Académique Documents
Professionnel Documents
Culture Documents
BCPST
Mathieu Gentès
Mathématiques 19
1. Fonctions usuelles 19
I. Généralités sur les fonctions réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2. Parité d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3. Restriction d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4. Composée de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5. Opérations algébriques sur les fonctions dérivées . . . . . . . . . . . . . . . . . 23
II. Les fonctions usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1. La fonction exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2. La fonction logarithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3. Les fonctions puissances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4. La fonction valeur absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5. Les fonctions exponentielle et logarithme de base a . . . . . . . . . . . . . . . . 29
III. Les fonctions trigonométriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1. Les fonctions sinus et cosinus . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2. La fonction tangente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
IV. Propriétés des fonctions réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1. Images directe et réciproque . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2. Fonctions injectives, surjectives, bijectives . . . . . . . . . . . . . . . . . . . . . 32
Travaux Dirigés 35
I. Calcul numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
II. Calcul symbolique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
III. Puissances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
IV. Logarithmes. Exponentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
V. Trinômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
VI. Fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1. Domaine. Composition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2. Étude. Variations. Graphique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
VII. Équations. Inéquations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
VIII. Injection, surjection, bijection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3
4 Table des matières
2. Trigonométrie 41
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1. Le cercle trigonométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2. Valeurs particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3. Quelques identités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
II. Résolution d’équations et inéquations élémentaires . . . . . . . . . . . . . . . . . . 44
3. Complexes 47
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
1. Définition - règles de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2. Conjugué d’un nombre complexe . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3. Représentation géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
II. Module et argument . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1. Module . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2. Argument - forme trigonométrique . . . . . . . . . . . . . . . . . . . . . . . . . 50
3. Formules de Moivre et Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
III. Nombres complexes et trigonométrie . . . . . . . . . . . . . . . . . . . . . . . . . . 51
1. Formules de trigonométrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2. Linéarisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3. Développement de cos(nθ) et sin(nθ) . . . . . . . . . . . . . . . . . . . . . . . 53
4. Expressions de la forme a cos θ + b sin θ . . . . . . . . . . . . . . . . . . . . . . 53
IV. Équations dans C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Travaux Dirigés 55
I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
II. Écritures algébrique, trigonométrique et exponentielle . . . . . . . . . . . . . . . . 55
III. Module - argument . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
IV. Trigonométrie - linéarisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
V. Équations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4. Systèmes linéaires 59
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2. Systèmes équivalents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3. Opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
II. Résolution de systèmes particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
1. Systèmes triangulaires normalisés . . . . . . . . . . . . . . . . . . . . . . . . . 62
2. Systèmes échelonnés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
III. Méthode du pivot de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
1. Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2. Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
IV. Description de l’ensemble des solutions . . . . . . . . . . . . . . . . . . . . . . . . . 65
1. Notion de rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2. Systèmes de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3. Structure de l’ensemble des solutions . . . . . . . . . . . . . . . . . . . . . . . 65
Travaux Dirigés 67
I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
II. Premiers systèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
III. Systèmes à paramètres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
IV. Exercices de synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
Table des matières 5
5. Équations différentielles 71
I. Équations différentielles linéaires du premier ordre . . . . . . . . . . . . . . . . . . 73
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
2. Structure de l’ensemble des solutions . . . . . . . . . . . . . . . . . . . . . . . 73
3. Cas homogène . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4. Recherche d’une solution particulière par variation de la constante . . . . . . . 75
5. Principe de superposition des solutions . . . . . . . . . . . . . . . . . . . . . . 75
6. Cas particuliers pour des coefficients constants . . . . . . . . . . . . . . . . . . 76
7. Problème de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
II. Équations différentielles linéaires du second ordre . . . . . . . . . . . . . . . . . . . 77
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2. Structure de l’ensemble des solutions . . . . . . . . . . . . . . . . . . . . . . . 78
3. Cas homogène . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4. Avec second membre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5. Principe de superposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6. Problème de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Travaux Dirigés 81
I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
II. Premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
III. Second ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6. Logique et raisonnements 85
I. Éléments de logique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
1. Propositions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2. Opérations sur les propositions . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3. Implication, réciproque, contraposée . . . . . . . . . . . . . . . . . . . . . . . . 88
4. Équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
II. Différents types de raisonnements . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
1. Prouver une proposition du type : ∀x ∈ E, P (x) . . . . . . . . . . . . . . . . . 89
2. Prouver une implication P ⇒ Q . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3. Prouver une équivalence P ⇔ Q . . . . . . . . . . . . . . . . . . . . . . . . . . 89
III. Raisonnement par récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
1. Principe du raisonnement par récurrence . . . . . . . . . . . . . . . . . . . . . 90
2. Récurrence double . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3. Récurrence forte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
Travaux Dirigés 91
I. Logique et quantificateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
II. Récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
7. Suites et sommes 93
I. Suites récurrentes usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
1. Généralités sur les suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
2. Suites arithmétiques, géométriques . . . . . . . . . . . . . . . . . . . . . . . . . 95
3. Suites arithmético-géométriques . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4. Suites récurrentes linéaires d’ordre deux . . . . . . . . . . . . . . . . . . . . . . 97
II. Les sommes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
1. Notation et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
2. Sommes classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3. Formule du binôme de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6 Table des matières
9. Polynômes 121
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
2. Opérations sur les polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
3. Égalité de polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
II. Polynôme dérivé - Formule de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . 124
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
2. Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
3. Formule de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
III. Racines d’un polynôme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
1. Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
2. Égalité de polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
3. Racines multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
4. Polynômes scindés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
Table des matières 7
2. Algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
Sommaire
I. Généralités sur les fonctions réelles . . . . . . . . . . . . . . . . . . . . . . . . . 21
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4. Composée de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1. La fonction exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2. La fonction logarithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2. La fonction tangente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
19
Les fonctions usuelles
∗ ∗ ∗
1. Définitions
Définition 1.1. Une fonction est un procédé qui à tout nombre réel x d’un ensemble Df de R associe
un unique nombre réel noté f (x). On la note :
f : Df −→ R
x 7−→ f (x).
Remarques 1.1.
1. Lorsque l’ensemble de définition d’une fonction n’est pas donné, il faut le préciser : c’est le plus
grand ensemble des réels x pour lesquels f (x) est bien défini.
2. Attention : ne pas confondre la fonction f et le réel f (x) !
3. La variable est x muette, on pourrait très bien écrire t 7−→ f (t) ou encore • 7−→ f (•).
Définition 1.2. Soit f une fonction définie sur un ensemble Df , on appelle ensemble image noté f (Df )
l’ensemble des images de tous les réels de l’ensemble de départ Df :
f (Df ) = {f (x), x ∈ Df } .
Définition 1.3. Soient f une fonction définie sur un ensemble Df et y un réel. On appelle antécédent
de y par f tout réel x de Df tel que
f (x) = y.
Remarque 1.2. Un réel peut avoir un ou plusieurs antécédents ou n’en avoir aucun !
22 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 1.1. Quels sont les éventuels antécédents de 1 et 0 pour les fonctions de l’Exemple 1.
Définition 1.4. Soit f une fonction définie sur un ensemble Df , on appelle courbe représentative
de f sur D, l’ensemble des points d’abscisse x et d’ordonnée f (x), où x appartient à Df :
Cf = x, f (x) , x ∈ Df .
−x ∈ Df et f (−x) = f (x),
−x ∈ Df et f (−x) = −f (x).
Exemples 1.3.
1. Les fonctions cos, x 7−→ x2 sont paires.
2. Les fonctions sin, x 7−→ ax, x 7−→ x3 sont impaires.
Remarques 1.3.
1. Cette définition impose que l’ensemble de définition de f soit « symétrique par rapport à 0 ».
2. La courbe représentative d’une fonction paire est symétrique par rapport à l’axe des abscisses.
3. La courbe représentative d’une fonction impaire est symétrique par rapport à l’origine.
y y
Cf|A
Cf
A
0 x 0 x
Remarque 1.4. Lorsqu’il n’y a pas de confusion possible, il arrive que l’on utilise la notation f pour
désigner f|A . Exemple : cos : [0, 2π] −→ R.
4. Composée de fonctions
Définition 1.7. Soient f : Df −→ R et g : Dg −→ R deux fonctions telles que f (Df ) ⊂ Dg . On
appelle composée de f par g, la fonction notée g ◦ f définie sur Df par :
g ◦ f : x 7−→ g f (x) .
g◦f
f g
Df f (Df ) R
x f (x) g f (x)
Exemple 1.5. La fonction u : t 7−→ cos(ωt + ϕ) s’écrit sous la forme composée u = g ◦ f , avec :
Remarque 1.5. En général on n’a pas nécessairement f (Df ) ⊂ Dg . Dans ce cas, l’ensemble de défini-
tion de g ◦ f est l’ensemble des points x de l’ensemble de définition f dont l’image par f appartient
à l’ensemble de définition de g :
Dg◦f = {x ∈ Df tel que f (x) ∈ Dg } .
√
Exemple 1.6. La fonction h : x 7−→ 1 − x s’écrit sous la forme composée h = g ◦ f avec :
f : R −→ R et g : R+ −→ R
√
x 7−→ 1 − x, x 7−→ x.
On a d’autre part
Dh = {x ∈ R tel que 1 − x ∈ R+ } = {x ∈ R tel que x ≤ 1} =] − ∞, 1].
Exercice 1.2. Calculer g ◦ f et donner son ensemble de définition, où les fonctions f et g sont définies
par :
f (x) = x2 − 3x + 2 et g(x) = ln x.
(f + g)0 = f 0 + g 0 ,
(λf )0 = λf 0 ,
(f g)0 = f 0 g + f g 0 .
Proposition 1.2. Soient f et g deux fonctions dérivables sur un intervalle I telles que g ne s’annule
f
pas sur I. Alors le quotient est dérivable sur I et on a :
g
0
f f 0g − f g0
= .
g g2
24 Lycée CHATEAUBRIAND - BCPST 1B
(g ◦ f )0 = f 0 × g 0 ◦ f,
c’est-à-dire,
(g ◦ f )0 (x) = f 0 (x) × g 0 f (x) .
∀ x ∈ Df ,
√
Exemple 1.7. On considère la fonction h : x 7−→ 1 − x définie sur ] − ∞, 1[. On sait que :
∗ la fonction f : x 7−→ √1 − x est dérivable sur R donc sur ] − ∞, 1[,
∗ la fonction g : x 7−→ x est dérivable sur R∗+ ,
∗ f (]1, +∞[) ⊂ R∗+ .
Ainsi, la fonction h est dérivable sur ] − ∞, 1[ et on a :
1 1
∀ x ∈] − ∞, 1[, h0 (x) = (−1) × √ =− √ .
2 1−x 2 1−x
Exercice 1.3. Calculer la dérivée de g ◦ f en reprenant les fonctions de l’Exercice 2. On précisera son
ensemble de définition.
1. La fonction exponentielle
Définition-Théorème 1.8. Il existe une unique fonction f dérivable sur R vérifiant f 0 = f et f (0) = 1.
Cette fonction est appelée fonction exponentielle et se note exp ou encore x 7−→ ex .
Proposition 1.3. La fonction exp est continue, dérivable et strictement croissante sur R.
ea < eb ⇐⇒ a < b,
ea = eb ⇐⇒ a = b.
x −∞ 0 +∞
exp0 (x) +
+∞
exp 1
0
Chapitre 1 - Fonctions usuelles 25
y
y = ex
0 1 x
Proposition 1.4. Soit u une fonction réelle dérivable sur R. Alors, la fonction eu est dérivable et
on a :
(eu )0 = u0 × eu ,
c’est-à-dire :
∀ x ∈ R, (eu )0 (x) = u0 (x) × eu(x) .
Théorème 1.2 (opérations algébriques). Pour tous réels a et b, pour tout entier n, on a :
ea 1
ea+b = ea × eb , ea−b = , e−a = et (ea )n = ena .
eb ea
Théorème 1.3 (Formes indéterminées). On a les limites suivantes :
ex ex − 1
lim xex = 0, lim = +∞ et lim = 1.
x→−∞ x→+∞ x x→0 x
2. La fonction logarithme
Définition 1.10. La fonction logarithme népérien, notée ln, est la primitive qui s’annule en x = 1
1
de la fonction x 7−→ sur l’intervalle ]0, +∞[ :
x
Z x
1
ln x = dt.
1 t
Proposition 1.5. La fonction ln est continue, dérivable et strictement croissante sur l’intervalle
]0, +∞[.
1
Démonstration. D’après la définition, on a bien : (ln x)0 = > 0 pour x ∈]0, +∞[.
x
Propriétés 1.3. Pour tous réels a et b strictement positifs, on a :
ln a < ln b ⇐⇒ a < b,
ln a = ln b ⇐⇒ a = b.
Théorème 1.4 (admis). La fonction exponentielle réalise une bijection de R sur R∗+ dont la bijection
réciproque est le logarithme népérien.
En d’autres termes, pour tout x ∈ R et tout y ∈ R∗+ , on a :
ex = y ⇐⇒ x = ln y.
26 Lycée CHATEAUBRIAND - BCPST 1B
y = ln x
1
0 1 e x
Proposition 1.6. Soit u une fonction réelle dérivable sur R et à valeurs dans R∗+ . Alors, la fonction
ln u est dérivable sur R et on a :
u0
(ln u)0 = ,
u
c’est-à-dire :
u0 (x)
∀ x ∈ R, (ln u)0 (x) = .
u(x)
Théorème 1.5 (opérations algébriques). Pour tous réels a et b strictement positifs, pour tout
entier n, on a :
a
1
ln ab = ln a + ln b, ln = ln a − ln b, ln = − ln a et ln (an ) = n ln a.
b a
ln x ln(1 + x)
lim x ln x = 0, lim =0 et lim = 1.
x→0 x→+∞ x x→0 x
x 7−→ xα = eα ln x .
Remarque 1.6. Pour certaines valeurs de α, l’ensemble de définition peut être plus grand :
∗ si α ∈ N, alors l’ensemble de définition est R,
∗ si α ∈ Z \ N, alors l’ensemble de définition est R∗ .
d α
∀ x ∈ R∗+ , (x ) = αxα−1 .
dx
Chapitre 1 - Fonctions usuelles 27
y
α>1 α=1
0<α<1
α<0
0 x
Théorème 1.7 (Opérations algébriques). Pour tous réels α et β, pour tous x, y ∈ R∗+ , on a :
α
α β α+β xα α−β 1 1 −α α β β α
= xαβ et (xy)α = xα y α .
x x =x , = x , = = x , (x ) = x
xβ x xα
Remarque 1.7. En particulier, on a :
p
∀ p ∈ Z, ∀ q ∈ N∗ , xp/q = (xp )1/q = x1/q .
Cas α = 2 : la fonction carré
0 x
Proposition 1.8. Soit u une fonction réelle dérivable sur R. Alors, la fonction u2 est dérivable sur R
et on a :
(u2 )0 = 2u0 u,
c’est-à-dire :
∀ x ∈ R, (u2 )0 (x) = 2u0 (x)u(x).
28 Lycée CHATEAUBRIAND - BCPST 1B
0 x
√
Proposition 1.9. Soit u une fonction réelle dérivable sur R à valeurs dans R∗+ . Alors, la fonction u
est dérivable sur R et on a :
√ 0 u0
( u) = √ ,
2 u
c’est-à-dire :
√ u0 (x)
∀ x ∈ R, ( u)0 (x) = p .
2 u(x)
Cas α = −1 : la fonction inverse
1
Propriétés 1.8. La fonction inverse x 7−→ est :
x
∗ définie et continue sur R∗ ,
∗ impaire,
1
∗ dérivable sur R∗ et sa fonction dérivée est x 7−→ − 2 .
x
∗ sa courbe représentative est appelée hyperbole.
y
1
y=
x
0 x
1
Proposition 1.10. Soit u une fonction réelle dérivable sur R à valeurs dans R∗ . Alors, la fonction
u
est dérivable sur R et on a : 0
1 u0
= − 2,
u u
Chapitre 1 - Fonctions usuelles 29
c’est-à-dire : 0
1 u0 (x)
∀ x ∈ R, (x) = − 2 .
u u (x)
Remarque 1.8. La valeur absolue est la fonction qui à tout réel associe sa distance à 0.
y
y = |x|
0 x
Proposition 1.11. La fonction valeur absolue est continue sur R, dérivable sur R∗ .
Définition 1.13. On définit les fonctions exponentielle de base a et logarithme de base a par :
expa : R −→ R loga : R∗+ −→ R
et
ln x
x 7−→ ax = ex ln a x 7−→ .
ln a
Propriété 1.9. Pour tout x ∈ R et tout y ∈ R∗+ , on a :
ax = y ⇐⇒ x = loga y.
Remarque 1.10. Les fonctions exponentielle de base a et logarithme de base a possèdent les mêmes
propriétés algébriques que les fonctions exponentielle et logarithme népérien.
Proposition 1.12.
1. La fonction exponentielle de base a est dérivable sur R et on a :
d x d x ln a
∀ x ∈ R, (a ) = e = ln a × ax .
dx dx
2. La fonction logarithme de base a est dérivable sur R∗+ et on a :
d 1
∀ x ∈ R∗+ , (loga x) = .
dx x ln a
30 Lycée CHATEAUBRIAND - BCPST 1B
0 x
y = sin x
Remarque 1.11. La courbe représentative du cosinus se déduit de celle du sinus par une translation
π π
horizontale de − . En effet, on a pour tout réel x : cos x = sin x + .
2 2
Proposition 1.13. Soit u une fonction réelle dérivable sur R. Alors, les fonctions sin u et cos u sont
dérivables sur R et on a :
c’est-à-dire :
(sin u)0 (x) = u0 (x) cos u(x) (cos u)0 (x) = −u0 (x) sin u(x) .
∀ x ∈ R, et
2. La fonction tangente
Propriétés 1.12. La fonction tannest :
π o
∗ définie et continue sur R \ + 2kπ, k ∈ Z ,
2
∗ impaire,
∗ périodique de période π, nπ o
∗ continue et dérivable sur R \ + 2kπ, k ∈ Z et on a :
2
nπ o 1
∀x∈R\ + 2kπ, k ∈ Z , tan0 (x) = 1 + tan2 x = .
2 cos2 x
Chapitre 1 - Fonctions usuelles 31
y
y = tan x
−π/2 0 π/2 x
Remarque 1.13. Soit y ∈ F , l’ensemble des antécédents de y par f n’est autre que l’image réciproque
de B = {y}, d’où la notation :
∀ x, x0 ∈ E, f (x) = f (x0 ) ⇒ x = x0 .
Remarques 1.14.
1. En d’autres termes, une fonction f est injective lorsque tout élément de F admet au plus un
antécédent par f .
2. En terme d’équations, une fonction est injective lorsque pour tout y ∈ F l’équation f (x) = y
admet au plus une solution dans E.
3. La définition suivante est équivalente (contraposée) : la fonction f est injective sur E si
∀ x, x0 ∈ E, x 6= x0 ⇒ f (x) 6= f (x0 ).
4. Attention au sens de l’implication dans la définition, l’autre implication est en effet vérifiée
pour toute fonction f :
∀ x, x0 ∈ Df , x = x0 ⇒ f (x) = f (x0 ).
Ainsi, on peut aussi dire que la fonction f est injective si :
∀ x, x0 ∈ Df , f (x) = f (x0 ) ⇔ x = x0 .
Exemples 1.9.
1. La fonction exp est injective sur R.
2. La fonction ln est injective sur R∗+ .
3. La fonction indentité id : x 7−→ x est injective sur R.
4. La fonction carré n’est pas injective sur R mais sur R+ .
5. La fonction racine carrée est injective sur R+ .
6. La fonction cos n’est pas injective sur R mais sur [0, π].
7. Toute fonction strictement croissante (resp. décroissante) sur un intervalle I est injective sur I.
Définition 1.17. Soit f : E −→ F une fonction, on dit que f est surjective de E sur F si
∀ y ∈ F, ∃x∈E f (x) = y.
Exemples 1.10.
1. La fonction exp n’est pas surjective de R sur R mais elle est surjective de R sur R∗+ .
2. La fonction ln est surjective de R∗+ sur R.
3. La fonction indentité id : x 7−→ x est surjective de R sur R.
4. La fonction carré est surjective de R sur R+ et aussi de R+ sur R+ .
5. La fonction racine carrée est surjective de R+ sur R+ .
6. La fonction cos est surjective de R sur [−1, 1] et aussi de [0, π] sur [−1, 1].
7. Toute fonction f : Df −→ f (Df ) est surjective de Df sur f (Df ).
Définition 1.18. Soit f : E −→ F une fonction, on dit que f est une bijection de E sur F si f est
à la fois une injection et une surjection de E sur F .
Exemples 1.11.
1. La fonction exp réalise une bijection de R sur R∗+ .
2. La fonction ln réalise une bijection de R∗+ sur R.
3. La fonction carré réalise une bijection de R+ sur R+ .
4. La fonction racine carrée réalise une bijection de R+ sur R+ .
5. La fonction tan réalise une bijection de − π2 ; π2 sur R.
∀ x ∈ E, (f −1 ◦ f )(x) = x et ∀ y ∈ F, (f ◦ f −1 )(y) = y.
f
E F
f −1
Remarque 1.16. Attention : Il ne faut pas confondre l’application réciproque f −1 avec la notation
utilisée pour les images réciproque : f −1 (B). Cette notation existe même si la fonction f n’admet
pas de fonction réciproque.
∀ x ∈ E, y ∈ F, f (x) = y ⇔ x = f −1 (y).
34 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 1.6. Soient a ∈ R∗ , b ∈ R et h : x 7−→ ax + b. Montrer que h réalise une bijection de R sur
R et trouver h−1 .
Exercice 1.7. Soit f la fonction carrée définie sur R et g la fonction racine carrée définie sur R+ .
Calculer f ◦ g et g ◦ f . Conclure.
Exemples 1.12.
1. Les fonctions exp : R −→ R∗+ et ln : R∗+ −→ R sont des bijections réciproques l’une de l’autre.
2. La fonction identité est une bijection sur R dont la bijection réciproque est la fonction identité
elle-même.
Exemples 1.13.
1. les fonctions exp et ln :
y
y = ex y=x
y = ln x
1
0 1 e x
√
y= x
0 x
Travaux Dirigés
Les fonctions réelles
∗ ∗ ∗
I. Calcul numérique
Exercice 1
Mettre sous forme de fraction irréductible les expressions suivantes :
51 1015 9 9 18
A= , B= , C= + + ,
136 2450 40 50 125
27 549 549 235
D =1− − , E= +2× , F = 0, 00000125.
125 1000 1000 1000
Exercice 2
Soit x ∈ R. On donne A = 2x, B = 4x2 − 1. Calculer :
C = 2xB − A, D = 2xC − B et E = 2xD − C.
Exercice 3
Soit n ∈ N? . Factoriser les expressions suivantes :
n2 − 1 n + 1 (n + 1)(3n + 2) (n + 1)2
1. − . 4. −4 .
6 6 6 9
(n − 2)(n + 1) n+1
2. +4 .
4 3
" 2 #
1 n(n + 1) n(n + 1)(2n + 1)
(n + 1)(2n + 1) (n + 1)2 5. − − .
3. − . n(n − 1) 2 6
6 4
Exercice 4
A+B = C
Résoudre le système suivant d’inconnues A, B (le réel C est supposé connu) : .
αA = βB
Exercice 5
Exprimer A en fonction de V , ε, α, β, ∆ uniquement.
A+B = C
V = αA
V = βB
V = ε − ∆C
36 Lycée CHATEAUBRIAND - BCPST 1B
III. Puissances
Exercice 6
1
Calculer − 2 pour n = 1045 .
n3
Exercice 7
Soit n ∈ N? . Simplifier les expressions suivantes :
3n (22n+1 )2 1
A= , B= , C = 4n − 22n−1 et D = + (−1)2n−2 .
33n 22n−1 (−1)2n+1
Exercice 8
Soit n un entier naturel et x un réel strictement positif. Simplifier :
√ √
3
√ 3 √ √ 15 √
A = 1 3 2 × 25 , B= 63 , C = 5 3 3 9 32 ,
(x2 )n x3 x5n
D = n+1 , E = 2n 5 , F = (x−n+1 )2 (x3 )n−2 ,
x x x h i2n
2n−1 2
√ 2n
2 × (2 )
G = 222n+1 , H = (22n )(2n) , I= .
8n2
Exercice 9 2
n+1 n
Soit n ∈ N, et soit u deux réels. Mettre sous la forme ap uq le réel un = a a2 u2 (attention, les
exposants ne sont pas 2n + 1 et 2n).
Exercice 10
Simplifier chacune des expressions suivantes :
√ √ √ 18 √ 18
A = ln 3 + 1 + ln 3−1 , B = ln 3+1 + ln 3−1 .
Exercice 11
Soit x ∈ R?+ . Simplifier les expressions suivantes :
ln(2x)
A= (ici x 6= 1), B = (ln x)2 − ln(x2 ) et C = (ln x)2 − ln(x2 ) + 1.
ln x
Exercice 12
Soit x un nombre réel. On pose f (x) = x2 ln x. Compléter le tableau suivant :
1 √ √ 1 1
x= e e e2 e e √
e e2 e
f (x) =
Chapitre 1 - Fonctions usuelles 37
Exercice 13
Simplifier les expressions suivantes :
1
A = exp − 1 exp − ln v1 , B = exp − ln w1 ,
ln
v ln 12
1 w 1
C = exp − 1 , D = exp x − ln 1 + x ,
ln w e
1 1 exp (ln(1 + x) − ln(1 − x))
E = exp − ln + , F = ,
x2 − x4 x exp (ln(1 + x) − ln(x − 1))
1 h (x+1)2 −e2 ln x i e3 ln 2x−ln x e1−3 ln x
G= e , H= .
e xex−2
V. Trinômes
Exercice 14
Mettre les trinômes suivants sous forme canonique et donner l’allure de la courbe représentative (on
placera en particulier le sommet) :
1. x2 − 5x + 6, 2. x2 + x + 1, 3. x2 − 4x + 4, 1 2 15
4. x −x+ 2
.
6
Exercice 15
Calculer suivant la valeur du paramètre m ∈ R les solutions de l’équation f (x) = 0 pour :
1. f (x) = x2 − x − m, 2. f (x) = m2 x2 + mx + m − 1.
VI. Fonctions
1. Domaine. Composition
Exercice 16
On considère les fonctions définies sur R par : u : x 7→ 2x − 8, v : x 7→ x2 .
1. Donner les domaines de définitions et les expressions des fonctions u ◦ v et v ◦ u.
2. Donner les variations des fonctions u ◦ v et v ◦ u sans dériver.
Exercice 17
Exprimer chacune des fonctions f suivantes définies par la donnée du reéel f (x) comme composée
de fonctions usuelles.
ln x ex
f1 (x) = ex − x2 f2 (x) = 2 f3 (x) =
x + 5x + 7 x2 + 1
√ ln(x2 + 2)
f4 (x) = x2 + x + 1 f5 (x) = e2x − (x + 1)ex f6 (x) =
√ 2x
ex + 2 e3x
f7 (x) = f8 (x) = 2 f9 (x) = ln x − x
xx x + ex
1 1
f10 (x) = f11 (x) = x x f12 (x) = x3 ln(x)
x
38 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 18
Déterminer l’ensemble de définition des fonctions dans chacun des cas suivants :
1 1 1
1. f1 : x 7→ , 3. f3 : x 7→ , 5. f5 : x 7→ √ ,
x2 +1 x2 −1 x2 − 1
√ √ √
2. f2 : x 7→ x2 + 1, 4. f4 : x 7→ x2 − 1, 6. f6 : x 7→ 1 − x2 .
Exercice 21
1. Rappeler les variations de la fonction u : x 7→ x2 définie sur R.
2. Donner les tableaux de variations des fonctions suivantes définies sur R :
f : x 7→ −5x2 , g : x 7→ x2 − 4 et h : x 7→ 0, 5x2 + 2.
Exercice 22
√ √
Soit f la fonction définie par f (x) = x2 + 6x + 8 − x2 − 1.
Donner son ensemble de définition Df et étudier le signe de f (x) pour x ∈ Df .
Exercice 23
Soit x > 0. Comment choisir x pour que l’on ait :
1. x2 > 10000, 1 1
3. < 10−6 , 5. > 0, 001.
1 x x
2. > 10000, 4. x2 < 0, 0001,
x
Exercice 24
Soit x < 0. Comment choisir x pour que l’on ait :
1. x2 > 10000, 1 1
3. > 10−6 , 5. > −0, 001.
1 x x
2. > −10000, 4. x2 < 0, 0001,
x
Exercice 25
Donner le domaine de définition de chaque fonction fi de l’exercice 17, i ∈ {1 . . . 13}.
Chapitre 1 - Fonctions usuelles 39
Exercice 26
1. Trouver le plus petit entier n tel que 2n soit supérieur à 1000. En déduire la partie entière de
log2 (1000).
2. Trouver le plus petit entier n tel que :
3 × 5−n ≤ 0, 0001. On pourra utiliser que :
0, 47 ≤ log(3) ≤ 0, 48 et 0, 69 ≤ log(5) ≤ 0, 70.
Exercice 27
Résoudre dans R les inéquations suivantes d’inconnue x :
a) |x − 1| < 3, b) 2 < |x − 1| ≤ 4, c) |x − 1| < 0
d) |x − 3| ≤ k (k paramètre réel), e) |x − a| > |x − b|, (a, b sont deux réels distincts donnés).
Exercice 28
Résoudre dans R les équations suivantes :
1. ex − 2 + e−x = 0. 2. x4 + 3x2 = k où, k ∈ R est un paramètre.
Exercice 29
Soit x ∈ R. On pose P (x) = x3 − 7x2 + 14x − 8.
1. Factoriser P (x) par x − 1.
2. En déduire les solutions sur R de l’inéquation P (x) < 0.
Exercice 30
Discuter graphiquement suivant la valeur du paramètre m ∈ R le nombre de solutions de l’équation :
1. x3 − x = m, 2. cos(5x) − m = 0.
Exercice 31
On définit deux fonctions f et g par :
2x + 1
f (x) = et g(x) = x2 .
x−2
1. Quels sont les ensembles de définitions de f et de g.
2. Calculer f ◦ g(x) et g ◦ f (x).
3. Déterminer l’image de 3x par f , puis l’image de x3 par g.
4. Prouver que f est une application bijective de R\{2} sur R\{2} et que f −1 = f .
Exercice 32
Soit f la fonction définie sur R par f (x) = x3 − 3x.
1. Étudier les variations de f .
2. La fonction f est-elle injective ? surjective ?
3. Déterminer graphiquement les ensembles f ([1, 2]) et f ([−1, +∞[).
4. Déterminer par le calcul les ensembles f −1 (] − 2, +∞[) (s’inspirer de l’exercice 29 pour cela)
et f −1 ({0}).
40 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 33
Montrer que la restriction g à l’intervalle I = [−25, +∞[ de la fonction f : x 7→ x2 − 8x − 9 réalise
une bijection de I sur un ensemble J à préciser et calculer sa bijection réciproque g −1 .
Exercice 34
Soit f la fonction définie sur R \ {1} par
x−2
f (x) = .
x−1
1. Trouver (a, b) ∈ R2 tel que :
b
∀x ∈ R \ {1}, f (x) = a + .
x−1
2. Déterminer f (R \ {1}) .
3. En déduire l’allure de la courbe de f .
4. Déterminer f ([2, 5[) et f −1 R∗+ .
Chapitre 2
Trigonométrie
Sommaire
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1. Le cercle trigonométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2. Valeurs particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3. Quelques identités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
41
Rappels de trigonométrie
∗ ∗ ∗
I. Généralités
1. Le cercle trigonométrique
Soit θ ∈ R. Dans un repère orthonormé, on peut représenter les valeurs cos θ et sin θ sur le cercle de
rayon 1 et centré en l’origine du repère, appelé cercle trigonométrique :
π
Remarque 2.1. Lorsque θ 6= +kπ, k ∈ Z, on peut également représenter géométriquement la valeur
2
de tan θ. C’est une conséquence du théorème de Thalès et de la π-périodicité de la fonction tan :
2. Valeurs particulières
On a les valeurs particulières suivantes (modulo 2π) :
π π π π
θ 0 π
6 4 3 2
√
1 2 1
cos θ 1 √ = 0 −1
2 2 2
√ √
1 1 2 3
sin θ 0 √ = 1 0
2 2 2 2
√
1 3 √
tan θ 0 √ = 1 3 X 0
3 3
44 Lycée CHATEAUBRIAND - BCPST 1B
3. Quelques identités
Pour tout x ∈ R, on a les identités suivantes :
Sommaire
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3. Représentation géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1. Module . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1. Formules de trigonométrie . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2. Linéarisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
47
Nombres complexes
∗ ∗ ∗
I. Généralités
a = Re(z) et b = Im(z).
Remarques 3.1.
1. Tout nombre réel est un nombre complexe : R ⊂ C.
2. attention : la partie imaginaire est un nombre réel !
3. On appelle imaginaire pur tout complexe z de partie réelle nulle : z = ib, b ∈ R.
Proposition 3.2. Les complexes z = a + ib et z 0 = a + ib0 sont égaux si et seulement si leurs parties
réelles et leurs parties imaginaires sont égales :
z = z0 ⇔ a = a0 et b = b0 .
Proposition 3.3. Soit z = a + ib un nombre complexe non nul. Alors, z admet un inverse et on a :
1 a b
= 2 2
−i 2 .
z a +b a + b2
z̄ = a − ib.
3. Représentation géométrique
Soit P le plan rapporté à un repère orthonormé (O, ~u, ~v ).
Définition 3.3. À tout nombre complexe z = a + ib, on associe le point M de coordonnées (a, b),
appelé image de z. On dit aussi que z est l’affixe de M .
A tout nombre complexe z = a + ib, on associe le vecteur w~ = a~u + b~v . On dit que z est l’affixe du
vecteur w.
~
1. Module
Définition 3.4. Soit z = a + ib un nombre complexe, on appelle module de z et on note |z| le nombre
réel positif défini par : √
|z| = a2 + b2 .
Remarque 3.3. Si z est réel, alors le module de z n’est autre que la valeur absolue de z.
U = {z ∈ C, |z| = 1}.
Chapitre 3 - Nombres complexes 51
Définition 3.6. Tout nombre complexe z non nul peut s’écrire sous la forme suivante, appelée forme
trigonométrique :
z = |z|(cos θ + i sin θ) = |z|eiθ , avec θ ∈ R.
Le réel θ est appelé argument de z et noté θ = arg(z).
Remarques 3.4.
1. Attention : l’argument est défini modulo 2π.
−−→
2. On a : θ = (~u, OM ).
Corollaire 3.2 (Formule de Moivre). Pour tout réel θ et tout entier naturel n, on a :
1. Formules de trigonométrie
Grâce aux formules d’Euler, on retrouve les formules classiques de la trigonométrie.
cos2 x + sin2 x = 1,
cos 2x = cos2 x − sin2 x = 2 cos2 x − 1 = 1 − 2 sin2 x,
sin 2x = 2 sin x cos x.
52 Lycée CHATEAUBRIAND - BCPST 1B
2. Linéarisation
Soient n et p des entiers et θ un réel, on appelle linéarisation le procédé qui consiste à exprimer
cosn θ, sinn θ et plus généralement cosn θ sinp θ à l’aide d’une somme de termes de la forme a cos kθ
et b sin kθ. On utilise pour cela les formules d’Euler ainsi que la formule du binôme de Newton.
Remarque 3.5. La linéarisation peut s’avérer très utile lorsqu’on cherche à intégrer cos2 θ, sin4 θ, . . .
Chapitre 3 - Nombres complexes 53
Proposition 3.12. Pour tous réels a et b, il existe des réels r et ϕ tels que pour tout réel θ, on a :
a a b b
cos ϕ = =√ et sin ϕ = =√
r a + b2
2 r a + b2
2
az 2 + bz + c = 0,
∆ = b2 − 4ac.
2z 2 + 2z + 5 = 0.
az 2 + bz + c = 0.
Alors, on a :
az 2 + bz + c = a(z − z1 )(z − z2 ).
En particulier, on en déduit les relations coefficients-racines :
b c
z1 + z2 = − et z1 z2 =
a a
Corollaire 3.5. Soient z1 et z2 deux réels ou des complexes conjugués de somme s et de produit p.
Alors, z1 et z2 sont les racines du polynôme à coefficients réels :
z 2 − sz + p = 0.
I. Point cours
Exercice 5 Soient a, b ∈ ]0, π[. Donner la forme exponentielle des nombres suivants :
1 + eia
A = 1 + eia , B = 1 − eia , C = eia + eib et D= .
1 + eib
Exercice 6
1. Donner les modules et arguments des nombres complexes :
√ √
6+i 2
z1 = , z2 = 1 + i et z3 = z1 /z2 .
2
π π
2. (a) En déduire cos − et sin − .
12 12
7π 7π
(b) En déduire également cos et sin .
12 12
|z| = 1 ⇔ z̄ = 1/z.
Exercice 12
1. Exprimer cos 4x en fonction de cos x.
2. Exprimer sin 5x en fonction de sin x.
sin 6x
3. Exprimer en fonction de cos x.
sin x
Exercice 13 Résoudre dans R l’équation :
sin x + cos x + 1 = 0.
Chapitre 2 & 3 - Nombres complexes et trigonométrie 57
V. Équations
1. P (x) = x2 − 3x + 5. 2. Q(x) = x2 + x + 1.
z 4 − 2z 2 cos 2a + 1 = 0,
Exercice 16 Déterminer pour chacun des systèmes suivants les couples, réels ou complexes, so-
lutions de : ( (
x+y =1 x + y = −1
(S1 ) et (S2 )
xy = 2 xy = 1.
Chapitre 4
Systèmes linéaires
Sommaire
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2. Systèmes équivalents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3. Opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2. Systèmes échelonnés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
1. Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2. Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
1. Notion de rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2. Systèmes de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
59
Systèmes linéaires
∗ ∗ ∗
I. Généralités
1. Définitions
Définition 4.1. On appelle système linéaire de n équations à p inconnues x1 , . . . , xp réelles ou com-
plexes tout système de la forme :
a1,1 x1 + a1,2 x2 + · · · + a1,p xp = b1 L1
a2,1 x1 + a2,2 x2 + · · · + a2,p xp = b2 L2
(S) ..
.
an,1 x1 + an,2 x2 + · · · + an,p xp = bn Ln
où les coefficients (ai,j ) 1≤i≤n et (bi )1≤i≤n sont des scalaires fixés.
1≤j≤p
Le n-uplet (b1 , . . . , bn ) est appelé second membre du système.
On note L1 , . . . , Ln les lignes du système.
Définition 4.2. On dit que le système (S) est compatible s’il admet au moins une solution. Sinon,
on dit que le système est incompatible.
Définition 4.3.
1. On dit qu’un système est homogène ou sans second membre si b1 = · · · = bn = 0.
2. On appelle système homogène associé à (S), le système noté (SH ) obtenu en remplaçant
les second membre du système (S) par un second membre nul.
Exemples 4.1.
1. Système linéaire de deux équations à trois inconnues :
(
2x − 3y + z = −2
x + 2y − z = 3
On remarque que le triplet (1, 2, 2) est solution. Ce système est compatible.
