et I une partie de A. I est dit un idéal de A si (I, +) et
∀a ∈ A, ∀x ∈ I, ax ∈ I.
Exemple 2.4 Pour tout a ∈ A, l’ensemble (a) := {xb, x ∈ A} est un idéal de A. Cet idéal s’appelle l’idéal
engendré par a.
Proposition 2.7 Soit I un idéal de K[X] non nul. Il existe un unique polynôme unitaire P tel que I = (P ).
Définition 2.8 Si l’idéal If est non nul, l’unique générateur unitaire de If est appelé polynôme minimal de f
et se note πf .
Proposition 2.8 Soit f ∈ L(E). If est non nul ssi l’espace vectoriel K[f ] est de dimension finie. En particulier,
si la dimension de E est finie, alors If est non nul.
Contre exemple 2.1 La dérivation usuelle D : P 7→ P ′ est un endomorphisme de K[X] qui n’admet pas de
polynôme annulateur.
Exercice 2.7 Soit P un polynôme unitaire de degré n et CP la matrice compagnon associé au P. Soient f
l’endomorphisme canoniquement associé à Cp et B = (e1 , . . . , en ) la base canonique de Kn .
1. Montrer que la famille (f k )0≤k≤n−1 est libre.
2. Montrer que P (f )(e1 ) = 0.
3. En déduire que P (f ) = 0.
4. Montrer que
πCP = χCP .
deg(πf ) ≤ n.
12
ESP, IPGEI de NKTT Cours MP*, 2021-2022
Proposition 2.9 Soit f ∈ L(E) admettant un polynôme annulateur P tel que P (0) ̸= 0. Alors f est inversible.
De plus, son inverse appartient à K[f ].
Réciproquement,
Proposition 2.10 Supposons que la dimension de E est finie. Un endomorphisme f ∈ L(E) inversible ssi 0 n’est
pas une racine de son polynôme minimal.
Proposition 2.11 Le spectre d’un endomorphisme f est inclus dans l’ensemble de racines de tout polynôme
annulateur de f.
Proposition 2.12 Soit f ∈ L(E) admettant un polynôme annulateur de degré N , alors K[f ] = vec(f k )0≤k≤N −1 .
Exemple 2.6 Soit (a, b) ∈ K avec a ̸= b et f un endomorphisme dont un polynôme annulateur est P =
(X − a)(X − b), alors
am − bm bam − abm
∀m ∈ N, f m = f+ IE .
a−b b−a
∀x ∈ F, f (x) ∈ F.
Exercice 2.9 Soit f ∈ L(E). Montrer que les assertions suivantes sont équivalentes :
1. f est une homothétie ;
2. f laisse stable tout s.e.v F de E.
3. f laisse stable toute droite vectoriel.
4. Pour tout x ∈ E, la famille {x, f (x)} est liée.
Proposition 2.13 Soient f et g deux éléments de L(E). Si f og = gof , alors Ker(f ) et Im(f ) sont stables par g
et plus généralement, pour tout Q ∈ K[X], Ker(Q(f )) et Im(Q(f )) sont stables par g.
Exercice 2.10 Soient f, g ∈ L(E). On suppose que dim(E) = n , f og = gof et que f admet n valeurs propres
distinctes. Montrer que g est diagonalisable et que g ∈ K[f ].( Indication : Considérer les polynômes de Lagrange).
Proposition 2.14 On suppose que dim(E) < ∞. Soient F et G deux s.e.v de E supplémentaires et f ∈ L(E).
Alors F est stable par f si, et seulement si, dans une base adaptée à la somme directe E = F ⊕ G, la matrice de
f est triangulaire par blocs de la forme
A B
0 C
avec A ∈ Mdim(F ) (K).
13
ESP, IPGEI de NKTT Cours MP*, 2021-2022
Remarque 2.6 Si E = F1 ⊕ . . . ⊕ Fr avec F1 , . . . , Fr des s.e.v stables par f , alors la matrice de f dans toute
base adaptée à cette directe est diagonale par blocs de la forme
A1
..
