Cours d'analyse, ECS deuxième année - Alain TROESCH
Cours d'analyse, ECS deuxième année - Alain TROESCH
Cours d'analyse, ECS deuxième année - Alain TROESCH
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Cours</strong> d’analyse, <strong>ECS</strong> <strong>deuxième</strong> <strong>année</strong><br />
<strong>Alain</strong> <strong>TROESCH</strong><br />
2 septembre 2012
Table des matières<br />
1 Suites numériques : révisions 5<br />
1.1 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6<br />
1.1.1 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6<br />
1.1.2 Quelques propriétés utiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6<br />
1.1.3 Arithmétique des limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7<br />
1.2 Propriétés des suites réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8<br />
1.2.1 Passage à la limite dans une inégalité . . . . . . . . . . . . . . . . . . . . . 8<br />
1.2.2 Théorème d’encadrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8<br />
1.2.3 Suites monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9<br />
1.2.4 Suites adjacentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9<br />
1.3 Quelques types classiques de suite, à bien connaître . . . . . . . . . . . . . . . . . . 10<br />
1.3.1 Suites définies par une récurrence affine . . . . . . . . . . . . . . . . . . . . 10<br />
1.3.2 Suites définies par une récurrence linéaire d’ordre k (k > 1) . . . . . . . . . 11<br />
1.3.3 Suites définies par une récurrence du type : ∀n ∈ N,un+1 = f(un) . . . . . 11<br />
1.3.4 Suites définies implicitement . . . . . . . . . . . . . . . . . . . . . . . . . . 12<br />
1.4 Approximations et estimations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12<br />
1.4.1 Équivalents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12<br />
1.4.2 Négligeabilité (petit-o, vitesse de convergence) . . . . . . . . . . . . . . . . 13<br />
1.4.3 Développements limités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14<br />
2 Séries numériques : révisions 17<br />
2.1 Notion de série et de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17<br />
2.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17<br />
2.1.2 Propriétés liées à la convergence . . . . . . . . . . . . . . . . . . . . . . . . 18<br />
2.1.3 Types de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18<br />
2.2 Séries à termes positifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19<br />
2.2.1 Comparaisons entre séries à termes positifs . . . . . . . . . . . . . . . . . . 19<br />
2.2.2 Comparaison entre une série et une intégrale . . . . . . . . . . . . . . . . . 20<br />
2.2.3 Comparaison avec une série de Riemann . . . . . . . . . . . . . . . . . . . . 20<br />
2.2.4 Comparaison avec une série géométrique . . . . . . . . . . . . . . . . . . . . 21<br />
2.3 Étude de la semi-convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22<br />
3 Intégrales impropres 23<br />
3.1 Rappel sur les intégrales définies . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23<br />
3.1.1 Définition de l’intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23<br />
3.1.2 Propriétés de l’intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2 Table des matières<br />
3.1.3 Calcul des intégrales – Primitives . . . . . . . . . . . . . . . . . . . . . . . . 25<br />
3.2 Notion d’intégrale impropre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26<br />
3.2.1 Cas des fonctions définies sur un intervalle semi-ouvert . . . . . . . . . . . . 26<br />
3.2.2 Cas d’une fonction continue sur un intervalle ouvert . . . . . . . . . . . . . 28<br />
3.2.3 Cas d’une fonction continue sur une union d’intervalles ouverts . . . . . . . 29<br />
3.3 Propriétés des intégrales impropres . . . . . . . . . . . . . . . . . . . . . . . . . . . 30<br />
3.3.1 Linéarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30<br />
3.3.2 Relation de Chasles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30<br />
3.3.3 Positivité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30<br />
3.4 Critères de convergence pour les intégrales de fonctions positives . . . . . . . . . . 31<br />
3.4.1 Un lemme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31<br />
3.4.2 Critère de comparaison par inégalité . . . . . . . . . . . . . . . . . . . . . . 31<br />
3.4.3 Critère de comparaison par o . . . . . . . . . . . . . . . . . . . . . . . . . . 32<br />
3.4.4 Critère de comparaison par équivalents . . . . . . . . . . . . . . . . . . . . . 32<br />
3.5 Cas des fonctions non positives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33<br />
3.5.1 Convergence absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33<br />
3.5.2 Semi-convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33<br />
3.6 Comparaison série/intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33<br />
3.7 Techniques de calcul des intégrales impropres . . . . . . . . . . . . . . . . . . . . . 33<br />
3.7.1 Intégration par parties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33<br />
3.7.2 Changements de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34<br />
3.8 Intégrales classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35<br />
3.8.1 Intégrale de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35<br />
3.8.2 Fonction Γ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35<br />
4 Révisions : fonctions d’une variable réelle 37<br />
4.1 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37<br />
4.1.1 Définitions et rappel des propriétés . . . . . . . . . . . . . . . . . . . . . . . 37<br />
4.1.2 Continuité sur un intervalle . . . . . . . . . . . . . . . . . . . . . . . . . . . 38<br />
4.2 Dérivabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38<br />
4.2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38<br />
4.2.2 Dérivées d’ordre supérieur – Fonctions de classe C n . . . . . . . . . . . . . . 39<br />
4.2.3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40<br />
4.2.4 Dérivabilité sur un intervalle . . . . . . . . . . . . . . . . . . . . . . . . . . 40<br />
4.3 Fonctions convexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41<br />
4.3.1 Notion de convexité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41<br />
4.3.2 Étude de la dérivabilité des fonctions convexes . . . . . . . . . . . . . . . . 42<br />
4.3.3 Caractérisation de la convexité par les dérivées . . . . . . . . . . . . . . . . 42<br />
4.4 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43<br />
4.4.1 Développement de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43<br />
4.4.2 Formule de Taylor-Young . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43<br />
4.4.3 Formule de Taylor-Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . 44<br />
4.4.4 Formule de Taylor avec reste intégral . . . . . . . . . . . . . . . . . . . . . . 44<br />
4.4.5 Cas des polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Table des matières 3<br />
5 Fonctions de plusieurs variables : continuité, calcul différentiel 45<br />
5.1 Rappels de topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45<br />
5.1.1 Distances et boules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45<br />
5.1.2 Voisinages, ouverts, fermés . . . . . . . . . . . . . . . . . . . . . . . . . . . 46<br />
5.1.3 Sous-ensembles bornés de R n . . . . . . . . . . . . . . . . . . . . . . . . . . 47<br />
5.1.4 Droites, segments, plans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47<br />
5.2 Graphes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48<br />
5.2.1 Définition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48<br />
5.2.2 Courbes de niveau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48<br />
5.3 Limites et continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49<br />
5.3.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49<br />
5.3.2 Critère séquentiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50<br />
5.3.3 Opérations sur les fonctions continues . . . . . . . . . . . . . . . . . . . . . 51<br />
5.3.4 Continuité et topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52<br />
5.4 Calcul différentiel (à l’ordre 1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52<br />
5.4.1 Fonctions et dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . 52<br />
5.4.2 Fonctions de classe C 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53<br />
5.4.3 Développements limités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53<br />
5.4.4 Formule de Taylor-Young à l’ordre 1 . . . . . . . . . . . . . . . . . . . . . . 54<br />
5.4.5 Dérivation d’une composition . . . . . . . . . . . . . . . . . . . . . . . . . . 54<br />
5.4.6 Interprétation du gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55<br />
5.4.7 Formule des accroissements finis . . . . . . . . . . . . . . . . . . . . . . . . 56<br />
5.5 Dérivées d’ordre supérieur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56<br />
5.5.1 Dérivées partielles d’ordre n . . . . . . . . . . . . . . . . . . . . . . . . . . . 56<br />
5.5.2 Théorème de Schwarz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57<br />
5.5.3 Hessienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57<br />
5.5.4 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58<br />
6 Optimisation 59<br />
6.1 Recherche d’extrema locaux sur un ouvert . . . . . . . . . . . . . . . . . . . . . . . 60<br />
6.1.1 Condition nécessaire du premier ordre . . . . . . . . . . . . . . . . . . . . . 60<br />
6.1.2 Condition suffisante du <strong>deuxième</strong> ordre . . . . . . . . . . . . . . . . . . . . 60<br />
6.1.3 Diagonalisabilité des endomorphismes symétriques . . . . . . . . . . . . . . 61<br />
6.2 Recherche d’extrema globaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62<br />
6.2.1 Existence d’un maximum et/ou d’un minimum . . . . . . . . . . . . . . . . 62<br />
6.2.2 Recherche des extrema globaux . . . . . . . . . . . . . . . . . . . . . . . . . 64<br />
6.2.3 Quelques cas particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64<br />
6.2.4 Recherche de la position du graphe par rapport à l’hyperplan tangent . . . 66<br />
6.3 Recherche d’extrema sous contrainte . . . . . . . . . . . . . . . . . . . . . . . . . . 66<br />
6.3.1 Notion d’extremum sous contrainte . . . . . . . . . . . . . . . . . . . . . . . 66<br />
6.3.2 Points critiques sous contrainte linéaire . . . . . . . . . . . . . . . . . . . . 67<br />
6.3.3 Description de H ⊥ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68<br />
6.3.4 Recherche des extrema sous contrainte linéaire . . . . . . . . . . . . . . . . 68
4 Table des matières
Analyse – Chapitre 1<br />
Suites numériques : révisions<br />
Quelques rappels :<br />
• Une suite numérique (réelle ou complexe) est une famille (un)n∈N d’éléments de R ou C indexée<br />
sur N (parfois sur N ∗ , ou sur N \ {0,...,n0 − 1}). Il s’agit donc d’une fonction de N dans R<br />
ou C.<br />
• On rappelle que N : X = (x1,...,xn) ↦→ x 2 1 +···+x2 n est la norme usuelle de Rn , et on<br />
note N(X) = X. La distance de A à B est alors d(A,B) = B − A. Si n = 1, on obtient<br />
d(a,b) = |b − a|. De même dans C, assimilé à R 2 , où |.| désigne alors le module d’un nombre<br />
complexe<br />
• On rappelle que dans R n , B(a,r) désigne la boule ouverte de centre a et de rayon r, c’est-à-dire<br />
B(a,r) = {x ∈ R n | x−a < r}. Dans R, la boule ouverte de centre a et de rayon r est donc<br />
l’intervalle ]a−r,a+r[.<br />
• De même, B(a,r) désigne la boule fermée de centre a et de rayon r, c’est-à-dire B(a,r) = {x ∈<br />
R n | x − a r}. Dans R, la boule fermée de centre a et de rayon r est donc l’intervalle<br />
[a−r,a+r].<br />
• On rappelle qu’un voisinage V de x dans R n est un sous-ensemble V de E tel qu’il existe une<br />
boule ouverte centrée en x entièrement contenue dans V (en s’éloignant un peu de x, on ne sort<br />
pas de V )<br />
Par exemple, V est un voisinage de x dans R s’il existe ε tel que ]x−ε,x+ε[⊂ V .<br />
Intuitivement cela signifie que x n’est pas « au bord » de V .<br />
• Par extention, on dit que V est un voisinage de +∞ si V contient un intervalle du type ]a,+∞[.<br />
De même, V est un voisinage de −∞ si V contient un intervalle du type ]−∞,b[.<br />
• Un ouvert U de R n est un sous-ensemble U de R n qui est voisinage de tous ses points, i.e.<br />
∀x ∈ U,∃ε > 0, B(x,ε) ⊂ U.<br />
Intuitivement : U n’a pas de « bord ».<br />
• Un sous-ensemble F de E est fermé si son complémentaire ∁EF est ouvert.<br />
Proposition 1.0.1 1. Toute union quelconque d’ouverts est un ouvert;<br />
2. Toute intersection d’un nombre fini d’ouverts est un ouvert;<br />
3. Toute intersection quelconque de fermés est un fermé ;<br />
4. Toute union d’un nombre fini de fermés est un fermé.<br />
Exemples 1.0.2 Voici deux contre-exemples à bien garder en tête :
6 Analyse – Chapitre 1. Suites numériques : révisions<br />
+∞ <br />
<br />
1. Contre-exemple pour une intersection infinie d’ouverts : −<br />
n=1<br />
1<br />
n ,1<br />
<br />
= [0,1[.<br />
+∞ <br />
<br />
1<br />
2. Contre-exemple pour une union infinie de fermés :<br />
n ,1<br />
<br />
=]0,1].<br />
1.1 Convergence<br />
1.1.1 Limites<br />
Définition 1.1.1 Les propositions suivantes sont équivalentes, et définissent (chacune) la convergence<br />
d’une suite (un)n∈N d’éléments de R (ou C) vers un élément ℓ de R (ou C).<br />
(i) ∀ε > 0, ∃N ∈ N, ∀n N, un ∈ B(ℓ,ε).<br />
(ii) ∀ε > 0, ∃N ∈ N, ∀n N,|un −ℓ| < ε.<br />
(iii) pour tout voisinage V de ℓ, il existe N tel que pour tout n N, un ∈ V .<br />
Traduction : pour toute marge d’erreur ε qu’on peut se donner, à partir d’un certain rang, un est<br />
à peu près égal à ℓ, à cette marge d’erreur près.<br />
Attention ! « à peu près » ne signifie pas « exactement » ! Gardez-vous bien de dire que un = ℓ à<br />
partir d’un certain rang !<br />
Dans le cas de suites réelles, on définit aussi la convergence vers les infinis :<br />
Définition 1.1.2 • Une suite (un)n∈N à valeurs dans R tend vers +∞ si et seulement si :<br />
n=1<br />
∀A ∈ R, ∃N ∈ N, ∀n N,un > A.<br />
• Une suite (un)n∈N à valeurs dans R tend vers −∞ si et seulement si :<br />
∀A ∈ R, ∃N ∈ N, ∀n N,un < A.<br />
Dans ce contexte, la définition par voisinages (définition 1.1.1, iii) reste valable, en utilisant la<br />
notion de voisinage de +∞ ou −∞ rappelée au début du chapitre.<br />
Théorème 1.1.3 Soit (un)n∈N une suite (réelle ou complexe). Si (un)n∈N admet une limite, alors<br />
cette limite est unique. Elle est notée lim<br />
n→+∞ un.<br />
Faites attention à ne pas utiliser cette notation avant de vous être assuré de l’existence de la<br />
limite.<br />
1.1.2 Quelques propriétés utiles<br />
Proposition 1.1.4 Si (un)n∈N tend vers ℓ, alors (un+1)n∈N et (un−1)n∈N∗ aussi.<br />
Proposition 1.1.5 Si (un)n∈N converge vers ℓ, et si ϕ est une application strictement croissante<br />
de N dans N, alors (u ϕ(n)) converge vers ℓ (une telle suite est appelée suite extraite de (un)n∈N)<br />
Exemple typique : u2n, u2n+1...<br />
Proposition 1.1.6 (hors-programme, démonstration à refaire au besoin) Si(u2n)n∈N et(u2n+1)n∈N<br />
convergent vers une même limite ℓ, alors (un)n∈N converge vers ℓ. De même pour (u3n), (u3n+1)<br />
et (u3n+2), etc.
1.1 Convergence 7<br />
1.1.3 Arithmétique des limites<br />
Théorème 1.1.7 Soit (un)n∈N et (vn)n∈N deux suites convergentes. Alors :<br />
1. (|un|)n∈N est convergente, et lim<br />
n→+∞ |un|<br />
<br />
<br />
= <br />
lim<br />
<br />
<br />
<br />
;<br />
n→+∞ un<br />
2. (un +vn)n∈N est convergente, et lim<br />
n→+∞ (un +vn) = lim<br />
n→+∞ un + lim<br />
n→+∞ vn ;<br />
3. (unvn)n∈N est convergente, et lim<br />
n→+∞ (unvn) = lim<br />
n→+∞ un · lim<br />
n→+∞ vn ;<br />
<br />
un<br />
4. si lim<br />
n→+∞ vn = 0, alors vn = 0 à partir d’un certain rang; ainsi,<br />
un<br />
d’un certain rang, est convergente, et lim =<br />
n→+∞ vn<br />
lim<br />
n→+∞ un<br />
lim<br />
n→+∞ vn<br />
.<br />
vn<br />
<br />
est définie à partir<br />
Théorème 1.1.8 Les résultats ci-dessus restent vrais si la limite de (un)n∈N et/ou de (vn)n∈N est<br />
infinie, avec les règles arithmétiques suivantes (règles usuelles dans R) :<br />
a+∞ = +∞; +∞+∞ = +∞; a·(+∞) = (sg(a))∞; (±∞)·(±∞) = ±∞;<br />
1<br />
= 0.<br />
±∞<br />
En revanche, les opérations arithmétiques suivantes ne sont pas définies, et donnent des formes<br />
indéterminées (ayez des exemples en tête) :<br />
∞−∞; 0·∞;<br />
∞<br />
∞ ;<br />
0<br />
0 ; 1∞ ; 0 0 .<br />
Théorème 1.1.9 • Soit (vn)n∈N une suite de limite nulle, telle que : ∃N ∈ N, ∀n N, vn <br />
> 0.<br />
1<br />
Alors la suite est bien définie et tend vers +∞.<br />
vn<br />
nN<br />
• Soit (vn)n∈N une suite de limite nulle, telle que : ∃N ∈ N, ∀n N, vn <br />
< 0. Alors la suite<br />
1 est bien définie et tend vers −∞.<br />
vn<br />
nN<br />
• Soit (vn)n∈N une suite de limite nulle, prenant une infinité devaleurs strictement positives et<br />
1<br />
une infinité de valeurs strictement négatives. Alors la suite , si elle existe, n’admet pas<br />
de limite.<br />
Théorème 1.1.10 Soit (un)n∈N une suite convergeant vers un réel ℓ. Soit f une fonction continue<br />
en ℓ. Alors la suite (f(un))n∈N est convergente, et lim<br />
n→+∞ f(un) = f(ℓ).<br />
Exemple 1.1.11 La fonction exponentielle étant continue sur R, et la fonction logarithme étant<br />
continue sur R ∗ +, on obtient la règle arithmétique suivante :<br />
Soit (un)n∈N et (vn)n∈N deux suites convergeant vers des réels ℓ > 0 et ℓ ′ . Alors (uvn n )n∈N converge<br />
vers ℓℓ′ .<br />
Pour les cas d’indétermination, on peut souvent lever l’indétermination en écrivant la puissance<br />
avec l’exponentielle et en utilisant les croissances comparées.<br />
Exemple 1.1.12 Soit (un)n∈N une suite définie par une récurrence : ∀n 0, un+1 = f(un).<br />
Alors, si f est continue sur R et si (un) admet une limite ℓ, en passant à la limite dans la relation<br />
de récurrence, on obtient l’équation suivante vérifiée par ℓ : ℓ = f(ℓ). Cette équation permet de<br />
déterminer les seules valeurs possibles de la limite.<br />
vn<br />
nN
8 Analyse – Chapitre 1. Suites numériques : révisions<br />
Remarquez qu’ici, puisqu’on ne connait pas a priori la valeur de ℓ, on est obligé de supposer que<br />
f est continue sur tout R (ou sur un intervalle fermé contenant tous les termes de la suite à partir<br />
d’un certain rang).<br />
Attention ! Cet argument ne donne pas l’existence de la limite. Il faut pour cela utiliser un autre<br />
argument, par exemple en étudiant les variations de (un).<br />
1.2 Propriétés des suites réelles<br />
Par commodité, tous les théorèmes sont énoncés pour des propriétés vérifiées par les suites à partir<br />
du rang 0. Il est bien entendu que, les limites ne dépendant que des valeurs de la suite pour des<br />
indices « grands », les propriétés n’ont besoin d’être vérifiées qu’à partir d’un certain rang.<br />
1.2.1 Passage à la limite dans une inégalité<br />
Théorème 1.2.1 Soit (un)n∈N et (vn)n∈N deux suites telles que : ∀n ∈ N, un vn. Alors, si<br />
(un)n∈N et (vn)n∈N admettent des limites dans R, lim<br />
n→+∞ un lim<br />
n→+∞ vn.<br />
Remarque 1.2.2 Avant de passer à la limite dans une inégalité, il faut avoir justifié soigneusement<br />
l’existence des limites.<br />
Remarque 1.2.3 Les inégalités strictes ne se conservent pas.<br />
1.2.2 Théorème d’encadrement<br />
Théorème 1.2.4 (théorème d’encadrement, ou « théorème des gendarmes »). Soit (un)n∈N, (vn)n∈N<br />
et (wn)n∈N trois suites réelles telles que : ∀n ∈ N, un vn wn.<br />
On suppose que (un)n∈N et (wn)n∈N convergent toutes deux vers une même limite finie ℓ. Alors<br />
(vn)n∈N converge, et lim<br />
n→+∞ vn = ℓ.<br />
Théorème 1.2.5 (théorème de minoration) Soit (un)n ∈ N et (vn)n∈N deux suites telles que pour<br />
tout n 0, un vn.<br />
1. Si (un)n∈N tend vers +∞, alors (vn)n∈N tend vers +∞.<br />
2. Si (vn)n∈N tend vers −∞, alors (un)n∈N tend vers −∞.<br />
Remarque 1.2.6 Les deux théorèmes ci-dessus donnent l’existence de la limite de(vn)n∈N. Il n’est<br />
pas utile de l’avoir justifiée avant. Attention à la rédaction de cet argument : l’existence<br />
de la limite doit bien clairement apparaître comme conséquence de ce théorème, et<br />
le symbole lim ne doit pas être utilisé trop tôt<br />
Remarque 1.2.7 Méthode de calcul de limites (dite par majoration/minoration) :<br />
• Si on parvient à trouver une majoration : ∀n 0, |un −ℓ| vn, où (vn)n∈N est une suite de<br />
limite nulle, alors (un)n∈N tend vers ℓ.<br />
• Si on parvient à minorer (un)n∈N par une suite de limite +∞, alors (un)n∈N tend vers +∞.<br />
• Si on parvient à majorer (un)n∈N par une suite de limite −∞ alors (un)n∈N tend vers −∞.
