Le Frido, volume 3

Plusieurs versions et extensions de ce document.

La version courante Vous trouverez une version ddie lagrgation rgulirement mise
jour ladresse suivante :
http://laurent.claessens-donadello.eu/pdf/lefrido.pdf
La version la plus complte Une version plus complte, comprenant le Frido, des exercices
ainsi que de la mathmatique de niveau recherche :
http://laurent.claessens-donadello.eu/pdf/mazhe.pdf
Tout ce quil faut savoir pour recompiler soi-mme Pour savoir comment recompiler ce
document lidentique, il faut lire
https://github.com/LaurentClaessens/mazhe
http://laurent.claessens-donadello.eu/pdf/readme.pdf

Copyright 2011-2016 Laurent Claessens, Carlotta Donadello

Permission is granted to copy, distribute and/or modify this document under the terms of the
GNU Free Documentation License, Version 1.3 or any later version published by the Free
Software Foundation; with no Invariant Sections, no Front-Cover Texts, and no Back-Cover
Texts. A copy of the license is included in the chapter entitled GNU Free
Documentation License.
Illustration de couverture : Pepper&Carrot http://www.peppercarrot.com/fr par David Revoy.
ISBN : 978-2-9540936-7-3

Thmes
Ceci est une sorte dindex thmatique.
Thme 1 : Fonctions Lipschitz
(1) Dfinition : 11.189.
(2) La notion de Lipschitz est utilise pour dfinir la stabilit dun problme, dfinition 25.23.
Thme 2 : Polynme de Taylor
(1) nonc : thorme 11.204.
(2) Le polynme de Taylor gnralise lutilisation de toutes les drives disponibles le rsultat
de dveloppement limit donn par la proposition 11.76.
(3) Il est utilis pour justifier la mthode de Newton autour de lquation (25.128).
Thme 3 : Points fixes
(1) Il y a plusieurs thormes de points fixes.
Thorme de Picard 16.109 donne un point fixe comme limite ditrs dune fonction
Lipschitz. Il aura pour consquence le thorme de Cauchy-Lipschitz 16.123, lquation
de Fredholm, thorme 16.114 et le thorme dinversion locale dans le cas des espaces
de Banach 16.128.
Thorme de Brouwer qui donne un point fixe pour une application dune boule vers
elle-mme. Nous allons donner plusieurs versions et preuves.

Rn en version C 8 via le thorme de Stokes, proposition 16.117.

(b) Dans Rn en version continue, en sappuyant sur le cas C 8 et en faisant un passage
(a) Dans

la limite, thorme 16.118.

(c) Dans R2 via lhomotopie, thorme 19.19. Oui, cest trs loin. Et cest normal parce
que a va utiliser la formule de lindice qui est de lanalyse complexe 1 .
Thorme de Markov-Kakutani 16.121 qui donne un point fixe une application continue dun convexe ferm born dans lui-mme. Ce thorme donnera la mesure de Haar
16.122 sur les groupes compacts.
Thorme de Schauder 16.119 qui est une version valable en dimension infinie du thorme de Brouwer.
(2) Pour les quations diffrentielles
(a) Le thorme de Schauder a pour consquence le thorme de Cauchy-Arzela 16.125 pour
les quations diffrentielles.
(b) Le thorme de Schauder 16.119 permet de dmontrer une version du thorme de
Cauchy-Lipschitz (thorme 16.123) sans la condition Lipschitz, mais alors sans unicit
de la solution. Notons que de ce point de vue nous sommes dans la mme situation que
la diffrence entre le thorme de Brouwer et celui de Picard : hors hypothse de type
contraction, point dunicit.
(3) En calcul numrique
La convergence dune mthode de point fixe est donne par la proposition 25.55.
La convergence quadratique de la mthode de Newton est donne par le thorme 25.61.
En calcul numrique, section 25.6
Mthode de Newton comme mthode de point fixe, sous-section 25.7.2.
(4) Dautres utilisation de points fixes.
Processus de Galton-Watson, thorme 28.47.
Dans le thorme de Max-Milgram 17.44, le thorme de Picard est utilis.
1. On aime bien parce que a ne demande pas Stokes, mais quand mme hein, cest pas gratos non plus.

3
Thme 4 : Mthode de Newton
(1) Nous parlons un petit peu de mthode de Newton en dimension 1 dans 25.7.
(2) La mthode de Newton fonctionne bien avec les fonction convexes par la proposition 25.62.
(3) La mthode de Newton en dimension n est le thorme 25.68.
(4) Un intervalle de convergence autour de sobtient par majoration de |g 1 |, proposition 25.55.

(5) Un intervalle de convergence quadratique sobtient par majoration de |g 2 |, thorme 25.61.

(6) En calcul numrique, section 25.7.
Thme 5 : Enveloppes

(1) Lellipse de John-Loewner donne un ellipsode de volume minimum autour dun compact
dans Rn , thorme 13.212.
(2) Le cercle circonscrit une courbe donne un cercle de rayon minimal contenant une courbe
ferme simple, proposition 14.81.
(3) Enveloppe convexe du groupe orthogonal 12.36.
Thme 6 : Produit semi-direct de groupes
(1) Dfinition 2.85.
(2) Le corollaire 2.87 donne un critre pour prouver quun produit N H est un produit semidirect.
(3) Lexemple 12.80 donne le groupe des isomtries du carr comme un produit semi-direct.
(4) Le thorme 12.44 donne les isomtries de
le groupe des translations.

Rn par IsompRn q T pnq Opnq o T pnq est

(5) La proposition 12.46 donne une dcomposition du groupe orthogonal Opnq SOpnq C2
o C2 tId, Ru o R est de dterminant 1.

(6) La proposition 8.44 donne AffpRn q T pnq GLpn, Rq o AffpRn q est le groupe des
applications affines bijectives de Rn .

Thme 7 : Racines de polynme et factorisation de polynmes

A est une anneau, la proposition 3.111 factorise une racine.

(2) Si A est un anneau, la proposition 3.113 factorise une racine avec sa multiplicit.
(3) Si A est un anneau, le thorme 3.115 factorise plusieurs racines avec leurs multiplicits.
(4) Si K est un corps et une racine dans une extension, le polynme minimal de divise tout
(1) Si

polynme annulateur par la proposition 4.55.

(5) Le thorme 4.58 annule un polynme de degr n ayant n ` 1 racines distinctes.

(6) La proposition 4.105 nous annule un polynme plusieurs variables lorsquil a trop de
racines.
(7) En analyse complexe, le principe des zros isols 19.20 annule en gros toute srie entire
possdant un zro non isol.
(8) Polynmes irrductibles sur

Fq .

Thme 8 : Thorme de Bzout

(1) Pour

Z cest le thorme 2.24.

(2) Thorme de Bzout dans un anneau principal : corollaire 3.69.

(3) Thorme de Bzout dans un anneau de polynmes : thorme 3.105.
(4) En parlant des racines de lunit et des gnrateurs du groupe unitaire dans le lemme 3.9.
Au passage nous y parlerons de solfge.

4
Thme 9 : quations diophantiennes
(1) quation ax ` by c dans

N, quation (2.57).

(2) Dans 2.5.5, nous rsolvons ax ` by c en utilisant Bzout (thorme 2.24).

(3) Lexemple 3.79 donne une application de la pure notion de modulo pour x2 3y 2 ` 8. Pas
de solutions.
?
(4) Lexemple 3.80 rsout lquation x2 `2 y 3 en parlant de lextension Zri 2s et de stathme.
(5) Les propositions 3.81 et 3.84 parlent de triplets pythagoriciens.

(6) Le dnombrement des solutions de lquation 1 n1 ` . . . p np n utilise des sries entires

et des dcomposition de fractions en lments simples, thorme 16.59.
Thme 10 : Application rciproque
(1) Dfinition 5.172.
(2) Dans le cas des rels, des exemples sont donns en 11.268.
Thme 11 : Extension de corps et polynmes
(1) Dfinition dune extension de corps 4.37.
(2) Pour lextension du corps de base dun espace vectoriel et les proprits dextension des
applications linaires, voir la section 6.30.
(3) Extension de corps de base et similitude dapplication linaire (ou de matrices, cest la
mme chose), thorme 6.345.
(4) Extension de corps de base et cyclicit des applications linaires, corollaire 6.344.
(5) propos dextensions de

Q, le lemme 4.102.

Thme 12 : Rang
(1) Dfinition 6.12.
(2) Le thorme du rang, thorme 6.13
(3) Prouver que des matrices sont quivalentes et les mettre sous des formes canoniques, lemme
6.15 et son corollaire 6.16.
(4) Tout hyperplan de Mpn, Kq coupe GLpn, Kq, corollaire 6.16. Cela utilise la forme canonique
sus-mentionne.
(5) Le lien entre application duale et orthogonal de la proposition 6.32 utilise la notion de rang.
(6) Prouver les quivalences tre un endomorphisme cyclique du thorme 6.343 via le lemme
6.342.
Thme 13 : Topologie produit
(1) La dfinition de la topologie produit est 5.5.
(2) Pour les espaces vectoriels norms, le produit est donn par la dfinition 6.197.
(3) Lquivalence entre la topologie de la norme produit et la topologie produit est le lemme
6.199.
Thme 14 : Produit de compact
(1) Les produits despaces mtriques compacts sont compacts ; cest le thorme de Tykhonov.
Nous verrons ce rsultat dans les cas suivants.
R, lemme 5.106.
Produit fini despaces mtriques compacts, thorme 5.147.
Produit dnombrable despaces mtrique compacts, thorme 5.149.

5
Thme 15 : Connexit
(1) Dfinition 5.67
(2) Le groupe SLpn, Kq est connexe par arcs : proposition 12.18.

(3) Le groupe GLpn, Cq est connexe par arcs : proposition 12.19.

(4) Le groupe GLpn, Cq est connexe par arcs, proposition 12.19.

(5) Le groupe GLpn, Rq a exactement deux composantes connexes par arcs, proposition 12.20.
(6) Le groupe Opn, Rq nest pas connexe, lemme 12.14.

(7) Les groupe Upnq et SUpnq sont connexes par arcs, lemme 12.15.
(8) Le groupe SOpnq est connexe mais ce nest pas encore dmontr, proposition 12.16.
(9) Connexit des formes quadratiques de signature donne, proposition 16.155.

Thme 16 : Norme matricielle et rayon spectral

(1) Dfinition du rayon spectral 6.83.
(2) Lien entre norme matricielle et rayon spectral, le thorme 6.91 assure que }A}2

(3) Pour toute norme algbrique nous avons pAq }A}, proposition 6.85.

pAt Aq.

(4) Dans le cadre du conditionnement de matrice. Voir en particulier la proposition 25.42 qui
utilise le thorme 6.91.

Thme 17 : Norme oprateur

16.

Pour la norme matricielle et le rayon spectral, voir le thme

(1) Dfinition 6.81.

(2) Dfinition dune norme dalgbre 6.82.
(3) Pour des espaces vectoriels norme, tre born est quivalent tre continu : proposition
6.217.
Thme 18 : Diagonalisation Des rsultats qui parlent diagonalisation
(1) Dfinition dun endomorphisme diagonalisable : 6.278.
(2) Conditions quivalentes au fait dtre diagonalisable en termes de polynme minimal, y
compris la dcomposition en espaces propres : thorme 6.281.
(3) Diagonalisation simultane 6.284, pseudo-diagonalisation simultane 6.298.
(4) Diagonalisation dexponentielle 6.307 utilisant Dunford.
(5) Dcomposition polaire thorme 12.31. M SQ, S est symtrique, relle, dfinie positive,
Q est orthogonale.
(6) Dcomposition de Dunford 6.303. u s ` n o s est diagonalisable et n est nilpotent,
rs, ns 0.
(7) Rduction de Jordan (bloc-diagonale) 6.334.

(8) Lalgorithme des facteurs invariants 3.87 donne U P DQ avec P et Q inversibles, D

diagonale, sans hypothse sur U . De plus les lments de D forment une chane dlments
qui se divisent lun lautre.
Le thorme spectral et ses variantes :
(1) Thorme spectral, matrice symtrique, thorme 6.292. Via le lemme de Schur.
(2) Thorme spectral autoadjoint (cest le mme, mais vu sans matrices), thorme 6.380
(3) Thorme spectral hermitien, lemme 6.286.
(4) Thorme spectral, matrice normales, thorme 6.290.
Pour les rsultats de dcomposition dont une partie est diagonale, voir le thme 35 sur les dcompositions.

6
Thme 19 : Sous-groupes
(1) Thorme de Burnside sur les sous groupes dexposant fini de GLpn, Cq, thorme 6.357.
(2) Sous-groupes compacts de GLpn, Rq, lemme 12.38 ou proposition 12.39.
Thme 20 : Mesure et intgrale
(1) Mesure de Lebesgue, dfinition 7.160
(2) Intgrale associe une mesure, dfinition 7.113
Thme 21 : quivalence de normes
(1) La proposition 6.138 sur lquivalence des normes dans Rn .
(2) Montrer que le problme a b est stable dans lexemple 25.24.
Thme 22 : Espace L2 (L2)
(1) Dfinition de L2 p, q, 18.28.
(2) Lespace L2 est discut en analyse fonctionnelle, en 18.3.6 parce que ltude de L2 utilise
entre autres lingalit de Hlder 18.20.
Thme 23 : Espaces Lp (Lp)
`

(1) Dual de Lp r0, 1s pour 1 p 2, proposition 18.45.

Thme 24 : Thorme de Stokes, Green et compagnie

(1) Forme gnrale, thorme 13.165.
(2) Rotationnel et circulation, thorme 15.9.
Thme 25 : Invariants de similitude
(1) Thorme 6.331.
(2) Pour prouver que la similitude dapplications linaires rsiste lextension du corps de base,
thorme 6.345.
(3) Pour prouver que la dimension du commutant dun endomorphisme de E est de dimension
au moins dimpEq, lemme 6.342.
(4) Nous verrons dans la remarque 6.332 propos des invariants de similitude que toute matrice
est semblable la matrice bloc-diagonale constitues des matrices compagnon (dfinition
6.326) de la suite des polynmes minimals.

Thme 26 : Endomorphismes cycliques

(1) Dfinition 6.248.
(2) Son lien avec le commutant donn dans la proposition 6.340 et le thorme 6.343.
(3) Utilisation dans le thorme de Frobenius (invariants de similitude), thorme 6.331.
Thme 27 : Formes bilinaires et quadratiques
(1) Les formes bilinaires ont t dfinies en 6.63.
(2) Forme quadratique, dfinition 6.361
Thme 28 : Isomtries
(1) Les isomtries de lespace euclidien sont affines, 12.43.
(2) Les isomtries de lespace euclidien comme produit semi-direct : IsompRn q T pnq Opnq,
thorme 12.44.
(3) Isomtries du cube, section 2.12.
(4) Gnrateurs du groupe didral, proposition 12.78.

7
Thme 29 : Dterminant
(1) Les n-formes alternes forment un espace de dimension 1, proposition 6.42.
(2) Dterminant dune famille de vecteurs 6.45.
(3) Dterminant dun endomorphisme 6.48.
(4) Des interprtations gomtriques du dterminant sont dans la section 13.7.
Thme 30 : Polynme dendomorphismes
(1) Endomorphismes cycliques et commutant dans le cas diagonalisable, proposition 6.340.
(2) Racine carr dune matrice hermitienne positive, proposition 12.26.
(3) Thorme de Burnside sur les sous groupes dexposant fini de GLpn, Cq, thorme 6.357.

(4) Dcomposition de Dunford, thorme 6.303.

(5) Algorithme des facteurs invariants 3.87.
Thme 31 : Action de groupe

(1) Action du groupe modulaire sur le demi-plan de Poincar, thorme 10.33.

Thme 32 : Systmes dquations linaires
Algorithme des facteurs invariants 3.87.
Mthode du gradient pas optimal 16.154.
Thme 33 : Classification de groupes
(1) Structure des groupes dordre pq, thorme 12.113.
(2) Le groupe altern est simple, thorme 2.83.
(3) Thorme de Sylow 12.99. Tout le thorme, cest un peu long. On peut se contenter de la
partie qui dit que G contient un p-Sylow.
(4) Thorme de Burnside sur les sous groupes dexposant fini de GLpn, Cq, thorme 6.357.

(5) pZ{pZq Z{pp 1qZ, corollaire 4.122.

Thme 34 : Thorie des reprsentations

(1) Table des caractres du groupe didral, section 12.14.

(2) Table des caractres du groupe symtrique S4 , section 12.13.
Thme 35 : Dcomposition de matrices
(1) Dcomposition de Bruhat, thorme 12.37.
(2) Dcomposition de Dunford, thorme 6.303.
(3) Dcomposition polaire 12.31.
Thme 36 : Mthodes de calcul
(1) Thorme de Rothstein-Trager 13.205.
(2) Algorithme des facteurs invariants 3.87.
(3) Mthode de Newton, thorme 25.68
(4) Calcul dintgrale par suite quirpartie 20.21.

8
Thme 37 : quations diffrentielles Lutilisation des thormes de point fixe pour lexistence
de solutions des quations diffrentielles est fait dans le chapitre sur les points fixes.
(1) Le thorme de Schauder a pour consquence le thorme de Cauchy-Arzela 16.125 pour
les quations diffrentielles.
(2) Le thorme de Schauder 16.119 permet de dmontrer une version du thorme de CauchyLipschitz (thorme 16.123) sans la condition Lipschitz
(3) Le thorme de Cauchy-Lipschitz 16.123 est utilis plusieurs endroits :
2
Pour calculer la transforme de Fourier de ex {2 dans le lemme 21.15.
(4) Thorme de stabilit de Lyapunov 24.15.
(5) Le systme proie prdateurs, Lokta-Voltera 24.16
(6) quation de Schrdinger, thorme 24.22.
(7) Lquation px x0 q u 0 pour u P D 1 pRq, thorme 22.55.

(8) La proposition 24.18 donne un rsultat sur y 2 ` qy 0 partir dune hypothse de croissance.

(9) quation de Hill y 2 ` qy 0, proposition 24.20.

Thme 38 : Dnombrements
Coloriage de roulette (12.4.8.1) et composition de colliers (12.4.8.2).
Nombres de Bell, thorme 16.82.
Le dnombrement des solutions de lquation 1 n1 ` . . . p np n utilise des sries entires
et des dcomposition de fractions en lments simples, thorme 16.59.
Thme 39 : Densit

(1) Densit des polynmes dans C 0 r0, 1s , thorme de Bernstein 26.117.

(2) Densit de DpRd q dans Lp pRd q pour 1 p 8, thorme 18.40.

(3) Densit de S pRd q dans lespace de Sobolev H s pRd q, proposition 23.17.

(4) Densit de DpRd q dans lespace de Sobolev H s pRd q, proposition 23.19.

Cela est utilis pour le thorme de trace 23.21.

Les densits sont bien entendu utilises pour prouver des formules sur un espace en sachant quelles
sont vraies sur une partie dense. Mais galement pour tendre une application dfinie seulement
sur une partie dense. Cest par exemple ce qui est fait pour dfinir la trace 0 sur les espaces de
Sobolev H s pRd q en utilisant le thorme dextension 16.166.
Thme 40 : Injections

proposition 23.8.
(1) Lespace de Sobolev H 1 pIq sinjecte de faon compacte dans C 0 pIq,
(2) Lespace de Sobolev H 1 pIq sinjecte de faon continue dans L2 pIq, proposition 23.8.

(3) Lespace L2 pq sinjecte continument dans D 1 pq (les distributions), proposition 22.13.

Thme 41 : Dualit Parmi les thormes de dualit nous avons
(1) Le thorme de reprsentation de Riesz 17.19 pour les espaces de Hilbert.
`

(2) La proposition 18.45 pour les espaces Lp r0, 1s avec 1 p 2.

(3) Le thorme de reprsentation de Riesz 18.49 pour les espaces Lp en gnral.

Tous ces thormes donnent la dualit par lapplication x xx, .y.
Thme 42 : Oprations sur les distributions
(1) Convolution dune distribution par une fonction, dfinition par lquation (22.73).
(2) Drivation dune distribution, proposition-dfinition 22.15.
(3) Produit dune distribution par une fonction, dfinition 22.14.

9
Thme 43 : Permuter des limites
(1) Les thormes sur les fonctions dfinies par des intgrales, section 13.19. Nous avons entre
autres

(a) Bi B f B Bi f , avec B compact, proposition 13.187.

(b) Si f est majore par une fonction ne dpendant pas de x, nous avons le thorme 13.177.
(c) Si lintgrale est uniformment convergente, nous avons le thorme 13.178.

(2) Thorme de la convergence monotone, thorme 7.129.

Thme 44 : Convolution
(1) Dfinition pour f, g P L1 , thorme 18.33.

(2) Ingalit de normes : si f P Lp et g P L1 , alors }f g}p }f }p }g}1 , proposition 18.35.

(3) P L1 pRq et P S pRq, alors P S pRq, proposition 18.79.

(4) Les suites rgularisantes : limn8 n f f dans la proposition 21.17.

Thme 45 : Sries de Fourier

Formule sommatoire de Poisson, proposition 21.9.
Ingalit isoprimtrique, thorme 20.19.
Fonction continue et priodique dont la srie de Fourier ne converge pas, proposition 20.16.
Thme 46 : Transforme de Fourier
(1) Dfinition sur L1 , dfinition 21.2.
(2) La transforme de Fourier dune fonction L1 pRd q est continue, proposition 21.5.

(3) Lespace de Schwartz est stable par transforme de Fourier. Lapplication F : S pRd q
S pRd q est une bijection linaire et continue. Proposition 21.12

Thme 47 : Applications continues et bornes

(1) Une application linaire non continue : exemple 6.215 de ek kek . Les drives partielles
sont calcules en (17.121).
(2) Une application linaire est borne si et seulement si elle est continue, proposition 6.217.
Thme 48 : Dfinie positive
(1) Une application bilinaire est dfinie positive lorsque gpu, uq 0 et gpu, uq 0 si et seulement si u 0 est la dfinition 6.64.

(2) Un oprateur ou une matrice est dfini positif si toutes ses valeurs propres sont positives,
cest la dfinition 6.294.
(3) Pour une matrice symtrique, dfinie positive implique xAx, xy 0 pour tout x. Cest le
lemme 6.296.
(4) Une application linaire est dfinie positive si et seulement si sa matrice associe lest. Cest
la proposition 6.366.

Remarque : nous ne dfinissons pas la notion de matrice dfinie positive dans le cas dune matrice
non symtrique.

10
Thme 49 : Gaussienne
(1) Le calcul de lintgrale

ex dx
2

(0.1)

est fait dans les exemples 13.81 et 13.82.

(2) Le lemme 21.15 calcule la transforme de Fourier de g pxq e}x} qui donne g pq
` d{2 }}2 {4
e
.

2

(3) Le lemme 21.18 donne une suite rgularisante base de gaussienne.

(4) Elle est utilise pour rgulariser une intgrale dans la preuve de la formule dinversion de
Fourier 21.20

Thme 50 : Ingalits

Ingalit de Jensen (1) Une version discrte pour f

i i xi , la proposition 11.226.
`

(2) Une version intgrale pour f d , la proposition 18.18.

(3) Une version pour lesprance conditionnelle, la proposition 26.42.

Ingalit
(1) Pour une forme quadratique q sur Rn nous avons
a de Minkowsky
a
qpxq ` qpyq. Proposition 6.373.

qpx ` yq

(2) Si 1 p 8 et si f, g P Lp p, A, q alors }f ` g}p }f }p ` }g}p . Proposition 18.23.

(3) Lingalit de Minkowsky sous forme intgrale scrit sous forme dballe

X

1{p
1{p
p
dpyq.
|f px, yq|p dpxq

|f px, yq|dpyq dpxq

Y

ou sous forme compacte

f px, yqdpyq
}fy }p dpyq

(0.2)

(0.3)

Transforme de Fourier Pour tout f P L1 pRn q nous avons }f}8 }f }1 , lemme 21.6.

Ingalit de normes : si f P Lp et g P L1 , alors }f g}p }f }p }g}1 , proposition 18.35.

Thme 51 : Thorme central limite
(1) Pour les processus de Poisson, thorme 30.5.
Thme 52 : Lemme de transfert Il sagit du rsultat f1 i f.
(1) Lemme 21.11 sur S pRd q
(2) Lemme 23.12 pour L2 .

Thme 53 : Dduire la nullit dune fonction depuis son intgrale Des rsultats qui
disent que si f 0 cest que f 0 dans un sens ou dans un autre.
(1) Il y a le lemme 7.123 qui dit a.

(2) Un lemme du genre dans L2 existe aussi pour f 0 pour tout . Cest le lemme 18.42.

(3) Et encore un pour Lp dans la proposition 18.50.

(4) Si f 0 pour tout support compact alors f 0 presque partout, proposition 18.1.

(5) La proposition 18.44 donne f 0 dans Lp lorsque f g 0 pour tout g P Lq lorsque lespace
est -fini.

(6) Une fonction h P Cc8 pIq admet une primitive dans Cc8 pIq si et seulement si I h 0.
Thorme 16.94.

Table des matires

Thmatique

Table des matires

11

Index

35

0 Introduction
0.1 Prface . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
0.2 Auteurs, contributeurs, sources et remerciements . . . . . .
0.3 Les questions pour lesquelles je nai pas (encore) de rponse
0.3.1 Mes questions danalyse. . . . . . . . . . . . . . . . .
0.3.2 Mes questions dalgbre, gomtrie. . . . . . . . . . .
0.3.3 Mes questions de probabilit et statistiques. . . . . .
0.3.4 Mes questions de modlisation . . . . . . . . . . . .
0.3.5 Les preuves relire par des experts . . . . . . . . . .
0.4 Comment maider rendre ces notes plus utiles ? . . . . . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

57
57
57
59
59
61
62
63
63
68

1 Construction des ensembles de nombres

1.1 Quelques lments sur les ensembles . . . .
1.1.1 Lemme de Zorn . . . . . . . . . . . .
1.1.2 Complmentaire . . . . . . . . . . .
1.1.3 Relations dquivalence . . . . . . .
1.2 Les naturels . . . . . . . . . . . . . . . . . .
1.3 Les entiers . . . . . . . . . . . . . . . . . . .
1.4 Quelques structures algbriques . . . . . . .
1.5 Les rationnels . . . . . . . . . . . . . . . . .
1.5.1 Suites de Cauchy dans les rationnels
1.5.2 Insuffisance des rationnels . . . . . .
1.6 Les rels . . . . . . . . . . . . . . . . . . . .
1.6.1 Lensemble . . . . . . . . . . . . . .
1.6.2 Relation dordre . . . . . . . . . . .
1.7 Les complexes . . . . . . . . . . . . . . . . .
1.7.1 Dfinitions . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

69
69
69
70
70
71
71
71
73
73
75
77
78
80
82
82

.
.
.
.
.
.
.
.
.

85
85
86
87
88
89
90
90
92
92

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

2 Thorie des groupes

2.1 Groupes . . . . . . . . . . . . . . . . . . . . .
2.2 Sous groupe normal . . . . . . . . . . . . . .
2.3 Groupe driv . . . . . . . . . . . . . . . . . .
2.4 Thormes disomorphismes . . . . . . . . . .
2.5 Le groupe et anneau des entiers . . . . . . . .
2.5.1 Division euclidienne . . . . . . . . . .
2.5.2 PGCD, PPCM et Bzout . . . . . . .
2.5.3 Calcul effectif du PGCD et de Bzout
2.5.3.1 Lide . . . . . . . . . . . . .
11

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

12

TABLE DES MATIRES

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

92
93
94
95
96
96
98
101
102
106
111
113
115
115

3 Anneaux
3.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Binme de Newton et morphisme de Frobenius . . . . . . . . .
3.3 Dcomposition en facteurs premiers . . . . . . . . . . . . . . . .
3.4 Le groupe des racines de lunit . . . . . . . . . . . . . . . . . .
3.5 Fonction indicatrice dEuler (premire partie) . . . . . . . . . .
3.5.1 Introduction par les racines de lunit . . . . . . . . . .
3.5.2 Gnrateurs . . . . . . . . . . . . . . . . . . . . . . . . .
3.6 Idal dans un anneau . . . . . . . . . . . . . . . . . . . . . . . .
3.7 Caractristique . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.8 Modules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.9 Anneau intgre . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.9.1 PGCD et PPCM . . . . . . . . . . . . . . . . . . . . . .
3.9.2 Contenu dun polynme . . . . . . . . . . . . . . . . . .
3.10 Anneau factoriel . . . . . . . . . . . . . . . . . . . . . . . . . .
3.11 Anneau principal . . . . . . . . . . . . . . . . . . . . . . . . . .
3.11.1 Bzout . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.11.2 Anneau noetherien . . . . . . . . . . . . . . . . . . . . .
3.12 Anneau euclidien . . . . . . . . . . . . . . . . . . . . . . . . . .
3.12.1 quations diophantiennes . . . . . . . . . . . . . . . . .
3.12.2 Triplet pythagoriciens et quation de Fermat pour n 4
3.12.3 Lignes et colonnes de matrices . . . . . . . . . . . . . .
3.12.4 Algorithme des facteurs invariants . . . . . . . . . . . .
3.13 Anneaux des polynmes . . . . . . . . . . . . . . . . . . . . . .
3.13.1 Irrductibilit . . . . . . . . . . . . . . . . . . . . . . . .
3.13.2 Division euclidienne . . . . . . . . . . . . . . . . . . . .
3.13.3 Bzout . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.13.4 Idaux . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.13.5 Racines des polynmes . . . . . . . . . . . . . . . . . . .
3.13.6 Quelque identits . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

117
117
118
119
119
121
122
123
123
124
125
127
128
129
130
131
132
133
133
135
136
138
139
141
142
143
143
144
145
147

4 Corps
4.1 Gnralits . . . . . . . . . . . . . . .
4.1.1 Corps des fractions . . . . . . .
4.1.2 Corps premier . . . . . . . . .
4.1.3 Petit thorme de Fermat . . .
4.2 Thorme des deux carrs . . . . . . .
4.2.1 Un peu de structure dans Zris
4.2.2 Rsultats chinois . . . . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

149
149
150
151
153
153
154
157

2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14

2.5.3.2 Pour le PGCD . . . . . . . . . . . . . . .

2.5.3.3 Bzout : calcul effectif . . . . . . . . . . .
2.5.4 criture des fractions . . . . . . . . . . . . . . . .
2.5.5 quation diophantienne linaire deux inconnues
2.5.6 Quotients . . . . . . . . . . . . . . . . . . . . . . .
Indice dun sous-groupe et ordre des lments . . . . . . .
Suite de composition . . . . . . . . . . . . . . . . . . . . .
Groupes rsolubles . . . . . . . . . . . . . . . . . . . . . .
Action de groupes . . . . . . . . . . . . . . . . . . . . . .
Le groupe symtrique . . . . . . . . . . . . . . . . . . . .
Produit semi-direct de groupes . . . . . . . . . . . . . . .
Isomtriques du cube . . . . . . . . . . . . . . . . . . . . .
Groupe de torsion . . . . . . . . . . . . . . . . . . . . . .
Famille presque nulle . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

13

TABLE DES MATIRES

4.3

4.4

4.5

4.6

4.7

4.8

4.2.3 Anneaux principaux et polynmes . . . . . . . . . . .

Extension de corps . . . . . . . . . . . . . . . . . . . . . . . .
4.3.1 Polynme minimal . . . . . . . . . . . . . . . . . . . .
4.3.2 Racines de polynmes . . . . . . . . . . . . . . . . . .
4.3.3 Corps de rupture . . . . . . . . . . . . . . . . . . . . .
4.3.4 Corps de dcomposition . . . . . . . . . . . . . . . . .
4.3.5 Clture algbrique . . . . . . . . . . . . . . . . . . . .
4.3.6 Extensions sparables . . . . . . . . . . . . . . . . . .
4.3.7 Idal maximum . . . . . . . . . . . . . . . . . . . . . .
Espaces de polynmes . . . . . . . . . . . . . . . . . . . . . .
4.4.1 Polynmes symtriques, alterns ou semi-symtriques
4.4.2 Polynme symtrique lmentaire . . . . . . . . . . . .
4.4.3 Relations coefficients racines . . . . . . . . . . . . . .
Polynmes cyclotomiques . . . . . . . . . . . . . . . . . . . .
4.5.1 Dfinitions et proprits . . . . . . . . . . . . . . . . .
4.5.2 Nombres premiers . . . . . . . . . . . . . . . . . . . .
4.5.3 Thorme de Wedderburn . . . . . . . . . . . . . . . .
Corps finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.6.1 Existence, unicit . . . . . . . . . . . . . . . . . . . . .
4.6.2 Symboles de Legendre et carrs . . . . . . . . . . . . .
4.6.3 Thorme de Chevalley-Warning . . . . . . . . . . . .
4.6.4 Thorme de llment primitif . . . . . . . . . . . . .
4.6.5 Construction de Fq . . . . . . . . . . . . . . . . . . . .
4.6.5.1 La version du faignant . . . . . . . . . . . . .
4.6.5.2 La version plus labore . . . . . . . . . . . .
4.6.6 Exemple : tude de F16 . . . . . . . . . . . . . . . . .
4.6.7 Polynmes irrductibles sur Fq . . . . . . . . . . . . .
Constructions la rgle et au compas . . . . . . . . . . . . .
4.7.1 Quelque constructions . . . . . . . . . . . . . . . . . .
4.7.2 Nombres constructibles . . . . . . . . . . . . . . . . .
4.7.3 Polygones constructibles . . . . . . . . . . . . . . . . .
4.7.4 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . .
Minuscule morceau sur la thorie de Galois . . . . . . . . . .

5 Topologie gnrale
5.1 Topologie en gnral . . . . . . . . . . . . .
5.1.1 Dfinitions basiques . . . . . . . . .
5.1.2 Topologie produit . . . . . . . . . .
5.1.3 Sparabilit . . . . . . . . . . . . . .
5.1.4 Topologie mtrique . . . . . . . . . .
5.1.5 Espace vectoriel norm . . . . . . . .
5.1.6 Topologie sur lensemble des rels . .
5.1.7 Base de topologie . . . . . . . . . . .
5.2 Limite et continuit . . . . . . . . . . . . .
5.3 Compacit . . . . . . . . . . . . . . . . . . .
5.3.1 Quelque proprits . . . . . . . . . .
5.4 Topologie induite . . . . . . . . . . . . . . .
5.5 Connexit . . . . . . . . . . . . . . . . . . .
5.6 Un peu de topologie relle . . . . . . . . . .
5.6.1 Suites numriques . . . . . . . . . .
5.6.2 Maximum, supremum et compagnie
5.6.2.1 . . . et quelque exemples . .
5.6.3 Intervalles . . . . . . . . . . . . . . .
5.6.3.1 Connexit . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

159
160
160
163
164
166
167
168
172
173
175
175
178
179
179
183
185
186
186
189
194
196
201
201
202
204
206
208
208
210
212
217
217

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

219
219
219
220
220
221
222
225
227
228
230
230
231
232
234
234
236
237
241
241

14

TABLE DES MATIRES

5.6.3.2 Compacit . . . . . . . . . . .
5.6.4 Image dun compact . . . . . . . . . . .
5.6.5 Connexit par arcs . . . . . . . . . . . .
5.7 Espaces mtriques . . . . . . . . . . . . . . . .
5.7.1 Espaces mtrisables . . . . . . . . . . .
5.7.2 Fonctions continues . . . . . . . . . . .
5.7.3 Caractrisations squentielles . . . . . .
5.7.4 Distance entre un point et un ensemble
5.7.5 Compacit . . . . . . . . . . . . . . . .
5.7.6 Ensembles enchans . . . . . . . . . . .
5.7.7 Produit fini despaces mtriques . . . .
5.8 Ensembles nulle part denses . . . . . . . . . . .
5.9 Encore de la topologie relle . . . . . . . . . . .
5.9.1 Ouverts et ferms . . . . . . . . . . . . .
5.9.2 Intrieur, adhrence et frontire . . . . .
5.9.3 Point daccumulation, point isol . . . .
5.9.4 Limite de suite . . . . . . . . . . . . . .
5.10 Application rciproque . . . . . . . . . . . . . .
5.11 Topologie des semi-normes . . . . . . . . . . . .
5.11.1 Espace dual . . . . . . . . . . . . . . . .
5.11.2 Espace C k pR, E 1 q . . . . . . . . . . . . .
5.12 Espaces de Baire . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

243
245
247
247
247
247
248
250
251
256
257
258
259
259
259
261
261
262
263
265
265
266

6 Espaces vectoriels
6.1 Parties libres, gnratrices, bases et dimension . . . . . . . . . .
6.2 Applications linaires . . . . . . . . . . . . . . . . . . . . . . . .
6.2.1 Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2.2 Rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.3 Matrice dune application linaire . . . . . . . . . . . . . . . . .
6.3.1 criture dans une base . . . . . . . . . . . . . . . . . . .
6.3.2 Changement de base : vecteurs de base . . . . . . . . . .
6.3.3 Changement de base : coordonnes . . . . . . . . . . . .
6.3.4 Changement de base : matrice dune application linaire
6.3.5 Changement de base : matrice dune forme bilinaire . .
6.4 Dualit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.4.1 Orthogonal . . . . . . . . . . . . . . . . . . . . . . . . .
6.4.2 Transpose . . . . . . . . . . . . . . . . . . . . . . . . .
6.4.3 Transpose : sans le dual . . . . . . . . . . . . . . . . .
6.4.4 Polynmes de Lagrange . . . . . . . . . . . . . . . . . .
6.4.5 Dual de Mpn, Kq . . . . . . . . . . . . . . . . . . . . . .
6.5 Dterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.5.1 Formes multilinaires alternes . . . . . . . . . . . . . .
6.5.2 Dterminant dune famille de vecteurs . . . . . . . . . .
6.5.3 Dterminant dun endomorphisme . . . . . . . . . . . .
6.5.4 Dterminant de Vandermonde . . . . . . . . . . . . . . .
6.5.5 Dterminant de Gram . . . . . . . . . . . . . . . . . . .
6.5.6 Dterminant de Cauchy . . . . . . . . . . . . . . . . . .
6.5.7 Matrice de Sylvester . . . . . . . . . . . . . . . . . . . .
6.5.8 Thorme de Kronecker . . . . . . . . . . . . . . . . . .
6.6 Directions conserves . . . . . . . . . . . . . . . . . . . . . . . .
6.6.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . .
6.6.2 Matrice orthogonale . . . . . . . . . . . . . . . . . . . .
6.6.3 Comment trouver la matrice dune symtrie donne ? . .
6.6.3.1 Symtrie par rapport un plan . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

269
269
272
272
272
274
274
276
277
277
277
278
278
278
281
281
282
283
283
286
287
289
292
292
292
295
296
296
297
298
298

15

TABLE DES MATIRES

6.7
6.8

6.9
6.10
6.11

6.12
6.13
6.14
6.15

6.16
6.17
6.18

6.19
6.20
6.21
6.22
6.23
6.24

6.6.3.2 Symtrie par rapport une droite . . . .

6.6.3.3 En rsum . . . . . . . . . . . . . . . . .
Normes et distances . . . . . . . . . . . . . . . . . . . . .
6.7.1 Introduction : valeur absolue et norme . . . . . . .
6.7.2 Norme . . . . . . . . . . . . . . . . . . . . . . . . .
Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . .
6.8.1 Projection et angles . . . . . . . . . . . . . . . . .
6.8.2 Angle entre deux vecteurs . . . . . . . . . . . . . .
6.8.3 Procd de Gram-Schmidt . . . . . . . . . . . . . .
Norme oprateur . . . . . . . . . . . . . . . . . . . . . . .
6.9.1 Norme algbrique . . . . . . . . . . . . . . . . . . .
6.9.2 Normes de matrices et dapplications linaires . . .
Produit vectoriel . . . . . . . . . . . . . . . . . . . . . . .
Topologie . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.11.1 Boules et sphres . . . . . . . . . . . . . . . . . . .
6.11.2 Ouverts, ferms, intrieur et adhrence . . . . . . .
6.11.3 Point isol, point daccumulation . . . . . . . . . .
quivalence des normes . . . . . . . . . . . . . . . . . . .
6.12.1 En dimension finie . . . . . . . . . . . . . . . . . .
6.12.2 Contre-exemple en dimension infinie . . . . . . . .
Suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.13.1 Limites, convergence . . . . . . . . . . . . . . . . .
6.13.2 Critre de Cauchy . . . . . . . . . . . . . . . . . .
Sries . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Srie relle . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.15.1 Rappels et dfinitions . . . . . . . . . . . . . . . .
6.15.2 Critres de convergence absolue . . . . . . . . . . .
6.15.3 Critres de convergence simple . . . . . . . . . . .
6.15.3.1 Critre dAbel . . . . . . . . . . . . . . .
6.15.4 Quelques sries usuelles . . . . . . . . . . . . . . .
6.15.5 Moyenne de Cesaro . . . . . . . . . . . . . . . . . .
6.15.6 criture dcimale dun nombre . . . . . . . . . . .
Exponentielle de matrice . . . . . . . . . . . . . . . . . . .
Sommes de familles infinies . . . . . . . . . . . . . . . . .
6.17.1 Convergence commutative . . . . . . . . . . . . . .
Mini introduction aux nombres p-adiques . . . . . . . . .
6.18.1 La flche dAchille . . . . . . . . . . . . . . . . . .
6.18.2 La tortue et Achille . . . . . . . . . . . . . . . . .
6.18.3 Dans les nombres p-adiques, cest vrai . . . . . . .
Fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . .
Produit fini despaces vectoriels norms . . . . . . . . . .
6.20.1 Norme . . . . . . . . . . . . . . . . . . . . . . . . .
6.20.2 Suites . . . . . . . . . . . . . . . . . . . . . . . . .
Applications multilinaires . . . . . . . . . . . . . . . . . .
Mthode de Gauss pour rsoudre des systmes dquations
Orthogonalit . . . . . . . . . . . . . . . . . . . . . . . . .
Calcul diffrentiel dans un espace vectoriel norm . . . . .
6.24.1 Diffrentielle . . . . . . . . . . . . . . . . . . . . .
6.24.2 (non ?) Diffrentiabilit des applications linaires .
6.24.3 Drivation en chaine et formule de Leibnitz . . . .
6.24.4 Diffrentielle partielle . . . . . . . . . . . . . . . .
6.24.5 Formule des accroissements finis . . . . . . . . . .
6.24.6 Linverse, sa diffrentielle . . . . . . . . . . . . . .

. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
linaires .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

299
300
300
300
300
302
304
306
306
307
309
311
312
313
313
315
321
322
323
324
325
325
325
326
329
329
329
331
331
332
333
333
337
338
338
342
342
342
343
344
344
344
347
348
349
350
350
350
351
352
356
357
360

16

TABLE DES MATIRES

6.25

6.26
6.27
6.28

6.29

6.30

6.31

6.32

6.33

6.34

6.35
6.36

6.37
6.38

6.24.7 Projection orthogonale . . . . . . . . . . . . . . . . . . . . . .

Polynme dendomorphismes . . . . . . . . . . . . . . . . . . . . . .
6.25.1 Polynmes dendomorphismes . . . . . . . . . . . . . . . . . .
6.25.2 Calcul effectif de lexponentielle dune matrice . . . . . . . .
6.25.3 Polynme minimal et minimal ponctuel . . . . . . . . . . . .
6.25.4 Polynme caractristique . . . . . . . . . . . . . . . . . . . .
Valeur propre et vecteur propre . . . . . . . . . . . . . . . . . . . . .
Espaces hermitiens . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.28.1 Matrices semblables . . . . . . . . . . . . . . . . . . . . . . .
6.28.2 Endomorphismes diagonalisables . . . . . . . . . . . . . . . .
6.28.3 Diagonalisation : cas complexe . . . . . . . . . . . . . . . . .
6.28.4 Diagonalisation : cas rel . . . . . . . . . . . . . . . . . . . .
6.28.5 Pseudo-rduction simultane . . . . . . . . . . . . . . . . . .
Sous espaces caractristiques . . . . . . . . . . . . . . . . . . . . . .
6.29.1 Thormes de dcomposition . . . . . . . . . . . . . . . . . .
6.29.2 Diverses consquences . . . . . . . . . . . . . . . . . . . . . .
6.29.3 Diagonalisabilit dexponentielle . . . . . . . . . . . . . . . .
6.29.4 Valeurs singulires . . . . . . . . . . . . . . . . . . . . . . . .
Extension du corps de base . . . . . . . . . . . . . . . . . . . . . . .
6.30.1 Extension des applications linaires . . . . . . . . . . . . . . .
6.30.2 Projections . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.30.3 Rang, polynme minimal, polynme caractristique . . . . . .
Frobenius et Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.31.1 Matrice compagnon . . . . . . . . . . . . . . . . . . . . . . .
6.31.2 Rduction de Frobenius . . . . . . . . . . . . . . . . . . . . .
6.31.3 Forme normale de Jordan . . . . . . . . . . . . . . . . . . . .
Commutant et endomorphismes cycliques . . . . . . . . . . . . . . .
6.32.1 Endomorphisme cyclique . . . . . . . . . . . . . . . . . . . .
6.32.2 Commutant : cas diagonalisable . . . . . . . . . . . . . . . . .
6.32.3 Commutant : cas gnral . . . . . . . . . . . . . . . . . . . .
Endomorphismes nilpotents et trigonalisables . . . . . . . . . . . . .
6.33.1 Endomorphismes nilpotents . . . . . . . . . . . . . . . . . . .
6.33.2 Endomorphismes trigonalisables . . . . . . . . . . . . . . . .
6.33.3 Thorme de Burnside . . . . . . . . . . . . . . . . . . . . . .
6.33.4 Thorme de Lie-Kolchin . . . . . . . . . . . . . . . . . . . .
Formes bilinaires et quadratiques . . . . . . . . . . . . . . . . . . .
6.34.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.34.2 Topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.34.3 Matrice associe . . . . . . . . . . . . . . . . . . . . . . . . .
6.34.4 Dgnrescence . . . . . . . . . . . . . . . . . . . . . . . . . .
6.34.5 Ingalit de Minkowski . . . . . . . . . . . . . . . . . . . . . .
6.34.6 Ellipsode . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Thorme spectral auto-adjoint . . . . . . . . . . . . . . . . . . . . .
Mini introduction au produit tensoriel . . . . . . . . . . . . . . . . .
6.36.1 Dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.36.2 Application doprateurs . . . . . . . . . . . . . . . . . . . . .
Coordonnes cylindriques et sphriques . . . . . . . . . . . . . . . . .
Mthode de Gauss pour rsoudre des systmes dquations linaires .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

362
363
364
366
366
372
375
376
377
377
378
381
383
385
386
387
389
391
392
392
393
394
397
399
399
399
402
403
403
404
406
409
409
411
413
414
417
417
417
417
419
420
421
422
425
425
425
426
426

17

TABLE DES MATIRES

7 Tribus, thorie de la mesure
7.1 Tribus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.1.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . .
7.1.1.1 Tribu induite . . . . . . . . . . . . . . . . . . . .
7.1.1.2 Tribu borlienne . . . . . . . . . . . . . . . . . .
7.1.1.3 Les borliens de R . . . . . . . . . . . . . . . . .
7.1.2 Tribu de Baire . . . . . . . . . . . . . . . . . . . . . . . .
7.2 Thorie de la mesure . . . . . . . . . . . . . . . . . . . . . . . . .
7.2.1 Mesure et algbre de parties . . . . . . . . . . . . . . . . .
7.2.2 Mesure sur un espace mesurable . . . . . . . . . . . . . .
7.2.3 Mesure extrieure . . . . . . . . . . . . . . . . . . . . . .
7.2.4 Espace mesur complet . . . . . . . . . . . . . . . . . . .
7.2.5 Prolongement . . . . . . . . . . . . . . . . . . . . . . . . .
7.3 Applications mesurables . . . . . . . . . . . . . . . . . . . . . . .
7.3.1 Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.3.2 Dune tribu lautre . . . . . . . . . . . . . . . . . . . . .
7.3.3 Mesure image . . . . . . . . . . . . . . . . . . . . . . . . .
7.3.4 Rgularit dune mesure . . . . . . . . . . . . . . . . . . .
7.3.5 Thorme de rcurrence . . . . . . . . . . . . . . . . . . .
7.4 Mesurabilit des fonctions valeurs relles . . . . . . . . . . . . .
7.4.1 Quelques mots propos de R . . . . . . . . . . . . . . . .
7.4.2 Limite suprieure et infrieure . . . . . . . . . . . . . . .
7.4.3 Fonctions valeurs relles sur un espace mesurable . . . .
7.4.4 Fonction tage . . . . . . . . . . . . . . . . . . . . . . . .
7.4.5 Fonctions relle variables relles . . . . . . . . . . . . .
7.5 Intgrale par rapport une mesure . . . . . . . . . . . . . . . . .
7.5.1 Quelque proprits . . . . . . . . . . . . . . . . . . . . . .
7.5.2 Permuter limite et intgrale . . . . . . . . . . . . . . . . .
7.5.2.1 Convergence uniforme . . . . . . . . . . . . . . .
7.5.2.2 Convergence monotone . . . . . . . . . . . . . .
7.5.2.3 Convergence domine de Lebesgue . . . . . . . .
7.5.3 Produit dune mesure par une fonction (mesure densit)
7.6 Tribu produit, mesure produit . . . . . . . . . . . . . . . . . . . .
7.6.1 Produit despaces mesurables . . . . . . . . . . . . . . . .
7.6.2 Le cas des borliens . . . . . . . . . . . . . . . . . . . . .
7.6.3 Produit de mesures . . . . . . . . . . . . . . . . . . . . . .
7.7 Mesure de Lebesgue sur R . . . . . . . . . . . . . . . . . . . . . .
7.7.1 Mesure et tribu de Lebesgue . . . . . . . . . . . . . . . .
7.7.2 Proprits de la mesure de Lebesgue . . . . . . . . . . . .
7.7.3 Ensemble de Cantor . . . . . . . . . . . . . . . . . . . . .
7.7.4 Ensemble de Vitali (non mesurable) . . . . . . . . . . . .
7.8 Tribu et mesure de Lebesgue sur Rd . . . . . . . . . . . . . . . .
7.8.1 Ensembles ngligeables . . . . . . . . . . . . . . . . . . . .
7.8.2 Parties et fonctions mesurables . . . . . . . . . . . . . . .
7.8.3 Proprits dunicit . . . . . . . . . . . . . . . . . . . . .
7.8.4 Rgularit . . . . . . . . . . . . . . . . . . . . . . . . . . .
8 Espaces affines
8.1 Repres affines . . . . . . . . .
8.2 Classification affine des conique
8.3 Applications affines . . . . . . .
8.4 Isomorphismes . . . . . . . . .
8.5 Sous espaces affines . . . . . . .
8.6 Barycentre . . . . . . . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

429
429
429
430
431
431
431
433
434
436
442
444
452
454
454
454
457
458
462
463
463
463
464
470
473
473
475
478
478
479
481
483
484
484
485
486
491
495
496
501
503
504
505
506
506
508

.
.
.
.
.
.

509
509
510
512
513
513
515

18

TABLE DES MATIRES

8.7
8.8

8.6.1 Enveloppe convexe . . . . . . . . . . . . . . .

Repres, coordonnes cartsiennes et barycentriques
8.7.1 quation de droite . . . . . . . . . . . . . . .
Structure du groupe des applications affines . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

517
520
522
522

9 Gomtrie hyperbolique
525
9.1 Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 525
9.1.1 Cercles perpendiculaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 525
9.1.2 Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 526
10 Espaces projectifs
10.1 Sous espaces projectifs . . . . . . . . . . . . . .
10.2 Espace projectifs comme complts despaces
10.3 Thorme de Pappus . . . . . . . . . . . . . . .
10.4 Homographies . . . . . . . . . . . . . . . . . . .
10.4.1 Homographies . . . . . . . . . . . . . . .
10.4.2 Le groupe projectif . . . . . . . . . . . .
10.5 Coordonnes homognes . . . . . . . . . . . . .
10.5.1 Dualit . . . . . . . . . . . . . . . . . .
10.5.2 Polynmes . . . . . . . . . . . . . . . .
10.5.3 Repres projectifs . . . . . . . . . . . .
10.5.4 Birapport . . . . . . . . . . . . . . . . .
10.6 Sphre de Riemann . . . . . . . . . . . . . . . .
10.6.1 Action du groupe modulaire . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

531
531
533
535
536
536
537
538
538
540
541
542
544
544

. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
topologie induite
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

551
551
551
552
553
558
558
560
561
562
566
566
568
569
571
573
573
578
578
579
579
580
581
581
582
583
583
583
583

. . . .
affines
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .

11 Analyse relle
11.1 Limite et continuit . . . . . . . . . . . . . . . . .
11.1.1 Dfinition . . . . . . . . . . . . . . . . . . .
11.1.2 Proprits de base . . . . . . . . . . . . . .
11.1.3 Limites de fonctions . . . . . . . . . . . . .
11.1.4 Rgles simples de calcul . . . . . . . . . . .
11.2 Limites plusieurs variables . . . . . . . . . . . . .
11.2.1 Rgle de ltau . . . . . . . . . . . . . . . .
11.2.2 Mthode des chemins . . . . . . . . . . . .
11.2.3 Mthode des coordonnes polaires . . . . .
11.2.4 Mthode du dveloppement asymptotique .
11.2.5 Continuit . . . . . . . . . . . . . . . . . . .
11.2.6 La fonction la moins continue du monde . .
11.2.7 Approche topologique . . . . . . . . . . . .
11.2.8 Continuit de la racine carr, invitation la
11.2.9 Limites en des nombres . . . . . . . . . . .
11.2.10 Limites quand tout va bien . . . . . . . . .
11.2.11 Discussion avec mon ordinateur . . . . . . .
11.2.12 Limites et prolongement . . . . . . . . . . .
11.3 Drive : exemples introductifs . . . . . . . . . . .
11.3.1 La vitesse . . . . . . . . . . . . . . . . . . .
11.3.2 La tangente une courbe . . . . . . . . . .
11.3.3 Laire en dessous dune courbe . . . . . . .
11.4 Dfinition de la drive . . . . . . . . . . . . . . . .
11.5 Continuit et drivabilit . . . . . . . . . . . . . . .
11.6 Drivation de fonctions dune variable relle . . . .
11.6.1 Exemples . . . . . . . . . . . . . . . . . . .
11.6.1.1 La fonction f pxq x . . . . . . .
11.6.1.2 La fonction f pxq x2 . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

19

TABLE DES MATIRES

?
11.6.1.3 La fonction f pxq x . . . . . . . . . . . . . . .
11.6.2 Calcul de la drive . . . . . . . . . . . . . . . . . . . . . .
11.6.3 Interprtation gomtrique : tangente . . . . . . . . . . . .
11.6.4 Interprtation gomtrique : approximation affine . . . . . .
11.7 Oprations sur les drives . . . . . . . . . . . . . . . . . . . . . . .
11.7.1 Dveloppement limit au premier ordre . . . . . . . . . . .
11.8 Espace des fonctions continues . . . . . . . . . . . . . . . . . . . .
11.9 Uniforme continuit . . . . . . . . . . . . . . . . . . . . . . . . . .
11.10Compacit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11.11Drivation et croissance . . . . . . . . . . . . . . . . . . . . . . . .
11.12Drive directionnelle . . . . . . . . . . . . . . . . . . . . . . . . .
11.12.1 Drive partielle et directionnelles . . . . . . . . . . . . . .
11.12.1.1 Quelques proprits et notations . . . . . . . . . .
11.13Drive suivant un vecteur . . . . . . . . . . . . . . . . . . . . . . .
11.13.1 Gradient : direction de plus grande pente . . . . . . . . . .
11.14Diffrentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11.14.1 Exemples introductifs . . . . . . . . . . . . . . . . . . . . .
11.14.2 Dfinition de la diffrentielle . . . . . . . . . . . . . . . . . .
11.14.3 Unicit de la diffrentielle . . . . . . . . . . . . . . . . . . .
11.14.4 Cas particuliers . . . . . . . . . . . . . . . . . . . . . . . . .
11.14.5 Calcul de valeurs approches . . . . . . . . . . . . . . . . .
11.14.6 Prouver quun fonction nest pas diffrentiable . . . . . . .
11.14.6.1 Continuit . . . . . . . . . . . . . . . . . . . . . .
11.14.6.2 Linarit . . . . . . . . . . . . . . . . . . . . . . .
11.14.6.3 Cohrence des drives partielles et directionnelle
11.14.6.4 Un candidat dans la dfinition (marche toujours) .
11.14.7 Rgles de calcul . . . . . . . . . . . . . . . . . . . . . . . . .
11.14.8 Linarit . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11.14.9 Produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11.14.10Diffrentielle de fonction compose . . . . . . . . . . . . . .
11.14.11Diffrentielle et drives partielles . . . . . . . . . . . . . .
11.14.12Plan tangent . . . . . . . . . . . . . . . . . . . . . . . . . .
11.14.13Calcul de diffrentielles . . . . . . . . . . . . . . . . . . . .
11.14.14Notes idologiques quant au concept de plan tangent . . . .
11.14.15Gradient et recherche du plan tangent . . . . . . . . . . . .
11.15Jacobienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11.15.1 Rappels et dfinitions . . . . . . . . . . . . . . . . . . . . .
11.16Fonctions valeurs dans Rn . . . . . . . . . . . . . . . . . . . . . .
11.17Graphes de fonctions de plusieurs variables . . . . . . . . . . . . .
11.18Graphes de fonctions plusieurs variables . . . . . . . . . . . . . .
11.19Courbes de niveau . . . . . . . . . . . . . . . . . . . . . . . . . . .
11.20Fonctions de classe C 1 . . . . . . . . . . . . . . . . . . . . . . . . .
11.21Drive directionnelle de fonctions composes . . . . . . . . . . . .
11.22Thormes des accroissements finis . . . . . . . . . . . . . . . . . .
11.23Fonctions Lipschitziennes . . . . . . . . . . . . . . . . . . . . . . .
11.24Diffrentielles dordre suprieur . . . . . . . . . . . . . . . . . . . .
11.24.1 Identification des espaces dapplications multilinaires . . .
11.24.2 Fonctions diffrentiables plusieurs fois . . . . . . . . . . . .
11.25Dveloppement asymptotique, thorme de Taylor . . . . . . . . .
11.25.1 Fonctions petit o . . . . . . . . . . . . . . . . . . . . . .
11.25.2 Autres formulations . . . . . . . . . . . . . . . . . . . . . .
11.25.3 Formule et reste . . . . . . . . . . . . . . . . . . . . . . . .
11.25.4 Reste intgral . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

583
584
584
585
586
587
587
592
594
595
599
600
601
601
604
605
605
606
609
610
610
613
613
613
615
615
616
617
617
619
622
623
623
624
624
626
626
626
627
630
631
635
636
638
639
641
641
641
644
644
645
646
646

20

TABLE DES MATIRES

11.25.5 Exemple : un calcul heuristique de limite . . . .
11.26Fonctions convexes . . . . . . . . . . . . . . . . . . . . .
11.26.1 Ingalit des pentes . . . . . . . . . . . . . . . .
11.26.2 Convexit et rgularit . . . . . . . . . . . . . . .
11.26.3 Drives dune fonction convexe . . . . . . . . . .
11.26.4 Graphe dune fonction convexe . . . . . . . . . .
11.26.5 Quelque ingalits . . . . . . . . . . . . . . . . .
11.26.5.1 Ingalit de Jensen . . . . . . . . . . . .
11.26.5.2 Ingalit arithmtico-gomtrique . . .
11.26.5.3 Ingalit de Kantorovitch . . . . . . . .
11.27Suites de fonctions . . . . . . . . . . . . . . . . . . . . .
11.27.1 Convergence de suites de fonctions . . . . . . . .
11.27.2 Convergence uniforme . . . . . . . . . . . . . . .
11.27.3 Permuter avec les drives partielles . . . . . . .
11.28Recherche dextrema . . . . . . . . . . . . . . . . . . . .
11.29Fonctions relles de deux variables relles . . . . . . . .
11.29.1 Limites de fonctions deux variables . . . . . . .
11.29.2 Drives partielles . . . . . . . . . . . . . . . . .
11.29.3 Diffrentielle et accroissement . . . . . . . . . . .
11.29.4 Recherche dextrema locaux . . . . . . . . . . . .
11.30Les fonctions valeurs vectorielles . . . . . . . . . . . .
11.31Fonctions vectorielles de plusieurs variables . . . . . . .
11.32Champs de vecteurs . . . . . . . . . . . . . . . . . . . .
11.32.1 Matrice jacobienne . . . . . . . . . . . . . . . . .
11.33Divergence, rotationnel et loprateur nabla . . . . . . .
11.34Interprtation de la divergence . . . . . . . . . . . . . .
11.35Quelques formules de Leibnitz . . . . . . . . . . . . . . .
11.36La diffrentielle revisite . . . . . . . . . . . . . . . . . .
11.36.1 Les formes diffrentielles de base . . . . . . . . .
11.36.2 Diffrentielle comme lment de lespace dual . .
11.36.3 Diffrentielles de fonctions composes . . . . . .
11.36.4 Exemple de compose : les coordonnes polaires .
11.37Quelque rappels . . . . . . . . . . . . . . . . . . . . . . .
11.38Continuit et drivabilit . . . . . . . . . . . . . . . . . .
11.38.1 Quelques formules connatre . . . . . . . . . . .
11.39Application rciproque . . . . . . . . . . . . . . . . . . .
11.39.1 Dfinitions . . . . . . . . . . . . . . . . . . . . .
11.39.2 Graphe de la fonction rciproque . . . . . . . . .
11.39.3 Thorme de la bijection . . . . . . . . . . . . . .
11.40Rappels de trigonomtrie . . . . . . . . . . . . . . . . .
11.41Fonctions trigonomtriques rciproques . . . . . . . . . .
11.41.1 La fonction arc sinus . . . . . . . . . . . . . . . .
11.41.2 La fonction arc cosinus . . . . . . . . . . . . . . .
11.41.3 La fonction arc tangente . . . . . . . . . . . . . .
11.42Trigonomtrie hyperbolique . . . . . . . . . . . . . . . .
11.43Dveloppement limit autour de zro . . . . . . . . . . .
11.44Rgles de calcul . . . . . . . . . . . . . . . . . . . . . . .
11.44.1 Linarit des dveloppements limits . . . . . . .
11.44.2 Dveloppement limit dun quotient . . . . . . .
11.44.3 Dveloppement limit dune fonction compose .
11.45Dveloppement au voisinage de x0 0 . . . . . . . . . .
11.46Application au calcul de limites . . . . . . . . . . . . . .
11.47Dveloppement au voisinage de linfini . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

647
647
647
649
649
651
655
655
655
656
657
657
657
659
659
660
660
662
662
663
663
664
664
664
665
667
668
669
669
669
670
671
672
672
675
675
675
676
677
679
681
681
683
684
685
686
689
689
691
691
692
693
694

21

TABLE DES MATIRES

11.48tude dasymptote . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 694

12 Retour sur les groupes
12.1 Action de groupe et connexit . . . . . . . . . . . . . . . . . .
12.2 Espaces de matrices . . . . . . . . . . . . . . . . . . . . . . .
12.2.1 Dilatations et transvections . . . . . . . . . . . . . . .
12.2.2 Connexit de certains groupes . . . . . . . . . . . . . .
12.2.3 Densit . . . . . . . . . . . . . . . . . . . . . . . . . .
12.2.4 Racine carr dune matrice hermitienne positive . . .
12.2.5 Racine carr dune matrice symtrique positive . . . .
12.2.6 Dcomposition polaires : cas rel . . . . . . . . . . . .
12.2.7 Enveloppe convexe . . . . . . . . . . . . . . . . . . . .
12.2.8 Dcomposition de Bruhat . . . . . . . . . . . . . . . .
12.3 Sous-groupes du groupe linaire . . . . . . . . . . . . . . . . .
12.4 Isomtries de lespace euclidien . . . . . . . . . . . . . . . . .
12.4.1 Structure du groupe IsompRn q . . . . . . . . . . . . .
12.4.2 Classification des isomtries de R . . . . . . . . . . . .
12.4.3 Classification des isomtries de R2 . . . . . . . . . . .
12.4.4 Isomtries dans Rn . . . . . . . . . . . . . . . . . . . .
12.4.5 Groupes finis disomorphismes . . . . . . . . . . . . .
12.4.6 Thorme de Sylvester . . . . . . . . . . . . . . . . . .
12.4.7 Groupe didral . . . . . . . . . . . . . . . . . . . . . .
12.4.7.1 Dfinition et gnrateurs : vue gomtrique .
12.4.7.2 Gnrateurs : vue abstraite . . . . . . . . . .
12.4.7.3 Classes de conjugaison . . . . . . . . . . . . .
12.4.7.4 Le compte pour n pair . . . . . . . . . . . .
12.4.7.5 Le compte pour n impair . . . . . . . . . . .
12.4.8 Applications : du dnombrement . . . . . . . . . . . .
12.4.8.1 Le jeu de la roulette . . . . . . . . . . . . . .
12.4.8.2 Laffaire du collier . . . . . . . . . . . . . . .
12.5 Thormes de Sylow . . . . . . . . . . . . . . . . . . . . . . .
12.6 Un peu de classification de groupes . . . . . . . . . . . . . . .
12.6.1 Automorphismes du groupe Z{nZ . . . . . . . . . . .
12.6.2 Groupes abliens finis . . . . . . . . . . . . . . . . . .
12.6.3 Groupes dordre pq . . . . . . . . . . . . . . . . . . . .
12.6.4 Groupe monogne . . . . . . . . . . . . . . . . . . . .
12.6.5 Fonction indicatrice dEuler . . . . . . . . . . . . . . .
12.7 Nombres premiers . . . . . . . . . . . . . . . . . . . . . . . .
12.8 Chiffrement RSA . . . . . . . . . . . . . . . . . . . . . . . . .
12.8.1 Mise en place par Bob . . . . . . . . . . . . . . . . . .
12.8.2 Chiffrement . . . . . . . . . . . . . . . . . . . . . . . .
12.8.3 Dchiffrement . . . . . . . . . . . . . . . . . . . . . . .
12.8.4 Une imprudence ne pas commettre . . . . . . . . . .
12.8.5 Problmes calculatoires . . . . . . . . . . . . . . . . .
12.8.6 La solidit de RSA . . . . . . . . . . . . . . . . . . . .
12.8.7 Note non mathmatique pour doucher lenthousiasme
12.9 Reprsentations et caractres . . . . . . . . . . . . . . . . . .
12.9.1 Crochet de dualit et transforme de Fourier . . . . .
12.9.2 Groupes non abliens . . . . . . . . . . . . . . . . . .
12.9.3 Reprsentations linaires des groupes finis . . . . . . .
12.9.4 Module . . . . . . . . . . . . . . . . . . . . . . . . . .
12.9.5 Structure hermitienne . . . . . . . . . . . . . . . . . .
12.9.6 Caractres . . . . . . . . . . . . . . . . . . . . . . . . .
12.10quivalence de reprsentations et caractres . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

705
705
707
707
713
715
717
718
718
721
723
725
728
729
732
733
738
741
744
744
744
746
749
750
750
750
750
751
752
757
757
758
761
763
764
764
766
766
767
767
767
768
768
768
769
770
771
772
773
775
775
776

22

TABLE DES MATIRES

12.10.1 Reprsentation rgulire . . . . . . . .
12.10.2 Caractres et reprsentations : suite et
12.11Reprsentation produit tensoriel . . . . . . .
12.12Exemple sur le groupe symtrique . . . . . .
12.13Table des caractres du groupe symtrique S4
12.14Table de caractres du groupe didral . . . .
12.14.1 Reprsentations de dimension un . . .
12.14.2 Reprsentations de dimension deux . .
12.14.3 Le compte pour n pair . . . . . . . . .
12.14.4 Le compte pour n impair . . . . . . .

. .
fin
. .
. .
. .
. .
. .
. .
. .
. .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

13 Intgration
13.1 Thorme de la moyenne . . . . . . . . . . . . . . . . . . . . . . . . . .
13.2 Mesure densit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.2.1 Thorme de Radon-Nikodym . . . . . . . . . . . . . . . . . . .
13.2.2 Mesure complexe . . . . . . . . . . . . . . . . . . . . . . . . . .
13.2.3 Thorme dapproximation . . . . . . . . . . . . . . . . . . . .
13.2.4 Mesure densit . . . . . . . . . . . . . . . . . . . . . . . . . .
13.3 Constructions plus naves de la mesure et de lintgrale dans le cas rel
13.3.1 Mesure de Lebesgue, version rapide . . . . . . . . . . . . . . . .
13.3.2 Pavs et subdivisions . . . . . . . . . . . . . . . . . . . . . . . .
13.3.3 Intgrale dune fonction en escalier . . . . . . . . . . . . . . . .
13.3.4 Intgrales partielles . . . . . . . . . . . . . . . . . . . . . . . . .
13.3.5 Rduction dune intgrale multiple . . . . . . . . . . . . . . . .
13.3.6 Proprits de lintgrale . . . . . . . . . . . . . . . . . . . . . .
13.3.7 Intgrales multiples, cas gnral . . . . . . . . . . . . . . . . . .
13.3.8 Rduction dune intgrale multiple . . . . . . . . . . . . . . . .
13.3.9 Intgrales sur des parties de R2 . . . . . . . . . . . . . . . . .
13.3.10 Intgrales sur des parties de R3 . . . . . . . . . . . . . . . . . .
13.3.11 Fonctions et ensembles non borns . . . . . . . . . . . . . . . .
13.4 Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.5 Primitives et intgrales . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.5.1 Primitives et intgrales . . . . . . . . . . . . . . . . . . . . . .
13.5.2 Intgrales impropres . . . . . . . . . . . . . . . . . . . . . . . .
13.6 Thorme de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.6.1 Thorme de Fubini-Tonelli et de Fubini . . . . . . . . . . . . .
13.7 Interprtation gomtrique du dterminant . . . . . . . . . . . . . . .
13.7.1 Par rapport la mesure de Lebesgue . . . . . . . . . . . . . . .
13.7.2 En petite dimension . . . . . . . . . . . . . . . . . . . . . . . .
13.7.3 Produit vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . .
13.7.4 Produit mixte . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.7.5 Dterminant en dimension deux . . . . . . . . . . . . . . . . . .
13.7.6 Dterminant en dimension trois . . . . . . . . . . . . . . . . . .
13.8 Changement de variables dans une intgrale multiple . . . . . . . . . .
13.8.1 Des lemmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.8.2 Le thorme et sa dmonstration . . . . . . . . . . . . . . . . .
13.8.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.8.4 Rcapitulatif des changements de variables . . . . . . . . . . .
13.8.4.1 Coordonnes polaires . . . . . . . . . . . . . . . . . .
13.8.4.2 Coordonnes cylindriques . . . . . . . . . . . . . . . .
13.8.4.3 Coordonnes sphriques . . . . . . . . . . . . . . . . .
13.8.5 Changement de variables . . . . . . . . . . . . . . . . . . . . .
13.8.5.1 Coordonnes polaires . . . . . . . . . . . . . . . . . .
13.8.5.2 Coordonnes sphriques . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

778
779
782
782
783
784
785
785
787
787

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

789
789
789
789
791
792
792
792
792
793
796
796
797
798
799
799
801
804
807
807
808
811
812
815
815
820
820
821
822
823
825
825
826
826
827
831
834
834
834
834
835
835
836

23

TABLE DES MATIRES

13.8.6
13.8.7
13.8.8
13.9 Forme

Coordonnes polaires . . . . . . . . . . . . . . . . . .
Coordonnes cylindriques . . . . . . . . . . . . . . .
Coordonnes sphriques . . . . . . . . . . . . . . . .
diffrentielle . . . . . . . . . . . . . . . . . . . . . . .
13.9.0.1 Lisomorphisme musical . . . . . . . . . . .
13.10Intgrale sur une varit . . . . . . . . . . . . . . . . . . . .
13.10.1 Mesure sur une carte . . . . . . . . . . . . . . . . . .
13.10.1.1 Exemple : la mesure de la sphre . . . . . .
13.10.2 Intgrale sur une carte . . . . . . . . . . . . . . . . .
13.10.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . .
13.10.4 Orientation . . . . . . . . . . . . . . . . . . . . . . .
13.10.5 Formes diffrentielles . . . . . . . . . . . . . . . . . .
13.10.6 Intgrale dune fonction sur une varit . . . . . . .
13.11Intgrales curvilignes . . . . . . . . . . . . . . . . . . . . . .
13.11.1 Chemins de classe C 1 . . . . . . . . . . . . . . . . .
13.11.2 Intgrer une fonction . . . . . . . . . . . . . . . . . .
13.11.3 Intgrer un champ de vecteurs . . . . . . . . . . . .
13.11.4 Intgrer une forme diffrentielle sur un chemin . . .
13.11.5 Intgration dune forme diffrentielle sur un chemin
13.11.6 Interprtation physique : travail . . . . . . . . . . . .
13.11.7 Intgrer un champs de vecteurs sur un bord en 2D .
13.11.8 Intgrer une forme diffrentielle sur un bord en 2D .
13.11.9 Intgrer une forme diffrentielle sur un bord en 3D .
13.11.10Intgrer dun champ de vecteurs sur un bord en 3D
13.11.11Drives croises et forme diffrentielle exacte . . . .
13.12Surfaces paramtres . . . . . . . . . . . . . . . . . . . . . .
13.12.1 Graphe dune fonction . . . . . . . . . . . . . . . . .
13.13Intgrales de surface . . . . . . . . . . . . . . . . . . . . . .
13.13.1 Intgrale dune fonction . . . . . . . . . . . . . . . .
13.13.2 Intgrale dun champ de vecteurs . . . . . . . . . . .
13.14Intgrales de surface . . . . . . . . . . . . . . . . . . . . . .
13.14.1 Aire dune surface paramtre . . . . . . . . . . . . .
13.14.2 Intgrale dune fonction sur une surface . . . . . . .
13.14.3 Aire dune surface de rvolution . . . . . . . . . . .
13.14.4 Intgrale dune 2 . . . . . . . . . . . . . . . . . . . .
13.15Flux dun champ de vecteurs travers une surface . . . . .
13.16Divergence, Green, Stokes . . . . . . . . . . . . . . . . . . .
13.16.1 Thorme de la divergence . . . . . . . . . . . . . .
13.16.2 Formule de Green . . . . . . . . . . . . . . . . . . .
13.16.3 Formule de Stokes . . . . . . . . . . . . . . . . . . .
13.16.3.1 Quelle est la bonne orientation ? . . . . . .
13.17Rsum des intgrales vues . . . . . . . . . . . . . . . . . .
13.17.1 Lintgrale dune fonction sur les rels . . . . . . . .
13.17.2 Intgrale dune fonction sur un chemin . . . . . . . .
13.17.3 Intgrale dune fonction sur une surface . . . . . . .
13.17.4 Intgrale dune fonction sur un volume . . . . . . . .
13.17.5 Conclusion pour les fonctions . . . . . . . . . . . . .
13.17.6 Circulation dun champ de vecteurs . . . . . . . . .
13.17.7 Flux dun champ de vecteurs . . . . . . . . . . . . .
13.17.8 Conclusion pour les champs de vecteurs . . . . . . .
13.17.9 Attention pour les surfaces fermes ! . . . . . . . . .
13.18Intgrales convergeant uniformment . . . . . . . . . . . . .
13.18.1 Dfinition et proprit . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

836
837
837
838
839
840
840
841
841
842
842
844
845
846
846
846
848
848
849
850
851
851
851
852
852
853
854
855
855
856
857
857
858
859
861
861
864
864
865
867
867
868
868
868
868
869
870
870
870
870
871
872
872

24

TABLE DES MATIRES

13.18.2 Critres de convergence uniforme . . . . . . . . . . . .
13.19Fonctions dfinies par une intgrale . . . . . . . . . . . . . . .
13.19.1 Continuit sous lintgrale . . . . . . . . . . . . . . . .
13.19.2 Le coup du compact . . . . . . . . . . . . . . . . . . .
13.19.3 Drivabilit sous lintgrale . . . . . . . . . . . . . . .
13.19.4 Absolue continuit . . . . . . . . . . . . . . . . . . . .
13.19.5 Diffrentiabilit sous lintgrale . . . . . . . . . . . . .
13.20Formes diffrentielles exactes et fermes . . . . . . . . . . . .
13.21Thorme dAbel angulaire . . . . . . . . . . . . . . . . . . .
13.21.1 Passage la limite sous le signe intgral . . . . . . . .
13.21.2 Intgrale en dimension un . . . . . . . . . . . . . . . .
13.21.3 Intgrales convergentes . . . . . . . . . . . . . . . . . .
13.21.4 La mthode de Rothstein-Trager . . . . . . . . . . . .
13.22Ellipsode de John-Loewer . . . . . . . . . . . . . . . . . . . .
13.23Rappel sur les intgrales usuelles . . . . . . . . . . . . . . . .
13.24Intgrales le long de chemins . . . . . . . . . . . . . . . . . .
13.24.1 Circulation dun champ de vecteur . . . . . . . . . . .
13.25Circulation dun champ conservatif . . . . . . . . . . . . . . .
13.26Intgration de fonction deux variables . . . . . . . . . . . .
13.26.1 Intgration sur un domaine rectangulaire . . . . . . .
13.26.2 Intgration sur un domaine non rectangulaire . . . . .
13.26.3 Changement de variables . . . . . . . . . . . . . . . .
13.26.3.1 Le cas des coordonnes polaires . . . . . . .
13.26.3.2 Les coordonnes cylindriques . . . . . . . . .
13.26.3.3 Coordonnes sphriques . . . . . . . . . . . .
13.26.3.4 Un autre systme utile . . . . . . . . . . . .
13.27Les intgrales triples . . . . . . . . . . . . . . . . . . . . . . .
13.27.1 Volume . . . . . . . . . . . . . . . . . . . . . . . . . .
13.28Un petit peu plus formel . . . . . . . . . . . . . . . . . . . . .
13.28.1 Intgration sur un domaine non rectangulaire . . . . .
13.28.2 Changement de variables . . . . . . . . . . . . . . . .
13.28.2.1 Coordonnes polaires . . . . . . . . . . . . .
13.28.2.2 Coordonnes sphriques . . . . . . . . . . . .
13.29Primitives et surfaces . . . . . . . . . . . . . . . . . . . . . . .
13.29.1 Longueur darc de courbe . . . . . . . . . . . . . . . .
13.29.2 Aire de rvolution . . . . . . . . . . . . . . . . . . . .
13.30Laire en dessous dune courbe . . . . . . . . . . . . . . . . .
13.31Proprits des intgrales . . . . . . . . . . . . . . . . . . . . .
13.32Techniques dintgration . . . . . . . . . . . . . . . . . . . . .
13.32.1 Intgration par parties . . . . . . . . . . . . . . . . . .
13.32.2 Changement de variables pour trouver des primitives
13.32.3 Changement de variables pour calculer des intgrales
13.32.4 Intgrations des fractions rationnelles rduites . . . . .
13.32.5 Quelques formules connatre . . . . . . . . . . . . . .
13.33Trucs et astuces de calcul dintgrales . . . . . . . . . . . . .
13.33.1 Quelques intgrales usuelles . . . . . . . . . . . . .
13.33.2 Reformer un carr au dnominateur . . . . . . . . . .
13.33.3 Dcomposer en fractions simples . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

873
874
874
876
876
877
879
882
884
888
888
889
889
894
897
898
898
900
901
901
902
905
906
907
907
907
908
910
912
912
912
913
913
914
914
915
915
916
917
918
920
921
923
924
924
924
927
927

25

TABLE DES MATIRES

14 Arc paramtr
14.1 Dfinitions, quelques exemples remarquables . . . . . .
14.2 Courbes paramtrs . . . . . . . . . . . . . . . . . . .
14.2.1 Dfinitions et exemples . . . . . . . . . . . . .
14.3 Longueur darc . . . . . . . . . . . . . . . . . . . . . .
14.4 Abscisse curviligne . . . . . . . . . . . . . . . . . . . .
14.4.1 Formule intgrale de la longueur . . . . . . . .
14.5 lment de longueur . . . . . . . . . . . . . . . . . . .
14.5.1 lment de longueur : cartsiennes . . . . . . .
14.5.2 lment de longueur : polaires (1) . . . . . . .
14.5.3 lment de longueur : polaires (2) . . . . . . .
14.5.4 Approximation de la longueur par des cordes .
14.6 Arc gomtrique . . . . . . . . . . . . . . . . . . . . .
14.6.1 Abscisse curviligne et paramtrisation normale
14.6.2 Tangente une courbe paramtre . . . . . . .
14.7 Repre de Frenet . . . . . . . . . . . . . . . . . . . . .
14.7.1 Torsion . . . . . . . . . . . . . . . . . . . . . .
14.8 Hors des coordonnes normales . . . . . . . . . . . . .
14.9 Tracer des courbes paramtriques dans R2 . . . . . . .
14.10Courbes planes . . . . . . . . . . . . . . . . . . . . . .
14.10.1 Angle . . . . . . . . . . . . . . . . . . . . . . .
14.10.2 Courbure signe . . . . . . . . . . . . . . . . .
14.10.3 Degr, indice et homotopie . . . . . . . . . . .
14.11Courbes fermes planes . . . . . . . . . . . . . . . . .
14.11.1 Cercle circonscrit . . . . . . . . . . . . . . . . .
14.11.2 Description locale . . . . . . . . . . . . . . . .
14.11.3 Enveloppe convexe . . . . . . . . . . . . . . . .
14.11.4 Courbure et convexit . . . . . . . . . . . . . .
14.11.5 Thorme des quatre sommets . . . . . . . . .
14.11.6 Le thorme de Jordan . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

929
929
930
930
931
934
935
939
939
939
939
941
943
944
949
951
953
954
957
958
958
959
962
968
968
970
971
974
975
978

15 Analyse vectorielle
15.1 Le thorme de Green . . . . . . . . . . . . . . . . . . . . .
15.2 Thorme de la divergence dans le plan . . . . . . . . . . .
15.2.1 La convention de sens de parcours . . . . . . . . . .
15.2.2 Thorme de la divergence . . . . . . . . . . . . . .
15.3 Thorme de Stokes . . . . . . . . . . . . . . . . . . . . . .
15.4 Thorme de Gauss . . . . . . . . . . . . . . . . . . . . . . .
15.5 Coordonnes curvilignes . . . . . . . . . . . . . . . . . . . .
15.5.1 Base locale . . . . . . . . . . . . . . . . . . . . . . .
15.5.2 Importance de lorthogonalit . . . . . . . . . . . . .
15.5.3 Coordonnes polaires . . . . . . . . . . . . . . . . . .
15.5.4 Coordonnes cylindriques . . . . . . . . . . . . . . .
15.5.5 Coordonnes sphriques . . . . . . . . . . . . . . . .
15.5.6 Gradient en coordonnes curvilignes . . . . . . . . .
15.5.6.1 Coordonnes sphriques . . . . . . . . . . .
15.5.7 Divergence en coordonnes curvilignes . . . . . . . .
15.5.7.1 Coordonnes cylindriques . . . . . . . . . .
15.5.7.2 Coordonnes sphriques . . . . . . . . . . .
15.5.8 Laplacien en coordonnes curvilignes orthogonales .
15.5.9 Rotationnel en coordonnes curvilignes orthogonales
15.5.9.1 Coordonnes cylindriques . . . . . . . . . .
15.5.9.2 Coordonnes sphriques . . . . . . . . . . .
15.6 Les formules . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

979
979
983
983
983
985
986
988
988
988
990
990
991
991
992
992
994
994
994
995
996
996
996

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

26

TABLE DES MATIRES

15.6.1 Coordonnes polaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 996
15.6.2 Coordonnes cylindriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 996
15.6.3 Coordonnes sphriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 997

16 Suite de lanalyse
16.0.1 Drivabilit au sens complexe et diffrentielle . . . . . . . .
16.1 Srie de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.2 Sries entires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.2.1 Disque de convergence . . . . . . . . . . . . . . . . . . . . .
16.2.2 Proprits de la somme . . . . . . . . . . . . . . . . . . . .
16.2.3 Drivation, intgration . . . . . . . . . . . . . . . . . . . . .
16.2.4 Exponentielle et logarithme . . . . . . . . . . . . . . . . . .
16.2.5 Forme polaire ou trigonomtrique des nombres complexes .
16.3 Vitesses de x , de lexponentielle et du logarithme . . . . . . . . .
16.3.1 Dnombrement des solutions dune quation diophantienne
16.4 Le cercle trigonomtrique . . . . . . . . . . . . . . . . . . . . . . .
16.4.1 Les fonctions sinus et cosinus . . . . . . . . . . . . . . . . .
16.4.2 La fonction tangente . . . . . . . . . . . . . . . . . . . . . .
16.4.3 Les coordonnes polaires . . . . . . . . . . . . . . . . . . . .
16.4.3.1 Transformation inverse : thorie . . . . . . . . . .
16.4.3.2 Transformation inverse : pratique . . . . . . . . .
16.4.4 Srie gnratrice dune suite . . . . . . . . . . . . . . . . . .
16.4.5 Dveloppement en srie et Taylor . . . . . . . . . . . . . . .
16.4.6 Resommer une srie . . . . .
. . . . . . . . . . . . . . . . .
16.4.6.1 Les sommes du type n P pnqxn . . . . . . . . . .
16.4.6.2 Les sommes du type n xn {P pnq . . . . . . . . . .
16.4.6.3 Sage, primitives et logarithme complexe . . . . . .
16.4.6.4 Nombres de Bell . . . . . . . . . . . . . . . . . . .
16.4.7 Sries entires de matrices . . . . . . . . . . . . . . . . . . .
16.4.8 Exponentielle et logarithme de matrice . . . . . . . . . . . .
16.5 Nombres de Bell . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.6 Lemme de Borel . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.6.1 Fonctions plateaux . . . . . . . . . . . . . . . . . . . . . . .
16.6.2 Le lemme de Borel . . . . . . . . . . . . . . . . . . . . . . .
16.7 Densit des polynmes . . . . . . . . . . . . . . . . . . . . . . . . .
16.7.1 Thorme de Stone-Weierstrass . . . . . . . . . . . . . . . .
16.7.2 Primitive de fonction continue . . . . . . . . . . . . . . . .
16.7.3 Thorme taubrien de Hardi-Littlewood . . . . . . . . . .
16.7.4 Thorme de Mntz . . . . . . . . . . . . . . . . . . . . . .
16.8 Compltude avec la norme uniforme . . . . . . . . . . . . . . . . .
16.9 Thormes de point fixe . . . . . . . . . . . . . . . . . . . . . . . .
16.9.1 Points fixes attractifs et rpulsifs . . . . . . . . . . . . . . .
16.9.2 Picard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.9.3 Brouwer . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.9.4 Thorme de Schauder . . . . . . . . . . . . . . . . . . . . .
16.9.5 Thorme de Markov-Kakutani et mesure de Haar . . . . .
16.10Thormes de point fixes et quations diffrentielles . . . . . . . . .
16.10.1 Thorme de Cauchy-Lipschitz . . . . . . . . . . . . . . . .
16.10.2 Thorme de Cauchy-Arzella . . . . . . . . . . . . . . . . .
16.11Thormes dinversion locale et de la fonction implicite . . . . . . .
16.11.1 Mise en situation . . . . . . . . . . . . . . . . . . . . . . . .
16.11.2 Thorme dinversion locale . . . . . . . . . . . . . . . . . .
16.11.3 Thorme de la fonction implicite . . . . . . . . . . . . . . .
16.11.4 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

999
999
1002
1007
1007
1009
1012
1017
1021
1021
1022
1024
1024
1025
1026
1026
1027
1027
1028
1030
1030
1031
1033
1035
1035
1038
1041
1043
1043
1044
1046
1046
1049
1050
1054
1057
1058
1058
1058
1061
1063
1065
1066
1066
1068
1068
1068
1069
1074
1076

27

TABLE DES MATIRES

16.11.5 Thorme de Von Neumann . . . . . . . . . . . . . . .
16.12Recherche dextrema . . . . . . . . . . . . . . . . . . . . . . .
16.12.1 Extrema une variable . . . . . . . . . . . . . . . . .
16.12.2 Extrema libre . . . . . . . . . . . . . . . . . . . . . . .
16.12.3 Extrema lis . . . . . . . . . . . . . . . . . . . . . . .
16.12.4 Algorithme du gradient pas optimal . . . . . . . . .
16.13Formes quadratiques, signature, et lemme de Morse . . . . . .
16.13.1 Lemme de Morse . . . . . . . . . . . . . . . . . . . . .
16.14Varits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.14.1 Introduction . . . . . . . . . . . . . . . . . . . . . . .
16.14.2 Dfinition et proprits . . . . . . . . . . . . . . . . .
16.14.3 Espace tangent . . . . . . . . . . . . . . . . . . . . . .
16.15Prolongement de fonctions et compltion despaces mtriques
16.16Un petit extra . . . . . . . . . . . . . . . . . . . . . . . . . . .
17 Espaces de Hilbert
17.1 Espaces de Hilbert . . . . . . . . . . . . . .
17.2 Thorme de la projection . . . . . . . . . .
17.3 Systmes orthogonaux et bases . . . . . . .
17.3.1 Orthogonalit . . . . . . . . . . . . .
17.3.2 Dual . . . . . . . . . . . . . . . . . .
17.3.3 Sparabilit . . . . . . . . . . . . . .
17.3.4 Bases despaces de Hilbert . . . . . .
17.3.5 Digression sur les normes oprateurs
17.3.6 Applications linaires et continuit .
17.4 Thorme de Kochen-Specker . . . . . . . .
17.5 Thorme de Lax-Milgram . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

18 Analyse fonctionnelle
18.1 Thorme dAscoli . . . . . . . . . . . . . . . . . . . . . . .
18.2 Thorme de Banach-Steinhaus . . . . . . . . . . . . . . . .
18.3 Espaces Lp . . . . . . . . . . . . . . . . . . . . . . . . . . .
18.3.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . .
18.3.2 Lespace L8 . . . . . . . . . . . . . . . . . . . . . . .
18.3.3 Ingalit de Jensen, Hlder et de Minkowski . . . . .
18.3.4 Ni inclusions ni ingalits . . . . . . . . . . . . . . .
18.3.5 Compltude . . . . . . . . . . . . . . . . . . . . . . .
18.3.6 Lespace L2 . . . . . . . . . . . . . . . . . . . . . . .
18.3.7 Coefficients et srie de Fourier . . . . . . . . . . . .
18.4 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . .
18.4.1 Densit des fonctions infiniment drivables support
18.4.2 Dualit et thorme de reprsentation de Riesz . . .
18.4.3 Approximation de lunit . . . . . . . . . . . . . . .
18.4.4 Densit des polynme trigonomtrique . . . . . . . .
18.5 Thormes de Hahn-Banach . . . . . . . . . . . . . . . . . .
18.6 Thorme de Tietze . . . . . . . . . . . . . . . . . . . . . .
18.7 Espace de Schwartz . . . . . . . . . . . . . . . . . . . . . . .
18.7.1 Topologie . . . . . . . . . . . . . . . . . . . . . . . .
18.7.2 Produit de convolution . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
compact .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

1077
1080
1080
1080
1081
1084
1087
1091
1093
1093
1093
1094
1095
1101

.
.
.
.
.
.
.
.
.
.
.

1103
. 1103
. 1104
. 1107
. 1107
. 1109
. 1110
. 1114
. 1117
. 1118
. 1119
. 1120

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1123
. 1123
. 1124
. 1126
. 1126
. 1128
. 1129
. 1131
. 1132
. 1136
. 1138
. 1139
. 1140
. 1142
. 1151
. 1153
. 1154
. 1156
. 1159
. 1161
. 1163

28
19 Analyse complexe
19.1 Fonctions holomorphes . . . . . . . . . . . . . .
19.1.1 quations de Cauchy-Riemann . . . . .
19.1.2 Intgrales sur des chemins ferms . . . .
19.1.3 Lacets, indice et homotopie . . . . . . .
19.1.4 Thorme de Cauchy et analycit . . . .
19.1.5 Thorme de Brouwer en dimension 2 .
19.1.6 Principe des zros isols . . . . . . . . .
19.1.7 Prolongement de fonctions holomorphes
19.1.8 Thorme de Runge . . . . . . . . . . .
19.2 Intgrales de fonctions holomorphes . . . . . .
19.3 Conditions quivalentes lholomorphie . . . .
19.4 Singularits, ples et mromorphe . . . . . . .
19.5 Fonctions dEuler . . . . . . . . . . . . . . . . .
19.5.1 Euler et factorielle . . . . . . . . . . . .
19.6 Partition dun entier en parts fixes . . . . . . .
19.7 Exponentielle complexe . . . . . . . . . . . . .
19.7.1 Intgrale de Fresnel . . . . . . . . . . .
19.8 Thorme de Weierstrass . . . . . . . . . . . . .
19.9 Thorme de Montel . . . . . . . . . . . . . . .
19.10Espaces de Bergman . . . . . . . . . . . . . . .

TABLE DES MATIRES

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1165
. 1165
. 1165
. 1166
. 1169
. 1170
. 1172
. 1173
. 1174
. 1174
. 1177
. 1181
. 1182
. 1183
. 1186
. 1186
. 1189
. 1191
. 1193
. 1195
. 1196

20 Srie de Fourier
20.1 Densit des polynmes trigonomtriques . . . . . . . . . . . .
20.1.1 Convergence pour les fonctions continues (Weierstrass)
20.1.2 Convergence pour les fonctions continues (Fejr) . . .
20.1.3 Densit dans Lp . . . . . . . . . . . . . . . . . . . . .
20.2 Fonctions de Dirichlet . . . . . . . . . . . . . . . . . . . . . .
20.3 Coefficients et srie de Fourier . . . . . . . . . . . . . . . . . .
20.3.1 Le contre-exemple que nous attendions tous . . . . . .
20.3.2 Ingalit isoprimtrique . . . . . . . . . . . . . . . . .
20.3.3 Suite quirpartie, critre de Weyl . . . . . . . . . . .
20.3.4 propos des coefficients . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

21 Transformation de Fourier
21.1 Transforme de Fourier dans L1 pRd q . . . . . . .
21.1.1 Formule sommatoire de Poisson . . . . . .
21.2 Transforme de Fourier dans lespace de Schwartz
21.2.1 Quelque transformes de Fourier . . . . .
21.3 Suite rgularisante . . . . . . . . . . . . . . . . .
21.3.1 Formule dinversion . . . . . . . . . . . .
21.4 Transforme de Fourier sur L2 pRd q . . . . . . . .
21.4.1 Extension de L1 X L2 vers L2 . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1201
1201
1201
1202
1205
1205
1206
1208
1210
1212
1214

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

1217
. 1217
. 1220
. 1222
. 1225
. 1227
. 1229
. 1231
. 1231

22 Distributions
22.0.0.1 Drive partielle au sens faible . . . . . .
22.1 Topologie . . . . . . . . . . . . . . . . . . . . . . . . . . .
22.2 Distributions . . . . . . . . . . . . . . . . . . . . . . . . .
22.2.1 Multiplication dune distribution par une fonction
22.2.2 Drive de distribution . . . . . . . . . . . . . . . .
22.2.3 Ordre et support dune distribution . . . . . . . .
22.3 Distributions tempres . . . . . . . . . . . . . . . . . . .
22.3.1 Topologie . . . . . . . . . . . . . . . . . . . . . . .
22.3.2 Distributions associes des fonctions . . . . . . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

1235
1235
1235
1238
1240
1240
1241
1244
1245
1245

29

TABLE DES MATIRES

22.3.3 Composition avec une fonction . . . . . . . . . . . .
22.3.4 Transforme de Fourier dune distribution tempre
22.3.5 Convolution dune distribution par une fonction . .
22.3.6 Approximation de la distribution de Dirac . . . . . .
22.3.7 Peigne de Dirac . . . . . . . . . . . . . . . . . . . . .
22.4 Lespace C 8 pR, D 1 pRd qq . . . . . . . . . . . . . . . . . . . .
22.4.1 Drivation . . . . . . . . . . . . . . . . . . . . . . . .
22.5 Lespace C 8 pR, S 1 pRd qq . . . . . . . . . . . . . . . . . . . .
22.5.1 Proprits gnrales . . . . . . . . . . . . . . . . . .
22.5.2 Drivation . . . . . . . . . . . . . . . . . . . . . . . .
22.6 Une quation de distribution . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

1245
1246
1246
1247
1250
1251
1253
1253
1253
1256
1258

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

1261
1261
1261
1267
1268
1269
1271
1274

24 quations diffrentielles
24.1 Que faire avec f pzqdz gptqdt ? . . . . . . . . . . . . . . . . . . .
24.2 quations linaires du premier ordre . . . . . . . . . . . . . . . .
24.2.1 Pourquoi la variation des constantes fonctionne toujours ?
24.3 quations variables spares . . . . . . . . . . . . . . . . . . . .
24.3.1 La mthode rapide . . . . . . . . . . . . . . . . . . . . . .
24.3.2 La mthode plus propre . . . . . . . . . . . . . . . . . . .
24.3.3 Les thormes . . . . . . . . . . . . . . . . . . . . . . . . .
24.4 quations linaires dordre suprieur . . . . . . . . . . . . . . . .
24.4.1 quations et systmes linaire coefficients constants . .
24.4.2 Si les coefficients ne sont pas constants ? . . . . . . . . . .
24.5 Systme dquations linaires . . . . . . . . . . . . . . . . . . . .
24.5.1 La magie de lexponentielle. . . . . . . . . . . . . . . . . .
24.5.2 . . . mais la difficult . . . . . . . . . . . . . . . . . . . . .
24.5.3 La recette . . . . . . . . . . . . . . . . . . . . . . . . . . .
24.5.4 Systme dquations linaires avec matrice constante . . .
24.5.5 Systme dquations linaires avec matrice non constante
24.6 Rduction de lordre . . . . . . . . . . . . . . . . . . . . . . . . .
24.7 Proprit des solutions . . . . . . . . . . . . . . . . . . . . . . . .
24.7.1 Fuite des compacts et explosion en temps fini . . . . . . .
24.7.2 Stabilit de Lyapunov . . . . . . . . . . . . . . . . . . . .
24.7.3 Systme proie et prdateurs : Lokta-Voltera . . . . . . . .
24.8 quation du second ordre . . . . . . . . . . . . . . . . . . . . . .
24.8.1 Wronskien . . . . . . . . . . . . . . . . . . . . . . . . . . .
24.8.2 Avec second membre . . . . . . . . . . . . . . . . . . . . .
24.8.3 quation y 2 ` qptqy 0 . . . . . . . . . . . . . . . . . . .
24.8.4 quation de Hill . . . . . . . . . . . . . . . . . . . . . . .
24.9 Diffrents types dquations diffrentielles . . . . . . . . . . . . .
24.9.1 quation homogne . . . . . . . . . . . . . . . . . . . . .
24.9.2 quation de Bernoulli . . . . . . . . . . . . . . . . . . . .
24.9.3 quation de Riccati . . . . . . . . . . . . . . . . . . . . .
24.9.4 quation diffrentielle exacte . . . . . . . . . . . . . . . .
24.9.4.1 Rsolution lorsque tout va bien . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1279
1280
1281
1282
1283
1283
1284
1284
1286
1286
1286
1287
1287
1287
1287
1288
1289
1289
1290
1290
1291
1295
1298
1298
1299
1299
1301
1304
1304
1305
1305
1305
1305

23 Espaces de Soblev, quations elliptiques

23.1 Espaces de Sobolev . . . . . . . . . . . .
23.1.1 Sur un intervalle de R . . . . . .
23.1.2 Sur un ouvert de Rn . . . . . . .
23.1.2.1 Dfinition . . . . . . . .
23.1.3 Espace de Sobolev fractionnaire .
23.2 Trace . . . . . . . . . . . . . . . . . . . .
23.3 Thorme de plongement . . . . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

30

TABLE DES MATIRES

24.9.4.2 Facteur intgrant (quand tout ne va pas bien) . . . . . . . . . . .
24.10Distributions pour les quations diffrentielles . . . . . . . . . . . . . . . . . . . . .
24.10.1 quation de Schrdinger . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24.11quations diffrentielles du premier ordre . . . . . . . . . . . . . . . . . . . . . . .
24.12quations diffrentielles du premier ordre variables sparables . . . . . . . . . . .
24.13quations diffrentielles linaires du premier ordre . . . . . . . . . . . . . . . . . .
24.13.1 Mthode de variation de la constante . . . . . . . . . . . . . . . . . . . . . .
24.14quations diffrentielles linaires du second ordre . . . . . . . . . . . . . . . . . . .
24.14.1 Rsolution des quations diffrentielles linaires du second ordre homognes
coefficients constants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24.14.2 quations diffrentielles linaires du second ordre cofficients constants,
non homognes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

25 Calcul numrique
25.1 Reprsentations numriques . . . . . . . . . . . . . .
25.1.1 Entier relatif en complment deux (binaire)
25.1.2 Reprsentation en virgule flottante . . . . . .
25.1.3 Simple prcision, IEEE-754 . . . . . . . . . .
25.2 Problmes pour crire des nombres . . . . . . . . . .
25.2.1 Troncature : la base . . . . . . . . . . . . . .
25.2.2 Troncature : le drift . . . . . . . . . . . . . .
25.2.3 Quelque bonnes rgles . . . . . . . . . . . . .
25.3 Erreur de cancellation . . . . . . . . . . . . . . . .
25.3.1 Erreur dabsorption . . . . . . . . . . . . . .
25.3.2 Calcul dune drive . . . . . . . . . . . . . .
25.4 Conditionnement et stabilit . . . . . . . . . . . . .
25.4.1 Comment choisir et penser le K ? . . . . . . .
25.5 Conditionnement dune matrice . . . . . . . . . . . .
25.5.1 Perturbation du vecteur . . . . . . . . . . . .
25.5.2 Perturbation de la matrice . . . . . . . . . . .
25.6 Un peu de points fixes . . . . . . . . . . . . . . . . .
25.6.1 Choix de la fonction point fixe . . . . . . .
25.6.2 Convergence quadratique . . . . . . . . . . .
25.6.3 Convergence . . . . . . . . . . . . . . . . . .
25.7 Mthode de Newton . . . . . . . . . . . . . . . . . .
25.7.1 Justification par la formule par Taylor . .
25.7.2 Justification par points fixes . . . . . . . .
25.7.3 Convergence de la mthode de Newton . . . .
25.7.4 Formalisation de lalgorithme . . . . . . . . .
25.7.5 Caractristiques . . . . . . . . . . . . . . . .
25.7.6 Exemple de la racine carr . . . . . . . . . . .
25.7.7 Si multiplicit . . . . . . . . . . . . . . . . . .
25.7.8 Et la drive ? . . . . . . . . . . . . . . . . . .
25.7.9 Mthode de Newton : le cas gnral . . . . .
25.8 Estimation de lordre de convergence . . . . . . . . .
25.9 Autres mthodes . . . . . . . . . . . . . . . . . . . .
25.9.1 Mthode de Schrder . . . . . . . . . . . . .
25.9.2 Halley . . . . . . . . . . . . . . . . . . . . . .
25.10Mthode des scantes variables . . . . . . . . . . . .
25.10.1 Aitken . . . . . . . . . . . . . . . . . . . . . .
25.11quations algbrique . . . . . . . . . . . . . . . . . .
25.11.1 Rsoudre un systme linaire . . . . . . . . .
25.11.2 Caractristiques . . . . . . . . . . . . . . . .
25.11.3 Dfinitions . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1306
1306
1306
1310
1313
1315
1317
1318
1318
1320
1323
1323
1323
1324
1325
1327
1328
1328
1329
1329
1331
1332
1332
1335
1336
1338
1339
1340
1340
1342
1344
1345
1345
1346
1346
1348
1349
1349
1350
1350
1351
1353
1353
1353
1353
1354
1354
1355
1355
1356
1356

31

TABLE DES MATIRES

25.12quations non linaire . . . . . . . . . . . . . . . . . . . .
25.12.1 Mthode de bisection . . . . . . . . . . . . . . . .
25.13Efficacit . . . . . . . . . . . . . . . . . . . . . . . . . . .
25.14Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . .
25.15Approximations de fonctions . . . . . . . . . . . . . . . .
25.15.1 Critre dinterpolation . . . . . . . . . . . . . . . .
25.15.2 Base de Newton . . . . . . . . . . . . . . . . . . .
25.15.3 Mthode des minima quadratiques . . . . . . . . .
25.15.4 Notre espace de Hilbert . . . . . . . . . . . . . . .
25.15.5 Droite de rgression . . . . . . . . . . . . . . . . .
25.16Systme linaires (gnralits) . . . . . . . . . . . . . . . .
25.16.1 Les mthodes directes . . . . . . . . . . . . . . . .
25.16.2 Mthodes itratives . . . . . . . . . . . . . . . . .
25.17Systme linaires (mthodes directes) . . . . . . . . . . . .
25.17.1 Inversion de matrice triangulaire . . . . . . . . . .
25.17.2 Transformation gaussienne . . . . . . . . . . . . .
25.17.3 Mthode de Gauss sans pivot (dcomposition LU)
25.17.4 Matrice de permutation lmentaires . . . . . . . .
25.17.5 Mthode de Gauss avec pivot partiel . . . . . . . .
25.17.6 Dterminant . . . . . . . . . . . . . . . . . . . . .
25.17.7 Plusieurs termes indpendants . . . . . . . . . . .
25.17.8 Cholesky . . . . . . . . . . . . . . . . . . . . . . .
25.18Systme linaire (mthodes itratives) . . . . . . . . . . .
25.18.1 La mthode gnrale . . . . . . . . . . . . . . . . .
25.18.2 Jacobi . . . . . . . . . . . . . . . . . . . . . . . . .
25.18.3 Gauss-Seidel . . . . . . . . . . . . . . . . . . . . .
25.18.4 Autres . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1357
1358
1360
1361
1364
1364
1365
1367
1368
1369
1370
1371
1371
1372
1372
1372
1373
1377
1378
1386
1386
1387
1390
1391
1391
1391
1391

26 Variables alatoires et thorie des probabilits

26.1 Espace de probabilit . . . . . . . . . . . . . . . . . . . . . . . . . .
26.2 Variables alatoires . . . . . . . . . . . . . . . . . . . . . . . . . . .
26.2.1 Indpendance . . . . . . . . . . . . . . . . . . . . . . . . . .
26.2.2 Lois conjointes et indpendance . . . . . . . . . . . . . . . .
26.2.3 Somme et produit de variables alatoires indpendantes . .
26.2.4 Esprance . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26.2.5 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26.2.6 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . .
26.2.7 Probabilit conditionnelle, premire . . . . . . . . . . . . .
26.2.8 Esprance conditionnelle . . . . . . . . . . . . . . . . . . . .
26.2.9 Probabilit conditionnelle, seconde . . . . . . . . . . . . . .
26.2.10 Un petit paradoxe . . . . . . . . . . . . . . . . . . . . . . .
26.2.10.1 Le cas facile . . . . . . . . . . . . . . . . . . . . .
26.2.10.2 Premier raisonnement . . . . . . . . . . . . . . . .
26.2.10.3 Simulation . . . . . . . . . . . . . . . . . . . . . .
26.2.10.4 La vraie rponse . . . . . . . . . . . . . . . . . . .
26.2.10.5 Le mme, tourn peine diffremment . . . . . .
26.2.11 Rsum des choses conditionnelles . . . . . . . . . . . . . .
26.2.12 Ingalit de Jensen . . . . . . . . . . . . . . . . . . . . . . .
26.2.13 Fonction de rpartition . . . . . . . . . . . . . . . . . . . .
26.2.14 Fonction caractristique . . . . . . . . . . . . . . . . . . . .
26.2.15 Fonction gnratrice des moments, transforme de Laplace
26.2.16 Loi dune variable alatoire . . . . . . . . . . . . . . . . . .
26.2.17 Changement de variables . . . . . . . . . . . . . . . . . . .
26.3 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1393
1393
1394
1394
1397
1398
1400
1401
1402
1403
1404
1410
1411
1411
1412
1412
1413
1414
1414
1415
1415
1415
1417
1418
1419
1419

32

TABLE DES MATIRES

26.4 Loi des grands nombres, thorme central limite . . . .
26.4.1 Loi des grands nombres . . . . . . . . . . . . . .
26.4.2 Thorme central limite . . . . . . . . . . . . . .
26.4.3 Marche alatoire . . . . . . . . . . . . . . . . . .
26.5 Les lois usuelles . . . . . . . . . . . . . . . . . . . . . . .
26.5.1 Loi de Bernoulli . . . . . . . . . . . . . . . . . .
26.5.2 Loi binomiale . . . . . . . . . . . . . . . . . . . .
26.5.3 Loi multinomiale . . . . . . . . . . . . . . . . . .
26.5.4 Loi gomtrique . . . . . . . . . . . . . . . . . .
26.5.5 Loi de Poisson . . . . . . . . . . . . . . . . . . .
26.5.6 Loi exponentielle . . . . . . . . . . . . . . . . . .
26.5.7 Approximation de la binomiale par une Poisson .
26.5.8 Loi de Poisson et loi exponentielle . . . . . . . .
26.5.9 Loi normale . . . . . . . . . . . . . . . . . . . . .
26.5.10 Vecteurs gaussiens . . . . . . . . . . . . . . . . .
26.5.11 Variable alatoire de Rademacher . . . . . . . . .
26.5.12 Loi de Student . . . . . . . . . . . . . . . . . . .
26.5.13 Indpendance, covariance et variance de somme .
26.6 Estimation des grands carts . . . . . . . . . . . . . . .
26.7 Simulations de ralisations de variables alatoires . . . .
26.7.1 Gnrateur uniforme . . . . . . . . . . . . . . . .
26.7.1.1 Premire mthode . . . . . . . . . . . .
26.7.1.2 Seconde mthode . . . . . . . . . . . .
26.7.2 Simulation par inversion . . . . . . . . . . . . . .
26.7.2.1 Loi exponentielle . . . . . . . . . . . . .
26.7.3 Algorithme de Box-Muller . . . . . . . . . . . . .
26.7.4 Mthode du rejet . . . . . . . . . . . . . . . . . .
26.7.5 Simuler une loi gomtrique lordinateur . . . .
26.7.6 Simuler une loi exponentielle lordinateur . . .
26.7.7 Simuler une loi de Poisson lordinateur . . . . .
26.8 Sage . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26.8.1 Loi exponentielle . . . . . . . . . . . . . . . . . .
26.8.2 Inverser des lois . . . . . . . . . . . . . . . . . . .
26.9 Monte-Carlo . . . . . . . . . . . . . . . . . . . . . . . . .
26.9.1 Intervalle de confiance . . . . . . . . . . . . . . .
26.9.1.1 Principe . . . . . . . . . . . . . . . . . .
26.9.1.2 chantillonnage prfrentiel . . . . . . .
26.9.1.3 Mthode de la variable de contrle . . .
26.9.1.4 Variables antithtiques . . . . . . . . .
26.10Rsultats qui se dmontrent avec des variables alatoires
26.10.1 Nombres normaux . . . . . . . . . . . . . . . . .
26.10.2 Thorme de Bernstein . . . . . . . . . . . . . .

27 Statistiques
27.1 Notations et hypothses . . . . . . . . . . . . .
27.2 Modle statistique . . . . . . . . . . . . . . . .
27.3 Modles dchantillonnages . . . . . . . . . . .
27.4 Estimation ponctuelle . . . . . . . . . . . . . .
27.5 Statistiques et estimateurs . . . . . . . . . . . .
27.5.1 Qualit des estimateurs . . . . . . . . .
27.5.2 Mthode des moments . . . . . . . . . .
27.5.3 Mthode de substitution . . . . . . . . .
27.5.4 Mthode du maximum de vraisemblance
27.5.5 Estimation dune fonction de rpartition

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1424
1424
1426
1429
1430
1430
1430
1431
1432
1432
1433
1436
1436
1438
1439
1443
1445
1445
1446
1450
1450
1450
1450
1450
1451
1451
1452
1454
1454
1454
1455
1455
1455
1456
1457
1457
1458
1458
1458
1459
1459
1461

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

1465
1465
1465
1468
1471
1473
1473
1474
1476
1476
1478

33

TABLE DES MATIRES

27.5.6 Esprance et variance dun estimateur
27.6 Estimation par intervalle de confiance . . . .
27.6.1 Rgion de confiance . . . . . . . . . .
27.6.2 Fonction pivotale . . . . . . . . . . . .
27.6.3 Sondage de proportion . . . . . . . . .
27.7 Estimer une densit lorsquon ne sait rien . .
27.7.1 Distance entre des mesures . . . . . .
27.7.2 Estimateur par fentres glissantes . . .
27.8 Test dhypothses, prise de dcision . . . . . .
27.8.1 Exemple : qualit des pices dusine .
27.8.2 Exemple : la rsistance dun fil . . . .
27.8.3 Vocabulaire et thorie . . . . . . . . .
27.8.4 Risque de premire et seconde espce .
27.8.5 Modle paramtrique de loi gaussienne
27.9 Tests paramtriques . . . . . . . . . . . . . .
27.10Tests dadquation . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1481
1481
1484
1484
1487
1488
1489
1489
1492
1492
1492
1493
1494
1495
1496
1497

28 Chanes de Markov temps discret

28.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28.2 Chanes de Markov sur un ensemble fini . . . . . . . . . . . .
28.3 Marche alatoire sur Z . . . . . . . . . . . . . . . . . . . . . .
28.3.1 Chanes de Markov homognes . . . . . . . . . . . . .
28.3.2 Graphe de transition . . . . . . . . . . . . . . . . . . .
28.3.3 Chane de Markov dfinie par rcurrence . . . . . . . .
28.3.3.1 Le cas gnral . . . . . . . . . . . . . . . . .
28.3.3.2 Exemple : la file de rparation de machines
28.4 Classification des tats . . . . . . . . . . . . . . . . . . . . . .
28.4.1 Chanes irrductibles . . . . . . . . . . . . . . . . . . .
28.4.2 Nombre de visites . . . . . . . . . . . . . . . . . . . .
28.5 Mesure invariante . . . . . . . . . . . . . . . . . . . . . . . . .
28.6 Convergence vers lquilibre . . . . . . . . . . . . . . . . . . .
28.7 Processus de Galton-Watson . . . . . . . . . . . . . . . . . . .

. . .
. . .
. . .
. . .
. . .
. . .
. . .
laver
. . .
. . .
. . .
. . .
. . .
. . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

1503
1503
1504
1506
1508
1509
1509
1509
1511
1511
1514
1515
1520
1522
1524

29 Martingales
29.1 Convergence de martingales . . . . . . . . . . . .
29.2 Temps darrt et martingale termine . . . . . .
29.3 Dcomposition de martingales . . . . . . . . . . .
29.4 Problme de la ruine du joueur . . . . . . . . . .
29.4.1 Le cas o la pice est truque . . . . . . .
29.4.1.1 Introduction dune martingale .
29.4.1.2 Finitude du temps darrt . . . .
29.4.1.3 Temps moyen de jeu . . . . . . .
29.4.1.4 Probabilit de victoire du joueur
29.4.2 Le cas o la pice est non truque . . . .
29.4.2.1 Probabilit de gagner . . . . . .
29.4.2.2 Temps moyen de jeu . . . . . . .
29.4.3 Un petit complment . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

1529
1529
1532
1534
1536
1537
1537
1538
1538
1539
1540
1540
1542
1542

30 Processus de Poisson
30.1 Processus de Poisson . . . . . . .
30.2 Quelques trucs sur la simulation
30.2.1 Le thorme central limite
30.2.2 Feuille 5 . . . . . . . . . .
30.2.3 Feuille 6 . . . . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

1543
1543
1546
1547
1547
1547

. . .
. . .
pour
. . .
. . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

. . . . .
. . . . .
Markov
. . . . .
. . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

34

TABLE DES MATIRES

30.2.4 Feuille 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1548
30.2.5 Simuler des lois conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . 1548

31 Utilisation dans les autres sciences

31.1 Dmystification du MRUA . . . . . . . . . . . . . . . . .
31.1.1 Preuve de la formule . . . . . . . . . . . . . . . .
31.1.2 Interprtation graphique . . . . . . . . . . . . . .
31.2 Relativit en mcanique newtonienne . . . . . . . . . . .
31.2.1 Relativit du mouvement . . . . . . . . . . . . .
31.2.2 Bob et Alice . . . . . . . . . . . . . . . . . . . .
31.3 Invariance de la vitesse de la lumire . . . . . . . . . . .
31.3.1 Champ de gravitation et lectrique . . . . . . . .
31.3.1.1 Finitude de la vitesse de propagation de
31.3.1.2 Pourquoi pas la gravitation ? . . . . . .
31.3.2 Support du champ : pas dther . . . . . . . . . .
31.3.3 Le problme . . . . . . . . . . . . . . . . . . . . .
31.4 Consquences . . . . . . . . . . . . . . . . . . . . . . . .
31.4.1 Ligne dunivers . . . . . . . . . . . . . . . . . . .
31.4.2 Transformations de Lorentz . . . . . . . . . . . .
31.4.3 Conditions dexistence . . . . . . . . . . . . . . .
31.4.4 La notion dintervalle . . . . . . . . . . . . . . .
31.4.4.1 En mcanique newtonienne . . . . . . .
31.4.4.2 En mcanique relativiste . . . . . . . .
31.4.5 Le cne de lumire dun point . . . . . . . . . . .
31.4.6 Contraction des longueurs . . . . . . . . . . . . .
31.4.7 Dilatation des intervalles de temps . . . . . . . .
31.4.8 Invariance de lintervalle . . . . . . . . . . . . . .
31.4.8.1 Rappel de trigonomtrie hyperbolique .
31.4.8.2 Les transformations de Lorentz (bis) . .
31.4.9 Vitesse limite . . . . . . . . . . . . . . . . . . . .
31.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . .
31.5.1 Le GPS . . . . . . . . . . . . . . . . . . . . . . .
31.5.2 Les ondes lectromagntiques . . . . . . . . . . .
31.6 Mcanique relativiste . . . . . . . . . . . . . . . . . . . .
31.6.1 Des problmes, toujours des problmes . . . . . .
31.6.2 Loi daddition des vitesses . . . . . . . . . . . . .
31.6.3 Laction dune force . . . . . . . . . . . . . . . .
31.6.4 quivalence entre la masse et lnergie . . . . . .
31.7 Principe de correspondance . . . . . . . . . . . . . . . .

. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
la force lectrique
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1549
1549
1549
1550
1550
1550
1550
1551
1551
1551
1551
1552
1552
1552
1552
1553
1556
1557
1557
1557
1557
1558
1558
1559
1560
1562
1564
1564
1564
1564
1564
1565
1565
1566
1567
1567

32 Exemples avec Sage

1569

A GNU Free Documentation License

1589

Bibliographie

1597

Liste des notations

1615

Index
-systme, 439
p-Sylow, 752
p-groupe, 752
ther, 1552
vnement, 1557
lment
primitif, 161
lmentaire
polynme symtrique, 175
lments
associs dans un anneau, 130
quation
de Riccati, 1305
des classes, 105
des orbites, 104
diffrentielle
tude qualitative, 1302
Hill, 1301
homogne, 1304
systme, 1302
diophantienne, 95, 135, 137
Fredholm, 1061
orbite-stabilisateur, 104
quation diffrentielle
linaire du premier ordre, 1315
linaire du premier ordre, homogne, 1315
linaire du second ordre, 1318
linaire du second ordre, homogne, 1318
premier ordre, 1310
second ordre, 1311
variables sparables, 1313
quation homogne associe, 1315
quilibre
point point une quation diffrentielle, 1291
quivalence
de norme, 323
tage
fonction, 470
tat
apriodique, 1523
rcurrent, 1512
rcurrent positif, 1512
transitoire, 1512
tranger

dans leur ensemble, 143

ablianis, 87
Abel
angulaire, 885
convergence radiale, 1011
abscisse
curviligne, 944
absolument continue, 877
absorbant, 1511
acclration dun chemin, 930
accroissement, 662
accumulation
dans R, 261
dans espace vectoriel norm, 321
action
adjointe, 103
de groupe
Wedderburn, 185
domaine fondamental, 105
fidle, 103
libre, 106
transitive, 106
action de groupe, 290
sur des matrices, 1091
adhrence, 259, 318
affine
application, 512
espace, 509
sous-espace, 513
affine (application), 275
aire, 803
algbrique
extension, 160
nombre, 166
par rapport une extension de corps, 172
algbriquement
indpendant, 217
algbre, 149
de parties, 434
engendre, 149
polynmes, 141
algorithme, 1356
consistant, 1356

35

36
convergent, 1356
facteurs invariants, 139
fortement consistant, 1356
stable, 1356
altern
groupe, 109
polynme, 175
alterne
forme linaire, 283
analytique
au sens complexe, 1170
angle
dune courbe, 961
entre deux droites, 734
entre vecteurs, 306
Anneau
Z{nZ
polynme cyclotomique, 181
anneau, 71
Z{nZ, 184, 188, 761, 766
division, 149
de sries formelles, 1041
euclidien
facteurs invariants, 139
factoriel, 130
intgre, 127
noetherien, 133
principal, 132, 154, 370
utilisation, 156
quotient par un idal, 123
anneaux
de sries formelles
utilisation, 1186
apriodique
tat dune chane de Markov, 1523
chane de Markov, 1523
application
affine, 522
dfinie positive, 302
de classe C k , 642
diffrentiable, 606, 608, 639, 642, 1070, 1091
extrema li, 1082
en escalier, 795
linaire
borne, 351
thorme de Banach-Steinhaus, 1124
mesurable, 438
multilinaire, 348
ouverte, 346
semi-dfinie positive, 302
tangente, 612
application rciproque, 262
approximation

INDEX

arc

de fonctions
par des polynmes, 1461
de lunit, 1151
par polynmes, 1052
polynmiale, 1174

gomtriques, 943
paramtr, 929
arc cosinus, 683
arc sinus, 681
arc tangente, 684
archimdien, 72
associ, 130
associe
subdivision, 795
asymptotiquement pivotale, 1484
attractif
point fixe, 1058
automorphisme, 272
axiome
du choix, 69
Bzout
anneau principal, 132
calcul effectif, 93
nombres entiers, 90
polynmes, 144
Baire
espace, 266
thorme, 258, 267
tribu, 432
Banach
espace, 1103
barycentre
cas affine, 515
cas vectoriel, 741
enveloppe convexe, 519
base, 269
canonique de Rm , 269
dun module, 126
de Newton, 1365
de topologie, 221
dnombrable, 227
espace mtrique, 227
duale, 669, 838
espace prhilbertien, 1114
hilbertienne
utilisation, 1211
locale, 988
Bergman (espace), 1196
Bernoulli, 1430
somme, 1447
Berry-Essen (borne), 1429
Bessel

37

INDEX
ingalit, 1111
biais
destimateur, 1474
bien
conditionn, 1333
enchan, 256
bijection, 262
bilinaire, 348
binormale, 952
birgulier
point sur une courbe, 941
birapport, 542
Bolzano-Weierstrass
espaces mtriques, 251
borlienne
fonction, 454
tribu, 431
borliens, 431
bord, 260
born, 221
partie de V , 314
temps darrt, 1532
borne, 241
diffrentielle, 635
partie de Rm , 592
suite, 235
boule
avec semi-normes, 263
ferme, 259, 313
ouverte, 221, 259, 313
Bruhat (dcomposition), 723
Burnisde
formule, 105
Cne de lumire, 1557
canonique
base, 269
dcomposition, 71
espace affine, 509
Cantor
ensemble, 501
caractristique
dun anneau, 124
polynme, 372
sous-groupe, 85
caractre, 775
ablien, 769
de S4 , 783
groupe didral, 784
irrductible, 776
cardiode, 941
carr
dans un corps fini, 189
catgorie

ensemble de premire, 258

Cauchy
critre
uniforme, 658
dterminant, 292
formule, 1170
produit, 1009
thorme, 752
Cauchy-Riemann, 1165
Cauchy-Schwarz, 302, 1104
Cayley
thorme, 752
cellule dun pavage, 794
centrale (application), 776
centralisateur, 85, 117
centre
dun anneau, 117
dun groupe, 85
cercle
circonscrit une courbe, 64, 968
cercles
perpendiculaires, 525
Cesaro
moyenn, 333
chane, 256
de Markov, 1503
apriodique, 1523
convergence, 1524
finie, 1504
homogne, 1503
irrductible, 1509
rcurrente positive, 1518
rgulire, 1505
champ
conservatif, 900
de vecteurs, 848
champ drivant dun potentiel, 900
changement de variable, 943
Chasles, 509
Chemin
classe C 2 , 846
chemin, 846, 930
dans Rp , 929
circulation, 898
clture algbrique, 166
classe
conjugaison
dans S4 , 108
classe C 1 , 351, 627
codimension, 272
coefficient
de Fourier, 1201
coefficients

38
de Fourier, 1138
coefficients binomiaux, 118
coercion, 1120
coercive, 1084
colinarit, 531
combinaison
convexe, 515
combinatoire, 750
commutant, 403
commutateur
dans un groupe, 87
compacit, 251, 253, 257, 1178, 1193
sous-groupes du groupe linaire, 725
thorme de Dini, 658
utilisation, 895
thorme de Montel, 1195
compact, 220, 316, 594
arc paramtr, 929
Bolzano-Weierstrass dans Rn , 245
boule unit, 244
et fonction continue, 245, 252
ferm et born, 244
implique ferm, 230
intervalle ra, bs, 243
le coup du, 876
localement, 220
oprateur, 1123
produit dnombrable, 258
produit fini, 257
quasi, 220
relatif, 1123
relativement, 220
squentiellement, 221
suite exhaustive, 255
complment
deux, 1323
complmentaire, 70
complt
dun espace mtrique, 1099
compltion
projective, 533
compltude, 1097, 1099, 1132
de R, 326
espaces Lp , 1134
complte
famille de projecteurs, 126
complet
R, 226
corps, 72
espace mesur, 444
espace topologique, 223
composante, 663
composition

INDEX
suite de, 99
concave, 647
log-concave, 654
condition initiale, 1312
conditionnement
absolu, 1333
dune matrice inversible, 1336
relatif asymptotique, 1356
conjugus
lments dune extension, 160
connexe
par arc, 247
connexit, 257
dfinition, 233
et intervalles, 242
fonction holomorphe, 1173
indice dune courbe, 1169
le groupe GL` pn, Rq, 714
par arc
fonction diffrentiable, 639
points daccumulation, 253
prolongement analytique, 1101
signature dune forme quadratique, 1088
thorme de Runge, 1174
thorme des valeurs intermdiaires, 570
utilisation
Brouwer, 1172
Conservative, 850
consistance
estimateur, 1473
constructible
angle, 212
point, 208
rel, 208
construction
des rels, 78
contenu, 129
continue, 567
fonction
en un point, 229, 672
sur un intervalle, 673
fonction entre espaces mtriques, 247
fonction entre espaces topologiques, 229
fonction relle, 567
forme diffrentielle, 838
sur espace mtrique, 572
uniformment, 592
continuit, 553
fonction dfinie par une intgrale, 874
squentielle, 248
sur un intervalle, 567
contraction, 1058
convergence

39

INDEX
absolue, 327
commutative, 338
dans un espace vectoriel norm, 325
de martingales, 1533
de suite, 220
en loi, 1420
en norme, 657
en probabilit, 1420
normale, 327
ordre, 1353
presque srement, 1419
quadratique, 1342
rapidit, 765, 1220, 1221, 1351, 1447
srie, 326
suite
dans un corps, 72
suite dans Rm , 261
suite numrique, 234, 1052, 1212
Abel angulaire, 885
uniforme, 657
intgrale, 872
srie de fonctions, 327
suite de fonctions, 657
thorme de Dini, 658
convergent
estimateur, 1473
convexit
barycentre, 517
enveloppe de Opnq, 722
fonction, 647
ingalit de Jensen, 655
locale, 1156
mthode de Newton, 1348
stricte, 647
utilisation, 895
convolution, 1399, 1526
coordonnes
barycentriques, 521
cartsiennes
dans un espace affine, 521
curvilignes, 988
cylindrique, 426
dans un espace affine, 510
homogne, 538
sphriques, 426
corps, 71
archimdien, 72
complet, 72
de dcomposition, 166
de rupture, 164
polynme cyclotomique, 181
des fractions, 151
des fractions rationnelles

utilisation, 1186
extension, 169, 176
fini, 188, 192, 195
Wedderburn, 185
ordonn, 72
premier, 151
cosinus
angle entre deux vecteurs, 306
hyperbolique, 685
courbe, 930
tude mtrique, 1211
de Jordan, 978, 1210
efficacit, 1494
ferme, 958
simple, 958
courbe de niveau, 628, 631
courbure, 952
signe, 959
totale, 960
covariance, 1402
critre
Abel, 1007
Abel pour intgrales, 873
Cauchy
uniforme, 658
de Cauchy, 326
srie alterne, 331
Weierstrass, 873
srie de fonctions, 1004
critique
Galton-Watson, 1526
point, 1080
point dun arc, 941
rgion, 1493
valeur, 1494
cyclique
endomorphisme, 368
groupe, 85
matrice, 368
cyclode
coordonnes normales, 946
longueur, 940
dcalage, 1325
dcimale
dcomposition, 336
dcomposition
Bruhat, 723
canonique, 71
corps, 166
Dunford, 388
application, 391
exponentielle de matrice, 389
Jordan

40
et exponentielle de matrice, 389
polaire, 719
primaire, 387
sous-espaces caractristiques, 387
spectrale, 387
dnombrable, 71
linfini, 221
dnombrement, 750
partitions de t1, . . . , nu, 1041
driv
groupe, 87
drive, 581
au sens de distributions, 1261
dans Sobolev H 1 pIq, 1261
directionnelle, 601, 604
distributionnelle, 1240
faible, 1235
fonction valeurs dans E 1 , 266
partielle, 600, 602, 662
seconde, 581, 675
drivabilit
fonction dfinie par une intgrale, 876
lemme de Borel, 1044
drivable, 582, 675
au sens complexe, 999
fonction, 581, 1279
drivation
au sens des distribution
Sobolev, 1265
dterminant, 283
Cauchy, 1055
dun endomorphisme, 288
dune famille de vecteurs, 286
de Cauchy, 292
et inversibilit, 288
forme linaire alterne, 283
Gram, 292, 1055
interprtation gomtrique, 820
rsultant, 293, 889
utilisation, 895
Vandermonde, 289
dveloppable
en srie entire, 1028
dveloppement
asymptotique, 694
limit
en zro, 686
fonction holomorphe, 1165
premier ordre, 587
Taylor, 1091
degr
application S 1 S 1 , 962
dune reprsentation, 769

INDEX
extension de corps, 161
dense
nulle part, 258
densit, 1099
conjointe, 1398
dune variables alatoire, 1394
dans un espace de fonction
critre de Weyl, 1212
de Q dans R, 226
utilisation, 653
de GLpn, Rq dans Mpn, Rq, 715
de DpRn q dans L1 pRn q, 1162
d
de Cc8`pRd q dans Lp pR
` q, 1140

2
p
de L r0, 1s dans L r0, 1s , 1142
de S ` pn, Rq dans S `` pn, Rq, 719
des fonctions tages dans Lp , 1140
des polynmes
dans Cc0 r0, 1s, 1461
des polynmes trigonomtriques dans Lp pS 1 q,
1154
matrices diagonalisables dans Mpn, Cq, 715
mesure, 63, 483
points extrmaux dans L, 721
prolongement, 1097
densit dune mesure, 792
didral, 751
diagonalisable, 378
et polynme minimum scind, 378
exponentielle, 391
diagonalisation
cas complexe, 382
cas rel, 384
endomorphisme auto-adjoint, 422
simultane, 380
diamtre, 592
diffomorphisme, 355, 835, 913
de classe C k , 642
diffrence
divise, 1366
diffrentiabilit, 639
diffrentiable, 611
dans un Banach, 350
deux fois, 641
sur un ouvert, 616
diffrentielle, 351, 606
de u u1 , 360
partielle, 356
totale, 662
dilatation, 708
dilatation (matrice), 138
dimension, 271
n-formes multilinaires alternes, 283
dfinition, 271

41

INDEX
sous espace affine, 513
utilisation, 519
direction, 601, 949
sous-espace affine, 513
Dirichlet
noyau, 1202
thorme, 1202
thorme (sur les nombres premiers), 184
disque de convergence, 1007, 1008
distance, 221
associe une norme, 224
entre deux mesures de probabilits, 1489
point et ensemble, 250
distingu, 85
distribution, 1238
quation de Schrdinger, 1307
de Dirac, 1244
produit par une fonction, 1240
tempre, 1244
divergence, 665
diviseur
de zro, 127
de zro droite, 127
polynme, 143
division
euclidienne, 90, 143
domaine, 672
fondamental dune action, 105
domin
modle statistique, 1472
domine
convergence (Lebesgue), 482
mesure, 790
droite
projective, 531
dual, 278
dun espace de Hilbert, 1109
de Mpn, Kq, 282
de Lp pq, 1150
de Lp ,` 1145
de Lp r0, 1s avec 1 p 2, 1143
espaces Lp , 1142
topologique, 278
Dunford
dcomposition, 388
dyadique, 504
cart-type, 1401
chantillon, 1466, 1468
effectif
empirique, 1497
efficacit
courbe, 1494
dune mthode itrative, 1360

lment
de surface, 858
de torsion, 115
lment de surface, 840
ellipsode, 421
endomorphisme, 272
auto-adjoint, 422
cyclique, 368
dcomposition
polaire, 719
diagonalisable, 413, 717, 1302
Dunford, 388
diagonalisation, 384
nilpotent
Dunford, 388
prservant une forme quadratique, 728
sous-espace stable, 388, 1302
engendr, 131
-systme, 439
corps et anneau, 161
idal dans un anneau, 131
sous-espace affine, 514
sous-groupe, 85
tribu, 430
par une variable alatoire, 1395
ensemble
de Cantor, 501
diffrence symtrique, 70
infini, 69
entrelacement, 776
enveloppe
convexe, 517
quation
diffrentielle
linaire, 1281
ordinaire dordre 1, 1279
variables spares, 1283
gnrale de degr n, 218
quicontinuit, 1123
qui-intgrable, 1533
quivalence
arcs paramtrs, 943
chemin, 937
classe de fonctions, 1126
de reprsentations, 776
de suites, 326
homotopie, 1169
norme, 323
relation, 70
suite de composition, 100
erreur, 1367, 1390
assignation, 1328
quadratique, 1370

42
troncature, 1328
erreur relative, 1327
escalier, 470
esprance, 1400
conditionnelle, 1404, 1409
vnement, 1410
vnements, 1410
variable alatoire, 1409
Espace
de Sobolev, 1268
espace
L2
Sobolev, 1265
Lp , 1127
affine, 509
canonique, 509
Banach, 1103
complet, 1099
Cb0 pX, Y q,norme uniforme, 1057
DpKq, 1237
S pq, 1254
de Baire, 266
de Bergman, 1196
de fonctions
Lp , 1134
Sobolev H 1 , 1265
de Hilbert
espace de Sobolev H 1 , 1265
de probabilit, 1393
de Schwartz, 1160, 1244
de Sobolev, 1261, 1269
euclidien, 306
mtrique, 221
base de topologie, 227
mesur, 436
complt, 447
mesurable, 429
projectif, 531
propre, 375
tangent, 1095
topologique, 232
mtrisable, 247
vectoriel
dimension, 283
espace vectoriel
topologique, 222
estimateur, 1473
biais, 1474
consistant, 1473
convergent, 1473
de fonction de rpartition, 1479
maximum de vraisemblance, 1476
estimation

INDEX
des grands carts, 1447
trangers
polynmes, 143
Euclide
algorithme tendu, 92
lemme, 94
euclidien
anneau, 133
espace, 303
Euler
indicatrice, 122
vnement, 1393
exact
intervalle de confiance, 1482
excs
intervalle de confiance, 1482
exhaustive (suite de compacts), 255
exponentielle, 1019
complexe, 1189
convergence, 333
de matrice, 337, 389, 391, 1038
utilisation, 1078
existence, 1017
rapide, 768
unicit, 1018
exposant, 413, 758
dun groupe, 86
extension
corps de base, 393
de corps, 160, 176
algbrique, 160, 165
finie, 196
monogne, 161
simple, 161
utilisation, 213
isomtrie, 1098
extrmal
point dans un convexe, 721
extrmit
dun intervalle, 241
extrapolation, 1365
extrema, 1081
li, 1082
local
relatif, 1081
volume dun ellipsode, 895
extremum, 1091
facteur
intgrant, 1306
factoriel
anneau, 130
factorisation
de polynme, 146, 163

43

INDEX
faisceau de droites, 539
famille
sommable, 340
Fatou, 481
Fejr
noyau, 1202
ferm, 219, 260, 316
dans un compact, 230
fermeture, 318
squentielle, 249
fidle (action), 103
filtration, 1529
fine
subdivision, 932
fixateur, 102
flux
dun champ de vecteur, 865
flux dun champ de vecteurs, 862
fonction, 672
dEuler, 1183
tage, 1140
dcroissance rapide, 1160
borlienne, 454
caractristique, 797
dune variable alatoire, 1415
continue
gales, 250
par morceaux, 473
convexe, 647, 653
croissante, 672
dcroissante, 672
dfinie par une intgrale, 874, 879, 1044, 1193
dEuler, 1183
utilisation, 1435
de classe C 1 , 635
de Dirichlet, 1205
de Mbius, 206
de rpartition, 1415
diffrentiable, 1081
en escalier intgrable, 796
gnratrice, 1417
holomorphe, 999, 1193
thorme de Montel, 1195
image, 672
mromorphe
dEuler, 1183
monotone, 672
par morceaux, 473
valeurs vectorielles, 663
fondamental
domaine dune action, 105
forme
bilinaire, 302

non dgnre, 419

diffrentielle, 838
exacte, 882
ferme, 882
linaire
diffrentielle, 1082
quadratique, 417, 744, 1088, 1090, 1091
groupe orthogonal, 728
matrice associe, 417
forme canonique
fonction simple, 470
forme linaire
alterne, 283
formule
Bayes, 1403
Burnside, 105
dexpulsion (produit vectoriel), 313
de Cauchy, 1170
Hadamard, 1008
inversion Mbius, 206
probabilit totales, 1403
sommatoire de Poisson, 1220
Stirling, 326
Taylor
reste intgral, 646
utilisation, 1351
Fourier, 1220
srie
utilisation, 1211
transforme
groupe ablien fini, 771
frquence
empirique, 1497, 1515
fraction
rationnelle
intgration, 889
fraction rationnelle, 923
fractions (corps), 151
Fredholm
quation, 1061
Frenet
formules, 953
Fresnel
intgrale, 1191
Frobnius
rduction, 400
Frobenius
morphisme, 125
frontire, 260, 320
Fubini
thorme
dans Rn , 820
gnrateur, 85, 269

44
gnratrice
partir dun module, 126
gomtrie
avec des groupes, 545, 745
avec nombres complexes, 545, 745
gomtrique
avec des nombres complexes, 1211
Galton-Watson
sous-critique, 1526
sur-critique, 1526
Gauss
lemme
polynmes, 152
somme de, 190
Grnwall (lemme), 1279
gradient, 607, 617, 626
Gram (dterminant), 292
Gram-Schmidt, 306
graphe, 584, 672
de transition (chane de Markov), 1509
fonction, 628
fonction de deux variables, 630
groupe
p-groupe, 752
GLpn, Rq, 1090
action, 545
utilisation, 728
agissant sur un ensemble
didral, 744
altern, 109
driv, 87
de GLpn, Kq, 713
de SLpn, Kq, 713
du groupe altern, 111
du groupe symtrique, 109
de Galois, 217
de permutation, 784
caractres de S4 , 783
de permutations, 750
de torsion, 115
des isomtries
espace mtrique, 222
des symtries, 742
didral, 744, 751
gnrateurs (preuve), 745
gnrateurs (utilisation), 784
en gomtrie, 744
et gomtrie, 283, 545, 750
isomtries du cube, 113
fini, 185, 188, 750, 754, 761, 766
altern, 110
didral, 744
Wedderburn, 185

INDEX
linaire, 723
dcomposition polaire, 719
enveloppe convexe de pnq, 722
hyperplan, 283
sous-groupes compacts, 725
modulaire, 544
orthogonal, 297
dune forme quadratique, 728
partie gnratrice, 110, 545, 766
permutation, 283, 290, 723, 766
didral, 744
projectif, 537
quotient, 98
rsoluble, 101
spcial orthogonal, 298
symtrique, 106
action sur un triangle, 773
groupe driv
de GLpn, Cq, 707
Hadamard
formule, 1008
Hardy-Littlewood (thorme), 1052
Hausdorff, 220
Heine (thorme), 593
hermitien
produit scalaire, 376
hessienne, 644
Hilbert, 1103
holomorphe, 999
homomorphisme, 228
homogne
chane de Markov, 1503
homographie, 536, 545
homotopie, 964
hyperplan, 738
de Mpn, Kq, 283
spare
au sens strict, 1156
sparer
au sens large, 1156
hypothse
alternative, 1493
composite, 1493
multiple, 1493
nulle, 1493
simple, 1493
idal
bilatre, 123
dans un anneau, 71
maximal, 131
maximum, 172
principal

INDEX
droite, 131
gauche, 131
identifiable, 1472
identit
polarisation, 417
image, 672
ingalit
arithmtico-gomtrique, 656
Bessel, 1111
Cauchy-Schwarz, 302, 1104
de Khintchine, 1444
de la moyenne, 639
des pentes, 648
Hlder, 1129
utilisation, 1401, 1462
isoprimtrique, 1211
Jensen, 655
esprance conditionnelle, 1415
pour une somme, 655
version intgrale, 1129
Kantorovitch, 656
Markov, 1424
Minkowski, 1131
triangulaire, 221, 223
produit scalaire, 303
incompressible
champ de vecteur, 667
indcomposable
module, 126
indpendance, 1397
vnements, 1394
utilisation, 1459, 1536
affine, 520
algbrique, 217
sous tribus, 1394
variables alatoires, 1395
indicatrice dEuler, 122
indice, 96
dune courbe dans C, 1169
de rotation, 963
inductif, 69
induite
topologie, 317
tribu, 430
infrence statistique, 1465
infimum, 238
injection, 262
intgrable, 474
fonction non en escalier, 802
fonction positive, 807
intgrale
calcul, 1212
convergente, 813, 889

45
dune fonction sur une carte, 841
dune fonction sur une varit, 846
dune forme diffrentielle, 849
fonction en escalier, 796
fonction sur un intervalle, 811
Fresnel, 1191
impropre, 812, 813
sur un chemin, 846
intgration
fraction rationnelle, 889
intrieur, 259
dun ensemble, 315
point, 315
intgre
anneau, 127
interpolation, 1365
Intervalle, 1557
intervalle, 241, 672
ferm, 672
longueur, 492
ouvert, 672
intervalle de confiance
asymptotique, 1486
invariant
de similitude, 400
invariante
mesure
pour une chane de Markov, 1520
inverse gnralis, 1451
inversion, 526
dans le groupe symtrique, 107
involution, 380
irrductible
chane de Markov, 1509
dans un anneau, 130
module, 126
polynme, 142
reprsentation, 773
irrationalit
?
2, 75
isobarycentre, 515
isol
lment de R, 261
point dans un espace vectoriel norm, 321
isomtrie
despaces mtriques, 222
de forme quadratique, 729
de lespace euclidien R2 , 745
espace euclidien
isomtries du cube, 113
groupe, 222
isomorphisme
pZ{pZq Z{pp 1qZ, 188

46
despaces topologiques, 228
espace affine, 513
isotrope
cne, 420
totalement, 420
isotrope (vecteur), 420

INDEX

partie, 269
partie dun module, 126
Ligne dunivers, 1553
limite, 344
densembles, 438
dune fonction, 228
de fonctions holomorphes, 1193
jacobien, 626, 664
de suite
Jordan
espace topologique, 220
chemin, 865
fonction, 228, 551
courbe, 1210
fonction de plusieurs variables, 553
rduction, 402
infrieure, 463, 464
Jordan-Hlder, 99
inversion, 1041, 1052, 1127, 1193
permutation
Kronecker, 269
utilisation, 1417
suite, 325
lacet, 1169
suite dans Rm , 261
Lagrange
suite numrique, 234
multiplicateur, 1082
suprieure, 463, 464
polynme, 281
unicit, 229
lagrangien, 1082
linaire
(application), 272
Laplace
Lipschitz, 1058
transforme, 1417
localement, 640
Laplacien, 994
Lipschitzienne, 639
Legendre
localement
symbole, 189
intgrable, 812
Leibnitz, 584, 586
log-concave,
654
applications entre espaces vectoriels norms,
logarithme, 679, 1020
356
de matrice, 1038
lemme
loi
Borel, 1044
2 , 1445
dEuclide, 94
binomiale
de Borel-Cantelli, 1423
comportement asymptotique, 1447
de Gauss
conjointe,
1397
contenu de polynme, 129
dune variable alatoire, 1418
pour des entiers, 94
de Poisson, 1432
de Morse, 1091
des grands nombres
de Schreider, 100
forte, 1425
de Slutsky, 1421
pour les chanes de Markov, 1522
de transfert, 455
processus de Poisson, 1544
de Zorn, 69
utilisation, 1447, 1459
des noyaux, 364
marginale, 1397
Fatou, 481
normale
Gauss
vecteur gaussien, 1439
dans un anneau principal, 133
parente, 1465, 1466
polynmes, 152
parente dun chantillon, 1468
Grnwall, 1279
rciprocit quadratique, 192
Hadamard, 881
sans mmoire, 1434
regroupement, 1397
Student, 1445
Schur complexe, 381
Lokta-Voltera,
1295
Schur rel, 383
longueur
Levi-Civita, 989
lment de, 939
libre, 269
arc gomtrique, 944
action, 106

47

INDEX
dun arc paramtr compact, 932
dun intervalle, 492
dune arrte, 794
longueur darc, 934
mromorphe, 1182
Mthode
de Newton, 1346
mthode
des chemins, 561
Newton, 1351
cas convexe, 1348
mtrique
discrte, 222
maigre, 431
maigre (ensemble), 258
majorant, 236, 237
essentiel, 1128
Markov
ingalit, 1424, 1471
martingale, 1529
borne dans L2 pq, 1530
matrice, 545, 723
quivalence, 273
dans le groupe linaire, 728
associe une forme quadratique, 417
compagnon, 399
creuse, 1371
cyclique, 368
de dilatation, 138
de permutation, 138
de similitude, 999
de Sylvester, 292
de transition, 1503
de transvection, 138
dense, 1371
hermitienne
racine carr, 717
jacobienne, 617, 626
normale, 707
orthogonale, 297
permutation
lmentaire, 1377
racine carr, 717
semblable, 717
semblables, 744, 1090
stochastique, 1503
symtrique, 1090
relle, 1088
trigonalisable, 411
matrices
similitude, 273
maximal
idal, 131

maximum, 237, 239

global, 1080
local, 1080
mesurable
application, 438
au sens de m , 443
ensemble, 436
fonction, 454
Lebesgue, 792
mesure
-finie, 436
absolument continue, 790
complexe, 791
dans une carte, 840
de Borel, 460
de comptage, 437, 819
de Haar, 1065
de Lebesgue, 495
de Radon, 460, 1179
extrieure, 433
externe, 792
finie, 436
sur algbre de partie, 434
image, 457
positive, 436
probabilit, 1393
produit, 489
rgulire, 460
extrieure, 460
intrieure, 460
sur algbre de partie, 434
minimum, 239
minorant, 237
modle
chantillonnage, 1466, 1468
paramtrique, 1466
statistique, 1465
modulaire (groupe), 544
module
de continuit, 1096
indcomposable, 126
irrductible, 126
simple, 126
sur un anneau, 125
moment, 1400
fonction gnratrice, 1417
monme, 141
monogne, 85
extension de corps, 161
monotonie, 1300
morceau
fonction continue ou monotone, 473
morphisme

48
dalgbres, 149
danneaux, 117
Frobenius, 125
moyenne
de Cesaro, 333
empirique, 1402
empirique dun chantillon, 1469
quadratique, 1401
multiplicateur
de Lagrange, 1082
multiplicit
racine dun polynme, 145
racine de f pxq 0, 1345
valeur propre
algbrique, 373
gomtrique, 373
ngatif, 81
ngligeable
partie dun espace mesur, 444
nabla, 625
Newton
mthode, 1351
nilpotent, 125
niveau de confiance, 1482
nombre
complexe
norme 1, 185
dnormalis, 1326
de Fermat, 213
de Nper, 1019
normal, 1459
normalise, 1326
premier, 154, 184, 188, 757, 761, 765, 766
dans leur ensemble, 90
deux nombres entre eux, 90
thorme des deux carrs, 156
tours dune courbe plane, 962
nombre premier
polynme cyclotomique, 181
non dnombrable, 71
norm
espace vectoriel, 223
normal
arc paramtr, 944
endomorphisme, 707
nombre, 1459
sous-groupe, 85
normal extrieur
vecteur, 864
normale
loi rduite, 1438
principale, 952
normalisateur, 85

INDEX
norme, 307
quivalence, 323
dalgbre, 309
dapplication linaire, 308
dune application linaire, 308
dfinition, 223
euclidienne, 301
dans Rm , 425
oprateur, 309
subordonne, 309
supremum, 301
vecteur, 304
noyau
dune forme bilinaire, 420
Dirichlet, 1202
Fejr, 1202
nulle part dense, 258
observation, 1393
oprateur
adjoint, 377
autoadjoint, 377
dfinit positif, 384
hermitien, 377
linaire
born, 351
oprateurs
compatibles, 1119
opposs
chemins, 937
ordre, 69
lment, 86
dun groupe, 86
dun polynme, 197
dans un corps, 72
distribution, 1241
sur un anneau factoriel, 130
total, 69
orientable
varit, 843
orientation, 842
origine
abscisse curviligne, 944
repre affine, 521
orthogonal, 424, 1107
coordonnes curviligne, 988
famille de projecteurs, 126
matrice, 297
sous-espace, 278
vecteur, 304
orthonorm, 425
systme, 1110
oscillation
dune fonction, 587

49

INDEX
dune fonction en un point, 587
osculateur (cercle), 957
ouvert, 219, 241, 260, 316
dans Rn , 259
parallle
sous-espaces affines, 513
paramtrages
admissible, 943
paramtrisation, 938
normale, 944
Parseval, 1114
partie
rgulire, 686
totale, 1110
partie gnratrice, 85
partition
dun entier en parts fixes, 1186
dnombrable mesurable, 466
de lunit, 845
pav, 792, 793
pavable, 793
Pearson
theoreme, 1498
peigne de Dirac, 1250
permutation
matrice, 138
permuter
drive et intgrale
Rn , 879
dans R, 876
dans R avec les bornes, 878
drive et limite, 659
diffrentielle et intgrale
Rn , 880
intgrale
et srie, 819
limite et intgrale, 874
convergence domine, 482
convergence monotone, 479
espace mesur, 874, 875
srie entire et drivation, 1013
srie entire et intgration, 1013
somme et intgrale, 480, 1004
petit thorme de Fermat, 153
PGCD
dans un anneau intgre, 128
polynmes, 144
pgcd, 117
calcul effectif, 92
pivotale, 1484
plan
projectif, 531
tangent, 626, 662

Plancherel, 1114
plongement, 1097
Poincar (demi-plan), 544
point
dquilibre
stable, 1291
pondr, 515
point critique
dfinition, 1093
point fixe, 1526
attractif, 1058
Brouwer, 1061
Picard, 1059
Schauder, 1063
Poisson
formule sommatoire, 1220
processus, 1543
polarisation (identit), 417
polynme
plusieurs indtermines, 195, 295
altern, 175
annulateur, 364, 367
caractristique, 372, 382
contenu, 129
cyclotomique, 179
irrductibilit, 181
proprits, 180
dendomorphisme, 717
dcomposition de Dunford, 388
de Bernstein, 1461
irrductible, 142
sparable, 168
sur Fq , 207
Lagrange, 281
minimal, 163, 366
dun lment dune extension, 160
ponctuel, 367
primitif, 197
primitif (au sens du contenu), 129
racines, 176
sparable, 168
scind, 143
semi-symtrique, 175
symtrique, 175, 176, 195, 290, 295
lmentaire, 175, 178
trigonomtrique, 1153
porte
mesure, 790
positif, 80
potentiel, 853, 900
PPCM
dans un anneau intgre, 128
prcision

50
simple, 1325, 1326
prhilbertien, 1103
premier
corps, 151
deux lments dun anneau principal, 132
deux polynmes entre eux, 143
idal, 131
sous corps, 151
premier temps datteinte, 1511
premier type
rgion solide, 805
presque
nulle, 115
partout, 438
surjective, 1156
primitif
lment dun corps, 188
lment dune extension de corps, 161
polynme, 143, 197
racine, 200
primitive, 581, 811, 897
de fonction continue, 1049
et intgrale, 809, 814
fonction, 599
principal
anneau, 131
idal, 131
principe
prolongement analytique, 1101
zros isols, 1173
Principe de correspondance, 1568
probabilit
conditionnelle, 1403
problme de Cauchy, 1312
processus
adapt une filtration, 1529
arrt, 1534
croissant prvisible, 1534
Galton-Watson, 1524
Poisson, 1543
sans mmoire, 1434
produit
despaces vectoriels norms, 344
dune mesure par une fonction, 63, 483
de Cauchy, 1009
de convolution, 1139
et Fourier, 1217
distribution et fonction, 1240
espaces mesurs, 491
espaces topologiques, 220
mixte, 313, 823
scalaire
en gnral, 302

INDEX
hermitien, 376
sur Mpn, Rq, 311
sur Rn , 423
semi-direct, 112
tensoriel
de reprsentations, 782
vectoriel, 312, 822
produit remarquable, 1176
projecteur
dans un module, 126
projectif
compltion, 533
droite, 531, 533
espace, 531
groupe, 537
hyperplan, 532
plan, 531
repre, 541
sous-espace, 531
projection
orthogonale, 1106
prolongement
analytique, 1101
utilisation, 1195
de fonctions, 1097
lemme de Borel, 1044
mromorphe de la fonction , 1183
par continuit, 579, 673
dans H 1 pIq, 1264
par densit, 1097
thorme de Hahn, 452
proprit dintersection non vide, 230
puissance
dun point, 525
dun test, 1494
quasi-compact, 220
quaternion, 171
quotient, 90, 143
dans une suite de composition, 99
de groupe, 98
de groupes, 761
rciproque
continuit, 262
drivabilit, 585
rcurrent
tat, 1512
nul, 1512
point dun systme dynamique, 462
positif, 1512
rduction
dendomorphisme, 388
Frobnius, 400

51

INDEX
Jordan, 402
rel, 78
rflexif, 1149
rflexion, 732
glisse, 736
par rapport un hyperplan, 738
rgion
critique, 1493
de confiance exact, 1484
de rejet, 1493
rgularit
dune mesure, 460
extrieure de la mesure de Lebesgue, 498
intrieure de la mesure de Lebesgue, 500
rgulire
surface, 854
rgulier
arc, 941
chemin, 865
point dun arc, 941
rgulier droite, 117
rpulsif
point fixe, 1058
rsidu
mthode itrative, 1390
rsolvante, 1288
rsultant, 293
utilisation, 295, 889
rgle
du produit nul, 127
Rgle de Leibnitz, 586
racine
carr
de matrice hermitienne, 717
carr de matrice
hermitienne positive, 717
de lunit, 119, 181, 184, 413, 545, 745
primitive, 121
utilisation, 180
de polynme, 163
multiple, 1345
primitive, 200
simple, 1345
racine carr, 570
raffinement, 932
subdivision dun pav, 794
rang, 272, 283, 744
classe dquivalence, 273
diagonalisation, 384
diffrentielle, 1082
utilisation, 1109
rare, 431
rayon

de convergence, 1007
de courbure, 952
de torsion, 953
spectral, 309, 389
recouvrement, 594
rectangle
produit de tribus, 484
rectifiable, 932
arc gomtrique, 944
rejet
rgion dans une prise de dcision, 1493
relvement, 962
relations
coefficient-racines, 178
de Chasles, 509, 916
relativement
compact, 220, 1123
repre
affine, 520
cartsien
espace affine, 509
de Frenet, 952
projectif, 541
Reprsentation
virgule flottante normalise, 1324
reprsentation, 772
de groupe fini
caractres de S4 , 783
fidle, 769
groupe didral, 784
irrductible, 773, 774
produit tensoriel, 782
rgulire gauche, 778
virgule fixe, 1324
reste, 90, 143
dun dveloppement limit, 686
risque
premire espce, 1494
quadratique, 1473
seconde espce, 1494
rupture
corps, 164
spar, 220
espace topologique, 220
sparable, 1110
lment dune extension, 170
espace topologique, 220
extension de corps, 170
polynme irrductible, 168
polynme non constant, 168
spare
les points, 1047
srie

52
dans un espace vectoriel norm, 326
de Fourier, 1206, 1220
utilisation, 1211
de Laurent, 1182
de puissance, 1007
divergence, 326
donnant p1 Aq1 , 328
entire, 1007, 1041, 1220
Abel angulaire, 885
fonctions holomorphes, 1170
processus de Markov, 1526
utilisation, 1186, 1417
fonctions, 1052, 1220
gnratrice dune suite, 1028
utilisation, 1186
gomtrique, 332
harmonique, 332
nombres, 1052
numrique, 765, 1041
Riemann, 332
Taylor, 1029
Schrdinger, 1307
Schur (thorme), 776
section, 602
de graphe, 628
proprit des, 486
segment
dans Rp , 241
dans un espace affine, 515
semblables
matrices, 377
semi-dfinie positive, 384
semi-norme, 263
semi-simple
endomorphisme, 369
semi-symtrique
polynme, 175
signature
dune permutation, 107
similitude, 999
simple
extension de corps, 161
fonction, 470
module, 126
singularit, 1182
effaable, 1182
ple, 1182
sinus
hyperbolique, 685
sinus cardinal, 926
solfge, 120
solution
gnrale, 1310

INDEX
particulire, 1310
somme
infrieure, 799
partielle, 326
suprieure, 799
somme directe (de reprsentations), 773
somme partielles
Abel angulaire, 885
sommet, 976
sous anneau, 123
sous arc, 929
sous-additivit
sur algbre de parties, 434
sous-espace
affine engendr par une partie, 514
caractristique, 386
sous-groupe
caractristique, 85
distingu, 761
dans le groupe altern, 110
engendr, 85
normal, 98, 761
sous-martingale, 1529
sous-module, 126
sous-suite, 592
spectre
dun endomorphisme, 375
matrice hermitienne, 381
matrice symtrique relle, 384
sphre, 313
de Riemann, 544
stabilit
dun point dquilibre, 1291
Lyapunov, 1292
stable, 1332
stathme
sur Zris, 154
stathme euclidien, 133
stationnaire
chane de Markov, 1520
statistique, 1473
statistiques
descriptives, 1465
structure
complexe, 959
structure danneau canonique, 117
Student, 1445, 1486
subdivision, 794
associe une fonction, 795
dun intervalle, 932
suite, 115
quirpartie, 1212
critre de Weyl, 1212

53

INDEX
arithmticogomtrique, 333
dfinie par itration, 1351
de Cauchy, 223, 325
dans un corps, 72
de composition, 99
de fonctions, 1127
thorme de Montel, 1195
de fonctions intgrables, 874, 1193
de Jordan-Hlder, 99
exacte, 111
rgularisante, 1227
support, 796
distribution, 1241
famille dlments, 115
supremum, 237, 238
dune suite densembles, 429
sur-martingale, 1529
surface paramtre, 853
surjection, 262
Sylow
p-Sylow, 752
Sylvester (matrice), 292
symtrique
polynme, 175
symbole
de Legendre, 189
systme
fondamental, 1286
orthonorm, 1110
trigonomtrique, 1111, 1153
tangent
vecteur unitaire, 952
tangente, 679, 949, 1025
tangente un chemin, 1094
Tangente hyperbolique, 1562
tangente hyperbolique, 686
taubrien, 1050
taux daccroissement, 647
Taylor, 644
srie entire, 1028
temps darrt, 1532
temps de retour, 1511
termine
martingale, 1533
test, 1493
bilatral, 1494
unilatral, 1494
thorme
lment primitif, 170, 197, 198
accroissements finis, 358
drive directionnelle, 603
dans R, 598
forme gnrale, 639

Ascoli, 1123
Bzout
polynmes, 144
utilisation, 293
Baire, 258
Banach-Steinhaus, 1124
avec semi-normes, 1125
base incomplte, 271
Beppo-Levi, 479
Bolzano-Weierstrass, 251
Bolzano-Weierstrass dans Rn , 245
Borel-Cantelli, 1393
Borel-Lebesgue, 244
Brouwer, 1062
dimension 2, 1172
Carathodory, 519
Cauchy, 752
Cauchy-Arzela, 1068
Cauchy-Lipschitz, 1066
Cayley-Hamilton, 374, 716
central limite, 1427
processus de Poisson, 1545
Chevalley-Warning, 195
chinois, 158
anneau des polynmes, 142
anneau principal, 132
Cochran, 1470
Cochrane, 1471
convergence
domine de Lebesgue, 482
monotone, 479
dAlembert-Gauss, 142
dcomposition des noyaux
et exponentielle de matrice, 366
de Baire, 267
de Jordan, 978
de reprsentation de Riesz, 1109
des deux carrs, 156
version faible, 154
Dini, 658
Dirichlet, 1202
forme faible, 184
Doob, 1533
du rang, 273
extension disomtrie, 1098
extrema
li, 1082
Fejr, 1203
fonction implicite dans Rn , 1075
fonction implicite dans Banach, 1074
fondamental du calcul intgral, 810
Fubini
dans Rn , 820

54

INDEX
espace mesur, 816
version compacte dans R2 , 902
Fubini-Tonelli, 815
fuite des compacts, 1290
Gauss
polynmes, 152
Gauss-Wantzel, 213
Glivenko-Cantelli, 1479
Hahn-Banach, 1154
Hardy-Littlewood, 1052
Heine, 593
incidence, 532
inversion locale, 1070
utilisation, 1082, 1091
isomorphisme
premier, 88
second, 88
troisime, 89
isomorphisme de Banach, 1123
Jordan, 1210
Kronecker, 295
Lagrange, 96
Lie-Kolchin, 415
Lokta-Voltera, 1296
Markov-Takutani, 1065
Montel, 1195
Pappus
affine, 535
projectif, 536
Pearson, 1498
petit de Fermat, 153
Picard, 1059
point fixe
Brouwer, 1172
projection
cas vectoriel, 1106
partie ferme convexe, 1104
prolongement de Hahn, 452
prolongement de Riemann, 1182
Radon-Nikodym, 790
complexe, 791
reprsentation de Riesz, 1150
Rolle, 597
Rothstein-Trager, 889
Runge, 1174
Schauder, 1063
Schur, 776
spectral, 387
autoadjoint, 422
matrice symtrique, 384
matrices normales, 382
stabilit de Lyapunov, 1292
Stone-Weierstrass, 1047, 1049

Sylvester, 744
taubrien, 1050
taubrien faible, 887
transfert, 1418
Tykhonov, 256
dnombrable, 258
fini, 257
valeurs intermdiaires, 570
Von Neumann, 1078
Wedderburn, 185
Weierstrass, 252
topologie, 219, 317
-faible, 265, 1239
p-adique, 343
et semi-normes, 263
faible, 309
forte, 309
induite, 231
mtrique, 221, 241
produit, 220
sur Dpq , 1236
sur DpKq , 1236
sur C 8 pq , 1236
sur dual topologique, 265
usuelle sur Rn , 317
topologique
somme directe, 1107
torsion, 953
dun groupe, 115
totale, 1110
trace, 1271
dual de Mpn, Kq, 282
endomorphisme, 409
matrice, 409
produit scalaire sur Mpn, Rq, 311
unicit pour la proprit de trace, 282
transcendant, 172
par rapport une extension de corps, 172
transforme
de Cauchy, 1179
de Fourier, 1217, 1416
continuit, 1218
groupe ablien fini, 771
Fourier
distribution tempre, 1246
Laplace, 1417
transformation
Fourier, 1220
gaussienne, 1372
transient
tat, 1512
transition
probabilit, 1503

55

INDEX
transitive, 106
transitoire
tat, 1512
transpose, 278
transvection, 708
transvection (matrice), 138
transversale, 105
tribu, 429
borlienne, 431
de Baire, 432
de Lebesgue, 495
engendre, 430
par un vnement, 1395
par une application, 455
par une variable alatoire, 1395
induite, 430
produit, 484
trigonalisation
et polynme caractristique, 412
simultane, 415
triplet
pythagoricien, 137
type
fini
en algbre, 172
espace vectoriel, 270

binomiale
utilisation, 1536
centre, 1400
de Bernoulli
utilisation, 1536
de Rademacher, 1443
intgrable, 1400
suite de variables alatoire de Bernoulli, 1524
variance, 1401
empirique, 1401, 1469
empirique corrige, 1469
vecteur gaussien, 1439
variation des constantes, 1282, 1286
vecteur
cyclique, 368
gaussien, 1439
propre, 375
unitaire normal, 952
unitaire tangent, 950
Vitali (ensemble), 503
vitesse dun chemin, 930
voisinage, 240, 317
volume
dune rgion solide, 806
rgion borne dans R3 , 803
vraisemblance, 1476

unicit
des mesures, 441
unipotent, 125
unitaire
normale principale, 952

Wronskien, 1299

valeur
principale (distribution), 1244
propre, 375
singulire, 392
valeur absolue
p-adique, 343
valeur propre
dune forme quadratique, 419
valuation, 142
p-adique, 343
Vandermonde (dterminant), 289
varit, 1082
varit
oriente, 843
variable
de dcision, 1494
variable alatoire, 1394
absolument continue, 1394
Bernoulli
marche alatoire, 1506
utilisation, 1461

56

INDEX

Chapitre 17

Espaces de Hilbert
17.1

Espaces de Hilbert

Dfinition 17.1.
Un espace de Banach est un espace vectoriel norm complet pour la topologie de la norme.
Dfinition 17.2.
Un espace vectoriel muni dun produit scalaire est une espace prhilbertien. Si il est complet 1
pour la norme induite par le produit scalaire alors il est de Hilbert.
Dans les deux cas nous considrons la topologie mtrique drivant du produit scalaire.
La diffrence entre un espace de Hilbert et un espace de Banach est que dans le cas dun espace
de Hilbert, nous demandons que la norme drive dun produit scalaire.
Dans le cas des espaces de dimension finie, le fait dtre complet est automatique, comme le
montre la proposition suivante.
Proposition
`
17.3.
Soit E, }.} un espace vectoriel norm sur un corps
C). Alors E est complet.

K qui est complet (typiquement K est R ou

Dmonstration. Nous considrons une suite de Cauchy

pfn q dans E et si te u est une base orthonorme de E nous dfinissons les coefficients fn an e . La somme sur est finie par
hypothse sur la dimension de E.
Nous avons

}fn fm } } pan am qe }
|an am |2 .
(17.1)

?
Pour tout , il existe N tel que si m, n N alors |an8 am | . Autrement dit, pour chaque ,
la suite
pan qPN est de Cauchy dans K et converge donc dans K. Soit a la limite et dfinissons
f a e . Nous avons alors

}fn f } } pan a qe },
(17.2)

dont la limite n 8 est bien zro. Donc la suite pfn q converge vers f P E. Lespace E est alors
complet.
Proposition 17.4.
Si H est un espace de Hilbert rel, alors
}x ` y}2 }x}2 ` }y}2 ` 2xx, yy.

(17.3)

}x ` y}2 }x}2 ` }y}2 ` 2 Rexx, yy.

(17.4)

Si H est un espace de Hilbert complexe alors

1. Dfinition 5.30.

1103

1104

CHAPITRE 17. ESPACES DE HILBERT

Dans les deux cas nous avons lingalit de Cauchy-Schwarz :

(17.5)

|xx, yy| }x}}y}.

Dans un espace vectoriel de dimension infinie, tous les oprateurs linaires ne sont pas continus.
Exemple 17.5
Soit un espace vectoriel V engendr par la base tek ukPN et lapplication linaire T : V V donne
par
T ek kek .
(17.6)

Nous allons montrer que limage inverse de la boule unit ouverte O nest pas ouverte. En effet si
pk q est une suite de rels strictement positifs tendant vers zro, les vecteurs

1
ak
` k ek
(17.7)
k
sont hors de T 1 O parce que

(17.8)

T ak p1 ` kk qek .

Mais la suite pak q converge vers 0 qui fait partie de T 1 O. Donc le complmentaire de T 1 O nest
pas ferm, ce qui prouve que T 1 O nest pas ouvert.
4

17.2

Thorme de la projection

Thorme 17.6 (Projection sur partie ferme convexe[226, 227]).

Soit H un espace de Hilbert, x P H , et C un sous ensemble ferm convexe de H .
(1) Les deux conditions suivantes sur y P H sont quivalentes :
(a) }x y} inft}x z} tel que z P Cu,

(b) pour tout z P C, Rexx y, z yy 0.

(2) Il existe un unique y P H , not y projC pxq vrifiant ces conditions.

Dmonstration. Nous commenons par prouver lexistence et lunicit dun lment dans C vrifiant la premire condition. Ensuite nous verrons lquivalence.
Nous nommons d linfimum en question de la premire condition.
Existence Soit pyn q une suite dans C telle que
lim }x yn } inft}x y} tel que z P Cu d.

n8

(17.9)

Nous allons montrer que cette suite peut tre choisie de Cauchy. Elle convergera donc
dans H parce que ce dernier est complet. Mais C tant suppos ferm dans H , la limite
appartiendra C. Soient r, s P N. Dabord nous avons
}yr ys }2 xyr ys ` x x, yr ys ` x xy
2

}yr x} ` }ys x} 2xyr x, ys xy.

(17.10a)
(17.10b)

Ensuite,

2
yr ` ys

x xyr ` ys 2x, yr ys 2xy

4
2

}yr x}2 ` }ys x}2 ` 2xyr x, ys xy.

Si nous galisons les valeurs de 2xyr x, ys xy nous trouvons

2
yr ` ys

}yr ys } 4
x ` 2}yr x}2 ` 2}ys x}2 .
2

(17.11a)
(17.11b)

(17.12)

1105

17.2. THORME DE LA PROJECTION

La distance infimum tant d, nous pouvons choisir yn de telle faon avoir
}yn x} d `

1
.
n

(17.13)

Dautre part tant donn que C est convexe, pyr ` ys q{2 est dans C et nous avons

yr ` ys

x d.
(17.14)
2

En mettant ces majorations dans (17.12) nous trouvons

1
1 1
1
2
`2 d`
` .
}yr ys } 4d ` 2 d `
r
s
r s

(17.15)

La suite pyn q est donc de Cauchy et la limite est un lment de C. Prouvons que cet lment
y ralise linfimum. Pour cela nous avons les ingalits
d }x y} }x yn } ` }yn y}.

