Cours de Maths BCPST

Cours de Mathématiques
BCPST
Mathieu Gentès
Lycée Chateaubriand - Rennes Année  - 

Table des matières
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
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
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
4. Sommes télescopiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Travaux Dirigés 101

I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
II. Calculs de sommes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
III. Télescopages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
8. Suites numériques 105

I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
1. Opérations sur les suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
2. Monotonie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
3. Suites majorées, minorées, bornées . . . . . . . . . . . . . . . . . . . . . . . . . 108
4. Suites extraites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
II. Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
2. Théorèmes de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
3. Opération sur les limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
4. Limites et inégalités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
III. Suites monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
1. Propriétés de l’ensemble R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
2. Théorème de convergence des suites monotones . . . . . . . . . . . . . . . . . . 113
3. Suites adjacentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
IV. Comparaison des suites réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
1. Suites négligeables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
2. Suites équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
II. Majoration-Minoration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
III. Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
1. Opérations sur les limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
2. Inégalités. Monotonie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
3. Croissances comparées - équivalents . . . . . . . . . . . . . . . . . . . . . . . . 119
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
IV. Décomposition dans R[X] et C[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

1. Polynômes irréductibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
2. Décomposition dans C[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
3. Décomposition dans R[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128

I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
II. Coefficients - degré . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
III. Racines - multiplicité - Formule de Taylor . . . . . . . . . . . . . . . . . . . . . . . 130
IV. Factorisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
V. Exercices de synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
10. Matrices 133

I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
2. Opérations dans Mn,p (K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
3. Transposée d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
II. Produit de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
2. Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
3. Écriture matricielle d’un système linéaire . . . . . . . . . . . . . . . . . . . . . 138
III. Les matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
1. Puissances de matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
2. Matrices particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
IV. Matrices carrées inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
2. Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
3. Matrices inversibles et systèmes linéaires . . . . . . . . . . . . . . . . . . . . . 140
4. Recherche pratique de l’inverse d’une matrice inversible . . . . . . . . . . . . . 141

I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
II. Puissances successives d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . 144
III. Exercices de synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
11. Espaces vectoriels 147

I. L’espace vectoriel Kn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
2. Les opérations dans Kn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
3. Représentation géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
4. Combinaisons linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
II. Sous-espaces vectoriels de Kn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
2. Intersection de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . 151
3. Sous-espace vectoriel engendré par une famille . . . . . . . . . . . . . . . . . . 152
III. Familles libres, génératrices, bases . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
1. familles génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
2. Familles libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
3. Bases d’un sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . 153
IV. Dimension d’un sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . 154
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
2. Dimension et sous espaces-vectoriels . . . . . . . . . . . . . . . . . . . . . . . . 154

3. Rang d’une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . 155

I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
II. Description paramétrique à partir des équations . . . . . . . . . . . . . . . . . . . . 157
III. Équations à partir d’une description paramétrique . . . . . . . . . . . . . . . . . . 158
IV. Bases - Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
V. Rang d’un système de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
VI. Exercices de synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
12. Ensembles et applications 161

I. Les ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
2. Opérations sur les ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
3. Le produit cartésien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
II. Les applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
2. Images directe et réciproque . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
3. Applications injectives, surjectives, bijectives . . . . . . . . . . . . . . . . . . . 167
13. Applications linéaires 173

I. Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
2. Opérations sur les applications linéaires . . . . . . . . . . . . . . . . . . . . . . 175
II. Applications linéaires et sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . 176
1. Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
2. Image - Noyau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
3. Caractérisation de l’injectivité, de la surjectivité . . . . . . . . . . . . . . . . . 176
4. Applications linéaires et bases . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
III. Matrices d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
2. Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
3. Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
IV. Rang d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
2. Théorème du rang - applications . . . . . . . . . . . . . . . . . . . . . . . . . . 179
3. Détermination pratique du rang . . . . . . . . . . . . . . . . . . . . . . . . . . 180

I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
II. Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
III. Noyau - Image . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
IV. Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
V. Exercices de synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
14. Dénombrement 185

I. Cardinal d’un ensemble fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
1. Définition et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
2. Cardinal d’une réunion disjointe . . . . . . . . . . . . . . . . . . . . . . . . . . 187

3. Cardinal d’une réunion quelconque . . . . . . . . . . . . . . . . . . . . . . . . . 188
4. Cardinal d’un produit cartésien . . . . . . . . . . . . . . . . . . . . . . . . . . 188
II. Dénombrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
1. Les p-listes ou p-uplets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
2. Arrangements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
3. Permutations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
4. Combinaisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
15. Probabilités 195

I. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
1. Expérience aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
2. Notion d’événement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
II. Espace probabilisé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
1. Probabilité sur un ensemble fini . . . . . . . . . . . . . . . . . . . . . . . . . . 199
2. Équiprobabilité ou probabilité uniforme . . . . . . . . . . . . . . . . . . . . . . 200
III. Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
2. Formule des probabilités composées . . . . . . . . . . . . . . . . . . . . . . . . 201
3. Formule des probabilités totales . . . . . . . . . . . . . . . . . . . . . . . . . . 201
4. Formule de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
5. Arbre de probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
IV. Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202

I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
II. Probabilités de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
16. Limites 209

I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
1. Opérations sur les fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
2. Fonctions majorées, minorées, bornées . . . . . . . . . . . . . . . . . . . . . . . 211
II. Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
1. Limite en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
2. Limites à gauche et à droite en un point . . . . . . . . . . . . . . . . . . . . . . 212
3. Limites en +∞ et −∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
III. Propriétés des limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
1. Opérations sur les limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
2. Limites de fonctions composées . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
3. Limites et suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
4. Limites et inégalités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
5. Limites et fonctions monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
IV. Comparaison des fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
1. Fonctions négligeables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
2. Fonctions équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216

17. Continuité 221

I. Continuité d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
2. Continuité à droite, à gauche . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
3. Prolongement par continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
4. Opérations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
5. Suites et fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
II. Théorèmes sur les fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . 224
1. Théorème des valeurs intermédiaires . . . . . . . . . . . . . . . . . . . . . . . . 224
2. Image d’un segment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
3. Théorème de la bijection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
III. Fonctions circulaires réciproques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
1. La fonction arcsin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
2. La fonction arccos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
3. La fonction arctan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228

I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
II. Continuité en un point - prolongement par continuité . . . . . . . . . . . . . . . . . 231
III. Théorème sur les fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . . 232
18. Dérivation 235

I. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
1. Dérivabilité en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
2. Fonction dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
3. Dérivabilité à droite et à gauche . . . . . . . . . . . . . . . . . . . . . . . . . . 238
4. Interprétation géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
II. Calculs de dérivées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
1. Opérations algébriques sur les dérivées . . . . . . . . . . . . . . . . . . . . . . 238
2. Dérivée d’un composée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
3. Dérivée d’une fonction réciproque . . . . . . . . . . . . . . . . . . . . . . . . . 239
III. Théorèmes sur les fonctions dérivables . . . . . . . . . . . . . . . . . . . . . . . . . 240
1. Théorème de Rolle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
2. Formule des accroissements finis . . . . . . . . . . . . . . . . . . . . . . . . . . 240
3. Applications des théorèmes sur les fonctions dérivables . . . . . . . . . . . . . . 241
IV. Dérivées d’ordre supérieur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
1. Définitons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
2. Opérations sur les dérivées successives . . . . . . . . . . . . . . . . . . . . . . . 242

I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
II. Dérivabilité - dérivées successives . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
III. Accroissements finis et applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
19. Développements limités 249

I. Formule de Taylor-Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
II. Développements limités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
2. Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
3. Formule de Taylor-Young . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
4. Développements limités usuels . . . . . . . . . . . . . . . . . . . . . . . . . . . 253

III. Opérations sur les développements limités . . . . . . . . . . . . . . . . . . . . . . . 253
1. Somme et produit de développements limités . . . . . . . . . . . . . . . . . . . 253
2. Composée de développements limités . . . . . . . . . . . . . . . . . . . . . . . 254
3. Quotient de développements limités . . . . . . . . . . . . . . . . . . . . . . . . 254
4. Intégration terme à terme d’un développement limité . . . . . . . . . . . . . . 254
IV. Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
1. Calcul de limites - équivalents . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
2. Tangente en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
3. Étude des branches infinies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255

I. Point cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
II. Formule de Taylor - Développements limités . . . . . . . . . . . . . . . . . . . . . . 257
III. Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
20. Variables aléatoires réelles 259

I. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
1. Variable aléatoire réelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
2. Loi de probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
3. Fonction de répartition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
4. Composée d’une variable aléatoire par une application . . . . . . . . . . . . . . 263
II. Moments d’une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
1. Espérance mathématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
2. Moments d’une variable aléatoire réelle . . . . . . . . . . . . . . . . . . . . . . 264
3. Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
4. Inégalité de Bienaymé-Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . 265
21. Lois usuelles 269

I. Loi certaine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
2. Loi de probabilité et fonction de répartition . . . . . . . . . . . . . . . . . . . . 271
3. Espérance et variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
II. Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
III. Loi de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
IV. Loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
V. Loi hypergéométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
3. Approximation d’une loi hypergéométrique par une loi binomiale . . . . . . . . 275
22. Intégration 279

I. Primitives et intégrales d’une fonction continue . . . . . . . . . . . . . . . . . . . . 281
1. Primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
2. Intégrale d’une fonction continue . . . . . . . . . . . . . . . . . . . . . . . . . . 281
3. Théorème fondamental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
4. Interprétation géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
II. Propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
1. Linéarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
2. Relation de Chasles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
3. Intégrales et inégalités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
4. Inégalité de la moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
III. Application : fonction définie par une intégrale . . . . . . . . . . . . . . . . . . . . 284
1. Plan d’étude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
2. Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
IV. Extensions de la notion d’intégrale d’une fonction . . . . . . . . . . . . . . . . . . . 285
1. Intégrale des fonctions continues par morceaux . . . . . . . . . . . . . . . . . . 285
2. Cas particulier des fonctions en escaliers . . . . . . . . . . . . . . . . . . . . . . 285
3. Intégrale d’une fonction à valeurs complexes . . . . . . . . . . . . . . . . . . . 286
23. Calcul intégral 289

I. Procédés d’intégration . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . 291
1. Intégration à vue . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . 291
2. Changement de variable . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . 292
3. Intégration par parties . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . 292
II. Cas particuliers d’intégration . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . 293
1
1. Les fonctions rationnelles de type . . . . . . . . . . . . . . . . . . . . 293
(x − a)n
ax + b
2. Les fonctions rationnelles de type 2 . . . . . . . . . . . . . . . . . . 293
ax + px + q
3. Les fonctions de type cosn x sinp x . . . . . . . . . . . . . . . . . . . . . . . . . 294
4. Les fonctions de type eαx cos(βx), eαx sin(βx) . . . . . . . . . . . . . . . . . . . 294
5. Les coefficients de Fourier dans un cas particulier . . . . . . . . . . . . . . . . . 294
III. Sommes de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295

I. Méthodes classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
II. Calcul d’intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
24. Couples de variables aléatoires réelles 299

I. Couple de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
II. Lois associées à un couple de variables aléatoires . . . . . . . . . . . . . . . . . . . 301
1. Loi conjointe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
2. Lois marginales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
3. Lois conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
4. Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
III. Variable aléatoire fonction de deux variables aléatoires . . . . . . . . . . . . . . . . 304

1. Loi d’une variable aléatoire fonction de deux variables aléatoires . . . . . . . . 304
2. Cas particulier de la somme de deux variables aléatoires . . . . . . . . . . . . . 304
3. Espérance d’une variable aléatoire fonction de deux variables aléatoires . . . . 304
IV. Covariance - coefficient de corrélation linéaire . . . . . . . . . . . . . . . . . . . . . 305
1. La covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
2. Le coefficient de corrélation linéaire . . . . . . . . . . . . . . . . . . . . . . . . 305
3. Calcul de variance d’une somme de variables aléatoires . . . . . . . . . . . . . 305
4. Cas de variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . 306
V. Familles de n variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
2. Indépendance mutuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
3. Somme de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
25. Courbes paramétrées 311

I. Étude d’une courbe paramétrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
2. Ensemble de définition - ensemble d’étude . . . . . . . . . . . . . . . . . . . . . 313
3. Tangente en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
4. Étude des branches infinies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
5. Plan d’étude des courbes paramétrées . . . . . . . . . . . . . . . . . . . . . . . 315
II. Exemples de courbes paramétrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
1. La cycloïde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
2. Courbe de Lissajous . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
3. Autre exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
26. Fonctions de plusieurs variables 319

I. Fonctions de plusieurs variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
2. Fonctions partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
3. Représentation graphique dans le cas n = 2 . . . . . . . . . . . . . . . . . . . . 322
II. Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
1. Calcul des dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
2. Petites variations autour d’un point . . . . . . . . . . . . . . . . . . . . . . . . 324
3. Détermination d’une fonction connaissant ses dérivées partielles . . . . . . . . . 324
27. Géométrie 325

I. Le produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
1. Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
2. Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
3. Projection orthogonale - angle géométrique formé par deux vecteurs . . . . . . 328
II. Produit vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
1. Angles orientés dans le plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
2. Produit vectoriel dans R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
3. Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
III. Droites et plans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
1. Droites dans le plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
2. Plans dans l’espace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
3. Droites dans l’espace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
IV. Cercles et sphères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333

1. Cercles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
2. Sphères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334
28. Algorithmique 335

I. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
II. Les variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
1. Notion de variable en informatique . . . . . . . . . . . . . . . . . . . . . . . . . 337
2. Les différents types de variables . . . . . . . . . . . . . . . . . . . . . . . . . . 338
3. Entrées et sorties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338
III. Les instructions conditionnelles ou tests . . . . . . . . . . . . . . . . . . . . . . . . 339
1. Valeurs logiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339
2. En pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339
3. Variables booléennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340
4. Les tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340
IV. Les boucles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
1. les boucles for . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
2. les boucles while . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
V. Les fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
1. Définition d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
2. Variables locales et globales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
Travaux pratiques avec Scilab 347

TP1 : Introduction à Scilab 347
I. Calcul avec Scilab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
1. Opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
2. Nombres complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
3. Les fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
4. Chaînes de caractères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
II. Les variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
1. Création et affectation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
2. Gestion des variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
3. Entrées et sorties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
III. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350
TP2 : Fichiers .sce - Instructions conditionnelles 351

I. Les fichiers .sce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
1. Création du fichier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
2. Exécution du script contenu dans un fichier .sce . . . . . . . . . . . . . . . . . 352
II. Les instructions conditionnelles ou tests . . . . . . . . . . . . . . . . . . . . . . . . 352
1. Expressions logiques - booléens . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
2. Les tests simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
3. Les tests imbriqués . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
III. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
TP3 : Boucles for 355

I. Les boucles for . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
1. Exemples simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
2. Calcul de sommes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
3. Une suite définie par récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . 356
4. Boucles imbriquées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356
II. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356
TP4 : Boucles while 357

I. Les boucles while . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357
1. Exemple simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357
2. Code de carte bancaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357
3. Suite de Fibonacci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357
II. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358
TP5 : Calculs de valeurs approchées de π 359

I. Calcul de Pi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359
TP6 : Matrices 361

I. Définir une matrice - un vecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
1. Définition simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
2. Définition par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
3. Accès aux coefficients d’une matrice, à une sous-matrice . . . . . . . . . . . . . 362
II. Matrices particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
1. Matrices prédéfinies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
2. Vecteurs construits par incrémentation . . . . . . . . . . . . . . . . . . . . . . 363
III. Les opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
1. Les opérations usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
2. Les opérations terme à terme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
3. La commande find . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
IV. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
TP7 : Fonctions .sci - Représentations graphiques 365

I. Les fonctions .sci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
1. Syntaxe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
2. Exécution d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
3. Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
4. Variables locales et globales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
II. Graphiques avec Scilab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
1. La fonction plot2d . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
2. Graphe d’une fonction avec la fonction fplot2d . . . . . . . . . . . . . . . . . 367
3. Gestion des fenêtres graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . 367
III. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 367
TP8 : Algorithmes de tris 369

I. Création d’un tableau d’entiers aléatoires . . . . . . . . . . . . . . . . . . . . . . . 369
II. Le tri sélection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
1. Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
2. Algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
III. Le tri insertion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
1. Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
2. Algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
TP9 : Fractales 371

I. Préliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
1. Une suite récurrente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
2. La fonction Matplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
II. Le cas z0 = 0 : l’ensemble de Mandelbrot . . . . . . . . . . . . . . . . . . . . . . . 372
III. Les ensembles de Julia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373
TP10 : Introduction aux méthodes numériques 375

I. Recherche d’une racine par dichotomie . . . . . . . . . . . . . . . . . . . . . . . . . 375
II. Calcul approché d’une intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
1. Méthode des rectangles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
2. Méthode des trapèzes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
3. Application au calcul de π . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 378
III. Une application au calcul de e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 378
TP11 : Méthode d’Euler - Dynamique des populations 379

I. Un modèle naïf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
1. Présentation de la méthode d’Euler . . . . . . . . . . . . . . . . . . . . . . . . 379
2. Implémentation informatique de la méthode d’Euler . . . . . . . . . . . . . . . 380
3. Convergence de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 380
4. Conclusion sur le modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 380
II. Modèle logistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 380
III. Modèle de Lotka-Volterra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
TP12 : Jeu de la vie 383

I. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 383
1. Les règles du jeu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 383
2. Les structures remarquables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 383
II. Programmation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
1. Modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
2. Les fonctions utilisées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
3. Le corps du programme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385
III. Simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385
1. Structures particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385
2. Une variante aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385
Mathématiques
Chapitre 1
Fonctions usuelles
Sommaire
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
19
Les fonctions usuelles
∗ ∗ ∗
I. Généralités sur les fonctions réelles
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).
où Df est l’ensemble de définition de la fonction f , x la variable et f (x) l’image de x par la

fonction f .
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 (•).
Exemples 1.1. On peut définir une fonction de différentes manières :

1
∗ à l’aide d’une expression : f (x) = , avec Df = R\{−1},
1+x (
1 si x < 0,
∗ à l’aide de plusieurs expressions : g(x) = avec Dg = R,
cos x si x ≥ 0,
∗ à l’aide de certaines courbes, par exemple un électrocardiogramme,
∗ etc.
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 } .
Exemples 1.2. Pour les fonctions de l’Exemple 1 , on trouve :
f (R\{−1}) = R∗ et g(R) = [−1, 1].
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 .
L’équation y = f (x) est appelée équation cartésienne de la courbe représentative de f .
2. Parité d’une fonction

Définition 1.5. Soit f : Df −→ R une fonction, on dit que :
∗ f est une fonction paire si pour tout réel x de Df , on a :
−x ∈ Df et f (−x) = f (x),
∗ f est une fonction impaire si pour tout réel x de Df , on a :
−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.
3. Restriction d’une fonction

Définition 1.6. Soient f une fonction et Df son ensemble de définition. Soit A une partie de Df , la
fonction f est bien définie sur A et on appelle restriction de f à A, la fonction notée f|A définie
par :
f|A : A −→ R
x 7−→ f (x).
y y
Cf|A
Cf
A
0 x 0 x
Exemple 1.4. En considérant la fonction g de l’Exemple 1, on a : g|[0,+∞[ = cos.

Chapitre 1 - Fonctions usuelles 23
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 :
f : t 7−→ ωt + ϕ et g : x 7−→ cos x.
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.
5. Opérations algébriques sur les fonctions dérivées

Proposition 1.1. Soient λ un réel, f et g deux fonctions dérivables sur un intervalle I. Alors les
fonctions f + g, λf et f g sont dérivables sur I et on a :
(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
Théorème 1.1. Soient f : Df −→ R et g : Dg −→ R deux fonctions dérivables telles que f (Df ) ⊂

Dg . Alors g ◦ f est dérivable sur Df et on a :
(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.
II. Les fonctions usuelles
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.
Définition 1.9. On appelle nombre de Neper la constante
e = exp(1) = e1 ' 2, 718.
Propriétés 1.1. Pour tous réels a et b, on a :
ea < eb ⇐⇒ a < b,
ea = eb ⇐⇒ a = b.
Propriété 1.2. On a les limites suivantes :
lim ex = 0 et lim ex = +∞.

x→−∞ x→+∞
On en déduit le tableau de variation de la fonction exponentielle :
x −∞ 0 +∞
exp0 (x) +
+∞
exp 1
0
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.
lim ln x = −∞ et lim ln x = +∞.

x→0+ x→+∞
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
Théorème 1.6 (Formes indéterminées). On a les limites suivantes :
ln x ln(1 + x)
lim x ln x = 0, lim =0 et lim = 1.
x→0 x→+∞ x x→0 x
3. Les fonctions puissances

Définition 1.11. Soit α ∈ R, on définit la fonction puissance sur R∗+ par :
x 7−→ xα = eα ln x .
Exemples 1.8. x 7−→ x2 , x 7−→ x1/3 , x 7−→ xπ , . . .
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∗ .
Proposition 1.7. Les fonctions puissances sont dérivables sur R∗+ et on a :
d α
∀ x ∈ R∗+ , (x ) = αxα−1 .
dx

 
 +∞ si α < 0,
 0 si α < 0,


α α
lim x = 1 si α = 0, et lim x = 1 si α = 0,
x→0+  x→+∞ 
0 si α > 0. +∞ si α > 0.
 
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
Propriétés 1.6. La fonction carré x 7−→ x2 est :

∗ définie et continue sur R tout entier,
∗ paire,
∗ dérivable sur R et sa fonction dérivée est x 7−→ 2x.
∗ sa courbe représentative est appelée parabole.
y
y = x2
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).
Cas α = 1/2 : la fonction racine carrée

√
Propriétés 1.7. La fonction racine carrée x 7−→ x :
∗ est définie et continue sur R+ ,
1
∗ est dérivable sur R∗+ et sa fonction dérivée est x 7−→ √ ,
2 x
∗ admet une demi-tangente verticale en 0.
y √
y= x
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
c’est-à-dire : 0
1 u0 (x)
∀ x ∈ R, (x) = − 2 .
u u (x)
4. La fonction valeur absolue

Définition 1.12. La fonction valeur absolue est la fonction notée x 7−→ |x| définie sur R par :
(
x si x ≥ 0,
x 7−→
−x si x < 0.
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∗ .
Remarque 1.9. La valeur absolue n’est pas dérivable en 0 !
5. Les fonctions exponentielle et logarithme de base a

Soit a ∈ R \ {1}.
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
III. Les fonctions trigonométriques
1. Les fonctions sinus et cosinus

Propriétés 1.10. La fonction sin est :
∗ définie et continue sur R,
∗ impaire,
∗ périodique de période 2π,
∗ dérivable sur R et on a :
∀ x ∈ R, sin0 (x) = cos x.
Propriétés 1.11. La fonction cos est :

∗ définie et continue sur R,
∗ paire,
∗ périodique de période 2π,
∗ dérivable sur R et on a :
∀ x ∈ R, cos0 (x) = − sin x.
y
1
y = cos x
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 :
(sin u)0 = u0 cos u et (cos u)0 = −u0 sin u,
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
y
y = tan x
−π/2 0 π/2 x
IV. Propriétés des fonctions réelles
Dans cette partie, on considère E et F des sous-ensembles de R.
1. Images directe et réciproque

Définition 1.14. Soient A un sous-ensemble de E et f : E −→ F une fonction, on appelle image
directe de A par f l’ensemble noté f (A) des images des éléments de A par f :
f (A) = {f (x), x ∈ A}.
Remarque 1.12. Lorsque A = Df , on a déjà rencontré f (A) : c’est l’ensemble image de f .
Exercice 1.4. Soit f : x 7−→ x2 , avec E = R et F = R+ . On a :

1. f ([1, 2]) = [1, 4], 3. f (] − 1, 2]) = [1, 4], 5. f (] − ∞, 3]) = [0, +∞[,
2. f ([−1, 2]) = [1, 4], 4. f ([−1, 2[) = [1, 4[, 6. f (R) = R+ .
Définition 1.15. Soit B un sous-ensemble de F et f : E −→ F une fonction, on appelle image

réciproque de B par f l’ensemble noté f −1 (B) des antécédents des éléments de B par f :
f −1 (B) = {x ∈ E tel que f (x) ∈ B}.
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 :
f −1 ({y}) = {x ∈ E tel que f (x) = y}.

Exercice 1.5. Soit f : x 7−→ x2 , avec E = R et F = R+ . On a :

1. f −1 ([4, 9]) = [−3, −2] ∪ [2, 3], 3. f −1 (]4, 9]) = [−3, −2[ ∪ ]2, 3],
2. f −1 ({16}) = {−4, 4}, 4. f −1 ([0, 1]) = [−1, 1].
2. Fonctions injectives, surjectives, bijectives

Définition 1.16. Soit f : E −→ F une fonction, on dit que la fonction f est injective sur E si
∀ x, x0 ∈ E, f (x) = f (x0 ) ⇒ x = x0 .
On dit aussi que f est une injection de E sur F .
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.
On dit aussi que f est une surjection de E sur F .
Remarque 1.15. Soit une fonction f : E −→ F , on a équivalence entre :

(i) f est surjective de E,
(ii) tout élément y ∈ F , admet (au moins) un antécédent x ∈ E par f ,
(iii) pour tout y ∈ F l’équation f (x) = y admet au moins une solution dans E,
(iv) f (E) = F .
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.

Proposition 1.14. Soit f : E −→ F une fonction.

Alors, f est une bijection de E sur F si, et seulement si, tout élément y de F admet un unique
antécédent x dans E par f :
∀ y ∈ F, ∃! x ∈ E tel que f (x) = y.
Théorème 1.8. Soit f : E −→ F une bijection de E sur F .

Il existe une unique fonction définie sur F et à valeurs dans E, notée f −1 , vérifiant :
∀ x ∈ E, (f −1 ◦ f )(x) = x et ∀ y ∈ F, (f ◦ f −1 )(y) = y.
La fonction f −1 s’appelle fonction réciproque de f .
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.
Proposition 1.15. Soit f : E −→ F une bijection de E sur F .

Alors la fonction f −1 est une bijection de F sur E et on a :
−1
f −1 = f.
On dit que f et f −1 sont des bijections réciproques l’une de l’autre.
Propriété 1.13. Soit f : E −→ F une bijection, alors on a :
∀ x ∈ E, y ∈ F, f (x) = y ⇔ x = f −1 (y).
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.
Exercice 1.8. Soit f une bijection d’un intervalle I sur un intervalle J.

Montrer que f est strictement croissante (resp. décroissante) si, et seulement si, f −1 l’est.
Proposition 1.16. Soit f : E −→ F une bijection.

Alors, les courbes représentatives de f et f −1 sont symétriques par rapport à la droite y = x.
Exemples 1.13.
1. les fonctions exp et ln :
y
y = ex y=x
y = ln x
1
0 1 e x
2. Les fonctions carré et racine carrée sur R+ :

y
y = x2 y=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
II. Calcul symbolique
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

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).
IV. Logarithmes. Exponentielles
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) =
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
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 .
2. Étude. Variations. Graphique

Exercice 19
Tracer sur un même graphique les courbes représentatives des fonctions suivantes sur l’intervalle R∗+
après avoir précisé leur domaine de définition respectifs (ne pas faire de tracé point par point !) :
√ 1
f : x 7→ x, g : x 7→ x, h : x 7→ x2 et u : x 7→ .
x
Exercice 20
Soit f : x 7→ |x − 3| − |2x + 1| définie sur R.
Simplifier en fonction de x l’expression de f (x) puis tracer la courbe représentative de la fonction f .
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 .
VII. Équations. Inéquations
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}.
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.
VIII. Injection, surjection, bijection
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}).
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
II. Résolution d’équations et inéquations élémentaires . . . . . . . . . . . . . . . . 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
3. Quelques identités
Pour tout x ∈ R, on a les identités suivantes :
cos (−x) = sin (−x) = tan (−x) =

π π π
cos x + = sin x + = tan x + =
2 2 2
π π π
cos −x = sin −x = tan −x =
2 2 2
cos (x + π) = sin (x + π) = tan (x + π) =
cos (π − x) = sin (π − x) = tan (π − x) =
II. Résolution d’équations et inéquations élémentaires
Proposition 2.1. Soit θ ∈ R, on a les équivalences suivantes :


x = θ + 2kπ

1. cos x = cos θ ⇔ ou avec k ∈ Z.

x = −θ + 2kπ,


x = θ + 2kπ

2. sin x = sin θ ⇔ ou avec k ∈ Z.

x = (π − θ) + 2kπ,

Chapitre 2 - Rappels de trigonométrie 45
Exercice 2.1. Résoudre dans R les équations suivantes :

1
π π
1. cos(2x) = − , 2. sin 3x − = cos 2x + .
2 3 3
h πi
Proposition 2.2. Soit θ ∈ 0, , on a les équivalences suivantes :
2
1. cos x ≥ cos θ ⇔ x ∈ [−θ + 2kπ, θ + 2kπ] , k ∈ Z ⇔ x ∈
2. sin x ≥ sin θ ⇔ x ∈ [θ + 2kπ, (π − θ) + 2kπ] , k ∈ Z ⇔ x ∈
Exercice 2.2. Résoudre dans R et sur [−π, π] les inéquations suivantes :

√
3 1 1
1. sin x ≤ , 2. ≤ cos2 x ≤ .
2 4 2
i π πh
Proposition 2.3. Soit θ ∈ − , , on a les équivalences suivantes :
2 2
1. tan x = tan θ ⇔ x = θ + kπ, avec k ∈ Z.
h π h
2. tan x ≥ tan θ ⇔ x ∈ θ + kπ, + kπ , avec k ∈ Z.
2
Exercice 2.3. Résoudre dans R :
√
1. sin(2x) = − 3 cos(2x), 2. tan2 x − 1 > 0.
Chapitre 3
Complexes
Sommaire
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
47
Nombres complexes
∗ ∗ ∗
I. Généralités
1. Définition - règles de calcul

Définition 3.1. Soit i un nombre non réel tel que i2 = −1, on appelle nombre complexe tout élément
z qui s’écrit sous la forme
z = a + ib, avec a, b ∈ R.
Cette écriture est appelée forme algébrique.
Le réel a est appelé la partie réelle de z et le réel b la partie imaginaire de z et on note :
a = Re(z) et b = Im(z).
L’ensemble des nombres complexes est noté C.
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 3.1. Soient z = a + ib et z 0 = a0 + ib0 deux complexes, on a :
(a + ib) + (a0 + ib0 ) = (a + a0 ) + i(b + b0 ),

(a + ib) × (a0 + ib0 ) = (aa0 − bb0 ) + i(ab0 + a0 b).
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
2. Conjugué d’un nombre complexe

Définition 3.2. Soit z = a + ib un nombre complexe de partie réelle a et partie imaginaire b. On
appelle conjugué de z la nombre complexe noté z̄ défini par :
z̄ = a − ib.
Remarque 3.2. On a Re(z̄) = Re(z) et Im(z̄) = − Im(z).