2. Système homogène de trois équations à quatre inconnues :
2x − 3y + z + t = 0
x + 2y − z − 3t = 0
−x − y + 2t = 0
Remarque 4.1. Tout système homogène est compatible : le n-uplet (0, . . . , 0) est toujours solution
d’un tel système.
2. Systèmes équivalents
Définition 4.4. Deux systèmes (S) et (S 0 ) sont dits équivalents s’ils ont le même ensemble de solu-
tions.
sont équivalents. Ils admettent pour unique solution le couple (−1, 2).
3. Opérations élémentaires
Définition 4.5. On appelle opérations élémentaires sur les lignes L1 , . . . , Ln du système (S) l’un
des trois opérations suivantes :
1. multiplier la ligne Li par un scalaire α non nul, et on note : Li ←− αLi ,
2. ajouter à la ligne Li α fois une autre ligne Lj et on note : Li ←− Li + αLj ,
3. échanger les lignes Li et Lj , et on note : L1 ←→ Lj .
Théorème 4.1. Par application de l’un des trois opérations élémentaires sur les lignes d’un système
(S), on obtient un nouveau système (S 0 ) qui lui est équivalent.
Remarque 4.2. En composant plusieurs opérations élémentaires, on peut obtenir les opérations sui-
vantes :
1. permuter les lignes du systèmes,
2. ajouter à la ligne Li une combinaison linéaire des autres lignes.
Remarque 4.3. Ce système est dit normalisé car les coefficients des premiers termes de chaque ligne
valent tous un.
Proposition 4.1. Pour tout second membre (bi )1≤i≤n , le système (T ) possède une unique solution
obtenue de proche en proche à partir de la dernière ligne :
x n = bn
xn−1 = bn−1 − an−1,n xn
.. ..
.=.
x2 = b1 − a2,n xn − · · · − a2,3 x3
x1 = b1 − a1,n xn − · · · − a1,3 x3 − a1,2 x2 .
2. Systèmes échelonnés
Définition 4.7. On dit qu’un système linéaire de n équations à p inconnues est échelonné si :
1. lorsque les coefficients de x1 , . . . , xk sont nuls sur une ligne, alors les coefficients de x1 , . . . , xk+1
sont nuls sur la ligne suivante,
2. lorsque le membre de gauche d’une ligne est nul, alors il en va de même pour tout les lignes
suivantes.
Remarques 4.4.
1. Un système est échelonné lorsque le nombre de coefficients nuls consécutifs comptés à partir
du coefficient de x1 augmente strictement d’une ligne à l’autre.
2. Un système est échelonné lorsque l’indice des inconnues de tête est strictement croissant.
64 Lycée CHATEAUBRIAND - BCPST 1B
Théorème 4.2 (Résolution d’un système échelonné). Soit (SE) un système échelonné.
1. Si (SE) comporte une équation du type 0 = bm avec bm non nul, alors le système n’a pas de
solution : (SE) est incompatible.
2. Sinon, on retire les équations du type 0 = 0 et le système (S 0 ) obtenu est équivalent à (SE).
(a) si r = p : alors (S 0 ) est un système triangulaire normalisé et possède donc une unique
solution : (SE) admet une unique solution.
(b) si r < p : alors (SE) admet une infinité de solutions. L’ensemble des solutions est
alors paramétré par p − r inconnues, dites inconnues secondaires.
Remarque 4.5. Un système échelonné a zéro, une unique ou une infinité de solutions.
1. Principe
1. On choisit une ligne pivot dont le coefficient de x1 est non nul et si possible égale à 1 et on la
place en première position.
2. On réalise des opérations sur les autres lignes de façon à annuler les coefficients de x1 :
Li ←− Li + αi L1 .
Remarque 4.6. Cette méthode est universelle pour échelonner un système linéaire. Suivant les cas,
il peut y avoir une méthode plus courte pour y arriver.
Chapitre 4 - Système linéaires 65
2. Exemples
Exercice 4.3. Résoudre les systèmes suivants en cherchant à l’aide de la méthode du pivot de Gauss
un système échelonné équivalent au système initial.
2y − z = 2
x+ y+ z =3
(
x + 2y − z + t = 3 2x − 3y + z = −5
1. −x + 2y − z = −9 2. 3.
2x − y + 3z = 16 2x + 4y + z − 2t = −1
x+ y+z =0
x + 2y − z = 1
1. Notion de rang
Définition 4.8.
1. On appelle rang d’un système linéaire échelonné (SE) le nombre d’équations dont le membre
de gauche est non nul.
2. On appelle rang d’un système linéaire (S) le rang du système échelonné équivalent.
2. Systèmes de Cramer
Définition 4.9. On appelle système de Cramer, tout système linéaire de n équations à n inconnues
possédant une unique solution.
Proposition 4.2. Un système linéaire est de Cramer, si et seulement si, il est équivalent à un système
triangulaire dont les coefficients diagonaux sont non nuls.
Proposition 4.4. Soient (S) un système linéaire de n équations à p inconnues compatible, (SH ) son
système homogène associé et X0 une solution particulière de (S).
Alors, X est solution du système (S) si et seulement si X − X0 est solution du système homogène
associé (SH ) :
X ∈ S ⇐⇒ X − X0 ∈ SH .
66 Lycée CHATEAUBRIAND - BCPST 1B
I. Point cours
Exercice 2 Soit λ un paramètre réel et (S) un système linéaire d’au moins deux équations. Dans
chacun des cas suivants, dire si le système (S 0 ) obtenu par l’opération élémentaire (OE) est équivalent
à (S).
1. (OE) `1 ← `1 + λ`2 ?
2. (OE) `1 ← λ`1 + `2 ?
3. (OE) `2 ← `1 + λ`2 ?
4. (OE) `2 ← λ`1 + `2 ?
Exercice 6
1. Résoudre dans R2 : x1 + x2 = 0
2. Résoudre dans R3 : x1 + x2 + x3 = 0
3. soit n ≥ 2 un entier. Résoudre dans Rn : x1 + x2 + · · · + xn = 0.
Exercice 10 Soit λ ∈ C. Trouver pour quelles valeurs de λ le système suivant d’inconnue (x, y, z)
élément de C3 n’est pas un système de Cramer :
5x −8y +4z = λx
x −λy = 0
y −λz = 0
Exercice 11 Trouver une condition nécessaire et suffisante sur sur les seconds membres pour que
les systèmes suivants aient au moins une solution :
x + 2y + 3z = a
x − 3y = a
1. 2x + 5y + 3z = b 3x + y = b
2.
x + 9z = c x + 7y = c
2x + 4y = d
Exercice 13
1. (a) Soient a1 , a2 et a3 sont des complexes donnés, résoudre dans C3 :
x1 + x2 = 2a1
x2 + x3 = 2a2
x1 + x3 = 2a3 .
2. (a) Etant donnés 3 points du plan A1 , A2 et A3 , déterminer un triangle (M1 , M2 , M3 ) tel que
A1 soit le milieu de [M1 M2 ], A2 le milieu de [M2 M3 ] et A3 le milieu de [M3 M1 ].
(b) Étudier le même problème avec 4 points.
Chapitre 5
Équations différentielles
Sommaire
I. Équations différentielles linéaires du premier ordre . . . . . . . . . . . . . . . . 73
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3. Cas homogène . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
7. Problème de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3. Cas homogène . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5. Principe de superposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6. Problème de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
71
Équations différentielles
∗ ∗ ∗
Dans tout le chapitre, I désigne un intervalle de R non trivial, c’est-à-dir enon vide et non réduit à
un point.
1. Définitions
Définition 5.1. On appelle équation différentielle linéaire du premier ordre une équation de la
forme :
(E) y 0 + a(x)y = b(x),
où a, b : I −→ R sont des fonctions continues définie sur l’intervalle I de R.
La fonction a est appelée coefficient de l’équation différentielle.
La fonction b est appelée second membre de l’équation différentielle.
Définition 5.2.
1. On dit qu’une équation différentielle est homogène ou sans second membre si b est la
fonction nulle sur I.
2. On appelle équation différentielle homogène associée à (E), l’équation différentielle notée
(EH ) obtenue en remplaçant le second membre de (E) par la fonction nulle sur I :
(EH ) y 0 + a(x)y = 0.
Exemples 5.1.
1. L’équation différentielle linéaire du premier ordre homogène :
y 0 − y = 0,
Théorème 5.1. Soient (E) une équation différentielle du premier ordre et (EH ) l’équation différen-
tielle homogène associée. On note S l’ensemble des solutions de (E) et SH l’ensemble des solutions
74 Lycée CHATEAUBRIAND - BCPST 1B
S = {yp + yh , yh ∈ SH },
c’est-à-dire, les solutions de (E) sont exactement les fonctions y qui sont somme de la solution
particulière yp et d’une solution yh de l’équation homogène :
y = yp + yh , yh ∈ SH .
En d’autres termes, on a :
y∈S ⇐⇒ y − yp ∈ SH .
Démonstration.
Remarque 5.2. Ce théorème très important montre une forme de similitude entre systèmes linéaires
et équations différentielles linéaires. Ces similitudes proviennent du caractère linéaire de ces deux
objets mathématiques. Nous étudierons plus tard ce que cela signifie.
Objectif : Résoudre l’équation différentielle (E) sur l’intervalle I, c’est-à-dire déterminer l’ensemble
des solutions sur I de (E).
Remarque 5.3. Le Théorème 1 donne une idée de démarche à suivre pour résoudre une équation
différentielle linéaire du second ordre :
∗ rechercher les solutions de l’équation homogène associée,
∗ recherche une solution particulière,
Noter que ce n’est pas la démarche suivie pour résoudre un système linéaire.
3. Cas homogène
Dans cette partie, on recherche les solutions de l’équation différentielle homogène :
(EH ) y 0 + a(x)y = 0,
Exemples 5.2.
1. Soit a ∈ R, résolution sur R de l’équation différentielle :
y 0 + ay = 0.
y 0 − xy = 0.
1
(EH ) y 0 + y = 0.
x
Chapitre 5 - Équations différentielles 75
Pour recherche une solution particulière, on part de la forme des solutions de l’équation différentielle
homogène associée (EH ) :
∀ x ∈ I, y(x) = λe−A(x) , λ ∈ R.
On appelle méthode de variation de la constante la méthode qui consiste à rechercher une solution
particulière sous la forme :
yp (x) = λ(x)e−A(x) ,
avec λ : I −→ R une fonction dérivable sur I.
Un calcul donne :
c’est-à-dire
∀ x ∈ I, λ0 (x) = b(x)eA(x) .
Remarques 5.4.
1. Lorsqu’on utilise la méthode de variation de la constante, on doit absolument refaire ce rai-
sonnement en remarquant que les termes en λ(x) doivent se simplifier !
2. Cette méthode fournit, dans tous les cas, une solution particulière théorique. Le principal
problème réside dans la recherche d’une primitive.
1 1
(E) y 0 + y = √ .
x x2 + 1
Le résultat suivant est utile pour rechercher une solution particulière d’une équation différentielle
dont le second membre s’écrit comme la somme de deux ou plusieurs fonctions.
On considère une équation différentielle linéaire du premier ordre de la forme suivante :
Proposition 5.1. Si y1 est solution de (E1 ) et y2 solution de (E2 ), alors y1 + y2 est solution de (E).
76 Lycée CHATEAUBRIAND - BCPST 1B
1 1
(E) y 0 + y = √ + 3x − 4.
x x2 + 1
Lorsque l’équation différentielle étudiée est à coefficient constant, c’est-à-dire lorsque la fonction a
est constante sur I,
(E) y 0 + ay = b(x),
on peut dans certains cas rechercher une solution particulière en s’inspirant de la forme du second
membre.
Exemples 5.5.
yp (x) = Q(x),
yp (x) = xα Q(x)emx ,
(
1 si m = −a
où Q est un polynôme de même degré que P et α =
0 sinon.
7. Problème de Cauchy
Définition 5.3. Soient a, b : I −→ R deux fonctions continues, x0 ∈ I et y0 ∈ R. On appelle problème
de Cauchy la recherche de solutions satisfaisant à :
(
y 0 + a(x)y = b(x)
y(x0 ) = y0 .
Remarque 5.5. Dans ce cas, un problème de Cauchy est la donnée d’une équation différentielle linéaire
du premier ordre et d’une condition initiale.
Exemples 5.6.
1. La fonction exponentielle est l’unique solution au problème de Cauchy :
(
y0 − y = 0
y(0) = 1.
y 0 + 1 y = √ 1
x x2 + 1
y(1) = 0.
1. Définition
Définition 5.4. On appelle équation différentielle linéaire du second ordre à coefficients
constants une équation de la forme :
(E) ay 00 + by 0 + cy = f (x),
où a, b et c sont des constantes réelles telles que a est non nul et f : I −→ C est une fonction
continue sur l’intervalle I de C.
La fonction a est appelée coefficient de l’équation différentielle.
La fonction b est appelée second membre de l’équation différentielle.
Définition 5.5.
1. On dit qu’une équation différentielle est homogène ou sans second membre si f est la
fonction nulle sur I.
2. On appelle équation différentielle homogène associée à (E), l’équation différentielle notée
(EH ) obtenue en remplaçant le second membre de (E) par la fonction nulle sur I :
(EH ) ay 00 + by 0 + cy = 0.
Exemples 5.7. Soit q la charge sur l’armature gauche d’un condensateur dans un circuit RLC. La loi
des mailles montre que l’évolution de la charge q est régie par une équation différentielle du second
78 Lycée CHATEAUBRIAND - BCPST 1B
Théorème 5.4 (Structure de l’ensemble des solutions). Soient (E) une équation différentielle du
premier ordre et (EH ) l’équation différentielle homogène associée. On note S l’ensemble des solutions
de (E) et SH l’ensemble des solutions de (EH ). Soit yp une solution particulière de (E), alors :
S = {yp + yh , yh ∈ SH },
c’est-à-dire, les solutions de (E) sont exactement les fonctions y qui sont somme de la solution
particulière yp et d’une solution yh de l’équation homogène :
y = yp + yh , yh ∈ SH .
En d’autres termes, on a :
y∈S ⇐⇒ y − yp ∈ SH .
3. Cas homogène
Dans cette partie, on recherche les solutions de l’équation différentielle homogène :
(EH ) ay 00 + by 0 + cy = 0,
Définition 5.6. On appelle équation caractéristique de l’équation (E) l’équation du second degré :
ar2 + br + c = 0.
Théorème 5.5. On se place sous les hypothèses de cette section, et on pose ∆ = b2 − 4ac.
1. Si ∆ > 0 : l’équation caractéristique admet deux racines réelles r1 et r2 et les solutions de (EH )
sont les fonctions définies par
2. Si ∆ = 0 : l’équation caractéristique admet une racine réelle double r0 et les solutions de (EH )
sont les fonctions définies par
y(x) = (A + Bx)er0 x , A, B ∈ R.
2. y 00 + 4y 0 + 4y = 0,
3. y 00 + ω 2 y = 0, ω > 0.
(E) ay 00 + by 0 + cy = f (x),
où a, b et c sont des constantes réelles telles que a est non nul et f : I −→ C est une fonction continue
sur l’intervalle I de C.
yp (x) = xα Q(x)emx ,
Remarque 5.7. Soient α, β des réels et P un polynôme à coefficients réels. On s’intéresse à des seconds
membres de la forme :
∗ f (x) = P (x) cos βx = Re P (x)eiβx ou f (x) = P (x) sin βx = Im P (x)eiβx ,
∗ f (x) = eαx cos(βx) = Re e(α+iβ)x ou f (x) = eαx sin(βx) =∈ e(α+iβ)x
La méthode de résolution est la suivante :
1. Remplacer le second membre par le second membre complexe associé,
2. Rechercher une solution particulière complexe zp pour le second membre complexe associé,
80 Lycée CHATEAUBRIAND - BCPST 1B
5. Principe de superposition
Le résultat suivant est utile pour rechercher une solution particulière d’une équation différentielle
dont le second membre s’écrit comme la somme de deux ou plusieurs fonctions.
On considère une équation différentielle linéaire du premier ordre de la forme suivante :
Proposition 5.3. Si y1 est solution de (E1 ) et y2 solution de (E2 ), alors y1 + y2 est solution de (E).
6. Problème de Cauchy
Définition 5.7. Soient a, b, c des réels (a 6= 0) et f : I −→ R une fonction continue, x0 ∈ I et
y0 , y1 ∈ R. On appelle problème de Cauchy la recherche de solutions satisfaisant à :
(
ay 00 + by 0 + cy = f (x)
y(x0 ) = y0 et y 0 (x0 ) = y1 .
Remarque 5.8. Dans ce cas, un problème de Cauchy est la donnée d’une équation différentielle linéaire
du second ordre et de deux conditions initiales.
I. Point cours
Exercice 1 Identifier le type d’équation différentielle dans chacun des cas suivants (linéaire ?
ordre ? coefficients constants ? homogène ?). On ne demande pas de résoudre !
1. y 0 = f , où f est une fonction donnée
2. y 0 − x2 y = ex .
3. y 0 − y1 = 0.
4. y 0 − y = 3y 2 .
5. y 00 − 2(cos x)y 0 + y = sin x.
6. y 00 − 2(cos x)y 0 + y = 0.
Exercice 2 Donner la forme générale des solutions des équations différentielles suivantes sur R,
puis calculer la solution vérifiant les conditions initiales données :
1. y 00 + y = 0, y(0) = 1, y 0 (0) = 0.
2. y 00 − 3y 0 + 2y = 0, y 0 (0) = y(0) = 1.
3. y 00 + 2y 0 + 2y = 0, y(0) = 0, y 0 (0) = 1.
4. y 00 − 2y 0 + y = 0, y(0) = 0, y 0 (0) = −2
5. y 00 + y 0 + y = 0, y(0) = 0, y 0 (0) = −1.
Exercice 3
1. Résoudre l’équation différentielle :
y 0 + 2y = 3, sur R.
y 0 − y = x, sur R.
y 0 + y = x − 3, sur R.
82 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 4
1. Résoudre l’équation différentielle :
y 0 + xy = x, sur R.
Exercice 6 Dans un élevage de poules “Isabrown”, on note P la courbe de poids d’une poule (en
grammes) en fonction de temps t (en semaines). On suppose que c’est une fonction dérivable de R+
dans R?+ et qu’elle vérifie l’équation différentielle (trouvée expérimentalement) :
1. Supposons qu’il existe une solution P définie sur un intervalle I non vide et sur lequel la
1
fonction P ne s’annule pas. Pour tout t dans I, on pose alors y(t) = . Écrire l’équation
P (t)
différentielle vérifiée par la fonction y et donner ses solutions.
2. En déduire les solutions P de l’équation (E).
3. On remarque qu’une poule de 4 semaines pèse 200 g. Quel sera son poids à 12 semaines ? Vers
quelle valeur son poids tendra-t-il à se stabiliser ?
4. y 00 + y 0 + y = ex + e−x
5. y 00 + 2y 0 + 2y = e−x cos x y(0) = 1 y 0 (0) = 0
y 00 − 4y = 4e−2x .
Déterminer la solution dont la représentation graphique C admet une asymptote parallèle à l’axe
(Ox) et telle que la tangente à C au point d’intersection avec l’axe (Oy) soit parallèle à la droite
d’équation y = x.
(E) y (4) − 2y 00 + y = 0,
x2 y 00 + xy 0 − y = 0, x ∈]0, +∞[.
1. Montrer que la fonction définie sur ]0, +∞[ par y(x) = x est solution particulière de (E).
2. Soit y une fonction définie sur ]0, +∞[, on introduit la fonction z définie par la relation y(x) =
xz(x). Montrer que y est solution de (E) si, et seulement si, z 0 est solution d’un équation
différentielle du premier ordre notée (E1 ) que l’on déterminera.
3. Résoudre (E1 ) puis (E).
Sommaire
I. Éléments de logique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
1. Propositions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4. Équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
2. Récurrence double . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3. Récurrence forte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
85
Logique et raisonnement
∗ ∗ ∗
I. Éléments de logique
1. Propositions
Définition 6.1. On appelle proposition tout énoncé mathématique qui est soit vrai soit faux.
Remarque 6.1.
1. Si P est une proposition, on écrit P pour dire « P est vraie ».
2. Si P (x) est une proposition dépendant de x, elle sera vraie ou fausse suivant les valeurs de
x : soit E un ensemble, on écrit « ∀ x ∈ E, P (x) » pour dire que « P (x) est vraie pour toute
valeur de x dans l’ensemble E ».
Exemples 6.1.
1. La proposition ∀ x ∈ R, x2 ≥ 0 est vraie.
2. La proposition ∀ x ∈ R, x2 > 0 est fausse.
Remarque 6.2. Attention : le ou mathématique est inclusif contrairement au « ou »,qui peut être
exclusif : « le mardi à 14h, vous avez math ou bio ? ».
Remarque 6.3. Lorsque l’on écrit la négation d’une proposition avec quantificateurs, on remplace le
quantificateur ∀ par un quantificateur ∃ et inversement.
1. La négation de : ∀ x ∈ E, P (x) est : ∃ x ∈ E, P (x).
2. La négation de : ∃ x ∈ E, P (x) est : ∀ x ∈ E, P (x).
Exemples 6.3.
1. ∀ x ∈ R, x = −1 ⇒ x2 = 1,
2. ∀ x, y ∈ R, xy = 0 ⇒ x = 0 ou y = 0.
Exemple 6.4.
1. La réciproque de l’implication : x = −1 ⇒ x2 = 1 est : x2 = 1 ⇒ x = −1.
La réciproque est fausse. En effet, pour x = 1, x2 = 1 est vraie et x = −1 est fausse.
2. La réciproque de l’implication : xy = 0 ⇒ x = 0 ou y = 0 est : x = 0 ou y = 0 ⇒ xy = 0.
La réciproque est vraie.
Exemples 6.5.
1. La contraposée de : x = −1 ⇒ x2 = 1 est : x2 6= 1 ⇒ x 6= −1.
2. La contraposée de : xy = 0 ⇒ x = 0 ou y = 0 est : x 6= 0 et y 6= 0 ⇒ xy 6= 0.
Démonstration. En effet, la contraposée Q ⇒ P est par définition vraie si, et seulement si Q est
fausse et P est vraie, c’est-à-dire, P est fausse et Q vraie, soit encore P ⇒ Q est vraie.
4. Équivalence
Définition 6.6. Soient P et Q deux propositions. Lorsque P ⇒ Q et Q ⇒ P , on écrit P ⇔ Q et on
lit « P est équivalent à Q ».
Remarque 6.4. En d’autres termes, P ⇔ Q signifie que « P est vraie si, et seulement si, Q est vraie »,
c’est-à-dire que P et Q sont toutes les deux vraies ou toutes les deux fausses.
Soient P et Q deux propositions, pour montrer l’implication P ⇒ Q, lorsque est vraie, il existe
différents types de raisonnements.
1. Raisonnement direct :
On suppose que P est vraie, et on montre que Q est vraie.
2. Raisonnement par contraposition :
On sait que P ⇒ Q et la contraposée Q ⇒ P ont même véracité.
Pour montrer P ⇒ Q, on peut donc montrer Q ⇒ P .
Pour cela, on suppose Q et on montre P , c’est-à-dire :
On suppose Q est fausse et on montre que P est fausse.
3. Raisonnement par l’absurde :
Pour montrer un résultat par l’absurde, on suppose que ce résultat est faux et on montre que
l’on obtient alors une contradiction.
Dans notre cas, on suppose que P ⇒ Q est fausse ou encore que P et Q est vraie, et on cherche
à aboutir à une contradiction.
Exemple 6.7. On considère la suite (an )n∈N définie par a1 = 1 et pour tout n ≥ 1, an+1 = (2n + 1)an .
Montrons par récurrence sur n que :
(2n)!
∀ n ≥ 1, an = .
2n n!
2. Récurrence double
Dans certains cas, on peut montrer ce résultat à l’aide d’une récurrence double.
On procède en deux temps comme suit :
1. Initialisation : on montre P(n0 ) et P(n0 + 1).
2. Hérédité : soit n ≥ n0 , on montre que si P(n) et P(n + 1) sont vraies, alors P(n + 2) est vraie.
Exemple 6.8. Soit (un )n∈N une suite réelle définie par :
3. Récurrence forte
Dans certains cas, on peut montrer ce résultat à l’aide d’une récurrence forte.
On procède en deux temps comme suit :
1. Initialisation : on montre P(n0 ).
2. Hérédité : soit n ≥ n0 , on montre que si P(n0 ), . . . , P(n) sont vraies, alors P(n + 1) est vraie.
I. Logique et quantificateurs
Exercice 2 Ecrire avec les quantificateurs les propositions suivantes ainsi que leur négation. Pré-
ciser le cas échéant les propositions fausses.
1. Il existe un entier naturel inférieur ou égal à tous les autres.
2. Il existe un réel strictement positif dont le cube est strictement négatif.
Exercice 5 Comparer logiquement (i.e du point de vue de l’implication) les assertions suivantes.
On pourra s’aider en prenant comme exemple les élèves d’une classe E et en considérant : P (x) =
"l’élève x étudie l’algèbre" et Q(x) = "l’élève x étudie l’analyse".
1. « ∃ x ∈ E, P (x) et Q(x) » et « ∃ x ∈ E, P (x) et ∃ x ∈ E, Q(x) ».
2. Même chose en remplaçant et par ou.
3. « ∀ x ∈ E, P (x) et Q(x) » et « ∀ x ∈ E, P (x) et ∀ x ∈ E, Q(x) ».
4. Même chose en remplaçant et par ou.
92 Lycée CHATEAUBRIAND - BCPST 1B
II. Récurrence
Exercice 8 Montrer que pour tout entier naturel n, l’entier 13n − 4n est divisible par 9.
On remarquera que 13 = 9 + 4.
F0 = F1 = 1 et ∀ n ∈ N, Fn+2 = Fn+1 + Fn .
Montrer que : n
7
∀ n > 1, Fn < .
4
Chapitre 7
Suites et sommes
Sommaire
I. Suites récurrentes usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3. Suites arithmético-géométriques . . . . . . . . . . . . . . . . . . . . . . . . 96
1. Notation et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
2. Sommes classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
93
Suites et sommes
∗ ∗ ∗
Définition 7.1. On appelle suite d’éléments de E toute famille de K indexée par N notée (un )n∈N .
Lorsque K = R (resp. K = C), on parle de suite réelle (resp. complexe).
Plus généralement, pour I une partie de N, on note (un )n∈I la famille indexée par I.
Remarque 7.1.
1. On rencontrera souvent les cas :
I = N, I = N∗ , I = {n ∈ N, n ≥ n0 } et I = {1, . . . , n}.
Remarque 7.2. En pratique, on dispose essentiellement de deux méthodes pour définir une suite :
1. On définit (un )n∈N directement en fonction de n :
1
∀ n ∈ N∗ , un = .
n2
Définition 7.2. Soient r ∈ K et (un )n∈N une suite d’éléments de K. On dit que (un )n∈N est une suite
arithmétique de raison r et de premier terme u0 , si elle est définie par :
∀ n ∈ N, un+1 = un + r.
Proposition 7.1. Soit (un )n∈N une suite arithmétique de raison r ∈ K et de premier terme u0 ∈ K.
Alors,
∀ n ∈ N, un = u0 + nr.
96 Lycée CHATEAUBRIAND - BCPST 1B
∀ n ∈ N, un = un0 + (n − n0 )r.
Exemples 7.2.
1. Les suites constantes sont des suites arithmétiques de raison 0.
2. Soit (un )n∈N suite arithmétique définie par : u0 = 0 et ∀ n ∈ N, un+1 = un + 1. On a :
∀ n ∈ N, un = n.
Définition 7.3. Soient q ∈ K et (un )n∈N une suite d’éléments de K. On dit que (un )n∈N est une suite
géométrique de raison q et de premier terme u0 , si elle est définie par :
∀ n ∈ N, un+1 = q un .
Proposition 7.2. Soit (un )n∈N une suite géométrique de raison r ∈ K et de premier terme u0 ∈ K.
Alors,
∀ n ∈ N, un = u0 q n .
∀ n ∈ N, un = un0 q n−n0 .
Exemples 7.3.
1. Les suites constantes sont des suites géométriques de raison 1.
2. Soit (un )n∈N suite géométrique définie par : u0 = 3 et ∀ n ∈ N, un+1 = 2un . On a :
∀ n ∈ N, un = 3 × 2n .
3. Suites arithmético-géométriques
Définition 7.4. On appelle suite arithmético-géométrique toute suite (un )n∈N vérifiant :
∀ n ∈ N, un+1 = aun + b,
avec a, b ∈ R.
Remarque 7.5.
1. Si a = 1, la suite (un )n∈N est arithmétique de raison b.
2. Si b = 0, la suite (un )n∈N est géométrique de raison a.
3. On choisit α de telle sorte que (vn )n∈N soit une suite géométrique de raison a :
b
(vn )n∈N géométrique de raison a ⇔ α(a − 1) + b = 0 ⇔ α = (a 6= 1).
a−1
Chapitre 7 - Suites et sommes 97
4. Alors, on a : ∀ n ∈ N, vn = v0 an .
5. En remplaçant vn par un − α et v0 par u0 − α et on en déduit que :
b
∀ n ∈ N, un = an (u0 − α) + α avec α = .
a−1
Exemple 7.4. La suite de Fibonnaci (Fn )n∈N est une suite récurrente linéaire d’ordre deux définie
par :
F0 = 0, F1 = 1 et ∀ n ∈ N, Fn+2 = Fn+1 + Fn .
Son équation caractéristique est :
r2 − r − 1 = 0.
Théorème 7.1. Soient a, b ∈ R et (un )n∈N une suite vérifiant la relation de récurrence linéaire d’ordre
deux suivante :
un+2 = aun+1 + bun .
On note r2 − ar − b = 0 son équation caractéristique et ∆ = a2 + 4b.
1. Si ∆ > 0 : l’équation caractéristique admet deux racines réelles distinctes r1 et r2 . Alors,
∃ A, B ∈ R, ∀ n ∈ N, un = Ar1n + Br2n .
∃ A, B ∈ R, ∀ n ∈ N, un = (A + Bn)r0n .
∃ A, B ∈ R, ∀ n ∈ N, un = rn (A cos(nθ) + B sin(nθ)).
∀ n ∈ N, Fn = Ar1n + Br2n .
1
On trouve A = −B = √ , et donc :
5
1
∀ n ∈ N, Fn = √ (r1n − r2n ) .
5
√
1+ 5
Le nombre φ = r1 = est appelé nombre d’or.
2
1. Notation et propriétés
Notation
Soient n ∈ N et a1 , . . . , an des éléments
n de K, on pose
X
ai = a1 + a2 + · · · + an .
i=1
Remarque 7.7.
1. L’indice i de la somme est muet : n n
X X
ai = ak .
i=1 k=1
3. Changement d’indice :
n
X n−1
X n+1
X
ai = ai+1 = ai−1 .
i=1 i=0 i=2
4. Inégalités :
n
X n
X
∀ i ∈ {1, . . . , n} ai ≤ bi ⇒ ai ≤ bi .
i=1 i=1
2. Sommes classiques
Proposition 7.3 (somme des entiers de 1 à n).
n
X n(n + 1)
1 + 2 + ··· + n = i= .
i=1
2
Corollaire 7.1 (somme des termes d’une suite arithmétique). Soit (un )n∈N une suite arithmétique de
raison r ∈ K et de premier terme u0 , on a :
n
X n(n + 1)
u0 + u1 + · · · + un = ui = (n + 1)u0 + r .
i=1
2
Corollaire 7.2 (somme des termes d’une suite géométrique). Soit (un )n∈N une suite géométrique de
raison q ∈ K et de premier terme u0 , on a :
n+1
u 1 − q
n
X 0 si q 6= 1
u0 + u1 + · · · + un = ui = 1−q .
(n + 1)u0 si q = 1.
i=1
et on lit « k parmi n ».
4. Sommes télescopiques
Proposition 7.8. Soient (un )n∈N et N ∈ N, on a :
N
X
uk+1 − uk = uN +1 − u0 .
k=0
I. Point cours
Exercice 1 Les nombres suivants sont-ils les termes consécutifs d’une suite arithmétique ? géo-
métrique ?
Si c’est le cas, préciser le premier terme, la raison et calculer la somme des termes.
7 7 7 7 7 3. 2, 4, 6, 8, 10, 12 6. −1, 1, −1, 1, −1, 1
1. , , , ,
2 4 6 8 10
4. 1, 3, 5, 7, 9, 11 7. 3, 3, 3, 3, 3, 3
7 7 7 7 7
2. , , , , 5. 1, 3, 5, 7, 11 8. 5, 10, 20, 40, 80
2 4 8 16 32
Exercice 2 Donner la formule explicite des suites (un )n∈N définies de la manière suivante :
1. u2 = 3, ∀n ≥ 2, un+1 = un − 1. 4. u0 = 1, ∀n ≥ 0, un+1 = −un + 5.
1
2. u0 = 2, ∀n ≥ 0, un+1 = u .
3 n
5. u1 = 1, ∀n ≥ 1, un+1 = 6un − 10.
1
3. u1 = 2, ∀n ≥ 1, un+1 = u .
3 n
6. u2 = 1, ∀n ≥ 2, un+1 = 7un + 8.
Exercice 5 Calculer :
1. S = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10, 3. U = 1 + 3 + 32 + 33 + 34 + 35 + 36 ,
2. T = 4 + 5 + 6 + · · · + 99 + 100 + 101, 4. V = q 12 + q 13 + q 14 + · · · + q 33 .
III. Télescopages
1. Calculer A(t).
2. En déduire la valeur de
C(t) = cos a + cos(a + t) + · · · + cos(a + nt) et S(t) = sin a + sin(a + t) + · · · + sin(a + nt).
3. Calculer de même
n n
X n X n
C1 (t) = cos(a + kt) et S1 (t) = sin(a + kt).
k=0
k k=0
k
On rappelle que pour tout nombre réel x, E(x) désigne la partie entière de x.
1. Montrer que Sn est un réel.
2. (a) Développer Sn .
(b) Simplifier 1 + (−1)k en fonction de k.
(c) En déduire une relation entre Sn et Tn .
3. Donner la forme exponentielle du nombre z = 1 + i, et en déduire une autre expression de Sn ..
4. En déduire une valeur de Tn .
5. Calculer T20 .
u1 = 12 , u2 = 22 − 12 , u3 = 32 − 22 + 12 , u4 = 42 − 32 + 22 − 12 , . . .
P
1. Exprimer un , pour n > 1, en utilisant le symbole .
104 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 16 Soit n ∈ N∗ ,
n n
X n X
i n
1. Calculer et (−1)
i=0
i i=0
i
2. Justifier que si (ai ) est une famille de nombres indexée par {0, . . . , n}2 , on a :
n E(n/2) E((n−1)/2)
X X X
ai = a2k + a2k+1 ,
i=0 k=0 k=0
Sommaire
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
2. Monotonie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
105
Suites réelles
∗ ∗ ∗
I. Généralités
∀ n ∈ N, wn = un + vn .
Définition 8.2. Soient (un )n∈N et (vn )n∈N deux suites réelles. On appelle produit des suites (un )n∈N et
(vn )n∈N , la suite (wn )n∈N définie par :
∀ n ∈ N, wn = un × vn .
Définition 8.3. Soient (un )n∈N et (vn )n∈N deux suites réelles telles que ∀ n ∈ N, vn 6= 0. On appelle
quotient des suites (un )n∈N et (vn )n∈N , la suite (wn )n∈N définie par :
un
∀ n ∈ N, wn = .
vn
2. Monotonie
Définition 8.4. Soit (un )n∈N une suite réelle. On dit que :
1. (un )n∈N est croissante si : ∀ n ∈ N, un ≤ un+1 ,
2. (un )n∈N est décroissante si : ∀ n ∈ N, un ≥ un+1 ,
3. (un )n∈N est monotone si elle est croissante ou décroissante,
4. (un )n∈N est strictement croissante si : ∀ n ∈ N, un < un+1 ,
5. (un )n∈N est strictement décroissante si : ∀ n ∈ N, un > un+1 ,
6. (un )n∈N est strictement monotone si elle est strictement croissante ou strictement décrois-
sante.
Exemples 8.1.
1. un = −n définit une suite (un )n∈N strictement décroissante,
2. Sn = 1 + · · · + n définit une suite strictement croissante,
3. la suite de Fibonacci est strictement croissante,
√
4. un = E( n) est croissante,
5. une suite arithmétique de raison r est croissante si r ≥ 0, décroissante si r ≤ 0,
6. un = (−1)n n’est pas monotone.
108 Lycée CHATEAUBRIAND - BCPST 1B
Proposition 8.1. Soit (un )n∈N une suite réelle telle que ∀ n ∈ N, un 6= 0. Alors,
un+1
(un )n∈N est croissante ⇔ ∀ n ∈ N, ≥ 1.
un
Exemple 8.2. Soit (un )n∈N une suite géométrique de raison q. Alors,
Remarque 8.1. Pour étudier la monotonie d’une suite (un )n∈N à termes non nuls, on étudiera suivant
les cas la différence un+1 − un ou le quotient uun+1
n
.
Définition 8.5. Soit (un )n∈N une suite réelle. On dit que :
1. (un )n∈N est constante si : ∀ n ∈ N, un = u0 .
2. (un )n∈N est stationnaire si elle est constante à partir d’un certain rang :
∃ n0 ∈ N, ∀ n ≥ n0 , un = un0 .
∃ m, M ∈ R, ∀ n ∈ N, m ≤ un ≤ M,
ou encore si
∃ M ∈ R, ∀ n ∈ N, |un | ≤ M.
Exemples 8.3.
1
1. un = (n ≥ 1) est minorée par 0,
n
n
X 1
2. Sn = 2
est majorée (vu en TP),
k=1
k
3. un = (−1)n est bornée.
4. Suites extraites
Définition 8.7. Soit (un )n∈N une suite réelle. On définit les suites extraites
1. (u2n )n∈N est la suite (vn )n∈N telle que : ∀ n ∈ N, vn = u2n ,
2. (u2n+1 )n∈N est la suite (vn )n∈N telle que : ∀ n ∈ N, vn = u2n+1 ,
Remarque 8.2. La notion de suite extraite est plus générale : on appelle suite extraite de la suite
(un )n∈N toute suite (uφ(n) )n∈N avec φ : N → N strictement croissante.
La suite extraite (u2n )n∈N s’écrit (uφ(n) )n∈N pour φ : n 7→ 2n.
Chapitre 8 - Suites réelles 109
II. Convergence
1. Définitions
Définition 8.8. On dit que la suite réelle (un )n∈N converge vers le réel l si
et on note lim un = l.
n→+∞
Remarque 8.4. Soient (un )n∈N une suite réelle et l ∈ R. Montrer que la suite (un )n∈N converge vers l
est équivalent à montrer que la suite (|un − l|)n∈N converge vers 0.
Définition 8.9.
1. On dit que la suite réelle (un )n∈N tend vers +∞ si
∀ A > 0, ∃n0 ∈ N, ∀ n ≥ n0 , un ≥ A
et on note lim un = +∞.
n→+∞
Définition 8.10. Une suite réelle est dite convergente si elle converge vers un réel l, sinon elle est
dite divergente.