1.2 Propriétés des suites réelles 9<br />
(−1)<br />
Exemple 1.2.8 1. lim<br />
n→+∞<br />
n<br />
nlnn<br />
1<br />
= 0 ; lim sin = 0 ;<br />
n→+∞ n<br />
2. lim<br />
n→+∞ nb a n = +∞ si a > 1 ; lim<br />
n→+∞ nb a n = 0 si |a| < 1 ;<br />
3. lim an<br />
n!<br />
= 0 ;<br />
Dans les exemples 2 et 3 apparaît une<br />
méthode très importante de comparaison avec une suite<br />
un+1<br />
géométrique : supposons que admette une limite ℓ, finie ou infinie.<br />
un<br />
n∈N<br />
• Si |ℓ| < 1, on peut majorer à partir d’un certain rang (|un|)n∈N par une suite géométrique de<br />
raison r telle que |r| < 1, donc (un)n∈N tend vers 0.<br />
• Si ℓ > 1, on peut minorer à partir d’un certain rang (un)n∈N par une suite géométrique de raison<br />
r > 1, donc (un)n∈N tend vers +∞.<br />
Ce petit raisonnement est à connaître imprétivement, et à refaire rigoureusement à chaque fois<br />
qu’on veut l’utiliser (sauf si on veut l’utiliser plusieurs fois dans une même copie, dans lequel cas on<br />
le fait bien une première fois, et les fois suivantes, on rappelle qu’on l’a déjà justifié correctement)<br />
Ce raisonnement sera très important notamment dans l’étude de la convergence de certaines séries.<br />
1.2.3 Suites monotones<br />
Théorème 1.2.9 Soit (un)n∈N une suite réelle.<br />
1. Si (un)n∈N est croissante et majorée, alors (un)n∈N converge dans R.<br />
2. Si (un)n∈N est décroissante et minorée, alors (un)n∈N converge dans R.<br />
3. Si (un)n∈N est croissante et non majorée, alors (un)n∈N tend vers +∞.<br />
4. Si (un)n∈N est décroissante et non minorée, alors (un)n∈N converge vers −∞<br />
En particulier, toute suite monotone admet une limite (finie ou infinie).<br />
Remarque 1.2.10 Ce théorème est particulièrement utile pour établir la convergence de suites<br />
définies par une récurrence de type un+1 = f(un); la valeur de la limite est ensuite obtenue en<br />
résolvant ℓ = f(ℓ).<br />
1.2.4 Suites adjacentes<br />
Définition 1.2.11 Soit (un)n∈N et (vn)n∈N deux suites réelles. On dit qu’elles sont adjacentes si<br />
et seulement si :<br />
1. l’une est croissante et l’autre décroissante ;<br />
2. (vn −un)n∈N tend vers 0.<br />
Lemme 1.2.12 Soit (un)n∈N et (vn)n∈N deux suites adjacentes (avec (un)n∈N croissante et (vn)n∈N<br />
décroissante). Alors, pour tout n ∈ N, un vn.<br />
Théorème 1.2.13 (théorème des suites adjacentes) Soit (un)n∈N et (vn)n∈N deux suites réelles<br />
adjacentes. Alors (un)n∈N et (vn)n∈N convergent, et lim<br />
n→+∞ un = lim<br />
n→+∞ vn.<br />
Corollaire 1.2.14 (théorème des intervalles emboîtés) Soit (In)n∈N une suite d’intervalles fermés<br />
bornés telle que pour tout n ∈ N, In+1 ⊂ In, et telle que la longueur des intervalles In tend<br />
vers 0. Alors <br />
In est un singleton.<br />
n∈N
10 Analyse – Chapitre 1. Suites numériques : révisions<br />
1.3 Quelques types classiques de suite, à bien connaître<br />
Certains types de suite donnent lieu à des méthodes d’étude classiques, qu’il faut savoir mettre<br />
en pratique. Nous rappelons ici les résultats et méthodes les plus courants concernant un certain<br />
nombre de suites fréquemment rencontrées.<br />
1.3.1 Suites définies par une récurrence affine<br />
1.3.1.1 Suites géométriques : ∀n ∈ N, un+1 = aun<br />
Une récurrence immédiate amène : ∀n ∈ N, un = u0 ·a n .<br />
Limites :<br />
• lim<br />
n→+∞ un = 0 si |a| < 1 ; lim<br />
n→+∞ un = +∞ si a > 1 ; lim<br />
n→+∞ un = u0 si a = 1 ;<br />
• (un)n∈N n’a pas de limite si a −1 et u0 = 0.<br />
Sommes :<br />
• Si a = 1,<br />
• Si a = 1,<br />
n<br />
uk = u0 · 1−an+1<br />
; en particulier,<br />
1−a<br />
n<br />
uk = (n+1)u0.<br />
k=0<br />
• Si |a| < 1, lim<br />
• Si a 1, lim<br />
• Si a −1,<br />
n→+∞<br />
k=0<br />
n<br />
a k = +∞, ce qu’on note :<br />
n<br />
k=0<br />
k=0<br />
n<br />
a<br />
n→+∞<br />
k=0<br />
k = 1<br />
+∞<br />
, ce qu’on note :<br />
1−a<br />
k=0<br />
+∞<br />
n<br />
a k n’admet pas de limite.<br />
k=0<br />
k=0<br />
a k = 1−an+1<br />
1−a<br />
a k = 1<br />
1−a .<br />
a k = +∞.<br />
1.3.1.2 Suites arithmétiques : ∀n ∈ N, un+1 = un +b<br />
Une récurrence immédiate amène : ∀n ∈ N, un = u0 +bn.<br />
Limites :<br />
• lim<br />
n→+∞ un = +∞ si b > 0 ; lim<br />
n→+∞ un = −∞ si b < 0 ; lim<br />
n→+∞ un = u0 si b = 0 ;<br />
Sommes : Si b = 1,<br />
n<br />
k=0<br />
uk = (n+1)u0 +b· n(n+1)<br />
2<br />
1.3.1.3 Suites arithmético-géométriques : ∀n ∈ N, un+1 = aun +b, a = 1.<br />
En cherchant une suite géométrique (vn)n∈N telle que : ∀n ∈ N, vn = un − α, on trouve une<br />
explicitation de (un)n∈N :<br />
∀n ∈ N, un = a n<br />
<br />
u0 − b<br />
<br />
+<br />
1−a<br />
b<br />
1−a .<br />
Ce résultat n’est pas à connaître : il faut savoir le retrouver ; on peut se souvenir, par exemple, que<br />
le réel α correspond au point fixe de la relation, et vérifier alors que (vn) est une suite géométrique,<br />
qu’on peut donc facilement expliciter.
1.3 Quelques types classiques de suite, à bien connaître 11<br />
1.3.2 Suites définies par une récurrence linéaire d’ordre k (k > 1)<br />
Soit k > 1. Soit (un)n∈N une suite (réelle ou complexe) définie par la donnée de k termes initiaux<br />
u0,...,uk−1 et par la relation de récurrence :<br />
∀n ∈ N, un+k = ak−1un+k−1 +···+a1un+1 +a0un.<br />
On définit le polynôme caractéristique P de cette relation de récurrence par :<br />
∀x ∈ R, P(x) = x k −ak−1x k−1 −···−a1x−a0.<br />
Théorème 1.3.1 (cas de racines simples) Si P admet exactement k racines distinctes 2 à 2<br />
(réelles ou complexes) r1,...,rk, alors il existe des complexes λ1,...,λk tels que :<br />
∀n ∈ N, un = λ1r n 1 +···+λkr n k =<br />
k<br />
i=1<br />
λir k i .<br />
Les complexes λ1,...,λk sont déterminés par les conditions initiales, par la résolution d’un système<br />
de k équations à k inconnes.<br />
Si les termes initiaux sont réels, alors bien sûr, la suite entière est réelle. Dans ce cas, si toutes les<br />
racines sont réelles, les coefficients λi sont réels aussi. En revanche, même dans le cas d’une suite<br />
réelle, on peut avoir des racines complexes. Dans ce cas, les coefficients λi seront complexes aussi,<br />
et conjugués pour les racines conjuguées.<br />
Théorème 1.3.2 (cas de racines multiples, pour k = 2) On suppose que k = 2, et que le polynôme<br />
du second degré P admet une racine double r = 0. Alors il existe des complexes λ et µ tels que :<br />
∀n ∈ N, un = (λ+µn)r n .<br />
Les complexes λ et µ sont déterminés pas les conditions initiales.<br />
1.3.3 Suites définies par une récurrence du type : ∀n ∈ N,un+1 = f(un)<br />
Définition 1.3.3 On dit qu’un intervalle I est stable par f si f est définie sur I et f(I) ⊂ I.<br />
Remarque 1.3.4 Pour que (un)n∈N soit bien définie, il suffit qu’il existe un intervalle I stable par<br />
f et un rang n0 tel que un0 ∈ I. En effet, alors, par une récurrence immédiate, pour tout n n0,<br />
un ∈ I, et comme f est définie sur I, un+1 est défini.<br />
Si f est définie sur R, il suffit de prendre I = R, qui est bien sûr stable pas f !<br />
Si f est monotone (au moins sur un intervalle stable), on dispose de méthodes efficaces pour l’étude<br />
de la monotonie (une inégalité entre u0 et u1 se propage aux rangs suivants, éventuellement avec<br />
une alternance des inégalités en cas de décroissance) :<br />
Théorème 1.3.5 Soit I un intervalle stable par f, tel que u0 ∈ I. Alors si f est croissante sur<br />
I, (un)n∈N est monotone.<br />
Théorème 1.3.6 Soit I un intervalle stable par f, tel que u0 ∈ I. Alors si f est décroissante,<br />
(u2n)n∈N et (u2n+1)n∈N sont monotones de sens de variation opposé.
12 Analyse – Chapitre 1. Suites numériques : révisions<br />
Ces deux théorèmes sont hors-programme. Il faut impérativement esquisser l’argument sur<br />
une copie, lors de la première utilisation.<br />
Dans des cas plus généraux, l’étude du signe de x ↦→ f(x)−x peut être utile, puisque un+1−un =<br />
f(un)−un.<br />
1.3.4 Suites définies implicitement<br />
Il s’agit de suites définies par une relation du type fn(un) = 0, où (fn)n∈N est une suite de<br />
fonctions.<br />
• Le fait que (un)n∈N soit bien définie (existence et unicité des termes un) provient souvent d’une<br />
étude de la monotonie stricte de fn, par l’utilisation du théorème de la bijection (éventuellement<br />
sur une restriction de fn)<br />
• La monotonie de (un)n∈N s’obtient souvent par l’étude du signe de fn(un+1) ou de fn+1(un).<br />
En effet, la comparaison entre fn(un+1) et fn(un) = 0 et la monotonie de fn (déjà étudiée dans<br />
le premier argument) permettent alors de comparer un et un+1.<br />
Voir les TD pour des exemples.<br />
1.4 Approximations et estimations<br />
1.4.1 Équivalents<br />
Nous nous restreignons au cas particulier (le plus fréquent) de suites ne s’annulant pas à partir<br />
d’un certain rang.<br />
Définition 1.4.1 Soit (un)n∈N et (vn)n∈N deux suites telles que (vn)n∈N ne s’annule pas à partir<br />
un<br />
d’un certain rang N. Alors (un)n∈N et (vn)n∈N sont équivalentes si et seulement si vn nN tend<br />
vers 1.<br />
Remarque 1.4.2 1. Dans ce cas, (un)n∈N ne s’annule pas non plus à partir d’un certain rang.<br />
2. L’équivalence est une relation d’équivalence : reflexive, symétrique, transitive.<br />
Proposition 1.4.3 1. Si un ∼<br />
+∞ vn, et si (un)n∈N converge vers ℓ (fini ou infini), alors (vn)n∈N<br />
converge, et sa limite est ℓ.<br />
2. La réciproque est fausse en générale. Si lim<br />
n→+∞ un = lim<br />
n→+∞ vn, on n’a pas forcément<br />
un ∼ vn. C’est vrai cependant si ℓ = 0, ℓ = −∞ et ℓ = +∞.<br />
+∞<br />
Proposition 1.4.4 Si un ∼<br />
+∞ u ′ n et vn ∼<br />
+∞ v ′ n, alors unvn ∼<br />
+∞ u ′ nv ′ n, et, si vn ne s’annule pas à<br />
partir d’un certain rang, un<br />
vn<br />
∼<br />
+∞<br />
u ′ n<br />
v ′ .<br />
n<br />
Exemple 1.4.5 Équivalents classiques, à connaître sur le bout des doigts :<br />
1. Si (un)n∈N tend vers 0, sin(un) ∼<br />
+∞ un ;<br />
2. Si (un)n∈N tend vers 0, ln(1+un) ∼<br />
+∞ un ;<br />
3. Si (un)n∈N tend vers 0, e un −1 ∼<br />
+∞ un ;
1.4 Approximations et estimations 13<br />
4. Si (un)n∈N tend vers 0, cos(un)−1 ∼ +∞ − u2 n<br />
2 ;<br />
5. Si (un)n∈N tend vers 0, (1+un) a −1 ∼ +∞ aun (a = 0);<br />
6. Si (un)n∈N tend vers +∞, ln(un) ∼<br />
+∞ ln(un +1)<br />
7. Si (un)n∈N tend vers +∞, u a n ∼<br />
+∞ (un +1) a<br />
8. Si (un)n∈N tend vers une limite finie et non nulle ℓ, alors un ∼<br />
+∞ un+1.<br />
ATTENTION ! ! !<br />
1. NE PAS SOMMER DES ÉQUIVALENTS : si vous avez envie de faire une somme d’équivalents,<br />
reprenez la définition, ou utilisez les o définis dans le paragraphe suivant. C’est plus<br />
prudent, et cela vous évite de faire de grosses bêtises.<br />
2. NE JAMAIS APPLIQUER UNE FONCTION À UN ÉQUIVALENT.<br />
Cependant, vous pouvez élever un équivalent à une puissance constante, mais un mot de<br />
justification est bienvenu.<br />
3. Erreurs fréquentes :<br />
• 2un n’est pas équivalent à un (il faut tenir compte des constantes multiplicatives dans un<br />
équivalent, contrairement aux petit-o)<br />
• sivn = o(un) (voir plus loin pour la négligeabilité), on ne peut pas écrireunvn ∼ un. Cette<br />
+∞<br />
erreur très fréquente provient d’une confusion provoquée par le fait qu’on dit souvent que<br />
« dans un équivalent, on peut négliger les négligeables », enn oubliant de préciser que<br />
ceci n’est valable qu’additivement, et non multiplicativement. Ainsi, dans les hypothèses<br />
ci-dessus, on peut écrire un +vn ∼ un<br />
+∞<br />
Intérêt des équivalents :<br />
1. Comparer une suite à une suite de référence simple dont on connaît bien le comportement<br />
en +∞. Cela donne une estimation du comportement à l’infini (et notamment de la vitesse<br />
de convergence) de la suite initiale.<br />
2. Calculer des limites (cf TD).<br />
1.4.2 Négligeabilité (petit-o, vitesse de convergence)<br />
Définition 1.4.6 Soit (vn)n∈N une suite strictement positive. On dit que (un)n∈N <br />
est négligeable<br />
un<br />
devant (vn)n∈N si la suite tend vers 0.<br />
vn<br />
n∈N<br />
On note un = o(vn) ( « un est un petit-o de vn »)<br />
Définition 1.4.7 (hors-programme, mais parfois bien utile) Soit (vn)n∈N une suite strictement<br />
un<br />
positive. On dit que (un)n∈N est dominée par (vn)n∈N si la suite est bornée.<br />
On note un = O(vn) ( « un est un grand-O de vn »)<br />
Dans la suite, (un)n∈N, (vn)n∈N, (wn)n∈N et (xn)n∈N désignent quatre suites réelles.<br />
Proposition 1.4.8 1. un = o(1) si et seulement si (un)n∈N tend vers 0.<br />
2. un = O(1) si et seulement si (un)n∈N est bornée.<br />
3. Si (vn)n∈N est bornée et si un = o(vn), alors lim<br />
n→+∞ un = 0.<br />
vn<br />
n∈N
14 Analyse – Chapitre 1. Suites numériques : révisions<br />
Proposition 1.4.9 Si vn > 0 à partir d’un certain rang, un ∼<br />
+∞ vn si et seulement si un =<br />
vn +o(vn).<br />
Si vous voulez sommer des équivalents, utilisez cette écriture avec des petit-o, car les petit-o (de<br />
même nature) se somment, contrairement aux équivalents.<br />
Proposition 1.4.10 1. Si un = o(vn) et vn = o(wn), alors un = o(wn).<br />
2. Si un = o(vn) et vn ∼<br />
+∞ wn, alors un = o(wn).<br />
3. Si un = o(wn) et vn = o(wn), alors un +vn = o(wn).<br />
4. Si un = o(wn) et vn = o(xn), alors unvn = o(wnxn).<br />
5. Si un = o(wn) et vn ∼<br />
+∞ xn), alors unvn = o(wnxn).<br />
6. En particulier, wno(xn) = o(wnxn)<br />
(Les petit-o sont multiplicatifs : on peut rentrer ou sortir un facteur multiplicatif).<br />
Intérêt des o et O :<br />
Ils permettent de comparer la vitesse de convergence de deux suites vers leurs limites (en étudiant<br />
un −ℓ). On compare ainsi souvent la différence un −ℓ à une suite de référence de limite nulle, ou<br />
un à une suite de référence de limite +∞.<br />
1.4.3 Développements limités<br />
Les équivalents et les petit-o peuvent souvent s’obtenir à l’aide de développements limités, qui<br />
sont des approximations polynomiales au voisinage d’un point des fonctions.<br />
Rappel sur le calcul des développements limités : Les développements limités s’additionnent,<br />
se multiplient et se composent comme des polynômes. On peut ainsi obtenir la plupart<br />
des développements limités souhaités à partir du développement limité des fonctions usuelles.<br />
Attention à vérifier que le terme par lequel vous composez a la bonne limite. Par exemple, si un<br />
tend vers 1, vous ne pouvez pas utilier le DL au voisinage de 0 de l’exponentielle pour obtenir un<br />
DL de e un . En revanche, e un = ee un−1 , et comme un −1 → 0, vous pouvez maintenant composer<br />
les DL. Des petites astuces de ce type sont possibles dans la plupart des DL classiques, par exemple<br />
en mettant la constante en facteur, ou en utilisant des formules de trigonométrie.<br />
Attention à l’ordre de votre développement limité lors des additions, multiplications et compositions<br />
:<br />
• On additionne seulement des développements limités de même ordre. L’ordre de la somme est<br />
l’ordre commun des deux membres.<br />
• En multipliant un DL à l’ordrenet un DL à l’ordrem, on n’obtient pas un DL à l’ordren+m.<br />
Même si on obtient « des » termes d’ordre allant jusqu’à n+m, on n’obtient pas nécessairement<br />
ainsi tous « les » termes. Par exemple un terme d’ordre n+m pourra être obtenu en multipliant<br />
les termes d’ordre n et d’ordre m (c’est le seul qui sera compté), mais aussi en multipliant un<br />
terme d’ordre n+1 et un terme d’ordre m−1 (celui-ci sera oublié), ou de beaucoup d’autres<br />
façons.<br />
Pour être certain d’obtenir tous les termes du DL d’un produit à l’ordre p, il faut aller jusqu’à<br />
ce même ordre p pour chacun des termes du produit (ou au moins jusqu’à l’ordre p −v, où v<br />
est la valuation du DL de l’autre membre, c’est-à-dire le degré minimal dans le DL)
1.4 Approximations et estimations 15<br />
• De même pour la composition : le fait d’obtenir « des » termes de degré nm en composant un<br />
DL d’ordre m par un DL d’ordre n ne permet pas d’affirmer qu’on a tous les termes du DL<br />
d’ordre nm.<br />
DL classiques au voisinage de 0, à connaître par coeur et sans hésitation :<br />
(1+x) α ,<br />
1<br />
1+x ,<br />
1<br />
, exp, ln, cos, sin (voir le cours de première <strong>année</strong> pour les formules)<br />
1−x<br />
Il est utile de connaître par coeur le DL explicite de (1 + x) α pour α = 1<br />
2<br />
l’ordre 2, voire l’ordre 3, afin d’accélérer certains calculs :<br />
• √ 1+x = 1+ x x2 x3<br />
− +<br />
2 8 16 +o(x3 )<br />
1<br />
• √ = 1−<br />
1+x x 3x2 5x3<br />
+ −<br />
2 8 16 +o(x3 ).<br />
et α = −1<br />
2 , jusqu’à<br />
Le développement de la tangente est hors-programme, et doit théoriquement être retrouvé en<br />
quotientant les DL du sinus et du cosinus. En cas de manque de temps, il peut tout de même être<br />
utile de connaître les premiers termes :<br />
au voisinage de 0, tanx = x+ x3<br />
3 +o(x3 ).<br />
Enfin, le développement de l’Arctan est hors-programme, et s’obtient en « intégrant » le DL de<br />
1<br />
1+x 2. Aucun résultat d’intégration n’étant donné au programme pour les DL, il faut le justifier<br />
en revenant à la formule de Taylor-Young : le DL de 1<br />
1+x 2 (obtenu par composition) fournit les<br />
dérivées successives en 0 de x ↦→ 1<br />
1+x 2 donc aussi les dérivées successives (avec un décalage de<br />
l’ordre) de x ↦→ Arctanx. En utilisant de nouveau la formule de Taylor-Young pour l’arctangente<br />
cette fois, on obtient, après avoir explicité un peu les calculs :<br />
au voisinage de 0, Arctanx = x− x3<br />
3<br />
+ x5<br />
5<br />
+···+(−1)p x2p+1<br />
2p+1 +o(x2p+2 ).<br />
Sauf en cas flagrant de manque de temps, esquissez cet argument. Faites au minimum référence à<br />
la formule de Taylor-Young.
16 Analyse – Chapitre 1. Suites numériques : révisions
Analyse – Chapitre 2<br />
Séries numériques : révisions<br />
2.1 Notion de série et de convergence<br />
2.1.1 Définitions<br />
Définition 2.1.1 • Une série (à termes dans R ou C) est la donnée d’une suite (un)n∈N appelée<br />
terme général de la série. Le point de vue diffère de celui adopté pour les suites dans la mesure<br />
où on s’intéresse à la somme des termes de (un)n∈N. Ainsi, on note un ou <br />
un la série de<br />
terme général (un)n∈N.<br />
• Soit un une série. Soit n ∈ N. La n-ième somme partielle Sn de un est : Sn =<br />
n∈N<br />
n<br />
uk.<br />
Cela définit la suite des sommes partielles (Sn)n∈N.<br />
• On dit que la série de terme général (un)n∈N converge si la suite (Sn)n∈N admet une limite finie.<br />
On note alors<br />
+∞<br />
n=0<br />
un = lim<br />
n→+∞ Sn.<br />
Cette quantité est appelée somme de la série de terme général (un)n∈N.<br />
• Une série non convergente est dite divergente. En particulier, si (Sn)n∈N tend vers +∞, la série<br />
<br />
+∞<br />
un diverge vers +∞, et on écrit un = +∞.<br />
n=0<br />
Toute série divergente ne diverge pas vers +∞ ou −∞ !<br />
• Soit <br />
n∈N un une série convergente, et soit n ∈ N. Le n-ième reste de la série est :<br />
rn =<br />
+∞<br />
k=n+1<br />
+∞<br />
uk = uk −Sn.<br />
• La nature de la série un est le fait d’être convergente ou divergente.<br />
Attention à ne pas confondre suite (un)n∈N et série de terme général (un)n∈N.<br />
Remarque 2.1.2 Ces définitions s’étendent bien sûr à des séries <br />
N étant un entier positif quelconque.<br />
k=0<br />
nN<br />
k=0<br />
un, de terme général(un)nN,
18 Analyse – Chapitre 2. Séries numériques : révisions<br />
Exemple 2.1.3 Séries géométriques (résultat à savoir par cœur)<br />
Soit a ∈ C. La série a n converge si et seulement si |a| < 1 ; dans ce cas,<br />
Exemple 2.1.4 Série de Riemann de paramètre 1. La série <br />
n1<br />
1<br />
n<br />
+∞<br />
n=0<br />
a n = 1<br />
1−a .<br />
est divergente.<br />
Remarque 2.1.5 • La convergence de la série un équivaut à la convergence de la suite(Sn)n∈N.<br />
• La convergence de la suite (un)n∈N équivaut à la convergence de la série (un+1 −un). C’est<br />
un moyen pratique de démontrer la convergence de certaines suites, en utilisant les techniques<br />
spécifiques et performantes des séries.<br />
2.1.2 Propriétés liées à la convergence<br />
Soit (un)n∈N et (vn)n∈N deux suites.<br />
Proposition 2.1.6 Si (un)n∈N et (vn)n∈N ne diffèrent que d’un nombre fini de termes, alors<br />
un et vn sont de même nature.<br />
Théorème 2.1.7 Si un converge, alors (un)n∈N tend vers 0. De manière équivalente, si(un)n∈N<br />
ne tend pas vers 0, alors un diverge.<br />
Définition 2.1.8 Si (un)n∈N ne tend pas vers 0, on dit que un diverge grossièrement.<br />
Remarque 2.1.9 La réciproque est fausse. Par exemple 1<br />
n diverge alors que son terme<br />
général tend vers 0. Ainsi, toute série divergente n’est pas forcément grossièrement divergente.<br />
Proposition 2.1.10 Soit λ et µ deux complexes.<br />
1. Si un et vn convergent, alors (λun +µvn) converge, et :<br />
+∞<br />
n=0<br />
(λun +µvn) = λ<br />
+∞<br />
n=0<br />
+∞<br />
un +µ<br />
n=0<br />
2. Si un converge et vn diverge, alors (un +vn) diverge.<br />
3. Si un et vn divergent, on ne peut rien conclure sur un +vn.<br />
2.1.3 Types de convergence<br />
Soit un une série.<br />
Types de convergence<br />
• On dit que un converge absolument si la série |un| est convergente.<br />
Théorème 2.1.11 Toute série réelle ou complexe absolument convergente est convergente.<br />
• Si un est convergente sans être absolument convergente, on dit que la série est semi-convergente.<br />
Types de divergence<br />
vn.