Proposition 3.4. Soit z un nombre complexe, on a :

1. z + z = 2 Re(z),
2. z − z = 2 Im(z).
Corollaire 3.1. Soit z un on complexe, on a :

1. z est réel ⇔ z = z,
2. z est imaginaire pur ⇔ z = −z.
Proposition 3.5. Soient z et z 0 deux nombres complexes, on a :

1. z + z 0 = z + z 0 ,
2. zz 0 = zz 0 ,
3. z = z.
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.
~
II. Module et argument
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.
Proposition 3.6. Soient z et z 0 deux nombres complexes, on a :

1. |z| = |z|,
2. | Re(z)| ≤ |z| et | Im(z)| ≤ |z|,
3. |z| = 0 ⇔ z = 0,
4. zz = |z|2 ,
5. |zz 0 | = |z| |z 0 |,
6. |z + z 0 | ≤ |z| + |z 0 |.
2. Argument - forme trigonométrique

Définition 3.5. On note U l’ensemble des nombres complexes de module 1 :
U = {z ∈ C, |z| = 1}.
Chapitre 3 - Nombres complexes 51
Notation : soit θ ∈ R, on note

eiθ = cos θ + i sin θ ∈ U.
Proposition 3.7. Tout nombre complexe z de module 1 s’écrit sous la forme :
z = cos θ + i sin θ = eiθ .
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 ).
Propriété 3.1. Pour tout réel θ, on a :

e = 1, arg eiθ = θ[2π] et eiθ = e−iθ .
iθ
3. Formules de Moivre et Euler

Théorème 3.1. Soient θ et θ0 des réels, on a :
0 0
ei(θ+θ ) = eiθ eiθ .
Corollaire 3.2 (Formule de Moivre). Pour tout réel θ et tout entier naturel n, on a :
(cos θ + i sin θ)n = cos(nθ) + i sin(nθ).
Corollaire 3.3. Soient z et z 0 deux complexes non nuls, on a :

z
arg(zz ) = arg(z) + arg(z ) et arg 0 = arg(z) − arg(z 0 ).
0 0
z
Proposition 3.8 (Formules d’Euler). Pour tout réel θ, on a :
eiθ + e−iθ eiθ −e−iθ

cos θ = et sin θ = .
2 2i
III. Nombres complexes et trigonométrie
1. Formules de trigonométrie
Grâce aux formules d’Euler, on retrouve les formules classiques de la trigonométrie.
Proposition 3.9. Pour tout réel x, on a :
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.
Proposition 3.10. Pour tous réels a et b, on a :
cos(a + b) = cos a cos b − sin a sin b,

cos(a − b) = cos a cos b + sin a sin b,
sin(a + b) = sin a cos b + cos a sin b,
sin(a − b) = sin a cos b − cos a sin b.
Corollaire 3.4. Pour tous réels a et b, on a :

1
cos a cos b = [cos(a + b) + cos(a − b)] ,
2
1
sin a sin b = [cos(a − b) − cos(a + b)] ,
2
1
sin a cos b = [sin(a + b) + sin(a − b)] ,
2
Proposition 3.11. Pour tous réels p et q, on a :

p+q p−q
cos p + cos q = 2 cos cos ,
2 2

p+q p−q
cos p − cos q = −2 sin sin ,
2 2

p+q p−q
sin p + sin q = 2 sin cos ,
2 2

p+q p−q
sin p − sin q = 2 cos + sin ,
2 2
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.
Exemples 3.1. Pour tout réel θ, on a :

4
eiθ + e−iθ

4
cos θ =
2
1 4iθ
e + 4e2iθ + 6 + 4e−2iθ + e−4iθ

=
16
1 1 3
= cos(4θ) + cos(2θ) + .
8 2 8
5
e − e−iθ
iθ
5
sin θ =
2i
1
e5iθ − 5e3iθ + 10eiθ − 10e−iθ + 5e−3iθ − e−5iθ

=
32i
1 5 5
= sin(5θ) − sin(3θ) + sin θ.
16 16 8
Remarque 3.5. La linéarisation peut s’avérer très utile lorsqu’on cherche à intégrer cos2 θ, sin4 θ, . . .
Chapitre 3 - Nombres complexes 53
3. Développement de cos(nθ) et sin(nθ)
Soient n un entier et θ un réel. Dans ce paragraphe, on souhaite au contraire exprimer :

∗ cos(nθ) à l’aide de puissances de cos θ,
∗ sin(nθ) à l’aide de puissances de sin θ.
Le principe est le suivant :

1. on utilise la formule de Moivre :
cos(nθ) + i sin(nθ) = (cos θ + i sin θ)n ,
2. on développe le membre de droite à l’aide de la formule du binôme de Newton,

3. on identifie les parties réelles et imaginaires.
Exemple 3.2. On exprime cos3x et sin 3x en fonction de cos x et sin x respectivement :
cos(3x) + i sin(3x) = (cos x + i sin x)3

= cos3 x + 3i cos2 sin x − 3 cos x sin2 x − i sin3 x
= cos3 x − 3 cos x(1 − cos2 x) + i 3(1 − sin2 x) sin x − sin3 x

= 4 cos3 x − 3 cos x + i 3 sin x − 4 sin3 x

En égalisant les parties réelles et imaginaires, on trouve :
cos(3x) = 4 cos3 x − 3 cos x,

sin(3x) = 3 sin x − 4 sin3 x.
4. Expressions de la forme a cos θ + b sin θ
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 cos θ + b sin θ = r cos(θ − ϕ).

iϕ
Démonstration. L’idée√est d’écrire le complexe z = a + ib sous forme trigonométrique z = re .
Ainsi, on a r = |z| = a2 + b2 et ϕ est tel que :
a a b b
cos ϕ = =√ et sin ϕ = =√
r a + b2
2 r a + b2
2
Remarque 3.6. En physique, le réel r est appelé la phase et le réel ϕ le déphasage.
Exemple 3.3. Résoudre sur R l’équation :

1
sin x + √ cos x = −1.
3
Exercice 3.1. Résoudre sur R l’inéquation :
√ √
3 cos x + sin x − 2 < 0.
IV. Équations dans C
Dans cette partie on s’intéresse à la résolution d’équations du second ordre de la forme :
az 2 + bz + c = 0,
où a, b et c sont des nombres réels, a étant non nul.
Définition 3.7. On appelle discriminant de l’équation le réel noté ∆ défini par :
∆ = b2 − 4ac.
Proposition 3.13. L’équation az 2 + bz + c = 0 est telle que :

1. si ∆ > 0, alors l’équation admet deux racines réelles distinctes :
√ √
−b + ∆ −b − ∆
x1 = et x2 = ,
2a 2a
2. si ∆ = 0, alors l’équation admet une racine réelle double :
b
x0 = − ,
2a
3. si ∆ < 0, alors l’équation admet deux racines complexes conjuguées :
√ √
−b + i −∆ −b − i −∆
z1 = et z1 = .
2a 2a
Exemple 3.4. Déterminer les solutions réelles ou complexes de l’équation :
2z 2 + 2z + 5 = 0.
Proposition 3.14. Soient z1 et z2 les solutions réelles ou complexes conjuguées de l’équation
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.
Exercice 3.2. Existe-t-il un rectangle de périmètre 16 et d’aire 15 ?

Travaux Dirigés
Nombres complexes - trigonométrie
∗ ∗ ∗
I. Point cours
Exercice 1 Vrai ou faux ?

1. Soit u, v deux nombres complexes. Alors :
(a) <(uv) = <(u) × <(v). (d) |u + iv| = |v + iu|.

(b) |u + v|2 = |u|2 + 2uv + |v|2 . (e) |u| = |v| ⇐⇒ |u|2 = |v|2 .
(c) u + iv = 0 ⇒ u = v = 0.
π
2. i = ei 2 .
3. ∀z ∈ C, ez = 1 ⇐⇒ z = 0.
II. Écritures algébrique, trigonométrique et exponentielle
Exercice 2 Donner sous forme algébrique les complexes suivants :

2
1. z1 = (2 − 3i)(3 + i), 1+i
7. z7 = ,
2. z2 = (7 + i)2 , 2−i
π
3. z3 = (2 − i)(2 + i), 8. z8 = e−i 6 ,
1 √
4. z4 = , 9. z9 = ( 3 + i)5 ,
2−i
−1 + 2i (1 + i)4
5. z5 = , 10. z10 = √ ,
2 − 3i ( 3 − i)3
3 + 6i 1
6. z6 = , 11. z11 = .
3 − 4i 1+i
π π √ 5π
Exercice 3 Soient z1 = ei 6 , z2 = 3e−i 3 et z3 = 2e−i 6 .
z1
Donner la forme trigonométrique, puis la forme algébrique de complexes z1 z2 z3 , et z22 .
z2 z3
Exercice 4 Ecrire sous forme trigonométrique et exponentielle les complexes suivants :
√
1. z1 = 20, 5. z5 = − 3 + i,
2. z2 = −7, 4
6. z6 = ,
3. z3 = 7i 1+i
7. z7 = cos α eiθ , α ∈ ] − π, π], θ ∈ R.
4. z4 = 3 − 3i,
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
III. Module - argument
Exercice 7 Soit u et v sont deux nombres complexes. Montrer que :
|u + v|2 + |u − v|2 = 2 |u|2 + |v|2 .

Exercice 8 Soit z un nombre complexe. Montrer que :
|z| = 1 ⇔ z̄ = 1/z.
Exercice 9 Soit z et z 0 deux complexes de module 1 tels que zz 0 6= −1.

z + z0
Montrer que le nombre est réel.
1 + zz 0
IV. Trigonométrie - linéarisation
Exercice 10 Résoudre sur [−π, π] les équations et inéquations suivantes :

√ √
1. 3 sin 3x = −4, 2. 2 cos 2x < 2, 3. 1 < tan 5x ≤ 3.
Exercice 11 Linéariser les expressions suivantes :
1. cos3 x et sin3 x, 2. sin2 x cos3 x, 3. cos3 x sin 2x − cos 2x sin 3x.
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
Exercice 14 Déterminer les racines réelles ou complexes des polynômes :
1. P (x) = x2 − 3x + 5. 2. Q(x) = x2 + x + 1.
Exercice 15 Résoudre dans C l’équation
z 4 − 2z 2 cos 2a + 1 = 0,
où a est un réel donné.
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
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
59
∗ ∗ ∗
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

On remarque que le quadruplet (0, 0, 0, 0) est solution. Ce système est compatible.

3. Système de deux équations à deux inconnues :
(
x + 2y = 3
0=1
Ce système est incompatible.
Objectif : Résoudre le système (S), c’est-à-dire déterminer l’ensemble de ses solutions.
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.
Exemple 4.2. Les systèmes

( (
x + 2y = 3 x + 2y = 3
et
x + 3y = 5 y=2
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.
Exercice 4.1. Montrer le résultat de l’exemple précédent.
II. Résolution de systèmes particuliers
1. Systèmes triangulaires normalisés

Définition 4.6. On appelle système triangulaire normalisé tout système de n équations à n in-
connues ayant la forme triangulaire suivante :
x1 + a1,2 x2 + a1,3 x3 + · · · + a1,n xn = b1




x2 + a2,3 x3 + · · · + a2,n xn = b2





.. .. .
(T )
 . . = ..




 xn−1 + an−1,n xn = bn−1

x n = bn .
Chapitre 4 - Système linéaires 63
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 .

Exemple 4.3. Résoudre le système suivant :


 x − y + 3z = 5

y + 2z = 7

 z = 3.
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.
a1,1 x1 + a1,2 x2 + · · · + a1,i xi + a1,i+1 xi+1 + · · · + a1,r xr + · · · + a1,p xp


 = b1

a2,i xi + a2,i+1 xi+1 + · · · + a2,r xr + · · · + a2,p xp = b2






... .. .
= ..

.




.. .

..
= ..

.

(SE) .


 ar,k xk + · · · + ar,p xp = br

0 = br+1





 .. .
= ..




 .

0 = bn
De plus, on dit que le système échelonné est normalisé lorsque le premier coefficient non nul de
chaque ligne vaut un :
a1,1 = a2,i = · · · = ar,k = 1.
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.
Exemples 4.4. Les systèmes suivants sont échelonnés et normalisés :


 x − y + 3z + t − 2w = 5 

 2x + y + z = 3
z + w=2

 
 (
 
  y+z =1 2x + y + z = 3
(S1 ) t + 3w = 3 , (S2 ) et (S3 )
  z=6 y + z = 1.

 0=0 

0=0

 

 0=9
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.
Exercice 4.2. Résoudre les systèmes de l’exemple précédent :

∗ 0 = 9 : (S1 ) est incompatible,
∗ r = p = 3 : (S2 ) admet une unique solution,
∗ r = 2, p = 3 : (S3 ) admet une infinité de solutions paramétrées par une inconnue secondaire (y
ou z).
III. Méthode du pivot de Gauss

Le pivot de Gauss est un algorithme permettant de transformer un système quelconque (S) en un
système échelonné (SE) en effectuant une succession d’opérations élémentaires. Ainsi, le système
échelonné obtenu est équivalent au système initial. La résolution du système (S) revient donc à celle
du système échelonné (SE) qui a été traitée dans le paragraphe précédent.
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 .
3. On répète ces opérations sur le sous-système de n − 1 équations à au plus p − 1 inconnues

obtenu en omettant la première ligne.
4. On répète l’étape précédente jusqu’à obtenir un système échelonné.
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

IV. Description de l’ensemble des solutions
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.
Exercice 4.4. Donner le rang des systèmes de l’exemple précédent.
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 4.3. Un système linéaire de n équations à n inconnues est de Cramer, si et seulement si

son rang est égal à r.
Exercice 4.5. Le système suivant est-il de Cramer ?


 3x + 2y − z = −1

2x − y = −4

x+ y+z =3

3. Structure de l’ensemble des solutions

Théorème 4.3. Un système linéaire admet zéro, une unique ou une infinité de solutions.
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 .
Remarque 4.7. En d’autres termes :

∗ toute solution de (S) s’écrit comme somme de la solution particulière X0 de (S) et d’une
solution de (SH ),
∗ réciproquement, toute somme de X0 et d’une solution de (SH ) est solution de (S).
Exemple 4.5. On considère le système :

(
x − 3y + 2z = 2
2y − z = −1
Travaux Dirigés
∗ ∗ ∗
I. Point cours
Exercice 1 Vrai ou faux ? Justifier.

1. Un système linéaire homogène est compatible.
2. Un système linéaire peut posséder exactement deux solutions.
3. Un système linéaire de 7 équations à 3 inconnues est incompatible.
4. Un système linéaire de 2 équations à 4 inconnues possède une infinité de solutions.
5. Un système linéaire de 3 équations à 3 inconnues possède une unique solution.
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 ?
II. Premiers systèmes
Exercice 3 Résoudre le système suivant d’inconnues réelles :

x − 3y + z = 1
x + y + 2z = 14

x + 2y + 3z + t − u = 1
x + 2y + z + t + u = 3



 4y + z = 20
2x − 2y + z = 0


 x + z = 5
x + y − z = 10

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.
III. Systèmes à paramètres
Exercice 7 Soit m un réel. Résoudre suivant la valeur du paramètre m le système :


 x + y + z = m+1
(S1 ) mx + y + (m − 1)z = m
x + my + z = 1


mx + y = m2
(S2 )
x + my = 1


 (3 − m)x − 2y + 3z = 0
(S3 ) x − my + 2z = 0
(2 − m)z = 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

IV. Exercices de synthèse
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 12 Déterminer toutes les fonctions de la forme

f : R −→ R,
x 7−→ ax3 + bx2 + cx + d
telles que f (1) = 1 et f 0 (1) = 1.

Chapitre 4 - Systèmes linéaires 69
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 .

(b) Soient a1 , a2 , a3 et a4 sont des complexes donnés, résoudre dans C3 :



 x1 + x2 = 2a1
x2 + x3 = 2a2


 x3 + x4 = 2a3
x1 + x4 = 2a4

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
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
3. Cas homogène . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4. Avec second membre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5. Principe de superposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6. Problème de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
71
∗ ∗ ∗
Dans tout le chapitre, I désigne un intervalle de R non trivial, c’est-à-dir enon vide et non réduit à
un point.
I. Équations différentielles linéaires du premier ordre
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.
Remarque 5.1. Dans l’équation différentielle, y 0 et y sont des fonctions de la variable x ∈ I.
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,
dont la fonction exponentielle est une solution.

2. Soit q la charge sur l’armature gauche d’un condensateur dans un circuit RC. La loi des mailles
montre que l’évolution de la charge q est régie par une équation différentielle du premier ordre
non homogène :
dq q
R + = e(t).
dt C
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
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 .
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,
où a : I −→ R est une fonction continue définie sur l’intervalle I de R.
Théorème 5.2. Soit A : I −→ R une primitive de a.

Alors, les solutions sur I de l’équation différentielle homogène (EH ) sont de les fonctions définies
sur I par :
y(x) = λe−A(x) , λ ∈ R.
Exemples 5.2.
1. Soit a ∈ R, résolution sur R de l’équation différentielle :
y 0 + ay = 0.
2. Résolution sur R de l’équation différentielle :
y 0 − xy = 0.
Exercice 5.1. Résoudre sur R∗+ l’équation différentielle :
1
(EH ) y 0 + y = 0.
x
Chapitre 5 - Équations différentielles 75
4. Recherche d’une solution particulière par variation de la constante
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 :
yp0 (x) + a(x)yp (x) = λ0 (x)e−A(x) − λ(x)a(x)e−A(x) + a(x)λ(x)e−A(x)

∀ x ∈ I,
= λ0 (x)e−A(x) ,
La fonction yp est solution de (E) sur I si et seulement si
∀ x ∈ I, yp0 (x) + a(x)yp (x) = b(x),
c’est-à-dire
∀ x ∈ I, λ0 (x) = b(x)eA(x) .
La recherche d’une solution particulière se ramène ainsi au calcul d’une primitive.
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.
Exemple 5.3. Résoudre sur R∗+ l’équation différentielle :
1 1
(E) y 0 + y = √ .
x x2 + 1
5. Principe de superposition des solutions
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 :
(E) y 0 + a(x)y = b1 (x) + b2 (x),
où a, b1 , b2 : I −→ R sont des fonctions continues sur I.

On note (E1 ) et (E2 ) les équations différentielles suivantes :
(E1 ) y 0 + a(x)y = b1 (x) et (E2 ) y 0 + a(x)y = b2 (x).
Proposition 5.1. Si y1 est solution de (E1 ) et y2 solution de (E2 ), alors y1 + y2 est solution de (E).
Exemple 5.4. Résoudre sur R∗+ l’équation différentielle :
1 1
(E) y 0 + y = √ + 3x − 4.
x x2 + 1
6. Cas particuliers pour des coefficients constants
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.
1. Si b(x) = b est constante :

b
la fonction constante yp = a
est une solution particulière.
2. Si b(x) = P (x), où P est un polynôme :

on cherche une solution particulière sous la forme
yp (x) = Q(x),
où Q est un polynôme de même degré que P .
3. Si b(x) = P (x)emx , où m ∈ R et P est un polynôme :

yp (x) = xα Q(x)emx ,
(
1 si m = −a
où Q est un polynôme de même degré que P et α =
0 sinon.
4. Si b(x) = P (x) cos ωx ou b(x) = P (x) sin ωx, où ω ∈ R et P est un polynôme :

yp (x) = Q(x) cos ωx + R(x) sin ωx,
où Q et R sont des polynômes de même degré que P .
5. Si b(x) = (cos ωx)emx ou b(x) = (sin ωx)emx , où m, ω ∈ R :

yp (x) = (α cos ωw + β sin ωx)emx , α, β ∈ R.
Exercice 5.2. Résoudre sur R l’équation différentielle :
y 0 + 2y = 2x2 + (2x + 1)e−2x + (cos 3x)e−2x .

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.
Théorème 5.3. Tout problème de Cauchy admet une unique solution.
Exemples 5.6.
1. La fonction exponentielle est l’unique solution au problème de Cauchy :
(
y0 − y = 0
y(0) = 1.
2. On se place sur R∗+ , le problème de Cauchy :
y 0 + 1 y = √ 1

x x2 + 1
y(1) = 0.

II. Équations différentielles linéaires du second ordre
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
ordre avec second membre :

d2 q dq q
L 2
+ R + = e(t).
dt dt C

Comme pour les équations différentielles linéaires du premier ordre, on a le résultat suivant :
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,
où a, b et c sont des réels tels que a 6= 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
y(x) = Aer1 x + Ber2 x , A, B ∈ R.
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.
3. Si ∆ < 0 : l’équation caractéristique admet deux racine complexes conjuguées r1 = α + iβ et

r2 = α − iβ avec α, β ∈ R. Les solutions de (EH ) sont les fonctions définies par
y(x) = eαx (A cos βx + B sin βx), A, B ∈ R.
Exemples 5.8. Résoudre sur R les équations différentielles suivantes :

1. 2y 00 − 3y 0 + y = 0,
2. y 00 + 4y 0 + 4y = 0,
3. y 00 + ω 2 y = 0, ω > 0.
4. Avec second membre

On considère les équations différentielles du second ordre
(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.
Proposition 5.2. Soit z : I −→ C une solution complexe de (E). Alors :

∗ Re(z) est solution de : ay 00 + by 0 + cy = Re (f (x)),
∗ Im(z) est solution de : ay 00 + by 0 + cy = Im (f (x)),
Théorème 5.6. L’équation (E) ay 00 + by 0 + cy = P (x)emx , où m ∈ C et P est un polynôme à

coefficients complexes, admet une solution particulière de la forme :
yp (x) = xα Q(x)emx ,
où Q est un polynôme à coefficients complexes tel que deg(Q) = deg(P ) et


α = 0 si m n’est pas racine de l’équation caractéristique,

α = 1 si m est racine simple de l’équation caractéristique,

α = 2 si m est racine double de l’équation caractéristique.

Remarques 5.6. Cas particuliers utiles :

1. m = 0 et P polynôme à coefficients réels : la solution particulière recherchée sera de la forme
(
Q(x) si c 6= 0
yp (x) =
xQ(x) si c = 0.
où Q est un polynôme tel que deg(Q) = deg(P ).

2. m ∈ R et P polynôme à coefficients réels.

1. 2y 00 − 2y 0 + y = 3x2 + 2,
2. y 00 + 4y 0 + 4 = xe−2x ,
3. y 00 + y 0 = 2x.
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,
3. Prendre la partie réelle ou imaginaire de zp suivant les cas.

1. y 00 + 2y 0 + 5y = sin xex ,
2. y 00 + y = cos x,
3. y 00 − y 0 − 2y = (2x + 3) cos x.
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 :
(E) ay 00 + by 0 + cy = f1 (x) + f2 (x),
où a, b, c sont des réels (a 6= 0) et f, g : I −→ R sont des fonctions continues sur I.

On note (E1 ) et (E2 ) les équations différentielles suivantes :
(E1 ) ay 00 + by 0 + cy = f1 (x) et (E2 ) ay 00 + by 0 + cy = f2 (x).
Proposition 5.3. Si y1 est solution de (E1 ) et y2 solution de (E2 ), alors y1 + y2 est solution de (E).
Exemple 5.11. Résoudre sur R l’équation différentielle y 00 + y = cos x + sin 2x.
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.
Théorème 5.7. Tout problème de Cauchy admet une unique solution.

Travaux Dirigés
∗ ∗ ∗
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.
II. Premier ordre
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.
Exercice 4
y 0 + xy = x, sur R.

y
y0 − = x2 , sur ]0, +∞[.
x
2x
y0 − y = 1, sur ]0, +∞[
1 + x2

π π
y 0 − y tan x = − cos2 x, sur ] − , [.
2 2
π π
y 0 cos x + y sin x = x, sur ] − , [.
2 2
Exercice 5 Soit a un réel donné. Résoudre sur ]0, +∞[, l’équation différentielle
y
y0 = + xa .
x
Étudier la limite des solutions en 0.
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) :
P 0 = 0, 25P − 0, 000125P 2 (E)
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 ?
III. Second ordre
Exercice 7 Résoudre les équations différentielles :

1. y 00 + y = cos2 x
2
2. y 00 − 3y 0 + 2y = x3
3. y 00 − 2y 0 + y = ex + e−x
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
Exercice 8 Soit m un réel. sur R l’équation différentielle :
y 00 + 2my 0 + y = cos x (Em ).
On discutera en fonction des valeurs de m.
Exercice 9 On considére l’équation différentielle :
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.
Exercice 10 Résoudre l’équation différentielle
(E) y (4) − 2y 00 + y = 0,
où y (4) désigne la dérivée d’ordre 4 de y.

Indication : on pourra poser z = y 00 − y et rechercher une équation différentielle vérifiée par z.
Exercice 11 Soit (E) l’équation différentielle
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).
Exercice 12 On considère l’équation différentielle
(E) x2 y 00 + y = 0, x ∈]0, +∞[.
Soit y une solution de l’équation (E). On pose le changement de variables x = et et on considère la

fonction z définie sur R par z(t) = y(et ).
1. Trouver une équation différentielle simple vérifiée par z.
2. En déduire les solutions de l’équation (E).
Chapitre 6
Logique et raisonnements
Sommaire
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
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.
2. Opérations sur les propositions

Définition 6.2. Soient P et Q deux propositions. On définit les propositions suivantes :
∗ la négation de P , notée P qui est vraie si P est fausse et réciproquement.
∗ la proposition « P ou Q » qui est vraie si au moins l’une des deux propositions est vraie, fausse
sinon,
∗ la proposition « P et Q » qui est vraie si les propositions P et Q sont simultanément vraies,
fausse sinon.
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 ? ».
Proposition 6.1. Soient P et Q deux propositions. Alors,

1. La négation de « P ou Q » est « P et Q ».
2. La négation de « P et Q » est « P ou Q ».
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 6.2. Soit E un ensemble de réels.

1. La négation de la proposition : ∀ x ∈ E, x ≤ 2 est la proposition : ∃ x ∈ E, x > 2.
2. La négation de la proposition : ∃ x ∈ E, x > 1 est la proposition : ∀ x ∈ E, x ≤ 1.

3. La négation de la proposition : ∀x ∈ E, 1 < x ≤ 2 est la proposition : ∃x ∈ E, x ≤ 1 ou x > 2.
Exercice 6.1. Écrire mathématiquement les propositions suivantes et leur négation :

1. L’entier n est impair.
2. La suite réelle (un )n∈N est à termes positifs.
3. La suite réelle (un )n∈N est bornée.
4. La suite réelle (un )n∈N est majorée à partir d’un certain rang.
3. Implication, réciproque, contraposée

Définition 6.3. Soient P et Q deux propositions. On écrit P ⇒ Q et on lit « P implique Q » pour
dire que « si P est vraie, alors Q est vraie ».
Exemples 6.3.
1. ∀ x ∈ R, x = −1 ⇒ x2 = 1,
2. ∀ x, y ∈ R, xy = 0 ⇒ x = 0 ou y = 0.
Proposition 6.2. La négation de P ⇒ Q est « P et Q ».
Définition 6.4. Soient P et Q deux propositions. On appelle réciproque de l’implication P ⇒ Q

l’implication Q ⇒ P .
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.
Définition 6.5. On appelle contraposée de l’implication P ⇒ Q, l’implication Q ⇒ P .
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.
Proposition 6.3. Une implication et sa contraposée ont même véracité.
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.
Exemple 6.6. Pour tous réels x et y, on a : xy = 0 ⇔ x = 0 ou y = 0.

Chapitre 6 - Logique et raisonnement 89
II. Différents types de raisonnements
1. Prouver une proposition du type : ∀x ∈ E, P (x)
Pour montrer une proposition du type : ∀x ∈ E, P (x), on procède comme suit :

Soit x ∈ E.
.. (argumentation)
.
Alors, P (x) est vraie.
Conclusion : on a ainsi montré que pour tout x ∈ E, la propriété P (x) est vraie.
2. Prouver une implication P ⇒ Q
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.
3. Prouver une équivalence P ⇔ Q
Soient P et Q deux propositions, pour montrer l’implication P ⇔ Q, on peut :

1. Procéder directement par équivalences : P ⇔ P1 ⇔ · · · ⇔ Q.
2. Montrer les implications P ⇒ Q et Q ⇒ P avec l’une des méthodes du paragraphe précédent.
III. Raisonnement par récurrence
Soit P une propriété définie sur N. On écrit P(n) pour dire :
La propriété P est vraie au rang n.
Soit n0 ∈ N. On souhaite montrer que la propriété P est vraie pour tout n ≥ n0 .

1. Principe du raisonnement par récurrence

Pour montrer ce que la propriété P est vraie pour tout n ≥ n0 par récurrence sur n, on procède
en deux temps :
1. Initialisation : on montre P(n0 ).
2. Hérédité : soit n ≥ n0 , on montre P(n) ⇒ P(n + 1).
Remarque 6.5. On pourra comparer la récurrence à un principe de propagation.
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 :
u0 = 1, u1 = 2 et un+2 = un+1 + 2un .
Montrer que pour tout n ∈ N, un = 2n .
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.
Exemple 6.9. Montrer que tout entier n ≥ 2 admet un diviseur premier.
Remarques 6.6. Important :

∗ La récurrence est une méthode efficace pour montrer qu’une propriété P est vraie pour tout
n ≥ n0 .
∗ Pour autant, la récurrence n’est pas toujours la bonne méthode pour démontrer qu’une pro-
priété P est vraie pour tout n ≥ n0 .
Travaux Dirigés
Logique et raisonnement
∗ ∗ ∗
I. Logique et quantificateurs
Exercice 1 Soit f une fonction définie sur R et à valeurs dans R.

Ecrire mathématiquement les propriétés suivantes :
1. f prend la valeur 1.
2. f prend ses valeurs entre −2 et 3.
3. f ne prend que des valeurs entières.
4. f s’annule sur l’intervalle [−1, 1[.
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 3 Soit une fonction f définie sur intervalle I.

• Traduire en « français » les expressions avec quantificateurs,
• Formaliser avec les quantificateurs la négation de l’expression.
1. ∃ (m, M ) ∈ R2 , ∀ x ∈ I, m ≤ f (x) ≤ M .
2. ∀ (x, x0 ) ∈ I 2 , x 6= x0 ⇒ f (x) 6= f (x0 ) .
3. ∀ y ∈ R∗+ , ∃ x ∈ I, f (x) = y.
Exercice 4 Les assertions suivantes sont-elles vraies :

1. ∃ M ∈ R, ∀ n ∈ N∗ , 1
n
≤ M.
∗ 1
2. ∀ n ∈ N , ∃ M ∈ R, n
≤ M.
Y-a-t-il une différence entre les deux ?
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.
Exercice 6 Donner la contraposée des implications suivantes :

1. P : x ≥ A ⇒ f (x) ≥ B,
2. Q : x 6= y ⇒ f (x) 6= f (y).
II. Récurrence
Exercice 7 Soit x un réel strictement positif.

Montrer que pour tout entier n ≥ 2, on a l’inégalité de Bernoulli :
(1 + x)n > 1 + nx.
Exercice 8 Montrer que pour tout entier naturel n, l’entier 13n − 4n est divisible par 9.
On remarquera que 13 = 9 + 4.
Exercice 9 Soit (Fn )n∈N la suite de Fibonacci, définie par :
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
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
4. Sommes télescopiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
93
Suites et sommes
∗ ∗ ∗
Dans tout le chapitre, on note K = R ou C.
I. Suites récurrentes usuelles
1. Généralités sur les suites
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}.
2. Lorsqu’il n’y a pas d’ambiguité sur le sous-ensemble I, on note simplement (un ).

√

1
Exemples 7.1. , n2 − 4 n≥2 .
n n∈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
2. On définit (un )n∈N par récurrence :

1 2
u0 = 10 et ∀ n ∈ N, un+1 = un + .
2 un
2. Suites arithmétiques, géométriques
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.
Remarque 7.3. Pour tout n0 ∈ N, on a également :
∀ 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 .
Remarque 7.4. Pour tout n0 ∈ N, on a également :
∀ 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.
Méthode pratique de détermination de (un )n∈N (cas a 6= 1) :

1. On introduit une suite auxiliaire (vn )n∈N définie par : ∀ n ∈ N, vn = un − α, α ∈ K.
2. On calcule vn+1 :
vn+1 = un+1 − α = aun + b − α = avn + α(a − 1) + b.
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
Exercice 7.1. On considère la suite (un )n∈N définie par :

1
u0 = 2 et un+1 = un + 3.
2
Exprimer un en fonction de n.
4. Suites récurrentes linéaires d’ordre deux

Définition 7.5. On appelle suite récurrente linéaire d’ordre deux tout suite (un )n∈N vérifiant :
∀ n ∈ N, un+2 = aun+1 + bun , a, b ∈ K.
L’équation r2 − ar − b = 0 est appelée équation caractéristique de la suite (un )n∈N .
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 .
2. Si ∆ = 0 : l’équation caractéristique admet une racine réelle double r0 . Alors,
∃ A, B ∈ R, ∀ n ∈ N, un = (A + Bn)r0n .
3. Si ∆ < 0 : l’équation caractéristique admet deux racines complexes conjuguées r1 = reiθ et

r2 = re−iθ . Alors,
∃ A, B ∈ R, ∀ n ∈ N, un = rn (A cos(nθ) + B sin(nθ)).
Remarque 7.6. La détermination de A et B se fait à l’aide des valeurs de u0 et u1 qui conduit à la

résolution d’un système linéaire de deux équations dont A et B sont les inconnues.
Exemple 7.5. Retour à la suite de Fibonacci : on a ∆ = 5, donc l’équation caractéristique admet

deux racines réelles distincte √ √
1+ 5 1− 5
r1 = et r2 = .
2 2
D’après le théorème précédent, il existe A, B ∈ R tels que
∀ n ∈ N, Fn = Ar1n + Br2n .
Pour déterminer les valeurs de A et B, on résout le système suivant :

(
A+B =0
Ar1 + Br2 = 1.
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
II. Les sommes
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
2. De la même manière, on peut poser :

n
Y
ai = a1 × a2 × · · · × an .
i=1
Exemple 7.6. On note

n
X n
Y
i = 1 + 2 + · · · + n et i = 1 × 2 × · · · × n = n!
i=1 i=1
Propriétés 7.1. Soient a1 , . . . , an et b0 , . . . , bn des éléments de K, on a les propriétés suivantes.

