Vous êtes sur la page 1sur 265

Gabriel Baudrand

Mathmatiques :
rsums du cours re e ECE 1 et 2 annes
Cours Exemples Applications Conseils

Algeria-Educ.com

Mathmatiques :
rsums du cours ECE 1re et 2e anne

Gabriel Baudrand
Professeur agrg de mathmatiques en classes prparatoires au lyce Madeleine Michelis (Amiens)

Dunod, Paris, 2008 ISBN 978-2-10-053972-7

Table des matires

Introduction
1. 2. 3. 4. 5. 6. 7. Ensembles, applications Notions de logique Signes S , P Dnombrement Formule du binme quations, inquations Polynmes Manipulation des ingalits

1 1 5 9 12 18 22 25 29 31 32 42 47 53 56 61 61 66 71 76 82 85 85 87 98 104 107 109 109

Analyse
1 tude de fonctions 1. Recherche de limites 2. Continuit 3. Calcul diffrentiel 4. Fonctions usuelles 5. Fonctions de deux variables 2 Suites et sries numriques 1. Gnralits 2. Suites numriques calculables 3. Suites un+1 = f (un ) 4. Sries numriques 5. Suites dnies implicitement 3 Calcul intgral 1. Primitives 2. Intgrale dnie 3. Intgrales gnralises 4. Sries et intgrales

Algbre linaire
4 Systmes linaires Calcul matriciel 1. Systmes linaires

III

TABLE DES MATIRES

2. Calcul matriciel 3. Un exemple despace vectoriel

114 125 131 131 138 142 144 148 153 153 156 165 173 175 175 182 186 189 197 197 200 206 208

5 Espaces vectoriels applications linaires 1. Espaces vectoriels, sous-espaces vectoriels 2. Applications linaires 3. Espace vectoriel L (E,F ), algbre L (E) 4. Noyau et image dune application linaire 5. Deux applications 6 Diagonalisation 1. Thorie du changement de base 2. Diagonalisation 3. Autres rductions Applications

Probabilits
7 Probabilit sur un ensemble ni 1. Espaces probabiliss nis 2. Variables alatoires sur un ensemble ni 3. Couple de variables alatoires nies 4. Lois nies usuelles 8 Variables alatoires discrtes 1. Espaces probabiliss quelconques 2. Variables alatoires innies discrtes 3. Couple de variables alatoires discrtes 4. Variables innies discrtes usuelles 9 Variables alatoires densit Convergences, approximations estimation 1. Gnralits 2. Variables alatoires densit usuelles 3. Convergences et approximations 4. Estimation

217 217 221 227 230 235 237 237 245 253

Informatique
10 lments dalgorithmique 1. Le langage PASCAL 2. Exemples dalgorithmes Index

IV

Mode demploi

Ce livre contient lintgralit du cours de mathmatiques pour les classes prparatoires ECE, premire et deuxime annes. Il intressera aussi les tudiants en Licence de sciences conomiques, et tous ceux qui dsirent acqurir des connaissances lmentaires mais solides en analyse, algbre linaire, probabilits. Quand on donne la dnition dun mot, celui-ci est imprim en gras. Les rsultats essentiels sont encadrs. Des lments pour la dmonstration dun rsultat sont donns quand celle-ci utilise des techniques signicatives et utiles pour la rsolution des exercices. Ces lments demandent au lecteur une participation active (rdiger compltement, faire les calculs omis), qui est la cl des progrs en mathmatiques. Les notions nouvelles sont illustres par des exemples. Ceux-ci sont signals en tant que que tels, ou par un liser en marge gauche. Ils sont inspirs par des exercices trs classiques ou provenant des annales de concours. Ils sont plus nombreux quand une grande varit de situations se prsente. Dans le mme esprit, un certain nombre dapplications sont donnes. Elles ne font pas partie du cours, mais elles en sont le prolongement naturel, et inspirent de nombreux exercices dannales. Ces caractristiques sont signales chaque fois quil est ncessaire. Sur fond gris vous trouverez des conseils dordre pdagogique : cueils viter, erreurs ne pas commettre, conseils de rdaction, remarques utiles la mmorisation.

MODE DEMPLOI

Quelques indications pour les diffrentes sections de ce livre Lintroduction expose les connaissances et techniques de base demandes par le programme. Sy ajoutent des considrations qui ne sont pas explicitement demandes, mais nanmoins indispensables : les lments de logique aideront le lecteur raisonner juste, ce qui aidera une meilleure comprhension du cours. Les rappels sur les quations, inquations, ingalits visent consolider des acquis des classes antrieures et qui prennent maintenant toute leur importance. En ce qui concerne lanalyse, la totalit du programme de terminale ES est reprise et bien sr complte. Les points les plus dlicats du programme (recherche de limites, suites rcurrentes, sries, intgrales gnralises) sont exposs progressivement et illustrs par de nombreux exemples. Pour lalgbre linaire, la difcult est dune part technique (recherche des valeurs propres et vecteurs propres), et dautre part thorique (utilisation des thormes abstraits du cours dans des situations diverses). On sest efforc de bien cerner les difcults et ici aussi de donner sufsamment de varit dans les exemples. En probabilits, on a choisi de traiter dans trois chapitres diffrents les problmes concernant les variables alatoires nies, discrtes, densit. Cela oblige quelques rptitions, mais les techniques diffrentes mises en uvre (respectivement sommes nies, sries, calcul intgral) justient une telle dmarche. On a privilgi ici les dmonstrations des rsultats du cours, ou des applications les plus typiques, car leur maitrise est essentielle pour la rsolution des exercices. Sy ajoute un chapitre sur lalgorithmique : on y trouvera les lments du langage PASCAL connatre, et quelques programmes emblmatiques. Conformment au programme, les algorithmes (rdigs en PASCAL) viennent illustrer le cours. Ils sont encadrs par un lisr pointill. Pour ce qui concerne la rpartition du travail sur les deux annes de classe prparatoire, devraient tre maitriss en n de premire anne : lintroduction ; le chapitre 1, sauf 1.1.5 ; le chapitre 2 sauf 2.3 : notion de point xe, et 2.4 : critres de convergence et sries de Riemann ; le chapitre 3 : 3.1 et 3.2, sauf sommes de Riemann et formules de Taylor ; le chapitre 4 ;
VI

MODE DEMPLOI

les chapitres 7 et 8 (uniquement loi dun couple, lois marginales et indpendance de deux v.a en ce qui concerne ltude simultane de plusieurs v.a). Pour ce qui concerne lalgorithmique, lensemble du programme est trait tout au long de la formation, lexception des algorithmes de gestion des listes, et tout ce qui concerne les v.a densit et lestimation, qui seront traits en deuxime anne.

Dans le texte, les renvois commencent toujours par le numro du chapitre ( 2.3 renvoie au chapitre 2 paragraphe 3).

VII

Introduction

Techniques de base

1. Ensembles, applications
1.1 Vocabulaire de la thorie des ensembles
x E : x est lment de E , ou x appartient E . On ne cherche pas dnir les notions primitives dlment, dappartenance, densemble. On peut distinguer deux faons de dnir un ensemble : Par extension : on donne la liste des lments de lensemble. On notera en particulier, avec n N : 0, n = {0 ; . . . ; n} Par comprhension : on donne une proprit caractristique P des lments de lensemble. Llment x appartient lensemble E si, et seulement si, il vrie la proprit P , ce que lon note P (x). Par exemple, a, b tant deux rels : [a, b] = {x | x R ; a x b} Ici la proprit P (x) est : x R et a x b . On rencontre des variantes de notation : [a, b] = {x R | a x b} = {x R ; a x b} . . . Certains ensembles ont des notations rserves : : lensemble vide (il ne contient aucun lment). N : lensemble des entiers naturels. N = {0 ; 1 ; 2 ; . . .}. N : lensemble des entiers naturels non nuls. Z : lensemble des entiers relatifs. Q : lensemble des nombres rationnels.
1

Introduction

R : lensemble des nombres rels. R+ : lensemble des nombres rels positifs ou nuls. On dnit de mme R , R+ , R . . . A, B, E tant des ensembles, on dnit : Relation dinclusion. On note A E (lire A est inclus dans E , ou A est une partie de E , ou A est un sous-ensemble de E ) si et seulement si tout lment de A est lment de E. On note aussi E A ( E contient A ).
Pour tout ensemble E, on a linclusion E. N Z Q R.

Runion de deux ensembles. On note A B (lire A union B ) lensemble ainsi dni : A B = {x | x A ou x B} Intersection de deux ensembles. On note A B (lire A inter B ) lensemble ainsi dni : A B = {x | x A et x B} Gnralisation : avec I un ensemble dindices : Ai = {x ; il existe i I tel que x Ai }
iI

Ai = {x ; pour tout i I, x Ai }
iI

Complmentaire dun ensemble dans un ensemble. Soit A E. Le complmentaire de A dans E est lensemble des lments de E qui nappartiennent pas A. On le note E \ A, ou, sil ny a pas dambigut sur lensemble E de rfrence, A (lire A barre ). Produit cartsien de deux ensembles. Le produit cartsien A B est lensembles des couples (a ; b) avec a A et b B : A B = {(a ; b) | a A et b B} On dnit de mme les produits cartsiens A B C ,. . . , et An : An = {(a1 ; ; an ) | a1 A ; ; an A} An est lensemble des suites n lments de A, ou ensemble des n-listes dlments de A (n N ). Ensemble des parties de E. On note P (E) lensemble de toutes les parties de E : P (E) = {A ; A E}

Techniques de base

Soit A, B, C des sous-ensembles de lensemble de rfrence E. On notera les rgles de calculs :

A (B C ) = (A B) (A C ) A (B C ) = (A B) (A C ) AB=AB A=A ; A= ; ; AB=AB AE =E ; AE =A

Rgles de calcul qui se gnralisent, par exemple : B


Remarquez que
iI

Ai

=
iI

( B Ai )

AB AB=B AB=A

1.2 Fonctions et applications


Dnitions Une fonction f est dnie par la donne dun ensemble de dpart E, dun ensemble darrive F, et dune relation qui un lment de E associe au plus un lment de F . Notation : f : E F, x y = f (x)
Si on a y = f (x), on dit que y est limage de x par f , et que x est un antcdent de y par f . Une application de E dans F est une fonction de E dans F telle que chaque lment de E admette une image. On note alors f (E) lensemble {f (x) ; x E}. Soit f : E F et g : F G deux applications. La compose g f est lapplication g f : E G, x g f (x) = g (f (x)). On dit quune application f : E F est : une injection, ou que f est injective, ssi tout lment de F admet au plus un antcdent : f (x) = f x x = x . une surjection, ou que f est surjective ssi tout lment de F admet au moins un antcdent : pour tout y F , il existe x E tel que y = f (x). une bijection, ou que f est bijective ssi tout lment de F admet exactement un antcdent dans E : pour tout y F , il existe x E, x unique, tel que y = f (x). On parle alors de bijection de E sur F . 3

Introduction

Exemple important Soit E un ensemble (non vide). Lapplication IdE : E E, x IdE (x) = x est appele lapplication identit de E. (Cest dailleurs une bijection.) Proprits Proposition 1. Une application est bijective ssi elle est injective et surjective. Proposition 2. Soit f une bijection de E sur F . Lapplication, note f 1 de F dans E qui tout lment y de F associe lunique lment x de E tel que f (x) = y est une bijection de F sur E, appele bijection rciproque de f : f 1 : F E, y f 1 (y) = x tel que f (x) = y Proposition 3. Une application f de E dans F est bijective ssi il existe une application g de F dans E, telle que f g = IdF et g f = IdE . On a alors g = f 1 .
Il faut bien comprendre que lensemble de dpart et darrive sont essentiels dans la dnition de lapplication ou de la fonction f . Ainsi, les applications

f 1 : R R , x x2 ;

f 2 : R R + , x x2 ;

f 3 : R + R + , x x2 sont diffrentes. f1 nest ni injective ni surjective (les nombres ngatifs nont pas dantcdent par f1 , les nombres positifs en ont deux), f2 est surjective mais pas injective, f3 est bijective.
La proposition 2 est essentielle, elle permet de dnir de nouvelles fonctions. La bijection rciproque de f3 est la fonction racine carre. Le logarithme nperien est une bijection de R+ sur R. Sa bijection rciproque est la fonction exponentielle. La proposition 3 donne alors: Pour tout rel positif x, eln x = x ; pour tout rel y, ln (ey ) = y. 4

Techniques de base

2. Notions de logique
2.1 Gnralits
Une proprit est une afrmation dont la valeur de vrit vrai (V) ou faux (F) peut dpendre de un ou plusieurs arguments, numriques ou autres. On notera P (x) si la valeur de vrit de la proposition P dpend de la valeur de largument (ou variable) x. On dit alors que x est une variable libre pour la proprit P . x tant un nombre entier, la proprit P (x) : x est un nombre premier est vraie si x = 2, fausse si x = 4.

2.2 Quanticateurs
Dnitions Soit P (x) une proprit, avec x appartenant un ensemble de rfrence E. Quanticateur existentiel. La proprit x E, P (x) est vraie si, et seulement si, il existe x appartenant E tel que la proprit P (x) soit vraie. On lit il existe x appartenant E tel que P (x) , ou pour quelque x appartenant E, P (x) . Quanticateur universel. La proprit x E, P (x) est vraie si, et seulement si, pour tout x appartenant E, la proprit P (x) est vraie. Lire quel que soit x appartenant E, P (x). Exemples Lensemble de rfrence est N. Soit les proprits P1 : x N, x 0 ; P2 (y) : x N, x y ; P3 : x N, y N, x < y ; P4 : y N, x N, x < y. P1 est vraie (tout entier naturel est suprieur ou gal 0). P2 (y) est vraie si y = 0, fausse dans tous les autres cas. P3 est vraie : tout entier naturel admet un entier qui lui est suprieur. P4 est fausse : il nexiste pas dentier naturel suprieur tous les autres. noter que lordre des quanticateurs a de limportance. Dans P3 , ni x ni y ne sont des variables libres. P3 est une proprit de N, pas de x, ni de y, qui sont ici des variables muettes. On pourrait crire P3 sous la forme : a N, b N, a < b.
5

Introduction

2.3 Oprateurs logiques


Dnitions Soit P , Q, deux proprits. La proprit P ou Q est vraie si une des deux proprits (ou les deux) est vraie, fausse si P et Q sont fausses. La proprit P et Q est vraie si les deux proprits sont vraies (simultanment), fausse si une deux proprits (ou les deux) est fausse. La proprit non P est vraie si P est fausse, fausse si P est vraie. La proprit si P, alors Q est fausse si P est vraie et Q fausse, vraie dans tous les autres cas . On dit aussi : P est une condition sufsante de Q , Pour Q, il suft que P , Q est une condition ncessaire de P , Pour P , il faut que Q , P seulement si Q , P implique Q , et on note P Q. La proprit P si et seulement si Q est vraie si P et Q ont mme valeur de vrit, fausse sinon. On dit aussi : P est une condition ncessaire et sufsante de Q , P et Q sont quivalentes , pour que Q, il faut et il suft que P , et on note P Q. On crit couramment en abrg ssi pour si et seulement si . Ces dnitions sont synthtises dans les tables de vrit : P Q P ou Q P et Q PQ PQ V V V V V V V F V F F F F V V F V F F F F F V V Rgles de calcul Les proprits suivantes sont quivalentes : non (P ou Q) et (non P ) et (non Q) ; non (P et Q) et (non P ) ou (non Q) ; non (x, P (x)) et x, non (P (x)) ; non (x, P (x)) et x, non (P (x)) ; et Q et non (P ). non (P Q)
6

Techniques de base

Les rgles de calcul ci-dessus sont utiles pour montrer quune proprit est fausse. Par exemple, pour montrer quune proprit universelle (x, P (x)) est fausse, il suft de donner un contre-exemple, cest--dire une valeur de x telle que P (x) est fausse. Utilisation La plupart des thormes et propositions du cours se prsentent comme des implications (vraies !) P implique Q , ou comme des quivalences. Le vocabulaire impliqu est dusage constant et doit tre bien compris. En particulier, on notera quune condition ncessaire peut ne pas tre sufsante, et quune condition sufsante peut ne pas tre ncessaire : ( 2.4) Pour quune srie soit convergente, il est ncessaire, mais pas sufsant, que son terme gnral tende vers 0. En dautres termes, si le terme gnral ne tend pas vers 0, alors la srie ne converge pas, mais si le terme gnral tend vers 0, la srie peut ne pas converger. ( 6.2) Pour quune matrice soit diagonalisable, il est sufsant, mais pas ncessaire, quelle soit symtrique. noter le lien avec le vocabulaire des ensembles. Avec A, B inclus dans lensemble de rfrence E, si on a A = {x|P (x)} ; B = {x | Q (x)}, alors A B = {x | P (x) ou Q (x)} ; A B = {x|P (x) et Q (x)} A = {x | non (P (x))} A B si et seulement si P (x) Q (x). Ce quon a appel ici proprits correspond ce quon appelle en langage PASCAL les variables boolennes, dont le contenu est TRUE (vrai) ou FALSE (faux). Les oprateurs logiques OR, AND, NOT correspondent aux oprateurs sur les proprits vus ici. Mais attention linstruction IF . . . THEN. . . nest pas un oprateur logique : THEN est suivie dune instruction, pas dune variable boolenne.

2.4 Quelques mthodes de raisonnement


Raisonnement par rcurrence Soit tablir quune proprit P (n) est vraie pour tout n N. On tablit que P (0) est vraie (initialisation). On suppose quil existe n N tel que P (n) est vraie (hypothse de rcurrence). On montre alors que P (n + 1) est vraie (hrdit). On conclut alors, daprs le principe de rcurrence : n N, P (n) .
7

Introduction

Le raisonnement par rcurrence doit tre considr comme un vritable guide de rdaction. Celui-ci doit tre suivi scrupuleusement et rdig soigneusement. Cela nempche pas que le cas chant la rdaction puisse tre rapide et synthtique. Voici quelques situations typiques o on fait un raisonnement par rcurrence qui ne prsente aucune difcult : ( 4.2.4) Soit A M3 (R), Xn M3,1 (R) telles que n N, Xn+1 = AXn . On montre alors par rcurrence :
n N, Xn = An Xn ( 2.3) Soit (un )nN une suite telle que n N, un+1 = f (un ), et u0 = a, avec a tel que f (a) = a. On montre alors par rcurrence : n N un = a Pour tablir lhrdit, il faut souvent utiliser une ide ou une proprit mise en vidence dans une question prcdente. Cest le cas pour le premier exemple ci-dessus (la proprit qui permet dtablir lhrdit est Xn+1 = AXn ), et dune manire tout fait typique pour ltude de suites rcurrentes grce la formule des accroissements nis (cf 2.3.3 ). Le raisonnement par rcurrence est susceptible de nombreuses variations : linitialisation peut tre faite avec n = 1. Lhrdit permet de passer de n 1 n (n N ). . . Parfois linitialisation devra porter sur les proprits P (0) , P (1) , P (2), par exemple, et pour obtenir lhrdit on supposera quil existe n N tel que P (n) , P (n + 1) , P (n + 2) sont vraies (rcurrence sur plusieurs gnrations). Ou bien on supposera quil existe n N tel que, pour tout k {0 ; ; n}, P (k) est vraie (rcurrence forte).

Raisonnement par contrapose La contrapose de la proprit P Q est la proprit non Q non P . Elles sont logiquement quivalentes, et pour tablir une implication, il peut tre plus commode dtablir sa contrapose. Pour montrer quun polynme de degr n 1 admet au plus n racines, on dmontre la contrapose : un polynme admettant plus de n racines nest pas de degr n. Voir le 6 de cette introduction. Ne pas confondre contrapose et rciproque : la rciproque de la proprit P Q est la proprit Q P : la rciproque dune implication vraie peut tre fausse.
8

Techniques de base

Limplication la srie Sun converge lim un = 0 est vraie.


n+

Sa contrapose est vraie, mais sa rciproque est fausse : la suite converge vers 0, et la srie nN 1 n diverge (voir 1.4.2).

1 n nN

Raisonnement par labsurde Pour montrer quune proprit P est vraie, on suppose quelle est fausse, et on aboutit une contradiction. On conclut alors que P est vraie. Deux matrices (voir chap. 4) A et B sont donnes, B est non nulle et AB = 0. On montre par labsurde que A nest pas inversible : pour cela on suppose que A est inversible, et de AB = 0 on tire alors A1 AB = A1 0, donc IB = 0, B = 0. Or B = 0 : contradiction, A nest pas inversible. Mentionnons aussi le raisonnement par quivalence (utilis dans la rsolution des quations) : on montre quune proprit est quivalente une proprit vraie, plus simple. Le raisonnement par analyse et synthse consiste trouver des conditions ncessaires lexistence dun objet (la solution dune quation par exemple), puis vrier si ces conditions ncessaires sont sufsantes.

3. Signes S , P
3.1 Dnitions
Soit I un sous-ensemble ni de N ou de N N. Les symboles xi ;
iI iI

xi

dsignent respectivement la somme et le produit de tous les nombres rels xi , avec i appartenant I . Cas particuliers, dutilisation trs frquente :
n n

xi = x1 + x2 + + xn
i=1

;
i=0

xi = x0 + x1 + + xn

Lire sigma de i gal 1 n des x indice i . . . Notations analogues pour le produit (lire produit de i gal 1 n. . . ).

Introduction

3.2 Rgles de calcul


Avec I ni inclus dans N, et a constante indpendante de i, on a

(xi + yi ) =
iI iI

xi +
iI

yi

axi = a
iI iI

xi

Avec n N , p N, p
n n

n (et a constante indpendante de i) :


n

a = na ;
i=1 i=0

a = (n + 1) a ;
i=p

a = (n p + 1) a

Dmonstration. La premire proprit est une consquence de la commutativit de laddition. La deuxime proprit est une mise en facteur commun. Pour les proprit suivantes, on compte combien la somme contient de termes tous gaux a. Si les xi sont des rels positifs, les yi des rels quelconques : ln
iI

xi

=
iI

ln xi

exp
iI

yi

=
iI

exp (yi )

Si I est une partie nie de N N, il sagit en fait dune somme double , quon dcompose en somme de sommes :

xi,j =
(i,j)I

xi,j =

xi,j j i}:

{i ; j,(i,j)I } {j ; (i,j)I }

{j ; i,(i,j)I } {i ; (i,j)I }

En particulier, on a, avec I = {(i, j) ; 1 i


n

xi,j =

n et 1 xi,j

i=1

j =1

j =1

i=j

Les rgles de calcul ci-dessus sont les seules retenir, et utiliser. Vous prendrez garde ne pas en inventer dautres, qui ont de bonnes chances dtre fausses. Exemple : bien se persuader quen gnral
n n n

x i yi =
i=1 i=1

xi
i=1

yi

Avec n = 2, en effet, on aura x1 y1 + x2 y2 = (x1 + x2 ) (y1 + y2 ).


10

Techniques de base

Par contre, il est vrai que


n

x i yj =

xi

n j =1

yj =
n j =1 ,

xi
i=1

n j =1

yj

i=1

j =1

i=1

(Mise en facteur de xi dans la somme n j=1 .)

puis mise en facteur de , une

Si vous tes bloqu(e) dans un calcul comportant un possibilit est dexpliciter le en question, sur le modle
n

xi = x1 + x2 + + xn
i=1

On crit les deux ou trois premiers termes de la somme, puis le dernier. Mais il faut faire attention alors que si n = 1, la somme ne comporte quand mme quun seul terme, le terme x1 . Prenez bien garde au statut des variables en prsence : Dans la somme n i=1 xi , i est une variable muette : la valeur de i nintervient pas dans la valeur de la somme. On a par exemple n n i = 1 xi = k=1 xk . Dans cette mme somme, n est une variable libre : la valeur de la somme dpend a priori de la valeur de n. Ncrivez donc pas des formules du type n i=1 xi = f (i) qui nont aucune chance dtre vraies. . .

3.3 Sommes remarquables


On retient la valeur des sommes suivantes. n est un entier naturel non nul, x un nombre rel.
n

k=
k=1 n

n (n + 1) 2 n (n + 1) (2n + 1) 6 n2 (n + 1)2 4 1 xn+1 si x = 1 1x


11

k2 =
k=1 n

k3 =
k=1 n

xk =
k=0

Introduction

Voir le 2.2.1 (suites arithmtiques) pour la dmonstration du premier rsultat, et le paragraphe 2.2.2 pour celle du dernier. Les deuxime et troisime rsultats (somme des carrs, somme des cubes) se dmontrent classiquement par rcurrence.

4. Dnombrement Formule du binme


Un ensemble non vide E est dit ni ssi il existe n N tel quil existe une bijection de E sur 1 ; n . n est alors le cardinal de E. On note Card E = n. Lensemble vide est ni, de cardinal 0. Le cardinal dun ensemble ni est simplement le nombre de ses lments. Un ensemble est dit dnombrable ssi il existe une bijection de N sur cet ensemble. Attention, les problmes de dnombrement concerne les ensembles nis !

4.1 Factorielle dun nombre entier


Dnition Pour n appartenant N, on dnit par rcurrence : 0! = 1 ; si n 1, n! = n (n 1)! Lire factorielle n . Daprs la dnition, on a 1! = 1 ; 2! = 2 1 = 2 ; 3! = 3 2 1 = 6 ; 4! = 24 ; . . . De faon gnrale, pour n 1 : n! = n (n 1) 1

La programmation de n! en langage PASCAL peut se faire de faon itrative : La programmation rcursive est ici prfrable :
12

Techniques de base

On rencontre souvent des simplications du type : (n + 1)! n! =n+1 ; = n (n 1) . . . (n k + 1) ; . . . ( n! n k)!

4.2 Formules lmentaires


Nombre de termes p et n tant des entiers naturels tels que p nombres entiers. n, de p n il y a n p + 1

Ainsi, de 1 100, il y a 100 nombres entiers, et non 99. De 100 200 il y a 200 100 + 1 = 101 nombres entiers. Nombre de suites nies
Soit n, k N . Le nombre de suites k lments dun ensemble n lments est gal nk . Soit n, k N tels que 1 k n. Le nombre de suites k lments distincts dun ensemble n lments est gal

n (n 1) . . . (n k + 1) =

n! (n k)!

Soit n N ; le nombre de suites n lments distincts de lensemble E n lments, ou permutations de E, est gal n!.

On obtient ces formules laide de reprsentations arborescentes. La premire est un cas particulier de la formule Card(A1 A2 Ak ) = Card(A1 ) Card(A2 ) . . . Card(Ak ), avec tous les Ai gaux, de cardinal n. Elle est valable mme si n ou k sont nuls, si on considre la suite vide (suite 0 lment), et avec la convention 00 = 1. De mme, en adoptant lcriture avec des factorielles, la deuxime formule reste valable mme si k ou n sont nuls. Notez que le produit n (n 1) . . . (n k + 1) comporte k facteurs (autant que de nombres de 0 k 1). La troisime formule est un cas particulier important de la deuxime, avec k = n. Une permutation dun ensemble n lments peut tre vue comme une manire dcrire dans un certain ordre les lments de cet ensemble, ou comme une bijection de 1, n sur cet ensemble.
13

Introduction

Cardinal de la runion de deux ensembles Card (A B) = Card (A) + Card (B) Card (A B) ; Si A B = , Card (A B) = Card (A) + Card (B). Formule qui se gnralise 3, 4, n ensembles sur le modle de la formule du crible, voir 7.1.2, o on remplacera les P par des Card .

4.3 Nombre de parties dun ensemble


Thorme Soit k, n N, 0 k n. Le nombre de parties k lments dun ensemble n lments est gal : n n! = k! (n k)! k
Le nombre de parties dun ensemble n lments est gal 2n :

Si Card (E) = n, alors Card (P (E)) = 2n En effet le nombre de suites k lments distincts dun ensemble n ln! ments est gal (n k)! . Mais chaque partie k lments de cet ensemble n lments est reprsente par k! permutations distinctes, do le premier rsultat. On en dduit le deuxime rsultat en utilisant la formule du binme, voir 2.4.4. n k se lit k parmi n . Cest le nombre de manires de choisir k lments parmi n, quand on ne tient pas compte de lordre du choix. Les nombres n k sont appels coefcients binomiaux, voir 2.4.4. Aprs simplications, quand 1 k n, on peut crire n n (n 1) . . . (n k + 1) = k k (k 1) . . . 1 Le numrateur et le dnominateur comportent chacun k facteurs. Vous utiliserez cette technique, et la formule calculer des valeurs particulires, par exemple 10 7
14 =
n n k

n k

, pour

10 3

10 9 8 = 720 321

Techniques de base

Proprits de nombres Soit n, k N, 0 k

n k

n 1. Alors : n = 1 n n1
=n ;

n n = =1 ; 0 n (formule de Pascal)

n nk
.

n k

n n + = k k+1

n+1 k+1

Ces formules se dmontrent en utilisant les factorielles, ou bien par des considrations de dnombrement : il est vident par exemple que n 0 = 1. Pour la formule de Pascal, considrer les parties k + 1 l+1 ments de lensemble {a1 , a2 , . . . , an , b} : il y en a n k+1 , et celles qui contiennent b sont au nombre de n k , celles qui ne contiennent pas b n sont au nombre de k+1 . Elles permettent de construire de proche en proche le triangle de Pascal, ou gure en ligne n et colonne k le nombre n k :
HH k n HH H

0 1 1 1 1 1 1 1

1 1 2 3 4 5 6

0 1 2 3 4 5 6

1 3 6 10 15

1 4 10 20

1 5 15

1 6

Programmation du triangle de Pascal jusqu la ligne n : on utilise des boucles dnies embotes. La variable dentre est , celle de sortie est de type tableau. {initialisation de la premire colonne et de la diagonale} {initialisation du reste du tableau par la formule de Pascal}
15

Introduction

{criture}

Comme autres proprits des nombres n n = k k n1 k1


n i=k p k=0

n k

, mentionnons : nk sk ;

; i k
=

n s
=

s n = k k n+1 k+1
n

; n k
2

n k

m pk

n+m p

;
k=0

2n n

Les deux premires galits stablissent trs facilement avec les factorielles. La premire est frquemment utilise. La troisime se dmontre par rcurrence sur n: la proprit est vraie pour n = 0. On la suppose vraie pour n x dans N ; pour k 0 ; n , on a alors
n+1 i=k

i k

=
i=k

i n+1 + k k

n+1 n+1 + k+1 k

n+2 k+1

(hypothse de rcurrence, puis formule de Pascal). Pour k = n + 1, la proprit est aussi vraie, lhrdit est ainsi compltement tablie. La quatrime galit est connue sous le nom de formule de Vandermonde. Elle est facile mmoriser si on pense un exemple : avec n = 8, m = 24, p = 5, le nombre de mains de 5 cartes dun jeu de 32 cartes (membre de droite de lgalit) est gal la somme des nombres de mains de 5 cartes comportant 0, 1, 2, 3, 4, 5 curs (membre de gauche ; en effet, le nombre de mains de 5 cartes comportant k curs
24 est gal 8 k 5k : on choisit k curs parmi les 8 curs du jeu de 32 cartes, puis on complte avec 5 k non-curs parmi 24 non-curs). La cinquime formule est un cas particulier de la quatrime, avec :

m = p = n, en utilisant
16

n n k

n k

Techniques de base

4.4 Formule du binme


On dmontre classiquement par rcurrence le Thorme. Pour tout a, b R, n N :
n

(a + b)n =
k=0

n n k k a b = k

n k=0

n k n k ab k

Pour les premires valeurs de n, on obtient : (a + b)0 = 1 (a + b)1 = a + b (a + b)2 = a2 + 2ab + b2 (a + b)3 = a3 + 3a2 b + 3ab2 + b3 (a + b)4 = a4 + 4a3 b + 6a2 b2 + 4ab3 + b4 Vous devez mmoriser, et savoir utiliser cette formule dans les deux sens (dveloppement ou factorisation). Voici quelques remarques pour aider cette mmorisation : Dans le dveloppement, les coefcients sont ceux de la ligne n du tableau de pascal. Le premier dveloppement est fait suivant les puissances dcroissantes de a, croissantes de b, et cest le contraire pour le deuxime dveloppement. Dans chaque terme, la somme des exposants est gale n. Quelques exemples dutilisation Pour obtenir le dveloppement de (a b)n , on crit :
n

(a b)n = (a + (b))n =
k=0

n n k a (1)k bk k

Avec a = b = 1, on obtient
n k=0

n = 2n k

ce qui dmontre que le nombre de parties dun ensemble n lments est gal 2n .
17

Introduction

Avec a = 1, b = 1, on obtient :
n

(1)k
k=0

n =0 k

ce qui montre que dans un ensemble n lments, le nombre de parties de cardinal pair et le nombre de parties de cardinal impair sont tous deux gaux, et donc gaux 2n1 . Voici un exercice de dnombrement o la formule du binme est utilise : si E est un ensemble de cardinal n, alors le nombre de couples (A, B) de parties de E telles que A B = est gal 3n . En effet, pour tout k appartenant 0, n , le nombre de parties A k lments est n k . Le choix de A tant fait, le nombre de parties B telles que A B = est 2nk , car A B = ssi B A, ssi B est une partie de A, et le nombre de parties de A est gal 2nk , A tant de cardinal n k. En faisant varier k de 0 n, on obtient un nombre de couples (A, B) qui conviennent gal
n k=0

n n k 2 = k

n k=0

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

5. quations, inquations
Rsoudre une quation dinconnue x R, cest dterminer lensemble des nombres rels par lesquels on peut remplacer linconnue x de faon obtenir une galit vraie. Dnitions analogues pour un inquation, un systme dquations.

5.1 Problmes du premier degr


Thorme (quation du premier degr). Soit a, b R, et soit S = {x R ; ax + b = 0}. Alors b si a = 0, S = ; a si a = 0 et b = 0, S = ; si a = 0 et b = 0, S = R. En particulier, lquation ax + b = 0 admet une solution unique ssi a = 0.
18

Techniques de base

Cette remarque est tout fait essentielle et trouve sa gnralisation dans les systmes dquations linaires, voir 4.1. Vous serez particulirement vigilant devant une quation telle que ax = 0 : si a = 0, lquation devient 0 x = 0, qui a une innit de solutions. Sinon lquation devient x = 0, qui a une solution unique. Signe de ax + b, Pour a = 0: x ax + b
b/a

+ signe de a

signe de (a)

5.2 Problmes du second degr


Soit a, b, c des nombres rels, avec a = 0, et soit le polynme du second degr P (x) = ax2 + bx + c . Tous les rsultats connatre dcoulent de ce calcul : b c P (x) = a x2 + x + a a
=a =a

x+

b 2a

b2 c + 2 4a a

x+

b 2a

b2 4ac 4a2

Soit D = b2 4ac (discriminant). Si D < 0, P (x) est de la forme a B2 + C avec C > 0 : P (x) ne sannule pas, ne se factorise pas dans R, est toujours du signe de a.
Si D = 0, alors P (x) = a x + 2ba , admet 2ba pour racine double, se factorise dans R, est du signe de a en dehors de la racine. Si D > 0, P (x) est de la forme a B2 C 2 = a (B C ) (B + C ). On obtient P (x) = a (x x1 ) (x x2 ) b D b + D avec x1 = ; x2 = 2a 2a P (x) admet les deux racines distinctes x1 et x2 , est factorisable dans R, est du signe de a lextrieur des racines , du signe de a lintrieur. On voit donc que pour un polynme du second degr, P (x) est factorisable par x a ssi a est racine de P (x). Ce rsultat se gnralise aux polynmes de degr suprieur, voir le 6 de cette introduction.
2

19

Introduction

Ces formules de rsolution sont relativement sophistiques, et vous devriez viter de les utiliser quand cest possible, cest--dire assez souvent : quation ax2 + c = 0 : isoler x2 , ou factoriser quand cest possible. quation ax2 + bx = 0 : factoriser par x. Racine vidente : si a + b + c = 0, alors ax2 + bx + c admet 1 c pour racine, on trouve lautre en factorisant par x 1 ; elle vaut a .

De mme, si a b + c = 0, les deux racines sont 1 (vidente) et c a . De faon gnrale, quand elles existent, la somme et le produit des c et b racines de ax2 + bx + c valent respectivement a a (dvelopper 2 a (x x1 ) (x x2 ) = ax + bx + c , puis identier). Pour dterminer la position dun nombre m par rapport aux racines de P (x), il nest pas ncessaire de dterminer celles-ci, il suft de calculer P (m), qui sera du signe de a si m est lextrieur des racines. Si lquation est coefcients entiers et b est pair, vous simplierez par 2 lexpression des racines (si elles existent).

5.3 Autres quations et inquations


Il ny a pas de thorie gnrale et qui marcherait dans toutes les situations. Contentons-nous de donner quelques principes : Problmes du type P (x) = 0, P (x) 0, o P est un polynme. On se ramne par factorisation des problmes de degr 2, en utilisant le thorme de factorisation des polynmes, voir le 6 de cette introduction. Problmes du type R1 (x) = R2 (x) , R1 (x) R2 (x), o R1 , R2 sont des fractions rationnelles, ou fonctions rationnelles, cest--dire des quotients de polynmes. On limine les dnominateurs, en suivant les prinA cipes : A B = 0 A = 0 et B = 0 ; le signe de B est dtermin par le signe de A et de B. x2 1 x2 1 0 (surtout pas quivalent x2 1 !) x1 x1 x1 (x 1) (x + 1) 0 x + 1 0 et x = 1 x ] 1, +[ \ {1} x1 Problmes irrationnels, avec prsence dun (ou plusieurs) radicaux. On isole le radical, puis on lve au carr, mais attention aux quivalences : A = B A = B2 et B 0 ; A B 0 A B2 et B 0
20

Techniques de base

Rsoudre f (x) = x, f (x) f (x) = x (x + 1)

x, avec f (x) =

x+1 x2 +1

1.

1 x2

+1

=0

x = 1 ou

x2 + 1 = 1

x = 1 ou x2 + 1 = 1 x = 1 ou x = 0 1 x2 + 1 0 f (x) x (x + 1) x2 + 1 (x + 1) 1 x2 + 1 0 1 x2 + 1 0 x2 + 1 1 x 2 + 1 1 x R

Un tableau de signes conduit nalement lensemble des solutions [1 ; + [.


Autres types dquations, comportant des fonctions logarithmes ou exponentielles.

e2x 3 ex +2 = 0 y = ex et y2 3y + 2 = 0 ex = 1 ou ex = 2 x = 0 ou x = ln 2 ex ex > 0 ex > ex x > x x > 0. Dautres techniques sont parfois ncessaires, en particulier ltude dune fonction : Pour tout x R, ex g (x) = ex 1, donc x g (x) g (x)

x + 1. En effet, avec g (x) = ex x 1, on a 0 0 0 + + do la conclusion (ltude des limites est inutile). x 1.

On montre de mme : x > 0, ln x

Vous prendrez bien garde lnonc ; la question : Rsoudre lquation f (x) = 0 est tout fait diffrente de la question Montrer que lquation f (x) = 0 admet une solution unique . Pour la premire question la valeur explicite de la solution, ou des solutions, est demande. Ce nest pas le cas de la dernire question, et il ne faut donc pas chercher exprimer cette solution.
21

Introduction

Ainsi on peut prouver par des techniques danalyse que lquation ex = x admet une solution unique, et en donner une valeur approche, mais il ne faut surtout pas chercher en donner la valeur exacte !

6. Polynmes
6.1 Dnitions
Un polynme, ou fonction polynme, est une application P de R dans R dnie par : P (x) = a0 + a1 x + + an xn o les ai sont des nombres rels. Le plus grand entier i tel que ai = 0 est appel le degr de P . On note i = d (P ). Si tous les ai sont nuls, P est le polynme nul, on convient que son degr est . On dit que le rel a est une racine de P ssi P (a) = 0. On dit que le polynme P est factorisable (ou divisible) par le polynme Q ssi il existe un polynme R tel que P (x) = Q (x) R (x).

6.2 Proprits
Proprits algbriques Si P et Q sont des polynmes, alors P + Q et PQ sont des polynmes, et on a : d (PQ) = d (P ) + d (Q) ; d (P + Q) Max (d (P) , d (Q)) ; Les rsultats sur le degr sont valables mme si un des polynmes est nul, avec la convention + b = . La compose de deux polynmes est un polynme, et on a, avec P et Q non nuls : d (P Q) = d (P ) d (Q). La drive dun polynme de degr n, n 1, est un polynme de degr n 1. Thorme de factorisation des polynmes Le polynme P (x) est factorisable par x a ssi a est racine de P : P (x) = (x a) Q (x) avec Q polynme P (a) = 0
22

Techniques de base

Si P (x) = (x a) Q (x), il est vident que P (a) = 0. On admet la rciproque (si P (a) = 0, alors P (x) est factorisable par x a). Voici quelques utilisations et consquences de ce thorme : Rsolution dquations ou dinquations de degr 3. La mise en vidence dune racine a par lnonc, ou lexistence dune racine vidente a (le plus souvent 0, 1 ou 1), permet une mise en facteur par x a, donc de faire baisser le degr . Soit P (x) = x3 + 5x2 7x + 1. Rsoudre dans R : P ( x) = 0 ; P (x) 0
P (1) = 0, donc P est factorisable par x 1, donc

P (x) = (x 1) ax2 + bx + c . Pour dterminer a, b, c , on peut dvelopper, puis procder par identication ; trouver les coefcients de proche en proche : a = 1, puis b = 6 en regroupant mentalement les deux termes en x2 du dveloppement. . . utiliser la mthode de Horner, voir plus loin. On trouve P (x) = (x 1) x2 + 6x 1 , puis P (x) = 0 x 1, 3 +

10, 3

10

laide dun tableau de signes, on trouve P (x) 0 x 3 10, 3 + 10 [1, +[ Mthode de Horner pour calculer P (a). On considre

P (x) = an xn + + a1 x + a0 Le polynme Q (x) = P (x) P (a) admet a pour racine, donc an xn + . . . a1 x + a0 P (a) = (x a) bn1 xn1 + + b1 x + b0 = bn1 xn + (bn2 abn1 ) xn1 + + (b0 ab1 ) x ab0 Par identication, on obtient le systme dquations bn1 = an bn2 abn1 = an1 ... b a b1 = a1 0 ab0 = a0 P (a)
23

Introduction

qui se rsout en cascades : bn1 = an , puis bn2 = an1 + abn1 ,. . . , b0 = a1 + ab1 , P (a) = a0 + ab0 . Disposition pratique (avec n = 3 ; les ches indiquent une multiplication par a) : a3 b2 = a3 a2 +ab2 = b1 a1 +ab1 = b0 a0 +ab0 = P (a)

La mthode de Horner se prte particulirement bien une programmation informatique et savre trs conome en temps de calcul. Les variables dentre sont (degr du polynme, de type entier), (suite des coefcients du polynme par degrs croissants, de type tableau), , de type rel. La variable de sortie est , de type rel. On compte avec cette mthode n additions et n multiplications, comparer avec la programmation directe du calcul de P (a), qui +1) multiplications et n additions. conduirait 1 + 2 + + n = n(n2
Mthode de Horner pour factoriser par x a. Dans le cas o a est une racine de P , la mthode de Horner continue de sappliquer, elle aboutit au rsultat 0, mais elle donne aussi les coefcients du polynme Q (x) tel que P (x) = (x a) Q (x). Exemple prcdent : P (x) = x3 + 5x2 7x + 1, racine 1 :

1 1

5 +1 =6

7 +6 = 1

1 +(1) =0

Do le rsultat P (x) = (x 1) x2 + 6x 1 . On dit que a est une racine dordre de multiplicit n du polynme P ssi P (x) = (x a)n Q (x), avec Q (x) polynme nayant pas a pour racine.
24

Techniques de base

Une racine simple est une racine dordre de multiplicit 1, une racine double est une racine dordre de multiplicit 2. La somme des ordres de multiplicit des racines dun polynme de degr n est au plus gale n. Un polynme de degr n 1 admet au plus n racines. Preuve par la contrapose, savoir : si un polynme admet plus de n racines, alors il nest pas degr n. Daprs le thorme de factorisation des polynmes, si le polynme admet les racines x1 , . . . , xn+1 , il est alors factorisable par (x x1 ) . . . (x xn+1 ), et par consquent il est de degr > n.

7. Manipulation des ingalits


7.1 Ingalits et oprations
Somme

ba+c b et c

b+c; 0a

a a

b b
n

a+a

b+b

En particulier, a

b + c et a c
n

b. bi

Gnralisation : i 1, n , ai

bi
i=1

ai
i=1

Pour majorer une somme, on majore chaque terme de la somme.


Produit

a c

b 0

ac

bc b b

;
0

a c aa

b 0

ac

bc

0 0

a a

bb

On peut multiplier entre elles des ingalits de mme sens portant sur des nombres positifs. Ne pas oublier de renverser lingalit quand on multiplie par un nombre ngatif. Prudence si on ne connat pas le signe du nombre par lequel on multiplie !
Oppos, inverse

b a

0<a

1 a

1 b

Les inverses des nombres positifs se rangent dans lordre inverse.


25

Introduction

Diffrence, quotient

On ne peut rien dire de gnral, et on se gardera de soustraire ou diviser membre membre des ingalits. Pour encadrer une diffrence x y, le mieux est dencadrer y, puis x + (y) : a b x y a b

a b

x a y b

ab

xy

a b

Pour encadrer un quotient de nombres positifs : 0<a 0<b x y a b 0<a 1 0< b x 1 y a 1 b


0<

a b

x y

a b

Pour majorer un quotient de nombres positifs, on majore le numrateur et on minore le dnominateur.