(17.16)

d }x y} d.

(17.17)

En prenant le limite n 8 nous trouvons

Unicit Mme preuve que pour le thorme en dimension finie 6.235.

(1)a (1)b Mme preuve que pour le thorme en dimension finie 6.235.
(1)b (1)a Mme preuve que pour le thorme en dimension finie 6.235.

Proposition 17.7.
Soit C une partie convexe et ferme de lespace de Hilbert H . Alors pour tout x1 , x2 P H nous
avons
} projC px1 q projC px2 q} }x1 x2 }.
(17.18)
En particulier la projection est une application continue.

Dmonstration. Nous posons y1 projC px1 q et y2 projC px2 q. Par la partie (1)b du thorme
17.6, nous avons, pour tout z, z 1 P C les ingalits
Rexx1 y1 , z y1 y 0

(17.19a)

Rexx2 y2 , z y2 y 0.

(17.19b)

Rexpx1 y1 q ` py2 x2 q, y2 y1 y 0.

(17.20)

En prenant z y2 et z 1 y1 et en sommant nous trouvons

Nous pouvons maintenant calculer

}y1 y2 }2 Re }y1 y2 }

Rexy1 y2 , py1 x1 q ` x1 x2 ` px2 y2 qy

Rexy1 y2 , x1 x2 y ` Rexy2 y1 , px1 y1 q ` py2 x2 qy

xy1 y2 , x1 x2 y

xy1 y2 , x1 x2 y

(17.21)

}y1 y2 }}x1 x2 }.

En simplifiant par }y1 y2 } 2 nous trouvons le rsultat

}y1 y2 } }x1 x2 }.
2. Si cest nul, alors la preuve est vidente.

(17.22)

1106

CHAPITRE 17. ESPACES DE HILBERT

Thorme 17.8 (Projection orthogonale).

Soit H un espace de Hilbert et K, un sous-espace vectoriel ferm non rduit t0u et x P H .
Llment projK pxq est lunique lment de K tel que

(17.23)

x y P K K.

De plus lapplication x projK pxq est linaire, continue et de norme 1.

Llment y ainsi dfinit est la projection orthogonale de x sur K et sera not projK pf q.

Dmonstration. La continuit de la projection est donn par la proposition 17.7.

Soit z un lment de K tel que xz x, ay 0 pour tout a P K. Nous avons
}x a}2 }z x}2 ` }a z}2 ` 2 looooooomooooooon
xz x, a zy

(17.24a)

}z x} .

(17.24b)

Le produit scalaire est nul parce que a z P K. La distance }z x} est donc bien la plus petite
distance entre x et les lments de K.
Dans lautre sens, nous supposons que y P K minimise la distance x dans K. Par hypothse
pour tout a et pour tout P R, la diffrence
}py ` aq x}2 }y x}2

(17.25)

2 }a}2 ` 2xa, y xy 0

(17.26)

est positive. En dveloppant les produits scalaires nous trouvons la conditions suivante
qui doit tre vraie pour tout P R. En tant que polynme du second degr en , cela naura pas
deux racines relles distinctes uniquement si xa, y xy 0.
Nous montrons maintenant la linarit de la projection orthogonale. Soient x1 , x2 P H . Llment y projK x1 ` projK x2 satisfait la condition dorthogonalit : pour tout z P K,
xx1 ` x2 projK x1 projK x2 , zy xx1 projK x1 , zy ` xx2 projK x2 , zy 0.

(17.27)

tant donn que K est un sous-espace vectoriel, la condition de minimalit est automatiquement
vrifie (seconde partie du thorme 17.6).
En ce qui concerne la norme oprateur de projK , la dcomposition de x P H en composantes
dans K et K K est
x x ` px projK xq.
(17.28)
tant deux parties orthogonales nous avons

} projK x}2 }x}2 }x projK x}2 .

(17.29)

En prenant }x} 1 nous trouvons } projK x}2 1 et par consquent } projK } 1. Mais dautre
part en prenant x P K nous avons automatiquement } projK } 1.
Proposition 17.9.
Soit H L2 p, A, q, F une sous tribu de A et K lensemble de fonctions F-mesurables dans
L2 p, A, q. Si f P L2 p, A, q est positive, alors projK f est positive (presque partout).
Dmonstration. Lensemble A tprojK f 0u est dans F. En effet
`

A pprojK f q1 s8, 0r

alors que, par construction, projK f est F-mesurable. La fonction indicatrice

mesurable (cest dire 1A P K) et nous avons

0
f 1A
projK f 1A 0.

(17.30)

1A est alors F(17.31)

tant donn que nous avons suppos f 0 nous avons alors pAq 0. Do le fait que projK f
est presque partout positive.

1107

17.3. SYSTMES ORTHOGONAUX ET BASES

17.3

Systmes orthogonaux et bases

Dans cette partie nous noterons K le corps de base de lespace H . Seuls deux cas sont envisags :

K C ou K R.

Pour chaque x P H nous considrons lapplication

x : H K

y xx, yy.

(17.32)

Lemme 17.10.
Lapplication : H LpH , Kq donne par y y est une isomtrie : nous avons }y } }y}.
De plus pour chaque y, lapplication y est continue.
Dmonstration. En utilisant la dfinition de la norme oprateur et lingalit de Cauchy-Schwarz,
}y } sup }y pxq} sup |xx, yy| sup }x}}y} }y}.
}x}1

(17.33)

Par consquent }y } }y}. Mais dautre part le fait que y pyq }y}2 montre que }y } }y}.
En ce qui concerne la continuit de y , elle est garantie par le fait que cest une application
linaire borne via la proposition 6.217.

17.3.1

Orthogonalit

Si A est une partie de H alors nous notons

AK ty P H tel que y K c@x P Au.

(17.34)

cet ensemble est lorthogonal de A.

Proposition 17.11.
Si H est une prhilbert et si A H , alors lensemble AK est un sous-espace ferm de H .

Dmonstration. Par dfinition lapplication x est continue pour chaque x P H et par consquent
lensemble ker x 1
x pt0uq est ferm. Lensemble

AK
ker x
(17.35)
xPA

est donc ferm.

Proposition 17.12 (wikipdia).

Soit V un espace vectoriel norm et une dcomposition en somme directe V F G. Alors les
trois conditions suivantes sont quivalentes.
(1) Lisomorphisme naturel F G v est un homomorphisme.

(2) F et G sont ferms et la restriction G de la projection V V {F est un homomorphisme.

(3) F et G sont ferms et la projection de E sur F est continue.

Lorsquune dcomposition en somme directe vrifie la proposition 17.12, nous disons que la
dcomposition est topologique.
Thorme 17.13.
Soit H un espace de Hilbert et F un sous-espace ferm de H . Alors
(1) Nous avons la dcomposition

H F F K.

(17.36)

(2) La projection sur F par rapport la somme directe (17.36) est la projection projF du
thorme de projection.

1108

CHAPITRE 17. ESPACES DE HILBERT

(3) La dcomposition (17.36) est topologique.

Proposition 17.14.
Si F est un sous-espace de lespace de Hilbert H alors on a F KK F .

Dmonstration. Nous savons par la proposition 17.11 que F K est ferm, par consquent le thorme
17.13 donne la somme directe
H F K F KK .
(17.37)

Mais F tant galement ferm nous avons la somme directe

H F pF qK .

(17.38)

Montrons que pF qK F K . En effet si x P F K et si y P F , alors il existe une suite yn dans F qui

converge vers y. Pour chaque n nous avons xx, yn y 0 et dons xx, yy 0 par continuit du produit
scalaire.
Nous avons donc
H F K F KK F F K .
(17.39)

Mais F F KK (prendre une suite). Les espaces F et F KK tant tous deux des supplmentaires de
F K , nous dduisons quils doivent tre gaux.

Proposition 17.15.
Soit H un espace de Hilbert et F un sous-espace vectoriel de H . Alors F est dense si et seulement
si F K t0u.
Dmonstration. Nous savons que

H F K F .

(17.40)

Donc nous avons H F si et seulement si F K t0u.

Pour vrifier si un sous-espace vectoriel dun espace de Hilbert est dense, il suffit donc de
montrer que son orthogonal est rduit zro.
Lemme 17.16 (Thorme fondamental dapproximation [124]).
Soit un espace mesurable et f : r0, 8s une application mesurable. Alors il existe une suite
croissante dapplications tages n : R` dont la limite est f .
De plus si f est borne, la convergence est uniforme.
Thorme 17.17 ([228]).
Soit I un intervalle de R. Lespace Cc pIq des fonctions continues support compact sur I est
dense dans L2 pIq.
Ce thorme sera gnralis tous les Lp pRd q par le thorme 18.40. Cependant Lp ntant
pas un Hilbert, il faudra travailler sans produit scalaire.

Dmonstration. Soit g P L2 pIq une fonction telle que g K f pour toute fonction f P Cc pIq. Nous
avons donc

xf, gy f g 0.
(17.41)
I

En passant ventuellement aux composantes relles et imaginaires nous pouvons supposer que les
fonctions sont toutes relles. Nous dcomposons g en parties positives et ngatives : g g ` g .
Notre but est de montrer que g ` g , cest dire que g est nulle. La proposition 17.15 conclura
que Cc pIq est dense dans L2 pIq.
Soit un intervalle ra, bs I et une suite croissante de fonctions fn P Cc pIq convergent vers
1ra,bs . Par hypothse pour chaque n nous avons

fn g

fn g .

(17.42)

1109

17.3. SYSTMES ORTHOGONAUX ET BASES

La suite tant croissante, le thorme de la convergence monotone (thorme 7.129) sapplique et

nous avons
b

g`,
(17.43)
fn g `
lim
n8 I

de telle sorte que nous ayons, pour tout intervalle ra, bs I lgalit
b
b
`
g.
g

De plus ces intgrales sont finies parce que

b
b
?
`
|g| |g|1ra,bs x|g|, 1ra,bs y }g}L2 b a 8
g
a

(17.44)

(17.45)

par lingalit de Cauchy-Schwarz.

Soit maintenant un ensemble mesurable A I. La fonction caractristique 1A est mesurable
et il existe une suite croissante de fonctions tages pn q convergente vers a par le lemme 17.16.
multiples prs, les fonctions n sont des sommes de fonctions caractristiques du type 1ra,bs , par
consquent, en vertu de (17.44) nous avons

`
n g n g .
(17.46)
I

Une fois de plus nous pouvons utiliser le thorme de la convergence monotone et obtenir

`
g
g
(17.47)
A

pour tout ensemble mesurable A I. Si nous notons dx la mesure de Lebesgue, les mesures g ` dx
et g dx sont par consquent gales et domines par dx. Par le corollaire 13.5 du thorme de
Radon Nikodym, les fonctions g ` et g sont gales.

17.3.2

Dual

Dfinition 17.18.
Le dual de lespace de Hilbert H est lensemble
H 1 tf : H K linaire et continueu.

(17.48)

Notons que dans le contexte des espaces de Hilbert nous demandons la continuit des lments
du dual parce quelle nest pas automatique par la linarit dans les cas de dimension infinie. En
principe nous devrions prciser dual topologique, mais nous ne le ferons pas systmatiquement
lorsque le contexte parle clairement de topologie (ce qui est le cas lorsquon parle despaces de
Hilbert). De temps en temps le dual algbrique dun espace est not E ; dans ce cas la continuit
nest pas demande.
Thorme 17.19 (Thorme de reprsentation de Riesz).
Lapplication
: H H 1
est une bijection isomtrique.

y y

(17.49)

Dmonstration. Nous savons du lemme 17.10 que est une isomtrique. Nous devons seulement
montrer que est surjective. Soit f P H 1 . Par continuit nous savons que F kerpf q est ferm,
donc
H kerpf q pker f qK
(17.50)
par le thorme 17.13. Nous considrons une base de H adapte cette dcomposition, cest dire

1110

CHAPITRE 17. ESPACES DE HILBERT

pus qsPS une base de ker f ,

pvt qtPT une base de pker f qK .
Il se fait que T se rduit un seul lment parce que si v P pker f qK , alors f pvq 0, et par
consquent tf pvqu est dj une base de Image f K. Le thorme du rang (thorme 6.13) assure
alors que
tvu Y tus usPS
(17.51)
est une base de H avec v P pker f qK et us P ker f . Nous choisissons v pour avoir }v} 1.
Nous pouvons maintenant prouver lexistence de y tel que fy f . En effet si nous posons
y f pvqv nous avons fy f , en effet
fy pvq xv, yy f pvqxv, vy f pvq

fy pus q xus , yy 0.

(17.52a)
(17.52b)

Par consquent fy et f concident sur une base de H .

En ce qui concerne lunicit, dabord si fy f alors nous devons avoir y P pker f qK et par
consquent y v pour un certain P K. Nous avons alors
vy .

fy pvq xv,

(17.53)

Pour que cela soit gal f pvq, nous fixons f pvq.

Notons que nous avons rellement utilis le thorme du rang pour lunicit. Si nous ne demandions pas lunicit, alors nous navions pas besoin du fait que dimpker f qK 1, et nous aurons
donc pu parler de formes plus gnrales valeurs dans Kn .

17.3.3

Sparabilit

Dfinition 17.20.
Un espace topologique est sparable si il possde une partie dnombrable dense.
Dfinition 17.21.
Si E est un espace vectoriel norm nous disons que est une partie totale[229] de E si Span est
dense dans E. Attention : ici Span est lensemble des combinaisons linaires finies dlments
de .
Proposition 17.22.
Un espace vectoriel norm est sparable si et seulement si il possde une partie totale dnombrable.
Dmonstration. Si est une partie dnombrable de E, alors le
dnombrable, et sa fermeture est la mme que celle de SpanK .

Q-espace vectoriel SpanQ est

Dfinition 17.23.
Une famille pui qiPI dlments de H indice par un ensemble quelconque I est un systme orthonorm si
(1) }ui } 1 pour tout i P I,
(2) ui K uj pour tout i j.

Notons que si pun qnPN est un systme orthonorm dnombrable alors en utilisant les formules
de la proposition 17.4, nous avons
n
n

k uk
|k |2 .
k1

k1

(17.54)

1111

17.3. SYSTMES ORTHOGONAUX ET BASES

Exemple 17.24
Dans lensemble L2 pa, bq avec b a L lensemble des fonctions
en ptq ?

1
2
expp intq
L
ba

(17.55)

avec n P Z forme un systme orthonorm. En effet

et

1
xen , en y
ba

expp

1
xen , em y
ba

2
2
intq expp intq 1
L
L

b
a

e L pnmqt dt 0.

(17.56)

(17.57)

Dans cette intgrale nous utilisons le fait que b a ` pb aq pour simplifier les expressions en
cours de calcul.
La famille (17.55) est le systme trigonomtrique de L2 pa, bq. On en parle aussi dans [212].
4
Proposition 17.25.
Un systme orthonorm est libre.
Dmonstration. Soit pui qiPI un systme orthonorm de H et une combinaison linaire finie nulle :
n

k1

ak uk 0.

(17.58)

Nous dveloppons la somme en utilisant les formules de la proposition 17.4 :

0 } ak uk }2
|ak |2 }uk }2 ` 2 xak uk , al ul y.
k

(17.59)

kl

Le systme tant orthonorm, les choses se simplifient en

|ak |2 0,

(17.60)

ce qui signifie que ak 0 pour tout k.

Avant de continuer nous devons dfinir comment nous calculons des sommes sur des ensembles
quelconques. Si I est un ensemble et si pour chaque i P I nous avons un nombre rel positif ai ,
alors nous dfinissons

ai sup
aj .
(17.61)
iPI

JI
J fini jPJ

Proposition 17.26 (Ingalits de Bessel).

Soit H un prhilbert. Si pui qiPI est un systme orthonorm et si x P H , alors

xx, ui y2 }x}2 .

(17.62)

iPI

Dmonstration. Les lments de la somme tant des rels positifs, la notion de somme utiliser
est celle de la dfinition 6.185.
Posons ci pxq xx, ui y. Pour toute partie finie J I nous avons

2
0 x
cj pxquj }x}2 2 Re xx, cj pxquj y ` |cj pxq|2 .
(17.63)
jPJ

1112

CHAPITRE 17. ESPACES DE HILBERT

Mais en tenant compte du fait que

xx, cj pxquj y cj pxqxx, uj y |cj pxq|2 ,
nous restons avec
}x
Finalement,

jPJ

cj pxquj } }x}2

jPJ

jPJ

|cj pxq|2 .

|cj pxq|2 }x}2 .

(17.64)
(17.65)

(17.66)

Ayant cette ingalit pour toute partie finie de I, nous lavons encore pour le supremum.
Remarque 17.27.
mon avis il doit exister un thorme de compltion de base hilbertienne disant que si on a
une famille orthonorme, alors elle se prolonge en base. Utilisant cela, nous trouvons une nouvelle
dmonstration de la proposition 17.26 en disant que la somme sur la partie de base est plus
petite que la somme sur la base complte.
Dans la suite les systmes orthonorms dnombrables vont jouer un rle important. Nous allons
conventionnellement les indicer par N.
Proposition 17.28.
Soit H un prhilbert et un systme orthonorm dnombrable pun qnPN . Si
x
alors n xx, un y.

n un ,

(17.67)

n1

Dmonstration. Nous appliquons uk lquation (17.67). tant donn que le produit scalaire est
continu, nous pouvons permuter avec la somme infinie et obtenir
xx, uk y

xun , uk y k .

(17.68)

n0

La proposition suivante explique que la notion de projection est compatible avec la dcomposition dun vecteur dans un systme orthonorm.
Proposition 17.29.
Soit puk qk1 un systme orthonorm dun prhilbert H . Soient
x
et
Alors

k uk

(17.69)

k1

F Spantu1 , . . . , un u.
projF pxq

k uk .

(17.70)
(17.71)

k1

Dmonstration. Nous allons dans un premier temps montrer que

y x

k1

k uk

(17.72)

1113

17.3. SYSTMES ORTHOGONAUX ET BASES

est dans F K . Pour cela nous calculons
n
8

xx
k uk , uj , y x
k uk , uj y 0
k1

(17.73)

kn`1

o nous avons utilis la continuit du produit scalaire pour permuter la somme (infinie) et le
produit. tant donn que y P F K nous avons projF y 0 par le point (2) du thorme 17.13.
Dautre part projF y peut tre calcul selon
projF y projF x

k projF uk

(17.74)

k1

tandis que projF uk uk lorsque 1 k n. Par consquent lannulation de projF y donne

projF x
donc le rsultat.

k uk ,

(17.75)

k1

Thorme 17.30 (Meilleur approximation).

Soit tui uiPI une famille orthonorm de lespace de Hilbert H . Alors pour tout x P H et pour tout
J fini dans I et pour toute famille de nombres complexes paj qjPJ nous avons

} xx, uj yuj x} }
aj uj x}.
(17.76)
jPJ

jPJ

Ce thorme exprime le fait que les nombres xx, ui y sont les meilleurs coefficients mettre
devant les ui pour approximer x.
Corollaire 17.31.
Soit tui uiPI une famille orthonorm de H . Pour tout x P H et pour toutes parties finies J, K de
I avec J K nous avons

}
xx, uj yuj x} } xx, uj yuj x}.
(17.77)
jPK

jPJ

Ce corollaire exprime le fait que plus on prend de termes de la forme x, ui yui , mieux cest.

Proposition 17.32.
Soit H un espace de Hilbert et pun q un systme orthonorm dans H . Si pn qnPN est une suite
dans `2 alors la srie
8

n un
(17.78)
converge dans H .
Autrement dit lapplication

est surjective.

n1

S : H `2
`

x xx, un y n1

(17.79)

Dmonstration. Nous allons montrer que la srie 8

n1 n un est de Cauchy, cest dire que la
limite

n`p

lim
k uk 0
(17.80)
n8

kn

est uniforme en p. Cela est un corollaire de la formule (17.54) parce que

n`p
2 n`p

k uk
|xk |2 .
kn

(17.81)

kn

Mais si pn q est dans `2 , pour tout , il existe N tel que si n N alors le membre de droite est
infrieur  indpendamment de p.

1114

CHAPITRE 17. ESPACES DE HILBERT

17.3.4

Bases despaces de Hilbert

Dfinition 17.33.
Une base orthonorme est une famille dnombrable orthonorm et totale.
Notons que cela nest pas la mme notion de base quen algbre. En effet pour avoir une base
algbrique dun espace vectoriel, nous demandons que les lments soient des combinaisons linaires
finies des lments de la base, tandis quici en demandant que la partie soit totale nous demandons
simplement que les combinaisons linaires finies soient denses.
Nous allons voir quun espace de Hilbert est gnr par les sommes infinies de vecteurs dune
base orthonorm avec des coefficients qui forment une suite dans `2 .
tant donn une base hilbertienne de H , nous notons
(17.82)

ck pxq xx, uk y.

Dans le thorme suivant (et dailleurs partout), les sommes sur I sont prises au sens de la dfinition
6.186.
Thorme 17.34 (Dcomposition dans une base orthogonale).
Soit H un espace de Hilbert sparable tui uiPI une base orthonorme (I est un ensemble dnombrable
quelconque).
(1) Pour tout x P H nous avons

iPI

xx, ui yui

(17.83)

o la somme est prise au sens de la dfinition 6.186. En particulier, la somme converge de

faon commutative.
(2) Si tei uiPI est une famille orthonorme qui satisfait la dcomposition (17.83) pour tout x P H
alors tei u est une base hilbertienne.

(3) Nous avons lidentit de Plancherel

}x}2

iPI

|xx, ui y|2 .

(17.84)

Le point (5) nous indiquera que cette galit est en fait suffisante pour dire que nous avons
une base.
(4) Nous avons lidentit de Parseval
xx, yy

iPI

xx, ui yxy, ui y.

(17.85)

(5) Si tei u est une famille de vecteurs unitaires vrifiant lidentit de Plancherel, alors cest
une base hilbertienne.
(6) Si tui uiPI est une base hilbertienne, la suite n |xx, en y| appartient `2 pIq.

Dmonstration.
(1) tant donn que le systme tui uiPI est total, nous pouvons considrer une
suite de combinaisons linaires finies des ui qui converge vers x. Nous crivons

xn
an,k uj
(17.86)
xPJn

et xn x dans H . Les ensembles Jn sont

des sous-ensembles finis de I. Nous pouvons les
choisir de telle sorte que Jn Jn`1 et nPN Jn I. Ce choix correspond ventuellement
prendre an,j 0 pour toutes les valeurs de j en trop.
Soit  0 et N tel que }xn x}
 pour tout n N . Nous allons montrer que pour tout
J fini tel que JN J nous avons } jPJ xx, uj yuj x} . tant donn que

xx, uj yuj
aj uj
(17.87)
jPJN

jPJ

1115

17.3. SYSTMES ORTHOGONAUX ET BASES

avec

aj

xx, uj y si j P JN
0
sinon,

le thorme de meilleure approximation 17.30 nous enseigne que

xx, uj yuj x} 
} xx, uj yuj x} }

(17.88)

(17.89)

jPJN

jPJ

par consquent la somme iPI xx, ui yui converge vers x au sens gnral, et en particulier
commutativement.

Les sommes tant commutatives (en particulier x iPI xx, ui yui ), et les bases hilbertiennes
tant dnombrables, nous ne perdons aucune gnralit en ne considrant que des bases
indexes par N.
(2) Nous devons montrer que lensemble des combinaisons linaires finies est dense dans H .
Par hypothse, pour tout , il existe un ensemble fini J tel que

(17.90)
} xx, uj yuj x} .
jPJ

Cela prouve la densit dont nous avions besoin.

(3) La norme tant une fonction continue, elle commute avec les sommes infinies, de telle sorte
que lgalit de Plancherel donne

}x}2 } xx, ui yui }2 .

(17.91)
iPI

Le systme des ui tant orthonorm,

}x}2 } xx, ui yui }2

|xx, ui y|2 .
iPI

(17.92)

iPI

(4) Au tour de Parseval. Nous commenons par prouver que la somme du membre de droite
converge. En utilisant lingalit |zz 1 | |z|2 ` |z 1 |2 (valable pour z, z 1 P C) et Plancherel,
nous avons

|xx, ui yxy, ui y|
|xx, ui y|2 ` |xy, ui y|2
iPI
iPI
(17.93)
}x}2 ` }y}2 .
Nous en dduisons que la famille xx, ui yxy, ui y est (commutativement) sommable en utilisant
la proposition 6.193. Par ailleurs nous savons que

x
ci pxqui
(17.94a)
iPI

iPI

ci pyqui ,

et le produit scalaire tant une forme bilinaire continue,

xx, yy
xci pxqui , cj pyquj y

(17.94b)

(17.95a)

iPI jPI

iPI jPJ

iPI

ci pxqcj pyqij

ci pxqcj pyq.

(17.95b)
(17.95c)

1116

CHAPITRE 17. ESPACES DE HILBERT

(5) Nous utilisons lgalit de Plancherel avec x uj :

}uj }2 }uj } `
|xuj , ui y|2 .

(17.96)

iPIztju

Par consquent xuj , ui y 0 ds que i j. Cela prouve que le systme tui uiPI est orthonorm.
Nous devons encore prouver que le systme est total. Pour cela nous repartons de lquation
(17.65) que nous avions dduites dans la dmonstration de lingalit de Bessel :

|cj pxq|2 .
(17.97)
cj pxquj } }x}2
}x
jPJ

jPJ

Par hypothse le membre de droite peut tre rendu aussi petit que lon veut en prenant
J grand (mais fini) dans I. Le membre de gauche indique alors que le systme tui uiPI est
total.

(6) Lidentit de Plancherel signifie entre autres que si x P H alors iPI |xx, ui y|2 converge. Du
coup la suite pxx, ui yqiPI est dans `2 pIq.
Remarque 17.35.
Nous avons dcid dindexer les bases hilbertiennes par N ; cela est lgitime parce que les sommes
sont commutatives. Il ne faut cependant pas perdre de vue quen pratique lensemble naturel avec
lequel on indexe une base est parfois Z. Un tel cas est donn par la base trigonomtrique de L2 .
Indexer cette dernire par N plutt que par Z serait une contorsion inutile.
Remarque 17.36.
Lgalit de Parseval est la raison pour laquelle les physiciens crivent souvent
Id

n1

|un yxun |

dans les livres de mcanique quantique par exemple. Dans [230], nous lisons mme
`8

dq|qyxq| I.
8

(17.98)

(17.99)

Notons que ces personnes travaillent avec un espace de Hilbert dont la base nest pas dnombrable.
Pour dire que la physique, a nutilise pas des mathmatiques pour rire !
Remarque 17.37.
Par dfinition une base orthonorme est donc une partie dnombrable dont lespace vectoriel engendr est dense. Un espace de Hilbert possdant une base orthonorme est donc sparable. Cest
ce fait qui nous pousse ne considrer que des espaces de Hilbert sparables ; nous nallons donc
pas tudier ce quil se passerait par exemple en considrant lespace vectoriel librement engendr
par les lments de R.
Exemple 17.38
Lidentit de Parseval (17.85), dans le cas de lespace des fonctions continues priodiques de priode
2 signifie quen posant

1 2
cn pf q
f psqeins ,
(17.100)
2 0
nous avons

1 2
|f psq|2
|cn pf q|2 .
(17.101)
2 0
n8
4

1117

17.3. SYSTMES ORTHOGONAUX ET BASES

Corollaire 17.39.
Soit H un espace de Hilbert et pun q une base orthonorme. Lapplication
S : H `2
`

x xx, un y nPN

(17.102)

est un isomorphisme despaces de Hilbert.

De plus lisomorphisme rciproque est

S 1 : `2 H
8

pn q
n un .

(17.103)

Spxq Spyq xx, yy

(17.104)

n1

Dmonstration. Nous devons prouver que lapplication est bijective et quelle vrifie

o le point dnote le produit dans `2 .

Pour la surjectivit, si pn q P `2 alors nous savons que la somme n n un converge par la

proposition 17.32 et par consquent pn q est limage par S de ce vecteur de H .
Pour linjectivit, si Spxq Spyq alors

x xx, un yun xy, un yun y

(17.105)
n

en utilisant la dcomposition (17.83).

Le fait que S soit une isomtrie est contenu dans Parseval.

Proposition 17.40.
Tout espace de Hilbert sparable possde des bases orthonormes.
Dmonstration. Soit pvn qnPN une partie totale et sparable. Quitte supprimer les vi qui sont
combinaisons linaires des prcdents, nous pouvons supposer que cette partie est libre. Nous
considrons lespace vectoriel
Fn Spantv1 , . . . , vn u.
(17.106)

Sur Fn nous pouvons appliquer un procd de Gram-Schmidt pour construire une base orthonorme
tu1 , . . . , un u de Fn au sens usuel. En considrant Fn`1 et en recommenant, les vecteurs u1 , . . . , un
ne changent pas, mais nous obtenons un vecteur un`1 .
Nous construisons ainsi une suite pun q qui est alors orthonorme au sens des espaces de Hilbert.
Nous devons encore prouver quil sagit dun ensemble total. Cela est simplement d au fait que tout
lment de Spantvn u est contenu dans Spantun u parce que Span ne considre que des combinaisons
linaires finies.

17.3.5

Digression sur les normes oprateurs

Le thorme 17.34 nous indique que si tui uiPI est une base hilbertienne, alors pour tout x P H
nous avons
projui pxq xx, ui yui ,
(17.107)
et donc

iPI

projui x x.

Nous ne pouvons cependant pas conclure que

projui Id
iPI

(17.108)

(17.109)

1118

CHAPITRE 17. ESPACES DE HILBERT

au sens de la norme oprateur de la section 6.9. En effet en prenant I

demanderait davoir

lim projui Id 0,

N 8
i1

i1

(17.110)

or pour tout N , le vecteur uN `1 ralise

N

N, lgalit (17.109)

projui puN `1 q uN `1 uN `1 .

(17.111)

Par consquent pour tout N nous avons

sup projui x x 1.

}x}1 i1

Nous ne pouvons donc pas dire

n1

projui Id

(17.112)

(17.113)

au sens de la norme oprateur (6.253).

Nous avons cependant la convergence au sens faible.
Proposition 17.41.
Soit H un espace de Hilbert et tui uiPN une base hilbertienne de H . Au sens de la topologie faible
sur lespace des oprateurs nous avons
8

i1

projui Id .

(17.114)

Dmonstration. Pour chaque N P N et x P H , en vertu de la dcomposition (17.83) nous avons

N

i1

projui pxq x 8
iN `1 xx, ui yui .

(17.115)

Par lorthonormalit de la base nous avons

8

iN `1

}xx, ui yui }

iN `1

|xx, ui y|,

(17.116)

dont la limite N 8 est zro tant donn que la suite i |xx, ui y| est dans `2 pRq par le thorme
17.34.

17.3.6

Applications linaires et continuit

Nous avons dj vu dans lexemple 6.215 que la fonction

f: H H

ek kek

(17.117)

ntait pas continue en zro alors quelle est linaire. Nous allons maintenant voir quelle est un
contre-exemple la proposition 11.157. Calculons les drives partielles :

Bf
d
d
pxq
f px ` tej q

kpxk ` tjk qek

jej .
(17.118)
Bej
dt
dt k
t0
t0
o nous avons permut la somme et la drive en considrant la suite de fonctions fk ptq kpxk `
Bf
tuk qek . Donc Be
pxq existe et est continue sur un voisinage de x 0 (cest mme constant). Nous
j
savons pourtant que la fonction f nest pas diffrentiable en zro parce que non continue.

17.4. THORME DE KOCHEN-SPECKER

1119

Lendroit qui coince dans la preuve de la proposition 11.157 est lintroduction des contrestermes dans lquation (11.358). En effet les contre-termes ajouter seraient
lpxq
qui ici serait
l

`
k

d `
f a ` spx aq
dt
t0

d `
xk e k
f s xk e k

xk ek ,
dt
t0
k
k

(17.119)

(17.120)

dont la convergence est plus que douteuse.

Notons que les drives directionnelles nexistent pas toutes, loin sen faut : si u P H nous avons

Bf
d
d
f px ` tuq

pxq
kpxk ` tuk qek

kuk ek
(17.121)
Bu
dt
dt k
t0
t0
k
La convergence de la dernire somme nest pas garantie pour tout u.

17.4

Thorme de Kochen-Specker

Le thorme suivant est central en mcanique quantique. La dmonstration provient de [231]

et de Wikipdia. Nous allons dmontrer compltement le thorme seulement pour les espaces de
Hilbert de dimension plus grande ou gale 4.
Thorme 17.42 (Kochen-Specker[231]).
Soit H un espace de Hilbert de dimension plus grande ou gale 3. Une fonction v sur lensemble
des oprateurs de H ne peut pas satisfaire aux conditions suivantes :
(1) Si A et B sont compatibles, alors vpA ` Bq vpAq ` vpBq,

(2) Si A et B sont compatibles, alors vpABq vpAqvpBq.

Ici nous disons que deux oprateurs sont compatibles lorsquils possdent une base hilbertienne
commune de vecteurs propres.
Dmonstration. Soit tun unPN une base hilbertienne de H . Nous notons proji loprateur de projection sur lespace (ferm) engendr par ui . Ce sont des oprateurs compatibles deux deux parce
que la base tun unPN est une base commune de vecteurs propres 3 .
Dabord nous devons avoir vp1q 1. En effet pour tout oprateur A, nous avons
vpAq vpA1q vpAqvp1q.

(17.122)

Pour peu que vpAq 0, cela nous fait vp1q 1.

En vertu du thorme 17.34, un vecteur x P H se dcompose en x n xx, un yun , et nous

avons
proji x xx, ui yui .
(17.123)

En effet le thorme de la projection orthogonale 17.8 nous enseigne que proji x serait lunique
vecteur de la forme ui tel que ui x K ui . Il est facile de vrifier que le vecteur propos par
(17.123) vrifie cette proprit.
Une consquence est que

proji pxq x.
(17.124)
i0

Par consquent, par hypothse du thorme nous devons avoir

vpproji q vp1q 1.

(17.125)

3. Pour les besoins de la physique, nous remarquons que ces oprateurs sont des oprateurs hermitiens qui
commutent, mais a ne joue pas ici.

1120

CHAPITRE 17. ESPACES DE HILBERT

tant donn que les projections sont idempotentes,

vpproji q vpproj2i q vpproji q2

(17.126)

et donc vpproji q doit valoir zro ou un. Mais la relation (17.125) donne une forte contrainte sur
le choix de 0 et de 1. En effet, parmi les vpproji q, un et un seul doit valoir 1, les autres doivent
valoir 0.
Refaisant le raisonnement pour une autre base orthonormale hilbertienne, nous trouvons que
les valeurs de v sur les oprateurs de projection sur les diffrentes directions doivent tre choisies
de telle faon que tout choix de base hilbertienne orthogonale contienne exactement un 1 et les
reste de zros.
Nous voudrions maintenant insister sur un point. Le problme de dterminer de faon cohrente
les valeurs 0 ou 1 pour tous les vpproji q revient attacher 0 ou 1 tous les rayons de H de faon
que toute base orthogonale de H contienne exactement un 1. Un rayon est une direction, cest
dire une classe dquivalence x x. Si nous dcidons de nommer blanc les rayons attachs
la valeur 0 et noirs ceux attachs la valeur 1, le problme se rduit colorer la boule unit de
faon compatible.
Soit tui uiPN une base orthogonale de H numrote de telle sorte que vpu0 q 1 et vpuk q 0
pour k 0. Nous allons maintenant nous particulariser au cas de dimension suprieure ou gale
4. Si R est une rotation dans le plan Spantu0 , u1 , u2 , u3 u, alors lensemble
tRu0 , Ru1 , Ru2 , Ru3 , uk uk3

(17.127)

est encore une base orthogonale de H et nous avons encore vpuk q 0 pour k 4. Par consquent
un et un seul des vecteurs Ru0 , Ru1 , Ru2 ou Ru3 est colori en noir ; les trois autres tant blancs. Le
problme est maintenant compltement rduit la dimension 4. Note : pour rduire la dimension
3, on procde de mme, mais pour conclure, il faut travailler plus.
Nous allons construire 9 base orthogonales de R4 partir de 18 vecteurs, chacun arrivant dans
exactement deux des bases. Ils sont donns dans le tableau suivant :
0 1
0 0
0 0
1 1
1 1
1 1 1 1
1 1 1 1
0 0
1 0
0 1
1 1
1 1
1 1
1 1 1 1 1 1
0 0
0 1
0 0
1 1
1 1
1 1
1 1
1 1
1 1
0 1
0 0
1 0
1 1 1 1
1 1
1 1
1 1 1 1
1 0
1 0
1 1
1 0
1 1
1 0
1 0
1 0
1 1
1 0
0 1
0 0
1 0
0 0
0 1
0 1
1 0
0 0
1 0 1 0
1 1 0 1
0 0
0 1
0 1 0 1
0 0
1 0 0 1 0 0
0 1
1 1
1 0
1 0 0 1
1 1
Chaque case de ce table reprsente un rayon de R4 ; il y en a 18 diffrents, chacun cris deux
fois. Une simple vrification montre que chaque colonne est un systme orthogonal. La preuve
du thorme de Kochen-Specker revient montrer que nous ne pouvons pas colorier ce tableau
de faon cohrente. En effet, tant donn que chaque vecteur est crit deux fois, le tableau doit
contenir un nombre pair de cases blanches et un nombre pair de cases noires.
Par ailleurs chaque colonne tant un systme orthogonal, chaque colonne contient exactement
une case noire ; il y a donc exactement neuf cases noires dans le tableau, ce qui est impossible.

17.5

Thorme de Lax-Milgram

Dfinition 17.43.
Une forme bilinaire a : V V R sur un espace vectoriel norm V est coercitive si il existe
0 tel que apu, vq }u}2 pour tout u P V .
Thorme 17.44 (Lax-Milgram[232]).
Soit un espace de Hilbert rel V muni de diffrentes choses.

(1) Lapplication linaire L : V R qui est borne sur V . Nous notons C sa norme.

1121

17.5. THORME DE LAX-MILGRAM

(2) La forme bilinaire continue a sur V V . Nous considrons M 0 tel que |apu, vq|
M }u}}v} pour tout u, v P V .

(3) La forme a est coercitive 4 .

Alors le problme qui consiste chercher u P V tel que apu, vq Lpvq pour tout v P V admet une
unique solution. De plus cette solution vrifie lingalit
}u}

M
C

(17.128)

Problmes et choses faire

Personnellement, je ne parviens pas montrer lingalit (17.128), mais seulement

}u}

(17.129)

Dmonstration. Avant de commencer, certaines prcisions. Dabord nous nous souvenons de la

proposition 6.217 qui donne la continuit de L. Ensuite, a est continue et linaire en tant quapplication a : V V R. Nous aurions donc envie dcrire quil existe M O tel que
|apu, vq| M }pu, vq},

(17.130)

mais la norme produit 5 sur V V ne donne pas }u}}v}. Le fait pour a dtre bilinaire donne en
ralit plus que la linarit, et la proposition 6.200 nous assure lexistence du M .
Reformulation en quation linaire La forme L est continue et donc dans le dual V 1 ; le
thorme de Riesz 17.19 nous donne donc f P V tel que
Lpvq xf, vy

(17.131)

pour tout v P V . De plus si w P V est fix, lapplication bw : v apw, vq est linaire et

borne parce que
}bw } sup |bw pvq| sup |apw, vq| M }w}}v} M }w}.
}v}1

}v}1

(17.132)

Encore une fois, bw tant continue et linaire, elle est dans V 1 et Riesz nous fournit un
lment Apwq P V tel que
bw pvq xApwq, vy
(17.133)
pour tout v P V .
Le problme variationnel apu, vq Lpvq est quivalent xApuq, vy xf, vy. Lensemble des
solution de cette dernire est gal lensemble des solution de lquation
Apuq f.

(17.134)

A est linaire Soient , P R et w, z P V . Nous avons pour tout v P V :

xApw ` zq, vy apw ` z, vq

(17.135a)

apw, vq ` apz, vq

(17.135b)

xApwq ` Apzq, vy.

(17.135d)

xApwq, vy ` xApzq, vy

(17.135c)

tant donn que nous avons galit pour tout v P V nous en dduisons que Apw ` zq
Apwq ` Apzq, ce qui signifie que A est linaire.
4. Dfinition 17.43.
5. Dfinition 6.197.

1122

CHAPITRE 17. ESPACES DE HILBERT

Une autre proprit de A Nous dduisons une majoration de }Apvq}2 lorsque ce nest pas
nul. Pour ce faire,
}Apvq}2 a xApvq, Apvqy

(17.136a)

apv, Apvqq

(17.136b)

}Apvq}2 M 2 }v}2 .

(17.137)

M }v}}Apvq}.

(17.136c)

En simplifiant, }Apvq} M }v}. Et donc

Une contraction Nous allons choisir une valeur de 0 telle que lapplication
`

T : w w Apwq f
(17.138)
`

soit une contraction 6 . Nous avons T pwq T pw1 q w w1 Apw w1 q et donc

}T pwq T pw1 q}2 }w w1 }2 ` 2 }Apw w1 q}2 2xApw w1 q, w w1 y
}w w1 }2 ` 2 }Apw w1 q}2 2apw w1 , w w1 q.

(17.139a)

(17.139b)

Vu que le dernier terme arrive avec un signe moins, pour majorer lexpression, il faut minorer
ce terme, cest dire utiliser apw w1 , w wq }w w w1 }. Et en mme temps nous
utilisons (17.137) pour le second terme. Au final pour pouvons factoriser }w w1 } et
`

}T pwq T pw1 q} }w w1 } 1 ` 2 M 2 2 .
(17.140)
Pout que T soit contractante, il faut 0 P pxq 1 avec P pxq M 2 x2 2x`1. Le minimum
2
de ce polynme est obtenu en x M2 (la formule du xmin b{2a) et vaut 1 M
2 1.
Vu que par ailleurs limx8 P pxq `8, et que ce polynme passe par au moins une valeur
strictement infrieure 1, nous savons quil existe u x tel que 0 P pxq 1. En donnant
cette valeur, lapplication T est une contraction.

Point fixe et conclusion Lensemble

du problme (17.134) est gal lensemble
` des solutions

des points fixes de T pvq v Apvq f .

Lapplication T : V V est contractante et V est mtrique et complet. Ergo le thorme
de point fixe de Picard 16.109 sapplique et il existe un unique point fixe u P V pour
lapplication T . Ce point fixe est lunique solution de notre problme initial.
La majoration Nous savons que pour tout v P V , la relation apu, vq Lpvq est vrifie. En
particulier pour v u nous avons
apu, uq Lpuq.

(17.141)

Dun ct nous utilisons apu, uq }u}2 et de lautre, Lpuq C}u} :

}u}2 C}u}
et donc
}u}
Notons que Lpuq et apu, uq sont positifs.

6. Dfinition 16.108.

C
.

(17.142)
(17.143)

Chapitre 18

Analyse fonctionnelle
Proposition 18.1.
Soit f P L1 pRq une fonction telle que

f ptqptqdt 0

(18.1)

pour toute fonction P DpRq. Alors f 0 presque partout.

Thorme 18.2 (Thorme disomorphisme de Banach).

Une application linaire continue et bijective entre deux espaces de Banach est un homomorphisme.

18.1

Thorme dAscoli

Dfinition 18.3.
Une partie A dun espace topologique X est relativement compacte dans X si sa fermeture est
compacte.
Proposition 18.4 ([163]).
Soient E et F deux espaces vectoriels norms sur R ou C et une application f P LpE, F q. Les
proprits suivantes sont quivalentes.
(1) Limage dun born de E par f est relativement compact dans F .
(2) Limage par f de la boule unit ferme est relativement compacte dans F .
(3) Si pxn q est
borne dans E, alors nous pouvons en extraire une sous-suite pxpnq q
` une suite

telle que f xpnq converge dans F .

Dfinition 18.5.
Une application vrifiant les conditions quivalentes de la proposition 18.4 est dite compacte.

Dfinition 18.6.
Soit pfi qiPI une famille de fonctions fi : X Y entre espaces mtriques. Cette famille est quicontinue si pour tout  0 et pour tout x P X, il existe un px, q 0 tel que
pour tout i P I.

}x y}X }fi pxq fi pyq}Y 

(18.2)

Thorme 18.7 (Thorme dAscoli[233]).

Soit K un espace topologique compact et un espace mtrique pE, dq. Nous considrons la topologie
uniforme sur CpK, Eq. Une partie A de CpK, Eq est relativement compacte si et seulement si les
deux conditions suivantes sont remplies :
(1) A est quicontinu,
(2) @x P K, lensemble tf pxq tel que f P Au est relativement compact dans E.
1123

1124

18.2

CHAPITRE 18. ANALYSE FONCTIONNELLE

Thorme de Banach-Steinhaus

Thorme 18.8 (Thorme de Banach-Steinhaus[1, 234]).

Soit E un espace de Banach 1 et F un espace vectoriel norm. Nous considrons une partie
H Lc pE, F q (espace des fonctions linaires continues). Alors H est uniformment born si
et seulement si il est simplement born.
Dmonstration. Si H est uniformment born, il est born ; pas besoin de rester longtemps sur ce
sens de lquivalence. Supposons donc que H soit born. Pour chaque k P N nous considrons
lensemble
k tx P E tel que sup }f pxq} ku.
(18.3)
f PH

Les k sont ouverts Soit x0 P k ; nous avons alors une fonction f P H telle que }f px0 q} k,
et par continuit de f il existe 0 tel que }f pxq} k pour tout x P Bpx0 , q. Par
consquent Bpx0 , q k et k est ouvert par le thorme 5.3.

Les k ne sont pas tous denses dans E Nous supposons que les ensembles k soient tous
dense dans E. Le thorme de Baire 5.187 nous indique que E est un espace de Baire (parce
que de Banach) et donc que

k E.
(18.4)
kPN

En particulier lintersection des k nest pas vide. Soit x0 P

sup }f pxq} 8,

kPN k .

Nous avons alors

f PH

(18.5)

ce qui est contraire lhypothse. Donc les ouverts k ne sont pas tous denses dans E.
La majoration Il existe k 0 tel que k ne soit pas dense dans E, et nous voulons prouver
que t}f } tel que f P Hu est un ensemble born. Soit donc k 0 tel que k ne soit pas
dense dans E ; il existe un x0 P E et 0 tels que
Bpx0 , q X k H.

(18.6)

Si x P Bpx0 , q alors x nest pas dans k et donc

sup }f pxq} k.

f PH

(18.7)

Afin dvaluer }f } nous devons savoir ce quil se passe avec les vecteurs sur une boule autour
de 0. Pour tout x P Bp0, q et pour tout f P H, la linarit de f donne
}f pxq} }f px ` x0 q f px0 q} }f px ` x0 q ` f px0 q} 2k.

(18.8)

Par continuit nous avons alors }f pxq} 2k pour tout x P Bp0, q. Si maintenant x P F
vrifie }x} 1 nous avons
1
2k
}f pxq} }f pxq}
,
(18.9)

et donc }f }

2k
,

ce qui montre que 2k{ est un majorant de lensemble t}f } tel que f P Hu.

Une application du thorme de Banach-Steinhaus est lexistence de fonctions continues et

priodiques dont la srie de Fourier ne converge pas. Ce sera lobjet de la proposition 20.16.
1. Dfinition 17.1.

1125

18.2. THORME DE BANACH-STEINHAUS

Corollaire
18.9.
`

Soient E, ppl q et F, pqk q deux espaces localement compacts munis de semi-normes. Nous supposons que E est mtrisable et complet. Soit pTj qjPN une suite dapplication linaires E F telles
que pour tout x P E il existe x P F tel que
F

Tj x x .

(18.10)

Si nous posons T x x alors

(1) lapplication T est linaire et continue,

(2) pour tout compact K dans E et pour tout k nous avons
lim sup qk pTj x T xq 0,

(18.11)

Tj xj T x

(18.12)

j8 xPK

(3) si xj x dans E alors

dans F .

La version suivante du thorme de Banach-Steinhaus est nonce de faon ad hoc pour fonctionner avec lespace DpKq des fonctions de classe C 8 support dans le compact K. Un nonc
un peu plus fort est donn dans le cadre des espaces de Frchet dans [61].
Thorme 18.10 (Banach-Steinhaus avec des semi-normes).
Soit pE, dq un espace vectoriel mtrique complet dont la topologie est galement 2 donne par une
famille P de semi-normes. Soit tT uPA une famille dapplications linaires continues T : E R
telles que pour tout x P E nous ayons

(18.13)
sup T pxq 8.
PA

Alors il existe une constante C 0 et un sous-ensemble fini J P tels que pour tout x P E nous
ayons

T pxq C max pj pxq.

(18.14)
jPJ

Dmonstration. Pour chaque k P N nous posons

k tx P E tel que sup T pxq ku.

(18.15)

PA

Ces ensembles sont des ouverts (pour la mme raison que

la preuve du thorme 18.8) et leur
dans

union est E en entier parce que par hypothse supPA T pxq 8.

Si les k taient tous dense, le thorme
de Baire 5.187 nous dit que leur intersection est dense
galement ; elle est donc non vide et si x0 P kPN k nous avons

sup T px0 q 8,
(18.16)
PA

ce qui contredirait lhypothse. Donc les k ne sont pas tous denses. Soit k0 P N tel que k0 nest
pas dense dans E. Il existe donc x0 P E et un ouvert autour de x0 nintersectant pas k0 .
Nous jouons prsent sur la topologie de E. Louvert dont il est question est un d-ouvert et
donc un P-ouvert, lequel contient une P-boule ouverte. Cette dernire boule nest pas spcialement
une d-boule, mais cest un d-ouvert.
Il existe dont J fini dans P et 0 tels que BJ px0 , qXk0 H. Donc pour tout y P BJ px0 , q
nous avons

sup T pyq k0 .
(18.17)
PA

2. Au sens o les ouverts sont les mmes.

1126

CHAPITRE 18. ANALYSE FONCTIONNELLE

Si maintenant y P Bp0, q, nous avons y py ` x0 q x0 et donc

T pyq T py ` x0 q T px0 q

T py ` x0 q ` T px0 q

(18.18a)
(18.18b)

k0 ` C
(18.18c)

o nous avons pos C supPA T px0 q. En normalisant, sur la boule BJ p0, 1q nous avons

T pyq 1 pk0 ` Cq.

(18.19)

Enfin su x P E nous avons

et donc

maxjPJ pj pxq

P BJ p0, 1q

x
T
pj pxq 1 pk0 ` Cq.

maxjPJ

Utilisant encore la linarit de T nous trouvons ce que nous devions trouver :

T pxq max pj pxq1 pk0 ` Cq

jPJ

(18.20)

(18.21)

(18.22)

redfinition prs de 1 pk0 ` Cq en C.

18.3

Espaces Lp

18.3.1

Gnralits

Soit p, F, q un espace mesur. Deux fonctions valeurs complexes f et g sur cet espaces sont
dites quivalentes et nous notons f g si elles sont -presque partout gales. Nous notons rf s
la classe de f pour cette relation.
Lemme 18.11.
Une classe contient au maximum une seule fonction continue.
Dmonstration. Soient deux fonctions continues f1 et f2 avec f1 paq f2 paq. Si |f1 paq f2 paq|
alors il existe un  tel que |f1 pxq f1 paq| pour tout x P Bpa, q. En particulier f1 f2 sur
Bpa, q. Cette dernire boule est de mesure de Lebesgue non nulle ; ergo f1 et f2 ne sont pas dans
la mme classe.
Nous introduisons lopration
}f }p

|f pxq| dpxq

1{p

(18.23)

et nous notons Lp p, q lensemble des fonctions mesurables sur telles que }f }p 8.

Lemme 18.12.
Lensemble Lp est un espace vectoriel.

Dmonstration. Le fait que si f P Lp , alors f P Lp est vident. Ce qui est moins immdiat, cest
le fait que f ` g P Lp lorsque f et g sont dans Lp . Cela dcoule du fait que la fonction : x xp
est convexe, de telle sorte que

paq ` pbq
a`b

,
(18.24)
2
2
ou encore
pa ` bqp 2p1 pap ` bp q
(18.25)

1127

18.3. ESPACES LP

Lopration f
}f }p nest pas une norme sur Lp parce que pour f presque partout nulle, nous
avons |f |p 0. Il y a donc des fonctions non nulles sur lesquelles }.}p sannule.
Lemme 18.13.
Si f P Lp pq et f g, alors g P Lp pq et }f }p }g}p .

Dmonstration. Soit hpxq |gpxq|p |f pxq|p ; cest une fonction par hypothse presque partout
nulle et donc intgrable sur ; son intgrale y vaut zro. Nous avons

p
p
(18.26)
|f pxq| dpxq
|f pxq| ` hpxq dpxq |gpxq|p dpxq.

Cela prouve que la dernire intgrale existe et vaut la mme chose que la premire.

Nous pouvons donc considrer la norme |.|p comme une norme sur lensemble des classes plutt
que sur lensemble des fonctions. Nous notons Lp lensemble des classes des fonctions de Lp . Cet
espace est muni de la norme
}rf s}p }f }p ,
(18.27)

formule qui ne dpend pas du reprsentant par le lemme 18.13.

Maintenant la formule

1{p
p
}rf s}p
|f pxq| dpxq

(18.28)

dfini une norme sur Lp p, q. En effet si }rf s}p 0, nous avons

|f pxq|p dpxq 0,

(18.29)

ce qui par le lemme 7.123 implique que |f pxq|p 0 pour presque

tout x. Ou
`
encore f 0, cest
dire rf s r0s au niveau des classes. partir de maintenant Lp p, q, }.}p est un espace mtrique
avec toute la topologie qui va avec.
Dans la suite nous nallons pas toujours crire rf s pour la classe de f . Par abus de notations
nous allons souvent parler de f P Lp comme si ctait une fonction.

Proposition 18.14 ([235]).

Soit 1 p 8 et supposons que la suite rfn s dans Lp p, F, q converge vers rf s au sens Lp . Alors
il existe une sous-suite phn q qui converge ponctuellement -presque partout vers f .
Dmonstration. Si p 8 nous sommes en train de parler de la convergence uniforme et il ne faut
mme pas prendre ni de sous-suite ni de presque partout .
Supposons que 1 p 8. Nous considrons une sous-suite rhn s de rfn s telle que
}rhj s rf s}p 2j ,

(18.30)

puis nous posons uk pxq |hk pxq f pxq|p . Notons que ce uk est une vraie fonction, pas une classe.
Et en plus cest une fonction positive. Nous avons

uk d |hk pxq f pxq|p dpxq }hk f }pp 2kp .

(18.31)

Vu que uk est une fonction positive la suite des sommes partielles de k uk est croissante et vrifie
donc le thorme de la convergence monotone 7.129 :

8
8
8

uk pxq dpxq
uk pxqdpxq
2kp 8.
(18.32)

k0

k0

k0

Le fait que lintgrale de la fonction k uk est finie implique que cette fonction est finie -presque
partout. Donc le terme gnral tend vers zro presque partout, cest dire
|hk pxq f pxq|p 0.

Cela signifie que hk f presque partout ponctuellement.

(18.33)

1128

CHAPITRE 18. ANALYSE FONCTIONNELLE

Est-ce quon peut faire mieux que la convergence ponctuelle presque partout dune sous-suite ?
En tout cas on ne peut pas esprer grand chose comme convergence pour la suite elle-mme, comme
le montre lexemple suivant.
Exemple 18.15
Nous allons montrer une suite de fonctions qui converge vers zro dans Lp r0, 1s (avec p 8) mais
qui ne converge ponctuellement pour aucun point. Cet exemple provient de bibmath.net.
Nous construisons la suite de fonctions par paquets. Le premier paquet est form de la fonction
constante 1.
Le second paquet est form de deux fonctions. La premire est 1r0,1{2s et la seconde 1r1{2,1s .
Plus gnralement le paquet numro k est constitu des k fonctions 1ri{k,pi`1q{ks avec i
0, . . . , k 1.
Vu que les fonctions du paquet numro k ont pour norme }f }p k1 , nous avons videmment
fn 0 dans Lp . Il est par contre visible que chaque paquet passe en revue tous les points de r0, 1s.
Donc pour tout x et pour tout N , il existe (mme une infinit) n N tel que fn pxq 1. Il ny a
donc convergence ponctuelle nulle part.
4
La proposition suivante est une espce de convergence domine de Lebesgue pour Lp .

Proposition 18.16.
Soit f P Lp pq avec 1 p 8 et pfn q une suite de fonctions convergeant ponctuellement vers f
Lp
et telle que |fn | |f |. Alors fn f .

Dmonstration. Nous avons immdiatement |fn pxq|p |f pxq|p , de telle sorte que le thorme de la
convergence domine implique que fn P Lp . La convergence domine donne aussi que }fn }p }f }p ,
mais cela ne nous intresse pas ici.
Nous posons hn pxq |fn pxqf pxq|. En reprenant la formule de majoration (18.25) et en tenant
compte du fait que |fn pxq| |f pxq|, nous avons
`

hn pxq 2p1 |fn pxq|p ` |f pxq|p 2p |f pxq|p ,

(18.34)
ce qui prouve que |hn | est uniformment (en n) majore par une fonction intgrable, donc hn est
intgrable et on peut permuter la limite et lintgrale (thorme de la convergence domine 7.134) :

p
p
|fn pxq f pxq| dx
lim hn pxqdx 0.
(18.35)
lim }fn f }p lim
n8

18.3.2

n8

Rd

Rd n8

Lespace L8

Il nest pas possible de dfinir le supremum dune fonction dfinie ensemble de mesure nulle
prs parce que toute classe contient des fonctions qui peuvent tre arbitrairement grandes en
nimporte que point. Nous cherchons alors dfinir une notion de supremum qui ne tient pas
compte des ensembles de mesure nulle.
Dfinition 18.17.
Soit f : C. Un nombre M est un majorant essentiel de f si
`

|f pxq| M 0.

(18.36)

Nous posons alors N8 pf q inftM tel que |f pxq| M presque partoutu. Cela revient prendre
le supremum ensemble de mesure nulle prs. Nous dfinissons alors les espaces de Lebesgue
correspondants :
L8 pq tf : C tel que N8 pf q 8u,
(18.37)
et L8 en est le quotient usuel. Dans ce contexte nous notons }f }8 le supremum essentiel de f , qui
est indpendant de la classe.

1129

18.3. ESPACES LP

18.3.3

Ingalit de Jensen, Hlder et de Minkowski

Proposition 18.18 (Ingalit de Jensen[134]).

Soit un espace mesur de probabilit 3 p, A, q ainsi quune fonction convexe f :
application : R tels que et f soient intgrables sur . Alors

f
d pf qd.

R R et une

(18.38)

Dmonstration. Soit a P R et le nombre ca donn par la proposition 11.223 : pour tout P nous
avons
`

f pq f paq ca pq a .
(18.39)

Cela est en particulier

vrai pour a d. Nous intgrons lingalit (18.39) sur en nous

souvenant que d 1 :

a
pf qd f paqd ca

pf qd f paq ca pa aq

f paq pf qd.

(18.40a)

(18.40b)
(18.40c)

Cette dernire ingalit est celle que nous devions prouver.

Corollaire 18.19.
Soit un espace mesur de probabilit p, A, q et une application P L1 p, q et P Lp pq avec
1 p `8. Alors

| psqdpsq| }}p .
(18.41)

Dmonstration. Il suffi dutiliser lingalit de Jensen sur la fonction convexe f pxq |x|p . Nous
avons alors

p
| psqdpsq|
|psq|p dpsq,
(18.42)

cest dire

psqdpsq|

1{p
|psq|p dpsq
}}p

(18.43)

o ma norme }.}p est prise au sens de la mesure .

Proposition 18.20 (Ingalit de Hlder).

Soit p, A, q un espace mesur et 1 p, q 8 satisfaisant
alors le produit f g est dans L1 pq et nous avons

Plus gnralement si

1
p

1
q

1
r

1
p

1
q

1. Si f P Lp pq, g P Lq pq,

}f g}1 }f }p }g}q .

(18.44)

}f g}r }f }p }g}q

(18.45)

alors

Ce qui est appel ingalit de Hlder est gnralement linquation (18.44).

3. Cest dire que

d 1.

1130

CHAPITRE 18. ANALYSE FONCTIONNELLE

Dmonstration. Nous allons prouver lingalit (18.45). Dabord nous supposons }g}q 1 et nous
posons
A tx P tel que |gpxq| 0u.
(18.46)
Hors de A, les intgrales que nous allons crire sont nulles. Nous avons
p{r

}f g}pr |f |r |g|rq |g|q ,

(18.47)

et le coup tordu est de considrer cette intgrale comme tant une intgrale par rapport la mesure
|g|q d qui a la proprit dtre une mesure de probabilit par hypothse sur g. Nous pouvons
alors utiliser lingalit de Jensen 4 parce que p{r 1, ce qui fait de x |x|p{r une fonction
convexe. Nous avons alors

` r rq p{r q
p
}f g}r
|f | |g|
|g| d
(18.48a)
A
|f |p |g|pprqq{r |g|q d
(18.48b)

La puissance de |g| dans cette expression est : q ` pprqq

0 parce que ppq rq rq. Nous avons
r
alors montr que

p
}f g}r
|f |p d }f }pp .
(18.49)
A

La dernire ingalit est le fait que le domaine A nest pas tout le domaine .
Si maintenant }g}q 1 alors nous calculons
}f g}r }g}q }f
en appliquant la premire partie la fonction

g
}r }g}q }f }p
}g}q

g
}g}q

(18.50)

qui est de norme 1.

Remarque 18.21.
Dans le cas dun espace de probabilit, la fonction constante g 1 appartient Lp pq. En prenant
p q 2 nous obtenons
}f }1 }f }2 .
(18.51)
Lemme 18.22.
Lorsque I est born nous avons L2 pIq L1 pIq. Si I nest pas born alors L2 pIq L1loc pIq.

Dmonstration. En effet si I est born, alors la fonction constante 1 est dans L2 pIq et lingalit
de Hlder 18.20 nous dit que le produit 1u est dans L1 pIq.
Si I nest pas born, nous refaisons le mme raisonnement sur un compact K de I.
Proposition 18.23 (Ingalit de Minkowski[236, 237]).
Si 1 p 8 et si f, g P Lp p, A, q alors
(1) }f ` g}p }f }p ` }g}p

(2) Il y a galit si et seulement si les vecteurs f pxq et gpxq sont presque partout colinaires :
il existe , tels que f ` g 0 presque partout.
`

(3) Si f px, yq est mesurable sur lespace produit X Y, b et si p 1, alors

f px, yqdpyq
}fy }p dpyq

o fy pxq f px, yq.

4. Proposition 18.18.

(18.52)

1131

18.3. ESPACES LP

La partie (3) est une gnralisation de lingalit triangulaire (cest dire du point (1)) dans le
cas o nous navons pas une somme de deux fonctions mais dune infinit paramtre par y P Y .
Elle sera le plus souvent utilise sous la forme dballe :

X

18.3.4

|f px, yq|dpyq

1{p
1{p
|f px, yq|p dpxq
dpyq.
dpxq

(18.53)

Ni inclusions ni ingalits

Aucun espace Lp pRq nest inclus dans aucun autre ni aucune norme nest plus grande quune
autre (sur les intersections). Nous verrons
`
cependant en la proposition 18.24 que de telles inclusions
et ingalits sont possibles pour Lp r0, 1s .
Nous allons donner des exemples de tout a en supposant p q et en nous appuyant lourdement
sur les intgrales de x1 tudies par la proposition 13.76.
Lp Lq La fonction
f pxq

1
x1{q

si 0 x 1
sinon

(18.54)

est dans Lp mais pas dans Lq . En effet

}f }pp
parce que p q et p{q 1. Par contre
}f }qq

1
0

Lq Lp La fonction
f pxq

1
xp{q

1
0

dx 8

1
dx 8.
x

1
x1{p

si x 1
sinon

(18.55)

(18.56)

(18.57)

est dans Lq mais pas dans Lp . En effet

}f }pp
alors que
}f }qq

Exemple de }f }p }f }q La fonction
f pxq

(18.58)

dx 8.

(18.59)

1 si x P r0, 2s
0 sinon.

(18.60)

1
8
x

xq{p

Nous avons
}f }p 21{p
1{q

}f }q 2

(18.61a)
.

(18.61b)

Mais comme p q donc }f }p }f }q .

Exemple de }f }p }f }q La fonction

#
1
f pxq
0

si x P r0, 12 s
sinon.

(18.62)

1132

CHAPITRE 18. ANALYSE FONCTIONNELLE

Alors
1

}f }p

21{p

}f }q

21{q

(18.63a)
(18.63b)

et donc }f }p }f }q .

Ces exemples donnent un exemple de fonction f telle que }f }p }f }q pour tout espace Lp pIq
et Lq pIq avec I R. Par contre lexemple }f }p }f }q ne fonctionne que si la taille de I est plus
grande que 1. Et pour cause : il y a des inclusions si I est born.
Proposition 18.24 ([29]).
Inclusions et ingalits dans le cas dun ensemble de mesure finie.
(1) Soit p, A, q un espace mesur fini et 1 p `8. Alors Lq pq Lp pq ds que p q.
`

(2) Si 1 p 2 et si f P L2 r0, 1s alors }f }p }f }2 .

Dmonstration. Pour la simplicit des notations nous allons noter Lp pour Lp pq, et pareillement
pour Lq . Soit f P Lq . Nous posons
A tx P r0, 1s tel que |f pxq| 1u.

(18.64)

}f }1 }|f |p }1 }f }pp .

(18.65)

tant
donn que p q nous avons |f |p |f |q sur A ; par consquent A |f |p converge parce que

q
A |f | converge.
Lensemble Ac est videmment
born (complmentaire dans ) et sur Ac nous avons |f pxq| 1

p
et donc |f | 1. Lintgrale Ac |f |p converge donc galement.
Au final |f |p converge et f P Lp .
Soit prsent f P L2 ; par le premier point nous avons immdiatement f P L2 X Lp . Soit aussi
1
` 1r 1. Nous avons |f |p P L2{p , et vu que nous sommes sur un domaine born,
r P R tel que 2{p
1 P Lr . Nous crivons lingalit de Hlder (18.44) avec ces fonctions. Dune part

Dautre part
p

}|f | }2{p

|f |

p{2

}f }p2 .

(18.66)

Donc }f }pp }f }p2 , ce qui prouve lassertion (2) parce que p 1.

Remarque 18.25.
`

Nous navons cependant pas L2 r0, 1s Lp r0, 1s parce que lexemple (18.54) fonctionne encore :
1
f pxq ?
x

(18.67)

(18.68)

pour x P r0, 1s donne bien

}f }2
et }f }p

18.3.5

1
0 xp{2

8 parce que 1 p 2.

Compltude

Thorme 18.26 ([238, 239]).

Pour 1 p 8, lespace Lp p, A, q est complet.

1
8
x

1133

18.3. ESPACES LP

Dmonstration. Soit pfn qnPN une suite de Cauchy dans Lp . Pour tout i, il existe Ni P N tel que
}fp fq }p 2i pour tout p, q Ni . Nous considrons la sous suite gi fNi , de telle sorte quen
particulier
}gi gi1 }p 2i .
(18.69)

Pour chaque j nous considrons la somme tlescopique

gj g0 `
et lingalit

i1

|gj | |g0 | `
Nous allons noter
hj |g0 | `

(18.70)

pgi gi1 q

|gi gi1 |.

(18.71)

|gi gi1 |.

(18.72)

i1
j

i1

La suite de fonctions phj q ainsi dfinie est une suite croissante de fonctions positive qui converge
donc (ponctuellement) vers une fonction h qui peut ventuellement valoir linfini en certains points.
Par continuit de la fonction x xp nous avons
lim hpj hp ,

(18.73)

j8

puis par le thorme de la convergence monotone (thorme 7.129) nous avons

p
hj d
hp d.
lim

j8

(18.74)

Utilisant prsent la continuit de la fonction x x1{p nous trouvons

lim

j8

Nous avons donc dj montr que

hpj

1{p

|h|

1{p

(18.75)

1{p

(18.76)

}gi gi1 }p }g0 }p ` 1.

(18.77)

lim }hj }p }g0 }p ` 1 8.

(18.78)

lim }hj }p

j8

|h|

o, encore une fois, rien ne garantit ce stade que lintgrale droite soit un nombre fini. En
utilisant lingalit de Minkowski (proposition 18.23) et lingalit (18.69) nous trouvons
}hj }p }g0 }p `
En passant la limite,

|h|

Par consquent |h|p est finie et

1{p

i1

j8

h P Lp p, A, q.

(18.79)

En particulier, lintgrale h est finie (parce que p 1) et donc que hpxq 8 pour presque tout
x P .
Nous savons que hpxq est la limite des sommes partielles (18.72), en particulier la srie
8

j1

|gi gi1 |

(18.80)

1134

CHAPITRE 18. ANALYSE FONCTIONNELLE

converge ponctuellement. En vertu du corollaire 7.136, la srie de terme gnral gi gi1 converge
ponctuellement. La suite gi converge donc vers une fonction que nous notons g. Par ailleurs la suite
gi est domine par h P Lp , le thorme de la convergence domine (thorme 7.134) implique que
lim }gj g}p 0.

(18.81)

j8

Nous allons maintenant prouver que limn8}fn g}p 0. Soit  0. Pour tout n et i nous avons
}fn g}p }fn fNi ` fNi g}p }fn fNi }p ` }fNi g}p .

(18.82)

Pour rappel, fNi gi . Si i et n sont suffisamment grands nous pouvons obtenir que chacun des
deux termes est plus petit que {2.
Il nous reste prouver que g P Lp p, A, q. Nous avons dj vu (quation (18.79)) que h P Lp ,
mais |gi | hp , par consquent g P Lp .
Nous avons donc montr que la suite de Cauchy pfn q converge vers une fonction de Lp , ce qui
signifie que Lp est complet.
Thorme 18.27 (Fischer-Riesz[1]).
Soit un ouvert de Rn et p P r1, 8s. Alors
(1) Toute suite convergente dans Lp pq admet une sous-suite convergente presque partout sur
.
(2) La sous-suite donne en (1) est domine par un lment de Lp pq.
(3) Lespace Lp pq est de Banach.
Dmonstration. Le cas p 8 est sparer des autres valeurs de p parce quon y parle de norme
uniforme, et aucune sous-suite nest considrer.
Cas p 8. Nous commenons par prouver dans le cas p 8. Soit pfn q une suite de Cauchy
dans L8 pq, ou plus prcisment une suite de reprsentants dlments de Lp . Pour tout
k 1, il existe Nk 0 tel que si m, n Nk , on a
1
.
k
En particulier, il existe un ensemble de mesure nulle Ek sur lequel
}fm fn }8

(18.83)

|fm pxq fn pxq|

1
,
k

(18.84)

|fn pxq fm pxq|

1
k

(18.85)

et si nous posons E kPN Ek , nous avons encore un ensemble de mesure nulle (lemme
7.34). En rsum, nous avons un Nk tel que si m, n Nk , alors
pour tout x hors de E. Donc pour chaque x P zE, la suite n fn pxq est de Cauchy dans
R et converge donc. Cela dfini donc une fonction
f : zE R

x lim fn pxq.

(18.86)

n8

Cela prouve le point (1) : la convergence ponctuelle.

En passant la limite n 8 dans lquation 18.85 et tenant compte que cette majoration
tient pour presque tout x dans , nous trouvons
}f fn }8

1
.
k

(18.87)

Donc non seulement f est dans L8 , mais en plus la suite pfn q converge vers f au sens L8 ,
cest dire uniformment. Cela prouve le point (3). En ce qui concerne le point (2), la suite
fn est entirement ( partir dun certain point) domine par la fonction 1 ` |f | qui est dans
Lp .

1135

18.3. ESPACES LP

Cas p 8. Toute suite convergente tant de Cauchy, nous considrons une suite de Cauchy
pfn q dans Lp pq et ce sera suffisant pour travailler sur le premier point. Pour montrer
quune suite de Cauchy converge, il est suffisant de montrer quune sous-suite converge.
Soit : N N une fonction strictement croissante telle que pour tout n 1 nous ayons
}fpn`1q fpnq }p

1
.
2n

(18.88)

Pour crer la fonction , il est suffisant de prendre le Nk donn par la condition de Cauchy
pour  1{2k et de considrer la fonction dfinie par rcurrence par p1q N1 et pn`1q
maxtNn , pn 1qu. Ensuite nous considrons la fonction
gn pxq

k1

|fpk`1q pxq fpkq pxq|.

(18.89)

Notons que pour crire cela nous avons considr des reprsentants fk qui sont alors des
fonctions lancienne. tant donn que gn est une somme de fonctions dans Lp , cest une
fonction Lp , comme nous pouvons le constater en calculant sa norme :
}gn }p

k1

}fpk`1q fpkq }p

8
n

1
1

1.
k
2
2k
k1
k1

(18.90)

tant donn que tous les termes de la somme dfinissant gn sont positifs, la suite pgn q est
croissante. Mais elle est borne en norme Lp et donc sujette obir au thorme de BeppoLevi 7.129 sur la convergence monotone. Il existe donc une fonction g P Lp pq telle que
gn g presque partout.
Soit un x P pour lequel gn pxq gpxq ; alors pour tout n 2 et @q 0,

q1
q1

|fpn`qq pxq fpnq pxq| fpn`qq pxq

fpn`kq pxq
fpn`kq pxq fpnq pxq

k1

k1

q
q

fpn`kq
fpn`k1q pxq

k1
k1
q

fpn`kq pxq fpn`k1q pxq

(18.91a)

(18.91b)
(18.91c)

k1

gn`q`1 pxq gn`1 pxq

gpxq gn1 pxq.

Nous prenons la limite n 8 ; la dernire expression tend vers zro et donc

|fpn`qq pxq fpnq pxq| 0

(18.91d)
(18.91e)

(18.92)

pour tout q. Donc pour presque tout x P , la suite n fpnq pxq est de Cauchy dans
donc y converge vers un nombre que nous nommons f pxq. Cela dfinit une fonction
f : zE R

x lim fpnq pxq

R et

(18.93)

n8

o E est de mesure nulle. Montrons que f est bien dans Lp pq ; pour cela nous compltons
la srie dingalits (18.91) en

fpn`qq pxq fpnq pxq gpxq gn1 pxq gpxq.

(18.94)
En prenant la limite q 8 nous avons lingalit

|f pxq fpnq pxq| gpxq

(18.95)

1136

CHAPITRE 18. ANALYSE FONCTIONNELLE

pour presque tout x P , cest dire pour tout x P zE. Cette ingalit implique deux
choses valables pour presque tout x dans :
`

f pxq P B gpxq, fpnq pxq

(18.96a)
fpnq pxq |f pxq| ` |gpxq|.

(18.96b)

La premire ingalit assure que |f |p est intgrable sur zE parce que |f | est majore par
|g| ` |fpnq |. Elle prouve par consquent le point (1) parce que n fpnq est une sous-suite
convergente presque partout. La seconde montre le point (2).
Attention : ce point nous avons prouv que n fpnq est une suite de fonctions qui
converge ponctuellement presque partout vers une fonction f qui savre tre dans Lp . Nous
navons pas montr que cette suite convergeait au sens de Lp vers f . Ce que nous devons
montrer est que
}f fpnq }p 0.
(18.97)

Lingalit (18.95) nous donne aussi, toujours pour presque tout x P :

f pxq fpnq pxqp gpxqp

(18.98)

ce qui signifie que la suite 5 |f fpnq |p est domine par la fonction |g|p qui est intgrable
sur zE et tout autant sur parce que E est ngligeable ; cela prouve au passage le point
(2), et le thorme de la convergence domine de Lebesgue (7.134) nous dit que

(18.99)
lim f pxq fpnq pxqdx 0.
f pxq fpnq pxq dx
lim
n8

n8

Cette dernire suite dgalits se lit de la faon suivante :

lim }f fpnq }p lim |f fpnq |p 0.

n8

n8

(18.100)

Nous en dduisons que la suite n fpnq est convergente vers f au sens de la norme Lp pq.
Or la suite de dpart pfn q tait de Cauchy (pour la norme Lp ) ; donc lexistence dune
sous-suite convergente implique la convergence de la suite entire vers f , ce quil fallait
dmontrer.

18.3.6

Lespace L2

Lespace L2 est lespace Lp dfinit la section 18.3 avec p 2. Cependant il possde une
proprit extraordinaire 6 par rapport aux autres Lp , cest que la norme |.|2 drive dun produit
scalaire. Il sera donc un espace de Hilbert.
Nous en rappelons la construction. Soit p, A, q un espace mesur. Nous considrons lopration

xf, gy
f pqgpqdpq
(18.101)

et la norme associe

Nous considrons lensemble

}f }2

xf, f y.

L2 p, q tf : R tel que }f }2 8u

(18.102)

(18.103)

et la relation dquivalence f g si et seulement si f pxq gpxq pour -presque tout x.

5. ce point, [1] se contente de majorer |fpnq pxq| par |f pxq| ` |gpxq, mais je ne comprends pas comment cette
majoration nous permet dutiliser la convergence domine de Lebesgue pour montrer (18.97).
6. Tant et si bien que certains nhsitent pas dfinir le nombre 2 comme tant lunique p tel que Lp est un
Hilbert.

1137

18.3. ESPACES LP
Dfinition 18.28.
Nous dfinissons le quotient

L2 p, q L2 p, q{ .

(18.104)

Lemme 18.29.
La formule (18.101) dfinit un produit scalaire sur L2 , et ce dernier est un espace de Hilbert.
Dmonstration. Dabord si f et g sont dans L2 , alors lingalit de Hlder (proposition 18.20) nous
indique que le produit f g est un lment de L1 . Par consquent la formule a un sens.
Ensuite nous montrons que la formule passe au quotient. Pour cela, nous considrons des
fonctions et nulles presque partout et nous regardons le produit de f1 f ` par g1 g ` :
xf1 , g1 y

(18.105)

f g ` f ` g ` .

Les fonction f , g et tant nulles presque partout, leur intgrale est nulle et nous avons bien
xf1 , g1 y xf, gy. Nous pouvons donc considrer le produit sur lensemble des classes.
Pour vrifier que la formule est un produit scalaire, le seul point non videment est de prouver
que xf, f y 0 implique f 0. Cela dcoule du fait que
xf, f y

|f |2 .

(18.106)

La fonction x |f pxq|2 vrifie les hypothses du lemme 7.123. Par consquent |f pxq|2 est presque
partout nulle.
En ce qui concerne le fait que L2 pq soit un espace de Hilbert, il sagit simplement de se
remmorer que cest un espace complet (thorme 18.26) et dont la norme drive dun produit
scalaire. Nous sommes donc bien dans la dfinition 17.2.
Attention : dans 18.3.6, le produit scalaire a t dfini avec un coefficient 1{2. Voir lquation
(18.109).
Nous notons ici une consquence du thorme 18.27 dans le cas de lespace L2 . La proposition
suivante est une petite partie du corollaire 17.39, qui sera dailleurs dmontr de faon indpendante.
Proposition 18.30.

2
Si nous avons une suite de rels pak q telle que 8
k0 |ak | 8 alors la suite
fn pxq

ak eikx

(18.107)

k0

converge dans L2 s0, 2r .

Dmonstration. Quitte sparer les parties relles et imaginaires, nous pouvons faire abstraction
du fait que nous parlons dune srie de fonctions valeurs dans C au lieu de R.
Un simple calcul est :
}fn fm }2

2
m
0

kn

|ak |2 dx 2

kn

|ak |2 .

(18.108)

Par hypothse le membre de droite est |sm sn | o sk dnote la suite des somme partielle de la
srie des |ak |2 . Cette dernire est de Cauchy (parce que convergente dans R) et donc la limite
n 8 (en gardant m n) est zro. Donc la suite des fn est de Cauchy dans L2 et donc converge
dans L2 .

1138

18.3.7

CHAPITRE 18. ANALYSE FONCTIONNELLE

Coefficients et srie de Fourier

Nous utilisons ici des rsultats de bases hilbertiennes de la sous-section 17.3.4. Nous considrons
lespace de Hilbert L2 rT {2, T {2s muni du produit scalaire 7
xf, gy

1
T

T {2

T {2

f ptqgptqdt.

(18.109)

Pour toute fonction pour laquelle a a un sens (que ce soit des fonctions L2 ou non), nous
posons

1 T {2
cn pf q
f ptqe2int{T dt.
(18.110)
T T {2

Ces nombres sont les coefficients de Fourier de f . Leur importance dans le cadre de L2 provient
du fait que la famille de fonctions
ek ptq e2ikt{T
(18.111)
est une base hilbertienne de L2 rT {2, T {2s et que

cn pf q xf, en y.

(18.112)

Nous pouvons tre plus prcis. Pour un lment donn f P L2 r0, 2s , nous dfinissons
Sn f

xf, ek yek

(18.113)

kn

et nous avons le thorme suivant, qui rcompense les efforts consentis propos de la densit des
polynmes trigonomtriques dans L2 .
Thorme` 18.31.
Soit f P L2 r0, 2s . Nous avons galit 8

nPZ

cn pf qen

(18.114)

dans L2 .
Nous avons aussi la convergence
L2

(18.115)
`

Dmonstration. Le systme trigonomtrique ten unPZ est total pour lespace de Hilbert L2 r0, 2s
(sans priodicit particulire). Donc le point (1) du thorme 17.34 nous donne lgalit demande.
La convergence (18.115) est une reformulation de lgalit (18.114).
Sn f f.

Si nous voulons une vraie convergence ponctuelle voir uniforme pSn f qpxq f pxq, alors il faut
ajouter des hypothses sur la continuit de f , sa priodicit ou le comportement des coefficients
cn .
Remarque 18.32.
Obtenir la convergence L2 ne demande pas dhypothse de priodicit
est automatique du fait que le systme trigonomtrique soit total. Ce
quune convergence L2 et elle ne demande pas f p0q f p2q, mme si
avons ek p0q ek p2q.
Si f p2q f p0q, alors il existe une suite pfn q convergente vers f au
fn p2q.

: la convergence (18.115)
nest cependant pas plus
pour chacun des ek nous
sens L2 telle que fn p0q

7. Attention la convention : nous mettons un coefficient qui nest pas dans la dfinition gnrale (18.101).
8. Notons que la somme sur Z dans (18.114) est commutative ; il nest donc pas besoin dtre plus prcis.

1139

18.4. CONVOLUTION

18.4

Convolution

Le thorme qui permet de dfinir le produit de convolution est la suivant.

Thorme-dfinition 18.33 ([134]).
Soient f, g P L1 pRn q.
(1) Pour presque tout x P Rn , la fonction
y gpx yqf pyq

est dans L1 pRn q, et nous dfinissons le produit de convolution de f et g par

f pyqgpx yqdy.
pf gqpxq
Rn

(18.116)

(18.117)

(2) f g P L1 pRn q.
(3) }f g}1 }f }1 }g}1 .

Lensemble L1 pRn q devient alors une algbre de Banach.

Lemme 18.34.
Le produit de convolution est commutatif : f g g f .

Dmonstration. Le thorme de Fubini (thorme 13.78) permet dcrire

8
8
pf gqpxq
f pyqgpx yqdy
dy1 . . .
dyn f pyqgpx yq.
Rn

(18.118)

En effectuant le changement de variable zi xi yi dans chacune des intgrales nous obtenons

pf gqpxq
gpzqf px zqdz pg f qpxq.
(18.119)
Rn

Attention : on pourrait
y donne dz dy. Mais en
8
`8 croire quun signe apparat du fait que z x
ralit, lintgrale 8 devient par le mme changement de variables `8 qui redonne un nouveau
signe au moment de remettre dans lordre.
Proposition 18.35.
Si 1 p 8 et si f P Lp pRd q et g P L1 pRd q alors
(1) f g P Lp
(2) }f g}p }f }p }g}1 .

Cette proposition est une consquence de lingalit de Minkowski sous forme intgrale :
18.23(3).

Proposition 18.36 ([240]).

Si f P L1 pRq et si g est drivable avec g 1 P L8 , alors f g est drivable et pf gq1 f g 1 .

Dmonstration. La fonction quil faut intgrer pour obtenir f g est f ptqgpx tq, dont la drive
par rapport x est f ptqg 1 px tq. La norme de cette dernire est majore (uniformment en x) par
Gptq |f ptq|}g 1 }8 . La fonction f tant dans L1 pRq, la fonction G est intgrable et le thorme de
drivation sous lintgrale (thorme 13.180) nous dit que f g est drivable et

d
1
pf gq pxq
f ptqgpx tqdt
f ptqg 1 px tqdt pf g 1 qpxq.
(18.120)
dx R
R

Corollaire 18.37.
Si f P L1 pRd q et si g est de classe C 8 , alors f g est de classe C 8 .
Dmonstration. Il sagit ditrer la proposition 18.36.

1140

CHAPITRE 18. ANALYSE FONCTIONNELLE

18.4.1

Densit des fonctions infiniment drivables support compact

Dfinition 18.38.
Une fonction est tage par rapport Lp si elle est de la forme
f
o les Bk sont des mesurables disjoints et

ck 1Bk

(18.121)

k1

1Bk P Lp pour tout k.

Lemme 18.39.
Si f est une fonction tage en mme temps qutre dans Lp , alors elle est tage par rapport
Lp .
Dmonstration. Nous pouvons crire
f

ck 1Bk

(18.122)

k1

o les Bk sont disjoints. Par hypothse }f }p existe. Donc chacune des intgrales |1Bk |p doit
exister parce que les Bk tant disjoints, nous pouvons inverser la norme et la somme ainsi que la
somme et lintgrale :

|f |

k1

|ck 1Bk pxq| dx

p

k1

|ck 1Bk pxq| dx

p

k1

|ck |

|1Bk pxq|p dx.

(18.123)

Le contraire nest pas vrai : la fonction tage sur R qui vaut n sur Bpn, 14 q est tage par
rapport Lp , mais nest pas dans Lp .
Lensemble Cc8 pRd q des fonction de classe C 8 et support compact sur Rd est souvent galement not DpRd q.
Thorme 18.40 ([236]).
Nous avons des densits emboites. Ici D est un borlien born de
est un compact contenant Bp0, r ` 2q.

Rd contenu dans Bp0, rq et K

(1) Les fonctions tages par rapport Lp sur Rd sont denses dans Lp pRd q. A fortiori les
fonctions tages sont denses dans Lp , mais nous nen aurons pas besoin ici.
(2) Il existe une suite fn dans CpK, Cq telle que
Lp

fn 1D .
(3) Si A est un borlien tel que
borne pDn qnPN tels que

(18.124)

1A P Lp pRd q 9 et si  0, alors il existe une suite de borliens

p

L
1Dn
1A .

(18.125)

(4) Il existe une suite n dans DpRd q Cc8 pRd q telle que
Lp

n 1D .

(18.126)

(5) Lensemble DpRd q Cc8 pRd q est dense dans Lp pRd q pour tout 1 p 8.
Dmonstration. Nous allons montrer les choses point par point.
9. Je pense que cette hypothse manque dans [236]. En tout cas je vois mal comment je pourrais justifier les diffrentes
tapes de la preuve en prenant par exemple A Rd .

1141

18.4. CONVOLUTION

(1) Si f P L1 pRd q, nous savons par la proposition 7.106 quil existe une suite fn de fonctions
tages convergeant ponctuellement vers f telle que |fn | |f |. La proposition 18.16 nous
Lp
dit qualors fn f .
La fonction fn tant tage et dans Lp en mme temps, elle est automatiquement tage
par rapport Lp par le lemme 18.39.
(2) Cest le thorme dapproximation 13.10 appliqu au borlien D contenu dans lespace
mesur K.
(3) En vertu du point (2), il existe f P C 0 pK, Rq telle que
}f 1D }p .

(18.127)

Ensuite, par le thorme de Weierstrass, il existe P C 8 pK, Rq telle que }f }8 .

Nous avons aussi

|pxq f pxq|p dx pXq} f }p8 p pKq.

(18.128)
} f }pp
K

Quitte prendre un correspondant un  plus petit, nous avons

(18.129)

} f } .

En combinant et en passant {2 nous avons trouv une fonction P C 8 pK, Rq telle que
} 1D } .

(18.130)

(4) Nous considrons les borliens ferms Dn A X Bp0, nq. Alors 1Dn P Lp et nous avons pour
n assez grand :

Rd

cest dire que

|1Dn pxq 1A pxq|p dx

Rd zBp0,nq

|1A pxq|p ,

(18.131)

L
1Dn
1A .

(5) Il suffit de remettre tout ensemble. Si f P Lp pRd q, par le point (2) nous commenons par
prendre tage par rapport Lp telle que
(18.132)

} f }p .
Ensuite nous crivons sous la forme

ck 1Bk

(18.133)

k1

et nous appliquons le point (3) chacune des 1Bk pour trouver des borliens borns Dk tels
que
}1Dk 1Bk }p .
(18.134)
Enfin nous appliquons le point (4) pour trouver des fonctions k P Cc8 pRd q telles que
}k 1Dk }p .

(18.135)

Il nest pas compliqu de calculer que

N

ck k f p 2 ck ` .
k1

(18.136)

1142

CHAPITRE 18. ANALYSE FONCTIONNELLE

Corollaire 18.41.
`

Si 1 p 8 alors lensemble 10 L2 r0, 1s X Lp r0, 1s est dense dans Lp r0, 1s .

Dmonstration. Nous savons du thorme 18.40(5) que Cc8 r0, 1s est dense dans Lp . Mais nous
avons videmment Cc8 L2 X Lp , donc L2 X Lp est dense dans Lp .
Lemme 18.42.
Soit f P L2 pIq telle que

f 0

(18.137)

pour toute fonction P Cc8 pIq. Alors f 0 presque partout sur I.

Dmonstration. Nous considrons la forme linaire

: L2 pIq C

g xf, gy

f g.

(18.138)

Par densit 11 nous pouvons aussi considrer une suite pn q dans Cc8 pIq convergent vers f dans
L2 . Alors nous avons pour tout n :
xf, n y 0.
(18.139)

En passant la limite, xf, f y 0, ce qui implique f 0 dans L2 et donc f 0 presque partout

en tant que bonne fonction.

Ce rsultat est encore valable dans les espaces Lp (proposition 18.50), mais il demande le
thorme de reprsentation de Riesz 12 .
Lemme 18.43 ([236]).
Soit 1 p 8 et f P Lp pq. Nous notons v loprateur de translation par v :
Alors sans surprises,

v f : x f px vq.

(18.140)

lim }v f }p 0.

(18.141)

v0

18.4.2

Dualit et thorme de reprsentation de Riesz

Dans la suite E 1 est le dual topologique, cest dire lespace des formes linaires et continues
sur E.
Proposition 18.44.
Soit un espace mesur -fini p, A, q et une fonction f P Lp pq telle que

f 0

(18.142)

pour tout P Lq pq. Alors f 0.

Dmonstration.Vu que est -finie, nous pouvons considrer des parties Kn de telles que
pKn q 8 et n Kn . Nous posons
`

An tx P tel que Re f pxq 0u cat Kn .

(18.143)
10. Nous parlons bien ici de lensemble L2 parce que nous le considrons sans norme ou topologie particulire. La
densit dont nous parlons ici est celle pour la topologique de Lp .
11. Thorme 18.40(5).
12. Thorme 18.49.

1143

18.4. CONVOLUTION

Cela est une partie mesurable de mesure finie de , donc n 1An P Lq pq et nous avons

f 0.
(18.144)
An

Mais Repf q 0 sur An , donc pAn q 0. Ensuite nous passons lunion :

A tx P tel que Repf pxqq 0u

An .

(18.145)

Ce ensemble est union dnombrable densembles de mesure nulle ; donc pAq 0. Nous faisons
de mme pour les ensembles Repf q 0, Impf q 0 et Impf q 0. Au final, lensemble tx P
tel que f pxq 0u est de mesure nulle, cest dire que f 0 au sens des classes de Lp .

Proposition 18.45 ([2]).

Soit 1 p 2 et q tel que

1
p

1
q

1. Lapplication

`
1
: Lq r0, 1s Lp r0, 1s

g pf q
f g.

(18.146)

r0,1s

est une isomtrie linaire surjective.

`

Dmonstration. Pour la simplicit des notations nous allons noter L2 pour L2 r0, 1s , et pareillement pour Lp .

g est un lment de pLp q1 Si f P Lp et g P Lq nous devons prouver que q pf q est bien

dfinie. Pour cela nous utilisons lingalit de Hlder 13 qui dit que f g P L1 ; par consquent
la fonction f g est galement dans L1 et nous avons

|g pf q|
|f g| }f g}1 }f }p }g}q .
(18.147)
r0,1s

En ce qui concerne la norme de lapplication g nous avons tout de suite

}g } sup g pf q }g}q .
}f }p 1

(18.148)

Cela signifie que lapplication g est borne et donc continue par la proposition 6.217. Nous
avons donc bien g P pLp q1 .

Isomtrie Afin de prouver que }g } }g}q nous allons trouver une fonction f P Lp telle que
|g pf q|
}f }p }g}q . De cette faon nous aurons prouv que |g | }g}q , ce qui conclurait que
|g | }g}q .
Nous posons f g|g|q2 , de telle sorte que |f | |g|q1 et
}f }p

|g|

ppq1q

1{p

|g|

1{p

}g}q{p
q

(18.149)

o nous avons utilis le fait que ppq 1q q. La fonction f est donc bien dans Lp . Dautre
part,

q2
g pf q f g g|g| g |g|q }g}qq .
(18.150)

Donc

q q
|g pf q|
}g}q p }g}q
}f }p

o nous avons encore utilis le fait que q

13. Proposition 18.20.

q
p

qpp1q
p

1.

(18.151)

1144

CHAPITRE 18. ANALYSE FONCTIONNELLE

Surjectif Soit ` P pLp q1 ; cest une application ` : Lp C sont nous pouvons prendre la restriction L2 parce que la proposition 18.24 nous indique que L2 Lp . Nous nommons
: L2 C cette restriction.

P pL2 q1 Nous devons montrer que est continue pour la norme sur L2 . Pour cela nous
montrons que sa norme oprateur (subordonne la norme de L2 et non de Lp ) est
finie :
|`pf q|
|pf q|
sup
8.
(18.152)
sup
f PL2 }f }p
f PL2 }f }2

Nous avons utilis lingalit de norme }f }p }f }2 de la proposition 18.24(2).

Utilisation du dual de L2 tant donn que L2 est un espace de Hilbert (lemme 18.29) et
que P pL2 q1 , le thorme 17.19 nous donne un lment g P L2 tel que pf q g pf q
pour tout f P L2 .
Nous devons prouver que g P Lq et que pour tout f P Lp nous avons `pf q g pf q.
g P Lq Nous posons fn g|g|q2 1|g|n . Nous avons dune part
1

g pfn q
fn g
|g|q .
(18.153)
0

|g|n

Et dautre part comme fn P L2 nous avons aussi pfn q g pfn q et donc

0 pfn q pfn q }`}}fn }p

}`}

|g|n

}`}

|g|n

|g|pq1qp
|g|

1{p

(18.154a)

1{p

(18.154b)

(18.154c)

o nous avons nouveau tenu compte du fait que ppq 1q q. En combinant avec
(18.153) nous trouvons

1{p

et donc

cest dire

|g|n

|g|q }`}

|g|n

1 1

|g|

|g|q

|g|q

|g|n

|g|n

1{q

}`},
}`}.

(18.155)

(18.156)

(18.157)

Si ce ntait pas encore fait nous nous fixons un reprsentant de la classe g (qui est dans
L2 ), et nous nommons galement g ce reprsentant. Nous posons alors
gn |g|q 1|g|n

(18.158)

qui est une suite croissante de fonctions convergeant ponctuellement vers |g|q . Le thorme de Beppo-Levi 7.129 nous permet alors dcrire

1
q
lim
|g|
|g|q .
(18.159)
n8 |q|n

Mais comme pour chaque n nous avons |g|n |q|q }`}q , nous conservons lingalit
la limite et
1
|g|q }`}q .
(18.160)
Cela prouve que g P Lp .

1145

18.4. CONVOLUTION

`pf q g pf q Soit f P Lp . En vertu de la densit de L2 dans Lp prouve dans le corollaire

18.41 nous pouvons considrer une suite pfn q dans L2 telle que fn f . Pour tout n
nous avons
`pfn q g pfn q.
(18.161)
Lp

Mais ` et g tant continues sur Lp nous pouvons prendre la limite et obtenir

`pf q g pf q.

(18.162)

Lemme 18.46 ([29]).

Soit p, A, q un espace mesur et X une partie de mesure pXq 8. Soit g P L1 pq et S
ferm dans C. Si pour tout E P A nous avons

1
gd P S,
(18.163)
pEq e
alors gpxq P S pour presque tout x P X.

Dmonstration. Soit D Bpa, rq un disque ferm dans le complmentaire de S (ce dernier tant
ferm, le complmentaire est ouvert). Posons E g 1 pDq. Prouvons que pEq 0 parce que cela
prouverait que gpxq P D pour seulement un ensemble de mesure nulle. Mais S c pouvant tre crit
14
c
comme une union
dnombrable de disques ferms , nous aurions gpxq P S presque nulle part.
1
Vu que pEq E a a nous avons

1
1
1

gd a
pg aq
|g a|
pEqr r.
(18.164a)
pEq
pEq E
pEq E
pEq
Donc

1
gd P D,
pEq E
ce qui est une contradiction avec le fait que D S c .

Thorme 18.47 ([29, 184]).

Soit 1 p 8 et un espace mesur fini p, A, q. Soit q tel que
: Lq pLp q1

g pf q
f gd

(18.165)

1
p

1
q

1. Alors lapplication
(18.166)

est une bijection isomtrique.

Note : ici nous considrons dans Lp des fonctions valeurs complexes, et donc les lments du
dual sont des applications linaires continues valeurs dans C.
Dmonstration. Nous commenons par prouver que est injectif. Soient g, g 1 P Lq tels que g
g1 . Alors pour tout f P Lp nous avons

f pg g 1 qd 0.
(18.167)

En particulier pour tout ensemble mesurable A dans , A pg g 1 qd 0 parce que 1A P Lp pq

parce que nous avons suppos que lespace tait fini. La proposition 18.44 nous dit alors que
g g 1 0 dans Lq .
La partie difficile est de montrer que est surjective.
Soit P Lp pq1 . Si 0, cest bien dans limage de ; nous supposons donc que non. Nous
allons commencer par prouver quil existe une (classe de) fonction g P L1 pq telle que g pf q pf q
pour tout f P L8 p, q ; nous montrerons ensuite que g P Lq et que le tout est une isomtrie.
14. Tout ouvert peut tre crit comme union dnombrable dlments dune base de topologie par la proposition
5.16 et C a une base dnombrable de topologie par la proposition 5.43.

1146

CHAPITRE 18. ANALYSE FONCTIONNELLE

Une mesure complexe Si E P A nous notons pEq p1E q. Nous prouvons maintenant
que est une mesure complexe 15 sur p, Aq. a seule condition pas facile est la condition
de dnombrable additive. Il est dj facile de voir que A et B sont disjoints, pA
Y Bq
pAq ` pBq.
des ensembles An deux deux disjoints et posons Ek ik Ai
Soient ensuite

pour avoir k Ak k Ek avec lavantage que les Ek soient embots. Cela donne
}1E 1Ek }p pEzEk q1{p ,

(18.168)

1{p

0. Prouvons que pEzEk q

pEzEk q pEq pEk q,

(18.169)

mais vu que 1 p 8, avoir xk 0 implique davoir xk

0. En vertu du lemme 7.26 nous avons pour chaque k :

et vu que Ek E est une suite croissante, le lemme 7.27(1), sachant que est une mesure
normale , donne
`
lim pEk q
Ek .
(18.170)
n8

Donc effectivement pEk q pEq et donc oui : pEzEk q 0. Jusqu prsent nous avons
lim }1E 1Ek }p 0,

k8

cest dire

(18.171)

L
1Ek
1E . La continuit de sur Lp donne alors

lim pEk q lim p1Ek q p lim

k8

k8

k8

1Ek q p1E q pEq.

(18.172)

Par additivit finie de nous avons

pEk q
et en passant la limite,
complexe.

i1 pAi q

ik

pAi q

(18.173)

p i Ai q. Lapplication est donc une mesure

Mesure absolument continue En prime, si pEq 0 alors pEq 0 parce que

pEq 0 }1E }p 0 1E 0 (dans Lp ) p1E q 0

(18.174)

Utilisation de Radon-Nikodym Nous sommes donc dans un cas o ! et nous utilisons le

thorme de Radon-Nikodym 13.8 sous la forme de la remarque 13.9 : il existe une fonction
intgrable g : C 16 telle que pour tout A P A,

pAq
gd.
(18.175)
A

Cest dire que

p1A q

gd

g1A d.

(18.176)

Nous avons donc exprim comme une intgrale pour les fonctions caractristiques densembles.
Pour les fonctions tages Par linarit si f est mesurable et tage nous avons aussi
pf q

f gd g pf q.

15. Dfinition 13.7.

16. On peut crire, pour utiliser de la notation compacte que g P L1 p, Cq.

(18.177)

1147

18.4. CONVOLUTION

Pour f P L8 pq Une fonction f P L8 est une fonction presque partout borne. Nous supposons
que f est presque partout borne par M . Par ailleurs cette f est limite uniforme de fonctions
tages : }fk f }8 0 en posant fk f 1|f |k . Pour chaque k nous avons lgalit
g pfk q pfk q.

(18.178)

Par ailleurs la fonction fk g est majore par la fonction intgrable M g et le thorme de la

convergence domine 7.134 nous donne

lim g pfi q lim fk g f g g pf q.

(18.179)
k8

k8

Lp

Et la continuit de sur Lp couple la convergence fk f donne limk8 pfk q pf q.

Bref prendre la limite dans (18.178) donne
g pf q pf q

(18.180)

pour tout f P L8 pq.

La suite . . . Voici les prochaines tapes.

Nous avons f g pf q tant que f P L8 . Nous allons tendre cette formule f P Lp
par densit. Cela terminera de prouver que notre application est une bijection.
Ensuite nous allons prouver que }} }g }, cest dire que la bijection est une isomtrie.
Lp

De L8 Lp Soit f P Lp . Si nous avions une suite pfn q dans L8 telle que fn f alors
lim pfn q pf q par continuit de . La difficult est de trouver une telle suite de faon
pouvoir permuter lintgrale et la limite :

fn g
lim fn g
f g g pf q.
(18.181)
lim
n8

n8

Lp

Nous allons donc maintenant nous atteler la tche de trouver fn P L8 avec fn f et

telle que (18.181) soit valide.
Nous allons dabord supposer que f P Lp est positive valeurs relles. Nous avons alors par
la proposition 7.106 quil existe une suite croissante de fonction tages (et donc L8 ) telles
que fn f ponctuellement. De plus tant donn que |fn | |f |, la proposition 18.16 nous
Lp
dit que fn f . Pour chaque n nous avons

fn g pfn q.
(18.182)

Soit g ` la partie relle positive de g. Alors nous avons la limite croissante ponctuelle fn g `
f g ` et le thorme de la convergence monotone 7.129 nous permet dcrire

`
lim fn g f g ` .
(18.183)
n8

Faisant cela pour les trois autres parties de g nous avons prouv que si f P Lp est relle et
positive,

f g pf q,
(18.184)

cest dire que g pf q pf q.

Refaisant le tout pour les trois autres parties de f nous montrons que
g pf q pf q

(18.185)

pour tout f P Lp pq. Nous avons donc galit de et g dans pLp q1 et donc bijection entre
pLp q1 et Lq .

1148

CHAPITRE 18. ANALYSE FONCTIONNELLE

Isomtrie : mise en place Nous devons prouver que cette bijection est isomtrique. Soit P
pLp q1 et g P Lq telle que g . Il faut prouver que
}g}q }}pLp q1 .

(18.186)

}} }g}q Nous savons que pf q f g, et nous allons crire la dfinition de la norme dans
pLp q1 :

}}pLp q1 sup pf q
(18.187a)
}f }p 1

sup | f g|

sup |f g| .
loomoon

(18.187b)

(18.187c)

}f g}1

Il sagit maintenant dutiliser lingalit de Hlder 18.20 :

}} sup }f }p }
g }q }g}q .
}f }p 1

(18.188)

Lingalit dans lautre sens sera dmontre en sparant les cas p 1 et 1 p 8.

Si p 1 Si E est un ensemble mesurable, alors

| gd| p1E q.

(18.189)

Mais le fait quepq 8 donne que 1E P L1 pq. Donc 1E P L8 X L1 ; nous pouvons alors
crire p1E q 1E gd et donc

(18.190)
| 1E gd| | gd| p1E q }}pL1 q1 }1E }1 }}pEq.

Pour utiliser le lemme 18.46, nous crivons cela dans lautre sens :

1
1
}}
| 1E gd| |
gd|.
pEq
pEq E

Si nous prenons S tt P C tel que |t| }}u, cest un ferm vrifiant que

1
gd P S,
pEq E

(18.191)

(18.192)

donc g P S presque partout, ce qui signifie que }g}8 P S. Nous en concluons que
}g}8 }}

(18.193)

et donc que g P L8 .
Notons que cet argument ne tient pas avec p 1 parce que lquation (18.190) terminerait sur }}pEq1{p . Du coup lensemble S prendre serait S tt P C tel que |t|
}}pEq1{p1 u et nous sommes en dehors des hypothses du lemme parce quil ny a pas
1
d prend ses valeurs.
densemble indpendant de E dans lequel lintgrale pEq
Eg

1 p 8 La fonction

pxq

gpxq
|gpxq|

si gpxq 0

si gpxq 0

(18.194)

a la proprit de faire g |g| en mme temps que |pxq| 1 pour tout x. Nous dfinissons
En tx tel que |gpxq| nu

(18.195)

1149

18.4. CONVOLUTION
et

fn 1En |g q1 |.

(18.196)

|fn |p |g ppq1q ||p |g|q

(18.197)

Ce qui est bien avec ces fonctions cest que 17

sur En . Dans En nous avons |fn | |g q1 | nq1 et dans En nous avons fn 0. Au final,
fn P L8 . Par ce que nous avons vu plus haut, nous avons alors
pfn q g pfn q.
Par ailleurs,
fn g 1En |g q1 |

(18.198)

g
g,
|g|

(18.199)

donc 18

q
| fn gd| |pfn q| }}}fn }p }}

|g|
d

En

En

|fn |p

1{p

}}A1{p

}}

A1{p

En

|g|q

1{p

(18.200)

2
}}1{p A1{p ,

Nous avons de ce fait une ingalit de la forme A

et donc aussi

2
1{p
1{p
et donc A }}}} A
. Continuant ainsi injecter lingalit dans elle-mme,

En

1` p1 `...` 1k

p
|g| d }}
q

En

|g| d

1{pk

(18.201)

Nous pouvons passer la limite k 8. Sachant que p 1 nous savons A1{k 1 et

1`
Nous avons alors

1
1
p
` ... ` k
q.
p
p
p1

En

|g|q d }}q .

(18.202)

(18.203)

Lintgrale scrit tout aussi bien sous la forme |g|q 1En . La fonction dans lintgrale est
une suite croissante de fonctions mesurables valeurs dans r0, 8s. Nous pouvons alors
permuter lintgrale et la limite n 8 en utilisant la convergence monotone (thorme
7.129) qui donne alors |g|q }}q ou encore
}g}q }}.

(18.204)

Ceci achve de prouver que lapplication g est une isomtrie, et donc le thorme.

Dfinition 18.48.
Un espace V est rflexif si linjection naturelle V V 1 est surjective.
Thorme 18.49 (Thorme de reprsentation de Riesz[241, 136]).
Nous considrons pour ce thorme des fonctions valeurs relles.
Soit lespace mesur p, A, q et 1 p 8.
(1) Lespace Lp pq est rflexif.

17. Cest ici que nous utilisons le lien entre p et q. En loccurrence, de 1{p ` 1{q 1 nous dduisons qpp 1q p.
18. Dans [29], cette quation arrive sans modules, ce qui me laisse entendre que pfn q est rel et positif pour pouvoir
crire que pfn q }}}fn }p , mais je ne comprends pas pourquoi.

1150

CHAPITRE 18. ANALYSE FONCTIONNELLE

(2) Si q est le nombre tel que

1
p

1
q

1 alors lapplication

: Lq pLp q1

f u d
u u : f

(18.205)

est une bijection isomtrique.

Si est une mesure -finie, alors
(1) pL1 q1 L8

(2) L1 pL8 q1 avec une inclusion stricte sauf dans les cas triviaux.
Proposition 18.50.
Soit f P Lp pq telle que

f 0

(18.206)

pour tout P Cc8 pq. Alors f 0 presque partout.

Dmonstration. Nous considrons la forme linaire f P pLq q1 donne par
f : Lp C

u
fu

(18.207)

Par hypothse cette forme est nulle sur la partie dense Cc8 pq. Si pn q est une suite dans Cc8 pq
convergente vers u dans Lp , nous avons pour tout n que
0 f pn q

(18.208)

En passant la limite, nous voyons que f est la forme nulle. Elle est donc gale 0 . La partie
unicit du thorme de reprsentation de Riesz 18.49 nous indique alors que f 0 dans Lp et
donc f 0 presque partout.
Proposition 18.51.
Si f P L1loc pIq est telle que

f 1 0

(18.209)

pour tout P Cc8 pIq, alors il existe une constante C telle que f C presque partout.
Dmonstration. Soit P Cc8 pIq une fonction dintgrale 1 sur I. Si w P Cc8 pIq alors nous considrons la fonction

h w w,
(18.210)
I

qui est dans Cc8 pIq et dont lintgrale sur I est nulle. Par la proposition 16.94, la fonction h admet
une primitive dans Cc8 pIq ; et nous notons cette primitive. Lhypothse applique donne
0

fw

f pxqpxqdx
I
loooooooooomoooooooooon
C

wpyqdy

wpf Cq.

(18.211)
Lannulation de la dernire intgrale implique par la proposition 18.50 que f C 0 dans L2 ,
cest dire f C presque partout.

1151

18.4. CONVOLUTION

18.4.3

Approximation de lunit

Nous considrons Rd ou pS 1 qd .
Dfinition 18.52.
Une approximation de lunit sur est une suite pn q dans L1 pq telle que

lim

sup }k }1 8
k

n 1

(18.212a)
(18.212b)

|k | 0

k8 zBp0,q

(18.212c)

pour tout n et pour tout 0.

Ce sont des fonctions dont la masse vient saccumuler autour de zro. En effet quel que soit le
voisinage Bp0, q, si k est assez grand, il ny a presque plus rien en dehors.
dx
Pour le point 18.212b, si est S 1 , la mesure que nous considrons est 2
.
Exemple 18.53
Une faon de construire
une approximation de lunit sur

1
L pq telle que 1 puis de poser

R est de considrer une fonction P

(18.213)

k pxq k d pkxq.

Ici, peut tre

R ou S 1 .

Le lemme suivant permet de construire des approximations de lunit intressantes.

Lemme 18.54 ([236]).
Si nous posons
n pxq

pyq

(18.214)

pxqn ,

alors nous obtenons une approximation de lunit dans les deux cas suivants :
(1) Soit une fonction continue et positive sur S 1 telle que pxq p0q pour tout x R 2 Z.
dy
Dans ce cas la mesure prendre pour lintgrale est 2
.
(2) Soit est une fonction continue et positive support compact sur
pour tout x 0.

Rd telle que pxq p0q

Thorme 18.55 ([236]).

Soit pk q une approximation de lunit sur Rd ou pS 1 qd .

(1) Si g est mesurable et borne sur et si g est continue en x0 alors

pk gqpx0 q gpx0 q.
(2) Si g P Lp pq (1 p 8) alors

Lp

k g g.

(18.215)

(18.216)

(3) Si g est uniformment continue et borne, alors

L8

k g g
Dmonstration. Les trois points vont se ressembler.

(18.217)

1152

CHAPITRE 18. ANALYSE FONCTIONNELLE

(1) Nous notons dk pk gqpx0 q gpx0 q et nous devons prouver que dk 0. Vu que k est
dintgrale 1 sur nous pouvons crire

gpx0 yq gpx0 q|k pyq|dy.

|dk |
gpx0 yq gpx0 q k pyqdy
(18.218)

Nous notons M supk }k }1 , et nous considrons 0 tel que

gpx0 yq gpx0 q .

(18.219)

Nous nous restreignons maintenant aux k suffisamment grands pour que ABp0,q |k pyq|dy
. Alors en dcoupant lintgrale en Bp0, q et son complmentaire dans ,

2}g}8 |k pyq|dy M ` 2}g}8  C.

(18.220)
|dk | M `
ABp0,q

Donc oui, nous avons |dk | 0, et donc le premier point du thorme.

(2) Nous posons dk pxq pk gqpxq gpxq et nous voulons prouver que }dk }8 0, cest dire
que dk pxq converge vers zro uniformment en x. Nous posons aussi
y pgq : x gpx yq.

(18.221)

En rcrivant le produit de convolution, une petite majoration donne

|dk pxq|
}y pgq g}8 |k pyq|dy.

(18.222)

Luniforme continuit de g signifie que pour tout , il existe un tel que pour tout y P
Bp0, q,
}y pgq g}8 .
(18.223)

Encore une fois nous dcoupons le domaine dintgration en B Bp0, q et son complmentaire :

}dk }8
}
}
(18.224a)
y pgq g}8 |k pyq|dy `
y pgq g}8 |k pyq|
loooooomoooooon
loooooomoooooon
B

AB

M ` 2}g}8 

2}g}8

(18.224b)

o la seconde ligne est justifie par le choix dun k assez grand pour que AB |k pyq|dy .
Nous avons donc bien }dk }8 0.
(3) Cette fois g P Lp pq et nous cherchons montrer que }dk }p 0. Encore quici dk soit dfini
partir dun reprsentant dans la classe de g et que dailleurs, nous allons travailler avec
ce reprsentant.
Dabord nous dveloppons un peu ce dk :
p 1{p

(18.225a)
}dk }p
gpx yq gpxq k pyqdy dx

|gpx yq gpxq| |k pyq|dy

1{p
dx
.

(18.225b)

cette dernire expression nous appliquons lingalit de Minkowski (thorme 18.23) sous
la forme (18.53) pour la norme dpyq |k pyq|dy et f px, yq gpx yq gpxq :

p 1{p

}dk }p
gpx yq gpxq dx
|k pyq|dy
}y g g}p |k pyq|dy.
(18.226)

Par le lemme 18.43 nous pouvons trouver 0 tel que }y g g}p  pour tout y P Bp0, q.
Avec cela nous dcoupons encore le domaine dintgration :

}dk }p
}
}
y g g}p |k pyq|dy `
y g g}p |k pyq|dy M ` 2}g}p . (18.227)
loooomoooon
loooomoooon
Bp0,q

ABp0,q

2}g}p

1153

18.4. CONVOLUTION

Une petite remarque en passant : aussi triste que cela en ait lair, la convergence uniforme
nimplique pas la convergence Lp pq si nest pas born. En effet si f P Lp , la suite donne par
fn pxq f pxq `

1
n

(18.228)

1
n

(18.229)

converge uniformment vers f , mais

}fn f }p
nexiste mme pas si le domaine nest pas born.

18.4.4

Densit des polynme trigonomtrique

Nous allons beaucoup travailler avec le systme trigonomtrique donn par ten unPZ et
en ptq eint .

(18.230)

Une bonne partie de la douleur quvoque mot densit consiste montrer que ce systme est
total dans L2 pS 1 q L2 pr0, 2sq, et donc en
est une base hilbertienne. Un polynme trigonomN
trique est une fonction de la forme P kN Pk ek pour des constantes Pk .
Un polynme trigonomtrique est une fonction de la forme
P ptq

cn eint .

(18.231)

nN

Lemme 18.56.
Deux petits rsultats simples mais utiles propos des polynmes trigonomtriques.
(1) Si f P L1 pS 1 q, alors nous avons la formule
f en cn pf qen .

(18.232)

(2) Si P est un polynme trigonomtrique et si f P L1 pS 1 q alors f P est encore un polynme

trigonomtrique.
Dmonstration. Le premier point est un simple calcul :

1 2
pf en qpxq
f px tqen ptqdt
2 0
2
einx
f px tqeinpxtq dt
0

cn pf qen pxq.

(18.233a)
(18.233b)
(18.233c)

En ce qui concerne le second point, nous notons P N

kN Pk ek , et par linarit de la
convolution,
N
n

f P
Pk f e k
ck pf qek ,
(18.234)
kN

kN

qui est encore un polynme trigonomtrique.

Exemple 18.57
Sur S 1 nous construisons alors lapproximation de lunit base sur la fonction 1 ` cospxq et le
lemme 18.54. Cette fonction est videmment un polynme trigonomtrique parce que
cospxq

eix ` eix
.
2

(18.235)

1154

CHAPITRE 18. ANALYSE FONCTIONNELLE

Ensuite les puissances le sont aussi cause de la formule du binme :

n

`
n
n
1 ` cospxq
cosn pxq,
k
k0

(18.236)

dans laquelle nous pouvons remettre cospxq comme un polynme trigonomtrique et dvelopper
nouveau la puissance avec (encore) la formule du binme. La chose importante est quil existe une
approximation de lunit pn q forme de polynmes trigonomtrique.
Ce qui fait la spcificit des polynmes trigonomtriques est quils sont la fois stables par
convolution (lemme 18.56) et quils permettent de crer une approximation de lunit sur r0, 2s.
Ce sont ces deux choses qui permettent de prouver limportant thorme suivant.
4
Thorme 18.58.
Les polynme trigonomtriques sont dense dans Lp pS 1 q pour 1 p 8.
`

Dmonstration. Soit f P Lp pS 1 q Lp r0, 2s , et pn q une approximation de lunit sur S 1 forme

de polynmes trigonomtriques, par exemple ceux de lexemple 18.57. Dabord k f est un
polynme trigonomtrique par le lemme 18.56, et ensuite nous avons convergence
Lp

k f f

(18.237)

par le thorme 18.55. Nous avons donc convergence Lp dune suite de polynmes trigonomtrique,
ce qui prouve que lespace de polynmes trigonomtriques est dense dans Lp pS 1 q.
Remarque 18.59.
Deux remarques.
Il nest pas possible que les polynmes trigonomtriques soient dense dans L8 parce quune
limite uniforme de fonctions continues est continue (cest le thorme 11.233).
Nous donnerons au thorme 20.6 une dmonstration indpendante de la densit des polynmes trigonomtriques dans Lp pS 1 q.

18.5

Thormes de Hahn-Banach

Thorme 18.60 (Hahn-Banach[242, 61]).

Soit E, un espace vectoriel rel et une application p : E R satisfaisant
(1) ppxq ppxq pour tout x P E et pour tout 0,

(2) ppx ` yq ppxq ` ppyq pour tout x, y P E.

Soit de plus G E un sous-espace vectoriel muni dune application g : G R vrifiant gpxq ppxq
pour tout x P G. Alors il existe f P LpE, Rq telle que f pxq gpxq pour tout x P G et f pxq ppxq
pour tout x P E.
Dmonstration. Si h une application linaire dfinie sur un sous-espace de E, nous notons Dh ledit
sous-espace.
Un ensemble inductif Nous considrons P , lensemble des fonctions linaires suivant
$

&G D h
!
)
P h : Dh R tel que hpxq gpxq @x P G
(18.238)

%
hpxq ppxq @x P Dh
Cet ensemble est non vide parce que g est dedans. Nous le munissons de la relation dordre
h1 h2 si et seulement si Dh1 Dh2 et h2 prolonge h1 . Nous montrons prsent que P est

1155

18.5. THORMES DE HAHN-BANACH

un ensemble inductif. Soit un sous-ensemble totalement ordonn Q P ; nous dfinissons

une fonction h de la faon suivante. Dabord Dh suplPQ Dl et ensuite
h : Dh R

x lpxq si x P Dl

(18.239)

Cela est bien dfinit parce que si x P Dl X Dl1 alors, vu que Q on a obligatoirement Dl Dl1
et l1 qui prolonge l (ou le contraire) parce que Q est totalement ordonn (i.e. l l1 ou
l1 l). Donc h est un majorant de Q dans P parce que h l pour tout l P Q. Cela montre
que P est inductif (dfinition 1.4). Le lemme de Zorn 1.5 nous dit alors que P possde un
maximum f qui va tre la rponse notre thorme.
Le support de f La fonction f est dans P ; donc f pxq ppxq pour tout x P Dh et f pxq gpxq
pour tout x P G. Pour terminer nous devons montrer que Df E. Supposons donc que
Df E et prenons x0 R Df . Nous allons contredire la maximalit de f en considrant la
fonction h donne par Dh Df ` Rx0 et
hpx ` tx0 q f pxq ` t

(18.240)

hpx ` tx0 q f pxq ` t ppx ` tx0 q

(18.241)

o est une constante que nous allons fixer plus tard.

Nous commenons par prouver que f est dans P . Nous devons prouver que
Pour cela nous allons commencer par fixer pour avoir les relations suivantes :
"
f pxq ` ppx ` x0 q
(18.242a)
f pxq ppx x0 q

pour tout x P Df . Ces relations sont quivalentes demander tel que

"
ppx ` x0 q f pxq
f pxq ppx x0 q

Nous nous demandons donc si il existe un qui satisfasse

`

sup f pyq ppy x0 q inf ppz ` x0 q f pzq .

zPDf

yPDf

Ou encore nous devons prouver que pour tout y, z P Df ,

ppz ` x0 q f pxq f pyq ppy x0 q 0.

(18.242b)

(18.243a)
(18.243b)
(18.244)

(18.245)

Par les proprits de p et de f ,

ppz ` x0 q ` ppy x0 q f pzq f pyq ppz ` yq f pz ` yq 0.

(18.246)

La dernire ingalit est le fait que f P P . Un choix de donnant les inquations (18.242)
est donc possible.
partir des inquations (18.242) nous obtenons la relation (18.241) de la faon suivante.
Si t 0 nous multiplions lquation (18.242a) par t :
tf pxq ` t tppx ` x0 q.

(18.247)

Et nous crivons cette relation avec x{t au lieu de x en tenant compte de la linarit de f :
`x

f pxq ` t tp ` x0 ppx ` tx0 q.

(18.248)
t
Avec t 0, cest similaire, en faisant attention au sens des ingalits.
Nous avons donc construit h : Dh R avec h P P , Df Dh et hpxq f pxq pour tout
x P Df . Cela pour dire que h f , ce qui contredit la maximalit de f . Le domaine de f
est donc E tout entier.
La fonction f est donc une fonction qui remplit les conditions.

1156

CHAPITRE 18. ANALYSE FONCTIONNELLE

Dfinition 18.61.
Un espace topologique est localement convexe si tout point possde un systme fondamental de
voisinages form de convexes.
Dfinition 18.62 (Hyperplan qui spare).
Soit E un espace vectoriel topologique ainsi que A, B des sous-ensembles de E. Nous disons que
lhyperplan dquation f spare au sens large les parties A et B si f pxq pour tout
x P A et f pxq pour tout x P B.
La sparation est au sens strict si il existe  0 tel que
pour tout x P A

f pxq 

pour tout x P B.

f pxq ` 

(18.249a)
(18.249b)

Thorme 18.63 (Hahn-Banach, premire forme gomtrique[61]).

Soit E un espace vectoriel topologique et A, B deux convexes non vides disjoints de E. Si A est
ouvert, il existe un hyperplan ferm qui spare A et B au sens large.
Thorme 18.64 (Hahn-Banach, seconde forme gomtrique).
Soit un espace vectoriel topologique localement convexe 19 ainsi que des convexes non vides disjoints
A et B tels que A soit compact et B soit ferm. Alors il existe un hyperplan ferm qui spare
strictement A et B.
Dmonstration. Vu que B est ferm, A est dans louvert EzB. Donc si a P A, il existe un voisinage
ouvert convexe de a inclus A. Soit Ua un voisinage ouvert et convexe de 0 tel que pa`Ua qXB H.
Vu que la fonction px, yq x ` y est continue, nous pouvons trouver un ouvert convexe
Va tel
que Va ` Va Ua . Lensemble a ` Va est alors un voisinage ouvert de a et bien entendu a pa ` Va q
recouvre A qui est compact. Nous en extrayons un sous-recouvrement fini, cest dire que nous
considrons a1 , . . . , an P A tels que
n

A
pai ` Vai q.
(18.250)
i1

Nous posons alors

Vai .

(18.251)

i1

Cet ensemble est non vide parce et il contient un voisinage de zro parce que cest une intersection
finie de voisinages de zro. Soit x P A ` V . Il existe i tel que
x P ai ` Uai ` V ai ` Vai ` Vai ai ` Uai EzB.

(18.252)

Donc pA`V qXB H. Lensemble A`V est alors un ouvert convexe disjoint de B. Par la premire
forme gomtrique du thorme de Hahn-Banach 18.63 nous avons un hyperplan qui spare A ` V
de B au sens large : il existe f P E 1 zt0u tel que f paq ` f pvq f pbq pour tout a P A, v P V et b P B.
Il suffit donc de trouver un v P V tel que f pvq 0 pour avoir la sparation au sens strict. Cela
est facile : V tant un voisinage de zro et f tant linaire, si elle tait nulle sur V , elle serait nulle
sur E.

18.6

Thorme de Tietze

Dfinition 18.65.
Si E et F sont des espaces norms, une application f : E F est presque surjective si il existe
P s0, 1r et C 0 tels que pour tout y P BF p0, 1q, il existe x P BE p0, Cq tel que }y f pxq} .
19. Dfinition 18.61.

1157

18.6. THORME DE TIETZE

Lemme 18.66 ([1]).
Soient E et F des espaces de Banach et f P LpE, F q 20 . Si f est presque surjective, alors
(1) f est surjective

C
(2) pour tout y P BF p0, 1q, il existe x P BE p0, 1
q tel que y f pxq.

Le point (2) est une prcision du point (1) : il dit quelle est la taille de la boule de E ncessaire
obtenir la boule unit dans F .
` C
Dmonstration. Soit y P BF p0, 1q. Nous allons construire x P B 0, 1
qui donne f pxq y. Ce
x sera la limite dune srie que nous allons construire par rcurrence. Pour n 1 nous utilisons
la presque surjectivit pour considrer x1 P BE p0, Cq tel que }y f px1 q} . Ensuite nous
considrons la rcurrence
xn P BE p0, Cq
(18.253)
tel que

y
i1 f pxi q n

(18.254)

i1

Pour montrer que cela existe nous supposons que la srie est dj construire jusqu n 1 :
n

1
i1
y

f
px
q
P BF p0, 1q
i
n
i1

partir de l, par presque surjectivit il existe un xn`1 P BE p0, Cq tel que

y ni1 i1 f pxi q

f pxn`1 q .
n

(18.255)

(18.256)

En multipliant par n , le terme n f pxn`1 q sintgre bien dans la somme :

n`1

y
i1 f pxi q n`1 .

(18.257)

i1

Nous nous intressons une ventuelle limite la somme des n1 xn . Dabord nous avons la
majoration }n1 xn } n1 C, et vu que par la dfinition de la presque surjectivit 0 1, la
srie
8

n1 xn
(18.258)
n1

absolument 21

converge
parce que la suite des normes est une suite gomtrique de raison . Vu
que E est de Banach, la convergence absolue implique la convergence simple (la suite des sommes
partielles est de Cauchy et Banach est complet). Nous posons
x
et en termes de normes, a vrifie
}x}

n1

n1

(18.259)

n1 xn P E,

n1 }xn } C

n1

n1

C
.
1

(18.260)

` C
Donc cest bon pour avoir x P B 0, 1
. Nous devons encore vrifier que y f pxq. Pour cela nous
remarquons que
N

}y f
n1 xn } N .
(18.261)
n1

20. Lensemble des applications linaires continues

21. Dfinition 6.152.

1158

CHAPITRE 18. ANALYSE FONCTIONNELLE

Nous pouvons prendre la limite N 8 et permuter f avec la limite (par continuit de f ). Vu que
0 1 nous avons
}y f pxq} 0.
(18.262)

Thorme 18.67 (Tietze[1, 204]).

Soit un espace mtrique pX, dq et un ferm Y X. Soit g0 P C 0 pY, Rq. Alors g0 admet un
prolongement continu sur X.
Dmonstration. Soit lopration de restriction
T : pCb0 pX, Rq, }.}8 q pCb0 pY, Rq, }.}8 q
f f |Y .

(18.263)

Lapplication T est videmment linaire. Elle est de plus born pour la norme oprateur usuelle
donne par la proposition 6.80 parce que }T pf q} }f } 8. Lapplication T est alors continue
par la proposition 6.217.
Presque surjection Soit g P Cb0 pY, Rq avec }g}8 1. Nous posons
1
gpxq 1u
3
1
tx P Y tel que 1 gpxq u.
3
Y ` tx P Y tel que

Y
Nous considrons alors

f: X R
x

1 dpx, Y q dpx, Y ` q
3 dpx, Y q ` dpx, Y ` q

(18.264a)
(18.264b)

(18.265)

Vu quen valeur absolue le dnominateur est plus grand que le numrateur nous avons
}f }8 13 . Notons que
Si x P Y ` alors f pxq 31 et gpxq P r 13 , 1s ;
Si x P Y alors f pxq 31 et gpxq P r1, 13 s ;

` ni dans Y alors nous avons 22 gpxq P r 1 , 1 s et donc f pxqgpxq

Si
x
nest
ni
dans
Y
3 3

f pxq ` gpxq 2 .
3

Dans les deux cas nous avons f pxq gpxq P r0, 32 s pour tout x P X. Cela prouve que
2
}T pf q g}Y,8 .
3

(18.266)

En rsum nous avons pris g dans la boule Bp0, 1q de Cb0 pY, Rq, }.}8 et nous avons

`
construit une fonction f dans la boule Bp0, 13 q de Cb0 pX, Rq, }.}8 telle que }T pf qg}8 23 .
Lapplication T est donc une presque surjection avec 13 et C 23 .

Prolongement dans les boules unit fermes La proposition 16.103 nous assure que les
espaces Cb0 pX, Rq et Cb0 pY, Rq sont de Banach (complets), et le lemme 18.66 nous dit alors
que T est surjective et que pour tout g P Bp0, 1q, il existe
f PB

1{3
0,
1 23

Bp0, 1q.

telle que g T pf q.
22. Nous rappelons que }g} 1, donc gpxq est forcment ente 1 et 1.

(18.267)

1159

18.7. ESPACE DE SCHWARTZ

Prolongement pour les boules ouvertes Jusqu prsent nous avons montr quune fonction g P Bp0, 1q admet une prolongement
` 0 continu dans
Bp0, 1q. Nous allons montrer que si
g est dans la boule ouverte Bp0,
` 1q de Cb pY, Rq, }.}8 alors g admet un prolongement dans
la boule ouverte Bp0, 1q de Cb0 pX, Rq, }.}8 .
Soit g P BC 0 pY q p0, 1q et son prolongement h P BC 0 pXq p0, 1q. Si }h}8 1 alors le rsultat est
b
b
vrai. Sinon nous considrons lensemble
Z tx P X tel que |hpxq| 1u.

(18.268)

Nous avons Y XZ H parce que nous avons h g sur Y et nous avons choisi }g}8 8. Par
ailleurs Y est ferm par hypothse et Z est ferm parce que h est continue ; par consquent
Y X Z est ferm, donc 23
Y X Z Y X Z H.
(18.269)
Nous posons

u : X R`
x

(18.270)

dpx, Zq
dpx, Y q ` dpx, Zq

Le dnominateur nest pas nul parce quil faudrait dpx, Y q dpx, Zq 0, ce qui demanderait
ce qui nest pas possible. Nous posons f uh. Si x P Y alors upxq 1, donc
x P Y X Z,
f est encore un prolongement de g. De plus f est encore continue, et donc encore un bon
candidat. Enfin si x est hors de Y alors dpx, Y q 0 (strictement parce que Y est ferm) et
donc 0 upxq 1, ce qui donne |f pxq| |hpxq| 1. Donc }f }8 1.
Nous avons donc trouv quune fonction dans la boule ouverte BC 0 pY q p0, 1q se prolonge en
b
une fonction dans la boule ouverte BC 0 pXq p0, 1q.
b

C 0 pY,

Le cas non born Soit enfin g0 P

Rq. Nous allons nous ramener au cas de la boule unit
ouverte en utilisant un homomorphisme : R s1, 1r. Lapplication g g0 est dans
la boule unit ouvert de C 0 pY, Rq et donc admet un prolongement f dans la boule unit
ouverte de C 0 pXq. Lapplication f0 1 f est un prolongement continu de g0 .
Un homomorphisme : R s1, 1r est donn par exemple par la fonction ptq
dont le graphique est donn ci-dessous :

18.7

arctanptq

Espace de Schwartz

Pour un multiindice p1 , . . . , d q P Nd , nous notons

B Bx11 . . . Bxdd

(18.271)

pour peu que la fonction soit || 1 ` . . . ` d fois drivable.

23. Si vous avez lintention de dire que Y X Z Y X Z Y X Z H, allez dabord voir lexemple 5.165. Ici cest
correct parce que Y et Z sont ferms.

1160

CHAPITRE 18. ANALYSE FONCTIONNELLE

Dfinition 18.68.
Soit Rd . Lespace de Schwartz S pq est le sous-ensemble de C 8 pq des fonctions dont
toutes les drives dcroissent plus vite que tout polynme :
(
S pq P C 8 pq tel que @, P Nd , p, pq 8
(18.272)
o nous avons considr

p, pq sup |x pB qpxq| }x B }8 .

(18.273)

xP

Pour simplifier les notations (surtout du ct de Fourier), nous allons parfois crire Mi pour
la fonction x xi pxq.
Exemple 18.69
2
La fonction ex est une fonction dcroissance rapide sur

R.

Dfinition 18.70.
Une fonction f : Rd C est dite dcroissance rapide si elle dcrot plus vite que nimporte
1
quel polynme. Plus prcisment, si pour tout polynme Q, il existe un r 0 tel que |f pxq| |Qpxq|
pour tout }x} r.
Proposition 18.71.
Une fonction Schwartz est dcroissance rapide.
Dmonstration. Nous commenons par considrer un polynme P donn par

P pxq
ck xk

(18.274)

o les k sont des multiindices, les ck sont des constantes et la somme est finie. Nous avons la
majoration

|ck |p0,k pq 8.
(18.275)
sup |pxqP pxq|
sup ck pxqxk
xPRd

Nous allons noter MP la constante

|pxqP pxq| MP et donc

|ck |p0,k pq, de sorte que pour tout x P

|pxq|

MP
1
1
.
|P pxq|
| MP P pxq|

Rd nous ayons
(18.276)

Notons que cette ingalit est a fortiori correcte pour les x sur lesquels P sannule.
Soit maintenant un polynme Q. Nous considrons le polynme P pxq }x}Qpxq. tant de
plus haut degr, pour toute constante C il existe un rayon rC tel que |P pxq| C|Qpxq| pour tout
|x| rC . En particulier pour |x| rMP nous avons
|P pxq| MP |Qpxq|
et donc, pour ces x,
|pxq|

| M1P

1
1

.
|Qpxq|
P pxq|

(18.277)
(18.278)

La premire ingalit est valable pour tout x, et la seconde pour }x} rMP .
Corollaire 18.72 ([8]).
Soit une fonction Schwartz sur

Rm Rn . Alors la fonction
y sup |px, yq|
xPRn

est intgrable.

(18.279)

1161

18.7. ESPACE DE SCHWARTZ

Dmonstration. Soit un polynme Q en la variable y. Par la proposition 18.71, il existe r 0 tel

que
1
|px, tq|
(18.280)
Qpyq
pour tout }px, yq} r. A fortiori lingalit tient pour tout |y| r. Donc

sup |px, yq|dy.

sup |px, yq|dy `
sup |px, yq|dy
Rm xPRn

}y}r

}y}r

(18.281)

La premire intgrale est borne par Vol Bp0, rq }f }8 tandis que la seconde est borne par lin1
tgrale de Qpyq
. En prenant Q de degr suffisamment lev en toutes les composantes de y nous
avons intgrabilit.

18.7.1

Topologie

Lemme-dfinition 18.73.
Les p, donns par lquation (18.273) ci-dessus sont des semi-normes 24 . La topologie considre
sur S pRd q est celle des semi-normes p, .
Lemme 18.74 ([4]).
La topologie sur S pRd q est donne aussi par les semi-normes

`
m
qn,m max sup 1 ` }x} B pxq.
||n xPRd

Autrement dit, une suite n

(18.282)

S pRd q

0 si et seulement si qn,mpq 0 pour tout n et m.

Le fait que les qn,m pq restent borns est la proposition 18.71. Cependant ce lemme est plus
prcis parce quen disant seulement que est major par des polynme, nous ne disons pas que
S
les polynmes correspondants aux n tendent vers zro si n 0. Et dailleurs on ne sait pas trs
bien ce que signifierait Pn 0 pour une suite de polynmes.
Proposition 18.75.
Pour p P r1, 8s, lespace S pRd q sinjecte continument dans Lp pRd q.

Dmonstration. Linjection dont nous parlons est lidentit ou plus prcisment lidentit suivie de
la prise de classe. Il faut vrifier que cela est correct et continu, cest dire dabord quune fonction
S
Lp
dcroissance rapide est bien dans Lp et ensuite que si fn 0, alors fn 0.
S
Commenons par p 8. Alors }fn }8 p0,0 pfn q 0 parce que si fn 0, alors en particulier
p0,0 pfn q 0.
Au tour de p 8 maintenant. Nous savons quen dimension d, la fonction
x

1
p1 ` }x}qs

est intgrable ds que s d. Pour toute valeur de m nous avons

p

p1 ` }x}qm pxq
q pqp
p
p
`
mp
` 0,m mp .
}}p
|pxq| dx

1 ` }x}
Rd
Rd
Rd 1 ` }x}

(18.283)

(18.284)

En choisissant m de telle sorte que mp d, nous avons convergence de lintgrale et donc }}p 8.
Nous retenons que
}}pp Cq0,m pqp
(18.285)
pour une certaine constance C et un bon choix de m.
24. Dfinition 5.175.

1162

CHAPITRE 18. ANALYSE FONCTIONNELLE

Ceci prouve que S pRd q Lp pRd q. Nous devons encore vrifier que linclusion est continue.
S
Si n 0, alors en particulier nous avons q0,m pn q 0 par le lemme 18.74. Par consquent la
majoration (18.285) nous dit que }n }p 0 galement.
En rsum, si n

S pRd q

Lp

alors n .

Thorme 18.76 ([134]).

Soit une mesure sur les borliens de
L1 pRn , BorpRn q, q.

Rn finie sur les compacts. Alors DpRn q est dense dans

Proposition 18.77 ([243]).

La partie DpRd q est dense dans S pRd q.

Dmonstration. Soit f P S pRd q, et , une fonction de DpRd q telle que pxq 1 pour |x| 1
(lexistence de telles fonctions est discute en 16.6.1). Soit aussi k pxq px{kq. Nous posons
(18.286)

fk pxq k pxqf pxq,

et nous allons prouver que pour tout multiindices et ,
p, pfk f q }x B pfk f q}8 0.

(18.287)

Pour cela nous allons noter lorsque est un multiindice contenu dans . En utilisant la
drive du produit nous avons

pB fk qpxq
pB k qpxqB f pxq
(18.288a)

k || pB qpx{kqpB f qpxq

(18.288b)

k || pB qpx{kqpB f qpxq ` px{kqpB f qpxq.

(18.288c)

Nous devons donc tudier et majorer

||

sup |x B pfk f q| sup x

k
pB
qpx{kqpB f qpxq

xPRd

(18.289)

` sup x px{kq 1 pB f qpxq

En ce qui concerne le second terme, soit  0, vu que f est Schwartz, il existe R tel que
|x pB f qpxq| 
ds que }x} R. En prenant k R,
|x pB f qpxq|

0 si }x} R
 si }x} R.

En ce qui concerne le premier terme,

||

sup x
k
pB
qpx{kqpB f qpxq
xPRd

(18.290)

(18.291)

(18.292a)

1
sup
pB
qpx{kqpx B f qpxq
k x

1
sup
pB
qpx{kqp, pf q
k x

(18.292b)
(18.292c)

1163

18.7. ESPACE DE SCHWARTZ

La somme ne contient quun nombre fini de diffrents, donc nous pouvons considrer un nombre
K qui majore tous les p, pf q en mme temps. La partie avec peut tre majore par }B }8
(qui est fini) dont nous pouvons prendre le maximum sur . Toute lexpression dans la somme
est donc majore par un nombre qui ne dpend ni de x ni de . Vu que la somme est finie, elle est
majore par ce nombre multipli par le nombre de termes dans la somme et au final
K1
||

sup x
k
pB
qpx{kqpB f qpxq
.
k
d
xPR

(18.293)

La limite k 8 ne fait alors plus de doutes.

Remarque 18.78.

S pRd q

Vu la topologie de S pRd q (dfinition 18.73), la convergence fk f peut tre exprime par le

fait que pour tout k, l,
unif
tk fnplq tk f plq .
(18.294)

Cest dire convergence uniforme de toutes les drives multiplies par nimporte quel polynme.

18.7.2

Produit de convolution

Proposition 18.79 (Stabilit de Schwartz par convolution 25 [240]).

Si P L1 pRd q et P S pRd q, alors P S pRd q.
Dmonstration. Nous devons prouver que

p, p q sup |x pB p qqpxq|
xPRd

(18.295)

est born pour tout multiindices et . En appliquant || fois la proposition 18.36, nous mettons
toutes les drives sur : B p q p B q. Cela tant fait, nous majorons

x p B qpxq |x |
pB qpx yq dy
|pyq| looooooomooooooon
(18.296a)
Rd

|x |}B }8

Rd

p, pq}}L1 .
Par consquent, p, p q }}L1 p, pq 8.

25. Dfinition 18.33.

}B }8

|pyq|dy

(18.296b)

(18.296c)

1164

CHAPITRE 18. ANALYSE FONCTIONNELLE

Chapitre 19

Analyse complexe
19.1

Fonctions holomorphes

19.1.1

quations de Cauchy-Riemann

Notons que la formule (16.18) donne un dveloppement limit pour les fonctions holomorphes. Si f est holomorphe en z0 alors si z est dans un voisinage de z0 , il existe une fonction
s : R C telle que limt0 sptq{t 0 et
(19.1)

f pzq f pz0 q ` f 1 pz0 qpz z0 q ` sp|z z0 |q.

Nous introduisons les oprateurs
B
B
Bz
B
B
B
z

1 B
B
i
2 Bx
By

1 B
B
`i
2 Bx
By

(19.2a)
(19.2b)

Si f est une fonction C-drivable reprsente par la fonction F P ` iQ, les quations de CauchyRiemann signifient que P Q 0, cest dire que la fonction f a des composantes harmoniques.
Thorme 19.1.
Si f P C 1 pq alors nous avons quivalence des faits suivants :
(1) f est holomorphe sur ,
(2) f vrifie Bzf 0.
Proposition 19.2.
Une application f : C est

C-drivable sur si et seulement si elle est diffrentiable et

$
Bu
Bv

&
Bx
By
Bu
Bv

By
Bx

(19.3b)

Bf
0.
B
z

(19.4)

(19.3a)

o f px ` iyq upx, yq ` ivpx, yq. Ces quations se notent de faon plus compacte

Les quations (19.3) sont les quations de Cauchy-Riemann.

Dmonstration. La diffrentielle de f :

R2 R2 est donne par la matrice

Bx upaq By upaq
.
Bx vpaq By vpaq
1165

(19.5)

1166

CHAPITRE 19. ANALYSE COMPLEXE

Cette matrice est

similitude
si et seulement si les quations de Cauchy-Riemann sont satisfaites.
une
0
1
, la matrice T est une similitude (crivons ` i son coefficient) si
et i
En effet si 1
1
0
"

cest dire

(19.6a)

T p1q ` i

(19.6b)

T piq ` i,

.
T

(19.7)

Identifier cette matrice (19.5) fournit le rsultat annonc.

Proposition 19.3.
Si f : C C est holomorphe, alors nous avons
(19.8)

dfz0 pBz f qpz0 q

au sens o loprateur linaire dfz0 :
pBz f qpz0 q.

C C est lopration de multiplication par le nombre complexe

Dmonstration. Soit f px ` iyq f1 px, yq ` if2 px, yq une fonction holomorphe. Les fonctions relles
f1 et f2 sont assujetties aux quations de Cauchy-Riemann de la proposition 19.2 :
"

(19.9a)

Bx f1 By f2

(19.9b)

Bx f2 By f1 .

Nous avons, en recourant un petit abus de notation entre fi :

R2 R et fi : C R :

d
f pz0 ` tuq
dt
t0

f1 pz0 ` tuq ` if2 pz0 ` tuq

dt
t0
`

Bx f1 u1 ` By f1 u2 ` i Bx f2 u1 ` By f2 u2

Bx f1 By f1
u1

Bx f2 By f2
u2

Bx f1 By f1
u1

.
By f1 By f2
u2

dfz0 puq

(19.10a)
(19.10b)
(19.10c)
(19.10d)
(19.10e)

En utilisant le lemme 16.4 nous reconnaissons la matrice de multiplication par le nombre Bx f1

iBy f1 . Or justement,
1
Bz f
2

B
B
i
Bx
By

1`
Bx f1 ` iBx f2 iBy f1 ` By f2 ,
2

(19.11)

qui se rduit Bx f1 iBy f1 lorsque nous y appliquons les quations de Cauchy-Riemann.

19.1.2

Intgrales sur des chemins ferms

Lemme 19.4.
Si g est une fonction continue dans un ouvert C et si g admet une primitive complexe sur
alors

gpzqdz 0
(19.12)

pour tout chemin ferm de classe C 1 contenu dans .

1167

19.1. FONCTIONS HOLOMORPHES

Dmonstration. Nommons G une primitive de g. Par dfinition,

g G1

0
1

(19.13a)

G1 ptq 1 ptqdt

(19.13b)
(19.13c)

pG gq1 ptqdt
`

Gpp1qq G p0q

(19.13d)

(19.13e)

parce que le chemin est ferm : p0q p1q.

Lemme 19.5 (Goursat[244]).

Soit un ouvert dans C et f une fonction continue sur , holomorphe sur moins ventuellement
un point (nomm z1 P ). Soit T , un triangle 1 ferm inclus . Alors nous avons

f pzqdz 0.
(19.14)
BT

Dmonstration. Nous notons BT . Dans la suite nous allons dfinir une suite de triangles T pnq
et nous noterons n BT pnq avec une orientation que nous allons expliquer. Pour commencer nous
posons T p0q T et 0 BT p0q .
Nous considrons le cas z1 R T , et nous posons

2
c lpq | f |.
(19.15)

Notre objectif est de montrer que c 0. Soit A, B, C les trois sommes du triangle ; nous divisons
le triangle de la faons suivante. Dabord nous considrons les points A1 , B, C 1 respectivement
milieux de BC, AC et AB. En traant le triangle A1 B 1 C 1 , nous construisons quatre triangles que
p0q
nous nommons Ti . Le thorme de Thals assure que le primtre de chacun des quatre triangles
est la moiti du primtre du grand triangle T .
Sur T nous choisissons lorientation ABC. De faon tre compatible, nous choisissons les
orientations AC 1 B 1 , BA1 C 1 et A1 CB 1 . La somme de ces trois triangles donne T plus le triangle
A1 C 1 B 1 . Par consquent nous choisissons sur le triangle central lorientation (inverse) AB 1 C 1 de
faon avoir

f
f.
(19.16)

p0q

i1 BTi

p0q

Cela implique que pour au moins un des quatre triangles (disons Tk

ayons

1
f
f
p0q
4 BT p0q
BTk

pour fixer les ides) nous

(19.17)

Nous notons T p1q ce triangle. Comme not prcdemment nous avons

1
lpBT p1q q lpBT p0q q,
2

et donc
lp1 q2 |

|f 4lp0 q2 |

1
f | 4lp0 q2 |
4
1

(19.18)

f | c.

(19.19)

En rptant le procd nous construisons une suite de triangles T pnq qui satisfont toujours
lpBT pnq q
1. Nous considrons ici le triangle plein.

1
lpBT p0q q.
2n

(19.20)

1168

CHAPITRE 19. ANALYSE COMPLEXE

Ces triangles forment une suite de ferms emboits dont le diamtre tend vers zro. Leur intersection contient donc exactement un point (lemme 16.164) que nous nommons z0 (et qui appartient
videmment ). tant donn que f est holomorphe nous utilisons le dveloppement limit (19.1)
autour de z0 :
f pzq f pz0 q ` f 1 pz0 qpz z0 q ` sp|z z0 |qpz z0 q
(19.21)

avec limt0 sptq 0. Nous posons gpzq f pz0 q ` f 1 pz0 qpz z0 q et nous considrons  0. Soit
0 tel que
|f pzq gpzq| |z z0 |
(19.22)
pour tout |z z0 | . Le choisir pour obtenir cet effet est celui qui donne sp|z z0 |q . Soit
N P N tel que lpn q pour tout n N . Dautre part, deux points dans un triangle sont toujours
distance moindre que la longueur dun ct, donc pour tout z P T pnq nous avons |z z0 | et
par consquent pour tout z dans T pnq nous avons
|f pzq gpzq| |z z0 |.

(19.23)

Notons que la fonction g est une drive : cest la drive de la fonction

1
Gpzq zf pz0 q ` f 1 pz0 qpz z0 q2 .
2
Par consquent nous avons

g0

(19.25)

par le lemme 19.4. Nous avons donc

|
f| |
pf gq|
n

(19.24)

(19.26a)

lpn q maxt|f pzq gpzq| tel que z P T pnq u

lpn q2 ,

et par consquent
c lpn q

f | ,

(19.26b)
(19.26c)
(19.27)

ce qui signifie que c 0 parce que  est arbitraire. Nous avons donc prouv le lemme de Goursat
dans le cas o le point de non holomorphie z1 est en dehors de T .
Si z1 est sur un ct, disons sur le ct AB, alors nous considrons un vecteur v P C tel que
T T ` v ne contienne z1 pour aucun . Le vecteur v z1 C fait par exemple laffaire. En
vertu du point prcdent nous avons

BT

f 0

(19.28)

pour tout  0. tant donn que la fonction f est continue (y compris en z1 ), lintgrale sur BT
est galement nulle.
Si maintenant le point z1 est lintrieur de T nous dcomposons T en trois triangles ayant
z1 comme sommet commun. Si nous considrons les orientations Az1 C, ABz1 et BCz1 , alors nous
avons

f
f`
f`
f,
(19.29)
T

Az1 C

ABz1

BCz1

alors que par le point prcdent les trois intgrales du membre de droite sont nulles.

Proposition 19.6 ([244]).

Soit un ouvert toil et f une fonction holomorphe sur sauf ventuellement en un point z1 o
f est seulement continue. Alors si est un chemin ferm dans , nous avons

f 0.
(19.30)

1169

19.1. FONCTIONS HOLOMORPHES

Proposition
19.7.
Si f pzq n an z n a pour rayon de convergence R, alors f est
terme terme dans la boule ouverte Bp0, Rq.

C-drivable et nous pouvons driver

Dmonstration. Cela est exactement la proposition 16.37.

19.1.3

Lacets, indice et homotopie

Dfinition 19.8.
Soit un chemin ferm 2 dans

C. Lindice de la courbe est la fonction

Ind :

Cz Z

1
z

2i

d
.
z

(19.31)

Un chemin continu et ferm (au sens p1q p0q) est un lacet.

Dfinition 19.9.
Si 1 et 2 sont deux lacets en x0 P X (un espace topologique), une quivalence dhomotopie
est une application f : r0, 1s r0, 1s X telle que
(1) f p0, tq 1 ptq pour tout t ;
(2) f p1, tq 1 ptq pour tout t ;
(3) pour chaque t P r0, 1s, lapplication s f ps, tq est continue ;
(4) pour chaque s P r0, 1s, lapplication t f ps, tq est un lacet bas en x0 .

Thorme 19.10. (1) La fonction Ind est continue et prend des valeurs entires.
(2) La fonction indice est constante sur chaque composante connexe de Cz et est nulle sur la
composante non borne.
Le second point est en partie la proposition 5.68.
Exemple 19.11
Si est un cercle de centre z0 P C et de rayon r, alors
#
2i si z P Bpz0 , rq
Ind pzq
0
sinon.

(19.32)

La seconde ligne provient directement du thorme 19.10. Pour la premire, le cercle se paramtre
par
pq z0 ` rei ,
(19.33)

et lintgrale vaut

z0

2
0

1
irei d 2i.
rei

Lindice de ce chemin va videmment jouer un rle particulier dans la suite.

(19.34)
4

Thorme 19.12 (Cauchy, version homotopique[245]).

Soit un ouvert de C et f une fonction holomorphe sur . Si 1 et 2 sont deux lacets homotopes
de classe C 1 dans , alors

f pzqdz

f pzqdz.

Corollaire 19.13 ([245]).

Soit a P C ainsi que deux chemins 1 et 2 homotopes dans
Il y a aussi des choses sur lindice dans [244].

(19.35)

Cztau. Alors Intp1 , aq Indp2 , aq.

2. Par abus de langage, nous dsignerons par la fois le chemin et son image.

1170

CHAPITRE 19. ANALYSE COMPLEXE

19.1.4

Thorme de Cauchy et analycit

Cette sous-section veut prouver le thorme de Cauchy. Comme dhabitude, une rfrence qui
ne peut pas rater est [244].
Thorme 19.14 (Formule de Cauchy).
Soit ouvert dans C, z0 P et f , une fonction holomorphe sur . Soit r 0 tel que Bpz0 , rq .
Alors pour tout z P Bpz0 , rq nous avons

1
f pq
f pzq
d.
(19.36)
2i BBpz0 ,rq z
Dmonstration. Soit z P Bpz0 , rq et considrons la fonction
#
f pqf pzq
si z
z
gpq
1
f pzq
si z.

(19.37)

Cette fonction est holomorphe sur Bpz0 , rqztzu et continue en z. Elle vrifie donc la proposition
19.6 et nous avons

g0
(19.38)

o est le cercle de centre z0 et de rayon r. Nous avons donc

f pq
f pzq
0

,
z
z

et ayant dj calcul la seconde intgrale dans lexemple 19.11 nous en dduisons

f pq
d 2if pzq,

(19.39)

(19.40)

ce quil fallait.
Dfinition 19.15.
Une fonction f : C est
pcn q et r 0 tels que

C-analytique sur si pour tout z0 P , il existe une suite complexe

f pzq

pour tout z P Bpz0 , rq.

Thorme 19.16.
Soit ouvert dans
Alors :

n0

cn pz z0 qn

(19.41)

C et f , holomorphe sur . Soient encore z0 P et r0 tel que Bpz0 , r0 q .

(1) Sur Bpz0 , r0 q, la fonction f scrit

f pzq
(2) Nous avons

n0

an pz z0 qn .

f pnq pz0 q
1

an
n!
2i

o BBpz0 , rq avec |z z0 | r r0 .

(3) En particulier f est infiniment drivable.

f pq
d
p z0 qn`1

(19.42)

(19.43)

1171

19.1. FONCTIONS HOLOMORPHES

Dmonstration. Soit r 0 tel que |z z0 | r r0 . La formule de Cauchy (thorme 19.14) nous

dit que

1
f pq
f pzq
d
(19.44)
2i z

o BBpz0 , rq. Nous pouvons paramtrer ce chemin par z0 ` rei et P r0, 2s. Nous avons
2
f pz0 ` rei q
1
f pzq
riei d
2i 0 z0 ` rei z

f pz0 ` rei q
1 2
d.

2 0 1 ei pz z0 q{r

(19.45a)
(19.45b)

Nous pouvons dvelopper lintgrante en puissance de pz z0 q en utilisant la formule 16.191. Ici

le rle de x est tenu par
ei pz z0 q{r
(19.46)
dont le module est bien plus petit que 1, par hypothse sur r. Nous avons donc
1
f pzq
2

2
8
0

n0

f pz0 ` rei qein rn pz z0 qn d.

(19.47)

Lart est maintenant de permuter la somme et lintgrale. Pour cela nous remarquons que ce qui
se trouve dans la somme est major en module par

z z 0 n

(19.48)
M
r
o M est le maximum de |f | sur . La borne (19.48) ne dpend pas de ; par consquent la
convergence de la somme est uniforme en par le critre de Weierstrass (thorme 16.14). Le
thorme 16.16 sapplique 3 et nous pouvons permuter la somme avec lintgrale.
Ce que nous trouvons est que
f pzq
o

1
an
2

2
0

n0

in n

f pz0 ` re qe

(19.49)

an pz z0 qn

1
d
2i

f pq
.
p z0 qn`1

(19.50)

Cette formule est valable pour |z z0 | r. Sur cette boule, la fonction est donc une srie entire. Le
thorme de Taylor 16.64 nous permet donc daffirmer que f est partout infiniment continument
drivable (parce que en chaque point on a un voisinage sur lequel cest vrai), et didentifier les
coefficients (qui, eux, ne sont valables que localement) sous la forme
an

f pnq pz0 q
.
n!

(19.51)

Corollaire 19.17.
Soit f une fonction continue sur un ouvert telle que pour toute boule Bpa, rq contenue dans ,
nous ayons

f pq
1
d.
(19.52)
f paq
2i BBpa,rq a
Alors f est holomorphe.

3. tant donn que nous savions dj que la somme tait une fonction intgrable, nous sommes loin davoir utilis
toute la puissance du thorme.

1172

CHAPITRE 19. ANALYSE COMPLEXE

Dmonstration. Il suffit de recopier la dmonstration du thorme 19.16 pour savoir que f se

dveloppe en srie de puissances et est donc en particulier drivable.
Proposition 19.18.
Une fonction continue f est holomorphe si et seulement si la 1-forme diffrentielle f pzqdz est
localement exacte.
Dmonstration. Si f est holomorphe, alors nous avons vu que f tait diffrentiable et que dfz
f pzqdz par la formule 16.24.
Dans le sens inverse, supposons que f pzqdz est localement exacte, et soit F telle que dF
f pzqdz. Ce que nous allons faire est montrer que la drive de F existe et vaut f . En effet, la
dfinition de la diffrentielle nous dit que

F pz ` hq F pzq dFz phq

0.
lim
(19.53)

h0
h

La limite vaut videmment encore zro si nous enlevons les modules :

F pz ` hq F pzq f pzqh
h0
h
F pz ` hq F pzq
lim
f pzq.
h0
h

0 lim

(19.54a)
(19.54b)

Donc F 1 f . Cela montre que F est C-drivable et donc holomorphe. En consquence du thorme 19.16, la fonction F est infiniment drivable et f lest alors aussi. La fonction f est donc
holomorphe 4 .

19.1.5

Thorme de Brouwer en dimension 2

Pour dautres versions du thorme de Brouwer, voir la sous-section 16.9.3.

Thorme 19.19 (Brouwer en dimension 2[1]).
Soit B la boule unit ferme de R2 . Alors toute application continue de B dans elle-mme admet
un point fixe.
Dmonstration. Supposons que la fonction f P C 0 pB, Bq nadmette pas de points fixes sur B
Bp0, 1q. Pour x P B nous notons gpxq lintersection entre BB et la demi-droite allant de f pxq vers
x. Cest bien parce que f na pas de points fixes que g est bien dfinie.
En reprenant le mme dbut de la preuve de la proposition 16.117 nous savons que la fonction
g : Bp0, 1q BBp0, 1q
`

x pxq x f pxq ` f pxq

(19.55)

est continue. De plus gpxq x sur BBp0, 1q. Nous allons montrer quune telle fonction 5 ne peut
pas exister.
Pour s P r0, 1s nous paramtrons le cercle BBp0, sq par
xs : r0, 1s BBp0, 1q
`

t s cosp2tq, s sinp2tq .

(19.56)

Ensuite nous considrons les chemins

s : r0, 1s BBp0, sq
t g xs .

4. Dire que la drive dune fonction holomorphe est holomorphe est un raisonnement classique.
5. Qui est nomme rtraction de la sphre sur elle-mme.

(19.57)

1173

19.1. FONCTIONS HOLOMORPHES

Lapplication s est continue et s p0q s p1q. Les chemins s sont des lacets ; nous nous intressons
maintenant lindice au point 0 de 0 et 1 . Dune part 0 ptq gp0q (lacet constant) et 1 ptq e2it
(parce que gpxq x sur le bord). Nous avons donc
d
1
1
Ind0

Ind0 p0q
2i

2i
alors que

1
Ind1 p0q
2i

Nous considrons lhomotopie

1
0

1
0

01 ptq
dt 0,
0 ptq

2ie2it
dt 1.
e2it

(19.58)

(19.59)

: r0, 1s r0, 1s Bp0, 1q

ps, tq s ptq pg xs qptq.

(19.60)

Nous avons gp0q 0 parce que g prend ses valeurs sur le bord. Vu que cest une quivalence
dhomotopie 6 entre 1 et 2 , les indices devraient tre gaux par le corollaire 19.13.

19.1.6

Principe des zros isols

Thorme 19.20 (Principe des zros isols [244]).

Soit f une fonction holomorphe et a, une zro non isol de f . Alors f est nulle sur un voisinage
de a.
Dmonstration. Nous crivons f sous la forme dune srie entire autour de a :
f pzq

n0

(19.61)

cn pz aqn

valable sur une boule Bpa, rq. Soit cm le premier coefficient non nul (si il nexiste pas cest que f
est nulle sur tout Bpa, rq et alors le thorme est prouv). Nous avons alors
f pzq cm pz aq

1`

k1

dk pz aqk

(19.62)

avec dk cmk . Le rayon de convergence de la srie k dk pz aqk est le mme que celui de (19.61)
parce que la suite dk rm`k reste borne (critre dAbel, lemme 16.23). Si nous posons
gpzq 1 `

k1

dk pz aqk ,

(19.63)

alors g est une fonction continue et gpaq 1. De plus

f pzq cm pz aqm gpzq.

(19.64)

Soit une suite pzn q de zros de f convergent vers a. tant donn que g est continue, nous
devrions avoir limk8 gpzk q gpaq 1, mais si f pzk q 0 avec zk a, alors gpzk q 0. Cela est
un paradoxe qui nous permet de conclure que si la suite zn existe bien, alors f est identiquement
nulle sur un voisinage, cest dire que tous les cn sont nuls.
Corollaire 19.21.
Soit f une fonction holomorphe sur un ouvert connexe . Si f sannule sur un un ouvert (non
vide) de , alors f sannule sur tout .
6. Dfinition 19.9

1174

CHAPITRE 19. ANALYSE COMPLEXE

Dmonstration. soit
N tz P tel que f 0 sur un ouvert autour de zu.

(19.65)

Le fait que N soit ouvert est vident partir de sa dfinition. Nous allons montrer que N est
galement ferm dans , et donc conclure que N . Soit pzn q une suite dans N convergente vers
z P . tant donn que f pzn q 0 et que f est continue, nous avons
f pzq lim f pzn q 0,
n8

(19.66)

ce qui fait de z un zro non isol de f . Par consquent le principe des zros isols (thorme 19.20)
nous enseigne que f sannule dans un voisinage autour de z, cest dire que z P N . Lensemble N
est donc ferm.

19.1.7

Prolongement de fonctions holomorphes

Proposition 19.22.
Soit , un ouvert de C et f : C une fonction holomorphe sur ztau (a P ). Nous supposons
quil existe r 0 tel que f est borne sur Bpa, rq X . Alors f se prolonge en une fonction
holomorphe sur .
Le thorme de prolongement de Riemann 19.37 donnera plus dinformations.
Dmonstration. Nous dfinissons la fonction g : C par
#
pz aqf pzq si z a
gpzq
0
si z a.

(19.67)

Sur ztau, la fonction g est holomorphe (produit de fonctions holomorphes), et elle est continue
en a. Par consquent elle est holomorphe sur . Nous la dveloppons en srie entire sur une boule
Bpa, rq :
8

gpzq
cn pz aqn .
(19.68)
n0

Nous avons gpaq c0 0. Nous posons

pzq

n0

cn`1 pz aqn .

(19.69)

Si z a, alors pzq f paq parce que pzq gpzq{pz aq. Mais est continue en a, et donc
holomorphe en a.
La fonction est par consquent un prolongement holomorphe de f en a.

19.1.8

Thorme de Runge

Le thorme que nous allons prouver nest en ralit quune partie de ce qui est usuellement
appelle le thorme de Runge.
Thorme 19.23 (Thorme de Runge).
Soit K, un compact de C tel que AK soit connexe. Si a P AK alors la fonction
a pzq
est limite uniforme de polynmes sur K.

1
za

(19.70)

1175

19.1. FONCTIONS HOLOMORPHES

Dmonstration. Nous considrons P pKq, ladhrence des polynmes sur K pour la norme uniforme
(sur K). Nous devons montrer que pour tout a P AK, la fonction a est dans P pKq. Pour cela nous
considrons lensemble
A ta P AK tel que a P P pKqu
(19.71)
et nous allons montrer quil est la fois non vide, ouvert et ferm dans le connexe AK.
Je rpte : nous allons prouver louverture et la fermeture pour la topologie de AK. Nous nallons
pas prouver que A est un ouvert de C. Ce qui sera par consquent prouv est que A AK.
Non vide Soit R supzPK |z| et a P AK tel que |a| R. Nous avons
a pzq

1
a

z
a

1
1 1

a1
1

z
a

8
8

zk
1 z k

.
a k0 a
ak`1
k0

(19.72)

Ici la convergence de la srie et sa limite sont assures par le fait que |z{a| 1 par choix
de R et a. La suite de polynmes
Pn pzq

zk
ak`1
k0

(19.73)

converge uniformment sur Bp0, Rq et en particulier sur K. Donc Pn a .

Ferm Nous allons montrer que la fermeture de A (dans AK) est inclue dans A, et donc quelle
est gale A et donc que A est ferm. Par le lemme 5.62, la fermeture de A dans AK est
lensemble A X AK o A est la fermeture de A au sens usuel.
Bref, soit a P A X AK, et montrons que a P P pKq. Vu que P pKq est dj une fermeture,
nous aurons en fait a P P pKq et donc a P A, ce qui signifierait que A X AA A et donc
que A est ferm.
Au travail.
Soit pan q P A une suite convergente vers a. Soit aussi d dpa, Kq ; on a d 0 parce que K
est compact et a est hors de a alors le complmentaire de K est ouvert. Nous choisissons
en plus la suite an pour avoir |an a| d2 ; au pire on prend la queue de suite. Soit z P K ;
nous avons

1
an a

.
|an pzq a pzq|

(19.74)

z an z a
pz an qpz aq
Vu que an P Bpa, d2 q et que z P K et d dpa, Kq nous avons |an z|
Nous pouvons donc majorer (19.74) par

}a an }K 2

; et aussi |az| d2 .

|an a|
.
d2

(19.75)

|an a|
0
d2

(19.76)

|an pzq a pzq| 2

Donc nous avons

d
2

o la norme }.}K est la norme supremum sur K. Donc a P P pKq P pKq et A est ferm.

Ouvert Vu que K est compact, il est ferm et donc AK est ouvert. Par consquent, ainsi que
prcis dans lexemple 5.63, les ouverts de AK sont les ouverts de C contenus dans AK. Afin
de prouver que A est ouvert, nous prenons a P A et nous cherchons une boule (au sens de
C) autour de a qui serait incluse dans A.
Soit donc h P C petit dans un sens que nous allons prciser plus tard. Encore une fois
nous posons d dpa, Kq. Nous avons
a`h pzq

1
1
1
hk

.
h
zah
z a 1 za
pz aqk`1
k0

(19.77)

1176

CHAPITRE 19. ANALYSE COMPLEXE

Dj ici nous demandons h supzPK |z a|. Puisque |z a| d, nous avons alors
8

hk
8.
|a`h pzq|
dk`1
k0

(19.78)

Cela pour dire que la somme droite de (19.77) converge bien pourvu que h soit bien petit.
Nous pouvons donc poursuivre :
a`h pzq

hk

hk a pzqk`1 .
k`1
pz

aq
k0
k0

(19.79)

Nous montrons maintenant que la convergence de la somme (19.79) est en ralit uniforme
en z. En effet
N
8

a`h pzq
hk a pzqk`1
hk a pzqk`1
k0

kN `1
8

kN `1

|h|k |a pzq|k`1 .

(19.80a)
(19.80b)

tant donn que a est continue sur le compact K, elle y est majore en module ; on peut
mme tre plus prcis :
1
1
|a pzq|
.
(19.81)
|z a|
d
Nous pouvons donc crire
k
N
8

1
h
k
k`1
a`h pzq
.
h a pzq

(19.82)
d
d
k0
kN `1
tant donn que la somme

k0 |h{d|

converge, la limite N 8 est nulle et nous avons

lim }a`h

N 8

k0

hk k`1
a }K 0.

(19.83)

Pour avoir a`h P P pKq, il faut encore savoir si les fonctions ka sont dans P pKq pour tout
k. Dans ce cas pour chaque N la somme sera encore dans P pKq et a`h sera limite uniforme
dlments de P pKq.
Par hypothse, a P P pKq ; soit Pn une suite de polynmes qui converge uniformment vers
a . Nous allons montrer qualors la suite de polynmes Pnk converge uniformment vers ka .
Soit n tel que }Pn a }K  et utilisons le produit remarquable
ak bk pa bq
pour obtenir

k1

ai bk1i

(19.84)

i0

|Pn pzqk a pzqk | |Pn pzq a pzq|

k1

i0

|Pn pzqi a pzqk1i |.

(19.85)

Vu que Pn et a sont continues sur le compact K, on peut majorer la somme par une
constante M , et il restera
ou encore

|Pn pzqk a pzqk | M |Pn pzq a pzq|,

(19.86)

}Pnk ka } M .

(19.87)

Cela prouve que ka P P pKq et donc que a`h est limite uniforme (sur K) dlments de
P pKq et donc fait partie de P pKq lui aussi.
Ceci achve de prouver que A est ouvert dans AK.

19.2. INTGRALES DE FONCTIONS HOLOMORPHES

1177

Conclusion Lensemble A est non vide, ouvert et ferm dans AK, donc il est gal AK. Le
thorme est ainsi dmontr.

19.2

Intgrales de fonctions holomorphes

Nous commenons par le lemme technique.

Lemme 19.24 ([244]).
Soit f une fonction holomorphe sur Bpz0 , r0 q. Pour tout z P Bpz0 , rq (avec r r0 ) nous avons
|f 1 pzq| `

r
r |z z0 |

(
i
2 max f pz0 ` re q PR .

