INTRODUCTION AUX MATHEMATIQUES APPLIQUEES

"Ne t'inquite pas si tu as des difficults en maths, je peux t'assurer que les miennes sont bien
plus importantes !" "L'imagination est bien plus importante que la connaissance."

Albert EINSTEIN (1879-1955)

Denis CLARINVAL

SEPTEMBRE 2012
 CHAPITRE I : ARITHMETIQUE

ADDITIVITE ET CHANGEMENT DE SIGNE.

Rgles.

La multiplication de deux nombres ngatifs donne un nombre positif ;

La multiplication dun nombre positif par un nombre ngatif donne un nombre
ngatif ;
La multiplication de deux nombres positifs donne un nombre positif.

Illustrations.

1 (2) 1 2 3
1 (3 4) 1 3 4 2
DISTRIBUTIVITE ET MISE EN EVIDENCE.

Distributivit : illustrations.

2*(a b) 2* a 2* b
(a b)*(c d ) a * c a * d b * c b * d
(a b)*(c d ) a * c a * d b * c c * d
(a b)*(c d ) a * c a * d b c b * d
Mise en vidence : illustrations.

3* a 3* b 3*(a b)
4* a 4* b 4*(a b)
Notation.

Le produit de 2 par A peut tre, indiffremment not :

2 A 2* A 2. A

1
COMMUTATIVITE.

A B B A
A* B B * A
A B B A
ELEMENT NEUTRE ET ELEMENT ABSORBANT.

Elment neutre.

Llment neutre pour laddition (et la soustraction) est 0.

A0 A
A0 A
Llment neutre pour la multiplication est 1.

1* A A
1*( A) A
Elment absorbant.

Llment absorbant pour la multiplication est 0.

0* A 0
0* ( A) 0
( A B) *0 0
Remarque.

On ne peut pas diviser par 0 ; plus prcisment la division par 0 reprsente un point limite
inaccessible que lon peut, mathmatiquement reprsenter de la manire suivante (pour x
positif) :

1
lim 0( )
x

2
OPERATIONS SUR LES FRACTIONS.

Produit de 2 fractions.

a c a *c
*
b d b*d
1 2 1* 2 2 1
*
2 3 2*3 6 3
Rduction au mme dnominateur.

On choisit, pour laddition de deux fractions, le plus petit commun dnominateur.

1 1 3 2 5

2 3 6 6 6
Simplification de fraction.

2A 4A 4A 4A 8A 4A

3B 6 B 6 B 6 B 6 B 3B
2 AC 4 AC 4 AC 4 AC 4 AC 4 A

3BC 6 BC 6 BC 6 BC 6 BC 3B
2 AB 4 BD 2 B( A 2 D ) A 2D

6 BC 4 BD 2 B(3C 2 D) 3C 2 D
Notation.

1
A1
A
1
A
2
2
A

3
Division de fractions.

2 4
2* 2* 4 8
1 1
4
1
2 1 * 4 1* 4 4 2
1 2 1 2*1 2
4
1
2 1*1 1
2 2 2 4

EXERCICES.

Distributivit.

(2 A 4 B) *(3C 2 D )
(2 A 3B ) *(2C 4 D)
2 A *(2 B 2C )
Produit de fractions.

1 2
*
2 3
1 2 3
* *
4 3 2
2 A 2 B 4C
* *
4B 2 A 2

4
Produit et somme de fractions.

1 2 3
*( )
2 3 4
1 3 1 2
*( )
2 4 3 1
2
2A 2 4
*( )
2C 4 A 2 B
ABC 2 2 2
*( )
2 A B C

5
 CHAPITRE II : ALGEBRE
LES PUISSANCES.

Produit de deux puissances.

X *X X
a b a b

X *X X X
2 3 2 3 5

1
X *X X X
2 3 2 3 1

X
Puissance dun produit.

( A * B) A2 * B 2
2

2
( A *B ) A * B A * B
2 2*2
3 3*2 4 6

Puissance dune puissance.

( X ) X a*b
a b

( X 2) X 2*3 X 6
3

3 1
( X 2) X 2*( 3) X 6 6
X

6
Puissance dun e fraction.

a
X X
a

a
Y Y
2
X X2
2
Y Y
2
X X 2*2 X 4
2

3 3*2 6
Y Y Y
2
2 X 2 22 * X 4 2*2
4 X
3 2 3*2
3Y
6
3 *Y 9Y

LES PRODUITS REMARQUABLES.

Carr dune somme.

( A B ) A2 2 AB B 2
2

(2 A 3B ) (2 A) 2(2 A)(3B ) (3B ) 4 A2 12 AB 9 B 2

2 2 2

( A B ) A2 2 AB B 2
2

( A2 B 3) A2*2 2 A2 B 3 B 3*2 A4 2 A2 B 3 B 6
2

2 2 2
1 1 1 1 1 1 1 2 1
( ) ( ) 2 ( ) 2 2
A B A AB B A AB B
Diffrence de deux puissances 2.

A B ( A B) * ( A B)
2 2

7
APPLICATION AUX MATHEMATIQUES FINANCIERES.

La capitalisation : lintrt compos.

