Vous êtes sur la page 1sur 265

Gabriel Baudrand

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

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

Analyse

29

1 tude de fonctions
1. Recherche de limites
2. Continuit
3. Calcul diffrentiel
4. Fonctions usuelles
5. Fonctions de deux variables

31
32
42
47
53
56

2 Suites et sries numriques


1. Gnralits
2. Suites numriques calculables
3. Suites un+1 = f (un )
4. Sries numriques
5. Suites dfinies implicitement

61
61
66
71
76
82

3 Calcul intgral
1. Primitives
2. Intgrale dfinie
3. Intgrales gnralises
4. Sries et intgrales

85
85
87
98
104

Algbre linaire

107

4 Systmes linaires Calcul matriciel


1. Systmes linaires

109
109

III

TABLE DES MATIRES

2. Calcul matriciel
3. Un exemple despace vectoriel

114
125

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

131
131
138
142
144
148

6 Diagonalisation
1. Thorie du changement de base
2. Diagonalisation
3. Autres rductions Applications

153
153
156
165

Probabilits

173

7 Probabilit sur un ensemble fini


1. Espaces probabiliss finis
2. Variables alatoires sur un ensemble fini
3. Couple de variables alatoires finies
4. Lois finies usuelles

175
175
182
186
189

8 Variables alatoires discrtes


1. Espaces probabiliss quelconques
2. Variables alatoires infinies discrtes
3. Couple de variables alatoires discrtes
4. Variables infinies discrtes usuelles

197
197
200
206
208

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

Informatique

235

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

237
237
245

Index

IV

253

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 dfinition 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 significatives 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 difficult 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 difficults et ici aussi de donner suffisamment de varit dans les exemples.
En probabilits, on a choisi de traiter dans trois chapitres diffrents les
problmes concernant les variables alatoires finies, discrtes, densit.
Cela oblige quelques rptitions, mais les techniques diffrentes mises
en uvre (respectivement sommes finies, sries, calcul intgral) justifient
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 fin de premire anne :
lintroduction ;
le chapitre 1, sauf 1.1.5 ;
le chapitre 2 sauf 2.3 : notion de point fixe, 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 dfinir les notions primitives dlment, dappartenance,
densemble.
On peut distinguer deux faons de dfinir 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 vrifie 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 dfinit de mme R , R+ , R . . .
A, B, E tant des ensembles, on dfinit :
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 dfini :
A B = {x | x A ou x B}
Intersection de deux ensembles. On note A B (lire A inter B )
lensemble ainsi dfini :
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 dfinit 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 Ai )
B
Ai =
Remarquez que

iI

iI

AB AB=B AB=A

1.2 Fonctions et applications


Dfinitions
Une fonction f est dfinie 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 dfinition de lapplication ou de la fonction f . Ainsi,
les applications

f1 : R R, x x2 ;

f2 : R R+ , x x2 ;

f3 : 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 dfinir 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 affirmation 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 Quantificateurs
Dfinitions
Soit P (x) une proprit, avec x appartenant un ensemble de rfrence E.
Quantificateur 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) .
Quantificateur 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 quantificateurs 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


Dfinitions
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 suffisante de Q ,
Pour Q, il suffit 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 suffisante de Q ,
P et Q sont quivalentes ,
pour que Q, il faut et il suffit que P ,
et on note P Q.
On crit couramment en abrg ssi pour si et seulement si .
Ces dfinitions 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 suffit 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
suffisante, et quune condition suffisante peut ne pas tre ncessaire :
( 2.4) Pour quune srie soit convergente, il est ncessaire, mais pas
suffisant, 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 suffisant, 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 difficult :
( 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 finis (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 1n nN

converge vers 0, et la srie nN 1n diverge (voir 1.4.2).
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 vrifier si ces
conditions ncessaires sont suffisantes.

3. Signes S , P
3.1 Dfinitions
Soit I un sous-ensemble fini de N ou de N N. Les symboles

xi ;
xi
iI

iI

dsignent respectivement la somme et le produit de tous les nombres


rels xi , avec i appartenant I.
Cas particuliers, dutilisation trs frquente :
n

i=1

xi = x1 + x2 + + xn

xi = x0 + x1 + + xn

i=0

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 fini inclus dans N, et a constante indpendante de i, on a



(xi + yi ) =
xi +
yi
iI

iI

axi = a

iI

iI

xi

iI

Avec n N , p N, p  n (et a constante indpendante de i) :


n
n
n



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

i=p

i=0

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 :





xi =
ln xi ; exp
yi =
exp (yi )
ln
iI

iI

iI

iI

Si I est une partie finie de N N, il sagit en fait dune somme


double , quon dcompose en somme de sommes :

xi,j =
xi,j =
xi,j
(i,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 et 1  j  i}:

n
i
n
n



xi,j =
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



xi yi =
xi
yi
i=1

i=1

i=1

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
n
n
n
n
n





x i yj =
xi
yj =
xi
yj
i=1

j =1

i=1

j =1

(Mise en facteur de xi dans la somme


n
j=1 .)

n

j =1 ,

i=1

j =1

puis mise en facteur de

Si vous tes bloqu(e) 


dans un calcul comportant un
possibilit est dexpliciter le
en question, sur le modle
n

xi = x1 + x2 + + xn

, une

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 ni=1 xi , i est une variable muette : la valeur de
i nintervient
npas dans la valeur de la somme. On a par exemple

n
x
=
i=1 i
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 ni=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

k2 =

n (n + 1) (2n + 1)
6

k3 =

n2 (n + 1)2
4

xk =

1 xn+1
si x = 1
1x

k=1

n

k=1
n

k=0

n (n + 1)
2

11

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 fini 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 fini, de cardinal 0.
Le cardinal dun ensemble fini 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 finis !

4.1 Factorielle dun nombre entier


Dfinition
Pour n appartenant N, on dfinit par rcurrence :
0! = 1 ; si n  1, n! = n (n 1)!
Lire factorielle n . Daprs la dfinition, 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 simplifications 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  n, de p n il y a n p + 1
nombres entiers.
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 finies
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 lments est gal (nn!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.
 
nk 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 nk sont appels coefficients binomiaux, voir 2.4.4.
Aprs simplifications, 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 nn k = nk , pour
calculer des valeurs particulires, par exemple
   
10
10
10 9 8
= 720
=
=
7
3
321
14

Techniques de base

Proprits de nombres

n
k

Soit n, k N, 0  k  n 1. Alors :

  
n n
n  n 
n
n
;
=
=1 ;
=
=n ;
=
0
n
1
n1
nk
k
n  n  n + 1
+
=
.
(formule de Pascal)
k
k+1
k+1
Ces formules se dmontrent en utilisant les factorielles, ou bien par
des
 n  considrations de dnombrement : il est vident par exemple que
k + 1 l0 = 1. Pour la formule de Pascal, considrer les parties

n+1
ments de lensemble {a1 , a2 , . . . , an , b} : il y en a k+1 , et celles qui
 
contiennent b sont au nombre de nk , 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 figure en ligne n et colonne k le nombre nk :
HH
k
n HHH

0
1
2
3
4
5
6

1
1
1
1
1
1
1

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 dfinies embotes. La variable dentre est , celle de sortie
est  de type tableau.
&

( & 

))* 
 

+,--)--. 

/0123

  
{initialisation de la premire colonne et de la diagonale}

        )   ) 

{initialisation du reste du tableau par la formule de Pascal}

    

*      4)*4  )*4 )*4
15

Introduction


    
 

*    
5
  )*5
 

{criture}
036-

Comme autres proprits des nombres



n
k , mentionnons :


n  s  n n k
n1
=
;
;
k1
s
k
k
sk


n  

i
n+1
;
=
k
k+1
i=k
 
 

p  
n  


n
m
n+m
n 2
2n
;
=
=
k
pk
p
k
n
k=0
k=0
n

n
=
k
k

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 fix dans N ; pour k 0 ; n,
on a alors
n+1  

i
i=k

n  

i
i=k

n+1
+
k
k


=

 
 

n+1
n+1
n+2
+
=
k+1
k
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
 8   24 
est gal 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 nn k = nk .
16

Techniques de base

4.4 Formule du binme


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

n n k k  n  k n k
(a + b)n =
a b =
ab
k
k
k=0
k=0
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 coefficients 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 :
(a b)n = (a + (b))n =

n  

n
k=0

ank (1)k bk

Avec a = b = 1, on obtient
n  

n
k=0

= 2n

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

n

k=0

=0

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 nk . 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  
n

n n k  n  n k k
2
=
2 1 = (2 + 1)n = 3n
k
k
k=0
k=0

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.
Dfinitions 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 infinit de
solutions. Sinon lquation devient x = 0, qui a une solution unique.
Signe de ax + b, Pour a = 0:
x
ax + b

signe de (a)

b/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 :




2
2
b
b
b
c
c
2+
=a x+
P (x) = a x2 + x +
a
a
2a
4a
a


2
b2 4ac
b
=a x+

2a
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.

2
Si D = 0, alors P (x) = a x + 2ab , admet 2ab 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.

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
pour racine, on trouve lautre en factorisant par x 1 ; elle vaut ac .

De mme, si a b + c = 0, les deux racines sont 1 (vidente) et


ac .
De faon gnrale, quand elles existent, la somme et le produit des
racines de ax2 + bx + c valent respectivement ac et ba (dvelopper
a (x x1 ) (x x2 ) = ax2 + bx + c, puis identifier).
Pour dterminer la position dun nombre m par rapport aux racines
de P (x), il nest pas ncessaire de dterminer celles-ci, il suffit de
calculer P (m), qui sera du signe de a si m est lextrieur des racines.
Si lquation est coefficients entiers et b est pair, vous simplifierez
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 principes : AB = 0 A = 0 et B = 0 ; le signe de AB 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)  x, avec f (x) = x+1


1.
x2 +1


1
1 =0
f (x) = x (x + 1)
2
x +1

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 finalement 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  x + 1. En effet, avec g (x) = ex x 1, on a
g (x) = ex 1, donc
x
g (x)
g (x)

0
0
0

+
+


do la conclusion
(ltude des limites est inutile).

On montre de mme : x > 0, ln x  x 1.


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 Dfinitions
Un polynme, ou fonction polynme, est une application P de R
dans R dfinie 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 identification ;
trouver les coefficients 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 identification, on obtient le systme dquations

bn1 = an

bn2 abn1 = an1


...

ab
0
1 = a1

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
flches 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 coefficients du polynme par degrs croissants, de type tableau), , de type rel. La variable de sortie
est , de type rel.
&

( 



) 
&)7&
  

+,--.

 
/0123

  
    
 ,.
 &
7& ,.

  5  
7& ,.4&7&
5
  7&
036On compte avec cette mthode n additions et n multiplications,
comparer avec la programmation directe du calcul de P (a), qui
multiplications et n additions.
conduirait 1 + 2 + + n = n(n+1)
2
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 coefficients du polynme
Q (x) tel que P (x) = (x a) Q (x).
Exemple prcdent : P (x) = x3 + 5x2 7x + 1, racine 1 :
7
1
+6
+(1)
1
= 1
=0
 2

Do le rsultat P (x) = (x 1) x + 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

5
+1
=6

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

ab
a  b

a  b a+c  b+c;

a + a  b + b

En particulier, a  b et c  0 a  b + c et a c  b.
n
n


Gnralisation : i 1, n, ai  bi
ai 
bi
i=1

i=1

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


Produit

ab
c0


ac  bc

0ab
0  a  b

;


ab
c0


ac  bc

0  aa  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

a  b a  b

0<ab

1
1

a
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  x  a
a  x  a

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


0 < a  x  a
a
x
a
0 < a  x  a
1
1
1
0<   


0<   
0<byb
b
y
b
b
y
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 dfinie sur lintervalle I, et a, b I. Alors
Si f est croissante :
abf
Si f est dcroissante :
abf
Sif est continue et strictement croissante : a  b f
Sif est continue et strictement dcroissante : a  b f

(a)  f
(a)  f
(a)  f
(a)  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.
0  a  b a2  b2

0ab a b
0  a  b ar  br pour tout nombre rel r positif
26

Techniques de base

0 < a  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 ,
cest--dire seulement : a2  b2 |a|  |b|
Si a  0, b  0, alors a2  b2 a  b (et il y a quivalence).
On notera en particulier, avec b  0:

x2  b b  x  b ; x2  b x  b ou x  b
noter galement, avec n entier  2 :

0  x  1 0  xn  x  x  1

x  1 xn  x  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 
|ai |
i=1

i=1

Attention, on a seulement |a b|  |a| + |b|.


27

Introduction

|A|  B B  A  B

|A|  B A  B ou A  B

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 dfinie sur D ssi f est une application de D dans R.
Soit f une application dfinie 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)  M

resp.

x I, f (x)  m

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 Dfinitions
Soit I un intervalle de R, x0 I, f une fonction dfinie sur D, avec
D = I ou D = I \ {x0 }, et  un nombre rel. On pose
lim f =  ssi :
x0

> 0, a > 0,

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

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


lim
+
x0

> 0, a > 0,

0 < x x0 < a |f (x) | < .

lim f = + ssi :
x0

A R, a > 0,

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




On dfinit de faon analogue la limite gauche en x0 lim
f
, la limite

x0

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)  savre trs pratique, mais il faut veiller ne pas


xx0

sparer les deux flches, qui nont de signification que conjointement.

1.2 Oprations sur les limites


Limites usuelles
On rappelle les limites suivantes :
1
Avec r > 0 : lim xr = + ;
lim r = 0
x+
x+ x

+ si n est pair
Avec n N , lim xn =
si n est impair
x
lim ln x = ; lim ln x = + ;

x0

32

x+

lim ex = 0 ; lim ex = +

x+

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 , x
0 , +, .
Limite dune somme, dun produit, dun quotient
Thorme. Soit f et g telles que
lim f = ,
b

lim g = 
b

lim ( f + g) =  + 

Alors :

lim ( fg) = 


b
 
f

lim
=  si de plus  = 0
b
g

Si une des limites est infinie ou si  = 0, on a des rsultats partiels.
RS signifie quon utilise la rgle des signes, FI signale une forme indtermine :
 
u
(u
(uv)
lim u
lim v
lim + v)
lim
lim
b
b
b
b
b
v
 = 0
0

0
RS
0
0
0
0
FI
 = 0

RS
0
0

FI
0


 = 0

RS
RS

FI
0
+

FI

FI
+
+
+
+
FI
Limite dune fonction compose
lim f (x) = b ; lim g (y) = b lim g f (x) = b

xb

yb

lim+ e x = + car lim+


x0

x0

lim e x = 0 car lim


x0

x0

xb

1
= + et
x

1
= et
x

lim ey = +

y+

lim ey = 0

33

Partie 1 Analyse

Passage la limite dans les ingalits


Si f  g, lim f = , lim g =  , alors   
b

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


b

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


b

Les deux premires formules restent valables si ,  appartiennent


{, +}. En particulier :
Si f  g et lim f = +, alors lim g = +
b

Si f  g et lim g = , alors lim f =


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 finie  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 vrifies 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 =
Dfinition. On dit que f est ngligeable devant g en b , et on note
f = (g), ssi
b

lim

xb

f (x)
=0
g (x)

La dfinition adopte suppose que g ne sannule pas au voisinage de x0 .