.
Ar
Proposition 2.15 Soient P1 et P2 deux éléments de K[X] et f ∈ L(E). Si P1 et P2 sont premiers entre eux,
alors
Ker (P1 P2 ) (f ) = KerP1 (f ) ⊕ KerP2 (f ).
Remarque 2.7 Sur la projection de Ker (P1 P2 ) (f ) sur KerP1 (f ) parallèlement à KerP2 (f )
Plus généralement, on a :
Proposition 2.16 (Lemme de décomposition des noyaux) Soient P1 , . . . , Pr des éléments de K[X] premiers
entre eux deux à deux et f ∈ L(E). Alors
Proposition 2.17 Si χf est scindé sur K et à racines simples, alors f est diagonalisable.
Remarque 2.8 Sous les hypothèses de la proposition précédente, pour tout g ∈ L(E) vérifiant f og = gof, g est
diagonalisable.
14
ESP, IPGEI de NKTT Cours MP*, 2021-2022
Corollaire 2.6 Si f est diagonalisable, alors pour tout F s.e.v. f -stable, fF est diagonalisable.
Définition 2.11 Un endomorphisme est dit trigonalisable s’il existe une dans laquelle sa matrice est triangulaire
supérieure. Une matrice carrée est dite trigonalisable si elle est semblable à une matrice triangulaire supérieure.
Proposition 2.18 Si f est trigonalisable de valeurs propres λ1 , ..., λr d’ordres de multiplicités respectifs α1 , ..., αr
, alors
r
Y
det(f ) = λα
i
i
i=1
et
r
X
tr(f ) = αi λi .
i=1
Exercice 2.11 Soit A ∈ Mn (Z). Supposons qu’il existe p ∈ N∗ tel que Ap = In . Montrer que
Proposition 2.19 f est nilpotent ssi f est trigonalisable avec pour celle valeur propre 0.
Application 2.7 Supposons que la dimension de E est finie. Soit f ∈ L(E). f est nilpotent ssi pour tout k ∈ N∗ ,
tr(f k ) = 0.
Ceci n’est possible que dans le cas K = R et n = 2. Dans ce cas, la matrice A n’est pas trigonalisable sur
R.
Exemple 2.12 Soit
0 1
A= .
−1 0
χA = X 2 + 1 qui n’a pas de racine réelle, donc elle n’est pas trigonalisable sur R.
15
ESP, IPGEI de NKTT Cours MP*, 2021-2022
Dans ce cas, d’après le corollaire 1, la matrice est diagonalisable. En particulier, elle est trigonalisable.
Soient λ1 , ..., λn les différentes valeurs propres. Pour chaque 1 ≤ i ≤ n, on cherche un vecteur propre
Xi associé à λi . Soit P la matrice dont les colonnes sont (X1 , X2 , ..., Xn ). P est inversible et P −1 AP est
diagonale.
3. Si n = 2 et A a une seule valeur propre :
Soit λ l’unique valeur propre de A et X1 un vecteur propre associé. Soit X2 un vecteur quelconque de K2
tel que (X1 , X2 ) soit un base de K2 (Théorème de la base incomplète). Soit P la matrice dont les colonnes
sont (X1 , X2 ). P est inversible et P −1 AP est triangulaire supérieure.
Exemple 2.13 Soit
3 2
A= .
−2 −1
1 1 0
1 est une valeur propre de A dont X1 = est un vecteur propre associé. On a = 1 ̸= 0, donc
−1 −1 1
0
(X1 , X2 ) est une base de K2 où X2 = .
1
1 0
Soit P = . Vérifions que P −1 AP est triangulaire supérieure :
−1 1
1 0 1 0 3 2 1 0 −1 −1
P −1 = et =
1 1 1 1 −2 −1 −1 1 0 1
4. Si n = 3 et A a exactement deux valeurs propres distinctes :
Soient λ1 et λ2 les valeurs propres de A. Soient X1 un vecteur propre associé à λ1 et X2 un vecteur propre
associé à λ2 . La famille (X1 , X2 ) est libre (Proposition 1).