Monsieur G. DUPOGNON a dcid de placer durant 5 ans la somme de 1.000,00 ; le taux

dintrt annuel propos est de 10 %. Le placeur a en outre dcid de ne jamais retirer, en fin
danne, lintrt produit durant lanne coule (cest prcisment ce que lon appelle
lintrt compos). De combien disposera le placeur au terme des 10 annes venir.

1000* (1 0,10)10 2593, 74

Les emprunts avec remboursement par annuit constante.

Monsieur G. SUY-FAUCHE souhaite emprunter la somme de 10.000,00 ; le banquier lui

propose les conditions suivantes : lemprunt est remboursable en 5 ans par annuit constante
au taux annuel nominal constant de 10 %. Combien lemprunteur devra-t-il dbourser chaque
anne ?

La formule gnrale, pour le calcul de lannuit, est la suivante :

i *(1 i )
t
A VA *
(1 i ) 1
t

A Annuit constante
VA Capital emprunt
i Taux dintrt annuel nominal
t Dure de lemprunt

Dans notre exemple, cela donne :

0,10*(1 0,10)
5
A 10000* 2.637,97
(1 0,10) 1
5

8
Lactualisation.

Monsieur G. DELAPATIENCE recevra, dans 5 ans la somme de 10.000,00 ; que vaut

aujourdhui cette somme, sachant que, sil en avait dispos immdiatement, il aurait pu,
durant 5 ans, la placer au taux annuel constant de 10 %.

10000
6.209, 21
(1 0,10)
5

LUTILISATION DES LOGARITHMES.

Le recours aux logarithmes est particulirement utile quand il sagit de dterminer la valeur
dune inconnue se trouvant en exposant.

Illustration.

Reprenons le cas de Monsieur G. DUPOGNON ; nous savons quil dispose dune somme de
1.000,00 quil souhaite placer au taux de 10 %. La question est la suivante : pendant
combien dannes devra-t-il placer cette somme avant datteindre un capital de 2.593,74 ?

On peut reprsenter le problme par lexpression mathmatique suivante :

1000* (1 0,10) x 2593, 74

Bien entendu il sagit de dterminer la valeur de x. ; on peut rcrire lexpression ci-dessus de
la manire suivante :

2593, 74
(1 0,10) 2,59374
x

1000

(1,10) 2,59374
x

Le membre de gauche tant gal au membre de droite, ils ont forcment le mme logarithme :

log (1,10) log(2,59374)

x

9
Une proprit remarquable des logarithmes

log( X a ) a * log( X )
Le problme rsoudre devient :

x *log(1,10) log(2,59374)
log(1,10) 0, 41392644
x 10
log(2,59374) 0, 04139269
Ce rsultat est confirm par le rsultat obtenu prcdemment

EXERCICES.

Produits remarquables.

(2 A 3B)
2

(A B )
2 3 2

2
1 1
( 2
3
)
A B
Capitalisation : lintrt compos.

Monsieur G. DUBLEZ souhaite placer durant 5 ans la somme de 2.000,00 au taux annuel
constant de 10 % ; de quel capital disposera-t-il dans 5 ans ?

Utilisation des logarithmes.

Retrouver la dure du placement de Monsieur G. DUBLEZ en utilisant les logarithmes.

10
LES RACINES.

Notation.

X X 1/2
3
X X 1/3
Racine carre.

Dans le champ des nombres rels, seuls les nombres positifs ont une racine carre ; en outre
un rel positif a deux racines carres :

4 2
Racine cubique.

La racine cubique dun nombre positif est forcment un nombre positif ; en revanche la racine
cubique dun nombre ngatif est un nombre ngatif :

3
9 3
3
9 3
Racine dun produit.

3
A* B 3
A*3 B
3
32 3 4 *8 3 4 * 3 8 2* 3 4
Racine dun quotient.

4 4 2

9 9 3
1 1 1
1/2 4 1/2
4 4 2

11
LES SUITES.

Soit un projet dinvestissement quelconque dont on attend, durant les 5 annes venir, un
rendement constant de 1.000,00 . Ces flux venir sont actualiss au taux de 10 %. La valeur
actuelle de ces flux scrit :

1000 1000 1000 1000 1000

(1 0,10) (1 0,10) (1 0,10) (1 0,10) (1 0,10)
1 2 3 4 5

Notation simplifie.

La notation simplifie est la suivante :

5
1000

t 1 (1 0,10)
t

EQUATIONS LINEAIRES A UNE SEULE VARIABLE.

Une quation linaire une seule variable est une quation de la forme :

aX b 0
X est la variable ; cette quation est typiquement lquation dune droite.

Racine dune quation linaire une seule variable.

Soit lquation linaire une seule variable :

2X 4 0
Cette quation a pour racine unique : 2.

4
2 X 4 0 2 X 4 X X 2
2

12
Equation linaire une seule variable dont la solution est indtermine.

Une quation du type 2 X 0 est indtermine dans le sens o elle admet une infinit de
solutions.

EQUATIONS DU SECOND DEGRE (A UNE SEULE VARIABLE).

Une quation du second degr un e seule variable est une quation du type :

a X 2 bX c 0
Les coefficients a, b et c sont des constantes ; une telle quation admet, au plus, deux
solutions relles.

Le discriminant.