1. Linéarité de la somme : soit λ ∈ R,
n
X n
X n
X n
X n
X
(ai + bi ) = ai + bi et λai = λ ai .
i=1 i=1 i=1 i=1 i=1
2. Relation de Chasles : pour tout entier r tel que 1 ≤ r ≤ n,

n
X r
X n
X
ai = ai + ai .
i=1 i=1 i=r+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
Proposition 7.4. Soit q ∈ R, on a :

n+1
1 − q

n
X si q 6= 1
1 + q + · · · + qn = qi = 1−q .
n+1 si q = 1.

i=1
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
Exercice 7.2. Soient n, p deux entiers tels que 0 ≤ p ≤ n et x ∈ R. Calculer :

n
X
p p+1 n
x +x + ··· + x = xi .
i=p
Proposition 7.5. Soit n un entier non nul. On a :

n
X n(n + 1)(2n + 1)
2 2
1 + 2 + ··· + n = 2
i2 =
i=1
6
et
n 2
3 3 3
X
3 n(n + 1)
1 + 2 + ··· + n = i = .
i=1
2
3. Formule du binôme de Newton

Définition 7.6. Soit n ∈ N. On appelle coefficients binomiaux les coefficients définit par :

n n!
= , 0 ≤ k ≤ n,
k k!(n − k)!
et on lit « k parmi n ».
Proposition 7.6. Soit n ∈ N∗ . On a :

n n
1. = = 1,
0 n

n n
2. ∀ k ∈ {0, . . . , n}, = ,
k n−k

n n−1 n−1
3. ∀ k ∈ {1, . . . , n}, = + (Formule de Pascal).
k k k−1
Proposition 7.7 (Formule du Binôme de Newton). Soient a, b ∈ K et n ∈ N. Alors, on a :

n n
n
X n k n−k
X n
(a + b) = a b = an−k bk .
k k
k=0 k=0
Exemples 7.7. Pour tout n ∈ N, on a :

n n
X n n
X n
=2 et (−1)k = 0.
k k
k=0 k=0
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
Exemple 7.8. cf td.

Travaux Dirigés
Suites et sommes
∗ ∗ ∗
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 3 Donner la forme générale des suites (un ) qui vérifient :

1. ∀n ∈ N, un+2 = 4(un+1 − un ). 3. ∀n ∈ N, 4un+2 = un .
2. ∀n ∈ N, un+2 = 2(un+1 − un ).
Déterminer dans tous les cas l’unique suite vérifiant de plus u0 = u1 = 1.
Exercice 4 Soit la suite (un )n∈N définie par :

u0 = 0, u1 = 1 et ∀n ∈ N, un+2 + 2un+1 + un = 0.
Montrer que :
∀n ∈ N, un = (−1)n+1 n.
II. Calculs de sommes
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 .
Exercice 6 Soit n ∈ N. Pour tout entier k, on pose ak = 3k + 1.

1. Écrire en extension (c’est-à-dire sans le symbole Σ) puis calculer les sommes suivantes :
6
X 10
X 2n
X
(a) S1 = a2k , (b) S2 = a10−k , (c) S3 = ak .
k=2 k=4 k=0
P
2. Écrire à l’aide du signe la somme T suivante puis la calculer :
T = a7 + a9 + a11 + · · · + a49 + a51 .
Exercice 7 Soit n ∈ N. Soit (uj ) une famille de réels indexée

P par {1, . . . , n}.
Exprimer dans chacun des cas suivants à l’aide du symbole la somme S de tous les termes de
rang pair et la somme T de tous les termes de rang impair quand :
1. n = 8. 2. n = 9. 3. l’entier n est quelconque.
Exercice 8 Soit x un réel. Simplifier :

n n n
X n k X
k n
X n k
1. A = x 4. D = (−1) 7. G = 3
k=0
k k=0
k k=1
k
n n n
X
k n k
X n k X n k+1
2. B = (−1) x 5. E = 3 8. H = 3
k k=0
k k
k=0 k=0
n n−1 n
k n n k n 3+kt
X X X
2k
3. C = (−1) x 6. F = 3 9. K = 2 , t ∈ R.
k=0
k k=0
k k=0
k
III. Télescopages
Exercice 9 Soit (Sn )n∈N∗ la suite définie par :

1 1 1
∀n ∈ N∗ , Sn = + + ··· + .
1×2 2×3 n × (n + 1)
1. Trouver deux réels a et b tels que :

1 a b
∀k ∈ N∗ , = + .
k(k + 1) k k+1
2. En déduire l’expression de Sn en fonction de n.
Exercice 10 Soit n un entier naturel et k un entier tel que 0 ≤ k ≤ n.

1. Développer uk = (k + 1)3 − k 3 .
n
X
2. Calculer uk .
k=0 n
X X
3. En déduire une expression en fonction de n de Sn = k 2 ne faisant pas intervenir .
k=0
Exercice 11 Pour tout entier n dans N on pose :

Xn
Sn = kk!.
k=0
Simplifier l’expression de Sn pour tout entier n en remarquant que k = k + 1 − 1.

Exercice 12 On considère une suite (un )n∈N définie par

u0 ∈ R
∀n ∈ N, un+1 = 3un − 2.
un
Soit (vn )n∈N la suite définie par : ∀n ∈ N, vn = .
3n
1. Calculer vk+1 − vk pour tout entier k ≥ 0.
2. En déduire vn en fonction de n.
3. Déduire la forme explicite de un .
Exercice 13 Soit a un réel, n un entier naturel, t un réel. On considère la somme de nombres

complexes A définie par :
Xn
A(t) = ei(a+kt) .
k=0
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
Exercice 14 Soit n ∈ N. On pose

E(n/2)
n n
X
k n
Sn = (1 + i) + (1 − i) , et Tn = (−1) .
k=0
2k
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 .
Exercice 15 On considère la suite définie comme suit :
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 .
2. Établir une relation de récurrence entre un+1 et un .

3. Calculer n2 − (n − 1)2 en fonction de n.
4. En regroupant les termes deux à deux, calculer un en fonction de n. On pourra séparer les cas
en fonction de la parité de n.
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
où E(x) désigne la fonction partie entière de x.

3. En déduire les valeurs de
E(n/2) E((n−1)/2)
X n X n
et .
k=0
2k k=0
2k + 1
Chapitre 8
Suites numériques
Sommaire
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
1. Opérations sur les suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
2. Monotonie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
3. Suites majorées, minorées, bornées . . . . . . . . . . . . . . . . . . . . . . . 108
4. Suites extraites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
II. Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
2. Théorèmes de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
3. Opération sur les limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
4. Limites et inégalités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
III. Suites monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
1. Propriétés de l’ensemble R . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
2. Théorème de convergence des suites monotones . . . . . . . . . . . . . . . . 113
3. Suites adjacentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
IV. Comparaison des suites réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
1. Suites négligeables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
2. Suites équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
105
Suites réelles
∗ ∗ ∗
Dans ce chapitre, on travaille avec des suites réelles.
I. Généralités
1. Opérations sur les suites

Définition 8.1. Soient (un )n∈N et (vn )n∈N deux suites réelles. On appelle somme des suites (un )n∈N et
(vn )n∈N , la suite (wn )n∈N définie par :
∀ 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.
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,
(un )n∈N est croissante ⇔ q ≥ 1.
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 .
3. Suites majorées, minorées, bornées

Définition 8.6. Soient (un )n∈N une suite réelle. On dit que
1. (un )n∈N est majorée si : ∃ M ∈ R, ∀ n ∈ N, un ≤ M ,
2. (un )n∈N est minorée si : ∃ m ∈ R, ∀ n ∈ N, un ≥ m,
3. (un )n∈N est bornée si elle est à la fois majorée et minorée, c’est-à-dire si :
∃ 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 ,
Exemple 8.4. Soit (un )n∈N la suite définie par : ∀ n ∈ N, un = (−1)n .

Pour tout entier n, on a : u2n = 1 et u2n+1 = −1.
Les suites extraites (u2n )n∈N et (u2n+1 )n∈N sont constantes.
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
∀ ε > 0, ∃n0 ∈ N, ∀ n ≥ n0 , |un − l| ≤ ε
et on note lim un = l.
n→+∞
Remarque 8.3. Dans cette définition, on peut remplacer ≤ ε par < ε.
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.
Proposition 8.2. Soit (un )n∈N une suite réelle. Alors, on a :
lim un = l ∈ R ⇒ lim |un | = |l|.

n→+∞ n→+∞
Démonstration. C’est une conséquence directe de l’inégalité triangulaire.
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→+∞
2. 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→+∞
Remarque 8.5. Dans cette définition, on peut remplacer ≤ A par < A.
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.
Théorème 8.2. Soient (un )n∈N une suite réelle et l ∈ R. Alors,
lim un = l ⇔ lim u2n = l et lim u2n+1 = l.

n→+∞ n→+∞ n→+∞
Exemple 8.5. La suite définie pour tout entier n par un = (−1)n est divergente.
Théorème 8.3. Toute suite réelle convergente est bornée.
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.
3. Opération sur les limites

Proposition 8.3. 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 de la somme de ces deux suites :
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 :
lim un l l>0 l<0 0 l>0 l<0 0 +∞ −∞ +∞

n→+∞
lim vn l’ +∞ +∞ +∞ −∞ −∞ −∞ +∞ −∞ −∞
n→+∞
lim (un vn ) ll’ +∞ −∞ X −∞ +∞ X +∞ +∞ −∞
n→+∞
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 −∞.
Théorème 8.5 (Passage à la limite dans une inégalité).

Soient (un )n∈N et (vn )n∈N deux suites réelles telles que :
1. les suites (un )n∈N et (vn )n∈N convergent,
2. ∃ n0 ∈ N, ∀ n ≥ n0 , un ≤ vn .
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
Théorème 8.6 (Théorème des gendarmes ou théorème d’encadrement).

Soient (un )n∈N , (vn )n∈N et (wn )n∈N trois suites réelles telles que :
1. les suites (un )n∈N et (wn )n∈N convergent vers la même limite l ∈ R,
2. ∃ n0 ∈ N, ∀ n ≥ n0 , un ≤ vn ≤ wn .
Alors, la suite (vn )n∈N converge vers l.
Exercice 8.1. Étudier la nature de la suite (un )n∈N définie par :

n
X 1
∀ n ∈ N, un = .
k=1
n2 + k
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→+∞
Exercice 8.2. Étudier la nature de la suite (un )n∈N définie par :

sin n
∀ n ∈ N, un = .
n
Théorème 8.7. Soient (un )n∈N et (vn )n∈N deux suites réelles telles que
1. la suite (un )n∈N tend vers +∞,
2. ∃ n0 ∈ N, ∀ n ≥ n0 , un ≤ vn .
Alors, la suite (vn )n∈N tend vers +∞ : lim vn = +∞.
n→+∞
III. Suites monotones
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,
(
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.
Exemples 8.6. La partie A =]0, 1] est telle que :

5
• 1, , 11, . . . sont des majorants de A,
4
1
• 0, − , −2, . . . sont des minorants de A,
2
• 1 est le plus grand élément de A,
• A n’admet pas de plus petit élément.
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.
Exemples 8.7. La partie A =]0, 1] est telle que :

• [1, +∞[ est l’ensemble des majorants de A,
• ] − ∞, 0] est l’ensemble des minorants de A,
• 1 est la borne supérieure de A,
• 0 est la borne inférieure de A.
Théorème 8.8 (Propriété de la borne supérieure).

1. Toute partie non vide et majorée de R admet une borne supérieure.
2. Toute partie non vide et minorée de R admet une borne inférieure.
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 :
E(x) ≤ x < E(x) + 1.
Remarque 8.10. En particulier, on a : x − 1 < E(x) ≤ x.

2. Théorème de convergence des suites monotones

Théorème 8.9.
1. (a) Toute suite (un ) réelle croissante majorée converge et lim un = sup{un , n ∈ N}.
n→+∞
(b) Toute suite (un ) réelle croissante non majorée tend vers +∞.
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
Proposition 8.8. Soit q ∈ R.

1. Si |q| < 1, alors lim q n = 0.
n→+∞
2. Si |q| > 1, alors la suite (q n ) diverge. En particulier, si q > 1, alors lim q n = +∞.
n→+∞
n
3. Si q = 1, alors lim q = 1.
n→+∞
4. Si q = −1, alors la suite (q n ) diverge.
Exemple 8.9. Retrouver la limite de la suite de Fibonacci.
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
IV. Comparaison des suites réelles
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
Remarque 8.11. Attention : ne jamais écrire un = o(0).
Proposition 8.9 (Comparaison de suites classiques). Soient a et b deux réels. On a :

1. si b > 0, ln n = o(nb ),
2. si a > 1, nb = o(an ),
3. an = o(n!).
e2n
Exemple 8.12. Calculer lim 2 .
n→+∞ n (n − 2)!
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→+∞
lim vn = ` (resp. + ∞, −∞).

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 ,
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
Travaux Dirigés
Suites réelles
∗ ∗ ∗
I. Point cours
Exercice 1 Vrai ou faux ? Justifier

√
1. La suite n − 1 + n n≥1 est majorée car : ∀n ≥ 1, un ≤ n.
2. Une suite strictement croissante tend vers +∞.
3. Si (un ) est montone, (un ) est convergente si et seulement si elle est majorée.
4. Une suite positive de limite nulle est décroissante à partir d’un certain rang.
5. Si (un ) converge, alors (un ) est monotone.

1
6. Les suites n + et (n)n≥1 sont adjacentes.
n n≥1
7. La suite (un ) est décroissante minorée donc convergente. Soit ` sa limite.
Comme on a : ∀n ∈ N, un > 1 on en déduit que ` > 1.
8. Soit un = (1 + 1/n)n . Comme (1 + 1/n) → 1, et que 1n → 1, on en déduit que (un ) converge
vers 1.
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 ?
Exercice 3 Les suites suivantes sont-elles minorées ? Majorées ? Bornées ?

3n − 1

1
1. ∀ n ∈ N, rn = . 4. ∀ n ∈ N, un = vn E , où vn > 0.
2n + 3 vn
nπ n
X 1
2. ∀ n ∈ N, sn = n cos , ?
5. ∀n ∈ N , wn = ,
2 (k + 1)2
k=1
n n
?
X 1 ?
X 1
3. ∀ n ∈ N , tn = , 6. ∀ n ∈ N , xn = √ .
k=1
k2k k=1
k
III. Convergence
1. Opérations sur les limites

Exercice 4 Étudier la convergence des suites données par les termes généraux suivants :

1 ln n sin n
un = 3 + + et vn = −1 + (n2 + e−n + 1).
n n n
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 ∈ N, |un+1 − `| ≤ M · |un − `|.
1. Montrer que : ∀n ∈ N, |un − `| ≤ M n · |u0 − `|.

2. (Application) On suppose que M < 1 et que u0 6= `.
(a) Montrer que la suite (un ) converge vers `.
(b) Justifier qu’il existe un rang n0 tel que pour tout entier n ≥ n0 , |un − `| ≤ 10−3 .
(c) Ici M = 21 . Trouver un rang n0 (en fonction de ` et u0 ) tel 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 10 Soit (un ) et (vn ) deux suites de réels telles que :
∀n ∈ N, un ∈ [0, 1], vn ∈ [0, 1], et lim un vn = 1.

n→+∞
Montrer que les suites (un ) et (vn ) convergent vers 1.

3. Croissances comparées - équivalents

Exercice 11 Donner un équivalent simple et étudier la nature de la suite :
√
1. rn = n + 1, 3. tn = n + en 5. vn = n + 1 − ln n
ln n n3 + 3n − 2
2. sn = n + ln n 4. u n = 6. w n =
n n2 − 6
Exercice 12 Étudier la convergence et la limite éventuelle de la suite (un ) définie par :

3n + n3 n
1. ∀n ∈ N, un = n . 4. ∀n ∈ N? , un = ln n .
4 + n4 n
n
1 1
n + sin n 5. ∀n ∈ N? , un = + .
2. ∀n ∈ N? , un = . 2 n
n + ln n
√ √ an − b n
6. ∀n ∈ N, u = , a > b ≥ 0.
p
3. ∀n ∈ N, un = n + n − n. n
an + b n
Exercice 13 Soit (un ) la suite définie par :

√
u0 = 1, u1 = 2 et ∀n ∈ N, un+2 = un+1 un .
1. Montrer que la suite est bien définie.

2. Calculer le terme général de la suite.
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→∞
1. Les suites (un ) et (vn ) sont-elles nécessairement convergentes ?

2. On suppose de plus que : ∀n ∈ N, un ≤ 2` et vn ≤ 2` .
Prouver que les suites (un ) et (vn ) convergent et calculer leur limite.
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.
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
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
IV. Décomposition dans R[X] et C[X] . . . . . . . . . . . . . . . . . . . . . . . . . 127
1. Polynômes irréductibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
2. Décomposition dans C[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
3. Décomposition dans R[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
121
Polynômes
∗ ∗ ∗
Dans tout le chapitre, K désigne R ou C.
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.
Exemples 9.1. P = 2X 2 − 3X + 5, Q = iX 4 − 2X 2 + (1 + 2i)X − 7, S = (i + X)4 .
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.
2. Opérations sur les polynômes

Définition 9.2. On appelle polynôme nul le polynôme 0 : x 7→ 0. Par convention, deg(0) = −∞.
Remarque 9.1. Un polynôme de degré 0 s’écrit P = α, avec α 6= 0.
Définition 9.3. Soient P et Q deux polynômes à coefficients dans K et λ ∈ K. On définit :

1. La somme des polynômes P et Q : c’est le polynôme P + Q : x 7→ P (x) + Q(x).
2. Le produit du polynôme P par le scalaire λ : c’est le polynôme λP : x 7→ λP (x).
3. Le produit des polynômes P et Q : c’est le polynôme P Q : x 7→ P (x)Q(x).

4. La composée de P par Q : c’est le polynôme P ◦ Q(x) = P Q(x) .
Exercice 9.1. Calculer P + Q, λP , P Q, P ◦ Q et Q ◦ P avec :

1. P = 2X 2 − 3X, Q = −2X 2 + 1 et λ = 5,
2. P = X 2 , Q = X 3 et λ = 1.
Proposition 9.1. Soient P, Q ∈ K[X] et λ ∈ K∗ . Alors, on a :

1. deg(P + Q) ≤ max(deg(P ), deg(Q)) avec égalité si deg(P ) 6= deg(Q),
2. deg(λP ) = λ deg(P ),
3. deg(P Q) = deg(P ) + deg(Q),
4. deg(P ◦ Q) = deg(P ) × deg(Q).
Remarque 9.2. En particulier, si P, Q ∈ Kn [X], alors λP + Q ∈ Kn [X].
Corollaire 9.1. Soient P, Q ∈ K[X]. Alors, on a :
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.
II. Polynôme dérivé - Formule de Taylor
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
Exemples 9.2. P = 2X 2 − 3X + 5, Q = iX 4 − 2X 2 + (1 + 2i)X − 7, S = (i + X)4 .
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 ,
Proposition 9.2. Soit P ∈ K[X] et n ∈ N . Alors,
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!
Remarque 9.4. On déduit de la proposition précédente la formule d’Euler Mac-Laurin :

n
X P (k) (0)
P = X k.
k=0
k!
Théorème 9.3 (Formule de Taylor). Soient P ∈ Kn [X] et α ∈ K. Alors, on a :

n
X P (k) (α)
P = (X − α)k .
k=0
k!
Exercice 9.2. Appliquer la formule de Taylor au polynôme P = X 2 + 12X + 1.
III. Racines d’un polynôme
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 .
Remarque 9.5. Dans ce cas, deg(Q) = deg(P ) − 1.
Proposition 9.4. Soient P ∈ K[X] et a ∈ K.

Alors, a est une racine de P si et seulement si P se factorise par X − a.
Exemple 9.4. Soit n ∈ N∗ . 1 est une racine de X n − 1, donc X − 1|X n − 1.
Corollaire 9.3. Soient P ∈ K[X] et a1 , . . . , ap ∈ K des racines distinctes de P .

Alors, P se factorise par (X − a1 ) . . . (X − ap ) ou encore (X − a1 ) . . . (X − ap )|P , c’est-à-dire :
∃ Q ∈ K[X], P = (X − a1 ) . . . (X − ap )Q(X) avec deg(Q) = n − p.
2. Égalité de polynômes
Théorème 9.4. Un polynôme P de degré n possède au plus n racines.
Exemple 9.5. j et j 2 sont racines du polynôme P = X 2 + X + 1. Comme deg(P ) = 2, ce sont les

seules.
Théorème 9.5. Soit P un polynôme de degré n qui admet au moins n + 1 racines.

Alors, P est le polynôme nul.
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.
∗ Si k = 1, on dit que a est racine simple.

∗ Si k = 2, on dit que a est racine double.
∗ Si k = 3, on dit que a est racine triple.
Remarque 9.6. Si k = 0, a n’est pas racine de P .
Exemple 9.6. Soit P = 2X 3 (X − 1)2 (X + 3) :

−3 est racine simple de P , 1 est racine double de P , 0 est racine de P de multiplicité 5.
Proposition 9.5. Soient P ∈ K[X], a ∈ K et k ∈ N∗ . Si a est une racine de P de multiplicité k, alors

a est racine de P 0 de multiplicité k − 1.
Exemple 9.7. Soit P = 2X 3 (X − 1)2 (X + 3) :

1 est racine simple de P 0 et 0 est racine de P 0 de multiplicité 4.
Théorème 9.6. Soient P ∈ K[X], a ∈ K et k ∈ N∗ . On équivalence entre :

(i) a est racine de P de multiplicité k,
(ii) P (a) = P 0 (a) = · · · = P (k−1) (a) = 0 et P (k) (a) 6= 0.
Exercice 9.4. Reprendre l’exemple précédent pour illustrer ce théorème.
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.
Remarque 9.7. Tout polynôme scindé s’écrit donc sous la forme :
P = λ(X − a1 )m1 . . . (X − ap )mp ,
où λ ∈ K, a1 , . . . , ap sont les racines de P de multiplicités respectives m1 , . . . , mp .

Dans ce cas,
deg(P ) = m1 + · · · + mp .
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].
IV. Décomposition dans R[X] et C[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.
2. Décomposition dans C[X]

Théorème 9.7 (Théorème de d’Alembert-Gauss).
Tout polynôme non constant de C[X] admet au moins une racine dans C.
Remarque 9.9. Ce théorème peut également s’énoncer sous la forme :

1. Les polynômes irréductibles dans C[X] sont les polynômes de degré 1.
2. Tout polynôme de C[X] est scindé.
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
où λ ∈ K, a1 , . . . , ap sont les racines de P de multiplicités respectives m1 , . . . , mp .
Exemple 9.10. Décomposition de X 5 − 1 dans C[X].
3. Décomposition dans R[X]

Proposition 9.6. Soit P ∈ R[X]. Si a est une racine complexe de P , alors le conjugué ā est aussi une
racine de P .
Théorème 9.9. Les polynômes irréductibles dans R[X] sont :

1. les polynômes de degré 1,
2. les polynômes de degré 2 dont le discriminant est strictement négatif.
Théorème 9.10. Tout polynôme de R[X] se décompose sous la forme :

p q
Y Y
mk
P =λ (X − ak ) (X 2 + bj X + cj )nj ,
k=1 j=1
où λ ∈ R, a1 , . . . , ap sont les racines réelles distinctes de P de multiplicités respectives m1 , . . . , mp

et les polynômes X 2 + bj X + cj ont un discriminant strictement négatif.
Proposition 9.7. Soit P ∈ R[X] un polynôme de degré impair. Alors, P admet une racine réelle.
Exemple 9.11. Décomposer dans R[X] les polynômes P = X 4 − X 3 + X 2 − X et Q = X 5 − 1.

Méthodes : deux méthodes sont envisageables.
1. On décompose P dans C[X] et on regroupe les termes X − a et X − ā en (X − a)(X − ā) qui
est un polynôme de R[X].
2. On recherche les racines réelles de P et on l’écrit sous la forme P = QR où le polynôme Q est
scindé et le polynôme R s’écrit comme produit de polynômes de degré 2 dont les racines sont
complexes conjuguées.
Travaux Dirigés
Polynômes
∗ ∗ ∗
I. Point cours
Exercice 1 Vrai ou faux ? (justifier)

1. La fonction exponentielle est polynomiale.
2. Si deux polynômes prennent les mêmes valeurs sur [0, 1], ils sont égaux.
3. Pour tout entier n positif, le polynôme : (n − 1)X 2n+1 + (n2 − 1)X 2 + 1 est de degré 2n + 1.
4. Comme le polynôme P a les mêmes racines que Q, P divise Q.
5. Soit λ ∈ C. Le polynôme constant égal à λ est de degré 0.
6. Le polynôme x 7→ x3 + x + 1 admet une racine complexe.
7. Le polynôme x 7→ x3 + x + 1 admet une racine réelle.
II. Coefficients - degré
Exercice 2 Soit n un entier naturel non nul et Pn la fonction polynomiale définie par :
Pn = (1 + (−1)n )X 2n + (n − 3)X 2n−1 + n2 − n.
Calculer le degré de Pn .
Exercice 3 Soit n ≥ 1. On considère un polynôme P de degré n.

Déterminer le degré et le coefficient dominant des polynômes : Q = X 2 P 0 + P , R = XP 0 + P et
S = XP 0 − nP .
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 .
Exercice 5 Déterminer tous les polynômes P ∈ R[X] satisfaisant à la relation :
P (X 2 ) = (X 2 + 1)P (X).
Exercice 6 Soit n ∈ N? . On cherche les polynômes Pn à coefficients réels tels que :
(En ) ∀x ∈ R (1 − x)Pn0 (x) − Pn (x) = xn .
1. Chercher les solutions constantes de (En ).

2. On suppose que Pn est une solution non constante de (En ). Quelle condition doit vérifier le
degré de Pn ?
3. Déterminer tous les coefficients de Pn et conclure.
4. Résoudre l’équation différentielle (En ) sur ]1, +∞[ et retrouver le résultat de la question pré-
cédente.
III. Racines - multiplicité - Formule de Taylor
Exercice 7 Déterminer les polynômes P à coefficients complexes tels que :
P (1) = 3, P 0 (1) = 4, P 00 (1) = 5, et ∀n > 2, P (n) (1) = 0.
Exercice 8 Soit n un entier naturel. On définit les polynômes P et Q par :
P = (X − 1)n+2 + X 2n+1 et Q = X 2 − X + 1.
Montrer que Q divise P .
Exercice 9 Montrer que le polynôme P défini par :
P = nX n+2 − (n + 2)X n+1 + (n + 2)X − n
est divisible par le polynôme (X − 1)3 .
Exercice 10 Soit (a, b) ∈ C2 , et P le polynôme défini par :
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).
Exercice 11 Soient P et Q deux polynômes tels que :
∀ n ∈ N, P (n) = Q(n2 ).
Que dire de P et Q ?
IV. Factorisation
Exercice 12 Soit θ un nombre réel, et P le polynôme défini par
P = X 2 − eiθ .
Factoriser P dans C.
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
Exercice 14 Soit n ∈ N∗ . On considère le polynôme Pn défini par :

n
X Xk
Pn =
k=0
k!
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 .
Exercice 15 Soit P un polynôme périodique de période T (T > 0).

1. Montrer que le polynôme Q défini par :
∀x ∈ R, Q (x) = P (x) − P (0)
est le polynôme nul.

2. Que peut-on en conclure ?
Exercice 16 Pour tout entier naturel n, on considère le polynôme Pn défini par :

n
k
Y
Pn = (1 + X 2 ).
k=0
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 .
Exercice 17 Soit n un entier naturel. On considère le polynôme Pn défini par :
X X(X − 1) X(X − 1)...(X − n)

Pn = 1 − + + · · · + (−1)n+1 .
1! 2! (n + 1)!
1. Factoriser P0 , P1 , P2 .
2. Factoriser Pn .
Chapitre 10
Matrices
Sommaire
I. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
2. Opérations dans Mn,p (K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
3. Transposée d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
II. Produit de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
2. Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
3. Écriture matricielle d’un système linéaire . . . . . . . . . . . . . . . . . . . 138
III. Les matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
1. Puissances de matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . 138
2. Matrices particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
IV. Matrices carrées inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
2. Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
3. Matrices inversibles et systèmes linéaires . . . . . . . . . . . . . . . . . . . 140
4. Recherche pratique de l’inverse d’une matrice inversible . . . . . . . . . . . 141
133
Matrices
∗ ∗ ∗
Dans tout le chapitre, K désigne R ou C.
I. Généralités
Soient n et p deux entiers naturels non nuls.
1. Définitions
Définition 10.1. On appelle matrice de taille n × p et à coefficients dans K un tableau à n lignes et

p colonnes d’éléments de K.
Notations
1. Soit A une matrice de taille n × p à coefficients dans K. On note :
 
a1,1 . . . a1,p
A =  ... .. 

. 
an,1 . . . an,p
où les ai,j est le coefficient de la matrice situé sur la ligne i et la colonne j.

2. On écrit également A = (ai,j ) 1≤i≤n ou plus simplement A = (ai,j ) pour désigner la matrice de
1≤j≤p
taille n × p dont les coefficients sont les (ai,j ).
3. On note Mn,p (K) l’ensemble des matrices de taille n × p et à coefficients dans K.
4. Si n = p, on dit que la matrice est carrée et on note Mn (K) l’ensemble des matrices carrées
de tailles n à coefficients dans K.
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.
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
2. Opérations dans Mn,p (K)
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.
1. On effectue la somme terme à terme.

2. On ne peut pas additionner deux matrices de tailles différentes.
Définition 10.3. Soient A = (ai,j ) une matrice de Mn,p (K) et λ ∈ K.
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
Remarque 10.2. On multiplie chaque coefficient par λ.
Propriétés 10.1. Soient A, B, C ∈ Mn,p (K) et λ, µ ∈ K. On a :
1. L’addition est associative : A + (B + C) = (A + B) + C.

2. L’addition est commutative : A + B = B + A.
3. Distributivité à droite : λ(A + B) = λA + λB.
4. Distributivité à gauche : (λ + µ)A = λA + µA.
5. Compatibilité de la multiplication : λ(µA) = (λµ)A.
Chapitre 10 - Matrices 137
3. Transposée d’une matrice
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
Remarque 10.4. Les colonnes de t A sont les lignes de A et inversement.
Propriétés 10.2. Soient A, B ∈ Mn,p (K). On a :

1. t (t A) = A,
2. t (A + B) = t A + t B.
II. Produit de matrices

Soient n, p, q des entiers naturels non nuls.
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
Remarques 10.5. Attention :

1. Il ne s’agit pas ici d’effectuer un produit terme à terme.
2. La matrice A doit avoir autant de colonnes que la matrice B a de lignes.
3. Rien ne dit que le produit BA existe.
Exemple 10.5. Soient

 
3 1
1 −1 7
A= ∈ M2,3 (R) et B = 5 −1 ∈ M3,2 (R).
−3 5 0
1 0
On a :
5 2
AB = M2 (R).
16 −8
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.
Remarque 10.6. Attention :

1. En général, deux matrices ne commutent pas :  
1 0
1 2 3
A= et B = 0 1 .
4 5 6
1 1
2. Le produit de deux matrices non nul peut être nul :

0 1 1 1
A= et B = .
0 0 0 0
3. Écriture matricielle d’un système linéaire

On considère un système linéaire (S) de n équations à p inconnues x1 , . . . , xp réelles ou complexes
de la forme : 

 a1,1 x1 + a1,2 x2 + · · · + a1,p xp = b1

 a2,1 x1 + a2,2 x2 + · · · + a2,p xp = b2

(S) ..


 .

an,1 x1 + an,2 x2 + · · · + an,p xp = bn

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
III. Les matrices carrées
1. Puissances de matrices carrées

Définition 10.6. Soit A ∈ Mn (K). Pour tout entier k ∈ N, on définit Ak par :
A0 = In , A1 = A, Ak = A × · · · × A (k fois).
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
Propriétés 10.4. Soient A, B ∈ Mn (K) et k, l ∈ N. Alors :

1. Ak Al = Ak+l ,
2. (Ak )l = Akl .
3. Si AB = BA, on a : (AB)k = Ak B k (faux en général).
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).
IV. Matrices carrées inversibles
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
Propriétés 10.6. Soient A ∈ GLn (K), B, B 0 ∈ Mn,p et C, C 0 ∈ Mq,n (K). On a :

1. Si AB = AB 0 , alors B = B 0 .
2. Si CA = CA0 , alors C = C 0 .
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 .
3. Matrices inversibles et systèmes linéaires
Proposition 10.2. Soit A ∈ Mn (K). Alors,
A ∈ GLn (K) ⇔ ∀ B ∈ Mn,1 (K), AX = B est un système de Cramer.
Définition 10.9. On appelle rang de la matrice, le rang de tout système linéaire qui lui est associé.
Remarque 10.12. Une matrice inversible de taille n est donc de rang n.