On la complète à une base (X1 , X2 , X3 ) de K3 (Théorème de la base incomplète). Soit P la matrice dont
les colonnes sont (X1 , X2 , X3 ). P est inversible et P −1 AP est triangulaire supérieure.
5. Si n = 3 et A a une seule valeur propre :
Si dim(Eλ (A)) = 2 ou 3 : on procède comme dans le cas précédent : Soit (X1 , X2 ) une famille libre
de vecteurs propres associés à λ. On la complète à une base (X1 , X2 , X3 ) de K3 (Théorème de la base
incomplète). Soit P la matrice dont les colonnes sont (X1 , X2 , X3 ). P est inversible et P −1 AP est
triangulaire supérieure.
Sinon : dim(Eλ (A)) = 1. C’est un peu plus délicat, on illustre la procédure de trigonalisation sur un
exemple :
Soit
−2 −1 2
A = −15 −6 11
−14 −6 11
Son polynôme caractéristique est
χA = (X − 1)3 .
16
ESP, IPGEI de NKTT Cours MP*, 2021-2022
On a alors le système
−3x − y + 2z = 1
−15x − 7y + 11z = 1
−14x − 6y + 10z = 2
x 0
qui admet comme solution x + 3 . On prend X2 = 3 .
2x + 2 2
La famille (X1 , X2 ) est libre. On la complète à une base (X1 , X2 , X3 ) de K3 (Théorème de la base
incomplète). Soit P la matrice dont les colonnes sont (X1 , X2 , X3 ). P est inversible et P −1 AP est
triangulaire supérieure de la forme
λ 1 a
0 λ b
0 0 λ
où a et b sont des éléments de K.
1
Pour cet exemple, on peut prendre X3 = 0, et on a
0
1 1 −3
P −1 AP = 0 1 −4
0 0 1
2.7 Compléments
Problème
Notations et rappels
On considère un espace vectoriel E, de dimension fini n strictement positif sur le corps K(K = R ou C). L(E)
désigne la K-algèbre des endomorphismes de E. Si u, v ∈ L(E), uov se note uv et l’identité est notée IE .
Si u est un endomorphisme de E, le polynôme minimal de u sera noté πu et le polynôme caractéristique se
notera χu ; on rappelle que πu est le polynôme unitaire de degré minimal annulateur de u, c’est le générateur
unitaire de l’idéal des polynômes annulateurs de u, et que
I-Résultats préliminaires
Soit u ∈ L(E).
1. Pour tout k ∈ N, on pose αk = dim(ker uk+1 ) − dim(ker uk ).
17
ESP, IPGEI de NKTT Cours MP*, 2021-2022
(c) Soit k ∈ N et F est un supplémentaire de ker uk dans ker uk+1 . Montrer que
χu = (X − λ)p Q et Q(λ) ̸= 0.
χu = (X − λ)d χw
18
ESP, IPGEI de NKTT Cours MP*, 2021-2022
2. Soit x ∈ E tel que ur−1 (x) ̸= 0. Pour i un entier tel que 1 ≤ i ≤ r, on pose ei = ui−1 (x). Soit
W = vect(e1 , ..., er )
(a) Prouver W est de dimension r et qu’il est stable par u.
(b) En notant uW l’endomorphisme de W induit par u, écrire la matrice de uW dans la base (er , er−1 , ..., e1 ).
3. On conserve les notations de la question précédente. Soit ψ une forme linéaire sur E ne s’annule pas en
er . Pour i un entier tel que 1 ≤ i ≤ r, on pose ϕi = ψui−1 .
r
\
(a) Prouver que les formes linéaires ϕ1 , ..., ϕr sont linéairement indépendantes. On pose W ′ = ker ϕi ,
i=1
(b) Montrer que W ′ est un supplémentaire de W dans E et que W ′ est stable par u.