Déterminer la nature d’une suite réelle c’est dire si elle est convergente ou divergente.
Remarque 8.6. Attention : une suite divergente est donc soit une suite qui tend vers +∞ ou −∞,
soit une suite qui n’a pas de limite.
2. Théorèmes de convergence
Théorème 8.1. Si (un )n∈N est une suite réelle convergente, alors sa limite est unique.
Démonstration. Elle se fait par l’absurde.
Exemple 8.5. La suite définie pour tout entier n par un = (−1)n est divergente.
Remarque 8.7. Attention : la réciproque est fausse. Par exemple, la suite définie pour tout entier n
par un = (−1)n est bornée mais non convergente.
lim un l l l +∞ −∞ +∞
n→+∞
lim vn l’ +∞ −∞ +∞ −∞ −∞
n→+∞
lim (un + vn ) l+l’ +∞ −∞ +∞ −∞ X
n→+∞
Proposition 8.4. Soient (un )n∈N et (vn )n∈N deux suites réelles, l et l0 deux réels. On a la tableau
suivant relatif à la convergence du produit de ces deux suites :
Proposition 8.5. Soient (un )n∈N une suite réelle telle que ∀ n ∈ N, un 6= 0 et l un réel. On a la tableau
suivant relatif à la convergence de l’inverse de cette suite :
lim un l 6= 0 0+ 0− +∞ −∞
n→+∞
1 1
lim +∞ −∞ 0 0
n→+∞ un l
4. Limites et inégalités
Théorème 8.4. Soit (un )n∈N une suite réelle qui converge vers un réel l > 0. Alors, il existe un rang
n0 à partir duquel les termes de la suite sont strictement positifs :
∃ n0 ∈ N, ∀ n ≥ n0 , un > 0.
Remarque 8.8.
1. Ce résultat s’étend pour une suite qui tend vers +∞.
2. On dispose de résultats analogue lorsque l < 0 ou que la suite tend vers −∞.
Alors, on a
lim un ≤ lim vn .
n→+∞ n→+∞
Remarque 8.9. Attention : les inégalités strictes ne persistent pas en général par passage à la limite.
Par exemple :
1 1
∀ n > 0, > 0 et lim = 0.
n n→+∞ n
Corollaire 8.1. Soient (un )n∈N et (vn )n∈N deux suites réelles telles que
1. la suite (un )n∈N converge vers 0,
2. ∃ n0 ∈ N, ∀ n ≥ n0 , |vn − `| ≤ un .
Alors, la suite (vn )n∈N converge vers 0 : lim vn = `.
n→+∞
Corollaire 8.2. Soient (un )n∈N et (vn )n∈N deux suites réelles telles que
1. la suite (un )n∈N converge vers 0,
2. la suite (vn )n∈N est bornée.
Alors, la suite (un vn )n∈N converge vers 0 : lim un vn = 0.
n→+∞
1. Propriétés de l’ensemble R
Définition 8.11. Soit A une partie de R et soit x ∈ R. On dit que :
1. x est un majorant de A si : ∀ a ∈ A, a ≤ x,
2. x est un minorant de A si : ∀ a ∈ A, a ≥ x,
112 Lycée CHATEAUBRIAND - BCPST 1B
(
x∈A
3. x est le plus petit élément de A si :
∀ a ∈ A, a ≤ x.
(
x∈A
4. x est le plus grand élément de A si :
∀ a ∈ A, a ≥ x.
Définition 8.12.
1. Si l’ensemble de majorants de A admet un plus petit élément, on l’appelle borne supérieure
de A et on le note sup A.
2. Si l’ensemble de minorants de A admet un plus grand élément, on l’appelle borne inférieure
de A et on le note inf A.
Proposition 8.6 (Caractérisation de la borne supérieure). Soit A une partie non vide majorée de R.
(
∀ a ∈ A, a ≤ M
M = sup A ⇔
∀ ε > 0, ∃a ∈ A, M − ε < a.
Proposition 8.7 (Caractérisation de la borne inférieure). Soit A une partie non vide minorée de R.
(
∀ a ∈ A, a ≥ m
m = inf A ⇔
∀ ε > 0, ∃a ∈ A, m + ε > a.
Définition 8.13. Soit x ∈ R. On appelle partie entière de x et on note E(x) le plus grand entier
inférieur ou égal à x, c’est-à-dire l’entier tel que :
2. (a) Toute suite (un ) réelle décroissante minorée converge et lim un = inf{un , n ∈ N}.
n→+∞
(b) Toute suite (un ) réelle décroissante non minorée tend vers −∞.
n
X 1
Exemple 8.8. La suite (Sn ) définie pour tout n ≥ 1 par Sn = 2
converge.
k=1
k
3. Suites adjacentes
Définition 8.14. Deux suites (un ) et (vn ) sont dites adjacentes si
1. (un ) est croissante,
2. (vn ) est décroissante,
3. lim (un − vn ) = 0.
n→+∞
Théorème 8.10. Si (un ) et (vn ) sont des suites adjacentes, alors elles convergent et ont même limite
` ∈ R. De plus, on a :
∀ n ∈ N, un ≤ ` ≤ vn .
n−1
X 1 1
Exemple 8.10. Soit un = − ln n et vn = un + , n ≥ 1.
k=1
k n
1. Suites négligeables
Définition 8.15. Soient (un ) et (vn ) des suites de nombres réels non nuls à partir d’un certain rang.
un
On dit que la suite (un ) est négligeable devant (vn ) si lim = 0 et on note un = o(vn ).
n→+∞ vn
1
Exemple 8.11. La suite définie pour n ≥ 1 par un = 2 est négligeable devant la suite définie par
n
1
vn = .
n
114 Lycée CHATEAUBRIAND - BCPST 1B
2. Suites équivalentes
Définition 8.16. Soient (un ) et (vn ) des suites de nombres réels non nuls à partir d’un certain rang.
un
On dit que la suite (un ) est équivalente à la suite (vn ) si lim = 1 et on note un ∼ vn .
n→+∞ vn
Exemples 8.13.
1. La suite (un ) définie pour tout entier n par un = n es équivalente à la suite (vn ) définie par
vn = n + 1.
2. Si la suite (un ) converge vers ` 6= 0, alors un ∼ `.
Proposition 8.10. Soient (un ) est (vn ) deux suites de réels non nuls à partir d’un certain rang.
Si u = o(vn ), alors un + vn ∼ vn .
Propriétés 8.1. Soient (an ), (bn ), (cn ) et (dn ) des suites de réels non nuls à partir d’un certain rang,
λ ∈ R \ {0}. On a les propriétés suivantes :
1. an ∼ bn ⇔ bn ∼ an ,
2. si an ∼ bn et bn ∼ cn , alors an ∼ cn ,
3. si an ∼ bn , alors |an | ∼ |bn |,
4. si an ∼ bn , alors λan ∼ λbn (λ 6= 0),
5. si an ∼ bn ) alors aλn ∼ bλn , lorsque ces quantités sont bien définies,
6. si an ∼ bn et cn ∼ dn , alors an cn ∼ bn dn ,
1 1
7. si an ∼ bn alors ∼ ,
an bn
an bn
8. si an ∼ bn et cn ∼ dn , alors ∼ .
cn dn
Remarque 8.12. Attention : en général on ne peut pas additionner des équivalents, composer un
équivalent par une fonction !
Proposition 8.11. Soient (un ) et (vn ) deux suites de réels non nuls à partir d’un certain rang.
Si (un ) et (vn ) sont telles que un ∼ vn et lim un = ` ∈ R (resp. +∞, −∞), alors
n→+∞
Proposition 8.12 (Équivalents classiques). Soit (un ) une suite telle que lim un = 0. On a :
n→+∞
1. sin un ∼ un ,
2. tan un ∼ un ,
Chapitre 8 - Suites réelles 115
u2n
3. cos un − 1 ∼ − ,
2
4. ln(1 + un ) ∼ un ,
5. eun − 1 ∼ un ,
p q p 1 aq
6. si P (x) = ap x + · · · + aq x avec ap =
6 0 et aq =
6 0, alors P (n) ∼ ap n et P ∼ q.
n n
Remarque 8.13. Si (vn ) est une suite qui converge vers 1, alors ln vn ∼ vn − 1.
Exemples 8.14. Déterminer des équivalents pour les suites définies par :
2n3 − n2 + 5
1. un = ,
4n5 − 6n
ln(n5 + 10n)
2. un = √5
.
n2 + n + 1
Chapitre 8 - Suites réelles 117
Travaux Dirigés
Suites réelles
∗ ∗ ∗
I. Point cours
II. Majoration-Minoration
n
X
Exercice 2 Soit (un )n∈N une suite réelle. On pose pour tout entier naturel n : Sn = uk .
k=0
1. Soit n ∈ N fixé. Donner un encadrement de Sn .
Indication : introduire le maximum Mn et le minimum mn des termes u0 . . . un .
2. Que dire la qualité de l’estimation lorsque la suite est constante ? et lorsque u0 = 1, u1 = −1
et un = 0 pour n ≥ 2 ?
III. Convergence
2. Inégalités. Monotonie
E(nx)
Exercice 5 Étudier la convergence de la suite donnée par : ∀n ∈ N? , un = n
où x ∈ R.
2n+1
?
X 1
Exercice 6 Étudier la convergence de la suite donnée par : ∀n ∈ N , un = √ .
k=0
n2 + k
Exercice 7 Soit (un ) une suite réelle, M un réel positif et ` un réel quelconque tels que :
∀ n ≥ n0 , |un − `| ≤ 10−3 .
Exercice 8 Dans chacun des cas suivants, étudier le comportement de la suite (un ) quand n tend
vers +∞. Lorsque (un ) est une suite convergente, précisez ce que l’on peut dire sur sa limite.
1
1. (un )vérifie : ∀n ∈ N, |un | ≤ .
n
1
2. (un ) est une suite croissante et : ∀n ∈ N∗ , un < 1 + .
n
1 1
3. (un ) est une suite décroissante et : ∀n ∈ N∗ , 1 − < un < 2 + .
n n+1
1
4. (un ) vérifie : ∃n0 ∈ N, ∀n ≥ n0 , 0 ≤ un+1 ≤ un .
2
Exercice 9 Montrer que les suites (un ) et (vn ) suivantes sont adjacentes :
n
?
X 1 1
∀n ∈ N , un = et vn = un + .
k=1
n+k n
Exercice 14 Soit (un ) la suite définie par u0 et ∀n ∈ N, un+1 = au2n où a est un réel positif donné.
1. Exprimer un en fonction de n.
2. Étudier la convergence de la suite (un ).
Exercice 15
1. Montrer que : ∀n ∈ N? , n! ≥ 2n−1 .
n
X 1
2. En déduire la convergence de la suite (un ) définie par un = .
k=0
k!
Exercice 16 Soit deux suites (un ) et (vn ) telles que lim (un + vn ) = `.
n→∞
Exercice 17 Soit 0 < a < b et les suites (un ) et (vn ) définies par :
2un vn un + vn
u0 = a, v0 = b et ∀n ∈ N, un+1 = et vn+1 = .
un + vn 2
1. Montrer que ∀n ∈ N, 0 ≤ un 6 vn .
2. Montrer que (un ) et (vn ) sont convergentes puis que (un vn ) est une suite constante.
3. En déduire leur limite.
120 Lycée CHATEAUBRIAND - BCPST 1B
15
Exercice 18 On considère la suite (un ) définie par : ∀n ∈ N, un+1 = et u0 = 4.
8 − un
15
1. Étudier les variations de la fonction f : x 7→ et la représenter graphiquement.
8−x
2. Étudier le signe de la fonction g définie par g(x) = f (x) − x.
3. Résoudre l’équation f (`) = `, puis trouver des intervalles J de Df tels que f (J) ⊂ J.
4. (Limites possibles). Montrer que les limites possibles de (un ) sont seulement les réels ` trouvés
précédemment.
5. (Définition de la suite). On pose ensuite I = [3, 5]. Montrer par récurrence que pour entier n,
un existe et un ∈ I. En déduire que la suite est bien définie.
6. (Monotonie et convergence). Montrer que : ∀x ∈ I, f (x) ≤ x.
En déduire que (un ) est décroissante, puis convergente.
7. Montrer par un passage à la limite que la limite de (un ) est ` = 3.
Exercice 19 Étudier les suites récurrentes suivantes par des méthodes analogues à celles de
l’exercie précédent.
−1
1. ∀n ∈ N, un+1 = et u0 = 1,
3 + un
√ √
2. ∀n ∈ N, un+1 = un + a et u0 = a, où a > 0,
1
3. ∀n ∈ N, un+1 = un + et u0 6= 0,
un
1
4. ∀n ∈ N, un+1 = (u2n + un ) et u0 ∈ R,
2
5. ∀n ∈ N, un+1 = un e−un et u0 ∈ R,
p
1 − u2n + 1
6. ∀n ∈ N, un+1 = et u0 ∈ R.
2
Chapitre 9
Polynômes
Sommaire
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
2. Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
121
Polynômes
∗ ∗ ∗
I. Généralités
1. Définitions
Définition 9.1. On appelle fonction polynôme ou polynôme à coefficients dans K toute fonction
P : K → K qui s’écrit sous la forme :
n
X
P (x) = a0 + a1 x + a2 x2 + · · · + an xn = ak x k ,
k=0
où n ∈ N et a0 , . . . , an ∈ K avec an 6= 0.
• L’entier n est appelé le degré de P , on le note deg(P ).
• Les scalaires a0 , . . . , an sont appelés coefficients du polynôme.
• Le scalaire an est appelé coefficient dominant du pllynôme P .
• Un polynôme de coefficient dominant égal à un est dit unitaire.
• Un polynôme qui n’a qu’un seul coefficient non nul est appelé monôme.
Notations :
n
X n
X
k
1. On note P = ak X ou P (X) = ak X k pour désigner la fonction polynômiale définie par :
k=0 k=0 n
X
2 n
∀ x ∈ K, P (x) = a0 + a1 x + a2 x + · · · + an x = ak x k .
k=0
2. On note K[X] l’ensemble des polynômes à coefficients dans K et Kn [X] l’ensemble des poly-
nômes à coefficients dans K de degré au plus n.
PQ = 0 ⇔ P = 0 ou Q = 0.
3. Égalité de polynômes
n
X
Théorème 9.1. Soit P = ak X k ∈ K[X].
k=0
Alors, P est le polynôme nul si et seulement si P tous les coefficients de P sont nuls :
P =0 ⇔ ∀ k ∈ {0, . . . , n}, ak = 0.
Corollaire 9.2. Deux polynômes P et Q sont égaux si et seulement si ils ont les mêmes coefficients.
1. Définitions
n
X
Définition 9.4. Soit P = ak X k ∈ K[X]. On appelle polynôme dérivé de P , le polynôme noté
k=0
P 0 défini par : n n−1
X X
P (k) = kak X k−1 = (k + 1)ak+1 X k .
k=1 k=0
Remarques 9.3.
1. Le polynôme dérivé d’un polynôme constant est le polynôme nul.
2. Plus généralement, pour P ∈ K[X], on a :
(a) Si P est constant et alors deg(P 0 ) = −∞.
(b) Si deg(P ) > 0, alors deg(P 0 ) = deg(P ) − 1.
Définition 9.5. Soit P ∈ K[X]. On appelle k-ième polynôme dérivé de P , le polynôme noté P (k)
défini par la relation de récurrence :
0
P (0) = P et ∀ k ∈ N, P (k+1) = P (k) .
Chapitre 9 - Polynômes 125
2. Propriétés
Propriétés 9.1. Soient P, Q ∈ K[X] et λ ∈ K.
1. (P + Q)0 = P 0 + Q0 ,
2. (λP )0 = λP 0 ,
3. (P Q)0 = P 0 Q + P Q0 ,
4. (P ◦ Q)0 = Q0 × P 0 ◦ Q.
5. (P n )0 = nP 0 P n−1 ,
deg(P ) ≤ n ⇔ ∀ k ≥ n + 1, P (k) = 0.
Théorème 9.2 (Formule de Leibniz). Soient P, Q ∈ K[X]. Alors, pour tout entier n ∈ N, on a :
n
(n)
X n
(P Q) = P (k) Q(n−k)
k
k=0
3. Formule de Taylor
n
X P (k) (0)
Proposition 9.3. Soit P = ak X k ∈ K[X]. Alors, pour tout k ∈ {0, . . . , n} on a ak = .
k=0
k!
1. Définitions et propriétés
Définition 9.6. Soient P ∈ K[X] et a ∈ K. On dit que a est une racine de P si P (a) = 0.
Exemples 9.3.
1. 0 est racine du polynôme 3X 5 − 2X 2 + 7X.
2iπ
2. j = e 3 est racine du polynôme X 2 + X + 1.
Définition 9.7. Soient P ∈ K[X] et a ∈ K. On dit que P se factorise par X − a ou encore que
X − a divise P s’il existe Q ∈ K[X] tel que P = (X − a)Q. On note X − a|P .
126 Lycée CHATEAUBRIAND - BCPST 1B
2. Égalité de polynômes
Théorème 9.4. Un polynôme P de degré n possède au plus n racines.
Corollaire 9.4 (Important). Un polynôme P qui admet une infinité de racines est le polynôme nul.
Corollaire 9.5 (Important). Deux polynômes de degré n qui coïncident sur au moins n + 1 valeurs
sont égaux.
Exercice 9.3. Soit P un polynôme tel que ∀ θ ∈ R, P (sin θ) = 0. Montrer que P est le polynôme nul.
3. Racines multiples
Définition 9.8. Soient P ∈ K[X], a ∈ K et k ∈ N∗ . On dit que a est racine de P de multiplicité
k s’il existe Q ∈ K[X] tel que :
P = (X − a)k Q et Q(a) 6= 0.
4. Polynômes scindés
Définition 9.9. Un polynôme P ∈ K[X] est scindé dans K[X] s’il peut s’écrire comme produit de
polynômes de degré 1.
Exemples 9.8.
1. X 2 + 1 et X 2 + X + 1 sont scindés dans C[X].
2. 2X 3 (X − 1)2 (X + 3) est scindé dans R[X].
1. Polynômes irréductibles
Définition 9.10. Soit P ∈ K[X] un polynôme non constant. On dit que P est irréductible dans
K[X] si ses seuls diviseurs sont :
∗ les polynômes constants,
∗ les polynômes λP , λ ∈ K.
Un polynôme qui n’est pas irréductible dans K[X] est dit réductible sur K[X].
Remarque 9.8.
1. Tout polynôme de degré 1 est irréductible.
2. Tout polynôme de degré n ≥ 2 qui admet une racine dans K n’est pas irréductible.
3. Attention : un polynôme sans racine dans K n’est pas nécessairement irréductible sur K[X].
Exemples 9.9.
1. X 2 + X + 1 est un polynôme irréductible sur R[X] mais pas sur C[X].
2. (X 2 + 1)(X 2 + X + 1) n’est irréductible ni sur R[X] ni sur C[X].
Pourtant ce polynôme n’a pas de racines dans R.
Théorème 9.8. Tout polynôme de C[X] est scindé. Il se décompose sous la forme :
p
Y
P =λ (X − ak )mk ,
k=1
Proposition 9.7. Soit P ∈ R[X] un polynôme de degré impair. Alors, P admet une racine réelle.
I. Point cours
Exercice 2 Soit n un entier naturel non nul et Pn la fonction polynomiale définie par :
Calculer le degré de Pn .
Exercice 4 Soit (Pn ) la suite de fonction polynomiales sur R définie de la façon suivante :
P0 = 1, P1 = 2X
∀n ∈ N, Pn+2 = 2XPn+1 − Pn .
1. Calculer P2 , P3 .
2. Déterminer pour tout entier n le degré et coefficient dominant de Pn .
P (X 2 ) = (X 2 + 1)P (X).
130 Lycée CHATEAUBRIAND - BCPST 1B
P = (X − 1)n+2 + X 2n+1 et Q = X 2 − X + 1.
P = X 4 + 6X 2 + aX + b.
1. Déterminer les couples (a, b) tels que P ait une racine triple.
2. Pour chaque couple, déterminer l’autre racine complexe de P .
(on pourra calculer P (0) de deux façons différentes).
∀ n ∈ N, P (n) = Q(n2 ).
Que dire de P et Q ?
IV. Factorisation
P = X 2 − eiθ .
Factoriser P dans C.
Chapitre 9 - Polynômes 131
Exercice 13 Factoriser dans C[X] puis R[X] les polynômes P, Q, R, S définis par :
1. P = X 4 − 1.
2. Q = X 6 + 1.
3. R = X 6 + 2X 4 + 2X 2 + 1.
4. S = X 10 + X 5 + 1.
V. Exercices de synthèse
0
1. Trouver une relation entre Pn et Pn−1 .
2. Montrer que Pn n’a pas de racines multiples.
3. Discuter suivant la parité de n le nombre de racines réelles de Pn .
1. Déterminer P0 , P1 et P2 .
2. Déterminer, pour tout n de N, le degré et les coefficients de Pn .
n+1
3. Retrouver ce résultat en montrant que : ∀ n ∈ N, (1 − X)Pn = (1 − X)2 .
1. Factoriser P0 , P1 , P2 .
2. Factoriser Pn .
Chapitre 10
Matrices
Sommaire
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
2. Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
2. Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
133
Matrices
∗ ∗ ∗
I. Généralités
Soient n et p deux entiers naturels non nuls.
1. Définitions
Exemples 10.1.
1 2
2 − 3i 0 −5 −10
1. A = −3 5 ∈ M3,2 (R), B = ∈ M2,4 (C).
−3 7 i 0
0 1
1
2. C = 0 ∈ M3,1 (R). Il s’agit d’une matrice colonne.
−2
3. L = 3 −2 5i 0 1 − 2i ∈ M1,5 (C). Il s’agit d’une matrice ligne.
1 2 0
4. M = −3 5 1 ∈ M3 (R).
0 1 2
5. Dans Mn,p (K), on note O la matrice nulle : c’est la matrice de taille n × p dont tous les
coefficients sont nuls.
136 Lycée CHATEAUBRIAND - BCPST 1B
6. Dans Mn (K), on note In la matrice identité : c’est la matrice dont tous les termes sont nuls
sauf les éléments situés sur la diagonales qui valent 1 :
1 0 ... 0
. . . . . . ..
0 .
In = . . . .
.. . . . . 0
0 ... 0 1
Définition 10.2. Soient A = (ai,j ) et B = (bi,j ) deux matrices de Mn,p (K). La somme des matrices
A et B est la matrice de Mn,p (K) notée A + B et définie par :
A + B = (ai,j + bi,j ).
1 −1 7 −1 2 0
Exemple 10.2. Soient A = , B= ∈ M3,2 (R).
−3 5 0 2 0 6
0 1 7
A+B = ∈ M3,2 (R).
−1 5 6
Remarques 10.1.
Le produit de la matrice A par le scalaire λ est la matrice de Mn,p (K) notée λA et définie par :
λA = (λai,j ).
1 −1 7
Exemple 10.3. Soient A = et λ = 3.
−3 5 0
3 −3 21
3A =
−9 15 0
Définition 10.4. Soit A = (ai,j ) une matrice de Mn,p (K). On appelle transposée de la matrice A,
la matrice de Mp,n (K) notée t A et définie par :
t
A = (aj,i ).
Remarque 10.3. C’est la matrice obtenue en effectuant « une symétrie par rapport à la diagonale ».
1 −1 7
Exemple 10.4. Soit A = ∈ M2,3 (R). Alors,
−3 5 0
1 −3
t
A = −1 5 ∈ M3,2 (R).
7 0
1. Définition
Définition 10.5. Soient A = (ai,j ) ∈ Mn,p (K) et B ∈ Mp,q (K). On appelle produit de la matrice A
par la matrice B, la matrice de Mn,q (K) notée AB et définie par :
p
X
AB = (ci,j ) 1≤i≤n , avec ci,j = ai,k bk,j .
1≤j≤q
k=1
On a :
5 2
AB = M2 (R).
16 −8
138 Lycée CHATEAUBRIAND - BCPST 1B
2. Propriétés
Propriétés 10.3. Soient A, A0 ∈ Mn,p (K), B, B 0 ∈ Mp,q (K) et C ∈ Mq,r (K) et λ ∈ K. On a :
1. La produit est associatif : A(BC) = (AB)C.
2. Le produit est distributif : A(B + B 0 ) = AB + AB 0 et (A + A0 )B = AB + A0 B.
3. λ(AB) = (λA)B = A(λB).
4. In A = AIp = A.
5. 0A = A0 = 0.
6. t (AB) = t B t A.
Proposition 10.1. On a :
x1 b1
.. ..
S ⇔ AX = B, avec A = (ai,j ), X = . et B = . .
xp bn
Exercice 10.1. Pour chacun des systèmes suivants, donner l’écriture matricielle correspondante :
2x − 3y + z + t = 0
( (
2x − 3y + z = −2 x + 2y = 3
, x + 2y − z − 3t = 0 et .
x + 2y − z = 3
−x − y 0=1
+ 2t = 0
A0 = In , A1 = A, Ak = A × · · · × A (k fois).
Chapitre 10 - Matrices 139
Remarque 10.7. Attention : les puissances de matrices n’existent que pour des matrices carrées.
1 1
Exemple 10.6. A = . Calculer An pour tout n ∈ N.
2 −1
Théorème 10.1 (Formule du binôme). Soient A, B ∈ Mn (K) deux matrices carrées telles que AB =
BA (A et B commutent). Alors, on a :
n n
n
X n k n−k
X n
(A + B) = A B = An−k B k .
k k
k=0 k=0
Remarque 10.8. Attention : Le résultat est faux si les matrices ne commutent pas. On a :
(A + B)2 = (A + B)(A + B) = A2 + AB + BA + B 2 .
1 2
Exercice 10.2. Soit A = . Calculer An .
0 1
2. Matrices particulières
Définition 10.7. Soit A = (ai,j ) ∈ Mn,p (K). On dit que :
1. A est scalaire si A = λIn , λ ∈ K.
2. A est diagonale si : ∀ i 6= j, ai,j = 0. On note A = diag(a1,1 , . . . , an,n ).
3. A est triangulaire supérieure si : ∀ i > j, ai,j = 0.
4. A est triangulaire inférieure si : ∀ i < j, ai,j = 0.
5. A est symétrique si t A = A c’est-à-dire si : ∀ i, j, ai,j = aj,i .
6. A est antisymétrique si t A = −A c’est-à-dire si : ∀ i, j, ai,j = −aj,i .
7. A est nilpotente d’ordre k ∈ N si Ak−1 = 0 et Ak = 0.
Remarque 10.9. Les coefficients diagonaux d’une matrice antisymétrique sont tous nuls.
Exemples 10.7.
1.
2.
3.
4.
Propriétés 10.5.
1. diag(a1 , . . . , an ) + diag(b1 , . . . , bn ) = diag(a1 + b1 , . . . an + bn )
diag(a1 , . . . , an ) diag(b1 , . . . , bn ) = diag(a1 b1 , . . . an bn ).
2. La somme et le produit de deux matrices triangulaires supérieures (resp. inférieures) est une
matrice triangulaire supérieure (resp. inférieure).
140 Lycée CHATEAUBRIAND - BCPST 1B
1. Définition
Définition 10.8. Soit A ∈ Mn (K). On dit que A est inversible s’il existe B ∈ Mn (K) telle que :
AB = BA = In .
Dans ce cas, la matrice B est unique : c’est la matrice inverse de B et on la note B = A−1 .
On note GLn (K) l’ensemble des matrices carrées inversibles de taille n.
Exemples 10.8.
1. In est inversible.
1 1
2. A = est inversible.
2 −1
3. Si a1 , . . . , an ∈ K \ {0}, alors diag(a1 , . . . , an ) est inversible.
1 1
4. B = n’est pas inversible.
0 0
Remarque 10.10. Pour A, B ∈ Mn (K), il suffit que AB = In , pour que A soit inversible et A−1 = B.
2. Propriétés
Remarque 10.11. En particulier si A est une matrice inversible et B une matrice telle que AB = 0,
alors B = 0.
Propriétés 10.7. Soient A, B ∈ GLn (K) et λ ∈ K \ {0}. Alors, les matrices λA, A−1 , Ak , t A et AB
sont inversibles et on a :
1 −1 3. (Ak )−1 = (A−1 )k .
1. (λA)−1 = A .
λ
4. (t A)−1 = t (A−1 ).
2. (A−1 )−1 = 1. 5. (AB)−1 = B −1 A−1 .
Définition 10.9. On appelle rang de la matrice, le rang de tout système linéaire qui lui est associé.
Exercice 10.4. Soit A ∈ Mn (K) telle que A2 − 3A − In = 0. Montrer que A est inversible et exprimer
A−1 en fonction de A.
Chapitre 10 - Matrices 143
Travaux Dirigés
Matrices
∗ ∗ ∗
I. Point cours
Exercice 1 Soit A B deux matrices de M2 (R). Les assertions suivantes sont-elles vraies ou
fausses ? Justifier.
1. Si AB = 0, alors A = 0 ou B = 0.
2. Si A2 = A, alors A = I2 ou A = 0.
3. (A + B)2 = A2 + 2AB + B 2 .
4. Si AB = 0 et A est inversible alors B = 0.
5. Si AB = 0 et B est inversible alors A = 0.
6. AB + A = A(B + 1).
Exercice 2 Soit :
−4 3 3
1 −4 2 −3 5
A= , B= , C = −1 7 , D = 2 6 −1 , et E = 2 .
2 5 3 1 0
5 2 −5
Calculer lorsque cela a un sens :
3A + 5B, BA, AB, AC − 2B, (B − 2I2 )2 , C 3, AE, CE, DE et ED.
Exercice 3 Soit A et B deux matrices telles que ABAB = 0. Développer (BA)3 et montrer que
(BA)3 = 0.
1. Soit θ, θ0 ∈ R. Mettre le produit R(θ) × R(θ0 ) sous la forme R(ϕ) où ϕ est un réel que l’on
précisera.
2. Calculer alors R(θ)n pour tout entier naturel n.
3. Vérifier que R(θ) est inversible et trouver R(θ)−1 .
n
0 −1
4. Donner une expression de pour tout n ∈ N.
1 0
∀n ∈ N, ∃ (an , bn ) ∈ R2 An = 0 1 an .
0 0 1
On exprimera an+1 et bn+1 en fonction de an et bn .
2. En déduire une expression de An , pour tout entier naturel n.
3. Montrer que A est inversible et calculer A−1 .
1. Déterminer l’ensemble Sdes réels λ pour lesquels la matrice A − λI2 n’est pas inversible. La
matrice A est-elle inversible ?
2. Pour λ dans S, calculer (A − λI2 )2 .
3. En déduire une expression de A−1 en fonction de A, I2 .
4. Montrer que pour tout entier naturel n, il existe deux réels αn et βn tels que An = αn A + βn I2 .
5. Exprimer pour tout entier naturel n, αn et βn en fonction de n(on pourra montrer que la suite
(αn ) ou la suite (βn ) vérifie une relation linéaire d’ordre 2).
Exercice 13 On considr̀e deux suites (an ) et (bn ) définies par la donnée de leurs premiers termes
a0 , b0 et : (
an+1 =10an − 6bn
∀n ∈ N,
bn+1 =18an − 11bn
an
On pose alors pour tout entier naturel n : Un = .
bn
1. Écrire les relations précédentes sous forme matricielle à l’aide de Un+1 , Un et d’une matrice A
de M2 (R) que l’on déterminera.
2. Exprimer alors Un en fonction de U0 , A et n.
2 −1
3. On pose ensuite P = . Vérifier que la matrice P est inversible et calculer son inverse.
3 −2
4. On pose D = P −1 AP .
(a) Calculer D puis calculer Dn pour tout entier naturel n.
(b) Exprimer A en fonction de P, P −1 et D, puis montrer que : ∀ n ∈ N, An = P Dn P −1 .
146 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 14 On considère les suites (un ) , (vn ) et (wn ) définies par la donnée des réels u0 , v0 , w0
et telles que :
un+1 = −un + vn + wn
∀n ∈ N, vn+1 = un − vn
n+1 = −un − wn
w
un
On pose pour tout entier n, Un = vn .
wn
1. Soit n un entier. Trouver une relation entre Un , Un+1 et une matrice A ∈ M3 (R) que l’on
précisera.
2. En déduire Un en fonction de A, n et U0 .
3. Déterminer explicitement un , vn , wn en fonction de n, u0 , v0 et w0 .
4. On suppose que l’on a 0 < u0 < v0 < w0 . Donner un équivalent quand n → ∞ de un , vn , wn .
Sommaire
I. L’espace vectoriel Kn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
147
Espaces vectoriels
∗ ∗ ∗
I. L’espace vectoriel Kn
1. Définition
Définition 11.1. On note Kn l’ensemble des n-uplets (x1 , . . . , xn ) où x1 , . . . , xn sont des éléments de K.
On appelle vecteur tout élément de Kn .
Notation : On note 0Kn ou plus simplement 0, le vecteur nul (0, . . . , 0) de Kn .
Propriété 11.1. Deux vecteurs sont égaux si, et seulement si, leurs composantes sont deux à deux
égales :
x = y1
1
(x1 , . . . , xn ) = (y1 , . . . , yn ) ⇔ ..
.
x = y .
n n
Exemples 11.1.
1. (1, −1) + (0, 1) = (1, 0) dans R2 .
√ √
2. (i, 1 + 2i, 0) + (1 − i, −3, 5i) = (1, −2 + 2i, 5i) dans C3 .
λ · u = (λx1 , . . . , λxn ) ∈ Kn .
6. α · (β · u) = (αβ) · u
7. 1 · u = u.
λ·u=0 ⇔ λ = 0 ou u = 0Kn .
Remarque 11.2. La notion plus générale d’espace vectoriel sera étudiée en seconde année. Nous avons
d’ores et déjà rencontré d’autres espaces vectoriels :
∗ L’ensemble Mn,p (K) des matrices de taille n × p à coefficients dans K.
∗ L’ensemble K[X] des polynômes à coefficient dans K.
∗ L’ensemble des suites réelles, l’ensemble des suites complexes.
∗ L’ensemble des fonctions de R dans R, . . .
3. Représentation géométrique
4. Combinaisons linéaires
Définition 11.5. Soient u1 , . . . , up des vecteurs de Kn . On appelle combinaison linéaire des vecteurs
u1 , . . . , up , tout vecteur v de la forme :
p
X
v = λ1 · u1 + · · · + λp · up = λk · uk ,
k=1
Exemples 11.3.
1. Le vecteur (2, 3) est combinaison linéaire des vecteurs (1, 0) et (0, 1) :
3. Tout vecteur (x, y, z) de K3 est combinaison linéaire de (1, 0, 0), (0, 1, 0) et (0, 0, 1) :
1. Définition
Définition 11.6. On dit qu’une partie F de Kn est un sous-espace vectoriel de Kn si :
1. 0Kn ∈ F ,
2. ∀ α, β ∈ K, ∀ u, v ∈ F, α · u + β · v ∈ F .
Exemples 11.4.
1. {0Kn } et Kn sont des sous-espaces vectoriels de Kn .
2. F = {(x, y, z) ∈ R3 , x + y − z = 0} est un sous-espace vectoriel de R3 .
3. G = {(x, y) ∈ R2 , x − y = 2} n’est pas un sous-espace vectoriel de R2 car 0R2 ∈ / G.
4. H = {(x, 3x + y, −y, x + 2y) ∈ C , (x, y) ∈ C } est un sous-espace vectoriel de C4 .
4 2
Remarques 11.3.
1. On peut remplacer « 0Kn ∈ F » par « F est non vide » :
Soit u ∈ F , alors 0 · u = 0Kn ∈ F . Réciproquement, si 0Kn ∈ F , alors F est non vide.
2. On peut remplacer la seconde propriété par :
∗ ∀ u, v ∈ F, u + v ∈ F ,
∗ ∀ λ ∈ K, ∀ u ∈ F, λ · u ∈ F .
Remarque 11.4. En d’autres termes, un sous-espace vectoriel F de Kn est une partie non vide de Kn
qui est stable par combinaison linéaire.
Remarque 11.5. Ce résultat se généralise à une intersection quelconque de sous espaces vectoriels de
Kn .
Remarque 11.6. Attention : la réunion de deux sous-espaces vectoriels n’est pas nécessairement un
sous-espace vectoriel.
Soient F = {(x, y) ∈ R3 , x = 0} et G = {(x, y) ∈ R3 , y = 0}. F et G sont des sous-espaces vectoriels
de R2 mais E ∪ F = {(x, y, z) ∈ R3 , x = 0 ou z = 0} n’en est pas un.
152 Lycée CHATEAUBRIAND - BCPST 1B
Remarque 11.7. Vect(u1 , . . . , up ) est le plus petit sous espace vectoriel contenant les vecteurs u1 , . . . , up .
Exemples 11.6.
1. Soit u ∈ Kn \ {0Kn }, Vect(u) = {λu, λ ∈ K} : on l’appelle droite vectorielle engendrée
par u.
2. Soient u = (1, 2) et v = (3, −1). On a :
Remarque 11.8. Bien souvent, pour montrer qu’une partie F de Kn est un sous-espace vectoriel, il
sera plus rapide de montrer que c’est un sous-espace vectoriel engendré par des vecteurs donnés.
Exercice 11.1. Montrer que les ensembles suivants sont des sous-espaces vectoriels d’un espace vec-
toriel à préciser.
1. H = {(x, 3x + y, −y, x + 2y) ∈ C4 , (x, y) ∈ C2 }.
2. F = {(x, y, z) ∈ R3 , x + y − z = 0}.
1. familles génératrices
Définition 11.8. Soient F un sous-espace vectoriel de Kn et (u1 , . . . , up ) une famille de vecteurs de F .
On dit que la famille (u1 , . . . , up ) est une famille génératrice de F si l’espace vectoriel engendré
par cette famille est E tout entier :
Remarque 11.9. En pratique, pour montrer qu’une famille de vecteurs (u1 , . . . , up ) est génératrice
d’un sous-espace vectoriel F , il faut vérifier que :
1. ∀ i ∈ {1, . . . , p}, ui ∈ F ,
2. ∀ u ∈ F, ∃λ1 , . . . , λp ∈ K, u = λ1 u1 + · · · + λp up .
Exemple 11.7. La famille (1, 0), (0, 1) est génératrice de R2 . En effet :
1. (1, 0) et (0, 1) sont des vecteurs de R2 .
2. ∀ u ∈ R2 , ∃ x, y ∈ R, u = (x, y) = x(1, 0) + y(0, 1).
2. Familles libres
Définition 11.9. Soient F un sous-espace vectoriel de Kn et (u1 , . . . , up ) une famille de vecteurs de
F . On dit que la famille (u1 , . . . , up ) est une famille libre de F si
∀ λ1 , . . . , λp ∈ K, λ1 u1 + · · · + λp up = 0 ⇒ λ1 = · · · = λp = 0.
λ1 u1 + λ2 u2 + · · · + λp up = 0.
Exemple 11.8.
1. (1, 0), (0, 1) est une famille libre de R2 .
2. (1, 2), (0, 1) est une famille libre de R2 ,
3. (1, 2), (0, 1), (1, 4) est une famille liée de R2 ,
Proposition 11.4.