Cela ne pose pas de difficults dans la pratique.

34

Chapitre 1 tude de fonctions

Ngligeabilits classiques. Pour a > 0 :




ln x
a)
(x
lim
=
0
et
donc
ln
x
=

x+ xa
+


ex
lim a = +
et donc xa = (ex )
x+ x
+
 

1
lim (xa ln x) = 0
et donc ln x = a
x0
0
x
Mmorisez soigneusement ces limites, elles sont dusage constant.
Elles nont pas tre justifies, 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.
x
 a
x
On a aussi : lim
= 0 ...
x+
ex

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

ssi

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

La dfinition adopte suppose que g ne sannule pas au voisinage de x0 .


Cela ne pose pas de difficults 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 dfinition 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

v
u
u v1
1
1
1

u1 u2 v1 v2 ;
u2 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

u
= 1 + . Les proprits
v
suivantes sont des consquences directes de la dfinition.

Pour tablir la premire proprit, posez

La premire proprit permet de voir immdiatement des quivalents :


x ln x x car ln x = (x) ; ex x2 ex car x2 = (ex )
+

x+

Un polynme est quivalent en son terme de plus haut degr.

Les deux proprits suivantes signifient 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.
2

En +, x2 + x x2 , mais ex  ex ( faire le quotient).

Utilisation
uv
b

lim v = 

lim u =  ; u  R lim u = 
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.
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+

Avec f (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

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 :
% 
!


ln x 1 + 1x
ln x + ln 1 + 1x
ln (1 + x)
=
=
x
x 
x

1
ln x ln 1 + x
+
=
x
x
lim

ce qui permet de conclure.


u v et lim v =  lim u = , mais deux fonctions ayant mme
b

limite ne sont pas toujours quivalentes ! Par exemple :


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

x0

x0

u  R lim u =  : attention, lcriture u 0 na aucune


b

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


b

Rciproquement, lim u =  R u  .
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
ex = 1 + x + x2! + +
+ xn (x)
n!
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
noter le DL : 11 x = 1 + x + x2 + + xn + xn (x), qui se retrouve
partir de lidentit gomtrique.
 
2
On peut crire, de faon quivalente, ex = 1 + x + x2 + x2 , par
exemple. Mais lcriture adopte ici semble plus maniable.

Pour la mmorisation, le troisime DL encadr est rapprocher de


la formule du binme (le coefficient 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 = 1h .
Ainsi, avec x = 1 + h, on a
x ln x = (1 + h) ln (1 + h)


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


1
1
1
h2
h
xe x =
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.




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


ln (1 x) = 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.
2

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
0

quivalent 0 ? Mais on peut remplacer ex par son DL, lordre 2 suffit :


x2
2

+ x2 (x) 1 x
=
x2
Ce qui permet de conclure.
f (x) =

1+x+

x2
2

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

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




ex ex
2x
=
ln
1

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

2
2
(x
(x
(x
(x
4 + + 1) + 1)
4 + + 1) + + 1)
&
f (x) =
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
2
x 1+ 2
|x|
1+ 2
x
x

ce qui permet de conclure en remplaant |x| par x ou x, puis en


utilisant les quivalents.

1.7 Branches infinies, lments graphiques


Asymptotes
Si lim f = ou lim f = ou lim f = , la droite dquation
x0

x0+

x0

x = x0 est asymptote la courbe (asymptote verticale) (x0 R).


Si lim f = b R, la droite dquation y = b est asymptote la courbe

(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 =

f (x)
=0:
x x

Si lim

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

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 identification.
On peut tre amen utiliser les DL pour ltude dune branche infinie.
b
Pour x = 1, f (x) = xx1 = ax + b + xc 1 = ax +(bxa)x+c

1
1
(x)
a = 1, b a = 0, c b = 0 ; donc f
= x + 1 + x1
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 = 1h , au voisinage de +:


1
1
h2
h
1x
2
f (x) = xe =
+ h (h) = 1 + + h (h)
1h+
h
2
h
2
 
1
1
1
+
=x1+
.
2x x
x
D dquation y = x 1 est asymptote Cf .
41

Partie 1 Analyse

 
Au voisinage de +, Cf est au-dessus de D car 1x x1 est ngligeable
1
, qui donne donc le signe de f (x) (x 1) pour les grandes
devant 2x
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 dinflexion 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 Dfinitions
Soit I un intervalle de R, et soit x0 I.
Soit f une fonction dfinie sur I. On dit que f est continue en x0 ssi
lim f = f (x0 )
x0

On dfinit 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 dfinie sur I \ {x0 }. On dit que f est prolongeable
par continuit en x0 ssi f admet une limite finie 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 difficult au cas o f est dfinie sur une
runion dintervalles (R par exemple). Mais on peut tre amen revenir la dfinition si la fonction f est dfinie de faon particulire en un
(ou plusieurs) points, ou sil y a problme de raccordement :
Dfinition particulire en un point : soit f la fonction dfinie 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

lim f = 0 = f (0) .
0

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


1

Donc f est continue sur [0 ; + [.

x1

Problme de raccordement : soit f la fonction dfinie 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).
+

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 vrifier que le dnominateur ne sannule pas.
Si la fonction est une compose f u, vrifier que u (I) est inclus
dans un ensemble sur lequel f est continue.
Exemple : x x2 + 1 est continue et (strictement) positive
 2 sur R,
]0
[,
ln est continue sur ; + donc la compose x ln x + 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 !
Enfin, 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 vrifie 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 = +.
x+

x0

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 dfinition 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 fix dans R. Soit f (x) = ex x. On a
x

f (x)

0


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 dfinie par f (x) = x3 3x2 + 1, on obtient


x

f (x)

0


2


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 fixer 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 :
/0123

 ) 

& 
  4! 

8     9
  
  :
  9
  
  :
  ;-
5
  9 
&&
< = ) &
> &
< :
5
  9= ) &
> &
?>:
5
  9= %-  &
>:
036-

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 affirmer seulement
f ([2 ; 5]) [3 ; 8].

3. Calcul diffrentiel
3.1 Dfinitions Oprations
Dfinitions
Soit f une fonction dfinie 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 dfinit la drive seconde de f :
 
f  = f  . De faon gnrale, on dfinit, 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 indfiniment 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 dfinit aussi la drive droite en x0 :
f (x) f (x0 )
fd (x0 ) = lim+
x x0
xx0

sous rserve de limite finie. Dfinition 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

drive

x b

x 0

x x

x xr

x nx

commentaire
sur R

n 1

sur R si n N , R si n Z

x rxr 1

x ln |x|

x ex

x e

sur R, R , R+ suivant la valeur de r R


sur R

1
x
x

sur R

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 ;

(uv) = u v + uv

Si de plus v ne sannule pas sur I, alors 1v et uv sont drivables sur I, et


 
 u  u v v u
1
v
= 2 ;
=
.
v
v
v
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:
 1 
1
(y) =   1 
f
f f (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
; (eu ) = u eu
u = ; ln |u| =
2 u
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 dfinition :
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  (0)

f (x)f (0)
x0

= =

1
xln x
x0

= 0. (On pourrait aussi crire

0, donc f est drivable en 0, et

fd (0)

= 0.)

Applications
Application au sens de variations dune fonction
Soit f drivable sur lintervalle I.
Si f   0 (resp. f   0) sur I, alors f est croissante (resp. dcroissante)
sur I .
Si f  > 0 (resp. f  < 0) sur I sauf en un nombre fini 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 coefficient
directeur f  (x0 ) et a pour quation y f (x0 ) = f  (x0 ) (x x0 ).
50

Chapitre 1 tude de fonctions

Ingalits des accroissements finis


Soit f une fonction drivable sur [a ; b], avec a  b, telle que :
x [a ; b], m  f  (x)  M. Alors :
m (b a)  f (b) f (a)  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 finis, on a a < b. Dans la


deuxime ingalit, x1 et x2 sont dans un ordre quelconque. On parle
aussi de formule des accroissements finis .
Exemple dapplication : montrons que pour tout n N ,
1
1
 ln (n + 1) ln (n) 
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
1
f  (x) = , donc
 f  (x)  pour tout x [n ; n + 1] .
x
n+1
n
On applique la formule, on vrifie que a marche, puis on rdige.
Exemple de rdaction : soit f (x) = ln x, x > 0. x [n ; n + 1],
1
 (x) = 1  1 ,
n+1  f
x
n
donc, daprs la formule des accroissements finis :

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

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 finie  en a.
Alors f est de classe C1 sur [a ; b], et f  (a) = .
51

Partie 1 Analyse

Si f  a une limite infinie 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 finie 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 suffit) :


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


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

x + x2 (x)
1 + (x)
= 22
= 2
x (1 + x)
1+x

La limite en 0 est gale 0, on obtient donc : f  (x) tend vers 12


quand x tend vers 0.
f est donc de classe C1 sur [0 ; + [, et f  (0) = 12 .

3.3 Drive seconde


Dfinitions
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 dinflexion 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)  f (x) + f  (x) (t x) .
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 dinflexion 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,

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  x 1

4. Fonctions usuelles
4.1 Fonctions exponentielle et logarithme nprien
Dfinitions. ln est la primitive de la fonction x 1x sur ]0 ; + [ qui
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

tel que

ln x = y

On note exp (y) = ey ; e 2, 718.


53

Partie 1 Analyse

Proprits
Visibles sur le graphique (fig. 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 :
ln x
=0
x+ xa
1
; x > 0, ln (x) = ; ln x x 1.
1
x

a > 0, lim xa ln x = 0 ;
x0

ln est C sur R+

lim

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

a > 0, lim

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
 
1
ln
= ln a
a
a
ln
= ln a ln b
b
ln (ax ) = x ln a

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

4.2 Fonctions puissances


Dfinitions
x R, n N : xn = x x (n facteurs)
x R , n Z : xn = x1 n si n < 0 ; x0 = 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 dfini, pour y  0, par q y  0 et q y = y

1
1
1
En particulier, x 2 = x ; x 3 = 3 x ; x 2 = 1x

x R+ ,

rR:

xr = er ln x

Rgles de calcul
chaque fois que toutes les critures sont bien dfinies :
1
xr





xr+r = xr xr ; xr = r ; xr r = r  ; (xr )r = xrr
x
x
 r
 x r
  r
1
1
xr
xx = xr xr ;
= r ;
=
x
x
x
xr 
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 

2p1

0 

Avec r R \ Z, x xr est dfinie 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 (fig. 2).
y
y = exp (x)

1
0

y=x

y = ln(x)
1

Fig. 1.1 Fonctions exponentielle et logarithme nprien

55

Partie 1 Analyse

y
r>1

r=1
0<r<1

1
r<0
0

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 dfinie 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 :
lim Ent (x) = k 1 = k = Ent (k)
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 dfinie 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))  M

Ces dfinitions 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 )  f (M)]

(maximum local), ou
a > 0, [M D et d (M0 , M)  a f (M0 )  f (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 dfinition, sous rserve de limite
finie :
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
f
(x,
(x,
(x,
(x,
=
;
=
y)
y)
y)
y)
x2
x x
y x
y x




2
2
f
f
f
f
(x, y) =
(x, y) =
(x, y) ;
(x, y)
x y
x y
y2
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

1
3x2 ey
y2

fy2 (x, y) = 2x +

2x
+ x3 ey
y3

5.2 Proprits
Dfinitions. 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 appartiennent Ci (D). uv appartient Ci (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 = fy2

5.3 Rsultats doptimisation


Une condition suffisante 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
(x0 , y0 ) =
(x0 , y0 ) = 0
x
y

On dit que (x0 , y0 ) est un point critique de f .


Une condition suffisante 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 Dfinitions
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 dfinie 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 dfinitions 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 fini
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  vrifie   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,
et sa limite  vrifie   m. Si une suite dcroissante nest pas convergente, alors lim un = .
n+

Soit x un nombre rel fix dans ]0, 1[, et soit (un ) la suite dfinie par
n N, un =

1 + xk

k=0
n+1
La suite (un ) est croissante

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

ln (un ) =

n

k=0

ln 1 + x

n

k=0

xk =

1 xn+1
1

1x
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


1

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  vrifie   M.
Ce thorme sapplique si la suite est monotone partir dun certain
rang.
Ce thorme donne une condition suffisante, 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 dfinie par n N , un = (n1) , qui converge vers 0.
Pour montrer quune suite est (par exemple) croissante, les techniques courantes sont :

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



un+1
n N, un =
1 + xk > 0 ;
= 1 + xn+1 > 1
u
n
k=0
donc la suite (un ) est (strictement) croissante.
Pour une suite du type un+1 = f (un ) ( 2.2.3) ou pour une suite
dfinie implicitement ( 2.2.5), voir les techniques spcifiques
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
Dfinition. Les deux suites (un )nN et (vn )nN sont dites adjacentes ssi
une des suites est croissante, lautre dcroissante, et
lim (un vn ) = 0

n+

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 dfinies 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 finis, 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




n+1
1
= ln 1 +
un vn = ln (n + 1) ln (n) = ln
n
n
La limite commune aux suites (un ) et (vn ) est note g (constante dEuler). Pour tout n, on a un  g  vn ; un est
 ndonc
 une valeur approche
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 dfinition 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 dfinie sur [0, +[.
Si lim f (x) = , alors lim f (n) = 
x+

64

n+

Chapitre 2 Suites et sries numriques

On reprend les points essentiels :


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

lim 1r
n+ n

= 0;

lim ln (n) = +

Avec x > 1 :

n+

lim xn = +

n+

Avec 1 < x < 1 :

lim xn = 0

n+

Ngligeabilits classiques

Avec a > 0, x > 1 :

lim ln(n)
a
n+ n

Avec a > 0, 1 < x < 1 :

n
lim xa
n+ n
a n

= 0;

= +

lim n x = 0

n+

Limite dune somme, dun produit, dun quotient


Soit (un ) et (vn ) telles que lim un = , lim vn =  . Alors
n+

n+

lim (un + vn ) =  +  ;

n+

lim

n+

un
vn


=

lim (un vn ) = 

n+


si de plus  = 0


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+

lim f (un ) = f ()

n+

Passage la limite dans les ingalits


n  n0 , un  vn ; lim un =  ; lim vn =    
n+

n  n0, , un  vn  wn ;
n  n0 |un |  vn ;

n+

lim un = lim wn =  lim vn = 

n+

n+

n+

lim vn = 0 lim un = 

n+

n+

65

Partie 1 Analyse

quivalents. En adaptant la dfinition gnrale, on dit que (un ) et


(vn ) sont quivalentes ssi lim uvnn = 1. On a les mmes proprits, et la
n+

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 dfinition gnrale, on dit que
un est ngligeable devant vn , et on note un = o (vn ), ssi
un
=0
lim
n+ vn

2. Suites numriques calculables


2.1 Suites arithmtiques
Dfinition. 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 dfinie 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 dfinis :
un = up + (n p) r
Proposition 2. Pour une suite arithmtique (un ), on a
n

u1 + un
uk = n
2
k=1
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=1

k=

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


Dfinition. 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

k=0

xk = 1 + x + + xn =

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 = +.
n+

Si 1 < x < 1, lim xn = 0.