7.2 Ingalits et fonctions


Principe gnral. Soit f dnie sur lintervalle I , et a, b I . Alors Si f est croissante : a Si f est dcroissante : a Sif est continue et strictement croissante : a Sif est continue et strictement dcroissante : a

bf bf bf bf

(a) (a) (a) (a)

f f f f

(b) (b) (b) (b)

Dans les deux derniers cas, il y a quivalence car f est une bijection, et f 1 a mme sens de variation que f . Une fonction croissante conserve le sens des ingalits, une fonction dcroissante le renverse. b a2 b2 b a b r r ba b pour tout nombre rel r positif

0 0 0
26

a a a

Techniques de base

b ln a ln b ; a b ea eb 1 1 0<a<b > >0 a b Attention la fonction x x2 : 0 a b a2 b2 , mais a2 b2 a2 b2 , 2 2 cest--dire seulement : a b |a| |b| 2 2 b a b (et il y a quivalence). Si a 0, b 0, alors a On notera en particulier, avec b 0: x2 b b x b ; x2 b x b ou x b
noter galement, avec n entier

0<a

2: x
n

x x

10 1x
n

x 1

Ingalits et valeur absolue


|x| = Max {x, x} (le plus grand des deux nombres x, x). x si x 0 |x| = x si x 0 |x| est la distance du point x au point 0 de la droite relle :
0

| |

|a b| est la distance du point a au point b :

Pour tout x R : |x| 0, et |x| = 0 x = 0. Pour tout a, b dans R : |a + b| |a| + |b| (ingalit triangulaire). Gnralisation :
n n

ai
i=1 i=1

|ai | |a| + |b|. 27

Attention, on a seulement |a b|

Introduction

|A|

B B

|A|

BA

B ou A

Ainsi, avec > 0 :


|x x0 | < < x x0 < x0 < x < x0 +

28

Partie 1

Analyse

tude de fonctions

Vocabulaire de base
Soit f une fonction numrique de la variable relle, cest--dire une fonction de R dans R. Soit D une partie non vide de R. On dit que f est dnie sur D ssi f est une application de D dans R. Soit f une application dnie sur D. On dit que f est paire ssi x D, x D et f (x) = f (x) , impaire ssi x D, x D et f (x) = f (x). Soit I un intervalle non vide inclus dans D. On dit que f est croissante, resp. dcroissante sur I ssi, pour tout a, b dans I : a b f (a) f (b) , resp. a b f (a) f (b)
strictement croissante, resp. strictement dcroissante sur I ssi, pour tout a, b dans I :

a < b f (a) < f (b) ,

resp. a < b f (a) > f (b)

monotone sur I ssi f est croissante ou dcroissante sur I ; strictement monotone sur I ssi f est strictement croissante ou strictement dcroissante sur I ; majore par M , resp. minore par m sur I ssi x I, f (x)

resp.

x I, f (x)

M est alors un majorant et m est un minorant de f sur I . borne sur I ssi f est majore et minore sur I .
31

Partie 1 Analyse

Les paragraphes 1 5 concernent les fonctions de R dans R. Le paragraphe 6 concerne les fonctions de deux variables ( fonctions de R2 dans R).

1. Recherche de limites
1.1 Dnitions
Soit I un intervalle de R, x0 I , f une fonction dnie sur D, avec D = I ou D = I \ {x0 }, et un nombre rel. On pose lim f = ssi :
x0

> 0, a > 0,
x0

x D et |x x0 | < a |f (x) | < .

f = ssi il existe x I tel que x > x0 , et : lim +


> 0, a > 0, lim f = + ssi :
x0

0 < x x0 < a |f (x) | < . x D et |x x0 | < a f (x) > A


x0

A R, a > 0,

On dnit de faon analogue la limite gauche en x0 lim f , la limite en +, en , ces limites tant ventuellement +, . On a aussi les notations : lim+ f (x) = ; lim f (x) = . . . lim f (x) = ;
xx0 xx0 xx0 ,x>x0

La notation f (x)

xx0

savre trs pratique, mais il faut veiller ne pas

sparer les deux ches, qui nont de signication que conjointement.

1.2 Oprations sur les limites


Limites usuelles On rappelle les limites suivantes : Avec r > 0 : lim xr = + ;
x+

Avec n N , lim xn =
x x0 x+

1 =0 x+ xr + si n est pair si n est impair lim


x

lim ln x = ; lim ln x = + ;

lim ex = 0 ; lim ex = +
x+

32

Chapitre 1 tude de fonctions

Dans la suite du paragraphe, x0 , , sont des nombres rels. b, b , b sont mis la place dun des symboles x0 , x+ 0 , x0 , +, . Limite dune somme, dun produit, dun quotient Thorme. Soit f et g telles que lim f = ,
b

lim g =
b

Alors :

lim ( f + g) = +
b

lim ( fg) =
b

lim
b

f g

si de plus

=0

Si une des limites est innie ou si = 0, on a des rsultats partiels. RS signie quon utilise la rgle des signes, FI signale une forme indtermine :
lim u
b

lim v
b

lim (u + v)
b

lim (uv)
b

lim
b

=0 0 =0 0 + +

0 0 =0 0 +

0 FI +

0 0 RS FI RS FI +

v RS FI 0 0 RS 0 FI FI

Limite dune fonction compose


xb

lim f (x) = b ; lim g (y) = b lim g f (x) = b


yb xb

lim+ e x = + car lim+


x0 x0 x0

1 = + et x

y+

lim ey = +

lim e x = 0 car lim


x0

1 = et x

lim ey = 0
33

Partie 1 Analyse

Passage la limite dans les ingalits Si f Si f g, lim f = , lim g = , alors


b b

h, lim f = lim h = , alors lim g =


b b b b

Si |f (x) |

g (x) et lim g = 0, alors lim f =


b

Les deux premires formules restent valables si , {, +}. En particulier : Si f Si f


b b

appartiennent

g et lim f = +, alors lim g = + g et lim g = , alors lim f =


b b

Notons ce thorme dexistence : Soit f une fonction croissante (resp. dcroissante) et majore par M (resp. minore par m) sur lintervalle [a, b[, avec a < b +. Alors f admet une limite nie en b, et M (resp. m). Ce thorme est rapprocher du thorme analogue sur les suites numriques, voir 2.1.2. Il ne permet pas de dterminer la limite .

1.3 Ngligeabilit
Dans la suite du chapitre, on parlera de proprits vries au voisinage de b, cest--dire sur un ensemble non vide du type [a, x0 [ x0 , a si b = x0 , un intervalle (non vide) [a, +[ si b = +, ou ] ; a] si b = Dnition. On dit que f est ngligeable devant g en b , et on note f = (g), ssi
b xb

lim

f (x) =0 g (x)

La dnition adopte suppose que g ne sannule pas au voisinage de x0 . Cela ne pose pas de difcults dans la pratique.

34

Chapitre 1 tude de fonctions

Ngligeabilits classiques. Pour a > 0 : ln x =0 x+ xa ex lim a = + x+ x lim


x0

et donc ln x = (xa )
+

et donc xa = (ex )
+

lim (xa ln x) = 0

et donc ln x =
0

1 xa

Mmorisez soigneusement ces limites, elles sont dusage constant. Elles nont pas tre justies, elles font partie des connaissances de base. Au besoin, vous voquerez les ngligeabilits classiques . Vous pouvez retenir aussi, pour n N : lim xn ex = 0. On a aussi : lim
x+

xa ex

= 0 ...

1.4 quivalence
Dnition. On dit que f est quivalente g en b, et on note f g,
b

ssi

f (x) =1 xb g (x) lim

La dnition adopte suppose que g ne sannule pas au voisinage de x0 . Cela ne pose pas de difcults dans la pratique. quivalents classiques. ln x x 1 ;
1

ln (1 + h) h ;
0

ex 1 x
0

Considrer ln (1) = 1 pour montrer la premire quivalence (voir la dnition de f (x0 ) 1.3.1). Poser alors x = 1 + h pour montrer la deuxime. La troisime quivalence se dmontre en considrant exp (0) =1. Proprits u v u = v + b (v) u = v (1 + ) avec lim = 0
b b

u1 v1 u2 v2

v1 u1 u1 u2 v1 v2 ; u2 v2
35

Partie 1 Analyse

Pour tout a R tel que ua et va existent : u v ua va u v v u ; u v et v w u w

Pour tablir la premire proprit, posez

u = 1 + . Les proprits v suivantes sont des consquences directes de la dnition. La premire proprit permet de voir immdiatement des quivalents : x ln x x car ln x = (x) ; ex x2 ex car x2 = (ex )
Un polynme est quivalent en son terme de plus haut degr.
+ + x+ +

Les deux proprits suivantes signient que les quivalences passent dans les produits, les quotients, les lvations la puissance. Mais attention, vous ne devez pas croire que cest le cas pour la somme, le logarithme, lexponentielle : En 0, x2 + x3 x2 ; x2 x2 + x4 ; mais x3 x4 . En 0, 1 + x2 1 + x, mais ln 1 + x2 ln (1 + x), car ln 1 + x2 x2 , ln (1 + x) x, et, daprs la dernire proprit, si on avait ln 1 + x2 ln (1 + x), on aurait x2 x.
En +, x2 + x x2 , mais ex
2

ex ( faire le quotient).

Utilisation uv
b

lim v =
b

lim u = ; u R lim u =
b b b

Pour dterminer la limite dune fonction en un point, on peut essayer de lui trouver un quivalent plus simple, dont on cherche la limite.
Avec f (x) =

x3 , lim f = lim f = 0. + ex 1 0 3 3 x x = x2 0, donc lim f = 0 ; En effet x x0 0 e 1 0 x 3 3 x x x 0 (ngligeabilit classique), donc lim f = 0. x + + e 1 e x+

36

Chapitre 1 tude de fonctions

lim ex ln (1 + ex ) = 1 car ex ln (1 + ex ) ex ex = 1.
x

On a utilis lim e = 0 et ln (1 + y) y.
x x 0

Attention utiliser les quivalents bon escient :


x ln x = 0 car lim x ln x = 0 : les quivalents sont ici inutiles. x0 1 + x2 x0 x ln x x ln x x ln x ln x lim = 0 car = 0 : ne pas 2 2 x+ 1 + x2 + 1+x x x x0 chercher dquivalent ln en +. ln (1 + x) lim = 0 : ne pas utiliser 1 + x x : les quivalents ne x+ + x passent pas aux logarithmes. Le mieux est dcrire : lim

ln x 1 + 1 ln x + ln 1 + ln (1 + x) x = = x x x 1 ln x ln 1 + x + = x x ce qui permet de conclure.


u v et lim v =
b b

1 x

lim u = , mais deux fonctions ayant mme


b

limite ne sont pas toujours quivalentes ! Par exemple :


x0

lim 2x2 = lim x2 = 0, mais 2x2


x0 b

x2 .
b

u
b

R lim u =

: attention, lcriture u 0 na aucune


b

signication, et est proscrire absolument ! (Idem pour u +)


Rciproquement, lim u = R u .
b b

1.5 Utilisation des dveloppements limits


Dveloppements limits usuels partir de lingalit de Taylor-Lagrange ( 3.2.5), on trouve et on retient les dveloppements limits (DL) dordre n au voisinage de 0 suivants :
37

Partie 1 Analyse

est une fonction de limite nulle en 0, n N , a R. xn 2 n ( ) ex = 1 + x + x 2! + + n! + x x x2 xn ln (1 + x) = x + + (1)n+1 + xn (x) 2 n a (a 1) (a n + 1) n a (1 + x) = 1 + ax + + x + xn (x) n!


Les DL les plus frquemment utiliss sont les suivants : x2 x2 x3 + x2 (x) ; ex = 1 + x + + + x3 (x) ex = 1 + x + 2! 2! 3! x2 x2 x 3 ln (1 + x) = x + x2 (x) ; ln (1 + x) = x + + x3 (x) 2 2 3 1 2 n n ( ), noter le DL : 1 x = 1 + x + x + + x + x x qui se retrouve partir de lidentit gomtrique. On peut crire, de faon quivalente, ex = 1 + x + x2 + x2 , par exemple. Mais lcriture adopte ici semble plus maniable.
2

Pour la mmorisation, le troisime DL encadr est rapprocher de la formule du binme (le coefcient de xn comporte n facteurs en descendant partir de a, resp. de n, pour le numrateur, resp. le dnominateur). On obtient un DL au voisinage de x0 R en posant x = x0 + h, et au voisinage de en posant x = 1 h. Ainsi, avec x = 1 + h, on a x ln x = (1 + h) ln (1 + h)
= (1 + h) h =x1+ Et avec x =

h2 + h2 (h) 2

=h

h2 + h2 (h) 2

(x 1)2 + (x 1)2 (x 1) (DL en 1) 2

xe x
1

1 : h 1 1 h2 h = 1h+ + h2 (h) = 1 + + h (h) h 2 h 2 1 1 1 =x1+ ( DL en + ) + 2x x x

38

Chapitre 1 tude de fonctions

Proprits Soit le DL dordre n de f en 0 : f (x) = Pn (x) + xn (x), avec Pn polynme de degr n. Alors, si lim u = 0, on a :
0

f (u (x)) = Pn (u (x)) + (u (x))n (x) On devrait crire (u (x)), mais cela napporte aucune information, car la seule chose que lon sait de , cest que cest une fonction de limite nulle en 0. x2 x3 x 2 x4 2 + x3 (x) ; ex = 1 + + + x4 (x) 2 3 2 6 Dans le dveloppement du produit de deux DL, on ncrit pas les termes qui sont absorbs par le terme en xn (x) dont lordre est le plus petit. ln (1 x) = x ex 1 = ex = 1x 1x x2 + x2 (x) 2 x2 = 1 + x + x2 + x2 (x) + 2 1+
2

1 + x + x2 + x2 (x)

Il est inutile dcrire les autres termes

x3 x4 2 , 2 ,...

qui sont tous de la

forme x (x) et napportent donc aucune prcision supplmentaire. Il reste alors achever les calculs. Utilisation On utilise les DL dans la recherche des limites quand les quivalents savrent inoprants. 1 Prouvons que lim f = , avec, pour x R : 0 2 ex 1 x f ( x) = x2 Il sagit dune forme indtermine ; on ne peut utiliser lquivalent ex 1 x car a ne passe pas dans les sommes : le numrateur serait quivalent 0 ? Mais on peut remplacer ex par son DL, lordre 2 suft : + x2 (x) 1 x = x2 Ce qui permet de conclure. f (x) = 1+x+
x2 2 x2 2 0

+ x2 (x) 1 = + (x) x2 2

Voir dautres utilisations, 2.3.2 (thorme de prolongement de la drive), 2.4.4 (tude des branches innies).
39

Partie 1 Analyse

1.6 Autres techniques


Limite de f (x) = ln ex ex x en +. Il y a forme indtermine, on ne peut utiliser dquivalents (qui ne passent ni dans les logarithmes ni dans les sommes), et un DL ne semble pas trs naturel. Lide est dutiliser x = eln x , puis les rgles de calcul pour les logarithmes :

f (x) = ln ex ex ln ex = ln tend vers 0 quand x tend vers +.

ex ex = ln 1 e2x ex

Limite de f (x) = 4 + (x + 1)2 (x + 1) en +. Lutilisation dun DL est possible, mais la technique de la quantit conjugue est plus rapide :

4 + (x + 1)2 + (x + 1) 4 + (x + 1)2 (x + 1)2 4 = = 2 4 + (x + 1) + (x + 1) 4 + (x + 1)2 + (x + 1) tend vers 0 quand x tend vers +. Limites en + et de f (x) = x+1 . Lutilisation des quivax2 +1 lents est possible. On peut aussi mettre le terme dominant en facteur lintrieur du radical : x+1 x+1 x+1 = = x2 + 1 1 1 x2 1 + 2 |x| 1+ 2 x x ce qui permet de conclure en remplaant |x| par x ou x, puis en utilisant les quivalents.

f (x) =

4 + (x + 1)2 (x + 1)

4 + (x + 1)2 + (x + 1)

1.7 Branches innies, lments graphiques


Asymptotes Si lim f = ou lim f = ou lim f = , la droite dquation x = x0 est asymptote la courbe (asymptote verticale) (x0 R). Si lim f = b R, la droite dquation y = b est asymptote la courbe

x0 x0+ x0

(asymptote horizontale). Si f (x) = ax + b + (x) et lim = 0, la droite dquation y = ax + b est asymptote la courbe (oblique si a = 0).
40

Chapitre 1 tude de fonctions

tude systmatique dans le cas lim f =

Si lim

f (x) =0: x x Cf admet une branche parabolique de direction (Ox)

Si lim

f (x) = : x

Cf admet une branche parabolique de direction (Oy) f (x) = a R : x x dans le cas gnral : Cf a pour direction asymptotique la droite dquation y = ax si lim ( f (x) ax) = b R :
Si lim
x

Cf admet la droite dquation y = ax + b pour asymptote si lim ( f (x) ax) = :


x

Cf admet une branche parabolique de direction la droite dquation y = ax Avant de faire ltude systmatique ci-dessus, sassurer de ntre pas dans le cas f (x) = ax + b + (x) voqu plus haut. Lnonc peut demander de dterminer a, b et par identication. On peut tre amen utiliser les DL pour ltude dune branche innie.
ax +(ba)x+c b c Pour x = 1, f (x) = xx 1 = ax + b + x1 = x1 1 ( ) a = 1, b a = 0, c b = 0 ; donc f x = x + 1 + x1
2 2

On a donc une asymptote D dquation y = x+1, et Cf est au-dessus de D pour les points dabscisse > 1, en-dessous pour les points dabscisse < 1. Avec x = 1 h , au voisinage de +: f (x) = xe x =
1

1 h2 + h2 (h) 1h+ h 2 1 1 1 + =x1+ . 2x x x

1 h 1 + + h (h) h 2

D dquation y = x 1 est asymptote Cf .


41

Partie 1 Analyse

1 Au voisinage de +, Cf est au-dessus de D car 1 x x est ngligeable 1 devant 2x , qui donne donc le signe de f (x) (x 1) pour les grandes valeurs de x.

Autres lments graphiques f : D R est paire ssi x D, x D et f (x) = f (x). On tudie f sur D R+ . Dans un repre orthogonal (xOy), Cf est symtrique par rapport (Oy). f : D R est impaire ssi x D, x D et f (x) = f (x). On tudie f sur D R+ . Dans un repre orthogonal (xOy), Cf est symtrique par rapport O. Pour le trac de Cf , commencez (sil y a lieu) par placer les asymptotes, et les points tangentes remarquables, cest--dire : points tangente horizontale, points anguleux (o les drives gauche et droite sont diffrentes), voir 1.3.2 ; points dinexion si ceux-ci sont demands, voir 1.3.3. Le point dabscisse 0 de Cf (sil existe) est souvent intressant placer.

2. Continuit
2.1 Dnitions
Soit I un intervalle de R, et soit x0 I . Soit f une fonction dnie sur I . On dit que f est continue en x0 ssi lim f = f (x0 )
x0

On dnit de mme la continuit droite et gauche en x0 . f est continue en x0 ]a ; b[ ssi f continue droite et gauche en x0 . On dit que f est continue sur I ssi f est continue en tout point de I . f est continue sur [a ; b] ssi f est continue sur ]a ; b[, continue droite en b et continue gauche en a. Soit f un fonction dnie sur I \ {x0 }. On dit que f est prolongeable par continuit en x0 ssi f admet une limite nie en x0 . En posant f (x0 ) = lim f , on obtient un prolongement de f I , et ce
x0

prolongement est continu en x0 .


42

Chapitre 1 tude de fonctions

2.2 Oprations sur les fonctions continues


Thorme Les fonctions polynmes, la fonction exponentielle sont continues sur R. La fonction ln est continue sur ]0 ; + [. La fonction racine carre est continue sur [0 ; + [, ainsi que les fonctions x xr , avec r > 0. La somme, le produit, le quotient avec le dnominateur qui ne sannule pas de deux fonctions continues sur I sont des fonctions continues sur I . Si u est continue sur I et f continue sur u (I ), alors la compose f u est continue sur I . On utilise ce thorme pour montrer quune fonction est continue sur un intervalle. Il stend sans difcult au cas o f est dnie sur une runion dintervalles (R par exemple). Mais on peut tre amen revenir la dnition si la fonction f est dnie de faon particulire en un (ou plusieurs) points, ou sil y a problme de raccordement :
Dnition particulire en un point : soit f la fonction dnie sur [0 ; + [ par x ln x si x ]0 ; 1[ ]1 ; + [ ; f (0) = 0 ; f (1) = 1 f (x) = x1 f est continue sur ]0 ; 1[ ]1 ; + [ en tant que quotient de deux fonctions continues avec le dnominateur qui ne sannule pas. f est continue en 0, car lim x ln x = 0, donc
x0 0

lim f = 0 = f (0) .
f est continue en 1, car ln x x 1, donc f (x) x 1 = f (1).
1 1 x1

Donc f est continue sur [0 ; + [.

Problme de raccordement : soit f la fonction dnie sur R par f (x) = x (1 x) si x [0 ; 1] ; f (x) = 0 sinon. f est continue sur [0 ; 1] ( fonction polynme) et sur ] ; 0[ et ]1 ; + [ ( fonction polynme). f est continue en 0 car lim f = lim f = 0 = f (0). +
0 1 0 1

f est continue en 1 car lim f = lim f = 0 = f (1). + Donc f est continue sur R. 43

Partie 1 Analyse

Vous utiliserez ce thorme de faon trs prcise, mais brve : Reprer si la fonction est une somme, un produit, une compose. . . de fonctions continues et la traiter en tant que telle. Si la fonction est un quotient, ne pas oublier de mentionner et de vrier que le dnominateur ne sannule pas. Si la fonction est une compose f u, vrier que u (I ) est inclus dans un ensemble sur lequel f est continue. Exemple : x x2 + 1 est continue et (strictement) positive sur R, ln est continue sur ]0 ; + [, donc la compose x ln x2 + 1 est continue sur R.
Ne pas voquer vaguement somme, produit et quotient de fonctions continues, ou compose de fonctions continues ( compose a ici un sens prcis), ou encore les fonctions usuelles , qui ne sont pas toutes continues partout ! Enn, ne pas entrer trop dans les dtails, sous peine davoir une rdaction interminable o le risque derreur augmente. Lessentiel est que vous ayez compris comment on fabrique une fonction continue partir de fonctions continues plus simples.

2.3 Proprits des fonctions continues


Thorme des valeurs intermdiaires Limage dun intervalle par une fonction continue est un intervalle. Entre deux valeurs que prend une fonction continue sur un intervalle, la fonction prend toutes les valeurs intermdiaires. Thorme admis. Corollaire : thorme de la bijection monotone Soit f une fonction continue et strictement monotone sur lintervalle I . Alors f ralise une bijection de lintervalle I sur lintervalle J = f (I ). De plus la bijection rciproque : f 1 : J I ; y f 1 (y) = x tel que f (x) = y est continue, strictement monotone, de mme sens de variations que f . Dans un repre orhonorm, les courbes reprsentatives de f et f 1 sont symtriques par rapport la droite dquation y = x.
44

Chapitre 1 tude de fonctions

Application 1 : existence et tude dune fonction comme rciproque dune bijection. Exemple de la fonction exponentielle. On vrie les hypothses du thorme : La fonction ln est continue et strictement croissante sur lintervalle ]0 ; + [. On donne les lments ncessaires pour dterminer lintervalle darrive : lim ln x = 0, lim ln x = +.
x0 x+

On donne les conclusions, en citant le thorme utilis : Donc, daprs le thorme de la bijection monotone, La fonction ln est une bijection de ]0 ; + [ sur ] ; + [ = R. La bijection rciproque exp : R ]0 ; + [ , y exp (y) = x tel que ln x = y est continue et strictement croissante sur R. Cln et Cexp sont symtriques par rapport D dquation y = x. partir de ces lments, on peut donner le tableau de variations de la fonction exponentielle. Vous pouvez procder au mme travail de dnition et dtude de la fonction racine carre. Vous adapterez lutilisation (frquente) de ce thorme la question pose. Application 2 : existence de solutions une quation. Une grande varit de situations est possible, donnons quelques exemples : quation f (x) = k, k x dans R. Soit f (x) = ex x. On a x f (x)

0 1

+ +

f ralise une bijection de ] ; 0] sur [1 ; + [, donc, pour tout k dans ]1 ; + [, il existe un unique uk ngatif tel que f (uk ) = k. De mme il existe un unique vk positif tel que f (vk ) = k. quation f (x) = 0. On peut utiliser, en ladaptant, la proposition suivante :
45

Partie 1 Analyse

Proposition. Soit f une fonction continue et strictement monotone sur lintervalle [a ; b], avec f (a) f (b) < 0. Alors lquation f (x) = 0 admet une unique solution dans ]a ; b[.

Exemple. En tudiant f dnie par f (x) = x3 3x2 + 1, on obtient x f (x)


0 1

2
3

+ +

On applique trois fois la proposition prcdente : Sur ] ; 0], f est continue et strictement croissante, f (0) > 1 et lim f = , donc lquation f (x) = 0 admet une unique solution. Rdaction analogue pour ]0 ; 2[ et ]2 ; + [. On montre ainsi que lquation f (x) = 0 admet exactement trois solutions a, b, c , avec a < 0 < b < 2 < c . Mthode de dichotomie pour une valeur approche de la solution. On est dans les hypothses de la proposition ci-dessus. Pour xer les ides, on suppose f strictement croissante, et donc f (a) < 0 < f (b). On omet la partie dclarative du programme, y compris la dclaration de la fonction :

46

Chapitre 1 tude de fonctions

2.4 Image dun segment par une fonction continue


Un segment de R est un intervalle ferm born. Limage dun segment par une fonction continue est un segment. Si I = [a ; b], on a donc, avec f continue sur I : f (I ) = [m ; M ] . m et M sont respectivement le minimum et le maximum de f sur I . On note m = min f (t) ; M = max f (t)
t[a ; b] t[a ; b]

La dtermination de f (I ) se fait en utilisant le tableau de variations. Exemple x f (x)


2 5

0 3

3 8

5 3

En supposant f continue, limage de lintervalle [2 ; 5] est lintervalle [3 ; 8] Sans cette supposition, on pourrait afrmer seulement f ([2 ; 5]) [3 ; 8].

3. Calcul diffrentiel
3.1 Dnitions Oprations
Dnitions Soit f une fonction dnie sur lintervalle I , et x0 I . f est dite drivable en x0 ssi il existe un nombre rel not f (x0 ) tel que : f (x) f (x0 ) = f (x0 ) lim xx0 x x0
f est dite drivable sur I ssi f est drivable en tout point de I . La fonction f : I R, x0 f (x0 )

est alors la drive de f sur I . Sous rserve dexistence, on dnit la drive seconde de f : f = f . De faon gnrale, on dnit, sous rserve dexistence, la drive n-me de f par : f (0) = f ; f (n) = f (n1) si n N
47

Partie 1 Analyse

Soit n N. f est de dite de classe Cn sur I , ssi f est au moins n fois drivable sur I , la drive n-me f (n) tant continue sur I . f est dite de classe C sur I ssi f est indniment drivable sur I . Pour n N {}, Cn (I ) dsigne lensemble des fonctions de classe Cn (ou : Cn ) sur I . En particulier, C0 (I ) est lensemble des fonctions continues sur I . On dnit aussi la drive droite en x0 : f (x) f (x0 ) fd (x0 ) = lim+ x x0 xx0

sous rserve de limite nie. Dnition analogue pour la drive gauche. Quelques proprits : f drivable en x0 ]a, b[ f drivable gauche et droite en x0 , et fd (x0 ) = fg (x0 ) .
f drivable sur [a, b] f drivable sur ]a ; b[, drivable droite en a, drivable gauche en b. f est drivable en x0 ssi

f (x0 + h) = f (x0 ) + f (x0 ) h + h (h) ,

avec lim h = 0
0

(dveloppement limit dordre 1 de f en x0 ). Si f est drivable en x0 , alors f est continue en x0 . Si f est C1 sur I , alors f est drivable sur I . Les rciproques sont fausses. C0 (I ) C1 (I ) C2 (I ) . . . C (I ). Oprations
Les fonctions polynmes, la fonction exponentielle, sont de classe C sur R. Les fonctions ln, racine carre, x xr avec r > 0, sont de classe C sur ]0 ; + [. Soit n N {}. La somme, le produit, le quotient avec le dnominateur qui ne sannule pas de deux fonctions Cn sur I sont des fonctions Cn sur I . Si u est Cn sur I et f est Cn sur u (I ), alors la compose f u est Cn sur I .

On montre quune fonction f est de classe Cn sur un intervalle, en disant que f est, suivant le cas, la somme, le produit. . . de fonctions de classe Cn . Attention au cas particulier n = 1, voir 1.3.2.
48

Chapitre 1 tude de fonctions

3.2 Drive premire


Calculs a) Drives des fonctions usuelles fonction xb xx
n

drive x0 x nx x
n 1

commentaire sur R sur R si n N , R si n Z sur R, R , R+ suivant la valeur de r R sur R sur R

x xr x ln |x| x ex

x rxr 1 xe
1 x x

b) Somme, produit, quotient : soit u et v drivables sur I , a R. Alors u + v, au, uv sont drivables sur I , et (u + v) = u + v ; (au) = au ;
1 v

(uv) = u v + uv
u v

Si de plus v ne sannule pas sur I , alors 1 v


=

et
=

sont drivables sur I , et

v ; v2

u v

uvvu . v2

c) Compose : soit u drivable sur I et f drivable sur u (I ). Alors la compose x f (u (x)) est drivable sur I , de drive x u (x) f (u (x)) . d) Rciproque : si f est drivable et f ne sannule pas sur lintervalle I , alors f est une bijection dont la rciproque est drivable sur lintervalle J = f (I ), et on a, pour tout y J : f 1 (y) = 1 f f 1 (y)

Exemples de mise en uvre : Utilisation de la drive de x xr : 1 1 f (x) = ; f (x) = 2 pour x = 0 x x 1 pour x > 0 f (x) = x ; f (x) = 2 x
49

Partie 1 Analyse

(Formules demploi trs frquent.) 1 3 = x3 ; f (x) = 3x4 = 4 , x = 0 ; 3 x x 1 3 3 1 3 x, x 0. f (x) = x x = xx 2 = x 2 ; f (x) = x 2 = 2 2 f ( x) =


On retient les cas particuliers du c) :

(ur ) = u rur 1 ;

u u = ; 2 u

ln |u| =

u ; (eu ) = u eu u

Utilisation de la drive de ur : 1 f (x) = = (1 x)2 ; (1 x)2

2 (1 x)3 On utilise le b) et le c) pour montrer quune fonction est drivable (et calculer sa drive) sur un intervalle. En un point, on peut tre amen revenir la dnition : ln x si x > 0 ; f (0) = 1. f (x) = x ln x Sur ]0 ; + [, f est drivable car cest le quotient de deux fonctions drivables avec le dnominateur qui ne sannule pas. f (x) = (1) (2) (1 x)3 = En 0,
f (x)f (0) x0

= =

f (0) = 0. (On pourrait aussi crire fd (0) = 0.) Applications Application au sens de variations dune fonction Soit f drivable sur lintervalle I . 0 (resp. f 0) sur I , alors f est croissante (resp. dcroissante) Si f sur I . Si f > 0 (resp. f < 0) sur I sauf en un nombre ni de points, alors f est strictement croissante (resp. strictement dcroissante) sur I . Application aux tangentes une courbe Si f est drivable en x0 , alors la courbe reprsentative Cf admet une tangente au point dabscisse x0 . Cette tangente a pour coefcient directeur f (x0 ) et a pour quation y f (x0 ) = f (x0 ) (x x0 ).
50

1 xln x x0

0, donc f est drivable en 0, et

Chapitre 1 tude de fonctions

Ingalits des accroissements nis Soit f une fonction drivable sur [a ; b], avec a x [a ; b], m f (x) M . Alors : m (b a) f (b) f (a)

b, telle que :

M (b a)

Soit f une fonction drivable sur lintervalle I telle que x I, |f (x)| k. Alors, pour tout x1 , x2 appartenant I : |f (x1 ) f (x2 )|

k|x1 x2 |

Dans la premire ingalit des accroissements nis, on a a < b. Dans la deuxime ingalit, x1 et x2 sont dans un ordre quelconque. On parle aussi de formule des accroissements nis . Exemple dapplication : montrons que pour tout n N , 1 n+1 ln (n + 1) ln (n) 1 n

On repre quelle fonction f et quelles valeurs a, b on choisit, en comparant la formule gnrale et le rsultat obtenir. Ici, on voit que lon doit prendre f (x) = ln x, a = n, b = n + 1. On encadre f sur lintervalle choisi. Ici :

1 1 f (x) = , donc x n+1

f (x)

1 pour tout x [n ; n + 1] . n

On applique la formule, on vrie que a marche, puis on rdige. Exemple de rdaction : soit f (x) = ln x, x > 0. x [n ; n + 1], 1 1 f (x) = 1 n+1 x n, donc, daprs la formule des accroissements nis :

1 (n + 1 n) n+1 1 n+1

ln (n + 1) ln (n) ln (n + 1) ln (n)

1 (n + 1 n) n 1 n

Thorme du prolongement de la drive Soit f continue sur [a ; b], de classe C1 sur ]a ; b] et telle que f ait une limite nie en a. Alors f est de classe C1 sur [a ; b], et f (a) = .
51

Partie 1 Analyse

Si f a une limite innie en a, alors f nest pas drivable en a. Cf admet une (demi-) tangente verticale au point dabscisse a. Pour tablir que f admet une limite nie en a, on pourra tre amen utiliser les dveloppements limits : ln (1 + x) f (x) = si x ]0 ; + [ ; f (0) = 1. x f est continue sur ]0 ; + [ (quotient de fonctions continues avec le dnominateur qui ne sannule pas), et en 0 (f (x) est quivalent en 0 x (0)), donc f est continue sur [0 ; + [. x = 1, donc lim f = 1 = f
0

f est de classe C1 sur ]0 ; + [ comme quotient de fonctions de classe C1 avec le dnominateur qui ne sannule pas. Pour x > 0, on obtient x (1 + x) ln (1 + x) f (x) = x2 (1 + x) Pour passer la limite x 0, on a une forme indtermine, et on ne peut pas utiliser lquivalent de ln (1 + x) dans un somme. Mais on peut remplacer ln (1 + x) par son DL en 0 (lordre 2 suft) :

f (x) =
= =

x (1 + x) x x x
2

x2 2

+ x2 (x)

x2 ln (1 + x)
x2 2

+ x2 (x) + x2

x2 (1 + x) ( ) x2 + x2 (x) 1 2 + x = 2 x (1 + x) 1+x

La limite en 0 est gale 0, on obtient donc : f (x) tend vers 1 2 quand x tend vers 0. f est donc de classe C1 sur [0 ; + [, et f (0) = 1 2.

3.3 Drive seconde


Dnitions Soit f une fonction drivable sur lintervalle I , x0 I . On dit que f est convexe sur I ssi la courbe Cf est au-dessus de ses tangentes en tout point de I . On dit que f est concave ssi la courbe Cf est en-dessous de ses tangentes en tout point de I .
52

Chapitre 1 tude de fonctions

Le point M0 (x0 , f (x0 )) est un point dinexion de la courbe Cf ssi la tangente Cf au point dabscisse x0 traverse Cf . La tangente Cf au point dabscisse x ayant pour quation y = f (x) + f (x) (t x) , f est convexe sur I ssi, quels que soient x, t dans I : f (t) Proposition Pour f de classe C2 sur lintervalle I : f convexe f > 0. f concave f < 0. Si f sannule en changeant de signe en x0 , alors le point M0 (x0 , f (x0 )) est un point dinexion pour Cf . Exemples dapplications : La fonction exponentielle est convexe sur R. Lquation de la tangente Cexp au point dabscisse 0 est y = x + 1, on a donc :
x R,

f (x) + f (x) (t x) .

ex

x+1

La fonction ln est concave sur ]0 ; + [. Lquation de la tangente Cln au point dabscisse 1 est y = x 1, on a donc x > 0,

ln x

x1

4. Fonctions usuelles
4.1 Fonctions exponentielle et logarithme nprien
]0 ; + [ qui Dnitions. ln est la primitive de la fonction x 1 x sur sannule en 1: x 1 1 x > 0, ln (x) = , et ln 1 = 0 ; ou bien x > 0, ln x = dt x 1 t exp est la bijection rciproque de la fonction ln : exp : R R+ , y exp (y) = x On note exp (y) = ey ; e 2, 718.
53

tel que

ln x = y

Partie 1 Analyse

Proprits Visibles sur le graphique (g. 1) : ln est une bijection continue strictement croissante de R+ sur R. ln 1 = 0 ; ln x < 0 0 < x < 1 ; ln x > 0 x > 1. ln x lim ln x = ; lim ln x = + ; lim = 0. x+ x+ x x0
exp est une bijection continue strictement croissante de R sur R+ .

e0 = 1 ; ex < 1 x < 0 ; ex > 1 x > 0. ex lim ex = 0 ; lim ex = + ; lim = +. x+ x+ x x Autres proprits analytiques :
a > 0, lim xa ln x = 0 ;
x0

ln est C sur R+
a > 0, lim

ln x =0 x+ xa 1 ; x > 0, ln (x) = ; ln x x 1. 1 x lim

ex = +. x+ xa exp est C sur R. x R, exp (x) = exp (x) ; ex 1 x.


0

x R, ln (ex ) = x ; x > 0, eln x = x. Proprits algbriques : (a, b > 0 ; x, y R)

ln 1 = 0 ; ln e = 1 ln (ab) = ln a + ln b ln ln 1 a
= ln a

e0 = 1 ; e 1 = e ex+y = ex ey 1 ex ex exy = y e (ex )y = exy e x =

a = ln a ln b b ln (ax ) = x ln a

4.2 Fonctions puissances


Dnitions x R, n N : xn = x x (n facteurs) 1 0 x R , n Z : xn = x n si n < 0 ; x = 1
54

Chapitre 1 tude de fonctions


p p x R+ , p Z, q N : x q = q xp = q x q avec q y dni, pour y 0, par q y 0 et q y = y 1 1 1 1 En particulier, x 2 = x ; x 3 = 3 x ; x 2 = x

x R+ ,

rR:

xr = er ln x

Rgles de calcul chaque fois que toutes les critures sont bien dnies : 1 xr xr +r = xr xr ; xr = r ; xr r = r ; (xr )r = xrr x x r 1 1 x r xr r xx = xr x r ; = r ; = r x x x x tude
Avec n N : x xn est C sur R, de drive x nxn1 , paire si n est pair, impaire si n est impair. Avec p N :

x x
2p

0 0

+ + x

x
2p1

0 0

+ +

Avec r R \ Z, x xr est dnie sur R+ , prolongeable par continuit en 0 si r 0. Ce prolongement est de classe C1 si r 1. Dans le cas gnral (r R), les proprits de croissance et de limite de la fonction R+ R+ , x xr se voient sur le graphique (g. 2).
y y = exp (x) y=x

1 0 1

y = ln(x) x

Fig. 1.1 Fonctions exponentielle et logarithme nprien

55

Partie 1 Analyse

y r>1 r=1 0<r<1

1 r<0 0 1 x

Fig. 1.2 Fonctions puissances x xr , x > 0

4.3 Fonction partie entire


La partie entire du rel x, note Ent (x), ou x , est dnie par : Ent (x) = k k Z et k x < k + 1 (3 Ainsi, Ent , 5) = 3, Ent (4, 8) = 5, Ent (7) = 7. La fonction partie entire est continue droite en tout point de R ; mais elle nest pas continue gauche en k Z : Ent (x) = k 1 = k = Ent (k) lim
xk

La fonction Ent est donc continue sur R \ Z ; lensemble de ses points de discontinuit est Z. La fonction mantisse, m (x) = x Ent (x), donne un exemple de fonction priodique de priode 1 : x R, m (x + 1) = m (x).

5. Fonctions de deux variables


5.1 Gnralits
lments de topologie de R2 . Soit M0 = (x0 , y0 ) et M = (x, y) deux points de R2 . La distance euclidienne d (M0 , M ) est dnie par d (M0 , M ) = (x x0 )2 + (y y0 )2

Un ouvert de R2 est une partie U de R2 telle que : M0 U , a > 0 , d (M0 , M ) < a M U


56

Chapitre 1 tude de fonctions

Un ferm de R2 est une partie F de R2 telle que :


n N, (xn , yn ) F ; lim xn = x ; lim yn = y (x, y) F
n+ n+

Un ensemble born de R est une partie B de R2 telle que :


M

0, (x, y) B, d ((0, 0) , (x, y))

Ces dnitions nont pas tre mmorises. Le fait que tel ensemble soit ouvert, ferm ou born devrait vous tre prcis. Problme de loptimisation. Soit D une partie de R2 , et soit f une fonction de D dans R. On cherche dterminer les extrema locaux, ou relatifs, de f sur D, cest--dire les valeurs f (M0 ) de f telles que :
a > 0, [M D et d (M0 , M )

a f (M0 ) a f (M0 )

f (M )] f (M )]

(maximum local), ou
a > 0, [M D et d (M0 , M )

(minimum local). Si lingalit a lieu pour tout (x, y) D, on parle dextremum, de maximum, de minimum global, ou absolu. Pour laide la mmorisation, les rsultats pour les fonctions dune variable sont : Si f est continue sur lintervalle ferm born [a ; b], alors f admet un minimum et un maximum (globaux). Si f est de classe C1 sur lintervalle ouvert I , et si f (x0 ) est un extremum local, alors f (x0 ) = 0. Si f est de classe C2 sur lintervalle ouvert I , si f (x0 ) = 0 et si f (x0 ) > 0 (resp. f (x0 ) < 0), alors f (x0 ) est un minimum local (resp. un maximum local). (Attention au sens des ingalits.) Drives partielles Drives partielles dordre 1. Par dnition, sous rserve de limite nie : f f (x, y0 ) f (x0 , y0 ) (x0 , y0 ) = lim xx0 x x x0 f f (x0 , y) f (x0 , y0 ) (x0 , y0 ) = lim y y y y y0 0 On note aussi, respectivement : fx (x0 , y0 ) , fy (x0 , y0 ).
57

Partie 1 Analyse

Pratiquement, pour calculer fx (x, y), on calcule la drive de f considre comme une fonction de x, la variable y tant considre comme une constante, et de mme pour fy (x, y) : f (x, y) = xy2 + fx (x, y) = y2 + x + x3 ey + y pour y (x, y) R R

x 1 + 3x2 ey ; fy (x, y) = 2xy 2 x3 ey + 1 y y

Drives partielles dordre 2. On ritre le processus, ce qui conduit 4 drives partielles dordre 2. En procdant mthodiquement :
2f 2f f (x, y) = (x, y) ; (x, y) = 2 x x x y x 2f 2f f (x, y) = (x, y) = (x, y) ; x y x y y2 y y f (x, y) x f (x, y) y

On note aussi, respectivement, fx2 (x, y) , fyx (x, y) , fxy (x, y) , fy2 (x, y). Ainsi, pour lexemple ci-dessus, on a : fx2 (x, y) = 6xey ; fxy (x, y) = 2y fyx (x, y) = 2y 1 3x2 ey y2 2x + x3 ey y3

1 3x 2 e y ; y2

fy2 (x, y) = 2x +

5.2 Proprits
Dnitions. Soit D une partie non vide, ouverte ou ferme, de R2 , et f : D R. On dit que : f est continue en M0 D ssi
> 0, a > 0, M D et d (M0 , M ) < a d ( f (M0 ) , f (M )) < f est continue sur D ssi f est continue en tout point de D. f est de classe C1 sur D ssi les drives partielles dordre 1 de f existent et sont continues sur D. f est de classe C2 sur D ssi les drives partielles dordre 2 de f existent et sont continues sur D. Lensemble des fonctions continues (resp. de classe C1 , de classe C2 ), sur D est not C0 (D) (resp. C1 (D) , C2 (D)). 58

Chapitre 1 tude de fonctions

Oprations. Soit D une partie non vide, ouverte ou ferme, de R2 , et i {0, 1, 2}. a) Les fonctions (x, y) x et (x, y) y sont de classe Ci sur R2 . b) Soit u, v appartenant Ci (D), a R. Alors u + v, au et uv appari( ) tiennent Ci (D). u v appartient C D si de plus v ne sannule pas sur D. c) Soit u de classe Ci et f de classe Ci sur u (D). Alors la compose w u est de classe Ci sur D. Thorme de Schwarz. Si f C2 (D) , alors
2f 2f (x, y) = (x, y) y x x y

Notations de Monge. Pour f C2 (D), on note, de faon abrge : p = fx ; q = fy ; r = fx2 ; s = fyx = fxy ; t = f y2

5.3 Rsultats doptimisation


Une condition sufsante dextremum global : Soit f une fonction continue sur une partie ferme borne de R2 . Alors f admet un minimum et un maximum globaux sur D. Une condition ncessaire dextremum : Soit f de classe C1 sur louvert U de R2 , et M0 = (x0 , y0 ) U . Si f prsente un extremum en M0 , alors f f ( x 0 , y0 ) = (x0 , y0 ) = 0 x y

On dit que (x0 , y0 ) est un point critique de f . Une condition sufsante dextremum : Soit f de classe C2 sur louvert U de R2 , et M0 = (x0 , y0 ) U . Si, au point M0 , on a p = q = 0 ; rt s2 > 0 ; r < 0 (ou t < 0), alors f (M0 ) est maximum local de f . p = q = 0 ; rt s2 > 0 ; r > 0 (ou t > 0), alors f (M0 ) est minimum local de f .
59

Partie 1 Analyse

Si p = q = 0 ; rt s2 < 0, alors f (M0 ) nest pas un extremum local de f . Dans le cas o p = q = 0 ; rt s2 = 0, on ne peut rien conclure. Ces rsultats stablissent partir du dveloppement limit dordre 1 de f en (x0 , y0 ), valable pour f C1 (U ), (x0 , y0 ) U : f (x0 + h, y0 + k) = f (x0 , y0 ) + ph + qk + h2 + k2 (h, k) , et partir du dveloppement limit dordre 2 de f en (x0 , y0 ), valable pour C2 (U ), (x0 , y0 ) U : f (x0 + h, y0 + k) = f (x0 , y0 ) + ph + qk + 1 2 rh + 2shk + tk2 2 + h2 + k2 (h, k) ,

avec p, q, r, s, t pris au point (x0 , y0 ), et avec continue et nulle au point (0, 0).