1. Une famille qui contient le vecteur nul est liée.
2. Une famille que ne contient qu’un seul vecteur non nul est libre.
Proposition 11.5 (Caractérisation des familles liées). Une famille de vecteurs (u1 , . . . , up ) est liée si
et seulement si l’un des vecteurs est combinaison linéaire des autres, c’est-à-dire :
p
X
∃ i0 ∈ {1, . . . , p}, ∃ λ1 , . . . , λi0 −1 , λi0 +1 , . . . , λn ∈ K, u i0 = λk uk .
k=1
k6=i0
Remarque 11.10. En particulier, la famille (u, v) est liée si et seulement si u et v sont colinéaires.
(u1 , . . . , up , v) libre ⇔ v ∈
/ Vect(u1 , . . . , up ).
Exemples 11.10.
1. (1, 0), (0, 1) est une base de R2 appelée base canonique de R2 .
2. Plus généralement, pour i ∈ {1, . . . , n}, on note ei = (0, . . . , 0, 1, 0, . . . , 0). La famille (e1 , . . . , en )
est une base de Kn appelée base canonique de Kn .
3. (1, −1, −1), (−1, 1, −1), (−1, −1, 1) est une base de R3 .
154 Lycée CHATEAUBRIAND - BCPST 1B
u = λ1 e1 + · · · + λp ep .
Remarque 11.11. Soit u = (x1 , . . . , xn ) ∈ Kn . Les scalaires x1 , . . . , xn sont les coordonnées de u dans
la base canonique de Kn . Par abus de langage, on dit souvent que ce sont les coordonnées de u.
1. Définition
Théorème 11.2. Soit F un sous-espace vectoriel de Kn non réduit à {0Kn }. Alors,
1. F admet des bases.
2. Toutes les bases de F ont le même nombre de vecteurs.
Définition 11.11. On appelle dimension d’un sous-espace vectoriel F de Kn , notée dim F , le nombre
de vecteurs d’une base de F .
Par convention, on dira que le sous-espace vectoriel {0Kn } est de dimension 0.
Définition 11.12.
∗ On appelle droite vectorielle tout sous-espace vectoriel de dimension 1.
∗ On appelle plan vectoriel tout sous-espace vectoriel de dimension 2.
Proposition 11.11. Soit (u1 , . . . , up ) une famille de vecteurs de Kn . On note M = MatCan (u1 , . . . , up ).
Alors,
rg(u1 , . . . , up ) = rg M.
Chapitre 11 - Espaces vectoriels 157
Travaux Dirigés
Espaces vectoriels
∗ ∗ ∗
I. Point cours
Exercice 2 Dire si les sous-ensembles suivants sont des sous-espaces vectoriels de R3 ? (on pourra
s’aider de dessins). Le cas échéant, en donner une partie génératrice.
1. A = {(x, y, z) ∈ R3 , |x| = |z|}
2. B = {(x, y, z) ∈ R3 , x = −y = 2z}
3. C = {(x, y, z) ∈ R3 , x2 + y 2 − z 2 = 0}
Exercice 3
1. La famille (u, v, w) avec u = (1, 0, 1), v = (2, 0, 1) et w = (0, −1, 2) est-elle libre dans R3 ?
2. La famille (u, v, w) avec u = (2, 3), v = (1, 1) et w = (4, 5) est-elle libre dans R3 ?
Exercice 4
1. Si (e1 , e2 , e3 ) est une famille liée, peut-on affirmer que e3 est combinaison linéaire de e1 et e2 ?
2. Montrer que si (e1 , e2 , e3 ) est une famille libre de Kn , alors (e1 + e2 , e1 + e3 , e2 + e3 ) est aussi
une famille libre de Kn .
F = {(x, y, z) ∈ R3 , x − 2y + 3z = 0}.
F = {(x, y, z, t, u), x + 2y + 3z + t − u = 0 et x + 2y + z + t + u = 0} .
et on pose E = Vect(u1 , u2 , u3 ).
1. Montrer que E est un sous-espace vectoriel de C4 .
2. Donner un système d’équations de E.
3. Donner la dimension de E.
Soit G = E ∩ F .
1. Montrer que G est un sous-espace vectoriel de R4 .
2. Donner un système d’équations de G.
3. Donner une base de G.
u1 = (1, −1, 1, −1), u2 = (1, −1, 2, 0), u3 = (−1, 2, 1, −2), u4 = (−2, 3, 1, 0) et u5 = (−1, 3, 5, 3).
Sommaire
I. Les ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
161
Ensembles et applications
∗ ∗ ∗
I. Les ensembles
1. Définitions
Définition 12.1. On appelle ensemble une collection d’éléments.
L’ensemble qui ne contient aucun élément est appelé ensemble vide, on le note ∅.
Notation : Soit E un ensemble. On écrit :
1. x ∈ E si x est un élément de E.
2. x ∈
/ E si x n’est pas un élément de E.
Définition 12.2. Soient E et F deux ensembles. On dit que F est une partie de E, ou encore que F
est un sous-ensemble de E et on note F ⊂ E si
∀ x ∈ F, x ∈ E.
Remarques 12.1.
1. Attention : Ne pas confondre l’élément a et l’ensemble {a}. On note :
a∈E et {a} ⊂ E.
A=B ⇔ A⊂B et B ⊂ A.
Remarque 12.2. Important : Pour montrer une égalité d’ensembles, on procède par double inclusion.
E A {E A
A A∪B B
A A∩B B
A B
{(A ∩ B) = {A ∪ {B {(A ∪ B) = {A ∩ {B
A A∩B B A A∪B B
Chapitre 12 - Ensembles et applications 165
Définition 12.4. Soient A1 , . . . , An des sous-ensembles d’un ensemble E. On dit que la famille (A1 , . . . , An )
est un système complet de E si :
[n
1. E = Ai ,
i=1
2. ∀ i, j ∈ {1, . . . , n}, Ai ∩ Aj = ∅ si i 6= j.
3. Le produit cartésien
Définition 12.5. Soient E et F deux ensembles. On appelle produit cartésien de E et F , l’ensemble
noté E × F et défini par :
E × F = (x, y), x ∈ E et y ∈ F .
Plus généralement, on définit le produit cartésien de n ensembles E1 , . . . , En par
E1 × · · · × En = (x1 , . . . , xn ), x1 ∈ E1 , . . . , xn ∈ En .
Notation :
E n = E × · · · × E = (x1 , . . . , xn ), x1 , . . . , xn ∈ E .
Les éléments de E n sont appelés n-uplet.
Exemples 12.2.
1. R2 = R × R = {(x, y), x, y ∈ R}. 3. [0, 1]3 = {(x, y, z), x, y, z ∈ [0, 1]}.
2. [0, 1] × R = {(x, y), x ∈ [0, 1], y ∈ R}. y
y
z
1
1
0 1 x
x
0 1
1. Définitions
Définition 12.6. On appelle application de E dans F tout procédé f qui à tout élément de E associe
un unique élément de F , et on note
f : E −→ F
x 7−→ f (x).
166 Lycée CHATEAUBRIAND - BCPST 1B
E F
Définition 12.7.
1. Soit x ∈ E. On appelle image de x l’élément f (x) ∈ F .
2. Soit y ∈ F . On appelle antécédent de y tout élément x ∈ E tel que y = f (x).
g◦f
f g
E F G
x f (x) g f (x)
y
f
A f (A)
E F
f (A)
x
A
f y
E F
B
B
x
−1
f −1
(B) f (B)
Remarque 12.5. Soit y ∈ F , l’ensemble des antécédents de y par f n’est autre que l’image réciproque
de B = {y}, d’où la notation :
∀ x, x0 ∈ E, f (x) = f (x0 ) ⇒ x = x0 .
E F
∀ y ∈ F, ∃x∈E f (x) = y.
E F
Définition 12.13. On dit que l’application f est une bijection de E sur F si f est à la fois une
injection et une surjection de E sur F , c’est-à-dire :
E F
f ◦ f −1 = idF et f −1 ◦ f = idE .
f −1
Remarque 12.8. Attention : Il ne faut pas confondre l’application réciproque f −1 avec la notation
utilisée pour les images réciproque : f −1 (B). Cette notation existe même si l’application f n’admet
pas d’application réciproque.
∀ x ∈ E, y ∈ F, f (x) = y ⇔ x = f −1 (y).
Proposition 12.5.
1. La composée de deux injections est une injection.
2. La composée de deux surjections est une surjection.
3. La composée de deux bijections est une bijection.
Proposition 12.6. Soit f : E −→ F et g : F −→ G deux bijections. Alors, on sait que g ◦ f est une
bijection et on a :
(g ◦ f )−1 = f −1 ◦ g −1 .
Chapitre 12 - Ensembles et applications 171
Travaux Dirigés
Ensembles et applications
∗ ∗ ∗
A ⊂ C, B ⊂ D, A∪B =C ∪D et C ∩ D = ∅.
Montrer que A = C et B = D.
Sommaire
I. Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
1. Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
173
Applications linéaires
∗ ∗ ∗
Dans tout le chapitre, K désigne R ou C. Soient n, p et q des entiers naturels non nuls.
I. Applications linéaires
1. Définition
Définition 13.1.
1. On dit que l’application f : Kp −→ Kn est linéaire si :
Exemples 13.1.
1. Soit f : (x, y, z) 7−→ (x − y + 2z, 3x + z). On a f ∈ L(R3 , R2 ).
2. Soit g : (x, y) 7−→ (x − 2y, 3x + y). On a f ∈ L(R2 ).
(
∀ (u, v) ∈ (Kp )2 , f (u + v) = f (u) + f (v),
Remarque 13.1. f ∈ L(Kp , Kn ) ⇔
∀ λ ∈ K, ∀ u ∈ Kp , f (λu) = λf (u).
Remarque 13.2. En d’autres termes, l’ensemble L(Kp , Kn ) est stable par combinaisons linéaires.
Définition 13.2.
1. On appelle isomorphisme de Kp dans Kn toute application linéaire bijective de Kp sur Kn .
2. On appelle automorphisme de Kn tout endomorphisme bijectif de Kn .
1. Proposition
2. Image - Noyau
Im f = {f (u), u ∈ Kp }.
Remarque 13.4.
1. Ker f est l’ensemble des antécédents par f de 0Kn : Ker f = f −1 ({0Kn }).
2. Im f est l’ensemble des images par f des éléments de E : Im f = f (E).
Exercice 13.1. Déterminer le noyau et l’image des applications linéaires définies précédemment.
Exemples 13.2.
1. L’application f : (x, y, z) 7−→ (x − y + 2z, 3x + z) est surjective mais non injective.
2. L’application g : (x, y) 7−→ (x − 2y, 3x + y) est injective et surjective c’est une bijection.
Chapitre 13 - Applications linéaires 177
Corollaire 13.1. Deux applications linéaires qui coïncident sur une base sont égales.
1. Définition
Définition 13.4. Soient f ∈ L(Kp , Kn ), B = (e1 , . . . , ep ) une base de Kp et B 0 = (f1 , . . . fn ) une base
de Kn . On appelle matrice de f dans les bases B et B 0 la matrice de Mn,p (K) notée MatB,B0 f et
dont les colonnes sont les coordonnées des vecteurs f (e1 ), . . . , f (ep ) dans la base B 0 :
MatB,B0 f = MatB0 f (e1 ), . . . , f (ep ) .
Remarques 13.5.
1. Lorsque B = B 0 , on note : MatB f .
2. Lorsque les bases considérées sont les bases canoniques, on ne les note pas.
Exemples 13.4. Donner les matrices des applications linéaires f et g des exemples précédents.
Y = AX,
Exemples 13.5.
1. Cas des applications linéaires f et g dans les bases canoniques.
2. Matrice de idE dans une base quelconque de E.
Proposition 13.11. Soit A ∈ Mn,p (K). Alors A est la matrice dans les bases canoniques d’une unique
application linéaire f ∈ L(Kp , Kn ), appelée application linéaire canoniquement associée à A.
Remarque 13.6. Important : ainsi, on associe à toute application linéaire une unique matrice dans
les bases canoniques et réciproquement.
178 Lycée CHATEAUBRIAND - BCPST 1B
Exemples 13.6. Déterminer les applications linéaires f , g et h canoniquement associées aux matrices
suivantes :
2 0 −1 1 1 0 0
A = 1 −1 3 , B = −3 et C = 0 1 0 .
3 −1 2 4 0 0 1
Remarque 13.7. Recherche du noyau et de l’image de l’application linéaire canoniquement associée
à A.
Exemple 13.7. Soit f ∈ L(Kp ) et A = Mat f la matrice de f dans les bases canoniques.
Exprimer Mat(f 3 − 4f + id) à l’aide de la matrice A.
3. Changement de base
Soit f un endomorphisme de Kp . On note B = (e1 , . . . , ep ) et B 0 = (e01 , . . . , e0p ) deux bases de Kp .
Définition 13.5. On appelle matrice de passage des bases B à B 0 la matrice carrée inversible de
0
taille p notée PBB ou plus simplement P et définie par :
X = P X 0,
0
où P = PBB .
Chapitre 13 - Applications linéaires 179
Exemple 13.8.
A0 = P −1 AP,
0
où P = PBB .
−1 2
Exercice 13.3. On considère la matrice A = .
−3 4
1. Donner l’application linéaire f canoniquement associée à A.
2. Soient u = (1, 1) et v = (1, 2). Montrer que (u, v) est une base de R2 .
3. Donner la matrice A0 de f dans la base (u, v) trouvée précédemment.
4. Donner la relation entre A, A0 et P , ù P est la matrice de passage de la base canonique à la
base (u, v) et retrouver le résultat précédent.
1. Définition
rg f = dim Im f .
Remarque 13.9. Soit B = (e1 , . . . , ep ) une base de Kp . On sait que Im f = Vect f (e1 ), . . . , f (ep ) .
On en déduit que :
rg f = rg f (e1 ), . . . , f (ep ) .
Remarque 13.10. Ce théorème est utile pour rechercher rapidement Im f connaissant Ker f .
Exercice 13.4. Soit f : R3 −→ R3 l’application définie par f (x, y, z) = (3z, −x + y + 3z, z).
1. Montrer que f est un endomorphisme de R3 .
2. Déterminer une base de et Im f et Ker f .
rg f = rg A.
rg(A) = rg t A .
Remarque 13.11. On rappelle que le rang d’une matrice A est égal au rang d’un système linéaire qui
lui est associé, par exemple le rang du système linéaire homogène :
AX = 0.
Travaux Dirigés
Applications linéaires
∗ ∗ ∗
I. Point cours
Exercice 1 Soit f : Kp → Kn une application linéaire. Les assertions suivantes sont-elles vraies
ou fausses ?
1. L’application f est déterminée par la donnée des images des vecteurs de Kp .
2. L’application f est déterminée par la donnée des images des vecteurs d’une base de Kp .
3. L’application f est déterminée par la donnée des images des vecteurs de la base canonique de Kp .
Exercice 3
1. Écrire la matrice des applications linéaires suivantes dans les bases canoniques :
(a) f : R3 → R2 (x, y) 7→ (x + y − 2z, 3x − y + z),
2 4
(b) g : R → R (x, y) 7→ (x + y, x − y, 2x + 3y, 3x − 2y),
(c) h : R3 → R3 (x, y, z) 7→ (x + y + z, 2x + 3y + 4z, x + 2y + 3z).
2. Dans chaque cas, donner un système d’équations du noyau et une base de l’image.
f (x, y, z) = (x − z, y, y).
On pose u1 = e2 − e1 , u2 = e1 + e2 , u3 = −e3 .
1. Montrer que la famille B 0 = (u1 , u2 , u3 ) est une base de R3 .
2. Écrire la matrice de f sur la base B 0 .
f (1, 0, 0) = (−2, −2, −4), f (0, 1, 0) = (−3, −1, −4) et f (0, 0, 1) = (3, 2, 5).
V. Exercices de synthèse
−1 1 1/2
Exercice 9 On considère la matrice A = −2 2 1/2.
−2 1 3/2
Chapitre 13 - Applications linéaires 183
I = (1, 2, 3), J = (2, 0, 5), K = (0, 2, 1), ` = (−2, 3, 16) et L = (4, 7, 32).
1. Justifier qu’il existe une unique application linéaire f de R3 dans lui-même telle que :
2. La déterminer.
3. Donner ker f et Im f .
4. Existe-t-il une application linéaire g de R3 dans lui-même qui vérifie en plus des conditions
vérifiées par f la condition g(`) = L ?
Sommaire
I. Cardinal d’un ensemble fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
2. Arrangements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
3. Permutations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
4. Combinaisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
185
Dénombrement
∗ ∗ ∗
1. Définition et propriétés
Définition 14.1.
∗ Soit E un ensemble non vide. On dit que E est un ensemble fini de cardinal n, avec n un
entier naturel non nul, s’il existe une bijection de {1, . . . , n} dans E :
ϕ : {1, . . . , n} −→ E bijection.
Exemples 14.1.
∗ Card {1, . . . , n} = n.
∗ Card {a, b, e, f, k, i} = 6.
Théorème 14.1. Deux ensembles finis E et F ont même cardinal si, et seulement si, il existe une
bijection entre E et F .
Exemple 14.2. Les ensembles {maths, bio, physique} et {18, 19, 20} sont en bijection. Ils sont tous
les deux de cardinal 3.
Définition 14.2. Deux ensembles A et B sont dits disjoints si leur intersection est vide.
Proposition 14.2. Soient A et B deux ensembles finis disjoints. Alors, leur réunion A ∪ B est un
ensemble fini et
Card(A ∪ B) = Card(A) + Card(B).
Exemple 14.3. On note A, B, C les ensembles des élèves en BCPST 1A, 1B et 1C respectivement.
Ces ensembles sont finis et deux à deux d’intersection vide. On a bien :
Proposition 14.4. Soient A et B deux ensembles finis. Alors, leur réunion A ∪ B est un ensemble fini
et
Card(A ∪ B) = Card(A) + Card(B) − Card(A ∩ B).
Exemple 14.4. Dans une classe de BCPST, 43 élèves assistent au cours de bio et 47 au cours de
physique. Combien la classe compte-t-elle d’élève en cours de mathématiques sachant que chaque
élève suit au moins l’un des deux cours et que 80% d’entre eux assistent à tous les cours.
Proposition 14.5 (Formule de Poincaré). Soit n un entier non nul et A1 , . . . , An des ensembles finis.
Alors, l’ensemble A1 ∪ · · · ∪ An est fini et on a :
n
! n
[ X X
Card Ai = Card(Ai ) − Card(Ai1 ∩ Ai2 ) + · · · + (−1)n−1 Card(A1 ∩ · · · ∩ An ).
i=1 i=1 1≤i1 <i2 ≤n
Exercice 14.1. Dans une classe de BCPST, 25 pratiquent une activité sportive, 30 une activité
artistique, 12 pratiquent les deux types d’activités, 7 ne pratiquent aucune activité de ces activités.
Combien y a-t-il d’élèves dans cette classe ?
Exemple 14.5. Un restaurant propose pour son repas du jour 2 entrées différentes, 4 plats et 3
desserts. Quel est le nombre de menus différents possibles ? Représentation à l’aide d’un arbre des
choix.
Proposition 14.7. Soient E un ensemble fini et p un entier naturel non nul. Alors,
p
Card(E p ) = Card(E) .
II. Dénombrement
Propriété 14.1. Deux p-uplets sont égaux si, et seulement si leurs éléments sont deux à deux égaux :
Exercice 14.2.
1. Combien de mots de 5 lettres peut-on former ?
2. En UM6, on dispose de 3 interrupteurs. De combien de manières peut-on éclairer la salle ?
Proposition 14.9. Soient E et F des ensembles tels que Card(E) = n et Card(F ) = p. Alors, il a y
a pn applications de E dans F :
Card F E = pn
Card P(E) = 2n .
2. Arrangements
Définition 14.4. Soit E un ensemble fini et p un entier naturel. On appelle arrangement de p
éléments de E tout p-uplet (x1 , . . . , xp ) d’éléments de E deux à deux distincts :
∀ i, j ∈ {1, . . . , p}, i 6= j ⇒ xi 6= xj .
190 Lycée CHATEAUBRIAND - BCPST 1B
Exemple 14.7. Soit E l’ensemble des athlètes participant à une course. Un podium est un arrangement
de 3 éléments de l’ensemble E.
Théorème 14.2. Soit E une ensemble fini de cardinal n et p un entier naturel tel que 1 ≤ p ≤ n.
Alors, le nombre d’arrangements de p éléments de E est :
n!
Apn = n × (n − 1) × · · · × (n − p + 1) =
(n − p)!
Exercices 14.3.
1. Dans une courses opposant 8 athlètes, quel est le nombre de podiums possibles ?
2. Une urne contient 7 boules. Donner le nombre de tirages possibles lorsqu’on tire successivement
trois boules :
(a) avec remise,
(b) sans remise.
3. Permutations
Définition 14.5. Soit E un ensemble fini de cardinal n. On appelle permutation de E toute bijection
de E dans E.
Remarque 14.6. En d’autres termes, une permutation est un cas particulier d’arrangement de n
éléments d’un ensemble E de cardinal n.
Ann = n!
4. Combinaisons
Définition 14.6. Soit E un ensemble fini et p un entier naturel. On appelle combinaison de p
éléments de E toute partie de E à p éléments.
Théorème 14.4. Soit E une ensemble fini de cardinal n et p un entier naturel tel que 0 ≤ p ≤ n.
Alors, le nombre de combinaisons de p éléments de E est :
Ap
n n!
= n = .
p p! p!(n − p)!
Chapitre 14 - Dénombrement 191
n
Remarque 14.8. Comme son nom l’indique, et le nombre de façons de choisir p objets parmi n.
p
Exercice 14.4. Un jeu de tarot compte 78 cartes (dont 21 atouts). Chaque joueur reçoit 18 cartes.
Déterminer :
1. le nombre total de mains possibles ?
2. le nombre de mains avec les trois bouts.
3. le nombre de mains avec exactement 10 atouts (une poignée).
4. le nombre de mains avec deux rois et 8 atouts.
Propriétés 14.2. Soit n ∈ N∗ , on rappelle les propriétés suivantes sur les combinaisons :
n n
1. = = 1,
0 n
n n n(n − 1)
2. = = ,
1 n−1 2
n n
3. ∀ k ∈ {0, . . . , n}, = ,
k n−k
n n−1 n−1
4. ∀ k ∈ {1, . . . , n}, = + (Formule de Pascal).
k k k−1
Remarque 14.9. Soit E un ensemble fini, on peut retrouver la formule
Travaux Dirigés
Dénombrement
∗ ∗ ∗
Exercice 1
1. Trouver le nombre d’applications (resp. de surjections) de {1, 2, 3} sur {a, b} et les expliciter.
2. Donner en extension l’ensemble des partitions de {1, 2, 3} en deux parties.
Exercice 3 On dispose 4 pions numérotés de 1 à 4 sur 3 cases numérotées de 1 à 3. Une case peut
éventuellement contenir plusieurs pions.
De combien de façons peut-on opérer de sorte qu’une case au moins soit vide.
Exercice 4 Une urne contient 6 boules blanches numérotées de 1 à 6 et 5 boules noires numérotées
de 1 à 5. On tire successivement 4 boules sans remise.
Combien de résultats amènent 3 boules blanches et une boule noire ?
Exercice 5
1. Combien y a-t-il de mots :
(a) de 6 lettres écrits avec les lettres A, B, C, D, E, F ?
(b) de 5 lettres écrits avec deux A, trois B ?
(c) de 6 lettres écrits avec exactement deux A, trois B ?
(d) de 6 lettres écrits avec deux A, trois B, un C ?
2. Combien existe-t-il d’anagrammes du mot chaise ?
3. Combien existe-t-il d’anagrammes du mot anagramme ?
Exercice 6 Un jeu comporte 32 cartes dont 8 par couleur (coeur, pique, carreau, trèfle). Une
main est constituée de 8 cartes non ordonnées.
1. Quel est le nombre de mains possibles ?
2. Combien de mains contiennent au moins un as ?
3. Combien contiennent exactement un roi ?
4. Combien contiennent au moins un coeur ou une dame (attention à la dame de coeur !)
5. Combien ne contiennent que des cartes de 2 couleurs au plus ?
Exercice 8 Une urne contient 5 boules blanches et 8 boules noires indiscernables. On tire succes-
sivement 6 boules de l’urne en remettant systématiquement la boule tirée.
1. Quel est le nombre de tirages possible ?
2. Combien de ces résultats amènent :
(a) 5 boules blanches et une boule noire, dans cet ordre ?
(b) 1 boule noire au plus ?
(c) 3 boules blanches et 3 boules noires ?
(d) une boule blanche au moins ?
3. Reprendre les questions précédentes en supposant à présent les boules blanches numérotées de
1 à 5 et les boules noires numérotées de 6 à 13.
Exercice 9 Dix livres deux à deux distincts sont placés côte à côte sur une étagère.
Quel est le nombre de dispositions qui plaçent côte à côte trois livres fixés de la collection ?
Exercice 10 Dans une soirée, n couples se rencontrent et se saluent. Chaque personne serre (une
fois) la main de chacune des autres (sauf celle de son conjoint).
Combien y-aura-t-il de poignées de main échangées ?
Exercice 12 Quatre élèves ont laissé leur blouse en TP de biologie. La semaine suivante, chacun
d’eux en prend une au hasard.
De combien de façons peuvent-ils les choisir de sorte que l’un au moins d’entre eux retrouve sa
blouse ?
n 2
X n
2. En déduire une expression simple de : .
i=0
i
Exercice 15 On considère une urne contenant a boules blanches et b boules noires. On tire les
boules une à une successivement , sans remise, jusqu’à vider l’urne.
1. Combien y a t-il de tirages possibles ?
2. Combien de tirages amènent la dernière boule blanche en k-ième position ?
a+b
X k−1 a+b
3. En déduire : =
k=a
a − 1 a
Chapitre 15
Probabilités
Sommaire
I. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
195
Espaces probabilisés finis
∗ ∗ ∗
I. Définitions
1. Expérience aléatoire
Définition 15.1. On appelle épreuve ou expérience aléatoire une situation concrète dont l’issue
est soumise à une part de hasard.
Exemples 15.1.
1. Un lancer de un ou plusieurs dés,
2. Un tirage de 8 cartes dans un jeu de 32 cartes,
3. Un tirage d’une boule dans une urne, . . .
Définition 15.2. On associe à une expérience aléatoire un ensemble appelé univers ou encore uni-
vers des possibles, noté Ω, et dont les éléments représentent les résultats possibles de l’expérience
aléatoire.
Les éléments de Ω sont appelés éventualités ou issues ou encore possibles.
Exemples 15.2.
1. Lancer d’un dé : l’univers est l’ensemble des numéros que l’on peut obtenir sur la face supérieure
Ω = {1, 2, 3, 4, 5, 6}.
3. Tirage de 8 cartes dans un jeu de 32 cartes : l’univers est l’ensemble des mains de 8 cartes de
l’ensemble des 32 cartes. On a Card Ω = 328
.
4. Une urne contient 5 boules blanches et 2 boules rouges. On tire successivement 3 boules sans
remise. L’univers est
Ω = {(B, B, B), (B, B, R), (B, R, B), (R, B, B), (B, R, R), (R, B, R), (R, R, B)}.
2. Notion d’événement
On considère une expérience aléatoire dont l’univers Ω est un ensemble fini.
Définition 15.3. On appelle événement lié à une expérience aléatoire une caractéristique possible du
résultat cette expérience : c’est l’ensemble des issues qui vérifient cette caractéristique.
Remarque 15.1. Un événement est ainsi un sous-ensemble de l’univers Ω. L’ensemble des événe-
ments est donc P(Ω).
198 Lycée CHATEAUBRIAND - BCPST 1B
Exemple 15.3. On lance deux dés, un rouge et un bleu. L’univers est {1, . . . , 6}2 .
∗ « on fait un double 5 » est l’événement {(5, 5)}.
∗ « la somme vaut 8 » est l’événement {(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)}.
Définition 15.4. On dit qu’un événement A est réalisé si le résultat de l’expérience est un élément
de A.
Exemple 15.4. On lance deux dés, un rouge et un bleu. On obtient 5 avec le dé rouge et 3 avec le dé
bleu, le résultat est donc (5, 3). L’événement « la somme vaut 8 » est bien réalisé.
Exemple 15.5. On lance deux pièces distinctes. Pour chacune des pièces, on obtient pile ou face.
L’univers est donc Ω = {(P, P ), (P, F ), (F, P ), (F, F )}.
On considère les événements :
∗ A : « on fait face avec la première pièce »,
∗ B : « on fait pile avec les deux pièces »,
∗ C : « on obtient la même chose avec les deux pièces ».
On a
A = {(F, P ), (F, F )}, B = {(P, P )} et C = {(P, P ), (F, F )}.
Alors, on constate que :
∗ B implique C,
∗ A et B sont incompatibles,
∗ A = {(P, F ), (P, P )}, c’est-à-dire « on fait pile avec la première pièce ».
Définition 15.7. On appelle système complet d’événements de Ω toute famille (A1 , . . . , Ap ) d’évé-
nements deux à deux incompatibles dont la réunion est Ω :
1. ∀ i, j ∈ {1, . . . , n}, i 6= j ⇒ Ai ∩ Aj = ∅,
p
[
2. Ak = ω.
k=1
Remarques 15.3.
1. Soit A un événement. La famille (A, A) est un système complet d’événements de Ω.
2. Soit Ω = {ω1 , . . . , ωn }. Alors la famille {ω1 }, . . . , {ωn } constituée des événements élémen-
taires est un système complet d’événements de Ω.
Chapitre 15 - Espaces probabilisés finis 199
Exemple 15.6. On considère l’événement D : « on fait pile avec la première pièce et face avec la
seconde ». Alors, la famille (A, B, D) est un système complet d’événements de Ω.
Définition 15.9. On appelle espace probabilisé un triplet (Ω, P(Ω), P), où Ω est un univers fini et
P une probabilité sur Ω.
Remarque 15.4. En d’autres termes, une probabilité est caractérisée par la donnée des probabilités
des événements élémentaires.
200 Lycée CHATEAUBRIAND - BCPST 1B
Proposition 15.2. Soient Ω un univers fini et P la probabilité uniforme sur Ω. Pour tout événement
A, on a :
Card(A)
P(A) = .
Card(Ω)
Exercices 15.1.
1. On lance un dé non pipé. Quelle est la probabilité de l’événement A : « obtenir un nombre
pair ».
2. On tire 8 cartes dans un jeu de 32 cartes. En considérant que le tirage se fait sans tricherie,
calculer la probabilité d’avoir des événements :
∗ A : « exactement 3 cartes de coeur »,
∗ B : « au moins un valet ».
1. Définition
Exemple 15.7. On lance un dé non pipé. On note :
∗ A l’événement « on obtient un nombre pair »,
∗ B l’événement « on obtient un 6 ».
L’espace probabilisé considéré est (Ω, P(Ω), P) avec Ω = {1, . . . , 6} et P est la probabilité uniforme
(dé non pipé). La probabilité d’obtenir un 6 sachant qu’on obtient un nombre pair, c’est-à-dire la
probabilité que B soit réalisé sachant que A est réalisé, est :
Card(A ∩ B)
nombre de cas de A ∩ B 1 Card(A ∩ B) Card(Ω) P(A ∩ B)
= = = = .
nombre de cas de A 3 Card(A) Card(A) P(A)
Card(Ω)
Définition 15.11. Soient (Ω, P(Ω), P) un espace probabilisé et A un événement de probabilité non
nulle et B un événement. On appelle probabilité conditionnelle de B sachant A le nombre noté
PA (B) ou encore P(B|A) :
P(A ∩ B)
PA (B) = P(B|A) = .
P(A)
Théorème 15.2. L’application (
P(Ω) −→ [0, 1]
PA :
B 7−→ P (B|A)
définie une probabilité sur Ω appelée probabilité conditionnelle relative à A.
Chapitre 15 - Espaces probabilisés finis 201
Remarque 15.5. Ce théorème signifie qu’une probabilité conditionnelle sur Ω vérifie donc toutes les
propriétés vérifiées par les probabilités sur Ω.
Exercice 15.2. On considère un urne contenant 5 boules blanches et 4 boules rouges indiscernables
au toucher. On tire 3 boules successivement et sans remise.
Quelle est la probabilité pour que la première boule rouge soit tirée en troisième position ?
Exercice 15.3. Une puce se déplace sur les sommets d’un tétraèdre ABCD. A l’instant initial, la puce
se situe en A. A chaque instant n ∈ N∗ , elle saute de façon équiprobable sur l’un des autres sommets.
Calculer la probabilité pour qu’elle revienne en A pour la première fois au temps n.
4. Formule de Bayes
Théorème 15.5 (Formule de Bayes). Soient A et B deux événements de probabilité non nulle, on
a:
P(A) P(B|A)
P(A|B) = .
P(B)
De plus, si (A1 , . . . , An ) est un système complet d’événements de Ω, la formule précédente s’ecrit :
P(A) P(B|A)
P(A|B) = n .
X
P(Ak ) P(B|Ak )
k=1
Exemples 15.9.
1. On revient à l’exemple des cibles. L’un des joueurs tire et atteint la cible. Quelle est la proba-
bilité qu’il s’agisse du joueur Y.
2. Une maladie affecte une personne sur mille. On dispose d’un test qui détecte cette maladie chez
99% des patients malades et qui donne un résultat faussement positif chez 0,2% des personnes
saines testées.
Une personne est contrôlée positive. Quelle est la probabilité que cette personne soit réellement
malade ?
5. Arbre de probabilité
Les arbres de probabilité permettent de représenter les probabilités conditionnelles.
10
1 9 9
|X )
= 9/ C X ∩C : P (X ∩ C) = · =
P (C 3 10 30
3
X
1/ P (C
)= |X ) 1 1 1
P(
X = 1/
10 C X ∩C : P (X ∩ C) = · =
3 10 30
Ω
P( /10
2 6 12
Y)
= |Y )=6 C Y ∩C : P (Y ∩ C) = · =
2/
3
P (C 3 10 30
Y
P (C 2 4 8
|Y ) =
4/10 C Y ∩C : P (Y ∩ C) = · =
3 10 30
IV. Indépendance
Soit (Ω, P(Ω), P) un espace probabilisé.
Remarque 15.7.
∗ Si P(A) = 0 ou P(B) = 0, alors ils sont indépendants.
∗ Si P(A) et P(B) sont non nuls, alors ils sont indépendants si, et seulement si, PA (B) = P(B)
ou encore si PB (A) = P(A).
Remarque 15.8. L’indépendance mutuelle entraine l’indépendance deux à deux, mais la réciproque
est fausse en général.
Exemple 15.11. On lance deux dés équilibrés distincts et on considère les événements :
∗ A : « le premier dé donne un nombre pair »,
∗ B : « le second dé donne un nombre pair »
∗ C : « les deux dés donnent des nombres de même parité ».
Les événements A, B et C sont deux à deux indépendants mais pas mutuellement indépendants.
∀ i ∈ {1, . . . , n}, Bi = Ai ou Bi = Ai .
Exercice 15.4. On lance n fois une pièce truquée. La probabilité d’obtenir pile est de 1/3. Calculer
la probabilité d’obtenir le premier face au n-ième lancer.
Chapitre 15 - Probabilités 205
Travaux Dirigés
Probabilités
∗ ∗ ∗
I. Point cours
Exercice 1 Soit (Ω, P(Ω), p) un espace probablisé fini, et A, B, C trois évènements de probablité
non nulle. Vrai ou faux ? Justifier.
1. Un événement A ne peut être indépendant de lui-même.
2. Deux événements incompatibles sont dépendants.
3. L’événèment impossible est indépendant de tout événement.
4. Si p(A ∩ B) = p(A)p(B), A et B sont indépendants.
5. Si p(A ∩ B ∩ C) = p(A)p(B)p(C) les événements A, B, C sont mutuellement indépendants.
Exercice 2 On effectue une enquête sur les goûts des consommateurs concernant les accessoires
automobiles. Dans la population interrogée, 90% souhaitent un véhicule équipé d’un autoradio,
15% souhaitent la climatisation et 12% souhaitent ces deux équipements. On choisit au hasard un
individu dans cette population. Quelle est la probabilité pour qu’il souhaite au moins l’un des deux
équipements ?
Exercice 5 Pendant une épidémie, on étudie un ensemble de familles ayant deux enfants en bas
âge : une fille et un garçon. On constate que :
∗ 20% des filles sont malades.
206 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 6 Une assemblée d’adultes est constituée de 45% de femmes et de 55% d’hommes. On
sait que seuls 25% des hommes et 10% des femmes pratiquent un sport.
1. On tire au hasard une personne dans l’assemblée.
Quelle est la probabilité que cette personne soit sportive ?
2. On tire au hasard une personne dans l’assemblée. Cette personne est sportive.
Quelle est la probabilité que cette personne soit une femme ?
Exercice 7 Le contrôle des voyageurs est assuré à un poste frontière par 3 douaniers : messieurs
X, Y et Z.
Chaque voyageur est contrôlé par un douanier et un seul ; M. X contrôle 2 voyageurs sur 10, M. Y
en contrôle 3 sur 10 et M. Z en contrôle 5 sur 10.
Le douanier X détecte les fraudeurs une fois sur deux, le douanier Y une fois sur trois et le douanier
Z une fois sur quatre.
Quelle est la probabilité pour qu’un fraudeur se présentant au hasard à ce poste soit détecté ?
Exercice 9 On étudie la transformation d’une information binaire, à travers des relais successifs
notés I0 , I1 , . . . In+1 (n ∈ N∗ ). Par exemple, on envoie un signal électronique dont la valeur est soit
« 1 » soit « 0 » à travers n bornes.Pour tout entier k ≥ 0, et k ≤ n, Ik transmet l’information à
Ik+1 . Les relais ne sont pas fiables, et on fait l’hypothèse que chaque intermédiaire Ik (1 ≤ k ≤ n)
transmet l’information qu’il reçoit de Ik−1 avec une probabilité p indépendante de k (0 < p < 1) et
l’information contraire à celle reçue de Ik−1 avec la probabilité 1 − p. Ainsi, deux erreurs successives
se neutralisent.
1. Pour tout entier k ∈ {1 . . . n}, on appelle Ek l’évènement « Ik transmet l’information initiale
émise par I0 » ; on pose pk = P (Ek ). Exprimer pk+1 en fonction de pk et de p.
Chapitre 15 - Probabilités 207
Exercice 10 Dans une usine, un service contrôle les colis qui sont destinés à la livraison. Ce
contrôle est effectué de façon indépendante pour tous les colis par deux personnes qui chacunes
détectent un colis non conforme dans 90% des cas.
On sait d’autre part qu’il y a en moyenne 5% des colis qui sont non conformes.
1. (a) Calculer la probabilité qu’un colis soit non conforme et ne soit pas détecté.
(b) En déduire la probabilité qu’un colis soit non conforme et soit détecté.
2. Un lot de 100 colis est présenté au contrôle en vue d’une livraison.
(a) Quelle est la probabilité que les 100 colis soient conformes ?
(b) Quelle est la probabilité que les 100 colis soient déclarés bons pour la livraison ?
3. Calculer la probabilité que tous les colis qui passent le filtre du contrôle soient effectivement
conformes ?