Le discriminant dune telle quation scrit :

b 2 4ac
Les solutions de lquation sont :

b b b 2 4ac
( X 1, X 2)
2a 2a
Illustration N 1.

Soit lquation du second degr : 2X 2 5X 2 0

Son discriminant est : 5 2 4 * 2 * 2 25 9 16

Les solutions sont :

5 16 5 4 5 4 5 4 9 1
( X 1, X 2) ( ; )( ; )
2* 2 4 4 4 4 4

13
Illustration N 2.

X 4 X 6, 25 0
2
Soit lquation du second degr :

Son discriminant est : 4 2 4 *1* 6, 25 16 25 9

Les solutions sont :

5 9
( X 1, X 2)
2*2
Cette quation nadmet aucune solution relle.

Remarque.

Si cette quation nadmet aucune solution relle, elle admet nanmoins deux solutions
complexes qui sont :

5 9 5 3i 5 3i
( X 1, X 2) ( ; )
2* 2 4 4

Avec : 1 i

14
SYSTEMES DEQUATIONS LINEAIRES A PLUSIEURS VARIABLES.

Systmes de 2 quations linaires deux variables.

Un systme de 2 quations linaires deux variables est un systme de la forme :

4 X 2Y 2 0
2 X 3Y 2 0
Un tel systme se rsout aisment en soustrayant de la 1re quation le double de la seconde
quation :

4 X 2Y 2 2* 2 X 3Y 2 0
Il suffit ensuite dutiliser la distributivit :

4 X 2Y 2 4 X 6Y 4 0
On constate que les deux facteurs en X sannulent et que ne subsistent, outre les constantes,
que deux facteurs en Y :

2Y 6Y 2 4 0
La rsolution nous livre la valeur de Y :

4Y 6 0
4Y 6
Y 1,5

Il suffit alors dintroduire la valeur de Y dans lune des 2 quations, par exemple la 1re ; on
obtient :

4 X 2*(1,5) 2 0
4X 3 2 0
4X 5 0
4X 5
X 1, 25

15
Systmes indtermins.

Un systme de deux quations linaires deux inconnues est indtermin (autrement dit il
admet une multitude de solutions) quand il existe une relation linaire entre les deux
quations.

Exemple.

4 X 2Y 2 0
8 X 4Y 4 0
On constate que la seconde quation est gale au double de la premire.

Le dterminant des coefficients.

On peut aisment vrifier si un systme est soluble en calculant le dterminant des

coefficients des variables.

Un dterminant 2 x 2 se calcule de la manire suivante :

a b
a * d c *b
c d
Quand le dterminant nest nul, cela signifie que le systme nest pas soluble.

Illustration N 1.

Reprenons le 1er systme tudi :

4 X 2Y 2 0
2 X 3Y 2 0
4 2
4*3 2* 2 12 4 8
2 3
Le dterminant tant diffrent de 0, le systme est donc soluble.

16
Illustration N 2.

Reprenons prsent le 2me systme tudi :

4 X 2Y 2 0
8 X 4Y 4 0

4 2
4* 4 8* 2 16 16 0
8 4
Le dterminant tant nul, le systme est indtermin.

SYSTEMES DEQUATIONS LINEAIRES A PLUSIEURS INCONNUES.

En rgle gnral, quand le nombre dquations (et dinconnues) est suprieur ou gal 3, on
utilise, pour la rsolution de tels systmes, le calcul matriciel et/ou le calcul des dterminants
(application de la rgle de KRAMER : utilisation du calcul des dterminants uniquement).

En tout tat de cause le systme doit prsenter autant dquations que dinconnues ; en outre il
ne peut y avoir de relation linaire entre deux des quations sous peine de nullit du
dterminant des coefficients des variables et donc dinsolubilit du systme.

La rsolution de tels systmes sort du cadre de cette introduction.

EXERCICES.

Equations du second degr une seule variable.

4X 2 2X 4 0
3X 2 4 X 2 0
2X 2 4X 0

17
Systmes de 2 quations linaires 2 inconnues.

Exercice N 1.

2 X 2Y 8 0
X 2Y 2 0
Exercice N 2.

2 X 2Y 8 0
4 X 2Y 2 0
Exercice N 3.

3 X 6Y 3 0
X 2Y 1 0

18
 CHAPITRE III : ANALYSE
FONCTIONS LINEAIRES DUNE SEULE VARIABLE.

Une fonction linaire dune seule variable x est une fonction du type :

F(x) = ax + b

Dans cette fonction, a et b sont des constantes. Cette fonction est typiquement
reprsente par une droite.

Illustration.

Soit la fonction : f(x) = 4x + 2 ; sa reprsentation graphique est la suivante :

y
6

-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 x
-1

-2

-3

-4

-5

-6

19
FONCTIONS NON LINEAIRES DUNE SEULE VARIABLE.

Une fonction non linaire dune seule variable x est une fonction dans la quelle :

Soit intervient une puissance de la variable ;

Soit une fonction non linaire de cette variable : logarithme, racine,
exponentielle, fonction trigonomtrique,

Illustration.