60

Suites et sries numriques

1. Gnralits
1.1 Dnitions
Une suite numrique est une application de N, ou dune partie de N, dans R. Si u est une suite numrique, au lieu de u (n), on prfre crire un (lire u indice n ). un est appel le terme de rang n de la suite u. La suite u elle-mme est note (un )nN (si elle est dnie sur N), ou simplement (un ) si il ny a pas dambigut sur lensemble de dpart. Une suite est un cas particulier de fonction numrique ; on retrouve le mme vocabulaire, et en adaptant les dnitions on a : La suite u = (un )nN est dite croissante, resp. dcroissante ssi n N, un un+1 , resp. n N, un un+1 ;
monotone ssi u est croissante ou dcroissante ; majore par M , resp. minore par m ssi n N, un M, resp. n N, un

m;

M est alors un majorant, resp. m est un minorant de u ; borne ssi u est majore et minore. Pour les suites, le seul problme de limite qui se pose est la limite de un quand n tend vers + : La suite (un ) est dite convergente ssi il existe R tel que > 0, n0 N, n n0 |un | Le nombre rel est alors appel la limite de la suite (un ), et on dit que la suite (un ) converge vers . On dira souvent : (un ) tend vers .
61

Partie 1 Analyse

(un ) converge vers ssi, pour tout > 0, il ny a quun nombre ni de termes de la suite en dehors de lintervalle ] , + [. Si (un ) converge vers et si a < < b, alors, pour tous les termes de la suite partir dun certain rang : a < un < b.

1.2 Thormes de convergence


Suites monotones Thorme 1 Une suite croissante et majore est convergente. Une suite dcroissante et minore est convergente. Thorme admis. En utilisant le passage la limite dans les ingalits (voir 1.1.2 ou cidessous, 2.1.3), on peut prciser : Si une suite est croissante et majore par M , alors elle est convergente, et sa limite vrie M . Si une suite croissante nest pas convergente, alors lim un = +.
n+

Si une suite est dcroissante et minore par m, alors elle est convergente, m. Si une suite dcroissante nest pas converet sa limite vrie gente, alors lim un = .
n+

Soit x un nombre rel x dans ]0, 1[, et soit (un ) la suite dnie par
n

n N, un =
k=0

1 + xk 1,

La suite (un ) est croissante car, pour tout n N, un 0 et 1+xn+1 un donc un+1 = un 1 + xn+1 La suite (un ) est majore. Pour tout n N, un > 0, et on a
n n

ln (un ) =
k=0

ln 1 + x

k k=0

xk =

1 xn+1 1x

1 1x

(Rgles de calcul sur les logarithmes, puis utilisation de lingalit ln (1 + y) y, valable pour tout y > 1 et que lon tablit en tudiant la fonction y ln (1 + y) y, puis identit gomtrique ; la dernire majoration, vidente car 0 < x < 1, est indispensable car le majorant
62

Chapitre 2 Suites et sries numriques

de la suite ne doit pas dpendre de n.) On a donc


n N, un

e 1x
1

La suite (un ) est donc croissante et majore par M = e 1x . Elle est donc convergente, et sa limite vrie M.
Ce thorme sapplique si la suite est monotone partir dun certain rang. Ce thorme donne une condition sufsante, mais non ncessaire, pour quune suite soit convergente. En dautres termes, il existe des suites convergentes qui ne sont ni croissantes ni dcroissantes, par exemple la n suite (un )nN dnie par n N , un = (n1) , qui converge vers 0. Pour montrer quune suite est (par exemple) croissante, les techniques courantes sont :

Appliquer la dnition. Montrer que un+1 un 0 ; utiliser si un se prsente sous forme de somme, voir 2.4.3 sries . n+1 Si les termes de la suite (un ) sont positifs, montrer que uu 1; n utiliser si un se prsente sous forme de produit, comme dans lexemple prcdent : avec x > 0, on a
n

n N, un =
k=0

1 + xk > 0 ;

un+1 = 1 + xn+1 > 1 un

donc la suite (un ) est (strictement) croissante. Pour une suite du type un+1 = f (un ) ( 2.2.3) ou pour une suite dnie implicitement ( 2.2.5), voir les techniques spciques dans les paragraphes suivants.
Pour montrer quune suite est majore (par exemple), on fera grand usage des manipulations des ingalits, voir le 8 de lintroduction.

Suites adjacentes Dnition. Les deux suites (un )nN et (vn )nN sont dites adjacentes ssi une des suites est croissante, lautre dcroissante, et
n+

lim (un vn ) = 0

Thorme. Si deux suites sont adjacentes, alors elles sont convergentes et elles ont mme limite.
63

Partie 1 Analyse

Soient (un ) et (vn ) deux suites adjacentes, de limite commune , la suite (un ) tant croissante et la suite (vn ) dcroissante. On a alors u0 un vn v0 un est donc une valeur approche par dfaut, et vn une valeur approche par excs, de moins de vn un prs. Soit (un ) et (vn ) les suites dnies par (n N ) : 1 1 1 1 un = 1 + + + ln (n) ; vn = 1 + + + ln (n + 1) 2 n 2 n Les suites (un ) et (vn ) sont adjacentes. En effet, la suite (un ) est dcroissante, car pour tout n 1, 1 un+1 un = ln (n + 1) + ln (n) 0 n+1 daprs la formule des accroissements nis, applique la fonction ln sur lintervalle [n, n + 1]. On dmontre de mme que la suite (vn ) est croissante. La diffrence (un vn ) converge vers 0, en effet un vn = ln (n + 1) ln (n) = ln n+1 n
= ln 1 +

1 n

La limite commune aux suites (un ) et (vn ) est note g (constante dEuler). Pour tout n, on a un g vn ; un est donc une valeur approche n prs. par dfaut de g moins de vn un = ln n+1 Dautre part, en posant n = un g, on obtient : 1 1 1 + + + = ln (n) + g + n 2 n avec (n ) qui converge vers 0. Cela montre en particulier que la suite 1 1 de terme gnral 1 + + + tend vers + (rsultat retenir, voir 2 n 2.4.3).

1.3 Oprations sur les limites


Une suite est cas particulier de fonction numrique : lensemble de dnition de la suite est N, ou une partie de N. On peut donc utiliser toutes les connaissances et techniques du chapitre 1, grce la proposition suivante : Soit f une application dnie sur [0, +[. Si lim f (x) = , alors lim f (n) =
x+ n+

64

Chapitre 2 Suites et sries numriques

On reprend les points essentiels :


Limites classiques Avec r > 0 : lim nr = + ;
n+

lim 1r n+ n

= 0;

Avec x > 1 :

n+ n+

lim ln (n) = + lim xn = 0


= 0;
n lim xa n+ n a n

lim xn = +
n+

Avec 1 < x < 1 : Avec a > 0, x > 1 :

Ngligeabilits classiques

Avec a > 0, 1 < x < 1 :

lim ln(an) n+ n

= +

n+

lim n x = 0

Limite dune somme, dun produit, dun quotient Soit (un ) et (vn ) telles que lim un = , lim vn = . Alors
n+ n+ n+

lim (un + vn ) = + lim un vn


=

n+

lim (un vn ) =
=0

n+

si de plus

Limite de f (un )

Si lim un = et si limf = L, alors lim f (un ) = L


n+ n+

En particulier : Si lim un = R et si f est continue en , alors


n+ n+

lim f (un ) = f ( )

Passage la limite dans les ingalits n n0 , un vn ; lim un = ; lim vn =


n+ n+

n+

n n

n0, , un

vn

wn ; vn ;

n+

lim un = lim wn = lim vn =


n+ n+

n0 |un |

n+

lim vn = 0 lim un =

65

Partie 1 Analyse

quivalents. En adaptant la dnition gnrale, on dit que (un ) et n (vn ) sont quivalentes ssi lim u vn = 1. On a les mmes proprits, et la

mme utilisation pour la recherche de limite. Quand un tend vers 0, + ou , lobtention dun quivalent pour un permet dapprcier qualitativement le comportement de un : On a obtenu dans lexemple donn pour les suites adjacentes : 1 1 1 + + + = ln (n) + g + n 2 n avec g une constante et (n ) qui converge vers 0. En divisant cette galit par ln (n), on obtient 1 1 ln (n) 1 + + + 2 n n+
Ngligeabilit. En adaptant ici aussi la dnition gnrale, on dit que un est ngligeable devant vn , et on note un = o (vn ), ssi un =0 lim n+ vn

n+

2. Suites numriques calculables


2.1 Suites arithmtiques
Dnition. Soit r R. La suite (un )nN est dite arithmtique de raison r ssi n N, un+1 = un + r . On dmontre alors par rcurrence la Proposition 1. La suite (un )nN est arithmtique de raison r ssi n N, un = u0 + nr On parle galement de suite arithmtique dnie sur N : n N , un+1 = un + r . On a alors : n N , un = u1 + (n 1) r . De faon gnrale, pour tout n, p tels que un et up soient dnis : un = up + (n p) r Proposition 2. Pour une suite arithmtique (un ), on a
n

uk = n
k=1

u1 + un 2

66

Chapitre 2 Suites et sries numriques

En effet, Sn = u1 + u2 + + un = un + un1 + + u1 , et donc 2Sn = (u1 + un ) + (u1 + r + un r ) + + (un + u1 )


= n (u1 + un )

Avec uk = k, on obtient le cas particulier important, retenir :


n

k=
k=1

n (n + 1) 2

De faon gnrale, la somme de termes successifs dune suite arithmtique est gale au nombre de termes multipli par la moyenne arithmtique des termes extrmes. Le sens de variations et la limite dune suite arithmtique de raison r ne pose aucun problme : Si r > 0, la suite est strictement croissante, tend vers + ; Si r < 0, la suite est strictement dcroissante, tend vers . La suite est constante si r = 0 ;

2.2 Suites gomtriques


Dnition. Soit r un nombre rel non nul. La suite (un )nN est dite gomtrique de raison r ssi :
n N, un+1 = run

Thorme 1. La suite (un )nN est gomtrique de raison r ssi


n N, un = u0 r n

Dans le cas particulier o un = xn , avec x = 1, on a le trs important Thorme 2. Pour tout n N, et pour tout x = 1 :
n

xk = 1 + x + + xn =
k=0

1 xn+1 1x

67

Partie 1 Analyse

Pour le sens de variations et les limites, on a : Thorme 3. Si x > 1, lim xn = +. Si 1 < x < 1, lim xn = 0.
n+ n+

Si x

1, la suite (xn ) na pas de limite.

Si x > 1, la suite (xn ) est strictement croissante. Si 0 < x < 1, la suite (xn ) est strictement dcroissante. Si x < 0, la suite (xn ) nest ni croissante ni dcroissante.

Le thorme 1 est tout fait fondamental et dusage constant, voir les paragraphes suivants par exemple. De faon typique, sa dmonstration se fait par rcurrence : la proprit tablir est vraie pour n = 0, car u0 r 0 = u0 , et si il existe n N tel que un = u0 r n , alors un+1 = run = ru0 r n = u0 r n+1 , do la conclusion. On parle galement de suite gomtrique dnie sur N : n N , un+1 = run . On a alors : n N , un = u1 r n1 . De faon gnrale, pour tout n, p tels que un et up soient dnis : un = up r np La formule du thorme 2 est connue sous le nom didentit gomtrique. Elle est valable pour tout x = 1. Avec x = 1, on obtient bien sr une somme gale n + 1, car les n + 1 termes de la somme sont tous gaux 1. En mettant en facteur le premier terme, vous pouvez calculer grce au thorme 2 la somme de termes successifs dune suite gomtrique, et vous pouvez retenir la formule (valable si la raison est = 1) : Somme de termes 1 raisonnb de termes successifs dune = premier terme 1 raison suite gomtrique Voici quelques usages typiques de lidentit gomtrique. n est un entier naturel, non nul dans la premire et la dernire formule, x un nombre rel diffrent de 1 et 1 :
n n

k=1

2k = 2 n 1 ;
k=0

1 2

=2 1

1 2

n+1

68

Chapitre 2 Suites et sries numriques

k=0 n

e k =

n k=0 n

1 e
2 k

1
=

1 e 1 e

n+1

e e1

1 e

n+1

k=0 n

x =
2k k=0

x
n

1 x2 = 1 x2
k

n+1

1 x2n+2 1 x2
n

k=1

x2k+1 = x
k=1

x2

= xx2

1 x2 1 x2

= x3

1 x2n 1 x2

k Veillez ne pas confondre par exemple les sommes n k=1 4 (suscepn tible dtre calcule avec lidentit gomtrique), et k=1 k4 (qui ne se calcule pas de manire simple). On mmorise les rsultats du thorme 3 en prenant des cas particuliers : 1 1 x = 2, x = , x = , x = 2 . 2 2

Dans le thorme 3, vous retiendrez particulirement les deux premiers rsultats. Ils se dmontrent en utilisant les logarithmes ; par exemple : Si 0 < |x| < 1, |xn | = |x|n = enln|x| 0 car ln|x| < 0.
x+

2.3 Suites arithmtico-gomtriques


Thorme. Soit a = 1, b R, (un )nN telles que
n N, un+1 = aun + b.

Alors, pour tout n N : un = an (u0 ) , avec tel que


= a + b.

En effet, existe car on a suppos a = 1. En soustrayant membre membre les deux galits un+1 = aun + b, = a + b, il vient un+1 = a (un ), ce qui prouve que la suite (un ) est gomtrique de raison a, do le rsultat, en utilisant le thorme 1 du paragraphe prcdent.
69

Partie 1 Analyse

Si la suite arithmtico-gomtrique est dnie sur N , le thorme sadapte facilement, et on trouve un = an1 (u1 ).

2.4 Suites linaires rcurrentes deux termes


Thorme. Soit a, b R, (un )nN telles que n N, un+2 = aun+1 + bun On considre lquation caractristique (1) r 2 = ar + b. Si lquation (1) a deux racines r1 , r2 , alors il existe a, b N tels que : n n N, un = ar1 + br2 n Si lquation (1) a une racine double r1 , alors il existe a, b N tels que : n N, un = ar1 n + bnr1 n Pour dterminer a et b, on a besoin dinformations supplmentaires sur la suite (un ), par exemple la donne de u0 et u1 . La dmonstration de ce thorme est un bon exemple de lutilisation des outils de lalgbre linaire, voir 5.5.1. Programmation du cas particulier de la suite de Fibonacci : u0 = 1 ; u1 = 1 ; n N, un+2 = un+1 + un On doit crire un algorithme itratif. Les appels multiples dans un algorithme rcursif donnent des rsultats non souhaits. Voir 10.1.8. Le programme suivant afche les valeurs de u2 , . . . , u100 :

{criture de ui avec son rang i} {on prpare lventuelle itration suivante}

70

Chapitre 2 Suites et sries numriques

3. Suites un+1 = f (un )


3.1 Gnralits
Dnition. Dans tout le paragraphe, (un ) dsigne une suite telle que : n N, un+1 = f (un ) o f est une fonction de R dans R. Attention, les rsultats donns ne sont valables que pour les suites de ce type ! On adaptera sans peine ces rsultats au cas o la suite est dnie sur N . En gnral, lnonc admet implicitement que la suite (un ) est bien dnie (cest vident si f est dnie sur R). Si la question est pose, on rpondra au moyen dun raisonnement par rcurrence. Soit (un ) dnie par : u0 = 1 ; n N, un+1 = un + 1 un

On montre par rcurrence : n N, un existe et un > 0 ; u0 = 1 existe et u0 > 0, et si un existe et un > 0, alors un+1 = un + u1n existe et un+1 > 0. Ce qui montre que la suite (un ) est bien dnie. Sens de variation Thorme. Soit I un intervalle de R. Si n N, un I , et f est croissante sur I , alors (un )nN est monotone. On dmontre ce thorme par rcurrence, en distinguant les cas u0 u1 , u0 u1 . Si u0 u1 , on dmontre : n N, un un+1 . La proprit est vraie pour n = 0 par hypothse, et si elle vraie pour n x dans N, alors un un+1 , donc f (un ) f (un+1 ) car f est croissante, donc un+1 un+2 , et la proprit est vraie pour n + 1. On en conclut quelle est vaie pour tout n, ce qui montre que la suite (un ) est croissante. On procde de mme si u0 u1 . Ce thorme est connatre, mais il existe dautres moyens pour prouver la monotonie de (un ). Par exemple, si on sait que : x I, f (x) x ; n N, un I on obtient, sans utiliser le thorme, que (un ) est croissante, puisquon a alors : n N, un+1 = f (un ) un
71

Partie 1 Analyse

Remarque. Si f est dcroissante sur I , avec un I pour tout n, la suite (un ) nest ni croissante ni dcroissante, mais les suites (u2n ) et(u2n+1 ) sont monotones, car f f est croissante, et u2(n+1) = f f (u2n ) , u2(n+1)+1 = f f (u2n+1 )

Si f nest ni croissante ni dcroissante, le comportement de (un ) peut savrer trs complexe. On peut en faire une approche numrique. Notion de point xe Dnition. On dit que a R est un point xe de f ssi f (a) = a. Thorme. Si (un ) converge vers et f est continue en , alors est un point xe de f , cest--dire que = f ( ). On obtient ce rsultat par passage la limite dans un+1 = f (un ). En effet, si lim un = , alors lim un+1 = , et lim f (un ) = f ( ) car
n+ n+ n+

f est continue en Remarque. Ce thorme donne une condition ncessaire, mais non sufsante, pour que (un ) converge vers . Le problme est que est inconnue, donc on ne sait pas a priori si f est continue en ! On a nanmoins dans cette direction : On suppose que f continue sur R. Alors, si (un ) converge vers , est un point xe de f . On suppose que f continue sur lintervalle I = [a, b], et que tous les termes de la suite (un ) appartiennent I . Alors, si (un ) converge vers , est un point xe de f . un b pour tout n, donc si (un ) converge vers , alors En effet, a a b (passage la limite dans les ingalits). appartient donc I , f est continue en , et est un point xe de f . On peut faire le mme raisonnement avec tout intervalle I ferm.

3.2 Exemples
Une grande varit de situations est possible. Vous rpondrez aux questions poses, en cherchant comprendre leur enchanement logique. Donnons quelques indications gnrales : On montre que la suite (un ) est majore, ou minore, ou borne, en gnral par rcurrence, en utilisant les points xes de f . Lnonc propose souvent ltude du signe de f (x) x, qui fournit les points xes de f (avec f (x) x = 0), ou les intervalles I tels
72

Chapitre 2 Suites et sries numriques

que, si tous les un appartiennent I , alors (un ) est dcroissante (avec f (x) x 0), ou croissante (avec f (x) x 0).
u0 = a > 0 ; n N, un+1 = f (un ), avec f (x) = ln (1 + x). Ltude de la fonction x f (x) x montre : x > 1, f (x) x, et f (x) = x x = 0

On montre par rcurrence :


n N, un existe et un

0.

0, f (x)

x ; n N, un
n N, un+1

0, donc : = f (un ) un ,

donc (un ) est dcroissante. La suite (un ) est dcroissante et minore par 0, elle est donc conver0, et est un point xe de f , car f est contigente. Sa limite vrie nue sur lintervalle [0, +[ (attention considrer lintervalle ferm). Or f (x) = x x = 0, donc = 0. u0 = a 0 ; n N, un+1 = f (un ), avec f (x) = x ln (1 + x). On tablit par rcurrence : n N, un 0. f est continue sur [0, +[, et les points xes de f sont 0 et e 1. Donc, si (un ) converge, alors sa limite est 0 ou e 1. f est croissante sur [0, +[ et n N, un 0, donc (un ) est monotone. Si u0 > e 1, alors ln (1 + u0 ) > ln (1 + e 1) = 1, par consquent u1 = u0 ln (1 + u0 ) > u0 . La suite (un ) est donc croissante. u0 > e 1 : (un ) ne peut pas On a donc, pour tout n N, un converger ni vers e 1, ni vers 0, elle est donc divergente, et puisquelle est croissante : lim un = +.
n+

Si u0 = e 1, alors, par rcurrence : n N, un = e 1. Si 0 < u0 < e 1, alors u1 = u0 ln (1 + u0 ) < u0 . La suite (un ) est donc dcroissante, et minore par 0, donc convergente. (un ) ne peut converger u0 < e 1. (un ) converge donc vers e 1, puisque pour tout n, un vers 0. Si u0 = 0, alors, par rcurrence : n N, un = 0. (Utilisation pour obtenir une valeur approche dune solution une quation) Ltude de la fonction g dnie par g (x) = 2 x 2ex fournit : x f (x)

ln 2 1 ln2

+
73

Partie 1 Analyse

Le thorme de la bijection monotone montre alors que lquation g (x) = 0 admet deux solutions. Une delles est gale 0, lautre, r , est suprieure ln 2. On a g (1) > 0, g (2) < 0, et g est strictement dcroissante sur [ln, +[, donc 1 < r < 2. Soit (un ) dnie par u0 = 1 ; n N, un+1 = f (un ) avec f (x) = 2 1 ex f est continue sur R, donc si (un ) converge, alors sa limite vrie lquation f (x) = x ; or cette quation est quivalente g (x) = 0, donc = 0 ou = r . f est croissante sur R, donc (un ) est monotone. u1 u0 , donc (un ) est croissante. Par rcurrence : n N, un r . (un ) est croissante est majore, elle est donc convergente, et sa limite est gale r , puisque avec u0 = 1 et (un ) croissante, elle ne peut tre gale 0. un (dont on peut programmer le calcul) constitue une valeur approche de r quon ne connat pas.

3.3 Utilisation de la formule des accroissements nis


On rappelle la formule des accroissements, sous ses deux versions (voir 1.3.2) : M sur [a, b], alors Premire version : Si m f ( ) ( m ba f b) f (a) M (b a) Deuxime version : Si |f | k sur lintervalle I , alors, x1 , x2 I, | f (x1 ) f (x2 )| k|x1 x2 | Pour montrer que la suite (un ) converge vers en utilisant la formule des accroissements nis, la dmarche en gnral suivie par lnonc est la suivante : On tablit Pour tout n N, un appartient lintervalle I . Il existe appartenant I tel que f ( ) = . | f | k < 1 sur I . La formule des accroissements nis fournit alors : n N, | f (un ) f ( )| k|un |, cest--dire n N, |un+1 | k|un |
On montre alors par rcurrence : n N, |un | 74

kn |u0 |

Chapitre 2 Suites et sries numriques

En effet : |u0 | k0 |u0 | car k0 = 1, et si |un | kn |u0 | pour quelque n N, alors


|un+1 |

k |un |

kkn |u0 | = kn+1 |u0 |

Do la conclusion. 0 < k < 1, donc lim kn = 0, donc par passage la limite :


n+ n+

lim un =

Vous rpondrez bien sr aux questions de lnonc, mais la dmarche est retenir, les questions pouvant tre plus ou moins dtailles. Exemple utilisant la premire version de la formule des accroissements nis : il sagit de lalgorithme de Hron lAncien, pour la recherche de valeurs approches de x, avec ici x = 3. 3 u0 = a > 0 ; n N, un+1 = f (un ) , avec f (x) = 1 2 x+ x montre Ltude de f que le minimum de f sur ]0, +[ est atteint en 3, et gal 3 ( 3 est donc un point xe de f ). On montre par rcurrence : n N , un 3. Pour tout x 3, + : 0
3 un et 0 f nis donne alors : n N , 0

f ( x) =
1 2

1 3 1 1 2 2 x 2 sur 3, un , la formule des accroissements


3 1 un 3 , donc 2 1 un 3 2
n 1

f (un ) f

n N , 0

un+1

On obtient par rcurrence :


n N , 0

un
=0:

1 2

u1

Et comme lim

1 n 1 n+ 2

n+

lim un =

75

Partie 1 Analyse

un est donc une valeur approche par excs de 3 moins de 0, 5n2 prs. La variable va recevoir les valeurs successives u1 , u2 , u3 , . . . et la variable les valeurs successives 2 ; 1 ; 0,5 ; . . . 3 jusqu ce que son contenu soit infrieur 10 , par exemple. On afche alors , qui est une valeur approche de 3 moins de 103 prs : {n donnera le rang du terme en cours de calcul} {le terme qui convient est afch avec son rang}

En prenant u0 = a = 1, on obtient 1 n N , 0 un 3 2

n 1

1 2

n 2

4. Sries numriques
4.1 Dnitions
Soit (un )nN une suite numrique. La srie de terme gnral un , n N, est la suite des sommes partielles (Sn )nN , avec
n

Sn =
k=0

uk

La srie est dite convergente ssi la suite (Sn )nN est convergente ; la limite S de (Sn ) est alors appele la somme de la srie, et on note :
n +

S = lim

n+

uk =
k=0 k=0

uk

On adaptera sans peine ces dnitions au cas o la suite (un ) est dnie sur N , par exemple. On abrgera srie de terme gnral un , n N en srie nN un , sans prjuger de la convergence de la srie, et on veillera ne pas
76

Chapitre 2 Suites et sries numriques


confondre cette notation avec la notation + n=0 un , qui est rserve aux + sries convergentes. (Par contre on a + n=0 un = k=0 uk , n ayant le statut de variable muette.) On ne change pas la nature dune srie si on en change un nombre ni de termes, mais la valeur de la somme peut changer.

4.2 Sries usuelles


Sries gomtriques et sries gomtriques drives gomtrique
La srie de terme gnral xn , n N, converge ssi |x| < 1, et
+

x ]1, 1[ ,
k=0

xk =

1 1x

La srie de terme gnral nxn1 , n N , converge ssi |x| < 1, et


+

x ]1, 1[ ,
k=1

kxk1 =

1 (1 x)2 2, converge

La srie de terme gnral n (n 1) xn2 , n N , n ssi |x| < 1, et


+

x ]1, 1[ ,
k=2

k (k 1) xk2 =

2 (1 x)3

Dmonstration. Si |x| 1, le terme gnral des sries concernes ne tend pas vers 0, elles sont donc divergentes (voir 2.4.3). On suppose donc dans la suite |x| < 1. k xn : soit Sn (x) = n Pour la srie k=0 x . Daprs lidentit gomtrique, on a : 1 xn+1 1 Sn (x) = 1 x n+ 1 x car |x| < 1, donc xn+1 tend vers 0. Et le rsultat est tabli. Pour la srie
n

nxn1 : kxk1 =
n k=1

(1 x)
k=1

kxk1

n 1

kxk =
k=1 i=0

(i + 1) xi
i=1

ixi
77

Partie 1 Analyse

(Changement dindice i = k 1 dans la premire somme, i = k dans la deuxime.) En regroupant les termes en xi quand cest possible :
n

(1 x)
k=1

kx

k1

n 1

=1+
i=1

(i + 1 i) xi nxn = Sn1 (x) nxn

Do la conclusion par passage la limite, car (nxn ) tend vers 0. n(n 1) xn2 , on procde de mme, en multipliant la Pour la srie somme partielle par 1 x.
Vous retiendrez ces trois formules, utiles entre autres en probabilits dans ltude de la loi gomtrique, voir 8.3.1. Vous justierez leur usage en invoquant la srie gomtrique, resp. la srie gomtrique drive premire, resp. la srie gomtrique drive seconde, de raison x ]1, 1[. Pour la mmorisation, remarquez : ( ddx drivation par rapport x) d k 1 1 d = x = kxk1 et dx dx 1 x (1 x)2 d k1 1 2 d = k (k 1) xk2 et = kx 2 dx dx (1 x) (1 x)3 Pour la dmonstration de la deuxime formule, vous pouvez retenir ce calcul trs classique et souvent demand :
n

Soit fn (x) =
n k=0

xk = kxk1 =

1 xn+1 ; fn est drivable sur ]1, 1[ , et 1x 1 (n + 1) xn + nxn+1 1 2 n + (1 x) (1 x)2

fn (x) =
k=1

Remarque. On a la gnralisation suivante, que lon tablit par rcurrence : + n! x ]1, 1[ , n N , k (k 1) . . . (k n + 1) xkn = (1 x)n+1 k=n Sries de Riemann Soit a R. La srie de terme gnral ssi a > 1.
1 na , n

N , est convergente

78

Chapitre 2 Suites et sries numriques

En particulier, la srie nN 1 n (srie harmonique) est divergente, car n 1 = + comme on la montr au 2.1.3. lim k=1 k
n+

0, la srie diverge car son terme ne gnral ne tend pas vers 0, Si a voir 2.4.3. Si a > 0, on tablit le rsultat par comparaison avec une intgrale gnralise, voir 3.4. Les sries de Riemann servent trs souvent de sries de rfrence dans les critres de convergence, voir 2.4.3. Srie exponentielle Pour tout x R, la srie de terme gnral gente, de somme ex :
+ xn n! , n

N, est conver-

x R,
n= 0

xn = ex n!

1 1 1 En particulier, 1 + 1! + 2! + 3! + = e. On peut dmontrer la formule gnrale en utilisant lingalit de TaylorLagrange, voir 3.2.5. On utilise ce rsultat en probabilits, dans ltude de la loi de Poisson, voir 8.3.2.

4.3 Critres de convergence


Un critre ngatif Si la srie En effet, si
n k=0 uk nN un

converge, alors lim un = 0.


n+

un converge alors par dnition lim Sn = S R, avec


n+

Sn = ; donc un = Sn Sn1 tend vers 0 quand n tend vers +. Il sagit dun critre ngatif, il sert le plus souvent montrer quune srie nest pas convergente. On la utilis plusieurs fois dans le 4.2. Attention, si le terme gnral tend vers 0, on ne peut rien dire : la srie de terme gnral n12 converge, la srie de terme gnral 1 n diverge.
79

Partie 1 Analyse

Sries termes positifs


n n0 , 0 un vn ; vn converge un converge. n n0 , 0 un vn ; un diverge vn diverge. n n0 , un 0, vn 0 ; un vn n+ un et vn sont de mme nature (simultanment convergentes ou divergentes). n n0 , un 0, vn 0 ; un = (vn ) ; n+ vn converge un converge.

Pour tablir le premier critre, on montre que la suite des sommes n partielles Sn = 0, et majore, car n=n0 uk est croissante, car uk n n + Sn = k=n0 uk k=n0 vk k=n0 vk R. Ces critres tombent en dfaut pour les sries qui ne sont pas termes positifs. Vous signalerez donc que la srie est termes positifs, mme si cela est vident. La srie de terme gnral
n
en n2
1

,n

1, est convergente, car 1 converge (srie de Riemann) . n2

en 1, 2 n

en 0, 2 n

n+

1 , et n2

n 1

Sries termes quelconques La srie de terme gnral un est dite absolument convergente ssi la srie de terme gnral |un | est convergente. Thorme. Une srie absolument convergente est convergente. Thorme admis. On peut prciser : si la srie convergente, alors elle est convergente, et
+ + n n0

un est absolument

un
n= n0 n= n0

|un |

Attention, la rciproque de ce thorme est fausse, une srie peut tre convergente sans tre absolument convergente.
80

Chapitre 2 Suites et sries numriques

4.4 Calculs de sommes de sries


Thorme. Soit a, b deux nombres rels, et soit deux sries convergentes, de termes gnraux un , vn , n n0 . Alors la srie de terme gnral aun + bvn , n n0 , est convergente, et on a :
+ + +

(aun + bvn ) = a
n= n0 n= n0

un + b
n= n0

vn

Une combinaison linaire (voir chapitre 5) de sries convergentes est donc une srie convergente. Si la srie un diverge, alors la srie aun diverge (avec a = 0), mais attention, la somme de deux sries divergentes peut tre une srie convergente.
Soit x ]1, 1[. Montrons que la srie n 1 nxn est convergente, et calculons sa somme. Sous rserve de convergence, on a :
+ +

nx = x
n n= 1 n= 1

nxn1

Or la srie de terme gnral nxn1 , n N , est convergente, de somme 1 , car cest une srie gomtrique drive de raison x ]1, 1[. (1x)2 Donc la srie de terme gnral nxn1 , n N , est convergente, et on a:
+

nxn =
n= 1

x (1 x)2
n

2 Montrons que la srie n 1 n x est convergente et calculons sa somme. On peut montrer quil sagit dune srie convergente en utilisant les critres de convergence des sries terme positifs :

1, n2 x

0 ; n2 xn =

1 n2

car lim n4 xn = 0 car |x| < 1 ;


n+ n

est convergente (srie de Riemann) ; donc la srie n 1 n2 x est convergente, mais cela ne permet pas de calculer sa somme. Pour ce
81

1 n 2 n2

Partie 1 Analyse

calcul, on crit, sous rserve de convergence,


+ +

nx =
2 n n= 1

(n (n 1) + n) xn
n= 1 + 2 n= 2

=x

n (n 1) xn2 + x

+ n= 1

nxn1

On a donc une combinaison linaire de sries convergentes (sries gomtriques drives premires et secondes, de raison x ]1, 1[), dont les sommes sont connues ; la srie est donc convergente, et tous calculs faits on trouve + x (x + 1) n2 xn = (1 x)3 n= 1 On peut aussi obtenir la somme dune srie quand les sommes partielles se prtent des simplications ( dominos , tlscopage ).
1 Montrons que la srie k 2 k(k1) est convergente, et calculons sa somme, en revenant la dnition. La somme partielle de rang n est : n

Sn =
k=2

1 = k (k 1) 1 2 +

n k=2

1 1 k1 k
+

1 1 2 3
+ k=2

1 1 n1 n

=1

1 n

Par consquent la srie est convergente, et 1 =1 k (k 1)

5. Suites dnies implicitement


On entend par l les suites (un ) o un est dni par une condition du type fn (un ) = 0. Il sagit dun thme dexercices, aucune connaissance spcique nest ncessaire. Les outils utiliss sont : le thorme de la bijection monotone, pour prouver lexistence et lunicit de un ; le sens de variations de fn , pour majorer (ou minorer) un . Par exemple si fn est strictement croissante, fn (0) < 0 et fn (1) > 0, alors 0 < un < 1 ;
82

Chapitre 2 Suites et sries numriques

le sens de variations de fn peut permettre aussi dtudier le sens de variations de (un ). En effet, supposons par exemple que fn est strictement croissante pour tout n, et que fn+1 (un ) > 0. On a alors : fn+1 (un+1 ) = 0 ; fn+1 (un ) > 0 ; fn+1 strictement croissante ; donc un > un+1 , et (un ) est strictement dcroissante. Un tableau de variation peut aider lintuition :

x fn+1 (x)

un+1 0

un >0

la dnition mme de un par la condition fn (un ) = 0. On ne cherchera pas dterminer une expression explicite de un , moins que cela ne soit demand par lnonc.

Pour n N , le thorme de la bijection monotone appliqu fn : x x5 + nx 1 montre quil existe un unique rel un tel que fn (un ) = 0. 1 fn (0) = 1 < 0, fn 1 n = n5 > 0, fn est strictement croissante, donc 1 0 < un < n , et par encadrement : (un ) converge vers 0. Pour tout n 1, fn+1 (un ) = un > 0, fn+1 (un+1 ) = 0, fn+1 est strictement croissante, donc un+1 < un , la suite (un ) est dcroissante. 5 fn (un ) = u5 n + nun 1 = 0, donc nun = 1 un tend vers 1 quand n 1 tend vers +, donc un est quivalent n quand n tend vers +. partir de u5 n + nun 1 = 0, on peut alors obtenir un quivalent de 1 u quand n tend vers + : n n 1 u5 n + un = 0 ; n n u5 1 un = n n n
n+

1 n6

83

Calcul intgral

1. Primitives
Dnition. Soit f une fonction dnie sur lintervalle I . On dit que F : I R est une primitive de f sur I ssi
x I, F (x) = f (x)

Proprits Si f est continue sur lintervalle I , alors f admet des primitives sur I . Soit F et G deux primitives de f sur I . Alors il existe k R tel que
x I, G(x) = F (x) + k Soit f continue sur lintervalle I , x0 I , y0 R. Alors il existe une unique primitive F de f sur I tel que F (x0 ) = y0 .

La premire proprit est admise. On dmontre la deuxime proprit laide de lingalit des accroissements nis applique H = F G sur I . La troisime proprit se dduit de la deuxime.

85

Partie 1 Analyse

Calcul des primitives a) Primitives des fonctions usuelles fonction xa primitive x ax xr +1 r+1 commentaire sur R sur tout intervalle o la fonction x xr est continue, et donc sur : R si r est un entier naturel R+ et R si r est un entier relatif < 1 R+ si r est un rel positif non entier R+ si r est un rel ngatif non entier sur R+ et R sur R

x xr

1 x x ex x Exemples :

x ln |x| x ex

x2 2 1 1 + Sur R et R , une primitive de x 2 est x x x 1 Sur R+ , une primitive de x est x 2 x x


Sur R, une primitive de x x est x Sur R+ , une primitive de x

x = x 2 est x

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

Vous devriez retenir sans peine les trois premires formules (dusage trs frquent), car vous avez souvent driv les fonctions x2 , 1 x, x ! b) Rgles de calcul fonction u v au + bv u f (u) primitive U V aU + bV F (u) commentaire u continue sur lintervalle I v continue sur I sur I , avec a, b constantes I sur I , avec u C1 (I ) et f continue sur u(I ), de primitive F

86

Chapitre 3 Calcul intgral

Exemples dutilisation de la dernire formule. Sur tout intervalle o la fonction intgrer (cest--dire dont on cherche une primitive) est continue : ur +1 (r R \ {1}). Une primitive de u ur est r+1 En particulier : u2 Une primitive de u u est . 2 1 u Une primitive de 2 est . u u u Une primitive de est 2 u. u u Une primitive de est ln |u|. u Une primitive de u eu est eu . Ici aussi formules demploi trs frquent, mettre en parallle res1 1 x pectivement avec les primitives des fonctions xr , x, x12 , , ,e . x x

2. Intgrale dnie
2.1 Dnition, interprtation graphique
Soit : f une fonction continue, positive et croissante sur lintervalle I ; a, x, x0 I tels que a x0 < x ; F (x) laire du domaine plan limit par laxe des abscisses, les droites dquation t = a, t = x et la courbe reprsentative de f .
y

On voit sur le dessin, en se souvenant de la formule qui donne laire dun rectangle, que f (x0 )(x x0 ) F (x) F (x0 ) f (x)(x x0 )
87

Partie 1 Analyse

Par consquent f (x0 ) F (x) F (x0 ) x x0 f (x)

f est continue en x0 , donc en passant la limite dans cette double ingalit, on obtient Fd (x0 ) = f (x0 ). On obtient de la mme manire Fg (x0 ) = f (x0 ), donc F (x0 ) = f (x0 ) en tout x0 I . F est donc la primitive de f sur [a, b] qui sannule en a. On est conduit ainsi donner la dnition suivante : Dnition. Soit I un intervalle, a et b deux lments de I , et f une fonction continue sur I . Lintgrale de a b de la fonction f est le nombre rel dni par :
b a

f (t) dt = F (b) F (a)

o F est une primitive de f sur I . f est continue sur I , donc admet des primitives. Deux primitives de f sur I diffrent dune constante, la valeur de lintgrale ne dpend donc pas de la primitive choisie. On lit somme de a b de f (t)dt . Ne pas omettre le symbole diffrentiel dt , qui indique la variable dintgration t.
Dans lcriture a f (t) dt, t est une variable muette, a et b sont des variables libres. La valeur de lintgrale ne dpend pas de t, mais dpend a priori de a et b. Ainsi
b a b

f (t) dt =
a

f (x) dx

Interprtation en termes daire. Soit f une fonction continue et positive ou nulle sur lintervalle [a, b]. Le plan est rapport au repre orthogonal O ; i, j . Alors lintgrale a f (t) dt est gale laire du domaine plan limit par laxe des abscisses (Ox), les droites dquation y = a, y = b, et la courbe dquation y = f (x). Cette aire est exprime en units daire (u.a), aire du rectangle de cots i , j . Attention aux hypothses a b et f 0. Si elles ne sont pas vries, le rsultat ne subsiste pas, voir 3.3.4.
88
b

Chapitre 3 Calcul intgral

2.2 Calculs dintgrales


Intgration vue On crit
b

f (t) dt = [F (t)]b a = F (b) F (a)

o F est une primitive de f sur I , avec a et b dans I . 1 e 0 u u Une primitive de u e est e . Ici u = t , u = 1 , et = u eu , do le rsultat. 1 1 x 1 1 2 dx = ln x + 1 = ln 2 2 2 2 0 x +1 0

e t d t = e t

1 0

= e1 e0 = 1

On repre que la fonction intgrer est de la forme k u u , dont une 2 primitive est k ln |u|. Ici u = x + 1 > 0, u = 2x, k = 1 2 , do le rsultat. Mme principe pour
1 0

x x2 + 1
2

dx =
u u2

1 1 2 x2 + 1
1 u.

=
0

1 4

On commence par crire x21 Une primitive de est +1 dans le crochet, on drive mentalement, et on ajuste la constante multiplicative. 1 1 x dx = x2 + 1 = 1 0 x2 + 1 0 1 1 t t2 1 1 2 + + 2e3t 1 dt = + ln (2t + 1) + e3t t 2 2t + 1 4 2 3 0 0 On trouve une primitive dune somme en prenant une somme de primitives, une primitive de au (a constante) en multipliant une primitive 3 2e3 13 de u par a. Tous calculs fait on trouve ln 3 + 3 12 . Intgration par parties Soit I un intervalle, a et b deux lments de I , u et v deux fonctions de classe C1 sur lintervalle I . Alors
b

u(t)v (t) dt = [u(t)v(t)]b a


a

u (t)v(t) dt

89

Partie 1 Analyse

Disposition pratique :

0 1

tet dt = tet

1 0

et d t

u=t v = et

u =1 v = et

Sous lintgrale de dpart, on crit u et v tels que le produit uv soit la fonction sous le signe somme. On calcule u et v dont le produit donne la fonction sous lintgrale darrive. Il reste calculer lintgrale darrive : I = e et
1 0

= e (e 1) = 1

Noubliez pas de mentionner et de vrier que les fonctions u et v sont de classe C1 sur un intervalle I auquel appartiennent les bornes a, b (I = [0 ; 1] convient dans lexemple prcdent). Lintgrale darrive doit tre plus simple que lintgrale de dpart. Si ce nest pas le cas, faites un autre choix pour u et v. Avant de commencer une intgration par parties, vriez si une autre mthode plus simple ne sapplique pas (intgration vue).

Changement de variable Soit I un intervalle, a et b deux lments de I , u une fonction de classe C1 sur lintervalle I , f une fonction continue sur lintervalle u(I ). Alors
b

u (t)f (u(t) dt =

u(b)

f (y) dy
u(a)

Grce la notation diffrentielle de la drive ( dy dt pour y (t ) ), on utilise facilement cette formule, quil est inutile de retenir telle quelle. 1 1+ x+1 I= dx x+1 0 1 1 dy = = , donc dx = 2y dy, puis Soit y = x + 1 ; dx 2 y 2 x+1
90

Chapitre 3 Calcul intgral


2 2
1

1+y I= 2ydy = y2 1 I = ln 2 + 2 2 2

2 + 2 dy = [2 ln y + 2y]1 2 y

Application aux intgrales de fonctions paires, impaires Soit a > 0 et f une fonction continue sur [a, a]. Si f est paire sur [a, a], alors
a

f (t) dt = 2
0

f (t) dt

Si f est impaire sur [a, a] , alors


a

f (t) dt = 0

En effet, daprs la relation de Chasles (voir 3.2.3) :


a

f (t) dt =

f (t) dt +
0

f (t) dt

Dans la premire intgrale, on fait le changement de variable y = t :


dy dt

= 1, donc dt = dy, donc


0

f (t) dt =
a

f (y) ( dy) =
a

f (y) dy =
0

f (y) dy

f (y) = f (y) si f est paire, f (y) = f (y) si f est impaire, ce qui permet de conclure. Le changement de variable effectuer devrait vous tre indiqu, sauf sil sagit dun changement de variable afne (y = at + b). Le rsultat sur les intgrales de fonctions paires ou impaires doit tre connu, ainsi que sa dmonstration.

2.3 Proprits de lintgrale


Avec f, g continues sur I ; a, b, c I ; a, b R : Proprits lmentaires
a a

f (t) dt = 0 ;
a

0 dt = 0 ;
a

C dt = C (b a) (C constante)
91

Partie 1 Analyse

Relation de Chasles
c a

f (t) dt =
a

f (t) dt +
b

f (t) dt ;
b

f (t) dt =
a

f (t) dt

Linarit
b a

(af (t) + bg(t)) dt = a


a

f (t) dt + b
a

g(t) dt

Positivit, croissance Si a Si a
b

b et f b et f

0 sur [a, b], alors


a b

f (t) dt f (t) dt
a

0
b

g sur [a, b], alors

g(t) dt
a

Intgrale et valeur absolue


b

Si a

b, alors
a

f (t) dt
a

|f (t)| dt

Tous ces rsultats sont des consquences faciles de la dnition de lintgrale. Par exemple, pour la positivit : Si a b et f 0 sur [a, b], alors
b a

f (t) dt = F (b) F (a)

0,

car avec F = f 0, F est croissante. De la croissance de lintgrale et de la troisime proprit lmentaire, on dduit le rsultat trs souvent utilis : Si a b et m f M sur [a, b], alors
b

m (b a)
a

f (t) dt

M (b a)

De la croissance de lintgrale et de la relation de Chasles, on dduit, avec f continue sur I , a et b appartenant I : Si f Si f Si f Si f 92

0 et a 0 et a 0 et a 0 et a

b, alors b, alors b, alors b, alors

b a b a b a b a

f (t) dt f (t) dt f (t) dt f (t) dt

0; 0; 0; 0.