4. Calculer la probabilité qu’un colis non conforme au moins échappe au contrôle.
5. Quelle est la probabilité que seuls 95 colis sur les 100 passent le contrôle ?
Exercice 11 Pour se rendre au travail, Mme T. prend le bus en face de chez elle. Elle a le choix
entre celui de la ligne A et celui de la ligne B. Le premier jour, elle choisit un bus au hasard. Les
jours suivants, elle prend le même bus que la veille si celui-ci lui a permis d’arriver à l’heure au
bureau la veille, sinon, elle en change.
La probabilité que Mme T. arrive à l’heure par la ligne A est a et par la ligne B est b.
Nous noterons Ak l’évènement "Le kième jour, Mme T. prend le bus A".
1. Montrer que pour tout k dans N∗ , P (Ak+1 ) = (a + b − 1)P (Ak ) + 1 − b.
2. Déterminer alors P (An ) en fonction de n.
3. Calculer la probabilité pn que Mme T. arrive à l’heure le nième jour.
4. Quelle est la limite de la suite (pn ) ?
Chapitre 16
Limites
Sommaire
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
3. Limites en +∞ et −∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
209
Limites
∗ ∗ ∗
I. Généralités
Définition 16.2. Soient f et g deux fonctions définies sur un intervalle I de R. On appelle produit
des fonctions f et g, la fonction f g définie par :
∀ x ∈ I, (f g)(x) = f (x)g(x).
Définition 16.3. Soient f et g deux fonctions définies sur un intervalle I de R telles que ∀ x ∈
I, g(x) 6= 0. On appelle quotient des fonctions f et g, la fonction fg définie par :
f f (x)
∀ x ∈ I, (x) = .
g g(x)
∀ x ∈ I, (g ◦ f )(x) = g (f (x)) .
∃ m, M ∈ R, ∀ x ∈ I, m ≤ f (x) ≤ M,
ou encore si
∃ M ∈ R, ∀ x ∈ I, |f (x)| ≤ M.
Exemples 16.1.
1. La fonction exponentielle est minorée par 0 sur R, par 1 sur R+ .
2. La fonction inverse est majorée par 0 sur R∗− .
3. la fonction sinus est bornée sur R : ∀ x ∈ R, | sin x| ≤ 1.
212 Lycée CHATEAUBRIAND - BCPST 1B
1. Limite en un point
Définition 16.6. Soient x0 un point de Df ou une borne de Df et ` ∈ R. On dit que f admet ` pour
limite en x0 si :
Remarque 16.2. On a :
lim f (x) = ` ⇔ lim |f (x) − `| = 0.
x→x0 x→x0
Exemples 16.2.
|x|
1. Limtes à gauche et à droite en 0 de x 7→ .
x
2. Limtes à gauche et à droite en n ∈ Z de x 7→ E(x).
3. Limites en +∞ et −∞
Définition 16.9. Soit ` ∈ R.
∗ On dit que f admet ` pour limite en +∞ si :
Remarque 16.3. On a des définitions similaires en remplaçant des +∞ par des −∞.
Limite de la somme :
lim f l l l +∞ −∞ +∞
a
lim g l’ +∞ −∞ +∞ −∞ −∞
a
lim(f + g) l+l’ +∞ −∞ +∞ −∞ X
a
214 Lycée CHATEAUBRIAND - BCPST 1B
Limite du produit :
lim f l l>0 l<0 0 l>0 l<0 0 +∞ −∞ +∞
a
lim g l’ +∞ +∞ +∞ −∞ −∞ −∞ +∞ −∞ −∞
a
lim(f g) ll’ +∞ −∞ X −∞ +∞ X +∞ +∞ −∞
a
Limite de l’inverse :
lim f l 6= 0 0+ 0− +∞ −∞
a
1 1
lim +∞ −∞ 0 0
a f l
Limite du quotient :
lim f l l l l>0 l>0 l<0 l<0 0 +∞ +∞ −∞ −∞ ∞
a
0 − − −
lim g l 6= 0 +∞ −∞ 0 +
0 0+
0 0 0 +
0 0+ 0− ∞
a
f l
lim 0 0 +∞ −∞ −∞ +∞ X +∞ −∞ −∞ +∞ X
a g l0
x2
Exercice 16.1. Déterminer la limite en +∞ de la fonction f : x 7−→ e− 1+x .
Ainsi, il faut faire attention pour le calcul de la limite et privilégier la seconde expression. On peut
ainsi considérer que 00 et 1∞ sont également des formes indéterminées.
x
1
Exercice 16.2. Calculer lim 1 + .
x→+∞ x
3. Limites et suites
Théorème 16.2. Soit f une fonction et Df sont ensemble de définition. Soit (un )n∈N une suite
d’éléments de Df telles que :
1. lim+∞ un = a,
2. lima f = b.
Alors,
lim f (un ) = b.
+∞
4. Limites et inégalités
Soit D un sous-ensemble de R et a un élément de D ou une borne de D finie ou infinie.
Proposition 16.3. Soient l et l0 deux réels, f et g deux fonctions définies D telles que :
1. ∀ x ∈ D, f (x) ≤ g(x),
2. lima f = l et lima g = l0 .
Alors,
l ≤ l0 .
Remarque 16.5. Attention : les inégalités strictes deviennent larges par passage à la limite.
Par exemple :
1 1
∀ x ∈ R∗+ , > 0 et lim = 0.
x x→+∞ x
sin x
Exercice 16.3. Calculer lim .
+∞ x
Théorème 16.4. Soient f , g et h trois fonctions définies sur D telles que :
∀ x ∈ D, f (x) ≤ g(x).
Théorème 16.6. Soit I =]a, b[ un intervalle de R dont les bornes a et b sont finies ou infinies. Soit
f une fonction croissante sur I et x0 un point de I qui n’est pas une borne.
Alors, f admet en x0 une limite à droite et une limite à gauche telles que :
lim
−
f (x) ≤ f (x0 ) ≤ lim
+
f (x).
x0 x0
1. Fonctions négligeables
Définition 16.11. Soient f et g des fonctions définies sur D telle que g ne s’annule pas. On dit que la
f (x)
fonction f est négligeable devant g au voisinage de x0 si lim = 0 et on note f = ox0 (g).
x→x0 g(x)
Exemple 16.5. la fonction sin est négligeable devant la fonction identité au voisinage de +∞.
2. Fonctions équivalentes
Définition 16.12. Soient f et g des fonctions définies sur D telle que g ne s’annule pas. On dit que
f (x)
la fonction f est équivalente à g au voisinage de x0 si lim = 1 et on note f ∼x0 g.
x→x0 g(x)
Exemples 16.7.
1. la fonction x 7→ x2 − 2x + 3 ln x est équivalente à la fonction x 7→ x2 au voisinage de +∞.
2. Si la fonction f tend vers ell ∈ R en x0 , alors f ∼x0 `.
Proposition 16.7. Soient f et g deux fonctions définies sur D telles que f ∼x0 g et ` ∈ R∪{−∞, +∞}.
Alors,
lim f (x) = ` ⇔ lim f (x) = `.
x→x0 x→x0
Chapitre 16 - Limites 217
Propriétés 16.1. Soient f , g, h et k des fonctions définies sur D. On a les propriétés suivantes :
1. f ∼x0 g ⇔ g ∼x0 f ,
2. si f ∼x0 g et g ∼x0 h, alors f ∼x0 h,
3. si f ∼x0 g, alors |f | ∼x0 |g|,
4. si f ∼x0 g, alors λf ∼x0 λg (λ 6= 0),
5. si f ∼x0 g alors f λ ∼x0 g λ , lorsque ces quantités sont bien définies,
6. si f ∼x0 g et h ∼x0 k, alors f h ∼x0 gk,
1 1
7. si f ∼x0 g alors ∼x0 ,
f g
f g
8. si f ∼x0 g et h ∼x0 k, alors ∼ .
h k
Remarque 16.7. Attention : en général on ne peut pas additionner des équivalents, composer un
équivalent par une fonction !
Proposition 16.8 (Équivalents classiques). Soit (un ) une suite telle que lim un = 0. On a :
n→+∞
1. sin x ∼0 x,
2. tan x ∼0 x,
x2
3. cos x − 1 ∼0 − ,
2
4. ln(1 + x) ∼0 x,
5. ex − 1 ∼0 x,
6. (1 + x)a − 1 ∼0 αx,
7. si P (x) = ap xp + · · · + aq xq avec ap 6= 0 et aq 6= 0, alors P (x) ∼0 aq xp et P (x) ∼+∞ ap xp .
Remarque 16.8. Si f est une fonction qui tend vers 1 en x0 , alors ln f (x) ∼x0 f (x) − 1.
Travaux Dirigés
Limites
∗ ∗ ∗
Exercice 3 Déterminer un équivalent simple au voisinage de +∞ dans chacun des cas suivants :
r x
x2 + 1 √
2
x + 2
1. f (x) = , 2. f (x) = x2 + x − x, 3. f (x) = − 1.
x+2 x2 − 1
Exercice 4 Trouver un équivalent simple des fonctions suivantes au point a indiqué puis étudier
l’existence d’une limite en ce point :
√
1. f1 : x 7→ 1 + x a ∈ {+∞, −0, −1}. 5. f5 : x →7 2x2 − x − 1 a ∈ {0, +∞, 1}.
p √ √
2. f2 : x 7→ ex + x a ∈ {−∞, +∞}. 6. f6 : x 7→ x2 + x4 + 1 − x 2 a = +∞.
1
3. f3 : x 7→ e− x + ln x a ∈ {0, +∞}. 7. f7 : x 7→ sin (1 − cos x), a = 0.
√
x2 +x
1 − cos x e
4. f4 : x 7→ , a = 0. 8. f8 : x 7→ , a = +∞.
tan x ex
Exercice 5 Étudier les limites suivantes :
sin x − sin e 1 − tan x 5. lim+ (cos x)ln x ,
1. lim , 3. limπ , x→0
x→e ln x − 1 x→ 4 cos 2x
x 2 x/2
2. lim
ln (x + 1)
, 4. lim
x −1
, (xx )x
6. lim x .
x→+∞ ln x x→+∞ x2 + 1 x→+∞ x(x )
Chapitre 17
Continuité
Sommaire
I. Continuité d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
4. Opérations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
221
Continuité
∗ ∗ ∗
1. Définitions
Définition 17.1. Soient f : Df −→ R et x0 ∈ Df . On dit que f est continue en x0 si lim f (x) =
x→x0
f (x0 ). Dans le cas contraire, on dit que f est discontinue en x0 .
Définition 17.2. Soit I un intervalle de R. On dit que f : I −→ R est continue sur I si elle est
continue en tout point de I.
On note C 0 (I, R) l’ensemble des fonctions continues sur I et à valeurs dans R.
Exemple 17.1.
1. La fonction exp est continue sur R.
2. La fonction valeur(absolue est continue sur R.
|x|
si x 6= 0
3. La fonction x 7→ x n’est pas continue sur en 0 mais sur R∗+ et sur R∗− .
0 sinon
Exemple 17.2. La fonction partie entière est continue à droite en tout point de R mais n’est pas
continue en n, n ∈ Z.
Proposition 17.1. Soient f : Df −→ R et x0 un point de Df qui n’est pas une extrémité de Df . Alors,
Exemple 17.3. La fontion valeur absolue est continue en 0 et même sur R tout entier.
sin x
Exemple 17.4. La fonction f : x 7→ est définie sur R∗ . Elle est prolongeable par continuité en
x
sin x
0 car lim = 1 et son prolongement g est tel que g(0) = 1.
x→x0 x
Remarque 17.1. Souvent, lorsqu’on prolonge une fonction par continuité en x0 , on appelle également
f la fonction prolongée obtenue.
Exemple 17.5. La fonction f : x 7→ e1/x est continue sur R∗ et prolongeable par continuité à gauche
en 0 mais pas à droite.
4. Opérations
Proposition 17.2. Soient f et g deux fonctions continues sur un intervalle I de R et λ ∈ R. Alors,
1. Les fonctions f + g, λf et f g sont continues sur I.
1 f
2. Si de plus, g ne s’annule pas sur I, alors les fonctions et sont continues sur I.
g g
Proposition 17.3. Soient I et J deux intervalles de R, f : I −→ R et g : J −→ R deux fonctions
continues telles que f (I) ⊂ J.
Alors, la fonction g ◦ f est continue sur I.
√
Exercice 17.1. Déterminer l’ensemble des points pour lesquels la fonction x 7→ x2 − 2x − 3.
Remarque 17.2. Application aux suites récurrentes du type un+1 = f (un ) où f est continue sur
l’intervalle I. Si (un )n∈N converge vers `, alors f étant continue en `, on a par unicité de la limite :
` = f (`).
Alors, la fonction prend toute les valeurs entre f (a) et f (b), c’est-à-dire pour tout réel y compris
entre f (a) et f (b), il existe c ∈ [a, b] tel que y = f (c).
Remarque 17.3. En d’autres termes, l’image d’un intervalle par une fonction continue est un inter-
valle.
Corollaire 17.1. Soient I un intervalle de R, f une fonction continue sur I et a, b ∈ I tels que f (a)f (b) < 0.
Alors, l’équation f (x) = 0 admet une solution dans l’intervalle [a, b].
Exemples 17.6.
1. Soit f : I −→ {0, 1} continue sur l’intervalle I. Alors, la fonction f est constante sur I.
2. Tout polynôme de degré impair admet une racine réelle.
Théorème 17.3. Soit f une fonction continue sur le segment [a, b]. Alors, f est bornée et atteint ses
bornes. Plus précisément,
f ([a, b]) = [m, M ],
avec m = inf{f (x), x ∈ [a, b]} et M = sup{f (x), x ∈ [a, b]}.
Remarque 17.4. En d’autres termes, l’image d’un segment par une fonction continue est un segment.
3. Théorème de la bijection
Théorème 17.4. Soit f : I −→ R une fonction continue et strictement monotone sur I. Alors, f
réalise une bijection de I sur J = f (I). De plus, la bijection réciproque f −1 : J −→ I est elle-même
continue et strictement monotone, de même monotonie que f .
Exemple 17.7.
1. Soit n ∈ N∗ . La fonction x 7→ xn est continue et strictement croissante sur R+ , elle réalise une
bijection de R+ sur l’intervalle image qui est aussi R+ . La bijection réciproque est la fonction
x 7→ x1/n , continue et strictement croissante sur R+ .
2. Soit n un entier impair. La fonction x 7→ xn est continue et strictement croissante sur R,
elle réalise une bijection de R sur lui-même. La bijection réciproque est la fonction x 7→ x1/n ,
continue et strictement croissante sur R.
3. La fonction ln : R∗+ −→ R est continue et strictement croissante. Elle réalise une bijection de
R∗+ sur son image qui est R tout entier. La bijection réciproque exp : R −→ R∗+ est continue
et strictement croissante.
1. La fonction arcsin
h π πi
La fonction sin est continue et strictement croissante sur − , . Elle réalise une bijection de
h π πi h π π i 2 2
− , sur son image qui est sin − , sin = [−1, 1].
2 2 2 2
226 Lycée CHATEAUBRIAND - BCPST 1B
h π πi
Définition 17.6. La bijection réciproque de sin sur − , est appelée arcsinus, notée arcsin :
2 2
h π πi
arcsin : [−1, 1] −→ − , .
2 2
La fonction arcsin est continue et strictement croissante. Par définition, on a :
(
sin yh= x i
∀ x ∈ [−1, 1], y = arcsin x ⇔ π π
y∈ − , .
2 2
y
y = sin(x)
1
π 0 π x
−
2 2
−1
y
y = arcsin(x)
1
π 0 π x
−
2 2
−1
Proposition 17.4. On a :
h π πi
1. ∀ x ∈ − , , arcsin(sin x) = x.
2 2
2. ∀ x ∈ [−1, 1] , sin(arcsin x) = x.
Propriétés 17.1.
1. Les courbes représentatives des fonctions arcsin et sin sont symétriques par rapport à la la
droite y = x.
2. La fonction arcsin est impaire.
3. arcsin x ∼0 x.
Chapitre 17 - Continuité 227
2. La fonction arccos
La fonction cos est continue et strictement décroissante sur [0, π]. Elle réalise une bijection de [0, π]
sur son image qui est [cos (π) , cos (0)] = [−1, 1].
Définition 17.7. La bijection réciproque de cos sur [0, π] est appelée arccosinus, notée arccos :
0 π π x
2
−1 y = cos(x)
y
y = arccos(x)
π
π
2
−1 0 1 x
Proposition 17.5. On a :
1. ∀ x ∈ [0, π], arccos(cos x) = x.
2. ∀ x ∈ [−1, 1] , cos(arccos x) = x.
Propriétés 17.2.
1. Les courbes représentatives des fonctions arccos et cos sont symétriques par rapport à la la
droite y = x.
2. On a : ∀ x ∈ [−1, 1], arccos(−x) = π − arccos x.
228 Lycée CHATEAUBRIAND - BCPST 1B
3. La fonction arctan
i π πh
La fonction tan est continue et strictement croissante sur − , . Elle réalise une bijection de
i π πh 2 2
− , sur son image qui est lim tan, lim tan = R.
2 2 −π/2 π/2
i π πh
Définition 17.8. La bijection réciproque de tan sur − , est appelée arctangente, notée arctan :
2 2
i π πh
arctan : R −→ − , .
2 2
La fonction arctan est continue et strictement croissante. Par définition, on a :
(
tan yi = x h
∀ x ∈ R, y = arctan x ⇔ π π
y∈ − , .
2 2
y
y = tan(x)
π 0 π x
−
2 2
π
2 y = arctan(x)
0 x
π
−
2
Chapitre 17 - Continuité 229
Proposition 17.6. On a :
i π πh
1. ∀ x ∈ − , , arctan(tan x) = x.
2 2
2. ∀ x ∈ R, tan(arctan x) = x.
Propriétés 17.3.
1. Les courbes représentatives des fonctions arctan et tan sont symétriques par rapport à la la
droite y = x.
2. La fonction arctan est impaire.
3. arctan x ∼0 x.
Chapitre 17 - Continuité 231
Travaux Dirigés
Continuité
∗ ∗ ∗
I. Point cours
Exercice 1 Soit I un intervalle quelconque, a ≤ b deux réels dans I et f une fonction quelconque
sur I (non nécessairement continue). Les assertions suivantes sont-elles vraies ou fausses ? Justifier.
1. Si f est strictement croissante sur l’intervalle I, alors f est injective.
2. Si f est injective sur l’intervalle I, alors f est monotone.
3. Si f est continue sur I, alors f ([a, b]) = [f (a), f (b)] ou f ([a, b]) = [f (b), f (a)].
4. Si f est continue sur [a, b] et que f (a) et f (b) sont de signe opposé, alors l’équation f (x) = 0
d’inconnue x admet une unique solution dans [a, b].
5. Si f est continue sur I, alors f (I) est l’intervalle [m, M ] où m = minf (x) et M = maxf (x)
x∈I x∈I
∀ x ∈ R, f (2x) = f (x).
x
∗
1. Montrer que ∀ n ∈ N , f (x) = f n .
2
2. En déduire que f est constante.
sin 2x
Exercice 4 Soit f la fonction définie par f (x) = √ .
x+4−2
1. Déterminer le domaine de définition Df de f .
2. Montrer que f est continue en tout point de Df .
3. La fonction f est-elle prolongeable par continuité au point x = 0 ?
Exercice 6 Soit f une fonction définie et continue sur [a, b] et telle que f ([a, b]) ⊂ [a, b].
Montrer qu’il existe c ∈ [a, b] tel que f (c) = c.
Exercice 7 Une voiture parcourt 90km en une heure (sans rouler nécessairement à vitesse constante).
On admet que la distance f (t) parcourue par la voiture au temps t est une fonction continue sur
[0, 1].
En considérant la fonction définie sur [0, 1/2] par g(x) = f (x + 1/2) − f (x), montrer qu’il existe un
intervalle de temps d’une demie-heure pendant lequel la voiture a parcouru exactement 45km.
Exercice 8 Soient f et g deux fonctions définies et continues sur [a, b] telles que : f (a) = g(b) et
f (b) = g(a).
Montrer qu’il existe c ∈ [a, b] tel que f (c) = g(c).
ex + e−x
ch : x 7−→ .
2
(cette fonction s’appelle cosinus hyperbolique et sa courbe représentative s’appelle la chainette).
1. Montrer que la fonction f restriction de ch à [0, +∞[ admet une bijection réciproque notée f −1
à valeurs dans un intervalle J que l’on précisera.
2. Donner les propriétés de f −1 puis expliciter le réel f −1 (y) pour y ∈ J.
(En ) x5 + x + 1 = n.
1. Montrer que pour tout entier n ∈ N∗ , l’équation (En ) admet une unique solution notée xn .
2. Montrer que la fonction f : x 7→ x5 + x + 1 réalise une bijection de R sur un intervalle J que
l’on précisera.
3. Soit f −1 la bijection réciproque de f. Donner le tableau de variations de f −1 .
4. Exprimer xn en fonction de n et f −1 pour tout entier n strictement positif.
5. Montrer que la suite (xn ) est stricement croissante et étudier sa convergence.
6. Donner un équivalent de xn (partir de l’équation (En )).
Chapitre 17 - Continuité 233
Exercice 12 Soit f une fonction continue positive sur [0, +∞[ et ` un réel dans [0, 1[ tels que :
f (x)
lim = `.
x→+∞ x
Montrer que :
∃x0 ∈ [0, +∞[ f (x0 ) = x0 .
f (x)
Indication : on pourra considérer la fonction h définie sur ]0, +∞[ par h : x 7→ .
x
Exercice 13 Soit f une fonction continue sur [0, +∞[ admettant une limite en +∞.
Montrer que f est bornée.
Chapitre 18
Dérivation
Sommaire
I. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
1. Définitons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
235
Dérivation
∗ ∗ ∗
I. Définitions
1. Dérivabilité en un point
2. Fonction dérivée
Définition 18.2. Soit I un intervalle de R. On dit que f : I −→ R est dérivable sur I si elle est
dérivable en tout point de I.
On note D(I, R) l’ensemble des fonctions dérivables sur I et à valeurs dans R.
De plus, on appelle fonction dérivée la fonction notée f 0 définie sur I par f 0 : x 7→ f 0 (x).
Exemple 18.2.
1. La fonction exp est dérivable sur R.
2. La fonction racine carrée est dérivable sur R∗+ .
3. Tout polynôme est dérivable sur R.
238 Lycée CHATEAUBRIAND - BCPST 1B
f (x) − f (x0 )
fd0 (x0 ) = lim+ .
x→x0 x − x0
f (x)−f (x0 )
2. f est dérivable à gauche en x0 si la fonction x 7→ x−x0
admet une limite à gauche
lorsque x tend vers x0 . Dans ce cas, on note
f (x) − f (x0 )
fg0 (x0 ) = lim− .
x→x0 x − x0
Exemple 18.3. La fonction valeur absolue est dérivable sur R∗− et R∗+ , dérivable à droite et à
gauche en 0.
4. Interprétation géométrique
Remarques 18.2.
1. Si le taux d’accroissement tend vers +∞ ou −∞, alors la courbe représentative de f admet en
M0 une tangente verticale.
2. On parle de demi-tangente à droite ou à gauche en M0 lorsqu’on étudie la limite du taux
d’accroissement à droite ou à gauche de x0 .
(f + g)0 (x0 ) = f 0 (x0 ) + g 0 (x0 ), (λf )0 (x0 ) = λf 0 (x0 ) et (f g)0 (x0 ) = f 0 (x0 )g(x0 ) + f (x0 )g 0 (x0 ).
Chapitre 18 - Dérivation 239
1 f
Si de plus, g(x0 ) 6= 0, alors et sont dérivables et on a
g g
0 0
1 g 0 (x0 ) f f 0 (x0 )g(x0 ) − f (x0 )g 0 (x0 )
(x0 ) = − et (x 0 ) = .
g g(x0 )2 g g(x0 )2
1 f
Si de plus, g ne s’annule pas, alors , ∈ D(I, R) et on a
g g
0 0
1 g0 f f 0g − f g0
= − 2 et = .
g g g g2
Corollaire 18.2. Soient I et J deux intervalles de R, f ∈ D(I, R) et g ∈ D(J, R) telles que f (I) ⊂ J.
Alors, la fonction g ◦ f ∈ D(I, R) et on a
(g ◦ f )0 = f 0 × g 0 ◦ f.
√ f0
Exemple 18.4. Soit f ∈ D(I, R∗+ ). Alors, f est dérivable de dérivée √ .
2 f
Proposition 18.6. Soient f une fonction continue strictement monotone sur un intervalle I et f −1
sa bijection réciproque définie sur J = f (I). Si f est dérivable en x0 ∈ I et si f 0 (x0 ) 6= 0, alors f −1
est dérivable en y0 = f (x0 ) et on a
0 1
f −1 (y0 ) = .
f0 f −1 (y0 )
Proposition 18.7 (Fonctions dérivées des fonctions arcsin, arccos et arctan). 1. La fonction arcsin
est dérivable sur ] − 1, 1[ et on a
1
∀ x ∈] − 1, 1[, arcsin0 (x) = √ .
1 − x2
240 Lycée CHATEAUBRIAND - BCPST 1B
1. Théorème de Rolle
Théorème 18.2. Soit f ∈ D(I, R) et x0 un élément de I qui n’est pas une extrémité de I.
Si f possède un extremum local (maximum ou minimum local) en x0 , alors f 0 (x0 ) = 0.
Remarque 18.4. En d’autres termes, la courbe représentative de f admet (au moins) une tangente
horizontale sur ]a, b[.
Exercice 18.1. Soit P un polynôme qui admet exactement 4 racines dans [0, 1]. Montrer que son
polynôme dérivé P 0 admet au moins trois racines dans ]0, 1[. Que dire de P 00 et P (3) .
Théorème 18.4. Soit f : [a, b] −→ R une fonction continue sur [a, b] et dérivable sur ]a, b[.
Alors,
∃ c ∈ ]a, b[, f (b) − f (a) = f 0 (c)(b − a).
DESSIN
Remarques 18.5.
1. En d’autres termes, la courbe représentative de f admet (au moins) une tangente parallèle à
la droite passant par (a, f (a)) et (b, f (b)).
2. La formule des accroissements finis est une généralisation du théorème de Rolle.
Chapitre 18 - Dérivation 241
Corollaire 18.3 (Inégalité des accroissements finis). Soit f : [a, b] −→ R une fonction continue sur
[a, b] et dérivable sur ]a, b[. S’il existe M > 0 tel que pour tout x ∈]a, b[, |f 0 (x)| ≤ M , alors
Remarque 18.6. Attention : ces résultats ne sont valables que si I est un intervalle.
|x|
Exemple : f (x) = sur R∗ ; pour tout x ∈ R∗ , f 0 (x) = 0 mais f n’est pas constante.
x
Théorème 18.6. Soit f : I −→ R une fonction dérivable sur l’intervalle I. Alors,
1. Si ∀ x ∈ I, f 0 (x) > 0, alors f est strictement croissante sur I.
2. Si ∀ x ∈ I, f 0 (x) < 0, alors f est strictement décroissante sur I.
Remarque 18.7. Dans le théorème précédent, si f 0 est positive (resp. négative) sur I et ne s’annule
qu’en un nombre fini de points, alors f est strictement croissante (resp. décroissante).
∗ Position de la tangente :
Théorème 18.8. Soient I un intervalle et f : I −→ R une fonction dérivable sur I. Si f 0 est une
fonction croissante, alors la courbe représentative de f est au-dessus de ses tangentes.
DESSIN
1. Définitons
Définition 18.4. Soient n ≥ 1, I un intervalle de R et f : I −→ R. On dit que
242 Lycée CHATEAUBRIAND - BCPST 1B
1. f est deux fois dérivable sur I si f est dérivable sur I et si f 0 est dérivable sur I. On appelle
d2 f
dérivée seconde de f la dérivée de f 0 et on note f 00 , f (2) ) ou encore .
dx2
2. f est n fois dérivable sur I (n ≥ 1) si f est n − 1 fois dérivable sur I et si f (n−1) est
dérivable sur I. On appelle dérivée n-ième de f la dérivée de f (n−1) et on note f (n) ou encore
dn f
n
. Par convention, f (0) = f .
dx
Définition 18.5. Soient n ≥ 1, I un intervalle de R et f : I −→ R. On dit que f est de classe C n sur
I si f (n) existe et est continue sur I. On note C n (I, R) ou C n (I) l’ensemble des fonctions de classe
C n sur I.
Remarque 18.8.
1. C 0 (I) est l’ensemble des fonctions continues sur I.
2. C 1 (I) est l’ensemble des fonctions dérivables sur I dont la dérivée est une fonction continue
sur I.
Exemple 18.8.
1. la fonction exponentielle est C ∞ sur R et on a pour tout n ∈ N, (exp)(n) = exp.
2. Tout polynôme est de classe C ∞ sur R. De plus, si deg(P ) = n, alors P (k) = 0, ∀ k ≥ n + 1.
3. Les fonctions cos et sin sont de classe C ∞ sur R.
4. la fonction inverse est de classe C ∞ sur R∗+ et R∗− et on a :
(n)
∗ 1 (−1)n n!
∀x∈R , = .
x xn+1
Remarque 18.10. Attention : une fonction peut être dérivable n fois sans pour autant être de
classe C n .
2 1
Par exemple, la fonction définie par f (x) = x sin sir x 6= 0 et f (0) = 0 est dérivable sur R
x
mais n’est pas de classe C 1 sur R.
Théorème 18.9 (Formule de Leibniz). Soient n ∈ N. Si f et g sont n fois dérivables sur I, alors f g
est n fois dérivables sur I et on a :
n n
(n)
X n (k) (n−k) X n (n−k) (k)
(f g) = f g = f g .
k=0
k k=0
k
Exercice 18.2. Montrer que la fonction f : x 7−→ x2 e−x est de classe C ∞ et claculer f (n) pour tout
n ∈ N.
Travaux Dirigés
Dérivation
∗ ∗ ∗
I. Point cours
Exercice 4 Déterminer l’intervalle I le plus grand tel que la fonction f est dérivable sur I et
déterminer f 0 dans les cas suivants :
1. f (x) = cos(2x2 + 1), 1
5. f (x) = sin ,
√ 1 + x2
2. f (x) = x2 + 2x + 2,
1
sin
6. f (x) = e 1+x 2
,
3. f (x) = cos (x3 ), 2
7. f (x) = 2 sin x cos x,
4. f (x) = (cos x)3 , 8. f (x) = (1 + x2 )1/x .
246 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 7 Pour tout entier naturel n, calculer la dérivée n-ième de f (x) = x3 e−x .
Exercice 9
1. Soit n ∈ N∗ . Montrer que
1 1
< ln(n + 1) − ln n < .
n+1 n
1 1
2. En déduire la limite de Sn = 1 + + · · · et un équivalent de Sn quand n tend vers +∞.
2 n
Exercice 10 Montrer que pour tout x ∈ R, on a :
x
≤ arctan(x) ≤ x.
1 + x2
1
Exercice 11 Soit f la fonction définie sur R∗ par f (x) = arctan(x) + arctan .
x
1. Montrer que f est dérivable sur R∗ , puis calculer sa dérivée f 0 .
2. En déduire un expression simplifiée de f .
2x
Exercice 12 Soit f : ] − 1, 1[ −→ R définie par f (x) = arcsin .
1 + x2
1. Montrer que f est dérivable sur ] − 1, 1[ et calculer sa dérivée.
2. Trouver une expression « simple »de f .
Chapitre 18 - Dérivation 247
Exercice 13 Soient f et g deux fonctions définies et continues sur un segment [a, b], dérivables
sur ]a, b[ et telles que :
∀ x ∈]a, b[, f 0 (x) ≤ g 0 (x).
Montrer que l’on a : f (b) − f (a) ≤ g(b) − g(a).
πi cos(ax) − 1
si x 6= 0
h
Exercice 14 Soient a ∈ R et f définie sur 0, par f (x) = sin x
2 0 si x = 0.
h πi
1. Montrer que f est continue sur 0, .
h2 π i
1
2. Montrer que f est de classe C sur 0, .
2
( 2
e−1/x si x 6= 0
Exercice 15 Soit f la fonction définie sur R par f (x) =
0 si x = 0.
1. Montrer que f est continue en 0.
2. Montrer que f est de classe C ∞ sur R∗ .
3. Montrer que pour tout n ∈ N, il existe un polynôme Pn tel que
Pn (x) −1/x2
∀ x ∈ R∗ , f (n) (x) = e ,
x3n
Indication : on pourra raisonner par récurrence sur n ∈ N.
4. En déduire que la fonction f est de classe C ∞ sur R et préciser la valeur de f (n) (0).
Chapitre 19
Développements limités
Sommaire
I. Formule de Taylor-Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
2. Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
249
Formules de Taylor
Développements limités
∗ ∗ ∗
Soient n un entier naturel et I un intervalle de R. On dira qu’une propriété est vraie au voisinage
de x0 si elle est vrai sur un intervalle ouvert contenant x0 .
I. Formule de Taylor-Lagrange
Théorème 19.1 (Formule de Taylor-Lagrange). Soient f une fonction de classe C n+1 sur un intervalle
I, a et b deux éléments de I tels que a < b. Alors, il existe c ∈]a, b[ tel que :
n
X f (k) (a) f (n+1) (c)
f (b) = (b − a)k + (b − a)n+1 .
k=0
k! (n + 1)!
Remarques 19.1.
1. Pour n = 0, c’est le théorème des accroissements finis !
2. En appliquant cette formule à une polynôme de degré n, on retrouve la formule de Taylor
donnée dans le chapitre consacré aux polynômes.
3. Pour b = a + h, la formule devient :
n
X f (k) (a) f (n+1) (c) n+1
f (a + h) = hk + h .
k=0
k! (n + 1)!
Exemple 19.1.
1. Définition
Définition 19.1. Soit f : I −→tel que 0 est un élément de I. On dit que f admet un développement
limité d’ordre n en 0 s’il existe des réels a0 , . . . , an tels que au voisinage de 0 on ait l’égalité
suivante : n
X
ak x k + o x n .
f (x) =
k=0
n
X
Le terme polynômial ak xk est appelé partie principale du développement limité.
k=0
252 Lycée CHATEAUBRIAND - BCPST 1B
Remarques 19.2.
1. Le développement limité en x0 peut également s’écrire sous la forme :
n
X
f (x) = ak xk + xn ε(x), avec lim ε(x) = 0.
x→0
k=0
Remarque 19.3.
1. Un développement limité à l’ordre n en x0 se note DLn (x0 ).
2. En pratique, comme pour les équivalents, on se ramène toujours à une recherche de dévelop-
pement limité en 0 en posant x = x0 + h.
2. Propriétés
Proposition 19.1. Si f admet un développement limité à l’ordre n en x0 , alors il est unique.
2. f admet un DL1 (x0 ) si, et seulement si, f est dérivable en x0 . Dans ce cas,
3. Formule de Taylor-Young
Théorème 19.2 (Formule de Taylor-Young). Soit f : I −→ R une fonction de classe C n . Alors, f
admet un développement limité à l’ordre n en x0 donné par
n
X f (k) (x0 )
(x − x0 )k + o (x − x0 )n .
f (x) =
k=0
k!
Remarques 19.4.
1. Attention : contrairement à la formule de Taylor-Lagrange qui est valable pour tout élément
x de I, la formule de Taylor-Young n’est utile que localement, c’est-à-dire au voisinage de x0 .
Chapitre 19 - Formules de Taylor - DL 253
2. Cette formule permet de trouver les développements limités des fonctions usuelles. Néanmoins,
dans la pratique on se sert très rarement de cette formule pour calculer un développement
limité.
D’après la formule de Taylor-Young, les fonctions usuelles étant de classe C ∞ , elles admettent en 0
des développements limités à tout ordre.
f 0 (x) = a0 + a1 x + a2 x2 + · · · + an xn + o(xn ).
IV. Applications
f (x) = ap (x − x0 )p + (x − x0 ) , ap =
6 0.
Alors, f (x) ∼x0 ap (x − x0 )p . En d’autres termes, un équivalent de f est donné par le premier terme
non nul d’un développement limité de f .
Remarques 19.5.
1. Pour rechercher un équivalent, il faut donc pousser le DL jusqu’à obtention du premier terme
non nul.
f
2. Pour rechercher un équivalent d’un produit f g ou d’un quotient , il est inutle de calculer un
g
f
DL de f g ou . Il suffit de connaître des équivalents de f et g.
g
Exemples 19.9.
sin x − x
1. Déterminer un équivalent simple en 0 de et en déduire la limite en 0.
cos x − ex
1
2. Déterminer un équivalent simple en +∞ de ln(1 + x) − ln x − .
x
2. Tangente en un point
On sait que f possède un DL1 (x0 ) si, et seulement si, f est dérivable en x0 . Ainsi, sa courbe
représentative possède une tangente au point d’abscisse x0 .
Si f admet le DL1 (x0 ) suivant :
f (x) = a + b(x − x0 ) + o (x − x0 ) ,
y = a + b(x − x0 ).
De plus, la position de la courbe représentative de f par rapport à la tangente est donnée par le
premier terme non nul d’ordre supérieur du développement limité en x0 . Si
f (x) = a + b(x − x0 ) + ap (x − x0 )p + o (x − x0 )p , ap 6= 0,
Exemple 19.10. Soit f la fonction définie sur R∗ par f (x) = ln x + ex−1 . Déterminer l’équation de la
tangente au point d’abscisse 1 ainsi que les positions relatives de cette tangente et de Cf .
Définition 19.4. Soient f et g deux fonctions. On dit que la courbe représentative de f est asymptote
à celle de g en +∞ ou −∞ si lim+∞ f − g = 0.
Dans la pratique, pour déterminer les branches infinies en +∞ d’une fonction f , on effectue un
1
développement asymptotique de f . Pour cela, on pose t = et on utilise les développements
x
limités connus.
Exemples 19.11.
1. ln admet une branche infinie parabolique en +∞ de direction Ox.
2. exp admet une branche infinie parabolique en +∞ de direction Oy.
√
3. La fonction x 7→ x + x admet une branche parabolique de direction asymptotique la droite
d’équation y = x.
I. Point cours
xn+1 |x|
∀ n ∈ N, |ex − Sn (x)| ≤ e .
(n + 1)!
Exercice 4 Calculer :
ln(1 + sin x) 1
1. DL3 (0) de f1 (x) = , 3. DL7 (0) de f3 (x) = ,
1+x (1 − x2 )4
√ √
2. DL3 (0) de f2 (x) = 1 + sin x, 4. DL3 (0) de f4 (x) = ln( 1 + x) − e2+x ,
258 Lycée CHATEAUBRIAND - BCPST 1B
III. Applications
Exercice 10 Déterminer le domaine de définition et étudier les branches infinies des fonctions
suivantes :
x √
1. f1 : x 7→ , 3. f3 : x 7→ x − 1 + 1 + x2 ,
+ e1/x
1√
x x2 − 2x 2 x
2. f2 : x 7→ , 4. f4 = x 7→ (3x + 2) ln .
2x + 1 x+1
Chapitre 20
Variables aléatoires réelles
Sommaire
I. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
3. Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
259
Variables aléatoires réelles
∗ ∗ ∗
I. Définitions
Exemples 20.1.
1. On lance deux dés. L’application S qui à tout lancer associe la somme des valeurs obtenues
est une variable aléatoire de Ω dans S(Ω) = {2, . . . , 12}.