4. Recherche pratique de l’inverse d’une matrice inversible

• En utilisant un système linéaire associé :
   
x1 b1
 ..   .. 
Soit A ∈ GLn (K). On note X =  .  et B =  . .
xn bn
Alors,
AX = B ⇔ X = A−1 B.
Méthode :
1. On écrit le système associé à AX = B dont les inconnues sont x1 , . . . , xn .
2. On effectue un pivot de Gauss.
3. On exprime x1 , . . . , xn à l’aide de b1 , . . . , bn .
4. on obtient alors A−1 qui est la matrice telle que X = A−1 B.

1 2
Exercice 10.3. Déterminer l’inverse de la matrice A = .
1 3
• Avec un polynôme annulateur :

Soit A ∈ GLn (K) telle que A annule un polynôme P = a0 + a1 X + · · · + an X n avec a0 6= 0 et an 6= 0.
On a P (A) = 0, c’est-à-dire :
a0 In + a1 A + · · · + an An = 0.
D’où
−1
a1 In + a2 A + · · · + an An−1 A = In ,

a0
1
c’est-à-dire A est inversible et A−1 = − (a1 In + a2 A + · · · + an An−1 ).
a0
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.
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.
Exercice 4 Soit A, B deux matrices de Mn (K).

1. Factoriser les expressions suivantes :
(a) A + 2AB.
(b) A − 3BA.
2. Soit P une matrice de Mn (K) inversible telle que P AP −1 = B. Exprimer A en fonction de P
et B.
Exercice 5 Soit (x, y, z) ∈ K3 et (X, Y, Z) ∈ K3 défini par :


 X =2x − 3y + 4z

Y =x + y + z

 Z =x − z
   
x X
Écrire sous forme matricielle les relations précédentes à l’aide des matrices  y  et  Y .
z Z
Exercice 6 Soit A et B les matrices définies par :

   
2 2 3 3
A =  1 −1 0 B = −2 .
−1 2 1 4
1. Montrer que A est inversible et calculer son inverse.

2. Résoudre le système matriciel d’inconnue X : AX = B.
 
2 1 0
Exercice 7 Soit A =  −1 1 −1  .
0 0 2
1. Calculer A2 , A3 puis A3 − 5A2 + 9A.
2. En factorisant A3 − 5A2 + 9A, déduire que A est inversible et exprimer A−1 en fonction de A,
A2 et I3 .
3. Retrouver l’expression de A−1 par une méthode directe.
II. Puissances successives d’une matrice
Exercice 8 Soit θ un réel, on note R(θ) la matrice donnée par

cos θ − sin θ
R(θ) = .
sin θ cos θ
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
Exercice 9 On considère les matrices suivantes dans M3 (K) :

   
1 1 1 2 1 1
A= 1 1 1 B = 1 2 1 .
1 1 1 1 1 2
1. Calculer An pour tout entier naturel n (on pourra raisonner par récurrence).
2. En déduire B n pour tout entier naturel n.
Exercice 10 Soit a ∈ K et Ma la matrice de M3 (K) donnée par

 
−1 a a
Ma =  1 −1 0 .
−1 0 −1
On pose Ba = Ma + I, où I = I3 .
1. Calculer Ba2 , puis Ba3 et en déduire pour tout entier k ≥ 3 la valeur de Bak
2. En déduire Man pour tout entier naturel n ≥ 2.
3. La formule obtenue précédemment est-elle valable pour n = 0 ? n = 1 ?
4. Montrer que Ma est inversible et calculer Ma−1 .

5. La formule obtenue en 2. est-elle valable pour n = −1 ?
Exercice 11 Soit A la matrice de M3 (R) donnée par

 
1 2 4
A= 0 1 2 .
0 0 1
1. Montrer par récurrence que : 
1 an b n

∀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 .
III. Exercices de synthèse
Exercice 12 Soit A la matrice de M2 (R) donnée par

1 −1
A= .
1 3
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 .
5. En déduire pour tout entier n les expressions explicites de an et bn en fonction de a0 , b0 et n.
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 .
Exercice 15 Soit A une matrice de M2 (R).

1. Soit M une matrice qui commute avec A. Quel est le format de M ?
1 −1
2. Déterminer la forme générale des matrices M qui commutent avec la matrice A = .
2 3
3. Montrer que l’ensemble de ces matrices est l’ensemble des combinaisons linéaires de deux
matrices à préciser.
Exercice 16 Soit A une matrice carrée symétrique d’ordre n à coefficients réels.

Montrer que : si A2 = 0 alors A = 0 (examiner le signe des coefficients diagonaux de A2 ).
Chapitre 11
Espaces vectoriels
Sommaire
I. L’espace vectoriel Kn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
2. Les opérations dans Kn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
3. Représentation géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
4. Combinaisons linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
II. Sous-espaces vectoriels de Kn . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
2. Intersection de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . 151
3. Sous-espace vectoriel engendré par une famille . . . . . . . . . . . . . . . . 152
III. Familles libres, génératrices, bases . . . . . . . . . . . . . . . . . . . . . . . . . . 152
1. familles génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
2. Familles libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
3. Bases d’un sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . 153
IV. Dimension d’un sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . 154
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
2. Dimension et sous espaces-vectoriels . . . . . . . . . . . . . . . . . . . . . . 154
3. Rang d’une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . 155
147
Espaces vectoriels
∗ ∗ ∗
Dans tout le chapitre, K désigne R ou C. Soit n un entier naturel non nul.
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
2. Les opérations dans Kn

Définition 11.2. On définit l’addition de deux vecteurs u = (x1 , . . . , xn ) et v = (y1 , . . . , yn ) de Kn
par :
u + v = (x1 + y1 , . . . , xn + yn ) ∈ Kn .
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 .
Définition 11.3. Soit λ ∈ K un scalaire et u = (x1 , . . . , xn ) ∈ Kn un vecteur. On définit la multi-

plication du vecteur u par le scalaire λ par :
λ · u = (λx1 , . . . , λxn ) ∈ Kn .
Exemple 11.2. (1 + i) · (−2i, 3 − 2i, 1 − i) = (2 − 2i, 5 + i, 2).
Propriétés 11.2. Soient α, β ∈ K des scalaires et u, v, w des vecteurs de Kn , on a :

1. u + (v + w) = (u + v) + w (addition associative)
2. u + v = v + u (addition commutative)
3. u + 0Kn = 0K n + u = u (0Kn élément neutre pour l’addition)
4. (α + β) · u = α · u + β · u
5. α · (u + v) = α · u + α · v
6. α · (β · u) = (αβ) · u
7. 1 · u = u.
Proposition 11.1. Soient λ ∈ K et u ∈ Kn . On a :
λ·u=0 ⇔ λ = 0 ou u = 0Kn .
Remarques 11.1. En particulier, on a :

1. 0 · u = 0Kn ,
2. α · 0Kn = 0Kn .
Définition 11.4. L’ensemble Kn muni de l’addition et de la multiplication par un scalaire, vérifiant

les propriétés précédentes, est appelé espace vectoriel.
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
où λ1 , . . . , λp sont des scalaires.
Exemples 11.3.
1. Le vecteur (2, 3) est combinaison linéaire des vecteurs (1, 0) et (0, 1) :
(2, 3) = 2 · (1, 0) + 3 · (0, 1).
2. Le vecteur (2, 3) est combinaison linéaire des vecteurs (1, 2) et (0, 1) :
(2, 3) = 2 · (1, 2) − 1 · (0, 1).

Chapitre 11 - Espaces vectoriels 151
3. Tout vecteur (x, y, z) de K3 est combinaison linéaire de (1, 0, 0), (0, 1, 0) et (0, 0, 1) :
(x, y, z) = x · (1, 0, 0) + y · (0, 1, 0) + z · (0, 0, 1).
II. Sous-espaces vectoriels de Kn
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
5. K = {(x, 2y, xy) ∈ R3 , (x, y) ∈ R2 } n’est pas un sous-espace vectoriel de R3 : (1, 0, 0) ∈ K et

(0, 2, 0) ∈ K mais la somme n’est pas un vecteur de K.
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 .
Proposition 11.2. Soit F un sous-espace vectoriel de Kn et u1 , . . . , up des vecteurs de F .

Alors, toute combinaison linéaire de u1 , . . . , up appartient à 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.
2. Intersection de sous-espaces vectoriels

Proposition 11.3. L’intersection de deux sous-espaces vectoriels de Kn est un sous-espace vectoriel
de Kn .
Remarque 11.5. Ce résultat se généralise à une intersection quelconque de sous espaces vectoriels de
Kn .
Exemple 11.5. Soient F = {(x, y, z) ∈ R3 , x = 0} et G = {(x, y, z) ∈ R3 , z = 0}. F et G sont des

sous-espaces vectoriels de R3 . Alors, E ∩ F = {(x, y, z) ∈ R3 , x = z = 0} est un espace vectoriel.
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.
3. Sous-espace vectoriel engendré par une famille

Définition-Proposition 11.7. Soient u1 , . . . , up des vecteurs de Kn . L’ensemble des combinaisons li-
néaires de u1 , . . . , up est un sous-espace vectoriel de Kn appelé sous-espace vectoriel engendré
par u1 , . . . , up et noté Vect(u1 , . . . , up ) :
Vect(u1 , . . . , up ) = {λ1 u1 + · · · + λp up , λ1 , . . . , λp ∈ K}.
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 :
Vect(u1 , u2 ) = {αu + βv, α, β ∈ K} = {(α + 3β, 2α − β), α, β ∈ K}.
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}.
III. Familles libres, génératrices, bases
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 :
(u1 , . . . , up ) famille génératrice de F ⇔ Vect(u1 , . . . , up ) = F.
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).
Exercice 11.2. La familles suivantes sont-elles génératrices de R3 :

1. (1, −1, −1), (−1, 1, −1), (−1, −1, 1) ,

2. (1, −1, −1), (1, 1, 1), (3, 1, 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.
On dit aussi que les vecteurs u1 , . . . , up sont linéairement indépendants.

Dans le cas contraire, on dit que (u1 , . . . , up ) est une famille liée de F , c’est à dire s’il existe des
scalaires λ1 , . . . , λp non tous nuls tels que :
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 ,
Exemples 11.9. Dire si les familles suivantes de R3 sont libres ou liées :

1. (1, −1, −1), (−1, 1, −1), (−1, −1, 1) ,

2. (1, −1, −1), (1, 1, 1), (3, 1, 1) .
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.
Proposition 11.6. Soient (u1 , . . . , up ) une famille libre de Kn et v ∈ Kn . Alors,
(u1 , . . . , up , v) libre ⇔ v ∈
/ Vect(u1 , . . . , up ).
3. Bases d’un sous-espace vectoriel

Définition 11.10. Soient F un sous-espace vectoriel de Kn . On appelle base de F toute famille qui
est à la fois libre et génératrice.
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 .
Théorème 11.1. Soient F un sous-espace vectoriel de Kn et B = (e1 , . . . , ep ) une famille de vecteurs

de F . Alors, B est une base si, et seulement si, pour tout vecteur u ∈ F , il existe une unique famille
de scalaires (λ1 , . . . , λp ) ∈ Kp telle que :
u = λ1 e1 + · · · + λp ep .
Les scalaires λ1 , . . . , λp sont appelés coordonnées du vecteur u dans la base B.

Notation :  
λ1
 .. 
1. on note U = MatB u =  . .
λp
2. On note MatB (u1 , . . . , up ) la matrice de Mn,p (K) dont les colonnes sont les coordonnées des
vecteurs u1 , . . . , up dans la base B.
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.
Exemple 11.11. Soient u1 = (1, 3, 0) et u2 = (−1, 0, 2). On a :

 
1 −1
MatCan (u1 , u2 ) = 3 0  .
0 2
IV. Dimension d’un sous-espace vectoriel
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.
Exemple 11.12. dim Kn = n : la base canonique de Kn contient n vecteurs.
2. Dimension et sous espaces-vectoriels

Proposition 11.7. Soit F un sous-espace vectoriel de Kn de dimension p > 0. Alors,
1. Toute famille génératrice de F contient une base de F .
2. Toute famille génératrice de F possède au moins p vecteurs.
3. Toute famille génératrice de F qui possède p vecteurs est une base de F .
Proposition 11.8. Soit F un sous-espace vectoriel de Kn de dimension p > 0. Alors,

1. Toute famille libre de F peut être complétée en une base de F .
2. Toute famille libre de F possède au plus p vecteurs.
3. Toute famille libre de F qui possède p vecteurs est une base de F .
Proposition 11.9. Soient F et G deux sous-espaces vectoriels de Kn . Alors,

1. Si F ⊂ G, alors dim F ≤ dim G.
2. Si F ⊂ G et dim F = dim G, alors F = G.
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.
3. Rang d’une famille de vecteurs

Définition 11.13. Soient u1 , . . . , up des vecteurs de Kn . On appelle rang de la famille de vecteurs
(u1 , . . . , up ), noté rg(u1 , . . . , up ), la dimension du sous-espace vectoriel engendré par (u1 , . . . , up ) :
rg(u1 , . . . , up ) = dim Vect(u1 , . . . , up ).
Proposition 11.10. Soit (u1 , . . . , up ) une famille de vecteurs de Kn . Alors,

1. rg(u1 , . . . , up ) ≤ min(n, p),
2. rg(u1 , . . . , up ) = n ⇔ la famille (u1 , . . . , up ) est génératrice,
3. rg(u1 , . . . , up ) = p ⇔ la famille (u1 , . . . , up ) est libre.
Exemple 11.13. Déterminer le rang de la famille de vecteurs (u1 , u2 , u3 ) où :

1. u1 = (1, −1, −1), u2 = (−1, 1, −1) et u3 = (1, −1, −1),
2. u1 = (1, 0, −1), u2 = (0, 1, 1) et u3 = (2, 2, 0).
Proposition 11.11. Soit (u1 , . . . , up ) une famille de vecteurs de Kn . On note M = MatCan (u1 , . . . , up ).
Alors,
rg(u1 , . . . , up ) = rg M.
Travaux Dirigés
Espaces vectoriels
∗ ∗ ∗
I. Point cours
Exercice 1 Les sous-ensembles E suivants de C4 sont-ils des sous-espaces vectoriels ?

1. E = {(x, y, z, t) ∈ C4 , x − y + z + t = 0}
2. E = {(x, y, z, t) ∈ C4 , x − y + z + t = 1}
3. E = {(x, y, z, t) ∈ C4 , x = 0 ou y = 0}
4. E = {(x, y, z, t) ∈ C4 , x = 0 et y = 0}
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 .
II. Description paramétrique à partir des équations
Exercice 5 Dans R3 , on considère l’ensemble
F = {(x, y, z) ∈ R3 , x − 2y + 3z = 0}.
1. Montrer que F est un sous-espace vectoriel R3 .

2. En donner différentes bases.
Exercice 6 Dans R5 , on considère l’ensemble
F = {(x, y, z, t, u), x + 2y + 3z + t − u = 0 et x + 2y + z + t + u = 0} .
1. Montrer que F est un sous-espace vectoriel de R5 .

2. En donner une base.
III. Équations à partir d’une description paramétrique
Exercice 7 Dans l’espace vectoriel C4 , on considère l’ensemble :
E = {(a + 2b, −a + 3b, a, b), a, b ∈ C}.
1. Montrer que E est un sous-espace vectoriel de C4 .

2. En donner une base.
3. Donner un système d’équations de E.
Exercice 8 Dans C4 , on considère la famille de vecteurs F = (uj )1≤j≤3 défine par :
u1 = (1, −1, 0, 1), u2 = (1, 0, 0, 1) et u3 = (0, −1, 1, 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.
Exercice 9 Dans R4 , on considère les sous-espaces vectoriels suivants :
E = Vect((1, −1,0, 1), (0, 2, 1, 0)) et F = Vect((0, 6, −1,4), (3, 3, 1, 5)).
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.
IV. Bases - Changement de base
Exercice 10 Dans l’espace vectoriel R3 , on considère les vecteurs
u1 = (1, 1, −1), u2 = (1, 0, 1), et u3 = (1, 1, 0).
1. Montrer que ces vecteurs forment une base de R3 .

2. Soit v = (1, 2, 1). Donner la décomposition de v dans cette base.
Exercice 11 Dans l’espace vectoriel R3 , soit
u1 = (1, 0, 0), u2 = (1, −1, −1), et u3 = (−2, −1, 0).

1. Montrer que B = (u1 , u2 , u3 ) est une base de R3 .

2. Écrire la matrice de passage P de la base canonique à B. Calculer P −1 .
3. Soit w = (−1, 2, 4). Donner les coordonnées de w dans la base B.
V. Rang d’un système de vecteurs
Exercice 12 Etudier le rang des familles F de vecteurs suivantes :

1. F = ((1, 1, 1), (1, j, j 2 ), (1, j 2 ,j)) dans C3 .
2. F = ((1, 1, 1, 1), (1, i, −1,−i), (1, −1,1, −1), (1, −i,−1,i)) dans C4 .
3. F = ((1, a, a2 ,a3 ), (a, a2 ,a3 ,1), (a2 ,a3 ,1, a), (a3 ,1, a, a2 )) dans C4 , où a ∈ C ;
VI. Exercices de synthèse
Exercice 13 Dans l’espace vectoriel R3 , on considère les vecteurs :
u1 = (2, 3, −1), u2 = (1, −1,−2) et v1 = (3, 7, 0), v2 = (5, 0, −7).
Montrer que Vect(u1 , u2 ) = Vect(v1 , v2 ).
Exercice 14 Dans R4 , on considère la famille de vecteurs donnée par :
F = ((1, 1, −1,1), (1, 2, 1, 1), (1, 1, −2,1)).
1. Montrer que F est une famille libre de R4 .

2. Compléter cette famille pour former une base de R4 .
Exercice 15 Soit m ∈ R et les vecteurs suivants de R4 :
u1 = (m, 1, 1, 1), u2 = (1, m, 1, 1), u3 = (1, 1, m, 1) et u4 = (1, 1, 1, m).
1. Pour quelles valeurs de m les vecteurs u1 , u2 , u3 , u4 sont-ils linéairement indépendants dans

R4 ?
2. Quand ces vecteurs sont liés, calculer la dimension de Vect(u1 , u2 , u3 , u4 ).
Exercice 16 Dans R4 , on considère les vecteurs
u = (1, 1, 0, −1), v = (1, 0, 0, −1) et w = (1, 0, −1, 0)
1. La famille (u, v, w) est-elle une base de R4 ?

2. On note E = Vect(u, v, w). Donner une condition nécessaire et suffisante sur x, y, z, t pour
que (x, y, z, t) ∈ E.
3. Soit F = {(x, y, z, t) ∈ R4 , x + y − z + t = 0}. Montrer que F est un sous-espace vectoriel de
R4 .
4. Donner une base de E ∩ F .
Exercice 17 Dans R4 , on considère les cinq vecteurs :
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).
1. Montrer que ces cinq vecteurs forment une partie liée.

2. Peut-on alors affirmer que chacun de ces cinq vecteurs est combinaison linéaire des quatre
autres ?
Chapitre 12
Ensembles et applications
Sommaire
I. Les ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
2. Opérations sur les ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . 163
3. Le produit cartésien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
II. Les applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
2. Images directe et réciproque . . . . . . . . . . . . . . . . . . . . . . . . . . 166
3. Applications injectives, surjectives, bijectives . . . . . . . . . . . . . . . . . 167
161
∗ ∗ ∗
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.
On note P(E) l’ensemble des parties de E.
Exemple 12.1. Soit E = {a, b, c}. ł’ensemble des parties de E est :

P(E) = ∅, {a}, {b}, {c}, {a, b}, {a, c}, {b, c}, E .
Remarques 12.1.
1. Attention : Ne pas confondre l’élément a et l’ensemble {a}. On note :
a∈E et {a} ⊂ E.
2. Pour montrer l’inclusion F ⊂ E, on peut procéder comme suit :
Soit x ∈ F . Montrons que x ∈ E. On a . . . . Donc x ∈ E.
Proposition 12.1. Soient A et B deux ensembles. On a :
A=B ⇔ A⊂B et B ⊂ A.
Remarque 12.2. Important : Pour montrer une égalité d’ensembles, on procède par double inclusion.
2. Opérations sur les ensembles

Définition 12.3. Soient A et B deux sous-ensembles d’un ensemble E. On définit :
1. Le complémentaire de A : c’est l’ensemble {E A = A = {x ∈ E, x ∈
/ A}.
E A {E A
2. La réunion de A et B : c’est l’ensemble A ∪ B = {x ∈ E, x ∈ A ou x ∈ B}.
A A∪B B
3. L’intersection de A et B : c’est l’ensemble A ∩ B = {x ∈ E, x ∈ A et x ∈ B}.
A A∩B B
4. La différence de A et B : c’est l’ensemble A \ B = {x ∈ E, x ∈ A et x ∈

/ B}.
A\B
A B
Proposition 12.2. Soient A, B, C des sous-ensembles d’un ensemble E. On a :

1. A ∪ (B ∪ C) = (A ∪ B) ∪ C. (associativité de ∪)
2. A ∩ (B ∩ C) = (A ∩ B) ∩ C. (associativité de ∩)
3. A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C). (distributivité de ∩ par rapport à ∪)
4. A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C). (associativité de ∪ par rapport à ∩)
Proposition 12.3. Soient A, B des sous-ensembles d’un ensemble E. On a :

1. {E (A ∪ B) = {E A ∩ {E B.
2. {E (A ∩ B) = {E A ∪ {E 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
II. Les applications
Soient E, F et G des ensembles.
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).
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).
Remarque 12.3. Un élément y ∈ F peut avoir 0, 1, plusieurs antédécents.
Définition 12.8. Soient f : E −→ F et g : F −→ G deux applications. On appelle composée de f

par g, l’application de E dans G notée g ◦ f et définie par g ◦ f (x) = g f (x) .
g◦f
f g
E F G
x f (x) g f (x)
2. Images directe et réciproque
Soient E et F deux ensembles, f : E −→ F une application.
Définition 12.9. Soient A un sous-ensemble de E. On appelle image directe de A par f l’ensemble

noté f (A) des images des éléments de A par f :
f (A) = {f (x), x ∈ A}.
y
f
A f (A)
E F
f (A)
x
A
Définition 12.10. Soit B un sous-ensemble de F . On appelle image réciproque de B par f l’ensemble

noté f −1 (B) des antécédents des éléments de B par f :
f −1 (B) = {x ∈ E tel que f (x) ∈ B}.

f y
E F
B
B
x
−1
f −1
(B) f (B)
Remarque 12.4. Important : On a

1. y ∈ f (A) ⇔ ∃ x ∈ A, y = f (x).
2. x ∈ f −1 (B) ⇔ f (x) ∈ 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 :
f −1 ({y}) = {x ∈ E tel que f (x) = y}.
3. Applications injectives, surjectives, bijectives
Soient E et F deux ensembles, f : E −→ F une application.
Définition 12.11. On dit que l’application f est injective sur E si
∀ x, x0 ∈ E, f (x) = f (x0 ) ⇒ x = x0 .
On dit aussi que f est une injection de E sur F .
E F
Remarques 12.6. Soit une application f : E −→ F , on a équivalence entre :

(i) f est injjective de E,
(ii) tout élément y ∈ F , admet au plus un antécédent x ∈ E par f ,
(iii) ∀ x, x0 ∈ E, x 6= x0 ⇒ f (x) 6= f (x0 ).
Définition 12.12. On dit que l’application f est surjective de E sur F si
∀ y ∈ F, ∃x∈E f (x) = y.
On dit aussi que f est une surjection de E sur F .

E F
Remarque 12.7. Soit une application f : E −→ F , on a équivalence entre :

(i) f est surjective de E,
(ii) tout élément y ∈ F , admet (au moins) un antécédent x ∈ E par f ,
(iii) f (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 :
∀ y ∈ F, ∃! x ∈ E tel que f (x) = y.

f
E F
Théorème 12.1. Soit f : E −→ F une bijection de E sur F .

Il existe une unique application définie sur F et à valeurs dans E, notée f −1 , vérifiant :
f ◦ f −1 = idF et f −1 ◦ f = idE .
L’application f −1 s’appelle application réciproque de f : c’est l’application qui à un élément y ∈ F

associe son unique antécédent x ∈ E.
f
E F
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.
Proposition 12.4. Soit f : E −→ F une bijection de E sur F .

Alors l’application f −1 est une bijection de F sur E et on a :
−1
f −1 = f.
On dit que f et f −1 sont des bijections réciproques l’une de l’autre.

Propriété 12.1. Soit f : E −→ F une bijection, alors on a :
∀ 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 .
Travaux Dirigés
∗ ∗ ∗
Exercice 1 Soient A et B deux parties d’un ensemble E.

Montrer que : A ⊂ B ⇔ A ∩ B = ∅.
Exercice 2 Soient A et B deux parties d’un ensemble E telles que A ∪ B = A ∩ B.

Montrer que A = B.
Exercice 3 Soient A, B, C, D quatre parties d’un même ensemble E. On suppose que :
A ⊂ C, B ⊂ D, A∪B =C ∪D et C ∩ D = ∅.
Montrer que A = C et B = D.
Exercice 4 Soient E, F des ensembles et f : E −→ F une application. Soient A et B des parties

de E.
1. Montrer que si A ⊂ B, alors f (A) ⊂ f (B).
2. Montrer que f (A ∪ B) = f (A) ∪ f (B).
3. Montrer que f (A ∩ B) ⊂ f (A) ∩ f (B).
Montrer par un exemple que l’inclusion peut être stricte.
Exercice 5 Soient E, F des ensembles et f : E −→ F une application. Soient C et D des parties

de F .
1. Montrer que si C ⊂ D, alors f −1 (C) ⊂ f −1 (D).
2. Montrer que f −1 (C ∪ D) = f −1 (C) ∪ f −1 (D).
3. Montrer que f −1 (C ∩ D) = f −1 (C) ∩ f −1 (D).
Exercice 6 Soient E, F, G des ensembles, f : E −→ F et g : F −→ G des applications.

1. Montrer que si f et g sont injectives, alors g ◦ f est injective.
2. Montrer que si f et g sont surjectives, alors g ◦ f est surjective.
3. Montrer que si f et g sont bijectives, alors g ◦ f est bijective.
Chapitre 13
Applications linéaires
Sommaire
I. Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
2. Opérations sur les applications linéaires . . . . . . . . . . . . . . . . . . . . 175
II. Applications linéaires et sous-espaces vectoriels . . . . . . . . . . . . . . . . . . 176
1. Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
2. Image - Noyau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
3. Caractérisation de l’injectivité, de la surjectivité . . . . . . . . . . . . . . . 176
4. Applications linéaires et bases . . . . . . . . . . . . . . . . . . . . . . . . . 177
III. Matrices d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . 177
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
2. Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
3. Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
IV. Rang d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
2. Théorème du rang - applications . . . . . . . . . . . . . . . . . . . . . . . . 179
3. Détermination pratique du rang . . . . . . . . . . . . . . . . . . . . . . . . 180
173
∗ ∗ ∗
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 :
∀ α, β ∈ K, ∀u, v ∈ Kp , f (αu + βv) = αf (u) + βf (v).
On note L(Kp , Kn ) l’ensemble des applications linéaires de Kp dans Kn .

2. Lorsque p = n, on dit que f est un endomorphisme de Kn . On note L(Kn ) l’ensemble des
endomorphismes de Kn .
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).
Proposition 13.1. Soit f ∈ L(Kp , Kn ), alors f (0Kp ) = 0Kn .
Proposition 13.2. Soit f ∈ L(Kp , Kn ). Alors,

q q
!
X X
p
∀ λ1 , . . . , λq ∈ K, ∀ u1 , . . . , uq ∈ K , f λk u k = λk f (uk ).
k=1 k=0
2. Opérations sur les applications linéaires

Proposition 13.3. Soient f, g ∈ L(Kp , Kn ), λ ∈ K. Alors,
1. f + g ∈ L(Kp , Kn ),
2. λf ∈ L(Kp , Kn ).
Remarque 13.2. En d’autres termes, l’ensemble L(Kp , Kn ) est stable par combinaisons linéaires.
Proposition 13.4. Soient f ∈ L(Kq , Kp ) et g ∈ L(Kp , Kn ). Alors, g ◦ f ∈ L(Kq , Kn ).
Remarque 13.3. En particulier, si f ∈ L(Kn ), alors f q ∈ L(Kn ).
Proposition 13.5. Soit f ∈ L(Kp , Kn ). Si f est bijective, alors f −1 ∈ L(Kn , Kp ).

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 .
II. Applications linéaires et sous-espaces vectoriels
1. Proposition
Proposition 13.6. Soit f ∈ L(Kp , Kn ).

1. Soit U est un sous-espace vectoriel de Kp , alors f (U ) est un sous-espace vectoriel de Kn .
2. Soit V est un sous-espace vectoriel de Kn , alors f −1 (V ) est un sous-espace vectoriel de Kp .
2. Image - Noyau
Définition 13.3. Soit f ∈ L(Kp , Kn ).

1. On appelle noyau de f le sous-ensemble de Kp noté Ker f et défini par :
Ker f = {u ∈ Kp , f (u) = 0Kn }.
2. On appelle image de f le sous-ensemble de Kn noté Im f et défini par :
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.
Proposition 13.7. Soit f ∈ L(Kp , Kn ). Alors,

1. Ker f est un sous-espace vectoriel de Kp .
2. Im f est un sous-espace vectoriel de Kn .
3. Caractérisation de l’injectivité, de la surjectivité
Théorème 13.1. Soit f ∈ L(Kp , Kn ). Alors,

1. f est injective ⇔ Ker f = {0Kp }.
2. f est surjective ⇔ Im f = Kn .
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
4. Applications linéaires et bases

Théorème 13.2. Soient (e1 , . . . , ep ) une base de Kp et v1 , . . . , vp des vecteurs de Kn .
Alors, il existe une unique application linéaire f de Kp dans Kn telle que :
∀ i ∈ {1, . . . , p}, f (ei ) = vi .
Corollaire 13.1. Deux applications linéaires qui coïncident sur une base sont égales.
Proposition 13.8. Soient f ∈ L(Kp , Kn ) et B = (e1 , . . . , ep ) une base de Kp . Alors,

Im f = Vect f (e1 ), . . . , f (ep ) .
Proposition 13.9. Soient f ∈ L(Kp , Kn ) et B = (e1 , . . . , ep ) une base de Kp . Alors,

1. f est injective ⇔ (f (e1 ), . . . , f (ep )) est une famille libre de Kn .
2. f est surjective ⇔ (f (e1 ), . . . , f (ep )) est une famille génératrice de Kn .
3. f est bijective ⇔ (f (e1 ), . . . , f (ep )) est une base de Kn (dans ce cas n = p).
Exemples 13.3. Cas des applications linéaires f et g.
III. Matrices d’une application linéaire
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.
Proposition 13.10. Soient f ∈ L(Kp , Kn ), on note A = MatB,B0 f . Pour tout u ∈ Kp , on a
Y = AX,
où X = MatB u et Y = MatB0 f (u).
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.
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.
2. Opérations sur les matrices

Soient B une base de Kp , B 0 une base de Kn et B 00 une base de Kq .
Proposition 13.12. Soient f, g ∈ L(Kp , Kn ), λ ∈ K. Alors,

1. MatB,B0 (f + g) = MatB,B0 f + MatB,B0 g,
2. MatB,B0 (λf ) = λ MatB,B0 f .
Proposition 13.13. Soient f ∈ L(Kp , Kn ) et g ∈ L(Kn , Kq ). Alors,
MatB,B00 (g ◦ f ) = MatB,B0 g × MatB,B0 f.
En particulier, si f ∈ L(Kp ), alors pour tout entier k :

k
MatB (f k ) = MatB f .
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.
Proposition 13.14. Soit f ∈ L(Kp , Kn ).

Alors, f est un isomorphisme si, et seulement si, MatB,B0 f est une matrice carrée inversible.
Dans ce cas, on a : −1
MatB0 ,B (f −1 ) = MatB,B0 f .
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 :
P = MatB (e01 , . . . , e0p ).
Remarque 13.8. Il s’agit de la matrice des coordonnées de vecteurs de B 0 dans la base B.
Exercice 13.2. Soient u = (0, 1, 0), v = (2, −4, 0) et w = (1, 1, 1).