(c) Que peut-on dire du polynôme minimal de l’endomorphisme uW ′ de W ′ induit par u ?
4. Pour chaque entier strictement positif i, notons Ji la matrice suivante de Mi (K) :
0 1 0
.. ..
. .
..
. 1
0 0
Card{j ∈ {1, ..., r}, dj = k} = 2dim kerf k − dim kerf k−1 − dim kerf k+1 .
(b) Que peut-on conclure.
III-Réduction de Jordan
1. Soit u un endomorphisme de E dont le polynôme caractéristique est scindé, λ1 , ..., λm les valeurs propres
de u. Montrer qu’il existe une suite dj,1 ≥ ..., ≥ dj,rj pour j ∈ {1, ..., m} telle que, dans une certaine base,
la matrice de u soit diagonale par blocs avec les blocs
λ1 Id1,1 + Jd1,1 , ..., λ1 Id1,r1 + Jd1,r1 , ..., λm Idm,1 + Jdm,1 , ..., λm Idm,rm + Jdm,rm .
Cette matrice est appelée la réduite de Jordan de u.
2. Application : (Théorème de Weyer et Jordan )Montrer la critère suivante : Deux matrices A et B
de Mn (C) sont semblable si, et seulement si,
19
Chapitre 3
Du 29 Octobre au 05 Novembre
n
N∞ : x = (x1 , ..., xn ) ∈ E 7→ max |xi |
i=1
Plus généralement, si E est de dimension finie n et B = (e1 , e2 , ..., en ) une base de E. Les applications
n
X n
X
xi ei 7→ |xi |
i=1 i=1
n
X n
xi ei 7→ max |xi |
i=1
i=1
N∞ : f ∈ E 7→ sup |f (x)|.
x∈[a,b]
20
ESP, IPGEI de NKTT Cours MP*, 2021-2022
De plus
∀A, B ∈ E, ∥ AB ∥∞ ≤∥ A ∥∞ ∥ B ∥∞ .
Une norme vérifiant cette égalité est appelé norme matricielle.
x
Remarque 3.1 Si x ∈ E non nul, alors le vecteur est unitaire c-à-d de norme 1.
∥x∥
Proposition et définition 3.1 Soit (Ei , Ni )i∈{1,..,p} une famille de p espaces vectoriels normés sur K et E
l’espace vectoriel produit. Alors l’application définie de E dans R par :
Définition 3.2 Soit F un ensemble. On appelle distance sur F , toute applications d : F × F → R+ telle que
1. ∀(x, y) ∈ F 2 , d(x, y) = 0 ⇔ x = y.
2. ∀(x, y) ∈ F 2 , d(x, y) = d(y, x).
3. ∀(x, y, z) ∈ F 3 , d(x, y) ≤ d(x, z) + d(z, y).
Le couple (F, d) est appelé espace métrique.
d : (x, y) ∈ E 2 7→∥ x − y ∥
Définition 3.3 Supposons K = R.On appelle produit scalaire sur E toute application ϕ de E × E dans R
vérifiant les propriétés suivantes :
i. ∀(x, y) ∈ E 2 , ϕ(x, y) = ϕ(y, x).
ii. Pour tout x de E, l’application y 7→ ϕ(x, y) est linéaire.
iii. ∀x ∈ E, ϕ(x, x) ≥ 0.
21
ESP, IPGEI de NKTT Cours MP*, 2021-2022
iv. ∀x ∈ E, ϕ(x, x) = 0 ⇒ x = 0E .
Lemme 3.1 (Inégalité de Cauchy-Shwarz) Soit ϕ un produit scalaire sur E. Pour tous x, y dans E on a :
1. ∀(x, y) ∈ E 2 , | ϕ(x, y) |≤∥ x ∥∥ y ∥
2. ∀(x, y) ∈ E 2 , | ϕ(x, y) |=∥ x ∥∥ y ∥⇔ (x, y) liée.