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 dfinie 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 dfinis :
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+1 
n
n  k


1
1
k
n

2 = 2 1;
=2 1
2
2
k=1
k=0
68

Chapitre 2 Suites et sries numriques

 n+1 
1

1
 n+1 


n
n
k
e

1
e
1
k

e =
=
=
1
1
e
e

1
e
k=0
k=0
1
e
 2 n+1
n
n


 2 k 1 x
1 x2n+2
x2k =
x =
=

1 x2
1 x2
k=0
k=0
 2 n
n
n
2n


 2 k
2k+1
21 x
31 x

x
=x
x = xx
=
x
1 x2
1 x2
k=1
k=1

Veillez ne pas confondre par exemple les sommes nk=1 4k (suscep
tible dtre calcule avec lidentit gomtrique), et nk=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 dfinie 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, un = ar1n + 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 affiche 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
Dfinition. 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
dfinie sur N .
En gnral, lnonc admet implicitement que la suite (un ) est bien
dfinie (cest vident si f est dfinie sur R). Si la question est pose,
on rpondra au moyen dun raisonnement par rcurrence.
Soit (un ) dfinie 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 dfinie.
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 fix 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 fixe
Dfinition. On dit que a R est un point fixe de f ssi f (a) = a.
Thorme. Si (un ) converge vers  et f est continue en , alors  est
un point fixe 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
suffisante, 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 fixe 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 fixe de f .
En effet, a  un  b pour tout n, donc si (un ) converge vers , alors
a    b (passage la limite dans les ingalits).  appartient donc I,
f est continue en , et  est un point fixe 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 fixes de f .
Lnonc propose souvent ltude du signe de f (x) x, qui fournit
les points fixes 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.

x  0, f (x)  x ; n N, un  0, donc :
n N, un+1 = f (un )  un ,
donc (un ) est dcroissante.
La suite (un ) est dcroissante et minore par 0, elle est donc convergente. Sa limite  vrifie   0, et  est un point fixe de f , car f est continue 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 fixes 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.
On a donc, pour tout n N, un  u0 > e 1 : (un ) ne peut pas
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
vers e 1, puisque pour tout n, un  u0 < e 1. (un ) converge donc
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 dfinie 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 ) dfinie 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  vrifie
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 finis


On rappelle la formule des accroissements, sous ses deux versions (voir
1.3.2) :
Premire version : Si m  f   M sur [a, b], alors
m (b a)  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 finis, 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 finis 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 |  kn |u0 |
74

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+

lim un = 

n+

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
finis : il sagit de lalgorithme
de Hron lAncien, pour la recherche de

valeurs approches de x, avec ici x = 3.




u0 = a > 0 ; n N, un+1 = f (un ) , avec f (x) = 12 x + x3
Ltude de fmontre
que le minimum de f sur ]0, +[ est atteint en
3, et gal 3 ( 3 est donc un point fixe de f ).

On montre par rcurrence : n N , un  3 .


%
%
Pour tout x
3, + :


1
3
1
0  f  (x) =
1 2 
2
x
2

%
!
3, un , la formule des accroissements
3  un et 0  f   12 sur
finis donne alors :
  1 

n N , 0  f (un ) f
3 
un 3 , donc
2


1
n N , 0  un+1 3 
un 3
2
On obtient par rcurrence :
n N , 0  un

Et comme lim

 1  n 1

n+ 2

3

  n 1 

1
u1 3
2

=0:

lim un =

n+

75

Partie 1 Analyse

En prenant u0 = a = 1, on obtient
 n2
  n 1 


1
1
n N , 0  un 3 
2 3 
2
2

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
affiche alors %, qui est une valeur approche de 3 moins de 103
prs :
&

( 


)&
 

 ?

   
-% ?4$!?   
/0123
 &  {n donnera le rang du terme en cours
de calcul}

& 
   4& &!
 &;- $
5
  ) {le terme qui convient est affich avec son rang}
036-

4. Sries numriques
4.1 Dfinitions
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 =
uk
k=0

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
+


uk =
uk
S = lim
n+

k=0

k=0

On adaptera sans peine ces dfinitions au cas o la suite (un ) est dfinie
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 fini
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[ ,

xk =

k=0

1
1x

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


x ]1, 1[ ,

kxk1 =

k=1

1
(1 x)2

La srie de terme gnral n (n 1) xn2 , n N , n  2, converge


ssi |x| < 1, et
x ]1, 1[ ,

k (k 1) xk2 =

k=2

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.

 n
x : soit Sn (x) = nk=0 xk . Daprs lidentit gomPour la srie
trique, on a :
1 xn+1
1

Sn (x) =
1 x n+ 1 x
 n+1 
car |x| < 1, donc x
tend vers 0. Et le rsultat est tabli.
 n 1
:
Pour la srie nx
(1 x)

n

k=1

kxk1 =

n

k=1

kxk1

n

k=1

kxk =

n 1

i=0

(i + 1) xi

ixi

i=1

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 :
(1 x)

k1

kx

k=1

=1+

n 1

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

i=1

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 justifierez leur usage en invoquant la srie gomtrique, resp. la
srie gomtrique drive premire, resp. la srie gomtrique drive seconde, de raison x ]1, 1[.
d
Pour la mmorisation, remarquez : ( dx
drivation par rapport x)


d k
1
1
d
=
x = kxk1 et
dx
dx 1 x
(1 x)2


d k1
1
2
d
k2
= k (k 1) x
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

1 xn+1
(x)
; fn est drivable sur ]1, 1[ , et
Soit fn
=
xk =
1

x
k=0
n

1 (n + 1) xn + nxn+1
1
kxk1 =

fn  (x) =
2
n

(1 x)
(1 x)2
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.

78

1
na , n

N , est convergente

Chapitre 2 Suites et sries numriques


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

Si a  0, la srie diverge car son terme ne gnral ne tend pas vers 0,


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 :
x R,

+ n

x
n= 0

n!

xn
n! , n

N, est conver-

= ex

En particulier, 1 + 1!1 + 2!1 + 3!1 + = 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

nN un

converge, alors lim un = 0.


n+


En effet, si
un converge alors par dfinition lim Sn = S R, avec
n+
n
Sn = k=0 uk ; 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 1n 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 =
u
n=n0 k est croissante, car uk  0, et majore, car
n


Sn = k=n0 uk  nk=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.
1

La srie de terme gnral


1

en
n2

, n  1, est convergente, car

en
en
n  1, 2  0, 2
n
n

n+

1
1
,
et
converge (srie de Riemann) .
n2
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 


n n0

un est absolument

|un |

n= n0

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

un + b

n= n0

vn

n= n0

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 n1 nxn est convergente, et
calculons sa somme. Sous rserve de convergence, on a :
+

nx = x
n

n= 1

nxn1

n= 1

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:
+

n= 1

nxn =

x
(1 x)2


2 n
Montrons que la srie
n1 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
2 n
2 n
n  1, n x  0 ; n x = 2 car lim n4 xn = 0 car |x| < 1 ;
n+
n



n
est convergente (srie de Riemann) ; donc la srie n1 n2 x
est convergente, mais cela ne permet pas de calculer sa somme. Pour ce
1
n 2 n2

81

Partie 1 Analyse

calcul, on crit, sous rserve de convergence,


+

n= 1

nx =
2 n

(n (n 1) + n) xn

n= 1
+

2

=x

n (n 1) xn2 + x

n= 2

nxn1

n= 1

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 simplifications ( dominos , tlscopage ).

1
Montrons que la srie
k2 k(k1) est convergente, et calculons sa
somme, en revenant la dfinition. La somme partielle de rang n est :

n
n 


1
1
1
=

Sn =
k (k 1)
k1 k
k=2
k=2

 



1
1 1
1
1
1
= 1
+

+
=1
2
2 3
n1 n
n
Par consquent la srie est convergente, et
+

k=2

1
=1
k (k 1)

5. Suites dfinies implicitement


On entend par l les suites (un ) o un est dfini par une condition du
type fn (un ) = 0. Il sagit dun thme dexercices, aucune connaissance
spcifique 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 dfinition 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.
 
fn (0) = 1 < 0, fn 1n = n15 > 0, fn est strictement croissante, donc
0 < un < 1n , 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.
fn (un ) = u5n + nun 1 = 0, donc nun = 1 u5n tend vers 1 quand n
tend vers +, donc un est quivalent 1n quand n tend vers +.
partir de u5n + nun 1 = 0, on peut alors obtenir un quivalent de
1
n un quand n tend vers + :
1
u5n
+ un = 0 ;
n
n

u5
1
un = n
n
n

n+

1
n6

83

Calcul intgral

1. Primitives
Dfinition. Soit f une fonction dfinie 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 finis 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
x a

primitive
x ax

x xr

1
x
x ex

x ln |x|

xr+1
r+1

x ex

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

Exemples :
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 , 1x , x !


b) Rgles de calcul
fonction
u
v
au + bv

primitive
U
V
aU + bV

u f (u)

F(u)

86

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

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 respectivement avec les primitives des fonctions xr , x, x12 , 1x , 1x , ex .

2. Intgrale dfinie
2.1 Dfinition, 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 )
 f (x)
x x0

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 dfinition suivante :
Dfinition. 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 dfini par :
( b
f (t) dt = F (b) F (a)
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.
*b
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
( b
f (t) dt =
f (x) dx
a

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 .
*b
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 vrifies, le
rsultat ne subsiste pas, voir 3.3.4.
88

Chapitre 3 Calcul intgral

2.2 Calculs dintgrales


Intgration vue
On crit
(
b

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

o F est une primitive de f sur I , avec a et b dans I.


( 1
!1

%

1

et dt = et 0 = e1 e0 = 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 1
x
1  2
dx =
ln x + 1

= ln 2
2
2
2
0 x +1
0


On repre que la fonction intgrer est de la forme k uu , dont une


primitive est k ln |u|. Ici u = x2 + 1 > 0, u = 2x, k = 12 , do le
rsultat.
Mme principe pour
+
,1
( 1
x
1 1
1
=

2 dx = 2
2x +1 0 4
x2 + 1
0


Une primitive de uu2 est 1u . On commence par crire x21+1 dans le crochet, on drive mentalement, et on ajuste la constante multiplicative.
( 1
1

x

dx =

x2 + 1 = 1
0
x2 + 1
0
+2

,1
( 1
t
t
1
1
2 3t
3t
+
+ 2e 1 dt =
+ ln (2t + 1) + e 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
de u par a. Tous calculs fait on trouve ln33 + 2e3 13
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)]ba

u (t)v(t) dt

89

Partie 1 Analyse

Disposition pratique :
( 1
( 1
% !1

tet dt = tet 0
et dt
0

u = 1
v = et

u=t
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 :
% !1
I = e et 0 = e (e 1) = 1
Noubliez pas de mentionner et de vrifier 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, vrifiez 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(b)

u (t)f (u(t) dt =
f (y) dy
a

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
2y
2 x+1

90

Chapitre 3 Calcul intgral

1+y
I=
2ydy =
y2
1

I = ln 2 + 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
( a
f (t) dt = 2
f (t) dt
a

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


( a
f (t) dt = 0
a

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


( a
( a
( 0
f (t) dt =
f (t) dt +
f (t) dt
a

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


dy
dt

= 1, donc dt = dy, donc


( 0
( 0
(
f (t) dt =
f (y) ( dy) =
a

f (y) dy =

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 affine (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
( b
( b
f (t) dt = 0 ;
0 dt = 0 ;
C dt = C (b a) (C constante)
a

91

Partie 1 Analyse

Relation de Chasles
( c
( c
( b
f (t) dt =
f (t) dt + f (t) dt ;
a

Linarit
( b

f (t) dt =

f (t) dt + b

Si a  b et f  0 sur [a, b], alors


(

f (t) dt  0

Si a  b et f  g sur [a, b], alors

g(t) dt

Positivit, croissance

f (t) dt
a

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

f (t) dt 

g(t) dt
a

Intgrale et valeur absolue


( b
( b
Si a  b, alors
f (t) dt 
|f (t)| dt
a

Tous ces rsultats sont des consquences faciles de la dfinition de lintgrale. Par exemple, pour la positivit :
*b
Si a  b et f  0 sur [a, b], alors 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
f (t) dt  M (b a)
m (b a) 
a

De la croissance de lintgrale et de la relation de Chasles, on dduit,


avec f continue sur I, a et b appartenant I :
*b
Si f  0 et a  b, alors a f (t) dt  0 ;
*b
Si f  0 et a  b, alors a f (t) dt  0 ;
*b
Si f  0 et a  b, alors a f (t) dt  0 ;
*b
Si f  0 et a  b, alors a f (t) dt  0.
92

Chapitre 3 Calcul intgral

*b
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 figure ci-contre, on a
*b
2
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 :
* 1 tn
1
Avec In = 0 1+t
2 dt, on a 0  In  n+1 . En effet :
* 1 tn
*1 n
tn
1
n
t [0, 1] , 0  1+t
2  t , donc 0  0 1+t2 dt  0 t dt = n+1
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.
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

*x
existe pour tout x I et dfinit 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 dfinition
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] 1 dx
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 dfinie par une intgrale :
* 2x
Pour tout x R, lintgrale w(x) = x t4 1+1 dt existe car la fonction
f : t t4 1+1 est continue sur R. w est donc une fonction dfinie sur R.
Si x  0, alors 0  x  2x ; f  0 sur [0, +[, donc w(x)  0.
Si x  0, alors 2x  x  0 ; f  0 sur ], 0], donc w(x)  0.
w (0) = 0.
Le changement de variable y = t montre que w est une fonction
impaire (t = y, dt = dy) :
* 2x
* 2x
x R, w (x) = x t4 1+1 dt = x (y)14 +1 dy = w(x)
u = ln x ,

v = 1 ;

u =

On tudie donc w sur [0, +[.