2.2 Séries à termes positifs 19<br />
• Si (un)n∈N ne tend pas vers 0, on dit que un diverge grossièrement.<br />
• Comme dit plus haut, une série peut être divergente sans être grossièrement divergente.<br />
Comme nous allons le voir, on dispose de moyens efficaces pour déterminer la convergence des<br />
séries à termes positifs. Ainsi, la démarche générale à suivre pour l’étude des séries est :<br />
1. Calculer si cela ne présente pas une difficulté excessive la limite de (un)n∈N pour étudier<br />
l’éventuelle divergence grossière.<br />
2. Étudier la convergence de |un|, c’est-à-dire la convergence absolue de un.<br />
3. Si |un| diverge, essayer d’obtenir la convergence (ou la divergence) par d’autres méthodes,<br />
plus spécifiques aux séries à termes quelconques (par exemple par la méthode des séries<br />
alternées).<br />
2.2 Séries à termes positifs<br />
Dans tout ce paragraphe, sauf indication contraire, on considère des séries un, où pour tout<br />
n ∈ N, un 0. On peut transcrire facilement tout ce qui suit :<br />
• au cas où : ∃N ∈ N, ∀n N, un 0 ((un)n∈N est positive à partir d’un certain rang).<br />
• au cas d’une série à termes tous négatifs.<br />
2.2.1 Comparaisons entre séries à termes positifs<br />
Proposition 2.2.1 Soit un une série à termes positifs. Alors soit un converge, soit elle<br />
diverge vers +∞.<br />
Théorème 2.2.2 (Théorème de comparaison des séries à termes positifs, TCSTP)<br />
Soit un et vn deux séries à termes positifs telles qu’il existe N ∈ N tel que pour tout n N,<br />
0 un vn. Alors :<br />
1. si vn converge, un converge aussi;<br />
2. si un diverge, vn diverge aussi.<br />
De plus, si la divergence est grossière pour un, elle l’est aussi pour vn.<br />
Corollaire 2.2.3 Soit un une série à termes quelconque, et vn une série à termes positifs.<br />
On suppose que un = O(vn). Alors si vn converge, la série un converge absolument.<br />
Le cas où un = o(vn) est un cas particulier de ce théorème.<br />
Théorème 2.2.4 (Théorème de comparaison de séries à termes positifs équivalents)<br />
Soit un et vn deux séries à termes positifs. Si un ∼ vn, alors les séries<br />
+∞ un et vn sont<br />
de même nature.<br />
Remarque 2.2.5 Contre-exemple dans le cas de séries à termes quelconques : (−1) n<br />
√ n converge<br />
et (−1) n<br />
√ n+(−1) n<br />
diverge. Pourtant : (−1)n<br />
√ n ∼<br />
+∞<br />
(−1) n<br />
√ n+(−1) n .
20 Analyse – Chapitre 2. Séries numériques : révisions<br />
2.2.2 Comparaison entre une série et une intégrale<br />
Théorème 2.2.6 (Théorème de comparaison entre série et intégrale)<br />
Soit a ∈ R+ et soit f : [a,+∞[→ R une fonction continue décroissante et positive. Alors <br />
converge si et seulement si x ↦→<br />
x<br />
Théorème 2.2.7 (Nature des séries de Riemann)<br />
Soit α ∈ R. La série 1<br />
converge si et seulement si α > 1.<br />
nα n1<br />
Cette série est appelée série de Riemann de paramètre α.<br />
a<br />
f(t) dt admet une limite finie lorsque x tend vers +∞.<br />
Exemple 2.2.8 Un autre exemple de comparaison : séries de Bertrand de paramètres 1 et β.<br />
Soit β ∈ R. Alors la série 1<br />
nln β converge si et seulement si β > 1.<br />
n<br />
2.2.3 Comparaison avec une série de Riemann<br />
Théorème 2.2.9 (Règle de Riemann, ou règle « n α un », HP, méthode à connaître)<br />
Soit un une série à termes positifs.<br />
1. S’il existe α > 1 tel que la suite (n α un)n∈N est bornée (par exemple si elle admet une limite<br />
nulle), alors un converge.<br />
2. Si (nun)n∈N est minorée à partir d’un certain rang par un réel k > 0 (par exemple si (nun)<br />
admet une limite infinie), alors un diverge.<br />
Comme la méthode est à reproduire à chaque fois, je développe avec toutes les précisions nécessaires<br />
un exemple ci-dessous.<br />
Exemple 2.2.10 Soit (α,β) ∈ R 2 , et 1<br />
n α ln β n<br />
1<br />
suppose que α > 1. On note pour tout n 2, un =<br />
nαln β n .<br />
Comme α > 1, on peut trouver un réel α ′ tel que 1 < α ′ < α. Alors :<br />
∀n 2, n α′<br />
un =<br />
na<br />
f(n)<br />
la série de Bertrand de paramètre (α,β). On<br />
1<br />
n α−α′ ln β n .<br />
D’après les croissances comparées, la suite (n α′<br />
un)n2 tend vers0. Ainsi, par définition des petit-o,<br />
<br />
1<br />
un = o<br />
nα′ <br />
.<br />
De plus, <br />
un est à termes positifs. Donc, d’après le corollaire du TCSTP, on en déduit que un<br />
n2<br />
converge, puisque 1<br />
nα′ est une série de Riemann de paramètre α′ > 1, donc convergente.<br />
De même que si α < 1, la série un diverge. En effet, soit α ′ tel que α < α ′ < 1. On a de même<br />
que plus haut, du fait des croissances comparées, 1<br />
n = o(un). Ainsi, si un convergeait, il en<br />
serait de même de 1<br />
n , d’où une contradiction. Il en résulte que un diverge.
2.2 Séries à termes positifs 21<br />
2.2.4 Comparaison avec une série géométrique<br />
Théorème 2.2.11 (Règle de d’Alembert, hors-programme, méthode à retenir)<br />
Soit <br />
un+1<br />
un une série à termes quelconques. On suppose que est définie à partir d’un<br />
un<br />
certain rang, et admet une limite ℓ. Alors :<br />
1. Si 0 ℓ < 1, alors un converge absolument.<br />
2. Si ℓ > 1, alors un diverge grossièrement.<br />
3. Si ℓ = 1, on ne peut pas conclure par cette méthode.<br />
La méthode étant plus importante que le résultat, j’expose ici un exemple aussi complètement que<br />
possible.<br />
Exemple 2.2.12 Soit z ∈ C. Alors zn converge absolument.<br />
n!<br />
En effet, soit pour tout n ∈ N, un = zn<br />
. Alors, pour tout n ∈ N :<br />
n!<br />
<br />
un+1<br />
<br />
un<br />
=<br />
<br />
<br />
<br />
z<br />
<br />
n+1 n!<br />
·<br />
(n+1)! zn <br />
<br />
<br />
|z|<br />
=<br />
n+1 .<br />
<br />
un+1<br />
Ainsi, lim <br />
<br />
n→+∞<br />
un<br />
1<br />
= 0. Par définition des limites (en prenant ε = 2 ) :<br />
∃N ∈ N, ∀n N,<br />
Soit (vn)nN la suite définie par :<br />
<br />
<br />
<br />
<br />
un+1<br />
un<br />
<br />
<br />
<br />
<br />
1<br />
2 , donc |un+1| 1<br />
2 |un|.<br />
vN = |uN|, et ∀n N, vn+1 = 1<br />
2 vn.<br />
Alors, (vn)nN est une série géométrique de raison 1 <br />
2 , donc vn converge. De plus, on montre<br />
nN<br />
par récurrence sur n N que |un| vn :<br />
Initialisation : vN = |uN|, donc |uN| vN.<br />
Hérédité : Soit n N tel que |un| vn. Alors |un+1| 1<br />
2 |un| 1<br />
2 vn = vn+1.<br />
D’après le principe de récurrence, pour tout n N, |un| vn. Ainsi, d’après le TCSTP, la série<br />
|un| converge, donc un converge absolument.<br />
Théorème 2.2.13 Pour tout z ∈ C,<br />
+∞<br />
n=0<br />
z n<br />
n! = ez .<br />
C’est d’ailleurs souvent comme cela que l’on définit l’exponentielle.<br />
Théorème 2.2.14 (Formule du binôme négatif, à connaître)<br />
Pour tout z ∈ C tel que |z| < 1, et tout p ∈ N ∗ ,<br />
1<br />
=<br />
(1−z) p<br />
+∞<br />
n=0<br />
De plus, cette série est alors absolument convergente<br />
<br />
n+p−1<br />
z<br />
n<br />
n .
22 Analyse – Chapitre 2. Séries numériques : révisions<br />
Cette identité est bien sûr aussi vrai pour p ∈ Z− puisqu’il ne s’agit alors de rien d’autre que de<br />
la formule du binôme de Newton dans ce cas.<br />
Remarquez que cette formule ne dit rien d’autre que le fait qu’on peut dériver la série géométrique<br />
termes à termes. Attention, c’est a priori la seule série de fonctions que vous puissiez dériver<br />
termes à termes, la justification en étant cette formule.<br />
2.3 Étude de la semi-convergence<br />
Aucun résultat théorique n’est à connaître concernant l’étude de la semi-convergence. Je donne<br />
tout de même le résultat suivant, à ne pas utiliser tel quel (mais la méthode est à savoir mettre<br />
en application).<br />
Théorème 2.3.1 (Théorème spécial de convergence des séries alternées, TSCSA, HP)<br />
Soit (an)n∈N une suite décroissante de limite nulle. Alors (−1) n an converge.<br />
Je développe entièrement un exemple ci-dessus, pour illustrer la méthode (à connaître).<br />
Exemple 2.3.2 Montrons que la série (−1) n<br />
converge.<br />
n<br />
n1<br />
Soit pour tout n ∈ N∗ , an = 1<br />
n . Alors (an)n∈N est décroissante de limite nulle. Notons (Sn)n∈N∗ les sommes partielles de la série (−1) nan. Montrons que les suites (S2n)n∈N∗ et (S2n+1)n∈N sont<br />
adjacentes.<br />
• ∀n ∈ N∗ , S2n+2 −S2n = (−1) 2n+2a2n+2 +(−1) 2n+1a2n+1 = a2n+2 −a2n+1 0, car (an)n∈N∗ est décroissante ; donc (S2n)n∈N∗ est décroissante.<br />
• ∀n ∈ N, S2n+3 −S2n+1 = (−1) 2n+3a2n+3 +(−1) 2n+2a2n+2 = a2n+2 −a2n+3 0, car (an)n∈N∗ est décroissante ; donc (S2n+1)n∈N est croissante.<br />
• ∀n ∈ N∗ , S2n+1 −S2n = (−1) 2n+1a2n+1 = −a2n+1, ainsi, lim<br />
n→+∞ S2n+1 −S2n = 0.<br />
Les suites (S2n)n∈N∗ et (S2n+1)n∈N sont donc adjacentes, donc convergent vers une même limite ℓ.<br />
Ainsi, étant donné ε > 0, par définition de la limite des suites,<br />
∃N1, ∀n N1, |S2n −ℓ| < ε et ∃N2, ∀n N2, |S2n+1 −ℓ| < ε.<br />
Par conséquent, ∀n 2max(N1,N2), |Sn − ℓ| < ε, ce qui montre la convergence de (Sn)n∈N ∗.<br />
Ainsi (−1) n an converge.
Analyse – Chapitre 3<br />
Intégrales impropres<br />
Soit a et b deux réels tels que a < b.<br />
Rappel : Si f est continue sur [a,b], alors f est intégrable sur [a,b], et on peut donc donner un<br />
sens à<br />
b<br />
a<br />
f(t) dt. De même si f est seulement continue par morceaux sur [a,b].<br />
But : Donner un sens, lorsque cela est possible, à<br />
b<br />
a<br />
f(t) dt lorsque f n’est définie (et continue)<br />
que sur]a,b[,aetbpouvant éventuellement être infinis. On parle d’intégrale impropre (ou intégrale<br />
généralisée)<br />
3.1 Rappel sur les intégrales définies<br />
3.1.1 Définition de l’intégrale<br />
On rappelle qu’une fonction f admet une intégrale si quelque soit la manière d’approcher de plus<br />
en plus finement f par des fonctions en escalier, on obtient une même valeur limite de l’aire des<br />
rectangles définis par ces fonctions en escaliers. On définit alors l’intégrale de f comme étant cette<br />
valeur limite.<br />
Il faut retenir l’idée de cette construction par approximations, mais les détails techniques peuvent<br />
être oubliés.<br />
Le résultat essentiel d’existence des intégrales est le suivant :<br />
Théorème 3.1.1 Tout fonction continue (ou au moins continue par morceaux) sur un intervalle<br />
[a,b] est intégrable.<br />
On rappelle qu’une fonction est continue par morceaux si elle est continue, sauf en un nombre fini<br />
de points, et qu’en ces points, elle admet une limite à gauche et une limite à droite finies (cette<br />
hypothèse sur les limites à gauche et à droite est souvent oubliée...)<br />
De la construction de l’intégrale découle un résultat important qui est à connaître ; il est, dans<br />
certains cas, le seul moyen abordable pour calculer la limite de certaines suites :
24 Analyse – Chapitre 3. Intégrales impropres<br />
Théorème 3.1.2 (Sommes de Riemann) Soit f une fonction intégrable sur [a,b]. Alors :<br />
b<br />
a<br />
<br />
f<br />
n−1<br />
b−a<br />
f(x) dx = lim<br />
n→+∞ n<br />
k=0<br />
<br />
a+k b−a<br />
<br />
b−a<br />
= lim<br />
n n→+∞ n<br />
On utilise souvent ce théorème sur l’intervalle [0,1] : cela s’écrit alors :<br />
1<br />
0<br />
<br />
f<br />
n−1<br />
1<br />
f(x) dx = lim<br />
n→+∞ n<br />
k=0<br />
3.1.2 Propriétés de l’intégrale<br />
Les propriétés à retenir de l’intégrale sont les suivantes :<br />
Proposition 3.1.3 (Propriétés de l’intégrale)<br />
<br />
k 1<br />
= lim<br />
n n→+∞ n<br />
n<br />
f<br />
k=1<br />
n<br />
f<br />
k=1<br />
<br />
k<br />
.<br />
n<br />
<br />
a+k b−a<br />
<br />
.<br />
n<br />
• Additivité par rapport aux bornes – relation de Chasles :<br />
Soit f une fonction intégrable sur [a,b] et c ∈]a,b[. Alors f est intégrable sur [a,c] et sur [c,b],<br />
et :<br />
b<br />
a<br />
f(x) dx =<br />
c<br />
a<br />
f(x) dx+<br />
b<br />
c<br />
f(x) dx.<br />
• Linéarité :<br />
L’ensemble Int([a,b]) des fonctions intégrables sur [a,b] est un espace vectoriel.<br />
De plus, <br />
[a,b] : Int([a,b]) −→ R est une forme linéaire sur l’espace vectoriel Int([a,b]). Autrement<br />
dit, pour toutes fonctions intégrables f et g, et tout réel λ, on a :<br />
b<br />
a<br />
(f(x)+λg(x)) dx =<br />
b<br />
a<br />
f(x)+λ<br />
b<br />
a<br />
g(x) dx.<br />
• Positivité, ou croissance, de l’intégrale :<br />
Soit f et g deux fonctions intégrables sur [a,b] telles que pour tout x ∈ [a,b], f(x) g(x). Alors :<br />
b<br />
a<br />
f(x) dx <br />
b<br />
En particulier, si f est intégrable sur [a,b] et positive,<br />
• Stricte positivité de l’intégrale :<br />
a<br />
g(x) dx.<br />
b<br />
a<br />
f(x) dx 0.<br />
Soit f une fonction continue sur [a,b], positive et non identiquement nulle. Alors<br />
En contraposant et en utilisant la positivité (c’est le plus souvent ainsi qu’on l’utilise) :<br />
Si f est une fonction continue et positive, telle que<br />
b<br />
a<br />
b<br />
a<br />
f(t) dt > 0.<br />
f(t) dt = 0, alors f est identiquement<br />
nulle sur [a,b].<br />
• Majoration, ou inégalité triangulaire<br />
Soit f une fonction intégrable sur [a,b]. Alors |f| est intégrable sur [a,b], et :<br />
<br />
<br />
<br />
<br />
<br />
b<br />
a<br />
<br />
<br />
<br />
f(x) dx<br />
<br />
b<br />
a<br />
|f(x)| dx.
3.1 Rappel sur les intégrales définies 25<br />
3.1.3 Calcul des intégrales – Primitives<br />
Le calcul des intégrales est basé essentiellement sur la notion de primitive, du fait du résultat<br />
fondamental suivant :<br />
Théorème 3.1.4 Soit I un intervalle et f : I → R une fonction continue sur R. Alors f admet<br />
une primitive sur I.<br />
De plus, soit x0 ∈ I et y0 ∈ R. L’unique primitive F de f telle que F(x0) = y0 est :<br />
On en déduit :<br />
∀x ∈ I, F(x) = y0 +<br />
x<br />
x0<br />
f(t) dt.<br />
Théorème 3.1.5 (Théorème fondamental du calcul des intégrales)<br />
Soit f intégrable et continue sur [a,b]. Soit F une primitive de f. Alors :<br />
b<br />
a<br />
f(t) dt = F(b)−F(a).<br />
Ce théorème est à la base des deux grandes techniques (outre le calcul directe à l’aide d’une<br />
primitive) permettant de calculer des intégrales :<br />
Théorème 3.1.6 (Intégration par parties) Soit f,g deux fonctions de classe C1 sur [a,b].<br />
Alors : b<br />
f ′ b (x)g(x) dx = f(x)g(x)<br />
a −<br />
b<br />
f(x)g ′ (x) dx.<br />
a<br />
Théorème 3.1.7 (Changement de variables) Soit f une fonction continue sur [α,β], et u<br />
une fonction de classe C 1 de [a,b] vers [α,β]. Alors f est intégrable entre u(a) et u(b), et :<br />
u(b)<br />
u(a)<br />
f(x) dx =<br />
b<br />
On dit qu’on a fait le changement de variable x = u(t).<br />
a<br />
a<br />
f(u(t))u ′ (t) dt.<br />
Le théorème fondamental du calcul des intégrales permet également l’étude de fonctions définies<br />
à l’aide d’intégrales, la dépendance s’effectuant au niveau des bornes, via le théorème suivant :<br />
Théorème 3.1.8 (Dérivation d’intégrales dépendant de leurs bornes)<br />
Soit I et J deux intervalle Soit u et v deux fonctions de classe C1 de I dans J, et soit f une<br />
fonction continue sur J. Soit G la fonction définie par : ∀x ∈ I, G(x) =<br />
v(x)<br />
Alors G est de classe C 1 sur I, et : ∀x ∈ I, G ′ (x) = v ′ (x)f(v(x)) −u ′ (x)f(u(x)).<br />
u(x)<br />
f(t) dt.<br />
Ce théorème permet par exemple de montrer que l’intégrale d’une fonction T-périodique sur un<br />
intervalle de longueur T ne dépend pas de cet intervalle.<br />
Le théorème fondamental du calcul des intégrales montre l’importance de la notion de primitive<br />
pour le calcul des intégrales, la capacité à calculer une intégrale étant fortement liée à la capacité<br />
de trouver une primitive. Il est donc indispensable de reconnaître rapidement les fonctions que l’on
26 Analyse – Chapitre 3. Intégrales impropres<br />
sait primitiver directement. Une telle habitude est aussi indispensable pour exploiter correctement<br />
la méthode de l’intégration par parties. Je rappelle donc ici les primitives classiques. Ce tableau<br />
est à connaître parfaitement.<br />
f(x) F(x) I f F<br />
0 0 R<br />
a ∈ R ax R<br />
xp , p ∈ N<br />
xp+1 p+1<br />
R u ′ up up+1 x<br />
p+1<br />
p+1<br />
x p , p ∈ Z ∗ − \{−1}<br />
x p , p ∈ R\{−1}<br />
1<br />
x<br />
p+1<br />
xp+1 p+1<br />
R ∗ + ou R ∗ −<br />
R ∗ +<br />
ln|x| R ∗ + ou R∗ −<br />
u ′<br />
u<br />
ln|u|<br />
e x e x R u ′ e u e u<br />
sinx −cosx R u ′ sinu −cosu<br />
cosx sinx R u ′ cosu sinu<br />
1<br />
1+x 2 Arctanx R<br />
3.2 Notion d’intégrale impropre<br />
u ′<br />
1+u 2<br />
Arctanu<br />
Nous cherchons maintenant à définir la notion d’intégrale pour une fonction qui ne serait pas<br />
continue (ni même définie) sur tout l’intervalle d’intégration.<br />
3.2.1 Cas des fonctions définies sur un intervalle semi-ouvert<br />
Définition 3.2.1 Soit f une fonction continue sur un intervalle [a,b[, où soit b est un réel tel que<br />
b > a, soit b = +∞.<br />
1. On dit que l’intégrale de f sur [a,b[ est convergente si la fonction F définie sur [a,b[ par :<br />
∀x ∈ [a,b[, F(x) =<br />
x<br />
a<br />
f(t) dt<br />
admet une limite finie lorsque x tend vers b − . Dans ce cas, on note<br />
b<br />
a<br />
f(t) dt = lim<br />
x→b− F(x) = lim<br />
x→b− x<br />
a<br />
f(t) dt.<br />
2. On dit que l’intégrale de f sur [a,b[ est divergente si F n’admet pas de limite finie en b − .<br />
On note également<br />
b<br />
a<br />
f(t) dt l’objet abstrait « intégrale impropre », mais on ne peut pas<br />
associer de valeur à cette notation. On dit que l’intégrale<br />
b<br />
a<br />
f(t) dt diverge.<br />
3. Dans le cas particulier où F tend vers +∞ en b − , on s’autorisera à écrire :<br />
b<br />
a<br />
f(t) dt = +∞.<br />
4. Dans tous les cas (convergence ou divergence), on appelle<br />
généralisée).<br />
b<br />
a<br />
f(t) dt intégrale impropre (ou
3.2 Notion d’intégrale impropre 27<br />
5. On dit quebest un point d’impropriété de l’intégrale généralisée<br />
b<br />
a<br />
f(t) dt admet une impropriété en b.<br />
On définirait de la même façon une intégrale impropre<br />
b<br />
a<br />
b<br />
a<br />
f(t)dt, ou que l’intégrale<br />
f(t) dt d’une fonction continue sur<br />
l’intervalle semi-ouvert]a,b], admettant donc une impropriété en a, ainsi que les notions de convergence<br />
et de divergence associées.<br />
Proposition 3.2.2 Soit b = +∞, et soit f une fonction continue sur [a,b[, admettant une limite<br />
finie en b. Notons ˜ f le prolongement par continuité de f sur [a,b]. Alors l’intégrale<br />
convergente, et<br />
On dit dans ce cas que l’intégrale<br />
b<br />
a<br />
b<br />
a<br />
f(t) dt =<br />
b<br />
a<br />
˜f(t) dt.<br />
f(t) dt est faussement impropre en la borne b.<br />
b<br />
a<br />
f(t) dt est<br />
Remarque 3.2.3 Attention à ne pas parler d’intégrale faussement impropre en une borne infini :<br />
cela n’a pas de sens, la fonction ne pouvant pas être prolongée par continuité en +∞ ou −∞.<br />
D’ailleurs, la proposition entre en défaut dans ce cas, puisque l’existence d’une limite finie en +∞<br />
n’assure pas la convergence de l’intégrale en +∞. Au contraire, puisque l’existence d’une limite<br />
finie non nulle assure la divergence (par comparaison à une intégrale de Riemann, on obtient<br />
f(x) = o(1) = o(x 0 ), voir plus loin pour l’étude des intégrales de Riemann et l’étude des critères<br />
de comparaison).<br />
Exemples 3.2.4 1.<br />
2.<br />
3.<br />
+∞<br />
0<br />
1<br />
0<br />
sint<br />
t<br />
+∞<br />
sint dt est divergente.<br />
dt est convergente.<br />
0<br />
e −t dt = 1.<br />
Théorème 3.2.5 (Propriétés de convergence des intégrales de Riemann)<br />
1. Intégrales de<br />
<br />
Riemann en +∞ :<br />
+∞<br />
dt<br />
L’intégrale converge si et seulement si α > 1.<br />
tα 1<br />
2. Intégrales de Riemann en −∞ :<br />
L’intégrale<br />
−1<br />
−∞<br />
dt<br />
=<br />
(−t) α<br />
−1<br />
−∞<br />
dt<br />
converge si et seulement si α > 1.<br />
|t| α<br />
3. Intégrales de Riemann en a + ∈ R (a < b)<br />
b<br />
dt<br />
L’intégrale converge si et seulement si α < 1<br />
(t−a) α<br />
a<br />
4. Intégrales de Riemann en b− ∈ R (a < b)<br />
b<br />
dt<br />
L’intégrale converge si et seulement si α < 1<br />
(b−t) α<br />
a
28 Analyse – Chapitre 3. Intégrales impropres<br />
Cas particulier : soit b > 0,<br />
Un dernier exemple :<br />
b<br />
0<br />
dt<br />
converge si et seulement si α < 1.<br />
tα Exemple 3.2.6 Soit f : [1,+∞[→ R, définie sur tout intervalle [n,n+1] (n ∈ N∗ ) par :<br />
• f(x) = 0 si x ∈ n+ 1 1 1 1<br />
2 − 2n3,n+ 2 + 2n3 <br />
;<br />
• f(x) = 2n4x−n− 1<br />
<br />
1 1 1<br />
2 +n si x ∈ n+ 2 − 2n3,n+ 2 ;<br />
• f(x) = −2n4x−n− 1<br />
<br />
1 1 1<br />
2 +n si x ∈ n+ 2 ,n+ 2 + 2n3 <br />
.<br />
+∞<br />
Alors, f(t)dt est convergente, maisf ne tend pas vers0 en+∞ (elle n’est même pas majorée,<br />
1<br />
puisque la suite f n+ 1<br />
<br />
2 n∈N∗ tend vers +∞). Ainsi, le fait que f ne tende pas vers 0 en +∞<br />
ne suffit pas à obtenir la divergence d’une intégrale, même si f est positive. C’est une différence<br />
importante par rapport à la convergence des séries.<br />
Définition 3.2.7 Soit f une fonction continue sur [a,b[ telle que<br />
(= la fonction « reste ») de l’intégrale<br />
b<br />
a<br />
b<br />
a<br />
f(t) dt converge. Le reste<br />
f(t) dt est la fonction R définie pour tout x ∈ [a,b[ par :<br />
R(x) =<br />
b<br />
x<br />
f(t) dt.<br />
Proposition 3.2.8 Soit f continue sur [a,b[ telle que<br />
vers 0 en b :<br />
lim<br />
x→b −<br />
b<br />
x<br />
b<br />
a<br />
f(t) dt = 0.<br />
f(t) dt converge. Alors son reste tend<br />
Proposition 3.2.9 Soit f continue sur [a,b[, F une primitive (quelconque) de f. Alors<br />
converge si et seulement si F admet une limite en b − , et dans ce cas,<br />
b<br />
a<br />
f(t) dt = lim<br />
x→b F(x)−F(a).<br />
Cela s’adapte bien entendu pour les fonctions continues sur ]a,b].<br />
3.2.2 Cas d’une fonction continue sur un intervalle ouvert<br />
b<br />
a<br />
f(t) dt<br />
Définition 3.2.10 Soit f une fonction continue sur un intervalle ouvert ]a,b[. Soit c un point<br />
quelconque de ]a,b[. On dit que l’intégrale de f sur ]a,b[ est convergente si chacune des intégrales<br />
c<br />
a<br />
f(t) dt et<br />
b<br />
c<br />
f(t) dt est convergente. On pose alors<br />
b<br />
a<br />
f(t) dt =<br />
c<br />
a<br />
f(t) dt+<br />
b<br />
c<br />
f(t) dt.<br />
Proposition 3.2.11 Ni la notion de convergence, ni la valeur de l’intégrale en cas de convergence,<br />
ne dépendent du choix de c dans ]a,b[.