Chapitre 3 Calcul intgral

Et dans tous ces cas, la valeur absolue de a f (t) dt est gale laire du domaine plan limit par Cf et les droites (Ox), (x = a), (x = b). Si f change de signe, par exemple 1 comme dans le gure ci-contre, on a 2 b f (t) dt = Aire 1 Aire 2 a
Vous serez amen utiliser les proprits de positivit et de croissance de lintgrale en appliquant le principe : Pour majorer, minorer, encadrer une intgrale, on majore, minore, encadre la fonction intgrer, en veillant ce que les bornes soient dans le bon sens . Exemple :

Avec In =

1 tn 0 1+t2

dt, on a 0
n

In

1 n t 1 t [0, 1] , 0 1+ tn , donc 0 t dt = n+1 t2 0 Sauf si lnonc vous le demande, ne cherchez pas calculer les valeurs des intgrales qui vous sont proposes. Ce travail est en effet inutile pour utiliser les proprits ci-dessus.

1 n+1 . En effet 1 tn dt 0 1+t2

Intgrale fonction de sa borne suprieure Thorme. Soit I un intervalle, a un lment de I , f une fonction continue sur I . Alors lintgrale
x

f (t) dt
a

existe pour tout x I et dnit une fonction x w(x) = a f (t) dt de classe C1 sur I , de drive x f (x). Plus prcisment, w est la primitive de f sur I qui sannule en a. En effet, lintgrale existe puisque x et a appartiennent un mme intervalle o f est continue. Les autres proprits dcoulent de la dnition de lintgrale. Avec f continue sur I , lcriture f (x) dx dsigne une primitive de f sur I (attention, x nest plus une variable muette). On peut alors utiliser le thorme ci-dessus pour dterminer une primitive de f en utilisant le calcul intgral (changement de variable, intgration par parties).
93

Partie 1 Analyse

Lexemple suivant est trs classique : ln x dx = [x ln x] On a effectu une intgration par parties avec 1 , v=x x u et v sont de classe C1 sur tout segment de ]0, +[. Une primitive de la fonction ln sur ]0, +[ est donc la fonction x x ln x x. Exemple dtude dune fonction dnie par une intgrale : u = ln x , v =1 ; u =
Pour tout x R, lintgrale w(x) = x t4 1 +1 dt existe car la fonction 1 f : t t4 +1 est continue sur R. w est donc une fonction dnie sur R. Si x 0, alors 0 x 2x ; f 0 sur [0, +[, donc w(x) 0. 0 sur ], 0], donc w(x) 0. Si x 0, alors 2x x 0 ; f w (0) = 0. Le changement de variable y = t montre que w est une fonction impaire (t = y, dt = dy) : x R, w (x) =
2x 1 x t4 +1
2x

1 dx

dt =

2x 1 x (y)4 +1

dy = w(x)

On tudie donc w sur [0, +[. Pour tout x R, par dnition de lintgrale, w(x) =
2x 1 x t4 +1

dt = F (2x) F (x) avec F primitive de f sur R.

Ceci permet de prciser le signe de w(x) : F = f > 0 donc F est strictement croissante ; si x > 0, alors x < 2x, F (x) < F (2x), w(x) > 0 ; si x < 0, alors x > 2x , F (x) > F (2x) , w(x) < 0. Ceci permet aussi dtablir que w est une fonction drivable sur R, en tant que somme de deux fonctions drivables sur R, la fonction x F (2x) tant elle-mme drivable en tant que compose de deux fonctions drivables ; on obtient x R, w (x) = 2f (2x) f (x) =

1 14x4 16x4 + 1 x4 + 1
1

w est donc strictement croissante sur 0, 14 4 , strictement dcroissante sur 14 4 , + .


1

Pour la limite en +, on encadre lintgrale x f (t) dt, et pour cela on encadre la fonction f sur [x, 2x]. Or f est dcroissante sur [0, +[, 94

2x

Chapitre 3 Calcul intgral

donc : t [x, 2x] , f (2x) f (2x) (2x x)

f (t)
2x

f (x), puis f (t) dt


x

f (x) (2x x) x4

x +1 +1 et par consquent, lim w = 0. w tant impaire, la limite de w en 16x4 w(x) est aussi gale 0.
+

2.4 Sommes de Riemann


Trs souvent, on ne peut pas trouver la valeur exacte dune intgrale dnie, faute par exemple de pouvoir obtenir une expression explicite dune primitive de la fonction intgrer. On doit alors se contenter de chercher des valeurs approches de lintgrale. Les sommes de Riemann constituent un premier pas dans cette recherche. Thorme. Soit f une fonction continue sur lintervalle [a, b]. Alors n 1 b ba ba f a+k f (t) dt = lim n+ n k=0 n a ba lim n+ n
n

f
k=1

a+k

ba n

=
a

f (t) dt

Ce thorme est admis dans le cas gnral. Voici les lments de sa dmonstration quand f est de classe C1 sur [a, b] : f est alors continue sur [a, b], donc daprs 1.2.4 , il existe m et M dans R tel que m f (t) M pour tout t dans [a, b] ; a Soit dn = b t ak+1 . La formule des accroissen , ak = a + kdn , ak ments nis fournit : m (t ak ) donc f (t) f (ak ) f (t)
ak+1

M (t ak )

f (ak ) + m (t ak ) m 2 d 2 n

f (ak ) + M (t ak ) M 2 d 2 n
95

On intgre sur [ak , ak+1 ] : dn f (ak ) + f (t) dt


ak

dn f (ak ) +

Partie 1 Analyse

On additionne ces ingalits, pour k variant de 0 n 1. En posant n 1 Sn = dn k =0 f (ak ), il vient : Sn + m (b a)2 2 n


b a b

f (t) dt
a

Sn +

M (b a)2 2 n

m (b a)2 2 n

f (t) dt Sn

M (b a)2 2 n

Do la premire formule, en passant la limite. On procde de mme pour la deuxime formule. On peut facilement dnir une fonction PASCAL qui value la n 1 a b a somme de Riemann Sn = b k=0 f a + k n . Cette fonction n evalsom aura pour paramtres de type rel, et de type entier. La fonction f est dnie dautre part. {variable locale de sommation}; {variable locale pour la somme}

2.5 Formules de Taylor


Formule de Taylor avec reste intgral Thorme. Soit I un intervalle, a un lment de I , n N, f une fonction de classe Cn+1 sur I . Alors, pour tout x appartenant I :
n

f (x) =
k=0

(x a)k (k) f (a) + k!

x a

(x t)n (n+1) f (t) dt n!

Dmonstration par rcurrence : la formule est vraie pour n = 0, car


x a

f (t) dt = f (x) f (a)

Supposons la formule vraie pour n x dans N, et soit f de classe Cn+2 sur I . On effectue une intgration par parties sur lintgrale, avec
96

Chapitre 3 Calcul intgral

t) t ) (n+2) u = f (n+1) , v = (x , v = (x (n+1)! . u et v sont de classe n! , u = f C1 sur I , et on obtient la formule lordre n + 1. Le thorme est ainsi dmontr.
n n+1

Ingalit de Taylor-Lagrange Thorme. Soit I un intervalle, a un lment de I , n N, f une fonction de classe Cn+1 sur I . Alors, pour tout x appartenant I :
n

f (x)
k=0

(x a)k (k) f (a) k!

|x a|n+1 M (n + 1)!

Avec M majorant de f (n+1) sur un intervalle contenant a et x. Il suft de majorer le reste intgral de la formule prcdente, pour obtenir ce rsultat. Si a x :
x (xt)n (n+1) (t) n! f a

dt

x (xt)n (n+1) (t)| n! |f a b a

dt

x (xt)n n! a

a) dt = M (x( n+1)!

n+1

On a utilis Si a

b a

f (t) dt dt =

|f (t)| dt, valable pour a

b.
x) dt = M (a( n+1)!
n+1

x, il faut remettre les bornes dans le bon sens :


a (xt)n (n+1) (t) n! f x

x (xt)n (n+1) (t) n! f a

dt

a (tx)n n! x

Do la conclusion, dans les deux cas. Applications Lingalit de Taylor Lagrange permet de trouver les trois dveloppements limits retenir, voir 1.1.5. Par exemple, pour lexponentielle, cette formule fournit : (x I segment contenant 0)
n

e
x k=0

xk k!

|x|n+1 (n + 1)!
k

x avec M majorant de ex sur I . Ceci montre que g(x) = ex n k=0 k! n est une fonction ngligeable devant x quand x tend vers 0, car g(x) xn x| M (n|+1)! . On a donc bien, pour tout n N : n

ex =
k=0

xk + (xn ) k!

97

Partie 1 Analyse

Dveloppement en srie de ex . Appliquons lingalit de TaylorLagrange avec f (x) = ex , a = 0. Si x 0, |f (n+1) (t)| = et est major par ex sur [0, x], donc
n

ex
k=0
n

xk k!

ex

xn+1 (n + 1)!

Et il suft de montrer que x n! converge vers 0 pour conclure. Or, 1 pour x 0 x, il existe n0 N tel que nx0 2 . Donc, pour tout x 1 n > n0 , on a 0 n 2 , donc 0 xn xn 0 xn n 0 = n! n0 ! (n0 + 1) . . . n xn 0 n0 ! 1 2
n n0

0
n+

(t)| = et est Do la conclusion dans ce cas l. Si x < 0, alors |f major par 1 sur ], 0], et la suite est analogue. On a bien tabli :
+

(n+1)

x R, e =
x n= 0

xn n!

La formule de Taylor avec reste intgral applique la fonction exponentielle permet dtablir :
n

x [0, +[ , n N, x ], 0] , p N ,
k=0

x k=0

xk ; k!
2p

2p1

xk k!

x k=0

xk . k!

Il suft dtudier le signe du reste intgral.

3. Intgrales gnralises
Si la fonction f est continue sur le segment [a, b], on sait dnir lintgrale b a f (t ) dt . Cette dnition peut tre dans certains cas tendue.

3.1 Intgrale dune fonction continue par morceaux sur [a, b]


Dnition. On dit que la fonction f est continue par morceaux sur lintervalle I ssi f est continue sauf en un nombre ni de points, o f admet une limite nie droite et gauche.
98

Chapitre 3 Calcul intgral

Thorme. Soit f une fonction continue sur lintervalle [a, b[, et x prolongeable par continuit en b. Alors la fonction x a f (t) dt admet une limite nie en b, et on pose :
b a

f (t) dt =

x xb, x<b

lim

f (t) dt
a

On a un thorme analogue pour f continue sur ]a, b], prolongeable par continuit en a. b Ce thorme permet de dnir lintgrale a f (t) dt , avec f continue par morceaux sur lintervalle [a, b]. Supposons en effet, pour xer les ides, que f soit continue sur [a, b] sauf en c , o f admet une limite nie b gauche et droite. Alors on dnit lintgrale a f (t) dt en utilisant la relation de Chasles pour poser :
b a

f (t) dt =
a

f (t) dt +
c

f (t) dt

Chacune des intgrales du membre de droite existe, daprs le thorme prcdent. Intgrale 0 Ent(x) dx. La fonction partie entire Ent (1.5.3) est continue par morceaux sur [0, 3], donc lintgrale existe, et
3 0 3

Ent(x) dx =
0

0 dx +
1

1 dx +
2

2 dx = 0 + 1 + 2 = 3

3.2 Intgrale dune fonction continue sur ]a, b] ou sur [a, b[


Lexistence de lintgrale nest alors plus assure. Dnitions Soit a, b R, a < b, et f une fonction continue sur ]a, b]. On pose
b a

f (t) dt =

b xa, x>a

lim

f (t) dt sous rserve de limite nie,


x b

et on dit alors que lintgrale gnralise (ou impropre) a f (t) dt est convergente. Dans le cas contraire, on dit quelle est divergente. On dnit de mme, avec f continue sur [a, b[ :
b a

f (t) dt =

x xb, x<b

lim

f (t) dt sous rserve de limite nie


a

99

Partie 1 Analyse

Critres de convergence
Intgrales de Riemann
1 0

1 dt est convergente ssi a < 1 ta


1 1 0 t

Montrons par exemple que lintgrale fonction t


1 t 1

dt est convergente. La

est continue sur ]0, 1], et, avec 0 < x < 1 :


1 dt = 2 t t
1 x

=22 x 2
x0 1 1 0 t

Lintgrale

x 1 1 dt 0 t

est donc convergente, et

dt = 2.

Cas des fonctions positives 0, g 0 sur [a, +[ f f g


+

f (t) dt et
a a

g(t) dt sont

de mme nature, convergente ou divergente


1 t+1 +1 dt. La fonction t t est positive et continue sur 0 t t 1 1 +1 1 ]0, 1] ; En 0, t , et lintgrale 0 dt est une intgrale de t t t 1 t+1 Riemann convergente. Donc lintgrale 0 t dt est convergente.

Intgrale

3.3 Intgrale sur un intervalle [a, +[, ], b]


Dnitions Soit a R, et f une fonction continue sur [a, +[. On pose
+ a

f (t) dt = lim

X +

f (t) dt sous rserve de limite nie,


a +

et on dit alors que lintgrale gnralise (ou impropre) a f (t) dt est convergente. Dans le cas contraire, on dit quelle est divergente. On dnit de mme, avec f continue sur ], b] :
b

f (t) dt = lim

f (t) dt sous rserve de limite nie

100

Chapitre 3 Calcul intgral

Intgrale
X 0

[0, +[, et x x2

+ x 0 (x2 +1)2

dx. La fonction x
X

(x2 +1)2 1

est continue sur

+1

1 1 dx = 2 2 x +1
+ 0

=
0

X2

+1

1 1 2 X + 2

Lintgrale est donc convergente, et x x2 +1


2

dx =

1 2

Critres de convergence
Intgrales de Riemann
+

Lintgrale
1

1 dt converge ssi a > 1 ta

En effet, la fonction t Si a = 1,
X 1 1 ta

1 ta

est continue sur [1, +[, et : dt =


X ta+1 a+1 1

dt =

X a t 1 X 1

une limite nie en + ssi a > 1 . Avec a = 1,

X 1a 1a

1 1a

tend vers

1 + . dt = ln X X + t

Attention au comportement diffrent des intgrales de Riemann suivant lintervalle : 1 1 dt est convergente ssi a < 1 ; a 0 t + 1 dt est convergente ssi a > 1. ta 1
Cas des fonctions positives 0 f g sur [a, +[ + g ( t ) d t convergente a

f (t) dt convergente
a +

+ f (t) a

g sur [a, +[ dt divergente

g(t) dt divergente
101

Partie 1 Analyse

0, g

0 sur [a, +[ f g
+

f (t) dt et
a

g(t) dt de

mme nature, convergente ou divergente f 0, g 0 sur [a, +[ + f = (g) f (t) dt convergente + + a g ( t ) d t convergente a Pour dmontrer le premier critre, on considre w(x) = a f (t) dt. Sur [a, +[, w est croissante, car w (x) = f (x) 0, et majore, car x + w(x) g(t) dt g(t) dt = M R. w admet donc une limite a a nie en +, ce quil fallait dmontrer. On a les critres analogues pour les intgrales Fonctions de signe quelconque
+ b f (t ) x

dt.

Dnition. On dit que lintgrale a f (t) dt est absolument conver+ gente ssi lintgrale a |f (t)| dt est convergente. Thorme. Si lintgrale alors elle est convergente.
+ f (t) a

dt est absolument convergente,


b f (t )

On a le thorme analogue pour lintgrale Remarque. On a alors


b f (t ) + f (t) a

dt.

dt

+ |f (t)| a

dt, et de mme pour

dt .

3.4 Cas gnral Calcul dintgrales gnralises


Cas gnral Dans le cas gnral, avec a < c < b +, on dira que b c lintgrale a f (t) dt est convergente ssi chacune des intgrales a f (t) dt, b f (t) dt lest, et on a alors (relation de Chasles) : c
b a

f (t) dt =
a

f (t) dt +
c

f (t) dt

ce qui permet de proche en proche de se ramener un des cas tudis prcdemment, tant entendu quune intgrale dnie est convergente. Intgrale 0 sur [0, +[ ;
102
+ 1 1 t2 +1 dt . La fonction t 1+t2 1 t1 2 (ou bien : pour tout t2 +1 +

est continue et positive 1 t 1, t2 1 +1 t2 ) ;

Chapitre 3 Calcul intgral


+ 1 t2 1

Lintgrale

dt est une intgrale de Riemann convergente.

+ Donc lintgrale 1 t2 1 +1 dt est convergente, et daprs la relation de + 1 1 + 1 Chasles, lintgrale 0 t2 +1 dt = 0 t2 1 +1 dt + 1 t2 +1 dt est aussi 1 1 convergente ( 0 t2 +1 dt est une intgrale dnie.)

Utilisation de la parit Soit f une fonction dnie sur R et telle que


Si f est paire, alors
+ f (t ) + + f (t) 0

dt converge.

dt converge, et
+

f (t) dt = 2
0

f (t) dt

Si f est impaire, alors

+ f (t ) +

dt converge, et

f (t) dt = 0

Intgrale exp t2 /2 dt. f : t exp t2 /2 est continue et positive ou nulle sur [0, +[, ngligeable devant t1 2 quand t tend vers + + 2 +. 1 t1 d t est convergente, donc exp t /2 dt est conver2 0 + 2 gente. f est paire, donc lintgrale exp t dt est convergente, + + et exp t2 dt = 2 0 exp t2 dt Calculs dintgrales gnralises
Utilisation de la dnition. Soit I =
+ e x x2 1
1

dx

La fonction f : x I = lim
X

1 x2 exp X 1

1 x
1

est continue sur [1, +[, donc

X +

ex dx sous rserve de limite nie. x2

Or

1 X 1 e x d x = e = e X + e e1 2 X + x 1 1 Donc lintgrale I est convergente, et vaut e 1. Utilisation de la dnition et dune relation de rcurrence. + Soit In = 0 tn et dt, n N. On peut prouver que lintgrale In est

1 x

103

Partie 1 Analyse

convergente : la fonction t tn et est positive et continue sur R+ , + 1 ngligeable en + devant t1 2 , et lintgrale t2 dt est convergente. 1 Pour le calcul, on utilise la dnition pour dterminer I0 :
X 0

e t d t = e t

X 0

= eX + 1 I0 = 1,
X + X

puis une intgration par parties portant sur lintgrale 0 tn et dt avec X > 0 ; u = tn , v = et , u = ntn1 , v = et ; u, v de classe C1 . En passant la limite X + dans la relation trouve, on obtient In = nIn1 , n N , et nalement, par rcurrence : n N, In = n!. Utilisation dun changement de variable afne. On admet le rsultat : + t2 e 2 dt = 2p ( retenir, voir 9.2.3)

On considre alors, avec m R, s > 0 : Im,s = Soit y =


t m s . +

(tm)2 2s2

dt

On a dt = s dy. s est positif, donc Im,s =


+

Lintgrale Im,s est donc convergente, et vaut s 2p.

e 2 s dt

y2

En dehors de ce cas (changement de variable afne), tous les techniques de calcul dintgrale seront pratiques sur des intgrales dnies.

4. Sries et intgrales
Comparaison dune srie et dune intgrale gnralise Thorme. Si f est une fonction continue, positive et dcroissante + sur [1, +[, alors la srie nN f (n) et lintgrale 1 f (t) dt sont de mme nature, divergente ou convergente.

104

Chapitre 3 Calcul intgral

lments pour la dmonstration : k N , f (k + 1) f (x) intgrant sur [k, k + 1] cette double ingalit, on obtient :
k+1

f (k) ; en

(1)

f (k + 1)
k

f (x) dx

f (k)

On additionne de k = 1 k = n 1 les ingalits de gauche de (1), puis on ajoute f (1) aux deux membres de lingalit obtenue. On additionne de k = 1 k = n les ingalits de droite de (1). En remettant dans le bon ordre les rsultats obtenus, on obtient
n+1 n n

f (x) dx
1 k=1

f (k)

f (1) +
1

f (x) dx

ce qui permet de conclure par passage la limite. Lintgrale de Riemann 1 x1a dx est convergente ssi a > 1, donc la srie de Riemann nN n1a est convergente sssi a > 1. Un autre exemple Soit t, x tels que 0
+

1. Lidentit gomtrique fournit :


n

1 1+t

(1)k tk =
k=0

(t)n+1 1+t

En intgrant sur lintervalle [0, x], et en utilisant les proprits de lintgrale (linarit, calculs dintgrales, intgrale et valeur absolue), on obtient :
x 0

1 dt 1+t
n

(1)k
k=0 0

t k dt =
0

(t)n+1 dt 1+t
x 0

ln (1 + x)
k=0

(1)k

xk+1 k+1

x 0

tn+1 dt 1+t

tn+1 dt =

xn+2 n+2

Avec x = 1, par passage la limite, on obtient :


+

ln 2 =
k=0

(1)k k+1

105

Partie 2

Algbre linaire

Systmes linaires Calcul matriciel

1. Systmes linaires
1.1 Gnralits
Dnitions. Un systme dquations linaires est un systme dquations du type a1,1 x + a1,2 y + a1,3 z = b1 L1 a2,1 x + a2,2 y + a2,3 z = b2 L2 (1) a3,1 x + a3,2 y + a3,3 z = b3 L3 Ici il sagit dun systme de 3 quations L1 , L2 , L3 , 3 inconnues, les inconnues x, y, z appartenant R. Rsoudre le systme (1), cest dterminer lensemble de ses solutions S, cest--dire lensemble des valeurs de (x, y, z) tels que les trois galits L1 , L2 , L3 soient simultanment vraies. S est une partie de R3 , ventuellement vide. Deux systmes sont quivalents ssi ils ont mme ensemble de solutions. Remarque. On peut toujours se ramener au cas o le nombre dquations est gal au nombre dinconnues. Par exemple : a1,1 x + a1,2 y = b1 L1 On rsout le systme form par a2,1 x + a2,2 y = b2 L2 L1 , L2 , puis on reporte dans L3 . a3,1 x + a3,2 y = b3 L3 On rsout a1,1 x + a1,2 y + a1,3 z = b1 a1,1 x + a1,2 y = b1 a1,3 z a2,1 x + a2,2 y + a2,3 z = b2 a2,1 x + a2,2 y = b2 a2,3 z
109

Partie 2 Algbre linaire

1.2 Mthode du pivot


Pour xer les ides, on sintresse au systme (1) trois quations, trois inconnues. Les principes de la mthode du pivot sont les suivants :
Les systmes les plus faciles rsoudre sont les systmes triangulaires, ou diagonaux, cest--dire de la forme = b1 a1,1 x + a1,2 y + a1,3 z = b1 a1,1 x a2,2 y + a2,3 z = b2 2 a2,2 y = b2 (2) a3,3 z = b3 a3,3 z = b3 Il est toujours possible dobtenir un systme triangulaire (2) quivalent au systme de dpart (1) en effectuant les oprations lmentaires sur les lignes : Li Lj : change de la ligne Li et de la ligne Lj . Li aLi + bLj : on remplace la ligne Li par aLi + bLj . b peut tre nul, mais ATTENTION ! a doit tre non nul ! Les coefcients diagonaux a1,1 , a2,2 , a3,3 du systme triangulaire obtenu (2) sont appels pivots du systme (1). On rsout ce systme de proche en proche.

Exemple : 2x1 4x2 + x3 = 5 x1 + x2 + x3 = 2 x1 + 4x2 x3 = 2

L 2 2 L2 L 1 L3 2L3 + L1

2 est le premier pivot. On limine linconnue du pivot des autres quations en effectuant Li 2Li + bL1 . 2x1 4x2 + x3 = 5 6x2 + x3 = 1 L3 3L3 2L2 4x2 x3 = 1 6 deuxime pivot. L3 3L3 2L2 prfrable L3 6l3 4L2 . 2x1 4x2 + x3 = 5 6x2 + x3 = 1 5x3 = 5 On a obtenu un systme triangulaire. 5 est le dernier pivot. On trouve x3 = 1, puis x2 = 0, puis x1 = 3. Lensemble des solutions est {(3, 0, 1)}.
110

Chapitre 4 Systmes linaires Calcul matriciel

1.3 Systmes de Cramer, systmes homognes


Dnitions. Un systme linaire est dit de Cramer ssi il admet une solution unique. Un systme linaire est dit homogne ssi les seconds membres des quations qui le composent sont tous gaux 0 : a1,1 x + a1,2 y + a1,3 z = 0 a2,1 x + a2,2 y + a2,3 z = 0 (3) a3,1 x + a3,2 y + a3,3 z = 0 Proprits. Un systme triangulaire (2) admet une solution unique ssi ses coefcients diagonaux sont nuls. La mthode du pivot montre alors : Un systme est de Cramer ssi tous ses pivots sont non nuls. On remarque que cette proprit ne dpend pas des seconds membres des quations du systme. Proprits des systmes homognes : Le systme (3) admet toujours la solution (0, 0, 0). Soient u = (x, y, z) et u = x , y , z solutions du systme (3), et a, b deux nombres rels. Alors la somme : u + u = x + x ,y + y ,z + z , Le produit de u par le nombre rel a : au = (ax, ay, az) , Et plus gnralement les combinaisons linaires de u, u : au + bu = ax + bx , ay + by , az + bz , sont solutions du systme (3). Rciproquement, quand un systme homogne admet des solutions non nulles, on exprimera celles-ci comme des combinaisons linaires de solutions xes. Voir lapplication fondamentale. Une application fondamentale. La recherche de valeurs propres et vecteurs propres dune matrice ou dun endomorphisme (voir chap 5 et 6) conduit la rsolution de systmes du type a1,1 x + a1,2 y + a1,3 z = lx a1,1 l x + a1,2 y + a1,3 z = 0 a2,1 x + a2,2 y + a2,3 z = ly a x + a2,2 l y + a2,3 z = 0 2,1 a3,1 x + a3,2 y + a3,3 z = lz a3,1 x + a3,2 y + a3,3 l z = 0
111

Partie 2 Algbre linaire

On doit dterminer lensemble des solutions en discutant suivant la valeur de l R. tude dtaille dun exemple. lx + y + z = 0 x ly + z = 0 (4) x + y lz = 0

L 1 L2

On ne peut pas prendre l comme premier pivot, car on serait amen aux oprations lmentaires L2 lL2 + L1 ; L3 lL3 + L1 et lquivalence est perdue si l = 0. Une discussion prmature est proscrire. Lopration L1 L2 permet de prendre 1 pour pivot : 1x ly + z = 0 lx + y + z = 0 L2 L2 + lL1 x + y lz = 0 L 3 L3 L1 ly + z=0 x 2 (5) 1 l y + (1 + l) z = 0 (1 + l) y (l + 1) z = 0 De mme, on ne peut pas prendre 1 l2 comme pivot. On a alors le choix entre trois possibilits : Premire possibilit : on effectue sur le systme (5) lopration lmentaire L2 L3 : ly + z=0 x (1 + l) y (l + 1) z = 0 1 l2 y + (1 + l) z = 0 Puis on effectue L3 L3 (1 l) L2 : ly + z=0 x (1 + l) y (l + 1) z = 0 (1 + l) (2 l) z = 0 On a obtenu un systme triangulaire, et on peut commencer la discussion. Soit Sl lensemble des solutions. / {1, 2}, le systme est de Cramer, donc Sl = {(0, 0, 0)}. Si l Si l = 1 : (3) x + y + z = 0 x = y z. Donc (x, y, z) S1 (x, y, z) = (y z, y, z) = y (1, 1, 0) + z (1, 0, 1) . Donc
112

S1 = {y (1, 1, 0) + z (1, 0, 1) ; y, z R} .

Chapitre 4 Systmes linaires Calcul matriciel

Si l = 2 : (4)

x 2y + z = 0 x 2y = z x=z 3y 3z = 0 y= z y=z Donc (x, y, z) solution (x, y, z) = (z, z, z) = z (1, 1, 1). Dans les cas o Sl nest pas rduit la solution nulle, on a bien obtenu les solutions comme combinaisons linaires de solutions xes. Deuxime possibilit : on effectue sur le systme (5) lopration L3 L3 + L2 : ly + z=0 x 2 1 l y + (1 + l) z = 0 2 + l l2 y =0 On obtient un systme qui nest pas triangulaire, mais chelonn, avec une quation une, deux, trois inconnues. On peut commencer la discussion : si 2 + l l2 = 0 l / {1, 2}, alors y = 0, puis z = 0, puis x = 0. Si l = 1, le systme se rduit lquation x + y + z = 0, etc. Troisime possibilit : dans le systme (5), on permute la place des inconnues y, z : z ly = 0 x + (l + 1) z + (1 + l) y = 0 (1 + l) z + 1 l2 y = 0 puis on effectue lopration lmentaire L3 L3 + L1 pour obtenir un systme triangulaire, que lon rsout comme prcdemment.

An dallger lcriture et les calculs, on peut adopter une notation simplie pour les systmes homognes : on ne garde que les coefcients des inconnues que lon crit dans une matrice (voir suivant), le reste (emplacement des inconnues, seconds membres) tant sans changement dtape en tape. Pour le systme tudi en exemple on crira donc : l 1 1 1 l 1 L1 L2 1 1 l 1 l 1 L2 L2 + lL1 l 1 1 L3 L3 L1 1 1 l 1 l 1 0 1 l2 1 + l 0 1 + l (l + 1)

etc. Les oprations indiques se font sur les lignes des matrices.
113

Partie 2 Algbre linaire

Une fois le systme triangulaire ou chelonn obtenu, il est prfrable de retourner la notation traditionnelle. On se gardera dutiliser cette notation si on a choisi de permuter la place des inconnues. Toute manipulation sur les colonnes dune matrice est exclue.

2. Calcul matriciel
2.1 Dnitions
Dnitions gnrales. Une matrice (on prcise quelquefois matrice relle) est un tableau de nombres rels. Exemple dune matrice 3 lignes et 2 colonnes : colonnes Les nombres du tableau sont appels les coefcients, ou termes de la matrice. Le terme 3 2 en deuxime ligne et premire 0 7 lignes colonne est gal 0. 4 4 Pour n, p appartenant N , on note Mn,p (R) lensemble des matrices n lignes et p colonnes. La matrice ci-dessus appartient M3,2 (R) . La matrice nulle On,p est la matrice de Mn,p (R) dont tous les termes sont nuls. Une matrice appartenant M1,p (R) sappelle matrice-ligne. Une matrice appartenant Mn,1 (R) sappelle matrice-colonne. Lensemble Mn,n (R) est simplement not Mn (R). Ses lments sont appels matrices carres dordre n. (1 2 3) M1,3 (R) ; 1 2 3
M3,1 (R) ;

1 2 3 4 5 6 7 8 9

M3 ( R ) .

Matrices carres. Soit M = ai,j 1 i,j n une matrice carre dordre n : ai,j dsigne le coefcient en i-me ligne et j-me colonne. La suite des nombres ai,i
1 i n

est la diagonale de la matrice M :

a1,1 a1,2 a1,3 a2,1 a2,2 a2,3 a3,1 a3,2 a3,3 diagonale
114

Chapitre 4 Systmes linaires Calcul matriciel

a1,1 0 0 Une matrice diagonale D est une 0 a2,2 0 matrice carre dont tous les termes en D= 0 0 a3,3 dehors de la diagonale sont nuls. Une matrice triangulaire suprieure est une matrice carre TS dont tous les TS = 0 0 0 termes sous la diagonale sont nuls. Une matrice triangulaire infrieure 0 0 est une matrice carre TI dont tous les TI = 0 termes au dessus de la diagonale sont nuls. Une matrice triangulaire est une matrice triangulaire suprieure ou infrieure. Une matrice symtrique est une matrice carre ai,j 1 i,j n telle que, pour tout i, j appartenant {1, . . . , n} : aj,i = ai,j . S= 1 2 3 2 4 5 3 5 6 est une matrice symtrique.

La symtrie doit sentendre par rapport la diagonale . La transpose de la matrice M = ai,j 1 i,j n est la matrice t M , dnie par t M = bi,j 1 i,j n ; i, j {1, . . . , n} , bi,j = aj,i Avec M = 1 2 3 4 5 6 7 8 9 , tM = 1 4 7 2 5 8 3 6 9

Une matrice est symtrique ssi elle est gale sa transpose. La matrice unit de Mn (R) est la matrice In carre dordre n, diagonale, et dont les termes de la diagonale sont tous gaux 1 : I3 = 1 0 0 0 1 0 0 0 1

2.2 Oprations sur les matrices


Dnitions. Soit A = ai,j tenant Mn,p (R), et x un nombre rel.
1 i n, 1 j p

B = bi,j

1 i n 1 j p

deux matrices appar-

115

Partie 2 Algbre linaire

La somme des matrices A, B est dnie par A + B = ai,j + bi,j


1 i n 1 j p

Le produit de la matrice A par le rel x est dni par xA = xai,j


1 i n 1 j p

Quand le nombre de colonnes de A est gal au nombre de lignes de B, on dnit le produit des deux matrices A, B (dans cet ordre) comme tant la matrice AB obtenue en effectuant les produits ligne par colonne : le produit de la i-me ligne de A par la j-me colonne de B donne le terme situ eni-me et j-me colonne de AB. Exemple : a b c d e f u x v y w z
=

au + bv + cw ax + by + cz du + ev + fw dx + ey + fz

Somme, produit par un rel : proprits. Pour A, B, C appartenant Mn,p (R), x, y appartenant R : A + B Mn,p (R) ; xA Mn,p (R) A + (B + C ) = (A + B) + C A+B=B+A A + On,p = On,p + A = A A + (A) = (A) + A = On,p en notant A la matrice (1) A (x + y) A = xA + yA x (A + B) = xA + xB x (yA) = (xy) A 1A = A Toutes ces proprits sont des consquences directes des proprits connues de laddition et de la multiplication des nombres rels. On les rsume en disant que Mn,p (R) est un espace vectoriel sur R. De mme que pour le nombres rels, on dnit la diffrence de deux matrices par A B = A + (B).
116

Chapitre 4 Systmes linaires Calcul matriciel

Produit de deux matrices : proprits. Avec A, B, C matrices et x nombre rel, et chaque fois que toutes les oprations ont un sens : A (BC ) = (AB) C A (B + C ) = AB + AC (A + B) C = AC + BC x (AB) = (xA) B = A (xB) On peut traduire cette dernire proprit en disant : pour multiplier un produit de matrices par un nombre rel, on multiplie une des matrices par ce nombre. Attention, le produit BA peut ne pas exister alors que le produit AB existe. Ou bien ils peuvent tre dans des ensembles Mn,p (R) diffrents. On bien, tant dans le mme ensemble, ils peuvent ne pas tre gaux. Deux cas particuliers importants : Produit de deux matrices carres Soit A, B, C trois matrices de Mn (R), x un nombre rel. Alors :

AB Mn (R) ; BA Mn (R) A (BC ) = (AB) C ; A (B + C ) = AB + AC ; (A + B) C = AC + BC ; x (AB) = (xA) B = A (xB) ; In A = AIn = A ; en gnral, AB = BA ; on ne peut pas simplier : AB = AC nimplique pas B = C, mme si A = On .

Produit dune matrice carre et dune matrice-colonne Soit A, B deux matrices de Mn (R) ; X, Y deux matrices de Mn,1 (R) ; x un nombre rel. Alors

AX Mn,1 (R) ; In X = X ; A (X + Y ) = AX + AY ; (A + B) X = AX + BX ; A (xX ) = (xA) X = x (AX ).


117

Partie 2 Algbre linaire

2.3 Matrices carres inversibles


Dnition. Soit A Mn (R). On dit que A est inversible ssi il existe une matrice note A1 appartenant Mn (R) telle que AA1 = A1 A = In . La matrice A1 est la matrice inverse de la matrice A. Si A, B sont inversibles, alors AB et A1 sont inversibles, et (AB)1 = B1 A1 ; A1
1

= A.

Thorme. Soient A, B deux matrices de Mn (R) telles que AB = In . Alors A est inversible et A1 = B, B est inversible et B1 = A. Thorme admis (il nest pas vident que AB = In implique BA = In ). Exemple dutilisation de ce thorme. Soit A une matrice carre telle que A2 5A + 6In = On . Alors A2 5A = 6In ; 1 2 1 A 5A = In ; A (A 5In ) = In 6 6

( ). Donc A est inversible, et A1 = 1 6 A 5I n Remarque. Si A, B vrient lgalit AB = On , la matrice A ne sera en gnral pas inversible. Soit A telle que A2 3A = On . Alors A (A 3In ) = On . Supposons A inversible ; alors, en multipliant lgalit prcdente par A1 , on obtient A = 3In . Rciproquement, la matrice 3In est inversible. Dans tous les autres cas, une matrice vriant A2 3A = On nest pas inversible. Algorithme du pivot pour la recherche de A1 La matrice A est : inversible ssi on obtient par oprations lmentaires sur les lignes de A une matrice triangulaire sans zros sur la diagonale ; non inversible ssi on obtient une matrice triangulaire avec un zro sur la diagonale. Si A est inversible, on effectue les mmes oprations sur les matrices A et In , jusqu obtenir In et A1 : A In ... ... ... ... In A 1
118

oprations lmentaires

Chapitre 4 Systmes linaires Calcul matriciel

Explication. Soit A = ai,j 1 i,j 3 (on se place dans M3 (R) pour xer les ides). Daprs le thorme prcdent, A est inversible ssi pour chacun des trois systmes suivants il y a une solution unique : a1,1 x + a1,2 y + a1,3 z = 1 a2,1 x + a2,2 y + a2,3 z = 0 , a3,1 x + a3,2 y + a3,3 z = 0 0 resp. 1 , 0 0 resp. 0 1

On utilise la mthode du pivot, en omettant les inconnues, et en crivant donc uniquement la matrice A, puis la matrice unit pour les seconds membres. Voyons ceci sur un exemple : 1 1 1 1 0 0 0 1 0 1 1 1 L 2 L 2 + L1 0 0 1 1 1 1 L3 L3 L1 1 1 1 1 0 0 L1 2L1 L2 0 2 0 1 1 0 0 2 2 1 0 1 L3 L3 + L2 Lopration lmentaire L3 L3 + L2 permet dobtenir 3 pivots non nuls ; il y a donc unicit de la solution pour chacun des trois membres, la matrice A est donc inversible. En vue dobtenir A1 , il vaut mieux effectuer simultanment L1 2L1 L2 . 2 0 2 1 1 0 L1 L1 + L3 0 2 0 1 1 0 0 0 2 0 1 1 2 0 0 1 0 1 0 2 0 1 1 0 0 0 2 0 1 1 A= Les solutions des trois systmes sont en vidence, elles forment la matrice de droite multiplie par 1 2 . On crit 1 0 0 0 1 0 0 0 1 A 1 = 1 2 1 0 1 1 1 0 0 1 1

Dans lexpression ci-dessus, gardez le 1/2 en facteur . Cela vite de trop nombreuses fractions et facilite les calculs ultrieurs. Vous adopterez la disposition pratique mise en vidence cidessus, en signalant que vous utilisez lalgorithme du pivot. Les oprations lmentaires sur la matrice A sufsent si on demande uniquement de dterminer si la matrice est inversible. 119

Partie 2 Algbre linaire

En cas de succs (la matrice est inversible), vriez votre rsultat en multipliant la matrice obtenue par la matrice de dpart (on doit trouver la matrice unit). En cas derreur, le codage des oprations lmentaires devrait vous aider, il est donc capital dy porter la plus grande attention. Lalgorithme du pivot donne lieu des calculs mcaniques, mais assez lourds, et ne devrait tre utilis quen dernier recours, si on na aucun renseignement sur la matrice tudie (voir le thorme ci-dessus), et si lnonc ne suggre pas une autre mthode.

Application aux quations matricielles Soit lquation matricielle AX = B, avec A Mn (R). Si A est inversible, AX = B X = A1 B. En effet, AX = B A1 (AX ) = A1 B, et A1 A X = In X = X . X et B peuvent tre deux matrices de Mn (R), ou deux matrices colonnes (voir ci-dessous) Applications aux systmes linaires Toujours pour xer les ides, considrons le systme linaire 3 inconnues : a1,1 x + a1,2 y + a1,3 z = b1 (1) a2,1 x + a2,2 y + a2,3 z = b2 a3,1 x + a3,2 y + a3,3 z = b3 Ce systme peut scrire AX = Y , x avec A = ai,j 1 i,j 3 , X = y , Y = z b1 b2 b3

. Par consquent :

Le systme (1) est de Cramer (admet une solution unique) ssi la matrice A = ai,j 1 i,j 3 est inversible, et on a alors X = A1 Y . On dduit de ceci une autre manire de dterminer si une matrice A donne est inversible, et calculer le cas chant son inverse : il suft de rsoudre le systme (1). Si le systme admet une solution unique (x, y, z), x b1 on a alors y = A1 b2 . Sinon, A nest pas inversible. z b3
120

Chapitre 4 Systmes linaires Calcul matriciel

Avec A = A

2 1 1 1 x y
=

dans M2 (R): b1 b2

2x + y = b1 x + y = b2 x = b1 b2 y = b1 + 2b2 x y
=

1 1 1 2

b1 b2

donc A est inversible, et A1 =

1 1 . 1 2

Matrices triangulaires inversibles Dans le cas dun systme triangulaire, on obtient (trs important) : Une matrice triangulaire est inversible ssi tous les lments de sa diagonale sont non nuls. Ncrivez jamais : cette matrice na pas de zros sur la diagonale, elle est donc inversible. Utilisez uniquement cette proprit pour les 0 0 1 1 0 0 est matrices triangulaires, et prcisez-le. La matrice 0 1 0 inversible, avec uniquement des zros sur la diagonale. La matrice diagonale D = l1 0 0 0 l2 0 0 0 l3 1
l1

est inversible ssi tous les li 0


1 l2

sont non nuls, et on a alors D1 = 0 0

0 0 (vident).
1 l3

2.4 Puissance n-me dune matrice carre


Dnition. Pour A Mn (R) et n N , on dnit An = A . . . A (n facteurs). Si A = On , on pose A0 = In . On a les rgles de calcul : Am An = Am+n ; (Am )n = Amn .

121

Partie 2 Algbre linaire

Mais attention, (AB)n nest pas gal en gnral An Bn , car la multiplication des matrices nest pas commutative. Pour une matrice diagonale D =
n

l1 0 0 0 l2 0 0 0 l3

, on a, si n N :

ln 0 0 1 0 . Il ny a pas de formule simple ds que la matrice D = 0 ln 2 0 0 ln 3 nest plus diagonale. Pour calculer la puissance n-me dune matrice, on utilise souvent des proprits de rcurrence. 1 1 1 La matrice B = 1 1 1 vrie B2 = 3B. On en dduit alors 1 1 1 par rcurrence : n N , Bn = 3n1 B. Attention, la formule nest pas valable pour n = 0. Dune manire gnrale, le calcul de A0 demande une attention particulire.
La matrice A =

1 1 1 1 0 0 vrie A3 = A2 + 2A. On montre 1 0 0 alors, par rcurrence : n N , An = an A + bn A2 : la proprit est vraie pour n = 1, avec a1 = 1, b1 = 0, et si An = an A + bn A2 , alors An+1 = An A = = an+1 A + bn+1 A2 , avec an+1 = 2bn , bn+1 = an + bn , do la conclusion. Il reste dterminer lexpression de an et bn en fonction de n. Cela peut se faire laide dune suite linaire rcurrente deux termes ; en effet on a, pour tout n N : an+2 = 2bn+1 = 2an + 2bn = an+1 + 2an Compte tenu de a1 = 1, b1 = 0, a2 = 0, b2 = 1, on trouve nalement an =

2 3

(1)n +

1 6

2n , puis bn =

1 3

(1)n +

1 6

2n .

122

Chapitre 4 Systmes linaires Calcul matriciel

Formule du binme pour les matrices carres On dmontre classiquement par rcurrence : Soit A, B deux matrices de Mn (R) telles que AB = BA (on dit alors que A et B commutent). Alors, pour tout n N :
n

(A + B) =
n k=0

n n k k A B = k

n k=0

n k n k AB k

Noubliez pas de mentionner et de vrier que les matrices commutent quand vous appliquez cette formule. Cette formule est souvent utilise avec une des deux matrices gale kIn , k R, qui commute avec toute matrice de Mn (R).
Soit calculer An , avec n N , et A =

2 1 1 1 2 1 . On a calcul 1 1 2 ci-dessus Bn , avec B = A I3 , on a trouv Bn = 3n1 B pour n 1. A = B + I3 , donc An = (B + I3 )n . B et I3 commutent, donc daprs la formule du binme : n n n k n k n 0 n n k n k B I3 = B I3 + B I3 An = k 0 k k=0 k=1 (Bk = 3k1 B est valable partir de k = 1, il faut traiter part k = 0.)
n

A = I3 +
n k=1

n k1 3 B = I3 + k

n k=1

n k 3 B k

(Mise en facteur de B et de 31 . La somme est maintenant une somme de rels.) 1 A = I3 + 3


n n k=0

n n k k 1 1 3 1 B = I3 + [(3 + 1)n 1] B k 3

(On ajoute le terme manquant la somme, de faon pouvoir utiliser la formule du binme pour les nombres rels, puis on le retire. Puis on utilise la formule du binme.) On trouve nalement 1 An = I3 + (4n 1) B 3 On vrie la formule avec n = 1. La formule est valable aussi avec n = 0.
123

Partie 2 Algbre linaire

Soit calculer An , avec n N , et A =

1 1 1 0 1 1 . 0 0 1

On dcompose A = I3 + N , avec N = 0 1 1 0 0 1 0 0 1 . N 2 = 0 0 0 , N 3 = O3 , 0 0 0 0 0 0 k 3 k3 donc pour tout k 3, N = N N = O3 . La formule du binme, applicable car I3 et N commutent, fournit alors
n

An = (I3 + O3 )n =
k=0

n n k k I3 N k

n n n N0 + N1 + N2 0 1 2

car les autres termes du dveloppement sont nuls. Finalement : +1) 1 n n(n2 An = 0 1 n . 0 0 1 On vrie que a marche avec n = 1. La formule est valable aussi avec n = 0. Remarque. Une matrice N telle que N k = On pour quelque k est une matrice nilpotente. Une matrice triangulaire dont tous les lments de la diagonale sont nuls est toujours une matrice nilpotente. Application ltude de suites un vn , avec n N. On suppose quil existe A M3 (R) wn telle que n N, Xn+1 = AXn . On montre alors, par rcurrence : n N, Xn = An X0 . Et le calcul de An permet alors de dterminer lexpression de un , vn , wn pour tout n N. (On a aussi, par rcurrence : Xn = An1 X1 si les suites sont dnies sur N .) Soit Xn = un+1 = 6un vn Xn+1 = AXn vn+1 = un + 4vn A=
124

avec un vn
.