Pour tout x R, par dfinition de lintgrale,
* 2x
w(x) = x t4 1+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

1 14x4


16x4 + 1 x4 + 1


1
w est donc strictement croissante sur 0, 14 4 , strictement dcrois

1
sante sur 14 4 , + .
* 2x
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, +[,
x R, w (x) = 2f (2x) f (x) = 

94

Chapitre 3 Calcul intgral

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


( 2x
f (t) dt  f (x) (2x x)
f (2x) (2x x) 
x

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

16x4

est aussi gale 0.

x4

2.4 Sommes de Riemann


Trs souvent, on ne peut pas trouver la valeur exacte dune intgrale
dfinie, 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
 ( b
n 1 
ba
ba
f a+k
f (t) dt
=
lim
n+
n k=0
n
a


ba
f
lim
n+
n k=1
n

ba
a+k
n

(
=

f (t) dt
a

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] ;
Soit dn = bn a , ak = a + kdn , ak  t  ak+1 . La formule des accroissements finis fournit :
m (t ak )  f (t) f (ak )  M (t ak )
donc

f (ak ) + m (t ak )  f (t)  f (ak ) + M (t ak )

On intgre sur [ak , ak+1 ] :


m
dn f (ak ) + d2n 
2

ak+1

ak

f (t) dt  dn f (ak ) +

M 2
d
2 n
95

Partie 1 Analyse

On additionne ces ingalits, pour k variant de 0 n 1. En posant


 1
Sn = dn kn=
0 f (ak ), il vient :
( b
m (b a)2
M (b a)2

f (t) dt  Sn +
Sn +
2
n
2
n
a
(
b
M (b a)2
m (b a)2

f (t) dt Sn 
2
n
2
n
a
Do la premire formule, en passant la limite. On procde de mme
pour la deuxime formule.
On peut facilement dfinir une fonction
PASCAL
 qui value la
n1 
b a
b a
somme de Riemann Sn = n
k=0 f a + k n . Cette fonction
evalsom aura pour paramtres  de type rel, et de type entier.
La fonction f est dfinie dautre part.
 ( )
  

 

 
 {variable locale de sommation};
@
  {variable locale pour la somme}
 
@  

     @ @4 4 !
( @ !


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 :
( x
n

(x a)k (k)
(x t)n (n+1)
(a)
f
f
(t) dt
+
f (x) =
k!
n!
a
k=0
Dmonstration par rcurrence : la formule est vraie pour n = 0, car
( x
f  (t) dt = f (x) f (a)
a

Supposons la formule vraie pour n fix 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)
u = f (n+1) , v = (xn!t) , u = f (n+2) , v = (x(n+1)!
. u et v sont de classe
1
C 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 :
f (x)

n

(x a)k

k!

k=0

(k)

(a)  M

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

Avec M majorant de f (n+1) sur un intervalle contenant a et x.


Il suffit de majorer le reste intgral de la formule prcdente, pour obtenir ce rsultat. Si a  x :
*x
*x
* x (xt)n (n+1)
n
n
a)n+1
(t) dt  a (xn!t) |f (n+1) (t)| dt  M a (xn!t) dt = M (x(n+1)!
n! f
a
*b
*b
On a utilis a f (t) dt  a |f (t)| dt, valable pour a  b.
Si a  x, il faut remettre les bornes dans le bon sens :
*a
* x (xt)n (n+1)
*a
n
n
x)n+1
(t) dt = x (xn!t) f (n+1) (t) dt  M x (tn!x) dt = M (a(n+1)!
n! f
a
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)
e
x

n

xk
k=0

k!

M

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


k
avec M majorant de ex sur I. Ceci montre que g(x) = ex nk=0 xk!
est une fonction ngligeable devant xn quand x tend vers 0, car
g(x)
xn

|x|
. On a donc bien, pour tout n N :
 M (n+1)!

ex =

n

xk
k=0

k!

+ (xn )

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

ex

n

xk

 ex

xn+1
(n + 1)!

k!
 xn 
Et il suffit de montrer que n! converge vers 0 pour conclure. Or,
pour x  0 fix, il existe n0 N tel que nx0  12 . Donc, pour tout
n > n0 , on a 0  xn  12 , donc
  n n0
xn
xn 0
xn n 0
xn 0
1
=

0
0
n+
n!
n0 ! (n0 + 1) . . . n
n0 !
2
k=0

Do la conclusion dans ce cas l. Si x < 0, alors |f (n+1) (t)| = et est


major par 1 sur ], 0], et la suite est analogue. On a bien tabli :
x R, e =
x

+ n

x
n= 0

n!

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

xk
x
;
x [0, +[ , n N, e 
k!
k=0

x ], 0] , p N ,

2p1

2p
xk

xk
x
e 
.
k!
k!
k=0
k=0

Il suffit dtudier le signe du reste intgral.

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

3.1 Intgrale dune fonction continue par morceaux


sur [a, b]
Dfinition. On dit que la fonction f est continue par morceaux sur
lintervalle I ssi f est continue sauf en un nombre fini de points, o f
admet une limite finie 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 finie en b, et on pose :
( b
( x
f (t) dt = lim
f (t) dt
xb, x<b

On a un thorme analogue pour f continue sur ]a, b], prolongeable par


continuit en a.
*b
Ce thorme permet de dfinir lintgrale a f (t) dt , avec f continue par
morceaux sur lintervalle [a, b]. Supposons en effet, pour fixer les ides,
que f soit continue sur [a, b] sauf en c, o f admet une limite finie
*b
gauche et droite. Alors on dfinit lintgrale a f (t) dt en utilisant la
relation de Chasles pour poser :
( b
( b
( c
f (t) dt =
f (t) dt +
f (t) dt
a

Chacune des intgrales du membre de droite existe, daprs le thorme


prcdent.
*3
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
( 2
( 3
( 1
Ent(x) dx =
0 dx +
1 dx +
2 dx = 0 + 1 + 2 = 3
0

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


Lexistence de lintgrale nest alors plus assure.
Dfinitions
Soit a, b R, a < b, et f une fonction continue sur ]a, b]. On pose
( b
( b
f (t) dt = lim
f (t) dt sous rserve de limite finie,
a

xa, x>a

xb, x<b

*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 dfinit de mme, avec f continue sur [a, b[ :
( b
( x
f (t) dt = lim
f (t) dt sous rserve de limite finie
99

Partie 1 Analyse

Critres de convergence
Intgrales de Riemann
( 1
1
dt est convergente ssi a < 1
a
t
0

Montrons par exemple que lintgrale


fonction t

*1
0

dt est convergente. La

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

% !1

1
dt = 2 t x = 2 2 x 2
x0
t
x
*1 1
*1 1
Lintgrale 0 t dt est donc convergente, et 0 t dt = 2.
1

Cas des fonctions positives



(
f  0, g  0 sur [a, +[

f g
+

f (t) dt et

g(t) dt sont
a

de mme nature, convergente ou divergente


*1

t+1
dt. La fonction t t+1
est positive et continue sur
t
t
*
t+1
1

]0, 1] ; En 0, t t , et lintgrale 01 1 t dt est une intgrale de


*1
dt est convergente.
Riemann convergente. Donc lintgrale 0 t+1
t

Intgrale

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


Dfinitions
Soit a R, et f une fonction continue sur [a, +[. On pose
( +
( X
f (t) dt = lim
f (t) dt sous rserve de limite finie,
a

X +

* +
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 dfinit de mme, avec f continue sur ], b] :
( b
( b
f (t) dt = lim
f (t) dt sous rserve de limite finie

100

Chapitre 3 Calcul intgral

Intgrale

* +
0

(x2 +1)2

dx. La fonction x

(x2 +1)2

est continue sur

[0, +[, et
+
,X
( X
x
1
1
1
1
1
 +
=  2

2 dx = 2
X

2
2
x
+
1
2
2
2 X +1
x +1
0
0
Lintgrale est donc convergente, et
( +
x
1

2 dx =
2
2
x +1
0
Critres de convergence
Intgrales de Riemann
( +
1
Lintgrale
dt converge ssi a > 1
ta
1

En effet, la fonction t t1a est continue sur [1, +[, et :


 a+1 X
*X
*X
1a
Si a = 1, 1 t1a dt = 1 ta dt = t a+1
= X1a
1

une limite finie en + ssi a > 1 . Avec


( X
1
+
a = 1,
dt = ln X .
X

+
t
1

1
1a

tend vers

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

( +
f  g sur [a, +[
*0+
f (t) dt convergente

g(t) dt convergente
a
a

( +
0*  f  g sur [a, +[
g(t) dt divergente

+
f (t) dt divergente
a
a
101

Partie 1 Analyse

f  0, g  0 sur [a, +[
f g

f (t) dt et
a

g(t) dt de
a

mme nature, convergente ou divergente

f  0, g  0 sur [a, +[
( +
f = (g)

f (t) dt convergente
+
* +

a
g(t)
dt
convergente
a
*x
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)  a g(t) dt  a g(t) dt = M R. w admet donc une limite
finie en +, ce quil fallait dmontrer.
*b
On a les critres analogues pour les intgrales f (t) dt.
Fonctions de signe quelconque
* +
Dfinition. 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.

* +
a

f (t) dt est absolument convergente,

*b
On a le thorme analogue pour lintgrale f (t) dt.
* +
* +
Remarque. On a alors a f (t) dt  a |f (t)| dt, et de mme pour
*b
f (t) 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
( b
( c
f (t) dt =
f (t) dt +
f (t) dt
a

ce qui permet de proche en proche de se ramener un des cas tudis


prcdemment, tant entendu quune intgrale dfinie est convergente.
* +
1
Intgrale 0 t2 1+1 dt. La fonction t 1+t
2 est continue et positive
1
1
sur [0, +[ ; t2 +1 t2 (ou bien : pour tout t  1, t2 1+1  t12 ) ;
+

102

Chapitre 3 Calcul intgral

Lintgrale

* +

1
t2

dt est une intgrale de Riemann convergente.


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

Utilisation de la parit
* +
Soit f une fonction dfinie sur R et telle que 0 f (t) dt converge.
* +
Si f est paire, alors f (t) dt converge, et
( +
( +
f (t) dt = 2
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 t12 quand t tend vers


* +
* +
+. 1 t12 dt est convergente, donc 0 exp t2 /2 dt est conver 
* +
gente. f est paire, donc lintgrale exp t2 dt est convergente,
 
 
* +
* +
et exp t2 dt = 2 0 exp t2 dt

Calculs dintgrales gnralises


* + 1
Utilisation de la dfinition. Soit I = 1 exx2 dx
 
La fonction f : x x12 exp 1x est continue sur [1, +[, donc
( X 1
ex
dx sous rserve de limite finie.
I = lim
X + 1 x2
( X 1
 1 X
1
ex
dx
=
e x = e X + e e 1
Or
2
X +
x
1
1
Donc lintgrale I est convergente, et vaut e 1.
Utilisation
* + de la dfinition et dune relation de rcurrence.
Soit In = 0 tn et dt, n N. On peut prouver que lintgrale In est
103

Partie 1 Analyse
+
convergente : la fonction t tn et est positive
* + 1et continue sur R ,
1
ngligeable en + devant t2 , et lintgrale 1 t2 dt est convergente.
Pour le calcul, on utilise la dfinition pour dterminer I0 :
( X
!X
%
et dt = et 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 finalement, par rcurrence : n N, In = n!.
Utilisation dun changement de variable affine. On admet le
rsultat :
( +

t2
e 2 dt = 2p ( retenir, voir 9.2.3)

On considre alors, avec m R, s > 0 :


( +
(tm)2
Im,s =
e 2s2 dt

Soit y =

t m
s .

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


( +
y2
e 2 s dt
Im,s =

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

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

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)  f (k) ; en


intgrant sur [k, k + 1] cette double ingalit, on obtient :
( k+1
(1) f (k + 1) 
f (x) dx  f (k)
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 
f (k)  f (1) +
f (x) dx
1

k=1

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  t  x  1. Lidentit gomtrique fournit :

(t)n+1
1
(1)k tk =

1 + t k=0
1+t
n

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

(t)n+1
1
(1)k
dt
dt
tk dt =
1
+
t
0 1+t
0
0
k=0
ln (1 + x)

n

k=0

(1)k

xk+1

k+1

tn+1
dt 
1+t

tn+1 dt =

xn+2
n+2

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


ln 2 =

+

(1)k
k=0

k+1

105

Partie 2

Algbre linaire

Systmes linaires
Calcul matriciel

1. Systmes linaires
1.1 Gnralits
Dfinitions. 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 fixer 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 coefficients 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

L2 2L2 L1
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


Dfinitions. 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 coefficients 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 :
(0, 0, 0).
Le systme (3) admet toujours

 la solution
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 fixes. 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



y + a1,3 z = 0
a1,1 x + a1,2 y + a1,3 z = lx
a1,1 l x + a1,2


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



x 2y + z = 0
x 2y = z
x=z
Si l = 2 : (4)

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 fixes.
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.
Afin dallger lcriture et les calculs, on peut adopter une notation
simplifie pour les systmes homognes : on ne garde que les coefficients 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 Dfinitions
Dfinitions 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 coefficients, 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
1 2 3
(1 2 3) M1,3 (R) ; 2 M3,1 (R) ; 4 5 6 M3 (R) .
3
7 8 9
 
Matrices carres. Soit M = ai,j 1i,jn une matrice carre dordre n :
ai,j dsigne le coefficient en i-me ligne et j-me colonne.
 
La suite des nombres ai,i 1in 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 1i,jn telle que,
pour tout i, j appartenant {1, . . . , n} : aj,i = ai,j .


1 2 3
2 4 5
S=
est une matrice symtrique.
3 5 6

La symtrie doit sentendre par rapport la diagonale .