3.2 Notion d’intégrale impropre 29<br />
Exemples 3.2.12 1.<br />
+∞<br />
0<br />
dt<br />
diverge pour tout α ∈ R.<br />
tα 2. Dissociez l’étude des deux bornes de l’intégrale ! Exemple :<br />
+∞<br />
−∞<br />
sint dt.<br />
Proposition 3.2.13 Soit f continue sur ]a,b[, et F une primitive de f sur ]a,b[. Alors<br />
converge si et seulement si F admet une limite finie en a et en b. Dans ce cas,<br />
b<br />
a<br />
limb f(t) dt = lim F(x)− lim F(x) = F(x)<br />
x→b x→a lima<br />
Attention à bien justifier l’existence des limites de F avant d’écrire cette égalité.<br />
Exemple 3.2.14 Calcul de<br />
+∞<br />
−∞<br />
dt<br />
.<br />
1+t 2<br />
3.2.3 Cas d’une fonction continue sur une union d’intervalles ouverts<br />
Définition 3.2.15 Soit −∞ a0 < a1 < ··· < an +∞.<br />
Soit f continue sur ]a0,an[\{a1,...,an} =]a0,a1[∪]a1,a2[∪···∪]an−1,an[.<br />
On dit que l’intégrale<br />
an<br />
a0<br />
f(t) dt converge si et seulement si chacune des intégrales ai<br />
b<br />
a<br />
ai−1<br />
f(t) dt<br />
f(t) dt,<br />
i ∈ [1,n], converge. On est donc ramené à l’étude de n intégrales impropres en chacune de leurs<br />
deux bornes, donc à l’étude de la convergence en 2n bornes (les deux bornes extrêmes, et pour<br />
chacune des n − 1 bornes intermédiaire, l’étude à droite et à gauche de cette borne). En cas de<br />
convergence, on définit :<br />
an n<br />
ai<br />
f(t) dt = f(t) dt.<br />
On dit que l’intégrale impropre<br />
a0<br />
an<br />
a0<br />
i=1<br />
ai−1<br />
f(t) dt admet des imrpopriétés en a0,a1,...,an.<br />
Corollaire 3.2.16 Soit f une fonction continue par morceaux sur [a,b], c’est-à-dire telle qu’il<br />
existe a0 = a < a1 < ··· < an−1 < an = b tels que f soit continue sur chaque ]ai−1,ai[, i ∈ [1,n],<br />
et tels que f admette une limite à droite en tout ai, i ∈ [0,n−1], et une limite à gauche en tout<br />
ai, i ∈ [1,n]. Alors<br />
b<br />
a<br />
f(t) dt converge.<br />
Proposition 3.2.17 Soit a = a0 < a1 < ··· < an = b et soit f continue sur ]a0,a1[∪]a1,a2[∪···∪]an−1,an[,<br />
et F une primitive de f sur cet ensemble. Alors<br />
b<br />
a<br />
f(t) dt converge si et seulement si F admet<br />
des limites à droite en tout ai, i ∈ [0,n−1], et des limites à gauches en tout ai, i ∈ [1,n], et dans<br />
ce cas :<br />
b<br />
a<br />
f(t) dt = lim<br />
x→a − n<br />
n−1 <br />
F(x)+<br />
k=1<br />
(− lim<br />
x→a +<br />
k<br />
F(x)+ lim<br />
x→a −<br />
k<br />
F(x))− lim<br />
x→a +<br />
0<br />
F(x) dx =<br />
n<br />
k=1<br />
lim<br />
x→a −<br />
k<br />
n−1 <br />
F(x)−<br />
k=0<br />
lim F(x).<br />
x→a +<br />
k
30 Analyse – Chapitre 3. Intégrales impropres<br />
3.3 Propriétés des intégrales impropres<br />
3.3.1 Linéarité<br />
Proposition 3.3.1 Soit a = x0 < x1 < ··· < xn = b, et soit E l’ensemble des fonctions définies<br />
et continues sur [a,b]\{a0,...,an}, telles que<br />
1. E est un espace vectoriel sur R;<br />
2.<br />
b<br />
a<br />
: E −→ R est une forme linéaire sur E<br />
b<br />
a<br />
f(t) dt converge. Alors :<br />
Autrement dit, quitte à restreindre f et g à [a,b] privé des points d’impropriété de f et de g, si<br />
b<br />
a<br />
de R 2 .<br />
f(t) dt et<br />
b<br />
a<br />
g(t) dt convergent, il en est de même de<br />
b<br />
a<br />
(λf(t)+µg(t)) dt, pour tout (λ,µ)<br />
Proposition 3.3.2 Soit f et g deux fonctions définies et continues sur [a,b] \ {a0,...,an}. Si<br />
b<br />
a<br />
f(t) dt converge et<br />
b<br />
Remarque 3.3.3 En revanche, si<br />
pour<br />
b<br />
a<br />
(f +g)(t) dt.<br />
3.3.2 Relation de Chasles<br />
a<br />
g(t) dt diverge, alors<br />
b<br />
a<br />
f(t) dt et<br />
b<br />
a<br />
b<br />
(f +g)(t) dt diverge.<br />
a<br />
g(t) dt divergent, on ne peut rien conclure<br />
Théorème 3.3.4 Soit a = a0 < ··· < an = b et f une fonction définie et continue sur [a,b] \<br />
{a0,...,an}. Soit c ∈]a,b[. Si<br />
b<br />
a<br />
b<br />
a<br />
f(t) dt converge, alors<br />
f(t) dt =<br />
c<br />
a<br />
f(t) dt+<br />
c<br />
a<br />
b<br />
c<br />
f(t) dt et<br />
f(t) dt.<br />
b<br />
c<br />
f(t) dt convergent, et<br />
Remarque 3.3.5 1. Attention à l’hypothèsec ∈]a,b[, nécessaire ici pour obtenir la convergence<br />
des deux intégrales. Si c ∈]a,b[, il faut partir de l’hypothèse de convergence sur le plus grand<br />
des intervalles considérés.<br />
2. Attention, généralement, on ne s’autorise pas à inverser l’ordre des bornes dans une intégrale<br />
impropre (on considère<br />
b<br />
a<br />
avec a b), car la borne inférieure correspond à une limite par<br />
au-dessus et la borne supérieur à une limite par en-dessous : échanger les deux bornes<br />
échangerait implicitement cette convention sur le côté par lequel on prend la limite.<br />
Ainsi, faites attention à la façon d’exprimer la relation de Chasles lorsque c ∈]a,b[ : se<br />
ramener à la situation du théorème, en échangeant le rôle des variables.<br />
3.3.3 Positivité<br />
Proposition 3.3.6 (Positivité de l’intégrale)
3.4 Critères de convergence pour les intégrales de fonctions positives 31<br />
Soit a = a0 < a1··· < an = b et f définie et continue sur [a,b]\{a0,...,an} telle que<br />
converge. Alors si f 0 sur [a,b]\{a0,...,an}, on a<br />
b<br />
a<br />
f(t) dt 0.<br />
b<br />
a<br />
f(t) dt<br />
Corollaire 3.3.7 (Croissance de l’intégrale)<br />
Supposons que f et g sont deux fonctions définies et continues sur [a,b] \ {a0,...,an}, et que<br />
b<br />
a<br />
f(t) dt et<br />
b<br />
a<br />
g(t) dt convergent. Alors, si f g sur [a,b]\{a0,...,an}, alors<br />
b<br />
a<br />
f(t) dt <br />
b<br />
Proposition 3.3.8 (Stricte positivité de l’intégrale)<br />
a<br />
g(t) dt.<br />
Soit a = a0 < a1··· < an = b et f définie et continue sur [a,b]\{a0,...,an} telle que<br />
b<br />
a<br />
f(t) dt<br />
converge.. Alors si f 0 sur [a,b] \ {a0,...,an}, et si f n’est pas identiquement nulle sur cet<br />
ensemble, on a :<br />
b<br />
a<br />
f(t) dt > 0.<br />
3.4 Critères de convergence pour les intégrales de fonctions<br />
positives<br />
Tous les critères sont donnés pour une fonction f continue sur [a,b[, donc pour des intégrales<br />
b<br />
a<br />
f(t) dt admettant une seule impropreté en b. Ces critères se généralisent bien entendu aux<br />
intégrales admettant une impropriété en leur borne inférieure, puis aux intégrales de fonctions<br />
continues sur[a,b] sauf en un nombre fini de point, par découpage en plusieurs intégrales impropres<br />
en une seule borne.<br />
Dans tout ce paragraphe, les fonctions f et g sont définies et continues sur un intervalle<br />
[a,b[.<br />
3.4.1 Un lemme<br />
Lemme 3.4.1 Si f 0, alors<br />
est bornée sur [a,b[.<br />
b<br />
3.4.2 Critère de comparaison par inégalité<br />
a<br />
f(t) dt converge si et seulement si la fonction F : x ↦→<br />
Proposition 3.4.2 Si pour tout x ∈ [a,b[, 0 f(x) g(x), alors :<br />
1. si<br />
2. si<br />
b<br />
a<br />
b<br />
a<br />
f(t) dt diverge, alors<br />
g(t) dt converge, alors<br />
b<br />
a<br />
b<br />
a<br />
g(t) dt diverge;<br />
f(t) dt converge.<br />
Remarque 3.4.3 Attention à l’hypothèse de positivité des fonctions qu’on intègre !<br />
x<br />
a<br />
f(t) dt
32 Analyse – Chapitre 3. Intégrales impropres<br />
Exemples 3.4.4 1.<br />
2.<br />
3.<br />
+∞<br />
0<br />
π<br />
2<br />
0<br />
+∞<br />
1<br />
cos 2 t<br />
t 2 dt converge ;<br />
e −t2<br />
dt converge (archi-classique !);<br />
1<br />
sint<br />
dt diverge.<br />
3.4.3 Critère de comparaison par o<br />
Proposition 3.4.5 Supposons que f et g sont positives (et toujours continues) sur [a,b[, et qu’au<br />
voisinage de b, f(x) = o(g(x)). Alors<br />
• si<br />
• si<br />
b<br />
a b<br />
a<br />
g(t) dt converge, alors<br />
f(t) dt diverge, alors<br />
b<br />
a<br />
b<br />
a<br />
f(t) dt converge;<br />
g(t) dt diverge.<br />
Remarque 3.4.6 L’hypothèse de positivité de f est en fait inutile : ainsi qu’on le verra plus tard,<br />
on obtient dans ce cas la convergence absolue de<br />
f = o(g) au voisinage de b, on a aussi |f| = o(g).<br />
Exemples 3.4.7 1.<br />
+∞<br />
e<br />
0<br />
−√t dt converge.<br />
2. (Intégrales de Bertrand en +∞)<br />
+∞<br />
2<br />
dt<br />
t α ln β t<br />
3. (Intégrales de Bertrand en 0)<br />
1<br />
2<br />
0<br />
b<br />
dt converge si et seulement si α > 1, ou α = 1 et β > 1<br />
a<br />
f(t) dt, donc la convergence. En effet, si<br />
dt<br />
tα dt converge si et seulement si α < 1 ou si α = 1 et β > 1.<br />
|lnt| β<br />
3.4.4 Critère de comparaison par équivalents<br />
Théorème 3.4.8 On suppose f et g positives et continues sur[a,b[. Alors, si f ∼g, alors<br />
b− et<br />
b<br />
a<br />
g(t) dt sont de même nature.<br />
b<br />
a<br />
f(t) dt<br />
Remarque 3.4.9 Si f et g sont continues sur [a,b[∪]b,c], il convient de séparer l’étude à droite<br />
et à gauche au point b, et donc de considérer un équivalent à droite, et un équivalent à gauche au<br />
point b.<br />
Exemples 3.4.10 1.<br />
2.<br />
1<br />
0<br />
1<br />
sint<br />
dt diverge.<br />
2<br />
0<br />
dx<br />
|x(x−1)(x−2)| est convergente.
3.5 Cas des fonctions non positives 33<br />
3.5 Cas des fonctions non positives<br />
3.5.1 Convergence absolue<br />
Définition 3.5.1 Soit f une fonction continue sur [a,b[. On dit que<br />
ment si<br />
b<br />
a<br />
|f(t)| dt converge.<br />
b<br />
a<br />
f(t) dt converge absolu-<br />
Par extention, on définit la convergence absolue pour une fonction admettant plusieurs points<br />
d’impropriété.<br />
Théorème 3.5.2 Si<br />
b<br />
Théorème 3.5.3 (Inégalité triangulaire)<br />
Si<br />
b<br />
a<br />
a<br />
f(t) dt converge absolument, alors<br />
f(t) dt converge absolument, alors<br />
<br />
<br />
<br />
<br />
<br />
b<br />
a<br />
<br />
<br />
<br />
f(t) dt<br />
<br />
Exemple 3.5.4 Convergence et encadrement de<br />
3.5.2 Semi-convergence<br />
Définition 3.5.5 On dit que<br />
absolument convergente.<br />
Exemple 3.5.6<br />
+∞<br />
1<br />
sinx<br />
x<br />
b<br />
a<br />
b<br />
a<br />
+∞<br />
1<br />
b<br />
a<br />
|f(t)| dt.<br />
sint<br />
dt.<br />
t2 f(t) dt converge.<br />
f(t) dt est semi-convergente, si elle est convergente sans être<br />
dx est semi-convergente.<br />
3.6 Comparaison série/intégrale<br />
Théorème 3.6.1 Soit f : [a,+∞[ une fonction continue, décroissante et positive. Alors la série<br />
<br />
+∞<br />
f(n) converge si et seulement si l’intégrale f(t) dt converge.<br />
na<br />
Exemple 3.6.2 On retrouve de la sorte les propriétés de convergence des séries de Riemann ou<br />
des séries de Bertrand.<br />
3.7 Techniques de calcul des intégrales impropres<br />
3.7.1 Intégration par parties<br />
a<br />
Théorème 3.7.1 Soit u et v deux fonctions de classe C 1 sur [a,b[, telles que le produit uv admette<br />
une limite finie en b − . Alors<br />
b<br />
a<br />
u(t)v ′ (t) dt et<br />
b<br />
a<br />
u ′ (t)v(t) dt sont de même nature, et en cas
34 Analyse – Chapitre 3. Intégrales impropres<br />
de convergence,<br />
b<br />
a<br />
u(t)v ′ (t) dt =<br />
limb− u(t)v(t) −<br />
a<br />
b<br />
a<br />
u ′ (t)v(t) dt<br />
= lim<br />
t→b− u(t)v(t)−u(a)v(a)−<br />
b<br />
a<br />
u ′ (t)v(t) dt.<br />
Corollaire 3.7.2 Si u et v sont de classe C 1 sur ]a,b[, et si uv admet des limites en a et en b,<br />
alors<br />
b<br />
a<br />
u(t)v ′ (t) dt et<br />
b<br />
a<br />
b<br />
a<br />
u(t)v ′ (t) dt =<br />
u ′ (t)v(t) dt sont de même nature, et en cas de convergence,<br />
limb− u(t)v(t) −<br />
lima +<br />
b<br />
a<br />
u ′ (t)v(t) dt<br />
= lim<br />
t→b−u(t)v(t)− lim<br />
x→a +u(t)v(t)−<br />
b<br />
a<br />
u ′ (t)v(t) dt.<br />
Remarque 3.7.3 Dans les deux résultats ci-dessus, on peut partir d’une intégrale définie (non<br />
impropre) pour arriver à une intégrale impropre. C’est la cas par exemple si v est de classe C 1 sur<br />
[a,b], et si u est continue sur [a,b], mais de classe C 1 seulement sur [a,b[.<br />
Théorème 3.7.4 Soit u et v deux fonctions de classe C 1 sur [a,b[. Si uv n’admet pas de limite<br />
en b, alors la convergence de<br />
b<br />
a<br />
uv ′ entraîne la divergence de<br />
Remarque 3.7.5 • En pratique, il est très fréquent de restreindre l’intervalle d’intégration à<br />
[a,x], x < b (pour une seule impropreté en b), afin de faire l’intégration par parties sur une<br />
intégrale définie, puis de passer à la limite lorsque x tend vers b. Cela peut avoir l’avantage de<br />
prouver du même coup la convergence de l’intégrale initiale.<br />
• Ceci n’est pas une obligation, à condition de justifier les convergences, et de donner les hypothèses<br />
adéquates d’existence de limites pour le produit uv.<br />
• En revanche, dans la situation où on part d’une intégrale convergente, mais avec un produit uv<br />
n’admettant pas de limite finie, il est nécessaire de faire l’intégration par parties sur un intervalle<br />
restreint uv, et de passer à la limite ensuite, en gardant à l’esprit que la divergence du terme<br />
uv va être compensée par la divergence de l’intégrale qu’on obtient après IPP.<br />
Exemples 3.7.6 1.<br />
2.<br />
3.<br />
+∞<br />
1<br />
1<br />
0<br />
+∞<br />
1<br />
lnt<br />
dt = 1<br />
t2 Arctant<br />
t2 dt = ln2 π<br />
+<br />
2 4 .<br />
lnt<br />
dt = −ln2.<br />
(1+t) 2<br />
3.7.2 Changements de variable<br />
La nécessité de mettre les bornes dans l’ordre pour une intégrale impropre (pour ne pas mélanger<br />
limites supérieures et limites inférieures) complique un peu l’énoncé du changement de variables.<br />
On va être amené à distinguer suivant que le changement de variables échange les bornes ou non,<br />
plus précisément suivant qu’il est croissant ou décroissant.<br />
b<br />
a<br />
u ′ v.