Exemple 3.2 On se donne un entier n ≥ 1 et des réels x1 , ..., xn . Montrer que :
n
!2 n
X X
xk ≤n x2k
k=1 k=1
est un produit scalaire sur Rn appelé produit scalaire canonique. La norme associée est la norme euclidienne
canonique sur Rn : v
u n
uX
x 7→ t x2i .
i=1
Plus généralement, si E est de dimension finie n et B = (e1 , e2 , ..., en ) une base de E, l’application ϕ de E × E
dans R :
n
X n
X X n
( xi ei , yi ei ) 7→ (x | y) = xi yi
i=1 i=1 i=1
est un produit scalaire sur E.
X X
Exemple 3.4 Dans R[X], notons P = ai X i et Q = bi X i deux polynômes. Les familles (ai )i∈N et (bi )i∈N
i∈N i∈N
X
de réels sont à support fini. L’application ϕ de R[X] × R[X] dans R définie par ϕ(P, Q) = ai bi est un produit
sX i∈N
scalaire sur R[X]. La norme associée est P 7→ a2i . La restriction de ϕ à Rn [X] × Rn [X] est un produit
i∈N
scalaire sur Rn [X].
Z b
Exemple 3.5 Soit a et b deux réels fixés tels que a < b. L’application ϕ : (f, g) 7→ f (t)g(t)dt, définit un
a
produit scalaire sur C([a, b], R). La norme associée est noté N2 et définie par :
s
Z b
f 7→ f (t)2 dt.
a
22
ESP, IPGEI de NKTT Cours MP*, 2021-2022
Exemple 3.6 Soit l’espace vectoriel Mm,n (R) des matrices réelles. L’application ϕ de Mm,n (R) × Mm,n (R)
dans R définie par : ϕ(A, B) = tr((At )B) est un produit scalaire sur Mm,n (R). La norme associée est :
v
um X n
uX
(ai,j )1≤i≤m;1≤j≤n 7→ t a2i,j .
i=1 j=1
Remarque 3.3 (xn )n converge vers l ssi (xn − l)n converge vers 0E .
Exemple 3.7 E = C([0, 1], R). Considérons la suite (fn )n définie par fn (t) = tn . La suite (fn )n converge vers
la fonction nulle relativement à ∥ ∥1 mais elle ne converge pas vers la fonction nulle pour ∥ ∥∞ .
Proposition 3.1 Soit (E, N ) un evn. Si (xn )n une suite d’élément de E converge vers l alors cette limite est
unique.
Proposition 3.2 Soit (Ei , Ni )i∈{1,..,p} sont p espaces vectoriels normés, (E, N ) l’espace vectoriel normé produit,
alors la suite x = (x1 , ..., xp ) converge vers l = (l1 , ..., lp ) dans (E, N ) ssi pour tout i ∈ {1, .., p}, la suite xi
converge vers li dans (Ei , Ni ).
1
Exemple 3.8 Soit E = Mn (R) muni de la norme ∥ ∥∞ . Pour m ∈ N∗ , on pose δm = et
m
2 n−1
∆m = diag(1, δm , δm , ..., δm ). Soit A une matrice triangulaire supérieure. Déterminer la limite de la suite
∆−1
m A∆m m .
Proposition 3.3 Soient N1 et N2 deux normes sur E. Les deux propriétés suivantes sont équivalentes :
1. ∃ α ∈ R∗+ ∀x ∈ E, N2 (x) ≤ αN1 (x).
2. Toute suite d’éléments de E qui converge vers 0E relativement à la norme N1 converge aussi vers 0E pour
la norme N2 .
Remarque 3.4 La relation définie sur l’ensemble de normes de E, (N1 et N2 sont deux normes équivalents) est
une relation d’équivalence.
Contre exemple 3.2 Les normes N1 et N∞ de C([0, 1], R) ne sont pas équivalentes.