 
La transpose de la matrice M = ai,j 1i,jn est la matrice t M, dfinie
par
 
t
M = bi,j 1i,jn ; 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 :


1 0 0
0 1 0
I3 =
0 0 1

2.2 Oprations sur les matrices

 
 
Dfinitions. Soit A = ai,j 1in , B = bi,j 1in deux matrices appar1jp

tenant Mn,p (R), et x un nombre rel.

1jp

115

Partie 2 Algbre linaire

La somme des matrices A, B est dfinie par




A + B = ai,j + bi,j 1in
1jp

Le produit de la matrice A par le rel x est dfini par


 
xA = xai,j 1in
1jp

Quand le nombre de colonnes de A est gal au nombre de lignes


de B, on dfinit 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 :

 u x  

a b c
au + bv + cw ax + by + cz
v y
=
d e f
du + ev + fw dx + ey + fz
w z
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 dfinit 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 simplifier :
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


Dfinition. 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

1
(AB)1 = B1 A1 ; A1
= 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
+
,

1 2
1
2
A 5A = In ; A (A 5In ) = In
A 5A = 6In ;
6
6
Donc A est inversible, et A1 = 16 (A 5In ).
Remarque. Si A, B vrifient 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 vrifiant 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 1i,j3 (on se place dans M3 (R) pour fixer
les ides). Daprs le thorme prcdent, A est inversible ssi pour chacun
des trois systmes suivants il y a une solution unique :
0
0
a1,1 x + a1,2 y + a1,3 z = 1
a2,1 x + a2,2 y + a2,3 z = 0 , resp. 1 , resp. 0
1
0
a3,1 x + a3,2 y + a3,3 z = 0

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
A=
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
Les solutions des trois systmes sont en vidence, elles forment la
matrice de droite multiplie par 12 . On crit




1 0 0
1 0 1
1
0 1 0
1 1 0
A 1 =
2
0 0 1
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 suffisent si on demande
uniquement de dterminer si la matrice est inversible.
119

Partie 2 Algbre linaire

En cas de succs (la matrice est inversible), vrifiez 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 fixer 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
b1
 
avec A = ai,j 1i,j3 , X = y , Y = b2 . Par consquent :
z
b3
Le systme (1)
 de Cramer (admet une solution unique) ssi la
 est
matrice A = ai,j 1i,j3 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 suffit 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


2 1
Avec A =
dans M2 (R):
1 1
   

x
b1
2x + y = b1
=

A
y
b2
x + y = b2

x = b1 b2

y = b1 + 2b2
 
  
x
1 1
b1
=

,
y
1
2
b2


1 1

1
donc A est inversible, et A =
.
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.


l1 0 0
0 l2 0
est inversible ssi tous les li
La matrice diagonale D =
0 0 l3

1
0 0
l1
sont non nuls, et on a alors D1 = 0 l12 0 (vident).
0 0 l13

2.4 Puissance n-me dune matrice carre


Dfinition. Pour A Mn (R) et n N , on dfinit 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 =

l1 0 0
0 l2 0
0 0 l3

, on a, si n N :


ln1 0 0
Dn = 0 ln2 0 . Il ny a pas de formule simple ds que la matrice
0 0 ln3
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 vrifie 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.


1 1 1
La matrice A = 1 0 0 vrifie 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 finalement
 
 
 
 
2
1 n
1
1 n
n
n
(
(
1) +
2 , puis bn =
1) +
2.
an =
3
6
3
6

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  
n  

n n k k n k n k
n
(A + B) =
A B =
AB
k
k
k=0
k=0
Noubliez pas de mentionner et de vrifier 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).

2 1 1
1 2 1 . On a calcul
Soit calculer An , avec n N , et A =
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
n
B I3
=
B I3 +
B I3
A =
k
0
k
k=0
k=1


(Bk = 3k1 B est valable partir de k = 1, il faut traiter part k = 0.)




n  
n  


n k1
n k
n
1
A = I3 +
3 B = I3 + 3
3 B
k
k
k=1
k=1
(Mise en facteur de B et de 31 . La somme est maintenant une
somme de rels.)
 n  

n
1
1
A n = I3 +
1nk 3k 1 B = I3 + [(3 + 1)n 1] B
3 k=0 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 finalement
1
An = I3 + (4n 1) B
3
On vrifie la formule avec n = 1. La formule est valable aussi avec
n = 0.
123

Partie 2 Algbre linaire


Soit calculer A , avec n
n

On dcompose

N ,

et A =


1 1 1
0 1 1 .
0 0 1




0 1 1
0 0 1
A = I3 + N, avec N = 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  

n n k k
n
n
A = (I3 + O3 ) =
I3 N
k
k=0
 
 
 
n
n
n
0
1
=
N +
N +
N2
0
1
2


car les autres termes du dveloppement sont nuls. Finalement :

1 n n(n+1)
2
An = 0 1
n .
0 0
1
On vrifie 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)
Soit Xn =
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 dfinies sur N .)

un+1 = 6un vn
Xn+1 = AXn avec
vn+1 = un + 4vn




6 1
un
, Xn =
A=
.
1
4
vn
124

Chapitre 4 Systmes linaires Calcul matriciel

Par rcurrence on a Xn = An X0 . An = (5I2 + J)n , avec




1 1
,
J=
1 1
J k = O2 pour tout k  2. La formule du binme fournit


5 + n n
n
n 1
,
A =5
n
5n
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 :
a1,1 x + a1,2 y + a1,3 z = 0
(3) 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




 
 
a1,1 a1,2 a1,3
x
0
y , O=
0
a2,1 a2,2 a2,3 , X =
A=
z
0
a3,1 a3,2 a3,3
Lensemble S des solutions de (3) vrifie 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
fixs (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 :


lx + y + z = 0
x ly + z = 0 .
(1)
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 fix,
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 fixs, 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 vrifie
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
, E2 =
constituent
Les vecteurs E1 =
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


126

1
0
0

Chapitre 4 Systmes linaires Calcul matriciel

dans cette base concident avec les coefficients 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


Dfinition
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
vrifie 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  = f X + X  Im (f ) ;
aY = af (X) = f (aX) Im (f ) .
Soit X =

n

i=1

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

canonique de Mn,1 (R)). On a alors


Y Im (f ) Y = f (X) Y =

xi f (Ei )

i=1

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 vrifie 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 ,
0
A1 = 1 1 1 . ; Ker (f1 ) = S1 = Vect
;
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
lx + y + z = a
x ly + z = b
x + y lz = g


admet une solution unique, ou encore que la matrice Al est inver



 
a
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
Dfinition. 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 difficult 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 dfinit 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 dfinies sur V est un ev.

1.2 Sous-espaces vectoriels


Dfinition. 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 affines), 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 dfinition 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 :


0 0
appartient F ;
F M2 (R) et la matrice nulle
0 0

   

a b
a b

et M =
appartiennent F et a
si M =
c d
c  d




a + a b + b
aa ab

et aM =
R, alors M + M =
ac ad
c + c  d + d
appartiennent F car

 



a + a + d + d = (a + d) + a + d = 0 + 0 = 0
et
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
i=1

est une combinaison linaire des vecteurs u1 , . . . , up .


Lensemble de toutes les combinaisons linaires des vecteurs fixs
u1 , . . . , up de E est un sev de E, appel
vectoriel
 sous-espace

engendr par u1 , . . . , up , et not Vect u1 , . . . , up :

p





ai ui
Vect u1 , . . . , up = u E | a1 , . . . , ap Rp , u =
i=1

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





a b
F=
; a, b R est un sev de M2 (R), donc un ev, car
b a

 

1 0
0 1
,
F = Vect
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



Dfinitions. 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 =
ai ui
i=1

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





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

Les rels a1 , . . . , ap sont alors les coordonnes du vecteur u dans la


base F , et on dit que E est de dimension finie.
Thorme de la dimension. Dans un espace vectoriel de dimension finie 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 finie 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 1
0 0
0 0
,
,
,
0 0
0 0
1 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) :
xyz=0
x=0
x + y + z = 0 y = 0
xu+yv+zw = (0 ; 0 ; 0)
z=0
x + y + 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 Dfinition, exemples
Dfinitions. 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 dfinition.
Pour prouver que f linaire est : un isomorphisme, il suffit 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) dfinit 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 lescolonnes
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

En effet, si u =

xi ei , alors

i=1

f (u) = f

 p

xi e i

i=1

 p

j =1

i=1

ai,j xj

xi f (ei ) =

i=1

p

i=1

n

xi
ai,j ej
j =1

ej

 
do la conclusion, avec M = ai,j 1ip .
1jn

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) .




1 3 5


f (e1 ) = 1 e1 + 2 e2 , . . . donc M = Mat ( f, B , C ) =
2 4 6
139

Partie 2 Algbre linaire

 
x
Avec u = xe1 + ye2 + ze3 , on a X = Mat (u, B ) = y .
z




 x

1 3 5
x + 3y + 5z
y =
Y = MX =
2 4 6
2x + 4y + 6z
z

On a donc f (u) = (x + 3y + 5z, 2x + 4y + 6z), ce que confirme 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
 

 x


Mat ( f, B , C ) = 1 2 3 ; f (x ; y ; z) = 1 2 3 y
z
en identifiant 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 + cX2 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 dfinition, 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
confirme 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
4
1
1
3
1
1
4
=
= 4 1
0
0
0
1 1
1

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 dfinition de la matrice de f dans la base B  , on a donc :


4 0 0


0 0 0
= A = Mat ( f, B )
A = Mat f, B  =
0 0 2

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 finie, 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 dfinie 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 dfinir Ak et f k avec k entier ngatif. En
p
 effet,
si A est inversible et p N, alors Ap est inversible, et (Ap )1 = A1
p

(car Ap A1 = In ). En posant
p
p


Ap = (Ap )1 = A1 ; f p = ( f p )1 = f 1 ,
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 dfinie.

4. Noyau et image dune application linaire


4.1 Dfinitions, proprits
Dfinitions. Soit E, F deux ev de dimension finie, et f : E F
linaire.
Le noyau de f est le sous-ensemble de E, not Ker ( f ), et dfini par
Ker ( f ) = {u|u E ; f (u) = 0F }
Limage de f est le sous-ensemble de F, not Im ( f ), et dfini 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 dfinition, 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 dfinition, 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 suffit dcrire :

p
p


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

i=1

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 suffit 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+z=0
(x, y, z) Ker ( f ) 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 )1in base de E, sif est un iso F, il existe un unique u = ni=1 ai ei dans
morphisme, pour tout v 
n
E tel que v = f (u) =
i=1 ai f (ei ), ce qui prouve que ( f (ei ))1in
est une base de F. Rciproquement, si ( f (ei ))1in est une base de
F, alors pour tout v F, il existe (ai )1in unique dans Rn tel que
n


v = ni=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 finie soient isomorphes, il
est ncessaire quils soient de
 mme dimension. Cette condition est aussi
suffisante : avec (ei )1in , ei 1in 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 )1in 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 suffit 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 ).
) la base canoniquede M2 (R)
Soit B = (E1 , E2 , E3 , E4
 (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 dfinition, sans
oublier de dire que pour tout M de M2 (R), f (M) appartient
M2 (R)).
f (E1 ) = f (E4 ) = 12 I, f (E2 ) = f (E3 ) = 12 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 ))




1 1 1 1
1 1
I, J, J, I = Vect
I, J
= Vect
2 2 2 2
2 2
= Vect (I, J)
En effet, 12 I et 12 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 dfinition), 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.


Enfin, si lquation caractristique a une racine double r1 , on vrifie 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] dfinie 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 :
(X + 1)k =

k  

k
Xi
i
i=0

La matrice A est donc la matrice


     
0
1
2
...
0
0
0

   

1
2
0
...

1
1

 

..
2
.
0
...
A=
2

..
..

.
.
0

..
..

.
.

0
0
0

...
...
...

..

 
n
0
 
n

1
 

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
k  

 
k
w1 X k = (X 1)k =
X i (1)ki
i
i=0

150

Chapitre 5 Espaces vectoriels applications linaires

et par consquent :
 
 
 
0
1
2

...
0
0
0






1
2
0

...

1
1

 

..
2
1

0
...
A = .
2

..
..

.
.
0

..
..

.
.

0
0
0

...
...
...

..

 
n
(1)
0

 
n

(1)n1
1
 

n 2 n

(1)
2

..

 

n
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 vrifie 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


Dfinition. 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 = PAn P 1 .
Si A est diagonale, alors on calcule facilement An , 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 fixe, on vrifie sans peine que lapplication fP de Mn (R) dans Mn (R) dfinie par fP (M) = P 1 MP est un
1
1
automorphisme,
dont la rciproque
est f
P (N) = PNP . Il vrifie 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

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

0
ln

On a alors, pour tout i {1, . . . , n} : f (ui ) = li ui


Cela conduit naturellement aux dfinitions suivantes.
Dfinitions
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

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 dfinition
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 :


1 0 1
A= 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 vrifis, et il est
conseill de le faire ! Dans lexemple trait, la vrification 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 dfinition 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 vrifier 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 suffit 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


Dfinitions
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
dfinitions 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 suffisante 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 suffisante 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 suffisante 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
Daprs la thorie du changment de base, la matrice P = 0 1 4
0 0 2
est inversible, et A = PDP 1 .


1 0 1
 3
Avec f L R de matrice A = 0 2 0 dans la base canonique
1 0 1
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

vec
0
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
 3
6
9 dans la base
Avec f L R 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
 dimensions des sous-espaces propres est gale 2, donc
 des
f L R3 nest pas diagonalisable. (Le fait que f ait deux valeurs
propres ne suffit 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
 plus gale n. Ainsi, si lnonc met en vidence, pour
 au
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 0
est diagonalisable et inversible,
diagonalisable et
0 1
0 0


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

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


1 0 1
Soit A = 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 = PO3 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.

Dmontrons cette proprit. Soient P (X) = pk=0 ak X k 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,
p
k
puis, par rcurrence : f k (u) = lk u, puis
k=0 ak l u = 0E , puis
p
k
k=0 ak l = 0 car u = 0E , P (l) = 0.

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 spcifique nest
exigible, on donne quelques exemples.
165

Partie 2 Algbre linaire


1 0 1
On a vu que lendomorphisme f de R3 de matrice A = 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.