Soit la fonction non linaire dune seule variable x :

f ( x) 2 x 2 4 x 2
La reprsentation graphique est la suivante :
y
6

-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 x
-1

-2

-3

-4

-5

-6

20
LES DERIVEES.

Les drives jouent un rle essentiel dans ltude des fonctions non linaires ;
dun point de vue pratique (applications conomiques notamment), les drives
sont des indicateurs de la pente de la courbe reprsentant une fonction non
linaire.
On abordera successivement les drives 1res, les drives secondes et les
drives partielles.

Les drives premires.

Soit la fonction linaire dj tudie : f(x) = 4x + 2 ; sa drive premire est

donne par :

f '( x ) 4
Notation.

Les notations suivantes sont quivalentes :

df f
f '( x)
dx x
Drive de fonctions non linaires comportant des puissances de la variable x.

Soit la fonction : f ( x) a x bx c
Sa drive premire est donne par :

f '( x) a * * x 1 b

21
Exemple N 1.

f ( x) 2 x 2 4 x 2

f '( x) 2*2* x 21 4 4 x 4
Exemple N 2.

f ( x) 2 x 3 2 x 2 4 x 2

f '( x) 6 x 2 4 x 4
Exercices.

Dterminer les drives des fonctions suivantes :

f ( x) 4 x 2 2 x 4
f ( x) 3 x 3 4 x 2 2 x 2

22
Drives de fonctions usuelles.

FONCTION DERIVEE
x
n
n x n 1
1 1
2
x x
1 n
n
n 1
x x
1
x
2 x
x x
e e
1
ln( x)
x

Drive dune somme de feux fonctions.

Soit deux fonctions drivables f(x) et g(x) ; la drive de leur somme scrit :

( f g ) ' f ' g '

Drive du produit de deux fonctions.

Soit deux fonctions drivables f(x) et g(x) ; la drive de leur produit scrit :

( f * g ) ' f ' g fg '

Drive du quotient de deux fonctions.

Soit deux fonctions drivables f(x) et g(x) ; la drive de leur quotient scrit :

f f ' g fg '
' 2
g g

23
Illustrations.

Soit deux fonctions non linaires de x drivables dfinies par :

f ( x) 2 x 2 4 x 2
g ( x) 2 x 3 3x 2 x 4
Drive dune somme.

f '( x) 4 x 4
g '( x) 6 x 2 6 x 1
( f g) ' 4x 4 6x2 6x 1
( f g ) ' 6 x 2 10 x 5
Drive dun produit.

( f * g ) ' 4 x 4 * 2 x 3 3 x 2 x 4 2 x 2 4 x 2 * 6 x 2 6 x 1
( f * g ) ' 8 x 4 12 x 3 4 x 2 8 x 3 12 x 2 4 x 16
12 x 4 12 x 3 2 x 2 24 x 3 24 x 2 4 x 12 x 2 12 x 2
( f * g ) ' 8 x 4 20 x 3 16 x 2 4 x 16 12 x 4 36 x 3 38 x 2 16 x 2
( f * g ) ' 20 x 4 56 x 3 54 x 2 20 x 18

24
Drive dun quotient.

f f ' g fg '
' 2
g g
f 8 x 20 x 16 x 4 x 16 12 x 36 x 38 x 16 x 2
4 3 2 4 3 2

' 2
g 2 x 3 3 x 2 x 4
f 4 x
4
16 x 3 22 x 2 12 x 14
'
g 2 x 3 x x 4 * 2 x 3 x x 4
3 2 3 2

f 4 x 16 x 22 x 12 x 14
4 3 2

'
g 4 x 6 62 x 5 2 x 4 82 x 3 6 x 5 9 x 4 3 x 3 12 x 2 2 x 4 3 x 3 x 2 4 x 8 x3 12 x 2 4 x 16
f 4 x 16 x 22 x 12 x 14
4 3 2

'
g 4 x 6 68 x 5 13 x 4 96 x 3 25 x 2 8 x 16

Drive dune fonction non linaire complexe .

Soit la fonction non linaire :

1
f ( x) 2 x 2 3
x 4 ln( x ) e
2x

25
Sa drive premire scrit :

3 1 4
f '( x ) 4 x 4
2e x
x 2 x x
6 x x 4 8x3 x
f '( x ) 2e 4 x
x

2x4 x
x
4
2 x (4 x 3 3)
f '( x ) 2e 4 x
x

2x4 x
Les drives secondes.

La drive seconde (ou dordre 2) dune fonction f(x) est la drive premire de
la drive premire de cette fonction.

Notation.

Les notations suivantes sont quivalentes :

2 f
f ''( x) 2
x
Illustration.

Soit la fonction non linaire : f ( x) 2 x 2 4 x 2

Sa drive premire scrit : f '( x ) 4 x 4

Sa drive seconde scrit : f ''( x ) 4

26
Exemple.

Soit la fonction :

f ( x) 4 x3 2 x 2 ln( x) 4

Sa drive premire scrit :

1
f '( x ) 12 x 2 4 x
x
Sa drive seconde scrit :

1
f ''( x) 24 x 4 2
x
Exercices.

Calculer la drive seconde des fonctions suivantes :

f ( x) 4 x 3 2 x 2 4 x 2
f ( x) 2 x 2 2 ln( x) 2e x
2
f ( x) 4 x 3 2 x 2 2 x 3
x
Utilit.