(19.88)

Dmonstration. Par translation nous pouvons supposer que z0 0. tant donn que f est holomorphe, elle admet un dveloppement en sries entires
8

f pzq

(19.89)

an z n

n0

et nous notons M maxtf pzq tel que z P Bp0, rqu. Nous avons rn |an | M . Par consquent

|f 1 pzq|
nan z n1
(19.90a)
n1

n1
1 n
|z|

r |an |n
(19.90b)
r
r
n1
|z|
M
n
.
(19.90c)

r
r
ce point nous devons utiliser la srie de lexemple 16.72. Nous avons alors
|f 1 pzq|

1
1

|z|
r

Mr
.
pr |z|q2

Thorme 19.25 (Holomorphie sous lintgrale[244]).

Soit un espace mesur p, q, un ouvert A dans C et une fonction f : A
tudier la fonction

F pzq

f pz, qdpq

(19.91)

C. Nous voulons
(19.92)

pour tout z P A. Nous supposons que

(1) la fonction f p., q est holomorphe sur A pour chaque .

(2) La fonction f pz, .q est mesurable sur p, q.

(3) Pour tout compact K A, il existe une fonction gK : R telle que |f pz, q| gK pq et
telle que

gK pqdpq
(19.93)

existe.

Alors la fonction F est holomorphe et

1

F pzq

Bf
pz, qdpq.
Bz

(19.94)

1178

CHAPITRE 19. ANALYSE COMPLEXE

Dmonstration. Soient z0 P A et r 0 tels que K Bpz0 , rq A. Pour chaque P nous

considrons la fonction
f : Bpz0 , rq C
(19.95)
z f pz, q.
tant donn que Bpz0 , rq est compacte, la fonction |f | est majore par un nombre que nous
notons fK pq qui est indpendant de z (pour autant que z P K). Nous dsignons par Spz0 , rq la
frontire de la boule Bpz0 , rq. tant donn que la majoration est valable sur Bpz0 , rq, nous avons
en particulier
|f pzq| fK pq
(19.96)
pour tout z P S. En utilisant la lemme 19.24 nous avons

r
maxtf pz0 ` rei quPR
pr |z z0 |q2
rfK pq

.
pr |z z0 |q2

|f1 pzq|

(19.97a)
(19.97b)

Cette majoration est valable pour tout z P Bpz0 , rq. Si nous supposons de plus que z P Bpz0 , r{2q
nous avons
rfK pq
4
|f 1 pzq| `
(19.98)
fK pq.
r 2
r
r 2

tant donn que la boule Bpz0 , r{2q est convexe, la fonction f est Lipschitz et pour tout h P C
tel que |h| r{2 nous avons

f pz0 ` hq f pz0 q 4fK pq

.
(19.99)

h
r

Soit maintenant une suite phn q qui converge vers 0 dans C. Nous considrons la suite de fonctions
correspondantes
f pz0 ` hn , q f pz0 , q
gn pq
.
(19.100)
hn
Cette suite de fonction vrifie la convergence ponctuelle
gn pq

Bf
pz0 , q.
Bz

(19.101)

De plus gn est une fonction (de ) domine par 4frK qui est intgrable. Par consquent le thorme
de la convergence domine nous indique que

Bf
gn pqdpq
pz0 , qdpq,
(19.102)

Bz
tandis que

F pz0 ` hn q F pz0 q
lim
n8
n8
hn

F 1 pzq lim

gN pqdpq.

(19.103)

Corollaire 19.26.
Si f est une fonction holomorphe sur louvert contenant la fermeture de la boule Bpz0 , rq, alors
pour tout z dans Bpz0 , q ( r) les drives de f sexpriment pas la formule suivante :
f

pkq

1
pzq
2i

BBpz0 ,rq

f pq
d.
p zqk`1

(19.104)

1179

19.2. INTGRALES DE FONCTIONS HOLOMORPHES

Dmonstration. Nous appliquons le thorme 19.25 la fonction
gpz, q

f pq
z

(19.105)

avec BBpz0 , rq et A Bpz0 , q avec r. tant donn que f est holomorphe, elle est continue
et donc borne sur tout compact K A par une constante M (qui dpend du compact choisi).
Dautre part, nous avons toujours | z| r et donc
|gpz, q|

M
.
r

(19.106)

M
La fonction constante gK r
est videmment intgrable. Le thorme conclut que f est holomorphe (cela, nous le savions dj 7 ), et

f pq
1
1
f pzq
d.
(19.107)
2i BB p zq2

Un peu de rcurrence montre maintenant que

f pq
1
pkq
d.
f pzq
2i BBpz0 ,rq p zqk`1

(19.108)

Dfinition 19.27.
Une mesure de Radon sur un compact K de C est une forme linaire continue sur CpKq. Si
est une mesure de Radon, on dfinit la transforme de Cauchy de par

CzK C

1
z

1
z

Thorme 19.28.
Si est une mesure de Radon sur K alors
est infiniment C-drivable sur
avons

n!
1
pnq

pzq
.

p zqn`1

(19.109)

CzK et nous
(19.110)

Lemme 19.29.
Si f est holomorphe sur et si B est une boule ferme dans alors pour tout z P IntpBq nous
avons

n!
f pq
pnq
f pzq
d.
(19.111)
2i BB p zqn`1
Dmonstration. Appliquer le thorme 19.28 la mesure de Radon

pq
pqd.
BB

(19.112)

Lemme 19.30.
Si f est holomorphe sur et si B est une boule ferme dans alors pour tout z dans lintrieur
de B nous avons

n!
f pq
f pnq pzq
d.
(19.113)
2i BB p zqn`1

7. et cela fournit une preuve alternative la rciproque du thorme de Cauchy : une fonction continue qui vrifie
la formule de Cauchy est holomorphe.

1180

CHAPITRE 19. ANALYSE COMPLEXE

Thorme 19.31.
Si f est une fonction holomorphe sur le disque ouvert Bpz0 , Rq alors
f pzq

f pnq pz0 q
pz z0 qn
n!
n0

(19.114)

et cette srie converge uniformment sur tout compact.

Dmonstration. Sans perte de gnralit nous supposons que z0 0. La formule de Cauchy fournit

f pq
f pq d
1
1
f pzq
d
.
(19.115)
2i BB z
2i BB 1 pz{q
Nous utilisons la srie gomtrique
8 n

1
z
,

1 pz{q n0

nous avons

(19.116)

8
1
z n f pq
f pzq
2i n0 BB n`1

1
f pq

zn.
n`1
2i

BB
n0

(19.117a)
(19.117b)

Nous devons maintenant montrer que ce qui se trouve dans la grande parenthse vaut f pnq p0q{n!.
Nous utilisons le thorme de Radon 19.28 la mesure

pq
pqd.
(19.118)
BB

La transforme de Cauchy est

1

pzq

1
z

BB

1
d,
z

(19.119)

et le thorme assure que

pnq

n!
pzq

1
p zqn`1

n!

BB

1
d.
p zqn`1

(19.120)

En comparant la formule (19.119) avec la formule de Cauchy nous voyons que

pzq 2if pzq.
Par consquent

1 pnq
n!
1
pnq
f pzq
pzq
d,
(19.121)
2i
2i BB p zqn`1
et

pnq

Proposition 19.32 (Morera [246]).

Soit ouvert dans C et f continue. Si

n!
p0q
2i

BT

BB

1
n`1

d.

f 0

pour tout triangle (plein) T contenu dans , alors f est holomorphe sur .

(19.122)

(19.123)

19.3. CONDITIONS QUIVALENTES LHOLOMORPHIE

1181

Dmonstration. Il est suffisant de prouver que f est holomorphe sur toute boule ouverte Bpa, rq
inclue dans . Nous posons, pour tout z P Bpa, rq,

F pzq
f,
(19.124)
rp,zs

et nous considrons le chemin triangulaire a z z ` h a o h P C est choisit assez petit

pour que z ` h P Bpa, rq. Lintgrale sur le triangle tant nulle, nous avons

f,
(19.125)
f`
f`
0
az

z`ha

zz`h

cest dire
F pz ` hq F pzq

f.

(19.126)

zz`h

En paramtrant le chemin par z ` th avec t P r0, 1s, et en tenant compte de la remarque 13.138,
F pz ` hq F pzq
h0
h
1
1
f pz ` thqhdt,
lim
h0 h 0

F 1 pzq lim

(19.127a)
(19.127b)

ce qui prouve que F est drivable et F 1 f . Par dfinition (16.1), F est holomorphe, et donc C 8
par le thorme 19.16. Du coup f est galement C 8 et donc en particulier holomorphe.

19.3

Conditions quivalentes lholomorphie

Nous nous proposons de lister les conditions que nous avons vues tre quivalentes lholomorphie.
Thorme 19.33.
Soit un ouvert de
lentes.

C et f : C une fonction continue. Les conditions suivantes sont quiva-

(1) f est holomorphe.

(2) Pour tout triangle (plein) T contenu dans ,
(3) f est

C-drivable.

(4) f est C 8
(5)

Bf
B
z

f 0.

0 ; ce sont les quations de Cauchy-Riemann.

(6) La 1-forme diffrentielle f pzqdz est localement exacte.

(7) Pour toute boule Bpa, rq contenue dans nous avons

f pzq
1
f paq
dz.
2i BBpa,rq z a

(19.128)

Dmonstration. (1) implique (2) est le lemme de Goursat 19.5. (2) implique (1) est le thorme de
Morera 19.32.
(3) est la dfinition de lholomorphie.
(4) implique (1) est un a fortiori sur la dfinition. (1) implique (4) est contenu dans le thorme
de dveloppement en srie entire 19.14.
Lquivalence entre (5) et lholomorphie est le thorme 19.2.
Lquivalence entre (6) et (1) est la proposition 19.18.
Lquivalence entre (1) et (7) est dune part le thorme 19.16 et dautre part le corollaire
19.17.

1182

19.4

CHAPITRE 19. ANALYSE COMPLEXE

Singularits, ples et mromorphe

Dfinition 19.34.
Si f est holomorphe sur un ouvert , alors une singularit de f est un point isol du bord de .
(1) La singularit est effaable si la fonction f sy prolonge en une fonction holomorphe.
(2) La singularit Z est un ple dordre k de f si elle nest pas effaable et si la fonction
z pz Zqk f pzq se prolonge en une fonction holomorphe en Z.
Exemple 19.35
La fonction

sinpzq
(19.129)
z
nest pas dfinie en z 0, mais elle sy prolonge en une fonction continue en posant f p0q 1. 4
z

Proposition 19.36.
Une singularit de f est un ple si et seulement si
lim f pzq 8.

zZ

(19.130)

Le thorme suivant compte la proposition 19.22.

Thorme 19.37 (Prolongement de Riemann).
Soit f : C et une singularit Z de f . Nous avons quivalence de
(1) la singularit Z est effaable ;
(2) f possde un prolongement continue en Z ;
(3) il existe un voisinage point de Z sur lequel f est borne ;
(4) limzZ pz Zqf pzq 0.
Dfinition 19.38 (Fonction mromorphe[247]).
Soit un ouvert U de C et une suite de points tpi u dans U sans points daccumulation (ventuellement il y a un nombre fini de pi ). Si la fonction f est holomorphe sur Uztpi u et si chaque pi est
un point rgulier ou un ple de f , alors nous disons que f est mromorphe sur U.
Proposition 19.39.
Soit un ouvert de C et une suite de fonctions fn : C telles que pour tout compact K de
il existe NK 0 tel que
(1) fn na pas de ples dans K ds que n NK ;

(2) la srie nNK fn converge uniformment sur K.

Alors
(1) La fonction
8

f pzq
fn pzq
(19.131)
n0

est mromorphe sur et ses ples sont lunion de ceux des fn .

(2) Nous pouvons permuter la somme et la drive :
f 1 pzq

n0

fn1 pzq.

(19.132)

Thorme 19.40 (Srie de Laurent).

Soient C une couronne de rayons r1 r2 centre en zro et une fonction f holomorphe dans cette
couronne. Alors nous avons la srie de Laurent

f pzq
an z n .
(19.133)
nPZ

1183

19.5. FONCTIONS DEULER

(1) Cette srie converge uniformment sur tout compact de C.
(2) Les coefficients sont donns par
1
an
2i

f pzq
dz
z n`1

(19.134)

o est un cercle centr en zro.

(3) Ce dveloppement en srie est unique.
(4) La valeur des an ne dpend pas du choix du rayon du cercle .

19.5

Fonctions dEuler

Thorme 19.41 (Prolongement mromorphe de la fonction dEuler[1]).

Nous considrons la formule
8
pzq
et tz1 dt.
0

(19.135)

Alors

(1) Cette formule dfinit une fonction holomorphe sur

P tz P C tel que <pzq 0u.
(2) La fonction : P C admet un unique prolongement mromorphe sur
ples sur les entiers ngatifs.

(19.136)

C, lequel a des

Dmonstration.
Holomorphie sous lintgrale Pour tudier lholomorphie de la fonction
sur P nous utilisons le thorme 19.25.
Nous considrons la fonction
g : P R` C
(19.137)
pz, tq et z z1

et nous commenons par montrer que cest holomorphe en z pour chaque t 0 fix. Nous
i
le vrifions par le critre de Bzf 0 8 et en nous souvenant que ti elnpt q ei lnptq . Nous
obtenons rapidement que
Bg
0.
(19.138)
B
z
Le fait que la fonction t gpz, tq soit mesurable pour tout z est daccord.
Et enfin soit K compact dans P. Il faut trouver une fonction gK ptq intgrable sur r0, 8r
telle que pour tout z P K et t P r0, 8r nous ayons |f pz, tq gptq|. Pour cela nous majorons
sparment les parties t P s0, 1r et t 1.
Soit donc K compact dans P ; nous posons M maxzPK <pzq et  minzPK <pzq.
Si t P s0, 1r alors nous avons
et tz1 et epz1q lnptq ,
(19.139)

de telle faon que que

|et tz1 | |epx1`iyq lnptq |

|ep<pzq1q lnptq |
<pzq1

|t

1

|t

8. Thorme 19.2.

1
.
t1

(19.140a)
(19.140b)
(19.140c)
(19.140d)
(19.140e)

1184

CHAPITRE 19. ANALYSE COMPLEXE

Cette dernire fonction est intgrable sur s0, 1r.
Nous considrons maintenant t 1. Dans ce cas nous avons
|et z z1 | et t<pzq1 et tM 1 .

(19.141)

Cette dernire fonction est un produit dune exponentielle dcroissante avec un polynme.
Cest donc intgrable entre 1 et linfini.
La fonction gK que nous considrons est donc
$
1

& t1
gK ptq born

% t M 1
e t

si t 1
si 1 t b
si t b.

(19.142)

Cela est une fonction intgrable sur s08, r et qui majore f uniformment en z sur le compact
K de P. Le thorme 19.25 nous permet donc de conclure que
8
f pz, tqdt
(19.143)
pzq
0

est holomorphe en z sur P et que

1 pzq

8
0

Bf
pz, tqdt.
Bz

(19.144)

En deux morceaux Nous passons maintenant la seconde partie du thorme. Pour z P P

nous coupons lintgrale en deux :
pzq

1
0

t z1

e t

dt `

8
1

et tz1 dt

(19.145)

1
Premire partie Nous commenons par parler de la premire partie : 0 et tz1 dt dans laquelle
nous voulons utiliser le dveloppement en srie de lexponentielle et . Nous devons donc
traiter
1
8
p1qn n`z1
t
dt.
(19.146)
n!
0 n0
Nous allons permuter la somme avec lintgrale laide du thorme de Fubini 13.78 en
posant la fonction
p1qn n`z1
gpn, tq
t
(19.147)
n!
et en considrant le produit entre la mesure de Lebesgue sur C et la mesure de comptage
sur N, cest dire que nous tudions
1
0

gpn, tqdndt.

(19.148)

Pour permuter il suffit de prouver que |g| est intgrable pour la mesure produit, cest dire
que

1
p1qn n`z1

8.
(19.149)
n! t

Nous avons

|tz

t<pzq |,

donc

8 n`z1
8 n

t
t
t<pzq1
t<pzq1 et .
n!
n!
n0
n0

(19.150)

1185

19.5. FONCTIONS DEULER

tant donn que nous avons fix z P P, nous avons <pzq 1 1 et donc t<pzq1 est
intgrable entre 0 et 1. La partie et se majore sur r0, 1s par une constante quelconque. Nous
avons donc pay le droit dinverser la somme et lintgrale :
1
8 1
8
8

p1qn n`z1
p1qn n`z 1
p1qn
t z1
e t dt
t
dt
rt
s0
.
(19.151)
n!
n!
n!pn ` zq
0
n0 0
n0
n0
Nous avons donc lintressante formule suivante, valable pour tout z P P :
8
8

p1qn
pzq
`
et tz1 dt.
n!pn

zq
1
n0

(19.152)

Prolongation de la premire partie Nous voudrions montrer maintenant que la fonction

8

p1qn
n!pn zq
n0

est mromorphe sur

suite de fonctions

(19.153)

C avec des ples en les entiers ngatifs. Pour cela nous considrons la
fn pzq

p1qn
n!pz ` nq

(19.154)

1
,
n!pn N q

(19.156)

et nous allons utiliser la proposition 19.39. Si n 0, la fonction fn est mromorphe sur C

avec un ple simple en z n. Soit K compact de C et NK tel que K Bp0, NK q. Pour
n NK ` 1, la fonction fn na pas de ples dans K et de plus pour tout z P K nous avons

(19.155)
|z ` n| |z pzq| n |z| n |z| n NK ,
et par consquent

|fn pzq|

ou pour le dire de faon plus snob :

1
,
(19.157)
n!pn N q

dont la srie converge. Cela signifie que la srie nN fn converge normalement 9 sur K,
donc la fonction
8

f pzq
fn pzq
(19.158)
}fn }8,K

n0

est une fonction mromorphe dont les ples sont ceux des fn , cest dire les entiers ngatifs
(proposition 19.39).

La seconde partie Nous allons prsent prouver que la fonction

8
gpzq
et tz1 dt
1

(19.159)

est holomorphe sur C. Pour cela nous considrons la fonction de deux variables f pz, tq
et tz1 et nous utilisons le thorme dholomorphie sous lintgrale 19.25. Dabord pour z0
fix dans C nous avons
8
8
1

|et tz0 1 |

et t<pz0 q1 dt,

(19.160)

donc lintgrale converge parce que cest polynme contre exponentielle. Par ailleurs pour
chaque t0 fix sur r0, 8r, la fonction z et0 t0z1 est holomorphe sur C comme en tmoigne
le calcul suivant :

B
1 B
`i
tx`iy1 0.
(19.161)
2 Bx
By 0
9. Dfinition 6.153.

1186

CHAPITRE 19. ANALYSE COMPLEXE

Et enfin si K est compact dans

C nous avons

|f pz, tq| |et tz1 | et |t<pzq1 | et tM 1

o M maxzPK <pzq. Nous en dduisons que la fonction
8
et tz1 dt
z
1

est une fonction holomorphe sur

(19.162)

(19.163)

C.

Conclusion Au final nous avons prouv que la fonction dEuler admet le prolongement mromorphe sur C donn par
8
8

p1qn
pzq
`
et tz1 dt.
(19.164)
n!pz
`
nq
1
n0

19.5.1

Euler et factorielle

Proposition 19.42.
Nous avons la formule pnq pn 1q! pour tout n P N.
Dmonstration. Nous partons de la formule

pnq
que nous intgrons par partie en posant

8
0

(19.165)

et tn1 dt

u tn1 u1 pn 1qtn1
v et

v 1 et .

(19.166)

Les termes au bord sannulent (ici il y a un passage la limite qui nest pas crit) et nous trouvons
8
pnq
pn 1qet tn2 dt pn 1qpn 1q.
(19.167)
0

Pour conclure il suffit de remarquer que

8
p1q
ret s8
0 1.
0

19.6

(19.168)

Partition dun entier en parts fixes

Proposition 19.43 ([1]).

Soient a1 , . . . , ak P N des entiers premiers entre eux dans leur ensemble. Pour n 1 nous posons
+
#
k

un Card px1 , . . . , xk q P N tel que

ai xi n ,
(19.169)
i1

et u0 1.
Alors nous avons lquivalence de suite (pour n 8) :
un

1
nk1
.
a1 . . . ak pk 1q!

(19.170)

19.6. PARTITION DUN ENTIER EN PARTS FIXES

1187

Dmonstration. Pour chacun des i P t1, . . . , ku nous considrons la srie entire

8

x0

z xai

pz ai qx .

(19.171)

tant donn que |z ai | 1 si et seulement si |z 1|, cette srie a un rayon de convergence gal
1. Nous allons calculer le produit de Cauchy de ces k sries, en nous souvenant que le thorme
16.28 nous assure que la srie rsultante aura un rayon de convergence au moins gal 1 et vaudra
le produit des diffrentes sries.
Le coefficient de z n dans cette srie vaut

1 un
(19.172)
xPN
xi ai n
k

parce que dans chacune des sries, le coefficient de tous les z xai est 1. Nous dfinissons la fonction

8
k
8
k

1
n
xai
.
(19.173)
f pzq
un z
z

z ai
n0
i1 x0
i1

La fonction f existe sur |z| 1 parce que nous venons de voir quelle peut sexprimer comme un
produit de Cauchy ; et la dernire galit est simplement la somme de la srie harmonique. Dautre
part la fonction f est la srie gnratrice de la suite pun q.
Nous sommes en prsence dune fonction ayant des ples aux racines a1 ,. . . , ak e de lunit.
tant donn que 1 est une racine de lunit de tous les ordres, le ple en z 1 est de multiplicit
ai
k. Les autres ples sont de multiplicit strictement infrieure ; en effet
soit P C tel que 1
10
pour tout i. Alors Bezout nous donne des entiers vi P Z tels que i vi ai 1. Alors nous avons

vi ai

p ai qvi 1.

(19.174)

i1

Donc nous voyons que 1 est le seul tre racine de tous les ordres en mme temps. Nous notons
P t1 , . . . , p u

(19.175)

lensemble des ples avec 1 1. Par ailleurs la fonction f est une fraction rationnelle dont nous
connaissons les racines du dnominateur (ce sont les i ) et peu prs leurs ordres. Nous utilisons
le truc de la dcomposition en fractions simples en sparant le terme de puissance k qui nexiste
que pour la racine 1 1 :
p k1

cij
f pzq
`
.
k
p1 zq
pi zqj
i1 j1

(19.176)

Ce dveloppement est valable pour tout |z| 1. Nous considrons maintenant P P et j P N et

nous tudions la fonction
1
gpzq
.
(19.177)
z
Un rapide calcul (par exemple par rcurrence) montre que
g pkq pzq

k!
,
p zqk`1

(19.178)

et tant donn que || 1 nous pouvons crire la srie

1
zk

,
z k0 k`1

10. Thorme 2.24.

(19.179)

1188

CHAPITRE 19. ANALYSE COMPLEXE

valable pour |z| 1. Ce qui nous intresse, cest dexprimer une srie pour 1{p zqj ; et voyant
(19.178), nous voyons quil suffit de calculer les drives de la srie de g. Nous driver terme
terme lintrieur du rayon de convergence. Avec quelques abus dcriture, et en utilisant la bte
formule (16.177) nous avons 11
1
g pj1q pzq

p zqj
pj 1q!

pj1q
1
1

pj 1q! z
8

1
1

pz k qpj1q
pj 1q! k0 k`1

1
k!
1
z kj`1

k`1
pj

1q!

pk

j
`
1q!
8
kj
8

pn ` j 1q! n
z
n!pj 1q!
n0

n`j1 n
1
z .

n`j
n
n0

n`j

(19.180a)
(19.180b)
(19.180c)
(19.180d)
(19.180e)
(19.180f)

Nous pouvons utiliser cela pour rcrire la formule (19.176) de faon considrablement plus complique :

p k1 8
8

n`j1 n
n ` j 1 zn
.
(19.181)
f pzq
z `
cij
n
n
in`j
n0
i1 j1 n0

Mais nous savons que ce f est la srie gnratrice de la suite pun q et que nous pouvons donc utiliser
la formule (16.179) pour exprimer les nombres ul : ul est simplement le coefficient de z l divis par
l!. Cest dire

p k1
l ` j 1 1
l`k1
ul
`
cij
.
(19.182)
l
l
il`j
i1 j1

Notre boulot est dexaminer le comportement de cela lorsque l 8, cest dire regarder quels
sont les puissances de l en prsence. Notons que
En ce qui concerne le premier terme, la puissance dominante dans le coefficient binomial est
k1
l . Dans les autres termes 12 , cest lj1 qui est de degr moins grand. Donc le comportement de
ul en terme de l est
lk1
ul
.
(19.183)
pk 1q!
Il nous reste voir ce que vaut . Pour cela nous repartons de lexpression 19.173 que nous crivons
sous la forme
k

1z
p1 zqk f pzq
.
(19.184)
ai
1

z
i1
Nous reconnaissons linverse dune somme harmonique partielle :
p1 zqk f pzq

1
.
2 ` . . . ` z ai 1
1
`
z
`
z
i1

(19.185)

Par ailleurs, nous ne savons pas si f p1q existe parce que son rayon de convergence nest que de
1 ; et nous savons mme quelle nexiste pas (parce que ce serait la somme des un ). Mais nous
11. ce niveau jai pas exactement le mme coefficient binomial que dans [1], mais je nexclus absolument pas que ce
soit moi qui me trompe. crivez-moi si vous pouvez infirmer ou confirmer lerreur. Quoi quil en soit, cela ne change pas
le rsultat asymptotique que nous cherchons.
12. Attention : les termes i 1 ont 1 1 et il nest donc pas possible de conclure simplement en disant que
ilj 0 pour l 8 ; bien que cela soit vrai pour tous les i 1.

1189

19.7. EXPONENTIELLE COMPLEXE

savons aussi que le ple de plus grande multiplicit de f est en z 1 et est de multiplicit k. Donc
p1 zqk f pzq devrait converger pour z 1. Pour tout |z 1| nous avons
k

p1 zq f pzq `

p k1

cij

i1 j1

p1 zqk
.
pi zqj

(19.186)

Lorsque z 1, tous les termes des sommes tendent vers zro, y compris ceux avec i 1 parce que
j k. Il reste donc
lim p1 zqk f pzq .
(19.187)
z0

En calculant la mme limite avec (19.185) nous trouvons

lim p1 zqk f pzq lim

z1

Donc

z1

i1

et le rsultat est prouv.

19.7

1`z`

z2

1
1

.
a
1
` ... ` z i
a1 . . . ak

1
,
a1 . . . ak

(19.188)

(19.189)

Exponentielle complexe

Dfinition 19.44.
Soit z x ` iy P C. Nous dfinissons lexponentielle de z par
exp :

CC
z

zn
.
n!
n0

(19.190)

Le rayon de convergence de cette somme est infini.

Proposition 19.45 ([248]).

Quelques proprits de lexponentielle.
(1) Le fonction exp est continue.
(2) Nous avons la formule ez`w ez ` ew pour tout z, w P C.
(3) pez q1 ez
(4) pexppzqqn exppnzq.

Dmonstration. Lexponentielle est continue parce quelle est la somme dune srie entire de rayon
de convergence infini (proposition 16.10).
Les sries exppzq et exppwq ayant un rayon de convergence infini nous pouvons utiliser le produit
de Cauchy (thorme 16.28) :

z i wj
(19.191a)
ez ew
i!j!
n0 i`jn

8
n

z i wni

(19.191b)
i!pn

iq!
n0 i0
8
n

1 n i ni

zw
(19.191c)
n! i0 i
n0

1
pz ` wqn
n!
n0

exppz ` wq.

(19.191d)
(19.191e)

1190

CHAPITRE 19. ANALYSE COMPLEXE

Nous avons utilis la formule du binme (proposition 3.5).

Les autres proprits nonces sont des corollaires :

Proposition 19.46.
Si z x ` iy P C alors

ez ez e0 1.

(19.192)

ex`iy ex cospyq ` i sinpyq .

(19.193)

Dmonstration. Par la proposition 19.45 nous savons que ex`iy ex eiy . Nous devons donc seulement tudier eiy . Nous avons
8

piyqn
e
n!
n0

(19.194a)

iy

p1qn

n0

y 2n
y 2n`1
`i
p1qn
p2nq!
p2n ` 1q!
n0

(19.194b)

cospyq ` i sinpyq.

(19.194c)

Nous avons utilis le fait que i2n p1qn et i2n`1 ip1qn .

Proposition 19.47.
Soit z P C fix. La fonction

E:

RC

(19.195)

t etz

est C 8 , sa drive est

(19.196)

E 1 ptq zetz .

La fonction E est dveloppable en srie entire (voir dfinition 16.62) sur

8

zn n
t .
n!
n0

etz

R en t 0 et
(19.197)

Dmonstration. Nous fixons z P C. Par dfinition 19.44, la srie suivante est etz :
f ptq

zn n
t .
n!
n0

(19.198)

Cette srie a un rayon de convergence infini et la fonction f est donc C 8 sur

driver terme terme :
f 1 ptq

8
8

z n n1
z n1 n1
nt
z
t
zetz .
n!
pn

1q!
n1
n1

R. Nous pouvons la
(19.199)

Thorme 19.48.
La fonction exponentielle vrifie les proprits suivantes.
(1) exp est holomorphe.
(2) pez q1 ez .

(3) Lexponentielle est dveloppable en srie entire,

ez

zn
n!
n0

et la srie converge normalement sur tout compact de

(19.200)

C.

1191

19.7. EXPONENTIELLE COMPLEXE

Dmonstration. En tant que application E :

R2 C, la fonction

Epx, yq ex pcos y ` i sin yq

(19.201)

BE
px, yq ex`iy Epx, yq
Bx
BE
px, yq iEpx, yq,
By

(19.202a)

est C 8 . De plus nous avons

(19.202b)

et par consquent la fonction E vrifie les quations de Cauchy-Riemann.

Si r est fix, par le critre dAbel appliqu la suite r{n! nous savons que la srie z n {n!
converge normalement sur le compact Bp0, rq.

19.7.1

Intgrale de Fresnel

Nous allons calculer lintgrale de Fresnel

?
8
i{4
ix2
e
dx
e
2
0

(19.203)

en suivant la dmarche prsente par wikipdia. Nous commenons par prouver que lintgrale est
convergente en nous contentant de justifier la convergence de
8
sinpx2 qdx.
(19.204)
0

Pour tout a 0, lintgrale 0 sinpx2 qdx ne pose pas de problmes. En tenant compte du lemme
13.54, nous devons donc seulement calculer
b
lim
sinpx2 qdx
(19.205)
b8 a

o a est une constante strictement positive. Nous effectuons une intgration par partie en posant
u

1
x

1
x2
1 cospxq
v
.
2

u1

v 1 x sinpxq

(19.206a)
(19.206b)

Notons que la primitive v a t choisie pour avoir vp0q 0. Nous avons

b
a

1 cospx2 q
sinpx qdx
2x
2

Pour le premier terme nous avons

lim

b8

1 cospx2 q
2x

b
a

cospx2 q 1
dx
2x2

1 cospb2 q 1 cospa2 q
1 cospa2 q

.
b8
2b
2a
2a

lim

(19.207)

(19.208)

Cest born. Pour le second terme de (19.207), la fonction

cospx2 q 1
2x2

(19.209)

est majore par la fonction 1{x2 qui est intgrable entre a et 8.

Nous allons calculer lintgrale demande en passant par la fonction
f pxq ez

(19.210)

1192

CHAPITRE 19. ANALYSE COMPLEXE

3
1

Figure 19.1 Chemin dintgration pour lintgrale de Fresnel

dfinie sur le plan complexe. Nous lintgrons sur le chemin 1 ` 2 3 indiqu la figure
19.1.
Ces chemins sont donns par
1 : r0, Rs C
(19.211)
t t,

2 : r0, s C
4
t Reit ,

(19.212)

3 : r0, Rs C

(19.213)

t tei{4 .

Tout dabord la fonction f est bien holomorphe par le critre du thorme 19.2. Le calcul de
2
se fait simplement en posant f px, yq epx`iyq . Le calcul est usuel :

Bf
B
z

---------------------------------------------------------------------| Sage Version 4.8, Release Date: 2012-01-20

|
| Type notebook() for the GUI, and license() for information.
|
---------------------------------------------------------------------sage: f(x,y)=exp(-(x+I*y)**2)
sage: A=f.diff(x)+I*f.diff(y)
sage: A.simplify_full()
(x, y) |--> 0
Nous avons donc
0

t2

{4

R2 e2it

e dt `
e
Rie dt `
et e ei{4 dt .
0
0
0
loooomoooon
looooooooooomooooooooooon
loooooooooomoooooooooon
I1 pRq

it

I2 pRq

2 i{2

(19.214)

I3 pRq

Lintgrale est nulle pour tout R en vertu de la proposition 19.6. Lintgrale I1 est une gaussienne
et nous avons
?

(19.215)
lim I1 pRq
R8
2
par lexemple 13.81. Nous montrons maintenant que limR8 |I2 pRq| 0 13 . Dabord nous majorons
en prenant la norme puis nous effectuons le changement de variables u 2t :
|I2 pRq|

{4
0

ReR

{2
0

eR

cosp2tq

dt

cospuq

du.

(19.216a)
(19.216b)

13. Dans [249], ce fait est dmontr via le lemme de Jordan. Nous donnons ici une dmonstration moins technologique.

1193

19.8. THORME DE WEIERSTRASS

Nous savons que le graphe du cosinus est concave : il reste au dessus de la droite que joint p0, 1q
p 2 , 0q. Du coup cospuq 1 2 u et par consquent
eR

cospuq

eR

2 p1 2 uq

eR

2 p 2 u1q

(19.217)

Nous effectuons lintgrale

R {2 R2 2R2 u
e
e du
2 0
{2

R
2
2R2 u{
e
eR
2
2R2
0
2

eR

,
4R
4R

|I2 pRq|

(19.218a)
(19.218b)
(19.218c)

et nous avons bien limR8 |I2 pRq| 0. Nous passons la troisime intgrale. En tenant compte
que ei{2 i, nous avons
R

e3 ptq ei{4 dt
0

1 ` i R t2 2i{4
?
e e
2 0

1 ` i R it2
?
e
.
2 0

I3 pRq

En passant la limite R 0, de lquation (19.214) il ne reste que

?

2 1 ` i 8 it2
0
?
e
dt,
2
2 0
ce qui signifie que

8
0

19.8

it2

?
?
2
i{4
dt

e
.
2p1 ` iq
2

(19.219a)
(19.219b)
(19.219c)

(19.220)

(19.221)

Thorme de Weierstrass

Thorme 19.49 (Thorme de Weierstrass[250]).

Soit pfn q une suite de fonctions holomorphes sur un ouvert de C que nous supposons converger
uniformment sur tout compact vers f . Alors f est holomorphe sur et pour tout k nous avons
fnpkq f pkq

(19.222)

uniformment sur tout compact.

Dit en peu de mots, la limite uniforme dune suite de fonctions holomorphes est holomorphe,
et on peut permuter la limite avec la drivation.
Dmonstration. Chacune des fonctions fn tant holomorphes, si a P et r est tel que Bpa, rq ,
nous avons par la formule de Cauchy 19.14 :

1
fn pq
fn pzq
d
(19.223)
2i BBpa,rq z
pour tout z dans un boule Bpa, q incluse dans Bpa, rq. tant donn que le cercle BB est compact,
elle y est majore par une constante M . Montrons que de plus nous pouvons choisir M de telle faon
avoir |fn pq| M pour tout n et tout en mme temps. Dabord nous utilisons la continuit de

1194

CHAPITRE 19. ANALYSE COMPLEXE

la limite f sur le compact BB pour poser A maxzPBB |f pzq|. Ensuite nous considrons un  0
et N tel que | fn f }BB  pour tout n N . Nous savons maintenant que
t|fn pq| tel que n N, P BBu

(19.224)

est major par A ` . Nous posons enfin

B max max |fn pzq|,

(19.225)

nN PBB

et alors le nombre M maxtA ` , Bu majore |fn pq| pour tout n et tout P BB.
De plus pour tout P BB et pour tout z dans la petite boule, nous avons | z| r ,
donc la fonction dans lintgrale est majore par une constante ne dpendant ni de n ni de . Nous
pouvons donc permuter lintgrale et la limite sur n :
1
f pzq
2i

BB

f pq
.
z

(19.226)

Cela implique que la fonction f est holomorphe par le corollaire 19.17.

Nous voudrions maintenant parler des drives des fn et de f . Pour cela nous voulons permuter
lintgrale et les drives, ce qui est fait au corollaire 19.26 :
fnpkq

1
2i

BBpz0 ,rq

f pq
d.
p zqk`1

(19.227)

Nous voulons la convergence sur tout compact contenu dans louvert . Pour ce faire, nous allons
considrer un compact K et prouver la convergence uniforme dans toute boule de la forme
Bpz0 , rq avec z0 P K et Bpz0 , rq . Pour chaque tel couple pz0 , rq, nous aurons un Npz0 ,rq P N
tel que si n Npz0 ,rq ,
(19.228)

}fnpkq f pkq }Bpz0 ,rq .

Vu que ces boules Bpz0 , rq forment un recouvrement de K par des ouverts, nous pouvons en retirer
un sous-recouvrement fini et prendre, comme N , le maximum des Npz0 ,rq correspondants. Pour ce
N nous aurons
}fnpkq f pkq }K .
(19.229)

Au travail !
Pour z P Bpz0 , rq nous considrons r1 r tel que Bpz0 , r1 q et nous avons

f
pq

f
pq

n
|fnpkq pzq f pkq pzq|
d

2i BBpz0 ,r1 q p zqk`1

1
|fn pq f pq|

d.
2 BBpz0 ,r1 q |r r1 |k`1

(19.230a)
(19.230b)

Nous avons pris ce r1 de telle manire que | z| soit born par le bas par |r r1 | ; sinon la
majoration que nous venons de faire ne marche pas. tant donn que fn f uniformment, nous
pouvons considrer n assez grand pour que le numrateur soit plus petit que  indpendamment
de et de z. Donc pour un n assez grand,
|fnpkq pzq f pkq pzq|


2r1
2 |r r1 |k`1

(19.231)
pkq

pour tout z P Bpz0 , rq. Donc nous avons convergence uniforme fn f pkq sur cette boule. Par
largument de compacit donn plus haut, nous avons la convergence uniforme sur tout compact.

1195

19.9. THORME DE MONTEL

19.9

Thorme de Montel

Thorme 19.50 (Montel[1]).

Soit un ouvert de C et F une famille de fonctions holomorphes sur , uniformment borne sur
tout compact de . Alors de toute suite dans F nous pouvons extraire une sous-suite convergeant
uniformment sur tout compact de .
Dmonstration.
Un ensemble quicontinu Nous commenons par prendre une suite de compacts dans comme dans le lemme 5.140, et une suite n de rels strictement positifs tels
que
Bpz, 2n q Kn`1
(19.232)

pour tout z P Kn . Soient x, y P Kn tels que |x y| n ; nous notons BBpx, 2n q le cercle

de rayon 2n autour de x, parcouru dans le sens positif. La formule de Cauchy 19.36 nous
donne

1
f pq
xy
f pq
f pq
f pxq f pyq
d

d
(19.233)
2i BB x y
2i BB p xqp yq
Nous majorons a par

f pxq f pyq |x y|
2

BB

|f pq|
|x y|
d
Mn .
2
2n
n

(19.234)

Justifications :
| x| 2n et | y| n parce que est au mieux sur le rayon passant par x et y.
|f pq| Mn o Mn est la borne uniforme de F sur le compact Kn .
Nous avons aussi fini par calculer lintgrale dans laquelle il ne restait plus rien, a a
donn la circonfrence du cercle de rayon 2n .
Jusqu prsent nous avons prouv que lensemble
Fn tf |Kn tel que f P Fu

(19.235)

est quicontinu. Il est aussi quiborn par hypothse.

Application du thorme dAscoli Lensemble Fn vrifie les hypothses du thorme dAscoli 18.7. Donc lensemble Fn est relativement compact dans CpKn , Cq pour la norme uniforme. Autrement dit lensemble F est compact et si nous avons une suite de fonctions dans
Fn , il existe une sous-suite convergeant dans Fn , cest dire uniformment. Autrement dit
il existe une fonction strictement croissante : N N telle que la suite k fpkq converge
uniformment sur Kn . La limite nest cependant pas spcialement dans Fn .

Largument diagonal La suite k f1 ...k pkq converge uniformment sur tous les Kn . Si
K est un compact de , alors les petites proprits sympas du lemme 5.140 nous disent
que K IntpKm q pour un certain m. Ladite suite convergeant uniformment sur Km ,
elle converge uniformment sur K et nous avons montr la convergence uniforme sur tout
compact de .

Corollaire 19.51 ([1]).

Soit un ouvert connexe born de C et a P . Soit f holomorphe sur telle que f paq a et
|f 1 paq| 1.
Alors de pf n q on peut extraire une sous-suite convergeant uniformment sur tout compact de
vers la fonction constante a.
Dmonstration. Nous considrons un voisinage de a inclus ; sachant que |f paq| 1, nous
trouvons un voisinage encore plus petit de a sur lequel |f 1 pzq| 1. Soit donc r tel que Bpa, rq

1196

CHAPITRE 19. ANALYSE COMPLEXE

et tel que |f 1 pzq| 1 sur Bpa, rq. tant donn que f 1 pzq est continue sur le compact Bpa, rq, nous
en prenons le maximum (qui est strictement infrieur 1) et nous avons au final
|f 1 pzq| 1

(19.236)

pour tout z P Bpa, rq. Le thorme des accroissements finis 11.187 nous dit que

f pzq a |z a|

(19.237)

pour tout z P Bpa, rq. Cest ici que nous utilisons lhypothse de convexit de . Nous montrons
alors par rcurrence que

n
f pzq a n |z a| n r r.
(19.238)
Lensemble A tf n tel que n 1u est donc uniformment born sur Bpa, rq par a ` r. Autre
manire de le dire : pour tout z P Bpa, rq nous avons

(19.239)

f n pzq P Bpa, rq.

La suite pf n q est donc uniformment borne sur tout compact de Bpa, rq. Le thorme de Montel
19.50 nous indique que lon peut extraire une sous-suite convergente uniformment sur tout compact. Au vu de (19.238) cette convergence ne peut avoir lieu que vers une fonction g qui vaut la
constante a sur Bpa, rq.
Dautre par la fonction g est holomorphe en tant que limite uniforme de fonctions holomorphes,
thorme 19.49. Or une fonction holomorphe constante sur un ouvert est constante sur tout son
domaine dholomorphie (principe dextension analytique, thorme 16.174).

19.10

Espaces de Bergman

Source : [204].
Soit un born dans

C et D le disque unit ouvert de C.

Dfinition 19.52.
Lespace de Bergman sur , not A2 pq est lespace des fonctions holomorphes sur qui sont
en mme temps dans L2 pq.
Nous mettons sur A2 pq le produit scalaire usuel hrit de L2 :

xf, gy
f pzqgpzqdz.

(19.240)

Lemme 19.53.
Soit K un compact et f P A2 pq. Alors

1
1
max |f pzq| ?
}f }2 .
zPK
dpK, Bq

(19.241)

Dmonstration. Soient a P et r 0 tels que Bpa, rq . Nous considrons aussi r. La

formule de Cauchy (19.36) nous donne
1
f paq
2i

Bpa,q

f pq
1
f
a
2

2
0

f pa ` ei qd

(19.242)

o nous avons utilis le chemin pq a ` ei , 1 pq iei et | a|. Maintenant une astuce

est dcrire
r
r2
f paq
f paqd,
(19.243)
2
0

1197

19.10. ESPACES DE BERGMAN

et dy substituer la valeur de f paq que nous venons de calculer :
r2
f paq
2

r
0

1
2

2
0

(19.244a)

f pa ` ei qdd

1
f pzqdz
2 Bpa,rq
1

x1, f yB
2
1 a

x1, 1yB xf, f yB

2

Nous avons donc

(19.244b)

produit scalaire sur Bpa, rq

(19.244c)
(19.244d)
(19.244e)

r2 f paq

et donc

passage aux polaires

1a
x1, 1yB xf, f yB ,

r2 f paq

r2 }f }2 ,

(19.245)
(19.246)

parce que xf, f yB }f }22 . En effet le produit scalaire }.}2 est donn par une intgrale sur alors
que Bpa, rq et que la fonction quon y intgre est positive (cest |f pzq|2 ). En simplifiant,
1
f paq ? }f }2 .
r

(19.247)

Mais r a t choisit pour avoir Bpa, rq , donc r dpa, Bq et

|f paq|

1
? }f }2 .
dpa, Bq

(19.248)

Maintenant si nous prenons a P K, nous avons encore la minoration dpa, BKq dpa, Bq et
donc
1
? }f }2 .
|f paq|
(19.249)
dpa, BKq
Thorme 19.54.
Soit un ouvert de

C.

(1) Lespace A2 pq est un espace de Hilbert.

(2) Si D est la boule unit dans

C, une base hilbertienne de A2 pDq est donne par les fonctions

en pzq

n`1 n
z

(19.250)

pour n 0.

Dmonstration. Nous commenons par montrer que A2 pq est complet. Pour cela nous considrons
une suite de Cauchy pfn q dans A2 pq et un compact K . Nous savons par le lemme 19.53 que

max fn pzq fm pzq ?

zPK

1
}fn fm }2 .
dpK, Bq

(19.251)

Donc fn converge uniformment sur K. Par le thorme de Weierstrass 19.49, la fonction f est
holomorphe. Il existe donc une fonction holomorphe f qui est limite uniforme sur tout compact de
de la suite pfn q.
Mais L2 pq tant complet, la suite pfn q a une limite g P L2 pq. Ce que nous voudrions faire
est prouver que f g. Notons que tel quel, ce nest pas vrai parce que f est une vraie fonction
alors que g est une classe. Ce que nous enseigne la proposition 18.14 est quil existe une sous-suite

1198

CHAPITRE 19. ANALYSE COMPLEXE

(quon note pgn q) qui converge vers g presque partout. Dans cette dernire phrase, gn et g sont de
vraies fonctions, des reprsentants des classes dans L2 .
Nous dduisons que f g presque partout (ici f et g sont les fonctions) parce que la sous-suite
converge uniformment vers f en mme temps que presque partout vers g. Donc f g dans L2 pq
(ici f et g sont les classes). Donc f P L2 pq et lespace A2 pq est de Hilbert.
Il nous faut encore prouver que pen qn0 est une base orthonormale. En ce qui concerne les
produits scalaires,
c

pm ` 1qpn ` 1q
xem , en y
z n z m dz
(19.252a)

D
c

2
pm ` 1qpn ` 1q 1

d
dm`n eipnmq
(19.252b)
2
0
0
c
2
pm ` 1qpn ` 1q
1
(19.252c)
eipnmq d

2
m ` n ` 2 loooooooomoooooooon
0
c

2mn

1q2

pn `
2
nm .

1
2nm
2n ` 2

(19.252d)

(19.252e)

Donc les fonctions donnes sont bien orthonormales. Nous devons montrer quelles sont denses
dans A2 pDq. Soit f P A2 pDq et cn pf q xf, en y ; nous allons montrer que
}f }22

n0

|xf, en y|2 ,

(19.253)

parce que le point (5) du thorme 17.34 nous indique que ce sera suffisant pour avoir une base
hilbertienne.
tant donn que f est holomorphe sur D, le thorme 19.14 nous dveloppe f en srie entire :
f pzq

ak z k .

(19.254)

k0

En permutant la somme avec le produit scalaire,

c

n`1
cn pf q
f pzq
en pzq
f pzq
z n dz.

D
D

(19.255)

Afin de profiter de la convergence uniforme de la srie (19.254) lintrieur de D, nous allons

exprimer lintgrale sur D comme une intgrale sur |z| r en faisant tendre r vers 1 (par le bas).
Pour ce faire nous considrons les fonctions
#
f pzq
z n si |z| 1 1{k
gk pzq
(19.256)
0
sinon.
Ces fonctions sont intgrables sur D et domines par f pzq
z n qui est intgrable sans dpendre de
n
k. Mais nous avons videmment gk pzq f pzq
z . Le thorme de la convergence domine permet
alors de permuter lintgrale et la limite k 8. Cela nous permet dcrire
c
c

n`1
n`1
n
cn pf q
lim
z f pzqdz
lim
ak z k zn .
(19.257)
r1 |z|r
r1 |z|r k0

Par la convergence uniforme de la srie entire lintrieur du disque D nous pouvons permuter
lintgrale et la somme (proposition 16.36) :
c

n`1
cn pf q
lim
ak
z k zn dz.
(19.258)
r1 k0
|z|r

1199

19.10. ESPACES DE BERGMAN

Lintgrale proprement dite est vite calcule et vaut

r2n`2
zn z k dz
kn .
n`1
|z|1

(19.259)

Nous pouvons donc continuer le calcul de cn pf q en effectuant la somme sur k qui se rduit changer
k en n puis en effectuant la limite :
c
c
r2n`2
n`1

cn pf q
lim
ak
kn
an .
(19.260)
r1 k
n`1
n`1
Nous effectuons le mme genre de calculs pour valuer }f }22 :

|f pzq|2 dz
}f }22
D

lim

r1 |z|r

lim

r1

lim

r1

k0
8

k0

f pzq

a
k

a
k zk dz

(19.261b)

k0

|z|r

a
k ak

(19.261c)

intgrale dj faite.

(19.261d)

permuter

f pzq
z k dz

r2k`2
k`1

Mais nous savons dj que cn pf q

|ck pf q|2 . Nous avons donc

(19.261a)

et

{pn ` 1q, donc ce qui est dans la somme est

ak ak {pn ` 1q

}f }22 lim

r1

|ck pf q|2 r2k`2 .

|ck pf q|2 .

k0

(19.262)

La fonction (de r) constante |ck pf q|2 domine |ck pf qr2k`2 |

tout en ayant une somme (sur k) qui
converge ; en effet la proposition 17.26 nous indique que j |ck pf q|2 }f }22 . Le thorme de la
convergence domine nous permet dinverser la limite et la somme pour obtenir le rsultat attendu :
}f }22

k0

(19.263)

1200

CHAPITRE 19. ANALYSE COMPLEXE

Chapitre 20

Srie de Fourier
Soit f une fonction ; nous dfinissons ses coefficients de Fourier par
cn pf q

1
2

2
0

(20.1)

f ptqeint

avec plus de dtails en 18.3.7. Nous allons montrer la convergence de

dans divers cas :

inx
kPZ ck pf qe

vers f pxq

(1) Si f est continue et priodique, convergence au sens de Cesaro, thorme de Fejr 20.5.

(2) Convergence au sens L2 r0, 2s dans le thorme 18.31.

(3) Si f est continue, priodique et sa srie de Fourier converge uniformment, thorme 20.11.
(4) Si f est priodique et la srie des coefficients converge absolument pour tout x, proposition
20.12.
(5) Si f est priodique et de classe C 1 , thorme 20.13.

Il est cependant faux de croire que la continuit et la priodicit suffisent obtenir une convergence,
comme le montrons dans la proposition 20.16.

20.1

Densit des polynmes trigonomtriques

20.1.1

Convergence pour les fonctions continues (Weierstrass)

Le rsultat fondamental qui nous permet dutiliser les polynmes trigonomtriques comme base
pour les fonctions continues priodiques est le suivant. Notons que pour les fonctions non continues,
il y a encore du travail.
Lemme 20.1.
Si f : R C est une fonction continue 2-priodique et si  0, alors il existe un polynme
trigonomtrique P tel que }f P }8 .
Dmonstration. Nous allons utiliser le thorme de Stone-Weierstrass 16.88. Soit le compact Hausdorff
S 1 tz P C tel que |z| 1u,
(20.2)

et CpS 1 , Cq lalgbre des fonctions continues de S 1 vers C. Il suffit de vrifier que les polynmes
trigonomtriques vrifient les hypothse du thorme de Stone-Weierstrass. Un polynme trigonomtrique est un polynme en z et z dfini sur S 1 .
(1) Le polynme constant est dans lalgbre, ok.
(2) Pour la sparation des points, le polynme trigonomtrique x eix .
(3) Si P est un polynme en z et z, alors P lest encore.
1201

1202

CHAPITRE 20. SRIE DE FOURIER

Donc si  0 et f P CpS 1 , Cq sont donns, il existe un polynme trigonomtrique P tel que

|fpeit q P ptq| .
(20.3)
t

Soit f : R C une fonction continue 2-priodique. Nous considrons f P CpS 1 , Cq donne par
fpeit q f ptq. Alors supt |f ptq P ptq| .

20.1.2

Convergence pour les fonctions continues (Fejr)

Si nous ne voulons pas passer par le`gros thorme

de Stone-Weierstrass pour prouver la densit

0 , }.}
des polynmes trigonomtrique dans C2
8 , nous pouvons passer par le gros thorme de
Fejr. Cest ce que nous faisons maintenant.
Le noyau de Dirichlet est la fonction
Dn ptq

(20.4)

eint .

kn

Le noyau de Fejr est la moyenne de Cesaro des noyaux de Dirichlet :

n1
1
Dk ptq.
n k0

Fn ptq

(20.5)

Lemme 20.2.
Le noyau de Dirichlet sexprime sous la forme
Dn ptq
Note : ce noyau nest pas positif.

ikt

kn

`
sin 2n`1
2 t

sinpt{2q

(20.6)

Dmonstration. Nous commenons par mettre en facteur le premier terme :

Dn ptq

kn

eint eint

En utilisant la formule de la somme gomtrique,

2n

eikt .

(20.7)

k0

1 peit q2n`1
1 eit
1 ep2n`1qit
eint
1 eit
p2n`1qit{2
e
ep2n`1qit{2 ep2n`1qit{2
eint
t
eit{2 eit{2
e`i 2

p2iq sin 2n`1

t
`2t .

p2iq sin 2

Dn ptq eint

(20.8a)
(20.8b)
(20.8c)
(20.8d)

Thorme 20.3 (Thorme de Dirichlet).

Soit f une fonction 2-priodique et C 1 par morceaux. Pour tout x P R nous posons
sn pxq
Alors nous avons

(20.9)

f px` q ` f px q
.
2

(20.10)

kn

lim sn pxq

n8

ck pf qeikx .

1203

20.1. DENSIT DES POLYNMES TRIGONOMTRIQUES

Lemme 20.4.
Le noyau de Fejr sexprime sous la forme
1
Fn ptq
n

sin nt
2
sin 2t

(20.11)

Note : ce noyau est positif. Cest important parce quon sen sert dans la preuve du thorme
de Fejr.
Dmonstration. Lastuce est de noter sinpxq =peix q et de repartir du rsultat propos du noyau
de Dirichlet. En utilisant encore la formule de la srie gomtrique partielle,
Fn ptq

n1

1
=
ep2k`1qit{2
n sinpt{2q k0

(20.12a)

n1
it
1
=e 2
n sinpt{2q
k0

it
1
1 enit

=e 2
n sinpt{2q
1 eit
int

nit
nit
2
2
2
e
e

e
1

=eit{2 it `

n sinpt{2q
e 2 eit{2 eit{2
` nt
nit sin
1
2
=e

lo
omo2on
n sinpt{2q
sinp 2t q

1
n

sin 2
sin 2t

ek :

Fn
Alors
(1)

1
2

(20.12d)
(20.12e)
(20.12f)

R C. Pour tout k P Z nous notons

RC

(20.13)

x eikx .

Pour chaque n P N nous posons

Dn

(20.12c)

sinpnt{2q

nt 2

Thorme 20.5 (Fejr).

Soit une fonction continue et 2-priodique f :

(20.12b)

Sn pf q

ck pf qek

(20.14a)

1
Fn n pf q
Sk pf q.
n k0

(20.14b)

ek

kn

D0 ` . . . ` Dn1
n

kn
n1

Fn ptqdt 1.

(2) Pour tout P s0, r, Fn converge uniformment vers 0 sur r, szr, s.

(3) La suite Fn converge uniformment sur R vers f .
`

(4) Le systme trigonomtrique tek ukPZ est total pour lespace C 0 pS 1 q, }.}8 des fonctions
continues 2-priodiques.
Dmonstration. Un calcul usuel montre que

el ptqdt

0
2

si l 0
si l 0

(20.15)

1204

CHAPITRE 20. SRIE DE FOURIER

Nous avons alors

1
2

n1 k
n1
1 1
1
Fn ptqdt
el ptqdt
1 1.
2 n k0 lk looooomooooon
n k0

(20.16)

2l

Cela prouve dj le premier point.

Pour le second point, en partant de lexpression (20.11) et en considrant x P r, , szr, s
(ce qui nous vite lannulation du dnominateur),
|Fn pxq|

1
,
pn ` 1q sin2 p{2q

(20.17)

et donc Fn 0 uniformment sur lensemble considr.

Nous passons maintenant cette histoire de convergence uniforme de la moyenne de Cesaro
vers f . Pour tout n P N nous avons

n pxq 1
D
f ptqeikt dt eikx
(20.18a)
2 kn

1
f ptq
ek px tq
(20.18b)

2
kn

f ptqDk px tq.
(20.18c)
2

Par consquent, en effectuant le changement de variable u x t et la priodicit,

Fn pxq
f ptqFn px tqdt

f px uqFn puqdu
x`

f px uqFn puqdu.

(20.19a)
(20.19b)
(20.19c)

Nous prouvons prsent luniforme continuit. Soit  0 ; tant donn que f est continue et 2priodique,
elle

est uniformment continue et nous considrons 0 tel que |x y| implique

f pxq f pyq . Soit M un majorant de |f | sur R. Lquation (20.19) nous donne

f pxq Fn pxq 1
f px tq f pxq Fn ptqdt
(20.20a)
2

1
1

|2M Fn ptq|dt `
|Fn ptq|dt
(20.20b)
2 |t|
2

2M

Fn ptqdt ` 1
(20.20c)
2 |t|
Pour obtenir (20.20a) nous avons pu rentrer f pxq dans lintgrale en utilisant le premier point.
Pour obtenir (20.20c) nous avons dabord utilis la positivit de Fn (lemme 20.4) pour enlever les
valeurs absolues, et nous avons ensuite utilis le fait que son intgrale valait 2.
tant donn que Fn 0 uniformment sur r, , szr, s, il existe un N tel que

Fn ptqdt 
(20.21)
|t|

ds que n N . Le rsultat dcoule.

Pour le point (4), il suffit de remarquer que chacun des Fn est une combinaison finie dlments
du systme trigonomtrique.

1205

20.2. FONCTIONS DE DIRICHLET

20.1.3

Densit dans Lp

Nous venons
` 0 de voir (de
deux faons diffrentes) que les polynmes trigonomtriques taient
dense dans C2
pRq, }.}8 . Nous avons aussi dj vu par le thorme 18.58 que ces polynmes
trigonomtriques taient denses dans Lp pS 1 q. Nous prsentons prsent une autre faon de prouver
cette dernire densit.
Thorme 20.6.
Les polynmes trigonomtriques sont denses dans Lp pS 1 q pour 1 p 8.

Dmonstration. Par les thormes

ou 20.5
` 0 20.1
(au choix), nous savons que les polynmes trigonomtriques sont denses dans C2
pS 1 q, }.}8 . Vu que S 1 est compact, la densit est galement au
sens Lp . En effet si }fn f }8 , alors
}fn f }8

2
0

|fn f |p

2
0

p 2p .

(20.22)

` 0

Donc les polynmes trigonomtriques sont denses dans C2

pS 1 q, }.}p . Mais nous savons par (un
a fortiori sur) le thorme 18.40 que les fonction continues sont denses dans Lp pS 1 q.
Par densit de la densit, les polynmes trigonomtriques sont denses dans Lp pS 1 q.

20.2

Fonctions de Dirichlet

Dfinition 20.7.
Une fonction f : R C est une fonction de Dirichlet si
(1) elle est 2-priodique,

(2) elle est continue par morceaux,

(3) pour tout x P R nous avons

f pxq

f px` q ` f px q
.
2

(20.23)

Nous notons D lensemble des fonctions de Dirichlet.

Lemme 20.8 ([251]).

`

Lensemble C 0 pS 1 q est dense dans D, }.}2 .

Dmonstration. Nous commenons par supposer que f P D nait quun seul point de discontinuit,
x0 . Alors nous considrons la fonction fn qui est gale f sur S 1 zBpx0 , n1 q et qui sur Bpxn , n1 q est
le segment de droite joignant f px0 n1 q et f px0 ` n1 q. Cela est une fonction continue, et de plus
nous avons
|fn pxq| }f }8
(20.24)

pour tout x. En effet si x est en dehors de Bpx0 , n1 q cest vident, et si x P Bpx0 , n1 q, alors |fn pxq|
est major soit par f px0 n1 q soit par f px0 ` n1 q suivant que le raccord affin soit croissant ou
dcroissant. Avec a nous avons
}fn

f }22

x0 `1{n
x0 1{n

|f pxq fn pxq| dx

x0 `1{n
x0 1{n

4}f }8

8}f }8
.
n

(20.25)

Et nous voyons que }fn f }2 0.

Si f contient plusieurs points de continuit, on fait le mme coup autour de chaque point, en
prenant n assez grand pour que si x0 est un point de discontinuit, Bpx0 , n1 q nen contienne pas
dautres.
`

Notons que la densit de C 0 pS 1 q dans D, }.}8 est impossible parce quune limite uniforme de
fonctions continue est continue.

1206

CHAPITRE 20. SRIE DE FOURIER

Thorme 20.9.
`

Le systme trigonomtrique ten unPZ est total dans D, }.}2 .

Dmonstration. Soit f P D. Si elle est continue, le thorme de Fejr 20.5 nous donne convergence
uniforme sur S 1 dune suite de polynmes trigonomtriques vers f . Cette convergence est galement
une convergence L2 parce que S 1 est compact.
Prenons donc f P D non continue et  0 1 . Par le lemme 20.8, il existe une fonction g P C 0 pS 1 q
telle que
}g f }2 .
(20.26)

Le thorme de Fejr donne aussi un polynme trigonomtrique P tel que }P g}2  ; nous
avons alors
}P f }2 }P g}2 ` }g f }2 2.
(20.27)

Notons que cette histoire de fonctions de Dirichlet na pas attaque le vrai fond du problme de
la densit des polynmes trigonomtriques dans L2 pS 1 q parce que nous restons avec une hypothse
de continuit, alors que les reprsentants des lments de L2 pS 1 q nont strictement aucune rgularit
a priori.

20.3

Coefficients et srie de Fourier

Dfinition 20.10.
La srie de Fourier associe f est
f pxq

n8

cn pf qe2i T x .
n

(20.28)

Cette expression est pour linstant purement formelle. Cela ne prsume ni de la convergence
de la srie, ni, au cas o elle serait convergente, que la limite soit f .
Pour la suite nous allons considrer des fonctions priodiques de priode 2, et les coefficients
de Fourier de f (quand ils existent) sont alors

1 2
cn pf q
f ptqeint dt
(20.29)
2 0

Proposition 20.11 ([252]).

Soit f une fonction continue et priodique telle que sa srie de Fourier converge uniformment.
Alors la convergence est vers f .
Dmonstration. Notons dabord que f tant continue sur r0, 2s, elle y est borne et L2 . Par
consquent Parseval nous enseigne que

Cela signifie que

}SN pf q f }L2 0.
1
N 8 2
lim

2
0

|f ptq SN ptq|2 dt 0.

(20.30)
(20.31)

Lhypothse de convergence uniforme nous dit que la fonction |f ptq SN ptq|2 converge uniformment vers la fonction |f ptq Sptq|2 o nous avons crit S la limite de SN . En permutant la limite
et lintgrale,

1 2
|f ptq Sptq|2 dt 0,
(20.32)
2 0
ce qui signifie que la fonction t |f ptq Sptq|2 est la fonction nulle. Nous en dduisons que
f S.

1. Par exemple  0.4, mais ce nest quun exemple hein. Si vous en voulez un autre, prenez p, un nombre
premier puis calculez  1{p.

1207

20.3. COEFFICIENTS ET SRIE DE FOURIER

Proposition 20.12.

Soit f une fonction 2-priodique. Si nPZ |cn pf q| 8, alors pour tout x P R nous avons

cn pf qeinx .
(20.33)
f pxq
nPZ

De plus, la suite pSn f q converge uniformment vers f .

Dmonstration. Nous posons
gpxq

nPZ

cn pf qeinx .

(20.34)

tant donn les hypothses, la srie de droite converge absolument, la fonction g est continue sur

R. Nous avons

gpxq pSn f qpxq

|ck pf q|,

(20.35)

|k|n

mais le terme de droite tend vers zro lorsque n 8 parce que cest le reste dune srie convergente.
Cela signifie que Sn f converge uniformment vers g.
Par ailleurs nous savons que dans L2 nous avons la convergence Sn f f (parce que f est
continue sur le compact r0, 2s et donc y est borne et L2 ), ce qui signifie que g f presque
partout au sens L2 . Ces deux fonctions tant continues, elles sont gales partout.
Thorme 20.13.
Soit f , une fonction C 1 et 2-priodique. Nous notons pcn qnPZ la suite de ses coefficients de Fourier.
Alors pcn q P `1 pZq et pour tout x P R nous avons
f pxq

nPZ

cn pf qeinx .

(20.36)

Dmonstration. Soit n P Z. Nous posons gptq f ptqeint . Nous avons

0 gp2q gp0q

2
0

g ptqdt

2
0

f 1 ptqeint inf ptqeint .

(20.37)

Du coup, cn pf 1 q incn pf q. La fonction f 1 tant borne (parce que continue sur r0, 2s), elle est
de carr intgrable sur r0, 2s et par les ingalits de Parseval (thorme 17.34) nous avons

nPZ

|cn pf 1 q|2 8.

(20.38)

Par consquent pcn pf 1 qq P `2 pZq et a fortiori pcn pf 1 qqnPN P `2 pNq. Lingalit de Cauchy-Schwartz
nous indique alors
1
|cn pf 1 q|
|cn pf q|
n
nPN
nPN

1{2
1{2
1

1 2
|cn pf q|
8.
2
n n
n

Nous procdons de mme pour n 0. Cela prouve que

|cn pf q| 8.
nPZ

Corollaire 20.14.
Soient f, g deux fonctions continues et 2-priodiques. Si cn pf q cn pgq alors f g.

(20.39)

(20.40)

1208

CHAPITRE 20. SRIE DE FOURIER

Dmonstration. Dans le cas de fonctions continues, le thorme de Fejr nous enseigne que si nous
posons
n

Sn pxq
ck pf qeikx
(20.41)
kn

alors nous avons la convergence

1
Sn pf qpxq f pxq.
N ` 1 n0

(20.42)

Cest dire quune fonction continue est dtermine par ses coefficients de Fourier.
Exemple 20.15
Considrons la fonction

x2
(20.43)
2
sur r, s. Nous la dveloppons en srie trigonomtrique, et tant paire il ny a pas de sinus. Un
calcul montre que
4
a0
(20.44)
3
et
4
an p1qn`1 2 2 ,
(20.45)
n
de telle sorte que
8
4
2
cospnxq
.
(20.46)
f pxq 2
p1qn
3 n1
n2
f pxq 1

Nous avons f pq 0, mais vu le dveloppement,

f pq
donc

20.3.1

8
2
4 1
2
,
3 n1 n2

1
2

.
2
n
6
n1

(20.47)

(20.48)
4

Le contre-exemple que nous attendions tous

Nous montrons maintenant que la continuit et la priodicit ne sont pas suffisantes pour avoir
convergence de la srie de Fourier.
Proposition 20.16 ([1]).
0 lensemble des fonctions continues muni de la norme uniforme. Nous dfinissons
Soit C2
Sn pf qpxq

kn

ck pf qeikx .

(20.49)

0 tel que la suite n S pf qp0q soit divergente. En particulier f nest pas la

Alors il existe f P C2
n
somme de sa srie de Fourier.

Dmonstration. Nous considrons la forme linaire

0
ln : C2
C

f Sn pf qp0q

kn

ck pf q.

(20.50)

1209

20.3. COEFFICIENTS ET SRIE DE FOURIER

La forme est continue Nous montrons dabord que }ln } est continue en montrant que }ln }
8 et en utilisant la proposition 6.217. Pour cela nous calculons un peu :

n
n

1
1
1
ln pf q
f ptqeikt dt
f ptq
f ptqDn ptqdt (20.51)
eikt dt
2
2
2

kn
kn
o Dn ptq est le noyaux de Dirichlet dont nous savons une formule par le lemme 20.2. Nous
avons donc

1
|ln pf q|
|Dn ptq|}f }8 dt.
(20.52)
2

En prenant }f }8 1 nous avons la borne suivante pour la norme de ln :

1
|Dn ptq|dt 8.
}ln }
2n

Notons que la convergence de lintgrale vient de la continuit de la fonction

`

sin 2n`1
t
`2
t
sin 2t

(20.53)

(20.54)

qui, elle mme, se prouve avec une rgle de lHospital :

lim

t0

a cospatq
sinpatq
lim
a.
t0 cosptq
sinptq

(20.55)

Donc Dn ptq a une limite bien dfinie pour t 0 et est alors une fonction continue sur le
compact r, s.

1
La norme de ln (dbut) Nous avons prouv que }ln } 2
|Dn ptq|dt. Nous allons prsent
prouver que cela est effectivement la norme de ln . Pour  0 nous considrons la fonction
f :

RC
x

Dn pxq
.
|Dn pxq| ` 

(20.56)

Cest une fonction continue et 2-priodique satisfaisant }f } 1 parce que le dnominateur
est toujours plus grand que le numrateur. Nous nous proposons de calculer

1
ln pf q
f ptqeikt dt.
(20.57)
2

kn
Vu que f ptqeikt vaut en norme |f ptq| qui est une fonction intgrable (ne dpendant pas
de k) sur r, s, le thorme de la convergence domine 7.134 nous permet de permuter
la somme et lintgrale :

1
Dn ptq
1 Dn ptq
ikt
ln pf q
e
dt
dt.
(20.58)
2 |Dn ptq| `  kn
2 |Dn ptq| ` 
loooomoooon
Dn ptq

Nous avons donc

1
lim ln pf q
0
2

Mais vue lingalit (20.53) nous avons

1
}ln }
2

|Dn ptq|dt.

|Dn ptq|dt.

Notre tche est maintenant de donner une valeur cette intgrale.

(20.59)

(20.60)

1210

CHAPITRE 20. SRIE DE FOURIER

Norme de ln tend vers 8 Nous utilisons la divergence de lintgrale du sinus cardinal (13.846).
Dabord nous crivons

`
t
1 sin 2n`1
2
dt,

(20.61)
}ln }
2 sinpt{2q
ensuite nous nous souvenons que | sinpxq| |x| pour tout x, ce qui nous permet de changer
le dnominateur :

2 sin 2n`1
2 t
}ln }
dt
(20.62)
0
|t|

Nous y effectuons le changement de variable u

2
}ln }

2n`1
2 t

qui donne

pn` 1 q
2
sinpuq
0

Utilisant cette histoire de sinus cardinal nous avons

|u|

(20.63)

lim }ln } 8.

(20.64)

n8

` 0

La conclusion Lespace C2
, }.}8 est complet 2 , donc le thorme de Banach-Steinhaus 18.8
sapplique. Par rapport aux notations de lnonc de Banch-Steinhaus, nous posons
` 0

E C2
, }.}8
(20.65a)
F R

(20.65b)

H tln unPN .

(20.65c)

0 tel que
Vu que la suite p}ln }q nest pas borne, il existe f P C2

sup }ln pf q} 8.

(20.66)

sup Sn pf qp0q 8,

(20.67)

Pour cette fonction nous avons

n0

et donc la srie de Fourier de f ne converge pas en zro.

20.3.2

Ingalit isoprimtrique

Dfinition 20.17.
Une courbe de Jordan dans le plan est une application : S 1 R2 qui est continue et injective.
Une telle courbe peut videmment tre vue comme une application : r0, 2s R2 telle
que p0q p2q. En particulier il nest jamais mauvais de se rappeler quon peut choisir une
paramtrisation normale par la proposition 14.41.

Thorme 20.18 (Thorme de Jordan[253]).

Si est une courbe de Jordan, alors lensemble R2 z a exactement deux composantes connexes.
Lune est borne, lautre non. Les deux ont comme frontire.
Le thorme suivant dit que parmi les courbes C 1 , le cercle a la plus grande surface possible
primtre donn.
Thorme 20.19 (Ingalit isoprimtrique[1]).
Soit f : S 1 C une courbe de Jordan de classe C 1 . Nous notons L sa longueur et S laire contenue
de la surface dlimite 3 par f . Alors
2. Parce quune limite uniforme de fonctions continues est continue, thorme 11.233.
3. Cest la partie connexe borne de Cz dont lexistence est donne par le thorme de Jordan 20.18.

1211

20.3. COEFFICIENTS ET SRIE DE FOURIER

(1) Nous avons lingalit isoprimtrique : L2 4S.

(2) Nous avons lgalit L2 4S si et seulement si la courbe donne par f est un cercle.
Dmonstration. Nous commenons par considrer un chemin dont la longueur est 2 et nous en
considrons sa paramtrisation normale. Nous allons exprimer laire S en utilisant le thorme de
Green, et plus particulirement la formule de surface (13.442).
Si f psq xpsq ` iypsq, nous devons intgrer y 1 x x1 y, qui nest rien dautre que la partie
imaginaire de f 1 psqf psq. Donc
2
1
f 1 psqf psqds
S Im
(20.68)
2
0
Nous considrons les coefficients de Fourier de f donns par la formule (20.29) :
cn pf q

1
f psqeins .
2

(20.69)

Ceux de f 1 (qui est aussi continue sur le compact S 1 et donc tout autant L2 ) sont donns par
(20.70)

cn pf 1 q incn pf q.

Dautre part en vertu du thorme 14.17, la longueur de sexprime en terme de lintgrale de

la norme de sa drive :
2
2
1
|f psq|ds
|f 1 psq|2 ds
(20.71)
2 L
0

parce que nous avons choisit une paramtrisation normale qui vrifie automatiquement |f 1 psq| 1
pour tout s. Lidentit de Parseval sous sa forme (17.101) applique f 1 nous enseigne que
L 2

2
0

|f 1 psq|2 ds 2xf 1 , f 1 y 2

n8

|cn pf 1 q|2 2

n2 |cn pf q|2 .

(20.72)

Par ailleurs
trigonomtrique tant une base hilbertienne, et les fonctions f et f 1 tant
` le systme

2
dans L r0, 2s (parce que continues sur un compact), elles sont gales leurs sries de Fourier
(au sens L2 ), cest dire que nous avons lgalit (18.114). Nous avons alors

xf 1 , f yL2 x
cn pf 1 qen ,
cm pf qem y
(20.73a)
nPZ

m n

nPZ

mPZ

cn pf qcm pf q looomooon
xen , em y

(20.73b)

m,n

cn pf qcn pf q

in|cn pf q|2

(20.73c)
(20.73d)

o nous avons utilis la continuit du produit scalaire pour sortir les sommes. Avec cela nous
pouvons exprimer laire (20.68) en termes de coefficients de Fourier :
S

1
Im 2xf 1 , f y
n|cn pf q|2 .
2
nPZ

(20.74)

En utilisant les expressions (20.72) et (20.74) pour L et S, et en crivant L 2L, nous avons

L2 4S 4 2
pn2 nq|cn pf q|2 0.
(20.75)
nPZ

Cela prouve lingalit demande dans le cas o L 2.

1212

CHAPITRE 20. SRIE DE FOURIER

Si nest pas de longueur 2 mais L, alors nous considrons le chemin ptq 2ptq
L . Sa
longueur est 2 et son aire, au vu de la formule de Green (20.68), son aire est 4 2 LS2 . Lingalit
isoprimtrique applique au chemin donne alors L2 4S.
Le cas dgalit sobtient uniquement si cn 0 pour tout n diffrent de 0 ou 1. Dans ce cas
nous avons
f psq c0 pf q ` c1 pf qeis ,
(20.76)
qui est un cercle de centre c0 pf q et de rayon |c1 pf q|.

20.3.3

Suite quirpartie, critre de Weyl

Dfinition 20.20.
Soit u une suite dans r0, 1s. Pour 0 a b 1 nous posons

(
Xn pa, bq Card k P t1, . . . , nu tel que uk P ra, bs .

(20.77)

Nous disons que la suite u est quirpartie si pour tout 0 a b 1, on a

lim

n8

Xn pa, bq
0.
b

(20.78)

Voir aussi la remarque 26.116 sur les nombres normaux.

Proposition 20.21 (Critre de Weyl[204, 1]).
Soit pxn q une suite dans r0, 1r. Les conditions suivantes sont quivalentes.
(1) La suite pxn q est quirpartie.

(2) Pour toute fonction continue valeurs relles sur r0, 1s,

1
n
1
f pxk q
f pxqdx.
n8 n
0
k1
lim

(3) Pour tout p P N nous avons

(20.79)

n
1 2ipuk
e
0.
n8 n
k1

(20.80)

lim

Dmonstration. On pose
Sn pf q

n
1
f pxk q.
n k1

(20.81)

Une espce de lemme Supposons connaitre un ensemble de fonctions A dense dans C 0 pr0, 1sq
pour toutes les fonctions duquel nous avons la limite (20.79). Alors la limite a lieu pour
toute fonction de C 0 pr0, 1sq. En effet, soit f P C 0 pr0, 1sq et g P A tel que }f g}8 . Alors

1
n
n `
1
1

f pxk q
f ptqdt
f pxk q gpxk q

n
n

0
k1
k1

n
1

`
gpxk q
gptqdt
n

0
k1
1

` gptqdt
f ptqdt .
0

(20.82a)
(20.82b)
(20.82c)

1 `
Le premier terme se majore par . Le troisime est la mme majoration : 0 f ptqgptq dt
}f g}8 . Par hypothse sur lespace A, le second terme se majore par  lorsque n est
grand.

1213

20.3. COEFFICIENTS ET SRIE DE FOURIER

(1)(2) Nous supposons que la suite est quirpartie et nous commenons par montrer le
rsultat pour les fonctions en escalier. Soit donc la fonction en escalier pxq cj sur
aj1 x aj . Sur le point aj lui-mme, la fonction vaut soit cj soit cj`1 . Nous avons

ff
n
m
m
m

1
1
pxk q
cj Xn paj , aj`1 q
cj Xn paj , aj q `
paj qXn paj , aj q . (20.83)
n k1
n j1
j1
j1
la limite n 8, les deux derniers termes tombent 4 et il reste
n
m

1
pxk q
cj paj1 aj q.
n8 n
j1
k1

lim

(20.84)

Or par construction, pour une fonction en escalier,

m

j1

cj paj1 aj q

1
0

(20.85)

tant donn que les fonctions en escalier sont denses dans les fonctions continues, lespce
de lemme plus haut conclut.
(2)(1) Nous prouvons maintenant le sens inverse. Cest dire que pour toute fonction continue sur r0, 1s, nous avons
1
n
1
f pxqdx lim
f pxk q.
(20.86)
n8 n
0
k1
Nous devons en dduire que pxn q est quirpartie. Pour ce faire, soit x P r0, 1r et  0 tel
que x `  1. Nous considrons 1rx,1r et
ptq

&0

tx


%
1

si t P r0, xr
si t P rx, x ` r
si t x ` .

Cela est une fonction continue, donc

1
x`
1
`

tx

lim Sn  ptq
dt `
1dt 1 x .
 ptqdt
n8

2
0
x
x`

(20.87)

(20.88)

Mais  , donc Sn p q Sn pq et donc

lim inf Sn pq 1 x.
n8

(20.89)

Notons que nous ne savons pas si la vraie limite de gauche existe ; cest pourquoi nous
prenons la limite infrieure, qui existe toujours.
Nous dfinissons aussi
$

si t P r0, x r
&0
(20.90)
 ptq tx`
si t P rx , xr


%
1
si t x.
Cest encore une fonction continue et nous trouvons 5
1

 ptqdt 1 x ` .
2
0

(20.91)

4. Jen profite pour mentionner que mon quation (20.83) nest pas la mme que celle de [204] dans laquelle il
me semble voir une faute ; quoi quil en soit, les termes litigieux tombent.
5. Je recommande chaudement de dessiner les fonctions  et  pour avoir une ide de la situation.

1214

CHAPITRE 20. SRIE DE FOURIER

Vu que  , nous avons Sn p q Sn pq et donc
lim sup Sn pq 1 x.

(20.92)

1 x lim inf Sn pq lim sup Sn pq 1 x,

(20.93)

Nous avons dj obtenu que

donc la limite existe et vaut

lim Sn pq 1 x.

n8

(20.94)

Cela est pour la fonction caractristique 1rx,1r . Si nous prenons une fonction caractristique 1ra,bs , nous avons la mme chose parce que 1ra,br est une combinaisons linaire de
fonctions du type 1rx,1r .
Nous avons donc
`

lim Sn 1ra,bs b a,
(20.95)
n8

alors que le membre de gauche nest autre que

Sn

1ra,bs

n
1
1

1 pxk q N pn, a, bq.

n k1 ra,bs
n

(20.96)

(2)(3) Vu que e2ipuk cosp2puk q ` sinp2iuk q est une fonction priodique, cest immdiat.
(3)(2) Par linarit, le point (2) montre que si f est un polynme trigonomtrique, alors
1
n
1
lim
f puk q
f ptqdt.
n8 n
0
k1

(20.97)

Il nous reste prouver que les polynmes trigonomtriques sont denses dans les fonction
continues sur r0, 1s. Soit une fonction continue sur r0, 1s avec f p0q f p1q. Alors le thorme
de Stone-Weierstrass dans sa version trigonomtrique (lemme 20.1) nous donne la densit.
Si f p1q f p0q cest pas trs grave : on peut trouver une fonction g vrifiant gp0q gp1q et
}f g}8 . Ensuite un polynme trigonomtrique approxime trs bien g. .

20.3.4

propos des coefficients

Nous considrons lapplication

`

c : L12 , }.}1 C0 , }.}8

f pcn pf qqnPZ

(20.98)

qui une fonction 2-priodique fait correspondre la suite (borne) de ses coefficients de Fourier.
Nous rappelons la dfinition

1 2
cn pf q
f ptqeint .
(20.99)
2 0

Nous allons montrer que cette application est linaire, continue, injective et non surjective. Pour
la continuit, par la linarit il suffit de la montrer en 0. Nous devons donc montrer que si nous
avons une suite de fonctions fk qui tend vers 0 au sens L1 , alors cpfk q 0 au sens de la norme
}.}8 sur lensemble des suites.
2
Si nous posons rk 0 |fk ptq|dt, alors rk }fk }1 et nous avons rk 0. Mais par dfinition
|cn pfk q| rk ,

(20.100)

et donc }cpfk q}8 rk . Lapplication c est donc continue. Linjectivit est donne par le corollaire
20.14.

20.3. COEFFICIENTS ET SRIE DE FOURIER

1215

Si nous supposons que lapplication c est continue, alors le thorme disomorphisme de Banach
(18.2) nous dit que cela devrait tre un homomorphisme, cest dire que c1 serait galement
continue. Nous allons montrer quil nen est rien.
Nous considrons la suite de suite
#
1 si k n
pcn qk
(20.101)
0 sinon.
Ici pcn qk est le terme numro k de la suite n. Par injectivit de lapplication qui une fonction fait
correspondre la suite de ses coefficients de Fourier, la seule fonction qui possde ces coefficients est

fn ptq
cn,k eikt .
(20.102)
kPN

tant donn que }fn }1 n, la suite p}fn }1 q nest pas borne alors que a suite de suites (20.101)
est borne dans lensemble des suites parce que }cn }8 1.

1216

CHAPITRE 20. SRIE DE FOURIER

Chapitre 21

Transformation de Fourier
Ici nous utilisons la convention de la transforme de Fourier de wikipedia, cest dire

eix f pxqdx
(21.1a)
f pq
R
eix fpqd.
(21.1b)
f pxq 2
R

Nous allons par ailleurs utiliser indiffremment les notations Fpf q ou f pour la transforme de
Fourier de f . La notation F est pratique pour les transformes de loooooongues expressions ainsi
que pour parler de lapplication transforme de Fourier dun espace de fonction vers un autre.
21.1.
Nous verrons dans le thorme 21.25 que la Transforme de Fourier nest pas une isomtrie de L2 .
Pour avoir une isomtrie, il aurait fallu choisir des coefficients moins simples dans (21.1a).

21.1

Transforme de Fourier dans L1 p

Rdq

Dfinition 21.2.
Si f P L1 pRd q alors nous dfinissons sa transforme de Fourier est la fonction donne par

Fpf qpq f pq
eix f pxqdx
(21.2)
R

Lemme 21.3.
Si f P L1 pRd q et si gpxq f pxq alors

gpq d fp{q.

Dmonstration. Il sagit de faire le changement de variable y x dans lintgrale

gpq
f pxqeix dx.
Rd

(21.3)

(21.4)

Dans le changement de variables, vient le coefficient dx d dy.

Proposition 21.4.
La transforme de Fourier est un morphisme vis--vis de la convolution sur L1 pRn q :
fz
g fg.

Dmonstration. Nous devons tudier lintgrale

z
f gpq
f pyqgpt yq eit dt.
R

1217

(21.5)

(21.6)

1218

CHAPITRE 21. TRANSFORMATION DE FOURIER

Ici nous avons choisit des reprsentants f et g dans les classes de L1 . Montrons que f est borlienne.
Dabord f pxq f` pxq f pxq o f` et f sont des fonctions positives. Afin dallger les notations
nous supposons un instant que f est positive et nous posons
2n

k
fn pxq
1
k k`1 .
n f pxqPr n , n r
k1

(21.7)

Le fait que f soit dans L1 implique que chacune des fonctions fn est borlienne et donc que f lest
aussi en tant que limite ponctuelle de fonctions borliennes 1 .
Nous allons appliquer le thorme de Fubini 13.79 la fonction
(21.8)

px, yq f pxqgpyqeipx`yq

qui est borlienne en tant que produit et compos de fonctions borliennes. Nous avons

ix
iy
|gpyq|dy dx
|f pxqe
||gpyqe
|dy dx
|f pxq|
R
R
R
R

|f pxq|}g}1

}f }1 }g}1 8.

Le thorme est donc applicable. Dabord nous avons :

ix
iy
fpq
g pq
f pxqe
dx
gpyqe
dy
R
R

ipx`yq

f pxqgpyqe
dy dx
R R

f pxqgpt xqeit dx.

R

(21.9a)
(21.9b)
(21.9c)

(21.10a)
(21.10b)
(21.10c)

Jusquici nous navons pas utilis Fubini. Nous avons seulement introduit le nombre R gpyqeiy dy
dans lintgrale par rapport x et effectu le changement de variables y t x ` y. Maintenant
nous appliquons le thorme de Fubini pour inverser lordre des intgrales :

it

f pq
g pq
f pxqgpt xqe
dx dy
(21.11a)
R
R

it

e
f pxqgpt xqdx dt
(21.11b)
R
R

eit pf gqptqdt
(21.11c)
R

(21.11d)

fz
gpq.

Proposition 21.5.
Soit une fonction f P L1 pRd q. Alors sa transforme de Fourier est continue.
Dmonstration. Nous considrons une fonction f dfinie sur
transforme de Fourier est donne par

f pq
eix f pxqdx.

Rd et valeurs dans R ou C. Sa

Rd

(21.12)

Pour montrer que cette fonction f est continue en 0 nous considrons une suite pn q 0 et nous
voulons montrer que fpn q fp0 q. Pour cela nous considrons les fonctions
gn pxq ein x f pxq

1. Le fait que f soit borlienne est une consquence du thorme 18.76.

(21.13)

21.1. TRANSFORME DE FOURIER DANS L1 pRD q

qui convergent simplement vers gpxq eix f pxq. tant donn que
|gn pxq| |f pxq|,

le thorme de la convergence domine donne alors

lim gn pxq lim gn pxq,

n8

n8

1219

(21.14)

(21.15)

cest dire limn8 fpn q fpq. La fonction f est donc continue.

Lemme 21.6.
Pour tout f P L1 pRn q nous avons }f}8 }f }1 .

Dmonstration. Cela est une simple vrification :

fpq
f pxqeix dx,
Rn

nous avons, pour tout ,

|fpq|

ce qui signifie exactement }f}8 }f }1 .

|f pxq|dx,

(21.16)

(21.17)

Lemme 21.7 (Lemme de Riemann-Lebesgue[254]).

Si f est une fonction L1 pRq alors lim8 fpq 0.

Dmonstration. Nous commenons par prouver le rsultat dans le cas dune fonction g en escalier,
et plus prcisment par une fonction caractristique dun compact K ra, bs. Au niveau de la
transforme de Fourier nous avons
b
1
1 K pq eix dx peib eia q.
(21.18)
i
a
Par consquent

Plus gnralement si g

K pq|
|1

i1 ci Ki ,

alors
|
g pq|

2
.
||

N
2
|ci |,
|| i1

(21.19)

(21.20)

et donc nous avons effectivement lim8 |

g pq| 0.
Nous passons maintenant au cas gnral f P L1 pRq. tant donn que les fonctions L1 en escalier
sont denses dans L1 , nous considrons une fonction g P L1 pRq en escalier telle que }f g}1 .
Nous avons donc
}f g}8 }f g}1 .
(21.21)
Donc

}fpq} }fpq gpq}| gpq|.

(21.22)

lim |
g pq| 0,

(21.23)

Le premier terme est plus petit que . Il nous reste voir que
8

mais cela est le rsultat de la premire partie de la preuve.

Corollaire 21.8.
La transforme de Fourier dune fonction L1 pRq est borne.

Dmonstration. Par le corollaire 21.5, la transforme de Fourier dune fonction L1 est continue.
Le lemme de Riemann-Lebesgue 21.7 impliquant quelle tend vers zro en 8, elle doit tre
borne.

1220

CHAPITRE 21. TRANSFORMATION DE FOURIER

21.1.1

Formule sommatoire de Poisson

Proposition 21.9 (Formule sommatoire de Poisson).

Soit f : R C une fonction continue et L1 pRq. Nous supposons que
(1) il existe M 0 et 1 tels que

|f pxq|
(2)

n8 |f p2nq|

Alors nous avons

M
,
p1 ` |x|q

(21.24)

8.
8

n8

f pnq

n8

fp2nq.

(21.25)

Dmonstration.
Convergence normale Nous commenons par montrer quil y a convergence
normale sur tout compact sparment des sries sur les n 0 et sur les n 0.
Soit K un compact de R contenu dans rA, As et n P Z tel que |n| 2A. Pour x P K nous
avons
|n|
|x ` n| |n| |x| |n| A
.
(21.26)
2
Du coup nous avons un 1 tel que
M
M

.
|f px ` nq| `
1 ` |x ` n|
1 ` |n|
2

(21.27)

Lorsque n est grand, cela a le comportement de M {|n| et donc la srie

8

n0

(21.28)

f px ` nq

est une srie convergent normalement. Les deux sries (usuelles)

a
f px ` nq

(21.29a)

n0

convergent normalement.

n0

f px ` nq

(21.29b)

Convergence commutative Au sens de la dfinition 6.186 nous avons

nPZ

f px ` nq a` ` a .

(21.30)

En effet si nous prenons J01 N fini tel que | NzJ0 f px ` nq a` |  et J11 P N tel que

| nPNzJ 1 f px ` nq| a , et si nous posons J0 J01 Y J11 alors si K est un ensemble

1
fini de Z contenant J0 nous avons

|
f pn ` xq pa` ` a q| |
f pn ` xq a` | ` |
f pn ` xq a | 2 (21.31)
nPK

nPK `

nPK

o K ` sont les lments positifs de K et K sont les strictement ngatifs. Maintenant que
la famille tf pn`xqunPZ est une famille sommable, nous savons quelle est commutativement
sommable et que la proposition 6.191 nous permet de
sommer dans lordre
8 que lon veut.
Nous pouvons donc crire sans ambigit lexpression nPZ f px ` nq ou n8 f px ` nq.

21.1. TRANSFORME DE FOURIER DANS L1 pRD q

1221

re-convergence normale Nous posons donc sans complexes la srie

F pxq

nPZ

(21.32)

f px ` nq

qui converge tant commutativement que normalement. Notons que nous pouvons maintenant dire que la srie sur Z converge normalement ; pas seulement les deux sries sparment.
Continuit, priodicit tant donn que chacune des fonctions f px ` nq est continue, la
convergence normale nous assure que F est continue.
De plus F est priodique parce que
F px ` 1q
o nous avons pos p 1 ` n.

n8

f px ` 1 ` nq

p8

f px ` pq

(21.33)

Coefficients de Fourier En vertu de la dfinition (18.110) et de la priodicit de F ,

cn pF q

1{2

1{2
1

0
1

F ptqe2int dt

F ptqe2int dt

f pt ` nqe2int dt

0 nPZ
n`1

nPZ n
8
8

f puqe2ipunqt du

f puqe2inu du

fp2nq.

(21.34a)
(21.34b)
(21.34c)
(21.34d)
(21.34e)
(21.34f)

o nous avons effectu le changement de variables u t ` n, et permut lintgrale et la

somme en vertu du fait que la somme converge normalement.

|fpnq| 8 la proposition 20.12 nous dit que

Conclusion tant donn lhypothse
nPZ

F pxq

cest dire que

n8

nPZ

f px ` nq

cn pF qe2inx ,
8

n8

fp2nqe2inx .

En crivant cette galit en x 0 nous trouvons le rsultat :

f pnq
fp2nq.
nPZ

nPZ

(21.35)

(21.36)

(21.37)

Exemple 21.10
La formule sommatoire de Poisson peut tre utilise pour calculer des sommes dans lespace de
Fourier plutt que dans lespace direct. Nous allons montrer dans cet exemple lgalit
8
8 c

2 n2 {
n2
e

e
.
(21.38)

n8
n8

1222

CHAPITRE 21. TRANSFORMATION DE FOURIER

Si est grand, alors la somme de gauche est plus rapide, tandis que si est petit, cest le contraire.
Nous appliquons la formule sommatoire de Poisson la fonction
(21.39)

f pxq ex .
2

Nous avons
fpxq

et

dt

(21.40a)

?
ix 2
p t` 2?
q

(21.40b)

2 ixt

ex

2 {4

e
R
1
2
ex {4 ?
R`

eu du.
2

ix
?
2

(21.40c)

Pour traiter cette intgrale nous utilisons la proposition 19.6 en considrant le chemin rectangulaire
2
ferm qui joint les points R, R, R ` ai, R ` ai et f pzq ez . Calculons lintgrale sur les deux
cts verticaux. Nous posons
R ptq R ` tia
(21.41)
avec t : 0 1. Nous avons

1
0

ae

`
1
f R ptq }R
ptq}dt

R2

donc en module nous avons

|

f | ae

R2

1
0

1
0

(21.42a)
(21.42b)

e2tRia`at dt,
2

eat dt M eR ,
2

(21.43)

o M est une constante ne dpendant pas de R. Lorsque R 8, la contribution des chemins

verticaux sannule et nous trouvons que

2
2
eu du
eu du,
(21.44)
R`ai

que nous pouvons utiliser pour continuer le calcul (21.40). Nous avons
c

2
ex {4
x2 {4
u2

f pxq ?
e du
e

(21.45)

o nous avons utilis la formule (13.124). Par consquent ce qui rentre dans la formule sommatoire
de Poisson est
c
2 n2 {

e
.
(21.46)
f p2nq

21.2

Transforme de Fourier dans lespace de Schwartz

La dfinition de la transforme de Fourier de P S pRd q est

pq

pxqeix dx.
Rn

(21.47)

Si est un multiindice de taille m, nous notons

pM f qpxq x1 . . . xm f pxq.

(21.48)

21.2. TRANSFORME DE FOURIER DANS LESPACE DE SCHWARTZ

1223

Lemme 21.11 (Lemme de transfert).

Si P S pRd q et si est un multiindice, alors
z
B piq|| M
.

et

(21.49)

pq piq|| pq.
By

(21.50)

Gpxq Mi pxq,

(21.51)

Dmonstration. Nous considrons la fonction hpx, q pxqeix dont la drive par rapport
i est donne par ipMi qpxqex . Cette fonction est majore en norme par
qui est encore une fonction dcroissance rapide et donc parfaitement intgrable sur Rd . Le
thorme 13.180 nous dit donc que la drive de par rapport i existe et vaut

B
z
pq i
xi pxqei x iM
(21.52)
i pq.
Bi
Rn

En appliquant ce rsultat en chane, nous trouvons la premire formule annonce.

Nous passons la seconde formule annonce. tant donn que P S , ses drives le sont aussi
et par consquent, il ny a pas de problmes pour crire

B
z
Bxk pq
pxqeix dx.
(21.53)
Rd Bxk
tant donn que

B
B
pxqeix ik pxqeix ,
pxqeix
Bxk
Bxk

(21.54)

notre tche sera de prouver que

B
pxqeix dx 0.
Rd Bxk

(21.55)

Autrement dit, nous voulons montrer que le terme au bord dune intgration par partie sannule.
Dabord le fait que soit dcroissance rapide nous assure que lintgrale (21.55) converge. Pour
chaque , la fonction

B
f px, q
pxqeix
(21.56)
Bxk
est intgrable par rapport x. De plus, f est dans S pRq pour chacune de ses variables (les autres
tant fixes). Le thorme de Fubini 13.78 nous permet alors de dcomposer lintgrale en

f px, qdx
...
f px1 , . . . , xd qdx1 . . . dxd .
(21.57)
Rd

De plus nous pouvons intgrer dans lordre de notre choix et nous choisissons videmment dintgrer
dabord par rapport xk . tudions donc lintgrale
A

B
B
pxqeix dx lim
pxqeix dx
(21.58)
A8 A Bx
R Bx

dans laquelle nous avons un peu allg les notations. Une primitive de ce qui est intgr est toute
trouve : cest pxqeix , et nous pouvons utiliser le thorme fondamental du calcul intgral pour
crire que
A
1

xA
.
(21.59)
pxqeix dx pxqeix
A

Vu que est dans S , la limite A 8 donne zro.

xA

1224

CHAPITRE 21. TRANSFORMATION DE FOURIER

En substituant maintenant (21.54) dans (21.53) et en tenant compte du terme que nous venons
de montrer sannuler, nous avons

y
Bk pq ik
pxqeix ik pq.

(21.60)
Rd

En recommenant la procdure || fois nous trouvons la seconde formule annonce.

Proposition 21.12 ([134]).
Lespace de Schwartz est stable par transforme de Fourier. De plus lapplication
F : S pRd q S pRd q

(21.61)

est une bijection linaire et continue.

Dmonstration. La linarit dcoule de celle de lintgrale. La difficult est de prouver que pour
P S pRd q nous avons bien que P S pRd q et que cette association est continue 2 .
Stabilit Nous devons prouver que pour tout multiindices et , nous avons p, pq
8.
Nous avons
||`|| {
z
B pq

piq|| M
B M pq.
(21.62)
pq piq
Ensuite nous nous souvenons que }f}8 }f }1 parce que

ix

|f pq|
f pxqe

|f pxq|dx }f }1 .
Rd

Donc

(21.63)

Rd

M } }B M } .
p, pq
}B{

(21.64)

Du fait que soit dans S , la dernire expression est finie. Cela prouve dj que
`

F S pRd q S pRd q.
S

(21.65)

Continuit Nous supposons avoir une suite n , et nous devons prouver que n .
Pour
allger les notations, nous posons fn n . Nous avons
}f}, } B f}8
M f } lemme 21.11.
}B{
8
}B M f }1

(21.66a)
(21.66b)
(21.66c)

La convergence fn 0 nous dit ente autres que B M fn 0 ; en particulier la proposition

L1

18.75 nous dit que B M fn 0, ce qui signifie, par les majorations (21.66) que
}fn }, }B M fn }1 0,

(21.67)

ce qui prouve la continuit de transforme de Fourier dans S pRd q.

Bijection Une preuve peut tre trouve dans [255].

Proposition 21.13 ([8]).

Soit P S pRn Rm q et la transforme de Fourier partielle

eiky px, yqdy.

px,
kq
Rm

Alors P S pRn Rm q.

2. Pour rappel, en dimension infinie, il nest pas garanti quune application linaire soit continue.

(21.68)

21.2. TRANSFORME DE FOURIER DANS LESPACE DE SCHWARTZ

1225

Dmonstration. Il sagit de reprendre les tapes de la partie correspondante de la preuve de la

proposition 21.12. Soient des multiindices , 1 , et 1 o et se rfrent la variable x tandis
que 1 et 1 se rfrent la variable k.
1
Vu que la multiplication par k commute avec B nous avons
1
1
1
1
|1 |`| 1 |

x k B B px,
kq x k B piq| | M
x B B 1 M1 px, kq.
1 px, kq piq

parce que la fonction B tant Schwartz, la fonction

Dautre part nous avons B B
x

Gpyq sup |pBx qpx, yq|

xPRn

(21.69)

(21.70)

est dans L1 pRm q par le corollaire 18.72. Par consquent le thorme 13.180 permet de permuter
la drive et lintgrale dans

B
B
px,
kq
eiky px, yqdy.
(21.71)
Bx
Bx Rm

Dans le mme ordre desprit mais dans difficults de permutation de limites nous avons M

M
.
Dautre part nous avons encore }}
8 parce que

| sup px, yq|dy 8

(21.72)
|px,
kq|
|px, yq|dy sup
|px, yq|dy
Rm

Rm

Rm

parce que est Schwartz et le corollaire 18.72 donne lintgrabilit.

Donc nous avons
1
pp1 q,p 1 qpq
}B M1 M B }8 8.

(21.73)

Cela prouve que est Schwartz.

21.2.1

Quelque transformes de Fourier

Exemple 21.14([1])
2
Soit la fonction g pxq ex . Sa transforme de Fourier sera dduite dans le lemma 21.15 en
utilisant le lemme de transfert 21.11. Nous nous proposons ici de dduire de faon directe lquation
diffrentielle vrifie par la transforme de Fourier de g .
Nous posons

Ipkq

et nous considrons la fonction

(21.74)

eikx ex dx.

2

(21.75)

f pk, xq eikx ex .

2

Elle est de classe C 1 par rapport k, et intgrable en x pour chaque k. De plus sa drive
pBk f qpk, xq ixeikx ex

(21.76)

vrifie |Bk f | xex . La drive est donc majore (uniformment en k) par une fonction intgrable.
Le thorme 13.180 permet de permuter la drive et lintgrale :

2
1
I pkq
ixeikx ex dx
(21.77a)
R

1 d x2
e
dx
(21.77b)
i
eikx
2 dx
R
i
d ikx x2

e
e
dx
par partie
(21.77c)
2 R dx

k
2

eikx ex dx
(21.77d)
2 R
k

Ipkq.
(21.77e)
2
2

1226

CHAPITRE 21. TRANSFORMATION DE FOURIER

k
Do lquation diffrentielle I 1 pkq 2
Ipkq.

Lemme 21.15 (Transforme de Fourier de la Gausienne [256]).

La transforme de Fourier de
g : Rd R
x e}x}

est donne par

g pq

d{2


(21.78)

(21.79)

e}}

2 {4

Dmonstration. Nous commenons par la fonction gpxq e}x}

forme de Fourier est gpq p2qd{2 gpq.

2 {2

et nous prouvons que sa trans-

Rduction la dimension 1 La fonction g est dans lespace de Schwartz. Par le thorme de

Fubini,

d
d
d

2
2
gpq
et {2 ek x dt
exk eik xk dx
fpk q
(21.80)
Rd k1

k1

k1

o f est la fonction dune variable

2 {2

Notons que f P DpRq.

f pxq ex

(21.81)

Une quation diffrentielle Voyons lquation diffrentielle satisfaite par la transforme de

Fourier f de la fonction (21.81). Grce au lemme 21.11 nous trouvons lquation diffrentielle 3
fpq ` pfq1 pq 0.
(21.82)
Cest le moment dutiliser le thorme de Cauchy-Lipschitz (16.123), appliqu la fonction
f pt, yq ty qui est Lipschitz et continue au au problme
" 1
y ` ty 0
(21.83a)
(21.83b)

yp0q y0

possde une unique solution maximale, en loccurrence ypxq y0 ex

la condition initiale nous avons

?
2

f p0q
ex {2 dx 2.

2 {2

. En ce qui concerne

par lexemple 13.81. Donc

fpq

2e

2 {2

(21.84)
(21.85)

En reformant le produit (21.80) nous concluons.

Nous passons maintenant la fonction g . Nous pouvons crire g sous la forme
?
g pxq gp 2xq.

(21.86)

Utilisant successivement la transforme de Fourier de g que nous venons de calculer et 21.3 (facteur
dchelle) nous trouvons
gpq p2qd{2 gpq
` ?
g pq p2qd{2 g { 2
d{2
2

e|| {4 ..


Nous voyons que g P S pRd q (ctait gagn davance par la proposition 21.12).

3. Une faon directe de dduire cette quation diffrentielle est donne dans lexemple 21.14.

(21.87a)
(21.87b)
(21.87c)

1227

21.3. SUITE RGULARISANTE

21.3

Suite rgularisante

Dfinition 21.16.
Une suite rgularisante est une suite pn q dans L1 pRd q telle que

(1) pour tout n, n 0 et Rd n 1 ;

(2) pour tout 0,

lim

n8 |t|

n 0.

(21.88)

Une telle suite est rgularisante parce que souvent n P DpRd q, ce qui donne f n P C 8 par
le corollaire 18.37.
Proposition 21.17 ([3, 257]).
Soit une suite rgularisante n P L1 pRd q. Alors :

(1) Si f est continue support compact, nous avons la convergence uniforme sur

Rd :

unif

(21.89)

Lp

(21.90)

f n f.
(2) Si g P Lp (1 p 8) alors

g n g.

Dmonstration. Si f est continue support compact, elle est uniformment continue 4 , et elle est
borne. Soit  0 et 0 tel que pour tout x, y tels que }x y} nous ayons |f pxq f pyq| .
Nous prenons de plus n suffisamment grand pour avoir Bp0,qc n . Nous avons alors

|f pxq pf n qpxq| |
f pxq f pyq n px yqdy|
(21.91a)
d
R

|f pxq f pyq| n px yqdy `

|f pxq f pyq| n px yqdy
loooooomoooooon
loooooomoooooon
Bpx,q

Bpx,qc

2}f }8

(21.91b)

p1 ` 2}f }8 q.

(21.91c)

Nous avons prouv que pour tout  0, il existe N tel que n N implique f pxq pf n qpxq .
Cela prouve luniforme convergence sur Rd de f n vers f .
Pour le point (2) nous considrons g P L1 pRd q et P DpRd q. Nous avons la majoration
}g n g}p }g n n }p ` } n }p ` } g}p

(21.92)

}pg q n }p }g }p

(21.93)

}g n g}p 2}g }p ` } n }p .

(21.94)

En ce qui concerne le premier terme ;

par la proposition 18.35. Donc

Lp

Par la densit de D dans Lp (thorme 18.40(5)) nous pouvons considrer une suite i g dans
DpRd q. Pour tout i nous avons
}g n g}p 2}g i }p ` }i n }p .

(21.95)

lim }g n g}p 2}g i } ` lim }i n i }p

n8
looooooooooomooooooooooon

(21.96)

Nous effectuons la limite sur n 8 :

n8

4. Thorme de Heine 11.90.

1228

CHAPITRE 21. TRANSFORMATION DE FOURIER

parce que le point (1) sapplique i . Nous effectuons ensuite la limite sur i 8 dans
lim }g n g} 2}g i } 0.

n8

Lemme 21.18.
2
Si g pxq e}x} alors la suite
n

1
g
p2qd 1{n

(21.97)

(21.98)

est une suite rgularisante (dfinition 21.16).

Dmonstration. Nous savons dj la transforme de Fourier de g par le lemme 21.15. Nous montrons que la suite n est rgularisante. Nous avons g P L1 pRd q et g 0 ainsi que lim0 Bp0,q g

0 pour tout . Il y a seulement un couac avec la norme. Nous calculons Rd g pqd avec la forme
(21.87c). En utilisant sauvagement Fubini 5 pour sparer les intgrales et en effectuant le change?
ment de variable u t{p2 q nous calculons :

Rd

||2 {4

k1

et

2 {4

dt

d
?
2
eu du
2 
k1

? ?
2 

k1
d

2 pqd{2 .

(21.99a)
(21.99b)
(21.99c)
(21.99d)

Nous avons utilis lexemple 13.82 ou 13.81 (au choix). Avec tout cela nous avons

Donc

1
g
p2qd 1{n

Rd

g p2qd .

(21.100)

est une suite rgularisante.

Le corollaire suivant regroupe les rsultats propos des suites rgularisantes, leur utilit et leur
existence.
Corollaire 21.19.
Si la suite rgularisante n est dans L1 pRd q X C 8 pRd q alors pour f P Lp pRd q en posant fn n f
nous avons
(1) fn P C 8 pRd q X Lp pRd q
Lp

(2) fn f

De plus, de telles suites existent.

Dmonstration. Le fait que fn soit de classe C 8 est le corollaire 18.37, et la convergence est la
proposition 21.17(2).
De telles suites existent, par exemple celle donne par le lemme 21.18.
5. Le pauvre !

1229

21.3. SUITE RGULARISANTE

21.3.1

Formule dinversion

Proposition 21.20 (Formule dinversion de Fourier[1]).

Si f P S pRq, alors nous avons la formule dinversion

1
f pxq
eikx fpkqdk.
2 R

(21.101)

Cette formule peut dcrire de plusieurs autres faons :

`

F Fpf q pxq 2f pxq,

1
F 1 pf qpxq
f pxq,
2
1
f pxq
Fpfqpxq.
2

(21.102a)
(21.102b)
(21.102c)

Dmonstration. Pour  0 nous posons

f pkq ek eikx fpkq.

(21.103)

Nous allons calculer

lim

0

ek eikx fpkqdk

(21.104)

de deux faons.
Dabord en utilisant directement le thorme de la convergence domine 7.134. La fonction
2
f est dans S pRq (thorme 21.12) et par consquent f P L1 pRq parce que le facteur ek ne
va certainement pas empcher de converger. De plus |f | |f| et f P L1 . Le thorme est de la
convergence domine est applicable et
lim

0

k2 ikx

fpkqdk

eikx fpkqdk.

(21.105)

Pour le deuxime calcul nous allons faire appel Fubini 6 pour la fonction
u:

RRR

pk, yq eikpxyq ek f pyq.

2

(21.106)

Dabord nous nous assurons que u P L1 pR Rq par le corollaire 13.79, et ensuite nous utilisons
le thorme de Fubini 13.78 pour manipuler les intgrales (et en particulier les inverser). Dans un
premier temps nous avons :

R R

|e

ikpxyq k2

f pyq|dy dk

k2

|f pyq|dy dk 8

(21.107)

parce que f tant dans S pRq, lintgrale intrieure se rduit un nombre. Nous savons maintenant
6. Parce quil est toujours plus simple de refiler le boulot aux autres que de le faire soi-mme. . . pauvre Fubini !

1230

CHAPITRE 21. TRANSFORMATION DE FOURIER

que u P L1 pR Rq. Nous pouvons alors calculer un peu . . .

2
2
eikx ek eiky f pyqdy dk
eikx ek fpkqdk
R
R R

2
eikpxyq ek f pyqdk dy

R R

2
eikpxyq ek dk dy
f pyq

R
R
f pyq
g py xqdy

R
c

f pyqepyxq {4 dy
 R
c
?
?

2
2 
f px ` 2 tqet dt
 R

?
?
2
2
f px ` 2 tqet dt
R

(21.108a)
(21.108b)
(21.108c)
(21.108d)
(21.108e)
(21.108f)
(21.108g)
(21.108h)

Justifications :
La fonction g est la gaussienne dont la transforme de Fourier est calcule dans le lemme
21.15.
?
?
Nous avons effectu le changement de variables t py xq{p2 q qui donne dt dy{2 .
La fonction f tant Schwartz (en particulier borne), dans la dernire intgrale, nous pouvons
effectuer la majoration
?
2
2
f px ` 2 tqet }f }8 et ,
(21.109)

qui est une fonction intgrable. Nous pouvons donc permuter la limite et lintgrale. Dans lgalit

?
?
2
ikx k2
f px ` 2 tqet dt
(21.110)
lim
e e
f pkqdk lim 2
0

0

gauche nous avons dj la limite depuis (21.105), et droite nous obtenons

?
?
?
?
2
2
lim 2
f px ` 2 tqet dt
f pxqet dt 2 f pxq 2f pxq
0

o nous avons utilis lintgrale gaussienne 13.81.

En remettant tout ensemble,

2
2f pxq lim
ek eikx fpkqdk
eikx fpkqdk,
0

(21.111)

(21.112)

ce quil fallait prouver.

Corollaire 21.21.
Nous avons la formule

R R

eikx f pxqdx dk 2f p0q.

(21.113)

Dmonstration. Poser x 0 dans lquation (21.101).

21.22.
Les physiciens qui nont que rarement peur crivent souvent la formule (21.113) sous la forme

eikx dk pxq
(21.114)
R

o serait la fonction de Dirac qui vaut zro partout sauf en x 0 o elle vaudrait linfini, mais
pas nimporte quel infini ; juste celui quil faut pour que sont intgrale valle 1.

21.4. TRANSFORME DE FOURIER SUR L2 pRD q

Lemme 21.23.
Si P S pR Rn q, alors

1231

Bt Bx
t

(21.115)

o le chapeau dnote la transforme de Fourier par rapport la variable dans Rn et non par rapport
celle dans R. Le t par contre est la variable dans R.
Dmonstration. Par dfinition de la transforme de Fourier nous avons

pBt qpt, q
pt, xqeix dx.
Bt Rn

(21.116)

Notre but est de permuter lintgrale et la drive en utilisant le thorme 13.180. Il nous faut une
fonction G : Rn R qui soit intgrable sur Rn et telle que

pt, xq Gpxq
(21.117)
Bt

pour tout t P Bpt0 , q. tant donn que la fonction Bt est tout autant Schwartz que elle-mme
nous pouvons allger les notations et chercher une fonction G qui convient pour toute fonction
P S pR Rn q. Soit la fonction
sup |pt, xq|.

Gpxq
Pour tout multiindice nous avons alors

sup x Gpxq
xPRn

(21.118)

tPBpt0 ,q

sup

pt,xqPRRn

x pt, xq M P R.

(21.119)

Grce la proposition 18.71, cela signifie que dcrot plus vite que nimporte quel polynme ; G
est donc intgrable sur Rn .

Rdq

Transforme de Fourier sur L2 p

21.4

La thorie des transformes de Fourier est intressante sur L2 pRd q parce quelle y donne une
isomtrie. Nous allons la donner avec des fonctions valeurs dans C.
Remarque 21.24.
Une remarque qui vaut ce quelle vaut, mais si u est une classe de fonction pour la relation u v
si et seulement si upxq vpxq pour presque tout v alors lintgrale

u
pq
upxqeix dx
(21.120)
Rd

ne dpend pas du choix du reprsentant. Nous pouvons donc parfaitement parler de transforme
de Fourier dune classe de fonctions.

21.4.1

Extension de L1 X L2 vers L2

Thorme 21.25 (Extention de la transforme de Fourier vers L2 pRd q[256]).

Soit f P L1 pRd q X L2 pRd q. Alors
(1) Nous avons Fpf q P L2 et }f}L2 p2qd }f }L2 .

(2) Lapplication F : L1 X L2 L2 peut tre tendue en une application F : L2 pRd q L2 pRd q

vrifiant
}f}L2 p2qd }f }L2
(21.121)
pour tout f P L2 pRd q.

1232

CHAPITRE 21. TRANSFORMATION DE FOURIER

Dmonstration. Le fait que f P L1 implique }Fpf q}8 }f }1 (cest le lemme 21.6). En particulier,
|Fpf qpq|2 est major et lintgrale

2
|f|2 e d
(21.122)

Rd

existe et est finie.

Dcouper lintgrale Dans un premier temps nous dveloppons les intgrales. Dans les galits suivantes, x est le produit scalaire x dans Rd .

2
ix
y

f pxqe dx
f pyqe
e|| d
(21.123a)
Rd Rd
Rd

f pxqf pyqeipxyq dxdy e|| d.

(21.123b)
Rd

Rd Rd

Nous avons utilis le thorme de Fubini pour regrouper les intgrales 7 . Vu que f P L1 pRd q,
2
la fonction px, y, q f pxqf pyqe|| est dans L1 pRd Rd Rd q et le thorme de Fubini
13.78 avec 1 Rd Rd et 2 Rd nous permet de permuter les intgrales pour avoir

ipxyq ||2
f pxqf pyq
e
e
d dxdy.
(21.124)

Rd Rd

Rd

Discuter de cette gaussienne En posant

gpxq e|x| {2
?
2
g pxq gp 2xq e|x|
2

(21.125a)
(21.125b)

nous avons g P S pRd q et le lemme 21.18 nous autorise crire

gpq p2qd{2 gpq
d{2
2
g pq
e|| {4


(21.126a)
(21.126b)

Nous voyons que g P S pRd q (ctait gagn davance par la proposition 21.12) et que g
est une fonction paire (encore une fois, ctait gagn davance parce que la transforme de
Fourier dune fonction paire est paire).
Tout cela pour dire que lintgrale entre crochet dans (21.124) est g py xq g px yq, et
donc

f pxqf pyq
g px yqdxdy.
(21.127)
Rd Rd

Encore une fois le thorme de Fubini permet de sparer les intgrales et de calculer lintgrale sur y en premier. Vu que f P L1 et que g P S pRd q, le produit de convolution f g
est un lment de S pRd q par la proposition 18.79. Nous avons donc

f pxqpf g qpxqdx.
(21.128)

Rd

L, nous reconnaissons un produit scalaire dans L2 pRd q, et donc

2
|f|2 e d xf, f g yL2 pRd q .
Rd

(21.129)

Notons que tout a un sens : f P L2 pRd q et f g P S pRd q L2 pRd q.

7. Dans la suite nous allons encore utiliser Fubini quelque fois pour regrouper et dgrouper des intgrales.

21.4. TRANSFORME DE FOURIER SUR L2 pRD q

1233

Suite rgularisante Nous prenons la suite rgularisante du lemme 21.18 donne par
n

1
g .
p2qd 1{n

(21.130)

Premire conclusion Nous reprenons (21.129)

2
|f|2 e| |{n d xf, f g1{n yL2 pRd q p2qd xf, f n y.

(21.131)

Rd

En prenant la limite n 8 nous trouvons

2
|f|2 e d p2qd }f }2 .
lim
n8

(21.132)

Rd

Pour effectuer la limite du membre de gauche nous devons remarquer quen posant
2
gn pq |fpq|e|| {n ,

(21.133)

}f}L2 p2qd }f }L2 .

(21.134)

nous avons une suite dcroissante de fonction (cest dire que fix, cest dcroissant en
n). Par ailleurs ces fonctions sont toujours valeurs dans r0, 8s et nous pouvons utiliser le
thorme de la convergence monotone 7.129 pour permuter la limite et lintgrale. Au final :

En ce qui concerne lextension, soit f P L2 pRd q et une suite pfn q dans L1 XL2 telle que fn f .
L2

Existence dune telle suite Si f P L2 pRd q, alors nous pouvons poser

fn pxq f pxqe|x|

2 {n2

(21.135)

Par lingalit de Hlder (18.44) nous avons fn P L1 pRd q ; de plus fn P L2 pRd q parce que
L2

pour tout x nous avons |fn pxq| |f pxq|. Montrons que fn f . Nous avons

2
2
2
|f pxqp1 e|x |{n q|2 dx.
}fn f }L2
Rd

(21.136)

Nous voulons prendre la limite n 8. Pour ce faire droite nous remarquons que
2
2
e|x| {n est major par 1 ; ce qui se trouve dans lintgrale est donc major (uniformment
en n) par |f pxq|2 , qui est une fonction L1 parce que f est L2 . Le thorme de la convergence
domine 7.134 nous permet alors de permuter la limite et lintgrale, ce qui donne

2
2
2
lim }fn f }2
lim |f pxqp1 e|x| {n q|2 dx 0.
(21.137)
n8

Rd n8

Dfinition de F : L2 L2 La suite pfn q est une suite convergence dans L2 , et elle est donc de
Cauchy. De plus pour chaque n, m nous avons
}fn fm } p2qd }fn fm }.

(21.138)

La suite pfn q est donc elle aussi de Cauchy, dans lespace L2 pRd q qui est complet (lemme
18.29). Nous posons
f lim fn .
(21.139)
n8

Indpendance aux choix Nous devons montrer que la dfinition de f ne dpend pas de la

suite approximant f dans L1 X L2 . Soient dans deux suites fn f et gn f telles que

L2
L2
fn F et gn G. Alors
L2

}fn gn } p2qd }fn gn } p2qd }fn f } ` p2qd }gn f } 0.

L2

(21.140)

Par consquent pfn gn qn est une suite qui converge vers zro. Par unicit de la limite,
F G.

1234

CHAPITRE 21. TRANSFORMATION DE FOURIER

Remarque 21.26.
Une autre suite possible, la place de (21.135), est
fn pxq f pxq1|x|n .
Cest dire la fonction f limite une boule de rayon n autour de 0.

(21.141)

Chapitre 22

Distributions
Nous donnons ici une partie de la thorie sur les distributions. Lutilisation des distributions
dans le cadre des quations diffrentielles est mise dans le chapitre sur les quations diffrentielles,
section 24.10.
22.0.0.1

Drive partielle au sens faible

Dfinition 22.1.
Si i 1, . . . , n, la drive faible de v dans la direction ei est lapplication 1 note Bi v dfinie par
xBi v, y xv, Bi y

(22.1)

pour tout P Cc8 pq.

Lemme 22.2.
Si v P L2 admet une drive faible, alors cette dernire est unique.

Dmonstration. Supposons f, g telles que xg, y et xf, y soient tous deux gaux xv, Bi y. En
particulier pour tout P Dpq nous avons xpf gq, y 0.
Cela donne f g 0 par la proposition 18.50.

22.1

Topologie

Soit un ouvert de Rd . Le but de notre histoire est de dfinir une distribution comme tant
un lment de lespace dual (topologique, voir dfinition 6.27) de lespace Dpq des fonctions C 8
support compact dans . Pour ce faire nous devons voir un peu de topologie sur diffrents
espaces de fonctions. Notons que cet espace nest pas rduit la fonction nulle comme en tmoigne
lexemple donn par lquation (16.303).
Pour chaque K compact dans et multiindice P Nd nous considrons sur C 8 pq la seminorme suivante :

pK,m pf q
}B f }K,8 .
(22.2)
En particulier,

||m

pK,0 pf q sup |f pxq| }f }8,K .

(22.3)

xPK

Dfinition 22.3.
Les topologies que nous allons considrer sont :
(1) Sur C 8 pq, la topologie des semi-normes pK,m (avec K et m comme paramtres).

(2) Sur DpKq, la topologie des semi-normes pK,m (avec seulement m comme paramtre).

(3) Sur Dpq, la topologie induite de C 8 pq.

1. En fait cest une classe au sens de lgalit presque partout.

1235

1236

CHAPITRE 22. DISTRIBUTIONS

Cela nest pas trs explicite, mais heureusement nous naurons souvent pas besoin de plus que
de la notion de convergence dans D 1 pq. Rappelons que la topologie dun espace donne la notion
de convergence par la dfinition 5.4.
Lemme 22.4 (Convergence dans DpKq).
DpKq

Si est un multiindice et si n , alors nous avons

unif

(22.4)

B n B .
DpKq

Dmonstration. Quitte considrer la suite n nous pouvons supposer n 0. Nous avons

}B n }
}B n }K,8 .
(22.5)

Vu que le membre de droite tend vers zro, nous avons

lim }B n }K,8 0,

(22.6)

n8

ce qui revient dire que B n converge uniformment sur K vers B .

Lemme 22.5.
Si une fonction f : Dpq R est continue sur chacun des DpKq pour tout K compact dans
alors est continue sur Dpq.
Dmonstration. Soit I ouvert dans R ; nous devons trouver un ouvert O dans C 8 pq tel que
f 1 pIq Dpq X O. Vu que f est continue sur chacun des DpKq avec K compact dans , pour
tout tel compact nous avons un ouvert OK dans DpKq tel que f 1 pIq X DpKq OK . En tant
quunion douverts 2 , lensemble

O
OK
(22.7)
K compact de

est ouvert dans C 8 pq. Si inf 1 pIq, nous avons P DpKq pour un certain K compact de ,
donc f 1 pIq O. A forciori nous avons f 1 pIq O X Dpq.
Dans lautre sens, si P O, alors est dans un des OK et donc dans f 1 pIq. Nous avons donc
bien f 1 pIq Dpq X O.

Thorme 22.6 (Convergence dans Dpq[61]).

Dpq

Soit pn qnPN une suite dans Dpq et P Dpq. Nous avons n si et seulement si il existe
DpKq

K compact dans tel que n P DpKq pour tout n et n .

Dpq

Dmonstration. Supposons que n et quil nexiste pas de compacts contenant tous les
supports des n . Alors pour tout compact de il existe un n tel que le support de nne soit pas
dans K. Nous considrons une suite de compacts pKi q tels que IntpKn q Kn`1 et n Kn . Une
telle suite existe par le lemme 5.140. Ensuite nous construisons des sous-suites de la faon suivante.
Dabord L1 K1 et n1 P N est choisit de telle sorte que n1 ait un support non contenu dans L1 .
Ensuite Li est un compact de la suite pKn q choisit plus loin que Li1 et tel que ni1 P DpLi q.
Le nombre ni est alors choisit plus grand que ni1 de telle sorte que ni R DpLi q. Ce faisant, en
posant i ni nous avons
i P DpLi`1 qzDpLi q
(22.8)

et IntpLn q Ln`1 et n Ln . tant donn que pi q et une sous-suite de pi q nous avons encore
Dpq

i .

2. Voir dfinition 5.1.

1237

22.1. TOPOLOGIE

Soit i P N. Nous allons utiliser la seconde forme gomtrique du thorme de Hahn-Banach

18.64 pour sparer les parties ti u (compact) et DpLi q (ferm) dans Dpq. Nous avons fi P D 1 pq
telle que
"
fi pi q
(22.9a)
`

f DpLi q .
(22.9b)

Nous redfinissons immdiatement fi de faon avoir

"
fi pi q 0
`

f DpLi q 0.

(22.10a)
(22.10b)

Nous introduisons la fonction dfinie sur Dpq par

ppq

i1

fi pq
.
|fi pi q|

(22.11)

Si P Lk , alors fk pq 0 et mme fl pq 0 pour tout l k. Donc pour chaque k, la somme

dfinissant p est finie sur DpLk q. Nous en dduisons que p est continue sur chacun des DpLk q et
donc sur Dpq par le lemme 22.5.
Dpq

Limage de la suite convergente k par p doit tre borne parce que p est continue. Mais
dans la somme (22.11), tous les termes sont positifs et en particulier le terme i k vaut k, donc
ppk q k, ce qui contredit le fait que limage de la suite soit borne. Nous en dduisons donc
lexistence dun compact K tel que n P DpKq pour tout n.
DpKq

Dpq

Nous devons encore prouver que n pour ce choix de K. Vu que n , le lemme

C 8 pq

5.65 nous dit que nous avons aussi n , ce qui signifie que pour tout K et m nous avons
pK,m pn q 0.

(22.12)
DpKq

En particulier pour le K fix plus haut nous avons pm pn q 0, cest dire que n .
Proposition 22.7.
Si K est compact dans , lespace DpKq est mtrique et complet.
Dmonstration. Nous allons dabord montrer que DpKq est complet. Ensuite nous allons montrer
que sa topologie peut tre donne par une distance.
Complet Nous considrons une suite de Cauchy pn q dans DpKq au sens de la dfinition 5.29.
Soient  0 et i P N ; si k et l sont assez grands nous avons
k l P Bi p0, q.

(22.13)

En particulier pour i 0 nous avons lingalit

}k l }8 ,
(22.14)
`

La suite pn q est donc de Cauchy dans CpKq, }.}8 et y converge donc par compltude,
proposition 16.103. Il existe donc une fonction P CpKq telle que
unif

n .

(22.15)

Notre jeu prsent est de prouver que P DpKq, cest dire quelle est de classe C 8 .
Soit un multiindice 1 , . . . , n , i. Si k et l sont assez grands nous avons
}B pk l q}8 ,

(22.16)

1238

CHAPITRE 22. DISTRIBUTIONS

cest dire que

(22.17)

Si nous notons k B k cela signifie que pBi n q est une suite de Cauchy dans CpKq, }.}8 .
Elle y converge donc et il existe une fonction gi P CpKq telle que
}Bi pB k q Bi pB l q}8 .

unif

Bi n gi .

(22.18)

Dans ce cas le thorme 11.235 nous indique que est de classe C 1 , cest dire que
P C n`1 pKq.

Mtrique La proposition 5.180 nous dit que la topologie donne par lcart
1
dp1 , 2 q sup mint , pk1 p1 2 qu
k
k1

(22.19)

est la mme que celle de DpKq. Il reste montrer que cette formule est bien une distance
au sens de la dfinition 5.17.
(1) Nous avons bien dp1 , 2 q 0 parce que tous les lments du supremum et du minimum
sont positifs.
(2) Si dp1 , 2 q 0 alors pour tout k nous devons avoir pk1 p1 2 q 0 ; en particulier
pour k 1 cela donne 1 2 .
(3) Nous avons

pk p1 2 q pk p2 1 q pl p2 1 q

(22.20)

en utilisant la proprit (2) de la dfinition 5.175 de semi-norme.

(4) Nous avons

pk p1 2 q pk p1 3 ` 3 2 q pk p1 3 q ` pk p3 2 q

(22.21)

en utilisant la proprit (3) de la dfinition 5.175.

Notons que le proposition 5.180 nous dit que DpKq est complet tout autant pour la topologie
des semi-normes que pour celle de la distance que nous venons de dcrire. Ces deux topologies
sont les mmes. tant mtrique et complet, lespace Dpq et donc de Baire par le thorme 5.187.
Ce qui est bien avec ces deux topologies identiques cest quon peut utiliser la proprit de Baire
mme en ne parlant que des semi-normes.

22.2

Distributions

Si est un ouvert de Rd , alors lensemble Dpq est contenu dans C 8 pq. Nous allons commencer par dfinir une topologie sur C 8 pq et ensuite donner Dpq la topologie induite 3 .
Dfinition 22.8 (Distribution).
Une distribution sur un ouvert de
Cest donc un lment de D 1 pq.

Rd est une forme linaire continue sur Dpq Cc8 pq.

Le thorme suivant donne quelques faons de vrifier quune forme linaire soit continue. En
particulier il nous dit que pour prouver quune forme linaire est une distribution il suffi de prouver
la continuit squentielle.

Thorme 22.9 ([61, 258]).

Soit T une forme linaire sur Dpq. Nous avons quivalence entre les points suivants.
(1) T est continue.
3. Dfinition 5.61.

1239

22.2. DISTRIBUTIONS

(2) Pour tout compact K il existe m P N et C 0 tel que pour tout P DpKq nous ayons

T pq Cpm,K pq.
(22.22)

(3) T est squentiellement continue sur Dpq.

(4) T est squentiellement continue en 0.

(5) Pour tout compact K , la restriction de T DpKq est continue.

Un certain nombre douvrages comme [259] prennent le point (2) comme la dfinition dune
distribution.
Dfinition 22.10 (Topologie sur D 1 pq).
Nous munissons lespace D 1 pq de la topologie -faible, cest dire celle de la famille de seminormes
p : D 1 pq R

(22.23)
T T pq.
Oui, cest bien une famille de semi-normes indice par lensemble Dpq. Il ny en a donc a
priori pas du tout une quantit dnombrable.
Proposition 22.11 (Convergence au sens des distributions).
D 1 pq

Nous avons Tn T si et seulement si Tn pq T pq pour tout P Dpq.

D 1 pq

Dmonstration. La convergence Tn T signifie que lon ait p pTn T q 0 pour tout P Dpq,
ce qui en retour signifie que

pTn T qpq 0.
(22.24)
Cette proposition suppose que lon ait une distribution T qui vrifie Tn pq T pq et conclut
quon a une convergence dans les distributions. Le thorme suivant est plus fort : il va seulement
supposer que Tn pq converge dans C et va conclure que T : limn8 Tn pq est une distribution.

Thorme 22.12 ([260]).

`

Soit pTn q une suite dans D 1 pq et nous supposons que pour tout P Dpq la suite Tn pq converge
dans

D 1 pq

C. Alors il existe T P D 1 pq telle que Tn T .

Proposition 22.13.
Lapplication

i : L2 pq D 1 pq
f Tf

est une injection continue.

(22.25)

Dmonstration. Le fait que ce soit une injection est le fait que si Tf Tg alors pour tout P Dpq
nous avons xf g, y 0, et cela implique que f g est nulle presque partout en tant que fonction
et est simplement nulle en tant que classe de fonction dans L2 .
L2

En ce qui concerne la continuit, il suffit de la prouver en zro (par linarit). Soit donc fn 0
D 1 pq

et montrons que Tfn T0 . Pour prouver cela, la proposition 22.11 nous indique quil est suffisant
de tester Tn pq 0 pour tout P Dpq.
Notons que si P D a fortiori P L2 . Nous avons

Tfn pq
fn }fn }L1 }fn }2 }}2 0
(22.26)

o nous avons utilis lingalit de Hlder de la proposition 18.20.

1240

CHAPITRE 22. DISTRIBUTIONS

Cette proposition permet de donner un sens des phrases du type Soit une distribution T .
Si T P L2 , alors . . . . Cela signifie quil existe u P L2 tel que T Tu . Notons que dans ce cas, la
distribution est dfinie sur L2 et non seulement sur D.

22.2.1

Multiplication dune distribution par une fonction

Dfinition 22.14.
Si T P D 1 pq et si f P C 8 pq nous dfinissons la distribution f T par
(22.27)

pf T qpq T pf q.
Souvent crit sous la forme plus compacte xf u, y xu, f y.

Cela a un sens parce que si P Dpq alors f est aussi dans Dpq.
Cette dfinition est motive par ce que lon ferait pour une distribution densit. Si T est une
distribution de densit note galement T , nous avons T pq T pxqpxq et donc
pf T qpq

pf T qpxqpxq

T pxqf pxqpxq

T pxqpf qpxq T pf q.

(22.28)

En ce qui concerne les distributions tempres, nous pouvons dfinir le produit avec une fonction
f P S pq par la mme formule : si f, P S pq alors le produit f est encore Schwartz. Notons
toutefois que nous ne pouvons pas dfinir f T dans S 1 pq si f est seulement dans C 8 pq.

22.2.2

Drive de distribution

Proposition-dfinition 22.15.
Soit T une distribution sur et P Nd . Alors la formule
(22.29)

pB T qpq p1q|| T pB q

dfinit une distribution B T .

Cette distribution B T sera la drive distributionnelle de T . Notons que le mme rsultat
est encore valide pour des distributions tempres, et la dmonstration est la mme.
Dmonstration. La forme linaire B T sera continue si elle est squentiellement continue par le
Dpq

thorme 22.9. Nous considrons donc une suite n et nous vrifions que
lim pB T qpn q pB T qpq.

(22.30)

n8

Dabord T tant une distribution (et donc continue) nous pouvons la permuter avec la limite :
lim pB T qpn q lim p1q|| T pB n q p1q|| T

n8

n8

Notons qu gauche la limite est une limite dans

lim B n .

n8

(22.31)

R tandis qu droite cest une limite dans Dpq.

Dpq

Ensuite le lemme 22.4 nous dit que lhypothse n signifie en particulier que nous avons un
compact K contenant tous les supports des n et que B n converge uniformment (sur K
et donc sur ) vers B . Donc
lim pB T qpn q p1q|| T

n8

ce qui est la relation demande.

lim B n p1q|| T B pB T qpq,

n8

(22.32)

Le lemme suivant montre une compatibilit entre la drive des distribution, la drive faible
et linjection de L2 dans lespace des distributions.

1241

22.2. DISTRIBUTIONS
Lemme 22.16.
Soit un ouvert borne de

Rn et f P L2 pq. Alors nous avons

Bi pTf q TBi f

(22.33)

o la drive droite est la drive faible dfinie en 22.1.

Dmonstration. En utilisant la dfinition de la drivation de distribution, pour tout P D nous
avons
Bi pTf q Tf pBi q xf, Bi y xBi f, y TBi f pq.
(22.34)

Nous avons utilis la dfinition (22.1) de la drive faible.

22.2.3

Ordre et support dune distribution

Dfinition 22.17 (support dune distribution[4]).

Soit T une distribution. Le support de T est le complmentaire de lunion des ouverts O tels que
T pq 0 pour tout support dans O.
Dfinition 22.18.
Si T est une distribution sur , nous disons que T est dordre infrieur ou gal p P
tout compact K de , il existe CK P R tel que pour tout P DpKq,

xT, y CK max }B }8 .
||p

N si pour
(22.35)

Ici est un multiindice.

La distribution T est dordre p si elle est dordre infrieur ou gal p mais pas p 1.

Pour la proposition suivante, on peut se remmorer la dfinition 22.3 de la topologie sur C 8 pq.

Proposition 22.19 ([261]).

Restriction entre C 8 et D.

(1) Si T P C 8 pq1 , alors la restriction de T Dpq est une distribution support 4 compact.

(2) Si T est une distribution support compact alors elle se prolonge de faon unique en une
forme linaire continue sur C 8 pq.

Proposition 22.20 ([61]).

Une distribution support compact est dordre fini.

Lemme 22.21 ([2]).

Soit u P D 1 pRq et P DpRq tels que supppuq X supppq H. Alors xu, y 0.

Dmonstration. Soit x R supppuq. Alors il existe un voisinage Vx de x tel que xu, y 0 pour tout
P DpVx q. En particulier, si x P supppq, alors x nest pas dans le support de u et les ensembles
tVx tel que x P supppqu recouvrent supppq. Cependant est support compact et nous pouvons
extraire un sous-recouvrement fini de supppq : il existe x1 , . . . , xp tels que
supppq

Vxi .

(22.36)

i1

Nous prenons une partition de lunit 5 subordonne ce recouvrement. Cest dire des fonctions
i P DpVxi q telles que pour tout x P supppq,
p

i1

4. Dfinition 22.17.
5. Lemme 13.128.

i pxq 1.

(22.37)

1242

CHAPITRE 22. DISTRIBUTIONS

En particulier nous avons

parce que supppi q Vxi .

pxq, et donc

xu, y xu, i y xu, i y 0

i i pxqpxq

Lemme 22.22 ([2]).

Si u est une distribution dordre fini N sur

(22.38)

R, si supppuq tx0 u et si

px0 q . . . pN q px0 q 0

(22.39)

alors xu, y 0.

Dmonstration. Les fonctions plateaux dont nous avons parl dans la section 16.6.1 nous permettent de considrer une fonction P DpRq vrifiant
#
1 si x P Bp0, 1q
pxq
(22.40)
0 si |x| 2

Ensuite nous posons n pxq npxx0 q . Par consquent n px0 q p0q 1 et mme n px0 `q
pq 1 tant que  est plus petit que disons 21 pour tre sur. Nous en dduisons que la fonction
1 n sannule sur un voisinage de x0 et que donc x0 nest pas dans le support de 1 n . Donc
suppp1 n q X supppuq H et le lemme 22.21 est utilisable : xu, p1 n qy 0, ou encore :
xu, y xu, n y

(22.41)

pour tout n. Vu que le but est de prouver que xu, y 0, nous allons prouver que
|xu, n y| 0.

(22.42)

sup

(22.43)

n8

Dans ce dessin nous posons

}f }n
et

2
xPBp0, n
q

}f pxq}

}f }ppq sup }B i f }8 .
ip

(22.44)

La distribution u est dordre fini N , et nous en crivons la dfinition 22.18 en prenant supppn q
en tant que K :

xu, n y C max }B k pn q}8 .

(22.45)
kN

En remplaant le maximum par une somme de k 0 k N , nous majorons. De plus le support

de n tant contenu dans Bn Bpx0 , 2{nq nous ne changeons rient en utilisant }.}n au lieu de
}.}8 . Donc
N
N

k
k
|xu, n y| C
}B pn q}n C
}B i n }n }B ki }n .
(22.46)
i
k0
k0

Notons que la seconde ingalit est une ingalit du type }f g} }f }}g}. En drivant un petit peu
nous trouvons que
`

pB i n qpxq ni pB i q npx x0 q .
(22.47)
Donc 6

}B i n }n sup ni pB i q npx x0 q ni sup pB i qpyq ni }B i }8 .

xPBn

yPr2,2s

Nous pouvons donc remplacer }B u n }n par ni }B i }8 .

6. Dans [2], la dernire galit vient avec une ingalit, et je comprends pas pourquoi.

(22.48)

1243

22.2. DISTRIBUTIONS

Dautre part nous voulons majorer }B ki }n par quelque chose ne dpendant ni de k ni de i.

Nous faisons le thorme des accroissements finis 6.231 : }B l }n n2 }B l`1 }n . Ce n au dnominateur
est salutaire parce que nous avions un ni apparu cause du remplacement (22.48). Nous faisons
donc i ` 1 fois le thorme des accroissements finis :
i`1
2
ki
}B k`1 }n .
(22.49)
}B }n
n
Toutes ces majorations donnent

i`1
N
k

2
i i i
k`1
xu, n y C
n }B
}
}B
}n
8
loomoon
loooomoooon
k
n
k0 i0
}}pN q

(22.50a)

}}pN `1q

N k
1 k i`1
C}}pN q }}pN `1q
2
n k0 i0 i

(22.50b)

C1
n

o C 1 est une constante qui dpend de , de et de N , mais pas de n. Vu que

bien
xu, n y 0,

(22.50c)
C1
n

0 nous avons
(22.51)

ce quil fallait dmontrer.

Proposition 22.23 ([2]).

i
Soit u P DpRq1 avec supppuq tx0 u. Alors u N
i0 ai B x0 o N est lordre de u.

Dmonstration. Dabord il faut prciser que lordre de u est fini parce que son support est compact
(proposition 22.20) ; nous notons N cet ordre.
Soit P DpRq. Nous considrons P DpRq telle que
#
1 si x P Bpx0 , 1q
pxq
(22.52)
0 si |x x0 | 2.

Encore une fois, 1 sannule sur un voisinage autour de x0 , ce qui fait que
`

supppuq X supp p1 q H,
et donc xu, p1 qy 0. Au final,

Cest le moment de poser

xu, y xu, y.

1 k
pB qpx0 qpx x0 qk
pxq pxq pxq
k!
k1

(22.53)
(22.54)

(22.55)

La fonction ayant un support disjoint de celui de u, nous avons aussi xu, y 0, ce qui donne

En posant ak

1
k! xu, x

1 k
xu, y xu, y xu,
pB qpx0 qpx x0 qk y.
k!
k0

(22.56)

pxqpx x0 qk y nous avons alors

xu, y

k0

ak pB k qpx0 q

p1qk ak pB k x0 qpq.

(22.57)

1244

22.3

CHAPITRE 22. DISTRIBUTIONS

Distributions tempres

Lespace de Schwartz 7 S pq est dfini dans la dfinition 18.68 ; sa topologie y est discute.
Dfinition 22.24.
Une distribution tempre est une forme linaire continue sur S pRd q. Lensemble des distributions tempres est not S 1 pRd q. Si T est une telle distribution, nous notons xT, y limage de
par T .
Si f est une fonction sur Rd telle que f P L1 pRd q pour tout P S pRd q, alors nous dfinissons
la distribution Tf P S 1 pRd q par

f pxqpxqdx.
(22.58)
xTf , y
Rd

Cette dfinition ne fonctionne pas pour toute les fonctions. Par exemple pour f pxq ex , et
2
pxq ex P S pRq nous avons f 1 qui nest pas du tout intgrable sur R.
2

Exemple 22.25
La distribution de Dirac est donne par
(22.59)

x, y p0q.
S

Montrons quelle est continue. Soit une suite n 0. En particulier, p0,0 pn q supx |n pxq| 0.
Donc n p0q 0 comme il le faut.
4
Exemple 22.26
La valeur principale de la fonction x

1
x

est la distribution

T : S pRq R
lim

0 |x|
0

pxq
.
x

(22.60)

Montrons que cela dfinit bien une distribution tempre.

Dabord lintgrale existe pour tout , par exemple parce que pour les grands |x| nous avons
par exemple |pxq x3 | et donc pxq{x 1{x2 dont lintgrale converge. Nous devons maintenant
regarder la limite.
Nous considrons une suite n 0 et la suite

pxq
an
dx.
(22.61)
|x|n x
Nous montrons que cette suite converge dans R en montrant quelle est de Cauchy. Pour cela nous
travaillons un peu la forme de :
x
1
pxq p0q `
1 ptqdt p0q `
x1 pxqd.
(22.62)
0

Ce qui est dans lintgrale est born par K }Mx 1 }8 qui est parfaitement fini parce que est
dcroissance rapide. Lorsque nous calculons |am an |, le terme p0q{x donne une intgrale nulle
parce que le domaine dintgration n |x| n est symtrique alors que la fonction 1{x est
impaire.

|am an |
K 2|n m |K
(22.63)
m |x|n

7. Attention : ce Schwartz (avec un t) est le Schwartz des distribution dont le prnom est Laurent. ne pas
confondre avec Schwarz (sans t) dont le prnom est Cauchy.

1245

22.3. DISTRIBUTIONS TEMPRES

Tout cela nous dit que T est bien dfinie. Nous devons encore tudier sa continuit.
Soit une fonction dans Cc8 pRq telle valant 1 sur r1, 1s, paire et valeurs dans r0, 1s. Pour

tout  0 nous avons |x| pxq

x dx 0.
Nous avons aussi ` p1 q, et donc

`
pxq
pxq
pxq p0q
pxq
dx
dx `
1 pxq
dx
(22.64a)
x
x
|x| x
||0
||0

`
pxq
1

pxq
d
`
1 pxq
pxq

dx
(22.64b)
loomoon
x
||0

}1 }8

|x|

}1 }8

|x|1

(22.64c)

pxqdx ` }}L1

(22.64d)

C}1 }8 ` }}1 .

S pRq

Cela est valable pour toute fonction P S pRq. Mais nous savons que si n 0, alors }n }8 0,
S pRq

}1n }8 0 et }n }1 0 ; donc si n 0, alors

pxq
T pn q lim
C}1n }8 ` }n }1 0.
0 |x| x

(22.65)

0

22.3.1

Topologie

La topologie que nous mettons sur lespace S 1 pRd q est le mme type que celle que nous mettons
sur D 1 pRd q, cest dire celle des semi-normes p pT q |T pq|. La dfinition 22.10 et la proposition
22.11 restent.
Proposition 22.27.

S 1 pRd q

Nous avons Tn T si et seulement si pour tout P S pRd q nous avons Tn pq T pq.

22.3.2

Distributions associes des fonctions

Si f P L1loc pRd q alors nous lui associons une distribution Tf P D 1 pRd q dfinie par la formule

Tf pq
f pxqpxqdx.
(22.66)
Rd

Proposition 22.28.
Lapplication ainsi dfinie

est injective.

L1loc pRd q D 1 pRd q

f Tf

(22.67)

Dmonstration. Si Tf 0 alors pour tout P D nous avons Rd f 0. En vertu de la proposition

18.51 cela implique f 0 presque partout.

22.3.3

Composition avec une fonction

Proposition 22.29 ([260], page 113 et 32).

Soit T P S 1 pq et f P C k pA q o A est ouvert dans

Alors F P C k pAq.

Rd . Nous posons

F: AR
`

T f p, .q .

(22.68)

1246

22.3.4

CHAPITRE 22. DISTRIBUTIONS

Transforme de Fourier dune distribution tempre

Dfinition 22.30.
La transforme de Fourier de la distribution tempre T P S 1 pRd q est la distribution T dfinie
par
Tpq T pq

(22.69)
pour tout P S pRd q.
Lemme 22.31.
Si f P S pRd q, nous avons Tf Tf.
Dmonstration. En utilisant les dfinitions,
Tf pq Tf pq

Rd

f pxqpxqdx

Rd

f pxq

Rd

pyqe

iyx

dy dx

(22.70)

o nous avons not xy le produit scalaire x y. Nous permutons les intgrales en utilisant le
thorme de Fubini 13.78 avec la fonction
(22.71)

px, yq f pxqpyqeixy
qui est parfaitement dans L1 pRd Rd q. Nous crivons alors
Tf pq

22.3.5

Rd

Rd

f pxqpyqe

iyx

dx dy

Rd

pyqfpyqdy Ttpq.

(22.72)

Convolution dune distribution par une fonction

Nous savons que si P S pRd q et si x P Rd alors la fonction y px yq est encore une

fonction dans S pRd q. Donc si T P S 1 pRd q nous pouvons considrer la fonction T T
dfinie par
`

pT qpxq T y px yq .
(22.73)
Notons que T est bien une fonction et non une distribution.
Le but de la dfinition est davoir
Tf f .
En effet

pTf qpxq Tf y px yq

Rd

f pyqpx yqdy pf qpxq.

(22.74)

(22.75)

Exemple 22.32
La distribution de Dirac est le neutre pour le produit de convolution. En effet

cest dire .

p qpxq y px yq pxq,

(22.76)

Proposition 22.33 ([4]).

Si T P S 1 pRd q et P S pRd q, alors la distribution associe la fonction T est tempre.

1247

22.3. DISTRIBUTIONS TEMPRES

Dmonstration. En agissant sur P DpRd q nous avons

T y ptx qpyq pxqdx

TT pq
d
R
`

T y pxqpx yq dx

d
R

T y
pxqpx yqdx
Rd
`

T y p qpyq

T p q.
Attention :

(22.77a)
(22.77b)
(22.77c)
(22.77d)
(22.77e)

Problmes et choses faire

Le passage la ligne (22.77c) nest pas justifi.

22.3.6

Approximation de la distribution de Dirac

Lemme 22.34 ([8]).

Soient des fonction jn : R R` de classe C 8 telles que
`
(1) Pour chaque n, la fonction x jn |x| est strictement dcroissante et converge ponctuellement vers zro.
(2) Pour chaque x, la suite n jn pxq est dcroissante et converge vers 0.
(3) Pour tout M 0, la suite jn converge vers zro uniformment sur Bp0, M qc .

(4) Pour tout et , il existe un N P N tel que | Bp0,q jn pxqdx 1| .

(5) Pour tout n, nous avons R jn 1.

Alors si u P S pRq nous avons

lim
upxqjn pxqdx up0q.
(22.78)
n8

Dmonstration. Nous posons

In
I,n
Z,n

(22.79a)

jn u
jn u

(22.79b)

up0qjn

(22.79c)

Bp0,q

Bp0,q

Nous allons progressivement montrer quen prenant assez petit et n assez grand, les quantits
|In I,n |, |I,n Z,n | et |Z,n up0q| peuvent tre simultanment
majores par .

Soit 0 et  0 ; vu que u P S pRq, il existe M tel que |x|M |u| . Soit N1 P N tel que
pour tout n N1 nous avons |jn pxq| 1 ds que |x| M (hypothse (3)). Alors

|jn pxqupxq| .
(22.80)
|x|M

De plus en posant s maxt|upxq| tel que |x| M u (qui existe parce que u est continue et
prise sur un compact) nous pouvons considrer N2 tel que jn pxq {s pour tout |x| .
Avec n maxtN1 , N2 u nous avons

|
jn u
jn u| |
jn u|
(22.81a)
Bp0,q
R
Bp0,qc

|jn u| `
|j|
(22.81b)
|x|M

p1 ` |M |q.

|x|M

(22.81c)

1248

CHAPITRE 22. DISTRIBUTIONS

En redfinissant le  nous avons donc montr que pour tout  et , il existe un N P N tel que
(22.82)

|I,n In | 

ds que n N .
La fonction u est uniformment continue sur tout Bp0, q, et nous pouvons donc choisir tel
que |up0q upxq|  pour tout x P Bp0, q. Pour ce , nous avons dj trouv un N tel que
|I,n In |  ds que n N . Nous avons :

|upxq up0q|jn pxqdx

(22.83a)
|I,n Z,n |
Bp0,q


jn
(22.83b)
Bp0,q

(22.83c)

.

Nous avons donc prouv que pour tout  0, il existe un et un N tels que
"
|I,n In | 
|I,n Z,n | 

ds que n N .
Enfin nous avons
|z,n up0q| up0q

Bp0,q

jn 1 ,

(22.84a)
(22.84b)

(22.85)

et par lhypothse (4) nous pouvons choisir n assez grand pour que la parenthse soit plus petite
que .
Pour  donn, nous avons donc trouv un et un N tels que
|In up0q| |In I,n | ` |I,n Z,n | ` |Z,n up0q| 3.
En passant la limite nous avons bien In up0q dans

(22.86)

R.

Il va sans dire que nous connaissons de telles fonctions. Nous en donnons une maintenant.
Exemple 22.35([262])
Nous introduisons la fonction f ( 0) donne par
(22.87)

f pxq e|x| .
Nous calculons la transforme de Fourier de f en divisant le domaine dintgration :
f pkq

eikx e|x| dx

ex eikx dx `

8
0

ex eikx dx

(22.88)

En dcomposant les parties imaginaires et relles, et avec un peu de changement de variables, nous
pouvons utiliser les intgrales (13.850) et (13.851) pour obtenir
f pkq
Sachant que arctgpxq est une primitive de
nous avons 8

8
f pkqdk
R

8. Et en crivant correctement lintgrale sur

1
x2 `1

k2

2
.
` 2

(22.89)

et avec encore un peu de changement de variables,

2
2rarctgpx{qs8
8 2.
k 2 ` 2

R comme une limite, etc.

(22.90)

1249

22.3. DISTRIBUTIONS TEMPRES

Cela montre que si nous introduisons la fonction  donne par
 pkq


1
,
2
 ` k2

(22.91)

alors nous avons une fonction qui tout en mme temps ressemble f et vrifie

 pkqdk 1
R

pour tout .
Jusquici nous avons montr que

eikx e|x| dx 2 pkq.

(22.93)

Pour chaque  0 nous avons  P L1 pRq.

Proposition 22.36 ([8]).
Soit g P S pRq. Alors nous avons

R R

(22.92)

gpxqeixy dx dy 2gp0q.

(22.94)

Dmonstration. Soit u P S pRq ; nous multiplions lquation (22.93) par upkq et nous intgrons
par rapport k :

upkq
eikx e|x| dx dk 2
upkq pkqdk.
(22.95)
R

Il sagit de passer la limite dans lquation (22.95). Les intgrales gauche peuvent effectues
sparment parce quelles respectent le thorme de Fubini. En effet soit la fonction
(22.96)

f pk, xq upkqeikx e|x|

qui est dans L1 pR Rq en vertu du critre du corollaire 13.79 et du fait que la fois k |upkq|
et x e|x| sont dans L1 pRq.
Nous pouvons donc grouper et dgrouper les intgrales et en particulier les inverser. Si nous
effectuons dabord lintgrale sur k nous trouvons

ikx
ikx |x|
|x|
upkq
e
e
dx dk
e
upkqe
dk dx
e|x| u
pxqdx.
(22.97)
R

La fonction x |e|x| u
pxq| est majore (uniformment en ) par x u
pxq qui est intgrable
parce que la transforme de Fourier dune fonction de S est dans S par la proposition 21.12. Le
thorme de la convergence domine de Lebesque 7.134 nous permet de permuter la limite  0
avec lintgrale et obtenir

ikx |x|
lim
upkq
e
e
dx dk
u
pxqdx
upkqeikx dk dx.
(22.98)
0

R R

Notons quen passant la limite nous avons perdu le droit de permuter les intgrales.
Nous devons encore prouver que

lim
upkq pkqdk up0q.
0

(22.99)

Cela nest rien dautre que le lemme 22.34 appliqu la suite de fonctions jn 1{n .

22.37.

Notons que les intgrales dans (22.94) ne peuvent pas tre permutes parce que R eixy dy nexiste
pas. Il faut avouer que, malgr tous les conseils du type attention : permuter des intgrales doit
tre fait avec prudence, ce nest pas tous les jours que nous trouvons des intgrales qui ne peuvent
pas tre permutes, autrement que dans des exemples fait exprs.

1250

22.3.7

CHAPITRE 22. DISTRIBUTIONS

Peigne de Dirac

Proposition 22.38.
La formule

dfinit un lment de D 1 pRq.

kPZ

ka

(22.100)

La forme linaire a est le peigne de Dirac de pas a.

Dmonstration. Nous utilisons le critre de continuit squentielle en zro du thorme 22.9. Soit
une suite n 0 dans DpRq. Par le thorme 22.6 il existe un compact K de R pour lequel
n P DpKq pour tout n et n 0 dans DpKq. La somme 22.100 est donc finie et nous pouvons
la permuter avec une limite :

lim a pn q
lim n pkaq.
(22.101)
n8

kPZ

n8

La limite n 0 dans DpKq signifie que nous avons convergence uniforme de la fonction et de
toutes ses drives vers 0. En particulier }n }8 0 ; disons que la somme (qui est finie) fasse s
termes :

n pkaq s}n }8 .
(22.102)
kPZ

Le terme de droite tend vers zro lorsque n tend vers linfini.

Donc a est bien une distribution au sens de la dfinition 22.8.

Lemme 22.39 ([240]).
Le peigne de Dirac vrifie la relation
a

1
1 Da
a

(22.103)

o Da est lapplication Da : DpRq DpRq,

pDa f qpxq af paxq.

Dmonstration. Pour P DpRq nous avons

a pq

kPZ

pkaq

1
1
pDa qpkq 1 pDa q.
a kPZ
a

(22.104)

(22.105)

Proposition 22.40.
Le peigne de Dirac est une distribution tempre.
Notez quil y a plus de fonctions dans S pRq que dans DpRq ; il est donc plus difficile de rentrer
dans S 1 pRq que dans D 1 pRq : il est plus compliqu davoir existence de T pq pour tout P S pRq
que pour tout P DpRq.
Dmonstration. Soit P S pRq. Nous avons

p1 ` a2 k 2 qpakq

p1 ` x2 qpxq
|a pq| | pakq|

xP
R
2
2

1`a k
1 ` a2 k 2
k
k
k

(22.106)

La somme k 1`a12 k2 est une somme convergente, et et supremum est born par la proposition
18.71 en prenant Qpxq 1 ` x2 . En effet sur Bp0, rq la fonction x p1 ` x2 qpxq est borne par ce
que cest une fonction continue sur un compact, et lextrieur de Bp0, rq cette fonction est alors
borne par 1.

22.4. LESPACE C 8 pR, D 1 pRD qq

1251

Si aucune ambigit nest craindre, nous noterons f la distribution Tf .

Exemple 22.41
La transforme de Fourier de la distribution de Dirac est la fonction constante : 1. En effet si
nous agissons sur une fonction test,

pxqdx.
(22.107)
pq pq
p0q

Rd

22.4

Lespace C 8 p , D 1 p

Rdqq

Dabord parlons un peu de continuit en recopiant la proposition 5.184 dans notre contexte.
Proposition 22.42.
Soit I un intervalle ouvert de

R et une fonction continue u : I D 1 pRd q. Alors

(1) Pour tout P DpRd q, lapplication t ut pq est continue.

(2) Pour tout P DpRd q, nous avons la limite

lim ut pq ut0 pq.

(22.108)

lim ut ut0 .

(22.109)

tt0

(3) Nous avons la limite dans D 1 pRd q

tt0

En ce qui concerne la dfinition de lespace C 8 pI, D 1 pRd qq, cest la dfinition 5.185. Grce au
point (1)
22.42, nous retenons que la proprit fondamentale dune application
` de 1 la proposition

k
T P C I, D pq est que pour tout P pq, lapplication
IC

(22.110)

t Tt pq

est de classe C k .
Proposition `22.43.
Soit pTt q P C 0 I, D 1 pq et P DpI q. Alors lapplication
`

t Tt pt, .q

(22.111)

est continue sur I.

Dmonstration. La fonction dont nous voulons prouver la continuit est une fonction R R ; il
est donc loisible de se contenter de la continuit squentielle.
Soit t0 P I et ptj q une suite dans I
`
convergeant vers t0 . Nous posons Uj Ttj et j tj , . . Par hypothse de continuit de pTt q nous
D 1 pq

avons Uj Tt0 . Dautre part le support de tant compact nous avons supppq rc, ds K
o rc, ds I et K est compact dans . Par consquent nous avons aussi supppj q K.

Affin dallger les notations notons pxq

pt0 , xq. Pour tout multiindice et pour tout j
nous avons

B ptj , xq B pt0 , xq |tj t0 | sup |Bt B pt, xq| 0.

p pi q
(22.112)
tPrc,ds
xPK

Nous avons donc la convergence

DpKq

j pt0 , .q.

(22.113)

1252

CHAPITRE 22. DISTRIBUTIONS

Dpq
D pq
le point (3) du corollaire 18.9 nous donne la
tant donn que Uj Tt0 et j ,
convergence

(22.114)
Uj pj q Tt0 pq
`

dans C. Cela est bien la continuit de la fonction t Tt pt, .q .

1

Proposition `22.44 ([260]).

Soit pTt q P C 0 I, D 1 pq . Nous dfinissons lapplication T : Dpq C par la formule

T pq Tt pt, .q dt

(22.115)

pour tout P DpI q. Alors T P D 1 pI q.

Dmonstration. La proposition 22.43 nous indique que la fonction t Tt pt, .q est continue.
tant donn quelle est seulement non nulle sur un compact, lintgrale

Tt pt, .q dt
(22.116)
I

a un sens et est finie. Lapplication T : DpI q C ainsi dfinie est linaire. Il reste voir quelle
est continue. Pour cela nous allons utiliser le thorme 22.9(2)
qui nous
`
dit que nous pouvons nous
fixer un compact rc, ds K I et considrer P D rc, ds K .
Soit, pour commencer, donne une application P DpKq. Lapplication t Tt pq est continue
et non nulle sur le et il existe donc C 0 tel que
(22.117)

|Tt pq| C

pour tout t P rc, ds.

Nous voulons utiliser le thorme de Banach-Steinhaus dans sa version 18.10 sur la famille
dapplications paramtre par u P rc, ds :
`

Uu : D rc, ds K R
`

(22.118)
Tu pu, .q .

Commenons par prouver que cela est une application continue pour chaque u. Ce sera le cas si la
projection
`

proj : D rc, ds K DpKq

(22.119)
pu, .q
`

est continue. Pour cela nous notons Pkl la semi-norme sur D rc, ds K donne par
Pk,l pq

sup Btn B pt, xq.

(22.120)

nk ||l tPrc,ds
xPK

Nous`montrons que
proj est squentiellement continue ; tant donn que les topologies sur DpKq
et D rc, ds K sont donnes par des mtriques (proposition 22.7), cela suffit pour assurer la
`

D rc,dsK

continuit grce la proposition 5.124. Montrons que si n

Pour cela nous remarquons que

pj projpq
sup |B pu, xq|
||j xPK

sup sup |B pt, xq|

||j tPrc,ds xPK

P0,j pq.

DpKq

0, alors projpn q 0.

(22.121a)
(22.121b)
(22.121c)

22.5. LESPACE C 8 pR, S 1 pRD qq

Par consquent

1253

pj projpn q P0,j pn q 0

(22.122)

o nous avons utilis la proposition 5.178. Utilisant cette mme proposition lenvers, nous dduiDpKq

sons que projpn q ` 0. Les applications Uu sont donc continues ; elles sont galement bornes
parce que si P D rc, ds K nous avons
`

(22.123)
sup Uu pq sup Tu pu, .q ,
u

uPrc,ds

et la continuit dj voque, sur le compact rc, ds, nous dit que cette quantit est finie. Le thorme
de Banach-Steinhaus
`
peut maintenant tre appliqu et il existe C 0 et k, l P N tels que pour
tout P D rc, ds K ,

Uu pq CPk,l pq C
sup Btn B pt, xq C
t,x
||k nl

||`nk`l

sup Btn B pt, xq.

t,x

(22.124)

Quelque remarques
Nous navons pas mis de maximum devant le supremum (alors que la conclusion (18.14) en
demande) parce que dans le cas des semi-normes Pkl , cest toujours celle avec k et l le plus
grand possible qui sont les plus grandes parce quelles sont des sommes emboites les unes
les autres.
La fusion de deux sommes est bien une majoration parce quil y a plus de termes dans la
seconde que dans la premire.
La quantit la plus droite est ( part le C) ce que nous pouvons noter Pk`l pq : cest bien
une des semi-normes associes lespace de dimension d ` 1.
Nous majorons maintenant T pq par

T pq

d
c

Tt pt, .q dt

d
c

Ut pqdt C|d c|Pk`l pq.

(22.125)

Maintenant le thorme 22.9(2) appliqu louvert I et avec au lieu de nous informe que
T P DpI Kq.

22.4.1

Drivation

Quelques proprits de drivation des fonctions I Dpq seront directement nonces et

dmontres dans le cas des distributions tempres. Les rsultats 22.51 et 22.52 seront a fortiori
valables si nous remplaons S par D.

22.5

Lespace C 8 p , S 1 p

Rdqq

Dans cette section nous notons I un ouvert de R et un ouvert de Rd ; si est une fonction
sur I nous allons noter t : R la fonction t pxq pt, xq. Cest une notation plus lgre
que pt, .q.

22.5.1

Proprits gnrales

La dfinition de lespace C 8 pI, S 1 pqq est encore la dfinition 5.185 et les proprits nonces
dans la proposition 22.42 sont encore bonnes ici.
Dabord parlons un peu de continuit en recopiant la proposition 5.184 dans notre contexte.
Proposition 22.45.
Soit I un intervalle ouvert de

R et une fonction continue u : I S 1 pRd q. Alors

(1) Pour tout P S pRd q, lapplication t ut pq est continue.

1254

CHAPITRE 22. DISTRIBUTIONS

(2) Pour tout P S pRd q, nous avons la limite

lim ut pq ut0 pq.

(22.126)

lim ut ut0 .

(22.127)

tt0

(3) Nous avons la limite dans S 1 pRd q

tt0

Lemme 22.46.
Nous avons C 8 pI, S 1 pqq C 8 pI, D 1 pqq.

Dmonstration. Soit pTt q P C 8 pI, S 1 pqq. Pour chaque t nous avons

Tt P S 1 pq D 1 pq.

(22.128)

t Tt pq

(22.129)

Ensuite il suffit de dire que pour tout P Dpq la fonction

est de classe C 8 parce que cest le cas pour toute fonction dans S pq. La proposition 22.42 (en
changeant D en S ) conclut que pTt q P C 8 pI, D 1 pqq.
Proposition 22.47.
Lespace S pq est complet et mtrisable.
Dmonstration. En ce qui concerne le mtrisable nous reprenons la formule de lcart (5.142).
Dans notre cas pour lcrire explicitement il faudrait une numration de N2 partir de 1 (et non
de zro). Cette formule donne bien une distance parce que si dp1 2 q 0 alors en particulier
p00 p1 2 q }1 2 }8 0 et donc 1 2 .
Nous montrons maintenant que S pq est complet en y considrant une suite de Cauchy pn q.
Soit  0 et , P N ainsi que k, l assez grands pour que k l P B p0, q. En particulier pour
0 nous avons }k l }8 , ce qui signifie que nous avons une suite vrifiant le critre
de Cauchy uniforme 11.232. Elle converge donc uniformment vers une certaine fonction que la
proposition 11.233 nous assure tre continue. Il existe donc P Cpq telle que
unif

k .

(22.130)

unif

(22.131)

Nous devons montrer que P S pq. Le fait que soit de classe C 8 sobtient en utilisant les
semi-normes p0, pq }B }8 de la mme faon que dans la preuve que Dpq tait complet
(proposition 22.7). Nous obtenons en particulier que
B k B

pour tout multiindice . Montrons encore que est dcroissance rapide : nous devons montrer
que pour tout et nous avons

p pq sup x pB qpxq 8.
(22.132)
xP

tant donn que pn q est de Cauchy dans S pq nous avons (pour  fix et k, l assez grands) :

x pB k B l qpxq 
(22.133)
pour tout x P . En considrant l fix et en prenant la limite k 8 et en utilisant la convergence
uniforme (22.131) nous trouvons que

x pB B l qpxq 
(22.134)
Du coup nous pouvons faire la majoration

sup x pB qpxq sup x pB B l qpxq ` sup pB l qpxq  ` p pl q 8

xP

du fait que p pl q 8 parce que l P S pq.

Donc P S pq et ce dernier est alors complet.

(22.135)

22.5. LESPACE C 8 pR, S 1 pRD qq

1255

Proposition `22.48.
Soit pTt q P C 0 I, S 1 pq et P S pI q. Alors la fonction

(22.136)

t Tt pt q

est continue sur I.

Dmonstration. Soit t0 P I et une suite convergente vers t0 : tj t0 dans

continue en t, elle est en particulier squentiellement continue et nous avons

R. Vu que pTt q est

S 1 pq

(22.137)

Ttj Tt0 .
S pq

Montrons que nous avons aussi tj t0 . Pour cela nous utilisons les semi-normes 9 p dfinies
en (18.273) :
`

p ptj t0 q
x
B
pt
,
xq

B
pt
,
xq
(22.138a)

j
0
xP

sup x |t0 tj | sup Bt B pt, xq

tPrt0 ,tj s

xP

|t0 tj | sup sup x Bt B pt, xq

(22.138b)

(22.138c)

xP tPI

|t0 tj |Pptq, pq.

(22.138d)

p ptj t0 q 0

(22.139)

Pour la premire majoration nous avons utilis le thorme des accroissements finie 11.187. Pour
la dernire ligne nous avons not P les semi-normes de S pI q et ptq est le multiiindice qui
commence par la variable t et qui continue par . tant donn que Pptq pq 8 nous avons bien
S pq

et donc tj t0 .
tant donn que S pq est mtrisable et complet, le corollaire 18.9 nous dit que
Ttj ptj q Tt0 pt0 q,

(22.140)

ce qui est bien le critre de continuit squentielle de la fonction (22.136).

Remarque 22.49.
`

La proposition 22.44 nous dit, a fortiori, que si pTt q P C 8 I, S 1 pq alors la formule

T pq Tt pt q

(22.141)

donne un lment T P D 1 pI q. Au cas o aucune confusion

nest
`
craindre, nous pourrons noter
1
8
1
galement T llment de D pI q dduit de T P C I, S pq .

Notons que ce T ne sera pas toujours une distribution tempre comme le montre lexemple
suivant.
Exemple 22.50
2
En posant Tt pq et p0q avec I R, lintgrale

2
T pq
Tt pt q
et pt, 0qdt
R

(22.142)

ne converge pas pour tout P S pR q. En effet par rapport t, la fonction pt, 0q dcrot
2
rapidement mais pas spcialement assez rapidement pour compenser et .
4
9. Pas parce que nous en avons envie, mais bien parce quelles font partie de la dfinition de la convergence et de
tous ces trucs.