3.8 Intégrales classiques 35<br />
Remarquez que dans la formule du changement de variable pour les intégrales impropres, les<br />
hypothèses faites sur ϕ sont plus fortes que pour le changement de variables pour les intégrales<br />
définies. On impose en particulier la bijectivité du changement de variables, ce qui n’était pas<br />
nécessaire pour les intégrales définies.<br />
Théorème 3.7.7 Soit ϕ une application de classe C 1 , strictement monotone, réalisant une bijec-<br />
tion de ]α,β[ sur ]a,b[. Soit f :]a,b[→ R une fonction continue. Alors les intégrales<br />
β<br />
•<br />
•<br />
α<br />
b<br />
a b<br />
f(ϕ(t))ϕ ′ (t) dt sont de même nature, et en cas de convergence :<br />
a<br />
f(t) dt =<br />
β<br />
f(t) dt = −<br />
α<br />
β<br />
f(ϕ(t))ϕ ′ (t) dt si ϕ est croissante (ϕ conserve l’ordre des bornes)<br />
α<br />
f(ϕ(t))ϕ ′ (t) dt si ϕ est décroissante (ϕ échange les bornes)<br />
b<br />
a<br />
f(t) dt et<br />
Remarque 3.7.8 Tout comme la formule d’intégration par parties, ce théorème donne avant tout<br />
un critère de comparaison de la nature de deux intégrales.<br />
Exemple 3.7.9<br />
1<br />
dt<br />
0<br />
1<br />
−1<br />
4 .<br />
t(1+ln 2 π<br />
=<br />
t) 2<br />
dx<br />
√ 1−x 2<br />
= π.<br />
3.8 Intégrales classiques<br />
3.8.1 Intégrale de Gauss<br />
Théorème 3.8.1 1. L’intégrale<br />
2. L’intégrale<br />
+∞<br />
−∞<br />
3.8.2 Fonction Γ<br />
e −t2<br />
+∞<br />
0<br />
dt converge, et<br />
e −t2<br />
+∞<br />
−∞<br />
dt converge, et<br />
e −t2<br />
dt = √ π.<br />
+∞<br />
Définition 3.8.2 La fonction Γ est la fonction définie, pour tout réel x pour lequel cette intégrale<br />
converge, par :<br />
Γ(x) =<br />
+∞<br />
t<br />
0<br />
x−1 e −t .<br />
0<br />
e −t2<br />
Proposition 3.8.3 1. Le domaine de définition de Γ est DΓ =]0,+∞[.<br />
2. ∀x ∈ R∗ + , Γ(x+1) = xΓ(x).<br />
3. ∀n ∈ N∗ , Γ(n) = (n−1)!<br />
4. Γ <br />
1 √<br />
2 = π.<br />
dt =<br />
√ π<br />
2 .
36 Analyse – Chapitre 3. Intégrales impropres
Analyse – Chapitre 4<br />
Révisions : fonctions d’une variable<br />
réelle<br />
Nous ne reprenons pas dans ce chapitre les notions de limite et de comparaison locale (équivalents<br />
et négligeabilité) qui sont supposées aquises.<br />
4.1 Continuité<br />
4.1.1 Définitions et rappel des propriétés<br />
Dans ce paragraphe, f désigne une fonction d’un intervalle X dans R.<br />
Définition 4.1.1 Soit a ∈ X. On dit que f est continue en a si une des propriétés équivalentes<br />
suivantes est vérifiée :<br />
(i) f admet une limite en a (forcément égale à f(a));<br />
(ii) ∀ε > 0, ∃η > 0, ∀x ∈ X, |x−a| < η =⇒ |f(x)−f(a)| < ε ;<br />
(iii) pour tout voisinage V de f(a), il existe un voisinage U de a tel que f(U) ⊂ V .<br />
(iv) (caractérisation séquentielle) pour toute suite (xn)n∈N à valeurs dans X tendant vers a,<br />
(f(xn))n∈N tend vers f(a).<br />
Proposition 4.1.2 Soit f et g deux fonctions de X dans R, et a ∈ X. Soit λ ∈ R.<br />
1. Si f est continue en a, alors λf est continue en a.<br />
2. Si f et g sont continues en a, alors aussi f +g.<br />
3. Si f et g sont continues en a, alors aussi fg.<br />
4. Si f et g sont continues en a, et g(a) = 0, alors g ne s’annule pas sur un voisinage de a, et<br />
est continue en a.<br />
f<br />
g<br />
Proposition 4.1.3 Soit X,Y ⊂ R, et f : X → Y , g : Y → R. Soit a ∈ X. Si f est continue en<br />
a, et si g est continue en f(a), alors g ◦f est continue en a.
38 Analyse – Chapitre 4. Révisions : fonctions d’une variable réelle<br />
4.1.2 Continuité sur un intervalle<br />
Définition 4.1.4 Soit Y ⊂ X On dit que f est continue sur Y si f est continue en tout point<br />
de Y .<br />
Théorème 4.1.5 (Fonction continue sur un intervalle fermé borné)<br />
Soit I = [a,b] un intervalle fermé borné, et soit f : I → R une fonction continue sur I. Alors f<br />
est bornée, et atteint ses bornes.<br />
Dans ce qui suit, par convention, f(+∞) désigne lim f(x) dans le cas où cette limite existe, et<br />
x→+∞<br />
de même pour f(−∞).<br />
Théorème 4.1.6 (Théorème des valeurs intermédiaires)<br />
On donne trois énoncés équivalents du TVI :<br />
1. (TVI, version 1) Soit f une fonction continue sur un intervalle I d’extrémités a et b dans<br />
R (avec existence des limites dans le cas de bornes infinies). Alors, si f(a) > 0 et f(b) < 0<br />
(ou l’inverse), il existe c ∈]a,b[ tel que f(c) = 0<br />
2. (TVI, version 2) Soit f une fonction continue sur un intervalle I, et soit M = supf(x)<br />
et<br />
x∈I<br />
m = inf f(x). Alors f prend toutes les valeurs de l’intervalle ]m,M[, i.e. :<br />
x∈X<br />
∀x0 ∈]m,M[, ∃c ∈ I,f(c) = x0.<br />
3. (TVI, version 3) L’image d’un intervalle quelconque par une fonction continue est un intervalle.<br />
Corollaire 4.1.7 L’image d’un intervalle fermé borné par une fonction continue est un intervalle<br />
fermé borné.<br />
Définition 4.1.8 Soit A,B ⊂ R. Un homéomorphisme f : A → B est une application continue<br />
bijective dont la réciproque est continue.<br />
Théorème 4.1.9 (théorème de la bijection, version forte) Soit I un intervalle d’extrémités<br />
a et b. Soit f : I → R strictement monotone et continue. Soit :<br />
α = lim<br />
x→a f(x) et β = lim<br />
x→b f(x)<br />
(exitent car f est monotone). Alors f(I) est un intervalle d’extrémités α et β, et f est un homéomorphisme<br />
de I sur f(I).<br />
4.2 Dérivabilité<br />
4.2.1 Définitions<br />
Dans ce qui suit, on se donne une fonction f : I → R, I étant un intervalle (fermé ou ouvert)<br />
d’extrémités a et b
4.2 Dérivabilité 39<br />
Définition 4.2.1 Soit x0 ∈]a,b[. On dit que f est dérivable en x0 si f(x)−f(x0)<br />
x−x0<br />
finie lorsque x tend vers x0. On note alors :<br />
f ′ f(x)−f(x0)<br />
(x0) = lim = lim<br />
x→x0 x−x0 h→0<br />
et on appelle f ′ (x0) la dérivée de f en x0.<br />
f(x0 +h)−f(x0)<br />
,<br />
h<br />
admet une limite<br />
Remarque 4.2.2 Interprétation géométrique : la dérivée en x0 est la pente de la tangente à la<br />
courbe de f en x0.<br />
Théorème 4.2.3 (Continuité des fonctions dérivables)<br />
Si f est dérivable en x0, alors f est continue en x0. La réciproque est fausse!<br />
Définition 4.2.4 Soit x0 ∈ [a,b[. On dit que f est dérivable à droite en x0 si f(x)−f(x0)<br />
x−x0<br />
une limite à droite lorsque x tend vers x0. On note alors :<br />
f ′ d(x0) = lim<br />
x→x +<br />
f(x)−f(x0)<br />
= lim<br />
x−x0 h→0<br />
0<br />
+<br />
De même pour la dérivée à gauche f ′ g(x0).<br />
f(x0 +h)−f(x0)<br />
.<br />
h<br />
admet<br />
Proposition 4.2.5 Soit x0 ∈ X. Alors f est dérivable en x0 si et seulement si f est dérivable à<br />
gauche et à droite en x0, et f ′ g(x0) = f ′ d (x0).<br />
Définition 4.2.6 On dit que f est dérivable sur un intervalle fermé I = [a,b] si f est dérivable<br />
sur ]a,b[, et si f est dérivable à droite en a et à gauche en b. Cela définit donc la fonction dérivée<br />
f ′ : [a,b] → R<br />
4.2.2 Dérivées d’ordre supérieur – Fonctions de classe C n<br />
Définition 4.2.7 Soit x0 ∈]a,b[. On définit les dérivées d’ordre supérieur par récurrence sur n.<br />
Soit n 2. On dit que f est n fois dérivable en x0 si f est n−1 fois dérivable sur un voisinage<br />
U de x0 et si la fonction dérivée (n − 1)-ième est dérivable en x0. La dérivée n-ième de f en x0<br />
est alors la dérivée de la dérivée (n−1)-ième en x0. On note f (n) (x0) cette dérivée n-ième. Ainsi :<br />
f (n) (x0) = f (n−1)′ (x0).<br />
Définition 4.2.8 On suppose que X = [a,b] est un intervalle fermé. On définit par récurrence la<br />
dérivée n-ième de f en a. On dit que f est dérivable n fois en a si et seulement si f est dérivable<br />
n−1 fois sur un intervalle [a,a+ε[ (définissant ainsi f (n−1) sur [a,a+ε[), et si f (n−1) est dérivable<br />
à droite en a. On note alors f (n) (a) cette dérivée à droite.<br />
Définition 4.2.9 On dit que f est dérivable n fois sur [a,b] si f est dérivable n fois en tout point<br />
de [a,b], y compris en a et en b. Cela définit une fonction f (n) : [a,b] → R.<br />
On définit de la même façon la dérivabilité n fois sur tout type d’intervalle, borné ou non borné.<br />
Définition 4.2.10 Soit f : I → R, où I est un intervalle. On dit que f est de classe C n sur I si<br />
f est n fois dérivable sur I et si la dérivée n-ième f (n) est continue sur I.
40 Analyse – Chapitre 4. Révisions : fonctions d’une variable réelle<br />
4.2.3 Propriétés<br />
Proposition 4.2.11 (Régles usuelles de dérivabilité)<br />
Soit f et g deux fonctions de I (d’extrémités a et b) dans R, et x0 ∈]a,b[. Soit n ∈ N ∗ . Soit λ et<br />
µ deux réels.<br />
1. Si f est dérivable n fois en x0, alors λf aussi et (λf (n) )(x0) = λf (n) (x0).<br />
2. Si f et g sont dérivables n fois en x0, alors f+g aussi et (f+g) (n) (x0) = f (n) (x0)+g (n) (x0).<br />
3. Si f et g sont dérivables en x0, fg aussi et (fg) ′ (x0) = f ′ (x0)g(x0)+f(x0)g ′ (x0)<br />
Corollaire 4.2.12 (Dérivée d’un produit quelconque)<br />
Soit f1,...,fn : I → R et x0 ∈]a,b[. Si f1,...,fn sont dérivables en x0, alors leur produit aussi,<br />
et :<br />
(f1···fn) ′ n<br />
= f ′ k(x0) <br />
fi(x0).<br />
k=1<br />
i∈[[1,n]]\{k}<br />
Corollaire 4.2.13 (Formule de Leibniz)<br />
Soit f et g deux fonctions de I dans R et x0 ∈]a,b[. Si f et g sont n fois dérivables en x0, alors<br />
fg aussi, et :<br />
(fg) (n) =<br />
n<br />
k=0<br />
<br />
n<br />
f<br />
k<br />
(k) (x0)g (n−k) (x0).<br />
Proposition 4.2.14 (Dérivée de composées)<br />
Soit I et J deux intervalles ouverts de R, et f : I → J, g : J → R. Soit x0 ∈ I tel que y0 = f(x0).<br />
Si f est dérivable en x0 et g dérivable en y0, alors g ◦f est dérivable en x0, et :<br />
(g ◦f) ′ (x0) = f ′ (x0)g ′ (y0) = f ′ (x0)·g ′ ◦f(x0).<br />
Corollaire 4.2.15 Soit I un intervalle ouvert, f : I → R, et x0 ∈ I tel que f(x0) = 0 et f<br />
dérivable en x0. Alors 1<br />
f est dérivable en x0 et<br />
1<br />
f<br />
′<br />
(x0) = −f′ (x0)<br />
f 2 (x0) .<br />
Corollaire 4.2.16 (Dérivée d’un quotient)<br />
Soit f,g : I → R, et x0 ∈ I tel que g(x0) = 0 et f et g dérivables en x0. Alors f<br />
est dérivable en<br />
x0 et<br />
′<br />
f<br />
g (x0) = f′ g−fg ′<br />
f2 (x0).<br />
Théorème 4.2.17 (Dérivation des fonctions réciproques) Soit I et J deux intervalles, et<br />
soit f une application bijective continue de I dans J. Soit t0 ∈ I, et x0 = f(t0). Si f est dérivable<br />
en t0, et si f ′ (t0) = 0, alors f −1 est dérivable en x0, et :<br />
(f −1 ) ′ (x0) = 1<br />
f ′ (t0) =<br />
1<br />
f ′ (f−1 (x0)) .<br />
Corollaire 4.2.18 Soit I et J deux intervalles, et f : I → J bijective. Si f est de classe C p sur<br />
I, et si f ′ ne s’annule pas sur I, alors f −1 est de classe C p sur J.<br />
4.2.4 Dérivabilité sur un intervalle<br />
Lemme 4.2.19 (CN d’extremum par annulation de la dérivée)<br />
Soient a < b deux réels et f :]a,b[→ R dérivable sur ]a,b[. Soit x0 ∈]a,b[. Si f admet un extremum<br />
en x0, alors f ′ (x0) = 0.<br />
g
4.3 Fonctions convexes 41<br />
Théorème 4.2.20 (théorème de Rolle)<br />
Soit f : [a,b] → R continue sur [a,b] et dérivable sur ]a,b[. Alors, si f(a) = f(b), il existe c ∈]a,b[<br />
tel que f ′ (c) = 0.<br />
Théorème 4.2.21 (théorème des accroissements finis, TAF)<br />
Soit f : [a,b] → R continue sur [a,b], dérivable sur ]a,b[. Alors il existe c ∈]a,b[ tel que :<br />
f(b)−f(a) = (b−a)f ′ (c).<br />
Remarque 4.2.22 Interprétation géométrique : il existe une tangente parallèle à la corde.<br />
Corollaire 4.2.23 (Inégalité des accroissements finis, IAF)<br />
Soit f : [a,b] → R continue sur [a,b], dérivable sur ]a,b[. Soit M un majorant de f ′ sur ]a,b[<br />
(par exemple M = sup f<br />
x∈]a,b[<br />
′ (x)), et m un minorant de f ′ sur ]a,b[ (par exemple m = inf<br />
x∈]a,b[ f′ (x)).<br />
Alors :<br />
m(b−a) f(b)−f(a) M(b−a).<br />
En particulier, si M est un majorant de |f ′ |, alors |f(b)−f(a)| M|b−a|.<br />
Théorème 4.2.24 (variation des fonctions)<br />
Soit f : [a,b] → R, tel que f est continue sur [a,b] et dérivable sur ]a,b[. Alors :<br />
1. f est croissante sur [a,b] si et seulement si pour tout x ∈]a,b[, f ′ (x) 0.<br />
Si cette inégalité est stricte sauf en un nombre fini de points, alors f est strictement croissante.<br />
2. f est décroissante sur [a,b] si et seulement si pour tout x ∈]a,b[, f ′ (x) 0.<br />
Si cette inégalité est stricte sauf en un nombre fini de points, alors f est strictement décroissante.<br />
Corollaire 4.2.25 Soit I un intervalle (ouvert ou fermé ou semi-ouvert) d’extrémités a et b,<br />
f : I → R continue sur I, dérivable sur ]a,b[. Alors f est constante si et seulement si pour tout<br />
x ∈]a,b[, f ′ (x) = 0.<br />
4.3 Fonctions convexes<br />
4.3.1 Notion de convexité<br />
Définition 4.3.1 Soit I un intervalle, et f : I → R. On dit que f est convexe sur I si :<br />
∀(x,y) ∈ I 2 , ∀λ ∈ [0,1], f(λx+(1−λ)y) λf(x)+(1−λ)f(y).<br />
On dit que f est concave sur I si :<br />
∀(x,y) ∈ I 2 , ∀λ ∈ [0,1], f(λx+(1−λ)y) λf(x)+(1−λ)f(y).<br />
Interprétation géométrique : f est convexe ssi la courbe reste sous les cordes.
42 Analyse – Chapitre 4. Révisions : fonctions d’une variable réelle<br />
4.3.2 Étude de la dérivabilité des fonctions convexes<br />
Proposition 4.3.2 Soit f : I → R et pour tout u ∈ I, soit Fu : I \{u} → R la fonction définie<br />
par :<br />
∀t ∈ I \{u}, Fu(t) = f(t)−f(u)<br />
.<br />
t−u<br />
Alors, f est convexe si et seulement si pour tout u ∈ I, la fonction Fu est croissante.<br />
Théorème 4.3.3 (Dérivabilité des fonctions convexes)<br />
Soit I un intervalle ouvert, et f : I → R une fonction convexe. Alors f est dérivable à droite et à<br />
gauche en tout point de I, et :<br />
1. ∀x ∈ I, f ′ g (x) f′ d (x). ;<br />
2. ∀(x,y) ∈ I 2 , x < y =⇒ f ′ d (x) f′ g (y);<br />
3. f ′ g et f′ d sont croissantes sur I<br />
Corollaire 4.3.4 Soit I un intervalle ouvert, et f convexe sur I. Alors f est continue sur I.<br />
Remarque 4.3.5 Le théorème et son corollaire sont faux si on ne suppose pas que I est ouvert.<br />
Proposition 4.3.6 Soit I un intervalle ouvert et x0 ∈ I. Soit f : I → R une fonction convexe<br />
sur I. Puisque f est dérivable à gauche et à droite, sa courbe admet une tangente à gauche et une<br />
tangente à droite en x0. Alors la courbe de f est au-dessus de sa tangente à gauche, et au-dessus<br />
de sa tangente à droite.<br />
Remarque 4.3.7 Les résultats ci-dessus se transcrivent évidemment au cas de fonctions concaves.<br />
Dans ce cas, les dérivées à droite et à gauche sont décroissantes.<br />
4.3.3 Caractérisation de la convexité par les dérivées<br />
Théorème 4.3.8 (Caractérisation des fonctions convexes dérivables)<br />
Soit I un intervalle ouvert, et f : I → R une fonction dérivable sur I. Les propriétés suivantes<br />
sont équivalentes :<br />
1. f est convexe;<br />
2. f ′ est croissante;<br />
3. la courbe de f se trouve au-dessus de toutes ses tangentes.<br />
Corollaire 4.3.9 (Caractérisation des fonctions convexes deux fois dérivables)<br />
Soit I un intervalle ouvert, et f : I → R une fonction deux fois dérivable sur I. Alors f est convexe<br />
si et seulement si pour tout x ∈ I, f ′′ (x) 0.
4.4 Formules de Taylor 43<br />
4.4 Formules de Taylor<br />
Dans toute cette section, f désigne une fonction d’un intervalle I de R vers R, et x0 ∈ I.<br />
4.4.1 Développement de Taylor<br />
But : étant donné n, définir un polynôme P de degré n qui approche au mieux f au voisinage<br />
d’un point x0 ∈ I, en imposant :<br />
P(x0) = f(x0) P ′ (x0) = f ′ (x0) ... P (n) (x0) = f (n) (x0).<br />
Définition 4.4.1 Soit f une fonction admettant en x0 une dérivée d’ordre n. Alors le développement<br />
de Taylor de f en x0 à l’ordre n est l’unique polynôme P de degré au plus n vérifiant les<br />
conditions : P(x0) = f(x0), P ′ (x0) = f ′ (x0), ... , P (n) (x0) = f (n) (x0).<br />
Ce polynôme est donné explicitement par : ∀x ∈ R, P(x) =<br />
n (x−x0) k<br />
·f<br />
k!<br />
(k) (x0).<br />
Définition 4.4.2 Si f admet en x0 une dérivée d’ordre n, on note Rn la différence entre f et son<br />
développement de Taylor :<br />
∀x ∈ I, Rn(x) = f(x)−<br />
k=0<br />
n (x−x0) k<br />
·f<br />
k!<br />
(k) (x0).<br />
k=0<br />
Rn est appelé reste de Taylor à l’ordre n de f au point x0.<br />
L’objet des formules de Taylor est d’étudier ce reste. Cela a pour but d’estimer l’erreur faite en<br />
approchant f par son développement de Taylor. Notamment, si f est de classe C ∞ sur I, est-ce<br />
qu’en faisant tendre n vers +∞, le développement de Taylor tend vers f ?<br />
Définition 4.4.3 Soit f une fonction de classe C∞ sur I. Si pour tout xinI, limn→+∞Rn(x) = 0,<br />
alors :<br />
+∞ (x−x0)<br />
∀x ∈ I, f(x) =<br />
n<br />
f<br />
n!<br />
(n) (x0).<br />
Dans ce cas, on dit que f est développable en série de Taylor au point x0.<br />
n=0<br />
Les trois formules suivantes donnent trois évaluations du reste de Taylor, plus ou moins précises<br />
suivant que les hypothèses sont plus ou moins fortes. On commence par la moins précise des<br />
formules de Taylor, aussi celle qui demande le moins d’hypothèses.<br />
4.4.2 Formule de Taylor-Young<br />
Théorème 4.4.4 (Formule de Taylor-Young à l’ordre n au point x0)<br />
Soit I un intervalle ouvert de R, x0 ∈ I, et f : I → R une fonction de classe C n au voisinage de<br />
x0. Alors, au voisinage de x0 :<br />
f(x) =<br />
n<br />
k=0<br />
f (k) (x0)<br />
(x−x0)<br />
k!<br />
k +o((x−x0) n ).<br />
Remarque 4.4.5 En fait, l’existence de f (n) (x0) suffit à obtenir cette formule.