Les drives secondes de fonctions non linaires sont particulirement utiles

pour valuer la concavit (ou la convexit) de ces fonctions ; elles permettent en
outre de dterminer, pour ces fonctions, dventuels points dinflexion
3
(changement de type de concavit en un point). La fonction x illustre
particulirement bien ce phnomne : nous lillustrerons plus loin.

27
Les drives partielles.

Les drives partielles sappliquent aux fonctions de plusieurs variables ; elle

prsentent, comme les drives tudies prcdemment, plusieurs ordres : ordre
1, ordre 2,

Les drives partielles jouent un rle essentiel dans loptimisation (recherche

dun maximum ou dun minimum) de fonctions non linaires ; en outre elles
interviennent dans la composition des quations diffrentielles plusieurs
variables.

Illustration N 1.

Soit la fonction non linaire suivante :

f ( x, y ) 4 x 3 6 y 2 2 x 2 4 x 2 y 4
La drive partielle dordre 1 par rapport x scrit :

f
12 x 2 4 x 4
x
La drive partielle dordre 1 par rapport y scrit :

f
12 y 2
y
Illustration N 2.

Soit la fonction non linaire suivante :

f ( x, y ) 4 x 3 2 y 2 4 xy 2 x 2 y 6

28
La drive partielle dordre 1 par rapport x scrit :

f
12 x 2 4 y 2
x
La drive partielle dordre 1 par rapport y scrit :

f
4 y 4x 2
y

Illustration N 3.

Soit la fonction non linaire suivante :

f ( x, y ) 4 x 2 2 y 4 xy 2 x 2 y 6
2

La drive partielle dordre 1 par rapport x scrit :

f
8x 4 y 2
x
La drive partielle dordre 1 par rapport y scrit :

f
4 y 4x 2
y

Nous obtenons un systme de deux quations linaires 2 inconnues :

8x 4 y 2 0
4x 4 y 2 0

29
Ce systme de 2 quations 2 inconnues est soluble ; en effet :

8 4
8* 4 4* 4 32 16 16
4 4

En outre le fait que le dterminant des coefficients des variables soit positif
indique que la solution du systme de 2 quations reprsente un maximum
absolu (un optimum) pour cette fonction ; si le dterminant avait t ngatif, la
solution du systme et t un minimum absolu pour cette fonction.

LA FONCTION f ( x) x 2 .
Reprsentation graphique.
y
4

-5 -4 -3 -2 -1 0 1 2 3 4 5 x

-1

-2

-3

-4

Il sagit dune fonction strictement convexe qui prsente un minimum absolu en

x = 0 ; sa drive 1re est ngative pour tout x < 0 et positive pour tout x > 0.

30
LA FONCTION f ( x) x 3 .
Reprsentation graphique.
y
4

-5 -4 -3 -2 -1 0 1 2 3 4 5 x

-1

-2

-3

-4

Cette fonction prsente un point dinflexion en x = 0 ; elle est strictement

concave pour tout x < 0 et strictement convexe pour tout x > 0.
Pour tout x < 0, la drive seconde de cette fonction f(x) = 6x est strictement
ngative ; inversement, pour tout x > 0, la drive seconde est strictement
positive.

31
 1
LA FONCTION INVERSE
f ( x)
x.
Reprsentation graphique.
y
4

-5 -4 -3 -2 -1 0 1 2 3 4 5 x

-1

-2

-3

-4

Comme on peut le remarquer, la fonction inverse est compose de deux

paraboles ; en outre, comme on sy attendait, elle nest pas dfinie en x = 0.
Sa drive premire est en tout point, except x = 0, strictement ngative ; en
effet :

1 1
f '( ) 2
x x

32
LA FONCTION RACINE CARREE.

Reprsentation graphique.
y
4

-5 -4 -3 -2 -1 0 1 2 3 4 5 x

-1

-2

-3

-4

Cette fonction est dfinie pour tout rel x 0 ; sa drive premire est toujours
positive mais nest pas dfinie pour x = 0 :

1
f '( x )
2 x

33
LA FONCTION f ( x ) ln( x ) .
Reprsentation graphique.
y
4

-5 -4 -3 -2 -1 0 1 2 3 4 5 x

-1

-2

-3

-4

Le domaine de dfinition de la fonction f(x) = ln(x) est 0, ; cela signifie

que cette fonction nest pas dfinie pour tout x 0.

Sa drive premire est toujours positive :

1
f '(ln( x))
x

34
 Les logarithmes furent invents par
John NAPIER (NEPER en France),
mathmaticien cossais (1550-1617) ;
le logarithme nprien ln tire son nom
de son dcouvreur.

On a prcdemment utilis les

logarithmes pour dterminer la valeur
dune variable place en exposant.

Le logarithme nprien exprime la

puissance laquelle il faut lever le
nombre e pour obtenir ce nombre.

Avec e = 2,7182818284

Exemple.

Ln(5) = 1,609443791 ; ce qui signifie que :

e
1,609443791
5

Remarque : ln(e) 1
Les changements de base.