1. Montrer que (u, v, w) est une base de R3 .
2. Donner la matrice de passage de la base canonique à la base (u, v, w).
Proposition 13.15. Soit u ∈ Kp . On note X = MatB u et X 0 = MatB0 u. Alors, on a :
X = P X 0,
0
où P = PBB .
Exemple 13.8.
Théorème 13.3. On note A = MatB f et A0 = MatB0 f . Alors, on a :
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.
IV. Rang d’une application linéaire
1. Définition
Définition 13.6. Soit f ∈ L(Kp , Kn ). On appelle rang de f la dimension de l’image de f :
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 ) .
2. Théorème du rang - applications
Théorème 13.4 (Théorème du rang). Soit f ∈ L(Kp , Kn ). Alors, on a :
dim E = dim Ker f + rg f = dim Ker f + dim Im f .
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 .
Proposition 13.16. Soit f un endomorphisme de Kp . Alors, on a
f injective ⇔ f surjective ⇔ f bijective.

3. Détermination pratique du rang

Proposition 13.17. Soit f ∈ L(Kp , Kn ) et A une matrice de f dans des bases quelconques. Alors,
rg f = rg A.
Proposition 13.18. Soit A ∈ Mn,p (K). Alors, on 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
∗ ∗ ∗
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 2 Les applications suivantes sont-elles des applications linéaires ? Justifier.

1. f : R4 −→ R2 telle que f (x, y, z, t) = (2x − y, x − xy),
2. g : R2 −→ R3 telle que g(x, y) = (x, y, x + y),
3. h : R2 −→ R4 telle que h(x, y) = (x + y, x − y, x2 , y 2 ).
II. Matrice d’une application linéaire
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.
Exercice 4 On considère l’application linéaire f définie de R3 dans R3 par :
f (x, y, z) = (x − z, y, y).
1. Déterminer la matrice A de f relativement à la base canonique de R3 .

2. Calculer les puissances successives de A.
III. Noyau - Image
Exercice 5 Soit f l’application définie de R2 dans R3 par f (x, y) = (x − y, x + y, x + 2y).

1. Justifier que f est une application linéaire, et donner sa matrice.
2. Déterminer son noyau et son image.
3. Vérifier que dim ker f + dim Im f = 2.
Exercice 6 Soit f l’application de R4 dans R3 définie par : (x, y, z, t) 7−→ (x + y, y + z, z + t).

1. Montrer que f est linéaire ; est-elle injective ? Déterminer Im f .
2. On note F le sous-espace de R4 d’équation x − y + z − t = 0, et f˜ la restriction de f à F .
(a) Exprimer à l’aide de ker f et d’opérations ensemblistes l’ensemble ker f˜.
(b) L’application f˜ est-elle injective ?
IV. Changement de base
Exercice 7 On considère l’espace vectoriel R3 muni de sa base canonique B = (e1 , e2 , e3 ) et soit

f : R3 → R3 une application linéaire dont la matrice sur B est
 
2 1 0
A = 1 −1 4 
1 0 −1
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 .
Exercice 8 Soit f l’application linéaire de R3 dans lui-même définie par :
f (1, 0, 0) = (−2, −2, −4), f (0, 1, 0) = (−3, −1, −4) et f (0, 0, 1) = (3, 2, 5).
1. Déterminer f (x, y, z) pour tout (x, y, z) de R3 .

2. Déterminer f ◦ f (x, y, z) .
3. Soit N = {u ∈ R3 , f (u) = 0} et I = {u ∈ R3 , f (u) = u}.
Montrer que N et I sont des sous-espaces vectoriels de R3 et en donner des bases BN et BI .
4. Montrer que la réunion des deux bases BN et BI est une base B de R3 .
5. Écrire la matrice B de f dans cette base.
V. Exercices de synthèse
 
−1 1 1/2
Exercice 9 On considère la matrice A = −2 2 1/2.
−2 1 3/2
1. Donner l’application linéaire f dont A est la matrice dans la base canonique.

2. L’application f est-elle injective ? surjective ?
3. Soient u = (1, 1, 1), v = (1, 0, 4) et w = (−1, 3, 2).
(a) Montrer que (u, v, w) est une base de R3 .
(b) Donner la matrice de f dans cette base.
Exercice 10 On note B = (i, j, k) la base canonique de R3 et on considère les vecteurs
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 :
f (i) = I, f (j) = J et f (k) = K.
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 ?
Exercice 11 Considérons l’espace vectoriel R3 muni de sa base canonique (e1 , e2 , e3 ). Soit

 
−5 −2 1
A= 7 4 1 .
4 4 4
On note f l’endomorphisme de R3 dont la matrice dans la base canonique est A.

1. Déterminer Im f et ker f .
2. Montrer que la famille U = (e1 − 2e2 + e3 , e1 − e2 , e2 + 2e3 ) est une base de R3 .
3. Déterminer B, la matrice de f dans la base U.
4. Pour n ∈ N, calculer B n et An .
5. Soient (un )n∈N , (vn )n∈N et (wn )n∈N les trois suites définies par :
 
 u0 = 1  un+1 = −5un − 2vn + wn
v0 = 0 et ∀n ∈ N, vn+1 = 7un + 4vn + wn .
w0 = 0 wn+1 = 4(un + vn + wn )
 
Calculer explicitement les termes un , vn et wn .
Exercice 12 Soit f l’application linéaire de R3 dans R3 de matrice

 
1 −1 2
A=  −2 1 −3 
−1 1 −2
dans la base canonique de R3 .

1. Déterminer des vecteurs non nuls u, v et w tels que : f (u) = 0, f (v) = u et f (w) = v.
2. Vérifier que B = (u, v, w) forme une base de R3 .
3. Déterminer la matrice B de f dans la base B.
4. Calculer B 2 , B 3 puis B n pour tout entier n positif.
5. En déduire la forme explicite de An pour tout n > 2.
Exercice 13 On considère l’espace vectoriel R3 muni de sa base canonique B = (e1 , e2 , e3 ) et

l’endomorphisme f de R3 dont la matrice sur B est
 
5 −8 4
A = 1 0 0  .
0 1 0
On notera idR3 l’application identité de R3 et I3 sa matrice sur la base B.

1. (a) Soit λ ∈ R. Calculer en fonction de λ le rang de la matrice Aλ définie par Aλ = A − λI3 .
(b) En déduire l’ensemble S des réels λ tels que Aλ n’est pas inversible.
(c) Pour chaque réel λ dans S donner la dimension et une base du sous-espace vectoriel Eλ
défini par Eλ =Ker (f − λ idR3 ).
2. On pose v1 = (1, 1, 1) et v2 = (4, 2, 1).
(a) Montrer que f (v1 ) = v1 et que f (v2 ) = 2v2 .
(b) Déterminer l’ensemble V des vecteurs de R3 tels que f (v) = v2 + 2v. On note dans la
suite v3 l’unique vecteur de V dont la dernière coordonnée est nulle.
(c) Montrer que la famille B 0 = (v1 , v2 , v3 ) est une base de R3 .
(d) Donner la matrice A0 de f sur la base B 0 .
(e) Écrire la matrice de passage P de B à B 0 , calculer son inverse P −1 , et donner une relation
entre A, A0 , P.
3. Trouver les matrices M ∈ M3 (R) telles que A0 M = M A0 (on dit que M et A0 commutent).
4. Dans cette question on cherche les matrices N ∈ M3 (R) telles que A et N commutent.
(a) Montrer que N commute avec A si et seulement si la matrice M définie par M = P −1 N P
commute avec A0 .
(b) En déduire la forme explicite des matrices N ∈ M3 (R) telles que A et N commutent.
(c) On dit que deux endomorphismes u et v commutent si et seulement si u◦v = v ◦u. Donner
les matrices sur la base B des endomorphismes g de R3 tels que g commute avec f.
Chapitre 14
Dénombrement
Sommaire
I. Cardinal d’un ensemble fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
1. Définition et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
2. Cardinal d’une réunion disjointe . . . . . . . . . . . . . . . . . . . . . . . . 187
3. Cardinal d’une réunion quelconque . . . . . . . . . . . . . . . . . . . . . . . 188
4. Cardinal d’un produit cartésien . . . . . . . . . . . . . . . . . . . . . . . . 188
II. Dénombrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
1. Les p-listes ou p-uplets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
2. Arrangements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
3. Permutations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
4. Combinaisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
185
Dénombrement
∗ ∗ ∗
I. Cardinal d’un ensemble fini
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.
Dans ce cas, on note Card(E) = n ou encore #E = n.

∗ Si E est l’ensemble vide, noté ∅, alors par convention Card(E) = 0.
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.
Proposition 14.1. Soit E un ensemble fini et A un sous-ensemble de E. Alors,

∗ A est un ensemble fini et Card(A) ≤ Card(E),
∗ Card(A) = Card(E) si, et seulement si, A = E.
2. Cardinal d’une réunion disjointe
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).
Remarque 14.1. Ce résultat se généralise à la réunion de n ensembles finis A1 , . . . , An (n ≥ 1) deux

à deux disjoints, c’est-à-dire tels que :
∀ i, j ∈ {1, . . . , n} tels que i 6= j, Ai ∩ Aj = ∅.

Alors, l’ensemble A1 ∪ · · · ∪ An est fini et on a :

n
! n
[ X
Card Ak = Card(Ak ).
k=1 k=1
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 :
Card(A ∪ B ∪ C) = Card(A) + Card(B) + Card(C).
Proposition 14.3. Soit E un ensemble fini et A un sous-ensemble de E. Alors,
Card(A) = Card(E) − Card(A).
3. Cardinal d’une réunion quelconque
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
Remarque 14.2. Dans le cas particulier n = 3, on a :
Card(A1 ∪ A2 ∪ A3 ) = Card(A1 ) + Card(A2 ) + Card(A3 )

− Card(A1 ∩ A2 ) − Card(A1 ∩ A3 ) − Card(A2 ∩ A3 )
+ Card(A1 ∩ A2 ∩ A3 ).
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 ?
4. Cardinal d’un produit cartésien
Proposition 14.6. Soient E et F des ensembles finis.

Alors, le produit cartésien E × F = {(a, b), a ∈ E, b ∈ F } est aussi un ensemble fini et on a :
Card(E × F ) = Card(E) × Card(F ).
Remarque 14.3. Ce résultat se généralise au produit cartésien de p ensembles finis E1 , . . . , Ep , p ≥ 1.

Chapitre 14 - Dénombrement 189
L’ensemble E1 × · · · × Ep est fini et on a :

p
Y
Card (E1 × · · · × Ep ) = Card(Ek ).
k=1
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
1. Les p-listes ou p-uplets

Définition 14.3. Soit E un ensemble et p un entier naturel non nul, on appelle p-liste ou p-ulplet
de E tout élément (x1 , . . . , xp ) de E p .
Remarque 14.4. Important :

∗ Dans un p-uplet, on peut répéter les éléments et l’ordre compte.
∗ Situation type : « tirages successifs avec remise ».
Proposition 14.8. Si Card E = n, alors le nombre de p-uplets de E est np .
Exemple 14.6. (1, 2, −1, 5, 2) est un 5-uplet.
Propriété 14.1. Deux p-uplets sont égaux si, et seulement si leurs éléments sont deux à deux égaux :
(x1 , . . . , xp ) = (y1 , . . . , yp ) ⇔ ∀ i ∈ {1, . . . , n}, x i = yi .
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

Proposition 14.10. Soit E un ensemble fini de cardinal n. Alors, il y a 2n parties distinctes de E :
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 .

∗ Dans un arrangement, les éléments sont différents et l’ordre compte.
∗ Situation type : « tirages successifs avec remise ».
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.
Théorème 14.3. Soit E un ensemble fini de cardinal n. Le nombre de permutations de E est :
Ann = n!
Exemple 14.8. Recherche d’anagrammes

1. Avec des lettres distinctes : dénombrer les anagrammes des mots lapin, physique.
2. Avec des lettres répétées : dénombrer les anagrammes des mots permutation, ornithorynque.
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.

∗ Dans une combinaison, on ne peut pas répéter les éléments et il n’y a pas d’ordre.
∗ Situation typique : « tirage simultané de p objets parmi n ».
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)!

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
Card (P(E)) = 2Card(E)
à l’aide de la formule du binôme de Newton.

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 2 Un jeu de cartes contient 32 cartes. On en prend 3 successivement, sans remise.

De combien de façons peut-on opérer pour obtenir au moins un coeur ?
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 7 Un tiroir contient 5 paires de chaussures noires, 3 paires de chaussures vertes et 2

paires de chaussures rouges. On choisit deux chaussures au hasard et simultanément.
1. Combien y a t-il de tirages possibles ?
2. Combien amènent deux chaussures de la même couleur ?
3. Combien amènent un pied gauche et un pied droit ?

4. Combien permettent de reconstituer une vraie paire de chaussures ?
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 11 De combien de façons peut-on répartir un groupe de 10 personnes en trois groupes

numérotés 1, 2 et 3 de sorte qu’il y ait au moins une personne dans chaque groupe ?
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 ?
Exercice 13 Soient E et F deux ensembles disjoints ayant respectivement p et q éléments, et r

un entier tel que r ≤ p + q.
1. En dénombrant de deux façons le nombre de parties à r éléments de E ∪ F , montrer que
p+q
X p q p+q
= .
i=0
i r−i r
n 2
X n
2. En déduire une expression simple de : .
i=0
i
Exercice 14 On considère un ensemble E à n éléments et une partie A fixée de E, de cardinal p.

1. Quel est le nombre de parties de E contenant A ?
2. Quel est le nombre de parties de E disjointes de A ?
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. Expérience aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
2. Notion d’événement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
II. Espace probabilisé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
1. Probabilité sur un ensemble fini . . . . . . . . . . . . . . . . . . . . . . . . 199
2. Équiprobabilité ou probabilité uniforme . . . . . . . . . . . . . . . . . . . . 200
III. Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
2. Formule des probabilités composées . . . . . . . . . . . . . . . . . . . . . . 201
3. Formule des probabilités totales . . . . . . . . . . . . . . . . . . . . . . . . 201
4. Formule de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
5. Arbre de probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
IV. Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
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}.
2. Lacer de deux dés, un rouge et un bleu :
Ω = (n, p), n, p ∈ {1, . . . , 6} = {1, . . . , 6}2 .

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).
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.
Définition 15.5. On appelle événement élémentaire tout événement A de la forme A = {ω}, ω ∈

Ω.
Propriété 15.1. Un événement est une réunion d’événements élémentaires.
Définition 15.6. Soient A et B deux événements.

∗ Ω est appelé événement certain.
∗ ∅ est appelé événement impossible.
∗ Le complémentaire A est appelé événement contraire.
∗ On dit que l’événement A implique l’événement B si A ⊂ B.
∗ On dit que les événements A et B sont incompatibles si A ∩ B = ∅.
Remarque 15.2. Les événements A et A sont incompatibles.
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.
II. Espace probabilisé
1. Probabilité sur un ensemble fini

Définition 15.8. Soit Ω = {ω1 , . . . , ωn } un univers fini. On appelle probabilité sur Ω toute application
P de P(Ω) dans [0, 1] vérifiant :
1. P(Ω) = 1,
2. Pour tous événements incompatibles A et B,
P(A ∪ B) = P(A) + P(B).
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.
Propriétés 15.2. Soient A et B deux événements. On a :

1. P(A) = 1 − P(A),
2. P(∅) = 0,
3. Si A ⊂ B, alors P(A) ≤ P(B),
4. P(A ∪ B) = P(A) + P(B) − P(A ∩ B),
5. Si (A1 , . . . , Ap ) est un système complet d’événements de Ω, alors :
p
X
P(Ak ) = P(Ω) = 1.
k=1
Proposition 15.1 (Formule de Poincaré). Soient (A1 , . . . , An ) une famille d’événements, on a :

n
! n
[ X X
P Ai = P(Ai ) − P(Ai1 ∩ Ai2 ) + · · · + (−1)n−1 P(A1 ∩ · · · ∩ An ).
i=1 i=1 1≤i1 <i2 ≤n
Théorème 15.1. Soit Ω = {ω1 , . . . , ωn } un univers fini.

1. Si P est une probabilité sur Ω, alors, en notant pi = P({ωi }), on a :
(i) ∀ i ∈ {1, . . . , n}, pi ≥ 0,
Xn
(ii) pi = 1.
i=1
2. Réciproquement, si (p1 , . . . , pn ) est une famille de réels vérifiant les conditions (i) et (ii), alors
il existe une unique probabilité sur Ω telle que P({ωi }) = pi .
De plus, si A = {ωi1 , . . . , ωip }, alors
p
X
P(A) = P(ωik ).
k=1
Remarque 15.4. En d’autres termes, une probabilité est caractérisée par la donnée des probabilités
des événements élémentaires.
2. Équiprobabilité ou probabilité uniforme

Définition 15.10. Soient Ω = {ω1 , . . . , ωn } un univers fini et P une probabilité sur Ω. On dit qu’il y
a équiprobabilité si tous les événements élémentaires ont même probabilité. En d’autre termes,
1 1
∀ i ∈ {1, . . . , n}, P({ωi }) = = .
n Card(Ω)
Cette (unique) probabilité P est appelée probabilité uniforme.
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 ».
III. Probabilités conditionnelles
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.
Remarque 15.5. Ce théorème signifie qu’une probabilité conditionnelle sur Ω vérifie donc toutes les
propriétés vérifiées par les probabilités sur Ω.
2. Formule des probabilités composées
Soit (Ω, P(Ω), P) un espace probabilisé.
Proposition 15.3. Soient A un événement tel que P(A) 6= 0 et B un événement. Alors,
P(A ∩ B) = P(A) × P(B|A).
Ce résultat, conséquence directe de la définition de probabilité conditionnelle, se généralise dans le

théorème suivant :
Théorème 15.3 (Théorème des probabilités composées).

Soient n ≥ 2, A1 , . . . , An des événements tels que P(A1 ∩ · · · ∩ An−1 ) > 0. Alors,
P(A1 ∩ · · · ∩ An ) = P(A1 ) P(A2 |A1 ) P(A3 |A1 ∩ A2 ) · · · P(An |A1 ∩ · · · ∩ An−1 ).
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.
3. Formule des probabilités totales
Théorème 15.4 (Formule des probabilités totales).

Soit (A1 , . . . , An ) un système complet d’événements de Ω. Pour tout événement B, on a :
n
X
P(B) = P(Ak ) P(B|Ak ).
k=1
Remarque 15.6. La famille (A, A) est un système complet d’événement :
∀ B ∈ P(Ω), P(B) = P(A) P(B|A) + P(A) P(B|A).
Exemple 15.8. Deux joueurs X et Y tirent sur une cible.
∗ X atteint la cible 9 fois sur 10,

∗ Y atteint la cible 6 fois sur 10,
∗ Y joue 2 fois sur 3.
Quelle est la probabilité que la cible soit atteinte ?

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.
Exemple 15.10. Arbre de probabilité de l’exemple de la cible.
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
Définition 15.12. Deux événements A et B sont dits indépendants si
P(A ∩ B) = P(A) × P(B).

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).
Définition 15.13. Soient A1 , . . . , An des événements. On dit que

1. A1 , . . . , An sont deux à deux indépendants si :
∀ i, j ∈ {1, . . . , n}, si i 6= j, alors P(Ai ∩ Aj ) = P(Ai ) P(Aj ).
2. A1 , . . . , An sont mutuellement indépendants si pour toute sous-famille (Ai1 , . . . , Aip ) on a :
P(Ai1 ∩ · · · ∩ Aip ) = P(Ai1 ) . . . P(Aip ).
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.
Proposition 15.4. Soient A1 , . . . , An des événements mutuellement indépendants. Soient B1 , . . . , Bn

des événements tels que :
∀ i ∈ {1, . . . , n}, Bi = Ai ou Bi = Ai .
Alors B1 , . . . , Bn sont mutuellement indépendants.
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.
II. Probabilités de base
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 3 On tire simultanément deux cartes dans un jeu de 32 cartes.

1. (a) Donner l’univers Ω associé à cette expérience.
(b) Calculer la probabilité d’obtenir deux dames.
2. Reprendre la question 1. dans le cas où les deux cartes sont tirées :
(a) successivement, avec remise.
(b) successivement, sans remise.
Exercice 4 Une urne contient 12 jetons marqués U, I, E, E, E, L, L, V, V, V, V, V.

On tire successivement sans remise 5 jetons et on inscrit les lettre obtenues dans l’ordre du tirage
pour obtenir un "mot".
Quelle est la probabilité pour que le mot écrit soit ELEVE ?
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.
∗ 40% des garçons sont malades.

∗ Parmi les familles dont la fille est malade, le garçon est aussi malade dans 70% des cas.
On choisit au hasard une famille ayant participé à l’étude. Calculer la probabilité des événements
suivants :
1. Les deux enfants sont malades.
2. Au moins un des enfants est malade.
3. Aucun des deux enfants n’est malade.
4. Sachant que le garçon est malade, la fille l’est aussi.
5. Sachant que le garçon n’est pas malade, la fille est malade.
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 8 On dispose de deux urnes UA et UB . L’urne UA contient 3 boules noires et 2 boules

blanches ; l’urne UB contient 1 boule noire et 4 boules blanches. On choisit au hasard une urne et
on tire une boule dans cette urne. Si on tire une boule blanche on la remet et on tire dans la même
urne, si on tire une boule noire on la remet et on tire dans l’autre urne. On note pour tout entier
naturel non nul n An l’événement : « le n-ième tirage a lieu dans l’urne UA »et on pose an = P (An ).
1. Calculer la probabilité que les trois premiers tirages se fassent dans UA .
2. Soit n un entier, n ≥ 2. Exprimer an en fonction de an−1 .
3. Calculer la probabilité de tirer une boule noire au deuxième tirage.
4. Sachant qu’on tire une boule noire au deuxième tirage, calculer la probabilité qu’on ait tiré
dans UA au premier tirage.
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
2. Calculer en fonction de n et p la probabilité que In+1 reçoive l’information émise par I0 .

3. Étudier la nature de la suite (pn ). Interpréter.
4. Calculer en fonction de p le nombre maximal de relais que l’on peut déployer pour que la
probabilité de transmission du message initial reste supérieure à 0,8. Application numérique
pour p = 0, 9, puis p = 0, 8.
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
1. Opérations sur les fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
2. Fonctions majorées, minorées, bornées . . . . . . . . . . . . . . . . . . . . . 211
II. Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
1. Limite en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
2. Limites à gauche et à droite en un point . . . . . . . . . . . . . . . . . . . . 212
3. Limites en +∞ et −∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
III. Propriétés des limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
1. Opérations sur les limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
2. Limites de fonctions composées . . . . . . . . . . . . . . . . . . . . . . . . . 214
3. Limites et suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
4. Limites et inégalités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
5. Limites et fonctions monotones . . . . . . . . . . . . . . . . . . . . . . . . . 215
IV. Comparaison des fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
1. Fonctions négligeables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
2. Fonctions équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
209
Limites
∗ ∗ ∗
I. Généralités
1. Opérations sur les fonctions

Définition 16.1. Soient f et g deux fonctions définies sur un intervalle I de R. On appelle somme
des fonctions f et g, la fonction f + g définie par :
∀ x ∈ I, (f + g)(x) = f (x) + g(x).
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)
Définition 16.4. Soient f : I −→ R et g : J −→ R deux fonctions telles que f (I) ⊂ J. On appelle

composée de la fonction f par la fonction g, la fonction g ◦ f définie par :
∀ x ∈ I, (g ◦ f )(x) = g (f (x)) .
2. Fonctions majorées, minorées, bornées

Définition 16.5. Soient f une fonction définie sur un intervalle I. On dit que
1. f est majorée si : ∃ M ∈ R, ∀ x ∈ I, f (x) ≤ M ,
2. f est minorée si : ∃ m ∈ R, ∀ x ∈ I, f (x) ≥ m,
3. f est bornée si elle est à la fois majorée et minorée, c’est-à-dire si :
∃ 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.
II. Définitions et propriétés
Soit f : R → R une fonction et Df son ensemble de définition.
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 :
∀ ε > 0, ∃ α > 0, ∀ x ∈ Df , x ∈ ]x0 − α, x0 + α[ ⇒ f (x) ∈ [` − ε, ` + ε],
et on note lim f (x) = ` ou encore limx0 f = `.

x→x0
Remarque 16.1. La définition s’écrit également :
∀ ε > 0, ∃ α > 0, ∀ x ∈ Df , |x − x0 | ≤ α ⇒ |f (x) − `| ≤ ε.
Remarque 16.2. On a :
lim f (x) = ` ⇔ lim |f (x) − `| = 0.
x→x0 x→x0
Proposition 16.1. Si f a une limite en x0 , alors cette limite est unique.
Proposition 16.2. Si f a une limite en x0 , alors f est bornée au voisinage de x0 c’est-à-dire :
∃ h > 0 tel que f est bornée sur ]x0 − h, x0 + h[ ∩ Df .
Définition 16.7. Soit x0 une extrémité de Df .

∗ On dit que f admet +∞ pour limite en x0 si :
∀ A ≥ 0, ∃ α > 0, ∀ x ∈ Df , x ∈ ]x0 − α, x0 + α[ ⇒ f (x) ≥ A,
et on note lim f (x) = +∞ ou encore limx0 f = +∞.

x→x0
∗ On dit que f admet −∞ pour limite en x0 si :
∀ A ≤ 0, ∃ α > 0, ∀ x ∈ Df , x ∈ ]x0 − α, x0 + α[ ⇒ f (x) ≤ A,
et on note lim f (x) = −∞ ou encore limx0 f = −∞.

x→x0
2. Limites à gauche et à droite en un point
Définition 16.8. Soit x0 un point de Df ou une extrémité de Df et ` ∈ R.

∗ On dit que f admet ` pour limite à droite en x0 si :
∀ ε > 0, ∃ α > 0, ∀ x ∈ Df , x ∈ ]x0 , x0 + α[ ⇒ |f (x) − `| ≤ ε,
et on note lim f (x) = `, lim+ f (x) = ` ou encore limx+0 f = `.

x→x0 x→x0
>
Chapitre 16 - Limites 213
∗ On dit que f admet ` pour limite à gauche en x0 si :
∀ ε > 0, ∃ α > 0, ∀ x ∈ Df , x ∈ ]x0 − α, x0 [ ⇒ |f (x) − `| ≤ ε,
et on note lim f (x) = `, lim− f (x) = ` ou encore limx−0 f = `.

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 :
∀ ε > 0, ∃ A > 0, ∀ x ∈ Df , x ≥ A ⇒ |f (x) − `| ≤ ε,
et on note lim f (x) = ` ou encore lim+∞ f = `.

x→+∞
∗ On dit que f admet ` pour limite en −∞ si :
∀ ε > 0, ∃ A < 0, ∀ x ∈ Df , x ≤ A ⇒ |f (x) − `| ≤ ε,
et on note lim f (x) = ` ou encore lim−∞ f = `.

x→−∞
Définition 16.10. On dit que f admet +∞ pour limite en +∞ si :
∀ A > 0, ∃ B > 0, ∀ x ∈ Df , x ≥ B ⇒ f (x) ≥ A,
et on note lim f (x) = +∞ ou encore lim+∞ f = +∞.

x→+∞
Remarque 16.3. On a des définitions similaires en remplaçant des +∞ par des −∞.
III. Propriétés des limites
1. Opérations sur les limites

Soient f et g deux fonctions définies sur un ensemble D et a une borne de D telle que f et g ad-
mettent une limite finie ou infinie en a.
Limite de la somme :
lim f l l l +∞ −∞ +∞
a
lim g l’ +∞ −∞ +∞ −∞ −∞
a
lim(f + g) l+l’ +∞ −∞ +∞ −∞ X
a
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
2. Limites de fonctions composées

Théorème 16.1. Soient f une fonction définie sur Df , a un élément ou une borne finie ou infinie
de Df , g une fonction définie sur Dg telle que f (Df ) ⊂ Dg et b un élément ou une borne finie ou
infinie de Dg . On suppose que :
1. lima f = b,
2. limb g = c où c ∈ R ∪ {+∞, −∞}.
Alors, la fonction g ◦ f a une limite en a et lim g ◦ f = c.
a
x2
Exercice 16.1. Déterminer la limite en +∞ de la fonction f : x 7−→ e− 1+x .
Remarque 16.4. Lorsque cette quantité est définie, on a :
u(x)v(x) = ev(x) ln u(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.
+∞
Exemple 16.3. La fonction cos n’a pas de limite en +∞.

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
Théorème 16.3 (Théorème des gendarmes ou théorème d’encadrement).

Soient f , g et h trois fonctions définies sur D telles que :
1. lim f = lim h = l ∈ R,
a a
2. ∀ x ∈ D, f (x) ≤ g(x) ≤ h(x).
Alors, la fonction g admet une limite finie en a et lim g = l.
a
Corollaire 16.1. Soient f , g et h trois fonctions définies sur D telles que :

1. lima f = 0,
2. ∀ x ∈ D, |g(x) − l| ≤ f (x).
Alors, la fonction g admet une limite en a et lim g = a.
a
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).
1. Si lim f = +∞, alors lim g = +∞.

a a
2. Si lim g = −∞, alors lim f = −∞.
a a
Exemple 16.4. Limites en +∞ et −∞ de la fonction partie entière.
5. Limites et fonctions monotones

Théorème 16.5 (Théorème de la limite monotone). 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.
Alors f possède des limites finies et infinies en a et en b. Plus précisément :
1. Si f est majorée, alors la limite en b est finie et lim f = sup f .
b I
2. Si f n’est pas majorée, alors lim f = +∞.
b
3. Si f est minorée, alors la limite en a est finie et lim f = inf f .
a I
4. Si f n’est pas minorée, alors lim f = −∞.
a
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
Remarque 16.6. On dispose de résultats analogues sur les fonctions décroissantes.
IV. Comparaison des fonctions

Soit D un sous-ensemble de R et x0 un élément de D ou une borne de D finie ou infinie.
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 +∞.
Proposition 16.4 (Comparaisons classiques au voisinage de +∞). Soient a, b, c des réels. On a :

1. si b > 0, (ln x)c = o+∞ (xb ),
2. si 0 < a < b, xa = o+∞ (xb ),
3. si a > 1, nb = o(ax ).
Proposition 16.5 (Comparaisons classiques au voisinage de 0). Soient a, b, c des réels. On a :

1
1. si b > 0, (ln x)c = o0 ,
xb
2. si 0 < a < b, xb = o0 (xa ),
e2x
Exemple 16.6. Calculer lim .
x→+∞ x2 (ln x)5
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 16.6. Soient f est g deux fonctions définies sur D.

Si f = ox0 (g), alors f + g ∼ g.
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
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.
Exemples 16.8. Déterminer des équivalents de :

√
x + 2x x
1. f (x) = 2 au voisinage de +∞,
x − ln x + 1
√
2. g(x) = ex − e2x + 3x5 au voisinage de +∞,
x2 − 1
3. h(x) = ln( .
2 sin(x) − 1
Travaux Dirigés
Limites
∗ ∗ ∗
Exercice 1 Déterminer les limites suivantes :

√
1 − x2 − 1 3x ln(ex − x3 )
1. lim , 3. lim ,
x→0 x x→+∞ 2x2 + 4
sin x x2 − 2x − 3
2. lim , 4. lim+ .
x→0 2 + sin 1
x x→3 x2 − 5x + 6
Exercice 2 Déterminer un équivalent simple en 0 dans chacun des cas suivants :
(1 − ex ) sin x ln(cos(x))
1. f (x) = , 3. f (x) = ,
x2 + x3 x3
√ √
sin2 (e3x − 1) 1+x− 1−x
2. f (x) = , 4. f (x) = .
x3 ln(1 + sin(x))
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
2. Continuité à droite, à gauche . . . . . . . . . . . . . . . . . . . . . . . . . . 223
3. Prolongement par continuité . . . . . . . . . . . . . . . . . . . . . . . . . . 223
4. Opérations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
5. Suites et fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . . 224
II. Théorèmes sur les fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . 224
1. Théorème des valeurs intermédiaires . . . . . . . . . . . . . . . . . . . . . . 224
2. Image d’un segment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
3. Théorème de la bijection . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
III. Fonctions circulaires réciproques . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
1. La fonction arcsin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
2. La fonction arccos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
3. La fonction arctan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
221
Continuité
∗ ∗ ∗
I. Continuité d’une fonction
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
2. Continuité à droite, à gauche

Définition 17.3. Soient f : Df −→ R et x0 ∈ Df . On dit que :
1. f est continue à droite en x0 si lim+ f (x) = f (x0 ).
x→x0
2. f est continue à gauche en x0 si lim− f (x) = f (x0 ).

x→x0
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,
f continue en x0 ⇔ f est continue à gauche et à droite en x0 .
Exemple 17.3. La fontion valeur absolue est continue en 0 et même sur R tout entier.
3. Prolongement par continuité

Définition 17.4. Soit I un intervalle de R, x0 ∈ I. On dit qu’une fonction f : I \ {x0 } 7→ R est
prolongeable par continuité en x0 si f admet une limite finie ` en a. La fonction g : I −→ R
définie par :
g(x) = f (x) si x ∈ I \ {x0 } et g(x0 ) = `.
est appelée prolongement par continuité de f en x0 .
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.
Définition 17.5. Soit I un intervalle de R, x0 ∈ I. On dit qu’une fonction f : I \ {x0 } −→ R est

1. prolongeable par continuité à droite en x0 si f admet une limite finie ` à droite en a.
2. prolongeable par continuité en x0 si f admet une limite finie ` à gauche en a.
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.
5. Suites et fonctions continues

Théorème 17.1. Soit f : I 7−→ R une fonction définie sur un intervalle I et (un )n∈N une suite de
points de I telles que :
1. f est continue en ` ∈ I,
2. (un )n∈N converge vers `.
Alors,
lim f (un ) = f (`).
n→+∞
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 (`).
II. Théorèmes sur les fonctions continues
1. Théorème des valeurs intermédiaires

Théorème 17.2 (Théorème des valeurs intermédiaires).
Soient I un intervalle de R, a, b deux éléments de I tels que a < b et f une fonction continue sur
l’intervalle I.
Chapitre 17 - Continuité 225
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.
2. Image d’un segment
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.
III. Fonctions circulaires réciproques
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
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.
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 :
arccos : [−1, 1] −→ [0, π] .
La fonction arccos est continue et strictement décroissante. Par définition, on a :

(
cos y = x
∀ x ∈ [−1, 1], y = arccos x ⇔
y ∈ [0, π] .
y
0 π π x
2
−1 y = cos(x)
y
y = arccos(x)
π
π
2
−1 0 1 x
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.
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
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.
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
6. Pour tout réel x, arccos(cos x) = x.
II. Continuité en un point - prolongement par continuité
Exercice 2 Soit f une fonction définie sur R, continue en 0 et vérifiant :
∀ x ∈ R, f (2x) = f (x).
x
∗
1. Montrer que ∀ n ∈ N , f (x) = f n .
2
2. En déduire que f est constante.
Exercice 3 On considère la fonction f définie par :

 π
 a sin x + cos x si x < ,
π 2



f (x) = π − x si ≤ x ≤ π
2
2
x + b



si x > π.
2
1. Quel est l’ensemble de définition de f ?
2. Peut-on déterminer des réels a et b tels que la fonction f soit continue sur son ensemble de
définition ?
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 5 Soit f la fonction définie sur R par f (x) = E(x) sin(πx).