44 Analyse – Chapitre 4. Révisions : fonctions d’une variable réelle<br />
La formule de Taylor-Young ne nous donne qu’une information locale, au voisinage de x0. En<br />
aucun cas elle ne peut être utilisée pour une étude globale.<br />
La formule suivante donne une information globale, mais dépendant d’une inconnue c que l’on<br />
contrôle mal. L’information est donc plus précise que dans la formule de Taylor-Young, puisqu’elle<br />
est globale. En contrepartie, on a besoin d’hypothèses plus fortes.<br />
4.4.3 Formule de Taylor-Lagrange<br />
Théorème 4.4.6 (Formule de Taylor-Lagrange à l’ordre n au point a, évaluée en b)<br />
Soit a < b deux réels, et f : [a,b] → R une fonction de classe C n+1 sur [a,b]. Alors :<br />
∃c ∈]a,b[, f(b) =<br />
n<br />
k=0<br />
f (k) (a)<br />
(b−a)<br />
k!<br />
k + (b−a)n+1<br />
(n+1)! f(n+1) (c).<br />
Remarques 4.4.7 • L’hypothèse de classe C n+1 est un peu plus forte que nécessaire. Il suffit que<br />
f soit de classe C n sur [a,b] et n+1 fois dérivable sur ]a,b[.<br />
• Avec la restriction des hypothèses donnée dans le remarque précédente, la formule de Taylor-<br />
Lagrange à l’ordre 0 est exactement la formule des accroissements finis.<br />
Corollaire 4.4.8 (Inégalité de Taylor-Lagrange à l’ordre n au point a)<br />
Sous les mêmes hypothèses, et l’hypothèse supplémentaire que |f (n+1) | est majoré par un réel M<br />
sur ]a,b[, on a : f(b)−<br />
n<br />
k=0<br />
f (k) (a)<br />
k!<br />
(b−a) k<br />
<br />
<br />
<br />
<br />
<br />
M(b−a)n+1<br />
.<br />
(n+1)!<br />
Avec un encadrement de f n+1 , on obtient de même un encadrement du reste.<br />
La dernière formule donne une expression exacte du reste, ne dépendant d’aucun paramètre existentiel.<br />
Étant la plus précise, c’est également celle qui nécessite les hypothèses les plus fortes.<br />
4.4.4 Formule de Taylor avec reste intégral<br />
Théorème 4.4.9 (Formule de Taylor avec reste intégral à l’ordre n au point a)<br />
Soit a < b, et f : [a,b] → R une fonction de classe Cn+1 sur [a,b]. Alors :<br />
n (t−a)<br />
∀t ∈ [a,b], f(t) =<br />
k<br />
·f<br />
k!<br />
(k) t<br />
(t−x)<br />
(a)+<br />
n<br />
f<br />
n!<br />
(n+1) (x) dx.<br />
4.4.5 Cas des polynômes<br />
k=0<br />
Soit P un polynôme de degré n et x0 ∈ R. Alors P (n+1) = 0. Ainsi, d’après la formule de Taylor-<br />
Lagrange, applicable car P est de classe C ∞ sur R, le reste de Taylor au point x0 est nul. On en<br />
déduit :<br />
Théorème 4.4.10 (Formule de Taylor pour les polynômes)<br />
Soit P un polynôme de degré au plus n. Alors :<br />
n<br />
∀x ∈ R, P(x) =<br />
k=0<br />
0<br />
P (k) (x0)<br />
(x−x0)<br />
k!<br />
k .<br />
Ce théorème peut bien entendu être démontré de manière purement algébrique.
Analyse – Chapitre 5<br />
Fonctions de plusieurs variables :<br />
continuité, calcul différentiel<br />
5.1 Rappels de topologie<br />
Dans toute cette section, on considère R n muni de sa structure euclidienne canonique.<br />
5.1.1 Distances et boules<br />
On rappelle la définition d’une norme :<br />
Définition 5.1.1 Soit n ∈ N ∗ Une norme sur R n est une application N : R n −→ R+ telle que :<br />
1. ∀x ∈ R n , N(x) = 0 ⇐⇒ x = 0 ;<br />
2. ∀x ∈ R n , ∀λ ∈ R, N(λx) = |λ|N(x);<br />
3. ∀(x,y) ∈ (R n ) 2 , N(x+y) N(x)+N(y) (inégalité triangulaire).<br />
Voici quelques exemples<br />
Exemples 5.1.2 1. Sur R : ∀x ∈ R, N(x) = |x| ; de même sur C.<br />
2. Sur Rn : ∀X = (x1,...,xn) ∈ Rn <br />
, N(X) = x2 1 +...+x2 n.<br />
3. Autre norme sur R n ; soit p ∈ N∗, ∀X = (x1,...,xn) ∈ R n , Np(X) = p |x1| p +...+|xn| p .<br />
4. Autre norme sur R n ; ∀X = (x1,...,xn) ∈ R n , Np(X) = sup(|x1|,...,|xn|).<br />
L’exemple 2 est la norme euclidienne associée à la structure euclidienne canonique de R n .<br />
On rappelle :<br />
Théorème 5.1.3 (Inégalité de Cauchy-Schwarz numérique) Pour tous n-uplets de R, (x1,...,xn)<br />
et (y1,...,yn), on a<br />
<br />
n<br />
<br />
<br />
<br />
xkyk<br />
<br />
<br />
<br />
<br />
n <br />
x2 n<br />
k y2 k .<br />
k=1<br />
k=1<br />
k=1
46<br />
Analyse – Chapitre 5. Fonctions de plusieurs variables : continuité, calcul<br />
différentiel<br />
Définition 5.1.4 Soit E un ensemble. Une distance sur E est une fonction d : E × E −→ R+<br />
telle que :<br />
1. ∀(x,y) ∈ E 2 , d(x,y) = 0 ⇐⇒ x = y ;<br />
2. ∀(x,y) ∈ E 2 , d(x,y) = d(y,x);<br />
3. ∀(x,y,z) ∈ E 2 , d(x,z) d(x,y)+d(y,z) (inégalité triangulaire).<br />
Un espace métrique (E,d) est un ensemble E muni d’une distance d.<br />
Exemples 5.1.5 1. Toute norme N sur R n définit une distance d par : ∀(X,Y) ∈ (R n ) 2 ,<br />
d(X,Y) = N(Y −X).<br />
2. Par exemple, distance usuelle sur R : ∀(x,y) ∈ R 2 , d(x,y) = |y −x|<br />
3. Par exemple, distance usuelle sur C : ∀(x,y) ∈ C 2 , d(x,y) = |y −x|<br />
4. Par exemple, distance usuelle (euclidienne) surR n :∀(X,Y) ∈ (R n ) 2 , X = (x1,...,xn), Y =<br />
(y1,...,yn) :<br />
d(X,Y) = (y1 −x1) 2 +···+(yn −xn) 2 .<br />
Définition 5.1.6 Soit (E,d) un espace métrique, x ∈ E et r ∈ R+.<br />
1. La boule ouverte de centre x et de rayon r est : B(x,r) = {y ∈ E | d(y,x) < r}<br />
2. La boule fermée de centre x et de rayon r est : B(x,r) = {y ∈ E | d(y,x) r}<br />
Par exemple, dans R, la boule ouverte de centre x et de rayon r est l’intervalle ]x−r,x+r[. Dans<br />
R n muni de la distance euclidienne, il s’agit de la notion usuelle de boule. On peut avoir des formes<br />
un peu plus surprenantes pour d’autres distances.<br />
5.1.2 Voisinages, ouverts, fermés<br />
Définition 5.1.7 Soit (E,d) un espace métrique, et soit x ∈ E. Un voisinage V de x est un<br />
sous-ensemble V de E tel qu’il existe une boule ouverte centrée en x entièrement contenue dans<br />
V :<br />
∃ε > 0, B(x,ε) ⊂ V, i.e. ∃ε > 0, ∀y ∈ E, d(y,x) < ε =⇒ y ∈ V.<br />
Intuitivement : en s’éloignant un peu de x, on ne sort pas de V .<br />
Par exemple, V est un voisinage de x dans R s’il existe ε tel que ]x−ε,x+ε[⊂ V .<br />
Définition 5.1.8 Soit (E,d) un espace métrique.<br />
• Un ouvert U de E est un sous-ensemble U de R qui est voisinage de tous ses points<br />
• De manière équivalente, U ⊂ E est ouvert ssi :<br />
∀x ∈ U,∃ε > 0, B(x,ε) ⊂ U.<br />
Définition 5.1.9 Un sous-ensemble F de E est fermé si son complémentaire ∁EF est ouvert.<br />
Proposition 5.1.10 1. Toute union quelconque d’ouverts est un ouvert;<br />
2. Toute intersection d’un nombre fini d’ouverts est un ouvert;<br />
3. Toute intersection quelconque de fermés est un fermé ;<br />
4. Toute union d’un nombre fini de fermés est un fermé.
5.1 Rappels de topologie 47<br />
Exemples 5.1.11 Voici deux contre-exemples à bien garder en tête :<br />
+∞ <br />
<br />
1. Contre-exemple pour une intersection infinie d’ouverts : − 1<br />
n ,1<br />
<br />
= [0,1[.<br />
2. Contre-exemple pour une union infinie de fermés :<br />
5.1.3 Sous-ensembles bornés de R n<br />
+∞ <br />
n=1<br />
n=1<br />
<br />
1<br />
n ,1<br />
<br />
=]0,1].<br />
Définition 5.1.12 (dans R) : Un sous-ensemble F de R est borné s’il est majoré et minoré,<br />
c’est-à-dire s’il existe deux réels m et M tels que ∀x ∈ F, m x M.<br />
Définition 5.1.13 (valable dans tout espace métrique (E,d), en particulier dans R n ) : Un sousensemble<br />
F de E est borné s’il existe une boule ouverte contenant F, c’est-à-dire s’il existe x ∈ E<br />
et R > 0 tels que F ⊂ B(x,R).<br />
5.1.4 Droites, segments, plans<br />
Définition 5.1.14 La droite passant par A et dirigée par le vecteur U est l’ensemble<br />
dA,U = {A+tU, t ∈ R}.<br />
Il s’agit d’une paramétrisation de dA,U (description d’un ensemble à l’aide d’un ou plusieurs<br />
paramètres réels)<br />
Tout choix d’un point différent de la droite et d’un vecteur directeur différent (forcément colinéaire<br />
à U) donne une autre paramétrisation de la même droite<br />
Définition 5.1.15 Soit A et B deux points de R n . Le segment [A,B] est l’ensemble<br />
[A,B] = {tA+(1−t)B, t ∈ [0,1]}.<br />
Il s’agit donc des barycentres à coefficients positifs de A et B. Intuitivement, il s’agit de l’ensemble<br />
des points de la droite passant par A et dirigée par −→<br />
AB, situés au sens large entre A et B.<br />
Définition 5.1.16 SoitE un sous-ensemble deR n . On dit queE est convexe si pour tout(A,B) ∈<br />
E 2 , le segment [A,B] est contenu dans E. Autrement dit, pour tout A et B de E, et pour tout<br />
t ∈ [0,1], tA+(1−t)B ∈ E.<br />
Proposition 5.1.17 Une droite est convexe. Un segment est convexe.<br />
Définition 5.1.18 1. Un hyperplan vectoriel de R n est un sous-espace vectoriel de R n de<br />
codimension 1, donc de dimension n−1.<br />
2. Soit H un hyperplan vectoriel de Rn . L’hyperplan affine de Rn de direction H et passant<br />
par A est l’ensemble des points M tels que −−→<br />
AM ∈ H, donc l’ensemble {A+X, X ∈ H}.<br />
Proposition 5.1.19 1. Toute équation a1x1 +···+anxn = 0 définit un hyperplan vectoriel.<br />
Réciproquement, tout hyperplan vectoriel peut être décrit par une équation de ce type.<br />
2. Toute équation a1x1 + ··· + anxn = b définit un hyperplan affine. Réciproquement, tout<br />
hyperplan affine peut être décrit par une équation de ce type.
48<br />
Analyse – Chapitre 5. Fonctions de plusieurs variables : continuité, calcul<br />
différentiel<br />
Proposition 5.1.20 1. Soit A un vecteur non nul de coordonnées (a1,...,an). Il existe un<br />
unique hyperplan vectoriel orthogonal à A. Cet hyperplan est d’équation a1x1+···+anxn = 0.<br />
Cette relation ne fait qu’exprimer que 〈A,X〉 = 0.<br />
2. Soit A un vecteur non nul de coordonnées (a1,...,an) et B un point de R n de coordonnées<br />
(b1,...,bn). Alors il existe un unique hyperplan affine orthogonal à A et passant par B. Cet<br />
hyperplan est d’équation a1(x1−b1)+···+an(xn−bn) = 0. Cette relation ne fait qu’exprimer<br />
que 〈X −B,A〉 = 0.<br />
5.2 Graphes<br />
Dans toute la suite de ce chapitre, R n sera muni de sa structure euclidienne canonique,<br />
et la norme considérée est la norme auclidienne associée à cette structure. La distance<br />
considérée est la distance associée à cette norme.<br />
On note ainsi :<br />
∀X = (x1,...,xn) ∈ R n , X =<br />
<br />
x 2 1 +···+x2 n .<br />
Ainsi, X désigne la norme euclidienne de X. Si X = (x1,...,xn) et Y = (y1,...,yn) sont deux<br />
vecteurs de R n , la distance euclidienne de X à Y est alors :<br />
d(X,Y) = X −Y = (x1 −y1) 2 +···+(xn −yn) 2 .<br />
Enfin, on note 〈X,Y〉 le produit scalaire de X et Y dans R n . Avec les notations précédentes :<br />
〈X,Y〉 = x1y1 +···+xnyn.<br />
Dans tout ce qui suit, on considère D un sous-ensemble de R n , et une fonction f : D −→ R.<br />
5.2.1 Définition et exemples<br />
Définition 5.2.1 Le graphe de la fonction f est le sous-ensemble de R n+1 suivant :<br />
G = {(x1,...,xn,y) ∈ D×R ⊂ R n+1 , y = f(x1,...,xn)}.<br />
Par exemple, si n = 2, le graphe est une surface (ou nappe) dans R 3 , la hauteur au point (x,y)<br />
étant donnée par la valeur de la fonction en ce point. Comparez à la notion de graphe pour les<br />
fonctions à une seule variable !<br />
Exemples 5.2.2 1. Si f est une fonction affine définie sur R 2 par f(x,y) = ax + by + c, le<br />
graphe de f est l’hyperplan affine d’équation z = ax+by+c.<br />
2. Soit une partie du monde rapportée à un repère orthonormé (on néglige la courbure de la<br />
Terre). On définit f sur cette partie du monde en posant f(x,y) égale à l’altitude au point<br />
(x,y). Alors le graphe de f est la surface du sol.<br />
5.2.2 Courbes de niveau<br />
Il est très difficile de représenter sur les supports usuels le graphe d’une fonction à deux variable<br />
(c’est une surface dans l’espace). On se contente souvent d’en faire une projection sur le plan<br />
(0,i,j), et d’indiquer des hauteurs de référence pour préciser la hauteur de la surface à certains
5.3 Limites et continuité 49<br />
points. Généralement, on indique des lignes où la hauteur de la surface va être la même (cela<br />
revient à faire une coupe suivant un plan z = k).<br />
Même si l’intérêt graphique semble moindre pour des fonctions de plus de 2 variables, on définit<br />
de manière générale :<br />
Définition 5.2.3 La courbe de niveau de hauteur k de f est la courbe de D constitué des points<br />
(x1,...,xn) pour lesquels la valeur de f(x1,...,xn) est constante égale à k. C’est donc l’ensemble<br />
{(x1,...,xn) ∈ D, f(x1,...,xn) = k}.<br />
Il s’agit de la coupe du graphe par l’hyperplan affine d’équationxn+1 = k, projeté orthogonalement<br />
sur le sous-espace vectoriel R n des n premières coordonnées de R n+1 .<br />
L’indication d’un certain nombre de courbes de niveau sur le plan donne une représentation assez<br />
fidèle du graphe, comme le montre en cartographie l’exemple de l’altitude : de nombreuses cartes<br />
indiquent des courbes de niveau, plus ou moins resserrées, suivant la précision souhaitée. Ces<br />
courbes de niveau donnent une assez bonne idée de l’altitude et des dénivelés (donc des variations<br />
du graphe).<br />
Exemples 5.2.4 Voici quelques exemples de courbes de niveau issus de la vie quotidienne :<br />
• Courbes de niveau d’altitude, appelées courbes isohypses<br />
• Courbes de niveau de température, appelées courbes isothermes<br />
• Courbes de niveau de pression atmosphérique, appelées courbes isobares<br />
• Courbes de niveau de quantité de précipitation, appelées courbes isohyètes<br />
5.3 Limites et continuité<br />
5.3.1 Définitions<br />
Définition 5.3.1 Soit D un domaine de R n . On note D (appelé adhérence de D) le plus petit<br />
sous-ensemble fermé de R n tel que D ⊂ D<br />
En pratique, D est généralement l’union de D et de son « bord ». Par exemple, dans R, l’adhérence<br />
d’un intervalle sera l’intervalle fermé de mêmes extrémités.<br />
Mais attention aux cas exotiques de sous-ensembles n’ayant pas un bord bien défini. Par exemple,<br />
l’adhérence de Q dans R est R tout entier (cette propriété équivaut à la densité de Q dans R)<br />
Dans ce qui suit D est un domaine de R n .<br />
Définition 5.3.2 Soit X ∈ D, X = (x1,...,xn). On dit que f admet une limite finie ℓ en X si :<br />
∀ε > 0, ∃δ > 0 ∀Y = (y1,...,yn) ∈ D, Y −X δ =⇒ |f(y1,...,yn)−ℓ| ε.<br />
Exemple 5.3.3 Pour tout α > 0, la fonction X ↦→ X α de R n dans R admet 0 pour limite en 0.<br />
Remarque 5.3.4 SiX ∈ D et quef admet une limiteℓenX, alors on a nécessairementf(X) = ℓ.<br />
En s’inspirant du cas de fonctions à une variable, on pourrait définir de même une limite +∞ ou<br />
−∞ en un point X.
50<br />
Analyse – Chapitre 5. Fonctions de plusieurs variables : continuité, calcul<br />
différentiel<br />
La notion de limite de fonctions de plusieurs variables n’est pas explicitement au<br />
programme, mais est utile pour manipuler la notion de continuité<br />
Proposition/Définition 5.3.5 Soit f : D → R, et soit X = (x1,...,xn) ∈ D. Les propositions<br />
suivantes sont équivalentes :<br />
1. Pour tout voisinage V de f(X) dans R, il existe un voisinage U de X dans R n tel que<br />
f(U) ⊂ V .<br />
2. Pour tout voisinage V de f(X) dans R, f −1 (V) est un voisinage de X dans R n .<br />
3. ∀ε > 0, ∃δ > 0, ∀Y ∈ D, Y −X < δ =⇒ |f(Y)−f(X)| < ε.<br />
4. f admet une limite en X (cette limite est nécessairement f(X)).<br />
Si une de ces quatre propositions est satisfaite, on dit que f est continue en X.<br />
Proposition 5.3.6 1. Soit f, g et h sont trois fonctions définies sur D ⊂ R n telles que pour<br />
tout Y ∈ D, f(Y) g(Y) h(Y), et soit X ∈ D. Si f(X) = g(X) = h(X) et que f et h<br />
sont continues en X, alors g est continue en X.<br />
2. En particulier, si f et g sont telles que pour tout Y de D, |f(Y)| g(Y), et si g(X) = 0,<br />
alors, si g est continue en 0, f aussi.<br />
Proposition 5.3.7 1. Soit α > 0 et X0 ∈ R n . La fonction X ↦→ X − X0 α est continue<br />
sur R.<br />
2. Soit f définie sur D ⊂ R n , et X0 ∈ D. Alors, s’il existe α > 0 et β > 0 tels que pour tout X<br />
au voisinage de X0 dans D, on ait<br />
alors f est continue en X0.<br />
|f(X)−f(X0)| βX −X0 α ,<br />
Corollaire 5.3.8 Soit i ∈ [1,n], et pr i : R n → R la projection sur le i-ième facteur, défini par<br />
pri(x1,...,xn) = xi. Alors la fonction pr i est continue sur R n .<br />
Remarque 5.3.9 Dans le résultat précédent, on utilise une majoration très utile : siX = (x1,...,xn),<br />
alors pour tout i ∈ [1,n], |xi| X. Souvenez-vous en !<br />
5.3.2 Critère séquentiel<br />
Définition 5.3.10 Soit(Uk)k∈N une suite à valeurs dansR n ; pour toutk ∈ N,Uk = (x1,k,...,xn,k).<br />
On dit que (Uk) converge vers X ∈ R n si :<br />
∀ε > 0, ∃K ∈ N, ∀k K, Uk −X < ε.<br />
Proposition 5.3.11 Soit (Uk)k∈N une suite à valeurs dans R n ; pour tout k ∈ N, Uk = (x1,k,...,xn,k).<br />
La suite (Uk)k∈N converge vers X = (x1,...,xn) si et seulement si pour tout i ∈ [1,n], (xi,k)k∈N<br />
converge vers xi.<br />
Théorème 5.3.12 (Caractérisation séquentielle de la continuité)<br />
La fonction f : D → R est continue en X ∈ D si et seulement si pour toute suite (Uk)k∈N de<br />
vecteurs de D qui converge vers X, (f(Uk))k∈N converge vers f(X) (dans R).
5.3 Limites et continuité 51<br />
Par conséquent, si X = (x1,...,xn), f est continue en X si et seulement si pour toute suite<br />
(x1,k)k∈N convergeant vers x1, toute suite (x2,k)k∈N convergeant vers x2, etc., et toute suite<br />
(xn,k)k∈N convergeant vers xn, telles que pour tout k, (x1,k,...,xn,k) soit dans D, f(x1,k,...,xn,k)<br />
tend vers f(x1,...,xn) lorsque k tend vers +∞.<br />
Comme pour le cas des fonctions à une variable, ce critère est en pratique souvent utilisé pour<br />
montrer qu’une fonction n’est pas continue en un point. On l’utilise aussi d’un point de vue<br />
théorique, pour obtenir toutes les propriétés liées à la continuité, exposées dans le paragraphe<br />
suivant.<br />
5.3.3 Opérations sur les fonctions continues<br />
Proposition 5.3.13 Soit f,g : D → R deux fonctions continues en un point (a1,...,an) de D.<br />
Alors :<br />
1. f +g est continue en (a1,...,an);<br />
2. fg est continue en (a1,...,an);<br />
3. si f(a1,...,an) = 0, 1<br />
f<br />
On suppose toujours que D ⊂ R n .<br />
est continue en (a1,...,an).<br />
Proposition 5.3.14 (Continuité d’une composition de fonctions)<br />
1. (Composition à gauche) Soit f : D → R, soit A ⊂ R tel que f(D) ⊂ A, et g : A → R. Soit<br />
X ∈ D tel que f est continue en X et g est continue en f(X). Alors g◦f est continue en X.<br />
2. (Composition à droite) Soit f : D → R, A ⊂ R et g1,...,gn : A → R telles que pour tout<br />
t ∈ R, (g1(t),...,gn(t)) ∈ D. Si pour tout i ∈ [1,n], gi est continue en t, et si f est continue<br />
en (g1(t),...,gn(t)), alors la fonction de A dans R définie par t ↦→ f(g1(t),...,gn(t)) est<br />
continue en t.<br />
Corollaire 5.3.15 Soit f une fonction de R dans R continue en a. Alors la fonction (x1,...,xn) ↦→<br />
f(xi) est continue en tout point (x1,...,xi−1,a,xi+1,...,xn).<br />
Exemples 5.3.16 1. La fonction (x,y) ↦→ e x siny est continue sur R 2 .<br />
2. La fonction (x,y) ↦→ xy est continue sur R 2 .<br />
3. Les fonctions polynomiales sont continues sur R n<br />
Ce résultat fournit une nouvelle méthode, très importante, pour justifier qu’une fonction f n’est<br />
pas continue en un point (ou de manière équivalente, n’admet pas de limite en un point). En effet en<br />
contraposant la propriété précédente, si u1,...,un sont n fonctions d’une variable t ∈ I, continues<br />
en t0, et telles que pour tout t ∈ I, (u1(t),u2(t),...,un(t)) ∈ D, si la fonction d’une variable<br />
f(u1(t),...,un(t)) n’est pas continue en t0, alors f n’est pas continue en (u1(t0),...,un(t0)).<br />
Exemple 5.3.17 Soit f définie sur D = {(x,y) ∈ R2 | x + y > 0}∪{0}, par f(0) = 0 et pour<br />
1 −<br />
tout (x,y) tel que f(x,y) = 0, f(x,y) = xln(x+y), et u1 : t ↦→ t, et u2 : t ↦→ −t+e t2 , prolongée<br />
par continuité en 0 par u2(0) = 0.