2. On tire trois cartes dans un jeu de 32 cartes. L’application X qui à tout tirage associe le
nombre de cartes de cœur obtenues est une variable aléatoire de Ω dans X(Ω) = {0, 1, 2, 3}.
En particulier, on écrit :
∗ [X = x] = X −1 (x) = {ω ∈ Ω, X(ω) = x},
∗ [X ≤ x] = X −1 (] − ∞, x]) = {ω ∈ Ω, X(ω) ≤ x},
∗ [X ≥ x] = X −1 ([x, +∞[) = {ω ∈ Ω, X(ω) = x},
∗ [X < x] = X −1 (] − ∞, x[) = {ω ∈ Ω, X(ω) = x},
∗ [X = x] = X −1 (]x, +∞[= {ω ∈ Ω, X(ω) = x}.
2. Loi de probabilité
Définition 20.2. Soit X une variable aléatoire sur l’espace probabilisé (Ω, P(Ω), P). L’application
fX : X(Ω) −→ R
x 7−→ P([X = x])
Remarque 20.1. Pour alléger les notations, on écrit P(X = x) au lieu de P([X = x]).
Proposition 20.1. Soit X une variable aléatoire réelle telle que X(Ω) = {x1 , . . . , xn }. On note pi =
P(X = xi ) pour tout entier i ∈ {1, . . . , n}. Alors, on a :
n
X
∀ i ∈ {1, . . . , n}, pi ≥ 0 et pi = 1.
i=1
Remarque 20.2. Donner la loi d’une variable aléatoire réelle c’est donner les valeurs des pi , i ∈
{1, . . . , n}. On peut représenter la loi d’une variable aléatoire à l’aide
1. d’un tableau,
2. d’un diagramme en bâtons.
Exemple 20.4. On revient à l’exemple du lancer des deux dés. On calcule pi , pour i ∈ {2, . . . , 12}.
On peut représenter la loi de S sous forme d’un tableau, ou bien à l’aide d’un diagramme en bâtons.
3. Fonction de répartition
Définition 20.3. Soit X une variable aléatoire réelle, on appelle fonction de répartition de X,
l’application FX : R −→ [0, 1] définie par :
Proposition 20.2. Soit X une variable aléatoire réelle telle que X(Ω) = {x1 , . . . , xn } avec x1 <
x2 · · · < xn . Alors, la fonction de répartition FX est une fonction en escalier croissante. Plus préci-
sément, on a :
0 si x < x1 ,
X k
FX (x) = P(X = xi ) si xk ≤ x < xk+1 , ∀ k ∈ {1, . . . , n − 1},
i=1
1 si x ≥ xn .
La fonction de répartition est ainsi déterminée si on connaît la loi de X.
Proposition 20.3 (Lien entre loi de probabilité et fonction de répartition). Soit X une variable aléatoire
réelle telle que X(Ω) = {x1 , . . . , xn } avec x1 < x2 · · · < xn . Alors, on a :
Remarque 20.4. Graphiquement, la loi de probabilité de X se lit sur les hauteurs des marches de
l’escalier de FX .
Exemples 20.5.
1. Retour à l’exemple du lancer des deux dés.
2. On considère une urne contenant N boules numérotées de 1 à N . On tire simultanément n
boules, n ≥ N . L’application X qui à tout tirage associe le plus grand numéro des n boules
tirées est une variable aléatoire réelle.
Ω = {combinaisons de n nombres parmi 1, . . . , N }
X(Ω) = {n, . . . , N }.
Pour déterminer la loi de X, il est plus simple de calculer la fonction de répartition FX .
3. Même chose dans le cas d’un tirage avec remise.
Y : Ω −→ R
ω 7−→ ϕ(X(ω))
1. Espérance mathématique
Définition 20.5. Soit X une variable aléatoire réelle sur (Ω, P(Ω), P) telle que X(Ω) = {x1 , . . . , xn }.
On appelle espérance mathématique de X le réel noté E(X) défini par
X n
X
E(X) = x P(X = x) = xi P(X = xi ).
x∈X(Ω) i=1
Exemples 20.6.
1. Lancer d’un dé.
2. Lancer de deux pièces de monnaie.
3. Tirage de n boules dans une urne qui en contient N .
264 Lycée CHATEAUBRIAND - BCPST 1B
Proposition 20.5. Soient X une variable aléatoire réelle sur (Ω, P(Ω), P), a, b ∈ R. Alors, on a
E(aX + b) = aE(X) + b.
Théorème 20.2 (Theorem de transfert). Soient X une variable aléatoire réelle sur (Ω, P(Ω), P) telle
que X(Ω) = {x1 , . . . , xn } et ϕ : X(Ω) −→ R. Alors,
X n
X
E(ϕ(X)) = ϕ(x) P(X = x) = ϕ(xi ) P(X = xi ).
x∈X(Ω) i=1
Définition 20.6. On dit qu’une variable aléatoire réelle X est centrée si elle est d’espérance nulle :
E(X) = 0.
Proposition 20.6. Soit X une variable aléatoire réelle. Alors la variable aléatoire X −E(X) est centrée
et appelée variable aléatoire centrée associée à X.
Définition 20.7. Soient X une variable aléatoire réelle sur (Ω, P(Ω), P) telle que X(Ω) = {x1 , . . . , xn }
et r ∈ N. On appelle moment d’ordre r de X le réel noté mr (X) défini par
n
X
r
mr (X) = E(X ) = xri P(X = xi ).
i=1
Remarque 20.5. On a :
m0 (X) = 1 et m1 (X) = E(X).
Définition 20.8. Soient X une variable aléatoire réelle sur (Ω, P(Ω), P) telle que X(Ω) = {x1 , . . . , xn }
et r ∈ N. On appelle moment centré d’ordre r de X le réel noté mr (X) défini par
mr (X) = E (X − E(X))r .
3. Variance
Définition 20.9. Soit X une variable aléatoire réelle sur (Ω, P(Ω), P) telle que X(Ω = {x1 , . . . , xn },
le moment centré d’ordre de 2 de X est appelé variance de X et on note :
X n
X
2 2
(xk − E(X))2 P(X = xk ).
V (X) = E (X − E(X)) = (x − E(X)) P(X = x) =
x∈X(Ω) k=1
Proposition 20.7 (Formule de Kœnig-Huygens). Soit X une variable aléatoire réelle sur (Ω, P(Ω), P).
Alors,
V (X) = E(X 2 ) − E(X)2 .
Remarque 20.6. Cette remarque est particulièrement utile pour les calculs de variances.
Exemple 20.7.
1. Lancer d’un dé.
2. Lancer de deux dés.
Chapitre 20 - Variables aléatoires réelles 265
Proposition 20.8. Soient X une variable aléatoire réelle sur (Ω, P(Ω), P), a, b ∈ R. Alors, on a
V (aX + b) = a2 V (X).
Remarque 20.7. La définition de l’espérance assure que si X est une variable aléatoire positive, c’est-
à-dire telle que pour tout ω ∈ Ω, X(ω) ≥ 0, alors E(X) ≥ 0. La variable aléatoire (X − E(X))2 étant
positif, la variance est un réel positif, ce qui justifie la définition suivante de l’écart-type.
4. Inégalité de Bienaymé-Tchebychev
Proposition 20.9 (Inégalité de Markov). Soit X une variable aléatoire positive. Alors,
E(X)
∀ a > 0, P(X ≥ a) ≤ .
a
Théorème 20.3 (Inégalité de Beinaimé-Tchebychev). Soit X une variable aléatoire réelle sur (Ω, P(Ω), P).
Alors,
V (X)
∀ ε > 0, P(|X − E(X)| ≥ ε) ≤ .
ε2
Remarque 20.8. Le terme P(|X − E(X)| ≥ ε) correspond à la probabilité que X s’éloigne de son
espérance de plus de ε. L’inégalité assure que cette probabilité est d’autant plus petite que ε est
grand et que V (X) est petit.
Plus la variance est petite et plus la variable aléatoire est concentrée autour de sa moyenne.
Chapitre 20 - Variables aléatoires réelles 267
Travaux Dirigés
Variables aléatoires réelles
∗ ∗ ∗
Exercice 1 Soit X une variable aléatoire sur un espace probablisé fini (Ω, P(Ω), p) dont la loi est
donnée ci-dessous :
k −1 0 1 2 3
p(X = k) 1/6 1/4 1/6 1/6 1/4
Exercice 3 On lance simultanément deux dés équilibrés et on note X le maximum des deux
chiffres obtenus.
1. Déterminer la loi de X.
2. Calculer l’espérance et la variance de X.
Exercice 4 On considère l’expérience aléatoire qui consiste à effectuer des lancers successifs d’une
pièce de monnaie équilibrée dans les conditions suivantes : on arrête l’expérience dès que l’on a obtenu
face et on effectue au maximum cinq lancers. Soit X la variable aléatoire égale au nombre de lancers
effectués.
1. Déterminer la loi de X.
2. Déterminer sa fonction de répartition et tracer sa courbe.
3. Calculer l’espérance et l’écart-type de X.
Exercice 5 Un jeu consiste à lancer une bille dans un circuit comportant cinq butoirs : A, B, C,
D, E marqués respectivement de 1, 2, 3, 4, 5 points. La bille frappe au hasard un des butoirs A,
B ou C puis : de A, elle frappe au hasard B, D ou E ; de B, elle frappe au hasard D ou E ; de C,
elle frappe E ; de D ou de E, elle sort du circuit. Le joueur totalise alors les points marqués sur les
butoirs heurtés par la bille. Soit T la variable aléatoire ainsi définie.
1. Déterminer la loi de probabilité de T .
2. Calculer son espérance et sa variance.
268 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 6 Une urne contient n boules numérotées de 1 à n. On effectue des tirages avec remise
jusqu’à ce que le dernier numéro obtenu soit supérieur ou égal au numéro obtenu lors du tirage
précédent. On note X le nombre de tirages effectués.
1. Déterminer X(Ω).
2. Déterminer la probabilité des événements [X ≥ 2], [X ≥ 3] et [X = 2].
3. Pour tout k ∈ X(Ω), déterminer la probabilité de l’événement [X ≥ k]. En déduire la fonction
de répartition ainsi que la loi de X.
4. Calculer E(X) ainsi que sa limite lorsque n tend vers +∞.
Chapitre 21
Lois usuelles
Sommaire
I. Loi certaine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
269
Lois usuelles
∗ ∗ ∗
I. Loi certaine
1. Définition
Définition 21.1. On dit qu’une variable aléatoire réelle X suit une loi certaine s’il existe a ∈ R tel
que l’événement (X = a) est certain c’est-à-dire :
Exemple 21.1. Une urne contient n boules de couleurs différentes qui portent toutes le numéro 7. On
tire une boule et on note X le numéro tiré. Alors X est une variable aléatoire certaine et (X = 7)
est un événement certain.
3. Espérance et variance
E(X) = a et V (X) = 0.
1. Définition
Définition 21.2. Soit n ∈ N∗ . On dit qu’une variable aléatoire réelle X suit la loi uniforme sur
[[1, n]] si :
1
X(Ω) = [[1, n]] et ∀ k ∈ [[1, n]], P(X = k) = .
n
On note X ,→ U(n).
272 Lycée CHATEAUBRIAND - BCPST 1B
Remarque 21.1. Soient a, b ∈ N tels que a < b. On dit qu’une variable aléatoire réelle X suit la loi
uniforme sur [[a, b]] si :
1
X(Ω) = [[a, b]] et ∀ k ∈ [[a, b]], P(X = k) = .
b−a+1
On note X ,→ U([[a, b]]).
Définition 21.3. Soient n ∈ N∗ et E un ensemble de cardinal n. On dit qu’une variable aléatoire réelle
X suit la loi uniforme sur E si :
1
X(Ω) = E et ∀ x ∈ E, P(X = x) = .
n
On note X ,→ U(E).
Exemples 21.2.
1. On lance un dé, on note X le numéro obtenu. Alors X ,→ U(6).
2. On effectue un tirage dans une urne contenant n boules numérotées de 1 à n. On note X le
numéro de la boule tirée. Alors, X ,→ U(n).
Soit X ,→ U(6).
3. Espérance et variance
Proposition 21.2. Soit X une variable aléatoire réelle qui suit la loi uniforme sur [[1, n]]. Alors,
n+1 n2 − 1
E(X) = et V (X) = .
2 12
1. Définition
Définition 21.4. Soit p ∈ ]0, 1[. On dit qu’une variable aléatoire réelle X suit la loi de Bernoulli de
paramètre p si
X(Ω) = {0, 1} et P(X = 1) = p P(X = 0) = q = 1 − p.
On note X ,→ B(p).
Exemples 21.3.
1. on lance une pièce non truquée. Soit X la variable aléatoire qui vaut 0 si on fait pile et 1 si on
1
fait face. Alors, X ,→ B 2 .
2. Une urne contient a boules rouge et b boules vertes. Soit X la variable
aléatoire valant 0 si on
b
tire une boule rouge, 1 si on tire une boule verte. Alors, X ,→ B a+b .
Chapitre 21 - Lois usuelles 273
3. Toute expérience ayant deux issues peut être représentée par une variable aléatoire X suivant
une loi de Bernoulli, en notant 0 et 1 les résultats possibles.
3. Espérance et variance
Proposition 21.3. Soit X une variable aléatoire réelle qui suit la loi de Bernoulli de paramètre p.
Alors,
E(X) = p et V (X) = pq = p(1 − p).
1. Définition
Exemple 21.4. Schéma de Bernoulli : on répète n fois une même expérience dont les résultats sont
indépendants et ayant deux issues possibles : le succès (S) avec probabilité p ]0, 1[ et l’échec (E)
avec probabilité q = 1 − p.
On note X le nombre de succès obtenus.
Définition 21.5. Soient n ∈ N∗ et p ∈ ]0, 1[. On dit qu’une variable aléatoire réelle X suit la loi
binomiale de paramètres (n, p) si
n k 1−k
X(Ω) = [[0, n]] et ∀ k ∈ [[0, n]], P(X = k) = p q ,
k
Remarques 21.2.
1. La formule du binôme de Newton assure qu’il s’agit bien d’une loi de probabilité :
n n
X X n k 1−k
P(X = k) = p q = (p + q)n = 1.
k=0 k=0
k
2. Pour n = 1, on retrouve la loi de Bernoulli de paramètre p que l’on note donc également
B(1, p).
Exemples 21.5.
1. Un quadrimoteur est un avion possédant quatre moteurs identiques. Ces moteurs tombent
en panne avec probabilité p. Un tel avion peut terminer son vol si la moitié de ses moteurs
fonctionnent. On note X la variable aléatoire qui compte le nombre de moteurs tombés en
panne. Quelle est la probabilité que le quadrimateur tombe en panne ? On sait que X ,→ B(4, p).
2. On lance 5 pièces équilibrés et on note X le nombre de piles obtenus. Alors, X ,→ B(5, 21 ).
3. On lance n dés et on note X le nombre de 1 obtenus. Alors, X ,→ B(n, 61 ).
274 Lycée CHATEAUBRIAND - BCPST 1B
4. Une urne contient a boules rouge et b boules vertes. On tire successivement et avec remise
n boules de l’urne. Soit
X la variable aléatoire qui compte le nombre de boules vertes tirées.
b
Alors, X ,→ B n, a+b .
3. Espérance et variance
Lemme 21.1. Soient X et Y des variables aléatoires réelles. On a :
Proposition 21.4. Soit X une variable aléatoire réelle qui suit la loi binomiale de paramètres (n, p).
Alors,
E(X) = np et V (X) = npq = np(1 − p).
V. Loi hypergéométrique
1. Définition
Situation type :
On considère une urne contenant N boules avec une proportion p de boules blanches et q = 1 − p
de boules noires. Il y a donc dans l’urne N p boules blanches et N q boules noires.
Soit n ≤ N , on tire
nboules simultanément et on note X le nombre de boules blanches tirées.
N
On a Card(Ω) = . On munit Ω de la probabilité uniforme.
n
On sait que X(Ω) ⊂ [[0, n]]. Plus précisément,
∗ si on tire plus de boules qu’il n’y a de boules blanches, X vaut au maximum N p,
∗ si on tire plus de boules qu’il n’y a de noires, X vaut au minimum n − N q.
Ainsi,
X ∈ [[max(0, n − N q), min(n, N p)]].
Soit k ∈ X(Ω). Un tirage pour lequel X = k est tel qu’on tire k boules blanches et n−k boules noires.
Np
∗ il y a k
façons de choisir les k boules blanches,
Nq
∗ il y a n−k
façons de choisir les n − k boules noires.
Ainsi,
Np Nq
k n−k
P(X = k) = N
.
n
Chapitre 21 - Lois usuelles 275
Définition 21.6. Soient n et N deux entiers tels que 1 ≤ n ≤ N , p ∈ ]0, 1[ tel que N p et N q sont des
entiers. On dit qu’une variable aléatoire réelle X suit la loi hypergéométrique de paramètres (N, n, p)
si
Np Nq
k n−k
X(Ω) = [[max(0, n − N q), min(n, N p)]], ∀ k ∈ X(Ω), P(X = k) = N
.
n
Lemme 21.3 (Formule de Van der Monde). Soient a et b deux entiers non nuls et n un entier tel que
n ≥ a + b. Alors, on a
n
X a b a+b
= ,
k n−k n
k=0
n
avec la convention, = 0 si k > n.
k
2. Espérance et variance
Proposition 21.5. Soit X une variable aléatoire réelle qui suit la loi hypergéométrique de paramètres
(N, n, p). Alors,
N −n
E(X) = np et V (X) = npq .
N −1
En d’autres termes, lorsque N est assez grand, on peut approcher la loi hypergéométrique H(N, n, p)
par la loi binomiale B(n, p).
Remarques 21.4.
1. On considère la situation type : une urne contient N boules, avec une proportion p de boules
blanches et q = 1 − p de boules noires. On tire successivement n boules et on note X le nombre
de boules blanches.
∗ si le tirage se fait sans remise, alors X ,→ H(N, n, p),
∗ si le tirage se fait avec remise, alors X ,→ B(n, p).
Si le nombre N de boules est très grand, on peut estimer qu’on obtient les mêmes résultats
pour des tirages avec ou sans remise.
276 Lycée CHATEAUBRIAND - BCPST 1B
2. En pratique, dès que N ≥ 10n, on considère qu’on peut approcher la loi hypergéométrique
H(N, n, p) par la loi binomiale B(n, p).
Exemple 21.6. Dans un champ, on suppose qu’il y a 1% de trèfles à quatre feuilles. On cueille 100
trèfles et on note X le nombre de trèfles à 4 feuilles. Calculer la probabilité de cueillir au moins un
trèfle à quatre feuilles.
Travaux Dirigés
Lois usuelles
∗ ∗ ∗
Exercice 1 Reconnaître, pour chacune des variables aléatoires proposées, la loi classique qu’elle
vérifie. On donnera les paramètres correspondants si l’énoncé permet de les déterminer. On donnera
l’espérance et la variance de cette variable.
1. Le nombre de filles dans les familles de 6 enfants (la probabilité de naissance d’une fille est 0, 51).
2. Le nombre annuel d’accidents à un carrefour donné (la probabilité qu’il y ait un accident un
jour donné est de 1/125).
3. Le nombre de femmes présentes dans un sous-groupe de 6 personnes tirées au hasard dans un
groupe initial de 20 personnes comptant 5 femmes.
4. Le nombre de voix d’un des candidats à une élection lors du dépouillement des 100 premiers
bulletins dans un bureau de vote.
5. La réponse (oui ou non) à une question posée lors d’un sondage.
6. On lance un dé équilibré à 10 faces ; X prend la valeur 1 si le dé tombe sur un nombre pair
et 0 sinon.
7. On lance un dé équilibré 10 fois ; Y désigne le nombre de fois où l’on obtient un multiple de 3.
8. Une urne contient 10 boules numérotées de 1 à 10, on tire une boule et on note Z le numéro
obtenu.
9. Une urne contient 10 boules, dont 4 rouges et 6 bleues ; on tire une boule au hasard dans
l’urne ; S prend la valeur 1 si on a tiré une boule rouge et 0 sinon.
10. Une urne contient 10 boules, dont 4 rouges et 6 bleues ; on tire simultanément dans l’urne 3
boules ; T désigne le nombre de boules rouges obtenues.
11. Une urne contient 10 boules, dont 4 rouges et 6 bleues ; on tire successivement et avec remise 3
boules dans l’urne ; R désigne le nombre de boules rouges obtenues.
12. Dans une population constituée de 5000 individus, 500 sont atteints d’une maladie M ; on
choisit au hasard 100 individus ; N désigne le nombre d’individus malades parmi ceux choisis.
13. Dans une population constituée de 5000 individus, 500 sont atteints d’une maladie M ; cent
enquêteurs choisissent une personne au hasard (deux enquêteurs peuvent éventuellement sé-
lectionner la même personne) ; soit B le nombre de personnes malades parmi les personnes
choisies.
Exercice 2 On tire 6 cartes avec remise dans un jeu de 32 cartes. On note Y le nombre de rois tirés.
1. Déterminer la loi de Y , son espérance et sa variance.
2. Même question avec un tirage sans remise.
Exercice 3 On considère une assemblée de n personnes. Une urne contient toutes les listes non
ordonnées écrites avec des noms de ces n personnes.
1. Combien y a-t-il de listes dans l’urne ?
278 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 4 Soit X une V.A.R. suivant une loi uniforme sur {1, . . . , 20}.
1. Quelle est la loi de sup(X, 2) − 1 ?
2. Quelle est la loi de 20 − X ?
Exercice 5 Un lot de n pièces contient une pièce défectueuse. Un robot les teste une par une,
jusqu’à détecter la pièce défectueuse. Il effectue le nème test dans le cas où il ne reste que la pièce
défectueuse.
Soit X la var égale au nombre de tests effectués.
1. Déterminer la loi de X. Donner sans calculs son espérance et sa variance. (On pourra introduire
les événements Ai : "la ième pièce testée est défectueuse")
2. On suppose à présent que les tests sont effectués par un homme. S’il ne reste plus que deux
pièces, celui-ci ne fait alors qu’un test supplémentaire.
Soit Y la var égale au nombre de tests effectués par l’homme.
Comment les résultats précédents sont-ils modifiés ?
Exercice 6 Une feuille d’exercices contient k erreurs typographiques. Lors d’une relecture, une
erreur a la probabilité p = 0, 75 d’être détectée.
1. Calculer le nombre moyen d’erreurs détectées (on traduira au préalable le problème dans le
vocabulaire des variables aléatoires).
2. Calculer ensuite cette espérance si le texte est soumis à 47 relectures.
Exercice 7 Soit une urne contenant n2 boules numérotées de 1 à n2 . On appelle carré parfait un
entier carré d’un nombre entier (0, 1, 4, 9, . . . sont des carrés parfaits).
1. On tire simultanément p boules.
(a) Quelle est la probabilité qu’un et un seul numéro tiré soit un carré parfait ?
(b) On note X le nombre de carrés parfaits obtenus lors des p tirages. Quelle est la loi de X ?
2. On tire à présent deux boules simultanément. On note Z la var égale à la valeur absolue de la
différence des deux numéros tirés.
(a) Quelles sont les valeurs prises par Z ?
(b) Pour 1 ≤ j ≤ n − 1, déterminer P (Z = j 2 ).
(c) Quelle est la probabilité que Z soit un carré parfait ?
Exercice 8 Soit n ∈ N∗ . On lance une pièce de monnaie n fois de suite. A l’aide de l’inégalité de
Bienaymé-Thebychev, trouver une condition sur l’entier n pour que le rapport du nombre de "face"
obtenus sur le nombre de lancers soit strictement compris entre 0, 4 et 0, 6 avec une probabilité
supérieure à 0, 9.
Sommaire
I. Primitives et intégrales d’une fonction continue . . . . . . . . . . . . . . . . . . 281
1. Primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
1. Linéarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
2. Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
279
Intégration
∗ ∗ ∗
1. Primitives
Définition 22.1. Soit f une fonction définie sur l’intervalle I. On appelle primitive de f sur I, toute
fonction F définie sur I telle que F est dérivable sur I et F 0 = f sur I.
Exemples 22.1.
1. x 7→ ex est une primitive sur R de x 7→ ex ,
1
2. x 7→ ln x est une primitive sur R∗+ de x 7→ ,
x
x2
3. x 7→ est une primitive sur R de x 7→ x.
2
Théorème 22.1. Toute fonction f continue sur I admet des primitives sur I.
Proposition 22.1. Soit f un fonction définie sur I admettant une primitive F sur I. Alors, f admet
une infinité de primitives sur I. En particulier, si G est une autre primitive de f sur I, alors
∃ c ∈ R, ∀ x ∈ I, G(x) = F (x) + c.
Remarque 22.1. En d’autres termes, deux primitives d’une même fonction sur un intervalle dif-
fèrent d’une constante.
Remarques 22.2.
Rb
1. Le réel a f (t)dt ainsi défini de ne dépend pas de la primitive choisie.
2. La variable t est dite muette : on peut la remplacer par n’importe quelle autre lettre non
utilisée : Z b Z b Z b
f (t)dt = f (x)dx = f (u)du = . . .
a a a
Propriétés 22.1. Soit f une fonction continue sur le segment [a, b], alors
Z a Z b
1. f (t)dt = − f (t)dt,
b a
Z a
2. f (t)dt = 0.
a
3. Théorème fondamental
Théorème 22.2 (Théorème fondamental de l’analyse).
Soient f une fonction continue sur l’intervalle I et a ∈ I. Alors, la fonction F définie sur I par
Z x
∀ x ∈ I, F (x) = f (t)dt
a
Exemples 22.2.
1. La fonction ln est l’unique primitive de la fonction inverse qui s’annule en 1.
2. Déterminer l’unique primitive de x 7→ 4x3 + e2x qui s’annule en 2.
Remarque 22.3. Attention : une primitive de f sur I n’est pas nécessairement « la primitive de f
qui s’annule en un certain point ». Exemple : la fonction exponentielle.
4. Interprétation géométrique
Soit f une fonction continue sur le segment [a, b], avec a < b.
Rb
1. Si f est positive sur [a, b], alors a f (t)dt représente l’aire comprise délimitée par l’axe des
abscisses et la courbe Cf entre les abscisses a et b,
Rb
2. f est de signe quelconque sur [a, b], alors a f (t)dt représente la différence entre l’aire des
domaines situés au dessus de l’axe des abscisses et en dessous de l’axe des abscisses.
1. Linéarité
Proposition 22.2. Soient f et g deux fonction continues sur I, α, β deux réels. Alors,
Z b Z b Z b
αf (t) + βg(t) dt = α f (t)dt + β g(t)dt.
a a a
2. Relation de Chasles
Proposition 22.3. Soient f une fonction continue sur I et a, b, c des éléments de I. Alors,
Z b Z c Z b
f (t)dt = f (t)dt + f (t)dt.
a a c
Remarque 22.4. Les réels a, b, c ne sont pas nécessairement rangés dans l’ordre croissant.
Chapitre 22 - Intégration 283
Z 2
Exercice 22.1. Calculer |x − 1|dt.
−2
3. Intégrales et inégalités
Proposition 22.5 (Croissance de l’intégrale). Soient a et b des réels tels que a < b et f, g deux fonctions
continues sur le segment [a, b] telles que pour tout t ∈ [a, b], f (t) ≤ g(t).
Alors, Z b Z b
f (t)dt ≤ g(t)dt.
a a
1
tn
Z
Exercice 22.2. Pour tout n ∈ N, on pose In = dt.
0 1+t
1. Montrer que la suite (In )n∈N est bien définie.
2. Montrer que lim In = 0.
n→+∞
Proposition 22.6. Soient a et b des réels tels que a < b et f une fonction continue et positive sur le
segment [a, b] telle que
Z b
f (t)dt = 0.
a
Corollaire 22.1. Soient a et b des réels tels que a < b et f une fonction continue et positive sur le
segment [a, b]. Si f n’est pas la fonction nulle sur le segment [a, b], alors
Z b
f (t)dt > 0.
a
4. Inégalité de la moyenne
Proposition 22.7. Soient a et b des réels tels que a < b et f une fonction continue sur [a, b] telle que
pour tout t ∈ [a, b], m ≤ f (t) ≤ M . Alors,
Z b
m(b − a) ≤ f (t)dt ≤ M (b − a).
a
Remarques 22.5.
1. La fonction f étant continue sur le segment [a, b] elle est toujours bornée : il existe toujours de
telles contantes m et M !
Z b
1
2. Le réel f (t)dt est appelé valeur moyenne de f .
b−a a
284 Lycée CHATEAUBRIAND - BCPST 1B
Z π
2
Exercice 22.3. On pose In = cosn tdt.
0
1. Montrer que la suite (In ) est bornée.
2. En déduire que (In ) est convergente.
Corollaire 22.2 (Inégalité de la moyenne). Soient a et b des réels tels que a < b et f une fonction
continue sur [a, b]. Alors, Z b Z b
f (t)dt≤ |f (t)|dt.
a a
1. Plan d’étude
Soient f : I −→ R une fonction continue, u et v deux fonctions définies sur un intervalle J. Pour
tout x ∈ J, on pose
Z v(x)
G(x) = f (t)dt.
u(x)
Théorème 22.3.
1. La fonction G est définie sur J si, et seulement si, pour tout x ∈ J, f est continue sur
[u(x), v(x)], c’est-à-dire si u et v sont des fonctions à valeurs dans I, intervalle sur lequel la
fonction f est continue.
2. Si de plus les fonctions u et v sont dérivables sur J, alors G est dérivable sur J et on a :
Exemples 22.3.
Z 3x
cos t
1. Ensemble de définition de la fonction x 7→ dt.
t
Zx x
1
2. Ensemble de définition de la fonction x 7→ dt.
1
x
ln t
2. Exercice
Exercice 22.4. On définit la fonction f par :
Z x2
1
f (x) = dt.
x ln t
1. Déterminer l’ensemble de définition D de f .
2. (a) Pour tout x ∈ D, calculer
Z x2
1
dt.
x t ln t
(b) En déduire que : x ln 2 ≤ f (x) ≤ x2 ln 2.
(c) Déterminer les limites de f en 0, 1 et +∞.
3. On prolonge f par continuité en 0 et en 1. Montrer que ce prolongement est de classe C 1 .
Chapitre 22 - Intégration 285
Remarque 22.6. Soit fk la restriction sur ]xk , xk+1 [ de f . La définition assure que fk peut être
prolongée en une fonction continue sur [xk , xk+1 ].
Exemples 22.4.
1. La fonction partie entière est continue par morceaux sur tout intervalle [a, b].
2. Dessin
1
3. La fonction x 7→ n’est pas continue par morceaux sur R.
x
1
4. La fonction x 7→ E n’est pas continue par morceaux sur [0, 1] car elle présente un nombre
x
infini de discontinuités.
Définition 22.4. Soient f une fonction continue par morceaux sur [a, b] et x1 < · · · < xn les points
Rb
de discontinuité de f . On appelle intégrale de f de a à b le réel noté a f (t)dt défini par :
Z b n Z
X xk+1
f (t)dt = fk (t)dt,
a k=0 xk
où x0 = a et xn+1 = b.
Remarques 22.7.
1. La fonction f étant continue par morceaux, cette définition a un sens : en effet, les fonctions fk
peuvent être prolongées en des fonctions continues sur [xk , xk+1 ], d’où l’existence des intégrales
Z xk+1
fk (t)dt.
xk
2. Cas particulier : Soit f une fonction continue sur ]a, b[ et prolongeable par continuité sur [a, b]
en une fonction f˜. Alors, on peut définir l’intégrale de a à b de f en posant :
Z b Z b
f (t)dt = f˜(t)dt.
a a
Exemple 22.5. La fonction partie entière est une fonction en escalier sur tout segment [a, b].
Proposition 22.8. Soit ϕ une fonction en escaliers sur [a, b] et x0 = a < x1 < · · · < x< b = xn+1 une
subdivision adaptée à ϕ. Alors,
Z b n
X
ϕ(t)dt = λk (xk+1 − xk ).
a k=0
1 10
Exemple 22.6. Calculer l’intégrale de − à de la fonction partie entière.
2 3
Z 10
3
E(t)dt =
1
−
2
x2
et
Z
Exercice 1 On considère la fonction H définie par H(x) = dt.
x t
1. Déterminer l’ensemble de définition D de H.
2. Démontrer que H est dérivable sur D et déterminer H 0 .
3. Soit x > 1. Montrer que : ex ln x ≤ H(x).
4. En déduire la limite de H en +∞.
5. Préciser la nature de la branche infinie de H au voisinage de +∞.
1. (a) Montrer que (un ) est une suite décroissante, en déduire que (un ) est une suite convergente.
1
(b) Montrer que pour tout n ∈ N, on a : 0 ≤ un ≤ . En déduire la limite de la suite
n+1
(un ).
2. Montrer que (v − n) tend vers 0.
1 1
3. (a) Montrer que pour tout n ∈ N, on a : un = √ + vn .
2(n + 1) n + 1
(b) En déduire la limite de la suite nun ) puis un équivalent de (un ).
Z 1
Exercice 3 Soit g une fonction continue sur [0, 1]. On pose un = tn g(t)dt.
0
Montrer que (un ) tend vers 0.
Exercice 4
1. Résoudre sur R l’équation différentielle (E) : y 00 + y = − sin x.
2. Soit f une fonction continue définie sur R. Montrer que la fonction
Z x
F : x 7→ (x − t)f (t)dt
0
Exercice 5 Calculer :
1
e−nt
Z
lim sin(nt)dt.
n→+∞ 0 1 + tn
Chapitre 23
Calcul intégral
Sommaire
I. Procédés d’intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
289
Calcul intégral
∗ ∗ ∗
I. Procédés d’intégration
1. Intégration à vue
On a les primitives usuelles suivantes (à constante près) :
f (x) F (x) I
xn+1
xn , n ∈ NZ \ {−1} R
n+1
xn+1
xn , n ∈ Z \ {−1} R∗+ ou R∗−
n+1
xα+1
xα , α ∈ R \ {−1} R∗+
α+1
1
ln |x| R∗+ ou R∗−
x
ex ex R
ln x x ln x − x i π R∗+
π h
tan x − ln | cos x| − + kπ, + kπ
2 2
cos x sin x R
sin x − cos x R
1 i π π h
= 1 + tan2 x tan x − + kπ, + kπ
cos2 x 2 2
1
√ arcsin x ] − 1, 1[
1 − x2
1
arctan x R
1 + x2
Dans de nombreux cas, il suffit de reconnaître une fonction usuelles et de calculer l’intégrale à l’aide
d’une primitive. Soit u une fonction dérivable, on pourra reconnaître les situations suivantes (à
constante près) :
fonction primitives
u0
ln |u|
u
u0 eu eu
uα+1
u0 uα , α 6= −1
α+1
u0 cos u sin u
u0 sin u − cos u
u0
√ arcsin u
1 − u2
u0
arctan u
1 + u2
292 Lycée CHATEAUBRIAND - BCPST 1B
2. Changement de variable
Théorème 23.1 (Changement de variable). Soient a, b ∈ R, I et J deux intervalles de R, f : I −→
une fonction continue et ϕ : J −→ I une fonction de classe C 1 sur J. Alors, on a :
Z b Z ϕ(b)
0
f (ϕ(t))ϕ (t)dt = f (x)dt.
a ϕ(a)
Remarque 23.1. Dans la pratique, pour effectuer le changement de variable, on pose x = ϕ(t), avec
ϕ une fonction C 1 et on note :
dx = ϕ0 (t)dt,
avec
∗ x = ϕ(α), lorsque t = α,
∗ x = ϕ(β), lorsque t = β.
Propriétés 23.1. Soient a > 0 f une fonction continue sur [−a, a].
1. Si f est paire, alors on a : Z a Z a
f (t)dt = f (t)dt.
−a 0
Propriétés 23.2. Soit f une fonction continue sur R et périodique de période T > 0. Alors,
Z b+nT Z b
1. ∀ a, b ∈ R, ∀ n ∈ Z, f (t)dt = f (t)dt (périodicité)
a+nT a
Z a+T Z T
2. ∀ a ∈ R, f (t)dt = f (t)dt (intégrale sur une période)
a 0
Exemples 23.2. Soit P un polynôme. On utilise l’intégration par parties dans les exemples suivants :
Z b Z b Z b
P (t) cos(αt)dt, P (t) sin(αt)dt et P (t)eαt dt.
a a a
On réalise alors autant d’intégrations par parties que le degré de P afin d’abaisser successivement le
degré du polynôme dans l’intégrant.
Chapitre 23 - Calcul intégral 293
Z x
Exercice 23.1. Calculer l’intégrale ln tdt.
1
Z b
Remarque 23.2. Ce résultat se généralise au calcul d’intégrales la forme P (t) ln t dt.
a
ax + b
2. Les fonctions rationnelles de type
ax2 + px + q
ax + b
Soient a, b, p, q ∈ R. On souhaite intégrer la fonction rationnelle .
x2 + px + q
On cherche le discriminant ∆ du trinôme au dénominateur.
Cas ∆ > 0 : le trinôme a deux racines réelles distinctes x1 et x2 et x2 +px+q = (x−x1 )(x−x2 ).
On cherche alors deux réels A et B tels que :
ax + b A B
= + .
x2 + px + q x − x1 x − x2
L’intégration est alors évidente.
Cas ∆ = 0 : le trinôme a une racine réelle double x0 et x2 + px + q = (x − x0 )2 . On cherche
alors deux réels A et B tels que :
ax + b A B
= + .
x2 + px + q x − x0 (x − x0 )2
u0
∗ Pour l’intégration du premier terme, on reconnaît la forme .
u
∗ Pour l’intégration du second terme, on utilise tout d’abord la factorisation canonique du
trinôme :
2
p 2 4q − p2
x + px + q = x + + ,
2 4
294 Lycée CHATEAUBRIAND - BCPST 1B
p
puis on effectue le changement de variable t = x + pour faire apparaître un terme de la
2
1
forme 2 pour lequel on a montré le résultat suivant :
t + α2
Z
1 1 t
2 2
dt = arctan .
t +α α α
1
−3x + 2
Z
Exemple 23.4. Calculer dx.
0 x2 − x + 1
Z π
Exercice 23.2. Calculer I = sin 2xe−x dx.
0
Remarque 23.4. En général, on peut également réaliser deux intégrations par parties en dérivant les
deux fois la partie exponentielle par exemple. Cette méthode est en générale moins rapide.
Remarques 23.6.
1. Ce résultat illustre la convergence de la méthode des rectangles à gauche.
2. En utilisant la méthode des rectangles à droite, on a le résultat analogue :
n−1 Z b
1X b−a 1
lim f a+k = f (t) dt.
n→+∞ n
k=0
n b−a a
Travaux Dirigés
Calcul intégral
∗ ∗ ∗
I. Méthodes classiques
1
Indication : on pourra poser u = .
x
Exercice 4 Soit f une fonction continue sur [a, b] et telle que :
1. Montrer que : Z b Z b
a+b
xf (x) dx = f (x) dx.
a 2 a
Z π
x sin x
2. En déduire la valeur de dx .
0 1 + cos2 x
298 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 5
1. Déterminer la limite éventuelle de la suite (un ) définie par :
n
!