Déterminer les points de continuité de f .
III. Théorème sur les fonctions continues
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).
Exercice 9 On considère la fonction notée ch et définie sur R par :
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.
Exercice 10 On considère pour tout entier n ∈ N∗ l’équation suivante :
(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 )).
Exercice 11 On considère la fonction f donnée par :

1
f : x 7→ arccos(cos x) + arccos(cos 2x).
2
1. Déterminer son domaine de définition Df .
2. Étudier la parité, la périodicité de f afin de réduire le domaine d’étude à un intervalle I que
l’on précisera.
3. Simplifier l’expression de f (x) pour x dans I.
4. Tracer la courbe représentative de f .
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. Dérivabilité en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
2. Fonction dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
3. Dérivabilité à droite et à gauche . . . . . . . . . . . . . . . . . . . . . . . . 238
4. Interprétation géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
II. Calculs de dérivées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
1. Opérations algébriques sur les dérivées . . . . . . . . . . . . . . . . . . . . 238
2. Dérivée d’un composée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
3. Dérivée d’une fonction réciproque . . . . . . . . . . . . . . . . . . . . . . . 239
III. Théorèmes sur les fonctions dérivables . . . . . . . . . . . . . . . . . . . . . . . 240
1. Théorème de Rolle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
2. Formule des accroissements finis . . . . . . . . . . . . . . . . . . . . . . . . 240
3. Applications des théorèmes sur les fonctions dérivables . . . . . . . . . . . 241
IV. Dérivées d’ordre supérieur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
1. Définitons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
2. Opérations sur les dérivées successives . . . . . . . . . . . . . . . . . . . . . 242
235
Dérivation
∗ ∗ ∗
I. Définitions
On considère Df un sous-ensemble de R non vide et non réduit à un point, et f : Df −→ R.
1. Dérivabilité en un point
Définition 18.1. Soit x0 ∈ Df . On dit que f est dérivable en x0 si la fonction x 7→ f (x)−f

x−x0
(x0 )
admet
une limite lorsque x tend vers x0 . Dans ce cas, la limite est appelée nombre dérivé de f en x0 et
df
notée f 0 (x0 ) ou (x0 ).
dx
Remarques 18.1.
f (x)−f (x0 )
1. La quantité x−x0
est appelée taux d’accroissement de f en x0 .
f (x0 +h)−f (x0 )
2. Autre définition possible : f est dérivable en x0 si la fonction h 7→ h
admet une
limite lorsque h tend vers 0.
√
Exemple 18.1. La fonction x 7→ x est dérivable en x0 ∈ R∗+ .
Proposition 18.1. Si f est dérivable en x0 , alors f est continue en x0 .
Théorème 18.1. La fonction f : Df −→ R est dérivable en x0 ∈ Df si, et seulement si, il existe un

réel ` tel que
f (x) − f (x0 ) − `(x − x0 ) = ox0 (x − x0 ).
Dans ce cas, on a :
f (x0 ) = `.
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.
3. Dérivabilité à droite et à gauche
Définition 18.3. Soient f : Df −→ R et x0 ∈ Df . On dit que :

f (x)−f (x0 )
1. f est dérivable à droite en x0 si la fonction x 7→ x−x0
admet une limite à droite lorsque
x tend vers x0 . Dans ce cas, on note
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
Proposition 18.2. Soient f : Df −→ R et x0 un élément de Df qui n’est pas une extrémité de Df .

Alors, f est dérivable en x0 si, et seulement si, f est dérivable à droite et à gauche en x0 et si
fd0 (x0 ) = fg0 (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
On note M0 le point de coordonnées (x0 , f (x0 )) et M un point de coordonnées x, f (x)) avec x 6= x0 .

Le taux d’accroissement représente la pente de la droite passant par les points M0 et M .
Proposition 18.3. Si f est dérivable en x0 , alors la courbe représentative de f admet au point M0

une tangente Tx0 d’équation :
y = f 0 (x0 )(x − x0 ) + f (x0 ).
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 .
II. Calculs de dérivées
Soit I un intervalle de R non vide et non réduit à un point.
1. Opérations algébriques sur les dérivées
Proposition 18.4. Soient f et g deux fonctions définies sur Df , x0 un élément de Df et λ ∈ R.

Si f et g sont dérivables en x0 , alors f + g, λf et f g sont dérivables en x0 et on a
(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
Corollaire 18.1. Soient I un intervalle, f, g ∈ D(I, R), λ ∈ R. Alors, f + g, λf, f g ∈ D(I, R) et on a
(f + g)0 = f 0 + g 0 , (λf )0 = λf 0 et (f g)0 = f 0 g + f g 0 .
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
2. Dérivée d’un composée
Proposition 18.5. Soient f : Df −→ R, g : Dg −→ R telles que f (Df ) ⊂ Dg et x0 ∈ Df .

Si f est dérivable en x0 et g est dérivable en f (x0 ), alors g ◦ f est dérivable en x0 et on a
(g ◦ f )0 (x0 ) = f 0 (x0 ) × g 0 (f (x0 )).
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
3. Dérivée d’une fonction réciproque
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 )
Plus, généralement, si f ∈ D(I, R) et que f 0 ne s’annule pas sur I, alors f −1 ∈ D(J, R) et on a

0 1
f −1 = .
f0 ◦ f −1
1
Exemple 18.5. Dérivée de la fonction x 7→ x n .
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
2. La fonction arccos est dérivable sur ] − 1, 1[ et on a

1
∀ x ∈] − 1, 1[, arccos0 (x) = − √ .
1 − x2
3. La fonction arctan est dérivable sur R et on a

1
∀ x ∈ R, arctan0 (x) = .
1 + x2
III. Théorèmes sur les fonctions dérivables
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.
Remarques 18.3. Attention :

1. Le résultat est faux si x0 est une borne de l’intervalle I. Par exemple, f : x 7→ x sur I = [0, 1].
La fonction présente un maximum local en 1 et pourtant f 0 (1) = 1 6= 0.
2. La réciproque est fausse en général : on peut avoir f 0 (x0 ) = 0 sans que x0 soit un extremum
local. Par exemple, la fonction g : x 7→ x3 sur R.
Théorème 18.3 (Théorème de Rolle).

Soit f : [a, b] −→ R une fonction continue sur [a, b] et dérivable sur ]a, b[ telle que f (a) = f (b).
Alors, il existe c ∈ ]a, b[ tel que f 0 (c) = 0.
DESSIN
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) .
2. Formule des accroissements finis
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.
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
|f (b) − f (a)| ≤ M (b − a).
Exemple 18.6. Pour tous réels a, b ∈ R, on a :
| sin b − sin a| ≤ |b − a|.
En particulier, pour tout x ∈ R, on a :

| sin x| ≤ |x|.
3. Applications des théorèmes sur les fonctions dérivables

∗ Dérivées et variations :
Théorème 18.5. Soit f : I −→ R une fonction dérivable sur l’intervalle I. Alors,
1. f est croissante sur I ⇔ ∀ x ∈ I, f 0 (x) ≥ 0.
2. f est décroissante sur I ⇔ ∀ x ∈ I, f 0 (x) ≤ 0.
3. f est constante sur I ⇔ ∀ x ∈ I, f 0 (x) = 0.
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).
Exemple 18.7. La fonction x 7−→ x3 est strictement croissante sur R.
∗ Théorème sur la limite de la dérivée :

Théorème 18.7. Soient I un intervalle, a ∈ I. Soit f : I −→ R une fonction continue sur I et
dérivable sur I \ {a}. Si f 0 (x) admet une limite finie ` quand x tend vers a.
∗ 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
IV. Dérivées d’ordre supérieur
1. Définitons
Définition 18.4. Soient n ≥ 1, I un intervalle de R et f : I −→ R. On dit que
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.
Définition 18.6. Soient I un intervalle de R et f : I −→ R. On dit que f est de classe C ∞ sur I

si elle est de classe C n pour tout n. On note C ∞ (I, R) ou C ∞ (I) l’ensemble des fonctions de classes
C ∞ sur I.
\
Remarque 18.9. En d’autres termes, on a : C ∞ (I) = C n (I).
n∈N
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
5. La fonction ln est de classe C ∞ sur R∗+ .
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.
2. Opérations sur les dérivées successives
Soient I et J des intervalles.
Proposition 18.8. Soient n ∈ N et λ ∈ R. Si f et g sont n fois dérivables sur I, alors f + g et λf

sont n fois dérivables sur I et on a :
(f + g)(n) = f (n) + g (n) et (λf )(n) = λf (n) .

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
Remarque 18.11. Si f et g sont de classe C n , alors f + g, λf et f g sont de classes C n .
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.
Proposition 18.9. Soient I et J deux intervalles de R, f : I −→ R et g : J −→ R des fonctions n

fois dérivables (resp. C n ) telles que f (I) ⊂ J.
Alors, la fonction g ◦ f est n fois dérivable (resp. C n ) sur I.
Travaux Dirigés
Dérivation
∗ ∗ ∗
I. Point cours
Exercice 1 Vrai ou faux ? Justifier

1. Si f 0 est nulle, f est constante.
2. Si f 0 (x) ≥ 0 alors f est strictement croissante.
3. Si f 0 (x) s’annule, f ne peut être strictement monotone.
II. Dérivabilité - dérivées successives
Exercice 2 Étudier la dérivabilité en 0 des fonctions suivantes :

x
1. f définie sur R par f (x) = .
1 + |x|

x
e − 1
 si x < 0
2. g définie sur R par g(x) = 0 si x = 0 .

 2
x ln x
si x > 0

x2 sin 1

si x 6= 0
Exercice 3 Soit f définie sur R par f (x) = x
0 si x = 0.

1. Montrer que f est continue en 0.

2. Montrer que f est dérivable sur R.
3. La fonction f 0 est-elle continue en 0. Cela contredit-il le théorème sur la limite de la dérivée ?
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 .
Exercice 5 Soit f la fonction définie sur R par

2x + 1
f : x 7−→ √ .
x2 + x + 1
1. Montrer que f définit une bijection de R dans un intervalle I à déterminer.
2. Donner les propriétés de f −1 et montrer que f −1 est dérivable sur I.
0
3. Calculer (f −1 ) (1).
Exercice 6 On considère la fonction

1
f : [0, +∞[ −→ R, x 7−→ (ex + e−x ).
2
1. Montrer que la fonction f est bijective et dérivable sur son domaine de définition.
2. Étudier la dérivabilité de sa bijection réciproque.
Exercice 7 Pour tout entier naturel n, calculer la dérivée n-ième de f (x) = x3 e−x .
Exercice 8 Soit n ∈ N et (a, b) ∈ R2 .

1. Calculer la dérivée n-ème de la fonction : x 7→ (x − a)n (x − b)n de deux façons différentes.
2. En déduire que :
n 2
X n 2n
= .
k=0
k n
III. Accroissements finis et applications
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 .
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
II. Développements limités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
2. Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
3. Formule de Taylor-Young . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
4. Développements limités usuels . . . . . . . . . . . . . . . . . . . . . . . . . 253
III. Opérations sur les développements limités . . . . . . . . . . . . . . . . . . . . . 253
1. Somme et produit de développements limités . . . . . . . . . . . . . . . . . 253
2. Composée de développements limités . . . . . . . . . . . . . . . . . . . . . 254
3. Quotient de développements limités . . . . . . . . . . . . . . . . . . . . . . 254
4. Intégration terme à terme d’un développement limité . . . . . . . . . . . . 254
IV. Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
1. Calcul de limites - équivalents . . . . . . . . . . . . . . . . . . . . . . . . . 254
2. Tangente en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
3. Étude des branches infinies . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
249
Formules de Taylor
∗ ∗ ∗
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)!
4. En particulier, pour b = x et a = 0 (si 0 ∈ I) :

n
X f (k) (a) f (n+1) (c) n+1
f (x) = xk + x .
k=0
k! (n + 1)!
Exemple 19.1.
II. Développements limités
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
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
2. En particulier, si f est un polynôme de degré n, il est son propre développement limité en 0.

3. Un développement limité consiste à approcher localement une fonction par un polynôme.
Définition 19.2. Soit f : I −→ et x0 un élément de I. On dit que f admet un développement limité

d’ordre n en x0 s’il existe des réels a0 , . . . , an tels que au voisinage de x0 on ait l’égalité suivante :
n
X
ak (x − x0 )k + o (x − x0 )n .

f (x) =
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.
Proposition 19.2. Soit f une fonction admettant un développement limité à l’ordre n en x0 .

1. Si f est paire, alors la partie principale du développement limité ne comporte que des puissances
paires.
2. Si f est impaire, alors la partie principale du développement limité ne comporte que des puis-
sances impaires.
Proposition 19.3. Soit f : I −→ R et x0 ∈ I qui n’est pas une extrémité de I. Alors,

1. f admet un DL1 (x0 ) si, et seulement si, f est continue en x0 . Dans ce cas,
f (x) = f (x0 ) + ox0 (1).
2. f admet un DL1 (x0 ) si, et seulement si, f est dérivable en x0 . Dans ce cas,
f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + ox0 (x − x0 ).
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.
4. Développements limités usuels
D’après la formule de Taylor-Young, les fonctions usuelles étant de classe C ∞ , elles admettent en 0
des développements limités à tout ordre.
Théorème 19.3. On a les développements limités en 0 suivants :

n
x x2 x3 xn n
X xk
1. e = 1 + x + + + ··· + + o(x ) = + o(xn ),
2! 3! n! k=0
k!
n
x2 x4 nx
2n
2n+1
X
k x
2k
2. cos x = 1 − + + · · · + (−1) + o(x )= (−1) + o(x2n+1 ),
2! 4! 2n! k=0
(2k)!
n
x3 x5 x2n+1 X x2k+1
3. sin x = x − + + · · · + (−1)n + o(x2n+2 ) = (−1)k + o(x2n+2 ),
3! 5! (2n + 1)! k=0
(2k + 1)!
n
x2 x3 xn X xk
4. ln(1 + x) = x − + + · · · + (−1)n−1 + o(xn ) = (−1)k−1 ,
2 3 n k=1
k
n
α(α − 1) 2 α(α − 1) . . . (α − n + 1) n X α(α−1)...(α−k+1)
5. (1+x)α = 1+αx+ x +· · ·+ x +o(xn ) = k!
xk +
2! n! k=0
o(xn ),
n
1 X
6. = 1 − x + x2 − x3 + · · · + (−1)n xn + o(xn ) = (−1)k xk + o(xn ),
1+x k=0
n
1 X
7. = 1 + x + x2 + x3 + · · · + xn + o(xn ) = xk + o(xn ).
1−x k=0
III. Opérations sur les développements limités
1. Somme et produit de développements limités
Proposition 19.4. Soient f et g deux fonctions admettant un développement limité à l’ordre n en 0 de

parties principales Pn et Qn . Alors, pour tous réels α et β, αf + βg admet un développement limité
à l’ordre n en 0 de partie principale αPn + βQn .
Exemple 19.2. DL4 (0) de ch : x 7→ ex + e−x .
Proposition 19.5. Soient f et g deux fonctions admettant un développement limité à l’ordre n en 0

de parties principales Pn et Qn . Alors, f g admet un développement limité à l’ordre n en 0 dont la
partie principale est obtenue en ne conservant dans le produit Pn Qn que les termes de degré inférieur
ou égal à n.
cos x
Exemple 19.3. DL3 (0) de x 7→ .
1−x
2. Composée de développements limités

Proposition 19.6. Soient f : I −→ R et g : J −→ R deux fonctions telles que f (I) ⊂ J et f (0) = 0.
On suppose que f et g admettent un développement limité à l’ordre n en 0 de parties principales
Pn et Qn . Alors, g ◦ f admet un développement limité dont la partie principale est obtenue en ne
conservant dans Qn ◦ Pn que les termes de degré inférieur ou égal à n.
Exemple 19.4. DL3 (0) de x 7→ esin x .
Exemple 19.5. Cas important où f (0) 6= 0 : on factorise par le terme constant.

DL3 (0) de x 7→ ln(1 + cos x).
3. Quotient de développements limités

1
Proposition 19.7. Si f admet un développement limité à l’ordre n en 0 et si f (0) = 0, alors
1+f
admet un développement limité à l’ordre n en 0.
1
Exemple 19.6. DL3 (0) de x 7→ .
1 + ex
Proposition 19.8. Si f et g admettent un développement limité à l’ordre n en 0 et si g(0) 6= 0, alors
f
admet un développement limité à l’ordre n en 0.
g
Exemples 19.7.
1. DL3 (0) de x 7→ tan x.
1
2. DL3 (0) de x 7→ √ .
1+ 1+x
4. Intégration terme à terme d’un développement limité

Proposition 19.9. Soit f : I −→ R une fonction de classe C 1 sur I telle que f 0 admet le développement
limité à l’ordre n en 0 suivant :
f 0 (x) = a0 + a1 x + a2 x2 + · · · + an xn + o(xn ).
Alors, f admet le développement limité à l’ordre n en 0 suivant :

a1 2 a2 3 an n+1
f (x) = f (0) + a0 x + x + x + ··· + x + o(xn+1 ).
2 3 n+1
Exemples 19.8.
1. DL2n+2 (0) de arctan.
2. DL5 (0) de arcsin.
IV. Applications
1. Calcul de limites - équivalents

Les développements limités vont s’avérer très utiles pour rechercher l’équivalent d’une somme.
Chapitre 19 - Formules de Taylor - DL 255
Proposition 19.10. Soit f une fonction admettant un DLn (x0 ) de la forme :
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 ) ,
alors f (x0 ) = a, f 0 (x0 ) = b et l’équation de la tangente au point d’abscisse x0 est
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,

alors, f (x) − (a + b(x − x0 )) ∼x0 ap (x − x0 )p , et donc f (x) − (a + b(x − x0 )) est du signe de ap (x − x0 )p .

∗ Si p est pair, cette quantité est du signe de ap .
∗ Si p impair, cette quantité change de signe en x0 et la courbe présente un point d’inflexion.
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 .
3. Étude des branches infinies

Définition 19.3. On dit qu’une fonction f présente une (ou plusieurs) branche infinie
1. si lima f = ±∞,
2. ou si f est définie sur un intervalle non borné.
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.
Proposition 19.11. Soit f : I −→ R.

1. Soit a ∈ R. Si lima f = ±∞, alors la droite d’équation x = a est asymptote verticale à Cf en
a.
2. Si lim±∞ f = ` ∈ R, alors, la droite d’équation y = ` est asymptote horizontale à Cf en ±∞.
3. Si lim±∞ f = ±∞.
f (x)
(a) Si lim = 0, alors Cf admet une branche parabolique de direction Ox.
x
f (x)
(b) Si lim = ±∞, alors Cf admet une branche parabolique de direction Oy.
x
f (x)
(c) Si lim = a ∈ R, on étudie f (x) − ax.
x
i. Si lim f (x) − ax = ±∞, alors Cf admet une branche parabolique de direction la droite
d’équation y = ax.
ii. Si lim f (x)−ax = b ∈ R, alors Cf admet une asymptote oblique d’équation y = ax+b.
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.
Exemples 19.12. Rechercher la branche infinie en +∞ de :

x3 + 1
1. f définie par f (x) = 2 .
x −1
√
2. g définie par g(x) = x2 + x + 1.
On précisera les positions relatives.
Travaux Dirigés
Formules de Taylor
∗ ∗ ∗
I. Point cours
Exercice 1 Simplifier les expressions suivantes :
1. A1 (x) = o(−1), x → 0. 6. A6 (x) = x + o(x4 ) + x2 + x5 , x → 0.

2. A2 (x) = o(1) × o(1), x → 0. 7. A7 (x) = o(1) + o(1), x → 0.
3. A3 (x) = o(x) × o(x), x → 0. 8. A8 (x) = o(1) − o(1), x → 0.
4. A4 (x) = 1 + x + o(1), x → 0. 9. A9 (x) = (1 + o(1)) × (1 + o(1)), x → 0.
5. A5 (x) = x + o(x) + o(x), x → 0. 10. A10 (x) = (x + o(x)) × (x + o(x)), x → 0.
II. Formule de Taylor - Développements limités

h π πi
Exercice 2 Montrer que pour tout réel x ∈ − , , on a
2 2
x2 x2 x4
1− ≤ cos x ≤ 1 − + .
2 2 24
n
X xk
Exercice 3 Soit x un réel non nul. Pour tout n ∈ N, on pose Sn (x) = .
k=0
k!
1. En utilisant la formule de Taylor-Lagrange, montrer que :
xn+1 |x|
∀ n ∈ N, |ex − Sn (x)| ≤ e .
(n + 1)!
2. En déduire que : lim Sn (x) = ex .

n→+∞
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 ,
cos(2x) 8. DL4 (0) de f8 (x) = arccos(x),

5. DL3 (0) de f5 (x) = ,
x2
+ x +√ 2
6. DL3 (0) de f6 (x) = cos(ex − 1 − x) 9. DL4 (0) de f9 (x) = (1 + arctan x)1/x ,
2
sin x π sin x
7. DL4 (0) de f7 (x) = , 10. DL3 de f1 0(x) = √ ,
x 4 x
III. Applications
Exercice 5 Déterminer un équivalent simple, puis la limite de :

√
sin x 1 + x2 − x xx − x
1. f (x) = en 0, 2. f2 (x) = en 1.
x3 1 − x + ln x
Exercice 6 Déterminer un équivalent de

√
1. f1 (x) = 1 + 2x − cos x − sin x au voisinage de 0,

1 1
2. f2 (x) = ln 1 + − .
1+x x
1 1
Exercice 7 Soit f la fonction définie sur ] − π, π[\{0} par f (x) = − .
x sin x
Montrer que la fonction f se prolonge par continuité en 0 en une fonction dérivable en 0.
i π πh 1
Exercice 8 Soit f la fonction définie sur − , \ {0} par f (x) = (cos x) x .
2 2
1. Montrer que f admet un DL2 (0).
2. Montrer que f est prolongeable par continuité en 0. Dans la suite, on notera toujours f le
prolongement ainsi obtenu.
3. Montrer que f est dérivable en 0 et déterminer f 0 (0).
4. Déterminer l’équation de la tangente à la courbe représentative de f en 0 et déterminer leurs
positions relatives au voisinage de 0.
Exercice 9 Soit f la fonction définie par

1
∀x 6= 0, f (x) = x+2− × arctan(x).
x
1. Montrer que f est prolongeable par continuité en x = 0. On note encore f le prolongement.

2. Montrer que f est dérivable en x = 0 et donner l’équation de la tangente en x = 0.
3. Donner la position relative de la courbe représentative de f et de sa tangente au voisinage de
zéro.
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
1. Variable aléatoire réelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
2. Loi de probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
3. Fonction de répartition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
4. Composée d’une variable aléatoire par une application . . . . . . . . . . . . 263
II. Moments d’une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . 263
1. Espérance mathématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
2. Moments d’une variable aléatoire réelle . . . . . . . . . . . . . . . . . . . . 264
3. Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
4. Inégalité de Bienaymé-Tchebychev . . . . . . . . . . . . . . . . . . . . . . . 265
259
∗ ∗ ∗
Soit (Ω, P(Ω), P) un espace probabilisé fini.
I. Définitions
1. Variable aléatoire réelle

Définition 20.1. On appelle variable aléatoire réelle sur Ω toute application X : Ω −→ R.
On appelle univers image l’ensemble fini des valeurs possibles pour X : X(Ω) = {X(ω), ω ∈ Ω}.
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}.
Notations : Soit B une partie de R, on note [X ∈ B] l’événement :
X −1 (B) = {ω ∈ Ω, X(ω ∈ B}.
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}.
Exemple 20.2. On revient à l’exemple précédent. On a les événements suivants :

1. [S = 6] = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)}
2. [S > 8] = {(3, 6), (4, 5), (4, 6), (5, 4), (5, 5), (5, 6), (6, 3), (6, 4), (6, 5), (6, 6),
3. [S ≤ 1] = ∅,
Les événements (S = 6) et (S > 8) sont incompatibles.

Théorème 20.1. Soit X une variable aléatoire réelle sur Ω telle que X(Ω) = x i , i ∈ {1, . . . , n} .
Alors, la famille [X = xi ] 1≤i≤n est un système complet d’événements
Exemples 20.3. On revient aux exemples.

1. [S = i] 1≤i≤12 est un système complet d’événements de Ω, l’ensemble des tirages.
[3, 5 ≤ S < 6] = [S = 4] ∪ [S = 5].

2. Les événements (X = 0), (X = 1), (X = 2), (X = 3) forment un système complet d’événement

de l’ensemble de tiages de 3 cartes parmi les 32 : un tirage comporte en effet soit 0, soit 1, soit
2, soit 3 cœurs.
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])
est appelée loi de probabilité de 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 :
∀ x ∈ R, FX (x) = P(X ≤ x).
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.
Remarque 20.3. On a de plus :

1. lim FX (x) = 0 et lim FX (x) = 1,
x→−∞ x→+∞
2. FX est continue sur R \ {x1 , . . . , xn } et continue à droite en x1 , . . . , xn , un peu comme la

fonction partie entière. . .
Chapitre 20 - Variables aléatoires réelles 263
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 :
P(X = x1 ) = FX (x1 ) et ∀ k ∈ {2, . . . , n}, P(X = xk ) = FX (xk ) − FX (xk−1 ).
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.
4. Composée d’une variable aléatoire par une application

Définition 20.4. Soient X une variable aléatoire réelle et ϕ : R −→ R, alors on peut définir la variable
aléatoire ϕ ◦ X souvent notée ϕ(X) ou encore Y :
Y : Ω −→ R
ω 7−→ ϕ(X(ω))
dont l’univers image est Y (Ω) = ϕ(X(Ω)).
Proposition 20.4. La loi de Y est donnée par par :

X
∀ y ∈ Y (Ω), P(Y = y) = P(X = x).
x∈X(Ω)|ϕ(x)=y
II. Moments d’une variable aléatoire
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 .
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.
2. Moments d’une variable aléatoire réelle
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.
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.
Définition 20.10. On appelle écart-type de X la racine carrée de la variance, notée σ ou σX :

p
σX = V (X).
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.
Travaux Dirigés
∗ ∗ ∗
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
1. Représenter graphiquement la loi de X ainsi que sa fonction de répartition FX .

2. Calculer son espérance et sa variance.
3. Soit Y = X 2 . Donner la loi de Y.
Exercice 2 Lors d’une enquête, on a interrogé 5 hommes et 3 femmes. On choisit au hasard et

sans remise les personnes une à une jusqu’à obtention d’un homme. Soit X le nombre de tirage
nécessaires.
1. Donner les valeurs prises par X. Déterminer la loi de probabilité de X.
2. Calculer E(X).
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.
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
2. Loi de probabilité et fonction de répartition . . . . . . . . . . . . . . . . . . 271
3. Espérance et variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
II. Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
III. Loi de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
IV. Loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
V. Loi hypergéométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
3. Approximation d’une loi hypergéométrique par une loi binomiale . . . . . . 275
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 :
X(Ω) = {a} et P(X = a) = 1.
On dit aussi que X est une variable aléatoire certaine.
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.
2. Loi de probabilité et fonction de répartition
Soient a ∈ R et X une variable aléatoire certaine égale à a.
3. Espérance et variance
Proposition 21.1. Soient a ∈ R et X une variable aléatoire certaine égale à a. Alors,
E(X) = a et V (X) = 0.
II. Loi uniforme
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).
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).
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
III. Loi de Bernoulli
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.
Soient p ∈ ]0, 1[ et X ,→ B(p).
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).
IV. Loi binomiale
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
avec q = 1 − p. On note X ,→ B(n, p).
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 ).
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 .

Soient p ∈ ]0, 1[ et X ,→ B(n, p).
Lemme 21.1. Soient X et Y des variables aléatoires réelles. On a :
E(X + Y ) = E(X) + E(Y ).
Lemme 21.2. Soit n ∈ N∗ , on a :

n n−1
1. k =n pour tout k ∈ {1, . . . , n},
k k−1

n n−2
2. k(k − 1) = n(n − 1) pour tout k ∈ {1, . . . , n}.
k k−2
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
Autre situation type :

On considère une urne contenant N boules avec une proportion p de boules blanches et q = 1 − p
de boules noires.
Soit n ≤ N , on tire n boules successivement et sans remise et on note X le nombre de boules
blanches tirées.
La loi de X est la même que celle trouvée précédemment. En effet, on s’intéresse au nombre de
boules blanche, peu importe l’ordre dans lequel elles sont tirées.
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
On note X ,→ H(N, n, p).
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
Remarque 21.3. La somme des probabilités P(X = k) vaut bien 1.
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
3. Approximation d’une loi hypergéométrique par une loi binomiale

Théorème 21.1. Soient n, N des entiers tels que 1 ≤ n ≤ N et p ∈ ]0, 1[. Alors, on a
Np
Nq
k n−k n k n−k
lim N
= p q .
N →+∞
n
k
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.
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 ?
2. On tire au hasard un papier et on appelle X la V.A.R. égale au nombre de personnes figurant

sur la liste. Déterminer la loi de X, son espérance et sa variance.
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.
Exercice 9 Un dé à six faces amène le 6 avec la probabilité p ∈]0, 1[ à chaque lancer.

On lance le dé une infinité de fois et on note Xn la V.A.R. égale au nombre de fois où le 6 est sorti
au cours des 6n premiers lancers (n ∈ N∗ ).
1. Donner la loi de Xn , son espérance et sa variance.
2. Écrire l’inégalité de Bienaymé-Tchebychev pour Xn .
3. On suppose le dé équilibré. D’après l’inégalité, à partir de quelle valeur de n est-on sûr d’obtenir
1
une proportion de 6 dans un intervalle de longueur 10−2 autour de avec une probabilité d’au
6
1
moins ?
2
Chapitre 22
Intégration
Sommaire
I. Primitives et intégrales d’une fonction continue . . . . . . . . . . . . . . . . . . 281
1. Primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
2. Intégrale d’une fonction continue . . . . . . . . . . . . . . . . . . . . . . . . 281
3. Théorème fondamental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
4. Interprétation géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
II. Propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
1. Linéarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
2. Relation de Chasles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
3. Intégrales et inégalités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
4. Inégalité de la moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
III. Application : fonction définie par une intégrale . . . . . . . . . . . . . . . . . . 284
1. Plan d’étude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
2. Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
IV. Extensions de la notion d’intégrale d’une fonction . . . . . . . . . . . . . . . . . 285
1. Intégrale des fonctions continues par morceaux . . . . . . . . . . . . . . . . 285
2. Cas particulier des fonctions en escaliers . . . . . . . . . . . . . . . . . . . . 285
3. Intégrale d’une fonction à valeurs complexes . . . . . . . . . . . . . . . . . 286
279
Intégration
∗ ∗ ∗
Soit I un intervalle réel non trivial.
I. Primitives et intégrales d’une fonction continue
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.
2. Intégrale d’une fonction continue

Définition 22.2. Soit f une fonction continue sur le segment [a, b] et F une primitive quelconque
Rb
de f . On appelle intégrale de f de a à b le réel noté a f (t)dt défini par
Z b
f (t)dt = [F (t)]ba = F (b) − F (a).
a
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
3. On ne suppose pas nécessairement a < b.