Soit f lendomorphisme de R3 dont la matrice relativement la base




3 1 0
3
1
6 1 . La matrice N = A 3In
canonique B de R est A =
3 8 0
vrifie 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 vrifie 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


3 0 0
A = 3I3 + N  = 1 3 0 ,
0 1 3
166


1
1
1
1 1
0 .
1
2 1

P=

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


On a P 2 = 4I4 , P 14 P = I4 , donc P est inversible et P 1 = 14 P.
On vrifie 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
 n
Donc A = 14 PDP, An = 14 PDn 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 .)
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 spcifique 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 fix  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 1ir , appele matrice de transition.
1jr

La formule des probabilits totales, applique aux vnements


P(Xn+1 = 1) , . . . , P(Xn+1 = r), avec le sce (Xn = i)1ir , 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 dfinie ici est la transpose
de la matrice de transition telle quelle est dfinie dans lenseignement de spcialit pratique des graphes de terminale ES.
On vrifie que la matrice A de lexemple ci-dessus est la matrice de
transition pour la marche alatoire ainsi dfinie :
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 = (2p
, puis
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 (2p
1
n =
1

1)

1
1 (2p 1)n
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 vrifie 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 dfinie par :
u0 = 1 ; u1 = 1 ; u2 = 1
n N, un+3 = 5un+2 8un+1 + 4un
169

Partie 2 Algbre linaire



un+2
Avec Yn = un+1 , on vrifie que, pour tout n, Yn+1 = AYn . On en
un
 
1
n
n 1 1
dduit, par rcurrence, Yn = A Y0 . On a donc Yn = PT P
.
1
On achve les calculs, et la troisime ligne de la matrice obtenue donne,
pour tout n N : un = 9 8 2n + 6n 2n1 .

quation matricielle

Soit rsoudre un problme du type nk=0 ak X k = 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

 n


k
ak PYP 1 = PDP 1 ,

k=0


P 1 = PDP 1 , puis nk=0 ak Y k = D. Le problme
puis P
k=0 ak Y
obtenu est plus simple rsoudre, car D est diagonale.


16
4 4
5 . A est diagonalisable, on a A = PDP 1 ,
Soit A = 18 4
30
8 7




1 0 1
0 0 0
1 et D = 0 1 0 .
avec P = 2 1
0 0 4
2 1 2
k

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

2
PYP 1 = PDP 1 ; PY 2 P 1 = PDP 1 ; Y 2 = 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 vrifier que les matrices trouves vrifient lgalit
X 2 = A, ce qui est bien le cas :
2

X 2 = PYP 1 = 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 ; PDYP 1 = PYDP 1 ;




a 0 0
DY = YD ; Y = 0 b 0 = aE1,1 + bE2,2 + cE3,3
0 0 c
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 fini

1. Espaces probabiliss finis


1.1 Dfinitions
Espace probabilisable fini
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 fini, tout sous-ensemble, ou partie, A, de V est appel vnement.
Avec V fini, le couple (V, P (V)) est un espace probabilisable fini.
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 dfini 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 fini. 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 fini.

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 fini

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

n


P
Ak =
P (Ak )
k=1

k=1

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  2 :

n 
n





(1)k1
Ai =
P Ai1 Ai2 Aik
P
i=1

k=1

1i1 <<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 fini non vide, lapplication P dfinie 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 fini, 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 dfinie partir des vnements lmentaires
Si V = {v1 , . . . , vn }, la donne de n nombres rels p1 , . . . , pn tels que
i 1, n, pi  0 ;
n

pi = 1
i=1

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



pk
P (A) =
{k ; wk A}



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

1
Card(V) ,

on retrouve la probabilit

1.4 Probabilit conditionnelle


Dfinition. Soit (V, P (V) , P) un espace probabilis fini, 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 vrifie que PB est une probabilit.
178

Chapitre 7 Probabilit sur un ensemble fini



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 1k , pour k  1. On part du
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


Dfinition. Soit (V, P (V) , P) un espace probabilis fini, I un ensemble
fini 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 = ;


Ai = V.
iI

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) =
P (B Ai ) =
PAi (B) P (Ai )
iI

iI

Formule de Bayes
Avec Ai0 un des lments du sce (Ai )iI :
 


  P Ai0 B
PAi0 (B) P Ai0
=
PB Ai0 =
P (B)
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 : dfinition 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 )1in , 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 fini

produit. Lnonc fournit


1
P (Ai ) =
; PAi (B) =
n

i 1, n,

 i
1
2

La formule des probabilits totales donne alors


P (B) =

 i

 n 
1
1
1

= 1
n
2
n
2

n

1
i=1

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
 n 

1
2 1
2

1.6 Indpendance
Dfinition
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,



iI

Ai

P (Ai )

iI

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 fini


2.1 Dfinitions
Soit V, P (V) , P) un espace probabilis fini. 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 finie pour prciser que V est fini.
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 fini de couples
de nombres rels. Pour vrifier que cet ensemble est la loi de probabilit dune v.a finie X, avec P (X = xi ) = pi , il suffit de vrifier :
i I, pi  0 ;

pi = 1 .
iI

182

Chapitre 7 Probabilit sur un ensemble fini

2.2 Proprits
La somme, le produit, le quotient (si le dnominateur ne sannule pas)
de deux v.a dfinies sur le mme ensemble V est une v.a.
Si f est une fonction dfinie sur X (V), alors la compose f X est
une v.a dfinie sur V.
Lensemble des v.a dfinies 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


Dfinitions
Deux va finies 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


(Xi = xi ) =
P (Xi = xi )
P
i=1

i=1

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


Dfinition. Soit X une v.a dfinie sur V fini. Lesprance, ou moyenne,
de X est le nombre rel not E (X) et dfini par

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

Cette dfinition est rapprocher de la dfinition 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 :


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

kP (X = k)

k=0

Proprits
Linarit de lesprance
Soit X et Y deux v.a dfinies sur V fini 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
dfinies sur V fini, voir chapitre 5.
Thorme de transfert
Soit X une v.a dfinie sur V fini, et w une application dfinie sur
X (V). Alors

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

En particulier, pour r N ,

E (X r ) =

xi r P (X = xi )

xi X(V)

mr (X) = E

(X r )

est appel moment dordre r de X.

2.5 Variance, cart-type


Dfinitions
soit X une v.a dfinie sur V fini. La variance de X est le nombre rel
not V (X) et dfini par :

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

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 fini

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 finie, 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 dfinie sur V fini.

Alors
V (X) = xi X(V) xi 2 P (X = xi ) [E (X)]2
2
Dmonstration : on
dveloppe (xi E (X)) , 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 finies
Soit X et Y deux v.a dfinies sur V fini.
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 yj P X = xi , Y = yj

xi X(V),yj Y (V)

Gnralisation n v.a finies


Soit X1 , . . . , Xn n v.a dfinies sur V fini.
Si les Xi sont deux deux indpendantes, alors
 n

n


Xi =
V (Xi )
V
i=1

i=1

Dans le cas gnral


 n

n





Xi =
V (Xi ) + 2
Cov Xi , Yj
V
i=1

i=1

1i<jn

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 finies


3.1 Dfinitions
Soit X, Y deux variables alatoires finies.
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 fini



probabilits totales. Avec le sce Y = yj yj Y (V) , on a



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



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



Pour yj fix, la loi conditionnelle de la variable X sachant Y = yj ,


note X / Y = yj , est donne par



P (X = xi ) Y = yj


P(Y =yj ) (X = xi ) =
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 finies, w une fonction de deux variables dfinie
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 ) =



x i yj P X = x i , Y = y j

xi X(V),yj Y (V)

3.3 Covariance
Soit X, Y deux v.a finies. 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 dfinition suivante.
Dfinition. Soit X, Y deux v.a finies. 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 fini, 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 finies 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 finies 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 Coefficient de corrlation linaire


Dfinition. Soit X, Y deux va finies, non certaines. Le coefficient de
corrlation linaire de X, Y est le nombre rel rX,Y dfini 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 fini

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
)
l, ssi il existe c tel que lX + Y = c, avec l = Cov(X,Y
V(X) , do le
deuxime rsultat. Si X, Y sont indpendantes, alors Cov (X, Y ) = 0,
do le troisime rsultat.

4. Lois finies 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), dfinie par

1 si A est ralis
1A =
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
pk (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 difficile :
(X = k) est la runion de nk vnements incompatibles : chacun de ces
vnements
  est une suite de n preuves parmi lesquelles il y a k succs ;
il y a nk 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
n


E (X) =
kP (X = k) =
k
pk qnk
k
k=0
k=1



n
n 1 


n 1 k n k
n 1 i+1 n1i
=
n
pq
=n
p q
k1
i
i=0
k=1

n 1 

n 1 i n1i
= np
pq
= np(p + q)n1 = np
i
i=0
190

Chapitre 7 Probabilit sur un ensemble fini

tapes du calcul : dfinition 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
Xi =
E (Xi ) =
p = np
i=1

i=1

i=1

les v.a Xi sont indpendantes, donc :


 n

n
n



(X)
(X
)
V
=V
Xi =
V i =
p (1 p) = np (1 p)
i=1

i=1

i=1

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,

(Z = k) =

k


[(X = i) (Y = k i)]

i=0

191

Partie 3 Probabilits

Par additivit de la probabilit, puis indpendance de X, Y , on a


n

P (Z = k) =
P (X = i) P (Y = k i)
=

i=0
n 

i=0

n
i

m
ki

pk qn+mk

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 )1im sont
indpendantes et telles que Xi  B (ni , p) , alors

 m
m


Xi  B
ni , p
Ym =
i=1

i=1

Dmonstration par rcurrence.


Simulation de X  B (n, p).
 (  
&

 

A) 

 
A  {' va compter le nombre de succs lpreuve
(;& }

     
(;&   A A4
( A


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
 Np   N(1p) 
k

nk

N 
X (V) 0, n ; k 0, n, P (X = k) =
n
n
avec la convention 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 fini

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
 N  dun tirage simultan de n individus parmi N,
donc Card (V) = 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 

Np
N (1 p)
N
=
k
n
n

k
k=0

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


1 Nn11
n
N 
=
P (Xi = 1) =
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
n
;
N
i=1

n
n n
E (Xi ) =
1
; V (Xi ) =
N
N N

X=

Np

Xi

avec Xi  B

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





Xi =
V (Xi ) + 2
Cov Xi , Yj
V (X) = V


i=1

i=1

1i<jNp



 
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




N 2



 1 1 n 2
n (n 1)
N 
=
E Xi Xj = P Xi Xj = 1 =
N (N 1)
n
Tous les termes de la somme double sont gaux
 n 2


n (n 1)
n (n N)

=
Cov Xi , Xj =
N (N 1)
N
N (N 1)
 Np 
et il y a 2 tels termes. En effet, il a autant de couples (i, j) tels
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,

P (X = k) =

1
n

Esprance, variance
E (X) =

n+1
n2 1
; V (X) =
2
12


Pour le calcul de E (X), on utilise la formule nk=1 k = n(n+1)
2 . Pour le
calcul de V (X),
de Koenig-Huygens, puis, pour
 on
 utilise le thorme

le calcul de E X 2 , la formule nk=1 k2 = n(n+1)(2n+1)
.
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) = 1n , 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 fini

uniforme sur 1, n, car 1  k  n a  k + a 1  b, et


k 1, n, P (X = k) = P (Y = k + a 1) =

1
n

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} :
  ) 
 

   4
( 4 
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
m


k
(Xi  k) =
P (M  k) = P
P (Xi  k) =
n
i=1
i=1

en utilisant lindpendance des Xi . De


(M  k 1) (M = k) = (M  k)
on dduit, par additivit (valable avec k = 1) :
P (M = k) = P (M  k) P (M  k 1) =

 m 

k
k1 m

n
n

195

Variables alatoires
discrtes

1. Espaces probabiliss quelconques


Certaines expriences alatoires conduisent un espace probabilisable
(ensemble des rsultats de lexprience) comprenant un nombre infini
dlments. Par exemple, lexprience qui consiste lancer une pice
de monnaie jusqu lobtention de deux pile conscutifs amne un
espace probabilisable infini, 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 redfinir les notions despace probabilis et de
variable alatoire.

1.1 Dfinitions
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
An T .
nN

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
An =
P (An ) (proprit de s additivit)
nN

nN

Le triplet (V, T , P) est alors un espace probabilis.


Proprits
On retrouve les mmes proprits que pour les espaces probabiliss
finis, 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
Ai =
P (Ai )
i=1

(croissance) si A B, alors

P (A)  P (B) et

i=1



P B\A = P (B) P (A)

formule du crible.
On a de plus les proprits suivantes, dites proprits de limite
monotone :
si A0 A1 An , alors
 + 

P
An = lim P (An )
n= 0

n+

si A0 A1 An , alors
 + 

P
Ai = lim P (An )
n= 0

n+

On lance une pice de monnaie quilibre indfiniment. Soit A


lvnement on obtient indfiniment face . A est lintersection
des vnements An : les n premiers lancers donnent face , avec n
appartenant N .
n N , An An+1 .
 n
Par indpendance des lancers, on a : P (An ) = 12
198

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 ) dfinie par
n

Xk , on obtient
An =
 + 
 n

k=0


Xn = lim P
Xk
P
n= 0

n+

k=0

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 (infinie) dvnements indpendants : une
suite dvnements est indpendante ssi toute sous-suite finie 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 dfinition que dans le cas o V est fini :
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 vrifiant:



Pour tout i, P (Ai ) = 0 ; si i = j, Ai Aj = ; P
Ai = 1, avec I
iI

fini ou dnombrable.
On a, avec (Ai )iI systme (quasi-) complet dvnements, pour tout
vnement B :


P (B) =
P (B Ai ) =
PAi (B) P (Ai )
iI

iI

Quand V (ensemble des rsultats lmentaires de lexprience alatoire) est infini, on ne peut pas dfinir 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 difficults.
La proprit de sadditivit demande la probabilit tend la proprit dadditivit des runions infinies. Elle comporte la somme
dune srie. La convergence de cette srie na pas tre tablie :
n

en effet les sommes partielles
P (Ak ) forment une suite croissante
k=0

(car P (Ak )  0 pour tout k), et majore, car


 n

n


P (Ak ) = P
Ak  P (V) = 1
k=0

k=0

2. Variables alatoires infinies discrtes


2.1 Dfinitions
Soit (V, T , P) un espace probabilis.
Variable alatoire
Une variable alatoire (v.a) dfinie 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 infinie discrte (vaid) dfinie sur V est une
v.a dfinie 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 infini de N


ou Z.
Une variable alatoire discrte (vad) est une variable alatoire finie
ou infinie discrte.
Loi de probabilit
Dterminer la loi de probabilit de la v.a infinie discrte X, cest dterminer X (V), et, pour chaque xi X (V), dterminer la probabilit
P (X = xi ).
Rciproquement, pour vrifier que les couples (xi , pi )iI dfinissent la
loi de probabilit dune vaid X, avec P (X = xi ) = pi , il suffit de vrifier :
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 fini :
La somme, le produit, le quotient (si le dnominateur ne sannule pas)
de deux vad dfinies sur le mme ensemble V est une v.a dfinie sur V.
Si w est une fonction valeurs dans R dfinie sur X (V), la compose
w X est une v.a dfinie sur V.
Lensemble des v.a dfinies sur V constitue un espace vectoriel pour les
oprations X + Y, aX.