6 1 1 4

, Xn =

Chapitre 4 Systmes linaires Calcul matriciel

Par rcurrence on a Xn = An X0 . An = (5I2 + J )n , avec J= J k = O2 pour tout k 1 1 1 1 ,

2. La formule du binme fournit 5 + n n n 5n ,

A n = 5n 1 puis

un = 5n1 ((5 + n) u0 nv0 ) vn = 5n1 (nu0 + (5 n) v0 )

3. Un exemple despace vectoriel


3.1 Sous-espaces vectoriels, bases
Mn,p (R) est un espace vectoriel, voir 2.2. On tudie ici comme premire approche les espaces vectoriels Mn,1 (R). On peut noter un lment de Rn sous forme dune matrice colonne appartenant Mn,1 (R). On appellera vecteur un tel lment. Soit le systme homogne (3) tudi au 1.3 :

(3)

a1,1 x + a1,2 y + a1,3 z = 0 a2,1 x + a2,2 y + a2,3 z = 0 a3,1 x + a3,2 y + a3,3 z = 0

Ce systme scrit sous forme matricielle AX = O, avec A= a1,1 a1,2 a1,3 a2,1 a2,2 a2,3 a3,1 a3,2 a3,3 , X= x y z , O= 0 0 0

Lensemble S des solutions de (3) vrie les proprits :


O S; si X, Y S, alors X + Y S ; si X S et a R, alors aX S.

On dit alors que S est un sous-espace vectoriel de M3,1 (R). Si S nest pas rduit au vecteur nul O (ni tendu M3,1 (R)), on peut exprimer tout lment de S comme combinaison linaire de p lments xs (appartenant S), avec p = 1 ou p = 2.
125

Partie 2 Algbre linaire

Voyons ceci sur lexemple du 1.3. On rappelle les rsultats obtenus : (1)
lx + y + z = 0 x ly + z = 0 . x + y lz = 0

Avec Sl lensemble des solutions du systme (1), on a : S2 = {z (1, 1, 1) ; z R} ; S1 = {y (1, 1, 0) + z (1, 0, 1) ; y, z R} . Dans les autres cas, Sl = {(0, 0, 0)} .
S2 est lensemble des combinaisons linaires dun seul vecteur x, 1 1 . On dit que S2 est le sousle vecteur X1 , avec X1 = 1 espace vectoriel de M3,1 (R) engendr par (X1 ). On note S2 = Vect (X1 ). La famille (X1 ) est une base de S2 : tout lment de S2 est combinaison linaire des lments de la base (ici, un seul lment) de faon unique. S1 est lensemble des combinaisons linaires de deux vecteurs X2 et 1 1 1 0 . X3 xs, avec X2 = et X3 = 0 1 S1 est le sous-espace vectoriel de M3,1 (R) engendr par (X2 , X3 ). On note S1 = Vect (X2 , X3 ). (X2 , X3 ) est une base de S1 : tout lment de S1 est combinaison linaire des deux lments de la base de faon unique (on vrie facilement que xX2 + yX3 = x X2 + y X3 x = x , y = y ). Si l / {1, 2}, Sl = {O} est un sous-espace vectoriel de M3,1 (R), mais il na pas de base.

0 0 1 , E3 = 0 constituent 0 1 x y une base de M3,1 (R): tout vecteur de M3,1 (R) est combinaison z linaire des vecteurs E1 , E2 , E3 de faon unique. Cette base est appele x y base canonique de M3,1 (R), car les coordonnes du vecteur z Les vecteurs E1 = , E2 =
126

1 0 0

Chapitre 4 Systmes linaires Calcul matriciel

dans cette base concident avec les coefcients de ce vecteur : x 1 0 0 y =x 0 +y 1 +z 0 = xE1 + yE2 + zE3 z 0 0 1

3.2 Applications linaires


Dnition Une application f : Mn,1 (R) Mn,1 (R) est dite linaire ssi :
X, Y Mn,1 (R) , f (X + Y ) = f (X ) + f (Y ) ; X Mn,1 (R) , a R,

f (aX ) = af (X ) .

Avec A Mn (R), lapplication


Mn,1 (R) Mn,1 (R) ; X AX

est linaire (vident daprs les rgles de calcul sur les matrices), et on vrie facilement que pour tout j {1, . . . , n}, la j-me colonne de la matrice A est gale f Ej , o (E1 , . . . , En ) est la base canonique de Mn,1 (R). Rciproquement, on a : Soit f : Mn,1 (R) Mn,1 (R) linaire. Alors il existe une unique matrice carre A Mn,1 (R) telle que
X Mn,1 (R) , f (X ) = AX

La matrice A est la matrice dont les colonnes successives sont les images f (E1 ) , . . . , f (En ) des vecteurs de la base canonique de Mn,1 (R) . Noyau, image dune application linaire Soit f : Mn,1 (R) Mn,1 (R) , X AX une application linaire. Le noyau de f est lensemble not Ker (f ) des X appartenant Mn,1 (R) tels que f (X ) = O. Ker (f ) est un sous-espace vectoriel de Mn,1 (R) En effet, Ker (f ) est lensemble des solutions du systme homogne AX = O. On peut aussi le prouver directement :
O Ker (f ), car f (O) = O ; 127

Partie 2 Algbre linaire

Si X, X Ker (f ), alors f X + X = f (X ) + f X car f est linaire, donc f X + X = O, donc X + X Ker (f ). Si X Ker (f ) et a R, alors f (aX ) = af (X ) car f est linaire, donc f (aX ) = O, donc aX Ker (f ).

Limage de f est lensemble f Mn,1 (R) . On le note Im (f ) : Im (f ) = {Y Mn,1 (R) ; X Mn,1 (R) , f (X ) = Y } Im (f ) est un sous-espace vectoriel de Mn,1 (R) En effet, O = f (O) Im (f ), et si Y, Y Im (f ) et a R, alors, daprs la linarit de f : Y + Y = f (X ) + f X
n

=f X +X

Im (f ) ;

aY = af (X ) = f (aX ) Im (f ) . Soit X =
i=1

xi Ei un lment quelconque de Mn,1 (R), (Ei )1


n

i n

base

canonique de Mn,1 (R)). On a alors Y Im (f ) Y = f (X ) Y =


i=1

xi f (Ei )

Im (f ) est donc lensemble des combinaisons linaires des vecteurs f (Ei ). On a donc Im (f ) = Vect (f (E1 ) , . . . , f (En )), mais attention, (f (E1 ) , . . . , f (En )) nest pas ncessairement une base de Im (f ). Avec lexemple du 4.1.3, on a : 2 1 1 1 1 2 1 1 ; Ker (f2 ) = S2 = Vect A2 = . 1 1 1 2 Im (f2 ) = Vect (F1 , F2 , F3 ) avec F1 , F2 , F3 les trois vecteurs colonnes de A2 . Pour Y Im (f2 ), on a Y = y1 F1 + y2 F2 + y3 F3 , mais on a aussi Y = (y1 + 1) F1 + (y2 + 1) F2 + (y3 + 1) F3 , car F1 + F2 + F3 = O. Y est combinaison linaire de F1 , F2 , F3 , mais pas de faon unique. Pour obtenir une base de Im (f2 ), on remarque que Y = y1 F1 + y2 F2 + y3 (F1 F2 ) = (y1 y2 ) F1 + (y2 y3 ) F3 ; Y = z1 F1 + z2 F2 : tout Y est combinaison linaire de F1 et F2 , et ceci de faon unique, comme on le vrie sans peine. Ceci montre que (F1 , F2 ) est une base de Im (f2 ). On verra au chapitre 5 des mthodes moins acrobatiques pour dterminer une base dun espace vectoriel ou dun sous-espace vectoriel.
128

Chapitre 4 Systmes linaires Calcul matriciel

1 1 1 1 1 1 1 1 . ; Ker (f1 ) = S1 = Vect 1 , 0 ; 1 1 1 0 1 1 Im (f1 ) = Vect (G1 , G1 , G1 ), avec G1 = 1 . De faon vidente, 1 (G1 , G1 , G1 ) nest pas une base de Im (f1 ), et (G1 ) en est une. Dans les autres cas ( l / {1 ; 2}), Ker (fl ) = {O}. Pour Im (f ) : le systme homogne (1) admet une solution unique (la solution O). Or on a vu que cette proprit (le systme est de Cramer) dpendait uniquement des pivots du systme, et pas des seconds membres (voir 4.1.3). Cela veut dire que pour tout (a, b, g) R3 , le systme
A 1 = lx + y + z = a x ly + z = b x + y lz = g

admet une solution unique, ou encore que la matrice Al est invera x b y , il existe X = sible, ou encore que, pour tout Y = g z unique tel que fl (X ) = Y , cest--dire que fl est une bijection de M3,1 (R) sur M3,1 (R). Par consquent, Im (fl ) = M3,1 (R).

129

Espaces vectoriels applications linaires

1. Espaces vectoriels, sous-espaces vectoriels


1.1 Espaces vectoriels
Dnition. Un espace vectoriel sur R (ev) est un ensemble E contenant au moins un lment, not 0E , ou simplement 0, muni dune addition : u E, v E, u + v E,

et dune multiplication par les rels : u E, a R, a u E, avec les proprits suivantes : u, v E ; a, b R, u + (v + w ) = (u + v ) + w ; u + v = v + u; u + 0E = 0E + u = u ; u + (u) = (u) + u = 0E en notant u = (1) u ; (a + b) u = a u + b u ; a (u + v) = a u + a v ; a (b u) = (ab) u ; 1 u = u.
Ces proprits ne ncessitent aucun effort particulier de mmorisation et sutilisent naturellement. La difcult est le niveau dabstraction inhabituel. Un vecteur est un lment dun espace vectoriel : on sait additionner deux vecteurs, multiplier un vecteur par un nombre rel, avec toutes les bonnes proprits. On peut bien sr penser lensemble des vecteurs du plan. 131

Partie 2 Algbre linaire

0 u = 0E , a 0E = 0E , et a u = 0E a = 0 ou u = 0E . Attention, quant A et B sont deux matrices carres dordre n, le produit AB peut tre nul sans que A ou B ne le soit.

Exemples. Les espaces vectoriels de rfrence sont les suivants : Lensemble R2 = {(x, y) |x R, y R} est un ev pour les oprations : (x, y) + x , y = x + x , y + y ; a (x, y) = (ax, ay)

On dnit de mme les ev Rn pour n N (avec R1 = R, R0 = {0}). Avec n, p dans N , lensemble Mn,p (R) des matrices relles n lignes et p colonnes est un ev pour laddition des matrices et la multiplication dune matrice par un nombre rel, voir 4.2.2. Si E et F sont des ev, lensemble L (E, F ) des applications linaires de E dans F est un ev, voir 5.3.1. Lensemble R [X ] des polynmes rels et les ensembles Rn [X ] des polynmes rels de degr n (n N) sont des espaces vectoriels pour les oprations P + Q, aP , voir le 6.2 de lIntroduction. On a dailleurs les inclusions R0 [X ] R1 [X ] R2 [X ] R [X ]. Lensemble RN des suites numriques est un ev pour les oprations : (un )nN + (vn )nN = (un + vn )nN ; a (un )nN = (aun )nN
Plus gnralement, D tant un ensemble non vide, lensemble RD des applications de D dans R est un ev pour les oprations

( f + g) (x) = f (x) + g (x) ; (a f ) (x) = af (x) avec f, g RD ; a R ; x D. Avec D = N, on a bien lev des suites numriques. On retient (avec D = I ) que lensemble des applications de lintervalle rel non vide I dans R est un ev. Avec D = V, o (V, T , P) est un espace probabilis, on obtient que lensemble des variables alatoires dnies sur V est un ev.

1.2 Sous-espaces vectoriels


Dnition. Soit E un ev. On dit que lensemble F est un sous-espace vectoriel de E ssi F est un ev et F E. Abrg : F est un sev de E.
132

Chapitre 5 Espaces vectoriels applications linaires

{0E } et E sont des sev de lev E. R0 [X ] (ev des fonctions constantes) est un sev de R1 [X ] (ev des fonctions afnes), lui-mme sev de R2 [X ]... Et, pour tout n N, lev Rn [X ] des polynmes de degr n est un sev de R [X ].

Thorme. F est un sev de E ssi : F E et 0E F ; u F, v F u + v F ; u F, a R a u F . On utilise ce thorme et jamais la dnition pour montrer quun ensemble est un ev, en tablissant que lensemble en question est un sev dun ev de rfrence.
Pour n N {}, lensemble Cn (I ) des applications de classe Cn de lintervalle I dans R est un ev. En effet, daprs 1.3.1 :

Cn (I ) est inclus dans lespace vectoriel de rfrence RI , et la fonction nulle I R, x 0 appartient Cn (I ) ; si f, g Cn (I ), alors f + g Cn (I ) ; si f Cn (I ) et a R, alors af Cn (I ). Cn (I ) est donc un sev de RD , donc un ev. On peut prciser que si n n , Cn (I ) est un sev de Cn (I ). a b Lensemble F = ; a + d = 0 est un ev car cest un c d sev de M2 (R). En effet : F M2 (R) et la matrice nulle si M = a b c d et M = a+a c+c 0 0 0 0 a b c d b+b d+d appartient F ; appartiennent F et a et aM = aa ab ac ad

R, alors M + M = appartiennent F car a+a + d+d et

= (a + d) + a + d

=0+0=0

aa + ad = a (a + d) = a0 = 0.
133

Partie 2 Algbre linaire

Lensemble G = {un | n N, un+2 = 2un+1 + 3un } est un sev de lev RN des suites numriques, en effet :

G RN ; la suite nulle (n N, un = 0) appartient G ; si (un ) , (vn ) sont deux suites appartenant G et a un nombre rel, alors (un ) + (vn ) = (un + vn ) et a (un ) = (aun ) appartiennent G. En effet, pour tout n de N : un+2 + vn+2 = 2un+1 + 3un + (2vn+1 + 3vn )
= 2 (un+1 + vn+1 ) + (un + vn )

aun+2 = a (2un+1 + 3un ) = 2 (aun+1 ) + 3 (aun ) Notion de combinaison linaire. Soient u1 , . . . , up des lments de lev E, et a1 , a2 , . . . , ap des nombres rels. Le vecteur
p

ai ui = a1 u1 + + ap up est une combinaison linaire des vecteurs u1 , . . . , up . Lensemble de toutes les combinaisons linaires des vecteurs xs u1 , . . . , up de E est un sev de E, appel sous-espace vectoriel engendr par u1 , . . . , up , et not Vect u1 , . . . , up :
p i=1

Vect u1 , . . . , up = u E | a1 , . . . , ap R , u =
p i=1

ai ui

On a Vect (0E ) = {0E }. F=

a b b a

; a, b R F = Vect

est un sev de M2 (R), donc un ev, car 1 0 0 1 , 0 1 1 0

Notez que les vecteurs u1 , . . . , up appartiennent Vect u1 , . . . , up : u1 = 1 u1 + 0 u2 + + 0 up par exemple. 0E appartient bien sr Vect u1 , . . . , up : 0E = 0 u1 + + 0 up
134

Chapitre 5 Espaces vectoriels applications linaires

1.3 Familles libres, gnratrices, bases


Dnitions. Soit p N , E un ev et F = u1 , . . . , up une famille de vecteurs de E. On dit que la famille F est : gnratrice de E ssi tout vecteur de E est combinaison linaire des lments de F :
p

u E,

a1 , . . . , ap Rp ,

u=
i=1

ai ui

On dit aussi que F engendre E ; libre ssi le vecteur nul 0E est combinaison linaire des lments de F de faon unique : a1 u1 + + ap up = 0E a1 = = ap = 0
une base de E ssi tout vecteur de E est combinaison linaire des lments de F de faon unique :
p

u E, a1 , . . . , ap R , a1 , . . . , ap unique, u =
p i=1

ai ui

Les rels a1 , . . . , ap sont alors les coordonnes du vecteur u dans la base F , et on dit que E est de dimension nie. Thorme de la dimension. Dans un espace vectoriel de dimension nie E, toutes les bases ont le mme nombre dlments. Ce nombre not dim (E) est appel la dimension de E. Soit F une famille dlments de E de dimension nie n. Les proprits suivantes sont quivalentes : F est une base de E ; F est libre et de cardinal n ; F est gnratrice de E et de cardinal n ; F est libre et gnratrice de E. On utilise ce thorme principalement pour montrer quune famille F est une base de E. On utilisera surtout (avec E de dimension n) : libre et de cardinal n base libre et gnratrice de E base
((1 ; 0) , (0 ; 1)) est une base de R2 , qui est donc de dimension 2 (voir plus loin). Soit B = (u1 , u2 ), avec u1 = (2 ; 1) , u2 = (1 ; 2). 135

Partie 2 Algbre linaire

B est une famille libre, de cardinal 2, donc B est une base de R2 . Soit F = (x ; y ; z) R3 |x y + z = 0 . u = (x ; y ; z) F x = y z u = (y z ; y ; z) u = yu1 + zu2 , avec u1 = (1 ; 1 ; 0) , u2 = (1 ; 0 ; 1). F est donc le sous-espace vectoriel de R2 engendr par la famille de vecteurs B = (u1 ; u2 ) ; donc F est un espace vectoriel, dont une famille gnratrice est B . Comme cette famille est libre, B est une base de lespace vectoriel F (qui est donc de dimension 2).

Quand une famille est libre, on dit que les vecteurs qui la composent sont linairement indpendants. Une famille lie est une famille non libre. cause du thorme de la dimension, il est important de reconnatre les familles libres. Dans ce sens on a : (u) est une famille libre ssi u = 0E . Les vecteurs u, v de lev E sont dits colinaires ssi u = 0E ou v = lu, avec l R. (u, v) est une famille libre ssi u et v ne sont pas colinaires. Soient u = (2 ; 1 ; 3) , v = (4 ; 2 ; 6) , w = (4 ; 2 ; 6). u, v sont colinaires (v = 2u), ils ne forment donc pas une famille libre. (u, w ) et (v, w ) sont des familles libres.
Soient F = (u, v, w ) une famille de trois vecteurs. Si deux dentre eux sont colinaires, alors la famille F est lie, mais la rciproque est fausse.

u = (1 ; 0 ; 1) , v = (2 ; 3 ; 5) , w = (1 ; 0 ; 1) : La famille F est lie car les vecteurs u et w sont colinaires. u = (1 ; 1 ; 1) , v = (2 ; 1 ; 2) , w = (3 ; 0 ; 1). F est une famille lie car u + v w = 0, alors que les vecteurs u, v, w ne sont pas deux deux colinaires. Pour montrer quune famille de plus de deux vecteurs est libre, on sera amen (trs souvent) rsoudre le systme linaire correspondant, qui est un systme homogne : la famille est libre ssi le systme admet uniquement la solution nulle. Exemples de bases et de dimensions Avec n N , Rn est un espace vectoriel de dimension n. Par exemple, R3 est de dimension 3. Soit B = (e1 , e2 , e3 ), avec e1 = (1 ; 0 ; 0) , e2 = (0 ; 1 ; 0) , e3 = (0 ; 0 ; 1)
B est une base de R3 , appele la base canonique de R3 . Lespace vectoriel {0} na pas de base, il est de dimension 0. Soit E un ev dimension n. Le seul sev de E de dimension 0 est {0E }, le seul sev de dimension n est E. 136

Chapitre 5 Espaces vectoriels applications linaires

Les sev de R3 de dimension 1 sont les Vect(u) = {x u | x R} avec u = 0 (droites vectorielles), les sev de dimension 2 sont les Vect (u, v) = {x u + y v | x, y R} avec u, v non colinaires (plans vectoriels). Avec n N, lespace vectoriel Rn [X ] des polynmes de degr n est de dimension n + 1. B = 1, X, X 2 est la base canonique de R2 [X ], car pour tout P R2 [X ], P (X ) = a0 + a1 X + a2 X 2 de faon unique. Avec n, p N , Mn,p (R) est un espace vectoriel de dimension np. Mn (R) est de dimension n2 . La base canonique de M2 (R) est

1 0 0 0

0 1 0 0

0 0 1 0

0 0 0 1

Pour montrer que (u, v, w ) est une base de R3 , la dmarche courante, illustre par un exemple, est la suivante : Avec u = (1 ; 1 ; 1) , v = (1 ; 1 ; 1) , w = (1 ; 1 ; 1) :

xu+yv +zw = (0 ; 0 ; 0)

xyz=0 x + y + z = 0 x + y + z = 0

x=0 y=0 z=0

La famille (u, v, w ) est donc libre, et de cardinal 3 ; R3 est de dimension 3, il en rsulte que (u, v, w ) est une base de R3 . On utilisera cette mthode quand on na aucun renseignement sur la famille (u, v, w ) ; le rsultat peut provenir dautres considrations (matrices inversibles, thorie du changement de base, endomorphismes diagonalisables, voir plus loin).
Ne confondez pas dimension et cardinal : dans un espace vectoriel de dimension n, toutes les bases ont le mme cardinal, mais ne parlez pas de cardinal dun espace vectoriel, ni de dimension dune base. Dans un ev E de dimension n, une famille libre a au plus n lments. Si elle a moins de n lments, on peut la complter de faon obtenir une base (thorme de la base incomplte). Si elle a exactement n lments, cest une base de E. Dans un ev E de dimension n, une famille gnratrice a au moins n lments. Si elle a plus de n lments, on peut en extraire une sousfamille libre de cardinal n (ou de cardinal maximal si n nest pas connu), qui est alors une base de E. Si elle a exactement n lments, cest une base de E. 137

Partie 2 Algbre linaire

2. Applications linaires
2.1 Dnition, exemples
Dnitions. Soit E, F deux ev. Une application f : E F est dite linaire ssi : u, v E, f (u + v) = f (u) + f (v) ; u E, a R, f (a u) = a f (u). Soit f : E F linaire. Si f est bijective, on dit que f est un isomorphisme de E sur F . Si F = E, on dit que f : E E est un endomorphisme de E. Si f : E E est bijective, on dit que f est un automorphisme de E. Si F = R, on dit que f : E R est une forme linaire. Pour prouver que f : E F est linaire, on utilise la dnition. Pour prouver que f linaire est : un isomorphisme, il suft de prouver quelle est bijective ; un endomorphisme : f (E) E ; un automorphisme : f (E) E et f bijective. Premires proprits. Pour f : E F linaire : f (0E ) = 0F ; u E, f (u) = f (u) ; p p u1 , . . . , up E, f i=1 ai ui = i=1 ai f (ui ) Cette dernire proprit est une proprit caractristique des applications linaires : f est une application linaire ssi limage par f dune combinaison linaire est la combinaison linaire des images. Premiers exemples Lapplication nulle E F, u 0F est linaire. Lapplication identique IdE : E E, u u est linaire. Cest dailleurs un automorphisme de E. La transpose dune matrice carre (voir 4.2.1) dnit une endomorphisme de Mn (R) :
t

M + M =t M + t M ; t (aM ) = a t M .

Les applications linaires de R dans R sont les applications x ax. Les formes linaires de R3 dans R sont les applications

(x, y, z) ax + by + cz
138

Chapitre 5 Espaces vectoriels applications linaires

2.2 Applications linaires et matrices


Soit f : E F linaire, B une base de E. Limage par f du vecteur u E est entirement dtermine par la donne des images f (e1 ) , . . . , f ep des vecteurs de la base B . Plus prcisment, le thorme suivant permet de calculer effectivement sur les applications linaires : Thorme. Soit E, F deux ev ; B = e1 , . . . , ep une base de E ; C = e1 , . . . , en une base de F ; f une application linaire de E dans F . Soit : Y = Mat ( f (u), C ) la matrice colonne des coordonnes de f (u) dans la base C ; M = Mat ( f, B , C ) la matrice dont les colonnes successives sont les coordonnes des vecteurs f (e1 ) , . . . , f ep dans la base C ; X = Mat (u, B ) la matrice colonne des coordonnes de u dans la base B . Alors Y = MX
p

En effet, si u =
i=1

xi ei , alors
p p p

f (u) = f
i=1 n

xi e i
p

=
i=1

xi f ( e i ) =
i=1

xi

n j =1

ai,j ej

=
j =1 i=1

ai,j xj

ej
1 i p. 1 j n

do la conclusion, avec M = ai,j

La matrice de lapplication linaire nulle E F, u 0F , est toujours la matrice nulle de Mn,p (R). Soient B = (e1 , e2 , e3 ) et C = e1 , e2 les bases canoniques de R3 et R2 , et f : R3 R2 linaire telle que

f (e1 ) = (1 ; 2) , f (e2 ) = (3 ; 4) , f (e3 ) = (5 ; 6) . f (e1 ) = 1 e1 + 2 e2 , . . . donc M = Mat ( f, B , C ) = 1 3 5 2 4 6


139

Partie 2 Algbre linaire

Avec u = xe1 + ye2 + ze3 , on a X = Mat (u, B ) = 1 3 5 2 4 6 x y z

x y . z

Y = MX =

x + 3y + 5z 2x + 4y + 6z

On a donc f (u) = (x + 3y + 5z, 2x + 4y + 6z), ce que conrme le calcul direct f (u) = x f (e1 ) + y f (e2 ) + z f (e3 ) = . . . Soit la forme linaire f : R3 R, (x, y, z) x + 2y + 3z. Avec B = (e1 , e2 , e3 ) base canonique de R3 , C = (1) base canonique de R, on a f (e1 ) = 1, f (e2 ) = 2, f (e3 ) = 3, donc Mat ( f, B , C ) = 1 2 3 ; f (x ; y ; z) = 1 2 3 x y z

en identiant M3,1 (R) et R3 , M1,1 (R) et R. Cas des endomorphismes Dans le cas, le plus frquent, o f est un endomorphisme de E, on note simplement Mat ( f, B ) au lieu de Mat ( f, B , B ). Cette matrice est appele matrice de f dans la base B , ou relativement la base B . De mme, la matrice colonne Mat (u, B ) est appele matrice de u dans la base B . Pour f endomorphisme de E, avec B base de E : Mat ( f (u), B ) = Mat ( f, B ) Mat (u, B ) Ainsi, dans toute base B dun espace vectoriel E de dimension n, on a Mat (IdE , B ) = In . Si X = Mat (u, B ), alors In X = X , ce qui correspond bien IdE (u) = u. Ne pas confondre le vecteur u E (qui peut tre un polynme, une fonction, une matrice. . . ) avec la matrice colonne Mat (u, B ) des coordonnes de u dans la base B , sauf si E est lespace vectoriel Rn et B sa base canonique.
Le polynme P = a + bX + cX 2 a pour coordonnes (a, b, c ) dans la base canonique B = 1, X, X 2 de R2 [X], mais nest pas gal au vecteur (a, b, c ) de R3 . 140

Chapitre 5 Espaces vectoriels applications linaires

En revenant la dnition, on montre que f : P f (P ) = P + P est un endomorphisme de R2 [X], dont la matrice dans la base B est 1 1 0 2 0 0 1 2 . Le calcul A 2 0 = montre que A = 0 0 1 1 1 limage du polynme 2 2X + X 2 par f est le polynme X 2 , ce que conrme le calcul direct. Soit g lendomorphisme de R3 dont la matrice dans la base canonique est la matrice A prcdente. Le mme calcul sinterprte maintenant en disant que g ((2, 2, 1)) = (0, 0, 1). Soit k R. Lapplication E E ; u k u est un endomorphisme dont la matrice est kIn dans toute base de E, mais en dehors de ce cas, un endomorphisme est reprsent par une matrice diffrente quand on change de base, voir 6.1, et lexemple ci-dessous.

Soit f lendomorphisme de R3 dont la matrice dans la base canonique 2 2 2 1 3 1 . B = (e1 , e2 , e3 ) est A = Mat ( f, B ) = 1 1 1 Soit B = (u1 , u2 , u3 ), avec u1 = e1 e2 ; u2 = e1 + e3 ; u3 = e2 e3
B est une base de R3 , car cest une famille libre de cardinal 3. On calcule f (u1 ) en utilisant Mat ( f, B ) Mat (u1 , B ) = Mat ( f (u1 ) , B ) :

2 2 2 1 3 1 1 1 1

1 1 0

4 4 0

=4

1 1 0

Donc f (u1 ) = (4, 4, 0) = 4u1 = 4 u1 + 0 u2 + 0 u3 On trouve de mme f (u2 ) = (0, 0, 0) = 0 u1 + 0 u2 + 0 u3 f (u3 ) = (0, 2, 2) = 2u3 = 0 u1 + 0 u2 + 2 u3 Par dnition de la matrice de f dans la base B , on a donc : A = Mat f, B
=

4 0 0 0 0 0 0 0 2

= A = Mat ( f, B )

141

Partie 2 Algbre linaire

3. Espace vectoriel L (E, F ), algbre L (E)


3.1 Espace vectoriel L (E, F )
Thorme 1. Soit E et F deux ev de dimension nie, B une base de E, C une base de F . Alors lensemble L (E, F ) des applications linaires de E dans F est un espace vectoriel pour les oprations f + g et af . Lapplication F dnie par F : L (E, F ) Mn,p (R) ; f A = Mat ( f, B , C ) est un isomorphisme, cest--dire : F est une bijection :
A Mn,p (R) , f L (E, F ) , f unique, Mat ( f, B , C ) = A

F est linaire : f, g L (E, F ) , a R, Mat ( f + g, B , C ) = Mat ( f, B , C ) + Mat (g, B , C ) Mat (af , B , C ) = a Mat ( f, B , C )

Attention, la matrice associe une application linaire nest pas unique, elle dpend des bases choisies dans les espaces E et F . Si E = F = Rn (trs frquent), on donne naturellement la matrice de f dans la base canonique de Rn , mais il peut exister des bases de Rn dans la quelle la matrice de f sera plus simple, voir chapitre 6.

3.2 Algbre L (E)


Lespace vectoriel L (E, E) des endomorphismes de E est not simplement L (E). Soit B une base de E, de dimension n. Daprs ce qui prcde : f L(E), A Mn (R), A unique, Mat ( f, B ) = A f , g L (E), a R, Mat ( f + g, B ) = Mat ( f, B ) + Mat (g, B ) Mat (af , B ) = aMat ( f, B )

142

Chapitre 5 Espaces vectoriels applications linaires

On a de plus le Thorme 2 Si f, g L (E), alors f g L (E, F ), et Mat ( f g, B ) = Mat ( f, B ) Mat (g, B )


Mat (IdE , B ) = In f L (E, F ) est bijective ssi A = Mat ( f, B ) est inversible, et on a alors : Mat f 1 , B = A1 = [Mat ( f, B )]1

Remarques Ces rsultats sont cohrents avec les proprits des bijections rciproques. Si f : E E est bijective, on sait que f f 1 = f 1 f = IdE , ce qui correspond , avec A = Mat ( f, B ) : A A 1 = A 1 A = In
Soit Aut (E) lensemble des automorphismes de E. On a les proprits : IdE Aut (E) ; si f, g Aut (E), alors f g Aut (E), et ( f g)1 = g1 f 1 . La composition des automorphismes est associative (( f (g h) = ( f g) h), mais pas commutative (f g = g f en gnral). On rsume ces proprits en disant que Aut (E) est un groupe (non commutatif) pour la composition des applications. Aut (E) est aussi not GL (E) ( groupe linaire de E ).

Une application Puissance n-me dun endomorphisme. Soit f L (E), et soit p N . On pose f p = f f (p termes) Si f nest pas lendomorphisme nul, on pose f 0 = IdE . On a alors : Mat ( f p , B ) = [Mat ( f, B )]p Remarque. Soit A = Mat ( f, B ). Si f est bijective (ce qui est quivalent A inversible), on peut dnir Ak et f k avec k entier ngatif. En effet, p si A est inversible et p N, alors Ap est inversible, et (Ap )1 = A1 p (car Ap A1 = In ). En posant Ap = (Ap )1 = A1
p

; f p = ( f p )1 = f 1 ,
p

on a alors, maintenant pour tout p Z : Mat ( f p , B ) = [Mat ( f, B )]p .


143

Partie 2 Algbre linaire

Mais attention, ceci est valable uniquement si f est bijective. Dans un contexte diffrent (si f est une fonction de R dans R), f n dsigne la fonction x ( f (x))n . Mais aucune ambigut nest possible, le produit de deux vecteurs ntant pas une opration dnie.

4. Noyau et image dune application linaire


4.1 Dnitions, proprits
Dnitions. Soit E, F deux ev de dimension nie, et f : E F linaire. Le noyau de f est le sous-ensemble de E, not Ker ( f ), et dni par Ker ( f ) = {u|u E ; f (u) = 0F } Limage de f est le sous-ensemble de F , not Im ( f ), et dni par Im ( f ) = {v|v F ; u E, f (u) = v} u Ker ( f ) f (u) = 0F . La dtermination de Ker ( f ) conduit donc naturellement la rsolution dun systme linaire homogne (voir 4.1.3). Pour la dtermination de Im ( f ), voir ci-dessous. Proprits Ker ( f ) est un sev de E. f injective Ker ( f ) = {0E } Im ( f ) est un sev de F . f surjective Im ( f ) = F Si e1 , . . . , ep est une base de E, alors la famille f (e1 ) , . . . , f ep est une famille gnratrice de Im ( f ). (formule du rang) dim (Ker ( f )) + dim (Im ( f )) = dim (E) Dmontrons les trois premires proprits : Ker ( f ) E par dnition, et 0E Ker ( f ) car f (0E ) = 0F . Si u, u Ker ( f ) et a R, alors u + u et a u Ker ( f ), car f u + u = f (u) + f u = 0F + 0F = 0F ; f (a u) = a f (u) = a 0F = 0F .
Soit f injective, et u Ker ( f ). f (u) = f (0E ) = 0F , donc u = 0E , donc Ker ( f ) = {0E }. 144

Chapitre 5 Espaces vectoriels applications linaires

Rciproquement, supposons Ker ( f ) = {0E }. Alors f (u) = f u f (u) f u = 0 f u u = 0F u u Ker ( f ) u u = 0E u = u : f est injective. Par dnition, Im ( f ) F , et f (0E ) = 0F , donc 0F Im ( f ). Si v, v Im ( f ) et a R, alors v + v = f (u) + f u = f u + u Im ( f ) a v = a f (u) = f (a u) Im ( f ) La quatrime proprit est vidente. Pour la cinquime, il suft dcrire :
p p

v Im ( f ) v = f (u) = f
i=1

ai ei

=
i=1

ai f (ei )

On admet la dernire proprit.

4.2 Applications
Caractrisation des isomorphismes
Soit f : E E un endomorphisme. On a alors les quivalences : f bijective f injective Ker ( f ) = {0E } f surjective Im ( f ) = E Soit f : E F linaire. On a les quivalences : f bijective f injective ( Ker ( f ) = {0E }) et dim (E) = dim (F )

Dmonstration. Il suft dappliquer la formule du rang : dim (Ker ( f )) + dim (Im ( f )) = dim (E) Si par exemple f est injective, on a successivement Ker ( f ) = {0E } , dim (Ker ( f )) = 0, dim (Im ( f )) = dim (E) Dans le cas dun endomorphisme, cela implique : Im ( f ) = E, puis f surjective, puis f bijective. Dans le cas gnral, si dim (E) = dim (F ), cela implique Im ( f ) = F , f surjective, f bijective.

145

Partie 2 Algbre linaire

Soit f lendomorphisme de R3 dont la matrice dans la base canonique 1 0 1 1 1 0 . de R3 est A = 0 1 1

(x, y, z) Ker ( f )

x+z=0 x + y = 0 ... y+z=0 x=0 y=0 . z=0

Ker ( f ) = {0}, lendomorphisme f est donc bijectif, et on a Im ( f ) = R3 . Attention, on peut avoir Ker ( f ) = {0E } sans que f soit bijective. Il faut donc bien prciser que f est un endomorphisme. Remarques f : E F linaire est un isomorphisme ssi limage dune base de E est une base de F . En effet, avec (ei )1 i n base de E, si f est un isomorphisme, pour tout v F , il existe un unique u = n i=1 ai ei dans n ( ), ( f (ei ))1 i n E tel que v = f (u) = a f e ce qui prouve que i i i=1 est une base de F . Rciproquement, si ( f (ei ))1 i n est une base de F , alors pour tout v F , il existe (ai )1 i n unique dans Rn tel que n v= n i=1 ai f (ei ) = f i=1 ai ei , ce qui prouve que f est un isomorphisme. Deux ev E et F sont dits isomorphes ssi il existe un isomorphisme f : E F . Pour que E et F de dimension nie soient isomorphes, il est ncessaire quils soient de mme dimension. Cette condition est aussi sufsante : avec (ei )1 i n , ei 1 i n bases respectives de E, F , lapplication linaire f telle que pour tout i, f (ei ) = ei est un isomorphisme, daprs la remarque prcdente. Dtermination de limage dune application linaire Avec f : E F linaire, (ei )1 i n base de E, on sait que Im ( f ) est engendre par f (e1 ) , . . . , f (en ). Si la dimension de Ker ( f ) est connue, on connat alors grce la formule du rang la dimension de Im ( f ), puis une base de Im ( f ).

146

Chapitre 5 Espaces vectoriels applications linaires

Soit f lendomorphisme de R3 dont la matrice dans la base canonique 2 2 2 1 3 1 . Pour dterminer Ker ( f ), on rsout le est A = 1 1 1 systme homogne f ((x, y, z)) = (0, 0, 0), et on trouve Ker ( f ) = Vect ((1, 0, 1)), qui est donc de dimension 1. Daprs la formule du rang, Im ( f ) est de dimension 2. La famille ((2, 1, 1) , (2, 3, 1) , (2, 1, 1)) est une famille gnratrice de Im ( f ). On en extrait la famille ((2, 1, 1) , (2, 3, 1)) (par exemple) libre et de cardinal 2, qui est une donc une base de Im ( f ). On peut aussi dterminer une base de Im ( f ) sans passer par le noyau de f : il suft dextraire de la famille ( f (e1 ) , . . . , f (en )) (qui est une famille gnratrice de Im ( f )) une sous-famille libre de cardinal maximal. Cette famille est alors une base de Im ( f ).
E est un ev rapport une base B = (e1 , e2 , e3 ), a un nombre rel, fa lendomorphisme de R3 tel que : fa (e2 ) = 0 ; fa (e1 ) = fa (e3 ) = u1 = a e1 + e2 a e3

Im ( fa ) est engendr par la famille (0, u1 , u1 ). On en extrait la famille libre de cardinal maximal (u1 ), qui est une base de Im ( fa ). Soit B = (E1 , E2 , E3 , E4 ) la base canonique de M2 (R) (voir 5.1.3), 1 0 0 1 , J = E2 + E3 = , f lapplication I = E1 + E4 = 0 1 1 0 a b associe la matrice qui toute matrice M = c d a+d b+c I+ J. 2 2 f est un endomorphisme de M2 (R) (appliquer la dnition, sans oublier de dire que pour tout M de M2 (R), f (M ) appartient M2 (R)). 1 ( ) ( ) f (E1 ) = f (E4 ) = 1 2 I , f E2 = f E3 = 2 J . La matrice de f dans la base B est donc 1/ 2 0 0 1/2 0 1/2 1/2 0 A= . 0 1/2 1/2 0 1/ 2 0 0 1/2 f (M ) =
147

Partie 2 Algbre linaire

Pour dterminer Im ( f ), on peut crire Im ( f ) = Vect ( f (E1 ) , f (E2 ) , f (E3 ) , f (E4 ))


= Vect

1 1 1 1 I, J, J, I 2 2 2 2 = Vect (I, J )

= Vect

1 1 I, J 2 2

1 En effet, 1 2 I et 2 J ne sont pas colinaires, ils constituent donc une base de Im ( f ) qui est donc de dimension 2. I et J appartiennent Im ( f ) et ne sont pas colinaires, (I, J ) est donc un base de Im ( f ).

La dimension de Im ( f ) est appele rang de f , not rg ( f ). La formule du rang scrit donc : dim (Ker ( f )) + rg ( f ) = dim (E) Soit f un endomorphisme de R3 . Si f est de rang 0, alors f est lendomorphisme nul. Si f est de rang 1, les trois vecteurs-colonnes de la matrice A de f dans une base quelconque ont leurs coordonnes proportionnelles. Si f est de rang 2, un des vecteurs-colonnes est colinaire une combinaison linaire des deux autres, qui sont non colinaires. Si f est de rang 3, alors les trois vecteurs-colonnes de A forment une famille libre ; f est un isomorphisme.

5. Deux applications
5.1 Application aux suites rcurrentes linaires
On va utiliser les outils dalgbre linaire rencontrs jusquici (sousespaces vectoriels, isomorphisme, dimension, bases) pour tablir le thorme sur les suites rcurrentes linaires deux termes (voir 0.4.4) : Soit a, b R, (un )nN telles que n N, un+2 = aun+1 + bun On considre lquation caractristique (1) r 2 = ar + b. Si lquation (1) a deux racines r1 , r2 , alors il existe a, b N tels que : n N, un = ar1 n + br2 n
Si lquation (1) a une racine double r1 , alors il existe a, b N tels que : n N, un = ar1 n + bnr1 n

148

Chapitre 5 Espaces vectoriels applications linaires

La dmonstration nest pas dtaille, on en donne juste les grandes lignes : Lensemble E = {(un ) ; n N, un+2 = aun+1 + bun } est un espace vectoriel, car cest un sev de lev de rfrence RN . Lapplication F : E R2 , (un ) (u0 , u1 ) est un isomorphisme despaces vectoriels, car elle est linaire (revenir la dnition), et bijective (idem). Daprs la formule du rang, E est donc de dimension 2. On cherche alors deux lments non colinaires de E, qui formeront une base de E. On cherche dabord les suites gomtriques (r n ) appartenant E, ce qui a lieu si et seulement si
n N,

r n+2 = ar n+1 + br n r n r 2 ar b = 0

Ainsi apparat lquation caractristique. Si celle-ci a deux solutions r1 et r2 , les suites (r1 n ) et (r2 n ) forment une famille libre, donc une base, de E qui est de dimension 2. Cela veut dire exactement : a, b R, (un ) = a (r1 n ) + b (r2 n ), cest--dire : n N,

un = ar1 n + br2 n ,

soit le rsultat dans ce cas l. Enn, si lquation caractristique a une racine double r1 , on vrie que les suites (r1 n ) et (nr1 n ) appartiennent E et forment une famille libre, ce qui donne le rsultat dans ce cas l.

5.2 Inversibilit du tableau de Pascal


Soit n N et w lapplication de Rn [X ] dans R [X ] dnie par w (P ) = Q tel que Q (X ) = w (P ) (X ) = P (X + 1) .
w est un endomorphisme de Rn [X ]. En effet :

Si P est un polynme de degr n, alors Q (X ) = P (X + 1) est un polynme de degr n. w est donc une application de Rn [X ] dans Rn [X ]. Si P1 , P2 Rn [X ] et a R, alors w (P1 + P2 ) (X ) = (P1 + P2 ) (X + 1) = P1 (X + 1) + P2 (X + 1)
= w (P1 ) (X ) + w (P2 ) (X ) ,

donc w (P1 + P2 ) = w (P1 ) + w (P2 ) ; w (aP1 ) (X ) = (aP1 ) (X + 1) = aP1 (X + 1) = aw (P1 ) (X ) donc w est linaire.
149

Partie 2 Algbre linaire

w est un automorphisme de Rn [X ], et w1 (Q) (X ) = Q (X 1) pour tout Q Rn [X ]. En effet :

Q = w (P ) Q (X ) = P (X + 1) P (X ) = Q (X 1)
soit A la matrice de w dans la base canonique de Rn [X ]. Les colonnes de A sont les coordonnes de w (1) , w (X ) , . . . , w (X n ) dans la base (1, X, . . . , X n ). Attention, il sagit des (fonctions) polynmes 1, X , . . . , et non des nombres rels. On a

w (1) = 1 ; w (X ) = X + 1 ; . . . ; w (X n ) = (X + 1)n En effet, si, pour tout X R, P (X ) = 1, alors, pour tout X R, Q (X ) = w (P ) (X ) = P (X + 1) = 1, etc. On utilise alors la formule du binme :
k

(X + 1)k =
i=0

k Xi i

La matrice A est donc la matrice 0 1 0 0 1 0 1 . . . 0 A= . . . 0 0

2 0 2 1 2 2 0 . . . 0

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

n 0 n 1 n 2 . . . n n

.. ..

. . .. .

Puisque w est un automorphisme, A est inversible, et A1 est la matrice de w1 dans la mme base (1, X, . . . , X n ). On a

w1 X k = (X 1)k =
150

k i=0

k X i (1)ki i

Chapitre 5 Espaces vectoriels applications linaires

et par consquent : 0 0 0 . . 1 . A = 0

1 0 1 1 0 . . .

2 0 2 1 2 2 0 . . . 0

... ...

(1)n

n 0 n 1 n 2

. . . . . . (1)n1 . . . . . . (1)n2

.. ..

. . .. .