52<br />
Analyse – Chapitre 5. Fonctions de plusieurs variables : continuité, calcul<br />
différentiel<br />
5.3.4 Continuité et topologie<br />
Proposition 5.3.18 Soit f une fonction continue sur R n . Alors :<br />
1. L’image réciproque de tout ouvert de R par f est un ouvert de R n .<br />
2. L’image réciproque de tout fermé de R par f est un fermé de R n .<br />
Exemples 5.3.19 1. Par exemple, les courbes de niveau sont des fermés, puisqu’il s’agit des<br />
ensembles f −1 ({k}), et que {k} est fermé.<br />
2. Par exemple, si f est continue sur R n , un ensemble du type {X ∈ R n , f(X) < k} est ouvert,<br />
alors que {X ∈ R n f(X) k} est fermé.<br />
3. Exemples : les boules ouvertes et fermées<br />
Théorème 5.3.20 (admis) Soit f une fonction continue sur un sous-ensemble fermé borné K ⊂<br />
R n . Alors f est bornée sur K et atteint ses bornes.<br />
5.4 Calcul différentiel (à l’ordre 1)<br />
5.4.1 Fonctions et dérivées partielles<br />
La notion de dérivée partielle correspond à la notion de dérivation par rapport à une des variables<br />
en fixant les autres, c’est-à-dire en les considérant comme une constante. Les règles de dérivation<br />
découlent alors directement des règles de dérivation des fonctions à une variable.<br />
Dans ce qui suit, U désigne un ouvert de R n .<br />
Définition 5.4.1 Soit f : U → R, et A = (a1,...,an) un point de U. On définit, pour tout<br />
i ∈ [1,n], l’ensemble<br />
Di = {x ∈ R | (a1,...,ai−1,x,ai+1,...,an) ∈ U}.<br />
La i-ième application partielle de f en a est l’application fi : Di → R (fonction à une seule<br />
variable), définie par :<br />
fA,i(x) = f(a1,...,ai−1,ai,ai+1,...,an).<br />
Proposition 5.4.2 Les Di définis ci-dessus sont des ouverts de R, et contiennent ai. En particulier,<br />
ce sont des voisinages de ai. Ainsi, la i-ième fonction partielle en A est définie au voisinage<br />
de ai.<br />
Définition 5.4.3 Soit f : U → R une fonction définie sur un ouvert U de R n , et soit A =<br />
(a1,...,An) ∈ U. Soit i ∈ [1,n]. On dit que f est dérivable en A par rapport à xi (ou que<br />
f admet une dérivée partielle par rapport à la variable xi en X) si la fonction partielle d’une<br />
variable réelle fA,i est dérivable en ai. Autrement dit, f est dérivable en A par rapport à xi si<br />
l’expression<br />
h ↦→ f(a1,...,ai−1,ai +h,ai+1,...,an)−f(a1,...,ai−1,ai,ai+1,...,an)<br />
h<br />
admet une limite finie lorsuqe h tend vers 0.
5.4 Calcul différentiel (à l’ordre 1) 53<br />
On définit alors la dérivée partielle de f par rapport à xi au point A par :<br />
∂f<br />
∂xi<br />
(A) = ∂f<br />
(a1,...,an) = f<br />
∂xi<br />
′ A,i (ai)<br />
= lim<br />
h→0<br />
f(a1,...,ai−1,ai +h,ai+1,...,an)−f(a1,...,ai−1,ai,ai+1,...,an)<br />
.<br />
h<br />
Si f admet une dérivée par rapport à xi sur tout U, la dérivée partielle par rapport à xi définit<br />
une fonction : ∂f<br />
: U → R.<br />
∂xi<br />
Définition 5.4.4 Soit f : U −→ R et X ∈ U. Alors, si f admet une dérivée partielle en A par<br />
rapport à toutes les variables xi, on définit le gradient de f au point X par :<br />
<br />
∂f<br />
∇f(A) = (A),...,<br />
∂x1<br />
∂f<br />
<br />
(A) .<br />
∂xn<br />
Il s’agit donc d’un vecteur de R n .<br />
Si f admet des dérivées partielles par rapport à tous les xi sur tout U, alors le gradient définit<br />
une application ∇ : U → R n .<br />
5.4.2 Fonctions de classe C 1<br />
Définition 5.4.5 Soit f : U → R (U ouvert de Rn ). On dit que f est de classe C1 si f admet des<br />
dérivées partielles ∂f<br />
sur tout U, pour tout i ∈ [1,n], et que ces dérivées partielles sont toutes<br />
∂xi<br />
continues sur U.<br />
Proposition 5.4.6 Soit U un ouvert de R n , et f et g des fonctions de classe C 1 sur U, et soit<br />
λ ∈ R. Alors f +λg et fg sont de classe C 1 sur U, et f<br />
g est de classe C1 sur U \g −1 ({0}).<br />
Proposition 5.4.7 Soit f : R → R une fonction de classe C 1 sur I. Alors, la fonction (x1,...,xn) ↦→<br />
f(xi) est de classe C 1 sur R i−1 ×I ×R n−i .<br />
5.4.3 Développements limités<br />
Définition 5.4.8 1. Une fonction polynomiale sur R n est une fonction obtenue comme com-<br />
binaison linéaire de monômes (x1,...,xn) ↦→ x i1<br />
1 ×···×xin<br />
n , (i1,...,in) ∈ N n .<br />
2. On dit qu’une fonction polynomiale P est de degré au plus n si tous les monômes ci-dessus<br />
intervenant dans P vérifient i1 +···+in n.<br />
3. P est de degré exactement n s’il existe au moins un monôme x i1<br />
1 ...xin<br />
n , aveci1+···+in = n,<br />
de coefficient non nul dans P.<br />
Proposition 5.4.9 Toute fonction polynomiale est continue et de classe C 1 sur R n .<br />
Définition 5.4.10 Un développement limité à l’ordre n de f : Rn → R en 0Rn est la donnée<br />
d’une fonction polynomiale P : Rn → R de degré au plus n tel que, pour X au voisinage de 0Rn, f(X) = P(X)+o(X n ).
54<br />
Analyse – Chapitre 5. Fonctions de plusieurs variables : continuité, calcul<br />
différentiel<br />
Bien entendu, on définit de même les DL en (a1,...,an) en faisant un changement de variable.<br />
Cas important (le seul au programme) :<br />
Un DL à l’ordre 1 de f en 0Rn est la donnée de réels a, b1,...,bn tels que, au voisinage de 0Rn :<br />
f(X) = a+b1x1 +···+bnxn +o(X), où X = (x1,...,xn).<br />
Remarque 5.4.11 Pour n = 2, l’équation f(x,y) = a + bx + cy + o(X) signifie que le plan<br />
d’équation z = a + bx+c est tangent au graphe au point (0,0). Par conséquent, faire un DL à<br />
l’ordre 1 fournit un excellent moyen, souvent économe en calculs, pour déterminer l’équation du<br />
plan tangent au graphe d’une fonction à deux variables.<br />
Plus généralement, pour une fonction denvariables, le DL à l’ordre1 fournit un hyperplan tangent<br />
au graphe au point 0.<br />
5.4.4 Formule de Taylor-Young à l’ordre 1<br />
Théorème 5.4.12 (Formule de Taylor-Young à l’ordre 1)<br />
Soit U un ouvert, et A = (a1,...,an) ∈ U. Soit f : U → R une fonction de classe C 1 sur U. Alors,<br />
au voisinage du point A = (a1,...,an), on a :<br />
f(x1,...,xn) = f(a1,...,an)+(x1−a1) ∂f<br />
(A)+···+(xn−an)<br />
∂x1<br />
∂f<br />
(A)+o(X−A), X = (x1,...,xn).<br />
∂xn<br />
On peut réexprimer cette expression à l’aide du gradient. Au voisinage de A,<br />
f(X) = f(A)+〈∇f(A),X −A〉+o(X −A),<br />
ou encore, au voisinage de 0Rn pour la variable H :<br />
f(A+H) = f(A)+〈∇f(A),H〉+o(H).<br />
Corollaire 5.4.13 Si f est de classe C 1 au voisinage de A, alors f est continue en A.<br />
Remarque 5.4.14 L’existence des dérivées partielles en A n’est pas suffisante pour assurer la<br />
continuité. Ayez un contre-exemple en tête.<br />
Proposition 5.4.15 (réciproque à la formule de Taylor-Young, hors programme)<br />
Si f admet un DL à l’ordre 1 en A = (a1,...,an), disons, au voisinage de A :<br />
f(X) = α+β1(x1 −a1)+···+βn(xn −an)+o(X −A),<br />
et si f est continue en A, alors f admet des dérivées partielles en A, et :<br />
La démonstration est à refaire au cas par cas.<br />
∀i ∈ [1,n], ∂f<br />
(A) = βi.<br />
∂xi<br />
5.4.5 Dérivation d’une composition<br />
On se donne une fonction f : U → R, U étant un ouvert de R n .<br />
Théorème 5.4.16 (cas d’une composition à gauche par g : I → R, I ⊂ R, f(U) ⊂ I)<br />
Soit A ∈ U et i ∈ [1,n].
5.4 Calcul différentiel (à l’ordre 1) 55<br />
1. Si f est dérivable par rapport à xi en A et g est dérivable en f(A), alors g ◦f est dérivable<br />
par rapport à xi en A, et :<br />
∂(g ◦f)<br />
(A) = g<br />
∂xi<br />
′ (f(A)) ∂f<br />
(A).<br />
∂xi<br />
2. En particulier, si f est dérivable par rapport à tous les xi, i ∈ [1,n] en A et g est dérivable<br />
en f(A), alors g ◦f est dérivable par rapport à tous les xi en A, et :<br />
∇(g ◦f)(A) = g ′ (f(A))·∇f(A).<br />
3. Si de plus, f et g sont de classe C 1 respectivement sur U et I, alors g ◦ f est de classe C 1<br />
sur U.<br />
Théorème 5.4.17 (cas d’une composition à droite par w1,...,wn : V → R, V ouvert de R) On<br />
suppose que pour tout t ∈ V , (w1(t),...,wn(t)) ∈ U. On peut alors définir F sur V par :<br />
∀t ∈ V, F(t) = f(w1(t),...,wn(t)).<br />
F est une fonction de V dans R, donc à une seule variable.<br />
Soit t0 ∈ U. Si pour tout i ∈ [1,n], wi est dérivable en t0, et si f est de classe C 1 au voisinage de<br />
(w1(t0),...,wn(t0)), alors F est dérivable en t0, et :<br />
F ′ (t0) =<br />
n<br />
i=1<br />
w ′ ∂f<br />
i (t0) (w1(t0),...,wn(t0)).<br />
∂xi<br />
Réexprimons ceci en notant pour tout t dans V , W(t) = (w1(t),...,wn(t)). W est donc une fonction<br />
de R dans R n . On définit, en tout point où cela est possible, W ′ par W ′ (t) = (w ′ 1(t),...,w ′ n(t)).<br />
Alors, l’égalité précédente se réécrit :<br />
F ′ (t0) = 〈 ∇f(W(t0)),W ′ (t0) 〉.<br />
Si de plus les wi sont de classe C 1 , il en est de même de F.<br />
Un cas particulier est la notion de dérivée directionnelle de f :<br />
Proposition/Définition 5.4.18 Soit A ∈ U, et X un vecteur unitaire de R n . Si f est de classe<br />
C 1 au voisinage de A, alors la fonction g : t ↦→ f(A + tX), définie sur un voisinage de 0, est<br />
dérivable en 0, et :<br />
g ′ (0) = 〈 ∇f(A), X 〉<br />
Cette quantité est appelée dérivée de f suivant la direction X, et est parfois notée :<br />
Exemple 5.4.19 ∂f<br />
∂x = f′ ∂f<br />
e1 =<br />
∂e1<br />
5.4.6 Interprétation du gradient<br />
f ′ ∂f<br />
X (A) = (A) = 〈 ∇f(A), X 〉<br />
∂X<br />
et ∂f<br />
∂y = f′ ∂f<br />
e2 = , où e1 = (1,0) et e2 = (0,1).<br />
∂e2<br />
Proposition 5.4.20 Soit f admettant un gradient sur U un ouvert de R n .
56<br />
Analyse – Chapitre 5. Fonctions de plusieurs variables : continuité, calcul<br />
différentiel<br />
1. Le gradient indique la direction de plus forte variation, donc la direction pour laquelle la<br />
dérivée directionnelle est la plus élevée.<br />
2. La dérivée de f suivant une direction tangente à une courbe de niveau est nulle. Autrement<br />
dit, le gradient est perpendiculaire aux courbes de niveau.<br />
Ainsi, le gradient suit la direction de plus forte pente, et est perpendiculaire aux courbes de niveau.<br />
5.4.7 Formule des accroissements finis<br />
Théorème 5.4.21 Soit f : U → R (U ouvert de R n ) une fonction de classe C 1 sur U. Soit A et<br />
B deux points de U tels que le segment [A,B] soit inclus dans U. Alors, il existe C ∈]A,B[, tel<br />
que<br />
f(B)−f(A) = 〈B −A,∇f(C)〉.<br />
5.5 Dérivées d’ordre supérieur<br />
5.5.1 Dérivées partielles d’ordre n<br />
Soit U un ouvert de Rn , et f : U → R une fonction admettant des dérivées partielles sur U. Soit<br />
(i,j) ∈ [1,n] 2 . Alors ∂f<br />
est une fonction de U dans R<br />
∂xi<br />
2 .<br />
1. Si ∂f<br />
∂<br />
est dérivable par rapport à xj en A ∈ U, on note :<br />
∂xi<br />
2f (A) =<br />
∂xj∂xi<br />
∂ ∂f<br />
(A)<br />
∂xj ∂xi<br />
2. Si i = j, on note ∂2f (A).<br />
∂x 2 i<br />
En itérant cette construction, on définit, si cela a un sens, des dérivées partielles à tous ordres,<br />
∂nf , où pour tout k ∈ [1,m], im ∈ [1,n].<br />
∂xin ···∂xi1<br />
Dans cette écriture, on commence par dériver par rapport à xi1, puis à xi2, etc. jusqu’à xin.<br />
Définition 5.5.1 (Dérivée seconde directionnelle) On dit que f admet une dérivée directionnelle<br />
seconde en A dans la direction V , si la fonction t ↦→ f(A+tV) admet une dérivée seconde. On<br />
note cette dérivée seconde f ′′<br />
U (A).<br />
En particulier, si (e1,...,en) désigne la base canonique de R n , on a pour tout i ∈ [1,n],<br />
f ′′<br />
ei (A) = ∂2f ∂x2 i<br />
Définition 5.5.2 On dit que f est de classe C n sur l’ouvert U si toutes les dérivées partielles<br />
d’ordre n existent sur U (en considérant tous les ordres possibles de dérivation par rapport aux<br />
xi), et si elles sont toutes continues sur U.<br />
Le cas de fonctions de classe C n , avec n 3, est hors programme.<br />
Théorème 5.5.3 Une combinaison linéaire, un produit ou un quotient dont le dénominateur ne<br />
s’annule pas, de fonctions de classes C 2 sur U est encore de classe C 2 .<br />
Théorème 5.5.4 Soit f : U → R, (U ouvert de R n ) et I ⊂ R tel que f(U) ⊂ I. Soit g : I → R.<br />
Si f est de classe C 2 sur U et g est de classe C 2 sur I, alors g ◦f est de classe C 2 sur U.<br />
.
5.5 Dérivées d’ordre supérieur 57<br />
5.5.2 Théorème de Schwarz<br />
Le théorème suivant montre que sous certaines conditions, l’ordre dans lequel on fait les dérivations<br />
par rapport à x ou y importe peu :<br />
Théorème 5.5.5 (Schwarz) Soit f : U → R (U ouvert de Rn ) et A ∈ U. Soit (i,j) ∈ [1,n] 2 . Si<br />
∂<br />
f admet en A des dérivées partielles secondes<br />
2f ∂<br />
(A) et<br />
∂xi∂xj<br />
2f (A), continues en A, alors<br />
∂xj∂xi<br />
∂ 2 f<br />
∂xi∂xj<br />
(A) = ∂2f (A).<br />
∂xj∂xi<br />
C’est notamment le cas si f est une fonction de classe C 2 . C’est cette hypothèse que l’on vérifie<br />
généralement.<br />
5.5.3 Hessienne<br />
Définition 5.5.6 Soit U un ouvert de Rn , et f : U → R une fonction de classe C2 sur U. Soit<br />
A ∈ U. La hessienne de f au point A est la matrice carrée d’ordre n définie par :<br />
2 ∂ f<br />
HA = (A) .<br />
∂xi∂xj 1i,jn<br />
La hessienne au point A est aussi très souvent notée ∇ 2 f(A)<br />
Proposition 5.5.7 La fonction f étant de classe C 2 , la hessienne ∇ 2 f(A) de f au point A est<br />
une matrice symétrique.<br />
Exemple 5.5.8 Si n = 2, la hessienne de f au point A est :<br />
∇ 2 ⎛<br />
∂<br />
⎜<br />
f(A) = ⎜<br />
⎝<br />
2f ∂x2(A) ∂2f ∂x∂y (A)<br />
∂2f ∂x∂y (A)<br />
∂2f ∂y2(A) ⎞<br />
⎟<br />
⎠<br />
On note traditionnellement (notations de Monge) :<br />
r = ∂2 f<br />
∂x 2, s = ∂2 f<br />
∂x∂y , t = ∂2 f<br />
∂y 2.<br />
Ainsi, la hessienne se réécrit, à l’aide des notations de Monge :<br />
∇ 2 <br />
r s<br />
f(A) = .<br />
s t<br />
Définition 5.5.9 On définit qA la forme quadratique de R n dont la matrice dans la base canonique<br />
de R n est la matrice hessienne HA.<br />
Par exemple, dans le cas où<br />
n = 2, avec les notations de Monge, qA est la forme quadratique<br />
r s<br />
canoniquement associée à , donc<br />
s t<br />
∀(x,y) ∈ R 2 , qA(x,y) = rx 2 +2sxy +ty 2 .
58<br />
Analyse – Chapitre 5. Fonctions de plusieurs variables : continuité, calcul<br />
différentiel<br />
De manière générale, pour n quelconque,<br />
qA(x1,...,xn) = <br />
1i,jn<br />
∂2f (A)xixj =<br />
∂xi∂xj<br />
n<br />
i=1<br />
∂2f ∂x2(A)x i<br />
2 i +2 <br />
1i
Analyse – Chapitre 6<br />
Optimisation<br />
L’optimisation d’une fonction de plusieurs variables f consiste en la recherche des extremas de f.<br />
On commence par déterminer une condition nécessaire pour qu’une fonction définie sur un ouvert<br />
admette un extremum en un point A. Il s’agit de l’analogue de la condition nécessaire f ′ (a) = 0<br />
dans le cas d’une fonction d’une variable. Cette condition porte sur les dérivées d’ordre 1.<br />
On détermine ensuite une condition suffisante pour un tel point pour qu’il s’agisse d’un extremum<br />
local. L’analogue pour les fonctions d’une variable est l’étude locale de la convexité de f : si f est<br />
de convexité constante au voisinage de f, on a un extremum local (maximum en cas de concavité et<br />
minimum en cas de convexité). C’est une condition portant sur f ′′ . Pour les fonctions de plusieurs<br />
variables, une condition similaire sera donnée, portant sur les dérivées partielles d’ordre 2, donc<br />
sur la hessienne de f au point A.<br />
On étudie ensuite le cas où f n’est pas définie sur un ouvert.<br />
Enfin, on étudie les extrema de restictions de f à des sous-espaces affines de R n (droites ou plans<br />
par exemple). Il s’agit de la recherche d’extrema sous contraintes linéaires.<br />
On rappelle dans une premier temps la définition d’un extremum.<br />
Définition 6.0.13 Soit D ⊂ R n , f : D −→ R une fonction définie sur D. Soit A un point de D.<br />
1. On dit que f admet un maximum global en A si :<br />
∀X ∈ D, f(X) f(A)<br />
2. On dit que f admet un minimum global en A si :<br />
∀X ∈ D, f(X) f(A)<br />
3. On dit que f admet un maximum global strict en A si :<br />
∀X ∈ D, X = A =⇒ f(X) < f(A)<br />
4. On dit que f admet un minimum global strict en A si :<br />
∀X ∈ D, X = A =⇒ f(X) > f(A)<br />
5. On dit que f admet un maximum local en A s’il existe un voisinage V de A tel que :<br />
∀X ∈ V, f(X) f(A)<br />
6. On dit que f admet un minimum local en A s’il existe un voisinage V de A tel que :<br />
∀X ∈ V, f(X) f(A)
60 Analyse – Chapitre 6. Optimisation<br />
6.1 Recherche d’extrema locaux sur un ouvert<br />
6.1.1 Condition nécessaire du premier ordre<br />
Théorème 6.1.1 Soit U un ouvert de R n et f : U → R une fonction de classe C 1 sur U. Soit<br />
A ∈ U. Si f admet un extremum local en A, alors ∇f(A) = 0n.<br />
Définition 6.1.2 Soit U un ouvert de R n et f : U → R une fonction de classe C 1 sur U. Soit<br />
A ∈ U. Si ∇f(A) = 0n, on dit que A est un point critique de f.<br />
Ainsi, pour que f de classe C 1 sur un ouvert admette un extremum en un point A de cet ouvert,<br />
il est nécessaire que ce point soit un point critique.<br />
Par conséquent, la recherche des points critiques fournit (sur un ouvert) les seuls points candidats<br />
à être des extrema locaux de f.<br />
Attention, la réciproque est fausse : un point peut être un point critique sans que f<br />
présente un extremum local en ce point.<br />
Exemples 6.1.3 1. f : (x,y) ↦→ xy sur R 2 .<br />
2. f : (x,y) ↦→ x 4 +2x 2 +y 2 .<br />
3. f : (x,y) ↦→ x+y sur [0,1] 2<br />
Proposition 6.1.4 Soit f de classe C1 sur un ouvert U de Rn , à valeurs dans R, et soit A un<br />
point critique de f. Alors pour tout vecteur X unitaire, f ′ X (A) = 0.<br />
Proposition 6.1.5 Soit f une fonction de classe C 1 sur un ouvert U de R n , à valeurs dans R, et<br />
C le graphe de f dans R n+1 . Alors, si A ∈ U est un point critique de f, alors le graphe C présente<br />
en (A,f(A)) un hyperplan tangent d’équation xn+1 = f(A). Ce plan est donc parallèle au plan<br />
engendré par (e1,...,en).<br />
6.1.2 Condition suffisante du <strong>deuxième</strong> ordre<br />
Théorème 6.1.6 Soit U un ouvert de R n et f : U → R une fonction de classe C 2 de U. Soit<br />
A ∈ U un point critique de f, et soit qA la forme quadratique associée à f au point A, c’est-à-dire<br />
associée à la matrice symétrique ∇ 2 f(A). Alors :<br />
1. Si pour tout X ∈ R n \{0n}, qA(X) < 0, alors f présente un maximum local en A.<br />
2. Si pour tout X ∈ R n \{0n}, qA(X) > 0, alors f présente un minimum local en A.<br />
3. Si qA prend des valeurs strictement positives et strictement négatives, alors f ne présente<br />
pas d’extremum local au point A.<br />
4. Si qA prend des valeurs positives ou nulles, et qu’il existe H = 0n tel que qA(H) = 0, alors<br />
on ne peut pas conclure.<br />
5. Si qA prend des valeurs négatives ou nulles, et qu’il existe H = 0n tel que qA(H) = 0, alors<br />
on ne peut pas conclure.<br />
Rappel : Le signe de qA peut être étudié à l’aide des valeurs propres de la matrice symétrique<br />
associée à qA, c’est-à-dire les valeurs propres de la hessienne ∇ 2 f(A).