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
est l’unique primitive de f qui s’annule en 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.
II. Propriétés élémentaires
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 22.4 (Positivité de l’intégrale).

Soient a et b des réels tels que a < b et f une fonction continue et positive sur le segment [a, b].
Alors, Z b
f (t)dt ≥ 0.
a
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
Alors, la fonction est f est nulle sur le segment [a, b] :
∀ t ∈ [a, b], f (t) = 0.
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
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
III. Application : fonction définie par une intégrale
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 :
∀ x ∈ J, G0 (x) = v 0 (x)f (v(x)) − u0 (x)f (u(x)).
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
IV. Extensions de la notion d’intégrale d’une fonction
1. Intégrale des fonctions continues par morceaux

Définition 22.3. Soit f : [a, b] −→ R. On dit que f est continue par morceaux sur [a, b] si :
1. f est continue sur [a, b] sauf éventuellement en un nombre fini de points x1 < · · · < xn ,
2. f admet une limite à gauche et à droite en ces points (lorsque cela a un sens).
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
2. Cas particulier des fonctions en escaliers

Définition 22.5. Soit ϕ une fonction définie sur [a, b]. On dit que f est une fonction en escaliers
sur [a, b] s’il existe une subdivision a = x0 < x1 < · · · < xn < b = xn+1 tels que la restriction de ϕ à
tout intervalles ]xk , xk+1 [ est constante :
∀ k ∈ {0, . . . , n}, ∃ λk , ∀ x ∈]xk , xk+1 [, ϕ(x) = λk .

Remarque 22.8. Toute fonction en escaliers est continue par morceaux.
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
3. Intégrale d’une fonction à valeurs complexes

Définition 22.6. Soit f : I 7−→ C définie par :
∀ x ∈ I, f (x) = f1 (x) + if2 (x),
où f1 et f2 sont des fonctions continues à valeurs réelles. R

b
Alors, on appelle intégrale de a à b de f le complexe noté a f (t)dt défini par :
Z b Z b Z b
f (t)dt = f1 (t)dt + i f2 (t)dt.
a a a
Z 1
Exercice 22.5. Calculer 1 + itdt.
0
Proposition 22.9. Soit λ ∈ C. On a :

b b
eλt
Z
λt
e dt = .
a λ a
Travaux Dirigés
Intégration
∗ ∗ ∗
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 +∞.
Exercice 2 On considère les suites (un ) et (vn ) définies par :

Z 1 Z 1
xn xn+2
∀ n ∈ N, un = √ dx et vn = √ dx.
0 1 + x2 2
0 (1 + x ) 1 + x
2
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
est de classe C 1 sur R.

3. On considère l’équation fonctionnelle
Z x
∀ x ∈ R, f (x) = sin x − (x − t)f (t)dt (E)
0
où f est une fonction continue sur R.

(a) Soit f une solution de (E).

Montrer que f est de classe C 2 sur R et donner une relation entre f 00 et f .
(b) Résoudre (E).
1
e−nt
Z
lim sin(nt)dt.
n→+∞ 0 1 + tn
Chapitre 23
Calcul intégral
Sommaire
I. Procédés d’intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
1. Intégration à vue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
2. Changement de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
3. Intégration par parties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
II. Cas particuliers d’intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293

1
1. Les fonctions rationnelles de type . . . . . . . . . . . . . . . . . . 293
(x − a)n
ax + b
2. Les fonctions rationnelles de type . . . . . . . . . . . . . . . . 293
ax2 + px + q
3. Les fonctions de type cosn x sinp x . . . . . . . . . . . . . . . . . . . . . . . 294
4. Les fonctions de type eαx cos(βx), eαx sin(βx) . . . . . . . . . . . . . . . . 294
5. Les coefficients de Fourier dans un cas particulier . . . . . . . . . . . . . . 294
III. Sommes de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
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
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.
Exemples 23.1. Calculer les intégrales suivante

Z x
1
1. 2 2
dt, a ∈ R∗ .
0 a +t
Z 1√
2. 1 − x2 dx.
0
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
2. Si f est impaire, alors on a : Z a

f (t)dt = 0.
−a
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
3. Intégration par parties

Théorème 23.2 (Intégration par parties). Soient u et v deux fonctions de classe C 1 sur I, a, b ∈ I.
Alors, Z b Z b
0 b
u (t)v(t)dt = [u(t)v(t)]a − u(t)v 0 (t)dt.
a a
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
II. Cas particuliers d’intégration

1
1. Les fonctions rationnelles de type
(x − a)n
Proposition 23.1.Z Soient a ∈ R. Alors,
1 1 1
1. Si n 6= 1 : n
dx = − · + C, C ∈ R.
(x − a) n − 1 (x − a)n−1
Z
1
2. Si n = 1 : dx = ln |x − a| + C, C ∈ R.
(x − a)
Z 3
1
Exemple 23.3. Calculer n
dx.
−1 (x + 2)
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
L’intégration est alors évidente.

Cas ∆ < 0 : le trinôme n’a pas de racines réelles. On cherche alors deux réels A et B tels que :
ax + b 2x + p B
=A 2 + 2 .
x2 + px + q x + px + q x + px + q
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
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
3. Les fonctions de type cosn x sinp x

calculer une intégrale de type cosn x sinp x, on utilisera la méthode suivante :
R
Pour
∗ si n est impair : on effectue le changement de variables t = sin x,
∗ si p est impair : on effectue le changement de variables t = cos x,
∗ si n et p sont pairs : on linéarise l’expression à l’aide des formules d’Euler.
Remarque 23.3. On se rappellera en particulier les formules suivantes :

1 + cos 2x 1 − cos 2x
cos2 x = et sin2 x = .
2 2
Exemples 23.5. A retenir :
1. cos2 x dx, sin2 x dx,
R R
2. cos3 x dx, sin2 x dx.

R R
4. Les fonctions de type eαx cos(βx), eαx sin(βx)

On fait appel à l’intégration sur C, en posant :
eαx cos(βx) = Re eα+iβ)x et eαx sin(βx) = Im eα+iβ)x .

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.
5. Les coefficients de Fourier dans un cas particulier

Proposition 23.2. Soit f la fonction définie sur R par
n
X
f (x) = c + ak cos(ωx) + bk sin(ωx),
k=1
avec n ∈ N∗ , a1 , . . . , an , b1 , . . . , bn , c des réels et ω un réel non nul (fréquence ou pulsation).

2π
Alors, la fonction f est périodique de période et on a :
ω
Z 2π
ω ω
∗ c= f (t) dt (valeur moyenne),
2π 0
Z 2π Z 2π
ω ω ω ω
∗ ∀ k ∈ {1, . . . , n} : ak = f (t) cos(kωt) dt et bk = f (t) sin(kωt) dt.
π 0 π 0
Remarque 23.5. Les coefficients ak , bk et c sont appelés coefficients de Fourier de la fonction f . On

les retrouve souvent en physique.
III. Sommes de Riemann
Théorème 23.3. Soit f : [a, b] −→ R une fonction continue. Alors, on a

n b
b−a
Z
1X 1
lim f a+k = f (t) dt.
n→+∞ n
k=1
n b−a a
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
3. En particulier, pour a = 0 et b = 1 : si f est continue sur [0, 1], on a

n Z 1
1X k
lim f = f (t) dt.
n→+∞ n n 0
k=1
Exercice 23.3. Déterminer la limite éventuelle de la suite (un ) définie par :

n
X 1
∀ n ∈ N∗ , un = √ .
k=1
4n2 − k 2
Travaux Dirigés
Calcul intégral
∗ ∗ ∗
I. Méthodes classiques
Exercice 1 Déterminer les primitives des fonctions suivantes :

1
1. x 7→ √ , 2. x 7→ arctan x, 3. x 7→ ln(1 + x2 ).
2
1 − x arccos x
Exercice 2 Calculer les intégrales suivantes :
Z 1 Z 1 π
ex x+1 Z
2
1. 2x
, 4. 2
dx, 7. sin2 x cos3 x dx,
0 1+e −1 2x − 2x + 1 0
Z e Z 1 π
3x + 2
2
Z
2. x3 ln2 x dx, 5. dx, 8.
2
sin2 x cos4 x dx.
2
1 0 x +x−2 0
Z 1 Z 1
x
3. 2 + 2x + 1
dx, 6. (x − 3) cos x e2x dx,
0 x 0
II. Calcul d’intégrales
Exercice 3 Calculer l’intégrale

Z 2
1 x
I= cos ln x dx.
1/2 x 1 + x2
1
Indication : on pourra poser u = .
x
Exercice 4 Soit f une fonction continue sur [a, b] et telle que :
∀x ∈ [a, b], f (a + b − x) = f (x).
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
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
2. Donner un équivalent en +∞ de la suite définie par :

Xn
∗
(n + k)3 − (n − k)3 .

∀ n ∈ N , vn =
k=0
Exercice 6 On considère les intégrales :

Z π Z π
4 sin x 4 cos x
I= dx et J= dx.
0 cos x + sin x 0 cos x + sin x
1. Calculer I en effectuant le changement de variable u = tan x.
2u a bu + c
Indication : on pourra rechercher des réels a, b et c tels que : 2
= + .
(1 + u)(1 + u ) 1 + u 1 + u2
2. Calculer I + J et I − J. Retrouver la valeur de I.
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).
Exercice 9 Soit F la fonction définie par :

Z 2x
dt
F (x) = .
x t4 + t2 + 1
1. Déterminer le domaine de définition de F .
2. Étudier la parité de F .
3. Construire le tableau de variations de F .
4. Étudier les limites aux bornes du domaine (procéder par encadrements).
Chapitre 24
Couples de variables aléatoires réelles
Sommaire
I. Couple de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
II. Lois associées à un couple de variables aléatoires . . . . . . . . . . . . . . . . . 301
1. Loi conjointe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
2. Lois marginales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
3. Lois conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
4. Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
III. Variable aléatoire fonction de deux variables aléatoires . . . . . . . . . . . . . . 304
1. Loi d’une variable aléatoire fonction de deux variables aléatoires . . . . . . 304
2. Cas particulier de la somme de deux variables aléatoires . . . . . . . . . . . 304
3. Espérance d’une variable aléatoire fonction de deux variables aléatoires . . 304
IV. Covariance - coefficient de corrélation linéaire . . . . . . . . . . . . . . . . . . . 305
1. La covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
2. Le coefficient de corrélation linéaire . . . . . . . . . . . . . . . . . . . . . . 305
3. Calcul de variance d’une somme de variables aléatoires . . . . . . . . . . . 305
4. Cas de variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . 306
V. Familles de n variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . 306
1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
2. Indépendance mutuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
3. Somme de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . 307
299
Couples de variables aléatoires
∗ ∗ ∗
I. Couple de variables aléatoires
Définition 24.1. On appelle couple de variables aléatoires réelles toute application
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 :
Z(Ω) = {(i, j) ∈ [[1, 6]], i ≤ j}.
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 :
Z(Ω) = {(i, j) ∈ [[1, 2]] × [[1, 3]], i + j ≤ 3}.
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
forme un système complet d’événement de Ω.
Remarque 24.1. L’événement [X = xi ] ∩ [Y = yj ] peut également se noter [X = xi , Y = yj ] ou encore

[(X, Y ) = (xi , yj )].
II. Lois associées à un couple de variables aléatoires
1. Loi conjointe
Définition 24.2. Soit (X, Y ) un couple de variables aléatoires réelles. L’application
PX,Y : X(Ω) × Y (Ω) −→ [0, 1]

(x, y) 7−→ P [X = x] ∩ [Y = y]
est appelée loi conjointe du couple (X, Y ).

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
Définition 24.4. Soit (X, Y ) un couple de variables aléatoires.

∗ Pour tout y ∈ Y (Ω) tel que P([Y = y]) 6= 0, l’application
P[Y =y] : X(Ω) −→ [0, 1]

P [X = x] ∩ [Y = y]
x 7−→ = P([X = x][Y = y])
P([Y = y])
est appelée loi conditionnelle de X sachant [Y = y].

Chapitre 24 - Couples de var 303
∗ Pour tout x ∈ X(Ω) tel que P([X = x]) 6= 0, l’application
P[X=x] : Y (Ω) −→ [0, 1]

P [X = x] ∩ [Y = y]
y 7−→ = P([Y = y][X = x])
P([X = x])
est appelée loi conditionnelle de Y sachant [X = x].
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.
Remarques 24.5. Si X et Y sont des variables aléatoires indépendantes :

1. La loi du couple s’obtient directement à partir des lois marginales.
2. Pour tout y ∈ Y (Ω) tel que P([Y = y]) 6= 0, la loi conditionnelle de X sachant [Y = y] est
égale à la loi de X :

∀ (x, y) ∈ X(Ω) × Y (Ω), P[Y =y] [X = x] = P [X = x] .
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.
III. Variable aléatoire fonction de deux variables aléatoires
1. Loi d’une variable aléatoire fonction de deux variables aléatoires
Définition 24.6. Soient (X, Y ) un couple de variables aléatoires et u : R2 −→ R une application. On

définit la variable notée u(X, Y ) par :
u(X, Y ) : Ω −→ R

ω 7−→ u X(ω), Y (ω) .
Proposition 24.4. La loi de Z = u(X, Y ) est donnée par par :

X
∀ z ∈ Z(Ω), P(Z = z) = P [X = x] ∩ [Y = y] .
(x,y) | u(x,y)=z
2. Cas particulier de la somme de deux variables aléatoires
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 24.3. Soient X ,→ B(m, p) et Y ,→ B(n, p) deux variables aléatoires indépendantes.

Alors,
X + Y ,→ B(m + n, p).
3. Espérance d’une variable aléatoire fonction de deux variables aléatoires
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
Exemple 24.7. Retour à l’exercice précédent. On recherche de l’espérance de Z = XY .
Proposition 24.6. Soient X, Y des variables aléatoires réelles et a, b des réels. Alors,
E(aX + bY ) = aE(X) + bE(Y ).
On dit que l’espérance est linéaire.

IV. Covariance - coefficient de corrélation linéaire
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 )) .
Théorème 24.5 (Kœnig-Huygens). Soient X et Y deux variables aléatoires réelles. Alors, on a :
Cov(X, Y ) = E(XY ) − E(X)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 ).
Exemple 24.8. Retour à l’exemple précédent.
2. Le coefficient de corrélation linéaire

Définition 24.8. Soient X et Y deux variables aléatoires d’écart-types non nuls. On appelle coeffi-
cient de corrélation linéaire le réel :
Cov(X, Y )
ρ(X, Y ) = .
σ(X)σ(Y )
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
Cov(X, Y ) = 0 ou encore ρ(X, Y ) = 0,
lorsque ce dernier est défini.
3. Calcul de variance d’une somme de variables aléatoires

Théorème 24.7. Soit (X, Y ) un couple de variables aléatoires. Alors, on a :
V(X + Y ) = V(X) + V(Y ) + 2Cov(X, Y ).
Plus généralement, pour tous réels a et b, on a :
V(aX + bY ) = a2 V (X) + b2 V (Y ) + 2Cov(X, Y ).

4. Cas de variables aléatoires indépendantes

Théorème 24.8. Soient X et Y deux variables aléatoires réelles indépendantes. Alors,
1. E(XY ) = E(X)E(Y ), en particulier Cov(X, Y ) = 0 et ρ(X, Y ) = 0,
2. V(X + Y ) = V(X) + V(Y ).
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.
Exercice 24.2. Soient X et Y deux variables aléatoires de Bernoulli indépendantes et de même

paramètre p ∈ ]0, 1[. Soient U = X + Y et V = X − Y .
1. Déterminer la loi du couple (U, V ),
2. Déterminer la covariance Cov(U, V ).
3. Les variables aléatoires U et V sont-elles indépendantes ? Conclusion.
V. Familles de n variables aléatoires
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 ).
Définition 24.11. Soit (X1 , X2 , . . . , Xn ) un vecteur de variables aléatoires réelles. L’application
P(X1 ,...,Xn ) : X1 (Ω) × · · · × Xn (Ω) −→ [0, 1]

(x1 , . . . , xn ) 7−→ P [X1 = x1 ] ∩ · · · ∩ [Xn = xn ]
est appelée loi conjointe du vecteur (X1 , . . . , 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.
Proposition 24.7. Soit (X1 , . . . , Xn ) une famille de variables aléatoires réelles mutuellement indépen-
dantes. Alors, toute sous-famille l’est aussi.
Exemple 24.10. Soient X, Y, Z, T des variables aléatoires mutuellement indépendantes. Alors, X, Y, T

sont mutuellement indépendantes.
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.
Exemple 24.11. Soient X, Y, Z, T des variables aléatoires mutuellement indépendantes. Alors,

1. X 2 + Y et ZT sont indépendantes.
2. X, 2Y + eZ et T 3 sont mutuellement indépendantes.
3. Somme de variables aléatoires

Théorème 24.10. Soit X1 , . . . , Xn une famille de variables aléatoires indépendantes suivant toutes
une loi de Bernoulli de paramètre p. Alors,
X1 + · · · + Xn ,→ B(n, p).
Proposition 24.8. Soit X1 , . . . , Xn une famille de variables aléatoires. On a :

X n
∗ E(X1 + · · · + Xn ) = E(Xk ),
k=1
Xn X
∗ V(X1 + · · · + Xn ) = V(Xk ) + 2 Cov(Xi , Xj ).
k=1 1≤i≤j≤n
En particulier, si les variables sont indépendantes, on a :

n
X
V(X1 + · · · + Xn ) = V(Xk ).
k=1
Chapitre 24 - Couples de variables aléatoires réelles 309
Travaux Dirigés
Couples de variables aléatoires réelles
∗ ∗ ∗
Exercice 1 On lance deux dés équilibrés ayant n faces numérotées de 1 à n.

Quelle est la probabilité qu’il y ait un écart de 1 entre les deux dés ?
Exercice 2 On considère les coefficients réels pi,j = λ × i × j, pour i et j compris entre 1 et n.

1. Donner la valeur de λ pour laquelle les (pi,j )1≤i,j≤n forment la loi conjointe d’un couple de var.
2. Soit (X, Y ) un couple de var à valeurs dans [[1, n]], admettant (pi,j )1≤i,j≤n pour loi conjointe.
(a) Déterminer les lois marginales de X et Y .
(b) Les var X et Y sont-elles indépendantes ?
(c) Déterminer la valeur de la covariance de X et Y et en déduire l’espérance de XY .
Exercice 3 On choisit au hasard un nombre n entre 1 et 1000, puis un nombre entre 1 et n.

On souhaite savoir ce que l’on obtient en moyenne pour ce second nombre. On note X la var
correspondant au premier nombre choisi et Y au deuxième nombre.
1. Déterminer la loi du couple (X, Y ).
2. Déterminer la loi de Y . (On ne cherchera pas à calculer les sommes).
3. Répondre enfin à la question posée en introduction.
Exercice 4 On dispose de deux urnes. La première, U1 , contient n + 1 jetons numérotés de 0 à

n ; la seconde, U2 , contient n jetons numérotés de 1 à n. On tire au hasard un jeton de l’urne U1 et
on note N le numéro obtenu ; puis on tire une poignée de N jetons de l’urne U2 .
1. Déterminer l’espérance et la variance de N .
2. Soit Xi la var prenant la valeur 1 si le jeton numéro i de l’urne U2 a été tiré, et la valeur 0
sinon.
(a) Quelle est la loi de Xi , son espérance et sa variance ?
(b) Déterminer la covariance des couples (Xi , Xj ) pour i 6= j. Ces var sont-elles indépen-
dantes ?
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.
1. Soient i et j deux entiers inférieurs à 34. Montrer que :


0 si 1 ≤ j ≤ i ≤ 34
P ([X = i] ∩ [Y = j]) = 1
 si 1 ≤ i < j ≤ 34
34 × 33
2. Déterminer les lois de probabilité des var X, Y et Y − X.

3. Calculer l’espérance de X.
4. Déterminer la valeur de a pour laquelle la partie est équilibrée.
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
2. Ensemble de définition - ensemble d’étude . . . . . . . . . . . . . . . . . . . 313
3. Tangente en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
4. Étude des branches infinies . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
5. Plan d’étude des courbes paramétrées . . . . . . . . . . . . . . . . . . . . . 315
II. Exemples de courbes paramétrées . . . . . . . . . . . . . . . . . . . . . . . . . . 316
1. La cycloïde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
2. Courbe de Lissajous . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
3. Autre exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
311
Courbes paramétrées
∗ ∗ ∗
I. Étude d’une courbe paramétrée
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 .
Exemple 25.1. La cardioïde :

(
x(t) = R(cos t + sin2 t)
Γ : R > 0.
y(t) = R(sin t − cos t sin t)
→
− → −
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)
∗ La courbe Γ représente la trajectoire du point mobile,

0
x (t)
∗ v(t) = représente le vecteur vitesse instantanée à l’instant t,
y 0 (t)
00
x (t)
∗ a(t) = représente le vecteur accélération à l’instant t.
y 00 (t)
2. Ensemble de définition - ensemble d’étude

Définition 25.2. L’ensemble de définition D d’une courbe paramétrée Γ est l’intersection des en-
sembles de définition des fonctions x et y :
D = Dx ∩ Dy .
Exemple 25.2. Ensemble de définition de la cardioïde :
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 :
1. Périodicité : si x et y sont périodiques de période T , alors on peut restreindre l’étude à un

intervalle de longueur T .
2. Parité : la parité des fonctions x et y est directement reliée aux symétries par rapport aux
axes du repère ou à l’origine du repère ; elle permet de limiter l’étude à D ∩ R+ .
∗ Si x et y sont paires : les points M (t) et M (−t) sont confondus.
∗ Si x est paire et y impaire : les points M (t) et M (−t) sont symétriques par rapport à
l’axe des abscisses.
∗ Si x est impaire et y paire : les points M (t) et M (−t) sont symétriques par rapport à
l’axe des ordonnées.
∗ Si x et y sont impaires : les points M (t) et M (−t) sont symétriques par rapport à l’origine.
3. Autres symétries : (
x(−t) = y(t)
∗ Si pour tout t ∈ D, : les points M (t) et M (−t) sont symétriques rapport
y(−t) = x(t)
à la droite d’équation y = x. On limite l’étude à D ∩ R+
(
x(−t) = −y(t)
∗ Si pour tout t ∈ D, : les points M (t) et M (−t) sont symétriques rapport
y(−t) = −x(t)
à la droite d’équation y = −x. On limite l’étude à D ∩ R+ .
∗ ...
Exemple 25.3. Ensemble d’étude de la cardioïde :
3. Tangente en un point
On suppose que les fonctions x et y sont dérivables sur I.
Proposition 25.1. Soit t0 ∈ I.

1. Si x0 (t0 ) = 0 et y 0 (t0 ) 6= 0, la tangente à Γ en t0 est verticale et d’équation x = x(t0 ).
2. Si x0 (t0 ) 6= 0 et y 0 (t0 ) = 0, la tangente à Γ en t0 est horizontale et d’équation y = y(t0 ).
3. Si x0 (t0 ) 6= 0 et y 0 (t0 ) 6= 0, la tangente à Γ en t0 est la droite passant par M (t0 ) et dirigée par
0
x (t0 )
v(t0 ) = .
y 0 (t0 )
4. Si x0 (t0 ) = 0 et y 0 (t0 ) = 0, alors on ne peut pas conclure.
4. Étude des branches infinies

Définition 25.3. Soit t0 ∈ I, on dit que Γ admet une branche infinie lorsque t tend vers t0 si l’une
des deux fonctions x ou y admet une limite infinie en t0 .
Proposition 25.2. Étude des branches infinies d’une courbe paramétrée


 lim x(t) = x0 ∈ R
1. Si t→t0 alors la droite d’équation x = x0 est asymptote à la courbe.
 lim y(t) = ±∞,
t→t0
Chapitre 25 - Courbes paramétrées 315

 lim x(t) = ±∞
t→t0
2. Si alors la droite d’équation y = y0 est asymptote à la courbe.
 lim y(t) = y0 ∈ R,
t→t0

 lim x(t) = ±∞
t→t0
3. Si alors trois cas se présentent :
 lim y(t) = ±∞,
t→t0
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
5. Plan d’étude des courbes paramétrées

1. Recherche de l’ensemble de définition D = Dx ∩ Dy .
2. Réduction de l’ensemble de définition (périodicité, symétries,. . .).
3. Étude des variations de x et y (tableau de variations commun).
4. Tracé de la courbe (avec les tangentes et branche infinies remarquables).
Exemple 25.4. Étude de la cardioïde :

II. Exemples de courbes paramétrées
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
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
D’où le tableau de variations :
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
2. Fonctions partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
3. Représentation graphique dans le cas n = 2 . . . . . . . . . . . . . . . . . . 322
II. Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
1. Calcul des dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . 323
2. Petites variations autour d’un point . . . . . . . . . . . . . . . . . . . . . . 324
3. Détermination d’une fonction connaissant ses dérivées partielles . . . . . . 324
319
Fonctions de plusieurs variables
∗ ∗ ∗
I. Fonctions de plusieurs variables
1. Définitions
Définition 26.1. Soit n ∈ N∗ , on appelle fonction numérique à n variables toute application
f : D −→ R,
où D est une partie de Rn .
Remarque 26.1. On se limitera aux cas n = 2 et n = 3.
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 .
Exemples 26.2. Représenter les ensembles de définition des fonctions f , g et f + g.
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 :
f1 (x) = f (x, y0 ) et f2 (y) = f (x0 , y).
∗ Soit f une fonction de trois variables définie sur un ensemble D ⊂ R3 et (x0 , y0 , z0 ) ∈ D.

On appelle fonctions partielles de f en (x0 , y0 , z0 ) les fonctions d’une seule variable définies
par :
f1 (x) = f (x, y0 , z0 ), f2 (y) = f (x0 , y, z0 ) et f3 (z) = f (x0 , y0 , z).
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).
3. Représentation graphique dans le cas n = 2

Définition 26.3. Soit f une fonction de deux variables définie sur un domaine D ⊂ R2 . On appelle
surface représentative de f l’ensemble S des points (x, y, z) tels que :
z = f (x, y), (x, y) ∈ D.
Exemple 26.4. Soit f : (x, y) 7−→ x2 sin y définie sur R2 .
Proposition 26.1. Soient f : D −→ R et (x0 , y0 ) ∈ D. Les courbes représentatives de fonctions

partielles f1 et f2 en (x0 , y0 ) s’obtiennent par intersection de la surface représentative de S avec les
plans d’équations y = y0 et x = x0 respectivement.
Exemple 26.5. Les fonctions partielles de la fonction f : (x, y) 7−→ x2 sin y en (x0 , y0 ) sont :
f1 (x) = x2 sin y0 et f2 (y) = x20 sin y.
La courbe représentative de f1 est une parabole, celle de f2 une sinusoïde.
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 :
{(x, y) ∈ R2 , f (x, y) = c}.
Exemple 26.6. Soit f la fonction définie sur R2 par f (x, y) = x2 + y 2 − 1.

∗ Les courbes représentatives des fonctions partielles sont des paraboles.
√
∗ La ligne de niveau c ≥ −1 est un cercle centré en l’origine et de rayon c + 1.
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
II. Dérivées partielles
1. Calcul des dérivées partielles

Définition 26.5. Soient f une fonction définie sur D ⊂ R2 et (x0 , y0 ) ∈ D.
∗ On dit que f admet une dérivée partielle par rapport à la première variable au point (x0 , y0 ) si
la fonction partielle f1 : x 7→ f (x, y0 ) est dérivable en x0 , c’est-à-dire si
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
Exercice 26.1. Existence et calcul des dérivées partielles des fonctions f, g et h.
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.
2. Petites variations autour d’un point

Proposition 26.2. Soient f une fonction définie sur D ⊂ R2 qui admet des dérivées partielles en un
point (x0 , y0 ) ∈ D. Alors, pour h et k assez petit, on a :
∂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).
3. Détermination d’une fonction connaissant ses dérivées partielles

Exemple 26.7. On recherche F définie sur R2 telle que :
∂F ∂F
(x, y) = sin y et (x, y) = (x + 1) cos y.
∂x ∂y
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 sin y + G(y),
où G est une fonction dérivable de la variable y.

2. On dérive par rapport à l’autre variable et on se sert de la seconde équation.
On trouve :
∂F
(x, y) = x cos y + G0 (y) = (x + 1) cos y,
∂y
c’est-à-dire G0 (y) = cos y, doù G(y) = sin y + C, C ∈ R. Par conséquent :
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.
Exercice 26.3. Rechercher F telle que :

∂F ∂F
1. (x, y) = cos y et (x, y) = (x + 1) cos y.
∂x ∂y
∂F y2 ∂F
2. (x, y) = et (x, y) = 2y ln(xy) + y.
∂x x ∂y
∂F ∂F ∂F
3. (x, y, z) = yz + y 2 + 1, (x, y, z) = xz + 2y(x + z) + 1 et (x, y, z) = xy + y 2 − 2z.
∂x ∂y ∂z
Chapitre 27
Géométrie
Sommaire
I. Le produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
1. Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
2. Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
3. Projection orthogonale - angle géométrique formé par deux vecteurs . . . . 328
II. Produit vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
1. Angles orientés dans le plan . . . . . . . . . . . . . . . . . . . . . . . . . . 329
2. Produit vectoriel dans R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
3. Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
III. Droites et plans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
1. Droites dans le plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
2. Plans dans l’espace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
3. Droites dans l’espace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
IV. Cercles et sphères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
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 .
Propriétés 27.1. Soient ~u, ~v , w~ des vecteurs de R2 ou R3 , λ ∈ R. On a

1. ~u · ~v = ~v · ~u,
2. ~u · (λ~v + w)~ = λ~u · ~v + ~u · w,
~
3. ~u · ~u ≥ 0 et (~u · ~u = 0 ⇔ ~u = 0).
Définition 27.3. Soit ~u un vecteur de R2 ou R3 . On appelle norme de ~u le réel positif :

√
k~uk = ~u · ~u.
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).
Propriétés 27.2. Soient ~u et ~v deux vecteurs de R2 ou R3 , λ ∈ R. On a

1. k~uk ≥ 0,
2. kλ~uk = |λ| k~uk,
3. Inégalité triangulaire : k~u + ~v k ≤ k~uk + k~v k,
4. Inégalité de Cauchy-Schwarz : |~u · ~v | ≤ k~uk k~v k (avec égalité ssi ~u et ~v sont colinéaires).
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.
∗ ~u est normé ou unitaire si k~uk = 1.
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.
Proposition 27.1. Toute famille orthonormée (~u1 , . . . , ~up ) est libre.
Définition 27.6. On appelle base orthogonale (resp. orthonormée) toute famille qui est à la fois or-
thogonale (resp. orthonormée) et une base.
3. Projection orthogonale - angle géométrique formé par deux vecteurs

Définition 27.7.
1. Soit D une droite et M un point du plan. Le projeté orthogonal H de M sur D est le point
d’intersection de D et de la perpendiculaire à D passant par M .
Chapitre 27 - Géométrie 329
2. Soit P un plan et M un point de l’espace. Le projeté orthogonal H de M sur P est le point

d’intersection de P et de la perpendiculaire à P passant par M .
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).
II. Produit vectoriel
1. Angles orientés dans le plan

L’angle géométrique n’est pas suffisant pour définir l’angle formé par deux vecteurs. Il faut définir
le signe de cet angle. Le signe sera positif si l’angle est orienté suivant le sens direct (ou sens
trigonométrique), négatif sinon.
2. Produit vectoriel dans R3

Définition 27.9. Soient ~u = (x, y, z) et ~v = (x0 , y 0 , z 0 ) deux vecteurs de R3 . Le produit vectoriel de
~u et ~v est le vecteur noté ~u ∧ ~v défini par :
~u ∧ v = (yz 0 − y 0 z, zx0 − xz 0 , xy 0 − x0 y).
Exemple 27.3. Calculer ~u ∧ ~v avec

1. ~u = (1, 0, 0) et ~v = (0, 1, 0),
2. ~u = (1, 3, 2) et ~v = (−1, 0, 1).
Propriétés 27.3. Soient ~u et ~v deux vecteurs de R3 , λ ∈ R. On a

1. ~u ∧ (λ~v + w)
~ = λ~u ∧ ~v + ~u ∧ w,
~
2. ~u ∧ ~v = −~v ∧ ~u,
3. Si ~u et ~v sont colinéaires, alors ~u ∧ ~v = ~0.
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 .
Exemple 27.4. Vérifier la propriété 1 sur les exemples précédents.
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 27.4. Soient ~u et ~v deux vecteurs. Alors, on a
k~u ∧ ~v k = k~uk × k~v k × | sin(~u, ~v )|.