On utilise en gnral les logarithmes en base 10 et en base nots respectivement

log(x) et ln(x) ; on peut nanmoins exprimer le logarithme dun nombre dans
une base quelconque en utilisant un logarithme dans une autre base :

log b( x)
log a ( x)
log b(a)

35
LA FONCTION EXPONENTIELLE f ( x) e x .

Reprsentation graphique.
y
4

-5 -4 -3 -2 -1 0 1 2 3 4 5 x

-1

-2

-3

-4

On notera que :

e 1
0

e e
1

La fonction exponentielle est partout dfinie dans lensemble des nombres rels
R ; sa drive premire est :

f '(e x) e x
La drive premire et la drive seconde (qui est la mme que la 1re) de cette
fonction est toujours positive ; la positivit de la drive 1re explique la
croissance constante tandis que celle de la drive 2me explique la convexit.

36
CHAPITRE IV : ELEMENTS DE STATISTIQUES.

LA LOI BINOMIALE.

La loi binomiale est une loi de

probabilit qui correspond
lexprience suivante : on renouvelle n
fois une preuve de BERNOULLI :
preuve alatoire deux issues
possibles dnommes respectivement
succs et chec . On dsigne la
probabilit dun succs chaque
preuve par la lettre .

Jacques BERNOULLI, mathmaticien

suisse (1654-1705).

Formulation mathmatique.

n ns
p ( s ) * s *(1 )
s
n n!

s s !(n s )!
Les tables statistiques.

Il existe fort heureusement des tables statistiques qui nous dispensent de

dterminer les probabilits au moyen des formules mathmatiques prsentes ci-
dessus : il sagit des tables IIIB et IIIC.

37
Illustration N 1.

Quand on lance en lai une pice de monnaie, on sait

que lon a une chance sur deux que, en retombant, sa
face suprieure soit pile (du reste il en est de
mme pour la face face ) ; autrement dit, chaque
nouveau lancer, la probabilit dun succs est : =
0,5.

Supposons prsent que la pice soit lance 5 fois de

suite, quelle est la probabilit dobtenir, pour
lensemble des 5 lancers, 4 fois la face pile
(succs) ?

Il suffit, pour trouver la solution, de consulter la table

IIIB.
Les enttes de colonnes nous donnent diverses
valeurs de ; en ce qui nous concerne, cest la colonne correspondant = 0,5
qui nous intresse.
La 1re colonne nous donne diverses valeurs de n qui correspond, dans notre
exemple, au nombre de lancers : n = 5.
La 2me colonne nous donne, pour les diffrentes valeurs de n, diffrentes valeurs
de s, cest--dire le nombre de succs ; dans notre cas, s = 4.

Il suffit donc de balayer la ligne correspondant n = 5 et s = 4, jusqu la

colonne correspondant = 0,5 ; on trouve la valeur p(s) = 0,156 = 15,60 %.

Illustration N 2.

On aurait pu se poser une autre question : quelle est la probabilit dobtenir au

moins 4 succs. Cette probabilit est la somme de la probabilit dobtenir 4
succs et de la probabilit dobtenir 5 succs.

P(s 4) = p(s = 4) + p(s = 5) = 0,156 + 0,031 = 0,187.

38
Utilisation de la table IIIC.

La table IIIC se prsente comme la table IIIB, mis part le fait quelle nous livre
immdiatement les probabilits cumules.

Dans notre exemple, il suffit de balayer la ligne correspondant n = 5 et s = 4

jusqu la colonne correspondant = 0,5 ; on trouve immdiatement p(s 4) =
0,187.

LA LOI NORMALE.

La loi normale a t dveloppe par le

mathmaticien allemand Johann Carl
Friedrich GAUSS (1777-1855).

La loi normale prsente le grand avantage

de pouvoir tre caractrise par deux
grandeurs : la moyenne et lcart-type.

En sciences de gestion, la loi normale est

incontournable : il est fermement admis
que toutes les variables tudies obissent
une loi normale.

La loi normale permet, partir

dchantillons issus de vastes populations,
de faire des infrences statistiques sur ces
populations, de tester des hypothses ou
encore de calculer des probabilits.

La loi normale centre rduite.

La loi normale centre rduite est un cas particulier de la loi normale dont les
paramtres sont :

Moyenne : = 0
Ecart-type : = 1

Elle est essentielle pour dterminer des probabilits dans le cadre dune loi
normale gnrale ; elle joue galement un rle essentiel en finance pour
lvaluation des options.

39
Reprsentation graphique.
y

0,44

0,4

0,36

0,32

0,28

0,24

0,2

0,16

0,12

0,08

0,04

-5 -4 -3 -2 -1 0 1 2 3 4 5 x
-0,04

La courbe qui coiffe lensemble des probabilits est une courbe de GAUSS ; la
surface comprise entre la courbe et laxe des abscisses est lensemble des
probabilits ; le total des probabilits tant toujours gal 1, la surface en
question est donc, elle aussi, gale 1.
On remarque une parfaite symtrie de lensemble : la surface de la partie situe
gauche de laxe des ordonnes (correspondant la moyenne) est strictement
identique la surface de la partie situe droite.

40
Expression mathmatique.

Lensemble de la surface coiffe par la courbe peut tre dtermine de la

manire suivante :

1 t2

2
e 2 dt 1

La courbe de Gauss est caractrise par la fonction :

1 t2
f ( x) e 2
2
Les tables statistiques.