1256

22.5.2

CHAPITRE 22. DISTRIBUTIONS

Drivation

Proposition
` 22.51 ([260]).

Soit T P C k I, S 1 pq et 0 l k. Pour tout t0 P I lapplication

plq

Tt0 : S pq C

l
d
Tt pq pt0 q

dt

(22.143)

est bien dfinie, est une distribution et de plus

plq

t Tt

P C kl I, S 1 pq .

(22.144)

Attention que la formule (22.143) est bonne si P S pq. Si par contre P S pI q et quon
p1q
veut regarder ut pt q alors il faut regarder la proposition 22.52 et utiliser la formule (22.149) dans
p1q
laquelle se trouve ut pt q.
p0q

Dmonstration. Pour k 0 nous avons Tt Tt et cest bon. Pour le cas k 1 et l 0 cest

p0q
encore Tt Tt qui fonctionne.
Le premier cas non trivial traiter est k 1 et l 1. Nous considrons t0 P I ; par dfinition
de la drive, pour tout P S pq, nous avons (pour peu que les limites existent) :
p1q

Tt0 pq
o

Tt ` pq Tt0 pq
d
Tt pq
lim 0 j
lim Uj pq
j8
j8
dt
j
tt0
Uj

1`
Tt0 `j Tt0 .
j

(22.145)

(22.146)

et pj q est une suite de rels tendant vers zro.

Vu que pTt q P C k pI, S 1 pqq, lapplication t Tt pq est de classe C k et en particulier lexpresp1q
sion (22.145) a une limite lorsque j 8. Donc Tt0 pq est bien dfinie. Le point (1) du corollaire
p1q

p1q

18.9 nous dit que limj8 Uj pq Tt0 pq et Tt0 est une distribution (linaire et continue).
`

p1q
Nous devons encore voir que t Tt est une application C 0 I, S 1 pq . Cela est une consquence du fait que pTt q soit de classe C 1 , ce qui se traduit par le fait que lapplication
t

d
Tt pq
dt

(22.147)

est continue (dfinition de la drive et point (1) de la proposition 22.45 applique la drive).
Les cas k 1 se traitent par rcurrence.
Proposition `22.52 ([260]).

Soit pTt q P C 1 I, S 1 pq et P S pI q. Alors la fonction

est de classe C 1 sur I et

t Tt pt, .q

d `
p1q `
Tt pt, .q Tt pt, .q ` Tt
dt

(22.148)

B
pt, .q
Bt

(22.149)

Dmonstration. Soit t0 P I et une suite relle j 0. Le membre de gauche de (22.149), crit en

t0 , donne
`

Tt0 `j pt0 ` j , .q Tt0 pt0 , .q

lim
(22.150)
j8
j

22.5. LESPACE C 8 pR, S 1 pRD qq

1257

Afin dallger les notations nous allons crire t pt, .q. Dans le numrateur de (22.150) nous
ajoutons et soustrayons la quantit Tt0 `j pt0 q et nous dcoupons la limite en deux morceaux :
Tt0 `j pt0 `j t0 q
pTt0 `j Tt0 qpt0 q
` lim
j8
j8
j
j

lim

(22.151)

Le second terme vaut

d
p1q
(22.152)
Tt0 pt0 q
Tt pt0 q
dt
tt0
par la proposition 22.51. Occupons nous de lautre morceau de . Nous posons Uj Tt0 `j et
j

1
pt0 `j t0 q.
j

Nous voulons utiliser le corollaire 18.9(3) pour obtenir

B

lim Uj pj q Tt0
pt0 , .q .
j8
Bt

(22.153)

(22.154)
S 1 pq

Dune part pTt q est de classe C 8 en t et nous avons donc la convergence Uj Tt0 . Reste
prouver que
S pq B
j
pt0 , .q.
(22.155)
Bt
Cela en remarquant bien que la variable de drivation nest pas celle par rapport laquelle nous
voulons la convergence Schwartz 10 . Soient et des naturels et calculons un peu :

1`

B
`
B
pt0 , .q sup x B
pt0 ` j , xq pt0 , xq
pt0 , xq
(22.156)
p j
Bt
j
Bt
xP

Il est prsent lheure dutiliser un dveloppement de Taylor avec le reste de la proposition 11.209 :
pt0 ` j , xq pt0 , xq ` j

2j B 2
B
pt0 , xq `
pt, xq
Bt
2 Bt2

(22.157)

pour un certain t P rt0 , t0 ` j s. En mettant a dans le calcul (22.156) nous restons avec

B2
`

p j
pt0 , .q sup x B j 2 pt, xq j P,2;,0 pq
(22.158)
Bt
Bt
xP

o P,k;,l sont les semi-normes de S pI q avec la notation plus ou moins vidente de prendre
drivations sur x, k sur t puis de multiplier par x tl . Au final nous avons bien
`

B
pt0 , .q 0
lim p j
j8
Bt

(22.159)

S pq B
Bt pt0 , .q.

et donc la convergence j

Lemme 22.53.
`

Soit pTt q P C 1 I, S 1 pq alors si F dnote la transforme de Fourier nous avons

` p1q
p1q
F Tt
pFT qt

(22.160)

o pFT q est la famille de distributions pFT qt FTt .

Dmonstration. Pour la preuve il suffit de tester lgalit sur une fonction P S pq :

d
d
p1q
p1q
p1q
pFTt qpq Tt pFq
Tt pFq
pFTt qpq pFT qt pq.
dt
dt
10. Je ne sais pas si je me suis bien fait comprendre l.

(22.161)

1258

22.6

CHAPITRE 22. DISTRIBUTIONS

Une quation de distribution

Nous allons tudier lquation

px x0 q u 0

(22.162)

px x0 q u 0

(22.163)

pour u P D 1 pRq et P N est donn fix. Notons tout de suite que (22.162) est un petit abus
de notation pour dire quen vertu de la dfinition
22.14 du produit
dune distribution par une

fonction, pour tout P DpRq, nous avons u x px x0 qpxq 0.

Lemme 22.54 ([2]).
Soit P N. Une solution lquation

est une distribution support dans tx0 u et dordre fini.

Dmonstration. Nous commenons par prouver que u est une solution de (22.163) si et seulement
si 11 xu, y 0 pour tout P D telle que
px0 q . . . B 1 px0 q 0.

(22.164)

Condition ncssaire Supposons que u soit une solution. Alors le corollaire 13.191 du thorme de Hadamard donne P DpRq telle que pxq px x0 q pxq. Dans ce cas, si u est
solution de (22.163), alors
0 xpx x0 q u, y xu, px x0 q pxqy xu, y.

(22.165)

Nous avons vu que si u est solution, alors xu, y 0 pour tout satisfaisant la condition
(22.164).
Condition suffisante Supposons maintenant linverse : u est une distribution sannulant sur
toute fonction P D 1 satisfaisant (22.164). Nous allons alors prouver que u est une solution.
Soit donc P D et calculons
xpx x0 qu, y xu, px x0 qy 0

(22.166)

parce que la fonction px x0 qpxq vrifie la condition (22.164).

Nous passons maintenant au cur de la preuve : nous supposons que u est une solution. Si le
support de est contenu dans Rztx0 u alors est nulle dans
de x0 (et donc B k 0
` un voisinage

pour tout k) et xu, y

dit, pour tout P D Rztx0 u nous avons xu, y 0, ce qui
` 0. Autrement

signifie que supppuq X Rztx0 u H ou encore que supppuq tx0 u.

Maintenant que u a un support compact, la proposition 22.20 nous indique quelle est dordre
fini.
Thorme 22.55 ([2]).
Soit P N et lquation

px x0 q u 0

(22.167)

pour u P D 1 pRq. Les solutions sont les combinaisons linaires des drives de x0 jusqu la e
exclue.
Dmonstration. Dabord montrons que les B i x0 sont des solutions. Avec les dfinition 22.14 et
22.15 des drives de distributions et de leur produits avec des fonctions 12 ,
`

px x0 q B i x0 pq x0 B i px x0 q pxq
(22.168)

11. En ralit nous naurons besoin que de la condition ncessaire, en particulier pour le thorme 22.55.
12. Comme souvent, dans lexpression suivante, il y a un abus de notation parce que x est une variable muette :
il faudrait crire x au dbut de la grade parenthse.

22.6. UNE QUATION DE DISTRIBUTION

1259

Si i alors dans chaque terme de Leibnitz, il y aura un facteur px x0 q, et la prise de x0

annulera. Si par contre i alors il y aura le terme

i `
i
i
B px x0 q B

!pB i qpx0 q
(22.169)

qui est le seul terme contenant pB i qpx0 q. Il suffit alors de choisir P DpRq de sorte que
#
0 si k i
k
pB qpx0 q
(22.170)
1 si k i
et alors on est certain que le tout nest pas nul, et donc que px x0 q pB i x0 q 0.
Jusquici nous avons prouv que B i x0 est solution si et seulement si 0 i .
Il faut encore prouver que les solutions sont toutes des combinaisons linaires de drives de
delta de Dirac centres en x0 . Pour cela nous invoquons dabord le lemme 22.54 qui nous assure
que u est dordre fini et de support tx0 u. Ensuite la proposition 22.23 nous indique que u doit alors
tre une combinaisons linaire de drives de Dirac.

1260

CHAPITRE 22. DISTRIBUTIONS

Chapitre 23

Espaces de Soblev, quations

elliptiques
23.1

Espaces de Sobolev

23.1.1

Sur un intervalle de

Sauf mention du contraire dans cette section I est un intervalle born ouvert I sa, br de

R.

Dfinition 23.1.
Soit f P Lp pIq o I est lintervalle ouvert sa, br. Sa drive au sens des distributions est une
fonction 1 g telle que

1
f g
(23.1)
I

pour tout P

Cc8 pIq.

Lemme 23.2.
Lorsquune fonction admet une drive au sens des distributions, cette dernire est unique (et
justifie le singulier dans la dfinition).
Dmonstration. Soient g, h P L2 tels que

1
u g h
I

pour tout P Cc8 pIq. Nous avons alors

(23.2)

pg hq 0.

(23.3)

Cela implique que g h 0 presque partout par la proposition 18.50 2 .

Dfinition 23.3.
Soit I sa, br un ouvert born de R. Lespace de Sobolev H 1 pIq est lensemble

!
)
1
2
2
8
1
H pIq u P L pIq tel que Dg P L pIq tel que @ P Cc pIq, u g .
I

(23.4)

Lunique lment g de L2 pIq vrifiant I u1 I g est not u1 est est nomm drive ; nous
verrons dans les prochaines pages pourquoi.
Lespace H 1 accepte le produit scalaire suivant :

xu, vy uv ` u1 v 1 ,
(23.5)
I

1. En ralit, cest une classe au sens de lgalit presque partout.

2. Ou alors par le lemme 18.42 qui est moins gnral mais tout aussi bien pour ici.

1261

1262

CHAPITRE 23. ESPACES DE SOBLEV, QUATIONS ELLIPTIQUES

et nous notons }.}H 1 la norme correspondante qui nest autre que

}u}H 1 xu, uy }u}2L2 ` }u1 }L2 .

(23.6)

Nous introduisons lespace L1loc pIq des fonctions tant L1 sur tout compact de I.
Corollaire 23.4.
Si u P H 1 pIq et si u1 0 alors il existe une constant C telle que u C presque partout.
Dmonstration. Lhypothse u1 0 signifie que pour tout fonction P Cc8 pIq,

1
u u1 0.

(23.7)

La proposition 18.51 nous dit alors quil existe une constante C telle que u C presque partout.
Lemme 23.5.
Tout lment de H 1 pIq admet un unique reprsentant continu.

Nous verrons dans le corollaire 23.7 que ce reprsentant pourra tre prolong par continuit

sur I.

Dmonstration. Soit y0 P I et u P H 1 pIq. Nous considrons la fonction

x
u
pxq
u1 ptqdt.

(23.8)

y0

Notons que par dfinition, u1 P L2 donc lintgrale ne pose pas de problmes. Montrons que u
est
Pour cela nous considrons x P I et h tel que x ` h P I.
Alors
continue sur I.

u
px ` hq u
pxq

x`h
x

x`h
x

(23.9)

|u1 |.

Mais la fonction |u1 | est dans L1loc pIq par le lemme 18.22 ; elle est en particulier intgrable sur un
ouvert contenant x et par consquent la dernire intgrale tend vers zro lorsque h tend vers 0.
Nous prouvons prsent que u
est dans H 1 pIq et que sa drive est gale u1 ; pour cela nous
allons montrer que pour tout P Cc8 pIq,

1
u
u1 .
(23.10)
I

Nous avons

x
y0 x
b x
1
1
1
1
1
1
u

u ptqdt pxqdx
u ptqdt pxqdx `
u ptqdt 1 pxqdx.
I

y0

y0

y0

y0

Pour faire plus court, nous notons f pt, xq

La premire intgrale vaut
y0 a

y0 x
1
1
u ptq pxq
f pt, xq1tx pt, xqdt dx
a
y0
a
y0
a y0

f pt, xq1tx dxdt

u1 ptq1 pxq.

y0
a
y0

a
t
a
y0

f pt, xqdxdt

t
a

u1 ptq1 pxqdx dt

(23.11)

(23.12a)
(23.12b)
(23.12c)
(23.12d)

1263

23.1. ESPACES DE SOBOLEV

La permutation dintgrales pour obtenir (23.12b) est due au thorme de Fubini 13.78(3). Par le
mme petit jeu, la seconde intgrale vaut
b b
u1 ptq1 pxqdx dt.
(23.13)
y0

En refaisant la somme,
b

b
y0

1
1
1
1
1
u ptq
pxqdx dt
u ptq
pxqdx dt `
u

I

a
y0
a
b

u1 ptq ptq paq dt `

y0
b

y0

u1

(23.14a)

u1 ptq pbq ptq

(23.14b)
(23.14c)
(23.14d)

u1 .

Notons que paq pbq 0 parce que est support compact dans sa, br. Nous avons donc
prouv que u
est dans H 1 pIq et que u
1 u1 . Par le corollaire 23.4, nous avons une constante C
telle que u
u ` C presque partout, cest dire u u
` C dans H 1 pIq.
En rsum, u
u
u
` C est un reprsentant continu de u dans L2 pIq.
Lunicit du reprsentant continu est simplement le fait que deux fonctions continues gales
presque partout sont gales (proposition 13.12).
Proposition 23.6.
Si u P H 1 pIq, alors

upxq upyq

pour tout x, y P I.

(23.15)

u1

Dmonstration. Pour fixer les ides, nous supposons x y. Nous considrons une suite n P Cc8 pIq
convergeant uniformment sur I vers 1rx,ys . Nous exigeons de plus que
1n est positive sur ra, x ` n1 s
1n est ngative sur ry n1 , bs
n 1 sur rx ` n1 , y n1 s.
n 0 sur ra, x 1{ns et sur ry ` 1{n, bs.
Pour chaque n, nous dcoupons lintgrale comme

u n

u1n

a1{n
a

u1n `

x`1{n
x1{n

u1n `

y1{n
x`1{n

u1n `

y`1{n
y1{n

u1n `

y`1{n

u1n . (23.16)

Par construction de n , de ces 5 morceaux, il nen reste que deux de non nulles :

u1

x`1{n

y`1{n
uptq1n ptqdt `
uptq1n ptqdt
x1{n
y1{n
looooooooooomooooooooooon
loooooooooomoooooooooon
A

(23.17)

Soit  0 et n suffisamment
grand
pour
avoir
uptq
P
B
upxq,

pour tout t P Bpx, n1 q et (en
`

1
mme temps) uptq P B upyq,  pour tout t P Bpy, n q. Cest la continuit de u qui permet de
trouver un tel n. Pour cette valeur de n, en tenant compte des hypothses sur la positivit de 1n
nous avons
x`1{n
x`1{n
x`1{n
`

`
1
1
upxq  n ptqdt
uptqn ptqdt
upxq `  1n ptqdt,
(23.18)
x1{n

x1{n

x1{n

1264

CHAPITRE 23. ESPACES DE SOBLEV, QUATIONS ELLIPTIQUES

mais par hypothse sur n nous trouvons

x`1{n
1
1
1n ptqdt n px ` q px ` q 1.
n
n
x1{n
donc
upxq 

x`1{n
x1{n

(23.19)

(23.20)

uptq1n ptqdt upxq ` .

Pour encadrer la seconde, il faut tre plus prudent avec les signes parce que 1n y est ngative. En
posant n n nous avons
y`1{n
uptqn ptqdt,
(23.21)
B
y1{n

et donc

ou encore

upyq  B upyq ` 

(23.22)

 upyq B  upyq.

(23.23)

En additionnant avec (23.20) nous voyons que pour tout  0 il existe un N pq tel que nous ayons

(23.24)
upxq upyq 2 u1 n upxq upyq ` 2
I

pour tout n N . Nous voulons videmment prendre la limite  0, cest dire n 8. tant
donn que n ptq 1 pour tout t et pour tout n, la fonction t u1 ptqn ptq est domine par u1 ,
qui est dans L1 pIq par le lemme 18.22. Le thorme de la convergence domine nous permet donc
daffirmer que

lim

n8 I

u1 n

u1 1rx,ys

(23.25)

u1 ,

et donc les ingalits (23.24) donnent le rsultat, grce au signe dans (23.16).

Corollaire 23.7.

Si rus P H 1 pIq, le reprsentant continu u P C 0 pIq peut tre prolong par continuit en u P C 0 pIq.

Dmonstration. Soit pxn q une

` suite strictement croissante dans sa, br convergeant vers b. Nous
voulons montrer que la suite upxn q est de Cauchy dans R, ce qui nous permettra de dfinir
upbq lim upxn q.

(23.26)

n8

qui sera videmment continue. Cette construction ne dpendra pas du choix de la suite pxn q parce

que deux fonctions continues sur I et gales sur I sont gales sur I.
1
1
En notant
u la drive de u dans H , nous avons par construction du reprsentant continu :
x
upxq y0 u1 ptqdt. Et donc

xn`p xn`p

xn 1

upxn q upxn`p q
u
u1 .
u1

y0

y0

(23.27)

xn

la limite n 8 de cela est

Vu que la suite pxn q est de Cauchy et que`u1 est intgrable (mme sur I),
zro, quelle que soit la valeur de p. Donc upxn q est ce Cauchy dans R et est donc convergente.
Proposition 23.8 ([1]).
Quelques proprits de lespace de Sobolev H 1 pIq o I sa, br est un ouvert born de
(1)

H 1 pIq

est un espace de Hilbert.

(2) H 1 pIq sinjecte de faon compacte dans C 0 pIq.

(3) H 1 pIq sinjecte de faon continue dans L2 pIq.

R.

1265

23.1. ESPACES DE SOBOLEV

Dmonstration. Nous prouvons point par point.

(1) Le seul critre vrifier est la compltude. Pour cela nous considrons une suite de Cauchy
pun q dans H 1 pIq. Si  0, alors il existe N 0 tel que pour tout p 0 nous ayons
}un`p un }2H 1 , cest dire
}un`p un }2L2 ` }u1n`p u1n }2L2 `

(23.28)

En particulier les suites pun q et pu1n q sont de Cauchy dans L2 qui est complet par le thorme
de Fischer-Riesz 18.27. Nous notons donc
L2

(23.29a)

un u
L2

(23.29b)

u1n v.
Nous allons dmontrer les points suivants 3
u P H 1 pIq avec u1 v.
H1

un u.
Pour cela nous introduisons la drive faible de u dans L2 , cest dire la forme linaire
continue Bu sur Cc8 pIq :
Bu : Cc8 pIq R
xBu, y
Pour tout P Cc8 pIq nous avons

xBu, y xu1n , y u1 u1n

1
1
u un
I
I
1
|u un || |

u1 .

(23.30)

}u un }L2 }1 }L2 Cauchy-Schwartz dans L2

0.

(23.31a)
(23.31b)
(23.31c)
(23.31d)
(23.31e)

la premire ligne, la premire intgrale est la dfinition de laction de la forme Bu sur

alors que la seconde est seulement un produit scalaire dans L2 . Tout deux sont nots avec
les crochets. En tant que limite dans R nous avons
lim xu1n , y xBu, y.

n8

Dans le calcul suivant, les deux crochets sont des produits scalaires dans L2 :

1

1
xun , y xv, y un v

I
I
|u1n v|||
I

}u1n v}L2 }}L2

Donc en tant que limite dans

(23.32)

(23.33a)
(23.33b)
(23.33c)

0.

(23.33d)

lim xu1n , y xv, y.

(23.34)

R,
n8

3. Cest le moment de lire lnonc du problme 12 et de mcrire si vous avez une rponse.

1266

CHAPITRE 23. ESPACES DE SOBLEV, QUATIONS ELLIPTIQUES

Par unicit de la limite nous en dduisons que pour tout P Cc8 pIq,
xBu, y xv, y.

(23.35)

Encore une fois nous rptons qu gauche le crochet est lapplication de la forme Bu sur
tandis qu droite cest le produit scalaire dans L2 .
Nous sommes maintenant mme de prouver que u P H 1 pIq et que sa drive (au sens de
H 1 ) est v. En effet

u1 xBu, y xv, y

v.

(23.36)

Par consquent nous avons u1 v dans H 1 et aussi u1 v presque partout au sens des
fonctions.
Nous pouvons alors prouver que un u dans H 1 pIq :
}un u}2H 1 pIq }un u}2L2 ` }u1n u1 }2L2 .

(23.37)

Mais nous savons dj que un u dans L2 (dailleurs cest la dfinition de u) et que u1 v

alors que par dfinition de v, nous avons u1n v dans L2 . Tout cela donne que un u
dans H 1 pIq et donc que H 1 pIq est un espace complet.
est
(2) Lapplication que nous allons prouver tre compacte entre H 1 pIq et C 0 pIq

: H 1 pIq C 0 pIq
(23.38)
rus u

o rus dsigne une classe de fonction dans H 1 pIq et u

est son reprsentant continu prolong
par continuit I 4 , qui existe par le lemme 23.5 et le corollaire 23.7. Cette application
est une injection par lunicit du reprsentant continu. Nous allons prouver que cest une
application compacte en utilisant le critre (2) de la proposition 18.4. Pour cela nous allons
commencer par utiliser le thorme dAscoli sur lensemble B des reprsentants continus des
C 0 pIq.

lments de B, prolongs par continuit sur I ; cest dire B

Soit u P B ; par la proposition 23.6, nous avons

x 1

upxq upyq
(23.39a)
u ptqdt
y

1rx,ys ptqu ptqdt

(23.39b)
I

}1rx,ys }L2 }u1 }L2

a
|x y|}u1 }H 1
a
|x y|.

(23.39c)

(23.39d)

(23.39e)

o nous insistons sur le fait que la continuit nimpliquant pas la drivabilit, le u1 ici est
la driv au sens de H 1 , et non la drive usuelle. Quoi quil en soit, lensemble B est
quicontinu 5 . Nous montrons prsent quil est galement born pour la norme uniforme.
Soit u P B ; vu la construction du reprsentant continu au lemme 23.5, nous avons

upxq 1
upxqdy
(23.40a)

b a
a

b x
1

u ptqdt upyq dy
(23.40b)
ba a
y

x
b
1

1
1

(23.40c)
u ptqdtdy
upyqdy
ba a y
ba a
bb
b
1
1
1

|u ptq|dt dy `
|upyq|dy.
(23.40d)
ba a a
ba a
4. Encore que par soucis dconomie dencre nous nallons pas crire toujours les tildes et noter u le reprsentant
continu prolong I par le corollaire 23.7.
5. Dfinition 18.6

1267

23.1. ESPACES DE SOBOLEV

ce niveau, il faut remarquer que dans la premire intgrale, le passage de la valeur

absolue lintrieur de lintgrale en mme temps que llargissement des bornes na rien
dinnocent. Si x y, les bornes ne sont pas dans le bon ordre et nous ne pouvons pas
faire la majoration usuelle en entrant simplement la valeur absolue. Ici nous tenons compte
de cela en largissant les bornes, et en les mettant dans le bon ordre. Le passage exact est
le suivant : si x, y P sa, br, nous avons
b
b
x
x

f ptqdt |f ptq|dt |f ptq|dt

|f ptq|dt.
(23.41)

Notons en particulier que dans le cas du passage vers lquation (23.40d), le nombre x est
fix alors que y est une variable dintgration. Donc lordre des deux est certainement de
temps en temps le mauvais.
Quoi quil en soit, la premire intgrale se rduit une multiplication par b a et le calcul
continue :

upxq |u1 ptq|dt ` 1

|u|
(23.42a)
ba I
I
?
1
b a}u1 }L2 ` ?
}u}L2
(23.42b)
ba

?
` 1

1
?
ba`

}u }L2 ` }u}L2
(23.42c)
ba

?
1
(23.42d)

ba` ?
}u}H 1
ba
?
1
ba` ?
.
(23.42e)
ba

Donc B est born pour la norme L8 . Et cest mme born par un nombre facilement
calculable connaissant I. En particulier lensemble

tupxq tel que u P H 1 u

?
est pour, tout x, contenu dans la boule de rayon a b `

(23.43)
?1
ab

et donc est relativement

est
compact dans R. Par consquent le thorme dAscoli 18.7 nous dit que lensemble B
0
relativement compact dans C pIq.
Par consquent nous avons montr que limage par de la boule unit ferme B de H 1 pIq
ce qui signifie que est une application compacte.
est relativement compacte dans C 0 pIq,

(3) Les lments de H 1 pIq sont des lments de L2 pIq ; donc lidentit est une injection. Nous
devons seulement tudier la continuit. Si pun q est une suite dans H 1 convergeant dans H 1
vers u, alors
}un u}L2 }un u}L2 ` }u1n u1 }L2 }un u}H 1 0.

(23.44)

Donc la suite des images (par lidentit) converge dans L2 . Lidentit est donc continue.
Problmes et choses faire
Au point de la preuve auquel vous devriez tre si vous lisez ceci, vous pourriez avoir envie de dmontrer u1 v de la faon suivante :

u lim

n8 I

un lim

n8 I

un

v.

(23.45)

Javoue ne pas trouver dexemples pour lesquels a ne marche pas. Est-ce quon peut inverser la limite et lintgrale dans L2 ?
Ceci ninvalide pas la preuve donne, mais a suggre un sacr raccourcis.

23.1.2

Sur un ouvert de

Rn

Soit , un ouvert de Rn et v P L2 pq (dfinition 18.28). Les fonctions considres sont valeurs

relles.

1268
23.1.2.1

CHAPITRE 23. ESPACES DE SOBLEV, QUATIONS ELLIPTIQUES

Dfinition

Dfinition 23.9 (Espace de Sobolev H 1 pq).

Soit une partie de Rn . Lespace de Sobolev H 1 pq est :

H 1 pq tv P L2 pq tel que @i 1, . . . , n, Bi v P L2 pqu.

(23.46)

Nous munissons cet espace dun produit scalaire

o u

i Bi u

P L2 .

(23.47)

pu, vqH 1 xu, vyL2 ` xu, vyL2 ,

Lexistence des intgrales dans le produit scalaire est assure par le fait que u, v, u et v
sont dans L2 pq. La dfinition du produit scalaire dans L2 est la dfinition 18.101 (mais sans la
conjugaison complexe).
Pour la mme raison, pu, uqH 1 0 demande que chacun des deux termes est sparment nul,
et nous avons u 0 dans L2 , et donc aussi dans H 1 .
Thorme 23.10 ([263]).
Lespace H 1 pq est un espace de Hilbert 6 .

Dmonstration. Nous devons nous assurer que lespace H 1 est complet. Pour cela nous considrons
une suite de Cauchy pun q dans H 1 . Soit  0 ; il existe N 0 tel que si n, m N alors
}un um }H 1 . Dans ce cas nous avons en particulier
}um un }2H 1 pu, uqH 1 xu, uy ` xu, uy }u}2L2 ` }u}2L2 ,

(23.48)

et en particulier les suites pun q et pun q sont de Cauchy dans L2 . Vu que L2 , lui, est complet
(thorme 18.26), il existe u P L2 et vi P L2 tels que
L2

(23.49a)

un u
L2

(23.49b)

Bi un vi .

Nous savons que linjection i : L2 D 1 est continue par la proposition 22.13. Nous avons donc
aussi les limites
D1

(23.50a)

Tun Tu
D1

(23.50b)

TBi un Tvi .
La drive tant une opration continue sur D 1 nous avons de plus
D1

(23.51)

(23.52)

Bi pTun q Bi pTu q
En utilisant le lemme 22.16 nous avons alors
TBi un Bi pTun q Bi pTu q TBi u .

En comparant avec (23.50b) et par lunicit de la limite, nous avons Tvi TBi u . Cela implique
vi Bi u.
Vu que vi P L2 nous avons aussi Bi u P L2 . Par consquent u P H 1 pq parce que ses drives
sont dans L2 .
H1
Nous devons maintenant prouver que un u. Nous avons
(23.53)

}un u}H 1 }un u}L2 ` }un u}L2

L2

L2

Le premier terme tend vers zro parce que un u et le second parce que Bi un Bi u.
6. Dfinition 17.2.

1269

23.1. ESPACES DE SOBOLEV

23.1.3

Espace de Sobolev fractionnaire

Dfinition 23.11.
Pour m P N et un ouvert de

Rd nous dfinissons lespace de Sobolev

H m pq tu P L2 pq tel que B u P L2 pq @|| mu.

(23.54)

Nous dfinissons galement un produit scalaire sur H m par

pu, vqH m
xB u, B vyL2 .

(23.55)

||m

Le lemme suivant montre que la proposition 21.11 fonctionne encore avec L2 au lieu de S .
Lemme 23.12 (Lemme de transfert[264], thme 52).
Soit f P H m pRd q. Alors pour tout multiindice avec || m nous avons

FpB f q i|| fpq .

(23.56)

Lemme 23.13.
Il existe des constantes c1 et c2 telles que pour tout x P Rd ,

c1 p1 ` }x}2 qm
px q2 c2 p1 ` }x}2 qm .

(23.57)

||m

Lemme 23.14.
Soit u P L2 pRd q. Nous avons u P H m pRd q si et seulement si lapplication
`
k{2
1 ` ||2
u

est dans L2 pRd q pour tout k m. Ici || est la norme euclidienne de dans

(23.58)

Rd .

Dmonstration. Vu le lemme 23.12, il suffit de montrer que

`
k{2
1 ` ||2
u

est dans L2 pour tout k m si et seulement si

(23.59)

(23.60)

lest pour tout avec || m.

Lexpression (23.59) est une somme dexpressions du type (23.60). Donc limplication dans un
sens est montre. Pour lautre sens, nous savons que

et donc

Or |||| ||

11 . . . nn ,

(23.61)

| | |1 |1 . . . |n |n .

(23.62)

| | |||| .

(23.63)

p1 ` x2 qk{2 xk

(23.64)

||1 . . . ||n et || |i | pour tout i, donc

Dautre part pour tout x P R` et tout k positif nous avons

qui est facile vrifier en prenant le carr des deux membres.
En remettant tout ensemble,
`
||{2
| u
| | ||
u| |||| |
u| 1 ` ||2
|
u|.

Donc si le membre de droite est de carr intgrable, celui de gauche lest galement.

(23.65)

1270

CHAPITRE 23. ESPACES DE SOBLEV, QUATIONS ELLIPTIQUES

Dfinition 23.15 (Espace de Sobolev H s [265]).

Pour s 0 nous dfinissons lespace de Sobolev H s pRd q par

`
s{2
H s pRd q tu P L2 pRd q tel que 1 ` }}2
u
P L2 pRd qu.

(23.66)

Nous y mettons le produit scalaire

pu, vq

Hs

u
pq
v pqp1 ` }}2 qs d.

(23.67)

23.16.
Vu que DpRd q est dense dans L2 pRd q (thorme 18.40), on pourrait croire la densit a fortiori
dans H s pRd q. Mais attention : DpRd q est dense dans L2 pour la norme L2 . Nous navons encore
rien dit pour la norme H s pRd q.
Proposition 23.17 ([266]).
La partie S pRd q est dense dans H s pRd q.

Dmonstration. Soit u P H s pRd q. Par dfinition lapplication

p1 ` }}2 qs{2 u

(23.68)

est dans L2 pRd q. Elle peut donc tre approxime au sens L2 par des fonctions dans DpRd q (thorme 18.40(5)), cest dire quil existe des fonctions n P DpRd q telles que
L2 pRd q

n p1 ` }}2 qs{2 u
.
Nous posons
n

n
p1 ` 2 qs{2

(23.69)
(23.70)

Cela est encore une fonction de DpRd q, et donc de S pRd q. Vu que la transforme de Fourier est
une bijection de DpRd q (proposition 21.12), nous pouvons considrer une suite n P DpRd q telle
H s pRd q

que n n , et nous allons montrer que n u.

Nous avons :

2
}n u}H s
|n u
|2 p1 ` 2 qs d
d
R

n pq
2

u
pq p1 ` 2 qs d
s{2
2
d p1 ` q
R

|n pq u
pqp1 ` 2 qs{2 |2 d
Rd

}n p1 ` 2 qs{2 u
}2L2 .

(23.71a)
(23.71b)
(23.71c)
(23.71d)

Par dfinition de la suite n nous avons donc bien

}n u}2H s }n p1 ` 2 qs{2 u
}2L2 0.

(23.72)
Hs

Notons que mme si n est dans DpRd q, nous navons pas prouv la convergence n u,
Hs
mais bien n u. Or les fonctions n sont dans S pRd q, et rien nassure quelles soient support
compact. Nous avons donc bien prouv la densit de S et non celle de D.
Remarque 23.18.
Pour qui a tout compris, cela peut sembler une vidence, mais nous prcisions que nous parlons
de densit de S pRd q dans H s pRd q, aucun moment la topologie de S pRd q nentre` en compte.

Un peu moins vident : ce que nous avons rellement montr est la densit de DpRd q dans
H s pRd q o est lapplication prise de classe. Nous navons pas insist l-dessus, mais il faut

1271

23.2. TRACE

dire que dans la preuve de la proposition 23.17, u est un reprsentant dun lment choisit dans
H s pRd q.
Nous avons ensuite prouv la convergence }n u}H s pRd q 0 qui est une convergence dune
suite dans R, et dans laquelle lopration }.}H s est dfinie sur un espace de fonctions et nest pas
une norme (cest pour que cela devienne une norme que lon prend les classes).
H s pRd q

Nous en avons dduit la convergence n u o maintenant n et u sont des classes dans

H s pRd q.
Proposition 23.19.
`

La partie DpRd q est dense dans H s pRd q, }.}H s pRd q .

Dmonstration. Nous savons dj que DpRd q est dense dans` H s pRd q par la proposition
23.17.

Nous devons seulement prouver que DpRd q est dense dans S pRd q, }.}H 2 pRd q . Pour cela nous
utilisons la densit de DpRd q dans S pRd q de la proposition 18.77. Soit donc f P DpRd q et une
suite fk dans DpRd q telle que
S pRd q

(23.73)

fk f.

Vu que la transforme de Fourier est continue sur S pRd q (proposition 21.12) nous avons aussi
S pR q
fk f,
d

(23.74)

et en particulier pour tout polynme P nous avons la convergence uniforme

unif
P fk P f.

(23.75)

Dautre part la fonction |fk pq fpq|2 p1 ` 2 qs est Schwartz et en tout point dcroissante
en k. Soit  0 et r 0 choisit de telle sorte avoir

|fk pq fpq|p1 ` 2 qs d .
(23.76)
}}r

pour tout k. La convergence uniforme (23.75) permet de considrer k0 tel que pour tout k k0 ,
|fk f|p1 ` 2 qs

Vol Bp0, rq

(23.77)

dans Bp0, rq. Avec tout cela, ds que k k0 nous avons

2 s

}fk f }H s pRd q
|fk f |p1 ` q d
R

Bp0,rq

... `

}}r

. . . 2.

(23.78)

Donc nous avons bien }fk f }H s pRd q 0 et convergence de fk vers f dans H s pRd q.

23.2

Trace

Dfinition 23.20 ([265]).

Nous dfinissons la trace dune fonction par
0 : DpRd q DpRd1 q

p0 vqpx1 , . . . , xd1 q vpx1 , . . . , xd1 , 0q.

(23.79)

Thorme 23.21 ([265, 267]).

Si s 21 , alors 0 accepte une unique extension en oprateur linaire born
0 : H s pRd q H s 2 pRd1 q.
1

Dmonstration. Nous subdivisons la preuve en plusieurs pas.

(23.80)

1272

CHAPITRE 23. ESPACES DE SOBLEV, QUATIONS ELLIPTIQUES

Une ingalit pour P DpRd q Nous commenons par considrer v P DpRd q (fonction C 8
support compact). Nous allons alors prouver que
}0 }

H s 2 pRd1 q

K}}H s pRd q

(23.81)

pour une certaine constante K (qui ne dpend en particulier pas de ).

Nous avons
}0 }2

H s 2 pRd1 q

p0 , 0 q s 21
H

2
2 s 1
|{

0 pq| p1 ` }} q 2 d
d1
R
2
1

p0 qpxqeix dx p1 ` }}2 qs 2 d

Rd1

Rd1

Nous appliquons la trace. en appliquant la formule du corollaire 21.21,

1
p0 qpxq px, 0q
eiky px, yqdy dk
2 R R

(23.82a)
(23.82b)
(23.82c)
(23.82d)

(23.83)

En remplaant dans (23.82c) nous avons

2
1
1

}0 }2 s 1 d1
eiky eix px, yqdy dk dx p1 ` }}2 qs 2 d.
H 2 pR
q
2 Rd1 Rd1 R R
(23.84)
Nous voudrions permuter les intgrales en k et en x. Pour cela nous tudions la fonction
u : R Rd1 C donne par

ikx
upk, xq e
eix px, yqdy
(23.85)
R

Effectuer lintgrale par rapport y revient calculer la transforme de Fourier partielle

dont nous parlons dans la proposition 21.13 7 . Elle est donc une fonction Schwartz de k
et de x (conjointement et non seulement sparment) et est donc dans L1 pR Rd1 q. Les
intgrales sut k et sur x peuvent donc tre runies et permutes par le thorme de Fubini
13.78 (noubliez tout de mme pas de vous convaincre que la condition (2) est remplie).
Nous avons donc

1
1
2
}0 } s 1 d1
|
eiky eix px, yqdy dx dk|2 p1 ` }}2 qs 2 d.
H 2 pR
q
2 Rd1 R Rd1 R
(23.86)
tant donn que est support compact, les intgrales sur x et sur y peuvent se runir en
utilisant encore le thorme de Fubini ; ces intgrales donnent :

iky ix
e
e
px, yqdx b dy
eip,kq px,yq px, yqdx b dy p,
kq.
Rd1 R

Rd1 R

Nous restons avec

}0 }2 s 1 d1
H 2 pR
q

1
1

|
p,
kqdk|2 p1 ` }}2 qs 2 d.
2 Rd1 R

(23.87)

(23.88)

Nous allons maintenant traiter la partie du milieu :

1
|
p,
kqdk| |
p,
kqp1 ` 2 ` k 2 qs{2
dk| |xf1 , f2 yL2 pRd q |
2
p1 ` ` k 2 qs{2
R
R
(23.89)
7. Dont une relecture de la preuve ne serait vraiment pas de trop, ainsi que la preuve de 18.72.

1273

23.2. TRACE
Ici est vu comme une constante et les fonctions f1 et f2 sont
f1 : k p,
kqp1 ` 2 ` k 2 qs{2
1
f2 : k
2
p1 ` ` k 2 qs{2

(23.90a)
(23.90b)

Nous pouvons utiliser lingalit de Cauchy-Schwarz 6.66 :

1{2

1{2
1
2
2
2 s
dk

|p,
kq| p1 ` ` k q dk
2
2 s
R
R p1 ` ` k q

(23.91)

Nous notons gpq ce qui se trouve dans la seconde parenthse (aprs intgration sur k). Avec
cela nous continuons :

1
1
|gpq||p,
kq|2 p1 ` 2 ` k 2 qs p1 ` }}2 qs 2 dk d. (23.92)
}0 }2 s 1 d1
H 2 pR
q
2 Rd1 R
Vu que est Schwartz, la fonction qui est lintrieur des deux intgrales est dans L1 pRd1
Rq et nous pouvons runir les deux intgrales :

1
1
|gpq||p,
kq|2 p1 ` 2 ` k 2 qs p1 ` }}2 qs 2 dk b d. (23.93)
}0 }2 s 1 d1
q
H 2 pR
2 RRd1

ce point nous dmontrons quen ralit la combinaison gpqp1 ` 2 qs 2 ne dpend pas de

. En effet

1
2 s 21
2 s 12
p1 ` q
dk
(23.94a)
gpqp1 ` q
2 ` k2 q
p1
`

s
1
1 ` 2

dk
(23.94b)
p1 ` 2 q1{2 R 1 ` 2 ` k 2
s

1
1

dk.
(23.94c)
k2
p1 ` 2 q1{2
1 ` 1`
2
1

Nous effectuons le changement de variables t ? k

1` 2

1
1 ` t2

, dk p1 ` 2 q1{2 dt, et le tout vaut

dt,

(23.95)

qui est effectivement indpendant de . Nous nommons cela K (auquel nous ajoutons le
1
2 ) :

2
}0 } s 1 d1 K
|p,
kq|2 p1 ` 2 ` k 2 qs dk b d K}}2H s pRd q .
(23.96)
H

2p

RRd1

Nous avons donc prouv pour tout P DpRd q (avec redfinition du K) :

}0 }

H s 2 pRd1 q

K}}H s pRd q .

(23.97)

propos de classes Il serait tentant de conclure en disant que DpRd q est dense dans H s pRd q.
Hlas, techniquement, lensemble DpRd q nest mme pas un sous-ensemble de H s pRd q parce
que ce dernier est un ensemble de classes de fonctions. Ce petit dtail a ici son importance
parce que 0 nest pas une application qui descend aux classes. En effet, Rd1 tant de
mesure nulle dans Rd , deux fonctions de la mme classe peuvent diffrer en tous les points
de Rd1 en mme temps.
Si nous notons lapplication qui consiste prendre la classe ce qui est dense dans H s pRd q,
cest pDpRd qq. Or chaque classe contient au maximum une seule fonction continue (qui
sera mme de classe C 8 support compact pour les lments de pDq).

1274

CHAPITRE 23. ESPACES DE SOBLEV, QUATIONS ELLIPTIQUES

Lapplication 0 considre est lapplication compose entre le 0 classique et le choix du
reprsentant continu dans la classe. La formule (23.97) que nous venons de prouver est
valide pour lapplication 0 vue comme
`

0 : DpRd q DpRd1 q.

(23.98)

Densit et conclusion Ce que la majoration (23.97) prouve est la continuit de lapplication

`

`
1
0 : DpRd q, }.}H s pRd q H s 2 pRd1 q, }.}

s 1
2

pR

d1 q

(23.99)

Mais la proposition 23.19 nous donne la densit de la partie DpRd q dans H s pRd q. La
proposition 16.166 nous donne alors une extension
`

`
1
0 : H s pRd q, }.}H s pRd q H s 2 pRd1 q, }.}

s 1
2

pR

d1 q

(23.100)

Remarque 23.22.
Lextension nest pas vidente parce que les lments de H s pRd q sont en gnral des classes de
fonctions dont les valeurs sur le bord ne sont pas du tout fixes du fait que le bord soit de mesure
nulle.

23.3

Thorme de plongement

Lobjet des thormes de plongement de Sobolev est de montrer que si s d2 ` k alors les
lments de H s pRd q possdent des reprsentants de classe C k . Avant de dmontrer le thorme,
pour allger, nous allons donner deux lemmes.
Lemme 23.23.
Soit puj q une suite dans S pRd q telle que
H s pRd q

(23.101)

uj u
avec s 0. Alors nous avons aussi la convergence
L2 pRd q

(23.102)

uj u.

Dmonstration. Vu que s 0 nous avons p1 ` k 2 qs 1 (ici nous crivons k 2 pour }k}2 ). Par
consquent

2 s
pu, vqH s pRd q
u
vp1 ` k q dk
u
vdk x
u, vyL2 pRd q .
(23.103)
Rd

Rd

Nous avons alors

1
}
uj u
}L2
p2qd

|
uj u
|2
p2qd Rd

|
uj u
|2 p1 ` k 2 qs dk
p2qd Rd
1

}uj u}H s pRd q .

p2qd

}uj u}L2

(23.104a)
(23.104b)
(23.104c)
(23.104d)

1275

23.3. THORME DE PLONGEMENT

Lemme 23.24.
Soient des fonctions uj P S pRd q telles que
uj
Alors nous avons la convergence

Rd

pour tout P S pRd q.

C00 pRd q,}.}8

uj

Rd

v.

(23.105)

(23.106)

Dmonstration. La suite puj q est quiborne. En effet il existe une queue de suite pour laquelle
}uj v}8  ; cette queue de suite est alors quiborne par }v}8 ` . Le dbut de la suite est un
nombre fini de fonctions, toutes bornes. Le maximum des bornes donne alors une borne.
Soit donc M 0 tel que |uj pxq| M pour tout x P Rd et pour tout j P N. Nous avons
alors |uj | M || pour tout j et les fonctions |uj | sont majores par la fonction M || qui est
intgrable. Nous pouvons donc utiliser le thorme de la convergence domine de Lebesgue 7.134
nous donne

v.
(23.107)
uj
lim
j8

Rd

Rd

Nous pouvons crire la conclusion du lemme 23.24 sous la forme

(23.108)

xuj , yL2 pRd q xv, yL2 pRd q

pour tout P S pRr q (et non pour tout P L2 pRd ).

Thorme 23.25 (Thorme de Sobolev avec k 0[268]).

Soit s d2 et u P H s pRd q. Alors u possde un reprsentant dans C00 pRd q (les fonctions continues
et qui sannulent linfini). Nous crivons cela H s pRd q C00 pRd q.
Dmonstration. Nous commenons par supposer que u P H s pRd q X S pRd q, et dans ce cas nous
notons u le reprsentant dans S pRd q. Nous allons prouver lingalit

(23.109)

}u}8 c}u}H s pRd q .

La formule dinversion de Fourier 21.20 applique uj donne

1
eikx u
pkqdk,
upxq
p2qd Rd

(23.110)

nous avons alors

d

p2q |upxq|

d
R

|
upkq|dk

(23.111a)

p1 ` kqs{2 |
upkq|p1 ` k 2 qs`2 dk

(23.111b)

1{2
1{2
|
upkq|2 p1 ` k 2 qs
p1 ` k 2 qs
dk
Rd loooooooooooomoooooooooooon loooooooomoooooooon

xf, gyL2 pRd q .

(23.111c)

(23.111d)

Ici il convient nous arrter un instant pour nous convaincre que f et g sont rellement des lments
de L2 . En ce qui concerne f , cest facile : u
est une fonction Schwartz. En ce qui concerne g il
2
faut lintgrabilit de |g| , cest dire de k p1 ` k 2 qs . Cela a lieu si et seulement si 2s n

1276

CHAPITRE 23. ESPACES DE SOBLEV, QUATIONS ELLIPTIQUES

et donc a lieu dans les hypothses du thorme. Nous utilisons le thorme de Cauchy-Schwarz 8
pour continuer :
p2qd |upxq| }f }L2 }g}L2

1{2
2
2 s
c
|
upkq| p1 ` k q dk
Rd

c}u}H s pRd q .

(23.112a)
(23.112b)
(23.112c)

Donc en introduisant le facteur p2qd dans la constante c nous avons

}u}8 c}u}H s pRd q .

(23.113)

Cela est tout ce que nous voulions faire avec u P S pRd q.

Nous considrons maintenant u P H s pRd q. Vu que la densit des fonctions Schwartz dans H s
(proposition 23.17) nous considrons une suite puj q dans S pRd q telle que
H s pRd q

(23.114)

uj u

Ici u est une classe, mais nous identifions uj avec sa classe (parce quil ne faut pas exagrer non
plus). La suite puj q est de Cauchy dans H s , donc si  0 est donn, il existe N tel que si n, m N ,
}um un } . Nous avons alors aussi
}um un }8 c,

(23.115)

ce qui signifie que puj q est galement une suite de Cauchy dans C 0 pRd q, }.}8 qui est un espace
complet par la proposition 16.103.
Il existe donc une fonction v P C00 pRd q telle que
`

uj

C00 pRd q,}.}8

v.

(23.116)

La question est de savoir si nous pouvons dduire que v est un reprsentant de u.

Par le lemme 23.23 nous avons galement la convergence
L2 pRd q

uj u.

(23.117)

xuj , yL2 xu, yL2 .

(23.118)

Pour tout P S pRd q nous avons alors

Mais en mme temps, la convergence (23.116) couple au lemme 23.24 donne galement
xuj , yL2 xv, yL2 .
Par unicit de la limite (dans

(23.119)

R) nous avons
xv, yL2 xu, yL2

(23.120)

pour tout P S pRd q. La proposition 18.1 applique u v montre alors que u v 0 presque
partout, cest dire que v est bien un reprsentant de u.
Le reprsentant v de u est non seulement continu (comme limite uniforme de fonction continues), mais galement borne, comme limite uniforme de fonctions Schwartz.
Proposition 23.26 ([268]).
Si u P H s pRd q (s P R) alors
8. Formule 6.203.

1277

23.3. THORME DE PLONGEMENT

(1) B u P H s|| pRd q,
(2) lapplication

est continue.

B : H s pRd q H s|| pRd q

(23.121)

Note : ici B est lopration de drive faible.

Dmonstration. Nous allons seulement prouver que Bj : H s pRd q H s1 pRd q est bien dfinie 9 et
continue. Par composition, la thse suivra.
Soit u P H s pRd q par le lemme 23.12 nous avons

Dautre part, la fonction

f:

By
.
j u ij u

Rn R
x

xi
1 ` }x}2

(23.122)

(23.123)

est borne (et mme indpendamment de i) par une constante K. Donc nous avons pour tout 10
s:
ki p1 ` }k}2 qs Kp1 ` }k}2 qs`1 .
(23.124)
Avec cela nous pouvons calculer un peu : si u P H s pRd q, nous avons

2 s1
}Bj u}H s1 pRd q
|By
dk
j u|p1 ` k q
d
R

kj |
u|p1 ` k 2 qs1 dk
d
R

K|
u|p1 ` k 2 qs dk
Rd

K}u}H s pRd q .

(23.125a)
(23.125b)
(23.125c)
(23.125d)

Nous avons donc que }Bj u}H s1 pRd q est fini lorsque u P H s pRd q.
La majoration }Bj u} K}u} donne la majoration suivante pour la norme de loprateur Bj :
}Bj }

sup }Bj u}H s1 K.

}u}H s 1

(23.126)

Le fait dtre born implique dtre continu par la proposition 6.217.

Thorme 23.27 (Thorme de plongement de Sobolev [268]).
Soit k P N et m d2 ` k. Alors
H s pRd q C0k pRd q.

(23.127)

Remarques :
Lespace C0k pRd q est lensemble des fonctions de classe C k qui sannulent linfini.
Linclusion (23.127) signifie que tout lment dans H s possde un reprsentant dans C0k pRd q.

Dmonstration. Pour k 0, cest le thorme 23.25. Si || k nous savons que B u P H sk

C00 pRd q. Cela signifie que les drives faibles sont continues, mais pas quil existe un reprsentant
qui est rellement k fois continument drivable.
Soit u P H s pRd q et une suite puj q dans S pRd q telle que
H s pRd q

uj u.
9. Au sens o lespace darrive est bien celui-l.
10. Question : dans [268], il faut dpendre cette constante de s. Je ne comprends pas pourquoi.

(23.128)

1278

CHAPITRE 23. ESPACES DE SOBLEV, QUATIONS ELLIPTIQUES

Vu que lespace topologique C0k pRd q, }.}8 est complet il existe v P C0k tel que
Ck

0
uj
v.

(23.129)

Il reste montrer que v est un reprsentant de u. Cela se fait comme plus haut en montrant que
L2

uj u.

Chapitre 24

quations diffrentielles
de

Une quation diffrentielle ordinaire est la recherche de toutes les fonctions dfinie sur une partie

R satisfaisant une certaine galit, faisant intervenir les drives de la fonction recherche.
Dans la suite, I dsignera un intervalle de R. Une fonction sera drivable sur I si elle est

drivable au sens usuel sur lintrieur de I, et si elle est drivable droite (resp. gauche) sur
lventuel bord gauche (resp. droit) de I.
Dfinition 24.1.
Une quation diffrentielle ordinaire dordre n sur I est la recherche dune fonction y : I
R drivable n fois, satisfaisant une quation du type
F pt, yptq, y 1 ptq, . . . , y n1 ptqq 0
o I est un intervalle de

pour tout t P I

(24.1)

R et F : pI Dq pR Rn`1 q R est une fonction donne.

Remarque 24.2.
Lquation diffrentielle (24.1) sera raccourcie sous la forme
F pt, y, y 1 , . . . , y n1 q 0

(24.2)

o la dpendance en t est sous-entendue.

Exemple 24.3
Soit f : I R une fonction continue fixe. Lquation diffrentielle
(24.3)

y 1 f ptq
se ramne la recherche des primitives de f sur lintervalle I.

Le lemme suivant sert de temps en temps.

Lemme 24.4 (Lemme de Grnwall).
Soient et deux fonctions telles que pour tout t P rt0 , t1 s, ptq 0, ptq 0 et
ptq `L

psqpsqds

(24.4)

t0

o K et L sont des constantes positives. Alors

`
ptq K exp L
1279

t0

(24.5)

1280

24.1

CHAPITRE 24. QUATIONS DIFFRENTIELLES

Que faire avec f pzqdz gptqdt ?

Dans de nombreux exercices dquations diffrentielles, nous tombons sur u1 f ptq, et nous
faisons formellement
du
(24.6)
f ptq du f ptqdt,
dt
et ensuite, il y a la formule un peu magique
t
f ptqdt.
(24.7)
u u0
t0

Voyons ce quil en est. Tout dabord, il faut comprendre ce que signifie la formule
f pzqdz gptqdt.

(24.8)

Il sagit dune galit entre deux formes diffrentielles sur R o z est une fonction de t. tant donn
que z est une fonction de t, il faut voir dz comme la diffrentielle de cette fonction. La diffrentielle
dune fonction une variable est donn par la drive :
(24.9)

dzt z 1 ptqdt
crire lquation (24.8) pour chaque t revient donc crire
`

f zptq z 1 ptqdt gptqdt

(24.10)

Cela est une galit entre deux formes diffrentielles. Nous avons donc galit entre les intgrales
des formes sur un chemin. Prenons un chemin tout simple de t0 vers t :
t
t
`
1
f zptq z ptqdt
gptqdt.
(24.11)
t0

t0

Dans le premier membre, nous faisons un changement de variable zptq, d z 1 ptqdt, et nous
obtenons
zptq
t
f pqd
gptqdt.
(24.12)
z0

t0

o nous avons remplac la constante zpt0 q par z0 dans la borne dintgration. Si F est une primitive
de f et G une primitive de g, nous avons
F pzq F pz0 q Gptq Gpt0 q.

(24.13)

Si aucun problme de Cauchy nest donn, les constantes F pz0 q et Gpt0 q sont mises en une seule
et nous crivons la solution
`

F zptq Gptq ` C,
(24.14)

qui est une quation implicite pour zptq.

Nous trouvons assez souvent le cas simple

f pzqdz dt.
En remplaant gptq 1 dans (24.12), nous trouvons la fameuse
z
t t0
f pzqdz,

(24.15)

(24.16)

z0

dans laquelle il y a un abus de notation terrible entre le z de la borne (que les tudiants oublient
souvent) et la variable dintgration z ! !
Le passage de (24.15) (24.16) sera trs souvent utilis dans le cours de mcanique par exemple.

1281

24.2. QUATIONS LINAIRES DU PREMIER ORDRE

24.2

quations linaires du premier ordre

Une quation diffrentielle linaire est une quation de la forme

(24.17)

y 1 ` uptqy vptq.
Exemple 24.5
Tant quil ny a pas de second membre, cest facile. Prenons lexemple suivant :
y 1 ` 2ty 0.

(24.18)

Nous mettons tous les t dun ct et tous les y et y 1 de lautre :

y1
2t,
y

(24.19)

et puis on intgre sans oublier la constante dintgration :

lnpyq t2 ` C,

(24.20)

et donc yptq Ket .

2

Lorsquil y a un second membre, il y a une astuce. Prenons par exemple

y 1 ` 2ty 4t.

4
(24.21)

Lastuce est de commencer par rsoudre lquation sans le second membre (lquation homogne
associe). Nous notons yH la solution. Ici, la rponse est
(24.22)

yH ptq Ket .
2

Ensuite le truc est dessayer de trouver la solution de lquation (24.21) sous la forme
(24.23)

yptq Kptqet .

Lide est de prendre la mme que la solution de lquation homogne (sans second membre), mais
en disant que K est une fonction. Afin de trouver la fonction K qui donne la solution, il suffit de
remettre lessai (24.23) dans lquation (24.21) :
K 1 et 2tKet ` looomooon
2tKet 4t
loooooooooomoooooooooon

(24.24)

K 1 ptq 4tet ,

(24.25)

y 1 ptq

2typtq

Les deux termes avec K se simplifient et il reste

ce qui signifie Kptq 2et `C . Nous avons donc dtermin la fonction qui fait fonctionner lessai,
et la solution lquation est
` 2
2
2
yptq 2et ` C et 2 ` Cet .
(24.26)
2

La technique pour rsoudre cette quation est de commencer par rsoudre lquation homogne
associe. Si U ptq est une primitive de uptq, nous avons
1
yH
ptq ` uptqyH ptq 0

1
yH
uptq
yH
lnpyH q U ptq ` C

yH ptq eU ptq`C KeU ptq

(24.27)

1282

CHAPITRE 24. QUATIONS DIFFRENTIELLES

o K eC .
Cela fournit la solution gnrale de lquation homogne. Il existe un truc gnial qui permet den
tirer la solution gnrale du systme non homogne. Lorsque nous avons trouv yH ptq KeU ptq ,
le symbole K dsigne une constante. La mthode de variation des constantes consiste essayer
la solution
yptq KptqeU ptq ,
(24.28)

cest dire dire que la constante est en ralit une fonction. Afin de trouver quelle fonction Kptq
fait en sorte que lessai (24.28) soit une solution, nous la remplaons dans lquation de dpart
y 1 ` uy v. Maintenant,
y 1 ptq K 1 ptqeU ptq KptquptqeU ptq .
(24.29)

En remettant dans lquation,

y 1 ` uy K 1 eU KueU ` uKeU K 1 eU v.

(24.30)

Notez que les termes en K se sont miraculeusement simplifis. Cela est directement d au fait que
eU est solution de lquation homogne. Nous restons avec lquation
K1

v
eU

(24.31)

pour Kptq. La solution gnrale du problme non homogne est donc finalement donne par
`

yptq W ptq ` C eU ptq

(24.32)
si W ptq est une primitive de vptqeU ptq .
Tout ceci est un peu heuristique. La proposition suivante dit dans quels cas a fonctionne.

Proposition 24.6.
Soient u et v continues sur I et U , une primitive de u sur I et W une primitive de veU sur I.
Une fonction y : I R est solution de y 1 ` uptqy vptq si et seulement si il existe une constante
C P R telle que
`

yptq W ptq ` C eU ptq

(24.33)

pour tout t P I.

24.2.1

Pourquoi la variation des constantes fonctionne toujours ?

Prenons une quation non homogne

z 1 ptq f ptqzptq ` gptq,

(24.34)

et supposons avoir une solution de lhomogne associe sous la forme zH ptq Chptq. Le coup de
la variation des constates consiste essayer une solution pour lquation non homogne sous la
forme 1
zptq Kptqhptq.
(24.35)
Nous injectons cette solution dans lquation de dpart en utilisant le fait que z 1 ptq K 1 ptqhptq `
Kptqh1 ptq :
K 1 ptqhptq ` Kptqh1 ptq f ptqKptqhptq ` gptq.
(24.36)

Le terme Kptqh1 ptq se rcrit en utilisant la proprit de dfinition de h, cest dire que h1 ptq
f ptqhptq. Nous voyons que les termes ne contenant pas de K 1 se simplifient ; il reste
K 1 h g.

(24.37)

1. Je ne sais plus qui a eu lide de changer le nom de la constante de C vers K au moment de la transformer en
fonction, mais cest une bonne ide.

1283

24.3. QUATIONS VARIABLES SPARES

Cette quation a comme solution

f
` C.
(24.38)
h
Jinsiste sur la constante dintgration ! En ralit, celles et ceux qui auront compris lquation
(24.16) sauront que K est donn par
t
f pq
Kptq
d
(24.39)
0 gpq
K

o 0 joue le rle de la constante dintgration.

Quoi quil en soit, la solution gnrale de lquation non homogne est

g
zptq Kptqhptq
` C h.
h

Cette solution comprend deux termes : Ch qui est solution de lhomogne, et

particulire de lquation non homogne.
Quelques conclusions :

(24.40)
` g
h

h qui est une

(1) Si vous avez encore du K (et pas que du K 1 ) dans votre quation qui donne K, cest que
vous ntre pas dans le cadre dune quation de type (24.34). Le plus souvent, cest que
vous avez fait une faute de calcul quelque part.
(2) La mthode des variations des constantes nest pas en contradiction avec le principe de
SGEH+SPENH . En effet, la SGEP et la SPENH sont toutes deux dans la solution
(24.40).
(3) La variation des constantes peut tre vue comme une faon cool de trouver une solution
particulire de lquation non homogne.
(4) La simplification ne se fait que aprs avoir remplac Kh1 par Kf h, cest dire aprs avoir
utilis le fait que zH est solution de lhomogne. Sinon, la simplification nest pas du tout
vidente a priori. Il se peut mme que, visuellement, les termes Kh1 et Kf h ne se ressemblent
pas du tout. Un exemple de cela arrivera par exemple dans lexemple 24.9, pour arriver
lquation (24.56).

24.3

quations variables spares

Une quation variables spares est une quation de la forme

y 1 uptqf pyq

(24.41)

o u : I R et f : J R sont deux fonctions continues donnes. Les propositions 24.7 et 24.8

rsolvent ce cas, mais avant de voir cela, nous allons donner quelque indication pratiques.

24.3.1

La mthode rapide

On peut videment mettre tous les y et y 1 dun ct :

y1
upxq.
f pyq
Une fois que cela est fait, on crit y 1

dy
dx ,

(24.42)

et on envoie le dx du ct des x :

dy
upxqdx.
f pyq

(24.43)

Maintenant il suffit de prendre lintgrale des deux cts : comme la position des dx et dy lindiquent, il faut intgrer par rapport y dun ct et par rapport dx de lautre ct.
Lintgrale gauche est facile : cest lnpyq. droite, par contre, a dpend tout fait de u.

1284

24.3.2

CHAPITRE 24. QUATIONS DIFFRENTIELLES

La mthode plus propre

`

y 1 ptq uptqf yptq .

(24.44)

G yptq U ptq ` C.

(24.45)

Nous considrons U , une primitive de u sut I et G, une primitive de 1{f sur J. Si I 1 I et

y : I 1 J, alors y est solution de (24.41) si et seulement si il existe une constante C telle que

La recherche des solutions de lquation diffrentielle se ramne donc la recherche de primitives

et de solutions dune quation algbrique (il faut isoler yptq dans (24.45)). Rciproquement toute
solution rgulire de cette dernire relation est solution de lquation diffrentielle.
Remarque : lorsque nous cherchons U et G, nous ne cherchons que une primitive. Il ne faut pas
considrer des constantes dintgration ce niveau.

24.3.3

Les thormes

Proposition 24.7.
Nous considrons lquation (24.41) avec uptq continue sur I et f continue sur J avec f pq 0
pour tout P J. Soit U , une primitive de u sur I, et G, une primitive de 1{f sur J.
Si y : Y 1 J est une fonction sur un intervalle I 1 I, alors y est solution de lquation (24.41)
si et seulement si il existe C P R tel que
`

G yptq U ptq ` C.

(24.46)

Cette` proposition
dit que toutes les solutions qui ne sannulent jamais sur un intervalle ont la

forme G yptq U ptq ` C et peuvent donc tre trouves en calculant des primitives.
La formule (24.46) peut tre obtenue de la faon heuristique suivante, en crivant y 1 dy{dt,
et en passant le dt droite. Nous trouvons successivement
y 1 uptqf pyq

dy uptqf pyqdt
dy
uptqdt
f pyq

dy
uptqdt
f pyq
Gpyq U ptq ` C.

(24.47)

Proposition 24.8.
Soient u continue sur I et f continue sur J, et f pq 0 sur J. Soient t0 P I et y0 P J. Alors il
existe I 1 I avec t0 P I 1 et f P C 1 pI 1 Jq tels que
(1) y est solution de (24.41) sur I 1 et vrifie ypt0 q y0 ,

(2) si z est une solution de (24.41) sur I 2 I 1 avec t0 P I 2 et zpt0 q y0 , alors I 2 I 1 et

zptq yptq pour tout t P I 2 .

Exemple 24.9
Rsoudre lquation diffrentielle
`

y cosptqy 1 cosptq 1 sinptq y 2 .

(24.48)

z ` cosptqz 1 cosptq 1 sinptq

(24.49)

La fonction y 0 est solution. En posant z 1{y, nous trouvons lquation

1285

24.3. QUATIONS VARIABLES SPARES

laquelle z doit satisfaire. Lquation homogne est
zH
1
zH

.
cosptq

(24.50)

Ceci est une quation variables spares que nous rsolvons en suivant les mthodes donnes plus
haut : nous posons
1
uptq
,
cosptq
f pzq z,

(24.51)
t

(voir formulaire),
`
U ptq ln tan
4 2

1
Gpzq ln
.
z
La solution zH est donne par lquation

1
t

ln
ln K tan
,
(24.52)
`
z
4 2
cest dire

zH ptq

tan

K
`
4

t
2

(24.53)

Nous appliquons maintenant la mthode de variation des constantes sur cette solution afin de
trouver la solution gnrale de lquation (24.49). En utilisant la rgle de Leibnitz, z 1 K 1 zH `
1 , nous trouvons
KzH

K
K1
K
`

cosptq
1

sinptq
.
(24.54)
t ` cosptq

t
tan 4 ` 2
tan 4 ` 2
2 sin2 4 ` 2
Malgr leurs apparences, les deux termes en K se simplifient. En effet, en vertu de lquation
1 zH , nous avons
zH
cosptq
K
K
`
`

.
(24.55)
t
2
2 sin 4 ` 2
cosptq tan 4 ` 2t
`

Le travail de voir quel est le lien entre sin2 4 ` 2t , tan 4 ` 2t et cosptq est en ralit fait dans
votre formulaire au moment o vous lavez utilis pour intgrer u pour obtenir le U ptq de (24.51).
Aprs cette simplification durement mrite, nous trouvons lquation suivante pour Kptq :
K1
`
1 sinptq.
tan 4 ` 2t

Rsoudre cela revient trouver la primitive de

`

1 sinptq tan

t
`
4 2

ce qui est relativement compliqu. La rponse est

2x `
2x `
Kptq ln sin
` 1 ` ln sin
1
4
4

2x `
2 2x `
` 2 ln sec
` 2 sin
4
4

(24.56)

(24.57)

(24.58)

Nous pouvons un peu simplifier en utilisant le fait que lnpa ` bq ` lnpa bq lnpa2 b2 q :

2x `
2 2x `
2 2x `
Kptq ln cos
` 2 ln sec
` 2 sin
.
(24.59)
4
4
4
Il me semble toutefois quil faudrait prendre des valeurs absolues pour les logarithmes.

1286

CHAPITRE 24. QUATIONS DIFFRENTIELLES

24.4

quations linaires dordre suprieur

24.4.1

quations et systmes linaire coefficients constants

Nous regardons lquation

y pnq ` a1 y pn1q ` . . . ` an1 y 1 ` an y vptq

(24.60)

o les coefficients ak sont maintenant des constantes. Il faut commencer par rsoudre le polynme
caractristique
rn ` a1 rn1 ` . . . ` an 0.
(24.61)
Si 1 , . . . , k sont les solutions avec multiplicit 1 , . . . , k , alors le systme fondamental de
solutions linairement indpendantes est lensemble suivant de solutions lquation homogne :
e1 t , te1 t , . . . , t1 1 e1 t
..
.

(24.62)

ek t , tek t , . . . , tk 1 ek t .
Nous notons yi ces solutions. La solution gnrale de lquation homogne est donc donne par

yH
ci yi .
(24.63)
i

Afin de trouver la solution gnrale de lquation non homogne, nous appliquons la mthode de
variation des constantes, en imposant les n 1 conditions
n

plq
c1i ptqyi ptq 0
(24.64)
i1

avec l 0, . . . , n 2. Ces condition plus lquation de dpart (24.60) forment un systme de n

quations diffrentielles pour les n fonctions inconnues ci ptq.
Cette condition peut paratre mystrieuse. Il est cependant encore possible de travailler sans
poser la condition (24.64) en suivant la recette, en calculant des dterminants de Wronskien. Des
exemples sont donns dans les exercices sur le second ordre.

24.4.2

Si les coefficients ne sont pas constants ?

Une quation diffrentielle linaire dordre n sur I est une quation de la forme
y pnq ` u1 ptqy pn1q ` . . . ` un1 ptqy 1 ` un ptqy vptq

(24.65)

o v et uk sont des fonctions continues fixes de I vers R.

Pour rsoudre cette quation, il faut commencer par rsoudre lquation homogne correspondante (cest dire celle que lon obtient en posant vptq 0). Ensuite, nous trouvons la solution de
lquation (24.65) en appliquant la mthode de la variation des constantes.
Donnons un exemple du pourquoi la mthode de variations des constantes est efficace. Soit
lquation
u1 ` f ptqu gptq,
(24.66)

et disons que uH est une solution de lquation homogne. La mthode de variations des constantes
consiste poser uptq KptquH ptq, et donc u1 ptq K 1 uH ` Ku1H . En remettant dans lquation de
dpart,
K 1 uH ` Ku1H ` f KuH g.
(24.67)
La somme Ku1H ` f KuH est nulle, par dfinition de uH . Par consquent, il ne reste que

gptq
.
(24.68)
uH
Lorsquon utilise la mthode de variation des constantes, nous trouvons toujours une simplification
miraculeuse .
Dans limmdiat, nous ne considrons que le cas o les ui sont des constantes. Le cas o les ui
deviennent des fonctions de t sera vu plus tard.
K1

24.5. SYSTME DQUATIONS LINAIRES

24.5

Systme dquations linaires

24.5.1

La magie de lexponentielle. . .

1287

Prenons lquation diffrentielle trs simple

y 1 ay.

(24.69)

La solution est yptq Aeat . Et si on a la donne que Cauchy ypt0 q y0 , alors

yptq Aeat eat0 eat0 eaptt0 q ypt0 q.

(24.70)

Donc on a le facteur multiplicatif eaptt0 q qui sert faire passer de yp0q yptq. Cest un peu un
oprateur dvolution. Ce qui fait la magie de lexponentielle, cest son dveloppement en srie
ex 1 ` x `

x2 x3 x4
`
`
` ...
2
3!
4!

qui est tel que chaque terme est la drive du terme suivant.
Maintenant, si on a un systme
y1 A
y,

(24.71)

(24.72)

il nest pas du tout tonnant davoir comme solution yptq eAt o lexponentielle de la matrice est
dfinie exactement par la srie (24.71). Cest un peu longuet, mais dans le cours, cest effectivement
ce qui est prouv. La matrice rsolvante Rpt, t0 q : y0 ypt; t0 , y0 q est donn par
Rpt, t0 q eptt0 qA ,

(24.73)

exactement comme dans lquation (24.70).

24.5.2

. . . mais la difficult

Maintenant, il est suffisant de calculer des exponentielles de matrices pour rsoudre des systmes. Hlas, il est en gnral trs difficile de calculer des exponentielles. Tu peux essayer de
prouver les deux suivantes :

0 a
cospaq sinpaq
A
; eA
a 0
sinpaq cospaq
(24.74)

0 a
coshpaq sinhpaq
S
S
;e
.
a 0
sinhpaq coshpaq
La premire, tu vas la revoir si tu fais de la gomtrie diffrentielle ou de la mcanique quantique :
lalgbre de Lie du groupe des matrices orthogonales de dterminant 1 est lalgbre des matrices
antisymtriques.
La seconde se retrouve en relativit parce que eS est la matrice qui prserve x2 y 2 , tout comme
eA prserve x2 ` y 2 . Quelque mots sur luutilisation des fonctions hyperboliques en relativit dans
31.4.8.1.

24.5.3

La recette

Afin dviter de devoir calculer explicitement des exponentielles de matrices, nous faisons appel
toutes sortes de trucs, dont la forme de Jordan. Le rsultat final est la mthode suivante. Soit le
systme homogne
y1 A
y.
(24.75)
1. Dabord, nous calculons les valeurs propres de A.
2. Ensuite les vecteurs propres.

1288

CHAPITRE 24. QUATIONS DIFFRENTIELLES

3. Une bonne valeur propre, cest une valeur propre dont lespace propre a une dimension gale
sa multiplicit. Cest dire que si est de multiplicit m, alors on a, dans les bon cas, m
vecteur propres linairement indpendants.
Dans ce cas, si v1 , . . . , vm sont les vecteurs, alors on a les solutions linairement indpendantes suivantes :


..
..
. t
. t
v1 e , . . . , vm e .
(24.76)


..
..
.
.

Pour chaque bonne valeur propre, a nous fait un tel paquet de solutions linairement
indpendantes.

4. Si nest pas une bonne valeur propre, alors les choses se compliquent. Mettons que ait
k vecteurs propres en moins que sa multiplicit. Dans ce cas, il faut chercher des solutions
sous la forme
pkq k
p0q
a1 t ` . . . ` a1

t
..
(24.77)

e .
.
pkq

p0q

a1 tk ` . . . ` an

Cest dire quon prend comme coefficient de et , un vecteur de polynmes de degr k.

Il faut mettre cela dans lquation de dpart pour voir quelles sont les contraintes sur les
pjq
constantes ai introduites.

5. Nous avons un cas particulier du cas prcdent. Si est une valeur propre de multiplicit
m qui na que un seul vecteur propre v, alors il faut chercher des polynmes de degr m 1,
et on peut directement fixer le coefficient de tm1 , ce sera lunique vecteur propre :

fi
pm2q
..
a
. 1 . m2
ffi t
v ` . t
` . . .ffi
.

fl e .
..
pm2q
an
.

(24.78)

Cela conomise quelques calculs par rapport poser brutalement (24.77).

24.5.4

Systme dquations linaires avec matrice constante

Nous considrons lquation diffrentielle

(24.79)

y 1 ptq Ayptq

pour la fonction y : R Rn et A est une matrice ne dpendant pas de t. Nous supposons que A
est diagonalisable pour les vecteurs propres vi et les valeurs propres i correspondantes.
La matrice

Rptq e1 t v1 . . . en t vn
(24.80)

est la matrice rsolvante du systme. Alors la solution du systme (24.79) pour la condition
initiale yp0q y0 est
yptq Rptqy0 .
(24.81)
En effet

fi

ARptq A e1 t v1 . . . A en t vn fl R1 ptq.

Par consquent y 1 ptq R1 ptqy0 ARptqy0 Ayptq.

(24.82)

1289

24.6. RDUCTION DE LORDRE

24.5.5

Systme dquations linaires avec matrice non constante

Thorme 24.10 ([269]).

Soit I un intervalle de R et une fonction M : R LpRn , Rn q. Si les composantes Mij sont des
fonctions continues sur I alors :
(1) pour tout t0 P I et pour tout y0 P Rn le systme
(24.83)

y 1 ptq M ptqyptq

admet une unique solution maximale dfinie sur I telle que ypt0 q y0 ;
(2) lensemble des solutions de lquation (24.83) sur I est un espace vectoriel de dimension n.

24.6

Rduction de lordre

Afin de diminuer lordre dune quation dans laquelle le paramtre napparat pas, il y a deux
changements de variables trs utiles. Le premier, le plus simple, est simplement
de poser zptq
`

1 ptq y 2 ptq. Le second, qui nest pas le mme, est z yptq y 1 ptq, qui entrane
y 1 ptq, ce qui
donne
z
`

y 2 ptq z 1 yptq zptq. Dans ce second cas, il faut galement changer de variable, et utiliser yptq
comme variable au lieu de t.
Si a ne marche pas, il faut suivre la procdure ci-aprs.
Nous supposons avoir une quation diffrentielle dordre p dans laquelle y ppq est isole des autres
drives :
`

y ppq ptq f t, yptq, y 1 ptq, . . . , y pp1q ptq

(24.84)

o f est une fonction f : R Rp R, et la fonction cherche est y : R R.

La mthode propose ici consiste transformer cette quation dordre p en un systme dquations dordre 1. Pour cela nous posons
F:

et une fonction y :

R Rp Rp

px, Xq

X2
..
.

Xp
f px, X1 , . . . , Xp q

(24.85)

R R nous associons la fonction

Y:

R Rp

ypxq
y 1 pxq
..
.

y pp1q pxq

La fonction y rsout lquation (24.84) si et seulement si la fonction Y rsout lquation

`

Y 1 ptq F t, Y ptq .

(24.86)

(24.87)

De plus si lquation (24.84) est donne avec les conditions initiales y pkq ak (k 0, . . . , p 1)
alors lquation (24.87) vient avec les conditions initiales

a0

Y pt0 q ... ,
(24.88)
ap1

cest dire Y pt0 q A0 avec A0 P Rp .

Le thorme de Cauchy-Lipschitz 16.123 nous donne existence et unicit locale de la solution
au systme 24.87. Lorsque le systme est linaire, cest dire sous la forme Y 1 ptq M ptqY ptq,
alors il y a mieux : le thorme 24.10.

1290

CHAPITRE 24. QUATIONS DIFFRENTIELLES

24.7

Proprit des solutions

Dans cette section nous tudions les quations diffrentielles du type

`

" 1
y ptq f t, yptq
ypt0 q y0

24.7.1

(24.89a)
(24.89b)

Fuite des compacts et explosion en temps fini

Thorme 24.11 (Fuite des compacts[270, 271]).

Nous considrons lquation diffrentielle
`

" 1
y ptq f t, yptq
ypt0 q y0

(24.90a)
(24.90b)

o f : I R est continue et ouvert dans R Soit la solution maximale yM : JM

stmin , tmax r . Si tmax suppIq alors yM ptq sort de tout compact de lorsque t tmax .
n

n.

Dmonstration. Soit K un compact de et nous considrons une suite ptm q dans stmin , tmax r telle
que tm tmax . Si nous supposons que yM ptq ne sort pas de K alors nous avons yM ptm q P K, cest
dire une suite dans un compact. Quitte passer une sous-suite, nous supposons quelle est
convergente. Soit x1 P K la limite limm8 yM ptm q x1 .
Vu que tmax P I, la condition initiale yptmax q x1 est valide et le thorme de Cauchy-Lipschitz
16.123 nous donne une unique solution maximale yP dfinie sur un ouvert JP autour de tmax .
Nous allons maintenant construire une solution au problme initial qui contredit la maximalit
de yM . Attention : il nest pas vident a priori que yP ptq yM ptq sur lintersection des domaines.
Si ctait vident, la proposition serait dmontre.
Soit J JM Y JP X stmin , `8r et la fonction
#
yM ptq si t tmax
yptq
(24.91)
yP ptq si t tmax .
La fonction y est continue par construction parce que

(24.92)

lim yM ptq x1 yP ptmax q.

ttmax

Nous vrifions prsent que y est une solution : y1 ptmax q f tmax , yptmax q :

yptmax q yptmax q
yM ptmax q yP ptmax q
lim
(24.93a)
0
0


yM ptmax q yP ptmax q ` yP ptmax q yP ptmax q
lim
0

(24.93b)
yP ptmax q yP ptmax q
lim
(24.93c)
0

yP1 ptmax q.
(24.93d)
lim

Donc y est solution pour la condition initiale yptmax q x1 et concide avec yP en tmax et avec yM
avant tmax . Donc en ralit yP , yM et y sont identiques et cela contredit la maximalit de yM .
Corollaire 24.12 (Explosion en temps fini).
Soit pym , Jq la solution maximale du problme de Cauchy (16.444) :
" 1
y f pt, yq
ypt0 q y0

avec f : U I Rn o I est ouvert dans R et ouvert dans

continue sur U et localement Lipschitz par rapport y.
Si J stmin , tmax r alors nous avons lalternative suivante :

(24.94a)
(24.94b)

Rn . Nous supposons que f est

1291

24.7. PROPRIT DES SOLUTIONS

(1) Soit tmax suppIq,

(2) soit tmax suppIq et limttmax }yptq} 8.

Le rsultat tient aussi mutatis mutandis pour tmin .

Dmonstration. Attention : ceci nest pas une simple paraphrase de la fuite des compacts. Linformation supplmentaire que ce corollaire donne est que la solution sort de tout compact pour ne
plus y retourner.
Lhypothse tmax suppIq signifie que la solution finit dexister avant que les hypothses sur
f cessent dtre vraies. Cest dire que la solution maximale est moindre que ce que nous aurions
pu esprer.
Soit K compact et supposons que que pour tout t0 tmax il existe t P st, tmax r tel que
yM ptq P K. Alors cela cre une suite tk dans J telle que yM ptk q est dans K. Comme dans le
thorme de la fuite des compacts nous concluons limpossibilit de la chose.
Donc pour tout compact K de , il existe T tmax tel que yM ptq P zK pour tout t P rT, tmax r.
En prenant des boules fermes de plus en plus grandes en guise de compacts nous concluons que
lim }yM ptq} 8.

ttmax

(24.95)

Exemple 24.13
Soit lquation diffrentielle
$ 1
& y ypy 1q sinpytq
1
% yp0q .
2

(24.96a)
(24.96b)

La fonction f pt, yq ypy 1q sinpytq ayant une drive borne partout, est localement Lipschitz
et le thorme de Cauchy-Lipschitz 16.123 sapplique. Pour toute condition initiale, une solution
maximale unique existe.
Si nous oublions la condition initiale, il est facile de trouver des solutions constantes : y 1 0
avec yptq k donne lquation
0 kpk 1q sinpktq.
(24.97)
Les solutions y1 ptq 0 et y2 ptq 1 sont des solutions existant pour tout t.
Le graphe de la solution correspondante la condition initiale yp0q 21 ne pouvant pas croiser
les graphes de y1 et y2 , elle est oblige dexister pour tout t parce quelle ne peut pas exploser en
temps fini.
4

24.7.2

Stabilit de Lyapunov

Dfinition 24.14.
`

Dans le cas de lquation diffrentielle y 1 ptq f yptq, t pour y : R Rn , un point a P Rn est un

point dquilibre lorsque la fonction constante yptq a est une solution.
Le point dquilibre a P Rn est stable si pour tout  0, il existe 0 tel que }yp0q a}
implique }yptq a}  pour tout t.
Thorme 24.15 (Thorme de stabilit de Lyapunov[272, 2, 270]).
Soit lquation diffrentielle
" 1
y ptq f pyq
yp0q y0

(24.98a)
(24.98b)

avec une fonction f : Rn Rn de classe C 1 vrifiant f p0q 0 et y0 P Rn . Nous supposons que

lapplication linaire df0 na que des valeurs propres dont la partie relle est strictement ngative.
Alors

1292

CHAPITRE 24. QUATIONS DIFFRENTIELLES

(1) Il existe k 0 tel que si }y0 } k alors la solution maximale est dfinie sur

R,

(2) pour le mme nombre k 0, si }y0 } k alors yptq 0 exponentiellement vite,

t8

(3) la solution y 0 est un point dquilibre attractif.

Dmonstration. Placer ici une phrase intelligente 2 .

Prolgomne Le thorme de Cauchy-Lipschitz 16.123 nous enseigne que lquation diffrentielle considre possde une unique solution maximale (entre autres parce quune fonction
de classe C 1 est localement Lipschitz) et nous nommons J lintervalle sur lequel elle est
dfinie.
Systme linaris Nous posons A df0 . La fonction yL ptq etA y0 est solution du systme
linaris
" 1
y ptq Ayptq
(24.99a)
(24.99b)

yp0q y0 .

Pour valuer la norme de yL nous utilisons le lemme 16.81 : il existe un polynme P tel que
r
`
}yL ptq} P |t|
eRe i t }y0 }.

(24.100)

i1

Mais par hypothse, Repi q 0 et si nous posons maxtRepi qu nous avons 0 et

`
}yL ptq} P |t| et }y0 }.
(24.101)
Donc quel que soit y0 nous avons limt8 }yL ptq} 0 cest dire limt8 yL ptq 0.

Une forme linaire Nous dfinissons la forme bilinaire suivante sur

8
bpx, yq
xetA x, etA yydt.

Rn :

Dabord cela est bien dfini pour tout x, y P Rn parce que

tA
` `
xe x, etA yy }etA x}}etA y} P1 |t| P2 |t| e2t }x}}y},

(24.102)

(24.103)

qui est intgrable entre 0 et 8 cause de la dcroissance exponentielle 3 . Montrons que b

est dfinie positive. Soit donc x 0 et calculons
8
bpx, xq
}etA x}2 dt.
(24.104)
0

Ce qui est dans lintgrale est forcment (pas strictement) positif pour tout t. Mais si x 0
alors }x}2 est strictement positif et sur un voisinage de t 0 nous avons aussi }etA x}2 qui
est strictement positif. Ergo bpx, xq 0 ds que x 0, ce qui signifie que b est strictement
dfinie positive (lemme 6.296).
Nous notons
q : V R la forme quadratique associe b et aussi la norme qui va avec :
a
}x}q qpxq. En ce qui concerne le gradient q : V V , nous avons la formule qpxq y
2bpx, yq[272]. En effet, nous utilisons une des nombreuses formules du lemme 11.132 4 :

d
qpx ` tyq
dt
t0

qpxq ` t2 qpyq ` 2tbpx, yq

dt
t0
2bpx, yq.

qpxq y

2. Parce que sinon lenvironnement description qui suit donne un mauvais effet.
3. Proposition 16.58.
4. Le fait que q soit diffrentiable est simplement le fait que b soit bilinaire.

(24.105a)
(24.105b)
(24.105c)

1293

24.7. PROPRIT DES SOLUTIONS

Nous avons aussi
qpxq Ax 2bpx, Axq
8
xetA x, etA Axy
2
80

xetA x, etA xy ptqdt

0 Bt

tT
.
lim xetA x, etA xy
T 8

t0

(24.106a)
(24.106b)
(24.106c)
(24.106d)

Mais vu que }etA x} 0, pour t 8 il ne reste que terme t 0 de la diffrence, cest

dire
qpxq Ax 2bpx, Axq }x}2 .
(24.107)
tant donn que qpxq est le vecteur dirig vers lextrieur de lellipsode de la courbe de
niveau de q au point x, le vecteur Ax est dirig vers lintrieur.
qpxq
x

Ax
`
1
Majoration de q yptq Nous posons

r:

Rn Rn

(24.108)

x f pxq Ax.

Soit y la solution maximale au problme (24.98) que nous pouvons aussi crire sous la forme
`

y 1 ptq r yptq ` Ayptq.

(24.109)
Calculons un peu . . .
`
1
`
1
q yptq b yptq, yptq

(24.110a)

2bpy, y q
`

2b y, Ay ` 2b y, rpyq
`

}y}2 ` 2b y, rpyq
`

}y}2 ` 2}yptq}q }r yptq }q

(24.110b)

(24.110c)
(24.107) avec x yptq (24.110d)

Cauchy-Schwarz : |bpa, bq| }a}q }b}q .

(24.110e)

Chacun des deux termes peut encore tre major. En ce qui concerne le premier, par quivalence des normes 5 , il existe une constante C telle que }y} C}y}q . En renommant
immdiatement C 2 en C, }y}2 C}y}2q Cqpyq.
Pour le second, nous allons utiliser la diffrentiabilit de r et le thorme des accroissements
finis. Vu que df0 A nous avons dr0 df0 A 0 et de plus r est de classe C 1 parce que
f lest. Toutes les normes tant quivalentes 6 sur Rn nous pouvons exprimer la continuit
de dr pour la norme }.}q : si  0 est fix alors il existe 0 tel que }x} implique
}drx }q . Nous pouvons crire les accroissements finis 7 pour la fonction r :
}rpxq rp0q}q sup }dfa }}x}q .
aPr0,xs

5. Dfinition 6.137 et thorme 6.139.

6. Thorme 6.139.
7. Thorme 6.231.

(24.111)

1294

CHAPITRE 24. QUATIONS DIFFRENTIELLES

La chose facile remarquer est que rp0q f p0q 0. En ce qui concerne les choses difficiles,
vu que dr est continue (parce que r est C 1 ) il existe un 0 tel que }dra }q  ds que
a P Bq p0, q. Si nous prenons }x}q alors cette majoration est valable pour tous les
lments sur lequel est pris le supremum dans la formule (24.111). Donc
(24.112)

}rpxq}q }x}q

tant que }x}q . Par consquent, tant que }yptq}q nous avons }r yptq } }yptq}q .
Nous continuons le calcul (24.110) :
`
1
q yptq Cqpyq ` 2}yptq}2q
(24.113a)
pC 2qqpyq.

Si  est petit on a C 2 0 et on pose C 2 pour crire

`
1
`

q yptq q yptq

tant que }yptq}q .

`

Si qpy0 q alors q yptq Nous posons 8

t1 mintt 0 tel que q yptq u

`

t2 maxtt 0 tel que q yptq u.

(24.113b)

(24.114)

(24.115a)
(24.115b)

Lingalit (24.114) est valable pour t 0, t t1 et t t2 ; nous lcrivons pour t1 :

`
1
`

q yptq tt1 q ypt1 q 0

(24.116)
`

`
1
Nous avons donc q ypt1 q et q yptq tt1 0. Par consquent pour tout t proche de t1
`

avec 0 t t1 il y a q yptq .
Pour
la
`
mme raison, prise en t 0`nous avons pour tout t proche de 0 avec t 0 que
q yptq . Par continuit de t q yptq cette fonction doit passer par la valeur dans
st2 , 0r et s0, t1 r, ce qui contredit la maximalit de t2 et la minimalit de t1 .
`

Ci-dessous, une partie de ce quoi ressemble le graphe de t q yptq :

t2

t1

Deux conclusions
`
:
Vu que q yptq est born pour tout t P R, nous sommes dans le cas (1) de lalternative
du thorme dexplosion en temps fini 24.12. Donc la solution yptq existe sur tout R
pourvu que }y0 } soit assez petit. Plus prcisment par quivalence des normes, il existe
un nombre D 0 tel que }x} D}x}q pour tout x. Si }y0 } D alors
D}y0 }q }y0 } D,

(24.117)

qui donne immdiatement }y0 }q , ce qui faut pour faire fonctionner lexistence de
yptq pour tout t.
`

8. t1 est bien dfinit et est bien un minimum. Jen veux

pour
preuve que si q ypts q , on peut prendre le
`

minimum seulement sur les t P r0, ts s ; or par continuit q yptq dfinit un ferm. Bref t1 est un infimum sur un
compact (ferm born) et donc bien un minimum atteint.

1295

24.7. PROPRIT DES SOLUTIONS

Nous pouvons maintenant dutiliser `lingalit

(24.114) pour tout t P R sous la seule

hypothse que qpy0 q au lieu de q yptq .

La partie (1) de ce thorme est prouve ; nous passons au reste la partie (2). Pour cela
nous supposons que qpy0 q .

propos de et qpyq En sous-entendant la dpendance en t dans y nous avons

et qpyq

et qpyq ` et qpyq1 et qpyq ` qpyq1 ,

(24.118)

mais nous avons dj prouv que qpyq1 qpyq (quation (24.114)), donc

1
et qpyq 0

(24.119)

Dcroissance exponentielle Si t 0, lingalit (24.119) donne

`

et q yptq qpy0 q,

cest dire

(24.120)

q yptq et qpy0 q

(24.121)

D1 }x}q }x} D2 }x}q

(24.122)

lorsque t 0. Par quivalence des normes, nous avons des nombres D1 et D2 tels que

pour tout x P Rn . Nous avons donc pour tout t 0 que

}yptq} D2 }yptq}q D2 }y0 }q et .

(24.123)

Pour rappel, 0, ce qui prouve la partie (2) du thorme.

Point dquilibre Le point y 0 est point dquilibre (dfinition 24.14) parce que f p0q 0,
donc yptq 0 fonctionne. Dans ce cas, y0 0.

Stabilit La stabilit est le fait que }yptq}q ds que }y0 }q .

24.7.3

Systme proie et prdateurs : Lokta-Voltera

Le systme de Lokta-Voltera est lquation diffrentielle suivante :

" 1
x ax bxy
1

y cy ` dxy

(24.124a)
(24.124b)

o a, b, c, d sont des constantes positives et avec la condition xpt0 q 0, ypt0 q 0.

En ce qui concerne linterprtation des quations[273],
(1) xptq est le nombres proies
(2) yptq est le nombres prdateurs
(3) Les proies ont une reproduction rapide qui mne une croissance exponentielle en absence
de prdation (do le terme ax).
(4) Au contraire, les prdateurs meurent (ou migrent) rapidement lorsquils nont pas de proies
et nous supposons une dcroissance exponentielle du nombre de prdateurs en labsence de
proies. Do le terme cy avec le signe ngatif.

(5) Les termes bxy et dxy sont les termes dinteraction entre le proies et les prdateurs. Ils
sont proportionnels la frquence de leurs rencontres, lesquelles sont avantageuses pour les
prdateurs et problmatiques pour les proies.

1296

CHAPITRE 24. QUATIONS DIFFRENTIELLES

Thorme 24.16 (Lokta-Voltera[2]).

Soient des constantes positives a, b, c, d et le systme quations diffrentielles
$ 1

& x ax bxy
y 1 cy ` dxy

%
xpt0 q 0, ypt0 q 0.

(24.125a)
(24.125b)
(24.125c)

Alors

(1) Les solutions sont positives sur leur domaines.

(2) Les solutions existent sur

R.

(3) Les solutions sont priodiques.

Dmonstration. Nous divisions la preuve.
Comment thorme de Cauchy-Lipschitz sapplique Tel quel, le thorme de CauchyLipschitz 16.123 ne sapplique pas parce quil demande une condition initiale pour avoir
unicit. En ce qui concerne les notations, ce qui est not y dans le thorme est ici le
couple x, y et la fonction f est alors

`
x
ax bxy
.
(24.126)
f t,

y
cy ` dxy

Cest une fonction continue localement Lipschitz partout par le lemme 11.194 et la proposition 11.193.
Nous savons cependant que les solutions sont de classe C 1 et que moyennant la donne
dune condition initiale, la solution est unique.

Les solutions restent positives Supposons xpsq 0 pour un certain s t0 . Alors le solution
"

xptq 0

(24.127a)

yptq exppctq

(24.127b)

est une solution pour rt0 , s ` s. Par unicit de la solution avec condition initiale spsq 0,
nous avons aussi xpt0 q 0 pour toutes les solutions, ce qui contredit notre condition.
De la mme faon, avoir ypsq 0 donne une solution avec yptq 0 pour tout t et donc une
contradiction.
Solutions sur R Nous montrons maintenant que les solutions sont dfinies sur
Nous avons x1 ax, donc pour tout t o la solution est dfinie,
0 xptq xpt0 qeaptt0 q ,

R.
(24.128)

cest dire que la solution ne peut pas exploser en temps fini 9 : elle est borne par le haut
et le bas. Elle doit donc exister pour tout t P R. Par ailleurs, y 1 dxy donc
0 yptq ypt0 qe

t0

xpsqds

(24.129)

qui est galement contraire lexplosion en temps fini.

4 zones : monotonie Nous divisons R2 en quatre zones daprs les signes de a by et c dx.
Nous montrons que dans chacune de ces zones, les solutions sont monotones. Prenons par
exemple la partie
tpx, yq P R2 tel que a by 0u tc dx 0u.
(24.130)
`

Vu lquation x1 xpa byq, tant que xptq, yptq est dans cette zone, la fonction x1 a le
signe de x et est donc positive. Donc x est croissante dans cette zone.
De la mme faon, y 1 ypc dxq est y 1 a un signe constant dans la zone.
9. Voir le corollaire 24.12.

1297

24.7. PROPRIT DES SOLUTIONS

4 zones : on bouge Nous prouvons prsent quune solution ne reste pas dans une zone.
`

(1) Supposons que xpt0 q, ypt0 q soit dans la zone

ta by 0u
x 0
1

tc dx 0u

y 0
1

(24.131a)

(24.131b)

et que la solution reste dans cette zone (pour les t t0 ). Nous avons en particulier
x1 0, donc x est croissante tout en ayant la borne suprieure x c{d. Par consquent
x a une limite que nous appelons x1 P r0, dc s.
De la mme faon, ; y est dcroissante et borne vers le bas par zro. Donc y a une limite
que nous notons y1 P r0, ypt0 qs.
Vu que x est borne et de classe C 1 nous avons forcment limt8 x1 ptq 0. Mais vu
que x1 ax bxy nous devons avoir
ax1 bx1 y1 0.

(24.132)

Mais ni x1 0 donc a by1 0, ce qui donne y1 ab et aussi x1 dc . Bref, y est

dcroissante et tend vers a{b ; donc ypt0 q a{b, ce qui contredit que ypt0 q soit dans la
zone considre.
tant donn que x1 0 et y 1 0, la solution sort de la zone pour entrer dans la zone
...
`

(2) Supposons que xpt0 q, ypt0 q soit dans la zone

ta by 0u
x 0
1

tc dx 0u

y 0
1

(24.133a)

(24.133b)

et que la solution reste dans cette zone (pour les t t0 ). Les fonctions x et y sont
convergentes. Par consquent lnpyq converge aussi et vu que x est croissante,
y1
c ` dx x ` dxpt0 q 0
y

(24.134)

Cela signifie que lnpyq1 est toujours positive et borne par le bas. Cela est impossible si
y est born.
Donc on sort de la zone pour entrer dans . . .
`

(3) Supposons que xpt0 q, ypt0 q soit dans la zone

ta by 0u
x 0
1

tc dx 0u

(24.135b)

tc dx 0u

(24.136a)

et que la solution reste dans cette zone (pour les t t0 ).

Le mme type de raisonnement fait passer la zone. . .
`

(4) Supposons que xpt0 q, ypt0 q soit dans la zone

ta by 0u
x 0
1

(24.135a)

y 0
1

y 0
1

(24.136b)

et que la solution reste dans cette zone (pour les t t0 ). Encore une fois, cela nous fait
sortir de la zone et retourne vers la premire zone.
ce moment nous voyons dj que la relation entre proie et prdateurs, cest un peu le
mythe de Sisyphe

1298

CHAPITRE 24. QUATIONS DIFFRENTIELLES

Une intgrale premire Posons la fonction

Hpx, yq by ` dx a lnpyq c lnpxq.
(24.137)
`

Une simple drivation montre que x H xptq, yptq est constante. Nous considrons la
fonction
f: RR
`c
(24.138)
s H , s
d
a
1
dont la drive nest autre que f psq b s . La fonction f est donc dcroissante sur
lintervalle r ab , 8r et donc injective. Sur les changements de zones, il existe un t0 tel que
d
(24.139a)
c
ypt0 q 0.
(24.139b)
`

Pour cette valeur t0 nous avons alors H xpt0 q, ypt0 q f ypt0 q . En posant s0 ypt0 q 0
nous avons
Hpx0 , y0 q f ps0 q
(24.140)
xpt0 q

et f tant injective, ce s0 est la seule valeur de s vrifier Hpx0 , y0 q f psq.

Conclusion La fonction x passant dune zone lautre, il existe un t1 t0 tel que xpt1 q a{b.
Nous avons videmment
`

H xpt1 q, ypt1 q Hpx0 , y0 q

(24.141)
parce que H est constante le long du mouvement. Cela se traduit par
`a

H , ypt1 q f ps0 q,
b

et donc ypt1 q f ps0 q ypt0 q. Avec tout cela nous avons

#
ypt1 q ypt0 q
a
xpt1 q xpt2 q .
b

(24.142)

(24.143a)
(24.143b)

Cela est donc un point par lequel la solution repasse. Par unicit de la solution, elle est
donc priodique.

24.8

quation du second ordre

24.8.1

Wronskien

Nous considrons ici une quation diffrentielle de la forme

y 2 ptq ` qptqyptq 0

(24.144)

Dans ce point nous allons considrer la fonction q sans hypothse de priodicit. Lquation de Hill
(sous-section 24.8.4) sera la mme quation, mais en supposant que q est priodique.
Nous commenons par argumenter que si q est continue, alors lensemble des solutions de
lquation (24.144) est un espace vectoriel de dimension deux. Pour cela il suffit dappliquer la
mthode de rduction de lordre (section 24.6) puis le thorme de dimension pour les systmes
linaires (thorme
24.10). En effet si la fonction y1 est solution de (24.144) si et seulement si le
y1
vecteur Y
est solution du systme linaire
y2

0
1
Y 1 ptq
Y ptq.
(24.145)
qptq 0

1299

24.8. QUATION DU SECOND ORDRE

Soient deux solutions y1 et y2 de lquation diffrentielle. Le Wronskien de ces deux solutions

est le dterminant


y y 
 1
2
(24.146)
W ptq  1
.
y1 y21 
Si nous considrons lquation diffrentielle
y 2 ` py 1 ` qy 0,

(24.147)

le Wronskien peut tre dtermin sans savoir explicitement y1 et y2 parce que W y1 y21 y11 y2 ,
et en drivant,
W 1 y1 y22 ` y11 y21 y12 y2 y11 y21

y1 ppy21


y

p  11
y1

cest dire

qy2 q


y2 
,
y21 

ppy11

qy1 qy2

W 1 pW.

(24.148a)
(24.148b)
(24.148c)

(24.149)

Il suffit donc de savoir une condition initiale pour obtenir une quation diffrentielle pour W .

24.8.2

Avec second membre

Une quation diffrentielle du second ordre avec un second membre se prsente sous la forme
ay 2 ptq ` by 1 ptq ` cyptq vptq

(24.150)

o vptq est une fonction donne. Le truc est de commencer par rsoudre lquation diffrentielle
sans second membre, cest dire trouver la fonction yH ptq telle que
2
1
ayH
ptq ` byH
ptq ` cyH ptq 0.

(24.151)

Cela se fait en utilisant la mthode du polynme caractristique.

Ensuite, il faut trouver une solution particulire yP ptq de lquation avec le second membre.
Une seule. Pour y parvenir, il faut du doigt et un peu de technique. Il faut faire des essais en
fonction de ce quoi ressemble le vptq :
(1) Si vptq est un polynme, alors il faut essayer un polynme,
(2) Si vptq cosptq ou bien vptq sinptq, alors essayer yP ptq A cosptq ` B sinptq,

(3) Si vptq et , alors essayer yP ptq Aet .

24.8.3

quation y 2 ` qptqy 0

Nous allons donner quelque proprit des solutions de lquation

y 2 ` qy 0

(24.152)

en fonction de telle ou telle hypothse sur q.

Proposition 24.17.
Si q : R` R est continue et si

8
0

converge, alors

|qptq|dt

(1) toute solution borne de y 2 ` qy 0 vrifie limt8 y 1 ptq 0,

(2) lquation y 2 ` qy 0 admet des solutions non bornes.

(24.153)

1300

CHAPITRE 24. QUATIONS DIFFRENTIELLES

Dmonstration. Soit y une solution borne, et intgrons lquation diffrentielle entre 0 et 8 :

8
8
2
qptqyptqdt.
(24.154)
y ptqdt
0

La fonction y tant borne, lhypothse sur q permet de dire que lintgrale de droite existe. Par
ailleurs,
a
8
2
y 2 lim y 1 paq y 1 p0q.
(24.155)
y lim
a8

a8 0

Cela justifie que la limite limt8 y 1 ptq existe. Posons limt8 y 1 ptq et supposons par labsurde
que 0. Soit  0 et assez grand pour que
(24.156)

}y 1 }r,8r .
Soit aussi x . Nous avons

(24.157a)

y 1 ptqdt
ypxq ypq `
x
ypq p q

(24.157b)

(24.157c)

ypq ` x .

En prenant la limite des deux cts on voit que ypxq 8 ds que 0, ce qui est contraire aux
hypothses. Donc 0.
Pour la seconde partie de la proposition, nous devons prouver que lquation y 2 ` qy 0
possde des solutions non bornes. Si lquation a seulement des solutions bornes et si tu, vu est
une base de solutions, alors nous avons u1 , v 1 0. Si nous reprenons lquation (24.149) avec p 0
nous savons que dans notre cas le Wronskien satisfait W 1 0, cest dire quil est constant.
Mais vu que u et v sont bornes et que les drives tendent vers zro, nous avons W ptq 0 et
donc W ptq 0.
Or lannulation identique du Wronskien contredit que tu, vu serait une base de solutions. Donc
il existe des solutions non bornes.
Proposition 24.18.
Soit lquation diffrentielle y 2 `qy 0. Si q est C 1 , strictement positive et croissante, alors toutes
les solutions sont bornes.
Dmonstration. Soit y une solution et multiplions lquation par 2y 1 (qui est non nulle par hypothse) :
2y 1 y 2 ` 2qy 1 y 0.
(24.158)

Nous allons intgrer cela en nous souvenant que 2y 1 y 2 est la drive de py 1 q2 . Pour tout t 0 nous
avons
t
1
2
1
2
0 y ptq y p0q ` 2 qptqy 1 ptqyptqdt
(24.159a)
0
looooooooomooooooooon
par partie

t
1
2
1
2
2 t
1 2
y ptq y p0q ` 2 rqy s0 q y

(24.159b)

(24.159c)

Le terme qui nous intresse est celui qui contient yptq :

2

2qptqyptq y ptq ` y p0q ` 2qp0qyp0q ` 2

1

t
0

q1y2

(24.160)

1301

24.8. QUATION DU SECOND ORDRE

Nous pouvons majorer y 1 ptq2 par zro et remplacer toutes les constantes par K :
qptqyptq2

t
0

q1y2 ` K

t
0

q1 2
qy .
q

(24.161)

Cest le moment dutiliser le lemme de Grnwall 24.4 avec qy 2 et q 1 {q. Les hypothses de
croissance et de positivit ont t poses exprs. Bref, on a
t 1

q psq
2
qy K exp
ds
(24.162a)
0 qpsq

qptq
(24.162b)
K exp ln
qp0q
qptq
K
.
(24.162c)
qp0q
Notons que qp0q est strictement positif. Nous dduisons que
y2

K
qp0q

(24.163)

et donc y est borne.

24.8.4

quation de Hill

Lquation de Hill est une quation diffrentielle de la forme

y 2 ` qy 0

(24.164)

o
(1) q P C 1 pR, Rq,

(2) q est paire et -priodique

Nous nous intressons aux solutions complexes de cette quation diffrentielle.

Nous nommons W C 2 pR, Cq lespace des solutions complexes de lquation (24.164). Nous
savons par ce qui a t dit en 24.8.3 que cet espace est de dimension deux. De plus avec le hypothses
faites ici sur q, nous savons que les solutions sont de classe C 3 parce que si y est une solution,
alors lquation y 2 qy nous indique que y est C 1 parce que y 2 existe (y 1 est drivable et donc
continue). Mais si y est de classe C 1 , alors le membre de droite qy est C 1 et donc y 2 est C 1 , ce
qui prouve que y est de classe C 3 . La rcurrence ne va pas plus loin parce que q est seulement de
classe C 1 .
Nous considrons lapplication de translation
T : C 2 pR, Cq C 2 pR, Cq
pT yqpxq ypx ` q.

(24.165)

En utilisant la rgle de drivation de fonctions composes, pT yq1 T y 1 et pT yq2 T y 2 , de telle

sorte que si u est solution de lquation (24.164), alors T u est galement solution. Donc W est un
espace stable par T .
Le thorme 24.10 nous permet de choisir une base de W en imposant des conditions. Nous
choisissons une base ty1 , y2 u telles que
y1 p0q 1 y2 p0q 0

y11 p0q 0 y21 p0q 1.

(24.166)

Le thorme 24.10 nous assure que deux telles solutions existent et quelles forment une base de
W parce que W est de dimension 2.

1302

CHAPITRE 24. QUATIONS DIFFRENTIELLES

Lemme 24.19 ([269]).

Avec ce choix de base ty1 , y2 u la matrice de T est donne par
T

y1 pq y2 pq
.
y11 pq y21 pq

(24.167)

De plus la fonction y1 est paire et la fonction y2 est impaire.

0
1
y2 . Si
y1 et
Dmonstration. Cherchons la matrice de T dans cette base en associant
1
0

a b
, alors
T
c d

a
1
a b
ay1 ` cy2 .
(24.168)

T y1
c
0
c d
En valuant cela en t 0,

pT y1 qp0q ay1 p0q ` cy2 p0q a,

(24.169)

donc a pT y1 qp0q y1 pq. En drivant (24.168), en tenant compte du fait que pT y1 q1 T y11 et
en valuant en t 0, nous trouvons de mme c y11 pq. Puis le mme cinma avec y2 donne
T

y1 pq y2 pq
.
y11 pq y21 pq

(24.170)

Passons maintenant la parit de y1 et y2 . Nous posons ptq y1 ptq. Alors 1 ptq y11 ptq
et 2 ptq y12 ptq, tant et si bien que
2 ptq ` qptqptq y12 ptq ` qptqy1 ptq 0.
donc est une solution de lquation. Mais
"
p0q y1 p0q
1

p0q

y11 p0q

(24.171)

(24.172a)
0,

(24.172b)

donc a les mmes conditions initiales que y1 . Par consquent y1 (par le lunicit donne
dans le thorme de Cauchy-Lipschitz 16.123) et y1 est paire. Nous procdons de mme en partant
de ptq y2 ptq pour trouver que y2 et que donc que y2 est impaire.
Remmorons nous toutefois, pour calmer toute enthousiasme excessif, que T dpend de deux
solutions et donc de la fonction q donne dans lquation.
Proposition 24.20 ([1]).
Nous considrons lquation y 2 ` qy 0 et sa base de solutions ty1 , y2 u en suivant les notations
donnes plus haut.
(1) Si | TrpT q| 2, alors toutes les solutions de lquation sont bornes.

(2) Si | TrpT q| 2 alors nous avons une solution non borne.

(3) Si | TrpT q| 2 alors toutes les solutions de lquation sont non bornes.
(4) Le cas | TrpT q| 2 se prsente si et seulement si y11 pqy2 pq 0.

Dmonstration. Remarquons que le dterminant de la matrice T est gal au Wronskien des solutions y1 et y2 calcul en t . Calculons sa valeur :

y y2
W py1 , y2 q det 11
y1 y21 y11 y21 .
(24.173)
y1 y21

1303

24.8. QUATION DU SECOND ORDRE

En drivant et en remplaant yi2 par qyi , nous trouvons tout de suite W py1 , y2 q1 0. Donc le
Wronskien est constant et il est facile de le calculer en t 0 :
W py1 , y2 qp0q 1 0 1.

(24.174)

Donc pour tout t nous avons W py1 , y2 qptq 1. En particulier

detpT q W py1 , y2 qpq 1,

(24.175)

et notons au passage que T est inversible.

Nous crivons le polynme caractristique de T sous la forme T X 2 TrpT qX ` detpT q,
cest dire
T X 2 TrpT qX ` 1,
(24.176)

dont le discriminant est TrpAq2 4.

Nous passons prsent aux diffrents points de la proposition.

(1) Si | TrpT q| 2, alors 0 et T a deux racines complexes conjugues que nous notons
et . De plus le produit des racines tant le terme indpendant,
1 ; en particulier
|| |
| 1. Notons tu, vu une base de vecteurs propres : T u u et T v v. Il est vite
vu que la fonction |u| est -priodique :
|u|pt ` q |upt ` q| |pT uqptq| |puqptq| |||u|ptq |u|ptq.

(24.177)

La fonction |u| est continue 10 et priodique ergo borne. La fonction |v| est borne pour la
mme raison et par linarit, toutes les fonctions de W sont bornes.
(2) Si TrpT q 2, alors 0 et T a une racine relle double 11 qui doit tre 1. Soit u un
vecteur propre de T pour la valeur propre 1. Nous avons
|u|pt ` q |T uptq| | uptq|,

(24.178)

ce qui prouve encore que |u| est priodique et donc borne.

Notons que nous navons pas dinformations sur le fait quune autre solution soit ou non
borne.
(3) Si | TrpT q| 2, alors T a deux racines relles distinctes r et r1 avec rr1 1 (toujours les
relations coefficients-racines). En raison de quoi r1 r1 et quitte changer r et r1 nous
supposons |r| 1. Loprateur est maintenant diagonalisable et nous considrons tu, vu
une base de vecteurs propres pour les valeurs propres r et r1 . Une solution non nulle de
lquation scrit donc sous la forme
y u ` v

(24.179)

avec p, q p0, 0q.

Si 0, alors 0 et nous choisissons une valeur t telle que vptq 0. Dans ce cas,
ypt ` nq vpt ` nq pT n vqptq pr1 qn vptq,

(24.180)

et en faisant n 8 nous obtenons 8 suivant le signe de .

Si 0, alors nous fixons 12 t tel que uptq 0. Alors
ypt ` nq rn uptq ` pr1 qn ptq.

(24.181)

En faisant n 8, nous avons pr1 qn 0 tandis que le premier terme tend vers 8
suivant le signe de .
10. La fonction u elle-mme nest cependant pas garantie dtre priodique.
11. Ce qui nimplique pas le fait davoir deux vecteurs propres pour cette valeur propre, mais tout de mme au
moins un, voir lexemple 6.269.
12. Mais pas trop hein ; nous aurons encore besoin dassigner t dautres valeurs dans dautres thormes.

1304

CHAPITRE 24. QUATIONS DIFFRENTIELLES

(4) Dabord le thorme de Cayley-Hamilton 6.262 nous indique que T pT q 0, cest dire
que
T 2 TrpT qT ` 1 0.
(24.182)
Nous avons dj mentionn le fait que T tait inversible. Multiplions donc (24.182) par
T 1 :
T ` T 1 TrpT q12 .
(24.183)

Vu que T 1 est lendomorphisme T 1 uptq upt q, sa matrice est donne par

y1 pq y2 pq
y1 pq y2 pq
1

T
y11 pq y21 pq
y11 pq y21 pq

(24.184)

o nous
paire et y2 impaire (lemme 24.19). Si nous notons
utilis le faitque y1 tait
avons
a b
a b
et
, alors T 1
T
c d
c d
T `T

2a 0
.
0 2b

Lquation (24.183) donne alors, vu que TrpT q a ` d,

2a 0
a`d
0

,
0 2b
0
a`d
ce qui donne immdiatement a d. La matrice de T a donc comme forme T

(24.185)

(24.186)

a b
c a

et

TrpT q 2a.
Donc TrpT q 2 si et seulement si a 1 et vu que 1 detpT q a2 bc, nous avons
a 1 si et seulement si bc 0, ce qui signifie exactement y11 pqy2 pq 0.

24.9

Diffrents types dquations diffrentielles

24.9.1

quation homogne

Une quation diffrentielle homogne est une quation de la forme

o f pt, yq f pt, yq pour tout 0.

Elle se prsente sous la forme
y1

y 1 f pt, yq

(24.187)

degr n en t, y
,
degr n en t, y

(24.188)

avec pas de y 1 droite : juste du y et du t.

Lemme 24.21.
Lquation y 1 f pt, yq est homogne si et seulement si f pt, yq est une fonction de y{t seulement.
Pour rsoudre lquation homogne, on pose

zptq
donc tz y, et
remettre dans lquation de dpart.

yptq
,
t

y 1 ptq tv 1 ptq ` vptq,

(24.189)
(24.190)

24.9. DIFFRENTS TYPES DQUATIONS DIFFRENTIELLES

24.9.2

1305

quation de Bernoulli

Cest une quation du type

y 1 aptqy ` bptqy

(24.191)

y 1 aptqy 2 ` bptqy ` cptq.

(24.193)

o 0 ou 1. Pour la rsoudre, on divise lquation par y , et on pose u y 1 , et on tombe sur

une quation linaire
`

u1 p1 q aptqu ` bptq .
(24.192)

24.9.3

quation de Riccati

Cest une quation de la forme

En gnral, on ne peut pas la rsoudre, mais si on en connat a priori des solutions particulires,
alors on peut sen sortir.
(1) Si on sait que y1 ptq est une solution, alors on pose
yptq y1 ptq `

1
,
uptq

(24.194)

et on obtient une quation linaire

`

u1 2y1 ptqaptq ` bptq u aptq.

(24.195)

(2) Si y1 et y2 sont solutions, alors nous avons y sous forme implicite

y y1
Ke aptq
y y2

y1 ptqy2 ptq dt

(24.196)

Pour rsoudre une quation de Ricatti, il faut donc dabord deviner une ou deux solutions.

24.9.4
24.9.4.1

quation diffrentielle exacte

Rsolution lorsque tout va bien

Avant de vous lancer dans les quations diffrentielles exacte, vous devez lire la section sur les
formes diffrentielles 13.9. Une quation diffrentielle exacte est de la forme P pt, yq ` Qpt, yqy 1 0
que nous allons crire sous la forme
P pt, yqdt ` Qpt, yqdy 0.

(24.197)

Nous savons que si By P Bt Q, alors il existe une fonction f pt, yq telle que P dt ` Qdy df . Pour
trouver une telle fonction, nous pouvons simplement intgrer la forme P dt ` Qdy. En effet, si
: r0, 1s R2 est un chemin tel que p0q p0, 0q et p1q pt, yq, alors en dfinissant
f pt, yq

rP dt ` Qdts

1
0

pP qpuqdt ` pQ qpuq 1 puq du,

(24.198)

nous avons df P dt ` Qdy. Nimporte quel chemin fait laffaire. Calculons avec puq ptu, yuq.
La drive de ce chemin est donne par


1
0
1 puq t
`y
.
(24.199)
0
1

1306

CHAPITRE 24. QUATIONS DIFFRENTIELLES

a
a
b, nous avons
a et dy
tant donn que dt
b
b


1
`

0
1
du
`y
f pt, yq rP dt ` Qdys puq t
1
0
0
1
1
`

Q ptq ydu
P ptq tdu `

0
0
1

tP ptu, uyq ` yQptu, yuq du.

(24.200)

Nous retrouvons exactement la formule (13.558). Si a ttonne, cest que tu nas pas compris ;)
Dans le cas o nous avons la fonction f qui vrifie P Bt f et Q By f , lquation (24.197) devient
Bf
Bf dy
`
0,
Bt
By dt

cest dire

d `
f t, yptq 0,
dt

dont la solution

f t, yptq C

(24.201)

(24.202)
(24.203)

donne la solution yptq sous forme implicite.

24.9.4.2

Facteur intgrant (quand tout ne va pas bien)

Si la forme P dt ` Qdy nest pas exacte, il nexiste pas de fonction f qui rsolve laffaire. Nous
pouvons toutefois essayer de trouver un facteur intgrant. Nous cherchons une fonction M telle
que
pM P qdt ` pM Qqdy
(24.204)
soit exacte. Nous cherchons donc M pt, yq telle que By pM P q Bt pM Qq. En utilisant la rgle de
Leibnitz, nous trouvons lquation suivante pour M :
M pBy P Bt Qq QpBt M q P pBy M q.

(24.205)

Cette quation est en gnrale extrmement difficile rsoudre, mais dans certains cas particuliers,
il est possible den trouver une solution ttons.

24.10
si

Distributions pour les quations diffrentielles

Nous commenons par dfinir lespace C 8

R, S 1 pRd q en disant que t ut est dans cet espace

(1) pour tout t P R nous avons ut P S 1 pRd q,

(2) lapplication t ut est de classe C 8 .

Pour dfinir ce que nous entendons par une fonction de classe C k valeurs dans S 1 pRd q nous nous
souvenons de la proposition 22.27.

24.10.1

quation de Schrdinger

Thorme 24.22 (quation de Schrdinger[1]).

Soit g P S 1 pRd q et le problme
"
Bt u
i
u0
o u
P C8

u0 g

R, D 1 pRd q est li u par la remarque 22.49. Alors

(24.206a)
(24.206b)

24.10. DISTRIBUTIONS POUR LES QUATIONS DIFFRENTIELLES

`

1307

R, S 1 pRd q .
(2) Cette solution u vrifie de plus u
P S 1 pR Rd q.

(1) Il existe une unique solution dans C 8

Dmonstration. Nous allons donner explicitement une fonction u P C 8 R, S 1 pRd q et nous allons
vrifier lquation (24.206a) en testant sur une fonction P S 1 pR Rd q. Cela prouvera le point
(2) ainsi que la partie existence de (1). Dans ce qui suit toutes les transformes de Fourier seront
par rapport la variable x P Rd ou par rapport . Jamais par rapport t P R.
Existence Pour t P R nous posons 13

ut F 1 pft gq

(24.207)

o ft P S pRd q est la fonction ft pxq eit}x} . Pour toute fonction P S pRd q nous avons
2

`
`

ut pq pf gq F 1 pq g f F 1 pq g F f F 1 pq .

(24.208)

Le fait que F 1 pq soit une fonction Schwartz fait partie de la proposition 21.12. Pour
chaque t nous avons bien ut P S 1 pq.
2
De plus la fonction hpt, xq eit}x} pF 1 qpxq est dans C 8 pR Rd q, et par consquent
lapplication
`

t g hpt, .q
(24.209)
`

est galement C 8 par la proposition 22.29. Ceci pour dire que u P C 8 R, S 1 pRd q . Il faut
encore vrifier que cette fonction est bien une solution de notre problme. Nous testons
cette quation sur P S pR Rd q. Pour allger les notations nous posons t : x pt, xq
et par consquent aussi pBt t qpxq pBt qpt, xq. Nous avons :
pBt u
i
uqpq

upBt q i
upq

ut pBt t q ` ipt q dt
R

(24.210a)
(24.210b)
(24.210c)

Ici nous nous souvenons du lemme 21.23 qui nous dit que nous pouvons permuter F 1 et
Bt . Et pour lautre terme il faut utiliser le lemme 21.11 avec || 2 et une somme pour
obtenir que
y
pxq
}x}2 pxq,

(24.211)
qui dans notre cas scrit sous la forme

F 1 pt q pxq }x}2 F 1 pt, xq.

En remettant bout bout,

pft gq pBt i}.}2 qF 1 t dt

R

g x eit}x} pBt i}x}2 qpF 1 qpt, xq dt

R

Pour allger les notations nous notons t pxq pF 1 qpt, xq. Nous avons

(24.212)

(24.213a)
(24.213b)

2
2
2
2`
Bt eit}x} t pxq i}x}2 eit}x} t pxq ` eit}x} pBt t q, xq eit}x} Bt i}x}2 t pxq;
(24.214)

13. En utilisant la dfinition (22.27) du produit dune distribution par une fonction.

1308

CHAPITRE 24. QUATIONS DIFFRENTIELLES

cela nous permet dun peu factoriser une drive dans :

2
g Bt eit}.} t p.q dt

2
Bt g eit}.} t p.q dt

lim

N 8

tN
2
g ei}.} t p.q
.
tN

(24.215a)
(24.215b)
(24.215c)

2
Histoire de bien comprendre les notations, il ne sagit pas de calculer g eit}.} t pour un
`

2
t gnral et de remplacer ensuite t par N et N . En effet la valeur de g eit}.} t pour
un t donn est celle quon obtient en calculant gp. . .q aprs avoir remplac t par ce que lon
2
veut. Par consquent, en posant pt, q ei}} t pq nous avons :
tN

ix
e
pt, qd
lim g x
N 8
R

tN

ix
ix
lim g x
e
pN, qd lim g x
e
pN, qd
N 8

N 8

(24.216a)
(24.216b)

La limite commute avec g parce que cette dernire est une distribution (continue). De plus
la limite commute avec lintgrale parce que ce qui est dedans est Schwartz. La fonction
tant Schwartz, la limite est nulle. Donc
0

(24.217)

et la fonction u propose est bien une solution de lquation de Schrdinger dans C 8 pR, S 1 pRd qq.
`

Unicit Nous considrons deux solutions u1 , u2 P C 8 R, S 1 pRd q et la fonction u u1 u2

doit satisfaire au problme
"
pBt u
i
uqpq 0
(24.218a)
u0 0.

(24.218b)

Nous allons montrer que seule la fonction ut 0 peut satisfaire cela pour tout P
S pR Rd q. Nous allons mme montrer quen imposant ces quations seulement sur la
partie de S pR Rd q qui est support compact par rapport R, la seule solution est
ut 0. Soit donc P S pR Rd q support compact vis--vis de sa variable t. Alors

0
upBt ` iq
ut pBt t q ` ipt q dt
(24.219)
R

o encore une fois Bt t est la fonction x pBt qpt, xq. Maintenant nous utilisons la proposition 22.52 pour dire que

B
d
p1q
ut pt q ut pt q ` ut
pt, .q
(24.220)
dt
Bt

pour crire

d`
p1q
ut pt q ut pt q ` ut ipqpt, .q dt
R dt
Le premier terme est facile :

tN
d
ut pt q dt lim ut pt q
0
N 8
tN
R dt
0

parce que est support compact par rapport t. Nous restons donc avec

p1q
ut pt q iut pqpt, .q dt 0
R

(24.221)

(24.222)

(24.223)

24.10. DISTRIBUTIONS POUR LES QUATIONS DIFFRENTIELLES

p1q

Nous traitons le terme en ut

quant le lemme 22.53 :
p1q

1309

en utilisant le fait vident T pq pFT qpF 1 q et en remarp1q

p1q

ut pt q pFut qpF 1 t q pFuqt pF 1 t q.

(24.224)

(24.226)

Pour lautre terme on fait un peu la mme chose en nous souvenant ce que fait la transforme
de Fourier en traversant le laplacien :
`

ut pt q pFut qpF 1 t q pFut q x }x}2 pF 1 t qpxq .

(24.225)
En recollant encore :

p1q
pFuqt pF 1 t q ` ipFut q }.}2 F 1 t dt 0.

Cette quation est valable tant que P S pR Rd q avec support compact en t. Nous allons
nous en crer une super cool. Dabord nous choisissons P S pRd q et P DpRq et nous
considrons 14

2
pt, xq F eit}} pqptq pxq.
(24.227)

Notons que la transforme de Fourier conserve le fait quune fonction soit Schwartz 15 , mais
pas le fait davoir support compact. Cependant nous ne prenons que la transforme de
Fourier par rapport x. Le rsultat est donc une fonction qui est Schwartz par rapport
x et support compact par rapport t. Nous pouvons donc crire (24.226) en utilisant la
fonction (24.227) :

2
2
p1q
0 pFuqt x eit}x} pxqptq ` ipFut q x }x}2 eit}x} pxqptq dt.
(24.228)
R

L dedans, ptq peut sortir la fois de la transforme de Fourier et de lapplication des

distributions ; il doit seulement rester dans lintgrale. Dans le second terme nous allons
utiliser lgalit (due entre autre la proposition 22.52) :

d`
d ` it}.}2
2
u
t peit}.} q
ut Fe

(24.229a)
dt
dt

B
2
2
p1q `
ut Feit}.} ` ut
Feit}.}
(24.229b)
Bt

2
2
p1q `
pFut q x eit}x} pxq ` pFut q x i}x}2 eit}x} pxq
(24.229c)
`

2
2
p1q
pFuqt x eit}x} pxq ` pFut q x i}x}2 eit}x} pxq . (24.229d)

Et l, magie cest exactement ce qui est dans (24.228). Donc

d `
2
u
t x eit}x} pxq ptqdt 0
R dt

(24.230)

pour toute fonctions support compact . Donc la proposition 18.1 nous dit que
`

2
Bt u
t x eit}x} pxq 0.
(24.231)

Cest zro partout et non seulement presque partout parce quen plus nous avons la continuit. Par consquent pour tout t P R nous avons
`

2
u
t x eit}x} pxq u
0 x pxq 0.
(24.232)
Et cela est vrai pour toute fonction P S pRd q. Nous considrons donc t0 P
fonction P S pRd q pour construire
pxq eit0 }x} pxq.
2

14. Le candidat qui parvient effectivement prsenter a comme dveloppement, il est fort.
15. Proposition 21.12.

R et une

(24.233)

1310

CHAPITRE 24. QUATIONS DIFFRENTIELLES

`

Nous avons alors u

t0 x pxq 0, ce qui signifie que u
t0 0. Du coup pour tout
d
P S pR q nous avons ut0 pFq 0, mais comme la transforme de Fourier est une bijection
de S pRd q (proposition 21.12) nous avons en fait ut0 pq 0 pour tout P S pRd q, cest
dire ut0 0 pour tout t0 P R et au final u 0.

24.11

quations diffrentielles du premier ordre

Dfinition 24.23 (quation diffrentielle du premier ordre).

Une quation diffrentielle du premier ordre est une quation qui, sur un intervalle donn,
I, dcrit la relation entre une variable relle, note x ou t dans I, une fonction y : I R, et la
drive premire de y qui on note y 1 .
Souvent on crit y 1 pxq une formule contenante x et ypxq, cest dire
y 1 pxq f px, ypxqq,

pour x P I,

(24.234)

o f est une fonction de deux variables relles.

Remarque 24.24.
La thorie des fonctions de deux variables ne sera pas aborde dans ce cours, nous allons nous
contenter de prendre f dans (24.234) comme une simple notation.
On peut presque toujours omettre dcrire la dpendance de y en x et crire simplement (24.234)
sous la forme y 1 f px, yq.

Dfinition 24.25 (Solution particulire dune quation diffrentielle du premier ordre).

Une solution particulire de lquation (24.234) sur lintervalle I est une fonction z : I
telle que :

(1) z est drivable sur I ;

(2) z 1 pxq f px, zpxqq, pour tout x P I.

Dfinition 24.26 (Solution gnrale dune quation diffrentielle du premier ordre).

Rsoudre une quation diffrentielle veut dire trouver lensemble qui contient toutes ses solutions
particulires. Cet ensemble sappelle solution gnrale de lquation.
Exemple 24.27
(1) Rsoudre une quation du type y 1 pxq f pxq<++> revient trouver lensemble des primitives de la fonction f , qui est donc la solution gnrale de cette quation. Il y a donc une
infinit de solutions particulires, dtermines par une constante additive.
Si f pxq sinpxq alors la solution gnrale sera Y t cospxq ` C : C P Ru.
(2) Lquation

y 1 y,

x P R,

(24.235)

a peut-tre t aborde dans votre cours de terminale lors de la dfinition de la fonction

exponentielle. Sa solution gnrale est Y tCex : C P Ru. Ici aussi il y a une infinit de
solutions particulires.
4
Remarque 24.28.
La solution gnrale dune quation diffrentielle du premier ordre est une famille un paramtre
de fonctions.

24.11. QUATIONS DIFFRENTIELLES DU PREMIER ORDRE

1311

Dfinition 24.29 (quation differentielle du second ordre).

Une quation diffrentielle du second ordre est une quation qui, sur un intervalle donne, I,
dcrit la relation entre une variable relle, note x ou t dans I, une fonction y : I R, et les
drives premire et seconde de y qui on note y 1 et y 2 respectivement.
On utilise la forme gnrale
y 2 f px, y, y 1 q,

(24.236)

pour x P I.

o f est une fonction de trois variables relles.

On peut dfinir de manire analogue les quations diffrentielles dordre suprieur. Les dfinitions de solution particulire et de solution gnrale se gnralisent aux quations diffrentielles
dordre suprieur un.
Dfinition 24.30 (Trajectoire).
La trajectoire trace par une solution particulire y de lquation (24.234) est le graphe de y en
tant que fonction de x.
Exemple 24.31
Nous allons regarder de plus prs lquation (24.235), y 1 y, pour tout x P R. Soient y1 et y2 deux
solutions distinctes de cette quation. Sil existe un point x
tel que y1 p
xq y2 p
xq alors forcement
y1 p
xq{y2 p
xq 1. Or, la solution gnrale de lquation est Y tCex : C P Ru, donc yi pxq Ci ex ,
i 1, 2, o les Ci sont des constantes. Le rapport y1 p
xq{y2 p
xq vaut C1 {C2 et par consquent
C1 C2 . Ce rsultat contredit lhypothse que les deux solutions soient distinctes. On a donc
montr que deux trajectoires distinctes de cette quations ne se croisent jamais.
40
30
20
10
4

10
20
30
40

Figure 24.1 Quelque trajectoires de lquation y 1 y.

La figure 24.1 reprsente quelques trajectoires de lquation. Si on les avait traces toutes elles
recouvriraient tout le plan x-y. Cela veut dire que par tout point px, yq passe une et une seule
trajectoire de lquation (24.235).
4

1312

CHAPITRE 24. QUATIONS DIFFRENTIELLES

Dfinition 24.32 (Condition initiale).

Une condition initiale pour lquation (24.234) sur lintervalle I est un point p
x, yq P I R.

On dit que la solution particulire z de (24.234) satisfait la condition initiale p

x, yq P I R si
zp
xq y.
Dfinition 24.33 (Problme de Cauchy).
Lassociation dune quation diffrentielle et dune condition initiale est appele problme de
Cauchy
#
y 1 f px, yq, x P I,
(24.237)
yp
xq y.
Remarque 24.34.
Sous des conditions assez gnrales qui serons toujours vrifies dans ce cours, tout problme de
Cauchy admet une et une seule solution.
Pour passer de la solution gnrale dune quation diffrentielle de premier ordre une solution
particulire il faut choisir une valeur du paramtre. Comme il y a un seul paramtre une seule
condition (la trajectoire de la solution doit passer par un point fixe du plan) peut suffire. Pour une
quation diffrentielle de second ordre comme (24.236), nous aurons besoin de plus de conditions.
Sans rentrer dans les dtails, nous allons constater ce fait dans lexemple suivant.
Exemple 24.35
La solution gnrale de lquation
y 2 y,

(24.238)

est Y tC1 cospxq ` C2 sinpxq : C1 , C2 P Ru. Remarquez que lquation est du second ordre et
que sa solution gnrale est une famille dquations deux paramtres rels. Ce sera toujours les
cas pour les quations abordes dans la section 24.14. Pour dterminer une solution particulire
de (24.238) il faut fixer les valeurs des deux paramtres et donc, en gnral, il sera ncessaire de
donner deux conditions.
4
Remarque 24.36.
Une condition comme yp0q 4 nous dit que la constante C1 4 mais elle ne nous permet pas de
trouver C2 . Il y a donc une infinit de solutions de (24.238) qui satisfont la condition yp0q 4.
On peut fixer les deux condition de deux manires diffrentes.
(1) Problme de Cauchy : on fixe une terne de valeurs rels x
, y, y1 et on cherche la solution
1
1
telle que yp
xq y, y p
xq y .
Exemple 24.37
Les conditions yp0q 4, y 1 p0q 15 permettent de trouver la solution zpxq 4 cospxq `
15 sinpxq.
4
(2) Problme aux bords : on fixe deux point dans le plan x-y, A p
x, y) et B p
x, yq, et on
cherche la solution dont la trajectoire passe par A et B, cest dire, on impose yp
xq y,
yp
xq y.
Exemple 24.38
Les conditions yp0q 4, yp{2q 15 permettent de trouver la solution zpxq 4 cospxq `
15 sinpxq.
4

24.12. QUATIONS DIFFRENTIELLES DU PREMIER ORDRE VARIABLES SPARABLES1313

24.12

quations diffrentielles du premier ordre variables sparables

Pour certaines quations diffrentielles la recherche dune solution particulire se rduit une
recherche de primitive moyennant un changement de variables.
Dfinition 24.39 (quation diffrentielle du premier ordre variables separables).
Une quation diffrentielle du premier ordre variables sparables est une quation qui,
pour tout les x dans un intervalle donn, I, peut se mettre sous la forme

o f et g sont deux fonction de

f pyqy 1 gpxq,

(24.239)

R dans R.

Nous pouvons intgrer les deux cotes de lgalit par rapport x et obtenir

f pypxqqy 1 pxq dx Gpxq ` C,

o G est une primitive de g et C une constante relle. Il est facile ce point deffectuer une
changement de variable dans le membre de gauche de lquation en posant (sans surprise) y ypxq
et donc y 1 pxq dx dy.

1
f pypxqqy pxq dx f pyq dy F pypxqq ` C,
o F est une primitive de f et C une constante relle. En somme nous avons
F pypxqq Gpxq ` C,

et, si F admet une fonction rciproque, alors

ypxq F 1 pGpxq ` Cq.

(24.240)

Remarque 24.40.
Lexpression de F 1 peut tre difficile calculer. Il sera alors prfrable de garder y dans la forme
implicite.
Exemple 24.41
Lquation

3y 2 y 1 x,

pour tout x P R,

(24.241)

est une quation variables sparables. Pour reprendre les notations du dbut du chapitre, ici
f pyq 3y 2 et gpxq x. En intgrant de deux cotes on trouve
y3

x2
` C.
2

La fonction F pyq y 3 est une bijection de R dans R, donc nous pouvons crire la solution gnrale
de lquation (24.241) dans la forme
+
#
1{3
x2
Y
`C
tel que C P R .
2
4
Exemple 24.42
En intgrant de deux cotes lquation variables sparables
2yy 1 x, pour tout x P R,

(24.242)

1314

CHAPITRE 24. QUATIONS DIFFRENTIELLES

on trouve
y2

x2
` C.
2

a
La fonction F pyq y 2 est nest pas inversible sur tout R, et on sait que y 2 |y|. Au moment
de rendre y explicite on doit choisir entre
2
1{2
1{2
2
x
x
y
`C
`C
ou
y
.
2
2
Ce choix se fait suivant la condition initiale, si elle est donne. Sil ny a pas de condition initiale
nous pouvons crire que la solution gnrale est lensemble
*
"
x2
2
` C et C P R .
Y y : R R tels que y
2

4
Exemple 24.43
On considre le problme de Cauchy
#
1
ey y 1 x`3
,
yp4q 0.

x Ps 8, 3r,

(24.243)

En intgrant des deux cotes nous trouvons

ey lnp|x ` 3|q ` C.

Nous pouvons alors imposer la condition initiale et obtenir e0 lnp| 4 ` 3|q ` C, cest dire
C 1 lnp1q 1.
Remarque 24.44.
Lnonc du problme de Cauchy dit que x peut varier dans s8, 3r, mais nous voyons maintenant
que la solution nest pas dfinie sur toute la demi-droite, parce que ey est toujours positif et
lnp|x ` 3|q ` 1 est positif seulement pour x p1{e ` 3q 3, 3679.

Donc la solution du problme de Cauchy est ypxq lnp|x`3|q`1 pour tout x Ps8, p1{e`3qr.
4

Exemple 24.45
Attention, cet exemple est le plus important de la section !
On considre lquation variables sparables
y 1 sinpxqy,

x P R.

(24.244)

Dans ce cas, pour pouvoir crire lquation dans la forme (24.239) il faut pouvoir multiplier les
deux cts par 1{y. Il faut donc liminer tout de suite le cas o y 0.
Si y 0 alors y 1 0 et on a une solution constante (on dit souvent : une solution stationnaire)
de lquation. Par ailleurs les trajectoires des solutions ne peuvent pas se croiser ; donc si yG est
une solution non nulle de lquation (24.244) alors yG pxq 0 pour tout x 16 . Il ny a donc aucun
danger diviser par y dans la recherche dune solution non identiquement nulle.
Supposons maintenant que y 0 et crivons y 1 {y sinpxq. En intgrant des deux cotes on
trouve
lnp|y|q cospxq ` C,
do

|y| e cospxq`C eC e cospxq .

16. a vaut la peine de prendre un peu de temps pour bien comprendre cela.

24.13. QUATIONS DIFFRENTIELLES LINAIRES DU PREMIER ORDRE

1315

Si on avait impose une condition initiale alors on pourrait dterminer une solution particulire
de lquation en choisissant une valeur de la constante C. Nous pouvons observer cependant que
la fonction exponentielle est bijective de R dans R`, et par consquent il ny a pas de perte de
gnralit en disant que la solution gnrale de lquation est
!
)
Y y : |y| Ke cospxq , pour K P R`, Y ty 0u.

Il nempche quil serait plus lgant dcrire la solution gnrale de lquation sous une forme plus
explicite, sans valeur absolue. Nous pouvons le faire en nous nous rappelant que
#
x
si x 0,
|x|
x
si x 0,

Il suffit alors dautoriser K dans R pour liminer la valeur absolue.

Pour crire la solution gnrale de faon encore plus compacte nous observons que si K 0
alors y 0, cest dire, on retrouve la solution constante nulle.
Finalement, la solution gnrale de cette quation sera toujours crite sous la forme suivante
!
)
Y y Ke cospxq , pour K P R .
(24.245)
4

24.13

quations diffrentielles linaires du premier ordre

Dfinition 24.46 (quation diffrentielle linaire du premier ordre).

Soit I R un intervalle .
Une quation diffrentielle linaire du premier ordre est une quation diffrentielle de
la forme
apxqy 1 ` bpxqy cpxq, pour x P I,
(24.246)
o a, b, c sont des fonction de R dans R et a 0 pour tout x P I .
On dit que a, b, c sont les coefficients de lquation (24.246).

Remarque 24.47.
Une fonction f : R
constantes et on a

R est dite linaire si pour tout x1 , x2 dans R et pour tout couple de

f px1 ` x2 q f px1 q ` f px2 q.

(24.247)

Ces quations diffrentielles sont dites linaires parce que la partie de lquation qui contient y (le
membre de gauche) satisfait la proprit (24.247) par rapport y. En effet par les proprits de la
drive nous avons que
apxqpy1 ` y2 q1 ` bpxqpy1 ` y2 q papxqy11 ` bpxqy1 q ` papxqy21 ` bpxqy2 q.
Dfinition 24.48.
Lquation (24.246) est dite homogne quand c est la fonction nulle. Si (24.246) nest pas homogne on dit que lquation
apxqy 1 ` bpxqy 0,
(24.248)

est son quation homogne associe.

Toute quation linaire du premier ordre homogne est une quation du premier ordre variables sparables, comme on en a vu dans la section prcdente et en particulier dans lexemple
24.45. Nous nallons pas rpter les dtails du procd pour trouver sa solution gnrale, qui aura
la forme suivante

1316

CHAPITRE 24. QUATIONS DIFFRENTIELLES

retenir 24.49
*
"
bpxq
apxq dx
: KPR .
Yh Ke

(24.249)

Proposition 24.50. (1) Soit yp une solution particulire de lquation (24.246) et yh une solution particulire de lquation homogne associ (24.248). Alors la fonction somme z
yp ` yh est encore une solution particulire de lquation (24.246).
(2) Soient y1 et y2 deux solutions particulires de (24.246). Alors la fonction diffrence w
y1 y2 est un solution particulire de (24.248).

Dmonstration.

(2)

(1)

`
`

apxq pyp ` yh q1 ` bpxq pyp ` yh q cpxq apxqyp1 ` bpxqyp cpxq ` apxqyh1 ` bpxqyh 0.
(24.250)
`
`

apxq py1 y2 q1 ` bpxq py1 y2 q apxqy11 ` bpxqy1 cpxq apxqy21 ` bpxqy2 cpxq 0.
(24.251)

Cette proposition permet de dmontrer le thorme suivant, qui est le plus important de cette
section.
Thorme 24.51.
Soit yp une solution particulire de lquation (24.246) et Yh la solution gnrale de lquation
(24.248), alors la solution gnrale de lquation (24.246) est lensemble
Y Yh ` yp tz yh ` yp : y h P Yh u .

(24.252)

retenir 24.52
La rsolution dune quation diffrentielle linaire du premier ordre comporte trois tapes :
(1) rsolution de lquation homogne associe ;
(2) recherche dune solution particulire de lquation non homogne ;
(3) somme de la solution gnrale de lquation homogne et de la solution particulire
trouve au point prcdent.

La partie qui nous manque encore est de savoir comment trouver une solution particulire de
lquation non homogne (24.246). Si la fonction c dans (24.246) est une constante ou un polynme
simple, ou une exponentielle alors on peut essayer de deviner. Cette mthode cependant nest pas
la plus sre pour des dbutants.
Exemple 24.53
On considre lquation

y 1 5y 10,

x P R.

(24.253)

Comme tous les coefficients de lquation sont constants on peut essayer de trouver une solution
constante.
Toutes les fonctions constantes on drive nulle, par consquent, si une solution constante existe
elle doit satisfaire 5y 10, ce qui veut dire que la solution constante est ypxq 2.
4

24.13. QUATIONS DIFFRENTIELLES LINAIRES DU PREMIER ORDRE

Exemple 24.54
On considre lquation

1317

xy 1 ` y x ` 1,

x P R`, .

(24.254)

xy 1 y x ` 1,

x P R`, .

(24.255)

Comme le membre de droite de lquation est un polynme de degr un on cherche une solution
de la forme ypxq Ax ` B avec A et B dans R.
Par substitution on obtient Ax ` pAx ` Bq x ` 1, cest dire que une solution particulire
de lquation est ypxq x{2 ` 1.
4
Exemple 24.55
Lquation

ressemble beaucoup celle de lexemple prcdent, cependant il nexiste pas un polynme de degr
un qui en soit solution.
Dans un cas comme celui-ci, il faut rapidement abandonner la divination et replier sur la
mthode, plus technique mais plus sre, dite variation de la constante
4

24.13.1

Mthode de variation de la constante

Soit Yh la solution gnrale de lquation homogne associ (24.246). Il sagit dune famille
un paramtre de fonctions. La premire tape de cette mthode consiste construire un
candidat solution particulire yp en remplaant le paramtre dans Yh par une fonction
C : R R dterminer.
Exemple 24.56
Lquation homogne associe y 1 y cospxq est y 1 y 0, dont la solution gnrale
est Yh tCex : C P Ru. Le candidat solution sera alors yp Cpxqex , avec C fonction
dterminer.
4

La deuxime tape de cette mthode consiste injecter yp dans lquation. Cela permet de
trouver une quation diffrentielle variables sparables pour C, en principe plus facile
rsoudre que lquation de dpart.
Exemple 24.57
On continue avec lexemple prcdent. On a yp1 C 1 pxqex ` Cpxqex , do
pC 1 pxqex ` Cpxqex q Cpxqex cospxq,
cest dire
C 1 pxq cospxqex .
4

La troisime tape de la mthode consiste trouver une solution particulire de lquation

diffrentielle pour C et, par consquent dterminer une yp .
Exemple 24.58
La solution gnrale de
!
est C e1 psinpxqcospxqq
2

C 1 pxq cospxqex .
)
` K : K P R . Il nous suffit une solution particulire, nous pou-

vons donc choisir K 0 et alors la solution particulire de (24.246) sera yp pxq

sinpxqcospxq
.
2

1318

CHAPITRE 24. QUATIONS DIFFRENTIELLES

Remarque 24.59.
Le plus souvent en intgrant lquation pour C on en trouvera la solution gnrale. Dans ce cas
on peut remplacer C par cette solution gnrale et obtenir dun seul coup la solution gnrale
de lquation (24.246) , cest dire sans faire la somme entre la solution gnrale de lhomogne
associe et la solution particulire.
Exemple 24.60
Dans lexemple quon vient de voir la solution gnrale de (24.246) est
"
*
psinpxq cospxqq
x
Y Yh ` yp Ce `
: CPR .
(24.256)
2

)
!

`
K
:
K
P
R
. Notez quon
On obtient le mme rsultat est crivant Y ex e1 psinpxqcospxqq
2
a chang le nom du paramtre de C K seulement pour souligner quon obtient de mme rsultat
par deux chemins diffrents, sinon les deux expression sont quivalentes !
4

24.14

quations diffrentielles linaires du second ordre

Dfinition 24.61 (quation diffrentielle linaire du second ordre).

Une quation diffrentielle linaire du second ordre est une quation diffrentielle de la
forme
apxqy 2 ` bpxqy 1 ` cpxqy dpxq, pour x P I,
(24.257)
o a, b, c et d sont des fonction de R dans R et a 0 pour tout x P I .
On dit que a, b, c et d sont les coefficients de lquation (24.257).

Dans ce cours nous allons tudier exclusivement le cas o a, b et c sont des fonctions constantes.
Dfinition 24.62 (quation diffrentielle linaire du second ordre homogne).
Une quation diffrentielle linaire du second ordre homogne est une quation diffrentielle de la forme (24.257), telle que le coefficient d est nul.
toute quation de la forme (24.257) on peut associer une quation homogne exactement
comme on a fait dans la section prcedente pour les quations linaires du premier ordre.

24.14.1

Rsolution des quations diffrentielles linaires du second ordre homognes coefficients constants

Remarque 24.63.
Lapplication qui la fonction y fait correspondre apxqy 2 ` bpxqy 1 ` cpxqy est linaire, au sens de
la remarque 24.47.
Cela nous dit en particulier, que si y1 et y2 sont deux solutions de lquation homogne alors
toute leur combinaison de la forme z y1 ` y2 , avec et dans R, est encore une solution.
Jusquici nous avons toujours travaill avec des fonctions dfinies sur R et valeurs dans R.
Dans cette section nous nous authorisons passer par des fonctions dfinies sur R et valeurs
dans C, mais cela sera uniquement une tape dans nos calculs. Au final toutes les solutions
que nous allons considrer sont des fonctions valeurs dans R.
La solution gnrale valeurs dens les complexes dune quation de ce type a la forme
YhC tC1 er1 x ` C2 er2 x : C1 , C2 P C, x P Iu ,

(24.258)

o r1 et r2 sont aussi des nombres complexes. Remarquez que la solution gnrale est une famille
deux paramtres. Il faut aussi observer que en tout cas lintervalle I dans lequel varie x est un
intervalle dans R, parce que I est une des donnes du problme.

24.14. QUATIONS DIFFRENTIELLES LINAIRES DU SECOND ORDRE

1319

partir de cette information nous pouvons, pour toute quation donne, chercher la solution
gnrale complexe par substitution. Il suffit de remplacer y dans lquation par erx et chercher
les valeurs de r qui nous conviennent.
Si notre quation de dpart est
ay 2 ` by 1 ` cy 0,
alors la substitution nous donne

pour x P I,

(24.259)

erx ar2 ` br ` c 0.

Il est connu que la fonction exponentielle ne prend pas la valeur 0, par consequent ce qui sannulle
est le polinme de degr deux ar2 ` br ` c. Il est donc trs facile de trouver les valeurs de r quon
pourra utiliser comme r1 et r2 dans la solution gnrale complexe.
Si b2 4ac 0 : le polinme admet deux solutions relles et distinctes, r1 et r2 ;

Si b2 4ac 0 : le polinme admet deux solutions complexes conjugues, r1 ` i et

r2 i ;
Si b2 4ac 0 : le polinme admet une solution relle double r r1 r2 .

Il faut maintenant crire la solution gnrale relle de lquation, qui est celle que nous intresse
vraiment. La faon de lobtenir est diffrente dans les trois cas.
Si b2 4ac 0 : la solution gnrale relle a la mme forme que la solution complexe, (24.258),
il suffit de prendre les paramtres C1 et C2 dans R plutt que dans C.
Yh tC1 er1 x ` C2 er2 x : C1 , C2 P R, x P Iu ,

(24.260)

Si b2 4ac 0 : le polinme admet deux solutions complexes conjugues, r1 ` i et

r2 i ; Il faut alors utiliser les formules suivantes
e`i e pcospq ` i sinpqq
ei e pcospq i sinpqq.

(24.261)

La somme er1 x ` er2 x , o x est dans I P R, vaut

ep`iqx ` epiqx ex pcospxq ` i sinpxqq ` ex pcospxq i sinpxqq 2ex cospxq
et la diffrence er1 x er2 x vaut
ep`iqx epiqx ex pcospxq ` i sinpxqq ex pcospxq i sinpxqq 2ex sinpxq.
Par ces deux calculs lmentaires nous avons trouv deux fonctions valeurs dans R qui
nont pas de zros en commun. Elles sont les gnratrices de la famille des solutions relles
de lquation diffrentielle (la solution gnrale)
Yh tex pC1 cospxq ` C2 sinpxqq : C1 , C2 P R, x P Iu ,

(24.262)

Si b2 4ac 0 : le polinme admet une solution relle double r r1 r2 . Dans ce cas la

solution gnrale de lquation est la famille
Yh tpC1 ` C2 xqerx : C1 , C2 P R, x P Iu .

(24.263)

Pour justifier cette formule nous observons dabord que toute fonction x Cerx , pour
C P R est une solution de lquation diffrentielle (par construction). Ensuite nous utilisons
la mthode de variation de la constante. On trouve rapidement que si une fonction de la
forme x Cpxqerx est une solution alors Cpxq est un polynnme de degr au plus 1, cest
dire Cpxq C1 ` C2 x avec C1 et C2 dans R.

1320

24.14.2

CHAPITRE 24. QUATIONS DIFFRENTIELLES

quations diffrentielles linaires du second ordre cofficients constants,

non homognes

Nous ne prsentons pas une mthode gnrale pour la rsolution de ces quations. Comme dans
le cas des quations diffrentielles linaires du premier ordre non homognes, la solution gnrale
de (24.257) est donne par la somme dune solution particulire et de la solution gnrale de
lquation homogne associe. La recherche dune solution particulire est facilit par le fait que
les coefficients de (24.257) sont supposs constants, cest dire que a, b et c sont des fonctions
constantes. Il faut essayer de dviner la forme dune solution particulire partir de la forme du
second membre de lquation, la fonction d. Si d est un polynme il faut essayer avec un polynme
du mme degr, si d est unexponentielle, par exemple dpxq e5x , on pourra essayer avec un
multiple de la mme fonction exponentielle, dans lexemple f pxq ke5x , avec k determiner. Si d
est une combinaison linaire de sinus et cosinus, comme par exemple 12 cospxq ` 2 sinpxq, on peut
essayer avec k1 cospxq ` k2 sinpxq.
Exemple 24.64
On considre lquation diffrentielle
y 2 ` 12y 1 ` 36y 192e2x ,

Son quation homogne associe est

x P R.

y 2 ` 12y 1 ` 36y 0,

(24.264)

(24.265)

dont le polynme characteristique est r2 ` 12r ` 36. Ce polynme admet une racine double, qui
est 6, par consquent la solution gnrale de (24.265) est
(
Yh pC1 ` C2 xqe6x : C1 , C2 P R, x P R .

Le membre de droite de (24.264) est une fonction exponentielle, nous allons donc chercher une
solution particulire de (24.264) de la forme f pxq ke2x . Par substitution nous trouvons
ke2x p4 ` 12 2 ` 36q 192e2x ,

ce qui veut dire que k doit tre 3.

La solution gnrale de lquation (24.264) est donc

(
Y pC1 ` C2 xqe6x 3e2x : C1 , C2 P R, x P R .

Exemple 24.65
Nous allons rsoudre lquation
y 2 ` 12y 1 ` 36y 12 cospxq ` 2 sinpxq,

x P R.

(24.266)

Cette quation a comme homogne associe lquation (24.265), comme dans lexemple prcedent. Il nous suffit donc de trouver une solution particulire de (24.264).
Nous pouvons essayer avec f pxq k1 cospxq ` k2 sinpxq. Par substitution on trouve
pk1 cospxq ` k2 sinpxqq ` 12 pk1 sinpxq ` k2 cospxqq ` 36 pk1 cospxq ` k2 sinpxqq
12 cospxq ` 2 sinpxq

Cette quation doit tre satisfaite pour tout valeur de x, en particulier pour x 0 et x {2.
Cela revient considre sparemment les coefficients des fonctions sinus et cosinus. Il faut alors
que k1 et k2 soient solutions du systme
#
k1 ` 12k2 ` 36k1 12,
k2 12k1 ` 36k2 2.

1321

24.14. QUATIONS DIFFRENTIELLES LINAIRES DU SECOND ORDRE

On trouve k1 396{1369 et k2 214{1369, et la solution gnrale de notre quation est
"
*
396
214
6x
Y pC1 ` C2 xqe
`
cospxq `
sinpxq : C1 , C2 P R, x P R .
1369
1369

4
Exemple 24.66
Nous allons rsoudre lquation
y 2 ` 12y 1 ` 36y 10x2 ` 3,

x P R.

(24.267)

Cette quation a comme homogne associe lquation (24.265), comme dans lexemple prcedent. Il nous suffit donc de trouver une solution particulire de (24.264).
Nous pouvons essayer avec f pxq k1 x2 ` k2 x ` k3 . Par substitution on trouve
`

p2k1 q ` 12 p2k1 x ` k2 q ` 36 k1 x2 ` k2 x ` k3 10x2 ` 3.

Pour trouver les bonnes valeurs des coefficients nous
$

&36k1
24k1 ` 36k2

%
2k1 ` 12k2 ` 36k3

devons rsoudre le systme

10,
0,
3,

ce qui donne k1 5{18, k2 5{27 et k3 7{54. La solution gnrale de notre quation est
*
"
5
7
5
: C1 , C 2 P R , x P R .
Y pC1 ` C2 xqe6x ` x2 x `
18
27
54
4

1322

CHAPITRE 24. QUATIONS DIFFRENTIELLES

Chapitre 25

Calcul numrique
Dautres lectures agrables dans [274]

25.1

Reprsentations numriques

Dans cette section les squences de chiffres crites entre crochet sont comprendre comme des
squences de chiffres qui reprsentent une quantit suivant un codage donn.

25.1.1

Entier relatif en complment deux (binaire)

Si nous avons m bits pour coder un entier relatif, une ide serait de prendre le premier bit pour
le signe (0 pour positif et 1 pour ngatif) et les autres pour la valeur absolue. Deux inconvnients :
(1) Il y a deux codages pour le zro, donc gaspillage.
(2) Lalgorithme pour faire la somme passe mal. Par exemple pour faire 1 ` p1q, le 1 est cod
comme r001s et le 1 par r101s et la somme se ferait navement comme
0 0 1
1 0 1
1 1 0

Donc le rsultat est r110s qui sinterprte comme 2. Compltement faux.

Une solution est dutiliser le complment deux, qui est la faon usuelle de reprsenter des
entiers signs.
Les entiers positifs se codent normalement, en laissant zro le premier bit (donc si nous
disposons de m bits, nous codons sur m 1 bits).
Les entiers ngatifs se codent en trois tapes.
coder la valeur absolue
inverser tous les bits (do le nom de complment deux )
soustraire 1.
Exemple 25.1
Pour coder 1 nous faisons
Nous codons 1 : r001s
Nous inversons tous les bits : r110s
Nous faisons 1 : r101s.
Avec ce systme, la somme passe bien : calculer 1 ` p1q donne
0 0 1
1 0 1
1 1 0
1323

1324

CHAPITRE 25. CALCUL NUMRIQUE

La rponse est donc r110s quil faut interprter via le complment deux.
`1

110 111

complment

000.

(25.1)

Et ce dernier r000s sinterprte comme zro.

Dfinition 25.2 (Entier sign en complment deux[275]).

La suite de bits ram1 . . . a0 s sinterprte via la formule
am1 2

m1

m2

ai 2i .

(25.2)

i0

Le premier bit donne effectivement le signe du nombre, mais linterprtation dun nombre nest
pas aussi simple que ce que lon pourrait croire de prime abord.
Exemple 25.3(Entier sign en 8 bits)
Que
nous faire avec 8 bits ? Le plus grand nombre est cod par r01111111s qui vaut
6 pouvons
k
7
k0 2 2 1 127. (avez-vous utilis la somme (6.347) ?)
Le plus petit nombre codable en 8 bits nest pas r11111111s mais bien r10000000s (cela est plus
clair en regardant la formule (25.2) quen tentant de suivre la construction du complment deux)
qui signifie 27 128.
Nous pouvons donc coder tous les nombres de 128 127.
4
Plus gnralement un systme qui codes des entiers signs en N bits utilisant le complment
deux peut coder de p2N 1 q 2N 1 1.

25.4 (Le dpassement).

Que se passe-t-il lorsque nous commettons un dpassement ? Calculons sur 3 bits la somme r011s `
r001s qui revient ajouter 1 au nombre le plus grand :
0 1 1
0 0 1
1 0 0
qui signifie 22 4. Lors dun dpassement, nous retombons automatiquement sur le plus petit.
Ce phnomne est bien connu des personnes qui programment sans faire attention dans certains
languages de programmation qui ne font pas attention votre place.
Dfinition 25.5 (Reprsentation en virgule fixe).
Soit x un rel. On dfinit sa reprsentation en virgule fixe par
x trxn xn1 ...x0 , x1 ...xm s, b, su

(25.3)

avec b P N, b 2, s P t0, 1u et xj P N, xj b suivant la formule

x p1q

25.1.2

xj .bj .

(25.4)

jm

Reprsentation en virgule flottante

Dfinition 25.6 (Reprsentation en virgule flottante).

La reprsentation en virgule flottante normalise en base b dun nombre est la donne de
(1) Un bit s pour le signe
(2) Un entier non sign q de e chiffres pour lexposant
(3) Une suite de chiffres ra1 . . . am s pour la mantisse.

1325

25.1. REPRSENTATIONS NUMRIQUES

Ces donnes sinterprtent via la formule
flps, q, ra1 , . . . , am sq p1qs

j1

(25.5)

bj aj bqd

o d be1 est le dcalage.

Une ide retenir est que lexposant est un entier non sign parce quil est plus simple dintroduire un dcalage dans la formule (25.5) que de compliquer lcriture de lexposant.

25.1.3

Simple prcision, IEEE-754

En criture binaire, la reprsentation en virgule flottante est un peu diffrente parce quil y a
une ide supplmentaire ; la simple prcision que nous allons voir maintenant nest donc pas un
cas particulier de 25.6 avec b 2.
Nous commenons par une description informelle de la prcision simple avant de donner la
dfinition. La reprsentation en prcision simple dun nombre se fait sur 32 bits rpartis comme
suit :
(1) 1 bit pour le signe,
(2) 8 bits pour lexposant interprt comme nombre entier non sign
(3) 23 bits pour la mantisse
Soit le triple

s, q, ra1 , . . . , a23 s

(25.6)

Dans le cas gnrique, lide est de donner 24 bits pour la mantisse, mais en gardant en tte le fait
que de toutes faons, le premier bit doit tre 1, sinon il suffirait de dcaler, cest dire changer
lexposant. Par consquent la mantisse ne reoit que 23 bits ; il y a un 1 sous-entendu en premire
position. Donc la mantisse ra1 , . . . , a23 s est lire comme le nombre
1, a1 . . . a23 1 `

23

aj 2j .

(25.7)

j1

Exemple 25.7
La mantisse r011100 . . . 0s signifie 1, 0111 1 ` 22 ` 23 ` 24 1 `

1
4

justifier la formule

1
8

1
16 .

4 Cela pour

23

sp s, q, ra1 , . . . , a23 s p1qs 1 `

aj 2j 2q127 .

(25.8)

j1

Notons :

(1) Le 1` dans la parenthse correspond au 1 implicite en premire position de la mantisse.

(2) Il y a un dcalage de 127 dans lexposant, parce que q est un entier non sign.
Notons que cette rgle du 1 implicite dans la mantisse empche dcrire le nombre 0, et ne
permet pas dcrire des nombres franchement petits parce que le 1 implicite est en premire position
dans la mantisse.
Do lide de donner une rgle particulire lorsque lexposant vaut 0. Lorsque lexposant est
q 0, alors nous ne considrons pas de 1 implicite dans la mantisse, et le dcalage de lexposant
est 126 au lieu de 127. Do la formule
spps, q 0, ra1 . . . a23 sq p1qs 2216

23

j1

aj 2j .

(25.9)

1326

CHAPITRE 25. CALCUL NUMRIQUE

En particulier, si q 0 et a r0 . . . 0s, nous avons le nombre zro exact (il y a deux possibilits
pour le code).
Enfin, nous avons des cas particuliers lorsque lexposant est maximum, cest dire q
r1111 1111s 28 1 255. Dans ce cas, le nombre cod est soit `8 soit NaN. Nous posons
spps, q 255, a 0q `8 et spps, q 255, a 0q N aN . Il y a en ralit plusieurs valeurs
diffrentes de NaN, mais nous nentrons pas dans ces dtails[276].
Dfinition 25.8 (Reprsentation en simple prcision (binaire)).
La reprsentation en prcision simple dun nombre se fait sur 32 bits rpartis comme suit :
(1) 1 bit pour le signe,
(2) 8 bits pour lexposant interprt comme nombre entier non sign
(3) 23 bits pour la mantisse
Un nombre est reprsent par un triple
`

s, q, ra1 , . . . , a23 s

(25.10)

Selon que lexposant q d soit gal 0, 28 1 255 ou autre chose, les rgles dinterprtation
sont diffrentes. Il y a donc trois cas.
Exposant q gnrique[277] Si q 0 et q 255 alors le nombre est normalise. La rgle
de lecture est alors
23

s
sp s, q, ra1 , . . . , a23 s p1q 1 `
aj 2j 2q127 .

(25.11)

j1

Exposant q gal 0 Le nombre est dit dnormalis et la rgle de lecture est

23

sp s, q, ra1 , . . . , a23 s p1qs 2126

aj 2j .

(25.12)

j1

Exposant q gal 255 La rgle de lecture est alors au cas pas cas ou peu prs.
(1) spps, q 255, a 0q `8.

(2) spps, q 255, a 0q NaN.

Vous pouvez jouer avec la simple prcision dans [278].

Exemple 25.9(Plus petit normalis)
Pour faire un nombre normalis, il faut au minimum q 1. En prenant aj 0 nous obtenons le
plus petit nombre normalis possible en simple prcision. La formule (25.11) donne
spp1, q 1, a 0q 21127 2126 1.17549435082229 1038 .

(25.13)
4

Exemple 25.10(Plus grand normalis)

Lexposant q ne peut pas tre maximum, sous peine de tomber dans les rgles spciales de `8
ou NaN. Donc q r1111 1110s 28 2 254. En ce qui concerne la mantisse, il faut la prendre
maximale, cest dire aj 1 pour tout j. Nous avons alors le nombre
23

1
spp1, q 254, a r1 . . . 1sq 1 `
2j 2254127 p1 24 q2128
2
j1

3.40282346638528859811704183484516925440 1038

o nous avons utilis la somme (6.347) (et Sage pour le dernier calcul).
Notons ceci avec Sage :

(25.14a)
(25.14b)
4

25.2. PROBLMES POUR CRIRE DES NOMBRES

1327

1
2
3
4

SageMath Version 7.0 , Release Date : 2016 -01 -19

Type " n o t e b o o k ( ) " f o r the browser - based notebook interface .
Type " h e l p ( ) " f o r h e l p .

5
6
7
8

sage : A =(1 - (1/2**24) ) *2**(128)

sage : t y p e ( A )
<type sage . rings . rational . Rational >
sageSnip003.sage
La prcisions du nombre donn en (25.14b) aurait t embarrassante si le type avait t un
nombre en simple prcision. Prcision technique : en Python, le type int na pas de limite suprieure
part la mmoire.
Exemple 25.11(Plus petit non nul dnormalis)
Pour tre dnormalis il faut q 0 (ce qui est toutefois assez logique si nous voulons un petit
nombre), et pour ne pas tre nul, il faut une mantisse non nulle. Donc a r0 . . . 01s. La formule
(25.12) donne alors
spps 0, q 0, a r0 . . . 01sq 2126 223 2149 1.40129846432482 1045 .

(25.15)
4

Exemple 25.12(Plus grand dnormalis)

Pour tre dnormalis il faut toujours q 0, mais cette fois nous prenons la plus grande mantisse
possible :
spps 0, q 0, a r1 . . . 1sq 2

126

23

j1

2j 2216 p1 223 q 1.17549421069244 1038

Notons ceci avec Sage :

1
2
3
4

(25.16)
4

sage : B =2**( -126) *(1 -2**( -23) )

sage : A =2**( -126)
sage : n (A - B )
1.40129846432482 e -45
sageSnip004.sage
Vu que 223 1.2 107 , approximer la parenthse par 1 donne une faute sur la septime
dcimale, ce qui est visible en simple prcision.

25.2

Problmes pour crire des nombres

Dfinition 25.13.
Lerreur relative commise en remplaant un nombre rel x par une valeur approche x
est dfinie
par

x x

x :
.
(25.17)
x

Lerreur relative nest pas influence par lordre de grandeur de x. En effet, lordre de grandeur
de x
est certainement la mme que celle de x, dans la majorit des cas sans problmes. Du coup
si x1 200x alors x1 200
x et le 200 se simplifie.

1328

CHAPITRE 25. CALCUL NUMRIQUE

Le nombre de chiffres significatifs correct dans lapproximation est donn par log10 px q. La
partie entire de ce nombre est le nombre de chiffres tout fait exacts et la partie dcimale donne
une ide sur le fait que le chiffre suivant est plus ou moins bien.
Remarque 25.14.
Si nous voulons donner x P R un ordinateur, nous sommes soumis deux erreurs :

(1) Dabord, vu que nous ne pouvons pas taper sur le clavier toutes les dcimales de x, nous
faisons une erreur de troncature.
(2) Lordinateur devant convertir cela en base deux, il commet une seconde erreur, dite erreur
dassignation.

25.2.1

Troncature : la base

Supposons que nous voulions crire le nombre (crit ici en base 10)
0.4567894251

(25.18)

de faon plus facile lire, on peut demander de ne laisser que t chiffres significatifs. Disons t 3.
Technique de troncature On garde 3 chiffres significatifs : 0.456. Facile.

Technique darrondi Vu que le premier quon supprime est un 7, le dernier quon garde est
major de 1 : on crit 0.457.
Que faire si le premier chiffre rejet est un 5 ? En premire approximation, nous pouvons prendre
la rgle suivante : si le premier chiffre rejet est un 5, il faut augmenter de 1 de dernier chiffre
gard parce quil y a presque certainement encore un chiffre non nul derrire.
Remarque 25.15.
Les ordinateurs travaillent tous en mode darrondi.
Exemple 25.16
Si on doit entrer le nombre 0.38358546 dans un ordinateur qui ne garde que 3 chiffres significatifs,
il faut taper 0.384 au clavier (erreur classique dans les exercices).
4

25.2.2

Troncature : le drift

Soit une machine ne pouvant retenir que 3 chiffres significatifs et effectuant les arrondis vers
le haut lorsque le chiffre liminer est un 5. Nous notons et a les oprations daddition et
soustraction avec arrondis[279]. Les galits comprenant plus de trois chiffres significatifs sont des
galits au sens de la machine. Nous crirons donc sans tats dme :
1 0.555 1.555 1.56.