−→ −−→
Corollaire 27.1 (Calcul d’aire). Soient A, B et C trois points de l’espace et D tel que AB = CD.
−→ −→
Alors, kAB ∧ ACk représente l’aire du parallélogramme ABDC.
III. Droites et plans
1. Droites dans le plan

Définition 27.11. On appelle droite D passant par un point A et dirigée par un vecteur ~u, l’ensemble
−−→ −−→
des points M tels que AM et ~u sont colinéaires, c’est-à-dire AM ∈ Vect(~u) :
−−→
M ∈ D ⇔ ∃ t ∈ R, AM = t~u.
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
2. Si A un point de D et ~n un vecteur normal à D, alors la distance de M à D est :

−−→
|AM · ~n|
d(M, D) = .
k~nk
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
2. Plans dans l’espace

Définition 27.14. Soit A un point de E et ~u1 , ~u2 deux vecteurs non colinéaires. On appelle plan P
−−→
passant par le point A et de vecteurs directeurs ~u1 et ~u2 , l’ensemble des points M tels que AM ∈
Vect(~u1 , ~u2 ) :
−−→
M ∈ P ⇔ ∃ s, t ∈ R, AM = s~u1 + t~u2 .
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 27.10. Soit P un plan, A un point de P et ~n un vecteur normal à P . Alors, P est

l’ensemble des points M tels que :
−−→
AM ⊥ ~n.
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 :
|ax0 + by0 + cz0 + d|

d(M, P ) = √ .
a2 + b2 + c2
2. Si A un point de P et ~n un vecteur normal à P , alors la distance de M à P est :

−−→
|AM · ~n|
d(M, P ) = .
k~nk
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.
3. Droites dans l’espace

De la même manière que pour les droites du plan, une droite D de l’espace E admet des équations
paramétriques de la forme : 
 x = xA + αt

y = yA + βt, t ∈ R.

 z = z + γt
A
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.
Remarque 27.9. Attention : il n’y a pas unicité des deux plans !
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.
Exercice 27.1. Trouver un vecteur normal à la droite D d’équations cartésiennes :

(
x − y + 2z + 4 = 0
2x + 3y + z − 1 = 0
Proposition 27.15. L’intersection d’un plan P et d’une droite D est :

∗ soit vide : D est parallèle à P ,
∗ soit un point : D et P sont sécants,
∗ soit la droite D : D est incluse dans P .
IV. Cercles et sphères
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.
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 .
Exercice 27.2. Déterminer la nature de l’ensemble d’équation cartésienne :
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.
Proposition 27.17 (Équation cartésienne d’une sphère). L’équation de la sphère de R3 de centre

A (x0 , y0 , z0 ) et de rayon r est :
(x − x0 )2 + (y − y0 )2 + (z − z0 )2 = r2 .
Exercice 27.3. Déterminer la nature de l’ensemble d’équation cartésienne :
x2 + y 2 + z 2 − 2x + 4z − 1 = 0.
Chapitre 28
Algorithmique
Sommaire
I. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
II. Les variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
1. Notion de variable en informatique . . . . . . . . . . . . . . . . . . . . . . . 337
2. Les différents types de variables . . . . . . . . . . . . . . . . . . . . . . . . 338
3. Entrées et sorties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338
III. Les instructions conditionnelles ou tests . . . . . . . . . . . . . . . . . . . . . . 339
1. Valeurs logiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339
2. En pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339
3. Variables booléennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340
4. Les tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340
IV. Les boucles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
1. les boucles for . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
2. les boucles while . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
V. Les fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
1. Définition d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
2. Variables locales et globales . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
335
Algorithmique
? ? ?
I. Introduction
Définition 28.1. On appelle algorithme une suite d’instructions composant un processus visant à
résoudre un problème donné.
Exemples 28.1. Les problèmes posés peuvent être variés :

∗ additionner deux nombres,
∗ compter le nombre de voyelles dans un mot,
∗ trier un tableau de nombres,
∗ dire si un entier naturel est premier.
Un algorithme est constitué d’une succession d’opérations élémentaires dont l’ordre d’exécution joue
un rôle important dans la résolution du problème considéré.
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.
II. Les variables
1. Notion de variable en informatique

Les variables en informatique sont des notions un peu différentes des variables utilisées en mathé-
matiques.
Définition 28.2. Une variable est une boîte caractérisée par :

∗ un nom,
∗ un emplacement dans la mémoire de l’ordinateur,
∗ un contenu.
Les variables serviront à stocker les données nécessaires à la bonne exécution de l’algorithme. Les
opérations de base sur les variables sont les suivantes :
∗ création de la variable,
∗ extraction du contenu d’une variable,
∗ affection d’une variable : attribuer le contenu de la variable ou le modifier souvent notée ←.
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.
2. Les différents types de variables

En informatique, on classe les variables suivant leur types, c’est-à-dire le type d’objet qu’elles
contiennent. Ces objets se scindent en deux catégories : les objets élémentaires et les objets
structurés.
On appelle objet élémentaire un objet de type
∗ nombre (entier, réel ou complexe),
∗ un caractère.
On appelle objet structuré, un objet du type :
∗ chaîne de caractères,
∗ tableau (à une ou plusieurs dimensions qui contient autant de variables que de cases).
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 :
nom_variable = input(’Donner le contenu de la variable : ’)
L’ordinateur affiche la chaîne de caractères « Donner le contenu de la variable : », l’utilisateur entre

une réponse intelligente et appuie sur entrée. La variable nom_variable est alors créée et on lui
affecte la valeur entrée par l’utilisateur.
Remarque 28.3. Attention : pour entrer une chaîne de caractères, il ne faut pas oublier les apos-
trophes !
Pour afficher le contenu de la variable nom_variable, on écrit :

Chapitre 28 - Algorithmique - Introduction à scilab 339
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).
Remarque 28.4. Attention à l’ordre d’affichage des variables !
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.
III. Les instructions conditionnelles ou tests
1. Valeurs logiques
Définition 28.3. On appelle expression logique une expression qui peut être Vraie ou fausse.
Exemples 28.5. Expressions logiques simples :

1. « 1 < 2 » : est Vrai,
2. « 1 = 3 » : est Faux,
3. « x ≥ 2 », avec x une variable : cette expression peut être vraie ou fausse suivant la valeur que
contient la variable x.
On peut obtenir des expressions logiques composées à partir d’expressions logiques simples à l’aide
des opérateurs ET, OU et NON.
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 ~
Exercice 28.2. Écrire les expressions logiques précédentes en Scilab.

Attention : Scilab ne peut traiter que des comparaisons simples de type :
valeur ou variable opérateur de comparaison valeur ou variable
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 :
−1 < x & x <= 2.
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
else <instructions>
end
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 :
« si . . . alors . . . , sinon si . . . , alors . . . , . . . , sinon . . . ».
if <condition1> then <instruction1>

elseif <condition2> then <instruction2>
..
.
else <instruction>
end
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
IV. Les boucles
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.
1. les boucles for

La boucle for 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 :
for <incrément> = <début>:<fin>

<instruction 1>;
..
.
<instruction n>;
end
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
Exemple 28.14. Calcul de puissance

On souhaite calculer la puissance 47 du complexe e2iπ/5 .
On tape la suite d’instructions suivantes :
u=%e^(2*%i*%pi/5);
z=1;
for i=1:47
z=z*u;
end
Exercice 28.6. Calcul de somme

Calculer la somme des 30 premiers entiers.
On tape la suite d’instructions suivantes :
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.
Exemple 28.15. On souhaite demander à un utilisateur de compléter un tableau noté t à 2 lignes et

3 colonnes. On peut écrire la suite d’instructions
for i=1:2
for j=1:3
t(i,j)=input(’Donner un nombre : ’)
end
end
Remarque 28.7. For i=T tableau...

2. les boucles while
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.
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
x=input(’Donner un réel positif : ’);

e=0;
while x-e>=1
e=e+1;
end
disp(’La partie entière de ’+string(x)+’ est ’+string(e))
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.
n=input(’Donner un entier naturel : ’);

p=2;
while p<=sqrt(n) & modulo(n,p)<>0
p=p+1;
end
if p>sqrt(n)
disp(n)
else
disp(p)
end
V. Les fonctions
1. Définition d’une fonction

Une fonction est une suite d’instructions qui renvoie un résultat lorsqu’on l’exécute.
function résultat = nom_f onction(paramètre 1, . . . , paramètre n)

instruction 1;
..
.
instruction n;
endfunction
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 :
function [résultat 1, . . . ,résultat p] = nom_f onction(paramètre 1, . . . , paramètre n)

<instruction 1>;
..
.
<instruction n>;
endfunction
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).
2. Variables locales et globales

La construction d’un programme complet peut comprendre l’écriture de plusieurs fonctions. On
distinguera deux types de variables :
1. Les variables globales : elles sont définies dans le corps principal du programme, on peut les
utiliser dans toutes les fonctions du programme.
2. Les variables locales : elles sont définie dans dans le corps d’une fonction et n’ont d’effet que
dans le script de cette fonction. Ainsi on peut utiliser un même nom pour désigner deux
variables locales dans des fonctions différentes.
Travaux pratiques avec Scilab
Travaux pratiques 1
Initiation à Scilab
∗ ∗ ∗
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 -->.
I. Calcul avec Scilab
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.
II. Les variables
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
2. Que se passe-t-il lorsqu’on tape x=2 ?

On affecte la valeur 2 à la variable x.
3. Que se passe-t-il lorsqu’on tape x=x+3 ?
On affecte à la variable x la valeur de la somme de son ancienne valeur et 3.
4. Que se passe-t-il lorsqu’on tape x=string(x) ?
On affecte à la variable x la chaîne de caractères correspondant à sa valeur. On remarque les
entiers ne sont alors plus suivis d’un point.
5. Créer deux variables a et b contenant respectivement la valeur 1 et la chaîne de caractères ’1’.
Effectuer les opérations suivantes :
--> a + a , b + b
Que constatez-vous ?
Le première opération réalise l’addition 1+1 alors que la seconde opère la concaténation des
chaînes ’1’+’1’, d’où la chaîne de caractères ’11’.
Remarque. Attention : pour la variable x=1, il faudra bien distinguer :

∗ la nom de la variable x,
∗ la chaîne de caractères ’x’ correspondant au nom de la variable,
∗ la valeur de la variable 1,
∗ la chaîne de caractères ’1’ correspondant à la valeur (obtenue avec la commande string(x)).
2. Gestion des variables

Qu’observe-t-on lorsqu’on tape who ?
Scilab affiche les variables que vous avez créées et qui sont encore en mémoire ainsi qu’un grand
nombre de variables gérées par Scilab.
Pour supprimer la variable x, il suffit de taper clear x.
Pour supprimer toutes les variables créées, il suffit de taper clear.
Faire quelques essais avec ces nouvelles commandes.
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 1 Ecrire les instructions correspondant aux actions suivantes :

∗ demander à l’utilisateur un nombre complexe que l’on stocke dans une variable notée z,
∗ calculer le conjugué de z noté zbar,
∗ afficher à l’écran : « le contenu de (valeur de z) est (valeur de zbar). »
Exercice 2 Ecrire les instructions correspondant aux actions suivantes :

∗ demander à l’utilisateur de rentrer une valeur que l’on stocke dans une variable notée x,
∗ demander à l’utilisateur de rentrer une autre valeur que l’on stocke dans une variable notée y,
∗ échanger le contenu des variables x et y.
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.
I. Les fichiers .sce
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.
Exemple 28.22. On considère le programme qui demande à l’utilisateur un nombre complexe z et

qui renvoie le conjugué de ce nombre.
Dans la console, cette suite d’instructions s’écrit :
z=input(’Donner un complexe : ’); zbar=real(z)-%i*imag(z);
disp(’Le conjugué de ’+string(z)+’ est ’+string(zbar))
On souhaite sauvegarder ce programme. Pour cela, on va enregistrer le script dans un fichier
conjugue.sce. La démarche à suivre est la suivante :
1. On ouvre l’éditeur de texte incorporé dans Scilab appelé SciNotes :
∗ soit en cliquant sur l’icône correspondante de la barre des tâches (bloc note avec crayon)
∗ soit en cliquant sur Applications puis SciNotes.
2. On tape le script correspondant.
3. On enregistre le fichier :
∗ soit en cliquant sur Fichier puis Enregistrer
∗ soit en cliquant sur l’icône de sauvegarde de la barre des tâches (disquette).
On veillera à enregistrer le fichier dans un dossier approprié.
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, . . .
Le fichier conjugue.sce peut s’écrire ainsi :
z=input(’Donner un complexe : ’); //on demande un complexe

zbar=real(z)-%i*imag(z); //zbar qui contient le conjugué de z
disp(’Le conjugué est ’+string(zbar)) //affiche le résultat
2. Exécution du script contenu dans un fichier .sce

Notre programme est désormais sauvegardé dans un fichier .sce, comment faire pour l’exécuter ?
Plusieurs démarches sont envisageables :
1. Dans la fenêtre du fichier :
∗ soit en cliquant sur l’icône correspondante de la barre des tâches (triangle ou triangle et
disquette),
∗ soit en cliquant sur Exécuter.
2. Dans la fenêtre principale de Scilab : en cliquant sur Fichier puis Exécuter. Il faut alors choisir
dans l’arborescence le fichier à exécuter.
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.
II. Les instructions conditionnelles ou tests
1. Expressions logiques - booléens

Reprendre les exemples d’expressions logiques et de booléens du cours afin de manipuler la syntaxe
de Scilab.
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.
2. Les tests simples

Les tests simples correspondent à l’une des deux suites d’instructions suivantes :
1. « si . . . alors . . . ».
2. « si . . . alors . . . sinon . . . ».

end
else <instructions>
end
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.
3. Les tests imbriqués
Les tests imbriqués correspondent à la suite d’instructions suivante :
« si . . . alors . . . , sinon si . . . , alors . . . , . . . , sinon . . . ».
if <condition1> then <instruction1>

elseif <condition2> then <instruction2>
..
.
else <instruction>
end
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.
I. Les boucles for

On rappelle la syntaxe d’une boucle for :
for <incrément> = <début>:<fin>

<instruction 1>;
..
.
<instruction n>;
end
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
2. Exécuter ce script pour n=10,20,50,100 et conjecturer le comportement de la suite Sn .

3. Reprendre le script pourqu’il renvoie la valeur de Sn − ln n.
4. Exécuter ce script pour n=100,1000,10000. Que conjecturer ?
356 TP 3
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
3. Une suite définie par récurrence

On considère la suite définie par :

1 2
u0 = 10 et un+1 = un + ∀ n ∈ N.
2 un
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
∗ ∗ ∗
I. Les boucles while

On rappelle la syntaxe d’une boucle while :
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.
2. Code de carte bancaire

Exercice 2 Choisissez un nombre à 4 chiffres correspondant au code secret contenu sur la puce
d’une carte bancaire par exemple.
Écrire un script qui demande à l’utilisateur de rentrer son code de carte bancaire.
Le scprit affiche code bon si le code donné par l’utilisateur correspond à celui inscrit sur la puce et
code faux, veuillez recommencer si le code n’est pas le bon.
Au bout de 3 essais, si le code n’est toujours pas le bon, le script affiche code faux, carte
inutilisable.
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
Exercice 4 (Un premier jeu simple)

1. Tester dans la fenêtre principale la fonction rand.
2. Utiliser les fonctions rand et floor pour créer aléatoirement un entier entre 0 et 100.
3. Écrire un script qui choisit aléatoirement un entier secret entre 0 et 100.
Le script demande à l’utilisateur d’entrer un entier entre 0 et 100.
Si cet entier n’est pas l’entier secret, l’utilisateur est invité à entrer un autre nombre avec
l’indication c’est plus ou c’est moins suivant les cas.
En cas de réussite en moins de dix tentatives, le script affiche un message de réussite ainsi que
le nombre de tentatives sinon il affiche un message d’échec.
Exercice 5 (Suite de Syracuse)

On considère la suite définie par :
(
un /2 si un est pair
u0 ∈ N et ∀ n ∈ N, un+1 =
3un + 1 sinon.
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
∗ ∗ ∗
I. Calcul de Pi
Exercice 1 Une méthode simple

On rappelle le résultat suivant :
+∞ N
X 1 X 1 π2
2
= lim 2
= .
n=1
n N →+∞
n=1
n 6
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.
Exercice 2 Méthode de Monte Carlo

La méthode de Monte Carlo permet d’estimer des surfaces d’une région donnée du plan grâce à un
tirage aléatoire de points dans cette région du plan. Cette méthode va nous permettre de calculer
une valeur approchée de π.
Principe :
∗ on tire aléatoirement des points dans la carré C = [0, 1] × [0, 1] = {(x, y), x, y ∈ [0, 1]},
∗ on calcule le nombre de points qui sont dans le quart de disque D = {(x, y), x2 + y 2 ≤ 1}.
Les points pouvant tomber partout dans le carré avec la même probabilité, le rapport du nombre de
points dans le quart de disque D et du nombre total de points n tend vers la rapport des aires de D
et C :
nombre de points dans D aire de D π
lim = = .
n→+∞ nombre total de points aire de C 4
1. Dans la fenêtre principale, taper X=rand(2,1) et répéter l’opération. Qu’observe-on ?

2. Écrire un script qui demande à l’utilisateur de rentrer un entier n et qui utilise la méthode de
Monte Carlo pour calculer une valeur approchée de π.Indication : on utilisera deux compteurs :
∗ n qui compte le nombre total de points,
∗ d qui compte le nombre de points situés dans le quart de disque D.
Exercice 3 Comparaison des deux méthodes

1. Écrire un script qui demande à l’utilisateur de rentrer une précision eps, et qui affiche le
nombre d’itérations nécessaires pour calculer une valeur approchée de π à eps près en utilisant
la formule de l’exercice 1.
360 TP 5
2. Faire de même pour la méthode de Monte Carlo.

3. Commenter les résultats obtenus.
Travaux pratiques 6
Les matrices
∗ ∗ ∗
I. Définir une matrice - un vecteur
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 :
A=[1 2 3;4 5 6;7 8 9]
Dans la fenêtre principale, enter la matrice :

1 0 2i −3
B=
−i 5 1 0
2. Définition par blocs
Dans la fenêtre principale :

∗ Entrer les matrices :
1 0 1 1
M= et N =
0 1 1 1
∗ Taper [M N] et [N M]. Commenter :
∗ Taper [M;N] et [N;M]. Commenter :
Exercice 1 Comment obtenir la matrice suivante à partir des matrices M et N :

 
1 1 1 0
1 1 0 1
P = 1 0 1
.
1
0 1 1 1
Réponse : P=
362 TP 6
3. Accès aux coefficients d’une matrice, à une sous-matrice

Taper chacune des instructions et commenter :
∗ A(2,3) :
∗ A(1), A(6), A(8) :
∗ A(:,2) :
∗ A(1,:) :
∗ B(:,[2 4]) :
∗ B(:,[2:4]) :
∗ B(1,3)=0 :
∗ B(2,:)=[1 2 3 4] :
∗ B(:,1)=[] :
Exercice 2 Comment obtenir la matrice suivante à partir de la matrice A :

1 2
C= .
7 8
Réponse : C=
II. Matrices particulières
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) :
∗ K=ones(4,2) :
∗ L=ones(J) :
∗ D=diag([1 2 3 4 5]) :
∗ E=diag([1 2 3 4 5],1), F=diag([1 2 3 4 5],-2) :
∗ R=rand(2,3) :
2. Vecteurs construits par incrémentation
Taper chacune des instructions et commenter :

∗ U1=[2:5] et U2=2:5 :
∗ V1=2:3:10 :
∗ V2=0:0.1:%pi :
III. Les opérations sur les matrices
1. Les opérations usuelles
∗ 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 :
∗ Taper Aˆ2, 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.
Exercice 3 À l’aide des commandes précédentes, écrire les matrices :

   
1 3 3 3 1 2 3 4
3 1 3 3 et H = 0 1 2 3
 
G= 3 3 1 3 0 0 1 2
3 3 3 1 0 0 0 1
364 TP 6
2. Les opérations terme à terme

Taper les instructions et commenter :
∗ A.*eye(3,3) :
∗ 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 4 Écrire un programme matrice :

∗ qui demande à l’utilisateur les nombres n et p correspondant à la taille de la matrice qu’il
souhaite entrer.
∗ qui demande à l’utilisateur de saisir un à un les coefficients de la matrice.
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.
I. Les fonctions .sci
1. Syntaxe
En Scilab, on écrit une fonction à l’aide de Scinotes et on l’enregistre toujours sous la forme
nom_fonction.sci.
function [résultat 1, . . . ,résultat p] = nom_f onction(paramètre 1, . . . , paramètre n)

<instruction 1>;
..
.
<instruction n>;
endfunction
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.
2. Exécution d’une fonction

Afin de pouvoir utiliser une fonction, il faut la charger en mémoire dans Scilab. Pour cela, on
effectue les étapes suivantes :
1. Aller dans « Fichier » puis « exécuter ».
2. Choisir la fonction .sci à charger.
3. Valider.
Une fois la fonction chargée, elle peut être utilisée aussi bien dans la fenêtre principale que dans des
fichiers .sce d’un programme.
Charger la fonction mafonction et l’utiliser dans la fenêtre principale.
Remarque 28.13. Attention :

1. Dès que l’on modifie le script d’une fonction .sci, il faut penser à la recharger afin que Scilab
dispose en mémoire de la dernière version.
2. Pour recharger plus rapidement une fonction déjà chargée, on peut également taper dans la
fenêtre principale de Scilab :
366 TP 7
--> exec mafonction.sci

Attention : il faut pour cela se placer dans le bon dossier !
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.
4. Variables locales et globales
La construction d’un programme complet peut comprendre l’écriture de plusieurs fonctions. On

distinguera deux types de variables :
1. Les variables globales : elles sont définies dans le corps principal du programme, on peut les
utiliser dans toutes les fonctions du programme.
2. Les variables locales : elles sont définie dans dans le corps d’une fonction et n’ont d’effet que
dans le script de cette fonction. Ainsi on peut utiliser un même nom pour désigner deux
variables locales dans des fonctions différentes.
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 ?
II. Graphiques avec Scilab
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.
Exemple 28.27. On pose x=0:0.1:4 et y=x.^2.

1. Taper plot2d(x’,y’). Quelle courbe obtient-on ?
2. Que se passe-t-il lorsqu’on tape plot2d(x’,y’,-1) ?
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].
2. Graphe d’une fonction avec la fonction fplot2d

Exemple 28.28. En utilisant la fonction plot2d essayer de tracer la courbe représentative de mafonction
sur [−2, 3].
∗ Que se passe-t-il ?
∗ Que faire pour y remédier ?
On peut également utilisée la fonction fplot2d dont la syntaxe est la suivante :
fplot2d(X,mafonction)
Tester cette nouvelle fonction sur des exemples de votre choix.
3. Gestion des fenêtres graphiques

Lorsqu’on demande à Scilab de tracer successivement plusieurs graphiques, par défaut, il les super-
pose dans une même fenêtre. Pour éviter cela on peut :
∗ soit fermer la fenêtre à chaque nouveau tracé,
∗ soit créer une seconde, troisième, etc, fenêtre en tapant dans la fenêtre principale :
--> figure(2)
--> plot2d(...)
--> figure(3)
--> plot2d(...)
III. Exercices
Exercice 2 On considère la suite (un ) définie par :
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.
I. Création d’un tableau d’entiers aléatoires

L’objectif du TP est d’écrire deux algorithmes permettant de trier des tableaux contenant des entiers.
Afin de tester ces algorithmes, il faut créer des tableaux d’entiers aléatoires.
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)
II. Le tri sélection
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.
III. Le tri insertion
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
∗ ∗ ∗
L’objectif du TP est de découvrir quelques figures fractales célèbres et de les « tracer ».
I. Préliminaires
1. Une suite récurrente

On considère les suites complexes (zn ) définies par :
(
z0 ∈ C
(∗)
zn+1 = zn2 + c,
où c est un paramètre complexe.
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.
Question 28.3. Tester cette fonction avec les matrices :

 
1 2 3
A= 4  5 6 et B = 1 2 · · · 30 .
7 8 9
372 TP 9
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));
où n correspond au nombre souhaité de couleurs.
Question 28.4. Reprendre les deux exemples précédents en choisissant de « bonnes » valeurs de l’en-
tier n.
Question 28.5. Que se passe-t-il lorsque l’on tape :
Matplot(A,strf="022")
II. Le cas z0 = 0 : l’ensemble de Mandelbrot
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)
On fera attention au choix du complexe c correspondant au coefficient M(i,j) de la matrice M.

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.
III. Les ensembles de Julia
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)
Tester votre fonction avec les valeurs N=30 et z0=i et c=0.5+0.2i.
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)
On fera attention au choix du complexe z0 correspondant au coefficient J(i,j) de la matrice J.
Question 28.13. En utilisant la fonction Matplot, représenter les ensembles de Julia pour différentes
valeurs de c, par exemple :
c=0, -1, 0.3125, 0.3+0.5i, ...
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.
Travaux pratiques 10
Initiation aux méthodes numériques
∗ ∗ ∗
L’objectif du TP est de découvrir quelques méthodes d’analyse numérique.
I. Recherche d’une racine par dichotomie
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 28.14. Faire un dessin.

376 TP 10
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)
Question 28.16. Résolution de x5 + 3x2 − 10 = 0 sur l’intervalle [0, 2].

1. Montrer que l’équation x5 + 3x2 − 10 = 0 admet une solution unique dans l’intervalle [0, 2].
2. Créer dans Scilab la fonction f : x 7−→ x5 + 3x2 − 10.
3. En utilisant la fonction dichotomie, trouver une valeur approchée à 10−5 près de la solution
de l’équation f (x) = 0 dans [0, 2].
II. Calcul approché d’une intégrale
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.
1. Méthode des rectangles

On approche la valeur de I par la somme Sn des aires des rectangles de largeur h et de hauteur f (xi )
pour i ∈ {0, . . . , n − 1}.

Question 28.18. Donner l’expression de Sn en fonction de a, b, h et f .
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)
2. Méthode des trapèzes
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 28.21. Donner l’expression de Tn en fonction de a, b, h et f .
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 ?
III. Une application au calcul de e
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.
Méthode d’Euler
Dynamique des populations
∗ ∗ ∗
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
On modélise la croissance d’une population d’effectif x(t) par l’équation différentielle
(E) x0 (t) = ax(t), avec a > 0.
La variation de population est proportionnelle à la population elle-même : on peut voir le coefficient

a comme un taux de fertilité. On s’intéresse à l’unique solution de cette équation vérifiant x(t0 ) = x0
où x0 et t0 sont des réels donnés. La solution théorique à ce problème de Cauchy est connue :
∀ 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.
1. Présentation de la méthode d’Euler

La méthode d’Euler consiste grossièrement à approcher la dérivée en un point par le taux d’accrois-
sement en ce point. On obtient ainsi l’équation 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).
Pour tout entier naturel n, posons tn = t0 + nh et xn = x(tn ). L’équation en t = tn s’écrit :
xn+1 = (1 + ah)xn .
Il s’agit d’une suite géométrique dont la solution est :
∀ n ∈ N, xn = (1 + ah)n x0 .
380 TP 11
2. Implémentation informatique de la méthode d’Euler
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 !) :
4. Conclusion sur le modèle

Question 28.31. En quoi ce modèle naïf n’est-il pas convenable pour décrire l’évolution d’une popu-
lation ?
II. Modèle logistique
Dans le modèle logistique, on suppose que la croissance de la population d’effectif x(t) est modélisée
par l’équation différentielle :
(L) x0 (t) = a − bx(t) x(t), avec a, b > 0.

Ce modèle prend en compte une éventuelle surpopulation. En effet, le taux de croissance de la

population est désormais de la fome a − bx(t) : c’est la différence entre un taux de fertilité a et un
taux de mortalité de la forme bx(t) qui augmente avec l’effectif de la population.
Question 28.32. Rechercher les solutions constantes de 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.
III. Modèle de Lotka-Volterra
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)
On choisira les valeurs a = 3, b = 2 et c = d = 1.
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 ?
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
1. Les règles du jeu

On considère une grille carrée de taille n dont chaque case représente une cellule morte ou vivante.
A chaque étape, l’évolution d’une cellule est entièrement déterminée par l’état des huit cellules qui
l’entourent :
∗ une cellule morte renaît si elle possède exactement trois voisines vivantes,
∗ une cellule vivante reste en vie si elle possède exactement deux ou trois voisines vivantes.
Sous son apparente simplicité, le jeu de la vie présente des comportements variés qui cachent une
étude mathématique très complexe.
2. Les structures remarquables

Question 28.40. Déterminer les configurations obtenues dans les étapes suivantes et commenter :
384 TP 12
On constate qu’il existe différents types de structures de cellules :

∗ les structures stables : il s’agit des structures qui n’évoluent plus dans le temps.
∗ les structures périodiques : il s’agit des structures qui évoluent de manière cyclique avec une
période pouvant aller de deux jusqu’à l’infini.
∗ les vaisseaux : il s’agit des structures qui évoluent de manière périodique avec translation.
∗ les canons : il s’agit des structures qui se répètent périodiquement tout en créant des vaisseaux
à intervalles réguliers.
Il existe d’autres types de structures bien plus complexes encore (mathusalems, jardins d’eden, etc).
II. Programmation
Enregistrer les fichiers remplir.sci et jeu_vie.sce dans le dossier TP12.
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 :
Question 28.42. Donner les matrices M associées aux structures précédentes.
2. Les fonctions utilisées
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)
Tester votre fonction sur les matrices M des exemples précédents.

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 28.45. Remplir la saisie de la taille n de la grille et du temps t d’observation du jeu.
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 :
2. Une variante aléatoire

Dans cette partie, on souhaite que la matrice A soit créée de manière aléatoire.
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.

Cours de Maths BCPST

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours de Maths BCPST

Transféré par

Droits d'auteur :

Formats disponibles

Cours de Mathématiques

Lycée Chateaubriand - Rennes Année  - 

4. Sommes télescopiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

Travaux Dirigés 101

8. Suites numériques 105

Travaux Dirigés 117

IV. Décomposition dans R[X] et C[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

Travaux Dirigés 129

10. Matrices 133

Travaux Dirigés 143

11. Espaces vectoriels 147

2. Dimension et sous espaces-vectoriels . . . . . . . . . . . . . . . . . . . . . . . . 154

Travaux Dirigés 157

12. Ensembles et applications 161

Travaux Dirigés 171

13. Applications linéaires 173

Travaux Dirigés 181

14. Dénombrement 185

2. Cardinal d’une réunion disjointe . . . . . . . . . . . . . . . . . . . . . . . . . . 187

Travaux Dirigés 193

15. Probabilités 195

Travaux Dirigés 205

16. Limites 209

Travaux Dirigés 219

17. Continuité 221

Travaux Dirigés 231

18. Dérivation 235

Travaux Dirigés 245

19. Développements limités 249

4. Développements limités usuels . . . . . . . . . . . . . . . . . . . . . . . . . . . 253

Travaux Dirigés 257

20. Variables aléatoires réelles 259

Travaux Dirigés 267

21. Lois usuelles 269

Travaux Dirigés 277

22. Intégration 279

Travaux Dirigés 287

23. Calcul intégral 289

Travaux Dirigés 297

24. Couples de variables aléatoires réelles 299

III. Variable aléatoire fonction de deux variables aléatoires . . . . . . . . . . . . . . . . 304

Travaux Dirigés 309

25. Courbes paramétrées 311

26. Fonctions de plusieurs variables 319

27. Géométrie 325

IV. Cercles et sphères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333

28. Algorithmique 335

Travaux pratiques avec Scilab 347

TP2 : Fichiers .sce - Instructions conditionnelles 351

TP3 : Boucles for 355

TP4 : Boucles while 357

TP5 : Calculs de valeurs approchées de π 359

TP6 : Matrices 361

TP7 : Fonctions .sci - Représentations graphiques 365

TP8 : Algorithmes de tris 369

TP9 : Fractales 371

TP10 : Introduction aux méthodes numériques 375

TP11 : Méthode d’Euler - Dynamique des populations 379

TP12 : Jeu de la vie 383

2. Parité d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3. Restriction d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

5. Opérations algébriques sur les fonctions dérivées . . . . . . . . . . . . . . . 23

II. Les fonctions usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3. Les fonctions puissances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26