2.3 Fonction de rpartition


Dfinition. Soit X une v.a sur V. La fonction de rpartition de la
v.a X est lapplication FX de R dans R dfinie 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 vrifiant 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


ab:
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 infinie discrte (resp. finie)
ssi FX est une fonction en escalier (cest--dire constante par intervalles),
telle que lensemble de ses points de discontinuit est dnombrable (resp.
fini). Cet ensemble est alors gal X (V).

Indpendance de variables alatoires discrtes


Dfinitions.
Deux vad X, Y dfinies 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


(Xi = xi ) =
P (Xi = xi )
P
i=1

i=1

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)


Dfinition. Soit X une variable alatoire infinie discrte dfinie 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 :

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

202

Chapitre 8 Variables alatoires discrtes

Un cas particulier dutilisation frquente :


Si X (V) = N ,

E (X) =

kP (X = k) ;

k=0

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
dfinies sur V et admettant une esprance.
Thorme de transfert
Soit X une vaid, w une application dfinie 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)) =
w (xi ) P (X = xi )
xi X(V)

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 infinies 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

2
de Riemann), et, tant admis que +n=0 n12 = p6 , on tablit sans peine
que X est bien une variable alatoire (ou que lon a bien dfini 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
Dfinitions
Soit X une v.a infinie discrte admettant une esprance E (X). Sous
rserve de convergence de la srie, la variance de X est dfinie par :

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

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 infinie discrte.
  X admet une variance ssi X admet
un moment dordre 2, E X 2 , et on a alors :

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

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
 2

La srie de terme gnral xi + 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 =

+

1
n3
n= 1

X admet une esprance, car nP (X = n) = na2 , et la srie de Riemann


 1
de moment dordre 2, car
n2 est convergente ; mais X nadmet pas
1
n2 P (X = n) = na , et la srie de Riemann
n est divergente. X nadmet donc pas de variance.
Variance dune somme de 2 v.a infinies discrtes
Soit X et Y deux v.a infinies 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

Cov (X, Y ) = E (XY ) E (X) E (Y ) ,

avec
E (XY ) =



xi yj P X = xi , Y = yj

xi X(V),yj Y (V)

205

Partie 3 Probabilits

Gnralisation n v.a infinies discrtes

Si les Xi admettent des variances, alors la somme


variance, et :
si les Xi sont deux deux indpendantes, alors
 n

n


Xi =
V (Xi )
V
i=1

Xi admet une

i=1

i=1

dans le cas gnral


 n

n





V
Xi =
V (Xi ) + 2
Cov Xi , Yj
i=1

i=1

1i<jn

3. Couple de variables alatoires discrtes


3.1 Dfinitions
Soit X, Y deux variables alatoires discrtes. Les dfinitions sont les
mmes que dans le cas fini, 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 fix, la loi conditionnelle de la variable X sachant Y = yj
est donne par



P (X = xi ) Y = yj


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



x i yj P X = x i , Y = y j

xi X(V),yj Y (V)

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 fini, mais sous rserve dexistence. On admet que ces calculs sont
possibles si X et Y admettent des variances.
Dfinition. 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 ) =
x i yj P X = x i , Y = y j
xi X(V),yj Y (V)

Proprits. Ce sont les mmes que dans le cas fini, 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.
Coefficient de corrlation linaire
Dfinition. Soit X, Y des vad admettant des variances, et non quasicertaines. Le coefficient de corrlation linaire est le nombre rel rX,Y
dfini 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 infinies discrtes usuelles


4.1 Loi gomtrique
Dfinition. 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 indfiniment. chaque preuve,
la probabilit du succs est p fix 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

Vrifions quil sagit dune loi de probabilit. Avec q = 1 p :


n N , P (X = n) = qn1 p  0 ;
+
+
+



1
n 1

P (X = n) =
q p=p
qn = p
=1
1

q
n= 1
n= 1
n= 0

qn est donc convergente, de
car q ]0 ; 1[, la srie gomtrique
nN

1
somme
. Voir 2.4.2.
1q

La vrification 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) =

nP (X = n) =

n= 1

nqn1 p = p

n= 1

nqn1

n= 1

n 1

Or la srie de terme gnral nq


est convergente (srie gomtrique
drive de raison q ]0 ; 1[), et a pour somme
+

nqn1 =

n= 1

1
1
= 2
p
(1 q)2

Do la conclusion. Ce rsultat est facile retenir, il signifie par exemple


que quand on lance un d cubique quilibr, le 6 (probabilit dapparition gale 16 ) 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 (n 1) qn2

n= 2

209

Partie 3 Probabilits

La srie obtenue est convergente (srie gomtrique drive seconde de


raison q ]0 ; 1[ ), de somme (12q)3 = p23 . Il ne reste plus qu achever
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
+

n= 0

qn p = p

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 :




n 1 n1(r 1) r
n 1 n r r
P (X = n) =
q
p p=
q p
r1
r1
Loi gomtrique tronque. X est le numro de lpreuve qui
apporte le premier succs, mais le nombre dpreuves est limit n, n
fix. 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

P (X = n) = qn +

k=0

qk1 p = qn + p

k=1

1 qn
=1
1q

Bien remarquer quil faut traiter part le cas (X = 0).


Pour le calcul de lesprance, la dmarche est connatre :
E (X) =

k1

kq

p = pf (p) , avec f (p) =

k=1

qk = q

k=1

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.
Dfinition. 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

ln
n!

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)
Vrifions que la loi de Poisson P (l) est une loi de probabilit.
P (X = n) est toujours positif, et
+

n= 0

P (X = n) =

+

n= 0

e l

+ n

ln
l
= 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) =

nP (X = n) =

n= 0

nel

n= 1

= e l l

+

k=0

+

ln
ln 1
= e l
l
(n 1)!
n!
n= 1

lk
= el lel = l
k!

Chaque tape du calcul est importante comprendre : dfinition ; la


somme dmarre vraiment avec n = 1 ; simplification par n ; mise en
facteur de l et changement dindice k = n 1 ; on reconnat la srie
exponentielle et les calculs prcdents sont justifis.
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 ; simplification 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 :
(Z = n) =

n


((X = k) (Y = n k))

k=0

Par additivit, puis indpendance, il vient


P (Z = n) =

P (x = k) P (Y = n k) =

k=0

P (Z = n) = e(l+m)

n

k=0

e l

lk m mnk
e
(n k)!
k!

1 lk mnk
1
n!
= e(l+m) (l + m)n
n! k=0 k! (n k)!
n!
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
Xk
k=1

212

Chapitre 8 Variables alatoires discrtes

suit la loi de Poisson de paramtre


et on a la conclusion.

lk , et est indpendante de Xn+1 ,

k=1

Aspect numrique
Soit X  P (l), l > 0. On vrifie 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 affichant 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 affiche 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 fix dans N , est une loi binomiale :
Pour tout k {0, , n}, on a :

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 
nk
l
m
n
=
k
l+m
l+m

P(Z=n) (X = k) =

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 :
 
n k n k
P(N =n) (X = 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) =
=

P(N =n)
n= 0
+  

n= k

= p k e l

(X = k) P (N = n)
+

1 nk ln
n k nk l ln
pq e
= p k e l
q
k
(n k)!
n!
k!
1
k!

+

i=0

qi

li+k
1
= lk pk el
i!
k!

(lp)k
1
= (lp)k el eql = elp
k!
k!

214

n= k
+


i=0

(ql)i
i!

Chapitre 8 Variables alatoires discrtes

Ce calcul concentre bien des difficults 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 simplifie 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 fix dans N :
n

lim P (Xn = k) = el

n+

En effet, on a

lk
k!

   k 

l
l n k
n
P (Xn = k) =
1
k
n
n


k
l
n!
l n k
=
1
k! (n k)! nk
n

Or, dune part :


n!
n (n 1) (n k + 1)
=
k! (n k)!
k!

n+

nk
k!

Et dautre part :


l
l n k
1
= e(nk) ln(1 n ) el
n+
n
 l
car lexposant est quivalent n 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 Dfinitions
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 fini 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  a  b < +,
( b
f (t) dt
P (a  X  b) =
a

Fonction de rpartition
Comme pour nimporte quelle v.a, la fonction de rpartition (f.r) de
X est la fonction FX dfinie 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,

P ((X  x) (Y  y)) = P (X  x) P (Y  y) ,

ou, de faon quivalente :


x, y R,

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 :
( x
P (X  x) = Fx (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,
( b
P (a  X  b) =
f (t) dt = FX (b) FX (a) ;
a
( b
f (t) dt = FX (b) ;
P (X  b) =

( +
f (t) dt = 1 P (X  a) = 1 FX (a) .
P (X > a) =
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 fini 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 fini 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 vrifier 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 fini 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 suffit de vrifier que :
F est continue sur tout R ;
F est de classe C1 sur R priv dun nombre fini de points.
Soit X et Y deux vaac indpendantes, de mme densit f dfinie par :
f (t) = 0 si t < 0 ;

f (t) = et si t  0.

Soit M la v.a dfinie sur R par : (M  x) = (X  x) (Y  y). La


variable alatoire ainsi dfinie 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 =
et dt

0
( x
= lim
et dt
x+

%
!x
= limx+ et 0 = 1

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

Si x  0, F (x) =

et dt = 1 ex .

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  x)
= P [(X  x) (Y  x)]
= P (X  x) P (Y  x) ,
car X et Y sont indpendantes. On obtient donc :

0
si x < 0
2

FM (x) = [F (x)] = 

x 2
1e
si x  0
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 :

0

 si x < 0
fM (x) =
2ex 1 ex si x  0

1.3 Esprance, variance


Esprance (ou moyenne)
Soit X de densit f . Par dfinition,
(
E (X) =

t f (t) dt

sous rserve de convergence de lintgrale.


Thorme de transfert. Soit X de densit f , soit w une fonction
dfinie sur R, continue sauf en un nombre fini de points. Alors, sous
rserve de convergence absolue de lintgrale :
( +
w(t) f (t) dt
E (w (X)) =

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 dfinition,
( +


(t E (X))2 f (t) dt = E [X E (X)]2
V (X) =

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 =
t2 f (t) dt

 
est convergente. On a alors 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

xa
F (x) =

ba
1

si x  a
si a  x  b
si x  b

Esprance
E (X) =

a+b
2
221

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
(x)
=
FX
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



a
xa
si a  x  b
FY (x) = FX
=

ba
ba
1
si x  b
a
Car w : x xb
a est une bijection strictement croissante de R sur
(a)
R, avec w = 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]).
  )

 
   4 
( 

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 :

0
si t < 0
f (t) =
aeat si t  0
Fonction de rpartition
F (x) =
222

0
si x  0
1 eax si x  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 vrifie 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 vrifiant (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 dfinie 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  eax = 1 F eax

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).
(a) (a > 0).
Si X  U (]0 ; 1]), alors Y = ln(X)
a  E
On utilise ce rsultat pour simuler une v.a suivant la loi E (a) :
&

( ( ?& 

&)B)C

/0123
 &

&  B 
(  B8
C  B!& 5
 C036-

223

Partie 3 Probabilits

Dterminons lexpression de la f.r F partir de celle de la densit f :


Si x < 0, alors
( x
( x
f (t) dt =
0 dt = 0 ;
F (x) =

Si x  0, alors

( x
( 0
f (t) dt =
0 dt +
aeat dt

0
% at !x
ax
= 0 + e
=1e
0
(

F (x) =

Et on vrifie que la fonction obtenue est continue sur R.


Calculons E (X). Pour x > 0, on effectue lintgration par parties :
+
,
( x
( x
% at !x
1 at x
at
at
ax
tae
dt = te
+
e
dt = xe
+ e
0
a
0
0
0
On obtient donc, car f est nulle en dehors de [0 ; + [ :
( x
( +
( +
1
E (X) =
tf (t) dt =
tf (t) dt = lim
taeat dt =
x

0
0
 2
On procde de mme pour le calcul de E X , pour obtenir V (X).
Remarques
Loi exponentielle et loi gomtrique. Soit X  E (a), et T la v.a
dfinie sur N par :
n N , (T = n) = (n 1  X  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

(lt)0
= elt ;
0!

P (Y  t) = 1 elt

Et comme P (Y  t) = 0 si t  0, on en dduit que Y  E (l) .


224

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
 la loi normale de paramtres
 X suit
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 dfinie 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 dfinie par w(t) =
consquent (intgrale de Gauss) :
( +

t2
e 2 dt = 2p

t
1 e 2
2p

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


xm
P (X  x) = F
s


P (a  X  b) = F

bm
s


F

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 suffisant en utilisant le 2 de la proposition 2).


Pour toute v.a X  N m, s2 :


P |X m|  s = P (m s  X  m + s)




m+sm
msm
=F
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.
(

2 t2

t e
0

dt =

2p
. En effet, avec X  N (0, 1), on a E (X ) = 0
2

et V (X ) = 1, donc
( +
t2
1

(t 0)2 e 2 dt = 1,
2p

donc

Do le rsultat, car la fonction intgrer est paire.


226

t2

t2 e 2 dt =

2p

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 :


V (X)
> 0, P |X E (X)| <  1
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 :


s2
P |Zn m|   2
n
Il en rsulte :




lim P |Zn m|  = 0 ;
lim P |Zn m| < = 1
n+

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 sn .
227

Partie 3 Probabilits

3.3 Convergence en loi


Exemple 1

Thorme.
 l Soit l > 0 fix, et soit, pour tout n N , Xn une v.a
de loi B n, n . Alors

k N,

lim P (Xn = k) = el

n+

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.
Soit Sn la variable centre rduite associe
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 :
( b 2


t
1

e 2 dt
lim P a  Sn  b =
n+
2p a
Thorme admis.
E (Sn ) = nm ; V (Sn ) = ns2 ; Le thorme de la limite centre signifie
donc, pour tout a, b dans R tels que a < b :


( b 2
t
Sn nm
1

b =
e 2 dt
lim P a 
n+
s n
2p a
Soit Zn = 1n (X1 + X2 + + Xn ) = Snn .
On a daprs lgalit ci-dessus :


( b 2
t
Zn m
1

=

b
e 2 dt
lim P a 
s

n+
2p a
n

Et comme E (Zn ) = m, V (Zn ) =

s2
n ,

on obtient :
( b 2


t
1
lim P a  Zn  b =
e 2 dt
n+
2p a

228

Chapitre 9 Variables alatoires densit Convergences,...