(25.19)

Considrons la suite numrique

avec y 0.555.
Nous avons
et ensuite

"

x0 1.00

xn pxn1 a yq y

x1 p1 0.555q a 0.555 1.56 a 0.555 1.005 1.01

x2 p1.01 0.555q a 0.555 1.565 a 0.555 1.57 a 0.555 1.015 1.02.

(25.20a)
(25.20b)

(25.21)
(25.22)

Et ainsi de suite. La suite est donc croissante alors que la dfinition nous donnerait envie davoir
xn x0 pour tout n.

1329

25.3. ERREUR DE CANCELLATION

Remarque 25.17.
En ralit, cette suite se stabilise xn 10 pour tout n partir de n 845. En effet,
p10 0.555q a 0.555 10.555 a 0.555 10.6 a 0.555 10.045 10.

(25.23)

Le fait est qu ce moment, lerreur de troncature est assez loin dans les dcimales pour que le
premier chiffre nglig soit un 0 au lieu dun 5.
Notons toutefois que cette stabilit nest pas l pour nous rassurer parce quelle nen est pas
moins compltement fausse.
La rgle de troncature adopte dans Sage est darrondir au nombre pair le plus proche lorsque
le premier nombre ngliger est un 5. Donc 12.5 sarrondit 12 plutt que 13.
Exemple 25.18
Soient les expressions (algbriquement gales) :
(1) A xpx ` 1q
(2) B x2 ` x

Nous savons que

et

x flpxq 1030

(25.24)

1 flp1q

(25.25)

parce que pour 1 et 1030 , il ny a pas derreurs dassignation.

En prcision simple, 1030 ` 1 1 parce quen prcision simple, il ny a que 7 ou 8 chiffres
significatifs 1 .
Nous avons A 1030 , mais x2 donne un underflow parce que 1060 ne peut pas tre reprsent
en prcision simple. En pratique, beaucoup de logiciels en font 0. Dans ce cas, en ralit B donne
effectivement 1030 aprs avoir fait x2 ` x 0 ` x 1030 .
4

25.2.3

Quelque bonnes rgles

(1) Si on a plusieurs nombres additionner ou soustraire, il vaut mieux commencer par sommer
ou soustraire ceux dont on sait quils ont le mme ordre de grandeur. Il ny a donc pas tout
fait associativit des erreurs.
(2) Les oprations dlicates sont laddition et la soustraction. La multiplication et la division
sont sans dangers, part lerreur de dpassement du maximum. Dans une multiplication, on
perd au pire quelque chiffres significatifs, mais certainement les derniers, pas les premiers.

25.3

Erreur de cancellation

Lorsque deux nombres sont de mme ordre de grandeur, avec plusieurs nombres significatifs
identiques. La cancellation est le fait que, suite la soustraction, tous les chiffres significatifs ou
presque se sont simplifis et quil ne reste plus que des chiffres non significatifs.
Exemple 25.19([280])
Sur une machine ne gardant que 4 chiffres significatifs, faire
0.5678 106 0.5677 106 0.0001 106 0.1000 103 .

(25.26)

Le fait est que les trois derniers zros ne sont pas significatifs, mais maintenant la machine nous
fait croire quils le sont.
1. Erreur de relation normale.

1330

CHAPITRE 25. CALCUL NUMRIQUE

Une autre faon de voir ce problme est dimaginer quil faille faire la diffrence entre 0.5678 289798
et 0.5677 3136907 sur cette machine. Certes la machine nous autorise avoir 4 chiffres significatifs, donc au moment dentrer les nombres nous perdons un beau paquet de chiffres. Mais au
moment de faire la diffrence, nous perdons (presque) tout le reste. Donc l o nous pouvions
esprer avoir 4 chiffres significatifs de la diffrence, nous nen avons que 1. Les trois derniers zros
de la rponse (0.1000 103 ) sont faux.
4
106

Exemple 25.20
Soit rsoudre lquation ax2 ` bx ` c 0 avec a, b, c 0 et b2 4ac 0. Solution :
x1,2

b2 4ac
.
2a

(25.27)

Supposons que |4ac| ! b2 avec tout de mme pas tellement petit quon se perd dans la prcision.
Bref, on suppose que seules quelque dernires dcimales de b2 4ac sont diffrentes de zro.
On a :
a
a
b2 4ac b |b|
(25.28a)
?
b b2 4ac
x1
(25.28b)
?2a
b ` b2 4ac
(25.28c)
x2
2a
Si b 0, nous avons une erreur de cancellation dans x2 parce quon fait la diffrence entre deux
nombres presque gaux. Donc x2 mal calcul. Par contre x1 est bien calcul.
Si par contre b 0, cest le contraire.
Avec a 103 , b 0.8, c 1.2105 . la main nous obtenons : x1 800, x2 1.5105 ,
et un ordinateur se tromperait . . .
1
2
3
4

SageMath Version 7.0 , Release Date : 2016 -01 -19

Type " n o t e b o o k ( ) " f o r the browser - based notebook interface .
Type " h e l p ( ) " f o r h e l p .

5
6
7
8

9
10
11
12

sage : f ( x ) =10**( -3) * x **2+0.8* x -1.2*10**( -5)

sage : solve ( f ( x ) ==0 , x )
[ x == -1/50* sqrt (400000030) - 400 , x == 1/50* sqrt (400000030) -
400]
sage : numerical_approx ( -1/50* sqrt (400000030) )
-400.000015000000
sage : numerical_approx ( 1/50* sqrt (400000030) - 400 )
0. 00001 4999 9 9 9 6 7 7 9 1 1 5
sageSnip001.sage
Donc Sage ne tombe pas dans le pige.

Comment rsoudre ce problme ? Ou, autre faon de poser la question : comment Sage a fait
pour rsoudre le problme ?
Utilisons les relations coefficients-racines :
x1 ` x2 b{a
x1 x2 c{a

(25.29a)
(25.29b)

1331

25.3. ERREUR DE CANCELLATION

La premire lie les deux racines par des oprations de addition et soustractions, et donc nest pas
intressantes. La seconde est bien. Si nous connaissons x1 , nous calculons
x2

c
.
ax1

(25.30)

Quitte redfinir x1 et x2 , la solution bien calcule est :

?
b sgnpbq b2 4ac
x1
.
2a

(25.31)

f pxq cospx ` q cospxq.

(25.32)

.
f pxq 2 sinp{2q sin x `
2

(25.33)

Exemple 25.21
Nous considrons :
Cela a une erreur de cancellation lorsque || ! |x|. On limine lerreur de cancellation par

Problmes et choses faire

Pourquoi la condition pour avoir lerreur est ! x et non simplement ! 1 ?

4
Exemple 25.22
Pour
On fait la coup du binme conjugu :

f pxq

f pxq ?

x`

?
x.

? .
x`` x

(25.34)

(25.35)

Plus derreur de cancellation, vu quau dnominateur nous avons une somme de deux positifs. 4
Les erreurs de cancellation ne se rsolvent pas en augmentant la prcision des nombres donns.

25.3.1

Erreur dabsorption

Laddition dun nombre avec un nombre trs diffrent peut faire perdre de linformation sur le
plus petit. Par exemple avec 4 chiffres significatifs,
0.5678 0.0001237 0.5679

(25.36)

o nous avons perdu presque toute linformation du petit nombre.

Une situation particulirement ennuyeuse est celle o justement cest le petit nombre qui nous
intresse parce que le grand est cens se simplifier :
p0.0001327 0.5678q a 0.5678 0.5679 a 0.5678 0.0001

(25.37)

qui ne possde quun seul chiffre significatif correct alors que voyant le calcul, la rponse aurait pu
tre trouve.
Moralit : si certains manipulations algbrique peuvent faire apparatre des simplifications
avant de passer le calcul la machine, il est bon de les effectuer.

1332

25.3.2

CHAPITRE 25. CALCUL NUMRIQUE

Calcul dune drive

Pour calculer la drive de f en a, il est loisible dutiliser la formule

f 1 paq lim

h0

f pa ` hq f paq
.
h

(25.38)

Le numrateur est alors sujet une erreur dabsorption dans le calcul de a`h et ensuite une erreur
de cancellation dans le calcul de la diffrence.
En utilisant la formule
f pa ` hq f pa hq
f 1 paq lim
(25.39)
h0
2h
nous pouvons esprer avoir une erreur de cancellation plus petite.

25.4

Conditionnement et stabilit

Dfinition 25.23.
Soit F une fonction valeurs relles dfinie sur X D o X et D sont des espaces vectoriels rels
norms. Le problme de la recherche des solutions de
F px, dq 0

(25.40)

est dit stable autour de d0 P D si

(1) la solution x xpdq existe et est unique pour tout d ;

(2) Pour tout 0, et pour tout d0 , il existe un nombre K 0 tel que }d d0 } entraine
}xpdq xpd0 q} K }d d0 }.

La seconde condition est le fait que x soit Lipschitz 2 sur un voisinage de d0 .

Exemple 25.24(Stabilit de la diffrence)

Prenons le problme qui consiste calculer la diffrence entre deux nombres : x a b. Cela se
traduit par
F : R R2 R
(25.41)
x x a ` b.

Nous avons :

xpa, bq xpa1 , b1 q |a b a1 ` b1 |
1

(25.42a)
1

|a a | ` |b b |
1

}pa, bq pa , b q}1

(25.42b)
(25.42c)

o nous avons utilis

la norme }.}1 sur R2 . Par la proposition 6.138 sur les quivalences de normes,
?
le nombre K 2 fonctionne pour toute valeurs de .
La problme de la diffrence est donc un problme stable.
4
Exemple 25.25(Stabilit de la multiplication)
Si a est fix, le problme de calculer ab (b est la donne) est stable. En effet ce problme est donn
par la fonction F px, bq x ab, dont la solution est xpbq ab. Nous avons donc

xpbq xpb1 q |ab ab1 | |a||b b1 |.

(25.43)

La constante de Lipschitz de ce problme est donc |a|.

2. Dfinition 11.189.

1333

25.4. CONDITIONNEMENT ET STABILIT

Dfinition 25.26.
Le nombre
Kabs pd0 , q :

sup

d tel que |d0 d|

}xpdq xpd0 q}X

}d d0 }D

(25.44)

est appel le conditionnement absolu du problme autour de d0 .

Soit F px, dq 0 un problme stable de conditionnement absolu Kabs pd, q. Le conditionnement
relatif est dfini par
}d}D
Krel pd, q : Kabs pd, q
.
(25.45)
}xpdq}X
Le problme est dit bien conditionn prs de d si Krel pd, q est petit.

Exemple 25.27(Mauvais conditionnement de la diffrence)

Reprenons le problme de la diffrence, mais en fixant a. Nous avons donc xpbq a b et le
conditionnement absolu est
|xpbq xpb0 q|
sup
1
(25.46)
|b b0 |

Le conditionnement relatif est :

Krel pb0 , q

|b|
.
|a b|

(25.47)

Et donc le problme est mal conditionn autour de a.

Autrement dit, si a1 est un nombre proche de a, calculer la diffrence a a1 est un problme
mal conditionn.
4
Exemple 25.28(Bon conditionnement de la multiplication)
Pour le problme F px, bq x ab nous avons
Kabs sup
b1

|ab ab1 |
|a|.
|b b1 |

Et aussi
Krel a

|b|
1.
|ab|

(25.48)

(25.49)

Le conditionnement relatif du problme de la multiplication est donc toujours 1. Il est donc un

toujours un problme bien conditionn.
4
Ne pas confondre :
Le conditionnement provient du problme lui-mme.
La stabilit provient de lalgorithme de rsolution.
Exemple 25.29(Un problme mal conditionn)
Le systme
"
2.1x ` 3.5y 8

4.19x ` 7.0y 15

(25.50a)
(25.50b)

Solution : x 100, y 57.714285 . . . (priodique)

Perturbons : nous remplaons 4.19 par 4.192. Lerreur relative est : 4.77 104 .
Solution : x
125, y 72.714285 . . ., avec donc erreur relative de 0.26. Autrement dit :
lerreur relative sur la solution est grande mme avec une petite erreur relative sur la donne.
Cest un problme mal conditionn.
Le fait est que cest une intersection de deux droites presque parallles. Donc effectivement une
petite perturbation dune des deux droites donne une grande perturbation du point dintersection.

1334

CHAPITRE 25. CALCUL NUMRIQUE

Le fait est quun ordinateur effectue toujours une perturbation, au moins de lordre 1016 pour
ne fut-ce que reprsenter les nombres. Cest dire une perturbation sur les six nombres dfinissant
le systme. Il ny a donc pas despoir dobtenir un algorithme donnant une bonne rponse.
4
Un rsultat pratique pour tudier le conditionnement dun problme est le suivant.
Corollaire 25.30.
Soit x xpdq un problme stable. Supposons D de dimension finie, supposons que U est ouvert
dans D. Supposons encore x : U R diffrentiable en d0 . Alors quand est petit, on a

Kabs
pd0 q }xpd0 q}.

(25.51)

Lemme 25.31.
Tout problme de la forme x xpdq avec d P R et x P C 1 pRq est stable.

Dmonstration. Il faut dmontrer quune fonction C 1 sur R vrifie automatiquement la condition

(2) de la dfinition de la stabilit. Pour cela, remarquons quune fonction C 1 possde une drive
continue, et donc borne sur tout compact 3
Prenons 0 et d0 P R et puis un d tel que |d d0 | . Par le thorme des bornes atteintes,
la fonction x1 est borne sur lintervalle rd0 , d0 ` s. Appelons K un majorant de x1 sur cet
intervalle. La fonction
f pdq xpd0 q ` K|d d0 |
(25.52)
majore xpdq, et donc on a

xpdq xpd0 q K|d d0 |.

(25.53)

Attention : vrifier si ce raisonnement est correct avec d0 d, et adapter au besoin.

Exemple 25.32
Un exemple de problme stable de la forme x xpdq avec d P R et x P C 0 pRqzC 1 pRq.
La fonction
#
0 si x 0
xpdq
x si x 0

(25.54)

est continue, mais pas C 1 (non drivable en x 0). La drive est partout borne par 1, et donc
le problme est stable.
Un autre exemple trs classique serait de prendre xpdq |d|. Dans ce cas, on peut prendre
nimporte que et K 1. Le calcul est que
|xpdq xpd0 q| K|d d0 |

|d| |d0 | |d d0 |.

(25.55a)
(25.55b)

Cette dernire inquation est correcte, comme on peut le voir en mettant au carr les deux membres.
4
Exemple 25.33
Un exemple de problme instable de la forme x xpdq avec d P R et x P C 0 pRq.
Un exemple assez classique de fonction dont la drive nest pas borne sans pour autant que
?
la fonction aie un comportement immoral 4 est x x. Afin davoir une fonction dfinie sur R
tout entier, nous regardons la fonction
a
xpdq |d|.
(25.56)
3. Un compact est un ensemble ferm et born, typiquement un intervalle du type ra, bs.
4. Penser x x sinp1{xq.

1335

25.4. CONDITIONNEMENT ET STABILIT

Si nous considrons maintenant d0 0 et nimporte quel , nous avons
?
1
|xpdq xpd0 q|
d

? .
|d d0 |
d
d

(25.57)

Il nest pas possible de trouver un K qui majore ce rapport. Le problme est donc mal conditionn.
Attention : dans ce calcul nous avons suppos d 0. Pensez adapter au cas d 0.
4

Exemple 25.34(Problme bien conditionn avec algorithme instable)

Soit calculer

1 1 n x
In
x e dx
e 0

(25.58)

avec n 0. Par partie, nous obtenons :

In 1 nIn1 .

(25.59)

1
Dautre part, I0 e1
e , I1 e . Puis par rcurrence, cest tout en main.
Du ct de lordinateur, nous lui donnons forcment une approximation de I1 , parce que nous
lui donnons une approximation de e. Soit lerreur 1 sur I1 .
Sans dmonstration :

Lemme 25.35.
Nous avons limn8 In 0.

Mais numriquement, il nest pas possible de rester longtemps sous 1 parce que nous nesprons
pas avoir une erreur plus petite que a. Donc partir du moment o In 1 , les valeurs sont toutes
compltement fausses. Cela est le mieux que lon puisse esprer. Mais la ralit est pire.
En ralit, en lanant le calcul sur un ordinateur, les valeurs sont mme croissantes avec n
partir dun certain moment.
On peut tudier lerreur et montrer que lerreur est donne par :
n p1qn1 n!1 .

(25.60)

Mais comme la factorielle est tellement forte que cest sans espoir daller loin en essayant trs fort
de donner une petite erreur sur 1 .

Il existe heureusement un algorithme stable pour cette intgrale. La formule est :

In1

1
p1 In q.
n

(25.61)

Si nous savons un IN avec N grand, cette formule donne les Ii avec i N, N 1, . . . , 2. Posons
donc IN a P R nimporte comment. Donc N est grand. Mais il se trouve que lerreur sur 1 est
donne par
p1qN 1
1
N .
(25.62)
N!
Donc mme en prenant vraiment nimporte quoi pour IN , nous obtenons de bonnes approximations
pour Ii avec les petits i. Mme avec I20 1000 (qui est compltement faux), nous trouvons
normment de chiffres significatifs corrects pour I1 .

25.4.1

Comment choisir et penser le K ?

La formule (25.44) contient une formule qui ressemble trangement la drive. La stabilit
dun problme est trs lie la drive de F . La stabilit et la drive ne sont pas les mmes choses,

1336

CHAPITRE 25. CALCUL NUMRIQUE

mais il nest pas mauvais de penser au K de la stabilit comme la drive. Ou plus prcisment :
le supremum de la drive.
Un fil conducteur du lemme 25.31 et des exemples 25.32, 25.33 est que lon a un K qui fonctionne
lorsque la drive est borne sur lintervalle sd0 , d0 ` r. Dans le cas o ce supremum existe, le
prendre en guise de K fonctionne souvent.
Il faut cependant parfois faire acte dimagination. La fonction x |x| nest pas drivable en
0. Il nempche que K 1 fait fonctionner la dfinition de la stabilit. Remarquez que K 1 est
le supremum de la drive l o elle existe.
partir du moment o cest clair que le K est le supremum de la drive, on comprend pourquoi
cest le gradient qui arrive dans le corollaire 25.30. En effet, le gradient indique la direction de plus
grande pente. Cest donc bien dans cette direction quil faut chercher la plus grande drive.
Proposition 25.36.
Pour le problme stable x xpdq avec x P C 1 pRn , Rq, on a
Kabs pdq |dxd |op

(25.63)

o dxd dsigne la diffrentielle de x en d.

25.5

Conditionnement dune matrice

Soit le systme dquations linaires Au b avec la matrice inversible A ainsi que le systme
perturb pA ` Aqu1 pb ` bq. Nous notons u u1 u et nous voudrions pouvoir dire des
choses de lerreur relative }u}
}u} .
Exemple 25.37([281])
Soit la matrice

10 7
A
(25.64)
7 5


32
1
et b
. La solution de Au b est u
. Si nous conservons la mme matrice mais nous
23
6

32.1
0.2
considrons b
. La solution devient u1
22.9
4.3
En norme }.}8 nous avons 5
}b}
0.1

0.003125
(25.65)
}b}
32

et

1.7
}u}

0.28.
}u}
6

(25.66)

Cela montre environ amplification dun facteur 100 entre lerreur sur b et lerreur sur la solution.
4
Dfinition 25.38.
Le conditionnement de la matrice inversible A P GLpn, Cq est le nombre positif
CondpAq }A}}A1 }.

(25.67)

Cette dnomination sera justifi par le corollaire 25.44 parce quil est vident que le conditionnement dune matrice est li au conditionnement du problme de rsolution dun systme linaire.
5. La proposition
6.138(3) montre que si nous voulions des estimations en norme }.}2 , il y aurait au maximum
?
un facteur 2 par-ci par l.

1337

25.5. CONDITIONNEMENT DUNE MATRICE

Remarque 25.39.
Le conditionnement dpend de la norme choisie, mais cette dependence est contrle par la proposition 6.138 qui nous indique que si le conditionnement dune matrice est grand dans une norme,
il sera grand dans une autre norme.
Dautre part, lorsque nous crirons }A} nous supposerons toujours que }.} est une norme dalgbre 6 et donc que nous avons toujours
(25.68)

}AB} }A}}B}.

De plus nous supposerons toujours avoir une norme subordonne une norme sur lespace Cn , de
telle sorte avoir
}Au} }A}}u}
(25.69)
pour tout u P Cn . Voir aussi la proposition 6.88.

Proposition 25.40 ([281]).

Si A est une matrice inversible et si P C nous avons :
(1) CondpAq 1

(2) CondpAq CondpA1 q

(3) CondpAq CondpAq.

Si Q P Opnq alors

(1) Nous avons Cond2 pQq 1 o Cond2 est le conditionnement pour la norme }.}2 .

(2) Nous avons aussi

Cond2 pAq Cond2 pAQq Cond2 pQAq.

Dmonstration. Nous savons que Condp1q 1 et donc

1 }1} }A}}A1 }

(25.70)

(25.71)

parce que la norme utilise est une norme matricielle.

Les deux autres formules sont videntes partit du fait que la dfinition du conditionnement
de A est symtrique entre A et A1 .
En ce qui concerne les formules relatives la matrice orthogonale Q nous savons par la proposition 6.61(3) quune matrice orthogonale est une bijection de lensemble tx P Rn tel que }x} 1u.
Par consquent
}AQ}

sup

x tel que }x}1

}AQx}

sup

Q1 x

tel que }x}1

}AQQ1 x} }A}.

(25.72)

Donc }AQ} }A}. Les assertions sensuivent immdiatement en remarquant que Q1 est galement
orthogonale.
Lemme 25.41 ([281]).
Si A est une matrice carr et inversible,
SpecpA Aq SpecpAA q

(25.73)

Dmonstration. Nous allons montrer lgalit des polynmes caractristiques. Dabord une simple
multiplication montre que
pA A 1qA1 A1 pAA 1q.
(25.74)
Nous prenons le dterminant de cette galit en utilisant les proprits 6.49(1) et (3) :
detpA A 1q detpA1 q detpA1 q detpAA 1q.

(25.75)

En simplifiant par detpA1 q (qui est non nul parce que A est inversible) nous obtenons lgalit
des polynmes caractristiques et donc lgalit des spectres.
6. Dfinition 6.82.

1338

CHAPITRE 25. CALCUL NUMRIQUE

Soit une matrice inversible A P GLpn, Cq. La matrice A A est hermitienne 7 et le thorme
6.286 nous assure que ses valeurs propres sont relles. Par la remarque 6.287, ses valeurs propres
sont mme positives.
Proposition 25.42 ([281]).
Soit une matrice inversible A P GLpn, Cq, et 1 . . . n les valeurs propres de A A. Alors nous
avons la formule
c
n
Cond2 pAq
.
(25.76)
1
Dmonstration. Par le thorme 6.91, la norme de A est lie au au rayon spectral de A A par
a
?
}A}2 pA Aq n .
(25.77)
Vu que le spectre de AA est le mme que celui de A A (lemme 25.41) nous avons aussi
}A1 }2

b `
b `

1
pA1 q A1 pA Aq1 ?
1

(25.78)

parce que la plus grande valeur propre de pA Aq1 est linverse de la plus petite de A A.
Ces deux calculs tant,
c
n
1
Cond2 pAq }A}2 }A }2
.
(25.79)
1

25.5.1

Perturbation du vecteur

Proposition 25.43 (Systme linaire : perturbation du vecteur[281]).

Soit une matrice inversible A et les systmes dquations linaires
Au b
1

Au b .

(25.80a)
(25.80b)

En notant u u1 u et b b1 b nous avons

}u}
}b}
CondpAq
.
}u}
}b}

(25.81)

Dmonstration. En soustrayant les quations (25.80) nous avons b Au, et donc u A1 b.

Dune part nous avons alors
}u} }A1 }}b}.
(25.82)
Et dautre part, }b} }A}}u}, ce qui donne

}b}
}u}.
}A}

(25.83)

}u}
}A1 }}b}
}b}

}A} CondpAq
.
}u}
}b}
}b}

(25.84)

En mettant les deux ensemble,

Le corollaire suivant justifie le nom conditionnement au conditionnement dune matrice.

7. Dfinition 6.275.

1339

25.5. CONDITIONNEMENT DUNE MATRICE

Corollaire 25.44.
Soit A P GLpn, Cq fixe et le problme de rsoudre Au b, cest dire la fonction

(25.85)

F pu, bq Au b.
(1) Ce problme est stable pour toute valeur de b.
(2) Nous avons une majoration pour le conditionnement relatif 8 :
Krel p, b0 q CondpAq.

(25.86)

Dmonstration.
Stabilit Vu que A est inversible, il existe une solution unique tout systme
de la forme Au b1 . De plus upbq A1 b, donc
}upbq upb0 q} }A1 pb b0 q} }A1 }}b b0 },

(25.87)

de telle sorte que la condition 25.23(2) fonctionne avec K }A1 }.

Conditionnement En partant de la dfinition 25.45, et en utilisant la majoration de la proposition 25.43 sous la forme
}upbq upb0 q} CondpAq}upb0 q}
nous obtenons :
}b0 }
}upb0 q}
}upbq upb0 q} }b0 }
}b b0 }
}upb0 q}

}b}
,
}b0 }

(25.89a)

Krel pb0 , q Kabs pb0 , q

sup

}bb0 }

(25.88)

sup CondpAq
b

}upb0 q}
1
}b0 }
}b}
}b0 }
}b b0 } }upb0 q}
(25.89b)

CondpAq.

(25.89c)

Remarque 25.45.
La notion de conditionnement relatif dpend aussi de la norme choisie. Dans la formule (25.86)
il faut prendre le conditionnement CondpAq pour la norme dans laquelle le Krel est crit. Encore
une fois, toutes les normes tant quivalentes, cette majoration est constante prs bonne pour
toutes les normes. Si la dimension est trs grande, cette constante peut par contre tre grande.

25.5.2

Perturbation de la matrice

Proposition 25.46 (Systme linaire : perturbation de la matrice[281]).

Soient les systmes linaires
Au b
1 1

Au b

(25.90a)
(25.90b)

avec A et A1 inversibles. Nous notons A A1 A. Alors

(1)

(2)

o limx0 pxq 0.

}u}
}A}
CondpAq
1
}u }
}A}

(25.91)

}u}
}A} `
CondpAq
1 ` p}A}q
}u}
}A}

(25.92)

8. Si vous doutez de la norme prendre, lisez la remarque 25.45

1340

CHAPITRE 25. CALCUL NUMRIQUE

Dmonstration. Dabord nous avons

0 Au1 Au
1

(25.93a)
1

pA Aqu Au Au

Au ` Au.
1

(25.93b)
(25.93c)

Par consquent, u A1 pAqu1 et

Donc

}u} }A1 }}A}}u1 }.

(25.94)

}u}
}A}
}A}
}A1 }}A}
CondpAq
.
1
}u }
}A}
}A}

(25.95)

}A11 } }pA ` Aq1 }

(25.96)

Cela est (1).

Pour lautre ingalit, nous avons A1 A ` A et donc

Nous repartons alors de (25.94) en changeant le rle de A et A1 (et donc aussi de u et u1 ). Ce

changement tant, }u} et }A} ne changent pas. Nous avons :
}u}
}A11 }}A}
}u}

CondpAq
}A}}A1 }
}pA ` Aq1 } }A}

CondpAq.
}A1 }
}A}

}pA ` Aq1 }}A}

Il reste voir que

}pA ` Aq1 }
1,
}A1 }
}A}0
lim

ou autrement dit que

lim 1

AA

}A11 }
1
}A1 }

(25.97a)
(25.97b)
(25.97c)

(25.98)

(25.99)

o la limite est celle dans GLpn, Cq. Par dfinition de la topologie, la norme est continue (quelle
quelle soit par lquivalence de norme 6.139). Par le thorme 6.234, lapplication A A1 est
galement continue et commute donc avec la limite. Nous avons donc
lim }A11 } }p lim
A1 q1 } }A1 }.
1

A1 A

A A

(25.100)

Donc la limite du quotient (25.99) est bien 1.

25.6

Un peu de points fixes

25.6.1

Choix de la fonction point fixe

Pour lquation f pxq 0, il existe une infinit de fonctions g pour lesquelles lquation est
quivalente x gpxq.
Exemple : f pxq x2 2 lnpxq, nous pouvons faire
(1) x x2 2 lnpxq ` x

(2) Poser x2 2 ` lnpxq et donc

a
x 2 ` lnpxq
a
x 2 ` lnpxq.

(25.101a)
(25.101b)

1341

25.6. UN PEU DE POINTS FIXES

(3) Ou encore

2 ` lnpxq
x
o nous savons dj que x 0 parce que x 0 nest pas dans le domaine de f .
x

(4) Ou par lexponentielle :

x ex

2 2

(25.102)

(25.103)

Dans tous ces cas nous pouvons construire une suite pxn q en posant un nombre arbitraire pour x0
et ensuite la rcurrence
xn`1 gpxn q.
(25.104)

Graphiquement, la solution de lquation est lintersection entre les courbes y x et y gpxq.

Un petit dessin pour montrer la convergence :

P1

Q2

Q0

Q1

x1

P2

x2

P0

x0

Attention : cette mthode ne converge pas toujours. Parfois elle converge de faon monotone,
et parfois pas. Le choix de la fonction g qui fait x gpxq peut normment changer la vitesse de
convergence.
Thorme 25.47 (Condition suffisante pour existence dun point fixe).
Une fonction continue f : ra, bs ra, bs admet au moins un point fixe dans ra, bs.

Thorme 25.48 (Condition suffisante pour lunicit).

Soit f continue sur ra, bs avec gpxq P ra, bs pour tout x P ra, bs. Supposons quil existe 0 k 1
tel que pour tout x P ra, bs nous ayons |g 1 pxq| k alors
(1) La fonction g possde un unique point fixe dans ra, bs.

(2) Pour tout x0 P ra, bs, tous les termes de la suite xn`1 gpxn q sont dans ra, bs.
(3) Ladite suite pxn q converge vers le point fixe.

Thorme 25.49.
Soit f continue sur ra, bs avec gpxq P ra, bs pour tout x P ra, bs. Supposons

(1) quil existe 0 k 1 tel que pour tout x P ra, bs nous ayons |g 1 pxq| k et
(2) g est p fois drivable sur ra, bs.

(3) g 1 pq g 2 pq . . . g pp1q pq et g ppq pq 0 o est lunique point fixe.

Alors la suite pxn q converge avec un ordre p.

Exemple 25.50
Nous reprenons

f pxq x2 2 lnpxq.

(25.105)

1342

CHAPITRE 25. CALCUL NUMRIQUE

2
Et nous voulons rsoudre f pxq 0. Graphiquement cest lintersection entre
? y x 2 et y lnpxq.
Il est vite trac de savoir quil y a deux solutions : 1 P r0, 1s et 2 P r 2, 2s.
Dj un petit problme : lintervalle r0, 1s ne va pas parce que f ny est pas continue. Un petit
raffinement danalyse nous fournit 1 P re2 , 1s.
Nous avons au moins les fonctions de points fixes suivantes :
a
g1 pxq 2 ` lnpxq
(25.106a)

g2 pxq ex

2 2

(25.106b)

Pour la premire, il y avait un qui a t nglig parce que nous savons que les deux solutions
cherches sont positives. Travaillons avec la premire. Dabord
g11 pxq

1
a
.
2x 2 lnpxq

(25.107)

Nous avons limxe2 g21 pxq `8. Il ne sera donc pas possible de trouver 0 k 1 tel que
|g 1 pxq| k. Tentons quand mme la mthode :
x0 0.5

(25.108)

Il se fait que cela est plus proche de 1 que de 2 . Mais en ralit la suite converge vers 2 .
Passons la seconde mthode.
2
g21 pxq 2xex 2 .
(25.109)
Sur lintervalle re2 , 1s, g21 est croissante et prend toutes ses valeurs dans re2 , 1s. Nous pouvons
prouver que
|g21 pxq| 2e1 1.
(25.110)

Donc poser k 2e1 fait fonctionner la proposition. Donc quel que soit le x0 pris dans cet
intervalle, nous aurons une suite convergente vers un point fixe lintrieur de lintervalle. Cest
dire convergente vers 1 .
Cela est un exemple de problme pour lequel changer de fonction g change rellement la vie.
4

25.6.2

Convergence quadratique

Dfinition 25.51.
Une suite pxn q a une convergence quadratique vers si elle converge vers et si il existe un C
tel que pour tout n nous ayons
}xn`1 } C}xn }2 .
(25.111)

Il est bien entendu possible de parler de convergence quadratique si la relation (25.111) a lieu
seulement partir dun certain indice.
Le lemme suivant donne limportance du choix de point de dpart lorsquon utilise une mthode
itrative dont la convergence est quadratique.
Lemme 25.52.
Soit une suite xn de convergence quadratique. Si }x0 } r alors
}xn }

1
n
pCrq2
C

(25.112)

Dmonstration. Nous pourrions directement prouver la formule (25.112) par rcurrence, mais nous
allons la reconstruire un peu. Nous cherchons
}xn } C kpnq r2 .
n

(25.113)

1343

25.6. UN PEU DE POINTS FIXES

Nous avons les ingalits
}xn`1 } C}xn }2
CC 2kpnq r

(25.114a)

2n`1

(25.114b)

2n`1

(25.114c)

C 2kpnq`1 r
do nous voyons que la fonction k doit vrifier
"

kp0q 0

(25.115a)

kpn ` 1q 2kpnq ` 1

(25.115b)

La premire quation est lhypothse }x0 } r compare la formule (25.113). Il est vite vrifi
que kpnq 2n 1. Do le rsultat.
Si le point de dpart est choisit de faon avoir Cr 1 alors nous avons l un trs bon
majorant parce quil sagit dun majorant convergeant trs rapidement vers zro. Si au contraire
Cr 1 alors ce majorant ne sert rien.
25.53.
Le fait davoir une convergence quadratique signifie que le nombre dcimales correctes double
(environ) chaque itrations, dans nimporte quelle base. En effet supposons que xn ait k dcimales
correctes ; cela signifie que |xn | 10k . Donc
|xn`1 | M 102k .

(25.116)

Cela est le double de dcimales correctes de |xn |, moins lordre de grandeur de M .

Pour la mthode de bisection, le nombre de dcimales augmente de 1 chaque itration, mais
seulement en base 2. En base 10, de faon gnrique 9 il faut entre 3 et 4 itrations pour avoir une
dcimale de plus.
25.54 (Condition darrt[282]).
Dautre part, lorsquune mthode a une convergence quadratique, nous avons un test darrt. Pour
ce voir, nous avons la limite
|xn`1 |
C|xn |2
lim
0.
n8 |xn |
n8 |xn |
lim

(25.117)

Cette limite est alors galement valable sans les valeurs absolues et si nous soustrayons xn au
numrateur, la limite devient 1 :
1 lim

n8

Ou encore
lim

n8

xn`1 xn
.
xn

xn xn`1
1.
xn

(25.118)

(25.119)

Cela a pour consquence que si n est grand,

(1) xn`1 a le mme ordre de grandeur que xn .

(2) xn xn`1 et xn ont le mme signe.

Donc si nous voulons une approximation de avec une erreur , il suffit darrter le calcul lorsque
|xn`1 xn | . Et ce faisant nous savons de plus si lapproximation est par excs ou par dfaut.
9. Cest dire sauf coup de malchance ou coup de chance.

1344

25.6.3

CHAPITRE 25. CALCUL NUMRIQUE

Convergence

Proposition 25.55 (Convergence dune mthode de point fixe[282]).

Soit g : R R de classe C 1 et un point fixe attractif 10 de g. Soit k tel que |g 1 pq| k 1 et
tel que }g 1 }Bp,q k.
Alors
(1) La fonction g est k-contractante 11 sur Bp, q.
`

(2) Nous avons g Bp, q Bp, q.

(3) Pour tout x0 P Bp, q la suite xn`1 gpxn q converge vers et

|xn | |x0 |k n .

(25.120)

Si de plus g 1 pq 0 et g est de classe C 2 alors nous avons convergence quadratique (dfinition

25.51).
Dmonstration. Vu que est un point fixe attractif de g nous pouvons considrer un k tel que
|g 1 pq| k 1. Et comme g est de classe C 1 , la fonction g 1 est continue et donc borne sur toute
boule du type Bp, q. Soit le plus grand nombre tel que }g 1 }Bp,q k. Nous notons I Bp, q
pour cette valeur de .
Pour tout x P I nous avons, en utilisant le thorme des accroissements finis 11.99(2) :
|gpxq | |gpxq gpq|

(25.121a)

sup |g ptq||x |

(25.121b)

k|x |

(25.121c)

tPI

(25.121d)

parce que k 1 et |x | . Par consquent gpxq P Bp, q. Cela prouve le point (2). Pour le
point (1), soient x, y P Bp, q et
|gpxq gpyq| sup |g 1 paq||x y| k|x y|.

(25.122)

aPI

Pout le point (3) nous avons |gpxn q | k|xn |, cest dire

|xn`1 | k|xn |.

(25.123)

Le rsultat annonc sobtient par rcurrence sur n.

En ce qui concerne la convergence quadratique, cest du Taylor. Dveloppons gpxn q autour de
gpq :
1
(25.124)
gpxn q gpq ` g 1 pqpxn q ` pxn q2 pxn q
2
avec limt0 ptq 0. En posant C 12 supt |ptq| nous avons |gpxn q gpq| C|xn |2 , cest
dire
|xn`1 | C|xn |2 .
(25.125)
Ce corollaire est une paraphrase de la proposition 25.55. Il en retient seulement les points
intressants en pratique.
Corollaire 25.56.
Soit une solution de lquation x gpxq, avec g continue sur un voisinage de et drivable dans
lintrieur. Nous supposons que
|g 1 pq| 1.
(25.126)
Alors il existe un rayon tel que si x0 P Bp, q, la suite pxn q converge vers .
10. Dfinition 16.105.
11. Dfinition 16.108

1345

25.7. MTHODE DE NEWTON

Certes cette proposition demande moins dhypothses, mais en ralit, il ne donne pas de vrais
moyens de choisir un point de dpart x0 . Avec les deux thormes prcdents, nous pouvions
prendre x0 nimporte o dans ra, bs. Le fait est que pour choisir x0 nous pouvons tracer et donner
la main un x0 proche de ce qui semble tre . Si a ne converge pas, il faut donner un x0 plus
proche. La proposition nous assure que si nous jouons bien choisir x0 trs proche, la suite finira
par converger.
Notons que le corollaire 25.56 a encore linconvnient de demander de calculer g 1 pq alors que
est inconnu. La rsolution de linquation |g 1 pxq| 1 nous donne un certain nombre dintervalles
dans R.
Soient In les intervalles solutions de linquation. Si P In alors la mthode converge. Sinon,
cest pas garantit. En tout cas nous ne devons pas savoir rellement pour appliquer le thorme.
Il suffit de savoir que est dans un des In .

25.7

Mthode de Newton

Lobjectif de la mthode de Newton est dvaluer une racine a de lquation f pxq 0 lorsque
nous avons dj une approximation x0 de la racine .
Dfinition 25.57.
Le nombre est une racine simple de lquation f pxq 0 si f pq 0 et f 1 pq 0. Le nombre
est une racine multiple dordre r de f pxq 0 si
f pq f 1 pq . . . f pr1qpq 0

(25.127)

et f prq pq 0.
Exemple 25.58
La fonction x x3 en x 0 est un racine dordre 3.

25.7.1

Justification par la formule par Taylor

Soit une fonction f continue et drivable sur ra, bs. Soit une racine de f et xn une de ses
approximation. Nous notons lerreur et nous avons xn ` . Du coup nous avons f pxn ` q
f pq 0.
crivons la srie de Taylor du thorme 11.204 autour de xn : il existe une fonction  : R R
telle que limt0 ptq 0 telle que
f pq f pxn ` q f pxn q ` f 1 pxn q `

2
pq.
2

(25.128)

Nous isolons le du terme dordre 1 en nous souvenant que le membre de gauche est nul :

f pxn q 2 pq
f 1 pxn q

(25.129)

Vu que xn ` , nous pouvons crire

xn

f pxn q ` 2 pq
.
f 1 pxn q

Il est donc raisonnable de poser

xn`1 xn

f pxn q
f 1 pxn q

en esprant que cela soit une meilleur approximation de que xn .

(25.130)

(25.131)

1346

CHAPITRE 25. CALCUL NUMRIQUE

En tout cas lerreur sur xn`1 est

xn`1 xn ` xn `

f pxn q ` 2 pq
f pxn q ` 2 pq

`
,
f 1 pxn q
f 1 pnn q

(25.132)

qui ne doit pas tre fondamentalement plus grand que ds que est petit, surtout que si xn est
une approximation de , nous pouvons esprer que f pxn q soit galement petit. L o les choses
peuvent draper en grand, cest si f 1 pxn q est petit.
Cette mthode de Newton ne converge pas toujours. Le pire est lorsque par malheur il y a une
bosse pas loin de la racine. Alors il y a un risque de tomber sur f 1 pxn`1 q 0 ou en tout cas trs
proche de zro. Dans ce cas le point xn`2 est envoy trs loin.

25.7.2

Justification par points fixes

Nous savons que pour rsoudre f pxq 0 par une mthode de point fixe, il y a de nombreux
choix possibles de fonctions g telles que gpxq x donne la mme solution que f pxq 0. Soit
une solution de f pxq 0 et cherchons une fonction g de la forme
gpxq x kf pxq.

(25.133)

f pxq
,
f 1 pxq

(25.134)

f pxn q
.
f 1 pxn q

(25.135)

Nous savons par la proposition 25.55 que la fonction g donne une convergence quadratique lorsque
g 1 pq 0. Pour la forme (25.133) nous avons g 1 pq 1 kf 1 pq, ce qui nous donne lide de poser
1
k f 1 pq
.
Le fait est que f 1 pq nest pas connu, mais nous pouvons lapproximer par f 1 pxq lorsque x est
proche de . Do lide de considrer la fonction
gpxq x
et donc la suite xn`1 gpxn q cest dire
xn`1 x

Ds que xn est proche de , sous lhypothse (raisonnable par continuit) que f 1 pxn q soit proche
de f 1 pq, la mthode devrait donner une convergence quadratique.
Remarque 25.59.
Cette justification par points fixes nest pas vraiment diffrente de celle par Taylor parce que Taylor
est utilis dans la preuve de la proposition 25.55.
Dfinition 25.60 (Mthode de Newton).
La mthode de Newton pour la fonction f est la suite dfinie par rcurrence
xn`1 xn

f pxn q
.
f 1 pxn q

(25.136)

Cette dfinition ne prcise pas la valeur de x0 , ni de condition darrt.

25.7.3

Convergence de la mthode de Newton

Thorme 25.61 (Convergence quadratique de la mthode de Newton[282]).

Soit f une fonction continue vrifiant f pq 0 et f 1 pq 0. Nous considrons la fonction
gpxq x

f pxq
g 1 pxq

(25.137)

que nous supposons tre de classe C 2 .

Si C est une majoration de }g 2 } sur un intervalle contenant , alors en posant 1{C nous
avons

1347

25.7. MTHODE DE NEWTON

`

(1) La boule Bp, q est prserve par g : g Bp, q Bp, q.

(2) Pour tout x0 P Bp, q nous avons convergence quadratique vers de la suite dfinie par
xn`1 gpxn q.
(3) Nous avons lestimation

2n
1`
C|x0 |
C
o C est la constante de la dfinition de convergence quadratique.
|xn |

(25.138)

Dmonstration. Nous commenons par calculer la drive de g :

g 1 pxq

f pxqf 2 pxq
,
f 1 pxq2

(25.139)

do nous dduisons que g 1 pq 0. Ensuite nous utilisons abondamment la formule des accroissements finis (thorme 11.187) en commenant par
(25.140)

|gptq gpq| }g 1 }rt,s |t |

o par }f }A nous entendons la norme uniforme de f sur A, cest dire }f }A supxPA }f pxq}.
Note : nous crivons rt, s, mais a pourrait tre r, ts.
Si x P rt, s alors
(25.141a)

|g 1 pxq| |g 1 pxq g 1 pq|

(25.141b)

}g }rx,s |x |

(25.141c)

}g 2 }rx,s |t |

(25.141d)

}g }rt,s |t |.

En particulier, }g 1 }rt,s }g 2 }rt,s |t |, et nous pouvons continuer les majorations (25.140) :

|gptq gpq| }g 2 }rt,s |t |2 .

(25.142)

La fonction g tant de classe C 2 , la drive seconde g 2 est borne (nous supposons dj travailler
sur un compact contenant ). Soit C une borne. Nous sommes en mesure de prouver le point (1)
avec 1{C. En effet si t P Bp, 1{Cq alors
|gptq | |gptq gpq| C|t |2 C

1
1
,
C2
C

(25.143)

ce qui prouve que gptq P Bp, 1{Cq.

Le point (2) se prouve de la mme manire : si xn P Bp, 1{Cq alors
|xn`1 | |gpxn q gpq| C|xn |2 ,

(25.144)

ce qui est bien la convergence quadratique.

La majoration du point (3) sobtient par rcurrence sur n. Pour n 0, la relation (25.138)
devient |x0 | |x0 | qui est vraie. Ensuite par la convergence quadratique et la rcurrence,
|xn`1 | C|xn |2 C

pC|x0 |q2

2n`1
1
M |x0 |
.
C

(25.145)

La proposition suivante nous indique que dans le cas dune fonction convexe, le choix de point
de dpart de la mthode de Newton nest pas tellement crucial parce que il sont tous bons. De
plus la convergence se faisant de faon dcroissante (si on part de la droite), nous savons que le
rsultat sera une approximation par excs de .

1348

CHAPITRE 25. CALCUL NUMRIQUE

Proposition 25.62 (Newton dans le cas convexe).

Soit f de classe C 2 et une racine telle que f 1 pq 0. Soit b tel que f soit convexe sur r, bs.
Alors pour tout x0 P r, bs la suite de la mthode de Newton est
(1) dcroissante

(2) reste dans r, bs

(3) converge vers .

Dmonstration. Nous savons par la proposition 11.216(2) que la fonction f 1 est croissante, et par
hypothse f 1 pq 0, donc sur r, bs nous avons f 1 0. Par consquent, nous avons aussi f 0
sur r, bs.
Le graphe de f est au dessus de la tangente de f en x xn (proposition 11.222). Si nous
nommons tx la fonction qui donne la tangente en x nous avons txn pq 0 parce que f pq 0.
Par consquent
(25.146)
txn pxq 0
pour x xn . Cela prouve que xn`1 P r, bs, et que pxn q est une suite dcroissante
tant donn que pxn q est une suite dcroissante dans le compact r, bs, elle est convergente.
Notons sa limite. Nous avons la relation de rcurrence
xn`1 xn

f pxn q
.
f 1 pxn q

(25.147)

En passant la limite n 8 nous avons lquation

f pq
.
f 1 pq

(25.148)

Vu que f pxq 0 sur s, bs nous avons automatiquement .

25.7.4

Formalisation de lalgorithme

La mthode de Newton consiste a exprimer la solution x de f pxq 0 avec f P C 1 pRq comme

limite dune suite txn unPN dfinie par rcurrence par la formule
xn`1 xn

f pxn q
.
f 1 pxn q

(25.149)

o x0 est arbitraire.
Si on veut exprimer cela en terme dalgorithme, nous disons que lalgorithme de Newton est
donn par la suite de problmes
Fn pxn`1 , xn , f q xn`1 xn `

f pxn q
.
f 1 pxn q

(25.150)

La donne du problme est la fonction f , et rien que elle.

Plus prcisment, une fois que la fonction f est donne, il existe une infinit de problmes :
pour chaque a P R nous avons le problme
Ga pxn , f q x a `

f paq
.
f 1 paq

(25.151)

La mthode de Newton consiste slectionner une partie de ces problmes de la faon suivante :
"
F0 Gx0
(25.152a)
F n G xn .

(25.152b)

Le problme F0 fournit un nombre x1 qui nous permet de slectionner le problme Gx1 qui va
fournir le nombre x2 , etc.
Au moment de calculer le conditionnement de Fn , nous ne devons pas voir xn1 comme fonction
de x0 et de la donne f . Il ne faut donc pas driver travers les xn .

1349

25.7. MTHODE DE NEWTON

Proposition 25.63.
Si une racine est multiple, alors lordre de convergence de la mthode de Newton est 1.
Voici un algorithme possible :
1
2
3
4
5
6
7
8
9
10

d e f Newton (f , x0 , toll , maxit ) :

fp = f . derivative ()
n =0
x = x0
diff = toll +1
w h i l e a b s ( diff ) > toll a n d n < maxit :
n = n +1
diff = - f ( x ) / fp ( x )
x = x + diff
return x,n
codeSnip_2.py
Commentaires :
(1) Notons que dans un langage vraiment numrique comme Matlab, il faut passer f 1 en argument.
(2) Dans le while il faudrait mettre xn`1 xn (en valeur absolue), mais cette diffrence est
aussi utilise pour calculer xn`1 donc on la calcule une seule fois.
(3) Il faudrait faire une vrification sur f pxn q 0. Il ny a pas tellement de choix que de changer
le point initial.

25.7.5

Caractristiques

Lalgorithme de Newton a les caractristiques suivantes :

(1) Pour rsoudre le problme numro n, il faut avoir rsolu le problme numro n 1.

(2) Aucune des solutions xn aux problmes intermdiaires nest une solution au problme de
dpart ( moins dun coup de chance).
(3) tant donn que la donne du problme Fn est la fonction f de dpart, nous avons dm
dn d pour tout m et n.
Thorme 25.64.
Soit f continue sur un voisinage de , racine simple. Alors il existe un voisinage de de rayon
tel que pour tout x0 dans ce voisinage, la mthode converge vers avec ordre de convergence
p 2.
Donc ds quon a continuit autour de la solution recherche, il suffit de prendre x0 assez proche
pour que tout se passe bien. Cela se fait par localisation des racines, par exemples en traant la
fonction avec un bon niveau de zoom. Le fait est quon cherche disons 3 dcimales la main (travail
sur ordinateur et graphique) et Newton donne les 20 dcimales suivantes la vitesse de la lumire.

25.7.6

Exemple de la racine carr

Nous allons nous lancer?dans un exemple : le cas de la racine carr. Soit calculer une approximation numrique de 2. Il sagit dune racine de la fonction f pxq x2 ` 2. La fonction de
la mthode de Newton associe est :
gpxq x

f pxq
x2 2

.
f 1 pxq
2x

(25.153)

1350

CHAPITRE 25. CALCUL NUMRIQUE

?
Cherchons un intervalle autour de 2 sur lequel nous avons convergence de la mthode de Newton.
Cela sobtient
? grace la proposition 25.55 qui nous informe quil suffit de trouver un intervalle
autour de 2 sur lequel |g 1 pxq| 1.
Nous avons
x2 2
g 1 pxq
,
(25.154)
2x2
?
et nous cherchons rsoudre |g 1 pxq| 1. Dabord g 1 pxq 1 na aucune solutions alors que g 1 p 2q
1
`
1
0. Donc
anous avons g pxq 1 pour tout x P R . Par contre lquation g pxq 1 a des solutions :
x 2{3.
Nous avons donc convergence de la mthode de Newton pour x0 dans un intervalle de la forme
a
?
r 2{3, 2 ` . . .s
(25.155)
?
o les les trois points reprsentent lexpression quil faut pour que ce soit symtrique autour de 2.
La
? valeur prcise na pas tellement dimportance parce, vu que nous sommes en train de chercher
a2, il est peu probable que nous ayons dj en main une bonne approximation de nombres du type
2{3.

Proposition 25.65.
?
La mthode de Newton pour la fonction f pxq x2 2 converge vers 2 pour toute valeur de dpart
dans s0, `8r.
?
?
Dmonstration.
x2 2 est convexe et f 1 p 2q 2 2 0. Donc la mthode
? La fonction f pxq ?
converge vers 2 pour tout
? x0 2 par la proposition 25.62.
Si par contre x0 P s0, 2r nous avons
x1

x20 ` 2
.
2x0

(25.156)

?
?
?
En posant hpxq px2 ` 2q{2x et en rsolvant
h1 pxq 0 nous ?
trouvons x 2. Et l, hp 2q 2.
?
Donc hpxq est toujours plus grand?que 2 pour tout
? x P s0, 2r.
En dautres termes, si x0 P s0, 2r alors x1 2 et nous retombons dans le premier cas.

25.7.7

Si multiplicit

Supposons que soit de multiplicit r (dfinition 25.57).

Cela se remarque en voyant que la mthode de Newton demande plutt 20 itrations que 5.
Le problme que cela pose est que chaque itration, les valuations provoquent des erreurs. Donc
moins ditrations, cest mieux.
Nous pouvons modifier la formule avec
xn`1 xn r

f pxn q
.
f 1 pxn q

(25.157)

Il est possible de prouver que cette suite est nouveau convergence quadratique.
Ou alors on pose F pxq f pr1q pxq et est une racine simple pour F . Donc faire Newton pour
F est nouveau quadratique, tout en donnant la mme solution parce que F pq 0 et F 1 pq 0.
La seconde faon est bien parce que le thorme de localisation fonctionne 25.64
Et si r nest pas connu ?
Il est toujours possible de faire r 2 puis r 3 et caetera jusquau moment o lon remarque
que le nombre ditrations baisse un grand coup.
Mais a demande beaucoup de calculs. Le mieux est de changer de mthode.

25.7.8

Et la drive ?

Un des problmes de la mthode de Newton est que lon doit pouvoir calculer la drive.
Typiquement, il faut savoir f de faon analytique. Si cela nest pas possible, nous pouvons changer
de mthode et utiliser la mthode des scantes dcrite en 25.10.

1351

25.7. MTHODE DE NEWTON

25.7.9

Mthode de Newton : le cas gnral

Lemme 25.66.
Soient A et B deux matrices inversibles telles que la matrice pA ` Bq soit inversible pour tout 
assez petit. Alors il existe une matrice Xpq telle que
pA ` Bq1 pA1 ` Xq

(25.158)

et telle que lim0 Xpq A1 BA1 .

Dmonstration. Le candidat matrice X est relativement simple trouver en crivant
pA ` BqpA1 ` Xq 1 ` AX ` BA1 ` 2 BX.

(25.159)

En imposant que cela soit 1, nous trouvons

Xpq pA ` Bq1 BA1 .

(25.160)

La matrice Xpq tant un inverse droite de pA ` Bq, son dterminant est non nul et X est
inversible. Par consquent elle est galement inversible au sens usuel. Le calcul de la limite est
direct :
lim pA ` Bq1 BA1 A1 BA1
(25.161)
0

parce que linverse est une fonction continue sur

Mpn, Rq.

Remarque 25.67.
Un calcul naf nous permet de trouver le mme rsultat de faon plus heuristique. En effet un
dveloppement usuel (dans R) est
1
1
b
2 ` ...
a ` b
a a

(25.162)

Si nous rcrivons cela avec des matrices, nous crivons (attention : passage heuristique !) :
pA ` Bq1 A1 A1 BA1 ` . . .

(25.163)

Notons le choix de gnraliser b{a2 par a1 ba1 . Dans les rels les deux critures sont quivalentes,
mais pas dans les matrices.
tudions si A1 A1 BA1 est bien un inverse 2 prs de pA ` Bq :
pA ` BqpA1 ` A1 BA1 q 1 BA1 ` BA1 2 BA1 BA1 1 2 BA1 BA1 . (25.164)
Par consquent, des termes en 2 prs la matrice A1 A1 BA1 est bien un inverse de A ` B.
Thorme 25.68 (Mthode de Newton[283]).
Soit f : Rn Rn une application de classe C 2 et un point a P Rn tel que f paq 0. Nous supposons
que dfa est inversible.
Alors il existe un voisinage V de a tel que pour tout x0 P V la suite dfinie par rcurrence
`

xn`1 xn pdfa q1 f pxn q

(25.165)

}xn a} C 12 .

(25.166)

converge vers a. De plus la vitesse est quadratique au sens o il existe C 1 tel que
n

1352

CHAPITRE 25. CALCUL NUMRIQUE

Dmonstration. tant donn que dfa est inversible et que df est continue, lapplication dfx est
continue 12 pour tout x dans un voisinage de a. Nous prenons r 0 tel que dfx est inversible pour
tout x P Bpa, rq.
Nous considrons la fonction
F : Bpa, rq Rn

x x pdfx q1 f pxq .

(25.167)

Cela est une application C 1 . La clef est de montrer que lapplication de F un point a`h rapproche
de a pourvu que h soit assez petit. Nous avons la formule suivante :
`
1 `

F pa ` hq F paq h dfa`h
f pa ` hq .
(25.168)
Nous allons maintenant utiliser un dveloppement de Taylor par rapport h en suivant la formule
(11.472). Nous avons
f pa ` hq f paq ` dfa phq ` }h}2 phq
(25.169)

o :

Rn Rn est une fonction qui tend vers une constante lorsque h 0. Nous avons aussi
dfa`h dfa ` }h} phq

(25.170)

o : Rn Mpn, Rq est une application qui tend vers une constante lorsque h 0. En ce qui
concerne linverse nous utilisons le lemme 13 25.66 :
`
1
pdfa q1 ` }h}Aphq
(25.171)
dfa ` }h} phq
o A est une autre matrice fonction de h qui tend vers une constante lorsque h tend vers zro. En
substituant le tout dans (25.168) nous trouvons
`

F pa ` hq F paq }h}2 pdfa q1 phq ` }h} Aphq dfa phq ` }h}3 Aphqphq.
(25.172)

En ce qui concerne la norme nous utilisons le fait que si T est un oprateur, }T x} }T }}x}. Nous
trouvons
}F pa ` hq F paq} }h}2 }pdfa q1 }}phq} ` }h}2 }Aphq dfa } ` }h}3 }Aphq}}phq}
}h}2 phq

pour une certaine fonction : Rn R qui tend vers une constante lorsque h 0.
En posant C limh0 phq nous avons la majoration
}F pxq a} C}x a}2 .

(25.173a)
(25.173b)

(25.174)

Nous pouvons galement supposer que C 1. Afin de prouver la vitesse de convergence (25.166),
nous allons encore redfinir r en demandant r 1{C 2 . De cette manire nous avons
}x0 a}

1
C2

(25.175)

et la rcurrence sur n est :

`
n 2
n`1
}xn`1 a} }F pxn q a} C}xn a}2 C C 12
C 12 .

(25.176)

Note : ce dernier calcul est le lemme 25.52 appliqu r p1{C 2 q.

Remarque 25.69.
La valeur de la constante C a t fixe par lquation (25.174). Certes nous pouvons toujours choisir
C plus grand affin daugmenter la vitesse de convergence, mais le point de dpart x0 devant tre
dans une boule de taille 1{C 2 autour de a, demander C plus grand revient demander un point
de dpart plus prcis.
12. Nous pouvons voir df comme lapplication qui x fait correspondre la matrice dfx P Mpn, Rq. Cette application
tant continue et la non inversibilit dune matrice tant donne par lannulation du dterminant, les matrices
inversibles forment un ouvert dans lensemble des matrices.
13. Pour linversibilit de }h} phq, notons que dfa est inversible et que par hypothse la somme dfa ` }h} phq est
inversible.

25.8. ESTIMATION DE LORDRE DE CONVERGENCE

25.8

1353

Estimation de lordre de convergence

Dfinition 25.70 ([284]).

Nous disons que la suite pxn q de limite x est convergente dordre q pour q 1 si il existe 0
tel que
|xk`1 x|
lim
.
(25.177)
k8 |xk x|q
En particulier :
la convergence dordre 2 est dite quadratique,
la convergence dordre 3 est dite cubique,
la convergence dordre 4 est dite quartique.
Comment estimer numriquement lordre p de convergence de la mthode ? Soit une suite pxn q
convergente vers . Considrons les 4 termes xn3 , xn2 , xn1 , xn . Alors nous pouvons crire
lapproximation

|xn xn1 |
|xn1 xn2 | p
.
(25.178)

|xn1 xn2 |
|xn1 xn3 |
Cette approximation ne serait pas trop mauvaise tant que n est assez grand pour que la convergence
soit bien engage. Passons au logarithme :

|xn xn1 |
|xn1 xn2 |
ln
p ln
.
(25.179)
|xn1 xn2 |
|xn1 xn3 |
et donc

ln
ln

|xn xn1 |
|xn1 xn2

|xn1 xn2 |
|xn1 xn3 |

(25.180)

Avec cette approximation, en ralit nous calculons une suite ppi q qui sont les approximation de p
partir des termes i i ` 3 de la suite pxn q. Il sagit dune suite destimations de p.

(1) Dans le cas de la bisection, nous obtenons toujours pi 1.

(2) Dans le cas de la mthode de Newton (25.7) nous avons p 2. Mais les premires valeurs
de pi peuvent tre aussi bien 0 que 7. Aprs quelque itrations pourtant les pi se regroupent
autour de 2.

En tout cas, le plus important est de savoir si p 1 ou non. Rappel : nous voulons la superlinarit
parce que nous voulons utiliser le test darrt de la diffrence entre deux termes, voir 25.54.

25.9

Autres mthodes

25.9.1

Mthode de Schrder

La formule est

f pxn qf 1 pxn q
(25.181)
f 1 pxn q2 f pxn qf 2 pxn q
Cette mthode est dordre 2 pour toute racine et toute valeur de multiplicit. Le problme de cette
mthode est quelle demande 3 valuations de f . Son efficacit :
?
3
E 2 1.25
(25.182)
xn`1 xn

Cela est donc moins efficace que Newton.

25.9.2

Halley

Il a p 3 lorsque est racine simple. Mais encore p 1 pour les racines multiples. Plus efficace
que Newton pour les racines simples, mais mme problme pour les racines multiples.
xn`1 xn

2f pxn qf 1 pxn q
2f 1 pxn q2 f pxn qf 2 pxn q

(25.183)

1354

25.10

CHAPITRE 25. CALCUL NUMRIQUE

Mthode des scantes variables

Supposons de ne pas avoir f analytique, mais seulement la possibilit de calculer f pxq pour
tout x. Newton ne fonctionne pas, mais la bisection fonctionne.
Nous pouvons approximer
f pxn q f pxn1 q
.
(25.184)
f 1 pxn q
xn xn1

En substituant dans la formule de Newton, nous obtenons

xn`1 xn

f pxn qpxn xn1 q

.
f pxn q f pxn1 q

(25.185)

Il sagit de prendre la droite qui passe par pxn1 , f pxn1 qq et par pxn , f pxn qq et de prendre
lintersection de cette droite avec laxe y 0. Cela donne le xn`1 .
Pour cette mthode, il ne faut pas seulement x0 mais galement x1 .
Lordre de convergence est le nombre dor
?
1 5
p
1.618.
(25.186)
2
Cela est donc superlinaire.
La nombre dvaluations est s 1 (il y a deux apparitions de f dans la formule, mais lune des
deux est rcupre dans litration suivante). Donc lefficacit est
E p.

(25.187)

Donc bien efficace.

Proposition 25.71.
Si est racine simple, il existe un voisinage de tel que pour tout choix de x0 , x1 dans ce voisinage,
la mthode converge.
Psychologiquement, on est tent de prendre x0 et x1 de part et dautre de (pensant la
bisection), mais en ralit ce nest pas obligatoire du tout et na aucune influence. Il faut seulement
les prendre trs proches de .
Remarque 25.72.
La mthode de la scante est souvent crite sous la forme
xn`1

xn1 f pxn q xn f pxn1 q

.
f pxn q f pxn1 q

(25.188)

Cest videmment algbriquement quivalent.

Les formules (25.186) et (25.188) ont toutes deux des erreurs de cancellation. Laquelle est la
plus grave ?
Dans la premire, si la fraction est mal calcule, elle ne fait que modifier xn . Cest dire quon
peut esprer qu la prochaine itration, a aille mieux. En tout cas, dans ce cas si la fraction est
mal calcule, a ne dtruit pas tout.
Dans la seconde, cest la valeur elle-mme qui risque dtre mal calcule. Et si la fraction est
mal calcule, alors on casse compltement lventuel bonne approximation que nous avions dj.

25.10.1

Aitken

La mthode du 2 de Aitken est une mthode dacclration de la convergence.

Soit pxn q une suite qui converge. Nous voudrions une nouvelle suite pyn q telle que
lim

n8

yn
xn

(25.189)

1355

25.11. QUATIONS ALGBRIQUE

Cest la dfinition dune convergence acclre.
La faon de faire est :
yn

xn`2 xn x2n`1
pxn`1 xn q
xn
.
xn`2 2xn`1 ` xn
xn`2 2xx`1 ` xn

(25.190)

La premire expressions a deux cancellations (la seconde une seule) et de plus la premire est yn
elle-mme alors que la seconde est une correction.
Donc la seconde expression est numriquement meilleure.
Loprateur appliqu une suite est :
pxqn xn`1 xn

(25.191)

Donc
p2 xqn pxqn`1 pxqn xn`2 xn`1 xn`1 ` xn xn`2 2xn`1 ` xn .
Lacclration a alors la formule
yn

pxq2n
.
p2 xqn

(25.192)

(25.193)

Le problme est que a acclre tellement que lon arrive vite des erreurs de cancellations, et
donc une prcision en pics oscillants.

25.11

quations algbrique

Cest une quation du type P pxq 0 o P est un polynme. Soit un polynme de degr n.
Nous en savons des choses.
(1) Lquation a exactement n solutions dans

C en comptant les multiplicits.

(2) Les racines complexes arrivent par paire complexes conjugue. Elles sont donc toujours en
nombre pair.
Si donc nous avons n 3, nous ne pouvons pas avoir 2 racine relles. Il y en a donc 1 ou 3
relles. Pas zro ni deux.
Quelque mthodes : Mller, matrice compagnon, Laguerre.

25.11.1

Rsoudre un systme linaire

Pour rsoudre un systme linaire dquations, nous chelonnons la matrice du systme. Soit
rsoudre le systme Ax b o

2 4 6
4
A 1 5 3 , et b 10 .
(25.194)
1 3 2
5

En termes de problmes, on crit F x, pA, bq Ax b. La donne de ce problme est le couple

pA, bq.
En ce qui concerne lalgorithme, on pose comme premier problme
`

F1 x1 , pA1 , b1 q A1 x1 b1 0

(25.195)

F2 x2 , pA2 , b2 q A2 x2 b2 0

(25.196)

avec A1 A et b1 b.
Ensuite, on commence chelonner et le second problme est

1356

CHAPITRE 25. CALCUL NUMRIQUE

avec

Le troisime problme sera

avec

4
2 4 6
A 0 3 6 , et b 12 .
13
0 1 5
`

F3 x3 , pA3 , b3 q A3 x3 b3 0

2 4 6
4

A 0 3 6 , et b 12 .
0 0 3
3

(25.197)

(25.198)

(25.199)

Ce problme est facile rsoudre la main. Nous nous arrtons donc ici avec lalgorithme, et
nous trouvons le x3 qui rsous le problme F3 .

25.11.2

Caractristiques

Lalgorithme de rsolution de systmes linaires dquations a les proprits suivantes, mettre

en contraste avec celles de Newton :
(1) Pour rsoudre le problme numro n, il na pas fallu rsoudre le problme numro n 1.

(2) Toutes les solutions xn des problmes intermdiaires sont solutions du problme de dpart.
Nous avons Fn px, dn q 0 pour tout n (ici, dn pAn , bn q).
(3) Dun problme lautre, les donnes changent normment : la matrice chelonne peut
tre trs diffrente de la matrice de dpart.

25.11.3

Dfinitions

Nous allons maintenant formaliser en donnant quelques dfinitions pour nommer les proprits
que nous avons vues. Dabord, un algorithme est une suite de problmes. Un algorithme pour
rsoudre un problme F px, dq 0 est une suite de problmes tFn pxn , dn q 0unPN .
Dfinition 25.73.
Un tel algorithme est dit fortement consistant si pour toutes donnes admissibles dn , on a
Fn px, dn q 0

@ n,

(25.200)

o x est la solution de F px, dq 0.

Lalgorithme des matrices est fortement consistant, mais pas lalgorithme de Newton.
Dfinition 25.74.
Un algorithme est consistant si limn8 Fn px, dn q 0.
Dans le cas de lalgorithme de Newton, cest plutt une telle consistance quon attend.
Lalgorithme est dit stable si pour tout n le problme correspondant est stable. Dans ce cas,
on note K num le conditionnement relatif asymptotique dfini par
K num lim sup Kn
n

(25.201)

o Kn est le conditionnement relatif du problme Fn pxn , dn q 0.

Dfinition 25.75.
Un algorithme est dit convergent (en d) si pour tout  0, il existe N N pq et pN, q tels
que pour n 0 et |d dn | , on ait |xpdq xn pdn q| .

1357

25.12. QUATIONS NON LINAIRE

Remarque 25.76.
Dans le cas de lalgorithme de Newton, nous avons vu que la donne dn du problme Fn tait
en fait la mme que la donne initiale d, donc nous avons dn d, et par consquent nous avons
toujours |d dn | . Dans ce cas, la dfinition de la convergence revient demander que la suite
numrique des xn converge vers la solution x.
Remarque 25.77.
Dans le cas des matrices par contre, les donnes sont trs diffrentes les unes des autres, nous
avons donc en gnral que |d dn | . Mais en revanche nous savons que tous les problmes
intermdiaires Fn acceptent une solution unique 14 xn pdn q xpdq. Par consquent, |xn pdn q xpdq|
est toujours plus petit que . Lalgorithme des matrice est donc toujours un algorithme convergent.

25.12

quations non linaire

Certains quations non linaires sont rsoluble explicitement, par exemples les polynmes de
degr jusqu 4 ou des choses comme
sin2 pxq ` 3 sinpxq ` 5 0.

Mais ces exemples sont trs rares.

Nous allons tudier des quations du type f pxq 0, dans

(25.202)

R.

(1) Un problme crit sous la forme x gpxq peut utiliser des thormes de points fixes.
(2) Un problme sous la forme f pxq 0 peut utiliser des mthodes de bisection, Newton ou
autres.

Il y a videmment beaucoup de faons de transformer un problme pour passer dune forme

lautre.
Exemple 25.78
Soit f pxq x2 a 0 avec a 0. Nous pouvons lcrire
x2 ` x a x

(25.203)

f pxq x2 2 lnpxq 0

(25.204)

qui donne une forme gpxq x pour gpxq x2 ` x a.

Ou encore x xa et donc gpxq a{x (si par ailleurs on sait que x 0). Notons que x 0 nest
pas une hypothse trs forte parce quon la vrifie directement sur a.
4
Exemple 25.79
Soit lquation rsoudre

Les solutions de cette quations peuvent tre vues comme les intersections avec laxe X du graphe
y x2 2 lnpxq. Tracer peut donc aider. Par ailleurs, il faut noter que
lim f pxq 8,

(25.205)

x8

donc les solutions sont certainement contenues dans un compact de

part tracer nous pouvons crire
x2 2 lnpxq.

R.
(25.206)

Et l, ce sont deux fonctions dont nous pouvons tracer le graphe pour trouver graphiquement
les points dintersection. Une tude de fonction montre vite quil y a exactement deux solutions,
quelles sont strictement positives. Pour trouver des bornes, il faut calculer par exemple pour x 2
les valeurs de lnpxq et x2 2 pour voir si le graphe de x2 2 est dj plus haut.
4

La majorit des mthodes numriques de rsolution dquation du type f pxq 0 ou x gpxq

seront sous la forme de suites. Avec questions la clefs :
14. Nous nenvisageons que le cas o le dterminant est non nul.

1358

CHAPITRE 25. CALCUL NUMRIQUE

(1) Quel point de dpart choisir ?

(2) Convergence ?
(3) Est-ce que la limite est bien une solution ?
(4) Vu que la limite est unique, comment faire si lquation a plusieurs solutions ? (souvent cest
le choix du point initial qui va jouer sur ce point)
25.80.
Si la fonction est trs plate, il est possible davoir
(25.207)

|f p
q| 

sans que
ne soit une bonne approximation.
Lorsquon fait tourner une mthode itrative rsolvant f pxq 0, il nest pas suffisant de
sarrter lorsque
f pxn q 1 .
(25.208)
Il faut aussi sassurer que, si x
est la solution exacte, |xn x
| 2 . Ici 1 et 2 sont deux prcisions
que nous nous fixons au dpart.
videmment, vrifier la condition |xn x
| 2 , il faudrait savoir x
. Et savoir x
cest justement
le problme. Nous sommes donc amens faire des estimation de |xn x
|.
25.81.
Lorsque nous effectuons une mthode itrative, il faut donc contrler deux grandeurs :
|
x xn | 1

|xn`1 xn | 2 .

(25.209a)
(25.209b)

Proposition 25.82.
Soit p lordre de convergence de la suite pxn q vers x
. Si p 1 et |xn`1 xn | 2 alors |
x xn | 2 .

25.12.1

Mthode de bisection

Il y a ce thorme des valeurs intermdiaires.

Thorme 25.83.
Soit f continue sur ra, bs telle que f paqf pbq 0. Alors il existe au moins une solution lquation
f pxq 0 sur lintervalle sa, br.
Pour dmarrer une bisection, il est toujours bon de prendre lintervalle ra, bs de faon ne
contenir quune seule solution.
Soit donc un premier intervalle ra0 , bO s tel que f pa0 qf pb0 q 0 et ne contenant quune seule
solution. chaque itration nous considrons la moiti de lintervalle prcdent, mais la moiti
contenant la solution.
Le test darrt de la mthode de bisection se base uniquement sur la taille de lintervalle qui
reste. En effet si nous avons
|bn an | 
(25.210)
nous avons certainement

|
x xn |


2

o xn est le point du milieu de ran , bn s.

25.84.
La fonction f nintervient dans la mthode que via son signe, pas via ses valeurs exactes.

(25.211)

1359

25.12. QUATIONS NON LINAIRE

25.85.
Notons que le thorme des valeurs intermdiaires nest pas trs puissant pour choisir lintervalle
de dpart ; penser la fonction
f pxq x2 5
(25.212)

sur lintervalle r10, 10s. Il y a bien deux solutions dans lintervalle, mais elles sont invisibles du
thorme des valeurs intermdiaires. La fonction x x2 a sa solution en x 0, mais elle aussi
nest pas visible.
25.86.
Certes la mthodes de bisection assure la convergence vers une solution, mais elle nassure pas la
convergence monotone. Il peut arriver que |
x xn | |
x xn`1 |. Cest le cas lorsque la solution
est trs proche du milieu de lintervalle choisit. Le x0 est alors proche de x
alors que x1 sera une
distance de x
denviron un quart de lintervalle de dpart.
Supposons dj avoir trouv un intervalle ra, bs dans lequel se trouve une unique solution
f pxq 0. Voici un algorithme possible.
1

f r o m __future__ i m p o r t division

2
3
4
5
6
7

d e f bissection (f , a , b , toll , mmax ) :

"""
f : une fonction
a , b : les l i m i t e s de l i n t e r v a l l e
t o l l : l a t o l r a n c e . C e s t l a m p l i t u d e d e l i n t e r v a l l e
partir duquel nous nous arrtons .
nmax : le nombre m a x i m u m d i t r a t i o n s .

9
10

Nous s u p p o s o n s que \( b > a \) .

11
12

13
14
15
16
17
18
19
20
21
22
23
24
25
26

R e t o u r n e u n t u p l e ( x , n ) o x e s t l a s o l u t i o n a p p r o c h e e t n
est le nombre d i t r a t i o n s e f f e c t u e s
"""

n = -1
amp = toll + 1 # P o u r s a s s u r e r q u e l o n e n t r e d a n s l e c y c l e
w h i l e amp > toll a n d n < nmax :
n = n + 1
amp = a b s ( b - a )
x = a + amp / 2
i f f ( a ) * f ( x ) < 0:
b = x
e l i f f ( a ) * f ( x ) > 0:
a = x
else :
# Problme ZERO
amp = 0
r e t u r n (x , n )
codeSnip_1.py
Plusieurs remarques :
(1) Le fait de retourner le nombre ditrations effectues permet lutilisateur de savoir la
prcision et si le nombre maximum ditrations est dpass. Si ce n retourn est gal
nmax, lutilisateur sait que le x retourn nest pas fiable.
(2) La ligne from __future__ import division fait en sorte que lopration / est bien la
division usuelle. Sinon, le dfaut en python 2 est que / soit la division entire, cest dire

1360

CHAPITRE 25. CALCUL NUMRIQUE

que 1{2 0 en python 2.o En python 3, le symbole / dsigne bien la division usuelle, mais
Sage utilise Python 2.

(3) Mme si lintervalle ra, bs contient plus dune solution, la mthode fonctionne et donne une
solution. Il est simplement ventuellement trs compliqu de savoir laquelle.
(4) Nous faisons amp=toll+1 parce que nous voulons absolument lancer le cycle au moins une
fois. Sinon, le x retourner ne serait pas dfinit au moment de sortir du cycle (si le cycle
nest pas excut).
(5) Calculer le point milieu dun intervalle ra, bs est par la formule pa ` bq{2 sauf que cette
opration est numriquement dangereuse parce qu cause de larithmtique en prcision
finie, il est possible que cela tombe exactement sur a ou b. Do le fait de calculer le point
milieu par
amp
xa`
.
(25.213)
2
(6) Dans le cas Problme ZERO nous dduisons f pxq 0. Attention que cest pas que f pxq 0
mais simplement que en mettant x dans f , la machine retourne son zro.
Il peut cependant avoir une fonction telle que f p1q 1050 et f p2q 0. Lalgorithme de
bisection risque de sarrter si xn 1. Parce que la machine risque de calculer f pxn q 0.
Quoi quil en soit, nous y mettons amp=0 pour tre sr de sortir de la boucle ds la prochaine
vrification.
(7) Il y a moyen de sauver les valeurs de f paq et f pxq pour ne pas les recalculer, et en particulier
au moment de faire b=x nous pouvons poser fa=fx.
Si est la prcision de la solution voulue, nous pouvons fixer a priori le nombre ditrations
faire grce la formule
R
V
`b a
n log2
.
(25.214)

Il y a un et non une galit parce quen arithmtique numrique, le nombre obtenu droite
pourrait ne pas tre le bon 1 prs.
Ici pour P R le nombre rs est le plus petit entier tre plus grand ou gal .

25.87.
Notons limportance de la continuit de f . Par exemple que ferait la bisection sur la fonction
f pxq 1{x pour lintervalle r3, 1s ?
Il y a changement de signe sans avoir de racine.
Vu que 210 est dj 1024. Donc si on veut de la prcision de lordre de 1{1000, dix itration
suffisent. Si donc nous avons besoin de 200 itrations pour atteindre la prcision voulue, cest
loccasion de trouver un intervalle plus petit. Par exemple en traant la fonction, en faisant un
zoom et en trouvant des valeurs de a et b qui sont dj proches.
25.88.
Dans le monde rel, il arrive souvent dutiliser une mthode de bisection pour se donner un point
de dpart pour une autre mthode.

25.13

Efficacit

Dfinition 25.89.
Lefficacit est le nombre
E

?
s

(25.215)

o p est lordre de convergence de la mthode et s est le nombre de fois quil faut calculer une
valeur de la fonction chaque itration (nous ne comptons pas linitialisation).

1361

25.14. EXERCICES

Que le nombre de dvaluations de f intervienne est logique parce que chaque valuation provoque une erreur possible.
Exemple 25.90(Bisection)
Pour la mthode de bisection, nous avons s 1 parce que chercher xn`1 , il faut seulement calculer
f pxn q.
4
Exemple 25.91(Newton)
Pour lalgorithme de Newton nous avons ?
p 2 et il y a deux valuations chaque itrations (une
1
fois f et une fois f ), donc s 2 et E 2.
4

25.14

Exercices

Exercice 1
Nous supposons une machine acceptant 5 chiffres significatifs. Elle retient les nombres sous la
forme 0.x 10... .
x 1.403, y 0.4112 103 , z 0.4111 103 .
Soient a px yq z et b py zq x.
(1) Dabord la calculer la main.
(2) Quel est le calcul prfrable ?
(3) Donner lerreur relative avec 3 chiffres significatifs.
Correction de lexercice 1
Dans le cas du calcul la main, il faut en faire un seul parce que, algnriquement, a b.
Nous avons x 1.403, y 0.0004112 et z 0.0004111. Et la somme donne :
a b 1.4030001 0.14030001 101 .

(25.216)

Faisons dabord la normalisation de x, cest dire flpxq.

et y est dj normalis :

flpxq 0.1403 101 .

(25.217)

flpyq 0.4112 103 .

(25.218)

0.1404 101 0.1404 101

(25.219a)

Il ny a pas derreurs dassignation pour ces deux nombres.

Pour faire la somme, il faudra dj un peu casser les nombres pour les crire de faon pouvoir
les sommer. En effet, il faut crire les deux nombres avec le mme exposant de 10 (le plus grand),
pour pouvoir les mettre en colonne :
0.4112 103 0.00004 101 .

(25.219b)

La somme donne 0.14034 101 . Et a, cest nouveau arrondi. Le premier chiffre supprim est un
4, donc
x y 0.1403 101 .
(25.220)

Et l on remarque que nous avons la mme chose que x. Cest un classique du calcul numrique.
Nous avons aussi
flpzq 0.4111 103 .
(25.221)
Et pour faire la somme de cela avec x y nous devons le remettre sous la forme dun 101 :
flpzq 0.00004 101

(25.222)

1362

CHAPITRE 25. CALCUL NUMRIQUE

(erreur de conversion), et en sommant on trouve

px yq z 0.140216 101 ,

(25.223)

qui est encore arrondi. Le premier chiffre supprim est un 6, donc

flpaq 0.1403 101 ,

(25.224)

Le nom de lerreur qui consiste avoir x y x est relation annirmale.

Calculons b.
Les nombres y et z ont mme ordre de grandeur, donc pas derreur au moment de les mettre
sous forme sommable.
flpxq ` flpyq 0.00010 103 .

(25.225a)

Cela est renormalis et arrondi : flpxq flpyq 0.1000 106 .

Notons que nous avons ici commis potentiellement une erreur de cancellation parce que entre
y et z, il y a 3 chiffres sur 4 qui sont identiques. Seul le chiffre 1 est significatif en ralit.
Il faut maintenant ajouter x cela. Dabord
flpxq 0.1403 101 .

(25.226)

Pour cette somme, il faudra remettre notre 0.1000 106 avec une puissance 101 . Et l, nous
obtenons zro parce que vraiment ce nombre est trop petit pour tre crit avec 101 . Rsultat des
courses :
flpbq 0.1403 101 .
(25.227)

Dans le premier calcul nous avons deux relations anormales et dans le second nous en avons
une plus une cancellation.
Nous prfrons avoir deux relations anormales, parce que lerreur de cancellation est plus grave :
elle consiste une perte de chiffre significatifs. Le fait est que faisant la diffrence lordinateur
nous avons obtenu 0.1 qui est certes exact, mais qui est un coup de bol : la diffrence aurait aussi
bien pu tre 0.19 avec dautres nombres, machinement gaux.
Note : avec les donnes ici, il ny a en fait pas derreur de cancellation. Mais il y a une erreur
potentielle de cancellation, potentiellement grave.
En ce qui concerne lerreur relative. Dans la formule
r

|a a |
,
|a|

(25.228)

la diffrence ne peut pas tre calcule la calculatrice justement parce quelle est trs potentiellement sujette erreur de cancellation.
r

|0.1030001 101 0.1403 101 |

0.1 106

0.712758 107 .
0.14030001 101
0.14030001 101

(25.229)

En passant 3 chiffres significatifs, 0.713 107 (le premier chiffre supprim est un 7).
Exercice 2
Soient x 0.1 1021 et y 0.5 102 0 et les expressions
(1) z1

(2) z2

xy
y

x`y
x

x2 `y 2
xy .

Ces deux expressions sont algbriquement quivalentes.

(1) Calculer les valeurs.
(2) On suppose une machine en prcision simple. Laquelle des deux expressions est prfrable ?

1363

25.14. EXERCICES
Correction de lexercice 2
Pour z1 , en arithmtique exacte :
z1

0.5 1020 1.5 1020

`
0.25 101 .
0.5 1020
1 1020

(25.230)

Le calcul exact de z2 donne la mme chose.

Calcul de z1 Les deux valeurs sont mmorisables et la diffrence xy<++> se fait sans erreurs
de cancellation. Idem pour la somme x ` y. Idem pour les divisions.
Calcul de z2 Pour faire x2 , cest pas possible parce que cest de lordre de 1040 alors que nous
sommes en prcision simple. Idem pour le produit xy.

Morale : z2 donne un overflow alors que z1 fonctionne de faon exacte.

Remarque 25.92.
En ralit le z1 nest pas tout fait calculable de faon exacte sur la machine parce quelle doit
dabord convertir en binaire, ce qui nest pas toujours possible. Mais sur notre machine qui fonctionne en base 10, il ny a pas de problmes.
Exercice 3
Soit la fonction

f pxq 2x2 4x ` 2 ex .

(25.231)

(1) Identifier la plus grande des solutions relles de f pxq 0.

(2) Effectuer une bisection pour la savoir.

(3) Sachant que
quelle est lerreur relative ?

1.358500220734946,

(25.232)

Correction de lexercice 3
Note : si cest pour chercher la main des approximation pour dmarrer, il est videmment
prfrable de dessiner f1 pxq 2x2 4x ` 2 et f2 pxq ex sparment.
Quoi quil en soit, voici un graphique :
30
20
10
4

10
20

Nous voyons trois racines : 1 P r0, 0.5, s, 2 P r1, 1.5s et 0 P r4, 3.5s.
La plus grande solution est 2 . Nous pouvons dj remplir le tableau des prcisions :
n
an
bn
xn
gpxn q
|bn an |
`` `` `` `` ``
0.5
`` `` `` `` ``
0.25
`` `` `` `` ``
0.125

1364

CHAPITRE 25. CALCUL NUMRIQUE

Et nous calculons les valeurs de f aux points dextrmit de lintervalle. Note que seul le signe
nous importe :
f p1q 0.368

f p1.5q 0.278.

(25.233a)
(25.233b)

Voici donc le tableau avec le signe de f indiqu :

n
an
bn
xn
gpxn q
|bn an |
0
0
1p`q
1.5pq `` 0.162 10
0.5
1 `` `` ``
``
0.25
2 `` `` ``
``
0.125

Puis :

n
an
bn
xn
gpxn q
|bn an |
0
0
1p`q
1.5pq
1.25pq 0.162 10
0.5
1 `` `` ``
``
0.25
2 `` `` ``
``
0.125

Et enfin :

n
an
bn
xn
gpxn q
|bn an |
0
0
1p`q
1.5pq
1.25pq
0.162 10
0.5
1 1.25pq 1.5p`q
1.375p`q `0.284 101
0.25
2 1.25pq 1.375p`q 1.3125pq q0.738 101
0.125

Note que les f pxn q restent toujours du mme ordre de grandeur. Si un moment on voit un 1.6107 ,
cest quune erreur a t commise.
En ce qui concerne le calcul de lerreur relative, la premire chose faire est de vrifier que le
propos est dans lintervalle qui nous reste. Sinon cest quune erreur a t commise.
De plus notre approximation est xn 1.3125, dont dj deux chiffres sont corrects. En deux
itrations de bisection en partant de 0.5, nous ne pouvons pas nous attendre mieux.

25.15

Approximations de fonctions

(1) Dhabitude on napproxime pas une fonction sur tout son domaine, mais seulement sur une
partie.
(2) Il y a le problme du choix de la classe des fonctions qui vont approximer. Nous allons
travailler avec des polynmes.
(3) Il nous faut un critre disant si une approximation est bonne ou non.

25.15.1

Critre dinterpolation

partir de n ` 1 abscisses points distinctes xi , nous calculons yi f pxi q. Il y a ce thorme

qui dit quil existe un unique polynme de degr (au plus) n ` 1 passant par les points pxi , yi q.
Proposition-dfinition 25.93 (Base de Lagrange).
tant donns n ` 1 valeurs distinctes xi , lespace des polynmes de degr n admet la base
pnq

Li pxq

x xj
x xj
j0 i
ji

pour i 0, . . . , n.

(25.234)

1365

25.15. APPROXIMATIONS DE FONCTIONS

Soit par exemple les valeurs de f donnes dans
yi f pxi q
xi
x0 5
1
x1 7
23
54
x2 6
x3 0
954

Les polynmes de Lagrange pour ces donnes dpendent seulement des xi , pas des yi . En
particulier,
px x1 qpx x2 qpx x3 q
p3q
L0 pxq
,
(25.235)
px0 x1 qpx0 x2 qpx0 x3 q
etc.
La rponse est que
x3 ` 13x2 ` 42x
660
3
x x2 ` 30x
p3q
L1 pxq
84
etc.
p3q

L0 pxq

(25.236a)
(25.236b)
(25.236c)

Ce quil y a de bien avec cette base est que en posant ai f pxi q alors le polynme
n

i0

pnq

ai Li pxq

(25.237)

passe par les points pxi , f pxi qq. Du coup il suffit dcrire

P3 pxq L0 pxq 23L1 pxq 54L2 pxq 954L3 pxq 4x3 ` 35x2 84x 954.
p3q

pnq

pnq

pnq

(25.238)

Un inconvnient de cette base est quelle est compltement dpendante des points choisis. Si
on ajoute un point ou quon en prend un peine diffrent, tous les coefficients changent. Mais en
pratique, ajouter des points est quelque chose qui arrive souvent parce que souvent, aprs avoir vu
le rsultat dun polynme dinterpolation, on veut ajouter un point pour avoir un meilleur rsultat.
25.94.
Une habitude : le premier et le dernier nud se choisissent aux extrmits de lintervalle sur lequel
nous voulons une approximation.
Le but dune approximation est davoir des approximations de f px q pour des valeurs de x
qui ne soit pas une des abscisses donnes (parce que sur ces points, le polynme et la fonction sont
gaux). Nous considrons donc
f px q Pn px q.
(25.239)

Si x est dans lintervalle I rxmin , xmax s alors nous disons que nous calculons f par interpolation. Si au contraire x est en dehors de cet intervalle nous parlons dextrapolation.
Si x est pris lextrieur de I, alors lerreur risque dtre trs grande, surtout parce que les
polynmes tendent tous vers 8 lorsque x 8.
Autant linterpolation via polynmes est le plus souvent valable, il faut garder lesprit que
les extrapolation sont souvent mauvaises si x est trop loin des extrmits de I.

25.15.2

Base de Newton

Aprs la base canonique et la base de Lagrange, nous voyons la base de Newton. Soient encore
n ` 1 points donns du graphe de f .
Dfinition 25.95.
La base de Newton pour les abscisses xi est lensemble des polynmes suivants :
1, px x0 q, px x0 qpx x1 q, . . . , px x0 qpx x1 q . . . px xn1 q

(25.240)

1366

CHAPITRE 25. CALCUL NUMRIQUE

Notons que ces polynmes nutilisent pas le dernier point des xi . Le polynme passant par les
points est
n
n1

Pn pxq x0 `
ci
px xj q.
(25.241)
i1

j0

Le calcul des ci nest pas absolument vident. Mais si nous ajoutons un point dinterpolation, les
polynmes dj calculs sont encore bons ; en particulier
Pn`1 pxq Pn pxq ` cn`1

px xj q.

(25.242)

j0

Et cela est bien, parce que a donne une faon de les calculer par rcurrence.
Il y a plusieurs faons de calculer les ci .
Les diffrences divises sont des faons dapproximer les drives.
Dfinition 25.96.
Soient n ` 1 nuds xi pour la fonction f . La diffrence divise sont :
Ordre 0

f rxi s f pxi q
Ordre 1
f rxi , xj s
Ordre 2

f rx0 , . . . , xn s

(25.244)

f rxi , xj s f rxj , xk s
.
xi xk

(25.245)

f rx0 , . . . , xn1 s f rx1 , . . . , xn s

.
x0 xn

(25.246)

f rxi , xj , xk s
Ordre n

f rxi s f rxj s
.
xi xj

(25.243)

Les ordres font rfrence lordre de drivation qui est approxim.

Nous avons alors
ci f rx0 , . . . , xi s.

(25.247)

Cela donne effectivement une mthode de rcurrence pour trouver les coefficients ci .
Remarque 25.97.
Pour calculer c0 , il faut seulement calculer f rx0 s f px0 q. Mais pour calculer c1 il faut f rx0 s et
f rx1 s. Et pour c2 il faut f rx0 , x1 , x2 s qui demande f rx0 , x1 s et f rx0 , x1 s, qui demande etc.
Il faut donc calculer en ralit tous les f rxi s pour terminer le calcul. Par contre, pour ajouter
un point, il ne faut pas tout recalculer, et mme pas tout conserver en mmoire. Il faut seulement
garder en mmoire la dernire diagonale.
Exercice 4
Soit les nuds
x
3
1
5
6

f pxq
1
3
2
4

Trouver le polynme dinterpolation via la base de Newton.

1367

25.15. APPROXIMATIONS DE FONCTIONS

Correction de lexercice 4
xi
3
1
5
6

f rxi s
1

3
2
4

Le polynme dinterpolation sera

f rxi , xj s

1`3
2 2
5
32
4 4
24
1 2

``

f rxi , xj , xk s

2 54
f rx0 ,x1 sf rx1 ,x2 s
3

x0 x2
2 8
5
2
3
4
5 20
f rx0 ,x1 ,x2 sf rx1 ,x2 ,x3 s
4
40
x0 x3

``

P3 pxq c0 ` c1 px x0 q ` c2 px x0 qpx x1 q ` c3 px x0 qpx x1 qpx x2 q.

(25.248)

Un exercice typique serait de donner tout pour 3 points puis de demander le polynme qui
aurait un quatrime point.

25.15.3

Mthode des minima quadratiques

Soient m ` 1 points connus sur le graphe de la fonction f que nous devons approximer. Au lieu
dexiger que notre approximation ne passe par tous les points, nous allons chercher une approximation qui minimise la somme des carrs des erreurs sur ces points.
Soit F une classe de fonctions dans laquelle nous allons chercher lapproximation. Nous cherchons g P F qui minimise
m `

2
Epgq
f pxi q gpxi q i
(25.249)
i0

o i 0 est une pondration. Souvent on prend i 1, mais pas toujours. La fonction E sur F
est la fonction derreur.

25.98.
part dans les exercices la main, le nombre de points est grand, du type du milliard. Il est bien
entendu pas envisageable de faire passer un polynme exactement par un milliard de points, parce
que cela demanderait un polynme de degr un milliard.
Plus gnralement, dun point de vue scientifique, avoir n paramtres libres pour n donnes
exprimentales, a ne passe pas Popper.
Afin de faire de la science qui passe Popper nous nous restreignons une classe de fonction F
dont la dimension nest pas grande : dimpFq ! m. Et nous notons dimpFq n ` 1.
Exemple 25.99
La qualit dune exprience peut tre influence par des paramtres extrieurs comme lhumidit,
le vent, etc. Donc il est normal davoir des expriences moins prcises que dautres. On le pse
moins.
4
Exemple 25.100
Dans un questionnaire, il se met des questions volontairement contradictoires. Si quelquun rpond
oui aux deux questions, il y a une indication que la personne a rpondu un peu nimporte
comment, et il faut moins peser ses rponses.
4
Soit g P F, et une base tgi ui0,...,n de F. Nous crivons

g a0 g0 ` a1 g1 ` . . . ` an gn

(25.250)

La fonction donne E donne en (25.249), est, partir du moment o F et une base sont choisis,
une fonction des paramtres ai que nous nommons F pa0 , . . . , ai q. Il faut minimiser F , cest dire
poser
BF
0
(25.251)
Baj

1368

CHAPITRE 25. CALCUL NUMRIQUE

pour j 0, . . . , n. Cela sont n ` 1 quations pour n ` 1 inconnues. Notons que ces quations sont
linaires parce que chacun des termes est du type

2
m

f pxi q
aj gj pxi q ,
(25.252)
j0

et lors de la drivation par rapport aj , nous obtenons du degr 1.

25.15.4

Notre espace de Hilbert

Nous allons maintenant formaliser un peu tout

` cela.
Dans [285] il est expliqu que si est une
fonction strictement positive, alors lespace L2 ra, bs driv de la norme
}f }2L2

b
a

|f pxq|2 pxqdx

(25.253)

est un espace de Hilbert. Nous allons tenter le coup avec m

i0 i xi o a est la distribution
15
de Dirac centre en a.
Sur lensemble des fonctions R R nous considrons la relation dquivalence f g si
f pxi q gpxi q pour tout i 0, . . . , m. Nous notons L2 cet ensemble.
Proposition 25.101.
La formule
xf, gy

i0

(25.254)

f pxi qgpxi qi

dfinit un produit scalaire sur L2 . Ce dernier devient un espace de Hilbert.

Dmonstration. Pour tre un produit scalaire (dfinition 6.65), la forme considre doit tre symtrique et strictement dfinie positive. La symtrie de la formule (25.254) ne fait pas de doute.
Le fait que ce soit semi-dfini positif non plus. Pour le strict,
xf, f y

i0

|f pxi q|2 i .

(25.255)

tant donn que i 0 pour tout i, lannulation de xf, f y implique lannulation de f pxi q pour
tout i. Cela signifie que f est dans la classe de 0 et donc est nul dans L2 .
En ce qui concerne la compltude, la proposition 17.3 rpond notre place, tant donn que
L2 est de dimension finie. Une base est donne par exemple par ei pxq x,xi . Ici le est celui de
Kronecker, et non celui de Dirac.
Lemme 25.102.
Si la classe de fonctions F est un sous-espace vectoriel de L2 et si f P L2 il existe un unique
lment g de F minimisant la distance f .

Dmonstration. Le thorme de projection (au choix 6.235 ou 17.6) nous assure lexistence et
lunicit dun lment de F minimisant la distance f P L2 .

25.103.
Ce lemme est gentil, mais ne nous donne pas de mthodes pour trouver ce minimum. Nous allons
donc crire explicitement un systme dquations permettant de letrouver. Si tg u est une base
(finie) de F alors nous cherchons le minimisant sous la forme f a g .
Nous devons minimiser
Epgq

m `

i0

m `

2
2
f pxi q gpxi q i
f pxi q a g pxi q i .

15. Dfinition dans lexemple 22.25.

i0

(25.256)

1369

25.15. APPROXIMATIONS DE FONCTIONS

Vu que cela est maintenant plutt une fonction des coefficients a que de la fonction g nous la
notons F pa0 , . . . , an q. Il sagit dtudier le systme dquations
BF
0.
Ba

(25.257)

Un tout petit peu de calcul mne au systme

a i g pxi qg pxi q
i g pxi qf pxi q.
i

(25.258)

droite nous reconnaissons xf, g y. et gauche, a xg , g y. Donc le systme scrit

a xg , g y xf, g y.
(25.259)

Il y a une quation pour chaque valeur de .

La matrice A P Mpn ` 1q, R donne par xg , g y tant strictement dfinie positive (cest un
produit scalaire), le systme a une unique solution. Et comme cette matrice est de plus symtrique,
elle est diagonalisable par le thorme spectral 6.292. Toutes ses valeurs propres sont strictement
positives.
Notons pour la curiosit que si lon considre la matrice B P Mpm nq donne par
?
Bij i gj pxl q,
(25.260)

alors nous avons A B t B.

25.15.5

Droite de rgression

La droite de rgression est la cas particulier n 1, cest dire un systme 22. Nous cherchons
P a0 ` a1 x. Et la base choisie est g0 pxq 1, g1 pxq x. Nous avons

xg0 , g0 y
i g0 pxi qg0 pxi q
i
(25.261a)
i

xg0 , g1 y

xg1 , g1 y

i xi

(25.261b)

i x2i .

(25.261c)

Donc pour approximer une fonction f il faut rsoudre le systme

x
a
xf,
g
y
0
0
i
i
i
i
i

.
2
a1
xf, g1 y
i i x i
i i xi

(25.262)

Pour calculer les produits xf, g y il suffit de savoir f sur les points xi . Et encore heureux, parce
que toute la mthode est base sur le fait que nous ne connaissons pas f ailleurs. Cest pour cela
que nous avons dfini L2 comme un ensemble quotient.
Exemple 25.104
Faisons la droite de rgression pour les donnes avec tous les poids i 1.
xi f pxi q
5
18
3
7
1
0
3
7
4
16
6
50
8
67

1370

CHAPITRE 25. CALCUL NUMRIQUE

Nous avons
xg, g0 y

et

Nous avons le systme

f pxi q 165

(25.263a)

f pxi qxi 810.

(25.263b)

xf, f1 y

165
a0
.

810
a1

7 14
14 160

La rsolution donne la droite de rgression.

(25.264)
4

Proposition 25.105.
Si tous les poids sont identiques, alors la droite de rgression passe par le barycentre des points
donns :
$
m

x
xi
(25.265a)

& M
m`1
i0

yi .

% M
m ` 1 i0

(25.265b)

Cela donne une vrification possible de la rponse trouve.

Dfinition 25.106.
Lerreur quadratique est la fonction F pa0 , . . . , an q dont il est question plus haut. Et si une
solution est connue, son erreur quadratique est la valeur de F pour cette solution.

25.16

Systme linaires (gnralits)

Soit un systme dquations linaires Ax b avec A P Mpn, Rq. Le problme est videmment
de savoir si il existe une unique solution x et de la dterminer. Nous supposons lexistence et
lunicit. Cest dire que les conditions quivalentes 16 sont vrifies :
(1) A est inversible, cest dire quil existe une matrice note A1 telle que AA1 A1 A 1.

(2) detpAq 0.

Note : si nous avons un systme pas carr du type Bx v avec B P Mpn mq alors nous pouvons
nous ramener un systme carr en crivant
B t Bx B t v.

(25.266)

Mais attention : bien que B t B soit symtrique et semi-dfinie positive, certaines valeurs propres
peuvent tre nulles.
25.107.
Deux choses gnrales en calcul numrique :
(1) On ne calcule pas linverse dune matrice.
(2) On ne calcule mme pas son dterminant.
Par consquent nous ne faisons pas x A1 v.
Il faut garder en tte le fait que dans la pratique, la matrice A possde des millions de lignes et
colonnes, si pas pire. Pour une matrice de taille de lordre du million, il y a 1000 milliards dentres.
Si on compte 32 bits par nombre (prcision simple, dfinition 25.8), cest dire 4 octets, il faut
4000 giga-octets pour enregistrer la matrice. Mme pour la mmoire actuellement disponible, ce
16. Lquivalence est la proposition 6.49(2).

25.16. SYSTME LINAIRES (GNRALITS)

1371

nest pas rien. Surtout que souvent, la prcision simple nest pas utilise, mais la prcision double,
ce qui donne 8000 giga pour enregistrer la matrice.
Heureusement, dans la majorit des cas pratiques, les matrices gantes qui apparaissent sont
pleines de zros.
Dfinition 25.108.
Une matrice est creuse si elle possde beaucoup de zros. Une matrice non creuse est dite dense.
Notons que lorsquon parle de matrice comprenant beaucoup de zros, nous pensons des
lments trs petits, et non de vrai zros.
Les matrices creuses ne sont pas mmorises entirement, mais plutt comme un dictionnaire
pi, j, vq qui donne la valeur v de Aij .
Dfinition 25.109.
Une matrice est de grande dimension si elle ne peut pas tre mise en mmoire sur un ordinateur
donn. Sur certains ordinateurs, a commence 5000 inconnues. Mais sur des plus forts, on peut
aller jusquau million ou le milliard.
Si la matrice est de petite dimension, il est possible dutiliser des mthodes dites directes.
Sinon, il faudra utiliser des mthodes itratives.

25.16.1

Les mthodes directes

Une mthode directe consiste successivement transformer un systme Ap0q x bp0q en de

nouveaux systmes Apiq x bpiq dont la solution est identique jusqu obtenir un systme Apn1q x
bpn1q qui est rsolution immdiate.
Lavantage dune mthode directe est quelle fournit une rponse exacte, pour autant que les
calculs intermdiaires soient bien faits (ce qui nest pas le cas sur un ordinateur).
Une mthode directe fonctionne en gnral avec un nombre de pas fixs par la taille du systme.
Par exemple pour un systme n n, la mthode de Gauss demande exactement n pas, et il ny a
pas moyen de faire mieux. Or chaque pas demande de recalculer tous les lments de la matrice.
Encore une fois, si la matrice a une taille de lordre du milliard, cela fait 1018 lments recalculer
un milliard de fois (sans compter les lments du vecteur b). Infaisable.
Souvent une mthode directe passe par une factorisation A BC avec B, C P Mpn nq.
Quelque types de matrices dont la rsolution est immdiate :
Matrice diagonale.
Matrice orthogonale parce que si A est orthogonale alors Ax v se rsout par x At v qui
nest pas particulirement lourd faire numriquement.
Matrice triangulaire.
Remarque 25.110.
Pour une matrice diagonale, le dterminant et linverse sont faciles. Mais galement pour la triangulaire. Pour une matrice triangulaire, le dterminant est le produit des lments diagonaux, et il
se fait quil y a une algorithme facile pour calculer linverse.
Donc en fait les matrices rsolution immdiates sont des matrices pour lesquelles linverse et
le dterminant sont facile calculer.

25.16.2

Mthodes itratives

Si la matrice est trop grande, il nest pas possible de faire des manipulations de matrices
chaque itration.
En gnral, les mthodes itratives ne convergent pas toujours. Mais lorsquune mthode
converge, cest une proprit de la matrice, et donc la convergence aura lieu pour tout vecteur
de dpart x0 . Cela est trs diffrent du cas des quations non linaires type Newton pour lesquelles
la convergence peut fortement dpendre du point de dpart.

1372

25.17

CHAPITRE 25. CALCUL NUMRIQUE

Systme linaires (mthodes directes)

Les matrices que nous sommes autoriss inverser sont les matrices
orthogonales : linverse est la transpose
diagonales : linverse est diagonale avec les inverses sur la diagonale
triangulaires : nous en parlons maintenant.

25.17.1

Inversion de matrice triangulaire

Si T est une matrice triangulaire (mettons suprieure pour fixer les ides), il est possible den
calculer linverse sans trop defforts. Notons B la matrice inverse que nous allons construire ligne
par ligne. Vu que BT 1 nous avons
1j

k1

B1k Tkj

B1k Tkl

(25.267)

k1

parce que Tkj 0 pour k j. Donc nous pouvons calculer les lments B1j un par un parce que
chacun ne dpend que des prcdents. Le mme procd fonctionne pour les autres lignes :
ij

Bij Tkj .

(25.268)

k1

Et tu notes que le calcul peut tre paralllis : le calcul de la ligne numro j ne dpend pas du
rsultat des autres lignes.

25.17.2

Transformation gaussienne

Dfinition 25.111 (Transformation gaussienne[286]).

Soit x P Rn avec xk 0. La k e transformation gaussienne pour x est la matrice
Mk pxq 1 Tk pxq
o Tk pxq est la matrice unit qui on a ajout le vecteur

..

k pxq
xk`1 {xk

..

(25.269)

(25.270)

xn {xk

la k e colonne.

Autrement dit, la matrice Mk pxq est la matrice

1
.

0 . .

..
. 0

Mk pxq . .

.
.
. . xk`1 {xk 1

.. ..

..
..
. .
.
.
0
0 0
xn {xk 0
1

En coordonnes nous avons

Mk pxq ij ij k pxqi kj .

(25.271)

(25.272)

1373

25.17. SYSTME LINAIRES (MTHODES DIRECTES)

25.112.
Les matrices de transformation gaussienne sont des matrice triangulaires de diagonale unitaire
(cest dire avec des 1 sur la diagonale).
Lemme 25.113.
Si x P Rn alors nous avons

x1
..
.

xk

Mk pxqx
0 .

..
.
0

Dmonstration. Nous avons

`

Mk pxqx i
Mk pxqil xl
il k pxqi kl xl xi k pxqi xk .
l

(25.273)

(25.274)

Si i k nous avons k pxqi 0 et donc Mk pxqx i xi . Si par contre i k ` 1 alors k pxqi

`

et alors Mk pxqx i 0.

xi
xk

Lemme 25.114.
Si y P Rn vrifie yi 0 pour i k alors Mk`1 pxqy y.

Dmonstration. Cest une simple vrification :

`
`

Mk`1 pxqy i
il k`1 pxqi k`1,l yl yi k`1 pxqi yk`1 .

(25.275)

Mais comme yk`1 0 il nous reste automatiquement yi .

Le sens de ce lemme est si un vecteur est dj gaussiannis au niveau k, alors en lui appliquant
une transformation gaussienne de niveau plus lev que k, il ne change pas. Ce fait est important
parce quil assure que lorsque lon avance dans le processus de Gauss, chaque tape ne dtruit pas
les prcdentes.
Le lemme suivant nous indique que linverse dune matrice de transformation gaussienne est
facile calculer 17 .
Lemme 25.115.
Linverse de la transformation gaussienne

est la matrice donne par

Mk pxqij ij k pxqi kj .

(25.276)

Mk pxq1
ij ij ` k pxqi kj .

(25.277)

Autrement dit, il suffit de changer le signe de la partie non diagonale.

Dmonstration. Il sagit dune simple vrification, utilisant le produit matriciel explicite, et en
remarquant que k pxqk 0 pour tout k.

25.17.3

Mthode de Gauss sans pivot (dcomposition LU)

La mthode de Gauss est encore utilise aujourdhui dans les vrais problmes.
La mthode de Gauss est souvent aussi appele mthode LU qui va dcomposer A LU
o L est triangulaire infrieure et U est triangulaire suprieure. La dcomposition est mme plus
prcise que cela : on demande que L ait seulement des 1 sur la diagonale.
17. Elle rentre dailleurs dans la catgorie des matrices triangulaires dont nous avons dj discut linverse.

1374

CHAPITRE 25. CALCUL NUMRIQUE

Si A est une matrice nous notons

k pAq pAij q1i,jk

(25.278)

la matrice tronque dont nous ne gardons que le carr k k en haut gauche.

Lemme 25.116.
Soit S une matrice triangulaire infrieure. Soient galement A et B telles que B SA. Alors
k pBq k pSqk pAq.

(25.279)

Dmonstration. En effet nous avons

k pBqij

Sil Alj .

(25.280)

l1

Dans la somme sur l il ne reste que les termes l i. Mais dans le calcul des lments de matrice
k pBqij , nous avons videmment i, j k. Donc l i k. Les seuls lments de matrice de A qui
sont utiliss dans la somme (25.280) sont les lments Alj avec l, j k.
Nous pouvons donc limiter la somme l k au lieu de l n et crire k pAqlj au lieu de Alj .
Mme chose en ce qui concerne S. partir du moment o l est limit k, les lments Sil et
k pSqil sont les mmes.
Thorme 25.117 (Dcomposition LU [287, 8]).
Soit une matrice A inversible telles que detpk pAqq 0 pour tout k. Alors il existe un unique
couple de matrices pL, U q telles que
U soit triangulaire suprieure
L soit triangulaire infrieure, de diagonale unit
A LU .
De plus pour tout k n nous avons
k pAq k pLqk pU q.

(25.281)

Dmonstration. Nous allons prouver par rcurrence le fait suivant : pour tout 1 k n 1 il
existe des matrices Ei (i 1, . . . , k) telles que en posant
(25.282)

Ak Ek . . . E1 A,

Ej est une transformation gaussienne pour la j e colonne,

pour tout j k, Aij 0 ds que i j. Autrement dit la matrice Ak est triangulaire
suprieure jusqu y compris la pk ` 1qe colonne (laquelle est quelconque). Exemple pour
fixer les ides : pour une matrice A P Mp4 4q, la matrice A2 doit avoir la forme

0
A2 E2 E1 A
0
0

0 f
0

(25.283)

o les lments nots sont a priori non nuls,

llment de matrice pAk qk`1,k`1 est non nul (celui entour dans lexemple).
La chose un peu triste dans cette dmonstration est que linitialisation va tre trs ressemblante
au pas de rcurrence.
Initialisation : k 1 Vu que 1 pAq est inversible, llment A11 est non nul. Il existe donc
une transformation gaussienne E1 telle que la premire colonne de la matrice A1 E1 A
soit nul sauf la premire composante. En particulier pA1 q21 0.

1375

25.17. SYSTME LINAIRES (MTHODES DIRECTES)

Par le lemme 25.116, nous avons 2 pA1 q 2 pE1 q2 pAq, donc 18
`

det 2 pA1 q det 2 pE1 q det 2 pAq .

(25.284)

tant donne la forme (25.271), toutes les matrices du type k pEi q ont un dterminant
unit,
` et parhypothse 2 pAq est inversible, donc de dterminant non nul. Par consquent
det 2 pA1 q 0. Mais comme ce dterminant est le produit des lments diagonaux (cest
une matrice triangulaire), ces derniers ne sont pas nuls. Finalement, pA1 q2 2 0.
Le pas de rcurrence Nous supposons avoir Ak Ek . . . E1 A avec pAk qk`1,k`1 0. Alors il
existe une transformation gaussienne Ek`1 de la pk ` 1qe colonne telle que Ak`1 Ek`1 Ak
soit une matrice dont la pk `1qe colonne nait que des zros en dessous de la pk `1qe position.
Vu le lemme 25.114, cette transformation naffecte pas les colonnes prcdentes.
La matrice Ak`1 est donc triangulaire suprieure jusqu la pk ` 2qe colonne.
Vu que le produit Ek . . . E1 est une matrice triangulaire infrieure, le lemme 25.116 fonctionne encore et nous avons
k`1 pAk q k`1 pEk . . . E1 qk`1 pAq.
(25.285)
`

Au niveau des dterminants par hypothse nous avons det k`1 pAq 0 et det k`1 pEk . . . E1 q
1. Donc
`

det k`1 pAk q 0.

(25.286)

Cette matrice tat triangulaire, ses lments diagonaux sont non nuls et nous avons pAk qk`1,k`1
0.
En poussant la rcurrence jusquau bout, la matrice
An1 En1 . . . En A

(25.287)

A pEn1 . . . E1 q1 An1 .

(25.288)

est triangulaire suprieure.

Nous posons alors L pEn1 . . . En q1 et U An1 . Cela prouve lexistence parce que
Encore une fois, le lemme 25.116 nous donne

k pAq k pEn1 . . . E1 q1 k pAn1 q,

(25.289)

ou encore k pAq k pLqk pU q.

1
En ce qui concerne lunicit, si A L1 U1 L2 U2 alors L1
2 L1 U2 U1 . Vu qu gauche nous
avons une matrice triangulaire infrieure et que droite nous avons une triangulaire infrieure,
nous savons que les deux membres reprsentent une matrice diagonale. Mais gauche, la diagonale
est unitaire. Donc les deux membres reprsentent la matrice unit.
25.118.
En pratique, pour rsoudre Ax b, il faut seulement appliquer les transformations gaussiennes
la matrice largie pA|bq pour finir sur un systme du type
U x b1

(25.290)

qui est immdiatement soluble. Autrement dit, en effectuant les annulations de colonnes, la matrice
U est gratuite.
Il nest pas indispensable de calculer la matrice L qui, elle, demande chaque tape de se
souvenir de la matrice Ei utilise. Si il faut rsoudre plusieurs systmes Axi bi , nous pouvons
encore travailler avec la matrice encore plus largie pA|b1 . . . bm q.
Si par contre nous ne connaissons pas lavance lensemble des vecteurs b avec lesquels il faudra
rsoudre le systme, il est bon de calculer la dcomposition A LU in extenso, cest dire de
garder une trace des matrices L et U sparment. Dans ce cas, rsoudre Ax b revient rsoudre
Ly b, et ensuite U x y. Ce sont deux systmes de rsolution directe parce que les matrices sont
triangulaires.
18. Le dterminant est multiplicatif, proposition 6.49(1).

1376
25.119.
Le fait que

CHAPITRE 25. CALCUL NUMRIQUE

k pAq k pLqk pU q

(25.291)

nous dit que si aprs avoir calculer L et U nous remarquons que le systme est un peu plus petit
ou un peu plus grand que prvu, tout le travail nest pas perdu. En particulier si le systme est
plus petit que prvu, ladaptation de L et U est immdiate.
Notons que U et L sont inversibles, et que detpLq 1. Donc detpU q detpAq.
Exemple 25.120
Pour travailler la mthode de Gauss pour le systme Ax b, nous introduisons la matrice un peu
augmente pA|bq. Nous faisons un exemple. Soit rsoudre

11
x
2 1 3
4 3 10y 28.
(25.292)
3
z
2 1 73
Nous introduisons la matrice augmente

pA|bqp0q

2 1 3 11
4 3 10 28.
2 1 7 3

(25.293)

Le premier pas consiste annuler tous les lments sous la diagonale de la premire colonne.
Aij
Autrement dit, nous prenons le 2 comme pivot. Nous introduisons les multiplicateurs lij Ai1
. La
nouvelle matrice est :

2 1 3 11
pA|bqp1q 0 1 4 6
(25.294)
0 2 10 14
o nous avons utilis les multiplicateurs l21 2, l31 1.
Et la matrice suivante est :

2 1 3 11
pA|bqp2q 0 1 4 6
0 0 2 2
o nous avons utilis le multiplicateur l32 2.
Cela est un systme de rsolution immdiate :
$

& 2x ` y ` 3z 11
y ` 4z 6

%
2z 2.

(25.295)

(25.296a)
(25.296b)
(25.296c)

La troisime donne z 1. Ensuite y ` 4 6, donc y 2. Et la premire donne : 2x ` 2 ` 3 11,

cest dire 2x 6, enfin : x 3.
Solution : px, y, zq p3, 2, 1q.
Nous notons surtout que dans pA|bqp2q nous avons une matrice triangulaire suprieure. O est
la matrice triangulaire infrieure ? En ralit la matrice L est la matrice des multiplicateurs :

1 0 0
L 2 1 0.
(25.297)
1 2 1
Le problme de cette mthode est que faisant ainsi
pivots. Par exemple tomber sur

2 1 3

pA|bq 0 0 4
0 2 10

nous risquons davoir un zro sur un des

11
6 .
14

(25.298)

25.17. SYSTME LINAIRES (MTHODES DIRECTES)

1377

Le zro sur la deuxime ligne nous ennuie si nous voulons tout faire dans lordre. Mais notons
quen changeant les deux dernire lignes, tout va bien : le systme donn par

2 1 3 11
(25.299)
pA|bq 0 2 10 14
0 0 4 6

fonctionne trs bien. Et mme tellement bien quil est de rsolution immdiate, dans ce cas.
Un autre problme est que si un des pivots est 1014 , le multiplicateur sera de lordre 1014 ,
qui est mal reprsent en mmoire. Il est donc bon de prendre les pivots le plus grand possible. Si
le pivot est le plus grand nombre en valeur absolue dune colonne, alors les nombres xk`i {xk qui
entrent dans la matrice de transformation gaussienne sont des nombres dans r1, 1s qui sont bien
reprsents en mmoire.
Tout cela nous incite dvelopper une mthode de Gauss qui permet de tenir une trace des
permutations.

25.17.4

Matrice de permutation lmentaires

Dfinition 25.121.
Une matrice de permutation lmentaire est une matrice obtenue en permutant deux lignes
de la matrice identit. Nous notons Pij la matrice obtenue en inversant les lignes i et j de la
matrice identit.
Exemple 25.122

1 0 0
0 1 0
0 1 0 1 0 0 P12 .
0 0 1
0 0 1

(25.300)
4

Lemme 25.123.
La matrice Pij A est la matrice A avec ses lignes i et j inverses.
Dmonstration. Il suffit dcrire
pPij Aqkl

pPij qkm Aml

(25.301)

et de faire trois cas selon que k i, k j ou k diffrent de i et j. Si k i alors pPij qim mj et

si k est diffrent de i et j alors pPij qmk km (troisime cas similaire au premier).
Et la matrice AP12 est la A avec ses deux premires colonnes changes.
1
Avec ces notations, notre matrice pA|bq0 est

Puis la matrice pA|bqp1 q est

P12 pA|bqp0q .

(25.302)

P23 pA|bqp1q .

(25.303)

Et la matrice P qui arrive dans P A LU est

permutation non lmentaire. Elle vaut :

P 0
1

la matrice P P23 P21 , qui est une matrice de

1 0
0 1.
0 0

(25.304)

1378

CHAPITRE 25. CALCUL NUMRIQUE

Lemme 25.124 ([288]).

Si i, j k alors les matrices de permutation lmentaires ont la relation de commutation suivante avec les transformations gaussiennes :
`

Mk pxqPij Pij Mk Pij pxq .

(25.305)
Dmonstration. Il suffit de calculer les lments de matrice :

Pij Mk pxq st pPij qst pPij qsm k pxqm kt ,

(25.306)

mais

pPij qsm k pxqm Pij k pxq s k Pij pxq s

(25.307)

parce que i, j k implique que dans Pij k pxq nous inversons deux lment non nuls de k pxq, tout
en laissant le k e lment. Le dnominateur ne change pas et il sagit rellement dune inversion de
ligne. Donc
`

Pij Mk pxq st pPij qst k Pij x s kt .

(25.308)
De lautre ct,

Mk pyqPij st pPij qst k pyqs pPij qkt .

(25.309)

Mais comme i, j k la k e ligne de Pij est la mme que celle de la matrice unit, donc pPij qkt kt .
`

Mk pyqPij st pPij qst k pyqs kt .

(25.310)
Cela correspond bien (25.308).

25.17.5

Mthode de Gauss avec pivot partiel

chaque pas, nous faisons une permutation de ligne. Nous permutons chaque pas la premire
ligne avec celle qui a le pivot le plus grand (en valeur absolue). Donc :

2 1 3 11
pA|bqp0q 4 3 10 28
(25.311)
2 1 7 3
Nous commenons par dplacer des lignes :
p01 q

pA|bq

4 3 10 28
2 1 3 11.
2 1 7 3

(25.312)

Les multiplicateurs sont l21 1{2 et l31 1{2. Le fait est que les multiplicateurs ont toujours le
plus grand dnominateur possible et nous avons alors toujours 0 |lij | 1, qui sont des nombres
relativement petits, et bien reprsents en mmoire.
Nous avons la nouvelle matrice

4
3
10 28
pA|bqp1q 0 1{2 2 3.
(25.313)
0 5{2 12 17

Le pivot serait 1{2. Nous cherchons un pivot plus grand en dessous de ce 1{2 (et pas au dessus,
sinon on casserait les zros dj trouvs). Nous trouvons le 5{2 qui est plus grand. Nous permutons
donc les deux dernires lignes :

4
3
10 28
1
pA|bqp1 q 0 5{2 12 17
(25.314)
0 1{2 2 3

25.17. SYSTME LINAIRES (MTHODES DIRECTES)

1379

o le pivot est maintenant l32 1{5. La matrice suivante :

4 3
10 28
0 5{2 12 17
0 0 2{5 2{5

pA|bqp1q

(25.315)

Dans ce cas, la matrice L nest pas aussi simple construire parce que nous avons permut des
choses. Dans ce cas, la matrice L est encore de la forme

1 0 0
L . 1 0.
. . 1

(25.316)

Mais vu que nous avons permut les lignes 2 et 3 au deuxime pas, nous devons permuter l21 et
l31 avant de remplir la matrice L avec les multiplicateurs :

1
0
0
1
0.
L 1{2
1{2 1{5 1

(25.317)

P A LU

(25.318)

Notons que ces L et U ne sont pas les mmes que le LU obtenu sans pivot. O est lunicit ?
Elle est que en fait maintenant nous navons pas A LU , mais

o P est une matrice de permutation.

Proposition 25.125 (Mthode de Gauss avec pivot partiel[288]).
Soit une matrice inversible A P Mpn, Cq. Il existe
une matrice de permutation P
une matrice triangulaire infrieure de diagonale unitaire L,
une matrice triangulaire suprieure inversible U
telles que
P A LU.

(25.319)

Notons que cette proposition ne demande que lhypothse dinversibilit pour A. Il ny a pas
dhypothses sur tous les mineurs comme ctait le cas avec Gauss sans pivot.
Dmonstration. Nous prouvons par rcurrence quil existe des matrices Qk , E1 , . . . , Ek et Ak telles
que
Qk A E1 . . . Ek Ak
(25.320)
avec

(1) Qk est une matrice de permutation

(2) Ei est une transformation gaussienne sur la ie colonne
(3) Ak est triangulaire suprieure jusqu la k e colonne.
Sachant que detpQk q 1, et que detpEi q 1, le passage au dterminant dans (25.320) nous
donne detpAk q 0 et si nous notons k pAq la matrice tronque de A, ne gardant que les entres
plus grandes que k, nous avons
detpAk q

pAk qi i det k`1 pAk q .

i1

Donc : pAk qii 0 pour i k et det k`1 pAk q 0.

(25.321)

1380

CHAPITRE 25. CALCUL NUMRIQUE

Pour fixer les ides, voici une image de k 2 :

0
0

k pA2 q

* * * *

* * * *

0 * * *

0 * * *
0 * * *
k`1 pA2 q

tant donn que det k`1 pAk q 0, parmi les nombres pAk qi,k`1 (i k ` 1), au moins un est
non nul et nous posons rk`1 tel que |pAk qrk`1 ,k`1 | soit maximum parmi ces lments.
Le nombre rk`1 est enregistr parce quil servira crire la matrice P plus tard. Les matrices
Ei ne sont pas enregistres, parce que nous verrons quelles vont encore changer. Seule la dernire
sera enregistre.
La composante pk ` 1, k ` 1q de la matrice
Prk`1 ,k`1 Ak

(25.322)

est non nulle et peut donc servir de pivot. Soit Mk`1 la transformation gaussienne pour la pk ` 1qe
colonne de la matrice Prk`1 ,k`1 Ak . La matrice
Ak`1 Mk`1 Prk`1 ,k`1 Ak

(25.323)

1
est alors une matrice triangulaire suprieure jusqu la pk ` 1qe colonne. En posant Ek`1 Mk`1
nous avons
Prk`1 ,k`1 Ek`1 Ak`1 Ak ,
(25.324)

et nous nous sentons en droit de rcrire lquation de dpart (25.320) :

Qk A E1 . . . Ek Ak E1 . . . Ek Prk`1 ,k`1 Ek`1 Ak`1 .

(25.325)

Le lemme 25.124 nous permet de ramener la matrice Prk`1 ,k`1 en premire position, quitte
modifier un peu (pas beaucoup) chacune des matrices Ei (i 1, . . . , k). Cest pour cela que nous
nenregistrons pas les matrices Ei . Nous avons donc
Prk`1 ,k`1 Qk A E11 . . . Ek1 Ek`1 Ak`1
o

(25.326)

Le produit Prk`1 ,k`1 Qk est encore une matrice de permutation, et mieux : elle vaut
k`1

Pri ,i .

(25.327)

i1

Cela montre quil est suffisant denregistrer les nombres ri pour reconstituer cette partie.
La matrice Ei1 est une transformation gaussienne pour la ie colonne.
La matrice Ak`1 est triangulaire suprieure jusqu la k ` 1e colonne.
La rcurrence est maintenant finie et nous pouvons crire avec k n :
Qn A E1 . . . En An

(25.328)

o le produit E1 . . . En est triangulaire infrieure et An est triangulaire suprieur.

Maintenant nous enregistrons la matrice U An , le produit L ni1 En et les nombres ri

qui permettent de retrouver P .

25.17. SYSTME LINAIRES (MTHODES DIRECTES)

1381

Note : dans lquation (25.328) nous avons bien entendu massivement renomm les Ei1 en Ei .
En ralit la matrice E1 vient avec n primes sur la tte.
Dans les exemples 25.127, 25.128 et 25.129, nous allons rsoudre le systme
9
1
x1
10
1
(25.329)

2
x2
1
1

dabord de faon exacte, et ensuite en supposant une machin ne tenant que 8 chiffres significatifs
en utilisant la mthode de Gauss avec ou sans pivot.
Commenons par voir comment se passe en pratique la dcomposition P A LU de Gauss avec
pivot partiel.
Exemple 25.126
Dcomposons la matrice

1 2 3
A 2 5 0.
3 8 0

(25.330)

Sur la premire colonne, le plus grand nombre est 3. Nous commenons par permuter la premire
et la troisime ligne en utilisant la matrice de permutation P1 P3,1 et nous enregistrons r1 3.
Nous avons alors la matrice

3 8 0
A10 2 5 0.
(25.331)
1 3 3
La matrice de transformation gaussienne pour la premire colonne est alors

1
0 0
M1 2{3 1 0
1{3 0 1

et L1 M11 . Le lemme 25.115 nous dit comment calculer facilement cet inverse :

1 0 0
L1 2{3 1 0
1{3 0 1

En suivant lquation (25.323) nous posons A1 M1 A10 :

1
0 0
3 8 0
3
8
0
A1 2{3 1 02 5 0 0 1{3 0
1{3 0 1
1 3 3
0 2{3 3
et nous avons

Q1 A L1 A1

(25.332)

(25.333)

(25.334)

(25.335)

o L1 , A1 et r1 3 sont enregistrs. La matrice Q1 peut tre retrouve en sachant r1 parce que P

est la matrice de permutation Pr1 ,1 .
Nous travaillons maintenant sur la deuxime colonne de A1 . Le plus grand lment en valeur
absolue (sous la diagonale) est 2{3. Nous posons r2 3 et

3
8
0
A11 0 2{3 3
(25.336)
0 1{3 0
et la matrice gaussienne pour la deuxime colonne est

1
0
0
1
0
M2 0
0 1{2 1

(25.337)

1382

CHAPITRE 25. CALCUL NUMRIQUE

Le 1{2 provient du calcul p1{3q{p2{3q . Linverse de cette matrice est facile :

1 0 0
L2 0 1 0
0 1{2 1

(25.338)

et la matrice suivante enregistrer est

3
8
0
3 .
A2 M2 P3,2 A1 M2 A11 0 2{3
0
0
3{2

(25.339)

Q1 A L1 A1 L1 P3,2 L2 A

(25.340)

Notons toutefois que pour calculer cette matrice, seul le dernier lment demande un calcul. La
premire colonne ne change pas (par construction), la seconde gagne un zro en dernire ligne (la
matrice M2 sert a) et sur la dernire colonne, seule la dernire ligne est sujette changement.
Avec la matrice A2 , la trigonalisation suprieure est faite. La dcomposition nest cependant
pas termine. Nous devons encore trouver la partie triangulaire infrieure. Nous en sommes

o Q1 est la premire matrice de permutation.

Utilisant le lemme 25.124, il est facile de permuter L1 avec P3,2 :

1 0 0
L1 P3,2 P3,2 1{3 1 0
2{3 0 1
looooooomooooooon

(25.341)

L11

Nous avons donc

P3,2 P3,1 A L11 L2 A

(25.342)

P A LU

(25.343)

Deux multiplications matricielles plus tard nous terminons :

avec

0 0 1
1
0 0
3
8
0
3 .
P 1 0 0, L 1{3 1 0, U A2 0 2{3
0 1 0
2{3 1{2 1
0
0
3{2
Notons que Sage utilise la mthode de Gauss avec pivots :
1
2
3
4
5
6
7
8
9
10
11

sage : A = matrix ([ [1 ,2 ,3] ,[2 ,5 ,0] ,[3 ,8 ,0] ])

sage : A
[1 2 3]
[2 5 0]
[3 8 0]
sage : A . LU ()
(
[0 1 0] [ 1
0
0] [
3
8
0]
[0 0 1] [1/3
1
0] [
0 -2/3
3]
[1 0 0] , [2/3 1/2
1] , [
0
0 -3/2]
)
sageSnip006.sage

(25.344)
4

25.17. SYSTME LINAIRES (MTHODES DIRECTES)

1383

Mais attention : Sage cre une dcomposition A P LU et non P A LU . Do le fait que la

matrice de permutation de Sage est linverse de celle donne ici.
Nous nous lanons dans la rsolution du systme
9
1
x1
10
1
.
(25.345)

2
x2
1
1
Exemple 25.127
Nous commenons de faon exacte, par la mthode de Gauss sans pivot. La premire transformation gaussienne est

1
0
(25.346)
E1
109 1
et nous calculons

E1 A

9 9
10
1
10
1
1
0

.
0
1 109
1
1
109 1

(25.347)

Vu que cette dernire est triangulaire suprieure, nous avons fini la mthode de Gauss et U E1 A.
En ce qui concerne la matrice L, elle est donne par L E11 , cest dire
L

1
1 0
1
0
.

109 1
109 1

Au final nous avons la dcomposition A LU exacte suivante :

9
1 0
10
1
.
L
U
109 1
0
1 109

(25.348)

(25.349)

Rsoudre le systme Ax b revient rsoudre LU x b et donc rsoudre successivement les

systmes
"
Ly b
(25.350a)
Dabord le systme

donne y1 1 et y2 2 109 .
Ensuite nous rsolvons

Cela donne

U x y.

(25.350b)

1 0
y1
1

109 1
y2
2

(25.351)

10
1
x1
1

.
0
1 109
x2
2 109

(25.352)

109
1109
x1
1

.
9
210
x2
1
9

(25.353)

110

Cest galement le rsultat que trouve Sage :

1
2
3
4

sage : var ( y )
y
sage : solve (
[10**( -9) * x + y ==1 , x + y ==2] ,[ x , y ]
)
[[ x == ( 1 0 0 0 0 0 0 0 0 0 / 9 9 9 9 9 9 9 9 9 ) , y == ( 9 9 9 9 9 9 9 9 8 / 9 9 9 9 9 9 9 9 9 ) ]]
sageSnip007.sage

1384

CHAPITRE 25. CALCUL NUMRIQUE

4
Exemple 25.128([288])
Nous recommenons tout le calcul avec une prcision limite 8 chiffres significatifs, sans pivot.
Nous avons nouveau la transformation gaussienne

1
0
,
(25.354)
E1
109 1
mais pour calculer U nous effectuons le produit matriciel
9 9

10
1
10
1
1
0
.

U E1 A
9
0

1
1
10 1

(25.355)

Nous dtaillons prsent le calcul de llment not . Le calcul de 109 a 1q donne

999999999 9.99999999 108 ,

(25.356)

mais la prcision tant limite 8 chiffres, un arrondit arrive. tant donn que le premier chiffres
supprim est un 9 nous retombons sur 109 , et donc notre machine prcision limite donnera
9

10
1
U
.
(25.357)
0
109
Ensuite le calcul de L E11 ne cause pas de problmes :

1
0
L
.
109 1
Maintenant il sagit de rsoudre les systmes Ly b et U x y. Du systme

1 0
y1
1

9
10 1
y2
2

(25.358)

(25.359)

nous tirons tout de suite y1 1 et ensuite 109 ` y2 2, cest dire y2 2 109 , qui en prcision
limite donne encore y2 109 . rsoudre maintenant :
9

10
1
x1
1

.
(25.360)
0
109
x2
109
Cela donne immdiatement x2 1 et ensuite
donc x1 0. La solution trouve est

109 x1 ` 1 1,

(25.361)

x1
0

,
x2
1

(25.362)

qui est compltement faux au niveau de la premire variable.

Exemple 25.129([288])
Nous rsolvons encore le mme systme en prcision limite, mais en utilisant cette fois la mthode
de Gauss avec pivot partiel.
Le plus grand lment de la premire colonne est 1 ; nous utilisons donc la permutation P1,2 :

1
1
P1,2 A
.
(25.363)
109 1

1385

25.17. SYSTME LINAIRES (MTHODES DIRECTES)

La matrice de transformation gaussienne pour la premire colonne de cette matrice est
M1

1
0
109 1

(25.364)

et nous posons
A1 M1 P1,2 A

1 1
1
1
1
1
1
0
U

0 1
0 109 ` 1
109 1
109 1

(25.365)

o un arrondi a eu lieu pour 109 ` 1 1. En inversant M1 nous avons

L1 M11
La dcomposition est
A

1
0
.
109 1

0 1
1
0
1 1
1 0 looooomooooon
109 1 looomooon
0 1
looomooon
P

(25.366)

(25.367)

Le moment de rsoudre est venu. Vu que P LU x b nous devons rsoudre les systmes
$

& Pz b
Ly z

%
U x y.

Pour z cest facile :

Pour y il y a un arrondi :

2
z
.
1

1
0
y1
2

.
109 1
y2
1

(25.368a)
(25.368b)
(25.368c)

(25.369)

(25.370)

Tout de suite : y1 2 et ensuite 2 109 ` y2 1, ce qui donne y2 1 a 2 109 1. Donc

y
Et enfin pour x cest le systme

2
.
1

1 1
x1
2

.
0 1
x2
1

(25.371)

(25.372)

Nous avons x2 1 et ensuite x1 ` 1 2 cest dire x1 1. Au final la solution trouve est

1
x
.
1

Cette solution est considrablement meilleure que (25.362).

(25.373)
4

25.130.
Lutilisation du pivot non seulement assure le fait que la trigonalisation va bien se passer (on vite
les zros en pivot), mais aussi et surtout, en choisissant de prendre le plus grand pivot possible,
nous obtenons une meilleur stabilit numrique.

1386

25.17.6

CHAPITRE 25. CALCUL NUMRIQUE

Dterminant

Pour calculer un dterminant lorsque nous avons la dcomposition A LU nous pouvons faire
detpAq detpLU q detpLq detpU q detpU q

(25.374)

detpP q p1qs

(25.375)

parce que L est triangulaire avec des 1 sur la diagonale.

Si par contre nous avons fait des pivots, nous avons P A LU . Il nous faut le dterminant de
P , qui nest autre que 1. Nous avons
o s est le nombre de permutations effectives effectues. Nous prcisons effectives parce quil ne
faut pas compter le pas o nous navons pas permuter (les cas o le bon pivot tait prsent du
premier coup). Nous avons alors
detpAq p1qs detpU q.
(25.376)

25.17.7

Plusieurs termes indpendants

Mettons un systme Ax b quil faut rsoudre pour plusieurs b diffrents. Cest typiquement
le cas o lon voudrait calculer linverse de A. Mais on va directement se calmer. Soient donc
rsoudre Ax1 b1 , . . . , Axn bn .
Les oprations (avec ou sans pivot) que nous faisons ne dpendent que de la matrice A, mais
aucune dcisions concernant les pivots ou la matrice des multiplicateurs ne dpend de b. Autre
faon de dire : si le systme pA|b1 q devient pU |y1 q, le systme pA|bi q devient pU |yi q avec le mme
U.
Nous ne sommes donc pas obligs de faire tout le travail autant de fois quil ny a de systmes
rsoudre. Donc si on a plusieurs systmes rsoudre avec la mme matrice, on fait mieux de
retenir une fois pour toute la dcomposition LU (avec ou sans pivots), avant de vraiment rsoudre.
Ou alors on peut aussi faire que, au lieu de faire pA|bi q plein de fois, faire une seule fois
pA|b1 . . . bn q.

(25.377)

AX Y

(25.378)

Et on fait tout le travail sur tous les vecteurs dun en mme temps.
Soit ei la base canonique. Si nous notons xn les solutions des problmes Axi ei , tous les
problmes Axi ei scrivent dun seul coup
o X est la matrice des xi en colonnes, et Y est celle des ei en colonnes. Oh, mais Y 1
videmment. Donc
AX 1.
(25.379)

Si nous supposons que A est inversible, alors ce X est linverse.

Donc pour calculer linverse dune matrice de dimension non trop grande, il suffit dutiliser la
mthode de Gauss sur les vecteurs de la base canonique. Cette ide est la base du calcul de linverse
par matrice companion. En effet, si nous partons du problme
pA|1q

(25.380)

pU |L1 P q.

(25.381)

A1 U 1 L1 .

(25.382)

et nous appliquons la mthode de Gauss avec pivot, nous arrivons

Attention : le produit L1 P est une permutation des colonnes de L1 . Vu que L est triangulaire
infrieure avec des 1 sur la diagonale, L1 est triangulaire infrieure avec des 1 sur la diagonale.
Donc si la matrice nest pas trop grande, on peut assez facilement remettre les colonnes de L1 P
dans lordre pour recomposer une matrice triangulaire infrieure avec 1 sur la diagonale.
Une autre faon de calculer linverse, si A LU est connue, il suffit de faire
Et il existe un algorithme facile pour linverse dune matrice triangulaire.

1387

25.17. SYSTME LINAIRES (MTHODES DIRECTES)

25.17.8

Cholesky

Le commandant Cholesky travaillait sur le tir de canon (chose minemment lie de nombreuses
mathmatiques ingnieuses). La mthode de Cholesky est encore utilise aujourdhui dans les vrais
problmes.
La mthode de Gauss sapplique sans hypothses sur la matrice A, part quelle doit tre
de petite dimension, comme pour toute mthode directe. Souvent nous savons des choses sur la
matrice. Ici nous allons supposer que A est symtrique et dfinie positive.
Comment numriquement vrifier ces hypothses ? En ce qui concerne la symtrique, il suffit
de faire le test complet :
At A.
(25.383)

La vrification de cela cote au maximum n2 comparaisons (et en fait la moiti de a moins la

diagonale).
Le fait que A soit dfinie positive est facile vrifier pour utiliser Cholesky parce que il suffit
de le faire, et si il ny a pas de nombres complexes qui arrivent, cest que la matrice tait dfinie
positive.
Un lemme trs simple mettre en oeuvre numriquement nous permet de traiter certains cas.
Lemme 25.131.
Une matrice symtrique possdant un lment ngatif sur la diagonale nest pas dfinie positive.
Dmonstration. Un simple calcul ou effort dimagination montre que xM ek , ek y Mkk . Donc si
M doit tre dfinie positive, Mkk doit tre positive par le lemme 6.296.
Ce lemme est un moyen dj de faire quelque vrifications. Et si les lments diagonaux de A
sont tous ngatifs, on peut prendre A.
Lemme 25.132.
Si A est une matrice symtrique strictement dfinie positive, alors pour tout k, la matrice tronque
k pAq lest galement.

Dmonstration. Le fait que k pAq soit symtrique est videment. Le fait quelle soit dfinie positive
lest moins. Soit y P Rk et le vecteur y P Rn , qui est complt avec des zros.
Nous avons xk pAqy, yyk xA y, yn . En effet
xk pAqy, yy
Et droite :
xA y, yy

pA yqi p yqi

i1

k
k

pA yqi yi

i1

(25.384)

Ail yl yi .

i1 l1

k
n

i1 l1

Ail p yql yi

k
k

Ail yl yi

(25.385)

i1 l1

o nous avons utilis le fait que p yqi 0 ds que i k et que p yqi yi sinon.
En consquence de quoi xk pAqy, uy 0 pour tout y P Rk et la matrice k pAq est strictement
dfinie positive.
Lemme 25.133.
Si T est une matrice triangulaire, alors pTii q1 pT 1 qii .

Dmonstration. Il suffit de se rendre compte que le coefficient ii de lgalit

Til pT 1 qli.
1
l

Dans la somme il ne reste que le terme l i.

1 T T 1 donne
(25.386)

1388

CHAPITRE 25. CALCUL NUMRIQUE

Nous allons chercher une dcomposition de type LU sous la forme A LLt , cest dire U Lt .
Attention : maintenant nous navons plus des 1 sur la diagonale. Ce nest donc pas exactement la
dcomposition LU dont nous parlions plus haut. Cest pour cela que nous nallons pas la noter
LLt mais BB t .
Thorme 25.134 (Cholesky[287]).
Soit une matrice relle symtrique strictement dfinie positive. Il existe une unique matrice relle
B telle que
B est triangulaire infrieure,
la diagonale de B est positive,
A BB t .

Dmonstration. Par la dcomposition LU du thorme 25.117 nous avons des matrices L et U

telles que A LU . Soit D la matrice diagonale donne par
a
Dii Uii .
(25.387)
Cette dfinition fonctionne parce que Uii 0. En effet nous savons que k pAq k pLqk pU q, et
en passant au dterminant,
`

det k pAq det k pU q .

(25.388)

Vu que k pAq est strictement dfinie positive par le lemme 25.132, son determinant est strictement
positif 19 et nous avons
`

det k pU q 0.
(25.389)

En appliquant cela k 1 nous avons U11 0 puis de proche en proche, Ui i 0 pour tout i.
Nous posons :
B LD
CD

qui est triangulaire infrieure

(25.390a)

qui est triangulaire suprieure.

(25.390b)

Nous avons bien entendu A BC et nous allons prouver que C B t . Vu que A At nous
pouvons identifier BC et C t B t :
BC C t B t .
(25.391)
En mettant les matrices triangulaires suprieures gauche et infrieures droite :
CpB t q1 B 1 C t ,

(25.392)

qui sont donc deux matrices diagonales. Nous montrons que cette diagonale est en ralit lidentit.
Dabord
n

a
a
Bii
Lil Dli Lii Uii Uii
(25.393)
l1

parce que Lii 1. Notons en passant que la diagonale de B est positive. Ensuite
Cii

a
1
pD1 qil Uli pD1 qii Uii ? Uii Uii .
Ui i
l1
n

Donc B et C ont des diagonales gales. Calculons alors la diagonale de B 1 C t :

` 1 t
B C ii pB 1 qil pC t qli pB 1 qii Cii

(25.394)

(25.395)

parce que encore une fois, de la somme il ne reste que le terme l i.

19. Le thorme 6.292 donne une diagonalisation par des matrices de dterminant 1. Vu que les valeurs propres
forment sur la diagonale, et quelles sont toutes positives, el dterminant est positif.

1389

25.17. SYSTME LINAIRES (MTHODES DIRECTES)

Mais B est une matrice triangulaire qui tombe sous le coup du lemme 25.133. Donc pB 1 qii
pBii q1 pCii q1 . Nous avons alors
pB 1 C t qii 1.
(25.396)

Cela conclu lexistence de la dcomposition de Cholesky.

En ce qui concerne lunicit, soient A BB t CC t . Nous regroupons les suprieures et les
infrieures :
B t pC t q1 B 1 C.
(25.397)

Ces deux matrices sont donc diagonales et nous posons D B 1 C, cest dire C BD. Nous
remplaons donc C par BD dans (25.397) :
(25.398)

A BB t BDpBDqt BDDt B t .

Donc DDt 1, ce qui signifie que les lments diagonaux de D sont 1. Nous montrons quils
sont positifs : partir de C BD nous dballons

Cii
Bil Dli ,
(25.399)
l

et donc

(25.400)

Bii Dii Cii .

En sachant que les conditions de la dcomposition de Cholesky demandent les lments diagonaux
positifs nous en dduisons que Dii est positif et donc gal 1. Finalement D 1 et B C.
Prenons la matrice

4
2 2
A 2 10 7
2 7 9

(25.401)

Elle est symtrique et dfinie positive. Nous posons

?
t l11 a11 li1 ai1 {l11
pour i 2, . . . , n. Et aussi

(25.402a)

$
j1

2 1{2

ljj pajj
ljk
q

&

% lij paij

(25.403a)

k1
j1

k1

(25.403b)

lik ljk q{ajj

pour i j ` 1, . . . , n.
Les formules (25.402) nous disent comment remplir
?
42

L
2{2 1
2{2 1

la premire colonne. Cela donne la matrice

. .
(25.404)
. .
. .

Les formules (25.403) donnent les autres colonnes en fonction des prcdentes.
Dans Sage :
1
2
3
4
5
6

sage : A = matrix ( [
sage : A
[ 4 2 -2]
[ 2 10 -7]
[ -2 -7 9]
sage : A . cholesky ()

[4 ,2 , -2] ,[2 ,10 , -7] ,[ -2 , -7 ,9]

1390
7
8
9

[ 2 0
[ 1 3
[ -1 -2

CHAPITRE 25. CALCUL NUMRIQUE

0]
0]
2]
sageSnip005.sage

25.18

Systme linaire (mthodes itratives)

Nous trouvons des mthodes itratives lorsque les matrices sont grandes, ce qui arrive lorsque
lon discrtise une quation diffrentielle.
Nous allons chercher des mthodes de la forme xn`1 Bxn ` q ; ce sont des mthodes stationnaires. La convergence dune mthode est toujours lie la matrice B et en gnral, la convergence
ne dpend pas du choix du vecteur initial. Nous faisons donc souvent x0 0 et donc x1 q. Voila
donc une itration de faire gratuitement.
Nous notons ek le vecteur derreur qui est dfinit par ek x xk . Et le vecteur rsidu
rk b Axk . Attention : ici k nest pas un indice mais un numro de vecteur.
Notons que si x est solution, alors b Ax 0, ce qui motive le vecteur rsidu.
Les conditions darrt dun algorithme seraient
"

}ek }8 ! 1

}rk }8 2

(25.405a)
(25.405b)

o 1 et 2 sont des prcisions dcides lavance par lutilisateur.

Proposition 25.135.
Si A est une matrice inversible, alors
lim ek lim rk 0.

k8

k8

(25.406)

Vu que rk Aek , si la matrice A est mal conditionne, il peut arriver que rk reste grand alors
que ek est dj petit.
Remarque 25.136.
Dans les mthode stationnaires, nous avons xn`1 Bxn ` q avec B et q fixs au dpart de
lalgorithme. Il existe des mthodes non stationnaires pour lesquelles litration prend la forme
xn`1 Bn xn ` qn avec Bn et qn qui changement avec les tapes.
Proposition 25.137.
Pour la mthode xn`1 Bxn ` q nous avons quivalence de
(1) La mthode converge pour tout x0
(2) B est une matrice convergente 20
(3) pBq 1 (rayon spectral).

De plus si }B} 1 alors la mthode converge (quelle que soit la norme algbrique).
La norme dune matrice (en tout cas, certaines normes) est quelque chose de facile calculer
lordinateur. Typiquement }.}8 est un simple maximum. Cependant si aprs avoir calculer }B}i
pour des dizaines de normes i diffrentes, nous avons toujours }B}i 1, alors nous ne pouvons
rien conclure.
20. Cest dire limk8 B k 0.

25.18. SYSTME LINAIRE (MTHODES ITRATIVES)

25.18.1

1391

La mthode gnrale

Nous dcomposons la matrice A sous la forme A M N avec M inversible. Le systme

Ax b devient
Mx Nx b
(25.407)
puis M x N x ` b et finalement

x M 1 N x ` M 1 b,

(25.408)

et voila une mthode stationnaire avec B M 1 N et q M 1 b.

Mais ici nous voyons que M doit tre non seulement inversible, mais en plus doit tre facilement calculable. En sachant que nous travaillons avec des grandes matrices, il nest pas question
dinverser M avec une mthode de Gauss.
En bref, il faut choisir M triangulaire parce que cest en gros la seule que nous pouvons inverser
facilement 21 .
Remarque 25.138.
La matrice B ne doit pas spcialement tre inversible. Si elle ne lest pas, ce nest pas un problme.

25.18.2

Jacobi

Nous dcomposons
ADEF

(25.409)

o D est la diagonale de A, F est la partie triangulaire suprieure (sans la diagonale) et E

la triangulaire infrieure (sans la diagonale). Donc D, E et F sont simplement des extraction de
parties de la matrice A (et quelque changements de signes).
La mthode de Jacobi prend M D et N pE ` F q. Linverse de M est facile calculer parce
que M est diagonale. Nous notons BJ la matrice B de la mthode de Jacobi.
Remarque 25.139.
Il se peut que la matrice A ait des zros sur la diagonale, mme si elle est inversible. Et cela est
un problme parce qualors la matrice D ici construite nest pas inversible. Dans ce cas, avant de
nous lancer dans la mthode de Jacobi, il faut permuter deux lignes de A et donc de b.
Attention cependant que lon pourrait vouloir effectuer ces permutations en mettant sur la
diagonale des nombres les plus grands possibles (parce quensuite, ce qui rentre dans les calculs,
cest D1 qui aura alors des petits nombres). Mais il faut toutefois faire en sorte que le rayon
spectral de la matrice B rsultante reste plus petit que 1.
Chaque changement dans A induit des changements dans B et donc sur la convergence de la
mthode.

25.18.3

Gauss-Seidel

Nous partons de la mme dcomposition A D E F que dans (25.409). La mthode de

Gauss-Seidel prend M pD Eq et N F .

25.18.4

Autres

Voir la mthode des gradients, et des gradients conjugus.

21. Les matrices orthogonales sont aussi facilement inversibles, mais ne se prtent pas bien une dcomposition
de type somme.

1392

CHAPITRE 25. CALCUL NUMRIQUE

Chapitre 26

Variables alatoires et thorie des

probabilits
26.1

Espace de probabilit

Une mesure de probabilit sur un espace mesur p, Aq est une mesure positive telle que
P pq 1. Dans ce cas, le triple p, A, P q est un espace de probabilit.
Un point P est une observation, une partie mesurable A P A est un vnement.
Lensemble AYB reprsente lvnement A ou B tandis que lensemble AXB reprsente lvnement
A et B.
Si les An sont des vnements, nous avons dfini en 7.87 limite suprieure et la limite infrieure
de la suite An par

lim sup An
Ak
(26.1)
n8

et

n1 kn

lim inf An
n8

Ak

(26.2)

n1 kn

Si P lim inf An , alors ralise tous les An sauf un nombre fini.

Nous avons
lim sup An t P tel que P An pour une infinit de nu.
Thorme 26.1 (Borel-Cantelli).
Si

n1

alors P plim sup An q 0.

Dmonstration. La condition

n1 P pAn q

P pAn q 8

(26.3)

(26.4)

8 signifie que la fonction

1An

(26.5)

n1

est P -intgrable. Par consquent, elle est finie presque partout (au sens de P ), cest dire
P p 8q 0.

(26.6)

Les points sur lesquels pq 8 sont ceux tels que

n1

1An pq 8,
1393

(26.7)

1394

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

cest dire les qui appartiennent une infinit densembles An , ou encore les P lim sup An .
Nous avons donc montr que
t tel que pq 8u t P tel que P An pour une infinit de nu lim sup An .

(26.8)

Or lhypothse signifie que la probabilit du membre de gauche est nulle.

Corollaire
26.2.
8
Si n1 P pAAn q 8, alors presque srement tous les Bn sont raliss lexception dun nombre
fini.

26.2

Variables alatoires

Dfinition 26.3.
Une variable alatoire est une application mesurable
X : p, Aq pRd , BorpRd qq.

(26.9)

, cest dire que dans le cas o la variable alatoire X est relle,

Nous convenons que R1 R
nous acceptons les valeurs 8.
Dfinition 26.4.
Une variable alatoire relle X est absolument continue si il existe une fonction positive et
intgrable f : R R telle que pour tout intervalle I R,

P pX P Iq f ptqdt.
(26.10)
I

Nous disons alors que f est la densit de X.

Cela ne devrait pas tre sans rappeler la dfinition 13.182.

26.2.1

Indpendance

La dfinition suivante vient de linstructive motivation de [7]. La dfinition dindpendance de

deux vnements se gnralise n vnements de la faon suivante.
Dfinition 26.5.
Nous disons que les vnements A1 , . . . , An sont indpendants si pour tout choix ti1 , . . . , ik u
t1, . . . , nu nous avons
P pAi1 X . . . X Aik q P pAi1 q . . . P pAik q.
(26.11)
Les sous tribus A1 , . . . , An sont indpendantes si pour tout choix Ai P Ai , les vnements Ai
sont indpendants.

Exemple 26.6
Soit r0, 1sr0, 1s muni de la mesure de Lebesgue. Soient A r0, asr0, 1s et B r0, 1sr0, bs.
Nous avons P pAq a et P pBq b ainsi que P pA Y Bq ab.
4
Lemme 26.7.
Les tribus A1 , . . . , An sont indpendantes si et seulement si
P pA1 X . . . X An q P pA1 q . . . P pAn q
pour tout Ai P Ai .

(26.12)

1395

26.2. VARIABLES ALATOIRES

Dmonstration. Limplication dans le sens direct dcoule immdiatement des dfinitions.

Nous supposons avoir un choix pAi qi1,...,n avec Ai P Ai et nous devons montrer que ces
vnements sont indpendants, cest dire que si J t1, . . . , nu alors les vnements pAj qjPJ sont
indpendants. Sans perte de gnralit, nous pouvons supposer que si i R J, Ai . Alors nous
avons
n
n

`

`
P pAj q
(26.13)
Aj P
Ai
P pAi q
P
jPJ

i1

i1

jPJ

parce que P pAi q P pq 1 lorsque i nest pas dans J.

Si A est un vnement, la tribu engendre par A est

pAq tH, A, AA, u.
est

(26.14)

Soit X : Rd une variable alatoire. Conformment la dfinition 7.69, la tribu engendre

AX tX 1 pBq tel que B P BorpRd qu.

(26.15)

Cela est la plus petite tribu sous tribu de A pour laquelle X est mesurable. Elle sera aussi (le plus)
souvent note pXq.
Dfinition 26.8.
Nous disons que les variables alatoires Xk : Rd sont indpendantes si les tribus AX1 , . . . , AXn
le sont.
Remarque 26.9.
Il na de sens de dire que X1 et X2 sont indpendants que si X1 et X2 sont des application dont
lespace de dpart est identique.
Si nous voulons modliser le jet de deux pice indpendantes, le mauvais choix est de faire
t0, 1u, y mettre la mesure dquiprobabilit, et de considrer les deux variables alatoires
#
f si 0
Xi pq
(26.16)
p si 1.
Ces deux variables sont videment pas indpendantes. Il faut poser t0, 1u t0, 1u, y mettre
la mesure dquiprobabilit et poser
#
f si x 0
X1 px, yq
,
(26.17)
p si x 1
X2 px, yq

f
p

si y 0
,
si y 1

(26.18)

Ces variables alatoires sont indpendantes. Par exemple

X11 tpu tp1, 0q, p1, 1qu

X21 tpu
et on a bien
ainsi que

tp0, 1q, p1, 1qu

1
P X11 tpu X X21 tpu P tp1, 1qu
4
P tXp1 ppqu

pour i 1 et i 2.

1
2

(26.19a)
(26.19b)
(26.20)

(26.21a)

1396

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Proposition 26.10.
Soient pXk : Rdk q des variables alatoires indpendantes.
(1) Si Bk P BorpRdk q. Alors

(26.22)

P pXk P Bk @k nq P pX1 P B1 q . . . P pXn P Bn q.

(2) Les vnements tXi P Bi u sont indpendants.

(3) Les tribus engendres par des Xi et dautres sont indpendantes. Plus prcisment, si I et
J sont deux ensembles disjoints de N alors les tribus
ptXi , i P Iuq

(26.23)

ptXi , i P Juq

(26.24)

et
sont indpendantes.

Dmonstration. Lorsque nous crivons Xi P Bi , nous parlons de lvnement

pXi P Bi q t P tel que Xi pq P Bi u Xi1 pBi q P AXi .

(26.25)

Vu que par hypothse les tribus pAi q sont indpendantes, le lemme 26.7 nous montre que
P

n
`

i1

Xi P Bi
P pXi P Bi q.

(26.26)

Il reste voir que lensemble Xi1 pBi q fait partie de la tribu A de dpart. Cela est la dfinition du
fait que lapplication Xi soit une variable alatoire : elle doit tre mesurable en tant quapplication
Xi : p, Aq pRd , BorpRd qq.

(26.27)

Les affirmations (2) et (3) ne sont que des faons alternatives dexprimer la mme chose.
Lemme 26.11.
Les vnements pAi qi0,...,n sont indpendants si et seulement si les vnements obtenus en remplaant certains des Ai par AAi le sont.
Dmonstration. Sans perte de gnralit, nous pouvons nous contenter de prouver que les vnements AA0 , A1 , . . . , An sont indpendants sous lhypothse que les vnements A0 , A1 , . . . , An sont
indpendants. Soit I un sous-ensemble de t1, . . . , nu. Nous avons

`
`

P AA0 Ai P
Ai z Ai X A0
iPI

iPI

P
P

`
iPI

`
iPI

`
iPI

(26.28a)

iPI

Ai P
Ai X A0

(26.28b)

iPI

Ai 1 P pAA0 q

Ai P pAA0 q.

(26.28c)
(26.28d)

Proposition 26.12.
Les vnements pAi qi1,...,n sont indpendants si et seulement si les variables alatoires 1A1 , . . . , 1An
le sont.

1397

26.2. VARIABLES ALATOIRES

Dmonstration. La tribu engendre par la variable alatoire

1Ak est

A1Ak tH, Ak , AAk , u.

(26.29)

1
En effet si 1 P B, alors Ai 11
Ai pBq, et si 0 P B, alors AAi 1Ai pBq. Les lments 0 et 1 sont
tous deux soit dans B, soit hors de B. Cela donne les 4 possibilits numres dans (26.29).
Supposons que les vnements pAi q sont indpendants. Nous devons vrifier que les tribus le
soient, cest dire que les vnements Ai et AAj sont indpendants. Cela est une consquence du
lemme 26.11.

Thorme 26.13 (Doob[117]).

Soit X : Rd une variable alatoire. Une fonction Y :
AX -mesurable si et seulement si il existe une fonction borlienne f :

Rp est une variable alatoire

Rd Rp telle que Y f pXq.

Proposition 26.14.
Soient des variables alatoires Xk : Rdk des variables alatoires indpendantes et des fonctions
borliennes fk : Rdk Rpk . Alors les variables alatoires fk pXk q sont indpendantes.
Dmonstration. Le thorme 26.13 assure que les applications
fk Xk : Rdk

(26.30)

sont AXk -mesurables. En particulier pour tout borlien B Rpk , nous avons Xk1 fk1 pBq P AXk .
Nous avons donc
pfk Xk q pXk q,
(26.31)

et par consquent les tribus pfk Xk q sont indpendantes tant donn que les tribus pXk q le
sont.
Lemme 26.15 (Lemme de regroupement).
Soit p, A, P q un espace de probabilit et pAqiPI une famille de tribus indpendantes dans A. Si
pMj qjPJ est une partition de I, alors les tribus
Bj

iPMj

Ai

(26.32)

sont indpendantes.
Si les variables alatoires tX1 , X2 , X3 , X4 , X5 u sont indpendantes, et si f et g sont des fonctions mesurables, alors les variables alatoires f pX2 , x3 , X5 q et gpX1 , X4 q sont indpendantes.
Une preuve a lair dtre donne dans [289].

26.2.2

Lois conjointes et indpendance

Dfinition 26.16.
Deux vnements A et B sont dits indpendants si
P pA X Bq P pAqP pBq.

(26.33)

Si nous considrons n variables alatoires relles X1 , . . . , Xn : R, la loi du n-uplet X

pX1 , . . . , Xn q est une variable alatoire X : Rn appele la loi conjointe des lois Xi . Dans ce
cas, les variables alatoires Xi elles-mmes sont dites lois marginales de X.
Proposition 26.17.
Les variables alatoires tXi u sont indpendantes si et seulement si
PpX1 ,...,Xn q PX1 b . . . b PXn .

(26.34)

1398

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Dfinition 26.18.
Soient tXi u1in des variables alatoires relles (pas spcialement indpendantes). La densit
conjointe de X1 ,. . . ,Xn est la fonction f : Rn R qui satisfait
(1) f px1 , . . . , xn q 0 pour tout px1 , . . . , xn q P Rn ,

(2) Rn f 1,
(3) pour tout Ai R nous avons
Pp

i1

Xi P Ai q

Ai

f px1 , . . . , xn qdx1 . . . dxn .

(26.35)

Proposition 26.19.
Si les variables alatoires X1 ,. . . Xn sont indpendantes et ont des densits fX1 ,. . . ,fXn , alors la
variable alatoire conjointe X pX1 , . . . , Xn q a pour densit conjointe la fonction
fX px1 , . . . , xn q fX1 px1 q . . . fXn pxn q.

(26.36)

Dmonstration. En partant de la dfinition de lindpendance et de la fonction de densit conjointe,

ainsi quen utilisant le thorme de Fubini,

fX px1 , . . . , xn qdx1 . . . dxn P pX1 P A1 , . . . , Xn P An q

A1 ...An

P pX1 P A1 q . . . P pXn P An q

fX1 px1 qdx1 . . .

fXn pxn qdxn
A1
An

fX1 px1 q . . . fXn pxn qdx1 . . . dxn .

(26.37)

A1 ...An

La fonction px1 , . . . , xn q fX1 px1 q . . . fXn pxn q vrifie donc la condition (3) de la dfinition 26.18.
La vrification des autres conditions est immdiate.
La proposition suivante provient du fait que la mesure dune loi conjointe est le produit des
mesures lorsque les variables alatoires sont indpendantes (proposition 26.17).
Proposition 26.20 ([117]).
Si les variables alatoires relles X1 ,. . . ,Xn sont intgrables et indpendantes, alors leur produit
est intgrable et lesprance du produit est gal au produit des esprances :
EpX1 Xn q EpX1 q . . . EpXn q.

26.2.3

(26.38)

Somme et produit de variables alatoires indpendantes

Soient X et Y , deux variables alatoires relles indpendantes. Nous voudrions tudier la loi
de la variable alatoire S X ` Y . Nous commenons par calculer la fonction de rpartition en
utilisant le rsultat de la proposition 26.19 :

FX`Y pzq P pX ` Y zq
fX,Y px, yqdx dy
(26.39a)
x`yz

zx

dx
dyfX pxqfY pyq
8

zx

fY pyqdy fX pxqdx
R
8

FY pz xqfX pxqdx.
8

(26.39b)
(26.39c)
(26.39d)

1399

26.2. VARIABLES ALATOIRES

Pour calculer la fonction de densit de S, nous drivons la fonction de rpartition :
fX`Y pzq

dFX`Y
pzq
dz
R

(26.40a)

fY pz xqfX pxqdx,

(26.40b)

ce qui nous amne dire que la densit de la somme est le produit de convolution 1 des densits :

fY px tqfX ptqdt,
(26.41)
fX`Y pxq
R

ou encore fX`Y fX fY .
Notez que nous avons pass sous le silence la difficult dinverser la drive et lintgrale. Un
exemple sera donn au point 26.5.8.
Lemme 26.21.
Soient X et Y , deux variables alatoires indpendantes. Alors
(26.42)

EpXY q EpXqEpY q.

Dmonstration. Par indpendance et par proposition 26.19, la fonction de densit conjointe de X

et Y vaut fX,Y fX fY . Par consquent lutilisation de Fubini sous la forme (13.102) entraine

EpXY q
xyfX,Y px, yqdxdy EpXqEpY q.
(26.43)
RR

Nous dirons tout un tas de chose sur lindpendance et la variance en 26.5.13, mais pour
linstant nous allons mentionner et dmontrer dj ceci :
Lemme 26.22.
Soit X et Y deux variables alatoires indpendantes et identiquement distribues. Alors
VarpX ` Y q VarpXq ` VarpY q.
(26.44)

`
Dmonstration. Par dfinition, VarpX ` Y q E rX ` Y EpXq EpY qs2 . En dveloppant le
carr et en utilisant le lemme 26.21,
VarpX ` Y q EpX 2 q EpXq2 ` EpY 2 q EpY q2 VarpXq ` VarpY q.

(26.45)

Exemple 26.23
Deux variables alatoires non indpendantes dont la covariance est nulle. Nous considrons la
variable alatoire
Z : tp1, 0q, p1, 0q, p0, 1q, p0, 1qu
(26.46)
`
1
de loi uniforme. Cest dire que P Z z 4 pour tout z. Ensuite nous considrons les variables
alatoires X proj1 Z et Y proj2 Z. Toute personne tant capable de compter jusqu 4
voit que
P pX 1q P pX 1q
1
P pX 0q ,
2

1. Dfinition 18.33.

1
4

(26.47a)
(26.47b)

1400

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

et les mmes probabilits pour Y . De mme EpXq EpY q 0. Par consquent

CovpX, Y q EpXY q 0

(26.48)

parce que pour tout P nous avons soit Xpq 0 soit Y pq 0. Ces variables alatoires X et
Y ne sont donc pas corrles.
Mais elles ne sont pas indpendantes pour autant, comme nous allons le voir pas plus tard
quimmdiatement. Nous avons
P pX 0|Y 0q

P pX 0, Y 0q
0
P pY 0q

(26.49)

parce que X et Y ne peuvent pas tre simultanment nulles, tandis que

1
P pX 0qP pY 0q .
4

(26.50)
4

26.2.4

Esprance

Nous dirons que la variable alatoire X a un moment dordre p si X P Lp p, A, P q (1 p

8). Si X est intgrable (cest dire si X P L1 ), alors nous dfinissons lesprance de X par

EpXq
XdP P Rd .
(26.51)

Si EpXq 0 nous disons que la variable alatoire est centre. La variable alatoire X EpXq est
la variable alatoire centre associe X.
Le moment dordre p de la variable alatoire X est lesprance
(26.52)

mn pXq EpX n q.
Proposition 26.24.
Si X et Y sont deux variables alatoires (pas spcialement indpendantes), nous avons
EpX ` Y q EpXq ` EpY q.

(26.53)

Nous donnons la preuve dans le cas de variables alatoires indpendantes. Le cas plus gnral
de variable alatoires non indpendantes peut tre trouv dans [290].
Dmonstration. Nous avons le calcul suivant :

EpX ` Y q
xfX`Y pxqdx
R

x
fY px tqfX ptqdtdx
R R

fX ptq
xfY px tqdx dt
R
R
looooooooomooooooooon

(26.54a)
(26.54b)
(26.54c)

EpY q`t

fX ptq EpY q ` t dt
R

EpY q `
tfX ptqdt
R

EpY q ` EpXq

o nous avons utilis la proposition 26.41 et le fait que lintgrale sur

(26.54d)
(26.54e)
(26.54f)

R dune densit vaut 1.

1401

26.2. VARIABLES ALATOIRES

Une application de lingalit de Hlder (proposition 18.20) est la suivante. Si X et Y sont des
variables alatoires intgrables alors
EpXY q EpX 2 q1{2 EpY 2 q1{2 .

(26.55)

EpXY q }XY }L1 pq }X}L2 pq }Y }L2 pq .

(26.56)

En effet

26.2.5

Variance

Si X P L2 p, A, P q alors nous dfinissons la variance de X par

`

VarpXq E rX EpXqs2 .

(26.57)

Proposition 26.25.
La variance de la variable alatoire X peut tre exprime par la formule
VarpXq EpX 2 q rEpXqs2

(26.58)

o X 2 X X et EpXq2 EpXq EpXq sont des produits scalaires dans

Rd .

Dmonstration. De faon explicite, nous avons

`
`

2
E rX EpXqs
Xpq EpXq Xpq EpXq dP pq

o EpXq P Rd est une constante. En dveloppant le produit scalaire nous avons

`

E rX EpXqs2 E X 2 2X EpXq ` EpXq2

2

EpX q 2EpXq ` EpXq

2

EpX q EpXq .

(26.59)

(26.60a)
(26.60b)
(26.60c)

Nous dfinissons lcart-type de X par

X
En dautres termes,

VarpXq.

(26.61)

X }X EpXq}L2 .

(26.62)

1{2
}X}L2 EpX 2 q
.

(26.63)

On dfinit encore la moyenne quadratique de X par

La variable alatoire

1
n q2
Vn
pXi X
n i

(26.64)

est la variance empirique de lchantillon pXi q.