1 X
∀ n ∈ N∗ , un = ln(n + k) − ln n.
n k=1
Exercice 7 (Lemme de Lebesgue) Soit f une fonction de classe C 1 sur [a, b].
1. Rappeler pourquoi la fonction f 0 est bornée.
2. À l’aide d’une intégration par parties, montrer que
Z b
lim f (t) sin(nt) dt = 0.
n→+∞ a
Z 1
Exercice 8 Soient p et q deux entiers naturels. On pose I(p, q) = xp (1 − x)q dx.
0
1. Montrer que I(q, p) = I(p, q).
2. Exprimer I(p + 1, q) à l’aide de I(p, q + 1).
3. Calculer I(0, q). En déduire I(p, q).
Sommaire
I. Couple de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
4. Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
1. La covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
299
Couples de variables aléatoires
∗ ∗ ∗
Z : Ω −→ R2
ω 7−→ (X(ω), Y (ω))
où X et Y sont des variables aléatoires sur (Ω, P(Ω), P). On note Z = (X, Y ).
Exemples 24.1.
1. On lance deux dés. On note X le plus petit des deux nombres obtenus et Y le plus grand des
deux. Alors, Z = (X, Y ) est un couple de variables aléatoires et on a :
2. Une urne contient 2 boules blanches, 3 rouges et 1 verte. On tire 3 boules et on note X le
nombre de boules blanches, Y le nombre de boules rouges et on a :
Théorème 24.1. Soit Z = (X, Y ) un couple de variables aléatoires telles que X(Ω) = {x1 , . . . , xn }
et Y (Ω) = {y1 , . . . , yp }. Alors, la famille d’événements
[X = xi ] ∩ [Y = yj ]
1≤i≤n
1≤j≤p
1. Loi conjointe
Définition 24.2. Soit (X, Y ) un couple de variables aléatoires réelles. L’application
Remarque 24.2. La loi conjointe d’un couple de variables aléatoires est souvent représentée sous
forme de tableau. Si X(Ω) = {x1 , . . . , xn } et Y (Ω) = {y1 , . . . , yp }, on note
pi,j = P [X = xi ] ∩ [Y = yj ] .
Exemple 24.2.
Proposition 24.1. Soit (X, Y ) un couple de variables aléatoires tel que X(Ω) = {x1 , . . . , xn } et Y (Ω) =
{y1 , . . . , yp }. Alors,
p
n X p n
X X X
P [X = xi ] ∩ [Y = yj ] = P [X = xi ] ∩ [Y = yj ] = 1.
i=1 j=1 j=1 i=1
Remarque 24.3. La somme des coefficients du tableau qui représente la loi conjointe vaut 1 :
X
pi,j = 1.
1≤i≤n
1≤j≤p
Les deux formules de la proposition précédente correspondent respectivement aux sommes des coef-
ficients obtenus sur chaque ligne ou sur chaque colonne.
2. Lois marginales
Définition 24.3. Soit (X, Y ) un couple de variables aléatoires. On appelle lois marginales les lois
de probabilités des variables aléatoires X et Y .
Théorème 24.2. Soit (X, Y ) un couple de variables aléatoires tel que X(Ω) = {x1 , . . . , xn } et Y (Ω) =
{y1 , . . . , yp }. Alors, on peut retrouver les lois de X et Y à partir de la loi conjointe :
p
X
∀ i ∈ [[1, n]], P(X = xi ) = P [X = xi ] ∩ [Y = yj ] ,
j=1
Xn
∀ j ∈ [[1, p]], P(Y = yj ) = P [X = xi ] ∩ [Y = yj ] .
i=1
Remarque 24.4. En utilisant la représentation de la loi conjointe à l’aide d’un tableau, il suffit de
faire la somme des lignes pour obtenir la loi X et la somme des colonnes pour obtenir la loi de Y .
Exemple 24.3.
3. Lois conditionnelles
Exemple 24.4. Retour à l’exemple de l’urne contenant 2 boules blanches, 3 rouges et 1 verte.
On reconnaît des lois hypergéométriques.
Proposition 24.2. Soit (X, Y ) un couple de variables aléatoires tel que X(Ω) = {x1 , . . . , xn } et Y (Ω) =
{y1 , . . . , yp }. Alors, on peut retrouver les lois de X et Y à partir des lois conditionnelles :
p
X
∀ i ∈ [[1, n]], P(X = xi ) = P [Y = yj ] P[Y =yj ] [X = xi ] ,
j=1
Xn
∀ j ∈ [[1, p]], P(Y = yj ) = P [X = xi ] P[X=xi ] [Y = yj ] .
i=1
4. Indépendance
Définition 24.5. Deux variables aléatoires réelles X et Y sont dites indépendantes si
∀ (x, y) ∈ X(Ω) × Y (Ω), P [X = x] ∩ [Y = y] = P(X = x) P(Y = y),
cela signifie que pour tout couple (x, y) ∈ X(Ω) × Y (Ω), les événements [X = x] et [Y = y] sont
indépendants.
3. Pour tout x ∈ X(Ω) tel que P([X = x]) 6= 0, la loi conditionnelle de Y sachant [X = x] est
égale à la loi de Y :
∀ (x, y) ∈ X(Ω) × Y (Ω), P[X=x] [Y = y] = P [Y = y] .
Exemple 24.5. Une urne contient n jetons numérotés de 1 à n. On en tire deux avec remise et on note
X et Y les numéros des jetons obtenus respectivement au premier et second tirages. Les variables
aléatoires X et Y sont indépendantes.
Si le tirage est effectué sans remise, les variables aléatoires X et Y ne sont plus indépendantes.
Proposition 24.3. Soient X et Y deux variables aléatoires indépendantes. Alors pour toute parties
A ⊂ X(Ω) et B ⊂ Y (Ω), les événements [X ∈ A] et [Y ∈ B] sont indépendants.
Exemple 24.6. Dans le cas de l’urne où les tirages sont effectués avec remise :
1. les événements [X ∈ {2, 4, 6}] et [Y = 2] sont indépendants,
2. les événements [X = 3] et [2 ≤ Y ≤ 5] sont indépendants.
304 Lycée CHATEAUBRIAND - BCPST 1B
u(X, Y ) : Ω −→ R
ω 7−→ u X(ω), Y (ω) .
Proposition 24.5. Soient (X, Y ) un couple de variables aléatoires. La loi de Z = X + Y est donnée
par par : X
∀ z ∈ Z(Ω), P(Z = z) = P [X = x] ∩ [Y = y] .
(x,y) | x+y=z
Exercice 24.1. On effectue deux tirages successifs et sans remise dans une urne contenant 4 boules
numérotées de 1 à 4. On note X le plus petit des numéros tirés et Y le plus grand.
En utilisant la loi conjointe du couples (X, Y ), déterminer la loi de Z = X + Y .
Théorème 24.4 (Theorem de transfert). Soient (X, Y ) un couple de variables aléatoires réelles sur
(Ω, P(Ω), P) telles que X(Ω) = {x1 , . . . , xn } et Y (Ω) = {y1 , . . . , yp } et u : R2 −→ R une application.
Alors,
p
n X p n
X X X X
E(u(X, Y )) = u(xi , yj ) P [X = xi ] ∩ [Y = yj ] = u(xi , yj )pi,j = u(xi , yj )pi,j .
1≤i≤n i=1 j=1 j=1 i=1
1≤j≤p
Proposition 24.6. Soient X, Y des variables aléatoires réelles et a, b des réels. Alors,
1. La covariance
Définition 24.7. Soient X et Y deux variables aléatoires réelles. On appelle covariance de X et Y
le réel défini par :
Cov(X, Y ) = E (X − E(X))(Y − E(Y )) .
Propriétés 24.1. Soient X, X 0 , Y, Y 0 des variables aléatoires réelles et a, b des réels. Alors, on a les
propriétés suivantes :
1. Cov(X, X) = V(X),
2. Cov(Y, X) = Cov(X, Y ),
3. Cov(aX + bX 0 , Y ) = a Cov(X, Y ) + b Cov(X 0 , Y ),
4. Cov(X, aY + bY 0 ) = a Cov(X, Y ) + b Cov(X, Y 0 ).
Théorème 24.6. Soient X et Y deux variables aléatoires d’écart-types non nuls. Alors, on a :
1. ρ(X, Y ) ∈ [−1, 1],
2. |ρ(X, Y )| = 1 ⇔ ∃ a, b ∈ R, Y = aX + b.
Définition 24.9. On dit que deux variables aléatoires X et Y sont non corrélées si
Remarque 24.6.
1. Le premier résultat assure que deux variables aléatoires indépendantes sont non corrélées.
Attention La réciproque est fausse en général : si E(XY ) = E(X)E(Y ) n’implique pas X et
Y indépendantes.
2. Ce résultat permet néanmoins de montrer par contraposition que : si E(XY ) 6= E(X)E(Y ),
alors Xet Y ne sont pas indépendantes.
Exemple 24.9. Dans l’exemple précédent, on retrouve le fait que les variables X et Y ne sont pas
indépendantes.
1. Définition
Définition 24.10. On appelle vecteur de variables aléatoires réelles toute application
Z : Ω −→ Rn
ω 7−→ (X1 (ω), X2 (ω), . . . , Xn (ω))
où X1 , . . . , Xn sont des variables aléatoires sur (Ω, P(Ω), P). On note Z = (X1 , X2 , . . . , Xn ).
2. Indépendance mutuelle
Définition 24.12. Les variables aléatoires réelles X1 , . . . , Xn sont dites indépendantes ou mutuel-
lement indépendantes si
∀ (x1 , . . . , xn ) ∈ X1 (Ω) × · · · × Xn (Ω), P [X1 = x1 ] ∩ · · · [Xn = xn ] = P(X1 = x1 ) · · · P(Xn = xn ).
c’est-à-dire pour tous (x1 , . . . , xn ) ∈ X1 (Ω) × · · · × Xn (Ω), les événements [X1 = x1 ], . . . , [Xn = xn ]
sont mutuellement indépendants.
Chapitre 24 - Couples de var 307
Proposition 24.7. Soit (X1 , . . . , Xn ) une famille de variables aléatoires réelles mutuellement indépen-
dantes. Alors, toute sous-famille l’est aussi.
Théorème 24.9 (Lemme des coalitions). Soit (X1 , . . . , Xn , Xn+1 , . . . , Xp ) une famille de variables
aléatoires réelles mutuellement indépendantes.
1. Soit f : Rn −→ R et g : Rp−n −→ R. Alors, les variables aléatoires f (X1 , . . . , Xn ) et
g(Xn+1 , . . . , Xp ) sont indépendantes.
2. Soit f1 , . . . , fp des fonctions de R dans R. Alors, les variables aléatoires f1 (X1 ), . . . , fp (Xp )
sont mutuellement indépendantes.
X1 + · · · + Xn ,→ B(n, p).
Travaux Dirigés
Couples de variables aléatoires réelles
∗ ∗ ∗
Exercice 5 Soit un jeu de 34 cartes, qui contient donc 2 jokers. On joue au jeu suivant :
∗ on retourne les cartes une par une jusqu’à l’obtention du premier joker.
∗ après le premier joker, à chaque fois que l’on retourne une carte, le joueur paye un euro.
∗ dès que le second joker est retourné, le joueur gagne a euros, et on arrête de jouer.
Soit X (resp. Y ) la var égale au nombre de cartes retournées pour obtenir le premier (resp. second)
joker.
310 Lycée CHATEAUBRIAND - BCPST 1B
Exercice 6 Dans un ensemble de r personnes, chaque personne fait appel à un vétérinaire choisi
au hasard dans une liste de n vétérinaires.
1. Pour i inférieur à n, on note Xi la var égale au nombre de personnes qui vont consulter le
i-ième vétérinaire.
(a) Déterminer la loi des var Xi . Préciser leur espérance et leur variance.
(b) Pour i 6= j, déterminer la loi de Xi + Xj . Préciser son espérance et sa variance.
(c) En déduire la covariance Cov(Xi , Xj ) et le coefficient de corrélation linéaire ρ(Xi , Xj )
pour i et j inférieurs à n.
n
X
2. Pour tout i inférieur à n, on note Yi la var qui vaut 1 si (Xi = 0) et 0 sinon. On pose Zn = Yi .
i=1
(a) Quelle est la signification concrète de Zn ?
(b) Calculer l’espérance de Zn .
(c) On suppose n = 10. Pour quelles valeurs de r le pourcentage de vétérinaires non consultés
est-il inférieur ou égal à 5% ?
Chapitre 25
Courbes paramétrées
Sommaire
I. Étude d’une courbe paramétrée . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
1. La cycloïde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
311
Courbes paramétrées
∗ ∗ ∗
1. Définition
Définition 25.1. On appelle courbe paramétrée du plan notée Γ un ensemble de points de coordon-
nées x(t), y(t) , où x, y : I −→ R sont des fonctions définies sur un intervalle I :
Γ = x(t), y(t) , t ∈ I .
→
− → −
Objectif : Tracer la courbe Γ dans un repère orthonormé (O, i , j ).
Interprétation cinématique :
Le paramètre t désigne le temps, on note M (t) la position d’un point mobile à l’instant t :
x(t)
M (t) = .
y(t)
D = Dx ∩ Dy .
L’étape la plus importante dans l’étude d’une courbe paramétrée réside dans la réduction de l’en-
semble d’étude. On utilise pour cela les propriétés suivantes de la courbe :
314 Lycée CHATEAUBRIAND - BCPST 1B
3. Tangente en un point
On suppose que les fonctions x et y sont dérivables sur I.
y(t)
(a) lim = 0 : branche parabolique de direction Ox.
t→t0 x(t)
y(t)
(b) lim = ±∞ : branche parabolique de direction Oy.
t→t0 x(t)
lim (y(t) − ax(t)) = b ∈ R : y = ax + b est asymptote à la courbe,
si t→t
y(t) ∗ 0
(c) lim =a∈R :
t→t0 x(t)
si lim (y(t) − ax(t)) = ±∞ : direction parabolique de direction y = ax.
t→t0
1. La cycloïde
(
x(t) = R(t − sin t)
On étudie la courbe paramétrée Γ : R > 0.
y(t) = R(1 − cos t)
Chapitre 25 - Courbes paramétrées 317
2. Courbe de Lissajous
(
t
x(t) = sin 3
On étudie la courbe paramétrée Γ : t
.
y(t) = sin 2
0 1 x
318 Lycée CHATEAUBRIAND - BCPST 1B
3. Autre exemple
t
x(t) =
On étudie la courbe paramétrée Γ : −1 . t2
2
y(t) =
t
1 + t3
L’ensemble de définition est D = R \ {−1, 1}. Les fonctions x et y ne présentent ni périodicité, ni
parité. On étudie Γ sur D tout entier. Les fonctions x et y sont dérivables sur D et on a :
t2 + 1 t(t − 2)
∀ t ∈ D, x0 (t) = − et y 0 (t) = .
(t2 − 1)2 (t − 1)2
t −∞ −1 0 1 2 +∞
x0 (t) − − − − −
0 +∞ +∞
x 0
−∞ −∞ 0
0 +∞ +∞
y − 12
−∞ −∞ 4
y 0 (t) + + 0 − − 0 −
3
On admet que la droite d’équation y = 2x + est asymptote oblique à Γ lorsque t → 1. Tracer Γ.
2
y
0 x
Chapitre 26
Fonctions de plusieurs variables
Sommaire
I. Fonctions de plusieurs variables . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
319
Fonctions de plusieurs variables
∗ ∗ ∗
1. Définitions
Définition 26.1. Soit n ∈ N∗ , on appelle fonction numérique à n variables toute application
f : D −→ R,
Exemples 26.1.
1. f : (x, y) 7−→ ln(x2 + y 2 − 1),
p
2. g : (x, y) 7−→ 2x2 − y + 1,
x + y2z
3. h : (x, y, z) 7−→ .
x+y+z
Remarque 26.2. L’ensemble de définition D esr une partie de R2 ou R3 .
2. Fonctions partielles
Définition 26.2.
∗ Soit f une fonction de deux variables définie sur un ensemble D ⊂ R2 et (x0 , y0 ) ∈ D. On
appelle fonctions partielles de f en (x0 , y0 ) les fonctions d’une seule variable définies par :
Remarques 26.3.
1. Les fonctions partielles de f en (x0 , y0 , z0 ) s’obtiennent en fixant toutes les variables à x0 , y0
ou z0 sauf la i-ème.
2. Les ensembles de définition des fonctions partielles peuvent être compliqués. (Dessin)
Exemples 26.3.
1. Fonctions partielles de f en (2, 0).
2. Fonctions partielles de la fonction f définie par f (x, y, z) = x2 ln(y 2 ez ) en (1, 1, 1).
322 Lycée CHATEAUBRIAND - BCPST 1B
Exemple 26.5. Les fonctions partielles de la fonction f : (x, y) 7−→ x2 sin y en (x0 , y0 ) sont :
Définition 26.4. Soit f une fonction de deux variables définie sur un domaine D ⊂ R2 . Pour tout réel
c ∈ R, on appelle courbe de niveau c l’intersection de S avec le plan d’équation z = c, c’est-à-dire
l’ensemble des éléments de D tels que f(x,y)=c :
Remarque 26.4. La connaissance des courbes représentatives des fonctions partielles ou des courbes
de niveau peut aider à comprendre et construire une surface.
Chapitre 26 - Fonctions de plusieurs variables 323
f (x, y0 ) − f (x0 , y0 )
lim existe et est finie.
x→x0 x − x0
∂f
Ce nombre s’appelle dérivée partielle de f par rapport à x en (x0 , y0 ) et se note (x0 , y0 ).
∂x
∗ On dit que f admet une dérivée partielle par rapport à la seconde variable au point (x0 , y0 ) si
la fonction partielle f2 : y 7→ f (x0 , y) est dérivable en y0 , c’est-à-dire si
f (x0 , y) − f (x0 , y0 )
lim existe et est finie.
y→y0 y − y0
∂f
Ce nombre s’appelle dérivée partielle de f par rapport à y en (x0 , y0 ) et se note (x0 , y0 ).
∂y
Définition 26.6.
∗ Si f admet une dérivée partielle par rapport à la première variable en tout point de D, alors
∂f
on définit la fonction dérivée partielle par rapport à la première variable, notée :
∂x
∂f
: D −→ R
∂x
∂f
(x, y) 7−→ (x, y)
∂x
∗ Si f admet une dérivée partielle par rapport à la seconde variable en tout point de D, alors on
∂f
définit la fonction dérivée partielle par rapport à la seconde variable, notée :
∂y
∂f
: D −→ R
∂y
∂f
(x, y) 7−→ (x, y)
∂y
Définition 26.7. Soient f une fonction définie sur D ⊂ R2 qui admet des dérivées partielles en un
−−→
point (x0 , y0 ) ∈ D. On appelle gradient de f le vecteurs noté grad f (x0 , y0 ) défini par :
∂f
−−→ ∂x (x0 , y0 )
grad f (x0 , y0 ) =
∂f
.
(x0 , y0 )
∂y
Remarque 26.5. Ces définitions se généralisent facilement aux fonctions de trois variables.
324 Lycée CHATEAUBRIAND - BCPST 1B
∂f ∂f
f (x0 + h, y0 + k) − f (x0 , y0 ) ≈ h (x0 , y0 ) + k (x0 , y0 ).
∂x ∂y
Proposition 26.3. Soient f une fonction définie sur D ⊂ R3 qui admet des dérivées partielles en un
point (x0 , y0 , z0 ) ∈ D. Alors, pour h, k, ` assez petit, on a :
∂f ∂f ∂f
f (x0 + h, y0 + k, z0 + `) − f (x0 , y0 , z0 ) ≈ h (x0 , y0 , z0 ) + k (x0 , y0 , z0 ) + ` (x0 , y0 , z0 ).
∂x ∂y ∂z
Exercice 26.2. Soit f la fonction définie sur R2 par f (x, y) = x2 y −3y. Déterminer une approximation
des petites variations de f autour du point (4, 3).
Méthode (cas n = 2) :
1. On primitive l’une des deux équations, en remarquant que les constantes aux yeux de la
dérivation par rapport à la variable x (resp. y) sont les fonctions de la variable y (resp. x).
En intégrant par rapport à x la première équation, on a donc :
F (x, y) = (x + 1) sin y + C, C ∈ R.
Remarques 26.6.
1. Attention : un telle fonction F n’existe pas toujours !
2. Cette méthode se généralise aux fonctions de 3 variables.
Sommaire
I. Le produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
2. Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
3. Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
1. Cercles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
2. Sphères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334
325
Géométrie
∗ ∗ ∗
On note P le plan et E l’espace. On munit P d’un repère (O,~i, ~j) et E d’un repère (O,~i, ~j, ~k).
Les ensembles P et E étant munis d’un repère, donc d’une base orthonormée, on peut les assimiler
à R2 et R3 .
−−→
L’origine O étant choisie, tout vecteur u est représenté par un point M tel que : ~u = OM .
I. Le produit scalaire
1. Définitions et propriétés
Définition 27.1. Deux vecteurs ~u et ~v sont colinéaires si l’un des deux vecteurs est nul ou s’il existe
λ ∈ R tel que ~u = λ~v .
Définition 27.2.
1. Soient ~u = (x, y) et ~v = (x0 , y 0 ) deux vecteurs de R2 . Le produit scalaire de ~u et ~v est défini
par :
~u · ~v = xx0 + yy 0 .
2. Soient ~u = (x, y, z) et ~v = (x0 , y 0 , z 0 ) deux vecteurs de R3 . Le produit scalaire de ~u et ~v est
défini par :
~u · ~v = xx0 + yy 0 + zz 0 .
En particulier,
p
1. si ~u = (x, y), alors k~uk = x2 + y 2 ,
p
2. si ~u = (x, y, z), alors k~uk = x2 + y 2 + z 2 .
−→
Remarque 27.1. Pour tous points A et B, kABk représente la distance euclidienne entre A et B.
Exemple : A (2, 1) et B (−1, 3).
2. Orthogonalité
Définition 27.4. Soient ~u et ~v deux vecteurs.
∗ ~u et ~v sont orthogonaux si leur produit scalaire est nul et on note ~u ⊥ ~v :
~u · ~v = 0.
Définition 27.5.
∗ Une famille de vecteurs (~u1 , . . . , ~up ) est dite orthogonale si les vecteurs ~u1 , . . . , ~up deux à deux
orthogonaux.
∗ La famille est dite orthonormale ou orthonormée si de plus, tous les vecteurs sont unitaires :
(
0 si i 6= j
∀ i, j ∈ {1, . . . , p}, ~ui · ~uj =
1 si i = j.
Exemples 27.1.
1. (1, 0), (0, 1) est une famille orthonormée.
2.
Définition 27.6. On appelle base orthogonale (resp. orthonormée) toute famille qui est à la fois or-
thogonale (resp. orthonormée) et une base.
Proposition 27.2. Le projeté orthogonal H sur D (resp. P ) est le point qui réalise le minimum de la
distance de M à D (resp. P ).
Définition 27.8. Soient ~u et ~v deux vecteurs. On appelle angle géométrique formé par les vecteurs
~u et ~v , le réel θ ∈ [0, π] tel que :
~u · ~v
cos θ = .
k~uk k~v k
Exemple 27.2. Angle géométrique des vecteurs ~u = (2, 1) et ~v = (−1, 3).
Proposition 27.3.
1. Soient ~u et ~v des vecteurs. Alors, le vecteur ~u ∧ ~v est orthogonal à ~u et à ~v .
2. Si (~u, ~v ) est une famille orthogonale, alors (~u, ~v , ~u ∧ ~v ) est une base orthogonale de R3 .
3. Applications
Définition 27.10. Soit (~u, ~v , w) ~ = ~u ∧ ~v .
~ une base orthonormale. Elle est dite directe si w
Remarques 27.2.
1. On a alors aussi : ~u = ~v ∧ w ~ ∧ ~u.
~ et ~v = w
2. Dans ce cas, on a orienté l’espace : en pratique, une base sera directe si elle respecte la règle
du « trièdre direct ».
Proposition 27.5 (Équations paramétriques d’une droite). Soit D la droite passant par A (xA , yA )
dirigée par le vecteur ~u = (α, β). Alors, D admet le système d’équations paramétriques :
(
x = xA + αt
, t ∈ R.
y = yA + βt
Remarque 27.3. Il existe une unique droite passant par deux points A et B distincts : il s’agit de la
−→
droite passant par A et dirigée par AB.
Exemple 27.5. Équations paramétriques de la droite D passant par (2, 1) et (−1, 3).
Définition 27.12. Soit D une droite. Un vecteur ~n est dit normal à D s’il est orthogonal à tout
vecteur directeur de D.
Proposition 27.6. Soit D une droite, A un point de D et ~n un vecteur normal à D. Alors, D est
l’ensemble des points M tels que :
−−→
AM ⊥ ~n.
Proposition 27.7 (Équation cartésienne d’une droite). Soit D une droite et ~n = (a, b) un vecteur.
Alors, ~n est un vecteur normal à D si, et seulement si, D admet une équation cartésienne de la
forme :
ax + by + c = 0, c ∈ R.
Remarques 27.4.
1. On passe des équations paramétriques à l’équation cartésienne par élimination du paramètre t.
2. On passe de l’équation cartésienne à des équations paramétriques en recherchant un point de
D et un vecteur directeur. On constate que si ~n = (a, b) est un vecteur normal de D, alors
~u = (−b, a) est un vecteur directeur de D.
Exemple 27.6. Déterminer l’équation cartésienne de la droite D passant par (2, 1) telle que ~n =
(1, −1) est un vecteur normal à D.
a
Remarque 27.5. Lorsque b est non nul, le coefficient − est appelé coefficient directeur de D.
b
Proposition 27.8 (Distance d’un point à une droite). Soit D une droite et M (x0 , y0 ) un point du
plan.
1. Si D admet une équation cartésienne : ax + by + c = 0 , alors la distance de M à D est :
|ax0 + by0 + c|
d(M, D) = √ .
a2 + b 2
Définition 27.13. Soit D et D0 deux droites de vecteurs directeurs ~u et ~u0 . L’angle de D et D0 est
|~u · ~v |
l’unique réel θ ∈ [0, π2 ] tel que cos θ = .
k~uk × k~v k
332 Lycée CHATEAUBRIAND - BCPST 1B
Proposition 27.9 (Équations paramétriques d’un plan). Soit P le plan passant par A (xA , yA , zA )
dirigé par les vecteurs ~u1 = (α1 , β1 , γ1 ) et ~u2 = (α2 , β2 , γ2 ). Alors, P admet le système d’équations
paramétriques :
x = xA + α 1 s + α 2 t
y = yA + β1 s + β2 t, s, t ∈ R.
z =z +γ s+γ t
A 1 2
Remarques 27.6.
1. Il existe un unique plan passant par trois points A, B et C non alignés : il s’agit du plan
−→ −→
passant par A et dirigé par AB et AC.
2. Une famille de trois vecteurs (~u, ~v , w)
~ est liée si, et seulement si, les vecteurs ~u, ~v et w
~ sont
coplainaires.
Exemple 27.7. Équations paramétriques du plan P contenant par (2, 1, 0), (1, 0, 1) et (0, −1, 3).
Définition 27.15. Soit P un plan. Un vecteur ~n est dit normal à P s’il est orthogonal à tout vec-
teur de P .
Remarque 27.7. Si ~u1 et ~u2 sont des vecteurs de P non colinéaires, alors u1 ∧ u2 est normal à P .
Proposition 27.11 (Équation cartésienne d’un plan). Soit P un plan et ~n = (a, b, c) un vecteur. Alors,
~n est un vecteur normal à P si, et seulement si, P admet une équation cartésienne de la forme :
ax + by + cz + d = 0, d ∈ R.
Remarques 27.8.
1. On passe des équations paramétriques à l’équation cartésienne par élimination de s et t.
2. On passe de l’équation cartésienne à des équations paramétriques en recherchant un point de
P et deux vecteurs directeurs non colinéaires.
Exemple 27.8. Déterminer l’équation cartésienne du plan P passant par (2, 1, 0) tel que ~n = (1, −1, 2)
est un vecteur normal à P .
Proposition 27.12 (Distance d’un point à un plan). Soit P un plan et M (x0 , y0 , z0 ) un point du plan.
1. Si P admet une équation cartésienne : ax + by + cz + d = 0 , alors la distance de M à P est :
Définition 27.16. Soient P et P 0 deux plans. L’angle qu’ils forment est l’angle de deux droites ortho-
gonales à P et P 0 respectivement.
Proposition 27.13.
1. Si deux plans ne sont pas parallèles, alors leur intersection est une droite.
2. Réciproquement, toute droite peut être définie comme l’intersection de deux plans sécants.
Proposition 27.14 (Équations cartésiennes d’une droite). Toute droite D de l’espace admet une équa-
tion cartésienne de la forme : (
ax + by + cz + d = 0
a0 x + b 0 y + c 0 z + d 0 = 0
avec (a, b, c) et (a0 , b0 , c0 ) non colinéaires.
Remarque 27.10. L’équation cartésienne est composée de deux équations de plans. Ces derniers sont
sécants car leurs vecteurs normaux (a, b, c) et (a0 , b0 , c0 ) sont supposés non colinéaires.
1. Cercles
Définition 27.17. Soient A un point du plan P et r un réel strictement positif.
∗ Le cercle C de centre A et de rayon r est l’ensemble des points M du plan tels que :
−−→
kAM k = r.
∗ Le disque de centre A et de rayon r est l’ensemble des points M du plan tels que :
−−→
kAM k ≤ r.
334 Lycée CHATEAUBRIAND - BCPST 1B
Proposition 27.16 (Équation cartésienne d’un cercle). L’équation du cercle de R2 de centre A (x0 , y0 )
et de rayon r est :
(x − x0 )2 + (y − y0 )2 = r2 .
x2 + y 2 − 3x + 2y + 2 = 0.
2. Sphères
Définition 27.18. Soient A un point de l’espace E et r un réel strictement positif.
∗ La sphère S de centre A et de rayon r est l’ensemble des points M de l’espace tels que :
−−→
kAM k = r.
∗ La boule de centre A et de rayon r est l’ensemble des points M de l’espace tels que :
−−→
kAM k ≤ r.
(x − x0 )2 + (y − y0 )2 + (z − z0 )2 = r2 .
x2 + y 2 + z 2 − 2x + 4z − 1 = 0.
Chapitre 28
Algorithmique
Sommaire
I. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
2. En pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339
335
Algorithmique
? ? ?
I. Introduction
Définition 28.1. On appelle algorithme une suite d’instructions composant un processus visant à
résoudre un problème donné.
Exemple 28.2.
Lorsqu’on écrit un algorithme, il faut s’assurer que :
∗ l’algorithme se termine après un nombre fini d’opérations, on parle de terminaison de l’al-
gorithme ;
∗ l’algorithme apporte bien la solution au problème posé, on parle de validité de l’algorithme.
Remarque 28.1. Souvent la création d’une variable se fait lors de la première affectation.
Exemples 28.3.
1. x ← 2 : la variable de nom x est créée et contient la valeur 2.
2. x ← x + 1 : dans cette instruction, on extrait la valeur contenue dans la variable x, c’est-à-dire
2, on lui ajoute 1 puis on attribue cette nouvelle valeur à la variable x, c’est-à-dire 3.
Remarque 28.2. On remarque que l’ordre d’écriture des deux affectations joue un rôle important.
Exemples 28.4.
1. x=3 : x est un variable de type nombre entier qui contient la valeur 3,
2. lettre=’a’ : lettre est une variable de type caractère qui contient le caractère a,
3. nombre=’3’ : nombre est une variable de type caractère qui contient le caractère 3,
4. tableau un tableau de 2 lignes et 3 colonnes contenant des entiers s’obtient en affectant les 6
variables tableau(i,j) pour 1 ≤ i ≤ 2 et 1 ≤ j ≤ 3.
3. Entrées et sorties
On appelle entrée et sortie les instructions permettant à l’ordinateur d’interagir avec l’utilisateur.
∗ on parle d’entrée lorsque l’utilisateur entre des données qui vont être enregistrées dans des
variables pour être stockées et utilisées par le système,
∗ on parle de sortie lorsque le système affiche un résultat à l’utilisateur.
Pour cela, on dispose des instructions input pour les entrées et disp pour les sorties.
Les syntaxes sont les suivantes :
Remarque 28.3. Attention : pour entrer une chaîne de caractères, il ne faut pas oublier les apos-
trophes !
disp(nom_variable)
Pour afficher le contenu de plusieurs variables, on utilise disp en les séparant par des virgules :
disp(nom_variable1,nom_variable_2).
Exercice 28.1. Écrire une suite d’instructions qui demande à l’utilisateur deux nombres a et b et qui
affiche la valeur de leur somme.
1. Valeurs logiques
Définition 28.3. On appelle expression logique une expression qui peut être Vraie ou fausse.
Exemple 28.6.
1. « 1 < 2 ET 1 = 3 » : est Faux,
2. « 1 < 2 OU 1 = 3 » : est Vrai.
3. « NON 1 < 2 » : est Faux.
Les expressions logiques vont jouer un rôle important dans la construction de la plupart des algo-
rithmes.
2. En pratique
Pour écrire une expression logique dans Scilab, on utilise les syntaxes suivantes :
expressions en Scilab
vrai %t
faux %f
>, < >, <
≥, ≤ >=, <=
= ==
6= <>
ET &
OU |
NON ~
Ainsi, pour écrire une expression logique en Scilab, il faudra la décomposer à l’aide d’opérateurs
logiques et de comparaisons élémentaires.
Exemples 28.7.
1. 1 < x, y = t, z 6= 3 sont des comparaisons simples que l’on écrit respectivement :
1 < x, y == t et z <> 3.
2. −1 < x ≤ 2 n’est pas une comparaison simple mais peut s’écrire à l’aide d’opérateurs logiques
et de comparaisons simples comme suit :
Remarque 28.5. Il est également possible de comparer deux chaînes de caractères : le seul opérateur
de comparaison accepté est l’égalité.
Exemple 28.8. On considère une varibale mot contenant une chaîne de caractères. L’expression
mot == ’bonjour’
est une comparaison simple de deux chaînes de caractères. Elle est Vraie si la variable mot contient
la chaîne de caratère ’bonjour’, Fausse sinon.
3. Variables booléennes
Définition 28.4. On appelle variable booléenne ou booléen une variable pouvant prendre les valeurs
Vrai ou Faux.
Exemple 28.9. a = 1 < 2 est une variable booléenne qui contient la valeur vrai.
Exercice 28.3. Écrire une suite d’instructions qui demande à l’utilisateur de rentrer un nombre x et
qui renvoie Vrai si ce nombre est plus grand que 3 en valeur absolue, Faux sinon.
4. Les tests
On distinguera les tests simples et les tests imbriqués.
Les tests simples correspondent à l’une des deux suites d’instructions suivantes :
1. « si . . . alors . . . ».
2. « si . . . alors . . . sinon . . . ».
La syntaxe en Scilab est la suivante :
1. if <expression logique> then <instructions>
end
2. if <expression logique> then <instructions>
else <instructions>
end
Chapitre 28 - Algorithmique - Introduction à scilab 341
Remarques 28.6.
1. Attention : il faut absolument finir un test par end.
2. on peut remplacer le mot then par un saut de ligne.
Exemple 28.10.
Exercice 28.4. Écrire un programme qui demande à un utilisateur de rentrer un nombre complexe
et qui teste si ce nombre est réel.
Exercice 28.5. Écrire une suite d’instructions qui demande à un utilisateur de donner un nombre réel
et qui affiche sous forme de phrase sa valeur absolue. (sans utiliser la fonction valeur absolue !)
Les tests imbriqués correspondent à la suite d’instructions suivante :
Exemple 28.11. Écrire un programme qui demande à un utilisateur un réel m et qui renvoit les
éventuelles solutions du système :
my + mz = 1
3x − 2y + mz = 1
2x − y + mz = 1
En informatique, on est souvent amené à répéter plusieurs fois la même instruction ou suite d’instruc-
tion. Lorsqu’on travaille sur la fenêtre principale de Scilab, on peut utiliser la touche ↑ pour répéter
la suite d’instructions précédente, et recommencer cette opération autant de fois que nécessaire.
Exemple 28.12. On initialise une variable u à e2iπ/5 et une autre variable z à 1. On tape l’instruction
--> z=z*u
que l’on répète plusieurs fois. Quelle valeur contient z à chaque étape ?
Cette méthode n’est cependant pas utilisée en informatique pour plusieurs raisons :
1. elle est fastidieuse : on souhaite automatiser ces répétitions,
2. on souhaite être en mesure de sauvegarder son travail dans des fichiers .sce
Pour cela, on va introduire la notion de boucle, nous en étudierons deux types qui serviront dans
diverses situations suivant que l’on connaisse ou non le nombre de répétitions à effectuer : on parle
de passage dans la boucle.
342 Lycée CHATEAUBRIAND - BCPST 1B
Exemple 28.13. On souhaite demander à un utilisateur de rentrer les coordonnées d’un vecteur
(x_1,x_2,x_3,x_4) que l’on va stocker dans un tableau noté x. On peut écrire la suite d’instructions
for i=1:5
x(i)=input(’Donner la coordonnée ’+string(i)+’ : ’)
end
u=%e^(2*%i*%pi/5);
z=1;
for i=1:47
z=z*u;
end
somme=1;
for i=2:30
somme=somme+i;
end
Exercice 28.7. Étant donné un entier n, proposer une suite d’instructions permettant de calculer n!.
Il est possible d’imbriquer une boucle dans une autre. Cela permet par exemple de parcourir un
tableau.
for i=1:2
for j=1:3
t(i,j)=input(’Donner un nombre : ’)
end
end
La boucle while est une boucle utilisée lorsque l’on connait exactement le nombre de fois que l’on
va répéter une instruction ou suite d’instructions.
La syntaxe est la suivante :
while <condition>
<instruction 1>;
..
.
<instruction n>;
end
Exemple 28.16. On demande à l’utilisateur d’enter une valeur positive stockée dans une variable x.
On chercher à calculer le plus grand entier naturel inférieur ou égal à x, appelé partie entière de x.
On peut écrire la suite d’instructions
Remarque 28.8. En Scilab, il existe une fonction qui donne la partie entière d’un réel donné : c’est
la fonction floor. Signalons aussi la fonction ceil qui renvoie le plus petit entier supérieur ou égal
à un réel donné.
Exemple 28.17. On cherche le plus petit entier n tel que la somme des n premiers entiers soit plus
grande que 1000.
n=1;
somme=1;
while somme<1000
n=n+1;
somme=somme+n;
end
disp(’L’’entier recherché est ’+string(n))
Exercice 28.8. Écrire une suite d’instructions qui demande à l’utilisateur de donner un entier naturel
n et qui renvoie le plus petit diviseur premier de n.
V. Les fonctions
Exemple 28.18. Écrire une fonction f qui prend en argument un réel x et qui renvoie la valeur de
xex + x2 − 1.
Exemple 28.19. Écrire une fonction max qui prend en argument deux réels et qui renvoie le plus
grand des deux.
Une fonction peut renvoyer plusieurs résultats, la syntaxe est alors la suivante :
Exemple 28.20. Écrire une fonction sphere qui prend en argument un réel strictement positif r et
qui renvoie la valeur s de la surface de la sphère et la valeur v du volume engendré.