. . . n n

A est la transpose du tableau de Pascal considr comme une matrice. On a donc bien obtenu linverse du tableau de Pascal dordre n. Par exemple, avec n = 4 : 1 0 0 0 0 1 0 0 0 0 1 1 0 0 0 1 1 0 0 0 1 t 1 0 0 A = 1 2 1 0 0 ; tA = 1 2 1 3 3 1 0 1 3 3 1 0 1 4 6 4 1 1 4 6 4 1

On vrie que a marche (le produit des deux matrices est gal I4 ).

151

Diagonalisation

Les matrices carres avec lesquelles les calculs sont les plus simples sont les matrices diagonales. On a vu en effet que, si p N et p l1 0 0 l1 0 0 p p 0 l2 0 , alors D = 0 l2 0 , ceci restant D = p 0 0 l3 0 0 l3 valable avec p = 1 (cest--dire avec D est inversible) ssi tous les li sont non nuls. Le problme de la diagonalisation peut se poser de la manire suivante : soit f un endomorphisme de lev E de dimension n, B une base de E, A = Mat ( f, B ) la matrice de f dans la base B . Trouver, si elle existe, une base B de E dans laquelle la matrice de f soit diagonale. Le 2 est lobjet de cette tude. Auparavant, on doit savoir passer dune base une autre, cest lobjet du 1. Les rsultats seront donns dans le cadre abstrait de lev E de dimension n, muni dune base B . Dans les exemples des deux premiers paragraphes, on aura toujours E = R3 , B la base canonique de R3 .

1. Thorie du changement de base


Dnition. Soit B une base de lev E de cardinal n, F une famille de n vecteurs de E. La matrice de passage de la base B la famille F est la matrice P dont les colonnes successives sont les coordonnes des vecteurs u1 , . . . , un dans la base B . Proprits Proposition 1. La matrice P est inversible ssi F est une base de E. La matrice P 1 est alors la matrice de passage de la base F la base B .
153

Partie 2 Algbre linaire

Exemple. Soit F = (u1 , u2 , u3 ), avec u1 = (1, 0, 0) , u2 = (2, 2, 0) , u3 = (3, 3, 3)

La matrice de passage de B (base canonique de R3 ) F est 1 2 3 0 2 3 . P est une matrice triangulaire sans zros sur la P = 0 0 3 diagonale, elle est donc inversible, et F est une base de R3 . En calculant P 1 , par exemple grce la mthode du pivot, on trouve : 1 1 0 0 1/2 1/2 . P 1 est la matrice de passage de la base P 1 = 0 0 1/3 F la base B , les vecteurs colonnes de P 1 fournissent donc : e1 = u1 ; 1 e2 = u1 + u2 ; 2 1 1 e3 = u2 + u3 2 3

(On aurait pu procder dans lordre inverse, en exprimant les ei en fonction des ui , et en dduire alors P 1 .)
Ne pas confondre la matrice P et la famille F . P est inversible ssi la famille F est une base ( ou une famille libre), mais on ne parle pas de matrice libre ni de famille inversible. La proposition 1 donne une nouvelle manire de dterminer si une famille F est une base (ssi la matrice de passage de B F est inversible).

Proposition 2. (Effet dun changement de base sur les coordonnes dun vecteur). Soit B , B deux bases de E, P la matrice de passage de B B , u un vecteur de E, X = Mat (u, B ), X = Mat u, B les matrices colonnes des coordonnes de u dans les bases B , B . Alors X = PX La matrice de passage est construite en crivant en colonne les coordonnes des vecteurs de la nouvelle base par rapport lancienne, mais elle donne les anciennes coordonnes des vecteurs par rapport aux nouvelles.

154

Chapitre 6 Diagonalisation

Proposition 3 (Effet dun changement de base sur la matrice dun endomorphisme). Soit B , B deux bases de E ; P la matrice de passage de B B ; f un endomorphisme de E ; A = Mat ( f, B ) , A = Mat f, B les matrices de f dans les bases B, B . Alors A = P 1 AP De faon quivalente, on a A = PA P 1 , voir la premire remarque ci-dessous. Cest dailleurs sous cette forme que vous utiliserez le plus souvent la thorie du changement de base, la matrice A tant plus simple manipuler que la matrice A. Par exemple, avec n N , An = PA P 1 . . . PAP 1 = PA n P 1 . Si A est diagonale, alors on calcule facilement A n , puis An . Matrices semblables Deux matrices A, A appartenant Mn (R) sont dites semblables ssi il existe une matrice inversible P appartenant Mn (R) telles que A = P 1 AP Deux matrices sont semblables ssi elles reprsentent dans deux bases le mme endomorphisme de E ev de dimension n. Remarques A est semblable A, car A = In 1 AIn . Si A est semblable A , alors A est semblable A : A = P 1 AP PA P 1 = P P 1 AP P 1 = PP 1 A PP 1 = A Si A est semblable A et A est semblable A , alors A est semblable A : A = PA P 1 , A = QA Q1 A = PQA Q1 P 1 = (PQ) A (PQ)1 On dit que la relation A est semblable A est une relation dquivalence.
155

Partie 2 Algbre linaire

P tant une matrice inversible xe, on vrie sans peine que lapplication fP de Mn (R) dans Mn (R) dnie par fP (M ) = P 1 MP est un 1 1 automorphisme, dont la rciproque est f P (N ) = PNP . Il vrie de plus : fP MM = fP (M ) fP M pour tout M, M .

2. Diagonalisation
2.1 Valeurs propres, vecteurs propres
Soit f L (E), B une base de E, A la matrice de Supposons quil existe une base C = (u1 , . . . , un ) de matrice D de f soit diagonale : l1 0 . . . . . . .. . 0 l2 . . . . . . . D = Mat ( f, C ) = . . . .. . .. .. . . . . 0 ... ... 0 On a alors, pour tout i {1, . . . , n} : f (ui ) = li ui Cela conduit naturellement aux dnitions suivantes. Dnitions Soit f L (E), u E, u = 0E et l R tels que f (u) = l u. On dit alors que l est une valeur propre de f , et que u est un vecteur propre de f pour la valeur propre l (ou : associ la valeur propre l). On prcise u = 0E , sinon tout l rel serait valeur propre :
l R, f (0E ) = 0E = l 0E

f dans la base B . E dans laquelle la 0 . . . . . .

0 ln

Par contre, 0 peut tre valeur propre. Cest le cas ssi f nest pas injectif. Soit A une matrice de Mn (R), X une matrice colonne de Mn,1 (R), non nulle, et l R, tels que AX = lX . On dit alors que l est une valeur propre de A, et que X est un vecteur propre de A pour la valeur propre l (ou : associ la valeur propre l). On dit aussi : X est un vecteur-colonne propre, ou une matrice colonne propre.
156

Chapitre 6 Diagonalisation

Proposition et dnition Soit l une valeur propre de f . Alors lensemble Fl = {u E | f (u) = l u} est un sev de E, non rduit au vecteur 0E , appel le sous-espace propre de f associ la valeur propre l. En effet : u Fl f (u) lu = 0E ( f l IdE ) (u) = 0E
u Ker ( f l IdE )

f l IdE est un endomorphisme de E, et on sait que le noyau dune application linaire est un sev. Dautre part Fl nest pas rduit 0E car on a suppos que l tait valeur propre de f . On parlera de mme du sous-espace propre de la matrice A associ la valeur propre l. Ce sous-espace propre est un sev de Mn,1 (R). On abrgera valeur propre, vecteur propre, sous-espace propre en : vap, vep, sep. Recherche des valeurs propres et des vecteurs propres De ltude du chapitre 5, on dduit et on retient : Soit f L (E) , B une base de E, A = Mat ( f, B ). l valeur propre de f l valeur propre de A
Ker ( f l IdE ) = {0E } f l IdE non injective f l IdE non bijective A l In non inversible X Mn (R) , X = 0, (A lIn ) X = 0

Pratiquement, on utilise la dernire quivalence, qui conduit rsoudre un systme homogne, en discutant suivant la valeur de l. On a trait en dtail un exemple, 4.1.3, on en traite ici un autre, de faon plus synthtique.

157

Partie 2 Algbre linaire

Dterminons les valeurs propres et vecteurs propres de f L R3 dont la matrice dans la base canonique de R3 est : A= 1 0 1 0 2 0 1 0 1

On cherche l R et X = 0 tels que (A l I3 ) X = 0. Par la mthode du pivot : 1l 0 1 0 2l 0 L1 L3 1 0 1l 1 0 1l 0 2l 0 L3 L3 (1 l) L1 1l 0 1 1 0 1l 0 2l 0 0 0 l (2 l) Les valeurs propres de f sont donc 0 et 2. Pour l = 0 : x+z=0 x = z 2y = 0 y=0 0=0 solutions (x, y, z) = (z, 0, z) = z (1, 0, 1) Le sous-espace propre associ est F0 = Vect ((1, 0, 1)) . Pour l = 2 : xz=0 0=0 x=z 0=0 solutions (x, y, z) = (z, y, z) = z (1, 0, 1) + y (0, 1, 0) Le sous-espace propre associ est F2 = Vect ((1, 0, 1) , (0, 1, 0)) .
On peut aussi dire : les valeurs propres de A sont 0 et 2. Le 1 0 sous-espace propre de A pour la valeur propre 0 est Vect 1 ou Vect ((1, 0, 1)) , etc. Ncrivez pas sur votre copie les calculs annexes (mais faites-les !). Par exemple lopration lmentaire L3 L3 (1 l) L1 donne 158

Chapitre 6 Diagonalisation

lieu aux calculs 1 (1 l)2 = (1 1 + l) (1 + 1 l) = l (2 l) Par contre vous mentionnerez bien les oprations lmentaires sur les lignes, en proscrivant absolument toute opration du type Li aLi + bLj , avec a susceptible dtre nul. Les rsultats obtenus sont susceptibles dtre vris, et il est conseill de le faire ! Dans lexemple trait, la vrication est : 1 1 0 0 1 1 1 =0 1 ; A 0 =2 0 ; A 1 =2 1 A 0 0 1 1 0 0 Et il vaut mieux prendre le temps de corriger une erreur que de persister dans celle-ci, surtout si le traitement des questions suivantes dpend de la bonne rponse . . . Le savoir technique mis en uvre ici ne doit pas vous faire oublier la dnition dun vecteur propre et dune valeur propre (f (u) = l u en abrg), quil est essentiel de bien comprendre. Par exemple, si on demande de vrier que u = (1, 0, 2) est un vecteur propre pour 19 6 9 lendomorphisme f de R3 de matrice A = 30 11 15 dans la 22 6 10 base canonique, il serait trs maladroit de suivre la dmarche prcdente, alors quil suft deffectuer 1 1 19 6 9 1 0 = 0 = (1) 0 30 11 15 2 2 22 6 10 2 pour pouvoir dire : f (u) = u, donc u est un vecteur propre de f pour la valeur propre 1.

2.2 Endomorphismes et matrices diagonalisables


Dnitions Lendomorphisme f de L (E) est dit diagonalisable ssi il existe une base de E dans laquelle la matrice de f est diagonale, ou de faon quivalente : Un endomorphisme f de E est diagonalisable ssi il existe une base de E forme de vecteurs propres de f . Soit A = Mat ( f, B ). On dit que la matrice A est diagonalisable ssi f est diagonalisable. Daprs la thorie du changement de base, on a de faon quivalente :
159

Partie 2 Algbre linaire

La matrice A de Mn (R) est diagonalisable ssi il existe une matrice diagonale D et une matrice inversible P de Mn (R) telles que A = PDP 1 Vous ferez un effort particulier pour comprendre et mmoriser ces dnitions encadres. Critres pour la diagonalisation Thorme. Soient u1 , . . . , up des vecteurs propres associs des valeurs propres distinctes l1 , . . . , lp de lendomorphisme f . Alors la famille u1 , . . . , up est libre. Dmontrons ce thorme dans le cas particulier o p = 2. Soient a1 , a2 des rels tels que a1 u1 + a2 u2 = 0E . En appliquant f on trouve a1 l1 u1 + a2 l2 u2 = 0E . Mais a2 u2 = a1 u1 , donc a1 l1 u1 a1 l2 u1 = 0E , a1 (l1 l2 ) u1 = 0E . u1 est non nul, l1 est diffrent de l2 , cest donc a1 qui est nul, puis a2 aussi, car u2 est non nul. La famille (u1 , u2 ) est donc libre. On dmontre ce thorme dans le cas gnral par rcurrence. On dduit immdiatement de ce thorme une condition sufsante de diagonalisation : Soit f un endomorphisme de E, ev de dimension n. Si f admet n valeurs propres distinctes, alors f est diagonalisable. En effet, les vecteurs u1 , . . . , un associs aux n valeurs propres distinctes forment une famille libre. Comme elle est de cardinal n, et que E est de dimension n, cest une base de E forme de vecteurs propres de f . Attention, il sagit dune condition sufsante pour que f soit diagonalisable, mais pas ncessaire : il existe des endomorphismes de R3 diagonalisables avec 2 valeurs propres distinctes, ou une seule. On vitera donc dcrire f L R3 nadmet pas trois valeurs propres distinctes, f nest donc pas diagonalisable. Voici une condition ncessaire et sufsante de diagonalisation :
160

Chapitre 6 Diagonalisation

Soit f un endomorphisme de E, ev de dimension n. f est diagonalisable ssi la somme des dimensions des sous-espaces propres de f est gale n. Proprit admise. On a les thormes analogues pour la matrice A de Mn (R) : Les vecteurs colonnes propres de A associs des valeur propres distinctes de A forment une famille libre de Mn,1 (R). Si A admet n valeur propres distinctes, alors A est diagonalisable. A est diagonalisable ssi la somme des dimensions des sous-espaces propres de A est gale n. 1 1 1 0 2 2 dans la base canonique 0 0 3 de R3 . f admet 3 valeurs propres distinctes, les rels 1, 2, 3. (En effet, l est valeur propre de f ssi A lI3 nest pas inversible.) Donc f est diagonalisable. En rsolvant les systmes triangulaires (A lI3 ) X = 0 avec l = 1, 2, 3, on touve respectivement les sep Vect (u1 ) , Vect (u2 ) , Vect (u3 ), avec
Soit f L R3 de matrice A =

u1 = (1, 0, 0) , u2 = (1, 1, 0) , u3 = (3, 4, 2)


C = (u1 , u2 , u3 ) est une base de R3 forme 1 La matrice de f dans cette base est D = 0 0

de 0 2 0

vecteurs propres de f . 0 0 . 3 1 1 3 0 1 4 0 0 2

Daprs la thorie du changment de base, la matrice P = est inversible, et A = PDP 1 .


Avec f L R3 de matrice A =

1 0 1 0 2 0 1 0 1

dans la base canonique

de R3 , on a trouv prcdemment : 0 vap de f , sep associ F0 = Vect ((1, 0, 1)). 2 vap de f , sep associ F2 = Vect ((1, 0, 1) , (0, 1, 0)) La somme des dimensions des sous-espaces propres de f est gale 1 + 2 = 3, donc f est diagonalisable.
161

Partie 2 Algbre linaire

C = ((1, 0, 1) , (1, 0, 1) , (0, 1, 0)) est une base de R3 forme 0 teurs propres de f . La matrice de f dans cette base est D = 0 0 1 0 Daprs la thorie du changment de base, la matrice P = 1 1 est inversible, et A = PDP .

de 0 2 0 1 0 1

vec0 0 . 2 0 1 0

Notez dans ces deux exemples comment on voque la thorie du changement de base, ce qui permet de montrer rapidement que la matrice P est effectivement inversible : P est inversible car cest la matrice de passage de la base canonique B la base C , et C est une base de R3 car f (ou A) est diagonalisable.
Soit f L R3 diagonalisable avec une seule valeur propre l. Alors la dimension du sep associ est gale 3, le sep associ est R3 lui-mme. Donc pour tout u R3 , f (u) = l u. La matrice de f dans toute base de R3 est lI3 . En dehors de ce cas, un endomorphisme de R3 possdant une seule valeur propre nest pas diagonalisable. Soit A M3 (R) diagonalisable avec une seule valeur propre l. Alors il existe P inversible telle que A = P (lI3 ) P 1 = lI3 . En dehors de ce cas, une matrice avec une seule valeur propre nest pas diagonalisable. 5 7 2 6 9 dans la base Avec f L R3 de matrice A = 1 0 2 3 canonique de R3 , on trouve 1 vap de f , sep associ Vect ((2, 1, 1)). 1 vap de f , sep associ Vect ((1, 2, 1)). La somme des dimensions des sous-espaces propres est gale 2, donc f L R3 nest pas diagonalisable. (Le fait que f ait deux valeurs propres ne suft pas pour conclure.)

Proprits diverses Soit f un endomorphisme de lev E de dimension n. Alors f admet au plus n valeurs propres distinctes. A Mn (R) admet au plus n valeurs propres distinctes.

162

Chapitre 6 Diagonalisation

En effet, une famille libre dans un ev de dimension n est de cardinal au plus n. Si, dans la recherche des valeurs propres de f L R3 , vous trouvez 4 valeurs propres, il y a une erreur, ne pas laisser passer ! On peut gnraliser ce rsultat en disant que la somme des dimensions des sous-espaces propres dun endomorphisme de E de dimension n est au plus gale n. Ainsi, si lnonc met en vidence, pour f L R3 , deux valeurs propres, les sous-espaces propres associs tant de dimension 1 et 2, il est inutile de chercher dautres valeurs propres, et on peut conclure que f est diagonalisable. Les valeurs propres dune matrice triangulaire sont les lments de sa diagonale. En effet, l est valeur propre de A ssi A lIn nest pas inversible. Si A est triangulaire, A lIn lest aussi, et une matrice triangulaire est inversible ssi il ny a pas de zros sur sa diagonale. Lendomorphisme f est bijectif ssi 0 nest pas valeur propre de f . La matrice A est inversible ssi 0 nest pas valeur propre de A. En effet, l est valeur propre de f ssi f l IdE nest pas bijectif.
Proprit trs importante, qui correspond une question souvent pose. Si on connat lensemble des valeurs propres de f , alors il est inutile dutiliser lalgorithme du pivot, ou toute autre mthode, pour dire si f est bijectif. Ne confondez pas matrice diagonalisable et matrice inversible ! Il ny a aucune relation dimplication entre ces deux proprits.

1 0 0 1

est diagonalisable et inversible,

0 0 0 0

diagonalisable et

1 1 non diagonalisable (sinon, avec 1 pour seule 0 1 valeur propre, la matrice serait gale PI3 P 1 = I ) et inversible (0 0 1 non diagonalisable et non invernest pas valeur propre), 0 0 sible. non inversible,

163

Partie 2 Algbre linaire

Toute matrice symtrique relle est diagonalisable. Proprit admise, et qui ne peut donner lieu qu une question de cours ( montrer sans calculs que A est diagonalisable ). On dit que le polynme P (X ) est un polynme annulateur de la matrice carre A ssi P (A) = 0. Soit P (X ) un polynme annulateur de A. Alors toute valeur propre de A est racine de ce polynme.
Soit A une matrice de M3 (R) , diffrente de I3 , telle que

A3 A2 + A I3 = O3 . A admet pour polynme annulateur le polynme P (X ) = X 3 X 2 + X 1 (En effet, 1 = X 0 . En remplaant X par A, on obtient A0 = I3 .) Toute valeur propre de A est racine de P (X ). Or P (X ) = (X 1) X 2 + 1 admet pour seule racine le nombre rel 1. On ne sait pas si 1 est effectivement valeur propre de A, mais on peut dire que A nest pas diagonalisable : sinon, sa seule valeur propre serait 1, on aurait donc A = PI3 P 1 = I , ce quon a suppos tre faux. Remarquons dautre part que A est inversible et que le polynme annulateur permet dexprimer A1 en fonction de A : A3 A2 + A I3 = O3 , donc A3 A2 + A = I3 , A A2 A + I3 = I3 , donc A est inversible, et A1 = A2 A + I3 . 1 1 1 3 1 1 2 2 1 Soit A = . A = I4 , donc A2 + I4 = O4 . 0 1 0 1 1 1 0 2 A admet le polynme annulateur X 2 + 1, qui na pas de racine relle. Donc A nadmet pas de valeur propre relle. A nest donc pas diagonalisable, et elle est inversible (sinon, elle aurait 0 pour valeur propre). On peut prciser ce dernier rsultat en crivant : A2 = I4 , donc A (A) = I4 , donc A est inversible, et A1 = A .
164

Chapitre 6 Diagonalisation

Soit A =

1 0 1 1 0 1 . A2 = O3 , A3 = O3 . A admet pour poly0 1 1 nme annulateur P (X ) = X 3 , dont la seule racine est 0. Donc si l est valeur propre de A, alors l = 0. Attention, cela ne prouve pas que 0 est effectivement valeur propre de A. Mais A nest pas inversible (sinon on aurait A1 A3 = O3 A3 = O3 , A2 = O3 , or A2 = O3 ), donc 0 est valeur propre de A, et cest la seule, donc A nest pas diagonalisable (sinon aurait A = P O3 P 1 = O3 ). On voit sur ces trois exemples lutilisation qui est faite dun polynme annulateur de A pour dterminer si A est inversible, et calculer ventuellement son inverse. On peut aussi utiliser un polynme annulateur de A pour calculer An , cest ce quon a fait dans lexemple 2 du 4.2.4, o le polynme annulateur tait P (X ) = X 3 X 2 2X .

On rappelle que si A = Mat ( f, B ), alors An = Mat (f n , B ), avec f 0 = IdE , et f n = f f (n termes). Un polynme annulateur de A est donc aussi un polynme annulateur de f , et on peut dire : Si lendomorphisme f admet un polynme annulateur P , alors toute valeur propre de f est racine de ce polynme.
k Dmontrons cette proprit. Soient P (X ) = p k=0 ak X un polynme p annulateur de f (donc k=0 ak f k (v) = 0E pour tout v), u = 0E et l R tels que f (u) = l u. Alors

f 2 (u) = f ( f (u)) = f (lu) = lf (u) = llu = l2 u, puis, par rcurrence : f k (u) = lk u, puis p k k=0 ak l = 0 car u = 0E , P (l) = 0.
p k k=0 ak l u

= 0E , puis

3. Autres rductions Applications


3.1 Autres rductions
Si lendomorphisme f (resp. la matrice carre A) nest pas diagonalisable, on peut chercher une base de E (resp. une matrice P inversible) telle que la matrice de f dans cette base (resp. la matrice A = PAP 1 ) soit simple , en gnral triangulaire. Aucune connaissance spcique nest exigible, on donne quelques exemples.
165

Partie 2 Algbre linaire

1 0 1 1 0 1 0 1 1 dans la base canonique B = (e1 , e2 , e3 ) ntait pas diagonalisable (voir deuxime exemple du 6.2.2). Soit 1 = e1 , 2 = f (1 ) , 3 = f (2 ), et C = (1 , 2 , 3 ). 1 = (1, 0, 0) , 2 = (1, 1, 0) , 3 = (1, 1, 1). La matrice de passage de 1 1 1 la base B la famille C est P = 0 1 1 . Elle est triangulaire sans 0 0 1 zros sur la diagonale, donc inversible, donc C est une base de R3 . La 0 0 0 matrice de f dans la base C est N = 1 0 0 , car 0 1 0 f (1 ) = 2 , f (2 ) = 3 , f (3 ) = 0. Daprs la thorie du changement de base, on a A = PNP 1 . N nest pas diagonale, mais triangulaire infrieure, et les proprits de f se voient clairement sur la matrice N : Sa seule valeur propre est 0, f nest donc pas bijective. Et puisque f (1 ) = 2 , f (2 ) = 3 , f (3 ) = 0, on a N 3 = O3 , f 3 = 0.
On a vu que lendomorphisme f de R3 de matrice A = Soit f lendomorphisme de R3 dont la matrice relativement la base 3 1 0 1 6 1 . La matrice N = A 3In canonique B de R3 est A = 3 8 0 vrie N 2 = O3 , N 3 = O3 . On en dduit comme prcdemment que lendomorphisme h = f 3 IdR3 admet 0 pour seule valeur propre, puis que f admet 3 pour seule valeur propre : si u = 0, f (u) = l u h(u) = (l 3) u l 3 = 0. f nest pas diagonalisable, sinon, avec 3 pour seule valeur propre, on aurait f (u) = 3 u pour tout u R3 . Mais avec u1 = (1, 1, 1) , u2 = h (u1 ) , u3 = h (u2 ), on vrie que B = (u1 , u2 , u3 ) est une base de R3 , puis que la matrice 0 0 0 de h dans cette base est N = 1 0 0 . Lensemble des rsultats 0 1 0 obtenus conduit alors A = PA P 1 , avec

A = 3I3 + N =

3 0 0 1 3 0 , 0 1 3

P=

1 1 1 1 1 0 . 1 2 1

166

Chapitre 6 Diagonalisation

3.2 Applications
Puissances dune matrice, utilisation en probabilits Supposons la matrice carre A diagonalisable : A = PDP 1 , avec P inversible et D diagonalisable. Alors, pour tout p N : Ap = PDP 1 . . . PDP 1 (p facteurs)
= PDp P 1

(ce quon peut aussi tablir par rcurrence). Le calcul de Ap peut alors tre effectu : on calcule Dp , puis P 1 , puis PDp P 1 . Pour p 0, 1/2 on considre 0 p 1 2p p 0 p 1 2p p , A= 1 2p p 0 p p 1 2p p 0 et 1 1 1 1 1 1 1 1 P= 1 1 1 1 1 1 1 1
1 = 1 P . On a P 2 = 4I4 , P 1 4 P = I4 , donc P est inversible et P 4 On vrie que les 4 vecteurs colonnes u1 , u2 , u3 , u4 de la matrice A sont vecteurs propres de A pour les valeurs propres respectives 1, 1 4p, 2p 1, 2p 1. Ils constituent donc une base de M1,4 (R) forme de vecteurs propres de A. A est donc diagonalisable, et 1 0 0 0 0 0 0 1 4p . A = PDP 1 , avec D = 0 0 2p 1 0 0 0 0 2p 1
1 n n Donc A = 1 4 PDP, A = 4 PD P Le calcul de An nest plus alors quune question de patience. (Dn est la matrice diagonale dont les lments de la diagonale sont, dans lordre, 1, (1 4p)n , (2p 1)n , (2p 1)n .) n

On est amen calculer la puissance n-me de certaines matrices, par exemple en utilisant la mthode donne ci-dessus, pour une utilisation en probabilits dont nous donnons les grandes lignes. Le vocabulaire est donn titre dinformation, aucune connaissance spcique nest exigible.
167

Partie 2 Algbre linaire

Un mobile se dplace alatoirement (marche alatoire). chaque instant n (n N), sa position Xn est une variable alatoire qui prend ses valeurs dans lensemble {1, . . . , r } (r entier naturel x 2). Pour tout i, j appartenant {1, . . . , r }, on suppose que la probabilit de transition pi,j = P(Xn =i) (Xn+1 = j) ne dpend pas de n. On appelle vecteur dtat linstant n la matrice colonne Cn dont les termes successifs sont les probabilits P (Xn = 1) , . . . , P (Xn = r ). Soit la matrice A = pi,j
1 i r, 1 j r

appele matrice de transition.

La formule des probabilits totales, applique aux vnements P(Xn+1 = 1) , . . . , P(Xn+1 = r ), avec le sce (Xn = i)1 i r , conduit : Xn+1 = AXn
On en dduit alors, par rcurrence : n N, Cn = An C0 . Le calcul de An et la donne de C0 conduisent alors la connaissance de Cn . Un ventuel passage la limite permet de prvoir ce qui se passe pour les grandes valeurs de n.

Notons quil nest pas toujours ncessaire dexpliciter An (voir lexemple), et que la matrice de transition dnie ici est la transpose de la matrice de transition telle quelle est dnie dans lenseignement de spcialit pratique des graphes de terminale ES. On vrie que la matrice A de lexemple ci-dessus est la matrice de transition pour la marche alatoire ainsi dnie : Les sommets dun carr sont numrots 1, 2, 3 et 4 de telle faon que les cts du carr relient le sommet 1 au sommet 2, le sommet 2 au sommet 3, le sommet 3 au sommet 4, le sommet 4 au sommet 1, les diagonales reliant elles le sommet 1 au sommet 3 ainsi que le sommet 2 au sommet 4. Un pion se dplace sur les sommets de ce carr selon le protocole suivant : Le pion est sur le sommet 1 au dpart. Lorsque le pion est un instant donn sur un sommet du carr, il se dplace linstant suivant vers un sommet voisin (reli par un ct) avec la probabilit p ou vers un sommet oppos (reli par une diagonale) avec la probabilit 1 2p. On a donc 1 Cn = An C0 = PDn PC0 4
168

Chapitre 6 Diagonalisation

1 0 Le pion est sur le sommet 1 au dpart, donc C0 = , donc PC0 est 0 0 1 (1 4p)n la premire colonne de P , puis Dn PC0 = (2 , puis p 1)n n (2p 1) 1 1 1 1 1 1 n n 1 (1 4p) 1 1 1 1 1 (1 4p) Cn = P (2 1 n = 1 1) 1 1 (2p 1)n p 4 4 n (2p 1) (2p 1)n 1 1 1 1

En explicitant les probabilits P (Xn = i), on saperoit que leur limite quand n tend vers + est gale 1/4. En effet, p 0, 1/2 , donc 1 < 2p 1 < 0 et 1 < 4p 1 < 1, donc (1 4p)n et (2p 1)n tendent vers 0 quand n tend vers +. La suite de va (Xn ) converge donc en loi vers une va X de loi uniforme sur {1, 2, 3, 4}. Puissances dune matrice, utilisation pour ltude dune suite
Calcul de An . Soit f lendomorphisme de R3 dont la matrice dans la 5 8 4 0 0 , et soit base canonique B de R3 est A = 1 0 1 0

v1 = (1, 1, 1) , v2 = (4, 2, 1) , v3 = (4, 1, 0). On vrie que f (v1 ) = v1 , f (v2 ) = 2v2 , f (v3 ) = v2 + 2v3 , et que la famille C = (v1 , v2 , v3 ) est une base de R3 . Daprs la thorie du changement de base, on a alors A = PTP 1 , avec 1 0 0 1 4 4 T = 0 2 1 ,P = 1 2 1 . 0 0 2 1 1 0 1 0 0 On montre alors, par rcurrence : T n = 0 2n n2n1 , ce qui 0 0 2n n permet le calcul de An = PTP 1 = PT n P 1 . Utilisation pour ltude dune suite. Soit (un ) la suite dnie par : u0 = 1 ; u1 = 1 ; u2 = 1
n N, un+3 = 5un+2 8un+1 + 4un 169

Partie 2 Algbre linaire

un+2 un+1 , on vrie que, pour tout n, Yn+1 = AYn . On en un 1 dduit, par rcurrence, Yn = An Y0 . On a donc Yn = PT n P 1 1 . 1 On achve les calculs, et la troisime ligne de la matrice obtenue donne, pour tout n N : un = 9 8 2n + 6n 2n1 . Avec Yn = quation matricielle k Soit rsoudre un problme du type n k=0 ak X = A, o la matrice A = PDP 1 est diagonalisable, et X est une matrice dterminer. Lide gnrale est la suivante : on pose Y = P 1 XP . On a alors X = PYP 1 et lquation propose est quivalente
n k=0 k P 1 = PDP 1 , puis n puis P k=0 ak Y = D. Le problme obtenu est plus simple rsoudre, car D est diagonale. n k k=0 ak Y

ak PYP 1

= PDP 1 ,

Soit A = avec P =

16 18 30 1 2 2

4 4 4 5 . A est diagonalisable, on a A = PDP 1 , 8 7 0 1 0 0 0 1 1 et D = 0 1 0 . 0 0 4 1 2

On tudie lquation X 2 = A, X M3 (R).. Soit Y = P 1 XP . (Analyse) Si X 2 = A, alors, puisque X = PYP 1 , on a

PYP 1

= PDP 1 ;

PY 2 P 1 = PDP 1 ;

Y2 = D

Lquation Y 2 = D nest pas simple rsoudre directement, mais on remarque que si Y 2 = D, alors YD = DY . En effet YD = YY 2 = Y 3 , et DY = Y 2 Y = Y 3 . On rsout lquation YD = DY , en cherchant Y sous la forme a a a Y = b b b . On trouve ( facilement) que Y est une matrice c c c 0 0 0 diagonale. Lquation Y 2 = D fournit alors Y = 0 g 0 , avec 0 0 2g
170

Chapitre 6 Diagonalisation

g, g {1, 1}. On a obtenu : si X 2 = A, alors X = PYP 1 , avec Y de la forme indique. (Synthse) Dans le raisonnement prcdent, on a perdu lquivalence. Il importe donc de vrier que les matrices trouves vrient lgalit X 2 = A, ce qui est bien le cas : X 2 = PYP 1
2

= PY 2 P 1 = PDP 1 = A

On tudie lquation MA = AM , M M3 (R). Soit Y = P 1 MP . On a M = PYP 1 . Lquation propose est quivalente :

PDP 1 PYP 1 = PYP 1 PDP 1 ; DY = YD ; Y= a 0 0 0 b 0 0 0 c

PDYP 1 = PYDP 1 ;
= aE1,1 + bE2,2 + cE3,3

avec Ei,j la matrice dont tous les termes sont nuls sauf le terme en i-me ligne et j-me colonne qui est gal 1. M commute donc avec A ssi M = PYP 1 = P aE1,1 + bE2,2 + cE3,3 P 1 = aM1 + bM2 + cM3 , avec Mi = PEi,i P 1 . Lensemble des M qui commutent avec A est donc un espace vectoriel, le sous-espace vectoriel F de M3 (R) engendr par la famille (M1 , M2 , M3 ), qui est une famille libre (aM1 + bM2 + cM3 = O implique M = O, puis Y = O, puis a = b = c = 0). Cette famille est donc une base de F , qui est donc de dimension 3.

171

Partie 3

Probabilits

Probabilit sur un ensemble ni

1. Espaces probabiliss nis


1.1 Dnitions
Espace probabilisable ni Une exprience alatoire est une exprience dont le rsultat dpend du hasard. Lensemble (non vide) des rsultats lmentaires de lexprience, appel univers des possibles , se note en gnral V. Si V est ni, tout sous-ensemble, ou partie, A, de V est appel vnement. Avec V ni, le couple (V, P (V)) est un espace probabilisable ni. Lvnement A ou B est la runion A B des vnements A, B : A B = {v ; v A ou v B}
Lvnement A et B est lintersection A B des vnements A, B :

A B = {v ; v A et v B}
Lvnement contraire de lvnement A est A, il est dni par :

A = {v ; v V et v / A}
Les vnements A, B sont dits incompatibles ssi leur intersection est lensemble vide : AB= est lvnement impossible. V est lvnement certain. 175

Partie 3 Probabilits

On lance un d jouer, dont les faces sont numrotes de 1 6. Lensemble des rsultats lmentaires de lexprience est V = {1 ; 2 ; 3 ; 4 ; 5 ; 6} Lensemble P (V) est de cardinal 26 = 64. vnement A : obtenir un nombre pair : A = {2 ; 4 ; 6} vnement B : obtenir un nombre premier : B = {2 ; 3 ; 5} vnement A ou B : obtenir un nombre pair ou premier : A B = {2 ; 3 ; 4 ; 5 ; 6} vnement A et B : obtenir un nombre pair et premier : A B = { 2} vnement contraire de A : obtenir un nombre impair : A = {1 ; 3 ; 5 } Les vnements A et {1} : obtenir la face n 1 sont incompatibles. Probabilit Soit (V, P (V)) un espace probabilisable ni. Une probabilit sur V est une application P : P (V) [0, 1] ; A P (A) telle que : P (V) = 1 ; si A, B sont deux vnements incompatibles (A B = ), alors (proprit dadditivit) : P (A B) = P (A) + P (B) Le triplet (V, P (V) , P) est alors un espace probabilis ni.

1.2 Proprits
P () = 0 ; P A = 1 P (A) ; Croissance Si A B, alors P (A) P (B) et P B \ A = P (B) P (A) 176

Chapitre 7 Probabilit sur un ensemble ni

Additivit Si A1 , . . . , An sont des vnements deux deux incompatibles, alors


n n

P
k=1

Ak

=
k=1

P (Ak )

Formule du crible, ou Formule de Poincar pour deux vnements A, B : P (A B) = P (A) + P (B) P (A B)

La formuledu crible se gnralise : pour trois vnements A1 , A2 , A3 : P (A1 A2 A3 ) = P (A1 ) + P (A2 ) + P (A3 )
P (A1 A2 ) P (A1 A3 ) P (A2 A3 )

+ P (A1 A2 A3 )
pour n vnements A1 , . . . , An , n
n n

2:

P
i=1

Ai

=
k=1

(1)k1

P Ai1 Ai2 Aik

1 i1 <<ik n

La proprit dadditivit est dusage constant. Pour dterminer la probabilit dun vnement, on le dcompose en runion dvnements plus simples, et deux deux incompatibles. Vous crirez par extrapolation la formule du crible pour 4 vnements. La formule gnrale na pas tre mmorise, lnonc devrait vous la rappeler le cas chant.

1.3 Exemples
Probabilit uniforme Avec V ni non vide, lapplication P dnie sur P (V) par Card (A) nombre de cas favorables = P (A) = Card (V) nombre de cas possibles est une probabilit, la probabilit uniforme sur V. On dit aussi quon est en situation dquiprobabilit. En situation dquiprobabilit, on utilisera les formules de dnombrement vues au 4 de lIntroduction, en commenant par dterminer Card (V).
177

Partie 3 Probabilits

Dans le cas de tirages dans une urne, modle auquel on peut toujours se ramener dans le cas o V est ni, on a : Tirage une une et avec remise de k boules dune urne de taille n : Card (V) = nk
Tirage une une et sans remise de k boules dune urne de taille n : Card (V) = n (n 1) . . . (n k + 1) Tirage exhaustif des n boules de lurne : Card (V) = n! Tirage simultan de k boules de lurne de taille n : n Card (V) = k

Tirage simultan et tirage une une sont identiques si on sintresse uniquement au rsultat obtenu, et pas lordre dapparition des boules. Dans le cas trs frquent de tirage avec remise, vous devez penser lindpendance des tirages ( 7.1.6) ! Et la loi binomiale, 7.4.2. Probabilit dnie partir des vnements lmentaires Si V = {v1 , . . . , vn }, la donne de n nombres rels p1 , . . . , pn tels que i 1, n , pi 0 ;
n

i=1

pi = 1

permet de dnir une probabilit en posant, pour tout A P (V) : P (A) =


{k ; wk A}

pk
1 Card(V) ,

On a pk = P {vk } . Avec pk = uniforme.

on retrouve la probabilit

1.4 Probabilit conditionnelle


Dnition. Soit (V, P (V) , P) un espace probabilis ni, et B V tel que P (B) = 0. La probabilit conditionnelle sachant B est lapplication P (A B) P : P (V) [0 ; 1] ; A PB (A) = P (B) On vrie que PB est une probabilit.
178

Chapitre 7 Probabilit sur un ensemble ni

On rencontre la notation PB (A) = P A/B , dangereuse car elle laisse penser que A/B serait un vnement. Utilisation Formule des probabilits composes Si A est de probabilit non nulle : P (A B) = P (A) PA (B)
Si A1 A2 An1 est de probabilit non nulle :

P (A1 An ) = P (A1 ) PA1 (A2 ) PA1 An1 (An )


Un sac contient 5 jetons blancs et 4 jetons noirs. On tire au hasard et sans remise 3 jetons du sac. La probabilit dobtenir un jeton blanc, puis un noir, puis un blanc, est, avec des notations videntes :

P (B1 N2 B3 ) = P (B1 ) PB1 (N2 ) PB1 N2 (B3 ) 5 4 4 10 = 9 8 7 63 rsultat quon peut tablir directement par quiliprobabilit, en calculant Card (V) = 9 8 7, puis Card (B1 N2 B3 ) = 5 4 4. Dans un jeu vido, la probabilit de franchir le niveau k (vnement Nk ) quand on a franchi le niveau k 1 est 1 1. On part du k , pour k niveau 0, et le jeu comporte n niveaux. La probabilit darriver au bout du jeu est :
=

P (N1 Nn ) = P (N1 ) PN1 (N2 ) PN1 Nn1 (Nn )


=1

1 1 1 ... = 2 n n!

1.5 Formule des probabilits totales


Dnition. Soit (V, P (V) , P) un espace probabilis ni, I un ensemble ni dindices. On dit que(Ai )iI est un systme complet dvnements (sce) ssi : i I, P (Ai ) = 0 ; i, j I , si i = j, Ai Aj = ;

iI

Ai = V.
179

Partie 3 Probabilits

Avec X v.a tel que X (V) = {x1 , . . . , xn }, les vnements (X = x1 ) , (X = x2 ) , . . . , (X = xn )} constituent un sce. Voir 7.2. Formule des probabilits totales Soit (Ai )iI , un sce de V. Alors, pour tout vnement B de V : P (B) =
iI

P (B Ai ) =
iI

PAi (B) P (Ai )

Formule de Bayes Avec Ai0 un des lments du sce (Ai )iI : PB Ai0 = P Ai0 B = P (B) PAi0 (B) P Ai0 iI PAi (B) P (Ai )

Dmonstration. Formule des probabilits totales : B est la runion des vnements deux deux incompatibles B Ai . Ladditivit de la probabilit donne le premier rsultat. En appliquant la formule des probabilits composes chacune des probabilits P (B Ai ), on obtient le deuxime rsultat. Formule de Bayes : dnition de la probabilit conditionnelle, puis formule des probabilits composes pour le numrateur, et formule des probabilits totales pour le dnominateur. Remarquez que le numrateur est un des termes de la somme du dnominateur. La formule de Bayes doit tre considre comme une consquence facile de la formule de probabilits totales. Pour appliquer celle-ci, lnonc doit fournir (par les conditions de lexprience alatoire) les probabilits PAi (B) , P (Ai ), et vous devez reconnatre le systme complet dvnements en jeu. Un sac contient n jetons numrots de 1 n. On tire au hasard un jeton. Si on a obtenu le jeton n i, on lance i fois une pice de monnaie quilibre. On cherche la probabilit de lvnement B : on obtient 0 pile . Le sce est (Ai )1 i n , avec Ai : obtenir le jeton n i ; en effet, quelle que soit lissue de lexprience, un et un seul des vnements Ai se
180

Chapitre 7 Probabilit sur un ensemble ni

produit. Lnonc fournit


i 1, n ,

P (Ai ) =

1 ; PAi (B) = n

1 2

La formule des probabilits totales donne alors


n

P (B) =
i=1

1 n

1 2

1 1 n

1 2

en utilisant lidentit gomtrique. La formule de Bayes fournit alors, par exemple : PB (A1 ) = P (A1 B) PA (B) P (A1 ) = 1 = P (B) P (B) 1 2 1 1 2
n

1.6 Indpendance
Dnition Deux vnements A, B sont dits indpendants ssi P (A B) = P (A) P (B) ce qui est quivalent PB (A) = P (A) si B est de probabilit non nulle. Les vnements A1 , . . . , An sont dits indpendants, ou mutuellement indpendants, ssi
I 1, n ,

P
iI

Ai

=
iI

P (Ai )

Exemples fondamentaux Les rsultats successifs du jet dune pice de monnaie, dun d, etc. sont des vnements indpendants. Les rsultats successifs de tirages AVEC REMISE dune boule dans une urne sont des vnements indpendants.
181

Partie 3 Probabilits

Proprits Si les vnements A1 , . . . , An sont indpendants, alors il en est de mme des vnements B1 , . . . , Bn , avec Bi = Ai ou Bi = Ai . Les vnements et V sont indpendants de tout vnement A. Si les vnements A1 , . . . , An sont indpendants, alors ils sont deux deux indpendants. La rciproque est fausse. Ne confondez pas indpendance et incompatibilit. Lindpendance est une notion probabiliste, pas lincompatibilit. Si deux vnements sont incompatibles, ils ne sont pas indpendants, et sils sont indpendants, ils ne sont pas incompatibles, moins que lun des deux ne soit de probabilit nulle.

2. Variables alatoires sur un ensemble ni


2.1 Dnitions
Soit V, P (V) , P) un espace probabilis ni. Une variable alatoire est une application de V dans R. Une variable alatoire (v.a) est donc une observation numrique sur le rsultat dune exprience alatoire. On parlera au besoin dune v.a nie pour prciser que V est ni. Pour tout x R, lvnement

X 1 (x) = {v ; v V, X (v) = x} est not, de faon plus parlante, (X = x). On note de mme (X x) , (a X b). . . X (V) est lensemble des valeurs prises par X .
Dterminer la loi de probabilit de X , cest dterminer X (V), et, pour chaque xi X (V), dterminer la probabilit P (X = xi ). Rciproquement, soit {(xi , pi ) ; i I } un ensemble ni de couples de nombres rels. Pour vrier que cet ensemble est la loi de probabilit dune v.a nie X , avec P (X = xi ) = pi , il suft de vrier : i I, pi
iI

0;

pi = 1 .

182

Chapitre 7 Probabilit sur un ensemble ni

2.2 Proprits
La somme, le produit, le quotient (si le dnominateur ne sannule pas) de deux v.a dnies sur le mme ensemble V est une v.a. Si f est une fonction dnie sur X (V), alors la compose f X est une v.a dnie sur V. Lensemble des v.a dnies sur V est un ev pour les oprations X + Y (somme de deux v.a), aX (produit dune v.a par un nombre rel). Voir 5.1.2.

2.3 Indpendance de variables alatoires


Dnitions Deux va nies X, Y sont dites indpendantes ssi : x X (V) , y Y (V) , P ((X = x) (Y = y)) = P (X = x) P (Y = y)
Les v.a X1 , X2 , , Xn sont dites indpendantes (ou mutuellement indpendantes) ssi : x1 X1 (V) , x2 X2 (V) , , xn Xn (V) ,
n n

P
i=1

(Xi = xi )

=
i=1

P (Xi = xi )

Proprits Si les v.a X1 , , Xn sont indpendantes, alors elles sont indpendantes deux deux. La rciproque est fausse. Si X1 , , Xn sont indpendantes, alors toute fonction de X1 , , Xp est indpendante de toute fonction de Xp+1 , , Xn , 1 p < n. En particulier, si X, Y sont indpendantes, alors toute fonction de X est indpendante de toute fonction de Y .