Lemme 26.26.
Si X est une variable alatoire,
(1) Varpaxq a2 VarpXq pour tout a P R ;

(2) Si de plus Y est une variable alatoire indpendante de X, alors VarpX ` Y q VarpXq `
VarpY q.

1402

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Dmonstration. Nous avons

`
2
VarpX ` Y q EpX 2 ` Y 2 ` 2XY q EpXq ` EpY q
2

(26.65a)
2

EpX q ` EpY q ` 2EpXY q EpXq EpY q ` 2EpXqEpY q.

(26.65b)

tant donn que X et Y sont indpendantes nous avons EpXY q EpXqEpY q par le lemme
26.21.
Si les X1 , . . . , Xn sont des variables alatoires on considre la moyenne empirique
n X1 ` . . . ` Xn .
X
n

26.2.6

(26.66)

Covariance

Soient X et Y , deux variables alatoires relles. Leur covariance est dfinie par
`
`

CovpX, Y q E X EpXq Y EpY q

(26.67)

Lide est que la covariance devient grande si X et Y scartent de leurs moyennes dans le mme
sens. Il existe une formule alternative :
CovpX, Y q EpXY q EpXqEpY q

(26.68)

En ce qui concerne les dimensions plus hautes, si X : Rd est un vecteur alatoire de carr
intgrable, nous dfinissons
`
`

CovpXq E X EpXq b X EpXq

(26.69)

o par a b b nous entendons la matrice pa b bqij ai bj . Cela peut aussi tre not at b si lon fait
bien attention qui est un vecteur colonne et qui est un vecteur ligne.
Proposition 26.27.
Si X et Y sont deux variables alatoires non spcialement indpendantes, nous avons
VarpX ` Y q VarpXq ` VarpY q ` 2 CovpX, Y q.

(26.70)

Dmonstration. Il sagit dun calcul en partant de

`

VarpX ` Y q E pX ` Y q2 EpX ` Y q2

EpX 2 q ` EpY 2 q ` 2EpXY q

`
2
` EpXq ` EpY q 2EpXq2 2EpXqEpY q

(26.71)

2EpY qEpXq 2EpY q2 .

partir dici il sagit de recombiner tous les termes pour former la formule annonce.
Plus gnralement nous avons la formule

Varp Xi q
VarpXi q ` 2
i

1ijn

CovpXi , Xj q.

(26.72)

1403

26.2. VARIABLES ALATOIRES

26.2.7

Probabilit conditionnelle, premire

Soit p, A, P q un espace de probabilit et B P A avec P pBq 0. Nous pouvons introduire une

nouvelle loi de probabilit PB sur p, Aq en dfinissant
P pA X Bq
P pA|Bq.
P pBq

PB pAq

(26.73)

La premire galit est la dfinition de PB . La seconde est une notation. Le nombre P pA|Bq est
nomme probabilit conditionnelle de A sachant B.
On vrifie que p, A, P q est un espace de probabilit parce que PB pq 1 et

PB pAi q
(26.74)
P B p Ai q
i

si les Ai sont deux deux disjoints.

Une consquence immdiate de (26.73) est que si A et B sont des vnements indpendants
alors
P pA X Bq
P pA|Bq
P pAq.
(26.75)
P pBq
La probabilit conditionnelle B est quelque chose qui ne tient compte que de ce qui se passe
dans B. Si K est un vnement tel que A X B K X B, alors
(26.76)

P pA|Bq P pK|Bq.
Thorme 26.28.
Soient pBn qn1 une partition finie de telle que P pBi q 0. Soit A P A tel que P pAq 0.
(1) Si A, B et C sont des vnements, alors
P pA X B|Cq P pA|B X CqP pB|Cq.

(26.77)

(2) Si P pBq 0, alors P pA X Bq P pA|BqP pBq P pB|AqP pAq.

(3) On a la formule des probabilits totales :
P pAq
(4) On a la formule de Bayes :

Dmonstration.

i1

P pA|Bi qP pBi q

P pA X Bi q.

P pA|Bk qP pBk q
P pBk |Aq
.
i P pA|Bi qP pBi q

(26.78)

(26.79)

(1) En dveloppant le membre de droite,

P pA X B X Cq P pB X Cq
P pB X Cq
P pCq
P pA X B|Cq.

P pA X B|Cq

(2) Cest la dfinition de P pA|Bq et P pB|Aq.

(3) Vu que les Bi forment une partition, nous avons

P pAq
P pA X Bi q
P pA|Bi qP pBi q.
i

(26.80)

(26.81)

(4) En utilisant les deux premiers points, nous trouvons

P pA|Bk qP pBk q P pA X Bk q

P pBk |AqP pAq

P pBk |Aq P pA|Bi qP pBi q.

i

(26.82)

1404

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

26.2.8

Esprance conditionnelle

Thorme 26.29 (Dfinition de lesprance conditionnelle[226]).

Soit un espace de probabilit p, A, P q et une variable alatoire intgrable X : R. Pour chaque
sous tribu F de A, il existe une (presque partout) unique variable alatoire Y : R telle que
(1) Y est F-mesurable
(2) Y est P -intgrable
(3) pour tout B P F,

XdP

(26.83)

Y dP.

Cette variable alatoire sera note EpX|Fq pour des raisons qui apparatront plus tard.
Remarque 26.30.
Prendre Y X ne fonctionne pas parce quen gnral si O est mesurable dans
est dans la tribu A, mais nest pas automatiquement dans la tribu F.

R, alors X 1 pOq

Dmonstration.
Unicit Si Y1 et Y2 vrifient tous les deux les conditions, lensemble tY1 Y2 u
est un lment de F et nous avons

X
Y1
Y2 .
(26.84)
En particulier nous avons

tY1 Y2 u

Y1 Y2

tY1 Y2 u pY1

Y1 Y2

Y2 q 0 et donc

pY1 Y2 q1Y1 Y2 0

(26.85)

presque partout. Le corollaire 7.124 montre alors que Y1 Y2 0 presque partout. De la

mme manire, lensemble tY2 Y1 u est dans F et nous trouvons que Y2 Y1 0 presque
partout. Par consquent Y1 Y2 presque partout.

Existence dans le cas de carr intgrable Nous supposons que X P L2 p, A, P q et nous

considrons K, le sous ensemble de L2 p, A, P q des fonctions F-mesurables. Le thorme
des projections 17.6 nous indique que
L2 p, A, P q K K K

(26.86)

par la dcomposition X projK X ` pX projK Xq. La variable alatoire Y projK X

a les proprits dtre F-mesurable et xY X, Zy 0 pour tout Z P K. Soit A P F, si nous
considrons Z 1A , la dernire condition signifie que

X 1A
Y 1A ,
(26.87)

ou encore

X.

(26.88)

La variable alatoire Y projK X rpond donc la question dans le cas o X P L2 p, F, P q.

Existence en gnral Nous considrons maintenant que X P L1 p, A, P q. Quitte dcomposer X en deux fonctions positives X` et X telles que X X` ` X , nous pouvons
supposer que X est positive. Par hypothse X P L1 p, A, P q ; pour chaque n P N nous
posons
Xn pq mintXpq, nu.
(26.89)

tant donn que la mesure P est une mesure de probabilit, les constantes sont intgrables
et Xn P L2 p, A, P q. De plus la suite pXn q est croissante et
lim Xn pq Xpq.

n8

(26.90)

1405

26.2. VARIABLES ALATOIRES

Si nous notons encore K lensemble des variables alatoires dans L2 p, A, P q qui sont Fmesurables, pour chaque n nous avons donc la variable alatoire
Yn projK Xn EpXn |Fq
qui est F-mesurable et telle que

Xn

Yn

(26.91)
(26.92)

pour tout A P F. Nous voudrions prouver que la variable alatoire Y limn Yn existe et
est la solution au problme, cest dire est EpX|Fq.
Commenons par prouver que Yn 0 presque partout. Pour cela nous remarquons que
lensemble tYn 0u est mesurable et

0
Yn
Xn 0.
(26.93)
Yn 0

Yn 0

La premire ingalit est vidente et la dernire est due au fait que Xn est positive. Par
consquent

Yn 0
(26.94)
Yn 0

et le lemme 7.124 conclut que P pYn 0q 0.

Soit Z : R une variable alatoire positive dans L2 p, A, P q. Montrons que projK Z est
encore positive. Pour cela nous considrons lensemble A tprojK Z 0u et les ingalits

0
Z
projK Z 0,
(26.95)
A

ce qui montre que A projK Z 0 et par consquent que P tprojK pZq 0u 0. Cela nous
montre que la projection depuis L2 conserve la positivit.
tant donn que Xn1 Xn 0 nous avons aussi
Yn1 Yn 0

(26.96)

n Yn EpXn |Fq

(26.97)

La suite de fonctions
est croissante et vrifie le thorme de la convergence monotone :

X lim
Xn
n8 A
A

lim
EpXn |Fq
n8 A

lim EpXn |Fq

n8
A

Y.

(26.98a)
(26.98b)
(26.98c)
(26.98d)

Par consquent EpX|Fq existe et

Y lim EpXn |Fq EpX|Fq.
n8

Proposition 26.31 (Transitivit de lesprance conditionnelle).

Si B2 B1 A alors

E EpX|B1 q|B2 EpX|B2 q.

(26.99)

(26.100)

1406

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Dmonstration. Si B P B2 , nous avons

E EpX|B1 q|B2 dP
EpX|B1 qdP
dP.

(26.101)

est une variable alatoire B2 -mesurable vrifiant la condition

EpX|B2 q
E EpX|B1 q|B2

(26.103)

La premire galit est la dfinition de lesprance conditionnelle par rapport B2 . La seconde

galit est celle de lesprance conditionnelle par rapport B1 et le fait que B P B2 B1 . Ce que
nous avons prouv est que
`

E EpX|B1 q|B2
(26.102)

pour tout B P B2 . Cest donc EpX|B2 q par la partie unicit du thorme 26.29.
Proposition 26.32.
Soit p, F, P q un espace de probabilit, soit A une sous tribu de F et X, une variable alatoire Fmesurable et intgrable. Alors la variable alatoire EpX|Aq du thorme 26.29 est lunique (presque
partout) variable alatoire tre A-mesurable telle que nous ayons
`

E EpX|AqY EpXY q.

(26.104)

pour toute variable alatoire Y A-mesurable.

Dmonstration.
Supposons pour commencer que Y soit une fonction simple positive, alors Y
n
i1 ai 1Ei et nous avons

EpX|Y q
ai
EpX|Aq
(26.105a)

Ei

ai

(26.105b)

Ei

(26.105c)

XY.

Maintenant si Y est mesurable et borne, elle est limite croissante de fonctions tages bornes
(proposition 7.107) et le rsultat tient par la convergence monotone, thorme 7.129.
Si Y nest pas positive, nous sparons Y Y` Y .
Pour lunicit, soit Z et Z 1 deux variables alatoires telles que pour toute variable alatoire Y ,

ZY
XY
Z 1 Y.
(26.106)

Si nous prenons Y 1tZZ 1 u , nous avons

0

pZ Z 1 q1ZZ 1

ZZ 1

Z Z 1,

(26.107)

do le fait que P pZ Z 1 q 0.
Si X est une variable alatoire dont la tribu engendre est indpendante de la tribu F, nous
voudrions que la connaissance de F ninfluence pas la connaissance de X, cest dire que
EpX|Fq EpXq.
Ce que nous avons est mme mieux. Nous avons le lemme suivant.

(26.108)

1407

26.2. VARIABLES ALATOIRES

Lemme 26.33 ([117]).
Les tribus F1 et F2 sont indpendantes si et seulement si
EpU |F1 q EpU q

(26.109)

pour toute variable alatoire U tant F1 -mesurable.

Ici, par EpU q nous entendons la variable alatoire constante prenant la valeur numrique EpU q
en tout point de .
Dmonstration. Si F1 et F2 sont indpendantes, alors pour tout B P F2 nous avons

U dP EpU 1B q
B

EpU qEp1B q

EpU q 1B dP

EpU qdP.

(26.110a)
(26.110b)
(26.110c)
(26.110d)

Justifications.

Lintgrale B U dP a un sens mme si B P F2 alors que U est F1 -mesurable. Le supremum

(7.292) dfinissant lintgrale est tout de mme bien dfini, en particulier, lensemble sur
lequel on prend le supremum est non vide.
Pour (26.110b), la variable alatoire U est F1 -mesurable (donc la tribu engendre par U
est dans F1 ) alors que 1B est F2 -mesurable. Les tribus engendres tant indpendantes, les
variables alatoires le sont et nous pouvons dcomposer lesprance.
Ce que montre le calcul (26.110) est que EpU q est une variable alatoire F2 -mesurable (parce que
constante) dont lintgrale sur chaque lment de F2 vaut lintgrale de U . Par la partie unicit du
thorme 26.29, nous dduisons que EpU q EpU |F2 q.
Corollaire 26.34.
Si X est une variable alatoire et si F est une tribu, alors
`

E EpX|Fq EpXq.

Dmonstration. Il suffit dappliquer la dfinition (26.83) B :

E EpX|Fq
EpX|FqpqdP pq

XpqdP pq

EpXq.

(26.111)

(26.112a)
(26.112b)
(26.112c)

Exemple 26.35
Soient X1 , X2 deux variables alatoires valeurs dans t0, 1u avec probabilit 1{2 et indpendantes.
Nous considrons S X1 ` X2 . La situation est modlise par lespace
tp0, 0q, p0, 1q, p1, 0q, p1, 1qu

(26.113)

et les variables alatoires

Xi p1 , 2 q i

Sp1 , 2 q 1 ` 2 .

(26.114a)
(26.114b)

1408

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Pour vrifier que de cette manire nous avons bien que X1 est indpendante de X2 , nous commenons par voir les tribus associes. Un ouvert de R soit contient 0 et 1, soit contient un seul des
deux soit nen contient aucun des deux. En appliquant X11 chacune de ces quatre situations
nous voyons que la tribu pX1 q est
F1 pX1 q tp0, 0q, p0, 1qu, tp1, 0q, p1, 1qu, , Hu.

(26.115)

De la mme faon nous avons

F2 pX1 q tp0, 0q, p1, 0qu, tp0, 1q, p1, 1qu, , Hu.

(26.116)

A0 tp0, 0q, p0, 1qu

(26.117a)

Nous posons
A1 tp1, 0q, p1, 1qu

(26.117b)

B1 tp0, 1q, p1, 1qu.

(26.117d)

B0 tp0, 0q, p1, 0qu

(26.117c)

tant donn que Ai X Bj pi, jq, nous avons toujours que P pAi X Bj q 41 P pAi qP pBj q.
Lindpendance est donc assure.
Calculons lesprance conditionnelle EpS|F1 q. Une fonction F1 -mesurable doit tre constante
sur A0 et A1 , donc lesprance conditionnelle est une fonction constante sur A0 et A1 dont lintgrale
sur ces ensembles est gale lintgrale de S. Nous avons en particulier

EpS|F1 q
S,
(26.118)
A0

cest dire

A0

EpS|F1 qp0, 0q ` EpS|F1 qp0, 1q Sp0, 0q ` Sp0, 1q 1.

(26.119)

3
EpS|F1 qp1, 0q EpS|F1 qp1, 1q .
2

(26.120)

Nous en concluons que EpS|F1 qp0, 0q EpS|F1 qp0, 1q 21 . Cela correspond lintuition que si on
est au point p0, 1q ou au point p0, 0q en ne sachant que X1 , nous ne savons que le premier zro, et
donc lesprance de la somme est 21 .
Un calcul trs similaire montre que

Cela correspond au fait quen ces points, nous ne savons que le fait que le premier tirage a donn
1, et donc que lesprance est 32 .
Compltons ce tour dhorizon en mentionnant que la tribu engendre par X1 et X2 est la tribu
des parties de , de telle faon que lesprance conditionnelle de S sachant X1 et X2 est gale
S.
4
Proposition 26.36 ([117]).
Soit p, A, P q un espace probabilis et X, Y deux variables alatoires sur relles. Soit B une soustribu de A. Nous supposons que X P L1 p, A, P q, que Z P L8 p, B, P q et que XZ P L1 p, P q.
Alors
EpZX|Bq ZEpX|Bq
(26.121)
presque srement.

Dmonstration. Nous commenons par prouver que

ZEpX|Bq
ZX.

(26.122)

1409

26.2. VARIABLES ALATOIRES

Si Z 1B pour un ensemble B P B, alors cette galit est vraie par dfinition de lesprance
conditionnelle 2 . Donc cette galit est correcte tant que Z est une variable alatoire B-mesurable
et tage. Nous considrons alors, grce au lemme 7.104, une suite Zn de variables alatoires tages
et B-mesurables avec |Zn | Z. Pour chaque n nous avons donc

ZEpX|Bq.
(26.123)
Zn X

Notre ide est de passer la limite. Vu que Z et Zn sont bornes (et donc intgrables sur ),
pour chaque n nous avons |Zn X| M |X| o M majore Z et donc tous les Zn de faon uniforme
vis--vis de n. Tout cela pour dire que le thorme de la convergence domine fonctionne et que

ZX.
(26.124)
Zn X
lim
n8

Dautre part vu que X P

et que P B nous avons lgalit EpX|Bq X, ce qui prouve que
|EpX|Bq| est intgrable. Cela nous permet dutiliser encore la convergence domine avec lingalit
|Zn EpX|Bq| |EpX|Bq| pour crire

Zn EpX|Bq
ZEpX|Bq.
(26.125)
lim
L1

n8

En passant la limite des deux cts de (26.123) nous avons donc

ZEpX|Bq
ZX.

(26.126)

Lgalit (26.122) est prouve.

Nous passons maintenant la preuve de lgalit demande : EpEX|Bq ZEpX|Bq. Pour cela
il faut montrer que pour tout B P B nous avons

ZEpX|Bq
ZX.
(26.127)
B

Cela nest rien dautre que lgalit (26.122) que nous venons de prouver avec Z 1B au lieu de
Z.

Dfinition 26.37.
Soit Z une variable alatoire. Lesprance conditionnelle X sachant Z est la variable alatoire

o pZq est la tribu engendre par Z.

EpX|Zq EpX|pZqq

(26.128)

Proposition 26.38.
Soit une variable alatoire relle X P L1 p, A, P q. Pour toute variable alatoire Y :
existe une fonction borlienne AY -mesurable h : Rd R telle que
EpX|Y q h Y.

Rd , il

(26.129)

Dmonstration. Nous utilisons le rsultat de Doob (thorme 26.13). Par dfinition EpX|Y q est
une variable alatoire relle AY -mesurable, et il existe une fonction borlienne h : Rd R telle
que EpX|Y q f Y .
Cette fonction h :

Rd R nous permet de dfinir

EpX|Z zq hpzq.

(26.130)

Cela est lesprance conditionnelle dune variable alatoire par rapport une valeur donne dune
autre variable alatoire.
2. Thorme 26.29.

1410

26.2.9

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Probabilit conditionnelle, seconde

Soit A P A un vnement et F une sous tribu de A. Nous dfinissons P pA|Fq par

P pA|Fq Ep1A |Fq.

(26.131)

Notons que cela est une variable alatoire et non un rel.

Pour la suite de la construction nous avons besoin du lemme suivant.
Lemme 26.39.
Soit pBi qiPN une partition de en lments de A deux deux disjoints tels que P pBi q 0. Soit F
la tribu engendre par les Bi . Une variable alatoire relle est F-mesurable si et seulement si elle
est constante sur chaque Bi .
Si X est une variable alatoire, alors EpX|Fq est une variable alatoire F-mesurable et elle est
donc constante sur les ensembles Bi :

ai 1Bi .
(26.132)
EpX|Fq
iPN

tant donn que, par construction, Bi est F-mesurable, nous avons

XdP
EpX|Fq
aj
1Bj aj ij P pBj q ai P pBi q.
Bi

Bi

Bi

Par consquent

1
ai
P pBi q

et

EpX|Fq

iPN

(26.133)

(26.134)

XdP

Bi

1
P pBi q

XdP

Bi

1Bi .

(26.135)

En particulier si B P A nous considrons la partition tB, ABu de et la tribu engendre

F tH, B, AB, u.

(26.136)

La formule (26.135) devient

EpX|Fq

1
P pBq

XdP

1B `

1
P pABq

AB

XdP

1AB .

(26.137)

Si nous considrons A P A, nous crivons cette galit avec X 1A pour obtenir

P pA X Bq
P pA X ABq
1B `
1AB
P pBq
P pABq
P pA|Bq1B ` P pA|ABq1AB

P pA|Fq Ep1A |Fq

o nous avons not

P pA|Bq
lesprance conditionnelle de A sachant B.

P pA X Bq
P pBq

(26.138a)
(26.138b)

(26.139)

Remarque 26.40.
La dfinition P pA|Fq P p1A |Fq nest pas la probabilit conditionnelle de A sachant B, mme si
la tribu F est la tribu engendre par lvnement B.

1411

26.2. VARIABLES ALATOIRES

Il nous reste dfinir la probabilit conditionnelle dun vnement relativement une variable
alatoire. Si la variable alatoire X est valeurs discrtes, nous disons que P pA|Xq est la variable
alatoire de valeur
P pA|Xqpq P pA|X Xpqq.
(26.140)
Dans le cas dune variable alatoire valeurs continues, cette dfinition ne fonctionne pas parce
que la condition X Xpq est souvent de probabilit nulle, tandis que cest toujours une mauvaise
ide de conditionner par rapport un vnement de probabilit nulle. Cest la base du paradoxe de
Borel. La bonne dfinition du conditionnement de lvnement A par rapport la variable alatoire
X est
`

P pA|Xq P pA|pXqq E 1A |pXq .

(26.141)
Proposition 26.41.
Si X est une variable alatoire et si A est un vnement, alors
`

E P pA|Xq P pAq.

(26.142)

Dmonstration. Nous commenons par le cas discret, cest dire X : N. Nous notons pk
P pX kq. En dcomposant lintgrale sur par rapport lunion disjointe

Ak
t P tel que Xpq ku,
(26.143)
kPN

kPN

nous obtenons

E P pA|Xq

(26.144a)

P pA|XqpqdP pq

k0 Ak

P pA X X kq
dP pq
P pX kq
k Ak

1
P pA X X kq
1dP pq

pk
Ak
looooomooooon
k

(26.144b)

P pA|X XpqqdP pq

P pAk qpk

P pA X X kq

P pAq.

dans Ak , Xpq k

(26.144c)
(26.144d)

(26.144e)
(26.144f)

Nous devons maintenant prouver la proprit dans le cas o X prend des valeurs continues. Pour
cela il suffit dappliquer le corollaire 26.34 :
`

E Ep1A |pAqq Ep1A q P pAq.

(26.145)

26.2.10

Un petit paradoxe

Attention : ce qui est crit ici est ma rflexion personnelle sur le sujet. Merci de me dire si je
me trompe.
26.2.10.1

Le cas facile

Vous frappez la porte dune famille dont vous savez seulement quil y a exactement deux
enfants. Une fille ouvre et vous dit je suis lane. Quelle est la probabilit que le cadet soit une
fille ?

1412

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Si nous notons X0 et X1 les variables alatoires donnant le sexe des deux enfants, ce sont des
variables alatoires indpendantes et identiquement distribues, avec P pXi f q 21 . La formule
(26.73) de la probabilit conditionnelle ainsi que lindpendance donnent :
P pX1 f |X2 f q

P pX1 f, X2 f q
.
P pX2 f q

(26.146)

Le numrateur vaut 41 et le dnominateur vaut 12 ; le rsultat vaut 12 . Fin de lhistoire.

Voici maintenant le problme peine modifi. Vous frappez la porte dune famille dont vous
savez seulement quil y a exactement deux enfants. Une fille ouvre. Quelle est la probabilit que
lautre soit une fille ? Navement on croirait que la probabilit est galement 21 . Un raisonnement
moins naf montre le contraire. Et nous allons voir quun raisonnement encore moins naf montre
que la probabilit est bien 12 .
26.2.10.2

Premier raisonnement

Voici le raisonnement qui est, mon avis, faux. Vu que lenfant qui ouvre la porte est une
fille, la famille a une des compositions suivantes : f g, f f ou gf . Le cas o une fille ouvre la
porte et que lautre est galement une fille est seulement le cas f f dont la probabilit est 31 . Pour
justifier cela nous considrons le couple de variables alatoires pX1 , X2 q et le conditionnement
A tX1 f u Y tX2 f u : videmment P pAq 43 . Nous calculons facilement la loi du couple
pX1 , X2 q conditionn A :
P pX1 f, X2 f |Aq
de mme,

P ptX1 f, X2 f u X Aq
1{4
1

;
P pAq
3{4
3

1
3
1
P pX1 f, X2 g|Aq
3
P pX1 g, X2 g|Aq 0

P pX1 g, X2 f |Aq

Donc sachant A, la probabilit que la famille soit constitue de deux filles est 31 .
26.2.10.3

Simulation

Pour en avoir le cur net, nous avons crit ce programme :

1
2

# ! / usr / bin / python3

# -* - c o d i n g : u t f 8 -* -

3
4

i m p o r t random

5
6
7
8
9
10
11
12

d e f famille () :
"""
return a pair of f and g
"""
a =[ random . choice ( [ g , f ] ) ]
a . append ( random . choice ( [ g , f ] ) )
return a

13
14
15
16

d e f toctoc () :

F = famille ()
s = random . choice ([0 ,1])

(26.147)

(26.148a)
(26.148b)
(26.148c)

1413

26.2. VARIABLES ALATOIRES

i f F [ s ] != f :
# print (" ce n est pas une fille qui ouvre ")
r e t u r n None
else :

17
18
19
20
21

t =( s +1) %2

22

# print (" L autre sera " ,t ," c est dire " , F [ t ])

i f F [ t ]== f :
return 1
else :
return 0

23
24
25
26
27
28
29
30
31
32
33
34
35
36

N_girl_opens =0
N_girl_other =0
f o r k i n r a n g e (1 ,10000) :
print ( - - - - - - - - - - )
res = toctoc ()
i f res i s n o t None :
N_girl_opens = N_girl_opens +1
N_girl_other = N_girl_other + res
p r i n t ( res , N_girl_opens , N_girl_other )

37
38
39

proba = N_girl_other / N_girl_opens

p r i n t ( proba )
simul_famille.py
Le faisant tourner, la rponse est sans appel : la frquence observe est beaucoup plus proche
de 0.5 que de 0.33 ou 0.66.
26.2.10.4

La vraie rponse

Nous considrons les variables alatoires X0 , X1 : E tf, gu avec probabilit 21 . De plus nous
considrons une nouvelle variable alatoire qui donne le numro de lenfant qui ouvre la porte :

Nous devons calculer

: C t0, 1u.

(26.149)

`
P X1 f, X f
P X1 f |X f
.
P pX f q

(26.150)

Lunivers de toute cette exprience est, donne en triples pour les valeurs pX1 , X2 , q :
(1) g, g, 0

(3) g, f, 0

(5) f, g, 0

(7) f, f, 0

(2) g, g, 1

(4) g, f, 1

(6) f, g, 1

(8) f, f, 1.

Cela fait 8 cas en tout. Nous avons

et
Donc
et

tX f u tpg, f, 1q, pf, g, 0q, pf, f, 0q, pf, f, 1qu.

(26.151)

tX1 f u X tX f u tpf, f, 0q, pf, f, 1qu.

(26.152)

`
2
1
P X1 f, X f
8
4
P pX f q

4
1
.
8
2

(26.153)
(26.154)

1414

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Au final,

26.2.10.5

`
1{4
2
1
.
P X1 f |X f
1{2
4
2

(26.155)

Le mme, tourn peine diffremment

Nous avons une famille de deux enfants dont nous savons quau moins un des deux est une fille.
Quelle est la probabilit que la famille contienne deux filles ? Cela est a priori la mme question
que celle o une fille ouvre la porte sans dire si elle est lane ou non.
Nous avons les variables alatoires X1 et X2 qui valent 0 ou 1 suivant que lenfant soit une fille
ou un garon ; ce sont des variables alatoires indpendantes et identiquement distribues. Nous
dfinissons la variable alatoire somme
S X1 ` X2

(26.156)

P pS 2 X S 1q
P pS 2q

.
P pS 1q
P pS 1q

(26.157)

1{4
1
.
3{4
3

(26.158)

qui compte le nombre de filles. La question est de calculer

P pS 2|S 1q

Lvnement S 2 est rduit au singleton tf f u et sa probabilit est 14 . Au contraire lvnement

S 1 est lensemble tf g, gf, f f u et sa probabilit est 34 . Nous avons donc
P pS 2|S 1q

Notons que lvnement S 1 nest pas le mme que lvnement X f . En effet

tandis que

26.2.11

S 1 tpf f, 1q, pf f, 2q, pf g, 1q, pf g, 2q, pgf, 1q, pgf, 2qu

(26.159)

tX f u tpf f, 1q, pf f, 2q, pf g, 1q, pgf, 2qu.

(26.160)

Rsum des choses conditionnelles

La probabilit conditionnelle dun vnement par rapport un autre est le nombre :

P pA|Bq

P pA X Bq
.
P pBq

(26.161)

La probabilit conditionnelle dun vnement vis--vis dune variable alatoire discrte

est une variable alatoire :
Dans le cas continu,

P pA|Xqpq P pA|X Xpqq.

(26.162)

P pA|Xq P pA|pXqq Ep1A |pXqq.

(26.163)

La probabilit conditionnelle dun vnement par rapport une tribu est la variable
alatoire
P pA|Fq Ep1A |Fq.
(26.164)
Lesprance conditionnelle dune variable alatoire par rapport une tribu EpX|Fq
est la variable alatoire F-mesurable telle que

EpX|Fq
X
(26.165)
B

L2 p, A, P q

pour tout X P F. Si X P
alors EpX|Fq projK pXq o K est le sous-ensemble
2
de L p, A, P q des fonctions F-mesurables (thorme 26.29). Cela au sens des projections
orthogonales.
Lesprance conditionnelle dune variable alatoire par rapport une autre est une
variation sur le thme :
EpX|Y q EpX|pY qq.
(26.166)

1415

26.2. VARIABLES ALATOIRES

26.2.12

Ingalit de Jensen

Proposition 26.42 (Ingalit de Jensen).

Soit g une fonction convexe 3 sur R et une variable alatoire Y P L1 p, A, P q telle que g Y soit
galement L1 . Alors
`

g EpY |Fq E pg Y q|F .

(26.167)

Dmonstration. La convexit de g et la proposition 11.224 nous donnent deux suites pan q et pbn q
dans R telles que pour tout x P R,
gpxq suppan x ` bn q.

(26.168)

p.s. `
an EpY |Fq E an Y ` bn |F Epg Y |Fq.

(26.169)

nPN

Nous avons alors

Lingalit est due au fait que gY est le supremum sur les n de an Y `bn . Pour chaque n, lingalit
(26.169) est fausse sur un ensemble de mesure nulle Rn . Lunion

Rn
(26.170)
R
nPN

est encore de mesure nulle. Sur zR, nous avons

an EpY |Fq ` bn Epg Y |Fq.

(26.171)

Vu que cela est vrai presque partout et pour tout n nous passons a supremum et nous avons encore
presque partout lingalit
`

sup an EpY |Fq ` bn Epg Y |Fq.

(26.172)
nPN

Si nous ne nous intressons pas EpY |Fq mais seulement EpY q, alors une dmonstration
plus simple est donne sur Wikipdia[291].

26.2.13

Fonction de rpartition

Si X est une variable alatoire relle, nous dfinissons sa fonction de rpartition par
FX :

R r0, 1s

FX pxq P pX xq.

26.2.14
par

(26.173)

Fonction caractristique

La fonction caractristique de la variable alatoire X : R est la fonction relle dfinie

X ptq EpeitX q.

Une autre faon dcrire la dfinition est

X ptq

X ptq

ou encore, si X a une densit fX ,

Nous reconnaissons la transforme de Fourier :

(26.174)

eitX dPX pxq,

(26.175)

eitx fX pxqdx

(26.176)

X ptq fX pt{2q.

(26.177)

La proposition suivante se dduit en utilisant le thorme de drivation sous lintgrale 13.183.

3. Dfinition 11.211.

1416

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Proposition 26.43.
Soit X une variable alatoire qui accepte un moment dordre r 1. Alors la fonction caractristique
X est r fois continument drivable et
`

prq
X ptq E piXqr eitX .

(26.178)

Dmonstration. Nous tudions la fonction

ptq
Nous considrons la fonction

f:

(26.179)

eitXpq dP pq.

RR

(26.180)

pt, q eitXpq .

et nous regardons si ce contexte vrifie les hypothses du thorme 13.183.

(1) tant donn que X est mesurable, f sera mesurable.
(2) La fonction t eitXpq est absolument continue pour chaque .

(3) Note : par rapport aux notations du thorme 13.183, nous avons ici A R. Prenons donc
un intervalle (compact) ra, bs R et calculons

et

Bf
pt, q iXpqeitX ,
Bt
b
b

itXpq
|Xpq|d dt.
iXpqe
d dt
a

(26.181)

(26.182)

Par hypothse X accepte un moment dordre 1, de sorte que lintgrale par rapport
converge vers un nombre qui ne dpend pas de t. Lintgrale sur t ne pose alors aucun
problmes.
Par consquent nous pouvons effectuer la premire drivation :

d
1
ptq
ptq
iXpqeitXpq d EpiXeitX q
dt

(26.183)

et la fonction 1 est absolument continue. Ce dernier point est important parce que cest lui qui
permet de faire la rcurrence et passer lordre deux.
Le rsultat ressort alors en drivant successivement lexpression (26.181).
Exemple 26.44
Sachant la fonction caractristique de X, nous pouvons calculer les moments. Par exemple
EpX 2 q 2X p0q.

(26.184)
4

Thorme 26.45.
Si X Y , alors PX PY .

Notons que cela nimplique pas que X Y . En effet X et Y peuvent mme tre dfinis sur des
espaces probabiliss diffrents.
Dans le cas dune variable alatoire vectorielle, nous dfinissons X : Rd R par
`

X pvq E eixv,Xy
(26.185)

1417

26.2. VARIABLES ALATOIRES

26.2.15

Fonction gnratrice des moments, transforme de Laplace

Soit X une variable alatoire. Sa transforme de Laplace ou fonction gnratrice des

moments est la fonction
MX ptq EpetX q
(26.186)

pour chaque t tel que cette esprance existe.

Thorme 26.46 ([292]).
Soit X une variable alatoire relle et

La fonction

IX tt P R tel que EpetX q existeu.

MX : I X R

est la transforme de Laplace de X.

t EpetX q

(26.187)

(26.188)

(1) IX est un intervalle contenant 0.

(2) Si IX nest pas rduit t0u alors MX se dveloppe en srie entire
8

EpX n q n
MX ptq
t .
n!
n0

(3) Si X et Y sont des variables alatoires indpendantes, alors IX`Y IX X IY et

MX`Y MX MY

sur IX`Y .

(26.189)

(26.190)

Dmonstration. Le fait que 0 soit dans IX est vident : Ep1q 1. Pour montrer que IX est un
intervalle nous prenons z P IX et 0 s z ou z s 0, puis nous montrons que s P IX . Il faut
remarquer que dans tous les cas,
esX 1 ` ezX .
(26.191)

En effet soit sX et zX sont tous deux gauche de zro et alors ils sont tous deux plus petit que
1 ; soit ils sont tous deux droite de 0 et alors ezX esX par croissance de lexponentielle. Nous
avons donc dans tous les cas que

EpesX q
fX pxqesX dx
fX pxqp1 ` ezx q 1 ` EpezX q.
(26.192)
R

Soit maintenant a 0 tel que ra, as P IX . tant donn que ea|X| eaX eaX , lesprance
Epea|X| q existe toujours pour |t|. Nous avons

N
N

nq
n

EpX
X

tn E etX
tn
(26.193a)
MX ptq

n!
n!
n0
n0

8

n
X

E
tn
(26.193b)

n!
nN `1

|tX|n
E
.
(26.193c)
n!
nN `1
Maintenant le but est de prendre la limite N 8 en inversant la limite et lesprance par le
thorme de la convergence domine (7.134). Lintgrale traiter est

|tXpq|n
lim
dP pq.
(26.194)
N 8
n!
nN `1

1418

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Lintgrante est uniformment born (en N ) par etXpq , qui est intgrable par hypothse (choix de
t). Du coup

8
8

|tXpq|n
|tX|n
lim
dP pq E lim
0.
(26.195)
N 8
N 8
n!
n!
nN `1
nN `1

26.2.16

Loi dune variable alatoire

La loi de la variable alatoire X, note PX est la mesure image de P par X, cest dire
(26.196)

PX pBq P pX P Bq
pour tout borlien B Rd . Note :
`

P pX P Bq P t P tel que Xpq P Bu P X 1 pBq .

En particulier PX est une mesure de probabilit sur

(26.197)

Rd parce que

PX pRd q P pq 1.

(26.198)

Si Q est une mesure de probabilit sur Rd , nous notons X Q si PX Q. Nous disons alors que
X suit la loi Q.
La proposition suivante permet de calculer en pratique les intgrales qui dfinissent par exemple
lesprance mathmatique dune variable alatoire.
Proposition 26.47 (Thorme de transfert[293]).
Si X est une variable alatoire, alors

Epf Xq
f Xpq dP pq

Rd

f pxqdPX pxq

(26.199)

est telle quune des deux intgrales existe. En particulier, a marche si f est
ds que f : Rd R
borlienne.
En utilisant cette proposition nous trouvons une formule pratique pour lesprance dune variable alatoire relle :

EpXq
XpqdP pq
xdPX pxq,
(26.200)
R

en vertu de la proposition 26.47 applique la fonction f pxq x.

Proposition 26.48.
Une variable alatoire relle X est intgrable si et seulement si P px 8q 0 et

|x|dPX pxq 8.
R

Le lien entre la densit fX de la variable alatoire X et sa loi est

fX pxqdx
PX pAq

(26.201)

(26.202)

pour tout ensemble mesurable A R. Le lien entre la mesure de Lebesgue et celle de la loi de X
est alors donn par
dPX pxq fX pxqdx.
(26.203)
En particulier lesprance de X peut tre calcule partir de sa densit via la formule

EpXq
xdPX pxq
xfX pxqdx.
R

(26.204)

1419

26.3. CONVERGENCE

26.2.17

Changement de variables

Thorme 26.49.
Soit O, un ouvert de Rn et O1 un ouvert de Rm ainsi quun diffomorphisme C 1 : O O1 . Soit
X : Rn une variable alatoire prenant presque srement ses valeurs dans O. Si nous supposons
que X a la densit fX , alors la variable alatoire Y pXq accepte la densit fY : O1 R donne
par
`

fY pvq fX 1 pvq |J1 pvq|.

(26.205)
Dmonstration. Nous devons vrifier la relation

fY pvqdv

(26.206)

1B pvqdPY pvq

(26.207a)

Ep1B Y q
`

E p1B q X

p1B qpuqdPX puq

n
R

p1B qpuqfX puqdu.

(26.207b)

P pY P Bq
pour tout borlien B O1 . Nous avons
P pY P Bq

Rm

Rn

(26.207c)
(26.207d)
(26.207e)

ce niveau, nous utilisons la formule de changement de variables du thorme 13.97. Nous trouvons
alors

`
`

P pY P Bq
1B 1 pvq fX 1 pvq |J1 pvq|dv.
(26.208)
Rm

26.3

Convergence

Soient Xi des variables alatoires relles dfinies sur le mme espace de probabilit p, A, P q.
Nous disons que Xi converge presque srement vers la variable alatoire X et nous notons
p.s.

si

Xn X

(26.209)

P t P tel que Xn pq Xpqu 1

(26.210)

o la convergence Xn pq Xpq est la convergence usuelle dans

R.

Lemme 26.50.
p.s.
Nous avons Xn X si et seulement si il existe un vnement A P A tel que P pAq 1 et tel que
Xn pq Xpq pour tout P A.
Lemme 26.51.
Si X est une variable alatoire valeurs dans

R Y t8u, alors
p.s.

X ^ n X

(26.211)

Dmonstration. Si P tX 8u alors pX ^ nqpq n et daccord. Si par contre P tX 8u

alors il existe N tel que si n N alors n T pq et pour ces grandes valeurs de n nous avons
pT ^ nqpq T pq.

1420

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Nous disons que les variables alatoires relles Xn convergent en probabilit vers la variable
alatoire X si pour tout 0, on a
`

P |Xn X| 0,

et on note

(26.212)

Xn X.

(26.213)

(26.214)

Nous disons que Xn converge vers X en loi vers la variable alatoire X et nous notons
Xn X
si pour toute fonction continue et borne g nous avons
`

E gpXn q E gpXq

gdPX .

(26.215)

Proposition 26.52.
Deux autres caractrisations de la convergence en loi.
L

(1) Nous avons Xn X si et seulement si

Xn pvq X pvq

(26.216)

pour tout v P Rd . Ici X est la fonction caractristique de X.

(2) Dans la dfinition de la convergence en loi nous pouvons indiffremment utiliser les fonctions
continues et bornes, les fonctions continues support compact ou les fonctions bornes
uniformment continues.
Proposition 26.53.
Les types de convergence sont relies par les implications suivantes :
presque sre en probabilit en loi.

(26.217)

La convergence en loi nimplique pas la convergence en probabilit, et par consquent pas non
plus la convergence presque certaine.
Dans le cas particulier d 1 nous avons quelques critres supplmentaires.
Proposition 26.54.
Supposons que les variables alatoires Xn soient relles, et notons Fn la fonction de rpartition de
L
Xn . Si Fn pxq F pxq pour tout x dans lensemble des points de continuit de F , alors Xn X.
Proposition 26.55.
Si les Xn sont des variables alatoires relles positives, et si X est une variable alatoire positive,
L
alors Xn X si les transformes de Laplace des fonctions de rpartition convergent ponctuellement, cest dire si
`

E eXn E eX
(26.218)

pour tout 0.

Proposition 26.56.
Si les Xn et X sont des variables alatoires relles discrtes valeurs dans tx0 , x1 , . . .u alors
L
Xn X si et seulement si
P pXn xk q P pX xk q
(26.219)

pour tout k P N.

1421

26.3. CONVERGENCE
Proposition 26.57 ([7]).
Soient Xn et X des variables alatoires relles. Nous avons
L

(26.220)

Xn X
si et seulement si pour tout t o FX est continue,
lim FXn ptq FX ptq.

(26.221)

n8

Proposition 26.58 ([7]).

L
Soit Xn une suite de variables alatoires Rd et a P Rd . Si Xn a, alors
(26.222)

Xn a.

Dmonstration. Quitte passer aux composantes, nous pouvons supposer que d 1. Nous avons
`

P |Xn a| P pXn a q ` P pXn a q

(26.223a)
P pXn ` aq ` 1 P pXn a q

1 FXn p ` aq ` FXn pa q.

(26.223b)

(26.223c)

Nous allons utiliser la proposition 26.57. La fonction de rpartition de la variable alatoire constante
X a est donne par
Fa ptq P pa tq 1R` pt aq.
(26.224)
L

Par consquent, la convergence en loi Xn a nous montre que

FXn ptq 1R` pt aq

(26.225)

pour tout t a parce que t 0 est un point de discontinuit de 1R` . Nous avons par consquent
`

P |Xn a| 1 1R` pq ` 1R` pq 0

(26.226)

parce que 0.

Problmes et choses faire

Dans [7], lquation (26.223b) arrive avec une ingalit. Pourquoi ?

Le lemme de Slutsky sera utilis en combinaison avec la proposition 26.60 pour calculer des
intervalles de confiance, voir par exemple ce qui se passe autour de lquation (27.126).
Lemme 26.59 (Slutsky[294]).
Soient Xn et Yn des suites de variables alatoires relles telles que
L

Xn X

(26.227)

Yn a P R.
P

Alors pXn , Yn q pX, aq.

L

Dmonstration. tant donn que Yn a, nous avons Yn a par la proposition 26.58. Soit une
fonction f : R2 R2 ; nous devons prouver que
`

E f pXn , Yn q E f pX, aq .
(26.228)
P

Soit  0. Nous avons

`

E }f pXn , Yn q f pX, aq} E }f pXn , Yn q f pXn , aq} ` E }f pXn , aq f pX, aq} .

(26.229)

1422

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

L

La fonction gptq f pt, aq tant continue et borne, la convergence en loi Xn X donne

`

E }f pXn , aq f pX, aq} 0.

(26.230)

tudions prsent le premier terme du membre de droite de (26.229). Pour tout 0 et toute
variables alatoires Z et Z 1 nous avons
EpZq EpZ 1|Z 1 | q ` EpZ 1|Z 1 | q.
Nous dcomposons donc le premier terme de (26.229) en
`

E }f pXn , Yn q f pXn , aq} E }f pXn , Yn q f pXn , aq}1|Yn a|

`

` E }f pXn , Yn q f pXn , aq}1|Yn a| .

(26.231)

(26.232)

Choisissons maintenant une valeur de telle que

|px, yq px1 , y 1 q| |f px, yq f px1 , y 1 q| .

(26.233)

Un tel existe par luniforme continuit de f . Dans le premier terme, |Yn a| , par consquent
}pXn , Yn q pXn , aq} |Yn a|

(26.234)

}f pXn , Yn q f pXn , aq} .

(26.235)

et donc
Le premier terme devient donc
`

E }f pXn , Yn q f pXn , aq}1|Yn a| Ep1|Yn a| q 

(26.236)

parce que Ep1A q P pAq 1. Pour le second terme de (26.232) nous effectuons la majoration
}f pXn , Yn q f pXn , aq} 2}f }8
tandis que la convergence Yn a entraine
`

P |Yn a| .

(26.237)

(26.238)

Proposition 26.60 ([295]).

Soient Xi des variables alatoires telles que
L

Xi X

(26.239)

et h, une fonction mesurable sur lespace darrive de Xi . Soit C lensemble des points de continuit
de h au sens
C t P tel que h est continue en Xi pqu.
(26.240)
Alors si P pX P Cq 1, nous avons

hpXi q hpXq.

(26.241)

Une consquence de cette proposition couple au lemme de Slutsky est le rsultats suivant, qui
est donn sous le nom de thorme de Slutsky sur wikipdia.
Corollaire 26.61.
En reprenant les notations du lemme de Slutsky, si
L

(26.242a)

(26.242b)

Xn X
Yn a,

1423

26.3. CONVERGENCE
alors
L

(26.243a)

(26.243b)

(26.243c)

Xn ` Yn X ` a
Xn Yn aX

Yn1 Xn a1 X

(26.243d)

pourvu que a soit inversible.

Lemme 26.62 (Borel-Cantelli).
Soit pAn q une suite dvnements (avec An P A pour tout n).

(1) Si 8
n0 P pAn q converge, alors
P pAn i.s.q 0.

(2) Si la somme n P pAn q diverge, et si de plus les Ai sont indpendants, alors

P pAn i.s.q 1.

La notation P pAn i.s.q signifie infiniment souvent, cest dire

`

P pAn i.s.q P
Ak P plim sup An q
N PN kN

(26.244)

(26.245)

(26.246)

Une faon de paraphraser le lemme de Borel-Cantelli est que nous avons lalternative
#

0 si n0 P pAn q 8
(26.247)
P plim sup An q
1 sinon.

Proposition 26.63.
Soit Xn , une suite de variables alatoires et X une variable alatoires. Si
`

P }Xn X} 8

(26.248)

p.s.

pour tout , alors Xn X.

Dmonstration. Fixons  et considrons les vnements An }Xn X} . Lhypothse dit que

P pAn, q 8
(26.249)
n

et le lemme de Borel-Cantelli implique que

P plim sup }Xn X} q 0.

(26.250)

Un lment est dans lim sup An si il est contenu dans tous les An , par consquent, pour chaque
 nous avons linclusion
t P tel que Xn pq Xpqu A lim sup An .

(26.251)

Nous pouvons aller plus loin et crire

t P tel que Xn pq Xpqu At P tel que }Xn X} , @ 0u.

(26.252)

Or la probabilit de lensemble
t P tel que }Xn X} u

(26.253)

est 0 pour chaque , et par consquent la probabilit du membre de droite de (26.252) est 1.

1424

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Exemple 26.64
Considrons une suite de 0 et de 1 dans laquelle le 1 arrive avec une probabilit p et le 0 avec une
probabilit 1 p. Une telle suite est modlise par une suite de variables alatoires de Bernoulli
pXn qnPN indpendantes de paramtre p.
Question : une telle suite contient elle une infinit de 1 ? Considrons les vnements indpendants An tXn 1u. Nous avons

p 8.
(26.254)
P pXn 1q
P pAn q
n

Par Borel-Cantelli et son expression (26.247), nous avons alors

P plim sup An q 1.

(26.255)

Donc une infinit dvnements An se produisent, et nous avons bien une infinit de 1 dans la suite.
Remarque : dans
ce raisonnement nous pouvons considrer une probabilit non constante pn
tant que la srie n pn diverge.
4

Exemple 26.65
propos de maximum. La fonction h : Rd R donne par hpx1 , . . . , xd q maxi txi u est une
fonction continue. Nous voudrions prouver que si on a une famille (finie en i 1, . . . , l) de suites
piq p.s.
(en n) variables alatoires Xn a convergeant toutes vers la mme limite a, alors
p.s.

Mn maxtXnpiq u a.
i

(26.256)

piq

Dabord si nous avons l suite numriques pxn q, alors la suite

Mn max xnpiq
i

(26.257)

converge vers la mme limite. En effet si  0 est donn, il suffit de prendre Ni lentier tel que
piq
|xn a|  pour tout n Ni . Et ensuite on prend N maxtNi u.
Si maintenant au lieu de suites numriques, nous avons des variables alatoires, le rsultat reste
valable. Nous cherchons prouver que

P t P tel que maxtXnpiq pqu au 1.

(26.258)

Par ce que nous venons de dire sur les suites numriques, un lment nest pas dans cet ensemble
piq
seulement si il y a un 8 pour lequel Xn ne converge pas vers a. Or cela, pour chaque i est un
vnement de probabilit zro.
Les qui ne fonctionneront pas dans lquation (26.258) sont ceux de la runion dun ensemble
fini densembles de probabilit nulle. Cest donc de probabilit nulle.
4

26.4

Loi des grands nombres, thorme central limite

26.4.1

Loi des grands nombres

Lemme 26.66 (Ingalit de Markov[296]).

Soit une variable alatoire X P Lp et  0. Nous avons
1
P p|X| q r Ep|X|r q.

Dmonstration. Nous avons
r

Ep|X| q

|X|

XpqdP pq 

|X|

dP r P p|X| q.

(26.259)

(26.260)

26.4. LOI DES GRANDS NOMBRES, THORME CENTRAL LIMITE

1425

Corollaire 26.67 ([296]).

Soit , une fonction croissante et positive ou nulle sur lintervalle I. Soit aussi une variable
alatoire Y : R telle que P pY P Iq 1. Alors pour tout b P I tel que pbq 0 nous avons

E pY q
P pY bq
.
(26.261)
pbq
Thorme 26.68 (Loi forte des grands nombres).
Soit pXn q une suite de variables alatoires relles
(1) indpendantes et identiquement distribues,
(2) intgrables (cest dire dans L1 ),
alors

n
1
p.s.
Xi EpX1 q.
n i1

(26.262)

Note : tant donn que les variables alatoires sont identiquement distribues, nous avons
videmment EpX1 q EpX2 q . . .
Problmes et choses faire

Est-ce que les variables alatoires doivent vraiment tre relles ?

Corollaire 26.69.
Si les variables alatoires relles Xn sont
(1) indpendantes et identiquement distribues,
(2) dans L2
alors

P
n
X
EpX1 q.

Dmonstration. Nous voulons prouver que pour tout 0,

`

n EpX1 q| 0.
P |X

(26.263)

(26.264)

nq
Remarquons dabord que les variables alatoires Xn tant identiquement distribues, EpX
EpX1 q parce que EpXi q EpX1 q pour tout i. Lingalit de Markov avec r 2 nous donne

n EpX
n q| 1 E |X
n EpX
n q|2
P |X
(26.265)
2

n EpX
n q|2 VarpX
n q. Par la proposition 26.26 nous avons VarpX
nq
o nous reconnaissons E |X
VarpX1 q{n et par consquent
`
n EpX
n q| 1 VarpX1 q,
P |X
n 2

(26.266)

qui tend vers zro lorsque n 8.

Proposition 26.70.
Soient Xn des variables alatoires indpendantes et identiquement distribues avec Xn 0. Nous
acceptons EpX1 q 8, cest dire que nous relaxons la condition Xn P L1 par rapport la loi des
grands nombres.
Alors
p.s.
n
X
EpX1 q P r0, 8s.
(26.267)

Dmonstration. Si EpX1 q 8, nous sommes dans le cas de la loi des grands nombres. Pour chaque
N P N nous considrons la suite de variables alatoires
XnpN q minpXn , N q.

(26.268)

1426

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

npN q X
n . Les variables alatoires XnpN q tant bornes par N , elles vrifient
Nous avons videment X
la loi des grands nombres pour chaque N sparment. Par consquent nous avons pour chaque N
la limite
pN q EpX pN q q
X
(26.269)
n
1
pN q

Nous supposons que EpX1 q 8, par consquent limN 8 EpX1

N de telle manire avoir
pN q
EpX1 q ` 1.

q 8. Soit 0 et choisissons
(26.270)

npN q . Au
La limite (26.269) nous permet de trouver n0 tel que pour tout n n0 nous ayons X
final,
npN q X
n,
X
(26.271)
n 8.
ce qui montre que X
Exemple 26.71
La loi des grands nombres justifie la pratique courante dapproximer une grandeur physique par
la moyenne empirique dun grand nombre de mesures.
4
Exemple 26.72
Citons ici le dernier paragraphe de Le mystre de Marie Roget par Edgar Allan Poe, traduit par
Charles Baudelaire 4 .
Rien, par exemple, nest plus difficile que de convaincre le lecteur non spcialiste que,
si un joueur de ds a amen les six deux fois coup sur coup, ce fait est une raison
suffisante de parier gros que le troisime coup ne ramnera pas les six. Une opinion
de ce genre est gnralement rejete tout dabord par lintelligence. On ne comprend
pas comment les deux coups dj jous, et qui sont maintenant compltement enfouis
dans le Pass, peuvent avoir de linfluence sur le coup qui nexiste que dans le Futur.
La chance pour amener les six semble tre prcisment ce quelle tait nimporte
quel moment, cest--dire soumise seulement linfluence de tous les coups divers que
peuvent amener les ds. Et cest l une rflexion qui semble si parfaitement vidente,
que tout effort pour la controverser est plus souvent accueilli par un sourire moqueur
que par une condescendance attentive.
Dans le cours de la nouvelle, Edgar Poe cite et utilise la thorie des probabilits avec une justesse
inaccoutume dans la littrature. Mais dans ce paragraphe final, Poe montre de faon la plus
formelle quil na rien compris la loi des grands nombres.
4

26.4.2

Thorme central limite

Lemme 26.73.
Soit zn z une suite convergente dans

Thorme 26.74.
Si les variables alatoires Xn sont

C. Alors

zn n
1`
ez .
n

(26.272)

(1) indpendantes et identiquement distribues de loi parente X,

(2) X1 P L2 p, Aq,
n
alors nous notons X

1
n

i1 Xi ,

m EpX1 q et 2 VarpX1 q et nous avons

EpXq
n m L
X
X
bn
? N p0, 1q.

{ n
nq
VarpX

4. Disponible sur https://fr.wikisource.org/wiki/Le_Mystre_de_Marie_Roget

(26.273)

26.4. LOI DES GRANDS NOMBRES, THORME CENTRAL LIMITE

1427

Dmonstration. Nous allons crire la dmonstration dans le cas de variables alatoires relles.
La proposition 26.52 dit que la suite Xn converge en loi vers X si et seulement si les fonctions
caractristiques convergent ponctuellement. Nous devons donc prouver, pour chaque 5 t P R, que
Sn nm
ptq N p0,1q ptq.
?

(26.274)

Supposons dans un premier temps que EpXi q 0 et pXi q 1. Dans ce cas nous considrons la
fonction
` i ?t nk1 Xk
n
?
(26.275a)
Sn E e
n

k1
n

` i ?t X
E e n 1

(26.275b)

X1 ?
n
k1

n
t
X1 ?
.
n

(26.275c)
(26.275d)

Cette quantit est a priori complexe ; nous ne pouvons donc pas immdiatement passer au logarithme. Nous pouvons par contre utiliser un dveloppement en puissances de t en nous servant de
la proposition 26.43 et de lhypothse comme quoi X1 P L2 :
X1 ptq X1 p0q ` 1X1 p0qt ` 2X1 p0q

t2
` ptqt2
2

(26.276)

o est une fonction qui a la proprit limx0 pxq 0.

En utilisant les hypothses et la formule de drivation de la fonction caractristique,
X1 p0q 1

Nous avons donc

1X1 p0q
2X1 p0q
X1

(26.277a)

E piXq 0
2

(26.277b)

EpX q VarpX1 q 1.
t
?
n

1 t2 t2
t
1
` ? ,
2 n looooomooooon
n
n
looomooon
PR

(26.277c)
(26.278)

PC

de telle sorte que, en considrant une valeur fixe de t,

n
t2
`

n
?
1 2
Sn ptq
n
n

(26.279)

?
o n t2 pt{ nq. Nous avons bien entendu limn8 n 0.
Nous pouvons appliquer le lemme 26.73 pour obtenir la limite
t
lim ?
Sn ptq e

n8

2 {2

(26.280)

La convergence (26.274) est par consquent prouve dans le cas o EpXi q 0 et VarpXi q 1.
Considrons maintenant des variables alatoires avec EpXi q m et VarpXi q 2 . Elles peuvent
tre crites sous la forme
Xi Xi ` m
(26.281)

o Xi1 est desprance nulle et de variance un. Nous avons alors

Sn

i1

Xi1 ` nm,

5. Chuck Norris peut vraiment le faire pour chaque t P R

(26.282)

1428

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

et
o Sn1

Sn nm
S1
?
?n
n
n
1
i Xi .

(26.283)

Ltude de la variable alatoire

Sn nm
?
n

(26.284)

?
revient donc celle de Sn1 { n qui vient dtre effectue.
Remarque 26.75.
Le thorme central limite sapplique quelle que soit la distribution des variables alatoires Xi (dans
les limites de hypothses) ; en particulier il ne dit rien sur la moyenne des Xi . Il dit seulement que
lcart de la moyenne mesure la moyenne thorique est une variable alatoire gaussienne
si on a mesur assez de fois.
Autrement dit, si la dure dattente la poste est de 5 minutes, et si jy vais 2000 fois, alors
la probabilit que ma moyenne dattente soit de 4 minutes est la mme que la probabilit quelle
soit de 6 minutes 6 .
Voir la question (8).
Problmes et choses faire
La remarque 26.75 est une interprtation personnelle. Jaimerais avoir lavis de quelquun de plus comptent.

Remarque 26.76.
Nous pouvons obtenir la limite (26.280) dune faon alternative. Nous considrons la dtermination
du logarithme complexe sur CzR ; cela est une fonction analytique vrifiant lquation
elnpzq z

pour tout z P CzR et le dveloppement

lnp1 ` zq

p1qn`1

n1

(26.285)

zn
.
n

(26.286)

En particulier, lnp1 ` zq z ` zpzq o limz0 pzq 0. Nous reprenons lquation (26.279) en

fixant t. Nous avons

(26.287a)
?
Sn ptq
Sn ptq exp ln ?
n
n

ff
2
t2 n
exp n ln 1 `
(26.287b)
n

2
ff
` t2

t2 n
t2
exp n ` n
.
(26.287c)
2
2
n
la limite n 0 nous tombons sur et

2 {2

Remarque 26.77.
tant donn que la variable alatoire

Sn nm
?
n

(26.288)

converge en loi vers N p0, 1q, nous avons la convergence des fonctions de rpartition partout o la
fonction de rpartition de la normale est continue (donc sur tout R). En particulier,

nm
1
2 {2
n
y
P
? e
?
x
dy 0.
(26.289)

n
2
8
6. Et en loccurrence, cette probabilit est nulle parce quon est en train de parler de variable alatoire continue,
mais vous voyez lide.

1429

26.4. LOI DES GRANDS NOMBRES, THORME CENTRAL LIMITE

Nous avons la borne de Berry-Essen qui donne une estimation de la vitesse de convergence : si
X P L3 , alors il existe une constante C, indpendante de x, des Xi et de n telle que

nm
X3
1 y2 {2
P Sn
?
?
e
dy
3?

(26.290)

n
2
8
`

o 3 E |X1 m|3 est le moment dordre 3 de X. La chose retenir est que la convergence est
?
la vitesse de 1{ n.
En dimension d 1, nous avons encore un thorme central limite.
Thorme 26.78.
Si d 1, et si nous avons des variables alatoires Xn valeurs dans
(1) les Xn sont indpendantes et identiquement distribues
(2) les Xn sont dans L2 .
p1q

Rd avec

pdq

Alors nous notons X1 pX1 , . . . , X1 q. Nous avons

Sn nm L
?
N p0, q
n

(26.291)

o est ma matrice de covariance du vecteur alatoire X1 :

26.4.3

Marche alatoire

pdq
`
p1q,...,X1
CovpX1
q i,j1,...,d .

(26.292)

Nous considrons un mobile qui se dplace sur laxe Z. chaque pas de temps, nous supposons
quil va faire un pas gauche avec une probabilit p et un pas droite avec une probabilit p1 pq.
Nous nous demandons quel est le mouvement du mobile sur le long terme.
La position Sn du mobile linstant n est donne par
Sn

Xi

(26.293)

i1

o Xi est le pas effectu linstant i. Ce sont des variables de Bernoulli indpendantes avec
L

Xi p1 ` p1 pq1

cest dire

P pXi 1q p

P pXi 1q 1 p.

Ces variables vrifient les hypothses de la loi des grands nombres :

(1) elles sont indpendantes et identiquement distribues,
(2) elles sont intgrables.
Pour le second point, le calcul est

|Xi |dP
|x|dPX
|x|pp1 ` p1 pq1 q |1 p| ` |p| 1.

(26.294)
(26.295a)
(26.295b)

(26.296)

Nous avons par consquent

et

p.s.
n 1
Xi EpX1 q p1 2pq
X
n i1

Si p 1{2 nous pouvons conclure que

Sn
p1 2pq.
n

(26.297)

(26.298)

1430

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

p.s.

(1) si p 1{2, alors Sn 8

p.s.

(2) si p 1{2, alors Sn 8.

De plus nous connaissons la vitesse de divergence : elle est linaire. Le mobile suit essentiellement
lquation ppnq p1 2pqn.
Remarque 26.79.
Cela ne traite pas le cas p 1{2. Dans ce cas, nous pouvons simplement dire que Sn opnq.

26.5

Les lois usuelles

26.5.1

Loi de Bernoulli

Une exprience de Bernoulli consiste tirer au hasard un 0 ou un 1 avec une probabilit p de

tomber sur 1 et 1 p de tomber sur zro. Il sagit donc dune exprience qui russit ou qui rate.
Le cas typique est une urne avec des boules indiscernables blanches ou noires. La probabilit p
est la proportion de blanches dans lurne (avec remise entre les tirages). Dans ce cas, nous avons
lespace de probabilit p, A, P q o reprsente lensemble des boules, A est lensemble des parties
de et P est lquiprobabilit sur . Une variable alatoire est une application
X : t0, 1u

(26.299)

couleur de la boule .

Nous notons Bp1, pq la loi de Bernoulli. Elle a une expression trs simple :
`
Bp0, 1q t1u p
`
Bp0, 1q t0u 1 p

(26.300b)

X: R

(26.301)

(26.300a)

Une variable alatoire relle est de Bernoulli de paramtre p (0 p 1) si

avec P px 1q p et P pX 0q 1 p. En tant que mesure sur

R, nous avons

PX p1 ` p1 pq0 .

(26.302)

Une fonction h qui ralise le supremum de la formule (7.292) est par exemple une fonction en
escalier qui vaut en x le plus petit entier plus grand ou gal x. Lesprance dune loi de Bernoulli
est alors
Epxq p.
(26.303)
tant donn que la variable alatoire X prend seulement les valeurs 0 et 1, nous avons pour tout
ensemble mesurable B
PX 2 pBq P pX 2 P Bq P pX P Bq,
(26.304)
et par consquent PX 2 PX et EpX 2 q EpXq. Nous trouvons donc la variance
VarpXq EpX 2 q EpXq2 p p2 pp1 pq.

26.5.2

(26.305)

Loi binomiale

Une exprience binomiale consiste rpter n expriences de Bernoulli de paramtre p et de

compter le nombre de russites. Une telle exprience peut tre ralise selon la procdure suivante.
Soit une urne contenant N boules dont une proportion p de 1 et 1 p de 0. Une exprience
binomiale de paramtres n et p consistera prendre n boules avec remise et compter le nombre
de 1 obtenus.

1431

26.5. LES LOIS USUELLES

En termes despaces probabilis, nous avons qui est lensemble des tuple de taille n valeurs
dans t0, 1u, la tribu A est lensemble des parties de , et la probabilit P est lquiprobabilit :
P pq

1
Nn

(26.306)

si il y a N boules dans lurne. Nous construisons alors la variable alatoire

Xpq

(26.307)

i1

o est une suite de taille n de 0 et de 1.

Calculons P pX kq. Il`sagit
de considrer tous les sous-ensembles de taille n de contenant

n
exactement k fois 1. Il y a k manire de dcider lesquelles des n boules seront blanches. Ensuite,
chaque boule blanche peut tre choisie parmi les m boules disponibles, et chaque boule noire peut
tre choisie parmi les pN mq disponibles. Nous avons donc
k
n m pN mqnk
P pX kq
.
(26.308)
k
Nk

En effet la mesure de probabilit sur est la mesure de comptage renormalise par le cardinal de
qui vaut N m . tant donn que p m{N , nous transformons facilement (26.308) en

n k
P pX kq
p p1 pqnk .
(26.309)
k

Une variable alatoire de loi binomiale tant une somme de variables alatoires de Bernoulli
indpendantes, lesprance 7 et la variance 8 sobtiennent en sommant les esprances et variances
termes terme :
EpXq np
(26.310)
et

VarpXq

i1

VarpXi q npp1 pq

(26.311)

en vertu de (26.305).
La loi binomiale lorsque p 0.7 et n 10.

26.5.3

10

11

Loi multinomiale

La loi multinomiale M pn; k; p1 , . . . , pk q consiste effectuer n preuves dune dmarche alatoire

qui peut avoir k issues diffrentes avec probabilits p1 , . . . , pk . Les variables alatoires multinomiales
sont Ni avec les contraintes
k

i1
k

i1

Ni n

(26.312a)

pi 1.

(26.312b)

7. Valable mme sans indpendance, proposition 26.24

8. Lemme 26.22.

1432

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

La fonction de probabilit multinomiale est

P pN1 n1 , . . . , Nk nk q

n!
pn1 . . . pkk .
n 1 ! . . . nk ! 1

(26.313)

Chacune des Ni est une binomiale de probabilit pi .

26.5.4

Loi gomtrique

Soit pXn q une suite indpendante et identiquement distribue de lois de Bernoulli de paramtre
p. Alors la variable alatoire
Z inftn 1 tel que Xn 1u
(26.314)

est une loi gomtrique de paramtre p.

La loi gomtrique compte donc le nombre dexpriences de Bernoulli effectuer avant que le
premier succs soit au rendez-vous. Nous avons
P pZ kq P pXk 1qP pX1 , . . . , Xk1 0q pp1 pqk1

(26.315)

La loi gomtrique de paramtre p 0.2.

10

11

12

13

14

Note : si p est trop grand, on ne voit vite plus rien parce que la probabilit dattendre longtemps
est vite trs faible.

26.5.5

Loi de Poisson

Une variable alatoire Z suit une loi de Poisson de paramtre , note Ppq si
P pZ kq e

k
k!

(26.316)

pour tout k P N.
La loi de Poisson est une loi de probabilit discrte qui dcrit le comportement du nombre
dvnements se produisant dans un laps de temps fix, si ces vnements se produisent avec une
frquence moyenne connue et indpendamment du temps coul depuis lvnement prcdent.
Si un vnement se produit en moyenne p fois par seconde, la probabilit dobserver lvnement
k fois durant n secondes est donne par P pZ kq o Z est une loi de Poisson de paramtre pn.

Thorme 26.80 (wikipedia).

Lesprance et la variance dune variable alatoire de Poisson sont :
EpXq

VarpXq .
La loi de Poisson de paramtre 2.

(26.317a)
(26.317b)

1433

26.5. LES LOIS USUELLES

26.5.6

Loi exponentielle

La loi de exponentielle reprsente le temps quil faut attendre pour quune particule se dsintgre si elle a en permanence une probabilit 9 dt de se dsintgrer entre t et t ` dt. Lesprance
est donc 1{.
Il se passe donc en moyenne vnements par seconde. La proposition 26.87 nous montrera
que le nombre dvnements se produisant en une seconde suit une loi de Poisson de paramtre .
Plus formellement, la loi exponentielle de paramtre , note E pq est la loi de densit
#
ex si x 0
fX : x
(26.318)
0
sinon.
Densit de la loi exponentielle de paramtre 2.
2

Proposition 26.81.
Si X E pq, alors la fonction de rpartition de X est donne par
#
1 ex si x 0
F pxq P pX xq
0
sinon.

10

(26.319)

La fonction caractristique est donne par

EpeitX q
Lesprance et la variance sont donnes par

.
it

1
VarpXq 2 .

EpXq

(26.320)

(26.321)

9. tant donn que nest pas limit 1, en ralit ce nest pas une probabilit. Je suis preneur dune bonne
interprtation physique de ce paramtre.

1434

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Dmonstration. Pour la fonction caractristique,

8
itX
eitx ex 1r0,8r pxqdx
Epe q
8
8
exp`itq dx

lim

A8

exp`itq
it

ffxA

(26.322b)
(26.322c)

x0

1
eApitq

.
A8 it
it

lim

Le premier terme est nul parce que si on prend la norme,

eAp`itq
eA

0.

` it |it |

En ce qui concerne lesprance nous faisons le calcul suivant :

1
xex dx .
xfX pxqdx
EpXq

`
R
R

Pour la variance, nous utilisons la formule (26.58). Nous avons

8
2
2
2
EpX q
x fX pxq
x2 ex 2 .

R
0

Donc VarpXq EpX 2 q EpXq2

(26.322a)

(26.322d)

(26.323)

(26.324)

(26.325)

1
.
2

La loi exponentielle est une loi sans mmoire en ce sens que

P pX x ` y|X yq P pX xq.

(26.326)

En effet nous utilisons la rgle de la probabilit conditionnelle

P pA|Bq
Ici,
P pX x ` y|X yq

P pA X Bq
.
P pBq
P pX x ` yq
ex .
P pX yq

(26.327)

(26.328)

La proposition suivante montre que la loi exponentielle est peu prs la seule tre sans mmoire.
Do son importance dans ltude des machines dont les pices ne subissent pas dusure.
Proposition 26.82.
Soit X, une variable alatoire admettant une densit continue f par rapport la mesure de Lebesgue. Si elle est sans mmoire, alors elle est exponentielle.
Dmonstration. Nous posons pxq P pX xq. Cela est la fonction de rpartition de X ( part
que cette dernire est 1 pxq mais cest pas grave), et est donne par
x
pxq 1
f ptqdt.
(26.329)
0

Cette dernire intgrale vrifie les hypothses du thorme 26.82, de telle sorte que soit une
fonction drivable et 1 pxq f pxq.
Dautre part en utilisant la dfinition de la probabilit conditionnelle la proprit de ne pas
avoir de mmoire donne
px ` yq pxqpyq
(26.330)

1435

26.5. LES LOIS USUELLES

et de plus p0q 0. Calculons la drive de :

px ` q pxq
pq 1
pxq lim
pxq1 p0q.
0
0



1 pxq lim

(26.331)

Donc vrifie lquation diffrentielle de lexponentielle.

Exemple 26.83
Une machine a une dure de vie reprsente par une variable alatoire suivant une loi de Poisson
de paramtre . Soit Ty la variable alatoire qui reprsente la temps de vie restant sachant que
la machine a dj vcu un temps y. Nous voulons trouver la fonction de rpartition de Ty . Nous
avons
P pTy xq P pX x ` y|X yq P pX xq ex .
(26.332)

Dans ce cas, la loi de Ty ne dpend pas de y. Cela signifie que la machine ne vieilli pas et surtout
que le modle nest pas raliste.
4
Proposition 26.84.
Si X E pq et Y E pq sont indpendantes, alors
(1) P pX Y q

(2) P pX Y q

(3) P pX Y q 0

(4) minpX, Y q E p ` q.

De plus les variables alatoires exponentielles ont une proprit dabsence de mmoire :
P pX t ` s|X sq P pX tq et .

(26.333)

Dmonstration. tant donn que X et Y sont indpendantes, la densit conjointe est le produit
des densits (26.19). Nous avons donc

P pX Y q
ex ey dxdy
(26.334)
D

o D est le domaine D tpx, yq P R2 tel que x, y 0, x yu. Nous avons donc

8 x

P pX Y q
dx
dyex ey
.

0
0

(26.335)

sage: var(a,b)
(a, b)
sage: f(x,y)=exp(-a*x)*exp(-b*y)
sage: assume(a>0)
sage: assume(b>0)
sage: a*b*f.integrate(y,0,x).integrate(x,0,oo)
(x, y) |--> a*b/(a^2 + a*b)
Pour trouver la loi de minpX, Y q, nous crivons
`

P minpX, Y q t P pX t, Y tq

P pX tqP pY tq
`
`

1 FX ptq 1 FY ptq

ep`qt 1r0,8r ptq

o Z E p ` q.

1 FZ ptq

(26.336a)
par indpendance

(26.336b)
(26.336c)
(26.336d)
(26.336e)

1436

26.5.7

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Approximation de la binomiale par une Poisson

Proposition 26.85.
Soit pXn q une suite de variables alatoires avec Xn Bpn, pn q telle que npn converge vers une
L
constante 0. Alors Xn Ppq.

Dmonstration. Commenons par crire la loi binomiale sous une forme plus adapte au passage
la limite :

n k
npn 1q . . . pn k ` 1q k
P pX kq
p p1 pqnk
p p1 pqnk .
(26.337)
k
k!

Le produit au numrateur contient k termes dans lesquels nous mettons n en vidence. Nous
trouvons
`
`

pnpqk 1 n1 1 n2 . . . 1 k1
n
P pX kq
pk pn pqnk .
(26.338)
k!
Lorsque nous passons la limite, tous les facteurs du type 1l{n tendent vers 1 ainsi que p1pn qk .
Les facteurs dont la limite nest pas 1 sont donc
P pXn kq
Nous avons

pnpn qk
p1 pn qk .
k!

npn n
1
e .
n8
n8
n
La thse est alors obtenue en remettant les morceaux ensemble.
lim p1 pn qn lim

(26.339)
(26.340)

Exemple 26.86
Considrons un serveur informatique qui reoit des requtes. Toutes les 103 s il reoit une requte
avec une probabilit p 0.05. La variable alatoire qui consiste donner le nombre de requtes
effectivement effectues en une seconde suit une loi binomiale Pp1000, pq.
Dterminons la probabilit que le serveur reoive 20 requtes en une seconde. Nous approximons
Bp1000, 0.05q par Pp50q, et la rponse est
e50

5020
7 107 .
20!

(26.341)
4

26.5.8

Loi de Poisson et loi exponentielle

Soient X1 , . . . , Xn des variables alatoires relles indpendantes de loi exponentielle de paramtre . En utilisant le produit de convolution, nous pouvons trouver la fonction de densit de la
somme (voir point 26.2.3). Commenons avec deux variables alatoires X et Y . Les densits sont
fX pxq 1rx0s ex
fY pyq 1ry0s e

et la densit conjointe est alors

fX`Y pxq

1rxt0s epxtq 1rt0s et dt

2 ex

x
0

1 dt

x2 ex .

Par rcurrence si S X1 ` . . . ` Xn nous trouvons

fS pxq xn1 n ex .

(26.342a)
(26.342b)

(26.343a)
(26.343b)
(26.343c)

(26.344)

1437

26.5. LES LOIS USUELLES

Proposition 26.87 ([297]).

Soit pTk qkPN une suite de variables alatoires indpendantes de loi E pq. Nous considrons la
variable alatoire Sn ni1 Xi et pour chaque t P R` nous considrons
Nt maxtn 1 tel que

i1

Alors Nt Pptq.

Ti tu.

(26.345)

Dmonstration. Ce que nous devons calculer est

(26.346)

P pNt kq P pSn t Sn`1 q.

Nous introduisons la variable alatoire Vn1 pX1 , . . . , Xn`1 q ainsi que lensemble
An`1 tx P Rn`1 tel que x1 ` . . . ` xn t x1 ` . . . ` xn ` xn`1 u.

(26.347)

Le problme est donc de calculer

P pSn t Sn`1 q P pVn`1 P A`

n`1 q

A`
n`1

fn`1 pxqdx

(26.348)

o A`
n`1 est la partie de An`1 dans laquelle xi 0 pour tout i et fn`1 est la fonction de densit
conjointe des variables alatoires Xi . Nous effectuons le changement de variables

sk
xi
(26.349a)
ik

xk sk sk1

(26.349b)

fn`1 px1 , . . . , xn`1 q fX1 px1 q . . . fXn`1 pxn`1 q

(26.350a)

dont le dterminant vaut 1. Dautre part par indpendance des variables alatoires Xi , la fonction
de partition jointe fn`1 sexprime sous la forme
n`1 epx1 `...`xn`1 q
n`1 sn`1

(26.350b)
(26.350c)

En ce qui concerne les bornes de lintgrale dans les variables si , nous voulons que tous les xi soient
positifs, par consquent s1 0 et ensuite lquation xk sk sk1 demande sk sk1 . Les bornes
sont donc donnes par lensemble
0 s1 s2 . . . sn t sn`1 ,

(26.351)

Bn tps1 , . . . , sn q tel que 0 s1 s2 . . . sn tu.

(26.352)

cest dire Bn st, 8r o

Le thorme de Fubini nous permet de dcomposer lintgrale :

P pSn t Sn`1 q
n`1 esn`1 ds1 . . . dsn`1
Bn st,8r

n`1
sn`1

ds1 . . . dsn
e
dsn`1
Bn
t
loooooooooooomoooooooooooon
n t

VolpBn q

1 et

(26.353a)
(26.353b)
(26.353c)

o VolpBn q est le volume de Bn qui reste calculer. Lensemble C n r0, tsn se dcompose en
cellules disjointes ( ensemble de mesure nulle prs) de la forme
C t0 sp1q sp2q . . . spnq tu

(26.354)

1438

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

pour chaque permutation P Sn . Il y a exactement n! telles cellules dans C n . Par consquent

et VolpBn q

tn
n! .

tn VolpC n q n! VolpC q n! VolpBn q

Finalement nous avons

P pnt nq P pSn t Sn`1 q

26.5.9

(26.355)

ptqn ptq
e
.
n!

(26.356)

Loi normale

La loi normale de paramtres m et 0, note N pm, 2 q est la loi donne par la densit

ff
1
1 xm 2
.
(26.357)
m,2 pxq ? exp
2

2
Proposition 26.88.
Si la variable alatoire relle X suit une loi normale N pm, 2 q, alors nous avons EpXq m et
VarpXq 2 .

Dmonstration. Lesprance dune variable alatoire se calcule partir de la formule (26.204) :

ff

1
1 xm 2
EpXq ?
x exp
dx
(26.358a)
2

2 R

1
2
? pu ` mqeu {2
(26.358b)
2 R

o nous avons effectu le changement de variable u px mq{. Nous utilisons ensuite lintgrale
remarquable

?
2
eu {2 du 2.
(26.359)
R

En ce qui concerne la variance, nous avons le mme genre de calculs.

La loi normale rduite est la densit
1
2
pxq 0,1 pxq ? ex {2 .
2

La variable alatoire X suit la loi N pm, 2 q si et seulement si la variable alatoire Z

la loi normale rduite N p0, 1q.
Proposition 26.89.
La fonction caractristique de la distribution normale N pm, 2 q est

2 t2
N pm,2 q ptq exp itm
.
2

Dmonstration. En suivant la formule (26.176), lintgrale calculer est

1 xm 2
1
N pm,2 q ptq ?
eitx e 2 p q dx.
2 R

(26.360)
Xm

suit

(26.361)

(26.362)

Nous reconnaissons une transforme de Fourier. Afin de la calculer sans encombres, nous passons
par les fonctions intermdiaires suivantes :
gpxq e 2 x
x
hpxq g

kpxq hpx mq.

1 2

(26.363)

1439

26.5. LES LOIS USUELLES

La fonction caractristique que nous cherchons est
de Fourier nous donnent

?1 kptq.
2

Les formules lies la transforme

itm
hptqe

kptq

hptq
g ptq

?
1 2
2
eitx e 2 x dx 2et {2 .
gptq

(26.364a)
(26.364b)
(26.364c)

Attention : lintgrale calculer est une transforme de Fourier inverse, do la formule (26.364a)
qui a un signe de diffrence avec la formule usuelle. En recombinant toutes ces expressions nous
trouvons
2 2
N pm,2 q e t {2 eitm ,
(26.365)

ce quil nous fallait.

Exemple 26.90
Une esprance qui sert de temps en temps est celle de X eZ lorsque Z N p0, 1q. Elle se
calcule en remarquant que x2 2x px q2 2 , donc

1
2
ex ex {2 dx
(26.366a)
EpeZ q
2 R

1
1
2
2
?

e 2 pxq e {2
(26.366b)
2 R

2
e {2
?
dy
(26.366c)

2 ey2 {2
e

2 {2

(26.366d)

26.5.10

Vecteurs gaussiens

Source : [117, 298].

Dfinition 26.91.
Un vecteur alatoire X : Rd est un vecteur gaussien si toutes les combinaisons linaires
de ses composantes sont des variables alatoires normales. En dautres termes, X est un vecteur
gaussien si pour tout vecteur u, la variable alatoire u X est gaussienne.
`

Le vecteur moyenne dun vecteur gaussien est EpXq EpX1 q, . . . , EpXn q et sa matrice de
variance-covariance est la matrice
`
`

KX VarpXq E X EpXq b X EpXq

(26.367)
o lopration b est celle introduite dans la section 6.36. Cela nest rien dautre que la matrice de
covariance de la variable alatoire X : Rd .

Lemme 26.92.
Si les variables alatoires relles X1 , . . . , Xn sont des variables alatoires relles gaussiennes indpendantes, alors le vecteur X pX1 , . . . , Xn q est un vecteur gaussien.
Dmonstration. Nous devons montrer que si X et Y sont des variables alatoires gaussiennes
indpendantes, alors X `Y est encore gaussienne. Lindpendance nous assure les galits suivantes
pour la fonction caractristique :
`

`
`

X`Y ptq E eitpXY q E eitX E eitY .

(26.368)

1440

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Dans le cas o X et Y sont gaussiens nous trouvons

22 t2
p12 ` 22 qt2
12 t2
exp im2 t
exp ipm1 ` m2 qt
.
X`Y ptq exp im1 t
2
2
2
(26.369)
tant donn que la loi dune variable alatoire est entirement dtermine par sa fonction caractristique (thorme 26.45), nous dduisons que X ` Y est une normale de moyenne m1 ` m2 et
de variance 12 ` 22 .
Proposition 26.93.
La fonction caractristique dun vecteur gaussien est donne par

1
X puq exp iu EpXq u KX u
2

(26.370)

o KX est la matrice de covariance de X.

Dmonstration. Nous considrons la variable alatoire relle gaussienne u X. Son esprance m

Epu Xq u EpXq. Nous commenons par tablir la formule suivante :
`
2
ut KX u u KX u E rX EpXqs u .
(26.371)
Utilisant la linarit de lesprance,

kl

nous trouvons

EpAkl quk ul

kl

EpAkl uk ul q,

KX pu, uq E rX EpXqs b rX EpXqs pu, uq

`

E rX EpXqs b rX EpXqs pu, uq

`
`

E rX EpXqs u rX EpXqs u
`
2
E rX EpXqs u
.

(26.372)

(26.373a)
(26.373b)
(26.373c)
(26.373d)

Par la linarit du produit scalaire et de lesprance,

rX EpXqs u u X Epu Xq,

ce qui nous ramne la variable alatoire u X. Nous avons alors
`
2
KX pu, uq E rX EpXqs u
Varpu Xq.

(26.374)

(26.375a)

Nous avons donc obtenu une forme pour la variance de la variable alatoire u X. tant donn
que u X est gaussienne de moyenne m u EpXq et de variance 2 KX pu, uq, nous avons
`

1
u X ptq exp itm 2 t2 .
2

Par ailleurs nous avons X puq u X p1q parce que

`

X puq E eiu X u X p1q.

En utilisant la forme (26.376) pour u X nous trouvons

`
1
1
X puq u X p1q exp im 2 exp iEpu Xq u KXu .
2
2

(26.376)

(26.377)

(26.378)

1441

26.5. LES LOIS USUELLES

Thorme 26.94.
Soit X pX1 , . . . , Xd q, un vecteur gaussien. Les composantes sont indpendantes si et seulement
si elles sont non corrles.
Dmonstration. Nous savons que les variables alatoires indpendantes sont non corrles. Nous
devons donc surtout prouver le contraire. Le fait que les variables alatoires Xi soient non corrles
signifie que la matrice de covariance est
2

1
0

..
KX
(26.379)

.
d2

o k2 VarpXk q. Notons mk EpXk q. Si u P

que

Rd , nous avons en vertu de la proposition 26.93

1
X puq exp ipu1 m1 ` . . . ` ud md q p12 u21 ` . . . ` d2 u2d q
2
`
`

1 2 2
1
exp iu1 m1 1 u1 . . . exp iud md d2 u2d
2
2
X1 pu1 q . . . Xd pud q.

(26.380a)
(26.380b)
(26.380c)

Les variables alatoires Xi sont donc indpendantes parce que la fonction caractristique se factorise.
Exemple 26.95
Nous donnons prsent un exemple de deux variables alatoires gaussiennes qui ne forment pas un
vecteur gaussien. Pour ce faire nous devons chercher des variables alatoires non indpendantes.
Soit Y N p0, 1q et  une variable alatoire (indpendante de Y ) donne par P p 1q 12 ,
P p 1q 12 . Nous considrons le vecteur pY, Y q.
Dabord montrons que Y est une variable alatoire gaussienne. Soit A un borlien de R. Nous
avons
P pY P Aq P p 1, Y P Aq ` P p 1, Y P Aq.
(26.381)
Par indpendance et par symtrie de Y

10

nous trouvons

P pY P Aq P p 1qP pY P Aq ` P p 1qP pY P Aq

1
1
P pY P Aq ` P pY P Aq
2
2
P pY P Aq.

(26.382a)
(26.382b)
(26.382c)

Nous avons donc Y Y , et donc Y est gaussienne.

En ce qui concerne la covariance, nous savons que EpY q Epq 0, donc
CovpY, Y q EpY Y q EpY 2 q EpqEpY 2 q 0.

(26.383)

Note : EpY 2 q 1.
Les variables alatoires Y et Y ne sont pas indpendantes. En effet si elles ltaient, Y serait
aussi indpendante de pY q2 Y 2 , alors que Y et Y 2 ne sont pas indpendantes. Donc X pY, Y q
nest pas un vecteur gaussien.
4
Thorme 26.96 ([117]).
Soit m P Rd et K P Mpd, Rq une matrice symtrique et positive. Alors il existe un vecteur gaussien
de moyenne m et de matrice de covariance K.
10. Cest dire que P pY P Aq P pY P Aq P pY P Aq.

1442

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Dmonstration. Nous effectuons la preuve avec m 0. Nous choisissons lespace probabilis

p, Aq pRr , BorpRr qq o r est le rang de K muni de la probabilit de densit
puq
Nous considrons la variable alatoire

` 1

1
exp }u}2 .
r{2
2
p2q
Y0 : Rr
u u.

(26.384)

(26.385)

Cest une variable alatoire gaussienne de loi PY0 d o d est la mesure de Lebesgue sur

Rd . Sa densit (26.384) scrit comme le produit de r gaussiennes indpendantes ; sa matrice de

covariance est donc 1rr .

tant donn que K est symtrique et positive, il existe une matrice d r telle que K AAt .
Pour voir cela, remarquons quil existe une matrice dd qui fait le travail. En effet K se diagonalise
par une orthogonale (thorme 6.292) :
? ?
K ADAt A D DAt
(26.386)
?
o D est une matrice
et D est la matrice que lon imagine. Donc
? diagonale contenant d r zros
t
la matrice L A D est une matrice telle que LL K. Maintenant, tant donn que les d r
dernires lignes de D sont vides, les d r dernires lignes de L nont pas dimportance et peuvent
tre choisies nulles, voire mme ne pas exister. La matrice A P Mdr,R qui ralise AAt K est la
troncature de L ses r premires lignes.
Nous considrons la variable alatoire Y AY0 : Rd . tant donn que AY0 est une
transformation linaire dun vecteur gaussien, cest un vecteur gaussien. Nous avons encore mpY q
0 et
`

VarpY q EpY b Y q E pAY0 q b pAY0 q AEpY0 b Y0 qAt AAt K

(26.387)

parce que EpY0 b Y0 q 1. Nous avons utilis les formules de la section 6.36, et en particulier la
formule (6.929).

Lorsquune matrice symtrique et positive K est donn, nous avons cr un vecteur gaussien de
covariance K en crant X AY o Y est le vecteur gaussien le plus simple et o A est donn
par AAt K. La proposition suivante montre linverse : un vecteur gaussien X peut se rduire
au vecteur gaussien le plus simple en utilisant la transformation Y A1 X o A est encore
donne par AAt K. Ce rsultat nous permettra de voir les vecteurs gaussiens gnraux comme
des changements de coordonnes par rapport au vecteur gaussien simple Y pY1 , . . . , Yd q avec
Yi N p0, 1q.
Proposition 26.97.
Soit Y pY1 , . . . , Yn q le vecteur gaussien form des variables alatoires indpendantes Yi
N p0, 1q. Soit K une matrice symtrique et positive et la matrice A telle que AAt K. Alors
le vecteur X AY est gaussien de covariance K.

Dmonstration. Nous montrons que la covariance de X AY est donne par K. Nous avons
`

KX E rX EpXqs b rX EpXqs
(26.388a)
`

E ApY EpY qq b ApY EpY qq

(26.388b)
`
t
E A rY EpY qs b rY EpY qs A
(26.388c)
EpAAt q
KX .

(26.388d)

(26.388e)

Nous avons utilis le lemme 6.387 ainsi que le fait que

rY EpY qs b rY EpY qs KY 1.

Notons que EpY q 0, mais cela ne joue pas ici.

(26.389)

1443

26.5. LES LOIS USUELLES

Thorme 26.98.
Un vecteur gaussien X : Rd possde une densit par rapport la mesure de Lebesgue si et
seulement si sa matrice de covariance est inversible. Dans ce cas nous avons la densit

1
1
1
1
a
exp rX EpXqs KX rX EpXqs .
fX pxq
(26.390)
2
p2qd{2 | detpKX q|

Dmonstration. Nous supposons que EpXq 0. En utilisant la proposition 26.97, nous posons
X AY o Y est un vecteur gaussien Y N p0, 1q et AAt KX . Si K nest pas inversible, alors
A nest pas inversible non plus. Notons r d le rang de A. tant donn que X AY , la variable
alatoire X prend presque srement ses valeurs dans limage de A, cest dire dans un sous-espace
de dimension r d de Rd . Ce sous-espace est de mesure nulle pour la mesure de Lebesgue, mais
de mesure 1 pour la mesure PX . La mesure PX ne peut donc pas avoir de densit par rapport
celle de Lebesgue.
Supposons maintenant que KX soit inversible. La matrice A lest aussi. Nous anticipons lutilisation du thorme de changement de variable 13.97. Ici le changement de variable sera la transformation linaire A dont le jacobien vaut
| detpA1 q|
Soit la densit de Y . Nous posons

1
1
a
.
det A
| det KX |

(26.391)

1
fX pxq a
pA1 Xq
| det KX |

(26.392)

o est le produit des densits de d gaussiennes usuelles N p0, 1q. Nous allons dabord montrer
que cette formule est bien la fonction (26.390) et ensuite que X admet fX comme densit. Nous
avons

1
1 1 2
1
pA q
exp }A x} ,
(26.393)
2
p2qd{2
et

}A1 x}2 xA1 x, A1 xy

xpA

1 t

qA

(26.394a)
(26.394b)

x, xy

(26.394c)

xpAAt q1 x, xy

1
x KX
x,

(26.394d)

ce qui nous donne bien la formule (26.390). Nous vrifions maintenant que fX est bien une densit
pour X. Soit B un borlien de Rd . Nous avons dabord
P pX P Bq P pAY P Bq P pY P A1 Bq.
Ici nous avons utilis le fait que A tait bijectif. Nous avons ensuite

P pX P Bq
ptqdy
A1 x |JA1 pxq|dx
fX pxqdx.
A1 B

(26.395)

(26.396)

Cest ici que nous avons utilis le thorme de changement de variable 13.97.

26.5.11

Variable alatoire de Rademacher

Une variable alatoire de Rademacher est une variable alatoire de loi

 0 1 ,

(26.397)

sur lensemble t0, 1u. Cest la variable alatoire qui prend valeur 1 ou 1 avec probabilit 12 .
Parmi les proprits videntes de cette variable alatoire nous avons Epq 0 et Ep2 q 1.

1444

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Proposition 26.99 (Ingalit de Khintchine[1]).

Soient r1 , . . . , rn des variables alatoires indpendantes et identiquement distribues de Rademacher
et une combinaison linaire
n

X
ai ri
(26.398)
i1

avec ai P R. Alors

}X}2

? `
eE |X| .

(26.399)

Dmonstration. Pour rappel la dfinition est que

b `

}X}2 E |X|2 .

(26.400)

`
Vu que cest de la quantit E |X| que nous voulons parler, nous notons lingalit

E |X|
Xpq dP pq
XpqdP pq EpXq.

(26.401)

Nous supposons que nj1 a2j 1 ; sinon nous multiplions les aj parce quil faut pour lavoir et
ce facteur sortira des deux cts de (26.399).
Nous allons passer par la variable alatoire intermdiaire
Y

p1 ` iaj rj q

|1 ` iaj rj pq|

(26.402)

j1

et pour presque tout P nous avons

|Y pq|

j1
n d

j1

1 ` a2j loomoon
rj pq2

n b

1 ` a2j
j1
n b

(26.403a)
(26.403b)

(26.403c)

eaj

(26.403d)

g
f
f n a2
e
e j

(26.403e)

j1

j1

b
2
e aj
?
e.

(26.403f)
(26.403g)

?
Donc }Y }8 e o }.}8 est la norme supremum sur . Cela nous permet de donner une premire
ingalit propos de Ep|X|q. Dabord

`
EpXY q XpqY pqdP pq
Xpq}Y }8 dP pq }Y }8 E |X| ,
(26.404)

ensuite en remplaant }Y }8 par la majoration que nous venons de donner de |Y pq|,

? `
eE |X| EpXY q.

Il nous reste prouver que EpXY q }X}2 .

(26.405)

1445

26.5. LES LOIS USUELLES

Pour ce faire nous commenons par noter que pour chaque j nous avons Eprj q 0 et Epiaj rj2 q
iaj ; en utilisant lindpendance des rj et le lemme 26.21 nous avons alors

Eprj Y q E rj p1 ` iaj rj q
p1 ` iak rk q
(26.406a)
kj

E rj p1 ` iaj rj q
Ep1 ` iak rk q
iaj

kj

iaj .

(26.406b)

kj

1 ` iak Eprk q

(26.406c)
(26.406d)

Par consquent, en utilisant la proposition 26.24 dans le cas non indpendant,

EpXY q

j1

aj Eprj Y q

aj iaj i

Nous pouvons complter lquation (26.405) en

? `
eE |X| EpXY q 1,

a2j i.

(26.407)

(26.408)
a
et nous nous empressons de montrer que }X}2 1. En effet }X}2 Ep|X|2 q alors que
`

}X}22 E p ai ri q2
(26.409a)
E

26.5.12

a2k

a2k rk2 ` 2

`2

ij

ai aj ri rj

ij

ai aj Epri rj q

(26.409b)

(26.409c)
(26.409d)

Loi de Student

Dfinition 26.100.
La loi 2 d degrs de libert est la loi de la variable alatoire Y12 ` . . . ` yn2 si les pYi q sont des
variable alatoires normales indpendantes centres et rduites.
La loi de Student d degrs de libert est la loi de la variable alatoire
X
a
K{d

(26.410)

o X N p0, 1q et K 2 pdq sont des variables alatoires indpendantes. Cette loi est note
T pdq
Nous avons une illustration de la densit de la loi 2 p10q la figure 26.1.
Limportance de cette loi sera dans le thorme de Cochrane 27.15.

26.5.13

Indpendance, covariance et variance de somme

Si X et Y sont des variables alatoires relles, nous avons dfini la covariance par (26.67) :
`
`

CovpX, Y q E X EpXq Y EpY q

(26.411)

Une clef est le lemme 26.21 qui dit que lorsque X et Y sont indpendantes, alors EpXY q
EpXqEpY q. Nous avons les liens suivants.

1446

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

1
10

1
20

10

15

20

25

30

Figure 26.1 La densit de 2 p10q.

(1) Si X et Y sont indpendantes, alors CovpX, Y q 0.
(2) La rciproque nest pas vraie par lexemple 26.23.

(3) Si Z est un vecteur gaussien, les composantes Zi sont indpendantes si et seulement si la

matrice de covariance est diagonale, cest dire que les Zi sont deux deux non corrls ;
cest le thorme 26.94.
(4) En ce qui concerne la variance dune somme,
VarpX ` Y q VarpXq ` VarpY q ` 2 CovpX, Y q.

(26.412)

Donc lorsque X et Y ne sont pas corrles, la variance est sympa avec la somme. En
particulier lorsquelles sont indpendantes, mais pas seulement.

26.6

Estimation des grands carts

Si Sn est une somme de variables alatoires de Bernoulli Xi indpendantes de probabilit p,

lesprance de Sn {n est p, et nous voudrions savoir quelle est la probabilit davoir un taux de
succs un peu plus important :
` Sn

P
p` .
(26.413)
n
La loi des grands nombres nous permet de dire que a ne va pas tre trs grand. En effet si nous
posons
Yi Xi p 
(26.414)

et

Zn

n
1
Sn
Yi
p ,
n i1
n

(26.415)

la loi des grands nombres (thorme 26.68) nous indique que

p.s.

Zn EpY1 q .

(26.416)

La proposition 26.53 sur le lien entre les types de convergence nous donne immdiatement la
convergence en loi. Cest dire que pour tout 0,

P |Zn ` | 0.
(26.417)

En prenant 2 ,

`

P pZn 0q P |Zn ` |
0.
2

(26.418)

1447

26.6. ESTIMATION DES GRANDS CARTS

Tout cela montre que
lim P

` Sn

p `  0.

(26.419)
n
Autrement dit, la probabilit de tomber une distance fixe de la moyenne tend vers zro lorsque
le nombre dessais augmente. Rien dtonnant.
Le thorme suivant nous indique la vitesse de convergence. Elle est exponentielle et le coefficient est donn en fonction de p et de .
n8

Thorme 26.101 ([1]).

Soient des variables alatoires Xi Bppq et
Sn
Pour  P s0, 1 pr, nous dfinissons

i1

p`
p

h` pq pp ` q ln
Alors

(26.420)

Xi Bpn, pq.

` p1 p q ln

1p
1p

(26.421)

(1) h` pq 0.

(2) Pour tout n 1, nous avons

Sn
p `  enh` pq .
n

(3) Lestimation (26.422) est optimale au sens que

` Sn

1
lim ln P
p `  h` pq.
n8 n
n
Dmonstration. Pour tout t 0 nous avons :

Sn
P
p `  P Sn np ` n
n

E etpSn npnq

`
entpp`q E etSn
8

entpp`q
etk P pSn kq
k0
n

n k
e
e
p p1 pqnk
k
k0
`
n
ntpp`q
e
p1 pq ` pet

exp n tpp ` q lnp1 p ` pet q .

ntpp`q

tk

(26.422)

(26.423)

(26.424a)
(26.424b)
(26.424c)
(26.424d)
(26.424e)
(26.424f)
(26.424g)

Justifications :
Lingalit (26.424b) est lingalit de Markov (corollaire 26.67) avec pxq etx .
La ligne (26.424d) est une utilisation du thorme de transfert 26.47.
Nous posons maintenant
`

h sup tpp ` q lnp1 p ` pet q .

(26.425)
t0

Pour cette valeur de h nous avons

Sn
p `  enh .
n

(26.426)

1448

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Nous considrons la fonction

g:
Elle vrifie gp0q 0 et

R` R

t tpp ` q lnp1 p ` pet q.

pet
1 p ` pet
p
g 1 p0q pp ` q
 0.
1p`p
g 1 ptq pp ` q

(26.427)

(26.428a)
(26.428b)

Par consquent sur un voisinage de t 0 la fonction g est strictement croissante et nous concluons
que g prend (au moins) quelques valeurs strictement positives. Du coup nous avons
h }g}8 0.

(26.429)

Nous cherchons maintenant pour quelle valeur de t est ralis le maximum de g. Dabord rsoudre
g 1 ptq 0 donne

pp ` qp1 pq
t0 ln
(26.430)
pp1 p q

Vu que g 1 ptq p `  1 0, nous avons limt8 gptq 8 et donc le t0 trouv est bien un
maximum et non un minimum.
Il est maintenant loisible de calculer une valeur pour h : il suffit de calculer gpt0 q. La calcul
nest pas trs compliqu et donne

p`
1p
h gpt0 q pp ` q ln
` pp `  1q ln
,
(26.431)
p
1p
ce qui est bien h h` pq. Cela dmontre les points (1) et (2).
Nous montrons prsent laspect optimal de lestimation. Nous savons dj que

` Sn

1
ln P
p `  h` pq.
n
n
Nous posons kn rnpp ` qs. Vu que p `  1 et que Sn n, nous avons

` Sn
n kn
p `  P Sn npp ` q P pSn kn q
p p1 pqnkn .
P
n
kn

(26.432)

(26.433)

Cest maintenant que nous utilisons la formule de Stirling (lemme 6.149) pour chacune des factorielles intervenant dans le coefficient binomial. Nous trouvons :
` n n ?

2npnqpkn p1 pqnkn
Sn
P
p `  P pSn kn q ` kn ?e
. (26.434)
`
nkn a
kn
n
2kn pkn q nkn
2pn kn q
e

Nous savons que kn npp ` q ` pnq avec born par 1. Par consquent n kn 8 et nous
pouvons regrouper les coefficients en en
pnq

pnq
1.
pkn qpn kn q

Nous remarquons aussi que les e se simplifient. Nous rcrivons sous la forme
c
1
n
nn pkn p1 pqnkn
?
pnq kn
2 kn pn kn q
kn pn kn qnkn
loooooooooooooomoooooooooooooon

(26.435)

(26.436a)

Apnq

p kn 1 p nkn
Apnqn
kn
n kn
kn

np
np1 pq nkn
Apnq
.
kn
n kn
n

(26.436b)
(26.436c)

1449

26.6. ESTIMATION DES GRANDS CARTS

Nous passons au logarithme et nous tudions
tudier :

1
n

ln P pSn kn q . Nous avons les termes suivants

1 `
1
1
ln P pSn kn q lnp2q `
ln
n
2n
2n
` kn ln

np
kn

n
kn pn kn q

` pn kn q ln

np1 pq
n kn

Nous tudions terme terme la limite de cela lorsque n 8.

(1) Le terme

1
2n

(26.437)

1
` ln pnq .
n
`

lnp2q ne pose pas de problmes. Il tend vers zro.

(2) Si nous remplaons kn par npp ` q ` pnq nous voyons que ce qui est dans le logarithme
1
est major par P pnq
pour un certain polynme P . Ce terme est dans le cas lnpPnpnqq qui tend
vers zro lorsque n 8.

(3) Pour ce terme nous remplaons kn par npp ` q ` kn npp ` q. Nous devons alors tudier
la limite de


np
kn npp ` q
np
pp ` q ln
`
.
(26.438)
ln
kn
n
kn
Ce qui est dans les logarithmes est encadr de la faon suivante :
npp ` q
kn
npp ` q ` 1

.
np
np
np

(26.439)

Donc la limite de kn {np est pp ` q{p. Les logarithmes restent borns. Pour le second terme
de (26.438), le numrateur du coefficient est born par 1. Donc le second terme tend vers
zro et le tout tend vers

p
pp ` q ln
.
(26.440)
p`

(4) Nous devons enfin tudier le dernier terme. La combinaison

vante :

nkn
n

studie de la faon sui-

n kn
n npp ` q ` npp ` q kn
np1 p q ` npp ` q kn

1p
n
n
n
(26.441)
parce que npp ` q kn est born par 1. Sachant cela, notre terme a pour limite

n kn
np1 pq
1p
ln
p1 p q ln
.
(26.442)
n
n kn
1p
En remettant tous les morceaux bouts bout,

1
p
1p
P pSn kn q p1 ` q ln
` p1 p q ln
h` pq.
(26.443)
n
p ` {e
1p
`

tant donn que nous avions dj prouv que P Snn p `  P pSn kn q, nous avons
lim inf
n8

1 Sn
1
ln P p
p ` q lim P pSn kn q h` pq.
n8 n
n
n

(26.444)

En combinant avec (26.432) nous trouvons que

1 ` Sn
ln P
p `  h` pq.
n8 n
n
lim

(26.445)

Pour cette dernire dduction nous utilisons le fait que si pan q est une suite telle que an l et
lim inf n8 an l, alors pan q admet une limite qui vaut l.

1450

26.7

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Simulations de ralisations de variables alatoires

Le gnrateur de base que possde un systme informatique est un gnrateur de nombres

pseudo-alatoires de nombres entiers entre 0 et m 1 gnr par une suite du type
xn`1 paxn ` bq mod m.

26.7.1
26.7.1.1

(26.446)

Gnrateur uniforme
Premire mthode

Une premire faon de gnrer une variable alatoire de loi uniforme sur s0, 1r est de diviser
par m 1 la suite de xn . En effet nous avons la proposition suivante.
Proposition 26.102.
Si pYn q est une suite de variables alatoires indpendantes et identiquement distribues de loi
uniforme sur t0, . . . , n 1u. Alors
Yn L
U r0, 1s.
(26.447)
n
Dmonstration. Nous prouvons la convergence en loi en passant par la fonction de rpartition et
la proposition 26.54. La fonction de rpartition de la densit U r0, 1s est
FX pxq x1|r0,1s .
La fonction de rpartition de la variable alatoire (discrte) Xn
Pp

(26.448)
Yn
n

est

Yn
tnxu
xq P pYn nxq
n
n

(26.449)

o tau est le plus grand entier infrieur a. Nous avons videmment

lim

n8

tnxu
x,
n

(26.450)

ce qui montre la convergence des fonctions de rpartitions et donc la convergence en loi qui nous
intresse.
26.7.1.2

Seconde mthode

Soit pYn q une suite de variables alatoires indpendantes et identiquement distribues selon la
loi Yn U t0, . . . , m 1u. Alors la srie de variables alatoires
Z

Yk
mk`1
k0

(26.451)

est une srie qui

converge presque srement parce que Yk est born par m. Avec probabilit zro
nous avons Z k 1{mk qui converge. Nous avons
Z U r0, 1s.

(26.452)

Largument pour montrer cette loi est quen base m, la variable alatoire Z a un dveloppement
dcimal Z 0.Y1 Y2 Y3 Y4 .

26.7.2

Simulation par inversion

Nous cherchons maintenant simuler une loi X de fonction de rpartition F .

26.7. SIMULATIONS DE RALISATIONS DE VARIABLES ALATOIRES

Dfinition 26.103.
Soit f : R r0, 1s une fonction croissante, continue droite et telle que
lim f pxq 0

x8

lim f pxq 1.

x8

1451

(26.453a)
(26.453b)

Linverse gnralis de f , note f 1 est la fonction dfinie par

f 1 ptq inftx tel que f pxq tu.

(26.454)

Remarque 26.104.
Linverse gnralis dune fonction bijective est la vraie fonction rciproque usuelle.
Proposition 26.105.
Soit f une fonction admettant un inverse gnralis f 1 . Alors nous avons f 1 ptq a si et
seulement si t f paq.
La continuit droite joue pour dmontrer cette proposition.

Proposition 26.106.
Si F est la fonction de rpartition de la variable alatoire X et si V est une variable alatoire de
loi uniforme U r0, 1s, alors F 1 pU q a la mme loi que X.

Dmonstration. Nous montrons que les fonction de rpartition de X et de F 1 pU q sont identiques.

En utilisant la proposition 26.105, nous avons
`

P F 1 pU q y P U F pyq
(26.455a)
F pyq

P pX yq.

(26.455b)

(26.455c)

Donc F 1 pU q est la fonction de rpartition de X.

La difficult de la mthode par inversion est quil faut tre capable de calculer linverse de la
fonction de rpartition de la loi simuler.
26.7.2.1

Loi exponentielle

La loi exponentielle est une loi qui peut tre simule par inversion. La fonction de rpartition
vaut
F pxq 1 ex ,
(26.456)
et linverse vaut

1
F 1 pxq lnp1 yq.

Par consquent, une bonne formule pour simuler une loi exponentielle est

1
lnp1 U q.

(26.457)

(26.458)

Notez que U tant uniforme, nous pouvons tout autant prendre lnpU q{.

26.7.3

Algorithme de Box-Muller

Il sagit de simuler une loi gaussienne. La proposition est la suivante.

Proposition 26.107.
Si U et V sont des variables alatoires indpendantes de mme loi uniforme sur r0, 1s, alors le
couple
a
`a

pX, Y q
2 lnpU q cosp2V q, 2 lnpU q sinp2V q
(26.459)
vrifie

1452

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

(1) X est indpendante de Y

(2) X et Y sont de loi N p0, 1q.

Dmonstration. Nous allons montrer la proposition en utilisant les fonctions tests. Soit donc
: R2 R une fonction borne et mesurable. Soient Z et W , deux variables alatoires indpendantes de loi N p0, 1q. Nous allons montrer que
`a
a
`

F pX, Y q E 2 lnpU q cosp2V q, 2 lnpU q sinp2V q .

(26.460)

Par indpendance de U et V , la densit du couple est le produit des densits, donc en passant aux
coordonnes polaires,

E pZ, W q
(26.461a)
8 8
1
2
2

px, yqex {2 ey {2 dxdy

(26.461b)
2 8 8

8
1 2
2

d
pr cos , r sin qer {2 rdr.
(26.461c)
2 0
0
a
2

Nous posons u er {2 et v 2
. En particulier r 2 lnpuq et
11

a
`a

2 lnpuq cosp2vq, 2 lnpuq sinp2vq dudv

0 0
`a
a

E 2 lnpU q cosp2V q, 2 lnpU q sinp2V q

(26.462a)

(26.462b)

parce que mesure dudv est la densit de la loi uniforme.

En pratique, la formule
px, yq

?
`?

2 ln x cosp2yq, 2 ln x sinp2yq

(26.463)

est une faon dobtenir deux gaussiennes partir de deux variables uniformes.

26.7.4

Mthode du rejet

La mthode du rejet permet de simuler des lois densit. Soit f la densit de la loi simuler.
Nous faisons les hypothses suivantes.
(1) Il existe une densit g dune variable alatoire facile simuler.
(2) Il existe un k 0 tel que f pxq kgpxq.
Remarque 26.108.
Le k de la seconde hypothse est ncessairement plus grand que 1. En effet,

1 f k gk

(26.464)

parce que f et g sont des densits et ont donc une intgrale gale 1.

Proposition 26.109.
Soient pXn q et pUn q des suites de variables alatoires indpendantes au sens o non seulement les
Xi et Uk sont indpendants entre eux, mais de plus Xi est indpendant de Uj pour tout i et j.
Nous supposons que les Xi sont indpendantes et identiquement distribues, de densit g et que les
Ui sont indpendantes et identiquement distribues de loi uniforme.
Nous introduisons la variable alatoire valeurs dans N
`

ppq inftn 0 tel que Xn pq Un pqu

(26.465)

26.7. SIMULATIONS DE RALISATIONS DE VARIABLES ALATOIRES

o est la fonction dfinie par
pxq

# f pxq

si gpxq 0

kgpxq

admet f pour densit.

(26.466)

si gpxq 0.

Alors la variable alatoire Y dfinie par

1453

(26.467)

Y pq Xppq pq

Dmonstration. Dabord tant donn que f pxq kgpxq nous avons pxq P r0, 1s. Nous pouvons
a priori avoir ppq 8, ce qui rendrait caduque la dfinition de Y pq. Montrons donc pour
commencer que P pp 8q 0. En utilisant lindpendance nous avons
N

P pXn q Un , @n lim
P pXi q Ui
N 8

(26.468a)

i1

`
N
lim P pX1 q U1 .
(26.468b)
N 8
`

Pour conclure nous devons prouver que P pX1 q U1 1. Pour cela nous calculons

1
`

P pX1 q U1
dx
du1pxqu gpxq
(26.469a)
R
0

gpxq 1 pxq dx
(26.469b)
R

f pxq
(26.469c)

gpxq
k
R
1
1
(26.469d)
k
1.
(26.469e)
`

Lquation (26.468) nous permet donc de conclure que P pXn q Un , @n 0. Par consquent
la variable alatoire Y pq Xppq pq a un sens.
Nous devons maintenant prouver que Y a bien f pour densit. Pour
cela nous considrons un

ensemble mesurable A P BorpRq et nous montrons que P pY P Aq A f pxqdx. Nous avons

P pY P Aq P pXp P Aq

Par ailleurs nous avons

i1

P pXj P A, p jq.

P pXj P A, p jq P Xj P A, pXj q Uj , pXm q Um @m j 1

`
`
j1
P Xj P A, pXj q Uj P pX1 q U1

1 j1
P Xj P A, pXj q Uj 1
.
k

(26.470)

(26.471)

tant donn que gpxqdx est la densit de Xj et que du est la densit de U , nous avons
1
`

P Xj P A, pXj q Uj
1xPA 1pxqu gpxqdudx
(26.472a)
R 0

gpxq1xPA
1pxqu du dx.
(26.472b)
R
0
looooooomooooooon

pxq

1xPA

f pxq
dx
k

1
P pX P Aq.
k

(26.472c)

(26.472d)

1454

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

En remplaant dans lquation (26.471) nous trouvons

P pXj P A, p jq
Et enfin, lquation (26.470) donne

1
1 j1
.
P pX P Aq 1
k
k

1
1 j1
P pY P Aq P pX P Aq
P pX P Aq.
1
k
k
i1

26.7.5

(26.473)

(26.474)

Simuler une loi gomtrique lordinateur

Si pXn q est une suite de variables alatoires indpendantes et identiquement distribues avec
Xn Bppq, alors
Z mintk 1 tel que Xk 1u G ppq.
(26.475)

Nous avons alors P pZ kq p1 pqk p.

Si nous avons un gnrateur de lois de Bernoulli de paramtre p, alors nous on simulons jusqu
obtenir 1 et nous comptons combien de simulations ont t ncessaires.

26.7.6

Simuler une loi exponentielle lordinateur

Nous pouvons utiliser la mthode de linversion. tant donn que la fonction de rpartition de
la loi exponentielle est F pxq 1 ex , nous avons F 1 pyq 1 lnp1 yq. Par consquent partir
dun gnrateur uniforme U , nous pouvons calculer
F 1 pU q

1
lnpU q

(26.476)

qui suivra une loi exponentielle desprance 1{.

26.7.7

Simuler une loi de Poisson lordinateur

Nous savons du point 26.5.8 que si les Ti sont des variables alatoires indpendantes et identiquement distribues de loi E pq, alors nous avons

maxtn 1 tel que

Ti 1u Ppq.
(26.477)
i

La faon usuelle pour crer une loi exponentielle est davoir un gnrateur de loi uniforme Ui et
dcrire que
1
lnpUi q E pq.
(26.478)

Nous devons donc faire la somme de telles variables alatoires et voir partir de quel moment la
somme dpasse 1. Le calcul est le suivant :

implique

1
lnpUi q 1

i1
n

i1

(26.479)

(26.480)

Ui e .

En pratique, la variable alatoire qui se comporte comme une loi de Poisson de paramtre est
N maxtn 1 tel que

i1

Ui e u.

(26.481)

Nous gnrons donc des nombres alatoires entre 1 et 1 et nous effectuons le produit jusqu ce
quil passe en dessous de e . ce moment, nous retournons le nombre de nombres quil a fallu
gnrer.

1455

26.8. SAGE

26.8

Sage

Nous allons montrer maintenant quelques trucs importants dans lutilisation de Sage pour
raliser des petits graphiques.
Remarque 26.110.
Dans ce qui suit, nous allons parler de Sage, mais en ralit nous allons surtout parler du module
scipy qui fait partie des modules hyper-usuels de Python. Les remerciements vont donc au moins
autant du ct de lquipe de scipy que vers celle de Sage.

26.8.1

Loi exponentielle

Il faut savoir que la dfinition dune loi continue retourne automatiquement la loi centre
rduite. Pour avoir une loi exponentielle de moyenne donne, il faut donc prciser de faon plus
maligne que ce que lon croit.
1

f r o m scipy i m p o r t stats

2
3
4

X = stats . expon ( scale =5)

p r i n t ( X . mean () )
# retourne 5

5
6
7

P = plot ( X . pdf ,x ,0 ,10 )

show ( P )
# A f f i c h e le g r a p h i q u e
code_sage1.py

26.8.2

Inverser des lois

Pour trouver des intervalles de confiance, il faut souvent calculer des inverses de loi. Bien
entendu Sage le fait. Ce que sage connat, cest linverse de la fonction de survie. Autrement dit si
X est une variable alatoire, X.sf est la fonction x 1 P pX xq et X.isf en est linverse. Pour
rsoudre P pX q , il faut rsoudre F pq , cest dire
1 F pq 1 ,

(26.482)

ce qui se fait de la faon suivante : le programme suivant donne pour une loi normale centre
rduite la valeur de pour laquelle P pN q 0.05 :
1

f r o m scipy i m p o r t stats

2
3
4
5

N = stats . norm
p r i n t N . mean ()
p r i n t N . var ()

# 0
# 1

xi = N . isf (0.95)
p r i n t xi

N . cdf ( xi )

# Vrification : 0.05

6
7
8

-1.64485

9
10
11
12

# G r a p h i q u e s de la f o n c t i o n de d e n s i t et la c u m u l a t i v e .

13

P = plot ( N . cdf ,x , -10 ,10)

Q = plot ( N . pdf ,x , -10 ,10 , color = " r e d " )
show ( P + Q )

14
15

code_sage2.py

1456

26.9

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Monte-Carlo

Nous voudrions calculer une valeur approche de lintgrale

b
f pxqdx.
I

(26.483)

Les mthodes
classiques consistent discrtiser lintervalle ra, bs et en calculant une somme de la

forme i wi f pxi q.
Lide de Mont Carlo est de remplacer le dcoupage dterministe xi par des variables alatoires
Xi en trois tapes.
(1) Pour cela nous commenons par crire lintgrale comme une esprance : I EpXq o
X est une variable alatoire dfinie sur un espace probabilis p, F, P q dterminer. Une
contrainte est videmment davoir X P L1 p, F, P q.
(2) Nous gnrons une suite indpendantes et identiquement distribue de variables alatoires
pXn q de mme loi que X et la loi (forte) des grands nombres implique que
n
1
p.s.

Xn
Xk EpXq I.
n k1

(26.484)

(3) Le dernier point sera de donner un intervalle de confiance.

Exemple 26.111
1
Nous voudrions dterminer de faon approche lintgrale I 0 f pxqdx. Si U U r0, 1s, alors
`

I E f pU q
(26.485)
et il suffit de faire

n
1
f pUi q.
n k1

o mes Ui sont indpendantes et identiquement distribues de loi U r0, 1s.

(26.486)
4

Exemple 26.112
Supposons que la fonction intgrer se prsente sous la forme f pxq hpxqgpxq avec g 0 et telle
que lintgrale R g existe. Notons

c
g
(26.487)
R

et

hpxqc

gpxq
dx.
c

Nous avons alors I E chpY q o Y admet la densit gpxqc.

Passons au cas de plusieurs variables et considrons lintgrale

I
f px1 , . . . , xd qdx1 . . . dxd .

Nous crivons

r0,1s1

(26.488)
4
(26.489)

I E f pU1 , . . . , Ud q

(26.490)

Vk pZdk , Zdk`1 , . . . , Zdpk`1q1 q.

(26.491)

o les Ui sont de loi uniformes sur r0, 1s. En pratique, nous gnrons une suite de variables alatoires
de pZk q de lois uniformes que nous regroupons par paquets :
Ces variables alatoires Vk sont indpendantes et identiquement distribues de loi U r0, 1sd . Ensuite
la loi des grands nombres nous indique que
n
1
I
f pVk q.
(26.492)
n k1

1457

26.9. MONTE-CARLO

26.9.1
26.9.1.1

Intervalle de confiance
Principe

Nous supposons que nous travaillons sur une approximation de Monte-Carlo telle que la variable
n I tandis que le thorme
alatoire choisie soit dans L2 . La loi des grands nombres nous dit que X
central limite nous enseigne que

Par consquent

n EpXq L
X
?
N p0, 1q .
{ n

(26.493)

Xn EpXq
?
P
P ru, us P pu Z uq
{ n

(26.494)

o Z N p0, 1q. En remplaant EpXq par I et en effectuant les manipulations usuelles, nous
trouvons que P pI P J q 1 si

n u ? , X
n ` u ?
J X
n
n

(26.495)

o 2 est la variance de X. Si nest pas connue, alors nous le remplaons par un estimateur
Sn1
et nous considrons lintervalle

n
1
n q2
pXk X
n 1 k1

(26.496)

S1
Sn1
n u ?
Xn ` u ?n .
J1 X
n
n

(26.497)

Il y a deux faons de faire diminuer la longueur de lintervalle de confiance : augmenter n ou

diminuer . Pour le second point, le choix de X dans I EpXq est essentiel.
Exemple 26.113
Soit calculer

1
2
ez ez {2 dz
I?
2 R

(26.498)

I EpXq.

(26.499)

avec 0. Nous introduisons la variable alatoire X eZ avec Z N p0, 1q. Nous avons alors
Par ailleurs lintgrale demande vaut e {2 . En appliquant les formules vues plus haut nous trouvons

n u ? , X
n ` u ?
J X
(26.500)
n
n
2

2 VarpXq Epe2Z q Epez q2 e2 e .

(26.501)

2973
1.96 ? 102 ,
n

(26.502)

Nous avons utilis la formule (26.366). Si nous choisissons 2, nous trouvons 2 2926. Donc
si nous voulons une longueur de J plus petite que 102 tout en demandant 0.05 (ce qui
implique u 1.96), nous devons avoir

cest dire environ n 1011 , ce qui soit dit en passant est trs largement au del des capacits de
la commande rand de scilab.
4
Nous allons maintenant voir quelques mthodes pour rduire la variance.

1458

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

26.9.1.2

chantillonnage prfrentiel

Nous devons calculer I R f pxqdx. Pour cela nous introduisons artificiellement une densit g
et nous crivons

f pxq
f pY q
I
(26.503)
gpxqdx E
gpY q
R gpxq
o Y est de densit g. Il faut essayer de trouver g de telle sorte ce que
Var

f pY q
gpY q

(26.504)

soit la plus petite possible.

26.9.1.3

Mthode de la variable de contrle

Soit I EpXq. Nous introduisons une variable alatoire Z et nous crivons

I EpX Zq ` EpZq.

(26.505)

Il faut alors choisir Z de telle sorte que EpZq soit calculable et que X Z ait une variance plus
faible. En particulier, Z ne peut pas tre indpendante de X.
26.9.1.4

Variables antithtiques
1
Soit I 0 f pxqdx. La premire ide (exemple 26.111) est dcrire
`

I E f pU q

(26.506)

o U U r0, 1s, mais nous navons pas de garanties sur la variance de f pU q. Nous pouvons crire
1`
`

I E f pU q E
f pU q f p1 U q .
2

(26.507)

Ici 1U est encore une variable alatoire uniforme sur r0, 1s, mais il se fait que la variable alatoire
Z

1`
f pU q ` f p1 U q
2

(26.508)

a une variance infrieure Var f pU q . En effet, f pU q et f p1 U q ne sont pas indpendantes, par

consquent le rsultat du lemme 26.22 nest pas valide, par contre la proposition 26.27 reste vraie
et nous avons
`
1
`
1
`

1
Var f pU q ` Var f p1 U q ` Cov f pU q, f p1 U q .
(26.509)
4
4
2
`

Nous avons Var f p1 U q Var f pU q . En ce qui concerne le terme avec la covariance, nous lui
appliquons lquation (26.56) :
VarpZq

Cov f pU q, f p1 U q E pf pU q Iqpf p1 U q Iq
`
1{2 `
1{2
E pf pU q Iq2
E pf p1 U q Iq2
`

Var f pU q

(26.510a)
(26.510b)
(26.510c)

o nous avons utilis le fait que E f pU q E f p1 U q I. Au final nous avons bien obtenu
`

VarpZq Var f pU q .

(26.511)

26.10. RSULTATS QUI SE DMONTRENT AVEC DES VARIABLES ALATOIRES

1459

26.10

Rsultats qui se dmontrent avec des variables alatoires

26.10.1

Nombres normaux

Tout nombre x P r0, 1r admet un unique 11 dveloppement en base b 2 :

x
avec n pxq P A t0, . . . , b 1u.
Soit k 1 et r P Ak ; nous posons

n pxq
bn
n1

(
Nx pr, nq Card i P t1, . . . , n k ` 1u tel que 1 pxq r1 , . . . , i`k1 rk .

(26.512)

(26.513)

Cest le nombre doccurrences du motif r (de longueur k) dans les n premires dcimales de x.
Dfinition 26.114.
Un nombre x P r0, 1r est normal en base b si pour tout r P t0, . . . , b 1uk nous avons
Nx pb, nq
1
k.
n
b

(26.514)

Un nombre est normal si il est normal en toute base.

Proposition 26.115 ([299, 1]).
Au sens de la mesure de Lebesgue, presque tous les nombres de r0, 1r sont normaux.
Dmonstration. Pour x P r0, 1r, nous notons n pxq son dveloppement en base b. Cela nous donne
des variables alatoire i : r0, 1r A dont la loi de probabilit est donne par
` d d`1 1
P p1 dq P r ,
r
b
b
b

(26.515)

parce que lintervalle r db , d`1

d r est lensemble des nombres de r0, 1r dont la premire dcimale est d.
Pour la loi des i , il faut un peu plus dcouper, mais a donne le mme rsultat : P pi dq 1{b.
Ces variables alatoire sont indpendantes et identiquement distribues. Nous considrons aussi la
variable alatoire
N pr, nq : r0, 1r N
(26.516)
x Nx pr, nq
Pour un r P A fix, nous dfinissons encore la variable alatoire
Xj : A t0, 1u
#
1 si j pxq b
x
.
0 sinon.

(26.517)

Les variables alatoire Xj sont des variables alatoire de Bernoulli indpendantes et identiquement
distribues de paramtre EpXj q P pXj 1q P p1 bq 1b . Nous pouvons utiliser dessus la
loi forte des grands nombres (thorme 26.68). Pour dire que
n
1
1
p.s.
Xi EpX1 q .
n i1
b

(26.518)

Mais en ralit nous avons aussi nj1 Xj N pr, nq parce que en appliquant x P r0, 1r :
#
n

(
1 si j pxq r
Card i P t1, . . . , nu tel que i pxq r Nx pr, nq,
(26.519)
j1 0 sinon
11. Nous excluons 1 parce que son dveloppement en puissances ngatives de b est zro.

1460

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

de sorte que lquation (26.518) nous dit exactement que pour tout r P A,
lim

n8

1
Nx pr, nq

n
b

(26.520)

pour presque tout x P r0, 1r.

Il reste prouver la mme chose pour tout r P Ak . Voyons avec k 2 et r pu, vq P A2 . Nous
posons
Yj 1tj u,j`1 vu ,
(26.521)
n1
et N pr, nq j1 Yj . Les Yi sont encore des binomiales de paramtre b12 , mais elles ne sont pas
indpendantes. En effet pour avoir Y1 pxq Y2 pxq 1, il faut que les trois premires dcimales de
x soit en mme temps de la forme uv. et .uv, donc
P pY1 , Y2 1q b3 u,v

(26.522)

alors que P pY1 1qP pY2 2q b4 . Nous pouvons contourner ce problme en remarquant que les
i , eux, sont indpendants. Donc le lemme de regroupement 26.15 nous dit que la famille tY2n u
est une famille de variables alatoires indpendantes (et idem pour la famille Y2n1 ). En effet, les
variables alatoires Y2n correspondent la partition 23, 45, 67, etc.
Nous appliquons la loi des grands nombres sur les deux familles indpendamment :
n
1
p.s. 1
Y2j1 2
n j1
b

et

(26.523)

n
1
p.s. 1
Y2j 2
n j1
b

(26.524)

Pour rappel, le but pour linstant est dtablir la limite limn8 n1 nj1 Yj b12 . Nous allons ltablir
sparment pour les termes pairs et impairs de la suite. Pour les pairs :

2n
n
n
1
1 1
1 1
p.s. 1
Yj
Y2j1 `
Y2j 2
(26.525)
2n j1
2 n j1
2 n j1
b
Pour les impairs 12 ,
2n1

1
n
Yj
2n 1 j1
2n 1

n
1
Y2j1
n j1

parce que les deux parenthses convergent vers

1
2.
Au final nous avons bien

1
b2

n
`
2n 1

n
1
Y2j
n j1

1
b2

(26.526)

alors que les coefficients devant convergent vers

n1
N pr, nq
1
n1

Yj
n
n j1
n

n1
1
Yj
n 1 j1

1
b2

(26.527)

tant que r P A2 .
Pour prouver la mme chose avec r P Ak , il suffit de faire le mme raisonnement en divisant
en plus de paquets : tYkj`m um1,...,k1 sont indpendants et nous utilisons k fois la loi des grands
nombres.
Donc pour toute base b nous savons que les nombres normaux en base b forment un ensemble
de mesure nulle dans r0, 1r. Il reste voir que leur union reste de mesure nulle. Cela est vrai parce
que nous avons une union dnombrable et quune union dnombrable densembles de mesure nulle
est de mesure nulle par le lemme 7.34.
12. Ici dans [1], la seconde somme va jusqu n 1 et je ne comprends pas pourquoi.

26.10. RSULTATS QUI SE DMONTRENT AVEC DES VARIABLES ALATOIRES

1461

Remarque 26.116.
Un nombre x est normal en base b si et seulement si la suite uk xbk est quirpartie modulo
1 sur r0, 1s (cest dire quel la suite des parties fractionnelles des uk est quirpartie). Pour le
nombre 0.2357873 . . ., nous parlons de la suite 0.2357873 . . . ; 0.357873 . . . ; 0.57897 . . . etc. Cest la
suite des queues de suites de la suite de ses dcimales 13 .

26.10.2

Thorme de Bernstein

Thorme`26.117 (Thorme de Bernstein[1]).

Soit f P C 0 r0, 1s, C et son module de continuit
: r0, 1s R

h supt|f puq f pvq| tel que |u v| hu.

(26.528)

Pour n 0 nous dfinissons le ne polynme de Bernstein de f par

n

n k
k
nk
Bn pf qpxq
x p1 xq
f
.
k
n
k0

(26.529)

Alors il existe C tel que pour tout n 1 :

(1)

}f Bn pf q}8 C

1
?
n

(26.530)

(2)
unif

sur r0, 1s.

(26.531)

Bn pf q f

(3) Lingalit (26.530) est optimale : il existe une fonction g P C 0 r0, 1s, C et 0 tels que
pour tout N 1, }g Bn pgq}8 ?n . Cette fonction peut tre choisie Lipschitzienne. Une
telle fonction est donne par exemple par gpxq |x 21 |.

Dmonstration. Soit x P r0, 1s et une suite de variables alatoires de Bernoulli

indpendantes 14 et
n
identiquement distribues pXi qi1 de paramtre x. Nous notons Sn k1 Xk .

f pxq Bn pf qpxq. Pour cela

(1) Pour cette histoire de convergence, il faut majorer la quantit
`

il y a trois astuces. La premire est de se souvenir que E f pxq f pxq, et la seconde est
que le thorme de transfert 26.47 appliqu x f px{nq donne 15

n
n

` Sn
n k
k
k
E f

P pSn kq
x p1 xqnk ,
f
f
n
n
n
k
k0
k0

cest dire que

Bn pf qpxq E f

` Sn
n

Et enfin la troisime astuce est dutiliser le lemme 16.168 pour avoir

` 1
?
Sn
1 ?
Sn
Sn
|x
| ? | n ? |
n|x
|`1 ? .
n
n
n
n
n
13. Cest pas trop bien dit, mais on se comprend, non ?
14. Dfinition 26.8.
15. Nous avons aussi utilis la formule de lesprance pour les variables alatoires discrtes.

(26.532)

(26.533)

(26.534)

1462

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

partir de l nous pouvons un peu calculer :

`
f pxq Bn pf qpxq E f pxq f Sn

` Sn
E |f pxq f
|
n

Sn
E |x
|
n

?
1
Sn
?
E | nx
|`1 .
n
n
Le dernier facteur peut tre rcrit sous la forme

?
?
Sn
Sn

nx
E
` 1 nE x
` 1,
n
n

et cest l que nous pouvons utiliser lingalit de Hlder 18.20 :

`
E |X| }X}1 }X}2

o }X}2 dsigne

Nous pouvons donc crire

}X}2

f pxq Bn pf qpxq

b `

E |X|2 .
1
?
n

?
Sn

`1 .
n x
n 2

Nous tudions maintenant de plus prs la quantit }x Snn }2 . Dabord

x
1
Sn 2

x2 2 EpSn q ` 2 EpSn2 q.
E x
n
n
n

(26.535a)
(26.535b)
(26.535c)
(26.535d)

(26.536)

(26.537)
(26.538)

(26.539)

(26.540)

Ensuite nous savons lesprance de Sn (qui vaut EpSn q nx) par (26.310) et le lemme
26.21 nous permet de calculer EpSn2 q par indpendance des Xi qui composent Sn . Nous
avons alors

Sn 2
1
1

E x
x2 2x2 ` 2
EpXi qEpXj q ` 2
EpXi2 q
(26.541a)
n
n 1ijn
n i1
n2 n 2 nx
x ` 2
n2
n
xp1 xq

.
n

x2 `

Quelques justifications :
EpXi q EpXi2 q x parce que Xi est une variable alatoire de Bernoulli de
x.
La premire somme contient tous les couples pi, jq sauf les diagonaux ; il y
n2 n.
En recombinant le tout,

?
1
xp1

xq
f pxq Bn pf qpxq ?
n
`1
n
n

1 `a
?
xp1 xq ` 1
n

3
1
?
.
2
n

(26.541b)

(26.541c)
paramtre
en a donc

(26.542a)
(26.542b)
(26.542c)

26.10. RSULTATS QUI SE DMONTRENT AVEC DES VARIABLES ALATOIRES

1463

La dernire majoration est une rapide tude de la fonction xp1 xq.

tant donn que les majorations (26.542) sont valables pour tout x, en passant au supremum
nous avons

3
1
0.
(26.543)
}f Bn pf q}8 ?
2
n
Ceci prouve les deux premiers points du thorme.
(2) Fait.
(3) Nous considrons la fonction

1
gpxq }x j}
(26.544)
2
et nous vrifions quelle vrifie toutes les conditions. Dabord si u, v P r0, 1s alors

gpuq gpvq |u v|
(26.545)

et donc phq h, ce qui signifie que g est 1-Lipschitz. Le principe de cette partie est de
montrer que }g Bn pgq}8 est plus grand que dautres trucs (et non plus petit que dautres
trucs comme dhabitude). Nous commenons par
1
1
}g Bn pgq}8 gp q Bn pgqp q.
2
2

(26.546)

Trs vite nous nous rendons compte que gp1{2q 0. Ensuite nous nous souvenons que

Sn
Sn 1
1 `
1
|
E |2Sn n| .
(26.547)
Bn pgqp q E gp q E |
2
n
n
2
2n

si nous posons i 2Xi 1, alors les i sont des variables alatoires

de Rademacher indpendantes et identiquement distribues qui satisfont 2Sn n ni1 i . Nous utilisons la
proposition 26.99 :
1 `
1
E | i | ?
j 2 .
2n
2n
e
i
i1
n

}f Bn pf q8 }

Calculons ce qui est dans la norme :

n
n

2
`
2

j E
j

j1

j1

1ijn

Epi qEpj q `

i1

(26.548)

Ep2i q 0 ` n n.

(26.549)

Nous finissons alors notre travail de majoration :

1
1
1
?
j ? ? ?
2n e i1 2 2 n e
2 e
n

}f Bn pf q8 }

1
?
n

(26.550)

1464

CHAPITRE 26. VARIABLES ALATOIRES ET THORIE DES PROBABILITS

Chapitre 27

Statistiques
27.1

Notations et hypothses

Nous notons X le caractre tudier, et lensemble des individus. Le caractre tudier est
vu comme une fonction sur :
X : R, N, t0, 1u, . . .
(27.1)

Les statistiques descriptives sont les techniques pour prsenter et rsumer les donnes : diagrammes, graphiques, indicateurs numriques : moyenne, cart-type, mdiane, . . .
Nous faisons les hypothses suivantes :
(1) Chaque observation xi est la ralisation de la variable alatoire X qui sera de loi inconnue
.
(2) Le n-uple px1 , . . . , xn q est la ralisation de pX1 , . . . , Xn q qui est lchantillon de taille n.
(3) Les variables alatoires Xi sont indpendantes et identiquement distribues, de loi commune
. La loi est la loi parente de lchantillon.
Exemple 27.1
Un chantillon de taille 1 consisterait tirer au sort une personne dans une population et mesurer
sa taille.
4
Exemple 27.2
Une chantillon de taille n consisterait tirer au sort n personnes dans une population et de
mesurer leurs tailles.
4

Linfrence statistique est lart de dgager des informations sur la population partir dinformations partielles : intervalles de confiance, estimateurs, test dhypothses, . . .
En thorie des probabilits, nous connaissons la loi de la variable alatoire X et nous en
dduisons des informations sur le ralisations de X : valeur la plus probable, moyenne, intervalle
dans lequel Xpq a le plus de chance dappartenir. En statistique, au contraire, la loi est inconnues
et nous cherchons des informations sur la loi partir dun chantillon de donnes numriques
observes.

27.2

Modle statistique

Une modle statistique est un triplet

S p, F, P q, pX qP , p qP

(27.2)

o p, F, P q est un espace probabilis, pX q est une famille de variables alatoires dfinies sur
et telles que pour tout P , la variable alatoire X suive la loi . Les sont des mesures sur
les borliens de R et pour tout B P BorpRq nous avons
P pX P Bq pBq.
1465

(27.3)

1466

CHAPITRE 27. STATISTIQUES

Remarque 27.3.
Dune certaine manire, lintroduction de dans la dfinition est redondante parce que ces mesures
sont dj contenues dans la donnes des variables alatoires X .
Exemple 27.4(Modle statistique gaussien)
Si nous savons que les variables alatoires Xi suivent une loi gaussienne, alors nous considrons
R R` et pm, 2 jq. Dans ce cas, N pm, 2 q et le but de la statistique est
de dterminer la valeur de qui correspond une population en partant de lobservation dun
chantillon.
4
Dfinition 27.5.
Si Rk , nous disons que le modle statistique est un modle paramtrique.

Le modle gaussien est un modle paramtrique : ds que m et 2 sont dtermins, la loi du

phnomne X est connue.
Dfinition 27.6.

Pour chaque P` , un chantillon

de taille n associ un modle statistique p, F, P q, pX q, p q

est un vecteur X,1 , . . . , X,n de taille n de variables alatoires indpendantes et identiquement

distribues de la mme loi que la variable alatoire X . La loi est la loi parente de lchantillon.
Dfinition 27.7.
Un modle dchantillonnage sur le modle statistique S est une famille pX,1 , . . . , X,n qP
dchantillons de taille n 1.

Nous noterons souvent pX1 , . . . , Xn q la place de pX,1 , . . . , X,n q un chantillon, mais il faut
se souvenir que les Xi suivent toujours la mme loi donne par . La loi du vecteur pX1 , . . . , Xn q
est b . . . b et est dfinie sur lespace pn , F b . . . b F, P bn q.
Remarque 27.8.
Le travail du statisticien est de proposer un modle statistique S a priori. Si nous tudions la taille
dune population, nous allons choisir un modle gaussien. Plus le modle est prcis, plus lespace
est petit mais plus il y a de risques que le vrit soit hors de lensemble considr.
Exemple 27.9
Soit X une variable alatoire de carr intgrable que lon sait simuler. Afin dvaluer
la moyenne
1 n

de X, nous pouvons considrer la moyenne empirique des simulations : Xn n i1 Xi o les

variables alatoires Xi sont indpendantes, identiquement distribues et de mme loi que X.
n . De plus,
La loi des grands nombres nous enseigne que X

a
a
a
dx
2
n ? , X
n ` ?
lim P P X

ex {2 ? .
(27.4)
n8
n
n
2
a
En effet, la condition sur est quivalente
a

n
X
? a,
{ n

tandis que le thorme central limite nous enseigne que la variable alatoire
comme N p0, 1q lorsque n est grand. Dans ce cas, nous avons que

a
Xn
1
2
? P ra, as ?
P
ex {2 dx.
{ n
2 a

Notons que dans ce calcul nous avons utilis le fait que EpX1 q.

(27.5)
n
X
?
{ n

se comporte

(27.6)

1467

27.2. MODLE STATISTIQUE

Montrons que la suite
n
1 2
X
n2
n i1 i

n
1
Xi
n i1

(27.7)

converge presque srement vers 2 . Le thorme central limite implique que

n
1 2 p.s.
X EpX12 q
n i1 i

et que

n
1
Xi
n i1

(27.8)

EpX1 q2 .
p.s.

(27.9)

La diffrence converge donc presque srement vers 2 en vertu de la proposition 26.25.

Nous avons galement Epn2 q 2 . En effet, sachant que EpXi q EpX1 q et que EpXi2 q
EpX12 q 2 ` 2 ,
Epn2 q

n
1
1
EpXi2 q 2

n i1
n

2 ` 2
2

1 2
,
n

i1

EpXi2 q

ij

EpXi Xj qq

1`
2
2
2
2
np
`

q
`
pn

nq
n2

(27.10a)
(27.10b)
(27.10c)

dont la limite n 8 donne bien 2 .

Nous voudrions prsent montrer que
n L
X
? N p0, 1q.
n { n

(27.11)

Vu que le thorme central limite donne une convergence en loi, nous pouvons utiliser le lemme de
Slutsky pour montrer que

Xn 2
L
? , n
pZ, 2 q
(27.12)
1{ n

o Z N p0, 1q. En vertu de la proposition 26.60 appliqu la fonction f :

f px, yq

?x
y

si y 0
sinon

R2 R,

(27.13)

nous avons la convergence en loi

Xn 2
L
? , n
f pZ, 2 q,
f
1{ n

(27.14)

n L
X
? Z.
n { n

(27.15)

cest dire

Afin dtre complet, prcisons que

P pZ, q P R t0u 0.

(27.16)
4

1468

CHAPITRE 27. STATISTIQUES

Proposition 27.10.
Soit Xi des variables alatoires indpendantes et identiquement distribues de loi parente Bpn, pq.
n dsigne la moyenne empirique,
Alors si X
?

nb

n p
X

n p1 X
nq
X

Z N p0, 1q.

(27.17)

Dmonstration. Cela est une application de la loi des grands nombres, tu thorme central limite,
du lemme de Slutsky et de la proposition 26.60.
n p parce que p est lesprance de
Dabord, la loi des grands nombres nous indique que X
Bernoulli. Ensuite nous avons
EpXq
n p
? X
X
an
? na
VarpXq{ n
pp1 pq

(27.18)

parce que la variance dune loi de Bernoulli est pp1 pq. Le thorme central limite nous indique
par consquent que
n p
? X
L
na
Z N p0, 1q.
(27.19)
pp1 pq
Le lemme de Slutsky implique alors la convergence du couple :

n p
? X
L
n
na
,X
pZ, pq.
pp1 pq

Nous appliquons maintenant la proposition 26.60 avec la fonction

a
pp1 pqx
f px, yq a
yp1 yq

(27.20)

(27.21)

qui est une fonction dont lensemble des points de discontinuit est C t0u. tant donn que
n 0q 0, la proposition sapplique et nous avons
P pX

n p
? X
L
n
f
,X
na
f pZ, pq,
(27.22)
pp1 pq
cest dire

27.3

nb

n p
X

n p1 X
nq
X

Z N p0, 1q.

(27.23)

Modles dchantillonnages

Soit X, une variable alatoire sur p, F, P q. Un chantillon de taille n pour X est une suite
de n variables alatoires pX1 , . . . , Xn q dfinies sur p, F, P q indpendantes et de mme loi que X.
Nous disons que la loi de X est la loi parente de la suite Xi .
Dfinition 27.11.
Soit

S p, F, P q, pX q, p q

(27.24)

un modle statistique. Un modle dchantillonnage de taille n associe au modle statistique S

est la donne dune famille de n-chantillons pX,1 q, . . . , X,n telle que pour tout P , lchantillon
pX,i q soit de variable parente X .

27.3. MODLES DCHANTILLONNAGES

1469

La moyenne empirique du n-chantillon pXi q est la variable alatoire

n
1

Xi .
Xn
n i1

(27.25)

La proposition suivante signifie que la moyenne empirique est une bonne faon dapprocher
la variable alatoire.
Proposition 27.12.
Soit X, une variable alatoire dans L2 pq (cest dire EpX 2 q 8) desprance m et de variance
2 . Alors
n q m et VarpX
n q 2 .
(1) EpX
n

(2) Nous avons les convergences

p.s.
n
m
X

n m L
X
? Z N p0, 1q.
{ n

(27.26a)
(27.26b)

n N pm, 2 q, cest dire

(3) Si X est de loi N pm, 2 q, alors X
n
n m
X
? N p0, 1q.
{ n

(27.27)

Remarque 27.13.
Lintrt de cette proposition en statistique descriptive exprimentale est le suivant. La taille
moyenne des franais est un nombre m qui existe, mais qui est largement hors de porte de
lexprience (mesurer 65 106 personnes risque de prendre un sacr temps). Si on mesure seulement
n personnes dont les tailles sont pxi qi1,...,n (ici xi est un nombre exprimental, pas une variable
alatoire), alors on peut calculer la moyenne x
n de ces n personnes-l. La proposition indique que
si n est assez grand, alors x
n donne une bonne ide de m.
Ne pas confondre Xn qui est une variable alatoire, cest dire une application mesurable, qui
nous sert dmontrer des thormes en mathmatique, avec xn qui est un nombre mesur sur le
terrain, qui a une existence physique bien dfinie, mais aucun status mathmatique.
Si on croit que toute cette histoire de variables alatoires, de tribu et de mesures dcrit ef n dcrit bien le
fectivement la ralit, alors on peut croire que le comportement de la suite X
comportement de la suite x
n (cette dernire ntant mme pas une suite parce quon na jamais
quun nombre fini de mesures exprimentales).
La variance empirique dun chantillon est la variable alatoire
n
1
n q2 .

pXi X
n i1

Vn2

(27.28)

La variance empirique corrige est la variable alatoire

Sn2

n
1
n q2 .
pXi X
n 1 i1

(27.29)

Lemme 27.14.
La variance corrige et la variance empirique ont comme esprances :
n1 2

n
EpSn2 q 2 .

EpVn2 q

(27.30a)
(27.30b)

1470

CHAPITRE 27. STATISTIQUES

Dmonstration. Nous commenons par calculer lesprance de la variance non corrige. La premire
tape est de la rcrire sous la forme
1 2
n ` X
n2 q
pXk 2Xk X
n k
1 2
1 2 2
X
Xk Xn
Xk `

n k
n
n k n
lokomoon
loomoon

Vn2

n
nX

2
nX
n

1 2
2 ` X
2

X 2X
n
n
n k k
1 2
2.

X X
n
n k k

(27.31)

Nous calculons sparment lesprance de ces deux termes. Si X est la loi parente des Xi , en
utilisant lindpendance des Xi nous trouvons

n
1 2
1
E
Xk
EpXk2 q
n k
n k1
(27.32)
EpX 2 q
EpXq2 VarpXq.

n2 :
Nous devons prsent calculer lesprance de X

2 q EpX
n q2 ` VarpX
n q.
EpX
n

(27.33)

En utilisant le lemme 26.22,

n q Var
VarpX

Par consquent

1
Xk
n k

1
VarpXk q
n2 k
1
VarpXq.
n

1
n1
EpVn2 q VarpXq 1

VarpXq.
n
n

(27.34a)
(27.34b)
(27.34c)

(27.35)

En ce qui concerne la variance corrige,

Sn2
par consquent EpSn2 q

n
2
n1 EpVn q

1
n q2 n Vn2 ,
pXk X
n1 k
n1

(27.36)

VarpXq.

Thorme 27.15 (Thorme de Cochran[117]).

Soient pXi q des variables alatoires gaussiennes indpendantes de loi N pm, 2 q avec 0. Alors
n N pm, 2 q,
(1) X
`
2 ` nn 2
(2) n1
Sn 2 Vn 2 pn 1q,
2
n et Vn sont indpendantes et
(3) les variables alatoires X
n m
m
X
X
? b n
T pn 1q.
Sn { n
Vn {pn 1q

(27.37)

1471

27.4. ESTIMATION PONCTUELLE

Nous pouvons aussi crire le dernier rsultat en termes de la variance corrige Sn , lestimateur
sans biais de la variance parce que
d
Vn
1
? Sn
(27.38)
n1
n

en vertu de la dfinition (27.29).

Proposition 27.16.
Soit X une variable alatoire de variance VarpXq . Si EpX 4 q 8, alors
(1) Sn2 2 .
p.s.

(2)

S 2 2 L
bn
Z N p0, 1q
4 4
n

(27.39)

o 4 EpX 4 q est le moment dordre 4 de X.

Thorme 27.17.
Si pX1 , . . . , Xn q est un n-chantillon de loi parente N pm, 2 q, alors
(1) Les variables alatoires

n m
X
?
{ n

et pn 1q

Sn2
2

(27.40)

sont indpendantes.
(2) La loi de pn 1q Sn2 est 2 pn 1q.
2

Si un chantillon vrifie ces deux proprits, alors les Xi sont de loi N pm, 2 q.

Lingalit de Markov donne une borne suprieure la probabilit quune variable alatoire
positive soit plus grande ou gale une constante.
Thorme 27.18 (Ingalit de Markov).
Soit X une variable alatoire valeurs dans

pour tout a 0.

Rd et : Rd r0, 8r. Alors

E pXq
P pXq a
a
`

Dmonstration. Calculons le second membre :

`

E pXq
pXq

dP
a
a

pXq
pXq

dP `
dP
a on
a
pXqa loomo
pXqa

Do lingalit voulue.

27.4

(27.41)

(27.42)

dP

pXqa

P pXq a .

Estimation ponctuelle

Nous considrons un modle statistique

S p, F, P q, pX q, p q P

(27.43)

1472

CHAPITRE 27. STATISTIQUES

et pour tout nous notons X pX,1 , . . . , X,n q un chantillon de loi parente . Tant que nous
travaillerons avec un fix, nous crirons X pX1 , . . . , Xn q sans expliciter la paramtre . Nous
noterons

E pX1 , . . . , Xn q
px1 , . . . , xn qdbn
(27.44)
px1 , . . . , xn q.
Rn

Dans cette notation nous plaons le sur lesprance, tandis quen ralit le devrait tre sur
chaque X1 . Tant quaucune confusion nest possible nous ferons toujours cet abus dcriture.
Le but de la thorie de lestimation est de dduire la valeur de (et donc la loi ) partir
dun chantillon de loi parente .
Nous posons les hypothses suivantes.
(1) Le modle statistique S est paramtr, cest dire que Rd avec le plus souvent d 1, 2.
Typiquement les paramtres seront la moyenne et la variance.
(2) Le modle statistique est identifiable, cest dire que pour tout couple p1 , 2 q P 2 , si
1 2 , alors 1 2 .
(3) Le modle S est domin par la mesure de Lebesgue si les lois sont continues et par la
mesure de comptage si les lois sont discrtes.

Exemple 27.19
`

La famille des lois exponentielles E pq 0 est identifiable. Les lois gaussiennes N pm, 2 q mPR,2 0
sont galement identifiables.
En ralit il est assez compliqu de trouver un exemple de modle non identifiable moins
de
la
faire exprs. Par exemple en paramtrant les lois exponentielles de la faon suivante :
`
E psinpqq PR . Cette famille nest pas identifiable.
4

Le corollaire 13.6 ainsi que lhypothse de modle domin implique que les lois ont des densits.
Si la loi est discrte, nous notons
ppx, q ptxuq

(27.45)

ppx, q f pxq

(27.46)

la densit de par rapport la mesure de comptage. Si La loi est continue, nous notons

la densit par rapport la mesure de Lebesgue.

Si est une loi discrte et si pX1 , . . . , Xn q est un chantillon de taille n, alors pour tout
px1 , . . . , xn q P Rn nous avons
`

pn px1 , . . . , xn ; q bn
tx1 , . . . , xn u ptx1 uq . . . ptxn uq ppx1 , q . . . ppxn , q.
(27.47)

La premire et la dernire galit sont des notations ; la seconde est une consquence de lindpendance des Xi contenues dans lchantillon. Pour une loi continues, nous adoptons la mme
notation. Le vecteur alatoire pX1 , . . . , Xn q admet la densit
px1 , . . . , xn q pn px1 , . . . , xn ; q f px1 q . . . f pxn q ppx1 , q . . . ppxn , q.

(27.48)

Exemple 27.20
Soit pX1 , . . . , Xn q un n-chantillon de loi Bp1, q avec P s0, 1r. Cest une loi discrte porte par
lensemble t0, 1u. Nous avons
$

si 0 x 1
&0
ppx, q 1 si x 0
(27.49)

si x 1.

De faon plus condense nous pouvons crire

ppx, q x p1 q1x 1t0,1u pxq.

(27.50)

1473

27.5. STATISTIQUES ET ESTIMATEURS

Pour tout px1 , . . . , xn q P Rp , la densit du n-chantillon est donne par
pn px1 , . . . , xn ; q x1 `...`xn p1 pq1

i p1xi q

1t0,1un px1 , . . . , xn q.

(27.51)
4

27.5

Statistiques et estimateurs

Dfinition 27.21.
Une statistique sur un modle dchantillonnage est une variable alatoire fonction de lchantillon
pX1 , . . . , Xn q ne dpendant pas de 1 . Cest dire une application borlienne T : Rn R ne
dpendant pas de . La statistique associe cette application est S T pX1 , . . . , Xn q.

Les fonctions T pX1 , . . . , Xn q donnes par i Xi , e Xi sont des statistiques. La constante 12 est
galement une statistique (mais elle est moins intressante).
Un estimateur est une statistique qui prend ses valeurs dans . Nous la noterons
n pX1 , . . . , Xn q.

(27.52)

La fonction n est borlienne valeurs dans .

Exemple 27.22

Soit un n-chantillon de loi Bp1, qPr0,1s . Les fonctions n n1 ni1 Xi et n 12 sont des
estimateurs. Cependant nous devinons que la premire va tre plus intressante que la seconde.
4

Pour la suite, nous travaillerons avec des estimateurs de carr intgrable, cest dire que
`

E |n pX1 , . . . , Xn q|2 8
(27.53)

pour tout P .

27.5.1

Qualit des estimateurs

Dfinition 27.23.
Une estimateur est convergent ou consistant si pour tout P , la suite de variables alatoires
n pX1 , . . . , Xn q converge en probabilit vers .
En dautres termes, lestimateur n est convergent si pour tout P et pour tout 0,
`

lim P |n pX1 , . . . , Xn q | 0.
(27.54)
n8

La probabilit dans le membre de gauche est donne par

(
n
n px1 , . . . , xn q | .
bn
px
,
.
.
.
,
x
q
P
R
tel
que
|

1
n

(27.55)

Soit n un estimateur pour . Nous cherchons minimiser lerreur commise en remplaant

par n . Nous introduisons donc le risque quadratique de lestimateur n par
`

Rpn , q E pn q2 .
(27.56)
Nous disons quun estimateur n,1 est prfrable n,2 si pour tout P nous avons
Rpn,1 , q Rpn,2 , q.
1. Parce que dhabitude cest ce quon cherche estimer.

(27.57)

1474

CHAPITRE 27. STATISTIQUES

Lemme 27.24.
Une formule alternative pour le risque quadratique :

Dmonstration. Nous avons

`
2
Rpn , q Varpn q ` E pn q

(27.58)

E pn q2 Varpn q E pn q2 .

(27.59)

2
Dune part Varpn q Varpn q et dautre part E pn q2 Epn q . Par consquent

2
(27.60)
Rpn , q Varpn q Epn q .
Le biais de lestimateur n est la quantit
E pn q .

(27.61)

ce niveau, nous rappelons que nous crivons E lesprance calcule en supposant la valeur
pour le paramtre des diffrentes variables alatoires entrant dans le calcul. Voir la discussion
autour de la dfinition (27.44).
Exemple 27.25
Dans le cadre de la proposition 26.87, nous voulons savoir si
. Pour ce faire nous calculons

1
Nt
E pNt q
E
t
t

Nt
t

est un estimateur sans biais de

(27.62)

parce que EpNt q t. Ici nous avons calcul EpNt q en prenant pour valeur du paramtre du
processus de Poisson, alors que en principe cest justement le paramtre que nous voulons estimer.
4
Exemple 27.26
n est un estimateur sans billet de la moyenne. Lestimateur
La moyenne empirique X
n
1
i q2
pXi X
n 1 i1

est un estimateur sans billet de la variance.

(27.63)
4

Un estimateur sans biais nest pas toujours de meilleur qualit quun estimateur avec biais. En
effet ce que nous voulons est de se donner un (petit) intervalle I autour de la bonne valeur de et
de maximiser P pn P Iq. Sur la figure 27.1, cest lestimateur biais rouge tombe plus souvent sur
le bon intervalle que lestimateur non biais bleu.
Nous allons maintenant tudier quelques manires de construire des estimateurs convergents.
Il vont videmment sappuyer sur la loi des grands nombres.

27.5.2

Mthode des moments

Sans surprises, un bon estimateur pour la moyenne est

n
1
Xi .
n pX1 , . . . , Xn q
n i1

Plus gnralement, nous supposons quil existe une fonction borlienne 2 M :

`

E |M pXq| 8

2. Dfinition 7.64.

(27.64)

R R telle que

(27.65)

1475

27.5. STATISTIQUES ET ESTIMATEURS

2

Figure 27.1 Un estimateur sans biais et un avec biais.

o X est la loi parente de lchantillon. Supposons galement que la fonction
`

hpq E M pXq

(27.66)

soit inversible et continue sur . Dans ce cas, pour estimer le paramtre , nous considrons
lestimateur

n
1
1

n h
M pXi q .
(27.67)
n i1

Cela est un estimateur convergent. En effet, la loi des grands nombres dit que
`

1
p.s.
M pXi q E M pXq .
n i

En composant avec la fonction h, nous avons

`

p.s.
n h1 E M pXq .

(27.68)

(27.69)

Dans cette construction, M pXq est le moment de X que lon souhaite dterminer.

Exemple 27.27
n . Pour une loi exponentielle,
Soit pX1 , . . . , Xn q un chantillon de loi E pq. Construire
EpXq

1
.

(27.70)

Nous devons donc dterminer le moment dordre 1 de X (cest dire sa moyenne). Nous considrons
donc la fonction M pxq x ; par consquent
hpq EpXq

(27.71)

et h1 pq 1{. Lestimateur que nous considrons pour est finalement

n

1
n

1
n

i1 Xi

(27.72)
4

1476

27.5.3

CHAPITRE 27. STATISTIQUES

Mthode de substitution

Supposons que nous connaissions un estimateur convergent n . Si g :

fonction continue, alors
gpn q gpq.

27.5.4

Rd R est une
(27.73)

Mthode du maximum de vraisemblance

Exemple 27.28
Nous dsirons contrler la qualit dune chane de production ; pour cela nous prlevons un chantillon de 10 pices, et nous en trouvons 3 dfectueuses. Que dire de la proportion de pices dfectueuses ?
videmment, le plus probable est que la proportion de pices dfectueuses soit de 1{3. Analysons
en dtail comment nous arrivons ce rsultat. Nous considrons que le fait de tirer 10 pices
revient une exprience binomiale de paramtres 10 et de probabilit p inconnue. Dans ce cas, la
probabilit dobserver exactement 3 pices dfectueuses est de

10 3
Lppq P pX 3q
p p1 pq7 .
(27.74)
3
Le maximum de Lppq est p 3{10.
Lppq
1
5

3
10

3
5

9
10

Figure 27.2 La fonction de vraisemblance de lexemple 27.28.

Soit px1 , . . . , xn q, une ralisation de lchantillon pX1 , . . . , Xn q. Lapplication

pn px1 , . . . , xn ; q

ppxi , q

(27.75)

i1

est la vraisemblance de lchantillon. Nous dfinissons n par

pn px1 , . . . , xn ; n q sup pn px1 , . . . , xn ; q.

(27.76)

Remarque 27.29.
Nous passons sous le silence le fait que la fonction sup soit une fonction mesurable, et que par
consquent n soit bien une variable alatoire.
La variable alatoire n n pX1 , . . . , Xn q est lestimateur de maximum de vraisemblance
de .
Exercice 1
Soit pX1 , . . . , Xn q un chantillon de loi Bp1, q avec P r0, 1s. Trouver lestimateur de maximum
de vraisemblance de .

1477

27.5. STATISTIQUES ET ESTIMATEURS

Correction de lexercice 1
En utilisant la densit de la loi multinomiale,

pn px1 , . . . , xn ; q
ppxi , q
xi p1 q1xi 1t0,1un px1 , . . . , xn q.
i

(27.77)

En passant au logarithme, si xi P t0, 1u,

Ln pq
xi lnpq ` p1 xi q lnp1 q

(27.78)

En passant la drive, nous trouvons que lextremum est donn par

n
1
xi .
n i1

(27.79)

Exercice 2
Soit pX1 , . . . , Xn q un chantillon de loi E pq avec 0. Trouver lestimateur de maximum de
vraisemblance de .
Correction de lexercice 2
Nous avons
pn px1 , . . . , xn q

i exi .

(27.80)

i1

En passant au logarithme la fonction minimiser est

Lpq n lnpq
La minimisation donne

xi .

n
,
i xi

cest dire

(27.81)

(27.82)

n
1
n pX1 , . . . , Xn q

.
(27.83)

Xn
i Xi
Ce rsultat nest pas tonnant vu que le paramtre de la loi exponentielle est linverse de la
moyenne.
Exercice 3
Soit pX1 , . . . , Xn q, un chantillon de loi parente uniforme sur r0, s avec 0.
(1) Montrer que la fonction de vraisemblance est donne par
Lpx1 , . . . , xn ; q

1
1r0,8r minpx1 , . . . , xn q 1rmaxpx1 ,...,xn q,8r pq.
n

(27.84)

(2) Dterminer lestimateur du maximum de vraisemblance de .

Correction de lexercice 3
Lorsque nous parlons de paramtres qui peuvent prendre un spectre continu de valeurs, il
est inutile de calculer la probabilit parce quelle est nulle. Le systme de maximum de vraisemblance fonctionne avec les densits. Dans notre cas, la fonction de vraisemblance est le produit des
densits :
Lpx1 , . . . , xn ; q

ppxi ; q

(27.85a)

i1

1
i

1r0,s pxi q

1
1 n px1 , . . . , xn q.
n r0,s

(27.85b)
(27.85c)

1478

CHAPITRE 27. STATISTIQUES

De cette expression nous voyons que mintx1 , . . . , xn u doit tre positif en mme temps que le
maximum doit tre plus petit que . Cette seconde condition peut scrire 1rmaxtx1 ,...,xn u,8r pq. Au
final nous avons
Lpx1 , . . . , xn ; q

1
1
minpx
,
.
.
.
,
x
q
1rmaxtx1 ,...,xn u,8r pq.
1
n
r0,8r
n

(27.86)

Il nest videmment pas possible de driver explicitement cette expression. Par contre pour
cette fonction soit non nulle, il faut obligatoirement maxtx1 , . . . , xn u. Par consquent elle
prend son maximum pour maxtx1 , . . . , xn u.
La conclusion est que lestimateur de maximum de vraisemblance de est n maxi tXi u.
Exercice 4
Dterminer lestimateur de maximum de vraisemblance de la moyenne pour un modle statistique dans laquelle la famille de probabilits est
p q tN p, 2 q tel que PP Ru.

(27.87)

Nous supposons que est connu.

Correction de lexercice 4
La densit de la variable alatoire conjointe pX1 , . . . , Xn q au point px1 , . . . , xn q est le produit
des densits, donc


n

1
1 xi m 2
m, px1 , . . . , xn q n
.
(27.88)
exp
2 i

p2qn{2
i1
tant donn que le but est de minimiser, nous pouvons oublier le facteur et passer au logarithme :

n
1 xi m 2
L0 p
xq
.
(27.89)
2 i0

1
2

et le 1{ 2 . La fonction minimiser devient

Lpx1 , . . . , xn q pxi mq2 ,

Nous pouvons galement supprimer le

(27.90)

dont la drive vaut 2nm 2

27.5.5

i xi .

Par consquent nous avons un minimum avec

m

n
1
xi .
n i1

(27.91)

Estimation dune fonction de rpartition

Thorme 27.30 (Glivenko-Cantelli[300]).

Soient Xi des variables alatoires indpendantes et identiquement distribues suivant une loi dont
la fonction de distribution est F (inconnue). Nous dfinissons lestimateur
n
1
Fn pxq
1X x .
n i1 i

Alors
P

lim }Fn F }8 0 1.

n8

(27.92)

(27.93)

Autrement dit, pour presque tout P ,

lim }Fn p, .q F }8 0.

n8

Cest dire quil y a presque certainement convergence en probabilit.

(27.94)

1479

27.5. STATISTIQUES ET ESTIMATEURS

Notons que de faon gnrale lorsquon parle destimateurs, partout o il y a un n dans une
variable alatoire, il y a une dpendance sous-entendue en .
Proposition 27.31.
Pour presque tout x, lestimateur Fn pxq est sans biais par rapport F pxq :
`

E Fn pxq F pxq.

(27.95)

Dmonstration. Cest juste un calcul :

n
n
`
1
`
1
E Fn pxq
E 1tXi xu
F pxq F pxq.
n i1
n i1

(27.96)

Exercice 5
Dans cet exercice nous construisons un estimateur biais qui prsente un risque quadratique
infrieur un estimateur non biais.
Soit un modle statistique dont la famille de lois est tN pm, 2 quPs0,8r o m est un paramtre
rel connu. En ce qui concerne la variance nous considrons

n2

n
1
pXi mq2 .
n i1

(27.97)

(1) Montrer que

n2 est un estimateur sans biais de .
(2) Montrer que le risque quadratique de
n2 est

Rp
n2 , q

22
.
n

(27.98)

(3) Considrer la famille destimateurs c

n2 avec c 0. Dterminer la valeur de c qui minimise
le risque quadratique de lestimateur.
Correction de lexercice 5
(1) Nous calculons

1
E pXi mq2
n i
1
1

VarpXi mq
EpXi mj 2 q
n i
n i
1

VarpXi q
n i

Ep
n2 q

(27.99)

2.

(2) Par la formule (27.60) nous savons que le risque dun estimateur sans biais est donn par
sa variance :
Rpn , q Varp|
n2 |q Varp
n2 q.
(27.100)
tant donn que les variables alatoires Xi sont indpendantes et identiquement distribues,
le lemme 26.22 nous enseigne que la variance de la somme est la somme des variances. Nous
avons donc calculer
n2 q
Varp|
n2 |q Varp

1
2
Var pXi mq2
n i

2
1
2
E pXi mq4 E pXi mq2 .
n i

(27.101)

1480

CHAPITRE 27. STATISTIQUES

Ces esprances ne sont pas trs compliques calculer en utilisant la fonction caractristique
donne par la proposition 26.89 :
2 2
`

t
Xm ptq E eitpXmq eitm EpeitX q eitm X ptq exp
.
(27.102)
2
Nous avons p4q p0q 3 4 et 2 p0q 2 . Par consquent
Varp
n2 q
Notez ici que 2 .

1 2 22
2
.
n2 i
n

(27.103)

(3) En tenant compte du fait que Varp

n2 q 2n et Ep
n2 q , nous avons
` 2

E pc
n q2 Varpc
n2 q ` Epc
n2 q2
2

c2 2
n

(27.104a)

` pc 1q2 2 .

(27.104b)

n
. Notons que nous navons
La drive (par rapport c) de cela sannule pour c0 n`2
pas tout fait dmontr que cela est bien un minimum. Calculons cependant le risque
quadratique de notre estimateur pour cette valeur de c. Pour cela nous reportons c c0
dans lexpression (27.104b) :
` n

22

n2
E
.
(27.105)
n`2
n`2

Cela est effectivement plus petit que Rp

n2 , q.

Nous avons ainsi construit un estimateur biais qui a un risque quadratique plus petit que lestimateur non biais.
Exercice 6
Nous considrons la famille de probabilits N pq o pm, 2 q P R s0, 8r. Dterminer
lestimateur de maximum de vraisemblance du paramtre pm, 2 q.
Correction de lexercice 6
Pour chaque observation xi nous avons une densit gaussienne. Le produit donne

ff

1
1
p x1 , . . . , xn ; pm, 2 q 2
exp 2 pxi mq2 .
2 i
p2qn{2

(27.106)

En passant au logarithme et en supprimant des facteurs inutiles la minimisation,

Lpm, q n lnpq

1
pxi mq2 .
2 2 i

Lannulation de la drive par rapport m donne immdiatement m

la drive par rapport donne

n 2 ` pxi mq2 0

(27.107)
1
n

i xi .