Définition 3.6 Soit (xn ) ⊂ E et ϕ : N → N strictement croissante. La suite (xϕ(n) ) est appelé suite extraite de
(xn ).
23
ESP, IPGEI de NKTT Cours MP*, 2021-2022
Proposition 3.5 Soit (xn ) ⊂ E. Si (xn ) convergeant vers l ∈ E, alors toute suite extraite de E converge aussi
vers l.
Remarque 3.5 Si (x2n ) et (x2n+1 ) convergent vers une même limite l ∈ E, alors (xn ) converge vers l.
Définition 3.7 Soient (xn ) ⊂ E et a ∈ E. a est dite valeur d’adhérence de la suite (xn ) si a est limite d’une
suite extraite de (xn ).
Théorème 3.1 1. Si (un ) est une suite d’éléments de E convergeant vers l, alors l est l’unique valeur
d’adhérence de la suite (un ).
2. Toute suite ayant au moins deux valeurs d’adhérence est divergente.
3. Une suite bornée de réels ou de complexes converge si et seulement si elle admet une unique valeur
d’adhérence.
2. La boule fermée de centre a et de rayon r est l’ensemble noté Bf (a, r) et défini par :
Bf (a, r) = {x ∈ E, ∥ x − a ∥≤}.
Proposition 3.6 Toute boule ouverte(resp. fermée) est un ouvert (resp. fermé).
Remarque 3.6 L’intersection(resp. réunion) quelconque d’ ouverts(resp. fermés) n’est pas toujours un ou-
vert(resp. fermé). Par exemple
\ 1 1
] − , [= {0}.
∗
n n
n∈N
∀r > 0, B(a, r) ∩ A ̸= ∅.
24
ESP, IPGEI de NKTT Cours MP*, 2021-2022
Proposition 3.8 Soient A une partie de E et a ∈ E. Alors a ∈ A ssi il existe une suite d’éléments de A,
convergente vers A.
autrement dit A est le plus petit fermé contenant A. De plus A est fermé ssi A = A.
2. [
Å = O
O ouvert inclus dans A
autrement dit Å est le plus grand ouvert inclus dans A. De plus A est ouvert ssi Å = A.
3. c
A = (Ac )˚.
Définition 3.12 Soit K une partie de E. K est dite compact si de toute suite d’éléments de K, on peut extraire
une sous-suite convergente dans K (sa limite est dans K)
Remarque 3.7 Si N1 ∼ N2 , alors (E, N1 ) et (E, N2 ) auront les mêmes ouverts, fermés et les mêmes compacts.
Proposition 3.11 Soit K une partie compacte de E et soit B une partie de E inclus dans K. B est compacte
ssi elle fermée bornée.
Exemple 3.15 Dans (Rn , ∥ ∥∞ ), les boules fermées et sphères sont des compacts
Proposition 3.13 Dans (Rn , ∥ ∥∞ ), les compacts sont exactement les fermés bornés.
25
ESP, IPGEI de NKTT Cours MP*, 2021-2022
Proposition 3.14 On conserve les notations de la définition précédente. Les conditions suivantes sont équivalentes :
1. lim f (x) = l.
x→a, x∈A
2. Pour tout suite (xn )n ⊂ A qui converge vers a, la suite (f (xn )n converge vers l.
Remarque 3.8 L’existence de la limite et sa valeur ne dépendent pas des normes choisies équivalentes.
Proposition 3.15 L’image directe, par une application continue, d’un compact est compact.
Théorème 3.2 (Heine) Si A est compact, alors f est continue sur A ssi elle est uniformément continue sur A.
Proposition 3.16 Si A est compact et f à valeurs réels, alors f est bornée et atteint ses bornes.
Théorème 3.3 Si la dimension de E est finie, alors toutes les normes sur E sont équivalentes.
Théorème 3.4 En dimension finie, les compacts sont les fermés bornés.
Corollaire 3.1 En dimension finie, de toute suite bornée, on peut extraire une sous suite convergente.
26