Exemple 28.21. Écrire une fonction max_tab qui prend en argument un tableau t et qui renvoie la
plus petit élément min du tableau. (on pourra utiliser la fonction length qui renvoie la taille d’un
tableau).
∗ ∗ ∗
Scilab est un logiciel libre et gratuit de calcul numérique largement utilisé par les chercheurs et
ingénieurs. Vous pouvez le télécharger à l’adresse www.scilab/org.
En ce qui nous concerne, Scilab sera utilisé comme une calculatrice puissante qui nous permettra
également d’écrire des algorithmes, du plus simple au plus élaboré.
Dans ce TP, nous travaillerons uniquement dans la fenêtre principale de Scilab, où l’on remarque la
présence d’une invite de commande -->.
1. Opérations élémentaires
1. Effectuer quelques calculs sur des entiers en utilisant les opérations courantes +, -, *, / et ˆ.
Que constate-t-on ?
∗ Scilab respecte l’ordre suivant de priorité des opérations élémentaires : ˆ, /,*, + ou -.
On pourra regarder par exemple 3*1/2 et 1/2*3.
∗ La réponse est précédée de ans (pour answer ) : c’est une variable qui stocke la valeur de
la réponse de la dernière opération effectuée.
∗ Les entiers sont suivis d’un point : en scilab, le point remplace la virgule pour séparer les
parties entières et décimales.
2. Prédire le résultat que va donner la suite d’opérations :
--> 3 + 2
--> ans - 1
--> ans * 2
Regarder le contenu de la variable ans après chaque calcul.
3. Que se passe-t-il lorsqu’on on appuie sur la touche ↑ ?
Scilab reprend la dernière expression tapée. Cette touche est bien pratique, notamment pour
répéter une opération (par exemple ans+1) ou bien pour éviter de retaper une grosse instruction
lorsqu’on a commis une faute de frappe.
4. Que se passe-t-il lorsqu’on termine une opération par ; ? Que contient alors la variable ans ?
La réponse n’est pas affichée mais elle est quand même contenue dans la variable ans.
5. Que se passe-t-il lorsqu’on tape une succession d’instructions séparées par des virgules ? des
points-virgules ?
Scilab effectue dans l’ordre chacune des instructions et rend les résultats en affichant les valeurs
successives prises par la variable ans. Avec des points-virgules, Scilab n’affiche pas le contenu
des variables.
348 TP 1
2. Nombres complexes
Pour travailler avec les nombres complexes, on a besoin de manipuler les constantes i, e et π. En
Scilab, elles sont respectivement notées %i, %e et %pi.
Attention : pour entrer le nombre complexe a + ib, on doit taper a+%i*b.
1. Effectuer quelques calculs sur des complexes en utilisant les opérations courantes +, -, * et /.
Sous quelle forme Scilab renvoie-t-il le résultat ?
On constate qu’il renvoie le nombre complexe sous forme algébrique.
2. Taper les instructions suivantes et conclure :
--> real(3-4*%i)
--> imag(3-4*%i)
--> abs(3-4%i)
Les fonctions real, imag et abs renvoient respectivement la partie réelle, la partie imaginaire
et le module d’un nombre complexe.
3. Que vaut eiπ/2 ? Que répond Scilab ?
Ce nombre est le complexe i.
On constate que Scilab renvoie 2.833D-16 + i c’est-à-dire le nombre 2, 833 × 10−16 + i. Scilab
travaille en effet avec des valeurs approchées à 10−16 environ, ce qui peut conduire à ce type
d’erreurs d’arrondis.
3. Les fonctions
Scilab contient la plupart des fonctions usuelles telles que exp, log, sqrt, sin, cos, tan,. . .
Nous verrons dans un prochain TP comment tracer des courbes.
Effectuer quelques calculs avec les fonctions usuelles.
4. Chaînes de caractères
Pour écrire une chaîne de caractères, il faut l’encadrer par des apostrophes ’, par exemple :
’ceci est une chaîne de caractères’
1. Que se passe-t-il lorsqu’on additionne deux chaînes de caractères ?
On constate de Scilab concatène les deux chaînes.
2. Essayer d’utiliser les autres opérations élémentaires avec des chaînes de caractères. Conclure.
Les autres opérations ne peuvent pas être employée avec des chaînes de caractères.
1. Création et affectation
En Scilab, la création d’une variable se fait lors de la première affectation de la manière suivante :
nom_de_la_variable = valeur
Scilab reconnaît alors le type de la variable (réel, complexe, tableau, chaîne de caractères).
1. Créer une variable x qui contient la valeur 1.
Lycée CHATEAUBRIAND - BCPST 1B 349
3. Entrées et sorties
On appelle entrée et sortie les instructions permettant d’interagir avec l’utilisateur.
∗ on parle d’entrée lorsque l’utilisateur entre des données qui vont être enregistrées et utilisées
par le système,
∗ on parle de sortie lorsque le système affiche un résultat à l’utilisateur.
Pour cela, on dispose des instructions input pour les entrées et disp pour les sorties.
Les syntaxes sont les suivantes :
nom=input(’Quel est ton nom ?’)
prenom = input(’Quel est ton prénom ?’)
La variable prenom est créée et on lui affecte la valeur entrée par l’utilisateur. Attention : pour
entrer une chaîne de caractères, il ne faut pas oublier les apostrophes !
Pour afficher le contenu de la variable prenom, on écrit :
disp(prenom)
Pour afficher le contenu de plusieurs variables, on utilise disp en les séparant par des virgules :
350 TP 1
disp(prenom,nom)
Que remarque-t-on ?
À l’affichage, on remarque que Scilab échange l’ordre d’affichage des variables.
Que renvoie Scilab lorsqu’on écrit respectivement :
disp(’Bonjour ’+prenom)
disp(’Bonjour ’,prenom)
disp(prenom,’Bonjour’)
disp(’Bonjour ’), disp(prenom)
III. Exercices
Exercice 3
∗ Taper la suite d’instructions suivante :
z=input(’Entrer un nombre complexe’) ; z=z/abs(z) ; n=1 ; u=1
∗ Enter un nombre complexe,
∗ Taper ensuite :
u=u*z ; n=n+1 ; disp(n,u)
∗ En utilisant la touche ↑ recommencer plusieurs fois la dernière étape.
∗ Que fait cette suite d’instructions ? √
1 3
∗ Effectuer des tests avec les complexes i, 1 + i, − + i .
2 2
Travaux pratiques 2
Initiation à Scilab
∗ ∗ ∗
Créer un dossier TP_info et un sous-dossier TP2 dans lequel on enregistrera les fichiers créés.
1. Création du fichier
Dans le premier TP nous avons exclusivement travaillé dans la fenêtre principale de Scilab. Une fois
Scilab éteint, tout notre travail est perdu. L’objectif de ce TP est de se familiariser avec la création
de fichiers dont l’extension est .sce afin de sauvegarder les programmes ou scripts tapés.
Remarques 28.9. Pour taper un script, il est bon de connaître les points suivants :
∗ On ne tape qu’une seule instruction par ligne : le saut de ligne remplace donc la virgule. On
peut néanmoins toujours terminer une instruction par ; si on ne souhaite pas que Scilab affiche
le résultat.
∗ Il est d’usage de commenter un script surtout lorsqu’il est long ! Les commentaires ont pour
objectif d’aider à la compréhension lors de la lecture d’un programme. On peut par exemple
dire ce que contient une variable, ce que fait telle instruction, etc. Les commentaires sont
toujours écrits en fin de ligne et séparés par // afin que Scilab les distingue du script même.
352 TP 2
∗ L’éditeur de texte reconnaît la syntaxe de Scilab et écrit les fonctions et instructions reconnues
en couleur :
• les commentaires sont écrits en vert,
• les fonctions en bleu,
• les chaînes de caractères en saumon,
• les constantes en rose, . . .
Remarque 28.10. Important : penser à enregistrer la dernière version de votre fichier avant de
l’exécuter ! (ou bien utiliser la commande Enregistrer et exécuter . . .)
Exercice 1 Sauvegarder dans un fichier somme.sce le script qui demande à l’utilisateur de rentrer
deux réels a et b et qui renvoie la somme des deux nombres. Exécuter plusieurs fois ce script.
Exercice 2 Écrire dans un fichier booleen.sce un script qui demande à l’utilisateur de rentrer
un nombre x et qui renvoie Vrai si ce nombre est plus grand que 3 en valeur absolue, Faux sinon.
Indication : on utilisera une variable booléenne reponse qui contiendra la bonne expression logique.
Remarques 28.11.
1. Attention : il faut absolument finir un test par end.
2. On peut remplacer le mot then par un saut de ligne.
Exercice 3 Écrire dans un fichier inverse.sce un script qui demande à l’utilisateur de rentrer
un entier naturel n et qui renvoie l’inverse de n lorsqu’il existe.
Exercice 4 Dans un fichier test2.sce, écrire à l’aide d’un test et sans booléen, un script qui
répond à l’Exercice 2. Exécuter ce script.
Exercice 5 Écrire dans un fichier signe.sce un script qui demande à l’utilisateur de donner un
nombre réel et qui répond si ce nombre est strictement positif, strictement négatif ou nul.
III. Exercices
Exercice 6 Écrire dans un fichier egalite.sce un script qui demande à l’utilisateur d’entrer
deux nombres réels et qui dit s’ils sont égaux ou non.
Exercice 7 Écrire dans un fichier max.sce un script qui demande à l’utilisateur d’entrer deux
nombres réels et qui renvoie le plus grand des deux.
Exercice 8 Écrire dans un fichier trinome.sce un script qui demande à l’utilisateur d’entrer trois
nombres réels a, b et c et qui renvoie les éventuelles solutions de l’équation :
ax2 + bx + c = 0.
On prendra soin d’étudier tous les cas et de renvoyer un résultat précis sous forme de phrase.
354 TP 2
Exercice 9 Écrire dans un fichier tri.sce un script qui demande à l’utilisateur de rentrer trois
nombres réels et qui les renvoie dans l’ordre croissant.
Travaux pratiques 3
Les boucles for
∗ ∗ ∗
Créer un dossier TP3 dans lequel on enregistrera les fichiers .sce créés.
1. Exemples simples
Exercice 1
Écrire un programme qui demande à l’utilisateur un entier naturel n et qui renvoie la valeur de n!.
Exercice 2
Afficher les 15 premiers termes de la table de multiplication par 6, en marquant d’une astérisque
ceux qui sont des multiples de 8.
2. Calcul de sommes
On a vu dans le cours que les boucles for sont utiles pour calculer des sommes.
Exercice 3
1. Écrire un script qui demande à l’utilisateur un entier naturel n et qui renvoie la valeur de
n
X 1
Sn = .
i=1
i
5. Écrire un script qui demande à l’utilisateur un entier naturel n et qui renvoie la valeur de
n
X 1
.
i=1
i2
1. Écrire un script qui demande à l’utilisateur un entier naturel n et qui renvoie la valeur de un .
2. Modifier le script précédent pour que Scilab stocke les valeurs uk pour k variant entre 1 et n
dans un tableau de taille n.
3. Exécuter le script avec pour n = 10. Que pouvez-vous conjecturer sur la suite un ?
4. Boucles imbriquées
Exercice 4
Écrire un script qui crée la table de multiplication que l’on stockera dans un tableau de taille 9 × 9.
Exercice 5
On lance deux dés et on s’intéresse à la somme des valeurs. On souhaite savoir combien il y a de
façons de faire un certain entier entre 2 et 12.
Écrire un algorithme qui demande un entier n entre 2 et 12 et qui renvoie la réponse sous la forme
suivante :
Il y a 2 façon(s) de faire 3 avec deux dés.
II. Exercices
Exercice 6
On considère la célèbre suite de Fibonacci définie par :
F0 = F1 = 1 et Fn+2 = Fn+1 + Fn ∀ n ∈ N.
1. Calculer les 8 premiers termes de la suite de Fibonacci. Que pouvez-vous conjecturer sur la
nature de la suite (Fn )n∈N ?
2. Écrire un script qui demande à l’utilisateur un entier naturel n et qui renvoie la valeur de Fn
Fn+1
ainsi que celle du quotient .
Fn
√
1+ 5
3. Chercher une valeur approchée de 2
et exécuter le script pour n=10,15,20,50,100. Que
conjecturer ?
Exercice 7
Écrire un script qui permet de remplir un tableau de taille 10 × 10 qui contient les coefficients du
triangle de Pascal.
Travaux pratiques 4
Les boucles while
∗ ∗ ∗
Créer un dossier TP4 dans lequel on enregistrera les fichiers .sce créés.
while <conditions>
<instruction 1>;
..
.
<instruction n>;
end
1. Exemple simple
Tout script utilisant une boucle for peut être remplacé par un script utilisant une boucle while. La
réciproque n’est pas vraie.
Exercice 1 Écrire un script qui demande un entier n et qui calcule la somme des n premiers
entiers
1. avec une boucle for,
2. avec une boucle while.
3. Suite de Fibonacci
Exercice 3 On considère la suite de Fibonacci définie par :
F0 = F1 = 1 et Fn+2 = Fn+1 + Fn ∀ n ∈ N.
358 TP 4
Écrire un script qui calcule le premier rang à partir duquel la suite dépasse 1000.
II. Exercices
1. Écrire un script qui demande deux entiers naturels u0 et n et qui renvoie la valeur de un .
2. Quel est le comportement de la suite (un )n∈N telle que u0 = 1 ?
3. Faire des essais pour plusieurs valeurs de u0 et n. Que constate-t-on ?
4. (a) Écrire un script qui calcule la plus petite valeur de n pour laquelle un = 1.
(b) Compléter le scprit précédent pour qu’il calcule et affiche la plus grande valeur prise par
la suite. On parle d’altitude de la suite.
5. (a) Écrire un script qui demande u0 et qui stocke les termes successifs de la suite dans un
tableau noté S.
(b) Compléter ce script avec la commande plot2D(S).
Travaux pratiques 5
Les boucles
∗ ∗ ∗
Créer un dossier TP5 dans lequel on enregistrera les fichiers .sce créés.
I. Calcul de Pi
Écrire un script qui demande à l’utilisateur de rentrer un entier n et qui utilise la formule précédente
pour calculer une valeur approchée de π.
∗ ∗ ∗
Créer un dossier TP6 dans lequel on enregistrera les fichiers .sce créés.
1. Définition simple
En Scilab, les matrices s’écrivent entre crochets. Les coefficients sont écrits par ligne, les différentes
lignes étant séparées par des points-virgules :
Réponse : P=
362 TP 6
∗ A(:,2) :
∗ A(1,:) :
∗ B(:,[2 4]) :
∗ B(:,[2:4]) :
∗ B(1,3)=0 :
∗ B(2,:)=[1 2 3 4] :
∗ B(:,1)=[] :
Réponse : C=
1. Matrices prédéfinies
Scilab propose des commandes qui permettent de construire directement certaines matrices parti-
culières. Taper chacune des instructions et commenter :
∗ O=zeros(2,5) :
∗ I=eye(3,3) :
∗ J=eye(3,4) :
Lycée CHATEAUBRIAND - BCPST 1B 363
∗ K=ones(4,2) :
∗ L=ones(J) :
∗ D=diag([1 2 3 4 5]) :
∗ R=rand(2,3) :
∗ V1=2:3:10 :
∗ V2=0:0.1:%pi :
∗ En vous servant de matrices de votre choix, tester la somme de deux matrices, la multiplication
d’une matrice par un scalaire, le produit de deux matrices.
∗ Taper A’, commenter :
Remarques 28.12.
1. Attention à la taille des matrices utilisées.
2. L’élévation à la puissance n’existe que pour les matrices carrées.
∗ B.ˆ2 :
∗ A.ˆA :
∗ 1.+A :
∗ exp(A) :
3. La commande find
Taper les instructions et commenter :
∗ find(A==2) :
∗ l=find(A>4) :
∗ A(l)=0 :
IV. Exercices
Exercice 5
1. Créer une matrice carrée M de taille 8 qui contient des entiers aléatoires compris entre 0 et 9.
2. Remplacer les coefficients compris entre 1 et 8 par des 0.
3. Supprimer les éventuelles lignes ou colonnes nulles.
Exercice 6
1. Construire une matrice ligne P qui contient les entiers de 1 à 100 rangés par ordre croissant.
2. Rechercher la liste l des indices des coefficients pairs. Supprimer ces coefficients de la liste.
3. Poursuivre ce procédé afin que P contienne la liste des nombres premiers compris entre 1 et 100.
Exercice 7 Écrire un programme produit qui demande à l’utilisateur d’entrer deux matrices A
et B qui renvoie la matrice produit C, lorsque les tailles le permettent, sans utiliser les opérations sur
les matrices mais uniquement des boucles.
Travaux pratiques 7
Les fonctions
∗ ∗ ∗
Créer un dossier TP7 dans lequel on enregistrera les fonctions .sci créées.
1. Syntaxe
En Scilab, on écrit une fonction à l’aide de Scinotes et on l’enregistre toujours sous la forme
nom_fonction.sci.
La syntaxe est la suivante :
Exemple 28.23. Écrire dans un fichier mafonction.sci une fonction mafonction qui prend en ar-
gument un réel x et qui renvoie la valeur de xe^x+x^2-1.
3. Exemples
Exemple 28.24. Écrire une fonction maxi qui prend en argument deux réels et qui renvoie le plus
grand des deux. Enregistrer et exécuter cette fonction.
Exemple 28.25. Écrire une fonction sphere qui prend en argument un réel strictement positif r et
qui renvoie la valeur s de la surface de la sphère et la valeur v du volume engendré. Enregistrer et
exécuter cette fonction.
Exemple 28.26. Dans la fonction mafonction la variable x utilisée est une variable locale. Elle n’a
d’effet que dans le script de la fonction. Taper :
--> x=2;
--> mafonction(1);
--> x
Que contient x ?
1. La fonction plot2d
La fonction plot2d prend en argument deux vecteurs colonnes X et Y de même taille et trace la
ligne brisée passant par les points d’abscisses les coordonnées de X et d’ordonnées celles de Y.
Pour tracer n lignes brisées, on écrit plot2d(X,[Y1,Y2,...,Yn]) où les vecteurs Y1,...,Yn sont
de même taille que X et contiennent les ordonnées des n lignes brisées souhaitées.
Exercice 1 Tracer sur un même graphique les courbes représentatives des fonctions carrée, cube
et exponentielle sur l’intervalle [−3, 3].
Lycée CHATEAUBRIAND - BCPST 1B 367
fplot2d(X,mafonction)
III. Exercices
u0 = 1 et ∀ n ∈ N, un+1 = cos(un ).
1. Écrire une fonction suite_rec qui prend en argument un entier naturel n et qui renvoie la
valeur de un .
2. Tracer sur un graphique les points correspondants aux valeurs prises par la suite (un ) pour
n ∈ {1, . . . , 15}.
Exercice 3 (Série de Fourier d’un signal triangulaire) On considère les fonctions fn définies pour
n ∈ N par :
n
X 1
fn (t) = cos (2k + 1)t .
k=0
(2k + 1)2
1. Créer les fonctions f0, f2 et f4.
2. Tracer sur un même graphique les courbes représentatives des fonctions f0, f2 et f4 sur
l’intervalle [−5, 5].
3. Que remarque-t-on ?
368 TP 7
Exercice 4 Écrire une fonction max_tab qui prend en argument un tableau t et qui renvoie le
plus petit élément min du tableau. (on pourra utiliser la fonction length qui renvoie la taille d’un
tableau).
Travaux pratiques 8
Les algorithmes de tris
∗ ∗ ∗
Créer un dossier TP8 dans lequel on enregistrera les fonctions d’un même tri dans un fichier .sci
commun.
Écrire une fonction tab qui prend en argument un entier n strictement positif et qui renvoie un
tableau t de taille n contenant des entiers aléatoires compris entre 0 et 100.
function t=tab(n)
1. Principe
Pour trier un tableau, cet algorithme repose sur le principe suivant :
∗ rechercher le plus petit élément du tableau ;
∗ échanger cet élément avec le premier élément du tableau ;
∗ répéter ces opérations en considérant le tableau privé de cet élément.
Appliquer à la main cet algorithme sur le tableau [ 4 | 3 | 1 | 5 | 2 | 3 ].
[4|3|1|5|2|3]
[ | | | | | ]
[ | | | | | ]
[ | | | | | ]
[ | | | | | ]
2. Algorithme
1. Écrire une fonction indice_min qui prend en argument un tableau t et un indice i et qui
renvoie l’indice imin du plus petit élément du tableau d’indice supérieur ou égal à i.
function imin=indice_min(t,i)
370 TP 8
2. Écrire une fonction echange qui prend en argument un tableau t et deux indices i et j, et qui
renvoie le tableau s obtenu en échangeant les éléments d’indices i et j.
function s=echange(t,i,j)
3. En utilisant les deux fonctions précédentes, écrire une fonction tri_selection qui prend en
argument un tableau t et qui renvoie un tableau T dont les éléments sont rangés dans l’ordre
croissant.
function T=tri_selection(t)
4. Tester votre programme sur plusieurs tableaux obtenus à l’aide de la fonction tab.
1. Principe
Pour trier un tableau, cet algorithme repose sur le principe suivant :
∗ on considère que le premier élément est bien placé ;
∗ lorsqu’on considère l’élément i (i ≥ 2), les éléments précédents sont bien rangés ;
∗ on insère l’élément i de sorte que les i premiers éléments soient bien rangés.
Ce tri correspond à la méthode souvent utilisée pour trier des cartes.
Appliquer à la main cet algorithme sur le tableau [ 4 | 3 | 1 | 5 | 2 | 3 ].
[ 4 || 3 | 1 | 5 | 2 | 3 ]
[ | || | | | ]
[ | | || | | ]
[ | | | || | ]
[ | | | | || ]
[ | | | | | ]
2. Algorithme
1. Écrire une fonction insere qui prend en argument un tableau t et un indice i tels que les
i − 1 premiers éléments du tableau sont triés. Cette fonction renvoie un tableau s dont les i
premiers éléments sont triés : ce tableau est obtenu en insérant l’élément d’indice i après avoir
décalé les éléments plus grands. On utilisera pour cela une boucle while.
function s=insere(t,i)
2. En utilisant la fonction insere, écrire une fonction tri_insertion qui prend en argument un
tableau t et qui renvoie un tableau T dont les éléments sont rangés dans l’ordre croissant.
function T=tri_insertion(t)
3. Tester votre programme sur plusieurs tableaux obtenus à l’aide de la fonction tab.
Travaux pratiques 9
Les fractales
∗ ∗ ∗
Créer un dossier TP9 dans lequel on enregistrera les fonctions .sci créées.
L’objectif du TP est de découvrir quelques figures fractales célèbres et de les « tracer ».
I. Préliminaires
Question 28.1. Écrire une fonction suite_rec qui prend en arguments deux complexes z0 et c ainsi
qu’un entier n et qui renvoie le terme zn de la suite définie par (∗) :
function z=suite_rec(z0,c,n)
Dans tout le TP, on s’intéresse aux valeurs de z0 et c pour lesquelles la suite (zn ) ne tend pas en
module vers +∞.
Pour cela, on admet le résultat suivant :
Théorème 28.1. S’il existe un entier n ∈ N tel que |zn | > 2, alors la suite (|zn |) tend vers +∞.
Ce résultat va nous servir de critère pratique pour décider si la suite (zn ) tend en module vers +∞
ou non et à quelle « vitesse ».
Question 28.2. Tester la fonction suite_rec pour plusieurs valeurs de z0, c et n. On précisera dans
chaque cas si la suite diverge.
2. La fonction Matplot
La fonction Matplot permet de représenter graphiquement une matrice contenant des entiers naturels
en affectant à chaque entier une couleur prédéfinie.
Cette fonction dispose de plusieurs options permettant notamment de choisir d’autres gammes de
couleurs. Par exemple, on peut utiliser les couleurs de l’arc-en-ciel avec la commande suivante :
xset("colormap",rainbowcolormap(n));
Question 28.4. Reprendre les deux exemples précédents en choisissant de « bonnes » valeurs de l’en-
tier n.
Matplot(A,strf="022")
On suppose dans cette partie que z0 = 0. L’ensemble de Mandelbrot est l’ensemble M des points
c du plan complexe pour lesquels la suite (zn ) vérifiant la relation de récurrence (∗) ne tend pas en
module vers +∞. Cet ensemble est inclus dans le rectangle :
R = c = x + iy, x ∈ [−2, 0.5], y ∈ [−1.25, 1.25] .
Question 28.6. Écrire une fonction converge qui prend en arguments un paramètre complexe c et
un entier naturel N, et qui renvoie le plus petit entier naturel n inférieur à N tel que |zn | > 2. Si un
tel entier n’existe pas, la fonction renvoie 0 :
function n=converge(c,N)
On utilisera une boucle while. Tester votre fonction avec les valeurs N=30 et c=0, i, 0.1+i.
Question 28.7. Comment procéder informatiquement pour faire varier c dans le rectangle R ?
Indication : penser à la fonction linspace vue dans le TP sur les matrices.
Question 28.8. Écrire une fonction mandelbrot qui prend en arguments un entier N et un autre
entier p tel que la grille soit de taille p×p, et qui retourne une matrice M contenant les entiers
converge(c,N) pour les différentes valeurs c de la grille de points de R :
function M=mandelbrot(N,p)
Question 28.9. En utilisant la fonction Matplot, représenter les résultats obtenus pour N=30 et p=50,
p=100 puis éventuellement p=500. Observer les résultats obtenus pour différents nombres de couleurs.
Dans cette partie, on suppose que le paramètre c est fixé. L’ensemble de Julia associé à c est l’ensemble
Jc des points z0 du plan complexe pour lesquels la suite (zn ) vérifiant la relation de récurrence (∗)
ne tend pas en module vers +∞. Pour les calculs, on se placera dans le carré :
C = z0 = x + iy, avec x ∈ [−1.25, 1.25], y ∈ [−1.25, 1.25] .
Question 28.10. En reprenant la fonction converge, écrire une fonction converge2 qui prend en
arguments deux paramètres complexes z0 et c et un entier naturel N, et qui renvoie le plus petit
entier naturel n inférieur à N tel que |zn | > 2. Si un tel entier n’existe pas, la fonction renvoie 0 :
function n=converge2(z0,c,N)
Question 28.11. Comment procéder informatiquement pour faire varier z0 dans le carré C ?
Question 28.12. Écrire une fonction julia qui prend en argument un complexe c, un entier N et un
autre entier p tel que la grille soit de taille p×p, et qui retourne une matrice J contenant les entiers
converge2(z0,c,N) pour les différentes valeurs z0 de la grille de points de C :
function J=Julia(c,N,p)
Question 28.13. En utilisant la fonction Matplot, représenter les ensembles de Julia pour différentes
valeurs de c, par exemple :
Représenter les ensembles Jc correspondants avec de petites valeurs de N et p, par exemple N=30 et
p=50, puis avec de plus grandes valeurs, par exemple N=100 et p=500, si les machines le permettent !
Observer les résultats obtenus pour différents nombres de couleurs.
Lycée CHATEAUBRIAND - BCPST 1B 375
Travaux pratiques 10
Initiation aux méthodes numériques
∗ ∗ ∗
Créer un dossier TP10 dans lequel on enregistrera les fonctions .sci créées.
L’objectif du TP est de découvrir quelques méthodes d’analyse numérique.
Théorème 1. Si une fonction f à valeurs réelles est continue et strictement monotone sur un inter-
valle [a, b] et que f (a)f (b) < 0, alors l’équation f (x) = 0 admet une solution unique dans l’intervalle
[a, b].
Ce résultat provient simplement du fait que la fonction est f est une bijection de [a, b] sur l’intervalle
image f ([a, b]) qui contient 0. L’unique antécédent de 0 par f est alors l’unique solution dans [a, b]
de l’équation f (x) = 0.
Principe de la dichotomie :
1. On calcule f a+b
2
.
2. ∗ Si f (a)f 2 < 0, la solution recherchée est dans l’intervalle a, a+b
a+b
2
.
a+b
On reprend l’étape 1 en remplaçant b par 2 .
∗ Sinon, la solution recherchée est dans l’intervalle a+b
2
, b .
On reprend l’étape 1 en remplaçant a par a+b 2
.
En pratique, on répète ces différentes étapes jusqu’à ce que l’intervalle [a, b] obtenu soit de largeur
inférieure à une précision ε prescrite. La valeur approchée à ε près de la solution est alors donnée
par a ou b.
Question 28.15. Écrire une fonction dichotomie qui prend en argument une fonction f, les bornes
a et b de l’intervalle ainsi que la précision eps et qui renvoie la valeur approchée de la solution de
l’équation f (x) = 0 recherchée :
function c=dichotomie(f,a,b,eps)
Soit f une fonction continue définie sur un intervalle [a, b]. On souhaite calculer une valeur approchée
de l’intégrale : Z b
I= f (x)dx.
a
b−a
Soit n ∈ N∗ , on considère la subdivision x0 , . . . , xn de pas h = de l’intervalle [a, b] définie par :
n
∀ i ∈ {0, . . . , n}, xi = a + ih.
Question 28.19. Écrire une fonction rectangle qui prend en argument une fonction f, les bornes a
et b de l’intervalle considéré ainsi qu’un entier naturel non nul n et qui renvoie la valeur de Sn :
function S=rectangle(f,a,b,n)
On approche la valeur de I par la somme Tn des aires des trapèzes de largeur h et de bases f (xi ) et
f (xi+1 ) pour i ∈ {0, . . . , n − 1}.
Question 28.22. Écrire une fonction trapeze qui prend en argument une fonction f, les bornes a et
b de l’intervalle considéré ainsi qu’un entier naturel non nul n et qui renvoie la valeur de Tn .
function T=trapeze(f,a,b,n)
378 TP 10
3. Application au calcul de π
Question 28.23. On admet le résultat suivant :
Z 1
dx π
= ,
0 1 + x2 4
Comparer les valeurs approchées de π obtenues par les méthodes des rectangles et des trapèzes pour
différentes valeurs de n ∈ N∗ .
Que constate-t-on ?
On recherche une valeur approchée du nombre e. On sait qu’il s’agit du réel c solution de l’équation :
Z c
dx
= 1.
1 x
Question 28.24. Écrire une fonction F qui prend en argument un réel c et qui renvoie une valeur
approchée de Z c
dx
−1
1 x
en utilisant la méthode des rectangles ou des trapèzes avec n = 1000 par exemple.
Question 28.25. En utilisant la fonction dichotomie, trouver une valeur approchée de la solution à
cette équation. On comparera les résultats obtenus pour différentes valeurs de n.
Travaux pratiques 11
Méthode d’Euler
Dynamique des populations
∗ ∗ ∗
Créer un dossier TP11 dans lequel on enregistrera les fonctions .sci créées.
L’objectif du TP est de découvrir la méthode d’Euler qui permet de tracer numériquement les
solutions d’une équation différentielle ou d’un système d’équations différentielles. Nous l’utiliserons
à travers différents modèles de dynamique des populations.
I. Un modèle naïf
∀ t ∈ R, x(t) = x0 ea(t−t0 ) .
Nous allons toutefois nous baser sur cet exemple simple pour mettre en œuvre la méthode d’Euler
afin de comparer numériquement la solution théorique et la solution approchée.
x(t + h) − x(t)
= ax(t),
h
où h > 0 est un pas fixé, ou encore
x(t + h) = (1 + ah)x(t).
xn+1 = (1 + ah)xn .
∀ n ∈ N, xn = (1 + ah)n x0 .
380 TP 11
Question 28.26. Écrire une fonction Euler qui prend en argument des réels t0, x0, un entier N et un
temps final tN, et qui renvoie deux vecteurs T et X contenant respectivement les valeurs de (tn )0≤n≤N
et (xn )0≤n≤N fournies par la méthode d’Euler pour le problème de Cauchy considéré sur l’intervalle
de temps [t0,tN] :
function [T,X]=Euler(t0,x0,N,tN)
On choisira la valeur a = 1.
Question 28.27. Tracer la solution exacte sur l’intervalle [0, 2] pour t0 = 0 et x0 = 1. On pourra
utiliser un vecteur défini par incrémentation avec un pas de 0, 1 ainsi que la fonction plot2d.
Question 28.28. Sur un même graphique, tracer la solution approchée obtenue par la méthode d’Eu-
ler pour
t0 = 0, x0 = 1 N = 5 et tN = 2.
On pourra utiliser la commande plot2d(T,X,-1).
Toujours sur le même graphique, tracer la solution approchée obtenue avec N = 10.
3. Convergence de la méthode
Question 28.29. Dans une nouvelle fenêtre, représenter les tracés correspondant à l’intervalle de
temps [0, 4] pour les valeurs N = 10 et N = 50. Que constate-t-on ?
Question 28.30. En remarquant que h = tNN−t0 , calculer la limite de xN lorsque le nombre de points
N tend vers +∞ (attention, tN ne dépend pas de N !) :
Dans le modèle logistique, on suppose que la croissance de la population d’effectif x(t) est modélisée
par l’équation différentielle :
La solution non nulle représente l’effectif d’équilibre de la population, directement liée aux contraintes
environnementale (densité, ressources,. . .).
Question 28.33. En conservant les notations de la partie précédente, écrire la relation entre xn+1 et
xn obtenue obtenue en appliquant la méthode d’Euler à l’équation (L).
Question 28.34. Écrire une fonction EulerL qui prend en argument des réels t0, x0, un entier N
et un temps final tN, et qui renvoie deux vecteurs T et X contenant respectivement les valeurs de
(tn )0≤n≤N et (xn )0≤n≤N fournies par la méthode d’Euler pour le problème de Cauchy considéré sur
l’intervalle de temps [t0,tN] :
function [T,X]=EulerL(t0,x0,N,tN)
On choisira a = b = 0, 5.
Question 28.35. Sur un même graphique, tracer les solutions obtenue sur l’intervalle de temps [0, 30]
pour N = 200 et les valeurs de x0 suivantes :
x0 = 0, 01 x0 = 0, 1 x0 = 0, 4 x0 = 0, 8 x0 = 1 x0 = 1, 5 et x0 = 2.
Ce modèle a été étudié par Vito Volterra pour la première fois en 1920. Il propose une modélisation
simple d’un système de type proie-prédateur. On note x(t) l’effectif des proies et y(t) celui des
prédateurs. L’évolution du système proie-prédateur peut être modélisée par le système d’équations
différentielles suivant :
(
x0 (t) = ax(t) − bx(t)y(t)
(LV ) avec a, b, c, d > 0.
y 0 (t) = −cy(t) + dx(t)y(t)
∗ En l’absence de prédateurs (b = 0), les proies connaissent une croissance exponentielle (modèle
naïf).
∗ En l’absence de proies (d = 0), les prédateurs connaissent une décroissance exponentielle.
382 TP 11
∗ Les termes en x(t)y(t) correspondent au nombre de rencontres entre proies et prédateurs ; ces
dernières sont bénéfiques pour la croissance des prédateurs mais nuisent à celle des proies.
Soient t0 , x0 , y0 ∈ R. On considère le problème de Cauchy pour les conditions initiales :
x(t0 ) = x0 et y(t0 ) = y0 .
Question 28.36. Rechercher si le système présente une ou plusieurs solutions constantes : elles cor-
respondent aux éventuelles situations d’équilibre entre les effectifs des proies et des prédateurs.
Question 28.37. En conservant les notations précédentes, écrire les relations entre xn+1 , yn+1 et xn ,
yn obtenues en appliquant la méthode d’Euler au système (LV).
Question 28.38. Écrire une fonction EulerLV qui prend en argument des réels t0, x0, y0, un entier
N et un temps final tN, et qui renvoie deux vecteurs X et Y contenant respectivement les valeurs de
(xn )0≤n≤N et (yn )0≤n≤N fournies par la méthode d’Euler pour le problème de Cauchy considéré sur
l’intervalle de temps [t0,tN] :
function [X,Y]=EulerLV(t0,x0,y0,N,tN)
Question 28.39. Tracer le portait de phase obtenu (« Y en fonction de X ») sur l’intervalle de temps
[0, 5] pour N = 200, x0 = 1 et les valeurs suivantes de y0 :
y0 = 0, 7 y0 = 0, 9 y0 = 1, 1 y0 = 1, 3 et y0 = 1, 5.
Que constate-t-on ?
Travaux pratiques 12
Le jeu de la vie
∗ ∗ ∗
Créer un dossier TP12 dans lequel on enregistrera les fichiers .sce et les fonctions .sci créés.
L’objectif du TP est d’écrire un programme du jeu de la vie inventé par le mathématicien britannique
John Horton Conway. Il ne s’agit pas d’un jeu au sens propre mais d’un modèle d’évolution de la
vie suivant des règles simples.
I. Introduction
II. Programmation
1. Modélisation
La grille est modélisée par une matrice carrée A de taille n dont les coefficients valent :
∗ 0 si la cellule est morte,
∗ 1 si la cellule est vivante.
Pour simplifier l’étude au niveau des cellules du bord de la grille, on crée une matrice carrée M de
taille n + 2 obtenue en bordant la matrice A par des zéros.
Question 28.41. Écrire les commandes permettant de créer la matrice M à partir de matrice A :
Pour déterminer la matrice M à l’étape suivante, il faut déterminer pour chaque cellule de la matrice
M qui n’est pas au bord le nombre de cellules voisines vivantes. Les résultats seront stockés dans
une matrice carrée V de même taille n + 2, dont les coefficients au bord sont eux-mêmes nuls.
Question 28.43. Créer un fichier voisines.sci et écrire une fonction voisines qui prend en argu-
ment la matrice M et qui renvoie la matrice V :
function V=voisines(M)
Question 28.44. Créer un fichier evolution.sci et écrire une fonction evolution qui prend en
arguments les matrices M et V et qui renvoie une matrice carrée N de taille n + 2 représentant l’état
de la grille à l’étape suivante :
function N=evolution(M,V)
Tester votre fonction sur les matrices M des exemples précédents.
3. Le corps du programme
Ouvrir le fichier jeu_vie.sce afin de le compléter.
Question 28.46. Dans la gestion graphique, les couleurs sont définies par la commande suivante :
xset("colormap",coolcolormap(8));
Les autres coloris disponibles s’obtiennent en recherchant colorset dans l’aide de Scilab.
Question 28.47. Dans la suite du corps du programme, initialiser la matrice A à l’aide de la fonction
remplir, puis créer la matrice M associée.
Question 28.48. Écrire ensuite un script permettant de calculer la matrice M obtenue à chaque étape
et d’afficher à l’aide de la fonction Matplot les cellules mortes et les cellules vivantes.
Après chaque utilisation de Matplot, on veillera à insérer la commande xpause(200000) qui permet
de faire une pause entre l’affichage des images successives ou la commande xclick().
Question 28.49. Comment faire pour afficher les cellules vivantes avec différentes couleurs suivant
leur nombre de voisines vivantes ?
III. Simulations
1. Structures particulières
Question 28.50. Tester votre programme sur les structures particulières suivantes et les reconnaître :
Question 28.51. Écrire une commande qui permet de créer une matrice carrée A de taille n dont les
coefficients sont aléatoirement choisis.
Question 28.52. Créer un fichier jeu_vie_aleatoire.sce qui contient un script permettant de si-
muler le jeu de la vie à partir d’une matrice carrée A aléatoire de taille n. Tester votre programme.
Achevé d’imprimer
le 14 juillet 2012
à Châteaugiron.