Lannulation de
(27.108)

et donc

1
pxi x
n q.
n i

Lestimateur de maximum de vraisemblance du couple pm, 2 q est donc

1
1
n q2 .
n
Xi ,
pXi X
n i
n i

(27.109)

(27.110)

27.6. ESTIMATION PAR INTERVALLE DE CONFIANCE

27.5.6

1481

Esprance et variance dun estimateur

Soit Tn Tp X1 , . . . , Xn q un estimateur du paramtre dans un modle dchantillonnage. Les

moyennes et variances de lestimateur sont les variables alatoires

m,n E pTn q
Tn px1 , . . . , xn qdbn
(27.111a)
px1, . . . , xn q,
n
R

Var pTn q
rTn px1 , . . . , xn q m,n s2 dbn
(27.111b)
px1, . . . , xn q,
Rn

Lemme 27.32.
Si lestimateur Tn satisfait
lim E pTn q

n8

lim Var pTn q 0,

n8

(27.112a)
(27.112b)

alors il est convergent.

Dmonstration. Nous utilisons lingalit de Markov (thorme 27.18) et nous introduisons lesprance de lestimateur :
`
1 `

P |Tn pX1 , . . . , Xn q |  E Tn pX1 , . . . , Xn q

(27.113a)

1 `

1 `
(27.113b)
E |Tn mn, | ` E |mn, |


(27.113c)
Le second terme est lesprance dune constante. Nous majorons le premier terme en utilisant le
fait que }.}1 }.}2 (voir la remarque 18.21 aprs lingalit de Hlder) :
`
1 `
1{2 1
P |Tn pX1 , . . . , Xn q |  E |Tn mn, |2
` |E pTn q |
(27.114a)


1
1
(27.114b)
VarpTn q1{2 ` |E pTn q |.


Les deux termes tendent sparment vers zro par hypothse. Nous avons par consquent la convergence en probabilit Tn .

27.6

Estimation par intervalle de confiance

Nous voudrions estimer la proportion dindividus dans une population ayant un certain caractre dtermin par une variable boolenne : chaque individu a ou non le caractre tudi.
Lchantillon sera donc une suite de 0 et de 1.
Pour tout i P t1, . . . , nu nous notons
#
1 si le ime individu a la caractre
xi
(27.115)
0 sinon.

et x
n n1 ni1 xi . Notre modle statistique sera

S p, F, P q, pX q, Bp1, q
(27.116)
o est lensemble des individus tudis, P est la manire de choisir les individus lors du sondage
(essentiellement cest une loi uniforme) et X est la variable alatoire
#
1 si a le caractre
Xpq
(27.117)
0 sinon

Cela est une variable alatoire de distribution Bp1, pq o p est inconnu. Ici, r0, 1s est lensemble
des p possibles.

1482

CHAPITRE 27. STATISTIQUES

Remarque 27.33.
Nous supposons que est la population entire et que la variable alatoire est lopinion de la
personne . En cela, nous considrons que le tirage de lchantillon est sans remise. Le fait que nous
modlisions par une variable alatoire de Bernoulli signifie que nous considrons lapproximation
dans laquelle la population globale est grande.
Nous supposons que nous ayons un chantillon pX1 , . . . , Xn q dont nous avons observ une
n
ralisation px1 , . . . , xn q de frquence x
n . Nous voudrions dterminer un intervalle dans lequel X
a de fortes chances de se trouver. Plus prcisment nous considrons un petit et nous cherchons
 tel que
`

n , X
n ` s 1 .
P p P rX
(27.118)

Typiquement, 5%. Le nombre est le niveau de confiance que nous nous fixons a priori.
Si nous trouvons un intervalle I tel que P pp P Iq 1 , nous disons que lintervalle est exact,
si nous avons P pp P Iq 1 , nous disons que lintervalle est par excs.
Il y a deux points de dparts pour trouver lintervalle. Le plus simple est dutiliser le thorme
central limite et considrer
n p
? X
L
N p0, 1q.
(27.119)
na
pp1 pq
n Xi Bpn, pq.
La seconde est dutiliser la loi exacte : nX
i
Bien entendu la seconde donne lieu des calculs plus complique.
Remarque 27.34.
Dans certaines vraies vies (par exemple en mdecine), la taille des chantillons est trs rduite.
Dans ce cas le thorme central limite na aucun sens et les calculs exact simposent.
De plus dans de nombreux cas de la vraie vie, nous avons un ordinateur disposition pour
calculer avec la loi exacte. Lutilisation du thorme central limite dans le but de produire un
intervalle de confiance semble donc de plus en plus tre une survivance du pass.
Dans la suite, nous allons supposer que n est suffisamment grand pour justifier lapproximation
normale du thorme central limite 26.74. Si Z est une variable alatoire normale centre rduite,
notre premier essai est de faire
`

n , X
n ` s
1 P p P rX

?
?
n p
? X
 n
 n
P a
na
a
pp1 pq
pp1 pq
pp1 pq

?
?
 n
 n
P a
Z a
pp1 pq
pp1 pq

?
 n
2P Z a
1.
pp1 pq

(27.120a)
(27.120b)
(27.120c)
(27.120d)

La dernire ligne utilise la symtrie de la distribution N p0, 1q. Le nombre  que nous cherchons
vrifie donc

?
 n

P Za
1 .
(27.121)
2
pp1 pq

De nos jours, les ordinateur donnent la loi de rpartition inverse des normales. Cela nous fournit
un nombre t tel que
?
 n
a
t
(27.122)
pp1 pq

o t est le nombre tel que P pZ t q 1 {2.

Conclusions de ce premier essai :

1483

27.6. ESTIMATION PAR INTERVALLE DE CONFIANCE

(1) Le problme est que nous ne pouvons pas dduire  de lquation (27.122) parce que p est
inconnu.
(2) Cela ruine notre premier essai et nous demande de trouver mieux.
n , mais il faut le justifier.
(3) Lastuce est videmment de remplacer p par X
Mthode Slutsky Le point de dpart du premier essai infructueux tait la convergence
n p L
? X
na
N N p0, 1q
pp1 pq

(27.123)

donne par le thorme central limite 26.74. Ce que nous voudrions en ralit est la convergence
n p
?
X
L
N
(27.124)
nb
nq
n p1 X
X
La loi des grands nombres nous donne

p.s.
n p1 X
n q
X
pp1 pq.

Par consquent le lemme de Slutsky implique la convergence en loi du couple :

n p b
a

? X
L `
n p1 X
nq
, X
N, pp1 pq .
na
pp1 pq

(27.125)

(27.126)

ce point des oprations nous pouvons utiliser la proposition 26.60 au couple avec la
fonction
xa
f px, yq
pp1 pq
(27.127)
y
dont la probabilit dtre continue est 1 (y 0 est de mesure nulle dans R2 ). La conclusion
du thorme est que
n p
?
X
L
N p0, 1q.
(27.128)
nb

Xn p1 Xn q
Cest partie de l que nous pouvons construire notre intervalle de confiance :
n  p X
n ` q
1 P pX

?
?
n p
?
n

n
X
q
P b
nb
b
n p1 X
nq
n p1 X
nq
n p1 X
nq
X
X
X

?
?
n
n
q.
P b
N b

Xn p1 Xn q
Xn p1 Xn q

(27.129a)
(27.129b)

(27.129c)

Nous cherchons maintenant dans les tables le qui fait

P p N q 1
puis nous cherchons  de telle sorte avoir
?
n
b
.
n p1 X
nq
X

Dans cette quation tout est connu part le  qui se dcouvre.

(27.130)

(27.131)

1484

CHAPITRE 27. STATISTIQUES

Mthode pitonne Nous remarquons que lvnement

?
?
n p
? X
 n
 n
a
na
a
pp1 pq
pp1 pq
pp1 pq
est le mme que lvnement

? X
n p

t .
na

pp1 pq

(27.132)

(27.133)

Vu que t est positif, cela est encore le mme vnement que

n
ou encore

n pq2
pX
t2
pp1 pq

n ` t 2 q ` nX
2 0.
p2 pn ` t2 q pp2nX

Les racines du polynme du membre de gauche sont

b
2

n ` t q2 4pn ` t2 qnX
n2
2nXn ` t p2nX
.
p
2pn ` t2 q

(27.134)
(27.135)

(27.136)

Le but tant deffectuer une limite n 8, nous factorisons dabord n. Aprs simplification
b
n ` t t t22 ` X n p1X n q
X
2n
n
4n
p
.
(27.137)
t
1` n
tant donn que nous considrons que n est grand, nous allons ngliger les termes en n1 en
?
faisant attention ce que le terme en n1 sous la racine est en ralit 1{ n et ne doit pas
tre nglig. Nous trouvons, cette approximation, que
d
d

n t Xn p1 Xn q , X
n ` t Xn p1 Xn q
pP X
(27.138)
n
n
avec une probabilit 1 .

27.6.1

Rgion de confiance

Soit un n-chantillon pX1 , . . . , Xn q de loi parente . Nous supposons

Soit P r0, 1s un intervalle de confiance et une application mesurable
:

Rn Borpq

px1 , . . . , xn q px1 , . . . , xn q.

R avec ouvert.
(27.139)

On appelle rgion de confiance exact au niveau de confiance 1 une rgion alatoire

px1 , . . . , xn q telle que
`

P P px1 , . . . , xn q 1 .
(27.140)
Si d 1, la rgion px1 , . . . , xn q est un intervalle.

27.6.2

Fonction pivotale

Soit n , un estimateur de . Une fonction v sur est pivotale pour si la loi de la variable
alatoire vpn , q ne dpend pas de . Elle est asymptotiquement pivotale si
vpn , q
L

o est une variable alatoire indpendante de .

(27.141)

27.6. ESTIMATION PAR INTERVALLE DE CONFIANCE

1485

En pratique, nous essayons de faire apparatre une variable alatoire de loi connue qui ne
dpend pas du paramtre que lon recherche. Si la variance est connue et si lchantillon est grand,
le thorme central limite nous permet dintroduire une loi normale centre rduite.
Exemple 27.35
Soit X1 , . . . , Xn des variables alatoires de loi parente N pm, 2 q. Une fonction asymptotiquement
pivotale pour m est
z1 z2
?
(27.142)
vpz1 , z2 q
{ n
parce que la variable alatoire
n , mq
vpX

n m
X
?
{ n

tend vers N p0, 1q qui ne dpend pas de m.

(27.143)
4

Exemple 27.36
Si pXn q est une suite de variables alatoires indpendantes et identiquement distribues de moyenne
m et dcart type que nous supposons inconnus. Le fonction suivante est asymptotiquement
pivotale pour m :
m
n , mq Xn ?
vpX
.
(27.144)
{ n
4

Soit pX1 , . . . , Xn q un chantillon de loi N pm, 02 q avec 02 connu. Nous cherchons un intervalle
de confiance 1 pour m. Pour cela nous allons utiliser une fonction asymptotiquement pivotale,
savoir
n m
X
? N p0, 1q.
(27.145)
02 { n

Nous devrions chercher des valeurs z` de z telles que

n m
X
? z` 1 .
P z
0 { n

(27.146)

Pour des raisons de symtries (de la courbe gaussienne), nous allons chercher un intervalle symtrique : z z` . Le nombre chercher est donc le z tel que
`

P |Z| z 1 .
(27.147)

Si nous demandons 5%, la rponse est z 1.96, cest dire que

n m
X
? 1.96 0.95.
P 1.96
{ n
Nous avons donc

1.96
1.96

P m P Xn ? , Xn ` ?
0.95.
n
n

(27.148)

(27.149)

Supposons maintenant que nous avons observ 100 valeurs numriques avec x
n 12 et 1.
La ralisation de lintervalle de confiance pour m au niveau de confiance 0.95 est :

12 0.196, 12 ` 0.196 .
(27.150)

Cet intervalle est interprter de la faon suivante : si nous recommenons un grand nombre de
fois le sondage, la moyenne tombera 95% des fois dans lintervalle ainsi calcul. Mais il faut bien
comprendre que la probabilit
`

P m P 12 0.196, 12 ` 0.196
(27.151)

1486

CHAPITRE 27. STATISTIQUES

vaut zro ou un.

Exercice 7
Soit un chantillon pX1 , . . . , Xn q de loi parente N pm, 2 q o m et 2 sont inconnus. Dterminer
un intervalle de confiance exact symtrique au niveau de confiance 1 .
Dterminer un intervalle de confiance pour 2 .
Correction de lexercice 7
Nous savons que la moyenne empirique est un estimateur de la moyenne :
n

n 1
X
Xi .
n i1

(27.152)

n , X
n ` s pour lequel P pm P Iq 1 . Nous
Nous cherchons un intervalle du type I rX
savons que la variable alatoire
n m
X
?
(27.153)
{ n
suit une loi N p0, 1q, mais la variance est inconnue. La subtilit savoir est que la variable alatoire
Z

n m
X
?
Sn {

(27.154)

n q2 {pn 1q suit une loi de Student n degrs de libert T pn 1q en vertu du

o Sn2 i pXi X
thorme de Cochran 27.15. Comme il est usuel de le faire, nous inversons lintervalle :
`

n m 
1 P  X
(27.155a)
?
?
 n
 n
Z
.
(27.155b)
P
Sn
Sn
Les valeurs se trouvent dans des tables ; par exemple pour n 10 et 5% nous trouvons
?
 n
2.262.
(27.156)
Sn
Plus gnralement nous notons tn1,1 2 le quantile dordre 1 2 de la loi T pn 1q, cest dire
le nombre tel que

P pZ tn1,1 2 q 1
(27.157)
2
si Z T pn 1q. Lintervalle de confiance est alors donn par

tn1,1 2 Sn
tn1,1 2 Sn

?
?
I Xn
, Xn `
.
(27.158)
n
n

Cela est un intervalle exact pour m au niveau de confiance 1 .

Nous pouvons aussi trouver un intervalle asymptotique en utilisant le thorme central limite :
n m L
X
? T
Sn { n

(27.159)

lim P pm P In q 1 .

(27.160)

avec T N p0, 1q.

Rappel : dire que In est un intervalle de confiance asymptotique signifie que
n8

En ce qui concerne la variance 2 , lintervalle de confiance se construit en utilisant la partie

(2) du thorme de Cochran 27.15. Nous introduisons la variable alatoire pivot
Z pn 1q

Sn2
2

(27.161)

1487

27.6. ESTIMATION PAR INTERVALLE DE CONFIANCE

qui suit une loi 2 pn 1q. Cette loi ntant pas symtrique (voir figure 26.1), nous nallons pas
chercher un intervalle de confiance symtrique. Nous cherchons c1 et c2 tels que

$ ` 2
P

P
rc
,
c
s
1
(27.162a)

1
2

& ` 2

(27.162b)
P P r0, c1 s
2

% P 2 P rc2 , 8r
(27.162c)
2
La situation est reprsente la figure 27.3.
1
10

1
20

10

15

20

25

30

Figure 27.3 Lintervalle de confiance pour une 2 .

Le construction des nombres c1 et c2 passe par la relation

pn 1qSn2
pn 1qSn2
2
Z
.
P pc1 c2 q P
c2
c1

(27.163)

Nous notons tn1, 2 et tn1,1 2 les quantiles donns sur la figure 27.3, cest dire
P pZ tn1, 2 q

P pZ tn1,1 2 q 1 .
2
2

(27.164a)

Ce que nous obtenons est

pn 1qSn2
tn1, 2
c2
pn 1qSn2
tn1,1 2 ,
c1
et par consquent lintervalle de confiance pour 2 est
ff

pn 1qSn2 pn 1qSn2
,
I
tn1,1 2 tn1,1 2

(27.165a)
(27.165b)

(27.166)

avec P p 2 P Iq 95%.
Remarque 27.37.
Il nest pas clair a priori que la longueur de lintervalle I dcroisse avec n parce quil y a n dans
les t au numrateur.

27.6.3

Sondage de proportion

Une utilisation classique des statistiques est dinterprter une proportion donne par un sondage. Nous considrons une lection avec deux candidats A et B. Nous avons interrogs n 2500

1488

CHAPITRE 27. STATISTIQUES

personnes et nous avons obtenus 51% pour le candidat A et 49% pour le candidat B. Que peut on
dire ?
La modlisation de cette situation est que nous avons des variables alatoires Xi BppA q et
que nous en avons observs n avec une moyenne
x
n 0.51.

(27.167)

n est une binomiale. Sa densit nest pas symtrique, mais si n est grand, elle le devient.
La loi de X
Nous cherchons un intervalle
n , X
n ` s
I rX
(27.168)

tel que P ppA P Iq 1 . Pour cela nous considrons le fait que n 2500 est grand et nous
utilisons la limite de la proposition 27.10 :
?

Zn

nb

n pA
X

n p1 X
nq
X

Z N p0, 1q.

(27.169)

La variable alatoire Zn est asymptotiquement pivotale et normale centre rduite. Nous cherchons
n pA :
donc un intervalle symtrique pour X
cest dire, si n est grand,

n pA q,
1 P p X

(27.170)

n
n

1 P  b
Zn  b

Xn p1 Xn q
Xn p1 Xn q

(27.171)

o Zn est une normale centre rduite. Nous trouvons ainsi, via les tables que
?
 n
b
1.96
(27.172)
n p1 X
nq
X
?
n p1X
n q
X
?
si nous voulons un intervalle 5%. Par consquent nous avons  1.96
et lintervalle
nj
de confiance est
b
b
fi

n p1 X
nq
2.96 X
1.96 Xn p1 Xn q
n `
n
fl .
?
?
,X
(27.173)
IC X
n
n
La proprit de cet intervalle est que

lim P ppA P Ic q 1 .

n8

(27.174)

Remarque 27.38.
quel moment avons nous fait une hypothse sur la taille de la population globale ? En modlisant
les sonds par des variables de Bernoulli et leur somme par une binomiale, nous supposons que
le sondage est avec remise, sinon, elles ne seraient pas indpendantes. En supposant les sonds
indpendants, nous avons donc fait comme si la population totale tait infinie.

27.7

Estimer une densit lorsquon ne sait rien

Nous supposons avoir une srie dobservations issues dun processus complexe dont nous navons
aucune ide de la loi parente, et nous voudrions nous faire une ide de la densit de cette loi
inconnue.
Nous observons une suite de ralisations que nous modlisons comme tant des variables alatoires pX1 , . . . , Xn q de loi parente (inconnue) . Notre but est de trouver un estimateur
de .
Par simplicit nous allons nous restreindre aux lois admettant une densit par rapport la mesure
de Lebesgue. Cest dire que nous allons estimer par une suite de lois
n qui sont toutes des
lois acceptant une densit par rapport la mesure de Lebesgue.

1489

27.7. ESTIMER UNE DENSIT LORSQUON NE SAIT RIEN

27.7.1

Distance entre des mesures

R, la distance entre 1 et 2 est dfinie par

Si 1 et 2 sont deux mesures de densit sur

dp1 , 2 q

sup

APBorpRq

o BorpRq dsigne lensemble des borliens de

R.

1 pAq 2 pAq

(27.175)

Thorme 27.39 (de Scheff[301]).

Si f1 et f2 sont les densits de 1 et 2 par rapport la mesure de Lebesgue, alors

1
1
dp1 , 2 q pf1 f2 q`
|f1 f2 | }f1 f2 }1
2 R
2
R

(27.176)

o f` est la partie positive de f (pour la dcomposition f pxq f` pxq f pxq).

Dmonstration. La dernire galit est simplement une notation usuelle ; nous devons seulement
prouver les deux premires. Pour la premire nous commenons par prouver que le borlien ralisant
le supremum est
B tx P R tel que f1 pxq f2 pxqu.
(27.177)
En effet si A est un borlien nous avons

f1 f2
f1 f2
f1 f2 pf2 f2 q` pf1 f2 q` (27.178)
1 pAq 2 pAq
A

AXB

Justifications :
f1 f2 ngative sur A X AB.
Vu que f1 f2 0 sur B, lintgrale augmente si on augmente le domaine.
Sur B nous avons f1 f2 pf1 f2 q` .
Donc pour tout borlien A nous avons

dp1 , 2 q pf1 f2 q` .
R

Mais pour A B nous avons galit :

1 pBq 2 pBq
f1 f2 pf1 f2 q` pf1 f2 q.
B

(27.179)

(27.180)

Pour la seconde galit nous savons que f1 et f2 sintgrent toutes deux 1 (parce que ce sont
des densits de probabilit), donc

f1 f2 0.
(27.181)

En particulier nous avons

ce qui donne bien

pf1 f2 q ,

(27.182)

pf1 f2 q`

1
|f1 f2 |.
2 R

(27.183)

27.7.2

pf1 f2 q`

Estimateur par fentres glissantes

Nous considrons les estimations suivantes de la fonction de rpartition :

Fn pxq

n
1
1
,
n i1 tXi xu

(27.184)

1490

CHAPITRE 27. STATISTIQUES

et un nombre hn qui sera la taille de la fentre glissante. Nous avons en tte de faire limn8 hn 0.
Nous considrons ceci comme estimateur de la densit inconnue f des variables alatoires Xi :
Fn px ` hn q Fn px hn q
.
fn pxq
2hn

(27.185)

Lide sous-jacente est de prendre la drive de la fonction de rpartition comme densit.

Lemme 27.40 ([301]).
Pour tout hn 0, lestimateur fn est une densit de probabilit.

Dmonstration. Dabord fn est bien valeurs positives ou nulle. Ensuite devons parler de son
intgrale. Pour le numrateur nous avons
Fn px ` hn q Fn px hn q

n
1
1
.
n i1 Xi PBpx,hn q

(27.186)

En ralit cette galit est valable seulement presque partout parce quelle nest pas valable en
x x hn , mais cela ne va pas nous ennuyer dans la mesure o nous avons dans lide dintgrer
cela sur R. Avant de nous lancer dans lintgrale nous remarquons que Xi P Bpx, hn q est la mme
chose que x P BpXi , hn q, cest dire que
tXi P Bpx, hn qu tx P BpXi , hn qu.
Donc

n
n
1 1
1
fn
1BpXi ,hn q
2hn 1.
2hn n i1 loooooomoooooon
2nhn i1
R
R

(27.187)
(27.188)

2hn

Lemme 27.41 ([301]).

Lestimateur fn est dj pas mal parce que

pour presque tout x P R.

lim E fn pxq f pxq

hn 0

(27.189)

Dmonstration. Nous commenons par nous rappeler le fait que Fn pxq est un estimateur sans biais
de F pxq (proposition 27.31). Donc
`
F px ` hn q F px hn q
E fn pxq
.
2hn

(27.190)

Nous devons prendre la limite de cela lorsque hn 0, cest dire considrer la drive de F .
Attention : rien ne dit que F soit drivable, si ce nest la proposition 13.186 qui indique quelle est
drivable presque partout avec f comme drive.
La limite hn 0 dans (27.190) nous donne donc bien presque partout
`

lim E fn pxq f pxq.

(27.191)
hn 0

Proposition 27.42 ([301]).

Si la suite phn q est telle que hn 0 et nhn 8, alors pour presque tout x P
convergences
L2 pP q
fn pxq f pxq
et

P
fn pxq f pxq.

R nous avons les

(27.192)
(27.193)

1491

27.7. ESTIMER UNE DENSIT LORSQUON NE SAIT RIEN

Dmonstration. Il faut dabord comprendre ce que signifie la convergence L2 pP q pour presque tout
x. Pour cela il faut comprendre que fn pxq est en soi une variable alatoire et est en ralit une
fonction fn px, q. Ce que nous allons montrer est que pour presque tout x (maintenant fix),
cette variable alatoire converge vers une constante (par rapport ) et que cette constante est
f pxq.
`

L2 pP q
La convergence Xn X signifie E |Xn X|2 0, cest dire

Xn pq Xpq2 dP pq 0.
(27.194)

En faisant une dcomposition biais-variance nous devons donc tudier

`

2
`

2
E fn pxq f pxq
E fn pxq f pxq ` Var fn pxq f pxq

(27.195)

Ici f pxq doit tre vue comme la variable alatoire constante sur . Par le lemme 27.41 et la
proposition 26.24 le terme de biais converge vers zro lorsque n 8.
Pour traiter le terme de biais, nous savons dj que
2nhn fn pxq

i1

1tXi PBpx,hn qu ,

(27.196)

o le membre de droite (et donc aussi celui de gauche) est est une variable alatoire binomiale
`
comptant le nombre de succs de lexprience Xi P Bpx, hn q en n essais. Nous notons px,n P Xi P
Bpx, hn q . Si est la loi parente des Xi , alors
`

pn,x P Xi P Bpx, hn q Bpx, hn q F px ` hn q F px hn q

(27.197)
o F est la fonction de rpartition (parente) des Xi .
Alors la variance de ladite binomiale est donne par (26.311), cest dire npx,n p1 px,n q. Nous
avons alors
`

Var 2nhn fn pxq bpx,n p1 px,n q

(27.198)

et

Var fn pxq

1
npx,n p1 px,n q.
4n2 h2n

(27.199)

Nous pouvons faire la majoration tp1 tq t qui est valable pour tout t et crire
Varpfn pxqq

1 px,n
.
4nhn hn

(27.200)

Le premier facteur tend vers zro parce que nous avons suppos que nhn 8. Pour le second
facteur, il faut remarquer que lexpression (27.197) nous donne presque partout
pn,x
2f pxq,
hn 0 hn
lim

qui est constant et certainement born.

(27.201)

L pP q
Nous avons maintenant prouv que pour presque tout x nous avons fn pxq f pxq. Montrons
que cela implique la convergence en loi, cest dire que pour tout 0, nous avons la limite
`

P |fn pxq f pxq| 0.

(27.202)
2

Si cela ntait pas vrai, nous aurions un nombre 0 0 et  0 tel que pour tout n partir dune
certaine taille,

P |fn pxq f pxq|2 0 ,

(27.203)

et en particulier en notant A lvnement |fn pxq f pxq|2 02 , P pAq . Alors

fn px, q f px, q2 dP pq
fn px, q f px, q2 dP pq
02 02 P pAq.

(27.204)

1492

CHAPITRE 27. STATISTIQUES

Cela signifie que

}fn pxq f pxq}L2 pP q 0 P pAq,

(27.205)

ce qui contredit la premire convergence dmontre.

Note : lhypothse nhn 8 revient dire que nous voulons que chaque bote contienne de
plus en plus dobservations. Si nous avions nhn 0, alors avec n qui augmente, la majorit des
botes deviendraient vides, ce qui reviendrait une perte dinformation.

27.8

Test dhypothses, prise de dcision

27.8.1

Exemple : qualit des pices dusine

Une usine fabrique des composantes lectronique garantis un an. Le constructeur ne veut pas
accepter que plus de 5% des pices tombent en panne avant un an.
Nous supposons que la dure de vie T dune pice soit une variable alatoire suivant une loi
exponentielle de paramtre (qui est linverse de la moyenne : 1{). Le fabriquant veut donc
sassurer que
0.95 P pT 1q,
(27.206)
ou encore

P pT 1q
donc le fabriquant doit sassurer que

8
0

1 x{
e
dx e1{ 0.95,

ln

1
0.95

(27.207)

(27.208)

Nous posons donc 0 19.5 et nous prenons comme modle de dcision que si 0 , alors la
chane de production doit tre revue, et si 0 , alors lusine peut continuer son travail.
Ce dont nous disposons nest pas de , mais dune estimation de partir dun chantillon.
Cela tant il faudra aussi pouvoir estimer la probabilit de faire un mauvais choix.

27.8.2

Exemple : la rsistance dun fil

Un artisan a besoin dun fil qui a une rsistance une traction de 100 g en moyenne. Si la
rsistance est trop faible, le fil casse ; si elle est trop grande, cest trop rigide et a ne convient pas.
Remarque 27.43.
Dans lexemple prcdent, avoir 0 ne drange pas. Si la dure de vie moyenne est de 2 ans, le
directeur de lusine ne sera pas malheureux. Ici par contre lartisan cherche une valeur prcise et
a donc une borne vers le haut et vers le bas.
Lartisan reoit un lot de fils et souhaite savoir si il est conforme. Pour cela, il prend 4 fils au
hasard et mesure une moyenne de 112 g. Est-ce que cela est cohrent avec une moyenne de 100 g ?
Nous faisons lhypothse que ma rsistance des fils suit une loi normale N pm, 2 q avec m
inconnu. Pour la simplicit nous supposons que est connu et vaut 10.
Nous devons prendre une dcision entre deux hypothses. Lhypothse H0 sera de dire que le
lot a une rsistance de 100 g et lhypothse alternative sera que le lot a une rsistance diffrente.
Les 4 observations sont quatre variables alatoires pXi qi1,2,3,4 , et le nombre 112 est une ralisation de la variable alatoire
4 1 pX1 ` X2 ` X3 ` X4 q.
X
4

(27.209)

Nous supposons que H0 est vraie, et nous calculons quelle est lintervalle autour de m 100
qui a 95% de chances de contenir la moyenne observe. Si 112 est dedans, nous acceptons H0 et si
112 est hors de cet intervalle, nous refusons H0 .

27.8. TEST DHYPOTHSES, PRISE DE DCISION

1493

Compte tenue de lhypothse H0 , nous avons

4 100
X
10
?
4

4 100
X
N p0, 1q.
5

(27.210)

Nous commenons connatre par cur lintervalle de confiance 95% dune loi normale centre
rduite ; le quantile est 1.96, cest dire

4 100
X
1.96 0.95,
(27.211)
P 1.96
5
ou encore

4 P r90.2, 109.8s .
P X

(27.212)

Il y a donc moins de 5% de chances que la moyenne de ces quatre fils tombent en dehors de
lintervalle r90.2, 109.8s. Lartisan doit donc rejeter lhypothse et considrer que le lot est mauvais.
La rgion
s8, 90.2s Y r109.8, 8r
(27.213)

est la rgion de rejet, ou rgion critique.

Ici, le nombre 5% reprsente le risque de refuser H0 alors quelle tait vraie. Notons que nous ne
pouvons pas calculer le risque daccepter H0 alors quelle est fausse. En effet, si H0 est fausse, nous
4 acceptables parce quil y a une infinit de possibilits
ne savons pas quelles sont les valeurs de X
pour m qui soient alternatifs m 100.
videmment si la vraie moyenne est 100`107 , lhypothse H0 sera accepte, mais nous navons
aucun moyen de savoir si elle est vraie ou non.

27.8.3

Vocabulaire et thorie

Nous avons un modle dchantillonnage paramtrique pX,1 , . . . , X,n q de taille n et de paramtre inconnu , de loi parente appartenant une famille paramtrique de lois p qP .
Soient H0 et H1 deux ensembles disjoints tels que H0 Y H1 . Lensemble H0 sera nomm
hypothse nulle et lensemble H1 sera lhypothse alternative.
Pour lexemple des fils, nous avions H0 t100u et H1 Rzt100u. Si une hypothse est rduite
un singleton, nous parlons dhypothse simple et sinon cest une hypothse composite ou
multiple. Faire un tests consiste dterminer une rgion critique.
Dfinition 27.44.
Un test est une application mesurable qui px1 , . . . , xn q P Rn associe
px1 , . . . , xn q P t0, 1u.

(27.214)

W tpx1 , . . . , xn q P Rn tel que px1 , . . . , xn q 1u

(27.215)

Si px1 , . . . , xn q 0 on accepte lhypothse H0 pour lchantillon x1 , . . . , xn , et si px1 , . . . , xn q 1,

alors on rejette H0 et on choisit H1 . Lensemble
est la rgion de rejet ou la rgion critique.
Lensemble W 1 p1q est un borlien de
nous sommes intress est lvnement

Rn parce que est mesurable. Lvnement auquel

R tpX,1 , . . . , X,n q P W u.

(27.216)

Exemple 27.45
Pour lexemple de 27.8.2 nous avions
px1 , . . . , x4 q 1Ar90.2,109.8s p
x4 q.

(27.217)
4

1494

27.8.4

CHAPITRE 27. STATISTIQUES

Risque de premire et seconde espce

Le modle de dcision que nous avons introduit comprend deux faons de se tromper. Soit nous
rejetons H0 alors quelle est vraie (cest le risque de premire espce), soit nous acceptions H0
alors quelle est fausse (risque de seconde espce). Nous pouvons formaliser ces concepts de la
faon suivante.
Nous considrons un test de rgion critique W . Le risque de premire espce, not est la
fonction
: H0 r0, 1s
`

(27.218)
P pX,1 , . . . , X,n q P W .
Il sagit de la probabilit de rejeter H0 alors quelle es vraie. Le risque de seconde espce est la
fonction
: H1 r0, 1s
`

(27.219)
P pX,1 , . . . , X,n q R W .
Cest la probabilit daccepter H0 alors quelle est fausse.

Dfinition 27.46.
Soit un test de rgion critique W . La puissance du test est la fonction
: H1 r0, 1s
`

P pX,1 , . . . , X,n q P W .

(27.220)

La courbe defficacit du test est la fonction

h : r0, 1s
`

P pX,1 , . . . , X,n q R W .

(27.221)

La puissance dun test est la probabilit de rejeter H0 lorsque H1 est vraie. Plus la puissance
est grande, mieux cest. La courbe defficacit du test est la probabilit daccepter H0 pour une
certaine valeur de .
Soit un test . Une statistique T Tn pX,1 , . . . , X,n q est une variable de dcision pour
si AW peut scrire dune des faons suivantes
$
n

test unilatral droite

&tpx1 , . . . , xn q P R tel que Tn px1 , . . . , xn q cu
n
AW tpx1 , . . . , xn q P R tel que Tn px1 , . . . , xn q cu
test unilatral gauche (27.222)

%
n
tpx1 , . . . , xn q P R tel que c1 Tn px1 , . . . , xn q c2 u test bilatral.

Le plus souvent la variable de dcision sera la moyenne : Tn px1 , . . . , xn q n1 ni1 xi . Les valeurs
c, c1 , c2 sont des valeurs critiques.
En ce qui concerne les notations, ici Tn reprsente la valeur mesure sur un n-chantillon (do
lindice n) alors que T est la valeur thorique de T lorsque est la vraie valeur du paramtre quon
veut estimer.
Pour un test unilatral gauche, nous fixons la valeur critique c de telle manire a avoir
(27.223)

P pT cq .
Pour un test unilatral gauche, nous fixons c de telle manire a avoir

(27.224)

P pT cq
et pour un test bilatral nous fixons c1 et c2 de telle faon avoir
P pT c2 q P pT c1 q

.
2

(27.225)

27.8. TEST DHYPOTHSES, PRISE DE DCISION

27.8.5

1495

Modle paramtrique de loi gaussienne

Soit un modle statistique paramtrique de lois gaussiennes N pm, 1q de moyenne m inconnue

avec m P R` . Nous avons r0, 8r.
Nous observons un chantillon de taille n 36. Avec un risque de premire espce de 5% nous
voulons estimer lhypothse H0 t0u contre lhypothse H1 s0, 8r. De notre chantillon nous
construisons la variable alatoire
n
1

Xn
Xi
(27.226)
n i1

dans laquelle les Xi sont les lments de lchantillon, elles sont indpendantes et identiquement
distribues de loi N pm, 1q avec m inconnu.
n est proche de zro nous acceptons H0 , sinon nous la rejetons. La rgion de rejet scrit
Si X
donc sous la forme
n
1
W tpx1 , . . . , xn q P Rn tel que x
n
xi uu
(27.227)
n i1

dans lequel il faut fixer le u pour satisfaire au risque de premire espce de 5%. La contrainte est
davoir
n uq
P pX
(27.228)
si H0 est vrifie. Cela revient dire que dans 5% des cas o H0 est correcte, nous la rejetterons.
n est une moyenne de gaussiennes de moyennes m et nous avons
Si H0 est vraie alors X
n m
X
? N p0, 1q
{ n
avec m 0 et 1. Lquation (27.228) devient donc

?
Xn
u
? ?
P
P pT nuq
1{ n
1{ n

(27.229)

(27.230)

o T N p0, 1q. Avec n 36 et 5% nous trouvons

1.645
0.274
(27.231)
6
La rgle de dcision est donc la suivante : si x
n 0.274 alors nous rejetons H0 , et sinon nous
lacceptons.
Calculons la puissance de ce test (dfinition 27.46). Cest la fonction donne par
u

: H1 R

1
Xi u .
m P pX1,m , . . . , Xn,m q P W P
n

(27.232)

Dans ce calcul, les Xi sont dune loi normale N pm, 1q, et non N p0, 1q. En retranchant m et en
?
divisant par 1{ n nous trouvons

1
X

m
u

m
i
?
pmq P n
?
(27.233a)
1{ n
1{ t
?
P pT npu mqq
(27.233b)
P pT 16.45 6mq

1 p1.645 6mq

o est la fonction de rpartition de N p0, 1q. La fonction a les proprits suivantes :

lim pmq 0

m8

lim pmq 1

m8

p0q

5
.
100

(27.233c)

(27.233d)
(27.234a)
(27.234b)
(27.234c)

1496

CHAPITRE 27. STATISTIQUES

Remarque 27.47.
Si nous regardons m 0.001, le risque de seconde espce est quasiment de 90%. En effet le risque
de seconde espce est daccepter H0 alors quil est faux. Lorsque m 0.001, lhypothse H0 est
fausse, mais la probabilit quon laccepte est grande. Dailleurs les consquences de laccepter
tord ne sont peut-tre pas si grandes que cela.

27.9

Tests paramtriques

La proposition suivante montre le lien entre rgion de confiance et les tests.

Proposition 27.48.
Soit pX1 , . . . , Xn q une rgion de confiance par excs de niveau de confiance 1 . Alors il existe
un tests pur de niveau pour tester H0 t0 u de rgion de rejet
Wn tx px1 , . . . , xn q P Rn tel que 0 R px1 , . . . , xn qu.

(27.235)

Dmonstration. Lhypothse sur signifie quavec les observations pX1 , . . . , Xn q, il y a une forte
probabilit (plus grande que 1 ) que soit dans pX1 , . . . , Xn q. Avec ou sans H0 nous avons
donc
P p P q 1 .
(27.236)
Supposons maintenant lhypothse H0 , alors

P pX1 , . . . , Xn q P Wn P 0 R pX1 , . . . , Xn q .

(27.237)

Remarque 27.49.
Soit Wn la rgion de confiance dun test de niveau pour tester H0 t0 u. Alors
tx P Rn tel que x R Wn u

(27.238)

est une rgion de confiance 1 pour .

Exercice 8
Soit pX1 , . . . , Xn q un chantillon de loi parente N p, 1q avec P t0 , 1 u. Nous supposons
0 1 . Nous voulons tester H0 t0 u contre H1 t1 u. Nous proposons le test suivant. La
n et la rgion de rejet sera
variable de dcision sera X
W tpx1 , . . . , xn q P Rn tel que

1
1 ` 2
xi
u.
n i
2

(27.239)

(1) Donner le risque de premire espce de ce test.

(2) Soit 0 1. Pour quelle valeur de n le tests a-t-il un risque de premire espce gal
?
(3) Donner la puissance du test.
Le rponses peuvent tre exprimes en termes de la fonction de rpartition F de la loi normale
centre rduite.
Correction de lexercice 8
Le risque de premire espce est donn par

1
0 ` 1
P
Xi
n i
2

(27.240)

1497

27.10. TESTS DADQUATION

o les Xi sont des variables alatoires indpendantes et identiquement distribues de loi parente
N p0 , 1q. Cela est la probabilit dtre dans la rgion de rejet alors que lhypothse H0 est vraie.
La formule (27.240) se transforme en

0 `1
1
Xi 0
0
n
2
?
?
P

(27.241a)
1{ n
1{ n
P pT

? 1 0
n
q.
2

(27.241b)

En termes de la fonction de rpartition nous avons alors

1F

` ? 1 0
n
2

(27.242)

Il sagit maintenant de trouver le nombre n qui ralise cette galit. Pour cela nous utilisons
linverse F 1 de la fonction de rpartition de la normale :

2
2
1
n
F p1 q .
(27.243)
1 0

Le risque de seconde espce est la possibilit daccepter H0 lorsque H1 est vraie, cest dire

1
0 ` 1
P
Xi
(27.244)
n i
2

sous lhypothse H1 . Dans le calcul de (27.244) nous prenons donc Xi N p1 , 1q. Le rsultat est
que
` ? 0 1
.
(27.245)
F n
2
Remarque 27.50.
Lexpression (27.243) diminue lorsque 0 et 1 sloignent, ce qui est normal : plus les nombres
discerner sont loigns, moins lchantillon prendre pour raliser le travail doit tre grand.
Notons aussi que 0 1 0, par consquent augmenter n diminue la valeur de
F

27.10

` ? 0 1
n
2

(27.246)

Tests dadquation

Soit X1 , . . . , Xn un chantillon de loi parente X finie prenant ses valeurs dans ta1 , . . . , ak u. La
loi de X est donne par les nombres
pi P pX ai q
(27.247)

pour i 1, . . . , k. Nous introduisons leffectif empirique, la variable alatoire Ni qui compte

le nombre de fois que ai est observ dans lchantillon. La frquence empirique est la variable
alatoire
Ni
Fi
.
(27.248)
n
Nous savons que la loi de Ni est Bpn, pi q, et la loi des grands nombres dit que
p.s.

Fi pi

(27.249)

N npi
L
a i
T N p0, 1q.
npi p1 pi q

(27.250)

pour chaque i. Le thorme central limite nous indique de plus que

Nous considrons un cas o les pi sont inconnus. Ils peuvent tre approchs par Ni npi . Le
thorme de Pearson nous indique comment.

1498

CHAPITRE 27. STATISTIQUES

Thorme 27.51 (Thorme de Pearson).

Nous avons
k

pNi npi q2
i1

npi

K 2 pk 1q
L

(27.251)

o la distribution 2 plq est la somme des carrs de l gaussiennes centres rduites indpendantes.

Dmonstration. Nous commenons par le cas k 2. Dans ce cas nous avons N2 n N1 et

p1 ` p2 1. La sommes que nous regardons est
pN1 np1 q2 pN2 np2 q2
pN1 np1 q2 pN1 np1 q2
`

`
np1
np2
np1
np1 p1 q
2
pN1 np1 q

.
np1 p1 p1 q

tant donn que N1 est une variable alatoire binomiale nous avons
N np1
L
a 1
T N p0, 1q.
np1 p1 p1 q

(27.252a)
(27.252b)

(27.253)

Par consquent la limite de (27.252b) est

2
N1 np1
L
a
T 2 2 p1q.
np1 p1 p1 q

(27.254)

Nous introduisons les variables alatoires Ui donnes par Ui : Rk avec

`

P Ui p0, . . . , 1, . . . , 0q pi ;

(27.256)

Cela conclut le cas k 2.

Passons prsent au cas gnral. Le k-uple pN1 , . . . , Nk q est une variable alatoire multinomiale
de loi
M pn; k; p1 , . . . , pk q.
(27.255)

cest le vecteur alatoire qui prend ses valeurs dans les vecteurs de la base canonique de Rk et qui
prend la valeur ei avec probabilit pi . Par construction nous avons
n

pN1 , . . . , Nk q
Ui .
(27.257)
i1

Nous allons tudier la fonction caractristique de pN1 , . . . , Nk q dfinie par lquation (26.185) :
pN1 ,...,Nk q :

Plus gnralement,
Nous avons

Rk C

ej Epeiej N q EpeiNj q.

pN1 ,...,Nk q pt1 , . . . , tk q E eixt,N yRk .

eixt,N y ei

j xt,Uj y

eixt,Uj y

(27.258)
(27.259)
(27.260)

et vu que les Ui sont indpendantes et identiquement distribues nous pouvons crire U1 la place
de Uj de faon avoir
`

pN1 ,...,Nk q pt1 , . . . , tk q

E eixt,U1 y
(27.261a)
j

(27.261b)

pl eitl

(27.261c)

pl eixt,el y

l1

pl e

itl

(27.261d)

1499

27.10. TESTS DADQUATION

Nous allons montrer que
lim pN1 ,...,Nn q pt1 , . . . , tk q e

n8

12

2
j1 tj

tj pj

j1

(27.262)

Pour ce faire, nous allons effectuer un dveloppement limit. Dabord nous introduisons les variables
alatoires
Nj npj
(27.263)
j ?
npj
et nous calculons

` N1 np1
Nk npk
p1 ,...,k q pt1 , . . . , tk q E exp ixt,
,..., ?
y
?
np1
npk

(27.264)

tant donn que n et pj sont des variables dterministes, nous pouvons les sortir de lesprance.
Nous avons alors

p1 ,...,k q pt1 , . . . , tk q exp i

parce que
E

?
tj npj

j1

N npj
j

j
tj ?
np

pN1 ,...,Nk q

tj npj
?np
j

tk
t1
,..., ?
?
np1
npk

?
E etj Nj { npj

(27.265)

(27.266)

En remplaant (27.261) dans (27.265) nous trouvons

p1 ,...,k q pt1 , . . . , tk q exp i

?
tj npj

j1

j
i ?np

j
pj e
j1
looooooooomooooooooon

(27.267)

Nous
analysons maintenant le terme A. Nous crivons lgalit A A ` 1 1 en tenant compte
de j pj 1 sous la forme
A

1`

pj

j1

Nous avons alors

?
exppitj { npj q 1

(27.268)

(27.269)

t2j
itj
1
1 ?

` p1{nq
npj
2npj
n

(27.270)

?
itj { npj

pj e

j1

Nous dveloppons lexponentielle en

e

ff

lnpAq n ln 1 `

?
itj { npj

1q

et ensuite le logarithme selon la formule

lnp1 ` xq x

x2
` x2 px2 q.
2

(27.271)

1500

CHAPITRE 27. STATISTIQUES

Nous avons

ff
2
it

t
1
1
j
j

` p q
lnpAq n ln 1 ` pj ?
np
2np
n n
j
j
j

ff
c

t2j
pj
1 1
n ln 1 ` pj itj

` p q
n
2n n n
j

c
k

t2j
1
pj

` p1{nq
n
itj
n
2n n
j1
loooooooooooooooooooomoooooooooooooooooooon

1
n
2

(27.272a)
(27.272b)
(27.272c)

itj

` nK 2 pKq

2 fi
2
t
pj
1
j

` p1{nq fl
n
2n n

Nous introduisons dans  tous les termes en 1{n2 et nous trouvons

t2j
1 ?
?
itj pj n
itj pj
` p1{nq ` K 2 pKq.
lnpAq

2
2
j
j
En remplaant dans (27.267) et en passant la limite pour n 8,

1 2 1 ` ? 2
t `
tj pj
.
p1 ,...,k q pt1 , . . . , tk q exp
2 j j 2 j

(27.272d)
(27.272e)

(27.273)

(27.274)

Nous reconnaissons des lois gaussiennes dans le premier terme de lexponentielle. Nous allons
maintenant nous atteler identifier le second terme.
?
?
Soit C une matrice orthogonale dont la dernire ligne est p p1 , . . . , pk q. Nous considrons les
vecteurs


1
t1
..
..
. , t . .
(27.275)
k

et ensuite nous notons

tk

u1

U Ct ... .
uk

k
tant donn que C est orthogonale, nous avons i1 i2 ki1 i2 et
`

p1 ,...,k q E eixu,y E eixt,y p1 ,...,k q pt1 , . . . , tk q.

(27.276)

(27.277)

Nous pouvons rcrire largument de lexponentielle (27.274) de la faon suivante :

k

i1
k

j1

Nous avons alors

t2j

u2j

(27.278a)

?
tj pj pCtqk ,

lim p1 ,...,k q pt1 , . . . , tk q lim p1 ,...,k q pu1 , . . . , uk q

n8

k1
1 2
exp
u
2 j1 j

n8

pZ1 ,...,Zk1 ,0q pu1 , . . . , uk q

(27.278b)

(27.279a)
(27.279b)
(27.279c)

1501

27.10. TESTS DADQUATION

o les Zi sont des variables alatoires indpendantes et identiquement distribues de distribution

normale centre rduite. Nous avons donc montr que
L

p1 , . . . , k q pZ1 , . . . , Zk1 , qq.

(27.280)

tant donn que lapplication x }x}2 est continue, nous avons aussi
}p1 , . . . , k q}2 }pZ1 , . . . , Zk1 , 0q}2 ,
L

(27.281)

et par consquent
}p1 , . . . , k q}2
L

Daprs la dfinition (27.263) nous avions

k1

j1

}p1 , . . . , k q}2

Zj2 2 pk 1q.

pNj pj q2
.
npj
j1

(27.282)

(27.283)

1502

CHAPITRE 27. STATISTIQUES

Chapitre 28

Chanes de Markov temps discret

Mets tes deux pieds en canard, cest la chane de Markov qui se prpare.

28.1

Gnralits

Les chanes de Markov interviennent pour la description des systmes dont lvolution future
ne dpend que de ltat prsent.
Dfinition 28.1.
Soit E un ensemble au plus dnombrable et p, F, P q un espace probabilis. Une chane de
Markov valeurs dans E est une famille pXn qnPN de variables alatoires telles que pour tout
x0 , . . . , xn`1 P E,
P pXn`1 xn`1 |Xn xn , . . . , X0 x0 q P pXn`1 xn`1 |Xn xn q.

(28.1)

Pour une chane de Markov, il nest pas important de savoir lhistorique pour prdire la futur :
Xn`1 est seulement dtermin par Xn .
Remarque 28.2.
Il existe une thorie des chanes de Markov temps continu ou avec E non dnombrable, mais ce
nest pas au programme.
Nous notons
pn px, yq P pXn`1 y|Xn xq

(28.2)

Qxy ppx, yq.

(28.3)

la probabilit de transition de la chane linstant n. Si cette probabilit ne dpend pas de n,

nous disons que la chane de Markov est homogne, et nous notons ppx, yq au lieu de pn px, yq.
Nous notons Q la matrice (ventuellement infinie) de transition

Nous avons

yPE

ppx, yq 1

(28.4)

parce que cest la somme de toutes les transitions possibles en partant de x. Notons aussi que
ppx, yq 0.
Dfinition 28.3.
Une matrice dont tous les lments sont positifs ou nuls et donc la somme de toutes les lignes sont
1 est une matrice stochastique.
Notons que lensemble des matrices stochastiques est un ferm dans lensemble des matrices.
1503

1504

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

Lemme 28.4.
Si U est une matrice stochastique 1 , alors il existe une chane de Markov dont la matrice de transition est U .
Remarque28.5.
La somme xPE ppx, yq ne vaut pas spcialement
1. Si les tats x1 et x2 arrivent tous les deux en

y de faon certaine, alors nous avons x ppx, yq 2. Il ny a donc pas de limites aux sommes des
colonnes.
Exemple 28.6
Nous considrons une fourmi qui se dplace dans un appartement trois pices A, B, C. Supposons
qu chaque minute, elle a une probabilit 1{3 de rester dans la pice et une probabilit 2{3 de se
dplacer. Le plan de lappartement est
A

/B

/C

(28.5)

De la pice A est est donc uniquement possible daller vers la pice B ; de la B il est possible daller
en A et en C et de la C il est uniquement possible daller en B.
La matrice de transition de cette chane de Markov est

1{3 2{3 0
Q 1{3 1{3 1{3
(28.6)
0 2{3 1{3
4
Exemple 28.7
Si Nt est un processus de Poisson, alors les variables alatoires Xn Nn forment une chane de
Markov.
4

28.2

Chanes de Markov sur un ensemble fini

Une chane de Markov est finie si lensemble E dans lequel elle prend ses valeurs est fini.
Proposition 28.8 ([302]).
Si pXn q est une chane de Markov irrductible sur un ensemble fini, alors pour tout ensemble A E
nous avons
P pA 8q lim P pA nq 1
(28.7)
n8

o A mintk tel que Xk P Au.

Les proposition venir vont montrer que
(1) Toute matrice stochastique admet un tat stationnaire, proposition 28.9.
(2) Si la chane de Markov est irrductible, alors il y a unicit de ltat stationnaire, proposition
28.10. Mais attention : cela ne veut pas encore dire que la chane converge effectivement
vers cet tat.
(3) Si la chane est irrductible et apriodique, alors il y a convergence en loi vers lunique loi
invariante, thorme 28.13.
Proposition 28.9 ([303]).
Toute matrice stochastique admet un tat stationnaire.
1. Dfinition 28.3.

1505

28.2. CHANES DE MARKOV SUR UN ENSEMBLE FINI

Proposition 28.10 ([303]).

Soit une chane de Markov irrductible finie. Alors il existe une unique loi stationnaire et de plus
nous avons i 0 pour tout tat i de E.
Dfinition 28.11.
Une chane de Markov finie est rgulire si il existe un n P
lments strictement positifs.

N tel que P n a uniquement des

Thorme 28.12 ([302]).

Soit P la matrice de transition dune chane de Markov rgulire sur un ensemble E de cardinal
N . Alors il existe des nombres 1 , . . . , N tels que
(1) i 0 pour tout i 1, . . . , N
(2) 1 ` . . . ` N 1
(3)

1 2 . . . N

..
..
lim P n ...
.
.
n8
1 2 . . . N

(28.8)

De plus le vecteur p1 , . . . , N q est lunique solution de

(28.9)

P .

Dmonstration. Si la chane na quun seul tat cest vident parce que la probabilit de transition
est toujours 1 ; fin de lhistoire.
Hypothse Sinon nous supposons que P na que des lments positifs, quitte considrer P n
au lieu de P . Nous notons d le plus petit lment de P ; il vrifie d 12 parce que la somme
des lment dune ligne de la matrice P doit tre gale 1.
Les suites min et max Soit x un vecteur quelconque (de composantes positives). Nous notons
m0 mintxi u et M0 maxtxi u. tant donn que les lments du vecteur P x sont des
moyennes pondres des lments de x, si nous posons
mk mintpP k xqi ui1,...,N

Mk maxtpP xqi ui1,...,N ,

k

(28.10a)
(28.10b)

la suite pmk q est croissante et la suite pMk q est dcroissante.

Stricte croissance et dcroissance Si Mk`1 Mk , alors toutes les composantes de P k x sont

gales Mk et le thorme est prouv. Cela est encore une proprit de la moyenne. Mme
remarque pour la suite pmk q.
Nous pouvons donc supposer que la suite pmk q est strictement croissante et que la suite
pMk q est strictement dcroissante. Elles sont toutes les deux bornes dans rm0 , M0 s. Le
lemme 5.75 nous donne la convergence.
galit des limites Vu que les lments de P k x ne sont pas tous les mmes et stalent de
mk Mk , pour majorer Mk`1 nous mettons le plus petit coefficient possible (cest dire d)
devant mk et nous supposons que toutes les autres composantes sont Mk ; nous avons alors
Mk`1 dmk ` p1 dqMk

(28.11)

parce que tous les autres coefficients de la ligne contenant le d (dans P k ) sont plus petits
ou gaux 1 d. De la mme faon nous avons la minoration
mk`1 dMk ` p1 dqmk .

(28.12)

En faisant la diffrence, et en nous souvenant que 0 1 2d 1,

Mk`1 mk p1 2dqpMk mk q,

(28.13)

1506

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

ce qui signifie que

Mk`1 mk p1 2dqk pM0 m0 q,

(28.14)

et donc que les deux limites sont gales.

Conclusion pour la limite Pour tout vecteur x, la suite P k x tend vers un vecteur dont toutes
les composantes sont gales. En particulier pour le vecteur ei de la base canonique,

1
..
k
P ei . .
(28.15)
1

Mais P k ei est la ie colonne de la matrice P k . Cela prouve la convergence annonce P k .

Rglons rapidement le cas des deux autres allgations du thorme. Dabord les matrices P k
sont toutes des matrices stochastiques ; et lensemble des matrices stochastiques est ferm, donc
la convergence se fait lintrieur de lensemble des matrices stochastiques. Cela prouve que 1 `
. . . ` N 1.
Ensuite la suite pmk q tant strictement croissante et m0 tant gal 0 dans le cas de ei nous
avons toujours i 0 (strictement).
Thorme 28.13 ([303]).
Si pXn q est une chane de Markov finie, irrductible et apriodique de loi stationnaire , alors
(1) La suite de matrices stochastiques P k converge vers la matrice

..
k
P . .

(28.16)

P pXk P k q .

(28.17)

(2) Nous avons convergence des variables alatoires au sens o

28.3

Marche alatoire sur

Soit pYn q une suite de variables alatoires indpendantes et identiquement distribues valant
1 avec une probabilit p et 1 avec une probabilit p1 pq. La loi est
Yn p1 ` p1 pq1 .

(28.18)

Nous considrons la variable alatoire

Xn X0 `

Yi

(28.19)

i1

o X0 est une variable alatoire indpendante des Yi valeurs dans Z. Nous vrifions prsent
que Xn est une chane de Markov avec comme espace dtats E Z. Nous devons montrer que
`

P Xn`1 xn`1 |Xn xn , . . . , X0 x0 P Xn`1 xn`1 |Xn xn .

(28.20)

Pour ce faire nous allons exprimer tout cela en termes des Yi au lieu des Xi . Dabord tant donn
que nous avons galit des vnements
tXn`1 xn`1 u X tXn xn , . . . , X0 x0 u tYn`1 xn`1 xn u X tXn xn , . . . , X0 x0 u,
(28.21)

28.3. MARCHE ALATOIRE SUR

1507

nous pouvons, en vertu du principe (26.76), remplacer Xn`1 xn`1 par Yn`1 xn`1 xn dans
le membre de gauche de (28.20). Nous avons donc dj
`

P Xn`1 xn`1 |Xn xn , . . . , X0 x0 P Y

Xn xn , . . . , X0 x0 .
n`1 xn`1 xn | looooooooooooomooooooooooooon
loooooooooomoooooooooon
A

Lvnement B est gal lvnement

(28.22)

tX0 x0 , Y1 x1 x0 , Y2 x2 x1 , . . . , Yn xn xn1 u,

(28.23)

X01 px0 q X Y11 px1 x0 q X . . . X Yn1 pxn xn1 q

(28.24)

A tYn`1 xn`1 xn u
n

B tX0 x0 u X tYi xi xi1 u

(28.25a)

qui nest autre que lensemble

qui est dans la tribu engendre par les variables alatoires X0 , pYi qi1,...,n . Le point dlicat du
raisonnement est de montrer que les vnements A et B donns par

(28.25b)

i1

sont indpendants. Nous ne pouvons pas montrer directement que P pA X Bq P pAqP pBq parce
que cela est la formule que nous voulons utiliser pour montrer que la chane est de Markov. Nous
passons donc par les tribus :
A P pYn`1 q

B P pX0 , Y1 , . . . , Yn q.

(28.26a)
(28.26b)

Nous utilisons maintenant lhypothse dindpendance des variables alatoires X0 et Yi pour

conclure que les deux tribus des quations (28.26) sont indpendantes. Les vnements A et B
sont par consquent indpendants.
Lvnement A est indpendant de lvnement tXn xn u. Nous avons donc successivement
`

P Xn`1 xn`1 |Xn xn , . . . , X0 x0 P Yn`1 xn`1 xn |Xn xn , . . . , X0 x0 (28.27a)

`

P Yn`1 xn`1 xn |Yi xi xi1 , X0 x0

(28.27b)
P pYn`1 xn`1 xn q

(28.27c)

P pYn`1 xx`1 xn |Xn xn q

(28.27d)

P pXn`1 xn`1 |Xn xn q.

(28.27f)

P pYn`1 xn`1 Xn |Xn xn q

Justifications :
(28.27c) parce que les tribus pYn`1 q et pYi , X0 q sont indpendantes.
(28.27d) Nous avons
tXn xn u P pX0 , Y1 , . . . , Yn q
tandis que

tYn`1 xn`1 xn u P pYn`1 q;

(28.27e)

(28.28)
(28.29)

ce sont donc deux vnements issus de tribus indpendantes. Donc conditionner ou non
lvnement Yn`1 xn`1 xn lvnement Xn xn ne change rien.
(28.27e) est encore lutilisation du fait que P pA|Bq P pK|Bq ds que A X B K X B.
La chane est par consquent de Markov.
La matrice de transition de cette chane de Markov est une matrice infinie dans tous les sens :
$

si y x 1
&p
ppx, yq p1 pq si y x ` 1
(28.30)

%
0
sinon.

1508

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

Remarque 28.14.
La plupart du temps lorsquil faut dmontrer quune chane est de Markov, il faut suivre la procdure que nous venons de suivre pour la marche alatoire sur Z.
crire tout en fonction des incrments.
Dire que les incrments conditionns sont indpendants des incrments qui conditionnent
(via les tribus engendres).
crire que la probabilit cherche est gale lvnement conditionn dans lequel on a juste
remplac lincrment par sa valeur.
Conditionner nouveau par rapport au dernier incrment qui est indpendant.
Changer la valeur du dernier incrment par la variable alatoire.
Dans ce raisonnement nous utilisons deux fois le fait que P pA|Bq P pK|Bq si A X B K X B.

28.3.1

Chanes de Markov homognes

Proposition 28.15.
Voici quelques proprits des chanes de Markov homognes.
(1) La probabilit dune trajectoire donne est
P pXn xn , Xn1 xn1 , . . . , X0 x0 q ppxn1 , xn q . . . ppx0 , x1 qP pX0 x0 q.

(28.31)

(2) La probabilit de transition en n coups est donne par la puissance nime de la matrice
de transition :
P pXn xn |X0 x0 q Qnx0 ,xn .
(28.32)
(3) Si lespace des tats E est fini, lesprance dune fonction borne f : E
donne par
`

E f pXn`1 q|Xn xn , . . . , X0 x0 E f pXn`1 q|Xn xn

f pyqppxn , yq.j

R de ltat est
(28.33a)
(28.33b)

yPE

Dmonstration.

(1) tant donn que P pA X Bq P pA|BqP pBq, nous avons

P pXn xn , . . . , X0 x0 q P pXn xn |Xn1 xn1 , . . . , X0 x0 qP pXn1 xn1 , . . . , X0 x0 q.

(28.34)
Par la proprit de Markov, le premier facteur est
P pXn xn |Xn1 xn1 q ppxn1 , xn q.

(28.35)

Le reste est une rcurrence sur n.

(2) Montrons avec n 2. En utilisant les divers points du thorme 26.28, nous avons

P pX2 x2 |X0 x0 q
P pX2 x2 , X1 y|X0 x0 q
(28.36a)
yPE

P pX2 x2 |X1 y, X0 x0 qP pX1 y|X0 x0 q

(28.36b)

yPE

P pX2 x2 |X1 yqP pX1 y|X0 x0 q

(28.36c)

yPE

ppx2 , yqppy, x0 q

(28.36d)

yPE
Q2x2 ,x0 .

(28.36e)

Bien entendu ici la notion de produit matriciel doit tre comprise de faon formelle lorsque
E est infini.

28.3. MARCHE ALATOIRE SUR

1509

Remarque 28.16.
Nous avons utilis lhomognit de la chane de Markov au moment dcrire lexpression
(28.36d). En principe nous aurions d crire p2 py, x2 qp1 px0 , yq.

28.3.2

Graphe de transition

Le graphe de transition dune chane de Markov est le graphe dont les sommets sont les
lments de lespace des tats de la chane et dont les sommets sont relis par des arrtes pondres
par la probabilit de transition correspondante.
Dfinition 28.17.
Une chane de Markov est irrductible si pour tout x, y P E, il existe n tel que pn px, yq 0 o
pn px, yq P pXn y|X0 xq.

(28.37)

Le nombre n peut dpendre de x et y.

Lemme 28.18.
Une chane de Markov homogne est irrductible si et seulement si son graphe de transition est
connexe.
Dmonstration. Pour chaque couple px, yq P E 2 nous avons
pn px, yq

zi PE

zi

P pXn y, Xn1 zn1 , . . . , X1 z1 , X0 xq

ppzn1 , yqppzn2 , zn1 q . . . ppz1 , z2 qppx, z1 q.

(28.38)

La positivit dun des termes de la somme signifie que le graphe est connexe tandis que la positivit
de pn px, yq signifie que la chane est irrductible.

28.3.3
28.3.3.1

Chane de Markov dfinie par rcurrence

Le cas gnral

Proposition 28.19.
Soit X0 une variable alatoire valeurs dans E, un ensemble au plus dnombrable. Soit pYn q une
suite de variables alatoires relles indpendantes et identiquement distribues indpendantes de
X0 .
Soit pXn q la suite de variables alatoires valeurs dans E dfinie par rcurrence selon la formule
Xn`1 GpXn , Yn`1 q

(28.39)

o G : E R E est une fonction mesurable. Alors pXn q est une chane de Markov.
Dmonstration. Soient x0 , . . . , xn`1 des lments de E. Nous devons calculer la valeur de
P pXn`1 xn`1 |Xn xn , . . . , X0 x0 q.

(28.40)

Commenons par prciser les espaces sur lesquels nos variable alatoires sont dfinies. Nous avons

et

X0 : 0 E

(28.41)

Yi : R.

(28.42)

1510

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

La variable alatoire X1 est donne par

X1 : 0 E

p0 , 1 q G X0 p0 q, Y1 p1 q .

La variable alatoire X2 est

X2 : 0 2 E

p0 , 1 , 2 q G X1 p0 , 1 q, Y2 p2 q
`

G G X0 p0 q, 1 , Y2 p2 q

(28.43)

(28.44)

et ainsi de suite.
Considrons maintenant lvnement

tX1 x1 , X0 x0 u 0 .

(28.45)

Il est donn explicitement par

`

tX1 x1 , X0 x0 u tp0 , 1 q tel que G X0 p0 q, Y1 p1 q x1 , X0 p0 q x0 u

(28.46a)
`

tp0 , 1 q tel que G x0 , Y1 p1 q x1 , X0 p0 q x0 u

(28.46b)
`

t0 P 0 tel que X0 p0 q x0 u t1 P tel que G x0 , Y1 p1 q x1 u.

(28.46c)
Le premier terme du produit cartsien est dans pX0 q, tandis que le second est dans pY1 q. tant
donn la dfinition des tribus produit (dfinition 7.139) nous avons
tX1 x1 , X0 x0 u P pX0 , Y1 q.

(28.47)

Ce raisonnement se gnralise immdiatement et nous trouvons que

tXn xn , . . . , X0 x0 u P pX0 , Y1 , . . . , Yn q.

(28.48)

Nous sommes donc calculer

P pXn`1 xn`1 |Xn Xn , . . . , X0 X0 q
`

P looooooooooomooooooooooon
Gpxn , Yn`1 q xn`1 | X
n xn , . . . , X 0 x0 .
looooooooooooomooooooooooooon
PpYn`1 q

(28.49a)
(28.49b)

PX0 ,Y1 ,...,Yn

Les tribus pYn`1 q et pX0 , Y1 , . . . , Yn q tant indpendantes nous avons

`

P Gpxn , Yn`1 q xn`1

`

P Gpxn , Yn`1 q xn`1 |Xn Xn

`

P GpXn , Yn`1 q xn`1 |Xn xn

P pXn`1 xn`1 |Xn xn q.

(28.50a)
(28.50b)
(28.50c)
(28.50d)

Pour (28.50b) nous avons utilis le fait que pYn`1 q est indpendante de pXn q. Nous avons prouv
que la chane tait de Markov.
Les probabilits de transition de la chane de Markov dfinie dans la proposition 28.19 sont
`

P pX1 y|X0 xq P GpX0 , Y1 q y|X0 x0 P Gpx0 , Y1 q y .

(28.51)

1511

28.4. CLASSIFICATION DES TATS

28.3.3.2

Exemple : la file de rparation de machines laver

Nous considrons un magasin de rparation dlectromnager. Durant le jour n, un nombre

alatoire Zn de machines en panne arrivent au magasin. Une machine est rpare chaque jour
(aucune si le magasin est vide). Nous supposons que les Zn soient indpendantes et identiquement
distribues, et nous posons Xn , le nombre de machines en magasin le jour n.
La loi davancement de Xn est
#
Xn ` Zn 1 si Xn 0
Xn`1
(28.52)
Zn
si Xn 0.

Cela est une chane de Markov en vertu de la proposition 28.19. Ici la fonction est
Les probabilits de transitions sont

Gpx, yq x ` y 1x0 .

&0
ppx, yq P pZ 0q

%
P pZ kq

si x y 2
si x y 1
si x y ` k 1

pour x 0.
Exercice 1
Soit pXn q une chane de Markov de matrice de transition

0.2 0.5 0.3

P 0.1 0.1 0.8.
0.5 0.2 0.3

(28.53)

(28.54)

(28.55)

Calculer P pX3 1|X0 1q et P pX7 0|X4 0q.

Dterminer, si il en existe, une loi stationnaire vers laquelle converge la chane.
Correction de lexercice 1
Nous avons

0.344 0.251 0.405

P 3 0.283 0.307 0.41 .
0.287 0.248 0.465

(28.56)

La probabilit daller de ltat 1 ltat 1 en trois tapes est donc 0.307. La chane tant de Markov,
sans mmoire, les probabilits entre les temps 4 et 7 sont les mmes quentre 0 et 3. Nous avons
alors
P pX7 0|X4 0q 0.344.
(28.57)
La chane est irrductible et na pas dtats absorbants.

28.4

Classification des tats

Sauf mention expresse du contraire, nous considrons toujours une chane de Markov homogne.
Dfinition 28.20.
Un tat x P E est absorbant pour la chaine pXn q si ppx, xq 1.

Il nest pas spcialement impossible darriver sur un tat absorbant, mais il est impossible den
sortir.
Si x P E, nous notons
T pxq inftk 1 tel que Xk xu,
(28.58)

le premier temps datteinte de ltat x. Si X0 x, alors T pxq est le temps de retour en x.

Si p P N nous notons
Tp pxq inftk 1 tel que Xk`p xu.
(28.59)
Cest le temps mis pour atteindre x partir de linstant p.

1512

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

Proposition 28.21.
La loi de la variable alatoire rTp pxq|Xp xs est la mme que celle de la variable alatoire
rT pxq|X0 xs.
Dmonstration. Nous devons montrer que

P pTp pxq k|Xp xq P pT pxq k|X0 xq.

(28.60)

Cela est intuitivement vident du fait quune chane de Markov soit un processus sans mmoire.
Afin de prouver, nous allons sommer sur tous les tats intermdiaires possibles :
P pTp pxq k|X0 xq P pXp`k x, Xp`k1 x, . . . , Xp`1 x|Xp xq

P pXp`k x, Xp`k1 zk1 , . . . , Xp`1 z1 |Xp xq

zi x

zi

zi

P pXp`k x, Xp`ki zi |Xp`1 z1 , Xp xq looooooooooooomooooooooooooon

P pXp`1 z1 |Xp xq
ppx,z1 q

P pXp`k x, Xp`ki zi |Xp`2 z2 , Xp`1 z1 , Xp xq

P
pXp`2 z2 |Xp`1 z1 , Xp xq ppx, z1 q
looooooooooooooooooooomooooooooooooooooooooon
P pXp`2 z2 |Xp`1 z1 qppz1 ,z2 q

...

ppx, z1 qppz1 , z2 q . . . ppzk1 , zk1 qppzk1 , xq.

(28.61a)
(28.61b)
(28.61c)
(28.61d)
(28.61e)
(28.61f)
(28.61g)

zi

ce point ci, nous avons limin toute rfrence p grce lhomognit de la chane. Nous
pouvons refaire le calcul lenvers pour reconstituer lexpression de dpart sans le p :

ppx, z1 qppz1 , z2 q . . .ppzk1 , zk1 qppzk1 , xq

(28.62a)
zi

P pxk x, Xk1 x, . . . , X1 x|X0 xq

P pT pxq kq,

(28.62b)

(28.62c)

ce quil fallait obtenir.

Dfinition 28.22.
Un tat x est rcurrent si P pT pxq 8|X0 xq 0, cest dire si la probabilit de ne jamais
retourner en x lorsquon y est pass est nulle. Ltat x est transient ou transitoire dans le cas
contraire.
`

Si` x est un tatrcurrent, et si E T pxq|X0 x 8, nous disons que x est rcurrent positif.
Si E T pxq|X0 x 8 alors nous disons que est rcurrent nul.
Nous introduisons une variable alatoire qui compte le nombre de fois que la chane de Markov
passe par ltat x :
8

Nx
1tXk xu .
(28.63)
k0

Cest une variable alatoire valeurs dans

N Y t8u.

Proposition 28.23.
Les deux proprits suivantes sont quivalentes dire que x est rcurrent :
(1) P pNx 8|X0 xq 0
(2) EpNx |X0 xq 8.

Les deux proprits suivantes sont quivalentes dire que x est transient :
(1) P pNx 8|X0 xq 1

1513

28.4. CLASSIFICATION DES TATS

(2) EpNx |X0 xq 8.

Dmonstration. En tant que vnements, nous avons lgalit

tX
Nx 8
n x, Xn`k x@k 1u.
looooooooooooooomooooooooooooooon
nPN

(28.64)

Fn

Nous avons donc

P pNx 8|X0 xq
et

n0

(28.65)

P pFn |X0 xq,

P pFn |X0 xq P pXn`k x, @k 1, Xn x|X0 xq

(28.66a)

P pXn`k x, k 1|Xn x, X0 xqP pXn x|X0 xq

(28.66b)

P pXk x, k 1|X0 xqP pXn x|X0 xq

(28.66d)

P pXn`k x, k 1|Xn xqP pXn x|X0 xq

Justifications :

(28.66c)
(28.66e)

P pT pxq 8|X0 xqP pXn x|X0 xq

(1) Pour (28.66c), nous utilisons le fait que la chane soit sans mmoire.
(2) Pour (28.66d), nous utilisons le fait que la chane soit homogne.
(3) Pour (28.66e), lvnement Xk x pour tout k 1 est exactement lvnement T pxq 8.

En nous servant de la proposition 13.83 (thorme de Fubini et mesure de comptage), nous permutons lesprance et la somme dans lexpression
8

n0

P pXn x|X0 xq

n0

Ep1tXn xu |X0 xq

8
`

n0

1tXn xu |X0 x

EpNx |X0 xq.

Voyons ce passage plus en dtail. Dabord, en gnral nous avons

EpY |X x0 q
Y pqdP pq
1tXx0 u pqY pqdP pq.

tXx0 u

Dans notre cas,

1tXn xu |X0 x

1X0 x pq1tXn xu pqdP pq.

(28.67a)
(28.67b)
(28.67c)

(28.68)

(28.69)

La fonction qui correspond la proposiiton 13.83 est

f pn, q fn pq X0 pq,x Xn pq,x ,

(28.70)

qui est bien une fonction positive et mesurable.

Nous reprenons prsent le calcul (28.65) en remplaant les lments par leurs valeurs que
nous avons calcules :
`

P pNx 8|X0 xq P T pxq 8|X0 x EpNx |X0 xq.

(28.71)
`

Si x est rcurrent, nous avons P T pxq 8|X0 x 0, mais la relation (28.71) ne permet pas de
conclure que le membre de gauche est nul parce quil reste la possibilit que EpNx |X0 xq 8.
Nous devons donc faire un pas en arrire et crire cette esprance comme la limite des sommes
partielles :
P pNx 8|X0 xq lim

N 8

n0

P T pxq 8|X0 x P pXn x|X0 xq 0

(28.72)

1514

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

parce que tous les termes de la suite des sommes partielles sont nuls. Nous avons donc bien que
P pNx 8|X0 xq 0. Il sensuit immdiatement que EpNx |X0 xq 1.
Nous devons maintenant dmontrer limplication inverse. Supposons que P pNx 8|X0
xq 0. Dans ce cas nous avons immdiatement P pNx 8|X0 xq 1 et EpNx |X0 xq 8.
Lquation (28.71) nous indique alors que
`

P T pxq 8|X0 x 0,
(28.73)

cest dire que x est rcurrent.

28.4.1

Chanes irrductibles

Proposition 28.24.
Soit pXn q une chane de Markov irrductible.

(1) Un tat x est rcurrent si et seulement si tous les tats sont rcurrents.

(2) Un tat x est transient si et seulement si tous les tats sont transients.
Dmonstration. Soient x et y des tats de la chane de Markov. Nous devons tester la valeur de
P pXn y|X0 yq. Afin dexploiter lhypothse dirrductibilit, nous considrons r, s P N tels
que
pr px, yq 0

(28.74a)

p py, xq 0

(28.74b)

et nous calculons majorons en passant par quelques intermdiaires :

P pXn`r`s y|X0 yq P pXn`r`s y, Xn`s x, Xs x|X0 yq
P pXn`r`s y|Xn`s x, Xs x, X0 yq

(28.75a)
(28.75b)

P pXn`s x|Xs x, X0 yqP pXs x|X0 yq.

Les deux premiers facteurs se calculent en utilisant la proprit de Markov et lhomognit de la

chane. Pour le premier,
P pXn`s x|Xs x, X0 yq P pXn`s x|Xs xq P pXn x|X0 xq.
Nous avons donc

nPN

P pXn`r`s y|X0 yq pr px, yqps py, xq

nPN

P pXn x|X0 xq.

En rutilisant Fubini comme dans lquation (28.67), nous avons

P pXn`r`s y|X0 yq KEpNx |X0 xq

nPN

(28.76)

(28.77)

(28.78)

o K est une constante strictement positive, par hypothse dirrductibilit de la chane de Markov.
Si x est un tat rcurrent, alors le membre de gauche est infini par la proposition (28.23) et
donc

P pXn`r`s y|X0 yq 8.
(28.79)
nPN

Aux r ` s premiers termes prs (qui ne changent pas la somme), nous avons

P pXn y|X0 yq 8,
nPN

ce qui signifie que y est rcurrent.

(28.80)

1515

28.4. CLASSIFICATION DES TATS

Nous rappelons que T pxq est le temps que premire atteinte de ltat x. Nous notons
pxq

1
.
E T pxq|X0 x
`

(28.81)

tant donn que T pxq est un entier positif ou nul nous avons E T pxq|X0 x P r1, 8s et donc
pxq P r0, 1s.
`

Si x est un tat transient, alors T pxq ` 8 lorsque X0 x et donc E T pxq|X0 x 0 et

pxq 0. Si x`est rcurrent par contre, P T pxq 8|X0 x 1 et il ny a pas de garanties sur
la valeur de E T pxq|X0 x .

Corollaire 28.25.
Un tat rcurrent est rcurrent positif si et seulement si pxq 0. Un tat rcurrent est rcurrent
nul si et seulement si pxq 0.
Dmonstration. Cest la formule (28.81).

Proposition 28.26.
Soit pXn q est une chane de Markov irrductible.

(1) Si x est un tat rcurrent, alors T pXq 8 presque srement.

(2) Nous avons une galit entre les lois

`

L Xk`T pxq |T pxq 8 L pXk |X0 xq.

28.4.2

(28.82)

Nombre de visites

La fonction

n
1
1
n k1 tXk xu

(28.83)

est la frquence empirique de la chane de Markov.

`

Soit x un tat rcurrent, cest dire que P T pxq 8|X0 x 1. Nous classons les visites
de la faon suivante :
T1 pxq T pxq inftk 1 tel que Xk xu

(28.84a)

T2 pxq inftk 1 tel que XT1 pxq`k xu

..
.

(28.84b)

Tn pxq inftk 1 tel que XTn1 pxq`k xu

(28.84d)

(28.84c)

La variable alatoire Ti reprsente le temps entre la visite numro i 1 et la visite numro i (si
X0 x, sinon il faut dcaler). Nous dfinissons linstant la na visite numro n :
Sn

k1

Tk pxq.

(28.85)

Lemme 28.27.
Les variables alatoires Ti sont indpendantes.
Dmonstration. Nous choisissons n des Ti et nous calculons la probabilit
P pTi1 k1 , Ti2 k2 , . . . , Tin kn q

(28.86)

o nous supposons i1 i2 . . . in . Nous dcomposons cette probabilit en sommant sur toute

les histoires de la chane de Markov compatibles avec les nombres ki donns :

P pXj zj , j 1, . . . , N q.
(28.87)
tzj u
compatibles

1516

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

Notons quici, le numro du dernier terme de la somme nest pas certain parce que tous les Ti
ne sont pas fixs. Nous lavons not N , mais en ralit il est diffrent dun terme lautre de la
somme. Il est certain que zN x et zN k1 x et si N k1 j N , alors zj x. Cela est
simplement le fait que nous demandions aux zi de respecter les conditions donnes par les ki . Nous
avons

P pXN x, Xj zj , N k1 j N |Xj zj , j N k1 qP pXj zj , j N k1 q

tzj u

tzj u

(28.88a)

P pXN x, Xj zj , N k1 j N |XN k1 xqP pXj zj , j N k1 q

(28.88b)
(28.88c)

Le premier facteur est P pTi1 k1 q tandis que le second facteur est prcisment P pTj kj , j 1q.
Nous avons donc montr que
P pTi1 k1 , Ti2 k2 , . . . , Tin kn q P pTi1 k1 qP pTj kj , j 1q,

(28.89)

et donc les Ti sont indpendants.

Proposition 28.28.
Si pXn q est une chane de Markov irrductible et si x P E alors
n
1
1tXk xu
n8 n
k1

pxq lim

(28.90)

presque srement.
Dmonstration. tant donn que la chane est irrductible, les tats sont soit tous transient soit
tous rcurrents par la proposition 28.24. Nous commenons par considrer que x est transient.
En comparant la dfinition (28.63) de Nx et le membre de droite de (28.90), nous avons pour
chaque n lingalit
n
1
1
1tXk xu EpNx q.
(28.91)
n k1
n

Dans le cas dun lment transient, nous avons pxq 0, donc il serait bon de montrer que
EpNx q 8, de sorte que prendre la limite n 8 dans (28.91) donne zro.
Nous dcomposons le calcul en deux morceaux :
`
`

`
`

EpNx q E Nx |T pxq 8 P T pxq 8 ` E Nx |T pxq 8 P T pxq 8 .

(28.92)

Le fait que le premier terme soit fini dcoule immdiatement du fait que T pxq 8 implique Xk x
pour tout k 1. Dans ce cas lesprance de Nx est videmment finie.
Pour le second terme nous avons
8
`

`
E Nx |T pxq 8 E

k0

k1

1tXk xu |T pxq 8

(28.93a)

(28.93b)

1tXk xu |T pxq 8 .

Pour inverser la somme et lesprance, nous avons utilis le thorme de thorme de Fubini-Tonelli
qui est encore valable pour des fonctions qui prennent la valeur 8. Le fait dinverser ne signifie pas
que ni la somme ni lintgrale soit finie. Dailleurs cest exactement ce que nous sommes en train
de dterminer.

1517

28.4. CLASSIFICATION DES TATS

tant donn que nous voulons seulement savoir si cette somme est finie ou non, nous pouvons
nous restreindre la somme depuis k 1 ou oublier le premier terme. Dautre par nous avons
8

k1

1tXk xu

j0

1tXj`T pxq xu

(28.94)

parce que les T pxq premiers termes sont par dfinition nuls. Nous regardons donc
8

j0

1Xj`T pxq x |T pxq 8

P Xj`T pxq x|T pxq 8

(28.95a)

(28.95b)

P pXj x|X0 xq

E 1tXj xu |X0 x
j

`
j

(28.95c)

1Xj x |X0 x

EpNx |X0 xq

(28.95d)
(28.95e)
parce que x est transient.
(28.95f)

Lquation (28.95b) provient de la proposition 28.26 et plus prcisment de lgalit entre les lois
(28.82). Nous avons termin la preuve dans le cas o x est transient.
Nous passons maintenant au cas o x est rcurrent, cest dire P pT pxq 8|X0 xq 1.
Les variables alatoires Ti dfinies en (28.84) pour i 2 sont indpendantes et identiquement
distribues et
`

L Tk pxq L T pXq|X0 x .
(28.96)

La loi des grands nombres nous indique que

Sn
T1 pxq 1
p.s. `

`
Tk pxq E T2 pxq
n
n
n k2
`

E T pxq|X0 x .

(28.97a)
(28.97b)

Remarque 28.29.
La loi des grands nombres est encore vraie sans lhypothse de variables alatoires dans L1 pourvu
quelles soient positives. Alors dans la conclusion de la loi nous devons accepter la possibilit que
lesprance soit infinie.
Nous posons pour m P N

npmq

j1

1tXj xu

(28.98)

qui est le nombre de visites de x avant linstant m. Nous avons videmment npmq m. Mais Sn
est linstant de la nime visite, par consquent Snpmq est linstant de la dernire visite avant le
moment m. Pour tout m nous avons les ingalits
Snpmq m Snpmq`1 .

(28.99)

Snpmq ` 1
Sn pmq
m

npmq
npmq
npmq

(28.100)

Nous divisons par npmq et nous effectuons la limite m 8 :

En ce qui concerne la limite de npmq, nous utilisons la dfinition (28.98) :

npmq

j1

1tXj xu

(28.101)

1518

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

heur. . .
lim npmq lim

m8

m8

n1

p.s.
1tXj xu
8

(28.102)

par la proposition (28.23). Plus prcisment, la limite vaut Nx qui vaut presque srement 8 dans
le cas o x est rcurrent. Par ailleurs la loi des grands nombres (28.97) nous enseigne en particulier
que

Snpmq p.s. `
E T pxq|X0 x .
(28.103)
npmq
Le terme de droite dans (28.100) se traite de faon usuelle :

Snpmq`1
Snpmq`1 npmq ` 1

.
(28.104)
npmq
npmq ` 1 npmq
`

Le dernier facteur tend vers 1 et le tout a pour limite E T pxq|X0 x . Par consquent nous avons

m p.s. `
E T pxq|X0 x
npmq

et

m
npmq
1
1
pxq.

1tXj xu `
n
m j1
E T pxq|X0 x

(28.105)

(28.106)

Lemme 28.30.
Soit pXk q une chane de Markov dont lespace des tats est not E. Pour chaque x P E nous notons
T pxq inftk 1 tel que Xk xu

(28.107)

Tp pxq inftk 1 tel que Xk`p xu

(28.108)

P pTp pxq k|Xp yq P pT pxq k|X0 yq.

(28.109)

et
Alors nous avons

La proposition suivante nous permet de parler de chane de Markov rcurrence positive.

Proposition 28.31.
Soit pxn q une chane de Markov irrductible.

(1) Un tat x est transient si et seulement si tous les tats sont transients.

(2) Un tat est rcurrent positif si et seulement si tous les tats sont rcurrents positifs.
Dmonstration. Nous rappelons (proposition 28.28) que si la chane est irrductible
n
1
1rXk xs
n8 n
k1

pxq lim
Notons aussi que
N

k1

1Xk x N T pxq
k0

si N T pxq

1Xk`T pxq x si N T pxq

(28.110)

(28.111)

o dans la seconde ligne nous avons effectu le changement de variable de sommation k 1 k `T pxq.
Dans la limite (28.110) nous sommes toujours dans le cas o N est assez grand. Nous pouvons
donc crire
N T pxq
1
pxq lim
1Xk`T pxq x .
(28.112)
N 8 N
k0

1519

28.4. CLASSIFICATION DES TATS

Nous pouvons aussi crire
1
N T pxq

N T
pxq
k0

1Xk`T pxq x

N
1

N T pxq N

N T
pxq
k0

1Xk`T pxq x .

(28.113)

Dans cette dernire galit le membre de droite tend vers pxq et nous avons
1
N 8 N T pxq
lim

ou encore

N T
pxq
k0

1Xk`T pxq x pxq

N
1
1Xk`T pxq x pxq
N 8 N
k0

lim

(28.114)

(28.115)

tant donn que pxq est une constante nous avons videmment Eppxqq pxq. Nous pouvons
cependant considrer les variables alatoires
n
1
Zn
1X
x
n k1 k`T pxq

(28.116)

p.s.

et remarquer que Zn pxq avec 0 Zn 1. Le thorme de la convergence domine (7.134)

nous permet dinverser la limite et lesprance et crire
n

1 `
E 1Xk`T pxq x
n8 n
k1

pxq lim

1 `
P Xk`T pxq x .
n8 n
k1

lim
Par le lemme 28.30 nous avons

et pxq prend la forme

P pXk`T pxq xq P pXk k|X0 xq

n
1
P pXk x|X0 xq.
n8 n
k1

pxq lim

(28.117a)
(28.117b)

(28.118)

(28.119)

Soit maintenant un tat x positif rcurrent et y, un autre tat. Par dfinition 28.22 et par
corollaire 28.25 nous avons pxq 0. Nous devons prouver que pyq 0.
tant donn que la chane est irrductible il existe r et s tels que
" r
p px, yq P pXr y|X0 xq 0
(28.120a)
ps px, yq P pXs x|X0 yq 0

(28.120b)

Nous reprenons lquation (28.77) multiplie par 1{N :

N
N
1
1
P pXr`s`ny|X0 y q loooooooomoooooooon
pr px, yqps py, xq
P pXn x|X0 xq
N n1
N n1
loooooooooooooooomoooooooooooooooon
0

(28.121)

pxq

et nous prenons la limite lorsque N 8. r ` s termes prs, nous trouvons gauche lexpression
(28.119) de pyq. Par consquent
N
1
pyq lim
P pXr`s`n y|X0 yq pxq
N 8 n
n1

(28.122)

o est une constante positive. Le nombre pxq tant strictement positif par hypothse nous avons
montr que pyq 0, cest dire que y est rcurrent positif.

1520

28.5

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

Mesure invariante

Dfinition 28.32.
Une mesure de probabilit sur lespace des tats E dune chane de Markov est invariante si
pour tout x P E

ppy, xqpyq.
(28.123)
pxq
yPE

Remarque 28.33.
Une mesure invariante est une mesure de probabilit et nous noterons par abus pxq pour ptxuq.
Si A E nous avons

pxq.
(28.124)
pAq
xPA

Remarque 28.34.
Une loi invariante associe une chane de Markov est une loi associe la matrice de transition
de la chane, mais pas la loi de X0 . Par consquent nous pouvons tester si est une mesure
invariante pour une certaine chane de Markov pXk q en considrant la chane pYk q avec Yk Xk
pour k 0 et Y0 arbitraire.
Ladjectif invariant provient du lemme suivant.

Lemme 28.35.
Soit pXn q une chane de Markov telle que X0 o est une mesure invariante sur lespace des
tats. Alors Xk pour tout k.

Dmonstration. Par hypothse, P pX0 xq pxq. Ensuite nous avons

P pX1 yq
P pX1 y|X0 xqP pX0 xq

(28.125a)

xPE

ppx, yqpxq

(28.125b)

(28.125c)

pyq.

Par consquent X1 suit galement la loi . Par rcurrence tous les tats suivent cette mme loi.
Si les tats dune chane de Markov ont comme loi une mesure invariante, alors nous disons
que la chane est stationnaire.
Remarque 28.36.
Pour une chane de Markov stationnaire de loi invariante nous avons

pxq
ppy, xqpyq

(28.126)

et si lensemble E est fini cette quation signifie

(28.127)

o Q est la matrice de transition de la chane de Markov.

Thorme 28.37 (Thorme ergodique).
Une chane de Markov irrductible est positive rcurrente si et seulement si elle accepte une mesure
invariante. Cette mesure est invariante est alors unique et vrifie Q o Q est la matrice de
transition.
Dmonstration. Nous allons seulement prouver le thorme ergodique dans le cas o E est fini.
Soit pXn q une chane de Markov rcurrente positive ; nous avons pxq 0 pour tout x P E. Nous
allons montrer que est une mesure invariante.

1521

28.5. MESURE INVARIANTE

Nous commenons par montrer que

xPE

pxq 1.

(28.128)

Pour cela nous reprenons la proprit de chane irrductible pour crire

N
1
1Xk x
N 8 N
k1

pxq lim

(28.129)

tant donn que E est fini nous pouvons sommer sur x P E et permuter la somme avec la limite :

xPE

N
1
1Xk x .
N 8 N
xPE
k1 loooomoooon

pxq lim

(28.130)

Nous nous retrouvons donc avec limN 8 N1 N 1. La fonction dfinit donc bien une mesure de
probabilit sur E.
Nous montrons prsent que cette mesure est invariante, cest dire que

pxq
ppy, xqpyq.
(28.131)
yPE

Pour cela nous utilisons encore le thorme de la convergence domine pour permuter la limite et
lintgrale dans
N
N

1 `
1
E
1
P pXk`1 xq.

lim
Xk x
loooomoooon
N 8 N
N 8 N
k1
k1

pxq Eppxqq lim

(28.132)

P pXk xq

La dernire galit dcoule du fait que en divisant par N et en faisant tendre N vers linfini, le fait
denlever un terme la somme ne change pas la valeur de la limite. Nous pouvons substituer dans
(28.132) la valeur

P pXk`1 xq
ppy, xqP pXk yq.
(28.133)
yPE

Nous avons alors

N
1
ppy, xqP pXk yq
N 8 N
k1 yPE

pxq lim

N
1

ppy, xq lim
P pXk yq
N 8 N
yPE
k1

ppy, xqpyq,

(28.134a)
(28.134b)
(28.134c)

yPE

ce qui signifie que est une mesure invariante. Notons que nous avons encore utilis le fait que E
soit fini pour permuter avec la limite.
Il nous reste montrer lunicit de la mesure invariante sur la chane de Markov. Soit une
mesure invariante pour la chane de Markov pXk q. Comme indiqu dans la remarque 28.34 nous
pouvons supposer que X0 suit la loi . Par le lemme 28.35 nous avons P pXk xq pxq pour
tout k. Par consquent
N
1
pxq lim
P pXk xq pxq.
(28.135)
N 8 N
k1

1522

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

Thorme 28.38 (loi des grands nombres pour les chane de Markov).
Soit pXn q une chane de Markov irrductible acceptant une mesure invariante. Soit f : E R une
fonction dans L1 pE, q. Alors nous avons
N
1
p.s.
f pxqpxq.
f pXk q
N k1
xPE

En ce qui concerne les notations, lhypothse f P L1 pE, q signifie

|f pxq|pxq
|f pxq|dpxq 8.

(28.136)

(28.137)

xPE

Dmonstration. Nous prouvons le thorme dans le cas o E est fini. Si nous crivons

f pyq1Xk y ,
f pXk q

(28.138)

yPE

alors

N
N

1
1
f pyq
f pXk q
1Xk y .
N k1
N
yPE
k1

(28.139)

tant donn que E est fini nous pouvons permuter les sommes et prendre la limite N 8 :
N

1
1
f pXk q
1Xk y
f pyq lim
f pyqpyq.
N 8 N
N 8 N
yPE
yPE
k
k1

lim

28.6

(28.140)

Convergence vers lquilibre

Nous voudrions savoir sous quelles conditions la variable alatoire Xn converge en loi vers
quelque chose lorsque n 8. Une telle loi limite doit dpendre de la loi initiale 2 comme le
montre lexemple de la chane de Markov
1

&

Ao

1{2

1{2

/B

(28.141)

Si X0 C, alors la loi limite est

1
pA ` B q.
(28.142)
2
Si par contre X0 B, la loi limite est B . Notons que la chane de Markov propose ici est
irrductible.
Notons quil ny a pas toujours de lois limite comme le montre lexemple
Ao
avec X0 A. La loi en est
Xk

A
B

1
1

si k est pair
si k est impair.

Lemme 28.39.
Si nous avons une loi limite
P pXn xq lpxq,

(28.143)

(28.144)

(28.145)

et que la chane est irrductible, alors nous avons l .

2. Lorsque la loi limite ne dpend pas de la loi initiale, nous disons que la chane de Markov est ergodique, nous
y reviendrons.

1523

28.6. CONVERGENCE VERS LQUILIBRE

Dmonstration. Daprs la proposition 28.28 nous avons
n
1
P pXk xq pxq.
n k1

(28.146)

Par le lemme 6.171 sur la moyenne de Cesaro et lhypothse (28.145), nous avons aussi
n
1
P pXk xq lpxq.
n k1

Du coup pxq lpxq.

(28.147)

Lemme 28.40 ([303]).

Si est une loi stationnaire et si x est un tant transient, alors pxq 0.

Ce lemme (qui peut tre prouv rigoureusement) est principalement d au fait que la chane
de Markov ne visite un tat transitoire quun nombre fini de fois par la proposition 28.23(1).
Dfinition 28.41.
Un tat x P E est apriodique si

pgcdtn 1 tel que pn px, xq 0u 1.

(28.148)

Mettons que tous les n tels que pn px, xq 0 ont 2 comme diviseur. Ltat nest alors pas
apriodique, mais on voit que si X0 x, alors les tats impairs ne peuvent pas tre sur x. Cela est
une forme de priodicit.
Si un tat est apriodique, il existe p et q premiers entre eux tels que pp px, xq et pq px, xq sont
non nuls. En particulier pour tout n P pN ` q N, P pXn xq 0. Par consquent la proposition
2.26 nous indique qu partir dun certain moment tous les Xk pourraient tre x.
Ltat C de la chane de Markov suivante est apriodique :
1

A _o

2{3
1

(28.149)

1{3

En effet p3 pC, Cq 0 par le chemin C A B C tandis que p5 pC, Cq 0 galement par le

chemin C A B A B C. Or pgcdt3, 5u 1.
Proposition 28.42 ([303]).
Soit pXn q, une chane de Markov irrductible. Un tat x est apriodique si et seulement si il existe
N tel que
pk px, xq P pXk x|X0 xq 0
(28.150)

pour tout k N .

La proposition suivante va nous permettre de parler de chane apriodique .

Proposition 28.43.
Si une chane de Markov est irrductible, alors un tat est apriodique si et seulement si tous les
tats sont apriodiques.
Dmonstration. Soit x un tat apriodique de la chane de Markov pXn qnPN . En vertu de la proposition 28.42 il existe Nx tel que pk px, xq 0 pour tout k Nx . Soit y P E. tant donn que la
chane est irrductible, il existe r et s tels quepr px, yq 0 et ps py, xq 0. Nous avons
pk`r`s py, yq P pXk`r`s y|X0 yq ps px, yqP pXk x|X0 xqpr py, xq.

(28.151)

Si k est assez grand, cette quantit est strictement positive. Donc il suffit de prendre Ny Nx `r`s
pour savoir que y est galement apriodique.

1524

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

Exemple 28.44
Quelle est la diffrence entre une chane irrductible et une chane apriodique ? Une chane est
irrductible lorsque aucune sous-chane ne peut piger le systme. Pour toute paire dtats x, y P E,
il existe un n tel quil soit possible daller de x y en n pas. Une chane est apriodique lorsquaprs
un temps suffisamment long, tous les tats soient possibles en mme temps.
Un exemple de chane irrductible non apriodique :
1

Ai

(28.152)

Cette chane est irrductible parce que le graphe est connexe, par contre il nest pas apriodique
parce que si X0 A il nest pas possible dtre dans ltat A aprs un nombre impair de pas.
Plus formellement, pn pA, Aq 1 ds que n est pair ; le PGCD de la dfinition 28.41 nest donc
certainement pas 1.
4

Si E est fini et si la chane de Markov est irrductible, alors en posant N maxxPE N pxq,
la matrice P k a des lments non nuls sur toute la diagonale pour tout k N . Ces lments
diagonaux ne sont autre que les pk px, xq.
Thorme 28.45 (Convergence en loi des chane de Markov).
Si pXn q est
(1) irrductible,
(2) rcurrente positive,
(3) apriodique,
alors Xn converge en loi vers lunique probabilit invariante vrifiant

1
.
pxq
ppy, xqpyq `
E T pxq|X0 x
uPE

(28.153)

Cette convergence est indpendante de la loi de X0 et on a

P pXn x|X0 yq n8 pxq.

28.7

(28.154)

Processus de Galton-Watson

Nous considrons une maladie et notons Zn le nombre de malades linstant n. Nous posons
Z0 1 et
#
0
si Zn 0
(28.155)
Zn`1 Zn pnq
sinon
i1 i
pnq

o i est le nombre de personnes contamines par le malade i linstant n. Nous supposons que
ces variables alatoires sont indpendantes et identiquement distribues et admettent un moment
dordre 1.
Lquation de propagation 28.155 signifie que nous supposons quune personne malade linstant n nest plus malade linstant n`1. Par ailleurs les hypothses dindpendance signifient qu
chaque instant, le nombre de personnes contamines par le malade i est indpendant du nombre de
personnes contamines par le malade j. De plus la faon dont la contamination se passe linstant
n est indpendant de la faon dont la contamination se passe linstant m. Ces hypothses sont
raisonnables tant que le nombre de personnes non contamines est grand. partir du moment o
presque tout le monde est malade, lapproximation de Galton-Watson ne fonctionne plus.
pnq
Nous notons la loi parente des i . Ensuite nous considrons
Gpsq Eps q
m Epq

Gn psq EpsZn q.

(28.156a)
(28.156b)
(28.156c)

1525

28.7. PROCESSUS DE GALTON-WATSON

Par le thorme de transfert (proposition 26.47) avec f ptq st . Ce que nous avons est
`

Gn psq E f pZn q

sx dPZn pxq

k0

sk P pZn kq

(28.157)

o lintgrale sest transforme en somme parce que la loi de Zn est discrte : dPZn est une somme
de masses de Dirac. En particulier nous avons
Gn psq

(28.158a)

sk P pZn kq

k0

Gp0q P pZn 0q
et

lim P pZn 0q lim Gn p0q.

n8

Do lintrt dtudier Gn .

(28.158b)
(28.159)

n8

Lemme 28.46.
Pour tout n P N et pour tout s P r0, 1s, nous avons
Gn psq G
G . . . Gpsq .
loooooooooomoooooooooon

(28.160)

G1 psq Eps q Gpsq,

(28.161)

Gn psq EpsZn q

Zn1 pn1q

E s i1 i

8
k

pn1q

E
.
1tZn1 ku s i1 i

(28.162a)

n fois

p1q

Dmonstration. Pour n 1, nous avons Z1 1

et donc

comme il se doit.
Si n 1 nous crivons
(28.162b)
(28.162c)

k0

ce niveau, nous voulons permuter la somme et lesprance. tant donn que le lemme est facile
vrifier pour s 1, nous supposons s 1. Du coup
k

pn1q
i1 i

(28.163)

et ce qui se trouve dans lesprance est major par

8

k0

1Zn1 k 1.

(28.164)

La fonction constante 1 est intgrable sur (ici nous utilisons fond le fait que lespace soit un
espace de probabilit) et nous pouvons utiliser le thorme de convergence domine de Lebesgue
16.17 pour permuter la somme et lintgrale. Nous continuons donc le calcul (28.162) :
Gn psq

k0

La tribu engendre par la variable alatoire

1tZn1 ku s

pn1q
i1 i

(28.165)

1tZn1 ku est une fonction des variable alatoires ipmq

k

avec m n 2 tandis que la variable alatoire s

pn1q
i1 i

est une fonction des variable alatoires

1526

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

pn1q

i
. Par consquent le lemme de regroupement 26.15 nous dit que ces variables alatoires sont
indpendantes, donc
8

`
` k pn1q
i1 i
Gn psq
E
1
.
(28.166)
tZ
ku
n1
looooooomooooooon E s
k0

P pZn1 kq

Nous avons utilis le fait que lesprance dune fonction indicatrice est la probabilit de lvnement.
En ce qui concerne la puissance de s, les vnements in1 sont indpendants et suivent tous la
mme loi , donc
k
k

pn1q
pn1q
i
i1
s

si
(28.167)
i1

et

k
`
i1

En mettant tout bout bout,

Gn psq

k1

s Eps qk Gpsqk .

P pZn1 kqGpsqj Gn1 Gpsq .

Thorme 28.47.
La probabilit dextinction est donne par

P
pZn 0q lim P pZn 0q.
n8

n1

(28.168)

(28.169)

(28.170)

Ce nombre est la plus petite solution positive de lquation Gpsq s.

De plus la classification des cas est comme suit.
(1) Si P p 0q 0 alors 0.
(2) Si P p 0q 0 alors

(a) si m 1 alors 1,

(b) si m 1 alors P s0, 1r.

Le cas m 1 est dit sous-critique, le cas m 1 est dit critique. Le cas m 1 est dit
sur-critique.
Dmonstration. Commenons par prouver que G est une fonction continue. En utilisant la thorme de transfert comme pour lquation (28.157) nous trouvons que
Gpsq Eps q

pk sk

(28.171)

k0

o nous avons not pk P p kq. Si r 1, alors la suite pk rk est borne, donc le critre dAbel
(16.23) nous indique que la srie (28.171) converge absolument et la thorie gnrale des sries
entires conclut que la fonction G est en particulier drivable terme terme pour tout s P s1, 1r.

Le probabilit dextinction est un point fixe

` de G En utilisant la continuit de G en 0
nous passons la limite dans Gn`1 p0q G Gn p0q et nous obtenons
Gpq,

ce qui signifie que la probabilit dextinction est un point fixe de G.

(28.172)

1527

28.7. PROCESSUS DE GALTON-WATSON

est le plus petit point fixe de G Nous dmontrons maintenant que est plus prcisment
le plus petit point fixe de G sur r0, 1s. Nous allons effectuer cette partie en dcomposant
selon les valeurs de p0 et de p1 .
Au vu de lcriture (28.171), si p1 1 alors Gpsq s pour tout s P r0, 1s. Mais dans ce cas
nous savons par ailleurs que lextinction est impossible. Zro est bien la plus petite solution
de Gpsq s.
Supposons maintenant que p1 1 et p0 ` p1 1. Alors Gpsq p0 ` p1 s et s 1 est lunique
solution. Mais vu que nous savons que est solution, cest que 1 et lextinction est
certaine.
Nous passons au cas gnral : p0 ` p1 1. Dabord nous remarquons que s 1 est solution
parce que
Gp1q p0 ` p1 ` 1.
(28.173)
Remarquons aussi que dans ce cas s 0 nest plus solution.
La fonction G est strictement convexe sur r0, 1s (parce que G2 0). Cela se voir en effectuant
deux drivations termes termes (le rayon de convergence de la drive est le mme que
celui de la fonction). Cette stricte convexit entraine que lquation Gpsq s a au maximum
une autre solution que s 1. Nous nommons s0 la plus petite solution dans r0, 1s. tant
donn que G est croissante on a
Gp0q Gps0 q s0 .
(28.174)
`

En appliquant G cette quation nous obtenons G Gps0 q Gps0 q s0 et en appliquant

n fois,
Gn p0q s0 .
(28.175)
En passant la limite, s0 mais tant solution, nous avons s0 . Nous avons donc
prouv que la probabilit dextinction est la plus petite solution de Gpsq s.

Classification des cas Nous devons encore discuter les cas. Si P p 0q 0, alors p0 0 et
Gp0q 0, ce qui signifie que s0 0 et lextinction est impossible.
Nous passons au cas p0 0. Si p0 ` p1 1, alors m p1 1 et nous avions dj vu que
dans le cas p0 ` p1 1, la probabilit dextinction est 1.
Il nous reste traiter le cas p0 `p1 1. Encore une fois, la courbe G est strictement convexe
sur r0, 1s et elle est en particulier plus grande que sa tangente en s 1, cest dire
Gpsq G1 p1qps 1q ` Gp1q.

(28.176)

Nous savons que Gp1q 1. En ce qui concerne G1 p1q, nous drivons encore terme termes :
1

G psq
donc
G1 p1q
Ce que nous avons donc est

k1

kpk sk1 ,

(28.177)

kpk Epq m.

(28.178)

k1

Gpsq 1 ` mps 1q.

(28.179)

Gpsq 1 ` ps 1q s,

(28.180)

Nous nous particularisons au cas sous-critique (m 1). En nous rappelant que s 1 0,

donc s 1 est la plus petite solution et effectivement nous avons dj vu que 1 dans
ce cas.
Si m 1, alors on a
Gpsq 1 ` mps 1q.
(28.181)

1528

CHAPITRE 28. CHANES DE MARKOV TEMPS DISCRET

Mais dire m 1 revient dire G1 p1q 1 et donc dans un voisinage de s 1 on a

ce qui implique que

Gpsq Gp1q
1,
s1

(28.182)

Gpsq s 1 ` Gp1q s.

(28.183)

Nous avons donc Gpsq s dans un voisinage de 1. Mais Gp0q 0 p0 0, donc la fonction
f psq Gpsq s est positive en 0 et ngative proche de s 1. Le thorme de la valeur
intermdiaire nous indique alors quil existe un s P s0, 1r tel que f psq 0, cest dire tel
que Gpsq s.

Chapitre 29

Martingales
29.1

Convergence de martingales

Dfinition 29.1.
Si A est une tribu, une filtration de A est une suite croissante de sous-tribus Bi Bi`1 A.
Nous disons quune suite de variables alatoires pXn q est adapte une filtration pFn q si Xi
est Fi -mesurable pour tout i.

Ces dfinitions impliquent immdiatement que si pXn q est adapt pFn q alors Xn est Fk mesurable pour k n.
Dfinition 29.2.
Une martingale adapte la filtration pBn qnPN est une suite de variables alatoires Mn P L1 p, A, P q
telle que
(1) Mn est Bn -mesurable,
(2) EpMn`1 |Bn q Mn .
Le processus Mn est une sur-martingale si EpMn`1 |Bn q Mn , et cest une sous-martingale
si EpMn |Bn q Mn .
Exemple 29.3
Si M P L1 p, A, P q et si pBn qnPN est une filtration, nous pouvons considrer la martingale Mn
EpM |Bn q.
4

Exemple 29.4
Soit pXi qi1 une suite de variables alatoires indpendantes et centres. On pose
Sn X1 ` . . . ` Xn

(29.1)

et la filtration Bn pX1 , . . . , Xn q. Pour montrer que cela est une martingale, nous commenons
par remarquer que
EpXn`1 |Bn q EpXn`1 q 0
(29.2)

par indpendance des tribus Bn et pXn`1 q. Ici cest le lemme 26.33 qui joue.
Ensuite nous argumentons que EpX1 ` . . . ` Xn |Bn q X1 ` . . . ` Xn . En effet dune part
X1 ` . . . ` Xn est Bn -mesurable et videmment la condition intgrale de lesprance conditionnelle
est satisfaite.
Plus gnralement si X est une variable alatoire et si pXq B alors EpX|Bq X.
4
Lemme 29.5.
Soit pMn q une martingales adapte la filtration pFn q et n k. Alors
EpMn |Fk q Mk

EpMk |Fn q Mk .
1529

(29.3a)
(29.3b)

1530

CHAPITRE 29. MARTINGALES

Dmonstration. La seconde relation revient seulement dire que Mk est Fn -mesurable, ce qui est
vident parce que Fk Fn .
Nous prouvons la premire par rcurrence ( lenvers) sur k. Dabord si k n, lgalit
EpMn |Fn q Mn . Nous supposons maintenant que EpMn |Fk q Mk , et nous prouvons que
EpMn |Fk1 q Mk1 . Si Bk1 P Fk1 , nous avons

Mn .
(29.4)
Mk
Mk1
Bk1

Bk1

Bk1

La premire galit est la dfinition dune martingale, et la seconde est lhypothse de rcurrence.
Thorme 29.6 ([304, 305]).
Soit pMn qn0 une martingale borne dans L2 pq, cest dire telle que
sup EpMn2 q 8.
n0

(29.5)

Alors la suite Mn converge dans L2 pq.

Dmonstration. Nous crivons Mn en somme tlescopique

Mn M 0 `

(29.6)

k1

o k Mk Mk1 . Nous commenons par monter que` les incrments

sont orthogonaux au
sens o Epn k q 0. Pour n k, la variable alatoire E n k |Fn1 est la variable alatoire
Fn1 -mesurable telle que

E n k |Fn1
n k
(29.7)
Bn1

Bn1

pour tout Bn1 P Fn1 . En particulier avec Bn1 nous trouvons

`

E E n k |Fn1 Epn k q

(29.8)

par la dfinition de lesprance (26.51). Par consquent, en utilisant le lemme 29.5 nous avons 1

Epn k q E Epn k |Fn1 q E k Epn |Fn1 q 0

(29.9)

parce que Epn |Fn1 q EpMn |Fn1 q EpMn1 |Fn1 q 0.

Utilisant lorthogonalit des incrments, nous avons
EpMn2 q

EpM02 q

k1

Ep2k q.

(29.10)

En prenant le supremum (par rapport n des deux cts),

EpM02 q

k1

Ep2k q 8.

(29.11)

Cela prouve que la suite nk1 k converge dans L2 pq. Nous en dduisons immdiatement que
pMn q est de Cauchy dans L2 pq parce que si k, l n, nous avons (en utilisant encore lorthogonalit
des incrments)
l
8

2
2
E |Mk Ml |
Epi q
Ep2i q,
(29.12)
ik`1

ik`1

qui tend vers zro lorsque n 8.

1. ce niveau je crois quil y a une faute dans [305] qui conditionne par rapport Fn .

1531

29.1. CONVERGENCE DE MARTINGALES

Le thorme suivant complte la conclusion du thorme 29.6.

Thorme 29.7 ([305]).

Soit pMn qnPN une martingale borne dans L2 . Alors pMn q converge dans L2 pq et presque srement
vers une mme variable alatoire M8 qui vrifie
(29.13)

Mn EpM8 |Fn q.

Notons en particulier que la variable alatoire M8 est presque srement finie parce quen vertu
de (29.13) nous avons

Mn 8.
(29.14)
M8

Exemple 29.8
Soient des variables alatoires indpendantes Vk E p2n q et la variable alatoire somme
Sn

(29.15)

Vk .

k1

p.s.

Nous allons montrer que Sn X o X est une variable alatoire presque srement finie. Nous
posons
n

1
M n Sn
(29.16)
k
2
k1
Cela est une martingale adapte la filtration Fn pV1 , . . . , V
n q en vertu de lexemple 29.4. Nous
montrons prsent quelle est borne dans L2 pq au sens o n1 EpMn2 q 8. Nous avons
EpMn2 q

1 2
Sn
2k
k

1 2
pVk k q
2

(29.17)

La variable alatoire Vk 1{2k est une variable alatoire centre de variance 1{p2k q2 (voir proposition 26.81). tant donn que Mn est centre, VarpMn q EpMn2 q et nous avons
EpMn2 q

n
1
1

,
Var Vk k
k
2
p2 q2
k1
k1
n

cette dernire somme tant borne par l

1
k1 p2k q2 ,

(29.18)

nous avons

EpMn2 q l

(29.19)

avec l indpendant de n. Cest pour cela que pMn qnPN est une martingale borne dans L2 pq. Par
le thorme 29.7 nous avons Mn M8 et en faisant n 8 dans
Sn Mn `
nous trouvons
Sn M8 `
qui est presque srement finie.

1
,
k
2
k1

1
1
M8 `
k
2

k1

(29.20)

(29.21)
4

1532

29.2

CHAPITRE 29. MARTINGALES

Temps darrt et martingale termine

Dfinition 29.9.
est un temps darrt
Soit p, Fn , F, P q un espace de probabilit filtr. Une application T : N
adapt la filtration pFn q si pour tout n P N nous avons tT nu P Fn .
Le temps darrt T est born si il existe k P N tel que T pq k pour presque tout P .
Lemme 29.10.
Si T est un temps darrt presque srement fini, alors 2
p.s.
T ^ n T ,
limn8 EpT ^ nq EpT q.

Dmonstration. Vu que T est presque srement finie, il suffit de prouver que

pT ^ nqpq T pq

(29.22)

pour tout tel que T pq k pour tout k P N. Soit donc P tel que T pq k et n k. Nous
avons
pT ^ nqpq T pq ^ n k T pq.
(29.23)
En ce qui concerne la seconde assertion, la suite de variables alatoires Xx T ^n est croissante
et positive, donc le thorme de la convergence monotone 7.129 montre que
lim EpT ^ nq EpT q.

n8

(29.24)

Remarque 29.11.
Notons la diffrence subtile entre ST pq et pST qpq. La premire est la variable alatoire
1 ST p1 q pq

(29.25)

et la seconde est le nombre ST pq pq.

Thorme 29.12 (Thorme darrt born[305]).

Soit pXn q une sur-martingale et S T , deux temps darrts borns. Alors
(1) les variables alatoires XS et XT sont intgrables,
(2) EpXT |pSqq XS presque srement.

Si par contre pXn q est une martingale alors XS et XT sont bornes, et

EpXT |pSqq XS .

(29.26)

Remarque 29.13.
Un cas particulier intressant de ce thorme 29.12 est le cas S 0 qui est un temps darrt
vrifiant F0 t, Hu. Si X est nimporte quelle variable alatoire, la tribu engendre pXq est
toujours indpendante de la tribu t, Hu, donc le rsultat EpXT |FS q XS donne
EpXT q X0 .

(29.27)

Thorme 29.14 (Premier thorme darrt de Doob[306]).

Soit pXn q une martingale et T un temps darrt ; tous deux pour la filtration pFn q. Nous supposons
quune des trois proprits suivantes soit vrifie :
(1) T est presque srement borne.
2. Dans [1], dans le problme de la ruine du joueur, la seconde assertion est avec une limite sup et non avec une limite
normale.

1533

29.2. TEMPS DARRT ET MARTINGALE TERMINE

(2) EpT q 8 et il existe une constante c telle que
`

E |Xn`1 Xn | |Fn c

(29.28)

sur lvnement tT nu.

(3) Il existe une constante c telle que |XT ^n | c presque srement 3 .

Alors XT est une variable alatoire presque srement bien dfinie nous avons
(29.29)

EpTT q EpX0 q.

Si pXn q est une sur-martingale, alors la conclusion est EpXT q EpX0 q et si pXn q est une sousmartingale, la conclusion est EpXT q EpX0 q.
Remarque 29.15.
Sous lhypothse (3), il est possible davoir T 8 sur un ensemble de mesure non nulle. Sur cet
ensemble, la variable alatoire XT doit tre dfinie de faon plus fine.
Problmes et choses faire
Daprs la page de discussion de larticle sur Wikipdia, il semblerait que la seconde condition soit mal nonce. Je nai pas vrifi.

Dfinition 29.16.
Nous disons que la martingale pMn qn1 est termine si il existe M P L1 p, A, P q telle que
EpM |An q M pour tout n 1.
Dfinition 29.17.
Un ensemble H L1 p, q est qui-intgrable si

lim

a8

sup

f PH |f |a

|f pxq|dpxq

0.

Notons dans cette dfinition que vu que f P L1 nous avons toujours

|f pxq|dpxq 0.
lim
a8 |f |a

(29.30)

(29.31)

Lqui-intgrabilit donne une sorte duniformit en f de cette limite.

Thorme 29.18.
Si pMn q est une martingale, nous avons quivalence entre
(1) pMn q converge dans L1 ;
(2) pMn q est termine ;

(3) lensemble tMn un1 est qui-intgrable.

Attention : en vertu de la proposition 18.14 et surtout de lexemple 18.15, la convergence L1

nimplique pas la convergence presque partout.
Thorme 29.19 (Thorme de Doob[117]).
propos de convergence de martingales.
(1) Toute martingale termine converge presque srement et pour la norme L1 .
(2) Toute martingale borne dans L2 converge presque srement et pour la norme L2 .
Proposition 29.20 ([307]).
Soit pMn q une martingale et T un temps darrt (pour la mme filtration pBn q). Alors le processus
Vn Mn^T est une martingale.
3. Il est dusage assez classique de noter a ^ b le minimum de a et b.

1534

CHAPITRE 29. MARTINGALES

Dmonstration. Nous dcomposons Vn de la faon suivante :

Vn Mn^T Mn 1T n ` MT 1T n Mn 1T n `
Nous avons, grce au lemme 7.3,

et, si k n,

kn

Mk 1T k .

(29.32)

tT nu AtT nu AtT n 1u P Bn1

(29.33)

tT ku looomooon
tT ku z loooooomoooooon
tT k 1u P Bk Bn .

(29.34)

PBk

PBk1

La forme (29.32) donne donc manifestement la Bn -mesurabilit de Vn .

En ce qui concerne lesprance nous devons calculer

EpVn`1 |Bn q EpMn`1 1T n`1 |Bn q `

EpMk 1T k |Bn q

(29.35)

kn`1

o nous avons utilis la proposition 26.24. tant donn que 1T n`1 et 1T k sont des variables
alatoires Bn -mesurables nous pouvons utiliser la proposition 26.36 pour les sortir :

EpVn`1 |Bn q 1T n`1 Mn `

1T k Mk MT ^n Vn .
(29.36)
kn

Pour cela nous avons utilis EpMn`1 |Bn q Mn (parce que pMn q est une martingale) et EpMk |Bn q
Mk parce que Mk est Bn -mesurable.
Dfinition 29.21.
Si pXn q est un processus adapt la filtration pFn q et si T est un temps darrt Fn -mesurable alors
le processus arrt linstant T est le processus Yn Xn^T .
Nous avons dj vu par la proposition 29.20 que si pXn q est une martingale alors son processus
arrt est encore une martingale.

29.3

Dcomposition de martingales

Dfinition 29.22 (Processus croissant prvisible[305]).

Un processus Xn adapt la filtration Fn est un processus croissant prvisible si
(1) A0 0

(2) An An`1 ; cest cette condition qui correspond croissant,

(3) An`1 est Fn -mesurable ; cest cette condition qui correspond prvisible.

Proposition 29.23 (Dcomposition de Doob pour une sous-martingale[305]).

Toute sous-martingale pXn q scrit de faon unique sous la forme
Xn Mn ` An

(29.37)

o pMn q est une martingale et pAn q est un processus croissant prvisible.

Dmonstration. Nous considrons le processus
"
A0 0

An`1 An ` EpXn`1 Xn |Fn q.

(29.38a)
(29.38b)

Nous vrifions que cela est un processus croissant prvisible. Dabord EpXn`1 Xn |Fn q EpXn`1 |Fn q
EpXn |Fn q. Le second terme est gal Xn parce que cette variable alatoire est Fn -mesurable tandis que pXn q tant une sous-martingale nous avons EpXn`1 |Fn q Xn . Nous avons donc bien
An`1 An et le processus pAn q est croissant.

1535

29.3. DCOMPOSITION DE MARTINGALES

En ce qui concerne la prvisibilit nous devons prouver que An`1 est Fn -mesurable. Dune
part An est Fn -mesurable et dautre part par dfinition de lesprance conditionnelle, la variable
alatoire EpXn`1 Xn |Fn q est galement Fn -mesurable.
Nous posons alors Mn Xn An et nous devons prouver que cela est une martingale. Nous
avons
EpMn`1 Mn |Fn q EpXn`1 Xn |Fn q EpAn`1 An |Fn q.
(29.39)
Le second terme vaut

EpAn`1 An |Fn q E EpXn`1 Xn |Fn q|Fn EpXn`1 Xn |Fn q

(29.40)

par la proposition 26.31. Le processus pMn q est donc une martingale. La preuve de lexistence
dune dcomposition (29.37) est acheve.
Nous passons maintenant lunicit en posant Xn Mn ` An Mn1 ` A1n . Nous avons
A0 A10 0 et A1n Xn Mn1 , donc
1
1
A1n`1 A1n Xn`1 Xn ` Mn`1
Mn1 Xn`1 Xn pMn`1
Mn1 q.

(29.41)

Nous appliquons Ep.|Fn q des deux cts de cette galit :

1
1
1
1
EpA
n`1 An |Fn q EpXn`1 Xn |Fn q EpM
n`1 Mn |Fn q .
loooooooooomoooooooooon
looooooooooomooooooooooon

(29.42)

A1n`1 A1n

Nous avons utilis le que que pMn q tant une martingale, EpMn`1 Mn Fn q 0, et idem avec
pMn1 q. Donc
A1n`1 A1n EpXn`1 Xn |Fn q EpMn`1 Mn |Fn q ` EpAn`1 An |Fn q An`1 An . (29.43)
Nous avons donc montr que An`1 An A1n`1 A1n et donc que An A1n pour tout n. Nous en
dduisons immdiatement que Mn Mn1 pour tout n et lunicit de la dcomposition.
Lemme 29.24.
Si pXn q est une martingale de carr intgrable adapte la filtration pFn q alors
(1) Le processus pXn2 q est une sous-martingale.

(2) Si Xn2 Mn ` An est la dcomposition de Doob, alors

An

n
n

2
EpXi2 |Ai1 q Xi1

E pXi Xi1 q2 |Ai1 .

i1

(29.44)

i1

Dmonstration. Pour la premire assertion, nous utilisons lingalit de Jensen 26.42 :

`
2
EpXn2 |Fn1 q EpXn |Fn1 q Xn2

(29.45)

parce que EpXn |Fn1 q Xn du fait que pXn q soit une martingale.
En ce qui concerne la seconde assertion, nous nous souvenons que le processus prvisible de
la dcomposition de Doob dune sous-martingale est donn par la rcurrence (29.38) que nous
recopions ici :
"
A0 0
(29.46a)
2
An`1 An ` EpXn`1
Xn2 |Fn q

(29.46b)

Vu que Xn2 est Fn -mesurable, il peut sortir de lesprance :

2
An`1 An ` EpXn`1
|Fn q Xn2

et donc
An

i1

2
EpXi2 |Fi1 q Xi1
.

(29.47)
(29.48)

1536

CHAPITRE 29. MARTINGALES

Pour obtenir la dernire partie de (29.44) nous travaillons un peu :

`

2
E pXi Xi1 q2 |Fi1 E Xi2 ` Xi1
2Xi Xi1 |Fi1

EpXi2 |Fi1 q
EpXi2 |Fi1 q
EpXi2 |Fi1 q

2
Xi1
2
Xi1
2
Xi1

(29.49a)

2EpXi Xi1 |Fi1 q

(29.49b)

2Xi1 Xi

(29.49d)

2Xi1 EpXi |Fi1 q

(29.49c)

o nous avons utilis la proposition 26.36 pour obtenir (29.49c).

29.4

Problme de la ruine du joueur

Nous considrons un joueur compulsif qui joue un jeu trs simple 4 : il joue pile ou face
contre la banque avec une pice truque. Si pile sort, la banque donne 1 au joueur et si cest face,
cest le joueur qui donne 1 la banque. Nous nommons a la fortune initiale du joueur, b celle de
la banque et p la probabilit dobtenir pile.
Nous supposons que le jeu se poursuit jusqu la ruine du joueur ou de la banque. La modlisation est comme suit : nous considrons pYn q une suite de variables alatoires indpendantes et
identiquement distribues de loi
Yn p1 ` p1 pq1 .
(29.50)
Cest le rsultat financier pour le joueur du ne lanc. La fortune du joueur au bout de n lancs est
la variable alatoire
n

Sn a `
Yj .
(29.51)
j1

Nous notons Y0 a.
Nous considrons la filtration

An Si tel que 0 i n Yi tel que 0 i n ,

(29.52)

T inftn 1 tel que Sn P t0, a ` buu;

(29.53)

et le temps darrt du jeu :

cest le temps quil faut pour que tout largent appartienne soit au joueur soit la banque.
Nous voulons tudier les paramtres suivants :
(1) P pST a ` bq, cest dire la probabilit que ce soit le joueur qui gagne contre la
banque.
(2) P pT 8q, cest dire la probabilit que le jeu se finisse.
(3) EpT q, la dure moyenne du jeu.

Lemme 29.25.
Le processus Sn du problme de la ruine du joueur est vrifie
EpSn |An1 q Sn1 ` p q.
De plus le processus Sn est
(1) une martingale si p q 12 ,

(2) une sous-martingale si p q.

4. Le gros des choses dites propos de la ruine du joueur provient de [1].

(29.54)

1537

29.4. PROBLME DE LA RUINE DU JOUEUR

Dmonstration. Pour n 1 nous avons
EpSn |An1 q a `

j1

EpYj |An1 q a `

n1

j1

(29.55)

EpYj |An1 q ` EpYn |An1 q.

Si j n 1 alors Yj P mpAn1 q. Mais nous savons que

si X est F-mesurable,
alors EpX|Fq X
n1
(cest la dfinition de lesprance conditionnelle), donc n1
EpY
|A
q

j
n1
j1
j1 Yj .
En ce qui concerne le terme j n nous utilisons le fait que pYn q soit une tribu indpendante
de An1 ; nous avons donc au final pour tout j que EpYj |An1 EpYj q p q. Nous avons donc
Si p q

1
2

(29.56)

EpSn |An1 q Sn1 ` p q.

alors cest une martingale, et si p q cest une sous-martingale.

Lemme 29.26.
La variable alatoire T est un temps darrt.
Dmonstration. Par dfinition T inftn 1 tel que Sn P t0, a`buu.
( Vu que les variables alatoires
Si avec i n sont Fn -mesurables, les ensembles Sk R t0, a ` bu avec k n sont Fn -mesurables.
Donc les ensembles

(
(
tT nu
Sk R t0, a ` bu X Sn P t0, a ` bu
(29.57)
kn

sont Fn -mesurables. Nous en concluons que lensemble tT nu est galement mesurable.

29.4.1

Le cas o la pice est truque

Nous supposons tre dans le cas p q.

29.4.1.1

Introduction dune martingale

Considrons le processus
"

A0 0

(29.58a)

An An1 ` EpSn Sn1 |An1 q.

(29.58b)

Vu que EpSn |An1 q Sn1 ` p q (lemme 29.25) et que EpSn1 |An1 q Sn1 (parce que Sn1
est dans la tribu de An1 ), nous avons An An1 ` pp qq et donc
An npp qq.

(29.59)

Mn Sn An

(29.60)

Ce processus pAn q est croissant et prvisible. Nous introduisons le processus

et nous montrons que cest une martingale 5 . Nous conditionnons la dfinition (29.60) par rapport
An1 :
EpMn An1 q EpSn |An1 q EpA
n |An1 q
loooooomoooooon
An

An An1 ` EpSn1 |An1 q An

EpSn1 |An1 q An1 .

Mais Sn1 est An1 -mesurable, donc EpSn1 |An1 q Sn1 et

EpMn |An1 q Sn1 An1 Mn1 ,

ce qui signifie que pMn q est une martingale.

5. Ceci est un peu le contraire de la dcomposition de Doob.

(29.61a)

(29.61b)
(29.61c)

(29.62)

1538

CHAPITRE 29. MARTINGALES

29.4.1.2

Finitude du temps darrt

Nous montrons maintenant, en tudiant MT ^n que T est intgrable et nous prouvons que
P pT 8q 0.
Nous voulons maintenant tudier la variable alatoire MT ^n o nous rappelons que le lemme
29.26 nous indique que T est un temps darrt. Le temps darrt T ^n est born (par n videmment)
et nous pouvons donc lui appliquer le thorme darrt 29.14 pour dire que
EpMT ^n q EpM0 q.

(29.63)

Le membre de droite est simple parce que M0 S0 A0 S0 a parce que cest largent de
dpart du joueur. Pour lautre :
EpMT ^n q EpST ^n q EpAT ^n q.
(29.64)
`

Dune part, EpAT ^n q E pT ^ nqpp qq et dautre part, EpST ^n q a ` b parce que ST vaut
zro ou a ` b (avec des probabilits encore inconnues 6 ). En combinant avec ce qui tait dit juste
au dessus et remarquant que pp qqEpT ^ nq 0 nous pouvons crire
0 pp qqEpT ^ nq b.

(29.65)

La suite de variables alatoires T ^ n est donc croissante, positive et intgrable 7 et donc nous
avons du travail pour le thorme de la convergence monotone 7.129. La variable alatoire T est
alors mesurable et
lim EpT ^ nq EpT q.
(29.66)
n8

Notons que nous navons pas encore prouv que EpT q 8, mais en passant la limite dans (29.65)
nous crivons
0 pp qqEpT q b.
(29.67)
Maintenant nous avons prouv que T est intgrable et mme L1 . Par consquent
P pT 8q 0.

(29.68)

Le jeu se termine donc presque certainement aprs un temps fini.

29.4.1.3

Temps moyen de jeu

p.s.

Le lemme 29.10 nous indique que ST ^n ST .

Nous avons les bornes 0 ST ^n a ` b et comme a ` b est intgrable, ST ^n lest aussi et nous
pouvons parler de EpST ^n q. Repartons de (29.64) :
a EpM0 q EpMT ^n q EpST ^n q EpAT ^n q EpST ^n q pp qqEpT ^ nq.

(29.69)

La variable alatoire ST ^n est majore par a ` b indpendamment de n ; donc le thorme de la

convergence domine 7.134 donne limn8 EpST ^n q EpST q. En ce qui concerne le second terme,
la convergence domine ne fonctionne pas parce que T ^n nest pas a priori major par quelque chose
dindpendant de n, mais le thorme de la convergence monotone donne limn8 EpT ^nq EpT q.
Au final en passant la limite dans (29.69) nous avons
a EpST q pp qqEpT q.

(29.70)

tant donn que T 0 et p q 0 nous pouvons rcrire cela sous la forme

0 pp qqEpT q EpST q a.

(29.71)

6. Mais on y travaille.
7. Je rappelle que les constantes sont des fonctions intgrables sur . Oui, je sais, quand on est habitu faire
de lanalyse sur Rn cest un truc quon perd toujours un peu de vue.

1539

29.4. PROBLME DE LA RUINE DU JOUEUR

Par dfinition de T nous avons aussi
EpST q pa ` bqP pST a ` bq ` 0 P pST 0q pa ` bq.
Nous dduisons
EpT q

pa ` bq a
.
pq

(29.72)
(29.73)

Ne crions pas victoire trop vite : nous navons pas encore dexpression de P pST a ` bq. Le
temps moyen de jeu nest donc pas encore tout fait connu.
29.4.1.4

Probabilit de victoire du joueur

Nous avons besoin dexprimer en termes de a, b et p. Pour cela nous introduisons la variable
alatoire 8
Sn
p
.
(29.74)
Un
q

Nous commenons par prouver que cest une martingale en calculant

q Sn 1 q Yn
EpUn |An1 q E
|An1
p
p

(29.75)

Nous utilisons la proposition 26.36. Dans notre cas, Sn1 et Yn sont des variables alatoires An mesurables ; la variable alatoire Yn est mme An1 -mesurable et sort donc du conditionnement ;
nous avons donc
Sn1 Yn
q
q
EpUn |An1 q
E
(29.76)
p
p
Nous allons utiliser le thorme de transfert 26.47 :

Yn
Yn pq
Eps q
s
DP pq
sdP pq `

Yn 1

Yn 1

1
dP pq.
s

(29.77)

Mais nous savons que P pYn 1q p et P pYn 1q 1 p q, donc

EpsYn q ps `
et

Donc

1p
s

(29.78)

p Yn
E
p ` q 1.
q

(29.79)

Sn 1
q
EpUn |An1 q
Un1 ,
p

(29.80)

ce qui prouve que pUn q est une martingale.

Par dfinition nous avons toujours Sn 0 tant que n T 9 , donc UT ^n P r0, 1s. Il est donc
vident que si a 1 nous avons

|UT ^n |a

|UT ^n |dP 0

(29.81)

parce que le domaine dintgration est vide. Donc les variables alatoires Vn UT ^n sont quiintgrables 10 et le thorme 29.18 montre que la martingale pVn q est termine ; par ricochet 11 le
p.s.
thorme de Doob 29.19 montre quil existe une variable alatoire X telle que Vn X. Nous
8.
9.
10.
11.

Nous dirons un mot sur ce choix dans le petit complment plus bas
Pour n T le jeu est termin, donc on ne se pose pas la question.
Dfinition 29.17.
Nous rappellons que la convergence L1 nimplique pas la convergence presque partout.

1540

CHAPITRE 29. MARTINGALES

allons prouver que X UT presque partout. Nous savions dj (voir lquation (29.22) et ses
alentours) que
p.s.
(29.82)
Sn^T ST .
Nous avons alors (au sens du presque srement) :

ST ^n
q
q ST

q UT .
n8 p
p

lim Vn lim UT ^n lim

n8

n8

(29.83)

Donc par unicit de la limite presque partout nous avons X UT presque partout. Par le thorme
de transfert 26.47 nous valuons
0
a`b
a`b
q
q
q
EpUT q
P pST 0q `
P pST a ` bq p1 q `
.
(29.84)
p
p
p
La remarque 29.13 nous permet de dire que

Mais par dfinition

donc nous avons

EpUT ^n q U0 .

(29.85)

S0 a
q
q
U0

,
p
p

(29.86)

a
q
EpUT ^n q
.
p

(29.87)

Nous voudrions passer la limite n 8 dans cette quation. Pour permuter la limite et lesprance, il faut utiliser le thorme de la convergence domine 7.134. Vu que nous avons choisi q p,
nous avons q{p 1 et donc UT ^n pq{pqa`b , ce qui montre que la fonction pUT ^n qpq est
majore par une constante (qui est une fonction intgrable). Nous pouvons donc permuter la limite
et lesprance :
`

lim EpUT ^n q E lim UT ^n .

(29.88)
n8

n8

p.s.

Mais nous avion dj montr que UT ^n UT . Donc

a
q
EpUT q
.
p

En galisant avec lexpression (29.84) de EpUT q nous trouvons

a
q
1
p
a`b
q
1
p

(29.89)

(29.90)

et ensuite nous trouvons EpT q en remettant ce dans lexpression (29.73) donne plus haut.

29.4.2

Le cas o la pice est non truque

Maintenant p q 1{2.
29.4.2.1

Probabilit de gagner

Le lemme 29.25 nous indique alors que pSn q est une martingale et le lemme 29.24 nous permet
de dire que pSn2 q est alors une sous-martingale. Le processus croissant prvisible de pSn2 q est donn
par (29.38) qui en adaptant les notations est
#
B0 0
(29.91a)

2
Bn Bn1 ` E pSn Sn1 q |An1 .
(29.91b)

1541

29.4. PROBLME DE LA RUINE DU JOUEUR

Nous avons toujours Sn Sn1 1 parce que soit le joueur gagne soit le joueur perd, mais de
toutes faons sa fortune varie de 1 chaque tape du jeu. Donc (29.91b) nous donne Bn Bn1 `1
et
Bn n.
(29.92)

Cela nous dit que la variable alatoire

Sn2 Bn Sn2 n

(29.93)

EpST2 ^n T ^ n|F0 q S02 0

(29.94)

EpT ^ nq EpST2 ^n q a2 pa ` bq2 a2

(29.95)

est une martingale (une sur-martingale moins son processus prvisible croissant). Nous lui appliquons le thorme darrt 29.12 avec les temps darrt 0 et T ^ n :
o F0 est la tribu engendre par la variable alatoire 0, cest dire t, Hu. Cette tribu est indpendante de toute autre tribu et nous pouvons donc supprimer le conditionnement dans (29.94).
Nous avons aussi S0 a par dfinition. Avec tout a nous avons la majoration
parce que Sk est toujours positif et entre 0 et a ` b. En utilisant le lemme 29.10 et en passant la
limite,
EpT q pa ` bq2 a2 .
(29.96)
En particulier, T P L1 pq et P pT 8q 1.
En suivant exactement les mmes tapes que dans le lemme 29.1029.10 nous avons aussi
lim ST ^n ST

(29.97)

0 ST2 ^n pa ` bq2 ,

(29.98)

lim EpST2 ^n q EpST2 q.

(29.99)

n8

presque partout. De plus nous savons que

et nous pouvons donc utiliser le thorme de la convergence domine 7.134 pour dire que
n8
L2

Nous montrons prsent que ST ^n ST . Pour cela nous devons valuer la limite

|ST ^n ST |2 .
lim
n8

(29.100)

La fonction |ST ^n ST |2 est majore par pa ` bq2 et nous pouvons nouveau appliquer la convergence domine :

2
2
|ST pq^n pq ST pq pq| dP pq
lim |ST ^n ST |2 0.
lim Ep|ST ^n ST | q lim
n8

n8

n8

(29.101)

L1

La mme chose en ncrivant pas les carrs montre que lon a aussi ST ^n ST .
Il ny a pas que n Sn2 n qui est une martingale. Il y a aussi pSn q lui-mme (lemme 29.25).
Nous pouvons lui appliquer le thorme darrt 29.12 pour les temps darrts T ^ n et 0 :
EpST ^n q EpS0 q a.

(29.102)

EpST q 0 P pST 0q ` pa ` bqP pST a ` bq.

(29.103)

En passant la limite, EpST q a. Lesprance EpST q peut par ailleurs tre calcule comme
En galisant les valeurs (29.102) et (29.103) de EpST q nous trouvons
a

.
a`b

(29.104)

Cette formule est assez logique : la probabilit que le joueur gagne est gale la proportion dargent
en jeu quil a amen.

1542
29.4.2.2

CHAPITRE 29. MARTINGALES

Temps moyen de jeu

Nous calculons maintenant lesprance EpT q du temps de jeu (sans compter les pauses ni les
jours de fermeture du casino 12 ).
Nous recopions la premire galit de (29.95) sous la forme
a2 EpST2 ^n T ^ nq

(29.105)

et nous passons la limite 13 en sachant que EpST2 q pa ` bq2 :

a2 pa ` bq2 EpT q.

(29.106)

EpT q ab.

(29.107)

En reprenant la valeur (29.104) de ,

Et l, on voit que si le joueur amne 1000 euros contre une banque qui en a un million, et si ils
jouent toutes les secondes , on en a pour 32 ans de jeu en moyenne.
Voila. Cest fini pour la ruine du joueur.

29.4.3

Un petit complment

Nous avons introduit lors de lquation (29.74) la variable alatoire Un pp{qqSn . Sans aller
jusqu motiver compltement ce choix, nous nous proposons maintenant de voir que parmi les
variables alatoires Un sSn , le choix s p{q est le seul qui donne une martingale.
Soit donc Un sSn et exprimons le fait que ce soit une martingale. Nous avons
EpUn |An1 q EpsSn1 sYn |An1 q
s

Sn1

Eps

Yn |An1

sSn1 EpsYn q.

(29.108a)
(29.108b)
(29.108c)

Le passage (29.108b) se justifie en disant que sSn1 est une variable alatoire borne et An1 mesurable, et en invoquant proposition 26.36. La variable alatoire Yn vaut 1 avec probabilit p et
1 avec probabilit q ; donc lesprance est vite vue :
EpsYn q ps ` q
et nous avons

1
s

1 Sn1
q
EpUn |An1 q ps ` q
s
pps ` qUn1 .
s
s

(29.109)

(29.110)

Pour que pUn q soit une martingale il faut (et il suffit) que
ps `

q
1.
s

(29.111)

Les solutions de cette quation sont s P t1, pq u. Cest videmment s p{q qui donne une martingale
non triviale. Attention pour tre complet, il faut se demander ce quil se passe si s 0 sparment
parce que manifestement lquation (29.111) ne traite pas ce cas. Encore une fois, en repartant du
dbut, s 0 ne se rvle pas tre une martingale trs excitante.
Bref, nous devons poser
Sn
p
Un
(29.112)
q
pour avoir une martingale.

12. Le joueur est un vrai joueur compulsif.

13. Comme il est dit dans La Grande Illusion, quoi sert un n ? passer la limite.

Chapitre 30

Processus de Poisson
30.1

Processus de Poisson

Dfinition 30.1.
Une famille de variables alatoires pNt qt0 est une processus de Poisson dintensit si il existe
une suite de variables alatoires indpendantes et identiquement distribues pTk qkPN de loi E pq
telles que
n

Nt suptn 0 tel que

Tk tu.
(30.1)
k1

Si nous posons Sn

k1 Tk ,

alors nous avons une expression plus pratique pour Nt :

Nt

n1

1tSn tu .

(30.2)

Nous avons par la proposition 26.87 vu que Nt Pptq.

Pour chaque P , la fonction t Nt pq est une fonction (pas du tout strictement) croissante
valeurs dans N. Cette fonction part de 0 et fait un saut de taille 1 aprs des intervalles de temps
T1 p8q, T2 pq, etc. Elle est continue droite.
Nous avons les galits dvnements suivantes qui sont pratiques :
(30.3a)

ts Sn tu tNt n Ns u

(30.3b)

tNt nu tSn t Sn`1 u.

Thorme 30.2.
Les variables alatoires pNt qt0 est un processus de Poisson dintensit si et seulement si elles
vrifient les trois proprits suivantes.
Accroissements indpendants Pour tout choix 0 t0 t1 . . . tn , les variables alatoires
Nti`1 Nti sont indpendantes.

Accroissements stationnaires Si 0 s t et h 0 alors

(30.4)

Nt`h Ns`h Nt Ns ,
cest dire que les accroissements dcals suivent les mmes lois.
Poisson Pour tout t nous avons Nt Pptq.

Une consquence des accroissements stationnaires est que Nt Ns Nts N0 Nts parce
que N0 0.
L

Proposition 30.3.
Si pNt q est un processus de Poisson dintensit , alors
lim Nt `8

t8

1543

(30.5)

1544
presque srement. De plus

CHAPITRE 30. PROCESSUS DE POISSON

Nt

t8 t
lim

(30.6)

presque srement.
La relation (30.6) est appele loi des grands nombres.
Dmonstration. Par dfinition nous savons que
Nt suptn 0 tel que Sn tu.

(30.7)

videmment la fonction t Nt est croissante, donc la limite

lim Nt pq

(30.8)

t8

existe dans r0, 8s. Nous pouvons nous restreindre t P N et considrer Lpq limn8 Nn pq.
Par somme tlescopique avec N0 0,
n
Nn
pNk Nk1 q
k1
.
(30.9)
n
n
tant donn que le processus est de Poisson, les variables alatoires pNk Nk1 qk1,...,n sont
indpendantes et suivent toutes la loi de N1 N0 , cest dire la loi de N1 . Encore par le fait que
Nt soit de Poisson nous savons que N1 Ppq. La loi des grands nombres (26.68) applique aux
variables alatoires Nk Nk1 nous dit que
Nn p.s.
EpN1 q 0.
n

(30.10)

Du coup Nn 8 et Lpq 8.
Nous dmontrons maintenant la loi des grands nombres pour les processus de Poisson. tant
donn que pour les entiers Nn {n , pour les rels, si la limite existe, a ne peut pas tre autre
chose. Si nous notons t la partie entire de t P R` ,
Nt
Nt Nt Nt

`
.
t
t
t

(30.11)

Le second terme est relativement simple traiter :

t
Nt
Nt

t
t on
t on loomo
loomo

(30.12)

o nous avons utilis le premier point, t tant entier. Pour le premier terme nous savons que t Nt
est croissante et donc que
Nt Nt Nt`1 Nt Nt`1 Nt t ` 1

.
t
t
t
t ` 1

(30.13)

Nn Nn1
n

(30.14)

Le second facteur tend vers 1 lorsque t 8. Le premier scrit

et tend vers zro en tant que terme gnral de la srie (30.9) qui converge.
Proposition 30.4.
La variable alatoire Nt {t est un estimateur sans biais de . De plus il converge vers en moyenne
quadratique.

1545

30.1. PROCESSUS DE POISSON

Dmonstration. Vu que Nt {t presque srement, la variable alatoire Nt {t est un estimateur

de . Le fait quil soit sans biais a t fait dans lexemple 27.25.
Dautre part nous avons (voir thorme 26.80)

Nt
1

Var
2 VarpNt q .
(30.15)
t
t
t
En appliquant la formule VarpXq EpX 2 q EpXq2 X Nt {t nous trouvons
2
Nt

E
` 2 .
2
t
t
Cela montre que

Nt
t

(30.16)

L2

Pour le thorme central limite dun processus de Poisson, nous visons un rsultat du style de
1
i Xi mn L
n
?
N p0, 1q.
(30.17)
n
Nous crivons le thorme central limite pour le nombre de sauts que le processus de Poisson a
connu en un temps t. Le rle de la moyenne empirique est jou par Nt . Nous considrons avoir
fait une seule exprience qui a dur un temps t. Donc le rle de n est jou par 1 (et non t comme
on pourrait le croire). Pour le reste, le nombre de succs en un temps t dune variable alatoire
exponentielle de paramtre est une variable alatoire de Poisson de paramtre t, en vertu de ce
qui est racont au point 26.5.8. Cest cela qui motive lnonc suivant.
Thorme 30.5 (Thorme central limite pour les processus de Poisson).
Si pNt qt0 est un processus de Poisson de paramtre , alors nous avons
Nt t L
?
N p0, 1q.
t

(30.18)

Remarque 30.6.
Avant de nous lancer dans la dmonstration, remarquons que si nous nous limitons t P N, alors
nous avons
n
Nn n
pNk Nk1 q n
?
?
k1
(30.19)
n
n
or par dfinition nous avons les galits de lois
(30.20)

Nk Nk1 N1 Ppq,
donc

Sn n
?

1
n
n S?
n
n

1
Sn
n? ? ,
{ n

(30.21)

ce qui est exactement le thorme central limite pour une suite de lois de Poisson 1 .
Dmonstration. Nous crivons t la partie entire de t et nous dcomposons :
Nt t
Nt N Nt t t t
?
? t` ?
` ?
.
t
t
t
t
looomooon
looomooon
looomooon
A

(30.22)

En ce qui concerne le terme B, nous avons

c
t Nt t
?
N p0, 1q.
B
t
t

1. Au fait prs que nous devrions encore montrer que Sn est de carr intgrable.

(30.23)

1546

CHAPITRE 30. PROCESSUS DE POISSON

Notons que nous utilisons le fait que si an 1 (en tant que suite de nombre) et si Xn N p0, 1q
(limite en loi), alors an Xn N p0, 1q en loi.
Le terme C est galement facile parce que t t est major en norme par . Du coup

? C ? .
t
t

(30.24)

Donc limt8 C 0.
Reste travailler sur A. Vu que t Nt est croissante, la diffrence Nt Nt est positive. Soit
0, nous avons
P p|A| q P pNt Nt

?
?
`
tq P Nt`1 Nt t P pN1 tq

(30.25)

parce que nous savons que Nt`1 Nt N1 Ppq. En vertu des proprits de la loi de Poisson,
?
lim P pN1 tq 0.

(30.26)

t8

En effet si Z est une variable alatoire de Poisson de paramtre nous avons

P pZ lq

kl

P pZ kq e

k
.
k!
kl

(30.27)

Nous reconnaissons la queue de srie de e , qui tend donc vers zro lorsque l 8. Nous avons
donc prouv que
`

lim P |A| 0,
(30.28)
t8

cest dire la convergence en probabilit de A vers zro.

Nous avons montr que
L

B ` C U N p0, 1q

A 0.
P

(30.29a)
(30.29b)

Le lemme de Slutsky (26.59) nous avons une convergence du couple

L

pA, B ` Cq p0, U q.

(30.30)

Utilisant le corollaire 26.61, nous trouvons la convergence en loi

L

A ` pB ` Cq 0 ` U,

(30.31)

ce quil fallait.

30.2

Quelques trucs sur la simulation

Le thorme ergodique dit que

N
1
pxq lim
1Xk x .
N 8 N
k1

Cest avec cela quon calcule pxq partir dune simulation de chane de Markov.

(30.32)

1547

30.2. QUELQUES TRUCS SUR LA SIMULATION

30.2.1

Le thorme central limite pour Markov

Thorme 30.7 (Version allge).

Si pXn q est irrductible et positive rcurrente, alors pour toute fonction f ,
1
?
N

k1

ff

f d N p0, 2 q
L

(30.33)

o 2 dpend de la fonction f et de la chane de Markov.

Ici, f d xPE f pxqpxq.

Nous allons simuler la variable alatoire

ff

1
f pxqpxq
f pXk q N
Z?
N
xPE

(30.34)

et puis on va mettre sa ralisation dans un histogramme. Dans le cas o on prend f piq 1ii0 , il
y a de la simplification dans lintgrale qui devient
1
Z?
N

30.2.2

i1

ff

1Xk i0 N pi0 q .

(30.35)

Feuille 5

On pose
Dn

n sup |Fn pxq F pxq|.

(30.36)

xPR

pkq

On en gnre un milliers de fois Dn , on note Dn ces ralisations, et on regarde ce que vaut

1000
1
1 pkqc .
1000 k1 Dn

(30.37)

Cela nous donne une approximation de

P

`?

n sup |Fn pxq F pxq| c .

(30.38)

xPR

pkq

Note que chacun des Dn demande de crer un nouveau vecteur Yi de lois quon veut regarder.
Par exemple de loi exponentielle.

30.2.3

Feuille 6

Pour crer une fonction qui renvoie i avec probabilit pi pour i 1, 2, 3, on peut faire
U U r0, 1s

(30.39)

et puis on a
P pU p0 q p0

P pp0 U p0 ` p1 q p1

P pp0 ` p1 U p2 q p2 .
Une faon de faire une loi uniforme r0, 1s est de faire rand

(30.40a)
(30.40b)
(30.40c)

1548

30.2.4

CHAPITRE 30. PROCESSUS DE POISSON

Feuille 7

Lchantillon est pY1 , . . . , Yn q et nous crivons le vecteur

(30.41)

Y X ` 

o Y N pX, 2 Idq et  N p0, 2 Idq. Nous utilisons le principe de maximum de vraisemblance.

Soit py1 , . . . , yn q un chantillon et

2 ff
1
1 yi Xit
? exp
.
(30.42)
P py1 , . . . , yn q
2

2
i
Lastuce est de faire que yi Xit est la iime composante du vecteur Y X et donc la somme
qui est dans lexponentielle devient la norme de Y X :
n

1
1
2
?
exp }Y X} .
(30.43)
f py1 , . . . , yn q
2
2
On passe au logarithme et on drive par rapport 2 . Attention : la variable est 2 , donc la drive
de 2 est 1 et non 2. Bref, on trouve
2

30.2.5

1
}U ` X}.
2n

(30.44)

Simuler des lois conditionnelles

Nous voulons gnrer des couples pX, Y q tels que Y prend les valeurs 0 ou 1 et tels que
"
P pX|Y 0q E p0 q
(30.45a)
Le plus simple est de gnrer une liste

P pX|Y 1q E p1 q.

(30.45b)

pX1 , 0q

pX4 , 1q

pX3 , 0q

pX6 , 1q

pX2 , 0q

pX5 , 1q

(30.46a)
(30.46b)
(30.46c)

avec X1 , X2 , X3 E p0 q et X4 , X5 , X6 E p1 q.
Avec cette mthode cependant la liste est trie et en plus on a autant de 1 que de 0. On
peut faire un peu plus technologique pour corriger cela. Pour crer un couple, on commence par
Y Bppq et puis suivant que Y 0 ou y 1, on gnre X E p0 q ou X E p1 q.

Chapitre 31

Utilisation dans les autres sciences

Dans ce chapitre nous donnons des applications de divers thormes dans les autres sciences
que la mathmatique.

31.1

Dmystification du MRUA

31.1.1

Preuve de la formule

Nous sommes maintenant en mesure de donner une dmonstration complte de la formule du

MRUA :
at2
xptq
` v0 t ` x0 .
(31.1)
2
Au niveau de la physique, nous considrons un mobile qui se dplace avec une acclration
constante a. Nous notons par v0 sa vitesse initiale et par x0 sa position initiale.
Nous savons que, pour tout mouvement, si xptq est la position en fonction du temps, et si vptq
et aptq reprsentent la vitesse et lacclration en fonction du temps, alors
vptq x1 ptq et aptq v 1 ptq x2 ptq.

(31.2)

vptq at ` C1

(31.3)

vptq at ` v0 .

(31.4)

Afin de trouver xptq en connaissant aptq, il suffit donc de prendre deux fois la primitive. Essayons
a dans le cas facile du MRUA o aptq a est constante.
La vitesse vptq doit tre une primitive de la constante a. Il est facile de voir que vptq at est
une primitive de a. Par le corollaire 11.103(bis),

pour une certaine constante C1 . Afin de fixer C1 , il faut faire appel la physique : daprs la
formule (31.3), la vitesse initiale est vp0q C1 . Donc il faut identifier C1 la vitesse initiale :
C1 v0 . Nous avons donc dj obtenu que

Afin de trouver xptq, il faut trouver une primitive de vptq. Il nest pas trs difficile de voir que
at2 {2 ` v0 t fonctionne, donc il existe une constante C2 telle que
xptq

at2
` v 0 t ` C2 .
2

(31.5)

Encore une fois, regardons la condition initiale : la formule donne comme position initiale xp0q C2 ,
et donc nous devons identifier C2 avec la position initiale x0 . En dfinitive, nous avons bien
xptq

at2
` v0 t ` x0 .
2

(31.6)

Cette formule est donc maintenant dmontre partir de la seule dfinition de la vitesse comme
drive de la position et de lacclration comme drive de la vitesse.
1549

1550

CHAPITRE 31. UTILISATION DANS LES AUTRES SCIENCES

Remarquons cependant que la preuve complte fut trs longue. En effet, nous avons utilis les
rgles de drivation 11.74 et 11.71, pour la dmonstration desquels, les rsultats 11.60 et 11.59
ont ts utiles. Mais nous avons surtout utilis le corollaire 11.103(bis) qui repose sur le thorme
de Rolle 11.98, qui lui-mme demande le thorme de Borel-Lebesgue 11.94 dans lequel la notion
densemble compact a t cruciale.

31.1.2

Interprtation graphique

La distance parcourue xptq en un temps t est la primitive de la vitesse. Nous avons, par ailleurs,
que lopration inverse de la drive donnait la surface. Pour reprendre les mmes notations, nous
notons Sv ptq la surface contenue en dessous de la fonction v entre 0 et x. Nous ne serions donc pas
tonn que
at2
Sv ptq
` v0 t ` x0
(31.7)
2
soit la surface en dessous de la fonction vptq at ` v0 . Nous voyons que la surface totale sous la
fonction vptq at ` v0 est exactement

at2
` v0 t.
(31.8)
2
Cela est un bon dbut, mais hlas nous ne retrouvons pas le terme `x0 de la formule (31.7).
Cela nest pas tout fait tonnant parce que nous savons que la surface sous une fonction tait
une primitive de la fonction, mais nous navons pas dit laquelle. Daprs le fameux corollaire
11.103(bis), la primitive nest dfinie qu une constante prs. Ici, cest la constante x0 quon a
perdue en chemin.
Nous parlerons plus en dtail du lien entre les surfaces et les primitives dans la section ddi
lintgration.
Sv ptq

31.2

Relativit en mcanique newtonienne

31.2.1

Relativit du mouvement

Prenons quelquun qui cours le cent mtres en onze secondes. Par rapport un spectateur
dans les gradins, il se sera dplac de cent mtres. Mais si je cours ct de lui de telle faon
avoir parcouru 80 mtres le temps quil en fasse cent, alors par rapport moi lathlte ne se sera
dplac que de 20 mtres. Par contre, par rapport mon chronomtre, il aura galement mit onze
secondes : ce nest pas parce que je cours que mon chronomtre saffole !
Entre moi et les spectateurs, on a donc une loi de transformation
x1 x vt

t1 t.

(31.9)

Cest dire que la distance x1 quaura parcouru lathlte par rapport moi vaut la distance x
parcourue par le spectateur moins la vitesse que jai courue moi-mme, cest dire moins vt.

31.2.2

Bob et Alice

Formalisons le concept de changement de repres. Pour cela, prenons deux amoureux, Bob et
Alice 1 . Mettons que Bob reste assis sur un banc pendant quAlice cours en ligne droite une
vitesse v. Tout deux dclenchent leur chronomtre quand Alice passe devant Bob. tout moment,
Bob et Alice ont leur repres de temps et despace. Par exemple si aprs un temps t, Alice voir
une peau de banane 1 mtre devant elle, elle va dire Il y a une peau de banane un mtre . ,
tandis que Bob va dire Il y a une peau de banane p1 ` vtq mtres .
Plus gnralement, si il se passe quelque chose la position x au temps t pour Bob, ce quelque
chose se passera au temps t1 t lendroit x1 x vt pour Alice parce quen un temps t, elle
aura dj avanc dune distance vt.
a cest ce dont tout le monde tait persuad depuis Galile jusquau dbut du vingtime sicle.
1. Cest plus potique que dire soit A et B, deux observateurs .

31.3. INVARIANCE DE LA VITESSE DE LA LUMIRE

31.3

Invariance de la vitesse de la lumire

31.3.1

Champ de gravitation et lectrique

1551

Nous savons que que la force de gravitation scrit :

Fgrav G

mm1
,
r2

tandis que la force lectrique entre deux charges q et q 1 est donne par
Felec k

qq 1
.
r2

(31.10)

Nous avons aussi fait remarquer que dans le cas de la gravitation, la force a lair dtre instantane,
et que cela posait quelque problmes conceptuels. La force lectrique a apparemment le mme
problme. Une diffrence entre les deux est quune charge lectrique cest tout petit et quon
peut exprimenter souhait, tandis que pour avoir une masse dont on peut mesurer le champ de
gravitation correctement, il faut quelque chose grand comme la Terre 2 .
31.3.1.1

Finitude de la vitesse de propagation de la force lectrique

Si un micro est plac juste ct de ton oreille, et quil commence faire biiiiip, tu lentends
directement. Quand il sarrte, tu ne lentends plus. Si le micro est plac 600 m de toi, tu ne
commenceras lentendre que deux secondes aprs le commencement du son, et tu continueras
lentendre deux secondes aprs quil ait fini.
Eh bien, pour la force lectrique, on a pu mesurer que cest la mme chose (sauf que a va
beaucoup plus vite). Si on place une charge quelque part, on ne ressent la force (31.10) quaprs
quelle ait eut le temps darriver. Si on dplace la charge lectrique, on continue ressentir la
mme force pendant un certain temps : il faut que la modification du champ lectrique ait le
temps darriver. Exactement comme quand on fait des remous quelque part dans un tang : il faut
du temps que les remous arrivent plus loin.
On a pu faire des dizaines dexpriences de ce type avec llectricit, le magntisme et la
lumire ; et les rsultats sont clairs : il faut du temps pour que a se dplace. Tout cela provoque
des ondes lectromagntiques qui se dplacent une vitesse finie. On peut produire de telles ondes
avec nimporte quel courant lectrique alternatif.
31.3.1.2

Pourquoi pas la gravitation ?

La gravitation telle que donne par Newton pose le mme problme de vitesse de propagation
que llectricit. Est-ce quen ralit la gravitation se propage galement une vitesse finie ?
Avec la gravitation cest beaucoup plus compliqu parce quelle est beaucoup plus faible, et donc
cest beaucoup plus difficile dtecter. Daprs la thorie dEinstein de la gravitation, la gravitation
devrait galement produire des ondes gravitationnelles. Seulement, si un simple courant lectrique
suffit pour mesurer une onde lectromagntique, affin de mesurer une onde gravitationnelle, il
faudrait un dplacement de masse de lampleur dune toile qui explose. Or a, on ne sait pas
produire dans un laboratoire. Les physiciens sont donc pour linstant (2009) en train dattendre
quune toile explose pas trop loin dici affin dtre capable de mesurer une onde gravitationnelle.
Lexistence de ces ondes de gravitation ne fait aucun doute dans la tte daucun physicien parce
quelles sont une consquence logique (et mathmatique) de la thorie de la relativit gnrale,
laquelle a dj eut beaucoup de confirmations exprimentales. Mais comme on est dans le cadre
dune science exprimentale, il faut tre patient et attendre den avoir effectivement observe une
avant de dire avec certitude que a existe.
2. Une autre diffrence fondamentale est quil existe des charges lectriques ngatives, mais pas de masses ngatives ; de ce fait on ne peut pas construire disolant gravitationnel, contrairement aux isolants lectriques qui existent.
Cela augmente encore la difficult de faire des expriences avec la gravitation.

1552

31.3.2

CHAPITRE 31. UTILISATION DANS LES AUTRES SCIENCES

Support du champ : pas dther

Nous avons dit quune onde lectromagntique se propage comme une onde sonore (quoique
beaucoup plus vite). Une question se pose alors. En effet, une onde sonore est matrialis par de
lair qui vibre. Quest-ce qui vibre pour une onde lectromagntique ?
tant donn que les ondes lectromagntiques se propagent dans le vide (cest pour a que la
radio fonctionne dans lespace), la question est problmatique. Les physiciens ont donc suppos
que tout lunivers tait rempli dun fluide invisible appel lther. Llectromagntisme consiste
en une vibration de lther, exactement comme lacoustique consiste en une vibration de lair.
En fait, vrifier cette hypothse nest pas trs compliqu. En effet il ny a aucune raison que
lther suive la Terre dans son mouvement. Or la Terre se dplace environ 30 km{s autour du
Soleil. Donc les ondes lectromagntiques doivent se propager plus vite dans le sens du mouvement
de la Terre que dans le sens perpendiculaire. Tout comme le son se propage plus vite dans le sens
du vent.
La clbre exprience de Michelson-Morley a mesur cet effet . . . et ce fut la consternation : il
ny a aucun effet ! Or, la lumire se dplace 300.000 km{s ; une variation de 30 km{s devrait tre
dtectable !
Mais rien ! On a recommenc les expriences dans tout les sens, tous les mois de lanne,
tous les endroits de la Terre. On na pas observ un poil de variation de la vitesse de la lumire.
Et a, a pose un gros problme la physique.

31.3.3

Le problme

Si je joue au football dans un train qui avance 100 km{h et que je lance une balle 20 km{h,
quelquun au sol mesura la vitesse de la balle soit 120 km{h soit 80 km{h daprs que lon ait
shoot vers lavant ou larrire du train. Cela parat logique. Mais ce quon vient de voir cest que
a ne marche pas avec la lumire.
Si un train avance 100.000 km{s et quon y allume une lampe de poche, la lumire avancera
300.000 km{s par rapport au train et 400.000 km{s par rapport au sol. Non ! Justement pas ! La
lumire avancera quand mme 300.000 km{s par rapport au sol.
L encore, on a fait des dizaines dexpriences partout, sur Terre, dans des avions, dans lespace
avec des atomes, des lampes de poche et des horloges atomique, et dans tous les sens, le sens de
dplacement de la Terre, le sens inverse, le sens perpendiculaire, vers le haut, vers le bas : rien !
Personne na jamais observ un rayon de lumire se dplacer une autre vitesse que 300.000 km{s.
Le problme est que le principe daddition des vitesse est faux pour la lumire. Puisque lexprience nous force, nous devons faire avec.
Loi numro 1.
La ralit est que la vitesse de la lumire est la mme dans tous les rfrentiels. On note c cette
vitesse. Cest une constante fondamentale de la Nature.
tant donn que cest une loi exprimentale, nous nen pouvons rien. Cest la nature qui est
comme a. En particulier tu ne peux pas en vouloir ton prof de physique davoir invent une
thorie complique. Ce nest pas lui qui la invente et ce nest pas de sa faute.

31.4

Consquences

Cest maintenant que les choses vraiment graves commencent (cela soit dit sans vouloir te
faire peur). Affin dun peu simplifier les choses, nous nallons tudier que les mouvements en une
dimension, cest dire sur une droite.

31.4.1

Ligne dunivers

Un vnement a une coordonne pt, xq. Si je pose un objet juste mes pieds (disons en x 0),
ses coordonnes seront tout moment pt, 0q. Il est bon de voir cette coordonne comme lquation

1553

31.4. CONSQUENCES

paramtrique dune droite horizontale dans le plan des coordonnes t et x. Plus gnralement
quand un mobile effectue un mouvement xptq, on appelle la ligne dunivers du mobile la ligne
(pas forcment droite) pt, xptqq. Dans le premier exemple, on avait xptq 0 pour tout t.
Le cas dun mobile se dplaant vitesse constante v donne comme ligne dunivers la droite 3
pt, x0 ` vtq, et un objet qui se dplace selon un MRUA a comme ligne dunivers
`

31.4.2

t, x0 ` v0 t `

at2
.
2

Transformations de Lorentz

Reprenons les amours scientifiques de Bob et Alice, mais cette-fois, analysons celles-ci en tenant
compte du fait que la vitesse de la lumire soit invariante. Maintenant, si Bob voit se passer quelque
chose au temps t lendroit x, on va dire quAlice voit cette chose au temps t1 la position x1 , et
on va chercher pt1 , x1 q en fonction de pt, xq.
Pos en termes mathmatiques, le problme snonce ainsi : trouver les fonctions f et g telles
que les formules
t1 f pt, xq
1

x gpt, xq

(31.11a)
(31.11b)

donnent les coordonnes vues par Alice pour un vnement vu par Bob linstant t au point x.
Une premire tape importante est franchie par la proposition suivante 4 .
Proposition 31.1.
Les fonctions f et g contenues dans les transformations (31.11) sont ncessairement linaires
(affines), cest dire quelles doivent scrire sous la forme
t1 t ` x ` p

x1 t ` x ` q

pour certaines fonctions , , , , p et q de la vitesse dAlice relativement Bob.

Dmonstration. Pendant quAlice court et que Bob la regarde, ve tente de lancer une pierre sur
Alice (ve est jalouse). Bob et Alice regardent deux vnements. Le premier est la pierre qui quitte
la main de ve, et le second est la pierre qui percute le sol. Pour Bob, le jet sest passe au temps
t0 au point x0 , et la pierre touche le sol un petit peu plus tard, au temps t0 ` t et un peu plus
loin, au point x0 ` x. Bob crit donc ceci sur sa feuille de papier :
E1 pt0 , x0 q

E2 pt0 ` t, x0 ` xq,

tandis quAlice, en observant les mmes deux vnements, aura not

`

E11 f pt0 , x0 q, gpt0 , x0 q

`

E21 f pt0 ` t, x0 ` xq, gpt0 ` t, x0 ` xq .

Bob et Alice se demandent combien de temps la pierre est reste en lair et quelle distance elle a
parcourue. Par le principe gnral dhomognit, les deux seules quantits pertinentes (qui ont
un sens physique) pour Bob sont pt0 ` tq t0 et px0 ` xq x0 , cest dire t et x. En effet,
si Bob avait choisit de sasseoir autre part et si Alice avait commenc courir un peu plus tard,
a naurait rien chang la longueur du jet de ve.
Dune faon ou dune autre, il doit exister une faon de dduire les mesures de Alice en connaissant celles de Bob ; je ne connais pas avec quelles formules, mais ces formules ne peuvent contenir
que t, x et v parce que ce sont les seules quantits qui dfinissent tous les vnements.
3. bon exercice de rvision de ton cours de math de vrifier que cest une droite.
4. dont je te suggre fortement de ne pas lire la preuve si tu ne veux pas que ton cerveau clate.

1554

CHAPITRE 31. UTILISATION DANS LES AUTRES SCIENCES

Cela dit, Alice va caractriser le mouvement de la pierre avec la diffrence des coordonne entre
le jet et la chute sur le sol mesures par elle-mme. En dautres termes, pour Alice ce qui compte
cest la diffrence entre E11 et E21 , soit
`
`

f pt0 ` t, x0 ` xq, gpt0 ` t, x0 ` xq f pt0 , x0 q, gpt0 , x0 q .