Fort heureusement il existe, ici aussi, des tables statistiques qui nous dispensent
de calculer les probabilits laide des formules mathmatiques ci-dessus (du
reste lintgrale nest pas soluble par les mthodes classiques dintgration et
elle ne peut tre rsolue que par approximation). La table correspondant la loi
normale centre rduite est la table IV.

Notations.

On retiendra les notations courantes suivantes :

Moyenne : X
Variance :
2

Ecart-type :

41
Illustration : calcul de moyenne, de variance et dcart-type dun
chantillon.

Un professeur de statistiques a extrait au hasard, parmi les nombreuses copies

dexamen conserves aux archives, un chantillon de 10 copies ; les examens
sont valus sur 20 points.

A chacune des 10 copies sera associe une probabilit de 0,10 dans la mesure o
aucune copie navait, en raison du caractre alatoire du tirage, plus de chance
quune autre dtre tire.

2
X X (X X )
2
Cotes : X P(X) P(X) * X ( X X ) * P( X )
14 0,10 1,4 0,2 0,04 0,004
16 0,10 1,6 2,2 4,84 0,484
15 0,10 1,5 1,2 1,44 0,144
18 0,10 1,8 4,2 17,64 1,764
12 0,10 1,2 -1,8 3,24 0,324
19 0,10 1,9 5,2 27,04 2,704
20 0,10 2 6,2 38,44 3,844
8 0,10 0,8 -5,8 33,64 3,364
10 0,10 1 -3,8 14,44 1,444
6 0,10 0,6 -7,8 60,84 6,084

2
X 13,8 20,16
4,49

Calcul de la moyenne, de la variance et de lcart-type.

X X * P( X )

( X X ) * P( X )
2 2

42
Calcul de probabilit.

Supposons prsent que lensemble des copies archives (la population)

prsente une moyenne = 14 et un cart-type = 3 ; si on tire au hasard un
chantillon de 9 copies, quelle est la probabilit que parmi ces 9 copies on
observe au moins une cote suprieure 16.

Calcul de Z.

X
Z
X

X
n
3
X 1
9
16 14
Z 2
1
Calcul de P(X 16).

P(X 16) = P(Z 2) = 0,023

Utilisation de la table IV.

La premire colonne donne la valeur de Z avec sa 1re dcimale ; les enttes de

colonnes donnent la 2me dcimale de Z.

43
Reprsentation graphique.
y

0,36

0,32

0,28

0,24

0,2

0,16

0,12

0,08

0,04

0
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 x
Loi normale de moyenne 14 et d'cart type 1
-0,04
p(X>16)=0,022751

-0,08

Remarques.

La moyenne et lcart-type dun chantillon extrait au hasard dune vaste

population ne sont que des estimateurs trs approximatifs de la moyenne
et de lcart-type de cette population.
La loi normale nest en fin de compte quune reprsentation de la ralit
qui nest pertinente que pour des populations trs vastes ou encore des
chroniques trs long terme (trajectoires des cours boursiers par
exemple) ; il serait tmraire (et dangereux) de croire que des chantillons
de petite taille reproduisent lidentique les paramtres de la vaste
population dont ils sont issus ; il en va de mme pour les prdictions
court terme dans le domaine financier notamment : la rcente crise
financire nous le rappelle avec beaucoup de pertinence.
lapproche par la loi normale est aujourdhui fortement conteste dans le
domaine de la finance et les modles alternatifs se multiplient : approche
fractale (B. MANDELBROT), thorie du chaos, approche par les
processus de MARKOV (A. ORLEAN), recours aux lois stables de
LEVY, modle avec saut de R. MERTON, modle GARCH,

44
De la signification de lcart-type.

Lcart-type dune distribution dsigne lcart moyen des lments de cette

distribution par rapport sa moyenne.
Rappelons-nous que la loi normale centre rduite prsente une moyenne gale
0 et un cart-type gal 1. Cela signifie que lensemble des rels repris dans
cette distribution sont, en moyenne, distants de la moyenne de 1 ; bien entendu
la distance qui spare bon nombre des lments de la moyenne est infrieure 1
tandis que dautres (ceux qui se trouvent notamment dans les queues de
distribution) sont distants de plus de 1.

0,44

0,4

0,36

0,32

0,28

0,24

0,2

0,16

0,12

0,08

0,04

-4 -3,5 -3 -2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5 3 3,5 4

-0,04

Les lments repris sur les droites parallles laxe des ordonnes et passant par
x = 0,5 ou x = 0,5 sont distants de 0,5, soit cart-type ; en revanche les
points situs sur les droites parallles laxe des ordonnes et passant par x = 2
ou x = 2 sont distants de 2, soit 2 cart-types.

Lcart-type est donc, en quelque sorte, un indice de dispersion ; cest pour

cette raison quil est utilis pour mesurer le risque en finance. On le dsigne
alors par le terme de volatilit et on lexprime en pourcentages : volatilit =
cart-type / moyenne.