2.4 Esprance, ou moyenne


Dnition. Soit X une v.a dnie sur V ni. Lesprance, ou moyenne, de X est le nombre rel not E (X ) et dni par E (X ) = xi P (X = xi )
xi X (V)

Cette dnition est rapprocher de la dnition de la moyenne dune srie statistique : la frquence de la valeur observe xi de la variable statistique X est remplace par la probabilit de la valeur xi pour la v.a X .
183

Partie 3 Probabilits

Un cas particulier dutilisation frquente :


n

Si X (V) 0, n , E (X ) =
k=0

kP (X = k)

Proprits
Linarit de lesprance Soit X et Y deux v.a dnies sur V ni et a, b deux nombres rels. Alors E (X + Y ) = E (X ) + E (Y )

E (aX + b) = aE (X ) + b Lesprance est donc une forme linaire sur lespace vectoriel des v.a dnies sur V ni, voir chapitre 5.
Thorme de transfert Soit X une v.a dnie sur V ni, et w une application dnie sur X (V). Alors

E (w (X )) =
xi X (V)

w (xi ) P (X = xi )

En particulier, pour r N , E (X r ) =
xi X (V) r)

xi r P (X = xi )

mr (X ) = E (X est appel moment dordre r de X .

2.5 Variance, cart-type


Dnitions soit X une v.a dnie sur V ni. La variance de X est le nombre rel not V (X ) et dni par : V (X ) =
xi X (V)

[xi E (X )]2 P (X = xi )

Daprs le thorme de transfert, on a V (X ) = E [X E (X )]2 La variance est la moyenne des carrs des carts la moyenne.
184

Chapitre 7 Probabilit sur un ensemble ni

Lcart-type s (X ) est la racine carre de la variance :

s (X ) =

V (X )

Proprits Pour toute v.a X sur V, V (X ) 0. Si V (X ) = 0, alors X est une v.a certaine : X (V) = {c } ; P (X = c ) = 1

Soit X une v.a nie, et a, b deux nombres rels. Alors

V (aX + b) = a2 V (X ) Dmonstration : Avec Y = aX + b, on a Y E (Y ) = a (X E (X )), donc (Y E (Y ))2 = a2 (X E (X ))2 , donc V (aX + b) = V (Y ) = E (Y E (Y ))2 = a2 E (X E (X ))2 do le rsultat.
Thorme de Koenig-Huygens Soit X une v.a dnie sur V ni. Alors V (X ) = xi X (V) xi 2 P (X = xi ) [E (X )]2

Dmonstration : on dveloppe (xi E (X ))2 , puis on utilise les rgles de calcul sur le signe . Daprs le thorme de transfert, on a donc : V (X ) = E X 2 [E (X )]2 La variance est gale la moyenne des carrs diminue du carr de la moyenne.
Variance dune somme de 2 v.a nies Soit X et Y deux v.a dnies sur V ni. Si X et Y sont indpendantes, alors

V (X + Y ) = V (X ) + V (Y )
185

Partie 3 Probabilits

Dans le cas gnral : V (X + Y ) = V (X ) + V (Y ) + 2Cov (X, Y ) avec Cov (X, Y ) = E (XY ) E (X ) E (Y ) ,

avec E (XY ) =
xi X (V),yj Y (V)

xi yj P X = xi , Y = yj

Gnralisation n v.a nies Soit X1 , . . . , Xn n v.a dnies sur V ni. Si les Xi sont deux deux indpendantes, alors
n n

V
i=1

Xi

=
i=1

V (Xi )

Dans le cas gnral


n n

V
i=1

Xi

=
i=1

V (Xi ) + 2
1 i<j n

Cov Xi , Yj

Pour un exemple dutilisation de ces deux dernires formules, voyez 7.4.2 et 7.4.3 Attention : V (X Y ) = V (X ) + V (Y ) 2Cov (X, Y ), voir 7.3.3.

3. Couple de variables alatoires nies


3.1 Dnitions
Soit X, Y deux variables alatoires nies. Dterminer la loi de couple (X, Y ), cest dterminer, pour chaque xi X (V) et chaque yj Y (V) la probabilit P (X = xi ) y = yj On rencontre aussi les notations : P (X = xi ) et y = yj ; P (X = xi ) , y = yj

La connaissance de la loi du couple(X, Y ) permet de trouver les lois marginales, cest--dire les lois de X et de Y , en utilisant la formule de 186

Chapitre 7 Probabilit sur un ensemble ni

probabilits totales. Avec le sce Y = yj


xi X (V) ,

yj Y (V)

, on a

P (X = xi ) =
xi X (V)

P (X = xi ) Y = yj

et de mme pour P Y = yj , avec le sce (X = xi )xi X (V) .


Pour yj x, la loi conditionnelle de la variable X sachant Y = yj , note X / Y = yj , est donne par

P(Y =yj ) (X = xi ) =

P (X = xi ) Y = yj P Y = yj

et de mme pour la loi de la variable Y sachant (X = xi ) .

3.2 Thorme de transfert


Soit X, Y deux va nies, w une fonction de deux variables dnie sur X (V) Y (V). Alors E (w (X, Y )) = w xi , yj P (X = xi ) Y = yj (xi ,yj )X (V)Y (V) En particulier, E (XY ) =
xi X (V),yj Y (V)

x i yj P X = x i , Y = y j

3.3 Covariance
Soit X, Y deux v.a nies. Pour calculer V (X + Y ), on peut utiliser le thorme de Koenig-Huygens. Lidentit remarquable (a + b)2 = a2 + 2ab + b2 , et la linarit de lesprance fournissent alors : V (X + Y ) = V (X ) + V (Y ) + 2 [E (XY ) E (X ) E (Y )] Ceci amne poser la dnition suivante. Dnition. Soit X, Y deux v.a nies. La covariance de (X, Y ) est le nombre rel Cov (X, Y ) = E (XY ) E (X ) E (Y )
187

Partie 3 Probabilits

Proprits V (X + Y ) = V (X ) + V (Y ) + 2Cov (X, Y ). Cov (X, Y ) est de signe de quelconque. On a aussi Cov (X, Y ) = E ([X E (X )] [Y E (Y )]). Si X, Y, Z sont des v.a sur V ni, et si a est un nombre rel, on a Cov (X, X ) = V (X ) ; Cov (X, Y ) = Cov (Y, X ) ; Cov (X + Y, Z ) = Cov (X, Z ) + Cov (Y, Z ) ; Cov (X, Y + Z ) = Cov (X, Y ) + Cov (X, Z ) ; Cov (aX, Y ) = Cov (X, aY ) = a Cov (X, Y ).
La formule V (X + Y ) = V (X ) + V (Y ) + 2Cov (X, Y ) permet le calcul de Cov (X, Y ), si les variances de X, Y et X + Y sont connues :

Cov (X, Y ) =

1 (V (X + Y ) V (X ) V (Y )) 2

Cas de deux variables indpendantes Soient X, Y deux va nies indpendantes. On a alors les proprits suivantes, quivalents entre elles : E (XY ) = E (X ) E (Y )

Cov (X, Y ) = 0 V (X + Y ) = V (X ) + V (Y ) Les rciproques sont fausses. La covariance de deux v.a nies non indpendantes peut tre gale 0. On peut juste dire que si la covariance de (X, Y ) est diffrente de 0, alors X, Y ne sont pas indpendantes.

3.4 Coefcient de corrlation linaire


Dnition. Soit X, Y deux va nies, non certaines. Le coefcient de corrlation linaire de X, Y est le nombre rel rX,Y dni par Cov (X, Y ) rX,Y = s (X ) s (Y ) Proprits |rX,Y | 1 ; si |rX,Y | = 1, alors il existe a, b rels tels que Y = aX + b, et a est du signe de r . Si X, Y sont indpendantes, alors rX,Y = 0. La rciproque est fausse.
188

Chapitre 7 Probabilit sur un ensemble ni

Dmonstration. Le polynme en l P (l) = V (lX + Y ) = l2 V (X ) + 2lCov (X, Y ) + V (Y ) est positif ou nul ; son discriminant est donc ngatif ou nul ; on en dduit [Cov (X, Y )]2 V (X ) V (Y ) do le premier rsultat. Il y a galit ssi le polynme P admet une racine X,Y ) l, ssi il existe c tel que lX + Y = c , avec l = Cov( V(X ) , do le deuxime rsultat. Si X, Y sont indpendantes, alors Cov (X, Y ) = 0, do le troisime rsultat.

4. Lois nies usuelles


4.1 Loi de Bernoulli
Soit p ]0 ; 1[. On dit que la v.a X suit la loi de Bernoulli de paramtre p, et on note X B (1, p), ou X B (p), ssi X (V) = {0 ; 1} ; P (X = 1) = p ; P (X = 0) = 1 p Esprance, variance E (X ) = p ; V (X ) = p (1 p) On dit que la v.a X est une variable de Bernoulli ssi X (V) = {0 ; 1}. X suit alors la loi B (1, p), avec p = P (X = 1). La variable indicatrice 1A de lvnement A (ni certain, ni impossible), dnie par 1A = 1 si A est ralis 0 sinon

est une variable de Bernoulli de paramtre P (A). Une preuve de Bernoulli est une exprience alatoire ayant deux issues possibles : le succs et lchec. La variable indicatrice du succs est alors une variable de Bernoulli de paramtre la probabilit du succs. Simulation informatique. On utilise la fonction random, qui retourne un nombre alatoire suivant la loi uniforme sur [0 ; 1] : si X suit une telle loi et x [0 ; 1], alors P (X x) = x (voir 9.2.1).
189

Partie 3 Probabilits

4.2 Loi binomiale


Soit n N , p ]0 ; 1[. On dit que la v.a X suit la loi binomiale de paramtres n, p, et on note X B (n, p), ssi n k p (1 p)nk X (V) = 0, n ; k 0, n , P (X = k) = k Modle. X est le nombre de succs lors de n preuves identiques et indpendantes, la probabilit du succs chaque preuve tant p. Esprance, variance E (X ) = np ; V (X ) = np (1 p) Loi binomiale et loi de Bernoulli. X B (n, p) ssi X est la somme de n variables de Bernoulli indpendantes et de mme loi B (1, p). Stabilit. Si X B (n, p) , Y B (m, p) , X et Y indpendantes, alors X + Y B (n + m, p)
Lobtention de la loi de X partir du modle est relativement difcile : (X = k) est la runion de n k vnements incompatibles : chacun de ces vnements est une suite de n preuves parmi lesquelles il y a k succs ; il y a n k telles suites, autant que de manires de choisir les k preuves parmi n qui amnent le succs ; et chacune de ces suites est de probabilit pk (1 p)nk , par indpendance des preuves.

Dautre part les situations qui amnent une loi binomiale sont trs frquentes. Cest pourquoi il convient davoir lesprit et la loi et le modle.
Dmontrons le rsultat sur lesprance (on note q = 1 p) :
n n

E (X ) =
k=0 n

kP (X = k) =
k=1

n k n k pq k
n 1

=
k=1

n
n 1

n1 k1 n1 i

pq

k n k

=n
i=0

n1 i

pi+1 qn1i

= np
i=0

pi qn1i = np(p + q)n1 = np

190

Chapitre 7 Probabilit sur un ensemble ni

tapes du calcul : dnition de E (X ) ; la somme dmarre k = 1 ; recours aux factorielles ; mise en facteur de n et changement de variable i = k 1 ; mise en facteur de p ; formule du binme. Pour le calcul de V (X ), on crit : V (X ) = E X 2 [E (X )]2 = E (X (X 1) + X ) [E (X )]2
= E (X (X 1)) + E (X ) [E (X )]2

et on calcule E (X (X 1)) par le thorme de transfert, de faon analogue au calcul de E (X ). X B (n, p) ssi X est la somme de n variables de Bernoulli indpendantes et de mme loi B (1, p). En effet, si X B (n, p), alors n 1 si succs la ime preuve Xi avec Xi = X= 0 sinon
i=1

et les Xi sont indpendantes car les preuves le sont. Rciproquement, si X est la somme de n variables de Bernoulli indpendantes de mme paramtre p, alors X compte le nombre de succs (Xi = 1) lors de n preuves identiques et indpendantes, la probabilit du succs chaque preuve tant p, et donc X B (n, p). On utilise cette proprit pour calculer facilement E (X ) et V (X ) avec X B (n, p) :
daprs la linarit de lesprance :
n n n

E (X ) = E
i=1

Xi

=
i=1

E (Xi ) =
i=1

p = np

les v.a Xi sont indpendantes, donc :


n n n

V (X ) = V
i=1

Xi

=
i=1

V (Xi ) =
i=1

p (1 p) = np (1 p)

Dmontrons le rsultat sur la stabilit de la loi binomiale, ce qui est une occasion de dterminer la loi dune somme. Soit X B (n, p) , Y B (m, p) , X et Y indpendantes, et Z = X + Y . Z prend ses valeurs dans 0, n + m , et, pour tout k 0, n + m ,
k

(Z = k) =
i=0

[(X = i) (Y = k i)]
191

Partie 3 Probabilits

Par additivit de la probabilit, puis indpendance de X, Y , on a


n

P (Z = k) =
i=0 n

P (X = i) P (Y = k i) n i m ki pk qn+mk

=
i=0

do le rsultat, par la formule de Vandermonde ( 4.3 de lIntroduction et 7.4.3). La stabilit de la loi binomiale se gnralise : si les (Xi )1 i m sont indpendantes et telles que Xi B (ni , p) , alors
m m

Ym =
i=1

Xi B
i=1

ni , p

Dmonstration par rcurrence. Simulation de X B (n, p). { va compter le nombre de succs lpreuve }

4.3 Loi hypergomtrique


Soit n, N N et p ]0 ; 1[ tels que Np N . On dit que la v.a X suit la loi hypergomtrique de paramtres N, n, p, et on note X H (N, n, p), ssi X (V) 0, n ; k 0, n , P (X = k) =
Np k N (1p) nk N n

avec la convention n k = 0 si k < 0 ou k > n. Modle. On prlve au hasard un chantillon de n individus dans une population de taille N . Parmi ces N individus, une proportion p prsente le caractre tudi C. X est le nombre dindividus de lchantillon prsentant le caractre tudi. Esprance E (X ) = np
192

Chapitre 7 Probabilit sur un ensemble ni

Appelons individu-C un individu prsentant les caractre tudi. On trouve facilement la loi de X partir de son modle, par des considrations de dnombrement : on est en situation dquiprobabilit, et il sagit dun tirage simultan de n individus parmi N , donc Card (V) = N n ; on constitue un chantillon ralisant lvnement (X = k) en choisissant. k individus-C parmi Np individus-C, puis n k individus-non-C parmi N (1 p) individus-non-C, ce qui donne Card ((X = k)). H (N, n, p) est une loi de probabilit, par consquent
n k=0

Np k

N (1 p) nk

N n

ce qui dmontre la formule de Vandermonde, voir lIntroduction 4.3. X est la somme de Np variables de Bernoulli Xi , non indpendantes, avec Xi = 1 ssi le ime individu-C est prsent dans lchantillon, 0 sinon. Xi est une variable de Bernoulli de paramtre P (Xi = 1) = 1
N 1 n 1 N n

n N

En effet, une fois choisi le ime individu-C, on complte lchantillon en choisissant n 1 individus parmi N 1. On a donc
Np

X=
i=1

Xi

avec Xi B

n N n 1 N

E (Xi ) =

n n ; V (Xi ) = N N

Ceci permet le calcul de E (X ), en utilisant la linarit de lesprance. On trouve n E (X ) = Np = np N Pour le calcul de V (X ), on utilise la formule du 7.2.5 :
Np Np

V (X ) = V
i=1

Xi

=
i=1

V (Xi ) + 2
1 i<j Np

Cov Xi , Yj

avec Cov Xi , Xj = E Xi Xj E (Xi ) E Xj . Tout est connu, hormis E Xi Xj et le nombre de termes dans la somme double.
193

Partie 3 Probabilits

Xi Xj est une variable de Bernoulli de paramtre

E Xi Xj = P Xi Xj = 1 =

11
N n

N 2 n 2

n (n 1) N (N 1)

Tous les termes de la somme double sont gaux

Cov Xi , Xj =

n (n 1) n N (N 1) N

n (n N ) N (N 1)

et il y a Np tels termes. En effet, il a autant de couples (i, j) tels 2 que 1 i < j Np quil y a de parties {i, j} deux lments dans un ensemble Np lments.
Il ne reste plus qu achever les calculs, on trouve

V (X ) = np (1 p)

N n N 1

Pour la simulation informatique de X H (N, n, p), voir 10.2.3.

4.4 Loi uniforme sur 1, n


On dit que la v.a X suit la loi uniforme sur 1, n , et on note X U 1, n , ssi X (V) = 1, n ; k 1, n , Esprance, variance E (X ) = n+1 n2 1 ; V (X ) = 2 12 P (X = k) = 1 n

n(n+1) Pour le calcul de E (X ), on utilise la formule n k=1 k = 2 . Pour le calcul de V (X ), on utilise le thorme de Koenig-Huygens, puis, pour n(n+1)(2n+1) 2 le calcul de E X 2 , la formule n . k=1 k = 6

Avec a, b N, a < b, on dit que Y suit la loi uniforme sur a, b ssi, pour tout k a, b , P (Y = k) = 1 n , avec n = b a + 1, nombre dlments de lensemble a, b . La v.a X = Y a + 1 suit alors la loi 194

Chapitre 7 Probabilit sur un ensemble ni

uniforme sur 1, n , car 1

na

k+a1

b, et 1 n

k 1, n , P (X = k) = P (Y = k + a 1) =

On a alors Y = X + a 1, et des formules E (aX + b) = aE (X ) + b et V (aX + b) = a2 V (X ), on dduit facilement les valeurs E (Y ) = (b a) (b a + 2) a+b ; V (Y ) = 2 12

Simulation informatique. retourne un nombre alatoire suivant la loi uniforme sur {0, . . . , n 1}. On en dduit la simulation dune v.a de loi uniforme sur {a, . . . ,b} :
Soit X1 , , Xm des v.a suivant la loi uniforme sur 1, n , et indpendantes. Pour dterminer la loi du maximum M de ces variables, on commence par dterminer la probabilit P (M k), pour 1 k m :
m m

P (M

k) = P
i=1

(Xi

k)

=
i=1

P (Xi

k) =

k n

en utilisant lindpendance des Xi . De (M k 1) (M = k) = (M k n k)


m

on dduit, par additivit (valable avec k = 1) : P (M = k) = P (M k) P (M k 1) =

k1 n

195

Variables alatoires discrtes

1. Espaces probabiliss quelconques


Certaines expriences alatoires conduisent un espace probabilisable (ensemble des rsultats de lexprience) comprenant un nombre inni dlments. Par exemple, lexprience qui consiste lancer une pice de monnaie jusqu lobtention de deux pile conscutifs amne un espace probabilisable inni, puisquil doit contenir au moins les vnements : P 1 P 2 ; F 1 P 2 P 3 ; F1 F2 P 3 P 4 ; F 1 F2 F3 P 4 P 5 ; . . . . (avec Pi (resp. Fi ), les vnements pile (resp. face) au lancer n i , et en omettant les signes dintersection. Cette situation oblige rednir les notions despace probabilis et de variable alatoire.

1.1 Dnitions
Tribu, espace probabilisable. Soit V un ensemble non vide quelconque. Une tribu sur V est un ensemble T de parties de V (cest--dire un sous-ensemble de P (V) ) tel que : VT ; si A T , alors A T ;
si, pour tout n N , An T , alors
nN

An T .

Soit T une tribu sur V. (V, T ) est un espace probabilisable. On convient dappeler vnement tout lment de T . Probabilit. Soit (V, T ) un espace probabilisable. Une probabilit sur V est une application P : T [0, 1] , A P (A) telle que :
197

Partie 3 Probabilits

P (V) = 1 ; si les An sont deux deux incompatibles, alors :

P
nN

An

=
nN

P (An )

(proprit de s additivit)

Le triplet (V, T , P) est alors un espace probabilis. Proprits On retrouve les mmes proprits que pour les espaces probabiliss nis, voir 7.2.2. Pour mmoire : P () = 0 ; P A = 1 P (A) ; (additivit) si les Ai sont deux deux incompatibles, alors
n n

P
i=1

Ai

=
i=1

P (Ai )

(croissance) si A B, alors

P (A)
formule du crible.

P (B) et

P B\A = P (B) P (A)

On a de plus les proprits suivantes, dites proprits de limite monotone : si A0 A1 An , alors


+

P
n= 0

An

= lim P (An )
n+

si A0 A1 An , alors
+

P
n= 0

Ai

= lim P (An )
n+

On lance une pice de monnaie quilibre indniment. Soit A lvnement on obtient indniment face . A est lintersection des vnements An : les n premiers lancers donnent face , avec n appartenant N . n N , An An+1 .

Par indpendance des lancers, on a : P (An ) =


198

1 n 2

Chapitre 8 Variables alatoires discrtes

Par consquent, par la deuxime proprit de limite monotone : P (A) = 0


La probabilit p de casser un mot de passe de 6 caractres (quand on procde au hasard) est p = 1/366 , soit p 4, 6 1010 . On fait des essais, soit B lvnement le mot de passe est trouv . B est la runion des vnements Bn : le mot de passe est trouv en au plus n essais , n N . n N ,

Bn Bn+1 .

La probabilit de Bn est de 1 (1 p)n : en effet, lvnement contraitre de Bn est : en n essais, le mot de passe na pas t trouv . On conclut alors, en utilisant la premire proprit de limite monotone, que P (B) = 1. On peut obtenir ces rsultats dans le cadre de la loi gomtrique, voir 8.4.1.
Soit (Xn )nN une suite quelconque dvnements. En appliquant la premire proprit de limite monotone la suite (An ) dnie par
n

An =
k=0

Xk , on obtient
+ n

P
n= 0

Xn

= lim P
n+ k=0

Xk

Et on a la formule analogue pour lintersection. Un vnement de probabilit 1 est dit quasi-certain. Un vnement de probabilit 0 est dit quasi-impossible. On peut parler dune suite (innie) dvnements indpendants : une suite dvnements est indpendante ssi toute sous-suite nie extraite lest. Les exemples fondamentaux : les rsultats successifs dune pice de monnaie, dun d. . . ; les rsultats successifs de tirages AVEC REMISE dune boule dans une urne. La probabilit conditionnelle sachant B, avec P(B) = 0, a mme dnition que dans le cas o V est ni : PB (A) = P (A B) P (B)

et mme utilisation, la formule des probabilits composes : P (A B) = PB (A) P (B) ; P (A1 An ) = P (A1 ) PA1 (A2 ) PA1 An1 (An )
199

Partie 3 Probabilits

La formule des probabilits totales se gnralise avec des systmes (Ai )iI (quasi-)complets dvnements, cest--dire vriant:

Pour tout i, P (Ai ) = 0 ; si i = j, Ai Aj = ; P


iI

Ai

= 1, avec I

ni ou dnombrable. On a, avec (Ai )iI systme (quasi-) complet dvnements, pour tout vnement B : P (B) =
iI

P (B Ai ) =
iI

PAi (B) P (Ai )

Quand V (ensemble des rsultats lmentaires de lexprience alatoire) est inni, on ne peut pas dnir sans contradiction la probabilit P (A) pour tout lment A de P (V). Il faut se restreindre un sous-ensemble T de P (V) convenablement structur. Dans la pratique, cela ne pose pas de difcults. La proprit de sadditivit demande la probabilit tend la proprit dadditivit des runions innies. Elle comporte la somme dune srie. La convergence de cette srie na pas tre tablie :
n

en effet les sommes partielles (car P (Ak )


k=0

P (Ak ) forment une suite croissante

0 pour tout k), et majore, car


n n

P (Ak ) = P
k=0 k=0

Ak

P (V) = 1

2. Variables alatoires innies discrtes


2.1 Dnitions
Soit (V, T , P) un espace probabilis. Variable alatoire Une variable alatoire (v.a) dnie sur V est une application X de V dans R telle que, pour tout x R, lensemble (X x) = {v ; v V, X (v) x} appartienne T . Une variable alatoire innie discrte (vaid) dnie sur V est une v.a dnie sur V telle que lon ait : X (V) = {xi ; i I } ,
200

Chapitre 8 Variables alatoires discrtes

o I est lensemble N, lensemble Z, ou un sous-ensemble inni de N ou Z. Une variable alatoire discrte (vad) est une variable alatoire nie ou innie discrte. Loi de probabilit Dterminer la loi de probabilit de la v.a innie discrte X , cest dterminer X (V), et, pour chaque xi X (V), dterminer la probabilit P (X = xi ). Rciproquement, pour vrier que les couples (xi , pi )iI dnissent la loi de probabilit dune vaid X , avec P (X = xi ) = pi , il suft de vrier :
i I, pi

0;

la srie de terme gnral pi , i I , est convergente, de somme 1.

On dira aussi que X est bien une variable alatoire.

2.2 Proprits
Ce sont les mmes que dans le cas ni : La somme, le produit, le quotient (si le dnominateur ne sannule pas) de deux vad dnies sur le mme ensemble V est une v.a dnie sur V. Si w est une fonction valeurs dans R dnie sur X (V), la compose w X est une v.a dnie sur V. Lensemble des v.a dnies sur V constitue un espace vectoriel pour les oprations X + Y, aX .

2.3 Fonction de rpartition


Dnition. Soit X une v.a sur V. La fonction de rpartition de la v.a X est lapplication FX de R dans R dnie par :
x R , FX (x) = P (X

x)

Proprits. Soit FX la f.r dune v.a X . Alors


FX est croissante sur R. FX est continue droite en tout point de R. lim FX (x) = 0 ; lim FX (x) = 1
x x+

Rciproquement, toute application de R dans R vriant ces trois proprits est la fonction de rpartition dune v.a X . 201

Partie 3 Probabilits

Avec FX la f. r de la v.a X , pour tout a, b appartenant R tels que a b: P (a < X b) = FX (b) FX (a) En particulier, si X est valeurs dans N, ou dans Z, on a :

P (X = k) = FX (k) FX (k 1)
Soit FX la f.r dune v.a X . La v.a X est innie discrte (resp. nie) ssi FX est une fonction en escalier (cest--dire constante par intervalles), telle que lensemble de ses points de discontinuit est dnombrable (resp. ni). Cet ensemble est alors gal X (V).

Indpendance de variables alatoires discrtes Dnitions. Deux vad X, Y dnies sur V sont dites indpendantes ssi : x X (V) , y Y (V) , P ((X = x) (Y = y)) = P (X = x) P (Y = y)
Les vad X1 , X2 , , Xn sont dites mutuellement indpendantes (ou indpendantes) ssi : x1 X1 (V) , x2 X2 (V) , , xn Xn (V) ,
n n

P
i=1

(Xi = xi )

=
i=1

P (Xi = xi )

La suite (Xn )nN est une suite de v.a indpendantes ssi, pour tout n N , les v.a X1 , X2 , , Xn sont indpendantes. Proprit Si (Xn )nN est une suite de v.a indpendantes, alors toute fonction de X1 , X2 , , Xn est indpendante de toute fonction de Xn+1 , , Xn+p . En particulier, si X et Y sont indpendantes, alors toute fonction de X est indpendante de toute fonction de Y .

2.4 Esprance (ou moyenne)


Dnition. Soit X une variable alatoire innie discrte dnie sur V. On dit que X admet une esprance E (X ) ssi la srie de terme gnral xi P (X = xi ) , xi X (V), est absolument convergente, et on pose alors : E (X ) =
xi X (V)

xi P (X = xi )

202

Chapitre 8 Variables alatoires discrtes

Un cas particulier dutilisation frquente :


+

Si X (V) = N ,

E (X ) =
k=0

kP (X = k) ;

sous rserve de convergence absolue, cest--dire ici de convergence, car la srie est termes positifs. Proprits Linarit de lesprance Si X et Y admettent des esprances, alors il en est de mme pour X + Y et aX + b (a, b R), et E (X + Y ) = E (X ) + E (Y ) ; E (aX + b) = aE (X ) + b. Lesprance est donc une forme linaire sur lespace vectoriel des vad dnies sur V et admettant une esprance. Thorme de transfert Soit X une vaid, w une application dnie sur X (V). Alors w (X ) est une vaid, et, sous rserve de la convergence absolue de la srie de terme gnral w (xi ) P (X = xi ) , i X (V) : E (w (X )) =
xi X (V)

w (xi ) P (X = xi )

En particulier, pour r N , et toujours sous rserve de convergence absolue : xi r P (X = xi ) E (X r ) =


xi X (V)

mr (X ) = E (X r ) est appel moment dordre r de X . Attention, certaines v.a innies discrtes nont pas desprance. Soit X une v.a dont la loi de probabilit est donne par : 6 X (V) = N ; n N , P (X = n) = 2 2 pn On sait que la srie de terme gnral n12 , n N , est convergente (srie 1 p2 de Riemann), et, tant admis que + n=0 n2 = 6 , on tablit sans peine que X est bien une variable alatoire (ou que lon a bien dni une loi
203

Partie 3 Probabilits

de probabilit). Mais cette v.a nadmet pas desprance. En effet la srie de terme gnral nP (X = n) est divergente, car 6 nP (X = n) = 2 pn 1 et la srie de terme gnral n , n N , est une srie de Riemann divergente. Par consquent, X nadmet pas desprance. Variance, cart-type Dnitions Soit X une v.a innie discrte admettant une esprance E (X ). Sous rserve de convergence de la srie, la variance de X est dnie par : V (X ) =
xi X (V)

[xi E (X )]2 P (X = xi )

Daprs le thorme de transfert, on a alors V (X ) = E [X E (X )]2


Pour une v.a X admettant une variance, lcart-type s (X ) est la racine carre de la variance : s (X ) = V (X )

Proprits Pour toute v.a X admettant une variance, V (X ) 0. Si V (X ) = 0, alors X est une v.a quasi-certaine : X (V) = {c } ; P (X = c ) = 1.
Si X admet une variance, et a, b R, alors aX + b admet une variance, et V (aX + b) = a2 V (X )

Dmonstration. Soit Y = aX + b. Y admet une esprance, et Y E (Y ) = a (X E (X )) X admet une variance V (X ) = E (X E (X ))2 , ce qui donne le rsultat. Thorme de Koenig-Huygens Soit X une v.a innie discrte. X admet une variance ssi X admet un moment dordre 2, E X 2 , et on a alors : V (X ) =
xi X (V)

xi 2 P (X = xi ) [E (X )]2 = E X 2 [E (X )]2

204

Chapitre 8 Variables alatoires discrtes

Dmonstration. Montrons que si X admet un moment dordre 2, alors 2 X admet une esprance ; on a |xi | + 1 P (X = xi ) 0, donc, en dveloppant le carr : 1 2 0 |xi |P (X = xi ) xi + 1 P (X = xi ) . 2 La srie de terme gnral x2 i + 1 P (X = xi ) est convergente comme somme de deux sries convergentes, donc la srie de terme gnral xi P (X = xi ) est absolument convergente, donc X admet une esprance. Le calcul suivant : (X [E (X )])2 = X 2 2X E (X ) + [E (X )]2 montre alors, en utilisant la linarit de lesprance, que X admet une variance ssi X admet un moment dordre 2, et prouve lgalit tablir. Une v.a admettant une esprance peut ne pas admettre de moment dordre 2, et donc pas de variance. Soit X telle que
n N , P (X = n) =
+

a , n3

avec a =
n= 1 a n2 ,

1 n3

X admet une esprance, car nP (X = n) = et la srie de Riemann 1 n2 est convergente ; mais X nadmet pas de moment dordre 2, car a 1 , et la srie de Riemann n2 P (X = n) = n n est divergente. X nadmet donc pas de variance. Variance dune somme de 2 v.a innies discrtes Soit X et Y deux v.a innies discrtes admettant des variances. Alors X + Y admet une variance, et XY admet une esprance. De plus :
si X et Y sont indpendantes, alors

V (X + Y ) = V (X ) + V (Y )
dans le cas gnral :

V (X + Y ) = V (X ) + V (Y ) + 2 Cov (X, Y ) , avec avec E (XY ) =


xi X (V),yj Y (V)

Cov (X, Y ) = E (XY ) E (X ) E (Y ) , xi yj P X = xi , Y = yj

205

Partie 3 Probabilits

Gnralisation n v.a innies discrtes

Si les Xi admettent des variances, alors la somme variance, et : si les Xi sont deux deux indpendantes, alors
n n i=1

Xi admet une

V
i=1

Xi

=
i=1

V (Xi )

dans le cas gnral


n n

V
i=1

Xi

=
i=1

V (Xi ) + 2
1 i<j n

Cov Xi , Yj

3. Couple de variables alatoires discrtes


3.1 Dnitions
Soit X, Y deux variables alatoires discrtes. Les dnitions sont les mmes que dans le cas ni, voir 7. 3. 1. Pour mmoire : Dterminer la loi du couple (X, Y ), cest dterminer, pour chaque xi X (V) et chaque yj Y (V) la probabilit P (X = xi ) y = yj
La loi du couple (X, Y ) permet de trouver les lois marginales (les lois de X et de Y ), en utilisant la formule de probabilits totales. Pour yj x, la loi conditionnelle de la variable X sachant Y = yj est donne par

P(Y =yj ) (X = xi ) =

P (X = xi ) Y = yj P Y = yj

et de mme pour la loi de la variable Y sachant (X = xi ) . Thorme de transfert Soit X, Y deux vaid, w une fonction de deux variables. Sous rserve dexistence : w xi , yj P (X = xi ) Y = yj E (w (X, Y )) = (xi ,yj )X (V)Y (V)
206

Chapitre 8 Variables alatoires discrtes

En particulier, E (XY ) =
xi X (V),yj Y (V)

x i yj P X = x i , Y = y j

sous rserve dexistence, cest--dire sous rserve de convergence absolue de la srie. Si X et Y admettent des variances, alors cette convergence est acquise (admis).

3.2 Covariance
Pour dterminer la variance de X + Y , on fait les mmes calculs que dans le cas ni, mais sous rserve dexistence. On admet que ces calculs sont possibles si X et Y admettent des variances. Dnition. Soit X, Y deux vaid admettant des variances. La covariance de (X, Y ) est le nombre rel Cov (X, Y ) = E (XY ) E (X ) E (Y ) avec E (XY ) =
xi X (V),yj Y (V)

x i yj P X = x i , Y = y j

Proprits. Ce sont les mmes que dans le cas ni, sous rserve dexistence. Pour mmoire : Si X, Y sont deux vaid admettant des variances, alors X + Y admet une variance, et V (X + Y ) = V (X ) + V (Y ) + 2Cov (X, Y )
Cov (X, Y ) est de signe de quelconque. On a aussi Cov (X, Y ) = E ([X E (X )] [Y E (Y )]). Si X, Y, Z admettent des variances et si a est un nombre rel, on a :

Cov (X, X ) = V (X ) ; Cov (X, Y ) = Cov (Y, X ) ; Cov (X + Y, Z ) = Cov (X, Z ) + Cov (Y, Z ) ; Cov (aX, Y ) = Cov (X, aY ) = aCov (X, Y ).

La formule V (X + Y ) = V (X ) + V (Y ) + 2Cov (X, Y ) permet le calcul de Cov (X, Y ), si les variances de X, Y et X + Y sont connues. Soient X, Y deux vaid admettant des variances, et indpendantes. On a alors les proprits suivantes, quivalentes entre elles :

E (XY ) = E (X ) E (Y ) Cov (X, Y ) = 0


207

Partie 3 Probabilits

V (X + Y ) = V (X ) + V (Y ) Les rciproques sont fausses. La covariance de deux vad non indpendantes peut tre gale 0. On peut juste dire que si la covariance de (X, Y ) est diffrente de 0, alors X, Y ne sont pas indpendantes. Coefcient de corrlation linaire Dnition. Soit X, Y des vad admettant des variances, et non quasicertaines. Le coefcient de corrlation linaire est le nombre rel rX,Y dni par Cov (X, Y ) rX,Y = s (X ) s (Y ) Proprits |rX,Y | 1 ; si |rX,Y | = 1, alors il existe a, b rels tels que lvnement Y = aX + b est quasi-certain, et a est du signe de r . Si X, Y sont indpendantes, alors rX,Y = 0. La rciproque est fausse.

4. Variables innies discrtes usuelles


4.1 Loi gomtrique
Dnition. Soit p ]0 ; 1[ . On dit que X suit la loi gomtrique de paramtre p, et on note X G (p), ssi : X (V) = N ; n N , P (X = n) = (1 p)n1 p Modle. On rpte une preuve indniment. chaque preuve, la probabilit du succs est p x dans ]0 ; 1[. Les rsultats des preuves successives sont indpendants. Soit X le temps dattente du premier succs, cest--dire le numro de lpreuve qui amne le premier succs. Alors X G (p) Esprance, variance. Soit X G (p). Alors 1 1p E (X ) = ; V (X ) = 2 p p
On retrouve facilement la loi gomtrique partir de son modle. En notant Ei et Si lchec et le succs lpreuve n i, on a, pour tout n N : (X = n) = E1 En1 Sn do le rsultat, par indpendance des rsultats successifs. 208

Chapitre 8 Variables alatoires discrtes

Vrions quil sagit dune loi de probabilit. Avec q = 1 p : n N , P (X = n) = qn1 p


+ +

0;
+

n= 1

P (X = n) =
n= 1

qn1 p = p

qn = p
n= 0 n N

1 =1 1q

car q ]0 ; 1[, la srie gomtrique 1 somme . Voir 2.4.2. 1q

qn est donc convergente, de

La vrication faite que la loi gomtrique est bien une loi de probabilit est tout fait essentielle. Elle montre que dans une suite dpreuves identiques et indpendantes, on est quasi-certain dobtenir le succs. Les calculs de lesprance et de la variance de X suivant la loi G (p) doivent tre parfaitement matriss. Il font appel aux calculs sur les sries gomtriques et sries gomtriques drives ( 2.4.2). En voici les grandes lignes. On note q = 1 p. Pour E (X ) : sous rserve de convergence (absolue) de la srie :
+ +

E (X ) =
n= 1

nP (X = n) =
n= 1 n 1

nqn1 p = p

+ n= 1

nqn1

Or la srie de terme gnral nq est convergente (srie gomtrique drive de raison q ]0 ; 1[), et a pour somme
+ n= 1

nqn1 =

1 1 = 2 p (1 q)2

Do la conclusion. Ce rsultat est facile retenir, il signie par exemple que quand on lance un d cubique quilibr, le 6 (probabilit dapparition gale 1 6 ) apparat en moyenne tous les 6 lancers. Pour la variance, on commence par crire (sous rserve de convergence absolue des sries rencontres) : V (X ) = E X 2 [E (X )]2 = E (X (X 1) + X ) [E (X )]2
= E (X (X 1)) + E (X ) [E (X )]2 (linarit de lsprance)

On utilise le thorme de transfert, toujours sous rserve de convergence (absolue) :


+

E (X (X 1)) =
n= 1

n (n 1) qn1 p = pq

+ n= 2

n (n 1) qn2
209

Partie 3 Probabilits

La srie obtenue est convergente (srie gomtrique drive seconde de 2 raison q ]0 ; 1[ ), de somme (1 = p23 . Il ne reste plus qu achever q)3 les calculs. Pour une simulation informatique dune v.a suivant une loi gomtrique, voir 10.2.3. Variantes de la loi gomtrique. On considre toujours une succession dpreuves identiques et indpendantes, la probabilit du succs chaque preuve tant p. Les lois des v.a suivantes ne sont pas au programme, mais elles inspirent de nombreux exercices. Nombre dchecs avant le premier succs. Soit X ce nombre. On a X (V) = N, et, pour tout n N, (X = n) = E1 En Sn+1 , donc, par indpendance : n N, P (X = n) = qn p. Il sagit dune loi de probabilit car pour tout n, qn p
+

0, et

qn p = p
n= 0

1 = 1. 1q

Pour le calcul de lesprance et de la variance, on peut procder directement, on peut aussi remarquer que la va Y = X + 1 suit la loi gomtrique de paramtre p : Y (V) = N , et, pour tout n dans N : P (Y = n) = P (X = n 1) = qn1 p. On utilise alors les formules : E (aX + b) = aE (X ) + b, V (aX + b) = a2 V (X ) pour trouver : q q E (X ) = ; V (X ) = 2 p p Mentionnons quil sagit dune loi sans mmoire :
n, m N , P(X n) (X n + m) = P (X m) .

Temps dattente du r-me succs (r N ). Soit X ce nombre. X est valeurs dans lensemble {r ; r + 1 ; }, et pour tout n r, (X = n) est lintersection des deux vnements r 1 succs au cours des n 1 premires preuves , et succs la n-me preuve . Par indpendance des preuves, on a donc : P (X = n) = n 1 n1(r 1) r q p p= r1 n 1 n r r q p r1

Loi gomtrique tronque. X est le numro de lpreuve qui apporte le premier succs, mais le nombre dpreuves est limit n, n x. Si aucune preuve napporte le succs, on convient que X = 0.
210

Chapitre 8 Variables alatoires discrtes

Pour k {1, , n}, on a P (X = k) = qk1 p, et P (X = 0) = qn . Il sagit bien dune loi de probabilit, car daprs lidentit gomtrique :
n n

P (X = n) = qn +
k=0 k=1

qk1 p = qn + p

1 qn =1 1q

Bien remarquer quil faut traiter part le cas (X = 0). Pour le calcul de lesprance, la dmarche est connatre :
n

E (X ) =
k=1

kq

k1

p = pf (p) , avec f (p) =


k=1

qk = q

1 qn 1q

On calcule alors la drive de f en utilisant la deuxime expression.

4.2 Loi de Poisson


Pas de modle durne pour la loi de Poisson, qui est une loi-limite : quand n est grand , et p petit , une v.a X suivant la loi binomiale de paramtres n, p suit approximativement la loi de Poisson de paramtre np. Dnition. Soit l > 0. On dit que X suit la loi de Poisson de paramtre l, et on note X P (l), ssi X (V) = N ; n N, P (X = n) = el Esprance, variance. Soit X P (l). Alors E (X ) = l ; V (X ) = l Stabilit. Soit X P (l), Y P (m), l > 0, m > 0, X et Y indpendantes. Alors X + Y P (l + m)
Vrions que la loi de Poisson P (l) est une loi de probabilit. P (X = n) est toujours positif, et
+ +

ln n!

P (X = n) =
n= 0 n= 0

e l

ln ln = e l = e l el = 1 n! n ! n= 0
211

Partie 3 Probabilits

Pour le calcul de lesprance, on a, sous rserve de convergence (absolue) :


+ +

E (X ) =
n= 0

nP (X = n) =
n= 1 + k=0

nel

ln ln 1 = e l l (n 1)! n! n= 1

= e l l

lk = e l le l = l k!

Chaque tape du calcul est importante comprendre : dnition ; la somme dmarre vraiment avec n = 1 ; simplication par n ; mise en facteur de l et changement dindice k = n 1 ; on reconnat la srie exponentielle et les calculs prcdents sont justis. Pour le calcul de V (X ), on commence par procder comme pour la loi gomtrique : V (X ) = E (X (X 1)) + E (X ) [E (X )]2 On utilise le thorme de transfert pour calculer E (X (X 1)) ; la somme dmarre valablement n = 2 ; simplication par n (n 1) ; changement dindice k = n 2. tablissons le rsultat sur la stabilit : si X P (l), Y P (m), X et Y indpendantes, alors Z = X + Y P (l + m) . Z prend ses valeurs dans N, et, pour tout n N :
n

(Z = n) =
k=0

((X = k) (Y = n k))

Par additivit, puis indpendance, il vient


n n

P (Z = n) =
k=0

P (x = k) P (Y = n k) =
k=0

e l

lk m mnk e (n k)! k!

P (Z = n) = e(l+m)

1 n!

n!
k=0

1 lk mnk = e(l+m) (l + m)n k! (n k)! n!

daprs la formule du binme. Et on a la conclusion. On gnralise par rcurrence la stabilit de la loi de Poisson n v.a Xk indpendantes et suivant les lois P (lk ) : cest acquis pour n = 2, et
n

supposant que cest acquis pour n, alors cest acquis pour n +1, car
k=1

Xk

212

Chapitre 8 Variables alatoires discrtes

suit la loi de Poisson de paramtre et on a la conclusion.


k=1

lk , et est indpendante de Xn+1 ,

Aspect numrique Soit X P (l), l > 0. On vrie facilement que n N, P (X = n + 1) =

l P (X = n) n+1

En effet,
n N,

l l ln ln+1 l = e l P (X = n) = e (n + 1)! n+1 n+1 n!

Grce cette formule, on peut crire un programme en langage PASCAL afchant les tables numriques de la loi de Poisson pour une valeur donne par lutilisateur du paramtre l. La valeur de l donn par lutilisateur est stocke dans la variable dentre . Avec X P (l) , et F la f.r de X , le programme afche les valeurs successives de n, P (X = n) , F (n), tant que F (n) < 1 106 . Les variables de sortie sont .