 
Avec Zn v.a centre rduite associe Zn , la suite Zn converge elle
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 dfinition


gnrale se traduit comme indiqu dans les deux cas voqus ici.

3.4 Approximations
1
Si le taux de sondage Nn est infrieur 10
, la loi hypergomtrique
(N,
H
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 signifie 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
, avec X  N (l, l)
P (X = n) P n  X  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 approxi

2
mativement la loi N m, sn .

4. Estimation
Une exprience alatoire donne lieu une observation numrique. Cela dfinit
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 trafic.
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


Dfinitions. 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, afin 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 dfinition 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 confiance


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 confiance pour p au
niveau de confiance 1 a (ou au niveau de risque a) ssi :
P (a  p  b)  1 a
a est souvent donn sous forme de pourcentage : on parlera dun intervalle de confiance au niveau de confiance 95 % par exemple .
On obtient un intervalle de confiance 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 dfinie 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
S1 000 =

1
000
i=1

Xi ;

Z1 000 =

1 000
S1 000
1
=
Xi
1 000
1 000 i=1

Appliquons lingalit de Bienaym-Tchebycheff la v.a Z1 000 :



 V (Z1 000 )
> 0, P |Z1 000 E (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 :
p)
V (Z1 000 ) = p(1
1 000 . On obtient donc :

 p (1 p)
> 0, P |Z1 000 p|  
1 0002
Par consquent :




p (1 p)
> 0, P |Z1 000 p| <  P |Z1 000 p|   1
1 0002
232

Chapitre 9 Variables alatoires densit Convergences,...

Pour tout p [0 ; 1], on a 0  p (1 p) 


f (t) = t (1 t) sur [0 ; 1]). Donc

1
4

(tudier la fonction

p (1 p)
1
1
1
 0,90 pour tout  .
2
2
1 000
4 000
20
On a obtenu finalement


1
 0,90
P |Z1 000 p| <
20
1

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 confiance pour p au niveau de confiance 0,90 est donc


]0,43 ; 0,53[.
Maintenant,
utilisons le thorme de la limite centre, applique

Zn = 1n ni=0 Xi : la variable centre rduite associe Zn converge en
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  T  1,65)  0,90
On a donc, en tenant compte de p (1 p)  14 :


1
1
 0,48 p  1,65
 0,90
P 1,65
2 1 000
2 1 000
On obtient finalement, par cette mthode
[0,453 ; 0,507]
comme intervalle de confiance pour p au niveau de confiance 0,90.

233

Partie 4

Informatique

lments
dalgorithmique

10

1. Le langage PASCAL
1.1 Structure gnrale dun programme
1 ) En-tte du programme
Syntaxe
&

( ( ;
2 ) Dclaration des variables



 

 
?)(+ 


+
 

+


+,--.


( 

+,--$)--$.

 
    

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
/0123
< instructions >
036-

une instruction se termine par un


point-virgule, le programme principal par un point final

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 :
5

5
 D D 

instruction facultative, qui affiche


lcran les caractres entre comas
(D) ; lutilisateur entre alors la valeur
souhaite au clavier



  

la variable  reoit cette valeur


comme contenu

On initialise une variable de sortie par affectation :


?   
(+   4! 
    

     
 ,.   

 et  ont t initialiss
 ,. reoit la valeur 10,
...
 ,. reoit la valeur 1

Quand les variables de sortie ont le contenu souhait, il faut afficher


lcran ce contenu :
5
 ) 
affichage des contenus de , . Ne pas
confondre avec : 5
 D)D  , qui
affiche exactement a,b
5
  ) 

238

idem, puis passage la ligne

Chapitre 10 lments dalgorithmique

1.3 Oprateurs et fonctions


Oprateurs et fonctions arithmtiques
oprateurs
4  
!
 ?& E





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  5 est 4, le contenu de 23 ( 5 est 3, car
23 = 5 4 + 3.
Oprateurs logiques
Entre(s) et sortie sont de type boolen (reoivent la valeur 
 ou
 ).
&
F
G

 &
G
F

&
F
F
G
G

E
F
G
F
G

& 
E
F
F
F
G

&  E
F
G
G
G

Oprateurs relationnels
Les variables dentre sont de type rel ou entier. La variable de sortie
est de type boolen :
 ; ;8 pour = ; ; ; 8 ; ; pour  ; 8 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 >]
5 < relation >  < instructions >

&  < instructions >  < relation >


239

Partie 4 Informatique

1.4 Gnrateurs de nombres alatoires


On crit linstruction
(H juste aprs le /0123 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.

Affichage dun nombre alatoire appartenant [0, 1] :


&

(   /0123
(H 5

( 036 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 :


&

(  




/0123
(H 


( I4 5
  
 036-

1.5 Instruction conditionnelle    

 ;
8
 

Si
 a la valeur 
 , les instructions A sont excutes ; sinon les
instructions B sont excutes.

 
< instructions A >


Avec une seule instruction A, le


   est inutile, idem pour
les instructions B.


 
< instructions B >
 

 ne doit pas tre prcd immdiatement dun point virgule.


Le  et les instructions B sont
optionnelles.

240

Chapitre 10 lments dalgorithmique

1.6 Boucles dfinies


GJK    FJ 
6J
 
< instructions A >
 

 et  sont deux nombres entiers, ou


deux variables initialises de type entier.
Les instructions A sont excutes avec 
de contenu , puis avec  de contenu
4,. . . , puis une dernire fois avec 
de contenu .
Si 8, les instructions A ne sont pas excutes.

Variante :
GJK    6JL3FJ  6J 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


K070MF
< instructions >
B3F2N < relation >

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 infinie.
LO2N0 < relation >
Les relations dlimites par le  
6J
  sont excutes tant que la relation est vraie. Elles peuvent ne pas tre
 
du tout excutes.
< instructions >
 
La relation doit devenir fausse, sinon on entre dans une boucle infinie.
Si il y a une seule instruction excuter, le     est inutile.

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}
{}
&
 

PMK ?)+
 
{en-tte de la procdure, avec x et y comme paramtres}

?
 
{dclaration des variables internes la procdure, dites locales}
 
?  ?  ?  +  +  ?  5
  ?)+ 
{avant deffectuer ? +, on stocke le contenu de ? dans une variable
auxiliaire, sinon sont contenu est perdu}
 {le    encadre le corps de la procdure}
{}
/0123
{dbut du programme principal}
5
 DD 
  
5
 DD 
  
{initialisation des variables dentre}
 8   
) 
{si  8 , il y a appel de la procdure 
, qui est alors excute
avec les paramtres ?)+ remplacs par les variables )}
5
  ) 
{affichage du rsultat}
036- {fin du programme principal}

On voit sur cet exemple quon dfinit une procdure de la mme


manire quon dfinit 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 :
&
 

PMK ?)+
 
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 PMK 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 PMK 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 dfinit 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 &
} ;
 {fin de la dfinition de la fonction}
243

Partie 4 Informatique

Rcursivit
Dans le corps de la fonction &
prcdente, lintroduction de
la variable locale xpn est artificiel, mais obligatoire pour une fonction
dfinie de faon itrative.
Une autre possibilit est de dfinir une fonction &
 de faon rcursive, trs proche de la dfinition 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 dfinit une fonction de la mme de la mme manire quon dfinit
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 PMK devant les paramtres) ;
Linstruction 5
   est une commodit daffichage : 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 /0123
036 du programme principal et le mot-cl PMK 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 affichage des 100 premiers termes de la suite (un ) dfinie par

2
u0 = 1
avec f (x) = ex
n N, un+1 = f (un )
Linstruction cruciale est

   

&

( 
 
{en-tte du programme}


  

{dclaration des variables globales}
 ?

 
 
 ?& ?? 
 
{dclaration de la fonction f}
/0123
{dbut du programme principal}
    
{initialisation des variables}
5
  ) 
{affichage du terme de rang 0 de la suite, avec son rang}

   ## 
 
   
{le contenu un de u est remplac par f (un ) = un+1 }
5
  ) 
{affichage du terme de rang n de la suite, avec son rang}
 
036{fin 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 : 5
 DQD 
   .
245

Partie 4 Informatique

Programmation dune somme


Linstruction cruciale prend la forme
(( (( 4(

Calcul et affichage des des nombres

n ; un ; Sn = nk=1 uk ; avec n {1, . . . , 100}, un = f (n), f (x) =

1
x

&

( (( 

 
 @)
 
 ?

 
  !?   
/0123
@  

    
 
   
@ @4 
5
  ))@ 
 
036On 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 1n , n N est divergente ( voir 2.4.3) :


approche numrique. A tant un rel positif donn par lutilisateur, on
calcule la somme partielle Sn = 1 + 12 + + 1n jusqu ce que sa valeur
dpasse A, on affiche alors la valeur de Sn et le rang n.
&

( 
( 

M)@
  

/0123

 M {donner une valeur raisonnable pour A, 8 par exemple}


@    

& 
 4  @ @4! 
 @8M 
5
  @) 
036-

246

Chapitre 10 lments dalgorithmique

2.2 Exemples en analyse


Calcul de Sn (x) =

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.
k

 &
 ?
  

 
 
    &
  
 &
  &
 ? 
 
 
 

 
 
    
  

   
  
 
 @ ?
  

 
      @ 
{ avec n = 0, le contenu de S1 doit tre x0 /0! = 1 }
 @ @ ?)4 &
 ?)! 
 ?) 
 

On constate par exemple que linstruction 5


  @ )  dans
un programme principal produit laffichage dune valeur approche de e
moins de 106 prs, ce qui est conforme la thorie, voir 2.4.2.

k
Calcul de Sn (x) = nk=0 xk! , deuxime mthode
Lalgorithme prcdent est maladroit, car chaque appel des fonctions
&
 et 
 recommence tous les calculs au dbut, sans utiliser
les relations de rcurrence
xn+1 = xn x , (n + 1)! = n! n.
On crit une fonction @ itrative. chaque itration, on effectue
@(( @(( 4& , & variable qui contient les valeurs successives

1=

x0
x1
x2
;
;
; ...
0!
1!
2!
247

Partie 4 Informatique

 @ ?
  

 

@(( )&
   

 
&   @((   {valeurs de

     
 
&  &?! 

x0
0!

et

k 1

0

xk
k=0 k! }

{le contenu de & passe de (kx1)! xk! }


@(( @(( 4& 
{le contenu de @(( passe de Sk1 (x) Sk (x)}
 
@ @(( 
 
Comparaison des deux mthodes
Chaque appel rcursif de la fonction S1
@ @ ?)4 &
 ?)! 
 ?) 

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 ;
  4  4  4 --- 4     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
( &
 PMK A 
 
& est le paramtre dentre (la probabilit du succs), A est le paramtre
de sortie (le rang du premier succs).

248

Chapitre 10 lments dalgorithmique

&
 
( &
 PMK A 
 



 
 
A  

& 

 
( 
{resultat est un rel alatoire appartenant [0 ;1]}

 ;&   5
 D@D
 5
 D0D 
{la probabilit de
 ; & est p, probabilit du succs}
A A4 
{numro du tirage en cours}

 ; & 
{on continue jusquau succs}
L
  A 
 
On peut utiliser la procdure ainsi dfinie dans un programme principal, par exemple sous la forme :
/0123

(H 
( -)C 
5
  C 
036La variable C est une variable (dclare) du programme principal.
Lexcution du programme produira par exemple laffichage
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 = 1n (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
( &
 PMK A 
 

dfinie prcdemment pour donner une estimation de lesprance


249

Partie 4 Informatique

E (X) = 1p de cette variable alatoire. On crit uniquement le programme principal :


/0123

(H 
& 
(  {le paramtre inconnu de X}
@   {initialisation de la somme X1 + + Xn }

     {1000 taille de lchantillon}
 
( &)A 
@ @4A 
 
5
  @!  {valeur donne par lestimateur Z1000 }
5
  !&  {on compare la valeur de lesprance}
036-

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 3) ) . Le paramtre de sortie est A.
&
 
+&
3)) 
PMK A 
 
 
    
(;!3   A A4 
 8   
(;!3
 
 
A A4 
+&
3)))A 

 +&
3)))A 
 

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
 (?.
&

( (?(( 

 

+,--.  

))(?)
 (? 

/0123
5
 DD 
  
5
 D<

D))D(
 
 

    
 ,. 
(? ,. 
 (?  

    
 
 ,.8(?  
 
(? ,. 
 (?  
 
 
5
 
 (?)(? 
036-

<
D 

Recherche dichotomique du rang c dun lment donn A 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 ,.A.

 ))A 
 


 


251

Partie 4 Informatique

 
 
 4!  {
 partie entire}
 ,.A  
  
 ,.;A  
 
 ))A 
 ,.8?  
 
 ))A 
 

On fera appel de cette fonction dans un programme principal de la


manire suivante : 5
 
 ))A 
avec  et  dclars et initialiss comme dans le programme prcdent,
et A dclar de type entier et initialis par lecture.

252

Index

A
accroissements finis 51
algorithme
du pivot 118
informatique 238
application
bijective 3
identit 4
injective 3
surjective 3
au voisinage de 34
automorphisme 138
B

biais 230
bijection 3
thorme de la) 44
rciproque 4
branches infinies 40
C
cardinal (dun ensemble) 12
changement de variable
dans une intgrale dfinie 90
dans une intgrale gnralise
104
coefficient de corrlation linaire
188
combinaison linaire 134
condition ncessaire 6
condition suffisante 6

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

253

Index

forme linaire 138


formule
de Bayes 180
de Pascal 15
de Taylor avec reste intgral
96
de Vandermonde 16
des accroissements finis 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

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 finis 51
triangulaire 27
injection 3
intgrale de Gauss 225
intgration par parties 89
intervalle de confiance 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

254

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

Pascal
formule de 15
triangle de 15
permutation 13
point dinflexion 53
point fixe 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

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