45
LA LOI DE POISSON.

La distribution de Poisson sapplique

aux variables quantitatives discrtes
dfinies par le nombre dvnements
observs dans le cas o ces
vnements sont rares et se
produisent de manire indpendante
et alatoire dans lespace et dans le
temps.
Cette distribution est caractrise par
le seul paramtre qui est
prcisment la moyenne de la
distribution.

Simon Denis POISSON,

mathmaticien franais (1781-1840)

La distribution de Poisson peut sappliquer :

Dans des problmes de gestion : files dattente, centrales

tlphoniques, ; il sagit dvnements alatoires dans le temps.
En microbiologie : calcul, par exemple, de la probabilit dobserver un
certain nombre de bactries dans une bote de Ptri ; il sagit
dvnements alatoires dans lespace.
.

Il sagit donc de dterminer loccurrence dun vnement lmentaire par unit

de volume, de surface ou de temps.

Exemples de variables alatoires :

le nombre de poissons par m3 deau ( ne pas confondre avec la

binomiale : nombre de truites par 100 poissons pchs dans une rivire).
Le nombre de drosophiles mles rencontrs pendant 10 minutes.

46
Formulation mathmatique.

e *
x
PR ( X x)
x!
Illustration.

Soit un laborantin observant dans un litre deau contamine la prsence de 4.000

bactries E COLI :

Quelle est la probabilit dobserver au moins 20 bactries dans 5 cm

deau ?
Quelle est la probabilit dobserver strictement entre 10 et 20 bactries
dans 5 cm deau ?
Quelle est la probabilit dobserver au plus 15 bactries dans 4 cm
deau ?

Pr( X 20) 20 1 Pr( X 19) 1 0, 4703 0,5297

Pr(10 X 20) 20 Pr( X 19) Pr( X 10) 0, 4703 0, 0108 0, 4595
Pr( X 15) 16 0, 4667

Dans le 1er et le 2me exemples, = 20 car un litre deau contient 1000 cm

et par consquent 200 fois 5 cm ; or le laborantin observe en moyenne
4.000 bactries dans 1 litre deau, il doit, par consquent, en observer, en
moyenne, 20 = 4000 / 200 dans 5 cm deau.
Il suffit ensuite de consulter les tables de la loi de POISSON ; les enttes
de colonnes nous donnent les valeurs de ; la premire colonne
correspond aux valeurs cibles : 20 dans le 1er cas.
Prudence : les tables nous renvoient les probabilits quune valeur soit
infrieure ou gale la cible ( ) ; il faut ds lors adapter les calculs. Dans
le 1er exemple, la probabilit dobserver au moins 20 bactries correspond
la probabilit totale, cest--dire 1, moins la probabilit den observer 19
ou moins.
Lutilisation de la loi de poisson requiert une bonne connaissance des
units de mesure : surface, volume, poids, temps,

47
STATISTIQUES : EXERCICES.

LA LOI BINOMIALE.

Exercice N 1.

Soit un d 10 faces ; sur chacune des

faces est frapp un chiffre compris entre 1
et 10.

quelle est la probabilit dobtenir 8

fois la face portant le chiffre 10 au
terme de 10 lancers successifs ?

quelle est la probabilit dobtenir au moins 8 fois la face portant le chiffre

10 au terme de 10 lancers successifs ?

Exercice N 2.

Calculer la probabilit dobtenir 3 rpublicains

dans un chantillon de 6 personnes tires au
hasard partir de la population amricaine (la
proportion de dmocrates est de 60 %).

Quelle est la probabilit dobtenir au moins 4

dmocrates au sein de ce mme chantillon ?

48
LA LOI NORMALE : MOYENNE, VARIANCE & ECART-TYPE.

Exercice N 1.

Soit action dont la chronique des 10 derniers cours en stablit de la manire

suivante ; calculer la moyenne, la variance et lcart-type.

2
X X (X X )
2
Cours: X P(X) P(X) * X ( X X ) * P( X )
10 0,10
12 0,10
16 0,10
8 0,10
6 0,10
14 0,10
16 0,10
15 0,10
11 0,10
9 0,10

2
X

Exercice N 2.

Soit une population dont le QI moyen stablit 100 avec un cart-type de 20 ;

quelle est la probabilit de trouver au sein dun chantillon de 100 personnes
issues de cette population au moins un QI suprieur 110 ?

49
LA LOI DE POISSON.

Exercice N 1.

Un zoologiste tudie les passages dune espce de chauve-souris en lisire dun

espace bois Marche-en-Famenne ; il effectue un comptage dindividus et
rpertorie en moyenne 3 individus par 30 minutes.

Quelle est la probabilit quil dtecte 7 individus en 1 heure ?

Quelle est la probabilit quil dtecte au plus 7 individus en 1 heure ?

Quelle est la probabilit quil dtecte entre 2 et 4 individus par 15

minutes ?

Exercice N 2.

Linstitut National des Statistiques sest intress au nombre daccidents

intervenus durant la priode de pointe sur une dure de un quart dheure. Cette
tude montre quen moyenne, on observe 2 accidents par quart dheure en pleine
heure de pointe.

Quelle est la probabilit de nobserver aucun accident en 1 quart dheure ?

Quelle est la probabilit dobserver plus de 3 accidents en 1 quart

dheure ?

Quelle est la probabilit de nobserver aucun accident en 1 heure ?

50