{P (X = 0) = F (0) = el } l {utilise P (X = n + 1) = n+1 P (X = n)} {utilise F (n + 1) = F (n) + P (X = n + 1)}

213

Partie 3 Probabilits

Exemple de loi conditionnelle Soit X P (l), Y P (m), X et Y indpendantes. On sait que Z = X + Y P (l + m). Montrons que la loi de X conditionne par (Z = n), n x dans N , est une loi binomiale : Pour tout k {0, , n}, on a :

P(Z=n) (X = k) =

P [(X = k) (Z = n)] P [(X = k) (Y = n k)] = P (Z = n) P (Z = n) lk m n k el em P (X = k) P (Y = n k) (n k)! k! = = ( l + m)n P (Z = n) e(l+m) n! k n k l m n = k l+m l+m

Do la conclusion. On est pass de lvnement (X = k) (Z = n) lvnement (X = k) (Y = n k) (ces deux vnements sont bien gaux, car Z = X + Y ), pour utiliser lindpendance de X, Y (alors que X et Z ne sont pas indpendantes).
Exemple dutilisation de la formule des probabilits totales Soit N P (l) et Y une v.a telle que, pour tout n N , Y / (N = n) suive la loi B (n, p). En dautres termes, on a, pour 0 k n :

P(N =n) (X = k) =

n k n k pq k

Alors Y suit la loi de Poisson de paramtre lp. On le montre en utilisant la formule des probabilits totales, avec le sce (N = n)nN :
+

P (X = k) =
n= 0 +

P(N =n) (X = k) P (N = n) 1 n k nk l ln pq e = p k e l k n! k! 1 k!
+ +

=
n= k

qnk

= p k e l

qi
i=0

li+k 1 = lk pk el i! k!

n= k + i=0

ln (n k)!

(ql)i i!

(lp)k 1 = (lp)k el eql = elp k! k!

214

Chapitre 8 Variables alatoires discrtes

Ce calcul concentre bien des difcults techniques, il est donc bien comprendre et matriser : formule des probabilits totales ; la somme dmarre valablement n = k ; on met en facteur tout ce qui ne dpend pas de n et on simplie les factorielles ; changement dindice i = n k ; mise en facteur de lk ; srie exponentielle ; rgles de calculs sur les puissances.
Exemple de convergence en loi l Soit Xn B n, , n N , l > 0. Alors, pour k x dans N : n
n+

lim P (Xn = k) = el
k

lk k! l n
n k

En effet, on a P (Xn = k) =
=

n k

l n

lk n! l 1 k k! (n k)! n n

n k

Or, dune part : n! n (n 1) (n k + 1) = k! (n k)! k! Et dautre part : 1 l n


n k n+

nk k!

= e(nk) ln(1 n ) e l
l

n+

car lexposant est quivalent n l n , sa limite est donc l. Et on a la conclusion. On dit que la suite (Xn ) converge en loi vers une v.a X de loi P (l). (Voir 9.3.3.) Pratiquement, cela veut dire que pour les grandes valeurs de n, P (X = k) est une bonne approximation de P (Xn = k).

215

Variables alatoires densit Convergences, approximations estimation


1. Gnralits
1.1 Dnitions

Densit de probabilit Une densit de probabilit est une fonction f : R R telle que :
f

0 sur R ;
+

f est continue sur R priv dun nombre ni de points ;

f (t) dt = 1.

Soit f une densit de probabilit. La v.a alatoire X est une variable alatoire densit, ou variable alatoire absolument continue, (vaac) admettant f pour densit ssi : X (V) R ; pour tout a, b tels que P (a X a b < +, b) =
a b

f (t) dt

Fonction de rpartition Comme pour nimporte quelle v.a, la fonction de rpartition (f.r) de X est la fonction FX dnie par :
x R,

FX (x) = P (X

x)
217

Partie 3 Probabilits

Indpendance On dit que les vaac X et Y sont indpendantes ssi


x, y R, x, y R,

P ((X

x) ( Y

y)) = P (X

x) P (Y

y) ,

ou, de faon quivalente : P ((X > x) (Y > y)) = P (X > x) P (Y > y) .

1.2 Proprits, calculs


Premires proprits Soit X une vaac, et soit a, b dans R tels que a b. On a : P (X = a) = 0 ; P (a X b) = P (a < X b) = P (a X < b) = P (a < X < b) . Probabilits, densit, fonction de rpartition Proposition 1. Soit X de densit f , de f.r FX . Alors, pour tout x R : P (X x) = Fx (x) =
x

f (t) dt

On peut donc utiliser comme suit la fonction de rpartition pour calculer des probabilits : Pour tout a, b R tels que a b, P (a X P (X b) =
a b

f (t) dt
b

= FX (b) FX (a) ;

b) =

P (X > a) =

+
a

f (t) dt = FX (b) ; f (t) dt = 1 P (X a) = 1 FX (a) .

Proprits de la fonction de rpartition dune vaac Proposition 2. Soit X une v.a de densit f , de f.r FX .
FX est croissante ; lim FX = 0 ; lim FX = 1 ;

FX est continue sur tout R ; 218

Chapitre 9 Variables alatoires densit Convergences,...

En tout point de R o f est continue (cest--dire sur tout R sauf en un nombre ni de points), FX est de classe C1 , et FX = f . Rciproquement, soit F une fonction croissante et continue sur R, de classe C1 sur R priv dun nombre ni de points, et telle que lim FX = 0, lim FX = 1.

Alors F est la fonction de rpartition dune v.a X densit, de densit f = F partout o F est de classe C1 . Vous utiliserez la proposition 1 pour dterminer la fonction de rpartition de X quand la densit de X est donne. Pour montrer quune fonction F donne est la f.r dune vaac X , vous devrez vrier tous les points de la partie rciproque de la proposition 2. On trouve alors une densit en calculant F (x) partout o F est drivable (cest--dire sur R sauf en un nombre ni de points) et en prolongeant F de faon arbitraire en ces points. Si on sait que F est la fonction de rpartition dune v.a X et quon veut montrer que X est une vaac, il suft de vrier que : F est continue sur tout R ; F est de classe C1 sur R priv dun nombre ni de points. Soit X et Y deux vaac indpendantes, de mme densit f dnie par : f (t) = 0 si t < 0 ; f (t) = et si t 0. Soit M la v.a dnie sur R par : (M x) = (X x) (Y y). La variable alatoire ainsi dnie est le maximum de X, Y . f est une densit de probabilit, car f est 0, continue sur ], 0[ et ]0 , +[. f est nulle en dehors de [0 ; + [, donc
+

f (t) dt =
0

e t dt
x 0 x 0

x+

lim

e t dt
=1

= limx+ et

Dterminons la fonction de rpartition de X et Y : f est nulle en dehors de [0 ; + [, donc F (x) = 0 si x < 0 ;


219

Partie 3 Probabilits
x 0

Si x

0, F (x) =

e t dt = 1 e x .

Pour montrer que M est une variable alatoire densit, on dtermine dabord la f.r FM de M , puis on montre que M est une vaac, puis on dtermine une densit fM de M . Pour tout x appartenant R, FM (x) = P (M = P [(X = P (X x) x) (Y x)] x) P (Y x) , si x < 0 si x 0

car X et Y sont indpendantes. On obtient donc : FM (x) = [F (x)]2 = 0 1 e x


2

FM est continue sur tout R, de classe C1 sur ], 0[ et ]0, +[, donc M est une variable alatoire densit. Pour avoir une densit fM de M , on drive FM sur chacun des intervalles ] ; 0[, ]0 ; + [ et on prolonge de manire arbitraire en 0. On a donc par exemple : fM (x) = 0 2e x 1 e x si x < 0 si x 0

1.3 Esprance, variance


Esprance (ou moyenne) Soit X de densit f . Par dnition, E (X ) =
+

t f (t) dt

sous rserve de convergence de lintgrale. Thorme de transfert. Soit X de densit f , soit w une fonction dnie sur R, continue sauf en un nombre ni de points. Alors, sous rserve de convergence absolue de lintgrale : E (w (X )) =
+

w(t) f (t) dt

Linarit de lesprance. Soit X et Y des v.a quelconques (discrtes ou densit), admettant des esprances, et a, b deux rels. Alors X + Y et aX + b admettent des esprances, et on a E (X + Y ) = E (X ) + E (Y ) ;
220

E (aX + b) = aE (X ) + b

Chapitre 9 Variables alatoires densit Convergences,...

Variance Soit X de densit f , admettant une esprance E (X ). Par dnition, V (X ) =


+

(t E (X ))2 f (t) dt = E [X E (X )]2

sous rserve de convergence de lintgrale. Soit X une va discrte ou densit, admettant une variance, et a, b deux rels. Alors aX + b admet une variance, et V (aX + b) = a2 V (X ) Thorme de Koenig-Huygens. Soit X de densit f . X admet une esprance et une variance ssi X admet un moment dordre 2, cest--dire ssi lintgrale m2 (X ) = E X 2 = est convergente. On a alors
+

t2 f (t) dt

V (X ) = E X 2 [E (X )]2

2. Variables alatoires densit usuelles


2.1 Loi uniforme
Elle modlise les situations telles que : on tire un nombre au hasard entre 0 et 1 . . . Soit a, b R tels que a < b. On dit que X suit la loi uniforme sur [a, b], et on note X U ([a ; b]) ssi X admet pour densit la fonction f telle que : 1 si a x b f (x) = ba 0 sinon Fonction de rpartition 0 xa F (x) = ba 1 Esprance E (X ) = a+b 2
221

si x si a si x

a x b b

Partie 3 Probabilits

Si X U ([0 ; 1]), alors X pour densit f telle que f (x) = 1 si x [0, 1] ; f (x) = 0 sinon et pour fonction de rpartition FX telle que 0 si x 0 x si 0 x 1 ( ) FX x = 1 si x 1

Une telle variable est simule par la fonction du langage PASCAL. Si X U ([0 ; 1]), alors Y = a +(b a) X U ([a, b]) (a < b). Pour tablir ce rsultat, on dtermine FY , f.r de Y . Pour tout x R : xa , FY (x) = P (Y x) = P (a + (b a) X x) = P X ba donc 0 si x a x a xa si a x b FY (x) = FX = ba ba 1 si x b
a Car w : x x ba est une bijection strictement croissante de R sur R, avec w (a) = 0 et w (b) = 1. On a bien Y U ([a, b]).

Si X U ([0 ; 1]), alors Y = a + (b a) X U ([a, b]) (a < b). On utilise ce rsultat pour simuler une v.a suivant la loi U ([a, b]).

2.2 Loi exponentielle


Elle modlise la dure de fonctionnement normal de certains appareils. Soit a > 0. On dit que X suit la loi exponentielle de paramtre a, et on note X E (a), ssi X admet pour densit f telle que : f (t) = Fonction de rpartition F (x) =
222

0 si t < 0 aeat si t 0

0 si x 1 eax si x

0 0

Chapitre 9 Variables alatoires densit Convergences,...

Esprance, variance E (X ) = 1 ; a V (X ) = 1 a2

Proprit caractristique de la loi exponentielle. Soit X une v.a suivant une loi exponentielle. On vrie sans peine que

(1)

t > 0, t > 0, P(X >t) X > t + t

=P X>t

Rciproquement, on admet que, si X une v.a densit prenant ses valeurs dans [0 ; + [, et vriant (1), alors X suit une loi exponentielle. On dit que la loi exponentielle est sans mmoire.
Soit X de loi uniforme sur ]0 ; 1], a > 0, et Y la v.a dnie par

Y =

ln (X ) a

Montrons que Y est une vaac de loi E (a), en dterminant sa f.r G. Pour tout x R, G (x) = P (Y x) = P (ln (X ) ax). Avec F f.r de X , on a : G ( x) = P X e a x = 1 F e a x 10 si eax 0 ax 1e si 0 eax 1 = 11 si eax 1 Or pour tout x R, eax > 0, et eax 1 x 0. Par consquent : G (x) = 1 eax si x 0 ; G (x) = 0 si x 0. On reconnat bien lexpression de la f.r dune v.a de loi E (a).
X) ( ) Si X U (]0 ; 1]), alors Y = ln( a E a (a > 0). On utilise ce rsultat pour simuler une v.a suivant la loi E (a) :

223

Partie 3 Probabilits

Dterminons lexpression de la f.r F partir de celle de la densit f : Si x < 0, alors

F (x) = Si x 0, alors F (x) =


x

f (t) dt =

0 dt = 0 ;

f (t) dt =
x e a t 0

0 dt +
0

aeat dt

=0+

=1e

ax

Et on vrie que la fonction obtenue est continue sur R. Calculons E (X ). Pour x > 0, on effectue lintgration par parties :
x 0

taeat dt = teat

x 0

+
0

1 eat dt = xeax + eat a

x 0

On obtient donc, car f est nulle en dehors de [0 ; + [ : E (X ) =


+

tf (t) dt =

tf (t) dt = lim

x 0

x+

taeat dt =

1 a

On procde de mme pour le calcul de E X 2 , pour obtenir V (X ).

Remarques Loi exponentielle et loi gomtrique. Soit X E (a), et T la v.a dnie sur N par :
n N , (T = n) = (n 1

n)

Alors T suit la loi gomtrique de paramtre 1 ea , car


n N , P (T = n) = FX (n) FX (n 1) = ean + ea(n1) n 1 = ea(n1) 1 ea = ea 1 e a Loi exponentielle et loi de Poisson. On suppose que le nombre Nt de clients se prsentant un guichet durant un intervalle de temps t suit la loi de Poisson P (lt), l > 0. Soit Y la v.a gale lintervalle de temps sparant larrive de deux clients conscutifs. Y est valeurs dans R+ , et, pour tout t > 0, (Nt = 0) = (Y > t), donc

P (Y > t) = elt Et comme P (Y


224

(lt)0 = elt ; 0!

P (Y

t) = 1 elt

t) = 0 si t

0, on en dduit que Y E (l) .

Chapitre 9 Variables alatoires densit Convergences,...

2.3 Loi normale, ou loi de Laplace-Gauss


Elle modlise de trs nombreuses sries statistiques (taille, poids des individus dune population. . . ). Voir aussi 9.3.4, approximations. Soit m R et s > 0. On dit que X suit la loi normale de paramtres m, s2 , et on note X N m, s2 , ssi X admet pour densit la fonction f telle que, pour tout t R : (tm)2 1 f (t) = e 2s2 s 2p Esprance, variance E (X ) = m ; V (X ) = s2

On a montr au 3.3.4 que lintgrale de f sur R tait convergente. Loi normale centre rduite Pour une v.a X quelconque admettant une esprance et une variance non nulle, la v.a centre rduite associe X est dnie par X E (X ) X = s (X ) On a E (X ) = 0 ; V (X ) = 1. Proposition 1. X N m, s2 si et seulement si la v.a centre rduite X associe suit la loi normale N (0, 1), ou loi normale centre rduite : X m N (0, 1) X N m, s2 X = s
Soit X N (0, 1). X a pour densit la fonction w dnie par w(t) = consquent (intgrale de Gauss) : + t2 e 2 d t = 2p

t 1 e 2 2p 2

et par

La fonction de rpartition de X est note lF. Pour tout x R x t2 1 e 2 dt F (x) = 2p E (X ) = 0 ; V (X ) = 1. 225

Partie 3 Probabilits

Utilisation de la loi normale centre rduite Grce la proposition 1, les calculs sur les v.a gaussiennes (i.e. suivant une loi normale) se ramnent des calculs sur la loi normale centre rduite. Plus prcisment : Proposition 2
Soit a, b, x R, avec a < b, et X N m, s2 . Alors

P (X

x) = F

xm s
F

P (a

b) = F

bm s

am s

Pour tout x R,

F (x) = 1 F (x) .
Les valeurs de F ; sont tabules (uniquement pour les valeurs positives, ce qui est sufsant en utilisant le 2 de la proposition 2).

Pour toute v.a X N m, s2 : P |X m| s = P (m s


=F

m + s)

m+sm msm F s s = F (1) F (1) = 2F (1) 1 0,68

partir de la loi normale centre rduite, on peut retrouver la valeur de certaines intgrales.
+ 0

t e

2 t2

dt =

et V (X ) = 1, donc 1 2p
+

2p . En effet, avec X N (0, 1), on a E (X ) = 0 2


t2

(t 0)2 e 2 dt = 1,

donc

t2 e 2 dt =

t2

2p

Do le rsultat, car la fonction intgrer est paire.


226

Chapitre 9 Variables alatoires densit Convergences,...

3. Convergences et approximations
3.1 Ingalit de Bienaym - Tchebycheff
Thorme. Soit X une variable alatoire discrte ou densit, possdant une esprance E (X ) et une variance V (X ). Alors : V (X ) > 0, P |X E (X )| 2 La probabilit quune v.a s carte de plus de de sa valeur moyenne est dautant plus faible que sa variance est petite et que est grand. De faon quivalente, on a :
> 0,

P |X E (X )| <

V (X ) 2

3.2 Loi faible des grands nombres


Thorme. Soit (Xn ) une suite de v.a indpendantes et de mme loi, desprance m et de variance s2 positive. 1 Soit Zn = (X1 + X2 + + Xn ) . n Alors, pour tout > 0 : P |Zn m| Il en rsulte : lim P |Zn m|
n+

s2 n2 lim P |Zn m| < = 1

=0 ;

n+

On dit que la suite de v.a (Zn ) converge en probabilit vers la variable alatoire certaine m. De faon gnrale, on dit que la suite de v.a (Xn ) converge en probabilit vers la v.a X ssi : > 0, lim P |X n X | = 0
n+

Dmonstration de la loi faible des grands nombres : on applique lingalit de Bienaym-Tchebycheff Zn , dont lesprance est gale m, et la 2 variance s n .
227

Partie 3 Probabilits

3.3 Convergence en loi


Exemple 1 Thorme. Soit l > 0 x, et soit, pour tout n N , Xn une v.a de loi B n, l n . Alors
k N,
n+

lim P (Xn = k) = el

lk k!

On dit que la suite de v.a (Xn ) converge en loi vers une v.a de loi P (l). Ce thorme a t dmontr 8.4.2. Exemple 2 : Thorme de la limite centre Thorme. Soit (Xn ) une suite de v.a indpendantes et de mme loi, desprance m et de variance s2 positive. la variable centre rduite associe Soit Sn Sn = X1 + X2 + ... + Xn Alors Sn converge en loi vers X de loi normale centre rduite, cest--dire que lon a, pour tout a, b dans R tels que a < b :
n+

lim P a

Sn

1 b = 2p

b a

e 2 dt

t2

Thorme admis. E (Sn ) = nm ; V (Sn ) = ns2 ; Le thorme de la limite centre signie donc, pour tout a, b dans R tels que a < b :
n+

lim P a

Sn nm s n

1 = 2p
Sn n.

b a

e 2 dt

t2

( ) Soit Zn = 1 n X1 + X2 + + Xn = On a daprs lgalit ci-dessus :


n+

lim P a

Zn m
s n s2 n ,

1 = 2p

b a

e 2 dt

t2

Et comme E (Zn ) = m, V (Zn ) =


n+

on obtient :
b a

lim P a

Zn

1 b = 2p

e 2 dt

t2

228

Chapitre 9 Variables alatoires densit Convergences,...


v.a centre rduite associe Z , la suite Z converge elle Avec Zn n n aussi vers X de loi normale centre rduite. De faon gnrale, on dit que la suite de v.a (Xn ) converge en loi vers la v.a X ssi, avec Fn f.r de Xn et F f .r de X : lim Fn (x) = F (x)
n+

en tout point x de R o F est continue, et on admet que cette dnition gnrale se traduit comme indiqu dans les deux cas voqus ici.

3.4 Approximations
n 1 Si le taux de sondage N est infrieur 10 , la loi hypergomtrique ( ) H N, n, p peut tre approche par la loi binomiale B (n, p). Si n est grand et p petit la loi binomiale B (n, p) peut tre approche par la loi de Poisson P (np). Si n est grand et p ni trop grand ni trop petit, la loi binomiale B (n, p) peut tre approche par la loi normale N (np, np (1 p)). Si l est grand, P (l) peut tre approche par N (l, l). On donne ici des critres qualitatifs ( n grand . . . ), il existe des critres plus prcis. Si n est grand et p petit la loi binomiale B (n, p) peut tre approche par la loi de Poisson P (np) : cela signie que dans les conditions mention-

nes, si X B (n, p) et X P (np), pour tout k [0, n], P X = k constitue une bonne approximation de P (X = k). Cest une traduction l vers X P (l). de la convergence en loi de Xn B n, n Dans le cas o on approche une v.a discrte par une v.a absolument continue, il faut procder la correction de continuit . Par exemple, avec l grand et X P (l) : 1 1 X n+ , avec X N (l, l) P (X = n) P n 2 2 Dans tous les cas, on approche une loi par une autre loi ayant mme esprance, et mme variance sil y a besoin dajuster deux paramtres.
Du thorme de la limite centre, on infre le rsultat suivant : Soit (Xn ) une suite de v.a indpendantes et de mme loi, desprance m et de variance s2 > 0, et soit Sn Sn = X1 + X2 + + Xn ; Zn = n 229

Partie 3 Probabilits

Alors Sn suit approximativement la loi N nm, ns2 , et Zn suit approximativement la loi N m, s n .


2

4. Estimation
Une exprience alatoire donne lieu une observation numrique. Cela dnit une variable alatoire X . Dans la pratique, la loi de X nest pas compltement connue, elle dpend dun paramtre que lon cherche estimer.
On lance une pice de monnaie. X = 1 si on obtient pile, 0 sinon. X suit la loi de Bernoulli B (p). p (probabilit dobtenir pile ) est le paramtre estimer. Des vhicules se prsentent un page de faible trac. X , nombre de vhicules se prsentant durant un intervalle de temps de 10 mn, suit la loi de Poisson P (l). On cherche estimer l. Une photocopieuse tombe en panne. On peut chercher modliser sa dure de bon fonctionnement par une v.a X suivant la loi exponentielle E (a). a est inconnu et on cherche lestimer.

4.1 Estimation ponctuelle


Dnitions. Soit X la variable alatoire non compltement connue, suppose avoir une esprance et une variance. Soit u le paramtre estimer. Pour cela on ralise n fois lexprience alatoire. On obtient un n-chantillon (X1 , , Xn ) : X1 , , Xn sont des variables alatoires de mme loi que X , et supposes indpendantes. Un estimateur de u est une variable alatoire Tn fonction uniquement de X1 , X2 , , Xn et de n. Problme : Apprcier quantitativement diffrents estimateurs, an de choisir le meilleur . On appelle biais de Tn la quantit b (Tn ) = b = E (Tn ) u. Tn est dit sans biais ssi E (Tn ) = u. On appelle risque quadratique de Tn la quantit : r (Tn ) = E (Tn u)2
230

Chapitre 9 Variables alatoires densit Convergences,...

Proprits La moyenne empirique 1 Zn = (X1 + X2 + + Xn ) n est un estimateur sans biais de E (X ). En effet, daprs la linarit de lesprance : 1 E (Zn ) = (E (X1 ) + E (X2 ) + + E (Xn )) n 1 = nE (X ) = E (X ) n Avec r (Tn ) le risque quadratique et b le biais de Tn : r (Tn ) = b2 + V (Tn ) Dmonstration : (Tn u)2 = [Tn E (Tn ) + E (Tn ) u]2 = [Tn E (Tn ) + b]2
= (Tn E (Tn ))2 + 2b (Tn E (Tn )) + b2

Et on obtient le rsultat en utilisant la linarit de lesprance. En effet, lesprance de (Tn E(Tn ))2 est par dnition gale la variance de Tn , et lesprance de Tn E (Tn ) est gale 0. Remarques Entre deux estimateurs, on prfrera souvent celui dont le risque quadratique est le plus petit. Pour un estimateur sans biais, le risque quadratique est gal la variance. On parle aussi destimateurs asymptotiquement sans biais : lim b (Tn ) = 0
n+

Un estimateur est dit convergent ssi lim r (Tn ) = 0


n+

Par exemple, la moyenne empirique est un estimateur convergent de lesprance. En toute rigueur, lespace probabilisable sous-jacent est muni, dans le cadre de lestimation, dune famille de probabilits Pu dpendant du paramtre u. Les notations E (Tn ) . . . sont donc des abus dcriture, qui ne portent pas consquence.
231

Partie 3 Probabilits

4.2 Estimation par intervalle de conance


Soit p une probabilit inconnue, ou le paramtre inconnu dune loi de probabilit. Soit a un nombre appartenant ]0 ; 1[. On dit que lintervalle [a ; b] est un intervalle de conance pour p au niveau de conance 1 a (ou au niveau de risque a) ssi : P (a p b) 1a

a est souvent donn sous forme de pourcentage : on parlera dun intervalle de conance au niveau de conance 95 % par exemple . On obtient un intervalle de conance pour p en utilisant lingalit de Bienaym-Tchebycheff, ou une approximation par une loi normale, via le thorme de la limite centre. On lance 1 000 fois une pice de monnaie, on obtient 480 fois pile . La probabilit dobtenir pile avec cette pice est une inconnue p, et on cherche lestimer. Pour i entier compris entre 1 et 1 000, on considre la variable alatoire Xi dnie par : Xi = 1 si on a obtenu pile au i-me lancer, Xi = 0 sinon. Xi suit la loi de Bernoulli de paramtre p. On a E (Xi ) = p, V (Xi ) = p (1 p). On considre
1 000

S1 000 =
i=1

Xi ;

Z1 000 =

S1 000 1 = 1 000 1 000

1 000

Xi
i=1

Appliquons lingalit de Bienaym-Tchebycheff la v.a Z1 000 :

V (Z1 000 ) 2 Daprs la linarit de lesprance, E (Z1 000 ) = p, et, en utilisant la formule V (aX + b) = a2 V (X ), puis lindpendance des v.a Xi : (1p) V (Z1 000 ) = p1 000 . On obtient donc :
> 0, P |Z1 000 E (Z1 000 )|

> 0, P |Z1 000 p|

p (1 p) 1 0002 p (1 p) 1 0002

Par consquent :
> 0, P |Z1 000 p| < 232

P |Z1 000 p|

Chapitre 9 Variables alatoires densit Convergences,...

Pour tout p [0 ; 1], on a 0 f (t) = t (1 t) sur [0 ; 1]). Donc 1

p (1 p)

1 4

(tudier la fonction 1 . 20

p (1 p) 1 1 2 1 000 4 0002 On a obtenu nalement P |Z1 000 p| <

0,90 pour tout 1 20

0,90

Or la valeur observe de Z1 000 est 480/1 000 = 0,48, et


|0,48 p| <

1 1 1 < 0,48 p < 20 20 20 1 1 0,48 < p < 0,48 + 20 20

Un intervalle de conance pour p au niveau de conance 0,90 est donc ]0,43 ; 0,53[. Maintenant, utilisons le thorme de la limite centre, applique n Zn = 1 i=0 Xi : la variable centre rduite associe Zn converge en n loi vers une v.a T qui suit la loi normale centre rduite. 1 000 est assez grand , on peut donc considrer que T= Z1 000 E (Z1 000 ) Z1 000 p = s (Z1 000 ) p(1p)
1 000

suit la loi normale centre rduite. Par lecture inverse de la table de la loi normale centre rduite, on obtient P (1,65 1 P 1,65 2 1 000 T 1,65) 0,90
1 4

On a donc, en tenant compte de p (1 p) 0,48 p

: 0,90

1 1,65 2 1 000

On obtient nalement, par cette mthode [0,453 ; 0,507] comme intervalle de conance pour p au niveau de conance 0,90.

233

Partie 4

Informatique

lments dalgorithmique
1. Le langage PASCAL
1.1 Structure gnrale dun programme
1 ) En-tte du programme Syntaxe ; 2 ) Dclaration des variables

10

Commentaires

de type entier et de type rel et de type tableau ; , . . . , sont 10 variables de type entier ; , . . . , sont 9 variables de type rel de type boolen ; sa valeur est (vrai) ou (faux)

3 ) Dclaration (ventuelle) des procdures et fonctions : voir 10.1.8. 4 ) Programme principal


< instructions >

une instruction se termine par un point-virgule, le programme principal par un point nal

Cette structure doit tre scrupuleusement respecte ; dans lordre : 1 ), 2 ), 4 ) pour un programme simple ; 1 ), 2 ) est la partie dclarative du programme, 4 ) en est le corps. 1 ), 2 ), 3 ), 4 ) pour un programme structur.
237

Partie 4 Informatique

1.2 Variables
Une variable au sens informatique est un emplacement dans la mmoire de lordinateur. Cet emplacement est cr quand la variable est dclare. Si une variable de type est dclare, un emplacement de 2 octets est rserv. Cet emplacement est destin recevoir une certaine valeur entire appartenant 32768, 32767 , appele le contenu (ou valeur) de la variable . Ce contenu peut changer au cours de lexcution du programme. Un algorithme informatique est une suite dinstructions destine produire un certain contenu pour une ou plusieurs variables de sortie, partir du contenu dune ou plusieurs variables dentre. Initialiser une variable, cest lui donner une premire valeur. Une variable doit toujours tre initialise. On initialise une variable dentre par lecture :

instruction facultative, qui afche lcran les caractres entre comas () ; lutilisateur entre alors la valeur souhaite au clavier la variable reoit cette valeur comme contenu

On initialise une variable de sortie par affectation :


et

ont t initialiss

reoit la valeur 10, ... reoit la valeur 1

Quand les variables de sortie ont le contenu souhait, il faut afcher lcran ce contenu : afchage des contenus de , . Ne pas confondre avec : , qui afche exactement a,b

idem, puis passage la ligne

238

Chapitre 10 lments dalgorithmique

1.3 Oprateurs et fonctions


Oprateurs et fonctions arithmtiques oprateurs entre(s) rel/ entier rel ou entier rel ou entier rel rel/entier sortie rel/entier rel rel entier rel/entier commentaire : multiplication division sqrt : racine carre partie entire valeur absolue

Mentionnons aussi et , quotient et reste dans la division euclidienne. Entres et sorties sont de type entier. Le contenu de 23 23 = 5 4 + 3.
5 est 4, le contenu de 23 5 est 3, car

Oprateurs logiques Entre(s) et sortie sont de type boolen (reoivent la valeur ou ).


Oprateurs relationnels Les variables dentre sont de type rel ou entier. La variable de sortie est de type boolen : ; pour = ; ; ; pour ; pour

La variable a le contenu si le contenu de est gal au contenu de , et le contenu si le contenu de nest pas gal au contenu de . Les oprateurs relationnels sont utiliss principalement dans les instructions conditionnelles : < relation > < instructions > [ < instructions >] < relation > < instructions > < instructions > < relation >
239

Partie 4 Informatique

1.4 Gnrateurs de nombres alatoires


On crit linstruction juste aprs le du programme principal. Le contenu de est un nombre rel (pseudo-) alatoire appartenant [0 ; 1], suivant la loi uniforme sur cet intervalle. est de type rel. Voir 9.2.1.

Afchage dun nombre alatoire appartenant [0, 1] :


Si est un entier 0, le contenu de est un nombre entier (pseudo-) alatoire appartenant lensemble {0, . . . , n 1}, en suivant la loi uniforme sur cet ensemble (voir 7.4.4). peut tre ventuellement une variable de type entier, initialise. est de type entier.

Simulation du lancer dun d cubique quilibr :

1.5 Instruction conditionnelle


Si a la valeur , les instructions A sont excutes ; sinon les instructions B sont excutes. Avec une seule instruction A, le est inutile, idem pour les instructions B.
ne doit pas tre prcd immdiatement dun point virgule. Le et les instructions B sont optionnelles.

< instructions A >

< instructions B >

240

Chapitre 10 lments dalgorithmique

1.6 Boucles dnies


et sont deux nombres entiers, ou deux variables initialises de type entier. Les instructions A sont excutes avec < instructions A > de contenu , puis avec de contenu ,. . . , puis une dernire fois avec de contenu . Si , les instructions A ne sont pas excutes.

Variante : Les instructions A sont excutes avec de contenu , puis avec de contenu < instructions A > ,. . . , puis une dernire fois avec de contenu . Si , les instructions A ne sont pas excutes. Chacun des passages dans la boucle, cest--dire chacune des excutions du groupe dinstructions A, est une itration. Comme dans le cas de linstruction conditionnelle, si il ny a quune seule instruction A, le est inutile.

1.7 Boucles conditionnelles


Les instructions dlimites par le sont excutes jusqu ce que la relation devienne vraie. Elles sont excutes au moins une fois. La relation doit devenir vraie, sinon on entre dans une boucle innie.
< relation > Les relations dlimites par le sont excutes tant que la rela tion est vraie. Elles peuvent ne pas tre du tout excutes. < instructions > La relation doit devenir fausse, sinon on entre dans une boucle innie. est inutile. Si il y a une seule instruction excuter, le < instructions > < relation >

1.8 Procdures et fonctions


Un exemple de procdure dans un programme structur Le programme suivant classe deux nombres rels donns par lutilisateur en ordre croissant. Les commentaires sont mis entre accolades, une possibilit quoffre le langage PASCAL.
241

Partie 4 Informatique

{en-tte du programme} {dclaration des variables du programme, dites globales} { } {en-tte de la procdure, avec x et y comme paramtres} {dclaration des variables internes la procdure, dites locales} {avant deffectuer , on stocke le contenu de dans une variable auxiliaire, sinon sont contenu est perdu} {le encadre le corps de la procdure} { } {dbut du programme principal} {initialisation des variables dentre} {si , il y a appel de la procdure , qui est alors excute avec les paramtres remplacs par les variables } {afchage du rsultat} {n du programme principal}

On voit sur cet exemple quon dnit une procdure de la mme manire quon dnit un programme simple : partie dclarative : en-tte de la procdure, avec ses ventuels paramtres ; dclaration des ventuelles variables locales ; corps de la procdure.

242

Chapitre 10 lments dalgorithmique

Passage de paramtres en valeur et en variable Reprenons len-tte de la procdure dans le programme prcdent : Si lutilisateur entre les nombres : 2 ; 19 ; il obtiendra lcran 19 2 (criture dans le corps de la procdure) 19 2 (criture dans le programme principal) Le passage des paramtres se fait en variable : mot-cl devant les paramtres. La valeur des variables , est affecte par lexcution de la procdure. Si on remplace len-tte de la procdure dans le mme programme par : lutilisateur qui entre les nombres 2 ; 19 obtiendra maintenant : 19 2 (criture dans le corps de la procdure) 2 19 (criture dans le programme principal) Le passage des paramtres se fait en valeur : le mot cl nest plus prsent devant les paramtres. La valeur des variables , nest pas affecte par lexcution de la procdure. Rgle : on passe en valeur les paramtres correspondant des variables dentre. On passe en variable les paramtres correspondant des variables de sortie. Un exemple de fonction On dnit la fonction , destine calculer xn pour x R et n N : {en-tte de la fonction} {variables locales} { chaque passage dans la boucle, le contenu de est multipli par , le rsultat devient le nouveau contenu de } {il y a eu passages dans la boucle, le contenu de est celui souhait, on laffecte } ; {n de la dnition de la fonction}
243

Partie 4 Informatique

Rcursivit Dans le corps de la fonction prcdente, lintroduction de la variable locale xpn est articiel, mais obligatoire pour une fonction dnie de faon itrative. Une autre possibilit est de dnir une fonction de faon rcursive, trs proche de la dnition mathmatique du nombre xn : x0 = 1 si n 1 xn = xn1 x

valable pour tout n N et tout x R, avec la convention 00 = 1. On crit : Quelques remarques On dnit une fonction de la mme de la mme manire quon dnit une procdure ou un programme simple : partie dclarative : en-tte de la fonction, avec ses ventuels paramtres ; dclaration des ventuelles variables locales ; corps de la fonction. Rciproquement, un programme simple peut toujours tre rcrit pour obtenir une procdure ou une fonction suivant le cas (une fonction si la sortie est une variable de type entier, rel, tableau ou boolen ; une procdure si la sortie est plus complexe). Pour une fonction, on fait toujours passer les paramtres en valeur (absence du mot-cl devant les paramtres) ; Linstruction est une commodit dafchage : elle produit lcran une ligne vide. Le langage PASCAL nest pas sensible la casse : il ne distingue pas majuscule et minuscule. On peut utiliser cette proprit pour mettre en valeur certaines instructions. Ici on a choisi de mettre en valeur le du programme principal et le mot-cl devant les paramtres de sortie dune procdure.
244

Chapitre 10 lments dalgorithmique

2. Exemples dalgorithmes
2.1 Algorithmes de base
Programmation dune suite un+1 = f (un ) Calcul et afchage des 100 premiers termes de la suite (un ) dnie par u0 = 1 n N, un+1 = f (un ) Linstruction cruciale est avec f (x) = ex
2

{en-tte du programme} {dclaration des variables globales} {dclaration de la fonction f} {dbut du programme principal} {initialisation des variables} {afchage du terme de rang 0 de la suite, avec son rang} {le contenu un de u est remplac par f (un ) = un+1 } {afchage du terme de rang n de la suite, avec son rang} {n du programme principal}

Remarque. Dans ce programme, est une variable de sortie. La mme variable peut tre dabord variable dentre, si la valeur de u0 est donne par lutilisateur : .
245

Partie 4 Informatique

Programmation dune somme Linstruction cruciale prend la forme Calcul et afchage des des nombres n ; un ; Sn = n k=1 uk ; avec n {1, . . . , 100}, un = f (n), f (x) =

1 x

On pourra adapter ce programme dautres fonctions f , par exemple : 1 1 1 1 ; f (x) = 2 ; f (x) = 3 f (x) = 2 ; f (x) = ( x x x 1) x 1 x
La srie de terme gnral 1 n , n N est divergente ( voir 2.4.3) : approche numrique. A tant un rel positif donn par lutilisateur, on 1 calcule la somme partielle Sn = 1 + 1 2 + + n jusqu ce que sa valeur dpasse A, on afche alors la valeur de Sn et le rang n.

{donner une valeur raisonnable pour A, 8 par exemple}

246

Chapitre 10 lments dalgorithmique

2.2 Exemples en analyse


Calcul de Sn (x) =
k n xk k= 0 k ! ,

premire mthode

Les calculs de x et k! sont traits par les fonctions et , puis ces fonctions sont appeles dans la fonction . Pour abrger, on a crit des algorithmes rcursifs, mais des versions itratives sont possibles, voir 10.1.8 et le 4.1 de lIntroduction.
{ avec n = 0, le contenu de S1 doit tre x0 /0! = 1 }

On constate par exemple que linstruction dans un programme principal produit lafchage dune valeur approche de e moins de 106 prs, ce qui est conforme la thorie, voir 2.4.2.
x Calcul de Sn (x) = n k=0 k! , deuxime mthode Lalgorithme prcdent est maladroit, car chaque appel des fonctions et recommence tous les calculs au dbut, sans utiliser les relations de rcurrence
k

xn+1 = xn x , (n + 1)! = n! n.
On crit une fonction itrative. chaque itration, on effectue , variable qui contient les valeurs successives

1=

x0 x1 x2 ; ; ; ... 0! 1! 2!
247

Partie 4 Informatique

{valeurs de


x0 0!

et

0 xk k=0 k! }

x x {le contenu de passe de (k 1)! k! } {le contenu de passe de Sk1 (x) Sk (x)}

k 1

Comparaison des deux mthodes Chaque appel rcursif de la fonction S1


produit une addtion et une division et il y a tels appels. Les appels des fonctions et produisent eux-mme, pour toute valeur de , chacun multiplications. On compte donc en tout : additions ; divisions ; multiplications. Pour S2, chaque passage dans la boucle

produit 1 multiplication, 1 division, 1 addition. On compte en tout additions ; divisions ; multiplications. Soit un gain apprciable de temps ou de place (penser = 100).

2.3 Exemples en probabilits


Simulation dune variable alatoire X suivant la loi gomtrique de paramtre p ]0, 1[ On crit la procdure geom, den-tte
est le paramtre dentre (la probabilit du succs), de sortie (le rang du premier succs).

est le paramtre

248

Chapitre 10 lments dalgorithmique

{resultat est un rel alatoire appartenant [0 ;1]} {la probabilit de est p, probabilit du succs} {numro du tirage en cours} {on continue jusquau succs} On peut utiliser la procdure ainsi dnie dans un programme principal, par exemple sous la forme : La variable est une variable (dclare) du programme principal. Lexcution du programme produira par exemple lafchage EEEEEES7 (criture dans le corps de la procdure) 7 (criture dans le programme principal)

Estimation de lesprance dune v.a On sait que si (X1 , . . . , Xn ) est un n-chantillon de la v.a X , la moyenne ( ) empirique Zn = 1 n X1 + + Xn est un estimateur sans biais de lesprance E (X ), si celle-ci existe. Voir 9.4.1. Soit X une v.a suivant la loi gomtrique de paramtre p (pseudo-) inconnu. On utilise la procdure

dnie prcdemment pour donner une estimation de lesprance


249

Partie 4 Informatique

E (X ) = 1 p de cette variable alatoire. On crit uniquement le programme principal :


{le paramtre inconnu de X } {initialisation de la somme X1 + + Xn } {1000 taille de lchantillon} {valeur donne par lestimateur Z1000 } {on compare la valeur de lesprance}

Simulation dune variable alatoire suivant une loi hypergomtrique On considre une urne de taille N , contenant au dpart b boules blanches, et de laquelle on tire une une et sans remise nb boules. Le nombre de boules blanches obtenues suit la loi H N, nb , b/N . On crit une procdure rcursive. Lide gnrale de la rcursivit est de se ramener de proche en proche une problme simple. Le problme simple est ici le cas nb = 1. Les paramtres dentre sont . Le paramtre de sortie est .

250

Chapitre 10 lments dalgorithmique

On initialisera la variable de sortie 0 avant lappel de la procdure dans un programme principal.

2.4 Exemples de gestion de listes


Recherche du maximum dune liste de nombres entiers diffrents, et de son rang dans la liste Les variables dentre sont (taille de la liste) et (la liste des nombres, variable de type tableau) ; les variables de sortie sont
et .

Recherche dichotomique du rang c dun lment donn dans un liste donne de nombres entiers ordonns par ordre croissant. La rcursivit est bien adapte. Le problme simple auquel on se ramne . est ici le cas

251

Partie 4 Informatique

{ partie entire}

On fera appel de cette fonction dans un programme principal de la manire suivante : avec et dclars et initialiss comme dans le programme prcdent, et dclar de type entier et initialis par lecture.

252

Index

A accroissements nis 51 algorithme du pivot 118 informatique 238 application bijective 3 identit 4 injective 3 surjective 3 au voisinage de 34 automorphisme 138 B

convergence en loi 228 convergence en probabilit 227 covariance 187, 207


D dveloppements limits 37 dimension 135 E cart-type 185, 204 endomorphisme 138 quivalentes fonctions 35 proprits 6 esprance 183, 202, 220 estimateur 230 F famille gnratrice de E 135 libre 135 fonction concave 52 continue par morceaux 98 convexe 52 de rpartition 201 exponentielle 53 impaire 42 logarithme nprien 53 paire 42 partie entire 56 puissance 54

biais 230 bijection 3 thorme de la) 44 rciproque 4 branches innies 40


C cardinal (dun ensemble) 12 changement de variable dans une intgrale dnie 90 dans une intgrale gnralise 104 coefcient de corrlation linaire 188 combinaison linaire 134 condition ncessaire 6 condition sufsante 6

253

Index

forme linaire 138 formule de Bayes 180 de Pascal 15 de Taylor avec reste intgral 96 de Vandermonde 16 des accroissements nis 51 des probabilits composes 179 des probabilits totales 180 du binme 17 du binme pour les matrices carres 123 du crible, ou de Poincar 177
G

loi gomtrique 208 loi hypergomtrique 192 loi normale 225 loi uniforme sur 1, n 194 loi uniforme sur [a, b] 221 loi faible des grands nombres 227
M matrice de passage 153 matrices semblables 155 mthode de dichotomie 46 de Horner 23 du pivot 110 moyenne 183, 202, 220 empirique 231 N n-chantillon 230 ngligeabilit fonctions 34 suites 66

gomtrique identit 68 loi 208 srie 77 suite 67


I

ingalit(s) de Bienaym - Tchebycheff 227 de Taylor-Lagrange 97 des accroissements nis 51 triangulaire 27 injection 3 intgrale de Gauss 225 intgration par parties 89 intervalle de conance 232 isomorphisme 138
L loi de probabilit 182 loi binomiale 190 loi conditionnelle 187 loi de Bernoulli 189 loi de Poisson 211 loi exponentielle 222

Pascal formule de 15 triangle de 15 permutation 13 point dinexion 53 point xe 72 polynme annulateur 164 degr 22 racine 22 thorme de factorisation des 22
Q quasi-certain (vnement) 199 quasi-impossible (vnement) 199 R risque quadratique 230

254

Index

S segment 47 srie calculs de sommes 81 critres de convergence 79 de Riemann 78 exponentielle 79 gomtrique et gomtrique drive 77 si et seulement si 6 sous-espace propre 157 soustraction (informatique) 237 suites un+1 = f (un ) 71 adjacentes 63 arithmtico-gomtriques 69 arithmtiques 66 gomtriques 67 linaires rcurrentes deux termes 70 surjection 3 systme complet dvnements 179

T thorme de Koenig-Huygens 185, 204, 221 de la bijection monotone 44 de la dimension 135 de la limite centre 228 de transfert 184, 187, 206, 220 du prolongement de la drive 51 V valeur absolue 27 valeur propre 156 variable au sens informatique 238 libre 5 muette 5 variance 184, 204 vecteur 131 vecteur propre 156

255

LES RSUMS DU COURS


Gabriel Baudrand

MATHMATIQUES :
rsums du cours ECE 1re et 2e annes
Prparez efficacement les devoirs, les interrogations orales et les concours ! Avec les rsums du cours de mathmatiques, rvisez en un clin doeil les notions incontournables de premire et de deuxime annes. Tous les thormes, dfinitions et formules du programme de mathmatiques sur les deux annes. Des exemples dtaills sur les applications cls Des conseils , des rappels de mthode , les erreurs viter.
GABRIEL BAUDRAND est professeur agrg de mathmatiques en classes prparatoires au lyce Madeleine Michelis (Amiens).

MATHMATIQUES

Vous trouverez galement dans la collection jintgre :

PHYSIQUE

CHIMIE

SCIENCES DE LINGNIEUR

INFORMATIQUE

ISBN 978-2-10-053972-7

www.dunod.com