(31.12)

Mais nous venons de signaler que ce quAlice mesurait devait pouvoir tre exprim en termes de
t et x. Nous concluons que la diffrence (31.12) ne dpend en fait pas de x et t mais seulement
de t et t.
Prenons maintenant une notation plus compacte et notons X pt, xq, X pt, xq puis
F pf, gq. Avec a, lexpression (31.12) se note F pX ` Xq F pXq. Comme mentionn, cette
expression ne dpend que de x. En particulier, elle ne dpend pas de X.
Maintenant tu vas comprendre pourquoi on apprend les` drives dans ton cours de math.
Comme F pX ` Xq F pXq ne dpend pas de X, le rapport F pX ` Xq F pXq {X non plus.
La limite de ce rapport quand X tend vers zro non plus :
lim

X0

F pX ` Xq F pXq
X

(31.13)

ne dpend pas de X. Tu reconnais l la drive de F au point X. En dautres termes, F 1 pXq est

constante, elle ne dpend pas de X. Disons donc que F 1 pXq a. Tu connais beaucoup de fonctions
dont la drive est constante ? Non ? En effet, il ny en a pas beaucoup. Les fonctions qui vrifient
F 1 pXq a signifie sont toutes de la forme
F pXq aX ` b.
ce niveau, il convient de re-dballer les notations compactes : si a
trouve

f pt, xq t ` x ` p
comme annonc.

gpt, xq t ` x ` q,

et b pp, qq on
(31.14a)
(31.14b)

Nous savons que lorsque pt, xq p0, 0q, alors pt1 , x1 q p0, 0q. En effet, Bob et Alice ont lancs
leurs chronos en mme temps au moment o ils taient au mme endroit. En mettant pt, xq p0, 0q
dans les quations (31.14), on trouve pt1 , x1 q pp, qq, et donc p q 0. a fait une chose de rgle ;
on se retrouve avec
" 1
t t ` x
(31.15a)
x1 t ` x.

(31.15b)

Quelles sont les contraintes vrifier pour que ces transformations dcrivent correctement la physique que lon cherche crire ?
(1) Il faut que les transformations dcrivent correctement que Alice avance une vitesse v par
rapport Bob,
(2) dans le mme ordre dide, il faut que lon trouve que Bob avance la vitesse v par rapport
Alice,
(3) il faut que si Alice et Bob observent un rayon lumineux, ce rayon aille la vitesse c par
rapport Alice et la mme vitesse c par rapport Bob,
(4) enfin, il faut avoir le principe de relativit, cest dire que comme les quations (31.15)
disent ce que Alice voit en fonction de ce que Bob voit, on demande que les quations
qui disent ce que Bob voit en fonction de ce que Alice voit soient les mmes. En dautres
termes, il faut que les transformations et les transformations inverses soient les mmes au
changement prs du signe de v.

1555

31.4. CONSQUENCES

tudions une une ce que chacune de ses contraintes impose. Rappelons que pt, xq et pt1 , x1 q
sont les coordonnes que Bob et Alice mettent sur le mme vnement. Par exemple sur lvnement
qui consiste ce que ve, par jalousie envers Bob, jette une peau de banane sous les pieds dAlice.
Cet vnement a lieu un certain moment, un certain endroit. Cest ce moment et cet endroit
qui sont nots pt, xq et pt1 , x1 q.
(1) Les coordonnes pt, xq et pt1 , x1 q peuvent dcrire nimporte quoi. Regardons les coordonnes
de Alice qui cours. Pour Alice, cela correspond pt1 , x1 q pt1 , 0q parce que si x1 dsigne
la position de Alice par rapport Alice, alors x1 est toujours nul. Pour Bob par contre,
Alice ne reste pas en place, mais se dplace une vitesse v. Cest dire que si pt, xq sont
les coordonnes de Alice pour Bob, alors x{t v. crivons les quations (31.15) en tenant
compte de tout a : avec x1 0, la seconde quation donne
0 t ` x,

(31.16)

do on dduit que x{t {. En imposant que cela soit v, on trouve v, et on

r-crit les transformations en tenant compte de a :
" 1
t t ` x
(31.17a)
(31.17b)

x1 vt ` x.

Nous voila dbarrass dun paramtre.

(2) Maintenant, on regarde ce quil se passe quand pt, xq et pt1 , x1 q dcrivent les positions de Bob.
On a que pt, xq pt, 0q parce que selon Bob, Bob est au repos. Les quations deviennent :
t1 t

x1 vt.

(31.18)

La vitesse de Bob par rapport Alice est v, donc on exige que x1 {t1 v, cest dire que
vt
v,
t

ce qui implique que . On avance encore un peu. crivons nouveau les lois de
transformation en en tenant compte :
" 1
t t ` x
(31.19a)
x1 vt ` x.

(31.19b)

(3) Si maintenant Bob et Alice regardent un mme rayon de lumire (comme cest romanesque !), on a que pt, xq et pt1 , x1 q expriment les coordonnes dun rayon lumineux expriment
les coordonnes dun rayon lumineux. Le fait que Bob regarde un rayon lumineux fait que
x ct, et donc que les coordonnes du rayon lumineux, observ par Alice sont :
t1 t ` ct

x1 vt ` ct.

(31.20)

Linvariance de la vitesse de la lumire exige que Alice mesure une vitesse c pour le rayon
de lumire, cest dire x1 ct1 . On exige donc que
ce qui implique que

vt ` ct ct ` c2 t,

v
.
c2
Une fois de plus, lavant-dernire, on r-crit les lois de transformations en tenant compte
de ce fait ; mais cette fois, on fait leffort dcrire aussi les transformations inverses :
v
1 ` 1 v 1
t1 t 2 x
t
t ` 2 x
(31.21)
c

c
1
x1 vt ` x
x pvt1 ` x1 q
(31.22)

o 2 c2v que tu noteras au passage tre toujours positif, et nul uniquement quand
v c.
2 2

1556

CHAPITRE 31. UTILISATION DANS LES AUTRES SCIENCES

(4) Maintenant il reste imposer le principe de relativit. Les transformations (31.21) montrent
comment Alice voit le monde (cest dire pt1 , x1 qq en fonction de la faon dont Bob voit le
monde (cest dire pt, xq). On se demande donc quelle seraient, pour Bob, les coordonnes
pt, xq dun point vu en pt1 , x1 q par Alice. Cela signifie que lon impose que les deux systmes
(31.21) soient en ralit les mmes, un changement de signe prs.
Attention : il a priori faux de dire quen changeant le signe de v dans v{c2 , jobtiens v{c2
parce que est une fonction de v. En ralit, il faut noter pvqv{c2 et donc le changement
de signe de v donne pvqv{c2 . Ceci tant clair, on peut un petit peu calculer.
Commenons par galiser le coefficient de x dans t1 celui de x1 dans t, en changeant le
signe de v :
pvqv
pvqv

,
2
c
c2
et donc pvq pvq. a cest une bonne nouvelle. galisons maintenant le coefficient de
t dans t1 celui de t1 dans t en changeant le signe de v :
pvq

pvq
pvq

`
2
pvq
pvq 1

Comme pvq pvq, on en dduit que

1
pvq b
1

v2
c2

v2
c2

.
(31.23)

Maintenant quon a tout, on peut crire les transformations de Lorentz. On met donc lexpression (31.23) dans les lois de transformations (31.21) :

1
1
v
v
t1 b
t b
t 2x
t1 ` 2 x1
2
2
c
c
1 vc2
1 vc2
(31.24)
1
1
x1 b
px vtq
x b
pvt1 ` x1 q.
2
2
1 vc2
1 vc2

Tu remarqueras que 1 ; si tu ne sais pas ce quest le dterminant dune application linaire,

a na pas dimportance. Mais si tu sais ce quest le dterminant dune application linaire, alors
ce 1 est crucial !
Affin davoir des quations un peu plus courtes, partir de maintenant nous allons noter
c
v2
pvq 1 2 .
c

31.4.3

Conditions dexistence

Comme tu vois une racine carre et un dnominateur dans ces formules, tu dois te demander
quelles sont les conditions dexistence. tant donn que v c, on a que v 2 {c2 1 et en particulier,
v 2 {c2 1 si et seulement si v c.
Ce qui se trouve dans la racine carr ne pose donc jamais de problmes parce que ce nest
jamais ngatif.
Le dnominateur est par contre plus problmatique : quand v c il ny a plus rien qui fonctionne. Quelle est la physique de ce problme ? Pour le comprendre, il faut se souvenir ce que
reprsente v. Nous avons dit que v est la vitesse laquelle Alice court. Ce que la condition dexistence nous enseigne, cest que personne ne peut courir la vitesse de la lumire. Cest une vitesse
que lon ne peut pas atteindre.
Dit en termes plus savants, on ne peut pas choisir un repre qui se dplace la vitesse de la
lumire.
La question qui se pose alors est ah bon, on ne peut pas atteindre la vitesse de la lumire !
Et la lumire, comment elle fait ? . Bonne question, merci de lavoir pose. Hlas la rponse sort
du cadre de ce cours.

1557

31.4. CONSQUENCES
Loi numro 2.
Aucun objet ne peut atteindre la vitesse de la lumire.

Loi numro 3.
Tu ne dois pas te demander pourquoi la lumire elle-mme se dplace la vitesse de la lumire
malgr la loi numro 2.

31.4.4

La notion dintervalle

Un vnement est quelque chose qui se passe un endroit un certain moment. Cest donc
caractris par le moment et le lieu. Comme on travaille une dimension, cest un couple de rels
pt, xq.
Regardons un rayon de lumire. Un vnement est le fait dallumer une lampe de poche, et
un autre est le fait que le lumire arrive sur lobjet quon claire. Appelons-les pt1 , x1 q et pt2 , x2 q.
Comme dhabitude, on note t t2 t1 et x x2 x1 . Comme le rayon de lumire va la
vitesse c, on a c x{t, ou encore
c2 t2 x2 0.
Pour cette raison, on va dire que lintervalle entre deux vnements pt1 , x1 q et pt2 , x2 q vaut en
gnral
s2 c2 pt2 t1 q2 px2 x1 q2 .
(31.25)

Par invariance de la vitesse de la lumire, si un intervalle est nul pour un observateur, il sera nul
pour tous les observateurs.
31.4.4.1

En mcanique newtonienne

Affin de voir un peu mieux lenjeu de linvariance de lintervalle, regardons un exemple chiffr.
Si par exemple je me dplace de 10 m en 5 s, mon intervalle mesur par une personne extrieure
est
c2 t2 x2 p300.000.000q2 p5q2 p10q2 2, 25 1018 m.

Si je fais le calcul pour moi, jai que x1 0 parce que je ne me dplace pas, et t1 5 parce que
je me suis dplac en 5 secondes. Le truc est que ct de p300.000.000q2 , lintervalle spatial x
ne pse pas grand chose. a ne change presque rien quil soit de 5 mtres ou de zro. a ne change
pas grand chose, mais a change quand mme ! Entre moi qui calcule ou une personne extrieure,
lintervalle change de 100 sur un nombre de la grandeur de 200.000.000.000.000.000.0000 !
Reprenons plus clairement le raisonnement. Daprs la mcanique classique, lintervalle mesur
par deux personnes est diffrent, mais trs peu diffrent. Inutile de dire que du temps de Newton,
on navait pas les moyens techniques de mesurer si cet intervalle est effectivement diffrent ou bien
si il est en ralit gal. Cest un peu comme si on te mettait un spot dans les yeux et quon te
demandait si cest un spot de 1000 W ou de 1001 W. Bonne chance pour le dire !
31.4.4.2

En mcanique relativiste

Maintenant quon a des moyens techniques nettement plus pousss que Newton, on a pu mesurer
que lintervalle est gal. Lintervalle est un invariant. Cela nest pas un nouveau principe physique
parce quil dcoule des transformations de Lorentz.

31.4.5

Le cne de lumire dun point

Il est intressant de dessiner dans le plan pt, xq lensemble des points atteins par le rayon
lumineux. Le point pt, xq est atteint si c2 t2 x2 0, ou encore si x ct. Cela forme deux droites
dans le plan trac par les coordonnes t et x. Ces deux droites forment ce quon appelle le cne
de lumire du point p0, 0q.

1558

31.4.6

CHAPITRE 31. UTILISATION DANS LES AUTRES SCIENCES

Contraction des longueurs

Bob prend un morceau de bois quil mesure de longueur l et le dpose devant lui. linstant t
(de Bob), les deux extrmits sont aux coordonnes e1 pt, 0q et e2 pt, lq.
Afin de savoir quelle est la longueur de ce mme morceau de bois pour Alice, il faut quelle
mesure les deux extrmits en mme temps (pour elle), et quelle fasse la diffrence. Comme Bob
et Alice dclenchent leurs chronomtres en mme temps, le plus simple est de faire la mesure cet
instant.
Pour Bob, cest clair : les coordonnes des deux extrmits sont e1 p0, 0q et e2 p0, lq.
La longueur du bois est l. Pour savoir quelle est la longueur mesure par Alice, on utilise les
transformations de Lorentz qui donnent les coordonnes e11 et e12 relatives Alice. On trouve
e11 p0, 0q et

vl{c2 l
1
e2
.
(31.26)
,
pvq pvq

En dautres termes, on a x1 0 et x2 l{pvq, ce qui fait que la longueur observe par Alice est
l1 x2 x1 l{pvq.
Eh bien ce rsultat est faux. Si tu vois pourquoi sans lire la suite, tu es trs fort.
Pour mesurer la longueur dun objet, il faut mesurer la position des deux bouts en mme temps
puis faire la diffrence entre les deux. Effectivement, e1 et e2 sont en mme temps pour Bob, et
donc Bob peut mesurer la longueur de son bout de bois en faisant la diffrence x2 x1 . Mais comme
le montre les coordonnes (31.26), les vnements e11 et e12 ne se passent pas en mme temps pour
Alice ! Eh oui : t11 0 et t12 vl{c2 pvq ; cest pas la mme chose.
Il faut donc trouver un vnement qui pour Alice correspond lextrmit du bout de bois
au temps t1 0. Comme lvnement gnral qui correspond au bout du bois pour Bob est pt, lq,
lvnement gnral est pour Alice
t1

t cv2 l
pvq

x1

l vt
.
pvq

(31.27)

Affin davoir t1 0, il faut t vl{c2 . En mettant cette valeur de t dans x1 , on trouve

` vl
v2
l
1

q
lv 2 q
c2
x1 b c
b
lpvq.
2
2
1 vc2
1 vc2

Et l, cest la bonne formule. Si un objet a une longueur l dans le rfrentiel o il est au repos, il
aura une longueur
c
v2
(31.28)
l1 l 1 2
c
dans un rfrentiel qui se dplace la vitesse v par rapport lobjet.

31.4.7

Dilatation des intervalles de temps

Encore un petit effort et promit, je te donne une application concrte que tu connais des
bizarreries de la relativit. Mais en attendant, regarde bien ta montre, tu ne va pas en croire tes
yeux !
Reprenons Bob et Alice. On se rappelle que Bob et Alice avaient dclenchs leurs chronomtres
en mme temps quand Alice tait passe devant Bob. Un peu plus tard, Alice regarde sa montre
qui indique un temps t. Et elle se demande si Bob a aussi ce moment une montre qui indique un
temps t.
Ce serait dingue que non hein ! ? ! En effet, si je synchronise ma montre avec quelquun et que
je pars faire un tour, ma montre ne sera pas tout dun coup dsynchronise. Oui, mais Alice, elle
cours presque la vitesse de la lumire . . . et ces vitesses-l, on a dj vu des choses incroyables.
Calculons donc pour en avoir le cur net.

1559

31.4. CONSQUENCES

Le fait quAlice regarde sa montre est un vnement qui se passe pour Alice aux coordonnes
(le zro cest parce que par rapport elle-mme, Alice est toujours au repos). quelles
coordonnes pt, xq pour Bob correspond cet vnement ?
Lquation de t en fonction de t1 et x1 dans les transformations de Lorentz (31.24) prise avec
1
x 0 donnent
t1
t
.
pvq
pt1 , 0q

Et si, juste pour le plaisir, on faisait linverse ? Bob regarde sa montre, il voir un temps t et sa
coordonne spatiale est x 0. quel temps dAlice cela correspond ? Mettons x 0 dans la
transformation de Lorentz de t1 en fonction de t et x. Ce quon obtient cest
t1

t
.
pvq

Nest-ce pas gnial ? Cest la mme ! videment, a ne pouvait pas tre autre chose : le principe de
relativit demande quon ne puisse pas faire la diffrence entre Alice qui cours vers la droite avec
Bob assis et Alice assise avec Bob qui cours vers la gauche. Cest exactement pour a que dans
une gare, quand le train d ct dmarre, il tarrive de croire que cest ton train qui dmarre : tu
ne peux pas faire la diffrence, cest un principe physique.

31.4.8

Invariance de lintervalle

Dans deux secondes, je vais te montrer comment une utilisation intelligente des exponentielles
permet de trouver un rsultat trs fort en relativit. Quoi ? Les exponentielles, les mmes quau
cours de math ? Eh oui : la mme exponentielle que celle quon ta introduit avec des populations
de bactries qui se multiplient, cette mme exponentielle qui la la miraculeuse proprit dtre
gale sa propre drive.
Mais nanticipons pas.
Nous avons dj signal que si la quantit s2 c2 t2 x2 tait nulle pour un observateur,
alors elle tait nulle pour tous les observateurs. Supposons deux vnements A et B observs par
Alice et Bob. Bob les note aux coordonnes pta , xa q, et ptb , xb q tandis quAlice les note en pt1a , x1a q
et pt1b , x1b q.
Lintervalle entre les deux vnements mesur par Bob sera
s2 c2 ptb ta q2 pxb xa q2 ,
tandis que ce mme intervalle mesur par Alice sera
s12 c2 pt1b t1a q2 px1b x1a q2 .
On peut bien entendu remplacer dans la premire quation les ta , tb , xa et xb par leurs valeurs en
termes de t1a , t1b , x1a et x1b donnes par les transformations de Lorentz. Tu paries que les trois quart
des termes dans le calcul se simplifient et quil restera exactement s12 ? Je te dis que oui, et je te
conseille de me croire sur parole, sinon tu vas devoir lire le calcul suivant :

1
v 1
v 1 2
1
1
1
s c ptb ta q pxb xa q c
pt ` x q
pt ` x q
pvq b c2 b
pvq a c2 a
2

1
1
1
1
1
1
pvt ` xb q
pvt ` xa q .

pvq b
pvq a
2

Jusquici, on na fait que remplacer les choses par leurs valeurs donnes par les transformations
de Lorentz. Maintenant on regroupe lintrieur de chaque parenthse les termes de faon faire

1560

CHAPITRE 31. UTILISATION DANS LES AUTRES SCIENCES

apparatre x1 et t1 :
2
v 1
c2 1
1
1
pt

t
q
`
px

x
q
b
a
b
a
pvq2
c2
`

1
1
1
1
1 2

px

x
q
`
vpt

t
q
b
a
b
a
pvq2

v
v2
c2
1 2
1
1
1 2
pt
q
`
2
t
x
`
px
q

pvq2
c2
c4

1
1 2
1
1
2
1 2

px q ` 2vx t ` v pt q .
pvq2

s2

L, on a utilis le produit remarquable pa ` bq2 a2 ` 2ab ` b2 , et on a systmatiquement renomm

tous les intervalles avec la notation pour tre plus compact. Maintenant, on va regrouper tous
les termes contentant pt1 q2 ensemble, tous ceux qui contiennent t1 x1 ensemble et ceux qui
contiennent px1 q2 ensemble. Autre manire de le dire, on met les en vidence comme on peut.
On trouve ceci :
2

c
v2
2vc2
2v
1 2
1
1
pt q

` t x

pvq2 pvq2
pvq2 c2 pvq2
2 2

c v
1
1 2
` px q

.
c4 pvq2 pvq2
partir de l, je te laisse vrifier (en utilisant le fait que pvq2 1 v 2 {c2 ) que les coefficients se
simplifient beaucoup et valent finalement respectivement c2 , 0 et 1 comme il se doit. Avec tout
a, nous avons montr le rsultat trs important suivant :
Lintervalle entre deux vnements est invariant sous les changements de repres dinertie, cest dire que la valeur mesure par nimporte qui qui se dplace en MRU sera
toujours la mme.
Pourquoi cela est tellement important ? cause de Pythagore et dune petite dmonstration
coups dexponentielles 5 .
31.4.8.1

Rappel de trigonomtrie hyperbolique

Les fonctions de trigonomtrie hyperboliques sont :

coshpxq

ex ` ex
2

sinh

ex ex
.
2

(31.29)

Elles ont pas mal de proprits en commun avec les sinus cosinus et normaux. Dabord, leurs
drives sont faciles calculer :
cosh1 pxq sinhpxq

sinh1 pxq coshpxq

o tu noteras quil ny a pas de signe moins qui apparat, contrairement au cas de la trigonomtrie
normale. Une autre proprit qui ressemble fort une proprit de la trigonomtrie est :
Proposition 31.2.
Pour tout x P R,

cosh2 pxq sinh2 pxq 1

avec un signe moins comme diffrence avec la trigonomtrie.

5. oui oui tout ton cours de math va finir par y passer.

(31.30)

1561

31.4. CONSQUENCES

Dmonstration. La preuve revient simplement calculer en utilisant le produit remarquable de

pa ` bq2 . Dabord, on a :
cosh2 pxq

2 1 `
1
1` x
e ` ex e2x ` 2ex ex ` e2x pe2x ` 2 ` e2x q
4
4
4

o lon a utilis le fait que pex q2 e2x et que ex ex 1. Il te reste faire la mme chose pour
sinh2 pxq, la rponse est :

1`
sinh2 pxq e2x 2 ` e2x .
4

En faisant la diffrence entre les deux, il reste 1.

Une proprit qui est par contre trs diffrente entre la trigonomtrie plane et la trigonomtrie
hyperbolique, cest la priodicit. Les fonctions usuelles cos et sin sont priodiques. Pas les fonctions
hyperboliques.
Proposition 31.3.
La fonction sinh : R R est bijective.
Dmonstration. Il faut dmontrer que sinus hyperbolique est injective et surjective. Calculons
dabord les limites. Comme tu sais que limx8 ex 8 et limx8 ex 0, tu vois facilement que
lim sinhpxq 8

lim sinhpxq 8.

x8

x8

(31.31)

Par ailleurs, la fonction sinus hyperbolique est continue et respecte donc le thorme de la valeur
intermdiaire 6 11.50. Soit y P R et voyons si il existe un x P R tel que sinhpxq y. Les deux
limites indiquent quil existe x1 P R tel que sinhpx1 q y et x2 P R tel que sinhpx2 q y. Le
thorme de la valeur intermdiaire conclu quil existe un x entre x1 et x2 tel que sinhpxq y.
Cela prouve la surjectivit.
Pour linjectivit, on va utiliser le thorme de Rolle et une petite preuve par labsurde. Supposons que sinhpx1 q sinhpx2 q avec x1 x2 . Dans ce cas, le thorme de Rolle nous dit quil
existe un x entre x1 et x2 tel que sinh1 pxq 0. La drive de sinus hyperbolique tant cosinus
hyperbolique, il faut se demander il existe un x tel que coshpxq 0. tant donn que ex 0 pour
tout x, en fait le cosinus hyperbolique ne sannule jamais.
7
6
5
4
3
2
1
2

1
2
3
4
5
6
7

Figure 31.1 En rouge, la fonction x sinhpxq et en bleu, la fonction x coshpxq.

6. Je tavais dit que tout tons cours de math allait y passer hein.

1562

CHAPITRE 31. UTILISATION DANS LES AUTRES SCIENCES

Un trs bon exercice serait de faire un tude complte des fonctions cosinus et sinus hyperbolique. Leur graphes sont donns la figure 31.1
Un corollaire de la surjectivit de sinh sur R est que si je prends nimporte quel deux nombres
dont la diffrence des carrs vaut 1, alors ces carrs sont reprsentables avec des fonctions hyperboliques :
@x, y P R tels que x2 y 2 1, D P R tel que x2 coshpq et y 2 sinhpq.

La tangente hyperbolique est dfinie par

tanhpxq

sinhpxq
.
coshpxq

(31.32)

Un bon exercice est de prouver les deux relations suivantes :

sinhpxq b
31.4.8.2

tanhpxq

coshpxq b

1 tanh2 pxq

1
1 tanh2 pxq

(31.33)

Les transformations de Lorentz (bis)

Nous avons prouv quen relativit, lintervalle est un invariant. Pour cela, nous avons utilis
les transformations de Lorentz dmontres partir de lhypothse dinvariance de la vitesse de la
lumire. Eh bien, oublions un instant que la vitesse de la lumire soit invariante, et posons la
place comme hypothse que lintervalle soit invariant. Cest dire que si Bob mesure un vnement
aux coordonnes pt, xq et Alice en pt1 , x1 q, alors c2 t2 x2 c2 pt1 q2 px1 q2 .
Thorme 31.4.
Les transformations de Lorentz sont les seules qui laissent lintervalle invariant.
Dmonstration. Toute la partie comme quoi les transformations doivent tres linaires reste parce
que cette partie ne demandait pas linvariance de la vitesse de la lumire.
Nous cherchons donc les transformations entre Alice et Bob sous la forme
t1 t ` x

x1 t ` x

telles que c2 pt1 q2 px1 q2 c2 t2 x2 . Lorsque Alice passe devant Bob, ils dclenchent tout deux
leurs chronomtre et leurs axes. Cest dire que si ce moment un vnement se trouve droite
pour Alice, il est aussi droite pour Bob. On doit donc avoir, quand t t1 0, que x 0 implique
x1 0. Cela donne la contrainte que 0. Dautre part, comme leurs chronomtres vont dans le
mme sens (ils choisissent tout les deux de compter le temps et non dcompter), on a que 0.
En dveloppant lexpression de ps1 q2 en termes de t et x, on trouve la condition dinvariance de
lintervalle sous la forme :
c2 p2 t2 ` 2tx ` 2 x2 q p 2 t2 ` 2tx ` 2 x2 q c2 t2 x2 ,

(31.34)

2 c2 2 1.

(31.35)

coshpq
sinhpq

(31.36)

qui doit tre valable pour tout t et pour tout x. En t 0 on trouve la condition

Cela implique quil existe un P R tel que 2 cosh2 pq et c2 2 sinhpq. La premire quation
donne coshpq (il faut rejeter coshpq parce quon a demand que 0). Pour la
seconde, on trouve c sinhpq o lon peut oublier la possibilit c sinhpq parce que cela
revient juste renommer (la fonction sinus hyperbolique est impaire). Bref, il existe un
tel que

1563

31.4. CONSQUENCES
En mettant maintenant x 0 dans la condition (31.34), on trouve la condition
2

2
1.
c2

Pour les mmes raisons quavant, il existe un P R tel que

coshpq

(31.37)

c sinhpq.

Rien quen regardant deux cas trs particuliers, on a dj bien avanc, non ? Remettons maintenant
les valeurs (31.36) et (31.37) dans la condition (31.34). En utilisant lidentit cosh2 pxq sinh2 pxq
1, et en sparant les termes en t2 , x2 et tx pour satisfaire la condition, il faut
coshpq sinhpq sinhpq coshpq

(31.38)

parce que les termes en t2 et x2 donnent exactement c2 t2 x2 et quil faut que le terme en
tx sannule. Mettons la condition (31.38) au carr, et substituons cosh2 pq 1 ` sinh2 pq et
cosh2 pq 1 ` sinh2 pq, il reste
sinh2 sinh2 ,
ce qui signifie sinh sinh , ou encore . On voit que ne fonctionne pas dans
(31.38), donc on reste avec et les transformations prennent la forme
sinhpq
x
c
x1 c sinhpqt ` coshpqx.
t1 coshpqt `

(31.39)

Ce que nous avons prouv, cest quil existe un P R tel que les transformations entre Alice et Bob
aient cette forme. Il faut trouver ce que vaut en fonction de la vitesse v laquelle Alice court.
Pour ce faire, tudions le mouvement dAlice. Bob la voit aux coordonnes pt, vtq, ce qui correspond
x1 c sinhpqt ` coshpqvt
pour Alice. Mais ces coordonnes sont celles de Alice elle-mme, donc x1 0, ce qui donne 7
vt c sinhpqt{ coshpq, ou encore
v
tanhpq
(31.40)
c
En utilisant les relations (31.33), on trouve
1
coshpq b
1

v{c
sinhpq b
.
v2
1 c2

v2
c2

(31.41)

En remettant ces valeurs dans les transformations (31.39), on trouve

t cv2 x
pvq
x
vt
x1
,
pvq
t1

(31.42)
(31.43)

exactement les transformations de Lorentz !

Ce rsultat est important pour une raison assez simple : maintenant, la thorie de la relativit
est indpendante de toute considrations sur la lumire. En effet, ce que nous venons de prouver,
cest que si il existe une vitesse c telle que c2 t2 x2 c2 pt1 q2 px1 q2 , alors pt, xq et pt1 , x1 q sont lis
par les transformations de Lorentz.
7. Conditions dexistence : coshpq 0 ; heureusement, nous avons vu que le cosinus hyperbolique ne sannule
jamais.

1564

31.4.9

CHAPITRE 31. UTILISATION DANS LES AUTRES SCIENCES

Vitesse limite

Affin de nous passer de lhypothse dinvariance de la vitesse de la lumire, nous avons prouv
que lhypothse dinvariance de lintervalle tait suffisante. Mais il faut avouer que cette hypothse
nest pas trs intuitive. Nous allons montrer maintenant que lexistence dune vitesse limite est une
troisime hypothse qui peut tre utilise comme alternative aux deux premires.

31.5

Applications

Une premire application sympa est le logiciel 8 lightspeed. Si tu es sous Ubuntu-Linux, installe
juste le paquet nomm lightspeed, et rgales-toi ! Tu verras cest marrant. Si tu utilise des fentres,
je laisse faire ladage Windows cest facile .

31.5.1

Le GPS

Pour quun systme GPS puisse te localiser, en gros, il tenvoie un signal, tu lui rponds et il
mesure le temps quil a fallu la lumire pour faire laller-retour. Dj, tu remarques que cela nest
possible que grce au fait que la vitesse de la lumire soit finie. Sinon, le GPS ne fonctionnerait
pas. Mais il y a mieux.
Comme pour te localiser il faut plusieurs satellites en plus de ton appareil, il faut que les horloges
internes de tout ce petit monde soient bien synchronises, sinon pour mesurer des intervalles de
temps et calculer des distances, cest mal parti. Eh mais un satellite, a bouge assez vite (surtout
que les mesures doivent tre trs prcises), et en plus a ne fait mme pas un MRU, vu que a
tourne en rond. Comme tu vois tout le travail quil a fallu faire pour trouver les transformations
de Lorentz dun MRU, tu timagines le travail pour un mouvement circulaire ! Eh bien ce travail
a t fait, et le rsultat est que si on en tient pas compte, les contractions temporelles lies la
relativit sont suffisamment grandes pour compltement drgler le GPS.

31.5.2

Les ondes lectromagntiques

Tu te souviens quau dbut du chapitre, nous avons dit que le problme qui a amen la relativit tait la propagation du champ lectrique. Maintenant que nous avons dj vu une partie des
consquences du problmes, il est temps de se rendre compte que les champs lectriques et magntiques sont les objets les plus soumis aux bizarreries relativistes du monde : elles se propagent la
vitesse de la lumire. Regarde un coup autour de toi ; tout ce qui est champ lectromagntique a
besoin de la relativit pour tre bien compris : GSM, lumire, four micro-onde, radio, wifi, fibre
optique, . . .
Si un jour un ingnieur te dit quil ny a pas besoin de connatre la relativit pour inventer la
radio (cest vrai : la radio a t invente avant la relativit), ni pour construire une fibre optique,
dis lui en pensant moi quil utilise tout le temps les quations de Maxwell 9 , et que ces quations
sont relativistes.
Bref, soit convaincu que tu vis dans un monde relativiste et que les transformations de Lorentz
te suivent chacun de tes pas.

31.6

Mcanique relativiste

Cela est bien beau, mais la dilatation du temps, et les contractions de longueurs doivent bien
avoir des rpercussions sur la cinmatique et la dynamique des objets. Est-ce que le thorme de
lnergie cintique est encore valable ? est-ce que les lois de Newton tiennent encore la route ?
8. jeu de mot sur application ! ah ah !
9. Cest sous ce nom l quon nome lensemble des quations de llectromagntisme comme la loi de linduction.

1565

31.6. MCANIQUE RELATIVISTE

31.6.1

Des problmes, toujours des problmes

Attardons-nous un peu pour faire quelque commentaires sur cette citation du chevalier pgase
dans les chevaliers du zodiaque :
Ses coups vont la vitesse de la lumire et pourtant je les vois distinctement arriver.
Est-ce possible ? Nous avons vu quil y avait des dnominateurs qui sannulent quand des objets
se dplacent plus vite que la lumire ; or pour voir venir un rayon de lumire qui vient vers soi, il
faudrait que le rayon mette de la lumire devant elle. a semble un peu mal parti pour respecter
les lois de la relativit, non ?
Cela pose en tout cas une question quil faudra rsoudre. On entend venir une ambulance parce
quelle met du son qui avance plus vite quelle. Pas de problmes avec a. Mais quid de la voir
venir ?
On peut voir venir un tram parce quil met de la lumire ; cette lumire allant plus vite que
le tram, elle arrive nos yeux avant le tram lui-mme. Cela est trs bien. Mettons que le tram
avance 50 km{h ; pour le conducteur, la lumire de son phare avant avance devant lui la vitesse
c. Par consquent pour un observateur au sol, cette mme lumire devrait avancer la vitesse
c ` 50. Encore une fois, on a un problme dinvariance de la vitesse de la lumire ; mais comme
cest de la lumire, on est habitu ce que des trucs bizarres arrivent. On ne sera pas tonn
que c ` 50 c dune manire ou dune autre 10 . Pire. Si un vaisseau spatial avance la vitesse
200000 km{s et quil envoie en reconnaissance un vaisseau devant lui la vitesse de 150000 km{s,
le vaisseau de reconnaissance ira la vitesse 150000 km{s par rapport au vaisseau principal. Et par
rapport au sol, il ira la vitesse 150000 ` 200000 350000 km{s, ce qui est impossible. Il faudra
trouver quelque chose pour que a se passe bien.
Un autre problme maintenant.
Prenons une masse m que lon soumet une force constante F . Par la loi de Newton, a F {m
est constante et la vitesse aprs un temps t vaut v F t{m. Pas de bol, a devient plus grand que
la vitesse de la lumire partir du temps t cm{F . a est un problme hein ? Il faut trouver un
truc pour quavec une force constante, lacclration diminue.

31.6.2

Loi daddition des vitesses

Si Bob observe un objet se dplacer la vitesse V , alors Alice devrait lobserver bouger la
vitesse V v. Tout comme si une vache voit passer un train 90 km{h, alors le vlo qui avance
25 km{h le voit passer 65 km{h.
Maintenant, tu es habitu ce que rien ne se passe comme dhabitude, donc tu te doutes bien
quen ralit la bonne formule ne va pas tre V v.
Bob observe lobjet aux coordonnes pt, V tq, ce qui fait pour Alice :

t cv2 V t V t vt
,
.
pvq
pvq
En divisant le x1 dAlice par le t1 dAlice, on trouve la vitesse mesure par Alice :
V1

pV vqt pvq
V v
`

.
pvq t 1 vV
1
vV
c2
c2

La loi de transformation des vitesses relativiste est donc

V1

V v
.
1 vV
c2

(31.44)

Quen est-il de notre c ` 50 c ? Disons que Bob lance un bisou Alice pendant quelle arrive
vers lui. Le bisou arrive la vitesse de la lumire (cd V c) tandis que Alice sapproche de Bob
10. et je ne te cache pas que cest ce qui va arriver.

1566

CHAPITRE 31. UTILISATION DANS LES AUTRES SCIENCES

la vitesse 50 m{s (cd v 50). Donc la vitesse laquelle Alice devrait voir arriver le bisou est
bien c ` 50. En utilisant la formule daddition relativiste des vitesses (31.44), nous trouvons
V1

c 50
c 50
cpc 50q
50c
50 c 50 c.
1 c2
1 c

Donc effectivement en relativit quand on additionne des vitesses il faut penser la rgle du
c ` 50 c .

31.6.3

Laction dune force

Lquation fondamentale de la mcanique classique est

F ma.

Or tu nes pas sans savoir que lacclration est la drive seconde de la position par rapport au
temps. Nous noterions donc F mx2 ptq. Le problme est videment que si F est constante, on
trouve v F t{m qui dpasse toujours la vitesse c quand t est assez grand. Il faudra donc modifier
la loi F ma. Pour cela, posons-nous des questions sur la drive x1 ptq. On drive par rapport au
temps ; oui mais nous avons vu que le temps nest pas le mme pour tout le monde. Introduisons
donc la notation
dx
v
(31.45)
dt
qui ne signifie rien dautre que nous drivons x par rapport t et non par rapport au temps t1 de
quelquun dautre. Dans le cadre de la relativit, ce que signifie lquation (31.45) est que v est
la drive de x par rapport t. Dans le cas o x et t sont les coordonnes de la position dAlice
mesures par Bob, cela signifie quon drive la position mesure par Bob par rapport au temps
mesur par Bob.
Ce que dit la relativit est que cette quantit v ne peut pas varier proportionnellement la
force sous peine de dpasser la vitesse de la lumire. La subtilit est de modifier la loi de Newton
en disant que la quantit qui varie sous laction dune force nest plus dx{dt v, mais
dx
v
b
1
dt
1

v2
c2

cest dire la drive de la position mesure par Bob par rapport au temps mesur par Alice ! La
loi de Newton v F t{m devient donc
v
b
1

v2
c2

Ft
.
m

(31.46)

Est-ce que cela rsous le problme ? Pour le savoir, regardons la vitesse acquise par le mobile de
masse m soumit la force F pendant un temps t Il faut rsoudre lquation (31.46) par rapport
v et voir si cela reste bien toujours infrieur c. On commence par mettre la racine droite et
lever toute lquation au carr :

F 2 t2
v2
2
1 2
v
m2
c

2
2
2
2
F t
F t
v2 1 ` 2 2
c m
m2
a
F 2 t2 {m2
vb
,
2 2
1 ` cF2 mt 2
et donc finalement

vptq

Ft
b
m 1`

F 2 t2
c2 m2

(31.47)

1567

31.7. PRINCIPE DE CORRESPONDANCE

Tu dois remarquer que si F et t ne sont pas trop grands, lexpression F 2 t2 {c2 m2 est minuscule
parce que c est norme. Si on fait lapproximation F 2 t2 {c2 m2 0 dans cette expression, on
retrouve v F t{m. Cela montre qu moins de faire des exprience avec de trs grandes forces
pendant normment de temps, on ne peut pas voir la diffrence entre la mcanique de Newton et
la mcanique relativiste.
1
1

Sur le graphe suivant, la vitesse en fonction du temps lorsquune particule de masse m 1 est
soumise une force constante. Pour les besoin du graphique, nous avons mit 1 la vitesse c. Tu
vois que quand la vitesse nest pas trs grande, le graphiques est presque celui dune droite ; et
partir dun certain moment, la courbe sinflchit pour tendre vers 1 sans latteindre.
Remarque que si on maintient une acclration constante gale celle de la gravit terrestre
pendant deux heures, on arrive dj sur la Lune, une vitesse de 75 km{s, cest dire encore rien
par rapport la vitesse de la lumire ! Cela pour te dire que la formule (31.47) a lair dtre trs
diffrente de la formule classique v F t{m, mais en ralit tant quon natteint pas des forces
normes, elle ressemble trs fort.
Vrifions maintenant que la formule (31.47) nest pas en contradiction avec limpossibilit de
dpasser la vitesse de la lumire. Pour cela, regardons ce quil se passe si on applique une force
constante F sur un objet de masse m pendant un temps trs long. Cest dire : calculons la limite
lim vptq.

t8

8
Tu vois tout de suite quon est sur un cas 8
, ce qui toblige utiliser la rgle de lHospital. On
peut cependant un peu rflchir et deviner la rponse sans passer par des math trop compliques.
F 2 t2
En effet, quand t est vraiment norme, lexpression m
2 c2 devient trs grande, et le 1 qui se
trouve ct ne vaut plus grand chose, on peut le ngliger.

lim

t8

Ft
b
m 1`

F 2 t2
c2 m2

lim

t8

lim

v8

Ft
b
F 2 t2
m m
2 c2
Ft
Ft
m cm

(31.48)

c.
Tout est bien : on arrive au maximum la vitesse de la lumire, mais il faut un temps infini pour
y parvenir. Conclusion : il nest pas possible dacclrer un objet jusqu atteindre la vitesse de la
lumire.

31.6.4

quivalence entre la masse et lnergie

Le moment est venu de montrer ce que signifie la fameuse formule E mc2 .

31.7

Principe de correspondance

Nous ne sommes pas parvenu dmontrer la formule (31.46) de la mcanique relativiste qui
montre comme un objet acclre sous leffet dune force constante. Nous avons juste montr quil
fallait modifier la loi v F t{m et nous avons prit la premire modification qui nous soit tombe
sous la main, savoir quil faut driver la position par rapport au temps de lobjet quon observe
plutt que par rapport au temps de lobservateur.

1568

CHAPITRE 31. UTILISATION DANS LES AUTRES SCIENCES

En fait, il est possible de prouver rigoureusement 11 la formule

Ft
v
b
m
1

v2
c2

Mais il ny a pas moyen de trouver la valeur de la constante . Tout ce quil y a moyen de trouver
avec lhypothse de linvariance de la vitesse de la lumire est lexistence dune constante telle que
cette formule soit vraie.
Affin de fixer la constante , il faut faire intervenir un principe physique supplmentaire, le
principe de correspondance
Loi numro 4.
Lorsque la vitesse dune particule est faible, les quations doivent tre en premire approximation
les mmes que celles de la mcanique classique.
Que signifie en premire approximation ? Tu sais quune fonction x f pxq peut tre approxime (pour des petits x) par la formule
f pxq f p0q ` xf 1 p0q.
Nous voudrions donc que F t{m soit en premire approximation gal v. Nous devons tudier la
fonction
v
f pvq b
.
2
1 vc2
Voir ce que vaut cette fonction en premire approximation lorsque v est petit est un exercice de
drivation. En utilisant la rgle de drivation des fractions, on trouve que

f 1 pvq b
1

v2
c2

v 2

c2 1

v2
c2

3{2 ,

et donc que f 1 p0q . Bien entendu, f p0q 0. En premire approximation, nous trouvons donc
(31.49)

f pvq v

qui doit tre gal la quantit non relativiste v. Nous en dduisons quil faut fixer 1, et on
tombe sur la formule relativiste propose plus haut
Ft
v
b
m
1

v2
c2

Lutilisation cruciale du principe de correspondance a une rpercussion norme sur notre vision
de la physique. En effet, la relativit dEinstein ne parvient pas remplacer la mcanique de
Newton. On a besoin dinvoquer la mcanique de Newton pour fixer la thorie. On peut crire
laxiome suivant :
lim Einstein Newton.
(31.50)
v0

Cela nest pas une proprit de la thorie dEinstein, mais un de ses axiomes !
La relativit ne fait donc pas table rase des principes physiques de la mcanique newtonienne :
elle les complte et les contient.

11. Mais il nexiste pas de dmonstrations simples ma connaissance.

Chapitre 32

Exemples avec Sage

Ce chapitre est un foure-tout de choses que lon peut faire avec Sage.
Certains exemples utilisent ce module qui sert automatiser certaines tches : outilsINGE.py
1
2

# -* - c o d i n g : u t f 8 -* f r o m sage . a l l i m p o r t *

3
4
5
6
7

"""
This module provides _pragmatic_ tools for solving exercise for
a first year in g e n e r a l m a t h e m a t i c s .
"""

8
9

# TODO : t r o u v e r une bonne t r a d u c t i o n pour " point de selle ."

10
11
12

13
14

d e f automatedVar ( symbol , n ) :
" " " I f s y m b o l = " x " a n d n =4 , r e t u r n t h e s t r i n g x1 , x2 , x3 , x 4
"""
s = " , " . join ([ symbol + s t r ( i ) f o r i i n r a n g e (1 , n +1) ])
return s

15
16
17
18

c l a s s Solv eLine arSyst em ( o b j e c t ) :

"""
Solve Ax = v and print it in a nice way

19
20

Example :

21
22
23
24
25
26
27
28
29
30
31
32
33
34

35

A = matrix ([ [1 , -2 ,3 , -2 ,0] ,[3 , -7 , -2 ,4 ,0] ,[4 ,3 ,5 ,2 ,0] ])

v = vector ((0 ,0 ,0 ,0 ,0) )
print SolveLinearSystem (A ,v)
"""
d e f __init__ ( self ,A , v ) :

self . matrix = A
self . vector = v
self . nvars = A . ncols ()
s = automatedVar ( " x " , self . nvars )
self . xx = var ( s )
d e f equations ( self ) :
""" Return the e q u a t i o n s c o r r e s p o n d i n g to the
s e l f . m a t r i x a n d s e l f . v e c t o r a s a l i s t o f e q u a t i o n s
"""
X = matrix ( [ self . xx [ i ] f o r i i n r a n g e (0 , self . nvars ) ]) .

1569

1570

36
37
38
39
40
41
42
43

CHAPITRE 32. EXEMPLES AVEC SAGE

transpose ()
eqs =[]
f o r i i n r a n g e (0 , self . matrix . nrows () ) :
exp = ( self . matrix * X ) [ i ][0]== self . vector [ i ]
eqs . append ( exp )
r e t u r n eqs
d e f solutions ( self ) :
r e t u r n solve ( self . equations () , self . xx )
d e f latex ( self ) :

44

""" " Return the LaTeX s code of the system . """

45

a =[]
a . append ( r " " "

46
47

\ item
$
\ left \{
\ begin { array }{ ll }

48
49
50
51
52
53
54

55
56
57
58
59
60
61
62
63
64
65
66
67
68

""" )
f o r eq i n self . equations () :
a . append ( "
" + s t r ( eq ) . replace ( " x " , " x _ " ) . replace ( " * "
, " " ) . replace ( " = = " , " = " ) + " \ \ \ \ \ n " )
a . append ( r " " "
\ end { array }
\ right .
$
""" )
r e t u r n " " . join ( a )
d e f __str__ ( self ) :

a = []
a . append ( " T h e g i v e n m a t r i x c o r r e s p o n d s t o t h e s y s t e m " )
f o r eq i n self . equations () :
a . append ( s t r ( eq ) )
a . append ( " A n d t h e s o l u t i o n s a r e " )
a . append ( s t r ( self . solutions () ) )
r e t u r n " \ n " . join ( a )

69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84

d e f QuadraticMap (A , v ) :
"""
Return the result of the q u a d r a t i c form a s s o c i a t e d
with A a p p l i e d on the vector v , that is the number
A_ij v ^ iv ^ j
using the summation convention .
"""

n = A . nrows ()
i f n o t A . is_symmetric () :
print " W a r n i n g : Given matrix is not s y m m e t r i c "
i f n o t A . is_square () :
r a i s e TypeError , " E r r o r : T h e m a t r i x A i s n o t s q u a r e "
i f n o t v . degree () == n :
r a i s e TypeError , " T h e s i z e d o n o t a g r e e "
r e t u r n s u m ([ A [i , j ]* v [ i ]* v [ j ] f o r i i n r a n g e ( n ) f o r j i n r a n g e (

n)
85

]) . simplify_full ()

1571
86
87
88

89
90
91
92
93
94
95
96
97
98
99

100

101
102
103
104
105
106
107

c l a s s SymmetricMatrix ( o b j e c t ) :
"""
P r o v i d e i n f o r m a t i o n s a b o u t t h e m a t r i x A a s s u m i n g i t i s s y m m e t r i c
.
"""
d e f __init__ ( self , A ) :
i f n o t A . is_square () :
print " Error : A s y m m e t r i c matrix must be square "
r a i s e TypeError

self . matrix = A
self . degree = A . nrows ()
self . matrix . set_immutable ()
d e f p r i m a r y _ p r i n c i p a l _ s u b m a t r i x ( self , n ) :
"""
R e t u r n t h e p r i m a r y p r i n c i p a l s u b m a t r i x o f o r d e r n , t h a t i s t h e
matrix obtained
b y r e m o v i n g t h e n l a s t l i n e s a n d c o l u m n s f r o m s e l f
.
"""

taille = self . degree - n

v =[]
f o r i i n r a n g e (0 , taille ) :
v . append ( self . matrix [ i ][0: taille ])
r e t u r n matrix ( v )
d e f principal_minors ( self ) :

111

"""
R e t u r n t h e l i s t o f p r i n c i p a l m i n o r s . T h e p r i n c i p a l m i n o r o f
order k is
t h e d e t e r m i n a n t o f t h e p r i m a r y p r i n c i p a l m a t r i x o f
order k.
"""

112

a =[]

113

f o r i i n r a n g e ( self . degree ) :

108
109

110

114
115
116
117
118

119
120

a . append ( self . p r i m a r y _ p r i n c i p a l _ s u b m a t r i x ( i ) . determinant () )

return a
d e f genre_list ( self ) :
"""
R e t u r n t h e g e n i u s o f t h e m a t r i x a s a l i s t o f b o o l e a n s i n t h e
order
positive defined , negative defined ;
s e m i d e f i n i t e p o s i t i v e , s e m i d e f i n i t e n e g a t i v e ,
indefinite .

121
122

"""

123

defpos = True
defneg = True
semidefpos = True
semidefneg = True
indefinie = True
mineurs = self . principal_minors ()
f o r i i n r a n g e ( l e n ( mineurs ) ) :
m = mineurs [ i ]
i f m == 0:

124
125
126
127
128
129
130
131

1572
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146

147
148
149

CHAPITRE 32. EXEMPLES AVEC SAGE

defneg = False
defpos = False
i f m < 0:
defpos = False
semidefpos = False
i f i %2==0:
defneg = False
i f m > 0:
semidefneg = False
i f i %2==1:
defneg = False
i f 0 n o t i n mineurs :
semidefneg = False
semidefpos = False
i f ( defpos == True ) o r ( defneg == True ) o r ( semidefpos == True ) o r (
semidefneg == True ) : indefinie = False
r e t u r n [ defpos , defneg , semidefpos , semidefneg , indefinie ]
d e f __str__ ( self ) :
r e t u r n s t r ( self . matrix )

150
151
152
153

154
155
156
157
158
159
160
161
162
163
164
165
166
167
168

169

170
171
172
173

174
175
176
177
178
179

c l a s s QuadraticForm ( SymmetricMatrix ) :
"""
F r o m a s y m m e t r i c m a t r i x A , p r o v i d e i n f o r m a t i o n s c o n c e r n i n g t h e
associated quadratic form .
"""
d e f __init__ ( self , A ) :

SymmetricMatrix . __init__ ( self , A )

i f n o t A . is_symmetric () :
print " W a r n i n g : matrix is not s y m m e t r i c "
d e f evaluate ( self , v ) :
"""
Return the value of the q u a d r a t i c form on the vector v .
"""
r e t u r n QuadraticMap ( self . matrix , v )
d e f dia go n a l i z i n g _ m a r t r i x ( self ) :
"""
Return the matrix B such that B ^ tAB is d i a g o n a l .
"""
# T h e t r a n s p o s i t i o n i s b e c a u s e , i n t h e m a t r i x B , t h e
eigenvectors have
# t o b e r e a d a s c o l u m n w h i l e S a g e s m a t r i x c o n s t r u c t o r t a k e s
rows .
r e t u r n matrix ( self . or thono rmal_b asis () ) . transpose ()
d e f new_variables ( self ) :
"""
G i v e t h e c h a n g e o f v a r i a b l e s n e e d e d t o p u t t h e q u a d r a t i c f o r m
under its normal form
X = BY
where X are the " old " variables
"""
variables = var ( automatedVar ( " y " , self . degree ) )

Y = vector ( variables )
r e t u r n self . d i a g o n a l i z i n g _ m a r t r i x () * Y

1573
180
181
182
183
184

d e f eigenmatrix_left ( self ) :
r e t u r n self . matrix . eigenmatrix_left ()
d e f eigenvectors ( self ) :
"""
Return a list of e i g e n v e c t o r s of the matrix .

185
186
187
188
189
190
191
192

193
194
195
196
197
198
199
200
201
202
203
204
205

206
207

As the matrix is symmetric , that list has to be a basis .

"""

D , P = self . eigenmatrix_left ()
r e t u r n [ P [ i ] f o r i i n r a n g e ( P . nrows () ) ]
d e f eigenvalues ( self ) :
"""
R e t u r n a l i s t o f e i g e n v a l u e s o f t h e m a t r i x i n t h e s a m e o r d e r
as the list of e i g e n v e c t o r s given in
self . e i g e n v e c t o r s ()
"""

D , P = self . eigenmatrix_left ()
r e t u r n [ D [i , i ] f o r i i n r a n g e ( D . nrows () ) ]
d e f orth onorm al_bas is ( self ) :
"""
Return a basis of e i g e n v e c t o r s n o r m a l i s e d to 1 as a list .
"""

M , mu = matrix ( self . eigenvectors () ) . gram_schmidt ()

r e t u r n [ v / v . norm () f o r v i n M ]
d e f verification ( self ) :
"""
r e t u r n t h e v a l u e o f t h e q u a d r a t i c f o r m o n t h e v e c t o r
n e w _ v a r i a b l e s ()
"""
r e t u r n self . evaluate ( self . new_variables () )

208
209
210
211

212
213
214
215
216
217
218

219
220
221
222
223
224
225

226
227

d e f __str__ ( self ) :

a = []
a . append ( " H i g u y ; I m t h e q u a d r a t i c f o r m a s s o c i a t e d w i t h t h e
matix ")
a . append ( s t r ( self . matrix ) )
a . append ( " M y e i g e n v a l u e s a n d e i g e n v e c t o r s a r e : " )
veps = self . eigenvectors ()
vaps = self . eigenvalues ()
f o r i i n r a n g e ( l e n ( veps ) ) :
a . append ( " % s - > % s " %( s t r ( vaps [ i ]) , s t r ( veps [ i ]) ) )
a . append ( " I v e t h e f o l l o w i n g o r t h o n o r m a l b a s i s o f e i g e n v e c t o r s
:")
f o r v i n self . or thonor mal_ba sis () :
a . append ( s t r ( v ) )
a . append ( " A m a t r i x B s u c h t h a t B ^ t A B i s d i a g o n a l i s " )
a . append ( s t r ( self . d i a g o n a l i z i n g _ m a r t r i x () ) )
a . append ( " I m q u i t e p r e t t y i n t h e f o l l o w i n g v a r i a b l e s . . . " )
f o r i i n r a n g e ( self . degree ) :
a . append ( " x % s = % s " %( s t r ( i +1) , s t r ( self . new_variables () [ i ]) )
)
a . append ( " L o o k a t m e w h e n I w e a r m y c o o l v a r i a b l e s " )
a . append ( s t r ( self . verification () ) )

1574
228

CHAPITRE 32. EXEMPLES AVEC SAGE

r e t u r n " \ n " . join ( a )

229
230
231
232

233
234
235
236

c l a s s Extrema ( o b j e c t ) :
"""
F r o m a f u n c t i o n f , p r o v i d e s t h e i n f o r m a t i o n s f o r t h e s t u d y o f
the extrema :
partial derivative
critical points
H e s s i a n matrix at the c r i t i c a l points
Genius of the H e s s i a n and c o n c l u s i o n as local min / max

237
238

239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265

266
267
268
269
270
271
272
273
274
275
276
277

D e a r s t u d e n t : r e m e m b e r t h a t t h i s c l a s s d o e s n o t f u r n i s h a n y
informations
c o n c e r n i n g * global * e x t r e m a . The latter have to be found
among the c r i t i c a l points OR on the border of the domain .
"""
d e f __init__ ( self , f ) :
var ( x , y )

self . fun = f
self . gx = self . fun . diff ( x ) . full_simplify ()
self . gy = self . fun . diff ( y ) . full_simplify ()
self . gxx = self . gx . diff ( x ) . simplify_full ()
self . gxy = self . gx . diff ( y ) . full_simplify ()
self . gyy = self . gy . diff ( y ) . full_simplify ()
self . cp = solve ( [ self . gx (x , y ) ==0 , self . gy (x , y ) ==0] ,[ x , y ] )
d e f critical_points ( self ) :
"""
Return the c r i t i c a l points as a list of tuples (x , y )
"""

a = []
f o r pt i n self . cp :
try :
px = SR ( pt [0]. rhs () )
py = SR ( pt [1]. rhs () )
a . append (( px , py ) )
e x c e p t TypeError :
a . append ( " I m n o t a b l e t o s o l v e t h e s e e q u a t i o n s . " )
return a
d e f hessienne ( self ,a , b ) :
r e t u r n matrix ( SR ,2 ,2 ,[ self . gxx (a , b ) , self . gxy (a , b ) , self . gxy (a ,
b ) , self . gyy (a , b ) ])
d e f __str__ ( self ) :
a = []
a . append ( " T h e f u n c t i o n : " )
a . append ( s t r ( self . fun ) )
a . append ( " D e r i v a t i v e x a n d y : " )
a . append ( s t r ( self . gx ) )
a . append ( s t r ( self . gy ) )
a . append ( " H e s s i a n m a t r i x : " )
a . append ( s t r ( self . hessienne (x , y ) ) )
a . append ( " C r i t i c a l p o i n t s : " )
f o r pt i n self . critical_points () :
a . append ( s t r ( pt ) )

1575
278
279
280
281
282
283
284
285
286
287

288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308

f o r pt i n self . critical_points () :
try :

px = pt [0]
py = pt [1]
a . append ( " A t ( % s , % s ) , t h e H e s s i a n i s " %( s t r ( px ) , s t r ( py ) ) )
try :
Hess = SymmetricMatrix ( self . hessienne ( px , py ) )
f o r l i n Hess . matrix :
a . append ( " " + s t r ( l ) )
a . append ( " P r i m a r y p r i n c i p a l m i n o r s a r e % s " % s t r ( Hess .
principal_minors () ) )
l = Hess . genre_list ()
i f l [0]== True :
a . append ( " H e s s i a n p o s i t i v e d e f i n e d " )
a . append ( " l o c a l m i n i m u m " )
i f l [1]== True :
a . append ( " H e s s i a n n e g a t i v e d e f i n e d " )
a . append ( " l o c a l m a x i m u m " )
i f l [2]== True :
a . append ( " H e s s i a n p o s i t i v e s e m i d f i n i t e " )
a . append ( " I d o n t c o n c l u d e " )
i f l [3]== True :
a . append ( " H e s s i a n n e g a t i v e s e m i d e f i n i t e " )
a . append ( " I d o n t c o n c l u d e " )
i f l [4]== True :
a . append ( " U n d e f i n i t e H e s s i a n " )
a . append ( " s e l l e p o i n t " )
e x c e p t RuntimeError , data :
a . append ( " " + s t r ( data ) )
e x c e p t TypeError :
a . append ( " I m n o t a b l e t o s o l v e t h e s e e q u a t i o n s . " )
r e t u r n " \ n " . join ( a )
outilsINGE.py
Exemple 32.1
Calculer la limite
lim

x8

sinpxq cospxq
x

(32.1)

var(x)
f(x)=sin(x)*cos(x)/x
limit(f(x),x=oo)
La premire ligne dclare que la lettre x dsignera une variable. Pour la troisime ligne, notez que
linfini est crit par deux petits o .
4
Exemple 32.2
Quelques limites et graphes avec Sage.
(1) limx0 sinpxq
sinpxq .
Pour effectuer cet exercice avec Sage, il faut taper les lignes suivantes :
sage: var(x,a,b)

1576

CHAPITRE 32. EXEMPLES AVEC SAGE

(x, a, b)
sage: f(x)=sin(a*x)/sin(b*x)
sage: limit( f(x),x=0 )
a/b
Noter quil faut dclarer les variables x, a et b.

(2) limx8

x2 `1x
x2

sage: f(x)=(sqrt(x**2+1))/(x-2)
sage: limit(f(x),x=oo)
1
sage: limit(f(x),x=-oo)
-1
Noter la commande pour la racine carr : sqrt. tant donn que cette fonction diverge en
x 2, si nous voulons la tracer, il faut procder en deux fois :
sage: plot(f,(-100,1.9))
Launched png viewer for Graphics object consisting of 1 graphics primitive
sage: plot(f,(2.1,100))
Launched png viewer for Graphics object consisting of 1 graphics primitive
La premire ligne trace de 100 1.9 et la seconde de 2.1 100. Ces graphiques vous
permettent dj de voir les limites. Attention : ils ne sont pas des preuves ! Mais ils sont de
srieux indices qui peuvent vous inspirer dans vos calculs.
4
Exemple 32.3
2 f , B 2 f et B 2 f des fonctions suivantes.
Calculer les drives partielles Bx f , By f , Bx2 f , Bxy
y
yx

(1) 2x3 ` 3x2 y 2y 2

(2) lnpxy 2 q

(3) tanpx{yq
(4)

xy 2
x`y

Le script Sage suivant (exoDV002.sage) rsout lexercice :

1

# -* - c o d i n g : u t f 8 -* -

2
3
4
5
6
7
8
9
10
11

d e f LesCalculs ( f ) :
print " Pour la f o n c t i o n % s "% str (f)
p r i n t " d _ x " ,f . diff ( x ) . simplify_full ()
p r i n t " d _ y " ,f . diff ( y ) . simplify_full ()
p r i n t " d ^ 2 _ x " ,f . diff ( x ) . diff ( x ) . simplify_full ()
p r i n t " d _ x d _ y " ,f . diff ( x ) . diff ( y ) . simplify_full ()
p r i n t " d _ y d _ x " ,f . diff ( y ) . diff ( x ) . simplify_full ()
p r i n t " d ^ 2 _ y " ,f . diff ( y ) . diff ( y ) . simplify_full ()
print ""

12
13
14
15

d e f exercise_DV002 () :
var ( x , y )

fa (x , y ) =2* x **3+3* x **2* y -2* y **2

1577
16
17
18
19
20
21
22

fb (x , y ) = ln ( x * y **2)
fc (x , y ) = tan ( x / y )
fd (x , y ) = x * y **2/( x + y )
LesCalculs ( fa )
LesCalculs ( fb )
LesCalculs ( fc )
LesCalculs ( fd )
exoDV002.sage
La sortie est :
Pour la fonction (x, y) |--> 2*x^3 + 3*x^2*y - 2*y^2
d_x (x, y) |--> 6*x^2 + 6*x*y
d_y (x, y) |--> 3*x^2 - 4*y
d^2_x (x, y) |--> 12*x + 6*y
d_xd_y (x, y) |--> 6*x
d_yd_x (x, y) |--> 6*x
d^2_y (x, y) |--> -4
Pour la fonction (x, y) |--> log(x*y^2)
d_x (x, y) |--> 1/x
d_y (x, y) |--> 2/y
d^2_x (x, y) |--> -1/x^2
d_xd_y (x, y) |--> 0
d_yd_x (x, y) |--> 0
d^2_y (x, y) |--> -2/y^2
Pour la fonction (x, y) |--> tan(x/y)
d_x (x, y) |--> 1/(y*cos(x/y)^2)
d_y (x, y) |--> -x/(y^2*cos(x/y)^2)
d^2_x (x, y) |--> 2*sin(x/y)/(y^2*cos(x/y)^3)
d_xd_y (x, y) |--> -(2*x*sin(x/y) + y*cos(x/y))/(y^3*cos(x/y)^3)
d_yd_x (x, y) |--> -(2*x*sin(x/y) + y*cos(x/y))/(y^3*cos(x/y)^3)
d^2_y (x, y) |--> 2*(x^2*sin(x/y) + x*y*cos(x/y))/(y^4*cos(x/y)^3)
Pour la fonction (x, y) |--> x*y^2/(x + y)
d_x (x, y) |--> y^3/(x^2 + 2*x*y + y^2)
d_y (x, y) |--> (2*x^2*y + x*y^2)/(x^2 + 2*x*y + y^2)
d^2_x (x, y) |--> -2*y^3/(x^3 + 3*x^2*y + 3*x*y^2 + y^3)
d_xd_y (x, y) |--> (3*x*y^2 + y^3)/(x^3 + 3*x^2*y + 3*x*y^2 + y^3)
d_yd_x (x, y) |--> (3*x*y^2 + y^3)/(x^3 + 3*x^2*y + 3*x*y^2 + y^3)
d^2_y (x, y) |--> 2*x^3/(x^3 + 3*x^2*y + 3*x*y^2 + y^3)

4
Exemple 32.4
Rsoudre les systmes suivants.
$
& x1 2x2 ` 3x3 2x4 0
3x1 7x2 2x3 ` 4x4 0
(1)
%
4x1 ` 3x2 ` 5x3 ` 2x4 0

$
& 2x1 ` x2 2x3 ` 3x4 0
3x1 ` 2x2 x3 ` 3x4 4
(2)
%
3x1 ` 3x2 ` 3x3 3x4 9

1578

(3)

(4)

(5)

(6)

(7)

(8)

CHAPITRE 32. EXEMPLES AVEC SAGE

$
& x1 ` 2x2 3x3 0
2x1 ` 5x2 ` 2x3 0
%
3x1 x2 4x3 0
$

x1 ` 2x2 x3 0
&
2x1 ` 5x2 ` 2x3 0
x ` 4x2 ` 7x3 0

% 1
x1 ` 3x2 ` 3x3 0
$
x1 ` x2 ` x3 ` x4 0

&
x1 ` x2 ` x3 x4 4
x ` x2 x3 ` x4 4

% 1
x1 x2 ` x3 ` x4 2
$
& x1 ` 3x2 ` 3x3 1
x1 ` 3x2 ` 4x3 0
%
x1 ` 4x2 ` 3x3 3
$
& x1 3x2 ` 2x3 6
3x1 ` 3x2 x3 17
%
2x1 x2 3
$
& x1 2x2 ` 3x3 2x4 0
3x1 7x2 2x3 ` 4x4 0
%
4x1 ` 3x2 ` 5x3 ` 2x4 0

(9)

(10)

(11)

(12)

(13)

(14)

$
& 2x1 ` x2 2x3 ` 3x4 0
3x1 ` 2x2 x3 ` 3x4 4
%
3x1 ` 3x2 ` 3x3 3x4 9
$
& x1 ` 2x2 3x3 0
2x1 ` 5x2 ` 2x3 0
%
3x1 x2 4x3 0
$
x1 ` 2x2 x3 0

&
2x1 ` 5x2 ` 2x3 0
x1 ` 4x2 ` 7x3 0

%
x1 ` 3x2 ` 3x3 0
$

x1 ` x2 ` x3 ` x4 0
&
x1 ` x2 ` x3 x4 4
x ` x2 x3 ` x4 4

% 1
x1 x2 ` x3 ` x4 2
$
& x1 ` 3x2 ` 3x3 1
x1 ` 3x2 ` 4x3 0
%
x1 ` 4x2 ` 3x3 3
$
& x1 3x2 ` 2x3 6
3x1 ` 3x2 x3 17
%
2x1 x2 3

Nous rsolvons les systmes en utilisant Sage avec le script suivant.

1
2
3
4
5

# -* - c o d i n g : u t f 8 -* """
Ce script Sage rsout un c e r t a i n nombre
de s y s t m e s d q u a t i o n s l i n a i r e s du cours I N G E 1 1 2 1
"""

6
7

i m p o r t outilsINGE

8
9
10
11
12
13

d e f exercis e _ 1 _ 1 _ b c d e f h i () :
# Exercice 1.1. b ( INGE1121 )

A = matrix ([ [1 , -2 ,3 , -2 ,0] ,[3 , -7 , -2 ,4 ,0] ,[4 ,3 ,5 ,2 ,0] ])

v = vector ((0 ,0 ,0 ,0 ,0) )
p r i n t outilsINGE . Solve Linear Syste m (A , v )

14

# Exercice 1.1. c ( INGE1121 )

15

A = matrix ([ [2 ,1 , -2 ,3] ,[3 ,2 , -1 ,3] ,[3 ,3 ,3 , -3] ])

v = vector ((0 ,4 ,9) )
p r i n t outilsINGE . Solve Linear Syste m (A , v )

16
17
18

# Exercice 1.1. d ( INGE1121 )

19

A = matrix ([ [1 ,2 , -3] ,[2 ,5 ,2] ,[3 , -1 , -4] ])

v = vector ((0 ,0 ,0) )
p r i n t outilsINGE . Solve Linear Syste m (A , v )

20
21
22

# Exercice 1.1. e ( INGE1121 )

23

A = matrix ([ [1 ,2 , -1] ,[2 ,5 ,2] ,[1 ,4 ,7] ,[1 ,3 ,3] ])

v = vector ((0 ,0 ,0 ,0) )
p r i n t outilsINGE . Solve Linear Syste m (A , v )

24
25
26

# Exercice 1.1. f ( INGE1121 )

27

A = matrix ([ [1 ,1 ,1 ,1] ,[1 ,1 ,1 , -1] ,[1 ,1 , -1 ,1] ,[1 , -1 ,1 ,1] ])

v = vector ((0 ,4 , -4 ,2) )
p r i n t outilsINGE . Solve Linear Syste m (A , v )

28
29

1579
30

# Exercice 1.1. h ( INGE1121 )

31

A = matrix ([ [1 ,3 ,3] ,[1 ,3 ,4] ,[1 ,4 ,3] ])

v = vector ((1 ,0 ,3) )
p r i n t outilsINGE . Solve Linear Syste m (A , v )

32
33
34

# Exercice 1.1. i ( INGE1121 )

35

A = matrix ([ [1 , -3 ,2] ,[ -3 ,3 , -1] ,[2 , -1 ,0] ])

v = vector (( -6 ,17 ,3) )
p r i n t outilsINGE . Solve Linear Syste m (A , v )

36
37

exo11.sage
Le rsultat est le suivant :
The given matrix corresponds to the system
x1 - 2*x2 + 3*x3 - 2*x4 == 0
3*x1 - 7*x2 - 2*x3 + 4*x4 == 0
4*x1 + 3*x2 + 5*x3 + 2*x4 == 0
And the solutions are
[
[x1 == -23/16*r19, x2 == -5/16*r19, x3 == 15/16*r19, x4 == r19, x5 == r18]
]
The given matrix corresponds to the system
2*x1 + x2 - 2*x3 + 3*x4 == 0
3*x1 + 2*x2 - x3 + 3*x4 == 4
3*x1 + 3*x2 + 3*x3 - 3*x4 == 9
And the solutions are
[
[x1 == 3*r20 - 7, x2 == -4*r20 + 11, x3 == r20, x4 == 1]
]
The given matrix corresponds to the system
x1 + 2*x2 - 3*x3 == 0
2*x1 + 5*x2 + 2*x3 == 0
3*x1 - x2 - 4*x3 == 0
And the solutions are
[
[x1 == 0, x2 == 0, x3 == 0]
]
The given matrix corresponds to the system
x1 + 2*x2 - x3 == 0
2*x1 + 5*x2 + 2*x3 == 0
x1 + 4*x2 + 7*x3 == 0
x1 + 3*x2 + 3*x3 == 0
And the solutions are
[
[x1 == 9*r21, x2 == -4*r21, x3 == r21]
]
The given matrix corresponds to the system
x1 + x2 + x3 + x4 == 0
x1 + x2 + x3 - x4 == 4
x1 + x2 - x3 + x4 == -4
x1 - x2 + x3 + x4 == 2
And the solutions are
[
[x1 == 1, x2 == -1, x3 == 2, x4 == -2]
]

1580

CHAPITRE 32. EXEMPLES AVEC SAGE

The given matrix corresponds to the system

x1 + 3*x2 + 3*x3 == 1
x1 + 3*x2 + 4*x3 == 0
x1 + 4*x2 + 3*x3 == 3
And the solutions are
[
[x1 == -2, x2 == 2, x3 == -1]
]
The given matrix corresponds to the system
x1 - 3*x2 + 2*x3 == -6
-3*x1 + 3*x2 - x3 == 17
2*x1 - x2 == 3
And the solutions are
[
[x1 == 37, x2 == 71, x3 == 85]
]

4
Exemple 32.5
Pour chacun des systmes suivants A X B,

(1) Rsoudre le systme par chelonnement,

(2) Calculer A1 ,

(3) Vrifier votre rponse en calculant A1 B. Qutes-vous cens obtenir ?

Les noncs sont
(1)

2 1 2
10
A 3 2 2 , B 1
5 4 3
4

(32.2)

Nous utilisons Sage pour fournir la rponse. Le code suivant rsout le systme et donne linverse
de la matrice :
1

# -* - c o d i n g : u t f 8 -* -

2
3

i m p o r t outilsINGE

4
5
6
7
8
9
10

d e f exercise_1_3 () :

A = matrix ([[2 ,1 , -2] ,[3 ,2 ,2] ,[5 ,4 ,3]])

v = vector ((10 ,1 ,4) )
p r i n t outilsINGE . Solve Linear Syste m (A , v )
print " Matrice inverse :"
p r i n t A . inverse ()

exo13.sage
La sortie est ici :
The given matrix corresponds to the system
2*x1 + x2 - 2*x3 == 10
3*x1 + 2*x2 + 2*x3 == 1

1581
5*x1 + 4*x2 + 3*x3 == 4
And the solutions are
[
[x1 == 1, x2 == 2, x3 == -3]
]
Matrice inverse :
[ 2/7 11/7 -6/7]
[ -1/7 -16/7 10/7]
[ -2/7
3/7 -1/7]

4
Exemple 32.6
Sachant que p1, 0, 1, 0q est un vecteur propre de la

2 1 1
1 0 1
A
1 1 2
1 1 1

matrice

1
1

1
0

(32.3)

(1) Diagonaliser A au moyen dune matrice orthogonale

(2) crire la forme quadratique X t AX sous forme dune somme pondre de carrs.
Calculons Av afin de savoir la valeur

2 1
1 0

1 1
1 1

propre associe au vecteur donn :

1 1
1
3
0 0
1 1
.
2 1 1 3
1 0
0
0

(32.4)

La valeur propre est donc 3. Nous savons donc que p 3q pourra tre factoris dans le polynme
caractristique.
Pour le reste de lexercice cest standard et cest rsolu de la faon suivante :
1

# -* - c o d i n g : u t f 8 -* -

2
3

i m p o r t outilsINGE

4
5
6
7
8

d e f exercise_6_5 () :

A = matrix ( QQ ,4 ,4 ,[2 ,1 , -1 ,1 ,1 ,0 ,1 ,1 , -1 ,1 ,2 ,1 ,1 ,1 ,1 ,0])

x = outilsINGE . QuadraticForm ( A )
print x
exo65.sage
qui retourne
Hi guy; Im the quadratic form associated with the matix
[ 2 1 -1 1]
[ 1 0 1 1]
[-1 1 2 1]
[ 1 1 1 0]
My eigenvalues and eigenvectors are :
3 -> (1, 0, -1, 0)

1582

CHAPITRE 32. EXEMPLES AVEC SAGE

3 -> (0, 1, 2, 1)
-1 -> (1, 0, 1, -2)
-1 -> (0, 1, 0, -1)
Ive the following orthonormal basis of eigenvectors :
(1/2*sqrt(2), 0, -1/2*sqrt(2), 0)
(1/2, 1/2, 1/2, 1/2)
(1/6*sqrt(6), 0, 1/6*sqrt(6), -1/3*sqrt(6))
(-1/2*sqrt(1/3), 3/2*sqrt(1/3), -1/2*sqrt(1/3), -1/2*sqrt(1/3))
A matrix B such that B^tAB is diagonal is
[
1/2*sqrt(2)
1/2
1/6*sqrt(6) -1/2*sqrt(1/3)]
[
0
1/2
0 3/2*sqrt(1/3)]
[ -1/2*sqrt(2)
1/2
1/6*sqrt(6) -1/2*sqrt(1/3)]
[
0
1/2
-1/3*sqrt(6) -1/2*sqrt(1/3)]
Im quite pretty in the following variables ...
x1 = -1/2*sqrt(1/3)*y4 + 1/2*sqrt(2)*y1 + 1/6*sqrt(6)*y3 + 1/2*y2
x2 = 3/2*sqrt(1/3)*y4 + 1/2*y2
x3 = -1/2*sqrt(1/3)*y4 - 1/2*sqrt(2)*y1 + 1/6*sqrt(6)*y3 + 1/2*y2
x4 = -1/2*sqrt(1/3)*y4 - 1/3*sqrt(6)*y3 + 1/2*y2
Look at me when I wear my cool variables
3*y1^2 + 3*y2^2 - y3^2 - y4^2

4
Exemple 32.7
Rechercher les extrema des fonctions suivantes
a
(1) f px, yq 2 x2 ` y 2
(2) f px, yq x3 ` 3xy 2 15x 12y
(3) f px, yq

x3
3

4y 3
3

x2 3x 4y 3

Les corrigs sont crs par le script Sage exo101.sage

# -*- coding: utf8 -*import outilsINGE

def exercise_10_1_A():
var(x,y)
f(x,y)=2-sqrt(x**2+y**2)
print outilsINGE.Extrema(f)
def exercise_10_1_B():
var(x,y)
f(x,y)=x**3+3*x*y**2-15*x-12*y
print outilsINGE.Extrema(f)
def exercise_10_1_C():
var(x,y)
f(x,y)=x**3/3+4*y**3/3-x**2-3*x-4*y-3
print outilsINGE.Extrema(f)
Des rponses :
(1) The function :
(x, y) |--> -sqrt(x^2 + y^2) + 2

1583

Derivative x and y :
(x, y) |--> -x/sqrt(x^2 + y^2)
(x, y) |--> -y/sqrt(x^2 + y^2)
Hessian matrix :
[-sqrt(x^2 + y^2)*y^2/(x^4 + 2*x^2*y^2 + y^4)
x*y/(x^2 + y^2)^(
[
x*y/(x^2 + y^2)^(3/2) -sqrt(x^2 + y^2)*x^2/(x^4 + 2*x^2*y^2 +
Critical points :
(0, 0)
At (0,0), the Hessian is
power::eval(): division by zero
Ici nous voyons que Sage a du mal calculer la matrice Hessienne en p0, 0q. En effet, nous
tombons sur une division
a par zro. Pour rsoudre lexercice, il faut se rendre compte que
la fonction px, yq x2 ` y 2 est toujours positive et est nulle seulement au point p0, 0q.
Donc f est toujours plus petite ou gale deux tandis que f p0, 0q 2. Le point est donc
un maximum global.
(2) The function :
(x, y) |--> x^3 + 3*x*y^2 - 15*x - 12*y
Derivative x and y :
(x, y) |--> 3*x^2 + 3*y^2 - 15
(x, y) |--> 6*x*y - 12
Hessian matrix :
[6*x 6*y]
[6*y 6*x]
Critical points :
(2, 1)
(1, 2)
(-1, -2)
(-2, -1)
At (2,1), the Hessian is
(12, 6)
(6, 12)
Primary principal minors are [108, 12]
Hessian positive defined
local minimum
At (1,2), the Hessian is
(6, 12)
(12, 6)
Primary principal minors are [-108, 6]
Undefinite Hessian
selle point
At (-1,-2), the Hessian is
(-6, -12)
(-12, -6)
Primary principal minors are [-108, -6]
Undefinite Hessian
selle point
At (-2,-1), the Hessian is
(-12, -6)
(-6, -12)
Primary principal minors are [108, -12]
Hessian negative defined
local maximum
(3) The function :

1584

CHAPITRE 32. EXEMPLES AVEC SAGE

(x, y) |--> 1/3*x^3 - x^2 +
Derivative x and y :
(x, y) |--> x^2 - 2*x - 3
(x, y) |--> 4*y^2 - 4
Hessian matrix :
[2*x - 2
0]
[
0
8*y]
Critical points :
(3, 1)
(-1, 1)
(3, -1)
(-1, -1)
At (3,1), the Hessian is
(4, 0)
(0, 8)
Primary principal minors
Hessian positive defined
local minimum
At (-1,1), the Hessian is
(-4, 0)
(0, 8)
Primary principal minors
Undefinite Hessian
selle point
At (3,-1), the Hessian is
(4, 0)
(0, -8)
Primary principal minors
Undefinite Hessian
selle point
At (-1,-1), the Hessian is
(-4, 0)
(0, -8)
Primary principal minors
Hessian negative defined
local maximum

4/3*y^3 - 3*x - 4*y - 3

are [32, 4]

are [-32, -4]

are [-32, 4]

are [32, -4]

4
Exemple 32.8
Dterminer les valeurs extrmes et les points de selle des fonctions suivantes.
(1) f px, yq x2 ` 4x ` y 2 2y.
2
(2) f px, yq ex `xy .

(3) f px, yq ex sinpyq.

Certains corrigs de cet exercice ont ts raliss par Sage. Le script utilis est exo103.sage
1

# -* - c o d i n g : u t f 8 -* -

2
3
4

i m p o r t outilsINGE

1585
5
6
7
8

d e f exercise_10_3_A () :
var ( x , y )

f (x , y ) = x **2+4* x + y **2 -2* y

p r i n t outilsINGE . Extrema ( f )

9
10
11
12
13

d e f exercise_10_3_H () :
var ( x , y )

f (x , y ) = exp ( x **2+ x * y )
p r i n t outilsINGE . Extrema ( f )

14
15
16
17
18

d e f exercise_10_3_Q () :
var ( x , y )

f (x , y ) = exp ( x ) * sin ( y )
p r i n t outilsINGE . Extrema ( f )
exo103.sage
Des rponses :
(1) The function :
(x, y) |--> x^2 + y^2 + 4*x - 2*y
Derivative x and y :
(x, y) |--> 2*x + 4
(x, y) |--> 2*y - 2
Hessian matrix :
[2 0]
[0 2]
Critical points :
(-2, 1)
At (-2,1), the Hessian is
(2, 0)
(0, 2)
Primary principal minors are [4, 2]
Hessian positive defined
local minimum
(2) The function :
(x, y) |--> e^(x^2 + x*y)
Derivative x and y :
(x, y) |--> (2*x*e^(x^2) + y*e^(x^2))*e^(x*y)
(x, y) |--> x*e^(x^2 + x*y)
Hessian matrix :
[(4*x*y*e^(x^2) + y^2*e^(x^2) + 2*(2*x^2 + 1)*e^(x^2))*e^(x*y)
[
(x*y*e^(x^2) + (2*x^2 + 1)*e^(x^2))*e^(x*y)
Critical points :
(0, 0)
At (0,0), the Hessian is
(2, 1)
(1, 0)
Primary principal minors are [-1, 2]
Undefinite Hessian
selle point
(3) The function :
(x, y) |--> e^x*sin(y)
Derivative x and y :

(x*y*

1586

CHAPITRE 32. EXEMPLES AVEC SAGE

(x, y) |--> e^x*sin(y)
(x, y) |--> e^x*cos(y)
Hessian matrix :
[ e^x*sin(y) e^x*cos(y)]
[ e^x*cos(y) -e^x*sin(y)]
Critical points :
Im not able to solve these
Im not able to solve these
At (
,I), the Hessian is
Im not able to solve these
At (
,I), the Hessian is
Im not able to solve these

equations.
equations.
equations.
equations.

Ici, Sage nest pas capable de rsoudre les quations qui annulent le jacobien. Les quations
rsoudre sont pourtant faciles :
" x
e cospyq 0
(32.5a)
ex sinpyq 0

(32.5b)

tant donn que lexponentielle ne sannule jamais, il faudrait avoir en mme temps cospyq
0 et sinpyq 0, ce qui est impossible. La fonction na donc aucun extrema local.
4
Exemple 32.9
Considrons la fonction

f px, yq xy 2 epx

2 `y 2 q{4

(32.6)

(1) Montrer quil y a une infinit de points critiques.

(2) Dterminer leur nature.
Voici la fonction Sage qui fournit les informations :
1

# -* - c o d i n g : u t f 8 -* -

2
3

i m p o r t outilsINGE

4
5
6
7
8

d e f exercise_10_4 () :
var ( x , y )

f (x , y ) = x * y **2* exp ( -( x **2+ y **2) /4)

p r i n t outilsINGE . Extrema ( f )
exo104.sage
La sortie est

The function :
(x, y) |--> x*y^2*e^(-1/4*x^2 - 1/4*y^2)
Derivative x and y :
(x, y) |--> -1/2*(x^2 - 2)*y^2*e^(-1/4*x^2 - 1/4*y^2)
(x, y) |--> -1/2*(x*y^3 - 4*x*y)*e^(-1/4*x^2 - 1/4*y^2)
Hessian matrix :
[
1/4*(x^3 - 6*x)*y^2*e^(-1/4*x^2 - 1/4*y^2) 1/4*((x^2 - 2)*y^3 - 4*(x^2 - 2)*y)
[1/4*((x^2 - 2)*y^3 - 4*(x^2 - 2)*y)*e^(-1/4*x^2 - 1/4*y^2)
1/4*(x*y^4 - 10*x*y^2 + 8*x)

1587
Critical points :
(r17, 0)
(-sqrt(2), -2)
(sqrt(2), -2)
(-sqrt(2), 2)
(sqrt(2), 2)
At (r17,0), the Hessian is
(0, 0)
(0, 2*r17*e^(-1/4*r17^2))
Primary principal minors are [0, 0]
Hessian positive semidfinite
I dont conclude
Hessian negative semidefinite
I dont conclude
At (-sqrt(2),-2), the Hessian is
(4*sqrt(2)*e^(-3/2), 0)
(0, 4*sqrt(2)*e^(-3/2))
Primary principal minors are [32*e^(-3),
Hessian positive defined
local minimum
At (sqrt(2),-2), the Hessian is
(-4*sqrt(2)*e^(-3/2), 0)
(0, -4*sqrt(2)*e^(-3/2))
Primary principal minors are [32*e^(-3),
Hessian negative defined
local maximum
At (-sqrt(2),2), the Hessian is
(4*sqrt(2)*e^(-3/2), 0)
(0, 4*sqrt(2)*e^(-3/2))
Primary principal minors are [32*e^(-3),
Hessian positive defined
local minimum
At (sqrt(2),2), the Hessian is
(-4*sqrt(2)*e^(-3/2), 0)
(0, -4*sqrt(2)*e^(-3/2))
Primary principal minors are [32*e^(-3),
Hessian negative defined
local maximum

4*sqrt(2)*e^(-3/2)]

-4*sqrt(2)*e^(-3/2)]

4*sqrt(2)*e^(-3/2)]

-4*sqrt(2)*e^(-3/2)]

Notez la prsence de r1 comme paramtres dans les solutions. Tous les points avec y 0 sont
des points critiques. Cependant, Sage 1 ne parvient pas conclure la nature de ces points px, 0q.
Notons que le nombre f px, yq a toujours le signe de x parce que y 2 et lexponentielle sont
positives. Toujours ? En tout cas lorsque x 0. Prenons un point pa, 0q avec a 0. Dans un
voisinage de ce point, nous avons f px, yq 0 parce que si a 0, alors x 0 dans un voisinage de
a. Le point pa, 0q est un minimum local parce que 0 f pa, 0q f px, yq pour tout px, yq dans un
voisinage de pa, 0q.
De la mme faon, les points pa, 0q avec a 0 sont des maxima locaux parce que dans un
voisinage, la fonction est ngative.
Le point p0, 0q nest ni maximum ni minimum local. Cest un point de selle.
4
1. ou, plus prcisment, le programme que jai crit avec Sage.

1588

CHAPITRE 32. EXEMPLES AVEC SAGE

Exemple 32.10
Driver les fonctions suivantes.
`

(1) sin lnpxq

sin x
(2)
;
x
2
(3) ex
(4) cospxqsinpxq
Le programme suivant par Sage rsout lexercice :
1
2

# ! / usr / bin / sage - python

# -* - c o d i n g : u t f 8 -* -

3
4

f r o m sage . a l l i m p o r t *

5
6
7
8
9
10
11
12
13
14

var ( x )
f = sin ( ln ( x ) )
p r i n t f . diff ( x )
f = sin ( x ) / x
p r i n t f . diff ( x )
f = exp ( x **2)
p r i n t f . diff ( x )
f = cos ( x ) **( sin ( x ) )
p r i n t f . diff ( x )
corrDerive_0002.sage
Le rsultat est :
cos(log(x))/x
cos(x)/x - sin(x)/x^2
2*x*e^(x^2)
(log(cos(x))*cos(x) - sin(x)^2/cos(x))*cos(x)^sin(x)
4
Exemple 32.11
Donner une approximation de lnp1.0001q.
---------------------------------------------------------------------| Sage Version 4.5.3, Release Date: 2010-09-04
|
| Type notebook() for the GUI, and license() for information.
|
---------------------------------------------------------------------sage: numerical_approx(ln(1.0001))
0.0000999950003332973

Annexe A

GNU Free Documentation License

Version 1.3, 3 November 2008
Copyright 2000, 2001, 2002, 2007, 2008 Free Software Foundation, Inc.
http://fsf.org/
Everyone is permitted to copy and distribute verbatim copies of this license document, but
changing it is not allowed.

Preamble
The purpose of this License is to make a manual, textbook, or other functional and useful
document free in the sense of freedom : to assure everyone the effective freedom to copy and
redistribute it, with or without modifying it, either commercially or noncommercially. Secondarily,
this License preserves for the author and publisher a way to get credit for their work, while not
being considered responsible for modifications made by others.
This License is a kind of copyleft, which means that derivative works of the document must
themselves be free in the same sense. It complements the GNU General Public License, which is a
copyleft license designed for free software.
We have designed this License in order to use it for manuals for free software, because free
software needs free documentation : a free program should come with manuals providing the same
freedoms that the software does. But this License is not limited to software manuals ; it can be
used for any textual work, regardless of subject matter or whether it is published as a printed
book. We recommend this License principally for works whose purpose is instruction or reference.

APPLICABILITY AND DEFINITIONS

This License applies to any manual or other work, in any medium, that contains a notice
placed by the copyright holder saying it can be distributed under the terms of this License. Such
a notice grants a world-wide, royalty-free license, unlimited in duration, to use that work under
the conditions stated herein. The Document, below, refers to any such manual or work. Any
member of the public is a licensee, and is addressed as you. You accept the license if you copy,
modify or distribute the work in a way requiring permission under copyright law.
A Modified Version of the Document means any work containing the Document or a
portion of it, either copied verbatim, or with modifications and/or translated into another language.
A Secondary Section is a named appendix or a front-matter section of the Document
that deals exclusively with the relationship of the publishers or authors of the Document to the
Documents overall subject (or to related matters) and contains nothing that could fall directly
within that overall subject. (Thus, if the Document is in part a textbook of mathematics, a Secondary Section may not explain any mathematics.) The relationship could be a matter of historical
1589

1590

ANNEXE A. GNU FREE DOCUMENTATION LICENSE

connection with the subject or with related matters, or of legal, commercial, philosophical, ethical
or political position regarding them.
The Invariant Sections are certain Secondary Sections whose titles are designated, as being
those of Invariant Sections, in the notice that says that the Document is released under this License.
If a section does not fit the above definition of Secondary then it is not allowed to be designated as
Invariant. The Document may contain zero Invariant Sections. If the Document does not identify
any Invariant Sections then there are none.
The Cover Texts are certain short passages of text that are listed, as Front-Cover Texts
or Back-Cover Texts, in the notice that says that the Document is released under this License. A
Front-Cover Text may be at most 5 words, and a Back-Cover Text may be at most 25 words.
A Transparent copy of the Document means a machine-readable copy, represented in a
format whose specification is available to the general public, that is suitable for revising the document straightforwardly with generic text editors or (for images composed of pixels) generic paint
programs or (for drawings) some widely available drawing editor, and that is suitable for input
to text formatters or for automatic translation to a variety of formats suitable for input to text
formatters. A copy made in an otherwise Transparent file format whose markup, or absence of
markup, has been arranged to thwart or discourage subsequent modification by readers is not
Transparent. An image format is not Transparent if used for any substantial amount of text. A
copy that is not Transparent is called Opaque.
Examples of suitable formats for Transparent copies include plain ASCII without markup,
Texinfo input format, LaTeX input format, SGML or XML using a publicly available DTD,
and standard-conforming simple HTML, PostScript or PDF designed for human modification.
Examples of transparent image formats include PNG, XCF and JPG. Opaque formats include
proprietary formats that can be read and edited only by proprietary word processors, SGML or
XML for which the DTD and/or processing tools are not generally available, and the machinegenerated HTML, PostScript or PDF produced by some word processors for output purposes only.
The Title Page means, for a printed book, the title page itself, plus such following pages
as are needed to hold, legibly, the material this License requires to appear in the title page. For
works in formats which do not have any title page as such, Title Page means the text near the
most prominent appearance of the works title, preceding the beginning of the body of the text.
The publisher means any person or entity that distributes copies of the Document to the
public.
A section Entitled XYZ means a named subunit of the Document whose title either is precisely XYZ or contains XYZ in parentheses following text that translates XYZ in another language.
(Here XYZ stands for a specific section name mentioned below, such as Acknowledgements,
Dedications, Endorsements, or History.) To Preserve the Title of such a section
when you modify the Document means that it remains a section Entitled XYZ according to this
definition.
The Document may include Warranty Disclaimers next to the notice which states that this
License applies to the Document. These Warranty Disclaimers are considered to be included by
reference in this License, but only as regards disclaiming warranties : any other implication that
these Warranty Disclaimers may have is void and has no effect on the meaning of this License.

VERBATIM COPYING
You may copy and distribute the Document in any medium, either commercially or noncommercially, provided that this License, the copyright notices, and the license notice saying this License
applies to the Document are reproduced in all copies, and that you add no other conditions whatsoever to those of this License. You may not use technical measures to obstruct or control the
reading or further copying of the copies you make or distribute. However, you may accept compensation in exchange for copies. If you distribute a large enough number of copies you must also
follow the conditions in section 3.

1591
You may also lend copies, under the same conditions stated above, and you may publicly display
copies.

COPYING IN QUANTITY
If you publish printed copies (or copies in media that commonly have printed covers) of the
Document, numbering more than 100, and the Documents license notice requires Cover Texts, you
must enclose the copies in covers that carry, clearly and legibly, all these Cover Texts : Front-Cover
Texts on the front cover, and Back-Cover Texts on the back cover. Both covers must also clearly
and legibly identify you as the publisher of these copies. The front cover must present the full title
with all words of the title equally prominent and visible. You may add other material on the covers
in addition. Copying with changes limited to the covers, as long as they preserve the title of the
Document and satisfy these conditions, can be treated as verbatim copying in other respects.
If the required texts for either cover are too voluminous to fit legibly, you should put the first
ones listed (as many as fit reasonably) on the actual cover, and continue the rest onto adjacent
pages.
If you publish or distribute Opaque copies of the Document numbering more than 100, you must
either include a machine-readable Transparent copy along with each Opaque copy, or state in or
with each Opaque copy a computer-network location from which the general network-using public
has access to download using public-standard network protocols a complete Transparent copy of the
Document, free of added material. If you use the latter option, you must take reasonably prudent
steps, when you begin distribution of Opaque copies in quantity, to ensure that this Transparent
copy will remain thus accessible at the stated location until at least one year after the last time
you distribute an Opaque copy (directly or through your agents or retailers) of that edition to the
public.
It is requested, but not required, that you contact the authors of the Document well before
redistributing any large number of copies, to give them a chance to provide you with an updated
version of the Document.

MODIFICATIONS
You may copy and distribute a Modified Version of the Document under the conditions of
sections 2 and 3 above, provided that you release the Modified Version under precisely this License, with the Modified Version filling the role of the Document, thus licensing distribution and
modification of the Modified Version to whoever possesses a copy of it. In addition, you must do
these things in the Modified Version :
A. Use in the Title Page (and on the covers, if any) a title distinct from that of the Document,
and from those of previous versions (which should, if there were any, be listed in the History
section of the Document). You may use the same title as a previous version if the original
publisher of that version gives permission.
B. List on the Title Page, as authors, one or more persons or entities responsible for authorship
of the modifications in the Modified Version, together with at least five of the principal
authors of the Document (all of its principal authors, if it has fewer than five), unless they
release you from this requirement.
C. State on the Title page the name of the publisher of the Modified Version, as the publisher.
D. Preserve all the copyright notices of the Document.
E. Add an appropriate copyright notice for your modifications adjacent to the other copyright
notices.
F. Include, immediately after the copyright notices, a license notice giving the public permission to use the Modified Version under the terms of this License, in the form shown in the
Addendum below.
G. Preserve in that license notice the full lists of Invariant Sections and required Cover Texts
given in the Documents license notice.

1592

ANNEXE A. GNU FREE DOCUMENTATION LICENSE

H. Include an unaltered copy of this License.

I. Preserve the section Entitled History, Preserve its Title, and add to it an item stating
at least the title, year, new authors, and publisher of the Modified Version as given on the
Title Page. If there is no section Entitled History in the Document, create one stating
the title, year, authors, and publisher of the Document as given on its Title Page, then add
an item describing the Modified Version as stated in the previous sentence.
J. Preserve the network location, if any, given in the Document for public access to a Transparent copy of the Document, and likewise the network locations given in the Document
for previous versions it was based on. These may be placed in the History section. You
may omit a network location for a work that was published at least four years before the
Document itself, or if the original publisher of the version it refers to gives permission.
K. For any section Entitled Acknowledgements or Dedications, Preserve the Title of the
section, and preserve in the section all the substance and tone of each of the contributor
acknowledgements and/or dedications given therein.
L. Preserve all the Invariant Sections of the Document, unaltered in their text and in their
titles. Section numbers or the equivalent are not considered part of the section titles.
M. Delete any section Entitled Endorsements. Such a section may not be included in the
Modified Version.
N. Do not retitle any existing section to be Entitled Endorsements or to conflict in title with
any Invariant Section.
O. Preserve any Warranty Disclaimers.
If the Modified Version includes new front-matter sections or appendices that qualify as Secondary Sections and contain no material copied from the Document, you may at your option
designate some or all of these sections as invariant. To do this, add their titles to the list of Invariant Sections in the Modified Versions license notice. These titles must be distinct from any
other section titles.
You may add a section Entitled Endorsements, provided it contains nothing but endorsements
of your Modified Version by various partiesfor example, statements of peer review or that the
text has been approved by an organization as the authoritative definition of a standard.
You may add a passage of up to five words as a Front-Cover Text, and a passage of up to
25 words as a Back-Cover Text, to the end of the list of Cover Texts in the Modified Version.
Only one passage of Front-Cover Text and one of Back-Cover Text may be added by (or through
arrangements made by) any one entity. If the Document already includes a cover text for the same
cover, previously added by you or by arrangement made by the same entity you are acting on
behalf of, you may not add another ; but you may replace the old one, on explicit permission from
the previous publisher that added the old one.
The author(s) and publisher(s) of the Document do not by this License give permission to use
their names for publicity for or to assert or imply endorsement of any Modified Version.

COMBINING DOCUMENTS
You may combine the Document with other documents released under this License, under the
terms defined in section 4 above for modified versions, provided that you include in the combination
all of the Invariant Sections of all of the original documents, unmodified, and list them all as
Invariant Sections of your combined work in its license notice, and that you preserve all their
Warranty Disclaimers.
The combined work need only contain one copy of this License, and multiple identical Invariant
Sections may be replaced with a single copy. If there are multiple Invariant Sections with the same
name but different contents, make the title of each such section unique by adding at the end of
it, in parentheses, the name of the original author or publisher of that section if known, or else a
unique number. Make the same adjustment to the section titles in the list of Invariant Sections in
the license notice of the combined work.
In the combination, you must combine any sections Entitled History in the various original

1593
documents, forming one section Entitled History ; likewise combine any sections Entitled Acknowledgements, and any sections Entitled Dedications. You must delete all sections Entitled
Endorsements.

COLLECTIONS OF DOCUMENTS
You may make a collection consisting of the Document and other documents released under
this License, and replace the individual copies of this License in the various documents with a
single copy that is included in the collection, provided that you follow the rules of this License for
verbatim copying of each of the documents in all other respects.
You may extract a single document from such a collection, and distribute it individually under
this License, provided you insert a copy of this License into the extracted document, and follow
this License in all other respects regarding verbatim copying of that document.

AGGREGATION WITH INDEPENDENT WORKS

A compilation of the Document or its derivatives with other separate and independent documents or works, in or on a volume of a storage or distribution medium, is called an aggregate if
the copyright resulting from the compilation is not used to limit the legal rights of the compilations
users beyond what the individual works permit. When the Document is included in an aggregate,
this License does not apply to the other works in the aggregate which are not themselves derivative
works of the Document.
If the Cover Text requirement of section 3 is applicable to these copies of the Document, then
if the Document is less than one half of the entire aggregate, the Documents Cover Texts may be
placed on covers that bracket the Document within the aggregate, or the electronic equivalent of
covers if the Document is in electronic form. Otherwise they must appear on printed covers that
bracket the whole aggregate.

TRANSLATION
Translation is considered a kind of modification, so you may distribute translations of the
Document under the terms of section 4. Replacing Invariant Sections with translations requires
special permission from their copyright holders, but you may include translations of some or all
Invariant Sections in addition to the original versions of these Invariant Sections. You may include
a translation of this License, and all the license notices in the Document, and any Warranty
Disclaimers, provided that you also include the original English version of this License and the
original versions of those notices and disclaimers. In case of a disagreement between the translation
and the original version of this License or a notice or disclaimer, the original version will prevail.
If a section in the Document is Entitled Acknowledgements, Dedications, or History, the
requirement (section 4) to Preserve its Title (section 1) will typically require changing the actual
title.

TERMINATION
You may not copy, modify, sublicense, or distribute the Document except as expressly provided
under this License. Any attempt otherwise to copy, modify, sublicense, or distribute it is void, and
will automatically terminate your rights under this License.
However, if you cease all violation of this License, then your license from a particular copyright
holder is reinstated (a) provisionally, unless and until the copyright holder explicitly and finally
terminates your license, and (b) permanently, if the copyright holder fails to notify you of the
violation by some reasonable means prior to 60 days after the cessation.

1594

ANNEXE A. GNU FREE DOCUMENTATION LICENSE

Moreover, your license from a particular copyright holder is reinstated permanently if the
copyright holder notifies you of the violation by some reasonable means, this is the first time you
have received notice of violation of this License (for any work) from that copyright holder, and
you cure the violation prior to 30 days after your receipt of the notice.
Termination of your rights under this section does not terminate the licenses of parties who
have received copies or rights from you under this License. If your rights have been terminated
and not permanently reinstated, receipt of a copy of some or all of the same material does not give
you any rights to use it.

FUTURE REVISIONS OF THIS LICENSE

The Free Software Foundation may publish new, revised versions of the GNU Free Documentation License from time to time. Such new versions will be similar in spirit to the present version,
but may differ in detail to address new problems or concerns. See http://www.gnu.org/copyleft/ .
Each version of the License is given a distinguishing version number. If the Document specifies
that a particular numbered version of this License or any later version applies to it, you have
the option of following the terms and conditions either of that specified version or of any later
version that has been published (not as a draft) by the Free Software Foundation. If the Document
does not specify a version number of this License, you may choose any version ever published (not
as a draft) by the Free Software Foundation. If the Document specifies that a proxy can decide
which future versions of this License can be used, that proxys public statement of acceptance of
a version permanently authorizes you to choose that version for the Document.

RELICENSING
Massive Multiauthor Collaboration Site (or MMC Site) means any World Wide Web server
that publishes copyrightable works and also provides prominent facilities for anybody to edit
those works. A public wiki that anybody can edit is an example of such a server. A Massive
Multiauthor Collaboration (or MMC) contained in the site means any set of copyrightable
works thus published on the MMC site.
CC-BY-SA means the Creative Commons Attribution-Share Alike 3.0 license published by
Creative Commons Corporation, a not-for-profit corporation with a principal place of business in
San Francisco, California, as well as future copyleft versions of that license published by that same
organization.
Incorporate means to publish or republish a Document, in whole or in part, as part of another
Document.
An MMC is eligible for relicensing if it is licensed under this License, and if all works that were
first published under this License somewhere other than this MMC, and subsequently incorporated
in whole or in part into the MMC, (1) had no cover texts or invariant sections, and (2) were thus
incorporated prior to November 1, 2008.
The operator of an MMC Site may republish an MMC contained in the site under CC-BY-SA
on the same site at any time before August 1, 2009, provided the MMC is eligible for relicensing.

ADDENDUM : How to use this License for your documents

To use this License in a document you have written, include a copy of the License in the
document and put the following copyright and license notices just after the title page :
Copyright YEAR YOUR NAME. Permission is granted to copy, distribute and/or
modify this document under the terms of the GNU Free Documentation License, Version 1.3 or any later version published by the Free Software Foundation ; with no Invariant Sections, no Front-Cover Texts, and no Back-Cover Texts. A copy of the license
is included in the section entitled GNU Free Documentation License.

1595
If you have Invariant Sections, Front-Cover Texts and Back-Cover Texts, replace the with . . .
Texts. line with this :
with the Invariant Sections being LIST THEIR TITLES, with the Front-Cover Texts
being LIST, and with the Back-Cover Texts being LIST.
If you have Invariant Sections without Cover Texts, or some other combination of the three,
merge those two alternatives to suit the situation.
If your document contains nontrivial examples of program code, we recommend releasing these
examples in parallel under your choice of free software license, such as the GNU General Public
License, to permit their use in free software.

1596

ANNEXE A. GNU FREE DOCUMENTATION LICENSE

Bibliographie
[1] Arnaud Girand. Dveloppements pour lagrgation externe de mathmatiques. 18 aot 2012.
URL http://perso.univ-rennes1.fr/arnaud.girand/pdf/dvp_agreg/dvp.pdf.
[2] Pierre Monmarch. Dveloppements. 18 mai 2011. URL http://perso.eleves.bretagne.
ens-cachan.fr/~pmonm570/fichiers/1-total.pdf.
[3] Richard Zekri. Analyse de fourier. 15 septembre 2009. URL http://lumimath.univ-mrs.
fr/infoetudiant/ANALYSEDEFOURIERMASTER2009.pdf.
[4] Sylvie Benzoni. Distributions tempres. 13 novembre 2013.
univ-lyon1.fr/~benzoni/Agreg/Distributions.pdf.

URL http://math.

[5] Jerome E. Marsden and Tudor S. Ratiu.

Manifolds, tensor analysis and applications.
2002.
URL http://www.math.psu.edu/petrunin/papers/scans-scans/
MD_Geometryandtopology/MDdg_Differentialgeometry/Marsden,Ratiu,Abraham.
Manifolds,Tensoranalysis,andApplications(draft2003-01-05)(Springe.pdf.
[6] Rmi Peyre and Frdric Simon. Travaux dirigs de probabilits. 2009. URL http://www.
normalesup.org/~rpeyre/pro/enseignement/td09pbas-e.pdf.
[7] Philippe Briand. Probabilits de base. 2005-2006.
http://www.lama.univ-savoie.fr/~briand/proba/g12_cours.pdf.
[8] Laurent Claessens. Invention personnelle , lire avec prudence et merci de me dire si cest
correct.
[9] Wikipdia. Axiome du choix wikipdia, lencyclopdie libre, 2015. URL http://
fr.wikipedia.org/w/index.php?title=Axiome_du_choix&oldid=116151439. [En ligne ;
Page disponible le 9-septembre-2015].
[10] Daniel Daigle. Cardinalit. URL http://mysite.science.uottawa.ca/asavag2/mat2762/
cardinal.pdf.
[11] Christine Laurent-Thibaut. Aximatique des nombres.
membres/Bernard.Ycart/mel/ax/ax.pdf.

URL http://ljk.imag.fr/

[12] Patrice Tauvel. Cours dalgbre. Dunod, 1999. ISBN 2-10-005490-3.

[13] Frdric Paulin. Topologie, analyse et calcul diffrentiel. 2008-2009.
http://www.math-question-center.com/publications-pdf/cours_danalyse+
topologie_et_calcul_differntiel_Frederic_Paulin.pdf.
[14] Peter Hendrikus Kropholler. Groups rings and fields. 2004-2005.
http://www.maths.gla.ac.uk/~phk/ulearning.pdf.
[15] Anonyme. Thorie des groupes. 2008.
http://theoriedesgroupes.perso.sfr.fr/cours/theoriePDF.pdf.
[16] Mongi Amorri. Thorme de bezout, thorme de gauss.
ttp://lux.lyceefrancais-brasilia.net/documents/cours/ts/bezout_gauss.pdf.
1597

1598

BIBLIOGRAPHIE

[17] Gilles Costantini. pgcd et ppcm dans Z, thorme de Bezout, applications. .

http://gilles.costantini.pagesperso-orange.fr/agreg_fichiers/bezout.pdf.
[18] Wikipdia. Lemme deuclide wikipdia, lencyclopdie libre, 2015. URL http://fr.
wikipedia.org/w/index.php?title=Lemme_d%27Euclide&oldid=112046247. [En ligne ;
Page disponible le 28-juin-2015].
[19] title = Algbre gnrale et algbre linaire year = 6 mars 2015 url = "http ://www.math.univparis-diderot.fr/_media/formations/prepa/agreginterne/polycopiealgebre.pdf" Skandalis,
Georges.
[20] Alexei Pantchichkine. Algbre2. 2004-2005.
http://www-fourier.ujf-grenoble.fr/~panchish/05ensl.pdf.
[21] Franois Combes. Algbre et gomtrie. Bral, 2003. ISBN 2-84291-202-0.
[22] Niels Borne. Fiche numro 2 : morphismes, sous-groupe distingu, quotient. 2009-2012.
http://math.univ-lille1.fr/~borne/Enseignement/TD2_M308.pdf.
[23] Pierre Lissy. Thorme de Jordan-Hlder. 6 avril 2010.
http://www.ljll.math.upmc.fr/~lissy/Agreg/developpements/JordanHolder.pdf.
[24] Kioshi Igusa. Notes on Jordan-Hlder.
http://people.brandeis.edu/~igusa/Math30/JHolder.pdf.
[25] Muriel Galley. Groupes rsolubles. 24 mai 2012. URL http://matthieu.gendulphe.com/
Galley.pdf.
[26] Fabrice Castel. Groupes finis. 2009-2012.
http://agreg-maths.univ-rennes1.fr/documentation/docs/Groupes_finis.pdf.
[27] Wikipdia. Permutation wikipdia, lencyclopdie libre, 2013. URL http://fr.
wikipedia.org/w/index.php?title=Permutation&oldid=89805226. [En ligne ; Page disponible le 24-juin-2013].
[28] Christophe Mourougane. Thorie des groupes et gomtrie. 2009-2010.
http://perso.univ-rennes1.fr/christophe.mourougane/enseignements/2009-10/
THGG/poly.groupes.pdf.
[29] O. Teytaud, C. Antonini, J.-B. Bardet, J.-F. Quint, M. De Crisenoy, P. Borgnat, J. Brard,
E. Lebeau, E. Souche, and A. Chateau. Les mathmatiques pour lAgrgation. 21 mai 2002.
http://les.mathematiques.free.fr/pdf/agreg.zip.
[30] Wikipdia.
Thorme fondamental de larithmtique wikipdia, lencyclopdie
libre, 2014. URL http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_
fondamental_de_l%27arithm%C3%A9tique&oldid=110036012. [En ligne ; Page disponible
le 26-juin-2015].
[31] Marc Sage. Sons, frquences, harmoniques, tons : le compromis du piano. .
http://www.normalesup.org/~sage/Musique/Harmonie.pdf.
[32] Anonyme. sans titre.
http://www.ac-grenoble.fr/champo/IMG/arithmetique.pdf.
[33] Christian Squarcini. Anneaux factoriels. . URL http://squarcini.christian.perso.sfr.
fr/AgregInterne/Anneauxcorps/3_2.pdf.
[34] Danny-Jack Mercier. Anneaux factoriels. 5 octobre 2003.
http://megamaths.perso.neuf.fr/cours/ari/cann0001.pdf.

BIBLIOGRAPHIE

1599

[35] Sbastien Pellerin. Dveloppements dalgbre pour loral de lagrgation. .

http://www.sebastien-pellerin.fr/zfiles/agreg/devalgebre.pdf.
[36] Wikipdia. Triplet pythagoricien wikipdia, lencyclopdie libre, 2015. URL http://
fr.wikipedia.org/w/index.php?title=Triplet_pythagoricien&oldid=114628048. [En
ligne ; Page disponible le 24-juin-2015].
[37] C. Antonini, JF. Quint, P. Borgnat, J. Brard, E. Lebeau, E. Souche, A. Chateau, and
O. Teytaud. Le thorme de wedderburn. . URL http://www.les-mathematiques.net/d/
a/w/node5.php.
[38] Wikipdia. Algbre sur un corps wikipdia, lencyclopdie libre, 2013. URL http://fr.
wikipedia.org/w/index.php?title=Alg%C3%A8bre_sur_un_corps&oldid=98992040. [En
ligne ; Page disponible le 6-mars-2014].
[39] Sylvain Duchet. Congrugence dans Z, anneaux Z{nZ, applications.
http://epsilon.2000.free.fr/Csup/congruences.pdf.
[40] Pierre Bernard. Entiers algbriques et racines de lunit. 7 janvier 2012. URL http:
//allken-bernard.org/pierre/weblog/?p=2061.
[41] Wikipdia. Extension de corps wikipdia, lencyclopdie libre, 2013. URL http://fr.
wikipedia.org/w/index.php?title=Extension_de_corps&oldid=89826304. [En ligne ;
Page disponible le 1-mai-2013].
[42] Mortajine Abdellatif. Les extensions de corps. 2012-2013. URL http://www.iecn.u-nancy.
fr/~mortajin/chap3-L3-S5.pdf.
[43] Patrick Polo. Extensions normales, sparables, galoisiennes. corps fini. 2007-2008.
http://www.math.jussieu.fr/~polo/M1/ATG07chVIII.pdf.
[44] Olivier Dodane. Le thorme de zros de Hilbert. 8 octobre 2007.
http://www.math.ens.fr/~debarre/nullstellensatz.pdf.
[45] Patrick Polo. Polynmes symtriques et rsolutions dquations. 13 dcembre 2004.
http://www.math.jussieu.fr/~polo/M1/ATGch9.pdf.
[46] Vincent Beck, Jrme Malick, and Gabriel Peyr. Sur c tout est connexe ! URL http:
//objagr.gforge.inria.fr/documents/files/connexite-polynome.pdf.
[47] Wikipdia.
Polynme cyclotomique wikipdia, lencyclopdie libre, 2013.
URL
http://fr.wikipedia.org/w/index.php?title=Polyn%C3%B4me_cyclotomique&oldid=
93751495. [En ligne ; Page disponible le 25-juin-2013].
[48] Adam Parusinski. Thorme de Dirichlet (version faible). 2010-2011.
http://math.unice.fr/~parus/AGREG/Dev/dirichlet.pdf.
[49] Michel Merle. corps finis. 2005-2006.
http://www-math.unice.fr/~merle/Complements/corps_finis.pdf.
[50] Gabriel Peyr. Corps finis. 2007.
www.h-k.fr/publications/objectif-agregation
http://www.ceremade.dauphine.fr/~peyre/objectif-agregation/documents/files/
corps-fini.pdf.
[51] Franois Rodier. Corps finis.
http://iml.univ-mrs.fr/~rodier/Cours/RappelCorpsfinis.pdf.
[52] Stephane Vento. La loi de rciprocit quadratique. 2005.
http://www.proba.jussieu.fr/pageperso/nourdin/LeSiteDeLAgregatif/vento2.pdf.

1600

BIBLIOGRAPHIE

[53] Wikipdia. Fonction de mbius wikipdia, lencyclopdie libre, mai 2013. URL http:
//fr.wikipedia.org/w/index.php?title=Fonction_de_M%C3%B6bius&oldid=91236321.
[En ligne ; Page disponible le 1-mai-2013].
[54] Wikipdia. Corps fini wikipdia, lencyclopdie libre, 2013. URL http://fr.wikipedia.
org/w/index.php?title=Corps_fini&oldid=92489466. [En ligne ; Page disponible le 1mai-2013].
[55] Wikipdia. Nombre constructible wikipdia, lencyclopdie libre, 2014. URL http://
fr.wikipedia.org/w/index.php?title=Nombre_constructible&oldid=103130793. [En
ligne ; Page disponible le 13-mai-2014].
[56] Tracs usuels la rgle et au compas. 2012-2013. URL http://dokeos3.u-cergy.fr/
dokeos20/courses/EEMEM2CRPE/scorm/2012_2013SCORMEEMEUE3EC2M2P1_SCORM/page_
04.htm.
[57] Wikipdia. Thorme de wantzel wikipdia, lencyclopdie libre, 2014. URL http:
//fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_Wantzel&oldid=
103220511. [En ligne ; Page disponible le 13-mai-2014].
[58] Wikipdia. Nombre de fermat wikipdia, lencyclopdie libre, 2014. URL http://
fr.wikipedia.org/w/index.php?title=Nombre_de_Fermat&oldid=103080861. [En ligne ;
Page disponible le 18-juin-2014].
[59] El Hage. quation gnrale de degr n.
http://les.mathematiques.free.fr/pdf/gal10.pdf.
[60] Florian Morel Chevillet. Rsolubilit par radicaux des quations algbriques. 31 mai 2012.
URL http://matthieu.gendulphe.com/MorelChevillet.pdf.
[61] Guillaume Carlier. Analyse fonctionnelle.
dauphine.fr/~carlier/poly2010.pdf.

2009-20010.

URL https://www.ceremade.

[62] Wikipdia. Suite de cauchy wikipdia, lencyclopdie libre, 2014. URL http://fr.
wikipedia.org/w/index.php?title=Suite_de_Cauchy&oldid=98046451. [En ligne ; Page
disponible le 11-mars-2014].
[63] Wikipdia. Espace spar wikipdia, lencyclopdie libre, 2013. URL http://fr.
wikipedia.org/w/index.php?title=Espace_s%C3%A9par%C3%A9&oldid=97013072.
[En
ligne ; Page disponible le 27-septembre-2013].
[64] C. Antonini, JF. Quint, P. Borgnat, J. Brard, E. Lebeau, E. Souche, A. Chateau, and
O. Teytaud. Gnralits. . URL http://www.les-mathematiques.net/a/a/b/node19.php.
[65] Emmanuel Vieillard Baron.
Sous-espaces compacts.
les-mathematiques.net/a/t/c/node5.php.

2001.

URL http://www.

[66] Wikipdia.
Thorme de borel-lebesgue wikipdia, lencyclopdie libre, 2014.
URL
http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_
Borel-Lebesgue&oldid=96560796. [En ligne ; Page disponible le 11-mars-2014].
[67] Wikipdia. Continuit wikipdia, lencyclopdie libre, 2013. URL http://fr.wikipedia.
org/w/index.php?title=Continuit%C3%A9&oldid=96548980. [En ligne ; Page disponible le
17-septembre-2013].
[68] Wikipdia.
Thorme des ferms emboits Wikipdia, lencyclopdie libre,
2012. URL http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_des_
ferm%C3%A9s_emboit%C3%A9s&oldid=85987870. [En ligne ; Page disponible le 1-avril-2013].

1601

BIBLIOGRAPHIE

[69] C. Antonini, JF. Quint, P. Borgnat, J. Brard, E. Lebeau, E. Souche, A. Chateau, and
O. Teytaud. Complt dun espace mtrique. . URL http://www.les-mathematiques.
net/a/a/b/node26.php.
[70] Zied Ammari. Analyse fonctionnelle : Pr-requis.
http://perso.univ-rennes1.fr/zied.ammari/other/pdf/chapitre1.pdf.
[71] Wikipdia.
Connexit (mathmatiques) wikipdia, lencyclopdie libre, 2016.
URL
http://fr.wikipedia.org/w/index.php?title=Connexit%C3%A9_(math%C3%
A9matiques)&oldid=123744973. [En ligne ; Page disponible le 26-avril-2016].
[72] C. Antonini, JF. Quint, P. Borgnat, J. Brard, E. Lebeau, E. Souche, A. Chateau, and
O. Teytaud. Connexit. . URL http://www.les-mathematiques.net/a/a/b/node23.php.
[73] Bill Casselman. Cauchys criterion for convergence. 2000.
http://www.math.ubc.ca/~cass/courses/m220-00/cauchy.pdf.
[74] Jean Saint Raymond. Semi-normes.
preprints/seminormes.pdf.

URL http://www.math.jussieu.fr/~raymond/

[75] Stphane Mischler. Semi-norme et introduction aux evtlcs. Fvrier 2007. URL https:
//www.ceremade.dauphine.fr/~mischler/Enseignements/AFAENS/Chap1evtlcs.pdf.
[76] Wikipdia. Semi-norme wikipdia, lencyclopdie libre, 2013. URL http://fr.
wikipedia.org/w/index.php?title=Semi-norme&oldid=89981857. [En ligne ; Page disponible le 22-septembre-2013].
[77] Wikipdia. Thorme de baire wikipdia, lencyclopdie libre, 2013. URL http://fr.
wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_Baire&oldid=95077621.
[En ligne ; Page disponible le 4-aot-2013].
[78] Daniel Ferrand. tendre le corps. Juillet 2007. URL http://webusers.imj-prg.fr/
~daniel.ferrand/ExtCorps.pdf.
[79] Marc Sage. Dualit en dimension finie. 24 octobre 2005.
http://www.normalesup.org/~sage/Cours/DualDimFinie.pdf.
[80] Emmanuel Vieillard Baron. Dterminant dune matrice, dune application linaire. 2001.
http://www.les-mathematiques.net/b/e/d/node5.php.
[81] Robert Rolland. Le thorme de Mntz-szsz. .
http://megamaths.perso.neuf.fr/rr/fichexo_201.pdf.
[82] Wikipdia. Rsultant wikipdia, lencyclopdie libre, Mai 2013. URL http://fr.
wikipedia.org/w/index.php?title=R%C3%A9sultant&oldid=90109864. [En ligne ; Page
disponible le 24-mai-2013].
[83] ric Brunelle. Norme matricielle.
http://www.dms.umontreal.ca/~math1600/6Supplement/Normematricielle-1.pdf.
[84] Gallout !Thierry. Norme et conditionnement dune matrice.
univ-amu.fr/~gallouet/licence.d/anum.d/anum-tg2.pdf.

URL https://www.i2m.

[85] William F. Trench. Introduction to real analysis. 2010.

http://ramanujan.math.trinity.edu/wtrench/texts/TRENCH_REAL_ANALYSIS.PDF.
[86] Wikipdia. Formule de stirling wikipdia, lencyclopdie libre, Mai 2013. URL http://fr.
wikipedia.org/w/index.php?title=Formule_de_Stirling&oldid=93224272. [En ligne ;
Page disponible le 20-mai-2013].

1602

BIBLIOGRAPHIE

[87] H. Jerome Keisler. Elementaty calculus, an infinitesimal approach. 2010.

http://www.math.wisc.edu/~keisler/keislercalc-810.pdf.
[88] Wikipdia. Suite arithmtico-gomtrique wikipdia, lencyclopdie libre, 2013. URL
http://fr.wikipedia.org/w/index.php?title=Suite_arithm%C3%A9tico-g%C3%A9om%
C3%A9trique&oldid=88168841. [En ligne ; Page disponible le 16-juin-2013].
[89] David Wilkins. Normed vector spaces and functional analysis. 1997-2001. URL http:
//www.maths.tcd.ie/~dwilkins/Courses/212/212PtIII.pdf.
[90] Gabriel Nagy. Operatir theory in Hilbert spaces. URL https://www.math.ksu.edu/~nagy/
real-an/2-07-op-th.pdf.
[91] Gilles Costantini. Espaces vectoriels de dimension infinie, normes usuelles, quivalence de
normes. . URL http://gilles.costantini.pagesperso-orange.fr/agreg_fichiers/
evn.pdf.
[92] Christian Squarcini. Applications linaires. . URL http://squarcini.christian.perso.
sfr.fr/AgregInterne/Topo/4_3.pdf.
[93] F. Laudenbach. Calcul diffrentiel et intgral. les d. de lcole polytechnique, 2000. ISBN
9782730207249. URL http://books.google.fr/books?id=Ws9A7ZoRJNEC.
[94] Rached Mneim. Rduction des endomorphismes. Calvage et Mounet, 2006. ISBN 2-91635201-5.
[95] Matthieu Romagny. Endomorphismes cycliques. 2012. URL https://perso.univ-rennes1.
fr/matthieu.romagny/agreg/dvt/endom_cycliques.pdf.
[96] Jean-Etienne Rombaldi. Polynmes dendomorphismes en dimension finie. applications. .
http://www-fourier.ujf-grenoble.fr/~rombaldi/AgregInterne/Oral1/110.pdf.
[97] Callus.
URL
http://math.stackexchange.com/questions/1829332/
prove-that-if-v-is-finite-dimensional-then-v-is-even-dimensional.
[98] Henry C. King. Unitary diagonalization of matrices.
http://www-users.math.umd.edu/~hck/Normal.pdf.
[99] G Donald Allen. Lectures on linear algebras. 2004.
http://www.math.tamu.edu/~dallen/m640_03c/readings.htm.
[100] Wikipedia. Spectral theorem wikipedia, the free encyclopedia, 2013. URL http://en.
wikipedia.org/w/index.php?title=Spectral_theorem&oldid=575488135. [Online ; accessed 21-October-2013].
[101] theorem for normal triangular matrices.
theoremfornormaltriangularmatrices.

URL

[102] Maxime Pouvreau. Pseudo-rduction simultane. 2013-2014.

bretagne.ens-cachan.fr/images/Pseudored.pdf.
[103] Robert Rollan. Produit tensorile despaces vectoriels.
acrypta.com/telechargements/algebre/tensor.pdf.

http://planetmath.org/
URL http://minerve.

URL http://robert.rolland.

[104] Marc Sage. Algbre multilinaire. . URL http://www.normalesup.org/~sage/Cours/

ProdTens.pdf.
[105] Ministre de lducation nationale. Rapport de jury de concours agrgation de mathmatiques, concours externe. 2011.
http://agreg.org/Rapports/rapport2011provisoire.pdf.

BIBLIOGRAPHIE

1603

[106] Herv Carrieu, Maurice Fadel, Etienne Fieux, Patrice Lassre, and Frdric Rodriguez. Autour des matrices de Frobenius ou compagnon. 2007.
http://www.math.univ-toulouse.fr/~lassere/pdf/vfcomp.pdf.
[107] Grgory Vial. Autour du thorme des invariants de similitude. Octobre 2005.
http://w3.bretagne.ens-cachan.fr/math/people/gregory.vial/files/cplts/ivs.
pdf.
[108] Arnaud Moncet. Invariants de similitude.
http://blogperso.univ-rennes1.fr/arnaud.moncet/public/IVS.pdf.
[109] Commutant dun endomorphisme. . URL http://minerve.bretagne.ens-cachan.fr/
images/Commutant.pdf.
[110] Bernard Alken.
Dans un commentaire de dimension du commutant
dune
matrice.
2009.
URL
http://www.mathoman.com/index.php/
1538-dimension-du-commutant-d-une-matrice.
[111] La taverne de lIrlandais. De la rduction des endomorphismes. 2001. URL http://tanopah.
jo.free.fr/epilogues/reduction.pdf.
[112] Wikipdia. Trigonalisation wikipdia, lencyclopdie libre, 2014. URL http://
fr.wikipedia.org/w/index.php?title=Trigonalisation&oldid=109085753. [En ligne ;
Page disponible le 22-dcembre-2014].
[113] David Delaunay. Nilpotence. 10 juillet 2014. URL http://mp.cpgedupuydelome.fr/pdf/
Rductiondesendomorphismes-Nilpotence.pdf.
[114] Wikipdia. Thorme de burnside (problme de 1902) wikipdia, lencyclopdie libre,
2013. URL http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_
Burnside_(probl%C3%A8me_de_1902)&oldid=98510166. [En ligne ; Page disponible le 2novembre-2015].
[115] Wikipdia. Forme quadratique wikipdia, lencyclopdie libre, 2014. URL http://fr.
wikipedia.org/w/index.php?title=Forme_quadratique&oldid=103591878. [En ligne ;
Page disponible le 7-mai-2014].
[116] Christian Squarcini. Dgnrescence. 2005. URL http://squarcini.christian.perso.
sfr.fr/AgregInterne/Algebrelineaire/2_2.pdf.
[117] Daniel Li. Notions fondamentales de la thorie des probabilits. .
http://labomathlens.free.fr/Liens/ProbaM1/PROBA01.pdf.
[118] Daniel Saada. Tribu de borel et tribu de baire dun espace topologique. 2009. URL http:
//www.daniel-saada.eu/fichiers/16-Tribus_de_Baire.pdf.
[119] Daniel Li. Construction de la mesure de lebesgue. 28 javier 2008. URL http://li.perso.
math.cnrs.fr/textes/Integration/Lebesgue.pdf.
[120] ProofWiki.
Outer measure of limit of increasing sequence of sets proofwiki,,
2012. URL http://www.proofwiki.org/w/index.php?title=Outer_Measure_of_Limit_
of_Increasing_Sequence_of_Sets&oldid=85952. [Online ; accessed 2-February-2014].
[121] C. Antonini, JF. Quint, P. Borgnat, J. Brard, E. Lebeau, E. Souche, A. Chateau, and
O. Teytaud. Quelques rsultats dunicit. . URL http://www.les-mathematiques.net/a/
i/d/node1.php#T42.
[122] C. Antonini, JF. Quint, P. Borgnat, J. Brard, E. Lebeau, E. Souche, A. Chateau, and
O. Teytaud. Ensembles ngligeables et compltion de tribus. . URL http://www.
les-mathematiques.net/a/i/c/node1.php.

1604

BIBLIOGRAPHIE

[123] Wikipdia.
Compltion dune mesure wikipdia, lencyclopdie libre, 2014.
URL
http://fr.wikipedia.org/w/index.php?title=Compl%C3%A9tion_d%27une_
mesure&oldid=89819650. [En ligne ; Page disponible le 27-mars-2014].
[124] Daniel Li. Tribus et mesures. 24 mars 2011.
http://li.perso.math.cnrs.fr/textes/Integration/tribus.pdf.
[125] Gerald Teschl. Topics in real and functional analysis. 2013. URL http://www.mat.univie.
ac.at/~gerald/ftp/book-fa/fa.pdf.
[126] Emmanuel Vieillard Baron.
Les fonctions mesurables.
les-mathematiques.net/a/i/b/node1.php.

2001.

URL http://www.

[127] Wikipdia. Fonction tage wikipdia, lencyclopdie libre, 2014. URL http://fr.
wikipedia.org/w/index.php?title=Fonction_%C3%A9tag%C3%A9e&oldid=104836104.
[En ligne ; Page disponible le 6-septembre-2015].
[128] B. Mauray. Intgration jusquau thorme de Lebesgue. 2006. URL www.math.jussieu.fr/
~maurey/agreg/Textes/Lebesgue.pdf.
[129] Gilles Dubois. URL http://dubois.gilles.pagesperso-orange.fr/analyse_reelle/
intlimites.html.
[130] Daniel Cho. Mathmatiques pour la mcanique. 2008.
http://www.meca.unicaen.fr/Enseignement/Document/CoursChoi/mathmeca.pdf.
[131] Daniel Li. Construction de lintgrale de lebesgue. 10 fvrier 2011. URL http://li.perso.
math.cnrs.fr/textes/Integration/construc-integ.pdf.
[132] Daniel Li. Intgration sur un espace produit. 29 mars 2011. URL http://li.perso.math.
cnrs.fr/textes/Integration/Fubini.pdf.
[133] B. Mauray. Prparation lagrgation, analyse. 2011.
http://www.math.jussieu.fr/~maurey/agreg/index.html.
[134] Thierry Gallout and Raphale Herbin. Mesure, intgration, probabilits. 2012.
http://www.cmi.univ-mrs.fr/~gallouet/licence.d/mes-int-pro.pdf.
[135] Wikipdia. Ensemble de vitali wikipdia, lencyclopdie libre, 2014. URL http://fr.
wikipedia.org/w/index.php?title=Ensemble_de_Vitali&oldid=100925109. [En ligne ;
Page disponible le 9-septembre-2015].
[136] John Hunter. Measure theory. 2011. URL https://www.math.ucdavis.edu/~hunter/
measure_theory/measure_notes.pdf.
[137] Bruno Demange. Thorme de changement de variables. 2012. URL https://www-fourier.
ujf-grenoble.fr/~demange/integration/2012/integration-chap5.pdf.
[138] Daniel Li. Changement de variables dans les intgrales sur un ouvert de Rn . 8 juin 2010.
URL http://li.perso.math.cnrs.fr/textes/Integration/change-v.pdf.
[139] Marie-Claure David, Frdric Haglund, and Daniel Perrin. Gomtrie affine. 8 dcembre
2003.
http://webens.math.u-psud.fr/~mcld/GAEL/Gael/bar.pdf.
[140] Marie-Claude David, Frdric Haglund, and Daniel Perrin. Gometrie affine. Document de
travail pour la prparation au CAPES. Deuxime partit : barycentre. 8 dcembre 2003. URL
http://omphale.math.u-psud.fr/~mcld/GAEL/Gael/bar.pdf.

1605

BIBLIOGRAPHIE

[141] Marie-Claude David, Frdric Haglund, and Daniel Perrin. Gometrie affine. Document de
travail pour la prparation au CAPES. Troisime partie : convexit. 8 dcembre 2003. URL
http://omphale.math.u-psud.fr/~mcld/GAEL/Gael/conv.pdf.
[142] David Cimasoni. Cours de gomtrie I, semestre de printemps. Printemps 2014. URL
http://www.unige.ch/math/folks/cimasoni/GeometrieI.pdf.
[143] Les quadrilatres. URL http://ddata.over-blog.com/xxxyyy/4/39/08/01/cinquieme/
5eme.parallelogramme.jeu-set-et-maths.mathematiques.pdf.
[144] Robert Rolland. Gomtrie projective. .
http://robert.rolland.acrypta.com/telechargements/geometrie/pr0.pdf.
[145] Sbastien Pellerin. Action du groupe modulaire sur le demi-plan de Poincar. .
http://dynamaths.free.fr/docs/lecons/developpement_algebre_6.pdf.
[146] Alexandre Alessandri. Action du groupe modulaire sur le demi-plan de Poincar. 2011-2012.
http://minerve.bretagne.ens-cachan.fr/images/Dvt_psl2.pdf.
[147] Wikipdia.
Oprations sur les drives wikipdia, lencyclopdie libre, 2013.
URL http://fr.wikipedia.org/w/index.php?title=Op%C3%A9rations_sur_les_d%C3%
A9riv%C3%A9es&oldid=99099598. [En ligne ; Page disponible le 10-avril-2016].
[148] Adrien Fontaine. Dveloppement : thorme de Sarkiowski. 8 octobre 2013. URL http:
//perso.eleves.bretagne.ens-cachan.fr/~afontain/dvptthmdesarkowski.pdf.
[149] C. Schomblond. lectrodynamique classique. 20032004. Notes du cours dlectromagntisme
de deuxime anne en physique luniversit libre de Bruxelles.
http://homepages.ulb.ac.be/~cschomb/notes.html.
[150] Livio Flaminio. lments de gomtrie diffrentielle. 29 octobre 2009. URL http:
//www-gat.univ-lille1.fr/~flaminio/M403/2009-2010/cours_geo_top.pdf.
[151]
[152] Giuseppe De Marco. Analisi due. 1999.
[153] Wikipdia. Fonction convexe wikipdia, lencyclopdie libre, 2013. URL http://
fr.wikipedia.org/w/index.php?title=Fonction_convexe&oldid=94429550. [En ligne ;
Page disponible le 8-aot-2013].
[154] Wikipdia. Fonction convexe wikipdia, lencyclopdie libre, 2013. URL http://
fr.wikipedia.org/w/index.php?title=Fonction_convexe&oldid=98971686. [En ligne ;
Page disponible le 8-fvrier-2014].
[155] Wikiversit.
Fonctions convexes/dfinition et premires proprits wikiversit,,
2013. URL http://fr.wikiversity.org/w/index.php?title=Fonctions_convexes/D%
C3%A9finition_et_premi%C3%A8res_propri%C3%A9t%C3%A9s&oldid=381775. [En ligne ;
accd le 9-fvrier-2014].
[156] Wikiversit. Fonctions convexes/fonctions convexes drivables wikiversit,, 2013. URL
http://fr.wikiversity.org/w/index.php?title=Fonctions_convexes/Fonctions_
convexes_d%C3%A9rivables&oldid=379779. [En ligne ; accd le 9-fvrier-2014].
[157] Stephen Boyd and Lieven Vandenberghe. Convex optimization. 2004. URL http://www.
stanford.edu/~boyd/cvxbook/bv_cvxbook.pdf.
[158] Pierre Lecomte. Varits plonges dans
be/geom/node107.html.

Rm . 2007. URL http://www.geothalg.ulg.ac.

1606

BIBLIOGRAPHIE

[159] Document 33 : fonctions convexes. . URL http://math.univ-lyon1.fr/capes/IMG/pdf/

new.convexe.pdf.
[160] Wikipdia.
Ingalit arithmtico-gomtrique wikipdia, lencyclopdie libre,
2013.
URL http://fr.wikipedia.org/w/index.php?title=In%C3%A9galit%C3%A9_
arithm%C3%A9tico-g%C3%A9om%C3%A9trique&oldid=99682278. [En ligne ; Page disponible
le 1-juillet-2014].
[161] Wikipdia.
Ingalit de kantorovitch wikipdia, lencyclopdie libre, juillet
2014. URL http://fr.wikipedia.org/w/index.php?title=In%C3%A9galit%C3%A9_de_
Kantorovitch&oldid=102417007. [En ligne ; Page disponible le 1-juillet-2014].
[162] Wikipdia. Convergence uniforme wikipdia, lencyclopdie libre, 2013. URL http:
//fr.wikipedia.org/w/index.php?title=Convergence_uniforme&oldid=95493463. [En
ligne ; Page disponible le 15-octobre-2013].
[163] F. Poupaud. Analyse fonctionnelle pour la licence. URL http://math.unice.fr/~rascle/
pdffiles/coursanapp/ana-fonc.pdf.
[164] Wikipdia.
Oprations sur les drives wikipdia, lencyclopdie libre, 2013.
URL http://fr.wikipedia.org/w/index.php?title=Op%C3%A9rations_sur_les_d%C3%
A9riv%C3%A9es&oldid=99099598. [En ligne ; Page disponible le 28-juillet-2014].
[165] Rached Mneim and Frdric Testard. Groupes de Lie classiques. Hermann, 1986. ISBN
2-7056-6040-2.
[166] Yoann Gelineau. Gnrateurs du groupe linaire. . URL http://math.univ-lyon1.fr/
~gelineau/devagreg/Generateurs_Groupe_Lineaire.pdf.
[167] Sandrine Caruso. Gnrateurs de GLn pKq et SLn pKq. URL http://sandrine.toonywood.
org/pageperso/agreg/geneSL.pdf.
[168] Wikipdia.
Thorme de cayley-hamilton wikipdia, lencyclopdie libre, 2014.
URL
http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_
Cayley-Hamilton&oldid=104470625. [En ligne ; Page disponible le 10-juin-2014].
[169] David Monniaux. 9 juin 2014. URL http://david.monniaux.free.fr/dotclear/index.
php/post/2014/06/09/Mmoire--effaage-rapide. David Monniaux esquisse la preuve
dans un commentaire cette note.
[170] Pierre Lissy. Dcomposition polaire. 30 avril 2010. URL http://www.ljll.math.upmc.fr/
~lissy/Agreg/developpements/DecPol.pdf.
[171] Wikipdia. Dcomposition polaire wikipdia, lencyclopdie libre, avril 2013. URL
http://fr.wikipedia.org/w/index.php?title=D%C3%A9composition_polaire&oldid=
90240040. [En ligne ; Page disponible le 24-avril-2013].
[172] Jean-Etienne Rombaldi. Endomorphismes symtriques dun espace vectoriel. applications. .
http://www-fourier.ujf-grenoble.fr/~rombaldi/AgregInterne/Oral1/120.pdf.
[173] Brice Loustau. Dveloppements dalgbre pour lagrgation. 2008. URL http://brice.
loustau.free.fr/deval.pdf.
[174] Michel Coste. Sous-groupes compacts du groupe linaire. 29 septembre 2006. URL http:
//agreg-maths.univ-rennes1.fr/documentation/docs/ssgrpecompact.pdf.
[175] Transformation laissant invariante une forme quadratique. URL http://www.ilemaths.
net/forum-sujet-500814.html.

1607

BIBLIOGRAPHIE
[176] Christophe Mourougane. Thorie des groupes et gomtrie. 2008-2009.
http://perso.univ-rennes1.fr/christophe.mourougane/enseignements/2008-9/
THGG/poly.groupes.pdf.
[177] Groupes didraux.
http://theoriedesgroupes.perso.sfr.fr/cours/Diedraux.pdf.
[178] Pierre Lissy.
6 avril 2010.
developpements/Died.pdf.

URL http://www.ljll.math.upmc.fr/~lissy/Agreg/

[179] Pierre Renfer. Roulettes et colliers.

http://les.mathematiques.free.fr/pdf/collier.pdf.
[180] Michel Emsalem and Pierre Dbes. Thorme de sylow.
http://exo7.emath.fr/ficpdf/fic00023.pdf.
[181] Matthieu Romagny. Reprsentations linaires des groupes finis. 2010-2011.
http://www.math.jussieu.fr/~romagny/agreg/theme/rlgf_paysage.pdf.
[182] Yao Jianfeng. Statistique et logiciels. 2010.
http://perso.univ-rennes1.fr/jian-feng.yao/pedago/statlog/.
[183] Daniel Li. Thorme de radon-nikodm et applications. .
http://li.perso.math.cnrs.fr/textes/AF/mesures.pdf.
[184] Bruce Driver. Analysis tools with applications. April 10, 2003. URL http://www.math.
ucsd.edu/~bdriver/240-01-02/Lecture_Notes/anal.pdf.
[185] Alfred Gray. Modern differential geometry of curves and surfaces with mathematica. 1998.
URL http://webmath2.unito.it/paginepersonali/sergio.console/CurveSuperfici/.
[186] Wikipdia. Intgrale impropre wikipdia, lencyclopdie libre, 2014. URL http://fr.
wikipedia.org/w/index.php?title=Int%C3%A9grale_impropre&oldid=103902526. [En
ligne ; Page disponible le 5-aot-2014].
[187] Philippe Spindel. lments de gomtrie diffrentielle pour la mcanique analytique et le
gravitation. Novembre 2010.
http://portail.umons.ac.be/FR/universite/facultes/fs/services/institut_
physique/mecanique_et_gravitation/Documents/Textespdagogiques/geometrie_
differentielle.pdf.
[188] Olivier Caster. Diffrentielles totales exactes.
http://o.castera.free.fr/pdf/Differentielle_totale_exacte.pdf.
[189] Wikipdia. Lemme de hadamard wikipdia, lencyclopdie libre, 2013. URL http://
fr.wikipedia.org/w/index.php?title=Lemme_de_Hadamard&oldid=90659396. [En ligne ;
Page disponible le 14-juillet-2014].
[190] Intgration de fractions rationnelles. URL http://blascheck.franck.free.fr/IMG/pdf/
IntegFracRat.pdf.
[191] Ophlie Rouby. Thorme de Rothstein-Trager. URL http://perso.eleves.bretagne.
ens-cachan.fr/~oroub842/dvlpts/Rothstein_Trager.pdf.
[192] Frdric Chyzak. Intgration symbolique des fractions rationnelles. Dcembre 2004. URL
http://www.enseignement.polytechnique.fr/informatique/profs/Frederic.Chyzak/
CF-2004/notes-IntRat.pdf.
[193] gb. Cercle circonscrit une courbe. URL http://www.les-mathematiques.net/phorum/
read.php?8,750556,750586.

1608

BIBLIOGRAPHIE

[194] Mohammad Ghomi. Lecture note on differential geometry. 2007. URL http://people.
math.gatech.edu/~ghomi/LectureNotes/LectureNotes5U.pdf.
[195] Wikipedia. Convex curve wikipedia, the free encyclopedia, 2015. URL https://en.
wikipedia.org/w/index.php?title=Convex_curve&oldid=685739052. [Online ; accessed
13-April-2016].
[196] Wikipdia. Thorme de jordan wikipdia, lencyclopdie libre, 2016. URL http:
//fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_Jordan&oldid=
124990679. [En ligne ; Page disponible le 6-avril-2016].
[197] romain Boillaud. Sries de fonctions. 2010-2011. URL http://www.rblld.fr/cours/chap6.
pdf.
[198] Grard Eguether. Ex-sries entires.
Eguether/zARTICLE/EX.pdf.

URL http://iecl.univ-lorraine.fr/~Gerard.

[199] Georges Skandalis.

Analyse, rsums et exercices.
6 mars 2015.
URL https:
//www.math.univ-paris-diderot.fr/_media/formations/prepa/agreginterne/
polycopieanalyse.pdf.
[200] Amroun Nour-Eddine. Cours sries entires.
http://www.univ-sba.dz/fsi/lmd/Math3/Cours-seriesentieres.pdf.
[201] ENS Cachan. Thorme de stabilit de Lyapunov.
ens-cachan.fr/images/Lyapunov.pdf.

URL http://minerve.bretagne.

[202] Michael Gechele. Thorme de stone-weierstrass.

http://michael.gechele.perso.neuf.fr/Agregation/Theoreme_Stone_Weierstrass.
pdf.
[203] Primitives et intgrales.
primitive.pdf.

URL http://math.univ-lyon1.fr/capes/IMG/pdf/new.

[204] Sbastien Pellerin. Dveloppements danalyse pour loral de lagrgation. .

http://www.sebastien-pellerin.fr/zfiles/agreg/devanalyse.pdf.
[205] Kevin Quirin. Thorme de Mntz.
http://kevin.quirin.free.fr/Trucs/agreg/Dvt_Muntz.pdf.
[206] Pierre Lissy. Dterminant de cauchy et application au thorme de Mntz. 5 mai 2010.
http://www.ljll.math.upmc.fr/~lissy/Agreg/developpements/CauchyMuntz.pdf.
[207] Benjamin Dadoun. Thorme de Mntz. URL http://benjamin.dadoun.free.fr/muntz.
pdf.
[208] Jean-Pierre Demailly. Analyse numrique et quations diffrentielles. 1991.
[209] Clmence Minazzo and Kelsey Rider. Thormes du point fixe et applications aux quations
diffrentielles. 2006-2007.
http://math.unice.fr/~eaubry/Enseignement/M1/memoire.pdf.
[210] Ivan Nourdin. Leons danalyse, probabilits algbre et gomtrie. Dunod, 2001. ISBN
2-10-005668-9.
[211] William K Allard. The Brouwer fixed point theorem. 2004.
http://www.math.duke.edu/~wka/math204/fixed.pdf
see also http://www.math.duke.edu/~wka/math204/.

1609

BIBLIOGRAPHIE
[212] Kenneth Kuttler. Topics in analysis. Janvier 2012.
http://www.math.byu.edu/~klkuttle/SobolevSpacesB.pdf
Juste un indice : ce document fait 2086 pages . . . jy arriverais, courage !
[213] Herv Le Dret. Notes de cours quations aux drives partielles elliptiques. 2010.
http://www.ann.jussieu.fr/~ledret/M2Elliptique/chapitre1.pdf.

[214] Bachir Bekka. Thorme du point fixe de Markov-Kakutani : applications lexistence de

mesures de haar et aux chanes de Markov. 2005.
http://agreg-maths.univ-rennes1.fr/documentation/docs/PointFixe.pdf.
[215] Sandrine Caruso. Thorme de Cauchy-Lipschitz. 2009.
http://boumbo.toonywood.org/sandrine/pageperso/agreg/cauchy-lipschitz.pdf
Voir aussi la page toute pleine de dveloppement
http://boumbo.toonywood.org/sandrine/pageperso/agreg.html.
[216] Wikipdia. Thorme dinversion locale wikipdia, lencyclopdie libre, 2014. URL
http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_d%27inversion_
locale&oldid=100975433. [En ligne ; Page disponible le 19-fvrier-2014].
[217] Antoine Chambert-Loir. Introduction aux groupes et algbres de Lie. 2004-2005. URL
http://www.math.u-psud.fr/~chambert/enseignement/2004-05/lie/lie.pdf.
[218] Jacques Faraut. Groupes et algbres de lie. 2001.
http://les-mathematiques.u-strasbg.fr/phorum/download.php/2,5426/
GroupesdeLie.ps
This postscript file is actually a mess while a transformation into pdf via ps2pdf works well.
[219] E.P. van den Ban. Lie groups. 2003.
http://www.math.uu.nl/people/ban/lecnot.html.
[220] Georges Comte. Lemme de Morse.
Agregation/LemmedeMorse.pdf.

2009-2010.

URL http://gc83.perso.sfr.fr/

[221] Louis
Fauchier-Magnan.
Introduction

la
thorie
de
Morse.
URL
http://cqfd.epfl.ch/webdav/site/cqfd/shared/projets/igat/
IntroductionlathoriedeMorse-LouisFauchier-Magnan.pdf.
[222] Michel Rascle. Analyse fonctionnelle pour la licence.
http://math.unice.fr/~rascle/pdffiles/coursanapp/ana-fonc.pdf.
[223] B. Mauray. Analyse fonctionnelle et thorie spectrale (version longue). 20012002.
http://www.math.jussieu.fr/~maurey/ts012/poly/lths.pdf.
[224] Mourad Besbes. Chapitre 5 : espaces mtriques complets, espaces de banach.
http://besbes.mourad.free.fr/Enseignement/Topologie/Chapitre5.pdf.
[225] Wikipdia. Espace complet Wikipdia, lencyclopdie libre, 2013. URL http://fr.
wikipedia.org/w/index.php?title=Espace_complet&oldid=91125353. [En ligne ; Page
disponible le 1-avril-2013].
[226] Aline Kurtzmann. Esprance conditionnelle.
http://www.iecn.u-nancy.fr/~kurtzman/cours/agreg/esperance-conditionnelle.
pdf.
[227] Wikipdia. Thorme de projection sur un convexe ferm wikipdia, lencyclopdie
libre, 2013. URL http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_
de_projection_sur_un_convexe_ferm%C3%A9&oldid=90246160. [En ligne ; Page disponible le 3-mai-2013].

1610

BIBLIOGRAPHIE

[228] Daniel Li. Espaces de hilbert. .

http://li.perso.math.cnrs.fr/textes/AF/Hilbert.pdf.
[229] Michel Merle. Espaces de Hilbert. 2004-2005. URL http://www-math.unice.fr/~merle/
Algebre_et_geometrie/hilbert.pdf.
[230] Christiane Schomblond. Thorie quantique des champs, QED, QCD. Notes de cours, en
franais.
http://homepages.ulb.ac.be/~cschomb/intfonc+QED+QCD.pdf.
[231] Jonathan Bain. Kochen-Specker and measurement. 2011.
http://ls.poly.edu/~jbain/philqm/philqmlectures/08.KS&Measurement.pdf.
[232] Michel Kern. Introduction la mthode des lments finie. 2004-2005. URL http://mms2.
ensmp.fr/ef_paris/formulation/polycop/f_coursEF.pdf.
[233] Wikipdia. Thorme dAscoli wikipdia, lencyclopdie libre, 2013. URL http:
//fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_d%27Ascoli&oldid=
92958118. [En ligne ; Page disponible le 11-mai-2013].
[234] Wikipdia.
Thorme de banach-steinhaus wikipdia, lencyclopdie libre,
2013. URL http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_
Banach-Steinhaus&oldid=92377069. [En ligne ; Page disponible le 31-aot-2013].
[235] B. Maurey. 9 mars 2011.
http://www.math.jussieu.fr/~maurey/IntegProba/Cours/CoursIP101-14.pdf.
[236] B. Mauray. Convolution, ingalits, approximations et rgularisation. 2007. URL www.math.
jussieu.fr/~maurey/agreg/Textes/Convolution.pdf.
[237] Schilling. Minkowskys inequality for integrals.
math240/suppl-1.pdf.

URL http://math.ucsd.edu/~lni/

[238] Charles Suquet. Intgration, analyse de fourier,probabilits. 2003-2004.

http://math.univ-lille1.fr/~suquet/ens/IFP/Cours/cours04/CoursIFP04.html.
[239] Wikipdia.
Thorme de Riesz-Fischer wikipdia, lencyclopdie libre, 2013.
URL
http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_
Riesz-Fischer&oldid=90074115. [En ligne ; Page disponible le 3-mai-2013].
[240] Gilles Leborgne. Introduction la thorie des distributions. 16 mai 2013. URL http:
//www.isima.fr/~leborgne/IsimathDistributions/distrib.pdf.
[241] Wikipdia. Espace Lp wikipdia, lencyclopdie libre, 2013. URL http://fr.wikipedia.
org/w/index.php?title=Espace_Lp&oldid=92618226. [En ligne ; Page disponible le 10mai-2013].
[242] Ham Brzis. Analyse fonctionnelle. Masson, Paris, 1983. ISBN 2-225-77198-7. Thorie et
applications.
[243] MoebiusCorzer Giraudo, Davide. Show smooth functions of compact support are dense in
the Schwartz space. 2012. URL http://math.stackexchange.com/questions/229751/
show-smooth-functions-of-compact-support-are-dense-in-the-schwartz-space.
[244] B. Maurey. Holomorphie. 7 fvrier 2005.
http://www.math.jussieu.fr/~maurey/agreg/Textes/Holomorphe045.pdf.
[245] Pascal Dingoyan. Chapitre 5. URL http://www.math.jussieu.fr/~dingoyan/lescours/
lm367-pageweb/lm367-chapitre5.pdf.

BIBLIOGRAPHIE

1611

[246] Philippe Charpentier. Analyse complexe. Septembre 2010.

http://www.math.u-bordeaux1.fr/~pcharpen/enseignement/fichiers-master1/
Analyse_Complexe.pdf.
[247] Christian Kkein. Sries de laurent, rsidus. URL http://math.u-bourgogne.fr/IMB/
klein/Complement_dAnalyse_files/chap607.pdf.
[248] Romain Boillaud. Sries entires.
http://www.rblld.fr/cours/chap8.pdf
Voir le cours complet ladresse
http://www.rblld.fr/cours/.
[249] David Sirajuddin. Fresnel integrals. 2008.
http://itcanbeshown.com/integrals/FresnelIntegrals/fresnel_integrals.pdf.
[250] Jean-Marie Lion. Fonctions holomorphes dune variable. 5 mai 2004.
http://perso.univ-rennes1.fr/jean-marie.lion/coursholo.pdf.
[251] Richard Gomez. Sries de Fourier. 10 octobre 2010. URL http://megamaths.perso.neuf.
fr/rg/fourier.pdf.
[252] David Delaunay. Sries de Fourier. 8 juin 2012.
http://mp.cpgedupuydelome.fr/pdf/SriesdeFourier.pdf.
[253] Wikipdia.
Thorme de jordan wikipdia, lencyclopdie libre, Mai 2013.
URL
http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_
Jordan&oldid=92525205. [En ligne ; Page disponible le 25-mai-2013].
[254] B. Maurey. Notes de cours : analyse hilbertienne et de Fourier. 2008-2009.
http://www.math.jussieu.fr/~maurey/FourHilb/PolyFH.pdf.
[255] Bachir Bekka.
Le thorme dinversion de Fourier du point de vue des distributions.
URL http://agreg-maths.univ-rennes1.fr/documentation/docs/
Theoreme-Inversion-Fourier.pdf.
[256] Erds Lszl. Fourier transform. 2008. URL https://www.mathematik.uni-muenchen.de/
~lerdos/WS08/QM/four08.pdf.
[257] Michel Crouzeix. Complments danalyse. URL https://perso.univ-rennes1.fr/michel.
crouzeix/publis/anep.pdf.
[258] Daniel Li. Notions sur les distributions. . URL http://labomathlens.free.fr/Liens/AF/
distrib.pdf.
[259] Armen Shirikyan. Thorie des distributions et analyse de Tourier. URL http://shirikyan.
u-cergy.fr/m1cours2.pdf.
[260] Claude Zuily. lments de distributions et dquations aux drives partielles. Dunod, 2002.
[261] Sabin Lessard. Cours de processus stochastiques. 2013. URL http://www.dms.umontreal.
ca/~lessards/ProcessusStochastiquesLessard2014.pdf.
[262] Peter Young. Singular Fourier transforms and the integral representation of the Dirac delta
function. November, 2009.
[263] Daniel Cho. Mthode des lments-finis par lexemple. Avril 2010. URL http://meca.
unicaen.fr/~choi/pdf/cours-mef.pdf.
[264] Michael Reiter and Arthur Schuste. Fourier transform and Sobolev spaces. 2008. URL
http://www.mat.univie.ac.at/~stein/lehre/SoSem08/sobolev_fourier.pdf.

1612

BIBLIOGRAPHIE

[265] Norbert Heuer.

Ltcc module computation methods.
URL http://www.
ltcc.ac.uk/courses/AppliedComputationalMethods/ACM2007Chap1.pdf\
etautresfichiersdelammesrie.
[266] Arkhnor. Densit des fonctions Cinfty support compact. 2014. URL http://www.
ilemaths.net/sujet-densite-des-fonctions-c-infty-a-support-compact-587937.
html.
[267] Gilles Leborgne. Complment : espaces de Sobolev fractionnaires. 2007. URL http://ws.
isima.fr/~leborgne/IsimathDistributions/sobolev_frac.pdf.
[268] Richard B. Melrose. Lecture notes for 18.155, fall 2002. 2002. URL http://www-math.mit.
edu/~rbm/18.155-F02/Lecture-notes/node11.html.
[269] A. Munnier. Thorie des quations diffrentielles ordinaires. 2006-2007. URL http://www.
iecn.u-nancy.fr/~munnier/files/cours_edo.pdf.
[270] Olivier Debarre.
EquaDiff.pdf.

quations diffrentielles.

URL http://www.math.ens.fr/~debarre/

[271] Franck Boyer. quations diffrentielles ordinaires. 2012. URL http://www.latp.univ-mrs.

fr/~fboyer/Enseignement/Agreg/cours_EDO_Agreg_FBoyer.pdf.
[272] Kevin Quirin. Dveloppements. 2011-2012. URL http://kevin.quirin.free.fr/Trucs/
agreg/developpements.pdf.
[273] Wikipdia. quations de lotka-volterra wikipdia, lencyclopdie libre, 2015. URL http:
//fr.wikipedia.org/w/index.php?title=%C3%89quations_de_Lotka-Volterra&oldid=
113756354. [En ligne ; Page disponible le 5-juillet-2015].
[274] Gianluca Bontempi. Un cours danalyse numrique et de matlab. 2009.
http://www.ulb.ac.be/di/map/gbonte/calcul/.
[275] Wikipedia. Twos complement wikipedia, the free encyclopedia, 2016. URL https:
//en.wikipedia.org/w/index.php?title=Two%27s_complement&oldid=706335033. [Online ; accessed 6-April-2016].
[276] Wikipdia. Ieee 754 wikipdia, lencyclopdie libre, 2015. URL http://fr.wikipedia.
org/w/index.php?title=IEEE_754&oldid=120234746. [En ligne ; Page disponible le 12avril-2016].
[277] Comprendre les nombres virgules flottantes. URL http://blog.netinfluence.ch/2009/
09/24/comprendre-les-nombres-a-virgule-flottante/.
[278] Harald Schmidt. IEEE754 converter. URL http://www.h-schmidt.net/FloatConverter/
IEEE754.html.
[279] David Goldberg. What every computer scientist should know about floating-point arithmetic. 1991. URL http://docs.oracle.com/cd/E19957-01/806-3568/ncg_goldberg.
html#11655.
[280] Emmanuel Frnod. Calcul scientifique. 2011-2012. URL http://web.univ-ubs.fr/lmam/
frenod/IMG/DocEtudiant/MTH1504/calculscientifique.pdf.
[281] Michel Granget. Normes matricielles, conditionnement. URL http://math.univ-angers.
fr/~granger/ananum/Chapitre_II.pdf.
[282] Franck Boyer. Agrgation externe de mathmatiques. Analyse numrique. 14 octobre 2014. URL http://www.math.univ-toulouse.fr/~fboyer/_media/enseignements/
agreg/cours_an_agreg_fboyer_2014.pdf.

1613

BIBLIOGRAPHIE

[283] Antoine Chambert-Loir. Autour de la mthode de newton.

http://perso.univ-rennes1.fr/antoine.chambert-loir/2005-06/agreg/newton.pdf.
[284] Wikipdia. Vitesse de convergence wikipdia, lencyclopdie libre, 2014. URL http://fr.
wikipedia.org/w/index.php?title=Vitesse_de_convergence&oldid=110252913.
[En
ligne ; Page disponible le 22-mai-2016].
[285] Martin Pinto Campos. Approximations polynomiales de fonctions et et des intgrales. 21 dcembre 2006. URL DaprslecoursdeLaurenceHalpern\http://documents.lamacs.fr/
cours/macs1/cours-macs1-pinto1.pdf.
[286] Ming Yang.
Matrix decomposition.
~mya671/files/Matrix_YM_.pdf.

URL http://users.eecs.northwestern.edu/

[287] Benjamin Ambrosio. Chapitre 3 : Mthodes directes de rsolution du systme Ax b. URL

http://lmah.univ-lehavre.fr/~ambrosio/CoursMN/Chapitre3.pdf.
[288] Emmanuel Frnod. Mthodes directes de rsolution des systmes linaires. URL http:
//web.univ-ubs.fr/lmam/frenod/IMG/DocEtudiant/MTH1504/methodes-directes.pdf.
[289] Vincent Bansaye. Variables alatoires, esprance, indpendance.
http://www.cmap.polytechnique.fr/~bansaye/CoursTD2.pdf.
[290] Alfio Marazzi. There are 22 chapters in 22 files.
http://www.iumsp.ch/Unites/us/Alfio/polybiostat/ch06.pdf.
[291] Wikipdia.
Ingalit de jensen wikipdia, lencyclopdie libre, aot 2013.
URL
http://fr.wikipedia.org/w/index.php?title=In%C3%A9galit%C3%A9_de_
Jensen&oldid=90235295. [En ligne ; Page disponible le 9-aot-2013].
[292] Grard Letac. Calcul des probabilits, Deug 2ime anne. juin 2001.
http://les.mathematiques.free.fr/pdf/proba.zip.
[293] Daniel Saada. Note sur le thorme de transfert pour les variables alatoires relles. 18
octobre 2012.
http://www.les-mathematiques.net/phorum/file.php?12,file=17435,filename=th_
du_tranfert.pdf.
[294] Antonin Mac and Thomas Pradeau. Expos de matrise. Estimations de densits de probabilit. 2007. Encadr par Gilles Stoltz.
http://www.eleves.ens.fr/home/amace/travaux/exposemaitrise.pdf.
[295] Wikipedia.
Continuous mapping theorem wikipedia, the free encyclopedia,
2013.
URL http://en.wikipedia.org/w/index.php?title=Continuous_mapping_
theorem&oldid=545523937. [Online ; accessed 15-June-2013].
[296] Wikipdia. Ingalit de markov wikipdia, lencyclopdie libre, 2014. URL http:
//fr.wikipedia.org/w/index.php?title=In%C3%A9galit%C3%A9_de_Markov&oldid=
100208179. [En ligne ; Page disponible le 11-fvrier-2014].
[297] Charles Suquet. Simulation. 2005-2006.
http://math.univ-lille1.fr/~suquet/ens/Agr/simul06.pdf.
[298] Yoann Gelineau. Vecteurs gaussiens. .
http://math.univ-lyon1.fr/~gelineau/files/vecteurs_gaussiens.pdf.
[299] Wikipdia. Nombre normal wikipdia, lencyclopdie libre, avril 2013. URL http:
//fr.wikipedia.org/w/index.php?title=Nombre_normal&oldid=89848922. [En ligne ;
Page disponible le 28-avril-2013].

1614

BIBLIOGRAPHIE

[300] Wikipdia.
Thorme de glivenko-cantelli wikipdia, lencyclopdie libre.
URL
http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_
Glivenko-Cantelli&oldid=90841113. [En ligne ; Page disponible le 15-juin-2013].
[301] Vincent Rivoirard and Gilles Stoltz. Estimation de densit de probabilits. URL http:
//www.math.ens.fr/statenaction/PDF/Densite-Principal.pdf.
[302] Nils Berglund. Chanes de Markov. Dcembre 2007. URL http://www.univ-orleans.fr/
mapmo/membres/berglund/markov.pdf.
[303] Arnaud Guyader. Esprance conditionnelle et chanes de Markov. 200-2008.
http://www.sites.univ-rennes2.fr/laboratoire-statistique/AGUYADER/doc/proba/
poly.pdf.
[304] Massimiliano Gubinelli. Comportement asymptotique des martingales. 2011-2012.
http://www.ceremade.dauphine.fr/~mgubi/e1112/pd3.pdf.
[305] Jean Lacroix and Pierre Priouret. Probabilits approfondies. 2005-2006.
http://www.proba.jussieu.fr/cours/processus.pdf.
[306] Wikipedia. Optional stopping theorem wikipedia, the free encyclopedia, 2013. URL
http://en.wikipedia.org/w/index.php?title=Optional_stopping_theorem&oldid=
547547174. [Online ; accessed 14-August-2013].
[307] Nizar Touzi. Martingales en temps discret et chane de Markov. Septembre 2009. URL
http://www.cmap.polytechnique.fr/~touzi/MAP432-Poly.pdf.

Liste des notations

N
G Le sous-groupe N est normal dans G, page 85
Algbre
C 1 pU, Rn q Les applications une fois continument drivables, page 635
LpV, W q Ensemble des applications linaires de V dans W , page 272

KpAq corps contenant K et A, page 161

KrAs anneau contenant K et A, page 161

N0

les naturels non nuls :

N0 Nzt0u, page 71

Mnm lensemble des matrices n m, page 274

f

gradient de la fonction f , page 617

projV projection de V W sur V , page 346

dfa puq Application de la diffrentielle de f sur le vecteur u, page 607

f pnq

La n-ime drive de la fonction f , page 644

opxq

fonction tendant rapidement vers zro, page 645

ppq

idal engendr par p, page 131

Fp

lorsque p est premier, page 151

Fpn

corps fini pn lments, page 186

corps des fractions sur

rL : Ks degr dune extension de corps, page 161

Z, page 151

FracpAq Le corps des fractions de lanneau

A, page 151

FunpX, Y q les applications de X vers Y , page 117

SpEq Les oprateurs auto-adjoints de E, page 422

Un

Le groupe des racines ne de lunit., page 119

respP, Qq rsultat des polynmes P et Q, page 293

?
A
racine dune matrice hermitienne positive, page 717
pP q la multiplicit de par rapport P , page 145

ArXs tous les polynmes de degr fini coefficients dans A, page 141
An rXs les polynmes coefficients dans A et de degr infrieur n, page 141
B  A B divise A, page 143

CpP q matrice compagnon, page 399

E puq Espace propre de u, page 375

1615

1616

BIBLIOGRAPHIE

matB pqq matrice de q dans la base B, page 894

S ` pn, Rq matrices symtriques semi-dfinies positives, page 384

S `` pn, Rq matrices symtriques strictement dfinies positives, page 384

U pAq ensemble des inversibles, page 117

Ensembles de matrices

Opn, Rq le groupe des matrices orthogonales, page 297

pEq formes quadratiques non dgnres, page 1087
QpEq formes quadratiques relles sur E, page 417
Q` pEq formes quadratiques positives, page 1087

Q`` pEq formes quadratiques strictement dfinies positives, page 1087

S ` pn, Rq matrices symtriques dfinies positives, page 718

S `` pn, Rq matrices symtriques strictement dfinies positives, page 718

Snp,q pRq matrices symtriques relles de signature pp, qq, page 1087
psq

Vecteur unitaire de la binormale, page 952

g quivalence darcs paramtrs, page 943

psq

Vecteur unitaire de la normale principale, page 952

cpsq

rayon de courbure, page 952

tpsq

Torsion, page 953

Gomtrie
px0 : . . . : xn q coordonnes homognes dans un espace projectif, page 538
ConvpAq enveloppe convexe, page 517

CrGs combinaisons dlments de G coefficients dans C, page 773

PGLpEq groupe projectif, page 537

Bo

orthogonal dans le dual, page 278

P pEq lespace projectif de E, page 531

P1 pCq sphre de Poincarr, page 544

Chanes de Markov
pxq

li au temps de retour, page 1515

Probabilits et statistique
pXq La tribu engendre par la variable alatoire X, page 1395
a ^ b minpa, bq, page 1533
KX

matrice de covariance dun vecteur gaussien, page 1439

mpAq Ensemble des fonctions A-mesurables, page 454

Thorie des groupes
pG{Hqg classes gauche, page 103
rasp

ensemble des a ` kp, page 96

rG, Gs groupe driv, page 87

1617

BIBLIOGRAPHIE
rg, hs commutateur dans un groupe, page 87

AffpRn q Le groupe des applications affines bijectives de

gr

groupe engendr, page 85

groupe des caractres de G, page 769

rflexion par rapport x, page 732

An

groupe altern, page 109

Rn ., page 523

DpGq groupe driv, page 87

Dn

groupe didral, page 744

Gab

groupe ablianis de G, page 87

Gx

stabilisateur de x, page 102

N H produit semi-direct, page 112

Sn

le groupe symtrique, page 106

Topologie et thorie des ensembles

AA

Le complmentaire de lensemble A, page 70

BA

La frontire de lensemble A, page 320

Ac

complmentaire de A, page 70

DiampAq Diamtre de la partie A, page 592

AB diffrence symtrique, page 70

Analyse
IsompXq Le groupe des isomtries de X, page 222
! La mesure est absolument continue par rapport la mesure ., page 790
`

C 8 R, S 1 pRd q Fonctions valeurs dans les distributions., page 1306

C 8 pI, D 1 pRd qq fonctions valeurs dans les distributions, page 1251

pS, F,
q complt de lespace mesur pS, F,
q, page 447

LpE, F q Les applications linaires de E vers F , page 351

Lpnq pV, W q Lespace des applications n-linaires V n W , page 641

L

Les applications linaires continues de E vers F , page 351

Db

lensemble de critures dcimales en base b, page 333

lensemble des rels, page 78

R`

les rels positifs ou nuls, page 80

exp

exponentielle, page 1019

GLpE, F q les bijections linaires et continues, page 309

H1

dual, page 1109

lim inf an limite infrieure, page 464

lim sup an limite suprieure, page 464
Lp

espace de Lebesgue, sans les classes, page 1126

K mesures perpendiculaires, page 790

1618

BIBLIOGRAPHIE
La mesure extrieure associe la mesure , page 442

Bz ,Bz drives partielles dune fonction complexe, page 1165

projK pxq projection orthogonale de x sur y, page 1106

pAq tribu engendre par A, page 430

Dpq Les fonctions C 8 support compact sur , page 1238

S 1 pRd q espace des distributions tempres, page 1244
A2 pq espace de Bergman, page 1196
AK

orthogonal dune partie, page 1107

Cc pIq fonctions continues support compact dans I, page 1108

f g fonctions ayant des limites quivalentes, page 561

H 1 pq espace de Sobolev sur , page 1268

H 1 pIq espace de Sobolev, page 1261

H m pM q espace de Sobolev, page 1269

L1loc pIq fonctions intgrables sur les compacts de I, page 1262

Lp

espace de Lebesgue avec les classes, page 1127

Mi

La fonction x xi pxq, page 1160

Sn f

somme partielle de srie de Fourier, page 1138