6.1 Recherche d’extrema locaux sur un ouvert 61<br />
Corollaire 6.1.7 Soit U un ouvert de R n et f : U → R une fonction de classe C 2 de U. Soit<br />
A ∈ U un point critique de f. Alors :<br />
1. Si les valeurs propres de ∇ 2 f(A) sont strictement négatives, alors f présente un maximum<br />
local en A.<br />
2. Si les valeurs propres de ∇ 2 f(A) sont strictement positives, alors f présente un minimum<br />
local en A.<br />
3. Si ∇ 2 f(A) admet au moins une valeur propre strictement positive et une valeur propre<br />
strictement négative, alors f ne présente pas d’extremum local au point A.<br />
4. Si les valeurs propres de ∇ 2 f(A) sont positives et que 0 est valeur propre de ∇ 2 f(A), alors<br />
on ne peut pas conclure.<br />
5. Si les valeurs propres de ∇ 2 f(A) sont négatives et que 0 est valeur propre de ∇ 2 f(A), alors<br />
on ne peut pas conclure.<br />
Exemple 6.1.8 1. (x,y) ↦→ e xy<br />
2. (x,y) ↦→ x 2 +2xy +2y 2 +y<br />
3. (x,y) ↦→ x 2 y<br />
4. (x,y) ↦→ x 2 y 2<br />
Théorème 6.1.9 (Cas des fonctions de deux variables)<br />
Soit U un ouvert de R 2 , f : U → R une fonction de classe C 2 sur U, et A ∈ U un point critique<br />
de f. Soit, conformément aux notations de Monge :<br />
r = ∂2 f<br />
∂x 2(A),<br />
s = ∂2 f<br />
∂x∂y (A) et t = ∂2 f<br />
∂y 2(A).<br />
1. Si rt−s 2 > 0, f admet un extremum local en A et :<br />
• si r < 0, il s’agit d’un maximum local<br />
• si r > 0, il s’agit d’un minimum local.<br />
2. Si rt−s 2 < 0, f n’admet pas d’extremum local en A. On dit que la courbe de f présente un<br />
col ou un point-selle au point A.<br />
3. Si rt−s 2 = 0, on ne peut pas conclure.<br />
Exemples 6.1.10 1. f : (x,y) ↦→ 2x 2 +2xy + y2<br />
2<br />
2. g : (x,y) ↦→ 2x 2 +2xy + y2<br />
2 −x4 .<br />
6.1.3 Diagonalisabilité des endomorphismes symétriques<br />
L’étude des points critiques de la fonction ϕ : X ↦→<br />
d’obtenir :<br />
t XAX<br />
X 2 définie sur l’ouvert Rn \{0n} permet<br />
Théorème 6.1.11 Soit A une matrice symétrique réelle. Alors A admet au moins une valeur<br />
propre réelle.<br />
C’est ce théorème qui était à la base de la démonstration de la diagonalisabilité des matrices<br />
symétriques.
62 Analyse – Chapitre 6. Optimisation<br />
6.2 Recherche d’extrema globaux<br />
6.2.1 Existence d’un maximum et/ou d’un minimum<br />
La preuve de l’existence d’un maximum et/ou d’un minimum d’une fonction f définie sur un<br />
domaine D de R n se ramène très souvent à l’étude d’une restriction ou d’un prolongement de f<br />
à un sous-ensemble fermé borné de R n , car, comme nous l’avons déjà vu, sur un sous-ensemble<br />
fermé borné, on a une propriété d’existence de ce maximum et de ce maximum, si f est continue :<br />
Théorème 6.2.1 Soit f : D → R une fonction continue sur un domaine D de R n , supposé<br />
fermé et borné. Alors f est bornée sur D et atteint ses bornes (donc admet un maximum et un<br />
minimum).<br />
Ainsi, dans le cas où D est un domaine quelconque (non nécessairement fermé borné), on peut<br />
énoncer divers critères d’existence, en se ramenant à cette situation :<br />
Corollaire 6.2.2 Soit f : D → R une fonction continue sur un domaine D de R n . S’il existe<br />
un sous-ensemble F de R n tel que :<br />
• F ⊂ D<br />
• F est fermé et borné<br />
• ∃X0 ∈ F, ∀X ∈ D\F, f(X) f(X0)<br />
alors f admet un maximum global sur D.<br />
On énonce de même pour le minimum<br />
Corollaire 6.2.3 Soit f : D → R une fonction continue sur un domaine D de R n . S’il existe<br />
un sous-ensemble F de R n tel que :<br />
• F ⊂ D<br />
• F est fermé et borné<br />
• ∃X0 ∈ F, ∀X ∈ D\F, f(X) f(X0)<br />
alors f admet un minimum global sur D.<br />
Ces deux résultats sont obtenus en considérant une restriction def à un sous-ensemble fermé borné<br />
F. La troisième hypothèse est une vérification du fait que le maximum (ou minimum) trouvé sur<br />
F est aussi un maximum (ou minimum) sur D tout entier.<br />
Exemple 6.2.4 Prouver l’existence du maximum et du minimum de la fonction f définie sur R2 par :<br />
∀(x,y) ∈ R 2 , f(x,y) =<br />
sinx<br />
(x−1) 2 +y 2 +1 .<br />
On peut aussi parfois se ramener à un domaine fermé borné par prolongement (par exemple un<br />
prolongement par continuité au bord d’un domaine ouvert, ou partiellement ouvert, et borné). On<br />
obtient :<br />
Corollaire 6.2.5 Soit f : D → R une fonction continue sur un domaine D de R n . S’il existe<br />
un sous-ensemble F de R n tel que :<br />
• D ⊂ F<br />
• F est fermé et borné
6.2 Recherche d’extrema globaux 63<br />
• f se prolonge en une fonction g continue sur F<br />
• ∃X0 ∈ D, ∀X ∈ F \D, g(X) g(X0) = f(X0)<br />
alors f admet un maximum global sur D.<br />
Corollaire 6.2.6 Soit f : D → R une fonction continue sur un domaine D de R n . S’il existe<br />
un sous-ensemble F de R n tel que :<br />
• D ⊂ F<br />
• F est fermé et borné<br />
• f se prolonge en une fonction g continue sur F<br />
• ∃X0 ∈ D, ∀X ∈ F \D, g(X) g(X0) = f(X0)<br />
alors f admet un minimum global sur D.<br />
Ici, la quatrième hypothèse est la vérification que les points qu’on a rajoutés (ceux qui sont dans<br />
F \D) ne peuvent pas correspondre au maximum (ou minimum) trouvé sur F (ou, s’il s’agit d’un<br />
maximum, le même maximum est atteint sur D en X0).<br />
Exemple 6.2.7 Montrer que la fonction définie sur B(0,2) (boule ouverte) par<br />
∀(x,y) ∈ R 2 , f(x,y) =<br />
x<br />
x 2 +y 2 +1<br />
admet un maximum global et un minimum global sur B(0,2).<br />
Remarque 6.2.8 Pour montrer qu’une fonction f n’admet pas de maximum sur un domaine D,<br />
il suffit de trouver une paramétrisation (u1(t),...,un(t)) définie pour t ∈]a,b[, (intervalle borné<br />
ou non) tel que<br />
∀t ∈]a,b[, (u1(t),...,un(t)) ∈ D, et lim<br />
t→b ou a f(u1(t),...,un(t)) = +∞.<br />
De même pour montrer qu’une fonction n’admet pas de minimum.<br />
On peut aussi utiliser des suites ; par exemple, dans le cas d’une fonction de deux variables définie<br />
sur un domaine D de R 2 , pour justifier que f n’admet pas de maximum, il suffit de trouver deux<br />
suites (un) et (vn) (non nécessairement convergentes) telles que pour tout n ∈ N, (un,vn) ∈ D, et<br />
lim<br />
n→+∞ f(un,vn) = +∞.<br />
Exemple 6.2.9 f définie sur D = B(0,1)\{(x,y) ∈ B(0,1) | x = −y} par<br />
f(x,y) = xy<br />
x+y .<br />
Cette fonction n’admet pas de maximum ni de minimum surD, car pour toutt ∈]0, 1<br />
2 [,(t,−t+t3 ) ∈<br />
D, et (t,−t−t 3 ) ∈ D, et<br />
et de même,<br />
f(t,−t+t 3 ) = t(−t+t3 )<br />
t3 ∼− 0 1<br />
t<br />
f(t,−t−t 3 ) = t(−t−t3 )<br />
−t 3 ∼ 0<br />
1<br />
t<br />
donc: lim<br />
t→0 f(t,−t+t 3 ) = −∞,<br />
donc: lim<br />
t→0 f(t,−t−t 3 ) = +∞,
64 Analyse – Chapitre 6. Optimisation<br />
6.2.2 Recherche des extrema globaux<br />
Démarche générale :<br />
• Démontrer l’existence ou la non existence du maximum et/ou du minimum par les arguments<br />
vus dans la section précédente<br />
• En cas d’existence du maximum et/ou du minimum :<br />
∗ Décomposer le domaine D de R n comme union d’un ouvert U et de sous-ensembles fermés Fi<br />
de « dimension » plus petite que n, c’est-à-dire paramétrable à l’aide d’au plus n−1 variables.<br />
Typiquement, un domaine sera décomposé en son « intérieur » et ses bords.<br />
∗ Rechercher les points critiques sur U, seuls candidats pour les extrema, et calculer la valeur<br />
de f en ces extrema<br />
∗ Recommencer l’étude sur chacun des Fi : les Fi étant paramétrables par strictement moins de<br />
variables, le même argument va permettre de se ramener petit à petit à l’étude de fonctions<br />
d’une variable, pour lesquels une étude des variations donne le résultat. On obtient donc ainsi<br />
les extrema sur chaque ouvert Fi<br />
∗ On compare toutes les valeurs obtenues pour les extrema sur chacun des Fi et les valeurs aux<br />
points critiques de U. La plus grande de ces valeurs fournira le maximum (si on sait qu’il<br />
existe) et la plus petite le minimum (aussi sous réserve d’existence)<br />
Remarquez que pour que cette démarche soit valide, il faut avoir prouver l’existence du minimum<br />
ou du maximum avant, sinon, on n’est pas assuré que la valeur trouvée soit effectivement un<br />
minimum ou un maximum.<br />
Exemple 6.2.10 Recherche des extrema globaux de f définie sur [0,1] 2 par<br />
f(x,y) = x 3 −4y 3 +xy.<br />
Remarque 6.2.11 Si f est définie et de classe C 1 sur un ouvert, la première étape est parfois<br />
inutile : si la fonction f n’admet pas de point critique sur U, on peut conclure directement que f<br />
n’admet ni maximum ni minimum. Il peut donc être intéressant de déterminer d’abord les points<br />
critiques, sachant que le fait de trouver des points critiques n’est en revanche pas suffisant pour<br />
affirmer l’existence d’un minimum ou d’un maximum : si on trouve des points critiques, il faut<br />
revenir à l’étape 1, pour justifier l’existence ou non, parmis ces points critiques, d’un maximum<br />
ou d’un minimum.<br />
6.2.3 Quelques cas particuliers<br />
Cas d’une fonction f composée à l’arrivée par une fonction g de R dans R<br />
Proposition 6.2.12 Soit f une fonction définie sur un domaine D de R n et à valeurs dans un<br />
sous-ensemble E de R. Soit g une fonction de E dans R. On définit la fonction F sur D par<br />
F = g ◦f, c’est à dire :<br />
∀(x1,...,xn) ∈ D, F(x1,...,xn) = g(f(x1,...,xn).<br />
Alors, si g admet un maximum global en t0 ∈ E, et si t0 ∈ Im(f), alors F admet un maximum<br />
global en tout point (x1,...,xn) tel que f(x0,...,xn) = t0.<br />
Plus précisément, si T est l’ensemble des points de R en lesquels g atteint son maximum, et si<br />
T ∩Im(f) = ∅, alors les points en lesquels F admet un maximum sont exactement les points de<br />
f −1 (T).
6.2 Recherche d’extrema globaux 65<br />
Exemples 6.2.13 • (x,y) ↦→ xye −xy sur R 2 .<br />
∗ Existence d’un maximum, et ensemble des points en lesquels ce maximum est atteint<br />
∗ Non existence d’un minimum.<br />
• Cas d’une fonction dépendant uniquement de X.<br />
Exemple : (x,y,z) ↦→ (x2 +y 2 +z 2 )e 1−x2 −y 2 −z 2<br />
1+x 2 +y 2 +z 2<br />
Cas d’une fonction polynomiale de degré 2.<br />
Des mises sous formes canoniques successives suivant chacune des variables successivement permet<br />
de déterminer assez facilement l’existence ou non d’un maximum ou minimum, et en cas<br />
d’existence, la valeur et le point en lequel ce maximum ou minimum est atteint.<br />
Exemples 6.2.14 • (x,y,z) ↦→ x 2 −2xy +2y 2 −4xz −4yz +8z 2<br />
• (x,y) ↦→ 2x 2 −4xy +5y 2 +2x−5y +2<br />
Cas d’une fonction de hessienne « positive »<br />
Nous entendons par là le fait que les valeurs propres de la hessienne en un point A sont positives<br />
(éventuellement strictement). Cela équivaut à la positivité (ou stricte positivité sauf en 0) de la<br />
forme quadratique associée qA. Nous avons déjà vu que si A est un point critique de f (sur un<br />
ouvert), la stricte positivité de qA est une condition suffisante d’obtention d’un minimum local<br />
en A.<br />
Si cette propriété de positivité est vérifiée non seulement en A, mais aussi en tout point B d’un<br />
ensemble convexe, nous nous retrouvons avec une propriété équivalente, dans le cas d’une seule<br />
variable, à la condition de convexité, et nous obtenons une condition suffisante pour qu’un point<br />
critique soit un minimum global :<br />
Proposition 6.2.15 1. Soit U un sous-ensemble ouvert et convexe de R n (c’est-à-dire tel que<br />
pour tout B et tout C de U, le segment [B,C] est inclus dans U). Soit f une fonction de<br />
classe C 2 de U dans R, et A ∈ U un point critique de f. On suppose de plus que pour tout<br />
B ∈ U, la forme quadratique qB associée à f en ce point est positive ( i.e. la hessienne n’a<br />
que des valeurs propres positives). Alors f présente au point A un minimum global.<br />
2. Si de plus, pour tout B ∈ U, les valeurs propres de ∇ 2 f(B) sont strictement positives, alors<br />
f n’atteint son minimum qu’au point A.<br />
Cette proposition n’est pas au programme. La démonstration, utilisant la formule de<br />
Taylor-Lagrange, doit être refaite à chaque fois<br />
Remarque 6.2.16 La propriété de convexité de U est un peu plus forte que nécessaire. Il suffit<br />
que U soit étoilé par rapport au point critique A, c’est-à-dire (A étant fixé égal au point critique)<br />
que pour tout B ∈ U, [A,B] ⊂ U.
66 Analyse – Chapitre 6. Optimisation<br />
6.2.4 Recherche de la position du graphe par rapport à l’hyperplan<br />
tangent<br />
Étude locale<br />
On trouve l’équation de l’hyperplan tangent en A, soit par un développement limité à l’ordre 1,<br />
soit en utilisant le gradient, l’équation étant xn+1 = f(A)+〈∇f(A),X −A〉, où X = (x1,...,xn).<br />
Ces deux méthodes sont équivalentes, ainsi que l’exprime la formule de Taylor-Young à l’ordre 1.<br />
La position locale du graphe par rapport à l’hyperplan tangent peut alors être obtenue en étudiant<br />
le signe du terme d’ordre 2 dans le développement limité à l’ordre 2, ce qui équivaut, d’après la<br />
formule de Taylor-Young à l’ordre 2, à l’étude du signe de qA, donc des valeurs propres de la<br />
hessienne au point A.<br />
Exemples 6.2.17<br />
(x,y) ↦→ e xcosy au point (0,0).<br />
(x,y) ↦→ √ 1−xy au point (0,0).<br />
Étude globale<br />
Prouver que l’hyperplan d’équation xn+1 = a1x1 + ··· + anxn + b, tangent à la courbe de f au<br />
point A, est en-dessous de la courbe en tout point de D, revient à prouver que la fonction<br />
(x1,...,xn) ↦→ f(x1,...,xn)−(a1x1 +···+anxn +b)<br />
admet un minimum global en A (égal à 0). On est donc ramené aux techniques d’étude des extrema<br />
globaux.<br />
En particulier, on obtient (démonstration à refaire à chaque fois) :<br />
Proposition 6.2.18 Soit U un ouvert convexe de R n , et A ∈ U. Si la hessienne en tout point<br />
B de U n’a que des valeurs propres (strictement) positives sur U, alors la courbe de f reste<br />
(strictement sauf en A) au dessus de l’hyperplan tangent en A.<br />
Évidemment, vous avez reconnu l’analogue du théorème positionnant la courbe par rapport aux<br />
droites tangentes dans le cas d’une fonction convexe d’une variable.<br />
6.3 Recherche d’extrema sous contrainte<br />
6.3.1 Notion d’extremum sous contrainte<br />
Définition 6.3.1 Soit D un sous-ensemble de R n et f une fonction de D dans R. Soit C un<br />
sous-ensemble de R n tel que C ∩ D = ∅. On dit que f admet un extremum local (resp. global)<br />
sous la contrainte C au point A ∈ C∩D, si et seulement si la restriction f |C∩D admet un extremum<br />
local (resp. global) au point A.<br />
Exemple 6.3.2 f : (x,y) ↦→ xe x−y , contrainte C = {(x,y) ∈ R 2 ,| y = x 2 }
6.3 Recherche d’extrema sous contrainte 67<br />
Ainsi, par une paramétrisation de l’ensemble C, on est souvent ramené à une étude des extrema<br />
(sans contrainte) d’une fonction de moins de variables.<br />
Dans le cas particulier où la contrainte C est un sous-espace affine (c’est-à-dire le translaté d’un<br />
sous-espace vectoriel de R n , ou encore l’intersection d’un certain nombre d’hyperplans affines),<br />
nous disposons de techniques particulières.<br />
Dans les cas les plus simples, ces techniques ne sont pas plus efficaces que l’utilisation d’une<br />
paramétrisation (pour le cas d’une contrainte égale à une droite par exemple). Mais dans certains<br />
cas un peu plus complexes (abstraits ou généraux), ces techniques peuvent s’avérer utiles.<br />
Définition 6.3.3 On dit qu’une contrainte C ⊂ R n est linéaire si et seulement si elle peut s’écrire<br />
comme intersection d’un nombre fini p d’hyperplans affines.<br />
Ainsi, une contrainte linéaire C sera déterminée par un certain nombre d’équations :<br />
⎧<br />
⎪⎨<br />
g1(X) = b1<br />
C : .<br />
⎪⎩<br />
gp(X) = bn,<br />
où, pour tout i ∈ [1,p], gi s’écrit sous la forme : gi(X) = ai,1x1 +···+ai,nxn.<br />
Ainsi, l’équation gi(X) = bi est l’équation d’un hyperplan affine.<br />
Notation 6.3.4 Soit C une contrainte linéaire, déterminer par les p équations ci-dessus. On note<br />
H l’ensemble des solutions du système homogène associé :<br />
⎧<br />
⎪⎨<br />
g1(X) = 0<br />
H : .<br />
⎪⎩<br />
gp(X) = 0,<br />
Ainsi, H est l’unique sous-espace vectoriel de R n parallèle à C.<br />
6.3.2 Points critiques sous contrainte linéaire<br />
Proposition 6.3.5 Soit f une fonction de classe C 1 sur un ouvert U de R n , et C une contrainte<br />
linéaire. Si f admet un extremum local sous la contrainte C en A ∈ C ∩U, alors :<br />
∀H ∈ H, f ′ H(A) = 0 soit: 〈∇f(A),H〉 = 0.<br />
Corollaire 6.3.6 Soit f une fonction de classe C 1 sur un ouvert U de R n , et C une contrainte<br />
linéaire. Si f admet un extremum local sous la contrainte C en A ∈ C ∩U, alors :<br />
∇f(A) ∈ H ⊥ .<br />
Définition 6.3.7 Soit f une fonction de classe C 1 sur un ouvert U de R n , et C une contrainte<br />
linéaire. On dit que A ∈ U ∩C est un point critique de f sous la contrainte C si ∇f(A) ∈ H ⊥ .<br />
Ainsi, le fait que A est un point critique sous la contrainte C est une condition nécessaire pour que<br />
f présente en A en extremum local sous la contrainte C.<br />
Exemple 6.3.8 Déterminer les points critiques de f : (x,y) ↦→ 3x 2 −2xy +y 2 sou la contrainte<br />
C : y = 2x+1.
68 Analyse – Chapitre 6. Optimisation<br />
6.3.3 Description de H ⊥<br />
L’appartenance à H ⊥ définissant la notion de point critique, il peut être intéressant d’avoir une<br />
description facile à déterminer et à utiliser de H ⊥ . On peut trouver une telle description à l’aide<br />
des fonctions gi.<br />
Proposition 6.3.9 Soit g définissant l’équation d’un hyperplan, donc une fonction polynomiale<br />
homogène de degré 1, c’est-à-dire une fonction admettant une description de la forme suivante :<br />
∀X = (x1,...,xn) ∈ R n , g(X) = a1x1 +···+anxn.<br />
Alors g est de classe C1 sur Rn , et pour tout B ∈ Rn ,<br />
⎛ ⎞<br />
∇g(B) =<br />
Ainsi, le gradient de g est constant. On notera alors simplement ∇g au lieu de ∇g(A).<br />
Proposition 6.3.10 Soit C une contrainte définie par une seule équation g(X) = b. Alors<br />
Plus généralement :<br />
⎜<br />
⎝<br />
a1<br />
.<br />
an<br />
⎟<br />
⎠ .<br />
H ⊥ = Vect(∇g).<br />
Proposition 6.3.11 Soit C la contrainte linéaire définie par les fonctions g1,...,gp et les réels<br />
b1,...,bp, et H l’espace vectoriel associé. Alors :<br />
H ⊥ = Vect(∇g1,...,∇gp).<br />
Corollaire 6.3.12 Soit U un ouvert de R n . Soit f une fonction de U dans R. Soit C une<br />
contrainte définie par les équations gi(X) = bi, i ∈ [1,p]. Alors un point A ∈ U ∩C est un point<br />
critique de f sous la contrainte C si et seulement s’il existe des réels λ1,...,λp tels que<br />
∇f(A) = λ1∇g1 +···+λp∇gp.<br />
6.3.4 Recherche des extrema sous contrainte linéaire<br />
Pour déterminer si un point critique est un maximum (ou minimum) local ou global, sans passer<br />
par une paramétrisation de C, il suffit d’étudier le signe de f(A+H)−f(A), H ∈ H localement<br />
(au voisinage de 0) ou globalement.<br />
Aucun résultat « tout fait » n’est au programme. Les techniques utilisées sans contrainte peuvent<br />
s’adapter. À étudier au cas par cas, avec démonstration. Par exemple :<br />
• Si qA est strictement positive, pas nécessairement sur R n \{0}, mais sur H\{0}, la formule de<br />
Taylor-Young permet d’obtenir l’existence d’un minimum local en A sous la contrainte C. De<br />
même en cas de négativité.<br />
• Si U est convexe, il suffit que qB soit positive sur H en tout point B de U∩C pour que f admette<br />
un minimum global en A sous la contrainte C. Utilisez la formule de Taylor-Lagrange pour le<br />
démontrer.